У короткому викладі: З кінця серпня 2026 року реклама в ChatGPT доступна. Її не купують на ключові слова. Система підбирає їх до сенсу всієї розмови, до змісту цільової сторінки та до опису ситуації, в якій клієнт потребує допомоги. Реклама відображається безпосередньо під відповіддю моделі, тому її ефективність також залежить від того, що ChatGPT сказав про бренд у попередньому реченні. Дослідження Brand Semantics у одинадцяти галузях, від будівництва та промисловості до готелів, моди та юридичних послуг, показують, що це тло рідко є нейтральним. Тому це канал для підготовлених компаній. Бренд без упорядкованих ентитетів, без однозначної цільової сторінки та без знання того, що моделі сьогодні про нього говорять, не отримає тут переваги – він купить кліки до розмови, яку програв у попередньому реченні. Це змінює набір компетенцій, необхідних для проведення кампанії: з управління ставками та фразами на управління значенням, контекстом і репрезентацією бренду в мовних моделях. Нижче я поясню, як цей канал працює, чому він може змінити правила гри в конверсії, що вимагається від компанії, яка хоче ним скористатися, і як перевірити, чи ви готові до цього.
1. Що насправді сталося
OpenAI оголосило про рекламу в ChatGPT 9 лютого 2026 року і протягом півроку тестувало її в Сполучених Штатах. 24 серпня 2026 року канал був запущений у 31 європейській країні. Менеджер реклами (Ads Manager) працює в бета-версії. В Європі перші кампанії запустилися через партнерів, а самообслуговування має бути доступним поступово.
Кілька фактів, з яких варто почати, бо вони упорядковують всю решту:
Реклама з'являється під відповіддю ChatGPT, вона позначена як спонсорована і візуально відокремлена від тексту моделі. Вона не вплітається в відповідь.
Один формат: назва бренду з фавіконою, заголовок до 30 символів, опис до 60 символів, квадратне зображення 256×256 px і посилання на цільову сторінку. Без відео, без каруселі.
Поки що її бачать користувачі безкоштовних планів (Free, а на ринках, де існує – також Go). OpenAI заявляє, що не показує рекламу на планах Plus, Pro або Business, а також особам молодше 18 років. Реклама також не з'являється в тимчасових чатах і у незалогінених користувачів. Варто про це пам'ятати при плануванні охоплення. Також варто стежити, чи зміниться ця політика.
Рекламодавець не має жодного впливу на відповідь моделі і не отримує жодних даних про користувача: ні змісту розмови, ні історії, ні адреси електронної пошти.
Розрахунок: CPM (за тисячу показів), CPC (за клік; OpenAI рекомендує ставки 3–5 USD) та – з серпня – oCPC, тобто оптимізація під конверсії. Раніше мінімальний бюджет у 50 тисяч USD було скасовано.
Вимірювання: покази, кліки, CTR, середній CPC і CPM, витрати, конверсії. Кампанії можна маркувати параметрами UTM, а конверсії вимірювати пікселем і через Conversions API. OpenAI зазначає, що канал ще не має бенчмарків ефективності між галузями.
2. Як ChatGPT підбирає рекламу. І чому це не «новий Google Ads»
У пошуковій системі механіка відома вже майже чверть століття: користувач вводить фразу, рекламодавець робить ставку на фразу, виграє той, хто має найкращу комбінацію ставки та якості. Фраза є спільним знаменником. Її можна купити, виключити, виміряти.
У ChatGPT цього знаменника немає. Згідно з документацією OpenAI, система підбирає рекламу на основі чотирьох речей одночасно:
контексту та наміру всієї розмови, а не останнього речення;
змісту цільової сторінки реклами, яку OpenAI читає своїм роботом (OAI-AdsBot) і перевіряє на відповідність рекламній політиці;
заголовка та опису реклами;
контекстних підказок (context hints), наданих рекламодавцем – а також, якщо користувач увімкнув персоналізацію, вибраних сигналів з його попередніх розмов.
Контекстні підказки – це не ключові слова. OpenAI прямо пише, що вони не працюють як точне відповідність і не гарантують показу в конкретній розмові. Це опис ситуації потреби: хто запитує, про що, в який момент рішення. Замість фрази «CRM-система» рекламодавець описує «команду продажів, яка порівнює інструменти для автоматизації звітності та хоче зменшити ручну працю». Остаточне рішення про показ приймає модель релевантності OpenAI.
