ส่วนที่ 1: ตารางขนาดแบบดั้งเดิมล้มเหลวต่อผู้ซื้ออย่างไร
ตารางขนาดจะจับคู่การวัดร่างกายเข้ากับป้ายเสื้อผ้า (XS/S/M/L หรือ 0/2/4/6) ข้อบกพร่องที่ร้ายแรงคือผู้ซื้อไม่ค่อยทราบการวัดของตนเองอย่างแม่นยำ จากการศึกษาของ Fit Analytics ในปี 2019 พบว่าผู้ซื้อออนไลน์น้อยกว่า 40% ที่เคยวัดหน้าอก เอว หรือสะโพกของตนเองในปีที่ผ่านมา แม้ว่าการวัดจะแม่นยำ แต่ตารางขนาดก็ไม่ได้พิจารณาเรื่องการตัดเย็บ ความยืดหยุ่นของผ้า ทรงที่ต้องการ (ทรงหลวม vs ทรงเข้ารูป) และความแตกต่างของสัดส่วนร่างกาย ผู้ซื้อไซส์ 10 สองคนอาจมีการวัดเอวและสะโพกที่เท่ากันเป๊ะ แต่มีความยาวลำตัวที่แตกต่างกันอย่างสิ้นเชิง
โหมดความล้มเหลวประการที่สองคือความแปรปรวนของแต่ละแบรนด์ ผู้ซื้อที่เป็นไซส์ M ในแบรนด์หนึ่งอาจเป็นไซส์ L ในอีกแบรนด์หนึ่ง และเป็นไซส์ S ในแบรนด์ที่สาม ซึ่งเป็นปรากฏการณ์ที่เกิดขึ้นทั่วโลกจน 'size rage' หรือความโกรธเคืองเรื่องไซส์กลายเป็นรูปแบบประสบการณ์ของผู้บริโภคที่เป็นที่ยอมรับ ตารางขนาดให้ความแม่นยำที่ผิดพลาด โดยสื่อว่าตัวเลขหรือตัวอักษรจะช่วยแก้ปัญหาเรื่องขนาดได้ แต่ในความเป็นจริง ตัวเลขนั้นเป็นเพียงจุดเริ่มต้นของการตัดสินใจที่ต้องใช้สัญชาตญาณด้านสไตล์ ความรู้เรื่องเนื้อผ้า และความมั่นใจในรูปร่าง ซึ่งผู้ซื้อส่วนใหญ่ไม่มีสิ่งเหล่านี้
ส่วนที่ 2: การคาดการณ์ขนาดด้วย AI ทำอะไรได้จริง
เครื่องมือคาดการณ์ขนาดด้วย AI แบ่งออกเป็นสองประเภท: แบบใช้การวัดและแบบใช้ภาพ เครื่องมือแบบใช้การวัดจะขอให้ผู้ซื้อกรอกส่วนสูง น้ำหนัก และรูปร่าง จากนั้นจึงใช้โมเดลที่ผ่านการฝึกฝนเพื่อแนะนำขนาด วิธีนี้พัฒนาขึ้นจากตารางขนาดเพราะมีการพิจารณารูปร่าง ไม่ใช่แค่การวัด และสามารถเรียนรู้ข้อมูลขนาดเฉพาะของแบรนด์จากประวัติการคืนสินค้าได้ อย่างไรก็ตาม ขีดจำกัดก็ยังคงอยู่ที่ตัวเลข คือบอกคุณว่าควรสั่งไซส์ไหน แต่ไม่บอกว่าคุณจะดูเป็นอย่างไรเมื่อสวมใส่
AI แบบใช้ภาพ ซึ่งเป็นสิ่งที่ Photta นำมาใช้ ใช้วิธีการที่แตกต่างออกไปอย่างสิ้นเชิง ผู้ซื้อจะอัปโหลดรูปภาพของตนเอง และ AI จะสร้างภาพที่สมจริงของเสื้อผ้าที่เลือกบนร่างกายจริง วิธีนี้จะตอบความไม่แน่ใจที่ต่างออกไป ไม่ใช่ 'ฉันควรสั่งไซส์ไหน' แต่เป็น 'ฉันจะรู้สึกมั่นใจไหมเมื่อสวมชุดนี้ไปงานแต่งงานของพี่สาว' ทั้งสองอย่างนี้เป็นอุปสรรคต่อการตัดสินใจซื้อจริง แต่การลองสวมแบบใช้ภาพจะช่วยคลายความกังวลในมิติของความมั่นใจในสไตล์ที่เครื่องมือแบบตัวเลขไม่สามารถเข้าถึงได้
ส่วนที่ 3: วิธีการลองสวมแบบภาพ — สิ่งที่ Photta ทำ
วิดเจ็ตของ Photta ผสานรวมเข้ากับหน้าผลิตภัณฑ์ของคุณด้วยแท็กสคริปต์เพียงแท็กเดียว เมื่อผู้ซื้อคลิก 'ลองสวมใส่' พวกเขาจะอัปโหลดรูปภาพ (ท่ายืน แสงด้านหน้า พื้นหลังแบบใดก็ได้) AI จะสร้างภาพประกอบของเสื้อผ้าที่เลือกบนร่างกายของพวกเขาในเวลาประมาณ 8–15 วินาที ผลลัพธ์ที่ได้คือภาพผลิตภัณฑ์บนตัวบุคคลที่สมจริง ซึ่งคำนึงถึงรูปทรงของเสื้อผ้า การทิ้งตัวของผ้า และสัดส่วนร่างกายของผู้ซื้อ
