Doppl 失败拆解：Google 为什么把 AI 试穿从独立 App 收回购物入口
Google Doppl 让用户看到自己穿上衣服的样子，却在 2026 年 4 月 30 日停止独立运行；本期拆解试穿生成如何卡在留存、交易与平台入口之间。
Doppl 把「看见自己穿上」做成了一个低门槛的 AI 试穿 App，却在 2026 年 4 月 30 日停止工作并从两个应用商店下架；Google 仍保留的，是把试穿放回 Search、Shopping 和商品页的入口。12
增长判断： Doppl 的首个价值成立了：用户上传一张全身照和一张衣物照片，就能看到「自己穿上」的结果，还能生成动态视频。但公开材料没有给出第二次试穿、购买增量、D30 留存、付费人数或单次生成成本，Google 也没有把 Doppl 证明成一门独立生意。
增长因果链： 全身照加衣物图降低试穿门槛 → 新奇结果带来首次激活与分享 → 交易、复用和收入证据长期缺席 → 同一能力被放回 Google 的搜索与购物入口 → 独立 App 失去继续占据一个图标的理由。
G｜增长系统
结论： Doppl 优化了「我穿上这件衣服会怎样」这一瞬间，却没有公开证明用户会因此持续选购；它的增长断点落在第二次有效试穿和生成结果后的购买动作。
三个增长对象
| 对象 | 需要完成的事 | Doppl 的成功信号 | 公开状态 |
|---|---|---|---|
| 消费者 | 判断一件衣服是否值得继续了解 | 首次生成合格试穿图；随后打开商品、收藏、加购或购买 | 首次流程已公开，后续转化未披露 |
| 商品与品牌 | 让消费者更快理解服装上身效果 | 试穿带来商品点击、加购率和退货率改善 | Doppl 单独带来的增量未披露 |
| 用视觉结果帮助用户发现并购买商品 | 搜索、图片、Shopping 的商品点击和交易价值 | Google 当前把试穿入口放在这些场景中，Doppl 单独贡献未披露3 |
AARRR 逐项拆开
| 环节 | 应追踪的指标 | Doppl 已知证据 | 置信度 |
|---|---|---|---|
| Acquisition | 进入试穿页的用户、上传率、首张衣物图完成率 | 2025 年 6 月发布时，Doppl 面向美国用户，支持 iOS 和 Android；公开材料未披露安装量与获客来源2 | A：上线范围；—：规模 |
| Activation | 首次生成合格结果，并能让用户认出衣物与自己 | 用户上传全身照，再上传衣物照片或截图；Doppl 生成静态试穿图，也能把结果变成 AI 视频2 | A：流程；C：质量比例 |
| Retention | 第 2 次有效试穿、D7、D30、不同商品的重复使用 | 未披露 | — |
| Referral | 分享后带来的新用户、被分享内容的商品点击 | 产品提供保存、浏览历史和分享功能2 | A：功能；—：转化 |
| Revenue | 商品点击、加购、购买、联盟收入或广告增量 | 未披露；Doppl 的公开产品材料没有单独价格、订阅或收入口径 | — |
这张表里最重要的空白是 Retention。一个人把自己的照片和一件衣服合成一次，证明的是「结果有趣」；一个人隔天再次上传另一件衣服，并在结果后打开商品页，才开始证明「工具有用」。Doppl 的公开页面给了输入和输出，却没有给这条曲线。
可证伪门槛（测试标准，不是 Doppl 历史数据）：
- 首次上传后，至少 60% 的用户得到可接受的合格结果；否则问题先在生成质量，不在获客。
- 首次合格结果后的 30 天内，至少 30% 的用户完成第二次有效试穿；低于这个值，产品更像一次性灵感工具。
- 试穿结果页带来的商品点击率至少达到普通商品详情页的 1.5 倍，并且加购率提升 10% 以上；否则视觉效果没有改变购买决策。
- 生成成本、存储成本和分享带来的新增价值需要分开核算；单次生成越贵，产品越应该直接连接商品交易，而不是只追求更长的视频。
