
库存信号是 AI 购物智能体用来判断是否展示您的商品的明确信号,包括库存状态和变体级字段:in_stock、out_of_stock、preorder、backorder 或 unknown,以及 availability_date 和稳定的商品 ID。最重要的一项修复是:每次库存变化时,都要让信息流中的 availability 值与购物者在落地页上看到的内容一致,并使用该智能体要求的精确枚举拼写。
要点速览:
- 每个变体都要使用完全符合要求的库存状态值;OpenAI 会拒绝缺失、为空或无效的条目,而稳定的商品 ID 和 offer ID 有助于保留 SKU 跟踪。
- 通过 Delta API 修补价格和库存状态变更;完整 SFTP 上传留给新商品或影响整个商品目录的变更。
- 对于 preorder 或 backorder 商品,请提供 ISO 8601 格式的 availability_date,日期不得超过未来一年,并在商品页面上显示该日期。
- 让信息流中的库存状态与落地页结构化数据保持一致;商品缺货时也要继续显示价格,因为智能体可能会对比这两个来源。
- 每次更新后,都要确认处理后的商品状态为 active;标记为缺货的商品在修正并重新处理之前,会一直不具备资格。
AI 智能体期望从商品信息源中获取的准确字段和值
AI 购物智能体不会根据网站设计或营销文案来推断库存状态。它们读取的是一小组结构化字段;如果这些字段缺失、拼写错误或前后不一致,商品行会在购物者看到之前就被剔除。
商家需要正确映射的核心字段包括 availability(库存状态本身)、available 布尔值、availability_date、item_id、group_id、offer_id,以及适用于尺码或颜色等选项商品的 variant_dict。OpenAI 的商品 feed 规范要求每一行都必须提供明确的 availability 值,并且只接受以下五种精确写法:in_stock、out_of_stock、pre_order、backorder 或 unknown。
缺失、留空或无法识别的 availability 值会导致整条商品行被 直接拒绝,这意味着该商品根本不会进入推荐候选。
以下几条映射规则可以避免大多数拒绝:
- 每个变体使用单独一行,不要把不同尺码或颜色合并成一条商品信息。
- 在商品信息源更新之间保持 item_id 和 offer_id 稳定,这样智能体才能持续跟踪同一个变体。
- 使用 group_id 告诉智能体哪些行属于同一个父商品。
- 同一组内所有变体的选项名称(如“Size”或“Color”)拼写必须保持完全一致。
落地页上的结构化数据应与商品信息源完全一致。如果您的 Schema.org 标记 写的是 InStock,而商品信息源写的是 out_of_stock,那么会交叉核验两个来源的智能体就会标记这种不一致,并且可能直接抑制该商品展示,而不是猜测哪个是正确的。
库存状态变化后,展示会发生什么
将商品标记为 out_of_stock 不只是加上一个标签。它会让该商品不再符合准入条件,直到商品数据源以修正后的状态重新处理。
根据 OpenAI 的 Ads 商品信息源指南,标记为 out_of_stock 的商品将不再符合投放资格,只有恢复为 in_stock 并重新处理后才会重新生效。这个逻辑也普遍适用于各类智能体平台:availability 被视为一道门槛,而不是提示信息。除了自然推荐资格外,商品信息源级设置和 is_ads_eligible 标志也可以单独控制商品是否进入广告处理流程。
大多数未展示问题都可以追溯到以下几类常见原因:
- availability 字段被留空,而不是设置为 unknown。
- 枚举值拼写错误,例如把 in_stock 写成“instock”。
- 智能体在校验商品时,落地页返回错误,或图片缺失。
- 例行商品信息源更新后,某个过滤或选择规则将该商品排除在外。
专业提示: 即使商品缺货,也要在落地页上显示价格。 Google 的商品数据指南 对此有明确要求,而且这样也能让通过智能体缓存响应进入页面的购物者继续正常使用该页面。
何时使用 Delta API,何时使用完整 SFTP 上传
并非每一次库存变化都需要使用同一种更新方式,而选错方式正是库存状态数据陈旧的常见原因。
OpenAI 的 Ads 商品 feeds 指南给出了清晰分工:价格和 availability 变化应使用 Delta API 或 PATCH 请求;完整 SFTP 上传则保留给新增商品,或对整个商品目录进行批量字段变更的场景。
