AIda 愛搭：換季愁搭配，這個私人智慧搭配助手懂你也懂美 | 創業
基於大資料和人工智慧的 AIda 愛搭能取代人工導購，成為我們的“私人服裝搭配師”麼？
某天，身為法國服裝軟體公司 Lectra 的大中國區負責人吳斌在從參加一次宴會前犯了難，他糾結徘徊於西服，襯衣，領帶的搭配，這讓他感到頭大，這時候他想要是身邊有一個隨時隨地能給他搭配衣服的私人管家就好了。
“像我衣服這麼少，又不太注重打扮的男性都這麼糾結，更何況是有很多衣服的女性呢。”吳斌意識到了這一市場需求，一個想法油然而生，能不能利用 AI ，大資料，演算法等技術來構建一個智慧搭配師。
於是，吳斌開始行動起來，機緣巧合結識了上海交通大學的校友、人工智慧領域專家謝志峰，有 30 年形象美學和服裝從業經驗的倪澠，他們決定將 AI 與美學這兩個概念融合，打造一個融合人性美學的人工智慧系統，後來他們取名為 AIda 愛搭。 2018 年，吳斌組建了團隊，併成為第一批 NodeSpace 上海智慧供應鏈加速空間 的入駐團隊。
智慧推薦服裝搭配這並不是一個新穎的詞彙，阿里智慧推送已經實踐很久，類似於蘑菇街，衣二三等 to C 的智慧搭配服務也屢見不鮮，但吳斌發現平臺推薦服裝受制於服裝品牌資料不足，在服裝品類上推薦精準度不高，同時 to C 的服務過於不穩定和主觀。反而 to B 的服裝品牌擁有大量的資料無法得到利用沒有能力轉化為個性化服務，導購的主觀性強缺乏資料支撐。吳斌意識到 to B 的企業服務或許就是突破口。
智慧分析與決策離不開資料的支撐和訓練，吳斌介紹， AIda 愛搭與服裝品牌是深度合作， AIda 愛搭基於品牌方大量的顧客消費資料，包括會員的購買記錄、體貌特徵、生日偏好等上傳到 AI 雲中，這些資訊資料通過技術手段進行保密。
產生智慧分析與決策的過程，吳斌強調這是一個人機協同的混合增強智慧。這其中過程包括依託品牌內部設計開發銷售資料、顧客的資訊、 AIda 美學專家加入美學的元素、外部天氣等資料，依靠 AIda 機器學習和智慧識別引擎技術實現融入美學知識、專家經驗和個人喜好的人工智慧搭配方案。
AIda 愛搭之所以堅定地走 to B 的智慧搭配服務，是因為他們意識到現在的服裝品牌都在走會員定製化、個性化服務的方向。“我們可以發現，目前大多數中高階品牌，他們的顧客很多都是會員，越來越多的人發現一個適合自己的品牌就會持續購買，如何留存住這些老顧客，增加與顧客的粘性是大多數品牌在考慮的問題。”吳斌說道。
如何把服裝智慧搭配與會員制度緊密聯絡在一起？吳斌舉例說明， AIda 愛搭拿到會員的個人資訊和購買記錄之後，會根據其購物偏好、體貌特徵、購物記錄再結合品牌的上新商品不定期的推薦給會員一整套服裝搭配，每位會員都有自己專屬的推薦，甚至還會附上與其體貌特徵相仿的明星模特穿著圖片。吳斌強調說：“這種個性化、專屬服務，讓服裝品牌與會員之間的互動和溝通都會更加密切，甚至可以實現不同的衣服分別找到適合它的人並且可以直接推送給他，這大大提高了服裝的銷售率。”
吳斌介紹，相比於傳統人工導購來講， AIda 愛搭的推薦效率要高百倍，精準度要高 300% 。而與傳統的淘寶推薦商品來講，對同一品牌的專一推薦有利於其拿到更多有利資料進行更精準化推薦，同時在品類上，淘寶推薦傾向於按照品類商品推薦，而 AIda 愛搭將會深入顧客內心喜好和體貌特徵，更加智慧化的進行延伸性整套服裝推薦，顧客喜歡還穿的好看。
除了幫助服裝品牌線上導購推薦之外， AIda 愛搭線上下服裝零售店中也有相應的硬體裝置。其計劃在門店中設立智慧導購終端，顧客站在螢幕前，後臺便可讀取其體貌特徵，結合其購買記錄，外部資料和美學知識等進行智慧化推薦，顧客可以在門店中直接找到其推薦商品。
儘管如此，美學和服裝搭配屬於個人主觀感受的範疇，而人工智慧依靠的只有冰冷的資料，這中間的壁壘能否打破？吳斌提到了“解構”，他表示， AIda 愛搭美學團隊嘗試將服裝元素進行資料化解構，將我們感受到的美學和潮流趨勢進行數字化，融入進資料模型中，通過不斷的調整抓取顧客行為資料，進行不斷的學習和訓練，讓資料變得更加“懂你”。
據介紹， AIda 愛搭採用 B2B2C 模式，為服裝品牌提供 SaaS 化智慧化服務，通過服裝品牌放大效應服務眾多客戶，從而向服裝品牌收費。其中包括 AI 演算法服務、銷售增長額佣金以及不同品類產品交叉銷售額佣金。吳斌提到，目前全球服裝品牌市場規模巨大，其中頭部品牌佔據半壁江山，導購的平均提成數額巨大，而人工智慧虛擬助手將成為零售業轉型的契機。對於 AIda 愛搭來講，迅速佔領 to B 的服裝品牌市場是目前的首要任務。
吳斌透露，目前 AIda 愛搭系統已經通過的價值測試，正在與三家國際知名服裝品牌進行試點服務，另外還有 20 餘家服裝品牌已經表明了合作意向。 AIda 愛搭目前正在尋求天使輪融資，吳斌稱，此次融資將用於升級智慧推薦演算法和產品以及智慧獲取人體美學特徵演算法和產品。