WEAR 个性化推荐｜从 1400 万穿搭里精准找到你的风格
一句话概括
WEAR 的个性化推荐系统是 ZOZO AI 能力的综合展示台——它同时参考 AI 风格诊断的四个维度、你的浏览收藏发布历史、ZOZOSUIT 身体数据、Lab-kun 对话偏好等，从 1400 万+ 用户穿搭里精准挑出和你风格高度匹配的内容。
推荐系统的输入源
WEAR 的推荐系统同时看五个信号源，权重从高到低：
| 信号源 | 权重 | 说明 |
|---|---|---|
| niaulab AI 风格诊断四个维度 | ★★★★★ | 你主动告诉 AI 的风格画像，最可靠的信号 |
| ZOZOSUIT 身体数据 | ★★★★☆ | 精确体型数据，帮 AI 挑真正"穿得下、穿得好看"的款 |
| 浏览 / 收藏 / 点赞历史 | ★★★★☆ | 被动行为信号，但反映真实偏好 |
| WEAR 发布的穿搭内容 | ★★★☆☆ | 你自己发的穿搭说明你的风格 |
| Lab-kun 对话记录 | ★★★☆☆ | 你问 Lab-kun 要什么风格的搭配 |
推荐场景
首页 "为你推荐" 流
这是最核心的推荐场景。WEAR 首页的"为你推荐"区不是按热度排序的，而是完全按你的风格画像个性化排序：
- 最顶部：AI 判定"和你风格高度匹配"的 6-8 套穿搭
- 往下：次匹配度穿搭 + 你最近搜索过的单品相关搭配
- 再往下：WEAR 编辑精选 + 热门趋势
刷新后推荐会变化——每次刷新 AI 都会重新排一次，不会一直看重复内容。
单品反查推荐
WEAR 的一个亮点功能：点任何一个单品，都能看到所有穿这件单品的穿搭。
比如你在 WEAR 上看到一件 United Arrows 的衬衫，点这件衬衫的标签 → 立刻可以看到 500+ 个用户穿同一件衬衫的不同搭配方式（叠穿、配裙、配裤、不同场景）。
这个功能的推荐质量取决于 WEAR 社区数据的丰富度——ZOZO 覆盖 11000+ 品牌，大部分热门单品都能在 WEAR 上找到几十到几百个穿搭案例。
ZOZOTOWN → WEAR 联动推荐
当你在 ZOZOTOWN 商品详情页时，下面会有 "在 WEAR 上看这个单品的穿搭" 区——直接跳出同款单品的 3-5 套热门搭配，点进去是 WEAR App 内页。
推荐质量如何提升
做 AI 风格诊断（最关键）
做完 niaulab AI 风格核心分析的线上版问卷后，WEAR 推荐质量会立刻提升一个档次——AI 不再"猜你的风格"，而是"按你说的风格给你推荐"。
积累行为数据
- 收藏比点赞权重高：收藏 = "我真的喜欢这套穿搭"，点赞 = "看起来不错"
- 搜索比收藏权重更高：主动搜某个风格 = "我现在就想要这种"
- 发布穿搭：你自己发的穿搭最能告诉 AI 你的风格
ZOZOSUIT 数据联动
如果你有 ZOZOSUIT 身体数据，WEAR 推荐时会额外考虑"这个模特的体型和你像不像"——推荐的穿搭不仅风格匹配，模特体型也会尽量和你接近，想象效果更准确。
与 Lab-kun AI 的协同
Lab-kun 的对话记录会被 WEAR 推荐系统读取：
- 你问过 Lab-kun "春天穿什么好" → WEAR 接下来几天的推荐会增加春季穿搭
- 你说过 "我想穿成熟一点" → WEAR 推荐的穿搭年龄感会上调
反过来，WEAR 推荐系统看到你最近反复看某种风格，Lab-kun 下次问你穿搭问题时也会优先往那个方向推荐。
推荐的冷启动问题
刚注册、没有任何行为数据的新用户怎么办？
WEAR 的冷启动策略：
- 让新用户先快速选几个喜欢的风格标签（10 秒）
- 按你选的标签给出初始推荐
- 同时把"热门趋势"和"编辑精选"混入推荐流，让你在浏览过程中留下更多行为数据
- 积累 2-3 天行为数据后，推荐系统自动切换到个性化模式
推荐不准怎么办
- 做 AI 风格诊断（最直接）
- 清理收藏夹：把不喜欢的收藏删掉，AI 会重新理解你的偏好
- 用"不感兴趣"反馈：WEAR 推荐流里每套穿搭都有"···"菜单，选"不感兴趣"AI 会减少同类推荐
- 重新做风格诊断：换了风格偏好就重走一遍 niaulab 问卷