三个清华计算机系理工男,想用AI搅动整个服装行业

「阿里、京东这样的大电商平台偏销售,他们只是把最后一公里变成了高速公路,只解决了商品到消费者『最后一公里』的问题。但在此之前,还有很长的土路。」

极睿科技想做的,是用数据跟智能,重新优化商品的设计和流转。

采访、撰文 | 太浪

创业四个月后,便拿到金沙江创投数百万天使轮融资;仅用一个产品demo和一个粗糙的BP就征服投资人。去年11月,又拿到拼多多天使轮投资方魔量资本的数千万Pre A轮融资。目前,又在进行新一轮融资。

这家公司叫极睿科技,创始团队均来自清华计算机系。

创始人武彬是清华计算机系2010届本科、清华计算机系自然语言处理实验室硕士,师从 孙茂松教授 和刘知远副教授;CTO徐镇是清华计算机系本科、清华网络科学与网络空间研究院硕士;CV负责人Daniel是清华智能技术与系统国家重点实验室硕士。

三个清华计算机系的理工男,要用AI变革整个时尚(服饰)行业。

1 本科萌生创业想法, 花近20万标数据

武彬称,创业的想法主要源自于强大的内驱动力,「希望能改变一些事情。」

「衣食住行与人最相关。服饰作为柔性化的商品,相较于人脸、车等刚体的识别,服饰识别更难,并且有光照、折叠、遮挡的影响。」

本科时,武彬就和辅导员徐镇一起,研究针对服饰领域的神经网络ApparelNet。

算法的准确度取决于数据的好坏。公开的数据训练出来的算法很容易被超越。因此,武彬在2015年搭建了一个数据标注平台,建立自己的数据壁垒。武彬说,他和徐镇共花了近二十万,雇了十几个兼职学生,用一年多时间,标注了100多万数据。

本科时参加比赛获得的奖金,以及帮别人开发东西赚的外快,成了武彬这笔数据标注费用的来源。

当时,他们只专注于标注大品类的服饰商品,保证包、上衣、裤子、连衣裙这些品类「做到足够好」。鞋、小品类商品、配饰等都没有标。武彬说,即使是把所有品类(包含瓶瓶罐罐)都标了,效果也会很差,不如做的更精准。

还好,舍了「孩子」,他们套着了「狼」。2017年研究生毕业进行创业时,ApparelNet深度学习算法的识别效果就吸引了投资人的注意。

2 用数据和智能变革整个服饰行业

决定做服饰后,武彬和联合创始人调研过整个服饰领域。

通过调研,几个只懂coding的程序员了解到:商品从设计、生产、流转、销售再到消费者手中,要经历一条很长的链路,人和商品间的距离很远,生产者「闭门造车」,不知道消费者要什么,造成库存堆积。

他们从消费者购买东西开始,倒推整个商品流转和生产的流程:

一个人买东西,可能经常会去看媒体上的东西,构建自己的时尚逻辑,然后去电商上去买;电商上的卖家,会从批发市场进货;批发市场的商品从品牌来;品牌的商品由内部设计师设计而来。设计师的灵感有两处来源:大品牌会有自己的培训和延续,小一点的品牌会抄款,抄韩国的款、日本的款。

武彬说,「阿里、京东这样的大电商平台偏销售,他们只是把最后一公里变成了高速公路,只解决了商品到消费者『最后一公里』的问题。但在此之前,还有很长的土路。」

而极睿科技想做的,是用数据跟智能,重新优化商品的设计和流转。

武彬表示,目前,能够透露的商业模式是:通过API接口的形式,输出数据与算法的能力。如今,已经基于API封装了两款产品:AIFashion开放平台、ECPro易店通。

3 售卖API接口,赚得第一桶金

AIFashion开放平台汇聚了极睿科技近20个API,包含时尚领域相关的计算机视觉(CV)、自然语言处理(NLP)等AI技术在内,服饰检测、时尚分析、智能检索、人像分析、知识库机器翻译7个方向,共18个功能接口(API)。

