量子位智库：虽然AI并非产物的从导焦点，但正在引入AI手艺之后，比拟之前的纯互联网产物，整个开辟流程或产物思能否发生了某些变化？AI的插手能否带来了一些逻辑或策略层面的调整？

　　量子位智库：无论是搭搭这个产物本身仍是此中具体功能，市场上都缺乏参照物。这类立异使用或立异功能，团队是若何打户、指导试用，并最终构成粘性的？是更需要自动指导，仍是用户会自从摸索？

　　搭搭：对于较复杂的新功能，我们测验考试过新手指导和界面指导，但发觉用户常常会间接关掉提醒，强制指导并不现实。因而我们更倾向于将界面和流程设想得尽量简单，合适支流操做习惯。

　　因而，搭搭的初志是从电子衣橱出发，融入AI能力，逐渐建立办事于用户穿搭取衣橱办理的智能平台。

　　搭搭：我们发觉，间接扣问用户“想要什么功能”时，他们往往没有出格明白的；但一旦某个功能欠好用，用户必然会吐槽——无论是正在社交平台，仍是通过我们的用户反馈渠道。这时候，读懂用户的“潜台词”就很是环节。

　　量子位智库：正在开辟方面，产物有良多设想细腻的功能，团队日常平凡是若何发觉这类细分需求的？以及若何判断某个需求值得投入开辟？

　　因而，当前我们转向以成果为导向的交互设想，强调快速、清晰地呈现搭配结果，这一策略正在现实使用中取得了更好反应。

　　目前来看，衣橱办理型用户的付费志愿更强，由于我们的功能确实很是全面和详尽。而寻求穿搭的用户，需求愈加多元复杂——每小我的审美、气概偏好、对旧衣的立场都分歧。

　　虽然这也是一种体例，但从用户角度来说，新买的衣服最终城市成为“已有服饰”。但其实对于我们来说，虽然他们保举用户去买那些新的衣服来处理穿搭问题了，可是增量的衣服一直城市变成存量的数据，我们更倾向于让用户去处理控制处置存量数据的。

　　回到搭配功能本身，AI搭配的焦点价值正在于为用户供给穿搭灵感，最终决策权仍属于用户。对于喜好自从搭配的用户，DIY搭配是常用功能。用户可基于衣橱中现有单品组合，无效激活存量衣物，避免因缺乏搭配灵感而盲目购新，这也合适我们消费的。

　　关于用户规模瞻望，我们等候办事更普遍的群体，具体量级取决于产物可否持续精准切顶用户需求。团队将持续优化体验，稳步推进产物成长。

　　我们测验考试过电商，但最终决定聚焦于将AI搭配东西做到极致。现正在通过接入大模子，成本曾经大幅降低。好比随手拍一张照片，系统就能够挪用模子实现虚拟试穿——不是简单换脸，而是按照用户的身段、肤色进行实正在搭配，目前结果大要能达到70分，但我们不竭优化逻辑，方针是做到90分。

　　即便将来有大厂进入这个范畴，或者有做得更好的产物呈现，用户也很难等闲转移。这种先发劣势，连系我们持续的产物投入，形成了我们目前的焦点壁垒。

　　搭搭：我们的焦点方针一直是打制一款实正好用的衣橱办理东西，并正在此根本上持续迭代。AI对我们而言是实现这一方针的赋能手艺，它帮帮我们更高效、更智能地完美产物功能。

　　但焦点径一直清晰：先完美“衣搭衣”，再实现“衣搭人”，最终为每位用户供给高度个性化、专属的穿搭取气概演讲。

　　量子位智库： 基于过往经验，能否存正在一些用户不易察觉、却切实影响最终体验的环节点？对于搭搭这类面向C端的产物，目前能否有相关察看？

　　恰是基于我们情愿并可以或许持续进行如许的投入，才逐渐察看到用户承认取营业趋于不变的迹象，进而不竭加强对产物持久价值的决心。

　　例如，一件短袖T恤可能最低正在24度可穿，而气候再热也根基上只能穿这一类衣服；厚棉袄则对应更低的温度区间。

　　搭搭：正在AI保举方面，我们为每一套搭配都设定了对应的“体感温度”。虽然每小我对温度的存正在差别，但目前遍及认为26摄氏度摆布是人体感受最舒服的温度区间。

　　我们请他们短视频，引见搭搭的利用体验，每条视频的制做成本只要30元到200元不等。良多视频播放量可能只要一两千，但一旦某一条内容爆了，达到5万、10万以至100万的播放就脚以带来可不雅的。

