事件概述

OpenAI 在官方博客发布《Building advertising for the way people use AI》，宣布三件事：

  1. 在 ChatGPT 中推出一种新的视觉广告格式（visual ad format）；
  2. 扩展测量工具与合作伙伴生态，帮助广告主理解 ChatGPT 广告的业务影响；
  3. 推进**品牌适宜性（brand suitability）**的评估方式与合作伙伴试点。

文中给出的一个关键背景数据是：ChatGPT 每周触达 12 亿人，OpenAI 称其为全球最大的 AI 原生消费平台。官方对广告的定位是：广告让 AI 的好处覆盖更多人，使其能够服务比单纯订阅更大的市场，同时给企业提供一种在用户”探索想法、做决策、发现产品与服务”时触达他们的新方式。

需要说明的是，原文并未给出该视觉广告格式的定价模型、完整投放时间表或后续覆盖范围的细节。

关键技术点

1. 视觉广告格式先落在图像生成场景

新格式的呈现方式是图片，用来展示”产品灵感、产品使用方式，或产品带来的体验”，帮助用户理解一个品牌、判断产品的差异化并决定是否购买。

落地路径上，OpenAI 的表述很明确：

  • 初期只在 ChatGPT 的图像生成过程中测试该格式；
  • 广告会被清晰标注，并与正在生成的图像保持分离；
  • 与其它广告格式一致，广告不会影响 ChatGPT 给出的回答；
  • 测试将于”本月晚些时候”在美国启动，面向首批广告主。

原文未说明该格式之后会扩展到哪些具体对话场景，也未说明广告与生成图像”分离”的具体视觉或布局实现方式。

2. 测量与归因：接入广告主既有数据栈

OpenAI 的测量思路是同时支持**自建（in-house）和伙伴主导（partner-led）**两类方案，重点在于让广告主用自己已在使用的系统来理解 ChatGPT 广告的贡献。

具体披露了两层伙伴体系：

  • 数据集成层：与 Hightouch、Tealium、LiveRamp 集成，让广告主把现有系统中的转化数据发送到 ChatGPT Ads。
  • 归因层：支持 Conversions API、报表与点击归因方案，覆盖 Web 与 App 场景，伙伴包括 AppsFlyer、Triple Whale、Adjust、DV Rockerbox、Northbeam、Branch、Singular、Kochava、Airbridge、Tenjin；此外还有全漏斗与高级测量伙伴 Fospha、Measured、INCRMNTAL。

3. 增量测量：从”归因”走向”因果”

文章承认增量测量（incrementality measurement）对理解广告真实业务影响很重要，但也明确表示这项工作仍处于早期阶段。当前的做法是与 Haus、Measured、WorkMagic 合作，探索基于地理的实验（geo-based experiments），以帮助广告主理解 ChatGPT Ads 的因果影响。

原文披露了三组早期伙伴结论：

伙伴 广告主 结论
DV Rockerbox WeightWatchers ChatGPT Ads 的归因 CPA 比其 blended paid-search 基准低 15.3%
WorkMagic 健康品牌 Dose 出现统计显著提升，67% 的增量购买来自净新客户
Triple Whale Portland Leather 93% 来自 ChatGPT Ads 的访客是新访客

这些数字来自合作伙伴，原文未说明其样本规模、实验周期与统计口径。

4. 品牌适宜性：把”对话是否适合投广告”做成护栏

OpenAI 强调其广告政策与护栏的目标是保护用户、维护信任，并让品牌对投放环境有信心。要点包括：

  • **投放位置护栏（placement guardrails）**会评估一段对话是否适合出现广告，尽量避免广告出现在情绪脆弱、敏感或不合适的语境中；
  • 通过自动化审核 + 人工监督 + 持续监控来识别和处理违规，并持续改进防护措施；
  • 面向有自身品牌政策的广告主，提供 Negative Phrases（原文未说明其具体机制细节）；
  • 与 DoubleVerify（DV） 和 Integral Ad Science（IAS） 开展品牌适宜性评估试点，让独立伙伴在受控测试环境中评估 OpenAI 的品牌安全标准如何被应用，且不访问用户私密对话。

两位合作方 CEO 的表述被引用为背书：IAS CEO Lidiane Jones 强调广告进入 AI 原生环境后，营销方需要确信品牌安全防护”持久、一致、可规模化”，独立评估将在不牺牲真实用户对话隐私的前提下提升透明度；DoubleVerify CEO Mark Zagorski 则指出 ChatGPT 的广告环境是”由对话本身定义上下文”，而非页面或视频。

