Phia 正在重新定义年轻人的购物决策方式。这款由比尔·盖茨小女儿领衔打造的AI购物助手，不仅能实时比价、推荐二手替代品，还能预测商品的未来转售价值。它从时尚品类切入，将新品、二手市场信息和品牌估值整合在一个界面，让用户在犹豫时获得最精准的购买建议。Phia的特别之处在于：它不强迫用户改变购物习惯，而是在原有流程中无缝嵌入决策支持，真正做到了'替用户做判断'。
今天分享的是：Phia，https://phia.com/
这家公司由 Phoebe Gates 和 Sophia Kianni 创办。Phoebe Gates 是比尔·盖茨的小女儿，Sophia Kianni 是她在斯坦福的室友。
两个人都只有 20 多岁，最早是在学校项目里做出了 Phia 的雏形。
Phia 做的事情听起来不复杂：
当你在网上买衣服、鞋子、包或者配饰时，它帮你判断这件东西值不值得买、有没有更便宜的同款、二手市场上有没有相似选择、以及未来转手大概还能卖多少钱。
比如：你看中一条裙子，原价 200 美元，Phia 可以告诉你，二手平台上可能有同款，价格是 80 美元。
你看中一个包，它可以帮你判断这个包现在的价格是偏高、偏低，还是正常，也可以提示你它未来的转售价值。
这件事本身不新鲜，过去很多插件也做过优惠券、返利、比价。
但 Phia 的切入口不是“帮你找券”，而是把新商品、二手商品、品牌价值、转售价格、个人偏好和内容种草放在一起，试图重做一次年轻人买东西的决策流程。
这也是它能在一年多时间里快速增长的原因。
今天的线上购物，其实并不轻松。平台很多，价格很多，折扣很多，二手平台也很多。
你想买一件东西，可能要打开品牌官网、电商平台、折扣网站、二手平台、社交媒体，反复比较。
问题是，普通用户很难知道自己看到的价格到底是不是好价格。
尤其是时尚品类：
同一件衣服可能在不同网站价格不同；
同一个包可能在新品市场和二手市场差很多；
有些品牌转售价值高，有些品牌买到手就大幅贬值；
有些单品看起来便宜，但质量、尺码、退货风险都不好判断。
Phia 看到的机会，就是把这些分散的信息集中起来。
它不是让用户去一个新的电商平台重新购物，而是跟着用户原来的购物行为走。
用户在浏览器或手机上看商品时，Phia 通过插件或应用介入，给出价格比较、替代选择和购买建议。
这个入口很重要。
因为它不是要求用户改变购物习惯，而是在用户已经有购买意图的时候出现。
用户已经看中一件商品，已经接近下单。这时候问一句“要不要买”，比在首页推给用户一堆商品更接近交易。
Phia 早期最有代表性的功能，就是一个类似“我该买吗”的按钮。
用户在商品页面点击后，Phia 会把这件商品拿去和数据库里的商品做比较。
它会告诉你，这个价格是否合理，有没有更低价格，有没有二手替代，有没有相似款。
这就是它的第一层价值：减少用户做决策的时间，也降低买贵的概率。
Phia 没有一开始就做所有商品。
它先做时尚购物，尤其是服装、鞋包、配饰和二手交易。这个选择其实很自然。
第一，时尚商品的价格差异很大。
同一款商品，在新品、折扣、二手、转售平台之间，可能有明显价差。用户做比价的动机很强。
第二，时尚商品有很强的非标准属性。
买一件衣服，不只是看价格，还要看品牌、版型、尺码、风格、使用频率、转售价值。这些信息分散在很多地方，普通电商页面通常给不全。
第三，二手市场正在变大。
年轻用户越来越愿意买二手，但二手平台很分散。美国市场里，The RealReal、Vestiaire Collective、ThredUp、StockX、eBay、Poshmark 等平台都有大量商品。用户自己一个个搜，成本很高。
第四，时尚天然适合内容传播。
两个创始人本身就是目标用户，她们知道年轻女性怎么刷内容、怎么被种草、怎么比较、怎么犹豫，也知道购物过程里哪些地方最烦。
很多消费创业失败，不是因为技术不够，而是创始人离用户太远。
Phia 至少在早期避免了这个问题。它的创始人本身就是重度用户，也是它想服务的人群。
很多购物应用的问题，是不断给用户推荐更多商品。
你本来只是想买一件裙子，结果越看越多，越看越乱，最后打开几十个页面，还是不知道该不该买。
Phia 想做的不是简单增加选择，而是帮用户缩小选择。
它的产品能力大致可以拆成几件事：
第一，实时比价。
用户浏览某件商品时，Phia 会从大量零售和二手网站中找类似商品，判断当前价格是否合理。它不是只找优惠券，而是把新品和二手平台一起纳入比较。
第二，二手替代。
如果用户准备买一件新品，Phia 可能会提示，二手平台上有同款或相似款，价格更低。这对高价服饰、包、鞋尤其有用。
第三，转售价值判断。
这是 Phia 和普通比价工具不太一样的地方。
它不只是问“现在多少钱”，还会提醒用户，这件东西未来大概还能卖多少钱。
比如一个 500 美元的包，未来可能还能卖 300 或 400 美元；但一件快时尚商品，买入 100 美元，未来可能只能卖 10 美元。
这会改变用户对“贵不贵”的理解。
一件东西单看价格可能贵，但如果转售价值高、使用频率高，长期成本未必高。另一件东西单看便宜，但买到手就贬值，也未必划算。
第四，降价提醒和商品总结。
Phia 会帮用户追踪价格变化，也会总结商品信息，减少用户自己翻评论、看参数、反复比较的时间。
第五，个性化购物建议。
Phia 还在做更进一步的购物顾问能力，包括根据用户过去的订单和退货信息，判断某件商品的尺码是否适合用户。