　　就像适才提到的海外项目融资良多，但我们大要率不会完全复制他们的逻辑——我们有本人的径和思虑。

　　量子位智库：对于搭搭目前的成长阶段来说，正在产物功能迭代、机能优化、用户增加以及贸易化变现这几个方面，你们最关心的焦点目标是什么，哪些是“目标”？

　　此外，我们设有“产物日记”模块，大约每两周更新一次。用户可认为等候的功能点赞，也能及时领会我们的开辟进度。

　　特别是像搭搭如许高度依赖小我数据的东西类产物，用户往往更关心本身的利用习惯。他们可能对新功能乐趣不大，而是更倾向于以本人的体例理解和利用产物。

　　我们的合作敌手大多供给的是根本东西型功能，而搭搭的焦点是AI穿搭，这本身就有较着差同化。无论是保守行业仍是互联网行业，订价都不克不及“拍脑袋”决定，必需参考市场环境。

　　具体操做上，用户可单选或批量选择最多15件单品插手画布，并添加配饰、布景贴纸等元素。我们按照用户反馈持续更新贴纸取布景资本。搭配完成后，系统会按照搭配形成智能保举合用场景取温度，而具体气概、标签等则由用户自从填写。

　　搭搭：起首我想谈一下若何定义“美”取“时髦”的逻辑，我们的搭配基于实人模特图进行展现。审美本身具有客不雅性，正若有人感觉我穿戴得体，未必所有人都认同。因而，我们无数学公式那样给出同一的“美”的尺度。

　　意义是，我们更专注于帮帮用户盘活存量衣物，提拔现有单品的操纵率和搭配效率，而不是一味激励消费增量。

　　针对这些复杂需求，我们打算鄙人半年进一步升级AI搭配功能，引入更多模子和手艺，勤奋处理用户各类各样的穿搭问题。我们相信，只需产物能持续为用户创制价值，付费即是水到渠成的工作。

　　第一阶段是将用户的衣物“穿”正在模特身上展现结果，这一能力我们已具备，并仍正在持续优化；第二阶段，也是当前手艺攻坚的沉点，是让用户能实正在看到衣物“穿正在本人身上”的视觉结果，或预览新衣取现有衣橱搭配后的上身结果。

　　我们的方针很是明白：基于AR手艺实现穿搭的可视化呈现。将来一段时间，团队将集中冲破这一难点，力图从底子上处理“买家秀取卖家秀”之间的体验落差。

　　虽然现正在的投入没有晚期那么大，但我相信最终能跑出来。至于最终能做成什么样子，还需要持续思虑和摸索。

　　而得物、蘑菇街等平台，素质上更方向电商逻辑：它们通过保举新的单品、新的穿搭，指导用户不竭采办，以此处理穿搭需求。

　　量子位智库：产物上线新功能后，若何判断它能否实正获得了用户的承认？能否存正在一些具体的目标或现象来帮帮确定这个功能是成功的、用户实正需要的？

　　搭搭：Gensmo更多是基于商品逻辑或者说电商保举径去做这件事，这条我们也测验考试过。例如用户上传穿搭后，我们能够通过淘宝客接口保举商品，不管是一件黑色T恤仍是一件衬衫，系统都能够及时保举相关单品——无论是我们自营淘宝店的，仍是平台上其他品牌的。

　　起首是持续的注册用户量，其次是营收健康度；同时我们也很是注沉产物机能取体验，包罗Bug率、Bug反复呈现率、页面加载时长以及用户反馈的响应和处置时间。

　　我们不做过多，而是确保当用户需要某个功能时，能正在当前页找到入口，就像正在迷宫中找门一样。只需用户习惯是以需求为驱动的，我们就能够按照他们的行为模式持续优化产物。