O｜市场机会
结论： 虚拟试穿真正有价值的市场位置在「商品发现—购买决策」之间；孤立的试穿 App 只占住了其中最容易被复制的生成环节。
用户到底在买什么
线上买衣服时，消费者需要想象颜色、版型和整体搭配落在自己身上的样子。Doppl 用一张全身照替代了这段想象：用户可以上传从二手店、朋友身上或社交媒体看到的服装图，再看一版自己的上身结果。2
这项需求可以分成三层：
- 灵感层： 我想知道某种风格是否适合自己。Doppl 的跨来源上传和视频结果很适合这一层。
- 商品层： 我想知道这件具体商品是否值得买。用户需要商品链接、尺码、库存、价格和退货规则。
- 交易层： 我已经准备下单。平台需要把试穿结果接到商品详情页、购物车和支付环节。
Doppl 主要覆盖第一层，并以独立 App 的形式承载它。Google 当前的 Try-On 工具则要求用户在 Search、Google Images 或 Google Shopping 中打开商品，上传照片后生成结果；官方帮助页列出的服装范围包括上衣、下装和连衣裙，赞助商品不会显示试穿按钮。3
市场规模该怎么判断
Google 没有公开 Doppl 的用户数、试穿次数、商品点击、购买增量或收入。本文不把全球服饰电商规模套到 Doppl 身上，因为那会把「有人需要试穿」偷换成「Doppl 能拿到交易价值」。
更有用的市场判断是看入口控制权：
- 只有灵感，没有商品索引，产品容易被社交平台和通用模型复制。
- 有商品索引，没有用户身份和分发，产品要为每次访问重新获客。
- 有搜索、商品页、购物车和支付，平台可以把一次试穿直接接到交易指标。
可证伪信号： 若独立试穿产品的用户在 30 天内重复试穿，却很少点击商品或加购，产品仍停留在内容消费；若商品页试穿能持续抬高加购率，并且效果覆盖多个品牌和尺码区间，机会才从「生成体验」进入「购物基础设施」。
S｜战略定位
结论： Doppl 是 Google Labs 用来探索「个人化试穿」的独立实验；Google 对它的最终取舍是保留试穿需求，把独立 App 的入口收回搜索与购物场景。
八个月的产品生命周期
2025 年 6 月 26 日，Google 以 Google Labs 实验产品的形式发布 Doppl。用户上传自己的全身照，再上传衣物照片或截图，产品生成一张虚拟上身图，并支持把静态结果转成 AI 视频、保存、查看历史和分享。Google 当时也承认它处于早期阶段，合身、外观和衣物细节可能出现错误。2
2026 年 4 月 30 日，Google Labs 帮助页确认 Doppl 停止工作，并从 App Store 与 Google Play Store 下架。用户需要在截止日前进入 Collections，选择 look，通过分享功能保存到设备，或者直接截图。1
Google 当前的帮助页把 Try-On 放在 Google Shopping、Google Search 和 Google Images 中。用户需要登录相关服务，上传本人或获得授权的他人照片；官方还给出照片删除、原图用途和不用于训练等说明。3
这段变化说明一个边界：Doppl 的独立 App 停止了，试穿作为一种购物能力仍在 Google 的分发体系中。公开材料支持「入口收回」和「需求保留」这两个判断；公开材料没有给出 Doppl 被关停的具体经营原因，也没有给出能力迁移后的转化改善。
战略错位在哪里
Doppl 让用户先拿着一张衣物图来找灵感。Google Shopping 的 Try-On 则让用户先进入商品列表，再决定要不要试穿。前者更适合探索，后者更接近商品点击和交易。
独立 App 需要自己解决三个问题：用户为什么专门打开它、试穿的衣物是否能买、结果如何回到购买。Google Search 和 Shopping 已经握住了搜索意图、商品索引和广告/交易入口。Doppl 如果只能提供更漂亮的结果，就很难拥有独立于平台的控制点。
