一夜之間，大家仿佛都清心寡欲了起來(lái)。

最近在群里分享點(diǎn)吃的用的，偶爾還有人捧場(chǎng)。如果是首飾衣服，先商業(yè)互吹一番“好看”，緊接著就是“去年買的衣服都穿過了嗎”“工作都沒了還買什么包”“別看了拼夕夕差一刀幫我砍一下”等的靈魂拷問……

擱半年之前，這么勤儉持家的場(chǎng)面都是不可能出現(xiàn)的。哪怕剛剛裸辭，女人們也敢刷信用卡買下新款裙子，美其名曰“換種姿態(tài)迎接新生活”。

結(jié)果“黑天鵝”“灰犀?！饼R齊到來(lái)，沒有“報(bào)復(fù)性收入”的普通人，也開始老老實(shí)實(shí)面對(duì)慘淡的生活，將消費(fèi)欲望降到最低。

當(dāng)大家開始尋找不花錢就可以得到的快樂，許多“AI期貨”也就“穿倉(cāng)”了。說人話就是，那些靠AI描繪的商業(yè)藍(lán)圖，合理審視比盲目追捧的聲音更大了。

穿衣AI，就是其中一個(gè)。

AI搭配師：逮不著耗子，當(dāng)不了好貓

用AI給消費(fèi)者搭配服飾鞋帽、口紅妝容等等，從2017年AI浪潮興起開始，就被安排進(jìn)了技術(shù)大廠的開發(fā)周期表。

某貓上線了FashionAI，通過電商平臺(tái)上的潮人搭配方案，基于屬性、顏色、風(fēng)格、細(xì)節(jié)等維度，可以為一款單品匹配到最適合的穿搭方式。官方說辭是，1秒鐘能為消費(fèi)者提供與其相符的100套穿搭建議。

某狗也奮勇爭(zhēng)先，成立時(shí)尚科技研究院用戶只要將衣服放到Mirror+智能搭配產(chǎn)品前，系統(tǒng)就會(huì)通過推薦算法找到合適的服裝搭配。

一些女性群體為主的電商平臺(tái)，也都相繼成立過“搭配研究所”、搭配體驗(yàn)平臺(tái)等等，利用平臺(tái)的大數(shù)據(jù)優(yōu)勢(shì)訓(xùn)練時(shí)尚分析模型。

一時(shí)之間，感覺整個(gè)電商服裝行業(yè)都AI了起來(lái)。

時(shí)尚產(chǎn)業(yè)根基更為成熟的歐美，自然更不會(huì)放過這個(gè)掘金的機(jī)會(huì)。

電商巨頭亞馬遜，就在CVPR 2020會(huì)議上推出了好幾款A(yù)I穿衣模型。比如Outfit-VITON，就可以將多件衣服搭配在一起，讓消費(fèi)者看到上身效果。

如果用戶看上了款式卻沒有相中顏色，也可以直接查詢“相同款式的粉色連衣裙”，系統(tǒng)就會(huì)幫助其找出相應(yīng)的商品。

谷歌與德國(guó)電商Zalando合作，基于TensorFlow打造一款時(shí)裝設(shè)計(jì)產(chǎn)品Project Muze，

用戶告訴AI自己的性別、心情、興趣愛好和喜歡的藝術(shù)類型等信息，再在模特身上隨便涂鴉幾筆，Project Muse 就可以馬上設(shè)計(jì)一款時(shí)裝造型。

如果對(duì)方是一位熱愛古典音樂、心情有點(diǎn)兒迷茫，并在模特身上畫了三角形的女士，它就設(shè)計(jì)出了一條斗篷式的綠色連衣裙，外面還會(huì)覆蓋一層有憂郁氣質(zhì)的棕色薄紗。

