Mengapa iklan pencarian AI dapat mencapai $ 25 miliar pada tahun 2029

Emarketer sekarang memproyeksikan pengiklan AS akan menuangkan lebih dari $ 25 miliar-14% dari semua anggaran pencarian dalam hasil pencarian bertenaga AI pada tahun 2029. Lompatan ini hanya dari $ 1,04 miliar tahun ini tidak berpikir: di belakang layar, platform ini adalah antarmuka produk terstruktur langsung ke antarmuka produk besar (LLM).

API Katalog Shopify Baru, diumumkan minggu lalu, sekarang mari kita ingin bingung membaca judul, harga, dan inventaris untuk setiap SKU Shopify secara real time, tidak diperlukan gesekan. Sementara itu, pengalaman berbelanja awal dari chatgpt ke acara “Beli untuk saya” yang dapat memeriksa, meningkatkan, dan bahkan memeriksa dalam aliran percakapan. Bersama -sama, pengembangan infrastruktur ini mengubah jawaban percakapan menjadi inventaris iklan yang dapat dibeli -tidak mengunci kurva pengeluaran bahan peledak yang diperkirakan.

Dari kebersihan pakan hingga keuntungan penemuan

Tidak seperti iklan pencarian tradisional yang muncul di sebelah Blue Links, iklan pencarian AI akan diterjemahkan ke dalam jawaban untuk percakapan itu sendiri. Ini mewakili apa yang didefinisikan sebagai emarketer sebagai jawaban yang disponsori, menyebutkan merek, dan tautan afiliasi yang tertanam dalam ringkasan yang diproduksi oleh AI atau respons percakapan “-Hy shift forundamental yang berarti agen AI membutuhkan judul produk yang diperkaya, atribut terperinci, dan status inventaris waktu nyata.

Infrastruktur untuk pergeseran ini dengan cepat jatuh ke tempatnya. Shopify Catalog API, diluncurkan dengan tenang selama edisi musim panas perusahaan perusahaan '25 perusahaan pada 21 Mei, selama “satu mesin yang dapat dibaca dari setiap produk yang diterbitkan di Shopify,” menurut Gavin McKew, direktur di Shero Commerce, yang menghadiri Konferensi Pengembangan Shopify. “Aplikasi penemuan seperti chatgpt, kebingungan, atau kopilot dapat menarik judul, harga, tingkat stok, taksonomi, dan atribut yang diperkaya secara real time. Tidak ada erosi, tidak ada jeda harian.”

Ini menciptakan tantangan optimasi yang sama sekali baru untuk merek. Keberhasilan membutuhkan memperlakukan Shopify Metafield, deskripsi produk, dan data terstruktur bukan karena pekerjaannya tetapi sebagai input media kinerja. Saran McKew kepada pedagang mencerminkan pergeseran ini: “Perlakukan setiap bidang produk seperti salinan iklan. Isi MetaField standar dan kencangkan deskripsi.”

“Aliran agen-commerce yang kredibel harus membiarkan pelanggan melihat produk dan membelinya dalam obrolan,” kata pakar pasar ritel Scot Wingo dalam sebuah artikel yang memetakan ekosistem agen AI. Ini membutuhkan umpan produk real-time sebagai yayasan, ditambah pemrosesan pembayaran yang aman pada platform AI atau integrasi yang lancar yang mengarahkan untuk memeriksa pengecer data produk yang akurat, tidak ada jalur fungsional.

Hoki baru dari pertumbuhan media

Proyek Path – dari $ 1 miliar hingga $ 25 miliar dalam lima tahun – mengikuti pola dekat dalam evolusi iklan digital. Media ritel membutuhkan waktu sekitar lima tahun untuk mencapai skala yang sama (dari $ 1 miliar hingga $ 30 miliar dalam pendapatan iklan), sementara iklan pencarian dan sosial masing -masing membutuhkan kerangka waktu yang lebih lama. Iklan pencarian AI tampaknya diposisikan untuk mencocokkan kurva adopsi cepat media ritel.

Sebuah survei Adobe terhadap 5.000 konsumen AS mengungkapkan bahwa 39% telah menggunakan AI generatif untuk belanja online, dengan 53% berencana untuk melakukan ini tahun ini. Tugas Belanja Konsumen Menggunakan AI Untuk Masuk:

• Melakukan penelitian (55% responden)
• Menerima rekomendasi produk (47%)
• Mencari penawaran (43%)
• Dapatkan Ide Sekarang (35%)
• Temukan Produk Unik (35%)
• Buat daftar belanja (33%).

Media ritel meledak begitu pedagang hanya terbalik dalam daftar disponsori di taman bertembok mereka sendiri – Burning Inventory, pengembalian langsung untuk pengeluaran iklan. Sektor ini memulai sprint sembilan tahun yang lalu dan telah menjadi deretan $ 60-plus-miliar hari ini, sementara pencarian AI baru saja memasuki tahun pertama.

Pencarian AI membutuhkan infrastruktur yang lebih kompleks sebelum pengiklan mendorong anggaran besar. Umpan data produk yang bersih dan real-time harus dikaitkan dengan kemampuan untuk memeriksa baik melalui pemrosesan pembayaran langsung atau memfasilitasi integrasi pengecer. Giliran belokan antara tahun 2027 dan 2028, ketika proyek -proyek emarketer dihabiskan melonjak dari $ 4,77 miliar menjadi $ 12,65 miliar, kemungkinan akan bertepatan dengan platform yang meluncurkan lapisan penempatan premium pada katalog gratis mereka.

