Shopify 商品描述自动化：把 AI 草稿放进可审核的发布队列

Shopify 商品描述自动化最安全的定义，不是让 AI 自动把文案写进公开商品页，而是让它先把一份已经核实的商品事实，改写成可供人审核的草稿。

这是一套 KumoCart 操作模型，不是 KumoCart 测试结果。它不承诺更高转化、更快上架或更好的排名。它的目标更朴素：在内容发布之前，让团队知道每一句话来自哪里，谁检查过，以及发现错误时怎样停下。

先决定 AI 可以做什么

Shopify Magic 可以根据商品标题、关键词和其他提示信息生成商品描述建议。Shopify 同时提醒，生成内容可能出现你没有提供过的利益点或事实，发布内容的准确性仍由商家负责。

因此，先定一条边界：AI 可以重组和改写已核实事实，不能补充事实，不能决定客户承诺，也不能自行保存到公开商品。

这条边界尤其适合一人店或精简团队。它把“写文案”拆成两项不同工作：收集真实商品信息，以及把这些信息写得清楚。前一项由负责商品的人完成，后一项才交给 AI 辅助。

建一个商品事实包

在输入 Shopify AI 商品描述工具前，为每个商品准备一个事实包。它可以在表格、PIM、商品资料库或审核表中维护，关键是每一项都能追溯到负责人或原始资料。

字段	要写清的内容	负责人
商品身份	商品名、款号、变体、适用对象和停售条件	商品负责人
已核实规格	材料、尺寸、重量、容量、产地、护理方式、兼容性	商品或供应链负责人
可公开利益点	每个利益点对应的事实依据，不把推测写成承诺	商品负责人
禁止表述	医疗、环保、性能、适配、库存、价格、退款或法律类禁用承诺	业务或合规负责人
顾客上下文	顾客要解决的任务、已知疑问、需要解释的限制	内容负责人
品牌约束	语气、长度、格式、必须保留的术语和不能使用的词	品牌负责人

Shopify 建议商品描述包含规格、建议用途、带有依据的利益点和能帮助顾客理解商品的细节。它还建议生成前至少提供标题和两个商品特征或关键词，并在提示中加入更具体的材料、用途、顾客和语气信息。商品描述指引 和 Shopify Magic 的生成说明 都支持这种“事实先于措辞”的顺序。

事实包不是一段很长的提示词。它是发布前的资料来源。没有来源的内容就留空，交给人工补齐，不要让模型猜测。

用提示词约束草稿，而不是让它自行研究

把事实包中的字段填进一个固定提示。下面的模板是建议流程，不是 Shopify 的内置模板：

请只依据“可用事实”撰写一份 Shopify 商品描述草稿。

可用事实：
- 商品类型：{商品类型}
- 已核实规格：{规格}
- 已核实用途：{用途}
- 已核实限制：{限制}
- 顾客上下文：{顾客任务}
- 品牌语气：{语气}

规则：
1. 不得添加可用事实中没有出现的材料、效果、认证、兼容性、库存、价格、配送、退款或保证。
2. 不确定时写“需要人工补充”，不要猜测。
3. 把变体差异单独列出，不要把一个变体的规格写给另一个变体。
4. 输出两部分：60 字以内摘要，以及带小标题的完整草稿。
5. 在末尾列出每个利益点对应的可用事实字段。

Shopify 说明，提示越具体，建议通常越贴近预期。它也允许在提示中指定长度、格式、语气和语言。Shopify Magic 文本生成使用技巧 同时提醒，模型输出可能无关、不通顺、冒犯或带有偏差，所以约束提示并不能取代审校。

