原题目:科技巨头扎堆打造的“AI搭配师”,能否拯救疫情下的服装业?

一夜之间,大家仿佛都清心寡欲了起来。

最近在群里分享点吃的用的,偶尔还有人捧场。如果是首饰衣服,先商业互吹一番“好看”,紧接着就是“去年买的衣服都穿过了吗”“工作都没了还买什么包”“别看了拼夕夕差一刀帮我砍一下”等的灵魂拷问……

搁半年之前,这么节约持家的场面都是不可能呈现的。哪怕刚刚裸辞,女人们也敢刷信誉卡买下新款裙子,美其名曰“换种姿势迎接新生涯”。

成果“黑天鹅”“灰犀牛”齐齐到来,没有“报复性收入”的普通人,也开端老诚实实面对惨淡的生涯,将花费愿望降到最低。

当大家开端寻找不花钱就可以得到的快活,许多“AI期货”也就“穿仓”了。说人话就是,那些靠AI刻画的商业蓝图,合理审视比盲目追捧的声音更大了。

穿衣AI,就是其中一个。

AI搭配师:逮不着耗子,当不了好猫

用AI给花费者搭配服饰鞋帽、口红妆容等等,从2017年AI浪潮兴起开端,就被部署进了技巧大厂的开发周期表。

某猫上线了FashionAI,通过电商平台上的潮人搭配计划,基于属性、色彩、作风、细节等维度,可认为一款单品匹配到最合适的穿搭方法。官方说辞是,1秒钟能为花费者供给与其相符的100套穿搭建议。

某狗也奋勇争先,成立时尚科技研讨院用户只要将衣服放到Mirror+智能搭配产品前,体系就会通过推举算法找到适合的服装搭配。

一些女性群体为主的电商平台,也都相继成立过“搭配研讨所”、搭配体验平台等等,应用平台的大数据优势训练时尚剖析模型。

一时之间,感到全部电商服装行业都AI了起来。

时尚产业基础更为成熟的欧美,自然更不会放过这个掘金的机遇。

展开全文

电商巨头亚马逊,就在CVPR 2020会议上推出了好几款AI穿衣模型。比如Outfit-VITON,就可以将多件衣服搭配在一起,让花费者看到上身后果。

如果用户看上了格式却没有相中色彩,也可以直接查询“雷同格式的粉色连衣裙”,体系就会辅助其找出相应的商品。

谷歌与德国电商Zalando合作,基于TensorFlow打造一款时装设计产品Project Muze,

用户告知AI自己的性别、心境、兴致喜好和爱好的艺术类型等信息,再在模特身上随意涂鸦几笔,Project Muse 就可以马上设计一款时装造型。

如果对方是一位酷爱古典音乐、心境有点儿迷茫,并在模特身上画了三角形的女士,它就设计出了一条斗篷式的绿色连衣裙,外面还会笼罩一层有愁闷气质的棕色薄纱。

学术界的时尚嗅觉也出人意料,不少高校研讨人员用论文证明,自己并不是“nerds”(书呆子)。

2019年,UT 奥斯汀、康奈尔大学、乔治亚理工和 Facebook AI 研讨中心结合宣布了一款名为Fashon ++ 的模型,基于深度生成网络,让AI学习到时尚和不时尚两种图像,深度网络就会生成出最合适的着装方法。“一键改衣”,让单品的时尚度瞬间up!

比如,模型会建议去掉袖子、将下摆塞进去等操作,让全部look看起来更有型。用来辅助人们进行服装设计与搭配领导,自然也不在话下。

看到这里,我感到最须要这些软件的是《少妇白洁》的直男作者(划掉)随处可见的“搭配废柴”——比如我。

但你会不会奇异,明明技巧实现并不艰苦,训练数据车载斗量,参与群众更是热忱满满、积极试错,为什么“AI试衣”“AI搭配”的日常应用率就是不高呢?

以我个人的不完整察看来看,尽管大家会对各种新奇功效发出“鹅妹子嘤”的赞叹,但到了支付真金白银的千钧一刻,无论是网购还是实体门店,都更偏向于依附时尚博主、姐妹亲友甚至导购的专业推举(猖狂褒奖),而不是信赖AI。

叫好不叫座,可能是“AI搭配师”面对的残暴现实。它到底做错了什么,可能平台们从一开端,就想错了“穿衣”这件事。

审美黑洞与时尚icon之间,隔了100个AI

为什么AI极尽可能发明的价值点,但花费者就是不买单?或许是时候给科技大佬们滋点水醒醒了,技巧本身与时尚需求,或许南辕北辙。

其中相悖的抵触点,重要体现在三个方面:

1.技巧向百搭VS个人向合适

AI搭配师的呈现,底本是为懂得决花费者面对琳琅满目标衣服无从下手的“选择胆怯症”,告别猖狂试穿但就是找不到合适搭配的懊恼。

也正是因为搭配这件事的庞杂性,涉及到气象、场所、心境、性情、预算、爱好、职业、社会关系等等多元而庞杂的因素,所以AI体系要么极尽可能地扩大某件单品的搭配阈值,无法从基本上解决问题;要么将推送成果把持在有限的选择内,依然不能令用户满意。这样折腾下来,还不如一个熟习自己、又有目光的真人闺蜜更靠谱。

2. 精准算法VS数据壁垒

有人可能会说,只要用户愿意输入足够多的数据,那么AI必定可以供给出充足符合其爱好的私人定制搭配。

但问题是,如果用户不愿意呢?

