AI 代理作為廣告表面：贊助投放對 B2B 可見性意味著什麼
核心要點
- OpenAI 於 2026 年 9 月 16 日推出 Sponsored Agents——首個代理化廣告表面：用戶點擊 ChatGPT 中的廣告後，可以與一個明確標註的企業贊助代理開始對話，HubSpot 是首個 CRM 合作夥伴，Shopify 是首個電商合作夥伴。
- 僅 30% 的品牌從一條 AI 答案到下一條仍可見，僅 20% 在同一查詢連續五輪後仍然在列（AirOps 對 45,000 條引用的研究）——僅靠自然引用份額波動太大，無法以此構建可見性計劃。
- 代理化表面引用的來源比對話式 AI 更少——一兩個，而非 5–7 個（Similarweb）——代理中介的入圍名單是該行業迄今產生的最窄可見性渠道。
- ChatGPT 廣告滲透率在美國桌面對話中一個月內從 14% 翻倍至 26%（Similarweb），美國廣告試點在六週內年化收入突破 1 億美元。
- 可行的策略是度量分離的兩層：買下對話，贏得引用——OpenAI 自身的設計讓 Sponsored Agent 對話與 ChatGPT 的獨立答案相互區隔，因此付費投放並不取代贏得引用層；它位於其上方。
本文建立在 GEO 不是 SEO：AI 引用為何與搜尋排名脫鉤 之上，那篇文章講了 AI 引用為何與自然排名脫鉤以及如何贏得引用。這裡聚焦那篇文章沒有的新進展：發放贏得引用的同一批表面現在開始售賣投放，對 B2B 而言這是一個雙渠道可見性問題。
2026 年 9 月 16 日，OpenAI 宣布了 Sponsored Agents："我們正在測試 Sponsored Agents，讓人們在點擊 ChatGPT 中的廣告後，與一個企業贊助的代理開始對話。"這是一個全新的廣告庫存類別。搜尋廣告是答案旁邊的一次曝光。Sponsored Agent 是一場對話——用戶點擊，進入與廣告主代理的標註聊天，說明自己在意什麼，提出後續問題，並在準備好時點連結離開。所售賣的單位不是答案旁邊的注意力；而是答案互動本身。
該渠道的擴張速度超過以往任何廣告渠道。Similarweb 的分析 測得美國桌面端 ChatGPT 廣告滲透率從 2026 年 5 月對話的 14% 攀升至 6 月的 26%——此前 OpenAI 於 5 月開放自助 Ads Manager，最低投放 5 萬美元，低於 2 月試點的 20 萬美元門檻和約 60 美元的 CPM。OpenAI 確認美國試點在上線六週內年化收入突破 1 億美元。2026 年 6 月 ChatGPT 十大廣告主中有八個是軟體或 B2B 服務品牌——正是活在重研究對話裡的品類，也正是本文讀者的工作場景。
賣方為何會付費：波動性資料
這個市場的需求端存在，是因為 AI 答案中的自然可見性以一種自然搜尋可見性從未有過的方式不穩定。Similarweb 的 GEO 指南 引用了一項基於 45,000 條引用的 AirOps 研究：僅 30% 的品牌從一條 AI 答案到下一條仍可見，而同一查詢連續五輪後仍在列的只有 20%。模型會為多樣性、新鮮度和覆蓋面重新平衡答案——週一被引用的品牌可能在週二的同一提示下消失。
代理化購買讓波動性更糟，而非更好。同一份 Similarweb 指南直白地給出引用經濟學：對話式模型可能引用 5–7 個來源，而"代理在執行購買決策時很可能收斂於一兩個"。這是迄今產生的最窄可見性渠道——一兩個名字的入圍名單，每輪重建，會話間 70% 的流失率是常態。當自然分佈呈現如此形態時，為一場有保障、有標註的對話付費不再像奢侈品，而開始像對沖。
