ChatGPT Business Hub 上线：12 亿周活与企业可见性

一句话结论：OpenAI 于 2026 年 11 月 10 日推出测试版 Businesses in ChatGPT，把企业认领资料、接入自有商品信息源、发布企业智能体和投放广告整合进同一个入口，面向每周 12 亿 ChatGPT 用户，首批只开放给美国的电商与线上服务企业，官方明确不向企业开放用户原始对话。

生成式搜索时代有一件事正在变成企业的刚需：被模型提到。对话式产品里的品牌曝光不再由广告位排布决定，而由模型是否在回答里引用了你的网站、以及引用了什么口径决定。OpenAI 这次给出的 Business Hub 就是直接对着这件事设计的入口。企业在 ChatGPT 里认领自己的身份，维护资料，提供带价格与库存的商品信息源，然后拿到聚合后的曝光数据。

这套东西最值得注意的地方是它给出的度量口径。Business Hub 提供的洞察包含四项：企业在 ChatGPT 中被提及的次数、企业资料页浏览量、网站点击量，以及 discovery topics（发现主题），也就是对话中反复出现、且引用了该企业网站的话题主题。对做 GEO 的人来说，第四项比前三项都更接近答案本身，因为前三项是结果，第四项是模型理解你的方式。

Business Hub 的四个组成部分

官方把这次发布描述成一套东西，而不是单一功能。拆开看有四个部件，作用各不相同。

认领路径有四条。符合条件的企业可以直接在 Business Hub 里认领；现有 OpenAI Enterprise 客户和广告主可以直接联系 OpenAI 代表认领；Shopify 商家可以从 Business Hub 或者 Shopify 管理后台连接商店来简化验证；已经接入商品的 Shopify 商家，部分符合资格的商品已经通过 Shopify Catalog 进入 ChatGPT。开放范围的层级差异在这里很明显：认领的门槛相对宽，Business Agent 的门槛窄得多。

Business Agent 的行为规范也被写进了产品体验。当企业出现在模型回答里时，用户可以点开看这个企业的 ChatGPT 资料页，如果该企业有 Business Agent，用户可以主动开启对话去问后续问题。这个对话会被清楚标注，和用户最初的 ChatGPT 对话相互独立，也和 ChatGPT 自身的独立回答明确区分。这个设计是为了防止企业智能体的答案被误读成模型自己的结论。

企业能拿到什么数据，拿不到什么

这部分规则划得很清楚，而且划的是 GEO 从业者最关心的边界。

能拿到的是聚合洞察。官方原话是不与用户共享对话，也不会与用户共享与 Business Agent 的聊天记录。洞察以聚合形式提供，只有当对话或互动数量达到特定阈值时才会出现，官方没有披露具体阈值是多少。

这个阈值的存在意味着小体量企业的看板在相当长一段时间里可能是空的。企业要判断自己的资料在模型输出里被怎样呈现，只能通过话题主题这种聚合线索去反推，而不是直接读到具体问法。对预算有限的小品牌来说，这意味着短期内的可见收益可能相当有限。

12 亿周活这个数字意味着什么

官方公告里最有分量的一句是给出连接 12 亿每周使用 ChatGPT 的人。这个数字在此前站内的讨论中已经出现过，当时它是作为搜索侧压力的证据被引用的：ChatGPT 周活 12 亿，搜索量已达谷歌 20%。同一个数字放在这次的语境里，含义从流量侧换到了商业侧。

结合另一条已经发生的变化，链条更清楚。ChatGPT 出版商通道让 12 家媒体的摘要内容占据前三位 70% 的位置，意味着内容供给方已经在 ChatGPT 内部获得了一个可被模型引用的位置。这次新增的 Business Hub 是同一逻辑向企业侧的延伸，区别在于企业提供的不是文章摘要，而是结构化的商品与服务信息，带价格、带库存状态、带可购买性。对电商来说，这种数据的可操作性远高于一篇被摘要的文章。

把这两件事放在一起，OpenAI 的商业化轮廓就浮出来了。企业付费买席位，广告主付费买流量，商家付费让商品信息出现在对话里。三者共用一个入口，ChatGPT 本身仍然是那个聚合入口，广告和商业信息的边界目前靠标注来维持。

自助商品信息源：定价与库存怎么进模型

Business Hub 里最具体的一块是自助商品信息源。企业验证身份之后可以更新关键资料，并添加带价格与库存或可购买状态的自助式商品信息源。官方给出的逻辑是让 ChatGPT 用更准确、更及时的企业资料和商品信息，帮助用户探索产品与服务。

