商品目录自动化需要准备哪些输入字段

商品目录自动化的效果，首先取决于输入数据，而不是文案模型。缺少稳定商品 ID、价格或库存时，再流畅的描述也无法安全进入销售渠道。正确顺序是先整理事实字段，再生成内容，最后按目标渠道检查。

不同平台、国家、品类和广告计划的要求并不相同。Google Merchant Center 和 Shopify 的官方文档都持续更新字段与格式，因此本文提供的是准备框架，不替代目标渠道的最新规范。

第一组：商品识别字段

商品 ID 是自动化流程的主键。即使外部渠道使用不同 ID，也要保留内部稳定标识和映射，避免更新时把同一商品创建两次。

Google 的产品数据规范根据商品是否存在唯一标识，对品牌、GTIN 和 MPN 有不同要求。不能简单规定所有商品都必须填写同一组字段，也不能在没有来源时生成一个看似有效的代码。

第二组：可见内容与素材

至少准备标题、描述、主图链接或文件、附加图片、商品落地页，以及可核验的卖点和规格来源。为了让 AI 生成的内容保持一致，还应提供：

• 品牌语气和禁用词；
• 允许使用的事实资料；
• 目标语言与地区；
• 标题、描述和要点的长度限制；
• 不得写入的承诺、功效或比较说法；
• 图片用途、版权和背景要求。

AI 可以把已有事实重写成不同渠道格式，但不应补造材质、认证、产地、功效或保修信息。无法从来源确认时，正确输出是“缺少资料”，而不是猜测。

第三组：价格、库存与销售状态

常见字段包括币种、正常价格、促销价格及有效期、库存状态、可售数量和商品状态。价格与库存变化快，应标注更新时间和来源系统。

自动化可以检查价格格式、促销区间和状态冲突，但改价和发布属于有商业后果的动作。合理流程是先生成差异清单和预览，由有权限的人确认后再提交。

第四组：变体与品类属性

颜色、尺码、材质、容量和套装等变体需要共享父商品关系，同时拥有各自的 SKU、价格、库存、图片或 GTIN。变体名称必须稳定，否则渠道更新时容易产生重复项。

品类属性应来自目标渠道的分类和规范。例如服装与电子产品需要的字段不同。先确定商品类型，再选择字段模板，比让一张通用表容纳所有属性更可靠。

第五组：物流与合规信息

根据渠道和地区，可能需要重量、尺寸、发货地、配送方式、处理时间、退货条件、税务分类、年龄限制、危险品或能源相关信息。这里的字段往往直接影响费用、可售范围和合规，不能由语言模型推测。

本地库存或门店商品还可能需要门店代码、到店价格和本地库存状态。Google 的本地产品数据规范列出了这类单独要求。

给自动化流程的输入包

一个容易审核的输入包可以包含：

1. products.csv：一行一个 SKU 或变体的事实字段；
2. brand-rules.md：语气、术语、禁用说法和示例；
3. channel-mapping.csv：内部字段到目标渠道字段的映射；
4. assets/：文件名能与商品 ID 对应的图片和资料；
5. approval-rules.md：哪些变化可自动处理，哪些必须人工批准；
6. test-sample.csv：经过人工确认的少量基准商品。

开始时只取 10 到 30 个有代表性的商品，覆盖正常项、缺失项和复杂变体。先比较导入、生成、检查和导出结果，再扩大数量。

Agent 应该检查什么

• 必填字段是否缺失；
• ID、GTIN 或 URL 格式是否有效；
• 变体关系是否一致；
• 价格、币种和库存是否冲突；
• 标题和描述是否超出渠道限制；
• 生成内容是否只使用了允许的事实；
• 哪些字段来自源数据，哪些经过转换；
• 哪些项目必须交给人确认。

输出应同时包含结果和问题清单，而不是只返回“处理完成”。这样审核人能快速定位需要补资料的商品。

DoPilot 电商示例的边界

DoPilot 电商 AI Agent 页面展示从商品表和品牌规则开始，面向目录内容、多语言版本、字段检查和运营报告的工作流设计。当前状态是产品演示设计，不代表已经完成与所有电商平台的连接，也不把发布、改价、退款或批量消息描述为无人值守动作。

商品目录自动化真正的起点，是一份有来源、可映射、可复核的商品数据表。字段准备越清楚，后面的生成、检查和人工审批越容易稳定。