战略判决： Doppl 的试验价值在于证明个人化试穿值得进入产品体系；它的失败在于公开证据没有证明「个人化试穿」必须以一个独立 App 的形式存在。
C｜竞品分析
结论： Doppl 面对的主要竞争者不是另一款生成模型，而是已经拥有商品供给、搜索流量或结账入口的平台。
| 产品 | 入口 | 输入与商品范围 | 输出 | 交易/分发控制点 | 对 Doppl 的压力 |
|---|---|---|---|---|---|
| Doppl | 独立 iOS/Android App；美国实验发布 | 用户全身照 + 衣物照片或截图；可从灵感图开始 | 自己穿上衣物的图片和 AI 视频，可保存、分享 | 公开材料没有给出稳定商品索引、购买链路或收入数据2 | 灵感体验强，交易闭环弱 |
| Google Shopping Try-On | Google Search、Google Images、Google Shopping | 用户照片 + 商品列表里的上衣、下装或连衣裙 | 商品试穿结果，可保存或分享 | 商品列表、搜索入口和购物场景由 Google 自己掌握3 | 同公司直接吸收入口 |
| Amazon Virtual Try-On for Shoes | Amazon iOS 购物 App 的商品页 | 用户摄像头 + 数千款鞋类样式；首发覆盖美国和加拿大 | 手机摄像头中的 AR 鞋面叠加，可切换颜色、保存和分享 | 商品页、品牌供给和 Amazon 购物 App 绑定 | 商品页离交易更近，但商品范围较窄4 |
| Walmart Be Your Own Model | Walmart.com 与 Walmart App | 用户照片 + 支持的服装；报道时支持超过 270,000 件商品，并提供 100 多个模特选择 | 服装虚拟上身 | Walmart 自有品牌、Marketplace 和结账入口 | 供给与交易一体化，削弱独立试穿 App 的回流理由5 |
这张表揭示了一个常被忽略的比较维度：生成能力只是结果层，入口与商品才是经营层。 Doppl 可以让用户上传任意灵感图，体验更自由；Google Shopping、Amazon 和 Walmart 则把试穿绑定到自己的商品目录。用户在灵感阶段可能更喜欢 Doppl，在购买阶段却会回到拥有库存、价格和售后的平台。
可证伪判断： 独立产品只有在跨平台商品索引、个性化衣橱数据、明显更高的生成质量，或能被品牌直接购买的转化增量中至少占住一项，才有机会抵抗平台把同类能力放回商品页。单纯多一个 App 图标，无法形成壁垒。
P｜产品设计
结论： Doppl 的产品设计把「上传—生成—观看—分享」做得很顺，却把最难的「这件衣服能不能买、合不合身、买了是否值得」留在了结果之外。
这条流程为什么容易激活
- 用户先上传一张全身照，输入成本低。
- 用户可以上传衣物照片或截图，来源不必是某个电商平台。
- 系统把衣物放到用户自己的身体上，结果比单看模特图更容易引发自我判断。
- 静态图还能变成 AI 视频，增加了查看和分享的理由。2
这一设计把最有传播力的部分放在前面：用户先得到一个可见结果，再决定是否继续。对于 Google Labs 的实验来说，这种路径适合收集「人们愿不愿意尝试个人化试穿」的反馈。
四个结构性缺口
第一，视觉结果和商品身份可能脱节。 用户上传截图可以得到一张图，但产品是否能准确识别品牌、款式、尺码、库存和价格，公开材料没有说明。生成一件「看起来相似」的衣服，无法直接替代商品页。
第二，合身问题比图像问题更难。 Google 发布期明确提醒，Doppl 可能在 fit、外观和衣物细节上出错。2 如果用户把结果当成尺寸判断，错误就会从审美误差变成退货和信任成本。
第三，视频增加成本，也增加了产品期待。 用户可能愿意为一张静态图等待几秒；一段视频会让用户期待衣物褶皱、身材比例和动作都更可信。视频生成成本、等待时间和错误率若同步上升，分享带来的价值未必抵得过单位成本。
