AIを活用して洋服を開発、どうなったか？：10万人以上のデータを使った（2/5 ページ）

[小林香織，ITmedia]

数千・数万のパターンから「売れそうな要素」を抽出

　ドローブ社が自社開発したAIシミュレーターは、自社で展開するパーソナルスタイリングサービスの利用者データが活用されている。同サービスは、会員の好みのスタイルや体型、予算などに応じて、スタイリストが会員にマッチする商品をセレクト、その中から会員が興味を持った商品が自宅に配送されるもの。会員は自宅で試着後、購入・返品を選択できる。

利用料はスタイリング料の3190円／回。洋服の購入は実費だが、5点以上同時購入すると購入額の10％分をポイント還元する仕組みだ（ドローブ社のプレスリリースより）

　会員は20〜40代の働く女性がメインで、会員数は15万人を超える。売り上げのうち、85％を占めるのが継続顧客の購入によるものだ。AIシミュレーターには会員と商品のスコア（相性度）が反映されているが、このスコアは会員の購買率ではなく、「会員の好みにマッチするかどうか」を基準にしている。

　「購買率だけを基準にしてしまうと、どうしてもスコアが高い商品は無難なデザイン、ベーシックカラーにかたよったデータになってしまいます。イエローや赤などの差し色、やや個性的なデザインなどは、購入率は低いけれど継続利用には寄与します。よりチャレンジングな商品として捉え、新しい提案として会員の皆さまに勧めるためにデータに含めています」（山敷氏）

　このデータを活用してAIが導き出すのが、「売れそうな洋服の構成要素」だ。袖、素材、柄、ディティール、テイスト、ネック（首周りのデザイン）、シーン（通勤 or カジュアル）といった複数の要素をかけ合わせた膨大な組み合わせの中から、会員の好みにマッチした「要素の組み合わせ」を抽出する。

例えば、ブラウスをつくろうとした場合、要素の組み合わせは約6000通りにも及ぶ。より複雑な要素で構成されている洋服だと数万通りになることも

　高スコアの要素のパターンを導き出した後は、それに基づいてデザイナーがデザインし、人の感性によって、より細分化した素材やディティールなどを決めて、完成にいたるそうだ。このように商品開発のベースにAIを活用するのは、ドローブ社いわく業界初の試みになるという。