简短回答:ChatGPT 购物(ChatGPT shopping)会在模型判断某件商品符合购物者说出的需求时把它展示出来。这个判断依据 OpenAI 明确列出的四类输入:购物者的提问和已保存的上下文、来自商家与第三方数据提供方的结构化商品元数据、搜索找到的其他第三方内容,以及模型在检索之前本来会给出的回答。购物者点开某件商品之后,还有第二步:给在售这件商品的商家排序,依据是库存、价格、质量,以及该商家是不是制造方或主要卖家。两步都不是付费排位。所以「怎样让商品被 ChatGPT 推荐」可以干净地拆成两件事:让准确的商品数据走上 ChatGPT 读得到的路径;让每件商品成为某个具体需求的显而易见的答案。

本文只讲机制,并逐条对照 OpenAI 自己的帮助中心文章和商家页、以及 Shopify 关于 ChatGPT 渠道的官方文档核对过。官方没说的地方,我们直接写「没有公开」,不去猜。品牌层面的做法(在普通回答里被点名、实体一致、第三方佐证)在如何被 ChatGPT 推荐一文里讲过;这篇只讲商品卡片和商家列表这一层。

  • 进入商品轮播的输入有两条路:结构化商品数据(Shopify Catalog、Etsy、直连 feed、第三方数据商)和搜索索引里的网页内容。用 Shopify 或 Etsy 开店的卖家,已经在第一条路上。
  • 选品以意图为先:同一份商品目录,对不同的购物者会出不同的轮播,因为记忆和自定义指令都是输入。
  • 商家顺序是另一套排序,有四个明确因素。其中之一是「是否为制造方或主要卖家」,这对同时走分销渠道的品牌很关键。
  • 购买在你自己的网站上完成。OpenAI 商家页说正在放弃独立的站内结账,从 ChatGPT 发起的购买不收费用。
  • 截至 2026 年 10 月,购物功能只对美国用户开放。在其他国家测出来的结果,说明不了轮播的任何情况。

2026 年 10 月的 ChatGPT 购物到底是什么

当提问带有购物意图(比如「帮我找一双适合宽脚、防水的越野跑鞋」),ChatGPT 可以用商品卡片来回答:一张图、一个简化过的标题、一个价格,以及去卖家那里的链接。OpenAI 帮助中心把这叫做「用 ChatGPT 搜索购物」。服装和配饰带有「Try on」按钮,可以生成购物者穿戴这件商品的图片;购物者还可以把商品收藏进 ChatGPT 资料库里的文件夹。网页版和手机版都能用。

购物者依次经过的三个界面

购物者会经过几个不同的界面,每个界面由不同的规则决定。很多团队一开始做 ChatGPT 购物优化,犯的第一个错就是把它们当成同一个「排名」。

界面由什么决定商家能影响什么
文字回答模型对问题的推理,并参考搜索结果第三方的报道与评价;可抓取页面上写清楚的商品事实
商品轮播与购物者意图的相关性,依据结构化元数据、第三方内容和模型原有的回答商品数据是否完整准确;商品页是否写清楚「适合谁」
单件商品的商家列表库存、价格、质量、是否为制造方或主要卖家库存准确、价格及时、自己是不是自家商品最权威的卖家
结账商家自己的网站或 App全部,因为那就是你的结账页

结账方式变了

有一段时间,OpenAI 主推 Instant Checkout:购物者在 ChatGPT 里直接付款,商家用自己的支付服务商处理订单。现在 OpenAI 商家页的说法是,正在放弃独立的 Instant Checkout 体验,优先支持商家自有的结账:购物者在 ChatGPT 里发现和比较商品,然后到商家的网站或 App 上购买。Shopify 帮助中心对 ChatGPT 渠道的描述也一样,称之为「以发现为主的导流渠道」:手机上在 ChatGPT 的内置浏览器里、网页上在新标签页里,用店铺自己的结账页完成购买,所以店铺原有的支付方式、折扣和品牌样式都照常生效。

帮助中心的文章里仍然写着「部分符合条件的商品可能显示 Instant Checkout 选项」,商家列表的标签里也还有一个叫「Instant checkout」的。可以把它理解为一个正在过渡的界面。做规划时,按「点击会离开 ChatGPT、落到你的商品页上」来准备,这意味着商品页必须靠自己把这单生意做完。

