为什么 ChatGPT 在别的市场不引用你的商品页（本地化 schema 如何解决）

你花了几周打磨一个商品页，ChatGPT 开始为你本国市场的买家问题指名你的店铺。然后德国或日本的顾客问同样的问题，你的品牌却在答案里消失。页面并没有变差——只是检索系统把外语的答案，当作与你本国版本不同的候选。想跨市场赢得引用，需要本地化的不只是文案：结构化数据也必须与你销售到的每个市场的语言、地区与货币一致。

AI 检索并不是靠感觉匹配页面，而是匹配「被问到的查询」。当买家用法语询问把商品发到加拿大时，管线寻找的是一个「语言对、地区也对」的答案。跨市场时被压到近零分的信号包括：

• 答案的语言。 查询是德语时，满页英文通常输给任何德文页面，哪怕后者更弱。
• 货币与价格。 用错货币的价格，或永远不变的价格节点，对一个用欧元或日元支付的买家来说像是无关的。
• 本地配送、退货与税费。 只指向你本国的退货窗口或配送节点，回答不了买家关于自己地区的询问。
• 与地区无关的结构化数据。 处处都是同样的通用 Product schema、没有地区化的报价，读起来就像这个页面其实并不服务那个市场。

以上任何一条都不要求你重建整个网站。它们只要求你的结构化数据能反映「买家所在地」的市场。

修复的重点与其说是翻译整个目录，不如说是给本地问题一个本地的、机器可读的答案：

1. 让本地化 schema 跟着本地化页面走。 如果你服务德国买家，就发布一个德文商品页（或干净的 hreflang 变体），并在上面写一套德文的 Product schema——而不是把英文 schema 内联机器翻译一下。 2. 用买家的货币给出报价。 为每个市场使用带正确 priceCurrency 的 Offer 节点。定价美元的页面，很难赢得以欧元表述的查询。 3. 用当地语言写清楚往哪里发货。 在 MerchantReturnPolicy 或配送节点里写「可发往加拿大」（法语），胜过一行泛泛的英文。 4. 让可见文案与 schema 用同一种语言彼此一致。 如果页面文字是德文、FAQPage schema 却是英文，模型会看到矛盾，可能整个丢弃这个页面。 5. 把本地化答案写得直接、可引用。 用当地方言写一句直截了当、恰好回答当地问题的句子，才是模型能真正摘进答案的部分。

这正是例行「侦察循环」按市场跑一遍就能抓住的缺口。挑出你最想卖的两三个地区，用每一种当地语言重跑一组固定的优先问题，并记录哪些 URL 被点名。当一个页面在本土被引用、却在第二个市场缺席时，把本地页面的 schema 和胜出页面比一比：几乎总是缺少语言匹配、货币用错、或配送节点没有地区化。

在 Visora，我们在跨境审计里经常看到这一幕：商户的英国页面可以引用，同一 SKU 的德国页面却因为 schema 从未离开英文而掉出引用。在 geovisora.com/audit 对每一个本地化 URL 跑一次免费扫描，就能看到该市场里哪一层引证已具备、哪一层还缺失，从而对症修复，而不用瞎猜。

*我需要在我销售的每种语言都做翻译页面吗？* 对重要的市场——是。几个精良的本地化页面，胜过半翻译的目录，因为检索要的是一个干净、语言匹配的答案，而不是为了覆盖而覆盖。

*货币写进 schema 真的会影响引用吗？* 它影响相关性。以欧元表述的查询会拉取 priceCurrency 匹配的报价；只有美元报价的 Offer 会早早被从该候选池里过滤掉。

*每个页面都要有 hreflang 吗？* 当你有真正独立的本地化页面时，用 hreflang。它同时告诉搜索引擎和检索系统每个 URL 服务哪种语言/地区，防止引用到错误的变体。

*本地化页面多久会被引用？* 通常是几周，与本国的循环类似。页面带着匹配的 schema 上线后，每周用同样的本地问题重问，观察按 URL 的提及数变化。

在一个市场被引用，说明页面不错；在你销售的每个市场都被引用，说明页面真正本地化了。障碍很少是才华或预算——而是「只会说一种语言」的 schema。把结构化数据本地化到匹配每个市场，让文案与 schema 在该市场的语言下保持一致，并按地区重新测量。先挑你最在意的两个市场，到 geovisora.com/audit 对每个本地化 URL 跑一次免费扫描，趁那个市场的买家问出「目前会让你被排除在答案之外」的问题之前，先把缺口补上。