AI大模型精准理解用户意图，高效匹配供需，为广告行业带来全新变革。从谷歌、微软到OpenAI，广告模式正在成为AI商业化的重要选择。
从ChatGPT开启订阅模式开始，业界似乎默认大模型公司的C端商业化道路就是一条——订阅制。
原因似乎也说得通——推理是有成本的。
然而，这是一个典型的误区。
下面卫夕会从多个角度和逻辑论证：除了订阅一条路之外，广告依依然是AI大模型公司最现实的商业化选项——
业界已经在这么做了——
谷歌在2023年就将广告引入到了对话型AI产品中，去年更进一步，毕竟对话的参与用户数要远小于普通的搜索，而AI生成的搜索结果概要（Overviews）是一个重要的广告位。
去年5月的谷歌 Marketing Live 上，Google 副总裁兼广告总经理 Vidhya Srinivasan宣布在Overviews中加入广告，去年12月百度营销大会也明确将“AI搜索结果”加入商业化流量池。
Perplexity在2024年11月12日在官方博客上发表了文章《 Why we’re experimenting with advertising》，宣布引入广告。
主要通过两种形式：一是”答案之后的相关问题”，二是答案侧边栏广告，两种形式都会标注为”赞助”。
早在2023年，微软的Bing搜索就已在其AI助手Copilot中集成了广告，广告显示在AI生成的答案下方，带有“赞助”标识。
有人可能会说，你上面举的四家公司有一个共同点——他们都是做搜索的，搜索公司天然和广告强绑定，这是他们商业模式的路径依赖。
这么说貌似有点道理，我们再来看两家并不是做搜搜索的公司——
去年12月3日，英国《金融时报》报道，OpenAI已经在考虑是否在ChatGPT中推出广告，OpenAI CFO Sarah Friar在接受采访时称，公司在仔细考虑在何时启动广告计划。
事实上，目前OpenAI的首席产品官凯文*威尔之前在Instagram的重要工作就是负责Ins的广告工作。
去年5月，OpenAI挖来了谷歌搜索广告团队的老大Shivakumar任副总裁。
而OpenAI的CEO山姆奥特曼在今年3月的时候接受科技作者Ben Thompson的采访时，谈到商业模式时称——
“我并不反对广告，如果有充分的理由去做，我不会固执己见。”
“比起传统广告，我对尝试一些新模式更感兴趣，比如，很多人用“深度研究”功能进行购物，我们是否可以设计一种新方式——我们永远不会收钱改变排名，但如果用户通过“深度研究”找到并购买商品，我们可以收取2%的营销佣金，这种方式很酷，我完全OK，或许我们也能找到一种体面的广告模式，但我不确定，我只是不太喜欢广告。”
可见，山姆奥特曼对广告持开放态度，而我固执地相信：当他真的尝到广告的甜头时，他会上瘾的，100%。
再来看咱们国内的腾讯——
在腾讯24年Q4的财报电话会上，腾讯的首席战略官James Mitchell在谈到元宝如何变现时，他的回答是这样的——
“至于 AI 如何变现，时间会证明一切，但我认为我们已经在西方世界看到了，第一种变现方式是通过订阅模式。然后随着时间的推移，效果广告将会跟上。我认为在中国，它将从效果广告开始，然后增值服务将会跟上。”
也就是腾讯管理层认为，在中国，效果广告大概率会比订阅制的增值服务在实践层面来得更快。
很多人说，AI这么性感的科技最终还是回到卖广告的老路上来，实在是太没有想象力了。
没错，有效的东西往往都不酷。
为什么“广告”对于大模型商业化有效？
我们来理一理最本质的原因，在我看来，核心逻辑就一条——大模型天然就是需求和供给的最佳撮合者。
当一个平台的核心功能就是理解和响应用户的“意图”时，它就天然地成为了一个理想的广告载体。 因为广告的本质，就是将产品或服务与潜在客户的“意图”进行匹配。
AI大模型天然地生产着高质量的注意力，广告天然地需要这种注意力，这是一个供需关系，就像水往低处流一样自然。
即便你不提供广告，当用户输入“请给我推荐几款1000元左右的蓝牙音响时”的问题时，你客观上也完成了商品和服务的分发。，
更重要的是，大模型精细化的意图表达可以大幅提升广告效率。
要理解这一点，我们从搜索广告开始说起——
如果我们从CPM的角度，搜索广告直到今天，依然是所有广告类型中单价最高的。
这背后的原因简单而直观——用户通过“搜索关键词”将意图表达给了广告系统。
这种关键词比任何“年龄、性别、地域、兴趣”等人口学属性都要高效，这也是为什么抖音、微信、小红书今天如此重视搜索商业化的原因。
而大模型厉害的地方在于——它将“意图表达”提升到了一个全新的高度。
当你搜索“三亚旅游攻略”，搜索引擎只知道你想要去三亚旅行，但它并不清楚你具体的预算、旅行时间、偏好（喜欢冲浪、民宿？带不带孩子？）。
但大模型产品就不一样了，你大概率会说——
