在电商网站上搜索关键词，但结果不相关，甚至根本没有结果，这种糟糕的购物体验如今有专业的A I来改善。Lily AI抓住了解决这一痛点的关键：让厂商和消费者对产品的描述语言变得匹配起来。
人工智能会让我们更容易花钱吗？答案是肯定的。
试想一下，即将参加好友婚礼的你，亟需购买两套分别满足婚礼仪式与晚宴派对的衣服和配饰。但当打开电商购物APP时，免不了会陷入苦恼—该输入哪些关键词才能寻找到称心如意的礼服？在一通操作后，弹出来满屏商品图，让你一阵眼花缭乱，似乎没有特别合适的，感觉“选择困难症”又犯了，并由此陷入对自己亲手敲下的关键词“婚礼”“礼服”的沉思：为什么不把它外包给人工智能机器人，让它来读懂我的小心思呢？一旦它对我的品味、价格、品牌、材质、色彩、版型偏好了如指掌，不就能轻轻松松地为我量身精选出一两套得体又合体的穿搭方案，在短短几秒内从数百万个项目中检索出最个性化、最有针对性的结果？
这一奢望现已成为触手可及的现实。位于美国加利福尼亚州山景城的一家名为Lily AI的人工智能公司，成功将“罗纹针织面料”“极简主义着装风格”等产品属性转化为算法能够理解和学习的数学语言，由此帮助如梅西百货、Bloomingdale’s、Gap集团、Abercrombie&Fitch等时尚、家居和美容品牌，训练产品搜索模型和推荐算法，为消费者提供个性化推荐，并根据品牌方构建的用户画像与商品属性来预测每个潜在用户的偏好或购买特定商品的可能性，从而增加用户的生命周期价值（LTV），降低获客成本（CAC）。
从搜索到发现
Lily AI是一家由女性领导的公司。首席执行官Purva Gupta和首席技术官Sowmiya Chocka Narayanan，这两位女性联合创始人都在20多岁时怀揣成为企业家的抱负，从印度移民到美国。
“创业完全是出于‘一次求而不得’。”Gupta说：“当时我想在纽约市的商店和线上搜索中寻找‘一件带袖子的飘逸沙滩裙’，却屡屡失败。我为此感到困惑和苦恼，是因为我是移民才会遇到这样的问题吗？我就此认定这一定是因为语言带来了障碍。”
于是，经济学家出身的Gupta开启了学术研究模式。在接下来的18个月里，她走访所居住的耶鲁社区，随机采访各个年龄段的美国女性，向她们提同一个问题：“请描述一下你最近买的一件衣服，以及为什么选择这件而不是其他的衣服。”
在她采访的1000多名女性中，平均每人会使用约20个词语来描述她们买的新裙子、衬衫、包和鞋子。“你知道吗，她们的描述方式与品牌零售商完全不一样。比如零售商标注的是‘法式毛圈运动服’，而在消费者脑海里冒出的却是‘海军蓝连帽衫’。”Gupta意识到，这是一个商机，可以通过“一种技术含量极高的产品”来消弭商家和消费者之间的沟通鸿沟。
Gupta发现商品上架时通常使用制造商和分销商提供的传统“默认”属性，这些属性无法捕捉消费者在寻找符合自己需求的商品时传达的细节和微妙感受。“我们在电商网站上都有过这样糟糕的体验—搜索结果不相关，甚至根本没有结果，即使你要找的商品明明就在这家店里。你会怎么做？你会转到其他购物网站去找你想要的东西，而且很可能不会再回到原来的零售商那里。”Gupta说：“并不是因为商家没有这些产品，也不是因为商家不知道消费者想要什么，而是因为彼此语言表达上的不匹配。”
在丈夫的鼓励下，Gupta前往位于加利福尼亚州帕洛阿托的一个专注于创业萌芽阶段的商业孵化器公司。在那里，她遇到了Chocka Narayanan，一位女性软件工程师。她们于2015年联合创办了Lily AI。
Chocka Narayanan似乎与工程师有缘。作为一位土木工程师的女儿，Chocka Narayanan长大后嫁给了一位工程师。在获得信息技术本科学位后，她到雅虎工作，随后在游戏初创公司Pocket Gems担任产品开发高级软件工程师，之后在基于云的内容管理公司Box担任高级工程师。
