)
){kind=small}
在移动应用营销中，用户获取一直依赖于付费与自然渠道的有效结合，以推动相辅相成的增长。自然渠道方面侧重于应用商店优化 (ASO) 驱动的应用商店搜索、关键词和分类排名，其次是网页和移动网页上的搜索引擎优化排名 (SEO ranking)；而付费广告渠道则帮助营销人员跨渠道、跨平台、跨设备地触达更广泛的受众。随着用户更多地开始转向生成式人工智能 (AI) 技术获取更直接、更个性化的答案，类似 ChatGPT、Google 的 Gemini 和 Anthropic 的 Claude 等等这样的大型语言模型 (LLM) 现已成为新的应用发现渠道。根据 Gartner 的预测，到 2026 年，传统搜索引擎的使用量预计将下降 25%，而自然流量预计到 2028 年将减少多达 50%。
LLM 的吸引力在于，它能够最大限度地帮助用户降低海量搜索结果浏览或点击多个网站获取信息的麻烦。例如，用户只需问一句 “适合新手的健身应用有哪些？”，就能立刻获得推荐。这些工具充当答案引擎，能实时识别意图、生成响应，并直接链接到应用网站或服务。
对于移动营销人员来说，这种转变对长期以来的传统做法提出了挑战，但同时，也带来了全新的获客机遇，即在自然和付费渠道都能接触到用户。例如，ChatGPT 已经为网站和应用商店落地页带来了肉眼可见的推荐流量，而像 Perplexity 和 Bing 聊天机器人这样的平台则正在进行 AI 问答响应中的原生广告格式的相关测试。在这种 AI 大趋势环境下，移动营销增长团队现在必须要对应用推广的可见性、创意策略和推广表现评估进行重新审视和思考。
通往 LLM 广告之路如何开启？
ChatGPT 在 2022 年底推出时，两个月内的用户数量就达到 1 亿，成为历史上增长最快的消费类应用。2023 年初，Microsoft 也在自家的 Bing Chat 中集成了 ChatGPT。Google 紧随其后推出了 Gemini，并嵌入搜索生成体验 (SGE)。其他各大平台迅速跟进，纷纷推出了对话式、引用丰富的传统搜索替代方案。
但这种 AI 驱动型答案潮流的转变并非一蹴而就。搜索引擎早已逐步转向更直接的呈现方式。Google 的精选摘要 (featured snippets)、知识图谱 (Knowledge Graph) 和语音助手早已让用户习惯了 “即时回答”。2024 年，美国近 60% 的搜索并未点击外部网站，这种趋势被称为零点击搜索。而在移动设备上，语音搜索进一步助长了这一趋势，Google 应用中每 5 次搜索就有 1 次是语音查询，通常仅返回一条语音响应。LLM 所做的，就是将这一体验扩展到了文本，并提供更多互动性。
根据最近的一项调查显示，超过 80% 的搜索用户会依赖 AI 生成的内容摘要，至少有 40% 的用户会以 AI 总结的搜索结果作为参考。68% 的生成式 AI 用户用其进行调研，48% 用于实时信息更新，42% 则用于购物推荐和决策支持。Sensor Tower 报告称，2025 年 4 月，近三分之一 (31%) 的搜索引擎应用用户也使用了 ChatGPT，而 2024 年同期这一比例仅为 13%。这些数字表明，用户正越来越多地依赖 LLM 进行搜索与决策。
这对移动营销人员有何影响？
首先，大语言模型正在迅速崛起，成为移动应用的一个高速增长的自然发现渠道。用户提出问题，或提供 “最适合情侣的预算应用” 或 “100 美元以内的最佳健身跟踪器” 等提示，从而获得直接推荐，包括具体的应用名称和链接。
与传统搜索或应用商店不同，LLM 的推荐机制会优先呈现最契合用户提问、并在当下最具价值或可信度的内容。通常这些模型不会返回太多结果——您的应用要么出现在结果里，要么根本不在其中。在这种极度有限且竞争激烈的展示环境下，每一个推荐位都变得愈发稀缺，所带来的用户价值也随之升高。