我们知道,大部分数据录入都是在线上完成的,一般平台会给出详尽的、颗粒度很小的选项,以期尽可能地实现精准匹配。但向一个平台供给如此详尽的信息,甚至包含罩杯等隐私数据源,大部分女性花费者都是有所顾虑的。而且,有些数据很可能自己也不是十分明白。

既然用户数据和爱好难以量化,那么此前所有基于个性化数据进行“推举”的商业逻辑也就都难以成立了。

“只要”收集到足够的数据,这个看似简略的前提,本身就已经是足够高的行业壁垒与护城河。

3.预期转化VS心理博弈

AI搭配体系想要变现,为电商平台供给更丰盛的时装阅读体验,让用户能够直观看到某款商品的“上身”后果,进而增添产品的购置率与转化率,是最核心的价值点之一,无论线上或线下。

但抵触也在这里,线上可供选择的商品数量很大,用户对特定品牌并不具备虔诚度,再加上人工智能模型往往并不能百分百实现与用户身体相契合的展现后果,Mad Street Den公司的Vue.Ai此项技巧目前还无法展现不同形状及尺寸的体态。

这就导致用户体验完AI体系后,无法即时完成转化,自然就成了无用功。而更器重体验的线下,势必会见临花费缩减、决策谨严的情形。

而时尚产业又是一个自上而下的范畴,往往由业内大咖提前决议了几个月后的风行色、风行样式,再经由巴黎米兰纽约等宣布会释放出去,各种新款同时呈现在快时尚设计师的电脑里和工厂的订单中,进而呈现在商场的货架以及电商的一页页图片。

这也决议了,只在花费者环节输出搭配的AI对于全部产业造成的影响力并不大,只能在有限的规矩内起舞,一旦遭受疫情这样的黑天鹅,滋味也就变得“鸡肋”起来。

总的来说,只在产业链的终端锦上添花的AI,自然也只能拿到“小透明”的剧本。

雪中送炭:AI搭配师的另一条升职路

既然锦上添花注定没有成果,那么尝试一下“雪中送炭”呢?

鲜衣着锦的服饰圈,逐渐褪去光环之后,AI 的to B之路也在被逐渐打开。当然,这里并不是此前在门店中增添一个炫酷交互硬件那样的装点,而是在更硬核处做功。

首当其冲是生产环节。

不少公司在疫情后面临着不得不裁员和业务增加的困境。

在人手不足、展现服饰品种增添的情形下,如何晋升店铺的平均效力,让人类员工从底本枯燥的业务中解放出来就至关主要了。

比如对电商来说,商家只能完成60至80件商品的手动拍摄与展现工作。应用盘算机视觉技巧,对须要手动输入的内容进行主动化管理,比如辨认图片中的服饰商品,对格式、作风、设计元素等外观特点主动生成,可以有效减少人类员工的工作强度,只须要做好AI的质量监视就可以了。

而除了营销噱头之外,AI之于门店真正的意义或许在于坪效。

疫情期间大批服装企业的事迹都呈现了大幅度萎缩。行业报告显示,拉夏贝尔一季度亏损3.42亿元,七匹狼一季度净利润同比暴跌145.89%,安踏全线品牌负增加,美邦服饰一季度亏损2.19亿,都市丽人预计上半年亏损超1.2亿……可以说是一片哀鸿。

奢靡品牌也没能逃过,路易威登LV的母公司LVMH团体第一季度营收减少15%,拥有古驰Gucci、圣罗兰YSL等品牌的开云团体营收减少15.4%,也纷纭放下身段试水电商、直播等新方法。

对于想要争取增量的品牌来说,让生产、设计、销售都能紧密贴合狭小化的市场诉求,与此同时,不额外增添企业的成本,就成为必需面对的难题。

因此AI的出场,也就变得至关主要。

此前的一波“AI搭配”潮流,主流品牌的旗舰门店都进行过“数字化改革”,比如安装了AI试衣镜、智慧摄像头等。

在这一基本上,进一步完成算法升级,为门店打造精准的营销策略,比如进店顾客的用户画像,哪些衣服试穿率高,哪些单品购置率高级等,这些底本资深销售员才干够“意会”的秘密交给AI来完成,辅助迟缓恢复的线下门店负重前行。

接下来,就须要寻找新的利润增加点。

拥有用户时长优势、更接地气的社交媒体平台,就成为各大市场品牌的争取阵地。

但事实证明,大火的短视频+直播带货,并不必定意味着高曝光和带货。

核心原因是,时尚图片、视频等富媒体的浮现情势,想要将内容转化为命中率和流量,须要精准的用户推送和匹配。这就对平台方的内容智能剖析、智能辨认时尚元素、精准匹配受众,进而晋升命中率,关联到电商同款或类似 SKU,提出了较高的请求。

当然,上述这些AI附加值,不仅须要服装企业本身就对数字化经营有必定的懂得和铺垫,搭建起了AI所能施展的技巧土壤,才干够快速转型,借助技巧工具实现去库存、提效力、增销量的目标;还须要对各个渠道的AI才能、商业逻辑有必要的懂得,才干避免经营层面的“AI通货膨胀”。

正如某服装品牌总裁在公开信中所说,“疫情不可避免地重创了服装行业,但疫情也是一个放大镜,检验我们过往的沉淀是否扎实。”不抗拒新技巧,也不唯技巧论,明辨AI的才能也注定在这个特别的全球经济节点上,成为各行各业的必备技巧点。

凡是过往,皆为序章。 “AI搭配”这剂药方,也是时候从腠理直抵深层病灶了。返回搜狐,查看更多

义务编纂: