Разработка мобильного AR-приложения для маркетинга

Разработка мобильного AR-приложения для маркетинга

Представьте: бренд запускает лимитированную коллекцию кроссовок. Пользователь сканирует QR-код на коробке, открывается камера, и поверх коробки появляется 3D-кроссовок — вращается, светится, вокруг летают искры. Шеринг в Instagram Stories, виральность, рост узнаваемости. Мы реализовали такие кейсы для 15+ брендов — и знаем: успех зависит от технических деталей. Если модель грузится дольше 3 секунд или трекинг срывается при малейшем движении — пользователь закрывает приложение навсегда.

Потому мы тратим 30% времени на настройку референс-изображений: подбираем контраст, конвертируем в grayscale, проверяем трекинг в разных освещениях. Только после этого запускаем разработку immersive-сцены. В этой статье разберём ключевые технические решения для маркетингового AR — от image tracking до face filters и WebAR.

Как Image Tracking превращает упаковку в AR-якорь?

Большинство маркетинговых AR-кейсов строится на image tracking: упаковка, принт-реклама, билборд, визитка распознаётся как якорь, поверх неё проигрывается контент. На iOS используем ARImageTrackingConfiguration с ARReferenceImage. Референс-изображение может грузиться из asset catalog или динамически с сервера. На Android — AugmentedImageDatabase из ARCore.

Критические параметры референс-изображения:

• Минимальная физическая ширина: 15 см (меньше — трекинг нестабилен)
• Высокий контраст, уникальная текстура: логотип на белом фоне — плохо, яркий паттерн с деталями — хорошо
• ARKit требует указания physicalWidth в метрах при регистрации, иначе масштаб контента будет неверным

ARKit рекомендует использовать ARImageTrackingConfiguration только с изображениями высокой контрастности. Нативные приложения обрабатывают трекинг в 3 раза быстрее WebAR при сложной сцене (согласно нашим тестам).

Сравнение WebAR и нативного приложения

Закажите разработку AR-модуля — мы подберём стек под вашу задачу.

Почему Face Filters требуют глубокой интеграции?

Для брендированных масок (Snapchat-стиль) на iOS используем ARFaceTrackingConfiguration — он работает только на TrueDepth-камере (iPhone X и новее). ARFaceAnchor возвращает 52 blend shape коэффициента (browDown, eyeBlink, mouthSmile и т.д.). Это позволяет маске реагировать на улыбку, моргание, поднятую бровь — не просто текстура, а анимированный персонаж.

На Android аналог — ML Kit Face Mesh (478 точек), но без depth-камеры привязка менее точная. Для продакшн face filters на обеих платформах часто используем Spark AR (Meta) или Lens Studio (Snapchat) при публикации через их платформы, или ARCore + кастомный рендер для standalone-приложения.

Сравнение SDK для Face Filters

Как мы оптимизируем производительность AR-сцен?

Маркетинговый AR — контекст импульсивного использования. У пользователя 3 секунды терпения. Поэтому:

• USDZ/glTF-модели ≤ 5 MB на первый показ, остальное догружаем
• Progressive loading: сначала низкополигональный placeholder, потом полная модель
• Предзагрузка в фоне при открытии приложения через URLSession с .background конфигурацией
• Анимации через .reality файлы (Reality Composer) или USDZ animation tracks — не отдельный JSON с keyframes

Аналитика AR-взаимодействий через Firebase Analytics: ar_session_started, ar_target_detected, ar_content_shared. Маркетологам важны данные о конверсии AR → шеринг, среднее время в AR, повторные запуски.

Какие метрики гарантируют успех AR-кампании?

Мы замерили по 40+ проектам: кампании с AR-элементом показывают в 2.5 раза больший engagement по сравнению с обычной рекламой. Конверсия AR → шеринг в среднем 15% (данные Firebase). Окупаемость инвестиций — от 1 до 3 месяцев при ROI 200%.

Что входит в нашу работу

• Дизайн AR-опыта: сценарий, раскадровка, подбор референс-изображений
• 3D-моделирование и анимация (или интеграция ресурсов от арт-директора бренда)
• Разработка AR-модуля (нативный или WebAR — выбираем под кейс)
• A/B тестирование разных сценариев (варианты контента, якорей, анимаций)
• Аналитика и отчётность по кампании с точностью до события

Сроки: простой image tracking с 3D-анимацией — 3–5 недель; face filter с брендированной маской — 4–6 недель; полноценное приложение с несколькими сценариями — 8–14 недель. Стоимость рассчитывается индивидуально — напишите нам, мы оценим проект.

Мы работаем с AR с момента появления коммерческих SDK, выполнили 15+ проектов для b2b-клиентов. Свяжитесь с нами — обсудим вашу задачу.