До цього додається аукціон. Ставка є лише одним з входів, а релевантність реклами та цільової сторінки щодо розмови спільно визначає, хто виграє і скільки заплатить. Іншими словами: якщо цільова сторінка однозначно описує, чим є продукт, для кого, в яких ситуаціях і чим він відрізняється від альтернатив, система має на чому базувати підбір, а реклама виграє дешевше.
Елемент | Реклама в пошуковій системі | Реклама в ChatGPT |
|---|---|---|
Одиниця покупки | ключове слово | ситуація потреби, описана природною мовою |
Сигнал відповідності | запит | сенс всієї розмови + цільова сторінка + креатив + підказки |
Контроль рекламодавця | високий (фрази, виключення, відповідності) | обмежений (підказки без гарантії, географія, платформа, власні списки) |
Що бачить користувач над рекламою | список посилань | готову відповідь моделі, часто з рекомендацією |
Аукціон | ставка × якість | друга ціна, зважена релевантністю |
Формати | текст, графіка, відео, покупки | одна картка: заголовок, опис, зображення, посилання |
Дані про користувача для рекламодавця | обмежені | жодні |
Послідовність проста: в цьому каналі не можна «налаштувати кампанію» на фрази. Потрібно знати, як люди насправді спілкуються з моделлю про певну категорію, в який момент рішення це відбувається і що модель відповідає, перш ніж показати рекламу.
3. Чому конверсія може виглядати інакше, ніж у пошуковій системі
Чесно кажучи: OpenAI не публікує бенчмарків, а ринок тільки збирає перші дані. Але існують три незалежні підстави, які дозволяють зрозуміти, чому цей канал має потенціал конверсії, відмінний від класичних медіа.
По-перше, момент. Користувач ChatGPT не «шукає»; він вже спілкується. Він задав питання, отримав відповідь, часто уточнив. Реклама з'являється в момент, коли потреба вже названа, а критерії вибору обговорені. Це найближче до моменту рішення, як реклама коли-небудь була.
По-друге, якість трафіку. Shopify повідомив, що в I кварталі 2026 року трафік з асистентів GenAI конвертувався на 49% краще на сторінці продукту, ніж трафік з пошукової системи, а кількість відвідувань з цього джерела зросла восьмикратно в річному вимірі. Criteo, на вибірці з 500 продавців, виміряв, що трафік, що надходить від мовних моделей, конвертується приблизно в 1,5 рази краще, ніж інші реферальні канали. Це дані про органічний трафік, а не платний, але вони показують, з яким типом користувача ми маємо справу: з особою, яка вже пройшла етап порівняння в розмові.
По-третє, перші платні тести. Двотижневий тест SE Ranking на англомовних ринках дав 1,30% CTR на понад 97 тисяч показів. Інший тест, опублікований канадською агенцією, дав 0,65% CTR при вартості кліка близько 4,4–4,9 CAD. Розкид великий, і так його слід сприймати: як сигнал, що канал працює, а не як бенчмарк.
Є також інша сторона медалі, про яку потрібно писати так само чітко. Реклама сьогодні доходить до користувачів безкоштовних планів, а не до підписників Plus, Pro чи Business. Два опубліковані тести B2B свідчать, що бізнес-управлінці частіше, ніж середній користувач, користуються саме платними планами, тобто тими, на яких реклами поки що немає. Клік коштує 3–5 USD. Інвентар обмежений, формат один, а інструменти оптимізації молоді. Кожне невдале відповідність у цьому каналі дороге. Саме тому точність контексту перестає бути питанням естетики і стає умовою рентабельності.
4. Одне вікно, два шари: що модель говорить над вашою рекламою
Тут ми підходимо до речі, якої немає в жодному посібнику з ChatGPT Ads, а яка, на мою думку, визначає результат кампанії.
Реклама відображається під відповіддю моделі. Користувач спочатку читає, що ChatGPT думає про його проблему, які рішення рекомендує, які бренди згадує і як їх описує. Лише потім він бачить спонсоровану картку. Це означає, що в одному вікні є два шари повідомлення про бренд: органічна репрезентація бренду в відповіді моделі і платна картка. Рекламодавець контролює лише другу.
