Xiaohongshus Fotosuche unterscheidet die Suche nach einem T-Shirt von einer Stylingfrage und bewertet sich selbst an Klicks und Verweildauer
Xiaohongshus IntentFlow sortiert Suchanfragen aus Foto und Text nach Absicht: Ein Foto eines weißen T-Shirts kann so ähnliche Teile, Outfits oder Waschtipps liefern. Offline hob die Absichtslogik die Quote des Top-Treffers bei Outfit-Fragen in der größeren Testgalerie um 37,72 Punkte. Der Live-Test meldet nur relative Zuwächse bei den Klickraten auf Notizen und der Zeit auf den Ergebnisseiten – ohne Testdauer, Traffic-Anteil, Produktklicks oder Käufe.

Neritus Vale
Xiaohongshu hat seiner Fotosuche beigebracht zu fragen, wofür ein Bild gedacht ist – genau das, was die Suche nach Kleidung braucht. Ein technischer Bericht, den die Ingenieure dieser Woche auf arXiv veröffentlicht haben, zeigt ein Foto eines weißen T-Shirts, das drei Anliegen trägt: ein ähnliches Shirt finden, Outfits damit zeigen, erklären, wie man es wäscht. Der Live-Test, der als Beleg dient, misst den Klick auf Nutzernotizen und die Zeit auf den Ergebnisseiten – nichts, was jemand gekauft hätte.
Das System IntentFlow liest ein Referenzbild, eine Textzeile und einen Rahmen um den relevanten Bildteil (Aufgabendefinition). Ein kompaktes Modell weist jeder Anfrage eine von sieben Absichten zu. Bei 390 von Menschen annotierten Anfragen erkannte es die Absicht der zweiten Ebene in 91,54 % der Fälle richtig (Ergebnisse des Erkennungsmodells). Ein Reranker bewertet dann Kandidatennotizen anhand von Regeln, die für diese Absicht geschrieben wurden. Software-Agenten erzeugen die Trainingsdaten, prüfen Kandidatennotizen gegen die Regeln jeder Absicht und geben unklare Fälle zur menschlichen Prüfung weiter (Datenerstellung). Die Autoren arbeiten allesamt bei Xiaohongshu Inc, der Live-Test ist also selbst berichtet.
Wie hoch der Anteil der Anfragen zu Kleidung ist, nennt der Bericht nirgends, auch wenn seine Beispiele stark auf die Garderobe setzen. Die Tafeln illustrieren Item Search mit einer Hermès Kelly Bag, Attribute Variant Search mit Rosenknopf-Ohrringen, die in Gold gewünscht sind, und Outfit Styling mit einem weißen T-Shirt (Absichts-Tafeln). Nur Outfit Styling ist um ein Kleidungsstück herum definiert. Ein nachgebauter Bildschirm zeigt dieselbe Suche, die einen Such-Agenten, Diandian, speist, während er eine dunkle Jacke stylt.
Offline zeigen Outfit-Fragen, warum die Regeln zählen. Mit generischen Abgleichsregeln trainiert, setzte der Retriever in der größeren Testgalerie bei 2,49 % der Outfit-Styling-Anfragen eine passende Notiz an die erste Stelle (Ergebnisse je Absicht). Ein ähnliches Shirt ist kein Outfit. Absichtsspezifische Regeln steigerten diese Top-Treffer-Quote um 37,72 Punkte.
Die absichtsspezifischen Regeln leisteten den Großteil der Offline-Arbeit. Über alle Absichten hinweg hoben sie die Top-Treffer-Quote der größeren Galerie um 20,58 Punkte (Gesamtergebnisse). Spätere Stufen, vom abgestuften Ranking bis zur Score-Korrektur, brachten deutlich weniger. Der Maßstab ist das eigene Regelwerk des Modells: Die positiven Testfälle sind Notizen, die nach seinen Absichtsregeln als zufriedenstellend bewertet wurden. Ob Käuferinnen und Käufer dieses Regelwerk teilen, muss anderswo belegt werden.
Die einzige Absicht, deren Top-Treffer-Quote sank, betrifft die Waschfrage zum Shirt. In der Eröffnungsabbildung fällt „How should I wash this tee?“ unter Transferable Information Seeking, wo der Rat von einem anderen Kleidungsstück aus gleichem Material stammen darf. Dort senkten die absichtsspezifischen Regeln die Top-Treffer-Quote der größeren Galerie um 6,84 Punkte, während sie die Trefferabdeckung erweiterten (Ergebnisse je Absicht). Es ist zudem die Grenze, die das Erkennungsmodell am häufigsten überschreitet: 15 seiner 33 Fehler auf der zweiten Ebene verwechseln Target-Specific mit Transferable Information Seeking (Ergebnisse des Erkennungsmodells).
Xiaohongshus Live-Test stellte IntentFlow gegen das alte, bildzentrierte System und teilte den Traffic nach Nutzern auf (Online-Aufbau). Die Hauptkennzahl ist der Anteil der Suchen, bei denen eine Notiz unter den ersten vier Ergebnissen angeklickt wird. Sie belohnt die Seitenspitze dafür, dass sie einen Tipp verdient. Diese Rate stieg beim Gesamtsystem um 28,17 %, gegenüber 21,65 % bei der ersten Konfiguration, die Absichtserkennung und Reranking, aber keine multimodale Suche hatte (Online-Ergebnisse). Wie jede Online-Zahl ist sie relativ zu einer Kontrollgruppe, deren Raten nie genannt werden – in Punkten lässt sie sich also nicht ausdrücken.
