大数跨境

七次量,一次裁

七次量,一次裁 俄区通
2017-04-19
8
导读:在线购买服装和鞋履——这确实是个让人头疼的问题。
在线购买服装和鞋履确实令人头疼,对卖家而言亦然。时尚零售业退货率居高不下,原因在于消费者唯有收到实物才能确认上身效果。因此,线上虚拟试穿技术正被广泛应用于解决这一痛点。

我们曾介绍过多个试图解决该问题的项目,以下回顾其中最具代表性的案例。

3D鞋履试穿

初创团队 TRY.FIT 开发了用于3D扫描鞋内表面的机器人脚模及数字三维扫描仪。

实践表明,即便顾客在店内试穿觉得尺码合适,实际穿着时仍可能不适。TRY.FIT 旨在确保为特定脚型和活动场景匹配最合适的鞋履。

该技术利用数字三维鞋楦和脚模,模拟跑步、跳跃、徒步、滑雪等穿鞋过程。门店安装的扫描仪可在3秒内完成脚部扫描,店员通过iPad即可即时展示适配鞋款,免去顾客反复寻找试穿的繁琐。

此外,顾客还可通过 TRY.FIT 应用程序远程试穿,实现线上精准选购。

电商试衣间

平台 True Fit 专注于分析处理服装鞋履消费数据,服务于零售商与品牌方。自2010年推出“Genome”项目以来,True Fit 持续记录“试穿与风格数据”,整合消费者与品牌信息,打通零售全链路。目前,其数据库已涵盖近万家品牌和约1亿全球消费者。

True Fit 基于复杂分类体系提供推荐,平均每件商品包含181个参数(如袖长、弹性系数、剪裁轮廓等)。系统深度分析产品与消费者偏好的关联,在微观层面精准连接零售商、品牌与用户。

电商量衣尺:Tardis 3D Technologies 的创新方案

尽管现有技术层出不穷,时尚零售业高退货率、低转化率的问题依然严峻。Tardis 3D Technologies 公司致力于解决在线选码难题,其产品包括人体3D扫描仪,以及自动测量人体尺寸和服装的软件系统。

我们采访了该项目联合创始人兼开发者瓦格·塔阿马兹扬,深入了解相关技术及其在服装网店中的应用。

- 请讲讲这个项目的创意是如何诞生的?

两年前,我们开始使用人体3D扫描仪工作。当时接到一个订单后产生了兴趣,但在开发前,我们先调研了该技术的其他应用领域及潜在行业需求。

- 也就是说,最初的任务与零售业毫无关系?

确实无关。我们意识到该技术可能对零售或健身市场有吸引力,便着手寻找首个客户。最终合作的并非这两个领域,而是一家制作人物手办的3D打印公司。他们此前使用手持扫描仪,后期处理耗时费力,因此对我们的技术感兴趣。

在他们的资助下,我们在实验室用一年时间完善了扫描仪。虽然该方案在手办市场可行,但市场规模过小。于是我们转向健身和服装市场。从问题复杂度看,服装领域更为关键。尽管3D扫描仪精度高,但价格昂贵,且当前市场尚未完全准备好——需确定设备摆放位置并说服用户扫描。因此,我们同步开发低成本、易扩展的软件方案,目标是通过算法和软件解决问题,减少对硬件的依赖。

我们重新分析市场,与零售商沟通梳理痛点,并将问题拆解为具体任务。经原型测试,最终确定方案:基于最小参数集和全身照片测量人体尺寸。用户只需输入性别、身高、体重并上传一张全身照,即可构建精度达2%的身体3D模型。

网站原型要求用户站在镜子前,将手机举至与身高齐平处拍照。若集成到智能手机中,这一限制即可取消,支持他人代拍等多种方式。

我们期望将该方案嵌入零售商App。大型零售商自有App销量逐年显著增长,增幅达数十个百分点;服装销售中近一半通过移动端完成。

然而,零售商反馈指出:人体模型虽好,但缺乏服装模型。现有标准尺码表因制造商而异,不同体型对应不同纸样。要让系统正常运行,除了解人体模型,还需掌握服装尺寸。

为此,我们开发了服装测量工具:一张桌子加一台连接电脑的摄像头。员工将衣物平整放置后点击“测量”,系统自动识别服装、固定关键点、获取尺寸数据,并可导出至ERP系统或网站。

多数零售商都在思考如何高效测量服装。手动处理成千上万商品成本过高,而提供更多尺寸信息是提升转化率、降低退货率的关键。

- 在生产环节对模特进行测量不是更合理吗?这样就不需要在每个门店重复这一流程了?

