Fashion AI- Personal Clothing Style Recommendation for Apparel Online Shop
技術簡介
疫情大幅度影響人們的消費行為，包含過往免不了要到實體店才能試穿、選購的服飾與配件類商品，消費者轉往線上購買的比例也日漸增加；「Fashion AI時尚電商個人化風格穿搭推薦技術」結合人工智慧，依據全球流行服飾風格、服飾特徵標記技術與顧客瀏覽偏好紀錄，消費者透過線上介面就能得到如實體門市店員般的個人化穿搭建議，提升顧客購買體驗，並擴大時尚電商的銷售額。
圖1 Fashion AI個人化風格穿搭推薦[電商/實體店]應用情境
技術特色
圖2 Fashion AI-時尚電商個人化風格穿搭推薦 產品相關技術
時尚電商平台常見的推薦方式包含，依據相似條件消費者採購歷程的「基於用戶推薦(User-based Recommendation)」，與依據商品描述關鍵字的「基於內容推薦(Content-based Recommendation)」，都存在標準化不足導致推薦效果不佳的問題。「Fashion AI時尚電商個人化風格穿搭推薦技術」的突破之處在於“透過AI深度學習服飾影像特徵”模擬如服飾店員的導購邏輯，達到人性化推薦效果：
‧相似推薦：根據服飾商品外觀屬性之相似度，提供類似商品推薦服務，解決服飾商品不易比較篩選問題。
‧穿搭推薦：顧客選擇對應自己身形模板，建立數位分身，以此分身體驗衣飾等強調視覺與搭配的商品。
‧敏捷推薦：分析大型電商平台，以巨量商品與人流建立的商品推薦結果，挖掘商品推薦規則與搭配組合。
‧市場分析：蒐爬國內外綜合及服飾電商平台商品與銷售資料，建立服飾商品庫，以分析各地區/平台商品組成與搭配組合，提供趨勢訊息。
圖3 敏捷推薦與市場分析相關報表介面
技術規格
‧基於影像之服飾屬性辨識：可辨識185種屬性，貼標率95%，個別屬性辨識準確率80%。
‧服飾商品穿搭推薦技術：
---穿搭推薦：16種風格穿搭推薦，推薦“上身+下身”服飾組合
---穿搭合成：支援正面±15 °、解析度500*600之“上身+下身”服飾2D影像合成
---穿搭影像庫：建置800件服飾x 4種身形模特共計3200張穿搭2D影像資料庫
‧服飾商品敏捷推薦技術：整合影像/文字辨識，預測AlsoView組成，屬性準確率80%。
‧全球服飾商品資料庫：國內三大綜合電商24萬品、國內四大服飾電商5萬品、國外單一綜合電商8萬品及國外三大服飾電商7萬品，共計42萬品。
圖4 服飾商品穿搭薦技術“穿搭合成”實際效果
應用範圍
「Fashion AI時尚電商個人化風格穿搭推薦技術」適用於時尚服飾電商，可預測消費者喜好並精準推薦商品，做到更精準的智慧化服飾導購。對消費者能更易於找到想要的商品，提升客戶體驗；對電商業者，除提升營業額、顧客結單率、回購率，也更有助供應鏈管理與成本控制。
穿搭推薦技術也可應用於服飾實體門市，結合沉浸式環境優化試衣體驗，進而提升顧客的購買率。