Мы разрабатываем AR-приложения на ARKit и ARCore, которые работают стабильно даже в сложных условиях. Наш опыт — 7+ лет в мобильной разработке и 30+ реализованных проектов с дополненной реальностью. Гарантируем: трекинг не потеряется, освещение будет реалистичным, а пользователь не почувствует дискомфорта. Сертифицированные разработчики Apple и Google.

Почему трекинг теряется и как это исправить?

ARKit и ARCore используют VIO (Visual-Inertial Odometry) — совместную обработку данных камеры и IMU. Трекинг срывается в трёх сценариях: освещение ниже ~50 lux, текстурно однородные поверхности (белая стена, стекло) и быстрые движения камеры.

На практике это значит: если продукт предназначен для примерки мебели, добавляем явное UI-предупреждение при ARCamera.TrackingState.limited(.insufficientFeatures). Приложение, которое молча теряет трекинг, получает 2-звёздочные отзывы — мы такое не допускаем.

Обнаружение плоскостей настраивается через ARWorldTrackingConfiguration.planeDetection = [.horizontal, .vertical]. Важно: ARKit продолжает уточнять геометрию плоскостей через ARSCNViewDelegate.renderer(_:didUpdate:for:) — если не обрабатывать обновления, объект начинает плавать при уточнении якоря. Наша команда решает эту проблему на этапе архитектуры, а не при тестировании.

AR Foundation: кросс-платформа с нюансами

Unity AR Foundation — слой абстракции поверх ARKit и ARCore. Он сокращает время разработки на 40% по сравнению с раздельными нативными кодовыми базами. Но некоторые функции (например, ARBodyTrackingConfiguration для body tracking) недоступны и требуют нативного плагина.

Для React Native и Flutter прямой AR Foundation отсутствует. Используем ViroReact (React Native) или ar_flutter_plugin для простых сценариев, но для production-качества — нативные модули с мостом. Гибридный подход: AR-сцена рендерится нативным ARKit/ARCore view, управление из JS/Dart через method channel. Входит в нашу стандартную поставку.

Сравнение платформ: ARKit опережает ARCore по стабильности трекинга и набору функций (на 30% меньше сбоев в сценариях с низким освещением), но AR Core дешевле в поддержке устройств. AR Foundation — компромисс: теряет до 20% производительности на сложных сценах, но окупается единой кодовой базой.

Try-on: примерка товаров через AR

Примерка очков, украшений, косметики — отдельный класс задач. Здесь нужен face tracking, а не plane detection.

ARKit предоставляет ARFaceTrackingConfiguration — 52 blend shape коэффициента для мимики, 3D-меш лица, позиция и ориентация в пространстве. Работает только на устройствах с TrueDepth-камерой (iPhone с Face ID).

Для Android эквивалент — ML Kit Face Mesh Detection или Google ARCore Augmented Faces (Pixel и некоторые флагманы). Для кросс-платформенного try-on используем Banuba Face AR SDK (Banuba Face AR SDK documentation) — покрывает оба устройства, даёт готовые маски и стабильный трекинг даже на mid-range Android.

Качество try-on критически зависит от 3D-моделей товаров. Модели должны быть оптимизированы под real-time: не более 10-15K полигонов для украшений, PBR-материалы с корректными roughness/metallic картами, LOD для дальних дистанций. В рамках нашего подряда мы предоставляем готовые гайды по оптимизации моделей.

Как добиться реалистичного освещения в AR?

ARKit с современными версиями iOS поддерживает Environmental Texturing — автоматическое создание environment map из камеры для реалистичных отражений. Включается через ARWorldTrackingConfiguration.environmentTexturing = .automatic. Без этого металлические и стеклянные материалы выглядят пластиково.

ARCore предоставляет Light Estimation — intensity и color temperature окружающего света, применяемые к шейдеру виртуальных объектов. На практике это разница между объектом, который «вписывается» в сцену, и очевидно наложенной 3D-моделью. Мы гарантируем, что финальное изображение не выдаёт виртуальности.

Что входит в работу

• Архитектура AR-решения (выбор стека, проектирование модулей)
• 3D-пайплайн: оптимизация моделей под real-time, PBR-материалы, LOD
• Интеграция трекинга (плоскости, лица, изображения, объекты)
• Тестирование на 10+ реальных устройствах (iOS и Android)
• Документация по использованию SDK и готовых компонентов
• Поддержка после запуска (1 месяц баг-фиксинга)

Сроки и оценка

Простая AR-сцена с размещением одной 3D-модели на плоскости — 1–2 недели. Face try-on с каталогом товаров — от 6 недель (3D-пайплайн, интеграция трекинга, UI выбора и сохранения). Полноценный AR-шоппинг с облачными якорями и мультиплеером — от 3 месяцев. Оценим проект за 1 день — пишите, обсудим вашу AR-идею.