شرکت OpenAI اعلام کرده است که نرخ اجرای درآمد سالانه (annualized revenue run rate) کسب‌وکار تبلیغاتی‌اش به ۱ میلیارد دلار رسیده است. این شرکت که تنها شش ماه از راه‌اندازی بخش تبلیغات آن می‌گذرد، تلاش می‌کند جایگاه خود را به عنوان یک بازیگر بالغ در بازار تثبیت کند. با این حال، رقم ۱ میلیارد دلار همچنان کمتر از پیش‌بینی‌های قبلی این شرکت است که درآمد تبلیغاتی امسال را ۲.۵ میلیارد دلار و تا سال ۲۰۳۰ حدود ۱۰۰ میلیارد دلار برآورد کرده بود. در همین حال، موسسه Emarketer پیش‌بینی می‌کند که درآمد تبلیغاتی این شرکت تا سال ۲۰۳۰ به حدود ۵.۴۱ میلیارد دلار خواهد رسید.

نشریه AdExchanger در گفتگو با فعالان و آژانس‌های تبلیغاتی به بررسی این موضوع پرداخته است که چه عواملی می‌تواند آن‌ها را به افزایش بودجه‌های تبلیغاتی در ChatGPT ترغیب کند. پاسخ‌ها نشان می‌دهد که تبلیغ‌دهندگان خواستار همان معیارهایی هستند که از هر رسانه نوظهور دیگری انتظار دارند: ابزارهای سنجش دقیق‌تر و پاسخگویی بیشتر.

چالش‌های سنجش و نیاز به داده‌های رقابتی

بسیاری از تبلیغ‌دهندگان در ماه‌های اخیر اعتبارهای تبلیغاتی (ad credits) رایگان از OpenAI دریافت کرده‌اند تا بدون صرف هزینه واقعی، تبلیغات در ChatGPT را آزمایش کنند. با این حال، OpenAI به AdExchanger توضیح داده است که این اعتبارهای تبلیغاتی در محاسبه نرخ اجرای ۱ میلیارد دلاری لحاظ نشده‌اند و این رقم صرفاً بر اساس مبالغ واقعی هزینه شده توسط مشتریان به دست آمده است.

برای اینکه این رقم ۱ میلیارد دلاری به اهداف بزرگ‌تر شرکت تبدیل شود، بهبود قابلیت‌های سنجش و استانداردسازی ابزارها ضروری است. به گفته Victor Batista، مدیر ارشد رسانه‌های پولی در آژانس بازاریابی دیجیتال Jellyfish، با بالغ شدن این کانال تبلیغاتی و ورود رقبای OpenAI به این حوزه، «تبلیغ‌دهندگان شروع به ارزیابی دقیق‌تر نرخ بازگشت سرمایه (ROI) در مقایسه با ارزش درک‌شده آن خواهند کرد» که این امر نیازمند «معیارهای ملموس» است. یکی از مهم‌ترین معیارهای ملموس که در حال حاضر وجود ندارد، داده‌های مربوط به رقبا است که برندها برای محک‌زنی (benchmarking) به آن نیاز دارند.

Rajeev Nair، هم‌بنیان‌گذار و مدیر ارشد محصول در پلتفرم سنجش Lifesight که خود از تبلیغ‌دهندگان اولیه ChatGPT است، معتقد است فقدان داده‌های رقابتی در کنار «قابلیت‌های بسیار محدود ردیابی نرخ تبدیل (conversion-tracking) و گزینه‌های محدود مخاطبان هدف»، باعث شده است این پلتفرم در حال حاضر بسیار ابتدایی به نظر برسد. او تأکید می‌کند که اگر OpenAI می‌خواهد صاحبان بودجه با اطمینان بیشتری هزینه کنند، باید سازگاری بیشتری با ادغام‌های API با ابزارهای شخص ثالث مدل‌سازی آمیخته بازاریابی (MMM) و ابزارهای سنجش اثربخشی تدریجی (incrementality tools) داشته باشد یا به طور فعال از آن‌ها پشتیبانی کند.

گام‌های اولیه و ابزارهای بهینه‌سازی

با وجود این کاستی‌ها، اقداماتی نیز برای بهبود پلتفرم انجام شده است. Emil Dewy، مدیر ارشد رسانه‌های برنامه‌ریزی‌شده (programmatic media) در آژانس M+C Saatchi Performance، اشاره می‌کند که معرفی API تبدیل (conversion API) و راه‌اندازی اخیر کمپین‌های بهینه‌سازی‌شده برای تبدیل (که بر روی معیارهای خاصی مانند میزان دسترسی، کلیک یا تبدیل تمرکز دارند)، گام‌هایی در مسیر درست بوده‌اند.

