Come usa l'IA ThredUp per mettere in vendita moda second hand su larga scala?

ThredUp usa l'IA a entrambe le estremità del suo modello di resale. Sul lato dell'offerta, l'IA genera descrizioni, attributi e misure degli articoli second hand, così che possano essere messi in vendita più rapidamente e con maggiore precisione. Sul lato della domanda, ricerca in linguaggio naturale, ricerca per immagini e una style chat con IA aiutano gli acquirenti a trovare capi specifici in un inventario di milioni di pezzi unici. L'azienda sostiene che il resale tragga dall'IA più benefici del retail tradizionale, perché ogni scheda è unica.

Perché l'IA è particolarmente utile per il resale online?

Un retailer tradizionale riceve i dati di prodotto dal brand. Una piattaforma di resale riceve un sacco di vestiti usati. Ogni articolo deve essere identificato, categorizzato, misurato, fotografato, descritto e prezzato singolarmente, e il catalogo che ne risulta è troppo eterogeneo per una semplice ricerca per parole chiave. ThredUp ha dichiarato nel 2024 di aver lavorato oltre 200 milioni di articoli second hand unici di 60.000 brand in 100 categorie, con milioni di articoli unici disponibili in ogni momento.

L'amministratore delegato James Reinhart ha sostenuto più volte che l'IA generativa «avvantaggia in modo sproporzionato marketplace come thredUP», perché può creare i dati di prodotto strutturati e l'esperienza di ricerca che altrimenti mancano a un inventario di pezzi unici.

Come usa l'IA ThredUp per lavorare e mettere in vendita gli articoli?

Nella conference call sui risultati di marzo 2024, come riportato da EMARKETER, ThredUp ha dichiarato che l'IA genera descrizioni e attributi di prodotto a partire dalle foto degli articoli. Secondo l'azienda ciò arricchisce il database dell'inventario, accelera la categorizzazione e migliora l'accuratezza delle schede, a vantaggio di ricerca e personalizzazione. Reinhart ha inoltre affermato che, poiché gli articoli second hand non hanno foto indossate da modelli, prevedeva che l'IA generativa avrebbe col tempo sostituito la fotografia manuale: un'ambizione dichiarata, non un'implementazione riportata.

Nel marzo 2025, secondo PYMNTS, ThredUp ha citato le misurazioni digitali automatizzate basate sull'IA per migliorare l'accuratezza delle schede, e l'IA per migliorare la gestione dell'inventario.

Leggi anche

Come usa l'IA The RealReal per autenticazione, prezzi e presa in carico degli articoli?

Quali strumenti di shopping con IA ha lanciato ThredUp?

Nel marzo 2024 ThredUp ha aggiunto uno strumento di ricerca basato sull'IA che consente agli acquirenti di cercare per occasione, mood e attributo, ad esempio un «abito per il brunch della domenica». EMARKETER ha riferito che l'azienda ha citato aumenti iniziali delle ricerche per sessione, dei tassi di aggiunta al carrello dalla ricerca e dei tassi di click-through, senza fornire cifre.

Nell'agosto 2024 ThredUp ha introdotto tre strumenti sul suo sito, secondo Chain Store Age:

• Ricerca in linguaggio naturale, da termini semplici come «abiti a fiori» a richieste dettagliate come «costume da bagno per un triathlon».
• Ricerca per immagini, in cui gli acquirenti caricano una foto, fotografano un capo o condividono un post di Instagram per trovare articoli uguali o simili.
• Style chat, un chatbot con IA che compone outfit completi a partire da richieste come «outfit per un matrimonio in autunno», che gli acquirenti possono poi modificare per colore, stile e copertura.

Nel marzo 2025 Reinhart ha dichiarato: «Le sessioni con ricerche per immagini registrano tassi di conversione superiori dell'85%». Lo stesso resoconto segnalava un aumento del 32% su base annua del volume di nuovi clienti. Come per la maggior parte dei dati relativi a singole funzioni, gli utenti della ricerca per immagini si autoselezionano e tendono a essere acquirenti con un'elevata intenzione d'acquisto, quindi il confronto non dimostra un rapporto di causalità.

Quali risultati ha comunicato ThredUp da allora?

ThredUp ha lanciato i suoi strumenti di shopping con IA in un periodo difficile: nel secondo trimestre 2024 i ricavi sono scesi del 4% a 79,8 milioni di dollari a causa della debolezza del business europeo, come riportato da MediaPost, e ThredUp ha venduto la maggior parte delle sue attività europee nel quarto trimestre 2024, secondo PYMNTS. Nel secondo trimestre 2026 ThredUp ha registrato ricavi per 90,8 milioni di dollari, in crescita del 17%, un record di 1,77 milioni di acquirenti attivi, in crescita del 21%, e 1,87 milioni di ordini, in crescita del 22%. Il comunicato non attribuiva questa crescita a specifici strumenti di IA, e l'azienda ha abbassato le previsioni per il secondo semestre citando l'incertezza economica per gli acquirenti sensibili al prezzo.

Come supporta l'IA il lavoro di ThredUp con i brand?

ThredUp gestisce anche programmi di resale per altri retailer e brand, che chiama resale-as-a-service. Chain Store Age ha indicato tra i partner Journeys, The Container Store, Toms, American Eagle, H&M, Kate Spade e Francesca's. Questi programmi si basano sulla stessa filiera di lavorazione: gli articoli vengono ricevuti, identificati, descritti, misurati e messi in vendita da ThredUp, poi venduti tramite negozi di resale con il marchio del brand.

Per un brand ciò rende la qualità dei dati generati dall'IA di ThredUp parte della propria esperienza cliente. Un attributo o una misura errati su una scheda di resale con il marchio del brand si riflettono sul brand tanto quanto sulla piattaforma. I brand che avviano partnership di resale dovrebbero quindi chiedere come vengono generati i dati degli articoli, quale quota viene verificata da persone e come vengono corretti gli errori.

ThredUp non ha pubblicato dettagli su come, o se, l'IA fissi i suoi prezzi di resale, quindi non si deve presumere che il pricing sia automatizzato. Reinhart ha presentato l'approccio complessivo come ponderato, affermando nel marzo 2025 che «la nostra strategia di IA è stata sviluppata con un approccio profondamente calcolato per costruire e mantenere nel tempo un vantaggio competitivo».

Leggi anche

Rivendita e recommerce: come l'usato è arrivato ai brand

Quali sono i rischi e le lezioni?

Il rischio principale delle schede generate dall'IA è l'accuratezza: un tessuto, una taglia o una nota sulle condizioni errati su un pezzo unico portano a resi e delusioni che non si possono risolvere con un riassortimento. Le immagini generate sollevano una questione di fiducia analoga. Anche ricerca per immagini e style chat dipendono dalla qualità del tagging degli articoli, quindi gli errori di lavorazione si riversano direttamente nella scoperta dei prodotti.

1. Partire dai dati strutturati ricavati dalle foto, perché ogni funzione successiva dipende da essi.
2. Misurare gli articoli automaticamente dove possibile; nel resale le misure contano più delle etichette delle taglie.
3. Offrire ricerca visiva e conversazionale, perché spesso gli acquirenti conoscono un look più che il nome di un prodotto.
4. Indicare chiaramente le immagini generate e conservare foto reali dell'articolo effettivo.
5. Monitorare conversione e resi per singola funzione con controlli adeguati prima di estendere le affermazioni.