Экспертные заключения: 0
Консультации: 0

Создание ИИ-сервиса подбора одежды по цветотипу и типу фигуры с виртуальной примеркой

«Создание ИИ-сервиса персонального подбора одежды по цветотипу и типу фигуры с виртуальной примеркой образов»

Проблема

При выборе одежды люди покупают наугад: возвращаемость онлайн-заказов в сегменте одежды достигает 25–30%, значительная часть возвратов — из-за несоответствия вещи фигуре и ожиданиям. При этом базовые инструменты персонализации — цветотип и тип фигуры — известны десятилетиями, но их определение требует консультации стилиста от 5 000 ₽ за час или самостоятельного изучения теории. Существующие цифровые сервисы закрывают лишь часть цикла: маркетплейсы дают виртуальную примерку только внутри своего каталога, приложения цифрового гардероба не ведут к покупке, ИИ-боты разового разбора образа не запоминают пользователя. Полного цикла «понять свою внешность → подобрать → примерить → купить» на рынке нет.

Решение

ИИ-сервис, который работает как личный стилист в телефоне:

  1. Пользователь загружает фото или указывает параметры внешности — компьютерное зрение определяет цветотип (по цвету волос, кожи, глаз) и тип фигуры.
  2. Пользователь выбирает: повод (свадьба, собеседование, свидание, повседневность), бюджет и предпочитаемый стиль или тренды+доп выбор:сезон, образ жизни
  3. Рекомендательная система выдает вещи с учётом цветотипа, типа фигуры и бюджета, а также собирает готовые образы из каталогов партнёров — маркетплейсов, магазинов и коллекций молодых дизайнеров.
  4. Каждый образ примеряется на фотографию пользователя с помощью генеративных моделей — до покупки видно, как вещь сидит именно на нём (в дальнейшем возможно использование 3D-модели)
  5. По выбранной вещи выводятся описание, размерная сетка (подходящий указывается), артикул и ссылка на покупку у партнёра.
  6. Дополнительный модуль «цифровой гардероб»: пользователь загружает свои вещи, сервис разбирает гардероб — что ему подходит, что сочетается, чего не хватает, какую капсулу и чем достроить, — снижая необдуманные покупки.
  7. Рекомендации дополняются советами по цветовой гамме, причёске и макияжу в рамках определённого типажа.

Целевая аудитория первого сегмента

Женщины 20–45 лет, которые готовятся к событиям (свадьбы, выпускные, корпоративы, свидания) и хотят собрать образ под конкретный бюджет без стилиста. Это сегмент с выраженной болью (цейтнот + страх «не подойдёт») и подтверждённой платёжеспособностью. Валидация спроса проводится опросом (уже запущен) с последующим анализом результатов.

Уникальность и отстройка от конкурентов

  • Маркетплейсы (Lamoda, Wildberries, Яндекс Маркет) имеют примерку, но показывают только свой ассортимент и не учитывают цветотип и тип фигуры при подборе.
  • Сервисы цифрового гардероба (Tidy, Sartora, YeetStyle) работают с уже купленными вещами и не ведут к покупке.
  • ИИ-сервисы примерки (Dressie, Looksy, ruGPT TryOn) — это технологии без персонализации и без канала покупки.
  • Живые стилисты — дорого (от 5 000 ₽) и не масштабируется.

Наше отличие — агрегаторная позиция «слой поверх всех магазинов»: сервис нейтрален к площадкам, показывает лучший вариант по всей доступной витрине и единственный делает ставку на поддержку молодых дизайнеров, которые получают бесплатный канал дистрибуции к целевой аудитории.

Технологический стек и реализация в MVP

  • Определение цветотипа и типа фигуры — модели компьютерного зрения, дообученные на открытых датасетах + правила экспертной логики (12 цветотипов, 5 типов фигур).
  • Рекомендательная система — векторное представление товаров (описания, изображения, атрибуты) + фильтры повода, бюджета, стиля; ранжирование по совместимости с типажом.
  • Генеративная примерка — интеграция существующих диффузионных моделей (в MVP — на фотографиях пользователя, без 3D-рендера).
  • Каталог товаров — партнёрские API и партнёрские программы маркетплейсов; база дизайнеров формируется вручную на первом этапе.
  • Архитектура закладывается с учётом 152-ФЗ: явные согласия на обработку фотографий, хранение данных на серверах в РФ, функция полного удаления профиля.

Бизнес-модель

Freemium-подписка: несколько видов подписки в зависимости от функционала.
Второй канал — партнёрские комиссии (CPA/CPL) с маркетплейсов и магазинов за переходы и покупки. Третий (стратегический) — комиссия с дизайнеров за продажи и платные B2B-интеграции виджета примерки для брендов.

Рынок

Рынок онлайн-торговли одеждой в России — более 1,5 трлн ₽ в год, ежегодный рост двузначными темпами; возвращаемость и спрос на персонализацию создают нишу для сервисов снижения «риска покупки». Целевой сегмент (женщины 20–45 в городах-миллионниках, активные онлайн-покупатели) — миллионы человек, ближайшая цель — доля в 1% сегмента за 2 года.

План на 12 месяцев

1–3 мес — MVP: загрузка фото, определение типажа, подбор образов по каталогу партнёра, фид с артикулами.
4–6 мес — интеграция 5–10 молодых дизайнеров, модуль цифрового гардероба, запуск freemium.
7–9 мес — генеративная примерка на фото, публичный запуск, первые 1 000 пользователей, метрики конверсии в подписку.
10–12 мес — итерации по обратной связи, вывод в устойчивый рост, подготовка посевного раунда или заявки на следующий этап поддержки.

Риски и их снижение

  • Конкуренция маркетплейсов → нейтральная агрегаторная позиция и ниша дизайнеров, куда маркетплейсам заходить невыгодно.
  • Качество генеративной примерки → старт с примерки на фото (проще и надёжнее 3D), отбор моделей по метрикам фотореалистичности, обратная связь пользователей.
  • Правовые риски обработки фото → компетенция команды в праве, соответствие 152-ФЗ с первого дня, прозрачные согласия.
  • Дефицит компетенций ML → участие в акселераторе ЛЭТИ для закрытия экспертизы и найма.

Ссылка

На страницу проекта

Направление

IT, Креативные технологии и индустрия развлечений

Рынки

TechNet

Сквозные технологии

Искусственный интеллект, Нейротехнологии, технологии виртуальной и дополненной реальностей