Как открыть хостел | HowToHostel Как открыть хостел … 
Примерка очков онлайн по фото
Наша виртуальная примерка позволяет вам выбрать очки онлайн, просматривая сайт, легко увидеть, какая из оправ лучше вам подойдет.
ИНСТРУКЦИЯ — КАК ПОЛЬЗОВАТЬСЯ ВИРТУАЛЬНОЙ ПРИМЕРКОЙ?
У КАЖДОГО ТОВАРА В ОПИСАНИИ есть кнопка ОНЛАЙН ПРИМЕРКА. Просто выберите оправу в КАТАЛОГЕ , войдите в описание и нажмите ОНЛАЙН ПРИМЕРКА, как показано на фото.
Вы можете использовать уже загруженное фото для быстрого просмотра или загрузить свое фото, чтобы увидеть форму оправы на своем лице.
Ваше фото должно быть с ровным положением головы, чтобы оправа села правильно.
Вы можете сохранить любые изображения из примерки, которые вам нравятся, используя меню, чтобы сравнить себя в разных оправах.
Совет: после того, как вы сделали селфи или нашли хорошо освещенную фотографию в портретном стиле, идеально подходящую для использования в виртуальной примерке, сохраните ее на рабочем столе или в галерее для будущих посещений сайта.
ВАЖНО! ЧТОБЫ ИСПОЛЬЗОВАТЬ ВСЕ ВОЗМОЖНОСТИ СЕРВИСА ОНЛАЙН ПРИМЕРКИ СЛЕДУЕТ ЗАХОДИТЬ К НАМ НА САЙТ ЧЕРЕЗ БРАУЗЕР, А НЕ ПО ССЫЛКЕ В ИНСТАГРАМ, Т.К. ИНСТАГРАМ УРЕЗАЕТ ВОЗМОЖНОСТИ ПРИМЕРКИ.
Было ли у вас такое, что в интернет-магазине понравилась какая-нибудь вещь, но не хочется покупать ее, не примерив? Конечно, в некоторых магазинах есть возможность примерить одежду после заказа перед оплатой. Однако по статистике каждый год доля онлайн-заказов в интернет-магазинах одежды и обуви растет, но также растет и доля возвратов, она составляет 50–70% — это огромные затраты на логистику, которые можно будет значительно сократить, используя онлайн-примерочную. Представьте, вы загружаете свою фотографию, выбираете одежду и она переносится на ваше изображение. Уже существуют виртуальные примерочные обуви, они работают достаточно успешно. Некоторое время назад нас заинтересовала эта тема, как обстоят дела с одеждой? Такие работы тоже существуют, но успешных гораздо меньше, во многих из них кроме статьи найти ничего не удается, о рабочем примере остается только мечтать. Мы решили исправить это и поддержать одну из сетей в библиотеке OpenCV. Что из этого вышло можете увидеть в virtual_try_on.py sample.
Результат не идеален, но в данной области считается достаточно хорошим.
Хотите узнать как работает виртуальная примерочная и с какими сложностями мы столкнулись при интеграции модели в OpenCV — добро пожаловать под кат!
Мы выбрали нейронную сеть 2019 года CP-VTON с достаточно хорошим визуальным результатом. По сравнению с аналогами CP-VTON интересна тем, что она достаточно точно может передать форму одежды в сгенерированном изображении, а также при передаче не теряются особенности одежды (рисунок, логотип и текстура). Некоторые аналогичные сети используют 3D модели человека, для получения которых требуется 3D-сканер. Этот факт существенно сокращает области применимости модели. Также большим плюсом является наличие кода на github. Но авторы CP-VTON в репозитории приводят только скрипты для тренировки и тестирования, нет никакой демки, чтобы попробовать сеть на своих фотографиях.
Мы натренировали сеть самостоятельно и выложили ее в открытый доступ.
Принцип работы
Модель CP-VTON состоит из двух подмодулей: GMM (Geometric Matching Module) — модуль для деформации одежды в соответствие с позой человека и TOM (Try-On Module) — модуль для переноса деформированной одежды на изображение человека.
Для тренировки GMM требуется тройка , а для TOM — , — изображение человека, — изображение одежды, — выход GMM, — ground truth (человек в одежде ), — ground truth (деформированная одежда, получается наложением маски одежды на ). Но такие тройки достаточно тяжело собрать, обычно есть только и . Решение этой проблемы предлагалось в одной из предыдущих работ VITON, авторы статьи вместо на вход сети подавали тензор с описанием человека . При создании преследовалась цель максимального сохранения информации о человеке, включая лицо, волосы, форму тела и позу, но минимизируя влияние старой одежды (цвет, форма, текстура). Этот подход позволяет не показывать сети эталонное изображение человека в желаемой одежде. Таким образом, GMM принимает на вход и генерирует деформированную одежду , которая во время тренировки сравнивается с . TOM принимает на вход , а выход сети сравнивается с .
Рассмотрим поподробнее формирование тензора . Описание человека состоит из маски тела человека, ключевых точек позы и изображения головы. Сначала по фотографии выполняется поиск ключевых точек с помощью сети OpenPose. Для получения бинарной маски тела человека используется семантическая сегментация одежды и частей тела. Эта задача решается с помощью модели LIP_JPPNet. В процессе ее поддержки в OpenCV добавился (самостоятельный) sample human_parsing.py.
Для маски тела берутся все ненулевые пиксели, для маски головы — пиксели, соответствующие классам: лицо, солнцезащитные очки, головной убор и волосы. Затем маска тела размывается, а маска головы накладывается на входное изображение.