供服装电商平台(为京东提供同店铺跨品类搭配服务)、时尚内容媒体(如小红书、更美)、线下零售门店(如太平鸟、Lily)等按需购买、调用。武彬称,「十行代码」就能完成对接。

极睿科技AI fashion开放平台上公布的API接口


目前,与极睿科技合作的电商媒体有小红书、医美APP更美(内含服饰版块)。极睿科技依托图片标签化能力,帮小红书关联帖子和商品间的关系:在博主授权的情况下,为帖子中的图片打锚点,关联小红书商城里的商品;帮「更美」打通帖子跟帖子间的关系,识别帖子中的商品,然后进行相似商品推荐。

2018年,「盒子电商」(订阅制电商)在国内兴起,刮起「货找人」的流行风潮。对盒子电商而言,货源和用户搭配体验是重点。

但是,如何帮货精准找到更适合的用户,则需要借助AI的力量。极睿科技称,大部分盒子电商需要依托于标签识别能力,实现商品的标签化,进而实现预先的搭配款式选择。简单理解,即是担任盒子电商中搭配师的助手,把单个的SKU组合成套装。

他们还与硬件厂商合作,赋能零售门店。目前,已经为「个性化橱窗」、「智能试衣镜」两款产品申请了专利。

武彬向我介绍了这两款产品:当你走在门口的时候,个性化橱窗会识别你的穿衣风格和颜色,告诉你店里哪个区域或者哪个风格(相似风格的推荐)适合你,做个性化的推荐。当你在智能试衣镜面前,拿起衣服时,它会给你进行跨品类穿搭。

武彬说,目前线下并非他们发展的重点。

硬件太重,成本暂时还太高。比如,个性化橱窗的改造成本在10万元左右。极睿科技自己不做硬件,而是选择与硬件厂商(比如,莫凡、锐吉)合作的形式共同推动线下市场。

但品牌也有压缩成本的考虑,因此只选择几个旗舰店进行试点,比如,太平鸟不到十家店,Lily一两家店,「都是偏体验,主要为了展现自己品牌的调性」,武彬说。目前,极睿科技赋能的线下门店仅20余家。

极睿科技正与「场景鹿」谈合作。「这家杭州的公司已经在全国铺了几万个这样的镜子,希望能快速的把我们商品识别与推荐的技术附加在他们的镜子上,做导购或者商品转化的事情。」

4 做商品到电商间的桥梁

ECPro易店通是一款基于AI图像识别技术,为电商企业提供商品详情页的自动标注、排版、切割、导出、上货等一站式服务的在线SAAS系统;是一款在API的基础上封装而成的商品中台产品,服务于品牌商,是极睿科技今年会大力推的产品。

其中,「商品上架」是这款产品的主打功能。

商品要想在电商平台进行售卖,就要按照各个电商平台的要求做商品上架。

但是,大部分服饰品牌偏传统,比如,有些品牌的标签体系比较单一,只有二级品类和一个风格;有些小品牌甚至没有标签。而且,天猫、京东、拼多多等电商平台的标签体系都不同,因此,面对不同的电商平台,要满足的标签体系也不同。

极睿科技联合北京服装学院的老师,在天猫、京东的标签体系基础上,建立了更细粒度的标签体系。比如,一款产品,京东打的风格标签是「韩版」,天猫打的标签是「韩版—街头」,极睿科技打的标签是「韩版街头」。


极睿科技标签体系的一部分

依托图像识别、属性标签识别技术,ECPro能实现自动(智能)切图、属性识别(标注)、文案撰写、商品详情页生成、商品跨平台自动上架、同店铺跨品类搭配等功能。

商家要做的,只是将图片包上传至ECPro。

首先,他们会识别出图片是模特图还是SKU的颜色图、挂拍图、领口细节图、袖口细节图、吊牌、水洗唛;第二步,将水洗唛里的产地、材质、属性、年份、品牌、清洗方式等信息识别出来;将商品图里的领型、袖型、纹理、风格等识别出来;第三步,为每个图片打上标签。除了方便产品上架,也便于商品管理。

