廣告版位正在從畫面移到模型的決策上下文

Amazon 在 2026 年 9 月開始透過 Amazon DSP，讓部分廣告主把活動延伸到 ChatGPT 的對話式廣告庫存。這個合作由 Amazon 提供受眾、投放與成效管理能力，實際廣告位置仍由 OpenAI 的系統決定。表面上它像是另一個媒體版位，但對 AI 介面而言，版位本身並不是最稀缺的資產，稀缺的是模型在形成答案以前能夠取得哪些商業資訊。

搜尋廣告的基本邏輯，是等使用者輸入關鍵字，再把贊助結果放進自然搜尋結果旁邊。社群廣告則依照使用者過去的行為與興趣，把商品插進內容流。AI 助理多了一層：使用者不是只在找資料，而是在交付任務。當問題是「幫我找適合帶兩個小孩去北海道的雪地鞋」時，真正影響答案的不是哪個品牌買到頁面第一格，而是哪一組商品資訊能在模型理解需求時被帶進上下文。

用這個角度理解，AI 廣告最有價值的形態不是一張橫幅，也不是搜尋結果上方多一格贊助連結，而是成為模型處理任務時可調用的商業訊號。使用者的原始 prompt 提供需求，平台再把與需求相關的商品資料、庫存、價格、評價、促銷、適用情境與購買連結放進模型可使用的上下文。模型最後輸出的仍是一個完整答案，但商品已經在答案生成以前進入決策環境。

官方仍把廣告與回答分開但經濟價值已經向前移動

OpenAI 目前公開的廣告原則仍強調，廣告與 ChatGPT 的回答分離，廣告不會改變答案內容，而且付費並不能購買模型的推薦。這條界線是現階段維持使用者信任的必要制度設計，也表示「把廣告直接偷偷塞進模型答案」並不是現在的產品規則。

但是商業價值已經開始向回答以前移動。Amazon DSP 之所以值得關注，不是因為它替 ChatGPT 增加了另一個展示廣告供應商，而是 Amazon 本來就擁有大量購買意圖、商品轉換與零售交易資料。當這些訊號被拿來決定什麼廣告應該出現在什麼對話附近，廣告的目標就從搶曝光變成判斷這個人此刻正在完成哪一個任務。

OpenAI 在 2026 年擴張 ChatGPT Ads 時，也從單純展示逐漸加入 CPC 出價、合作夥伴採買與自助式 Ads Manager。這代表廣告市場正在從「有沒有庫存」進入「如何定價意圖」的階段。搜尋引擎早就證明，高意圖查詢比一般瀏覽行為更值錢；AI 對話把意圖描述得更完整，因為 prompt 往往同時包含需求、限制、情境與比較條件。

當模型替人做比較廣告的商品單位也會改變

傳統零售媒體最容易出售的是 SKU。平台知道消費者看過哪個商品、買過什麼，再把相似商品推薦回去。AI 助理處理的是任務，商業單位因此可能從單一 SKU 變成方案。旅行不只是賣一雙鞋，而是鞋、保暖層、行李、保險與交通；新生兒家庭也不只是找推車，而是依住宅空間、車型、電梯尺寸、旅行頻率與預算組成整套選擇。

廣告若仍只提供一句文案和一張圖片，模型很難判斷它是否適合使用者。品牌需要提供的是可被推理的產品資料：規格、限制、適用條件、相容性、價格、庫存、服務、退貨條件與真實評價。商品資料越能被結構化地放進模型上下文，品牌越有機會進入答案。這使商品 feed、知識圖譜、評價可信度與即時庫存，從電商後台資料變成新的媒體資產。

這也會改變零售媒體的計價方式。過去可以用曝光、點擊與轉換計價；未來更重要的可能是某個品牌是否進入模型考慮集合、是否被放進比較、是否被列為符合條件的候選，以及最後有沒有帶出交易連結。媒體衡量從 attention 逐漸移向 recommendation eligibility。

品牌競爭將從購買版位變成購買可被模型理解的資格

AI 助理真正壓縮的是消費者自己瀏覽候選商品的數量。搜尋頁可以讓十個品牌同時出現在第一頁，對話式助理卻可能只整理三個選項。結果不是廣告消失，而是曝光機會變少、每一次被納入答案的價值變高。

因此廣告主最後爭奪的不是「哪裡還能塞一個廣告」，而是「在使用者問這個問題時，我的商品資料能不能成為模型形成答案時的一部分」。這和把商品硬寫進使用者原始 prompt 不完全相同，但經濟效果非常接近：模型在推理前取得一組經過商業系統挑選的候選訊號，答案自然更可能處理這些候選。最有價值的媒體資產不再是一塊固定畫面，而是進入決策上下文的資格。

這也是 Amazon 進入 ChatGPT 廣告服務最合理的戰略位置。Amazon 最強的不是展示廣告技術，而是商品、價格、庫存、購買與轉換資料。若 AI 助理逐漸成為購物顧問，零售媒體的核心就會從賣版位轉成供應模型決策需要的商業上下文。到那時，廣告不再只是答案旁邊的一則訊息，而是決定哪些商品有資格先進入答案生成流程的基礎設施。