在2013年，一麦肯锡的报告指出亚马逊销售收入的85％以上是由个性化推荐产生。此后，利用个性化推荐的增长。平均而言，如今的个性化推荐占零售网站收入的27％，根据一最近Salesforce的报告。
随着AI供电的推荐引擎的发展，最近的研究从翡翠的Insight还显示，推荐引擎正成为领域更常见时尚服装。
通过我们的研究，我们发现，目前的应用要求，让购物者扫描服装，鞋类及时装配饰，以获得衣柜建议。购物者还可以得到基础上，通过各种应用购买模式和装修要求的建议。
虽然一些建议发动机应用程序是独立的，其他应用程序，具有很强的隶属关系向灌木丛客户，可以集成到时尚品牌网站的零售商特定的移动应用程序。
下面，我们将重点介绍了各种特定的方式，推荐引擎，声称他们可以实施或明确整合到零售商的网站或移动应用。
随着基于颜色和图案的建议，我们也研究了一些推荐引擎，专注于尺寸，重量和形状。
我们已经打破这些应用程序分成以下两个集群：
- 个性化的风格建议：基于包括颜色，颜色图案或衣服的形状的因素。
- 对于配件的建议：一个引擎，号称表明恰当地安装服装及服饰，以及风格，使用后计算机视觉或客户购买数据，以检测一个人的身高，体重和体形。
通过本文，我们的目的是让读者深入了解上，声称能提高推荐过程和触发器更高的购买AI应用。
下面是快速的数据进行比较的六个应用，我们将在此交战记录讨论的表。为此，我们于公募基金，创始信息，以及如何应用程序处理的数据信息。
ñEXT，我们将通过以上各基于推荐的应用程序中，让读者每如何索赔，以帮助增加销售收入的详细说明。
款式个性化建议
Syte.ai
- 募集资金总额：$ 1010万
- 成立年份：2015年
- 总部：以色列特拉维夫
- 在职员工人数：33
目标用户（一个或多个）：购物者
数据的类型（一个或多个）进行处理：图片
估计数量当前用户：不明
Syte.ai是一个可视化搜索引擎，宣称提供的图像识别工具，大型时尚品牌和出版商能够融入他们的电子商务网站。购物者可以上传服装的照片到应用程序。类似的服装或配件，风格各异的那么Syte的深度学习算法搜索和呈现的图像。这些风格差异可能包括一个略微不同的剪裁服装的，还有另一种模式设计或颜色。
一旦顾客选择了看他们最喜欢的应用程序会搜索并提供从零售商的库存类似的项目。
Syte索赔提供了图像识别技术，零售商允许他们的用户从任何形象店。要开始使用该应用，用户去参与零售商的网站，并上传服装的照片或装备，他们喜欢使用集成的Syte工具。该申请要求其将利用深度学习和图像识别技术，零售商的库存中找到了相似的结果。Syte声称它打破了装成组件，允许用户购物的整个合奏。
一旦用户看到他们喜欢看，他们点击所选择的图像，并可以继续购买该零售商的库存中的相似项目。
Syte声称，它提供了另一种搜索功能，用户可以在拍摄服装的照片，该功能将使用深度学习算法搜索和呈现由有影响力的公共职位的饲料拍到穿着类似服装。
在案例研究Boohoo.com，总部位于英国的客户希望提高其用户的购物体验，同时推动业务增长。面临的挑战是实现对视觉驱动的方式部分，而不是文本搜索更自然的搜索方法。案例研究声称，他们也需要一个工具将参与千年和Z世代消费者。
在2017年9月，公司整合在其网站上Syte的拍照键可视化搜索，以及对产品的建议，叫店类似，并铺望转盘。根据该案例研究，为最近四个月的2017年集团总收入相比一个月前一年了近一倍，2018年达到了百万$ 308
自从实施这个应用，电子商务谭安德的号泣的主任，在案例研究中声称，他的公司实现利用“查看同类”功能比那些谁不从访客转换率增加了100％。案例研究还补充说，平均订单价值增长了12％，而在会议期间的平均网页浏览量数量增加了135个百分点。
根据该案例研究Boboo扩大了与Syte工作，并在添加社交媒体流的能力，这将让用户看到有影响力的穿着类似服装的过程。
除了号泣，公司还列出了INTU，Marks＆Spencer公司和科尔作为客户端。
赫尔格·沃斯博士，联合创始人兼CTO，是物理学的从莱茵弗里德里希·威廉安大学波恩，谁专门从事机器学习，深度学习和图像识别博士学位。截至马普核物理研究所10年的物理学家，他负责维护和运营的多元数据分析的机器学习包的工具包。
ViSenze
- 募集资金总额：$ 1400万
- 成立年份：2012
- 总部：加利福尼亚州旧金山
