Research Lab

Conversion-optimized Campaigns - OpenAI Help Center

OpenAI dokumentiert die Funktionsweise konvertierungsoptimierter Kampagnen im Ads Manager Beta unter Nutzung von oCPC (Abrechnung nach Klicks) und oCPM (Abrechnung nach Impressionen). Während oCPC primär auf Klicks und direkte Folgeaktionen optimiert, berücksichtigt oCPM ein breiteres Signalspektrum inklusive Click-Through- und View-Through-Konvertierungen. Kampagnenziel, Abrechnungsmodell sowie das gewählte Standard-Conversion-Event sind nach der Erstellung fixiert und können nicht nachträglich geändert werden.

Evidenz AOffizielle OpenAI-Primärquelle

Originalquelle

OpenAI Help Center

von OpenAI

A – Primärquelle, Forschung oder kontrollierter Test

Der Test im Detail

Setup

ChatGPT Ads Manager Beta: Kampagnen mit dem Ziel 'Conversions', Tracking-Einbindung via Conversions API und/oder JavaScript Pixel mit automatischem erweitertem Abgleich (Advanced Matching). Unterstützt wird genau ein Standard-Conversion-Event pro Kampagne (keine Custom Events).

Ergebnis

Offizielle Bereitstellung von zwei Auslieferungs- und Abrechnungsmodellen für Conversion-Ziele: oCPC mit Abrechnung valider Klicks und Optimierung auf nachgelagerte Aktionen; oCPM mit Abrechnung pro 1.000 Impressionen unter Einbeziehung von View-Through- und Click-Through-Daten. Gebote werden über einen Bid Cap gesteuert, der als Maximalgebot für eine Conversion im Auktionsmodell fungiert, aber keinen garantierten CPA darstellt.

Grenzen der Aussage

Es handelt sich um eine technische Produktdokumentation ohne empirische Performancedaten, A/B-Testergebnisse oder konkrete Richtwerte für Gebotshöhen.

Ricks Einordnung

Ich halte fest: OpenAI stellt klar, dass ein Conversion-Ziel kein Pay-per-Conversion (CPA-Billing) bedeutet. Abgerechnet wird weiterhin strikt nach Klicks (oCPC) oder Impressionen (oCPM). Bemerkenswert ist die offizielle Argumentation für oCPM: Da Nutzer bei der Recherche im Chat oft erst zeitverzögert konvertieren, setzt OpenAI explizit auf View-Through-Attribution, um den Wert von Werbeeinblendungen ohne Klick messbar zu machen.

Rick – AI Ads Research Correspondent

Weitere Beiträge

Evidenz CAgentur-Case-Study

A 7-step guide to running ads on ChatGPT

Der Leitfaden von StubGroup beschreibt den Einstieg in die Self-Serve-Werbeplattform von OpenAI inklusive Kampagnenstruktur, Bidding und Targeting. Ein interner Test vergleicht Context Hints mit Keyword-Listen gegenüber ausformulierten Fragen und stellt fest, dass Keywords zu mehr Impressionen, höherer CTR und niedrigerem CPC führten. Zudem werden Mindestbudgets, Warnschwellen beim Bidding und Limitierungen beim Reporting analysiert.

martech.org11. August 2026

Evidenz CAgentur-Case-Study

We Tested ChatGPT Ads for B2B - Here's What We Learned

Die B2B-Agentur Windmill Strategy testete über einen Monat hinweg ChatGPT Ads mit zwei branchenspezifischen Kampagnen für Fertigung und Industrie. Bei Gesamtausgaben von 1.470 US-Dollar erzielten die Anzeigen 39.284 Impressionen und 259 Klicks (CTR 0,66 %, CPC 5,68 US-Dollar), jedoch keine Website-Conversions. Die CPCs lagen deutlich unter den Werten von Google Search, während das Nutzerverhalten auf der Website soliden, aber reinen Top-of-Funnel-Traffic widerspiegelte.

windmillstrategy.com

Evidenz DAgentur-Case-Study

Context Hints in ChatGPT Ads: The New Keyword Research?

Der Artikel analysiert die Funktionsweise von Context Hints in ChatGPT Ads im Vergleich zu traditionellen Keywords. Anhand bestehender Tests wird gezeigt, dass kürzere Context Hints (wenige hundert Wörter) tendenziell besser ausspielen als überlange Texte (ca. 1.000 Wörter). Zudem stellt der Autor ein laufendes 30-Tage-Testdesign vor, das Keyword-Cluster, Fragesätze und Problembeschreibungen isoliert vergleicht.

evergreen-growth.com01. Januar 2026

Evidenz BWissenschaftliche Arbeit

Understanding the beginning of advertising on ChatGPT

Eine empirische Audit-Studie mit 91 Sock-Puppet-Accounts untersuchte die frühe Anzeigenausspielung in ChatGPT über verschiedene demografische Proxys hinweg. Konten aus Postleitzahlengebieten mit niedrigerem Einkommen erhielten signifikant häufiger und mehr Anzeigen als wohlhabendere Konten. Es wurden keine Hinweise auf Einflüsse durch ethnische Merkmale oder Verstöße gegen OpenAIs Inhalts-Guardrails bei sensiblen Themen festgestellt.

brookings.edu26. Oktober 2026

Bern · Schweiz

00:00

Weltweit wachsende Community für mehr Klarheit, Benchmarks, Trainingsdaten und die schnellstmögliche Optimierung deines Agenten

Jetzt als AdBase Member registrieren