Войти в почту

«Иногда загружают фото политиков или овощей»: как работает стартап, который подбирает одежду по фото

Как поиск работы помог найти идею – Как вы познакомились в Александром? Вера: Мы с Александром работали в Intel: я была финансовым аналитиком, а Александр руководил отделом разработки. Мне всегда была интересна сфера моды. В 2016 году я выиграла стипендию, которая покрывает обучение в одном из самых известных университетов в мире моды — Istituto Marangoni Firenze. В этом же году я уехала учиться во Флоренцию. Училась на постдипломной программе Fashion Buying & Merchandising и там же, во Флоренции, получила опыт работы с крупными fashion-брендами. После завершения программы вернулась в Россию и начала искать работу в сфере моды. Оказалось, что это непросто, потому что у нас не развит этот рынок. Мне хотелось не только заниматься fashion-аналитикой, но и применять полученные знания о моде, стилях и трендах. Попросила совета у Александра, так как он был в похожей ситуации: после учебы в Нидерландах вернулся в Россию и успешно строил карьеру в IT. Александр: В феврале 2005 года я окончил московский Политех по специальности «Программное обеспечение информационных систем» и разрабатывал программное обеспечение в международных компаниях. В какой-то момент заинтересовался биологией, проблемами сознания и нейрофизиологии мозга. Получил второе образование на биологическом факультете ННГУ им Лобачевского. Обучался по обмену в университете Неймегена в Нидерландах (университет также известен как Radboud University Nijmegen. — Прим.). В августе того же года я всерьез занялся искусственными нейронными сетями, работал удаленно как специалист в ИИ. Позже я решил продолжить образование в области биологии в аспирантуре. Сейчас я аспирант Вестфальского университета им. Вильгельма в Германии: занимаюсь нейробиологией. Работаю как с живыми клетками, так и с компьютерными алгоритмами для анализа и моделирования живых систем. Вера Клеменова. Полуфинал VISA Everywhere Initiative, июнь 2019 Была забавная история: когда я только начинал заниматься нейросетями, я изучал, как это поможет определить пол мышей по голосам. Работал над проектом в поезде. Попутчица услышала про нейросети и начала расспрашивать меня. Но как только услышала про мышей, сбежала. Жаль, я тогда не занимался модой. Вера: Во время одного из разговоров по поводу будущего Саша сказал: «А почему бы не сделать что-то самим?» И я предложила создать программу, которая бы после загрузки фото пользователя на сайт автоматически выводила бы ему подходящие товары. Многие люди отказываются от онлайн-шоппинга, потому что боятся: вдруг вещь не подойдет или не впишется в гардероб. А поиск нужных вещей среди большого ассортимента одежды в интернет-магазине становится сложнее и дольше. И я подумала, что можно помочь покупателям решить эту проблему и принести выгоду магазину. Саша ответил: «Почему бы и нет? Давай создадим свои нейронные сети». Сперва мы занимались этим проектом как хобби — уделяли ему около четырех часов в день. За пару месяцев мы создали нейросеть и обучили ее распознавать первые типы одежды — верх, низ, брюки, топы, рубашки. Протестировали — точность получилась свыше 80%, решили заниматься этим дальше. Александр Иваненко. Финал Generation S, март 2018 «Даже сырая технология вызвала интерес» – Когда вы поняли, что проект может быть чем-то большим, чем хобби? Александр: Мы начинали проект без грандиозных планов завоевать всех. У меня был интерес к технологиям нейросетей, у Веры — к моде. Через полгода стало понятно, что нам нужно вкладывать больше ресурсов, потому что может вырасти что-то коммерчески успешное. Вера: Мы сделали MVP с самым простым дизайном и пришли на мероприятие по FashionTech, где удалось пообщаться с представителями ритейла и инвесторами. Нас сразу познакомили с крупным российским ритейлером, которому мы показали еще сырую технологию. Но они заинтересовались и мы поняли, что нужно работать дальше. MVP был готов к моменту подачи заявок на грант «Старт-1» от Фонда содействия инновациям. Мы заполнили