Рассмотрим работу модулей.
GMM используется для изменения формы желаемой одежды в соответствие с позой человека. В процессе работы сеть извлекает ключевые признаки из изображения одежды и тензора с описанием человека независимо, нормирует признаки, используя . Вычисляется корреляция признаков и выполняется прогнозирование вектора параметров пространственного преобразования. По нему в результате постобработки генерируется сетка деформации исходного изображения одежды. С помощью билинейной интерполяции одежды по узлам сетки получается форма одежды, соответствующая позе человека. Для сравнения полученной деформации одежды с используется .
Модуль TOM переносит деформированную одежду на изображение с человеком. Сеть базируется на архитектуре Unet. Данная архитектура была выбрана, потому что при непосредственном переносе деформированной одежды на изображение человека результат выглядит неестественно на стыках и местах соприкосновения человека и одежды. Unet позволяет избавиться от этого, делая переходы более плавными. Однако невозможно идеально выровнять одежду по фигуре, поэтому даже незначительное смещение одежды относительно позы может сделать выход Unet размытым. Сеть представляет собой последовательность сверток и пулингов, которые уменьшают пространственное разрешение картинки. А потом разрешение увеличивается последовательностью Upsample и сверток. Кодировщик (encoder) в сети является предварительно обученным VGG-19. Чтобы выходное изображение не было слишком размытым используется следующий подход. Unet предсказывает образ человека и композиционную маску . Затем маска комбинируется с деформированной одеждой и накладывается на , скомбинированный с обратной маской и получается результирующее изображение .
— знак поэлементного матричного умножения.
При обучении сети главная цель Try-On модуля — минимизация несоответствия с . При попиксельном сравнении результата работы сети и изображения из разметки малое значение функции потерь будет соответствовать размытым изображениям. А похожим с точки зрения человека изображениям, но с небольшими сдвигами, будет соответствовать большое значение функции потерь. Чтобы избежать этих недостатков используют комбинацию с perceptual loss. Картинка из разметки и предсказание сети пропускаются через несколько слоев сети VGG и сравниваются полученные нейросетевые признаки, которые будут инвариантны к небольшому изменению положения в пространстве. Также VGG чувствительна к резким изменениям яркости пикселей — это позволяет устранить размытость в изображении, сделав большим значение функции потерь на таких картинках.
Реализация в OpenCV
Для работы сети кроме изображения человека и одежды также требуется изображение с семантической сегментацией частей тела человека и одежды на нем и файл с ключевыми точками тела человека. Авторы статьи использовали json файлы с сохраненными точками тела человека, полученные с помощью сети OpenPose из Caffe, и изображения с сегментацией из разметки датасета LIP.
Чтобы сделать демо удобным для использования, поиск ключевых точек и сегментацию мы делаем на лету, поэтому от пользователя на вход требуется только фотография человека и изображение новой одежды.
python3 virtual_try_on.py -i person_img.jpg -c cloth.jpgПри портировании сети в OpenCV нужно было убрать всю предобработку через PIL. Тут возникли чудеса с сегментацией. В датасете LIP представлены полутоновые изображения, где интенсивность пикселя соответствует классу объекта. А при скачивании датасета для CP-VTON эти же изображения уже цветные. Читается трехканальное изображение, но потом выполняется работа с одноканальными изображениями:
shape = (segm > 0).astype(np.float32)
head = (segm == 1).astype(np.float32) + \
(segm == 2).astype(np.float32) + \
(segm == 4).astype(np.float32) + \
(segm == 13).astype(np.float32)
cloth = (segm == 5).astype(np.float32) + \
(segm == 6).astype(np.float32) + \
(segm == 7).astype(np.float32) Оказывается, что PIL может хранить цветное изображение и кодировку, с помощью которой оно было получено. Перевод лейблов в цвета лежал в human_colormap.mat. Как их оттуда прочитать? Matlab ставить не хотелось. К счастью, scipy имеет загрузчик таких файлов. Потратив немного (много) времени на эти махинации удалось извлечь из сегментации маску тела и головы.
Дальше – больше. Для размытия маски ее сначала уменьшают в 16 раз, затем возвращают исходные размеры.
mask = mask.resize((width // 16, height // 16), Image.BILINEAR)
mask = mask.resize((width, height), Image.BILINEAR)Получаем маску в оттенках серого. Для этого используют билинейную интерполяцию. Кажется, что может быть проще при переносе в OpenCV. Заменили PIL resize на cv.resize и получили совсем другой результат.
Слева маска, полученная через PIL resize, справа — cv.resize.
Маски получились вообще не похожи, а результат работы сети? В общем смотрите сами.
Слева результат, полученный при использовании маски с PIL resize, справа — cv.resize.
