オンラインで服を買うようになったおかげで、私たちは実店舗の無限に続く通路、蛍光灯、そしてセールに飢えた人混みを耐え忍ぶ必要から解放されました。しかし、ファッションの世界に2時間もどっぷりと浸かり、15個のタブを開き、ショッピングカートは4つもいっぱいになり、YouTubeの服購入レビューを延々と聞き、圧倒されて不安に苛まれるような状況に陥ってしまった人は、オンラインショッピングがまるで面倒な作業のように感じられるかもしれません。
英国を拠点とするスタートアップ企業 Blend は、AI を活用して雑音を排除し、買い物客が自分のスタイル、予算、サイズに合ったパーソナライズされた製品の推奨事項を見つけられるように支援しています。
「小売業者の大多数はパーソナライゼーションを全く行っておらず、行うとしても過去の購入データに基づいているだけです」と、Blendの共同創業者であるジェミマ・バンバリー氏はTechCrunchに語った。「トレンドは比較的急速に変化し、人々のスタイルも人生を通して変化するため、過去の推奨事項をユーザーにとって常に意味のあるものにすることはできないのです。」
Blendは、TechCrunch Disrupt 2023にStartup Battlefield 200企業の1社として参加しました。同イベントで、同社はMVPアプリを発表しました。このアプリは、Blendのウェイティングリストに登録されている2,000人のユーザーに段階的に公開されます。4月にエンジェル投資を獲得した後、Blendは現在、シードラウンドの投資家を確保しようとしています。同社はこれらの資金を活用し、アプリの追加機能を開発し、本格的なリリースを目指します。
Blendは既に250以上の小売業者と契約を結んでおり、その中には高級ブランド小売業者のNet-a-Porterも含まれています。このスタートアップの市場開拓戦略は、可処分所得が増えるにつれて自分らしいスタイルを確立し始めている18歳から34歳の「非常にデジタルで、モバイルファーストの買い物客」をターゲットとしています。Blendはまず英国でサービスを開始し、その後米国市場への進出を目指しています。
「まずはファッションに敏感で、トレンドをリードする層を惹きつけ、そこから主流へと展開していきたいと考えています。しかし、その逆ははるかに困難です」とバンバリー氏は述べた。「最終的なビジョンは、あらゆるオンラインショッピング体験の玄関口となることです。つまり、パーソナライズし、インターネット上で最も関連性の高い1%の情報だけを提供できる最大規模の小売業者になることです。」
私たちが支持できる生成AI
ファッション業界は、生成型AIの熱狂を様々な方法で活用しています。自然言語処理アルゴリズムを用いて顧客サービス体験を向上させている企業もあれば、画像生成を用いて新しいデザインを生み出している企業もあります。さらに、生産改善、トレンド予測、在庫管理、バーチャル試着といった分野への応用も進んでいます。
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
Blendのアプローチは、主にユーザーインタラクションデータを活用し、トランスフォーマー技術とレコメンデーションアルゴリズムを基盤としています。ChatGPTのような人気の生成AIモデルの技術スタックを構成するトランスフォーマー技術は、コンピューターに人間の言語を理解し、生成する方法を教えるモデルです。ファッション業界では、ユーザーの好みをより深く理解し、カスタマイズされた服のレコメンデーションを行うことを意味します。
「AIに関して常に重要なのは、実際にモデルにどのようなデータを入力するかです」とバンバリー氏は述べ、創設チームがウェブページではなくアプリを選択した理由の一つとして、その方がユーザーのデータを追跡しやすいことを挙げた。
ユーザーがアプリを開くと、様々な小売サイトやeコマースサイトから集められた商品画像と説明が混在するフィードをスクロールします。フィードには、インフルエンサーによる短編動画や商品キュレーションも掲載され、インフルエンサーは売上に応じてアフィリエイト報酬を獲得できます。
ユーザーがスクロールすると、Blendはアプリをどのように利用しているかに関するデータを収集します。商品を「いいね！」したか、保存したか、友人と共有したか、あるいは「単に一つの商品をどれくらい見ているか」といったデータです（Bunbury氏）。Blendはこれらのデータをすべて活用し、サイズや予算といった好みをあらかじめ設定しているユーザーの全体像を把握します。ユーザーがアプリを利用すればするほど、おすすめはよりパーソナライズされたものになります。
