分析师 刘萌媛 奕然
量子位智库 | 公众号 AI123All
随着通用型、垂直型多模态AI大模型的发展，融合AI大模型及相关技术的AI智能电子衣橱这一新兴领域走进了大家的视野。
AI智能电子衣橱锚定消费者自身衣物资源，用AI为消费者打造个性化的专属衣橱管家，为消费者提供穿搭服务，将日常衣物从“存量资源”创新性转化为“增量资源”。
当下，AI智能电子衣橱赛道产品相对较少，各产品主要功能为衣物上传、分类整理、衣物搭配，支持免费上传30-60件衣物。
这一细分新兴赛道，竞争态势虽然不如AI健康管理、AI办公等赛道激烈，也存在一些问题：
1、如何用AI改造看似小众的电子衣橱赛道，并延展开发出更多的细分场景与功能？
2、如何从0开始获取首批付费用户？
3、AI智能电子衣橱产品如何进行功能优化迭代并持续创造价值？
针对这些问题，量子位智库邀请了搭搭创始人郭良兵以及产品经理赵涵馨，进行了一场深入交流。
在这次访谈中，郭良兵表示搭搭的核心定位是和200w用户共建好用的AI智能电子衣橱，AI可自动识别整理衣物，并基于搭配需求给出建议。
结合搭搭的实例，我们也看到AI智能电子衣橱赛道用户需求具有审美个性，产品的AI功能研发要基于用户使用习惯，持续性为用户提供价值是付费转化的关键。
此外，搭搭也分享了AI智能电子衣橱产品在功能优化策略、关键指标选择等方面的思考与看法。
关于搭搭
作为AI一站式电子衣橱产品搭搭，目前已拥有200万用户，其主要功能为AI智能收纳、AI衣橱管理、AI智能穿搭。各类功能具体细节如下：
衣物上传：包括4种上传方式，如拍照上传、衣服库同款导入、智能识别、淘宝导入。
智能搭配：包括AI搭配和商品搭配两种方式，AI搭配可以基于现有衣物自动生成搭配建议，用户也可以自主创建搭配方案并分享到穿搭社区。
衣物整理：采用云端AI识别技术，自动识别衣物品类和分类，上传完成后立即进入用户衣橱。此外还能汇总全部衣橱数据，按照多维度标签进行分类，如季节、颜色、品牌等，并支持自定义标签管理，如品牌、存放位置等，方便快速定位并整理衣物。
△搭搭主界面
Key Takeaways：
以下为搭搭创始人郭良兵、产品经理赵涵馨和量子位智库的详细对谈内容。在不改变原意的基础上，量子位智库对部分内容进行了修改及简化。
访谈实录
1、如何发现AI智能电子衣橱场景并开发AI功能的？
量子位智库：团队是如何发现这个场景，并将场景落实到具体AI功能上的。
搭搭：首先我想谈一下如何定义“美”与“时尚”的逻辑，我们的搭配基于真人模特图进行展示。审美本身具有主观性，正如有人觉得我穿着得体，未必所有人都认同。因此，我们无法像数学公式那样给出统一的“美”的标准。
我们的解决方式是：从海量模特图中进行筛选，通过AI算法跑出数百万套被多数人认可为“美”的模特图——我们称之为“美图”，即由真人穿着展示，并经由评分机制验证为好看的图像。
早期曾考虑过硬件假人方案，甚至有人尝试换脸或衣物拼接，但效果均不自然。通过真实模特上身展示，用户虽不能保证自己穿上完全一致，但至少能直观看到衣物在真人身上的整体效果。这是我们定义美、呈现时尚的基本逻辑。
回到搭配功能本身，AI搭配的核心价值在于为用户提供穿搭灵感，最终决策权仍属于用户。对于喜欢自主搭配的用户，DIY搭配是常用功能。用户可基于衣橱中现有单品自由组合，有效激活存量衣物，避免因缺乏搭配灵感而盲目购新，这也符合我们倡导理性消费的理念。
具体操作上，用户可单选或批量选择最多15件单品加入画布，并添加配饰、背景贴纸等元素。我们根据用户反馈持续更新贴纸与背景资源。搭配完成后，系统会根据搭配构成智能推荐适用场景与温度，而具体风格、标签等则由用户自主填写。
