图片来源：Edward Berthelot/Getty Images
作者 |Maghan Mcdowell
编辑 |Yiling Pan
随着生成式人工智能的激增，数据科学和人工智能再次成为时尚零售行业的热门话题。尽管这些技术在过去十年一直持续影响着行业的变革，但当下这轮热度的明显不同之处在于，生成式人工智能可以创造出更复杂且更完整的设计成果，比如文本、图像甚至是视频，而使用这些技术并不需要人们掌握大量的前期技术知识。
这也是本周在美国奥斯汀举行的 SXSW 会议（美国最大的科技艺术创新嘉年华）上最受关注的问题。许多技术端开发人员认为，许多围绕生成式人工智能出现的新工具并没有完全将决策外包给机器完成，而是更加有助于扩展人类自身的现有能力。这些新工具有些是在幕后提供支持，而有一些则已经能够进入大众视野。
今年 2 月，谷歌开始试验一种图像搜索能力，即让网购者将其产品搜索查询转换为图像，并在现实世界中匹配上真实的产品，而 Stitch Fix 则宣布了一款可以帮助商家更准确地管理库存的工具。Tapestry 正在研究如何将生成式人工智能用于时尚趋势预测，而去年 12 月，Meta 开始测试如何让人们通过训练个人 AI 助手来为自己提供时尚着装建议。
图片来源：Meta
SXSW 会议上，Google Shopping 产品高级总监 Lilian Rincon 在与 J Crew 首席信息官 Danielle Schmelkin 的对话中指出，人工智能购物的推广前景广泛，因为当下对人工智能的兴趣正值 Z 世代的崛起，这代人伴随着智能手机长大是非常容易接受人工智能工具的一代人。
图片来源：Google
谷歌：生成式人工智能购物工具
谷歌购物正在测试一种名为搜索生成体验（SGE）的人工智能购物工具。人们可以使用文本提示来生成看起来像他们想象中的产品的图像，然后谷歌将在线寻找看起来相似的产品。例如，一个人可能会输入 “彩色绗缝春季夹克” 的提示词来生成图像，然后根据图片调整提示的准确性，最终寻找在视觉上与创作相匹配的物品。谷歌研究发现，20% 的人需要输入五个或更多个单词才能识别出他们正在寻找的确切产品。
图片来源：Google
“我们称这一过程为 ‘从梦想变成现实’，” Rincon 说，“消费者心中有一个愿景。” 在 Vogue Business 的早期预览中，Rincon 展示了对自己想象中的圆点羽绒服的搜索过程，很快就找到了相匹配的真实产品。该工具目前仅适用于那些通过搜索实验室选择加入 SGE 的美国用户，但 Rincon 表示，谷歌已经看到了 “良好的使用情况”，并且人们能够快速掌握如何使用这项技术。
谷歌购物还正在扩展其去年 7 月推出的虚拟试穿工具，该工具可以让在线购物者使用生成式人工智能在一系列服装在模特身上的虚拟试穿效果。谷歌现在已经扩展了这种虚拟试穿技术，可以处理平铺开来的产品图像 —— 这意味着可能没有经费请模特来穿搭服装拍摄照片的小型零售商，也可以利用谷歌的模特试衣工具了。
图片来源：Google
Stitch Fix：
面向未来的模拟造型工具
个人造型服务 Stitch Fix 的商业模式围绕算法展开，以帮助扩大对个人造型师的访问需求。它能够分析客户的反馈，以缩小范围并优先考虑向造型师建议的潜在库存商品，然后由造型师进一步调整后发送给客户。
他们最近在这一功能的基础上开发了一个内部工具，可以为销售商提供库存管理建议。虽然该工具已经开发了两年，但 Stitch Fix 现在才分享其中的工作原理：该技术的核心是一个模拟器，可以模拟业务来预测客户和造型师的未来行为。比如在考虑单品时，模拟器会考虑一些细节，例如购买影响因素（客户购买该款式的可能性）和客户需求（与其他选项相比，他们想要的程度）。
图片来源：Stitch Fix
Stitch Fix 的商业算法总监 Sophie Searcy 在谈到该公司如何使用人工智能来预测趋势时表示，该工具可以帮助加快库存决策并提高准确性。“我们有大约 300 万客户和几十万种商品，因此我们正在讨论所有这些客户和商品中数十亿的潜在匹配。对于每个客户，我们只挑选五件物品发送。这种模拟实际上承担了人类不可能完成的任务，让他们能够深入了解事物将如何出现，并将其用作需求预测，从而让人们做出最佳的购买决策。”
