一、项目背景
AI赋能服装设计师，设计好看、好穿、好卖的服装
传统服装行业痛点
• 设计师无法准确捕捉市场趋势，抓住中国潮流
• 上新周期长，高库存滞销风险大
• 基本款居多，难以满足消费者个性化需求
解决方案
• GPT+数据洞察，快速反应市场时尚流行趋势
• 柔性快反+数智化供应链，降低库存成本
• AIGC，降低设计门槛，人人都可以是设计师
二、方案介绍
• 传统服饰设计方案：设计师根据经验直接出图——好看、好穿
• 设计师+diffusion：AIGC海量出图，设计师选图——好看
• 新视界设计：畅销服装版型+潮流图样，设计好看、好穿、好卖的服装
三、技术突破
畅销服装版式数据库构建
• 自研服装识别模型对服装图片进行多模态智能分析，提取服装图片的纹理、面料、廓形等多维度版式信息，结合服装销售评论数据，构建服装版式数据库
生成个性化服装图片
• 基于自研架构tailor diffusion根据服装版式信息将语义信息映射到视觉隐空间，通过多个维度的版式特征控制生成指定款型的服装设计图
模特着装展示
• 特征空间融合服装、模特图片信息，将个性化服装穿着在模特身上，直观展示定制服装模特试穿效果
畅销服装版式向量库构建
• logo属性根据用户特征智能定制：通过大量用户的营销数据，将logo的底板颜色、大小、位置、形状等属性映射到隐空间中
• 根据用户的特征信息对原始logo特征加入属性法向量进行偏移，得到符合用户的logo属性信息
同时衣服版型也可智能定制
• 数据库里，有服装图片，服装对应的版型标签，服装的销售数据，评论数据或是流行趋势数据
• 使用数据库是利用copilot，设计师提出设计产品的诉求，大模型来抓取数据库里的畅销/潮流服装版型标签，生成提示词喂给diffusion
四、落地实践
C2M用户增长策略和效益进行细化:
C2M用户增长策略
1. 加强网站/APP的互动性
- 提供多样化的设计模板、色彩搭配方案,供用户选择
- 允许用户上传自己素材图案,进行二次创作
2. 引入社交功能
- 用户可以把设计作品发布到社区,其他用户可以点赞、评论
- 实现与其他社交软件的API对接,方便用户分享
- 举办最佳设计奖等活动,提高用户参与度
3. 开展定期优惠活动
- 为鼓励定制下单,可提供限时减价、积分优惠等
- 活动锁定特定用户群,如新用户、活跃用户等
- 与节日、商场推广等活动结合
4. 建立线下体验店
- 在商场等关键地点设置体验店,用户可以实景体验定制
- 店内设置互动屏,用户可扫码继续APP上的设计
- 销售人员可即时反馈用户需求,提升定制准确性
C2M模式效益
1. 对生产商
- 减少因预测错误造成的钱资金积压和商品滞销风险
- 提高生产效率,按订单快速生产,缩短交付时间
- 获取用户定制数据,优化设计和生产
2. 对消费者
- 实现个性化设计,展现自我风格
- 参与社区互动,获得设计 inspirations
- 成为KOL,获得更多关注和认可
- Ordered 小批量产品,优惠且独特
综上,通过丰富定制模板、社交营销、线下体验等策略，C2M可以有效增长用户并实现双赢。
效果展示：
作者：京东科技 刘宗恺
来源：京东云开发者社区
