人工智能虚拟试穿统计数据
虚拟试穿能展示什么？证据又表明它的局限性是什么？
虚拟试穿涵盖外观预览，而尺码推荐和合身度评估则是另外两项任务。零售商的采纳情况、视觉质量研究以及下文提到的公司成果，有助于明确特定实施方案的实际支持范围。
关键外卖
主要事实一览
消费者对虚拟试穿的接受度
77%DHL 在其 2025 年报告中指出，购物者对虚拟试穿持开放态度。
2025 年调查兴趣，而非当前使用情况
DHL电子商务使用应用程序购物的顾客想要试穿或试穿
50%DHL 的早期应用程序用户希望未来能有 AI 虚拟试穿或合身功能。
2026 年应用优先子组未来兴趣
DHL电子商务提供试穿或合身技术的企业
36%接受调查的电子商务企业中，有相当一部分表示提供虚拟试穿或合身技术。
2026 年企业自我报告；试穿/合身度综合
DHL电子商务尺码建议可减少因尺码问题导致的退货
10%Zalando提供尺码建议的商品，因尺码问题导致的退货较少。
公司规模建议；年份未指定，非自愿离岸计划 (VTO)
Zalando 公司避免色号不确定性的美容产品消费者
60％+很多网购美妆产品的用户因为色号不确定而放弃购买。
2022年美容消费者历史调查
GoogleAR和3D案例中每位访客的收入
59%Goodr 的 AR 试穿和 3D 查看器相结合的实施方案，实现了更高的访客人均收入。
2022年3月至8月AR/3D供应商综合案例
快公司
零售商采纳率和视觉质量
36% 接受调查的电子商务企业中，有相当一部分表示提供虚拟试穿或合身技术。 [1]
第 30 页，商家回复。综合试穿/合身度类别，并非仅基于图片的服装试穿，也不是安装情况普查。
32% 会考虑提供虚拟试穿或合身技术。 [1]
相同的商业调查和功能问题；表示感兴趣与 36% 已经提供该功能的人是分开的。
32% 会避免提供试穿/试穿一体的功能。 [1]
相同的回复分布。类别适用性很重要；该调查涵盖的行业不仅限于服装。
62,688 生成的试穿图像构成了 VTON-QBench 质量数据集。 [2]
采用合成增强的视觉基准测试；数据集大小不是商业成功或物理拟合准确性的衡量标准。
14 该基准测试中包含了试穿模型。 [2]
模型主要根据视觉质量进行评估。一张逼真的图片并不能展现服装在真实人体上的穿着效果。
购物行为和尺码证据
60% 据报道，谷歌虚拟试穿图像获得了更多高质量浏览量。 [3]
谷歌 2024 年的用户参与度衡量标准并非转化率或回报率的提升。
72% 为客户理解尺寸或尺码而提供的有价值的视觉信息。 [4]
2023 年的调查显示存在信息需求，而不是对试穿准确性的评估。
4 在谷歌的虚拟试穿体验中，平均每个产品浏览了若干模型。 [3]
模型探索是一种参与度衡量标准，而不是保证一定能找到合适尺寸的数量。
10% Zalando提供尺码建议的商品，因尺码问题导致的退货较少。 [5]
公司报告的相对降价幅度（与未提供建议的商品相比）。并非随机的现代生成式试穿测试，也不是所有退货率降低10个百分点。
美丽的阴影不确定性
60％+ 很多网购美妆产品的用户因为色号不确定而放弃购买。 [6]
2022 年一项关于美容产品选购而非服装合身度的历史性发现。
41% 我退回了一件美妆产品，因为色号不对。 [6]
这描述的是报告了这种行为的受访者，而不是所有退货订单中所占的比例。
眼镜实施证据
59% Goodr 的 AR 试穿和 3D 查看器相结合的实施方案，实现了更高的访客人均收入。 [7]
Snap内部数据，2022年3月至8月。仅一家眼镜零售商；无公开样本、随机化或不确定性数据。不涉及实际合身度或服装效果的验证。
消费者对虚拟试穿的兴趣
77% DHL 在其 2025 年报告中指出，购物者对虚拟试穿持开放态度。 [8]
一项针对24个国家24,000名近期网购用户的调查显示，用户对历史功能的需求较高。该调查基于多项选择题，而非实际使用情况、适用性或2026年的普及率。
