1. 我是CIO首页
  2. 资讯
  3. 人工智能

Livspace的CTO如何使用ML改变家庭室内设计和装修业务

Livspace正在利用基于ML的平台来提供一种解决方案,为房主提供无缝,可预测和个性化的室内设计和翻新服务。

Livspace的CTO如何使用ML改变家庭室内设计和装修业务插图(1)

Livspace成立于2015年,旨在解决个人在装修房屋时面临的脱节的客户体验。它是一个在线的,端到端的家居设计和装修平台,提供了一个三方市场。该公司在印度的九个都会区开展业务,包括班加罗尔,德里,诺伊达,古尔冈,孟买,塔那,浦那,海得拉巴和金奈。

Livspace在全国拥有20个设计中心和体验式公寓的网络。该公司已经通过一些顶级的全球投资者筹集了资金,其中包括Ingka Ventures(IKEA),TPG Growth,Goldman Sachs,Bessemer Venture Partners,Jungle Ventures,Helion Ventures和UC-RNT。

Livspace的CTO Rohit Modi说:“我们正在利用ML对设计资产进行分类,以改善设计人员的搜索和发现能力。我们正在使用文本分类算法来自动化设计资产特征分类。自动聚类是用来过滤可用的设计师和成绩合格的设计师的过往业绩的时间序列数据,并预测当前考虑由项目设计师所能胜任的范围。”

客户寻求家庭室内设计和装修的痛点是什么?Livspace如何解决这些痛点?

在评估内饰选项时,重要的是要了解首次进行此操作的房主对他们将要进行的购买没有经验或知识。除了在谈判,与承包商和供应商打交道,及时完成项目等方面所面临的麻烦之外,他们需要对自己所购买的商品,为什么选择不同的配置,成本计算等方面进行自我学习。

Livspace旨在使用技术为解决这些差距和担忧,提供了一种全栈解决方案,可为房主提供无缝,可预测和个性化的服务,而不是混乱无序的客户体验。通过组织供应信息,创建简化产品设计,制造和安装的基础架构,Livspace解决了空间转换行业的一些最大难题。

LivSpace如何通过技术改善客户体验?

传统上,家庭室内消费者在设计房屋时必须经历几个分散的步骤。使产品和服务与设计要求相匹配是一个挑战。供应链必须对每份订单进行重新设计,使设计工作室和独立承包商难以提供价格透明性和可预测性。尽管支出很大,但消费者并未获得工作质量的保证。

对于承包商而言,挑战在于从供应的角度来选择产品和服务池的选择有限。对于供应商而言,挑战在于他们无法按订单生产大量产品。结合市场准入和现金流问题,无组织的市场提供了次优的解决方案。

随着Livspace技术驱动型解决方案的出现,消费者体验已从麻烦驱动型转变为无缝,积极的状态。通过创建业界第一个独特的三面市场,将消费者,设计师和供应链供应商聚集在一个平台上。Canvas –专有的设计到安装技术–是Livspace的关键所在。技术使标准化的室内装饰供应链首次实现,这在业界以前是不可能的。

同步交付和安装带来了可预测性和时间表,这是该技术领域中前所未有的两个概念,现在由于技术而变得可行。而且,现在可以在一个平台上对产品和服务进行分类,这使我们能够建立一个超过400万的大型数据库,设计人员可以利用该数据库来提供服务和质量的准确性。平台功能可以涵盖端到端的房地产设计,范围从产品的更简单集成到非常深入和详细的技术驱动集成。

Canvas的破坏力是什么?它如何满足业务需求?

Canvas是全球第一个针对家庭设计和装饰行业的基于云的设计/ ERP解决方案。Canvas端到端自动化室内设计和安装过程。它是一个集成系统,可以处理从设计到最后一英里的安装。对于设计行业来说,这是一个高度可扩展的解决方案,可提供标准化的内部无差错。对于设计师和制造商来说,Canvas就像ERP一样,帮助他们成长,并使Livspace成为印度最大的室内设计和装修平台。

在Canvas上,所有产品和服务都可以作为电子商务SKU使用。它包括诸如家具,装饰,组合式家具之类的类别,以及诸如壁画,地板,假天花板等服务。设计人员可以使用这些SKU来快速创建3D / VR设计,保真度约为90%。

对于每种设计,Canvas都会自动自动实时创建购物车-2BHK房屋的平均购物车可以包含500多个SKU。所有订单将自动下达给相应的供应商和制造商,这也可以通过Canvas进行管理。交付和最后一英里安装通过单个仪表板进行管理和跟踪。

ML如何与Canvas集成?它扮演什么角色?

机器学习用于将房主与平台上的合适设计师匹配。背景,位置,首选语言,功能要求和审美偏好等因素是与设计师和房主相匹配的关键标准。这是一个重要的用例,因为不正确的匹配会影响平台上的客户体验和转换率。

自动聚类用于过滤可用的设计师,而匹配分数则结合了设计师过去的表现和预测可用时间(考虑到设计师正在管理的当前项目)。我们的设计师每月在平台上创建数千个设计。随着时间的流逝,我们的设计师社区已经建立了非常庞大的家居设计资料库。机器学习算法还帮助我们自动对设计资产进行分类,以改善设计人员的搜索和发现。我们正在使用文本分类算法来自动化设计资产特征分类。

本文为作者 何斌 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论