Mắt người nhìn một trăm bức ảnh sẽ nhớ được năm bức ấn tượng nhất; AI nhìn một trăm bức có thể ghi lại cổ áo, độ dài, form và tông màu của từng bức. Đó là chỗ AI có ích khi đọc xu hướng bằng hình ảnh: không phải phán bức nào đẹp, mà biến một bộ ảnh lộn xộn thành bảng đếm được, để bạn thấy kiểu dáng nào xuất hiện nhiều hơn qua từng tháng.
Bài này dành cho nhà thiết kế độc lập, người chọn mẫu của xưởng nhỏ và chủ shop muốn có căn cứ trước khi làm mẫu mới. Bạn sẽ có cách chọn nguồn ảnh, bộ nhãn mô tả, câu lệnh cho AI, cách kiểm kết quả, và những ranh giới về quyền riêng tư và sao chép mà công việc này dễ vấp phải.
AI đọc ảnh làm được gì, không làm được gì
Các chatbot có khả năng đọc ảnh hiện nay mô tả khá tốt những đặc điểm dễ nhìn: áo dài hay ngắn, tay lỡ hay tay dài, cổ tròn hay cổ bẻ, quần ống suông hay ống côn, tông màu sáng hay tối, có hoạ tiết hay trơn. Khi bạn đưa vào cùng một bộ câu hỏi cho từng ảnh, kết quả đủ đều để cộng dồn thành bảng.
Những thứ khó hơn: chất liệu thật, độ dày vải, độ co giãn, màu chính xác dưới ánh sáng khác nhau, và các chi tiết nhỏ như đường may hay kiểu khuy. AI thường đoán chất liệu dựa trên độ bóng và nếp gấp, và hay đoán sai giữa các loại vải trông giống nhau. Màu trong ảnh cũng phụ thuộc đèn, máy chụp và cách chỉnh, nên chỉ nên ghi theo nhóm màu rộng thay vì tên màu cụ thể.
AI cũng không biết bức ảnh có đại diện cho thị trường hay không. Nếu bạn chỉ gom ảnh từ một nguồn, kết quả phản ánh gu của nguồn đó. Vì vậy công việc chọn nguồn ảnh và kiểm nhãn vẫn là phần của người làm nghề; AI chỉ thay phần ghi chép lặp đi lặp lại.
Nói cách khác, giá trị của việc này nằm ở tính đều đặn. Một lần phân tích ảnh đơn lẻ cho bạn một ảnh chụp nhanh khó diễn giải; cùng một quy trình lặp lại mỗi tháng với nguồn ổn định mới cho thấy chiều đi lên hay đi xuống của từng kiểu dáng, và đó mới là thứ người chọn mẫu cần.
Chọn nguồn ảnh cho đúng và cho sạch
Ưu tiên ảnh của chính bạn. Ảnh sản phẩm shop đã bán, ảnh khách gửi khi đổi trả hay khoe đồ (khi họ đồng ý), ảnh mẫu thử của xưởng. Những ảnh này gắn với dữ liệu bán, nên khi đếm thuộc tính bạn có thể đặt cạnh số bán.
Ảnh đường phố tự chụp phải tôn trọng người trong ảnh. Nếu bạn chụp người qua đường để tham khảo cách mặc, chỉ chụp từ xa hoặc từ phía sau, không lấy mặt, không đăng lại, và xoá ảnh sau khi đã ghi thuộc tính. Tốt nhất là ghi chép bằng chữ thay vì chụp.
Ảnh công khai trên mạng chỉ dùng để quan sát. Có thể xem ảnh công khai để ghi thuộc tính, nhưng không lưu kho ảnh của người khác để dùng lại, không đưa ảnh có mặt người lạ vào công cụ AI khi chưa cần thiết, và tuyệt đối không dùng làm ảnh bán hàng.
Giữ bộ nguồn ổn định qua các tháng. Muốn so tháng này với tháng trước thì nguồn ảnh phải tương đương. Đổi nguồn giữa chừng là đổi luôn tập người được quan sát, và sự khác biệt bạn thấy có thể chỉ do nguồn.
Ghi lại nguồn và ngày. Mỗi ảnh hoặc mỗi đợt ảnh ghi nguồn, ngày, nhóm khách liên quan. Thiếu thông tin này, bảng đếm về sau không diễn giải được.
