Hvis du var i tvivl om, hvor populært computer vision er blevet som markedsføringsværktøj, behøver du blot at se på modebranchen selv.
I løbet af de seneste år har modebrands og detailhandlere i hurtigt tempo indført løsninger baseret på computervision. Og i betragtning af, at mode er en global industri til en værdi af 2,4 billioner dollar, har disse brands og detailhandlere potentialet til på sin side at transformere computervision – for computervisionsapplikationer, der fungerer i stor skala i en sektor så stor som modebranchen, som i forvejen er meget visuel, vil sandsynligvis også vinde indpas i andre sektorer. Her er fem banebrydende eksempler på, hvordan computer vision forandrer modebranchen i dag:
1) SHOP PÅ DIN EGEN PERSONLIGE VIRTUELLE MODEBOULE
Lige i tide til efterårets modeshows har mærket Tommy Hilfiger opdateret sin TommyNow Snap-app, så den nu kombinerer billedgenkendelse og augmented reality (AR) for at skabe en smart og fordybende mobil shoppingoplevelse. Ser du et Tommy Hilfiger-outfit eller et produkt i en butik, i en annonce eller måske endda på et catwalk-billede? Tag et billede af det med appen, og TommyNow giver dig mulighed for at købe det online (på Tommy.com) eller gemme det i dit eget look-book – og du kan også bruge AR med computer vision til at lade din valgte avatar vise looket frem på din egen virtuelle catwalk. Se en kort YouTube-demo her.
Konsekvenserne for markedsføringen: Hvis fremkomsten af e-handelswebsteder betød, at man kunne handle hvor som helst, så betyder computervision og AR, at verden omkring dig bliver et sted, hvor man kan handle, og i sidste ende kommer til at ligne en butik mere og mere, selvom du ikke rent faktisk befinder dig inde i en fysisk butik. Det samme gælder for e-handlere; produkter behøver ikke længere at være »fanget« i to dimensioner i form af et produktbillede på en hjemmeside – en ny (virtuel) virkelighed, der har konsekvenser for markedsførere af alle slags produkter, ikke kun de modebevidste.
2) ET VIRTUELT »SNEAKER-LANCERING«
For millioner af mænd i millenniumgenerationen er sneakers mode. I løbet af sommeren lancerede Nike en ny funktion baseret på computervision og AR i sin iOS-app SNKRS, der giver brugerne mulighed for at »låse op« for chancen for at købe Nike SB Dunk High »Momofuku« – et samarbejde med den berømte restauratør (og livsstilsikon) David Chang, hvis fans går under navnet »Changheads«. Som Complex rapporterer, blev brugere af SNKRS-appen bedt om at rette deres telefonkamera mod menukortet på Changs restaurant Fuku i Manhattan eller mod Nike-plakater, der var sat op uden for Momofuku-restauranter i amerikanske byer, herunder Washington, D.C. og Las Vegas, hvilket fik et 3D-billede af sneakersen til at dukke op sammen med muligheden for at købe den.
Konsekvenserne for markedsføringen: Den AR-understøttede »sneaker-drop« tilføjede ikke blot et oplevelsesmæssigt element til det, der ellers kunne have været en almindelig e-handelstransaktion, men den hjalp også Nike med at få Momofuku-sneakersne ud i hænderne (og på fødderne) på rigtige fans i stedet for opportunistiske videresælgere. (Der er opstået et stort sort marked omkring videresalget af »kicks« i begrænset oplag.)
3) MODETRENDS FORKLARET – I STOR SKALA
Hvordan finder man ud af, hvad der egentlig foregår inden for mode – altså, hvad folk rent faktisk går med? Modemagasiner giver selvfølgelig kun et ufuldstændigt billede. Den voldsomme vækst i streetstyle-blogs og Instagram-feeds er nyttig, men i sidste ende overvældende. Her kommer computer vision ind i billedet, som det anvendes af forskere ved Cornell University, der i sommer offentliggjorde en undersøgelse med titlen»StreetStyle: Exploring world-wide clothing styles from millions of photos«.Et specialudviklet neuralt netværk til computervision blev trænet på 15 millioner fotografier, der var uploadet til fotodelings-tjenester og sociale medieplatforme, og lærte i den proces at registrere alt fra skjorters ærmelængde til buksernes farve. Dermed leverede det på blot få timer den slags indsigt, som selv en hær af fashionistas, der i månedsvis gennemsøgte The Sartorialist og lignende online-tjenester, ikke kunne finde.
