A publicidade para agentes de IA enfrenta um velho problema: provar que funciona

A indústria publicitária começa a experimentar com um novo tipo de audiência: os agentes de inteligência artificial. Mas, à medida que publishers e anunciantes testam formas de introduzir publicidade nas páginas rastreadas por estes sistemas, surge uma questão difícil de resolver: como saber se um anúncio funcionou realmente?

O problema é que o percurso já não é semelhante ao da publicidade digital tradicional. Um utilizador pode ver um anúncio, clicar e acabar por comprar um produto. No caso de um agente de IA, primeiro tem de rastrear uma página, processar a informação publicitária, incorporá-la — ou não — numa resposta e, eventualmente, influenciar a decisão de compra do utilizador. E, em grande parte deste processo, não existe um clique que permita acompanhar o percurso.

Várias startups estão a tentar criar ferramentas para colmatar esta lacuna. Uma delas é a OpenAds, que aposta num mecanismo conhecido como códigos de referência, adaptados às interações dos agentes de IA. O exemplo apresentado por Steven Liss, cofundador da OpenAds, é simples: uma pessoa pergunta ao ChatGPT quais são as melhores sapatilhas para correr uma meia maratona. Quando o ChatGPT rastreia uma página para elaborar a resposta, a OpenAds pode inserir um anúncio de uma marca de sapatilhas acompanhado por um código de desconto único de 10%.

Se o sistema considerar esse código relevante durante o processo de recuperação de informação, o conteúdo pode acabar por fazer parte da resposta gerada. Se, posteriormente, o utilizador clicar no link do produto, a marca poderá atribuir essa ação à interação com o ChatGPT. Mas esse último passo é precisamente aquele que continua a ser difícil de garantir.

“Como atribuir que o anúncio foi realmente visto por um agente e que depois influenciou a resposta?”, questiona Brendan Norman, fundador e CEO da Classify, uma empresa de publicidade contextual baseada em IA. O problema, explica, é que o processo envolve muito mais etapas do que um clique ou uma compra convencional.

A Oasy, uma plataforma de publicidade e analítica focada na monetização do tráfego de bots de IA para publishers, está a trabalhar noutra direção. O objetivo passa por colaborar com plataformas de publicidade nativa que já têm relações estabelecidas com publishers, aproximando-se de modelos de medição semelhantes ao custo por clique ou ao custo por referência.

Choy Travers, cofundador da Oasy, resume o problema da indústria de forma bastante direta: na visibilidade dentro da IA ainda “não existe uma ciência exata”. Ao contrário do Google Ads ou do Facebook Ads, onde existe um clique que permite estabelecer uma ligação relativamente clara entre o anúncio e a ação posterior, aqui essa ligação perde-se.

Uma das fórmulas que a Oasy está a testar consiste em inserir anúncios de texto patrocinados no HTML de uma página quando esta vai ser rastreada por um crawler de IA. A deteção do bot pode ser feita através de uma integração com a CDN do publisher, como a Cloudflare. O objetivo não é tanto garantir que uma marca aparece na resposta do agente, mas aumentar as probabilidades de isso acontecer.

A Time também está a experimentar este modelo. Neste caso, os anúncios destinados a agentes de IA assumem a forma de perguntas frequentes e são colocados em páginas em Markdown. A Mobian utiliza depois essas mesmas perguntas em motores de pesquisa baseados em IA para analisar a visibilidade das marcas e acompanhar a sua evolução em termos de presença, favorability e precisão.

A Time vende um anúncio para agentes por cada página em Markdown e mede o tráfego de bots de IA que chega a essas páginas. No entanto, o sistema tem uma limitação evidente: permite medir se o agente chegou à página e verificar a presença do anúncio, mas não necessariamente se esse conteúdo acabou por aparecer numa resposta recebida por um utilizador. É, de certa forma, uma forma indireta de medir o impacto da publicidade.

Os compradores também parecem ter dúvidas. A ideia de comprar anúncios especificamente concebidos para serem lidos por agentes de IA tem despertado interesse, mas também algum ceticismo. Antes de destinarem orçamentos significativos, os anunciantes querem saber qual é, efetivamente, o impacto destas campanhas.

O problema torna-se ainda mais complexo porque um agente pode utilizar dezenas de fontes para responder a uma pergunta. Mesmo que uma marca seja finalmente recomendada, é difícil determinar que parte dessa recomendação resulta de um determinado anúncio e qual deriva das restantes fontes consultadas.

Por enquanto, uma das alternativas passa por recorrer a empresas de analítica GEO como uma espécie de medidor independente. Estas empresas podem utilizar dados de prompts sintéticos ou painéis para verificar com que frequência uma marca aparece nas respostas dos sistemas de IA antes e depois do lançamento de uma campanha.

Mas a própria indústria reconhece que isto ainda não é suficiente para construir um mercado de publicidade para agentes à escala. A questão, em última análise, regressa ao mesmo ponto da publicidade digital tradicional: o dinheiro.

Para que os anunciantes passem de orçamentos experimentais para investimentos significativos, precisam de alguma forma de medir resultados. Liss resume-o da seguinte forma: é possível criar novas métricas, como o aumento da visibilidade nos motores generativos ou o número de recuperações realizadas por um agente. Mas, para que o mercado descole, os anunciantes vão precisar de algo mais próximo de um resultado atribuível e, sobretudo, de um retorno sobre o investimento (ROI).

Entretanto, o setor continua a testar diferentes soluções. A IAB já está a trabalhar num modelo de atribuição para a publicidade dirigida a agentes e publicou padrões relacionados com a medição da visibilidade em IA e a divulgação da utilização de IA na produção de conteúdos.