Perplexityのバーチャル試着とは、アバターで服を試せる機能のことです。
アパレルECで返品理由の上位に来るのは、昔も今も「イメージと違った」「サイズが合わなかった」です。AI検索のPerplexityは2025年11月、自分の写真から作ったアバターに服を着せて確認できるバーチャル試着を、ショッピング機能の一部として始めました。提供は米国の有料プランに限られていますが、同じ方向の機能は各社で広がっており、日本のアパレルECにとっても準備を始める価値があります。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル(うるチカラ運営)の現場知見にもとづき、AIの試着や比較で選ばれやすい商品画像と商品情報の条件を、撮影4つと属性3つの計7つに整理します。
Perplexityのバーチャル試着で何ができるようになったのか
Perplexityのバーチャル試着は、利用者が自分の写真をアップロードしてアバターを作り、ショッピング検索で表示された服をそのアバターに着せて確認できる機能です。TestingCatalogによると、2025年11月初めに米国のiOSアプリで提供が始まり、対応する商品の横に試着ボタンが表示される形でした。
同じ11月には、PayPalと組んだ即時購入機能とあわせてショッピング機能が拡充されたとAlternativeToなどが伝えています。試着は有料のProプラン(月20ドル)とMaxプランの利用者が対象で、提供地域は米国に限られています。広い地域への展開について公式な発表は見当たらず、日本での提供時期は要確認です。
実際に使ったTechRadarの記者は、1分もかからずにアバターが服を着た画像が生成されたと評価しています。一方で、試着できるのは1点ずつで、上下の組み合わせなどコーディネート全体はまだ扱えないと報じられています。同記事は、対応範囲の広さではGoogleの試着機能が先行しているとも指摘しています。
ここで押さえておきたいのは、試着はAIによる比較の一部にすぎないという点です。Perplexityのショッピング検索では、利用者の質問に応じてAIが候補の商品を選び、説明し、比較します。試着ボタンが押されるのは、その候補に残った商品だけです。つまり、試着に載る以前に、AIの比較を通過できる画像と情報を持っていることが前提になります。
日本でも、生成AIを使った着用イメージの機能は広がりつつあり、うるチカラでもMetaのAIコーデアプリStyle Sketchを取り上げました。どの会社の機能が先に日本で使えるようになるかは分かりませんが、求められる商品画像と情報の条件には共通点があります。
試着AIと比較AIが商品の何を見ているのか
試着や比較を行うAIは、商品画像から服の形と色を読み取り、商品情報から素材やサイズを読み取って判断していると考えられます。Perplexityは出品側向けの画像要件を公表していないため、ここからは一般的な画像生成AIの仕組みと、既存のモールの画像ルールから見た編集部の見立てです。
画像から服を読み取るとき、AIにとって扱いやすいのは、服の全体が1枚に収まり、背景と服の境界がはっきりした画像です。モデルが腕を組んでいて袖の形が隠れていたり、背景に柄があって輪郭が溶け込んでいたりすると、アバターに着せたときに形が崩れる原因になります。
色も重要です。撮影時の照明や加工で実物と違う色になっていると、試着の画像も実物と違う色で表示されます。これは返品の原因をAIが増幅することになり、試着機能の本来の目的と逆の結果を招きます。
商品情報では、実寸、素材、伸縮性、厚みといった数字や事実が、比較の材料になります。AIは「オーバーサイズで着たい」「透けない白のTシャツ」といった利用者の条件に合う商品を探すため、こうした情報が文字で書かれていない商品は、候補から外れやすくなります。
商品情報がAIに届く経路は、商品ページの本文だけではありません。Google Merchant Centerに送る商品データには、色、サイズ、素材、柄、対象の性別や年齢層といった属性の項目が用意されており、ショッピング検索やAIの回答の材料になります。自社ECで商品データを連携している場合は、これらの項目が空欄のままになっていないかを確認しておくと効果的です。データのエラーの直し方はMerchant Centerのフィードエラーを8系統で直すスキルで整理しています。
楽天市場やAmazonには、それぞれ商品画像のルールがあります。楽天市場の画像ルールは楽天の商品画像チェックスキル、Amazonのメイン画像の要件はAmazonメイン画像チェックスキルの解説で整理しています。モールのルールを守った画像は、背景や構図が整理されている分、AIにとっても読み取りやすい素材になっている場合が多いと考えられます。
