Андрей Голуб, основатель и генеральный директор инновационной компании ELSE Corp., поделился с нами своими размышлениями о будущем новых технологий в fashion-индустрии. Автор нашумевшей книги «Искусственный интеллект для моды» рассказал, как как бурное развитие и последующая общая доступность технологий на базе Искусственного Интеллекта повлияет на эволюцию клиентского опыта онлайн покупок и потребует от модного ритейла еще более глубокой цифровизации.
Отличный клиентский опыт отличает нас от конкурентов. Это влияет на репутацию компании в целом, а также на такие важнейшие показатели бизнеса, как удержание клиентов и их лояльность. Каждый элемент взаимодействия с клиентом через различные точки соприкосновения может иметь решающее значение для итогового качества обслуживания клиентов и их удовлетворения от процесса покупки.
Около 60% потребителей оценивают неудобные, неудовлетворительные функции поиска, нерелевантные результаты и невозможность найти нужный товар, как наиболее неприятный аспект онлайн-покупок
- Средний показатель отказа от корзины покупок превосходит 65%
- Средний возврат онлайн-продаж одежды составляет около 50,00%
- Размер, посадка и стиль определяют все доходы от модных товаров.
Как технологии на базе искусственного интеллекта смогут помочь интернет-магазинам и их клиентам решить эту проблему?
Наконец-то развитие и доступность к реальному использованию вне НИОКР лабораторий или научной среды, различных полезных технологий на базе прикладного искусственного интеллекта (нейронные сети, компьютерное зрение, обработка изображений, глубокое обучение) достигли такого уровня, что возможность их внедрения определяется все меньше уровнем инновационности компании, а все больше наличием данных для построения и настройки моделей ИИ.
Искусственный интеллект — это область компьютерных наук, которая фокусируется на разработке компьютерных систем для выполнения задач, которые обычно требуют человеческого интеллекта, включая визуальное восприятие, распознавание речи, принятие решений и перевод с одного языка на другой.
Внедрение искусственного интеллекта во взаимодействие между клиентами и брендами/ ритейлерами сможет изменить правила игры и значительно повысить эффективность электронной коммерции, а также общую конкурентоспособность компании на рынке.
Ключом к успешному открытию продуктов электронной коммерции является показ нужных продуктов нужным пользователям в нужное время. С помощью решений AI и ML вы можете сделать этот процесс интуитивно понятным и простым для ваших онлайн-посетителей, независимо от того, как они предпочитают совершать покупки. Предлагая персонализированный поиск продуктов, вы можете заставить клиентов чувствовать себя услышанными и понятыми. Это укрепляет узнаваемость бренда и улучшает качество обслуживания клиентов.
Есть множество способов, которыми искусственный интеллект может помочь улучшить качество обслуживания клиентов в электронной коммерции. ИИ позволяет модным компаниям (как и любым другим) привлекать больше клиентов, сокращать расходы, получать дополнительные конкурентные преимущества и увеличивать доходы. От давно привычных нам рекомендательных систем “вам может быть интересен и вот этот продукт”, до улучшенных, дополненных или вообще искусственно созданных фотографий продуктов, возможно даже сразу на сгенерированных реалистичных моделях, идеально одетых так, что не отличить от реальных фотографий, - все это становится возможно благодаря искусственному интеллекту. Существуют даже (частично) готовые пакеты, которые позволяют автоматически изменять позы, углы просмотра моделей и одежды, надетой на них, не теряя при этом важных для реалистичности и качества картинки деталей при переносе. И вплоть до виртуальных фотосессий уже для самого клиента (виртуальная примерка).
Zara, H&M, Dior, Nike – вот лишь несколько примеров известных модных брендов, которые уже вовсю используют искусственный интеллект в своих бизнес-моделях. А мировые ритейлеры, такие как Аmazon, Zalando, Farfetch, Ebay, Asos, Yoox, Macy’s не говоря уже о специализированных на операциях с искусственным интеллектом платформ как Stitch Fix- фактически превращаются в технологические компании, и считают своими основным активами уже не столько самих клиентов, сколько данные о них, включая взаимодействие клиента и каталога продукции через платформу/ сервис- т.е. данные о клиентском опыте. Стратегически бренды все чаще переходят к подходу, основанному на данных, с целью предоставления персонализированного обслуживания клиентов.
В России тоже есть интересные проекты, которые предлагают бренды и ритейлеры, а также стартапы. Проводятся интересные эксперименты и в направлении использования искусственного интеллекта как базы для инновации клиентского опыта. Так что очень скоро на рынке появятся интересные прорывные кейзы и в России.
