多数产品 FAQ 其实是从营销页倒推出来的，悄悄回答着没人问的问题——与此同时同样的五张工单每天都在客服那里复读。下面这套 Prompt 强制你从买家真实暴露自己的地方去挖：近期工单、产品评论、购前异议清单、竞品 Q&A 页。每条 FAQ 都要能预先化解下一张工单或下一条三星评论。最后一个 Prompt 是修剪审计，帮你清掉那些已经变成杂物的老条目。配合 负评回复 Prompt 一起用，那边反复出现的抱怨，就是这里的 FAQ 候选题。
一句话总结
- 别凭空编 FAQ 问题。把真实工单和评论粘进去，让模型自己聚类（Prompt 1–2）。按 2026 年客服成本基准，同一个问题用自助方式回答约 $0.10–$0.25，人工坐席要 $8–$12。
- 电商店铺靠 FAQ 实现的工单消解率，没有 AI 客服时约 15–30%，接上 AI 客服后能到 40–65%。消解率每提升 10%，总体客服支出大约下降 8–12%。
- 模型是你的编辑，不是事实来源。GPT-5.5、Claude Sonnet 4.6、Gemini 3.1 Pro 润色措辞都不错——但它们谁都不知道你的退货窗口或承运商，所以真实政策要自己粘进去。
- Schema 提醒（2026 年 6 月）：Google 已于 2026 年 5 月 7 日下线 FAQ 富结果，
FAQPage标记不再能在搜索里换来那种可展开的 Q&A 框。但清晰的 Q&A 文案仍然值得写——AI 答案引擎依旧在解析它，Prompt 12 已据此调整。
这套 Prompt 适合用在哪
- 产品详情页
- 帮助中心 / 知识库
- 购前异议处理
- onboarding 流程
- App Store / Play 描述
怎么用这些 Prompt
粘原始数据，别粘摘要。运行前把每个 [方括号占位符] 换成你的真实数字；政策类说法（窗口、费用、承运商）一定要拿自己的记录核对一遍——遇到信息缺口，模型会很自信地填一个看着合理实则错误的数字。Sonnet 4.6 和 GPT-5.5 在单次对话里处理 50–100 条粘进去的工单都没问题；导出量更大时，按主题分批，或换用 1M token 上下文档位（Gemini 3.1 Pro、Pro 档的 Claude，或 $200/月的 ChatGPT Pro）。
1. 工单 → FAQ 提取
下面是 50 条近期工单。请聚类并提取 top 15 重复问题。每条给：原问、60 字答、解决该问题的文档 / 页面链接。
[粘贴工单]2. 评论挖掘 FAQ
下面是 30 条产品评论。找出评论里隐含的提问（"早知道……""为什么……"），转成 10 题 FAQ。每条回答要能预先化解下一条类似评论。
[粘贴评论]3. 购前异议 FAQ
为 [产品]（售价 [$价格]）列出买家点"购买"前的 top 10 异议。每条写 50 字 FAQ 回答，能化解但不夸大。4. 竞品对比 FAQ
我的买家会拿我们和 [对手 A、对手 B] 比。请为"为什么选你而不是 [对手]"写 8 条 FAQ 风格回答，每条 60 字，各含 1 个诚实让步 + 2 个诚实胜出。5. 技术规格 FAQ
为 [产品] 写 12 条技术规格 FAQ：兼容性、尺寸、材质、保修、认证。每条 <= 50 字，统一聚合在一处。6. 物流 / 配送 FAQ
写 10 条物流 FAQ：国内 / 国际 ETA、承运、跟踪、税费、退货、丢件、到货损坏。每条 <= 60 字，结合 [你的物流设置]。7. 退货 / 退款 FAQ
写 10 条退货 / 退款 FAQ：窗口、所需成色、谁付退运、补货费、部分退、瑕疵处理、退款到账时间。每条 <= 60 字。8. 订阅 / 计费 FAQ