Eine zweite Klickkennzahl, jeder Klick auf jedem Rang, stieg um 18,96 %. Keine der beiden Klickkennzahlen verfolgt den Tipp über die Notiz hinaus. Die letzte, die die Autoren als Engagement lesen, ist die durchschnittliche Gesamtzeit eines Nutzers auf Suchergebnisseiten während des Tests, plus 12,56 % (Online-Aufbau). Bessere Ergebnisse können diese Summe erhöhen, weil sie mehr Suchen anziehen, schlechtere, weil sie jede Suche langsamer machen. Der Bericht nennt keine Zahl der Suchen pro Nutzer, die helfen würde, beides auseinanderzuhalten.
Mehr Zeit auf einer Ergebnisseite kann Appetit oder Reibung bedeuten, und nichts im Bericht prüft, was von beidem zutrifft.
Die Grundlagen, nach denen ein Händler zuerst fragen würde, fehlen. Der Bericht sagt nicht, wie lange der Test lief, welchen Anteil am Traffic er hatte und ob irgendein Zuwachs statistisch signifikant war. Er druckt keine Anfragezahl je Absicht, die Offline-Zuwächse haben also keinen genannten Nenner. Auch schlüsselt er die Live-Ergebnisse weder nach Absicht noch nach Kategorie auf. Keine Online-Kennzahl zählt ein Produkt, obwohl die Ergebnisbildschirme, die die Autoren zeichnen, neben „Alle“ einen Tab „Produkte“ tragen (Absichts-Tafeln).
Xiaohongshu verdient an Aufmerksamkeit, deshalb hat seine Zeitkennzahl eine kommerzielle Lesart. In einer September-Analyse, die 投中网 (ChinaVenture) übernommen hat, bezifferte AIX财经 den Werbeanteil am Umsatz von Xiaohongshu 2025 auf rund 76 % unter Berufung auf öffentliche Daten und nannte bezahlte Platzierungen in der Suche unter den Werbeprodukten. Der Beitrag verknüpft die Anzeigenreichweite mit der Zeit im Notizen-Feed: Je länger Nutzer scrollen, desto mehr Plätze sehen sie. Funktioniert die Zeit auf Ergebnisseiten genauso, ist ein längerer Aufenthalt Anzeigeninventar. Derselbe Beitrag fügt hinzu, dass bessere KI-Suche die Impressionen senken könnte, weil Nutzer weniger scrollen. Ein Modehändler wird an der Kasse bezahlt; eine Suche, die lange läuft, ohne sie zu erreichen, ist für ihn ein Kostenfaktor.
Alibaba hat die eigene Fotosuche an der Kasse gemessen. Der Pailitao-Bericht, den wir im Oktober analysiert haben, nannte den Traffic-Anteil, die Testdauer sowie Transaktionen und GMV; die Transaktionen stiegen um 27,04 % (Online-Tests). Die Autoren von IntentFlow zitieren Alibabas Pailitao-VL für einen Workflow zur Datenkuratierung (verwandte Arbeiten), doch ihr Live-Test berichtet keine der beiden Kennzahlen.
Der stärkste Einwand lautet, dass in einer Community aus Notizen der Notizklick das ehrliche Erfolgsmaß ist. Auf Xiaohongshu gesäte Inhalte konvertierten oft auf anderen Shopping-Seiten, schrieb 偲睿洞察 in einer von Jiemian übernommenen Analyse im Mai 2025. Aus dieser Sicht wendet, wer von IntentFlow Bestellungen verlangt, den Test eines Ladens auf ein Magazin an. Damit die These scheitert, müsste der Kauf nach einer Suche für Xiaohongshu unsichtbar sein oder für die meisten Anfragen keine Rolle spielen.
Xiaohongshu hat Wege gebaut, diesen Kauf zu sehen. Im Rahmen des Red-Cat-Plans (红猫计划), der im selben Mai mit Taobao und Tmall startete, konnten Notizen in einigen Kategorien auf Taobao-Produktseiten verlinken, berichtete derselbe Beitrag. Händler konnten einen Käufer von der Aussaat bis zur Bestellung verfolgen, weil Taobao und Tmall Shopbesuche, Suchen und Transaktionen zurückmeldeten. Der September-Beitrag 2026 von ChinaVenture nennt 种草直达 und den Red-Cat-Plan unter den inzwischen aktiven Programmen. Ein Suchtest hätte Tipps bis zu Produkten zählen können, über diese Links oder über den Produkte-Tab in seinen Abbildungen. Die nicht aufgeschlüsselten Live-Ergebnisse können nicht sagen, ob bei den meisten Suchen überhaupt ums Kaufen geht.
Sollte sich die Absichtssteuerung auf die visuelle Suche ausbreiten, die Händler einkaufen, sollten sie Ergebnisse nach Absicht verlangen, in Punkten, und bis zur Bestellung geführt. Outfit-Fragen brauchen das am meisten, denn das Teil, das sich verkauft, kann der Rock auf dem Foto einer anderen Person sein. Xiaohongshu hat seiner Suche beigebracht, die T-Shirt-Jagd von der Stylingfrage zu unterscheiden, und sie dann in Tipps und Zeit benotet, der Währung seines Werbegeschäfts. Für einen Händler lautet die fehlende Zahl: Hat jemand, der gefragt hat, wie man ein weißes T-Shirt stylt, etwas gekauft, um es dazu zu tragen?