先說結論：ChatGPT 或 Perplexity 回答「這款產品多少錢、有沒有現貨、規格是什麼」時，它引用的答案幾乎不是從你的產品頁「看」出來的，而是從 Product schema「讀」出來的。少了這段結構化資料，AI 只能從散落在頁面各處的文字去猜價格、猜庫存，一猜錯，就把你三個月前的舊價、和早已補貨卻仍標著「缺貨」的狀態，當成事實講給正在比價的潛在客戶。
這對 B2B、尤其 SaaS 特別致命。你的方案常改、定價常調，網頁上的數字也許一季才更新一次；但 AI 抓到的快照如果沒有明確標示這個價格有效到哪一天，它無從判斷數字何時過期，就會一路沿用下去。Product schema 的工作，就是把「機器該相信哪一個數字」寫成沒有歧義的欄位，而不是留給模型自行推敲。
為什麼 AI 引擎特別吃結構化資料
AI 引擎讀網頁的方式和人不一樣。人靠排版和視覺層級抓重點，模型要的是能乾淨抽出一組「主體—屬性—值」的事實。Product schema 用 JSON-LD 把產品名稱、品牌、SKU、價格、幣別、庫存狀態全部標成鍵值對，等於把答案直接遞到模型手上，省去它從段落裡猜的風險。當兩個來源講的規格對不上，帶結構化資料、而且資料前後自洽的那一方，通常勝出。至於為什麼用 JSON-LD 而不是 Microdata，因為它把結構化資料集中在一個 script 區塊、和呈現用的 HTML 分離，改版時最不容易被弄壞，Google 與 Bing 官方也都以它為首選。
最小可用的 Product schema 範本
先給一份照抄就能上線的最小版本。把下面這段 JSON 包進一個 type 設為 application/ld+json 的 script 標籤，放進產品頁，換掉值就能用。這幾個欄位是 AI 最常引用的：名稱、品牌、價格、幣別、庫存，以及價格有效期。如果你賣的是 SaaS 訂閱，把 @type 從 Product 換成 SoftwareApplication，offers 的寫法完全一樣。
逐欄位解讀：AI 真正讀哪幾個
- name：產品的正式名稱，和頁面主標題寫一致，別塞行銷口號。AI 引用時會直接拿它當「產品名」。
- brand：品牌物件，@type 用 Brand。B2B 情境下，這是 AI 判斷「這是誰家產品」的關鍵一欄。
- sku 與 gtin：唯一識別碼。SKU 給內部辨識用；若有 GTIN，能讓 AI 跨站比對出這是不是同一個產品。
- price 與 priceCurrency：拆成兩欄。price 只放純數字（39000，不要寫成 NT$39,000 或帶逗號），priceCurrency 用 ISO 4217 代碼，台幣是 TWD、美元是 USD。
- availability：庫存狀態要用 schema.org 的枚舉值，例如 https://schema.org/InStock、OutOfStock、PreOrder，不要自己寫「有現貨」三個字。
- priceValidUntil：這個價格有效到哪一天。B2B 最常漏填、卻最該填的一欄，少了它，AI 就不知道你的報價何時作廢。
價格與庫存：最容易讓 AI 講錯的兩個欄位
價格出錯，九成是格式問題。price 只能是數字，一旦寫成帶貨幣符號或千分位逗號的字串，解析就會失敗，AI 索性略過整個 offer，等於白標。庫存出錯，多半是前台改了、schema 沒跟著改：你在後台把商品下架、頁面顯示缺貨，結構化資料卻還寫著 InStock，這種不一致不只讓 AI 講錯，Google 也可能判定為誤導而降權。務實的做法是讓 price、availability、priceValidUntil 跟著商品資料庫動態產出，而不是手寫死在模板裡；價格一變、庫存一動，schema 自動同步。
要不要加評分與評論
aggregateRating 和 review 能提高被引用的機率，也能讓 AI 在答案裡順帶帶出社會證明，但有兩條紅線。第一，結構化資料裡的評分，必須對應頁面上使用者真的看得到的評論；Google 明文禁止只寫在 schema、頁面上卻找不到的評分，踩線會吃到手動處分。第二，B2B SaaS 往往沒有大量公開評論，硬湊出來的分數風險大於效益。沒有真實評論就先別放，把力氣花在把規格、價格、庫存這三欄標乾淨，投報率更高。
AI 不會因為你的產品頁比較漂亮就引用你，它引用的是它最有把握不會出錯的那組數字。Product schema 的工作，就是讓那組數字剛好是你的。— Tenten GEO
上線後，怎麼確認 AI 真的讀到了
- 用 Google 的複合式搜尋結果測試（Rich Results Test）或 Schema Markup Validator 貼上網址，確認 Product 與 Offer 沒有錯誤、必填欄位沒有缺。
- 到 Search Console 看商品相關報表，確認 Google 有成功解析、沒有跳警告。
- 直接問 AI：在 ChatGPT、Perplexity 用「X 產品多少錢、有沒有現貨」這類問題實測，看它回的數字對不對、來源是不是指向你。
- 每次改價或改庫存後，回頭再測一次，確認結構化資料和前台同步更新，這是最常見、也最容易被忽略的漏洞。
三個會讓整段標記失效的錯誤
- 價格寫成含符號的字串（例如 NT$39,000）：解析直接失敗，AI 會忽略整個 offer。
- schema 和頁面顯示對不上：一邊寫 InStock、一邊顯示缺貨，會被判定為誤導。
- 一頁多個產品卻只標一個：方案比較頁或清單頁，要用 ItemList，或替每個方案各自標一組 Product。
把 Product schema 標對，是 GEO 技術實作裡投報率最高的一步：成本低、AI 幾乎立刻就能用你標好的數字。難的不是寫這段 JSON，而是確保整站每一頁的結構化資料都齊、都對、都和前台同步，這也是我們做 GEO 審計時逐頁檢查的重點之一。如果你不確定自己的產品頁哪裡缺欄位、哪裡標錯，或想先看看 AI 現在到底怎麼描述你的產品與價格，可以預約一場 30 分鐘 GEO 診斷，我們會用你實際的產品提問，帶你看見缺口和該先補的優先順序。
