مهار بحران لباس‌های مرجوعی با شبیه‌سازی هوش مصنوعی؛ فناوری پرو مجازی کچز به د اوت‌نت آمد

شرکت فناوری مد کچز (Catches) با همکاری فروشگاه اینترنتی «د اوت‌نت» (The Outnet)، فناوری پرو مجازی مبتنی بر هوش مصنوعی خود را به دنیای خرده‌فروشی آنلاین می‌آورد.

این شرکت ابزار شبیه‌ساز خود به نام PredictiveFit را در همکاری با این پلتفرم حراج پوشاک لوکس پیاده‌سازی می‌کند؛ پلتفرمی که در سه‌ماهه نخست سال ۲۰۲۶ به مالکیت آیکون لاکچری گروپ (Icon Luxury Group) درآمد. این پروژه پس از یک دوره همکاری موفق ۶ ماهه با برند لوکس امیری (Amiri)، نخستین باری است که کچز فناوری پرو مجازی خود را در اختیار یک خرده‌فروشی چندبرندی قرار می‌دهد.

مدیران د اوت‌نت امیدوارند ارائه تصویری دقیق‌تر از نحوه قرارگیری و نشستن لباس روی اندام خریداران، به فروشگاه‌های آنلاین کمک کند تا علاوه بر افزایش فروش، با یکی از مزمن‌ترین و پرهزینه‌ترین چالش‌های تجارت الکترونیک، یعنی مرجوعی کالا، مقابله کنند.

جوزف ادری (Joseph Edery)، بنیان‌گذار و مدیرعامل آیکون لاکچری گروپ، در گفت‌وگویی توضیح داد: «مرجوع شدن کالا همواره یکی از معضلات بزرگ ما بوده است. نرخ بازگشت کالا در فروشگاه ما نسبتاً بالا است و هدف اصلی، کاهش این رقم به شمار می‌رود؛ چراکه اصطکاک و دغدغه کمتر برای مشتری، نرخ تبدیل بازدیدکننده به خریدار و در نتیجه سودآوری را افزایش می‌دهد.»

برای فروشگاه‌های چندبرندی، ناهماهنگی در جدول سایزبندی میان برندهای گوناگون، حل این معضل را به‌مراتب پیچیده‌تر و دشوارتر می‌کند.

ادری با اشاره به اینکه شرکتش تاکنون چند راهکار فناورانه مختلف را بدون نتیجه مثبت آزموده است، افزود: «ما مدت‌ها است تلاش می‌کنیم این مشکل را برطرف سازیم، اما راهکارهای قبلی گره‌گشا نبودند؛ زیرا قالب و قواره هر برند با برند دیگر تفاوت دارد.»

به گفته او، خریداران برای جبران این عدم اطمینان، اغلب چند سایز مختلف از یک لباس را سفارش می‌دهند؛ رفتاری که علاوه بر تحمیل هزینه‌های سنگین به فروشگاه و برندها، فرایند خرید را برای مشتریان نیز فرسایشی می‌کند.

او در ادامه خاطرنشان کرد: «مسئله فقط زیان مالی نیست، بلکه به کل مسیر و تجربه خرید مشتری مربوط می‌شود.»

رویکرد استارتاپ کچز به‌جای تولید ساده یک تصویر ثابت هوش مصنوعی، بر نمایش دقیق تناسب اندام و رفتار طبیعی لباس در هنگام حرکت متمرکز است.

اد وویس (Ed Voyce)، هم‌بنیان‌گذار کچز، در این باره می‌گوید: «بسیاری از مدل‌های هوش مصنوعی موجود در بازار، تصاویر بسیار زیبایی تولید می‌کنند، اما در عمل گرهی از کار مشتریان باز نمی‌کنند.»

فناوری جدید PredictiveFit به‌طور ویژه برای خرده‌فروشی‌هایی طراحی شده است که محصولات برندهای پرتعدادی را عرضه می‌کنند، اما اطلاعات کارخانه‌ای لازم برای مدل‌سازی دقیق هر لباس را در اختیار ندارند.

ادری با تأکید بر تحول‌آفرین بودن این رویکرد گفت: «این ابزار تاریخچه ۲۵ ساله نرخ بالای مرجوعی در تجارت الکترونیک را دگرگون می‌کند؛ مشکلی که ریشه‌اش در ناتوانی پلتفرم‌ها در تطبیق دقیق خواست خریدار با قالب و قواره هر برند نهفته بود.»

فناوری پیشین کچز به نام RealFit که در ماه مارس در همکاری با برند امیری عرضه شد، از داده‌های مستقیم کارخانه‌ای مانند الگوهای برش، مشخصات پارچه و معیارهای سایزبندی استفاده می‌کرد. در مقابل، ابزار PredictiveFit مستقیماً داده‌های در دسترس خرده‌فروشان را به کار گرفته و آن‌ها را به نسخه‌های دیجیتالی آماده شبیه‌سازی تبدیل می‌کند؛ نسخه‌هایی که وزن، بافت، ساختار، فرم ریزش و ایستایی پارچه و حتی نوع حرکت لباس روی بدن را بازآفرینی می‌کنند.

