這篇文章給大家聊聊關(guān)于聯(lián)想s100拆機(jī)圖解(聯(lián)想s100拆機(jī)視頻教程)，以及聯(lián)想s100拆機(jī)圖解(聯(lián)想s100拆機(jī)視頻教程)對應(yīng)的知識點(diǎn)，希望對各位有所幫助，不要忘了收藏本站哦。

電商色彩營銷：聽說消費(fèi)者都有“好色”心理

編者按：

現(xiàn)代營銷學(xué)之父曾經(jīng)有說過, 消費(fèi)者需求主要分為數(shù)量滿足、質(zhì)量滿足, 以及情感滿足階段。隨著社會經(jīng)濟(jì)的發(fā)展, 消費(fèi)者對于產(chǎn)品質(zhì)量進(jìn)入到情感需求階段, 達(dá)到一個(gè)新高度。與此同時(shí), 消費(fèi)者對于現(xiàn)在生活環(huán)境和產(chǎn)品質(zhì)量的需求, 不僅僅局限于功能特性的實(shí)用階段, 更加注重消費(fèi)過程中環(huán)境美學(xué)的需求。此外, 消費(fèi)者對于同質(zhì)化產(chǎn)品, 以及對競爭激烈消費(fèi)場景有更大的色彩需求, 所以色彩對消費(fèi)者購買行為的影響具有重要現(xiàn)實(shí)意義。

導(dǎo)語

先前，分析服務(wù)公司KIS**etrics發(fā)布的一項(xiàng)調(diào)查結(jié)果，分析了顏色與購買行為的奇妙聯(lián)系。

1

當(dāng)推銷一件產(chǎn)品的時(shí)候，消費(fèi)者會把注意力放在哪些部分呢？93%的消費(fèi)者選擇了產(chǎn)品外觀，6%選擇產(chǎn)品質(zhì)地，1%選擇氣味或聲音。由此可見外觀對于一件產(chǎn)品的銷售起著至關(guān)重要的作用

2

當(dāng)消費(fèi)者購買一件特殊商品的時(shí)候，85%的消費(fèi)者解釋主要原因是產(chǎn)品的顏色

3

顏色能提升80%品牌認(rèn)知度，而品牌認(rèn)知度直接影響消費(fèi)者信任

可以這么理解，色彩在不同場景的選取，所表達(dá)的含義不同：

**：樂觀、年輕，常用于吸引消費(fèi)者注意力；

紅色：充滿能量，讓人心跳加速，給人緊迫感，常見于**大甩賣；

藍(lán)色：給人值得信任和受到保護(hù)的感覺，常見于銀行和商業(yè)；

綠色：讓人聯(lián)想到富足。所有人來說最易接受的顏色，常置于商店中用于放松和休息；

橙色：積極行動(dòng)的，通常是放行為提示語，比如產(chǎn)品描述，買或是賣；

粉色：浪漫且女性化的，用來吸引女人和年輕女孩兒；

黑色：有力的有光澤的，用來銷售**產(chǎn)品；

紫色：讓人緩和平靜，通常在化妝品或者抗衰老產(chǎn)品中使用；

由此可見，在消費(fèi)經(jīng)濟(jì)邁入更加精細(xì)化的時(shí)代，色彩的外化表現(xiàn)和消費(fèi)購買行為有著至關(guān)重要的關(guān)系。

同時(shí)，電商行業(yè)的新品開發(fā)與設(shè)計(jì)越發(fā)依賴精準(zhǔn)與高效的數(shù)字化決策。結(jié)合我們當(dāng)前平臺，憑借豐富的大數(shù)據(jù)助力行業(yè)的發(fā)展，運(yùn)用數(shù)字化技術(shù)對傳統(tǒng)消費(fèi)品行業(yè)賦能，滿足行業(yè)制造新需求，在色彩屬性上，進(jìn)行商品開發(fā)基礎(chǔ)屬性洞察與疏理，挖掘消費(fèi)新需求。

