Читайте новини і аналітику про ритейл та e-commerce в Україні на нашій сторінці в Facebook, на нашому каналі в Telegram, а також підписуйтеся на щотижневу e-mail розсилку.
Украинский стартап Cluise создал приложение, которое само подбирает пользователю одежду в магазине
ain.ua
Команда Cluise уже больше года разрабатывает приложение — «умного» стилиста для шоппинга. Стартап получил инвестиции от Дмитрия Сергеева, основателя Depositphotos, а также попал на страницы Washington Post. Команда выпустила большое обновление своего приложения для iOS и Android, которое теперь умеет само подбирать пользователю одежду из ассортимента в магазине, при этом ее сразу можно купить. В связи с крупным обновлением разработчики опубликовали приложение на Product Hunt. Об этом пишет AIN
Раньше приложение могло анализировать стиль пользователя на основе загруженных фото одежды, рекомендовать то, что подойдет к персональному стилю, советовать продать то, что пользователь редко носит, создавать ежедневные образы, в том числе — на основании и погоды за окном. Когда пользователь начинает пользоваться приложением и нажимает на кнопку «Одень меня», Cluise предлагает базовые образы. Но когда владелец смартфона начинает добавлять свои вещи и луки, приложение учится подбирать новые комбинации под его стиль и вкус.
После обновления приложение научилось подбирать вещи из магазине — сейчас стартап сотрудничает уже с 25 украинскими магазинами, где продаются вещи украинских брендов (Podolyan, Kachorovska и т.д.). Эти рекомендации базируются на загруженных фото одежды, а также истории лайков этих фото. Понравившуюся одежду пользователь может купить прямо из приложения. Появилась и функция виртуальной примерки: она показывает, с какими вещами из собственного гардероба покупка лучше сочетается. Процесс подбора выглядит так:
Все эти «фишки» работают на машинном обучении, как рассказывает Кирилл Трусковский, machine learning software engineer. «Для распознавания вещей мы используем Convolutional neural networks и на данный момент достигли точности 89%, это очень хороший результат. Для системы рекомендаций мы используем content based recommender — предлагаем пользователю вещи основываясь на том, что у него уже есть и что ему нравится», — говорит он.