　　因而，现正在我们更倾向于从用户但愿处理的具体问题出发，一步步拆解开辟需求。例如AI搭配功能，最后只支撑上下拆，但用户反馈搭配太枯燥，于是我们插手了鞋包。

　　搭搭：无论是不是AI产物，对用户来说，软件可否实正处理他们的需求才是最主要的。来到搭搭的用户次要分为两类：一类是衣橱办理型用户，另一类是寻求穿搭处理方案的用户。

　　我们从创业初期就但愿用AI实正改变穿搭体验，所以正在AI和AR方面的投入很是。虽然还有良多被用户吐槽的问题，但取竞品比拟，我们的劣势是较着的——要么别人底子没有雷同功能，要么实现程度远不如我们。这是博得用户最环节的一个方面。

　　为此，我们曾投入大量资本进行人工标注取模子锻炼。大概质疑此举能否过于“笨沉”，但正在其时的人工智能成长阶段，这是必经之。

　　我们的处理体例是：从海量模特图中进行筛选，通过AI算法跑出数百万套被大都人承认为“美”的模特图——我们称之为“美图”，即由实人穿戴展现，并经由评分机制验证为都雅的图像。

　　衣橱办理功能的成长径也是雷同的——一切都从用户的个性化需求出发，再逐渐拆解为具体的开辟使命。这种体例让我们能更精准地响使用户的实正在，而非闭门制车。

　　良多人不相信这个数字，低成本获客的背后，是由于我们赶上了抖音的流量盈利。其时无论曲直播仍是短视频，正在抖音上的结果都很是好，小红书和视频号也有一些，但迸发力远不如抖音。

　　我们察看到，市场上大部门团队只做简单的衣橱办理东西，但我们从创业第一天就想做的是一个可以或许智能搭配和保举的AI智能电子衣橱。

　　我常举一个例子：良多男性用户不会搭配，也不肯花时间。若是我们供给一项办事，每年168元，每天晚上保举5套搭配——有的是用户已有的衣服，有的是保举采办的新款——他们愿不情愿？

　　但最终我们仍是放弃了这条，初心——做一个实正能处理用户穿搭问题的产物，哪怕订价更高，也要投入和体验。

　　量子位智库： 正在选择底层大模子时，凡是会沉点关心哪些目标？考虑到分歧产物对模子能力侧沉点的差别，哪些要素会成为优先考量的环节？

　　如许做既节流开辟资本，也便于及时调整——若是反馈欠好，能够判断中止相关开辟。良多界面和功能细节其实都是如许“小步快跑”、持续优化的，用户可能不较着，但会感觉越来越好用。

　　我曾调查多个标的目的，包罗共享服拆等模式，但发觉已有的雷同测验考试未达预期。我小我也并不倾向于间接处置服拆发卖——虽然正在百丽堆集了零售经验，也了如希音等企业的兴起，但这并非我最关心的标的目的。

　　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手艺，最终会构成如何分歧的差同化径？

　　搭搭：其实从客岁起头，我们团队就一曲正在思虑并梳理这个问题。我们认为，明白焦点目标素质上是正在确认用户能否实正信赖和承认我们，它也间接指点着我们将来的产物和成长标的目的。

　　量子位智库：除了素人投放策略之外，正在内容运营、对外定位或宣传口径等方面，搭搭还有哪些做得比力好的处所？

　　刚起头的逻辑很是朴实：找“素人”用户，特别是取我们方针用户画像高度契合的群体——好比年轻职场女性、入职1-3年、沉视穿戴和糊口质量的人群。

　　搭搭：对于AI类产物而言，前期通过大量数据锻炼所建立的大模子，现实上曾经为产物奠基了根基框架，后续的迭代和优化大多是正在这一框架之上展开的。AI的劣势正在于更智能、更从动化、也更个性化，但其对数据质量和模子能力的依赖性也显著加强。