- 通过 Delta API 更新 availability 和价格 只要某个 SKU 缺货、重新到货或价格发生变化,就应这样做。对于变化快的库存,这是收益最高的更新方式,因为无需重新上传全部内容就能进入在线商品信息源。
- 使用完整 SFTP 上传 适用于上新商品、重组变体分组,或一次性修改影响整个商品目录的字段。
- 按商品目录变化速度设置更新节奏。 接近实时的增量更新适合经常售罄的 SKU;每小时或每天的批量更新足以覆盖大多数商品目录;每晚一次的完整刷新可作为兜底,用来补上增量更新遗漏的内容。
- 让作为事实来源的库存系统与增量补丁保持同步。 内部库存数量与补丁写入商品信息源的数据不一致,正是后续商品行被标记的典型原因。
完成任何更新后,都要验证它是否已实际处理。查询商品并确认 feed 状态响应显示为“active”,而不是 pending 或 rejected,因为静默失败的补丁会让旧的错误库存状态继续生效。
如何确认库存信号已被正确摄取
推送更新不等于确认智能体会按预期读取它。简短的验证流程可以在影响曝光前发现不匹配问题。
先检查原始 feed:抽取部分商品行样本,确认 availability 值使用的是完全符合要求的拼写,并确保 item_id 和 group_id 在不同导出之间保持稳定,而不是每次同步时重新生成。
接下来,确认平台侧是否已完成处理。 Shopify 的 Global Catalog 文档 说明了智能体商品目录响应中包含 available、status 和 running_low 等推断字段,开发者可以直接查询这些字段,以检查某个变体的库存状态是否按 feed 预期完成处理。
以下检查建议定期执行:
- 对比落地页显示的价格和 Schema.org availability,与同一 SKU 在 feed 中的值是否一致。
- 使用 UCP 测试沙盒 发送商品查询,并检查智能体实际接收到的结账 URL 和变体数据。
- 关注 feed 响应中的“status: active”确认信息,并检查哪些商品在常规更新后悄然消失,因为原因通常是过滤规则。
专业提示: 将 Shopify 店铺商品目录工具中的推断字段视为发现信号,而不是替代您直接提供的库存和价格数据。
快速行动清单:本周优先修复影响最大的几个问题
大多数库存信号缺口不需要彻底重构平台。集中花一周修复,就能解决导致最多商品行被拒和曝光流失的问题。
- 导出一部分商品行样本 并检查所有 availability 值是否严格使用以下五种允许的拼写:in_stock、out_of_stock、preorder、backorder、unknown。
- 将内部库存状态映射到这些规范枚举值,然后通过 Delta API 推送价格和库存状态更新,而不是等到下一次完整上传。
- 为所有 preorder 或 backorder 商品添加 ISO 8601 格式的 availability_date ,并在落地页中直接显示该日期。
- 查询已处理的商品数据 并确认 feed 状态显示为“active”。重复执行导出和检查流程,直到没有任何商品行返回 rejected。
这一流程优先处理见效最快的问题:先修复规范值和稳定 ID,再优化更新速度,然后处理 preorder 逻辑,最后进行验证。每一步都在消除那些会让商品悄然失去展示资格的缺口。
AI 场景下库存信号的定义与重要性
在 AI 购物场景中,库存信号是指任何能够告诉购物智能体商品当前是否可购买、以及可购买条件的结构化数据。这包括 availability 枚举值、available 布尔值、尚未可发货商品的 availability_date,以及每个尺码或颜色变体对应的状态。
相比传统搜索或展示广告,这些信号在智能体驱动的购物中更加重要,因为智能体是在代表消费者做推荐,很多情况下消费者甚至不会先浏览页面。如果智能体推荐的商品实际上已经缺货,问题会立刻暴露,并削弱用户对智能体推荐的信任,而不仅仅是对品牌的信任。
这种机制促使平台执行比传统电商 feed 更严格的规则。OpenAI 的商品规范会直接拒绝缺失或格式错误的 availability 值,而不是默认推断一个状态。不存在“可能有库存”这种兜底逻辑。
对于商家来说,这意味着库存数据不再只是后端运营问题,而是曝光问题。即使商品文案优秀、图片质量高、价格有竞争力,只要 availability 字段为空或拼写错误,商品依然不会被展示。库存信号本身已经成为准入机制,因此正确处理它是所有其他优化的前提,而不是并行任务。
