AI 会推荐你的商品吗?
进行免费审核
为什么LLMs需要与人类不同的数据?
语言模型不会像传统搜索引擎那样“扫描”页面——它们理解含义。AI 在决定是否在其推荐中包含某个产品之前,会分析数据结构、事实可验证性和语义关系。不适应这一新范式的店铺主人将变得对通过 AI 助手购买的快速增长客户群体不可见。
结构化数据——理解的基础层
Schema.org 产品 - 最低标准。
每个产品页必须包含标签 Schema.org 以 JSON-LD 格式。这不再是选择,而是 AI 可见性的必要条件。
一个完整结构的示例:
{
"@context": "https://schema.org/",
"@type": "Product",
"name": "These are waterproof GoreTex Pro trekking boots",
"description": "Trekking boots designed for individuals tackling demanding mountain trails in variable weather conditions. The GoreTex construction keeps feet dry during stream crossings and sudden rainfall, and the aggressive tread provides traction on loose rocks and muddy paths. Ideal for multi day mountain expeditions, single day hikes in alpine terrain, and for anyone who refuses to let the weather dictate the terms of their adventure. Suitable for use in temperatures down to minus 20°C.",
"sku": "TREK-2025-GT",
"gtin": "5901234567890",
"mpn": "GT-PRO-45",
"brand": {
"@type": "Brand",
"name": "MountainTech"
},
"image": [
"https://example.com/buty-trek-1x1.jpg",
"https://example.com/buty-trek-4x3.jpg",
"https://example.com/buty-trek-16x9.jpg"
],
"offers": {
"@type": "Offer",
"url": "https://example.com/product/trekking-boots-goretex",
"priceCurrency": "EUR",
"price": "99.99",
"priceValidUntil": "2025-12-31",
"itemCondition": "https://schema.org/NewCondition",
"availability": "https://schema.org/InStock",
"shippingDetails": {
"@type": "OfferShippingDetails",
"shippingRate": {
"@type": "MonetaryAmount",
"value": "0",
"currency": "EUR"
},
"deliveryTime": {
"@type": "ShippingDeliveryTime",
"handlingTime": "1-2 days",
"transitTime": "2-3 days"
}
}
},
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.8",
"reviewCount": "347"
},
"additionalProperty": [
{
"@type": "PropertyValue",
"name": "Outer material",
"value": "GoreTex Pro"
},
{
"@type": "PropertyValue",
"name": "Type of terrain",
"value": "Mountains, high altitude trails"
},
{
"@type": "PropertyValue",
"name": "Upper height",
"value": "Mid (above the ankle)"
},
{
"@type": "PropertyValue",
"name": "Insulation",
"value": "Thinsulate 200g"
}
]
}ChatGPT Shopping 要求的关键字段
OpenAI 定义了一个包含超过 100 个属性的精确产品 feed 规范。对波兰商店最重要的是:
必填字段:
id- 唯一的产品标识符(长期稳定,最多 100 个字符);title- 最多 150 个字符,不使用 CAPSEM 写法;description- 最多 5,000 个字符的纯文本(不含 HTML);link- 产品卡片网址(首选 HTTPS);price- 当前价格;availability- 库存可用性;enable_search- 控制 ChatGPT 结果中可见性的标志;enable_checkout- 允许直接从 ChatGPT 购买
推荐的优势字段:
gtin或mpn- 制造商标识符(GTIN为8-14位数字,不含连字符);image_link- 至少3种图像变体(1x1、4x3、16x9);product_type- 层次化分类(例如:"Clothing > Women's > Sports > Trekking Pants");popularity_score- 评估产品的受欢迎程度;return_rate- 退货率(低则提高推荐);
ChatGPT每15分钟接受一次数据源更新,这意味着过时的价格或库存数据没有借口。
产品描述——从关键词到语义上下文
描述的转换,转换前后对比。
传统描述(对AI无效):
市面上最好的保温瓶。由高质量不锈钢制成。有不同颜色可选。完美的礼物!
