惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

腾讯CDC
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
博客园 - Franky
博客园_首页
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
IT之家
IT之家
The Cloudflare Blog
V
Visual Studio Blog
罗磊的独立博客
T
Tailwind CSS Blog
S
SegmentFault 最新的问题
Hugging Face - Blog
Hugging Face - Blog
V
V2EX
阮一峰的网络日志
阮一峰的网络日志
D
Docker
Last Week in AI
Last Week in AI
B
Blog RSS Feed
C
Check Point Blog
J
Java Code Geeks
The GitHub Blog
The GitHub Blog
有赞技术团队
有赞技术团队
博客园 - 聂微东
MongoDB | Blog
MongoDB | Blog
雷峰网
雷峰网

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
靠AI顾问摇身变为最靓的仔,携时尚秘籍闯出新蓝海!
扬帆出海 · 2024-07-19 · via 人人都是产品经理

在数字化和个性化的浪潮中,AI技术正在悄然改变我们的衣着与妆容选择。本文以Dressika为例,深入探讨了这款基于色彩搭配的AI应用如何成为私人时尚顾问,帮助用户解决穿搭难题,同时也揭示了同质化产品中的创新机遇和挑战。

在AI赋予生活色彩的同时,色彩也在给予AI创造力。

继各大电商平台上线虚拟试衣间,帮助人们更快速高效地挑选合适穿搭后,AI装扮赛道逐渐被打开,从衣着、到面容甚至到发色都可以通过AI进行随意变换,像是一个随身携带的智能顾问,让自己随时随地找到合适的外在风格。

近期,一款主打颜色搭配的AI虚拟顾问应用Dressika在Google Play美容时尚免费榜中进入了65个国家地区Top10,尤其在欧洲、美洲多地备受欢迎,自推出以来,内购收入前三名的国家分别为巴西、加拿大和英国,三个国家总共贡献了超60%的收入量。

这或许与欧美大众注重穿搭的特点有关,毕竟“欧美风”穿搭曾一度在全球市场引领时尚潮流。

今年以来,该应用下载量和收入量都稳步上升,截至7月17日,全球下载量达到近200w,占总下载量38%,收入量占比29%。

(Dressika自成立以来至今的全球下载量)

01 AI+色彩=私人时尚顾问?

当代年轻人的出门“穿搭焦虑”越来越严重了,“出门要花很长时间从众多衣服里挑出一件最合适的”,“本来想买一件衣服却为了搭配买了一整套”,“看模特穿着很好看,买回来自己穿上就不一样了”等等,这些真实写照也从侧面反映出大众对于搭配需求的提升。

AI的融入可以说是恰逢其时,让普通人也可以像大明星一样有私人时尚顾问,可以根据不同场合、不同季节,快速选出适合自己的穿搭和妆容,不用再花费大量时间去纠结配色和风格。

Dressika就是这样一款应用,主打颜色分析,通过上传一张自拍照,运用AI技术自动进行色彩匹配,并在虚拟试衣间、化妆间搭配出专属自己的风格。看似是一个很简单应用,有点类似于曾风靡一时的换装玩法,但深入各细分功能发现,里面是蕴藏着理论和细节的。

先是上传一张清晰的自拍照,为了能够更精准的AI识别,尽量真实还原肤色。由于世界不同国家肤色有很大差异,Dressika基于12季色彩理论为肤色提供了“色号编码”,通过AI进行全面的色彩分析后,提供合适颜色的衣服配饰、妆容风格和对应发色,这一步骤强调的是自然美和配色之间的协调性。

在衣服配饰方面,Dressika有虚拟试衣间和调色板两个细分功能。虚拟试衣间提供了多种厚度、材质、风格的衣服作为模板,适用于各个季节,同时还可以自己上传衣服图片,AI能够自动算出衣服中各种颜色与人物间的匹配值。与电商平台的虚拟人试衣相比,更直观的感受自身穿上的效果。

在妆容方面,由AI根据肤色输出的妆容帮助用户找到适合自己的化妆品色号,降低挑选的时间成本。同时应用中还有彩妆调色板功能,共70种颜色,包含常用的口红、眼影、眼线笔和腮红。对一些热爱化妆的女性来说,对颜色要求十分精准且严谨,这些化妆品差一个色号可能都会影响整体妆容效果,能够提前试色省去了不少试错成本

染发是欧美人的一个重要爱好,据公开数据统计,在荷兰几乎99%的人都有染发习惯。但由于频繁染发会造成发质损伤,且染发一次短时间内无法更换,因此在选择发色的时候往往会十分慎重,试色的重要性就由此体现出来。在Dressika的发色功能中,可在调色板中任意选择颜色与人物进行搭配,发现更多适合自己的形象搭配。