让草稿经过四道关

不要把“生成”当成“完成”。把每份草稿放进下面的发布队列：

1. 事实关：逐句回到事实包。材料、尺寸、用途、适用对象和限制是否都有来源？没有来源的句子删除或改成待补充。
2. 承诺关：检查效果、性能、比较级、兼容性、配送、价格、库存、退款和法律文本。它们需要指定负责人确认，不能由文案审校人单独放行。
3. 顾客关：读者能否快速找到商品是什么、关键规格、适合谁、不适合谁，以及需要注意什么？若答案不清楚，优先补事实，不要再加形容词。
4. 发布关：检查公开商品页中的变体、图片、价格、库存、运费和政策是否与草稿一致，然后由指定人员保存。

Shopify 当前流程会把生成文本放入商品描述编辑区，而已发布商品在保存后会立刻显示新描述。也正因如此，生成和保存应该是两个明确动作。先在内部审核位置完成前三道关，再由有发布责任的人进行最后一次保存。

商品描述不是所有商品数据的替身

商品描述需要清楚，但不应承载所有可能的商品信息。Shopify 对面向顾客和 AI 系统的商品页建议，分别呈现规格、关键属性、尺寸、材料和护理信息。Google 的 Product structured data 文档 也把网页结构化数据和 Merchant Center feed 视为向 Google 提供和核验丰富商品数据的途径，同时明确搜索展示由系统自行决定。

实务上，把这些内容分开管理：

• 用描述解释商品和使用场景；
• 用商品字段维护价格、库存、变体和属性；
• 用政策页面和结构化字段维护配送、退货和其他业务规则；
• 用审核记录说明某个公开利益点为何成立。

这样做不是为了追逐某个 AI 搜索结果，而是为了避免模型把本来应该由库存、价格或政策系统负责的信息写成过时文案。

把失败模式写在批量操作前

失败模式	早期信号	处理方式
AI 虚构利益点	草稿出现事实包没有的效果、认证或对比	删除该句，补充可核验资料后再生成
变体串写	不同颜色、尺寸或套装共用一段规格	每个变体使用独立事实字段，人工对照 SKU
公开页被直接改写	生成后立即保存到在售商品	先完成内部审校，再由发布负责人保存
语气掩盖限制	描述很流畅，但没有护理、适配或使用边界	强制加入“限制”字段和顾客关问题
政策或价格被写进文案	草稿出现配送承诺、退款条件、价格或库存	由对应负责人确认，或改为链接到权威页面
批量错误扩散	同一错误在多个商品上重复出现	一旦发现一个未核验断言，暂停整个批次并追溯模板

独立研究不能替你的商品做判断，但它可以帮助团队把审校问题写得更具体。Baymard 公开说明其电商 UX 研究包含真实用户测试、眼动和定量研究。把这类研究当作问题设计的参考，而不是把它变成对自己商品结果的承诺。

保留这些人工确认点

• 确认商品事实和每个利益点的证据。
• 确认涉及安全、医疗、兼容性、环保、法律、配送、退货或保证的公开说法。
• 确认价格、库存、变体、图片和商品状态没有被文案流程误改。
• 确认批量发布范围、暂停方式和错误修复负责人。
• 确认顾客最终看到的描述与商品、政策和履约能力一致。

AI 可以提议措辞，但不能替商家承诺商品能做什么，是否有货，何时送达，能否退款，或客户应当相信什么。

先跑一个小范围审校试行

下面是一个建议的试行，不是已验证的方法或结果：

1. 选择五个资料完整、变体关系清楚的商品。
2. 为每个商品补全事实包，并标出一条最容易被误写的限制。
3. 使用同一提示生成草稿，不直接保存。
4. 由商品负责人和内容负责人分别做事实关与顾客关。
5. 记录每一处删除、补充和改写的原因。
6. 只有当团队能解释每个公开利益点的来源时，才考虑扩大范围。

这个试行的产出不是“AI 写得多快”，而是一份可复用的事实包模板、审核清单和错误词库。它让下一次商品上新更可控，而不是更自动。

如果你还在划分哪些运营任务适合规则自动化、哪些只能生成建议，请先读 Shopify 店铺自动化。如果你需要建立小而稳的 AI 工具栈，再读 Shopify AI 工具怎么选。