OpenAI detalla cómo la pila de anuncios LLM de ChatGPT selecciona y ofrece anuncios

OpenAI ha compartido cómo su sistema de publicidad ChatGPT interpreta las conversaciones, selecciona anuncios relevantes y mantiene la publicación de anuncios separada de las respuestas orgánicas.

El avería técnica explica cómo un modelo de lenguaje dedicado coordina la selección de anuncios a medida que las necesidades del usuario se desarrollan en los mensajes. También describe por qué un anuncio puede ganar una subasta y aun así no aparecer nunca.

OpenAI dice que ChatGPT Ads alcanzó mil millones de dólares en tasa de ejecución de ingresos anualizados menos de 200 días después del lanzamiento. Más de 100.000 anunciantes han publicado anuncios desde su lanzamiento, aunque la publicación no incluye puntos de referencia de rendimiento para esos anunciantes.

Los anuncios se publican por separado de la generación de respuestas

OpenAI dice que el sistema que elige anuncios se ejecuta por separado del que escribe las respuestas de ChatGPT. Cada uno utiliza sus propios modelos y códigos.

Ambos pueden utilizar la conversación, pero hacen trabajos diferentes. Mientras ChatGPT escribe una respuesta, el sistema de anuncios verifica si hay un anuncio relevante para mostrar debajo. Elegir ese anuncio no influye en lo que escribe ChatGPT.

ChatGPT no espera a que el sistema de anuncios elija un anuncio. Si el sistema de anuncios es lento o deja de funcionar, la respuesta aún llega. Un anuncio que llega demasiado tarde no aparecerá con esa respuesta.

Los modelos y códigos separados respaldan en cierta medida la promesa de OpenAI de que los anuncios no influirán en las respuestas. Para ser claros, así es como OpenAI describe su sistema, en lugar de evidencia independiente de que la separación se cumple en la práctica.

Cuando aparece un anuncio, lleva una etiqueta patrocinada debajo de la respuesta. El sistema de publicidad también escribe una breve introducción que explica cómo se conecta el anuncio con la discusión. Esa introducción permanece separada del título, la descripción y el llamado a la acción del anunciante.

Para elegir un anuncio relevante, el sistema puede mirar más allá de la última pregunta del usuario. Los detalles compartidos anteriormente en la conversación ayudan a determinar qué necesita la persona.

Cómo el contexto de la conversación cambia la concordancia de anuncios

OpenAI utiliza el entrenamiento de carreras para explicar cómo se puede desarrollar la intención comercial durante una conversación. Alguien podría comenzar con preguntas generales sobre entrenamiento y preguntar sobre zapatos varios mensajes después.

Su sistema de anuncios realiza un seguimiento de los detalles relevantes a medida que se desarrolla la discusión. OpenAI llama a estas sesiones “con estado”, lo que significa que cada mensaje nuevo no requiere que el sistema comience desde cero.

Usemos el ejemplo de alguien que compara el software de gestión de proyectos. Podrían explicar que dirigen una agencia pequeña, necesitan la aprobación de los clientes y quieren evitar pagar por cuentas de invitados. Una pregunta posterior sobre precios conllevaría más contexto que una búsqueda de “precios de software de gestión de proyectos”.

Un anunciante que ofrezca acceso gratuito a invitados podría contrastar ese detalle con un mensaje general sobre la mejora de la productividad. La página de destino debería respaldar la oferta y los resultados mostrarían si el mensaje más específico atrae clientes potenciales o clientes calificados.

Cuando los usuarios eligen anuncios personalizados, el sistema también puede considerar información no confidencial disponible de conversaciones pasadas. Eso agrega contexto a la conversación, pero crea otro desafío: reconocer qué necesidades aún se aplican.

OpenAI dice que el modelo debe distinguir la intención actual de la información antigua y las preguntas hipotéticas. Incluso un anuncio bien adaptado podría llegar a alguien que esté investigando una compra dentro de meses, por lo que la relevancia por sí sola no indicará a los anunciantes la probabilidad de que esa persona realice una conversión.

Cómo el orquestador de OpenAI encuentra y evalúa anuncios

OpenAI llama “orquestador” al modelo que gestiona la selección de anuncios. Lee la conversación y llama a herramientas para encontrar anuncios potenciales, verificar su relevancia y enviar opciones adecuadas a una subasta.

El proceso comienza convirtiendo partes relevantes de la conversación en consultas de búsqueda. Esas consultas se convierten en “incrustaciones”, representaciones numéricas de significado que ayudan al sistema a encontrar anuncios sin requerir la misma redacción.

Una conversación puede generar varias consultas si la persona tiene necesidades diferentes. El orquestador también puede ajustar sus búsquedas a medida que recibe más información.

Una vez que encuentra anuncios potenciales, el sistema comprueba si son aptos para publicarse. Estas comprobaciones pueden incluir orientación geográfica, restricciones de políticas, presupuesto disponible y ritmo, que determina cuándo una campaña gasta su presupuesto.

Luego evalúa qué tan bien se adapta cada anuncio a la conversación, su rendimiento anterior y la probabilidad de visualización, clic o conversión.

