摘 要：互聯(lián)網(wǎng)的日益發(fā)展使我們處于一個信息過載的時代，對個性化信息服務(wù)的訴求也越來越強烈，個性化推薦系統(tǒng)正是解決以上問題的方法。本文基于個性化推薦系統(tǒng)的后臺原型，比對市面上穿衣搭配、導(dǎo)購類應(yīng)用做出了未來穿搭應(yīng)用的猜想。

關(guān)鍵詞：服裝搭配；個性推薦；專家系統(tǒng)

目前，時尚導(dǎo)購類應(yīng)用越來越多，面向用戶所展開的功能良莠不齊，很多的應(yīng)用充斥著大量信息，增加了用戶對于使用產(chǎn)品時的工作負荷量。本文基于專家系統(tǒng)，對于個性化推薦穿搭應(yīng)用是要改善用戶使用體驗，增進理解用戶的需求，降低個人與服裝之間的溝通張力，平衡用戶自知與服裝客觀感知間的和諧。市場上現(xiàn)有的導(dǎo)購?fù)扑]類應(yīng)用，大部分以服裝搭配推薦圖例的展示形式陳列給用戶，卻從未發(fā)自內(nèi)心推敲用戶到底想要什么。用戶開始會被不同的展示圖片所吸引，隨之進入“流”的購物模式。

“流”（Flow），這個概念最早在Mihaly Csikszentmihalyi的著作中Flow：The Psychology of Optimal Experience中被提到。在Peopleware：Productive Projects and Teams一書中，作者Tom DeMarco和Timothy Lister將流描述為“一種深層的、近乎完全的融入狀態(tài)”。流通常包括一種溫和的沉醉感并能讓你對時間的流逝毫無察覺。[1]流也可稱為沉浸式模式，進入沉浸式購物模式的用戶，心境就會發(fā)生轉(zhuǎn)變，對于網(wǎng)站推薦的衣服本身要求就將變得更加嚴(yán)苛。用戶目標(biāo)與動機明確的設(shè)計，是產(chǎn)品最該被列入首要的主題。

用戶在購買時，從購物心理學(xué)的角度來講分為：無意識購物、購物環(huán)境潛移默化、消費者固有的慣性思維中心等。簡單來說，用戶在購物的時候大多處于一種盲目的狀態(tài)，如以下網(wǎng)購流程簡述：正常的網(wǎng)上購物行為應(yīng)該粗略分為以下12步：想要購買衣服、不同應(yīng)用中探尋、有喜歡的、看價格、價格合適、鏈接、看圖片服飾細節(jié)、看店家信譽、看已購買用戶評價、（思考是否合適自己、聯(lián)想自己的已有服飾的搭配）、是否是7天無理由退還貨物店、加入購物車、（再次思考猶豫）、購買。

在網(wǎng)上購物不同于現(xiàn)實購物，所看即所得，只要上身好看就可以直接購買。網(wǎng)購時，購買的12步中，我們其實從第3步就已經(jīng)開始有了購買的欲望，但是到最終的購買我們還要歷經(jīng)很多的評斷時間。問題在于我們對于物品的不信任，對于自己的不了解，更加重要的是對于自己的衣櫥沒有一個整體概覽。很多18～25歲的“小白用戶”人群想要尋求變化，找到自己的特點穿出個性，盲目地推薦她們下載時尚導(dǎo)購類的應(yīng)用，只會叫她們更加的舉步維艱。

解鈴還須系鈴人，問題的根本要從用戶自身尋找，要使用戶自己了解自己。服裝搭配不僅僅是肉體和布料間的疊加，而是有關(guān)色彩、材質(zhì)、款型、身高體重、臉型等因素組成，個性化推薦也是基于此。個性化推薦的專家系統(tǒng)，首先是要在大量的數(shù)據(jù)基礎(chǔ)之上，運用人工智能的技術(shù)完成。

專家系統(tǒng)（Expert System，ES）亦稱為專家咨詢系統(tǒng)，它是一種具有大量專門知識與經(jīng)驗的智能計算機系統(tǒng)。它把專門領(lǐng)域中人類專家的知識和思考解決問題的方法、經(jīng)驗和訣竅組織整理且存儲在計算機中，不但能模擬領(lǐng)域?qū)＜业乃季S過程，而且能讓計算機如同人類專家那樣智能地解決實際問題。“專家系統(tǒng)”指擁有某個或某些專門領(lǐng)域相當(dāng)數(shù)量的專家級知識，并且能夠在運行過程中不斷地增長新知識和修改原有知識，從總體上達到專家水平。由于專家系統(tǒng)是基于知識的系統(tǒng)，那么，建造專家系統(tǒng)就涉及知識獲取（從人類專家那里或從實際問題那里搜集、整理、歸納專家級知識），知識的組織與管理，知識庫建立與維護，知識的利用等。本文中所描述的基于專家系統(tǒng)的個性化穿搭應(yīng)用推薦猜想，也是從搜集專家級的知識開始，以下會從視覺上最先感知的顏色開始，推導(dǎo)出我們的個性化穿搭推薦的專家系統(tǒng)。[2]