这些功能放在一起，Phia 想做的不是一个“便宜货搜索器”，而是一个购物决策app。
也就是说，它不一定卖货，但它想站在用户下单之前，影响用户买什么、在哪里买、什么时候买。
Phia 对用户免费，这意味着它不能主要靠用户订阅赚钱，至少早期不是。
它更接近一种导购和联盟分成模式：
用户通过 Phia 发现商品、跳转购买，如果交易发生，Phia 可以从品牌或平台那里获得分成。
这和很多返利网站、优惠券插件在商业模式上有相似之处。
但 Phia 想做得更深。
普通返利工具往往只发生在交易最后一步：用户已经决定买了，插件帮他找券、返现，或者跳转到合作商家。
Phia 介入得更早，它在用户犹豫、比较、判断价格的时候就出现。
这让它有机会影响购买决策，而不只是吃最后一口交易分成。
对品牌来说，这也有吸引力。
如果 Phia 能证明自己带来的用户购买意图强、退货率低、客单价更高，那么品牌就会愿意接入。
这也是为什么 Phia 一边做用户端工具，一边快速扩展品牌合作。
公开报道显示，它在 2026 年初已有 6200 个零售合作方；到了近期披露的数据，合作方数量已经达到 9600 个。
对一个购物助手来说，用户规模和品牌合作是互相推动的。
用户越多，品牌越愿意进来。品牌越多，商品覆盖越全，用户体验越好。
Phia 的一个重要特点，是创始人非常会做内容。
Phoebe Gates 和 Sophia Kianni 不只是站在幕后做产品，她们把创业过程也变成了内容。
她们有自己的播客，也会在社交平台上持续分享创业日常、产品进展、融资过程、团队状态。
Phia 没有把自己做成一个冷冰冰的工具，而是把创始人故事、年轻女性创业、时尚消费、可持续购物这些元素放在一起讲。
这很适合它的目标用户。
Sophia Kianni 曾提到，通过播客和不同分发方式，用较低成本拿到大量下载，对 Phia 很重要。
Phoebe Gates 也提到，她们一开始做内容时还会在意自己看起来好不好，后来意识到，如果想让用户参与，就必须把创业过程真实地展示出来。
这其实是一种典型的消费品增长方式。
产品本身提供功能，创始人内容提供信任，社交平台提供扩散。
对一个新购物工具来说，让用户安装浏览器插件或手机应用并不容易。用户需要相信你，不然不会让你进入自己的购物流程。
创始人内容在这里起到了降低信任成本的作用。
如果只把 Phia 理解成“帮用户省钱”，会有点低估它。
省钱当然重要，但它真正想做的是替用户做判断。
过去电商平台的核心，是展示更多商品。用户搜索、筛选、比较、看评论，然后自己判断。
但商品越来越多，平台越来越多，信息越来越分散，用户的判断成本也越来越高。
AI 购物助手的机会，就是把“搜索”和“比较”往前推进一步。
用户不只是问：哪里可以买？
用户还会问：
这是不是好价格？有没有更便宜的同款？这个品牌保值吗？买新的还是买二手更划算？现在买还是等降价？这件东西以后还能卖多少钱？
这些问题不是传统搜索引擎最擅长的，也不是单一电商平台一定愿意客观回答的。
因为单一平台希望你在它这里下单，而用户希望的是全网最优选择。
Phia 想站在用户这一边。
如果它能长期做到这一点，它就有机会成为用户和商家之间的新中介。
这也是它为什么被称为“购物代理”或“购物助手”，它不是再做一个货架，而是做一个决策层。
第一，切口要足够具体。
Phia 没有一开始就说“我要重做电商”。它先从时尚购物里的一个高频痛点切入：用户不知道自己有没有买贵，也不知道二手市场有没有更好的选择。
这个问题具体、频繁、可感知，也容易用结果证明价值。
如果用户真的省了钱，产品价值不需要解释太多。
第二，入口要贴近用户原有行为。
Phia 没有强迫用户先打开一个新平台，再重新搜索商品。它通过手机应用和浏览器插件，跟着用户原来的购物路径走。
这降低了使用门槛。
用户不是“为了用 Phia 去购物”，而是在购物时顺手用 Phia 判断一下。
第三，内容和创始人本身就是增长资产。
Phia 的两个创始人很清楚，消费产品不能只靠冷启动广告。她们持续用内容讲创业过程、讲产品进展、讲自己为什么做这件事。
这让用户更容易记住产品，也让投资人、品牌、媒体更容易理解它。
第四，名人和达人不是装饰，而是分发网络。
对企业软件来说，找明星投资人可能意义不大。但对一个时尚购物产品来说，能影响审美、消费和社交话题的人，本来就是产品生态的一部分。
Phia 把这些人拉进来，本质上是在为未来的用户获取、品牌合作和内容传播铺路。
最后，Phia 当然自带话题。
比尔·盖茨女儿创业、斯坦福室友、20 多岁女创始人、明星投资人、AI 购物助手，这些元素放在一起，很容易传播。
但 Phia 更值得作为一个消费 AI 案例来看。
它选了一个高频、具体、结果可量化的场景：购物决策。
它没有一开始就做大而全的平台，而是先做一个能嵌入用户购物流程的小工具。
它没有只靠技术叙事，而是把创始人内容、女性消费、二手市场、可持续购物、名人影响力和品牌合作放在一起。
这也是很多 AI 消费产品可以借鉴的地方。
以上，祝你今天开心。
作者：张艾拉 公众号：Fun AI Everyday
本文由 @张艾拉 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自作者提供
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。