它不是什么

商品结果不是广告。OpenAI 明确说,商品结果由 ChatGPT 独立选出,不受 OpenAI 任何合作关系影响,广告与商品结果是分开的。OpenAI 还说,从 ChatGPT 发起的购买不收费用。所以不存在一笔「买更好轮播位置」的预算,能用力的只有三处:数据质量、商品与需求的契合度,以及模型已经吸收进去的口碑。

商品进入 ChatGPT 购物的两条路:feed 与开放网页

轮播里的每一件商品,都是从两条路之一进来的。弄清你的商品目录走的是哪条路,才知道一个错误价格或一个缺失的变体是从哪儿来的,也才知道该去哪儿修。

商品数据从哪里来CHATGPT 收到什么购物者看到什么Shopify CatalogEtsy直连 feed(需审批)第三方数据提供方结构化商品元数据价格、描述、库存、图片、卖家、商品标识码你的商品页以及第三方页面搜索索引(OAI-SearchBot)与实时抓取(ChatGPT-User)商品轮播:被判断为符合购物者意图的商品商家列表:为选中的商品给卖家排序购买在商家自己的网站或App 上完成两条路径都不是付费排位。两条路径的数据冲突时谁优先,OpenAI 没有公开。
图 1 商品进入 ChatGPT 购物的两条路:来自 feed 与数据提供方的结构化商品数据,以及 OpenAI 搜索爬虫看到的网页内容。两者都影响轮播,之后才是商家列表和结账。来源:OpenAI 帮助中心与商家页、Shopify 帮助中心(2026-10-23 读取)。

feed 路径:结构化商品数据

OpenAI 帮助中心写道,ChatGPT 会考虑来自第一方和第三方提供方的结构化元数据(例如价格和描述),商家列表也是根据第三方提供方或商家直接提供的商家与商品元数据生成的。实际上,feed 路径有四个入口:

  • Shopify Catalog。OpenAI 说 Shopify 商家的商品数据已经通过 Shopify Catalog 接入,无需额外操作。Shopify 对 ChatGPT 渠道列出的条件是:店铺必须向美国顾客销售(店铺本身可以在美国以外,这对出海卖家是关键一句)、商品要符合 Shopify Catalog 资格、服务条款、隐私政策和退换货政策都要填好。
  • Etsy。OpenAI 商家页把 Etsy 卖家和 Shopify 卖家放在一起:已经接入,不需要申请。
  • 直连 feed。其他商家在 OpenAI 商家页申请提交商品 feed。OpenAI 开发者文档说 feed 接入目前只对通过审批的合作方开放,商家页则说申请者会进入等候名单,OpenAI 正在做自助式商家平台。
  • 第三方数据提供方。OpenAI 多次提到「来自第三方提供方的元数据」,但没有点名是谁;它还说商品列表里的价格是从第三方提供方那里拿到的。这个来源你控制不了,所以前面三个入口才更重要。

抓取路径:搜索索引看到的内容

另一条路是开放网页。OpenAI 用 OAI-SearchBot 构建 ChatGPT 搜索功能背后的索引,用 ChatGPT-User 在用户要求时实时抓取某个页面。商品页、测评网站、编辑推荐清单、论坛帖子,都是从这扇门以「其他第三方内容」的身份进来的。OpenAI 商家页直接回答了大家最常问的问题:如果 ChatGPT 已经在抓取你的网站,商品 feed 不是必需的;但 feed 能让你更好地控制商品怎么展示、信息是否及时。

两条路彼此独立。Shopify 的文档把后果写得很清楚:在 robots.txt 或网络层封锁 AI 爬虫,只影响开放网页上的发现,不会阻止 Shopify Catalog 把商品数据发给你开启的渠道。反过来也一样:关掉 ChatGPT 的 Catalog 访问,并不能阻止 ChatGPT 通过抓取和索引找到你的商品。

两条路的数据冲突时怎么办

假设你的 feed 说一件夹克是某个价格,而某个测评页的缓存里还是上一季的价格。OpenAI 没有公开谁优先。它公开的是:展示的价格来自第三方提供方;首先显示的价格是排第一的商家的价格;商家改价或改运费后,可能要过一段时间才会反映出来。实用的原则是让各个来源一致,而不是去赌优先级:feed、商品页、商品页上的结构化数据,价格、币种、库存和变体名称要完全一致。

