十月十六日，双11 开打前一天，商务部等七部门印发《关于实施品质电商「五优」行动的通知》，里面有一句被电商圈反复引用的话，明确纠治「自动跟价」「全网最低价」这类无序竞争行为。同一周，天猫和京东破例在同一天开招商会，两家讲的都不再是折扣力度。
规则变了，很多服装企业的 AI 用法还停在旧规则里。最常见的一类项目叫智能定价，核心功能是抓竞品价格、自动跟价、把毛利压到能拿到流量的那一档。这套东西在比价的时代是标配，在新的规则环境里，它同时撞上两件事，平台规则不允许，企业的毛利也撑不住。
一家做女装电商的公司，今年四月上了一套跟价系统，上线两个月，成交额涨了一成五，毛利率掉了三点八个点。七月平台开始限制自动跟价的话术与工具，系统改成了半自动，人工确认。八月复盘时发现，人工确认的环节里，九成的建议被否掉了。系统没有错，它的目标函数跟公司的目标函数本来就不一样。
希纪在给服装企业做经营诊断时，看到的分歧大多长这样，工具在优化它能测到的东西，企业在乎它测不到的东西。价格能测，品质不能；点击能测，复购不能；当期的成交能测，明年的品牌溢价不能。
品质电商这个方向，稀缺的东西是证据。一件衣服说自己用的是长绒棉，克重多少、纱支多少、缩水率多少、有没有第三方检测报告，这些能不能被平台抓取、被搜索识别、被消费者一眼看到。做不到这一步，品质就只是一个形容词。
所以 AI 在这件事上该干的第一件事，是把散落在各处的品质信息结构化。面料的成分与工艺，检测报告的编号与结论，版型与尺码的偏差区间，退换货的真实原因分布。这些东西原来在检测报告 PDF 里、在客服聊天记录里、在商品详情页的图片上，模型做的是把它们抽出来、对齐、变成可核验的字段。
第二件事是把客诉变成可复用的判断。退货原因如果只统计到「不合适」这一层，商品部门学不到任何东西。让模型把退货描述归到更细的类目，比如肩宽偏窄、色差、面料扎、尺码表偏差，归完之后每周给商品与设计各发一份，三个月就能看出哪些问题是设计端造成的，哪些是描述端造成的。
第三件事是内容。同样的品质证据，变成短视频脚本、变成详情页的结构化文案，再变成搜索能被索引的问答。这部分是 AI 目前最成熟的用法，也是最容易被低估的，因为它不性感，但直接接在转化率上。
至于比价，位置该往下放一层。把跟价从决策工具降级成参考工具，只用来发现异常，不用来自动执行。价格的决定权留在人手里，尤其是那些知道自己品牌该卖多少钱的人手里。
还有一层与组织有关。品质证据的整理天然是跨部门的活，商品、设计、客服、法务各有一块。没有一个人牵头，这件事就会停在「我们知道自己的东西好」这个层次。牵头的人不必是新岗位，让质量管理或者商品企划的负责人兼起来就行，关键是他有权力要求别的部门交材料。
给一个可以带走的检查清单，三条。第一，公司现在用 AI 做的三件事里，有几件是在积累可核验的资产，有几件只是在抢当期的量。第二，商品详情页上有多少个字段是可以被第三方验证的，这个数字决定了品质叙事的上限。第三，客诉数据每周有没有回流到设计与商品，如果没有，这套系统只是把问题记录了一遍。
平台把规则从价格往品质挪，动作慢的企业会先感到流量变贵，动作快的企业会发现另一件事，当大家都在讲品质的时候，能把品质讲成证据的那一家，获客成本会明显低一截。
比价的时代，AI 是放大器。品质的时代，AI 是整理者。用错位置，工具越强，偏得越远。
希纪 · 服装产业观察