DTC 品牌 Agentic Commerce 商品數據指南

AI 介导的購物正在把商品數據变成公开增长资产。買家仍然可能进入產品详情页，但比較往往更早发生：搜尋结果、購物界面、merchant feed、购买指南或 AI 回答都需要先读懂商品事实，才能解释选项。

对 DTC 品牌来说，重點不是追逐每一种新的 agent 界面，而是让同一套商业事实在自有頁面、Product structured data、Merchant Center 數據、本地化內容、政策頁面和第一方衡量中保持一致。商品數據是團隊内部认知、前台承诺和外部系統理解之间的桥。

Agentic commerce 商品數據欄位框架，覆盖身份、報價、變體、政策、證明和本地化

商品數據正在成为商业接口

傳統電商營運常把商品數據当作後台资料：够展示 PDP、支援分类篩選、上傳 feed 就可以。但 agentic commerce 提高了标准，因为自然語言購物問題通常比很多商品記錄更具體。

当用戶搜尋“300 美元以下、两人用、轻量防水、周五前送达的帳篷”时，有用答案依赖結構化事实：容量、收纳重量、防水等級、价格、幣種、庫存、配送窗口、退貨政策、保養、評價和市場可售狀態。

Google Search Central 的 Product structured data 文档覆盖价格、庫存、評分、配送和退貨等商品信息。Google Merchant Center 的 product data specification 强调用商品屬性匹配相关查询，并減少 disapproval 或展示問題。OpenAI 的購物幫助文档把商品和商家 metadata 作为購物结果输入之一。Shopify 也把 agentic commerce 放在可流转的 catalog 數據之上。

共同信号很明確：商品記錄不再只是内部目錄行，而是搜尋、購物、內容和 AI 系統理解 offer 的接口。

DTC 團隊應該掌握的六组欄位

用六组欄位檢查商品事实是否足够完整，能不能跨頁面、feed 和 AI 購物场景流转。

欄位组	需要維護的欄位	主要負責人
商品身份	商品名、品牌、SKU、GTIN/MPN、canonical URL、主圖、商品類型	目錄或 merchandising
報價數據	价格、幣種、庫存、促銷价、商品狀態、產品 URL、item group ID	電商營運
變體屬性	尺碼、顏色、材质、尺寸、重量、適用人群、兼容性、套装內容	品类負責人
政策事实	配送費用、配送窗口、退貨政策、保養、税费/關稅說明、支付限制	營運或客服
證明与答案	評價、評分、認證、對比文案、FAQ、护理說明、安裝說明	內容或品牌團隊
本地化	本地語言、單位、尺碼、幣種、本地配送退貨、客服語言、hreflang	市場負責人

不同品类需要的深度不同。服饰要看尺碼、版型、材质、顏色、护理和模特语境。电子產品要看型号、兼容性、接口、电源、保養和配件。美妆要看成分、肤质、用法、提示和認證。跨境商品要看配送、退貨、關稅、語言和幣種。

實用标准是“是否影響比較”。買家会用来比較的事实，就應該有結構化位置。

商品身份欄位防止匹配混亂

商品身份是第一层，因为所有下游系統都要先知道正在描述哪一个商品。

最低限度的身份欄位包括：

穩定商品名，而不是每周变化的活动标题。
品牌或製造方名称。
SKU 和内部商品 ID。
可用时填写 GTIN、MPN 或其他被接受的标识符。
canonical 產品 URL。
能代表具體商品或變體的主圖 URL。
商品類型或类目路径。

身份欄位薄弱会制造重复記錄、錯誤比較和變體错配。頁面可以很漂亮，但如果标题、SKU、图片和 canonical URL 在頁面、feed 与内部目錄之间不一致，外部系統仍然很难穩定匹配。

報價欄位让购买约束变清楚

報價數據告诉外部系統：这个商品能不能在買家的约束下购买。

重點檢查：

价格和幣種。
促銷价和促銷时间窗口。
庫存狀態：现货、缺货、预售、backorder 或市場特定可售狀態。
產品 URL 和落地页。
適用时的商品狀態。
配送价格或免邮门槛。
配送预估或市場级配送承诺。

報價欄位需要高頻同步。頁面和 feed 之间的价格、庫存差异会損害用戶信任，也可能带来渠道問題。報價數據應該被当作实时營運欄位，而不是靜態營銷屬性。

變體屬性回答自然語言意图

AI 購物查询經常像篩選条件：“黑色真皮 14 英寸 MacBook 保护套”“敏感肌无香保湿霜”“带双向拉链的棉质 toddler 睡衣”。这些問題依赖變體级欄位。

有用的變體欄位包括：

尺碼、顏色、材质、图案、表面處理和風格。
尺寸、容量、重量、体积或適配范围。
与型号、配件、成分或使用场景的兼容性。
套装內容和隨附配件。
變體專屬图片和庫存。

最常見的目錄問題，是把變體事实只寫进长文案。段落可以说服買家，欄位才能支援篩選、feed、結構化數據、對比表和本地化 PDP 模組。

政策事实減少购买风险歧义

商品發現不只比較功能。買家还会比較總成本、配送確定性、退貨麻烦程度、保養范围和客服预期。

應該连接到產品页的政策事实包括：

按市場区分的配送費用和配送窗口。
退貨周期、退貨条件、退貨地址和換貨流程。
保養范围。
跨境市場的税费和關稅說明。
不同市場支付方式不同时的支付限制。
客服渠道和回應预期。

