目标受众
想穿得体面但没时间逛、也不信任算法信息流的都市上班族。
使用场景
- 每周日收到三套针对当周天气与场合的搭配
- 出差/度假前按目的地生成本地化造型方案
- 只在已认的品牌里选款,避免被推陌生品牌
- 把全身照变成「自己穿着」的试衣效果,降低退货率
- 用固定节奏替代无限下滑的穿搭信息流
设计初衷
作者的原话是「做一本 lookbook,而不是又一个 feed」——用生成式渲染把「模特上身图」换成「你上身图」,再用每周一封邮件的克制冷感对抗算法信息流。它刻意做成杂志式节奏,而不是让你越刷越久。
解决什么问题
穿搭推荐类应用普遍两个毛病:推荐的是模特图而非你的身材,且品牌和尺码要自己反复核对。LookBook 用一张照片生成自己的上身效果,并在下单前完成尺码与库存校验,把「选到能穿」这件事直接做完。
评分理由
把 AI 生图落在最刚需的「我穿什么样」上,比抽象的虚拟试衣间更具体;每周三套的克制设计是产品差异点,商业模式清晰且不打扰用户。风险在于依赖品牌库与商品数据覆盖度,非美区用户体验会打折。
对标竞品
人工造型师+寄送盒子的重模式,周期长且需付费订阅;LookBook 全数字生成、即看即买。
提供灵感图但衣服不在你身上也不再库存,属于无限信息流;LookBook 是有限量、可下单的成品方案。
聚焦管理已有衣橱做数字衣橱,LookBook 更偏向发现并购买新造型。