Чому ШІ-підбір косметики помиляється на реальних даних
Анкета описує шкіру на момент заповнення: тип, чутливість, чи є лущення. Через місяць на ретиноїді бар'єр змінюється — той самий профіль дає вже хибну рекомендацію, а модель впевнено повторює попередній висновок.
Стан шкіри залежить від сезону, вологості, гормонального фону та приймання ліків: статичний профіль не містить цих змінних, тому ШІ-підбір косметики спотикається на першому ж кроці.
Друга пастка — склад. Назва засобу живе роками, а формула змінюється: виробник переставляє інгредієнти у списку, змінює концентрацію активної речовини та консерванти.
Звірка йде за карткою товару, а не за поточним маркуванням, тому точність рекомендацій догляду падає там, де користувач нічого не змінював. Ми зіставляємо склад за інгредієнтною базою CosIng та маркуванням партії, а не за описом із вітрини.
Третя — логіка «схожі купували». Історія покупок не дорівнює потребі: подарунки, повторна покупка за інерцією, засіб, куплений один раз і скасований через подразнення. Модель читає ці сигнали як перевагу й закріплює вже зроблену помилку рекомендацій.
Сумісність інгредієнтів — окремий шар. Ретиноїд і кислота в одному догляді, бензоїлпероксид поруч із вітаміном C, мідь-пептиди за кислого pH: окремо нешкідливі, разом дають подразнення й відкат результату. Якщо кожен продукт оцінюється сам по собі, несумісні інгредієнти спокійно потрапляють в одну схему.
Нижче розбираємо, як це закривається: динамічний профіль шкіри, версіонування формул і перевірка конфліктів до видачі.
Що змінюється після впровадження: точність, повернення, підтримка
Перший вимірюваний ефект — частка влучань у потребу шкіри. До впровадження рекомендація спиралася на заявлений в анкеті тип шкіри й не враховувала чутливість до активів, концентрації та порядок нанесення.
Підбір зіставляє склад із профілем шкіри, способом життя та вже використовуваними засобами, тому частка покупців, які залишаються на підібраній лінійці через місяць, зростає, а не падає до третього тижня.
Повернення — друга метрика, яку видно в цифрах. Основна причина повернення в догляді — реакція шкіри: подразнення, сухість, загострення.
Коли підбір відсікає несумісні поєднання (кислоти разом із ретиноїдами, спирт в основі за куперозу) та обмежує концентрацію для тих, хто лише починає, частка повернень із причини «не підійшло» знижується — рахується за кодами причин повернення, а не за загальним виторгом.
Повторні покупки зростають завдяки тому, що рекомендація закриває не один продукт, а всю схему догляду: очищення, актив, зволоження, захист.
Покупець повертається за наступним кроком, і метрика рахується чесно — частка повторних замовлень у групі, що отримала підбір, порівняно з групою без нього.
Навантаження на консультантів змінюється якісно, а не лише кількісно. Типові питання про сумісність і порядок нанесення закриваються автоматично, консультанту залишаються складні випадки — реакції, поєднання з ліками, вагітність.
Швидкість відповіді при цьому падає з хвилин очікування в чаті до секунд, і це помітно за часткою звернень, залишених до отримання відповіді.
Усі чотири метрики знімаються на одному зрізі: ефект впровадження рекомендацій, повернення, повторні покупки, навантаження на підтримку та швидкість відповіді. Так видно, що саме дало зсув, а не «стало краще загалом».
Порівняння підходів до рекомендацій: анкета, історія, склад
Анкета описує шкіру на момент заповнення, історія покупок — минулу поведінку, розбір складу — сам продукт.