撮影と属性の条件7つと整備手順
AIの試着や比較で選ばれやすくなる条件は、撮影に関する4つと、商品情報の属性に関する3つです。
条件1は、単品の全体が写る正面の画像を用意することです。トップスなら襟から裾まで、パンツならウエストから裾までが1枚に収まり、腕や小物で隠れていない画像が基本になります。
条件2は、背景をシンプルにすることです。白や単色の背景は、服の輪郭をAIが切り出しやすくします。雰囲気を伝えるイメージ写真は別の枚数で用意し、少なくとも1枚は背景がシンプルな画像を入れておきます。
条件3は、実物に近い色で撮ることです。撮影時に色見本を一緒に写して色を合わせる、加工で彩度を上げすぎない、といった基本を守ります。色名も、画像と食い違わないように付けます。
条件4は、着用画像と平置きまたはトルソーの画像を両方用意することです。着用画像はサイズ感や落ち感を伝え、平置きの画像は形とディテールを正確に伝えます。どちらか一方だけでは、AIも人も判断材料が不足します。
条件5は、実寸を文字で書くことです。着丈、身幅、肩幅、袖丈などをサイズごとに数字で示します。画像の中にだけサイズ表を入れている商品は、AIが読み取れない可能性があるため、本文にも文字で記載します。
条件6は、素材と着心地の情報を書くことです。素材の混率に加えて、伸縮性、生地の厚み、透け感、裏地の有無などを、「やや厚手」「ほとんど透けない」のように段階で示すと、比較の材料になります。
条件7は、着用モデルの身長と着用サイズを書くことです。「身長165cm、Mサイズ着用」のような情報は、アバターでの試着がない環境でも、利用者がサイズを判断する手がかりになります。
7つの条件のうち、どれから手を付けるかも決めておきます。撮り直しが必要な条件1〜4は費用と時間がかかる一方、文字情報で済む条件5〜7は、既存のサイズ表やモデル情報を書き写すだけで対応できる場合がほとんどです。直近の支援案件で観測したのは、まず条件5〜7を全商品に広げ、撮影の条件は新商品の撮影時から順次切り替えていく進め方が、費用を抑えながら最も早く形になるというパターンでした。
整備は、売れ筋の商品から順に進めるのが効率的です。以下のプロンプト5本は、ChatGPT・Claude・Geminiのいずれでも使えます。
プロンプト1は、既存の商品画像を7条件で点検する用途です。画像を読み込めるAIで使ってください。
プロンプト1:商品画像の点検
あなたはアパレルECの商品画像の品質管理担当です。
添付した商品画像({枚数}枚)を、AIの試着や比較で読み取りやすいかという観点で点検してください。
点検項目:
1. 単品の全体が写る正面の画像があるか(隠れている部分はないか)
2. 背景がシンプルな画像が1枚以上あるか
3. 色が不自然に加工されていないか(色名{色名}と食い違わないか)
4. 着用画像と平置き・トルソー画像の両方があるか
商品:{商品名}、カテゴリ{カテゴリ}
出力:項目ごとの判定(満たす/一部/満たさない)、理由、追加・撮り直しが必要な画像
プロンプト2は、実寸と素材の情報を文字で整える用途です。
プロンプト2:実寸・素材情報のテキスト化
あなたはアパレルECの商品登録担当です。
以下の情報から、商品ページの本文に載せる実寸と素材の説明文を作成してください。
サイズ表:{サイズごとの着丈・身幅・肩幅・袖丈など}
素材:{混率}
生地の特徴:{伸縮性、厚み、透け感、裏地の有無}
モデル:身長{身長}cm、着用サイズ{サイズ}
条件:
1. 実寸はサイズごとに数字で書き、単位はcmで統一する
2. 伸縮性・厚み・透け感は「なし/ややあり/あり」のように段階で示す
3. 誇張した表現や、根拠のない機能の表現は使わない
4. 画像に載っている情報も、文字として漏れなく書く
出力:実寸の説明、素材と着心地の説明、モデル着用情報
プロンプト3は、撮影の指示書を作る用途です。
プロンプト3:撮影指示書の作成
あなたはアパレルECの撮影ディレクターです。
以下の商品について、AIの試着や比較にも使いやすい商品画像の撮影指示書を作成してください。
商品:{商品名}、カテゴリ{カテゴリ}、カラー展開{色数}色
撮影環境:{社内撮影、外部スタジオなど}
掲載先:{自社EC、楽天市場、Amazonなど}
条件:
1. 単品の正面全体、背面、ディテール、着用、平置きまたはトルソーの各カットを指定する
2. 背景、照明、色合わせの方法を具体的に書く
3. 掲載先ごとの画像ルールで確認が必要な点を「要確認」として挙げる
4. 1商品あたりの撮影カット数と所要時間の目安を示す
出力:カット一覧、撮影条件、注意点、所要時間の目安
プロンプト4は、色名と色の表現を揃える用途です。
プロンプト4:色名と色表現の統一