库存信号如何影响 AI 驱动的需求预测
准确且持续更新的库存数据不仅能保持单个商品的曝光,还会影响智能体或其推荐系统如何长期解读整个商品目录中的需求模式。
当 availability 能够可靠且及时地在 in_stock 和 out_of_stock 之间切换时,这种变化本身就会成为有效信号:某个 SKU 频繁缺货,意味着需求相对供应较强;而长期保持 in_stock,则说明库存更稳定、更可预测。陈旧或不一致的信号会破坏这种模式。一个实际上已经售罄的商品却仍显示为 in_stock,不仅会误导消费者,也会干扰后续系统对该商品销售速度的推断。
preorder 和 backorder 的处理也直接影响这一点。Google’s Merchant Center 指南要求 preorder 和 backorder 商品必须提供 ISO 8601 格式的 availability_date,且日期最长不能超过一年,其目的就是让读取商品信息流的系统能够区分“暂不可用但已确认供应”和“单纯缺货且没有计划”。这种区别本身就具有重要信号价值:带有近期日期的 backorder,与完全没有日期的 backorder,在系统中的含义截然不同。
对商家来说,实际启示是:下游预测质量取决于上游 feed 的数据质量。及时应用 Delta 更新,而不是每周集中批量更新一次,才能让库存信号足够新鲜,反映真实需求,而不是滞后的历史快照。
将库存信号集成到 AI 算法中的最佳实践
大多数能够避免库存信号问题的商家,依赖的并不是复杂系统,而是一套简单且持续执行的习惯。
首先,将 feed 视为唯一事实来源,所有变更都应立即通过 feed 更新,而不是先更新网站、之后再同步 feed。OpenAI Ads 文档明确要求 item_id、title、description、url、brand、image_url、price 和 availability 等字段,并要求通过 Delta API 持续保持这些字段最新,而不是依赖周期性导出。
其次,保持变体数据一致。OpenAI 的商品片段指南建议每个变体对应单独一行,并在同一组内使用稳定 ID 和统一命名的选项字段,因为命名不一致(例如一个变体使用“Color”,另一个使用“colour”)会破坏智能体对变体分组的识别能力。
第三,绝不能让落地页与 feed 数据不一致。页面中的结构化数据应与 feed 使用相同的库存状态值,即使商品缺货,也应继续显示价格,因为多个平台会参考页面状态来验证 feed 中的信息。
第四,应围绕库存事件构建自动化更新,而不是依赖手动导出。当库存数量变化时触发 webhook,并自动调用 Delta API patch,可以缩短商品实际售罄与 feed 更新之间的时间差,这对销量变化最快的 SKU 尤其重要。
将库存信号用于 AI 时的常见问题与陷阱
大多数库存信号故障并非来自复杂边缘情况,而是少数几个反复出现的错误。
最常见的问题是将 availability 字段留空,而不是明确设置为 unknown。OpenAI 的规范会将空值视为无效值:两种情况都会导致商品行被拒,因此不存在安全默认值。
另一个高频问题是拼写漂移。内部系统通常会使用“Available”“In Stock”或“0”“1”这类标签表示布尔状态,而直接导出这些值通常无法匹配智能体要求的精确枚举值。库存系统与 feed 之间的映射层必须始终稳定转换,而不仅仅是在初次配置时正确;每当内部新增状态时,也必须同步维护。
落地页与 feed 不一致会引发另一类问题:商品行可能通过了校验,但智能体在交叉验证页面时发现矛盾,最终仍会屏蔽该商品信息。这种情况在使用缓存时尤其常见:feed 更新已经立即生效,但网站商品页仍缓存着旧的库存状态,持续数分钟甚至数小时。
变体处理也会带来一个不易察觉但代价高昂的问题。将所有变体合并为单行,或每次导出都重新生成 item_id,会让智能体难以追踪特定 SKU 的历史数据,从而影响它对该商品的推荐信心。
最后,过度依赖推断字段正逐渐成为新的陷阱。平台越来越多地自动生成补充数据,但 Shopify 已明确指出,推断字段只是辅助发现工具,不能替代商家自行提供的库存和价格数据。

库存信号正常工作的案例与示例
以下几个具体场景展示了这些机制在实际中的运行方式。
