一夜之間,，大家仿佛都清心寡欲了起來,。
最近在群里分享點吃的用的，偶爾還有人捧場,。如果是首飾衣服,，先商業(yè)互吹一番“好看”，緊接著就是“去年買的衣服都穿過了嗎”“工作都沒了還買什么包”“別看了拼夕夕差一刀幫我砍一下”等的靈魂拷問……
擱半年之前,，這么勤儉持家的場面都是不可能出現(xiàn)的,。哪怕剛剛裸辭，女人們也敢刷信用卡買下新款裙子,，美其名曰“換種姿態(tài)迎接新生活”,。
結(jié)果“黑天鵝”“灰犀牛”齊齊到來,，沒有“報復(fù)性收入”的普通人,，也開始老老實實面對慘淡的生活，將消費欲望降到最低,。
當(dāng)大家開始尋找不花錢就可以得到的快樂,，許多“AI 期貨”也就“穿倉”了。說人話就是,，那些靠 AI 描繪的商業(yè)藍圖,，合理審視比盲目追捧的聲音更大了。
穿衣 AI,，就是其中一個,。
AI 搭配師：逮不著耗子，當(dāng)不了好貓
用 AI 給消費者搭配服飾鞋帽,、口紅妝容等等,，從 2017 年 AI 浪潮興起開始，就被安排進了技術(shù)大廠的開發(fā)周期表,。
某貓上線了 FashionAI,，通過電商平臺上的潮人搭配方案，基于屬性,、顏色,、風(fēng)格、細節(jié)等維度,，可以為一款單品匹配到最適合的穿搭方式,。官方說辭是,，1 秒鐘能為消費者提供與其相符的 100 套穿搭建議,。
某狗也奮勇爭先，成立時尚科技研究院用戶只要將衣服放到 Mirror+智能搭配產(chǎn)品前,，系統(tǒng)就會通過推薦算法找到合適的服裝搭配,。
一些女性群體為主的電商平臺,，也都相繼成立過“搭配研究所”、搭配體驗平臺等等,，利用平臺的大數(shù)據(jù)優(yōu)勢訓(xùn)練時尚分析模型,。
一時之間，感覺整個電商服裝行業(yè)都 AI 了起來,。
時尚產(chǎn)業(yè)根基更為成熟的歐美,，自然更不會放過這個掘金的機會。
電商巨頭亞馬遜,，就在 CVPR 2020 會議上推出了好幾款 AI 穿衣模型,。比如 Outfit-VITON，就可以將多件衣服搭配在一起,，讓消費者看到上身效果,。
如果用戶看上了款式卻沒有相中顏色，也可以直接查詢“相同款式的粉色連衣裙”,，系統(tǒng)就會幫助其找出相應(yīng)的商品,。
谷歌與德國電商 Zalando 合作，基于 TensorFlow 打造一款時裝設(shè)計產(chǎn)品 Project Muze,，
用戶告訴 AI 自己的性別,、心情、興趣愛好和喜歡的藝術(shù)類型等信息,，再在模特身上隨便涂鴉幾筆,，Project Muse 就可以馬上設(shè)計一款時裝造型。
如果對方是一位熱愛古典音樂,、心情有點兒迷茫,，并在模特身上畫了三角形的女士，它就設(shè)計出了一條斗篷式的綠色連衣裙,，外面還會覆蓋一層有憂郁氣質(zhì)的棕色薄紗,。
學(xué)術(shù)界的時尚嗅覺也出人意料，不少高校研究人員用論文證明,，自己并不是“nerds”（書呆子）,。
2019 年，UT 奧斯汀,、康奈爾大學(xué),、喬治亞理工和 Facebook AI 研究中心聯(lián)合發(fā)布了一款名為 Fashon ++ 的模型，基于深度生成網(wǎng)絡(luò),，讓 AI 學(xué)習(xí)到時尚和不時尚兩種圖像,，深度網(wǎng)絡(luò)就會生成出最適合的著裝方式?！耙绘I改衣”,，讓單品的時尚度瞬間 up,！
比如，模型會建議去掉袖子,、將下擺塞進去等操作,，讓整個 look 看起來更有型。用來幫助人們進行服裝設(shè)計與搭配指導(dǎo),，自然也不在話下,。
看到這里，我覺得最需要這些軟件的是《少婦白潔》的直男作者（劃掉）隨處可見的“搭配廢柴”——比如我,。
但你會不會奇怪,，明明技術(shù)實現(xiàn)并不困難，訓(xùn)練數(shù)據(jù)車載斗量,，參與群眾更是熱情滿滿,、積極試錯，為什么“AI 試衣”“AI 搭配”的日常使用率就是不高呢,？