如果您的应用获推荐，可以跟踪由此产生的流量。某些平台 (例如 ChatGPT) 现在可以支持为外链添加 UTM 跟踪参数，使营销人员能够跟踪来自这些来源的流量和安装。许多品牌已经在其数据分析中看到了来自 AI 平台的可衡量的推荐流量。这也催生了一个新兴的概念——生成式引擎优化 (GEO)，即通过策略性优化，提升品牌网站和应用出现在 LLM 推荐中的几率。
要在这个新的自然渠道中保持竞争力，移动营销人员应重点关注以下几点：
随着 LLM 推荐机制逐步成为一种主流渠道，谁能优先布局、积极优化，谁就更有可能在竞争中占据优势。
LLM 平台正在重塑广告行业
多个 LLM 平台正在吸引广告主的兴趣，其中一些平台已经在测试或推出原生广告格式。其他平台则正在迅速扩大规模，可能很快就会为广告主推出相关选项。现状概览：
ChatGPT (OpenAI)
2025 年初，ChatGPT 的周活跃用户数突破 8 亿。OpenAI 目前暂无广告，但已公开确认正在进行对话式原生广告格式的内部测试，预计将于未来一年内正式推出。鉴于 ChatGPT 的规模和强大直接的归因潜力，我们应密切关注这些趋势的未来发展。
Gemini (Google)
Gemini 深度融入 Google 的生态系统，为 Bard 和 AI 驱动型 SGE 等知名产品提供支持。Gemini 现已支持 SGE 内的原生广告投放，Google 正在积极扩展这些广告格式。Gemini 拥有约 4 亿月活跃用户，特别适合已熟悉 Google 广告体系的移动营销人员尝试。
Claude (Anthropic)
Anthropic 的 Claude 以注重安全性和上下文理解而闻名，目前每月吸引约 1600 万次访问。虽然 Claude 尚未开启广告功能，但来自 Google 的战略投资显示其商业化计划正在推进。Claude 也被集成至 Poe、DuckAssist 等第三方工具中，显示出未来潜在的巨大影响力和变现路径。
文心一言 (百度)
百度的文心一言 (Ernie Bot) 拥有约 7860 万月活跃用户，已深度嵌入百度搜索与广告生态系统，并正在积极尝试对话式广告增强功能。 对于中国市场的移动广告主来说，Ernie Bot 是一个成熟的实验场，可用于测试并优化以用户提问为基础的广告交互体验。
深度求索 (DeepSeek AI)
深度求索 (DeepSeek) 是来自中国的一款开源 LLM，因其强大的多语言和代码生成能力而受到广泛关注。截至 2025 年 4 月，DeepSeek 报称全球每月活跃用户数达到 9688 万。虽然它尚未支持广告，但用户增长强劲，企业级应用广泛，未来极可能引入如 “赞助推荐” 等变现功能。
Perplexity
Perplexity 目前每月均会处理超过 1 亿项用户查询，同时还在积极测试对话式广告格式，包括赞助跟进弹窗和上下文触发推荐结果。其用户群以研究导向型查询和高转化意图为特点，为营销人员提供了精准的定向机会，因此特别适合推广垂类应用或精准定位应用。
Meta AI (LLaMA)
Meta 的 AI 平台 LLaMA 已经嵌入 WhatsApp、Instagram 和 Messenger，成为 Meta 用户日常移动互动的重要组成部分。虽然 LLaMA 目前不支持广告，但业内消息表明 Meta 正在积极探索变现策略，包括可能将广告整合至 AI 驱动型界面中。
LLM 广告的现状与未来展望
对话式 AI 平台正在逐步引入广告位，这些广告数量有限，但高度贴合上下文场景。部分广告形式已经上线，另一些还处于测试或早期投放阶段，具体进展因平台而异。根据已经上线和正在测试的情况，广告主可以预期将出现以下几种核心广告形态：
