ПО ОБРАЗУ

Прослушать новость

Наталья Югринова

Чувство стиля, которое свойственно далеко не всем людям, оказывается, можно «привить» искусственному интеллекту. Это сумел доказать новосибирский стартап SuitApp, обучив нейросетиподбирать гармоничные сочетания предметов одежды и аксессуаров. Сегодня этот сервис генерирует свыше тысячи модных образов в день, а его технологию берут на вооружение российские онлайн-магазины одежды.

сновательницы проекта SuitApp Елена Лактионова и Евгения Гребенщикова, подруги со студенческих времен, часто сталкивались с типичной женской проблемой: гардероб забит, а надеть нечего. Как и миллионы девушек, они тратили долгие часы на шоппинг, раздумывая, подойдет ли им та или иная вещь и хорошо ли сочетаются между собой элементы одежды. Вот было бы здорово, мечтали они, если бы кто-то другой мог взять на себя подбор наиболее удачных комбинаций — с учетом твоих личных стилистических предпочтений, параметров фигуры и повода для наряда. «А ведь это идея для бизнеса!» — озарило их.

Азиатское ускорение

Превращать идею в продукт было решено на рынке Юго-Восточной Азии. «Уровень распространения онлайн-шоппинга в России значительно уступает азиатскому рынку, — объясняет такой выбор Гребенщикова. — В Малайзии, например, проникновение мобильных телефонов переваливает за 140%. Мы понимали, что любой бизнес в сфере e-commerce логичнее строить там, где больше пользователей. К тому же цена ошибки в Азии значительно ниже, чем в Европе или США». С такими мыслями девушки подали заявку на участие в акселерационной программе Malaysian Global Innovation & Creativity Centre (MaGIC) и в марте 2016 года прошли конкурсный отбор. А затем переехали в Малайзию, в местный высокотехнологический хаб Cyberjaya (что находится в 30 км от Куала-Лумпура) — национальный аналог Кремниевой долины и московского Сколково.

За несколько месяцев команда начала разрабатывать алгоритмы подбора модных образов в соответствии с определенными фэшн-правилами, бюджетом и стилистическими предпочтениями клиента. В дальнейшем они были дополнены искусственным интеллектом. Принцип работы таков: вначале машина с помощью компьютерного зрения изучает ассортимент онлайн-магазина и сортирует его по определенным параметрам (стиль, фасон, цвет, наличие принта и т. д.). Затем составляет комбинации предметов одежды и аксессуаров. Выбранные «луки» и демонстрируются потенциальным покупателям.

Технологию робота-стилиста предпринимательницы решили опробовать на потребительском рынке. Летом 2016 года стартап запустил свое мобильное приложение, с помощью которого пользователи могли не только получить персональные рекомендации по покупкам в крупнейших онлайн-магазинах одежды, но и воспользоваться «виртуальной примерочной».

Сообщив приложению данные о своем росте, весе, обхвате груди, талии и бедер, можно было создать свой аватар — двухмерную копию для «примерки» одежды. На аватар можно было даже «приклеить» свое лицо, загрузив селфи. Предметы из ассортимента можно было сходу «надеть» на своего миньона, и сразу увидеть, хорошо ли сидит вещь. По планам, в следующих релизах приложения должен был появиться трехмерный аватар.

ЛУКИ И ЛАЙКИ

Акселератор MaGIC принес стартаперам много полезных знакомств. В частности, одним из их менторов стал Ханс-Питер Рессел, глава малайзийского офиса крупнейшего в Юго-Восточной Азии онлайн-ритейлера Lazada. Он сразу поверил в будущее команды и начал совместное тестирование рынка Малайзии. Вскоре появились первые партнеры: азиатский «столп» онлайн-шоппинга Zalora (аналог российской Lamoda), а также британская e-сommerce площадка FarFetch. Параллельно с этим компания, основанная новосибирцами в сингапурской юрисдикции, получила первые инвестиции: около 100 тысяч долларов в нее вложили два бизнес-ангела из России. Команде оставалось только сосредоточиться на совершенствовании продукта.

А вот на маркетинг и привлечение юзеров деньги почти не тратили. В этом не было особой необходимости, трафик рос в том числе органически: к концу 2016 года приложение насчитывало около пяти тысяч пользователей, преимущественно из Малайзии и Сингапура.

Но чтобы выйти на запланированный оборот, требовалось гораздо больше юзеров. Выбранная модель монетизации не позволяла наращивать аудиторию и выделять необходимый бюджет на маркетинговые расходы. «Стандартный метод, который используют подобные нашему приложения, — так называемые аффилейты, партнерские программы, — объясняет Гребенщикова. — Магазин платит вам процент, если вы привели клиента, и тот совершил покупку. Но система трекинга страдает: не всегда можно отследить и доказать, что клиент пришел именно от вас. С такой моделью монетизации очень сложно выйти в ноль, не говоря уже о прибыли». Поэтому компания решила переизобрести себя заново: в ноябре 2016-го она вернулась в Россию, а годом позже переключилась на B2В-рынок.

