网店的生成式引擎优化（GEO）：如何让 AI 助手主动推荐你的商品

本系列第一篇讲过一家小型户外装备店：她卖得最好的那款夹克，AI 购物智能体从来没推荐过。她把商品数据整理好之后，智能体的订单开始进来了。现在是周二早上 8:40，她去敲另一扇门：像顾客那样，向一个通用 AI 助手问了一句：“想要一件 150 美元以内的防水夹克，周五前能到。”助手给出四款夹克，每款都有推荐理由和链接。她卖得最好的那款，129 美元，不在其中。

她一查才发现，问题不在排名。页面上写的是 129 美元，商品数据源里却还是上个月的 159 美元，而且页面显示售罄的一个尺码，在数据源里写着有货。助手看到同一件商品的两个版本，哪个都无法核实，于是哪个都没提。（数字仅为示意，并非真实店铺。）

对店主来说，要问的问题就此变了。过去是“我怎么排上去”，现在是“助手知不知道我的商品存在？信不信我的数据？会不会点我的名？”围绕这个问题形成的做法，常被称为生成式引擎优化（generative engine optimization，简称 GEO）。下文依次讲：助手如何生成推荐，GEO 里哪些建议站得住脚，商品数据该修什么，怎样衡量效果，最后是一份十条清单。

本文是“向 AI 智能体卖货”三部曲的第 2 篇。第 1 篇讲了什么是智能体商务，以及截至 2026 年 8 月实际上线了什么。第 3 篇将讲适配智能体的结账与支付。

助手如何生成商品推荐

各家助手的实现不同，但流程大同小异：先理解需求，再从几类来源收集候选商品，剔除无法核实的，最后写出一份简短的排序答案。

来源可以分为四类：

• 你的商品页：页面上看得见的文字，以及背后的结构化数据。
• 商家数据源（merchant feed）：商家定期提交给平台的文件，里面有商品、价格和库存。
• 评价：你自己网站和第三方网站上的评分与评论。
• 网上其他所有关于你的内容：对比文章、论坛讨论、新闻报道和“最佳推荐”榜单。

关键在第三步。价格缺失、库存数据互相矛盾、没写退货政策的商品，不是排名靠后，而是通常根本不会出现在答案里，因为助手若推荐了自己拿不出依据的东西，丢的是它自己的脸。这就是第 1 篇提到的“隐形”风险。

GEO 与传统 SEO 的区别

如今打着 GEO 旗号兜售的东西，不少只是换了个名字的普通 SEO。Google 自己就说得很清楚：在它关于搜索 AI 功能的指南里，明确写道想出现在 AI Overviews 或 AI Mode 中没有额外要求，不需要添加任何特殊文件或标记，常规的 SEO 最佳实践依然适用（Google Search Central）。

变化的是侧重点。下表对比了两者。

问题	传统 SEO	面向店铺的 GEO
目标是什么？	让页面在某个关键词下排名靠前	在答案里被点名，并带上链接
谁在读你的页面？	先是爬虫，然后是人	引用或概括页面内容的检索系统
靠什么取胜？	相关性、外链、页面体验	可核实的事实、一致的数据、独立的佐证
什么内容最有用？	针对某个搜索词的页面	用大白话回答对比类和“适合谁”类问题的页面
怎么衡量？	排名、点击	来自助手的引荐、被提及次数、按来源统计的订单
提交什么？	站点地图	站点地图，加上平台接受的商品数据源

SEO 的基本功照做，再在上面加一层商品数据和独立佐证的功夫。

商品数据是地基

搜索引擎早就学会了读商品页，助手用的也是同一批信号。最重要的有四项。

商品标识符

GTIN（条形码下方的那串数字），或者没有 GTIN 的商品用品牌加 MPN，能让系统认出你的商品和竞争对手的是同一个东西。没有标识符，就只能靠标题匹配，而标题往往五花八门。

页面上的结构化数据

用 JSON-LD 格式写 schema.org 标记。对店铺有用的类型包括 Product、Offer（价格、币种、库存状态）、AggregateRating 和 Review，政策方面用 MerchantReturnPolicy 和 OfferShippingDetails。Google 把它们归入商品、商家列表和退货政策的结构化数据文档。这种标记不是排名技巧，只是把页面上已有的内容再写一份机器能读的副本。