搜索“Color”这一关键词,我们发现了一些类似的产品,如同为以颜色搭配穿着和妆容的AI Stylist、可与AI造型师聊天的My Palette、提供上千种搭配建议的Color Palettes等等。

经过对比发现,其基本功能都有一定的相似性,不过在功能的垂直性和全面性上,表现的具有差异。而且,这类应用在欧洲及美洲地区市场集中度较高,但想要将市场扩展至全球,其实是比较困难的。

例如在有宗教文化限制的中东地区,对女性穿着及面容有着严格的要求,这类应用在当地很难有市场,亚洲地区市场空间很大,但目前还处于待开发阶段。

02 智商税还是真有用?

通过拆解Dressika产品功能不难看出,通过AI识别与色彩搭配结合,输出一个偏定制化的风格供参考。

然而审美差异造就了不同人搭配的个性化,也造成了定制化与个性化之间的思想冲突,试想一下,如果人人都按照模板去穿搭,又何来各类新潮流的出现呢?

对于喜欢FreeStyle的人来说,这类应用使用场景和频次可能是有限的。

如在一些需要注重穿着的大型活动上、外出聚会上、或户外需要与场景色调适配的特殊场合下,会提前使用试装软件进行搭配。但在日常生活中,给服装和妆容的选择都套上了模板,似乎变成了一种限制手段,去束缚人们对于穿衣自由的追求。

因此,可以当作AI提供的是一个标准的“指导意见”且“仅供参考”,具体发挥还是要看个人喜好。点点数据显示,近一年以来,Dressika的人均月启动次数为6.93,远低于人均启动次数生活均值9.31,也从侧面印证出,用户日常使用率其实并不算太高。

而在使用试衣功能时,遇到另一个比较麻烦的问题是,根据提供的模板匹配到满意的服装后,很可能在现实中无法买到一模一样的服装,即使在跨境电商迅速发展的当今,最终也只能退而求其次去寻找风格相似的商品。

另外,无论是电商平台中的虚拟试衣间还是专门的AI搭配应用,都没有很好的解决尺码匹配问题,虽然电商平台可以根据输入的身高体重去智能识别,但大众的身材比例还是有一定差距的。

而Dressika也仅仅是根据人像照片去进行风格搭配,并没有衣服尺码是否适配功能。

要成为一个真正的智能时尚“顾问”,在功能打造方面其实还有很大进步空间,目前看来,仅可以算作一个时尚“助手”,能够在特定场景下,提供从妆容到服装协调搭配的参考意见。

02 同质化产品增多,未来路在何方?

近几年电商在全球爆火带动了AI装扮这个赛道,虽然目前应用数量还不是很多,但已出现明显的同质化倾向,然而,跳出现有的思维框架,或许也可以找到一些机会点。像Dressika以色彩搭配为切入点的,可以将“顾问”一词放大,参考真人时尚顾问的工作内容,去上线对应的功能,如增加风格选择、搭配意见指导、及前文提到的尺码试穿等内容,真正承担时尚顾问的角色。

而与全面相对应的就是聚焦,专注垂直的去做某一细分功能,如AI发型,从可变换颜色到长短、发型等,不仅在功能上做到了精细化,还从区域市场上进行了扩展,受众群体从喜爱染发的人扩充到了在意发型的人。

另外,跳出现有功能,通过发散思维可以看到,除了衣服、妆容、头发还有美甲、美瞳、配饰等需要色彩搭配的美妆产品,虽然受众更加细分,但作为辅助的特色功能,也有机会去吸引用户。

总体来说,想要打造真正的AI时尚顾问,可优化和创新的内容还有很多。

从区域上来看,虽然当前这类应用的受众集中在欧美,但随着穿衣自由的风持续吹向亚洲,很可能在未来引领一股穿搭新潮流。

届时,人手一本电子“穿搭秘籍”,将又是一个崭新的蓝海市场。

04 结语

不能因为AI提供了固定模板,就失去个性化的自我。往小了说,穿搭是一种展现自我的时尚风格,往大了说,也可以是一种艺术体现。

或许从色彩理论来说,AI是对的,但潮流艺术从不应该被贴上对错标签,被束缚和限制。

从装扮这一赛道来说,AI提供的更多是建议,作为一种辅助手段,帮助人们找到适合自己的风格,通过更多功能开发和细节刻画,不断完善顾问这一形象。

作者丨周可 公众号:扬帆出海

本文由 @扬帆出海 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自 Pixabay,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务