ChatGPT购物推荐65%只从商品feed里挑

摘要：2026年7月10日，ChatGPT购物推荐里来自商品feed的比例，一天之内从8.26%跳到了61.54%。同一天有450家店的购物可见度掉了至少三分之一，另有67家反向上涨。到9月初这个比例稳定在65%上下。换句话说，没把商品数据接进去的店，在六成半的推荐位置上根本没参与竞争。而OpenAI那份feed规范里有64个字段，真正必填的只有9个。

做电商的人最怕一种情况：后台一切正常，页面能打开，收录也没掉，可订单就是少了一截，查不出原因。

今年7月中旬，一批店铺就碰上了这个。他们的商品在ChatGPT购物模式里原本能被推出来，忽然就不见了。技术团队查抓取、查结构化数据、查页面速度，什么都没查出来。因为问题不在他们的网站上。

ChatGPT挑商品的原料，那几天换了一份。

7月10日那天到底发生了什么？

AI可见度监测公司Profound在一份9月3日发布的研究里把这件事复盘了出来。它的做法是每天替客户在ChatGPT上跑一批固定的提示词，然后从网络请求日志里判断：这一次推出来的商品，是ChatGPT现场去网页搜索找来的，还是从它自己那份已经接进来的商品目录里取的。

两种来源的占比，在7月10日这一天发生了断崖式互换。来自feed的推荐从8.26%涨到61.54%，网页搜索那条路从主力变成了配角。7月整月的日序列一共覆盖1757723次购物提示词运行，按50%抽样、每个提示词每天只计一次。

把观察窗口拉长看，趋势更清楚。7月1日到8月24日之间的97725次运行显示，feed检索是在8月正式超过网页搜索的，而到9月3日，它已经占到全部商品推荐的65%左右。

顺手把这个倍数核一下：报告写的是约6.5倍，而61.54除以8.26是7.45。两个数字都对，只是它算的是增量那一层——涨了几倍和变成了几倍差一倍，引用这类数字的时候最好直接拿两个百分比。

这不是一条缓慢上升的曲线。年初ChatGPT几乎完全依赖网页搜索取商品数据，4月开始有一点feed的份额，5月加速，7月10日一天之内完成了主次易位。

时间点上唯一对得上的事件是OpenAI在7月9日发布了GPT-5.6，并说明会在接下来24小时内推完。Profound把7月的大部分变化归到了这次发布上。

这里要说清楚一件事：OpenAI从来没有确认过这层因果关系，它的ChatGPT更新说明里也没写购物检索来源的调整。所以严格讲，这是一次时间上的吻合加上排除法，不是官方口径。

为什么同一天有450家店掉了三分之一，67家反而涨了？

Profound手上有687个客户满足严格的观察条件：整个7月每天都有提示词触发购物模式，并且7月7日到12日每一天都至少出现过一张指向自家商品的卡片。在这687家里，450家的购物可见度在7月10日前后掉了至少三分之一，67家涨了同样的幅度，合计517家的波动超过33%。

涨跌同时出现，说明这不是一次全局降权，而是一次换料。原料从网页换成了feed，谁的feed在里面，谁就接住了这波流量。

Profound对这517家做了一次最小二乘回归，自变量只有两个：这家店在网页搜索那条路上丢了多少检索、在feed那条路上又拿回了多少。两个变量联合解释了83%的可见度变化。剩下的17%里才是别的因素。

对一个观测性数据集来说，83%已经是很强的解释力。它的含义很直白：7月那一轮涨跌，绝大部分不是因为你的商品变好了或变差了，而是因为你在不在那份新原料里。

保哥去年帮一个做户外装备的客户查过一次类似的掉量。当时的判断路径是先看自然搜索、再看广告、最后才想到AI入口，整整绕了三周。那次的结论是：一个渠道的份额变化，往往先于任何页面层面的原因显形，而排查顺序通常是反的——先查自己能改的，最后才查自己改不动的。现在回头看，如果第一步就问一句“这个渠道取数据的地方还是原来那个吗”，三周能压到三天。

这份报告的三处口径，读的时候得留神

数据很漂亮。不过越漂亮的数字，越得先问一句它是怎么量出来的。这份报告有三个地方，如果不注意，会让你把结论推得太远。

判断来源的那把尺子，是Profound自己刻的

“这条推荐来自feed还是网页搜索”，不是OpenAI给的标签，是Profound从网络请求日志里自己分类出来的。GPT-5.6这次发布如果顺手改了返回结构，那么同一件事就可能被重新归了一次类。