价格和库存只认一个来源

标记里、页面上和数据源里的价格必须一致，还要和购物车实际扣款一致。价格对不上，是数据源被拒、商品失去信任的最常见原因。这与其说是营销问题，不如说是数据架构问题：价格和库存要是在三个地方改，迟早会不一致。

政策写成具体规则

“30 天内免费退货，无需承担任何费用，5 个工作日内原路退款”是事实；“轻松退货”不是。把各地区的运费和时效、下单截止时间、退货期限写成清楚的句子，并在标记里保持一致。

商家数据源：哪些 AI 平台接受

数据源（feed）是一份商品清单文件，按固定节奏上传到平台。2026 年 8 月的情况比一年前开放得多，但各家助手不尽相同。依赖任何一项之前，请先核对各平台当前的条款，因为它们变动很频繁。

平台	商品数据如何进入	你要做什么
Google AI Mode、AI Overviews、Gemini 购物	Google 的 Shopping Graph，数据来自 Merchant Center 和页面标记	开通 Merchant Center，启用免费商品列表，保持数据源新鲜
ChatGPT	OpenAI 的商家计划接受商品数据源，可用其自有的 JSONL 格式，也可用兼容 Google 的 CSV 或 TSV	通过商家计划申请，并保持库存状态更新。托管型建站平台可能会替你提供数据
Perplexity	使用 Google 式数据源的 Merchant Program	报名加入，直接复用你的 Merchant Center 数据源
Microsoft Copilot	基于 Microsoft Merchant Center 的 Copilot Merchant Program	提交干净的数据源，并附上退货和客服政策

有两点值得注意。第一，Google 式的商品规范已经成了通用语言：上表中大多数平台都能接受，所以一份维护得好的数据源就能完成大部分工作。第二，OpenAI 自己的数据源规范要求每一行都有九个字段：商品 ID、标题、描述、链接、品牌、卖家名称、图片链接、库存状态，以及带币种代码的价格（OpenAI 开发者文档）。如果你没法为整个商品库稳定地填满这九个字段，就先解决这个问题。

第 1 篇提到，ChatGPT 内的直接结账在 2026 年 3 月被收缩了。但数据源依然重要，因为即使交易发生在你自己的网站上，它也有助于商品被发现。

容易被点名的内容

人们会问助手：“小厨房用哪款最合适？”“某某品牌有什么平替？”“哪款最耐用？”这些问题你的网站比谁都答得好，因为商品你最了解。

• 写对比页和“适合谁”页，里面既有你自己的商品，也有客观的替代选择。一个页面如果坦承某款不适合暴雨天，比声称“什么场合都适用”的页面更容易赢得信任。
• 规格用表格列出，并带上单位。“重 420 克，防水指数 20,000 毫米”比“轻便、防水性很强”强得多。
• 回答真实的问题：在商品页放一个常见问题栏目，用客户在客服聊天里的原话来写。
• 评价要真实、要看得见。不要买评价，不要编评价，也不要把差评全部删掉。助手也会读第三方来源，你的评分和外界口碑之间的落差会损害信任。刷评价还违反大多数平台的规则，以及许多国家的消费者保护法。

一个简单的检验方法：去掉图片，以助手的视角读一遍你的商品页。你能看出商品适合谁、多少钱、几时到货，以及不合适怎么办吗？

llms.txt 的实际地位

你会看到有人建议在网站上加一个 llms.txt 文件。截至 2026 年 8 月，它的状况是这样的。

llms.txt 是一项提案，不是标准。它由 Jeremy Howard 于 2024 年提出，是一个 markdown 文件，用来把 AI 系统引向网站上最有用的页面，说明文档见 llmstxt.org。没有任何标准组织负责管理它。Google 的指南说，要出现在它的 AI 功能里，不需要新增机器可读文件或 AI 文本文件；Google 的 John Mueller 也公开表示，目前没有任何 AI 系统在使用 llms.txt。SE Ranking 对约 30 万个域名的分析同样发现，是否拥有该文件与被 AI 助手引用的频率之间没有可测量的关联。

