独立站要不要做产品视频？拍几条、剪多长、放哪一页，以及 AI 到底能不能读到

结论放在前面：外贸独立站该放产品视频，但不需要拍很多。三支起步就够用——一支装配或操作演示、一支产线与设备巡视、一支质检与包装。单条剪到 30 到 90 秒，只放在三个位置：产品页规格表旁、工厂页、关于页。这三支加起来通常能回答客户七成关于「你们到底怎么生产」的疑问。

第二件事比拍摄更重要：生成式引擎读不到画面。豆包、DeepSeek、Kimi、腾讯元宝这类引擎在抓取一个页面时，拿到的是 HTML 文本、标题、结构化字段。视频里的人说了什么、镜头里有什么，只要没有写成文字，对模型就不存在。所以视频能不能被 AI 用上，取决于页面上有没有配套的文字稿和字段，不取决于拍得多清楚。

第三件事与选型有关：视频的存储位置会决定后面能不能改。托管在第三方平台，嵌入方便但文件不在你手上；自托管，文件可控但占带宽。两种都能用，判据是你要不要控制视频文件本身。下面按执行顺序写：客户想看什么、先拍哪三支、拍几条、剪多长、横屏还是竖屏、放哪一页、托管在哪、AI 怎么读到、VideoObject 怎么标、字幕怎么做、页面会不会变慢、怎么验收，最后附三条常见问题。

客户问「有没有产品视频」，他真正想看什么？

这句话很少是在要宣传片。买家在确认的是三件具体的事：这东西做出来是什么样、你们有没有真正的产线、出了问题谁负责。宣传片回答不了这三件，实拍可以。

这张表可以直接拿去对销售邮件。业务员被问得最多的那一行，就是该先拍的那一支。八藏科技在给外贸站做内容盘点时，通常先翻三个月的询盘邮件，把客户反复要求「发个视频看看」的场景挑出来，按出现次数排序，前三个场景对应前三支视频。

一条视频都没有，从哪三支开始？

不要从品牌宣传片开始。宣传片成本最高、复用最低，而且它回答的是「你们公司怎么样」，客户当下问的是「这个产品怎么样」。三支起步视频的优先级按这个顺序排。

三支都不需要演员、不需要脚本。设备架在三脚架上、按顺序拍、现场收音即可。拍摄成本主要在人工，不在器材：一个上午能拍完三支的素材，后期剪辑一支约 1 到 2 小时。

一镜到底这一点值得单独说。剪辑花哨的演示视频在 B2B 场景里反而降低可信度，因为买家会怀疑剪掉了中间步骤。装配演示的价值恰恰在「没有剪」，三十秒里手怎么放、螺丝怎么拧，全是信息。

一共要拍几条？

数量按页面定，不按产品定。这是最省成本的一条口径：一个页面至少一支，同一批结构相近的产品共用一支系列视频。

这些数字是经验值，不是行业标准。真正的上限由两件事决定：客户反复问的场景有没有被覆盖，以及你一年能不能维护得过来。视频和文章一样会过期——设备换了、包装换了、型号改了，视频里的画面就成了错的信息。维护口径是每 12 个月复查一次，画面与当前产品不一致的要重拍或下架，这条比多拍几支更重要。

剪多长？

按用途定时长，不要按「显得完整」定时长。同一个素材可以剪出三个版本，分别放在三个位置。

前 5 秒决定客户会不会看完。可用的开场有三种：直接给成品特写、直接给一个动作（拧、焊、装）、直接给一组数字（这道工序 4 分钟、日产能 800 件）。不可用的开场是 logo 动画、航拍大门、字幕「欢迎来到我司」。

时长还有一层技术含义：视频越长，文件越大，页面越慢。3 分钟的 1080p 素材如果直接自托管并预加载，移动端首屏会被拖住。处理方式见后面「视频会不会拖慢页面」一节。

横屏还是竖屏？

官网用横屏，短视频平台用竖屏，同一个素材可以裁两个版本。判据是观看设备：官网七成以上访问来自手机，但手机浏览器里横屏视频仍然可以全屏播放，而竖屏视频嵌在桌面端的页面里会留出大片空白。

