一个人打开户外品牌的网站，想买一条骑行裤。他知道自己要骑长途，也知道天气会热，但不清楚哪种衬垫、剪裁和面料适合。商品页列了十几个参数，评论区有人说舒服，也有人说磨腿。页面上没有人能接住这个问题。
线下门店里，这种事本来不难。一个真正骑过长途的人问两句，就能把选择范围缩到两三款。电商把货搬上网后，最值钱的那段判断却消失了：品牌会花钱买流量，却常常把已经进店、已经犹豫的顾客留给筛选器和FAQ。
Remark做的就是把这段判断重新放回网站。它不是一个负责礼貌回复的客服机器人，而是一个能比较商品、追问使用场景、给出购买建议的AI导购。更关键的是，Remark最初并不急着让模型独立上岗，它先让真人产品专家在对话里卖货，再用这些专家的知识和表达方式训练AI。
这家公司在2025年完成了1600万美元A轮融资。TechCrunch当时报道，它已经从按成交分成改为按网站流量收费的SaaS模式。这个转变比融资更值得看：Remark不再只赌某一单成交，而是在卖一套持续运行的线上导购能力。
把“问问题的人”当成最贵的流量
电商里最常见的浪费，不是没有访问量，而是用户已经问出问题，页面却给不出恰当的回答。
“这件外套能在零下十度穿吗？”“我的狗会拉扯，这种背带能撑住吗？”“我需要能带上飞机的包，但还要放下笔记本。”这些问题不像客服工单，更像销售现场。答对了，用户往往就下单；答得慢、答得泛，用户就去别家。
Remark的做法是把品牌自己的产品知识、真实专家的使用经验和网站库存放到同一段对话里。它的官方材料提到，训练来源可以是厨师、造型师、皮肤管理师、运动员等产品专家。重点并不在于给AI安排一张真人头像，而在于让它知道什么问题值得先问、哪些信息会改变推荐、什么情况下应该劝用户不要买某一款。
这和一般的站内搜索差别很大。搜索是在已有条件里匹配商品；导购要先把条件问出来。用户说“通勤用”，对导购来说还远远不够。背电脑吗？坐地铁还是骑车？在意防水还是重量？过去这些追问依赖店员的经验，现在被拆成了一段可重复执行的对话。
它先从真人身上拿到“怎么卖”的数据
许多品牌有商品详情页、有客服知识库，也有几千条评价。但这些材料通常只回答“这是什么”，很少解释“你这种情况为什么该买它”。真正能把犹豫推进到下单的判断，往往散落在导购、客服、售后人员和重度用户的脑子里。
Remark把真人专家放进最早期的对话，并不是为了给AI披一层“有人味”的外衣。它是在采集一套更难得到的数据：买家会怎样描述自己的需求，专家会追问什么，哪些回答会带来成交，哪些建议会减少退货。
这也解释了它为什么能把效果和订单挂钩。官方称，它的AI导购覆盖60多个品牌，过去一年收入增长4倍，客户留存率100%、净收入留存约130%。这些都是公司披露、未经第三方审计，不能当成行业平均水平；但它们说明Remark没有把价值停留在“聊天次数”上，而是把品牌是否续费放在销售结果里检验。
客户案例里，PEARL iZUMi披露与AI对话的用户转化率达到30%、投放回报率约为原来的7倍；DECKED的案例标题直接写着“数百万美元收入”。这些数字同样来自Remark及客户案例，未公开完整归因方法和对照组。但对于品牌方，它们至少提供了一个比“AI更聪明了”更能进入预算会的话术：哪些进站用户被接住了，哪些订单因此出现了。
从按成交分成，到按网站流量收费
Remark早期从成交中抽成，这很像把自己当成一个外包销售员：没卖出去就少收钱，卖得多才多收钱。这个模式容易打动第一批品牌，但也有明显问题。归因会争执，收入受季节与大促影响，产品团队为了短期成交，可能过度追逐最后一击。
后来它改成按网站流量收费，含义就变了。品牌购买的不再是“这笔订单里你分多少钱”，而是把导购能力铺到所有高意向访问里。Remark也因此能把价格与覆盖面、对话量、接入商品线和持续优化绑定，而不是只等待一笔订单的结算。
这种定价适合它的产品形态。用户通常不会为了“我要和AI聊聊”特地访问一个品牌站；对话发生在用户已经在选货、比较、犹豫的那个时刻。收费单位与流量挂钩，等于承认它做的是一层交易前基础设施，而不是一个可有可无的营销插件。
真正的难点，是别把导购做成推销
这类产品最容易滑向另一边：AI为了提高转化，什么都推荐最贵的那款。短期也许好看，长期却会带来退货、差评和品牌信任的损耗。
Remark的产品逻辑恰好提醒了一个更难的标准。好的导购不只是回答得快，而是能在合适的时候缩小选择，也能在不合适的时候劝退。品牌要愿意把库存、价格、促销和真实产品限制交给系统；系统也要能把这些信息变成诚实、具体的建议。
公开信息还不足以判断Remark能否在每个类目都做到这一点。真人专家的供给成本有多高，知识如何保持更新，效果数据是否能跨品牌复现，都是未公开的问题。更何况，电商归因本来就复杂，聊天发生在成交前，不等于聊天独自创造了成交。
但它抓住了一个很实在的机会：在线商店最缺的不是更多商品信息，而是有人替用户把信息变成选择。AI如果能把这段原本昂贵、稀缺、依赖个人经验的判断做成可部署、可计费、可复盘的能力，电商的下一笔预算就不必只投在流量上。