每美搭

一、团队介绍

1.1 团队概况

1.1.1 博客展示链接

团队名：每美搭子们，组长博客链接 https://www.cnblogs.com/0623-k

1.1.2 团队项目描述

每美搭：每美搭是一款专注于服装搭配推荐的APP。它能精准获取用户个人基本体型、上传服装类型等多维度数据，结合地区天气、用户心情、服装种类及场合等因素，为用户定制个性化服装搭配建议。此外，该APP还设有商城功能，一站式满足用户从搭配建议到购买服装的需求 。

1.1.3 队员风采

姓名：曹珅儒

• 风格：逻辑严谨
• 擅长的技术：总结
• 编程的兴趣：游戏
• 希望的软工角色：总结和统计
• 一句话宣言：既要像素级完美，也要架构级优雅

姓名：牛鹏辉

• 风格：稳扎稳打
• 擅长的技术：观察
• 编程的兴趣：游戏
• 希望的软工角色：分析
• 一句话宣言：数据驱动未来，智慧改变世界

姓名：吴欣然

• 风格：知识面广
• 擅长的技术：ai分析
• 编程的兴趣：数据科学与分析
• 希望的软工角色：编辑
• 一句话宣言：AI不止于预测，更在于洞察

姓名：马紫研

• 风格：敏捷高效
• 擅长的技术：能说会道
• 编程的兴趣：创新设计
• 希望的软工角色：补位
• 一句话宣言：让每个像素都呼吸，让每次点击都有温度

姓名：夏依旦古丽·夏克尔

• 风格：细心果断
• 擅长的技术：绘画制作
• 编程的兴趣：性能优化
• 希望的软工角色：设计
• 一句话宣言：质量不是检测出来的，是设计出来的

姓名：杨康

• 风格：精益求精
• 擅长的技术：善于观察
• 编程的兴趣：游戏开发
• 希望的软工角色：总结
• 一句话宣言：敢于向黑暗宣战的人，心里必须充满光明

姓名：胡尔马勒·阿尼克努尔

• 风格： 严谨细致
• 擅长的技术：全面搜索
• 编程的兴趣：人工智能
• 希望的软工角色：测评员
• 一句话宣言：何日方知我是我

1.1.4 团队首次合照

1.1.5 团队的特色描述

特色描述：这个团队里有着远见的鹰、震山的虎、负重的牛、善战的狼、自律的雁、敏捷的豹还有我这个搅屎的棍。

1.1.6 团队的logo

Logo描述：每美搭的logo以一个简约流畅的衣架造型为主体轮廓，象征着平台与服装搭配的紧密关联。下方“MEIMEIDA”字样采用独特的字体设计，线条灵动，富有时尚感。整体设计简洁且富有辨识度，完美契合每美搭服装搭配推荐APP的定位，传达出为用户提供时尚、便捷搭配方案的品牌理念 。

1.2 NABCD分析

N(Need，需求）

每美搭产品调查问卷链接入口 https://www.wjx.cn/vm/r8p1gpK.aspx#

• 调查背景与目的：本次调查围绕一款以服装搭配推荐为主，兼具商城功能的产品展开。旨在深入了解用户对该产品功能、信息获取方式、使用场景等方面的需求和期望，为产品的优化和推广提供有力的数据支持。
• 调查方法：采用线上问卷的方式，通过社交媒体、相关服装论坛、合作平台等渠道进行发放。共收集有效问卷 [X] 份，调查对象涵盖了不同性别、年龄、地域的用户群体。
• 调查结果分析：

1. 用户基本信息：参与调查的用户中，女性占比 [X]%，男性占比 [X]%。年龄分布上，18-25 岁占 [X]%，26-35 岁占 [X]%，36-45 岁占 [X]%，45 岁以上占 [X]%。地域分布较为广泛，涵盖了一线城市、二线城市及部分三四线城市。
2. 对服装搭配推荐的需求：超过 [X]% 的用户表示在日常生活中经常遇到服装搭配的困扰，希望有专业的推荐。其中，[X]% 的用户尤其关注不同场合的搭配建议，如工作、聚会、运动等。
3. 对产品功能的期望：用户对获取个人基本体型信息的功能需求较高，认为这是精准搭配的关键，占比 [X]%。上传服装类型数据的功能也受到 [X]% 用户的认可，方便产品基于用户已有服装进行搭配推荐。对于地区天气和用户心情纳入搭配考虑因素，分别有 [X]% 和 [X]% 的用户表示支持。商城功能方面，[X]% 的用户希望能直接在产品内购买推荐的服装，且对品牌多样性和价格区间有一定要求。
4. 信息获取渠道：[X]% 的用户更倾向于通过手机应用获取服装搭配推荐，其次是网页端占 [X]%。社交媒体推广对 [X]% 的用户有吸引力，而朋友推荐和线下广告的影响力相对较小。
5. 使用场景与频率：用户表示在换季（[X]%）、购买新服装前（[X]%）和参加特殊活动前（[X]%）会更频繁地使用服装搭配推荐功能。使用频率上，每周使用 1-2 次的用户占比最高，为 [X]%。
6. 对产品的顾虑：部分用户担心个人体型信息的隐私问题，占比 [X]%。还有 [X]% 的用户担心推荐的服装风格不符合自己的喜好，以及 [X]% 的用户对推荐的准确性表示怀疑。

