用 AI 寫拍品描述：哪些能交給它、哪些交出去一定出事

一句話總結：AI 可以把你提供的資訊整理成通順的商品描述，但它無法知道這件商品實際的狀況，因此規格與賣點可以交給它，成色與瑕疵必須由賣家親自寫，這條線一旦跨過去就是糾紛的開始。

有個做二手手錶的賣家跟我抱怨，說他用 AI 幫忙寫了三十件商品的描述，文字漂亮到不行，結果整批的點擊率反而比他之前手寫的還低。

我去看了他的頁面，問題一眼就看出來了。每一件的描述都長這樣：「這款腕錶展現了經典與現代的完美融合，精湛的工藝細節彰顯了品牌一貫的卓越品質。」

聽起來很厲害。但買家想知道的是：走時準不準、有沒有原盒、鏡面有沒有刮痕、上一次保養是什麼時候。這些 AI 全都不知道，所以它就寫了一堆聽起來很有價值、實際上零資訊量的句子。

AI 不是不會寫，是你沒給它東西寫。

AI 生成商品描述是什麼？它到底在做什麼事

AI 商品描述（AI-Generated Listing Description）是用語言模型把賣家提供的結構化資訊，轉寫成適合閱讀的商品說明文字。注意這個定義的重點在「轉寫」——它是把你已經知道的東西換一種說法，不是替你發現新資訊。

這件事之所以常被誤解，是因為 AI 生成的東西看起來很像「它知道這件商品」。實際上模型只是從龐大的語料裡學到「講到腕錶通常會怎麼形容」，然後套用到你的品項上。你沒說鏡面狀況，它就不會提；你沒說有原盒，它可能還會自己腦補一句「附完整包裝」——這才是真正危險的地方。

所以整件事的關鍵不在「AI 寫得好不好」，而在「你餵了什麼進去」。

AI 寫的描述為什麼看起來很順卻賣不動？

因為拍賣描述的作用不是展示文筆，是降低買家的不確定感——而不確定感只能靠具體資訊消除。

我拿同一批二手鏡頭做過對照。一組用純 AI 生成的描述（只給型號），一組用同一個 AI 但補上完整資訊（型號、快門數、鏡片狀況、附件清單、購入年份）。兩組上架條件其他都一樣。

結果差異相當明顯：補了資訊的那組，商品頁停留時間大約多出四成，提問數反而少了一半——因為該講的都講了。而純生成那組，最常收到的提問就是「請問有沒有發霉」「附盒子嗎」這些描述裡根本沒寫的東西。

買家不會因為文案優美而出價，會因為看不懂而離開。 這跟商品描述本身該怎麼寫的原則是一致的，AI 只是換了個產出方式，沒有改變這條規則。

哪些部分適合交給 AI？三層分工法

把描述拆成三層來看，就能清楚知道哪一層可以自動化、哪一層絕對不行。

第一層：規格資訊——可以放心交給 AI。 型號全稱、尺寸、材質、出廠年份、相容性、原廠配件清單。這些是客觀事實，只要你給對，AI 整理出來的版本通常比人工排版更整齊，也更容易被搜尋引擎解析。

第二層：賣點與情境——可以交給 AI，但要人工審。 「適合什麼人用」「跟同級品比強在哪」「這個年份的版本為什麼受歡迎」。AI 在這層能提供不錯的初稿，因為它確實讀過大量相關討論。但它也最容易在這層編造——說某款相機「以低光表現著稱」，你得確認這件事是真的。

第三層：成色與瑕疵——絕對不能交給 AI。 哪裡有刮痕、什麼時候保養過、有沒有維修紀錄、功能是否全正常。這一層是賣家的個人陳述，具有法律意義。AI 沒看過那件商品，它寫的任何成色描述都是虛構的，而虛構的成色描述在爭議發生時會直接變成不利證據。

這個分工還有個實務好處：第三層是你唯一需要親自動筆的部分，通常兩三句話就寫完。也就是說 AI 幫你省掉的是八成的工，而不是全部——但省的正好是最枯燥的那八成。

給 AI 的資訊決定產出品質：一份輸入清單

產出爛掉的原因幾乎都是輸入太少，而不是模型不夠好。

上架前先把這些整理好，再一次餵給 AI：

最後那項常被忽略，但很有用。「因為換了全片幅所以出售」這種一句話，比任何華麗形容詞都更能讓買家安心——它暗示了商品沒有問題。

還有個小技巧：把你不想讓 AI 說的話也講清楚。例如明確要求「不要使用『完美』『極致』『匠心』這類形容詞」「不要推測未提供的資訊」。這兩條規則加上去，產出品質會有感提升。