搭配可进一步规划至穿搭日历，系统将结合当地天气（如26-31℃适宜短袖）进行推荐。用户也可上传当日穿搭照片，系统能自动识别衣物并关联至搭配模块。“今日穿搭”与“穿搭日记”功能广受好评，支持用户基于天气、场景记录并回顾个人穿搭历史。
量子位智库：“帮搭”专区这一板块内容是否以AI生成为主？请进一步阐述该功能的设计理念与发展规划。
搭搭：目前“帮搭”模块中的搭配结果确实主要由AI助手生成。系统通过解析用户描述中的单品信息与关键词，提供相应的搭配建议。现阶段每个需求输出1至2套方案，待AI训练数据进一步丰富后，方案数量将逐步增加。
该功能在实现路径上与近期海外一款获得6000余万元融资的AI穿搭工具Gensmo较为接近，但在产品生态构建上，更注重与用户实际需求的深度结合。
此外，平台设有“产品日志”板块，用于同步功能开发进展与后续计划。团队会定期整理用户反馈并更新于此。用户可对期待的功能进行点赞，例如在日历视图内展示每日穿搭缩略图。团队将依据用户关注度灵活调整开发优先级。该板块也用于发布功能说明、Bug修复通知及需求安排，便于用户及时了解重要信息。
团队后续将推进AI相关功能的细化，如尺码推荐优化与相册功能升级，4.8.1版本的相关准备工作也已启动。
2、基于何种市场观察选择AI穿搭赛道？
量子位智库： 目前国内市场从事AI穿搭与衣橱管理方向的产品相对少见，该赛道整体仍属早期阶段。最初是基于何种市场机会或行业趋势，决定启动搭搭这一项目？
搭搭：尽管当前团队规模有限，但我们所选择的赛道具备显著潜力。创办搭搭与作为创始人的我个人经历密切相关。
我曾在百丽集团任职九年，负责女鞋业务。2015年离开百丽后，我创立了一家民宿品牌，至疫情前已拓展至全国600余家门店，成为当时市场规模较大的品牌之一。
疫情对民宿行业造成巨大冲击，2021年行业前景仍不明朗。作为创始人，我不得不深入思考转型方向。既然难以重返职场，同时具备创业经验与资金积累，我决定再次创业。
基于在百丽时期对服装行业的理解，以及“衣食住行”中以“衣”为首的需求认知，我认为服装领域蕴含广阔机遇。尽管初期规模有限，但我们始终瞄准这一大市场，比如海外提供AI穿搭方案服务的公司Gensmo此前获得了6000万美元融资。
我曾考察多个方向，包括共享服装等模式，但发现已有的类似尝试未达预期。我个人也并不倾向于直接从事服装销售——尽管在百丽积累了零售经验，也见证了如希音等企业的崛起，但这并非我最关注的方向。
我认为，人们对美和时尚的需求持续存在，且日益成为刚需。我们最初曾构思推出“智能穿衣镜”产品，用户可通过手机输入场景信息，获取次日穿搭建议。但经评估发现实现难度较大，作为创业公司需聚焦单点突破，因而最终选择从电子衣橱工具切入。
调研显示，当时国内电子衣橱类产品极为稀缺，我们认为这可能是一个重要机会。当然，电子衣橱仅是起点。若仅聚焦于衣物整理功能，市场规模将十分有限。
2021年时，大模型与AIGC尚未普及，但通过持续学习我判断未来产品必须与AI、大数据深度融合。唯有如此，才可能实现规模突破，否则仅作为整理工具难以爆发。
因此，搭搭的初衷是从电子衣橱出发，融入AI能力，逐步构建服务于用户穿搭与衣橱管理的智能平台。
3、如何发现产品达到市场匹配（PMF）的状态？
量子位智库： 产品是发展到何种阶段，或是出现了哪些具体信号，让您确信此方向具备真实潜力与长期发展空间？或者说，如何判断产品达到PMF（Product Market Fit，产品-市场匹配）？
搭搭：在当前技术环境下，依托大模型能力或许能相对便捷地实现衣物识别与搭配生成。然而在2021年我们启动项目时，情况截然不同。例如，识别一件T恤或一件黑色衬衫，如今利用自然语言处理或大模型技术已非难事，但当时计算机尚不具备此类认知能力。
为此，我们曾投入大量资源进行人工标注与模型训练。外界或许质疑此举是否过于“笨重”，但在当时的人工智能发展阶段，这是必经之路。
