😎 3 хардкорные проблемы в fashion tech и как мы их решаем

Рекомендации в онлайн шоппинге — это боль. Если кто-то думает, что для идеальных рекомендаций достаточно натравить некоторую нейронку на пару тысяч картинок, то… нет 😵

1️⃣ Данные = хаос
Так везде, но в случае с одеждой особенно из-за наличия разных типов информации, ассоциированных с одним товаром и субъективщины

📌Один бренд называет цвет ivory, другой — cream, третий — молочный 😏
📌 Тренды меняются примерно каждые 3 месяца, а датасеты устаревают быстрее, чем их можно почистить 🐵
📌 Описание товаров часто просто неинформативное (стильное платье для любого случая – гениально, спасибо 😆)

Как мы это решаем?
🔍 Анализируем изображения и тексты вместе → смотрим в первую очередь на фото, а затем уже на описание, если оно информативное и подходящее, то учитываем
🔍 Style embeddings → вместо 'красное платье' вещи группируются по вайбу 💃
🔍 Мультисорс → где возможно, собираем данные из разных мест, нормализуем, чистим, приводим в порядок

2️⃣ Понять, что вообще такое "стиль"

📌 Люди не хотят вручную вбивать "шерстяной кардиган с V-образным вырезом". Они хотят что-то "cute" или например "boho" чтобы подошло под их вайб
📌 Один и тот же пиджак может быть офисным или гранжевым, всё зависит от сочетаний

Как мы это решаем?
✨ угадываем основную эстетику человека на онбординге
✨ если вам завтра на фестиваль, предложим например собрать аутфит в стиле бохо, а если собес в банк — офисный минимализм. Все дело в сочетаниях
✨ по мере того как пользователь взаимодействует с приложением, мы сами понимаем, что нравится, без опросников на 100 вопросов

3️⃣ Рекомендации, которые не бесят

📌 Классические алгоритмы просто спамят 'похожими товарами', особенно в первую сессию
📌 Люди покупают луки, а не отдельные вещи, но почти все маркетплейсы (Lamoda, вы красавцы в этом плане, к вам вопросов нет) до сих пор показывают одежду в вакууме 🫠

Как мы это решаем?
👀 смотрим на гардероб и предлагаем, чего не хватает.
👀 не просто "похожие вещи", а полноценные образы под ваш стиль
👀 адаптируемся под предпочтения → можно забанить те вещи которые ну прям не нравятся и мы их больше не будем предлагать

Ок, что дальше?
Итак, современные рекомендации — это не просто подборка похожих товаров. Это анализ, адаптация и осмысленный контекст. В Aesty мы строим именно такую систему. Велкам попробовать! 🤝