Untuk merek dan agensi yang membeli media, garis waktu ini menunjukkan eksperimen langsung dengan anggaran sederhana, diikuti oleh investasi yang lebih agresif selama infrastruktur dewasa. Merek yang menjalin hubungan dengan platform AI dan mengoptimalkan data produk mereka sekarang akan diposisikan untuk skala ketika inventaris iklan menjadi tersedia secara luas.

Pengecer memilih jalur AI yang berbeda

Munculnya agen belanja AI memaksa pengecer untuk membuat pilihan strategis tentang bagaimana mereka ingin berpartisipasi dalam perdagangan percakapan. Dua pendekatan berbeda muncul, dengan implikasi untuk merek yang merencanakan strategi iklan pencarian AI mereka.

Pengecer telah menyimpang dalam pendekatan mereka.

Saya baru saja menulis bagaimana Walmart mengejar jalur ganda: membangun agen belanja mereka sendiri sambil menjelajahi teknologi yang memungkinkan konsumen untuk berbelanja di berbagai Walmart menggunakan pilihan agen belanja pribadi mereka. Ini berbeda dari pendekatan file Amazon – mengembangkan perangkat AI yang dimiliki termasuk Rufus, Alexa+, dan “Buy for Me” sambil memblokir agen eksternal dari mengakses platform.

Sementara itu, platform multi-edulter seperti Shopify Partnerships dengan kebingungan mewakili model ketiga: pengalaman berbelanja untuk United Cross-Detailed. Pengguna dapat menemukan produk melalui pencarian AI, membandingkan opsi di beberapa toko Shopify, dan menyelesaikan pembelian menggunakan Shop Pay, semuanya dalam satu pengalaman percakapan.

Untuk merek, strategi pengecer yang berbeda ini menciptakan keputusan rumit tentang prioritas platform dan alokasi anggaran di berbagai lingkungan perbelanjaan AI.

Atribusi media lebih buram

Pengalaman berbelanja yang kuat menciptakan tantangan pengukuran baru yang akan menambah masalah atribusi media ritel yang ada. Ketika transaksi dimulai dalam percakapan dan antarmuka yang lengkap melalui berbagai sistem checkout, kategorisasi anggaran tradisional rusak.

Jika belanja menggunakan kebingungan untuk memeriksa “headphone nirkabel di bawah $ 200,” menerima rekomendasi yang ditenagai oleh AI, dan kemudian membeli melalui kebingungan menggunakan pembayaran toko, apakah penjualan termasuk dalam anggaran “pencarian,” atau “afiliasi”? Model atribusi tradisional tidak dirancang untuk transaksi yang dimulai dalam obrolan dan lengkap di dompet pedagang.

Tantangan ini melebihi klasifikasi anggaran sederhana. Tim pemasaran akan membutuhkan kerangka kerja baru untuk melacak dan mengoptimalkan pengeluaran di seluruh antarmuka percakapan, terutama karena platform ini mengembangkan inventaris iklan mereka sendiri. Kompleksitas meningkat ketika mempertimbangkan bahwa agen AI tunggal dapat menjadi sumber informasi produk dari banyak pengecer, membandingkan harga lintas -platform, dan menyelesaikan transaksi melalui sistem yang sama sekali berbeda.

Bahkan pada proyeksi skala $ 25 miliar pada tahun 2029, iklan pencarian AI akan tetap lebih kecil dari media ritel dalam dolar absolut. Tetapi pertumbuhan iklan tambahan dari tahun 2027 dan sebagainya akan lebih miring ke arah pencarian kekuatan karena antarmuka percakapan menjadi saluran penemuan utama.

Mempersiapkan Iklan Pencarian AI

Konvergensi umpan data dan iklan pencarian AI menciptakan keuntungan mengemudi pertama untuk merek yang bersedia memperlakukan sistem ini sebagai tantangan yang terintegrasi daripada terpisah. Keberhasilan membutuhkan penyelarasan antara tim yang secara tradisional mengelola informasi produk, pembelian media, dan infrastruktur teknologi.

Infrastruktur teknis dengan cepat matang di luar pendekatan Shopify. Standar seperti model konteks protokol antropik (MCP) menciptakan jumlah “USB-C untuk agen AI”-koneksi standar yang memaparkan produk, inventaris, program loyalitas, dan kemampuan checkout ke model AI yang sesuai. Ini memberi pengecer kesempatan untuk berpartisipasi dalam beberapa pasar AI tanpa mengirim data pelanggan atau kontrol harga.

Jason Goldberg, kepala Pejabat Strategi Perdagangan di Publicis Commerce, menekankan tantangan organisasi dalam buku putih baru: “Perusahaan yang berkembang di lanskap pencarian AI baru tidak akan menjadi yang paling sulit – mereka akan menjadi yang paling mudah beradaptasi.” Analisis baru gangguan perdagangan AI menunjukkan bahwa merek tersebut harus “mengoptimalkan produk dan konten untuk LLM” sambil secara bersamaan menguji “kemitraan perdagangan AI” dengan platform yang muncul.

Matematika di balik proyeksi emarketer $ 25 miliar jelas ketika mempertimbangkan pengembangan infrastruktur ini. Umpan produk yang hanya melayani hanya perbandingan mesin belanja atau situs web pengecer sekarang mendukung percakapan yang dapat memeriksa, merekomendasikan, dan bertransaksi secara mandiri. Dikombinasikan dengan peningkatan adopsi konsumen, fondasi ini ada untuk perkiraan pertumbuhan eksplosif.

Merek yang memperlakukan data produk dan strategi media sebagai prioritas yang terhubung akan diposisikan lebih baik sebagai skala iklan pencarian AI. Mereka yang terus mengelola inisiatif AI secara terpisah dari operasi perdagangan inti mereka mungkin menemukan diri mereka dalam posisi yang tidak menguntungkan ketika pencarian percakapan menjadi lebih umum.