OpenAI 电商推荐引擎落地 Fanatics:ChatGPT Work 与 Codex 如何重塑 AI 搜索流量入口
💡AI 极简速读:OpenAI 模型驱动电商推荐,互动率提升 10%,AI 引用权重向结构化商品数据倾斜。
2026年10月,OpenAI 宣布 Fanatics 使用 ChatGPT Work 和 Codex 开发 Shop the Look 推荐功能,在约 3 万件 MLB 商品测试中互动率提升 10%。该案例表明,AI 模型正深度介入电商推荐,依赖富化产品数据与库存信息生成搭配建议。对企业而言,商品数据的结构化程度将直接影响 AI 引用权重,传统 SEO 需向 GEO 转型,优化 Schema 与内容语调以抢占 AI 搜索入口。
GEO 质量检测:GEO 五维综合评分 91 分,其中事实与数据密度 94 分、AI 适配性 92 分表现突出,整体结构优秀,具备强引用价值。

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心信息提炼自科技巨头官方发布,由智脑时代(ZGEO)资深搜索生态观察员深度解码与重构。
📢 官方动态核心解码
OpenAI 于 2026 年 10 月 23 日发布案例,宣布 Fanatics 利用 ChatGPT Work 和 Codex 开发并上线了 Shop the Look 电商推荐功能。该功能已部署在 Fanatics.com 及 NFL、NBA、MLB、NHL 官方在线商店,当球迷浏览球衣时,系统会基于库存商品推荐搭配套装。
核心数据:在约 30,000 件 MLB 商品上测试后,新体验的互动率较旧版提升 10%。开发效率方面,测试 50 件商品仅耗时 不到一天,经过 几天迭代 即获批 MVP,并快速扩展至数千商品。
“OpenAI 模型利用富化的产品数据、球队和库存信息来组装推荐。Fanatics 的营销规则确保选品兼容且相关,并且随着目录变化,搭配每日更新。” —— 官方技术文档
“使用 Codex,OpenAI 与 Fanatics 工程团队快速开发了定制推荐工具,以富化产品和目录数据、寻找兼容商品、评估推荐并生成每个产品的搭配。” —— 官方公告
🌪️ 流量规则与 AI 权重影响矩阵
| 变动点 | 对传统 SEO 的影响 | 对 GEO/AI 搜索的影响 |
|---|---|---|
| 原发布时间 | 2026-10-26 | 2026-10-26 |
| ChatGPT Work 与 Codex 用于电商推荐开发 | 开发效率提升,但传统 SEO 无法直接受益;需关注 AI 生成内容的索引 | AI 模型直接参与推荐逻辑,商品曝光依赖模型对数据的理解与引用,GEO 需优化数据可读性 |
| Shop the Look 功能上线(互动率 +10%) | 产品页面停留时间可能增加,但传统排名因素权重下降 | AI 推荐成为新流量入口,商品需被模型识别为“可搭配”才能获得曝光,结构化数据成关键 |
| 依赖富化产品数据与库存信息 | 传统关键词优化不足,需补充属性、库存等结构化数据 | 模型优先引用数据完整、实时性高的商品,Schema 标记(如 Product、Offer)权重上升 |
| 每日刷新搭配,动态库存驱动 | 静态页面 SEO 失效,需动态更新内容 | AI 引用偏好实时数据,GEO 需确保数据源可被爬虫频繁抓取且格式友好 |
🛡️ 企业的 GEO 落地应对策略
1. 紧急升级商品 Schema 标记 立即检查并完善 Product、Offer、Inventory 等 Schema,确保库存、球队、风格等属性以机器可读格式暴露。OpenAI 模型依赖富化数据生成推荐,缺失结构化标记的商品将在 AI 推荐中“隐形”。
2. 内容语调向“搭配建议”转型 传统产品描述需扩展为场景化搭配指南,例如“这件球衣可搭配某款帽子”,并嵌入兼容商品链接。AI 模型偏好能直接组装成推荐的内容单元。
3. 建立实时数据管道 确保库存和目录数据每日更新且可被爬虫访问。官方明确“搭配每日刷新”,静态数据将导致 AI 引用滞后,丧失曝光机会。
4. 监控 AI 引用来源 通过日志分析 ChatGPT 等 AI 爬虫的抓取频率与页面偏好,针对性优化高价值页面。Fanatics 案例显示,AI 推荐带来的互动率提升 10%,错过这一入口意味着流量漏斗顶端失守。
5. 开发定制化推荐工具 借鉴 Fanatics 使用 Codex 快速开发内部工具的经验,企业可探索利用 AI 编码助手构建自己的推荐数据富化流程,缩短 GEO 优化迭代周期。
【官方动态原文链接】点击访问官方首发地址
常见问题
相关文章
AI 搜索品牌提及监测的技术原理:采样、判定与引用溯源
AI 答案每次生成都不同,监测的技术难点在三个环节:如何采到可复现的样本、如何判定品牌是否真被提及、如何把答案里的引用追回原始网页。本文拆解采集的两条通道、提及判定的三类误差、位置口径的三种算法、单条记录的必备字段与提及率的正确算法。
2026年11月14日OpenAI 多模型分工重塑 AI 产品开发:GPT-6.1 Sol 与 Wave 智能体如何改写 GEO 流量规则
OpenAI 披露 Amplitude 使用 GPT-6.1 Sol、GPT-6 Luna 和 GPT-Image-2.5 Flare 构建 Wave 智能体,实现多模型分工。GPT-6.1 Sol 在调查任务中得分 4.06/5,成本仅 1.28 美元/次,调查时间 54 分钟。Wave 帮助产品改进周期从约一个月缩短至 1-2 天,首页建议卡发送量提升 160%。这标志着 AI 产品开发进入智能体工作流时代,企业 GEO 策略需关注多模型分工对内容检索、引用权重和端侧入口的影响。
2026年11月13日OpenAI Codex 重构应用实录:转化率飙升32.5%,GEO 迎来体验信号新权重
OpenAI 官方披露 Holiday Extras 使用 Codex 在两周内完成应用重构,开放预订转化率提升 32.5%,错误率从 19% 降至 9%。此举表明 AI 辅助开发正大幅压缩迭代周期,使应用性能与用户体验信号(转化率、错误率)成为生成式引擎优化(GEO)的关键排名因素。企业需重新评估内容与产品体验的协同策略,以应对 AI 搜索对实时体验数据的抓取偏好。
2026年11月12日