我们甚至聘请了三位博士与多名技术人员，采用传统方式对衣物品类、颜色、花纹进行识别与标注，耗时良久，比如分清什么是黑色花纹、什么是t恤等。这也从侧面反映出该领域的实际门槛远高于表面认知，并非如想象中易于进入。
尽管搭搭目前已基本实现营收平衡，但从2021年至今，累计投入已约达一千万元。
搭搭的资金都是创始人个人投入。提及投入与门槛，我想说明，一个看似简单的创意背后，往往需要深厚的技术积累与资源投入。
正是基于我们愿意并能够持续进行这样的投入，才逐步观察到用户认可与业务趋于稳定的迹象，进而不断增强对产品长期价值的信心。
量子位智库：赛道比较小众，为何投入会如此大，实践中遇到哪些问题，做了哪些尝试与创新？。
搭搭：我们做了很多探索和创新，比如之前内部演示的“衣搭衣”功能，也就是现在大家看到的“衣搭人”。我们还尝试开发了很多与服装搭配相关的功能，但实际效果并不理想，有些甚至没有正式上线。
投入为何如此大，是因我们在AI衣物识别等技术板块投入大量成本。尽管有些用户反馈我们的AI搭配还有优化空间，也确实仍在不断调整，但投入是实实在在的。
这也是为什么你在国内几乎看不到同类竞品——不是所有人都愿意在这样一个细分赛道投入如此多的资源。
我们观察到，市场上大部分团队只做简单的衣橱管理工具，但我们从创业第一天就想做的是一个能够智能搭配和推荐的AI智能电子衣橱。
现在我来回答您的问题：我们是从什么时候开始看到希望的？其实搭搭经历了多次迭代。起初产品完全免费，从上线到积累100万用户，我们只用了一年左右的时间。
值得一提的是，我们的获客成本极低，早期甚至只有几分钱，后期也就三毛钱左右。
我再强调一下，虽然我们总投入达到了1000万，但这些资金主要用在了研发上，几乎没有投入广告。
在这样的情况下，零广告投入、极低的获客成本，一年内实现从0到100万用户增长——这让我确信，这个方向肯定有它的市场价值。
就像我一开始说的，用户对美和时尚的需求是真实存在的，市场很大，只是我们和行业都还有很多问题需要去解决。
虽然现在的投入没有早期那么大，但我相信最终能跑出来。至于最终能做成什么样子，还需要持续思考和探索。
就像刚才提到的海外项目融资很多，但我们大概率不会完全复制他们的逻辑——我们有自己的路径和思考。
4、AI技术是如何围绕产品定位发挥作用的？
量子位智库：搭搭内部AI技术具体在哪些环节发挥作用？它的底层逻辑是怎样的？
搭搭：Gensmo更多是基于商品逻辑或者说电商推荐路径去做这件事，这条路我们也尝试过。例如用户上传穿搭后，我们可以通过淘宝客接口推荐商品，不管是一件黑色T恤还是一件衬衫，系统都可以实时推荐相关单品——无论是我们自营淘宝店的，还是平台上其他品牌的。
但我们发现这条路走起来非常困难。当然，这不是说国外那家做不起来，只是对我们而言，大厂在这方面有天然优势，更容易实现商品推荐。所以我们更坚定地选择专注于工具属性，不断基于用户需求做深做透。
用户反馈中有很多人说“搭搭很听劝”，还有用户称赞我们版本更新速度快。
我们一直保持高频迭代，包括刚刚上线了“小朋友衣橱”和“多人衣橱”功能——比如女朋友可以帮男朋友管理穿搭。所有这些都体现了我们投入的决心。
我们尝试过电商，但最终决定聚焦于将AI搭配工具做到极致。现在通过接入大模型，成本已经大幅降低。比如随手拍一张照片，系统就可以调用模型实现虚拟试穿——不是简单换脸，而是根据用户的身材、肤色进行真实搭配，目前效果大概能达到70分，但我们不断优化逻辑，目标是做到90分。
我常举一个例子：很多男性用户不会搭配，也不愿花时间。如果我们提供一项服务，每年168元，每天早晨推荐5套搭配——有的是用户已有的衣服，有的是推荐购买的新款——他们愿不愿意？
大多数说只要真的能穿出效果，不仅愿意，甚至觉得超值。
