70% 的人逛电商,根本没打算买东西

先问你一个问题。

你上次打开一个购物 App,是明确要买点什么,还是随便逛逛?

我最近看到一份 Zalando 的观察。Zalando 是欧洲最大的时尚电商之一。他们发现,自己平台上的用户,尤其是年轻那批,70% 的人打开 App 时,压根没有明确的购物意图。

70%。七成。

他们不是来下单的,是来逛的。找灵感,找感觉,找那种「这件衣服好像有点懂我」的连接感。

这事儿细想很可怕。因为传统电商的那一整套打法,是围绕「带着明确意图来的人」设计的:搜索框、白底图、参数表、价格排序。

可现在,大多数人是闲逛进来的。

闲逛的人,你给他一张白底商品图,是留不住的。

一张静态图,已经喂不饱逛街的人了

Zalando 负责内容解决方案的高管在分享里举了两个特别朴素的例子:一双网球鞋,放在球场上拍;一双登山靴,放在山野里拍。

听着简单吧?但用户就是更能看懂、更愿意停下来。

他们做了个大胆的动作。2025 年 10 月起,商品详情页的第一屏,不再是图片,是视频。而且是 AI 增强的视频和生活方式场景图。

结果呢?互动率高出 10% 以上。用户更愿意回访,停留时间也更长。

但真正让我觉得有意思的是后面这句:有些品类,卖得反而更少了。

卖得更少,不是坏事。因为用户买得对了,退货也少了。

内容的目的,从来不是让用户多买,是让用户买对。

大厂在替你训练消费者

这几年发生了一个大众化事件:ChatGPT 的普及。从小孩到老人,都敢跟 AI 聊两句了。

这件事的连锁反应,比大多数人想的长。

先是客服。既然我妈都习惯跟 ChatGPT 说话了,那她跟购物网站的客服机器人对话,一点心理障碍都没有。

然后是搜索。以前我在搜索框里敲「红色鞋」。现在我会说:「这周末要去爬山,想找一双红色登山靴。」

更自然的表达,带着上下文,更快抵达结果。

亚马逊走得更远。他们把一个叫 Rufus 的生成式聊天机器人,直接放进了商品详情页。给孩子买个遥控车,你不用再展开那个长长的参数折叠页去翻「带不带电池」,直接问一句就行。

这就是大厂的厉害之处。亚马逊既是零售巨头,又是科技公司。它每优化一步体验,就在重新训练一次消费者的预期。

用过好的,就回不去了。我现在看到没有 AI 问答的商品详情页,都觉得难受。

对其他零售商来说,这是祝福,也是诅咒。

搜索这个入口,正在被改写

有一位做零售科技的创业者分享了她的研究:目前 Google 上大约有 50% 的搜索,是由智能体和聊天机器人完成的。

50%。

而且 Google 自己也在变。以前一次搜索能给你二十多页结果,没人真翻过第三页往后。现在,结果页压缩到 10 页左右。你的商品,如果排不进去,就等于不存在。

所以,过去人人谈 SEO,现在得谈 AEO。AI 引擎优化。你的商品信息,得让 AI 看得懂、愿意引用。

那位创业者给的建议特别实在:先别急着优化,先量基线。你现在在各大 AI 引擎里到底长什么样、被怎么提及,用 Profound、Scrunch AI 这类工具先测清楚。

不知道自己现在几分,谈什么提分?

6 到 8 周,变成 2 到 3 天

时尚的趋势周期,已经快到荒谬的程度。一个趋势,早上在 TikTok 冒头,周末可能就凉透了。

传统做法追得上吗?追不上。

Zalando 说,他们自己已经算快的了,产出一个完整的营销 campaign 只要 6 到 8 周。可趋势只活几天。6 到 8 周,追的是尸体。

用了生成式 AI 之后:从发现趋势、出创意、做素材,到上线,压到 2 到 3 天。成本降了 90% 以上。

速度快了,成本低了,就敢做了。他们现在的应对式内容,大约 80% 已经是 AI 增强,而且是按各个市场的本地文化节点来做。全球统一的那套内容逻辑,变成了各玩各的本地化打法。

他们还上线了一个叫 Stories 的新格式:平台上第一个纯视觉优先的体验,专家策展、短视频、每周上新,还请客座创作者进来,聊穿搭、聊养护。按他们的说法,这是技术、创意和叙事第一次在他们平台真正会师。

什么叫选择瘫痪?