заявку, прошли все стадии и получили грант в размере 2 млн рублей, которые пошли на развитие проекта. Мы стали участвовать в разных конкурсах. Открыли для себя акселератор GenerationS, отбор в который происходил в рамках Международного форума моды. Прошли программу в 2018 году. Дальше один ивент пошел за другим. Параллельно мы дорабатывали технологию. За 2018 год мы увеличили точность распознавания цвета с 85 до 94%, точность распознавания элементов одежды — с 80 до 85%. Наши нейросети могут распознавать цветотип пользователя, тон кожи и контрастность внешности. Сейчас обучаем распознавать типы фигур. Как работает Up Your style – Кто ваша целевая аудитория? Как все работает для обычного клиента? Вера: У нас b2b-продукт для интернет-магазинов. Магазин устанавливает себе нашу программу и предоставляет нам товарный фид. При этом работает с сервисом клиент магазина. Например, вы хотите подобрать аксессуары к новому зеленому платью. Загружаете на сайт фотографию в платье. Программа автоматически выдаст вам только подходящие товары к вашему платью. Наша технология вносит элемент игры и упрощает процесс выбора для пользователя. А магазинам позволяет увеличить средний чек за счет подбора целого комплекта товаров и снизить возвраты за счет рекомендаций только подходящих клиенту вещей. У нас уже есть запрос от зарубежной компании (компанию герои не называют. — Прим.) для использования приложения в качестве онлайн-стилиста. Ведь программа распознает не только одежду, но и особенности внешности пользователя, действуя как реальный стилист. Александр: Сейчас мы работаем над тем, чтобы нейросети обрабатывали селфи или фото по плечи, потому что часть пользователей загружает снимки в таком ракурсе. Лучше всего подходят фото в полный рост или по колено. Качество света на снимке не так важно. Вера: Программа учитывает тон кожи, цветотип, стиль одежды на фото. Ну и внутри есть правила сочетания цветов, стилей и типов товаров — например, чтобы не выдавать пляжные товары к офисному костюму. Так как я изучала во Флоренции помимо мерчендайзинга правила сочетания цветов, нам не требовался консультант или стилист – мы обошлись моими знаниями. Алгоритм работает для людей разных возрастов и разных типов внешности. Полуфинал VISA Everywhere Initiative, июнь 2019 С кем стартап работает в России – Знаю, что вы уже работаете с одним из российских ритейлеров. Кто это? Вера: Это один из крупных игроков, на его сайт заходят около 200 тысяч посетителей в сутки. У нас есть выручка, это уже наш клиент: мы разрабатываем для них тип выдачи по целым комплектам вещей (пока программа выдает подходящие товары без объединения в наборы. – Прим.). Недавно нами заинтересовался один из лидеров рынка с еще большим числом товаров и пользователей (кто именно стал клиентом и интересовался партнерством, герои пока не раскрывают. — Прим.). По нашей статистике, 90% пользователей загружают свои фотографии, а не образы из журналов, и хотят персонализированный подход. Да, у нас есть случаи, когда пользователи загружают снимки политиков, персонажей мультфильмов и даже картинки овощей. Мы даже думали одно время сделать для таких людей отдельные подборки. Более 60% пользователей переходят на один или несколько товаров из нашей подборки рекомендаций. И это больше, чем по рекомендациям самого магазина «Это платье сочетается с … этим». По словам экспертов рынка на такие рекомендации внизу обращает внимание только 15% аудитории. Переговоры с компаниями идут долго, потому что в корпорациях цикл принятия решений небыстрый. Переговоры ведутся от трех месяцев до года, поэтому приходится напоминать о себе. Мы делаем полную интеграцию под них: разрабатываем дизайн под магазин, верстку. И корпорация просто согласовывает это с руководством, чтобы ускорить процесс. Как поездка в США помогла найти американского клиента – Вера, в 2015 году вы ездили обучаться по программе Russian Business Leaders. Это чем-то помогло в продвижении стартапа? Вера: Программа включала бизнес-образование в США и стажировку в FashionTech-компании: в моем случае это