GA4 AI 智能体：用大白话直接问出 Google Analytics 的答案

GA4 的 AI 智能体（AI Agent），是一种持有你 Google Analytics 媒体资源访问凭据的软件：它把你用大白话提出的问题翻译成正确的指标、维度和日期范围，通过 Data API 跑出报告，再用完整的句子回答你。从此你不用再搭报告，只需要提问。

它的吸引力，任何一个花过二十分钟搭探索报告、只为回答一个六秒钟就能说清的问题的人都懂。风险同样真实，却很少有人提：一旦智能体选错了维度，它会给出一个自信、通顺、但错误的答案，而输出里没有任何地方看起来和正确答案不一样。

本文讲清楚四件事：连接到底怎么实现、该问什么、智能体在 GA4 上常犯的错误，以及成本是多少。

GA4 的 AI 智能体到底是什么？

它由三部分组成。第一是连接，即通过 OAuth 以只读权限访问你的媒体资源。第二是翻译层，把“上个季度移动端转化怎么样”转换成一个 Data API 请求，里面带着 Google 要求的指标名、维度名和日期范围。第三是循环，让智能体看完返回的数据后，自己判断回答之前是否还需要再查一次。

正是第三部分，把智能体和自然语言查询框区分开来。问一句“转化为什么下降了”，查询框只会甩给你一张转化图表。智能体则会先拉取转化数据，发现下降集中在某一个渠道，再按着陆页拆分这个渠道，找到拖累整体的两个页面，最后回答的是你真正想问的问题，而不只是你字面上输入的那句话。

如何把 AI 智能体接入 Google Analytics 4

有两条路，选哪条取决于你是营销人员还是开发者。

路线一：托管式 OAuth 连接

这是营销人员的路线。你在产品里用自己的 Google 账号授权，选好媒体资源，连接信息就保存在服务端，之后每次查询都直接复用。在我们自己的实现中，智能体会在第一次调用 GA4 工具时检查是否存在有效的 Analytics 连接；如果没有，它既不会报错，也不会瞎猜，而是弹出一个交互式提示请你连接，并直接跳转到集成页面，连接完成后再接着刚才的对话继续。媒体资源优先取工作区设置里指定的那个；没设置的话，就用该连接下的第一个媒体资源。

整个设置只要几分钟，什么都不用安装。代价是你只能用厂商已经做好的那套工具目录。

路线二：MCP

这是开发者的路线。Google 官方发布了自己的 Google Analytics MCP 服务器，任何支持 MCP 的客户端都能通过它访问 GA4。它提供 run_report、run_realtime_report、run_funnel_report、get_account_summaries、get_property_details、get_custom_dimensions_and_metrics 和 list_google_ads_links。认证方式是只读 Analytics 权限范围下的应用默认凭据（Application Default Credentials），实际操作就是在一个 Google Cloud 项目里启用 Admin API 和 Data API，然后运行 gcloud auth application-default login。

在它之上开发之前，有两点要注意。第一，Google 把这个服务器明确标注为实验性。第二，MCP 给智能体的是工具，而不是“该调用哪个工具”的判断力，推理质量依然取决于模型和提示词。

可以用大白话问 GA4 哪些问题

效果好的问题都有一个共同结构：有对比、有细分、有绝对日期范围。

对比 [日期范围 A] 和 [日期范围 B] 的自然搜索转化，
按着陆页拆分。列出绝对变化最大的 10 个页面。
如果某一行的会话数太少、转化率变化可能只是噪声，请标注出来。

在 [日期范围] 内，哪些获客渠道变好了、哪些变差了？
以转化而不是会话来衡量。请写明你使用的是哪个转化事件。

在 [日期范围] 内，用户在完成 [目标] 之前是在哪一步流失的？
请同时给出原始数量和百分比。

和上一个同等周期相比，移动端与桌面端的转化率差距是在扩大还是缩小？
请把两个周期都列出来。

效果差的是那些开放式问题。“网站表现怎么样”只会得到一份面面俱到、却什么结论都没有的总结，而且更贵，因为目标越模糊，展开的查询就比精确问题越多。

哪些 GA4 指标值得自动化

只把那些“一动就必须解释清楚”的指标交给自动化，其余的等你想问的时候再问。

指标	为什么值得自动化	需要注意
按渠道的转化	业务真正在意的数字	哪个转化事件被设为主要事件
按着陆页的转化率	把页面问题和流量问题区分开	分母太小导致百分比剧烈波动
按来源的互动率	在转化变化之前就捕捉到流量质量的变化	定义和 Universal Analytics 里的跳出率不同
按渠道的收入	把工作和钱直接挂钩	当前使用的归因模型
按设备和国家的会话	解释比率变化背后的流量构成变化	基数过高导致行被合并进 (other)

AI 智能体分析 GA4 数据时会犯哪些错误

这一节值得读两遍。下面每一种错误，产出的结果看起来都完全正常。

把点击和会话当成一回事。Search Console 统计的是搜索结果上的点击；GA4 统计的是页面加载之后的会话。两者永远对不上，如果智能体不加说明就拿它们比较，就会“发现”一个其实只是定义不同造成的差异。

混用用户范围和会话范围的指标。用一个用户范围的指标去除以一个会话范围的指标，得出的数字毫无意义，但它照样会被格式化成保留两位小数。

忽略 (not set) 和 (other)。高基数的维度会被合并进 (other) 这一栏，无法归因的流量则落在 (not set) 里。智能体如果只把能看到的行加起来报个总数，就是在悄悄把这两部分都排除掉。