然而，當(dāng)前平臺上商品的色彩標(biāo)簽，采用主觀意識人工填寫，因此在數(shù)據(jù)層面產(chǎn)生了極為分散的描述，限制了其中歸納與提取更加精準(zhǔn)的色彩洞察。

比如上圖中色彩描述，可以看到視覺上的同一色彩，由于平臺上商品的色彩標(biāo)簽由商家于后臺手動(dòng)填寫，因此產(chǎn)生了極為分散的描述。有的商家填寫從流量與運(yùn)營視角出發(fā)，色彩標(biāo)注為” XXX同款色”或是”主圖色”，有的從營銷視角出發(fā)，描述為”深夜星空”或是”卡布奇諾”，即使限制只能使用單純的色彩命名，“淡紅棕”、“土咖”也難以準(zhǔn)確判斷。最終導(dǎo)致平臺底層色彩屬性數(shù)據(jù)不一致，線上線下存在色彩偏差，行業(yè)小二、消費(fèi)者、商家對顏色認(rèn)知沒有形成統(tǒng)一標(biāo)準(zhǔn)。

由于個(gè)人色彩感受的差異與色彩語言的不一致，造成色彩數(shù)據(jù)抓取分散，計(jì)算機(jī)與數(shù)據(jù)科學(xué)中的常用原則Garbage in，garbage out (GIGO，無用輸入，無用輸出)限制了我們由大數(shù)據(jù)中歸納與提取更加精準(zhǔn)的色彩分析，使得目前的色彩決策形成了巨大落差，感性預(yù)測與理性數(shù)據(jù)無法互相支撐、線上虛擬色號與線下商品實(shí)體色彩難以相互匹配。若回到色彩決策的理性角度來說，具有廣泛行業(yè)的色彩數(shù)據(jù)、聚焦**消費(fèi)者、具有時(shí)間維度的阿里巴巴平臺消費(fèi)數(shù)據(jù)是否能更加準(zhǔn)確的洞察未來趨勢色彩的變化?

基于此，新品平臺、阿里設(shè)計(jì)ADIC平臺、以及外部ISV云巢科技公司，共同研究主流色彩體系，提出一套全新可適配電商的色彩系統(tǒng)，并通過圖片主色拾取的算法能力，將此色彩系統(tǒng)與顏色標(biāo)準(zhǔn)化引擎結(jié)合，對相近色以色彩、色相、色階歸納分組進(jìn)行排序，將理性數(shù)據(jù)定量標(biāo)準(zhǔn)化分析形成精準(zhǔn)色彩決策指引，實(shí)際應(yīng)用于Ailbaba Design“智美產(chǎn)品”，沉淀在新品平臺體系，以及平臺上需要顏色標(biāo)準(zhǔn)體系支撐的產(chǎn)品，提供商家精準(zhǔn)貨品色彩開發(fā)。

01理性研究色彩

發(fā)現(xiàn)問題，就要針對問題對癥下藥，首先要調(diào)研色彩標(biāo)準(zhǔn)體系，以此為理論基礎(chǔ)支撐，作為色彩理性判斷的依據(jù)。

正常情況下，對色彩的理解大多從感性出來，這就出現(xiàn)了色彩描述起來含糊不清并難于管理的情況，從理性的角度分析色彩，需要根據(jù)色相、彩度、白度和黑度等體驗(yàn)參數(shù)判斷色彩。

上個(gè)世紀(jì)，從亞里士多德開始，人類就開始研究色彩，色彩理論逐漸地系統(tǒng)化，出現(xiàn)了很多不同的色彩系統(tǒng)，在這些色彩系統(tǒng)的指引下，人們已經(jīng)可以數(shù)據(jù)化的分析色彩，以下簡要介紹一下各大自然色彩系統(tǒng)及其他主流色彩系統(tǒng)。

01NCS色彩體系及其他主流體系

NCS自然色彩系統(tǒng)是根據(jù)人眼所看到的色彩，基于人眼的視神經(jīng)，設(shè)定了紅黃藍(lán)綠以及黑白，一共6個(gè)顏色，如下圖：

