衣、食、住、行四個基本生活需求中，後三者已經與線上結合地非常好，發展迅速。衣服由於線上APP無法滿足衣服“貼合、舒適”的特殊需求，消費者的消費方式依舊傾向於線下試穿。主要依賴線下零售方式的服裝行業在網際網路風暴下艱難前行，是時候尋求一場變革了。
從百度搜索指數上看，“服裝定製”關鍵詞在PC（平均：91）端逐漸轉移至移動端（平均：143）。從移動端搜尋資料來看，低峰值主要在週末，可以猜測使用者行為大致為工作日通勤時間或其他空餘時間會瀏覽服裝定製相關內容，但是在週末使用者更偏向線下消費或者花時間在社交上。使用者在週末的自由可支配時間更多，由此可見服裝定製的市場目前還是更傾向於線下服務。
從“服裝定製”關鍵詞的移動端搜尋同比和環比來看，人們對於“服裝定製”的關注度在降低，可見服裝定製比較小眾化，市場缺乏活力，規模較小。
百度指數，2020.6
百度指數，2020.6
從搜尋相關詞的詞雲中可以找到幾個重要的類別。
第一類為需求：T恤、成衣、西裝、工作裝、校服、男裝、創意、知性優雅等。
第二類為競品：幫客、碼尚定製、得力佳。
從中，我們找到了一個與主題相關的一家公司——碼尚定製。碼S是2016年成立的一家AI輕定製服裝公司，提供人體智慧測量方案，致力於提供人體智慧測量方案，讓C端產生大規模的個性化且精度高的服裝定製，為中國男人創造購買途徑方便、合身體面又價效比超高的輕定製服裝，幫助中國男性更好的建立形象管理。
百度需求圖譜，2020.6
從目前服裝定製的需求上來看，主要以T恤、工作裝、校服為代表的團體定製、低端定製，而高階定製、創意定製等需求較少。
從2018年的淘寶資料來看，目前成本較小的團體定製佔到88.55%，但是隨著人民消費水平的提高、對外表精緻化的追求，創意、高階、專業的服裝定製必然將會成為趨勢，所以高階私人服裝定製則為此行業缺口。
中國產業資訊網，2020.6
從我國服裝定製市場規模走勢圖上來看，服裝定製的市場份額逐漸擴大，呈正向趨勢。
中國產業資訊網，2020.6
運用SPSS對該資料進行迴歸預測，將年份作為自變數，而將份額作為因變數進行線性迴歸分析，得出結論：模型R方值為0.977，意味著年份可以解釋份額的97.7%變化原因。對模型進行F檢驗時發現模型透過F檢驗(F=214.343，p=0.000<0.05)，也即說明年份一定會對份額產生影響關係，以及模型公式為：份額=-351072.460 174.705*年份，透過該公式預測2020年服裝定製規模達到1832.361億元。
SPSS迴歸分析
我們就線上服裝定製來做一個SWOT分析：
AI量體目前是服裝行業運用最廣泛的技術之一，但是技術壁壘仍存在。比如，“衣呼”的量體功能是它的亮點，但是當用戶去用的時候，會發現圖片識別成功率不高。
AI可以用於量體的主要技術分解為目標定位 骨骼點定位兩步，運用的主要是YOLO系的演算法和R-CNN系演算法，前者效率更高但是不代表準確率高，目前在MSCOCO資料集上最好的效果僅有72.6%，還有待改進。
AI量體不夠準確的原因之一是資料庫的匱乏導致模型的精確度較低。因為資料標註人力工程量大，已標註的資料集較少，使模型還不足以精確定位。所以如果公司可以構建自己的標註資料集，是提高量體技術的關鍵。
個性化推薦可以拆解為聚類和排序兩個問題，資料集來源於使用者上傳的量體照片、頭像、身體資料等。可以運用聚類對使用者的服裝型別對同類型使用者提供同類使用者推薦。但僅僅這樣的功能，很多電商依賴龐大的使用者資料庫已經做得很好。而服裝零售的本身獲客成本過高，此類APP又缺少知名度，使用者資料過少，所以有一部分產品依賴電商生存。
如果AI服裝定製想從中求得生存，可以考慮精細化推薦功能。只針對“同類”使用者提供“同類”甚至“同版”服飾，有撞衫的槽點。所以AI服裝可以聚焦於使用者的身材、皮膚等去精準定位匹配，推薦完全個性化的搭配，同時結合機器學習可以做到的流行趨勢和銷售預測進行個性化推送。
值得一提的是，目前的產品推送都過於氾濫和粗糙，大多數推送無法抓住使用者的心，大多數使用者甚至採用關閉推送的措施。
