AI 搜索界面开始卖广告(自然引用与付费曝光怎么区分)

2026 年 8 月 31 日，OpenAI 披露 ChatGPT 广告业务的一组数据：上线不到 200 天，年化营收达到 10 亿美元，月均实际营收约 8300 万美元，全年已预订广告收入指引为 25 亿美元。

广告进入 AI 回答界面之后，"品牌出现在 AI 答案里"这句话开始有两种来源：一种是被引用，一种是被投放。用户侧看起来两者出现在相近的位置，企业侧的成因与维护方式却完全不同。

本文要拆的是这条分界线：谁看得到广告、定向方式变了什么、答案独立性是什么含义，以及监测报表要怎么分层才不至于混算。

图 1｜AI 回答页面的三个分区。答案区、引用来源区与标注广告区结构不同，判断依据也不同

一组数字里要先看清两件事

公开数据由三部分组成：年化营收 10 亿美元、月均实际营收约 8300 万美元、全年已预订广告收入指引 25 亿美元。三者的口径不同，前一个是年化推算值，中间是实际发生值，后一个是已预订口径的收入指引，不宜互相替代。

比营收数字更值得关注的是展示范围。广告只向 Free 与 ChatGPT Go 两层用户展示，Plus、Pro、Team、Business、Enterprise 保持无广告。广告已覆盖 40 余个国家和地区，数万家广告主在使用；2026 年 9 月 1 日起，印度、欧洲、中东、北非的广告主可通过 Ads Manager 直接购买。

展示分层决定了广告触达的边界

广告分层展示意味着付费层用户看不到广告。这一条对企业投放规划的含义很直接：靠广告触达的人群与靠自然引用触达的人群并不完全重叠，需要判断目标人群落在哪一层。

判断方法可以落成三个可核对的步骤。先确认目标客户的付费习惯——他们是否会为工具付费、是否属于订阅型用户；再核对平台公布的展示分层名单；最后把两条路径的预算分开列，各自核算回报。笼统讨论要不要投广告，往往省略了前一步，得出的结论也就无法执行。

自助投放开放之后门槛下降

四区域开放自助投放，意味着投放门槛进一步降低，更多企业可以自行开户测试。门槛下降指的是操作门槛，不等于效果门槛。广告位出现在哪里、以什么形式展示、与答案区的距离有多远，仍然由平台规则决定。

小规模测试适合先回答一个问题：在没有自然引用基础的前提下，广告能带来多少有效触达。测试周期可以设短一些，但预算与自然引用路径要分开记账，否则两类结果会互相掩盖。

定向方式从关键词换成上下文提示

产品机制方面，公开信息显示广告采用上下文提示定向，而不是关键词定向；CPC 竞价与成效优化竞价已经占到多数广告活动。答案是广告展示在 AI 回答之后，并明确标注。

图 2｜关键词定向与上下文提示定向的差别。定向依据从字面匹配转向对提问场景的判断

两种定向方式的差别在哪

关键词定向依据的是字面匹配，企业买下某个词，提问里出现这个词就可能命中。上下文提示定向依据的是对提问场景的理解，同一句提问在不同的上下文里可能匹配到不同的广告。

差别落在企业侧的能力要求上。关键词定向时代，选词是主要工作；上下文定向时代，让系统准确判断品牌属于哪个场景变成主要工作。可用的做法是把品牌事实写成分场景的描述，而不是一段统一的介绍——同一家企业的产品、服务对象、适用场景分别单独成段，每段的表述方式保持一致，避免系统在归类时把不同场景的材料混在一起。

标注是两条路径的分界线

无论定向方式怎么变化，判断一条曝光属于哪一类，最直接的依据是标注。有标注的是付费曝光，无标注且附有来源链接的是自然引用。这条依据比任何推测都可靠，也是监测设计的起点。

据此，效果记录可以分两类字段存放：付费曝光的记录包含投放位置与计费方式，自然引用的记录包含被引用的页面与引用语境。两类数据不合并统计，也不互相折算，避免出现整体表现提升这类无法追问的结论。

监测报表要分三层

广告进入答案界面之后，一份可见度报表至少要能分开呈现三层内容，否则结果无法解读。

三层分别是自然引用、付费曝光、品牌提及。自然引用指品牌内容被写进答案并附带来源；付费曝光指品牌以广告形式出现在回答界面；品牌提及指答案里出现了品牌名但未附来源。三层混在一起报一个总数，等于把三种不同成因的结果混算，无法判断钱花在哪一层起了作用。