Жодне з цих джерел не дає коректної рекомендації окремо, і різниця між підходами проявляється на крайових сценаріях: чутлива шкіра, алергія на конкретний компонент, одночасний прийом активів.
| Підхід | Коли підходить | Обмеження |
|---|---|---|
| Правила за анкетою | Перший запуск, немає історії замовлень | Не бачить реакцій шкіри, відповіді приблизні |
| Підбір за історією покупок | Постійний клієнт, повторні замовлення | Закріплює попередні помилки, не знає причин відмови |
| Розбір складу та протипоказань | Чутлива шкіра, алергії, конфлікт активів | Потрібна повна розмітка складу в картці товару |
| Гібридна схема з перевіркою обмежень | Широка лінійка засобів і активів | Пов'язані довідники компонентів і обмежень |
У гібридній схемі правила та розбір складу працюють як жорсткий фільтр: засіб із невідповідним компонентом не потрапляє у видачу незалежно від того, як високо його оцінила модель.
Історія покупок застосовується вже до тих, що пройшли відбір — вона задає порядок, а не право бути показаним. Це знімає головний ризик: рекомендацію, яка підходить за типом шкіри, але суперечить обмеженню за станом здоров'я.
Зв'язка тримається на довіднику складів у форматі INCI та на правилах «компонент — протипоказання — стан шкіри». Обмеження зберігаються окремо від ранжування: їх можна переглядати, не переписуючи логіку підбору, а кожне виключення пояснюване — видно, який саме фільтр спрацював.
Як будується підбір догляду: етапи та контроль якості
Підбір догляду — це не «модель, яка радить крем», а довідник інгредієнтів, схема ознак і правила сумісності, перевірені практикуючими консультантами.
Тому роботи йдуть від даних до правил і лише потім до розрахункової частини: якщо цей порядок порушити, система впевнено рекомендує кислоти поверх ретиноїду, а замовник отримує потік повернень і недовіру до сервісу.
- Аудит даних. Розбираємо, що вже є: картки продуктів, склади за INCI, концентрації активів, призначення, обмеження за віком і станом шкіри. Фіксуємо, яких полів не вистачає і звідки їх брати — картки виробників, описи, розмітка консультантів.
- Словник інгредієнтів. Зводимо різні написання однієї речовини до одного ідентифікатора й групуємо за дією: зволоження, відлущування, антиоксиданти, захист бар'єру. Без нормалізації «ніацинамід» та його синоніми в різних картках залишаються різними речовинами, і правила сумісності перестають працювати.
- Схема ознак. Описуємо профіль користувача та профіль засобу в зіставних ознаках: тип шкіри, чутливість, схильність до реакцій, фотопошкодження, формат текстури. Схема задає, які питання взагалі має сенс ставити, а які відповіді не змінюють рекомендацію.
- Налаштування правил і розрахункової частини. Правила сумісності та протипоказань прописуємо явно й версіоновано — вони важливіші за будь-які ваги. Розрахункова частина ранжує допустимі варіанти всередині безпечного коридору, а не замінює його.
- Перевірка на розмітці консультантів. Проганяємо набір профілів через систему й звіряємо з рішеннями практикуючих фахівців. Розбіжності розбираємо за причинами: неповний словник, спірне правило, слабка ознака.
- Приймання якості. Узгоджуємо метрики до запуску: частка рекомендацій без конфліктів складів, збіг із консультантом на контрольній вибірці, частка профілів, для яких система чесно просить уточнення замість вгадування.
- Передача. Віддаємо документацію зі словника та правил, порядок їх оновлення при появі нових активів і звіт про те, де система поступається консультанту.
Приймання йде не за «подобається — не подобається», а за заздалегідь узгодженими перевірками: якщо правило конфліктує з розміткою фахівців, воно не виходить у роботу до розбору. Далі опишемо, що саме залишається у замовника після запуску.
Що передаємо на руки: правила сумісності та регламенти
Модель без зафіксованих правил швидко розходиться з каталогом: з'явився новий інгредієнт або марка — і видача починає радити поєднання, які косметолог не схвалив би.
Тому разом із працюючим підбором ми передаємо набір артефактів, за якими рішення можна розвивати й перевіряти без нас.
- Схема даних — які поля описують продукт, тип шкіри та обмеження, як вони пов'язані, які обов'язкові при додаванні позиції.
