10 月 1 日 OpenAI 把虚拟试穿上线了，ChatGPT 里商品卡片多了个「Try on」按钮，用户传张自拍或全身照，就能看到穿上身的效果，看中的东西还能存进收藏库反复比。我是做 AI 搜索优化的老周，干了八年网站和 AI 搜索这一线，看到这消息第一反应是：选购这件事又往聊天框里搬了一步，服装配饰电商的商品资料，得按「能被 AI 拿去用」的标准重新准备一遍了。

商品图只有摆拍精修图，AI 试穿渲染就抓瞎

先说图。这次试穿功能基于 9 月出的图像模型 ChatGPT Images 2.5，它要做的事是把商品「穿」到用户身上，靠的就是识别材质、垂坠感、花纹这些细节。你详情页里只有几张打光打得漂漂亮亮的摆拍图，面料纹理糊成一团，AI 渲染出来的上身效果就会跟实物差一大截。

我服务过的一家做针织开衫的店，之前就是九张图全靠棚拍，去年他们把面料近拍、里衬、走线这几类实拍图补上之后，用户退货理由里「跟图片不符」这条明显少了。道理不复杂，图的信息够，渲染才够准。

还有一个点很多人不知道：这次的功能也支持用户把别处截过来的商品图丢给 ChatGPT 试穿。也就是说，就算用户不在你店里下单，你的图一样会被拿去渲染。图质量差，等于在别人家的界面上丢自己的脸。

尺码表藏在详情页最底下，等于自己给自己挖坑

OpenAI 自己说了，生成的试穿图只是预览，不保证尺码合身，买前还是得看尺码表。这句话信息量很大——AI 不替你兜底尺码，尺码信息得靠你自己给明白。

实际情况是，很多店的尺码表要么压在详情页最后一屏，要么做成一张超长图片，文字全烙在图里，机器读不出来。用户问 AI「这件衣服 175 的个子穿多大」，AI 找不到可读的尺码数据，只能猜，猜错了锅还是店家背。

避坑清单这就来了，尺码这块至少做到这几条：

• 尺码表用网页文字写，别只放一张长图
• 每个码给全衣长、胸围、袖长这些硬数据
• 标清楚是国标码还是欧码，别让人自己换算
• 有弹性的面料注明弹性程度
• 模特身高体重和所穿的码写在旁边当参照

尺码信息写得越「机器可读」，AI 回答的时候能直接引用，试穿的预览效果和实际到手的落差就越小。这笔账怎么算都划算，花半天把尺码栏填齐，比天天处理退换货省事多了。

商品名写满营销形容词，AI 反而不知道你卖的是什么

有的商品标题恨不得把「显白」「炸街」「天花板」全塞进去，真正的关键信息反倒没有。AI 在推荐和试穿的时候，靠的是材质、版型、适用场景这些实打实的字段，形容词堆得再多，它也没法判断这件外套是风衣还是卫衣。

比较稳的写法是把成分、版型、厚薄、适用季节和场景写全，营销词放在后面点缀。比方说「醋酸缎面衬衫，垂坠显瘦，通勤约会都能穿」就比「爆款神仙衬衫」有用得多，前一句 AI 能拿去匹配「夏天通勤穿什么」这类提问，后一句它只能干瞪眼。

收藏库让用户反复比较，各平台信息不一致就露馅

这次一起上线的收藏库功能，让用户能把看中的商品存起来来回对比。注意，用户比较的时候不会只看一个平台，你在家那个平台的尺码、成分、颜色名，跟在别处的写法对不上，一比就露馅。

前阵子有个做配饰的客户，同一款耳环在两个平台写的材质不一样，一个写合金一个写黄铜镀层，被用户在收藏库里摆在一起看，评论区直接问哪个是真的。这种不一致纯属自己造成的。

建议把商品的核心信息做成一份主档：材质、尺寸、颜色标准名、洗护说明，全平台从主档里出，别各写各的。哪天要改就改主档一处，省心还不会打架。说白了，这活儿就是一次性捣鼓，后面全是省出来的时间。

把试穿当万能，退换货规则没写清楚要吃大亏

试穿图终究是 AI 生成的预览，OpenAI 之前那个代下单功能 Instant Checkout 就因为效果不好下了线，说明这类功能还在摸索阶段。用户看到的上身效果和实际收到的货之间有落差，几乎是必然会发生的。这时候你的退换货规则就是最后一道防线。

还有几个店把七天无理由写得很含糊，或者对贴身衣物一概不退又不提前说清楚，等用户拿着 AI 试穿图来对质，纠纷就没法收场了。规则写得明明白白，反而是个加分项——用户敢下单，AI 也更愿意引用你的信息。别抠这点字数，把规则写成大白话，比什么都有用。

说到底，试穿是把「看得见」搬进了聊天框，可「信得过」这三字，还是得靠你把商品信息写全写准。图给够细节，尺码给成文字，卖点给成字段，规则给得清楚，AI 拿去用的时候才不会跑偏。你店里的商品资料经得起 AI 试穿这一关吗，评论区聊聊你踩过的坑。