Virtualus bandymas su dirbtinių intelektu: kaip Zara, Levi's ir ASOS keičia e-komercijos pritalpą

Bandymų kambarys visada buvo mažmeninės prekybos brangiausias turtas ir didžiausias konversijos sąstatis. Interneto mada dvi dešimtis metų bandė atkartoti taktilią tikrumą bandant drabužį, su nevienodais rezultatais. Tai reikšmingai pasikeitė 2022–2024 metais, kai pagrindinės mažmeninės prekybos įmonės pradėjo diegti dirbtinio intelekto varomus virtualios bandymo sistemas, kurios žymiai pranoksta paprastą nuotraukos uždėjimą ant figūros. Supratimas, ką tiksliai daro šios sistemos ir ko jos negali daryti, yra itin svarbus kiekvienam, kas dalyvauja drabužio kūrime – nuo nepriklausomų dizainerių iki mažų siuvyklos.

Ką tiksliai daro dirbtinio intelekto varoma virtuali bandyma

Pat paprasčiausiame lygyje virtuali bandyma nusiskaito 2D drabužio vaizdą ant žmogaus kūno modelio įtikinamai. Senesnis būdas, kuris vis dar dažnai naudojamas pigiau, uždeda produkto nuotrauką ant statinio modelio vaizdo naudojant paprastas transformacijas. Rezultatai atrodo prilipdyti ir neperteikia audinio vilties, įtempimo ar kaip audinys elgiasi judėjimo metu.

Šiuolaikinės sistemos naudoja kitokią schemą. Jos sujungia kompiuterinę viziją kūno segmentavimui, fizikoje grindžiamas audinio simuliacijas, pasirūpinusias realiomis audinio savybėmis, ir neuroninį atvaizavimą fotorealistiniam išvestiui sukurti. Vartotojas įkelia nuotrauką arba naudoja tiesioginę kamerą; sistema įvertina kūno raktažodžius, nustatant 3D kūno tinklelį iš 2D signalų ir apveda drabužio geometriją aplink tą tinklelį atsiskaitydama su audinio svoriu, elastingumu ir siuvimo šūsimis.

Dėl to, kas reikalinga drabužio pusėje, yra tiksliai sustruktūruoti duomenys, kurie atsiranda iš raštų inžinerijos: siuvimo padėtys, atlaidų rezervai, grūdų linijos ir audinio mechaninės savybės. Gerai dokumentuotas ir skaitmenizuotas raštas sukuria geresnį virtualios bandymo išvestį nei raštas, atkurtas iš fizinio pavyzdžio skenavimo. Tai nėra atsitiktina – tai yra priežastis, kodėl rašto kokybė tiesiogiai veikia simuliacijos kokybę.

Kaip Zara, Levi's ir ASOS tai diegė

Kiekviena iš šių mažmeninės prekybos įmonių pasirinko skirtingą metodą, atspindintį jų gamybos mastą ir klientų bazę.

Zara pristatė savo virtualios bandymo funkciją – pažymėtą kaip modelio bandymo patirtis – 2022 metais, leidžianti klientams pasirinkti modelį, kuris apytikriai atitinka jų kūno tipą ir ūgį, ir matyti drabužį toje siluete. 2023 metais Vogue Business pranešė, kad Inditex (Zara motininė įmonė) įsipareigojo gaminti skaitmeninės produktų kūrimo darbo eigas reikšmingai jų kolekcijų daliai, sumažindama reikalingų fizinių pavyzdžių skaičių prieš gamybos patvirtinimą. Sistema priklauso nuo drabužių skaitmeninių dvynių, sukurtų anksti produkto kūrimo cikle.

Levi's parterinosi su skaitmenine figūros platforma, kad būtų galima pasiūlyti personalizuotą modelio įvairovę, konkrečiai sprendžiant ilgamečią kritiką, kad mados vaizdavimas neatstovauja kūnų spektrui, kuris faktiškai perka drabužius. Jų įgyvendinimas naudoja vartotojo pateiktus matus, kad atitiktų iš anksto suteiktas figūrų svarstes. Pagrindinė prielaida yra ta, kad pritampos pasitikėjimas, ne tik estetika, nulemia pirkimo sprendimus – ypač džinsams, kur pritampos lūkesčiai aukšti ir dydžio nenuoseklumas visoje industrijoje yra gerai dokumentuotas.