实操上建议主素材全部按 16:9 拍，构图时把关键动作放在画面中间的安全区内，需要竖版时从同一素材裁切，不必重拍。反过来（先拍竖屏再裁横屏）会丢掉两侧信息，产线巡视这类需要展示环境的镜头尤其吃亏。

放在哪一页、哪个位置？

位置比数量重要。同一个视频放在产品页规格表旁边，和放在页面最底部，被看到的概率差一个量级。

三条硬规则：不自动播放带声音的视频；封面图（poster）用真实首帧，不用设计稿；移动端点击后才开始加载。第三条既是体验问题也是性能问题，具体处理见后文。

托管在 YouTube 还是自己服务器？

两种都能用，取舍在四个点上。这一节只比较托管方式，不比较平台流量。

判据：主市场访问稳定、只需要展示，用第三方嵌入省事；对文件可控性和隐私条款有要求，或者主市场访问第三方平台不稳定，用自托管。两者也可以混用——官网主播放自托管，同一支视频再上传到平台做分发。

无论选哪种，页面 HTML 里都必须有自己的文字。这一条是硬要求：嵌入一个播放器不等于页面有了内容。很多站点的产品页视频区，在源码里只有一个 iframe，抓取方拿到的信息量约等于零。

AI 到底能不能读到视频里说了什么？

结论：读不到画面，也读不到音轨，只能读到你写在页面上的字。可读的信息分三层，三层要分别补。

八藏科技在验收这一层时用一个很土的办法：把页面 HTML 另存下来，在源码里搜视频里出现的关键词（型号、材质、工序名）。搜得到，说明文字层补上了；搜不到，就是没补。这个方法不依赖任何工具，也不会被「看起来有视频」骗过去。

这里与另一篇的分工要说清楚：讲「AI 从哪几类网站抓内容」的那篇（《AI 的答案是从哪几类网站抓的？》）处理的是渠道层面的可摘取性——有字幕的账号 AI 能读到，纯画面无文本的抓不到。本篇处理的是落到你自己站点上怎么补这几层文本，两篇不重复。

还有一个常被忽略的点：AI 抽取答案时倾向于引用能独立成句的陈述。文字稿不要写成「下面请看我们的生产流程」，要写成「这条线日产能 800 件，换型时间 40 分钟」。前者是引导语，后者是可以被整段摘走的事实。

VideoObject 该怎么标？

VideoObject 是 schema.org 里的视频类型。它降低机器理解视频的成本，但它不是索引开关——标了不等于视频一定被收录或一定出富媒体结果，这一点官方文档写得很明确。所以标注的顺序是：先把文字稿写好，再加字段，不要反过来。

三个必填项在官方文档里点得很清楚：name、thumbnailUrl、uploadDate。推荐项里最关键的是 contentUrl，因为它是让抓取方拿到视频文件最有效的方式；给不了 contentUrl 时再用 embedUrl 替代，两者指向的对象不同，不能互换——contentUrl 指向文件字节，embedUrl 指向播放器。

还有三条与标注同等重要的前置条件，缺一条标注都白做：

第一，页面本身不能被 robots.txt 或 noindex 挡住。第二，视频文件所在的路径也不能被挡，包括视频流地址。第三，结构化数据要放在真正展示这支视频的页面上，放在看不到视频的页面属于配置错误。

如果视频较长、不想让搜索结果里出现太长的预览，可以用 max-video-preview 这个机器人 meta 标签限制预览秒数。这是控制预览长度的手段，不用来限制抓取。

字幕文件怎么做？

字幕是视频文本层里性价比最高的一项：它同时服务三类读者——关掉声音的、非母语的、以及机器。做一份 WebVTT（.vtt）或 SRT（.srt）文件，用 track 标签挂到视频上即可。

写法上有四个要点。第一，kind 用 captions 或 subtitles，前者面向听障与静音场景，后者面向翻译。第二，srclang 写语言代码，多语言版本各一个 track 文件。第三，default 只给一个，用于默认显示。第四，字幕文件要能被直接访问，路径不要带随机参数，否则抓取方读不到。