были University of Texas и Georgetown University. Получился perfect match. Мне повезло попасть в компанию, руководитель которой более 40 лет проработал в индустрии: занимался ритейлом, дистрибьюцией, продвигал такие бренды, как Levi's, привозил европейские марки в США и сейчас занимается FashionTech — в частности, smart-зеркалами. Их устанавливают и в магазинах, и для личного ипользования. Зеркало управляется жестами. Наш совместный прототип уже готов, осталось финально протестировать его и запуститься: планируем сделать это уже осенью. Тренды FashionTech: «В Америке открыты к инновациям, но на рынке российских стартапов больше» – Какие тренды есть на рынке в США и России? Вера: В США более открыты к инновациям: компании сами активно пытаются увеличить прибыль. Fashion-рынок США — самый развитый в мире, там уже сложилась устойчивая и привычная система ритейла, которую крупным компаниям довольно непросто перестроить. Однако они осознают необходимость перемен и пытаются внедрить инновации как в офлайне, так и в онлайн-торговле. В идеале ищут комплексные решения: хотят получить технологию, которую они смогут применить в обеих сферах. Одним из зарубежных трендов является также sustainable fashion (осознанное потребление, осознанная мода. — Прим.) во всех его проявлениях. Компаниям важно повторное использование и сокращение ресурсов. Например, снижение возвратов не только с точки зрения прибыльности, но и для сокращения транспортных издержек, расхода топлива и упаковочных материалов. В России сфера моды более молодая: магазинам легче перестроиться и внедрить инновации на раннем этапе, чтобы первыми получить долгосрочное преимущество. На российском рынке можно заметить развитие трендов на сервисы подбора размера и технологии искусственного интеллекта в Fashion. На зарубежном рынке есть и сервисы визуального поиска, и подбора размеров, но российские стартапы стоят дешевле. У той компании, в которой я была на стажировке, не было ни одного американского стартапа, который бы хотелось интегрировать — компания искала их по всему миру. «Прибыль есть» – Какими были инвестиции в проект? Вера: Все покрыл грант. Основные текущие затраты — это мощность серверов. Александр: Мы развивали проект на личные средства и грант. Сейчас прибыль покрывает затраты. – Сознательно не искали венчурных инвестиций и кредитов? Вера: Кредиты — да. Есть интерес от нескольких венчурных компаний, с которыми мы договорились пообщаться. Но пока у нас много работы: есть пилот с ритейлом, готовим интеграцию с зеркалами. А дальше посмотрим, нужны ли будут нам дополнительные средства. – На каких условиях вы сотрудничаете с компаниями? Вера: Подписываем контракт с помесячной оплатой. Сумма зависит от числа товаров в базе, которые необходимо обработать. – Не боитесь конкуренции? Александр: Несмотря на то, что технологии распознавания одежды на фото существуют более пяти лет, в большинстве своем они работают по поиску похожих товаров. Наш подход больше про то, чтобы применить подобные технологии для реализации виртуального стилиста. Насколько нам известно, на рынке похожих проектов нет. Да, есть опасность, что какие-то большие и крутые парни смогут реализовать ту же самую идею быстрее, чем мы сможем захватить рынок. Однако для таких проектов нужно сочетание в одной команде высококвалифицированных разработчиков и людей с серьезным опытом в Fashion. И пока на горизонте подобных конкурентов мы не видим. Эксперты рынка — о перспективах Up Your Style Евгений Ширинкин Директор направления пользовательского опыта Ozon «Для больших e-commerce площадок, таких как Ozon, система рекомендаций имеет особое значение — выбрать нужные товары среди двух миллионов наименований непросто. Чтобы рекомендации были актуальными, мы используем машинное обучение и большие данные. В режиме реального времени система анализирует товары, которые пользователь просмотрел, добавил в избранное и корзину, сопоставляет эти данные с информацией о том, что покупали вместе с этими товарами, и формирует персональные рекомендации — пользователь видит самые