ChatGPT 推薦商品時會讀取哪些資訊？電商網站應該如何準備產品目錄和商品資料？

直接回答標題的問題：ChatGPT 在推薦商品時主要讀取兩類輸入。

第一類是商家主動提交的結構化商品 Feed。依照 OpenAI 商品 Feed 的規範說明，Feed 是商品資料的單一真實來源，涵蓋標題、價格、庫存、媒體素材與物流資訊，用於支撐商品搜尋、商品發現，以及在符合條件時完成即時結帳；這些資料並非透過爬蟲抓取，而是由商家把結構化檔案推送到安全端點，並以高頻更新保證準確（ChatGPT Product Feed 規範說明）。

第二類是它在公開網頁上能夠解析到的商品頁資訊：商品名稱、當前價格、規格參數、適用場景、配送與退貨政策。使用者在購物研究場景中得到的購買指南，通常包含熱門產品推薦、核心差異對比、優缺點分析和零售商連結（ChatGPT 購物研究功能報導）。

因此真正決定結果的是兩層：Feed 決定你的商品能否進入候選池，商品頁決定你被引用時說得對不對。兩者不一致，就是最常見的問題來源。

ChatGPT 獲取商品資訊的三條路徑

• 購物研究：面向消費決策的對話式研究，先問清預算、使用對象和關注功能，再輸出對比與建議，結果裡會給出可點擊的零售商連結。
• 商品 Feed：商家把商品目錄結構化後提交，形成可檢索、可比較、可推薦的商品條目，欄位完整度直接決定能否被篩選到。
• Feed 廣告：2026 年 5 月 12 日，OpenAI 在 ChatGPT 內上線 product feed 廣告格式，商家連接商品目錄、設定篩選條件，系統用商品名稱、圖片、價格與屬性自動生成廣告；據報導單一廣告主可覆蓋最多 100 萬個 SKU，新加入的電商夥伴需先提交 100 個商品樣本，所用 Feed 檔案與提交給 Google Shopping 的結構化檔案基本一致（product feed 廣告上線報導）。

三條路徑的共同點很明確：輸入都是結構化欄位，都對資料準確性敏感，都不靠關鍵詞密度取勝。

商品 Feed 是什麼

Feed 是一份機器可讀的商品清單檔案：一行一個商品或一個變體，欄位固定、格式固定、定期更新。它和「把商品頁做得好看」是兩件不同的事。商品頁服務人的閱讀與轉換，Feed 服務機器之間的匹配與比較。

規範說明裡有一個容易忽略的細節：Feed 被定義為商品資料的單一真實來源。這意味著同一件商品在 Feed 裡的標題、價格、庫存，必須與落地頁呈現的一致，否則平台與使用者看到的將是兩套事實。

一張表看清需要準備哪些欄位

名稱、價格、庫存必須一致

以一個電子產品商城的案例來說明。同一款「AuraSound NC-700 無線降噪耳機」在三處出現：官網標價 1299 元並顯示現貨，商品 Feed 裡仍是 1499 元且標記缺貨，某第三方平台掛著 1199 元。使用者問到「1500 元以內的降噪耳機推薦」時，系統可能因為 Feed 價格超預算而跳過它，也可能因為在官網頁面讀到 1299 元而推薦、卻在落地時展示另一套資訊。

處理辦法有三條：把價格與庫存收斂到一個主資料源；給價格和庫存打上更新時間，按時間戳決定哪條資料有效；上線前跑一次跨渠道一致性校驗，把名稱、價格、庫存、連結四類欄位逐條比對。

變體和規格怎麼組織

先把「一個商品」定義清楚，再談資料。對多規格商品，推薦父子結構：父商品代表款式或系列，子 SKU 代表具體顏色、容量、型號，價格與庫存掛在子 SKU 上。屬性名與單位要統一，例如電池續航統一用「小時」、重量統一用「克」，避免同一參數在不同商品裡出現「約 30h」「30 小時左右」「1.2kg/1200g」混寫。規格用鍵值對，不用塞進一句長描述裡。

商品圖片與描述的作用

描述的前三行要回答是什麼、給誰用、解決什麼問題，之後才展開細節。真正有效的寫法是把使用場景、人群和限制寫清楚，例如「適合通勤與長途飛行，主動降噪對低頻噪音效果明顯，不適合需要環境音感知的騎行場景」。關鍵詞堆砌在大模型匹配裡幾乎沒有收益，反而降低可讀性。圖片方面，主圖保持乾淨、不帶促銷字樣，多角度圖和有比例參照的場景圖能幫助判斷尺寸與形態。

商品頁要不要結構化資料

要，但不能只靠它。商品頁應輸出 schema.org 的 Product、Offer，必要時補充評分與常見問題標註，並保證頁面上的價格、庫存與 Feed 完全對應。同時確認這些資訊在初始 HTML 中可取得，不是只靠前端腳本渲染後才出現；每個商品要有穩定、可長期存取的獨立 URL，變體之間用標準連結區分而不是全部指向同一地址。