以我個人的不完全觀察來看,，盡管大家會對各種新奇功能發(fā)出“鵝妹子嚶”的贊嘆，但到了支付真金白銀的千鈞一刻,，無論是網(wǎng)購還是實體門店,，都更傾向于依賴時尚博主、姐妹親友甚至導(dǎo)購的專業(yè)推薦（瘋狂夸獎）,，而不是信任 AI,。
叫好不叫座，可能是“AI 搭配師”面對的殘酷現(xiàn)實,。它到底做錯了什么,，可能平臺們從一開始，就想錯了“穿衣”這件事,。
審美黑洞與時尚 icon 之間,，隔了 100 個 AI
為什么 AI 極盡可能創(chuàng)造的價值點，但消費者就是不買單,？或許是時候給科技大佬們滋點水醒醒了,，技術(shù)本身與時尚需求，或許南轅北轍,。
其中相悖的矛盾點,，主要體現(xiàn)在三個方面：
1. 技術(shù)向百搭 VS 個人向適合
AI 搭配師的出現(xiàn)，原本是為了解決消費者面對琳瑯滿目的衣服無從下手的“選擇恐懼癥”,，告別瘋狂試穿但就是找不到適合搭配的煩惱,。
也正是因為搭配這件事的復(fù)雜性，涉及到天氣、場合,、心情,、性格,、預(yù)算,、喜好、職業(yè),、社會關(guān)系等等多元而復(fù)雜的因素,，所以 AI 系統(tǒng)要么極盡可能地擴展某件單品的搭配閾值，無法從根本上解決問題,；要么將推送結(jié)果控制在有限的選擇內(nèi),，依然不能令用戶滿意。這樣折騰下來,，還不如一個熟悉自己,、又有眼光的真人閨蜜更靠譜。
2. 精準算法 VS 數(shù)據(jù)壁壘
有人可能會說,，只要用戶愿意輸入足夠多的數(shù)據(jù),，那么 AI 一定可以提供出充分符合其喜好的私人定制搭配。
但問題是,，如果用戶不愿意呢,？
我們知道，大部分數(shù)據(jù)錄入都是在線上完成的,，一般平臺會給出詳盡的,、顆粒度很小的選項，以期盡可能地實現(xiàn)精準匹配,。但向一個平臺提供如此詳盡的信息,，甚至包括罩杯等隱私數(shù)據(jù)源，大部分女性消費者都是有所顧慮的,。而且,，有些數(shù)據(jù)很可能自己也不是十分清楚。
既然用戶數(shù)據(jù)和喜好難以量化,，那么此前所有基于個性化數(shù)據(jù)進行“推薦”的商業(yè)邏輯也就都難以成立了,。
“只要”收集到足夠的數(shù)據(jù)，這個看似簡單的前提,，本身就已經(jīng)是足夠高的行業(yè)壁壘與護城河,。
3. 預(yù)期轉(zhuǎn)化 VS 心理博弈
AI 搭配系統(tǒng)想要變現(xiàn)，為電商平臺提供更豐富的時裝瀏覽體驗,，讓用戶能夠直觀看到某款商品的“上身”效果,，進而增加產(chǎn)品的購買率與轉(zhuǎn)化率，是最核心的價值點之一，無論線上或線下,。
但矛盾也在這里,，線上可供選擇的商品數(shù)量很大，用戶對特定品牌并不具備忠誠度,，再加上人工智能模型往往并不能百分百實現(xiàn)與用戶身材相契合的展示效果,，Mad Street Den 公司的 Vue．Ai 此項技術(shù)目前還無法展示不同形狀及尺寸的體態(tài)。
這就導(dǎo)致用戶體驗完 AI 系統(tǒng)后,，無法即時完成轉(zhuǎn)化,，自然就成了無用功。而更重視體驗的線下,，勢必會面臨消費縮減,、決策謹慎的情況。
而時尚產(chǎn)業(yè)又是一個自上而下的領(lǐng)域,，往往由業(yè)內(nèi)大咖提前決定了幾個月后的流行色,、流行樣式，再經(jīng)由巴黎米蘭紐約等發(fā)布會釋放出去,，各種新款同時出現(xiàn)在快時尚設(shè)計師的電腦里和工廠的訂單中,，進而出現(xiàn)在商場的貨架以及電商的一頁頁圖片。
這也決定了,，只在消費者環(huán)節(jié)輸出搭配的 AI 對于整個產(chǎn)業(yè)造成的影響力并不大,，只能在有限的規(guī)則內(nèi)起舞，一旦遭遇疫情這樣的黑天鵝,，滋味也就變得“雞肋”起來,。
總的來說，只在產(chǎn)業(yè)鏈的終端錦上添花的 AI,，自然也只能拿到“小透明”的劇本,。
