Вадим Роговський, засновник та CEO 3DLook, про важливість експериментів, застарілі антропометричні дані та заміну SMM на ChatGPT

У 2016 році Вадим Роговський заснував компанію 3DLook. Вона створила технологію на основі computer vision, що визначає розмір одягу за двома світлинами людини. Зараз з 3DLook, що представлений переважно на ринку США, працюють понад 100 клієнтів, зокрема, італійський luxury-бренд Lanieri та масмаркет-бренд Bershka.

Вадим вперше докладно розповів українським читачам історію створення компанії. Також він поділився зі SPEKA про те, як 3DLook допоможе розвʼязати екологічні проблеми, що компанія робить з даними користувачів та коли ми будемо носити одяг на замовлення.

До 3DLook я провів приблизно сім років в онлайн-рекламі, створив дві компанії, одну з них продав. 

Я вигорів, на певному етапі індустрія стала дуже токсичною: люди створювали компанії не для того, щоб принести цінність користувачу, а для того, щоб швидко різними шляхами створювати гроші. Коли навколо тебе такі люди, рано чи пізно гроші перестають бути вирішальним чинником. Мені просто перестало бути цікаво, але я хотів використовувати свій досвід створення B2B-продуктів із фокусом на американський ринок і R&D в Україні.

Це був 2016 рік, швидкий розвиток всього, що пов’язано з AR та computer vision. За рік до цього Snap купував одеський стартап Looksery, а я вже на той час дружив з його засновниками Віктором Шабуровим та Юрієм Монастиршиним. Ця історія також мене надихнула. 

Я бачив, що здебільшого гроші вкладають у більш фанові юзкейси на кшталт віртуальних масок, а я хотів зробити щось більш практичне. Як людина з реклами ще хотів, щоб це збирало дані, які потім можна було монетизувати. Так ми підійшли до того, що розв’язуймо проблему сканування тіла людини, вимірювання його просто з камерою будь-якого телефону, без додаткових сенсорів тощо. 

Спочатку я фінансував проєкт самостійно, потім переконав товариша перейти до мене на фултайм. Так він став моїм першим кофаундером. Ми зібрали команду і почали експерименти, тобто як з допомогою смартфону визначити розміри тіла. Знімали відео під різними кутами, робили дві фотки, три, десять. Ми орендували студію, яка була нашою лабораторією, й  експериментували. Моя дружина була першою моделлю для вимірів.

Було дуже цікаво, але ми тоді не розуміли, що це кудись приведе. За три-чотири місяці зрозуміли, що, використовуючи коробкові рішення, можна зліпити на колінці щось таке, що дуже неточно, але працює. 

Щоб технологія працювала достатньо якісно для комерційного використовування, потрібно робити свої кортехнології. Врешті ми по суті зробили для розпізнавання фотографій людей те, що OpenAI зробила для розпізнавання тексту. Ми побудували Core AI, на базі якого можна створювати дуже багато застосунків. Тому нас не можна задисраптити тим, що робить Open AI чи інші компанії. 

Експерименти, що привели до створення 3DLook

Перші застосунки, що їх створили у результаті експериментів

Я поїхав у Нью-Йорк і почав призначати холодні зустрічі з великими брендами, ритейлерами. 20% людей відповідали мені на холодні листи, тому що на той час у мене ще не було нетворку в цій сфері. Ми зустрічались, вони одразу запитували, коли це буде готово, щоб вони змогли впровадити це в себе. 

Важливо, що ми одразу почали публічно розповідати про те, що робимо, до того, як компанію інкорпорували. 30 грудня 2017 року вийшла стаття про нас на VentureBeat. Тоді компанія ще не була інкорпорованою, нуль ревеню, дуже маленька команда.

Але після появи статті ми отримали приблизно 200 лідів, серед яких були H&M, Nike, Adidas. Також я зустрів свого кофаундера Вітні, яка досі зі мною, вона прийшла до нас дізнатися, як це працює, тому що тоді у неї був свій консалтинг. 

Зараз вона займається всією комерційною частиною, тому що 25 років працювала у цій індустрії та розуміє, як їй продавати. Вітні стала одним із геймченджерів для нас. Нам пощастило її зустріти.