ASOS vykdė savo pritampos technologijos versiją per savo Fit Assistant įrankį, kuris naudoja istorinę pirkimų ir grąžinimų informaciją, kad sugeneruotų dydžio rekomendacijas. Neseniai ASOS integruoja vaizdo bandymo funkcionalumą, kuris remiasi kūno duomenimis, kuriuos vartotojai jau pateikia grąžinimo proceso metu. Pasak Sourcing Journal pranešimų, ASOS citavo reikšmingą dydžiui susijusių grąžinimų sumažėjimą rinkose, kur įrankis buvo visiškai diegtas, nors įmonė buvo atsargaujanti skelbdama absoliučius skaičius.

Grąžinimų problema, kurią šie įrankiai sprendžia

Komercinis motyvavimas yra paprastas. Remiantis Nacionalinio mažmeninės prekybos federacijos (NRF) 2023 metų pranešimu apie vartotojų grąžinimus mažmenoje, interneto drabužių grąžinimo norma Jungtinėse Valstijose buvo maždaug 24–26 proc. nuo bendros pardavimo sumos – palyginti su maždaug 8–10 proc. parduotuvėse. Didelė tų grąžinimų dalis priskiriama pritampai ir dydžio problemoms. Dideliu mastu, kiekvienas grąžintas paketas kainuoja mažmenininkui tarp 15 ir 25 eurų logistikoje, sandėlyje ir nusidėvėjime, neatsiskaitant aplinkos kainos.

Net 3–5 procentinių punktų sumažėjimas grąžinimo normoje mažmenininkui, apdorojančiam milijonus užsakymų kasmet, reiškia dešimtis milijonų eurų atgauto pelno. Tai yra verslo atvejas, pagrindęs investiciją, kurią šios įmonės investavo į virtualios bandymo infrastruktūrą. Technologija nėra pirmiausia rinkodaros priemonė – tai tiekimo grandinės efektyvumo žaidimas.

Ką technologija dar negali gerai daryti

Šališkumas dėl dabartinių apribojimų yra labai svarbus, jei ši technologija turėtų būti vertinama rimtai.

Pirma, audinio tekstūra ir pojūtis lieka neįmanomi persiųsti skaitmeniškai. Simuliacija gali siūlyti, kaip audinys vilties, bet negali persiskverbti, ar linų mišinys yra šiurkštus ar minkštas, ar džersėjus bus taškyti prieš skalbiant. Tai reiškia, kad virtuali bandyma yra labiausiai veiksminga struktūriniam pritampos sprendimams (ar ši silueta veikia mano kūne?) ir mažiausiai veiksminga medžiagos kokybės vertinimui.

Antra, kūno tinklelio rekonstrukcijos tikslumas iš vieno vartotojo nuotrauko yra labai kintamas. Poza, apšvietimas, fono netvarka ir drabužiai, suvalgyti nuorodos nuotraukoje, visi įveda triukšmą. Vartotojams skirtas įrankiai dažnai kompensuojami gausiais tolerancijomis, kurie gali duoti sistemingai optimistinius pritampos peržiūras.

Trečia – ir tai labiausiai svarbu nepriklausomiems kūrėjams ir mažoms siuvykloms – šios sistemos reikalinga reikšminga duomenų infrastruktūra. Didžiosios mažmeninės prekybos įmonės gali investuoti kurti arba licencijuoti kūno skenavimo duomenų rinkinius, mokyti atvaizavimo modelius ir integruoti skaitimeninio dvynio darbo eigas jau nuo pat dizaino proceso pradžios. Dizaineriui, kuris gamina 50 gabaliukų per sezoną, šios darbo eigos nėra paruoštos lentynoje.

Skirtumas tarp to, ką verslinis mažmenis gali diegti, ir to, kas yra prieinama nepriklausomiems kūrėjams, išlieka platūs. Naudinga palyginimas:

Ką nepriklausomi dizaineriai ir siuvyklos gali realiai daryti šiandien

Praktinis išvedimas dizaineriams, dirbantiems už verslinio mažmens ribų, yra ne atkartoti tai, ką Zara ar ASOS sukūrė – tam reikalingos investicijos ir inžinerijos ištekliai, kurie nėra realistiški mažu mastu. Susijęs pamoka yra prieš tai: jūsų rašto dokumentacijos kokybė ir struktūra nulemia, kaip paruošti jūs esate dalyvauti skaitmeninėse darbo eigose, kai jos taps labiau prieinamos.