是的,这更简单,我们正在考虑。但目前直接对接门店对我们而言更易落地。

- 测量过程中存在哪些误差?这些误差会对“试穿”结果产生多大影响?

服装测量误差可达1厘米,但小于尺码间隔;人体测量误差约为2%,在主要参数上几乎可忽略不计。

- 那么最关键的问题呢——衣服是否合身?是否好看?

需明确的是,该系统暂不提供关于贴合度、褶皱等的详细建议。高质量可视化所有细节仍有长路要走。与其等待完美方案,不如从现在开始积累人体比例数据。体型数据极具价值,已有公司按区域收集平均体型统计数据出售给制造商,用于调整纸样。

- 尽管如此,每个人都有自己的体型特征。例如,如果身高略高于平均水平,并不是每条裙子都能很好地贴合腰部。这种情况该怎么办?

目前消费者通常有两种选择:买多个尺码试穿后保留合适的,或直接放弃购买。某零售商退货率高达60%,其中很大一部分是因同时订购多尺码导致的拒收。

通过测量仪,我们可以向买家推荐特定部位(如肩部)是否合身,尺寸差异精确到3-4厘米。这显著减少了多尺码订购和退回的情况,引导顾客选择最可能适合的尺码。

- 您的技术更适合哪些基础款?那对于剪裁复杂的服装该怎么办呢?

没错。即使是复杂剪裁的服装也难以测量,识别关键点、自动取尺都是难题。我们的解决方案可轻松处理裤子、T恤、衬衫、裙子和短裤;形状标准的连衣裙也适用。但对于复杂剪裁服装则不一定有效,有时连人工都难以确定关键尺寸位置。

- 那么什么是关键尺寸?

这取决于零售商。目前多数零售商仅测量一个尺寸的成衣并提供信息。以裤子为例,通常包括裤缝长度、腰围和臀围。

第一阶段,我们建议零售商沿用习惯的尺寸数据。后续需通过实验确定哪些尺寸真正必要且关键。

- 对买家来说这会是什么样子?我进入一家网店网站,看到这样的功能,拍一张全身照,然后呢?

理想流程如下:买家进入网站或App,系统引导建立“Body ID”——输入身高、体重及已知尺寸,可选上传全身照以提升模型精度。系统生成并保存参数化模型后,在商品页面提示最可能适合的尺码。

未来可能有更多变化,例如可视化展示上身效果,用颜色标示宽松、紧绷、偏短或过长等部位。

此后,我们将对界面进行实验,测试其直观性及是否干扰购买决策。

现阶段首要任务是培养零售商测量服装并在网站以表格、弹窗等形式发布尺寸数据的习惯,或可视化呈现服装轮廓及尺寸。

即使仅提供特定尺码的尺寸信息,也已帮助买家简化了选择过程。

- 你们有竞争对手吗?

当然有。例如 Fit Analytics,其方案易于嵌入网站,规模化扩展更快。他们根据用户自填尺寸评估概率,并分析相似体型人群的购买或退货行为。但由于依赖历史数据,对新系列产品很难给出合身建议。

- 您的服务前景如何?何时可以见到其实际应用?

目前我们正在洽谈试点项目,进程比预期稍长。我们决定先与一家规模较小但灵活的零售商合作,以积累数据、验证假设。希望这一进程能在未来几个月内落地。

【声明】内容源于网络
0
0
俄区通
俄区消息站
内容 823
粉丝 0
俄区通 俄区消息站
总阅读6.5k
粉丝0
内容823