- 原生文本建议： 这些是在 AI 回复后出现的广告弹窗，格式类似于聊天界面中的自然后续问题。这类广告以提示语的形式出现，紧跟在 AI 的回答之后，外观上类似用户在聊天界面中提出的自然后续问题回复。以 Perplexity 为例，其目前正处于实验性推出阶段，包含受广告赞助的后续问题和相关的付费提问功能。这些广告单元通常出现在 “其他人还问到” 的相关问题部分，其中第一个后续问答可能就是广告。所有广告内容都会被明确标注为赞助内容，并且回答由 Perplexity 的 AI 生成，而非广告主撰写或修改。这种方法既能保持平台的基调和结构，又让品牌自然嵌入上下文，不影响用户体验。
- 赞助链接： 这些是视觉独特的广告单元，会显示在聊天界面中的 AI 回复下方。例如，在 Snapchat 的 My AI 中，系统会根据用户的提问触发相关的 “赞助结果”，并在视觉上清晰标注为广告。虽然这些广告本身并不是 AI 回答的一部分，但会嵌入到对话流程中，让人感到信息及时并且有用。
- 互动式产品展示： 这种形式以卡片方式呈现，包含图片、简短描述和可点击探索的交互内容，通常用于响应用户的查询。例如，Amazon 推出的 Rufus，就会在 AI 回答的下方直接显示这些卡片，展示具体的产品类别。虽然并非所有展示内容都属于广告，但这一格式天然适用于产品发现流程，尤其适合移动端使用，并具备未来商业化的潜力。
)
- AI 响应中的嵌入式广告： 一些平台和研究原型正在探索新型广告格式，它可以将赞助内容直接整合进 AI 生成的回复中。这类广告并非出现在回答之后 (如后续提示或赞助链接)，而是直接出现在 AI 助手的回答中。例如，AI 可能会回答：“您可以考虑采用产品 X，这是一个评分很高的产品[广告]。” 初步研究表明，这可能会影响用户对 AI 中立性的看法，因此明确标示赞助信息非常重要。
- 对话式广告展示： 这些是互动式广告单元，可以在广告本身内发起 AI 实时对话，通常以横幅广告中，或广告位形式呈现，无需依附于任何助手对话。与原生提示或赞助链接不同，对话式展示广告并不遵循 AI 生成的回复，而是独立运行的交互体验，嵌入在广告横幅或展示位中。它们会根据用户输入动态调整内容，引导用户探索产品或做出购买决策，而无需用户跳出广告界面。例如，床垫公司 Purple 就曾使用该形式，在广告内部提供互动式问答，帮助用户选择最适合自己的床垫。这种格式在移动端尤其有效，能够在关键时刻提供即时决策支持，与用户行为模式高度契合。
LLM 如何决定显示哪些广告？
LLM 平台无需使用设备标识符和行为数据进行定向，而是通过用户实时提问和和会话历史来确定广告的相关性。虽然不同平台处理广告定向的方式各异，但目前大多数基于 LLM 的广告投放可分为以下三类：
- 广泛投放广告 (Broad ads)： 此类广告会在大量不同主题的对话中展示，不依赖用户具体提问，通常用于品牌知名度曝光和识别度提升。示例：洗发水品牌的广告出现在与美发无关的对话场景中。
- 语境相关广告 (Contextual ads)： 这种广告与用户当前的提问直接相关。例如：当用户询问大溪地度假事宜时，AI 就会推荐航班优惠信息。
- 会话上下文广告 (Session-aware ads)： 这类广告基于当前聊天会话中的近期活动进行推荐。示例：用户在对话中多次询问理财话题后，AI 推荐一款记账应用。
这意味着，广告定位逻辑从传统的 “用户长期行为跟踪” 转向 “实时对话意图驱动”，聚焦于用户当下的需求表达。当然，各平台和地区在执行层面仍会有所不同，也会受到地区隐私法规与用户期待的影响。
LLM 广告与搜索广告有何区别？
在 LLM 环境中投放广告，需要一种全新的战略思维方式。传统搜索广告依赖于关键词竞价和预先编写的文案，而 LLM 广告则更关注语义理解、用户意图以及当前对话的上下文。
目前，大多数平台每轮会话只支持少量广告投放，甚至有些平台仍在测试阶段。这也意味着每一个广告机会都更加宝贵。匹配不佳的广告不仅可能被忽视，还可能打断用户对话体验，造成负面影响。
