Как искусственный интеллект решает вопрос подбора одежды и роста выручки в fashion e-commerce

Ежедневно в Интернет-магазин приходят тысячи людей. И невозможно понять их предпочтения в одежде и стиле, потому что программный код магазина работает с текстом: ссылками на товары и cookie-файлами.

Каждый онлайн-ритейлер по-своему решает вопрос подбора и показа одежды пользователю. Как правило, эти решения выглядят следующим образом:

· сортируют товары по цене вместо показа персонально подобранных товаров;

· рекомендуют одежду одного бренда вместо кросс-брендинга по стилю;

· показывают сопутствующие, а не визуально похожие товары;

· одежда сортируется администратором сайта без рекомендаций маркетинга или e-commerce;

· в рекомендованные добавляется товары контент-менеджером по своему усмотрению, как правило те, которые проще добавить.

Такой подход объясняет низкую конверсию в российском fashion-ритейле – от 0,2% до 1,5%. Если не брать во внимание множество факторов, влияющих на рост этого показателя, то один из них точно можно улучшить с помощью искусственного интеллекта. Это понимание вкусов пользователя по анализу фотографий товаров.

Искусственный интеллект (AI – Artificial Intelligence) – это набор алгоритмов, созданных человеком. Алгоритмы в процессе обучения изменяются и подстраиваются под решение конкретных задач. Области применения искусственного интеллекта в онлайн широкие. Наиболее популярные – это чат-боты и визуальный поиск. Если первые работают с текстом, то вторые – с изображениями.

Мы разработали нейронную сеть и обучаем ее распознаванию классов и атрибутов одежды по фотографиям, что позволяет выстраивать персональные рекомендации для людей, увеличивая выручку интернет-магазина. Amazon, Avito, Asos, Lamoda, Wildberries и другие активно внедряют технологии, основанные на поиске визуально похожих товаров. Эти онлайн-площадки уже ощутили выгоду от визуального поиска, которая выражается в:

· увеличении конверсии в покупки;

· росте количества повторных покупок. Люди чаще возвращаются в магазин, где нашли одежду, которая им нравится;

· снижении расходов на рекламу. Лояльные покупатели обходятся дешевле.

Как сделать из посетителя интернет-магазина покупателя, а из покупателя лояльного клиента? Все просто. Показывайте ту одежда, которая нравится людям. Искусственный интеллект помогает решить этот вопрос, распознавая классы и атрибуты одежды, изображенной на фотографиях, которые просматривает пользователь. Так, если девушка смотрит зеленое макси-платье, с поясом, без рукава, то ИИ подберет визуально похожие платья по силуэту, стилю, деталям, крою, и конечно, цвету.

Вместе с распознаванием одежды мы применяем анализ поведения пользователя на сайте:

· сколько времени он провел в карточке товара;

· какая была активность: просмотр основного и дополнительных фото;

· выбор размера, цвета;

· добавление товара в избранное, в корзину;

· и т.д.

Все это дает комплексную картину взаимодействия покупателя с сайтом в режиме реального времени.

При подборе визуально похожих рекомендуемых товаров возникает другая крайность: создание пузыря. Когда пользователь видит одинаковые платья и его выбор искусственно ограничивается. Во избежание информационного вакуума мы рекомендуем товары из смежных категорий или похожего стиля. Подбор основан на анализе поведения человека на сайте, истории его покупок и других факторах. В рекомендации к платьям можно показать туфли или сумочку, сочетающиеся по стилю, цвету.

Так мы подошли к одному из самых интересных вопросов в работе машинного обучения – это алгоритмы подбора сопутствующих товаров или создание образа.

При создании образа стилист представляет сначала конкретного человека или персонаж. Он задает себе следующие вопросы: кто это - мужчина или женщина? Предпочитаемые бренды, уровень доход? Где работает и чем занимается в свободное время? Цвет кожи, образ жизни? То, что возникает в голове у стилиста, не может появится у искусственного интеллекта, который просто лишен воображения. Поэтому при создании алгоритмов мы составляем матрицы сочетания предметов одежды и аксессуаров друг с другом, консультируясь со стилистами, fashion-блогерами. Не обладая способностью думать, искусственный интеллект, тем не менее, помнит миллионы деталей одежды на фотографиях и мгновенно находит их, составляя гармоничные образы.

Существуют базовые принципы сочетания одежды, которые понимает искусственный интеллект. Это подбор внутри категорий брендов: масс-маркет, middle, премиум-бренды. Подбор по цветовой гамме. Создание силуэта: широкий верх – зауженный низ, и наоборот. Соблюдение этих принципов позволяет выполнять задачи подбора одежды даже машине. Однако набор луков, аксессуаров в каждом интернет-магазине отличается. И, понимая это, мы обучаем нейронную сеть каждый раз на новом датасете – каталоге интернет-магазина.

Насколько вещь спортивная нейронная сеть не может понять. Даже неспециалист в этом не разберется. Но заложить алгоритмы сочетания спортивных брюк и шпильки можно.

Несмотря на то, что мы работаем с технологиями, вместе с этим следим за модными трендами. Удачное сочетание моды и IT-решений дает преимущество для e-commerce, делая интернет-магазин технологичным лидером в своей области и увеличивая доход.