第四，授权动作决定可用范围。 Google 当前 Try-On 要求用户上传本人或获得授权的照片，并提供原图删除和数据用途说明。3 这类提示保护了用户，也会增加上传前的解释成本。做长期衣橱产品时，照片保留、删除、跨设备同步和商品数据关联都要成为可见的产品能力。
产品重做门槛（测试标准）： 首次结果的合格率、衣物识别准确率、结果页到商品页的点击率、第二次试穿率、生成等待时间、每次生成成本和用户删除原图的比例，需要放在同一张经营看板上。只优化画面真实感，无法回答产品是否值得继续经营。
E｜商业模式
结论： Doppl 的公开材料没有形成一张独立的收入账；它最可能的价值承载在 Google 的购物分发与交易体系中，这个判断属于 C 级推演，不能当作 Doppl 已经实现的商业模式。
公开材料给了什么
Google 没有公开 Doppl 的价格、订阅人数、广告收入、商品点击、购买增量、单次图片或视频生成成本。Doppl 的发布报道强调的是 Google Labs 实验性质、用户探索风格和 Google 从实验中学习的价值。2
因此，以下项目都应写作「未披露」：
- 用户总数、月活、D7/D30 和第二次试穿率；
- 试穿结果带来的商品点击、加购、购买与退货变化；
- 图片与视频的推理、存储、审核和客服成本；
- Doppl 的收入、广告分成、联盟佣金或内部预算回报。
Google 当前的 Try-On 页面则把能力放在搜索和商品列表里，并允许用户保存、分享或删除结果。3 这给出了一种更合理的商业推演：试穿不必单独收订阅费，平台可以用商品点击、购物意图和交易转化承接价值。
单位经济怎么拆
| 成本/价值项 | 独立 Doppl 需要承担的事项 | 平台入口的优势 |
|---|---|---|
| 获客 | 让用户专门安装、授权、上传照片 | Search/Shopping 已经承载商品意图 |
| 生成 | 图片、视频、失败重试和审核 | 可把生成调用放在更接近购买的环节 |
| 内容 | 处理用户上传的任意衣物截图，识别商品 | 商品索引能减少从图片反查商品的工作 |
| 转化 | 把灵感结果送回商品页、库存和支付 | 商品页、广告和结账本来就在同一系统内 |
| 信任 | 解释照片保存、删除、授权与错误边界 | 平台能把统一的隐私与账户控制复用到更多产品 |
Doppl 作为独立 App，拥有跨来源灵感输入的自由，却要为每一次回访和每一次商品匹配付费。Google 作为平台，可能接受单次试穿本身没有独立收入，只要它能帮助搜索和购物场景产生增量。这个差异足以解释为什么同一个能力在平台里值得保留，在独立 App 里却难以继续占位。
可证伪判断： 如果平台化试穿带来的商品点击和加购增量长期低于生成成本，Google 也会继续收缩；如果独立产品能证明每次试穿都带来可归因的购买增量，并且品牌愿意为此付费，独立产品才拥有平台之外的收入来源。
L｜洞察提炼
结论： Doppl 留下的判断不是「AI 试穿没有需求」，而是「视觉生成需求要靠商品和交易控制点才能成为独立业务」。
1. 首次惊艳属于激活，第二次使用才属于产品
上传照片、看到自己换装，足以让用户完成首个动作。产品负责人要继续追踪第二件衣服、第二天打开、第二次分享和第二次商品点击。Doppl 的公开材料只证明了流程存在，留存曲线仍是未披露。
验证方式： 以 30 天第二次有效试穿作为最低留存门槛，并按用户是否进入商品页分组；只分享、不点击商品的用户不能和购物用户混在一起。
2. 试穿工具要尽早选择服务消费者还是商品方
面向消费者的产品需要风格探索、个人衣橱和低摩擦输入；面向品牌的产品需要商品识别、尺码准确、转化归因和退货改善。Doppl 试图从灵感图开始，天然更接近消费者探索；Google Shopping 的 Try-On 更接近商品列表。3
验证方式： 同一套模型分别测量用户留存和商品转化，不用一个漂亮的生成样片同时代表两种客户价值。