她说，该工具不仅可以识别流行单品，还可以识别可能有开发机会的产品。例如，某种款式的图形 T 恤表现一般，但模拟器发现，对于某一部分客户来说，这满足了他们未能得到满足的需求，因此他们想要购买更多。现在买手团队大约 70% 的库存 “重新购买” 决定都是由算法辅助的，且这个比例还在扩大，但 Searcy 也指出，人类本能仍然是购买过程的关键部分。
Stitch Fix 还在尝试通过游戏化的 “Style Shuffle” 工具来 “冷启动” 新款式，该工具邀请顾客通过类似 Tinder 的投票方式来对服装和单品进行评分。首席销售和客户服务官 Loretta Choy 表示，Stitch Fix 可以显示当前库存中没有的商品，以便及早了解消费者的需求。
图片来源：Stitch Fix
在本月的财报电话会议上，Stitch Fix 新任首席执行官 Matt Baer 表示，该公司正在努力加深客户与造型师的关系，并实行 “财务瘦身” 以提高盈利能力。通过 Style Shuffle 预览这些项目，然后通过新的模拟器工具测试它们，提供了一种有效获得反馈的方法。
“我认为这将是我们展望未来的方式，” Choy 说。“如果我们能继续使用这个工具做出越来越好的决策，那就太棒了。当我们谈论生产力时，这是最终目标之一。我们永远不想过度购买。”
Meta 的人工智能造型师
Meta 与雷朋合作生产的第二代智能眼镜现在配备了多模式人工智能助手，部分用户可以使用该助手进行测试，向助手询问信息，包括造型建议。
图片来源：Meta
例如，戴眼镜的人可以看着镜子说：“你好 Meta，告诉我一下，这件衣服我应该怎么搭配？” 然后，这款眼镜将捕获到图像并使用计算机视觉对其进行分析，而 Meta AI 则提供有关外观的音频反馈以及如何配对的建议。
使用 GPT 进行预测和客户洞察
Tapestry 集团的消费者洞察团队正在尝试使用 ChatGPT 和类似工具来补充其趋势预测方面的定性研究，Tapestry 消费者洞察副总裁 Alice Yu 表示。例如，这可能包括使用生成式人工智能工具来发现与新兴趋势相关的关键术语，或基于现有趋势（例如“Y2K” 或 “Barbiecore”）进行拓展。她补充说，此类研究通常需要研究团队的大力支持。研究人员随后可以使用生成式人工智能工具利用这些见解来制作情绪板原型，然后与焦点小组共享以收集更多数据。
Tapestry 旗下品牌 Coach、Kate Spade 和 Stuart Weitzman 的员工现在都可以访问数据仪表板，分享与其职能相关的见解。例如，商店员工可以使用仪表板更好地了解最受欢迎的商品，并能够向店内购物者推销某件商品。
图片来源：Coach
不过 Yu 警告说，在她的工作中 “为什么” 通常和 “什么” 一样重要，虽然数据科学可能会提供关键点的事实和数据，但这可以释放更多的能力来进行有价值的面对面研究。她说，一对一的研究往往会发现更有价值的见解。例如，在一次衣柜巡查过程中，一位顾客对 “明亮花卉” 服装的描述实际匹配的是一件柔和色彩上衣上的一个小图案；虽然该顾客自称喜欢鲜艳的花卉饰品，但实际购买的商品与描述不符。
这个案例也说明人工智能和人类直觉之间的矛盾仍然存在。Yu 在 SXSW 小组讨论会上表示，人类的同理心对于研究人员来说非常重要。在一次采访中，一位年轻消费者透露，他因穿着一件色彩鲜艳的毛衣被嘲笑，这最终成为 Coach 的 “Wear Your Shine” 营销活动的灵感来源。“本质上，我们谈论的是人。我们不是在谈论数据或事实。时尚是关于人的行业，他们的故事永远重要。”
文章来源：Vogue Business
版权声明：【除原创作品外，本平台所使用的文章、图片、视频及音乐属于原权利人所有，因客观原因，或会存在不当使用的情况，如，部分文章或文章部分引用内容未能及时与原作者取得联系，或作者名称及原始出处标注错误等情况，非恶意侵犯原权利人相关权益，敬请相关权利人谅解并与我们联系及时处理，共同维护良好的网络创作环境，联系邮箱：603971995@qq.com】