- 在职员工人数：88
目标用户（一个或多个）：购物者
数据的类型（一个或多个）进行处理：图片
估计数量当前用户：不明
ViSenze的按图搜索申请还要求使用图像识别关于各种产品的类别，如服装，珠宝，家具等。移动应用程序发现使用的物品的上传的图像或屏幕截图从实体店产品。对此，根据网站，消除了关键字搜索，有时可能需要更多的时间。
1分钟视频介绍了如何通过客户定义的文本搜索并不总是准确地描述产品。出于这个原因，ViSenze开发它声称比文本搜索更精确的自动可视化搜索应用程序。
ViSenze的客户优衣库希望提供在线客户提供更方便的产品搜索方法，这也将促进销售。案例研究声称，基于文本的搜索并没有帮助客户找到已经在该目录中存在的产品，造成的收入损失。
零售商实现的按图搜索的应用程序。通过图片介绍的搜索，优衣库也能够进一步推动其全方位渠道的做法，如店内购物者现在可以轻松地搜索相同产品线上。该公司报告说，这导致更高的转换率。在2016年，该公司报告收入超过$ 14十亿的收入，但是，没有其他数字或实施的日期是在案例研究发布，。
通过VISENSE提供的另一项视觉搜索应用程序调用外观相似的建议。它是由按图搜索，它建议类似项目的项目搜索时区分来自零售商的网站是脱销。
ViSenze的客户包括乐天和Zalora。
李光大，首席技术官兼联合创始人，导致计算机视觉，机器学习和信息检索的VISENSE。他获得了博士学位。在新加坡国立大学基于内容识别搜索。
FindMine
- 募集资金总额：$ 170万
- 成立年份：2014
- 总部：纽约，NY
- 在职员工人数：23
目标用户（一个或多个）：购物者
数据的类型（一个或多个）进行处理：图片，文字
估计数量当前用户：不明
FindMine是通过组合基于单一的产品，购物者购买了完整的装备使用机器学习提供产品指导消费者搜索引擎。
零售商可以将应用程序集成到自己的电子商务网站，在电子邮件，店内应用，销售的联营公司的平板电脑，或手机网站。
要使用该应用程序，用户输入搜索栏上FindMine装备电子商务网站类型的“碎花连衣裙”。他们还可以上传碎花裙的形象。发起搜索后，用户将看到匹配或相似的礼服的饲料。当一件衣服用户点击，产品细节将在在网页与产品的建议，可能与礼服的颜色和其他样式的图案顺利底部的“完整的外观”栏呈现沿。这些建议可以包括一对凉鞋，太阳镜或时尚耳环。
虽然网站搜索可能与颜色和图案搭配服装项目，FindMine还称，其软件还通过从零售商的照片拍摄或造型杂志衣柜的照片搜索结果来确定。在使用此应用程序的零售商约翰华费陶和米莉。
在下面的1分钟视频，联合创始人兼首席执行官米歇尔·拉赫介绍了AI如何工作找到匹配的裤子，鞋子和夹克基于以上传到应用衬衫的图像上。
该公司索赔购物者买的时候他们找到合适的项目，以配合时尚的产品更170％的项目。视频还设有斯科特力士，数字的副总裁兼电子商务约翰华费陶品牌，谁声称，期间讨论了与FindMine一个为期三个月的试验阶段。
根据案例研究，平均订单价值增长了70％以上，转化率增加了一倍，而收入增加了6％。在这3个月的试验，现场时间也增加了百分之107的学习笔记。
在公司内部，Marlies桑托斯迪斯是数据科学家。在此之前FindMine，她在IBM工作了六年。她得到她的硕士学位在计算机科学哥伦比亚大学，她专注于自然语言处理。
除了它的搜索推荐引擎，FindMine声称在仍然利用搜索引擎和完整的外观应用数字和店内渠道上提供给客户的营销支持其产品跟进。
在店内，FindMine提供数字显示，与完整的外观应用程序安装的，可以通过销售人员使用提出建议，以顾客的零售商。
该公司网站还指出，销售人员给出访问FindMine分析表明整个零售店最畅销的样子。该公司还声称，为个性化推荐提供“魔镜”或零售商店的地板触摸屏显示器零售商，或销售人员有可能在平板电脑这一信息，准备与客户分享。
例如，智能试衣间可以提供识别购物者穿着礼服的触摸屏显示器（装有计算机视觉相机）。这激活屏幕上的一个“完整的外观”选项。如果购物者按“开”，屏幕上将显示的鞋，珠宝，包和其他项目将补充的衣服的图像。这些图像是从零售商的目录访问，并进行策划，以提供有关物品，如大小，颜色，尺寸，价格等方面的购物者信息
要查看更多项目，购物者刷卡权。一旦顾客选择他们更喜欢的项目，该销售人员将从库存收集这些并交付到试衣间。
