很多独立站正在做同一件事：重新设计商品详情页、增加 AI 文案、补 FAQ 和评价，希望商品能被 ChatGPT、Google AI Mode 或其他 AI 购物助手推荐。页面改得越来越丰富，商品却仍然没有进入 AI 推荐清单。
原因可能不在页面，而在页面之前。AI 购物系统首先需要确认：这是什么商品、是否有货、价格多少、有哪些变体、谁是主要卖家、能否配送、和用户条件是否匹配。若这些基础事实在商品 Feed、结构化数据和网站之间不一致，再漂亮的商品页也很难补救。
但“AI 购物只看 Feed，不看商品页”同样是错误结论。更准确的理解是：
Feed 和目录数据负责让商品被机器识别、筛选和进入候选集；PDP 商品详情页负责提供证据、建立信任并完成成交。
独立站真正要建设的不是一份“更长的 Feed”，而是一套能同时驱动 Feed、商品页、结构化数据和结账系统的 AI购物产品数据 架构。
原文的结论为什么只对了一半？
Search Engine Land 2026 年 7 月 31 日文章提出：AI shopping starts with your product feed, not your product page。这个提醒有价值，因为很多品牌把 Feed 当成多年前为 Shopping Ads 建的一次性文件，之后只在商品被拒登时才查看。
文章引用的第三方研究提供了几个方向性信号：
- Tom Wells 对超过 4.3 万件商品的样本分析发现，ChatGPT 购物结果与 Google Shopping 靠前结果存在较高重合；
- Profound 的样本显示，一旦系统采用 Feed 来源，结构化商品信息更完整，也更容易对应到首选 Offer；
- 同一份分析又显示，大多数商品 Offer 仍来自网页商品详情页，而不是 Feed。
这些数据不能推导出“ChatGPT 只读取 Google Merchant Center Feed”。OpenAI 官方说明更宽泛：ChatGPT 商品结果会结合第一方与第三方结构化元数据、其他第三方内容和公开商品信息；商家还可以提供直接商品 Feed。对于 Shopify 商家，商品数据可通过 Shopify Catalog 集成到 ChatGPT。
OpenAI 同时说明，多个商家销售同一商品时，排序会参考供货状态、价格、质量，以及商家是否为制造商或主要卖家。也就是说，结构化商品事实是候选筛选的重要基础，但来源不止一个，商品页也没有退出决策链。
第三方研究样本适合帮助判断趋势，不适合作为所有品类、国家和 AI 平台都遵循的固定排名公式。
AI购物是一条双层漏斗：先入围，再成交
传统 SEO 常把商品页当成主要优化单位；传统 Shopping Ads 团队则更关注 Merchant Center Feed。AI 购物把两种能力接到了一条链路里。
第一层：Feed决定商品能否被准确筛选
当用户提出“适合长途飞行、重量小于某个范围、兼容特定设备、预算不超过某个金额”的购物需求时，系统需要把自然语言条件拆成属性，再筛选符合条件的商品。
这一层最依赖结构化字段：
- 稳定的商品 ID、SKU、GTIN 或 MPN；
- 准确且具体的标题与描述；
- 品牌、品类、材质、颜色、尺寸和适用场景；
- 当前价格、促销价、币种与有效期；
- 库存状态、变体和目标国家供货能力；
- 主图、附加图与商品落地页 URL；
- 配送速度、运费、退换和商家信息。
字段缺失不一定触发拒登，却可能成为“静默过滤器”。例如产品已经获批，但标题只有系列名，没有兼容型号；颜色和尺寸只写在图片里；配件关系只存在 PDF 中；库存每天变动，但 Feed 一天只更新一次。系统无法确认满足条件时，最安全的选择就是不推荐。
第二层：PDP决定用户是否愿意相信并购买
进入候选集并不等于成为最终推荐，更不等于成交。商品页仍然承担 Feed 很难完整表达的任务：
- 展示真实使用场景和多角度图片；
- 解释功能差异、限制条件与兼容边界；
- 提供完整规格、尺寸图、安装说明和认证文件；
- 汇总真实评价、优缺点与常见问题；
- 说明配送、退换、保修、税费和售后；
- 让用户确认最终价格与库存并完成结账。
OpenAI 的购物研究帮助文档也提醒，价格和库存可能存在更新延迟，最终信息仍应以零售商网站为准。PDP 不只是转化页面，还是 AI 系统验证商品事实、解释产品差异和引用证据的重要来源。
