Идея
Меня занесло в венчур с проектом, рожденным из собственной боли: надоело тратить время и деньги на косметику, которая мне не подходит. Выкинув очередную банку, на выбор которой ушло часа 3, я недоумевала, почему в 21ом веке нет рекомендательной системы. Понедоумевала и решила сделать свою.
Я собрала классную команду из физтехов, у каждого был сильный бэкграунд в химфизике, биологии и анализе данных. Так начался проект BeautyGuard.AI
Также можете использовать телеграм версию @BeautyGuard_bot
Период фрустрации
Мы изучили проекты, которые называли себя рекомендательными системами косметики. Основных проблем было 2:
1) Некачественные рекомендации: например, если в составе есть спирт, то продукт запрещают к использованию для всех типов кожи. Но спирт – отличный проводник активных ингредиентов в глубокие слои дермы.
2) Проекты с умным AI работали по модели B2B: насколько качественно решается проблема клиента, если фокус на стороне бизнеса? Есть риск, что AI просто используется как не самая долгосрочная маркетинговая компания для повышения интереса и лояльности клиентов.
Мне же хотелось сделать нечто фундаментальное, стоящее и ценное, чтобы про продукт говорили: «А как мы раньше вообще без BeautyGuard жили? Так было неудобно!» Как сейчас говорят про Интернет по карточкам.
Поэтому полгода команда проводила исследования: какие данные пользователя важны? По каким категориям мэтч оптимальный? Делать ли фото лица, если макияж и освещение влияют на качество изображения? Как анализировать составы? Брать ли во внимание такое неоднозначное маркетинговое описание? И многие другие вопросы, от ответа на которые могла поменяться даже монетизация.
Неожиданное решение
Я консультировалась у дерматолога: мне не подходил ни один из трех купленных кремов с кислотами, несмотря на показания к их использованию.
- Вот крем с тремя кислотами для моего типа. Почему от него кожа горит?
- Полина, если кислот больше двух, то их остатки амплифицируют друг друга, и это вызывает раздражение у твоей чувствительной кожи.
- Хорошо. Но вот крем, в котором только две кислоты?
- Это фруктовые кислоты, они ближе к сахарам и питают все, что может быть воспалением, поэтому происходит рецидив.
- Понятно. Но как же крем с одной единственной салициловой кислотой в малой концентрации?
- Хм… В конце состава есть масло чайного дерева, но у тебя на него, похоже… Аллергия!
Из диалога я поняла, что, во-первых, не хочу тратить время на профильное образование химика-косметолога – хочу просто, как 1, 1, 2, 3. Во-вторых, взаимодействие ингредиентов с кожей имеет физическое описание, которое есть в явном виде в головах у специалистов, а, значит, мы можем перенести эти знания в модель нейронной сети через описание в неявном виде. Это оказалось лучшим из рассматриваемых технических решений.
Упаковка и акселерация продукта
Благодаря дерматологам мы собрали свою уникальную базу данных, обучили нейронную сеть делать рекомендации по химическим свойствам и выиграли пре-акселерационную программу Физтех.Старта – это были 3 невероятно насыщенные и крутые месяцы работы над проектом. Ценным опытом оказалось не только формирование бизнес-модели, но и оформление интеллектуальной собственности. Эти отдельные виды искусства особенно пригождаются мне сейчас, когда я вкатываюсь в C-level задачи финтех компании.
По итогам акселератора мы также выиграли грант и сфокусировались на пилотном запуске: спрос огромный, рынок миллиардный, у меня уже спрашивают, когда можно начать пользоваться продуктом. Бьюти AI-консультант сохранит время, деньги и нервы, проверит любой состав именно для Вас – изящно и современно.
Зрелость предпринимателя измеряется созданием B2B продуктов. Но, как я писала выше, такая модель портила репутацию рекомендаций в глазах пользователей, а со стороны бизнеса возникала сложность с коммуникацией: было не просто объяснить компаниям, что это отличная long-term инвестиция, конкурентное преимущество. KPI менеджеров заинтересован в маркетинговом инструменте, который даст прирост продаж сразу после запуска, а не в результате кумулятивного улучшения пользовательского опыта.
Отклик рынка и эмоции
Поэтому мы запустили элегантную и быструю версию B2C в телеграме @BeautyGuard_bot (feel free to use), чтобы изучить отклик пользователя. Оказалось, что если продукт одобрялся нашим AI, то это приносило положительные эмоции клиенту, как будто он угадал «правильное решение», а если мы сообщали, что продукт не подходит, то клиент требовал, чтобы ему:
1) объяснили, что не так с точностью до деталей
2) рассказали «куда двигаться дальше»
То есть если AI-помощник не одобряет желанную банку, то пользователь воспринимает это как личное оскорбление!) Конечно, это легко решается через разметку базы данных продуктов нашим AI заранее, так что не стесняйтесь написать мне с предложением о сотрудничестве в телеграм @polik_b. Рынку нужен новый герой!
Подводные камни и их решение
В B2B со стороны бизнеса есть опасение, что клиент подберет себе ухаживающие средства один раз и больше не появится в их магазине. Но рынок показывает обратную картину:
1) «разовые» посетители в целом не очень разбираются в косметике. Поэтому неудачная покупка без рекомендаций будет вызывать негативные ассоциации с фирмой продукта, страной производителя, или даже со всем магазином, где приобретался товар. Чем дольше длится такой опыт – тем больше негативное подкрепление.
2) а активные пользователи уже раскусили фишку качественной косметики и всегда находятся в поиске чего-то нового и удивительного.
Кстати, обратная связь от пользователей с цифровым профилем – это отличная база для оптимизации производства и создания новых продуктов. Так проще прогнозировать цикличность продаж, введение новинок и классификации уходовых линеек.
Философия проекта
Пилотный вывод любопытен, ведь я изначально планировала минимизировать негативные эмоции клиентов: сразу обрубать выбор – это как разделить перегородками отделы Золотого Яблока по типам кожи и не разрешать посетителям переходить. Не гуманно. Я хотела, чтобы пользователь не чувствовал ограничения в выборе и навязчивости детерминированных продуктов - все любят разнообразие.
Именно это послужило к формированию оптимального подхода к рекомендациям: я была против гиперперсонализации по двум причинам:
1) дорогая ошибка – есть риск безвозвратной потери лояльности клиента
2) погрешность в определении состояния кожи даже больше, чем ошибка машинного обучения
Из-за окружающей среды, стресса, цикла, гормонов и питания состояние кожи может измениться, и крем, который был любимчиком неделю назад, сегодня может перестать радовать. Пользователь и рад бы купить что-то более подходящее, но строгий гиперперсонализированный AI бьет по рукам: «Нельзя! Это для другого типа кожи!»
Поэтому я сформулировала очень важную концепцию своего продукта: мы не занимается гиперперсонализацией, мы уменьшаем число выброшенных банок, не лишая пользователя свободы экспериментировать с подбором косметики. Эмоции решают.
Заключение
В AI для диагностики всегда фокус на том, чтобы точно не усугубилась проблема со здоровьем, а дополнительная перепроверка здорового пациента – это не страшно. Поэтому «насколько умный» нужно делать AI – вопрос баланса. Когда основная проблема отсева решена, увеличение точности не приносит дополнительного профита. Наоборот, важно разнообразие предлагаемых услуг/ товаров.
А еще можно сколько угодно разбираться в составах косметики, но все равно получить удовольствие от покупки совсем не полезного для кожи вазелина, потому что… Ну он же так классно пахнет маракуйей!)