學(xué)術(shù)界的時(shí)尚嗅覺也出人意料，不少高校研究人員用論文證明，自己并不是“nerds”（書呆子）。

2019年，UT 奧斯汀、康奈爾大學(xué)、喬治亞理工和 Facebook AI 研究中心聯(lián)合發(fā)布了一款名為Fashon ++ 的模型，基于深度生成網(wǎng)絡(luò)，讓AI學(xué)習(xí)到時(shí)尚和不時(shí)尚兩種圖像，深度網(wǎng)絡(luò)就會(huì)生成出最適合的著裝方式?！耙绘I改衣”，讓單品的時(shí)尚度瞬間up！

比如，模型會(huì)建議去掉袖子、將下擺塞進(jìn)去等操作，讓整個(gè)look看起來(lái)更有型。用來(lái)幫助人們進(jìn)行服裝設(shè)計(jì)與搭配指導(dǎo)，自然也不在話下。

看到這里，我覺得最需要這些軟件的是《少婦白潔》的直男作者（劃掉）隨處可見的“搭配廢柴”——比如我。

但你會(huì)不會(huì)奇怪，明明技術(shù)實(shí)現(xiàn)并不困難，訓(xùn)練數(shù)據(jù)車載斗量，參與群眾更是熱情滿滿、積極試錯(cuò)，為什么“AI試衣”“AI搭配”的日常使用率就是不高呢？

以我個(gè)人的不完全觀察來(lái)看，盡管大家會(huì)對(duì)各種新奇功能發(fā)出“鵝妹子嚶”的贊嘆，但到了支付真金白銀的千鈞一刻，無(wú)論是網(wǎng)購(gòu)還是實(shí)體門店，都更傾向于依賴時(shí)尚博主、姐妹親友甚至導(dǎo)購(gòu)的專業(yè)推薦（瘋狂夸獎(jiǎng)），而不是信任AI。

叫好不叫座，可能是“AI搭配師”面對(duì)的殘酷現(xiàn)實(shí)。它到底做錯(cuò)了什么，可能平臺(tái)們從一開始，就想錯(cuò)了“穿衣”這件事。

審美黑洞與時(shí)尚icon之間，隔了100個(gè)AI

為什么AI極盡可能創(chuàng)造的價(jià)值點(diǎn)，但消費(fèi)者就是不買單？或許是時(shí)候給科技大佬們滋點(diǎn)水醒醒了，技術(shù)本身與時(shí)尚需求，或許南轅北轍。

其中相悖的矛盾點(diǎn)，主要體現(xiàn)在三個(gè)方面：

1.技術(shù)向百搭VS個(gè)人向適合

AI搭配師的出現(xiàn)，原本是為了解決消費(fèi)者面對(duì)琳瑯滿目的衣服無(wú)從下手的“選擇恐懼癥”，告別瘋狂試穿但就是找不到適合搭配的煩惱。

也正是因?yàn)榇钆溥@件事的復(fù)雜性，涉及到天氣、場(chǎng)合、心情、性格、預(yù)算、喜好、職業(yè)、社會(huì)關(guān)系等等多元而復(fù)雜的因素，所以AI系統(tǒng)要么極盡可能地?cái)U(kuò)展某件單品的搭配閾值，無(wú)法從根本上解決問題；要么將推送結(jié)果控制在有限的選擇內(nèi)，依然不能令用戶滿意。這樣折騰下來(lái)，還不如一個(gè)熟悉自己、又有眼光的真人閨蜜更靠譜。

2. 精準(zhǔn)算法VS數(shù)據(jù)壁壘

有人可能會(huì)說，只要用戶愿意輸入足夠多的數(shù)據(jù)，那么AI一定可以提供出充分符合其喜好的私人定制搭配。

但問題是，如果用戶不愿意呢？

我們知道，大部分?jǐn)?shù)據(jù)錄入都是在線上完成的，一般平臺(tái)會(huì)給出詳盡的、顆粒度很小的選項(xiàng)，以期盡可能地實(shí)現(xiàn)精準(zhǔn)匹配。但向一個(gè)平臺(tái)提供如此詳盡的信息，甚至包括罩杯等隱私數(shù)據(jù)源，大部分女性消費(fèi)者都是有所顧慮的。而且，有些數(shù)據(jù)很可能自己也不是十分清楚。

