השקר של $890 מיליארד: מדוע "מדידה וירטואלית" מבוססת בינה מלאכותית מחמירה את בעיית ההחזרות באופנה

בנובמבר האחרון, סמנכ"לית מסחר אלקטרוני במותג אופנה בינוני הציגה הדגמה במחשב הנייד שלה במהלך שיחה עם הצוות שלי. "תראו את זה," היא אמרה, בעודה מסובבת את המסך כדי להראות לנו כלי בינה מלאכותית גנרטיבית למדידה וירטואלית שהחברה שלה זה עתה רכשה ברישיון. סלפי של לקוחה, שמלת מעטפת פרחונית שצוירה דיגיטלית על גופה. התמונה הייתה מהממת — תאורה באיכות אולפן, בד שנראה כאילו הוא לוכד את האור, וגזרה שנראתה כאילו נתפרה במיוחד עבורה.

"ההמרות עלו ב-14% מאז שהשקנו את זה," היא אמרה.

שאלתי אותה מה קרה עם ההחזרות.

שתיקה. ואז: "גם הן עלו."

הרגע הזה גיבש משהו שהתחבטתי בו במשך חודשים בזמן שבניתי את צינור עיבוד הבינה המלאכותית מבוסס-הפיזיקה של Veriprajna. תעשיית האופנה התאהבה בטכנולוגיה שהפכה את הבעיה היקרה ביותר שלה לחמורה יותר — והתמונות היו כה משכנעות שאיש לא רצה להודות בכך.

משבר ההחזרות במסחר האלקטרוני של האופנה אינו בעיה לוגיסטית. הוא אינו בעיה של שירות לקוחות. זו בעיית פיזיקה המחופשת לתמונה יפה. והפתרון הפופולרי ביותר של התעשייה מבוסס הבינה המלאכותית — מדידה וירטואלית גנרטיבית — הוא מראה קסמים בשווי $890 מיליארד.

המספר שאמור להפחיד כל מנכ"ל אופנה

הנה הנתון שמדיר שינה מעיניי: קמעונאים בארה"ב ספגו כמעט $890 מיליארד בעלויות הקשורות להחזרות בשנת 2024, לפי הפדרציה הלאומית לקמעונאות (National Retail Federation). זו אינה טעות. זהו מספר שמתחרה בתמ"ג של מדינות שלמות, והאופנה היא החוטאת הגדולה מכולן.

בעוד שמוצרי אלקטרוניקה נעים סביב שיעורי החזרה של 8-10% ומוצרי טיפוח עומדים על 4-10%, פריטי הלבשה נוחתים באופן עקבי בין 30% ל-40%. במהלך גלי מבצעים כמו בלאק פריידיי, קטגוריות מסוימות מזנקות מעבר ל-50%. ראיתי נתונים פנימיים ממותגים שבהם שיעורי ההחזרה של ג'ינס הגיעו ל-88% במהלך מבצע בזק. שמונים ושמונה אחוזים. על כל עשרה זוגות ג'ינס שנשלחו, כמעט תשעה חזרו.

האינסטינקט הוא להתייחס לכך כאל עלות של עשיית עסקים. אבל המתמטיקה אכזרית. כשפריט לבוש בשווי $100 חוזר, הקמעונאי לא רק מפסיד $100 בהכנסות. הם בולעים $5-15 במשלוח חוזר (ספורדי, מבוזר, בלתי אפשרי לאופטימיזציה כמו משלוח יוצא). הם משלמים $3-8 בעבודת בדיקה ידנית — מישהו צריך לפתוח את החבילה, לבדוק כתמים, לאמת את המק"ט. הם מוציאים $2-5 על גיהוץ באדים, קיפול מחדש ותיוג מחדש. ואז הרוצח האמיתי: עד שפריט הלבוש חוזר למדף שבועיים עד ארבעה שבועות מאוחר יותר, חלון הטרנד עשוי כבר להיסגר, מה שמאלץ הנחה של 30-50%.

העלות הכוללת של החזרה בודדת יכולה לצרוך 66% ממחיר הפריט המקורי. על כל שלושה פריטים שנמכרים, אם אחד חוזר, הרווח מהשניים האחרים לרוב נעלם רק בכיסוי ההפסד.