不要建两套数据：建立一个“产品事实源”
最危险的状态不是字段少，而是多个系统各自维护一份答案：
- ERP 说有货，Feed 说缺货；
- Feed 价格是 79 美元，PDP 首屏显示 89 美元，结账又应用另一折扣；
- 商品页把颜色当独立商品，Feed 却把它们归在错误的变体组；
- Feed 使用 GTIN，结构化数据使用内部 SKU，第三方平台无法合并同一商品；
- PDF 写着适配某型号，页面与 Feed 没有任何兼容性字段。
建议把 ERP、PIM 或电商后台设为核心事实源，再向不同渠道输出。每个系统职责如下：
| 数据层 | 主要职责 | 必须控制的问题 |
|---|---|---|
| ERP / PIM / 电商后台 | 商品身份、库存、价格、变体和基础属性的源头 | ID 是否稳定，更新是否有负责人 |
| Google / OpenAI / 其他商品 Feed | 机器筛选、平台资格和商品 Offer | 必填字段、刷新频率、平台规范 |
| 商品结构化数据 | 让搜索引擎从页面验证商品与 Offer | 与可见页面和 Feed 是否一致 |
| PDP 商品详情页 | 证据、比较、信任和转化 | 关键信息是否可见、可抓取、可理解 |
| 购物车与结账 | 最终价格、库存、配送与支付 | 用户看到的承诺是否真正可兑现 |
Google 明确要求 Merchant Center 中的价格和库存与落地页、结账页及结构化数据一致。价格不匹配可能导致商品被拒登，严重时还会带来账号风险。自动商品更新只能纠正少量临时差异，不能代替持续、准确的数据提交。
因此，Merchant Listing结构化数据不应由 SEO 团队单独维护，Feed 也不应由广告团队脱离商品后台手工改。两者必须引用同一套产品事实。
第一优先级：先修“能不能出现”，再谈AI文案
对大多数独立站，正确顺序不是先给 4 万个 SKU 批量生成长描述，而是先保证主力商品具备进入候选集的资格。
1. 商品身份
- 每个商品使用稳定、长期不变的 ID；
- 能提供 GTIN 时使用真实 GTIN，不要编造；
- 没有 GTIN 的自有商品，应准确提供品牌与 MPN；
- 同一商品在 Feed、PDP 结构化数据和库存系统中使用可对应的标识；
- 不要在改标题、换站或迁移系统时随意更换商品 ID。
2. 标题与描述
标题应帮助系统快速识别商品，而不是塞满促销词。可以按品类选用以下结构：
品牌 + 核心品类 + 关键型号/材质 + 重要规格 + 颜色/尺寸
描述负责补充真实功能、使用场景、兼容性和限制，不应只是重复标题。若使用生成式
AI 创建 Feed 标题或描述，Google 要求使用对应的
structured_title 或 structured_description
属性，并且内容仍需准确匹配落地页。
关于平台自动改写、商家 AI 文案与商品事实边界，可参考站内的Google购物广告AI生成描述治理方法。
3. 价格、库存与变体
- Feed、PDP、结构化数据和结账必须显示同一币种与可购买价格；
- 促销价同时提交原价、促销价和正确的生效时间；
- 颜色、尺寸、容量等变体要有正确的
item_group_id； - 每个变体提交自己的 URL、图片、价格和库存；
- 高频变化商品应通过 API 或更高频的数据源更新，不要依赖每日一次全量文件；
- 缺货、预售和停售要使用正确状态，不要用虚假库存维持曝光。
4. 图片和落地页
- 主图必须清晰、可抓取并对应具体变体；
- 不要用与实际颜色、包装或配件不一致的通用图片；
- Feed URL 应直接到达可购买商品页，不经过弹窗墙或无关中间页；
- 移动端和不同国家版本不能把机器人错误重定向到首页；
- 页面主要商品信息不要只存在于无法读取的图片或交互组件里。
第二优先级：把“对话式需求”变成商品属性
Google Merchant Center 已增加一组可选的对话式属性，用于帮助 AI 系统理解商品细节：
| 属性 | 解决的问题 | 适合的内容 |
|---|---|---|
question_and_answer | 用户自然语言提问 | 兼容性、使用限制、清洁、安装、旅行场景 |