假设某商家正在对一款热门 SKU 的限量库存进行闪购促销。随着商品售出,内部库存系统已经归零,但商家只更新了网站,没有更新 feed,并计划等到当晚下一次完整 SFTP 上传时再同步。在这几个小时里,智能体仍会将该 SKU 视为 in_stock 并继续推荐,最终导致结账失败。如果商家在库存归零时立即通过 Delta API 推送更新,库存状态变化就能在正常 patch 周期内同步到智能体,而不必等待批处理任务。
第二个案例与 preorder 发布有关。商家将 availability 设置为 preorder,但没有填写 availability_date,因为误以为该字段是可选项。根据 Google’s Merchant Center 规则,这种缺失恰恰会让系统无法判断该商品现在是否值得推荐,还是应该留待之后推荐。补充正确格式的 ISO 8601 日期,并在落地页中展示后,这种歧义就会消失,preorder 商品也能正常展示。
第三个案例更偏结构性:某多变体服装商品在不同导出周期中,对同一种颜色名称使用了不同大小写(例如“Navy”和“navy”)。由于字段本身并非空值,因此不会触发拒绝,但会导致变体组被拆分,智能体会将其识别为多个彼此无关的商品,而不是同一商品的不同尺码选项。在导出阶段统一选项命名后,这一碎片化问题得到解决。

专家观点:工程资源有限时如何确定优先级
大多数团队没有能力一次性修复所有问题,因此修复顺序比完整性更重要。首先要处理的是规范化 availability 映射:这是唯一能直接避免商品行被拒的修复,如果商品根本无法进入系统,其他优化都没有意义。其次是为高流转 SKU 建立 Delta 自动化,因为陈旧库存状态在这些商品上造成的推荐流失最大。
资源有限的团队应避免在基础能力尚未稳定前,过度投入增强内容(例如更丰富的描述或更多属性字段)。相比一条文案精美但与自身 feed 相互矛盾的商品信息,每个页面都提供一致且拼写正确的 availability 值更重要。当基础环节稳定后,由 webhook 驱动的自动化就能在无需持续人工维护的情况下保持稳定。
— Xhurian
FAQ
AI 购物 feed 支持哪些 availability 值?
允许的值包括 in_stock、out_of_stock、pre_order(或 preorder)、backorder 和 unknown,并且字段必须严格使用这些拼写。OpenAI 的商品 feed 规范会拒绝任何缺失、为空或无法识别 availability 值的商品行。
Delta API 与 SFTP 上传有什么区别?
Delta API 适用于频繁且定向的更新,例如单个商品的价格或库存状态变更;而 SFTP 完整上传更适合批量变更或向商品目录新增商品。OpenAI Ads feed 指南建议,对快速变化的库存使用 delta 更新,而完整上传则保留给更大范围的商品目录变更。
将商品标记为 out_of_stock 后会立即下线吗?
会。根据 OpenAI Ads 文档,商品一旦被标记为 out_of_stock,就会停止获得投放和推荐资格,直到重新更新为 in_stock 并完成重新处理。不存在缺货后仍继续正常展示的缓冲期。
preorder 和 backorder 日期应如何格式化?
根据 Google’s Merchant Center 商品数据规范,availability_date 字段应使用 ISO 8601 格式,并且最长可设置到未来一年。该日期也应显示在商品落地页中,以确保消费者看到的信息与 feed 一致。
ecentic 可以自动修复库存信号不匹配吗?
我们的平台能够检测 feed 与落地页之间的不匹配问题,并支持一键将修正后的字段发布到 Shopify 或 WooCommerce。价格从每月 $14.90 的 Compete 套餐起,也提供适用于更大商品目录的更高阶方案。
实施者主要规范与文档链接
对于边缘情况和精确校验规则,应直接查阅官方文档,而不是依赖二手总结。OpenAI 商品 feed 规范和 Ads 商品 feed 指南详细说明了必填字段、枚举值和更新渠道。Google’s Merchant Center 帮助文档介绍了 availability_date 以及落地页匹配规则,Shopify 的 Global Catalog 文档则解释了智能体商品目录响应如何处理推断得出的库存状态和变体级库存状态。关于如何在这些 feed 基础上实现结构化数据, 这份 Schema 标记指南 介绍了商家通常最先需要实现的类型。