再往下钻,是另一个数字。

麦肯锡的年度时尚行业报告做过统计:74% 的消费者,会因为选择太多、不知道怎么选,直接放弃下单。

74%。四分之三的人,不是被价格劝退的,是被选择淹死的。

为什么社交平台没这个问题?你在 TikTok、Instagram 上,是被算法认识的人。你刷的每一条,都在喂养算法,算法越来越懂你,你也越来越爽。

而电商网站上,98% 的访客是匿名的。

98%。你不知道他是谁,他刚从哪来,想要什么。除了 UTM 参数和点击流里那点可怜的线索,个性化基本无从谈起。

有一家电商咨询公司的 CEO,给了一个我认为更远期的判断:智能体商务。

什么叫智能体商务?

就是作为消费者,你会去训练一个属于你的 AI 代理。把邮箱给它,让它读你所有的订单确认邮件;让它知道你的衣柜、你的偏好、你的客单价。

然后,这个代理替你上线,带着完整的画像和品牌谈条件:「这是我主人的消费力和购买意向,给个别人拿不到的折扣吧,不然我就走。」

代理是按替主人成交来考核的,它有充分动机替你争取最好的条件。

到那时候,个性化就换了一种形态:不再是网站猜你喜欢,而是你的代理,和品牌的系统,两个 AI 在谈判。

个性化分三层,别一上来就烧钱玩虚的

那位零售科技创业者把今天最见效的个性化,分成了三层。顺序很重要。

第一层,商品推荐。

在线下,一个好导购最值钱的一句话是什么?「这件配这条裤子,特别好看。」线上把这句话翻译出来,就是个性化推荐。他们的数据显示,光是这一层,就能带来 288% 的购买提升。

288%。这可能是投入产出比最高的一层。

第二层,自然语言搜索。

让用户用大白话找东西:「参加晚上正式的婚礼,想要长款,这个色系。」AI 得听得懂场合、长度、颜色,而不是甩回来一堆不相关的结果。

第三层,虚拟试穿。

先说实话:虚拟试穿今天还解决不了尺码问题,它做不到告诉你「这双你该买 42 还是 42.5」。但对那些只是想看看「搭起来什么样」的用户,已经够用了。

她说的一句话,我特别喜欢:我们不是在创造新行为,我们是用技术,把线下已经存在了几十年的好体验,搬到线上,并且做得更高效。

试衣间,是电商最后一块硬骨头

Zalando 在虚拟试穿这件事上,推了三件事。

第一件,3D 虚拟试穿,从鞋开始。鞋是技术上最成熟的品类。到 2025 年底,用户已经能在 3D 里看 1 万个 SKU 的鞋、虚拟上脚;按当时的计划,2026 年要把整个鞋类目录都搬进这个沉浸式体验。

第二件,虚拟试衣间,从牛仔裤开刀。牛仔裤是服装里最难的品类之一,版型多,尺码能到二十多个。他们的做法是给用户建一个身体的 3D 数字孪生,把裤子「穿」到孪生身上,哪里紧、哪里松,下单前看得清清楚楚。

第三件,一个叫 Style It 的功能。在商品页点一下,跳出一个虚拟形象,给你换着花样搭整套。从设计师品牌起步,因为那部分用户最愿意为整套搭配买单。未来你还能捏一个自己的形象,把搭配分享给朋友。

但这里有个死结,他们自己也承认了:数据。

你想让用户 3D 地看商品、精确地看版型,品牌就得把 3D 资产和尺码数据交出来。谁想给用户更多信息,谁就得先给信息。

不过一旦这个资产做出来了,用处是指数级的:官网能用,上架其他电商平台能用,线下店摆一面虚拟镜子,数字试穿比真穿还快,试完直接下单,或者存下来回家接着逛。

退货里,藏着金子

有一位创业者,职业生涯是从尺码科技行业开始的。她讲了一个数字:87% 的退货,是因为尺码和版型不对。

87%。这不是技术问题,是买卖双方信息不对称的问题。

她后来在门店销售一线干了很多年,自称在试衣间里泡了上万个小时。她讲了一个我认为全文最实用的场景:

给商品打标签,追踪一件衣服在店里的移动,什么时候被拿进试衣间。再结合会员数据:这个客户平时买什么码、多久来一次。这样你就能在早会上告诉店员:这款牛仔裤,买 34 码的客人几乎都会回来换 32,你先别递 34,先告诉他这款偏大。

一句话,一次好体验,一个更忠诚的客人。愿意被这样服务的顾客,会越来越离不开你。

她的总结是:技术没那么神秘,也不一定要花大钱。就是把散落在各个部门、各个系统里的数据连起来,让离顾客最近的人先知道。

翻车的两次

当然,得说说另一面。这几年,数字模特和数字服装,翻过两次不小的车。

第一次是 Levi's。他们想用数字模特来「提升多样性」,结果被用户一顿骂:真实世界里多元的人那么多,你为什么要造数字的?最后道歉、下架。

第二次是时尚媒体 Vogue,发布了一批数字人穿着数字服装的图片,读者直接放话要退订。

问题出在哪?

出在没问对问题、没给选项、没说实话。

那位创业者拆得很细:用户是分群的。有人想看到和自己身材、风格相似的形象,有人只关心功能和新品。品牌该做的是分群调研,然后给选项——你想看数字模特,还是真人?——并且明明白白告诉用户:这是数字模型,是某个形象的数字呈现。

时尚是个在意「真」的生意。哪怕传统模特也不「真实」,哪怕目录里的造型也是拉扯摆拍过的,但用户要的,始终是那份看得见的真实感。

把话从「这东西怎么做的」,挪到「它给用户带来什么价值」——信息更准、退货更少、灵感更多——抵触自然就小。

创意人的焦虑,摄影圈早就经历过

很多人担心 AI 毁掉创意行业:摄影师、造型师、模特。

有一位在欧洲球鞋零售商做过首席数字官的人,讲了个特别生动的故事。几年前,生成式工具刚出来的时候,一位摄影师打电话给他,说正在拍一个球鞋 campaign,现场缺三个陶瓷道具柱,拍不了了。

他问:你手边有什么?

摄影师说:一个苹果箱。

他说:那就把鞋放在苹果箱上拍,背景用 AI 补。

摄影师愣住了。补完之后,这位摄影师突然发现自己被解锁了——下一条片子,他把场景直接拍在了沙漠里,再后来,是月球上。

他后来说,这和当年摄影从胶片转向数码,是同一种震荡。坚持用胶片的当然还在,也挺好;但想更高产、还想保持创意水准的人,都拥抱了数码。AI 之于今天的创意行业,就是那次数码化。

以前不敢想的疯狂创意,不用烧一大笔制作费就能实现。而接下来,发现商品的入口正从搜索引擎挪向 AI 助手和社交媒体,内容只会更稀缺,更值钱。

用工具放大品牌自己的声音,会是未来几年最关键的功课。

小公司,别从选工具开始

最后回答一个很多人关心的问题:没钱没团队的小公司,怎么用生成式 AI 才不至于用得平平无奇?

三位的观点,意外地一致。

工具是按用量计费的,流量小、用量小,成本就低,小公司反而用得起;大公司有数据安全审查、采购流程、层层测试,小公司没有。船小,掉头就是快。

但最关键的一条是:别从工具开始,从工作流开始。

先把你的业务流程画出来:哪一环缺人?哪一环低效?哪一环如果有帮手,就能多赚一笔?比如每周要出一张新图但没人修图,比如客服回复慢,比如长文案写不动。

每一个缺口,对应一类工具。倒着选:从目标和瓶颈出发,去找那个能补位的工具,而不是先把热门工具全试一遍。

还有一条,给所有规模的公司:投入要能算出回报。算得清回本,你才敢持续地试错、迭代。

写在最后

那份 Zalando 参与发布的白皮书里,引用了麦肯锡在 2025 年的一个估算:生成式 AI 可能给时尚和奢侈品行业,增加最多 2750 亿美元的营业利润。

2750 亿美元。钱的窗口期,是三到五年。

但我最在意的,还是开头的那个数字:70% 的人,是闲逛进来的。

电商这一仗的胜负手,正在从「把货铺满」,变成「让闲逛的人看懂、看信、看得动心」。

图会拍得越来越像真的,页面会变得越来越会聊,退货会越来越少,而那些真正被理解过的顾客,会一遍遍地回来。

把闲逛的人,变成会回来的人。

这就是生成式 AI 递到电商手里的那张新考卷。

祝你答得漂亮。