ИИ в fashion-ритейле: как найти границы пользы
ИИ на маркетплейсах сейчас встречается на каждом этапе — от карточек товара до поддержки. Технологии могут как усилить экспертизу бренда, так и размыть её, поэтому важно понимать, где и как их можно использовать.
Ольга Циос, управляющий директор по маркетингу Lamoda, вместе с AI‑экспертами в рамках подкаста «Мода — off the record» сформулировали три практических принципа, которые позволяют вывести формулу разумного применения ИИ в моде — необходимо усиливать экспертизу бренда, а не подменять её.
🔽 Работа с силуэтом требует человеческого опыта
Нейросеть может показать, как одежда выглядит на конкретной фигуре, или помочь с подбором образов. Но идеальная посадка остается сложной задачей: фигуры уникальны, нюансы кроя и тканей алгоритм учитывает не полностью. ИИ — вспомогательный инструмент стилиста, конструирование и посадка — зона ответственности конструкторов и технологов.
🔽 Алгоритмы нужно калибровать под локальный рынок
Большинство готовых AI‑решений заточены под азиатские размерные сетки с другими пропорциями. В российском e‑commerce до 50% одежды возвращается после примерки — если без адаптации переносить чужие выкройки и модели, возвраты и издержки на логистику закономерно растут, и увеличивают градус негатива в обратной связи. Базой должны быть собственные размерные стандарты и данные по фигурам. Искусственный интеллект может быть только надстройкой над своим опытом.
🔽 Жесткий бренд‑контроль и привязка к KPI
Генеративные модели, обученные на больших данных, целятся в эти большие данные. Не «просто платье», а «платье-похожее-на-другие». Общепринятая эстетика лишает конечный продукт характера и индивидуальности, ДНК бренда быстро размывается. Визуал становится обезличенным, бренд теряется в ленте и перестает отличаться от конкурентов. Эксперты Lamoda напоминают: ИИ‑инструменты должны связаны с конкретными бизнес‑целями: снижением доли возвратов, ростом конверсии, оптимизацией операционных расходов и эффективности клиентской поддержки.
Индустрия
