Это похоже на магию: вы открываете приложение любимого бренда, а там — подборка вещей, которые словно сшиты для вас. Та самая юбка идеальной длины, свитер в вашем фирменном оттенке и джинсы кроя, который вы носите чаще всего. Никакой случайности. Пока мы ищем свой стиль, алгоритмы уже давно составили его цифровой портрет, проанализировав каждый наш клик, каждую покупку и даже то, как долго мы смотрели на вещь, но не купили. Как бренды научились быть нашими личными стилистами через большие данные и где проходит грань между заботой о клиенте и цифровым следопытством?
Анастасия Вьюгина, Lamoda
Бренды персонализируют рекомендации и поиск на основе кликов, добавления в избранного и поведения похожих пользователей. Однако они не персонализируют сам стиль образов: у них есть свой ДНК, который они хотят транслировать.
Как бренды используют данные прямо сейчас:
— Чтобы максимально попасть в запрос пользователя, бренды опираются на прогнозы трендов. Из-за длинных производственных цепочек гигантам уровня Adidas, Zara, Calvin Klein приходится планировать коллекции на год вперед — для этого они покупают аналитику с горизонтом на 1–3 года. Маленькие бренды подстраиваются быстрее: им достаточно 2–3 недель, чтобы оперативно подхватить микротренд. Вот вам и секрет, почему леопардовый принт появляется сразу у всех 😉
— Сбор образов тоже можно выстроить на основе данных, и вот как это происходит:
1. Формируется датасет для обучения модели: изображения от стилистов, стильных луков из Pinterest’a, данных о предыдущих покупках
2. Задаются правила сочетаемости вещей: чтобы алгоритм не предлагал в одном образе футболку + платье + шляпу.
Но в автоматизации есть риск, что потеряется та «импозантность» образа. Поэтому чтобы не потерять свою идентичность, большинство брендов до сих пор собирают каждый лук к товару вручную.
Инна Алексеева, генеральный директор коммуникационного агентства PR Partner
Fashion-бренды научились читать модные привычки своих покупателей почти так же хорошо, как персональные стилисты. История покупок, любимые цвета, привычные силуэты, размеры и даже вещи, которые так и остались в избранном, помогают собрать подборку, которая выглядит удивительно точной. Алгоритмы научились считывать стиль человека. Кто-то неизменно выбирает минимализм и спокойные оттенки, кто-то коллекционирует яркие акцентные вещи, а кто-то обновляет гардероб исключительно перед отпуском или новым сезоном. Все эти детали складываются в персональный модный портрет, благодаря которому в рекомендациях появляются именно то, что легко представить в собственном гардеробе.
Персонализация работает не только на удобство, но и на вдохновение. Вместо длинной ленты товаров покупатель получает готовые сочетания, о которых мог даже не задуматься самостоятельно. Покупателям все больше нравится ощущение, что бренд знает их вкус, понимает привычки и предлагает образ, который действительно хочется примерить.
Тим Зинин, управляющий партнёр компании «Зинин, Штурбин и партнёры»
Алгоритм персонализации читает историю покупок как анкету. Размеры, палитра, силуэты, ценовой коридор, ритм покупок — из этого складывается профиль предпочтений клиента.
Дальше работает простая механика: сужение выбора. Из сотен позиций каталога алгоритм отбирает короткий список под конкретный профиль за секунды. Такая механика — типовой заказ в моей нише: подбор автомобиля, подбор недвижимости, витрина каждый раз своя, а она повторяется.
Тут важна честная граница между алгоритмом и человеком. Рекомендация остаётся гипотезой. Финальное решение «моё» или «чужое» человек принимает сам, алгоритм только экономит время на переборе вариантов.
И у механики есть слабое место. Она хорошо ловит повторяющиеся паттерны в поведении клиента и плохо справляется с резкой сменой стиля. Когда человек меняет образ жизни, история покупок начинает врать о нём, и точность рекомендаций падает.
