OpenAI detalha como a pilha de anúncios LLM do ChatGPT seleciona e veicula anúncios

OpenAI compartilhou como seu sistema de publicidade ChatGPT interpreta conversas, seleciona anúncios relevantes e mantém a veiculação de anúncios separada das respostas orgânicas.

O avaria técnica explica como um modelo de linguagem dedicado coordena a seleção de anúncios à medida que as necessidades do usuário se desenvolvem nas mensagens. Também descreve por que um anúncio pode vencer um leilão e ainda assim nunca aparecer.

OpenAI diz que os anúncios ChatGPT atingiram US$ 1 bilhão em taxa de receita anualizada menos de 200 dias após o lançamento. Mais de 100.000 anunciantes veicularam anúncios desde o lançamento, embora a postagem não inclua benchmarks de desempenho para esses anunciantes.

Anúncios executados separadamente da geração de respostas

OpenAI diz que o sistema que escolhe os anúncios é executado separadamente daquele que escreve as respostas do ChatGPT. Cada um usa seus próprios modelos e códigos.

Ambos podem aproveitar a conversa, mas fazem trabalhos diferentes. À medida que o ChatGPT escreve uma resposta, o sistema de anúncios verifica se há um anúncio relevante para exibir abaixo dela. A escolha desse anúncio não reflete o que o ChatGPT escreve.

ChatGPT não espera que o sistema de anúncios escolha um anúncio. Se o sistema de anúncios estiver lento ou parar de funcionar, a resposta ainda aparece. Um anúncio que chega tarde demais não aparecerá com essa resposta.

Modelos e códigos separados dão algum suporte à promessa da OpenAI de que os anúncios não influenciarão as respostas. Para ser claro, é assim que a OpenAI descreve o seu sistema, em vez de evidências independentes de que a separação se mantém na prática.

Quando um anúncio aparece, ele traz um rótulo de patrocinado abaixo da resposta. O sistema de publicidade também escreve uma breve introdução explicando como o anúncio se conecta à discussão. Essa introdução permanece separada do título, da descrição e da frase de chamariz do anunciante.

Para escolher um anúncio relevante, o sistema pode ir além da última pergunta do usuário. Os detalhes compartilhados anteriormente na conversa ajudam a descobrir o que a pessoa precisa.

Como o contexto da conversa altera a correspondência de anúncios

OpenAI usa treinamento de corrida para explicar como a intenção comercial pode se desenvolver durante uma conversa. Alguém pode começar com perguntas gerais sobre treinamento e perguntar sobre sapatos várias mensagens depois.

Seu sistema de anúncios acompanha detalhes relevantes à medida que a discussão se desenvolve. A OpenAI chama essas sessões de “stateful”, o que significa que cada nova mensagem não exige que o sistema comece do zero.

Vamos usar o exemplo de alguém comparando software de gerenciamento de projetos. Eles podem explicar que administram uma pequena agência, precisam de aprovações dos clientes e desejam evitar o pagamento de contas de convidados. Uma pergunta posterior sobre preços traria mais contexto do que uma pesquisa por “preços de software de gerenciamento de projetos”.

Um anunciante que oferece acesso gratuito aos convidados poderia testar esse detalhe em relação a uma mensagem geral sobre como melhorar a produtividade. A página de destino precisaria apoiar a oferta e os resultados mostrariam se a mensagem mais específica atrai leads ou clientes qualificados.

Quando os usuários escolhem anúncios personalizados, o sistema também pode considerar informações não confidenciais disponíveis em conversas anteriores. Isso acrescenta contexto à conversa, mas cria outro desafio: reconhecer quais necessidades ainda se aplicam.

A OpenAI diz que o modelo deve distinguir a intenção atual de informações antigas e questões hipotéticas. Mesmo um anúncio bem correspondido pode alcançar alguém que esteja pesquisando uma compra daqui a alguns meses, portanto, a relevância por si só não dirá aos anunciantes a probabilidade de conversão dessa pessoa.

Como o orquestrador da OpenAI encontra e avalia anúncios

A OpenAI chama o modelo de gerenciamento da seleção de anúncios de “orquestrador”. Ele lê a conversa e aciona ferramentas para encontrar anúncios em potencial, verificar sua relevância e enviar opções adequadas para um leilão.

O processo começa transformando partes relevantes da conversa em consultas de pesquisa. Essas consultas tornam-se “incorporações”, representações numéricas de significado que ajudam o sistema a encontrar anúncios sem exigir o mesmo texto.

Uma conversa pode gerar diversas dúvidas se a pessoa tiver necessidades diferentes. O orquestrador também pode ajustar suas pesquisas à medida que recebe mais informações.

Depois de encontrar anúncios em potencial, o sistema verifica se eles estão qualificados para exibição. Essas verificações podem incluir local de destino, restrições de política, orçamento disponível e ritmo, que determinam quando uma campanha gasta seu orçamento.

Em seguida, ele avalia até que ponto cada anúncio se adapta à conversa, seu desempenho anterior e a probabilidade de visualização, clique ou conversão.