זה מה שאני מכנה "שגשוג חסר רווח" — הכנסות גדלות, מרווחים מצטמצמים, וצוות הנהלה שלא מצליח להבין למה.

למה לקוחות מחזירים בגדים? (זה לא מה שאתם חושבים)

הנחתי, כשהתחלנו לראשונה לחפור בנתונים האלה, שהסיבה המובילה תהיה חרטת הקונה או רכישות אימפולסיביות. טעיתי.

בעיות גזרה ומידות מניעות 53% עד 67% מכלל החזרות ההלבשה. לא "שיניתי את דעתי". לא "הצבע נראה שונה". פריט הלבוש פשוט לא התאים פיזית לגוף האנושי שעבורו נרכש.

וכאן זה נעשה מעניין: הצרכנים אינם טיפשים. הם יודעים שמידע הגזרה באינטרנט הוא זבל. "מדיום" בזארה הוא "אקסטרה סמול" במותג יוקרה. טבלאות מידות נותנות לכם היקף חזה ומותניים — שני מספרים חד-ממדיים שמנסים לתאר משטח תלת-ממדי, מעוקל, מורכב ביומכנית.

אז הם הסתגלו. הם מבצעים ברקטינג.

ברקטינג פירושו להזמין את אותה שמלה במידה סמול, מדיום ולארג' עם תוכנית מפורשת לשמור אחת ולהחזיר שתיים. זו התנהגות רציונלית לחלוטין כשיש לכם אפס מידע אמין על הגזרה. ו-51% מהקונים מדור ה-Z מודים שהם עושים זאת באופן קבוע. מנקודת המבט של הלקוח, זה חכם. מנקודת המבט של הקמעונאי, זה קטסטרופלי — פי שלושה משלוח יוצא, כפול משלוח החזרה, שלוש יחידות נעולות מחוץ למלאי בזמן שהן יושבות בדירה של מישהו.

אני זוכר שהסברתי זאת בשלב מוקדם למשקיע. הוא משך בכתפיו ואמר, "אז פשוט תנו להם טבלאות מידות טובות יותר." שלפתי שתי טבלאות מידות משני מותגים שניתחנו. אותה תווית "מדיום". לאחת היה מדד חזה של 88 ס"מ, לשנייה 96 ס"מ. הפרש של 8 ס"מ — זו לא שגיאת עיגול, זה גוף שונה לחלוטין.

טבלאות מידות אינן הפתרון. הן חלק מהבעיה.

הפיתוי של בינה מלאכותית גנרטיבית

אז התעשייה יצאה לחפש פתרון טכנולוגי, והיא מצאה אחד שהרגיש כמו קסם: מדידה וירטואלית באמצעות בינה מלאכותית גנרטיבית.

המצג משכר. לקוחה מעלה סלפי. מודל דיפוזיה — אותה משפחת טכנולוגיה שמאחורי Stable Diffusion ו-Midjourney — "מצייר" את פריט הלבוש על גופה. התוצאה נראית פוטוריאליסטית. הלקוחה רואה את עצמה בשמלה, מרגישה בטוחה, לוחצת קנייה.

כל פלטפורמת מסחר אלקטרוני מרכזית או בונה את זה או מקבלת עליו רישיון. הסטארט-אפים בתחום הזה גייסו מאות מיליונים. ואני מבין את המשיכה — באמת. בפעם הראשונה שראיתי הדגמת מדידה גנרטיבית מבוצעת היטב, התגובה האינסטינקטיבית שלי הייתה זה משנה הכול.

ואז התחלנו לבדוק.

הצוות שלי ערך סדרת ניסויים שבהם לקחנו את אותו פריט לבוש — בלייזר מובנה עם מתיחות מינימלית — והזנו אותו דרך שלוש מערכות VTON גנרטיביות מובילות לצד תצלומים של גופים שכבר מדדנו בסרט מדידה ובסריקה תלת-ממדית. ידענו את האמת הקרקעית. ידענו שהבלייזר הזה יהיה צמוד מדי פיזית באזור הכתפיים עבור כמה מהנבדקים שלנו.

