您所在的位置:紅商網·新零售陣線 >> 零售業頻道 >> 正文
AI賦能服裝行業

  1

  人工智能與服裝行業

  鄭澤宇從2015年開始關注國內人工智能的發展,那時Deepmind推出的AlphaGo讓大眾對人工智能的概念有了初步認知。隨之而來的是人工智能在國內掀起的第一個浪潮,大量的人工智能企業創立起來。

  2016年初的時候鄭澤宇和Google的一些同事回到國內創辦了第一家公司。從那時開始,他開始關注國內人工智能的落地場景,并在許多不同的領域,如安防、能源、金融等,做過一些嘗試。

  在這個過程中,他接觸了到服裝行業,覺得通過AI技術助力服裝行業是一片藍海。于是在2018年初時,鄭澤宇及其團隊從第一家公司獨立出來,成立知衣科技,專注于AI技術在服裝行業的落地。

  談及人工智能的應用場景,人們第一時間聯想到的行業會有金融、醫療、能源、物流、制造、零售、城市、農業等等,但很少聽到服裝行業。常說「衣、食、住、行」,「衣」是排在第一位的,如此之大的一個行業,為什么人工智能沒有得到很好的落地?其中有很多原因。

  金融、醫療、能源等等是大家在日常接觸比較多的行業,特別對技術人才來講是很好理解的行業。但技術同行對時尚服裝領域的理解并沒有很充分。AI在服裝行業里面能干什么?應該植入在哪個環節?很多人會有這樣的疑惑和困擾。但隨著和行業內企業與從業人員的深入交流,鄭澤宇團隊發現服裝行業的技術能力以及數據化程度都非常低,這里面有很多值得嘗試的機會。

  鄭澤宇發現在服裝企業中,設計師接觸到的數據化信息非常少,許多設計師甚至不知道自己公司賣得好的款式有哪些。是服裝企業沒有這些數據么?并不是。原因在于數據的提供方通過數據思維或者互聯網運營思維組織整理出來的數據產品不符合設計師的數據處理習慣,設計師不愿意使用這樣的數據系統,這使得設計師總是在不了解市場的情況下設計出不受消費者青睞的款式。

  設計師對于技術和數據的需求其實很大。但是在相對傳統的服裝行業,由于數據工具的一些不完整性以及技術從業者對時尚行業特別是對設計師的理解有限,導致目前基本上沒有科技類公司在輔助設計環節有所涉獵,這方面仍有著巨大的挖掘空間。

  從上圖可以看到服裝行業的產業價值鏈,就現階段而言,服裝設計環節整體上缺乏數據化輔助工具,信息化程度低。那么服務設計師群體到底有多大的市場或者價值?

  整個服裝產業除了公認的市場端高價值之外,另外一個價值高地就在設計環節 。在利潤比例上,市場、設計和生產大概是5:4:1的分配比例,市場甚至沒有明顯高于設計。在這樣一個價值非常高的環節上,卻沒有非常好的工具或者為設計環節提供服務的服務商。所以鄭澤宇團隊認為AI技術在服裝設計環節落地的機會非常大,這也是他成立知衣科技的初衷,借助科技的力量解決設計師面臨的一些問題和困難。

  2

  設計師的困境

  設計師如何工作?什么樣的工具能夠輔助設計師的工作?

  當提到設計師的時候,很多人的第一印象會覺得這份職業十分高大上、偏感性、富有藝術感。但鄭澤宇團隊在跟設計師群體,特別是大部分的中國設計師近距離交流或者進行合作的時候,發現他們的工作方式很「原始」,設計師之間的溝通交流基本靠微信,也沒有專門針對設計師的管理工具或者效率工具。

  設計師使用的工具非常原始,還停留在平面時代,選款過程中效率低下,比如一個男裝潮牌企業的設計師是怎么去收集跟潮牌相關的款式的呢?設計師只能去各個社交平臺上或者對標品牌的官網上去瀏覽圖片,在不同的網站上尋找、收集數據。這就導致大量服裝設計助理的日常工作內容就是收集和整理數據。

  現實中,服裝設計師最核心的工作并不是發現靈感、進行創作,對于中國90% 的設計師而言最核心的工作是選款——怎么做出爆款?去哪發現爆款?怎么判斷爆款?

  尋找時尚靈感和判斷時尚趨勢是設計師在工作過程中最大的兩個挑戰。在傳統的模式中,設計師主要依靠主觀進行尋找和判斷,缺乏市場數據和反饋信息。同時,在設計培訓課上,設計老師也更多的去強調設計或者藝術的部分,而缺乏對數據和市場指導的重視,這也導致設計師對技術的需求非常強。

  3

  大數據與設計師

  什么數據會對設計師有幫助?

  首先是電商聚合數據源,包括淘寶、京東、唯品會等各種各樣的電商數據。這類數據具有一定的市場指導作用,比如淘寶銷量,京東評論,各個不同平臺的點贊或者其他的瀏覽數據,這些數據可以從側面反映出市場對某個款式的認可程度。

  電商數據的第一個作用是驗證信息。某個款式到底流行還是不流行?消費者喜歡還是不喜歡?通過銷量數據、評論數據能得到反饋。服裝企業在開款環節如果想做去年爆款的一些延續款,就可以參考去年市場上和競爭對手的爆款數據,反推今年什么季節做什么樣的款式。

  第二作用是可以幫助服裝企業更快地對市場做出反應。就這兩點而言,電商聚合數據對設計師的選款工作有非常大的幫助。

  第二大類的數據是社交媒體的數據,包括微博、小紅書、抖音、快手這些平臺。這類數據反映了當下的流行趨勢。

  網紅和明星他們在穿什么?他們在發一些什么樣的圖片?社交媒體會影響到大眾對時尚的判斷和審美,因此通過對這些數據的分析可以輔助判斷近期的流行款式,例如淘寶上有大量ins風的服裝,可見ins上的風格對中國時尚界的影響非常大。鑒于此,知衣科技收集了超過百萬的ins博主,數萬小紅書、微博博主最新最潮的數據。

  第三大類是更偏時尚專業的數據,比如秀場、訂貨會、品牌畫冊這樣的一些數據。在時尚度上這類數據要領先于電商及社交媒體數據,是更加前沿的流行趨勢。

  國內很多的企業在判斷、分析流行趨勢的時候,時尚專業的數據是一個非常重要的參考標準和依據。如果設計師通過感性的方式欣賞秀場,看完一場show之后可能會產生主觀偏見的印象,比如當設計師覺得今年紅色會流行,只要有兩三款紅色走秀款就容易讓他覺得想法獲得了驗證,從而產生偏見。

  但通過數據分析的方式可以幫助設計師相對客觀、精準地來分析品牌定位,比如什么元素更流行?秀場體現了什么趨勢?數據提供了更加理性的判斷標準,幫助設計師把握流行趨勢的變化。

  隨著互聯網的發展,越來越多的數據留存在網上,這些數據量有多大呢?知衣科技每天收入的商品數量超過千萬,博文數量超過百萬。如此大量的信息,如果不對這些數據進行整理和分析,設計師根本無法人工處理這么多信息。

  另外,圖片對設計師來說是一個非常有效的傳達信息的載體。如何從圖像當中去提取專業化的標簽是非常重要的事情,因此知衣科技對數據的處理方式都是以圖像數據標簽識別作為基礎的。

2頁 [1] [2] 下一頁 

關注公號:redshcom  關注更多: 服裝






太阳城彩票app下载