武彬称,「以纯以前有三个运营团队,负责三个电商平台的商品上架,每个团队10人。用了这个产品后,只留1个人即可。」

在武彬看来,省下来的人力成本「很直观」,即使ECPro这款产品的售价更高,也会受到品牌商的欢迎。

除了帮以纯Yishion嫁接起商品到电商的桥梁,极睿科技还用商品信息管理系统PIM(product information management)帮它做起了商品管理。

一般,一个品牌内部的设计师部门、商品部门、营销部门是多个部门。而每个部门,比如设计师团队,会有多个子部门独立设计开发款式。而内部虽然有ERP等系统做流程管理,但是对于数据的打通与关联却没有办法做到。

「PIM将这些部门的关键数据做关联,依托我们的自动化标签、以图搜图等技术,可以做到对手稿图、商品图自动标签,将图片信息提取为统一的结构,做到以图搜图和以文字搜图;从而在设计师对商品做企划与设计时,可以参考与关联品牌内部的历史信息,做到内部所有数据的有效资源化。」武彬说。

目前,PIM的使用者有十余家品牌。

5 吃下「品牌」这块蛋糕

调研后,武彬发现:有很多大品牌,有一半的销售额都是被库存吃掉的。所以,他们想重新定义商品的生产和流转,从源头上降低库存,吃下「品牌」这块蛋糕。

「品牌这个市场足够大。全中国大概有几万个品牌。每年SKU在1万以上的,大概有5000来家。我们未来还会拓一些海外市场。更多的收入,希望从品牌(商)这边来,我觉得品牌、设计师是更好的客户。」武彬说,

「品牌更希望的是一个SaaS。我(品牌商)上传一个SKU,你(SaaS产品)给我打完分,然后告诉我这个商品会不会是卖点?我应该生产多少件?」

今年下半年,极睿科技将针对快时尚品牌/轻奢品牌,推出「趋势分析」这款产品。

时尚有一股潮流,「先欧美,再日韩,再中国」。通过对国外数据的分析,能比较快速告诉大家,未来一段时间中国的趋势是什么,从而在商品设计环节赋能设计师,进而帮助品牌商缩小SKU池子。

「之前,可能是1万个SKU,现在缩减到8000个SKU。把更多的产力聚集到一些更小的SKU池子上。提高这些SKU的生产量,提高销量。」

目前,极睿科技找了韩都衣舍来验证这款产品。「韩都衣舍有自己的数据分析团队,只需要我们给他一个比较简单的报告,他们内部就会做这样的事情。」武彬说。

武彬说表示,任何事情都是会有预测误差的,他们希望只是想减少一部分,优化库存。「我们觉得,(这款产品)能省下30%的库存。」

同时,实现了商品流转的智能化后。根据最初的生产和预测,减少整个流转环节(商家—批发—推荐)的人力成本,「每年帮品牌商省掉几百人。」

武彬预计,今年会增加200多个品牌客户。

「现在,大家对于这个事情还是挺认可的。因为他算起来的人力成本是很明显的降低了,大家很容易尝试这个事情。第二是预测,品牌商刚开始会在小的SKU上做测试,然后再验证一两个月之后就很愿意批量来尝试这件事情。」

同时,他们也在开发新的接口,比如多语言翻译接口,目前能支持中英文翻译,为拓展海外客户做准备。

「实际上,线下的占比还是比线上要多得多。线下还是有很多可以去挖掘的点。」因此,针对线下门店,极睿科技也在继续发力。

相较于让AI进行搭配推荐,店家/商家更希望用AI吸引更多人进店,搭配的事情还是由导购来做。

而一个导购的生命周期是8个月,培训成本很高。有没有办法缩减这个成本?极睿科技正与某家企业合作,开发导购助手这样的APP,试图解决这一行业痛点。

6 找场景的方法论

「在学校的时候,是拿着锤子找钉子,不断地去找这个锤子能敲哪个钉子。现在是要转换成:发现客户的痛点,把客户的痛点转化成行业需求或者行业痛点,然后再把自己的锤子拿出来,看看能不能解决这个问题。」

