商品資料治理：欄位、用語與市場一致性

跨境 Shopify 團隊並不缺模型。經常缺少的是：同一個 SKU 在後台、廣告、網店和客服知識庫裏說同一件事。標題帶著推廣修辭。屬性表漏了單位。物料名稱中英混用。尺碼表沿用來源市場習慣。限制聲稱沒有受控清單。把這樣的欄位送進翻譯或生成模型，輸出會更快，錯誤也會被複製到法文、德文和日文頁面。

增加語言不是第一個問題。商品事實、市場差異和履約限制，要先變成可營運的資料。AI 協助跨境內容的第一公里，是商品主資料治理，而不是再多一個寫作外掛。

本文介紹如何建立欄位字典、受控取值、用語庫及市場差異表，並按內容風險安排審核。

先判斷：問題在模型，還是在主資料？

實施前先做診斷，避免把資料債誤當成提示詞問題。以下徵狀用來決定是否應先整理資料，而不是先調校提示；這是實用檢查清單，不是已驗證的評分門檻。

• 同一個 SKU 在標題、短說明、規格表和包裝資料裏，對物料、尺寸、電壓或件數的說法不一致。
• 顏色、尺碼、口味或接頭等款式軸沒有受控詞彙，營運可以把「Space Gray」、「space-grey」和「grey」當成不同事實輸入。
• 目標市場規則——電壓、插頭、洗滌說明、致敏原、年齡分級——沒有進入商品欄位，只寫在試算表備註。
• 多語言頁面是整頁機器翻譯。網址、導航、篩選和富文本分開翻譯，用語對不齊。
• 沒有人能回答：上週上線的德文說明誰審核、改了甚麼，以及加入購物車和退換貨有沒有一併變動。

判斷標準不是文案是否順暢，而是機器能否穩定重用。可重用的意思是：欄位有定義，取值有範圍，市場有差異規則，輸出有版本，錯誤能追溯到來源欄位。

把 SKU 變成機器可重用的主資料

生成前先凍結來源語言主資料。把商品資訊拆成四層，而不是一個大文本框。

不必等待完整 PIM。有用的最小集合通常是：一份欄位字典、一套單位、一套款式命名規則，以及每個關鍵屬性的允許值／禁止值。標題和說明應由欄位拼裝，再加少量修辭，而不是先手寫一整段，再請模型改寫。來源資料不正確，錯誤可以擴散到每個語言版本。準確輸入可降低該風險，但生成文句仍須審核。

可執行的次序，是先清理高銷量和高退貨的那一截再處理長尾。改正來源欄位，並把已審核的市場專用文句保留在相應內容系統。不要只改畫面上的譯文。若譯文已改順、來源仍髒，下一輪同步會覆蓋人手成果。

用語庫比提示詞更值錢

跨境內容裏昂貴的資產不是字數，而是每個市場都必須穩定的概念：布料、接頭、認證、聲稱界線、類別名稱、品牌名、系列名。這些應進入用語庫，而不是寫在一次對話的系統提示裏。

用語庫至少分成三類。

鎖定用語：品牌名、註冊商標、認證名稱、法律要求的警示語。模型不得改寫。

優先用語：類別名稱、核心聲稱，以及物料俗稱與技術名稱的對應。預設使用優先條目；編輯可在備註記錄例外。

限制用語：醫療聲稱、絕對化措辭，以及目標市場廣告法或平台政策下的敏感詞。沒有限制清單，多語言模型會把來源語言習慣，例如「最有效」、「醫療級」或成長類聲稱，帶進較高風險的市場。

用語庫要綁定欄位。若「外殼物料」只允許受控取值，德文短說明就必須使用同一條目的德文標準寫法。提示詞負責句式和資訊密度，不負責發明名詞。用語變更要走版本：誰改了、為甚麼改、影響哪些市場、舊頁何時重新生成。這比在提示裏加上「請保持專業語氣」可靠。

按市場改寫，而不是按語言翻譯

英文頁賣得出去，不代表德文、日文或阿拉伯文頁只差一套譯文。市場差異包括度量衡、穿戴尺碼、季節、插頭和電壓、退換貨習慣、所需證據、付款和送貨承諾，以及當地買家實際搜尋的類別詞。若任務是「翻譯」，模型會保留來源市場的隱藏前提。若任務是「生產市場內容」，先要問：這項事實在當地是否仍為真、是否允許說、是否仍幫助買家決定。

給每個目標市場一張差異表，而不只是一個語言代碼。表應寫明哪些欄位原樣重用、哪些必須本地替換、哪些在該市場刪除。常見例子：帶電商品的插頭標準、服裝的尺碼對照、化妝品的成分申報、食品的致敏原。搜尋標籤要分開處理：導航名稱、篩選名稱和常見問題的問法，應跟從當地搜尋習慣，而不是把來源市場類別樹直譯過去。