document_link | 关键证据藏在文档里 | 说明书、规格表、尺寸指南、安装 PDF |
related_product | 单品无法完成完整方案 | 必需配件、替代品、常搭配商品 |
item_group_title | 变体归属不清 | 产品系列或共同名称 |
variant_option | 自然语言筛选变体 | 颜色、尺寸、宽度、容量、材质 |
popularity_rank | 用户问“最畅销”“最受欢迎” | 商品在本店目录中的相对表现 |
这些属性是可选增强项，不影响已有商品的审批状态，也不应该重复已经提交在 description、product highlight 或 product detail 中的信息。
不要为了“做 AI”就给全目录堆同一批 FAQ。优先从前 50 个收入 SKU、客服问题、站内搜索词、评价和退货原因中提取真实需求，再把答案放进适合的字段。
Google 的Google Merchant Center AI Performance Insights还能显示对话式购物旅程、常见产品术语和热门属性。它适合寻找字段缺口，但其中的 Share of Voice 是平台内可见性信号，不等于网站点击、订单或增量收入。
B2C与B2B产品数据不能照同一模板
B2C：优先解决可比较与可购买
B2C 商品通常有公开价格、明确库存和标准变体，Feed 可以直接承担大量筛选工作。重点是：
- 价格和促销时间准确；
- 颜色、尺寸、材质和适用场景完整；
- 运费、到货时间和退换条件可判断；
- 评价、图片与商品变体一致；
- 畅销品、替代品和配件关系明确。
B2B：不要只写“Contact us for pricing”
B2B 产品可能无法提交统一成交价，但仍要给机器和采购者足够的比较依据：
- 最小起订量与阶梯报价逻辑；
- 可供参考的价格区间或样品价格；
- 交期、产能和目标市场配送能力；
- 材质、尺寸、公差、认证和适配标准；
- 定制范围、打样流程和询盘所需资料；
- 规格书、CAD、检测报告或合规文件。
无法公开单价不代表可以隐藏所有商业条件。AI 系统若无法比较产品是否满足预算、交期和认证要求，就很难把它推荐给明确需求的采购者。
30天AI购物产品数据治理方案
第1周：建立SKU事实对账表
从前 50 个收入 SKU 开始，对齐：
- ERP / PIM 数据；
- Merchant Center 或其他平台 Feed；
- PDP 可见内容；
- Product / Offer 结构化数据；
- 购物车和结账结果。
优先找出价格、库存、GTIN、变体和落地页不一致。不要一开始就审计全目录，先修复最影响收入的商品。
第2周：修复资格与一致性
- 解决拒登、警告和缺失标识；
- 统一价格、币种、库存和促销时间；
- 修复错误的变体分组与图片；
- 增加更新频率或接入 API；
- 验证移动端、国家与语言版本落地页。
第3周：补充决策属性与证据
- 根据客服、评价、站内搜索和退货原因补 FAQ；
- 增加兼容性、材质、尺寸、用途和限制条件；
- 关联配件、替代品、说明书和规格文档；
- 在 PDP 中补充比较、保修、退换和真实使用证据；
- 确保 Feed、结构化数据和页面描述没有事实冲突。
第4周：建立监测闭环
把指标分成五层，不要只看 AI 是否“提到品牌”：
| 层级 | 建议指标 |
|---|---|
| 资格 | 已批准 SKU 占比、拒登数、GTIN 覆盖率 |
| 完整度 | 核心属性、变体、图片、配送和对话式属性覆盖率 |
| 一致性 | 价格、库存、币种、ID 与结构化数据不匹配率 |
| 发现 | AI 商品曝光、Share of Voice、典型 Prompt 入围率 |
| 商业结果 | 商品点击、加购、转化率、客单价、退货和错误信息投诉 |
如果 Google 的免费商品曝光、Shopping Ads 与 AI 购物都依赖同一商品数据源，Feed 治理还应与谷歌广告投放团队共同复盘，避免 SEO、广告和电商运营分别优化同一个 SKU 的不同版本。
从被推荐走向可交易，还要补交易链
AI 购物正在从“给出商品清单”走向“比较 Offer、选择商家、确认库存、调用结账”。这意味着产品数据最终要连接配送、税费、支付、退换和订单状态。
