подпишитесь на новости брендов 
2b2 Журнал
16.04.2019 | Наталья Кулагина

Ваш стилист – нейросеть

часть 1      часть 2      часть 3

 

Всем знакома ситуация, когда надо срочно приобрести наряд для мероприятия или подобрать дополнения к уже имеющимся в гардеробе вещам. Приходится мучительно долго ходить по магазинам или пролистывать десятки каталогов онлайн-ритейлеров. Группа молодых талантливых белорусских разработчиков создала виртуального стилиста, способного решить все эти проблемы. Мы побеседовали с сооснователем проекта Кириллом Сидорчуком и разработчиком технологии Владиславом Каминским об их инновационном продукте Oyper.

 

Два года назад группа молодых ребят, студентов различных факультетов Белорусского государственного университета: экономисты, математики, программисты – решили объединить свои знания и усилия и создать продукт, которого еще не было на рынке. Изначально их было пятеро, в настоящий момент рабочая группа включает 12 человек. Для своих грандиозных планов они выбрали область fashiоn e-commerсe, поскольку этот рынок занимает первое место в мире по обороту и, по прогнозам, к 2020 году больше 70% покупок в нем будет производиться через интернет. Кроме того, в торговле одеждой присутствует большое количество разных вещей и атрибутов, этот рынок растущий и емкий. Разработчики прекрасно понимали, что, если они научатся на новом уровне удовлетворять ежедневные потребности 90% людей, это принесет им значительные финансовые выгоды. Ребята провели сложное исследование и пришли к выводу, что проблемы покупателя в е-commerce выливаются в потери у продавцов, а существующие решения недостаточно эффективны. Таким образом и был задан основной вектор развития проекта.

 

 

Расскажите поподробнее, что именно представляет из себя Oyper?

 

К.С. Перед многими покупателями встает проблема поиска подходящей им вещи или вещи, похожей на ту, которую они видели на картинке или на ком-то в реальной жизни. Нам эта проблема знакома не понаслышке, поэтому мы создали команду и задались целью помочь потребителям в решении подобных вопросов, а именно – что надеть и как сочетать вещи между собой. Мы были уверены, что сможем научить нейросеть решать такие задачи, то есть, в нашем случае, по картинке, которая может быть фотографией или скриншотом, находить такие же или подобные вещи в каталоге продавца и создавать готовые стильные образы. Мы создали программу, которая анализирует модные образы и персонализирует их под конечного пользователя. Таким образом, мы обучили нейросеть понимать, что есть стильно, что является трендом, каковы правила сочетания вещей, постоянно самообучаться и из доступных вещей создавать образы. Это возможно благодаря тому, что изучается потребительское поведение человека: чем больше мы знаем о его предпочтениях, тем легче корректируются рекомендации. Например, человек собирается совершить покупки на известном агрегаторе LaModa, ведет поиск на его платформе, где много товаров и брендов. Существует конкретная история покупок данного человека, мы знаем, какие вещи и из каких категорий он покупал: брюки, джинсы, рубашки, платья, обувь и т. п. Анализируя историю его покупок, мы понимаем, какие вещи ему нравятся больше всего, какой стиль, расцветку он предпочитает. Процесс этот достаточно сложный, упрощенно можно сказать, что мы «вытягиваем» правила из покупок клиента. Кроме того, анализируются его действия на сайте, когда он что-то смотрел, открывал, добавлял в лист сравнений или в корзину, покупал или уходил со страницы. И вот таким образом формируются рекомендации по созданию образа, которые корректируются под конкретного человека. То есть разным людям предлагаются различные образы. Вдобавок, наша платформа может предлагать пользователю вещи, которые подойдут к уже сделанным им покупкам и создадут целостный образ. Это происходит за счет анализа больших данных, связанных с модой. 

 

 

Многие занимаются подобными вещами, но делают это вручную. Наше преимущество в том, что мы автоматизировали этот процесс.

 

– Учитывая то, что модные тренды меняются очень быстро, как у вас происходит «подгружение» этих изменений?

 

К.С. Для каждого из рынков (а это рынки СНГ) мы выделяем лидеров мнений – популярных fashion-блогеров, различные авторитетные ресурсы. Это могут быть известные журналы, порталы, связанные с модой, где собраны актуальные подборы образов, разнообразная информация по трендам. То есть из большого объема визуальной информации мы получаем правила, по этим правилам создаются образы, и эти правила непрерывно обновляются. Программа настроена так, что визуальная информация постоянно подтягивается, алгоритм самостоятельно улавливает все тренды. Например, блогер, входящий в базу данных, что-то постит, это вовлекается в программу, она дообучается – и выдает уже более современную, приближенную к сегодняшнему дню информацию.

 

Используя для анализа предпочтения человека, вы предполагаете, что он примерно знает, что подходит конкретно ему. Но если говорить о реальном стилисте – живом человеке, то он задействует для создания образа очень много правил, в частности учитывает тон кожи, цвет глаз, волос, пропорции фигуры и множество других параметров, принимает во внимание фактуру материала и т. п. То есть в свой поиск вы как бы «зашиваете» то, что человек подобным тонкостям обучен (знает свою внешность ну хотя бы на уровне стандартных цветотипов) и учитывает их?

 

К.С. На сегодняшний день такие специфические знания, все то, что вы перечислили, при поиске не учитываются. То есть наша модель сейчас объективно не конкурент живому стилисту. Но мы постоянно ее дорабатываем, нам есть куда двигаться. Мы внедряем использование личных данных, таких как цвет волос, кожи, тип фигуры. Мы этим занимаемся, но сказать, что все учтено, было бы преувеличением.

 

 

У нас иной подход, чем у стилиста, мы не можем изменить стиль человека, но можем показать ему то, что модно, предлагаем готовые образы, а человек уже выбирает то, что ему больше понравится. Мы не ставили себе цель показать то, как человек будет выглядеть в этих вещах, поскольку наше решение мы начинали разрабатывать для масс-маркета, где наибольшее количество покупателей и больше продаж. Мы будем постепенно двигаться в сторону индивидуализации и высокой моды. Но это будет отдельное направление. Сейчас все же масс-маркет: мы предлагаем человеку рекомендации, которые находятся на пересечении того, что в тренде, и того, что понравится лично ему. На сайте у продавца одежды может быть одновременно 10 000 пользователей, и мы будем каждому пользователю показывать каталог так, чтобы максимально вовлекать его в процесс покупки. Задача такая.

 

– То есть вы подбираете для конкретного покупателя только те вещи, которые приемлемы с учетом модных трендов?

 

В.К. Мы предлагаем пользователю выбрать повод, для которого он подбирает одежду. У нас есть набор поводов, на сегодняшний день при работе в тестовом режиме их 15, но может быть бесконечное количество. Например, человек выбирает повод «Деловая встреча» – задается нужный диапазон и подбирается огромное количество образов, подходящих для мероприятия такого формата. При этом существует возможность задать ценовой диапазон, поскольку на сайте всегда есть вещи подешевле и подороже, что очень удобно. Человек может выбрать цену – например, «до 5 тысяч рублей» – и ему выдадут подборку из вещей стоимостью не более 5 тысяч.

 

Беседовала Наталья Кулагина

 

Продолжение следует

 

Фото: предоставлены разработчиками

0