OpenAI का कन्वर्सेशनल एडवरटाइजिंग (संवादात्मक विज्ञापन) में प्रवेश एक हाइपर-पर्सनलाइज्ड अनुभव का वादा करता है, जहाँ विज्ञापन उपयोगकर्ता की मंशा (intent) के साथ सहजता से मेल खाते हैं। हालाँकि, नए डेटा से पता चलता है कि AI-संचालित टारगेटिंग की वास्तविकता वर्तमान में अपनी हाई-टेक क्षमता से पीछे रह गई है।
इस विसंगति के पीछे का डेटा
AI विजिबिलिटी प्लेटफॉर्म, Searchable द्वारा किए गए एक हालिया विश्लेषण से पता चला है कि ChatGPT के भीतर विज्ञापन दिखाने के तरीके में काफी घर्षण (friction) है। 4 जुलाई और 4 अगस्त, 2026 के बीच वास्तविक उपयोगकर्ता बातचीत के दौरान दिखाए गए 11,000 से अधिक विज्ञापनों का परीक्षण करके, शोधकर्ताओं ने कॉन्टेक्स्टुअल रेलेवेंस (संदर्भगत प्रासंगिकता) में एक चिंताजनक रुझान की पहचान की है।
अध्ययन में पाया गया कि ChatGPT इंटरफ़ेस के भीतर दिखाए गए सभी विज्ञापनों में से लगभग एक-तिहाई ऐसे संवादों में दिखाई दिए जो विज्ञापित उत्पाद या सेवा से पूरी तरह से अप्रासंगिक थे। यह बेमेल संकेत देता है कि जहाँ Large Language Model (LLM) मानव जैसा टेक्स्ट जेनरेट करने में उत्कृष्ट है, वहीं विज्ञापन रिट्रीवल और कॉन्टेक्स्टुअल मैपिंग के लिए जिम्मेदार माध्यमिक परत (secondary layer) उच्च सटीकता बनाए रखने में संघर्ष कर रही है।
LLM एडवरटाइजिंग में प्रिसिजन बनाम प्रोबेबिलिटी
एक LLM के भीतर विज्ञापन का मौलिक वादा "इंटेंट-बेस्ड टारगेटिंग" (मंशा-आधारित लक्ष्यीकरण) की अवधारणा पर आधारित है। पारंपरिक कीवर्ड सर्च के विपरीत, जहाँ एक विशिष्ट शब्द से विज्ञापन ट्रिगर होता है, ChatGPT विज्ञापनों का उद्देश्य एक लंबे संवाद के सिमेंटिक कॉन्टेक्स्ट (अर्थपूर्ण संदर्भ) द्वारा ट्रिगर होना है। सिद्धांत रूप में, यदि कोई उपयोगकर्ता ऑर्गेनिक गार्डनिंग के बारे में पूछता है, तो मॉडल को उच्च गुणवत्ता वाली मिट्टी या हेरलूम सीड्स (heirloom seeds) का सुझाव देना चाहिए।
हालाँकि, Searchable की रिपोर्ट संकेत देती है कि वर्तमान कार्यान्वयन अक्सर इस परीक्षण में विफल रहता है। जब 33% विज्ञापनों को अप्रासंगिक माना जाता है, तो यह इस बात की ओर इशारा करता है कि विज्ञापन इंजन बातचीत की बारीकियों (nuances) की व्याख्या करने में विफल हो रहा है। इसके कई तकनीकी कारण हो सकते हैं:
- Context Window की सीमाएँ: विज्ञापन इंजन समग्र विषय के बजाय बातचीत के हालिया टर्न (turns) पर ध्यान केंद्रित कर सकता है।
- Semantic Drift: मॉडल जटिल, मल्टी-टर्न संवादों के दौरान उपयोगकर्ता की मंशा को गलत समझ सकता है।
- Heuristic Failures: विज्ञापन दिखाने के लिए सिस्टम वास्तविक सिमेंटिक समझ के बजाय व्यापक कीवर्ड ट्रिगर्स पर निर्भर हो सकता है।
AI इकोसिस्टम के लिए यह क्यों महत्वपूर्ण है