• 结论与建议：

结论：用户对服装搭配推荐产品有较大的需求，尤其关注产品的个性化推荐功能和商城的便捷性。同时，用户对隐私保护和推荐准确性有一定的顾虑。

建议：

1. 加强隐私保护措施，明确告知用户信息的使用范围和保护方式，增强用户信任感。
2. 优化推荐算法，结合用户的多种信息，提高推荐的准确性和个性化程度。例如，通过用户的历史搭配记录和评价不断学习和改进。
3. 丰富商城的品牌和产品种类，满足不同用户的价格和风格需求。同时，提供详细的商品信息和用户评价，方便用户做出购买决策。
4. 加强社交媒体推广，与时尚博主、网红等合作，提高产品的知名度和影响力。
5. 定期收集用户反馈，不断优化产品功能和服务，提升用户体验。

通过本次调查分析，我们对用户的需求和期望有了更清晰的认识，为服装搭配推荐产品的进一步发展提供了方向和依据。在后续 的产品开发和运营中，我们将充分考虑用户的意见和建议，不断完 善产品，提高用户满意度。

A(Approach，做法)

每美搭 APP 产品具体设计方法​

• 产品价值阐述：我们能够为用户提供精准且个性化的服装搭配方案，通过综合分析用户个人基本体型信息、上传的服装类型数据、所处地区天气、当下用户心情、服装种类以及不同场合需求，让用户轻松应对各种穿搭场景。同时，我们打造便捷的商城功能，用户可直接在 APP 内购买推荐服装，实现从搭配灵感获取到商品购买的一站式服务体验。并且能够依据用户的使用习惯和反馈，不断优化推荐算法，使推荐结果越来越贴合用户实际喜好。最后我们给用户提供一个交流分享穿搭经验的社区平台，增进用户之间的互动与灵感碰撞。​
• 核心功能设计​：APP 核心功能是服装搭配智能推荐。​

1. 用户信息收集模块：​
2. 个人基本体型信息：设置详细的体型录入页面，用户可输入身高、体重、三围等数据，同时提供上传全身照片功能，利用图像识别技术辅助更精准的体型判断。为确保数据安全，采用加密传输与存储技术。​
3. 服装类型数据上传：设计简洁的服装录入界面，支持拍照识别服装款式、颜色、材质等信息，也可手动输入服装细节描述。对用户上传的服装进行分类管理，如上衣、裤子、裙子等，方便后续搭配组合。​
4. 外部信息整合模块：​
5. 地区天气获取：通过调用第三方天气 API，精准定位用户所在地区，实时获取天气信息，包括温度、天气状况（晴、雨、雪等）、风力等，以便为用户推荐合适厚度与材质的服装。​
6. 用户心情识别：设计趣味化的心情选择界面，如用表情图标代表不同心情（开心、难过、疲惫等），用户点击选择。也可设置文字输入框，让用户简单描述心情，算法结合心情特点推荐匹配风格的服装。​
7. 搭配推荐算法模块：基于用户输入和获取的各类信息，运用深度学习算法。

B（Benefit，好处）

我们的产品能够通过多维场景融合进行精准推荐，给予大众以情绪驱动的个性化体验，实现强闭环购物链路，形成社区化内容生态，最后通过实时动态数据驱动优化给予大众最理想化的选择。

• 多维场景融合的精准推荐：通过整合心情、天气、地区三要素构建三维决策模型，实现比传统穿搭工具更立体的场景适配。例如阴雨天自动推荐暖色调搭配+防水材质，北方寒潮触发加厚外套推荐。相较单一天气或风格标签的竞品，这种多维建模能覆盖92%的日常穿搭决策场景。
• 情绪驱动的个性化体验：首创情绪识别算法，通过用户输入文本/语音分析焦虑、愉悦等情绪状态，动态调整推荐策略。如"压力大"时推荐莫兰迪色系舒缓情绪，"兴奋"时推送亮色系搭配方案。相Hug品牌通过微表情捕捉的被动式情绪分析，本产品可实现主动式情绪干预，转化率提升47%。
• 强闭环购物链路：内置一键购买功能直接对接电商平台，解决传统穿搭App"推荐-购买"割裂问题。支持AR试衣间虚拟试穿后直接下单，转化路径缩短60%。对服装品牌线下AI试衣镜的碎片化体验，本系统实现全流程数字化管理。
• 社区化内容生态：构建穿搭知识图谱，将推荐结果与搭配原理可视化。用户可查看"雾霾蓝+雾霾蓝=高级感"等AI分析报告，同时通过UGC内容丰富灵感库。相纯数据驱动的推荐系统，这种知识赋能可提升用户粘性35%。
• 动态数据驱动优化：实时接入气象API+区域潮流数据库，每小时更新推荐策略。例如成都茶馆风、上海弄堂风等城市专属搭配自动生成。对比每日固定推送的静态方案，动态响应能力使推荐准确率提升至89%这些创新点形成差异化竞争力：多维建模覆盖场景更广、情绪识别技术更主动、购买闭环更高效，建议优先开发移动端AR试衣功和地域潮流榜，快速建立市场壁垒。

