AI服装定制可行吗？
市场分析
从百度搜索指数上看，“服装定制”关键词在PC（平均：91）端逐渐转移至移动端（平均：143）。从移动端搜索数据来看，低峰值主要在周末，可以猜测用户行为大致为工作日通勤时间或其他空余时间会浏览服装定制相关内容，但是在周末用户更偏向线下消费或者花时间在社交上。用户在周末的自由可支配时间更多，由此可见服装定制的市场目前还是更倾向于线下服务。
从“服装定制”关键词的移动端搜索同比和环比来看，人们对于“服装定制”的关注度在降低，可见服装定制比较小众化，市场缺乏活力，规模较小。
百度指数，2020.6
百度指数，2020.6
从搜索相关词的词云中可以找到几个重要的类别。
第一类为需求：T恤、成衣、西装、工作装、校服、男装、创意、知性优雅等。
第二类为竞品：帮客、码尚定制、得力佳。
从中，我们找到了一个与主题相关的一家公司——码尚定制。码S是2016年成立的一家AI轻定制服装公司，提供人体智能测量方案，致力于提供人体智能测量方案，让C端产生大规模的个性化且精度高的服装定制，为中国男人创造购买途径方便、合身体面又性价比超高的轻定制服装，帮助中国男性更好的建立形象管理。
百度需求图谱，2020.6
从目前服装定制的需求上来看，主要以T恤、工作装、校服为代表的团体定制、低端定制，而高端定制、创意定制等需求较少。
从2018年的淘宝数据来看，目前成本较小的团体定制占到88.55%，但是随着人民消费水平的提高、对外表精致化的追求，创意、高级、专业的服装定制必然将会成为趋势，所以高端私人服装定制则为此行业缺口。
中国产业信息网，2020.6
从我国服装定制市场规模走势图上来看，服装定制的市场份额逐渐扩大，呈正向趋势。
中国产业信息网，2020.6
运用SPSS对该数据进行回归预测，将年份作为自变量，而将份额作为因变量进行线性回归分析，得出结论：模型R方值为0.977，意味着年份可以解释份额的97.7%变化原因。对模型进行F检验时发现模型通过F检验(F=214.343，p=0.000<0.05)，也即说明年份一定会对份额产生影响关系，以及模型公式为：份额=-351072.460 + 174.705*年份，通过该公式预测2020年服装定制规模达到1832.361亿元。
SPSS回归分析
我们就线上服装定制来做一个SWOT分析：
技术分析
AI量体
AI量体目前是服装行业运用最广泛的技术之一，但是技术壁垒仍存在。比如，“衣呼”的量体功能是它的亮点，但是当用户去用的时候，会发现图片识别成功率不高。
AI可以用于量体的主要技术分解为目标定位+骨骼点定位两步，运用的主要是YOLO系的算法和R-CNN系算法，前者效率更高但是不代表准确率高，目前在MSCOCO数据集上最好的效果仅有72.6%，还有待改进。
AI量体不够准确的原因之一是数据库的匮乏导致模型的精确度较低。因为数据标注人力工程量大，已标注的数据集较少，使模型还不足以精确定位。所以如果公司可以构建自己的标注数据集，是提高量体技术的关键。
个性化优化
个性化推荐可以拆解为聚类和排序两个问题，数据集来源于用户上传的量体照片、头像、身体数据等。可以运用聚类对用户的服装类型对同类型用户提供同类用户推荐。但仅仅这样的功能，很多电商依赖庞大的用户数据库已经做得很好。而服装零售的本身获客成本过高，此类APP又缺少知名度，用户数据过少，所以有一部分产品依赖电商生存。
如果AI服装定制想从中求得生存，可以考虑精细化推荐功能。只针对“同类”用户提供“同类”甚至“同版”服饰，有撞衫的槽点。所以AI服装可以聚焦于用户的身材、皮肤等去精准定位匹配，推荐完全个性化的搭配，同时结合机器学习可以做到的流行趋势和销售预测进行个性化推送。
值得一提的是，目前的产品推送都过于泛滥和粗糙，大多数推送无法抓住用户的心，大多数用户甚至采用关闭推送的措施。
个性化智能服装设计也是个性化方向之一，即让用户参与到设计自己服装的过程中来，增加用户粘性。可以在设计中结合AI图像识别进行同一版型下不同材质或者相同材质下不同版型的搭配选择，甚至可以完全通过AI设计出服装爆款，推荐给用户，真正做到穿什么让用户说了算。
竞品分析
从百度指数中，无论是PC端还是移动端，衣B人的用户流量都要大于码S，但是衣B人的搜索环比下降率较大。可见衣B人的用户基础很不错但是码S的未来趋势更好，另一方面反应AI技术结合的服装定制是未来趋势。
百度指数，2020.6
结合用户在贴吧等公共渠道对两款产品的用户反馈进行两款产品的优劣势对比，衣B人的优势在于前期用户关注度高但产品后劲不足，相比之下，码S一直在求稳发展。
衣B人的优势
- 用户规模：衣B人的广告营销和公关能力在前期投入较大，并用优惠券、美女上门量体等噱头吸引大批用户。
- 服务：上门服务预订和售后服务效率很高，在效率方面得到好评。
衣B人的劣势
