Шопинг всегда был неотъемлемой частью жизни капиталистического общества. Для многих это не просто необходимость, а отдых, развлечение, утоление физиологических и психологических потребностей. С развитием интернета стали стремительно появляется сайты, приложения с вариациями подбора одежды. Сейчас, пользуясь ими в повседневной жизни, мало кто задумывается, как именно развивался этот успешный бизнес.
С чего все началось?
Когда в начале 2000-х годов Джули Борнштейн была вице-президентом по электронной коммерции в Nordstrom, сотрудники вручную классифицировали каждый товар, продаваемый в интернете. Такое распределение по категориям было медленным, дорогостоящим и неточным.
Впоследствии для более подробного описания продуктов стали использовать искусственный интеллект. Это значительно увеличило скорость, масштаб и точность описания тех или иных предметов. Разработка и внедрение ИИ, несомненно, требовали значительных инвестиций со стороны компаний, но это того стоило. Новая технология подбора товаров стала настоящим прорывом в мире интернет-бизнеса.
Таксономия в мире моды
Сознание сложной технологии подбора товаров с помощью искусственного интеллекта являлось сложной и многоплановой задачей. Основную роль в этом играла таксономия - наука о способах и методах классификации. В мире моды классификации, составленные людьми, не являлись точными, как ввиду огромного разнообразия товаров, так и по иным причинам. Главной сложностью в классификации товаров являлось то, что мода – это нечто субъективное, а описания продуктов подходили для открытого интерпретирования. Однако грамотное использование таксономии поспособствовало развитию онлайн-продаж.
Внедрение ИИ в данную индустрию
Борнштейн организовывала для своей новой компании персонализированное приложение для покупок Yes. Она наняла инженеров по машинному обучению из Google, Amazon и Facebook в дополнение к двум модным таксономистам и ветеранам индустрии.
Несколько человек в Yes участвовали в разработке и поддержании его таксономии, целью которой является обособление и описания каждого элемента одежды, включая физические атрибуты, такие как вырез, фасон, цвет, рисунок, крой, размеры изделия, материал и детали и такие особенности, как сезон, цена и марка.
Кроме того, эксперты в области моды предоставили множество нюансов, таких как «стиль французской девушки» или «вечернее свидание». Они тоже включались в классификацию.
Затем исследователи данных обучали алгоритмы для определения этих характеристик в новых продуктах. Yes автоматически применял атрибуты к каждому элементу, затрачивая на это до 300 секунд.
Если система отмечает продукт с низким уровнем достоверности, то есть она не была уверена, что атрибуты, к которым он прикреплен, соответствуют друг другу, таксономисты проверяли и корректировали характеристику. «Таксономия всегда растет. Это живой набор информации, - говорит Борнштейн. - Даже если мы чего-то не видим, модель приобретет новый набор функций, которые мы начинаем видеть в повторении».
Сложности описания
Каталог продукции Farfetch насчитывает более 3400 брендов, и его клиентская база является глобальной, это означает, что интеллектуальная таксономия важна для создания «авторитета в масштабе», считает руководитель Farfetch.
В субъективном мире моды существует бесконечное количество способов описать одно и то же, что вполне естественно для подобного рода отрасли, но может стать проблемой для многих клиентов.
Люди могут использовать много разных слов для описания одного и того же предмета, поэтому всесторонние специфические описания помогают механизмам рекомендаций создавать ассоциации между связанными предметами одежды, что повышает продажи. Таким образом, опираясь на данную статистику, в 2019 году Farfetch классифицировал около 370 000 наименований.
Нюансы работы
Как правило, предметы одежды, которые поступают в Farfetch, описываются, фотографируются и «редактируются» вручную. Затем таксономия автоматически обогащается с помощью особого резерва знаний о моде, созданного учеными Farfetch совместно с экспертами в области моды. Данный резерв хранит тысячи описательных терминов, которые используются на основе синонимичности в процессе рекомендации продукта.
В дополнение к улучшению результатов поиска таксономия с расширенным ИИ может лучше идентифицировать продукты. Например, человек не может сказать, является или не является платье подходящим для прохладной погоды, в то время как машина может идентифицировать его на 80 % подходящим из-за набора определенных характеристик.
Преимущества ИИ
Машины также лучше способны создавать ассоциации, которые не могут делать люди, что способствует появлению большего количества предлагаемых альтернатив. Это проявление расширенного подхода к высказыванию: «Мы видели, что вам понравилось это, вам также может понравиться это».
Техническая таксономия также может помочь в перепродаже. В отличие от программ, которые включают стандартизированные коды стиля, бренды класса люкс не используют стандартизированную или общедоступную таксономию. По словам основателя и генерального директора Rebag, такой подход усложняет онлайн-сравнение. Его программное обеспечение для оценки использует AI для присвоения сумкам универсального «кода Клэра», который определяет дизайнера, модель, стиль и размер для базы данных, содержащей 10 000 единиц.
Последние достижения
В настоящее время существует несколько типов данных технологий. Например, новая платформа электронной коммерции Psykhe дает рекомендации, основанные на личных качествах покупателя. Данная платформа способна присваивать продуктам некий «профиль личности» в дополнение к традиционным деталям.
Платформа перепродажи Rebag разработала универсальную таксономию дизайнерских сумок для простоты оценивания товаров.
А Facebook недавно представил GrokNet - инструмент, который автоматически идентифицирует и описывает предметы на изображениях, чтобы помочь людям продавать товары на своем рынке.
Перспектива
В ближайшем будущем сложные таксономии будут способствовать тому, чтобы потребители смогли находить в интернете то, что они хотят, с меньшими затратами времени и усилий. Но для этого потребуются значительные инвестиции, особенно для розничных продавцов, которые менее продвинуты в таких областях, как наука о данных и ИИ.
Ожидается, что розничные продавцы будут вкладывать средства в усовершенствование алгоритмов подбора товаров, в частности в обеспечение обратной связи по алгоритму. Тем не менее многие компании могут не располагать возможностями для создания подобных систем. Также эксперты считают, что объединение 150 каталогов брендов стало «гораздо более масштабным мероприятием», чем они первоначально думали.
В будущем технологические компании, специализирующиеся на таксономии, надеются расширить варианты использования. Нейропсихолог и основатель Psykhe Анабель Мальдонадо хочет, чтобы люди делали покупки в соответствии с результатами теста «Большая пятерка», который имеет доказанную связь со стилевыми предпочтениями. Мальдонадо говорит, что из-за более чем 3000 возможных результатов испытаний эту проблему мог решить только искусственный интеллект.
Мальдонадо и Борнштейн считают, что мода относительно отстает от музыкальной и киноиндустрии.
"Платформы говорят: « Мы наняли тонны исследователей данных, мы сидим на золотом руднике данных». Но вы думаете: «Где персонализация?» - говорит Мальдонадо, подчеркивая необходимость сотрудничества ученых и отраслевых экспертов.
