AI 答案里的商品，长什么样

周三下午，一个做升降桌的出海团队把 ChatGPT 的回答截图发进群。买家问的是“小户型、500 美元以内、能站稳双显示器的升降桌推荐”，答案给了四个品牌，每个后面跟三条参数：高度范围、承重、保修。他们的桌子在名单里，但保修那栏写着“未提供”。官网上其实有五年质保，只是写在一张 FAQ 长图里。

AI 答案里的商品不是一张商品页，而是实体、属性、价格与库存、评价、引用五层字段的拼装；缺一层，商品是从候选集里掉出去，而不是排名靠后一点。

五层，不是一个页面

先把“我的商品页写得挺好”这个前提放下。AI 回答“买哪个”时，读的不是你的排版，而是页面里能被拆出来、单独成立的事实。

层	AI 拿它回答什么	缺了会怎样	你能控制的部分
实体	这是什么品类、什么品牌、和谁同类	被归进“其他品牌”，或直接不出现	标题、类目、品牌名、各平台说法一致
属性	尺寸、材质、承重、兼容性、适用场景	进了候选也填不上槽，被跳过	规格表、单位、可比口径
价格与库存	现在多少钱、有没有货、几天到	报价环节没有你	Feed、页面价格、运费与时效
评价	别人怎么用、缺点是什么	有参数没信任，进不了推荐	评论摘要、第三方评测、UGC
引用	这句话从哪来、能不能核	模型不敢写，或改写别人	可抓取页面、站外语料

五层不是并列的，是有依赖顺序的。实体错，后四层全部作废；属性缺，价格再准也进不了比较；评价和引用决定的是“敢不敢推荐”，不是“能不能看见”。很多团队把预算全押在第五层——发稿、找评测、做榜单，但前两层没修，等于给一个不存在的主体做公关。

模型处理购物问题的方式很朴素：把问题拆成约束，找满足约束的实体，逐条填属性，最后用评价和引用决定要不要写进答案。

约束是硬的。“小户型”对应桌面尺寸和高度下限，“能站稳双显示器”对应承重和升降稳定性，“500 美元以内”对应含运费到手价。这些值任何一条在页面上找不到唯一答案，模型就不会替你猜——它换一个能填上的商品，成本更低。

比缺失更糟的是矛盾。官网写承重 80kg，平台 listing 写 100kg，同一款产品两个数，模型最可能的处理是两个都不用，因为无法核实哪个是真的。对模型来说，不可验证约等于不存在。

一个典型反例：把保修、退换、安装服务全写进“品牌故事”，用“我们始终坚持以用户为中心”包起来。人读得懂，机器拆不出字段。商品会被正确识别，却在“保修几年”“能不能退”两个问题上被判为信息缺失——截图里那句“未提供”，就是这么来的。

第一类，有页面，没实体。品牌名官网叫 A，平台店叫 A-US，评测里还用着两年前的旧名。模型对不上，只能当三个主体处理。这不是文案问题，先统一命名与对外档案，参考品牌实体是否存在的做法。

第二类，有参数，不可比。英寸和厘米混用，承重分不清是静态还是升降过程，写了“适配大桌面”却不给尺寸。可比性比完整度重要：先把买家真正拿来筛选的五个字段做统一，比把四十个规格填满更有用。

第三类，有评价，没有可引用的句子。评论全是“很好用”“物流快”，没有场景、没有缺点、没有对比。AI 摘不出一句能支撑推荐的话，只能去引第三方。这时候补内容没用，得改评论邀请时问的问题。

还有一类不算缺失，算误读：页面上的“最强承重”“行业第一”被当成事实引用。夸张词不会提高推荐概率，只会提高被质疑的概率。

内容团队最常犯的错，是从“写得好不好”入手；正确的顺序是从“能不能被拆出来”入手。

顺序	动作	谁来做	怎么验证
1	列出买家筛选用的 5 个约束字段	内容 + 品类运营	拿 20 个真实提问逐条对照，每个约束能否在页面上找到唯一答案
2	每个字段写成一句可独立引用的话，再加一张规格表	内容	遮住上下文，单看这句是否成立
3	清掉官网、listing、feed 三处的取值矛盾	内容 + 平台运营	同一字段三处取值一致，单位统一
4	补一句“什么情况下不该买”	内容	这句话能否回答一个真实的排除性问题
5	把关键事实放到可被抓取的页面，而不是图片和 PDF	技术 + 内容	关闭 JS 后仍能看到这些字段，抓取策略见AI 爬虫地图

顺序不能颠倒。第 1 步没做，第 2 步就会写成一篇自我感觉良好的长文；第 3 步没做，第 2 步写得越细，矛盾越多。第 5 步常被跳过，但字段只存在于图片或 JS 渲染的模块里，前面四步等于白做。

以下品牌、型号、价格、参数均为虚构，只用于演示结构。

改造前：实体能对上，属性只有“高度可调”，保修写在 FAQ 图里，12 条评论都是“很好用”。AI 的回答通常是提到品牌，参数栏空着，或者直接换成参数更全的竞品。

改造后，五层分别落成：

改造的目标不是保证被推荐，而是让模型在“小户型 + 500 美元内 + 双显示器”这组约束下有话可写、有据可引。能被写进去，才有机会被比较。

第一，非标和强体验品类。定制家具、艺术品、需要试穿试用的商品，买家不会把决策整个交给 AI，五层拆得再细也只是辅助材料。

第二，成交高度集中在平台内。如果订单绝大部分来自平台站内，而平台 AI 只吃 listing 与评论，官网内容层的优先级要往后放，先把 listing 和评论修好。

第三，实体还不存在的时候。连品牌名都对不上、站外没有任何提及，先做实体与第三方语料，做属性表是浪费。

第四，把五层当填空表。交给外包逐格填满，结果是每层都有字、每层都不可引用。判断标准不是覆盖率，而是遮住上下文之后这句话还成不成立。

第五，价格与库存不是内容团队能写完的。这两层依赖系统和实时数据，内容负责定义口径，工程负责接 feed。

这份拆法解决的是“商品能不能被读懂、被比较”。入口层面为什么值得先做，见AI 搜索把海外电商流量切成了四段；改完怎么判断有没有效，用AI 可见度基线采样，别用一次截图下结论。这条线上其他文章在内容与语义主题页。

如果只做一件事：挑一个卖得最好的 SKU，用五个真实买家提问跑一遍 AI 回答，把空缺或写错的字段记下来，只修被问到最多的那一个，并在页面上把它写成一句遮住上下文也成立的话。