Shopify Markets 有助設定市場專用的銷售體驗。商品供應、定價、網域、稅項和履約，仍須對照網店方案、地點和系統接駁來檢查。若內容生產仍是「一份英文來源生成給全世界」，市場切開就只做了一半。內容管道應對齊市場，而不是對齊語言代碼。同一語言在不同市場——英國與美國、德國與奧地利——應允許用語和合規語句不同。

把人手審核放在風險上，而不是全文潤飾

人不應和模型比賽誰寫得更順。審核清單按風險分級。

涉及安全或相容性的尺碼、單位及規格，必須逐項核對，不應只作抽查。修改應落在欄位或用語。編輯改的是「這個市場的標準說法」，並回寫用語庫或主資料，而不是只在德文頁改一句。否則下一批生成會沖掉修正。每個市場需要一名對產品和合規文句負責的終審人。翻譯供應商可按其專業資格承擔指定審核工作，但商品與合規責任、終審人及簽核範圍必須明確。

版本必須可對照：來源欄位版本、提示詞版本、用語版本，以及人手修改的差異。沒有差異紀錄，就無法判斷 AI 是在幫忙，還是在製造新的不一致。

衡量可檢查的項目，而不是「聽起來是否地道」

自然語句重要，但不足以單獨作為發佈標準。較可用的計分板有三層。

質素：關鍵屬性是否一致（標題、規格和包裝是否指向同一事實）；用語命中率；限制用語有否漏出；單位和尺碼錯誤。

效率：來源資料變更到目標市場頁面更新的時間；人手終審時數；重做率。

交易訊號：按市場看加入購物車、轉換、搜尋到達頁跳出，以及因資料不符引起的售前查詢或退貨。這些交易訊號也受廣告、物流和價格影響，不能單獨歸因於文案。用它們發現某個市場的內容明顯拖後腿，再回到質素層，判斷錯在欄位、用語，還是缺少市場規則。

不要把流量或銷售的短期波動，寫成 AI 項目成果。先提高一致性、降低漏出，再增加生成量。規模取決於穩定的來源資料、穩定的用語，以及穩定的高風險人手審核。三者缺一，生成愈快，網店只會更碎。

適用範圍：誰現在該做，誰不該

這項工作適合已有穩定 Shopify 網店或多市場結構、SKU 會重複銷售，而且客服或退貨已顯示頁面與貨物不符的團隊。他們需要把散落在試算表、ERP 和網店後台的商品事實收口。

若類別仍在試賣、核心聲稱每週都改、合規責任未定義，甚至來源語言頁面都靠臨時文案支撐，就不適合作為全面自動生成的第一步。那時，類別欄位和限制清單比接上模型更重要。也不要把同一條管道套到所有內容類型。商品詳情、廣告主視覺句子、電郵和客服講稿的風險等級不同，審核強度也應不同。

工程應把模型當成內容管道裏的一步，而不是商品系統。主資料、權限、版本和市場規則，應放在 PIM、後台或內容庫。模型使用結構化輸入。若商品知識只存在於提示詞或對話紀錄，人員一換，管道就斷。

下次工作會議可用的決定清單

若會議結果仍以 B 為主，先不要加語言。完成欄位字典、用語庫第一版、差異表第一版和高風險審核清單，再讓模型進入正式生產。第一步不是讓網店「會說每種語言」，而是讓每個 SKU 在每個市場陳述同一件可核實的事實，再用當地語言把事實說清楚。

相關工作：商品頁 GEO 檢查清單處理頁面上的答案結構，與主資料治理是不同工作。網店實施見 Shopify 網店頁面設計與開發。

常見問題

多語言內容應否先接翻譯或生成模型？

若同一 SKU 在標題、規格、包裝和客服資料裏已互相矛盾，先接模型只會更快複製錯誤。先凍結來源語言主資料，建立欄位字典和限制用語，再讓模型拼裝低風險文句。

欄位字典和用語庫有何分別？

欄位字典定義每個事實放在哪裏、單位是甚麼、允許哪些值。用語庫定義品牌名、類別詞、物料名稱和限制聲稱在各市場如何穩定書寫。提示詞只處理句式和密度，不應發明名詞。

為甚麼不能只改譯文、不改來源欄位？

下一次同步或批量生成，會用來源欄位覆蓋頁面。人手若只在德文頁改一句，修正不會進入主資料或用語庫，之後仍會再錯。

高風險內容是否都要全文人手潤飾？

不必。人手應放在認證、合規、安全警示、價格稅項、送貨時效和必須可證實的比較。語氣和文法可由機器先處理。修改要回寫系統，而不是只潤飾單頁。

這項工作與商品頁 GEO 檢查有何不同？

本文處理 SKU 在各系統和各市場是否陳述同一套可重用事實。商品頁 GEO 檢查清單處理單一商品頁如何把事實、證據、選購說明和購買路徑寫清楚。兩項工作互補，不是同一篇文章。