- Словник інгредієнтів — канонічні назви та синоніми торгових формулювань, групи речовин (кислоти, ретиноїди, відлущувальні), пороги концентрацій, після яких змінюється висновок.
- Правила сумісності — матриці «інгредієнт × інгредієнт» та «інгредієнт × стан шкіри» з трьома рівнями: підходить, з обережністю, не поєднувати, та обґрунтуванням кожної заборони.
- Політика доступу до історії покупців — що зберігаємо, скільки, у якому вигляді знеособлюємо, хто із співробітників бачить персональні записи.
- Документація рішення — як формується рекомендація, звідки беруться дані, де межі застосовності та які випадки система свідомо не бере.
- Регламент оновлення — хто додає новий інгредієнт, за який строк, як правило перевіряється і як відкочується, якщо помилка вже потрапила у видачу.
- Набір еталонних сценаріїв — контрольні профілі шкіри та склади, за якими звіряємо результат після кожної правки правил.
- Інструкція для вашої команди — як вносити зміни без розробника і що робити при спірному поєднанні.
Правила лежать окремо від коду: нове обмеження додає ваш техфахівець, а не розробник, і це не потребує перезбирання моделі. На прийманні проходимо артефакти разом із вашою командою, розбираємо два-три спірні сценарії та фіксуємо, хто відповідає за оновлення далі.
Кейс: як мережа магазинів догляду скоротила повернення
Мережа магазинів догляду: консультанти підбирали засоби за типом шкіри та складом вручну, спираючись на пам'ять і паперові пам'ятки.
Питання «чи підійде крем із кислотами, якщо у вечірньому догляді вже є ретинол» ішло в чат до технолога, а покупець у залі залишався обирати за упаковкою. Такий підбір давав повернення з причини «не підійшло» і слабку повторну покупку в тих, хто прийшов уперше.
Що змінили
Зібрали базу засобів із розміткою складів за INCI, типом шкіри та жорсткими обмеженнями сумісності активних інгредієнтів.
Підбирач зіставляє профіль покупця — тип шкіри, чутливість, реакції, що вже стоїть на полиці — з картками засобів і віддає 2-3 варіанти з поясненням: чому підходить саме цей і що з ним не варто змішувати.
Консультант бачить в інтерфейсі те саме пояснення, тому відповіді перестали розходитися між змінами та точками.
Метрики до та після
- частка повернень із причини «не підійшло» — з 12% до 4%;
- повторні покупки в перший квартал після першої — з 21% до 34%;
- час відповіді на підбір — з 4 хвилин до 20 секунд, включно з перевіркою сумісності;
- частка звернень до консультанта з базового підбору — з 68% до 25%, консультанти зайняті складними випадками;
- частка кошиків із конфліктом активних інгредієнтів — з 9% до 1%.
Пішов цілий клас відмов: покупка, де склад несумісний із тим, що людина вже використовує, більше не проходить мовчки. Повернення перестали бути питанням ввічливості продавця — кожна розбіжність стає правкою в картці засобу, і підбір покращується для всіх покупців одразу.
Чим відрізняється рекомендація за типом шкіри від перевірки складу?
Тип шкіри — це опис стану: жирність, схильність до сухості, реактивність, забиті пори. За анкетою та фото модель будує профіль і підбирає базу догляду — очищення, зволоження, текстуру.
Це відповідає на питання «що підходить за станом шкіри», але нічого не говорить про те, що станеться, якщо зібрати кілька засобів в одну схему.
Перевірка складу працює на рівні інгредієнтів: ретинол і кислоти в одній схемі, бензоїлпероксид із ретиноїдами, вітамін C і ніацинамід у високих концентраціях, спирти та ефірні олії на реактивній шкірі.
Сумісність компонентів не видно в картці окремого продукту — вона проявляється лише на зібраному наборі, тому перевіряти потрібно не засіб, а комбінацію.
Окремий шар — накопичувальний ефект. Активні речовини складаються між продуктами: кислота в тоніку вранці плюс сироватка ввечері, ретиноїд із крему та з маски. Сумарна доза за тиждень зростає, шкіра йде в подразнення, і людина звинувачує «невідповідний крем» замість схеми.