问题feed 路径(Catalog、Etsy、直连 feed)抓取路径(OAI-SearchBot、ChatGPT-User)
最擅长传递什么价格、库存、变体、商品标识码、图片、卖家上下文:评价、对比、适合谁、编辑结论
谁说了算你(或你的电商平台),逐个字段控制自家页面你说了算;其余是媒体和消费者说了算
新鲜度快照加增量更新;OpenAI 建议直连 feed 至少每天一次取决于页面下一次被抓取的时间
怎么关掉Shopify:按渠道关闭 Catalog 访问;直连 feed:把商品标为不可展示robots.txt 按代理设规则;或在边缘层直接拦截
典型故障变体被合并成一行;库存过期;品牌填了占位值误封了爬虫;价格靠 JavaScript 渲染;第三方页面内容过时

ChatGPT 购物的商品轮播怎么决定展示什么

OpenAI 对轮播选品的描述很短,但每一句都有实际后果。当 ChatGPT 判断某件商品与购物者的意图相关时,它就会出现在轮播里,判断依据是提问本身和上下文(例如记忆或自定义指令)。决定展示哪些商品时,它会考虑结构化元数据、其他第三方内容、模型在考虑新搜索结果之前已经生成的回答,以及 OpenAI 的安全标准与产品政策。

1提问本身,加上记忆和自定义指令2来自第一方与第三方提供方的结构化元数据3搜索找到的其他第三方内容4模型检索前已有的回答,以及安全与商品政策是否符合这位购物者的意图轮播:只展示一部分商品,不是所有匹配项CHATGPT 展示之前会改写的部分简化标题和描述;加上「Budget-friendly」这类标签;根据公开网站的评价生成评价摘要来源:OpenAI 帮助中心《Shopping with ChatGPT Search》(2026-10-23 读取)。政策包括安全标准与禁售商品。
图 2 OpenAI 列出的选品输入,以及购物者看到卡片之前 ChatGPT 会改写的内容。来源:OpenAI 帮助中心《Shopping with ChatGPT Search》(2026-10-23 读取)。

意图优先,而意图因人而异

OpenAI 自己举的例子是一位想找搞怪狗狗服装的购物者:ChatGPT 可能会权衡在售选项、价格、评价和穿脱是否方便;如果这位购物者说过讨厌小丑,它可能就把小丑造型排除掉。如果购物者给出 $30 的预算,价格就会成为主导;如果从头到尾没提价格,其他属性就会占上风。由此得出两点。第一,同一个查询并没有统一的轮播,因为记忆和自定义指令会让每个人的结果不同。第二,哪个属性胜出取决于购物者说了什么;一个只写了价格和一句口号的商品页,模型拿不到任何东西去匹配「适合宽脚」「在公寓里用够安静」「对幼犬安全」这样的需求。

这是贯穿所有 AI 可见度工作的那条规律在商品层面的体现:被匹配的是属性。属性在从商品目录到爬虫的路上会在哪些环节丢失,我们在商品级可见度指南里有详细说明。

结构化元数据是底线,不是上限

feed 里带的元数据(标题、描述、价格、库存、图片、标识码、卖家)决定了 ChatGPT 能不能渲染出一张卡片、卡片准不准。它是必要条件,不是充分条件:一条格式完美的记录,如果商品本身不符合购物者说的需求,照样不会被选中。OpenAI 的 feed 规范自己就写着:有资格不等于一定展示。

第三方内容,以及模型原本的回答

商家最常忽略的两个输入,是「其他第三方内容」和「模型在考虑新搜索结果之前已经生成的回答」。两者合起来意味着:商品在你自己网站以外的口碑,以及模型本来就对你的品牌和品类有什么印象,会在查 feed 细节之前就先塑造候选名单。如果测评文章、对比清单和论坛帖子都一致地说某件商品适合某种情况,它就有了一个任何 feed 字段都买不来的先手。feed 决定的是,出现的那张卡片准不准确。

政策会直接把一部分商品拿掉

OpenAI 的商务文档列出了禁售品类,包括成人内容、酒类与尼古丁与博彩这类有年龄限制的商品、武器、处方药、无牌照的金融产品等。Shopify 也写明,在 OpenAI 禁售清单上的商品不会出现在 ChatGPT 的商品发现结果里。如果你卖的正是这些品类,轮播就不是一个可以优化的渠道;能做的只剩文字回答和你自己的网站。