هر دو سیستم با تلفیق شبیه‌سازی مبتنی بر قوانین فیزیک و الگوریتم‌های هوش مصنوعی، یک دوقلوی دیجیتال از خریدار می‌سازند تا نشان دهند هر لباس در سایزهای مختلف چگونه روی تن قرار می‌گیرد، فرم می‌گیرد و حرکت می‌کند. این زیرساخت بر پایه پلتفرم‌های Omniverse و CUDA شرکت انویدیا (Nvidia) توسعه یافته و از موتور فیزیک نیوتن (Newton Physics Engine) بهره می‌گیرد.

آزیتا مارتین (Azita Martin)، معاون و مدیرکل بخش هوش مصنوعی خرده‌فروشی در انویدیا، در این خصوص تأکید کرد: «نتایج کچز در همکاری با امیری، تصویر عینی کارایی فناوری‌های متکی بر فیزیک در میدان عمل است؛ این سیستم یک پیشنهاددهنده کلی و سطحی نیست، بلکه شبیه‌سازی دقیق نحوه حرکت یک لباس واقعی روی بدنی واقعی است.»

او در ادامه افزود: «اکنون ابزار PredictiveFit همین قابلیت را در مقیاس وسیع کاتالوگ محصولات به همه خرده‌فروشان ارائه می‌دهد. این نقطه عطفی است که در آن، شبیه‌سازی فیزیک‌محور از یک قابلیت آزمایشی فراتر رفته و به زیرساختی محوری برای اداره کسب‌وکارهای آنلاین تبدیل می‌شود.»

برای پلتفرم د اوت‌نت که محصولات بیش از ۳۵۰ طراح مد را عرضه می‌کند و به مشتریانی در بیش از ۱۰۰ کشور خدمات می‌دهد، حل این چالش اهمیتی دوچندان دارد؛ زیرا برش و اندازه‌های لباس‌ها میان برندهای گوناگون تفاوت‌های چشمگیری دارد.

به گفته وویس، برند امیری طی ۶ ماه استفاده از این فناوری (بر پایه محاسبات تعدیل‌شده فصلی)، با رشد ۵۵ درصدی نرخ تبدیل، افزایش ۸۰ درصدی اقدام به خرید، رشد ۳۹ درصدی در تعداد کالاهای فروخته‌شده و افزایش ۵۶ درصدی در مجموع فروش ناخالص همراه بوده است.

این ارزیابی در مقایسه با مدل‌های مشابه محصولات امیری بدون استفاده از فناوری کچز انجام گرفته است. وویس همچنین از کاهش ۳۰ درصدی مرجوعی‌های ناشی از اندازه نبودن لباس در طول این دوره همکاری خبر داد.

هم‌بنیان‌گذار کچز با اشاره به اینکه این آمارها هنوز محافظه‌کارانه هستند، گفت: «نکته شگفت‌انگیز در این است که رابط کاربری ما هنوز بهینه‌سازی‌های فراوانی در پیش دارد. از این رو، نسبت به چشم‌انداز پیش‌رو و تأثیر آن بر آینده کل صنعت پوشاک بسیار هیجان‌زده هستیم.»

او اضافه کرد که بهبود مستمر رابط کاربری، تجربه پرو مجازی را برای خریداران ساده‌تر و شفاف‌تر خواهد کرد.

استارتاپ کچز هم‌زمان از ایجنت هوش مصنوعی اختصاصی خود به نام «کاسی» (Casi) نیز رونمایی کرد؛ دستیار هوشمندی که برای کمک به کاربران در زمینه کشف محصولات، دریافت پیشنهادهای اختصاصی و انتخاب دقیق سایز در پیام‌رسان‌هایی مانند واتس‌اپ طراحی شده است و وویس آن را به یک «استایلیست جیبی» تشبیه می‌کند.

او تأکید کرد: «هدف اصلی از ساخت این ایجنت، پیدا کردن و خرید لباس‌هایی است که کاملاً اندازه تن کاربران باشد؛ ویژگی ارزشمندی که مهم‌ترین مزیت این سرویس محسوب می‌شود.»

کچز تاکنون ۱۰ میلیون دلار سرمایه از سرمایه‌گذاران مطرح جذب کرده است؛ از جمله آنتوان آرنو (Antoine Arnault)، مدیر تصویر و محیط‌زیست گروه کالاهای لوکس LVMH، و همسرش ناتالیا وودیانووا (Natalia Vodianova) که مدل و سرمایه‌گذار حوزه تأثیرگذاری اجتماعی است. گری شین‌بام (Gary Sheinbaum)، مدیرعامل سابق تامی هیلفیگر، و سارا ویلرزدورف (Sarah Willersdorf)، مدیر سابق بخش کالاهای لوکس در گروه مشاوره بوستون (BCG)، از دیگر حامیان مالی این شرکت هستند.