כל מודל גנרטיבי הראה את הבלייזר מתאים באופן מושלם.

לא "מעט לא מדויק". לא "קצת צמוד". באופן מושלם. ה-AI הרזה בעדינות את הכתפיים, ריכך את הקשיחות הנראית של הבד, וייצר תמונה שנראתה כמו כתבת מגזין. היא הייתה יפהפייה. היא גם הייתה שקר.

כיצד מודל דיפוזיה "הוזה" גזרה?

אני צריך להיות מעט טכני כאן, כי מצב הכשל אינו מובן מאליו והוא חשוב מאין כמותו.

מודלי דיפוזיה הם הסתברותיים. הם לומדים את ההתפלגות הסטטיסטית של סידורי הפיקסלים ממיליוני תמונות. כשהם מייצרים מדידה וירטואלית, הם אינם מחשבים האם הבד נמתח מספיק כדי להכיל עקומת ירך. הם חוזים אילו פיקסלים הכי סבירים סטטיסטית להופיע זה לצד זה בהתבסס על נתוני האימון שלהם.

נתוני האימון הם ברובם המכריע צילומי אופנה מקצועיים — דוגמניות גבוהות ורזות בפריטי לבוש מעוצבים באופן מושלם. אז כשלקוחה אמיתית עם מבנה גוף שונה מעלה תצלום, המודל עושה משהו ערמומי: הוא מבצע אינטרפולציה לכיוון מה שהוא "מכיר".

בינה מלאכותית גנרטיבית אינה מחשבת גזרה. היא הוזה גזרה — מעדיפה סבירות חזותית על פני אמת פיזיקלית.

מחקר על הזיות של מודלי דיפוזיה חושף שמודלים אלה בהכרח מקצים הסתברות שאינה אפס ל"אזורי פער" מחוץ להתפלגות הנתונים האמיתית. בעברית פשוטה: הם מייצרים בביטחון תמונות של דברים שאינם יכולים להתקיים פיזית. מרקם ג'ינס לא-מתיח מרונדר כאילו היה ספנדקס. גזרת חזה מובנית שנשפכת כמו משי. שרוולים שמתמזגים עם פלג הגוף העליון בדרכים בלתי אפשריות גיאומטרית.

הביטוי המסוכן ביותר הוא מה שאני מכנה "הטיית ההרזיה". המודל לא רק הוזה את פריט הלבוש — הוא מעוות בעדינות את הגוף, מושך את המותניים פנימה, מאריך את הרגליים, כי כך נראה "אדם הלובש בגדים" בנתוני האימון שלו. הלקוחה רואה גרסה של עצמה שנראית מדהים. היא קונה בביטחון גבוה. פריט הלבוש הפיזי מגיע ולא נסגר ברוכסן.

כעת הפכת גולש לקונה וגם למחזיר — התוצאה הגרועה ביותר האפשרית. שילמת על הרכישה, שילמת על המשלוח היוצא, ואתה עומד לשלם על ההחזרה. הבינה המלאכותית הגנרטיבית לא הפחיתה החזרות. היא ייצרה אותן.

כתבתי על מצב כשל זה בהרחבה טכנית רבה יותר במסגרת הגרסה האינטראקטיבית של המחקר שלנו, שם אנו מפרקים בדיוק כיצד ארכיטקטורות inpainting כמו VITON-HD ו-IDM-VTON מאבדות נאמנות מרקם ועקביות גיאומטרית.

מה אם היינו מפסיקים לנחש ומתחילים לחשב?

היה לילה — נדמה לי שזה היה יום שלישי, סביב השעה 2 לפנות בוקר — שבו בהיתי בהשוואה זה-לצד-זה על הצג שלי. משמאל, רינדור מדידה גנרטיבי. מימין, הפלט מסימולציית הפיזיקה שלנו של אותו פריט לבוש על אותו גוף. הגרסה הגנרטיבית נראתה טוב יותר. עור חלק יותר, תאורה מחמיאה יותר, מהסוג של תמונה שהייתם לוחצים עליה פעמיים באינסטגרם.