为LLM优化的描述:
一款750毫升18/8不锈钢保温瓶,专为需要耐用、保温饮水的旅行者设计。双层真空隔热技术使饮品冷藏24小时或加热12小时。紧凑的设计可放入自行车车把和背包侧袋中。适合体力活动人群和户外爱好者。通过BPA认证,可洗碗机清洗(顶层)。制造商提供终身保修。
关键区别:
- 具体尺寸而非泛泛之谈。
- 明确的目标群体(“旅行者”、“活跃人群”)。
- 可验证的事实(24小时保温、认证)。
- 使用场景(自行车、背包、工作)。
- 没有数据支持的营销性最高级。
公式化语境:谁?为什么?何时?
最佳描述回答三个AI问题
- 这款产品是为谁设计的? - "为每天时间紧张的孩子父母设计。"
- 它解决了什么问题? - "在溪流穿越和突发降雨时保持脚部干燥。"
- 在什么条件下它会起作用? - "多日登山探险,即使在低至-20°C的温度下。"
添加一句以"Ideal for..."或"Developed with..."开头的句子可以显著提高AI推荐的准确性。
附加属性 - 决定优势的属性
为什么可选字段不是可选的?
AI偏好数据完整性最高的产品。虽然大多数供应商只填写必填字段,但排名最好的产品会包含所有可能的附加属性。
示例:游戏笔记本电脑
"additionalProperty":
[
{
"@type": "PropertyValue",
"name": "Operating system",
"value": "Windows 11 Pro"
},
{
"@type": "PropertyValue",
"name": "Processor",
"value": "Intel Core i9-13900K"
},
{
"@type": "PropertyValue",
"name": "RAM",
"value": "32GB DDR5"
},
{
"@type": "PropertyValue",
"name": "Storage capacity",
"value": "2TB NVMe SSD"
},
{
"@type": "PropertyValue",
"name": "Graphics card",
"value": "NVIDIA RTX 4080 12GB"
},
{
"@type": "PropertyValue",
"name": "Battery life",
"value": "8 hours (office work)"
},
{
"@type": "PropertyValue",
"name": "Refresh rate",
"value": "240Hz"
},
{
"@type": "PropertyValue",
"name": "Weight",
"value": "2.4 kg"
}
]当客户询问AI "具有快速渲染能力的4K视频处理笔记本电脑"时,系统会搜索这些属性以将查询与产品匹配。
细粒度分类而非通用分类。
糟糕: "服装 > 裤子"
良好: "服装 > 女装 > 运动服 > 徒步裤 > 具有防水膜"
细粒度分类减少了歧义,使AI能够将产品与真实对应物分组,而不是松散相关的物品。这也有助于提升第三方平台上"类似产品"部分的推荐效果。
评论和评分 - AI的信任信号
AggregateRating + Review 结构。
LLMs严重依赖评论来创建购买推荐。仅显示星级是不够的,你需要添加结构化标签
{
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.7",
"reviewCount": "892",
"bestRating": "5",
"worstRating": "1"
},
"review": [
{
"@type": "Review",
"reviewRating": {
"@type": "Rating",
"ratingValue": "5",
"bestRating": "5"
},
"author": {
"@type": "Person",
"name": "Anna Kowalska"
},
"reviewBody": "Ideal for trekking in the Tatras, they kept the water cold all day, even in hot weather. The construction is solid, with no leaks.",
"datePublished": "2025-10-15"
}
]
}评论的最佳实践:
- 鼓励客户详细反馈并提及使用场景。
- 使用"已验证购买"标签。
- 避免在不同平台之间重复评论内容(AI会检测冗余)。
- 优先选择带有情感语言和上下文的评论:"非常适合徒步旅行 - 水冷8小时。"
产品之间的语义关系
构建产品知识图谱。
AI 并不会将您的网店视为孤立的页面——它将其视为相关实体组成的网络。使用 Schema.org 属性来链接产品:
{
"@type": "Product",
"name": "Replacement filter for the EcoSmart bottle",
"isAccessoryOrSparePartFor": {
"@type": "Product",
"name": "EcoSmart thermal bottle 750ml",
"url": "https://example.com/butelka-ecosmart"
}
}其他有用的关联关系:
isRelatedTo- 相关产品;isSimilarTo- 替代品;isConsumableFor- 消耗品;
上下文相关的内部链接可以强化这些关系:
- “适用于……”
- “与……兼容”
- “顾客还购买了……”
这有助于 AI 在产品目录中建立物品之间的关系理解,从而提高在摘要中包含“推荐替代品”的可能性
FAQ Schema —— 为对话式查询做准备
结构化最常见的问题。
大型语言模型(LLMs)通常基于 自然语言中表达的意图生成推荐。 为关键问题添加 FAQPage schema:
{
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "Is the bottle dishwasher safe?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Yes, the EcoSmart bottle is fully safe to wash in the dishwasher on the top rack. We recommend removing the seal before washing for better hygiene."