O orquestrador envia os candidatos para uma ferramenta de leilão separada, que trata da classificação final, do preço e da seleção. O modelo de linguagem ajuda a decidir quais anúncios entrarão no leilão; não escolhe diretamente o vencedor nem define o preço.

A OpenAI não divulgou quanto peso cada sinal recebe, então o detalhamento oferece orientação limitada sobre como melhorar a classificação de um anúncio. E mesmo depois que o leilão seleciona um anúncio, verificações adicionais determinam se ele aparece.

Ganhar o leilão não garante uma impressão

A OpenAI aplica outra verificação após o leilão para decidir se o anúncio selecionado se enquadra na conversa. Embora um anúncio possa atender às políticas de publicidade, seu sistema ainda pode considerá-lo inadequado em uma discussão específica.

O vencedor do leilão também pode perder o prazo de entrega descrito anteriormente, deixando o anunciante sem impressão.

Isso significa que impressões baixas podem refletir vários problemas, incluindo verificações de relevância ou prazo de entrega. Antes de alterar lances ou criativos, os anunciantes precisariam entender onde seus anúncios pararam de progredir.

A OpenAI afirma que seus registros internos ajudam a identificar esses pontos. Eles registram resultados como pesquisas que não encontraram anúncios potenciais, anúncios que falharam nas verificações de elegibilidade e canais que apareceram e receberam uma interação.

Essas informações podem ajudar a explicar por que uma campanha tem entrega limitada. Por exemplo, uma campanha excluída pela segmentação regional exigiria uma resposta diferente daquela que entra em leilões, mas raramente vence.

A postagem não explica quanta informação os anunciantes podem ver em suas reportagens. Sem essa visibilidade, eles podem ter que testar as alterações sem saber qual parte do processo está limitando as impressões.

O crescimento da receita ainda deixa as devoluções dos anunciantes sem resposta

A taxa de receita anualizada de US$ 1 bilhão da OpenAI e mais de 100.000 anunciantes mostram a rapidez com que o negócio de publicidade cresceu. No entanto, nenhum dos números explica o que os anunciantes ganharam com os seus gastos.

O valor da receita projeta um ano inteiro com base no ritmo da receita naquele momento. Isso não significa que a OpenAI já arrecadou US$ 1 bilhão em publicidade.

A contagem de anunciantes também deixa algumas lacunas. Não mostra quantos anunciantes permanecem ativos, retornaram após um teste inicial ou aumentaram seus gastos.

Os gastos repetidos ajudariam a mostrar se os anunciantes viram valor suficiente para continuar após um teste inicial. A postagem também não fornece benchmarks de CPA, ROAS ou taxa de conversão, incluindo como os resultados variam de acordo com o setor ou objetivo da campanha.

É razoável que um posto de engenharia se concentre em como o sistema funciona. Mas a OpenAI também utiliza a receita e a adoção dos anunciantes para demonstrar o seu progresso, sem mostrar o que os anunciantes receberam por esses gastos.

Os anunciantes precisariam saber quem esses resultados representam, quanto gastaram e como a OpenAI mediu as conversões. As médias por si só também poderiam esconder diferenças substanciais entre contas.

Há também a questão de quantas vendas os anúncios geraram. Uma campanha pode receber crédito por compras de clientes que teriam comprado de qualquer maneira. A postagem não inclui estudos controlados que mostrem se os anúncios ChatGPT geraram compras adicionais.

Os números da OpenAI estabelecem que os anunciantes estão gastando na plataforma. Eles deixam sem resposta quantos estão adquirindo clientes de forma lucrativa e com que consistência.

O que isso significa para os anunciantes

A explicação da OpenAI dá aos anunciantes um motivo para observar os requisitos dos clientes que seus anúncios atendem. O exemplo de gerenciamento de projetos mostra como um detalhe como o acesso gratuito de convidados pode se tornar relevante durante uma conversa, mesmo quando a última pergunta menciona apenas preços.

A pesquisa de clientes e a conversão de termos de pesquisa podem ajudar os anunciantes a escolher quais requisitos enfatizar. A postagem não sugere que eles precisem de uma nova campanha para cada variação dessa discussão.

Para os anunciantes que já veiculam anúncios ChatGPT, as lacunas nos relatórios merecem atenção. Antes de responder a impressões baixas com lances mais altos, eles precisam saber se seus anúncios entraram em leilões, falharam nas verificações de relevância ou encontraram outro problema de entrega. A OpenAI descreve o rastreamento desses estágios internamente, sem explicar o quanto os anunciantes podem ver.

Os detalhes de engenharia apoiam a explicação da OpenAI sobre como ela protege as respostas e seleciona anúncios. Os seus números de receitas deixam os anunciantes com menos evidências sobre o retorno dos seus gastos.

À medida que mais anunciantes continuam a testar os anúncios ChatGPT, divulgações adicionais da OpenAI seriam mais úteis. Se os anunciantes continuaram após os testes, quanto pagaram para adquirir clientes e até que ponto esses resultados variaram é algo que o setor deve ficar de olho nos próximos meses.

Imagem em destaque: Samuel Boivin / Shutterstock