אבל לגרסת הפיזיקה היה משהו שלאחרת לא היה: מפת חום. אדום בירכיים. צהוב לרוחב החזה. כחול היכן שהבד נתלה רפוי במותניים. היא אמרה את האמת. היא אמרה, פריט לבוש זה קטן ב-2 ס"מ מדי באזור הירך עבור גוף זה, והנה בדיוק היכן הוא יימתח.

זה הרגע שבו הפסקתי לחשוב על הגישה שלנו כעל חלופה לבינה מלאכותית גנרטיבית והתחלתי לחשוב עליה כעל קטגוריה שונה לחלוטין.

הרעיון המרכזי שמאחורי הגישה של Veriprajna פשוט באופן מטעה: אל תציירו בגדים על תצלום — הדמו אותם על גוף.

אנו מתחילים עם אותו קלט שכולם משתמשים בו: סלפי של לקוחה. אבל במקום להזין אותו למודל דיפוזיה, אנו משחזרים את גוף הלקוחה בשלושה ממדים. אנו משתמשים בארכיטקטורות מבוססות-Transformer — אותם מנגנוני קשב שמניעים את מודלי השפה הטובים ביותר, אך מיושמים על גיאומטריה אנושית — כדי לשחזר רשת תלת-ממדית מדויקת מטרית מאותה תמונה דו-ממדית בודדת.

זה נקרא שחזור רשת אנושית, או HMR, והדיוק חשוב מאין כמותו. אנו משתמשים במודלי גוף פרמטריים מתקדמים כמו SMPL-X (הכולל ידיים מפורקות ופרופורציות אקספרסיביות) ו-SKEL (המשלב מבנה שלד ממשי עם מגבלות מפרקים מדויקות ביומכנית הנגזרות מנתונים רפואיים). התוצאה אינה בובת ראווה. זהו תאום דיגיטלי של גוף הלקוחה הממשי, מדויק עד כדי 1-2 סנטימטרים ממדידת סרט פיזית.

למה סלפי מעוות את הגוף שלכם? (וכיצד אנו מתקנים זאת)

הנה בעיה שרוב האנשים אף פעם לא חושבים עליה. החזיקו את הטלפון במרחק זרוע וצלמו סלפי. הפנים שלכם נראות מעט רחבות יותר. הגוף שלכם נראה מעט דחוס יותר. זהו עיוות פרספקטיבה — אורך המוקד של המצלמה מעוות את הפרופורציות.

רוב מודלי שחזור הגוף מבוססי-הבינה-המלאכותית מתעלמים מכך. הם מניחים היטל "אורתוגרפי", כאילו המצלמה הייתה במרחק אינסופי. עבור יישום אופנה שבו סנטימטרים חשובים, זו קטסטרופה.

אנו משלבים אלגוריתם בשם BLADE — יישור איברי גוף והערכת עומק (Body Limb Alignment and Depth Estimation) — שמשחזר במפורש את אורך המוקד של המצלמה ואת עומק הנבדק ממאפייני התמונה. הוא הופך את עיוות הפרספקטיבה כדי לשחזר פרופורציות אמיתיות. זה נשמע כמו פרט טכני שולי. זה לא. זהו ההבדל בין המלצה על מדיום להמלצה על לארג'. זהו ההבדל בין מכירה שנשמרת להחזרה.

הבד אינו מרקם — הוא חומר

ברגע שיש לנו את הגוף התלת-ממדי של הלקוחה, אנו לא "מציירים" עליו בגדים. אנו מלבישים אותם באמצעות ניתוח אלמנטים סופיים — אותה פיזיקה חישובית המשמשת לסימולציה של כנפי מטוסים ועומסי גשרים.

אנו לוקחים את קובצי הדפוס הדיגיטליים הממשיים (DXF או GLB) שמותגים משתמשים בהם כדי לייצר את פריטי הלבוש שלהם — לא תצלום של פריט הלבוש, אלא שרטוט ההנדסה שלו. אנו מתייחסים לבד לא כתמונה שטוחה אלא כרשת פיזית של צמתים המחוברים בקפיצים, שכל אחד נשלט על ידי שלוש תכונות מכניות מדידות: קשיחות מתיחה (כמה הוא נמתח), נוקשות כפיפה (כיצד הוא נשפך), וקשיחות גזירה (כיצד הוא מתאים לעקומות).