“Lily AI是由女性创造的，目的就是要让女性成为最好的自己。”在Chocka Narayanan看来，市场上有很多购物应用，大都基于“数百万有形的行为”来推荐，如用户的购买和浏览历史，“无论是线上还是线下，我感觉整个购物体验都是以商品为中心的，而不是以消费者为中心。品牌似乎只会一股脑地说，‘我这件衣服不错，快来购买试试吧；如果你能穿上，那就真的太好了’”。
Chocka Narayanan认为，真正的个性化零售AI推荐引擎需要超越用户有形的行为，考虑用户无形的看法和看似不合理的行为，从而促成消费者的购买决策。“Lily AI的真正使命是将人性带入购物体验，让消费者在购物时看到真实的自我，并专注于成为他们想成为的人。”
更懂女人心
都说“女人心，海底针”，Lily AI凭什么能做到精准“捞针”？
“我们实现这一点的方式是，在过去几年中，使用大量的判别式AI。”据Gupta介绍，与许多同行不同，Lily AI特地聘请了一个由时尚领域专家组成的专业小组，包括形象顾问、造型师和零售销售人员等，通过不断调整产品描述和搜索词，为Lily AI的人工智能技术加入重要的人工元素。
前时尚造型师Kathy Lee是专业小组的第一批成员之一。“犹记得与同事们坐在会议室里，手捧时尚书籍，盯着电脑屏幕上的服装，制作标签时没日没夜的工作情形。”Kathy说，他们会就什么是“节日鸡尾酒”展开热烈的讨论，并分析“人字纹粗花呢”和“V型条纹”的细微差别。
“这就是Lily AI之所以能够出色完成工作，输出结果非常准确的原因。因为，AI的表现在很大程度上取决于训练数据的质量。而这些干净、无偏见的训练数据在过往并不存在，需要由了解时尚细节的专家们手动去标记产品目录，由此创建大量高质量的训练数据。”Gupta说：“比如，专家们会加入消费者常用的口语化词汇，这样我们才能有效训练机器学习模型，使其能够区分‘波西米亚风’（boho）和‘波西米亚混搭风’（boho-chic）之间的差异。”
Lily AI会向用户询问关于身形特点和风格偏好的相关问题，还会询问用户希望突出身体哪些部分，隐藏哪些部分，对话过程就像平时在聊天应用中和朋友交谈那样轻松自在，最后通过复杂的匹配算法提出相应的建议，并且会就所推荐的衣服为什么适合用户给出相应的具体解释。
“当初取Lily AI这个名字，就是希望能引起女性对朋友和购物伙伴的联想。”Gupta如是道。
同为女性的J.Crew Group首席信息官Schmelkin对此赞不绝口，她形容Lily AI表现得像私人购物顾问一样贴心和人性化。当她想为自己去参加侄女的婚礼而挑选一件特别的衣服时，菜单筛选器让她从15个标准中选择，比如裙长、颜色、领口、袖长和装饰。片刻之后，她就在浏览200个令人心动的选项了。
“整个过程很快，而且非常精准。”Schmelkin说：“我从一页翻到另一页没有任何问题，因为搜索结果对我来说都很有意义。”最终，她找到了她心目中“完美的连衣裙”，并买了下来。
当Schmelkin作为企业用户，使用Lily AI对J.Crew Group公司旗下Madewell品牌的产品目录进行运行，效果同样令人振奋。在Madewell提供了其服装的照片和产品描述后，Lily AI就能为每件产品分配大约13个属性—这些属性来自Lily AI的时尚领域专家团队所整理的25000个标签。到Madewell试用时，Lily AI已经运行了超10亿次搜索，每一次搜索都帮助其AI算法变得更加聪明。因此，它能够准确地将商品与在线购物者在搜索栏中输入的通俗术语，如“低调奢华”“波西米亚风”匹配起来，而不仅仅是依赖于商品自身的库存描述。
Schmelkin称，在不到1个月的时间里，Madewell的在线搜索购买率提高了3%。Lily AI现在已经在J.Crew Group全面使用。“每个品牌都持续看到显著的销售增长，Lily AI是真正有效的。”她补充道。
从无限到精准
Gupta发现，不少传统零售商在发展线上购物时，会把线下“无限货架”的策略直接照搬复制，不断扩展并丰富商品种类，但实际上很多产品并不受消费者的欢迎，还占用了太多资源，让消费者在选择时感到困惑甚至厌倦。这种情况已经引发了消费者“对能提供最佳选择的专家和服务的新一轮渴望”。
