Een AI-stylist die voor elke gebruiker persoonlijk voelt
Van bèta in de browser naar native apps voor iOS en Android, met een stylingengine die leert.
Een AI-fashionstart-up voor consumentenProbleemstelling
Waar de klant tegenaan liep
Een oprichter had een AI-stylist gevalideerd in een gesloten bèta en had een downloadbare, betaalde app nodig die voor elke gebruiker persoonlijk voelde, met het budget van een start-up.
Onze aanpak
Hoe we het aanpakten
- De bestaande stylingengine doorgelicht en behouden
- Eén Flutter-codebase gebouwd voor iOS en Android
- Een dagelijkse outfitlus toegevoegd op basis van garderobe, weer en plannen
- Een feedbacklus gebouwd zodat de aanbevelingen beter worden
De oplossing die we bouwden
Wat we bouwden
Native apps met onboarding, het vastleggen van de garderobe, passen met een avatar, een Ask Stylist-traject, abonnementen en analytics, op een veilig fundament van Node.js en Supabase.
Agents in het systeem
Het multi-agentteam erachter
BronnenSupabase, Node.js, Stripe, App Store en Google Play, weerdata
StylingengineStelt outfits samen op basis van garderobe en context
RegelpijplijnPast stijlregels consequent toe
RankingagentPersonaliseert op basis van likes en wissels
Mensen beslissenBeoordelen, goedkeuren en handelen
StylingengineStelt outfits samen op basis van garderobe en context
RegelpijplijnPast stijlregels consequent toe
RankingagentPersonaliseert op basis van likes en wissels
SupabaseNode.jsStripeApp Store en Google Playweerdata
Wat het moet veranderen
Het resultaat waarvoor het is ontworpen
Een eerste bruikbare outfit binnen twee minuten en een lanceerbasis voor minstens 1.000 actieve gebruikers.
Dit is een pilot zonder gepubliceerde resultaten. We laten het probleem en de oplossing zien, geen cijfers die we niet hebben gemeten.
Klantnamen, uitgebreide klantcases, demo's en referenties delen we op aanvraag.
Op zoek naar een vergelijkbare oplossing?
Vertel ons uw versie van dit probleem. Wij lopen met u door wat we bouwden en hoe een eerste pilot er voor u uit zou zien.