雪中送炭：AI 搭配師的另一條升職路
既然錦上添花注定沒有結(jié)果，那么嘗試一下“雪中送炭”呢,？
鮮衣著錦的服飾圈,，逐漸褪去光環(huán)之后，AI 的 to B 之路也在被逐漸打開,。當(dāng)然,，這里并不是此前在門店中增加一個炫酷交互硬件那樣的點綴，而是在更硬核處做功,。
首當(dāng)其沖是生產(chǎn)環(huán)節(jié),。
不少公司在疫情后面臨著不得不裁員和業(yè)務(wù)增長的困境。
在人手不足,、展示服飾品種增加的情況下,，如何提升店鋪的平均效率,，讓人類員工從原本枯燥的業(yè)務(wù)中解放出來就至關(guān)重要了。
比如對電商來說,，商家只能完成 60 至 80 件商品的手動拍攝與展示工作,。利用計算機視覺技術(shù)，對需要手動輸入的內(nèi)容進行自動化管理,，比如識別圖片中的服飾商品,，對款式、風(fēng)格,、設(shè)計元素等外觀特征自動生成,，可以有效減少人類員工的工作強度,，只需要做好 AI 的質(zhì)量監(jiān)督就可以了,。
而除了營銷噱頭之外，AI 之于門店真正的意義或許在于坪效,。
疫情期間大量服裝企業(yè)的業(yè)績都出現(xiàn)了大幅度萎縮,。行業(yè)報告顯示，拉夏貝爾一季度虧損 3.42 億元,，七匹狼一季度凈利潤同比暴跌 145.89%,，安踏全線品牌負增長，美邦服飾一季度虧損 2.19 億,，都市麗人預(yù)計上半年虧損超 1.2 億……可以說是一片哀鴻,。
奢侈品牌也沒能逃過，路易威登 LV 的母公司 LVMH 集團第一季度營收減少 15%,，擁有古馳 Gucci,、圣羅蘭 YSL 等品牌的開云集團營收減少 15.4%，也紛紛放下身段試水電商,、直播等新方式,。
對于想要爭奪增量的品牌來說，讓生產(chǎn),、設(shè)計,、銷售都能緊密貼合狹窄化的市場訴求，與此同時,，不額外增加企業(yè)的成本,，就成為必須面對的難題。
因此 AI 的出場,，也就變得至關(guān)重要,。
此前的一波“AI 搭配”潮流，主流品牌的旗艦門店都進行過“數(shù)字化改造”,，比如安裝了 AI 試衣鏡,、智慧攝像頭等,。
在這一基礎(chǔ)上，進一步完成算法升級,，為門店打造精準的營銷策略,，比如進店顧客的用戶畫像，哪些衣服試穿率高,，哪些單品購買率高等等,，這些原本資深銷售員才能夠“意會”的機密交給 AI 來完成，幫助緩慢恢復(fù)的線下門店負重前行,。
接下來,，就需要尋找新的利潤增長點。
擁有用戶時長優(yōu)勢,、更接地氣的社交媒體平臺,，就成為各大市場品牌的爭奪陣地。
但事實證明,，大火的短視頻+直播帶貨,，并不一定意味著高曝光和帶貨。
核心原因是,，時尚圖片,、視頻等富媒體的呈現(xiàn)形式，想要將內(nèi)容轉(zhuǎn)化為命中率和流量,，需要精準的用戶推送和匹配,。這就對平臺方的內(nèi)容智能分析、智能識別時尚元素,、精準匹配受眾,，進而提升命中率，關(guān)聯(lián)到電商同款或相似 SKU,，提出了較高的要求,。
當(dāng)然，上述這些 AI 附加值,，不僅需要服裝企業(yè)本身就對數(shù)字化經(jīng)營有一定的了解和鋪墊,，搭建起了 AI 所能發(fā)揮的技術(shù)土壤，才能夠快速轉(zhuǎn)型,，借助技術(shù)工具實現(xiàn)去庫存,、提效率、增銷量的目的,；還需要對各個渠道的 AI 能力,、商業(yè)邏輯有必要的了解，才能避免經(jīng)營層面的“AI 通貨膨脹”,。
正如某服裝品牌總裁在公開信中所說,，“疫情不可避免地重創(chuàng)了服裝行業(yè),，但疫情也是一個放大鏡，檢驗我們過往的沉淀是否扎實,?！辈豢咕苄录夹g(shù)，也不唯技術(shù)論,，明辨 AI 的能力也注定在這個特殊的全球經(jīng)濟節(jié)點上,，成為各行各業(yè)的必備技能點。
凡是過往,，皆為序章,。 “AI 搭配”這劑藥方，也是時候從腠理直抵深層病灶了,。