«Ленивый клиентский опыт”
Я не уверен, что такой термин существует официально, но я его использую, мне он нравится. Имеется в виду набор (технологических) услуг для покупателя для того, чтобы упростить его взаимодействие с платформой шопинга, сделать этот процесс менее затратным по времени и усилиям. Хороший пример в случае электронных площадок для модного шопинга, это “персональный ассистент по стилю”, а также визуальный поиск (по картинке). А в случае омни-канального шоппинга — это еще и голосовые ассистенты- а как же без них!
Большинство онлайн площадок и магазинов достаточно хорошо организованы, чтобы изучать поведение клиентов: учитывать их возраст, пол, профессию, пытаться анализировать некоторые личностные черты, такие как хобби, увлечения (например, полученные через социальные сообщества), конечно же анализируя историю покупок, возвратов и просмотров. Но, кроме этого, для полной автоматизации модного шопинга нам не хватает предпочтений по цветам и другим характеристикам продуктов, личных привычек и предпочтений в одежде- т. е. все то, что собственно и называется “личный стиль”.
Эксперты- стилисты, сотрудничающие с компанией STITCH FIX , подбирают предметы, основанные на уникальном стиле каждого клиента, целевых размерах, посадке и ценовых предпочтениях, тем самым помогая им создать подходящий и оптимальный гардероб
Stitch Fix отправляет вам прямо домой подборку предметов одежды, за которую вы заплатите 20 долларов за каждый заказ, чтобы покрыть экспертизу и время стилиста. Если же вы оставите подборку из данной посылки, то Stitch Fix зачтет эти 20 долларов в оплату вашего заказа.
20 долларов за совет настоящего стилиста! Что это, если не демократизация стайлинга? Такое возможно за счет совместной работы реальных стилистов и нейронной сети, которые учатся от них же, и чем дальше, тем больше помогают автоматизировать работу живых экспертов. И это уже с выборкой и упаковкой реального товара и его доставкой на дом.
Еще проще, дешевле и быстрее научить искусственный интеллект подбирать одежду индивидуально каждому клиенту, но на основе каких-то универсальных шаблонов/ подборок, которые создают те же реальные стилисты, но для всех. Т. е. нам нужно разделить понятия трендов, сочетаний и прочих общих рекомендаций от конкретно индивидуального стиля клиента. И автоматизировать эти оба процесса по отдельности.
Ученые доказали, что 90% информации нашего мозга является визуальной.
“Виртуальная примерка” — это другой пример важнейшего тренда в улучшении клиентского опыта. Особенно это важно при торговли обувью- но об этом мы поговорим в следующий раз, т. к. это отдельное сложное направление, которое подразумевает свою стратегию эволюции всего ритейла бренда (онлайн и оффлайн). А вот визуальная примерка на цифрового двойника или проще говоря на собственного аватара (сгенерированного системой по заданным параметрам), без определения размера и оценки комфорта носки, или даже еще проще на фото (2D примерка) — это как раз часть «ленивого опыта».
“Визуальный поиск” позволяет пользователям выполнять поиск по изображениям, которые их интересуют, и избавляет от необходимости сортировать нерелевантные результаты. Визуальный поиск — это мощный инструмент, позволяющий сделать весь процесс более быстрым, простым и увлекательным для покупателей на розничном рынке. Хотя поиск по тексту и доступным атрибутам продукта (таким, как категория товара, размеры, базовый цвет, базовый материал и некоторым другим) довольно распространен и все мы к нему привыкли. В настоящее время становится популярным также поиск по голосу и изображениям в электронной коммерции. Искусственный интеллект и ML позволяют покупателю выйти за рамки простого поиска товаров. Это также делает покупки более доступными.
Другая простая, но интересная возможность- с помощью визуального поиска вы можете комбинировать офлайн- и онлайн-покупки. Покупатели могут сфотографировать любое платье из оффлайн магазина и поискать похожие вещи в интернет-каталоге бренда или ритейлера.
Умные колонки и “голосовые ассистенты” — это самая быстрорастущая потребительская технология со времен смартфонов. Ключевой вопрос, который лидеры бизнеса должны рассмотреть прямо сейчас: как внедрение голосового помощника повлияет на то, как ваши клиенты совершают покупки, и как вам, в свою очередь, нужно будет адаптироваться с точки зрения того, как продвигать и продавать свои товары и услуги?