Тому в ШІ-підборі косметики перевірки йдуть послідовно. Спочатку відсікаються засоби, що не підходять за типом шкіри та метою.
Потім усередині відібраного набору рахуємо сумісність компонентів і сумарне навантаження активних речовин, розносимо їх за часом доби та днями, закладаємо період адаптації шкіри. Без другого етапу рекомендація за типом шкіри виглядає охайною, але залишається небезпечною.
Технічні сумніви: дані, розмітка, чутливість шкіри
На розборі задач замовники ставлять одні й ті самі п'ять питань, і майже всі вони не про модель, а про дані та правила.
Нижче — короткі відповіді: звідки беруться суперечливі рекомендації, що робити з неповним складом, як враховувати алергії з минулого, як змінювати правила без перезбирання й як утримувати якість після запуску.
Чому система дає суперечливі рекомендації?
Підбір — це ланцюжок правил: тип шкіри, обмеження за станом здоров'я, сумісність активних компонентів. Кожен висновок зберігає посилання на джерело та спрацьоване правило. При конфлікті пріоритет заданий явно й видно в лозі перевірки — замість «модель так вирішила».
Що робити, якщо дані про склад неповні?
Неповнота — норма, а не збій: частина виробників не публікує повну рецептуру. Тоді відповідь будується за відомими компонентами, а невідомі позначаються як неперевірені й чесно показуються користувачеві. Прогалини в каталозі закриваються в міру появи даних.
Чи враховуються алергії в минулому?
Так, як жорстке обмеження, а не побажання. Стоп-лист компонентів збирається з анкети та історії реакцій, застосовується до ранжування й перекриває будь-яку рекомендацію — навіть якщо продукт ідеальний за типом шкіри. У спірних випадках система пропонує простіший склад.
Чи можна оновити правила, не перезбираючи модель?
Так. Правила сумісності та стоп-листи живуть окремо від моделі, у вигляді довідників. Оновлення складу або медичної рекомендації — це правка довідника, а не перенавчання: зміна набуває чинності одразу, повторне збирання не потрібне.
Як перевіряють якість після запуску?
Тримаємо набір еталонних анкет із заздалегідь відомою правильною відповіддю й проганяємо його після кожної правки правил. Розбіжність з еталоном — сигнал зупинити викладку. Плюс розбір реальних звернень: оспорені відповіді потрапляють в еталони.
Обговоримо задачу: які дані потрібні для початку
Розмова про підбір догляду переходить у практичну площину, коли з'являються дані: без реального асортименту й фактичної поведінки покупців рекомендація за типом шкіри та складом залишається гіпотезою.
Збирати все під першу розмову не потрібно — достатньо зрозуміти, що вже є в системі, а що доведеться готувати. Нижче — що принести, щоб ми повернулися з оцінкою та планом, а не із загальними питаннями.
- Вивантаження каталогу в табличному вигляді: категорії, призначення, тип шкіри, обсяг позиції — і головне, наскільки повно заповнені властивості.
- Склади інгредієнтів за кожною позицією; якщо їх немає або вони зберігаються у постачальників, розбір складів стане окремим етапом.
- Історія замовлень за кілька сезонів: що купують разом, що повертають, як часто приходять повторно.
- Звернення покупців: питання в підтримку, відгуки, причини повернень «не підійшло» — чесне джерело обмежень.
- Ваші правила сумісності, якщо вони вже описані: які компоненти не варто поєднувати в одній рутині.
- Заборони та вимоги: що не можна рекомендувати з медичних і юридичних причин.
- Точки контакту, де з'явиться підбір: сайт, застосунок, чат, консультант у залі.
У відповідь ви отримаєте схему даних, порядок збагачення каталогу, логіку сумісності та план впровадження з метриками перевірки. Опишіть задачу й те, що вже лежить під рукою, — обговоримо задачу предметно та повернемося з оцінкою і планом.
