衣、食、住、行四個基本生活需求中，后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互聯網風暴下艱難前行，是時候尋求一場變革了。
市場分析
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）。從移動端搜索數據來看，低峰值主要在周末，可以猜測用戶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，但是在周末用戶更偏向線下消費或者花時間在社交上。用戶在周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」關鍵詞的移動端搜索同比和環比來看，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
從搜索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，提供人體智能測量方案，致力於提供人體智能測量方案，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、合身體面又性價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，而高端定製、創意定製等需求較少。
從2018年的淘寶數據來看，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、高級、專業的服裝定製必然將會成為趨勢，所以高端私人服裝定製則為此行業缺口。
中國產業信息網，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。
中國產業信息網，2020.6
運用SPSS對該數據進行回歸預測，將年份作為自變數，而將份額作為因變數進行線性回歸分析，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檢驗時發現模型通過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，通過該公式預測2020年服裝定製規模達到1832.361億元。
SPSS回歸分析
我們就線上服裝定製來做一個SWOT分析：
技術分析
AI量體
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數據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。因為數據標註人力工程量大，已標註的數據集較少，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數據集，是提高量體技術的關鍵。
個性化優化
個性化推薦可以拆解為聚類和排序兩個問題，數據集來源於用戶上傳的量體照片、頭像、身體數據等。可以運用聚類對用戶的服裝類型對同類型用戶提供同類用戶推薦。但僅僅這樣的功能，很多電商依賴龐大的用戶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，用戶數據過少，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」用戶提供「同類」甚至「同版」服飾，有撞衫的槽點。所以AI服裝可以聚焦於用戶的身材、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泛濫和粗糙，大多數推送無法抓住用戶的心，大多數用戶甚至採用關閉推送的措施。
個性化智能服裝設計也是個性化方向之一，即讓用戶參與到設計自己服裝的過程中來，增加用戶粘性。可以在設計中結合AI圖像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，甚至可以完全通過AI設計出服裝爆款，推薦給用戶，真正做到穿什麼讓用戶說了算。
競品分析
從百度指數中，無論是PC端還是移動端，衣B人的用戶流量都要大於碼S，但是衣B人的搜索環比下降率較大。可見衣B人的用戶基礎很不錯但是碼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
結合用戶在貼吧等公共渠道對兩款產品的用戶反饋進行兩款產品的優劣勢對比，衣B人的優勢在於前期用戶關注度高但產品後勁不足，相比之下，碼S一直在求穩發展。
衣B人的優勢
- 用戶規模：衣B人的廣告營銷和公關能力在前期投入較大，並用優惠券、美女上門量體等噱頭吸引大批用戶。
- 服務：上門服務預訂和售後服務效率很高，在效率方面得到好評。
衣B人的劣勢
- 量體：顧問推薦方案不夠專業，量體不準確。針對這一點可以利用AI量體代替人工量體，解決不專業不準確、隱私泄漏等問題，同時線上獲取數據可以節省顧問人力和時間，做到顧問聘請的寧缺毋濫，更專業化。
- 產品質量：衣服質量低於實體店，做工粗糙。針對這一點的本質還是要從工廠解決，對接專業平台提高衣服質量，公司應該嚴格把關審核工廠的生產過程，包括售前和售後。
- 設計：材質單一、服裝展示不夠生動。針對這一點可以運用直播、3D等技術解決，使客戶端展示更加生動有趣，使用戶感受到不失實體店試穿的購物樂趣。
- 公關廣告的生硬操作：過多的推廣如果與實際產品不質量符，雖然前期能夠積累大量資源，但是在後期容易引起用戶的反感情緒，要再塑造品牌形象會更加難。
碼S的優勢
- AI量體：新技術的開發，儘管有大量的公司消防，但是大量的數據積累是它的奠基石。
- 用戶推廣：更專業的平台接入，區別於衣B人的硬廣告推薦，與更大的平台合作對用戶來說彷彿有了品質保障，是更好的宣傳方式。雖然目前用戶流量還沒有達到衣B人，但是可以說是穩紮穩打了。
碼S的劣勢
- 自身客戶量少：與京東的結合確實解決了創業初期的用戶流量不足的問題，但是同時面臨天花板太小的問題，就目前碼尚自己APP的流量來看還是較少。
- AI量體：智能量體的尺寸有出入，還是不夠合身。針對這一問題主要是輸入更多標註數據到資料庫，訓練模型提高準確率，詳細參考技術分析part。
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），後期產品可以在數據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，後期產品可以通過對供應貨的人工審核或者用戶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，其實用戶之所以對服務抱怨，完全是因為在售前急需有特殊要求的溝通而苦於聯繫不到供應商，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。
需求與用戶
需求定義為行業缺口的私人高端定製，但是考慮到目前團隊定製的用戶基礎較好，所以會考慮產品以團隊定製為輔、私人訂製業務為主。
從兩款產品的用戶人群屬性可以看出，年齡普遍集中在20-40的年輕人。猜想用戶有經濟水平不夠、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用戶定位於男性，考慮到女性群體的衣B人的用戶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。因此最終產品用戶定位於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：
- 定製需求：AI量體，衣服的風格展示；
- 推薦需求：個性化推薦，新品推薦，流行推薦；
- 服務需求：售前服務，售後服務、用戶反饋互動。
結合AI服裝定製聊聊新功能
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。
拉新促銷功能
從蟬大師數據上看，衣B人日均下載量(1188)>碼S(312)，衣B人之所以用戶基數大的一個原因，除了他的公關實力，還依賴於首頁的首頁的促銷信息。從碼S的京東款界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。
直播與多維展示
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。如果要吸引年輕用戶，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級感，但是試穿直播完全可以安排上，給用戶更多購物安全感與互動趣味性，增加用戶粘性的同時也可以用生動的彌補用戶網購得不到的觸覺。
服裝的展示不應該僅僅局限於圖文，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，視頻和3D展示同樣可以運用其中，增添用戶對衣服、材料的理解。
付費一對一服務
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持。一是用戶較多應付不過來，二是成本較高。但是如果APP想要做到品牌提升至高端，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，以此吸引到更高級的用戶。而且這種方式也正可以方便收集到用戶的喜好、數據，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！