интересные и выгодные предложения. Также машинное обучение лежит в основе рекомендации в карточке товара — система анализирует все товары, представленные на Ozon, и поведение 30 миллионов пользователей площадки, на основе чего для каждой вещи формируется список рекомендованных для покупки с ним. При покупке одежды онлайн у пользователя всегда есть барьеры: как определить нужный размер, выбрать подходящий фасон и найти нужную марку среди других. С этой точки зрения такие сервисы, как Up Your Style, и технологии AR для виртуальной «примерки» как раз призваны устранить эти барьеры и «боязнь» бесконечной полки, где сложно найти то, что нужно. Здесь уже возникает вопрос о качестве сервиса — насколько точно работает механизм рекомендации, удобные ли функции. На сайтах многих крупных ритейлеров уже есть механизм поиска и рекомендаций, а в карточках товаров можно найти готовые образы, подобранные стилистами или рекомендательными системами. Но поскольку разработка подобного функционала требует много времени и ресурсов, для небольших проектов Up Your Style может быть хорошим решением, которое поможет сэкономить деньги и время». Ирина Папоркова CEO и основатель Style Concierge «Персонализированный подбор одежды при помощи технологий — абсолютный тренд FashionTech. Особенно в части создания b2b-решения для e-commerce. Многие стартапы уже не первый год работают в этом направлении. Кто-то фокусируется на вопросах сайзинга и точной посадки, кто-то — на автоматизированном подборе комплектов. Совместить точный сайзинг, персональный подбор одежды по параметрам внешности (цвет кожи, глаз, тип фигуры и т.д.) и автоматическую генерацию красивых луков — амбициозная задача, прежде всего на уровне технического исполнения. Успех во многом зависит от того, насколько точно предлагаемое решение будет подбирать образы. В целом, я не сомневаюсь, что подобные механизмы в течение ближайших 3-5 лет появятся у большинства крупных ритейлеров». Кира Матвеева Директор по продукту Lamoda Group Технологии анализа изображений часто используются для поиска похожих товаров по картинке и для автоматического тегирования продуктов. Успех применения технологии зависит от продукта, в котором она используется. Например, в 2017 мы на Lamoda запустили поиск по фото: благодаря этому, пользователь может загрузить, например, скриншот образа какого-нибудь известного блогера, который ему нравится, а Lamoda автоматически составит для него образ из товаров каталога, похожих на «лук» с картинки. Эта новый способ поиска товаров, благодаря которому больше пользователей смогут найти подходящую вещь, а ритейлер — увеличить продажи. Тегирование используют магазины, которые хотят сократить издержки при описании товаров, сделать описание более точным и, как следствие, сократить отказы и возвраты. Lamoda делает рекомендации для пользователей максимально персонализированными — для этого используются технологии машинного обучения. При составлении рекомендаций учитывается множество факторов, связанных с поведением пользователя в магазине: от кликов на товары до истории покупок. Изображения пользователя, например, селфи, могут значительно улучшить эти рекомендации и еще больше «заточить» их под конкретного покупателя. На своем пути к покупке пользователи решают разные задачи. Кто-то изучает ассортимент и ищет советы для составления образа, кто-то заранее определился с необходимой вещью и пришел с конкретным запросом. На каждом этапе выбора магазин должен предложить тип рекомендаций, подходящий для конкретного пользователя в конкретный момент времени. То, что предлагает Up Your Style, может удачно дополнять набор инструментов интернет-магазина. Фотографии и обложка: Unsplash Материалы по теме: Почему ваш fashion-стартап может провалиться (и как этого не допустить) Как Ким Санжиев в 23 года основал fashion-стартап Модный интеллект: какие профессии из мира fashion заменит AI-разум Новый тренд в сфере моды: одежда, которую не нужно стирать

«Иногда загружают фото политиков или овощей»: как работает стартап, который подбирает одежду по фото
© RB.ru