所以，搭搭的定位非常明确：坚持做一个用AI真正解决穿搭问题的工具，不做电商，不做分散的业务，就聚焦把工具做完美。
在AI具体落地的方面，AI首先帮我们处理单品的基础信息：用户上传图片后，系统自动完成抠图、识别品类、分类存放，再到自动生成搭配。
这一整套流程之前非常依赖人工，现在全部由AI自动化处理，不仅极大减轻了用户上传的负担，也为他们留出更多时间和耐心去探索产品的其它功能。这一切都建立在深度学习的计算机视觉技术和个性化推荐算法之上。
5、AI+电子衣橱，会演化出怎样的差异化路径？
量子位智库：您认为，搭搭选择以电子衣橱为起点、深度融合AI技术，最终会形成怎样不同的差异化路径？
搭搭：我们的核心目标始终是打造一款真正好用的衣橱管理工具，并在此基础上持续迭代。AI对我们而言是实现这一目标的赋能技术，它帮助我们更高效、更智能地完善产品功能。
而得物、蘑菇街等平台，本质上更偏向电商逻辑：它们通过推荐新的单品、新的穿搭，引导用户不断购买，以此解决穿搭需求。
虽然这也是一种方式，但从用户角度来说，新买的衣服最终都会成为“已有服饰”。但其实对于我们来说，虽然他们推荐用户去买那些新的衣服来解决穿搭问题了，但是增量的衣服始终都会变成存量的数据，我们更倾向于让用户去解决掌握处理存量数据的。
意思是，我们更专注于帮助用户盘活存量衣物，提升现有单品的利用率和搭配效率，而不是一味鼓励消费增量。
换句话说，我们更像是一位专业的“衣橱管家”，致力于让用户的每一件衣服都发挥出最大价值。
量子位智库：在搭配功能中，系统能够根据天气等因素进行推荐，能否整体介绍一下背后的逻辑？
搭搭：在AI推荐方面，我们为每一套搭配都设定了对应的“体感温度”。虽然每个人对温度的感知存在差异，但目前普遍认为26摄氏度左右是人体感觉最舒适的温度区间。
基于这一点，我们建立了一套完整的逻辑体系：首先对每件单品按照品类进行分类，并为每一类单品设定适用的最低和最高温度阈值。
例如，一件短袖T恤可能最低在24度可穿，而天气再热也基本上只能穿这一类衣服；厚棉袄则对应更低的温度区间。
每当用户把一件单品加入搭配——无论是单独一件还是多层叠穿——系统都会实时计算这套搭配的整体温度值。只要该温度值落在当日气温范围内，这套搭配就会被推荐给用户。
6、当下产品发展阶段，最关注的核心指标是什么？
量子位智库：现阶段，产品主要面向哪些用户群体？核心解决了哪些痛点？是更侧重于服务对穿搭已有较高兴趣的用户，还是也适用于对衣橱管理缺乏系统管理意愿的人群？
搭搭：目前用户主要分为两类：一类具有明确的衣橱数字化管理需求，另一类则倾向于提升穿搭能力与审美水平。衣着作为“衣食住行”之首，其需求始终存在，随着技术演进，解决方案日趋智能化。
以往用户可能依赖表格手动记录服饰信息，而在AI技术赋能下，我们不仅帮助用户高效管理衣橱，更致力于使其穿着更得体、时尚，乃至塑造个人风格。
关于用户规模展望，我们期待服务更广泛的群体，具体量级取决于产品能否持续精准切中用户需求。团队将持续优化体验，稳步推进产品发展。
量子位智库：对于搭搭目前的发展阶段来说，在产品功能迭代、性能优化、用户增长以及商业化变现这几个方面，你们最关注的核心指标是什么，哪些是“虚荣指标”？
搭搭：其实从去年开始，我们团队就一直在思考并梳理这个问题。我们认为，明确核心指标本质上是在确认用户是否真正信任和认可我们，它也直接指导着我们未来的产品和发展方向。
基于大量的用户调研和反馈，我们反复听到用户说觉得搭搭“可靠”“听劝”并且“好用”。围绕这几个关键词，我们最终确定了几个核心关注指标：
首先是持续的注册用户量，其次是营收健康度；同时我们也非常重视产品性能与体验，包括Bug率、Bug重复出现率、页面加载时长以及用户反馈的响应和处理时间。