与此同时，这类广告形式也更贴合移动端用户的行为模式：以对话为主导、以意图为驱动，并且期望快速获得价值反馈。因此，市场营销人员应从整体用户旅程的角度进行思考，而非仅关注一次点击或单一展示，创意内容也应能自然融入对话流程，增强互动感与实用性。
以下是 LLM 广告与传统搜索广告的对比：
如何提高应用在 LLM 的自然可见性
虽然基于 LLM 的广告形态仍在持续演进，但 AI 回答中的自然植入，已经悄然影响着用户发现应用的路径。以下是移动增长团队可以立即采取的几种关键策略，帮助提升在 AI 生成内容中的可见度：
优化面向用户的内容，贴合 LLM 提问逻辑
要提升被 AI 发现和推荐的几率，应用内容应尽量贴近用户自然的提问方式，同时与 AI 回答的语气风格保持一致。文案要以结构清晰、语言自然的方式传达产品价值，便于 LLM 准确地复述和推荐。
由于 AI 在生成内容时，常常会将应用原始素材与外部信息 (如评论、评测或编辑推荐) 混合引用，因此确保核心卖点清晰、一致且易于提取至关重要。团队可以借助 ChatGPT 或 Gemini 等工具，测试用户常见查询关键词下应用的呈现方式，并对比竞品表现，识别优化机会。
优化 LLM 的后端输入数据
LLM 会根据提示上下文提供个性化响应。同一应用，在不同的使用意图或用户熟悉程度下，推荐角度也可能不同。虽然营销人员无法直接控制 AI 的回答内容，但他们可以间接影响 LLM 所依赖的输入素材。
结构化资产——例如应用商店页面、元数据、功能列表和常见问题等——有助于 LLM 准确提取并复用真实产品信息。格式清晰、内容规范的资料更易被大语言模型引用，使您的应用在各类查询场景下稳定、准确地被推荐。
强化应用在各个来源的口碑
LLM 在生成推荐时，往往也会参考外部用户评价，包括应用商店评分、评论以及第三方推荐背书等。良好的评分、真实有用的反馈和可信的第三方引用都会影响您的应用是否被推荐，以及呈现时的语气与定位。因此，营销人员应将口碑管理作为 LLM 可见性优化的一部分，确保外部信息传递的产品优势与品牌自身内容形成统一。
跟踪 AI 带来的流量
如前所述，像 ChatGPT 这样的平台已经在外部跳转链接中附加了推荐标识符，例如 utm_source=chatgpt。营销人员应在分析工具中单独配置这类流量来源，便于监测 LLM 渠道带来的实际转化。
此外，还可以通过应用安装后调查问卷 (如 “您是通过哪种方式了解我们的？”) 补充识别未通过点击路径产生的影响，并将 AI 平台设为可选答案项，从而捕捉 AI 引导用户决策的间接影响力。
根据模型更新调整内容策略
LLM 模型本身处于不断更新迭代中，不同版本可能会以不同方式呈现您的应用。因此，建议将提示测试作为持续的内容策略输入，定期刷新查询词，并根据实际展现方式，灵活优化应用描述、优点及结构化字段。
与现有的发现渠道协同推进
提升 LLM 可见性应与现有的获客手段形成协同，协调 SEO、ASO 和 CRM 的各项工作，确保内容在不同触点保持一致性，无论这些信息是被整合到 AI 答案中，在应用商店中展示，还是用于生命周期营销。跨渠道统一的内容输出不仅增强品牌可信度，也有助于在用户心中建立信任。
展望未来
LLM 正迅速成为用户探索和评估移动应用的核心入口之一。随着原生广告格式在 ChatGPT、Gemini 和 Perplexity 等平台上陆续推出，品牌将迎来一波全新的高意图用户交互机会。
想要在竞争中脱颖而出，移动营销团队必须关注产品在 AI 语境下的 “解读方式” ——打造结构化、实用、易被理解的内容。率先行动的广告主，通过调整创意、优化定位策略，并为 “低频但高影响” 的广告位做好准备，将在这个新渠道生态中占据先机。
申请 DEMO，了解 Adjust 如何帮助您在新旧渠道中全面监测、分析并优化用户获取表现。
想要每月获取最新应用洞见吗？立即订阅我们的新闻简报！
继续阅读
)
