+86 +86 177 5770 1242
你的旧衣服都怎么处理了？
当然是放到转转上回收，转转是个正规的二手平台，比普通二手渠道更靠谱……
今天我们要聊的是“AI 版转转”。
它利用 AI 自动辨识服装的颜色、类型、尺码，并根据商品品质和市场行情来定价，降低了非标准化商品的处理难度。
每年大约有 1700 万件旧衣服，从陌生人的衣柜出发，经过它，再进入另一个陌生人的衣柜。
从店主经验到 AI 定价
每件新衣服都有固定的库存单位。同款衬衫，颜色和尺码一样，几千件都相同。仓储、定价、上架，系统操作起来并不复杂。
但 ThredUp 的处理中心每年接收数百万件寄来的衣物，每件都是独一无二的。这件格子衬衫洗了二十次，领口有些卷；那条牛仔裤标着 32 码，实际腰围偏大；另一件毛衣摸起来很新，但标签已经掉了。
平台怎么定价呢？寄售店的店员通常凭经验收货，摸一摸面料，看一眼品牌，心里估个价，几个月卖不掉就降价，或者退回给寄卖者。
许多慈善二手店按品类定统一价，一件衬衫几美元，一条牛仔裤十几美元，好货和坏货混在同一价签下，捡漏的人占了便宜，店里却很难知道一件好东西的价值。小规模操作还行，一旦数量增加，人力就难以支撑。
ThredUp 是这个行业中把流程彻底工业化的公司。据《现代物料搬运》2023 年对其配送中心的报道，进来的衣服要先通过 12 项品质检查，合格的挂上带二维码的衣架，工作人员录入品类、品牌、颜色、尺码、面料和洗涤方式，价格由专门的机器学习软件决定。高价衣服拍在人台上，低价衣服平铺拍摄，照片检查后才上架。
后来 AI 接手了更多环节，能自动识别颜色、类别和尺码，再把成色和市场需求纳入算法定价。据 PYMNTS 今年 4 月的报道，平台常年有 400 多万件在售商品，每天新增数万件，一套强化学习模型监控实时需求，自动降价卖得慢的衣服。
公司还投入了 4 亿多美元用于供应链自动化，涵盖商品识别、尺码测量和拍摄。
这些投入带来的成果是，ThredUp 每年能卖出约 1700 万件衣服。2025 年第二季度，其毛利率达到 79.5%，而传统服装零售商很少超过 30%。
面向消费者，ThredUp 在 2024 年 8 月推出了三项 AI 功能：升级后的搜索、以图搜图以及 Style Chat。
Style Chat 像一个对话式造型师，输入“秋天婚礼穿什么”，它会提供整套搭配，再输入要求，会继续调整。
以图搜图允许用户上传照片或分享 Instagram 帖子，在库存中寻找相似款式。公司披露的数据显示，使用图像搜索的消费者，最终下单的可能性比普通浏览者高出 85%。
使用这个功能的人带着具体需求而来，AI 帮他们锁定目标。意图越明确，转化越顺畅。因为二手平台的商品实在太分散，能帮人在几百万件旧衣中找到那件“对的”，才是关键所在。
被 AI 带来的人，为什么更愿意下单
Adobe 的最新数据显示，与来自其他流量来源的普通购物者相比，通过 ChatGPT 等 AI 渠道访问零售商网站的购物者更可能延长浏览时间、将商品加入购物车，最重要的是，更可能完成转化。
今年 7 月，来自 AI 渠道的购物用户转化率比来自其他渠道的高出 60%，每次访问带来的收入高 53%，跳出率低 34%，停留时间多 59%，浏览的页面多 22%。
这种转化率优势已连续保持 11 个月。而一年前情况相反，当时非 AI 推荐来的顾客每次访问花费的金额更多。这意味着 AI 助手在将相关产品展示给更高购买意图的顾客方面表现得越来越好。
回到二手衣服的场景，二手平台的货是海量的，ThredUp 光在售的就有 400 多万件，每件都不同，没有爆款让人盲目跟风。逛这样的货架，人很容易疲劳。
心理学里有个著名的果酱实验，2000 年 Iyengar 和 Lepper 在超市摆摊，摆 24 种果酱时，六成路人会停下来试吃，最后买的只有约 3%；摆 6 种时，停下来的只有四成，买的却有约 30%。
