自2010年建立以来,Warby Parker一直心怀一项崇高的目标——即以低廉的价格将设计师精心打造的眼镜产品交付至每一位需要的客户手中。近年来,该公司已然成为行业中的颠覆者,目前市值甚至超过十亿美元。而为了在竞争当中继续保持领先地位,Warby Parker开始利用最新的人工智能与增强现实技术为客户带来非凡的购物体验。
Warby Parker正努力凭借人工智能与增强现实技术以迷人的方式颠覆零售行业
最初,Warby Parker颠覆整个眼镜行业的方式之一就是全面上线其家中试戴计划——客户可以在线选择几款镜框,相关产品将被寄送给客户并允许其在家中进行五天试戴。如今,另一套新的镜框体验解决方案利用iPhone X的拍照功能提供类似的虚拟试戴。虽然在此之前,Warby Parker也曾经推出过虚拟试戴服务,允许客户通过增强现实技术了解自己佩戴后的效果——该项技术能够将计算机生成的图像(帧)覆盖到现实世界中的图像(您的面部)上——但新的版本可以配合苹果公司的Face ID,利用3万个肉眼不可见的点与红外图像创建客户的面部图像。这无疑将大大改善原有数字试戴系统的体验,具体包括提供面部3D预览功能并利用增强现实技术替代用于试戴的物理镜框。
Warby Parker利用人工智能超越客户期望的另一种方式,在于培养客户关系并与访问其官方网站的客户进行沟通。该公司利用一系列最新的营销技术与浏览其网站但却并没有实际购买的客户保持互动。通过利用个性化元素激发每位客户的兴趣并引导他们在购买流程中所处的不同阶段,Warby Parker使得客户能够更轻松地找到自己想要的选项。表达传递的是企业的修改,而每一次沟通都是Warby Parker进一步吸引客户的宝贵机会。为了达到Warby Parker业务沟通所需要的个性化与规模水平,AI算法的引入可谓势在必行。
客户的要求往往与零售商的供应内容有所区别。在这方面,人工智能有望帮助客户获得自己想要的效果。因此,虽然有不少关于零售业、特别是实体店可能快速消亡的声音,但亚马逊与Warby Parker等一系列积极进取的企业正在着力开设“实体店”,用以补充其在线服务与产品体系。请放心,这两家行业颠覆者开设的并不是那种传统的门店,而是在人工智能的帮助下实现购物体验的现代化转型。作为门店员工的补充,当工作人员无法给出答案时,人工智能技术可以为客户查询资料并提供指引。这不仅显著缩短了店面人员与公司总部联络所带来的等待时间,同时也消除了“我不知道”这类消极回应所带来的挫败感。
除此之外,AI还有望为店面体验带来个性化这一极具价值的收益。由人工智能支持的建议与选项可以针对特定位置,甚至把客户的在线与店内体验结合起来,从而提供一种非凡的购物感受,最终令客户心甘情愿成为该品牌的忠实支持者。而且在零售商利用人工智能为员工提供信息的同时,这些方案本身也将不断学习,从而更加便捷地以即时方式满足客户对于产品的一切需求。
Warby Parker 公司于2013年在纽约开设了第一家门店;到2018年年底,他们在美国的实体店铺数量已经超过85家。Warby Parker公司正在探索如何更好地将零售业务扩展作为在线与离线世界之间的交叉点。他们测试了无需下车的购物窗口、弹出式商店等多种形式,希望了解与顾客保持接触的最佳位置。由于Warby Parker等公司拥有着数字原生这一天然属性,因此他们非常了解自身供应链以及商品交付流程。总结来讲,他们的终极目标就是在正确的时间以正确的方式将产品交付至消费者手中。
随着零售业的不断发展,相信Warby Parker公司将继续处于创新探索的前沿。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。