Media-Briefing: Anzeigen für KI-Agenten haben ein Messproblem

Das dieswöchige Media Briefing befasst sich mit dem aufkommenden Wettlauf um die Messung und Attribuierung von Anzeigen, die an KI-Agenten ausgespielt werden – und warum die Branche noch weit davon entfernt ist, sich auf eine Standardmethode dafür zu einigen.

Während Publisher und Werbetreibende festlegen, wie sie Anzeigen vor einer neuen Art von Publikum platzieren – KI-Agenten statt Menschen –, stoßen sie auf ein bekanntes Problem: Wie lässt sich feststellen, ob eine Anzeige tatsächlich funktioniert hat?

Die Beantwortung dieser Frage treibt eine Welle von Startups an, die Möglichkeiten entwickeln, Anzeigen an Agenten zu schalten, während diese die Seiten der Publisher durchsuchen, und anschließend zu messen, was danach passiert. Es ist zugegebenermaßen noch früh. Die Angebote von Startups, die behaupten, den Code geknackt zu haben (und nach dem Posteingang zu urteilen, gibt es einige), haben dies wahrscheinlich noch nicht getan. Derzeit ist die Messung undurchsichtig, und es hat sich noch nichts durchgesetzt, was einem Standard ähnelt. Das meiste, was es gibt, ist noch ein Proof-of-Concept. 

OpenAds beispielsweise geht den relativ traditionellen Weg der eindeutigen Referral-Codes, jedoch angepasst für KI. Angenommen, eine Person stellt ChatGPT eine Frage zu den besten Laufschuhen für einen Halbmarathon. Wenn ChatGPT eine Webseite ausliest, um diese Anfrage zu beantworten, würde OpenAds eine Anzeige für die Laufschuhe einer Marke mit einem eindeutigen 10-Prozent-Rabatt-Referral-Code generieren und einfügen. Wenn ChatGPT den Code für relevant genug für den Nutzer hält, der nach diesen Schuhen sucht, wird er den „Retrieval-Prozess“ überstehen, so Steven Liss, Mitbegründer der KI-Native-Advertising-Plattform OpenAds. Wenn dieser Link dann in einer KI-generierten Antwort erscheint und der Nutzer auf den Link zu diesem Produkt klickt, können Marken dies bis zu ChatGPT zurückverfolgen, fügte er hinzu.