简答:电商品牌要提升在 AI 购物回答里的曝光,要按顺序做四件事:让各家 AI 的搜索爬虫读得到商品页;把结构化商品数据送进各家助手的购物系统;把商品事实写成助手能直接摘走的句子;确保会被引用的市场平台和点评站上,写的是同一套事实。然后按引擎分别衡量,用的问题里不能带品牌名。这些都不能保证一定被推荐,它们让品牌具备被推荐的资格。

这篇是消费者为什么越来越依赖 AI 购物的实操篇。那篇讲需求侧,这篇讲店铺自己能改什么,并写清 Shopify 和 WordPress 上最容易踩的坑。

AI 购物推荐里的商品从哪来

助手推荐商品,背后有两条管道,而大多数 GEO 建议只讲了第一条。

  • 被抓取的页面。OAI-SearchBot、PerplexityBot 这类搜索代理抓取并索引公开页面,回答可以引述或引用它们。你的商品页、选购指南和第三方评测,在这里竞争。
  • 结构化商品数据。助手现在也直接收商品数据。OpenAI 为 ChatGPT 公开了商品 feed 规范;Perplexity 有一个免费的商家计划,由零售商提供商品数据;Shopify 则通过 Shopify Catalog,把标题、描述、图片、价格、库存和配送信息同步给 ChatGPT、Microsoft Copilot、Google 搜索的 AI Mode 和 Gemini 应用。
商品进入 AI 购物回答的两条管道管道一:被抓取的页面商品页、选购指南、市场平台列表页、评测由搜索代理读取:OAI-SearchBot、PerplexityBot、Claude-SearchBot关卡:robots.txt、防火墙、不执行 JS 的 HTML管道二:结构化商品数据标题、描述、图片、价格、库存、品牌、卖家送达途径:OpenAI 商品 feed、Perplexity 商家计划、Shopify Catalog关卡:数据完整,并与线上页面一致助手给出的购物回答引述并引用页面;用商品数据展示商品卡片
图 1 店铺有两份工作:作为页面要读得到,作为记录要填得全。多数 GEO 建议只讲了左边那条管道。来源:OpenAI 与 Perplexity 的爬虫文档、OpenAI 商品 feed 规范、Perplexity 商家计划公告、Shopify 智能体电商说明。

Shopify 对后面发生什么说得相当直白。它的智能体电商说明写道:各 AI 平台的排序因素不同,但可能包括数据质量、相关性、库存、价格和互动信号;商品数据的质量与完整度,决定了商品会在对话里出现还是被跳过。所以你有两份工作,而不是一份:作为页面要读得到,作为记录要填得全。

动手之前,也要对规模有清醒认识。Adobe 报告说,2025 年假日季来自生成式 AI 的零售网站流量增长了 693.4%,但使用者基数仍然不大。Shopify 的数字是: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。这两组数字说明的都是增速,而不是体量。把它当作一个从小基数快速增长的渠道,而不是一个已经超过搜索的渠道。

开始之前,先打个折扣的三种说法

AI 引荐的访问,比其他流量的转化可能性低多少美国零售网站,Adobe Analytics2024 年 7 月低 43%2025 年初低 9%
图 2 差距大幅缩小,但到 2025 年初还没有消失。Adobe 的解读是:AI 主要用在调研和比较阶段。来源:Adobe Analytics 博客,2025 年 3 月 17 日。
  • 「AI 带来的访客转化更高」。Adobe 2025 年初的数据显示,它们的转化可能性比其他流量低 9%,尽管相比 2024 年 7 月低 43% 的差距已经大幅缩小。Adobe 的解读是 AI 主要用在调研和比较阶段,所以要把它当作调研阶段的渠道来规划。
  • 「加了 schema 就会被引用」。本文链接的爬虫文档里,没有任何一份这样说过。用标记来消除歧义,并保持它与页面、feed 一致。
  • 「小品牌靠几个技巧就能超过头部」。有时某个细分子问题确实是空地,但在已经集中的商品品类里,现实的目标是拿下具体的限制条件,而不是头部大词。第四步会给出有些品类已经集中到什么程度。

第一步:放对爬虫进来,并且实测

每家助手都按职责区分爬虫。OpenAI 的爬虫文档列出 GPTBot(训练)、OAI-SearchBot(ChatGPT 搜索背后的索引)和 ChatGPT-User(有人要求时才抓取);Perplexity 的爬虫指南同样把 PerplexityBot 和 Perplexity-User 分开。封训练代理是一个可以辩护的选择,不会让你从今天的回答里消失;封搜索代理就会。