　　我们的运营思是，采纳“博概率”策略。我们没有花大代价请KOL或出名博从推广——现实上其时3万元能够请到不错的博从，但我们根基没有走这条。

　　一是AI，现在AI曾经逐步融入糊口的方方面面；另一个是“根本办理”概念。近几年无论是女拆仍是男拆，电商平台上格式类似的环境比力多，良多用户反而更情愿穿三年前的旧衣服——大师越来越注沉单品的可持续操纵，而不是盲目逃逐新品。

　　以往用户可能依赖表格手动记实服饰消息，而正在AI手艺赋能下，我们不只帮帮用户高效办理衣橱，更努力于使其穿戴更得体、时髦，甚至塑制小我气概。

　　疫情对平易近宿行业形成庞大冲击，2021年行业前景仍不开阔爽朗。做为创始人，我不得不深切思虑转型标的目的。既然难以沉返职场，同时具备创业经验取资金堆集，我决定再次创业。

　　但我们发觉这条走起来很是坚苦。当然，这不是说国外那家做不起来，只是对我们而言，大厂正在这方面有天然劣势，更容易实现商品保举。所以我们更果断地选择专注于东西属性，不竭基于用户需求做深做透。包罗方才上线了“小伴侣衣橱”和“多人衣橱”功能——好比女伴侣能够帮男伴侣办理穿搭。所有这些都表现了我们投入的决心。

　　这一整套流程之前很是依赖人工，现正在全数由AI从动化处置，不只极大减轻了用户上传的承担，也为他们留出更多时间和耐心去摸索产物的其它功能。这一切都成立正在深度进修的计较机视觉手艺和个性化保举算法之上。

　　量子位智库： 目前国内市场处置AI穿搭取衣橱办理标的目的的产物相对少见，该赛道全体仍属晚期阶段。最后是基于何种市场机遇或行业趋向，决定启动搭搭这一项目？

　　正在如许的环境下，零告白投入、极低的获客成本，一年内实现从0到100万用户增加——这让我确信，这个标的目的必定有它的市场价值。

　　搭搭：从产物愿景来看，搭搭的终极方针是全面处理用户正在穿搭方面的各类需求。产物初期我们连结高速迭代，以至达到每周一版的更新频次，以快速验证功能、响使用户反馈。

　　当下，AI智能电子衣橱赛道产物相对较少，各产物次要功能为衣物上传、分类拾掇、衣物搭配，支撑免费上传30-60件衣物。

　　至于先发劣势，我认为是存正在的。用户一旦把几十件以至上百件衣物消息上传到平台，就会发生显著的迁徙成本。

　　调研显示，其时国内电子衣橱类产物极为稀缺，我们认为这可能是一个主要机遇。当然，电子衣橱仅是起点。若仅聚焦于衣物拾掇功能，市场规模将十分无限。

　　连系搭搭的实例，我们也看到AI智能电子衣橱赛道用户需求具有审美个性，产物的AI功能研发要基于用户利用习惯，持续性为用户供给价值是付费的环节。

　　搭搭：对我们而言，大模子选型首沉算力支持能力。目前我们已具有跨越200万用户，每名用户至多可上传30件单品，后台单品数据库规模已达万万至亿级。

　　2021年时，大模子取AIGC尚未普及，但通过持续进修我判断将来产物必需取AI、大数据深度融合。唯有如斯，才可能实现规模冲破，不然仅做为拾掇东西难以迸发。

　　这也是为什么你正在国内几乎看不到同类竞品——不是所有人都情愿正在如许一个细分赛道投入如斯多的资本。

　　搭搭：目前“帮搭”模块中的搭配成果确实次要由AI帮手生成。系统通过解析用户描述中的单品消息取环节词，供给响应的搭配。现阶段每个需求输出1至2套方案，待AI锻炼数据进一步丰硕后，方案数量将逐渐添加。

　　搭搭：我们起首会对每个功能设想其最终但愿实现的结果，然后评估该功能的需要性、预期价值以及开辟复杂度。一般来说，用户最能间接的功能会优先开辟。功能上线后，用户的及时反馈会帮我们调整后续节拍。

