随着电商平台商品数量的激增，消费者在海量相似品中挑选合适款式并搭配配件的时间成本显著增加。体育周边零售平台Fanatics近期推出“Shop the Look”购物推荐功能，试图通过AI技术解决这一痛点。
该功能基于OpenAI Codex模型分析商品信息，自动为用户推荐风格匹配的体育周边。初步数据显示，新功能上线后，推荐商品的浏览量增长了10%。这标志着AI在电商领域的应用从单纯的问答和搜索辅助，深入至商品关联匹配环节，助力消费者高效决策。
一、SKU超150万，Fanatics亟待提升选购效率
Fanatics庞大的商品规模使其面临严峻的运营挑战。目前，平台在售独立SKU超过150万个，涵盖球衣、帽子、街头服饰及球袜等品类，并与全球主流体育联赛及俱乐部保持深度合作。其Fanatics Commerce业务年产量超4500万件，销往180多个国家和地区。
丰富的选择虽满足了球迷需求，但也带来了搭配难题。Fanatics Commerce首席产品官Justin Tsai指出，平台用户平均单次购物时长已超30分钟，且每周新增上千款新品。传统人工搭配模式需经历选品、造型、拍摄等环节，耗时耗力，难以跟上冠军纪念球衣等时效性强的商品节奏。
此外，体育周边具有鲜明的球队属性，推荐准确性至关重要。与普通服饰不同，球迷购买周边往往出于对特定球队或球员的支持。若洛杉矶道奇队球迷浏览球衣时，平台优先展示同队帽饰而非外观相似的其他球队商品，才符合其真实购买意图。因此，此次升级旨在强化商品间的逻辑关联，而非单纯增加曝光。
二、AI重构详情页，实现动态智能搭配
“Shop the Look”功能被整合进商品详情页。当用户浏览某件商品时，系统依据球队归属和风格特点，动态展示适配的帽子、球袜等其他周边。这一过程由OpenAI Codex模型驱动，能够实时分析商品目录，筛选关联品并根据库存情况调整推荐结果。
相比固定的人工搭配素材，自动化推荐减少了对人力流程的依赖，能快速响应新品上架节奏。此举带来两方面变化：一是缩短购物路径，用户无需跳转搜索即可在当前页面获取全套搭配建议；二是挖掘长尾潜力，引导仅计划购买单品的用户关注关联配饰，提升客单价。
目前，推荐商品浏览量提升10%证实了该模式对用户注意力的吸引力。然而，浏览量仅是初步指标，后续加购率、转化率及客单价的实际增长，才是衡量AI推荐商业价值的关键。
三、商贸营收预计破70亿美元，深化数据驱动运营
Fanatics的业务体量决定了其对效率优化的迫切需求。创始人兼CEO Michael Rubin透露，今年Fanatics商贸板块营收预计突破70亿美元，含Topps球星卡在内的收藏品板块营收约55亿美元。作为核心收入来源，球队周边商品的运营效率直接影响整体增长。
体育周边存在天然的强关联性：同一球队可衍生多品类，同一球员对应多种收藏系列。传统的个性化推荐多基于用户画像（浏览记录、购买历史等），但在具体搭配场景下，系统更需理解商品本身的属性及其匹配逻辑。
OpenAI行业GTM负责人Rosemary DeAragon表示，AI技术有助于解决零售业的个性化匹配难题。Fanatics的实践表明，通过模型处理商品信息，可优化从发现到挑选的全流程。但需注意，自动化推荐高度依赖数据质量，若球队归属或款式信息有误，将导致推荐偏差。因此，维护高质量的商品目录与提升模型能力同等重要。
四、OpenAI拓展零售场景，AI赋能精细化运营
Fanatics的合作案例反映了OpenAI在零售领域的应用拓展。此前，OpenAI曾在ChatGPT中测试即时结账功能，现已转向与零售企业合作，探索品牌专属应用入口及更深度的商品推荐集成。
对于消费者，AI能减少筛选时间；对于商家，尤其是SKU众多、上新频繁且品类关联度高的平台，AI能有效提升商品展示效率，激活潜在销售机会。当然，AI主要承担前期筛选和信息整理工作，最终决策仍取决于消费者的实际体验。
这对跨境电商卖家具有借鉴意义：运营重心应从单纯的产品推送转向构建合理的商品关联体系。服装卖家可围绕场景推荐配套，家居卖家可按空间用途组合家具，运动卖家则可依项目需求打包产品。在商品规模扩大的背景下，帮助用户快速定位目标、减少无效浏览并发现潜在需求，将成为电商平台下一阶段竞争的核心壁垒。