Выглядит грустновато, не хотелось бы так уродовать людям руки. Что же это за билинейная интерполяция такая? Изрядно погуглив, так и не удалось ничего найти. Оставался последний, но верный способ – смотреть исходники на С. Там удалось увидеть, что bilinear resize вовсе не похож на bilinear, а скорее area. Размер ядра зависит от scale factor, в нашем случае ядро имело размер 33 = 16 * 2 + 1, в то время как в OpenCV ядро фиксированного размера – 3. Одновременно с этим мы заметили, что значения пикселей отличаются только при уменьшении размеров, а при восстановлении результаты получаются достаточно близки. Но изменение типа интерполяции все равно не помогло добиться нужного результата. Смотрим дальше. Коэффициенты интерполяции считаются очень странным образом, получаются не симметричны. Это нам уже никак не удавалось смоделировать. Поэтому пришлось написать небольшой класс с таким типом интерполяции:
Реализация билинейной интерполяции из PIL
class BilinearFilter(object): """ PIL bilinear resize implementation image = image.resize((image_width // 16, image_height // 16), Image.BILINEAR) """ def _precompute_coeffs(self, inSize, outSize): filterscale = max(1.0, inSize / outSize) ksize = int(np.ceil(filterscale)) * 2 + 1 kk = np.zeros(shape=(outSize * ksize, ), dtype=np.float32) bounds = np.empty(shape=(outSize * 2, ), dtype=np.int32) centers = (np.arange(outSize) + 0.5) * filterscale + 0.5 bounds[::2] = np.where(centers - filterscale < 0, 0, centers - filterscale) bounds[1::2] = np.where(centers + filterscale > inSize, inSize, centers + filterscale) - bounds[::2] xmins = bounds[::2] - centers + 1 points = np.array([np.arange(row) + xmins[i] for i, row in enumerate(bounds[1::2])]) / filterscale for xx in range(0, outSize): point = points[xx] bilinear = np.where(point < 1.0, 1.0 - abs(point), 0.0) ww = np.sum(bilinear) kk[xx * ksize : xx * ksize + bilinear.size] = np.where(ww == 0.0, bilinear, bilinear / ww) return bounds, kk, ksize def _resample_horizontal(self, out, img, ksize, bounds, kk): for yy in range(0, out.shape[0]): for xx in range(0, out.shape[1]): xmin = bounds[xx * 2 + 0] xmax = bounds[xx * 2 + 1] k = kk[xx * ksize : xx * ksize + xmax] out[yy, xx] = np.round(np.sum(img[yy, xmin : xmin + xmax] * k)) def _resample_vertical(self, out, img, ksize, bounds, kk): for yy in range(0, out.shape[0]): ymin = bounds[yy * 2 + 0] ymax = bounds[yy * 2 + 1] k = kk[yy * ksize: yy * ksize + ymax] out[yy] = np.round(np.sum(img[ymin : ymin + ymax, 0:out.shape[1]] * k[:, np.newaxis], axis=0)) def imaging_resample(self, img, xsize, ysize): height, width, *args = img.shape bounds_horiz, kk_horiz, ksize_horiz = self._precompute_coeffs(width, xsize) bounds_vert, kk_vert, ksize_vert = self._precompute_coeffs(height, ysize) out_hor = np.empty((img.shape[0], xsize), dtype=np.uint8) self._resample_horizontal(out_hor, img, ksize_horiz, bounds_horiz, kk_horiz) out = np.empty((ysize, xsize), dtype=np.uint8) self._resample_vertical(out, out_hor, ksize_vert, bounds_vert, kk_vert) return out
Результаты
В общем получился достаточно интересный пайплайн из 4 сетей, полученных из разных фреймворков, но дружно работающих в OpenCV. При тестировании сети на реальных фотографиях мы заметили несколько особенностей сети. В тренировочном датасете были только изображения девушек, поэтому сеть не всегда хорошо работает с мужчинами. Руки у них становятся более женственные, а переход от головы к телу имеет очень яркую границу. Также для получения качественного результата нужно загружать фото с соотношением сторон пропорциональных 256 на 192, иначе сеть прибавит пару килограммов. Мы добавили кадрирование исходного изображения в sample до получения нужного соотношения между шириной и высотой. Лучше чтобы кроме человека ничего не было, а одежда на изображении должна находиться на белом фоне без каких-либо узоров и надписей, иначе эти части тоже будут восприниматься как одежда.
P.S. В мае 2020 года OpenCV отмечает свое 20-летие. Мы планируем в этом году писать больше статей и придумывать другие активности. Следите за новостями!
Фото Shen Bohan / Zuma / TASSВиртуальные торговые центры, продавцы и стилисты — так будет выглядеть рынок ретейла в будущем. Как VR-технологии изменят наши представления о шопинге и упростят жизнь
Собираетесь купить новые туфли или сумочку? Размышляете, в какой торговый центр отправиться и как найти на это время между работой и домашними делами? Представьте, в скором будущем думать об этом не придется совсем. Попробую нарисовать вам будущий глобальный центр шопинга, каким он может стать благодаря виртуальной (Virtual Reality, VR) и дополненной (Augmented Reality, AR) реальности. Вы надеваете VR-очки и оказываетесь в центре шопинга, не выходя из дома. В этом виртуальном пространстве представлены все магазины мира. Хотите заглянуть во французский Le Bon Marché или лондонский Selfridges, пожалуйста. Можно прогуляться по магазинчику, пообщаться с его консультантами и даже выпить кофе, конечно, созданными в виртуальной реальности. На поиски сумочки или туфель берите с собой подругу. Для этого ей также нужно лишь надеть VR-очки. Или позовите профессионального стилиста, желательно из первой десятки мирового рейтинга VR-шоперов. На глобальной виртуальной площадке проходят и показы новых коллекций, которые можно там же примерить на себе. И да, кстати, не забудьте зарегистрироваться на VR-встречу с Гаравани Валентино — пообщаться с маэстро теперь тоже легко.
Вышеописанная картина будущего — пока лишь плод фантазии, от которой нас отделяют два шага. Первое, что нужно предпринять, — сделать более доступными и совершенными VR-устройства. Второе — изменить наши с вами привычки покупать. И второе, похоже, сложнее.
