ChatGPT 推荐商品时会读取哪些信息？电商网站应该如何准备产品目录和商品数据？

直接回答标题的问题：ChatGPT 在推荐商品时主要读取两类输入。

第一类是商家主动提交的结构化商品 Feed。按 OpenAI 商品 Feed 的规范说明，Feed 是商品数据的单一真实来源，覆盖标题、价格、库存、媒体素材与物流信息，用于支撑商品搜索、商品发现，以及在符合条件时完成即时结账；这些数据并非通过爬虫抓取，而是由商家把结构化文件推送到安全端点，并以高频更新保证准确（ChatGPT Product Feed 规范说明）。

第二类是它在公开网页上能够解析到的商品页信息：商品名称、当前价格、规格参数、适用场景、配送与退货政策。用户在购物研究场景中得到的购买指南，通常包含热门产品推荐、核心差异对比、优缺点分析和零售商链接（ChatGPT 购物研究功能报道）。

因此真正决定结果的是两层：Feed 决定你的商品能否进入候选池，商品页决定你被引用时说得对不对。两者不一致，就是最常见的问题来源。

ChatGPT 获取商品信息的三条路径

• 购物研究：面向消费决策的对话式研究，先问清预算、使用对象和关注功能，再输出对比与建议，结果里会给出可点击的零售商链接。
• 商品 Feed：商家把商品目录结构化后提交，形成可检索、可比较、可推荐的商品条目，字段完整度直接决定能否被筛到。
• Feed 广告：2026 年 5 月 12 日，OpenAI 在 ChatGPT 内上线 product feed 广告格式，商家连接商品目录、设定筛选条件，系统用商品名称、图片、价格与属性自动生成广告；据报道单个广告主可覆盖最多 100 万个 SKU，新加入的电商伙伴需先提交 100 个商品样本，所用 Feed 文件与提交给 Google Shopping 的结构化文件基本一致（product feed 广告上线报道）。

三条路径的共同点很明确：输入都是结构化字段，都对数据准确性敏感，都不靠关键词密度取胜。

商品 Feed 是什么

Feed 是一份机器可读的商品清单文件：一行一个商品或一个变体，字段固定、格式固定、定期更新。它和"把商品页做得好看"是两件不同的事。商品页服务人的阅读与转化，Feed 服务机器之间的匹配与比较。

规范说明里有一个容易忽略的细节：Feed 被定义为商品数据的单一真实来源。这意味着同一件商品在 Feed 里的标题、价格、库存，必须与落地页呈现的一致，否则平台与用户看到的将是两套事实。

一张表看清需要准备哪些字段

名称、价格、库存必须一致

以一个电子产品商城的案例来说明。同一款"AuraSound NC-700 无线降噪耳机"在三处出现：官网标价 1299 元并显示现货，商品 Feed 里仍是 1499 元且标记缺货，某第三方平台挂着 1199 元。用户问到"1500 元以内的降噪耳机推荐"时，系统可能因为 Feed 价格超预算而跳过它，也可能因为在官网页面读到 1299 元而推荐、却在落地时展示另一套信息。

处理办法有三条：把价格与库存收敛到一个主数据源；给价格和库存打上更新时间，按时间戳决定哪条数据有效；上线前跑一次跨渠道一致性校验，把名称、价格、库存、链接四类字段逐条比对。

变体和规格怎么组织

先把"一个商品"定义清楚，再谈数据。对多规格商品，推荐父子结构：父商品代表款式或系列，子 SKU 代表具体颜色、容量、型号，价格与库存挂在子 SKU 上。属性名与单位要统一，例如电池续航统一用"小时"、重量统一用"克"，避免同一参数在不同商品里出现"约 30h""30 小时左右""1.2kg/1200g"混写。规格用键值对，不用塞进一句长描述里。

商品图片与描述的作用

描述的前三行要回答是什么、给谁用、解决什么问题，之后才展开细节。真正有效的写法是把使用场景、人群和限制写清楚，例如"适合通勤与长途飞行，主动降噪对低频噪音效果明显，不适合需要环境音感知的骑行场景"。关键词堆砌在大模型匹配里几乎没有收益，反而降低可读性。图片方面，主图保持干净、不带促销字样，多角度图和有比例参照的场景图能帮助判断尺寸与形态。

商品页要不要结构化数据

要，但不能只靠它。商品页应输出 schema.org 的 Product、Offer，必要时补充评分与常见问题标注，并保证页面上的价格、库存与 Feed 完全对应。同时确认这些信息在初始 HTML 中可获取，不是只靠前端脚本渲染后才出现；每个商品要有稳定、可长期访问的独立 URL，变体之间用规范链接区分而不是全部指向同一地址。

