早在2006年，Like.com便允许消费者通过上传照片搜索产品。尽管该比价网站曾颇受欢迎，但视觉搜索在零售界并未广泛普及，Google于2010年收购了Like.com。
时至2016年，视觉搜索逐渐被市场接受。Google“图片”搜索已集成该功能；Pinterest推出的视觉搜索支持针对照片中特定区域（如厨房灯）检索商品；Amazon移动应用自2014年起也具备了视觉搜索能力。
Pinterest推出了一项视觉搜索功能，允许用户针对固定照片中的部分区域搜索产品。
以下是视觉搜索获得更广泛采用的五个主要原因：
1. 人工智能技术的进步
人工智能指软件基于数据进行学习的能力。视觉搜索作为AI挑战之一，需识别用户上传照片中的物品并匹配搜索结果。面对数十亿张图片、物体和形状，这一过程极具难度。
以灯具为例，过去计算机难以准确识别，因其形状尺寸各异，无法将所有变体纳入学习数据。
近年来，计算能力与大数据分析的进步使海量数据处理成为可能。计算机现可掌握物体呈现的数十亿种形态，从而大幅提升识别准确率。
具备AI能力的计算机还能持续学习。若照片中出现新型灯具，软件可通过比对数十亿现有数据进行识别，确保用户上传照片搜索时返回正确结果。
2. 实时准确性的提高
当前AI系统能快速生成准确结果，弥补了过往速度短板。要在零售网站落地视觉搜索，响应速度需接近文本搜索水平。
随着先进计算技术的应用，系统不仅能精准分析上传照片，还能实时反馈结果。这消除了性能顾虑，使视觉搜索得以面向终端用户稳定展示。
3. 视觉搜索即服务的可用性
许多电商功能在供应商提供便捷集成服务后迅速普及，Bazaarvoice的评分评论功能便是例证。一旦实现轻松接入，成千上万零售商便快速采用了该服务。
视觉搜索亦遵循此趋势。Slyce和Cortexica等公司降低了零售商集成门槛，设置完成后消费者即可上传图片搜索。此外，CamFind等移动应用也提供免费视觉搜索服务。
Slyce 和 Cortexica 等公司为例，为电子商务网站提供视觉搜索功能。
4. 移动商务的增长
移动计算的兴起让拍照与传输变得自然便捷。零售商实施视觉搜索，允许消费者拍照搜货并直接购买，将有效受益于这一趋势。
5. 视觉搜索的主流采用
Neiman Marcus、Nordstrom、J.C. Penney、John Lewis、Urban Outfitters及Home Depot等大型零售商已在移动应用中提供视觉搜索，促使消费者期待中小型企业跟进。同时，Slyce和Cortexica等供应商已与主流电商平台集成，进一步降低了小型零售商的使用门槛。