הסימולציה פותרת משוואות דיפרנציאליות חלקיות כדי לחשב היכן כל נקודת בד נוחתת על הגוף תחת כוח הכבידה, התנגשות ואילוצי חומר. הפלט אינו תמונה יפה. זו מפת מאמצים — הדמיה מקודדת בצבע המציגה בדיוק היכן פריט הלבוש צמוד (אדום), מהודק (צהוב), רפוי (כחול), או אינו נוגע בגוף כלל (שקוף).

אינך יכול לשאול מודל דיפוזיה האם הכפתורים יימתחו כשהלקוחה תשב. זו שאלה פיזיקלית, והיא דורשת תשובה פיזיקלית.

לקוחה שרואה אזורים אדומים בירך על מדיום אך אזורים צהובים על לארג' אינה צריכה לבצע ברקטינג. היא קונה את הלארג'. משלוח אחד יוצא, אפס משלוחים חוזרים.

לפירוט הטכני המלא של צינור הסימולציה שלנו — כולל האופן שבו אנו מטפלים בשכבות פיזיקה דיפרנציאביליות לפריסה מואצת-GPU — ראו את מאמר המחקר המפורט שלנו.

"אבל האם זה באמת נראה טוב?"

זו השאלה שאני מקבל מכל מוביל מוצר, והיא הוגנת. לסימולציות פיזיקה יש מוניטין של להיראות כמו רינדורים של משחקי וידאו מ-2008. אם הפלט נראה קליני, לקוחות לא יתחברו אליו, לא משנה כמה הוא מדויק.

בילינו חודשים על הבעיה הזו. התשובה היא רינדור נוירוני — ובאופן ספציפי, טכניקות כמו Gaussian Splatting שמייצרות פלט פוטוריאליסטי. אבל הנה ההבדל הקריטי מבינה מלאכותית גנרטיבית: הרינדורים שלנו מוגבלים על ידי סימולציית הפיזיקה הבסיסית. התמונה נראית יפהפייה, אבל היא אינה יכולה להזות. הבד אינו יכול להימתח היכן שלא היה נמתח. הגוף אינו יכול להיות רזה יותר היכן שאינו רזה. השכבה החזותית היא עור על פני שלד של אמת.

היה לי ויכוח עם חבר בצוות שלי על כך — הוא רצה להוסיף מצב "פילטר יופי" שיחליק את מפת המאמצים למראה מחמיא יותר. הטלתי וטו. כל העניין הוא שאנחנו לא בעסקי החנופה. אנחנו בעסקי הדיוק. חנופה מניעה המרות. דיוק מניע שימור המרות. לרווח וההפסד (P&L) אכפת רק מהשנייה.

מה זה אומר לגבי השורה התחתונה?

בואו נעשה את זה קונקרטי. קחו קמעונאי אופנה בינוני שעושה $200 מיליון במכירות ברוטו שנתיות עם שיעור החזרה של 30%. זה $60 מיליון בהחזרות. בעלות תפעולית של כ-20% מערך ההחזרה (לוגיסטיקה, עבודה, פחת, הנחות), הם שורפים $12 מיליון בשנה רק על עיבוד החזרות.

נתוני התעשייה מצביעים על כך שמדידה וירטואלית מתקדמת עם אימות גזרה אמיתי יכולה להפחית את שיעורי ההחזרה ב-20-30%. אם נקצץ את שיעור ההחזרה של 30% ל-22.5% — הפחתה שמרנית של 25% — המתמטיקה משתנה באופן דרמטי:

• $3 מיליון בחיסכון תפעולי ישיר מעיבוד פחות החזרות
• $7.5 מיליון בשחזור הכנסות (מחצית מההחזרות שנמנעו מומרות למכירות שנשמרות)
• $10.5 מיליון בהשפעה שנתית כוללת על הרווח וההפסד

זו אינה עלות טכנולוגיה. זו תוכנית לשחזור מרווחים.

