Czy kiedykolwiek zastanawiałeś się, co inteligentne aplikacje mogą dla nas zrobić pod względem mody i stylu? Jak branża modowa może wykorzystać potencjał, który drzemie w Machine Learning (ML) i sztucznej inteligencji (AI)?
Tworzone obecnie algorytmy przewidzą, co konsumenci będą chcieli nosić, zanim oni sami będą tego świadomi. Będą prognozowały styl i upodobania oraz naprowadzały klientów na aktualne trendy, które zostały odkryte z pomocą potężnego oprogramowania opartego na ML, aby zidentyfikować to, co naprawdę nam się podoba. Świat mody będzie współdziałał w tandemie z inteligentnymi maszynami, napędzanymi danymi.
Stworzenie perfekcyjnej sztucznej inteligencji
Aby nauczanie maszynowe i sztuczna inteligencja stanowiły wartość dla konsumentów, muszą znać pojedyncze jednostki i ich gusta. Skąd czerpią inspiracje? Kim są ich najwięksi modowi influencerzy? Ponadto, program musi poznać podróże klientów po świecie mody. Jakie style wcześniej preferowali? Jak ewoluowały ich upodobania?
Maszyny uczą się z danych, które posiadają firmy takie jak Zalando czy Google (który przewodzi w branży dzięki technologii takiej jak TensorFlow). Dane ze świata mody na temat odzieży, obuwia i akcesoriów są głębokie i bogate. Zawierają spostrzeżenia dotyczące zasadniczych cech każdego elementu mody, a dzięki temu maszyny mogą je rozpoznać i sklasyfikować. Aby poprawnie rozpoznać, na przykład bluzkę, tysiące lub nawet miliony obrazków są używane do szkolenia komputerów w celu identyfikacji odzieży, która jest podobna pod względem wizualnym. Wiedza ta jest następnie połączona ze sobą, tworząc złożone reprezentacje produktów, które wykorzystują symetrie, struktury i trendy w modzie z każdego zakątka przemysłu.
Eric Bowman, Wiceprezes ds. Inżynierii w Zalando, gdzie od półtora roku pracuje nad transformacją zespołów inżynieryjnych oraz zaprojektowaniem systemu ich działań w celu osiągnięcia Radical Agility. Zalando jest wiodącą platformą modową w Europie, opartą o rozwiązania w chmurze w celu zrewolucjonizowania połączenia mody i świata. Jako weteran branży technologicznej z dwudziestoletnim doświadczeniem, Eric był technologicznym liderem kilku start-upów, w tym również Gilt Groupe, TomTom, 3, Electronic Art i Maxis, gdzie lata temu był jednym z trzech przyjaciół, którzy stworzyli The Sims 1.0.
Rekomendacje dotyczące mody są niezwykle osobiste. W celu ich całkowitego spersonalizowania, maszyna musi zrozumieć nie tylko świat mody, ale również pojedynczą jednostkę. Maszyna z łatwością może polecić to, co jest popularne, ale żeby naprawdę zadowolić konsumentów to nie wystarczy. Uznany stylista nie tylko rozumie obecny stan mody i na jego podstawie wydaje rekomendacje. To, co jest równie istotne, to poznanie osoby, jej nadziei, marzeń, lęków i fantazji. Te wszystkie elementy odgrywają ważną rolę w stworzeniu wyglądu, który rezonuje.
Już w tej chwili maszyny zdobywają wiedzę na temat tego jak się zachowujemy, czego szukamy i jak kupujemy. Jednak ludzki poziom personalizacji poprzez oprogramowanie nie jest jeszcze dostępny: maszyny nie są zdolne zrobić tego samodzielnie. Wszystkie dane i komputery na świecie wciąż nie są w stanie poznać i zrozumieć, jak wybrać styl, który sprawia, że każdy z nas powie: „Kocham to!”.
Podłączenie do wiedzy stylisty
Jak zautomatyzować logikę stylisty? Jego proces myślowy podlega stałej ocenie osobistych preferencji klienta, bierze pod uwagę ich gusta, to jak chcą być postrzegani, oraz analizuje doświadczenia z podobnymi konsumentami. Wielcy styliści w swoją pracę wnoszą zarówno wiedzę, jak i czynnik ludzki. Łączą się ze swoimi klientami i pomagają im znaleźć modę, którą pokochają, umożliwiając jednocześnie wyjście poza ich strefę komfortu. Marki są również silnym czynnikiem. Rzemiosło i osobowość, którą projektanci wkładają w swoje produkty, powodują przywiązanie na poziomie emocjonalnym i tworzą inspirujące połączenia z marką i jej reputacją.
