B2AI2C時代AI也會讀圖：商品攝影與視覺怎麼準備

過去我們談商品攝影，重點多半是「好不好看」——光線漂不漂亮、色調有沒有質感、畫面美不美。這些依然重要，但在 B2AI2C（品牌先服務 AI、AI 再服務消費者）的時代，商品視覺多了一個新的讀者：機器。今天的 AI 已經是多模態的，它不只讀文字，也能看懂圖片與影片裡的內容——它會嘗試從一張圖判斷這是什麼商品、材質是什麼、大概多大、適合什麼情境。當消費者越來越常透過 AI 助理、以圖搜圖、購物比較工具來認識商品，你的視覺資產是否「能被理解」，就直接影響到 AI 願不願意、能不能把你的商品正確地推薦出去。

AI 越來越會「讀圖」，這對電商意味著什麼

多模態 AI 的能力，已經從「辨識這是一隻貓」進化到「理解畫面裡發生了什麼事」。放到電商情境，這代表 AI 看到你的商品圖時，可能正在做這些事：辨認商品品類與外型、推測材質與做工、從包裝或標籤上的文字讀出規格、從情境圖判斷使用場合與適用對象、甚至比較同類商品的差異。換句話說，圖片不再只是「陳列」，而是 AI 擷取商品資訊的來源之一。

這件事對品牌的意義很直接：如果你的關鍵資訊只藏在一張美圖裡、沒有對應的文字，人眼或許看得懂，但文字型的系統讀不到；而如果你的圖片本身資訊混亂、圖文不符，AI 讀出來的理解就會是錯的，錯誤的理解會被它原封不動地轉述給消費者。以前圖拍壞了，頂多轉換率低一點；現在圖「讓機器誤會了」，可能連被正確推薦的機會都沒有。

要提醒的是，AI 從圖片理解商品的能力仍在演進、也不是萬無一失，本文不去誇大它已經能做到什麼程度。品牌該做的不是賭 AI 多聰明，而是把視覺整理到「聰明的人和機器都能一次讀懂」的狀態——這是不會白費、且對真人消費者同樣有利的投資。

光靠漂亮不夠：視覺要「資訊清楚、可被理解」

很多品牌的商品圖問題不在於不美，而在於「美而空」——一張氛圍感十足的情境照，卻看不出這是幾公升的水壺、材質是不鏽鋼還是塑膠、開口多大能不能放冰塊。人腦會自動腦補，但機器不會。AI 友善的視覺，核心只有一句話：讓「這是什麼、有多大、怎麼用、和別人差在哪」這些問題，都能從你的視覺與其文字說明中被讀出來。

換個角度想：把每一張商品圖，都當成在回答一個消費者會問的問題。主圖回答「這是什麼」、尺寸圖回答「有多大、放得下嗎」、情境圖回答「用起來是什麼樣子、適合誰」、細節圖回答「做工好不好、材質是什麼」。當你的整組視覺是一套「會回答問題」的資產，不論讀者是人還是 AI，都能快速形成正確認知。

品牌該準備的 AI 友善視覺資產

1. 乾淨清楚的主圖

主圖是第一印象，建議純色或白底、商品完整入鏡、主體佔畫面比例足夠、去背乾淨、不要塞滿促銷貼紙與浮水印。過多的角標、爆炸圖、大字促銷會干擾機器對「主體是什麼」的判斷，也會讓以圖搜尋的比對變困難。一個商品至少要有一張「乾淨到能單獨代表它」的主圖。

2. 規格與尺寸標示圖

把長寬高、容量、重量、關鍵尺寸用清楚的標註畫在圖上（例如尺寸線加數字），這是消費者最常問、也最容易在純情境圖裡缺席的資訊。但切記：圖上標了，文字欄位也要同步寫一份，別讓尺寸只活在圖片像素裡。

3. 情境與比例參考

放一張有比例參照物的圖——手拿著、放在桌上和常見物品並列、人穿戴上身。比例參照能讓「有多大」變得直覺，也讓 AI 更容易推測實際尺度，避免消費者收到貨才發現「怎麼這麼小」。

4. 多角度與細節圖

正面、背面、側面、俯視、開合狀態、材質特寫、接縫與車工。多角度不只是給人看細節，也讓機器對商品外型建立更完整的理解，減少單一角度造成的誤判。

5. 文字資訊不要只鎖在圖裡

這是最關鍵、也最常被忽略的一點。成分、材質、洗滌方式、保固、規格表——如果這些只以圖片形式呈現（把一張規格表當圖貼上去），文字系統與部分 AI 讀取管道可能抓不到。原則是：圖片可以有，但同樣內容一定要有一份「真正的文字」放在商品描述、規格欄位或頁面內文裡。圖負責直覺，文字負責可被檢索。

alt 文字、檔名與說明：讓文字系統也讀得到圖

圖片的替代文字（alt）、檔名、圖說（caption）是圖片與文字世界之間的橋樑。alt 文字原本是給視障者與螢幕閱讀器用的無障礙設計，同時也是搜尋引擎與許多系統理解「這張圖是什麼」的重要線索。做法上：