3. 平台实验的成功标准不能只看功能是否被喜欢
验证方式： 实验开始前就写清三条路线：独立 App 达到什么留存才继续；达到什么商品增量才并入 Shopping；达不到时用户如何导出图片、删除原图和迁移保存内容。
4. 视觉更像真人，责任也更接近真实购买
Doppl 的官方发布材料已经提示合身、外观和细节可能出错。2 当产品从「灵感」进入「尺码判断」，错误会影响信任、退货和品牌关系。
验证方式： 把视觉相似度、尺寸判断准确率、退货率和用户投诉分开追踪；一张更逼真的图，不能自动代表更少的退货。
D｜决策分析
结论： 做 AI 试穿的人要先证明「结果改变购买」，平台负责人要先证明「合并后仍有增量」，投资人要先确认产品是否拥有商品、入口或数据中的至少一个控制点。
给创始人
| 决策问题 | 先做的动作 | 观察指标 | 失败阈值与边界 |
|---|---|---|---|
| 用户会不会回来 | 先做单张图片的快速试穿，再测试第二件衣服 | D7/D30 第二次有效试穿率 | 30 天第二次试穿低于 30% 时，先修复使用频率；这个阈值是测试标准 |
| 结果会不会改变购买 | 把试穿结果直接接到商品页 | 商品点击、加购、购买、退货 | 点击增加但加购不增加，说明产品只制造浏览 |
| 能不能从灵感图找到商品 | 建立品牌、款式、价格和库存的识别链 | 商品匹配成功率、人工纠错率 | 匹配率低时，跨来源上传会放大客服与错误成本 |
| 生成是否值得付费 | 先限制视频长度和重试次数 | 单次生成成本、等待时间、分享带来的新增价值 | 视频成本超过可归因交易价值时，先保留静态图 |
给平台产品负责人
- 把独立实验的指标和 Shopping 的交易指标接起来，区分「喜欢结果」与「完成购买」。
- 规定停运时的保存、导出和原图删除路径。Google 对 Doppl 的帮助页给出了保存和截图方式，这类退出体验本身就是产品信任的一部分。1
- 统一照片授权和删除说明。Google 当前 Try-On 页面要求本人或获授权的照片，并说明原图与生成图的删除方式。3
- 合并能力时保留实验中真正有效的输入方式，例如从灵感图开始，而不是只保留商品页试穿。
给投资人
尽调时需要问五个具体问题：
- 用户的第二次有效试穿率是多少，按商品类型和来源拆开后还成立吗？
- 试穿结果是否带来可归因的加购和购买增量，退货率发生了什么变化？
- 商品匹配、尺码判断和人工纠错分别需要多少成本？
- 生成图片和视频的单位成本，能否被订阅、品牌服务费或交易价值覆盖？
- 产品离开当前模型或分发平台后，还剩下什么资产：商品索引、衣橱数据、品牌合同、用户关系，还是只有一个生成界面？
Doppl 的公开案例给出了一个清晰的决策分界：「看起来像我」是激活；「我因此选了这件商品并完成购买」才是商业价值。 Google 最终保留了后一个动作所在的搜索与购物入口，独立 App 则在 2026 年 4 月 30 日停止工作。
References
- 1Google Labs Help：Download items in Doppl before app shuts down
support.google.com
- 2TechCrunch：Google launches Doppl
techcrunch.com
- 3Google Shopping Help：How the Google Try-On tool works
support.google.com
- 4TechCrunch：Amazon gets into AR shopping
techcrunch.com
- 5TechCrunch：Walmart introduces virtual try-on tech
techcrunch.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.