AI+美妆，能卷出什么样的科技与狠活？_

2023年伊始，ChatGPT的出现令人感到既兴奋又紧张。在这场科技竞赛中，“AI+应用”已经从单纯的文本生成式聊天机器人，延伸至游戏、设计、医疗、金融和教育等各个领域。

美妆一直都是引领时尚潮流且充满活力的行业，美妆公司不断寻求技术创新的方式从激烈的竞争中脱颖而出，自然不会错过这场AI盛宴。早在上一轮2016-2018年的AI热潮中，欧莱雅、雅诗兰黛、Coty和资生堂等知名国际美妆集团就已经将AI植入化妆品的研发、销售与消费者服务等各个环节。

下面就让我们看看AI在过去、现在以及未来会如何改变美妆行业的游戏规则。

“AI+美妆”在C端的应用

1.虚拟试妆

虚拟试妆让消费者无需实际化妆即可测试口红、眼影、粉底等彩妆的上脸效果，甚至可以检测面部皱纹、斑点、皮肤纹理和黑眼圈来查看抗衰面霜的效果。这样不仅可以降低选购商品时的踩雷风险，还可以打造出不同风格的妆容来适配不同场景，最终提升产品销量。

主流的虚拟试妆软件一般是通过AI+AR的技术组合来实现：

1）智能算法检测并识别客户面部的近百个关键点位来确定面部轮廓

2）AI算法分析这些点位，总结面部特征，然后根据消费者的选择进行妆容的匹配

3）AR将虚拟的数字影像叠加到照片或者视频中，呈现化妆的效果

全球最知名的虚拟试妆技术开发公司当属Perfect Corp和ModiFace。

Perfect Corp自2015年纽交所上市，致力于通过AI和AR技术改变消费者、内容创作者和品牌的互动方式。根据官网介绍，公司的合作对象包括雅诗兰黛、No7、Barry M和MAC Cosmetics等在内的370多个品牌。

雅诗兰黛公司与Perfect Corp合作推出了一款Lip Virtual Try-on的口红试妆应用，让客户在线替换口红颜色查看持妆效果。来自Perfect Corp的数据显示，该应用让雅诗兰黛的客户转化率提高了2.5倍，同时提升了客户对品牌的忠诚度。

图片来源：雅诗兰黛官网

ModiFace创立于1999年，2018年被欧莱雅收购。该公司使用“AR+机器学习”对客户的妆容、发色进行图片或视频的试妆模拟。其中，肤色的识别是选购粉底、遮瑕和眼影的关键步骤，这些工作以往是由柜台导购人员完成，而ModiFace采集了社交媒体上36万用户的超过160万张照片，用来训练和识别用户的肤色，准确率高达98.3% (数据来自Global Cosmetic Industry）。ModiFace与Sephora合作推出了一款Virtual Artist手机应用，里面不仅有妆容和产品的购买推荐，还提供了可视化的化妆步骤指导，帮助客户打造完美妆容。该款应用在疫情期间为消费者提供媲美线下实体店的趣味性和个性化的服务体验，提升了线上购买的转化率。

图片来源：The Verge

2.定制化护肤

面对琳琅满目的货架和扑面而来的营销广告，消费者想找到一款适合自己肤质的护肤品是一项既费时又费力的工作，而且成本高昂。更麻烦的是，肌肤的状态是动态变化的，它能非常迅速地感知环境的变化——身体内在的年龄阶段、饮食和睡眠习惯，以及外界环境的温度、湿度和紫外线强弱等都会对肌肤造成不同程度的影响。一些新锐美妆品牌就抓住了这一痛点，用AI分析客户的肌肤状况，提供定制化的皮肤问题解决方案。

Proven Skincare是由哈佛商学院的Ming Zhao和斯坦福大学的Amy Yuan博士于2017年共同创立的护肤品牌，并在2018年赢得了MIT AI奖项。公司官网称，该项目建立了有史以来最大的护肤数据库The Skin Genome Project，使用AI和机器学习分析了超过800万篇消费者评论、4000份学术期刊和20000种护肤成分的数据，用于一对一的个性化配方生成。

