“线上试衣间”来了，让人们“足不出户，试遍天下衣”。这一次，大家可以试的是最贴身的--内衣。
在疫情肆虐下2020年4月最后一周，著名内衣品牌AdoreMe采取了一项大胆尝试 -- 利用“Zoom线上试衣“，即通过Zoom将一位内衣导购专员与一位客户连接起来，让顾客进行虚拟试衣。作为一家自成立起就“立志”挑战内衣业巨头维多利亚的秘密的内衣品牌，一直以提供个性化的在线购物和独特的消费体验著称。
比起维密这类价格高昂的“巨无霸”品牌，AdoreMe擅长利用互联网技术将全球各地的用户群体连接起来，更从快时尚的内衣品牌化身为“卖Bra的科技公司”。长久以来，AdoreMe就擅长运用各种“黑科技”来实现快速增长，例如通过大量的A/B Testing来捕捉用户对产品配图的偏好，从而使销量能在短短3年间实现39倍的增长。
这一次在Adore Me采取“线上试衣”新方式后，顾客对这种可以自由在家试衣的体验反响热烈。目前，AdoreMe已经进行了65场会议。创始人兼首席执行官Morgan Hermand Waiche表示，视频会议的销售收入与疫情期间关店的损失几乎相同，完全抵消了因疫情而带来的销量下降。
能帮品牌扭亏为盈、实现快速增长的“线上试衣”到底是什么？“线上试衣”会从此改变人们逛街购物的消费习惯吗？
线上试衣让消费者从此告别“买家秀”
网购衣服最担心的，莫过于衣服穿在自己身上的效果与“卖家秀”相差甚远。而有了线上试衣服务，在“全面考量”衣服穿上身的效果后再购买，可以避免退换货以及和商家“撕逼”的苦恼。
线上试衣技术（Fit Technology），目前主要包括居家试衣（At-home Try-ons）、Zoom线上试衣间（Zoom Fitting Sessions）、三维身体扫描（3-dimensional Body Scan）和其他数字试衣技术（Other Digital Fit Technologies）等。
综合来讲，虚拟试衣主要分为两大种类：第一种是通过线上直播间连接顾客和真人导购，并通过真人导购试穿让顾客模拟体验衣服试穿后的效果；第二种是通过3D虚拟试衣技术，通过三维动画呈现虚拟人物和衣服，并可由顾客自行设置符合自己身材比例的虚拟模特，达到仿真的试衣效果。
除此之外，还有其他成本适中、效果良好的试衣技术。例如，利用体感技术实现高清晰的2D衣服图像自然地贴上人的身体，顾客在上传自己的照片后可以看到自己试衣后的效果。或是虚拟试衣拍照系统，用户可以通过每日新款事先准备的服装素材进行服装搭配选择，在选取感兴趣的服装之后，通过前置摄像头在屏幕显示的指定拍摄区域下拍摄用户的头像，通过拍摄后的照片合成，使用户完成试衣体验。
线上试衣的横空出世，满足了顾客无需亲自接触试穿衣服和最大化实现真实试穿效果的需求。这一需求在疫情来临下呈现爆发式增长，成为了线上试衣技术发展的催化剂。
从真实拟合度来将，真人试衣间的效果最为逼真和直接，但依然需要高昂的试衣导购成本，同时也存在试衣模特私隐保护、顾客体验感差等问题。
而基于增强现实（Argumented Reality）的虚拟试衣技术或许将成为未来技术趋势。由于能在真实空间对虚拟物体和环境进行模拟，同时随着5G时代的来临人脸识别技术、图像识别技术的发展，顾客能更快捷、真实地感受到服装的实际穿出效果，增加购买服装的合体性。
内衣品牌“虚拟试衣间”大赏
不同于其他服装的试衣要求，内衣试衣要求更精准的顾客身材数据和隐私保护，顾客的试衣体验也直接影响了购买决策。迄今为止，众多内衣品牌都开启了“线上试衣”新纪元。
内衣电商品牌Cuup采用了“Fit Therapist Online”线上试衣间模式。顾客和内衣顾问登陆具备安全性的线上会议间，通过内衣顾问的帮助例如现时测量胸围、内衣样式喜好调查等，选购合适的内衣款式。开启线上试衣间后，Cuup4月份的销售额比2019年4月增长了700%，使得该品牌不得不在4月份将虚拟试衣会议的席位增加四倍，以满足预约需求。
