智能变现：LLM 平台上的广告与订阅设计

引入广告的大语言模型（LLM）平台必须决定，广告收入应资助多高的服务能力，以及消费者应支付多少费用才能免看广告。我们研究了一个垄断平台：在广告降低用户价值、而更优质的服务提高广告回报的情况下，该平台联合选择需要付出成本的响应质量、广告强度和订阅价格。研究得出三项发现。第一，当部分由广告支持的套餐与无广告套餐并存时，广告可以为在纯订阅模式下无法获得任何服务的消费者提供资金支持，使其获得有用的服务。中档套餐较低的有效质量削弱了高端用户可选择的替代方案，从而使平台能够在无广告服务保持不变的情况下提高价格。一些完全由广告支持的用户获得了更高效用，而部分由广告支持的用户和无广告用户的效用则有所下降：更广泛的服务覆盖可以与效用两极分化并存。第二，适中的广告上限可以使消费者剩余最大化，因为它既保留了部分用于资助服务的收入，又限制了服务体验的劣化。第三，更低的算力成本可以提高质量并降低广告强度，但如果成本降幅足够大，广告总收入可能超过初始水平，因为更优质的服务提升了剩余含广告交互的价值。一项扩展分析表明，由广告资助的升级可以使不同套餐达到相同的最高服务能力和广告曝光水平，从而消除差异定价的基础。这些结果表明，套餐组合设计是评估 LLM 广告的核心：其影响不仅涉及看到广告的用户，还涉及不看广告的用户所面对的替代方案和价格。