Shopify 商品頁最貴的資源不是流量,是**「看完了但沒買」**。影片能把這件事拉回來:把商品頁上那些抽象的文字規格,換成一個人在三秒內看得懂的使用情境。而影片裡真正決定觀眾留不留下的,往往不是畫面,是旁白。
這篇談 Shopify 商品頁影片的配音實務:三種影片位置各自的任務、把 Listing 文案改寫成旁白腳本、15/30/60 秒的時間碼模板、規格數字怎麼唸、多市場語系怎麼排,以及一份上線檢查清單。
商品頁影片有三個位置,配音任務完全不同
同一個商品,放在不同位置需要不同的聲音策略。用同一支影片打全部位置,是最常見的浪費。
| 位置 | 長度 | 觀眾當下的狀態 | 配音任務 | 最常見的失敗 |
|---|---|---|---|---|
| 首圖區(媒體輪播第一格) | 15–30 秒 | 剛從廣告或搜尋進來,還在判斷「這是不是我要的」 | 三秒內說出「這是什麼、解決什麼問題」 | 前五秒講品牌故事 |
| 圖文區中段(規格與細節之後) | 30–60 秒 | 已經有興趣,在確認細節 | 解釋材質、用法、尺寸、適用場景 | 重複講首圖區已經講過的話 |
| 頁尾或加購區 | 10–15 秒 | 準備按下加入購物車 | 消除最後一個疑慮(運費、保固、尺寸) | 又講一次產品特色 |
| 站外廣告導流 | 6–15 秒 | 不認識品牌 | 一個痛點 + 一個視覺證明 | 資訊量塞太滿 |
一個實用的分配原則:首圖區賣「這是什麼」,中段賣「為什麼適合我」,頁尾賣「為什麼現在買」。 三段腳本不要互相抄。
從 Listing 文案到旁白腳本:五條改寫規則
商品頁的文字是給「已經在看的人」讀的,旁白是給「還在滑的人」聽的。兩者的語法不同。
| Listing 原文 | 為什麼不能直接唸 | 旁白改寫 |
|---|---|---|
| 「採用高密度記憶棉,密度 45D,回彈時間 3 秒」 | 規格堆疊,聽完記不住 | 「坐下去會陷進去,三秒後慢慢彈回來——這就是它跟一般坐墊的差別」 |
| 「適用於辦公室、居家、車用」 | 三個場景等於沒有場景 | 「放在辦公椅上,一天八小時不會塌」 |
| 「通過 SGS 檢驗」 | 檢驗名稱對消費者沒有畫面 | 「通過 SGS 檢驗,甲醛釋放量低於標準」 |
| 「100% 純棉,親膚透氣」 | 形容詞沒有證據 | 「純棉,洗十次也不會起毛球」 |
| 「限量優惠,售完為止」 | 廣告腔,觸發防衛 | 「這批只有 300 個,賣完要等下一季」 |
核心是把形容詞換成可驗證的具體事實。旁白沒有畫面輔助,講抽象詞等於沒講。
前三秒決定一切
| 開場類型 | 範例 | 適用 |
|---|---|---|
| 痛點直述 | 「你的背墊是不是坐兩小時就塌了?」 | 有明確困擾的商品 |
| 結果先行 | 「這張椅子讓我一整天不用換姿勢。」 | 效果可見的商品 |
| 對比反差 | 「一般的跟這支,差別在這一刀。」 | 有視覺差異的商品 |
| 數字鉤子 | 「三秒,這塊布就乾了。」 | 有可量化特性的商品 |
不要用「歡迎來到我們的品牌」「今天要跟大家介紹」開場,那是把最貴的三秒拿去打招呼。
三種長度的腳本模板(含時間碼)
15 秒:首圖區與廣告
[0-3s] 鉤子:一個痛點或一個結果
「坐兩小時,腰就開始抗議。」
[3-9s] 這是什麼 + 一個視覺證明
「這片記憶棉坐墊,45D 密度,坐下去三秒回彈。」
[9-13s] 一個具體差異
「跟一般泡棉不同,它不會坐出一個凹。」
[13-15s] CTA
「往下看尺寸表,選你的椅子。」
30 秒:首圖區完整版
| 秒數 | 段落 | 配音要點 |
|---|---|---|
| 0–4 | 鉤子 | 語速正常,不加音樂,靠內容抓注意力 |
| 4–12 | 產品是什麼 | 一個名詞 + 一個數字,不要三個形容詞 |
| 12–22 | 怎麼用 | 動詞開頭:「放上去、坐下來、調整」 |
| 22–27 | 差異證明 | 對比句,說出「跟什麼比」 |
| 27–30 | CTA | 放慢,指向頁面上的下一步 |
60 秒:圖文區中段
60 秒不是把 30 秒拉長,而是多一段「細節與疑慮消除」:
| 秒數 | 段落 | 內容 |
|---|---|---|
