11000 条广告抽样，33% 完全无关，68% 零购买意图。ChatGPT 商业化落地半年的数据，给所有想接 API 做广告分发的团队敲了警钟。
先说结论：
- ChatGPT 广告上下文匹配机制存在严重错位，33% 广告与对话毫无关联。
- 营销与 SaaS 行业翻车率最高，47% 和 45% 的广告直接打偏。
- 单纯接入 AI 助手不等于高转化，错误场景投放会严重稀释品牌权重。
上下文匹配机制的底层错位
Searchable 在 7 月 4 日到 8 月 4 日期间，抓取了 11000 多条真实对话中的广告。数据很直白：27% 直接匹配，40% 上下文匹配，33% 完全无关。按对话维度算，40% 的带广告对话包含至少一个无关广告，28% 的对话里所有广告都无关。
从工程视角看，ChatGPT 的广告系统没有采用传统搜索的 keyword 竞价，而是依赖 context hints。广告主描述目标场景，OpenAI 的引擎将其与实时对话的 embedding 进行匹配。这种机制的副作用是，广告往往挂载在用户 thread 中的某个历史事件上，而不是当前 turn 的核心 intent 上。这导致系统在处理长上下文时，注意力权重发生了偏移。
OpenAI 首席营收官 Denise Dresser 在 6 月表示，用户关闭广告的比率比 2 月推出时下降了一半，公司将其作为相关性的代理指标。但在 Searchable 覆盖的这一个月里，无关广告比例依然稳在三分之一。用户不点关闭，不代表广告精准，可能只是交互惯性。对于技术决策者，评估 AI 广告 API 时，不能只看官方宏观的 dismiss rate。必须在你的业务流里跑 A/B 测试，单独计算当前 turn 的精准转化率。如果依赖上下文匹配，你需要重新定义你的 context hints 粒度。
行业维度的匹配度跑分对比
不同行业的无关率差异极大，这直接反映了意图识别的边界。营销和 B2B 服务广告 47% 无关，软件和 SaaS 广告 45% 无关，是全行业最差的两个区间。数据经纪和背景调查做到了 50% 的相关率（最准），旅游 43%，汽车 42%。没有任何一个行业的直接匹配率超过 50%。
保险行业的数据很有意思：23% 无关，11% 直接匹配，66% 落在上下文匹配区间。为什么 SaaS 和营销翻车严重？这类产品的购买决策链路长，用户在 ChatGPT 里问“怎么写个 Python 脚本”时，上下文可能关联到“工作效率”，但直接推 SaaS 工具属于跨意图强行匹配。失败条件很明确：当你的产品属于即时决策型（如旅游、汽车），上下文匹配有效；当属于长链路决策型（SaaS），直接匹配率极低，投放 ROI 会很难看。保险行业 66% 的上下文匹配，恰恰是因为它依附于 thread 中的“生活事件”（如结婚、生子），而不是当前的具体 query。
原始数据与投放排查清单
如果你正在接入 ChatGPT 广告 API，或者在评估类似的大模型商业化组件，建议按以下清单排查你的投放策略。首先，检查你的 prompt 是否包含了明确的购买意图标签。原文显示 68% 的广告出现在零购买意图的对话中，这意味着大部分流量池本身就是无效的。其次，针对上下文匹配，调整你的 context hints 描述。不要只写产品功能，要写用户可能触发的“生活事件”或“长周期状态”。最后，建立独立的归因模型。不要把 assistant 里的曝光等同于搜索广告的有效点击，推荐在 response 内部做软性植入，转化率通常高于硬广。
对于做 AI 应用落地的团队，把广告塞进 assistant 里，如果不做细粒度的 intent routing，最终只会得到 40% 的无效曝光。原文提到 40% 的带广告对话包含至少一个无关广告，28% 的对话里所有广告都无关。这说明基于上下文的泛化匹配，在缺乏强意图约束时，会退化成随机展示。品牌方需要认清一个现实：在 AI 助手里的展示位，不能替代成为“标准答案”。投错场景的广告会被直接滑过，而内嵌在 response 里的推荐，才是真正能拉动转化的有机通道。
评论区唠唠
你在对话里点过广告吗？觉得是精准还是打扰？
往期推荐
- ·5000亿数据中心，Nvidia 担保直接砍半
- ·数十万行 C 代码，AI 翻译被指可能陷入不可计算问题
- ·Opus5对决Opus4.8，安全降级让Claude删700GB
点击公众号头像 → 历史消息，可翻阅以上文章