Bộ nhãn mô tả cho từng ảnh
Bộ nhãn phải cố định để AI trả lời cùng một kiểu cho mọi ảnh. Bảng dưới là gợi ý cho quần áo nữ; bạn sửa theo nhóm hàng của mình.
| Nhãn | Giá trị cho phép | Mẹo |
|---|---|---|
| Loại món | Áo, quần, chân váy, đầm, áo khoác, bộ liền | Ảnh có nhiều món thì ghi từng món |
| Form | Ôm, suông, rộng, xoè, chữ A | Không ghi "đẹp", "sang" |
| Độ dài | Lửng, ngang hông, qua hông, qua gối, dài chấm gót | So với cơ thể người mặc |
| Cổ áo | Tròn, tim, bẻ, đức, cao, trễ vai, không xác định | Cho phép không xác định |
| Tay áo | Sát nách, ngắn, lỡ, dài, phồng | Bỏ trống với quần |
| Nhóm màu | Trung tính sáng, trung tính tối, pastel, đậm, hoạ tiết | Không ghi tên màu chính xác |
| Cách phối | Một món, phối hai lớp, phối ba lớp trở lên | Giúp thấy xu hướng mặc nhiều lớp |
Luôn có giá trị "không xác định" cho mỗi nhãn. Không có lựa chọn này, AI sẽ cố chọn một giá trị gần nhất, và bảng đếm sẽ đầy những nhãn đoán.
Câu lệnh và quy trình gắn nhãn
Quy trình dưới đây làm được với chatbot đọc ảnh thông thường, mỗi lần một nhóm ảnh nhỏ.
- Chuẩn bị ảnh: cắt bỏ phần mặt người nếu có, xoá chữ, tên tài khoản hay dấu nhận diện trên ảnh, đặt tên tệp theo nguồn và ngày.
- Gửi mỗi lần năm đến mười ảnh kèm câu lệnh: "Với mỗi ảnh, chỉ mô tả món quần áo theo bảng nhãn sau và chỉ dùng giá trị cho phép. Không nhận xét đẹp xấu, không đoán thương hiệu, không mô tả người mặc. Nhãn nào không nhìn rõ thì ghi không xác định. Trả về một bảng, mỗi dòng một món."
- Chép kết quả vào bảng tổng, thêm cột nguồn, ngày, nhóm khách.
- Kiểm ngẫu nhiên khoảng một phần mười số ảnh bằng mắt. Nếu tỷ lệ sai ở một nhãn cao, sửa định nghĩa nhãn hoặc bỏ nhãn đó.
- Cuối tháng, nhờ AI đếm: "Từ bảng này, tính tỷ lệ từng giá trị của mỗi nhãn theo tháng. Nhãn nào thay đổi rõ nhất giữa hai tháng gần đây? Ghi cả số ảnh đứng sau mỗi tỷ lệ."
- So kết quả với dữ liệu bán và câu hỏi của khách trước khi kết luận.
Không đưa vào AI ảnh khách hàng có mặt, ảnh trẻ em, hay ảnh người khác chụp riêng tư. Nếu công cụ có cài đặt không dùng dữ liệu để huấn luyện, hãy bật lên và kiểm theo phiên bản hiện hành.
Từ bảng đếm đến ý tưởng mẫu, không phải bản sao
Bảng đếm cho bạn kết luận ở mức thuộc tính, ví dụ giả định: trong ba tháng, tỷ lệ áo tay lỡ trong bộ ảnh của bạn tăng dần, tỷ lệ mặc hai lớp tăng, nhóm trung tính sáng chiếm phần lớn. Đó là nguyên liệu cho thiết kế: một áo sơ mi tay lỡ vải thoáng có thể mặc riêng hoặc khoác ngoài áo hai dây, tông kem và nâu nhạt. Bạn làm mẫu theo hiểu biết về khách và vải của mình.
Điều cần tránh là dùng bảng ảnh để tìm một bức cụ thể rồi làm lại y hệt. Lấy cảm hứng từ một xu hướng chung như tay lỡ hay form suông là chuyện của cả ngành; sao chép nguyên một thiết kế, một hoạ tiết in hay một chi tiết đặc trưng của người khác là chuyện khác, có thể vướng quyền sở hữu trí tuệ và chắc chắn làm mất uy tín. Danh mục bản quyền của trang có bài riêng về ranh giới này.
Một cách kiểm đơn giản: nếu mẫu bạn làm được mô tả bằng những thuộc tính chung trong bảng nhãn và chất liệu, tỷ lệ của riêng bạn, thì đó là mẫu của bạn. Nếu cần chỉ vào một bức ảnh của ai đó để nói "giống cái này", hãy dừng lại và thiết kế lại.
Ghép kết quả ảnh với dữ liệu bán và câu hỏi khách
Bảng đếm từ ảnh có giá trị nhất khi đặt cạnh hai nguồn khác: dữ liệu bán của shop và câu hỏi khách. Khi ba nguồn cùng chỉ một hướng, ví dụ giả định ảnh cho thấy áo tay lỡ tăng, sổ bán cho thấy các mã tay lỡ bán đều hơn, và tin nhắn có nhiều người hỏi áo tay lỡ vải mát, bạn có căn cứ khá vững để làm thêm mẫu thuộc nhóm này.