选项太多会让人更难做决定，这个说法由此传开。
后来也有人提出不同意见，2010 年一篇汇总几十项实验的元分析发现，选择过载更容易出现在选项复杂、自己又没有明确偏好的时候。
逛二手的人往往没有具体目标，想要的是“合适的、好看的、便宜的”，正是容易过载的处境。AI 替人把几百万件缩成十几件，用一句话或一张截图，换一个小得多的范围。
据 ThredUp 的调查，48% 的二手购物者在购物时用过 AI 工具。被缩小了范围的人来到商品页，已经完成了一半决定，剩下的只是确认尺码和价格，转化率高也就不奇怪了。
当然，AI 带来的用户并非铁板一块。他们也有高期待带来的高要求。如果推荐不准，反而会强化失望感——毕竟“AI 推给我的”暗含一种背书，准确性一旦失灵，信任的损耗比随机浏览更大。
这解释了为什么各家平台都在把推荐模型做得越来越细。知道你喜欢的品牌只是开始，还要知道你上次退货是因为尺码偏大，知道你偏好哑光而非亮面，知道你通常在周五晚上刷手机。
ThredUp 披露，2024 全年 AI 带来的新顾客数量同比增长了 32%。二手服装这个品类本来有门槛，对质地和成色的不确定感让很多人望而却步，AI 的介入正在消解这种犹豫。
从帮你挑到替你买
识别、定价、推荐，“帮你挑”已经成熟，也有了 ThredUp 这样跑通的样本。再往前一步是“替你买”，让 AI 拿着你的授权，自己去下单付款。
2025 年 9 月，OpenAI 和 Stripe 联手在 ChatGPT 内上线了即时结账功能，初始合作商包括 Etsy 和 Shopify 的部分商家。用户在对话中看中某件东西，可以直接在界面内完成支付，无需跳转。这是第一次有主流 AI 对话平台试图打通“发现”和“购买”之间的最后一段距离。
但到 2026 年 3 月，OpenAI 调整了方向，把重心移回“商品发现”，允许商家使用自己原有的结账流程接单，而不是统一走 ChatGPT 内的支付闭环。
媒体援引分析人士的看法指出，Instant Checkout 没有获得多少用户，原因包括商家接入麻烦、商品数据难以保持准确、多件商品的购物车和会员积分也不好处理。OpenAI 自己认为最初的版本“没有提供我们期望的灵活度”。
Morgan Stanley 在 2025 年 12 月的报告里估计，到 2030 年，AI 购物助手可能占到美国电商的 10% 到 20%，对应 1900 亿到 3850 亿美元的销售额。报告还提到，美国约 23% 的人上个月通过 AI 买过东西，杂货和日用消费品是最先起量的品类。
目前，“替你买”带来的问题已经浮出水面。谁来负责退货纠纷？AI 代购的授权边界在哪里？万一理解偏差，买回来一件根本不想要的东西，损失算谁的？
用户通常给 Agent 的是一份有范围、有预算、有期限的委托，而不是每笔交易都点头。金额上限挡得住贵的错买，挡不住便宜的错买。目前没有公开规则来处理“Agent 超出了你的本意”，商家往往只能自己扛下损失。
人买衣服前会看图片、尺码表和退货条款，Agent 多半只读数据，这使得退货率上升。ecommerceguide 指出，服装、鞋和家具是风险最高的几类。
如果是二手衣服，一件旧衣服只有一件，卖出即售罄，退回来要重新检验、重新拍照、重新定价，ThredUp 靠规模压低的单件处理成本，或许会在这里被拉高。
Agent 看价格和规格，不看版式和搭配推荐，商家花力气做的陈列会失效，状态描述不够细的二手商品，在 Agent 眼里就排到了后面。
ThredUp 早就把非标准的商品做成了结构化的数据，这些原本为人工作业准备的功夫，到了 Personal Agent 时代可能成了它的优势。
本文来自微信公众号“APPSO”，作者：发现明日产品的 APPSO，36氪经授权发布。