发布它的成本很低，对文档类网站也许说得过去。但对店铺来说，时间不该先花在这里；商品数据、数据源和独立佐证才是回报所在。

衡量来自 AI 的引荐流量

助手确实会带来访客，只是不一定标得清楚。可行的做法有四部分。

• 来源网址（referrer）。在分析工具里查看来自 chatgpt.com、perplexity.ai、copilot.microsoft.com、gemini.google.com 等域名的访问。有些助手会加上 utm_source 参数，便于归类。
• 订单来源。在结账页加一个问题（“你是怎么知道我们的？”），选项里放“AI 助手”。这个办法粗糙，但能捕捉到没带来源网址的访问。
• 人工抽查。每月一次，就你所在品类向每个主流助手提十个买家会问的问题，记录你有没有被点名、排第几、附带什么价格和细节。
• 数据源健康度。跟踪必填字段完整的商品占比，以及数据源报错数量。报错数量上升，通常预示着曝光即将下滑。

起初数字会很小。跟踪的价值在于弄清助手偏好哪些页面和商品，好把有效的做法复制到其他地方。

商品没被推荐时怎么排查

商品没有出现在答案里，就按顺序做四项检查。每一项都是下一项的前提：页面没被收录，标记写得再完美也无济于事。

第三项最容易反复出问题：抓取和标记通常一次配好，价格和库存却天天在变。开头那位店主的夹克，就是栽在数据源里一行过期的记录上。

十条清单

按顺序来，每一步都是下一步的基础。

1. 为每个商品配上 GTIN（或品牌加 MPN），以及唯一、稳定的 ID。
2. 标题写具体：品牌、型号、关键属性、尺码或颜色。
3. 用 JSON-LD 添加 Product 和 Offer 标记，包含价格、币种和库存状态。
4. 添加 MerchantReturnPolicy 和 OfferShippingDetails，与文字版政策保持一致。
5. 价格和库存统一出自一个来源，让页面、标记和数据源始终一致。
6. 开通 Merchant Center 账户，启用免费商品列表，并修复所有错误和警告。
7. 申请加入 ChatGPT、Perplexity 和 Copilot 的商家计划，复用同一份数据源。
8. 每个商品页都放上规格表和一个简短的常见问题。
9. 为你最重要的品类写三篇对比或“适合谁”页面，如实写出各自的优缺点。
10. 搭建引荐跟踪，并每月检查一次助手是怎么说你的。

哪怕只做完第一到第五步，你也已经领先许多店铺，因为这五步修的正是其余所有步骤所依赖的数据。

下一步

回到那位店主和她的 129 美元夹克。她把商品记录定为页面、标记和数据源共用的唯一来源后，那行 159 美元的过期记录就消失了。一个月后，她又向助手问了同样的问题，四款里她的夹克排在第三，价格正确，退货期限也被一并引用。夹克没变，变的只有数据。（这仍属于上面那个虚构场景。）

被推荐只是一半的事。当助手把买家送到你这里，或者想直接替买家完成购买时，结账和支付既要对人好用，也要对智能体好用。第 3 篇就讲这件事：智能体如何付款，有哪些防护机制，以及如何控制欺诈和退款。

核心要点

• 助手只点名它能核实的商品。数据缺失或自相矛盾，通常意味着被排除，而不是排名降低。
• GEO 大部分是做好 SEO，加上更好的商品数据。Google 表示，其 AI 功能不需要特殊文件或标记。
• 地基是标识符、schema.org 标记、价格和库存的唯一来源，以及具体的政策。
• Google、ChatGPT、Perplexity 和 Copilot 各有接收商品数据源的渠道，Google 式规范是通用格式。申请前请核对当前条款。
• llms.txt 只是一项提案，尚无证据表明有大型 AI 系统在使用。别把店铺的时间先花在它身上。
• 要衡量的是引荐流量、订单来源，以及每月一次对“助手怎么说你”的抽查。

Anichur Rahaman 是一名软件架构师，也是 StoreConsole 的创建者。他为成长型企业设计电商与 ERP 系统，专注于事件驱动架构、数据完整性和自托管部署。