Великий онлайн
Впрочем, привычки все-таки постепенно меняются. В пятерку IT-компаний, меняющих мир, входят Apple, Facebook, Google, Amazon и Alibaba. Как мы видим, две из них — это интернет-ретейлеры. Покупать в интернете становится все удобнее. Это больше нестрашно, экономит время, а также не так больно для кошелька. В российском офисе Volkswagen рассказали удивительный факт: более 56% покупателей автомобилей больше не приходят на тест-драйв. Для решения им достаточно информации о машине. То есть даже такие дорогостоящие покупки могут переместиться в интернет. Для традиционного ретейла одна из главных задач — увеличить время нахождения в торговом центре. Чем дольше вы там находитесь, тем больше тратите денег. Именно поэтому среди якорных арендаторов — рестораны и кинотеатры. Ровно то же правило работает и в интернете. Длина сессии на странице товара — одна из критических метрик. И здесь в ход идут яркие картинки, полезное видео, а теперь и дополненная реальность.
Примерочная в вашем телефоне
Сама идея виртуальной примерочной появилась еще в 2012 году. Японская компания Uniqlo стала использовать примерочные, где вместо зеркал устанавливали ЖК-экран с дополненной реальностью. Одежду не нужно было надевать, достаточно было выбрать из каталога, чтобы увидеть свое отражение в ней. Все стало значительно проще, когда вместо ЖК-экранов начали использовать телефоны. В числе первых были кроссовки Converse. Наводишь телефон на ногу, выбираешь понравившуюся модель обуви, и готово. Понравилось — можно тут же купить. Технологически еще проще, если товары не нужно надевать на себя. Один из самых больших AR-каталогов сейчас у IKEA. Заходите в приложение, выбираете мебель и в реальном размере расставляете ее по квартире. Можете понять, входит ли этот диван в вашу гостиную и насколько он хорошо смотрится с вашими обоями.
Брендов, которые экспериментируют с AR, становится все больше. Согласно последнему отчету Markets and Markets, в 2018 году AR в ретейле создает рынок объемом более $1 млрд, а к 2023 году это значение достигнет почти $8 млрд при среднегодовом росте 47,1%. Лучшее тому подтверждение — история Loreal. В этом году они купили себе не новый косметический бренд, а стартап. ModiFace позволяет увидеть, как вы будете выглядеть с макияжем, не нанося его. Технологическую экспертизу в AR Loreal хотят иметь внутри компании.
AR в социальных сетях
Но даже те бренды, которые не обладают компетенциями в AR, смогут этим инструментом воспользоваться. В июле Facebook запустил тест рекламных объявлений с дополненной реальностью. В новостной ленте американских пользователей с помощью AR-эффектов можно примерить пару солнцезащитных очков от Michael Kors. В эксперименте также участвуют такие бренды, как Sephora, Bobbi Brown, Pottery Barn, Wayfair и King. Мощи социальной сети, уже во много изменившей наши привычки, должно хватить и на смену отношения к AR.
VR—showroom
До появления одного большого виртуального центра, который описан в начале, популярность может получить промежуточный формат. Так как очков дома пока не очень много, магазины могут создавать небольшие VR-showroom на своей территории. Это будут зоны с VR-очками. И это может стать первым шагом к существенному сокращению торговых площадей. Магазину теперь необязательно арендовать сотни квадратных метров под десятки диванов (если он торгует диванами), достаточно поставить пару самых ходовых образцов продукции, а всю остальную мебель перенести в AR и VR.
Виртуальные аватары
Еще одно недостающее звено для похода в виртуальный торговый центр — VR 3D-аватар. Но и это, пожалуй, не проблема. Я знаю несколько российских компаний, которые занимаются сканированием людей. 3D-модель себя в ближайшем будущем станет так же доступна, как селфи в телефоне. С помощью аватара мы сможем общаться в виртуальной реальности, примерять новые наряды на нем и его же изображения отправлять подруге или любимому, чтобы понять, идет нам это вещь или нет.
Владельцам многочисленных торговых центров нужно держать ухо в остро, чтобы не остаться не у дел в будущем.
Российская компания Fitting Reality впервые представила свой продукт на конференции DEMO Fall 2011, которая проходила в Санта Кларе (Калифорния).
VIPodium, основанный на технологии дополненной реальности, позволяет в режиме реального времени примерить сотни элементов одежды и аксессуаров. Пользователь не только видит себя на экране в новой одежде, но и управляет программой простыми жестовыми командами: взмахами рук и нажатием невидимых кнопок прямо в воздухе.
Пользователь VIPodium может посмотреть выбранную виртуальную копию вещей с разных сторон: как спереди, так и сзади.
CEO компании сравнивает примерочную с существующими поисковыми системами. Последние позволяют пользователю получить интересующую его информацию за пару кликов. Цель VIPodium — предоставить покупателю исчерпывающую информацию об одежде с помощью нескольких жестов. С его помощью каждый может выбрать подходящую для него одежду, примерить и быть уверенным, что данная вещь хорошо сидит и идеально ему подходит.
Система может быть использована как дома, так и в магазине. Покупка происходит с помощью связанного мобильного приложения.
Основные характеристики VIPodium:
- Возможность примерить одежду в любое время и день недели как дома, так и в магазине;
- Возможность посмотреть выбранную модель с разных сторон;
- Возможность публиковать скриншоты в социальные сети;
- Возможность производителям одежды получать статистические данные о предпочтениях и покупательских особенностях пользователей;
- Возможноть производителям одежды автоматически загружать информацию о каждой модели одежды.