购物者的选择以及零售商所提供的服务将训练机器学习算法，看起来将继续通过色彩，图案，标题，描述，价格，性别和更多的分析它的建议。
这些参数由零售商提供，FindMine使用其内部的专业知识提出另外一个。最后一组处理参数都有零售商的祝福。图像处理在创造边看电子书零售商希望当前关键作用。有很多人工智能和大数据运算是发生在幕后提供这些选项给你的。
公司网站当购物者放弃自己的车没有完成，限购令个性化的电子邮件报告自动触发的后续最近在网上购买或。该模板的电子邮件包含风格指南，可能说服消费者网上购物者回到零售网站并完成购买。
任何情况下，研究或演示视频可以在关于发现店内销售或“完整的外观”数字试衣室。
推荐引擎的配件
3DLOOK
- 募集资金总额：$ 140万
成立年份：2016
总部：加利福尼亚州旧金山
在职员工人数：32
目标用户（一个或多个）：购物者
数据的类型（一个或多个）进行处理：图片
估计数量当前用户：不明
扫描人工智能服装（SAIA）完美匹配是小工具开发了一个电子商务3DLOOKŤ帽子索赔建议基于购物者的身体大小和形状的衣服。该应用程序使用培训与3D模型匹配2D图像的自己的计算机视觉扫描技术。按照3DLOOK网站，窗口小部件有一个错误的两英寸的余量精密98％的。
该应用程序集成到零售商的电子商务网站或移动应用，其中购物者会被要求上传二个全身的照片480х640和2000х4000之间的最小分辨率小部件，然后选择自己的身高和性别。SAIA声称它然后测量购物者的身高和其他统计信息来确定衣服尺寸。然后，它声称它可以开始暗示的衣服。
在这个3分钟的视频，3DLOOK CEO兼联合创始人瓦迪姆Rogovskiy说明该公司如何训练神经网络，实现该技术检测和测量人体。
他声称，算法被训练在包含200000个体图像数据集，以达到98％的精确度。
该技术现已集成到Koviem网站，该网站声称的收入增长了20％归因于3DLook应用。还装修称，约30 Koviem的客户百分之使用该软件推出以来。不包括在本案例研究的数字或实施时间的进一步细节。
3DLook也被刊登在埃森哲在米兰的零售，时尚和消费品行业的创新中心拉特月2017年据该公司介绍，SAIA是埃森哲客户创新网络时尚讲习班的一部分。
CTO伊万Makeev是该公司的研究科学家，谁领导的算法，计算机视觉，深度学习进步，和其他AI。他毕业于圣彼得堡国立大学的计算和应用数学博士学位。
真正适合
- 募集资金总额：$ 1.124亿
- 成立年份：2010
- 总部：马萨诸塞州波士顿
- 在职员工人数：51-100
目标用户（一个或多个）：购物者
数据的类型（一个或多个）进行处理：文本，购物交易
估计数量当前用户：55+百万
置信引擎是由零售商开发了一套“真正适合基因组”工具的一部分真正适合。真正适合宣称，这机器学习推荐引擎可以给用户规模的指导和帮助他们购买衣服从零售商店的客户的最佳选择。
当客户开始浏览上真正适合零售客户的网站和点击，扩大产品的一个，他们会看到一个真正的适合图标。当他们点击它，他们将看到一个真正适合窗口中打开他们做一个真正的适合尺寸轮廓，其提示。从那里，他们可以在详细的尺寸信息添加到创建一个配置文件，或者产生一个最近购买数据，他们可能有与零售商。
If the user shops on the retailer site they started on, or another retailer client’s site while logged into True Fit, they will be able to see a fit rating showing how well of a fit the clothing item might be, generated by data from their size profile, shopping history and similarly sized shopper reviews. The True Fit widget can also show the customer other clothing recommendations based on what it indicates might be the best fit.