Розгляньмо чотири типові ситуації, які ми спостерігаємо в дослідженнях відповідей моделей, проведених нашим дослідницьким інструментом Semantio:
Ситуація A: модель рекомендує конкурента. Користувач запитує про рішення в категорії, модель згадує три бренди і рекомендує один з них. Під ним з'являється реклама четвертого бренду – вашого. Платна картка бореться з рекомендацією, яку користувач щойно прочитав і якій довіряє. Клік можливий, але реклама починає з позиції, яку модель вже програла за неї.
Ситуація B: модель надає неправдиву інформацію про бренд. У відповіді з'являється ваш бренд, але з неправильною ціною, неіснуючим сертифікатом, неправильною локацією або характеристикою, приписаною конкурентові. Реклама під ним веде на сторінку, яка говорить інше. Користувач отримує суперечливе повідомлення і не знає, кому вірити.
Ситуація C: модель не знає бренд. Відповідь стосується категорії, але ваш бренд у ній не згадується. Реклама є першим контактом – і єдиним аргументом. Це найдорогоцінніший сценарій, оскільки вся робота з переконанням лягає на 30 символів заголовка та 60 символів опису.
Є також ситуація D: модель рекомендує ваш бренд, а реклама це підтверджує. Тоді два шари працюють разом: органічна відповідь будує довіру, платна картка дає найкоротший шлях до дії. Це єдиний варіант, у якому вартість кліка має шанс окупитися з надлишком.
Що ми бачимо в дослідженнях: одинадцять галузей, один і той же механізм
Наступні приклади походять з досліджень репрезентації брендів, які в 2026 році ми проводили в Semantio для клієнтів Brand Semantics та в рамках дослідження Фонду AI Business Center на даних Semantio. Галузі та масштаб дослідження ми наводимо, бо це показує, що механізм є незалежним від сектора. Кожен результат є датованим знімком з одного дня дослідження – моделі змінюють відповіді з часом, тому вимірювання повторюється.
Галузь (клієнт) | Масштаб дослідження | Що модель робить у відповіді, над якою відображалася б реклама | Ситуація |
|---|---|---|---|
Виробник воріт і дверей (преміум, будівництво) | 150 відповідей, 4 системи | Сентимент 8,1/10, але 0% прямих рекомендацій у фазі рішення; у загальних питаннях моделі в 88% випадків вказують масові та бюджетні бренди. Додатково моделі «надають» бренду довічну гарантію, якої виробник не пропонує. | A + B |
Польський виробник ERP-системи (B2B програмне забезпечення) | 225 відповідей, 5 систем | Видимість 9,3% у загальних питаннях, 49–51% у порівняннях і рішеннях. 11 з 225 відповідей містять неправду – найнебезпечніша: приписування системи конкурентним виробникам. | C, потім B |
Регіональний виробник ковбас з онлайн-магазином | 120 відповідей, 4 системи | 0 з 40 відповідей на загальні питання про покупки з доставкою в регіоні згадує бренд; моделі вказують на загальнонаціональні мережі. Коли згадується назва: 24 з 120 відповідей містять неправду (відсутність хліба в пропозиції, відсутність доставки в той же день, доставка до Варшави) – всі на етапі розгляду та рішення. Модель базує відповідь на сторінці бренду лише в 17% випадків. | C + B |
Виробник освітлення (для дому та B2B) | 199 відповідей, 4 системи | 95% видимості після назви, 40% без назви. 18 відповідей з попередженням про помилку або проблему репрезентації – 16 з них при високій рекомендації. Модель рекомендує, але з помилковою інформацією. | D з ризиком B |
Виробник протипожежної вентиляції (промисловість, B2B) | 130 відповідей, 5 систем | 0 з 30 відповідей на питання про категорію не згадує бренд; 82 з 100 відповідей з назвою рекомендують її «високо». 14 відповідей з неправдою, у тому числі чотириразове приписування польської компанії до іноземних груп капіталу. У кожній третій відповіді: «немає публічних даних, запитайте виробника». | C, D, B – залежно від етапу |
Юридична та консалтингова фірма (професійні послуги) | 240 відповідей, 4 системи | Без підказки назви бренд з'являється в 1 з 92 відповідей – на восьмій позиції списку. У 7 відповідях модель плутає ім'я засновника. У 51,5% питань про докази компетенцій відсилає клієнта «на подальшу перевірку». | C |