Khi các nguồn lệch nhau, đó cũng là thông tin. Ảnh cho thấy một kiểu dáng tăng mà khách của shop không hỏi, có thể nó đang lan ở một nhóm khách khác, hoặc chưa tới lượt khách của bạn. Ngược lại, khách hỏi nhiều một kiểu mà ảnh không thấy tăng, có thể đó là nhu cầu thực dụng ít người chụp ảnh khoe, như quần âu dài hơn hay áo có túi. Những nhu cầu thực dụng như vậy thường bán bền hơn mốt.
Câu lệnh gợi ý khi ghép: "Đây là ba bảng đã che thông tin cá nhân: tỷ lệ thuộc tính từ ảnh theo tháng, số bán theo thuộc tính, và chủ đề câu hỏi khách. Liệt kê các thuộc tính mà cả ba nguồn cùng tăng, các thuộc tính chỉ tăng ở một nguồn, và gợi ý cách kiểm thêm cho nhóm thứ hai." Kết quả là danh sách việc cần làm tiếp, không phải lệnh nhập hàng.
Sai lệch thường gặp khi đọc xu hướng bằng ảnh
Sai lệch đầu tiên là ảnh đẹp không đại diện cho đời thường. Ảnh được chọn để đăng thường là bộ đồ nổi bật nhất, chụp ở góc đẹp nhất, nên những kiểu dáng phô trương xuất hiện nhiều hơn tỷ lệ người thật sự mặc. Nếu nguồn ảnh của bạn nghiêng về ảnh được dàn dựng, kết quả sẽ nghiêng theo.
Sai lệch thứ hai là khí hậu và vùng miền. Ảnh từ nơi có mùa đông lạnh sẽ đầy áo khoác dày, mặc nhiều lớp; ảnh từ thành phố nóng quanh năm thì ngược lại. Với shop bán khắp ba miền, nên tách bảng theo vùng khách thay vì gộp chung, nếu không bạn sẽ thấy một xu hướng trung bình mà không vùng nào thật sự mặc.
Sai lệch thứ ba nằm ở chính AI. Mô hình có thể mô tả tốt hơn những kiểu trang phục phổ biến trong dữ liệu nó đã học và lúng túng với trang phục ít gặp, như áo dài cách tân, đồ thổ cẩm hay đồ may đo theo kiểu địa phương. Đó là lý do bước kiểm ngẫu nhiên không bỏ được, và nhãn nào AI hay sai thì nên để người gắn.
Câu hỏi thường gặp
Có cần phần mềm chuyên dụng để phân tích ảnh thời trang không?
Với vài trăm ảnh mỗi tháng, chatbot có khả năng đọc ảnh cùng một bảng tính là đủ. Phần mềm chuyên dụng chỉ đáng cân nhắc khi số ảnh rất lớn và bạn đã ổn định được bộ nhãn. Tính năng và điều khoản của mỗi công cụ thay đổi nhanh, nên kiểm phiên bản hiện hành trước khi dùng.
Đưa ảnh có người mặc vào AI có vi phạm quyền riêng tư không?
Rủi ro là có nếu ảnh nhận ra được người, nhất là người không biết mình bị chụp. Nên cắt bỏ mặt và dấu nhận diện, chỉ dùng ảnh của shop hoặc ảnh khách đồng ý, không dùng ảnh trẻ em, và xoá ảnh khi đã ghi xong thuộc tính.
Bao nhiêu ảnh thì kết quả đáng tin?
Không có con số cố định, nhưng với mỗi nhóm hàng và mỗi tháng, vài chục ảnh là mức tối thiểu để thấy tỷ lệ, và nên luôn ghi số ảnh cạnh tỷ lệ. Khi số ảnh quá ít, chỉ nên coi kết quả là gợi ý để quan sát thêm.
AI có nhận ra thương hiệu của món đồ trong ảnh không?
Có thể đoán, nhưng bạn không nên yêu cầu. Việc chọn mẫu dựa trên thuộc tính, không dựa trên thương hiệu, và đoán thương hiệu dễ kéo bạn sang hướng làm hàng giống người khác. Câu lệnh nên ghi rõ không đoán thương hiệu.
Kết quả phân tích ảnh lệch với dữ liệu bán thì làm sao?
Tin dữ liệu bán của shop hơn khi quyết định số lượng, vì đó là hành vi mua thật của khách bạn. Kết quả ảnh có thể đang báo trước một thay đổi chưa vào tới shop, nên dùng nó để thiết kế một lô thử nhỏ thay vì bỏ qua hoàn toàn.
Có nên nhờ AI tạo ảnh mẫu mới từ kết quả phân tích không?
Có thể dùng ảnh tạo bằng AI làm phác thảo nhanh để trao đổi ý tưởng, nhưng mẫu thật vẫn phải được thiết kế, chọn vải và may thử. Không dùng ảnh tạo ra để bán khi hàng thật chưa có hoặc khác ảnh.