在极小的分母上解读百分比变化。转化从 2 次变成 3 次，是 50% 的提升，同时也什么都说明不了。一定要让智能体在比率旁边同时给出原始数量。

没说清是哪个转化事件。大多数媒体资源都配置了好几个关键事件。如果提示词里没指定，智能体就会自己挑一个，而且每次运行挑的可能都不一样。

相对日期范围。“上个月”具体指哪段时间，取决于媒体资源的时区和查询运行的时间。凡是要据此行动的分析，都用绝对日期。

应对办法很简单：在任何对数字有要求的提示词末尾加上这样一段：

每个数字都必须来自已连接的媒体资源。
拿不到的数字请写“无数据”，绝不估算。
每个数字都要注明你使用的指标、维度和日期范围。

最后一句最关键。它逼着智能体亮出自己的查询，把一个你只能选择相信的说法，变成一个你三十秒就能核实的说法。

智能体必须遵守的 GA4 API 限额

这些可不是冷知识，它们直接决定了哪些问题根本答得出来。

根据 Google 的 Data API 配额文档，标准媒体资源每个媒体资源每天有 200,000 个核心令牌，每小时 40,000 个，每个项目每个媒体资源每小时 14,000 个，并发核心请求为 10 个。Analytics 360 媒体资源每天 2,000,000 个，并发请求 50 个。关键在于，请求的复杂度决定令牌消耗：维度越多、时间范围越长、基数越高，消耗的配额就越多。在请求中加上 returnPropertyQuota，就能实时看到消耗情况。

实际后果是：如果放任智能体在一个大型媒体资源上随意探索，一个下午就可能耗光一整天的配额，此后所有下游报告都会失败，直到配额窗口重置。指定精简维度组合和明确时间范围的提示词，不只是更清晰，还更省一种你花钱也买不到更多的“货币”。

哪些问题智能体无法从 GA4 中得到答案

有些问题在你的媒体资源里根本没有答案，好智能体和差智能体的区别，就在于它会不会老实说出来。

在探索报告中，超出数据保留期的任何内容。Google 的数据保留文档规定，标准媒体资源的用户级和事件级数据保留期为 2 个月或 14 个月，除非使用 360，否则最长就是 14 个月。无论怎么设置，Google Signals 数据最多保留 26 个月。这里有个重要细节：保留期影响的是探索报告和漏斗报告，而不是标准的汇总报告。所以智能体完全可以合理地回答一个长时间跨度的渠道级趋势问题，却答不了同一时间跨度内的用户路径问题。如果它分不清这两者，它还是会硬给你一个结果。

任何被阈值处理的数据。当用户数少到可能推断出具体个人时，GA4 会隐藏这些行。智能体把能看到的数据加总后报出的总数，其实是一个它自己都不知道的低估值。

任何关于未授予同意的用户的数据。根据你的同意设置，有一部分行为数据是建模出来的，或者干脆缺失。这个缺口不会以报错的形式出现，只会表现为更小的数字。

直接问你的智能体：“这次分析有多大比例受到数据保留期、阈值处理或同意缺口的影响？”能老老实实回答这个问题的智能体，才值得留下。

让 AI 智能体访问 Google Analytics 安全吗？

GA4 访问是你能授予的较安全的集成之一，这源于三个结构性原因：权限范围是只读的，所以什么都改不了；你随时可以在 Google 账号里撤销访问；最坏的结果不过是一个错误结论，而你可以自己在媒体资源里核对。

不过仍有两点需要留意。第一，取决于你的配置，GA4 数据中可能包含个人数据，所以要清楚智能体厂商在哪里处理和存储查询结果。第二，如果同一个智能体还能抓取任意网页，它就可能把外部撰写的文字带进和你的指令同一个上下文里，这就是提示词注入问题。我们的运行环境是这样处理的：给每个工具打上“读取、生成或写入”的标签，把抓取到的内容隔离标记为不可信，并且在任何一轮对话中只要出现了不可信内容，就在这一轮余下的时间里拒绝调用带写入标签的工具。GA4 查询属于读取，所以无论如何都不受影响。

一次 GA4 智能体查询要花多少钱

成本分两部分。工具调用：在我们的工具目录中，一次 GA4 查询每次调用 50 积分，而一次真正的调查要调用好几次，因为智能体会拉取、查看、再拉取。模型令牌：一轮对话中所有模型调用按每百万令牌 300 积分计费，费用随进入上下文的数据量增加，所以对一个返回 50 行的查询做推理，明显比返回 5,000 行的便宜。

由此得出的规律和配额一样：精确比宽泛更便宜。“网站表现怎么样”是你能问出的最贵的问题，既费积分又费配额，得到的答案却最没用。

智能体能取代 Looker Studio 吗？

不能，原因在于可复现性，而不是能力。仪表板每次都以同样的布局展示同样的指标，这恰恰是监控以及客户定期查看的报告所需要的。而智能体在不同的两天里，回答同一个问题时可能会走不同的路径。

行之有效的分工是：仪表板回答“是什么”，智能体回答“为什么”。日常总览继续交给仪表板，当仪表板上出现你解释不了的情况时，再去问智能体。如果是定期交付的报告，请参阅GA4 自动化报告，那种场景下确定性比灵活性更重要。

从哪里开始

以只读模式连接一个媒体资源，然后问智能体一个你这个季度已经手动回答过的问题，对比结果。接着让它列出每个数字背后的指标、维度和日期范围，并挑一个到 GA4 界面里核对。这样跑两次，比读再多厂商资料都更能告诉你这个工具值不值得信任。

Autopilot 针对你自己的媒体资源，实现了上文所说的 OAuth 流程、连接提示和查询循环。