패션테크- 개인 맞춤형 큐레이션(AI 의류 추천 서비스 "stitch fix")

4차산업혁명에서 패션부분에서는 어떤 변화가 있을까?

 

 기존에 인터넷 쇼핑몰에서는 비슷한 제품을 계속 추천하는 방식은 존재했었다. 고객에게 더 많은 정보를 노출시키는 방법이었다. 그러나 이제는 너무나도 의류정보, 패션아이템들이 방대하다. 그모든 자료를 검색하는데에 고객은 피로감을 느낀다.

 그래서 이제는 전과 반대로 빅테이터와, 고객데이터를 활용해서 개인의 취향을 저격하는 아이템과 서비스를 제공한다. 바로 "큐레이션 서비스"가 주목받고있다. 4차 산업시대 패션부분에서 이것은 이미 좋은 성적을 거두고 있다.

다음은 큐레이션 서비스를 성공적으로 진행하고 있는 서비스를 소개하려고 한다.

 

1. AI 의류 추천 서비스

스티치 픽스 인공지능 의류 추천 서비스

스티치 픽스,  실제 가입하고 질문에 답해 보았다. 꽤 상세하게 물어본다. 데이터를 촘촘히 모으는 것 같다.

 사실 이런 서비스 패션학과 리테일 수업에서 한번쯤 생각해보고, 과제로 냈던 것들이다. 그러나 패션학과 생들은 아마 이걸 어떻게 해야 할지 몰랐을 것이다. 패션과 취향을 디지털화 하는 방법을 알 수 없었을 테니까 말이다. 그리고 이것은  커스터 마이징된 옷을 추천취향을 데이터화하는데 성공했다는 것인데. 감성의 영역이라고 여겨졌던 이 패션이 어떻게 데이터화 될수 있었을까?

스티치 픽스의 창업자는 사이즈, 가슴둘레, 카, 엉덩이둘레, 선호하는 아이템 모두 데이터라고 생각했다고 한다. 그리고, 넷플릭스의 추천 알고리즘을 개발한 개발자를 스카우트 했다. 그리고 현재 고객에게 최적화된 스타일을 추천하고 적중시키고 있다. 

 

출처 : https://smartaedi.tistory.com/103

 

스티치픽스를 첫 방문한 사용자는 가장 먼저 문답형 개인신상 및 취향 조사를 위한 스타일 프로파일링 과정을 거친다. 데이터 분석가들이 이용자의 반복 구매 행태, 선택 및 반송 내역, 의류 수정 및 보정 요구 사항 등과 같은 특별 추가 서비스 내역, 구매 이력 데이터를 알고리즘에 추가적으로 입력하면 사용자 개인에 맞는 최적의 코디가 도출된다.

사용자의 방문 횟수가 많을 수록 구매가격 할인율과 데이터 분석 및 코디 적중도는 한층 높아진다.

 

스티치픽스는 사용자의 신체조건, 취향, 선호 브랜드, 지출예산 등 빅데이터 분석 알고리즘에 의거해 다섯 개의 의류 및 액서서리 아이템을 큐레이팅한 선물상자를 사용자의 집으로 배송해준다. 소비자는 갖고 싶은 아이템은 챙기고 원치 않는 아이템은 3일 내로 반송처리하면 된다.

 

구매한 제품과 반송된 제품은 자동으로 정산되며 상자 속 물품을 모두 구매할 경우에는 총구매가에서 25%를 할인해준다. 스티치픽스는 멤버십이나 정기구독제 서비스로 운영되지 않기 때문에 가입 초기 자동 배송을 주문하지 않는 한 고객은 원치 않는 자동 구매수수료 결제를 염려하지 않아도 된다.

 

스티치픽스의 알고리즘은 다음과 같은 단계로 적용되고 있다.

먼저 스티치픽스가 확보한 상품 중 고객에게 추천 가능한 상품을 필터링하는 과정이 진행된다. 이미 한번 추천되었거나 고객이 선호하지 않는 특성을 가진 상품들을 제외한 후 해당 고객과 유사한 특성을 가진 고객들이 선택한 과거 상품 선택 이력 데이터를 활용하여 각각의 상품에 대한 고객 선택 확률을 계산한다.(이를 콜라보레이팅 필터링이라 부른다.) 고객이 늘어날수록 상품 추천의 정확도가 올라가는 특성이 있기에 회사가 성장할수록 더 의미 있는 추천이 가능해진다.

 

물론 콜라보레이팅 필터링(Collaborative Filtering) 알고리즘은 각각의 고객을 미리 유형화된 고객 그룹에 연결함에 따라 개별 고객의 세세한 선호도를 반영하기 어렵다는 한계가 있다. 하지만, 고객은 핀터레스트, 인스타그램 등 소셜 미디어 정보를 동시에 제공하기 때문에 사진을 학습하는 과정에서 개별 고객의 세세한 특성을 반영할 수 있게 되었다. 

 

이렇게 스티치픽스는 일단 자체적으로 보유한 상품 재고에서 고객에게 가장 적합한 후보 상품 리스트를 작성하고, 해당 후보 상품 리스트를 스타일리스트에게 제공한다. 고객의 세세한 특성을 반영하는데 있어 가장 중요한 단계이기 때문에 해당 고객에게 가장 적합한 스타일리스트를 선택하는데도 알고리즘이 적용된다. 이때 적용되는 것은 스타일리스트와 고객의 스타일 선호도 일치 여부다. 고객에 맞는 스타일리스트가 선택되고 나면 스타일리스트는 고객 선호도 정보, 과거상품 구매 이력 등을 종합적으로 판단하여 최종 5개의 상품 선택에 활용하게 된다. 이후 물류창고의 상품 선택에서 배송 차량 결정에 이르는 물류 프로세스 전반에도 알고리즘은 적용된다.

 

스티치픽스의 알고리즘은 ‘생산’ 영역까지 확대, 활용되고 있다.  상품 추천 과정에서 확보한 데이터를 바탕으로 시장에 나오지 않은 패션 디자인에 활용하는 단계까지 발전하고 있다. 고객이 선택한 상품들을 개별 디자인 요소별로 분해하여 선호도 정보로 저장하고, 이를 활용하여 새로운 디자인을 설계하는데 활용하는 것이다

 

자체 브랜드 제품 개발에 반영하거나 입점 의류공급업체에 신상품 개발을 위한 트렌드 데이터를 제공하는 것이다.

현재 스티치픽스는 입점 브랜드들이 다 충족시키지 못하는 소비자들의 니즈에 부합하기 위해 매출의 60%를 자체 브랜드의 디자인과 상품 제작에 투자하고 있다.

 

또한 국내에 비슷한 서비스로는, 남성용 의류추천서비스 "핏코", 여성 속옷추천서비스 "월간 가슴"이 있다. 

 핏코

월간 가슴

출처:

http://www.fi.co.kr/mobile/view.asp?SectionStr=opinionHuman&idx=65848

스티치픽스, 감성과 데이터가 만난 新쇼핑 문화

http://clomag.co.kr/article/2834

CLO | 디자인에 과학을 앉히다, 패션의 미래는 알고리즘

https://smartaedi.tistory.com/103

천하의 아마존도 따라한 인공지능 쇼핑몰 스티치 픽스