Российский размер

Для онлайн-магазинов «виртуальный стилист» — дополнительная «фишка», которая способствует допродаже и увеличивает сумму среднего чека. Как это выглядит? Вы заходите в интернет-магазин и выбираете понравившуюся вещь: например, голубую рубашку. Во многих магазинах уже есть лента рекомендаций, построенная по принципу «с этой вещью также выбирают...». У SuitApp другая методика: пользователю показывают пять образов (различные сочетания верха, низа, сумки, обуви и аксессуаров из ассортимента магазина), которые собрал компьютер. В каждом из них та же самая голубая рубашка «звучит» по-разному. Таким образом, покупатели могут определить, с чем лучше носить выбранную модель, и как она будет выглядеть в комплекте с другими вещами. А заодно присматривают себе другие товары из предложенных наборов.

— Сейчас мы работаем над тем, чтобы создать плагин для магазинов, кусочек кода, который легко встроить на сайт ритейлера, — рассказывает Евгения Гребенщикова. — Но технология — лишь одна из составных частей нашего продукта. В будущем мы планируем добавить аналитику, чтобы получать обратную связь от покупателя. По кликам, лайкам и переходам можно будет составить персонализированный профиль каждого клиента. Технологию можно развивать, улучшать и интегрировать с email-рассылкой. Например, если вы купили шорты на прошлой неделе, на этой вам придет письмо с готовыми «луками» с вашими шортами и предложением купить к ним, например, эспадрильи и панаму. Можно также задействовать соцсети: например, анализировать Instagram-аккаунт пользователя, определять его предпочтения в одежде и показывать то, что ему точно понравится.

ПЕРЕКРОЙКА

На родине SuitApp приняли не слишком тепло. В компании отмечают, что крупные ритейлеры в России оказались не такими гибкими, как в Азии: они опасаются пробовать что-то новое. Чтобы доказать, что технология работает, приходится делать много тестов и вести переговоры месяцами. Тем не менее этой весной стартапу удалось подписать свой первый серьезный контракт (имя партнера не раскрывается; он входит в пятерку ведущих российских одежных онлайн-магазинов согласно обзору РБК Исследования рынков «Розничные сети по продаже одежды — 2017»).

В каталоге партнера около 70 тысяч предметов одежды, и, согласно договоренностям, для этого интернет-магазина одежды стартап будет генерировать 20–30 тысяч модных образов в месяц. Теоретически можно и больше — команда готова быстро расширить серверные мощности, если возникнет необходимость. «Для нашего алгоритма чем масштабнее магазин, тем лучше», — подчеркивает Гребенщикова. С некоторыми ритейлерами компания обсуждает обработку до миллиона вещей. Внутренним рынком сервис не ограничивается и надеется привлечь в партнеры крупных ритейлеров из Европы, США и Азии. Осталось только понять, понравится ли новая функция пользователям, а также подтвердить результат конкретными цифрами: какую конверсию она принесет и насколько увеличит средний чек. С этими данными можно будет смело идти к новым партнерам и инвесторам.

Получается, мода, которую традиционно рассматривают как «высокую материю», неплохо укладывается в математические формулы? «Отчасти это так, — соглашается Гребенщикова. — Когда мы создавали свои алгоритмы, то формализовали и описали вместе со стилистами всевозможные фасоны одежды, прописали правила их сочетаемости, разработали сложные матрицы с учетом цвета, текстуры материалов, стиля». Тем не менее работу роботов все равно контролирует человек — это необходимо чтобы ранжировать полученные образы и использовать их для дальнейшего обучения нейросети. Хотя создание «луков» полностью автоматизировано, все сгенерированные образы проходят проверку модератором. Он отбраковывает порядка 7% составленных компьютером комбинаций (этот процент со временем уменьшится, говорят в компании). По мере развития технологии алгоритмы становятся все сложнее, растет детализация компьютерного зрения: сейчас, например, нейросети учатся точнее определять длину рукава, распознавать пуговицы, молнии и элементы декора. Это делается в том числе на грант от фонда Бортника размером в 2 млн рублей, который стартап получил прошлой осенью. Дальнейшее совершенствование требует новых инвестиций — их команда SuitApp намерена привлечь в следующем раунде.

Денежные вливания в проект позволят также доукомплектовать команду специалистами по маркетингу и продажам. Сейчас в штате компании, включая модераторов-стилистов, работает всего десять человек. С ростом бизнеса придется нанимать и новых разработчиков.

Подзабытое приложение SuitApp по-прежнему «висит» в азиатском App Store. И компаньоны  намерены к нему вернуться, перезапустив его на российском рынке с новыми функциями и возможностями. Особенно важно довести до ума 3D-моделирование.


БЛУДНЫЕ СЕТИ

У первых аватаров приложения были свои погрешности: они были плоскими, неточно и не всегда корректно отражали типы фигур пользователей. С другой стороны, и масс-маркет магазины не хотели возиться с созданием трехмерных моделей одежды. Однако популярность этой технологии будет только набирать обороты. Поэтому SuitApp связывает свое будущее не только с крупными маркетплейсами, но и отдельными сегментами рынка. В том числе нишами спортивных брендов, одежды для беременных и детей, а также премиальными марками.