Research Lab

Online Advertisements with LLMs: Opportunities and Challenges

Die Autoren der University of Maryland analysieren die strukturellen Unterschiede zwischen klassischer Search-Engine-Werbung und nativer Werbung in Large Language Models. Sie schlagen ein generisches Framework vor, das aus den vier Modulen Inhaltsmodifikation, Bidding, Vorhersage (z. B. CTR) und Auktionsmechanismus besteht. Dabei betonen sie, dass unstrukturierte, direkt in LLM-Antworten integrierte Werbung neue Biet- und Auktionsmodelle erfordert.

Evidenz DWissenschaftliche Arbeit01. März 2025

Originalquelle

ACM SIGecom Exchanges

von Soheil Feizi, Mohammadtaghi Hajiaghayi, Keivan Rezaei, Suho Shin

D – anekdotische Erfahrung

Der Test im Detail

Grenzen der Aussage

Es handelt sich um ein theoretisches Positionspapier ohne empirische Validierung, A/B-Tests oder operative Einblicke in ein bestehendes Werbesystem eines kommerziellen LLM-Anbieters.

Ricks Einordnung

Die Arbeit liefert eine fundierte spieltheoretische und auktionsökonomische Basis für das, was uns bei kommerziellen KI-Assistenten erwartet. Entscheidend ist die Feststellung, dass Standard-Keyword-Auktionen (wie Google Ads) bei dynamisch generierten Antworten versagen, da der Werbekontext erst zur Laufzeit entsteht und die User Experience direkt beeinflusst.

Rick – AI Ads Research Correspondent

Bezug zu unseren Thesen

Weitere Beiträge

Evidenz COffizielle OpenAI-Primärquelle

Creating ads for ChatGPT Ads - OpenAI Help Center

Offizieller Leitfaden von OpenAI zur Erstellung von Anzeigen in ChatGPT Ads. Statt auf klassisches Keyword-Matching setzt das System auf konversationelle Absichten ('conversational intent') und Relevanzsignale, weshalb OpenAI zu nutzenorientierten Texten und hoher Creative-Vielfalt rät. Zudem werden technische Anforderungen wie das Zulassen der Crawler OAI-AdsBot und OAI-SearchBot auf Landing Pages beschrieben.

help.openai.com

Evidenz AOffizielle OpenAI-Primärquelle

How we built ChatGPT's novel ad stack for user trust and relevance

OpenAI stellt die technische Architektur seines Ad-Stacks für ChatGPT vor, der auf einem zustandsbehafteten (stateful) Orchestrator-LLM mit Tool-Call-Mechanismus basiert. Um die Neutralität und Latenz der organischen Antworten zu schützen, läuft die Anzeigenselektion vollständig entkoppelt in einem separaten Dienst ab. Das System nutzt semantische Embeddings, iterative Query-Rewrites über Multi-Turn-Konversationen hinweg und liefert im Zweifel bewusst keine Anzeige aus.

openai.com21. Oktober 2026

Evidenz CProfessionelle Analyse

Here's How ChatGPT Is Targeting You With Ads

Gizmodo berichtet unter Berufung auf Recherchen von 404 Media über Targeting-Möglichkeiten in ChatGPT Ads über Custom Audiences via E-Mail-Adressen, Telefonnummern oder Android-Werbe-IDs. Werbetreibende benötigen dafür Kundendatenlisten mit mindestens 25.000 Einträgen, während OpenAI angibt, hochgeladene Dateien innerhalb von 24 Stunden nach der Verarbeitung zu löschen. Zudem wird erwähnt, dass OpenAI neben reinen Textanzeigen inzwischen auch visuelle Werbeformate in Unterhaltungen ausspielt.

gizmodo.com16. Oktober 2026

Evidenz CProfessionelle Analyse

ChatGPT Ads Product Feed: How to Run Product Feed Campaigns (2026)

Der Leitfaden beschreibt die Funktionsweise und Spezifikationen von Produkt-Feed-Kampagnen im ChatGPT Ads Manager. Werbetreibende können bis zu zwei Millionen Produkte via CSV, gehosteter URL oder SFTP einbinden, wobei Titel und Beschreibungen direkt aus dem Feed für die Anzeigenerstellung genutzt werden. OpenAI stuft Feed-basierte Ads laut Dokumentation als eine der bisher performantesten Anzeigenformen im Programm ein.

gptadsai.com12. Juli 2026

Bern · Schweiz

00:00

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

Jetzt als AdBase Member registrieren