我们将从去年至今的整体目标，定位为“与用户共同共建一个好用的AI智能电子衣橱”。
至于“虚荣指标”，在我们看来，一些虚高的下载量、表面的好评数量，或是无法反映真实用户满意度和产品健康度的数据，对团队的长期发展并没有实际帮助，因此我们会淡化对这类指标的关注。
7、产品功能开发的方向选择与细节优化是如何进行判断的？
量子位智库：在开发方面，产品有很多设计细腻的功能，团队平时是如何发现这类细分需求的？以及如何判断某个需求值得投入开发？
搭搭：我们发现，直接询问用户“想要什么功能”时，他们往往没有特别明确的建议；但一旦某个功能不好用，用户一定会吐槽——无论是在社交平台，还是通过我们的用户反馈渠道。这时候，读懂用户的“潜台词”就非常关键。
事实上，很多有趣的需求甚至是我们自己从未想到过的。比如“穿着成本”这个功能，最早来源于一位资深包具用户，他提出能否设置两个价格填写栏——因为他为包包更换了内胆，内胆有额外成本，需要分开记录。这个需求虽然小众，但确实存在，也让我们意识到不同用户有不一样的使用场景。
类似的例子还有很多。我们非常重视主动反馈问题的用户，无论是通过应用内反馈、应用市场评论，还是其他社交平台，我们每天都会查看并尽量回复每一条意见。
目前后台累积的六千多条反馈，我们基本做到了条条有回应。比较紧急的需求甚至会插队进入版本开发，优先上线。
此外，我们设有“产品日志”模块，大约每两周更新一次。用户可以为期待的功能点赞，也能实时了解我们的开发进度。
量子位智库：产品上线新功能后，如何判断它是否真正获得了用户的认可？是否存在一些具体的指标或现象来帮助确定这个功能是成功的、用户真正需要的？
搭搭：这个问题其实很难用单一指标界定。早期我们曾经历过这样的阶段：在产品会议上讨论后，大家都觉得某个功能一定能解决用户的痛点，于是投入大量人力，花一两个月开发一个大版本，结果上线后发现几乎没人使用。
我们以为的“好功能”，未必是用户当下最在意的问题。
尤其是像搭搭这样高度依赖个人数据的工具类产品，用户往往更关注自身的使用习惯。他们可能对新功能兴趣不大，而是更倾向于以自己的方式理解和使用产品。
因此，现在我们更倾向于从用户希望解决的具体问题出发，一步步拆解开发需求。例如AI搭配功能，最初只支持上下装，但用户反馈搭配太单调，于是我们加入了鞋包。
后来用户又提出不够时尚、不够多元，我们便计划进一步加入配饰、首饰、帽子等单品，未来还会考虑融入风格、材质、品牌等更个性化的属性，真正成为用户的专属穿搭助手。
衣橱管理功能的发展路径也是类似的——一切都从用户的个性化需求出发，再逐步拆解为具体的开发任务。这种方式让我们能更精准地响应用户的真实诉求，而非闭门造车。
量子位智库：团队如何决定以用户需求为主导的功能，其开发优先级？特别是在版本迭代频繁的情况下，是否有一套明确的流程来判断新功能的上线顺序？
搭搭：首先我们会把技术上做不到的需求筛选掉，剩下的可选项其实就不多了。我们长期坚持与用户直接沟通，光用户微信群就建立了十多个。随着时间积累，我们对需求优先级的判断已经形成比较成熟的认知，不需要完全依赖僵化的流程来决定。
通常，我们会从可行性、用户价值、开发投入等多个维度进行综合评估。很多用户提出的想法虽然很好，但可能短期内难以实现，这类需求会先被搁置。实际上，到目前为止，直到明年三四月份的版本规划，我们已经大致明确了开发路线。
量子位智库：在团队内部决策时具体会采用怎样的逻辑来判断优先级？
搭搭：我们首先会对每个功能设想其最终希望实现的效果，然后评估该功能的必要性、预期价值以及开发复杂度。一般来说，用户最能直接感知的功能会优先开发。功能上线后，用户的实时反馈会帮我们调整后续节奏。
有些功能我们虽有长远规划，但当前阶段可能只实现50%，剩下的部分拆分成若干小迭代，逐步加入。
