01-李珊珊-海外AI穿搭从检索到搭配落地.pdf

1、演讲嘉宾：李珊珊海外海外AIAI穿搭：从检索到搭配落地穿搭：从检索到搭配落地0 1背景背景历程历程0 2体系方案体系方案 穿搭穿搭功能功能 queryquery画像画像 引擎引擎&数据数据 评测系统评测系统0 3思考思考总结总结0 1 背景背景历程历程背景历程基本信息 1.产品： 2.产品名称：Gensmo 3.产品定位：First Fashion AI Agent句话定位|One-Sentence Positioning发现发现试试购买的购买的站式沉浸式体验站式沉浸式体验 V1：Gensmo你的 AI 时尚穿搭 Agent，键发现、试穿并购买全球潮流好物，让穿搭灵感瞬 间成真。Gensmo

2、Your personal fashion AI agent that turns outfit inspiration into instant try-on and friction-free shopping.V2（推荐）：Gensmo个把发现-试穿-购买键打通的 AI 私时尚搭配 Agent。Gensmo The first AI fashion agent that lets you discover,try on,and buy every look in one tap.背景历程基本信息 1.产品： 2.产品名称：Gensmo 3.产品定位：First Fashion AI Ag

3、ent发现发现试试购买的购买的站式沉浸式体验站式沉浸式体验背景历程基本信息 1.产品： 2.产品名称：Gensmo 3.产品定位：First Fashion AI Agent发现发现试试购买的购买的站式沉浸式体验站式沉浸式体验0 2体系体系方案方案体系方案发现发现试试购买的购买的站式沉浸式体验站式沉浸式体验整体架构流程体系方案-穿搭功能发现发现试试购买的购买的站式沉浸式体验站式沉浸式体验 搭配生成 品牌识别 价格过滤 性别判断体系方案-query画像发现发现试试购买的购买的站式沉浸式体验站式沉浸式体验 分词 丢词 同义词 纠错词Query Processing Term Dict：采Term词

4、性预测、共现&依存关系、统计等法离线挖掘商品属性，如商 品、品牌、颜等 Tagging：基于BERT、CRF&Term-Attention建词性、实体和类名等Term预测模型 Term Weight：离线build类约束下的Term Dict+NER规则预+为Driven的 Term Weight预测模型 Intervention：尾query的预体系方案-引擎&数据发现发现试试购买的购买的站式沉浸式体验站式沉浸式体验 高并发低延迟 实时搜索 可视化操作 实时监控报警体系方案-引擎&数据发现发现试试购买的购买的站式沉浸式体验站式沉浸式体验 商品数据结构化 数据噪音清洗 字段空值补齐 精品库建设

5、体系方案-评测系统发现发现试试购买的购买的站式沉浸式体验站式沉浸式体验 端到端相关性 商品相关性 无结果率 搭配美观度体系方案发现发现试试购买的购买的站式沉浸式体验站式沉浸式体验 商品相关性控制在10%以内（8%），对基准提升66%，且结果率趋近0。端到端相关性指标未完成10%以内指标，对基准提升54%，但对gpt-4o低了33%。线上badcase减少很多，好评率增加很多。各种基建搭建、稳定性和监控报警建设完善均已完成，一个Q做到0故障率。0-1&1-10成果0 3 思考思考总结总结总结思考发现发现试试购买的购买的站式沉浸式体验站式沉浸式体验在海外AI穿搭从“检索”到“搭配落地”的创业探索中，我们深刻体会到，AI时尚的本质并非简单的“搜图-匹配”，而是一场关于“审美公理”与“数据基建”的深度博弈。以数据为骨，以审美为魂，让AI从找得到走向穿得对THANKS