На той момент нас було приблизно 15, здебільшого R&D-команди, майже усі в Україні. Ми хантили людей із Samsung, Luxoft. Тих, хто конкретно займався ML, computer vision. 

Потім ми потрапили в акселератор Boost VC і стали першим стартапом з України, який туди відібрали. Там аксептенс-рейт 1-2%. Менш ніж у топові виші. 

Потім ми стали першим стартапом зі Східної Європи, що отримав LVMH Innovation Award. 

З часом ми почали винаймати людей по всій Європі. Але нам був потрібен дуже вузький досвід — щоб люди працювали з компʼютерним зором, нейромережами на телефонах. 

На певному етапі у нас було понад 60 людей, зараз 30, ми вирішили, що у такому складі ми набагато ефективніші. При цьому половина людей за межами України, решта в Україні. Зараз 70% команди — R&D і продукт. 

Досі до нас приходять люди з бажанням використовувати наші технології для фітнес-застосунків, наприклад, для Weight Loss Application. 

Ми навчилися за двома фотками і зростом людини визначати її вагу. Це унікальне рішення. Також за двоми фотками, зростом і вагою можемо визначати відсоток жиру в тілі, розподілення жиру по тілу, і ось з цими параметрами ми підемо у Health & Fitness історію. Ніхто, крім нас, не може це робити лише за двома знімками людини.

Ми зробили landing page, на якій вже зібрали перші ліди та починаємо перші інтеграції. Можна буде вбудувати цей компонент у свій застосунок, і ми будемо збирати health-дані. 

80% наших клієнтів зі Штатів, тому нам було простіше, ніж багатьом компаніям. Наші клієнти або взагалі не працювали з рф, або звідти вийшли. 

Ми хочемо зібрати найбільшу базу цифрових тіл у світі, на основі якої будувати різні аналітики для різних індустрій. 

Наприклад, одна з головних проблем, яку ми вирішуємо в індустрії і навіть у виробництві одягу, це повернення. Тобто, коли люди купують одяг, повернення сягає приблизно 40%. І це дуже погано. Для екосистеми, довкілля, брендів і покупців. 

На понад 7 мільярдів людей на рік виробляють 180 мільярдів одягу. Чому? Тому що бренди виробляють одяг, враховуючи не показники тіла реальних людей, які його одягають, а старі антропометричні дані. 

Розмірну сітку придумали за Другої світової війни для уніформи. Потім її оновлювали у 1960-1970-х. І все. Брали 10 тисяч людей і вимірювали їх. Досі застосовують стару розмірну сітку,  тому у сучасних людей немає шансів потрапити у розміри за застарілими даними. Як це вирішити? Дати брендам аналітику, як тепер виглядають тіла споживачів, і щоб бренди вносили зміни, зважаючи на  дизайн і виробництво. Це те, що ми допомагаємо робити. 

Коли ми назбираємо ще більше даних, то зможемо давати аналітику для різних індустрій. Ми зможемо показувати, як відрізняються тіла у різних регіонах, що ці люди купують, а що повертають. Наразі тільки щодо США у нас достатньо даних для первинних аналізів. Нам треба ще більше даних, більше покриття різних регіонів. Ми хочемо туди додати дані про купівлю та повернення. Ми обов’язково створимо аналітичний продукт. Поки що він на ранній стадії, але він є в roadmap, тож у найближчі два роки зʼявиться. 

Ми не уявляли, наскільки середні тіла дівчат відрізняються у Нью-Йорку, Вайомінгу та Кентуккі. Тобто ті, хто живе на узбережжях — у Каліфорнії чи Нью-Йорку, зовнішньо відрізняються від тих, хто живе всередині країни. А бренди роблять однакову розмірну сітку для всіх.

По-перше, якість харчових продуктів, рівень доходу безпосередньо впливає і, звичайно, спосіб життя — заняття фітнесом тощо.

Я багато менторю та інвестую в українських фаундерів, але я всім раджу ані секунди не проводити на українському ринку, бо він просто маленький. На ньому нічого робити. Так само роблять фаундери в тому ж Ізраїлі, саме тому з Ізраїлю стільки відомих та успішних стартапів. 

Я почав запускати стартап на американський ринок, тому що розумів, що це єдиний шлях, який має сенс, і це було правильне рішення. Ми одразу, звісно, побудували команду з розроблення в Україні, а Customer Development, наші маркетингові активності, робимо у Штатах.