如何让 AI 更准确地理解不同产品的区别

相近商品最容易糊在一起。做法是把差异转成可比较的量表和布尔属性：把三款耳机放在同一套参数维度上（降噪深度、续航、重量、蓝牙版本、是否支持多点连接），对每款补充一句"不适合谁"。跨代产品要显式写出与前代的差别，例如"NC-700 相比 NC-600 续航增加、重量下降"。对同名不同配置的型号，务必在标题里带上区分标识，不要让两个不同 SKU 共用同一个名称。

价格和库存变化后如何同步

同步要看链路，而不是靠人工改。第一，价格与库存改动统一走后台写入商品主数据，不允许直接改导出文件。第二，由主数据生成对外的商品 Feed 与页面展示，二者出自同一次写入。第三，区分更新频率：价格与库存高频更新，描述与规格低频更新，避免全量重推造成抖动。第四，保留变更记录与回滚能力，出现异常可以退回上一个稳定版本。第五，建立监控指标，例如字段缺失率、跨渠道价格差异条数、上次更新时间距今时长。

建立统一商品数据源：五步落地

1. 盘点：列出商品数据当前存在哪些地方（官网后台、ERP、表格、各平台卖家中心），标注哪个是准的。
2. 建模：定义字段字典，明确必填项、类型、单位和取值枚举。
3. 收敛写入：只保留一个写入入口，其他系统通过接口取数，而不是各自维护一份。
4. 多渠道导出：用同一份主数据生成商品页展示、Feed 文件和第三方平台数据，字段映射集中维护。
5. 校验与监控：上线前比对、上线后监控，把不一致当成缺陷处理，而不是运营临时修。

配套的决策清单可以这样定：是否允许运营直接改价格、变体拆分粒度到哪一层、缺货商品是否保留在 Feed 中、政策条款由谁维护、Feed 推送失败时的回退方案是什么。

企业现在应该做什么

• 先修数据，再谈渠道。把商品标题、类目、图片、价格与库存的完整度做上去，是所有机器推荐场景的前提。
• 把商品数据当成给机器读的输入，而不是给搜索引擎看的关键词集合：场景、人群、属性标签比同义词堆叠更有用。
• 建立引荐来源的度量，单独观察来自对话式入口的访问在转化率与客单价上的表现，再决定投入。
• 让商品页与 Feed 共享同一份主数据，把一致性做成流程约束。

We0 的电商独立站把商品、分类、规格与库存在同一个后台维护，CMS 后台可持续更新商品内容，全栈代码生成可以按需定制商品数据接口与同步逻辑，SEO 与 GEO 优化用于整理商品页的信息结构（We0 电商独立站）。需要说明的是，OpenAI 商品 Feed 的直接对接涉及资质、端点与字段映射，仍需单独验证和开发，不能视为已内置的能力。

常见问题

ChatGPT 会主动爬取我的电商网站吗？
商品 Feed 这条路径是商家主动推送结构化文件，不是靠抓取（规范说明）。公开网页上的商品信息则可能被检索和引用，所以商品页仍需写清事实。

商品名称、价格和库存必须和 Feed 完全一致吗？
必须。Feed 被定义为商品数据的单一真实来源，价格、库存与落地页不一致会直接影响推荐与下单体验。

产品规格应该用什么形式组织？
用键值对的技术参数，统一属性名与单位，不要把参数写进长段落，也不要为每个颜色单独编造一套字段。

只做结构化数据够不够？
不够。结构化数据帮助机器正确解析商品页，但商品能否进入候选池还取决于是否提交了完整的商品 Feed，两者需要共用同一份主数据。

价格变了要怎么同步？
从后台写入商品主数据，由主数据同时生成页面展示与 Feed 文件，并保留更新时间、变更记录和回滚方案，避免手工改导出文件。

Related Tools

• 电商独立站后台：商品、分类、变体与库存统一维护
• CMS 后台：商品描述、政策与内容页持续更新
• 全栈代码生成：定制商品数据接口与同步逻辑
• SEO 与 GEO 优化：整理商品页信息结构与可引用段落
• 结构化数据校验：检查 Product 与 Offer 标注是否与页面一致

Related Links

• ChatGPT Product Feed 规范说明（Lengow）
• ChatGPT 购物研究功能报道（中华网软件）
• OpenAI 上线 product feed 广告格式报道（Stellagent）
• We0 电商独立站

Summary

ChatGPT 推荐商品时读取的是结构化商品事实：由商家推送的商品 Feed 决定商品能否进入候选池，公开可解析的商品页信息决定商品被引用时是否准确。电商网站要做的不是优化关键词密度，而是把名称、价格、库存、变体、规格、图片和政策收敛到一份统一主数据，同步生成页面展示与 Feed，并用校验与监控保证跨渠道一致。Feed 直连与广告接入是独立的工作项，需要按平台要求单独验证。