OpenAI披露ChatGPT广告系统运作机制：AI理解对话意图，广告竞价不等于最终展示

Search Engine Journal近日刊文，解读OpenAI公布的ChatGPT广告技术架构。根据OpenAI于10月21日发布的技术说明，ChatGPT正在采用一套基于大语言模型（LLM）的广告投放系统，通过分析连续对话中的用户需求、筛选广告候选项、评估相关性并进行竞价，决定是否展示合适的广告。

与传统广告系统主要根据搜索关键词、网页浏览记录等单次行为匹配广告不同，ChatGPT广告系统会结合对话上下文，判断用户的需求是否发生变化，再决定是否有合适的商业信息可以展示。

OpenAI披露的数据显示，ChatGPT广告业务在推出不到200天后，年化收入运行率已达到10亿美元，累计已有超过10万名广告主投放过广告。这些数字反映出该业务的增长速度，但目前公开信息尚未提供广告主的平均转化率、获客成本或广告投资回报率等数据。

对于广告行业而言，这套系统值得关注的地方，不只是新增了一个广告渠道，更在于广告匹配逻辑开始从单次搜索请求转向对连续对话和具体需求的理解。

一、广告系统开始理解整段对话，而非只看最后一个问题

传统互联网广告通常根据用户输入的关键词、访问过的页面或点击行为寻找潜在客户。但在ChatGPT中，用户的需求可能需要经过多轮交流才逐渐明确。

例如，一名用户最初询问如何准备两天的户外旅行，随后讨论天气，最后才开始比较适合徒步的鞋子。如果广告系统只根据最初的问题匹配广告，就可能错过用户后来产生的购物需求。

OpenAI为此采用了能够保留上下文的广告会话机制。系统会持续整理对话中的有效信息，判断用户当前关注什么，并根据需求变化重新寻找匹配的广告。

如果用户选择开启个性化广告，系统还可以参考过往对话中可用的非敏感信息，以改善广告匹配。不过，系统也需要区分用户当前的真实需求、已经过时的信息，以及纯粹出于假设或讨论而提出的问题。

这意味着，广告匹配不再只是寻找与某个关键词相符的商品，而是尝试理解用户为什么需要它，以及什么样的产品或服务更符合具体场景。

二、大语言模型负责协调广告筛选与竞价流程

OpenAI将负责协调广告投放流程的模型称为“编排器”（Orchestrator）。它会调用不同工具，完成广告检索、资格筛选、相关性评估及竞价等工作。

整个流程大致可以分为以下几个阶段：

第一步：提取用户意图。 系统从对话中整理与商业需求有关的信息，将其转换成适合广告检索的查询内容。由于一段对话可能包含多个需求，系统也可以生成不同的查询，而不是把全部内容压缩成一个关键词。

第二步：寻找候选广告。 系统利用语义向量等技术检索可能匹配的广告。即使用户使用的措辞与广告文案不完全相同，只要语义和需求接近，广告仍有机会进入候选范围。

第三步：检查广告资格。 系统会核对广告是否符合投放条件，包括地域定向、广告政策、预算余额、投放节奏以及广告形式是否适用于当前对话等。

第四步：评估相关性和表现。 通过初步筛选的广告还需要接受进一步评估，考察广告与用户需求的匹配程度、历史表现，以及用户查看、点击或完成转化的可能性。

第五步：进入竞价环节。 编排器会将符合条件的广告候选项提交给独立的竞价工具，由后者负责最终排序、价格计算和广告选择。

这里有一个重要区别：大语言模型负责理解上下文、筛选候选项并协调流程，但并不直接决定最终胜出的广告，也不直接设定竞价价格。

对于广告主来说，这意味着出价并非唯一需要考虑的因素。即使广告预算充足，如果广告与当前对话关联不强，或者不符合投放条件，也可能无法进入最终展示环节。

三、竞价胜出也不代表广告一定会展示

在传统广告投放中，广告主往往关注出价、排名和展示量。但在ChatGPT的广告机制中，即使广告已经赢得竞价，也可能无法真正出现在用户面前。

OpenAI解释，竞价结束后，系统还会再次检查广告与当前对话是否适配。如果广告虽然符合一般投放政策，却不适合出现在特定交流场景中，系统仍可能阻止其展示。

另外，广告展示还受到响应时间的限制。ChatGPT不会为了等待广告加载而延迟正常回答。如果广告没有在当前回答生成完成前及时准备好，就可能错过此次展示机会。

因此，广告从进入候选池到最终呈现在用户面前，中间还存在多道筛选和交付环节。竞价成功、服务器完成广告交付，以及用户实际看到广告，并不是同一个概念。

这也给广告投放分析带来新的问题。如果广告曝光量偏低，原因可能是定向条件限制、候选广告不足、相关性不够，也可能与竞价结果或交付时间有关。单纯提高出价，未必能够解决所有问题。