一天之内6.5倍这个数字，既可能是检索机制真的切换了，也可能是分类口径跟着接口变了一次。报告没有做这一层对照，也就是说，它没有回答“把7月9日的数据用7月10日之后的分类规则重跑一遍，还是8.26%吗”。

这个问题不是吹毛求疵。任何一次“A和B不一样”的结论，都得先过一道自基线：A和A自己一样吗。站内之前做过一次实测，测出74%的页面对爬虫和用户呈现不同，补上一组同源对照之后只剩2.2%——差的那七十几个百分点全是测量方式造出来的。方法论细节在页面抖动那篇的自基线设计里写过。

687家这个样本，是筛过的

入选条件写得很清楚：7月7日到12日每一天都得至少有一张自家商品卡。这意味着在7月10日彻底消失的店，根本进不了这个样本。

所以“450家掉了三分之一”是在一批本来就能被看见、并且掉了之后还能被看见的店里数出来的。真正被清出场的那批，人数不在这份报告里。这不是报告的错，它的观察设计需要连续数据；但读的时候要知道，实际受影响的面比450大。

Shopify那35%，是用相关系数推出来的

报告说Shopify大约占全部feed检索的35%。依据是把Shopify渠道的日检索曲线和整体feed检索曲线放一起算相关，7月1日到24日的Pearson系数0.997、Spearman系数0.993。

两条曲线几乎完全同形，这一点没有疑问。但同形不等于包含关系。7月10日那天所有在这个机制里的子集都会同时跳变，任何一个这样的子集拿去算相关，都能得到接近1的系数。相关系数能证明“它跟着一起动”，证明不了“它占了其中35%”。

这类把时间序列相关当成占比依据的做法，在工具报的准确率里很常见，以前拆过一次审计工具自己划及格线的分母问题，是同一种毛病：结论的形式比它的证据强度要硬。

说这三条不是要否掉这份研究。它的核心结论——检索来源换了、换在7月10日、没接feed的店在六成半的位置上不参与——三条口径都不影响。要小心的是别把35%当成精确数字去做预算，也别以为受影响的只有450家。

接了feed和没接feed，ChatGPT眼里是两套世界吗？

先说官方口径。OpenAI在购物功能的帮助文档里写的是：ChatGPT用结构化商品数据来挑选商品，比如价格和描述，数据来自数据提供方，也来自商家自己。同一页还有一句话值得原样记住——商品结果由ChatGPT独立挑选，不是广告，也不受OpenAI任何合作关系影响。

这句话回答了“能不能花钱买位置”，没回答“不接数据还能不能被挑中”。而Profound那组数据给出的答案是：能，但只剩三成半的机会。

接入方式目前分三条，门槛差得很远。

OpenAI的商家页面把这件事说得很克制：其他零售商可以申请直连feed，但已提交的申请处在等待名单上。购物功能目前只对美国用户开放，官方说会逐步扩到更多地区，并计划在今年晚些时候上线一个自助接入平台，让商家自己把feed连上去。

这几句话拼起来是个挺尴尬的局面。六成半的推荐位置只对接了feed的人开放，而接进去的通道对大多数人是排队制，自助口子还没开。Shopify因此成了小商家眼下唯一走得通的那条缝——Profound的建议也是这个：大品牌自己接直连feed，小卖家通过Shopify接。

Shopify这边还有一层默认配置值得一并看：它默认上线了agents.md，集合页也被很多人评估成AI购物时代的主战场，两件事和目录接入是三条不同的通道，别混在一起算。

Shopify自己还有个说法可以对照：由Shopify Catalog驱动的AI搜索，转化率是用抓取数据的2倍。这句话出自平台方，口径和动机都要打折看，但它至少说明平台把这条通道当卖点在推。

这套feed走的是Agentic Commerce Protocol这条协议，它在3月24日扩展到了商品发现环节。站内之前拆过这几个协议的选型，结论是小商家接入AI购物代理本质上是道配置题，不是站点重构。7月10日这件事没改变那个结论，只是把配置的紧迫性提前了。

那份feed规范里到底要填什么？

Profound在报告末尾给了一个预测：等更多品牌都接上feed之后，竞争就会从“有没有接”变成“接进去的字段填得怎么样”。

这个预测有道理，但它没说清楚字段是哪些。于是把OpenAI那份商品数据上传规范整份拆了一遍，逐行统计了字段表。

结果比预想的有意思：整份规范一共64个唯一字段，标着必填的只有9个。剩下55个分散在14个分组里，全部是可选或者条件必填。

那9个必填字段挤在同一个分组里，就是基础商品数据：item_id、title、description、url、brand、seller_name、image_url、availability、price。