あなたはアパレルECの商品マスター管理担当です。
以下のカラー展開について、色名と色の説明を整理してください。
商品:{商品名}
現在の色名:{色名の一覧}
各色の特徴:{実物を見たときの印象}
条件:
1. 色名は、利用者が検索で使いそうな一般的な名前にする
2. 似た色が並ぶ場合は、違いが分かる説明を1文で添える
3. 照明や画面によって見え方が変わりやすい色には注意書きを付ける
4. 自社EC・楽天市場・Amazonで同じ色名を使えるようにする
出力:色名の一覧、各色の説明文、注意書き
プロンプト5は、比較されたときに選ばれる商品説明を作る用途です。
プロンプト5:比較で選ばれる商品説明
あなたはアパレルECのコピーライターです。
AIアシスタントが他社商品と比較したときに、自社商品の特徴が正しく伝わる説明文を作成してください。
商品:{商品名}
特徴:{素材、シルエット、機能、価格}
よくある購入前の不安:{サイズ感、透け、縮み、手入れなど}
条件:
1. よくある不安に対して、事実と数字で答える文を入れる
2. 他社を名指しで比較したり、根拠のない最上級表現を使ったりしない
3. 洗濯や手入れの方法を具体的に書く
4. 300字以内で、最初の1文に商品の一番の特徴を書く
出力:商品説明文、不安への回答一覧
画像と情報の整備でつまずく失敗例と回避策
1つ目の失敗は、イメージ写真だけで商品ページを構成することです。世界観を伝える写真は大切ですが、背景が複雑で服の一部しか写っていない画像ばかりだと、AIは服の形を正確に読み取れません。回避策は、イメージ写真に加えて、少なくとも1枚は背景がシンプルな全体の画像を入れることです。
2つ目の失敗は、サイズ表を画像の中にだけ入れることです。スマートフォンで見やすいようにサイズ表を画像化する運用は多く見られますが、文字情報がないとAIは数字を拾えない場合があります。回避策は、プロンプト2で作った実寸の説明を本文にも載せることです。
3つ目の失敗は、色を実物より鮮やかに加工することです。クリック率を上げたい気持ちは分かりますが、試着や比較の画像でも鮮やかな色が再現され、届いた商品との差が返品につながります。アパレル系の店舗運営の現場感覚では、色の差を理由にした返品は、写真の加工を控えめにするだけで目に見えて減ることが多いものです。
4つ目の失敗は、モールごとに色名やサイズ表記がばらばらになることです。楽天市場では「オフホワイト」、Amazonでは「アイボリー」のように販路で色名が違うと、AIが同じ商品だと判断できず、情報が分散します。回避策は、プロンプト4で色名を統一し、自社の商品マスターを基準にすることです。
5つ目の失敗は、着用画像のモデルが1人だけで、体型の幅が伝わらないことです。身長の高いモデル1人の着用画像しかないと、身長の低い利用者は自分が着たときの丈感を想像できません。AIのアバター試着が普及すれば一部は補われますが、現時点では人が判断する材料として着用画像の役割は大きいままです。回避策は、主力商品だけでも身長の異なる2人以上の着用画像を用意し、それぞれの身長と着用サイズを明記することです。
KPI設計と費用・工数の目安
画像と情報の整備の効果は、返品率、サイズ・色を理由にした問い合わせ件数、商品ページの購入率の3つで見るのが分かりやすい方法です。
返品率は、とくに「イメージと違う」「サイズが合わない」を理由にしたものを分けて追います。サイズ・色に関する問い合わせ件数は、情報が足りているかを示す指標です。購入率は、情報の充実が購入の後押しになっているかを確認するために使います。AIの試着機能が日本で使えるようになったときに、整備済みの商品とそうでない商品の差を比べられるよう、今のうちに基準となる数字を記録しておくとよいでしょう。
工数の目安としては、既存商品の画像点検に1商品あたり5〜10分、実寸と素材の説明作成に1商品あたり10〜15分を見込んでおくと計画が立てやすくなります。撮り直しが必要な場合は、撮影の外注費や社内の撮影時間が別途かかります。全商品を一度に直すのではなく、売上上位の2割の商品から着手するのが現実的です。
効果を確かめるときは、整備した商品と、まだ整備していない同じカテゴリの商品を比べると変化が見えやすくなります。整備の前後で、返品理由の内訳とサイズに関する問い合わせ件数を月単位で記録しておけば、季節の影響を考慮しながら比較できます。数字の変化が小さくても、問い合わせ対応の時間が減っていれば、それ自体が運営の負担を軽くする成果です。
AIツールの費用は、画像を読み込めるChatGPTやClaude、Geminiの有料プラン(各社とも個人向けは月20ドル前後から)で十分に始められます。料金は変わることがあるため、各社の公式ページで確認してください。
今後の展望:試着はAIショッピングの標準機能へ
