商品頁寫得再美，AI 讀不懂就等於不存在
我是林克威。做電商代營運這些年，商品頁一直是我們幫品牌花最多力氣的地方：主圖、賣點文案、情境圖，一層一層堆出轉換率。但這一年多我發現，消費者的購物問題愈來愈多是先丟給 AI 的。「油性肌適合哪一種精華」「租屋族要買哪種除濕機」，這類問題以前打進搜尋引擎，現在很多人直接問 ChatGPT、Gemini 或 Perplexity。
問題來了：AI 回答這些問題時，引用的是誰的資料？如果你的商品頁全部是形容詞、是設計成圖片的規格表、是沒有結構的長文案，AI 就算爬到了，也抓不出可以引用的事實。結果就是 AI 推薦了規格寫得清清楚楚的競品，你的商品連被比較的資格都沒有。
這就是我一直在講的 B2AI2C：品牌先把資料寫給 AI 讀（Brand to AI），AI 再把答案帶給消費者（AI to Consumer）。如果你還沒看過這個系列，建議先讀中小品牌的 B2AI2C 30 天上手計畫，那篇講的是整體節奏，這一篇則專門把「商品頁」這一層拆開來做，因為商品頁是離成交最近的頁面，也是最值得先結構化的頁面。
AI 讀商品頁的方式，跟人完全不一樣
先建立一個觀念：人是「看」商品頁，AI 是「抽取」商品頁。
人看商品頁靠視覺動線，主圖抓眼球，賣點建立印象，最後看規格和評價收尾，所以傳統商品頁把重點做成精美長圖，轉換率確實好。但 AI 讀商品頁，是把網頁文字抽出來切成片段，再從片段裡找出可以回答問題的「事實」。這個過程有幾個殘酷的特性：
第一，做成圖片的文字，抽取效果非常差。你花錢設計的規格長圖、成分表圖、比較表圖，對 AI 來說接近一片空白。就算部分模型有影像理解能力，在大規模檢索的場景下，純文字和結構化資料仍然是被優先處理的內容。
第二，形容詞不是事實。「極致輕盈」「超大容量」「頂級用料」這些詞，AI 沒辦法拿來回答「這台重量多少」「容量幾公升」的問題。AI 需要的是「機身重量 1.2 公斤」「水箱容量 2 公升」這種可以直接引用的具體資訊。
第三，AI 會跨頁面比較。消費者問「A 類型和 B 類型除濕機差在哪」，AI 會同時抽取多個來源的資料做比較。這時候，誰的資料欄位完整、單位清楚、用詞一致，誰就會成為那張比較表的骨架，其他品牌只能當陪襯，甚至直接缺席。
理解這三點之後，你就知道商品頁結構化不是工程部門的技術活，而是內容策略：把商品的事實，用 AI 抽得出來的形式寫在頁面上。
商品資料結構化的五個實戰步驟
以下是我們實際幫品牌整理商品頁時的做法，依照投入產出比排序，你可以從第一步開始做。
第一步：把規格從圖片搬回文字表格
檢查你的商品頁，規格是不是做成設計圖？如果是，請在頁面上補一份 HTML 文字表格，欄位至少涵蓋：品名全稱、型號、尺寸、重量、材質或成分、容量、產地、保固條件、認證字號（食品、化粧品、電器類尤其重要）。設計圖留著給人看，文字表格給 AI 讀，兩者不衝突。我們的原則是：任何一個「消費者會拿來比較的數字」，都必須以文字形式存在，不能只活在圖片裡。
第二步：把賣點文案改寫成事實句
不是要你把文案全部改成說明書，而是在感性文案之外，補上事實句。做法很簡單：每一個賣點，問自己「這句話有沒有主詞、數值、單位」。
「超長效保濕」是口號，「擦一次可維持約八小時保濕」是事實句。「安靜到讓你忘記它的存在」是口號，「運轉音量最低 38 分貝」是事實句。每個商品頁有五到十句，AI 就有東西可以引用。要注意，事實句裡的數字必須真的有依據，量測條件寫得出來就順手寫上，因為 AI 會把你的話原封不動轉述給消費者，錯誤和誇大的代價比以前更高。