यह घटनाक्रम "Agentic Web" के भविष्य के लिए एक महत्वपूर्ण लिटमस टेस्ट है। जैसे-जैसे कंपनियाँ पारंपरिक सर्च इंजन से AI असिस्टेंट की ओर बढ़ रही हैं, मुद्रीकरण (monetization) मॉडल को विकसित होना चाहिए ताकि यह सुनिश्चित हो सके कि वे उपयोगकर्ता अनुभव को खराब न करें। LLMs के ऊपर काम करने वाले संस्थापकों और डेवलपर्स के लिए, यह एक महत्वपूर्ण चुनौती को उजागर करता है: राजस्व धाराओं (revenue streams) को एकीकृत करते हुए उच्च उपयोगिता बनाए रखना।
यदि OpenAI प्रासंगिकता की समस्या को हल नहीं कर पाता है, तो उन्हें "प्रॉम्प्ट फटीग" (prompt fatigue) का जोखिम उठाना पड़ सकता है, जहाँ उपयोगकर्ता दखल देने वाले, असंबद्ध विज्ञापनों से बचने के लिए कन्वर्सेशनल असिस्टेंट को अनदेखा करना या सक्रिय रूप से उससे बचना शुरू कर देते हैं। विज्ञापनदाताओं के लिए, अप्रासंगिकता की उच्च दर विज्ञापन खर्च की महत्वपूर्ण बर्बादी है, जो संभावित रूप से AI-एकीकृत मार्केटिंग को अपनाने की गति को धीमा कर सकती है।
मुख्य बातें
- महत्वपूर्ण प्रासंगिकता अंतराल: जुलाई और अगस्त 2026 के बीच ChatGPT में दिखाए गए एक-तिहाई विज्ञापन उपयोगकर्ता की चल रही बातचीत के लिए अप्रासंगिक पाए गए।
- इंटेंट मैपिंग की विफलता: डेटा बताता है कि वर्तमान AI विज्ञापन इंजन LLM संवादों के जटिल सिमेंटिक कॉन्टेक्स्ट के साथ उत्पाद प्रस्तावों को सटीक रूप से मैप करने में संघर्ष कर रहे हैं।
- यूज़र एक्सपीरियंस का जोखिम: विज्ञापनों की अप्रासंगिकता की उच्च दर उपयोगकर्ता प्रतिधारण (user retention) के लिए खतरा पैदा करती है और AI-संचालित पर्सनलाइज्ड सर्च के प्राथमिक मूल्य प्रस्ताव (value proposition) को कमजोर कर सकती है।
AI-विजिबिलिटी प्लेटफॉर्म Searchable के एक नए विश्लेषण के अनुसार, OpenAI के ChatGPT ने लगभग एक-तिहाई मामलों में ऐसे विज्ञापन दिखाए जो लक्ष्य से चूक गए। अध्ययन में, जिसने 4 जुलाई और 4 अगस्त, 2026 के बीच 11,000 से अधिक विज्ञापन इंप्रेशन दर्ज किए, पाया गया कि उनमें से कई विज्ञापनों का आसपास की बातचीत से कोई संबंध नहीं था।
डेटा क्या दिखाता है
Searchable ने ChatGPT इंटरफ़ेस में वास्तविक समय की उपयोगकर्ता बातचीत की जांच की, और संवाद के साथ दिखाई देने वाले प्रत्येक विज्ञापन को ट्रैक किया। शोधकर्ताओं ने लगभग 33% विज्ञापनों को चर्चा किए जा रहे विषय से असंबंधित माना। सिद्धांत रूप में, यदि कोई उपयोगकर्ता ऑर्गेनिक गार्डनिंग के बारे में पूछता है, तो मॉडल को उच्च गुणवत्ता वाली मिट्टी या हेरलूम सीड्स का सुझाव देना चाहिए।
यह बेमेल वादे किए गए "इंटेंट-बेस्ड" टारगेटिंग और वर्तमान सिस्टम द्वारा प्रदान की जाने वाली सेवा के बीच के अंतर को दर्शाता है। पारंपरिक ऑनलाइन विज्ञापन तब चलते हैं जब कोई विशिष्ट कीवर्ड दिखाई देता है; ChatGPT के विज्ञापनों को मल्टी-टर्न बातचीत के गहरे सिमेंटिक अर्थ पर आधारित होना चाहिए। डेटा बताता है कि अंतर्निहित इंजन अभी भी सतही संकेतों (surface-level cues) पर बहुत अधिक निर्भर है।
इंजन क्यों लड़खड़ा रहा है
Searchable की रिपोर्ट में तीन तकनीकी कारणों का उल्लेख किया गया है जो संभवतः इस अप्रासंगिकता का कारण बनते हैं:
- Context-window की सीमाएं – ऐसा प्रतीत होता है कि विज्ञापन चयनकर्ता (ad selector) उपयोगकर्ता के सबसे हालिया संवाद को प्राथमिकता देता है, और उन पिछले संवादों को अनदेखा कर देता है जो समग्र विषय निर्धारित करते हैं। यदि बातचीत धीरे-धीरे बदलती है, तो सिस्टम मुख्य इरादे (core intent) के बजाय किसी क्षणिक वाक्यांश पर ध्यान केंद्रित कर सकता है।
- Semantic drift (अर्थगत विचलन) – लंबे संवादों में मॉडल मूल विषय से भटक सकता है, और बाद के किसी प्रश्न को एक नया इरादा मान सकता है। इस विचलन के कारण विज्ञापन इंजन गलत 'सिमेंटिक बकेट' (semantic bucket) से विज्ञापन चुन सकता है।
- Heuristic shortcuts (अनुमानित शॉर्टकट) – विज्ञापन प्रणाली के शुरुआती संस्करण पूर्ण-वाक्य एम्बेडिंग (full-sentence embeddings) के बजाय व्यापक कीवर्ड मिलान पर निर्भर करते हैं। ऐसे शॉर्टकट सरल प्रश्नों के लिए तो काम करते हैं, लेकिन जब बारीकियों (nuance) की बात आती है, तो वे विफल हो जाते हैं।
इनमें से कोई भी समस्या केवल विज्ञापन तक सीमित नहीं है; ये बड़े भाषा मॉडल (LLMs) को किसी भी ऐसे कार्य में लागू करने की व्यापक चुनौतियों को दर्शाती हैं जिनमें निरंतर समझ (sustained comprehension) की आवश्यकता होती है।
किसे नुकसान हो सकता है
प्रासंगिकता का यह अंतर तीन समूहों के लिए महत्वपूर्ण है:
- उपयोगकर्ता (Users) – विषय से हटकर विज्ञापनों का बार-बार सामना करने से असिस्टेंट पर भरोसा कम हो सकता है। जब अनुभव "शोर भरा" (noisy) महसूस होता है, तो उपयोगकर्ता 'प्रॉम्प्ट थकान' (prompt fatigue) का शिकार हो सकते हैं और प्लेटफॉर्म का उपयोग करना पूरी तरह से बंद कर सकते हैं।
- विज्ञापनदाता (Advertisers) – उन इंप्रेशन के लिए भुगतान करना जो कभी भी लक्षित दर्शकों तक नहीं पहुँचते, बजट की बर्बादी है। यदि खर्च का एक तिहाई हिस्सा कोई प्रासंगिक तालमेल (contextual alignment) नहीं दिखाता है, तो विज्ञापन खर्च पर रिटर्न (return on ad spend) तेजी से गिरता है, जिससे ब्रांड AI-संचालित प्लेसमेंट में फंड आवंटित करने से कतराते हैं।
- OpenAI और उभरता हुआ "agentic web" – कन्वर्सेशनल AI से कमाई करने की क्षमता, उपयोगिता से समझौता किए बिना राजस्व धाराओं (revenue streams) के सटीक एकीकरण पर टिकी है। प्रासंगिकता की निरंतर समस्याएँ सर्च-इंजन-केंद्रित मॉडलों से असिस्टेंट-केंद्रित मॉडलों की ओर बदलाव को रोक सकती हैं।
निष्कर्ष
Searchable का विश्लेषण यह सिद्ध करता है कि ChatGPT के भीतर इरादा-आधारित (intent-based) विज्ञापन अभी भी विकास के चरण में हैं। एक-तिहाई विज्ञापनों के बातचीत के संदर्भ से मेल न खाने के कारण, इस तकनीक के सामने एक निर्णायक परीक्षा है: क्या यह अपने सिमेंटिक मैपिंग (semantic mapping) को इतनी तेजी से सुधार सकती है कि उपयोगकर्ता व्यस्त रहें, विज्ञापनदाता संतुष्ट रहें और व्यापक AI-असिस्टेंट अर्थव्यवस्था व्यवहार्य बनी रहे।