家电3D展示这两年从“炫技”变成了“标配”,但多数品牌做出来的东西还停留在转一圈看看外观。真正把这件事做通的是LG——它在2025年上线了RetailVerse,把40款畅销家电做成可交互的3D模型,用户能打开冰箱门、拉出洗衣机抽屉、用AR确认尺寸能不能塞进自家橱柜。值得研究的不是它做了3D,而是它怎么让3D变成可复用的资产。

这件事对国内家电、厨电、小家电品牌有直接参考价值。产品线长、型号多、迭代快,是这类企业的共同处境,而3D内容最怕的就是“做一批、放两年、全部过时”。

LG这套东西到底由几层组成

拆开看是四层,缺一层都跑不起来。模型层用原厂CAD数据直接生成,铰链、层架、内部隔板都按实物还原,所以用户打开冰箱门看到的是真结构,不是美术想象出来的样子。交互层是热点标注加动作,点某个位置弹出功能说明,门和抽屉能真实开合。空间层是AR和尺寸可视化,用户能把机器按真实比例放进自己厨房,看会不会挡住过道。管理层是RetailVerse Configurator,一个内容配置平台,市场团队自己就能更新模型和话术,同步到官网和零售伙伴站点。

家电3D展示界面示意:冰箱模型可开门查看内部层架,旁侧有功能热点标注与尺寸标注
家电3D的关键不是外观还原,是门能开、层架能看、尺寸能对上自家橱柜。

公开信息里最值得注意的一点,是LG把单模型的生产时间从数周压到了不到一天,靠的是AI驱动的自动化流程。这个数字对多SKU品牌意义很大:型号越多,传统手工建模的边际成本越高,最后一定会卡在“只做旗舰款”这一步,长尾型号永远排不上队。

中小品牌该学哪一层,不该学哪一层

管理层和模型层的自动化,短期学不来。那需要CAD数据治理、内部流程改造和持续投入,是集团级工程。硬要照搬,最后往往是买了一套系统,没人往里填内容。

能学的是交互层的取舍和长尾策略。家电的决策点集中在几个具体问题上:这个容量够不够一家人用、这个宽度能不能进我家门、内部空间怎么分层、清洁维护方不方便。把这四个问题在3D里回答清楚,比做二十个热点有用。至于外观材质,拍好照片加一段旋转视频基本够,不必都上3D。

长尾型号的处理更实际:先按品类建一套通用模板,同一品类的不同型号共用材质和交互逻辑,只换尺寸和结构差异。这样做的成本结构和一个型号一做的成本结构完全不同。类似的思路在自研、插件、SaaS三条路线里也讨论过,关键是把“一次性投入”变成“可复用资产”。

多SKU品牌真正的难点在运营,不在技术

型号一多,问题就不在“能不能做出一个酷炫的页面”,而在“新款上市时这套东西多久能跟上”。家电的更新节奏通常是季度级,新品发布、旧款停产、参数调整,每次都要动内容。如果每次都要找开发,3D内容会迅速落后于产品线,最后变成官网上的历史遗迹。

所以后台能力比前端效果更值得在签约前追问。能不能自己换模型、改参数、调整热点文案?改一次要多久?有没有版本管理?这几个问题的答案,决定了这套投入三年后还在不在用。这一点在后来的3D线上展厅项目里同样成立,没人维护的展示资产贬值速度比想象中快。

另一个容易被忽略的环节是图片和3D的配合。家电购买决策里,用户往往先看实拍图建立信任,再想深入了解结构。合理的顺序是首屏给静态图和关键尺寸,旁边放“看3D”入口,点了才加载模型。反过来把3D放在首屏,模型没加载完页面已经白了,用户直接退出。

预算怎么估,别按“一个模型多少钱”算

按模型单价估算,最后一定会超。家电3D的成本由四块构成:模型数量、交互复杂度、终端适配、以及后续维护。模型数量好算,交互复杂度最容易被低估——能开门、能拆层架、能换材质,每加一层交互,工作量都是台阶式上升。

终端适配要单独留预算。手机端的性能和桌面端差一个量级,同一个模型在手机上可能要降面、关实时阴影,等于要维护两个版本。这部分不做,移动端体验会直接崩,而家电这类偏消费决策的产品,移动端流量占比很高。

维护费用也应该写进第一份合同。行业里常见的做法是首年含维护,之后按年续,具体比例看更新频率。如果供应商对维护闭口不谈,只报一个开发价,后面加钱的时候会更难受。

璇玑动画八年多、五百多个项目里,家电和消费电子类的需求有一个共同点:产品线长、样品多、线下门店展示成本高。这类客户做3D展示的回报通常在“减少实物样机”和“缩短导购解释时间”上,而不只是官网好看。服务范围写在Web3D项目开发那页,型号多的可以按品类分批推进。

相关问答

家电做3D展示,先做哪些型号?

先做销量最高、咨询最多、退货率最高的那几款。这三类重合度通常很高,做完能最快看到反馈。长尾型号等模板跑通后再批量补。

需要提供CAD文件吗?

有CAD最好,结构和尺寸都准;没有也能做,按实物测绘重建,但内部结构的还原度会打折。家电的卖点常在内部分层和结构设计上,这一点值得提前权衡。

手机上会不会卡?

取决于模型预算。单型号控制在两三兆以内、首屏先出静态图,基本不会卡。具体压缩思路可以参考模型压到2MB的做法。