Drabužiai, sukurti gerai jusliais, dydžio gradacijos raštais su dokumentuotais atlaidų rezervais ir konstravimo logika, yra įvestis, kurios reikalinga bet kuri skaitmenė simuliacijos sistema. Nepriklausomai nuo to, ar ta simuliacija yra naudojama virtualiam bandymui, pritampos patvirtinimui prieš pjaustymą ar konstravimo ketinimų komunikavimui nuotoliniam technikusui, raštas yra pagrindas. Raštas, kuris egzistuoja tik kaip fizinis šablonas ant rudo popieriaus, su matavimais, saugotas tik gamintojo atmintyje, negali būti žadinamas jokiame tolesnime skaitmeniniame įrankiuose.

Siuvykloms ir nepriklausomiems dizaineriams, norintiems pereiti prie skaitmeninių darbo eigų be verslinės investicijos lygio, realistinis pradžios taškas yra skaitmenizuoti ir sustruktūrizuoti esamus raštus, suprasti gradacijos logiką ir dirbti su įrankiais, kurie sukuria eksportuojamus, standartams atitinkančius rašto failus. MPattern yra sukurtas tiksliai šiam pradžios taškui – leidžianti profesionalaus lygio rašto kūrimas ir valdymas nepasireikalaujant CAD pramoninės patirties arba technikusų komandos.

Modos technologijos institutas ir kelios Europos tekstilio mokyklos pradėjo integruoti skaitimenines rašto darbo eigas į savo programą jau todėl, kad pramonės konsensusas yra tas, kad sustruktūruoti rašto duomenys yra būtinas bet kurės tolesnės skaitmeninės programos, įskaitant virtualią bandymą, prieš sąlygą.

Platesnė pramonės trajektorija

Vogue Business ir Business of Fashion abi sekė skaitmeninės produktų kūrimo pagreitį visoje tiekimo grandinėje nuo 2021 metų, pastebėdama, kad pandemiją priversta raido laiko suspaudimas paskatino prekės ženkलus greitai priimti skaitmenius pavyzdžio patvirtinimo darbo eigas, nei buvo iš anksto suplanuota. Virtuali bandyma yra vienas iš matomų vartotojui skirtas dalis iš daug didesnio poslinkio, kuris traktuoja drabužio duomenis kaip sustruktūruotą skaitmeninį turtą jau iš pat ankstyviausio dizaino proceso taško.

Nepriklausomam sektoriui ši trajektorija yra tiek galimybė, tiek spaudimas. Prekės ženkлai, kurie gerai sustruktūrizavo savo rašto ir produkto duomenis, rasys žymiai lengviau integruoti su tuščiomis platforma, tiesioginės vartotojui skirtos e-komercijos įrankiais ir pagaliau virtualios bandymo sistemomis, kai jos pasidarys prieinamos žemesnėmis kainomis. Tie, kurie to pagrindinio darbo neatliko, susidurs su atlikimo kaštais.

Technologija pati tęsis tobulėti. Kūno rekonstrukcijos tikslumas iš vienos nuotrauko yra aktyvi tyrimų sritis, su akademinėmis grupėmis iš ETH Zuriche, MIT CSAIL ir kitur skelbiančiomis pažangas reguliariai. Audinio fizika simuliacija interaktyviais greičiais reikšmingai pagerėjo per paskutinius tris metus. Vartotojo virtualios bandymo patirtis 2027 metais greičiausiai bus žymiai geresnė nei šiandien. Bet prekės ženkлai ir dizaineriai, kurie labiausiai naudos tą pagerėjimą, bus tie, kurių drabužio duomenys jau yra sustruktūruoti ir švari.

Išvada

Virtuali bandyma su dirbtinių intelektu sprendžia realią komercinę problemą – e-komercijos grąžinimo normas, kurias sąlygoja pritampos neapibrėžtumas – ir didžiosios mažmeninės prekybos investuojančios įmonės tai daro dėl pelno priežasčių, ne rinkodaros. Technologija veikia geriausiai, kai ją palaiko griežta rašto ir drabužio duomenys, kurie grąžina rašto inžineriją į bet kurios rimtos skaitmeninės mados darbo eigos centrą. Nepriklausomiems dizaineriams ir mažoms siuvykloms, veiksmi prioritetas nėra kurti bandymo sistemą, bet gerai sustruktūrizuoti rašto dokumentaciją, kad būtų galimos būsimos integracijos. Sužinkite, kaip MPattern palaiko profesionalias rašto darbo eigas kaip pagrindą tai perėjimui.