Shopify AI购物可见性诊断

问题背景

当买家向 AI 助手提问“帮我挑一双透气的跑步鞋”时，你的 Shopify 商品能否被理解并被引用？很多独立站的商品标题、变体属性、结构化数据、库存与价格信息彼此割裂，政策页面也没有清晰的机器可读口径。结果是：AI 无法回答“这件有 XL 码吗”“运费怎么算”这类基础问题，品牌权威信号缺失，AI 引荐流量也无法单独归因。这不是 SEO 问题，而是商品数据对机器的可读性问题。

核心能力与工作流程

技能按四步执行：

1. 字段口径统一：对齐商品、变体、库存、价格、配送、退货和品牌政策的字段定义，确保同一指标在各页面只有一个口径。
2. 可读性检查：核查标题、属性、结构化数据、可索引内容、API 可用性和品牌权威信号，记录机器能否解析每个关键属性。
3. 购物意图测试：用典型购物意图（如尺码、材质、售后）验证商品信息的可理解性，标记缺失、冲突和无法验证的声明。
4. 优先级排序与交付：按收入影响与修复成本排序，输出 GEO 整改、数据治理和 AI 引荐监测方案。

交付结构固定为五部分：

• 结论摘要：先给三至五个最重要的判断与业务影响；
• 主交付物：AI 可读性评分、字段缺口、GEO 整改清单、监测指标；
• 数据与证据：列明来源、时间、字段、计算口径和引用位置；
• 异常与未知：分开陈述缺失、冲突、推断、待确认与阻断项；
• 行动与验收：写清优先级、负责人建议、截止条件和验收信号。

配套的 references/example-task.md 展示推荐调用与预期输出，references/field-checklist.md 用于输入与验收检查，assets/before-after.png 提供修复前后的视觉对照。

适用边界与注意点

• 质量门槛：商品与变体主键必须唯一，价格库存和政策不能冲突，关键属性需机器可读，AI 引荐流量需单独归因。
• 不承诺结果：不保证任何平台的收录或排名，也不保证 AI 必然推荐你的商品。
• 不编造数据：事实、计算、推断和建议分开表达，未提供的数字或案例不补写。
• 无后台连接时：未获得店铺连接或导出数据时，只审查用户提供的资料，不声称已实时读取后台或获得推荐排名。