Онлайн ритейлер был одним из первых отраслей, разработавших и внедривших голосовых помощников для своих клиентов, в основном потому, что они уже имели работающие мобильные приложения в ответ на бум электронной коммерции. А добавление голосового пользовательского интерфейса — это естественная эволюция мобильных покупок.
Цифровые стилисты, визуальный поиск, Голосовые ассистенты: собираем все вместе?
«Я не хочу ничего искать в огромном каталоге, я лучше покажу фото, и объясню голосом детали»- вот примерно такой идеальный клиентский опыт, который хочет получить клиент со смартфоном в руке, когда, например, во время прогулки по городу, или на вечеринке, был замечен удачный предмет гардероба или аксессуар, и тут же появилось желание приобрести его (или хотя бы посмотреть варианты в наличии)… Но не один в один этот же продукт (Боже упаси!), как у подруги/ знаменитости/ гостя, а “еще лучше”- конкретно для меня, с вариациями других цветов или материалов, возможно без броского аксессуара или наоборот в более нарядной версии. В случае обуви, как вариант, с другой высотой каблука. Ну и так далее.
ОПЫТ ВИЗУАЛЬНОГО ПОИСКА. ПРАКТИЧЕСКИЙ ПРИМЕР.
Наша визуальная цель:
Нужно найти и упорядочить похожие модели, с учетом формы, цвета и структурных особенностей.
Правильно будет так?
Или вот так?
Или все же так?
Это непростая задача для e-commerce бренда и даже для мощного маркетплейса, т.к. одного визуального поиска “по картинке” тут не достаточно. Визуальный поиск похожих продуктов чисто по картинке (пикселям), а не по признакам, решает эту задачу лишь частично. И большинство каталогов онлайн сейчас не имеют, не предоставляют достаточное количество атрибутов, нужных для такого интеллектуального сценария, о котором так мечтают наши “ленивые”, но разборчивые клиенты.
Но в условиях отсутствия знаний о структуре атрибутов (признаков, параметров) продукта, искать “что-то похожее, но немного другое” — это почти как «пойди туда, не знаю куда». Только в данном случае клиент то знает, куда он хотел бы, а вот продавец не в состоянии предоставить нужные инструменты. Мы получаем разрыв между покупателями и каталогом брендов, не позволяющий нам выйти на новый уровень эффективности клиентского опыта.
В онлайн каталогах разных ритейлеров даже абсолютно идентичные товары могут иметь несколько непересекающихся атрибутов или наоборот общих, но с разными значениями. Начиная с самых базовых понятий- классификации модели, а порой даже категории продукта. Особенно это видно на примере обувных ритейлеров: большинство спортивной обуви у нас просто “кроссовки” (хотя их существует десяток типов!), а классическая обувь иногда попадает в категорию “туфли” - ну и так далее. Т. е. мы имеем дело с системной проблемой- ситуацией, когда при создании каталогов для продаж онлайн, некоторые характеристики не могут быть добавлены в принципе (некому это делать), или же их очень сложно и дорого добавлять, и тем более проверять на корректность, нужную для обеспечения большей точности категоризации.
По счастью и здесь искусственный интеллект может прийти на помощь, решая задачи автоматической категоризации и расширения базы признаков/ атрибутов (Automated Catalogue Tagging). Но это будут проекты уже немного другого уровня: ориентированные на топологию (классификацию), универсализацию характеристик, атрибутов и даже мета данных, с возможностью предполагать такие атрибуты прямо из картинок и/ или текста- описания. Для этого будут нужны новые внутренние процессы, системы и алгоритмы автоматизации работы с визуальной и семантической (структурной) схожестью продуктов даже из различных категорий, а также изучение и наработка опыта использования особых подходов и методов искусственного интеллекта, таких как передача модели обучения (transfer learning), адаптация к предметной области (domain adaptation) и другие не самые изученные на сегодня.
Андрей Голуб - сопредседатель кластера РАЭК / FashionTech, эксперт рабочей группы FashionTech (Союзлегпром & РАЭК), автор книги “Искусственный Интеллект для Моды” (Дискус, 2019). Fashion-ID 34711Считается одним из пионеров-практиков FashionTech, и в особенности в области искусственного интеллекта. Его итальянский стартап ELSE Corp (else-corp.com) прошел серьезную внутреннюю эволюцию от начальной фокализации на 3D ритейле, затем автоматизации процесса создания модных коллекций брендов, и в конечном итоге превратившись в лабораторию прототипирования и разработки сложных интеллектуальных сервисов и платформ для модных компаний, на основе искусственного интеллекта.