将这段话翻译一下,就是:找场景不容易。武彬坦言,找场景占用了他很长时间。好在,一番摸索后,他总结出了一套方法论:

(一)抓住第一批客户,保持紧密的联系,他会告诉你,他需要什么;

一开始,在给小红书介绍了一些接口,他们使用了之后,极睿科技就被邀请到小红书总部看他们的整体流程,看他们是怎么标帖子的、怎么按照标签做管理的。也有一些品牌会不断问,「你们能做什么?你们适合做什么?」

(二)要比客户有一定的前瞻性;

有些客户偏传统,不知道科技的发展情况,但是有迫切的需求。所以,要站在他们的立场考虑,引领他们。

武彬透露,通过ECPro这个产品,他们绑定了很多品牌商,知道这些品牌商有什么商品。同时,小红书上想要自己带货的博主也想在一个平台上看到能链接的商品。因此,他们正计划开发一个平台X——对接商品生产者(品牌方)与商品展示方(博主),让博主们打了锚点的商品图片直接在平台X上展示。

(三)深入一线;

站在客户的立场思考问题的前提是,深入一线,了解真实的需求,进而发现AI的用武之地。

「趋势预测」的需求便是基于上述方法论找到的。

(四)砍掉伪需求。

基本上,聊完一个品牌的需求后,他们还会再聊大概30家,发现这个需求是行业痛点、行业刚需后,才决定做。

目前,极睿科技的重点在「扩展」。

「定制很难去拓展。(就算)一个单做的更大,如果它不是一个通用需求,我们只能依附它生存。」武彬表示,「我们希望产品的边际成本为零。比如商品上架,我们现在做的就很通用,再来一个新客户,只需要10秒钟把它开一个账号。」

武彬表示,公司现在基本上收支平衡,今年下半年就会盈利。

产业信息检索智能物流自然语言处理计算机视觉图像识别
4
相关数据
刘知远人物

刘知远,清华大学计算机系副教授、博士生导师。主要研究方向为表示学习、知识图谱和社会计算。2011 年获得清华大学博士学位,已在 ACL、IJCAI、AAAI 等人工智能领域的著名国际期刊和会议发表相关论文 60 余篇,Google Scholar 统计引用超过 2100 次。承担多项国家自然科学基金。曾获清华大学优秀博士学位论文、中国人工智能学会优秀博士学位论文、清华大学优秀博士后、中文信息学会青年创新奖,入选中国科学青年人才托举工程、CCF-Intel 青年学者提升计划。担任中文信息学会青年工作委员会执委、副主任,中文信息学会社会媒体处理专委会委员、秘书,SCI 期刊 Frontiers of Computer Science 青年编委,ACL、COLING、IJCNLP 领域主席。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

知识库技术

知识库是用于知识管理的一种特殊的数据库,以便于有关领域知识的采集、整理以及提取。知识库中的知识源于领域专家,它是求解问题所需领域知识的集合,包括基本事实、规则和其它有关信息。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

机器翻译技术

机器翻译(MT)是利用机器的力量「自动将一种自然语言(源语言)的文本翻译成另一种语言(目标语言)」。机器翻译方法通常可分成三大类:基于规则的机器翻译(RBMT)、统计机器翻译(SMT)和神经机器翻译(NMT)。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

京东机构

京东(股票代码:JD),中国自营式电商企业,创始人刘强东担任京东集团董事局主席兼首席执行官。旗下设有京东商城、京东金融、拍拍网、京东智能、O2O及海外事业部等。2013年正式获得虚拟运营商牌照。2014年5月在美国纳斯达克证券交易所正式挂牌上市。 2016年6月与沃尔玛达成深度战略合作,1号店并入京东。

Lily机构

自2013年确立“商务时装”这一定位,短短几年间,Lily已在国内开设900余家品牌店铺,入驻上海、北京、广州、深圳、武汉等270个城市,并在海外市场开设零售店铺逾70家。

http://www.lily.sh.cn
暂无评论
暂无评论~