展示之前,ChatGPT 会改写哪些东西

卡片并不是你商品详情的原样复制。OpenAI 说,因为不同商家给同一件商品起的标题五花八门,ChatGPT 可能根据第三方信息生成简化的标题和描述。它会加上「Budget-friendly」「Most popular」这类特征标签,OpenAI 说明这些标签由模型生成、并未核实;「Budget-friendly」可能只是因为评价里常有人说性价比高,而不是因为价格最低。它还可能展示根据公开网站评价生成的评价摘要,OpenAI 同样不做核实。这些标签你设不了。你能做的,是确保生成它们所依据的事实在所有出现的地方都正确、一致。

我们的基准数据:ChatGPT 怎么回答商品类问题

商品轮播是一个界面功能,API 返回里不会有它。我们能大规模测量的,是同一系列模型对购买类问题给出的文字回答。这依然有参考价值,因为「模型原本的回答」正是 OpenAI 列出的四类输入之一。在 2026 年第三季度的基准测试里,我们通过 API 向 ChatGPT(openai/gpt-5-mini,美国市场)每个品类提了 20 个购买类问题,并对每条回答的形式做了分类。

每个品类 20 条回答中的条数(CHATGPT 经 API,美国,2026-09-07 测量)电动自行车3215家具3611宠物用品3512护肤品4412给出排序的选项列表不排序的选项列表购买指南,不点名任何选项来源:InsightWonder 2026 年第三季度基准,openai/gpt-5-mini,每品类 20 个问题。回答形式由模型分类。这是 API 回答,不是购物轮播。
图 3 每个商品品类 20 个购买类问题中,ChatGPT 文字回答的形式。多数是不点名任何选项的购买指南。来源:InsightWonder 2026 年第三季度基准,openai/gpt-5-mini 经 API,美国市场,2026-09-07 采集;回答形式由模型分类。

四个商品品类里,多数回答都是不点名任何选项的购买指南:电动自行车 20 条里有 15 条,家具 11 条,宠物用品 12 条,护肤品 12 条。给出排序列表的很少,每个品类只有三四条。仔细看,这说明了商品是从哪里进来的:在没有商品界面、只用文字回答时,模型倾向于教购物者怎么挑;而具体的商品,出现在依靠结构化商品数据运行的商品界面里。只盯着「在文字回答里被点名」的品牌,优化的恰恰是最少点名商品的那个界面。

需要说明的限制:这些是 API 调用,没有记忆、没有登录档案;回答形式由模型分类;每个品类 20 个问题是抽样,不是普查。数据采集于 2026-09-07。各品类的完整结果(包括被点名的品牌)见电动自行车基准页及其他品类页面。

被引用的证据来自哪里

同一次基准测试记录了五个模型引用的所有来源。在 ChatGPT、Perplexity、Gemini、Claude 和 Grok 的全部引用中,指向被点名品牌自家网站的比例,在我们测量的每个商品品类里都很低。

全部引用中指向被点名品牌自家网站的比例(五个模型,美国,2026-09-07)电动自行车18.6%家具15.2%宠物用品9.3%护肤品3.6%来源:InsightWonder 2026 年第三季度基准;ChatGPT、Perplexity、Gemini、Claude、Grok;每品类 20 个问题。其余引用指向媒体、零售商、社区和其他域名。
图 4 按商品品类统计,五个模型的全部引用中指向被点名品牌自家网站的比例。来源:InsightWonder 2026 年第三季度基准,每品类 20 个问题,2026-09-07 采集。

电动自行车最高,为 18.6%;家具 15.2%;宠物用品 9.3%;护肤品只有 3.6%。其余引用都指向媒体、零售商、社区和其他网站。放到 ChatGPT 购物里看,这提醒我们「其他第三方内容」在实践中是什么意思:模型看到的关于一个商品品类的证据,大部分不是品牌自己写的。你的商品页必须正确,但它在数量上是少数。

选定商品之后,ChatGPT 怎么给商家排序

购物者点开一件商品后,ChatGPT 可能列出在售这件商品的商家。这是第二套独立的排序,它决定了点击是落到你这里、落到转售商那里,还是落到某个平台上的你自家商品页。

一件商品已被选中库存这个卖家现在能发货吗?有货优于缺货或状态未知价格这里卖多少钱,和别处比呢?已知最低价可能标「Best price」质量这个卖家作为来源靠不靠谱?OpenAI 没有进一步定义制造方/主卖家是品牌本身还是它的主要卖家?可能让品牌官方店排在转售商前面标签「Best price」可能让位给「Instant checkout」等其他标签。首次显示的价格是排第一的商家的价格,不一定是最低价。来源:OpenAI 帮助中心(2026-10-23 读取)。OpenAI 只列出因素,没有公开权重或先后顺序。
图 5 选定商品后,OpenAI 列出的四个商家排序因素,以及价格标签的规则。OpenAI 公开了因素,没有公开权重。来源:OpenAI 帮助中心(2026-10-23 读取)。

库存

OpenAI 列出的第一个因素是库存。一个发不了货的卖家不是好答案,所以库存状态必须在变体级别准确:明明只剩白色 9 码,却给黑色 10 码标「有货」,会把购物者带进死胡同,久而久之也会让系统认为你的数据不可靠。库存也是最容易过期的字段,因为它比目录里任何其他信息变得都快。

价格,以及「Best price」标签

第二个因素是价格,OpenAI 描述了两个值得知道的行为。ChatGPT 首次回答里显示的价格,通常是排第一的商家的价格,未必最低。在商品详情里,ChatGPT 会尽量突出它所知道的最低价;同一件商品有多个商家时,最低价的那个选项可能被标上「Best price」。如果有「Instant checkout」之类的其他标签,它会优先显示,最低价选项就不一定再显示「Best price」。如果你的价格明明更低,ChatGPT 却显示转售商的价格,通常原因是数据新鲜度而不是排序:OpenAI 说价格和运费的变动需要一段时间才能反映出来。

质量

OpenAI 列了「质量」,但没有定义。它可能涵盖卖家的口碑、商品信息的完整度、退换与配送条款,但这些都没有文档依据,我们不装作知道。能站得住的做法是消除明显的负面因素:退货政策写完整、配送条款写实、图片和描述与商品一致。

制造方或主要卖家

第四个因素是商家是否为这件商品的制造方或主要卖家。对一个既直销又走分销的品牌来说,这是整份文档里最重要的一句,因为正是这个因素,可能让你自己的店排在更便宜或发货更快的转售商前面。要用上它,系统得能判断出你就是制造方:数据里的品牌字段要和商品页上的品牌完全一致,GTIN 这类标识码要用制造商分配的那一套,你的店铺要能被认出是品牌自己的店。

个性化还会加深

OpenAI 表示,商家排序还会继续演进,包括按用户偏好进一步个性化。偏爱某个零售商的购物者,可能会看到它排得更靠前。这让单张截图作为证据更加不可靠,测量部分会再讲。

你的情况对你最有利的因素对你风险最大的因素最先要修的
只在自家 Shopify 店销售的品牌制造方或主要卖家库存,如果变体库存没同步Shopify Catalog 里变体级别的库存和价格
既直销又走转售商的品牌制造方或主要卖家价格,转售商常打折品牌名与 GTIN 一致,让 ChatGPT 认出你是制造方
销售其他品牌商品的转售商价格和库存制造方或主要卖家(你两者都不是)价格与库存及时;配送和退货信息完整
只在平台上开店的卖家取决于平台的数据控制权:记录归平台所有确保平台商品页的属性完整

怎样让商品被 ChatGPT 推荐:一套可执行的流程

下面的流程按机制的顺序走:先确认路径存在,再让路径上的数据可信,然后让商品成为某个需求的正确答案,最后才去测量。跳步是浪费一个季度最常见的方式。

第 1 步:确认你的商品目录走的是哪条路

如果你用 Shopify,在后台打开「销售渠道」下的「Agentic」。Shopify 会在「来源」里显示 Shopify Catalog,要么是已进入 Catalog 的商品数量,要么是一个「Ineligible(不符合资格)」警告,点开能看到原因。确认 ChatGPT 的访问是开着的,并且店铺政策是完整的,因为服务条款、隐私政策和退款政策都是明确的条件。如果你在 Etsy 开店,OpenAI 说你已经接入了。如果你用的是自建站,在 OpenAI 商家页申请直连 feed,等待期间先确保抓取路径是通的。

第 2 步:确认 OAI-SearchBot 能读到你的商品页

即使已经通过 feed 接入,商家依然要靠抓取路径提供上下文。确认 robots.txt 没有封 OAI-SearchBot;很多网站本想通过封 GPTBot 拒绝训练,结果误封的就是它。一个最小而明确的写法如下:

# OpenAI:放行搜索索引和用户触发的抓取,
# 训练(GPTBot)单独决定。
User-agent: OAI-SearchBot
Allow: /
Disallow: /cart
Disallow: /checkout

User-agent: ChatGPT-User
Allow: /

User-agent: GPTBot
Disallow: /

然后用这个代理真实发一次请求测试,因为 CDN 或防机器人规则可能拦掉文件里放行的代理。完整文件和一分钟测试方法见我们的AI 爬虫 robots.txt 实用写法。同时检查价格、库存和变体名称是不是在服务端渲染的 HTML 里,而不是页面加载后才由 JavaScript 注入。

第 3 步:在源头修好商品记录

无论走哪条路,记录都必须在源头就是对的,因为下游每一份副本都会继承它的错误。逐个商品检查:

  • 每个可购买的变体一行,标题里写明变体(「越野跑鞋,黑色,10 码」),而不是一个带价格区间的父商品。
  • 真实的品牌名,与商品页一致;不要填占位值,转售别家商品时也不要填自己的店名。
  • 有制造商标识码就填上。不要为了补缺失的 GTIN 去编一个型号,OpenAI 的规范明确说了不许这样做。
  • 价格和库存一变就更新,包括促销开始和结束的时候。OpenAI 说明 feed 里的日期不会自动安排变更。
  • 退货和配送条款写清楚。没填运费,对系统来说意味着「未知」,而不是「免运费」。

在 Shopify 上,这些信息大多在商品后台里,由 Catalog 自动发送。Shopify 的 Catalog Mapping 可以从 metafield 里取标题、描述和分类,也能把几个独立商品合并成同一商品的变体,这对数据散落在自定义字段里的店铺很有用。Shopify 还建议把法律声明放在商品描述的前 6,000 个字符里。直连 feed 的逐字段细节是另一个话题,值得单独写一份参考。

第 4 步:按需求写商品页,而不是按品类写

因为选品以意图为先,商品页必须用模型可以直接摘取的句子写明它满足哪些需求:适合谁、能应对什么条件、决定是否合适的尺寸数据,以及取舍。「宽楦防水越野跑鞋,在湿滑岩石上实测过;尺码偏小半码;不适合雪地」给了模型三个可以匹配的需求和一个可以排除的情况;一句口号加一张规格表,几乎什么都没给。取舍要老实写。被准确描述的商品会被匹配给对的购物者,而只有这种匹配才会变成订单。

第 5 步:积累第三方证据

前面的基准数据说明,商品品类里被引用的证据很少来自品牌官网。独立网站上的评价、写明测试方法的推荐清单、社区里真实的讨论,喂给的是「其他第三方内容」这个输入和模型原有的印象。这件事很慢,没有经得起推敲的捷径;伪装成编辑内容的付费软文,读者往往会打折看待,越来越多地,总结这些内容的系统也是如此。

第 6 步:品牌和每件商品只用一个身份

在 feed、商品页、结构化数据、各平台店铺和新闻稿里,用同一个名字称呼同一件商品。feed 里叫「Trail Runner 2」、亚马逊上叫「TR2」、测评里叫「Trail Runner II」,对一个要把证据匹配到卡片上的系统来说就是三件商品。品牌也一样:feed 里用公司法定名称、网站上用品牌名,会把「制造方」这个信号拆散。出海卖家尤其要注意中英文公司名、品牌名和店铺名不要混用。

第 7 步:改之前先测,改之后再测

先定下你想赢的需求,把它们写成购物者真正会问的问题,在动任何东西之前,先测出商品在轮播里的出现情况和在商家列表里的位置。下面两节会详细讲诊断和测量。

一个完整的例子:同一件商品走完两步

为了让流程更具体,我们用一件示意商品走一遍。品牌、商品和措辞都是为演示虚构的,机制是官方文档描述的那一套。设想一个小品牌做了一款宽楦越野跑鞋,在自己的 Shopify 店里卖,同时也通过两家户外零售商销售。