对做 GEO 的人来说，这一段值得反复读。之前模型在商品类问题里给出的价格要么来自训练数据的记忆，要么来自实时抓取的网页，两者都不稳定。前者过期，后者受限于抓取成功率和页面结构。结构化的商品信息源是第三条路，它把企业侧的实时状态直接喂给模型，绕开了抓取环节。

但这条路的门槛写在资格里。Business Agent 当前只面向美国符合条件的电商与线上服务企业，且官方提到另有一份 Business Agents Policy 规定具体资格类别。也就是说，在中国大陆的电商企业短期内无法通过这个入口把商品信息源接进 ChatGPT 的商品推荐链路，这会影响该渠道在国内电商客户中的实际覆盖率。

和 ChatGPT Business、Enterprise 的关系

官方公告没有直接给出功能对照表，这一点需要说清楚，避免过度解读。可以确认的关系有以下几条：

第一，Business Hub 面向的是希望被用户发现、咨询和购买的企业主体，和 ChatGPT Business、Enterprise 这类组织内部生产工具的定位不同。后两者服务的是企业员工怎么用，前者服务的是企业怎么被用户找到。

第二，现有 OpenAI Enterprise 客户在认领环节享有优先路径，可以直接联系 OpenAI 代表。这说明两个体系目前由同一支销售队伍在对接，但官方没有说 Enterprise 套餐是否自带 Business Agent，也没有说 Business Agent 的限额或额外费用。

第三，公告完全没有提到 ChatGPT Business 这个套餐名字，也没有说明 Business Hub 是否包含在订阅里。所以在费用关系上，官方给出的全部信息只有两条：Business Hub 与 Business Agent 的具体价格未披露，ChatGPT Ads 的收费方式未披露，最低广告支出也未披露。

这件事的长期看点

OpenAI 在公告结尾给出了方向性表述：计划把 Businesses in ChatGPT 与 Business Agent 扩展到更多市场和更多企业类别，为需求更复杂的组织开发更多工具，并探索企业在 ChatGPT 之外与客户建立联系的方式，包括直接连接和通过智能体连接。

如果这套机制跑通，它带来的结构性变化是模型的品牌推荐来源被制度化了。过去这个位置由内容稀缺和抓取运气决定，企业只能靠内容策略去碰；有了认领与商品信息源之后，这个位置部分变成了企业可以申领、可以维护、可以付费投放的资产，同时那些维护成本会转化为新的成本门槛。官方目前用标注来隔离商业内容与模型独立回答，说明这条隔离线会成为后续争议的焦点。

目前的状态是测试版，没有定价，没有公开的资格细则，洞察还有未披露的阈值。这些都让实际效果需要观察。但产品形态已经足够清楚，认领加维护加广告的三段式结构在别处还没有同等规模的对应物，12 亿周活的用户基数也让它值得被认真对待。

常见问题

Businesses in ChatGPT 是什么，什么时候上线的？

这是 OpenAI 于 2026 年 11 月 10 日发布的测试版功能集合，包含企业认领与资料管理的 Business Hub、面向终端客户的 Business Agent，以及以 Business Agent 为落地页的 ChatGPT Ads。目标场景是让企业在 ChatGPT 里被用户发现、咨询并最终购买。

企业能看到用户在 ChatGPT 里问了什么吗？

看不到。官方明确表示不与用户共享对话，也不共享用户与 Business Agent 的聊天记录。可获得的是聚合洞察，包括被提及次数、资料页浏览量、网站点击量和发现主题，且只有当对话或互动量达到未披露的阈值时才会提供。

现在谁能用 Business Agent，价格是多少？

Business Agent 当前仅向美国境内符合条件的电商与线上服务企业开放，具体资格由独立的 Business Agents Policy 规定。Business Hub 的认领范围更宽，覆盖 ChatGPT 可用地区的符合条件企业。Business Hub、Business Agent 与 ChatGPT Ads 的具体价格官方均未披露。

小结

ChatGPT 内部的企业可见性正在被产品化。它带来的直接后果是模型时代的企业信息维护变成一件有明确入口、有明确度量、也即将有明确价格的事。对做 GEO 的团队来说，discovery topics 这一项值得关注，因为它是目前唯一由平台方提供的、关于模型如何理解自己品牌的线索。接下来值得跟进的点有两个，一个是资格门槛会不会从美国扩展到其他市场，一个是洞察的聚合阈值会不会被下调到小体量企业也能用的水平。

相关阅读

• ChatGPT 周活 12 亿：搜索量已达谷歌 20%
• ChatGPT 出版商通道：12 家媒体摘要占据前三位 70%
• OpenAI Signals 公开：165 项工作活动，头部集中度降至 51.1%
• 甲骨文联手 OpenAI 推 4 款企业产品：1.2 万美元额度与 13 万用户
• ChatGPT 记忆 96% 由模型自写：2050 条实测拆解