}
},
{
"@type": "Question",
"name": "How long does it maintain temperature?",
"acceptedAnswer": {
"@type": "Answer",
"text": "The double vacuum insulation keeps drinks cold for 24 hours or hot for 12 hours, confirmed by tests at 21°C room temperature."
}
},
{
"@type": "Question",
"name": "What is the warranty?",
"acceptedAnswer": {
"@type": "Answer",
"text": "The product is covered by a lifetime manufacturer warranty for material and production defects. Normal wear and mechanical damage are not covered."
}
}
]
}要包含的问题:
- 是否有认证,是否为有机产品等?
- 它已经运行多久了?
- 保修条款是什么?
- 它适用于谁?
这些问题的答案使内容能够用于 由 LLM 生成的摘要,从而提高在对话式搜索和语音搜索中的可见度。
交易和物流数据
配送时间和退货条款。
AI 查询通常包括 购买情境: "快速配送", "免费退货", "有现货"。
{
"offers": {
"@type": "Offer",
"shippingDetails": {
"@type": "OfferShippingDetails",
"shippingRate": {
"@type": "MonetaryAmount",
"value": "0",
"currency": "EUR"
},
"deliveryTime": {
"@type": "ShippingDeliveryTime",
"handlingTime": {
"@type": "QuantitativeValue",
"minValue": 1,
"maxValue": 2,
"unitCode": "DAY"
},
"transitTime": {
"@type": "QuantitativeValue",
"minValue": 2,
"maxValue": 3,
"unitCode": "DAY"
}
},
"shippingDestination": {
"@type": "DefinedRegion",
"addressCountry": "GB"
}
},
"hasMerchantReturnPolicy": {
"@type": "MerchantReturnPolicy",
"applicableCountry": "GB",
"returnPolicyCategory": "https://schema.org/MerchantReturnFiniteReturnWindow",
"merchantReturnDays": 30,
"returnMethod": "https://schema.org/ReturnByMail",
"returnFees": "https://schema.org/FreeReturn"
}
}
}关键字段:
availability- 可用性(InStock,OutOfStock,PreOrder);
priceValidUntil- 价格有效性;
shippingDetails- 交货时间和配送;
hasMerchantReturnPolicy- 退货详情;
过时的库存和可用性数据会降低 AI 的置信度和推荐潜力
外部数据的验证和一致性
实体一致性——AI 信任的关键。
对人工智能的信任基于关于你是谁或什么的数据显示的一致性。如果 AI 总是将您的品牌、产品或公司识别为相同实体,则添加 "sameAs" 链接到官方资料:
{
"@type": "Brand",
"name": "EcoSmart",
"sameAs": [
"https://www.facebook.com/ecosmart.polska",
"https://www.instagram.com/ecosmart_pl",