起始状态。店铺符合 Shopify Catalog 资格,ChatGPT 访问已开启,所以数据路径是存在的。但所有颜色和尺码都挤在一个带价格区间的商品里,描述是一段品牌故事、没有任何尺寸数据,品牌字段填的是公司法定名称,而不是鞋上印的品牌名。其中一家零售商列出了同一双鞋,带着制造商的标识码,还从一篇测评里抄了一句「宽楦,偏小半码」。

购物者看到什么。一位美国购物者问「适合宽脚、能应付湿滑岩石的防水越野跑鞋」。轮播里有这双鞋,因为独立测评网站都是这么描述它的。但卡片显示的是零售商的标题和价格,点开后零售商排在第一位。从 ChatGPT 能拿到的证据看,零售商更像是权威卖家:它的记录有标识码,描述与需求吻合;而品牌自己的记录,看不出和这件商品是同一个东西。

修复顺序。第一,把每个可购买的颜色和尺码拆成独立变体,标题里写明变体,品牌字段改成鞋上的品牌名。第二,填上制造商的 GTIN,和零售商用的是同一套,这样两条记录会被识别为同一件商品,品牌是它的制造方。第三,围绕它真正满足的需求重写商品页:鞋头宽度、防水膜、大底在湿滑岩石上的表现、偏小半码,以及它不是为雪地设计的。第四,检查页面上的结构化数据、Catalog 记录和可见价格是否一致。

预期是什么。这些都不能保证拿到商家列表的第一位;OpenAI 公开的是因素,不是结果。改变的是证据:品牌的记录现在能和商品对上,每个变体的库存都是准确的,「制造方或主要卖家」这个因素有了可以发挥作用的依据。之后的测量会告诉你,在多次干净的重复测试里,品牌自己的店出现在商家列表里的频率是否比以前高。如果没有,剩下的差距通常在价格新鲜度或第三方证据上,下面的诊断表会指出下一步该查什么。

商品始终不出现在 ChatGPT 购物里:怎么诊断

商品不见了,就按顺序逐道关卡检查。每一道都是下一道的前提;前面的关卡没打开,后面的修复再好也没用。

1购物者所在市场是否已开放ChatGPT 购物(目前是美国)?否暂时没有可修的:那个市场还没上线是2有没有数据路径(Catalog、Etsy、feed 或可抓取的页面)?否先打通路径:查 Catalog 资格、申请 feed、放行 OAI-SearchBot是3价格、库存、变体、卖家字段是否完整且及时?否在数据源头修;价格变动传到 ChatGPT 本来就有延迟是4这件商品是否适合购物者说出的某个具体需求?否在商品页写清适用需求、属性和取舍是5退出登录、重复跑真实问题时,它是否稳定出现?否跑一次说明不了什么;按问题集抽样并记录位置从上往下查:前面的关卡没打开,后面修得再好也没用。
图 6 商品不在 ChatGPT 结果里时的排查顺序,每一道关卡都是下一道的前提。来源:根据本文引用的 OpenAI 与 Shopify 文档整理。
现象可能原因怎么查怎么修
任何查询都看不到你店里的商品店铺不符合 Shopify Catalog 资格、ChatGPT 访问被关、或测试者不在美国Shopify 后台「销售渠道」下的「Agentic」;确认测试所在地处理不合格原因;补全店铺政策;用美国的会话测试
商品出现了,但价格不对feed 或第三方数据过期;显示的是排第一的商家的价格点开商品卡片,对比各个商家更新源头记录;让页面、feed 和结构化数据一致
商品出现了,但商家列表里没有你的店品牌名或标识码不一致,系统看不出你是制造方把品牌字段和 GTIN 与转售商公开的信息对比处处使用制造商标识码和完全一致的品牌名
永远只出现一个变体变体被合并成一行,或分组错误检查这件商品的 feed 或 Catalog Mapping每个可购买变体一行,共享一个分组标识
泛泛的查询能出现,具体需求的查询出不来页面没写与该需求相关的属性在页面文字里搜这个需求的关键词围绕需求、尺寸数据和取舍重写页面
每次看结果都不一样个性化、记忆,以及模型本身的随机性在退出登录或全新的会话里重复测试多次抽样,报告比例,而不是单张截图

