最近看了些和美妝相關的AI計畫。個人感覺，目前AI技術在C端的落地還有一定的距離，但是在B端，基於大數據的優勢，機會還不少。
C端的AI體驗，一言難盡
我最早接觸的美妝C端AI體驗是14年歐萊雅集團推出的千妝魔鏡。那會App剛出的時候，整個朋友圈有種沸騰的感覺，似乎這是顛覆性的技術：以後所有人都不需要線下試裝。直接用千妝魔鏡虛擬試裝，線上下單就可以了。
事實上，現在已經很難找到這款App的下載連結。
美妝最重要的是妝效，然而現在的手機連白平衡都沒完全搞定。怎麽搞定妝感呢？在直男們眼中，不同的口紅色號都差不多，在虛擬試裝裏面，大概也是如此吧。況且妝效和每個人化妝的手法和使用習慣都有很大的關系，在數據足夠多之前，這些都沒法加入到演算法中。
還有個大家不太知道，但是很多手機上都有的AI美妝體驗就是華為的愛肌膚App，它在華為手機是預設的預裝軟體。它的功能在於使用前置網路攝影機來分析皮膚狀態，然後作為AI護膚顧問，客製皮膚問題解決方案。看起來似乎很美好，但是網路攝影機的精準程度本身就有限，每個消費者的個人皮膚狀態也不相同，而後台的產品推薦資料庫也不夠豐富。
愛肌膚App背景不可謂不深厚，依托華為手機龐大的使用者群，華為的頂級演算法，言安堂的美妝資料庫資源，最後也就這樣。
至於其他監測膚質的化妝鏡，智慧裝置之類的，目前看來，只能呵呵噠。
B端AI，大有可為
雖然受制於裝置和演算法等因素，C端的美妝AI體驗並不好，但是在B端，AI和基於大數據的演算法分析卻大有可為。
比如大家常常吐槽的大數據殺熟，就是大數據演算法的例子，只不過商家用AI來作惡。基於消費者的使用習慣，App後台會打上一個標簽，理論上來說，收集的數據越多，標簽也就越精確。從抖音視訊推播，到知乎資訊流，都是同樣的道理。而天貓美妝也可以根據消費者的消費習慣，來定向推播消費者感興趣的美妝產品。
基於大數據分析的AI技術在產品開發上，也可以幫助到原料商和品牌商。傳統的美妝產品開發流程需要經過繁瑣的消費者調研，了解消費者需求，在此基礎上，開發符合消費者需求的產品。而現在因為有了AI技術，可以直接透過消費者的習慣，分析出產品的需求，然後快速客製化開發新產品。例如歐萊雅零點霜，就是歐萊雅和天貓小黑盒合作，透過AI演算法，了解到消費者的需求，定向開發的產品。歐萊雅集團新產品的開發周期是24-36個月，而零點霜只用了六個月就完成了立項到上市的全部流程。
當然，AI客服也在從人工智障轉變成真正的人工智慧。只要演算法足夠強大，訓練的時間足夠多，最後AI客服能回答的問題也就越來越多。
上面幾個例子是消費者能感知到的。還有一些是消費者感知不到的，比如智慧工廠。舉個例子，GE智慧工廠透過IOT傳感器把每個裝置都連線起來，甚至在電腦上，虛擬整個工廠的生產營運，了解工廠的安全隱患，最大化提升營運效率。倉庫也可以透過AI技術，在保證正常供貨的同時，維持較低的庫存水平。
總的來說，目前AI在美妝C端的存在感還比較弱，畢竟人是敏感的，每個人的需求也不同。但是在B端，基於大數據的分析，消費者需求的洞察，人工智慧客服，以及智慧工廠，AI在美妝行業正在變得越來越重要。
(圖片來自網路，侵刪)