個性化智慧服裝設計也是個性化方向之一，即讓使用者參與到設計自己服裝的過程中來，增加使用者粘性。可以在設計中結合AI影象識別進行同一版型下不同材質或者相同材質下不同版型的搭配選擇，甚至可以完全透過AI設計出服裝爆款，推薦給使用者，真正做到穿什麼讓使用者說了算。
從百度指數中，無論是PC端還是移動端，衣B人的使用者流量都要大於碼S，但是衣B人的搜尋環比下降率較大。可見衣B人的使用者基礎很不錯但是碼S的未來趨勢更好，另一方面反應AI技術結合的服裝定製是未來趨勢。
百度指數，2020.6
結合使用者在貼吧等公共渠道對兩款產品的使用者反饋進行兩款產品的優劣勢對比，衣B人的優勢在於前期使用者關注度高但產品後勁不足，相比之下，碼S一直在求穩發展。
從中我們可以看出，碼S運用AI量體解決了前面服裝定製APP的關於上門量體“不方便”的問題，但是仍然保留準確率這個亟待解決的需求（雖然CEO自己說準確率在98%以上），後期產品可以在資料標註和模型訓練等技術上加大投入，並同時需要開通方案設計師的線上溝通功能。
另外，服裝定製的兩大需求：質量和服務，後期產品可以透過對供應貨的人工稽核或者使用者反饋起到監管質量的作用。同時對售前售後的溝通和服務重視起來，其實使用者之所以對服務抱怨，完全是因為在售前急需有特殊要求的溝通而苦於聯絡不到供應商，或者在收到衣服之後需要改制等，由於私人訂製的其中一個重點也是“一對一服務”，產品應當配合量體提供這種服務。
需求定義為行業缺口的私人高階定製，但是考慮到目前團隊定製的使用者基礎較好，所以會考慮產品以團隊定製為輔、私人訂製業務為主。
從兩款產品的使用者人群屬性可以看出，年齡普遍集中在20-40的年輕人。猜想使用者有經濟水平不夠、工作較忙不愛逛街的青年男人和替不怎麼講究、腿腳不方便的老年人購買的孝順年輕人，還有因為身材不方便買成衣的大號寶寶們，因此年輕人的基數較大，風格應定位於年輕化、有活力。
從性別上看，不同於碼S使用者定位於男性，考慮到女性群體的衣B人的使用者性別分佈上依舊是男性要高於女性。我猜想原因來源於女生本身就熱愛逛街，去感受實體店的視覺刺激，也有人會把逛街作為一種社交。因此最終產品使用者定位於23-35的男性。
百度指數，2020.6
結合前面競品分析得出的需求如下：
從上圖可見：√已經做到的功能，×為沒有做到的問題，？為做了但是做得不好部分。
從蟬大師資料上看，衣B人日均下載量(1188)>碼S(312)，衣B人之所以使用者基數大的一個原因，除了他的公關實力，還依賴於首頁的首頁的促銷資訊。從碼S的京東款介面上看已經非常重視打折促銷這個part，如果碼S後期要獨立運營的話，這個部分是很重要的一個part。
新人專享福利、限量秒殺、三件打折的活動一定是APP需要考慮的引流手段。
從兩款產品的UI風格來看，主色調為藏青藍與白色，是典型的商務風。如果要吸引年輕使用者，可以選用更加明亮的夏日風格色彩，如淡藍色、沙灘黃等，並加入有趣流行的文案導購提示。
同時直播是目前流行的不可或缺的元素，雖然直播的內容不可以定義為電商的促銷互動，因為促銷會降低私人訂製的高階感，但是試穿直播完全可以安排上，給使用者更多購物安全感與互動趣味性，增加使用者粘性的同時也可以用生動的彌補使用者網購得不到的觸覺。
服裝的展示不應該僅僅侷限於圖文，靜態的展示方式已經脫離潮流，且完全沒有現實購物的實體體驗，影片和3D展示同樣可以運用其中，增添使用者對衣服、材料的理解。
私人定製本就是應該提供一對一服務，包括方案推薦、特殊量體，但這顯然在線上難以支援。一是使用者較多應付不過來，二是成本較高。但是如果APP想要做到品牌提升至高階，將自己與巨頭電商區別賽道，就應該考慮到以會員制或者一次性付費方式提供一對一服務，以此吸引到更高階的使用者。而且這種方式也正可以方便收集到使用者的喜好、資料，為後期提供更好的個性化定製打下基礎。
技術從業者，產品新人一枚，希望在陌生的領域中遇到同路人一起交流，留下你們寶貴的贊和評論吧！
本文由 @是小殼吖 原創釋出於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議