50% DHL 的早期应用程序用户希望未来能有 AI 虚拟试穿或合身功能。 [1]
2026 年报告第 42 页。主要使用零售商或市场应用程序的购物者子群体；该子群体的样本量未披露。未来对试穿/合身度综合类别的兴趣，而非当前使用情况或仅针对服装的调查。
区分款式、色调和合身度
虚拟试穿涵盖多种不同的任务。展示服装搭配效果、帮助比较化妆品色号以及推荐合适的尺码，都需要不同的依据。仅仅因为两者都使用了“试穿”这个词，就将有效的视觉呈现称为经过验证的合身预测，这是不恰当的。
对于商家提供的服装图片：检查模特身上的印花服装。
评估难处理的产品
仔细查看带有图案的服装、细肩带、叠穿搭配以及带有明显标识或文字的产品。检查展示内容是否忠实还原了实物，而非仅仅提供了一个似是而非的替代品。对于美感方面，评估灯光和展示条件是否与展示内容相符。
服装准确性审核：指导模特拍摄产品场景。
运用拟合实验来检验它们实际验证的承诺。
Gallino 和 Moreno 的随机实验发现，当提供合身信息时，转化率和订单价值均有所提高，退货相关的履行成本也更低。但公开的摘要并未提供具体的数值效应量。这是基于合身信息的历史证据，而非基于生成式服装图像的试验。因此，不应将其作为新型试穿工具能够全面降低退货率的论断。
Zalando 的尺码建议账户提供的是公司报告的退货结果，其设计不如随机实验严谨。它关注的是尺码建议，而非服装的实际外观。在评估自身体验时，应将这些技术和相对退货率分开考虑。
浏览服装产品摄影作品，寻找服装图片素材。模特实拍图并不能预测实际穿着效果。
按既定顺序批准体验
分别检查产品展示、功能和购物流程。仅凭外观无法确定尺码。
| 阶段 | 确保 | 发布决定 |
|---|---|---|
| 产品真相 | 将服装的结构、文字、图案和款式与原件进行比较。 | 拒绝任何会错误识别产品的更改。 |
| 能力 | 任何尺寸或颜色承诺都应与特定任务的参考信息进行核对。 | 仅描述所检查的功能。 |
| 购物之旅 | 检查图像加载、控件、所选变体和普通产品视图回退。 | 如果预览失败，请确保内容清晰易懂。 |
| 商业成果 | 比较符合条件的购物者，并跟踪他们在整个时间段内的购买情况以及相关的退货情况。 | 报告测量结果时，应将视觉质量数据分开列出。 |
眼镜检测结果能揭示什么？
Goodr 的历史案例结合了增强现实试穿和交互式 3D 查看器。其公布的商业成果为实施提供了有用的背景信息，但新闻稿并未披露对比是如何构建的。这并非一项受控的服装合身度测试。
选择购买问题所需的技术
外观预览、尺码推荐和增强现实（AR）应用需要不同的输入和验证。请先选择所需功能，然后再评估相关的购物结果。
| 任务 | 输入和能力 | 评估结果 |
|---|---|---|
| 服装外观 | 产品和人物图像；服装和穿着者细节的保存 | 有用的检查、购买和商品不符退货 |
| 体型建议 | 服装尺码和购物者测量数据或已验证的合身度输入 | 尺码选择准确性、尺码退货和居家试穿费用 |
| 眼镜或物品放置 | 类别特定的增强现实几何形状和相机跟踪 | 该实施方案中的投放质量、互动和购买情况 |
使用印花服装作为验收测试
对于印花服装，请对比胸前图案、接缝、领口和下摆处的源图和输出图。拒绝替换的字母、错位的图案、更改的结构或更改的颜色变体。如果预览失败，请保留原始产品视图。
视觉审核仅认可外观。尺码建议需要单独的参考测量数据和评估。记录被拒的细节，并修改场景或保留原始照片，而不是发布看似合理的替代服装。
常见问题解答
有关研究的问题
基于图像的虚拟试穿可以直观地展示服装外观。而实际尺寸的准确性则需要服装测量数据、明确的尺码标准以及自身的验证。VTON-QBench 评估服装和人物图像的质量；Zalando 的尺码建议返回结果则基于不同的尺码功能。在选择商家实施方案之前，请分别评估这些功能。
来源和方法