底下的量是真實的。Similarweb 2026 生成式 AI 全景資料 測得全球 AI 平台平均每月帶來 7.707 億次推薦造訪（2025 年 6 月 – 2026 年 5 月），同比 +117.4%，其中 ChatGPT 佔大頭——在 Similarweb 2025 年中的分析裡，面向全球前 1,000 網域的 AI 推薦中有超過 80% 來自 ChatGPT。而且流量能轉化：Adobe 測得 2026 年年中 AI 推薦訪客的轉化率比非 AI 來源高出 54%，與一年前 AI 流量轉化更差的情況發生反轉。一個年增 117%、轉化好 54%、並向單一平台集中的渠道，必然會吸引一個廣告產品。
兩層模型：每一層買到什麼
OpenAI 自身的設計決策是最清晰的策略指引。公告 說明"與 Sponsored Agent 的對話不同於 ChatGPT 的獨立答案，也與用戶最初開始的對話相互區隔"。獨立答案——引用來源的那一個——仍是贏得的表面。贊助對話是付費表面，標註清晰，由用戶在點擊廣告後自主進入。
這一區隔定義了兩層：
| 付費層（Sponsored Agents、ChatGPT Ads） | 贏得層（自然引用） | |
|---|---|---|
| 買到什麼 | 與潛在買方一場有保障、有標註的對話 | 在形成入圍名單的獨立答案中出現 |
| 穩定性 | 合同式——為互動付費 | 波動——30% 會話間可見，連續五輪僅 20% |
| 成本 | 媒體支出，目前集中：自助最低 5 萬美元 | 內容投入、結構化資料、可抓取性、分發 |
| 信任機制 | 標註即揭露；用戶點擊廣告後自主選擇 | 模型選擇該來源作為證據——可信度隨之轉移 |
| B2B 匹配度 | ChatGPT 十大廣告主中八個是軟體或 B2B 服務品牌 | 89% 的 B2B 買方將 AI 搜尋視為首要研究來源 |
兩層不可互換，失效模式相反。付費購買 Sponsored Agent 對話但沒有可引用內容的品牌，依然輸掉獨立答案——而買方不在付費對話中時，入圍名單正是在獨立答案中形成的。贏得引用卻拒絕付費投放的品牌，騎乘在一個其可見性每十次會話就有三次無端消失的渠道上。ChatGPT 廣告單元 0.50% 的點擊率（對照 Google Search Ads 約 6.4%，據 Similarweb）從付費端印證了這一點：廣告不是轉化事件，對話才是——而用戶停留在答案空間其他位置時，入圍名單仍由贏得引用決定。
同意與溯源：多數報導跳過的部分
在貼近購物的 AI 表面內進行贊助對話不只是行銷事件——它是代理中介的商業互動，而產業已有針對此類互動的信任架構。Agent Payments Protocol (AP2) 由 Google 與 60 多個合作夥伴發布，建構於加密簽名的可驗證授權之上，證明用戶授權了特定的代理行為：意圖授權（mandate）對應用戶所求，購物車授權對應代理承諾的確切購物車。同樣的邏輯向上延伸到廣告表面。Sponsored Agent 對話只有在用戶知道哪些部分獨立、哪些付費時才保有價值——OpenAI 的標註是揭露層，授權式的審計追蹤是其下方的可驗證層。
任何對這個渠道的嚴肅論述都應包含兩個誠實標記。第一，度量層不成熟：Similarweb 自己的分析指出，公開的 ChatGPT 廣告統計追蹤器之間存在巨大分歧，且 65.3% 的會話在廣告出現後繼續——對話仍在進行，這使得歸因到廣告單元確實困難。第二，OpenAI 同日發布的姊妹文章"如何將 AI 使用量與業務價值關聯"表明，代理驅動的業務成果將需要自己的度量基礎設施——平台清楚歸因是懸而未決的問題。把早期轉化聲明當作方向性參考，而非定論。