А вот и промо ролик:
Вот мы подобрались и к этому сайту. Довольно «слабому» в плане выбора и функций. На фоне остальных сайтов он малость уступает. Как гласит описание на главной странице сайта — вы тут можете примерить к своей фотографии одежду. Вот так вот выглядит данный сайт
Сразу возникает вопрос. Как добавить свою фотографию для обработки. Панель с правой стороны и скудная пометка, гласит о том чтобы кликнуть по иконке модели. Но ничего на деле не выходит:
Долго разбираясь как это сделать, я пришел к простому решению. Данное свойство доступно после регистрации. жаль. Пришлось воспользоваться уже готовой моделью и посмотреть что получится. И вот после И и для того что-бы совместить одежду с фотографией нужно методично и долго кликать на стрелочку «вправо» в меню кнопок «положение». Словно играешь в игру-«кликер».
Подогнав по размерам, получается вот нечто подобное:
Зато последующие выборы костюмов будут сохранены и вам не нужно будет долго кликать. К примеру, нажмем на вкладке одежды с правой стороны, на изображение чудесного кожаного платица. Оно тут-же появится на вашей подопытной. Правда не всегда в нужных пропорциях.
Увы, выбор нарядов очень скуден и похоже нет возможности комбинировать наряды. Все сугубо одинарно. Зато есть довольно экзотичные наряды:
Но выбор довольно мал и порой часто приходится подгонять костюмы под фотографию так-же яростно кликая по клавиши мышки. Перенос изображения тут увы не предусмотрен.
Увы неудобно и так не разобрался с добавлением своих фотографий.
Рекомендую для ознакомления. не более.
Обычно ритейлеры моды фокусируются на новейших ярких новых блестящих игрушках, которые считаются новейшим цифровым увлечением или явлением, и при этом упускают возможность предоставлять контент и впечатления, которые действительно важны для потребителей.
По мнению Euromonitor, одной из областей, в которой большинство модных ритейлеров терпят неудачу, является контент и потребительский опыт по размеру и подгонке.
Опыт потребителя в этом контексте связан с выполнением позитивных, интуитивно понятных, плавных шагов, позволяющих потребителю обрести уверенность в выборе размера при покупке одежды через Интернет.
Тамара Сендер, старший аналитик моды в Великобритании, соглашается,
Один из главных барьеров для покупок в Интернете для одежды подходит, и это все еще категория, где потребители любят примерить и увидеть предметы лично.
Ритейлеры, которые сталкиваются с самой большой проблемой в предоставлении решений подгонки и калибровки, работают с теми, кто имеет несколько брендов.
Эти розничные продавцы зависят от контента, предоставляемого несколькими поставщиками, а также от разных правил определения размера для каждого типа одежды и марки.
Насколько велика эта проблема?
Продажи онлайн-одежды в США продолжают расти быстрее, чем в любом другом сегменте электронной коммерции. Этот рост стимулируется улучшениями в сфере мерчендайзинга в Интернете и улучшениями в розничной торговле.
Для многих мотивация предлагать мягкие правила возврата и бесплатную доставку для возврата состоит в том, чтобы компенсировать неадекватную подгонку и размер контента.
По словам Софи Гловер, руководителя службы технической поддержки онлайн-моды, ASOS:
Некоторые клиенты рассматривают нашу бесплатную службу доставки как часть своего опыта в раздевалке, за исключением того, что они находятся дома в своей спальне.
В Guess электронная коммерция «растет намного быстрее, чем обычные магазины, но, тем не менее, 70% людей, которые посещают магазин Guess.com в физических магазинах компании», говорит исполнительный вице-президент Майкл Релич.
Размер проблемы представлен в трех формах:
- Потерянная возможность только с 2% конверсией для одежды. Эта упущенная возможность усугубляется, если учесть пожизненную стоимость неприобретенного клиента.
- Расходы, связанные с возвратом: доставка, обработка, сборы за обработку кредитной карты, переупаковка и пополнение запасов для сезонно чувствительных продуктов.
- Операционная нагрузка на бизнес. Представьте себе, что может сделать продавец, освободив ресурс от обработки меньшего количества возвратов.
На презентации Euromonitor «Горячие точки моды и инноваций» в декабре 2014 года обсуждается, как ритейлеры моды должны лучше работать, чтобы потребители могли «попробовать перед покупкой в Интернете».
Помимо очевидных предложений относительно более гибкой политики возврата и предложения возврата в магазине и вариантов обмена для покупок в Интернете, в презентации также рекомендуются инвестиции в виртуальные примерочные.
Являются ли виртуальные примерочные решением?
В последние годы компании-разработчики программного обеспечения выросли из-за необходимости решения этой проблемы: Virtusize, Fits.me, True Fit и Clothes Horse — все они пытались решить сложную задачу с помощью ряда технологических решений, начиная с «превращающихся манекенов». рекомендовать размеры двигателей, все с целью имитации физической подгонки и определения размеров.
Многие розничные продавцы с распростертыми объятиями приняли бы вышеуказанные решения, думая, что это «подходящая и калибрующая серебряная пуля». Но на самом деле это не так.
Чтобы решить проблему соответствия и размеров, розничные продавцы должны эффективно предоставить две вещи, работающие в унисон: точное релевантное содержание и хороший опыт. Ритейлеры, которые еще не усовершенствовали контент, необходимый для подачи этих программных инструментов, впадают в поговорку «мусор в мусоре».
Размер и удобство онлайн-путешествия должно быть простым в использовании.Программное обеспечение для виртуальных примерочных все еще является относительно новым для потребителей, и подход «наилучшей практики» еще не разработан.
Шаги от начала до конца должны быть надежными, что делает фундаментальные принципы юзабилити критической частью.
