虚拟试衣不只是“试”，好买衣将通过人工智能改变整个服装产业

（左为 好买衣 联合创始人兼CEO黄仲生，右为联合创始人兼CTO 柴金祥 ）

衣食住行，几乎指代了每个人的生活基本需要，而“衣”位列其首。服装行业几乎是人类社会最传统的行业之一，也是从古至今，变化最小的行业之一。

但这并不代表服装行业没有与时俱进，好买衣 虚拟试衣 和其联合创始人兼CTO柴金祥教授，就想成为服装行业进入AI时代背后最有力的推手。

就在 天猫 刚刚开启的新风尚活动中， “虚拟试衣”成为整个女装会场的最大亮点。用户进行了深度、个性化的虚拟试衣互动体验，实现用自己真实的脸与身材，体验身临其境的虚拟试穿。

（天猫新风尚活动中，好买衣虚拟试衣获得不错反响）

互联网时代的 服装零售 行业

在进入互联网和移动互联网时代后，电商彻底改变了零售业的格局，也对服装零售业产生了巨大影响，人们购买衣服的阵地部分由线下部分转移到了线上。

互联网电商模式解决了传统服装销售中的一个重要问题，那就是解决信息不对称。传统线下销售中，消费者可以浏览的商品受到时间和空间限制，而在网上这一限制被解除，人们可以获取更多商品信息。

根据中国电子商务中心的监测数据表明，2015年中国服装网购市场的交易规模达到7457亿元，服装网购渗透率为34.7，而2016年达到了9343亿元，网购渗透率为36.9%。

也就是说，国人有超过三分之一的衣服，是在网上购买的。互联网+像水电一样成为无所不在的基础设施，对传统服装行业商业流程中的某些环节直接替换，甚至创造了新的商业流程。

后互联网时代线上服装零售的困境与“虚拟试衣”尝试

然而，现在并不是一个可以高枕无忧的时间。

近两年，互联网流量红利渐渐消失，对于服装行业来说，仅仅将销售渠道拓展到天猫、京东已经不够了，如今各大服装零售商、服装制造厂商在享受完互联网带来的流量红利后，再度面临到销量趋缓的问题。线上购物与线下相比确实还存在某些方面的差距。

第一，是线上购物时，消费者缺乏有效的购买决策手段。 服装是非标品，非常个性化的产品，消费者在购买时希望看到“这件衣服穿在我身上的效果”，而不是模特展示的照片。而消费者不能对商品进行确认，对于商家来说，产生的最大问题就是网店比线下店的退换货率提高了非常多。

第二，是线上模式相比线下零售缺乏优秀的用户体验。 在零售店中，顾客可以获得导购的帮助（虽然这之中存在一定促销性质），进行衣物的搭配，尺寸的选择，这在网店中很难做到。尽管可以通过客服咨询，但是体验显然大打折扣。

正如罗振宇所说，在后互联网时代，流量红利消失的情况下，如何抓住流量时间和获得流量转化能力，成为了所有人的最大挑战。

事实上，服装零售行业也在进行相应的尝试。在过去一段时间，行业都在畅谈”三维试衣”、”VR/AR试衣”等新技术提供的新方法。出现了一些例如二维贴图搭配、三维虚拟试衣间、虚拟试衣镜这样的新生事物。

尽管全球各地虚拟试衣创业公司都在努力，包括Fits.me、Metail、优衣库等在内的公司，都是虚拟试衣的先行者，但它们目前却面临技术停滞不前，业务扩展困难等问题。

（第二代虚拟试衣技术：三维虚拟试衣间效果图）

在某种程度上，这些技术手段难以解决以下问题。 首先是规模化应用 ，常规的技术难以保证虚拟试衣的效率，以及其使用的成本。 其次是虚实整合的带入感 ，如果让消费在3D模型中，满足真实、美观、个性化的试衣需求，是一个很大的难题。 最后是互联网化和购买途径 ，虚拟试衣的目的，从根本上讲还是要把衣服卖出去，那么其应用必须要产生合理的购买闭环，和移动端的使用模式。

好买衣通过AI技术帮助填补线上试衣的缺失

不过，就像金融、汽车、家居等诸多其他行业一样，在 人工智能 出现后，一部分问题得到了很好的解决。柴金祥教授创立好买衣虚拟试衣的目的，就是希望通过机器学习的方式，解决现阶段虚拟试衣，甚至整个服装制造和零售行业中存在的问题。

柴金祥教授说：“很多公司的虚拟试衣产品，仅仅关注试衣效果，但身材重建才是最基础的部分。”一个能够落地的虚拟试衣场景，不仅能够还原衣服的细节、材质、垂坠感等，还要能够产生一个接近真实的消费者本人。

好买衣利用用户输入的身高体重、勾选身材特征等基本信息，结合其独家的女性身材数据库，可以推算出几千项身材数据。再利用机器学习和图形学，可以对消费者进行较为准确的人体建模。最后将其拍摄的面部照片进行三维重现，就能够得到一个接近真实的消费者“自己”。

（好买衣智能重建三维人体模型，误差值仅1-1.5厘米）

（好买衣智能三维人脸重建效果）

虚拟试衣产生的效果，对于线上服装零售主要表现在两方面。

一方面是用户的停留时间提升。 在一般的网店中，用户停留2分钟左右是一个比较正常的时间，但经过测试，在使用了好买衣虚拟试衣后，用户停留一般会超过10分钟甚至更长。

另一方面，是用户通过虚拟试衣增强了购买信心。 有了虚拟试衣，顾客可以更容易地了解自己更合适什么衣服，因此购买更有针对性，并且有了身材数据后，其购买的尺码更合适，因此不容易出现频繁退货、换货的情况。