本站自己的資料在小尺度上印證了同一觀點。在當前 GA 窗口內，AI 推薦維持在 9 次會話（6 次 Perplexity、1 次 ChatGPT、1 次 Gemini），佔總會話 1,542 次的零頭——但在流量上是捨入誤差的 AI 助手渠道卻以 75% 拿下全站最高參與度。小、早、波動，且與其他渠道性質不同：這就是代理化購買表面今天在 GA 中的樣子，也正因如此，付費對沖與贏得層都是早期佔位動作。
B2B 賣方現在應該做什麼
- 把付費層列為獨立預算項——並單獨埋點。 Sponsored Agents 已對部分美國廣告主開放，先透過 HubSpot 和 Shopify 推廣。若你的品類與當前廣告主構成匹配（軟體、專業服務、比較研究），在競價成熟前庫存最便宜。追蹤對話，而非點擊——與搜尋廣告的 CTR 對比在結構上具有誤導性。
- 以更高紀律繼續贏得引用層。 兩層模型只有在兩層都存在時才成立。母篇文章的 playbook——帶來源和統計的可引用論斷、可抓取頁面、
llms.txt、結構化資料、伺服器日誌中的爬蟲驗證——是讓獨立答案持續在場的關鍵。SIGIR 2026 的競爭性 GEO 發現（主題匹配、價格具體性、時效性、位置為四個守門因素）仍是內容清單。 - 在對話層要求溯源。 在投入預算之前，就揭露機制與審計要求明確答覆：什麼被標註、什麼被記錄，以及在你的分析中贊助對話如何與獨立答案區隔。AP2 的授權結構——簽名意圖、簽名購物車、可驗證授權——是可辯護的贊助代理審計追蹤應有的模板。
- 把代理引用擠壓作為領先指標觀察。 代理引用一兩個來源而非 5–7 個，在廣告產品成熟之前就壓縮了自然可見性。如果你在 web_search 監測中看到定義品類的查詢引用份額不穩定，這種波動就是付費對沖的需求信號——也是你搶在競爭對手之前啟動預算對話的時機。
圖表
兩層，以及每一層買到什麼：
相關閱讀
- GEO 不是 SEO：AI 引用為何與搜尋排名脫鉤——母篇文章：AI 引用為何與自然排名脫鉤、B2B 例外，以及本文所構建的贏得引用 playbook
- 面向 AI 代理的商務協定：UCP、ACP、AP2 和 MCP——技術堆疊如何組合——代理中介購買之下的支付與信任協定，包括本文為溯源借用的 AP2 授權結構
- 更多 RFQ，更少真實機會：面向代理生成需求的賣方資格審核層——買方側的對應面：當代理成為發送需求的一方，供應商如何對其資格審核
代表性建構案例
一家中型分銷商在兩個倉庫管理 3,000 個 SKU，希望其目錄對正在人類打開瀏覽器之前形成入圍名單的買方代理可讀。在一次範圍明確的實施中，我們交付了一個 MCP 模組，以權限受限的工具從 NetSuite 和 BigCommerce 暴露目錄、客戶分級定價與庫存可用性；添加了 TechArticle 與 Product 結構化資料以及 llms.txt，讓代理能夠抓取並引用該目錄；並對站點埋點以記錄代理爬蟲造訪和 AI 推薦會話，使引用份額成為可度量的數字，而非供應商儀表板上的說辭。團隊匯報的結果是：按引擎統計的代理爬蟲可見性，以及品類查詢的引用份額——在一週發現期內商定固定範圍。
申請一個範圍明確的建構。一週發現期。您將獲得系統清單、工作流地圖和固定範圍——無論您是否與我們合作建構。
想為您的系統建構這個嗎？
這裡的每份文件都來自真實的生產工作。如果您有目標系統和工作流程想法，我們可以在一週內確定範圍。
申請客製開發為期一週的發掘階段。您會拿到系統清單、工作流程地圖和固定範圍——無論您最終是否與我們合作開發。