政策事实不應該只藏在通用頁腳。重點 PDP 和 merchant 數據都應該让相关承诺容易找到，并且与结账规则一致。

證明欄位让商品主张可檢查

證明把商品主张变成可檢查证据。評價、評分、認證、测试方法、材质、對比表和 FAQ 答案，都幫助買家和外部系統理解商品为什么可信。

使用證明欄位时要克制：

評價和評分应来自真實評價來源。
認證要說明标准或签发方。
性能主张要解释方法、场景或限制。
對比表应关注可见取舍，而不是夸大優越性。
FAQ 应回答具體购买前問題。

最好的證明是具體的。“IPX7 防水”比“适合每一次冒险”更容易判斷。“適配 2021-2026 款 MacBook Pro 14 英寸”比“通用兼容”更有用。

本地化欄位把商品事实带进每个市場

本地化不是给英文 PDP 做一次翻译。本地頁面需要保持同一商品事实，同时加入本地買家真正关心的事实。

每个市場都要檢查：

匹配本地搜尋意图的标题和描述。
單位、尺碼、幣種、税费/關稅語言和配送承诺。
市場特定的退貨和客服信息。
買家语境变化时的本地图片或例子。
指向真實本地化頁面的 hreflang。
按市場和 locale 区分的 analytics。

Google 的 localized versions 指南說明，hreflang 可以幫助搜尋系統理解語言或地区版本，但頁面內容本身仍然要體現語言和市場意图。本地事实决定頁面是“翻译过”，还是“真的适合当地市場”。

頁面結構化數據和 merchant feed 需要同一个事实源

Google 把 Product structured data 和 Merchant Center product data 作为两种提供商品信息的路径。DTC 團隊應該把它们当成同一事实源的不同輸出。

用这张表檢查一致性：

表面	應該保持一致的內容
PDP 可见文案	商品名、報價、變體、图片、政策、證明
Product JSON-LD	同一商品身份、報價、图片、庫存，以及合适的評價或政策事实
Merchant Center 數據	feed title、价格、庫存、图片、链接、标识符、item group、配送
內容模組	使用场景、FAQ、對比主张、护理說明
Analytics	商品、變體、市場、來源、內容路径和轉化事件

难点不是加 markup，而是在下一次改价、變體更新、活动上线或市場發布之后，防止 PDP、結構化數據、feed、內容和 analytics 命名漂移。

30 天商品數據清理计划

从已经重要的商品开始：收入最高、广告投入最高、自然流量最高，或即將重點發布的 SKU。

周期	工作流	交付物
第 1 周	身份与報價	重點 SKU 清单、标识符清理、canonical URL 檢查、价格和庫存差异記錄
第 2 周	變體与品类欄位	按品类的屬性矩阵、變體图片 review、兼容性或尺碼表
第 3 周	結構化數據与 merchant feed	Product JSON-LD review、Merchant Center 欄位審計、feed 与頁面一致性記錄
第 4 周	內容、本地化和衡量	FAQ 模組、PDP 政策事实、市場事实、Search Console 和 analytics baseline

这个计划的目标是形成可复制流程。下一组 SKU 会更快，因为團隊已经知道哪些欄位、負責人和檢查项最关键。

Foundax 如何支援商品數據營運

Foundax 把商品數據工作流拉近到店舖前台：商品記錄、商品 SEO metadata、PDP preview、核心 Product JSON-LD、sitemap 和 robots 行为、Merchant Center preflight 与同步流程、Search Console sitemap 流程、Content Studio、多語言內容和第一方 analytics 都在同一產品環境里运转。

这很重要，因为商品數據準備最容易败在事实被維護在孤立文件里。Foundax 帮團隊在目錄、活动或市場变更前，同时 review 商品記錄、頁面文案、結構化數據、merchant feed checks、本地化內容和衡量信号。營運可以看到哪些事实已经存在，哪些檢查阻塞，哪些缺口要进下一轮 sprint。

常見問題

DTC 團隊應該先修哪些商品欄位？

先修商品身份和報價欄位：商品名、品牌、SKU、可用时的 GTIN 或 MPN、canonical URL、主圖、价格、幣種、庫存和變體分组。这些欄位支撑匹配、比較、feed 质量和 PDP 清晰度。

Product JSON-LD 和 Merchant Center feed 可以互相替代吗？

它们是互补輸出。Product JSON-LD 幫助搜尋系統理解產品页。Merchant Center 數據支援購物 listing、诊断和渠道工作流。最重要的要求是可见頁面、結構化數據、feed 和内部商品記錄保持一致。

AI 可以补缺失商品屬性吗？

AI 可以幫助發現缺口、草擬更清楚的文案、建議欄位候選。事实屬性仍然要来自商品真相：供應商资料、測量、包裝、测试、認證、履約规则和客服政策。編造屬性会制造下游信任問題。

本地化商品數據應該怎么处理？

保持核心商品身份穩定，然后適配市場事实：語言、單位、尺碼习惯、幣種、配送窗口、退貨地点、税费/關稅措辞、客服预期和本地買家問題。只有翻译、没有本地事实的 PDP 只完成了一半。

商品數據和 agentic commerce 有什么关系？

Agentic commerce 依赖系統發現、比較和使用商品事实。更干净的商品記錄，可以让自有頁面、feed、內容和 analytics 在搜尋与 AI 購物界面中更容易被理解。

DTC 品牌 Agentic Commerce 商品數據指南