第三步：加上 Schema.org 的 Product 結構化標記
規格表是給抽取器讀的，結構化標記則是直接用機器看得懂的格式，把商品資料遞到搜尋引擎和 AI 面前。商品頁至少標記 Product 類型，填好 name、brand、description、sku、offers（含價格與供貨狀態），有評價機制的再加 aggregateRating。
這一步需要一點工程資源，但多數開店平台都有現成外掛或內建功能，通常比想像中容易。標記完成後，記得用 Google 的複合式搜尋結果測試工具驗證。結構化標記和整體 AI 搜尋佈局的關係，我在AI 搜尋時代的 GEO 優化有更完整的說明。
第四步：替每個商品頁配一組商品 FAQ
消費者問 AI 的是問題，所以商品頁上用「問題加答案」的格式寫內容，天生就是 AI 最好抽取的形式。每個商品頁配五到八題，題目就從你的客服紀錄裡挑：這個商品最常被問什麼，就寫什麼。尺寸怎麼選、和上一代差在哪、敏感肌能不能用、保固怎麼算、多久到貨，這些都是真實需求。
答案要短、要直接、第一句就回答問題。客服紀錄是品牌手上最被低估的內容資產，它就是消費者問 AI 的問題清單的預演。
第五步：統一命名與單位，全通路一致
這一步最不起眼，但做代營運久了就知道它多重要。同一個商品，官網叫「輕淨保濕精華」，購物中心叫「保濕精華露升級版」，社群貼文又叫「小藍瓶」，AI 很可能把它們當成三個不同的商品，你的評價、聲量、規格資料就被切散了。
做法是建立一份商品命名對照表：每個商品定一個標準全名，所有通路的標題都必須包含這個全名，暱稱可以加在後面但不能取代。單位也一樣，同一個商品的容量不要一頁寫毫升、另一頁寫盎司。資料一致性是結構化的地基，這也呼應我在電商經營完全攻略裡反覆講的：電商的基本功不是華麗的活動，是把每一筆資料管理好。
兩個匿名案例：做了結構化之後發生什麼事
講兩個我們實際操作過的例子，品牌名稱一律以品類代稱。
第一個是一個保健食品品牌。他們的商品頁原本是典型的長圖流：成分、劑量、認證全部做在設計圖裡，頁面上的文字只有幾句情緒性標語。我們做的事情很樸素：把每一支商品的成分與含量做成文字表格、把食品相關的認證與登記資訊用文字寫清楚、每頁補上六題從客服紀錄整理出來的 FAQ，再加上 Product 標記。幾個月後我們定期用消費者視角去問各家 AI 相關成分的商品推薦，這個品牌開始出現在回答裡，而且 AI 引述的劑量和吃法是正確的，因為來源就是商品頁上的那張表。在這之前，AI 若提到它，資訊常常是錯的，或乾脆不提。
第二個是一個廚房家電品牌，痛點是命名混亂，同一台機器在不同通路有三種名稱。我們先做命名歸一，再把規格表文字化、統一單位。後來觀察到一個變化：當消費者問 AI 這個品類的機種比較時，AI 產出的比較表開始以這個品牌的規格欄位當基準，因為它的資料最完整、最好抽。這就是「當骨架」：你的資料結構好，AI 就用你的框架去比較整個市場。
這兩個案例我不會給確切的流量或營收數字，因為 AI 帶來的流向目前難以完整歸因，我不想編數字讓文章好看。但方向明確：結構化之後，AI 對品牌的描述從「錯的或沒有」變成「對的且被引用」，這件事本身就值得做。
品牌最常犯的四個錯誤
第一個錯誤：把結構化當成一次性專案。商品會改版、價格會變動，結構化資料要跟著維護。我們的做法是併進上架 SOP：新品上架的檢查清單裡，規格表、事實句、FAQ、標記缺一不可。