曾被认为是维多利亚的秘密高强竞争对手的AdoreMe除了同样采取“云上试衣间”方式外，还直接将试衣间“搬进”顾客家里。首先，顾客可以在官网通过回答问卷得出自己的内衣款式偏好，由设计师通过收集的顾客数据亲自搭配好内衣礼盒，并直接寄望顾客家中。顾客可以安心在家试穿，7天内可将不喜欢的款式直接寄回。这一简单粗暴的“居家试衣”模式操作简单，顾客也可以最大程度的亲自参与试衣，同时避免了外出到店的麻烦。
ThirdLove为在线试衣设计了FitFinder试穿工具，顾客通过回答一系列定制问题例如常穿内衣尺寸、目前内衣契合程度、身材形状等问题，由系统计算出合适的内衣款式并通过邮件方式将内衣产品方案发送给客户。目前，ThirdLove已经为超过1700万名女性在不进店的情况下试穿了新内衣。在商店停业期间，Thirdlove.com网站销售额与去年同期相比增长了12%。
Chico's FAS旗下的子品牌Soma采用了电脑芯片测量数据+视频适配会议的试衣方案。通过在SomaInnofit文胸配置一个电脑新品以采集女性测量数据并传送到任一商店，同时连接Style Connect线上试衣间，进行线上试衣。Soma负责销售和设计的高级副总裁Vanessa Dusold表示，疫情时期社交媒体上要求线上试穿文胸的人数开始增长，这一智能试穿工具可以继续为客户提供个性化服务，并保持物理距离的隔离。在最新一次高管会议中显示，最近一个季度的线上销售额同比增长了两倍。
快时尚品牌如何实现“线上试衣”黑科技
要实现“线上试衣”，需要依赖大量如虚拟现实、大数据分析等科学技术。线上试衣功能软件通常是客户交互软件，品牌可以通过提供服装具体尺寸等信息至软件后台，甚至可以让消费者自行设定想要的服装尺寸，并将该软件整合到电商平台或门店，在消费者购物时自如使用“线上试衣间”。
尽管“线上试衣”是一项消费者行为，但虚拟试衣软件还需要强大的后台数据分析能力，将采集到的顾客数据例如身材尺寸、服饰偏好等，并整合所有关于产品的信息，才能完整地实现整个”线上试衣”体验。
一个高效的线上试衣工具，应当能够实现以下功能：
品牌和消费者能够自定义产品尺寸和样式
收集顾客的消费购买行为的相关数据
提供额外的消费者决策信息以供数据分析
可见“线上试衣”技术并不仅仅只是简单的“试衣”环节的软件，它更是一个从前期预设产品信息，到实时呈现顾客试衣效果，最后到后台大数据分析的综合性软件。
目前已有众多能够实现“线上试衣”技术的软件供快时尚品牌选择，例如Fits.me, True Fit, Metail, Dressformer, Clothes Horse, 和Virtusize等。不少知名快时尚品牌例如Hugo Boss, Adidas, 和Pretty Green都采取了其中的虚拟试衣技术。这些技术都融合了精确图像剪裁、尺寸推荐方案、3D人像模特和增强现实等功能，满足了消费者试衣体验的拟合性。
尽管“线上试衣”如此风靡，但对一部分快时尚品牌而言，它是“锦上添花”的一环，而并非“必不可少”的东西。品牌在决定采取“线上试衣”技术时，要充分考虑到该技术与电商平台的融合度以及花费成本。对于一些服饰，有时仅仅通过一个简单的数据收集从而提供尺寸推荐便已是一个不错的方案。
“虚拟试衣”- 逛街购物新时尚
快消时尚品牌精品咨询公司Luxor&Finch的创始人Jessica Coach认为，“ 购物实际上是一项社交活动，而现在人们想要和在商店里一样的线上体验，品牌们也正在将发现的过程从实体店转移到手机等家庭设备中”。