但不要因为协议和平台快速变化就直接开发完整 Agentic Commerce。优先级仍然是：
- 商品事实准确；
- Feed 与 PDP 一致；
- 价格、库存和配送可实时确认；
- 结账流程稳定且可归因；
- 再评估平台协议和代理式结账接入。
站内的Google UCP对SEO的影响进一步拆解了商品发现、结构化数据、交易接口和成交归因之间的关系。即使具体协议继续变化，这五层准备工作仍然有效。
最终判断：不是Feed还是PDP，而是谁维护商品真相
Feed 的优势是结构清晰、字段稳定、可批量更新，适合机器筛选；PDP 的优势是上下文丰富、证据完整、能解释差异并承接转化。两者任何一个失真，都会让 AI 购物链路断在不同位置。
对独立站来说，最直接的行动不是“为 AI 再做一份商品 Feed”，而是把已有 ERP、PIM、电商后台、Merchant Center、结构化数据和商品页接到同一套商品事实源，再按平台规范输出。
如果网站同时存在商品字段缺失、Feed 拒登、结构化数据冲突、PDP 转化弱和 AI 可见性不稳定，Google SEO/GEO优化需要与商品运营、广告和开发共同建立 SKU 级治理闭环，而不是只优化页面文案或监测几组 Prompt。
常见问题
ChatGPT商品结果都来自Google Merchant Center吗？
不能这样判断。第三方研究发现 ChatGPT 购物结果与 Google Shopping 存在较高重合，但 OpenAI 官方说明商品结果会结合第一方与第三方结构化元数据、公开商品信息和其他第三方内容，商家也可以提供直接 Feed。对于 Shopify 商家，商品数据还可通过 Shopify Catalog 集成。
有了商品Feed，还需要优化PDP吗？
需要。Feed 更适合资格、筛选和属性匹配；PDP 负责规格、评价、限制条件、配送、退换、信任和最终成交，也是平台验证价格与库存的重要来源。
Feed里哪些字段最优先？
先处理稳定 ID、标题、描述、URL、主图、价格、库存、品牌、GTIN/MPN、变体与配送信息。可选的对话式属性应在核心字段准确之后增加。
对话式属性会提高商品审批率吗？
Google 明确说明这些属性是可选增强项，不影响现有商品的审批状态。它们用于帮助 AI 系统理解商品细节，不是修复拒登或替代基础字段的捷径。
自动商品更新能解决价格和库存不同步吗？
只能帮助修正少量临时差异。Google 仍要求商家频繁提交准确数据；频繁变化的商品应考虑通过 Merchant API 或更高频数据源同步。
B2B产品没有公开价格，还能做AI购物优化吗？
可以，但要提供可比较的商业条件，例如 MOQ、价格区间、交期、认证、定制范围和规格文档。完全只写“联系我们”会让机器和采购者都缺少判断依据。
应该一次优化全部SKU吗？
不建议。先从前 50 个收入 SKU、高毛利商品、常被比较的商品和问题最多的商品开始，建立模板和数据规则后再扩展到长尾目录。
参考来源
- Search Engine Land：AI shopping starts with your product feed, not your product page
- OpenAI Help Center：Shopping with ChatGPT Search
- OpenAI Help Center：Using shopping research in ChatGPT
- OpenAI：Merchant Feed Terms of Service
- Google Merchant Center：Product data specification
- Google Merchant Center：How to use conversational attributes
- Google Merchant Center：About AI performance insights
- Google Search Central：Merchant listing structured data
- Google Merchant Center：Allow automatic product information updates