把黃紅藍(lán)綠4個(gè)有彩色圍繞一圈組成色相環(huán)，而這些顏色之間10等分，這樣每一個(gè)色相就都有了自己的色相編號，色階的維度由黑白度和彩度標(biāo)識，黑白之間10等分，彩度和黑白之間又是10等分，這樣就形成了色階，把色相和色階組合起來，而形成了一個(gè)錐形的色立體。

基于這個(gè)色立體可以將色彩數(shù)據(jù)化，色彩本身的構(gòu)成原理，同樣線上色立體的數(shù)據(jù)化，更加是可行的。

目前比較通用的色彩體系有瑞典的NCS自然色彩系統(tǒng)，德國的勞爾色彩體系，日本的PCCS色彩系統(tǒng)，丹麥Malerlaug色彩系統(tǒng)等。而每個(gè)系統(tǒng)各有其各自的特點(diǎn)，而針對不同的色彩需求。

02瑞典-NCS自然色彩系統(tǒng)

NCS是Natural Colour System（自然色彩系統(tǒng)）的簡稱。NCS是如今世界上最具盛名的色彩體系之一，是國際通用的顏色規(guī)范，更是國際通用的顏色交流的言語。研討始于1611年，后來在顏色學(xué)、心思學(xué)、物理學(xué)以及修建學(xué)等十幾位專家數(shù)十年的共同努力下，經(jīng)過了數(shù)不清的科學(xué)試驗(yàn)，天然顏色體系于1979年完結(jié)，并變成瑞典的國家規(guī)范。

在三維的立體模型中，立體的上下兩頭是兩種非五顏六色原色，頂端是白色，底端是黑色。立體在中心部位由黃、紅、藍(lán)、綠四種五顏六色原色形成一個(gè)色相環(huán)。在這個(gè)立體體系中，每一種顏色都占有一個(gè)特定的方位，而且和別的顏色有精確的聯(lián)系。

三角形的W角代表達(dá)，S角代表黑，也即是顏色立體的頂端和底端，C代表一個(gè)純色，與對錯(cuò)都不類似。用NCS斷定顏色時(shí)，第二步是由目測判別出該顏色中含有五顏六色和非五顏六色量的相對多少。顏色三角形中有兩種標(biāo)尺；彩度標(biāo)尺闡明一個(gè)顏色與純五顏六色的挨近程度；對錯(cuò)標(biāo)尺闡明一個(gè)顏色與黑色的挨近程度，這兩種標(biāo)尺被均分紅100等份。

03德國-勞爾色彩體系

勞爾RAL設(shè)計(jì)體系的顏色是按色相(hue)、亮度(lightness)和彩度(chroma)進(jìn)行系統(tǒng)排列，共有1825種顏色。按照色譜的順序，色相被排列成一個(gè)圓圈，各角度有相應(yīng)的顏色。紅色能在0° (= 360°)處找到，**在90°，綠色在180°，藍(lán)色在270°，同一色相內(nèi)的不同的明度值分列在不同的層次上。

勞爾RAL設(shè)計(jì)色彩體系應(yīng)用非常廣泛，別的領(lǐng)域不敢說，但在工業(yè)領(lǐng)域的應(yīng)用占有著絕對優(yōu)勢，是全球建筑師、室內(nèi)設(shè)計(jì)師、工業(yè)應(yīng)用設(shè)計(jì)和所有顏色專業(yè)用戶的首選，早已被視為現(xiàn)代個(gè)性化顏色設(shè)計(jì)的完美工具。

04日本-PCCS色彩系統(tǒng)

PCCS，非常年輕的色空間，最在意配色應(yīng)用，商業(yè)性強(qiáng)，日本常用。PCCS色彩體系，**了Munsell和NCS、Oswald各自優(yōu)點(diǎn)的色空間，各方面都最成熟，在配色上也下了很大的功夫。

