智能的變現:Google 將廣告整合至 AI 模式搜尋中

Google 已正式宣布將廣告整合至其「AI 模式」搜尋結果中。透過利用 Gemini,該公司正從傳統的關鍵字廣告轉向對話式、AI 驅動的體驗,旨在將產品引導與商業優惠相結合。雖然 Google 將此舉描述為邁向「更有幫助的廣告」,但此公告已引發技術社群對於 AI 生成答案客觀性的重大反彈。

新的 AI 廣告生態系統

Google 正在推出幾種新格式,旨在讓廣告感覺像是對話式研究過程中的自然組成部分。這些工具旨在減少發現與購買之間的摩擦。

對話式發現與精選答案

在 AI 模式中正在測試兩種主要的格式:

  • 對話式發現廣告 (Conversational Discovery Ads): 這些廣告使用 Gemini 來針對使用者的特定且複雜的查詢生成創意內容。例如,如果使用者詢問如何以低維護成本的方式讓家裡聞起來像水療中心,AI 將合成一個回應,其中強調了與該特定請求相關的特定產品功能。
  • 精選答案 (Highlighted Answers): 當 AI 模式提供建議列表(例如,「適合旅行的最佳語言應用程式」)時,高度相關的贊助結果現在可以直接作為「精選答案」出現在該列表中。

AI 驅動的購物與潛在客戶開發

除了 AI 模式之外,Google 還將這些功能擴展到一般搜尋:

  • AI 驅動的購物廣告 (AI-powered Shopping Ads): Gemini 將自動為產品撰寫自定義的解釋說明,詳細說明為什麼特定項目是使用者的搜尋對象的最佳選擇。
  • 業務代理人用於潛在客戶開發 (Business Agent for Leads): 這取代了靜態的潛在客戶獲取表單,改用直接整合在廣告中的 Gemini 驅動對話代理人,讓潛在客戶能夠根據品牌網站獲得即時答案。

直接優惠與原生結帳

Google 還在擴大其「直接優惠 (Direct Offers)」試點計畫。這包括 促銷組合 (promotion bundling),即 Gemini 為特定搜尋構建一個優惠(例如產品組合),以及 原生結帳整合 (native checkout integration),允許使用者在不離開 Google 生態系統的情況下完成購買。

「獨立」解釋者的爭議

為了應對對信任度的疑慮,Google 聲稱這些新格式將具備「獨立的 AI 解釋者」。根據該公司的說法,Gemini 模型會評估並合成有關產品的資訊,以在廣告主的創意內容旁提供背景資訊。

然而,這種說法遭到了質疑。批評者認為,既然「獨立」解釋者是由同一個 Gemini 模型生成,且存在於同一個廣告產品中,它就不可能真正獨立。核心擔憂是,客觀資訊與付費推廣之間的界線將變得危險地模糊。

社群反應: 「Synternet」與客觀性的消亡

來自 Hacker News 社群的反應極其批判,主要集中在三個主題:透明度、 「innovator's dilemma (創新者的困境)」以及對開放網路的影響。

信任的侵蝕

許多使用者表達了對 AI 生成廣告會比傳統橫幅廣告更具操縱性的恐懼。

"It's a lot easier to mislead a user with an AI generated ad than with a Search result... I'm betting on a huge backlash if they don't make it VERY clear that ads are ads."

也有越來越多的擔憂,即最高出價者將有效地在 AI 回應中「買」到真相,導致一種情境:AI 推薦某個產品並非因為它是最好的,而是因為廣告主支付了特權費用。

創新者的困境

一些觀察者指出,Google 是在解決它自己的顛覆問題。因為 AI 模式提供答案而不要求點擊外部網站,這威脅到了 Google 自身的廣告收入模型。透過將廣告直接植入 AI 的散文內容中,Google 正試圖在傳統搜尋引擎與生成式 AI 助手之間架起橋樑。

對內容創作者的影響

對於「synternet」存在著更廣泛的擔憂——這是一個生成式內容網路,其中 AI 從人類創作者獲取資訊來提供答案,然後將廣告空間賣回給被討論的公司,同時剝奪了原始作者的流量。

"Creators used to be rewarded with traffic in exchange for their creations. Now all that is captured by the google."

結論

Google 的舉動代表了我們與線上資訊互動方式的根本轉變。透過將搜尋結果轉化為對話式的銷售人員,Google 將變現現化優先於傳統的「知識搜尋」體驗。正如社群所建議的,這這可能會加速使用者向無廣告搜尋替代方案或能夠過濾合成商業內容的本地 LLM 的遷移。

Sources