在后疫情时代，虚拟现实技术也会是帮助消费者购物的有力工具。除了虚拟试衣间，虚拟试衣的形式还会出现在整条产业链中。虚拟现实时装周也会应运而生，例如伦敦的第一个数字时装周，以及在巴黎和米兰举行的线上时装展。
不仅服饰品牌会争先采用虚拟试衣技术，连著名科技公司Adobe也正在研发最新的试衣技术。Adobe上线的一项新功能利用AI算法实现的AI试衣功能，不仅仅是将衣服“穿”在顾客身上，而且是将所有的褶皱、皱纹完美再现，可以说真实的模拟出了顾客穿上衣服的情况。
科技赋能服装新零售正在改变整个行业格局。据一项调查显示，使用购搭虚拟试衣系统之后，可以为店铺吸引２０％的进店率。顾客对这项新技术充满好奇，同时不断改善的试衣体验也让顾客尝到了甜头，从此更愿意采用虚拟试衣来帮助自己制定购买决策。
而除了仅仅用于“试穿”外，虚拟试衣还可以衍生出更多新的消费形态。例如，很多顾客会下载自己穿衣视频或图片分享到社交媒体，这无形中也是给店铺做了一次免费的广告。这一技术可以真正的落地到服装业中，做到了运用科技赋能服装零售，提高了服装品牌商、零售店的销售业绩。同时也满足了顾客的社交需求，“线上试衣”“线上买衣”同样能够实时与伙伴分享，做到足不出户，分享自己得意的“买家秀”。
无论你在求职中美数据相关的岗位，如数据科学家，数据分析师，商业智能分析师，数据工程师时，你都不难发现，所有的岗位要求中，有一项基本技能，是必须要掌握的，那就是人尽皆知的Python。
在招聘网站上一搜索，尤其是科技大厂，数据岗的都要求掌握Python这个必备技能。年薪在美国可达15万美金, 在国内可达30万人民币。
想去大厂数据岗，为什么要会Python？
1.电商数据岗
以Amazon 为典型代表的电商零售公司，常常需要通过利用Python等数据工具，来围绕“人、货、场”这三个核心，来分析大数据。
例如，通过分析新用户的获取和老用户的留存、复购数据，从整体了解电商用户结构，以及用户生命周期价值，来洞察对“人”的了解；通过分析销售额、价格分析、销量排名最高和最低的商品数据、以及相关关联因素的归因，是对“货”产品结构的把控，为产品运营寻找最佳建议；而对于阶段性市场份额、利润率、增长率、促销活动等数据的分析和对比，能够了解到整体运营的情况和未来市场的前景，帮助决策层制定下一步的运营策略。
因此，像Amazon、Wayfair、阿里、京东这样的电商公司，在招聘数据分析岗位时，都会要求申请人擅长Python、R、SQL这样的语言工具。
以前看重线下体验销售的品牌，也越来越多地看重线上电商渠道，因此，相应的数据分析岗位也越来越多，像小米在国内专门招聘的电商数据分析师，起薪最低在18K。
2.互联网公司数据岗
“猜你喜欢”、“购买过此商品的用户还购买过……”对于离不开社交平台、新闻阅读、娱乐平台的现代互联网用户来说，个性化推荐已经不是什么新鲜事儿。这些“懂你” 行为的背后，都得益于推荐系统。
推荐系统，根据用户的档案或者历史行为记录，学习出用户的兴趣爱好，预测出用户对给定物品的评分或偏好。据报道，推荐系统给给Netflix带来了高达75%的消费，并且Youtube主页上60%的浏览来自推荐服务。
而像Facebook、Instagram、Pinterest 、 微信、小红书、今日头条，这样拥有巨大流量的平台而言，通过品牌的广告投放来实现商业化。而数据科学家和数据分析师的职责，则是和开发团队一起，研究算法确保广告能够精准地展示给目标用户。
许多互联网科技公司，都将推荐算法作为自己的核心技术，因此对于数据岗的人才需求非常大，提供的薪资待遇和在公司的话语权，也是可以和程序开发岗位职能相比拟。打开求职网站，Opening Positions 非常多，而Python几乎会出现在每一个数据岗的Job Description 上。
3.OTO 公司