バックエンドでは、Blend は製品とユーザーを比較し、どの製品がどのユーザーに適しているかを統計的に把握します。例えば、3 か月前にアプリをアクティブに使用していた 2 人のユーザーがいるとします。ユーザー A はアプリの利用を一時停止しますが、ユーザー B は引き続き定期的に利用し、フィードは新しいトレンドに合わせて調整されます。Blend はユーザー A のおすすめを停滞させるのではなく、ユーザー B のデータを活用してユーザー A へのおすすめ情報を提供します。
「こうした文化的なトレンドや、人々のスタイルの類似点や相違点を追跡することで、そのデータを活用して他の人へのおすすめ情報を提供することができます」とバンバリー氏は述べた。「つまり、プラットフォーム上でこれらのデータを基にコホートを構築できるユーザーが増えるほど、パーソナライゼーションはより強力になります。」
このアプリを支えるAIモデルは、今日だけでなく、明日、来週、来年の自分にぴったりの服装をおすすめしてくれる点が素晴らしいです。動的なAIモデルで、ユーザーのスタイルが時間とともにどのように変化するかを追跡します。
Blendは、ユーザーが自分の体型にぴったり合う服を見つけるのにも役立ちます。これは、高額な返品サイクルを経なければならない小売業者にとっても喜ばしいことです。ユーザーが体の部位ごとにサイズを設定し、自分の体型を判断できるようにすることは、このサービスの成功に大きく貢献しています。しかし、この情報は必ずしも信頼できるとは限りません。ブランドによってサイズ表が大きく異なる場合があり、ほとんどの人は自分の体型を分類するのが得意ではありません。
ここで、アプリで実現するユーザー生成コンテンツが再び活躍します。ユーザーが新しい服を着た自分の写真を撮ってアプリに投稿することで、BlendのAIエンジンや他のユーザーに、特定の商品が様々なフレームでどのように見えるかという多様なイメージを与えることが期待されています。将来的には、ユーザーが自分に合ったサイズをより適切に判断できるよう、レビューや投票システムを導入したいと考えています。
ビジネスモデル
Blend のビジネス モデルにおける 3 つの要素は、1) 買い物客、2) インフルエンサー、3) ブランドです。
Blendは主にユーザーの課題解決を目指していますが、そのためにはインフルエンサーやブランドとの提携が必要であり、両者にとってメリットがあります。Blendとの提携により、インフルエンサーとブランドは収益源を多様化し、非常に軽快な方法で複数の異なるチャネルに展開することが可能になります。
特にブランドにとって、Blend は強力な市場マーケティング プラットフォームとして機能します。
「ほとんどのブランドにとって、最大の課題は、適切なオーディエンスに商品を届け、リスクのない広告手法を確立することです」とバンバリー氏は述べた。「ソーシャルメディア広告では、確かにデモグラフィックやユーザーグループに基づいたターゲティングは比較的容易ですが、それでも必ずしもユーザーのスタイルに基づいているわけではありません。一方、私たちは、非常にきめ細かなスタイル別データセットを構築することで、ユーザーが積極的に購入を検討しているタイミングで、適切なブランドを適切なユーザーに届けることができるはずです。」
バンバリー氏によれば、ブレンドは提携ブランドや小売店からの売上に応じて手数料を受け取ることで利益を得ており、その額は小売店によって異なるという。
アプリの初期バージョンでは、ブランドのウェブサイトにリンクしてそこで取引を完了できます。将来のバージョンでは、アプリ内で販売ポイントにアクセスできるようになるため、よりシームレスなユーザーエクスペリエンスが実現します。
「それ自体に大きな成長の可能性がありますが、私たちが保有するデータセットと、ブランドをユーザーの前に提示する能力を活用することで、将来的にはB2Bの収益源も数多く存在することを認識しています」とバンバリー氏は述べた。「広告、トレンドに関するデータや分析、そしてどのような商品がどれだけ売れるかを予測する能力などです。」
消費者側では、Blend は、在庫切れアラート、割引アラート、ブランド製品への早期アクセスなどの追加のプレミアム機能を提供するサブスクリプション サービスを将来的に開始する可能性があると述べています。