Преміум готель (Краків, туризм і MICE) | 225 відповідей, 5 систем | Видимість 47%, сентимент 8/10, але модель зменшує об'єкт до «оздоровчого готелю» і ігнорує його в сценаріях конференцій, незважаючи на розвинену інфраструктуру. Та ж локація в одних відповідях є перевагою, в інших – недоліком. | D в wellness, A в MICE |
Бутик-готель (Краків; паралельне дослідження для норвезького ринку) | 5 систем, два ринки | Один з систем інтерпретував назву готелю як категорію об'єкта і на цій основі прямо відрадив його як місце для туристів з Норвегії. | B (помилка ентитету) |
Бренд взуття (мода, електронна комерція) | 200 відповідей, 5 систем | Видимість 55%, хороша рекомендація на етапі розгляду, але на етапі рішення моделі повторюють згадки про проблеми з довговічністю та рекламаціями. Реклама під такою відповіддю веде клієнта, який щойно прочитав попередження. | A на рішенні |
Виробник профілів з пластмас (промисловість, B2B, компанія в міжнародній групі) | 180 відповідей, 6 систем | 0 з 60 сценаріїв усвідомленості; 82% рекомендацій, коли бренд вже згадується. Лише 7% відповідей цитують польську домену – моделі приписують посилання та сертифікати іноземній материнській компанії. | C + B |
Будівельний центр (торгівля, місцевий ринок) | аудит сайту + Semantio | Роботи, якими моделі читають інтернет, бачать на сайті компанії «порожній аркуш» – зміст рендериться лише в браузері. Для моделей пропозиція не існує; рекомендації збирає конкуренція. | C – і цільова сторінка без релевантності |
Три речі з цієї таблиці мають безпосереднє відношення до ChatGPT Ads.
По-перше, «відсутність бренду в питаннях про категорію» – це норма, а не виняток. У восьми з одинадцяти досліджень бренд майже не присутній тоді, коли клієнт ще не знає його назви, тобто саме в тих розмовах, у які реклама мала б увійти. Реклама в такому контексті діє в ситуації C: є єдиним аргументом і платить повну ціну за кожен клік.
По-друге, висока рекомендація не означає безпечного тла. У виробника освітлення 16 з 18 помилок з'явилися в відповідях, у яких модель рекомендувала бренд. У виробника вентиляції моделі рекомендували компанію і одночасно приписували її іноземній групі капіталу. Реклама під такою відповіддю підсилює рекомендацію і помилку разом з нею.
По-третє, те саме питання в різних системах дає різне тло. У регіонального виробника ковбас оцінка рекомендації (в шкалі 0–100) коливалася від 16 до 51 залежно від системи; у виробника вентиляції чотири системи бачили бренд у 20 з 20 питань, а п'ята – в 13 з 20. Кампанія в ChatGPT стосується однієї системи, але клієнт порівнює в кількох – і органічне тло потрібно знати в кожному з них.
Різниця між ситуацією A і D не є питанням ставки чи креативу. Це питання того, як модель представляє бренд, перш ніж кампанія взагалі стартує. А цього не видно в жодній рекламній панелі. Щоб це побачити, потрібно задати моделям ті самі питання, які ставлять клієнти – багато разів, у багатьох варіантах, у кількох системах – і виміряти відповіді. Це і є предметом Generative Engine Optimization (GEO) та предметом вимірювання в Semantio.pro.
5. Чотири компетенції, які вимагає цей канал
Оскільки ChatGPT не підбирає рекламу до фраз, а до значень, питання в тому: хто може працювати на значеннях? З нашого досвіду потрібні чотири компетенції. Варто перевірити, які з них має команда, що веде кампанію – внутрішня або зовнішня.
5.1. Карта ентитетів і карта тверджень – щоб цільова сторінка була зрозуміла для моделі
Система OpenAI читає цільову сторінку і на її основі оцінює релевантність реклами до розмови. Якщо сторінка описує компанію як «інноваційного технологічного партнера», модель не має з чого зробити висновок, в яких розмовах реклама має сенс. Якщо сторінка однозначно говорить: який продукт, для кого, до якої проблеми, в якій категорії, з якими доказами і чим відрізняється від альтернатив – модель має на чому базувати підбір.