PCCS除了將顏色表現(xiàn)為具有“色相”，“亮度”和“飽和度”三個(gè)屬性的方法外，還具有“色調(diào)”的概念，該概念將“亮度”和“飽和度”結(jié)合在一起，用“色相”和“色調(diào)”這兩個(gè)屬性來表示色彩的性格。

由“色相”和“色調(diào)”組成的色彩系統(tǒng)是PCCS的主要功能，該系統(tǒng)也稱為“色調(diào)系統(tǒng)”，可針對不同主題的設(shè)計(jì)進(jìn)行快速搭配。

PCCS最重要的應(yīng)用方法，不只是將顏色分類，更將顏色與適合應(yīng)用的場合結(jié)合。如果將2020年的流行色放入表中，我們能從中看出，明年流行趨勢基本上都在表中偏左上角的色調(diào)里。

也就意味著：他們的“亮度”高，“飽和度”低，具有統(tǒng)一的清爽、年輕、不具侵略性的特點(diǎn)。

每一個(gè)色彩系統(tǒng)都有它各自的優(yōu)點(diǎn)，這次構(gòu)建電商色彩系統(tǒng)也是經(jīng)過長時(shí)間的數(shù)據(jù)驗(yàn)證，結(jié)合電商行業(yè)特性不斷試錯(cuò)，進(jìn)行電商色彩系統(tǒng)的驗(yàn)證。

03探索電商色彩

為了選擇更好的色彩研究方法，首先需要對電商商品特性及其圖片體量有基礎(chǔ)理解。阿里巴巴作為**最大的電商平臺，有著數(shù)以億計(jì)的商品圖片，擁有著天然優(yōu)勢來探索并構(gòu)建電商色彩系統(tǒng)。

01電商平臺的圖片特性

在平臺體系內(nèi)，商家每發(fā)布一個(gè)商品，就需要上傳商品主圖、詳情頁介紹圖、內(nèi)容渠道拍攝圖、營銷渠道活動(dòng)圖等不同圖片，加上后期用戶反饋的買家秀，每一個(gè)商品都關(guān)聯(lián)著一套數(shù)量很大的圖片集。對商品圖片數(shù)據(jù)分析時(shí)，為了使獲得結(jié)論更有指導(dǎo)性，往往需要根據(jù)行業(yè)品類、人群特性、價(jià)格區(qū)間進(jìn)行分類分析。

基于這個(gè)數(shù)據(jù)量級下的分層需求，如果對線上數(shù)據(jù)依舊采用以往色彩研究定性的分析方法，必定耗時(shí)耗力，同時(shí)無法保證研究結(jié)果的科學(xué)性與可用性。

為此，我們應(yīng)用了圖像識別算法中的圖片主色拾取能力，基于算法色彩提取，進(jìn)行電商圖片色彩研究。建立符合平臺應(yīng)用場景的完整色立體，形成一套全新的線上色彩體系，可以客觀地分析后臺色彩數(shù)據(jù)，研究消費(fèi)者對色彩的喜好以及色彩趨勢。

02圖片主色拾取算法能力

商品圖片主體顏色的識別，核心功能分為兩部分：分割摳圖、顏色識別。其中分割摳圖是極為關(guān)鍵的一步，因?yàn)樯碳彝蟼鞯膱D片質(zhì)量、來源、內(nèi)容參差不齊，很難用一個(gè)模型實(shí)現(xiàn)業(yè)務(wù)效果統(tǒng)一。
阿里巴巴智能設(shè)計(jì)實(shí)驗(yàn)室自主研發(fā)的分割摳圖系統(tǒng)，從底層技術(shù)實(shí)現(xiàn)涵蓋過濾、分類、檢測、分割四個(gè)模塊。分類模型，借鑒autoML的思想，在有限GPU資源的情況下做參數(shù)和模型搜索，加速分類落地；檢測模型，借鑒FPN檢測架構(gòu)；分割融合模型[4]，與傳統(tǒng)的只需分別前景、背景圖像分割(segmentation)問題不同，高精度摳圖算法需要求出某一像素具體透明度是多少，將一個(gè)離散0-1分類問題變成[0, 1]之間的回歸問題。