• alt 文字用自然的一句話描述圖片內容與商品，例如「不鏽鋼真空保溫瓶 500ml 霧灰色 手持比例參考」，而不是「IMG_2381」或空白。
• 檔名有意義，用商品相關的英文或拼音加規格，例如 steel-vacuum-bottle-500ml-grey.webp，別用相機預設的亂碼檔名。
• 圖說（caption）可補充圖上看不到的脈絡，例如材質、適用情境。
• 格式優先 WebP，兼顧畫質與載入速度，速度也是收錄與體驗的一環。

這些欄位的共同目的，是把「藏在圖裡的資訊」翻譯成文字，讓不看畫素、只讀文字的系統也能理解你的圖。

影片與開箱的角色

AI 對影片的理解能力也在增強，短影片與開箱內容能承載靜態圖做不到的資訊：操作流程、材質觸感、實際大小的動態感、使用回饋。品牌可以準備商品操作短片、開箱視角、使用情境影片，並且——同樣重要——附上文字描述、字幕或逐字稿。字幕與影片說明讓影片內容也能被文字化理解，等於替影片加上一份可讀的目錄。影片不是取代圖片，而是補齊「動起來才看得懂」的那部分。

視覺與文字資訊必須一致

最傷信任、也最容易讓 AI 給出錯誤資訊的，是圖文不符：圖上寫 500ml、文字欄位寫 600ml；情境圖用了不隨附的配件卻沒註明；顏色圖和實際色號對不上。當視覺與文字互相矛盾，機器不知道該信哪個，消費者收到貨也會有落差，退貨與客訴跟著來。把「圖上說的」和「文字欄位寫的」對齊成同一套事實，是 AI 友善視覺的底線。建議每次上架前做一次「圖文對帳」，逐項核對規格、顏色、配件、數量是否一致。

把商品攝影做成「會回答問題」的視覺（對照表）

消費者的問題	對應視覺資產	別忘了配的文字
這到底是什麼商品？	乾淨白底主圖、去背清楚	品名、品類、alt 文字
有多大、放得下嗎？	尺寸標示圖＋比例參考圖	長寬高／容量寫進規格欄
材質、做工好不好？	材質特寫、多角度細節圖	材質成分文字說明
怎麼用、適合誰？	情境圖、操作短片、開箱影片	使用說明、字幕逐字稿
和別家差在哪？	特色標註圖、規格比較圖	可檢索的文字規格表
顏色／款式有哪些？	各色實拍、款式一覽圖	色號、款式選項文字

常見錯誤

• 資訊只放在圖上：把規格表、成分、尺寸做成一張圖貼上去，文字欄位卻空白，等於讓文字系統與 AI 讀不到最關鍵的資訊。
• 圖文不符：圖片標的規格、顏色、配件和文字描述對不上，讓機器與消費者都被誤導。
• 沒有替代文字與亂檔名：整站圖片 alt 空白、檔名是 IMG_0001，等於放棄了讓文字系統理解圖片的機會。
• 只有美圖沒有資訊圖：整組都是氛圍情境照，看不出大小、材質、規格。
• 主圖被促銷貼紙淹沒：角標、浮水印、大字促銷蓋滿主體，干擾辨識與以圖比對。
• 影片沒有字幕與說明：影片內容豐富卻沒有任何文字化，機器只能略過。

AI 友善視覺資產檢核表

項目	檢核重點	完成
乾淨主圖	白底或純色、主體完整、無促銷貼紙浮水印	□
尺寸標示圖	長寬高／容量以標註線清楚呈現	□
比例參考圖	有手持或常見物並列的比例參照	□
多角度圖	正／背／側／俯視／開合至少 4 角度	□
材質細節圖	材質、車工、接縫特寫清楚	□
情境圖	呈現使用場合與適用對象	□
文字化規格	圖上資訊同步寫進文字欄位（非只放圖）	□
alt 文字	每張圖有自然描述的替代文字	□
檔名規則	有意義檔名＋WebP 格式	□
影片與字幕	操作／開箱影片附字幕或逐字稿	□
圖文對帳	規格、顏色、配件、數量圖文一致	□

代營運如何幫品牌把視覺系統化

單一商品做到上述並不難，難的是幾百上千個 SKU 都做到、而且長期維持一致。這正是電商代營運能替品牌補齊的環節：把上面的原則變成一份可複製的視覺規範，建立拍攝清單（每個品類要拍哪幾種圖、幾個角度）、命名與檔案規則、alt 文字撰寫模板、規格文字對照表，並在上架流程裡加入「圖文對帳」這道品管關卡。當規範落地為 SOP，新品上架就能穩定產出 AI 與人都讀得懂的視覺，而不是靠某位美編當天的手感。

視覺不再只是門面，而是品牌對機器與消費者「說清楚自己是誰」的第一手資料。把商品攝影做成一套會回答問題的資產，是 B2AI2C 時代品牌最值得先補的基本功。與其焦慮 AI 會怎麼看你的圖，不如先把每一張圖，整理成 AI 與消費者都讀得懂、也信得過的樣子。