不断兴起的O2O业务，例如像Uber、Lyft、滴滴出行这样的打车业务，或是想DoorDash、Grubhub、Instacart 这样的外卖派送业务，都是基于派单的产品形态进行司机/商家和客户之间的交易撮合，而数据科学家和数据分析团队，就是在研究和解决派单算法，以及对于订单高峰、订单热区等情况的预判和调度。
作为基础的数据挖掘工具语言，Python的掌握是不言而喻的。
非数据岗也能用到Python？
Python在非数据分析岗的场景应用，可谓是丰富多彩，尤其是增长, 产品, 用户等各类运营岗位，极大地提高了工作效率和沟通成本：
用Python找论文资料，手动3天，现在只需要1小时
手动整理报表8小时，用Python只需要5分钟
3个市场人员调研收集的客户资料，Python爬虫一键全抓取
用Python将数据可视化，领导层决策拍板更快了
可以说，因为Python的简单易学，方便和快捷，让这个数据分析工具成功“出圈”，应用到各种商业场景和工作职能中，现在人人都在学Python！
虽然Python的学习门槛不高，相对于其他语言和工具更加容易上手，网上也有很多Python的书籍可以学习，但是任何技能，如果不实践运用，那还不能称为真正的掌握。
有什么有趣的方法，来实践练习商业分析的Python技能呢？用数据驱动业务增长!
商业分析全球Python 挑战赛 [限时免费体验]
职图再次引领业界的新玩法 -- 商业分析挑战赛，邀请前机器之心审稿人操刀研发，与职图教学组一起，耗时数千小时，以全新“玩+练”模式，推出了“商业分析全球Python 挑战赛”，让同学们在比赛中，夯实自己的Python技能！
闯关技能难度
- 独立完成7关, 可达到亚马逊, 谷歌, 阿里, 腾讯等大厂的数据科学家的从业硬技能要求
- 用code pack完成, 可达到Amazon, Peloton, 小米, 滴滴, 美团等热门电商和O2O App商业分析师的从业技能
通过闯关学Python挑战，你将解锁以下Python技能：
Web Scraping 网页抓取；
Work with API 从API取得数据 ；
XML ParsingXML解析 ；
Data Cleaning 清洗数据；
Image Processing 图像处理;
Image Feature Extraction 图像特征提取;
Recommendation System 推荐系统;
Cold Start Problem 冷启动问题;
Multiprocessing 多线程处理;
NLP 自然语言处理;
Visualization 可视化;
Geocoding 地址编码;
Image Processing 图像处理;
Deep Learning 深度学习;
Machine Learning 机器学习;
EDA (Exploratory Data Analysis) 探索性数据分析;
Neural Style Transfer 图像风格化;
Convolutional Neural Networks 卷积神经网络;
在商业场景中学习Python, 实现职场飞跃
职图商业分析Python全球挑战赛，分为不同的7个关卡，把在热门数据岗位中，会日常用到的Python技能融汇到每一个Level的挑战关卡中，让同学们通过游戏挑战的方式，由浅入深地锻炼自己的的Python技能，为申请高薪数据岗工作，打下坚实基础！
在研发和设计本次Python挑战赛时，职图团队和研发专家， 将每一关都融入具体的商业问题或者场景应用中，闯关成功也就意味着之后如果出现类似场景，同学们便可以举一反三，融会贯通。通过比赛，可以测试自己是否具备求职Data scientist 、 Business intelligence analyst等高薪职位的求职竞争力.