Te umiejętności i zdolności sprawiają, że styliści i projektanci są tak istotni w świecie mody. Element ludzki jest wciąż niezbędny, a oprogramowanie na razie nie jest w stanie zautomatyzować tego procesu. Może jednak nauczyć się właściwych praktyk dotyczących stylu klienta, przedzierać się przez dane na temat najnowszych trendów oraz zidentyfikować produkty, które konsumenci mogą polubić. Z kolei styliści mogą pracować obok maszyn, zarówno poprzez nadzorowanie ich nauki, jak i poprzez korzystanie z ich obserwacji. Oprogramowanie pomaga stylistom być lepszymi i na odwrót. Firmy, takie jak Edited, umożliwiają już przeszukiwanie baz danych dla takich współprac.
Uzyskanie dostępu do słownika mody
Maszyny uczą się adaptacyjnych i spersonalizowanych rekomendacji z wielu różnych danych. Wcześniejsze zakupy klientów czy zwroty są użyteczne, ale również mogą być mylące. Kiedy konsumenci kupują dla siebie, a kiedy produkt jest prezentem? Czy zwracają zakupione produkty dlatego, że nie trafiły w ich gust czy była to kwestia złego rozmiaru? W obu przypadkach istnieją wskazówki, które dają oprogramowaniu lepszy ogląd na sytuację. Na przykład, pytając klientów, czy chcą zapakować kupiony produkt na prezent, oprogramowanie może poznać cel dokonanego zakupu właśnie na podstawie zachowania kupującego. Zachęcając klienta zwracającego produkt do podania powodów zwrotu, istnieje możliwość poznania gustu konsumenta lub dopasowania do niego najbardziej pasującej marki.
Badania zachowań konsumentów w sieci, czyli tego co oglądają, jak długo, czego szukają, gdzie klikają, gdy zdecydują się przejść dalej – również są źródłem informacji. Połączenie tych danych sprawia, że oprogramowanie uczy się, jak ludzie wyrażają to, co lubią lub nie. Z tego wyłania się coś w rodzaju słownika mody, który rośnie organicznie wraz ze zmieniającą się modą. Oprogramowanie może nauczyć się tego słownictwa, a nawet mieć na nie wpływ.
Konsumenci często mają trudności z opisaniem tego czego poszukują, i to jest właśnie jeden z najbardziej obiecujących obszarów badań. Oprogramowanie może wykorzystywać wiedzę o konsumentach wyciągniętą z szybko wpisanego wyrażenia w wyszukiwarce. Z biegiem czasu oprogramowanie nauczy się, czy konsument szuka czegoś konkretnego, porównuje różne artykuły, czy po prostu przegląda. Te informacje zostaną wykorzystane do lepszego zrozumienia, w jaki sposób połączyć wszystkich konsumentów z tym, co będzie się im podobać. Oprogramowanie może nauczyć się nie tylko specjalnego słownictwa modowego, ale również dostosowanego do każdego konsumenta.
Opisywanie odzieży bez odpowiednich słów jest trudne dla konsumenta, a jeszcze trudniejsze do interpretacji i rozpoznania przez oprogramowanie. Kiedy klientom brakuje słów, aby wyrazić swoją znajomość mody, uciekają się do innych sposobów wyrażania siebie: posty, like’i i ściąganie tego, co im się podoba. Konsumenci pragną natychmiastowej gratyfikacji i opinii, więc oprogramowanie musi zawierać wszystkie wymienione czynniki, aby zrozumieć, co konsumenci uwielbiają. Ten specjalny słownik to coś więcej niż słowa: zawiera obrazy, style i zachowania.
Chcemy stworzyć oprogramowanie, które pozwoli maszynom uczyć się z danych i doświadczeń ludzkich, w celu stworzenia aplikacji posiadających ludzki pierwiastek. Nasz zespół w Zalando zdaje sobie sprawę z tego, że element ludzki jest ważny, aby utrzymać powiązanie między modą i osobistą percepcją, doświadczeniem i pragnieniem.
Prawdziwa sztuczna inteligencja to jeszcze daleki koncept, ale dzięki wykorzystaniu możliwości oprogramowania wraz z kreatywnością i ludzkim doświadczeniem, możemy zdemokratyzować doświadczenie mody w sposób, o którym jeszcze nie marzyliśmy.
Autor: Eric Bowman, Zalando
