即使电商商家销售的是生成式AI购物者想要的完全相同的产品，也可能不会出现在平台的推荐结果中。
这种脱节始于消费者如何使用AI聊天和购物功能。例如，购物者可以在单个提示词中指定价格范围、尺寸、材质、兼容性、预期用途、配送日期等条件。
商家的任务是让这些规格信息易于查找和验证。这项任务本质上是传统的搜索优化，但要求更高。如今，产品数据比以往任何时候都更需要回答那些购物者过去不得不自行挖掘的问题。
以下是五项测试，用于判断AI驱动的购物者能否找到你的产品。
详尽的产品数据（如Salomon靴子页面上展示的内容）有助于AI吸引购物者。
识别
AI购物代理或聊天机器人能否理解该商品？一个产品列表应包含商品的名称、品牌、类别、SKU，以及在适用情况下包含GTIN、UPC、EAN或制造商零件编号。变体则用于标识尺寸、颜色、型号或配置。这是基本的产品数据规范，但对于购物代理或聊天机器人识别匹配项至关重要。换句话说，在请求AI系统推荐之前，首先要明确产品是什么。
证明
现有的产品数据是否满足购物者的所有需求？想象有人向AI提出这样的请求：“帮我找一双适合宽脚、适用于岩石小径、重量低于三磅且价格在180美元以下的防水徒步靴。”该请求至少包含五个约束条件：
- 防水；
- 价格；
- 宽度；
- 地形；
- 重量。
零售商可能会销售完美的靴子，但如果产品页面或目录中缺少重量或宽度信息，AI系统可能无法匹配它。AI平台既理解这一问题的复杂性，也将其视为吸引购物者的一种方式。OpenAI在其初始购物公告中强调了其购物系统识别复杂查询的能力。
Google Merchant Center指定了一个名为[product_highlight]的属性，用于重要特征和常见的消费者问题。根据Google的文档，该属性有助于“客户在AI驱动的表面（如Google搜索中的AI模式）上发现有关您产品的信息”。一个有用的练习是列出购物者可能提出的问题，然后在商品描述中回答这些问题，以此暴露属性并优化商品详情页。
验证
AI代理或聊天机器人能否验证购物者将购买和收到的商品？如果优惠本身有误，仅靠良好的产品匹配是不够的。确保产品页面、数据源（feed）、购物车和结账流程在价格、库存、运费、配送时间、促销活动及购买条款上保持一致。
例如，Google要求Merchant Center中的产品信息必须与落地页和结账流程一致，还建议为重要的优惠信息使用结构化数据。当购物者添加诸如“180美元以下”、“有货”或“周五前送达”等限制条件时，这一点尤为重要。
提供证据
AI购物代理或聊天机器人能否找到足够的证据来支持其推荐？产品详情页不应仅仅宣称优势，而应提供事实依据，向AI购物机器人解释为何该产品符合购物者的需求。
Salomon’s X Ultra 5 Mid Gore-Tex详情页是一个很好的例子。该页面列出了防水膜、外底、缓震、贴合度、重量、构造以及适用地形等信息，此外还包含多张产品图片和客户评论。这比诸如“专为恶劣天气打造”之类的笼统声明更有用得多。
OpenAI表示，其Shopping Research功能会从评论、规格、图片、价格和库存等信息中收集数据，然后利用这些细节来比较产品并解释差异与权衡取舍。因此，测试的关键在于：产品页面是否为AI购物系统提供了足够的事实支持，使其能够解释推荐理由，而不是简单重复零售商的说辞。
商店
当AI购物者描述你销售的产品时，会发生什么？为了进行测试，请选择几款你的产品，并根据消费者需求（而非品牌或产品名称）创建逼真的提示词。一家厨房用品零售商可能会提出这样的提示：寻找一款重量低于特定标准、适用于电磁炉、可放入500度烤箱且不含合成涂层的平底锅。一家电脑配件零售商可能会测试兼容性、尺寸、电源要求或操作系统。
在ChatGPT、Google、Perplexity或你店铺受众使用的AI平台上运行这些查询，记录你的产品是否出现、结果的准确性如何，以及缺失了哪些信息。Shopify正在尝试这一点，其代理式销售渠道包括一个搜索预览工具，展示产品可能在Shopify Catalog搜索中的排名情况。
重点不在于将少量提示词视为排名报告，而是要模拟购物者，并查找AI聊天机器人或智能体所掌握的信息中存在哪些空白。在AI平台上的产品发现需要完整、具体且可信的产品信息，而不是一堆新的优化技巧。目标是清晰地将购物者的需求与你的产品匹配，以便AI系统推荐该产品。