OpenAI 涉足对话式广告，承诺提供一种让广告与用户意图无缝衔接的超个性化体验。然而，新数据表明，AI 驱动的定向投放目前尚未达到其高科技潜力所预期的水平。

脱节背后的数据

AI 可见性平台 Searchable 最近进行的一项分析揭示了在 ChatGPT 中投放广告时存在的显著摩擦。通过检查 2026 年 7 月 4 日至 8 月 4 日期间真实用户对话中投放的 11,000 多个广告，研究人员发现了一个令人担忧的上下文相关性趋势。

研究发现，在 ChatGPT 界面中投放的所有广告中，约有三分之一出现在与所宣传的产品或服务完全无关的对话中。这种不匹配表明，虽然大语言模型 (LLM) 擅长生成类人文本，但负责广告检索和上下文映射的二级层在保持高精度方面仍面临挑战。

LLM 广告中的精准度 vs 概率

LLM 广告的核心承诺基于“基于意图的定向投放”概念。与传统的关键词搜索（由特定术语触发广告）不同，ChatGPT 广告旨在通过长篇对话的语义上下文来触发。理论上，如果用户询问有关有机园艺的问题，模型应该推荐高质量的土壤或传家宝种子。

然而，Searchable 的报告指出，目前的实现方式往往无法通过这项测试。当 33% 的广告被认为是不相关时，这表明广告引擎在解释对话细微差别方面出现了故障。这可能是由几个技术因素造成的：

  • 上下文窗口限制： 广告引擎可能只关注对话中最近的轮次，而不是整体话题。
  • 语义漂移： 模型在复杂的多轮对话中可能会误解用户的意图。
  • 启发式失效： 系统在投放广告时可能依赖广泛的关键词触发，而非真正的语义理解。

为什么这对 AI 生态系统至关重要

这一进展是“Agentic Web”未来的关键试金石。随着公司从传统搜索引擎向 AI 助手转型，变现模式必须不断进化，以确保不会降低用户体验。对于在 LLM 之上进行构建的创始人和开发者来说，这凸显了一个重大挑战：在集成收入流的同时保持高实用性。

如果 OpenAI 无法解决相关性问题，他们将面临“提示词疲劳 (prompt fatigue)”的风险，即用户为了避开干扰性、不连贯的广告，开始忽视或主动避开对话式助手。对于广告商而言，高比例的不相关性意味着广告支出的巨大浪费，可能会减缓 AI 集成营销的采用速度。

核心结论

  • 显著的相关性差距： 在 2026 年 7 月至 8 月期间，ChatGPT 中投放的三分之一广告被发现与用户的当前对话无关。
  • 意图映射失败： 数据表明，目前的 AI 广告引擎难以将产品供应准确映射到 LLM 对话复杂的语义上下文中。
  • 用户体验风险： 高比例的广告不相关性对用户留存构成了威胁，并可能削弱 AI 驱动的个性化搜索的核心价值主张。

根据 AI 可见性平台 Searchable 的最新分析，OpenAI 的 ChatGPT 在约三分之一的情况下展示了不符合预期的广告。这项研究记录了 2026 年 7 月 4 日至 8 月 4 日期间的 11,000 多次广告展示，发现其中许多广告与周围的对话毫无关联。

数据显示了什么

Searchable 检查了 ChatGPT 界面中的实时用户交互，追踪了随对话出现的每个广告。研究人员判定，大约 33% 的广告与正在讨论的话题无关。理论上，如果用户询问有关有机园艺的问题，模型应该推荐高质量的土壤或传家宝种子。

这种不匹配指向了所承诺的“基于意图”的定向投放与当前系统实际交付内容之间的差距。传统的在线广告在特定关键词出现时触发；而 ChatGPT 的广告理应基于多轮对话更深层的语义含义来触发。数据表明，底层的引擎仍然严重依赖表面层面的线索。

引擎为何表现不佳

Searchable 的报告列出了三个可能导致相关性缺失的技术原因：

  • 上下文窗口限制 – 广告选择器似乎优先考虑用户最近的一次发言，而忽略了设定整体话题的早期对话。如果对话是逐渐转变的，系统可能会捕捉到一个瞬时的短语，而非核心意图。
  • 语义漂移 – 在较长的对话中，模型可能会丢失对原始主题的追踪，将后续的问题误解为新的意图。这种漂移会导致广告引擎从错误的语义范畴中提取内容。
  • 启发式捷径 – 广告系统的早期版本依赖于宽泛的关键词匹配，而非全句嵌入（full-sentence embeddings）。这种捷径在处理简单查询时有效，但在涉及细微差别时就会失效。

这些问题并非广告领域所独有；它们反映了在将大语言模型 (LLMs) 应用于任何需要持续理解能力的下游任务时所面临的更广泛挑战。

谁将面临损失

相关性差距影响着三个群体：

  1. 用户 – 反复接触到无关广告会削弱对助手的信任。当体验感变得“嘈杂”时，用户可能会产生提示疲劳（prompt fatigue），甚至完全避开该平台。
  2. 广告商 – 为从未触达目标受众的展示次数付费是在浪费预算。如果三分之一的支出无法实现上下文对齐，广告支出回报率就会大幅下降，从而挫伤品牌向 AI 驱动的投放渠道分配资金的积极性。
  3. OpenAI 及新兴的“智能体网络 (agentic web)” – 对话式 AI 的变现能力取决于能否在不损害实用性的前提下，实现收入流的无缝整合。持续的相关性问题可能会阻碍从以搜索引擎为中心向以助手为中心模式的转型。

结论

Searchable 的分析证明，ChatGPT 内部基于意图的广告仍处于开发完善阶段。由于三分之一的广告无法匹配对话上下文，这项技术正面临一场决定性的考验：必须足够快地优化其语义映射能力，以保持用户的参与度、广告商的满意度，并确保更广泛的 AI 助手经济的可持续性。