Implikationerne for markedsføringen: Som hovedforskeren Kavita Bala, professor i datalogi ved Cornell University, forklarer: »Ved hjælp af disse registrerede egenskaber kan vi derefter udlede visuelle indsigter. For eksempel: Hvor i verden er det mest almindeligt at bære hatte? På hvilken tid af året? Hvilke farver er mest populære om sommeren sammenlignet med vinteren?“ Med andre ord kan computervision anvendes til i stor skala at finde ud af, præcis hvad folk har på, og hvornår – hvilket hjælper producenterne med at tilpasse udbuddet til den faktiske efterspørgsel, optimere de sæsonbestemte produktlanceringsplaner og indsamle konkrete data om modeprodukternes livscyklus.
4) FÅ ET INDBLIK I, HVAD KONKURRENTERNE I MODEVERDENEN HOLDER PÅ MED
På samme måde bruger det London-baserede, modeorienterede detailanalysefirma Edited også computervision til at »se« på tøj – men på en meget strategisk og konkurrentfokuseret måde. Edited anvender Google-lignende webspiders til dagligt at gennemgå e-handelssiderne hos tøjmærker og detailhandlere over hele verden, hvor de læser og indsamler visuel information fra billeder for via maskinlæring at indsamle og analysere hundredvis af datapunkter (alt fra farve og snit til lanceringsdatoer og konkurrenter) om et specifikt produkt.
Konsekvenserne for markedsføringen: Kunder i modebranchen kan derefter bruge systemet til at få et realtidsbillede af konkurrencesituationen. De kan for eksempel med det samme finde ud af gennemsnitsprisen for stort set alle røde kjoler, der sælges online i USA, hvordan produkter som disse kjoler udvikler sig over tid (f.eks. når kjolelængden bliver længere eller kortere), og hvornår nye versioner lanceres og udgår af sortimentet. For modehuse og andre aktører betyder det, at gætteriet om, hvad der rent faktisk er tilgængeligt på markedet på et givet tidspunkt, er slut.
5) BRUG AF COMPUTERVISION TIL AT »SE«, HVAD DU KAN LIDE, ØNSKER OG HAR BRUG FOR
Endelig kan man på et mere personligt, én-til-én-niveau se på Amazons integration af computervision i sin serie af Echo-digitale assistenter i form af Echo Look. Enheden bruger sit indbyggede kamera til at fungere som en virtuel stylist og tilbyder en blanding af algoritmisk og konkret rådgivning fra en menneskelig stylist om, hvilket tøj man skal tage på, efter at man har ladet den tage billeder af sig selv (derefter anbefaler den selvfølgelig nye køb baseret på ens eksisterende garderobe).
De markedsføringsmæssige implikationer: Der er endnu ikke faldet en endelig dom over Echo Look – enheden har været på markedet i mindre end seks måneder, og Amazon offentliggør ikke salgstal for sin Echo-serie. Det er heller ikke klart, hvordan kombinationen af AI og menneskelige stylister præcist fungerer sammen, men det er sandsynligvis en del af den overordnede træningsproces (de menneskelige stylister vil også rette eller bekræfte, når AI’en træffer et dårligt modevalg). Uanset hvad er det let at forestille sig, hvordan shoppingassistenter baseret på computervision, som Look, snart kan blive taget i brug på tværs af alle mulige produktlinjer ud over tøj. Ideen her er utrolig stærk: Hvis mærker kan bruge computervision til at »se« og forstå deres kunder én for én, vil de have mulighed for virkelig at skræddersy markedsføringen til – helt bogstaveligt talt – den enkelte person.