既然用戶數(shù)據(jù)和喜好難以量化，那么此前所有基于個(gè)性化數(shù)據(jù)進(jìn)行“推薦”的商業(yè)邏輯也就都難以成立了。

“只要”收集到足夠的數(shù)據(jù)，這個(gè)看似簡(jiǎn)單的前提，本身就已經(jīng)是足夠高的行業(yè)壁壘與護(hù)城河。

3.預(yù)期轉(zhuǎn)化VS心理博弈

AI搭配系統(tǒng)想要變現(xiàn)，為電商平臺(tái)提供更豐富的時(shí)裝瀏覽體驗(yàn)，讓用戶能夠直觀看到某款商品的“上身”效果，進(jìn)而增加產(chǎn)品的購(gòu)買率與轉(zhuǎn)化率，是最核心的價(jià)值點(diǎn)之一，無(wú)論線上或線下。

但矛盾也在這里，線上可供選擇的商品數(shù)量很大，用戶對(duì)特定品牌并不具備忠誠(chéng)度，再加上人工智能模型往往并不能百分百實(shí)現(xiàn)與用戶身材相契合的展示效果，Mad Street Den公司的Vue．Ai此項(xiàng)技術(shù)目前還無(wú)法展示不同形狀及尺寸的體態(tài)。

這就導(dǎo)致用戶體驗(yàn)完AI系統(tǒng)后，無(wú)法即時(shí)完成轉(zhuǎn)化，自然就成了無(wú)用功。而更重視體驗(yàn)的線下，勢(shì)必會(huì)面臨消費(fèi)縮減、決策謹(jǐn)慎的情況。

而時(shí)尚產(chǎn)業(yè)又是一個(gè)自上而下的領(lǐng)域，往往由業(yè)內(nèi)大咖提前決定了幾個(gè)月后的流行色、流行樣式，再經(jīng)由巴黎米蘭紐約等發(fā)布會(huì)釋放出去，各種新款同時(shí)出現(xiàn)在快時(shí)尚設(shè)計(jì)師的電腦里和工廠的訂單中，進(jìn)而出現(xiàn)在商場(chǎng)的貨架以及電商的一頁(yè)頁(yè)圖片。

這也決定了，只在消費(fèi)者環(huán)節(jié)輸出搭配的AI對(duì)于整個(gè)產(chǎn)業(yè)造成的影響力并不大，只能在有限的規(guī)則內(nèi)起舞，一旦遭遇疫情這樣的黑天鵝，滋味也就變得“雞肋”起來(lái)。

總的來(lái)說，只在產(chǎn)業(yè)鏈的終端錦上添花的AI，自然也只能拿到“小透明”的劇本。

雪中送炭：AI搭配師的另一條升職路

既然錦上添花注定沒有結(jié)果，那么嘗試一下“雪中送炭”呢？

鮮衣著錦的服飾圈，逐漸褪去光環(huán)之后，AI 的to B之路也在被逐漸打開。當(dāng)然，這里并不是此前在門店中增加一個(gè)炫酷交互硬件那樣的點(diǎn)綴，而是在更硬核處做功。

首當(dāng)其沖是生產(chǎn)環(huán)節(jié)。

不少公司在疫情后面臨著不得不裁員和業(yè)務(wù)增長(zhǎng)的困境。

在人手不足、展示服飾品種增加的情況下，如何提升店鋪的平均效率，讓人類員工從原本枯燥的業(yè)務(wù)中解放出來(lái)就至關(guān)重要了。

比如對(duì)電商來(lái)說，商家只能完成60至80件商品的手動(dòng)拍攝與展示工作。利用計(jì)算機(jī)視覺技術(shù)，對(duì)需要手動(dòng)輸入的內(nèi)容進(jìn)行自動(dòng)化管理，比如識(shí)別圖片中的服飾商品，對(duì)款式、風(fēng)格、設(shè)計(jì)元素等外觀特征自動(dòng)生成，可以有效減少人類員工的工作強(qiáng)度，只需要做好AI的質(zhì)量監(jiān)督就可以了。