Особливо після ковіду R&D в Україні не дешевше. Це одна з проблем, що сьогодні багато фаундерів кажуть, що їм краще найняти людину в Берліні чи навіть у Лондоні, ніж в Україні. За ті самі гроші, але він буде з гарною англійською, він буде перебувати у більш стабільних умовах, у клієнтів не буде ризиків. Це велика проблема українського ринку, що цінова перевага є тільки на рівні початківців. 

Так, дійсно, тоді було дешевше, але це не була головна причина. Причина в тому, що я легко можу дотягнутися до цих людей.

Багато прийшло до нас просто через те, що вони мене знали і читали на Facebook або у LinkedIn. Вони прийшли на особистий бренд. І через те, що ми могли легко через медіа розкидати оголошення і знайти, хто нам потрібен, знайти реально найкращих. Тобто цінове — це точно не перша причина, чому ми це робили. 

На ринку Штатів нам ще є, що робити. Але зʼявляються клієнти з Канади,  Великої Британії. Bershka, Inditex Group, один із наших топових клієнтів, взагалі з Іспанії. Також у нас зʼявляються клієнти в Італії. У Західній Європі буде ринок, яким будемо активно займатися. 

У нас є два основні напрями. Один — наш продукт Mobile Tailor. Він для custom-made, тобто для всього одягу, який роблять на замовлення під розміри тіла конкретного клієнта. У цій ніші у нас понад 100 клієнтів.

А другий напрям — це промислове виробництво одягу як Bershka. Ось тут ми працюємо з підбором розміру і показуємо, як цей одяг на людині виглядає.

Приблизно за 10 років не існуватиме розмірів S, M, L. Буде «мій розмір», «твій розмір». Тому що одяг на замовлення стане більш популярним. Це буде дешевше та швидше.

Збираються усі елементи пазла, а саме роботизоване виготовлення одягу, софт, який дозволяє ті дані, які ми отримали з фото людини, трансформувати у лекала, а потім обрізати тканину за лекалами та усе це зшити. Ланцюжок з кількох компаній, які мають цим займатися. 

Люди не будуть мучитися, що купити, а будуть замовляти одяг під себе і будуть його отримувати завтра. Зрозуміло, що 3DLook — це компанія, яка буде в цьому незамінною.

Одна з головних наших цілей з першого дня — максимально простий UX. У нас є думки, як використовувати розробки в LLM, зробити сам процес, потестувати його з погляду конверсії, щоб людина, до того як зробити дві фотографії, відповіла нам на деякі запитання. Ми хочемо, щоб кінцевий користувач почувався, як в офлайн-магазині.

Більшість не відчуває комфорт онлайн. Зайти на сайт, як у магазин, не вийде, тому що онлайн чекає, що ти знаєш, чого хочеш. Ми хочемо допомогти споживачеві розібратися, що він хоче, і щоб він побачив річ на собі та купив її у своєму розмірі.

Щойно став доступний корпоративний платний акаунт ChatGPT, ми його використовуємо. Відтоді не маємо позиції social media manager. 80% його роботи просто не потрібно, 20% закриває один із наших маркетологів.

Я також пропускаю через ChatGPT свої пости у соціальних мережах, головна його роль — вичитати пост англійською таким чином, щоб вона виглядала природною. 

Не можу сказати, що контент, створений за допомогою ChatGPT, привертає більше уваги, лайків, шерів. Увага така сама, якщо давати йому правильні промпти, але ви витрачаєте у рази менше часу. 

Ми активно наймаємо українців, але за межами України. Тому що були моменти, коли клієнти дуже переймалися їхнім місцеперебуванням. У нас є кілька клієнтів у defence-індустрії, наприклад, один із найбільших виробників бронежилетів у світі. Ви розумієте, що для них дуже важливо, щоб команда була максимально у безпеці.

Це було для нас важке рішення — поки що не наймати всередині країни, але ми активно шукаємо українців, які мешкають, наприклад, у Польщі. У нас зараз одна українка в Єгипті, є українці у Португалії. Основна локація офісу за межами України — у Польщі (Варшава).

В Україні у нас знаходиться близько половини співробітників. Ми нікого не звільняли через війну і не плануємо.