Гловер из Асоса соглашается и говорит…
Asos регулярно представлен новой технологией, разработанной для поддержки более точного выбора размеров и сокращения прибыли, связанной с этой областью покупки, но многие из них не практичны в том, что они требуют от клиента.
Чтобы проиллюстрировать этот момент, вы теперь увидите, что значит изучать вашу форму и размеры, делая покупки на QVC, который в настоящее время использует Fits.me.
Виртуальная примерочная в действии
Призыв к действию на странице с описанием товара
Первая проблема — это призыв к действию на странице сведений о продукте того же цвета, что и остальные.
Это должен быть другой цвет, чтобы показать потребителю, что это не покупательское действие, которое они предпримут.Это вина QVC, а не Fits.me.
Время для загрузки, чтобы активировать всплывающее окно подгонки и размеров
Когда вы выбираете призыв к действию «Посмотрите, как он подходит», программе (на момент написания этой статьи) потребовалось не менее пяти секунд, чтобы открыть всплывающее окно и активировать программное обеспечение.
Fits.me — это решение, размещенное на хостинге, что делает их проблемой и сигналом тревоги для ритейлеров. Убедитесь, что программное обеспечение имеет масштабируемые возможности, чтобы приспособиться к скачкам трафика и одновременной активности.
Загрузка деталей вашего размера. Первый шаг требует от вас ввода ваших измерений, очень простой и очевидный процесс. Что вы не можете видеть на скриншоте, так это то, что после того, как вы нажмете «Бюст», вы научитесь измерять эту часть тела. Нет проблем здесь.
Сообщения об ошибках
Если вы вводите размеры тела, не связанные с базой данных, вам сообщают, что рекомендуемый размер недоступен. Это случалось не каждый раз, но достаточно упомянуть (примерно в 10% случаев), и в ходе этого анализа были предоставлены реалистичные измерения.
Появление страницы с сообщением, приведенным выше, может оттолкнуть потребителей и является хорошим примером недостаточного контента, загружаемого в программное обеспечение.
Вопрос обследования .
После успешного завершения процесса, выбрав размер, появляется экран с просьбой оценить опыт. Этот опрос сделан Fits.me, пытающимся измерить его эффективность, не обращая внимания на розничного продавца и, что более важно, на потребительский путь.
Факт, что потребитель выбрал размер из Подходит.Я должен быть четким показателем стоимости доставки. Что-то легко отслеживается в аналитике.
Некоторые положительные отзывы на Fits.me. Когда программное обеспечение Fits.me работало, оно давало хорошие рекомендации и рекомендации относительно того, когда одежда была плотно облегала и плохо облегала, основываясь на предоставленных измерениях.
На изображении выше показано, как Fits.me предоставляет руководство по слишком тесному предмету одежды, если
.Мы все были там. Вы видите то, что хотите в Интернете, вы решили, что хотите, вы проверили руководство по размеру магазина, это уже сделка, она заказана. Он прибывает … ‘Ах!’ Неправильный размер? Ага.
В этой статье рассматриваются новые виртуальные примерочные, которые используются некоторыми розничными продавцами, чтобы помочь пользователям принять правильное решение; стратегия взаимодействия с клиентами, которая, как было доказано, снижает доходность до 52%, в то же время увеличивая продажи более чем на 50% [1].
Интернет-магазин — как сделать правильный выбор?
Покупки в Интернете давно стали популярным временем для многих людей: 2/3 взрослых используют Интернет для покупки товаров и услуг . В 2011 году Великобритания потратила 68,2 миллиарда фунтов стерлингов на Интернет, причем самыми популярными покупками для женщин стали одежда и спортивные товары.
Великобритания потратила 68,2 млрд. Фунтов стерлингов на интернет в 2011 году.
Теперь мы можем делать покупки, когда магазины закрыты, мы можем делать это во время нашего обеденного перерыва, во время поездок на работу, пока мы ждем друзей… список можно продолжить.Тем не менее, так как многие магазины меняют свои версии контроля размеров, а новые стили и тенденции — каждые несколько месяцев, как розничные продавцы могут помочь своим клиентам сделать правильный выбор?
«Существуют стандартизированные таблицы размеров, но дизайнеры часто берут на себя смелость создавать свои собственные меньшие масштабы, независимо от того, насколько нелогичны цифры». — Тэмми Кинли, доктор философии, доцент кафедры мерчендайзинга в Университете Северного Техаса [3].
Размер тщеславия — Flattery работает в магазине, но не в сети.
Хорошо известно, что розничные продавцы занимались определением размеров тщеславия в последние несколько лет. Сегодняшний размер 14 на самом деле был бы размером 16 в 70-х годах [4]. Это отлично подходит для розничных продавцов в магазине, поскольку было доказано, что человек с большей вероятностью расстаются со своими деньгами, если они чувствуют себя хорошо о себе. Это, однако, значительно усложняет жизнь онлайн-покупателю, которому необходимо ориентироваться в минном поле каждой версии размеров ритейлера.
Размерные метки стали крайне противоречивыми.
«Дизайнеры знают, что если клиенты чувствуют себя счастливыми, когда примеряют одежду, они, скорее всего, снова купят эту марку.” — Джим Лавджой, промышленный директор исследовательской компании TC2 по национальному исследованию размеров SizeUSA [3].
Если клиенты считают это «неправильным», то может привести к разочарованию, хлопотам и неудаче с брендом . Потребители ожидают, что размер 12 — это размер 12, так почему им нужно помнить разные варианты размеров от разных брендов?