如何讓 AI 更準確地理解不同產品的區別

相近商品最容易糊在一起。做法是把差異轉成可比較的量表和布林屬性：把三款耳機放在同一套參數維度上（降噪深度、續航、重量、藍牙版本、是否支援多點連接），對每款補充一句「不適合誰」。跨代產品要顯式寫出與前代的差別，例如「NC-700 相比 NC-600 續航增加、重量下降」。對同名不同配置的型號，務必在標題裡帶上區分標識，不要讓兩個不同 SKU 共用同一個名稱。

價格和庫存變化後如何同步

同步要看鏈路，而不是靠人工改。第一，價格與庫存改動統一走後台寫入商品主資料，不允許直接改匯出檔案。第二，由主資料生成對外的商品 Feed 與頁面展示，二者出自同一次寫入。第三，區分更新頻率：價格與庫存高頻更新，描述與規格低頻更新，避免全量重推造成抖動。第四，保留變更記錄與回滾能力，出現異常可以退回上一個穩定版本。第五，建立監控指標，例如欄位缺失率、跨渠道價格差異條數、上次更新時間距今時長。

建立統一商品資料源：五步落地

1. 盤點：列出商品資料當前存在哪些地方（官網後台、ERP、表格、各平台賣家中心），標註哪個是準的。
2. 建模：定義欄位字典，明確必填項、類型、單位和取值列舉。
3. 收斂寫入：只保留一個寫入入口，其他系統透過介面取數，而不是各自維護一份。
4. 多渠道匯出：用同一份主資料生成商品頁展示、Feed 檔案和第三方平台資料，欄位映射集中維護。
5. 校驗與監控：上線前比對、上線後監控，把不一致當成缺陷處理，而不是營運臨時修補。

配套的決策清單可以這樣定：是否允許營運直接改價格、變體拆分粒度到哪一層、缺貨商品是否保留在 Feed 中、政策條款由誰維護、Feed 推送失敗時的回退方案是什麼。

企業現在應該做什麼

• 先修資料，再談渠道。把商品標題、類目、圖片、價格與庫存的完整度做上去，是所有機器推薦場景的前提。
• 把商品資料當成給機器讀的輸入，而不是給搜尋引擎看的關鍵詞集合：場景、人群、屬性標籤比同義詞堆疊更有用。
• 建立引薦來源的度量，單獨觀察來自對話式入口的訪問在轉換率與客單價上的表現，再決定投入。
• 讓商品頁與 Feed 共享同一份主資料，把一致性做成流程約束。

We0 的電商獨立站把商品、分類、規格與庫存在同一個後台維護，CMS 後台可持續更新商品內容，全端程式碼生成可以按需客製商品資料介面與同步邏輯，SEO 與 GEO 優化用於整理商品頁的資訊結構（We0 電商獨立站）。需要說明的是，OpenAI 商品 Feed 的直接對接涉及資質、端點與欄位映射，仍需單獨驗證和開發，不能視為已內建的能力。

常見問題

ChatGPT 會主動爬取我的電商網站嗎？
商品 Feed 這條路徑是商家主動推送結構化檔案，不是靠抓取（規範說明）。公開網頁上的商品資訊則可能被檢索和引用，所以商品頁仍需寫清事實。

商品名稱、價格和庫存必須和 Feed 完全一致嗎？
必須。Feed 被定義為商品資料的單一真實來源，價格、庫存與落地頁不一致會直接影響推薦與下單體驗。

產品規格應該用什麼形式組織？
用鍵值對的技術參數，統一屬性名與單位，不要把參數寫進長段落，也不要為每個顏色單獨編造一套欄位。

只做結構化資料夠不夠？
不夠。結構化資料幫助機器正確解析商品頁，但商品能否進入候選池還取決於是否提交了完整的商品 Feed，兩者需要共用同一份主資料。

價格變了要怎麼同步？
從後台寫入商品主資料，由主資料同時生成頁面展示與 Feed 檔案，並保留更新時間、變更記錄和回滾方案，避免手動修改匯出檔案。

相關工具

• 電商獨立站後台：商品、分類、變體與庫存統一維護
• CMS 後台：商品描述、政策與內容頁持續更新
• 全端程式碼生成：客製商品資料介面與同步邏輯
• SEO 與 GEO 優化：整理商品頁資訊結構與可引用段落
• 結構化資料校驗：檢查 Product 與 Offer 標註是否與頁面一致

相關連結

• ChatGPT Product Feed 規範說明（Lengow）
• ChatGPT 購物研究功能報導（中華網軟件）
• OpenAI 上線 product feed 廣告格式報導（Stellagent）
• We0 電商獨立站

摘要

ChatGPT 推薦商品時讀取的是結構化商品事實：由商家推送的商品 Feed 決定商品能否進入候選池，公開可解析的商品頁資訊決定商品被引用時是否準確。電商網站要做的不是優化關鍵詞密度，而是把名稱、價格、庫存、變體、規格、圖片和政策收斂到一份統一主資料，同步生成頁面展示與 Feed，並用校驗與監控保證跨渠道一致。Feed 直連與廣告接入是獨立的工作項，需要按平台要求單獨驗證。