服飾搭配中最為吸引人眼球的是整體的顏色。首先，要確立用戶膚色的大致劃分，以便找到適合自己的服裝風(fēng)格顏色。例如，皮膚比較偏向棕色的女生，可能由于更加崇尚健康常曬太陽，比較適合活躍的熒光色，色彩飽和度高的色彩；皮膚比較白皙的女生，比較適合暖色。顏色確定后，我們通過顏色的劃分和歸類，可以導(dǎo)向服飾搭配中的風(fēng)格分類。根據(jù)各大電商的風(fēng)格分類總結(jié)，可以將服飾風(fēng)格劃分為4種大類：女性化、中性化、個性化、大眾化。根據(jù)色彩的關(guān)聯(lián)，能夠很快地定位用戶的方向，每次向用戶推薦2種風(fēng)格，其中可變更風(fēng)格1種（女性化、中性化、個性化任選其一）。更換一種大風(fēng)格則相應(yīng)的推薦另外兩種可變更風(fēng)格之一；替換一種大風(fēng)格下的小趨向，可從新獲得2種小趨向風(fēng)格。

不做硬性的推薦，而是感情化的給予建議，如同你的購物閨蜜一般。這樣的推薦來源于用戶自身真實的個體特征資料，通過猜風(fēng)格的形式和用戶產(chǎn)生第一次的互動，讓用戶不會有被迫的感覺。這樣的個性化推薦，大大減少了用戶尋找想要服飾的時間，并且在每次用戶操作過后，系統(tǒng)將會更加了解用戶心里的欲求購買物品，可以更加準(zhǔn)確的推薦給用戶。每種大風(fēng)格下面的服飾搭配，所用的單品總是共10種，包括包、配飾等配件，10種搭配衍生出7種整體符合大風(fēng)格的造型。這就是我們想要強調(diào)的收斂型。不是夸張地叫你總是購買新衣服，而是有節(jié)制的從需求、適合、喜歡，三種不同層級出發(fā)收斂，以幫助用戶不會穿錯的基礎(chǔ)上提高20%的心意，打造潮級平凡的搭配效果。

每款推薦的搭配都是在一定價格范圍之內(nèi)。根據(jù)18～25歲用戶的經(jīng)濟水平，每套服裝搭配都應(yīng)該有其應(yīng)用的價格傾向，適合“小白用戶”的更加細分的人群。在校園中，大部分的經(jīng)濟來源都是父母的支持，我們應(yīng)該樹立良好的價值觀，不應(yīng)過度消費。

每款推薦的搭配單品可以通過拍照的方式進行替換，合理的利用現(xiàn)有服飾，搭配出相同的效果。本質(zhì)是現(xiàn)有衣服的重組沒有建立起來。一遍遍的試穿現(xiàn)有的服裝，在體力上用戶使用度不夠良好。所以，只要用戶輸入了現(xiàn)有的服裝，系統(tǒng)可以自動為其匹配；或是用戶可以利用其碎片時間，完成搭配的小游戲。這種互動可以增加用戶的搭配能力，在體驗中尋求成長。用戶的搭配知識來源于，系統(tǒng)的推薦和達人用戶的服飾街拍樣例。每一次用戶自我的搭配還可以分享給其他用戶，通過評分的機制，增加整個使用過程中的游戲性，讓搭配成為一種誰人都可以做好的事情。達人的服飾展示不僅可以作為服飾搭配的知識來源，還可以作為“小白用戶”的匹配樣板。根據(jù)“小白用戶”最開始的個體體征數(shù)據(jù)，可以找到資料相當(dāng)?shù)倪_人，作為參考樣板。

通過這樣的專家系統(tǒng)化的個性化推薦設(shè)計，不僅可以減少用戶在尋求購買時的時間成本，最重要的可以幫助“小白用戶”完成自我探尋的第一步，開啟了他們的服飾搭配敲門磚。購物只需三步：選擇——喜歡——購買。個性化推薦的關(guān)鍵就是在幫助用戶，在一定的預(yù)算范圍之內(nèi)，完成最大化的個性服飾搭配，并解決最快的購買流程。基于專家系統(tǒng)的個性化推薦設(shè)計，想要做的就是平衡“個人偏好”與“實際獲得”之間的距離，讓用戶最終買到的東西盡可能的貼近用戶心里欲求的。

參考文獻：

[1] Alan Cooper（美），等.About Face3交互設(shè)計精髓[M].劉松濤，等，譯.電子工業(yè)出版社.

[2] 敖志剛.人工智能與專家系統(tǒng)導(dǎo)論[M].中國科學(xué)技術(shù)大學(xué)出版社.

作者簡介：李玉蓮（1989—），女，吉林人，研究生，主要研究方向：新媒體。