SYNAPSE
EN
Разборы

Рекламный стек ChatGPT: сессии, LLM с вызовом инструментов и отдельный сервис

23 октября 2026 года OpenAI описала, как устроена реклама в ChatGPT: дообученная LLM с вызовами инструментов, сессии с сохранением состояния и отдельный сервис для объявлений, не связанный с генерацией ответа.

Рекламный стек ChatGPT: сессии, LLM с вызовом инструментов и отдельный сервис

23 октября 2026 года OpenAI опубликовала описание рекламного стека ChatGPT. Обычная рекламная система ждёт отдельного события — запроса в поиске или просмотра страницы. В чате такого события может не быть: намерение пользователя складывается по ходу разговора.

Почему поисковую рекламу не удалось просто перенести в чат

Традиционные системы рассчитаны на дискретные единицы намерения (discrete units of user intent). Человек что-то ищет или открывает страницу. Система получает запрос или просмотр как событие и подбирает объявление под это событие.

Разница видна на примере. В поиске человек вводит «рюкзак в ручную кладь» — это готовый, законченный сигнал, под него есть что показать. В чате он сначала спрашивает про правила перевозки, потом про ограничения по размеру, потом про конкретную модель. В первых сообщениях рекламного момента нет вообще.

OpenAI формулирует это так: намерение развивается по ходу диалога и сдвигается за несколько ходов. Иногда подходящего момента не находится. Поэтому систему доставки объявлений (ads delivery system) строили под этот сценарий, а не адаптировали поисковую.

Практический вывод: единица работы здесь — не запрос, а разговор. Система должна уметь и показывать объявление на пятом ходу, и молчать, если показывать нечего.

Дообученная LLM вызывает инструменты: подбор, ранжирование, релевантность, аукцион

Ядро системы — кастомная дообученная frontier-LLM (модель, дополнительно обученная под конкретную задачу). Она делает tool calls — вызовы инструментов.

Дообученная LLM вызывает инструменты: подбор, ранжирование, релевантность, аукцион

Инструментов четыре. Retrieval — подбор верхних вариантов объявлений. Ranking — предсказание вовлечённости (engagement), то есть того, насколько объявление заинтересует пользователя. Relevance — оценка полезности объявления для конкретного разговора. Аукцион — финальный выбор объявления и его цена.

Пример. Модель читает текущий ход и историю разговора, вызывает retrieval и получает список кандидатов. Дальше ранжирует их по предсказанной вовлечённости, отсекает по полезности, а выбор и цену отдаёт аукциону. Вся последовательность — это оркестрация моделью, а не конвейер из жёстких правил.

OpenAI пишет, что модель оркестрирует весь рекламный поток и решает, какое объявление показать и в какой момент, опираясь на текущий ход и историю. Какие сигналы идут в предсказание вовлечённости и как именно считается полезность — данных нет.

Stateful-сессии: память между ходами и между диалогами

Первый из трёх принципов — stateful ads sessions (сессии с сохранением состояния). Информация запоминается между ходами одного разговора и между разными разговорами.

Пример. В понедельник человек обсуждал поездку и требования к рюкзаку, в среду вернулся с уточнением про вес. Система видит связь между этими разговорами и не начинает с нуля.

Что именно хранится, сколько это живёт и как пользователь может это увидеть — данных нет. В исходном тексте описан только сам принцип.

Stateful-сессии: память между ходами и между диалогами

Реклама живёт в отдельном сервисе, а не в генерации ответа

Третий принцип — процесс выбора объявлений идёт отдельно от генерации ответа ChatGPT, в собственном сервисе. Заявленная цель: реклама не должна влиять на ответы, голос ChatGPT должен оставаться нейтральным.

Это архитектурное решение, а не гарантия качества. Проверить независимость со стороны нельзя: как устроен сервис внутри и есть ли внешний аудит — данных нет.

Пример. Ответ на вопрос про выбор рюкзака формируется независимо от рекламного потока. Объявление подставляет отдельный сервис, у которого своя логика выбора и цены.

О масштабе OpenAI приводит одну цифру: ChatGPT Ads вышел на $1 млрд annualized revenue run rate (годовая выручка, пересчитанная по текущему темпу) менее чем за 200 дней после запуска. Сколько в системе рекламодателей — данных нет.

Что с этим делать

  • Проектируйте рекламную логику вокруг сессии, а не вокруг одного запроса. Храните контекст и возвращайтесь к нему через несколько ходов.
  • Разводите генерацию ответа и подбор объявления по отдельным сервисам. Тогда можно объяснить, откуда взялось объявление.
  • Логируйте, на каком ходу, из-за какого сигнала и по какой цене показано объявление. Без этого аукцион остаётся чёрным ящиком.
  • Не переносите метрики поисковой рекламы один к одному. В чате часть показов будет без явного намерения, и это нормальный режим работы.
  • Если вы рекламодатель — готовьте объявление под уточняющий вопрос, а не под ключевую фразу.
↗ Первоисточник: OpenAI