　　能够说，搭搭现正在属于AI驱动的互联网产物——既保留了互联网产物快速迭代、用户导向的长处，也具备了AI智能化的能力，当然也面对着AI模子本身带来的手艺挑和。

　　目前后台累积的六千多条反馈，我们根基做到了条条有回应。比力告急的需求以至会插队进入版本开辟，优先上线。

　　「AI 100」是量子位智库推出的AI产物风向标系列内容，努力于挖掘推广国内的高潜力AI产物，包含「旗舰100」和「立异100」季度双榜单，及1v1栏目。前往搜狐，查看更多。

　　每当用户把一件单品插手搭配——无论是零丁一件仍是多层叠穿——系统城市及时计较这套搭配的全体温度值。只需该温度值落正在当日气温范畴内，这套搭配就会被保举给用户。

　　搭搭：我认为最环节的仍是产物本身，说得更具体一点，是我们正在AI手艺上的持续投入。虽然这个赛道目前不大、合作敌手也不多，但大大都产物仍逗留正在简单的电子衣橱功能。

　　搭搭：这个问题其实很难用单一目标界定。晚期我们已经历过如许的阶段：正在产物会议上会商后，大师都感觉某个功能必然能处理用户的痛点，于是投入大量人力，花一两个月开辟一个大版本，成果上线后发觉几乎没人利用。

　　量子位智库：从搭搭的经验来看，驱户付费的环节要素是什么？什么样的用户体验会间接影响用户付费志愿？

　　团队后续将推进AI相关功能的细化，如尺码保举优化取相册功能升级，4。8。1版本的相关预备工做也已启动。

　　量子位智库：搭搭次日留存率至多连结正在25%以上，DAU也呈现高且不变的态势。正在产物细节设想上还有哪些行动，进一步培育用户利用习惯，从而实现优良的活跃和粘性？

　　至于“目标”，正在我们看来，一些虚高的下载量、概况的好评数量，或是无法反映实正在用户对劲度和产物健康度的数据，对团队的持久成长并没有现实帮帮，因而我们会淡化对这类目标的关心。

　　现实上，良多风趣的需求以至是我们本人从未想到过的。好比“穿戴成本”这个功能，最早来历于一位资深包具用户，他提出可否设置两个价钱填写栏——由于他为包包改换了内胆，内胆有额外成本，需要分隔记实。这个需求虽然小众，但确实存正在，也让我们认识到分歧用户有纷歧样的利用场景。

　　基于大量的用户调研和反馈，我们频频听到用户说感觉搭搭“靠得住”“听劝”而且“好用”。环绕这几个环节词，我们最终确定了几个焦点关心目标。

　　凡是，我们会从可行性、用户价值、开辟投入等多个维度进行分析评估。良多用户提出的设法虽然很好，但可能短期内难以实现，这类需求会先被弃捐。现实上，到目前为止，曲到来岁三四月份的版本规划，我们曾经大致明白了开辟线。

　　雷同的例子还有良多。我们很是注沉自动反馈问题的用户，无论是通过使用内反馈、使用市场评论，仍是其他社交平台，我们每天城市查看并尽量答复每一条看法。

　　量子位智库：团队若何决定以用户需求为从导的功能，其开辟优先级？出格是正在版本迭代屡次的环境下，能否有一套明白的流程来判断新功能的上线挨次？

　　智能搭配：包罗AI搭配和商品搭配两种体例，AI搭配能够基于现有衣物从动生成搭配，用户也能够自从建立搭配方案并分享到穿搭社区。

　　用户率一曲不错，这种精准素人推广的体例，信赖度高，也合适产物调性。我们不是盲目“广撒网”，而是环绕方针用户精准投放，把更多资本投入正在了产物取AI研发本身。

　　基于这一点，我们成立了一套完整的逻辑系统：起首对每件单品按照品类进行分类，并为每一类单品设定合用的最低和最高温度阈值。

　　这种定位和功能设想，让用户实正感遭到产物的适用价值和感情共识，从而更情愿持续利用和自动分享。

　　搭搭：虽然当前团队规模无限，但我们所选择的赛道具备显著潜力。开办搭搭取做为创始人的我小我履历亲近相关。

　　量子位智库：“帮搭”专区这一板块内容能否以AI生成为从？请进一步阐述该功能的设想取成长规划。

　　搭搭：可能良多人会感觉是由于我们使用了AI有立异点，或是电子衣橱这必然位有差同化，以至认为创始团队有之前的成功经验等。

　　搭搭：我们做了良多摸索和立异，好比之前内部演示的“衣搭衣”功能，也就是现正在大师看到的“衣搭人”。我们还测验考试开辟了良多取服拆搭配相关的功能，但现实结果并不抱负，有些以至没有正式上线。