| 0–5 | 承接 | 「如果你已經看到這裡,應該在想尺寸對不對」 |
| 5–20 | 規格 | 尺寸、材質、重量,每項一句 |
| 20–35 | 使用情境 | 一個具體的人、一個具體的時刻 |
| 35–50 | 疑慮消除 | 清洗方式、保固、運費 |
| 50–60 | CTA | 單一動作 |
注意:60 秒版本不要再自我介紹一次。 觀眾是從同一頁往下滾的,重複開場會讓人覺得影片很冗。
規格數字怎麼唸:六個容易出錯的地方
| 原文 | 建議唸法 | 為什麼 |
|---|---|---|
45D |
「四十五 D」或「密度四十五」 | 直接唸字母 D 比唸「密度單位」清楚 |
500ml |
「五百毫升」 | 不要唸「五百 m l」,也不要省略單位 |
2.4GHz |
「二點四 G H Z」 | 小數點必須唸出,否則聽成 24 |
IPX7 |
「I P X 七」 | 逐字母唸,數字用中文 |
100% cotton |
「百分之百純棉」 | 英文與中文版本要一致 |
S/M/L |
「S、M、L 三種尺寸」 | 加一個「三種」讓聽的人知道有幾個選項 |
另外兩個通則:
- 每個數字配一個參照。 「重 1.2 公斤」不如「重 1.2 公斤,大概是一瓶礦泉水的兩倍」。
- 同一支影片內單位不要混用。 全用公分或全用英吋,混用會讓觀眾來回換算,直接跳出。
語速與轉換:快不是重點,節奏才是
| 段落 | 建議語速 | 停頓 | 理由 |
|---|---|---|---|
| 鉤子 | 正常(每分鐘 240–260 字) | 句尾 300ms | 需要推進感 |
| 說明 | 稍慢(220–240 字) | 句間 250ms | 讓資訊落地 |
| 規格 | 慢(200–220 字) | 每項之間 400ms | 數字需要時間處理 |
| CTA | 最慢(190–210 字) | 前後各 400ms | 暗示「現在可以動作了」 |
英文版本對應約 150–170 wpm(鉤子)到 130–140 wpm(CTA)。不要全程同一個語速,那聽起來像在念規格表,也是 AI 配音最容易被聽出來的地方。
音高方面,商品頁影片只需要兩個層次:說明時平穩,CTA 微微上揚。全程高亢會像電視購物,全程平會像有聲書。
靜音自動播放:字幕不是選配
這一點常被忽略:社群平台與多數商店主題的影片是靜音自動播放的。 觀眾第一眼看到的是無聲畫面。
| 必要元素 | 原因 | 做法 |
|---|---|---|
| 燒入字幕(burned-in) | 靜音播放時唯一的文字來源 | 大字、單行、與旁白逐字一致 |
| 前 3 秒的視覺文字 | 連字幕都還沒讀完時的第一印象 | 一句話講完產品是什麼 |
| 可點擊開啟聲音 | 部分觀眾願意聽 | 播放器顯示音量圖示 |
| 無障礙字幕軌 | 給需要調整樣式與語言的觀眾 | 另外提供軟字幕版本 |
實務做法:同一支影片輸出兩個版本——社群與首圖用燒字幕版,商品頁主播放器用軟字幕版。字幕與配音的完整做法可以參考 教材配音與無障礙。
多市場語系:Shopify Markets 的配音排法
一個商品賣到五個市場,不代表要五種聲音。先決定策略,再決定數量。
| 策略 | 做法 | 成本 | 適用 |
|---|---|---|---|
| 單一聲音、多語言 | 同一個聲音模型生成各語系 | 最低 | 品牌調性比在地感重要時 |
| 每語系一個聲音 | 中文用中文聲音、日文用日文聲音 | 中 | 大多數跨境商店的預設 |
| 每市場一個聲音 | 同語系不同地區用不同聲音(如 en-US / en-GB) | 高 | 客單價高、對細節敏感的品類 |
技術上要注意兩件事:
- 長度會變。 同一段話,中文與德文的音節數差距可達 30%,字幕與畫面節奏要留餘裕。細節見 配音本地化 QA 檢查清單。
- 不要把中文腳本直譯。 「親膚透氣」直譯成英文會變成沒有意義的形容詞堆疊,應該改寫成該市場消費者會用的說法。整體流程可參考 多語言產品影片配音流程。
素材規格:上傳前先確認這五項
| 項目 | 建議 | 備註 |
|---|---|---|
| 比例 | 首圖區 1:1 或 4:5;圖文區 16:9 | 直式在手機上佔的版面更大 |
| 長度 | 首圖 15–30 秒 | 超過 45 秒的完成率明顯下降 |