با این حال، دوی می‌افزاید از آنجا که کانال جستجوی مبتنی بر هوش مصنوعی مولد به عنوان یک ابزار برای بخش‌های میانی تا پایینی قیف فروش (mid-to-bottom funnel) شناخته می‌شود، نیاز به معرفی ابزارهای بهینه‌سازی و سنجش جدیدی دارد که «از اهداف عملکردی مختلف پشتیبانی کنند». به گفته او، تا زمانی که این کانال انعطاف‌پذیری بیشتری برای بهینه‌سازی شاخص‌های کلیدی عملکرد (KPIs) مختلف به تبلیغ‌دهندگان ارائه ندهد، آن‌ها همچنان به آن به عنوان یک ابزار «آزمایشی و اختیاری» نگاه خواهند کرد.

علاوه بر این، دوی اشاره می‌کند که ChatGPT فاقد ابزارهایی برای سنجش روندهای مربوط به پرامپت‌ها (prompt-level trends) و رفتارهای گسترده‌تر کاربران است. همچنین برخی قابلیت‌های رایج که تبلیغ‌دهندگان آن‌ها را بدیهی فرض می‌کنند، مانند امکان حذف کاربران فعلی از نمایش تبلیغات و هدف‌گیری انحصاری مشتریان جدید بالقوه، در حال حاضر در این کانال جستجوی هوش مصنوعی وجود ندارد. شرکت OpenAI از اظهار نظر درباره برنامه زمانی خود برای معرفی راهکارهای سنجش جدید خودداری کرده است.

پتانسیل جذب مخاطب با قصد خرید بالا

بخش دیگری از رشد تبلیغات ChatGPT به اعتمادی بستگی دارد که به مرور زمان نسبت به توانایی این کانال در تأثیرگذاری بر ترافیک پایین‌دستی (downstream traffic) ایجاد می‌شود، نه فقط تبدیل‌های فوری. Monica Shukla، معاون بخش biddable COE در آژانس Mile Marker، معتقد است که در حال حاضر بسیاری از مشتریان ارزش را در «حضور زودهنگام» در تبلیغات ChatGPT می‌بینند تا بتوانند پیش از عمومی و تجاری شدن کامل این فضا، جایگاه خود را تثبیت کرده و با این کانال ارتباط برقرار کنند.

به گفته شوکلا، پرس‌وجوهای گفتگومحور کاربران روشی عالی برای «آشکار کردن وضعیت نیازها و قصد خرید» هستند و فروش تدریجی و بیشتری را برای برندها به همراه داشته‌اند. دوی نیز تأیید می‌کند که کاربران اغلب در ChatGPT قصد خرید قوی‌تری نسبت به کانال‌های نمایش سنتی (standard display channels) نشان می‌دهند و آژانس M+C Saatchi Performance از امکان هدایت بودجه به سمت گفتگوهایی که در آن‌ها قصد تجاری قوی‌تری دیده می‌شود، استقبال کرده است.

با این حال، بسیاری از تبلیغاتی که به کاربران ChatGPT نمایش داده می‌شوند، در پاسخ به پرسش‌های مستقیم مرتبط با خرید نیستند، بلکه به پرسش‌های عمومی‌تر مربوط می‌شوند. به عنوان مثال، کاربری که درباره نحوه ساخت رزومه سوال می‌کند ممکن است تبلیغ Canva را ببیند، یا کسی که به دنبال ایده‌های دستور پخت غذا است، تبلیغ یک سرویس تحویل خواربار را دریافت کند. چالش اصلی، تشخیص این موضوع است که چه زمانی این تبلیغات در آینده منجر به خرید می‌شوند، نه اینکه صرفاً به یک تبدیل فوری و خودجوش بینجامند.

بر اساس تحلیل داده‌های انجام‌شده توسط Lifesight، پرس‌وجوهای استاندارد در ChatGPT (حتی بدون دخالت تبلیغات) ثابت کرده‌اند که هفته‌ها یا حتی ماه‌ها پس از تحقیق کاربر درباره یک برند، ترافیک مستقیم و ارگانیک به سمت آن برند ایجاد می‌کنند. احتمال زیادی وجود دارد که تبلیغات در ChatGPT نیز تأثیر مشابهی داشته باشند. اما به گفته نایر، تا زمانی که Lifesight داده‌های بیشتری در اختیار نداشته باشد (که برای مدل‌سازی دقیق افزایش ترافیک بین‌کانالی به حدود شش ماه زمان نیاز دارد)، «بودجه‌ها به جای تخصیص به بخش‌های اصلی، همچنان در قالب بودجه‌های آزمایشی باقی خواهند ماند». در حال حاضر، بدون راهی برای سنجش اثرات بلندمدت این کانال، درک ارزش بلندمدت آن دشوار است.