Два приклади з наших аудитів показують, як часто ця умова не виконується. Сторінка місцевого будівельного центру рендерила весь зміст лише в браузері клієнта – роботи, якими моделі читають інтернет, бачили на ній «порожній аркуш»; єдине, що вони могли прочитати, це два слова. Така сторінка як цільова сторінка реклами в ChatGPT не має чим виграти аукціон релевантності, а робот OAI-AdsBot не має що перевіряти. Натомість польський виробник промислової продукції, що діє в міжнародній групі, мав у карті сайту 699 з 729 адресів, що ведуть на домен іноземної материнської компанії; моделі цитували польську домену в 7% відповідей і приписували посилання та сертифікати іншій компанії. Реклама такого бренду вела б на сторінку, яку модель не пов'язує з суб'єктом, про який вона говорить у відповіді вище.
Ми називаємо це семантичною однозначністю. На практиці це означає розділення двох речей: карти ентитетів (які об'єкти створюють світ бренду: продукти, споживачі, проблеми, конкуренти, докази) та карти тверджень (які речення про ці об'єкти мають бути правдивими, підтвердженими джерелом і можливими для засвоєння моделлю). Так підготовлена цільова сторінка є одночасно кращою сторінкою в пошуковій системі, кращим джерелом для мовних моделей і дешевшим лендингом в аукціоні, зваженому на релевантність. Це одна робота, три ефекти.
5.2. Сценарії намірів – щоб контекстні підказки виникали з даних, а не з мозкового штурму
Контекстна підказка – це опис ситуації потреби: хто, яка потреба, який контекст, який момент рішення. Щоб її добре написати, потрібно знати, як клієнти насправді запитують моделі про певну категорію – на етапі відкриття («як вирішити проблему X»), порівняння («чим A відрізняється від B») і рішення («де купити, кому доручити»).
У Semantio ми працюємо точно на таких одиницях: сценаріях, тобто повних питаннях, що закріплені в конкретній персоні, продукті та етапі рішення, спрямованих до вибраних систем. Компанія, яка протягом кількох місяців досліджує сценарії покупок у категорії клієнта, пише контекстні підказки з вимірювання: вона знає, які ситуації закінчуються рекомендацією, в яких моделях згадуються конкуренти, а в яких бренд відсутній. Команда, яка не має такого вимірювання, пише підказки з інтуїції – і перевіряє їх лише бюджетом.
5.3. Вимірювання репрезентації бренду – перед кампанією, під час неї та після неї
Це компетенція, яка відрізняє проведення кампанії в ChatGPT від проведення кампанії в будь-якому іншому медіа. Оскільки над рекламою є органічна відповідь моделі, потрібно знати:
перед стартом – в якому відсотку сценаріїв покупок модель згадує бренд, як часто її рекомендує, який має Share of Voice щодо конкурентів, яким тоном її описує і чи не надає про неї неправдиву інформацію;
в процесі – чи органічна відповідь сприяє рекламі (ситуація D), чи бореться з нею (A, B, C); чи зміни на сайті та в джерелах зсувають відповіді моделі; які джерела модель цитує, коли говорить про категорію;
після кампанії – що саме модель говорила про бренд у день показу, у формі, яку можна показати керівництву або клієнту.
На практиці це вимірювання змінює кампанійні рішення. У виробника воріт і дверей органічне тло на етапі рішення було нейтральним (0% прямих рекомендацій при сентименті 8,1/10) – реклама має там сенс лише разом з доказами на цільовій сторінці, які дозволять моделі обґрунтувати вищу ціну. У бренду взуття тло на етапі рішення було прямо несприятливим (згадки про рекламації) – кампанія без попередньої роботи над джерелами платила б за кліки клієнтів, які щойно прочитали попередження. У преміум-готелі тло було чудовим у сценаріях wellness і поганим у конференційних – контекстні підказки та цільові сторінки повинні бути різними для кожного з цих сегментів.
Semantio вимірює ці виміри на живих відповідях ChatGPT, Gemini, Claude, Perplexity, Google AI Overview, Microsoft Copilot, Grok і DeepSeek: Visibility Rate, Share of Voice, рівень рекомендацій, сентимент, вплив джерел і виявлення тверджень, що суперечать перевіреним фактам про бренд. Кожен результат є датованим вимірюванням конкретного дослідження, а не прогнозом з сигналів на сайті. Завдяки цьому кампанія в ChatGPT не проводиться в сліпу: ми знаємо, на якому органічному тлі відображається реклама і чи це тло працює за неї, чи проти неї.