这样做既节省开发资源，也便于及时调整——如果反馈不好，可以果断中止相关开发。很多界面和功能细节其实都是这样“小步快跑”、持续优化的，用户可能感知不明显，但会觉得越来越好用。
量子位智库：无论是搭搭这个产品本身还是其中具体功能，市场上都缺乏参照物。这类创新应用或创新功能，团队是如何打动用户、引导试用，并最终形成粘性的？是更需要主动引导，还是用户会自主探索？
搭搭：对于较复杂的新功能，我们尝试过新手引导和界面引导，但发现用户常常会直接关掉提示，强制引导并不现实。因此我们更倾向于将界面和流程设计得尽量简单，符合主流操作习惯。
已有用户已经培养出一定使用习惯，我们只需顺势而为。让新用户一下子理解所有功能是不现实的，但当用户产生具体需求时，他们会主动探索界面。
比如最初的核心难点是如何让用户上传第一件衣服，我们通过交互设计解决这个问题；而上传后即时提供的自动识别、分类、抠图和搭配功能，则让用户快速感受到产品价值，从而有耐心继续探索。
工具型软件应该让需求驱动用户行为，而不是用满屏的入口让用户无所适从。
我们不做过多干涉，而是确保当用户需要某个功能时，能在当前页找到入口，就像在迷宫中找门一样。只要用户习惯是以需求为驱动的，我们就可以根据他们的行为模式持续优化产品。
8、AI加入产品开发思路带来哪些认知变化？
量子位智库：虽然AI并非产品的主导核心，但在引入AI技术之后，相比之前的纯互联网产品，整个开发流程或产品思路是否发生了某些变化？AI的加入是否带来了一些逻辑或策略层面的调整？
搭搭：对于AI类产品而言，前期通过大量数据训练所构建的大模型，实际上已经为产品奠定了基本框架，后续的迭代和优化大多是在这一框架之上展开的。AI的优势在于更智能、更自动化、也更个性化，但其对数据质量和模型能力的依赖性也显著增强。
如今互联网行业已经非常成熟，许多三年前还不存在的AI模型和技术，如今已经非常普及和易用。因此我们必须紧跟技术发展和市场需求，持续优化流程、推动标准化。
可以说，搭搭现在属于AI驱动的互联网产品——既保留了互联网产品快速迭代、用户导向的优点，也具备了AI智能化的能力，当然也面临着AI模型本身带来的技术挑战。
这对我们来说，既是机遇，也需要不断应对。
9、0—100万的用户增长，是如何达成的？
量子位智库：在用户增长方面，回顾从冷启动到早期增长的阶段，您认为团队做的最正确的一件事是什么？
搭搭：可能很多人会觉得是因为我们运用了AI有创新点，或是电子衣橱这一定位有差异化，甚至认为创始团队有之前的成功经验等。
但最关键的还是我们踩对了一个风口——抖音。
2021年的时候，正如之前提到的，我们的获客成本最初只有一毛钱，后期也仅上升到两三毛。
很多人不相信这个数字，低成本获客的背后，是因为我们赶上了抖音的流量红利。当时无论是直播还是短视频，在抖音上的传播效果都非常好，小红书和视频号也有一些曝光，但爆发力远不如抖音。
我们的运营思路是，采取“博概率”策略。我们没有花大价钱请KOL或知名博主推广——事实上当时3万元可以请到不错的博主，但我们基本没有走这条路。
刚开始的逻辑非常朴素：找“素人”用户，尤其是与我们目标用户画像高度契合的群体——比如年轻职场女性、入职1-3年、注重穿着和生活品质的人群。
我们请他们录制短视频，介绍搭搭的使用体验，每条视频的制作成本只有30元到200元不等。很多视频播放量可能只有一两千，但一旦某一条内容爆了，达到5万、10万甚至100万的播放就足以带来可观的转化。
用户转化率一直不错，这种精准素人推广的方式，成本低、信任度高，也符合产品调性。我们不是盲目“广撒网”，而是围绕目标用户精准投放，把更多资源投入在了产品与AI研发本身。
量子位智库：除了素人投放策略之外，在内容运营、对外曝光定位或宣传口径等方面，搭搭还有哪些做得比较好的地方？