針對圖像中某個(gè)像素p，透明度預(yù)測公式：α_p=β_p F ?_p+(1-β_p ) 〖(1-B ?〗_p)備注：其中F ?_p和B ?_p分別代表了這個(gè)像素屬于前景和背景的概率，β_p是混合權(quán)重。

分割融合模型，是分割摳圖的關(guān)鍵，由此可知，網(wǎng)絡(luò)可整體分為兩部分，分割網(wǎng)絡(luò)和融合網(wǎng)絡(luò)，如下圖：

分割網(wǎng)絡(luò)：圖像分割任務(wù)中常用的編-解碼器結(jié)構(gòu)作為基礎(chǔ)結(jié)構(gòu)，但與傳統(tǒng)結(jié)構(gòu)不同，此網(wǎng)絡(luò)中使用雙解碼器分別來預(yù)測前、背景概率F ?_p 〖和B ?〗_p。如果像素p在圖像的實(shí)心區(qū)域（透明度為0或1），預(yù)測像素透明度的真實(shí)值；如果p在圖像的半透明區(qū)域（透明度值在0到1之間），預(yù)測像素透明度真實(shí)值的上下界。通過在半透明區(qū)域使用加權(quán)的交叉熵?fù)p失函數(shù)，使F ?_p 〖和B ?〗_p的值相應(yīng)升高，即可將透明度的真實(shí)值“包裹”在〖[1-B ?〗_p 〖,F ?〗_p]這一區(qū)間中。

融合網(wǎng)絡(luò)：由數(shù)個(gè)連續(xù)卷積層構(gòu)成，它負(fù)責(zé)預(yù)測混合權(quán)重β_p。注意，在圖像的實(shí)心區(qū)域，像素的前背景預(yù)測往往容易滿足F ?_p 〖+B ?〗_p=1這一條件，此時(shí)α_p對β_p求導(dǎo)恒為0，這一良好性質(zhì)令融合網(wǎng)絡(luò)在訓(xùn)練時(shí)可以自動(dòng)“聚焦”于半透明區(qū)域。

顏色識別，基于阿里云視覺智能開放平臺，借助現(xiàn)有工具化的顏色識別能力，可以對輸入圖片的顏色信息進(jìn)行分析，輸出顏色值（RGB形式和HEX格式）與對應(yīng)的占比信息。至此，電商圖片的主圖主色拾取能力已具備。

03色彩識別及歸納流程

有了圖片主色拾取的算法能力，可以獲得大多數(shù)在平臺售賣的商品色排序，本次研究取占比第一的商品主色進(jìn)行研究。拼色及漸變色彩將在未來的研究中開展。獲取商品的主色后會發(fā)現(xiàn)，需要對相近色彩進(jìn)行歸納分組，才能夠被定量化分析。為此我們采用了研究基礎(chǔ)中所提到的NCS色彩理論為基礎(chǔ)，建立符合平臺應(yīng)用場景的基礎(chǔ)色環(huán)，并參考PCCS的色階色相模型進(jìn)行色調(diào)分類，并根據(jù)RGB和HSV數(shù)值進(jìn)行色彩區(qū)域劃分分組。

第一次實(shí)驗(yàn)從RGB色彩模式入手，RGB所呈現(xiàn)的數(shù)值是0-255，色彩的形成都是有規(guī)律可追尋的。

首先先確定的是色相，然后在每個(gè)色階空間中均勻地確定色彩布點(diǎn)，而讓我們的色立體可以最大限度的包含了所有的色域。

01

12等分等分360°的色相環(huán)，等比切割選擇12個(gè)合適的色相。

02

每一個(gè)色相的色階空間中，根據(jù)明度和彩度對色彩的影響關(guān)系，找到12個(gè)色彩位置；144個(gè)有彩色，6個(gè)無彩色，共150個(gè)色彩。