ויש ממד קיימות שנעשה בלתי אפשרי להתעלם ממנו. לוגיסטיקה הפוכה היא פצצת פחמן. כל חבילה שהוחזרה משמעה עוד משאית, עוד מגע מחסן, עוד פריט לבוש שעלול לסיים במזבלה. תקנת העיצוב האקולוגי למוצרים בני-קיימא של האיחוד האירופי (Ecodesign for Sustainable Products Regulation) נעה לעבר איסור השמדת טקסטיל שלא נמכר. הפחתת נפח ההחזרות ב-25% מעניקה למותגים מדד ESG כמותי — לא הלבנה ירוקה, אלא הפחתה מדודה של משלוחים מיותרים.

"למה לא פשוט להשתמש בשניהם?"

אנשים שואלים אותי זאת כל הזמן — למה לא להשתמש בבינה מלאכותית גנרטיבית למשיכה החזותית ובפיזיקה לדיוק? לשלב אותן יחד?

אני מבין את האינסטינקט, אבל הוא מפספס את הנקודה. השכבה הגנרטיבית מערערת באופן פעיל את שכבת הפיזיקה. אם תראו ללקוחה תמונה מחמיאה ומהוזה לצד מפת מאמצים כנה, באיזו מהן היא תאמין? היפה. בכל פעם. התמונה הגנרטיבית הופכת להבטחה, והפיזיקה הופכת לאותיות הקטנות שאיש לא קורא.

המותרות האולטימטיביות בעידן הבינה המלאכותית הן אמת — אמת מתמטית, גיאומטרית, פיזיקלית. לא אשליה משכנעת יותר.

השאלה הקשה יותר — ואהיה כן בנוגע לכך — היא שהגישה שלנו דורשת משהו שבינה מלאכותית גנרטיבית אינה דורשת: נכסי לבוש דיגיטליים. מותגים צריכים ליצור תאומים דיגיטליים תלת-ממדיים של המלאי שלהם באמצעות כלים כמו CLO3D או Browzwear. זו השקעה אמיתית. זהו שינוי בזרימת העבודה. משמעו שהדפוס הדיגיטלי המשמש לסימולציה חייב להתאים לדפוס המפעל המשמש לייצור, אחרת כל המערכת חסרת משמעות.

אנו מייעצים על המעבר הזה. הוא אינו טריוויאלי. אבל מותגים שכבר אימצו יצירת מוצר דיגיטלי (Digital Product Creation) לעיצוב ולדגימה נמצאים בחצי הדרך. ואלו שלא? משבר ההחזרות יכריח בסופו של דבר את ידם. השאלה היא האם הם ישקיעו באופן יזום או תגובתי.

פרשת הדרכים

תעשיית האופנה בוחרת ממש עכשיו בין שני עתידים.

באחד, בינה מלאכותית גנרטיבית נעשית טובה יותר בחנופה. התמונות הופכות בלתי ניתנות להבחנה מתצלומים. שיעורי ההמרה מטפסים. ההחזרות מטפסות מהר יותר. המרווחים נשחקים. מותגים מתחרים על מי יכול לייצר את האשליה המשכנעת ביותר בעודם טובעים בעלויות לוגיסטיקה הפוכה ואשמת מזבלות.

באחר, התעשייה מתייחסת לגזרה כמו שהיא באמת — בעיית התאמה מכנית בין חומר לגוף — ובונה את התשתית הגיאומטרית כדי לפתור אותה. הדרך הזו קשה יותר. היא דורשת הנדסה אמיתית, לא עטיפות API. היא דורשת ממותגים להשקיע בנכסים דיגיטליים, לא רק בשיווק דיגיטלי. היא דורשת לבחור בדיוק על פני אסתטיקה כשהשניים מתנגשים.

אני יודע לאיזה עתיד אני בונה. מודל הדיפוזיה אינו יודע שקו מותניים הוא 72 סנטימטרים. הוא אינו יודע שבד שוקל 200 גרם למטר מרובע. הוא אינו יודע דבר — הוא חוזה פיקסלים. וחיזוי, לא משנה כמה הוא פוטוריאליסטי, אינו הבנה.

פיזיקה היא הבנה. והבנה היא הדבר היחיד שאי פעם באמת פתר בעיה.