搭搭：用户在使用应用过程中，往往会有某个“时刻”或功能真正惊艳到他们。我们App内确实做了不少这样的功能点，而用户愿意主动宣传，通常也是因为某个细节真正触动了他们。
比如，喜欢DIY搭配的用户，看到自己搭配过的列表会很有成就感，截屏分享到小红书；追求极致收纳的用户，会在平台上每天打卡，记录自己践行极简生活的天数、单品数量，甚至记录自己“断舍离”的过程。他们用这种方式记录衣橱、记录生活，形成了一种良性循环。
用户有自己想表达的内容，我们也根据他们的分享不断优化功能。印象特别深刻的是一位小学生用户，他居然用我们的穿搭日记功能来写日常琐事，比如“今天吃了个冰淇淋很开心”。这非常可爱，也特别生活化。
这几年我们逐步把功能做全，确保用户的每个需求在App内都有对应的功能可以承接。我们力求功能全面但操作不复杂，连小朋友都能轻松使用。已有的功能也在不断细化、优化，让用户使用过程中顺畅无阻，最终呈现的效果也足够吸引人，自然就愿意分享了。
量子位智库：搭搭次日留存率至少保持在25%以上，DAU也呈现高且稳定的态势。在产品细节设计上还有哪些举措，进一步培养用户使用习惯，从而实现良好的活跃和粘性？
搭搭：比较好的宣传点是抓住了两个市场热点：
一是AI，如今AI已经逐渐融入生活的方方面面；另一个是“基础管理”概念。近几年无论是女装还是男装，电商平台上款式雷同的情况比较多，很多用户反而更愿意穿三年前的旧衣服——大家越来越重视单品的可持续利用，而不是盲目追逐新品。
因此，我们致力于帮助用户更好地管理已有的衣物，通过AI搭配焕新旧衣，这让产品不仅具有科技感，也切中了当下消费者追求理性购物、可持续时尚的心理。
这种定位和功能设计，让用户真正感受到产品的实用价值和情感共鸣，从而更愿意持续使用和主动分享。
10、赢得用户最关键的要素是什么？
量子位智库：从产品本身来看，您认为赢得用户最关键的一点是什么？比如“先发时间窗口”和“用户数据积累”是否仍然重要？从搭搭的经验出发，您认为什么才是最关键的？
搭搭：我认为最关键的还是产品本身，说得更具体一点，是我们在AI技术上的持续投入。虽然这个赛道目前不大、竞争对手也不多，但大多数产品仍停留在简单的电子衣橱功能。
我们从创业初期就希望用AI真正改变穿搭体验，所以在AI和AR方面的投入非常坚决。尽管还有很多被用户吐槽的问题，但与竞品相比，我们的优势是明显的——要么别人根本没有类似功能，要么实现程度远不如我们。这是赢得用户最关键的一个方面。
我们的产品中有大量细腻的功能。只要用户提的需求在我们实现能力范围内，都会尽快开发上线——都是赢得用户的关键。
至于先发优势，我认为是存在的。用户一旦把几十件甚至上百件衣物信息上传到平台，就会产生显著的迁移成本。
即使未来有大厂进入这个领域，或者有做得更好的产品出现，用户也很难轻易转移。这种先发优势，结合我们持续的产品投入，构成了我们目前的核心壁垒。
11、制定收费模式时的考虑因素有哪些？
量子位智库：搭搭目前采用订阅制与终身会员制并行的模式，终身会员原价定为198元。这个收费模式和具体定价是如何确定的？在定价时，团队主要考虑了哪些因素？
搭搭：定价策略主要基于两方面考量：一是竞品分析，二是自身投入。
我们的竞争对手大多提供的是基础工具型功能，而搭搭的核心是AI穿搭，这本身就有明显差异化。无论是传统行业还是互联网行业，定价都不能“拍脑袋”决定，必须参考市场情况。
另一方面，我们在AI和AR上的投入非常大，这也决定了我们的定价会比同行高一些。团队甚至曾讨论过要不要推出一个“小搭”，定价38或58元，去和竞品打价格战。
但最终我们还是放弃了这条路，坚持初心——做一个真正能解决用户穿搭问题的产品，哪怕定价更高，也要保证投入和体验。
