在线购买服装虽让我们摆脱了实体零售的拥挤与疲惫，但面对海量商品、无数标签页和开箱视频，购物者仍易陷入选择焦虑。英国初创公司Blend利用人工智能消除噪音，帮助购物者找到符合其风格、预算和尺码的个性化产品推荐。
Blend联合创始人Jemima Bunbury指出，绝大多数零售商缺乏真正的个性化服务，仅依赖历史购买数据的推荐在趋势快速变化和个人风格演变时往往失效。作为TechCrunch Disrupt 2023 Startup Battlefield参赛企业，Blend已推出MVP应用并向等待名单用户开放，目前正寻求种子轮融资以完善功能并推动全面上线。
Blend已与Net-a-Porter等超250家零售商签约，主打18至34岁数字化移动购物群体，计划从英国拓展至美国市场。Bunbury表示，团队旨在通过精准展示互联网上最相关的1%内容，成为在线购物体验的入口及大规模零售商。
生成式AI赋能时尚推荐
时尚行业正广泛利用生成式AI提升客服、设计、库存管理及虚拟试穿等体验。Blend基于Transformer技术和推荐算法，由用户交互数据驱动，能深度理解偏好并提供量身定制的服装推荐。
Bunbury强调数据输入对AI模型的重要性，因此选择App形式以便更精准追踪用户行为。用户在信息流中浏览产品图文及网红短视频时，系统会收集点赞、收藏、分享及停留时长等数据，结合预设的尺寸预算偏好构建动态画像，互动越多推荐越精准。
后端通过对比产品与用户数据建立统计模型。例如，当活跃用户B根据新趋势调整信息流时，系统可利用其行为数据优化暂停互动的用户A的推荐，避免停滞。随着平台用户增加，基于群体特征的个性化能力将显著增强。
该AI模型不仅推荐当下穿搭，还能预测未来需求，动态跟踪用户风格变化。此外，针对尺码痛点，Blend允许用户设置身体部位尺寸偏好，并计划引入UGC照片、评论及投票系统，展示产品真实上身效果，辅助准确选码。
商业模式与盈利路径
Blend构建了连接购物者、网红（KOL）与品牌方的三方生态。通过与平台合作，网红和品牌方可多元化收入并以轻量级方式触达多渠道受众。
对品牌而言，Blend是强大的营销平台。相比传统社交媒体广告，Blend拥有精细的风格专属数据集，能在用户产生购买意图时精准匹配目标受众，实现零风险推广。
盈利方面，Blend主要从合作品牌和零售商的销售中抽取佣金。初版App引导用户跳转官网交易，未来版本将支持站内闭环以提升体验。Bunbury透露，凭借数据集与推送能力，未来还将拓展广告服务、趋势数据分析及爆款预测等B2B收入线。消费者端则可能推出订阅服务，提供断货提醒、折扣通知及新品优先体验等高级功能。