バーチャル試着は、AIによるショッピングの標準的な機能の1つになっていくと考えられます。Perplexityに加えて、Googleも試着の機能を提供しており、各社が競い合う領域になっています。対応地域が日本に広がるのは時間の問題とみています。
今後の焦点は、コーディネート全体の試着と、サイズの再現です。現在は1点ずつの試着が中心ですが、上下の組み合わせや、体型に合わせたサイズ感の再現が進めば、実寸のデータを持っている商品とそうでない商品の差はさらに大きくなります。
もう1つの論点は、試着から購入までの流れです。Perplexityは試着と同時期に即時購入の機能を拡充しており、試着して気に入った服をその場で買う体験が整いつつあります。うるチカラのAIショッピングエージェントの利用実態の記事でも触れたように、AI経由の購買はまだ発展途上ですが、アパレルは試着という強い動機がある分、先に動く可能性があります。今から画像と情報を整えておくことは、AI対応であると同時に、返品を減らす足元の改善にもなります。
よくある質問
Perplexityのバーチャル試着は日本で使えますか
いいえ、現時点では米国に限られていると報じられています。2025年11月に米国のiOSアプリから提供が始まり、有料のProプランとMaxプランの利用者が対象です。日本での提供時期について公式な発表は見当たらず、要確認です。
試着に載せるために出品側で申請は必要ですか
出品側の申請方法や画像要件は、Perplexityから公表されていないため要確認です。現時点でできるのは、AIが読み取りやすい商品画像と商品情報を整え、ショッピング検索の候補に入りやすい状態にしておくことです。
どんな商品画像がAIの試着に向いていますか
AIの試着に向いているのは、単品の全体が正面から写り、背景がシンプルで、実物に近い色の画像です。着用画像と平置きやトルソーの画像を両方用意すると、形とサイズ感の両方が伝わります。
サイズ表は画像で載せても問題ありませんか
画像だけで載せるのは避けたほうが安全です。画像の中の文字はAIが読み取れない場合があるためです。サイズ表の画像を残す場合も、着丈や身幅などの実寸を本文に文字で書き添えてください。
楽天市場やAmazonの画像ルールと矛盾しませんか
いいえ、基本的には矛盾しません。背景が整理された全体の画像など、モールのルールに沿った画像はAIにとっても読み取りやすい傾向があります。ただし各モールの最新のルールは、公式のガイドラインで確認してください。
まず何から始めればよいですか
まずは売上上位の商品について、画像と実寸の情報を点検することから始めてください。7つの条件のうち満たしていないものを洗い出し、文字情報の追加のようにすぐできるものから対応すると、少ない工数で効果を確かめられます。
試着機能が普及すると返品は減りますか
返品の減少につながる可能性はありますが、商品の画像と情報が正確であることが前提です。色を鮮やかに加工した画像や、実寸の記載がない商品では、試着の結果も実物とずれてしまいます。まずは自社の画像と情報の正確さを高めることが先決です。
まとめ
Perplexityは2025年11月、アバターで服を試せるバーチャル試着を米国で始めました。日本での提供時期は未定ですが、AIの試着や比較で選ばれるための条件は今から整えられます。撮影では、単品の全体が写る正面の画像、シンプルな背景、実物に近い色、着用と平置きの両方。属性では、実寸、素材と着心地、モデルの身長と着用サイズ。この7つを売上上位の商品から整えることが、AI対応と返品削減を同時に進める最初の一歩です。
参考文献
- TestingCatalog「Perplexity releases virtual try-on avatar for shopping on iOS」
- AlternativeTo「Perplexity adds a new Instant Buy shopping feature with PayPal and virtual try on」
- TechRadar「Perplexity AI’s new clothes try-on tool takes on Google」
著者:齋藤竹紘(株式会社オルセル 編集長/5,000社以上のEC支援実績/書籍3冊)
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談(30分)も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
【監修】齋藤竹紘(株式会社オルセル代表 / 19年・5,000社のEC支援実績)

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。