Proven采取了订阅制服务，用户在初次注册时需要在官网做一个问答测试，除了询问皮肤问题，还要考虑季节、压力水平、饮酒量、紫外线指数、居住地的水硬度、湿度水平等等细节。之后，用户每两个月只需支付145美元或119美元，就能收到一个由洁面乳、日霜和晚霜的个性化护肤三件套礼包，产品的配方也会随着每次发货时间、目标位置、季节、压力水平、皮肤状态而变化。

图片来源：Proven官网

3.智能客服

传统行业的客服仅解答关于产品质量、物流和售后服务的基本问题，但是美妆的消费群体大多是女性，因此建立品牌与消费者的情感连接对维持客户忠诚度非常重要。

2020年疫情期间，雅诗兰黛与谷歌合作开发了一款基于NLP（自然语言处理）的智能美容顾问“Liv”，能够直接通过WhatsApp或Google Assistant给客户提供个性化的护肤建议，并引导潜在用户选购雅诗兰黛的系列产品。Liv的目标是以更加自然友好的线上聊天方式取代人类导购的面对面咨询，必要时还会使用流行语与Emoji。根据初步测试，用户对这款应用的反馈非常积极：一方面，Liv给出的建议非常清晰，促使用户意向购买更高价的商品；另一方面，用户在更为熟悉的聊天软件界面内与智能顾问的互动频率更高。

或许在不远的将来，随着ChatGPT 的普及，Liv对场景和上下文的理解能力会变得更加深刻，能够自适应不断变化的消费者偏好，提供更加个性化的体验。

图片来源：网络

“AI+美妆”在B端的应用

1.产品研发快反

AI可以帮助原料商和品牌商，发掘新的原料成分和产品配方，大幅缩短产品的研发和上市周期，形成品牌推新的敏捷开发模式。

传统美妆产品的开发流程非常繁琐，需要前端市场部门进行充分的消费者调研，了解用户需求，找到合适的切入点，再进行产品定义、配方研发、产品测试、外包装设计、注册备案、试生产等等，整套流程下来，从产品立项到上市，短则1年，长则2-3年。然而品牌方在AI的辅助下，可以通过大数据抓取用户的消费习惯，分析当前热门成分和配方，使得消费者调研和配方研发环节的周期大大缩短，确保产品上市后仍处于风口期。

巴黎欧莱雅在2019年推出的零点霜，就是首款依靠AI辅助研发的创新产品。欧莱雅北亚区首席数字和营销官吴翰文在集团20-21发展战略年度沟通会上表示，巴黎欧莱雅与天猫小黑盒合作，通过AI算法识别早期前沿的护肤趋势，跟踪了1000名消费者，用时59天共创的首款反向创新产品。原本欧莱雅集团的新品开发周期是24-36个月，零点霜只用了6个月就完成了立项到上市的全部流程，并且在上市首日就售出10万余件，打破了当年天猫面霜品类单日销售记录。

图片来源：天猫小黑盒与欧莱雅合作的零点面霜活动页面

2.供应链管理

美妆行业的线上化率在不断提升，对供应链管理提出了更高要求。根据欧睿数据库的统计，2021年中国化妆品线上渠道的销售占比达到38.7%。电商平台在大促期间的虹吸效应使得品牌的GMV波动加剧，这就需要品牌方预测销售趋势、优化库存管理和柔性化生产。

欧莱雅内部的技术团队研发了一个Demand Sensing的项目，成为供应链数字化转型的关键推动因素。该项目使用AI算法和机器学习进行需求预测，通过收集多个平台的大数据，比如物流数据、订单数据、促销数据、会员数据等，判断品牌销量，确保货品的及时供应。根据相关新闻报道，2021年中国区的一场大促期间，欧莱雅利用AI模型准确预估了兰蔻粉水的销量，避免了人工预估造成的20%库存短缺。