在目前的消費趨勢中，古著（Vintage）與二手購物（Thrifting）的熱度持續攀升。對於一般使用者來說，尋找心儀的二手商品往往像是在大海撈針，因為這類商品的資訊碎片化且缺乏標準化的標籤。Google 近期將多項 AI 技術整合進搜尋生態系中，旨在將原本依賴運氣的搜尋過程，轉化為精準的數據驅動體驗。
對於開發者或產品經理來說，這是一個典型的案例，展示了如何將大型語言模型（LLM）與電腦視覺（Computer Vision）結合，解決現實世界中非結構化數據的檢索問題。
利用 AI 模式進行情境化規劃
傳統的關鍵字搜尋只能處理單一對一的查詢，例如搜尋古著店或搜尋無麩質餐廳。但 Google 的 AI Mode（AI 搜尋模式）引入了對話式 AI 的能力，允許使用者進行複雜的情境化查詢。
這項技術的核心在於理解使用者的意圖（Intent）並進行多維度的篩選。當使用者要求尋找特定品類的商店且需兼顧周邊飲食需求時，AI 會在後台將需求拆解為多個子查詢，並將結果整合在單一回答中。這解決了使用者必須在多個分頁之間切換比對的痛點，將搜尋流程從單純的資訊檢索升級為行程規劃。
透過 Google Lens 進行視覺識別與價值評估
在二手市場中，最困難的挑戰是商品缺乏說明書或正確的品牌標記。Google Lens 利用了視覺搜尋（Visual Search）技術，讓使用者透過拍攝照片來識別物體。
這不僅僅是圖像匹配，AI 會分析照片中的材質、剪裁、標誌等特徵，並與海量數據庫對比，幫助使用者推斷該商品的設計師、生產年代或稀有程度。對於工程實務而言，這涉及到特徵提取（Feature Extraction）與相似度比對。使用者可以藉此快速判斷一件商品是真正的稀有古著，還是市場上隨處可見的量產貨，從而決定出價。
Circle to Search 的即時互動檢索
Circle to Search（圈選搜尋）進一步降低了搜尋的摩擦力。在瀏覽社群媒體或網頁時，使用者不需要切換應用程式或手動輸入描述，只需圈選螢幕上的視覺元素即可觸發搜尋。
這項功能的價值在於維持了使用者的上下文（Context）。當使用者發現喜歡的風格後，可以立即追問類似 90 年代風格的替代品。這種從視覺觸發到自然語言追問的無縫接軌，大幅提升了轉化率，將靈感瞬間轉化為可購買的選項。
Virtual Try-On 的數位試衣體驗
二手商品最大的風險在於無法試穿且通常不支持退貨。Virtual Try-On（虛擬試衣）利用生成式 AI 與圖像合成技術，讓使用者將自己的照片與目標衣物的視覺特徵結合。
這解決了電商領域長久以來對尺寸與風格預測不準確的問題。透過數位化的試衣間，使用者可以在下單前預覽視覺效果，減少購買錯誤導致的資源浪費，這在強調永續消費的二手市場中尤為重要。
從消費到循環的閉環管理
AI 工具不僅能幫助購買，也能輔助出售。透過 Lens 拍攝家中閒置物品並詢問轉售價值或適合的回收管道，使用者可以快速將實體商品轉化為數位資訊。
這種能力讓個人能輕鬆地對自有資產進行初步估價，降低了進入二手交易市場的門檻，推動了商品從消費到再利用的循環經濟。
來源：blog.google
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。