量子位智库：从搭搭的经验来看，驱动用户付费的关键因素是什么？什么样的用户体验会直接影响用户付费意愿？
搭搭：无论是不是AI产品，对用户来说，软件能否真正解决他们的需求才是最重要的。来到搭搭的用户主要分为两类：一类是衣橱管理型用户，另一类是寻求穿搭解决方案的用户。
目前来看，衣橱管理型用户的付费意愿更强，因为我们的功能确实非常全面和细致。而寻求穿搭建议的用户，需求更加多元复杂——每个人的审美、风格偏好、对旧衣的态度都不同。
有人就是喜欢穿新衣服，有人则希望最大化利用现有衣物。
针对这些复杂需求，我们计划在下半年进一步升级AI搭配功能，引入更多模型和技术，努力解决用户各种各样的穿搭问题。我们相信，只要产品能持续为用户创造价值，付费便是水到渠成的事情。
12、选择底座模型的考量因素和关键指标是什么？
量子位智库： 在选择底层大模型时，通常会重点关注哪些指标？考虑到不同产品对模型能力侧重点的差异，哪些因素会成为优先考量的关键？
搭搭：对我们而言，大模型选型首重算力支撑能力。目前我们已拥有超过200万用户，每名用户至少可上传30件单品，后台单品数据库规模已达千万至亿级。
当用户上传衣物后，系统需实时完成自动识别与搭配生成，这意味着海量数据下的多任务并行处理，极易出现故障。此外，平台还支持单账号多设备同时登录与上传，对系统稳定性提出更高要求。
因此，确保庞大算力能够高效、稳定地运行，是我们技术团队面临的核心挑战。在这一过程中，我们的AI工程师付出了大量努力，成效显著。
量子位智库： 基于过往经验，是否存在一些用户不易察觉、却切实影响最终体验的关键点？对于搭搭这类面向C端的产品，目前是否有相关观察？
搭搭：用户对AI能力的认知往往基于自身想象，尤其在当前AI宣传泛化的背景下，用户容易形成过高预期，例如认为上传一张照片即可解决所有问题。这种认知与实际技术能力之间仍存在落差。
在产品设计初期，我们曾尝试引导用户参与AI处理过程，以凸显技术能力。从版本1.1.2至1.7，我们通过十几次迭代试图传达这一理念，但用户反馈显示，他们并不关注技术实现路径或版本更迭，而是更看重最终效果是否直观、令人满意。
因此，当前我们转向以结果为导向的交互设计，强调快速、清晰地呈现搭配效果，这一策略在实际应用中取得了更好反响。
13、产品未来形态怎样的？
量子位智库： 搭搭理想成熟的终极形态应当是怎样的？
搭搭：我们可以从产品演进的核心逻辑展开说明。搭搭始终围绕两个关键维度推进：其一是“衣搭衣”，即服饰之间的搭配组合。目前这一模块已相对成熟，后续更多是细节优化与功能补充。其二是“衣搭人”，即服饰与具体用户的匹配程度。
这一维度又可进一步划分为两个阶段：
第一阶段是将用户的衣物“穿”在模特身上展示效果，这一能力我们已具备，并仍在持续优化；第二阶段，也是当前技术攻坚的重点，是让用户能真实看到衣物“穿在自己身上”的视觉效果，或预览新衣与现有衣橱搭配后的上身效果。
我们的目标非常明确：基于AR技术实现穿搭的可视化呈现。未来一段时间，团队将集中突破这一难点，力求从根本上解决“买家秀与卖家秀”之间的体验落差。
搭搭：从产品愿景来看，搭搭的终极目标是全面解决用户在穿搭方面的各类需求。产品初期我们保持高速迭代，甚至达到每周一版的更新频率，以快速验证功能、响应用户反馈。
如今产品发展更为稳健，路线图也已明确规划至明年三月。我们将持续引入新功能、优化现有体验。
但核心路径始终清晰：先完善“衣搭衣”，再实现“衣搭人”，最终为每位用户提供高度个性化、专属的穿搭建议与风格报告。
其他推荐阅读：
专属AI产品从业者的实名社群，只聊AI产品最落地的真问题
最新最专业的AI产品信息及分析 🔍 不定期发放的热门产品内测码🔥 内部专属内容与专业讨论👂
— 完 —
【量子位智库】原创内容，未经账号授权，禁止随意转载。
点这里👇关注我，记得标星哦～