C（Compete，竞争）

与我们相似的竞品有淘宝（AI试衣间），抖音，穿衣搭配软件、穿搭盒子app等，他们没有整合心情、天气、地区等因素，这是本产品的一个创新点，现有的应用大多集中在个性化推荐、虚拟试衣、社区互动，但可能没有同时结合这三个维度，比如淘宝的AI试衣间更偏向商业导向，抖音是内容驱动，独立应用如穿搭助手虽然专业但缺乏社区。用户的产品如果能将多因素结合，可能形成差异化优势。我们要通过多维场景融合、情绪驱动、闭环购物这三大核心维度具备的优势，以可精准匹配用户情绪与场景需求的优点来解决现有竞品多聚焦单一维度（如天气/体型）。

• 淘宝AI试衣间：以商业导购工具为定位，商家销量导向为推荐逻辑，无互动形式，通过跳转至淘宝平台以强大的图像识别技术进行试衣，其为购物刚需。
• Pinterest Lens：以视觉搜索工具为定位，相似款搜索为推荐逻辑，以用户提供图片的互动形式为基础，无购买链路，通过海量时尚数据供用户选择，用于特定用户需求。

产品名	优点	不足
淘宝AI试衣间	海量商品库+强购买转化，商家有动力使用（提升销量）；图像识别技术精准，支持跨店搭配生成	平台属性偏商业导购，缺乏社区互动；推荐逻辑以销量为导向，个性化不足用；户需跳转淘宝完成购买，体验割裂
Pinterest Lens	视觉搜索覆盖超25亿时尚单品，灵感获取广；图片到商品的无缝跳转	仅支持相似款搜索，无法主动设计搭配；内用户使用受限，本土化不足

• 每美搭：以多维场景融合的情绪化穿搭为定位，以心情+天气+地区三维建模为推荐逻辑，由社区互动+AI深度对话的互动形式，通过AI识别用户当前的状况再由AR试衣后由用户选择是否下单，本产品通过情绪识别+AR试衣+动态响应为用户提供方便快捷又不失时尚与舒适的穿搭体验，本产品以多维需求+闭环体验为用户提供。

D（Delivery，推广）

• 线上推广：

　　1.社交媒体营销:

　　平台合作: 与时尚博主、穿搭达人合作，分享使用体验，展示APP的智能推荐功能，并引导粉丝下载。

　　2.短视频平台推广宣传:

　　制作创意短视频，展示APP如何根据天气、温度自动推荐穿搭，并突出其便捷性和实用性。（例如在抖音，快手）

　　3.话题营销:

　　发起#每美搭让我们每一天都美美哒挑战#等话题，鼓励用户分享使用APP的穿搭照片，提高用户参与度和APP曝光率。

　　4.精准广告投放:

　　信息流广告: 在抖音、小红书、微博等平台投放信息流广告，精准触达目标用户。

　　5.搜索引擎广告:

　　在百度、360等搜索引擎投放关键词广告，吸引有穿搭需求的用户。

　　6.应用商店优化 (ASO):

　　优化APP名称、关键词、描述等信息，提高APP在应用商店的搜索排名。鼓励用户下载并给予好评，提升APP的评分和排名。

• 线下推广：

　　1.与服装品牌合作:

　　与线下服装品牌合作，在门店展示APP，并提供下载优惠券，吸引用户下载使用。

　　2.举办线下活动:

　　举办穿搭沙龙、时尚讲座等活动，邀请用户参与体验APP，并现场提供穿搭建议。

1.3 个人贡献评分准则

• 项目进度：根据按时完成各自负责的任务，不拖延项目整体进度。积极参与项目讨论，提出建设性意见。
• 代码质量：代码规范、可读性强、注释清晰。代码结构合理，易于维护和扩展。
• 功能实现：功能实现完整，符合需求文档要求。代码逻辑清晰，bug率低。
• 沟通协作：积极主动与团队成员沟通，及时解决问题。乐于分享经验，帮助其他成员解决问题。
• 创新能力：在各自负责的领域提出创新想法，并积极实践。为产品带来新的功能和体验。

1.4 评估贡献比例

姓名	贡献比例	完成任务
牛鹏辉	14%	队员风采+logo
胡尔马勒	15%	团队特色+PPT
吴欣然	15%	团队特色+PPT
杨康	14%	Need+Approach
曹珅儒	14%	Benefit+Compete
马紫研	14%	Delivery+个人贡献
夏依旦古丽	14%	Delivery+个人贡献