โมเดลนี้ได้รับการปรับแต่งเป็นพิเศษสำหรับหมวดหมู่เครื่องแต่งกาย: การทิ้งตัวของผ้าถัก, น้ำหนักของเดนิม, ผ้าเนื้อบาง, เสื้อตัวนอกที่มีโครงสร้าง และทรงเข้ารูป แต่ละแบบจะแสดงผลแตกต่างกันและโมเดลจะจัดการแต่ละแบบได้อย่างถูกต้อง Photta ยังรองรับเครื่องประดับ (แหวน ต่างหู สร้อยคอ) แว่นตา (แว่นสายตา แว่นกันแดด) และรองเท้า แต่ละหมวดหมู่จะใช้ขั้นตอนการทำงานเฉพาะทาง คุณไม่จำเป็นต้องกำหนดค่าว่าจะใช้ขั้นตอนใด ระบบจะตรวจจับประเภทผลิตภัณฑ์จากเมตาข้อมูลผลิตภัณฑ์ของคุณโดยอัตโนมัติ
ส่วนที่ 4: เมื่อใดควรใช้ทั้งสองอย่างร่วมกัน
ตารางขนาดและการลองสวมแบบเสมือนจริงช่วยจัดการกับความกังวลของผู้ซื้อในมิติที่ต่างกันและทำงานได้ดีที่สุดเมื่อใช้ร่วมกัน ผู้ซื้อที่กำลังดูเสื้อเบลเซอร์ที่มีโครงสร้างจะมีคำถามสองข้อที่ชัดเจน: (1) 'ไซส์ 8 จะพอดีกับไหล่ของฉันไหม' — เป็นคำถามเรื่องขนาดเชิงตัวเลขที่ตารางขนาดหรือเครื่องมือวัดขนาดที่แม่นยำสามารถตอบได้ และ (2) 'เบลเซอร์ตัวนี้เข้ากับรูปร่างและสีผิวของฉันไหม' — เป็นคำถามเรื่องความมั่นใจในสไตล์ที่มีเพียงการลองสวมแบบเสมือนจริงเท่านั้นที่ตอบได้ การกำจัดความกังวลเพียงอย่างเดียวไม่สามารถคลี่คลายความลังเลในการซื้อได้อย่างสมบูรณ์
การตั้งค่าที่แนะนำ: เก็บตารางขนาดเดิมไว้ในหน้าผลิตภัณฑ์ เพิ่มปุ่มลองสวมเสมือนจริงของ Photta ไว้เหนือปุ่ม 'เพิ่มลงรถเข็น' ทันที และทำลิงก์ไปยังตารางขนาดจากภายในส่วนล่างของหน้าต่างลองสวมใส่ ผู้ค้าที่ใช้วิธีการแบบคู่ขนานนี้รายงานว่ามียอดขายพุ่งสูงที่สุด — ถึง 28% — เพราะพวกเขาตอบสนองได้ทั้งผู้ซื้อสายวิเคราะห์ (ที่ต้องการตัวเลข) และผู้ซื้อสายภาพ (ที่ต้องการเห็นภาพจริง)
ส่วนที่ 5: ข้อมูลการเปลี่ยนมาเป็นยอดขายจริงจากแบรนด์เครื่องแต่งกาย
จากกลุ่มผู้ค้าของ Photta ค่าเฉลี่ยของการเพิ่มขึ้นของอัตราการเปลี่ยนมาเป็นยอดขายในเซสชันที่มีการลองสวมใส่คือ 22% เมื่อเทียบกับเซสชันที่ไม่มีการใช้งาน อัตราการคืนสินค้าลดลง 25–30% ภายใน 90 วันหลังการติดตั้ง ตัวเลขเหล่านี้ครอบคลุมตั้งแต่แบรนด์แฟชั่นราคาประหยัด 40 ดอลลาร์ไปจนถึงเครื่องแต่งกายพรีเมียม 400 ดอลลาร์ แม้ว่าผลกระทบเชิงตัวเงินที่เป็นจำนวนเต็มจะสูงกว่าในจุดราคาที่สูงกว่าซึ่งมีค่าขนส่งในการคืนสินค้าแพงกว่า
เมื่อแยกตามหมวดหมู่ อัตราการเพิ่มยอดขายที่ใหญ่ที่สุดอยู่ในชุดว่ายน้ำ (+31%), ชุดเดรส (+28%) และเสื้อตัวนอก (+24%) — ซึ่งเป็นหมวดหมู่ที่มีความไม่แน่นอนด้านสไตล์สูงสุดและตารางขนาดให้ความมั่นใจได้น้อยที่สุด สินค้าพื้นฐานอย่างเสื้อยืดธรรมดาและกางเกงสีพื้นมีการเพิ่มขึ้นที่น้อยกว่าแต่ยังคงเป็นบวก (+11–15%) รูปแบบนั้นสอดคล้องกัน: ยิ่งเสื้อผ้ามีความซับซ้อนด้านสไตล์มากเท่าใด การลองสวมแบบเสมือนจริงก็ยิ่งเพิ่มมูลค่าได้มากกว่าเมื่อเทียบกับตารางขนาดเพียงอย่างเดียว