03

最終形成三維錐形色立體空間。

色立體是色彩空間的結(jié)構(gòu)原理，根據(jù)加法混色的原理排列，在色彩搜索過程中，色立體的空間能無限放大且精準(zhǔn)**，并對以后新增色彩具體無限包容性，但在最終實(shí)現(xiàn)的時(shí)候，遇到難題，即色立體包括了明度軸彩度軸的**變量，工程師需要非常扎實(shí)的了解色立體的原理才能更好地計(jì)算和呈現(xiàn)色彩空間，同時(shí)因?yàn)檫\(yùn)算復(fù)雜導(dǎo)致工作量非常大。

同樣顏色搜索也受到多個(gè)維度的影響，只有建立空間色立體，才可以運(yùn)算，第一種嘗試的計(jì)算方式不能把**度的色空間建立起來。

所以退而求次，在色域在計(jì)算方面嘗試采用了HSL色彩模式，以兩維角度計(jì)算，從而滿足了識色測色的需求。

第二次實(shí)驗(yàn)在HSL的色彩模式下，分色相和色階兩個(gè)維度來分析色彩，首先將色相環(huán)按照10°為單位切分為36色，再將每個(gè)色的色階做16等分的細(xì)分，以此明確顏色的明度和純度。

以H300、S100、V100為例，由右至左分為四等份，H和V不變，只有S以每次遞減25的數(shù)值產(chǎn)生顏色的漸變變淺；由上至下分為四等份，H和S不變，只有V每一次以遞減25的數(shù)值產(chǎn)生顏色的漸變變深。

以人眼為基礎(chǔ)的色彩體系色相環(huán)由36色改為18色，又改為16色。

在實(shí)際搜索測試中，發(fā)現(xiàn)36色的色相加上每個(gè)色相的12色的細(xì)分，多達(dá)432個(gè)顏色，數(shù)量非常龐大，而且因細(xì)分顆粒度過小，有些色相之間差異度不大，所以將色彩環(huán)改為20°為基本單位，色相縮減為18色，又因?yàn)榫G色的工程實(shí)現(xiàn)度不高，減去了2個(gè)綠色，最終是16**相環(huán)，如下圖：

（16**相劃分示意圖）

色階由12色，改為10色

在實(shí)際搜索測試中，原本12色的色階劃分會出現(xiàn)最左側(cè)和最下方的色彩更接近黑色和白色，新的一輪調(diào)整中將白度和黑度過高的接近無彩色的色彩剔除，將剩余的色彩進(jìn)行十等份，縮減至10**階，如下圖H300,S100,V100的色階劃分圖。

（12**階展示圖）

參考PCCS色彩體系，對色彩體系進(jìn)行色調(diào)分類，便于設(shè)計(jì)師進(jìn)行色彩的歸納和運(yùn)用。

PCCS的色彩體系最大的特點(diǎn)是從色調(diào)的觀念出發(fā)，平面展示了每一個(gè)色相的明度關(guān)系和純度關(guān)系，在色調(diào)中確定每一個(gè)有彩色的位置。它的優(yōu)勢在于將龐大的色彩數(shù)據(jù)進(jìn)行了有效的分析和歸納，形成了色彩組合和分類指標(biāo)并對應(yīng)為形象性的詞匯。

（PCCS色調(diào)展示圖）

PCCS利用同樣色階進(jìn)行配色的原理，與我們的色彩原理類似，如下圖，以H300,S100,V100為例，將明度和純度的數(shù)值相近的紫紅色合并為一個(gè)代表色，整個(gè)色階被分為明清色調(diào)、純正色調(diào)、暗清色調(diào)、灰濁色調(diào)四大色調(diào)，方便設(shè)計(jì)師根據(jù)色調(diào)進(jìn)行挑選顏色和搭配顏色。

（色調(diào)展示圖）

04電商色彩系統(tǒng)的行業(yè)應(yīng)用

01業(yè)務(wù)場景應(yīng)用

基于這套電商色彩系統(tǒng)，就可以看出色彩在不同行業(yè)上的表現(xiàn)情況。我們選擇了箱包、家用電器、服飾三個(gè)行業(yè)進(jìn)行測試應(yīng)用。