«Женщины хотят измерить до 0 идеалов. Осложняет эту безумную ситуацию то, что в отличие от веса, который является количественно измеряемой цифрой, на которую можно рассчитывать, теги размеров стали крайне противоречивыми. Мало того, что 6 сегодня, вероятно, просторнее, чем 6 из всего лишь несколько лет назад, но разные магазины имеют различные определения размера 6 ». — Молли Триффин, Cosmopolitan [3].
Высокая доходность — испорченный клиентский опыт
Конечно, люди будут продолжать пользоваться онлайн-покупками, несмотря на эти трудности, потому что это очень удобно (и давайте признаем это: весело). Тем не менее, клиентов могут быть испорчены , потому что вы можете узнать, подходит ли вам ваш выбор, только когда он прибыл.Некоторые клиенты борются с этим, заказывая несколько размеров одновременно, гарантируя возврат и приводя к ложному представлению о данных о продажах.
«Почти 1 из 4 предметов одежды возвращаются — 70% этих возвратов обусловлены тем, что клиент имеет неправильный размер». — Хейкки Халдре — исполнительный директор и основатель Fits.me [5].
Проблема заключается в розничных продавцах и в том, как они могут улучшить качество обслуживания клиентов, помогая пользователям выбирать одежду по своему тону кожи, форме тела, росту, прическе и т. Д. Предоставление пользователям возможности принимать правильные решения может привести к снижению прибыли и даже увеличению продаж.
70% возвратов за счет неправильного размера клиента.
Виртуальная примерочная — расширение возможностей онлайн
Существует несколько способов, которыми розничные продавцы начали внедрять виртуальные примерочные на своих сайтах. Matalan использует довольно низкое техническое решение, чтобы позволить покупателям создавать наряды из своего магазина. Хотя это может увеличить объем продаж, это не решает проблему неправильного определения размера и возврата.
внутри виртуальной примерочной
Когда-нибудь брать десять предметов одежды в примерочная, только чтобы прийти с одним, который подходит?
Это обычное явление доказывает, что большинство связанных с одеждой решений о покупке сделаны внутри примерочных — что создает большую проблему для одежды Ритейлеры в Интернете.
Пожалуй, самая прибыльная электронная коммерция категория, одежда также может быть самой сложной для продавцов из-за неопределенности потребителей о том, как переводится изображение в Интернете в нужный размер, подходят и выглядят.Тем не менее, новые технологии пытаясь решить эту проблему, предоставляя интернет-магазины с «виртуальными» примерочными.
Эти решения позволяют потребителям практически «примерить» одежду с пользовательской моделью, прежде чем нажать на кассу, которая, по словам одного провайдера, может дать в три раза больше конверсий и более низкие показатели доходности почти на 30 процентов. Виртуальная примерка номера также предоставляют клиентам увеличенный срок службы ценность, гарантируя, что они получают желаемый вид.
«Мода — одна из самых эмоциональных покупок», — говорит Хейкки Халдре, генеральный директор Fits.me. «А клиенты не хотят приобрести право на возврат товара. Они хотят купить одежду это подходит.
Интеграция одной из этих платформ в сайт электронной коммерции лучше позволяет ритейлерам удовлетворять эту потребность в онлайн потребители, но они должны сначала понять конкретные преимущества что каждое решение может обеспечить. Итак, давайте зайдем в некоторые виртуальные примерочные и посмотреть, что эти инновационные технологии должен предложить.
MimicMe
Эта виртуальная примерочная позволяет потребителям смешивать и подбирать одежда, обувь и аксессуары с настраиваемой моделью. Решение генерирует полностью цифровую 3D-одежду на основе двух существующих изображения — один вид спереди и один вид сзади. Это можно увидеть в действии на www.quizclothing.co.uk и www.menatwork.nl.
Это решение может быть интегрировано в любой существующий веб-сайт и все платформы электронной коммерции. Как только он интегрирован, примерка помещение обслуживается на основе инфраструктуры графического процессора и работает на всех устройствах без плагинов, включая рабочие столы, мобильные телефоны и планшеты.
Одним из преимуществ этого решения для продавцов является то, что MimicMe позволяет потребителям пробовать большое количество товарных запасов ритейлеров своевременно. Компания говорит, что 20 процентов из онлайн-посетителей примерить более 25 предметов одежды за посещение.
«Визуализация соответствия предметов увеличивает желание и заставляет людей стремиться завершить внешний вид », — говорит Ксавье Баарс. основатель и генеральный директор MimicMe. «Это главное преимущество перед решения дополненной реальности, где в то же время люди с трудом могут просмотреть несколько предметов.”
Моя виртуальная модель
Эта виртуальная примерочная может быть интегрирована в электронную коммерцию сайт через интерфейс прикладного программирования решения (API). Как и в MimicMe, моя виртуальная модель может использовать продавцы существующие фотографии одежды и требует только две фотографии за одежду — вид спереди и сзади — для потребителей чтобы увидеть, как они подходят со всех сторон. Это решение поставляет окончательные изображения моделей, носящих каждый наряд, но кнопки, Изображения и ссылки вокруг моделей находятся под контролем ритейлера.
API позволяет отображать изображения моделей в Несколько размеров, которые затем могут быть размещены на любой странице продукта, не рекомендует размер, который покупатель должен купить страница категории или рекламная страница. Пока решение исключительно по визуализации нарядов на разные тела формы. API также позволяет персонализировать модели форма тела и внешний вид, а также позволяет одеваться, раздеваться и поворот модели, и фоновые изменения. виртуальные инструменты экипировки также могут быть использованы для мобильных приложений.