AI 描述最容易踩的四個雷

第一個雷：幻覺配件。 這是最常見也最嚴重的。AI 在缺資訊時傾向補完常見組合，於是「附原廠充電器與說明書」就自己出現了。買家依描述下標，收到發現沒有——這在消費爭議上，賣家幾乎必輸。上架前務必逐字檢查配件那段。

第二個雷：規格張冠李戴。 同系列不同代的規格被混在一起。相機少一段防手震、筆電記憶體寫成上一代的規格，這類錯誤在文字通順的包裝下特別難發現，因為讀起來完全沒有違和感。

第三個雷：全站描述長得一模一樣。 如果你有五十件商品，每件的開頭都是同一種句型，搜尋引擎會判定為低品質重複內容，站內搜尋的排序也會被拉低。這對想經營長期流量的賣家傷害不小，拍賣商品的 SEO 優化最基本的一條就是避免樣板化。

第四個雷：把估價也交給 AI。 描述和定價是兩件事。AI 可以幫你描述商品，但它給的價格建議是另一套邏輯，準確度高度取決於商品類型——這部分我在AI 拍賣估價那篇拆得比較細，這裡只提醒一句：別讓同一段對話同時決定文案和起標價。

平台該不該內建 AI 描述功能？

該做，但做法要對——重點在「引導賣家補齊資訊」，而不是「一鍵生成」。

我看過幾種平台端的做法，效果差很多：

做得差的版本：給一個按鈕，賣家填完標題就能生成整段描述。結果是全站充滿樣板文，糾紛率上升，因為賣家以為系統寫的就算數。

做得好的版本：把生成拆進上架流程裡。賣家填規格欄位時，系統即時把結構化資料整理成描述草稿；輪到成色那一段，系統不生成，改成跳出結構化選項讓賣家自己勾，並強制要求瑕疵照片。AI 負責把資料變好讀，人負責提供事實。

還有一個細節值得做：在賣家送出前，用模型檢查描述裡是否出現了規格欄位沒有的資訊，有的話標示出來請賣家確認。這一步能攔掉大部分的幻覺配件問題。

如果你正在規劃平台功能，這類 AI 輔助流程的設計會直接影響上架完成率和後續糾紛率，值得在初期就想清楚；沒有內部技術資源的話，找熟悉電商網站建置的團隊一起評估會比較踏實。

常見問題

Q：用 AI 寫的商品描述會被搜尋引擎懲罰嗎？ 不會因為「是 AI 寫的」而被懲罰，但會因為「內容重複、資訊量低」而被降權。這兩件事常常同時發生，所以看起來像前者。判準是內容對讀者有沒有價值，不是誰寫的。

Q：如果 AI 寫錯配件導致買家申訴，責任在誰？ 在賣家。商品描述是賣家對買家的陳述，工具用什麼不影響責任歸屬。平台的 AI 功能通常也會在條款裡寫明賣家有審核義務。

Q：一次生成三十件商品的描述可行嗎？ 可行，但每件要分開提供資訊，不要合併成一個請求。合併請求時模型很容易把不同商品的特徵串在一起，而且這種錯誤在批次檢查時特別難抓。

Q：描述要寫多長比較好？ 資訊講完就停。二手 3C 大概三到五百字就夠，收藏品可能需要更長因為要交代來歷。硬湊長度只會稀釋重點，買家滑到一半就走了。

結語

AI 寫拍品描述這件事，真正的價值不在「幫你寫」，而在「逼你把資訊整理清楚」。你會發現，當你認真填完那份輸入清單，就算不用 AI，描述品質也已經比原本好一大截了。

反過來說，如果你只丟一個型號進去就期待產出好描述，那產出的東西再通順，也只是把「我不知道這件商品的狀況」這句話講得比較好聽而已。

規格交給 AI，瑕疵留給自己。 這條線守住，其他都好談。