代理职责封掉它的代价
OAI-SearchBotChatGPT 搜索索引从 ChatGPT 搜索结果中消失
PerplexityBotPerplexity 回答索引从 Perplexity 回答中消失,引用数据上几乎立刻能看出来
Claude-SearchBotClaude 搜索结果你的页面不再进入 Claude 的搜索结果
Google-Extended使用控制,本身不抓取从 grounded 的 Gemini 回答中消失,Google 搜索不受影响
GPTBot、ClaudeBot训练不影响今天的回答

Shopify 上,robots.txt 由平台生成,而且默认并不宽松:它禁止 /admin、/cart、/checkout、/search、/policies/ 以及带筛选参数的集合 URL。要修改,就在已发布主题里加一个 robots.txt.liquid 模板,先输出 Shopify 的默认规则组,再追加自己的规则,具体见 Shopify 的 robots.txt.liquid 文档。不要整段替换,因为 Shopify 会定期更新默认规则:

{% for group in robots.default_groups %}
  {{- group.user_agent -}}

  {% for rule in group.rules %}
    {{- rule -}}
  {% endfor %}

  {%- if group.sitemap != blank -%}
    {{ group.sitemap }}
  {%- endif -%}
{% endfor %}

User-agent: GPTBot
Disallow: /

只有已发布的主题会生效,草稿主题里的模板不起任何作用。WordPress 上,虚拟 robots.txt 默认只禁止 /wp-admin/,但一定要看一眼「设置 → 阅读」:根据 WordPress 5.5 的 sitemap 公告,「建议搜索引擎不索引本站」这个勾还会关掉核心 XML sitemap,测试站带着这个勾上线,sitemap 就无声消失了。

然后用真实的 User-Agent 去实测,而不是读文件下结论。CDN 或防火墙对这些代理返回 403,实际上就是封锁,不管 robots.txt 写的是什么:

# Compare a browser fetch with the search agents that build answer indexes
for ua in "Mozilla" "OAI-SearchBot" "PerplexityBot" "Claude-SearchBot"; do
  printf "%s: " "$ua"
  curl -s -o /dev/null -w "%{http_code}\n" -A "$ua" https://yourstore.com/products/example
done

# Then check that the facts are in the HTML itself, without JavaScript
curl -s -A "OAI-SearchBot" https://yourstore.com/products/example | grep -i "return

各家有文档的代理和出处,汇总在我们的 AI 爬虫访问指南里。

第二步:把完整的商品数据送进助手的系统

这一步在一两年前还不存在,也是最机械、最好执行的一步。

  • Shopify 商家。Shopify 说明 Agentic Storefronts 对符合条件的商家自动开启,在后台「设置 → 销售渠道 → Agentic Storefronts」管理。打开看一眼,确认店铺符合条件且已连接。目前通过这些渠道购买只面向美国买家。
  • 其他平台的商家。OpenAI 的 feed 有九个必填的基础字段:item_id、title、description、url、brand、seller_name、image_url、availability、price。标题建议不超过 150 个字符,描述不超过 5,000 个字符,价格和库存要保持最新。搜索资格默认开启,但有资格不等于一定会展示。
  • Perplexity。商家计划免费,核心就是零售商提供商品数据。

这里完整比花哨重要。品牌名和卖家名用真实的,描述写成平实的事实文字,并确认 feed 里的价格和库存状态和线上商品页一致。feed 写着有货、页面写着售罄,正是「数据质量」这类排序因素会惩罚的那种矛盾。

商品页商品 feed 或商品目录
谁来读抓取 HTML 的搜索代理助手的购物系统直接读取
必须包含什么买家会拿来筛选的事实,写成句子,且不执行 JavaScript 也在全部必填字段:OpenAI 是九个基础字段;Shopify 上是 Shopify Catalog 同步的那些数据
典型故障事实藏在应用注入的区块、标签页或图片里价格或库存和线上页面对不上
在哪里控制主题、robots.txt、CDN 与防火墙规则feed 设置;Shopify 上是「设置 → 销售渠道 → Agentic Storefronts」

页面上的结构化数据是同一种纪律,只是换了个地方。Shopify 不会替你注入 JSON-LD,它的 structured_data Liquid 过滤器必须在商品模板里显式调用;商品有多个变体时,它输出的是 ProductGroup 而不是 Product。坚持「@type 必须是 Product」的体检,会在你每一个带变体的商品上报假失败。WordPress 核心完全不输出 schema.org 标记,全部来自主题或插件,两个插件各输出一套、互相重复的 Organization 或 Product 图谱,比缺标记更常见。两个平台的具体设置分别见 Shopify 和 WordPress 平台页。

