在线购物中的搜索角色正在发生变化。消费者不再仅仅通过输入商品名称来寻找所需产品，而是通过人工智能（AI）解读用户的偏好和情况，提供推荐结果。这一趋势使得购物的标准从搜索转向以推荐为中心。
根据26日发布的Resolve AI购物行为分析报告，调查显示10名购物者中有7名仅通过一次搜索就完成了购买。由三个以上单词组成的长文搜索在2024年占整体搜索的25%，而到今年2月这一比例上升至40%。与此同时，使用过滤器和探索搜索结果首页之后的比例分别下降了13%。这表明，购物环境正在转变为AI解读消费者意图的方式，而不是通过组合关键词来寻找商品。
这种变化也反映在平台服务上。Musinsa最近在OpenAI的ChatGPT中推出了Musinsa专用应用程序。用户无需输入品牌或商品名称，只需提供价格范围和偏好品牌等多种背景信息，AI便能推荐相关商品，并将结果链接到Musinsa在线商店。此前，Musinsa还在KakaoTalk中推出了AI风格推荐服务。Musinsa相关人士表示：“通过对话式时尚与美容商务，我们提供了精细的推荐结果，未来将通过与多种服务的联动，推动流量进入Musinsa商店。”
Half Club引入了以风格为中心的AI搜索。用户可以通过“秋季上班穿搭”、“今年流行的度假穿搭”等风格关键词找到相关商品。AI分析搜索词中的风格和趋势后，与约700万件商品数据进行比较，推荐相关性高的商品。商品详情页面还应用了图像-视频转换技术，将静态商品图像转化为视频，直观展示商品的轮廓和动态，使消费者在网上也能生动地看到实际穿着效果。未来，该技术将扩展到主要品牌商品。
Abley通过基于生成型AI的虚拟试衣服务“AI穿衣”让用户提前体验多种风格。消费者可以选择最多10种想要试穿的时尚风格，并上传一张照片，AI将根据照片中的面孔和背景，展示多种服装风格。这不仅超越了“风格商务”的角色，还为消费者提供了可视化的内容。
随着推荐成为购物的起点，平台积累的商品数据的重要性也在上升。尽管AI功能迅速普及，但商品信息的精细构建以及与用户偏好的连接，将决定服务的完整性。业内人士预计，AI的应用范围将从商品搜索扩展到比较、推荐和购买支持。
根据市场调研公司Embrain Trend Monitor的调查，50.2%的受访者表示希望尝试“AI购物助手”，但不愿意将所有购买交给AI。43%的受访者认为，单靠AI的数据分析难以完美理解个人偏好，这是他们不愿意完全依赖AI的主要原因。随着AI推荐服务的普及，如何精细反映个人偏好并建立消费者信任将成为关键。
金时月，建国大学消费者学系教授表示：“每位消费者所需的信息和购买标准不同，因此建立反映个人特性的定制推荐系统至关重要。”他指出，“快速积累体型、时间、地点和情况（TPO）等多种信息并将其反映在推荐中，将是关键。”他还补充道：“随着推荐服务的扩展，必须建立相应的责任体系和退款系统。”
※ 本报道经人工智能（AI）系统翻译与编辑。
