Розробка мобільного AR-додатку для маркетингу
Бренд запускає обмежену колекцію кросівок. QR на упаковці → користувач відкриває камеру → поверх коробки з'являється 3D-кросівок, який обертається, світиться, навколо нього літають іскри. Шеринг в Instagram Stories. Вірусність. Це працює, коли зроблено добре. Коли модель завантажується 8 секунд і трекінг розпадається при найменшому русі — користувач закриває додаток та ніколи не повертається.
Image Tracking як основа маркетингового AR
Більшість маркетингових AR-кейсів будуються на image tracking: упаковка, print-реклама, білборд, візитка розпізнаються як якорі, поверх них проигрується AR-контент. ARKit використовує ARImageTrackingConfiguration з ARReferenceImage — референс-зображення завантажується з asset catalog або динамічно з сервера. ARCore — AugmentedImageDatabase.
Критичні параметри референс-зображення:
- Мінімальна фізична ширина: 15 см (менше — нестійкий трекінг)
- Високий контраст, унікальна текстура — логотип Nike на білому тлі поганий якорь, яскравий паттерн з деталями — хороший
- ARKit вимагає фізичний розмір у метрах при реєстрації (
physicalWidth), інакше масштаб AR-контенту неправильний
WebAR проти нативного додатку. Для маркетингових кампаній часто правильніше WebAR через 8th Wall або Niantic Lightship Web — ніякої установки, відкрилось у браузері за QR. Обмеження: немає LiDAR, менше можливостей фізики, але для базового image tracking та face filters достатньо. Нативне приложення виправдане коли: складна фізика, high-fidelity графіка, доступ до ARKit Face Tracking на фронтальній камері.
Face Filters: технічні деталі
Для брендованих масок (Snapchat-style) на iOS використовуємо ARFaceTrackingConfiguration — лише TrueDepth-камера (iPhone X та новіше). Повертає ARFaceAnchor з 52 blend shape коефіцієнтами (brow, eye, mouth, cheek — повний список в документації ARKit). Це дозволяє масці реагувати на посмішку, блимання, піднято брову — не просто текстура поверх обличчя, а анімований персонаж.
На Android аналог — ML Kit Face Mesh (478 точок), але без depth camera прив'язка менш точна. Для production face filters на обох платформах часто використовуємо Spark AR (Meta) або Lens Studio (Snapchat) при публікації через їх платформи, або ARCore + кастомний рендер для standalone-додатку.
Продуктивність та час завантаження
Маркетинговий AR — контекст імпульсивного використання. У користувача 3 секунди терпіння. Тому:
- USDZ/glTF-моделі ≤ 5 МБ при першому показі, решта завантажується прогресивно
- Progressive loading: спочатку низькополігональний placeholder, потім повна модель
- Передзавантаження у фоні при відкритті додатку через
URLSessionз конфігурацією.background - Анімації через
.realityфайли (Reality Composer) або USDZ animation tracks — не завантажуємо окремий JSON з keyframes
Аналітика AR-взаємодій через Firebase Analytics: ar_session_started, ar_target_detected, ar_content_shared — маркетологам потрібні дані про конверсію AR → шеринг.
Що входить у роботу
- Дизайн AR-досвіду: сценарій, раскадровка, референс-зображення
- 3D/анімація (або інтеграція ресурсів від арт-директора бренду)
- Розробка AR-модуля (нативний або WebAR залежно від кейса)
- A/B тестування різних AR-сценаріїв
- Аналітика та звітність по кампанії
Терміни: простий image tracking з 3D-анімацією — 3–5 тижнів. Face filter з брендованою маскою — 4–6 тижнів. Повноцінний AR-додаток кампанії з кількома сценаріями — 8–14 тижнів. Вартість розраховується індивідуально.