精华速览

二手服装平台 ThredUp 借助 AI 完成从识别、定价到推荐的全流程改造，每年处理并售出约 1700 万件旧衣，2025 年第二季度毛利率达 79.5%，远高于传统服装零售商。平台通过自动识别颜色、类别、尺寸，结合成色与市场需求定价，并推出以图搜图和对话式造型师等功能，降低非标商品的处理门槛。数据显示，使用图像搜索的消费者下单可能性高出普通浏览者 85%，2024 年 AI 带来的新顾客同比增长 32%。与此同时，AI 购物助手正从“帮你挑”向“替你买”演进，但即时结账等尝试遇阻，授权边界、退货纠纷和错买责任等问题尚待解决。

要点透视

  • ThredUp 每年售出约 1700 万件旧衣，2025 年第二季度毛利率为 79.5%，传统服装零售商很少超过 30%。
  • 平台常年有 400 多万件在售商品，每天新增数万件，一套强化学习模型根据实时需求对滞销商品自动降价。
  • ThredUp 投入超过 4 亿美元用于供应链自动化，覆盖商品识别、尺寸测量和拍摄等环节。
  • 2024 年 8 月，ThredUp 开放三项 AI 功能：升级搜索、以图搜图和 Style Chat 对话式造型师。
  • 公司披露，使用图像搜索的消费者最终下单可能性比普通浏览者高 85%；2024 年全年 AI 带来的新顾客数量同比增长 32%。
  • Adobe 数据显示，2025 年 7 月来自 AI 渠道的购物用户转化率比其他渠道高 60%，每次访问收入高 53%，跳出率低 34%。
  • ThredUp 调查显示，48% 的二手购物者在购物时使用过 AI 工具。
  • 2025 年 9 月，OpenAI 与 Stripe 在 ChatGPT 内上线即时结账功能，但到 2026 年 3 月调整方向，重心移回商品发现。

文章拆解

二手服装生意的核心难题在于非标准化。每件旧衣都是孤品，成色、尺码、品牌、面料各不相同，传统寄售店靠店员经验估价，规模一大人力就成了天花板。ThredUp 的解法是把流程工业化：12 项品质检查、二维码衣架、结构化录入，再由机器学习定价。这套体系让平台每年处理约 1700 万件衣服，毛利率接近 80%，说明非标商品一旦被数据化，也能获得接近标准品的运营效率。

AI 在其中的作用分两层。第一层是后端效率，自动识别颜色、类别、尺寸，结合成色和市场需求定价，降低单件处理成本。第二层是前端匹配，二手平台商品海量且分散，用户往往没有明确目标，容易陷入选择过载。以图搜图和对话式造型师把几百万件商品缩小到十几件，帮助用户完成一半决策。数据也支持这一逻辑：使用图像搜索的用户下单可能性高 85%，AI 渠道用户的转化率优势已连续保持 11 个月。

但 AI 推荐并非没有代价。用户对“AI 推给我的”隐含信任，一旦推荐不准，信任损耗可能比随机浏览更大。这促使平台把推荐模型做得更细，从品牌偏好延伸到退货原因、材质偏好和浏览时段。对二手平台而言，结构化数据原本是为人工流程准备的，到了 AI 购物助手时代，反而可能成为对接 Agent 的优势。

更值得关注的是“替你买”的演进。2025 年 9 月 OpenAI 与 Stripe 尝试在 ChatGPT 内完成即时结账，但到 2026 年 3 月重心移回商品发现，说明支付闭环在商家接入、商品数据准确性和购物车处理上仍有障碍。Morgan Stanley 估计到 2030 年 AI 购物助手可能占美国电商的 10% 到 20%，但授权边界、退货纠纷和错买责任尚无公开规则。二手服装卖出即售罄，退货意味着重新检验、拍照和定价，规模压低的单件成本可能被拉高。这些变量将决定 AI 改造二手服装生意的最终边界，相关规则和平台实践尚待确认。

查看原文