[AI工具宝典]AI服装定制可行吗？.pdfVIP

衣、食、住、行四个基本生活需求中，后三者已经与线上结合地非常好，发展迅速。衣服

由于线上APP无法满足衣服“贴合、舒适”的特殊需求，消费者的消费方式依旧倾向于

线下试穿。主要依赖线下零售方式的服装行业在互联网风暴下艰难前行，是时候寻求一场

变革了。

市场分析

从百度搜索指数上看，“服装定制”关键词在PC（平均：91）端逐渐转移至移动端（平

均：143）。从移动端搜索数据来看，低峰值主要在周末，可以猜测用户行为大致为工作

日通勤时间或其他空余时间会浏览服装定制相关内容，但是在周末用户更偏向线下消费或

者花时间在社交上。用户在周末的自由可支配时间更多，由此可见服装定制的市场目前还

是更倾向于线下服务。

从“服装定制”关键词的移动端搜索同比和环比来看，人们对于“服装定制”的关注度在

降低，可见服装定制比较小众化，市场缺乏活力，规模较小。

百度指数，2020.6

百度指数，2020.6

从搜索相关词的词云中可以找到几个重要的类别。

第一类为需求：T恤、成衣、西装、工作装、校服、男装、创意、知性优雅等。

第二类为竞品：帮客、码尚定制、得力佳。

从中，我们找到了一个与主题相关的一家公司——码尚定制。码S是2016年成立的一家

AI轻定制服装公司，提供人体智能测量方案，致力于提供人体智能测量方案，让C端产

生大规模的个性化且精度高的服装定制，为中国男人创造购买途径方便、合身体面又性价

比超高的轻定制服装，帮助中国男性更好的建立形象管理。

百度需求图谱，2020.6

从目前服装定制的需求上来看，主要以T恤、工作装、校服为代表的团体定制、低端定制

，而高端定制、创意定制等需求较少。

从2018年的淘宝数据来看，目前成本较小的团体定制占到88.55%，但是随着人民消费

水平的提高、对外表精致化的追求，创意、高级、专业的服装定制必然将会成为趋势，所

以高端私人服装定制则为此行业缺口。

中国产业信息网，2020.6

从我国服装定制市场规模走势图上来看，服装定制的市场份额逐渐扩大，呈正向趋势。

中国产业信息网，2020.6

运用SPSS对该数据进行回归预测，将年份作为自变量，而将份额作为因变量进行线性回

归分析，得出结论：模型R方值为0.977，意味着年份可以解释份额的97.7%变化原因。

对模型进行F检验时发现模型通过F检验(F=214.343，p=0.0000.05)，也即说明年份

一定会对份额产生影响关系，以及模型公式为：份额=-351072.460+174.705*年份，通

过该公式预测2020年服装定制规模达到1832.361亿元。

SPSS回归分析

我们就线上服装定制来做一个SWOT分析：

技术分析

AI量体

AI量体目前是服装行业运用最广泛的技术之一，但是技术壁垒仍存在。比如，“衣呼”的

量体功能是它的亮点，但是当用户去用的时候，会发现图片识别成功率不高。

AI可以用于量体的主要技术分解为目标定位+骨骼点定位两步，运用的主要是YOLO系的

算法和R-CNN系算法，前者效率更高但是不代表准确率高，目前在MSCOCO数据集上

最好的效果仅有72.6%，还有待改进。

AI量体不够准确的原因之一是数据库的匮乏导致模型的精确度较低。因为数据标注人力工

程量大，已标注的数据集较少，使模型还不足以精确定位。所以如果公司可以构建自己的

标注数据集，是提高量体技术的关键。

个性化优化

个性化推荐可以拆解为聚类和排序两个问题，数据集来源于用户上传的量体照片、头像、

身体数据等。可以运用聚类对用户的服装类型对同类型用户提供同类用户推荐。但仅仅这

样的功能，很多电商依赖庞大的用户数据库已经做得很好。而服装零售的本身获客成本过

高，此类APP又缺少知名度，用户数据过少，所以有一部分产品依赖电商生存。

如果AI服装定制想从中求得生存，可以考虑精细化推荐功能。只针对“同类”用户提供

“同类”甚至“同版”服饰，有撞衫的槽点。所以AI服装可以聚焦于用户的身材、皮肤

等去精准定位匹配，推荐完全个性化的搭配，同时结合机器学习可以做到的流行趋势和销

售预测进行个性化推送。

值得一提的是，目前的产品推送都过于泛滥和粗糙，大多数推送无法抓住用户的心，大多

数用户甚至采用关闭推送的措施。

个性化智能服装设计也是个性化