- 量体：顾问推荐方案不够专业，量体不准确。针对这一点可以利用AI量体代替人工量体，解决不专业不准确、隐私泄漏等问题，同时线上获取数据可以节省顾问人力和时间，做到顾问聘请的宁缺毋滥，更专业化。
- 产品质量：衣服质量低于实体店，做工粗糙。针对这一点的本质还是要从工厂解决，对接专业平台提高衣服质量，公司应该严格把关审核工厂的生产过程，包括售前和售后。
- 设计：材质单一、服装展示不够生动。针对这一点可以运用直播、3D等技术解决，使客户端展示更加生动有趣，使用户感受到不失实体店试穿的购物乐趣。
- 公关广告的生硬操作：过多的推广如果与实际产品不质量符，虽然前期能够积累大量资源，但是在后期容易引起用户的反感情绪，要再塑造品牌形象会更加难。
码S的优势
- AI量体：新技术的开发，尽管有大量的公司消防，但是大量的数据积累是它的奠基石。
- 用户推广：更专业的平台接入，区别于衣B人的硬广告推荐，与更大的平台合作对用户来说仿佛有了品质保障，是更好的宣传方式。虽然目前用户流量还没有达到衣B人，但是可以说是稳扎稳打了。
码S的劣势
- 自身客户量少：与京东的结合确实解决了创业初期的用户流量不足的问题，但是同时面临天花板太小的问题，就目前码尚自己APP的流量来看还是较少。
- AI量体：智能量体的尺寸有出入，还是不够合身。针对这一问题主要是输入更多标注数据到数据库，训练模型提高准确率，详细参考技术分析part。
从中我们可以看出，码S运用AI量体解决了前面服装定制APP的关于上门量体“不方便”的问题，但是仍然保留准确率这个亟待解决的需求（虽然CEO自己说准确率在98%以上），后期产品可以在数据标注和模型训练等技术上加大投入，并同时需要开通方案设计师的线上沟通功能。
另外，服装定制的两大需求：质量和服务，后期产品可以通过对供应货的人工审核或者用户反馈起到监管质量的作用。同时对售前售后的沟通和服务重视起来，其实用户之所以对服务抱怨，完全是因为在售前急需有特殊要求的沟通而苦于联系不到供应商，或者在收到衣服之后需要改制等，由于私人订制的其中一个重点也是“一对一服务”，产品应当配合量体提供这种服务。
需求与用户
需求定义为行业缺口的私人高端定制，但是考虑到目前团队定制的用户基础较好，所以会考虑产品以团队定制为辅、私人订制业务为主。
从两款产品的用户人群属性可以看出，年龄普遍集中在20-40的年轻人。猜想用户有经济水平不够、工作较忙不爱逛街的青年男人和替不怎么讲究、腿脚不方便的老年人购买的孝顺年轻人，还有因为身材不方便买成衣的大号宝宝们，因此年轻人的基数较大，风格应定位于年轻化、有活力。
从性别上看，不同于码S用户定位于男性，考虑到女性群体的衣B人的用户性别分布上依旧是男性要高于女性。我猜想原因来源于女生本身就热爱逛街，去感受实体店的视觉刺激，也有人会把逛街作为一种社交。因此最终产品用户定位于23-35的男性。
百度指数，2020.6
结合前面竞品分析得出的需求如下：
- 定制需求：AI量体，衣服的风格展示；
- 推荐需求：个性化推荐，新品推荐，流行推荐；
- 服务需求：售前服务，售后服务、用户反馈互动。
结合AI服装定制聊聊新功能
从上图可见：√已经做到的功能，×为没有做到的问题，？为做了但是做得不好部分。
拉新促销功能
从蝉大师数据上看，衣B人日均下载量(1188)>码S(312)，衣B人之所以用户基数大的一个原因，除了他的公关实力，还依赖于首页的首页的促销信息。从码S的京东款界面上看已经非常重视打折促销这个part，如果码S后期要独立运营的话，这个部分是很重要的一个part。
新人专享福利、限量秒杀、三件打折的活动一定是APP需要考虑的引流手段。
直播与多维展示
从两款产品的UI风格来看，主色调为藏青蓝与白色，是典型的商务风。如果要吸引年轻用户，可以选用更加明亮的夏日风格色彩，如淡蓝色、沙滩黄等，并加入有趣流行的文案导购提示。
同时直播是目前流行的不可或缺的元素，虽然直播的内容不可以定义为电商的促销互动，因为促销会降低私人订制的高级感，但是试穿直播完全可以安排上，给用户更多购物安全感与互动趣味性，增加用户粘性的同时也可以用生动的弥补用户网购得不到的触觉。
服装的展示不应该仅仅局限于图文，静态的展示方式已经脱离潮流，且完全没有现实购物的实体体验，视频和3D展示同样可以运用其中，增添用户对衣服、材料的理解。
付费一对一服务
私人定制本就是应该提供一对一服务，包括方案推荐、特殊量体，但这显然在线上难以支持。一是用户较多应付不过来，二是成本较高。但是如果APP想要做到品牌提升至高端，将自己与巨头电商区别赛道，就应该考虑到以会员制或者一次性付费方式提供一对一服务，以此吸引到更高级的用户。而且这种方式也正可以方便收集到用户的喜好、数据，为后期提供更好的个性化定制打下基础。
技术从业者，产品新人一枚，希望在陌生的领域中遇到同路人一起交流，留下你们宝贵的赞和评论吧！
本文作者 @是小壳吖
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