就在刚刚开始的天猫风尚节中，好买衣分析了过去3天的预热期：发现人均访问时长长达23分钟，更有用户连续在线超过50分钟；总用户近30%在试衣过程中点击查看该单品的天猫宝贝详情页，同时还有13%用户直接果断点击加购，对比原旗舰店日常宝贝详情页加购率仅有5%。

除了“试衣”，好买衣希望为服装行业提供更多人工智能支持

柴金祥教授表示，虚拟试衣其实只是一个开始，在进行虚拟试衣的同时，好买衣将获得更贴合消费者的数据，包括身材数据、喜好数据、尺码匹配数据等等，利用这些数据，有希望对服装行业产生根本性的影响。尤其是目前行业中的一些存在迫切需求的部分，例如预售、导购、个性化定制、智能打版、服装设计等。

服装预售

预售模式是服装零售行业在进入互联网行业后产生的新经营模式，也是一次全新的尝试，它由消费者的购买意愿直接决定生产量，解决了传统服装行业的库存积压问题，又又将生产端与消费者直接联系了起来，进而提升用户购物体验，不仅服装品牌省略了很多中间端环节，预售对用户来说也是未来网购独有的”提前消费”体验。

但与网购衣物类似，预售模式也存在尺码与顾客是否匹配，以及款式是否合适的问题，因此在使用了虚拟试衣后，品牌可以进一步解决预售中出现尺码配货比问题以及往后的用户退换货问题。

智能导购

在高端线下门店中，和一些高消费人群中，导购不仅仅承担引导顾客的作用，还可以将为顾客提供时尚咨询服务、穿搭建议。柴金祥教授教授透露，一名资深的Stylist（时尚咨询）咨询有超过80%复购率，同时会大大提高顾客的转化率。

但是，其高端属性注定很难实现规模化。柴金祥表示：“必须再次强调，衣服是非标品，穿在别人身上好看，穿在自己身上不一定好看，给用户推荐合适的衣服，尤其需要考虑用户的长相、身材、气质、风格，线下导购做得到，但对品牌网上销售来说，是很大的缺失。”

好买衣人工智能技术可以解决这一问题，利用独家用户身材和脸的数据、精确的衣服标签、其它搜集的数据、和机器学习对消费者的信息和喜好进行分析，在未来也可以为顾客提供智能导购服务。柴金祥教授还透露，好买衣的智能导购目前已经有早期Demo，很有可能会在今年上半年上线供消费者体验。

个性化定制

个性化定制，也就是C2M的模式，可以为消费者量身打造适合他们身材特征、相貌、及喜好的衣着，这是很多服装品牌希望尝试的领域。但是目前，只有在男装的西装、衬衫等品类和极少数高端女装中可以实现。

原因很简单，在西装和衬衫中，服装的样式单一，需要改变的只有颜色、尺寸等，在保有服装样板的情况下，比较容易进行设计和制作。但女装品类复杂，很难在短时间内进行完成打版、制作过程。并且无论对男装和女装，这种 C2B 的模式都基本无法实现规模化。

在人工智能的帮助下，个性化定制成为可能，顾客的身材信息经过测量，重建身体模型，再结合其相貌特征，将设计和打版过程进行优化。再加上全程基本上由算法完成，人工成本降低，可以实现规模化应用。

智能人台与尺码匹配

柴金祥教授表示，目前国内使用的S、M、L、XL四个尺码，其最初的规范来自于上世纪80年代的日本。且抛开中日消费者的差距，仅仅在过去30年间，国内消费者的身材就发生了巨大的变化，因此这一标准尺码以及在服装制作过程中使用的人台，其实也需要随之进行调整。

好买衣通过虚拟试衣获得的关于顾客身材的大量数据，未来可以为服装制造厂商提供智能人台服务，不但可以符合现在消费者的现实情况，还可以根据衣服针对对象的不同，调整人台的尺寸细节。

服装设计

事实上，未来除了定制化的衣物之外，服装制造厂商也还会有其定期推出的新款服装，那么大量用户数据的反馈同样可以帮助它们进行衣物的设计和制造。

现在的服装行业，厂商和消费者之间依然存在着信息壁垒，它们尽管会进行市场调研和往期产品销售情况的统计，但这部分信息仅有出货量、销售量这样的宏观数据。而对于衣服卖给了谁、是否和设计时的目标客户相同，服装制造厂商并没有答案。

在未来，好买衣可以通过 大数据 ，为服装设计环节，提供更加全面的顾客喜好信息，让厂家在设计时目标更精准，真正切中消费者的“要害”。

如上所言，柴金祥和好买衣虚拟试衣的目标并不仅仅停留在“试衣”上，这将是一个服装行业全面改变的契机。

同样，人工智能已经为我们带来的改变，但未来它还会给我们带来更多的惊喜。正如柴金祥所说：“技术的发展实际上不是一步步渐进式的发展，而是到某个阶段会有大的台阶和突破，想要准确预测未来还是挺难的。”

它需要我们更多的想象力。

本文作者李基祥，亿欧专栏作者；微信：ligi_avd（添加时请注明“姓名-公司-职务”方便备注）；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。