梅西百货公司新上任的首席执行官Tony Spring也曾表示：“重要的不是无限货架，而是精准货架。”今天的消费者在购物过程中寻求独特的体验、便利和个性化，优先考虑质量而不是数量。为了满足这些需求，传统零售商必须摒弃“无限货架”模式，向“精准货架”转型。
“这也是我们创建Lily AI的初心，同时也是能助力零售业增长的原因。以客户为中心的零售语言是现代零售业的基础和核心。”Gupta说。
Lily AI的野心并不是做一款To C的购物产品，而是希望能够基于AI构建一个快速、可扩展的API（应用程序编程接口），让品牌和零售商可以轻松地将这些功能集成到他们的网站、APP中。利用好每一件商品背后对应的语义逻辑和购物需求，理解每一个用户搜索背后的行为习惯，从而将“无限搜索”过渡到帮助用户“精准发现”，让零售商们得以更好提高转换率、扩大订单量以及吸引消费者再次购物。
在发展过程中，Lily AI吸引了多位天使投资人，包括由网球名将Serena Williams支持的Serena Ventures风投基金，以及设计师Tory Burch和她的丈夫—Tory Burch首席执行官Pierre-Yves Roussel。Roussel表示，这是他们夫妇在公司之外进行的罕见投资之一。
目前，Lily AI已完成由Conductive Ventures领投的2000万美元B轮融资，新投资者还包括Counterpart Ventures、Cendana Capital和Transform Capital。截至发稿时，Lily AI融资总额为6200万美元。
在技术和市场研究公司Forrester的零售分析师Sucharita Kodali看来，Lily AI“在解决网站可发现性问题方面独具特色”，Lily AI早期就获得了大型零售商的青睐，并且有很好的条件在服装、美容和家居之外的领域（如旅游和汽车）保持增长。”她还提到，“这项技术是通用的。我们有理由相信，Lily AI的成功不仅验证了AI在电商搜索领域的应用潜力，还预示着未来AI+零售的无限可能”。
突破在线搜索平均2.5%的转化率
Lily AI联合创始人兼首席执行官Purva Gupta
1. 您认为AI在零售业的未来会是什么样子？
AI在零售业将会有许多令人惊叹的应用，它们已经悄然融入日常的零售互动中，而我们几乎没有察觉。究其原因在于，零售商和消费者之间仍然存在一种根本性脱节，需要一个核心的客户语言层，来准确地将零售商、消费者与他们想要购买的产品联系起来。如果没有这种贯穿整个系统的基本输入，零售商和品牌仍然会错误地猜测产品和库存，无法真正突破在线搜索平均2.5%的转化率。
2. 消费者现在既喜欢网购，也喜欢去实体店购物。AI将如何提升实体店的购物体验？
我认为最重要的一点，是了解消费者为什么购买某件商品。比如，他们下单那件“黑色蕾丝印花连衣裙”是因为它有蕾丝，而不是因为它是黑色的—这给零售商提供了非常有力的信号，告诉他们该在货架上（无论是实体店还是网店）放什么商品。这正是AI驱动的需求预测特别好用的地方。
3. 这意味着，拥有更好、更细致的产品属性数据是解决瓶颈问题的关键？
在我看来是这样的。深入的产品数据让零售商能够更早预测、更早下单，并确保他们的决策更加精准。我们合作的一家多品牌零售商就通过大规模自动化，成功将预测时间从3个月缩短到1个月。
4. 当消费者在搜索商品时，如何确保输出结果与他们的需求直接相关？
这正是Lily AI与其他公司的关键区别。在过去几年中，我们使用了大量的判别式AI，这意味着我们用非常干净的训练数据对模型进行了训练。众所周知，AI的表现取决于训练数据的质量。因此，与许多同行不同，我们聘请了时尚领域的专家，手动标记了大量的产品目录，创建了高质量的训练数据。这就是Lily AI核心引擎的基础，它能够出色地完成工作，输出非常准确的结果。因为准确性至关重要，尤其是当它直接面向消费者时，消费者会根据这些结果做出快速而正确的购买决策。
撰文— 贾弋
编辑 — 邹健
© 2025 现代传播 Modern Media Co,Ltd.