5.4. Доказ – щоб результат можна було захистити
У каналі без бенчмарків і з 24–48-годинним затримкою звітування про конверсії особливо важливо, щоб діагнози та висновки були аудиторськими. У Semantio кожна відповідь моделі записується в журналі разом з метаданими, класифікацією та цитованими джерелами, а вибрані відповіді можна закріпити як незалежно перевіряємий, захищений від модифікацій запис того, що даний система сказала в даний день.
6. Як ми проводимо кампанії в ChatGPT
У Brand Semantics ми проводимо кампанії ChatGPT Ads від діагностики до звіту – з прямим доступом до Ads Manager і на власному вимірювальному інструменті. Процес виглядає так:
Діагностика репрезентації бренду в моделях. Дослідження в Semantio: реальні сценарії покупок у категорії клієнта, мовою ринку, у кількох системах. Результат: де бренд рекомендується, де програє конкурентам, де моделі помиляються, які джерела формують відповідь.
Карта ентитетів і підготовка цільової сторінки. Упорядкування того, що модель має зрозуміти про бренд, і переклад на цільову сторінку: однозначну, джерельну, таку, що пропускає роботи OpenAI (OAI-AdsBot і OAI-SearchBot – блокування будь-якого з них означає відхилення реклами або зникнення з органічних відповідей).
Сценарії → контекстні підказки та креативи. З вимірювання випливають ситуації потреби, в яких реклама має сенс, і варіанти заголовків та описів, адаптовані до етапу рішення.
Кампанія в Ads Manager. Мета (охоплення, кліки або конверсії), географія, платформа, щоденний бюджет, вимірювання конверсій пікселем і через Conversions API, налаштоване перед стартом.
Моніторинг двох шарів. Паралельно: результати кампанії з Ads Manager і циклічне вимірювання органічних відповідей моделей у Semantio. Якщо органічне тло працює проти реклами – дії GEO на джерелах і змістах, а не лише на ставках.
Звіт з доказом. Що модель говорила, що реклама зробила, що змінилося між вимірюваннями – з журналами та перевіряємим записом відповідей.
7. Хто повинен увійти зараз, а хто почекати
Варто тестувати зараз, якщо бренд працює в категорії, в якій клієнт порівнює, запитує і повертається з новими запитаннями: електронна комерція з розглянутими продуктами, електроніка, особисті фінанси (в межах рекламної політики OpenAI), телекомунікації, автомобільна промисловість, подорожі, освіта, послуги, що обираються після дослідження, а також продукти для дому, будівельні та оздоблювальні матеріали чи товари для дітей. Варто також, якщо компанія хоче отримати досвід у каналі, перш ніж це зробить конкуренція – при молодому каналі вартість навчання нижча за вартість запізнення.
Варто почекати, якщо:
клієнти – це переважно бізнес-управлінці, які користуються платними планами ChatGPT – реклама поки що до них не дійде; у цьому випадку важливішою є органічна репрезентація бренду в відповідях, яку бачать усі користувачі, незалежно від плану. У дослідженні виробника протипожежної вентиляції ми назвали це «тендером, програним перед тендером»: проектувальник запитує модель, що вказати в специфікації, отримує список без бренду – і бренд входить лише як замінник на етапі виконання, борючись ціною. Це не виправить спонсорована картка, а лише присутність у самій відповіді;
продукт – це FMCG або місцева послуга з низькою вартістю кошика – при CPC 3–5 USD економіка не сходиться;
галузь підлягає обмеженням рекламної політики (алкоголь, азартні ігри, політичний контент заборонені; здоров'я та фінансові послуги обмежені, а за межами США в більшості випадків недопустимі);
компанія не має цільової сторінки, яку модель могла б зрозуміти – тоді першим кроком не є кампанія, а упорядкування репрезентації бренду.
Незалежно від того, чи компанія входить у платні реклами, органічний шар завжди працює: користувач платного плану не побачить рекламу, але побачить, що модель говорить про бренд. Для багатьох компаній B2B це сьогодні важливіший канал, ніж будь-яка спонсорована картка.
8. Контрольний список готовності до ChatGPT Ads
Перед запуском кампанії варто відповісти на десять запитань:
Чи знаємо ми, в якому відсотку реальних запитів на покупку в нашій категорії ChatGPT взагалі згадує наш бренд?
Чи знаємо ми, кого рекомендує замість нас – і чому (які джерела)?
Чи модель надає про нас неправдиву інформацію, яку реклама б підсилювала замість коригування?