看这份清单的第一反应可能是“这也不难”。难的不在这9个，在剩下55个上。必填字段决定你的商品能不能进来，可选字段决定它在一堆同类商品里凭什么被挑中。材质、颜色、尺码、性别、年龄段、三围尺寸、重量、退货期限、是否接受换货、店铺评分、评价条数——这些全在可选里。

换个角度看这件事就更清楚：ChatGPT要回答“我想买一双防水的越野跑鞋，41码，能在两周内退的”，它靠的不是你的商品标题，是material、size、size_system、accepts_returns、return_deadline_in_days这几个字段。你不填，这个问题里就没有你。

规范里还有几个字段透露了别的信息。有一个广告分组，is_ads_eligible和ads_metadata——同一份feed也是广告侧的原料。结账分组要seller_privacy_policy和seller_tos，说明它在为站内直接成交留位置。还有一批字段叫identifier_exists、google_product_category、additional_image_link、item_group_id，这几个名字是Google购物feed的旧列名，规范在兼容那套字段表，做过Merchant Center的人可以直接搬。

关于分类字段这件事，Google自己今年也补了一手，给商品结构化数据加了category属性，把页面标记和数据源的分类口径对上了。两边现在是同一个方向：让页面上的商品和feed里的商品能被认成同一件东西。

哪些字段填错会让整行商品当场消失？

规范里有一条写得非常硬，但很容易被跳过。

availability这个字段只认五个值：in_stock、out_of_stock、pre_order、backorder、unknown。规范的原话是，缺失、空值或者无法识别的值会让这一行被拒。库存状态确实拿不到的时候，要显式写unknown，而不是留空。

留空和写unknown是两个完全不同的结果：一个是整条商品被丢掉，一个是照样进来只是状态未知。

这一条值得所有从Google feed搬过来的人多看两眼。Merchant Center对availability的容错策略和这里不一样，很多店的feed生成逻辑里，库存字段拿不到值就输出空字符串，在旧渠道只是少一个属性，搬到这里就是整行商品不见了。

站内做过一次大规模实测，结论正好能对上：5537件商品的描述字段是空的，其中2542件出自同一个站。空字段从来不是均匀分布的，它扎堆出现在同一套模板、同一段生成逻辑上。真要排查，按站按模板查比按商品查快得多。

另外三个容易出事的字段：

• item_id要求在整份feed里对每个商品或变体唯一且稳定，并且永远不能复用给另一个商品。用自增序号或者按行号生成的，商品下架再上架就会撞上这条。
• gtin必须是恰好8、12、13或14位数字，校验位要有效，前导零要保留，不许有空格和短横。没分配GTIN的商品，规范要求直接省略这个字段。
• mpn要和brand一起提交，规范特别写了一句：不许编一个值去顶替缺失的GTIN。

GTIN这一栏是所有商品数据里最容易自欺欺人的地方。校验位算得过并不代表填对了——之前拆过一次，条码栏里填的那串数字其实是变体ID的后八位，位数对、校验也过，可它指向的不是任何一件真实商品。校验位这道闸能拦住的大约只有一半问题，剩下一半得靠和真实商品库对账。

变体那三个字段为什么最容易配错？

变体在这份规范里不是一个字段，是三个字段的联动，而且有前后依赖。

• group_id：所有变体共享的父级列表ID，必须稳定。缺失或为空时会退回用item_id，而那样就不构成变体组了——不报错，只是静悄悄地把一组变体拆成了一堆互不相干的独立商品。
• listing_has_variations：每一行变体都要设成true。省略、留空或者填false，变体选项就不生效。
• variant_dict：把选项名映射到选中的值。它要求listing_has_variations=true，并且group_id和item_id不同，两个条件缺一个就被忽略。

这三条连起来是一个典型的静默失败链。你把variant_dict写得很完整，但group_id忘了输出或者直接等于item_id，规范的处理方式是忽略，不是报错。于是同一双鞋的8个尺码，在ChatGPT那边是8件毫无关系的商品，每一件都只有一个尺码可选。

为什么这类错误特别难发现？因为feed校验通过了，行数对得上，字段也都在。要发现它，得去数“变体组的数量应该是多少、实际是多少”，而不是数行数。

同一类问题在品牌字段上也出现过。站内实测过66个站的商品数据，品牌字段一个空的都没有，可有17个站把自己写成了好几个牌子——大小写不一、带不带公司后缀、全称和简称混用。字段填满率100%，一致性却不到。填没填是一道闸，填得对不对是另一道，后面那道从来没有工具替你把关。