"https://pl.linkedin.com/company/ecosmart",
"https://www.wikidata.org/wiki/Q123456"
]
}外部可信度信号:
- 制造商网站。
- 社交媒体资料。
- 新闻报道。
- 合作伙伴和视频内容,如 YouTube 评测。
确保品牌名称、SKU 代码和产品描述在所有平台上保持一致。这有助于 AI 在更广泛的电子商务生态系统中将您的产品理解为经过验证的实体。
AI 理解在线对话的上下文
大规模的上下文自动化:Reddit、Quora、Facebook。
在生成式 AI 的时代,品牌不再需要为每个渠道或社区手动定制内容。 上下文的自动化 这意味着人工智能可以识别对话的主题、讨论的语调以及用户意图——然后自动调整品牌信息,使其自然地融入对话中。
这不仅仅是自动发布内容的问题。关键在于理解语境——AI不仅分析词汇,还分析情感和意图,使品牌信息听起来真实,并传达给正确的受众。
在诸如 Reddit、Quora 或 Facebook 等平台, 每天都有数百万个帖子在运行,AI 实时分析语境,帮助品牌出现在其存在有意义的地方。这确保了内容并非随机——而是相关、一致且可信的。
这不仅仅是发布的自动化,而是 理解的自动化 ——互联网沟通的新阶段,其中人工智能将规模与真实性结合。
实用检查清单
结构化数据:
- 每个页面上都包含 JSON-LD Schema.org 产品信息。
- 已完成字段:名称、描述、SKU、品牌、图片、报价。
- 用于产品识别的 GTIN 或 MPN。
- 至少 3 种图片变体(不同宽高比)。
- 用于评论的 AggregateRating 和 Review 结构化数据。
产品描述:
- 200-500 字的描述,包含具体的使用场景。
- 明确的目标群体("适用于谁")。
- 可验证的规格(尺寸、材料、认证)。
- 使用场景("何时"、"何地")。
- 避免无数据的泛泛之谈("最佳"、"顶级")。
附加属性:
- 所有可选的 additionalProperty 字段均已填写。
- 细粒度分类(最少4个层级)。
- 技术规格位于 PropertyValue 中。
关系和常见问题:
- 通过 isRelatedTo 和 isAccessoryOrSparePartFor 关联的产品。
- 包含5-10个最常见问题的 FAQPage 结构化数据。
- 链接到互补产品的内部链接。
交易数据:
- 当前库存和价格(至少每天更新一次)。
- 包含交货时间与配送信息的 ShippingDetails。
- 用于退货政策的 MerchantReturnPolicy。
外部一致性:
- SameAs 链接到品牌官方资料页。
未来——多模态 AI 和语音搜索
LLM 优化是为以下内容做准备: 多模态搜索 ——文本、语音、图像。拥有丰富描述、替代图片文字和结构化常见问题的产品已为
- 视觉搜索(Google Lens、Pinterest)做好准备。
- 语音助手(Alexa、Google Assistant)。
- ChatGPT 内部购物(即时结账)。
- TikTok Shop、Instagram Shopping 中的 AI 驱动发现。
为 LLM 优化的目录将成为一个 AI 可信赖并推荐的数据集 用于任何购买情境
2025年的电子商务并不在于追逐排名——而在于教会AI理解你的产品。当ChatGPT、Perplexity或Google SGE收到查询“最适合登山爱好者的礼物”时,你的产品要么出现在答案中,要么就不存在。数据结构、语义上下文和可验证的事实决定了AI是否会推荐你的网店——或者竞争对手的网店。
Tomasz Cincio - Semly.ai 首席执行官(CEO)
术语表
JSON-LD - 一种在页面代码中记录结构化数据的格式,有助于搜索引擎和AI模型理解内容所代表的含义(例如产品、价格、评论)。
Schema.org - 搜索引擎常用的结构化数据标记标准(Google、Bing、Yahoo)。允许对产品、文章、事件等进行标准化描述。
LLM(大型语言模型) - 一种大型语言模型,例如ChatGPT或Gemini,能够通过理解用户查询的上下文来分析和生成文本。
结构化数据 - 以算法可以理解的方式编写的资讯,例如产品标题、价格、评论、可用性。
生成式 AI - 一种能够创建新内容的人工智能系统:文本、图像、代码或推荐。
分享:
