Онлайн стал основным каналом покупки одежды и обуви в России: по данным Data Insight, в 2025 году на него приходилось более половины продаж в денежном выражении. Но доступность ассортимента не снимает проблему сложности выбора. Согласно исследованию РБК × VOYAH Fashion Review 2026, 67% потребителей не могут найти подходящий продукт. Для fashion-платформ это открывает пространство для развития сервисов, которые помогают не просто найти вещь в каталоге, а понять, насколько она подходит конкретному человеку и с чем ее носить.

Какие именно задачи остаются нерешенными, показывает исследование одного из крупных российских fashion-ретейлеров Lamoda, в котором приняли участие 3516 человек. Более половины из них (54,5%) хотят привести свой гардероб в порядок, но не знают, как это сделать. Около 43% испытывают трудности с решением, что докупить, а 34,7% респондентов сложно подобрать одежду под конкретное событие. Оптимизация поиска по каталогам не решает этих задач.

Каталоги маркетплейсов показывают, что есть на площадках, но не снимают сомнений покупателей в сочетаемости, уместности и посадке выбранных вещей. Пользователь не находит ответа на вопрос, с чем носить вещь и подходит ли она к его гардеробу. В результате маркетплейсы получают брошенные корзины, низкую долю комплектов в чеке и возвраты из-за неоправданных ожиданий. Lamoda отвечает развитием экосистемы цифровых инструментов вокруг гардероба.

Персональные решения вместо оптимизации поиска

В январе 2026 года Lamoda запустила экосистему «Г(ии)д по стилю», которую сейчас дополнил виртуальный гардероб. Виртуальный гардероб — цифровое представление вещей пользователя. Система использует историю покупок и показывает, с чем можно сочетать конкретную модель.

«Для Lamoda технологии не самостоятельная цель, а инструмент решения конкретных задач бизнеса, связанного с покупкой одежды», — говорит управляющий директор по продукту и данным Lamoda Татьяна Умряева.

Lamoda развивает пять инструментов. ИИ-стилист подбирает образы под запрос пользователя. Онлайн-примерка показывает, как вещь смотрится на фигуре. Поиск по фото находит товар по изображению. С помощью инструмента «Образы» клиент в карточке товара может посмотреть различные сочетания с понравившейся вещью. Виртуальный гардероб помогает понять, как эта вещь встроится в уже купленное.

Компания строит сервисы на собственных решениях. Готовые универсальные продукты не обеспечивают нужный уровень интеграции с каталогом и бизнес-процессами. «Для ИИ-стилиста недостаточно просто сформировать красивый ответ: он должен понимать fashion-контекст, корректно работать с ассортиментом Lamoda, предлагать существующие товары и вести пользователя непосредственно к их карточкам», — поясняет Умряева.

Собственная разработка позволяет контролировать качество рекомендаций, адаптировать модели под реальные сценарии и учитывать обратную связь. Это снижает зависимость от внешних поставщиков и стоимости масштабирования.

Показательный пример — собственный поиск по фотографии. После оптимизации этот сервис стал работать в два раза быстрее аутсорсингового решения. Скорость влияет на сценарий поиска: чем быстрее покупатель получает релевантную выдачу, тем ниже риск, что он прервет поиск.

«Контроль над технологическим стеком важен и с точки зрения развития экосистемы, — уточняет Умряева. — Мы можем не просто запускать отдельные функции, а объединять их: использовать общие данные о покупателе, ассортименте и его предпочтениях для работы экосистемы «Г(ии)д по стилю».

Как устроен виртуальный гардероб

Система использует историю покупок и распределяет вещи по категориям: верх, низ, обувь, аксессуары. Затем подбирает образы. Пользователь может собирать комплекты в конструкторе и сохранять сочетания. Для подбора система учитывает категорию, цвет и оттенок, материал и фактуру, фасон и силуэт, стиль, сезонность, назначение и повод.

В отличие от специальных приложений пользователю не нужно фотографировать каждую вещь. Это снижает барьер входа: человек не тратит время на оцифровку содержимого своих шкафов. «Автоматическое формирование гардероба из истории покупок — наиболее комфортная отправная точка, — говорит Татьяна Умряева. — В перспективе планируем расширять возможности инструмента, чтобы пользователь мог добавлять вещи, приобретенные за пределами Lamoda. Это соответствует нашей общей продуктовой логике: технологии должны упрощать жизнь покупателя, а не создавать для него дополнительные задачи».

Система работает на трех уровнях данных. Первый — информация о покупателе: предпочтения, история покупок, поведение на платформе. Второй — информация о товарах: характеристики ассортимента, визуальный поиск и алгоритмы машинного обучения. Третий — данные о продажах: какие товары покупают вместе и какие комбинации востребованы.

Что меняется в поведении покупателя

Чем полнее картина гардероба, тем точнее следующие рекомендации. Это отличает инструмент от разовой подборки образов: он накапливает контекст и использует его в каждом следующем сценарии. Чем больше вещей система знает, тем точнее она отвечает на вопрос «С чем носить?». Этот ответ меняет и поведение покупателя.

Покупка становится осмысленной. Пользователь спрашивает не «Нравится ли мне товар?», а «С чем я буду его носить?». Гардероб показывает вещь в контексте уже купленного, и поведение меняется в нескольких сценариях.

Первый — дополнение существующего гардероба. У клиентки есть юбка, жакет и обувь. Она хочет обновить образы, но не знает, что купить. Система показывает возможные сочетания и помогает определить, какой элемент дополнит гардероб. Покупка становится точнее.

Второй — отказ от ненужной покупки. «Если пользователь открыл гардероб, собрал образ из уже приобретенных вещей и в конкретный момент не стал ничего покупать, это само по себе не означает, что продукт не принес ему ценности, — говорит Умряева. — Наоборот, он помог решить пользовательскую задачу без необходимости совершать лишнюю покупку».

Третий — покупка под конкретный повод. Пользователю нужен образ для мероприятия, отпуска или командировки. Он начинает с имеющихся вещей и подбирает недостающие элементы. Путь от потребности к товару сокращается.

Четвертый — более активное использование уже купленных вещей. Сохраненные образы и конструктор помогают находить новые сочетания привычной одежды. Растет практическая ценность существующих покупок.

«Оценивать эффективность инструмента исключительно через средний чек или количество заказанных товаров было бы неправильно, — поясняет Татьяна Умряева. — С точки зрения экономики платформы важен более широкий горизонт: качество пользовательского опыта, доверие к рекомендациям, релевантность будущих покупок и эффективность использования ассортимента. Наша стратегическая задача — не продать человеку максимальное количество вещей, а помочь ему найти именно то, что действительно нужно».

Ограничения и перспективы

В компании отмечают, что ИИ-сервисы не призваны заменить профессионального стилиста или полноценную примерку. Они решают другую задачу: помогают оценить, насколько новая вещь соответствует стилю пользователя, сочетается с его гардеробом и подходит для конкретного повода. Технологии помогают сделать выбор более осознанным: пользователь может заранее оценить сочетаемость вещи с уже имеющимся гардеробом, увидеть возможные образы и понять, насколько покупка соответствует его потребностям.

Одно из ограничений — планирование гардероба на сезон. По данным исследования Lamoda, 47% опрошенных считают эту задачу сложной. Это самый высокий показатель сложности среди сценариев. Виртуальный гардероб пока не решает задачу полностью: он помогает собрать комплект на конкретный день, но не планирует сезон.

«Управление гардеробом — более широкая задача, которая не ограничивается подбором отдельных комплектов, — говорит Умряева. — Планирование гардероба на сезон предполагает другой уровень работы с потребностями клиента». Система должна учитывать образ жизни, климатические условия, частоту использования разных категорий одежды, предстоящие события и стилевые предпочтения.

Второе — неполная картина гардероба. «В текущей модели есть важное ограничение: система прежде всего знает о покупках пользователя на Lamoda, — поясняет Умряева. — Она пока не располагает полной картиной его реального гардероба, включая вещи, приобретенные в других магазинах». Компания планирует в будущем дать пользователю возможность оцифровывать внешний гардероб и объединять его с покупками на платформе.

Третье ограничение — граница между рекомендацией и гарантией. Онлайн-примерка собранного образа, дополняющая виртуальный гардероб, показывает, как он смотрится на фигуре, подходит ли по цветам и личному стилю, но не заменяет примерку по размеру. Компания не обещает больше, чем дает технология.

Экосистема непрерывно развивается в направлении распознавания индивидуального стиля. Сервисы обучают анализировать и учитывать устойчивые предпочтения — любимые силуэты, цвета, сочетания, типичные сценарии использования одежды. Важным направлением дальнейшего развития в компании называют планирование сезона. «Следующий шаг — переход к сценариям планирования на определенный период: например, формирование комплектов на неделю с учетом контекста пользователя», — делится планами Умряева.

От инструментов к системе гардероба

Пользователь платформы привыкает к персонализации. В электронной коммерции она уже стала нормой. Люди ждут, что цифровые сервисы учитывают их предпочтения, историю взаимодействия и контекст запроса. Lamoda создала экосистему, где виртуальные стилист, примерка, поиск и гардероб работают на одном массиве данных. Компания накопила данные о покупательском поведении, ассортименте и продажах и использует набор ML-моделей для персонализации, визуального поиска и формирования образов.

«Для Lamoda развитие связано с нашей ролью fashion-tech-платформы: мы объединяем экспертизу в моде, знания об ассортименте и современные технологии, чтобы помогать клиенту принимать более точные решения, — подчеркивает Татьяна Умряева. — Наша задача не сузить мир моды до уже знакомых человеку вещей, а помочь ему открывать новое с учетом собственного стиля».