第一步，選擇合適的電商商品圖，為了提高測試效率及算法的識別準(zhǔn)確度，我們直接選用了商品圖的第二張白底圖，進(jìn)行歸類測試。

第二步，通過算法模型，得出不同圖片下的主體物主色的rgb數(shù)值，并通過抽檢，人工評測算法準(zhǔn)確性，保證算法90%以上的準(zhǔn)確率后，進(jìn)入第三步。

第三步，將rgb轉(zhuǎn)化為hsv。目前市面上比較成熟的方**依據(jù)如下：設(shè) (r, g, b) 分別是一個(gè)顏色的紅、綠和藍(lán)坐標(biāo)，它們的值是在 0 到 1 之間的實(shí)數(shù)。設(shè) max等價(jià)于 r, g和 b中的最大者。設(shè) min等于這些值中的最小者。要找到在 HSV 空間中的 (h, s, v) 值，這里的 h ∈ [0, 360）是角度的色相角，而 s, l ∈ [0,1] 是飽和度和亮度，計(jì)算為：

h的值通常規(guī)范化到位于 0 到 360°之間。而 h = 0 用于 max = min的（就是灰色）時(shí)候而不是留下 h未定義。

HSV有同樣的色相定義，但是其他分量不同。HSV 顏色的 s和 v的值定義如下：

第四步，通過電商色彩系統(tǒng)的分類規(guī)則，將批量的圖片主體主色hsv歸納進(jìn)我們所定義的67色標(biāo)準(zhǔn)色中。

第五步，通過圖片對應(yīng)商品的銷售數(shù)據(jù)（例如商品銷售額gmv），將不同標(biāo)準(zhǔn)色下的商品組進(jìn)行倒敘排序。

第六步，剔除gmv占比過低的商品組。最后，獲得商品銷售額維度下的表現(xiàn)較好的幾種標(biāo)準(zhǔn)色彩。

在不同行業(yè)的測試過程中，我們也會發(fā)現(xiàn)，因受類目下商品材質(zhì)、表面工藝的影響，商品色彩的劃分規(guī)則會稍有不同。

例如，箱包行業(yè)中因?yàn)榻饘偌案叻垂獠馁|(zhì)的廣泛引用，商品主色在拍攝過程中會受到明顯的反光色及環(huán)境色影響，從而造成拾取的主色顏色偏灰偏淺。因此，我們在色彩標(biāo)準(zhǔn)化系統(tǒng)的線上過程中，也增加了針對不同行業(yè)的可配置能力。

經(jīng)過和行業(yè)小二的多次驗(yàn)證確認(rèn)，最終完成以上這種方式實(shí)現(xiàn)顏色標(biāo)準(zhǔn)化體系的業(yè)務(wù)效果驗(yàn)證，目前在箱包行業(yè)和知識庫跑通底層標(biāo)準(zhǔn)色數(shù)據(jù)的拉通，并產(chǎn)出顏色屬性項(xiàng)和其他屬性項(xiàng)的交叉數(shù)據(jù)分析，并應(yīng)用到行業(yè)側(cè)。同時(shí)，在服飾行業(yè)，和行業(yè)小二達(dá)成一致，實(shí)現(xiàn)營銷色和標(biāo)準(zhǔn)色匹配的關(guān)聯(lián)關(guān)系產(chǎn)品形態(tài)，供服飾小二做C端營銷色數(shù)據(jù)驗(yàn)證的場景。最后，和設(shè)計(jì)小二達(dá)成一致，開發(fā)一套標(biāo)準(zhǔn)**板動(dòng)態(tài)配置的功能實(shí)現(xiàn)。

02顏色標(biāo)準(zhǔn)化技術(shù)方案

色彩全鏈路數(shù)字化的階段性產(chǎn)出，有了以上業(yè)務(wù)場景的驗(yàn)證，在工程端實(shí)現(xiàn)了顏色標(biāo)準(zhǔn)化落地的產(chǎn)品化解決方案。