Чи цільова сторінка однозначно описує продукт, споживача, проблему та докази – мовою, яку модель може засвоїти?
Чи сторінка пропускає OAI-AdsBot і OAI-SearchBot?
Чи маємо ми сценарії намірів для трьох етапів рішення, з яких випливають контекстні підказки?
Чи маємо кілька варіантів заголовка та опису, кожен з яких показує іншу вигоду, а не одне й те саме повідомлення?
Чи вимірювання конверсій (піксель, Conversions API, UTM) налаштоване перед стартом, а не після?
Чи наші клієнти користуються безкоштовним планом ChatGPT?
Чи маємо спосіб, щоб після кампанії показати керівництву, що модель говорила про бренд у день показу – у формі, яку можна перевірити?
Якщо на питання 1–3 відповідь «не знаємо», кампанія стартує в сліпу – незалежно від того, хто її веде.
9. Словник термінів
ChatGPT Ads – рекламний канал OpenAI, в якому спонсоровані картки відображаються під відповідями ChatGPT користувачам безкоштовних планів; підбір базується на контексті розмови, цільовій сторінці, креативі та контекстних підказках рекламодавця, а не на ключових словах.
Контекстні підказки (context hints) – описи ситуації потреби (хто, яка потреба, який контекст, який момент рішення), які рекламодавець надає в Ads Manager; вони не є точним відповідністю і не гарантують показу.
Generative Engine Optimization (GEO) – дисципліна, що слідує за SEO: замість позицій у списку посилань метою є те, як мовні моделі описують, порівнюють і рекомендують бренд у готовій відповіді. Вона охоплює упорядкування ентитетів і тверджень про бренд, побудову джерел, які моделі цитують, та вимірювання відповідей.
Репрезентація бренду в відповідях мовних моделей (LLM brand representation) – спостережуваний спосіб, у який бренд присутній, описується, порівнюється, рекомендується та джерелиться в відповідях систем GenAI у певному дослідженні. Видимість є лише одним з її вимірів.
Share of Voice (SoV) – частка бренду в «ефірному часі» відповіді моделі щодо названих конкурентів у даному наборі сценаріїв.
Галюцинація бренду (brand hallucination) – твердження моделі про бренд, що суперечить перевіреним фактам: помилкова ціна, неіснуючий сертифікат, неправильна локація, характеристика, приписана конкурентові.
Карта ентитетів / карта тверджень – інструменти упорядкування репрезентації бренду: список об'єктів, що створюють світ бренду (продукти, споживачі, проблеми, конкуренти, докази) та список речень про ці об'єкти, які мають бути правдивими, джерельно підтвердженими та можливими для засвоєння моделлю.
Semantio – дослідницька платформа Brand Semantics для аналізу та моніторингу репрезентації брендів у відповідях ChatGPT, Gemini, Claude, Perplexity, Google AI Overview, Microsoft Copilot, Grok і DeepSeek, на живих відповідях, мовою ринку, з журналами та перевіряємим доказом.
10. Найчастіші питання
Чи може реклама в ChatGPT змінити те, що модель говорить про бренд? Ні. OpenAI відокремлює рекламну систему від моделі. Рекламодавець не може впливати на зміст, порядок або тон відповіді. Зміна органічної репрезентації бренду можлива лише через роботу над джерелами, змістом і структурою інформації – тобто через GEO.
Чи можна купити рекламу на фразу «найкращий X у Варшаві»? Ні. Немає ключових слів. Можна описати ситуацію потреби, в якій реклама має сенс, і подбати про те, щоб цільова сторінка та креатив були до неї релевантними. Рішення про показ приймає модель релевантності OpenAI.
Скільки коштує клік? OpenAI рекомендує ставки CPC 3–5 USD. Перші опубліковані закордонні тести вписуються в цей діапазон. Польських бенчмарків ще немає.
Чи бачать це мої клієнти B2B? Якщо вони користуються безкоштовним планом – так. На планах Plus, Pro і Business реклами поки що немає; їх користувачі бачать органічні відповіді моделі про бренд, і саме вони визначають, чи бренд потрапить до короткого списку.
З чого почати? З вимірювання: що сьогодні ChatGPT та інші моделі говорять про бренд у реальних запитах на покупку. Без цього не відомо, чи реклама буде підсилювати рекомендацію, чи боротися з нею.