第三步:把商品事实写成能被摘走的句子

助手摘走的,是能回答某个限制条件的句子:尺寸、材质、退换期限、兼容性。为品牌调性写的品类文案,读起来再好,也给不了它可摘的东西。三个习惯有帮助:

  1. 买家会拿来筛选的事实,写进句子里,而不只是放进规格表。「这款背包能放下全尺寸笔记本,腰带可拆,方便登机」可以被引述;存成图片的尺码表里的一行,不行。
  2. 在页面上回答限制条件类的问题。退换、兼容、尺码、保养,以及这件商品不适合谁。每个回答都要写到「只被引用这一句也能成立」。
  3. 确认这些事实在 HTML 里。Shopify 店铺页面以完整 HTML 送达,但评价、问答这类应用在客户端注入的内容,以及通过 Ajax Section Rendering API 取回的部分,都不在那份 HTML 里。WordPress 的风险则来自插件:「加载更多」列表、页面构建器的标签页和折叠块。如果你最好的回答恰好放在这些地方,不执行 JavaScript 的爬虫就永远看不到。

写选购指南或对比页有用,也是同一个道理:它的形态正好对应一道购买问题。对比时要诚实,写清哪些买家其实更适合别的选择;只会推荐自己的对比页,读起来就是销售页。

第四步:选能赢的子问题,修好会被引用的页面

商品品类在 AI 回答里会集中。在我们自己 2026 Q3 的基准里,三个已经有「默认答案」的品类全是商品品类:项目管理软件占 38% 的回答、护肤 35%、电动自行车 28%;而每一个本地服务品类,头名都不到 13%。

你所在品类里的一道购买问题助手有没有点名任何品牌?没有空地写出回答它的那个页面有是否有一个品牌出现在四分之一以上的回答里?有既有头部去做它回答得不好的子问题:一个限制条件、一个预算区间、一个使用场景没有仍在争夺修好会被引用的页面有品牌被点名的两条分支都要做列出这道题被引用的市场平台和点评站,检查上面你的事实、价格、库存是不是最新的。「四分之一以上的回答」就是正文上面用来判断既有头部的门槛。
图 3 挑选要做的购买问题。一个已经在四分之一以上回答里被点名的头部品牌,是要在子问题上挤掉的既有者,而不是等你去填的空白。来源:本指南的步骤。

当某个品牌已经出现在四分之一以上的回答里,仅仅「出现」是不够的。更划算的做法,是成为某个具体子问题的答案,而这个子问题恰好是头部品牌回答得不好的:一个限制条件、一个预算区间、一个使用场景。

同一份基准还发现,在商品品类里,很大一部分引用流向了市场平台、点评站和媒体盘点,而不是品牌官网。你的商品页可以做得完美,引用位仍然会被一个承载同样事实、但带第三方口吻的列表页拿走。所以:

  • 找出你的品类里助手当前谁也不点名的问题,那是空地。
  • 列出你的品类里被引用的市场平台和点评站,检查上面关于你的事实、价格、库存是不是最新的,能改的就去改。
  • 所有地方统一使用同一个商品名和品牌名。不同写法会把你自己的份额拆成好几行。

第五步:用不会讨好自己的方式衡量 AI 购物推荐曝光

在发生点击之前,AI 购物曝光在常规分析工具里是看不见的,所以只能直接去问助手。四条规则让数字保持诚实:

  1. 排除带品牌名的问题。我们自己的一次检测里,15 道生成的问题有 13 道带品牌名,分数显示 13%,而诚实的数值是零。问题要按「从没听说过你的买家」的口吻来写,并带上具体处境。
  2. 按引擎分别报告。在我们的基准里,一个模型每条回答平均点名 3.5 个提供方,另一个只有 2.1 个。一个平均数会把该干活的地方藏起来。
  3. 只把答案正文里标注出来的来源算作引用。把引擎检索到的页面全算进去,在我们修复之前,让引用数字虚高了两到四倍。
  4. 变化重复出现才当真。同样的问题跑两次,答案也会不同。连续两轮都出现的变化才告警,一轮不算。

问题集在各轮之间保持固定,商品类问题和品牌类问题分开看:在「最好的跑鞋」里被点名,和在某一款具体鞋型的问题里被点名,是两件不同的事。如果你想持续衡量这些,InsightWonder 的电商解决方案就是按这些规则、分引擎追踪商品和品类问题的。

资料来源

本文旧版本放过一些醒目的统计数字、几张图和三个品牌案例,来源是统计汇编站而不是原始研究。我们没能在一手来源核实它们,所以全部删除;现在保留的每个数字,都链接到发布方自己的页面,或者来自我们自己的测量。