7个Python关卡，解锁数据分析从业技能
挑战赛的7个关卡，都是基于商业场景中，会使用的Python技能设计研发，包含Web Scraping、Image Processing、Recommendation System 、NLP 、Neural Style Transfer等常用技能， 通过挑战赛，你能提升自己对Python的掌握程度，求职党技术面更加有信心。
第一关：抓取2020 评价最高的15部电影
第二关：抓取亚马逊上最热销的牙膏产品
第三关：用图像特征提取找到相似镜框
第四关：大数据分析商业智能职位必备技能
第五关：用图像识别找出体恤中的蜘蛛侠
第六关：深度分析全球就业指数
第七关：图像风格化：为你喜欢的游戏人物作画
限时免费体验闯关, 快点报名参加吧！练就Python 技能，申请高薪工作，还能赢得大奖，为校争光！
如何参加Python挑战赛？
参赛人群：全球职场人士均可参加
参加方式：扫码注册报名Python挑战赛
职图Python挑战赛等你来战！
如果你是个Python 小白，想要通过闯关学习Python，别担心，加入Python商业分析技能集训营，资深导师会手把手指导你闯关学Python，并且还能通过课程，了解Python如何应用在商业分析场景中，以及商业分析必备的逻辑思维。
Python商业分析技能集训营
Python商业分析技能集训营，是职图教学组，针对想要学习Python技能，找到数据科学、数据分析及商业智能分析的同学，专门研发的一套技能集训课程，通过学习数据分析应用的商业逻辑、必备的工具和建模，手把手带你闯关【职图商业分析Python全球挑战赛】，每完成一个关卡，都将会获得对应技能的认证奖章，所有课程完成并且完成7个关卡后，将掌握基本Python常用技能和应用场景，具备申请数据科学或商业智能分析方向岗位工作的竞争力。
Python商业分析技能集训营包含两大亮点部分：
亮点一：Python集训营商业逻辑课
15节商业逻辑课程，让你迅速掌握求职数据分析岗的必备知识和技能，从行业格局和应用、必备的工具和技能、数据分析的常用模型，全方位学习Python在商业场景的应用。
课程导师均来自北美一线科技公司的资深数据人，如Facebook、Google 、Amazon、Wayfair、IBM、Airbnb。
逻辑课程分为三个板块：
行业格局和应用：
数据分析岗在不同行业的应用，及求职必备技能
商业问题拆解，目标数据清洗和准备
数据科学技能点详解
营销行业的数据分析应用
必备工具和技能：
商业智能分析Advanced Excel 技能
SQL / MapReduce实现数据转换
高阶SQL 技巧
以数据科学家视角，运用Google Analytics
使用 Tableau实现数据可视化
数据分析的常用模型：
线性回归
逻辑回归
梯度下降法解析
聚类算法
时间序列模型
随机森林与梯度递增法解析
亮点二：Python闯关解析课
10年+资深数据科学家、机器之心前审稿人，手把手带你闯关【职图商业分析Python全球挑战赛】，11节闯关解析课程，拆解每一关卡的技能点，如何分解关卡问题，运用哪一个的package和模型，还会提供参考code，来完成7个关卡的挑战。每完成一个关卡，都将获得奖章认证，完成挑战赛，将收集一共7枚奖章，来证明掌握以下Python技能：
Web Scraping 网页抓取；
Work with API 从API取得数据 ；
XML ParsingXML解析 ；
Data Cleaning 清洗数据；
Image Processing 图像处理;
Image Feature Extraction 图像特征提取;
Recommendation System 推荐系统;
Cold Start Problem 冷启动问题;
Multiprocessing 多线程处理;
NLP 自然语言处理;
Visualization 可视化;
Geocoding 地址编码;
Image Processing 图像处理;
Deep Learning 深度学习;
Machine Learning 机器学习;
EDA (Exploratory Data Analysis) 探索性数据分析;
Neural Style Transfer 图像风格化;
Convolutional Neural Networks 卷积神经网络;
闯关解析课程包含：
谁适合参加：
Python小白，想要学习知识，同时获得实操锻炼的经历
求职学生，想要通过闯关来检测，是否具备数据科学家、商业智能分析师的业界技能要求
在职人士，想要学习Python来提升自己的工作效率，如页面爬取、数据清理等使用技能
扫码加职图研究院Karen老师
回复【Python集训营】咨询课程
至今，共计160+的全球名企招聘了职图学员。
快来职图学习从业技能, 一起和校友们拿下更多高薪Offer, 享受进步的快乐!