三层的获取方式也不一样。自然引用与付费曝光可以借助平台侧数据与工具批量获取，品牌提及通常要靠固定提问逐条实测，因为答案里出现品牌名不一定附带链接。采集成本不同，放在同一份报表里时就容易只统计便宜的那两层，把最需要判断的一层省略掉。

图 3｜监测报表的三层结构。自然引用、付费曝光与品牌提及的成因不同，不应合并成单一数字

谈合作时可以先把三件事问清楚

一是曝光的性质。对方给的数字里，付费曝光与自然引用各占多少，能不能分开提供。二是计价方式。按点击计价与按成效计价对应不同的风险承担方式，需要在合同中写明。三是数据来源。数字来自哪个平台或哪个工具，能否追溯到原始记录的出处。

三件事问清楚之后，效果讨论才有共同的坐标系。可以核对的数字与需要约定的口径分开列明，避免用一行总数替代分层说明。

这三个问题在签约前问，成本最低。合同一旦按总数签订，后续发现口径不一致时，调整的余地会小很多；反过来，把分层口径写进约定，日常沟通也能省下大量解释成本。

企业侧可以自己做的三步核对

在引入外部服务之前，企业可以先做一轮自助核对。成本不高，但能把讨论拉回到同一组事实上。

一是把自己在 AI 答案里的出现情况按来源性质分类记录。用一组固定提问在目标平台上逐条查询，记录品牌是被引用、被投放还是仅被提及，并留下查询时间。同一组提问重复几轮，就能看出哪些结果是稳定的，哪些属于随机波动。

二是确认记录里有没有原始出处。每条引用记录带提问原文、平台名称与查询时间，每条投放记录带投放位置与计费方式。记录能落到单条，讨论时才有据可依。

三是把付费与自然两条线分开核算。展示分层意味着同一次提问下，不同用户看到的内容结构不同；只有把记录落到单条，才能说明某个数字对应的是哪一类用户看到的哪一层内容。分层的意义不在于把工作做复杂，而在于让结论可以被追问。

常见问题

问：AI 搜索里的广告会不会影响自然引用的位置？

答：官方表述为广告展示于 AI 回答之后并明确标注，答案独立性是公开承诺的原则。实际展示中，答案区与广告区在页面上是分开的，判断某条曝光属于哪一类以标注为依据。

问：广告开放区域扩大之后，国内企业能投放吗？

答：当前开放自助投放的是印度、欧洲、中东、北非等区域，广告已覆盖 40 余个国家和地区。是否覆盖企业自身的目标市场，需要按平台当前公布的区域名单核对。

问：付费用户看不到广告，这个设计说明了什么？

答：说明广告触达的人群与付费层人群不重叠。目标客户集中在付费层时，自然引用与第三方信源的作用会相对突出，投放规划需要把这个差别算进去。

问：上下文提示定向与关键词定向有什么实际差别？

答：定向依据不同。关键词定向看字面是否匹配，上下文提示定向看系统对提问场景的判断。企业侧的应对方式也随之变化，从选词转向把品牌事实写成分场景的描述。

问：三层监测指标中，哪一层最难获取？

答：品牌提及。它需要判断答案里是否出现品牌名，而不依赖来源链接，通常靠提问矩阵逐条实测获得。自然引用与付费曝光可以借助平台数据与工具补充，品牌提及更多依靠定期实测。

问：如果一份报表只给一个总数，应该追问什么？

答：追问这个总数的构成：付费曝光与自然引用各占多少、数据来自哪里、能否出示单条记录。能给出去总数之外的分层说明与原始记录，是一份可核对报表的基本条件。

结语

广告进入 AI 回答界面之后，品牌在 AI 里的呈现从单一来源变成了两种来源。这个变化本身不复杂，复杂的是很多讨论仍然在用"AI 里有没有提到我们"这一个问题去覆盖两类完全不同的结果。

把自然引用与付费曝光分开记录、分开判断，是应对这个变化成本最低的一步。分层不是为了把报表做厚，而是为了让每一个数字都能接着往下问。

参考来源：OpenAI 官方公告 2026 年 8 月 31 日；PYMNTS；Storyboard18；参考消息 2026 年 9 月 9 日。