| 檔案大小 | 依主題與方案而定 | 上傳前先看後台提示的上限,不要憑印象 |
| 音訊 | −16 LUFS 左右,峰值不超過 −1 dB | 太大聲會被平台壓縮 |
| 首幀 | 不要黑畫面 | 自動播放時首幀就是縮圖 |
一個常被忽略的細節:首幀同時是商品媒體的縮圖。 如果首幀是黑底 logo,等於浪費了一格免費的廣告版位。
上線前九項檢查
| # | 檢查 | 通過標準 |
|---|---|---|
| 1 | 前 3 秒是否說出「這是什麼」 | 找一個沒看過的人看 3 秒,能複述 |
| 2 | 靜音觀看是否看得懂 | 關聲音看一遍,仍能理解 |
| 3 | 字幕與旁白是否逐字一致 | 抽 5 句核對 |
| 4 | 數字與單位是否唸出 | 對照規格表逐項確認 |
| 5 | 語速是否有變化 | 至少三段不同語速 |
| 6 | CTA 是否只有一個 | 全片只有一個動作指示 |
| 7 | 各語系長度是否對齊 | 誤差在 10% 內,或已調整畫面 |
| 8 | 手機直式是否可讀 | 字幕在 6 吋螢幕上不折行超過兩行 |
| 9 | 是否有對應的英文/其他語系版本 | 同 slug 各語系都在 |
成本與產能:每月 20 支影片怎麼排
服飾、家居這類商品換季快,影片需求是「多、短、常改」。傳統配音在這個情境下最痛的不是單價,是交期與改稿。
| 項目 | 傳統配音 | AI 配音 |
|---|---|---|
| 單支 30 秒交期 | 2–5 個工作天 | 幾分鐘到當天 |
| 改一個數字 | 重新錄音、重新對軌 | 改稿後重生成該段 |
| 多語系 | 每個語系各找一位配音員 | 同一稿生成各語系 |
| 一致性 | 依配音員狀態浮動 | 同一聲音模型穩定 |
| 適用瓶頸 | 品牌形象片、需要演技的長腳本 | 商品頁、廣告變體、規格更新 |
實務上的分工:品牌形象片與需要情緒演技的內容留給真人,商品頁影片與廣告變體交給 AI。 這個分工在多數中型商店都能把月產能拉高三到五倍。
想先算成本,可以直接看 價格頁;要固定品牌聲音就用 聲音克隆;大量變體測試則用 TTS 批次生成。腳本結構的通用寫法(AIDA、痛點、CTA)在 高轉換配音腳本 有模板可直接套。
五個常見錯誤
| 錯誤 | 後果 | 修正 |
|---|---|---|
| 三個位置用同一支影片 | 首圖區太長、頁尾區太淺 | 一支商品至少拆成 15 秒與 45 秒兩版 |
| 旁白唸出畫面上的所有文字 | 觀眾閱讀與聽覺互相干擾 | 旁白講結論,畫面留細節 |
| 全片同一個語速與音高 | 聽起來像規格朗讀,被辨識為 AI | 至少三段節奏變化 |
| 沒有燒字幕 | 靜音自動播放時完全沒有訊息 | 輸出燒字幕版給首圖與社群 |
| 多語系直接直譯 | 譯文文法正確但沒有說服力 | 每個語系重新改寫開場與 CTA |
常見問題
商品頁影片一定要有旁白嗎?
不一定。純音樂加字幕的影片在部分品類(香氛、飾品)效果更好。但只要影片需要解釋「為什麼」或「怎麼用」,旁白能顯著提高理解度。
首圖區的影片應該多長?
15–30 秒。這個位置的任務是「讓人確定這是我要的」,不是完整介紹。完整介紹放圖文區中段。
AI 配音聽起來會不會很假?
在商品頁這種短句、明確語境的內容裡,AI 配音的辨識度很低。真正露餡的通常是全程單一語速與不自然的停頓,而不是音色本身。做法上把長句拆短、每段之間留 200–400ms,就能解決大部分問題。
需要為每個市場做不同版本嗎?
先看語言。同語言不同地區(如 en-US 與 en-GB)在多數品類可以共用;但用詞、尺寸單位與價格表達一定要在地化,否則比不翻譯更傷信任。
一支影片可以同時用在商品頁與廣告嗎?
可以,但要重新剪。廣告需要更短、鉤子更前面、CTA 更明確;直接沿用商品頁影片通常前三秒就流失。
影片會影響 SEO 嗎?
會,但路徑是間接的:停留時間、轉換率、以及頁面可讀性。實務上更該注意的是影片旁白稿本身就是一段可被索引的產品描述,把它放進頁面的文字區(或折疊區)對搜尋有實際幫助。
商品頁影片的門檻不在設備,在腳本與節奏。先把 15 秒版本寫對——三秒說清楚是什麼、十秒給一個證據、兩秒給一個動作——再往上長成 60 秒。這條順序比反過來有效得多。