第二個錯誤：只做官網，不管通路頁。台灣消費者的購物旅程橫跨官網與各大購物中心，AI 的資料來源也一樣。官網結構化做得再好，通路頁面亂七八糟，AI 拼出來的品牌樣貌還是破碎的。至少要做到命名與核心規格在全通路一致。
第三個錯誤：為了餵 AI 而堆砌關鍵字。結構化不是把關鍵字塞好塞滿，是把事實寫清楚。塞出來的內容人看了反感，AI 也愈來愈會辨識。寫給 AI 讀的最好策略，其實就是誠實而完整地描述商品。
第四個錯誤：只顧自己的頁面，忽略第三方佐證。AI 判斷要不要採信你的資料時，第三方來源的佐證有很大的影響力。商品頁是基本盤，但媒體報導、專業評測、論壇討論這些外部訊號要一起經營，這部分可以參考我寫的建立權威來源讓 AI 引用你。
常見問題 FAQ
商品頁結構化和傳統 SEO 有什麼不同？
方向一致但重點不同。傳統 SEO 重視關鍵字、標題與外部連結，目標是在搜尋結果拿到排名；商品頁結構化的目標是讓 AI 能正確抽取並引用商品事實，重點在規格文字化、事實句、結構化標記與資料一致性。好消息是兩者高度相容，做結構化幾乎不會傷害既有 SEO，通常還有幫助。
我的商品有幾百個 SKU，要全部做嗎？
不用一次做完。先挑兩種：帶最多營收的主力商品，以及消費者最常拿來和競品比較的商品。通常涵蓋兩到三成的 SKU 就能顧到大部分詢問情境，其餘併入日常上架流程慢慢補。
沒有工程資源，Schema 標記做不了怎麼辦？
先做不需要工程的部分：規格文字表格、事實句、FAQ、命名統一，這四項在後台編輯器就能完成，價值也最大。標記的部分先查你的開店平台有沒有內建或外掛支援，多數主流平台都有，真的沒有再排開發，不要因為卡在標記就整件事不做。
怎麼知道結構化有沒有效果？
建議建立固定的提問清單：站在消費者立場列出十到二十個品類問題，每月固定拿去問主要的 AI 服務，記錄品牌有沒有出現、資訊是否正確、引用來源是誰。這份紀錄讓你看到趨勢，也能在 AI 講錯時及早回頭修正資料源頭。
規格寫得太透明，會不會反而幫競品比價？
會有這個效果，但擋不住。消費者本來就會比較，你不提供資料，AI 就用競品的資料建立比較框架，你反而失去解釋的位置。正確的做法不是隱藏規格，而是在事實句裡把你的差異化條件一併講清楚，例如保固內容、成分等級、售後服務，讓比較發生在對你有利的維度上。
B2AI2C 是不是只適合大品牌？
相反，我認為中小品牌更該早做。大品牌有聲量護城河，AI 本來就認識它們；中小品牌想被 AI 看見，資料的完整與乾淨是少數可以靠執行力贏的地方。而且商品數少，結構化的工程反而輕。想了解我為什麼看好利基品牌在這一波的機會，也歡迎到關於林克威看看我的背景與這個系列的脈絡。
結論：把商品頁當成給 AI 的產品說明書
商品頁過去是寫給消費者的銷售頁，現在多了一個身分：給 AI 的產品說明書。這不代表要犧牲美感或轉換率設計，而是在原本的頁面上補齊 AI 抽得出來的事實層：文字化的規格表、有數值的事實句、機器可讀的標記、回答真實問題的 FAQ、全通路一致的命名與單位。
這些工作不炫，甚至有點枯燥，但它決定了當消費者問 AI 「我該買哪一個」時，你的商品是被正確推薦、被講錯，還是根本沒被想起。從主力商品開始，先做五頁，建立流程，再滾動到全站。
林克威長期協助國際品牌與台灣品牌進行電商代營運、品牌代理與通路拓展，累積超過十年實務經驗，服務涵蓋 Momo、PChome、蝦皮、LINE 禮物、品牌官網及實體零售通路。若您希望了解品牌進入台灣市場或電商成長策略，歡迎與我們聯繫。