“帮我规划一个7天的三亚行程，预算2万人民币，下个月出发，我带着两个小孩，我们都喜欢海滩和民宿，不喜欢太商业化的地方。”
看到区别了吗？
搜索关键词是发散的，而Prompt是收敛的。
它不仅知道你“想要什么”，还可能知道你“为什么想要”、“什么时候想要”、“以什么方式想要”。
用大模型，本质上是一个生产行为，而生产行为本身就比消费行为要产生更多维度的数据。
它们是一个广告平台梦寐以求的宝藏数据，这意味着它们终于不用猜测用户的意图了。
广告产品经理看到这些无比明确的Prompt，做梦都会笑醒。
那么问题来了——
既然大模型产品如此适合做广告，为什么仅仅只有谷歌、Perplexity等公司积极推进，ChatGPT、Claude、豆包、Kimi、元宝为什么不加广告呢？
这几家公司没有加广告，我认为核心原因在于并不在于它们没有意识到广告模式的效率与价值。
而是在它们认为目前出于产品层面激烈竞争的市场早期，目前有比广告更重要的事要去做，从而对引入广告的时机没有达成共识。
当然，各家的具体情况还是有所不同的——
真格的戴雨森说过这样一句话，大意是“大模型现就是个高中生，你硬要它去赚钱也行，但肯定赚得不多，但你输入供它上完博士，那它就可以赚大钱。”
我更喜欢这样比喻——
现在各家都在爬一颗巨大的桃子树，尽管你可以爬的过程中也摘桃子，但各家的目标现在是往树的顶端爬，去占据更有利的摘桃子位置、摘最红的桃子，因此暂时没时间去理会“低垂的果实”。
之所以大模型赛道上的玩家在接广告这件事上犹豫，还有一个额外的原因——商业伦理。
即他们担心加入广告会破坏大模型产品本身的客观性。
山姆奥特曼的访谈中提到了这种担忧，Perplexity的官方博客中提到自己的解决方案（将广告和结果分开）。
的确，这是一个值得讨论的重要话题。
当年谷歌标榜“不作恶”，结果当它将本来在搜索结果右侧的广告移到搜索结果顶部的时候，遭遇了大量的公众批评，业界普遍认为这种做法违反了搜索结果的公正性。
这在本质上还是一个微妙的平衡问题——
这就好像你去看医生，结果医生给你推销某个药，你肯定觉得这个医生不靠谱。
但事实上医生本身就是要开药的，如果两种药效果、价格各有优劣，医生如何选择？
这中间本身就会有复杂的博弈，有医院利益、医生利益、医院声望、医生声望、医药公司市场公关和科研攻关、患者接受度和自由选择。
因此，选择什么样的奖励函数很重要，协和医院和莆田系医院显然是两条不同的奖励函数。
所以，这个问题本质上是用户、平台、广告主三方利益的平衡，而具体的形式是次要的。
比如谷歌的Adwords尽管将广告位置于搜索结果顶部，但由于它标识相对明确，广告审核严格，广告质量判断算法强大，它的广告某种意义上就是解决方案的一部分，因此，并没有成为一个问题。
因此，无论你是用Perplexity将广告和结果分开的方案，还是山姆奥特曼的“结果公正、抽取佣金”的导购方案，还是将广告原生融入到结果中。
我认为只要你的技术足够强大，能做到不伤害用户利益、实现三赢，都是可接受的方案。
经过以上的论述，我倒是建议，无论AI大厂和AI小厂，应该更早的地尝试广告，不一定要步子迈的大，但提前行动可以更快掌握主动性，原因如下——
AI公司的市梦率终究是要用真金白银兑现的，而目前除了英伟达，巨额的投入AI公司（业务部门）几乎没有盈利，订阅收益杯水车薪。
订阅制对于Chatbot类产品（Agent等其他形态除外）而言，低效的核心原因在于它忽视了房间里的大象——大多数人不需要更强的智能，只需要与之匹配的智能。
什么意思？
你的Deep research再牛逼，我还是天天刷我的抖音；你给我一个全能的智者，我依然只会输入“2025年有什么受欢迎的韩剧？”
对于这部分用户，妄想用智能本身吸引其订阅，就好像你跟他讲——“我能给你讲最有智慧的道理，所以能帮你过好一生。”
而这部分用户，广告是高效的商业化方案。
企图分分钟搭一个高效运转的AI广告系统是一种幻想。
因此即便认为现在接入广告还不成熟熟的公司，也可以先进行“广告预演”，你资源不足，可以实验性投入，你担心影响体验，可以小流量灰度。
但不要无动于衷。
毕竟“AI+广告”对传统广告范式是一种重构，从意图识别到广告索引，从DMP重构到创意生成，从CVR预估到代理商体系，这个全新的磨合需要一个漫长的过程。
据我所知，国内只有字节、腾讯、百度和阿里这几家是在以上多个维度上有探索的，而这种率先探索后续回得到市场的奖励。
总结一下，广告作为一种古典变现方式，和大模型特别是Chatbot这种产品形态在内在逻辑上高度契合。
可以预期，在经过谷歌、Perplexity等公司的实践，OpenAI、腾讯的跃跃欲试之后，广告大概率会成为更多大模型公司商业化的现实选择。
本文由人人都是产品经理作者【卫夕】，微信公众号：【卫夕指北】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。