OpenAI表示，其内部日志会记录广告流程中的不同结果，例如没有检索到候选广告、候选广告未通过资格审核，以及广告展示后产生互动等情况。

不过，目前公开的技术说明没有详细交代广告主能够在后台查看多少此类数据。因此，广告主实际能否准确定位投放瓶颈，还需要看平台后续开放的报告能力。

四、广告与ChatGPT回答采用独立系统运行

广告会不会影响ChatGPT的回答，是用户和广告主都关心的问题。

根据OpenAI披露的技术架构，负责生成正常回答的系统，与负责选择和投放广告的系统分别运行，使用不同的模型和代码。广告系统可以利用对话信息寻找合适的商业广告，但广告选择结果不会反馈给回答生成系统，用来决定回答内容。

如果广告服务运行缓慢或暂时不可用，ChatGPT仍会继续生成正常回答；如果广告没有及时准备好，也不会因此拖延用户等待答案的时间。

当广告最终展示时，它会以明确的赞助标识出现在回答下方。系统还可能生成一段简短的引导文字，解释该广告与当前讨论的关联，但这段文字与广告主提供的标题、描述及行动号召保持分离。

从架构设计来看，这种分离旨在降低商业投放对正常回答的影响，同时避免广告服务故障干扰产品本身。

需要说明的是，上述内容是OpenAI对自身系统设计的说明，并不等同于第三方已经独立验证了所有运行效果。

五、广告收入增长迅速，但投放效果仍缺少公开数据

此次技术说明中，OpenAI披露了ChatGPT广告业务的两项数据：推出不到200天，年化收入运行率达到10亿美元；累计已有超过10万名广告主投放过广告。

不过，年化收入运行率是根据特定时期的收入速度推算全年水平，并不意味着平台已经实际收取了10亿美元广告收入。同样，累计广告主数量也无法直接说明有多少商家持续投放，或者有多少广告主在首次测试后扩大了预算。

对于想要评估这一渠道的企业而言，真正影响投放决策的还有一系列具体指标，例如：

获客成本（CPA）： 获得一名客户需要花费多少广告预算。

广告投资回报率（ROAS）： 广告投入带来了多少可归因的销售收入。

转化率： 用户看到或点击广告后，有多少人完成了目标行为。

增量效果： 广告是否真正带来了额外订单，而不只是覆盖原本就会购买的用户。

目前，OpenAI公布的相关信息尚未提供这些指标的行业基准，也没有披露不同广告主之间的实际表现差异。广告业务增长能够说明市场对这一渠道有一定需求，但还不足以证明所有广告主都能获得理想回报。

六、对广告主而言，应该如何理解这套新机制？

ChatGPT广告系统的变化，意味着广告主需要更加关注产品或服务与用户实际需求之间的联系，而不只是围绕某个热门关键词撰写广告文案。

例如，销售项目管理软件的企业，如果能够清楚说明产品是否支持客户审批、是否允许免费访客参与，以及不同套餐的具体限制，就更容易让潜在客户判断产品是否符合自身要求。

这并不意味着广告主需要为每一种对话场景单独创建一条广告。更实际的做法是梳理客户经常提出的问题、购买前的顾虑和影响决策的具体条件，再通过清晰的广告信息及落地页，说明产品能解决什么问题。

与此同时，广告主也应关注投放数据的透明度。如果广告没有获得足够展示，首先需要判断问题出在广告资格、相关性、竞价还是最终交付，而不是直接增加预算。

对于正在探索AI营销渠道的企业，现阶段可以重点跟踪平台的广告功能开放情况、归因机制和效果报告，并在具备投放条件时开展小规模测试，再根据真实转化数据决定是否扩大投入。

结语

OpenAI此次披露的广告技术架构，展示了AI对话产品与传统广告系统之间的差异：广告不再只根据单次搜索请求匹配，而是可以结合多轮对话理解用户需求，再经过资格检查、相关性评估、竞价和最终交付等环节决定是否展示。

对广告行业而言，这种模式提供了新的用户触达方式，但也带来了新的衡量难题。广告主不仅要关心出价和曝光，还需要弄清楚广告为何被选中、是否真正展示，以及最终能否带来可衡量的商业价值。

随着ChatGPT广告业务继续发展，后续值得关注的重点，除了平台规模和广告收入，还包括广告主能获得多少投放数据、实际获客成本如何，以及广告能否持续带来新增客户。