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

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

API katalog baru Shopify, diumumkan minggu lalu, sekarang mari agen seperti kebingungan membaca judul, harga, dan inventaris untuk setiap SKU Shopify secara real time, tidak diperlukan gesekan. Sementara itu, pengalaman berbelanja AI awal dari chatgpt ke agen acara “beli untuk saya” Amazon yang dapat meneliti, memperbaiki, dan bahkan check out dalam satu aliran percakapan. Bersama -sama, perkembangan infrastruktur ini mengubah jawaban percakapan menjadi inventaris iklan yang dapat dibeli – tidak mengunci kurva pengeluaran eksplosif yang diperkirakan.

Dari kebersihan pakan hingga keunggulan penemuan

Tidak seperti iklan pencarian tradisional yang muncul di samping Blue Links, iklan pencarian AI akan diterjemahkan di dalam jawaban percakapan itu sendiri. Ini mewakili apa yang didefinisikan Emarketer sebagai “jawaban yang disponsori, menyebutkan merek, dan tautan afiliasi yang tertanam dalam ringkasan yang dihasilkan AI atau respons percakapan”-pergeseran mendasar yang berarti agen AI membutuhkan judul produk yang diperkaya, atribut terperinci, dan status inventaris waktu nyata untuk menempati peringkat atau permukaan yang disponsori “disponsori” secara efektif.

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

Ini menciptakan tantangan optimasi yang sama sekali baru untuk merek. Keberhasilan membutuhkan memperlakukan metafield Shopify, 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 di dalam obrolan,” kata ahli pasar ritel Scot Wingo dalam sebuah artikel yang memetakan ekosistem agen AI. Ini membutuhkan umpan produk real-time sebagai fondasi, ditambah pemrosesan pembayaran yang aman dalam platform AI atau integrasi mulus yang mengarahkan ke checkout pengecer-tanpa data produk yang akurat, tidak ada jalur yang berfungsi.

Hoki baru dari pertumbuhan media

Proyek lintasan lintasan – dari $ 1 miliar hingga $ 25 miliar dalam lima tahun – mengikuti pola yang akrab 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% perencanaan untuk melakukannya tahun ini. Tugas Belanja Konsumen menggunakan AI untuk termasuk:

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

Media ritel meledak begitu pedagang hanya membalik pada daftar yang disponsori di taman bertembok mereka sendiri – membakar inventaris, pengembalian segera untuk pengeluaran iklan. Sektor ini memulai sprint sembilan tahun yang lalu dan sudah menjadi item baris $ 60-plus-miliar hari ini, sedangkan 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 terhubung dengan kemampuan checkout-baik melalui pemrosesan pembayaran langsung atau integrasi pengecer yang mulus. Titik belok antara tahun 2027 dan 2028, ketika proyek -proyek eMarketer membelanjakan untuk melonjak dari $ 4,77 miliar menjadi $ 12,65 miliar, kemungkinan bertepatan dengan platform yang meluncurkan lapisan penempatan premium di atas umpan katalog gratis mereka.

Untuk merek dan agensi yang membeli media, garis waktu ini menunjukkan eksperimen segera dengan anggaran sederhana, diikuti oleh investasi yang lebih agresif saat infrastruktur matang. 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 sudah menyimpang pada pendekatan mereka.

Baru -baru ini saya menulis bagaimana Walmart mengejar jalur ganda: membangun agen belanja mereka sendiri sambil menjelajahi teknologi yang memungkinkan konsumen untuk berbelanja bermacam -macam Walmart menggunakan agen belanja pribadi pilihan mereka. Ini kontras dengan pendekatan taman bertembok Amazon – mengembangkan alat AI berpemilik termasuk Rufus, Alexa+, dan “Buy for Me” sambil memblokir agen eksternal dari mengakses platformnya.

Sementara itu, platform multi-pedulter seperti kemitraan Shopify dengan kebingungan mewakili model ketiga: pengalaman berbelanja lintas-retail yang disatukan. 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 semakin buram

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

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

Tantangan ini melampaui 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 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 seterusnya akan semakin miring ke arah pencarian bertenaga AI karena antarmuka percakapan menjadi saluran penemuan utama.

Bersiap untuk Iklan Pencarian AI

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

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

Jason Goldberg, Kepala Pejabat Strategi Perdagangan di Publicis Commerce, menekankan tantangan organisasi dalam buku putih baru: “Perusahaan yang berkembang dalam lanskap pencarian AI baru tidak akan menjadi yang paling keras – mereka akan menjadi yang paling mudah beradaptasi.” Analisisnya baru -baru ini tentang gangguan perdagangan AI menunjukkan merek harus “mengoptimalkan produk dan konten untuk LLM” sementara secara bersamaan mengujicobakan “kemitraan perdagangan AI” dengan platform yang muncul.

Matematika di balik proyeksi EMarketer $ 25 miliar menjadi jelas ketika mempertimbangkan perkembangan infrastruktur ini. Umpan produk yang hanya pernah melayani hanya perbandingan mesin belanja atau situs web pengecer sekarang mendukung AI percakapan yang dapat meneliti, merekomendasikan, dan bertransaksi secara mandiri. Dikombinasikan dengan meningkatnya 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 pada posisi yang kurang menguntungkan ketika pencarian percakapan menjadi lebih umum.