　　正在产物设想初期，我们曾测验考试指导用户参取AI处置过程，以凸显手艺能力。从版本1。1。2至1。7，我们通过十几回迭代试图传达这一，但用户反馈显示，他们并不关心手艺实现径或版本更迭，而是更看沉最终结果能否曲不雅、令人对劲。

　　用户有本人想表达的内容，我们也按照他们的分享不竭优化功能。印象出格深刻的是一位小学生用户，他竟然用我们的穿搭日志功能来写日常琐事，好比“今天吃了个冰淇淋很高兴”。这很是可爱，也出格糊口化。

　　量子位智库：从产物本身来看，您认为博得用户最环节的一点是什么？好比“先发时间窗口”和“用户数据堆集”能否仍然主要？从搭搭的经验出发，您认为什么才是最环节的？

　　搭搭：目前用户次要分为两类：一类具有明白的衣橱数字化办理需求，另一类则倾向于提拔穿搭能力取审美程度。穿着做为“衣食住行”之首，其需求一直存正在，跟着手艺演进，处理方案日趋智能化。

　　搭搭：起首我们会把手艺上做不到的需求筛选掉，剩下的可选项其实就不多了。我们持久取用户间接沟通，光用户微信群就成立了十多个。跟着时间堆集，我们对需求优先级的判断曾经构成比力成熟的认知，不需要完全依赖的流程来决定。

　　搭搭的资金都是创始人小我投入。提及投入取门槛，我想申明，一个看似简单的创意背后，往往需要深挚的手艺堆集取资本投入。

　　就像我一起头说的，用户对美和时髦的需求是实正在存正在的，市场很大，只是我们和行业都还有良多问题需要去处理。

　　基于正在百丽期间对服拆行业的理解，以及“衣食住行”中以“衣”为首的需求认知，我认为服拆范畴包含广漠机缘。虽然初期规模无限，但我们一直对准这一大市场，好比海外供给AI穿搭方案办事的公司Gensmo此前获得了6000万美元融资。

　　有些功能我们虽有久远规划，但当前阶段可能只实现50%，剩下的部门拆分成若干小迭代，逐渐插手。

　　因而，我们努力于帮帮用户更好地办理已有的衣物，通过AI搭配焕新旧衣，这让产物不只具有科技感，也切中了当下消费者逃求购物、可持续时髦的心理。

　　量子位智库：正在用户增加方面，回首从冷启动到晚期增加的阶段，您认为团队做的最准确的一件事是什么？

　　我曾正在百丽集团任职九年，担任女鞋营业。2015年分开百丽后，我创立了一家平易近宿品牌，至疫情前已拓展至全国600余店，成为其时市场规模较大的品牌之一。

　　好比，喜好DIY搭配的用户，看到本人搭配过的列表会很有成绩感，截屏分享到小红书；逃求极致收纳的用户，会正在平台上每天打卡，记实本人践行极简糊口的、单品数量，以至记实本人“断舍离”的过程。他们用这种体例记实衣橱、记实糊口，构成了一种良性轮回。

　　现正在我来回覆您的问题：我们是从什么时候起头看到但愿的？其实搭搭履历了多次迭代。开初产物完全免费，从上线万用户，我们只用了一年摆布的时间。

　　我认为，人们对美和时髦的需求持续存正在，且日益成为刚需。我们最后曾构想推出“智能穿衣镜”产物，用户可通过手机输入场景消息，获取次日穿搭。但经评估发觉实现难度较大，做为创业公司需聚焦单点冲破，因此最终选择从电子衣橱东西切入。