为什么头部更集中了，被提到的商家反而少了两成？

这是7月10日那组数据里最该被单独拎出来看的一条。

7月7日到9日，前10商家占全部引用的22.5%；7月10日到12日，这个数字变成41.8%。同一段时间里，被引用到的唯一商家总数从13524降到10607，掉了超过两成。

头部份额差不多翻了一倍，而被提到的商家少了两成。这两件事同时发生，说明feed检索的取数范围比网页搜索窄。网页搜索能碰到的是整个开放网络，谁的页面被抓过、被索引过，就有被碰到的可能；feed检索能碰到的只是已经接进来的那份目录，目录里没有的，再好也不在候选集里。

候选集一收窄，结果必然向头部集中。这不是算法偏爱大品牌，是可选项变少的自然后果。站内之前写过一篇，讲的就是AI代理替用户逛店下单时品牌到底是没被看见还是被淘汰，那时候这个问题还是个假设，现在它有了日期和数字。

这个机制对独立站主的含义比数字本身更重要。过去几年AI搜索给中小站的那点机会，靠的是开放网络这个大池子——内容写得够专、够细，就有可能在长尾问题里被引到。站内之前统计过，85%的品类在AI可见度上还没有主人，说的就是那个池子还没被占满。

购物这条线现在变了性质。它从“谁写得好谁被引”，变成了“谁在名单上谁被选”。这两种玩法的进入成本差得很远：写得好这事靠长期内容投入，上名单这事靠一次接入动作。

好消息是，接入动作是一次性的，而且门槛不高。坏消息是，等所有人都接完，竞争就回到字段颗粒度上，那时候比的是谁的商品数据更干净、更完整——而这件事需要很长时间的治理，临时补做不出来。

不是Shopify店，现在该按什么顺序动手？

先说不该做什么：不要因为这件事去重做站、重做页面结构、重写商品详情页。这一轮变化跟你的页面无关，重做页面一分钱回报都没有。

按回报排个序，大概是这样四步。

第一步，先确认自己现在到底在不在名单上

最直接的办法是在ChatGPT购物模式里用自己的品类问几个真实购买问题，看会不会出现自家商品卡，以及卡片指向哪里。要问带约束条件的问题，比如尺码、材质、价格区间、退货条款，因为那种问题才会去用feed里的细节字段。

光问一次不算数。这里最容易踩的坑是拿单次查询当结论——站内做过2961次实测，结论是AI可见度的名次本身带很大噪声，同一个问题连问几次结果都不一样。所以至少要跑十几次、分几天跑，看的是出现频率不是有没有出现。想把这事做成可重复的流程，可以直接拿智能体就绪度自查打分表当模板，再配上AI可见度竞品分析的那套跑法把对手一起量进来。

第二步，按那9个必填字段先把数据体检一遍

不管申请通道排到哪一天，数据得先干净。这9个字段里最容易出问题的是availability和item_id：前者留空会整行被拒，后者复用会把两件商品混成一件。

体检不用等接入，现在就能做，用自己现有的Google购物feed当输入就行，两边字段大面积重合。价格字段还要多看一眼：站内拆过一次商品价格不一致的六条报警，扣完之后一条不剩，那次的教训是先定好拿哪一份价格当标准，再去比对。站内那份产品feed该谁管的拆解里有一份可以直接用的字段核对清单。

第三步，把55个可选字段里跟自己品类强相关的那批补上

不要全填，填了也没用。判断标准是一句话：买你这类东西的人，在决定买之前会问什么，就补那几个字段。

• 服装鞋帽：size、size_system、color、material、gender、age_group
• 家电与工具：dimensions系列、weight、condition
• 高单价品类：accepts_returns、return_deadline_in_days、return_policy、accepts_exchanges
• 口碑敏感品类：review_count、star_rating、store_review_count、store_star_rating

这一步的工作量常常被低估。不是往表里加几列的事，是要在商品库里真有这些数据。多数店的尺码写在商品描述的一段文字里，而不是一个结构化字段，要抽出来得先治理一遍。

第四步，提交直连申请，同时把Shopify那条路当备选评估一下

申请要排队，所以早交比晚交好。同时值得算一笔账：如果自己的品类和规模适合，走Shopify接入是当下唯一确定能通的路。这不是说要搬站，是说把它放进选项里认真算一次成本。