Компания утверждает, что моя виртуальная модель не только поднимает коэффициенты конверсии для ритейлеров, но это средние значения заказа (AOV) также может быть поднят до 200 процентов.
«Люди, использующие мою виртуальную модель, проводят в среднем 10 минут на сайте и попробуй в среднем восемь предметов », — говорит Грегори Сомье-Финч, генеральный менеджер My Virtual Model.
Fits.me
В отличие от предыдущих вариантов, это решение ориентировано исключительно на посадку и размер.
Fits.me использует роботы-манекены для изменения формы как одежда будет выглядеть на разных типах телосложения. Решение требует что ритейлеры отправляют им образцы одежды в различных размеры и фотографии, как одежда выглядит во время перестановки робота.
В среднем на каждую одежду делается около 2000 фотографий и изображения хранятся и обслуживаются с облачных серверов. когда потребители посещают сайт ритейлера, они вводят свои измерения и показаны соответствующие фотографии, которые соответствуют их одежде выбор и типы телосложения — точно изобразить, как каждый Предмет одежды будет смотреться на отдельных покупателей.
«Онлайн-покупателям достаточно сложно ждать своих товаров чтобы прийти по почте », — говорит Халдре. «Поэтому важно бренд, который клиентам не нужно возвращать ».
Примерь для размера
Хотя есть много других виртуальных платформ, таких как Styku,
Зугара и Мипсо — некоторые из которых находятся в дополненной реальности
или область сканера тела — для торговцев важно
просмотрите каждое решение, прежде чем выбрать, какое решение «подходит» лучше всего.Но способность предоставить потребителям описания того, как
предметы появятся на их телах должны в конечном итоге увеличить
продажи, более низкие показатели возврата и держать клиентов, возвращающихся к «попробовать»
на что-то новое.
Об авторе: Эллисон Хоуэн является ассоциированным редактором в журнале Website, писать в первую очередь об электронной коммерции и социальных сетях.
,
Студенты-инженеры Райсского университета Сесилия Чжан (слева) и Лам Юк Вонг создали виртуальную примерочную для онлайн-покупателей. Их программа, в которой используется устройство захвата движения Microsoft Kinect, превращает пользователей в виртуальных манекенов для более точной подгонки одежды в Интернете. Кредит: Джефф Фитлоу / Университет Райса(Phys.org) — одно благословение Интернета: удобно покупать одежду в Интернете. Одно проклятие интернета: удобно делать покупки онлайн для одежды.
«Ничего не подходит», — говорит Лам Юк Вонг, старший специалист по электротехнике и вычислительной технике в Университете Райса.«Все так говорят. Они заказывают одежду и не подходят. Люди становятся очень несчастными».
Вонг и ее партнер по дизайну, Сюаньер «Сесилия» Чжан, являются Team White Mirror, создателями того, что они называют «виртуальной примерочной». Их цель проста и удобна для потребителей: обеспечить покупателям онлайн-одежды идеальную посадку и идеальный внешний вид при каждой покупке.
Обе женщины из Китая, Вонг из Гонконга, Чжан из Пекина. Оба заказывают большую часть своей одежды онлайн. Они получили идею из собственного опыта потребителей и прислушиваясь к жалобам друзей и родственников.
«Они говорят:« Цвет неправильный »или« Я получил правильный размер, но он не подходит ». Мы хотим сделать так, как будто вы в магазине примеряете одежду », — сказал Чжан.
Используя Kinect, чувствительное к движению устройство ввода, разработанное Microsoft для использования с проигрывателем видеоигр Xbox 360, Чжан сканирует Вонга и фактически превращает ее изображение в виртуальный манекен, сохраняя размеры Вонга и даже ее кожу и волосы. цвет.
«Мы надеваем одежду на модели трехмерного тела покупателя и показываем, как они выглядят, когда они одеты.Существующие виртуальные примерочные не используют индивидуальные модели тела, которые выглядят как покупатели. Появление полностью одетых моделей занимает много времени, и они не выглядят реалистично », — сказал Вонг.
С помощью программного обеспечения, разработанного учащимися, покупатели могут видеть реалистичные детали, даже складки на предметах одежды. Они могут вращать модель, чтобы увидеть, как одежда подходит со всех сторон. До сих пор Вонг и Чжан адаптировали программное обеспечение для показа платьев и рубашек, и они работают над шортами.
Их доклад «Виртуальная примерка: моделирование одежды в реальном времени» будет представлен на 27-й ежегодной конференции по компьютерной анимации и социальным агентам, которая состоится 26-28 мая в Университете Хьюстона. Команда получила дальнейшее подтверждение, когда она выиграла премию Willy Revolution Award за 5000 долларов на ежегодной выставке дизайна Райса 17 апреля.
На вопрос, думает ли она, что мужчины и женщины могут быть заинтересованы в использовании их виртуальной примерочной, Вонг сказала: «Я думаю, что их жены позаботятся об этом, так что это также будет важно для мужчин».»
Новая «виртуальная» рулетка может дать покупателям одежды онлайн идеальную посадку
Предоставлено Университет Райса
Цитирование : Студенты-инженеры изобрели виртуальную примерочную для онлайн-покупателей (с видео) (22 апреля 2014 г.) восстановлено 26 июля 2020 г. с https: // физ.орг / Новости / 2014-04-студенты-виртуальная комната-онлайн-shoppers.html
Этот документ защищен авторским правом. Кроме честных сделок с целью частного изучения или исследования, нет Часть может быть воспроизведена без письменного разрешения. Содержание предоставлено исключительно в информационных целях.
,