看起来像故障、其实不是的情况

有几种情况结果令人困惑,但其实什么都没坏。Shopify 能识别出的 B2B 商品会被排除在 agentic 渠道之外,例如只发布到 B2B 目录、或需要顾客登录才能看到的商品;同一件商品既卖给企业又卖给消费者时,发出去的是面向消费者的价格。在 Shopify 里设为 Unlisted 的商品会从 AI 渠道消失,但同时也会从站点地图、搜索引擎和店内搜索里消失,所以要谨慎使用。关闭 Catalog 访问后,Shopify 说最多要 7 天数据才会停止共享。至于直连 feed,商品从快照里消失后,OpenAI 会把它最后一次处理的记录保留最多 14 天,所以你删掉的商品可能还会停留一阵子。

ChatGPT 购物里你控制不了的部分,以及该忽略的说法

从机制出发看问题,也是筛选建议的好办法。市面上流传的几种说法,官方文档并不支持。

  • 「可以花钱买轮播第一位。」OpenAI 明确说商品结果不是广告、不受合作关系影响。ChatGPT 里确实有广告,但与商品结果是分开的。
  • 「提交了 feed 就一定能出现。」用 OpenAI 自己的话说,有资格不等于一定展示;一个查询也不会展示所有在售商品。
  • 「『Most popular』这类标签反映了销量数据。」OpenAI 说它们是模型根据已有信息(可能包括第三方数据)生成的,未经核实。
  • 「有一个排名公式可以逆向破解。」OpenAI 只公开因素,不公开权重,还说商家排序会越来越个性化。谁在卖这个公式,卖的都是猜测。
  • 「在我这个国家看到的结果,就是美国购物者看到的结果。」购物功能在美国上线;在其他地方,你看到的是另一个产品。

商家能改的东西也确实有限。你不能编辑 ChatGPT 生成的简化标题,不能设置标签,不能删掉评价摘要,也不能决定哪个商家排第一。你能做的,是让底层事实正确、一致、及时,并且可以反馈错误:OpenAI 帮助中心欢迎用户通过点赞、点踩图标,以及每件商品上的菜单举报错误信息。

测量 ChatGPT 购物可见度,别自己骗自己

测量出错的方式很好预测。一个团队用一个积累了多年记忆的登录账号跑一次查询,看到了自家商品,就宣布成功;或者跑一次没看到,就把整个商品目录重写一遍。这两次都不算证据。一个有用的 ChatGPT 购物测量,应该具备五个特征。

  1. 一组固定的真实购买问题,按购物者描述需求的方式来写,按需求而不是按商品分组。用多少个问题、怎样避免问题里出现自家品牌名,见我们的问题集搭建指南。
  2. 在对的市场用干净的会话。用退出登录或没有记忆的全新账号,在美国测,免得个性化替你加分或减分。出海团队如果在国内测,一定要用美国的网络环境和账号。
  3. 重复运行。记录每件商品在多次运行里是否出现,报告比例,而不是「有」或「没有」。
  4. 结果分开记。轮播是否出现、商家列表位置、显示的价格、有没有标签,分成四个独立指标记录。一件商品可能赢了轮播,却在商家列表里输给了转售商。
  5. 点击要能归因。OpenAI 的开发者文档建议,需要单独统计 feed 带来的点击时,在 feed 的 URL 里加上 utm_medium=feed 这样的归因参数;Shopify 后台也会给来自 AI 渠道的订单标注渠道或来源。

一些背景数据有助于建立合理预期。Shopify 公布,2026 年第一季度,来自 AI 的 Shopify 店铺流量同比增长到 8 倍,来自 AI 搜索的订单增长近 13 倍。Adobe 报告过,从 AI 来的零售访客每次访问浏览的页面更多、跳出更少,但转化率比其他流量略低,Adobe 的解读是 AI 主要被用在调研阶段。两者指向同一个方向:从 ChatGPT 来的购物者通常已经缩小了选择范围,他们落地的商品页需要确认那些把他们带来的事实。

如果你希望持续测量而不是手工跑,InsightWonder 的问题监测会按计划在 ChatGPT 等多个引擎上运行一组固定问题,并让结果在时间上保持可比。

资料来源