- DHL电子商务：《2026年电子商务趋势报告》，完整研究及方法论
敦煌网
回程研究细节
实地考察时间：2025年12月至2026年2月
本次研究调查了来自29个国家的29,000名近期在线购物者和来自28个国家的5,800家企业，每个国家约1,000名购物者。调查不包括食品杂货、门票和机票。购物者和企业的回答各不相同。相关研究结果见第5、30和42页；研究方法见第78页。第42页的试穿/合身度兴趣指标仅针对优先使用应用程序的购物者群体。自我报告的采纳情况、原因和偏好并不代表最终的交易结果。
- ZOZO Research 和庆应义塾大学：基于人工反馈的虚拟试穿无参考图像质量评估
arxiv.org
回程研究细节
2026年6月30日预印本修订版
VTON-QBench：生成了来自 14 位模特的 62,688 张试穿图像，并由 13,838 位合格的标注员进行了 431,800 次标注。该模型包含合成服装与人体融合技术。评估的是视觉上的服装/人体逼真度，而非实际尺寸的准确性、客户转化率或退货率。预印本的研究结果并非独立重复的产品对比。
- 谷歌：虚拟试穿功能扩展至连衣裙
blog.google
回程研究细节
2024年9月；2024年8月美国参与数据
谷歌内部购物互动研究。高质量浏览量和模型探索是衡量互动度的指标，而非拟合准确率、购买转化率或退货率降低。公开帖子未披露样本量。
- PowerReviews：为什么购物者重视顾客视觉效果
powerreviews.com
回程研究细节
2023年12月；2024年报告
15,870名美国消费者参与了多项选择题调查；88%为女性，55%为千禧一代。
- Zalando Corporate：技术和规模建议
corporate.zalando.com
回程研究细节
公司历史业绩；页面查阅日期：2026年10月18日
公司公布的尺码结果与未提供尺码建议的商品进行了对比。公开文章未披露观察窗口、样本或随机分配情况。其2023年7月的功能历史记录并非效果评估的日期。尺码建议与生成式虚拟试穿图像不同。
- Snap 公司：推出 AR 企业服务：历史商户业绩
newsroom.snap.com
回程研究细节
Goodr内部数据，2022年3月15日至8月15日；2023年3月23日发布
供应商报告的单一商家眼镜案例，结合了增强现实（AR）试戴和交互式3D查看器。公开信息不包含样本、对比构建、随机化或不确定性等信息。此案例为历史案例，并非当前可用的服务推荐或生成式服装/体型合身度准确性试验。
- DHL电子商务：2025年电子商务趋势报告：购物者版
敦煌网
回程研究细节
实地考察时间：2025年2月至3月；发布日期：2025年6月4日
这项调查访问了24个国家/地区的24,000名近期网购消费者，每个国家/地区1,000人。第46页在一项关于功能需求的多项选择题中列出了虚拟试穿功能；第34页指出，77%的消费者对虚拟试穿持开放态度。然而，这种说法并不能反映实际使用情况、尺码是否合身或购买效果。2026年“优先使用App”的子群体样本和问题有所不同，因此这些百分比并不能反映出采用趋势。
- Gallino 和 Moreno / INFORMS：在线零售中合身信息的价值
pubsonline.informs.org
回程研究细节
发布5月2018
随机现场实验比较了虚拟合身信息的可用性。采用的是历史合身/尺寸技术，而非现代生成式服装图像技术。公开摘要阐述了影响方向，而非数值影响程度。
本报告如何运用研究成果
本报告由Fotogenic AI编辑整理，于2026年10月19日更新。数据来源日期用于说明相关证据。调查回复、实测活动和预测数据均单独列出。研究结果并未合并为新的市场平均值。同一研究的多页内容被视为同一证据系列。
探索模特服装展示
使用 Fotogenic AI 创建符合模特形象的场景，用于服装造型和广告宣传制作，并使用您的原始服装照片来查看产品细节。