El orquestador envía candidatos a una herramienta de subasta separada, que maneja la clasificación final, los precios y la selección. El modelo de lenguaje ayuda a decidir qué anuncios entran en esa subasta; no elige directamente al ganador ni fija el precio.

OpenAI no reveló cuánto peso recibe cada señal, por lo que el desglose ofrece orientación limitada sobre cómo mejorar la clasificación de un anuncio. E incluso después de que la subasta seleccione un anuncio, se realizan comprobaciones adicionales para determinar si aparece.

Ganar la subasta no garantiza una impresión

OpenAI aplica otra verificación después de la subasta para decidir si el anuncio seleccionado se ajusta a la conversación. Si bien un anuncio puede cumplir con las políticas publicitarias, su sistema aún puede encontrarlo inapropiado en una discusión en particular.

El ganador de una subasta también puede perder la ventana de entrega descrita anteriormente, dejando al anunciante sin ninguna impresión.

Esto significa que las bajas impresiones podrían reflejar varios problemas, incluidas las comprobaciones de relevancia o el tiempo de entrega. Antes de cambiar las ofertas o la creatividad, los anunciantes deberían comprender dónde dejaron de progresar sus anuncios.

OpenAI dice que sus registros internos ayudan a identificar esos puntos. Registran resultados como búsquedas que no encontraron anuncios potenciales, anuncios que no pasaron las comprobaciones de elegibilidad y ubicaciones que aparecieron y recibieron una interacción.

Esa información podría ayudar a explicar por qué una campaña tiene una entrega limitada. Por ejemplo, una campaña excluida por la orientación geográfica requeriría una respuesta diferente a la de una que participa en subastas pero rara vez gana.

La publicación no explica qué cantidad de esta información pueden ver los anunciantes en sus informes. Sin esa visibilidad, es posible que tengan que probar cambios sin saber qué parte del proceso está limitando las impresiones.

El crecimiento de los ingresos aún deja sin respuesta las devoluciones de los anunciantes

La tasa de ingresos anualizados de mil millones de dólares de OpenAI y más de 100.000 anunciantes muestran lo rápido que ha crecido el negocio publicitario. Sin embargo, ninguna de las cifras explica lo que los anunciantes ganaron con sus gastos.

La cifra de ingresos proyecta un año completo en función del ritmo de ingresos en ese momento. Esto no significa que OpenAI ya haya recaudado mil millones de dólares en publicidad.

El recuento de anunciantes también deja algunas lagunas. No muestra cuántos anunciantes permanecen activos, regresaron después de una prueba inicial o aumentaron su gasto.

La repetición del gasto ayudaría a mostrar si los anunciantes vieron suficiente valor para continuar después de una prueba inicial. La publicación tampoco proporciona puntos de referencia de CPA, ROAS o tasa de conversión, incluido cómo los resultados varían según la industria o el objetivo de la campaña.

Es razonable que un puesto de ingeniería se centre en cómo funciona el sistema. Pero OpenAI también utiliza los ingresos y la adopción de los anunciantes para demostrar su progreso, sin mostrar lo que los anunciantes recibieron por ese gasto.

Los anunciantes necesitarían saber a quién representan esos resultados, cuánto gastaron y cómo OpenAI midió las conversiones. Los promedios por sí solos también podrían ocultar diferencias sustanciales entre cuentas.

También está la cuestión de cuántas ventas agregaron los anuncios. Una campaña puede recibir crédito por compras de clientes que habrían comprado de todos modos. La publicación no incluye estudios controlados que muestren si los anuncios ChatGPT generaron compras adicionales.

Las cifras de OpenAI establecen que los anunciantes están gastando en la plataforma. Dejan sin respuesta cuántos están adquiriendo clientes de forma rentable y con qué constancia.

Qué significa esto para los anunciantes

La explicación de OpenAI brinda a los anunciantes una razón para observar los requisitos del cliente que abordan sus anuncios. El ejemplo de gestión de proyectos muestra cómo un detalle como el acceso gratuito para invitados puede volverse relevante durante una conversación, incluso cuando la última pregunta solo menciona los precios.

La investigación de clientes y la conversión de términos de búsqueda pueden ayudar a los anunciantes a elegir qué requisitos enfatizar. La publicación no sugiere que necesiten una nueva campaña para cada variación de esa discusión.

Para los anunciantes que ya publican anuncios ChatGPT, las lagunas en los informes merecen atención. Antes de responder a impresiones bajas con ofertas más altas, necesitan saber si sus anuncios entraron en subastas, no pasaron las comprobaciones de relevancia o tuvieron otro problema de entrega. OpenAI describe el seguimiento interno de estas etapas sin explicar cuánto pueden ver los anunciantes.

El detalle de ingeniería respalda la explicación de OpenAI sobre cómo protege las respuestas y selecciona anuncios. Sus cifras de ingresos dejan a los anunciantes con menos evidencia sobre el retorno de su gasto.

A medida que más anunciantes continúen probando los anuncios ChatGPT, sería de gran utilidad una mayor divulgación por parte de OpenAI. Si los anunciantes continuaron después de las pruebas, cuánto pagaron para adquirir clientes y en qué medida variaron esos resultados es algo que la industria debería vigilar en los próximos meses.

Imagen de portada: Samuel Boivin / Shutterstock