AI 优化 Feed 前，先诊断商品源与页面为什么对不上

直接判断：Feed 与页面不一致时，最先要找的是数据责任链，而不是让 AI 直接重写标题或描述。改错层级会让同步程序把“修复”再次覆盖。

商品信息可能经过后台、表格、应用、补充源、规则引擎和渠道处理后才出现在广告平台。页面又可能由主题、市场、币种、折扣与库存逻辑动态呈现。看到最终结果不一致，只能证明链路某处有偏差，不能证明应该改哪一端。

先做判断

先确定每个字段的真源和允许变换。价格、库存、运费、税费通常需要高度一致；标题、图片和描述可以针对渠道优化，但仍必须让人和平台识别为同一商品。支付、退货与配送承诺虽然不一定都在 Feed 字段中，却会影响落地页可信度与政策判断。

若真源不清，AI 应输出冲突清单而不是自动选一个值覆盖。若字段受市场或变体影响，比较必须在同一地区、币种、语言和商品变体上下文进行。

诊断与决策框架

第一步建字段地图：源字段、变换规则、Feed 输出、页面显示、渠道处理结果、owner。每个差异都标记发生层级，不把所有问题归到“Feed 工具”。

第二步按风险排序。价格、库存、运费、税费、商品标识和落地能力优先；标题、图片、描述其次。高风险字段先求真实与一致，再谈点击率优化。

第三步做成对采样。随机商品能发现普遍错误，高流量、高变更幅度、缺失字段、促销中和多变体商品要定向抽样。AI 视觉或文本判断可以辅助识别，但不能仅凭图片推断不可见的规格。

第四步定位修复层。如果错误来自真源，修真源并让下游重新同步；若来自映射，修规则；若是渠道覆盖，修对应补充源；若页面错，则修页面数据或展示逻辑。禁止在多个层同时打补丁。

第五步预览与回读。先生成字段级 diff，小样本应用后分别读取源、Feed、页面与渠道状态。渠道异步处理时保留 pending 与 rejected，不在上传成功后提前宣布完成。

差异清单还应区分“事实错误”和“允许差异”。渠道标题为检索做有限重排，可能是设计内变化；价格、库存或商品身份无法解释地不同，则必须进入阻断队列。否则团队会把正常变换也当故障。

常见误判

• 看到广告平台标题不理想，就直接在渠道端覆盖所有商品，导致长期双真源。
• 只比文本，不核对变体、地区、币种和促销时间。
• 用页面抓取值反向覆盖后台，忽略页面可能是动态结果。
• AI 生成内容语义更顺，就认为商品事实一定正确。

验证清单

• 每个关键字段有唯一真源、允许变换和 owner。
• 比较发生在同一商品、变体、市场、语言与时间点。
• 高风险字段优先于文案优化。
• 随机抽样与高风险定向抽样同时完成。
• 修复只发生在正确层级，并有字段级 diff。
• 小样本应用后已回读源、Feed、页面与渠道处理状态。

需要定位同步先后关系时，沿用价格与库存不一致的更新时间线，AI 只负责比对与整理证据，不替代真源判断。

适用边界

本文适合商品 Feed、落地页和渠道目录的一致性诊断。具体字段规范、政策与 API 会变化，执行前必须核验当前官方文档；复杂定价、订阅、多市场和组合商品需要额外业务规则。

通过 Feed 修复闭环复合案例 看如何避免改错层，再按 安全独立站 AI 工作流剧本 完成预览、批准与回读。