购物正从「搜索加下拉」转向「问一句就买」。买家不再看一整页蓝色链接，而是对 ChatGPT 说「帮我找一双 150 美元以下、适合扁平足的可持续跑鞋」，助手就回一份简短、有理由的候选清单——商品卡、图片、价格，以及一句解释每款为何入选的话。Perplexity 也一样，在答案里直接给出 Buy 流程。这就是智能体商业（agentic commerce），赢家是那些 AI 能「说得出理由去推荐」的品牌。
这篇讲清 ChatGPT Shopping 和 Perplexity Buy 到底怎么运作，再带你做进入候选清单的优化：给 AI 一个选你的理由、挖掘评论让模型的「氛围」数据与现实一致、补上多模态信号，并监控你的 Share of Card，别让零售商截走成交。
核心要点
- AI 助手不是列商品，而是为一份候选清单说理由。优化「推荐理由」——把功能、利益、证据绑到具体的购物需求上——而不是堆关键词的标题。 - ChatGPT 用 `OAI-SearchBot` 读取商品数据（用于搜索结果），这和 `GPTBot`（用于模型训练）是两回事。想进购物答案，结构化数据和爬虫放行都得对。 - 评论就是训练数据。模型从评论文本吸收「氛围」，所以要挖情感、在文案里回应反复出现的抱怨、并鼓励带使用场景的评论。 - 决定营收的指标是 Share of Card：你的商品卡赢过「以不同价格转售你」的零售商的频率。 - GEOly 的 Share of Card 与目录分析显示哪些 SKU 上了卡、零售报价在哪截流、缺了哪些属性——让你优化根因而非靠猜。
ChatGPT Shopping 与 Perplexity Buy 如何运作
ChatGPT 把聊天框变成了可视化购物界面：商品轮播、图片、价格、直达购买链接，围绕一句自然语言需求组装出来。它不像搜索引擎那样只是索引网页——它读取商品信息来构建结果。这套索引走的是专门的爬虫 `OAI-SearchBot`，与 `GPTBot`（采集训练数据的爬虫）分开。一个喂实时购物结果，一个喂模型的通用知识。
Perplexity 类似，把带引用的答案和原生 Buy 流程配在一起，买家能在答案内从提问走到结账。两者里助手都扮演私人导购：解读约束（「150 美元以下」「扁平足」「可持续」）、筛掉候选、给出有理由的推荐。你要做的，就是成为它能有把握地为之说理由的那个候选。
步骤 1：优化「理由」，而非关键词
AI 智能体需要一个选你的理由。老派产品文案优化的是搜索短语——「购买 [产品]——最优价」。这给不了助手任何可推理的东西。会赢的写法像一句推荐：「[产品] 是 [具体人群] 的最佳选择，因为 [具体功能] 解决了 [具体痛点]。」
按「特征—利益—证据」结构重写产品描述。写清具体特征（材质、规格、能力）、它带来的利益、以及证据（评分、认证、测试结果）。为你真正服务的买家分层各写一遍，让模型能把购物者的约束匹配到你页面上一条明确的理由。
注意：别编证据。模型会拿评论和第三方来源交叉核对，一个没有证据支撑的利益很容易被打折扣。每一个「因为」都锚在可验证的东西上。
步骤 2：挖掘评论情感，补上落差
AI 智能体读评论，是为了了解产品在真实世界里的表现——那种营销文案藏起来的「氛围」。如果五十条评论说某双鞋偏小，模型就知道它偏小，会照实说、或把买家引去别处。这个信号你删不掉，但可以让文案与它对齐。
分析评论里反复出现的主题，尤其是负面的。然后在页面上补上落差：如果尺码是常见抱怨，就加一句「建议买大一码以获得最佳贴合」，让你的数据佐证而非抵触评论信号。最后，鼓励顾客在评论里提及具体使用场景——「非常适合马拉松训练」「湿滑步道也扛得住」——因为这些正是购物者会问的约束。
注意：别刷评论。编造的、或未披露的有偿评论是可被识别的，会侵蚀模型对你商品卡的信任。修产品或修预期，而不是修评论数。
步骤 3：补上多模态与结构化信号
助手越来越多地对文本以外的东西做推理。清晰的产品图配上描述性 `alt` 文本、简短的演示视频、规格丰富的媒体，都帮模型确认这是什么产品、怎么用。再配上完整的结构化数据，让机器可读的事实和视觉信号互相一致。
至少要暴露 `Product` schema，内嵌 `Offer`（`price`、`priceCurrency`、`availability`），加上 `AggregateRating`、`MerchantReturnPolicy` 和配送信息——这些是智能体用来比较和推荐的字段。目录级的完整属性清单，见 [如何为 AI 优化你的产品目录](/zh/blog/optimize-product-catalog-ai) 和 [Shopify GEO 优化指南](/zh/blog/shopify-geo-optimization-guide-geoly)。
注意：媒体只有在爬虫能抓、且 schema 不与页面自相矛盾时才有用。在校验工具里验证结构化数据，并确认图片没被 `robots.txt` 挡住。
步骤 4：向购物爬虫开门
上面这些，若助手读不到你的页面，一样浮不出来。确认你的 `robots.txt` 放行构建购物答案的爬虫——ChatGPT 结果用的 `OAI-SearchBot`、Perplexity 的 `PerplexityBot`——以及 `GPTBot`、`ClaudeBot`、`Google-Extended`。挡掉搜索爬虫却放行训练爬虫，是常见的、自找的「从购物结果里消失」的方式。
如果你是 Shopify 商家，`robots.txt` 可通过 `robots.txt.liquid` 模板编辑。刻意审一遍，别照抄一段悄悄禁掉了你正想触达的智能体的规则。
注意：放行爬虫是必要但不充分。一个能抓到、却 schema 单薄、堆满形容词的页面，仍会输给一个能给模型可推理素材的竞品页。
步骤 5：监控 Share of Card，守住成交
进了商品卡只是赢了一半；守住成交是另一半。助手展示商品卡时，往往报出它最信任、且报价最低的卖家——有时是转售你商品的市场或零售商，而不是你自己的店。哪怕你的产品赢了，营收也在从你的 DTC 漏斗里漏走。
Share of Card 正是捕捉这件事的指标：你的商品卡出现在 AI 商品卡里、相对同一 SKU 转售方的频率。追踪上卡率（你的商品到底有没有卡）、上了哪些 SKU、零售报价在哪截你的流量。GEOly 的 Share of Card 与目录分析正好呈现这些，而且因为 GEOly 还带行业级数据，你能看到整条品类的 AI 货架格局，而不只是自家商品卡。在 `app.geoly.ai` 注册可免费试用 3 天。如何解读并据此行动，见 [Share of Card 指标详解](/zh/blog/share-of-card-metric-shopify-brands-ai-shopping)。
