不穿的旧衣服呢？放「AI 版转转」，毛利 80%
内容提要
ThredUp利用AI识别旧衣颜色、类别和尺寸，结合成色与市场需求定价，投入超4亿美元实现供应链自动化，每年售出约1700万件衣服，2025年二季度毛利率达79.5%。其AI搜索、以图搜图和Style Chat帮助消费者在海量非标商品中快速定位，使用图像搜索者下单可能性高85%。AI渠道购物者转化率更高，但也带来推荐不准、退货纠纷和授权边界等新问题。
延伸解读
AI 定价如何撑起 80% 毛利
ThredUp 的毛利率远高于传统服装零售商，核心在于用 AI 把非标旧衣的处理流程工业化。每件衣服经过 12 项品质检查，由机器学习结合成色与实时需求定价，卖得慢的自动降价。4 亿多美元的供应链自动化投入覆盖识别、测量和拍摄，把单件处理成本压到传统人力难以企及的水平。高毛利并非来自加价，而是来自效率。
图像搜索为何能拉高转化
二手平台商品极度分散，用户往往没有明确目标，容易陷入选择过载。ThredUp 的以图搜图和 Style Chat 把几百万件商品缩成十几件候选，使用图像搜索的消费者下单可能性高出 85%。这背后是意图明确化：AI 帮用户锁定目标，剩下的只是确认尺码和价格。但推荐不准也会反噬信任，因为“AI 推给我的”暗含背书，失误的代价比随机浏览更大。
“替你买”的授权与退货难题
从“帮你挑”到“替你买”，AI 代购面临授权边界模糊的问题。用户给的往往是有范围、有预算的委托，金额上限挡得住贵的错买，却挡不住便宜的错买。Agent 只读数据、不看版式和搭配，容易导致退货率上升。对二手衣服而言，一件只有一件，退回后需重新检验、拍照、定价，ThredUp 靠规模压低的单件成本可能被拉高。
结构化数据是 Agent 时代的底牌
ThredUp 早已把非标旧衣做成结构化数据，原本为人工作业准备的品类、品牌、颜色、尺码、面料等信息，在 Personal Agent 时代可能成为优势。Agent 看价格和规格，不看陈列和搭配推荐，状态描述不够细的商品会被排到后面。这意味着二手平台此前的数据积累，可能比面向消费者的 AI 功能更具长期价值。
Q&A
ThredUp 是怎么用 AI 给旧衣服定价的？
ThredUp 的 AI 能自动识别服装的颜色、类别和尺寸，再结合商品成色与市场需求，通过算法进行定价。平台还使用强化学习模型监控实时需求，对卖得慢的衣服自动降价。
ThredUp 的毛利率为什么能这么高？
ThredUp 投入超过 4 亿美元实现供应链自动化，覆盖商品识别、尺寸测量和拍摄等环节，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%。
ThredUp 的 AI 搜索功能对用户下单有什么帮助？
ThredUp 提供升级后的搜索、以图搜图和 Style Chat 三项 AI 功能。以图搜图允许用户上传照片或分享 Instagram 帖子来寻找相似款式。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%。
为什么通过 AI 渠道来的购物者更愿意下单？
Adobe 数据显示，通过 ChatGPT 等 AI 渠道访问零售网站的购物者转化率更高：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%。AI 帮助用户在海量非标商品中快速缩小范围，完成了一半的购买决定。
AI 推荐不准会带来哪些问题？
AI 推荐不准会强化用户的失望感，因为“AI 推给我的”暗含一种背书，准确性一旦失灵，信任损耗比随机浏览更大。此外，AI 代购还可能引发退货纠纷、授权边界模糊等问题，服装、鞋和家具是风险最高的品类。
ThredUp 在 AI 购物助手时代有什么优势？
ThredUp 早已将非标准化的二手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，在 Personal Agent 时代可能成为其优势，因为 Agent 更依赖结构化数据来理解和推荐商品。
