截至11月5日的公开信息，OpenAI 已在11月2日与 Magnite、PubMatic 签署广告分发协议，广告主可以在两个供应方平台上设定预算、提交出价、上传素材，但每一条广告最终出现在哪段对话里，仍由 OpenAI 自己的广告系统决定。对做 AI搜索可见度监测的团队来说，这条消息的重点不在多了一个采购入口，而在于它把两件事分得更清楚了：广告位可以买，AI回答里的位置买不到。
两条新的采购入口，改的是买法不是位置
把时间线摊开看，这条协议的份量就清楚了。2月9日 ChatGPT 广告在美国面向 Free 与 Go 套餐的成年登录用户上线，5月开放自助投放后台并引入按点击计费，9月16日测试赞助代理，10月21日宣布新增26个国家、累计89国、超过10万广告主，同期工程团队披露广告业务年化收入运行率达到10亿美元，距上线不到200天。此前的采购伙伴是代理集团与买方技术公司，这一次换成卖方的供应方平台。
对广告主的直接影响是路径变短。过去要投 ChatGPT 广告，需要开自助后台账户、走代理关系，或者接入指定的技术伙伴；现在只要本来就在 Magnite 或 PubMatic 上跑程序化预算，就可以在熟悉的界面里加一条 ChatGPT 版位。OpenAI 发言人对媒体的说法是，这样能让广告主用已有工具更容易地购买和管理广告。
广告位可以竞价，AI回答里的位置不能
这里必须把两层分开。第一层是广告层：一条标注为赞助的结果出现在回答下方，位置由竞价和相关性评分决定，广告主可以用预算和出价去争。第二层是回答层：模型在组织答案时提到哪个品牌、把谁的页面列为引用来源、在竞品对比里把谁放在前面，这一层没有任何出价入口。两层混在一起看，就会得出错误的结论——以为投放加大就能买到回答里的位置。
| 对比维度 | 广告层 | 回答层 |
|---|---|---|
| 谁决定位置 | OpenAI 广告系统的竞价与相关性评分 | 模型对信源的选择与表述 |
| 能否用预算购买 | 可以，按展示或点击计费 | 不可以，没有出价入口 |
| 覆盖人群 | 仅 Free 与 Go 套餐的成年用户 | 所有提问的用户 |
| 可衡量指标 | 曝光、点击、转化 | 提及率、引用来源占比、竞品对比位次 |
| 失效方式 | 停投即消失 | 信源变化后逐步衰减 |
广告与回答为什么挤在同一段对话里
因为匹配广告用的正是这段对话本身。按 OpenAI 工程团队10月的披露，系统用一个经过后训练的大模型充当编排器，把对话的上下文与意图解释出来，再把对话压缩成简短的文本摘要并转成语义向量去做检索；广告会话是有状态的，信息会跨轮次、跨多次对话被记住。这与关键词匹配的搜索广告完全不同：广告主竞价的不是某个词，而是一段语境。
广告匹配先过语义摘要
这个机制对品牌有两层含义。一层是语境提示要写成句子而不是词表，描述清楚「什么场景下我的产品是相关答案」；另一层是同一段对话会被反复摘要，一旦某个品类在对话早期被框定为「价格敏感」，后续所有匹配都会沿着这个方向走。品牌在 AI回答 里被如何描述，会反过来影响它被匹配到哪类广告语境，这是过去投放体系里没有的耦合。
选择服务与回答服务是两套
OpenAI 强调广告选择运行在独立服务中，与回答生成分开，两者不共享内容生成模型，以保证广告不影响答案。这个设计对监测的意义在于：广告层的表现与回答层的表现可以分开归因，不会互相污染。但如果只监测广告层，就会漏掉真正决定长期心智的那部分——用户在没有广告位的地方，看到的关于品牌的描述是什么。
监测口径怎么拆成四层
在 AI搜索场景里，把可见度拆成四层比合成一个总分更有用：广告出现率、品牌提及率、引用来源占比、竞品对比位次。前一层看钱花得值不值，后三层看内容资产有没有被引擎选中。四层要共用同一套问题库，否则各层之间无法对照——这是方法框架里最容易被忽略的一步。
| 指标 | 口径说明 | 建议采集频率 |
|---|---|---|
| 广告出现率 | 同一问题下赞助结果出现的比例 | 每周 |
| 品牌提及率 | 回答正文中出现品牌名的比例 | 每周 |
| 引用来源占比 | 回答所列来源中属于本品牌自有域名的比例 | 每两周 |
| 竞品对比位次 | 同一问题下本品牌与竞品被并列提及时的排序 | 每两周 |
问题库要按采购意图与信息意图分层
采购意图的问题接近交易，回答结构偏向选项对比，广告位密度高；信息意图的问题偏向原理与选购标准，回答更依赖引用来源。两类问题混在一起统计，会同时高估广告效果、低估内容差距。建议按意图分两层建库，每层再按品类与场景细分，保证同一层内的问题在回答结构上可比。
引用与提及要分开统计
被提到和被引用是两件事。品牌名出现在回答里，只说明模型知道它；品牌的页面被列为引用来源，才说明模型的结论建立在这份内容上。最常见的失分方式是：同一问题下品牌被提及，但引用的是竞品页面。这种情况在传统排名体系里看不到，却是 AI回答 场景下最需要盯的结构性缺口。
常见问题
广告投放量增加，会让品牌在 AI回答 里出现得更多吗？
不会自动发生。广告与回答由两套独立服务处理，广告位买到的是曝光；回答里的提及与引用取决于模型选用了哪些信源。想把回答层做上去仍要靠可被抓取、可被验证的内容与稳定信源结构。
供应方平台接入后监测口径需要改吗？
采购路径变化不改变衡量口径，但会增加归因难度。广告层指标建议保持平台总口径，回答层指标继续用自有问题库采集，避免两层数据互相污染。
品牌现在最该先做哪一步？
先建问题库再谈优化。没有稳定问题库，广告出现率、提及率、引用占比都无法比较，也无法判断变化来自投放还是内容。建议按采购意图与信息意图各建一层，每层20到30个问题，连续采集四周形成基线。
引用来源占比为什么比提及率更重要？
提及只说明模型知道这个品牌，引用说明模型的结论建立在这份内容上。同一问题下品牌被提及但引用的是竞品页面，是 AI回答 场景下最常见的结构性失分。