顺带说一句，接进feed之后流量的落点还是你的站。之前拆过一次数据，AI来的流量转化率是自然搜索的好几倍，但落地页常常接不住。前面四步做完只是能被找到，能不能成交是另一条链路上的事。

这件事和feed该谁管不是同一个问题

站内之前写过一篇，讲的是产品feed在组织里的归属——它通常被当成投手的活，挂在广告部门下面，而它实际影响的是自然搜索和AI购物的露脸机会。那篇的落点是责任划分和协作机制。

这一篇不解决那个问题。这一篇讲的是检索来源在某一天换了，以及换完之后那份数据的字段规范长什么样。两件事的关系是：7月10日之后，feed归谁管这个问题的代价变高了。以前管得松，损失的是一部分免费曝光；现在管得松，损失的是六成半的推荐位置。

如果你正在读的是“该谁管”那个问题，直接去看那篇；这一篇的用处是给那篇的紧迫性加一个具体的数字。

另外一个容易混的边界：这一篇讲的不是怎么在AI回答里被引用。被引用和被推荐是两套机制，站内分开写过，被检索和被引用是两套打法。购物模式里的商品卡走的是第三套——商品目录检索，跟前两套都不一样。

到9月12日为止，还有哪些事没定？

把已知和未知分开列一下，免得把推测当结论用。

已经确定的：检索来源在7月10日发生了主次互换；到9月初feed占比稳定在65%上下；Shopify与Etsy的目录已接入；直连申请处在等待名单状态；购物功能只对美国用户开放；那份规范64个字段、9个必填。

还没有答案的：

• OpenAI没有确认过GPT-5.6和这次检索来源变化的因果关系，官方更新说明里也没有这一条。
• 自助接入平台官方说在今年晚些时候上线，到9月12日还没有具体日期。
• 等待名单的处理速度、是否有筛选标准、按什么顺序放行，官方三处文档都没写。
• feed里的商品一旦进来，是按什么排序被挑中的，这一层完全没有公开信息。Profound的数据只能说明谁在名单上，说明不了名单内部怎么排。目前唯一能摸到的线索是有人把ChatGPT挑源时的内部字段扒了出来，但那是网页引用那条路的字段，不是商品目录这条。
• 购物功能扩到美国以外市场的时间表没有公布，对做多市场的独立站来说，这一条直接决定要不要现在就投入。

那份feed协议本身是公开的，3月24日扩展到商品发现环节的时候OpenAI发过说明，Salesforce和Stripe这类服务商也在支持名单里。也就是说，通道的技术规格是透明的，被卡住的是准入。

常见问题解答

没有接商品feed，是不是在ChatGPT购物模式里就完全看不到了？

不是完全看不到。网页搜索这条检索路径还在，按9月初的数据它还占三成半左右。没接feed意味着你只在这三成半里参与竞争，另外六成半的位置不参与。而且这个比例还在往feed那边偏。

那份规范64个字段，是不是填得越多越好？

不是。9个必填决定能不能进来，必须填对；剩下55个决定在同类商品里凭什么被挑中，判断标准是买你这类东西的人在决定前会问什么。和购买决策无关的字段填了也不会带来额外机会，反而增加数据维护成本。

availability留空和写unknown有什么区别？

区别是整行商品在不在。规范明确写了，这个字段缺失、留空或者填了无法识别的值，这一行会被拒；库存状态确实拿不到时，要显式写unknown。从Google购物feed搬过来的生成逻辑最容易踩这一条，因为两边的容错策略不一样。

Shopify占35%这个数字可信吗？要不要按它做决策？

方向可信，数字不要当精确值用。它的依据是两条日检索曲线的相关系数0.997，而相关系数能证明两者同步变动，证明不了占比。把它理解成“Shopify渠道在这次变化里是主要组成部分之一”是安全的，拿35%去算预算分配就过度了。

我的店在7月10日之后掉量了，怎么确认是不是这件事导致的？

看三个信号能不能同时对上：掉量发生在7月10日前后而不是渐进下滑；掉的是来自ChatGPT的流量而不是全渠道；自然搜索排名和广告表现在同期没有可解释的变化。三条都对上，指向这次检索来源切换的可能性就很高。需要注意的是后台本身也不一定看得见这部分流量，ChatGPT来的访问在很多站的报表里是隐身的，先把归因链补上再下结论。都对不上就别往这上面归因，去查别的。

现在申请直连feed，大概多久能通？

官方没有公布处理时间，也没说筛选标准和放行顺序。已知的只有一条：现有申请者处在等待名单上。所以申请这件事早做比晚做好，但不要把上线时间点押在它身上做排期。

权威参考资料