顏色標(biāo)準(zhǔn)化工程設(shè)計(jì)方案

從圖上可以出，顏色(CMF)標(biāo)準(zhǔn)化引擎，輸入是天貓行業(yè)商品數(shù)據(jù)，輸出為標(biāo)準(zhǔn)化后的客觀理論支撐的顏色數(shù)據(jù)。對于上層業(yè)務(wù)調(diào)用，有兩種暴露方式：1）基于服務(wù)化接口，開放標(biāo)準(zhǔn)化引擎服務(wù)；2）基于產(chǎn)品化的動(dòng)態(tài)配置，根據(jù)天貓行業(yè)需求適配上層業(yè)務(wù)場景，從而可實(shí)現(xiàn)標(biāo)準(zhǔn)化體系的搭建，承上啟下滿足行業(yè)端對顏色的標(biāo)準(zhǔn)化需求。

顏色的全鏈路數(shù)字化探索暫告一段落，未來還會有很多延展的可能性，在不同業(yè)務(wù)場景的驗(yàn)證，不同場域的透出，任重道遠(yuǎn)，道阻且長，行則將至，行而不輟，未來可期。

結(jié)語

我們透過分析現(xiàn)有顏色體系，結(jié)合平臺的圖片底池?cái)?shù)據(jù)特性，提出一套全新可適配電商的色彩系統(tǒng)，并體系化搭建標(biāo)準(zhǔn)，承上啟下滿足多行業(yè)對顏色洞察的需求，給到新品開發(fā)更精確的指導(dǎo)。未來將立足現(xiàn)有C（色彩）基礎(chǔ)之上，分階段進(jìn)行MFP（色彩.材質(zhì).表面工藝.紋理圖樣）的平臺商品屬性標(biāo)準(zhǔn)化建立。

第一階段已完成針對消費(fèi)者購買決策進(jìn)行屬性語意分析排序，找到色彩影響購買決策靠前的類目進(jìn)行分析，運(yùn)用AI圖像識別及顏色標(biāo)準(zhǔn)化引擎歸依，精準(zhǔn)洞察趨勢色彩，并實(shí)際應(yīng)用于阿里巴巴新品平臺-智美產(chǎn)品與Alibaba Design商品設(shè)計(jì)趨勢報(bào)告，提供商家貨品開發(fā)指引。

第二階段將著眼于商品色彩混色.漸層色進(jìn)行AI圖像識別及顏色標(biāo)準(zhǔn)化引擎歸依。并透過消費(fèi)者購買決策進(jìn)行屬性語意分析排序，結(jié)合材質(zhì)與表面工藝，綜合考量人群需求.消費(fèi)能力.材料相對成本，進(jìn)行下鉆精準(zhǔn)洞察，提供商家產(chǎn)品企劃人員.商品**員貨品開發(fā)或選品指引。

第三階段將此平臺商品屬性標(biāo)準(zhǔn)化沈淀之?dāng)?shù)據(jù)信息，結(jié)合社群趨勢熱點(diǎn)與搜索關(guān)鍵詞做熱度映射匹配知識圖譜，洞察尚未滿足之市場需求，并根據(jù)行業(yè)特性輸出具備指導(dǎo)意義的貨品開發(fā)策略或原材料研發(fā)指引。

來源：淘系技術(shù)

更多阿里云研究院出品的關(guān)于阿里巴巴集團(tuán)數(shù)字化實(shí)踐、云計(jì)算、大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等前沿科技的最新趨勢研究報(bào)告，請您關(guān)注“阿里云研究”微信**。

聯(lián)想s100拆機(jī)圖解(聯(lián)想s100拆機(jī)視頻教程)的介紹就聊到這里吧，感謝你花時(shí)間閱讀本站內(nèi)容，更多關(guān)于聯(lián)想s100拆機(jī)圖解(聯(lián)想s100拆機(jī)視頻教程)、聯(lián)想s100拆機(jī)圖解(聯(lián)想s100拆機(jī)視頻教程)的信息別忘了在本站進(jìn)行查找哦。