而除了營(yíng)銷噱頭之外，AI之于門店真正的意義或許在于坪效。

疫情期間大量服裝企業(yè)的業(yè)績(jī)都出現(xiàn)了大幅度萎縮。行業(yè)報(bào)告顯示，拉夏貝爾一季度虧損3.42億元，七匹狼一季度凈利潤(rùn)同比暴跌145.89%，安踏全線品牌負(fù)增長(zhǎng)，美邦服飾一季度虧損2.19億，都市麗人預(yù)計(jì)上半年虧損超1.2億……可以說是一片哀鴻。

奢侈品牌也沒能逃過，路易威登LV的母公司LVMH集團(tuán)第一季度營(yíng)收減少15%，擁有古馳Gucci、圣羅蘭YSL等品牌的開云集團(tuán)營(yíng)收減少15.4%，也紛紛放下身段試水電商、直播等新方式。

對(duì)于想要爭(zhēng)奪增量的品牌來(lái)說，讓生產(chǎn)、設(shè)計(jì)、銷售都能緊密貼合狹窄化的市場(chǎng)訴求，與此同時(shí)，不額外增加企業(yè)的成本，就成為必須面對(duì)的難題。

因此AI的出場(chǎng)，也就變得至關(guān)重要。

此前的一波“AI搭配”潮流，主流品牌的旗艦門店都進(jìn)行過“數(shù)字化改造”，比如安裝了AI試衣鏡、智慧攝像頭等。

在這一基礎(chǔ)上，進(jìn)一步完成算法升級(jí)，為門店打造精準(zhǔn)的營(yíng)銷策略，比如進(jìn)店顧客的用戶畫像，哪些衣服試穿率高，哪些單品購(gòu)買率高等等，這些原本資深銷售員才能夠“意會(huì)”的機(jī)密交給AI來(lái)完成，幫助緩慢恢復(fù)的線下門店負(fù)重前行。

接下來(lái)，就需要尋找新的利潤(rùn)增長(zhǎng)點(diǎn)。

擁有用戶時(shí)長(zhǎng)優(yōu)勢(shì)、更接地氣的社交媒體平臺(tái)，就成為各大市場(chǎng)品牌的爭(zhēng)奪陣地。

但事實(shí)證明，大火的短視頻+直播帶貨，并不一定意味著高曝光和帶貨。

核心原因是，時(shí)尚圖片、視頻等富媒體的呈現(xiàn)形式，想要將內(nèi)容轉(zhuǎn)化為命中率和流量，需要精準(zhǔn)的用戶推送和匹配。這就對(duì)平臺(tái)方的內(nèi)容智能分析、智能識(shí)別時(shí)尚元素、精準(zhǔn)匹配受眾，進(jìn)而提升命中率，關(guān)聯(lián)到電商同款或相似 SKU，提出了較高的要求。

當(dāng)然，上述這些AI附加值，不僅需要服裝企業(yè)本身就對(duì)數(shù)字化經(jīng)營(yíng)有一定的了解和鋪墊，搭建起了AI所能發(fā)揮的技術(shù)土壤，才能夠快速轉(zhuǎn)型，借助技術(shù)工具實(shí)現(xiàn)去庫(kù)存、提效率、增銷量的目的；還需要對(duì)各個(gè)渠道的AI能力、商業(yè)邏輯有必要的了解，才能避免經(jīng)營(yíng)層面的“AI通貨膨脹”。

正如某服裝品牌總裁在公開信中所說，“疫情不可避免地重創(chuàng)了服裝行業(yè)，但疫情也是一個(gè)放大鏡，檢驗(yàn)我們過往的沉淀是否扎實(shí)?！辈豢咕苄录夹g(shù)，也不唯技術(shù)論，明辨AI的能力也注定在這個(gè)特殊的全球經(jīng)濟(jì)節(jié)點(diǎn)上，成為各行各業(yè)的必備技能點(diǎn)。

凡是過往，皆為序章?！癆I搭配”這劑藥方，也是時(shí)候從腠理直抵深層病灶了。