按照网站, the application’s algorithms are informed by the user’s measurements and past purchases, as well as 600 million style attributes and 130 million consumer profiles to return the best fit rating (a 5-point scale of sizes) and size recommendation for a specific garment or shoe.
正如下面所示的视频，购物者开始通过第一创建包括详细信息，例如身高，体重，身体形状，服装尺寸和风格的偏好简档使用的应用程序。
该网站还指出，如果他们以前做了从零售商的网站购买购物者不需要创建于零售商的电子商务网站上的个人资料。一旦创建了配置文件，应用程序的AI将访问连接零售商的数据库，并建议项目适合于顾客的规格。
ASICS面临着恰当地安装客户不断增长的问题。零售商实现其整个数字商业沟道，案例研究报告，立刻使客户合身建议真正适合的应用。案例研究报告说，在ASICS转换自实施真正适合实现增长超过150％的。这项研究，但是，并没有注明的一段时间这个覆盖或进一步的收入数字。
除了阿西斯，真正适合声称它拥有超过200个客户，包括世界各地的凯特铲，GUESS，Under Armour公司，Cole Haan公司和SAUCONY。在一月份，该公司报告超过5500万个用户。
克里斯托弗·穆尔为True飞度的首席分析官，并导致算法建模。他从麻省理工学院获得了物理学博士学位。
秘密调料合作伙伴飞度预测
- 募集资金总额：不明
成立年份：2010
总部：旧金山
在职员工人数：35
目标用户（一个或多个）：购物者
数据的类型（一个或多个）进行处理：文本，购买历史
估计数量当前用户：40000000
飞度预测， 由...制作秘密调料合作伙伴，是人体测量应用程序，使用客户的购买历史来开发其，该公司称，与数据增长为用户不断购物的合身概况。
该公司称，该应用被集成到零售商的网站，并开始要求客户先回答关于他们一般大小的三个问题的调查，然后才能使用它。飞度预测称这一数据和客户的购买行为结合起来，继续改进他或她的个人资料。
然后，将部件从零售商向他们展示服装的建议，这与他们的装修需求的匹配。他们还可以点击自己感兴趣的服装项目，并看到一个提示说，其规模将是基于特定garmant的细节最适合的。
虽然我们无法找到适合预测，下面的注释图像的融合是如何显示出其衣服尺寸将是在零售商网站的特定产品最适合的一个演示：
来源：飞度预测同样为True飞度，客户无需在零售商网站上的个人资料仍然可以根据公司提供的基于其与其他品牌的大小服装建议。
该公司还声称，它拥有40万个活跃用户每月70万人配合轮廓，并且平均有7000级支持的品牌的产品属性进行每秒320点大小的建议。
一个搜索公司网站和互联网没有透露的个案研究，但公司名单Bloomingdale的，萨克斯第五大道，巴尼的纽约和Nordstrom都是其客户之一。
扬Kasampalidis，该公司的首席科学官，获得博士学位电气工程华盛顿大学。我们无法找到一个强大的AI背景的领导的另一名成员。
总结思考
虽然我们已经看到AI的强劲增长营销，编目和生产服装，这项研究表明，AI建议是另一个共性。
虽然一些应用要求基础上利用计算机视觉风格，颜色或影响者照片推荐。别人都在用这种技术基于大小或配件推荐，店内的人试衣间助手相似。
这些应用程序，这一切似乎都高的经费和侯爵的客户提供的网站进行整合，如小工具或可添加到自己的电子商务应用可定制的功能。许多应用程序都还较大，较高的中资公司创建更小的特点，真正飞度的信心引擎，秘密调料的拟合预测和3DLOOK的SAIA完美契合的情况。
公司这些应用背后似乎也宣称的建议，如那些完全看或提供装修建议，在购买产品时，将提高客户的信心。
许多这样的应用程序，如飞度预测和信心引擎，声称他们继续监视顾客和发展他们的偏好档案作为一个人的商店。然而，这些应用程序中的数据从他们的侯爵客户池运行，而不是只从一个零售商网站的具体数据。同样热衷于使用这些功能的购物者并不仅仅限于访问它们在一个零售网站。
While a shopper might engage with these fit recommendation features on one retail site, which may lead to a purchase, these applications could also continue to track data and give similar recommendations when the customer purchases clothing from other retail clients who’ve added these recommendation engines.
标题图片来源：人物周刊
