Select Language

AI社区

数据要素产业

AI帮你解决出门穿衣服的选择困难症

如今,服装市场面临的最大挑战之一,对很多不熟悉该行业的朋友而言似乎根本不像是挑战——这就是可供选择的商品数量过大。此种状况意味着客户对特定品牌及零售商缺乏忠诚度,亦可能令客户提不起购物的兴致。

电子商务带来的大量选项与便利性对消费者而言确实非常重要,这一点已经凭借着该行业快速迅猛的发展而得到证明。但是,其特性同样也给购物者带来了负担——人们很难找到自己喜欢的商品,并搭配成能令自己满意的组合。这要求我们将来自不同设计师与零售商的服饰放在一起,同时考虑自己的衣橱里已经有了哪些衣物。

这种看似无限的选择空间反而带来了选择困难问题。即使购物者使用过滤条件或搜索功能大幅缩小搜索结果范围,但多数在线商家并没有将所有选项都摆在顾客面前。现在,他们意识到自己必须给出更多正确的选项,从而降低买家的采购负担。

个性化正是人工智能最擅长的发挥空间。根据Mad Street Den公司(一家基于计算机视觉的人工智能初创公司,通过结合计算机视觉和AI技术,来探索视觉搜索,根据购物者在线下世界获得的商品图片,来帮助用户在线上寻找类似商品)首席运营官Julia Kaplan的说法,零售商不应止步于此。人工智能技术可以用于在客户选择商品后,通过观察帮助其作出明智的采购决定。她解释称,这也正是Mad Street Den智能零售自动化系统Vue.ai的意义所在。(Vue.ai借助AI技术,进行图像搜索,为购物者显示同类产品,并结合每位购物者的购物历史和个人喜好,为他们提供个性化的购物体验。)

Kaplan在采访当中解释了Vue.ai的工作原理,以及其如何帮助零售商在实现成本节约的同时增加业务收入。

Kaplan表示,当用户能够直观看到某款商品的使用背景——即“上身”效果——之后,无论其被穿着在模特身上还是客户身上,都能够有效提升销量。然而,对于电子商务网站而言,提供这样的背景往往成本高昂——要求其在模特、摄影师、工作室乃至造型师等身上投入大量资金。

为了帮助零售商建立起这样的背景,同时节约图像制作成本,Kaplan表示Vue.ai能够利用计算机视觉技术对平放在桌上的服装进行扫描,而后将其属性(例如袖子长度、领口形状或衣长等)映射至由计算机生成的模特身上。

接下来,商家将可以为虚拟模特选择不同的姿势、调整肤色并添加其它配饰。Kaplan指出,此项技术目前还无法展示不同形状及尺寸的体态,但该公司正在为此作出努力。

Kaplan表示要在网站上提供此类展示效果,需要首先建立起设置过程。目前商家需要一支完整的团队以手动方式处理相关工作,包括创建标题、描述并利用元数据以优化搜索引擎的具体条目。

利用计算机视觉技术将能够提取出服装属性以提供统一且丰富的数据,提升搜索引擎效能,且无需承担昂贵的时间与人力成本。

当然,在摄影方面,这种作法也能够消除由模特及摄影师带来的开支,同时显著节约时间投入。一般来讲,在效率较高的情况下,每天商家也只能完成60至80件商品的手动拍摄与展示工作。

而利用计算机视觉技术,原本需要手动输入的数据将能够自动生成,因此员工只需要对计算机提供的数据进行核实即可——基本上,人类员工只需要充当质量保证类角色。

通过这样的流程自动化方案,企业可以有效减少员工数量并提升执行效率。这一点对于市场类及多品牌网站尤为重要,特别是考虑到其往往需要在店面平台上展示更多服饰品种。

Kaplan说道,也有一些服装零售相关从业者希望利用人工智能解决尺码问题。他们正在利用统计模型与身体扫描相结合的方式帮助客户准确得知最适合自己的尺码与版型。

Vue.ai并不会使用任何高成本的高科技模板,而单纯强调以最低的建模与成像成本解决问题。从本质上讲,其目标是以远低于真实摄影师加时装模特的开销提供尽可能接近的成像效果。

一旦该公司切实达成这项目标,Kaplan表示其计划向客户提供更多成像选项——例如小尺码服饰在中等身材乃至壮硕身材模特身上的穿着效果,从而更全面地作为参考。当然,其仍将坚持一直以来的前提——利用计算机成像技术生成逼真的图像,但不会带来真实拍摄场景下的高昂成本。