ChatGPT 开始做商品发现：商品图要给 AI 购物助手留下什么证据

凌晨 1:17，屏幕右上角还挂着 17 个未读标签页。我把 OpenAI 在 2026 年 3 月 24 日发的 Product Discovery 文章又看了一遍，页面里最刺眼的不是 Shopify Catalog，而是一个更冷的事实：商品正在被问答入口重新组织。

截至 2026-05，OpenAI 官方文章写到，Shopify Catalog 会进入 ChatGPT 的商品发现体验；ChatGPT Search 的购物结果说明，也把商品图、价格、评论和商家信息放进同一条链路。来源：OpenAI Product Discovery（https://openai.com/index/powering-product-discovery-in-chatgpt/）、ChatGPT Search 商品发现说明（https://openai.com/chatgpt/search-product-discovery/）、OpenAI Help 购物结果说明（https://help.openai.com/en/articles/11128490-improved-shopping-results-from-chatgpt-search）。这不是中国平台规则，也不是今天所有店铺马上要改后台。它更像 V01 信号：商品图不再只服务人眼浏览，也开始服务机器的商品理解。

图注：商品图要让人和购物问答都读得懂。

V01：别把 Product Discovery 理解成另一个广告入口

很多运营看到 ChatGPT 商品发现，会先问流量从哪里来。这当然重要，但修图团队更该问另一件事：当一个购物助手回答“这款适不适合我”时，它能从图里读到什么？

官方文档没有说商品图会单独决定推荐。它讲的是商品信息、商家数据和对话体验被串起来。换成修图语言，就是画面不再是孤立的海报，它会和标题、规格表、库存、评论一起被系统拿来解释商品。V02 问题随之出现：如果图片把规格标签修糊，把套装里的小配件修没，把使用痕迹修得像全新，机器可能仍能识别一个漂亮商品，却更难理解一个真实商品。

这和传统 SEO 不一样。传统主图主要争取点击，详情图负责补信息。对话式购物更像把详情页拆开后重新问答。买家问“这款收纳盒能不能叠放”“充电宝有没有双 Type-C 口”“二手耳机触点磨损明显吗”，商品图里留下的证据会参与回答。漂亮但无证据的图，在这个场景里是低信息密度素材。

V02：商品图要回答机器会问的 4 个问题

我会把问题压成 4 个：是什么规格，包含哪些物件，状态是否诚实，和文案是否一致。这个分法不是平台标准，是团队实际经验里给小店做图前沟通时最省力的检查框架。

规格证据包括容量、型号、接口、尺寸参照、认证标。套装证据包括主件、配件、说明书、线材、包装卡。状态证据包括轻微划痕、压痕、折痕、氧化、二手痕迹。文案一致性则更直接：图里出现的东西，标题和卖点页有没有说；文案承诺的东西，图里能不能看见。

据 OpenAI 2025 年 4 月 28 日发布的 ChatGPT Search 商品发现说明，购物结果会围绕商品信息和用户意图组织展示。它没有要求商家按上面 4 项修图，但这 4 项能帮助商品图不被修成纯装饰。举个不当修图的假设场景：一个手机壳套装把镜头膜、挂绳孔和防尘塞都修成背景噪声，图看起来更干净，问答系统却少了判断“套装是否齐全”的视觉依据。这个例子是示意，不冒充真实案例。

V03：图叮该保留的不是瑕疵，而是商品事实

这里容易走偏。保留证据，不等于鼓励脏图、暗图、乱图。图叮要做的是把噪声和事实分开。

灰尘、杂线、拍摄阴影乱跳、背景反光，这些通常是噪声，可以清理。型号字、材质纹理、接缝、序列号、批次码、配件边界，这些是事实，不该为了统一质感顺手擦掉。V03 的判断很硬：如果某个细节会影响买家理解商品，就不能被当成脏点处理。

跨境团队尤其要小心。V07 视角里，Amazon US / EU / JP 多站点素材最怕“同一张图在不同市场讲了不同事实”。商品图被 AI 修顺之后，英文 bullet、日文规格表、欧盟合规标识仍在页面上，买家或购物助手把它们放在一起读，矛盾会更明显。图叮在中间层的价值，是让修图任务先标注“可清理”和“不可改”，再进入批量处理，而不是把所有异常都归到 beautify。

V04：这不是国内平台新规，是工作流预警

需要把边界说清楚。OpenAI 的更新不等于淘宝、抖音、小红书或京东马上采用同一套商品发现逻辑；国外官方说明也不能直接当成中国平台处罚依据。写这篇文章的原因不是制造焦虑，而是提醒团队：当购物入口变成问答，商品图的信息责任会变重。

更实际的改法很小。修图前，运营给每组图加一列“证据区”：规格、配件、状态、来源。修图时，图叮任务备注里写清楚“背景清理 / 局部重绘 / 不能改的区域”。交付时，抽查 5 张最容易被误修的图，比如带接口、带标签、带瑕疵、带套装、带证书的图。这个 5 张只是小团队抽检口径，不是行业规定；它的作用是逼团队在上传前看一眼证据是否还在。

如果文章只给一句建议，我会写：别让 AI 修图把商品变成一个无法被追问的漂亮物体。

V05：今晚先做一张小表

深夜看趋势，最容易把事情想大。明早真正能做的，只有一张表。

表头可以是 6 列：SKU、主图证据区、详情图证据区、可清理噪声、不可改事实、图叮任务备注。每次发给修图师或运营前，只填高风险图，不必覆盖所有素材。产品越普通，这张表越有用。普通商品没有品牌故事兜底，靠的就是规格清楚、配件完整、状态诚实。

睡前留一个问题给明天：如果购物助手替买家追问这张图，你希望它引用到哪些证据，而不是只说“这张图看起来不错”？