本文解读arXiv论文Token-Level Advertising，探讨AI生成答案时如何通过Token级广告机制推荐商品。适合广告投放与联盟营销从业者了解前沿趋势。核心包括广告参与答案生成过程、三种展示形态及对用户信任的挑战。目前为概念验证阶段，但预示广告从固定位转向答案内嵌的重大变化。
Tags:8月27日，arXiv 上新了一篇论文，名字叫《Token-Level Advertising》。
标题看起来很学术，但它讲的事，做广告和做联盟的人都应该看一眼。
它讨论的是：AI 以后推荐商品时，广告可能不再只是答案旁边的一张卡片，而是参与答案本身怎么写。
这个变化挺微妙。
01
它抢的不是一个广告位
以前我们讲广告位，脑子里想到的是一个固定的位置。
搜索结果的前几条。
信息流里夹一条。
短视频前面贴一段。
用户能看见，商家也知道自己在抢哪里。
但 AI 对话不是这个逻辑。
用户不会只搜一个词。
他会直接问：
"膝盖不太舒服，150 美元以内，买哪双跑鞋适合日常训练？"
这个问题里有预算，有身体状况，有使用场景，也有风险偏好。
AI 回答时，也不是把一页链接搬出来。
它是一句一句写。
写到"膝盖不舒服"时，它会考虑缓震和支撑。
写到"150 美元以内"时，它会排掉太贵的鞋。
写到"日常训练"时，它又会避开太激进的竞速鞋。
广告如果出现在这里，抢的就不是一个结果页坑位。
抢的是答案该往哪边写。
这就是这篇论文的核心。
02
Token 级广告到底是什么
Token 这个词，可以粗略理解成 AI 下笔时的一小块字。
有时是一个词，有时是半个英文单词，有时只是一个标点。
Token-Level Advertising，翻成人话就是：
广告不是等 AI 写完整段答案之后再插进去，而是在 AI 生成这些小块字的时候，就参与选择。
论文里提出的机制叫 LAMA。
这个名字可以不记。
记住它的画面就行：
几个商家同时站在旁边，都希望自己能被自然地推荐进去。
平台一边看用户的问题，一边看商品是否相关、商家愿意付多少钱、答案会不会被带歪。
最后，AI 生成一段看起来像正常建议的回答。
比如同样是跑鞋问题，答案里可能出现 Nike Pegasus，也可能出现 ASICS Gel-Kayano，还可能出现 New Balance。
不是简单粗暴地把品牌名塞进去。
而是让推荐看起来顺着用户的问题长出来。
这也是它最危险的地方。
03
最难的是信任
因为搜索广告再烦，至少用户知道那是广告。
信息流广告再像内容，也会有一个广告标识。
可如果广告参与的是 AI 答案生成过程，它就可能不再像广告。
它会像一句建议。
一旦用户开始怀疑这句话，问题就来了：
AI 推荐这个商品，是因为它适合我，还是因为商家付了钱？
我觉得这才是这篇论文真正值得看的地方。
技术方案可以慢慢研究，商业产品也未必马上上线。
但它把一个更早的问题摆出来了：
当 AI 开始替用户做购买判断，广告应该怎么进去，才不至于把信任打穿？
论文还给了三种可能的展示形态。
第一种，是把答案里的品牌名做成链接。
第二种，是让整段推荐变成可点击区域。
第三种，是在答案下面放一张 Sponsored Card，也就是赞助卡片。
这三种形态里，我最关心第一种。
因为它最自然，也最容易被用户忽略。
一个品牌名如果只是出现在答案里，用户会把它当成模型判断。
一个品牌名如果变成链接，还带广告标识，至少用户心里有数。
这里的差别很小，但长期影响很大。
AI 产品的底层资产不是界面，也不是模型参数。
是用户愿不愿意信它。
用户用搜索引擎，本来就知道自己在广告和自然结果之间筛选。
但用户问 AI，心态更像是在咨询一个懂行的人。
如果这个"懂行的人"开始收商家钱，还不说清楚，信任会掉得很快。
所以我不觉得这个方向最难的是竞价公式。
最难的是产品边界。
哪里该标广告。
标识要标到什么程度。
广告主影响过哪一句，平台能不能解释。
如果推荐错了，算平台的责任，还是广告主的责任。
这些问题如果不解决，技术做得再漂亮，放到真实产品里都会很麻烦。
04
这离真实投放还有多远
当然，这篇论文还只是概念验证。
作者用 Qwen3-14B 做实验，场景主要是健身、旅行、汽车。
数据来自 Webis Generated Native Ads 2024 里的商业搜索查询。
论文结果显示，LAMA 在平台收入、广告主价值和用户质量等指标上表现更好。
但这不是线上广告收入报告。
实验里的广告价值是模型预测出来的，每个垂直场景里的候选广告主也不多。
但学术界已经开始认真研究 AI 生成答案里的广告应该怎么竞价、怎么计费、怎么控制打扰感。
这件事对普通用户意味着什么呢？
05
给投放和联盟人的提醒
以后看 AI 推荐商品，要多看一眼有没有广告标识。
尤其是那种很自然、很像建议的品牌推荐。
它不一定有问题。
但用户应该知道这句话有没有商业参与，有没有被收买。
对做投放、联盟和内容站的人来说，也不用现在就去找所谓的入口。
真正可以提前做的事，反而更朴素：
把商品信息写清楚。
适合谁，不适合谁。
价格多少，售后怎样。
真实测评怎么说，缺点在哪里。
AI 要推荐一个商品，首先先得读懂它。
过去我们写内容，是给搜索引擎和人看。
以后可能还要多一个对象：给 AI 看。
这个变化不会一夜之间就发生。
但会持续发展。
因为广告一旦从"展示位置"走进"答案生成"，很多旧玩法都会重新排队。
参考资料
arXiv：《Token-Level Advertising》，https://arxiv.org/abs/2608.27382
Webis Generated Native Ads 2024 数据集：https://webis.de/data/webis-generated-native-ads-24.html
没有评论:
发表评论