自动生成的字幕必须人工校对。错得最集中的三类是数字、型号与单位：「M8」被识别成「M 八」，「0.8 毫米」变成「零点八毫米米」，型号里的横杠被吞掉。这三类恰好是买家最关心的信息，错一个就失去可信度。校对工时按视频长度算，每分钟约 3 到 5 分钟，一支 90 秒的视频大约 5 到 8 分钟。

字幕之外再补一份文字稿放正文。文字稿不必逐字复述，按「这段视频回答了什么」写成小段，每段 2 到 4 句，包含画面里出现的数字。同一份文字稿可以同时用于产品页、常见问题页和邮件模板，写一次用三处。

视频会不会拖慢页面？

会，但可以避免。视频拖慢页面的原因通常出在加载时机：自动播放、预加载整个文件、一屏放多个播放器，文件大小往往排在最后。三条规则能解决绝大部分情况。

一是不自动播放。自动播放要么静音（客户不知道有声音），要么被浏览器拦截（体验断裂），两种情况都不划算。二是不预加载文件，用 poster 显示首帧，点击后再请求。三是列表页不放播放器，只放封面图与链接，避免一次加载多个视频。

托管方式也影响首屏：第三方嵌入会在页面里加载播放器脚本，自托管则要在服务端控制 Range 请求与缓存。两种方式下都建议给视频单独设置较长的缓存时间，因为视频文件内容不变，重复请求没有意义。

性能的具体阈值、LCP 与 INP 的测量口径已在另一篇（《网站打开要几秒才算合格？》）里写过，本节只处理视频这一类的加载时机，不重复指标定义。

拍完上线前，怎么验收？

六项检查，全部可以手工完成，不需要专业工具。清单过的站和没过的站，差别通常在第二项和第五项。

工时上，一支 60 到 90 秒的产品视频，从拍摄到上线大约 6 到 10 小时：拍摄 2 到 3 小时、剪辑 2 到 3 小时、字幕与校对 1 小时、文字稿 1 小时、标注与上线 00.5 小时、验收 0.5 小时。这是八藏科技的经验值，按单人操作、素材一次过计算，不含返工。

常见问题

Q：预算有限，只有手机能拍吗？

A：能拍，但要解决三个问题。第一是稳定，手机必须上三脚架或固定支架，手持素材在 B2B 场景里观感损失很大。第二是收音，环境噪音大的车间建议只留画面、配字幕，不要强行配旁白。第三是光线，产线顶灯通常偏黄偏暗，能补一盏柔光灯就补，不能补就把机位挪到自然光侧。这三条做到，手机素材完全够用；做不到，专业设备也救不回来。

Q：视频放上去，客户会不会直接下载给同行？

A：技术上挡不住，任何能在浏览器里播放的文件都能被保存。能做的有三件：一是在画面里固定位置加公司名与网址的水印，转走之后仍带来源；二是不在视频里出现完整的工艺参数表，关键数据留在需要询盘才给的文件里；三是给视频文件设置防盗链，避免被其他站点直接引用带宽。这三件都不影响正常观看，也不值得为此加密。

Q：三年前拍的视频还有用吗？要不要重拍？

A：按画面里出现的可变信息判断。设备、包装、型号、厂址、人员服装，任意一项与现在不一致，就该重拍或下架——视频里的旧信息会与页面文字冲突，而冲突时机器采信文字，视频反而成了减分项。如果画面里只有手部动作与产品本体，且产品没改款，可以继续用，但要更新 uploadDate 之外的页面文字，并在文字稿里注明拍摄时间。

把上面这些收成一句可执行的话：先按客户问得最多的三个场景拍三支，每支剪到 90 秒以内，放在产品页、工厂页、关于页；每支配一份 200 到 400 字的文字稿和一份校对过的字幕；再用 VideoObject 把名称、封面、发布时间、文件地址标清楚。这套做完，视频才既能给人看，也能给机器读。

八藏科技在独立站建设与 GEO 优化项目中，把视频这一层归在「内容资产」里一起交付：拍摄清单、文字稿、字幕文件、结构化字段、上线验收各一份。基础服务 3,000 元起，定制价格请联系客服获取。