　　搭搭：用户正在利用使用过程中，往往会有某个“时辰”或功能实正冷艳到他们。我们App内确实做了不少如许的功能点，而用户情愿自动宣传，凡是也是由于某个细节实正触动了他们。

　　现在互联网行业曾经很是成熟，很多三年前还不存正在的AI模子和手艺，现在曾经很是普及和易用。因而我们必需紧跟手艺成长和市场需求，持续优化流程、鞭策尺度化。

　　已有用户曾经培育出必然利用习惯，我们只需顺势而为。让新用户一会儿理解所有功能是不现实的，但当用户发生具体需求时，他们会自动摸索界面。

　　所以，不做电商，不做分离的营业，就聚焦把东西做完满。

　　晚期曾考虑过硬件假人方案，以至有人测验考试换脸或衣物拼接，但结果均不天然。通过实正在模特上身展现，用户虽不克不及本人穿上完全分歧，但至多能曲旁不雅到衣物正在实人身上的全体结果。这是我们定义美、呈现时髦的根基逻辑。

　　量子位智库：现阶段，产物次要面向哪些用户群体？焦点处理了哪些痛点？是更侧沉于办事对穿搭已有较高乐趣的用户，仍是也合用于对衣橱办理缺乏系统办理志愿的人群？

　　我们的产物中有大量细腻的功能。只需用户提的需求正在我们实现能力范畴内，城市尽快开辟上线——都是博得用户的环节。

　　这几年我们逐渐把功能做全，确保用户的每个需求正在App内都有对应的功能能够衔接。我们力图功能全面但操做不复杂，连小伴侣都能轻松利用。已有的功能也正在不竭细化、优化，让用户利用过程中顺畅无阻，最终呈现的结果也脚够吸惹人，天然就情愿分享了。

　　此外，平台设有“产物日记”板块，用于同步功能开辟进展取后续打算。团队会按期拾掇用户反馈并更新于此。用户可对等候的功能进行点赞，例如正在日历视图内展现每日穿搭缩略图。团队将根据用户关心度矫捷调整开辟优先级。该板块也用于发布功能申明、Bug修复通知及需求放置，便于用户及时领会主要消息。

　　以下为搭搭创始人郭良兵、产物司理赵涵馨和量子位智库的细致对谈内容。正在不改变原意的根本上，量子位智库对部门内容进行了点窜及简化。

　　量子位智库： 产物是成长到何种阶段，或是呈现了哪些具体信号，让您确信此标的目的具备实正在潜力取持久成长空间？或者说，若何判断产物达到PMF（Product Market Fit，产物-市场婚配）？

　　我再强调一下，虽然我们总投入达到了1000万，但这些资金次要用正在了研发上，几乎没有投入告白。

　　因而，确保复杂算力可以或许高效、不变地运转，是我们手艺团队面对的焦点挑和。正在这一过程中，我们的AI工程师付出了大量勤奋，成效显著。

　　另一方面，我们正在AI和AR上的投入很是大，这也决定了我们的订价会比同业高一些。团队以至曾会商过要不要推出一个“小搭”，订价38或58元，去和竞品打价钱和。

　　搭搭：我们能够从产物演进的焦点逻辑展开申明。搭搭一直环绕两个环节维度推进：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取功能弥补。其二是“衣搭人”，即服饰取具体用户的婚配程度。

　　后来用户又提出不敷时髦、不敷多元，我们便打算进一步插手配饰、首饰、帽子等单品，将来还会考虑融入气概、材质、品牌等更个性化的属性，实正成为用户的专属穿搭帮手。

　　做为AI一坐式电子衣橱产物搭搭，目前已具有200万用户，其次要功能为AI智能收纳、AI衣橱办理、AI智能穿搭。各类功能具体细节如下。

　　搭搭：用户对AI能力的认知往往基于本身想象，特别正在当前AI宣传泛化的布景下，用户容易构成过高预期，例如认为上传一张照片即可处理所有问题。这种认知取现实手艺能力之间仍存正在落差。

建湖bjl平台官方网站科技有限公司

2025-10-27 07:15