Тенденции, которые дают E-commerce новую жизнь: Часть 1

Примерка кроссовок, конструктор мебели и машин лёнинг. Провели ресерч и рассказываем о технологиях в екомме.

О новых тенденциях можно говорить вечно, но мы в Nico отдали приоритет наиболее интересным:

1. Онлайн примерочная
2. Любовь к экологии
3. Нейронки, машин ленинг и рокнролл
4. Поиск по изображением

Сегодня технологии электронной коммерции могут дополнить пользовательский опыт, частично преодолев разрыв между оффлайн и онлайн. И сейчас покажем, как компании уже переходят на новые визуальные решения.

Хорошим примером примерки виртуальных часов является приложение AR-Watches, позволяющее пользователям примерять различные часы. Пользователю дается браслет, помеченный специальными маркерами. Алгоритмы системы обрабатывают метки и создают визуально соответствующие часы, выбранные в приложении.

Приложения Wanna Kicks и SneakerKit — хорошая демонстрация того, как технологии AR и глубокого обучения могут быть применены для обуви.

Lamoda, кстати, использует технологию дополненной реальности AR Try-on, основанная белорусским стартапом Wanna. Достаточно навести камеру и выбрать кроссовки — и алгоритм покажут, как они будут выглядеть.

Компании FittingBox и Ditto разработали технологию AR для примерки виртуальных очков. Пользователь должен выбрать модель очков из виртуального каталога, и они надевается ему на глаза.

Российские компании оптики пришли к более простому решению, без машинного обучения и 3D визуализации. К примеру, Купить-очки. рф пришли к созданию единого макета, где пользователь может выбрать подходящие очки и посмотреть как они будут выглядеть на реальном человеке. Так же есть возможно загрузить собственную фотографию. Бюджетно и эффективно.

Учитывая тот факт, что модели обнаружения лицевых ориентиров работают хорошо, еще один часто моделируемый элемент дополненной реальности — это головные уборы. Все, что требуется для правильной визуализации шляпы на голове человека — трехмерные координаты нескольких ключевых точек, обозначающих виски и расположение центра на лбу. Приложения для примерки виртуальных шляп уже запустили quytech, Banuba и Vertebrae.

По сравнению с обувью, очками и часами виртуальная примерка одежды все еще остается проблемой. Причина в том, что одежда не адаптируется, принимая форму тела человека. Таким образом, для правильного опыта AR модель машинного обучения должна определять не только основные ключевые точки человеческого тела, но и форму тела в 3D. Многие компании пытаются найти решение данной проблемы, но пока безуспешно Альтернативу предложила компания Zeekit, предоставляя пользователям возможность применять к своей фотографии несколько типов одежды (платья, брюки, рубашки и т. Д.). Adidas и Asos являются ключевыми партнерами по развитию Zeekit.

Пользователи могут сами собрать нужный стол, выбрав нужные критерии и посмотреть как будет выглядеть собранный стол на разных вариантах интерьера. И это очень удобно как для пользователей- выбирают все на свое усмотрение, как и для производителя- изготавливать строго по выбранному заказу на каждого покупателя, избегая ненужных производственных затрат.

На примере, мебельная компания дает возможность пользователю собрать стол под свои условия и с помощью 3D моделирования посмотреть на него со всех сторон.

Общество понимает ситуацию с экологией и с каждым годом-люди более ответственно к этому подходят. Примеров можно привести много, но остановимся на IKEA.В ходе исследований, IKEA обнаружила, что ее клиенты становятся более экологичными и отдают предпочтения позициям, где используются материалы для переработки. Так они добавили функцию на официальном сайте каталога – «экологическая информация». В этом разделе пользователи могут узнать из каких материалов состоит товар и как компания бережно относится к экологии.

И это очень хорошее решение. С одной стороны, аудитория получает то, что им нужно. С другой стороны, ИКЕА, задает тренды о необходимости беречь природу.

Крупные ритейлеры, такие как Amazon имеют дополнительные 11% продаж, благодаря ИИ технологиям.
Технология подбора рекомендаций, где алгоритмы машинного обучения полностью анализирует ваши покупки и на выходе предоставляет вам товары, которые отлично подходят к вашим ранее покупкам. Система может анализировать данные о клиентах из несколько точек соприкосновения(мобильные приложения, кликабельность почтовых кампаний и веб-сайт), чтобы понять предпочтения пользователя.
К примеру, пользователь заказывает определенную марку риса каждую неделю, и в этом случае ИИ может показать пользователю персонализированное предложение, которое хорошо подойдут с этим продуктом, или даже отправить рекомендации приготовления. А если вы заказываете рис, соевый соус и имбирь, то на почту придет письмо с советом, как правильно готовить роллы:)

Визуальный поиск помогает искать продукты, используя изображения, а не ключевые слова. Функция позволяет искать на площадке товары, схожие с загруженной фотографией. И это становится одним из приоритетных поисковых инструментов в E-commerce. Вспомните, как часто вы задавались вопросом, когда видели красивые вещи у популярных блогеров в социальных сетях, но не знали их название/модель.
Все это упрощает Asos. В 2017 году компания запустили алгоритм, который позволяет найти нужную вещь на сайте с помощью картинки. Для этого нужно сделать скриншот, далее система самостоятельно отбирает товары, визуально идентичную картинке. Да, нейронная сеть не совсем точна, но система совершенствуется самостоятельно, с увеличением массива больших данных.

Спасибо, что дошли до конца. Скоро допишем вторую часть. А пока-подписывайся на нас. Мы будем описывать много классных кейсов и исследований Digital рынка.