为我的订阅产品（[价格 / 频率]）写 12 条 FAQ：试用条款、取消、暂停、升降级、退款政策、税费、扣款失败、多人席位。每条 <= 60 字。9. App 权限 FAQ
我的 app 需要 [权限列表]。请写 6 条 FAQ：每个权限为什么需要、我们绝不拿它做什么。建立信任，别用法律腔。10. 尺码 / 版型 FAQ（服饰 / 配饰）
为我的服饰产品写 8 条尺码 / 版型 FAQ：偏大偏小、夹码建议、体型建议、面料弹性、缩水。在有帮助处嵌入 2 句客户原话。11. FAQ 修剪审计
下面是我现在的 FAQ。逐题判断：(a) 是否真有人问；(b) 答案是否最新；(c) 是否答到点子上。删掉没人问的，把过期的重写。
[粘贴 FAQ]12. 面向 AI 答案与 SEO 的搜索意图 FAQ
为 [产品 / 品类] 生成 10 条匹配真实搜索与 AI 提问的 FAQ。用真长尾词。每条 <= 80 字：先一句话定义，再给具体内容。把答案前置，方便 AI 助手原样引用。提醒：到 2026 年 6 月，已经没必要再跑”标出哪些可挂 FAQ schema”这一步来博取搜索展现了。Google 于 2026 年 5 月 7 日下线了 FAQ 富结果，FAQPage 标记不再能换来那种可展开的 Q&A 框。该 schema 类型本身仍然有效，Google 以及各 AI 抓取方（ChatGPT、Perplexity、AI Overviews）也仍在解析它——所以现在写干净、可被引用的 Q&A，是在做答案引擎优化，而不是抢富结果。
容易踩的坑
- 编造没人问的问题，与此同时 top 5 真问题每天在客服复读。
- 答案只是换种说法复述营销页。
- 没数据源——FAQ 在真空里编出来，跟工单、评论、分析脱节。
- 不设更新节奏，两年前定的答案还引用着早就改过的政策。
- 把物流、退货、取消用模糊话术绕过去，怕承诺。可恰恰是这些条目最能消解工单。
- 所有规格 / 区域共用同一份 FAQ，而不是分尺码、分区域。
常见问题
这些 Prompt 该用哪个 AI 模型？ 当前任何主流模型写 FAQ 文案都干净。$20 档日常首选 Claude Sonnet 4.6 和 GPT-5.5；如果你的工单本来就在 Google 表格或 Gmail 里，Google AI Pro（$19.99/月）上的 Gemini 3.1 Pro 会更顺手。只是改一次 FAQ 的话，免费档也够用——拉开差距的是你粘进去的源数据，而不是模型。
2026 年还值得加 FAQ schema 吗？
为了 Google 搜索富结果——不值得，那已在 2026 年 5 月 7 日下线。但 FAQPage 仍是有效的 Schema.org 标记，Google、ChatGPT、Perplexity 也都还在解析它来理解页面。已经有就留着，只是别再指望 SERP 里出现可展开的 Q&A 框。
一个产品页该有多少条 FAQ？ 够覆盖反复出现的工单即可，不必更多。先用 Prompt 1 跑最近 50 条工单，再用 Prompt 11 修剪。多数产品页落在 6–12 条；帮助中心枢纽页会更长。一份把 top 5 问题埋掉的臃肿 FAQ，消解工单的效果反而不如一份精炼的。
怎么知道 FAQ 真的起作用了？ 盯工单消解率：访问帮助中心后没有开工单的访客占比。纯自助店铺通常在 15–30%；再叠一层 AI 客服，40–65% 是现实目标。盯紧发布后仍然进来的问题——那些就是你下一批 FAQ 条目。
模型会不会编出政策细节？ 会，而且一定会。你要是不把真实退货窗口、补货费、承运商粘进去，模型就会用一个看似合理的默认值填空。退款、物流、取消这几类答案，发布前务必提供政策原文并逐条校对。