最后，OpenAI 表示企业可即刻通过 ads.openai.com 注册投放。

对数据科学或 AI Agent 落地的意义

第一，广告上下文的基本单位变了。 传统展示广告的上下文是页面或视频，而 ChatGPT 的上下文是一段对话。这意味着品牌适宜性判断、受众理解、频次控制这些经典问题的输入变量都要重做——从”页面分类”转向”对话意图与情绪状态识别”。这类判定本质上是一个需要对多轮对话做语义与情感分类的 NLP 任务，而且必须在低延迟下完成。

第二，测量栈是”外挂式”的，这对数据工程有直接影响。 通过 Hightouch、Tealium、LiveRamp 做数据集成，通过十余家归因伙伴做点击与转化归因，说明 OpenAI 选择复用广告主已有的 CDP 与归因基础设施，而不是自建闭环。对数据团队来说，这意味着接入成本主要落在身份映射、事件回传与转化窗口定义这些脏活上——而这些恰恰是跨平台归因最容易出错的地方。

第三，增量测量被摆到台面上，且暂时依赖地理实验。 “geo-based experiments”是行业内做因果推断的常见折中：在无法做用户级随机分组的场景下，用地理隔离近似对照组。OpenAI 明说这块”仍处早期”，这既是坦诚，也提示数据科学家：现阶段 ChatGPT Ads 的效果数据需要谨慎解读，伙伴给出的 CPA 或 lift 数字高度依赖其建模假设。

第四，对 AI Agent 生态是一个信号。 如果用户越来越多地把”探索产品、比较选项、做决定”交给对话式助手，那么商业信息的入口就会从搜索结果页迁移到模型上下文。文中”广告不影响答案”这一约束，与广告位的独立标注、隐私隔离的第三方评估，共同构成了这套模式的信任前提。原文未说明未来是否会向 Agent 场景（例如自动执行购买决策）开放广告能力，这是目前最值得关注的未知项。

我的技术点评

这篇公告里最有技术含量的部分，其实是测量与验证的架构设计，而不是广告格式本身。

视觉广告只是一个新的创意载体，把广告从文字变成图片，本身并不新鲜。真正值得琢磨的是 OpenAI 在”可信度”上的三层布局：

  • 隐私层：品牌适宜性评估在受控环境中进行，第三方不接触真实用户对话。这是一个相当克制的设计——它让独立验证成为可能，同时又避免了把用户对话交出去。代价是：评估样本是合成的或受控的，与真实流量的分布差异有多大，原文并未说明。这会是后续被反复追问的问题。
  • 归因层：把 Hightouch、LiveRamp 这类身份与数据集成伙伴放在前面，把 AppsFlyer、Adjust、Triple Whale 这类归因伙伴放在后面，实际上是把”数据怎么进来”和”效果怎么算”解耦。这是成熟广告平台的标准做法，说明 OpenAI 在做长期工程规划，而不是临时拼一个广告位。
  • 因果层：用地理实验做增量测量，且公开承认处于早期。我倾向于把这理解为一种”先建立测量标准，再谈规模化变现”的次序选择。对比一些平台上线广告很久之后才开始补增量测量，这个顺序是更健康的。

几点保留意见：

其一，”广告不影响回答”这条承诺，在工程上需要持续的对抗性验证，而不是一句原则声明。当广告可以出现在图像生成流程中时，创意素材与模型输出之间的边界如何做到严格隔离、如何证明隔离有效，原文没有给出技术细节。

其二，早期效果数据全部来自合作伙伴自己发布的案例，且都是选定的品牌与特定的指标口径。15.3% 的 CPA 优势、67% 的净新购买、93% 的新访客，这些数字在营销叙事里很漂亮，但缺乏方法论披露。对数据科学家而言，这类数字的正确用法是”提示存在正向效应”，而不是”可用于预算建模”。

其三，也是最根本的：AI 原生广告的长期效率取决于一个尚未被验证的假设——用户在对话中是否有足够的”商业意图可介入窗口”。搜索广告之所以成立，是因为意图高度外显；对话中的意图更分散、更私密，也更难在”不打扰”的前提下变现。ChatGPT 每周 12 亿人的触达规模给了 OpenAI 试验的资本，但规模不等于可货币化的注意力。