先说结论：当 ChatGPT 或 Perplexity 回答“这款产品多少钱、有没有库存、规格是什么”时，它引用的信息通常不是从产品页的视觉版式中“读”出来的，而是来自 Product Schema。缺少这类结构化数据，AI 只能在散落于页面各处的文字中猜测价格和库存。一旦判断出错，它就可能把三个月前的旧价格，或已经补货却仍标为“缺货”的状态，当成事实告诉正在比价的潜在客户。
这对 B2B 业务尤其致命，SaaS 更是如此。套餐持续调整，价格不断变化，而网站上的数字可能每季度才更新一次。如果 AI 抓取的快照没有清楚标明价格有效期，它就无法判断这个数字何时失效，只会继续沿用。Product Schema 的作用，就是把“机器应该相信哪个数字”写进含义明确的字段，而不是让模型自行推断。
为什么 AI 引擎尤其依赖结构化数据
AI 引擎读取网页的方式与人不同。人会依靠排版和视觉层级抓住重点，模型需要的则是一组可以清晰提取的“主体—属性—值”事实。Product Schema 通过 JSON-LD，把产品名称、品牌、SKU、价格、币种和库存状态标记为键值对，相当于直接把答案交给模型，减少它从段落中猜测的风险。当两个来源的规格不一致时，带有结构化数据且信息前后一致的来源通常更容易被采用。之所以选择 JSON-LD 而不是 Microdata，是因为它把结构化数据集中在一个脚本块中，并与负责页面呈现的 HTML 分离，改版时最不容易被破坏。Google 和 Bing 官方也优先推荐这种格式。
最小可用的 Product Schema 模板
下面先给出一份复制后即可上线的最小版本。将这段 JSON 放进 type 设为 application/ld+json 的 script 标签，再嵌入产品页并替换相应值即可。AI 最常引用的字段包括名称、品牌、价格、币种、库存和价格有效期。如果销售的是 SaaS 订阅，可将 @type 从 Product 改为 SoftwareApplication，offers 的写法保持不变。
逐项解读：AI 真正会读取哪些字段？
- name：产品的正式名称，应与页面主标题一致，不要塞入营销口号。AI 引用时会直接把它作为“产品名称”。
- brand：品牌对象，@type 使用 Brand。在 B2B 场景中，这是 AI 判断“这是谁的产品”时使用的关键字段。
- sku 和 gtin：产品的唯一标识符。SKU 用于内部识别；如果有 GTIN，AI 可据此跨网站比对，判断不同页面展示的是否为同一款产品。
- price 和 priceCurrency：价格与币种必须分成两个字段。price 只填写纯数字，例如 39000，不要写成 NT$39,000，也不要添加千位分隔符；priceCurrency 使用 ISO 4217 代码，新台币为 TWD，美元为 USD。
- availability：库存状态应使用 schema.org 的枚举值，例如 https://schema.org/InStock、OutOfStock、PreOrder，不要自行填写“有货”等文字。
- priceValidUntil：当前价格的有效截止日期。这是 B2B 场景中最常漏填、却很值得补上的字段。没有它，AI 就无法判断报价何时失效。
价格与库存：AI 最容易说错的两个字段
价格出错，90% 是格式问题。price 只能填写数字。一旦写成带货币符号或千位分隔符的字符串，解析就会失败，AI 可能直接跳过整条 offer，等于白做。库存出错通常是因为前端状态变了，Schema 却没有同步更新：后台已将产品下架，页面也显示缺货，但结构化数据仍写着 InStock。这种不一致不仅会误导 AI，Google 也可能将其判定为误导性内容，降低产品页面的表现。更务实的做法是让 price、availability 和 priceValidUntil 根据产品数据库动态生成，不要手工写死在模板里。价格或库存发生变化时，Schema 也能自动同步。
要不要添加评分和评论？
aggregateRating 和 review 可以提高被引用的概率，也能让 AI 在回答中带出社会证明，但有两条红线。第一，结构化数据里的评分必须对应页面上用户真实可见的评论；Google 明确禁止只在 Schema 中填写、页面上却找不到的评分。越过这条线，可能受到人工处罚。第二，B2B SaaS 往往没有大量公开评论，硬凑评分的风险可能大于收益。没有真实评论就不要添加。优先把规格、价格和库存这三个字段标记清楚，获得引用的概率反而更高。
AI 不会因为产品页更漂亮就引用你。它更愿意引用那组最有把握、最不容易出错的数字。Product Schema 要做的，就是让这组数字明确来自你。— Tenten GEO
上线后，如何确认 AI 确实读到了？
- 使用 Google 的 Rich Results Test 或 Schema Markup Validator，粘贴页面 URL，确认 Product 和 Offer 没有错误，也未缺少必填字段。
- 进入 Search Console 查看产品相关报告，确认 Google 已成功解析，且没有警告。
- 直接询问 AI：使用 ChatGPT 和 Perplexity 测试“这款产品多少钱”等问题。
- 每次调整价格或库存后，都要重新测试，确认结构化数据与前台页面同步更新。这是最常见、也最容易被忽略的漏洞。
会让整套标记失效的三个错误
- 把价格写成带符号的字符串，例如 NT$39,000：解析会直接失败，AI 可能忽略整条 offer。
- Schema 与页面展示不一致：页面显示缺货，Schema 却写 InStock，会被判定为误导。
- 一个页面有多个产品，却只标记其中一个：套餐对比页或列表页应使用 ItemList，或为每个套餐分别标记一组 Product。
校准 Product Schema，是生成式引擎优化（GEO）技术落地中回报最高的环节之一：成本低，AI 几乎可以立即使用你标记的数字。真正的难点不在于写出这段 JSON，而在于确保全站每个页面的结构化数据都完整、准确，并与前台保持同步。这也是我们开展 GEO 审计时逐页检查的重点。如果你不确定产品页缺少了哪些字段、哪些字段标错了，或者想了解 AI 当前如何描述你的产品和价格，可以预约一次 30 分钟的 GEO 诊断。我们会围绕你的实际产品向 AI 提问，展示当前差距，并明确应优先补齐的项目。
