本文主要是列舉了市場上有口碑的幾款產(chǎn)品來進行分析，從0-1思考AI測膚能力。

人工智能誕生于1956年Dartmouth學會，計算機視覺是其一重要技術方向，涵蓋動態(tài)視頻流和靜態(tài)圖像的檢測識別、搜索對比等，應用于公共安防、醫(yī)學健康等行業(yè)領域，而美容行業(yè)作為一塊香餑餑。

根據(jù)《中國美業(yè)報告2017》，中國女性月均美容消費能力為500元，男女性對美容行業(yè)關注度的人群比例為1：8，且男性對美容行業(yè)關注度也日益增漲，因此以美容領域為市場切入點開發(fā)計算機視覺能力。

一、友商產(chǎn)品分析，尋找市場切入點

下列列舉的產(chǎn)品為市場有一定口碑產(chǎn)品，只列出部分并未列全，分析有誤地方歡迎指正，尋求共同進步。

此處分析省略對應用型硬件產(chǎn)品、平臺型產(chǎn)品及各友商產(chǎn)品AI技術（精確率/虛警率、召回率/漏報率、穩(wěn)定性等）具體研究分析，簡單概括：小型硬件測膚儀器居多檢測水油彈，價位在上千元，大型硬件測膚儀器價位在幾萬元不等，且不方便攜帶，AI開放平臺計算機視覺尚未涉及美容領域。

【本文側(cè)重分析應用型-軟件產(chǎn)品的圖像識別相關功能，因此也不繪制產(chǎn)品結構圖。以下兩類產(chǎn)品具有的共同特征，便只在其中一款產(chǎn)品提及?！?/p>

1. 應用型-軟件產(chǎn)品

（1）你今天真好看

顆粒度較少：

皮膚問題顆粒度包括黑頭毛孔、黑眼圈（色素型、血管型、結構型）、痘痘、肌齡、皮膚綜合情況（干油、細膩、勻凈、健康、年輕、耐受）、膚質(zhì)（水油、光滑、敏感）。

檢測的具體皮膚問題顆粒度較少，蜂窩模型理論提到“可找到：用戶能找到他們需求的東西”，考慮不同膚質(zhì)用戶人群容易產(chǎn)生的皮膚問題是不相同的，比如：干性膚質(zhì)易產(chǎn)生的皺紋、色素斑問題，還需進一步豐富顆粒度。

除了拓展顆粒度外，也需進一步細分顆粒度，舉例：當前痘痘類別無細分，根據(jù)皮膚科專家知識，痘痘需進一步細分為凹陷瘢痕、結節(jié)囊腫等，且不同類別的痘痘的特征癥狀、護理方法不一致。

分析結果缺乏感知意義：

皮膚綜合情況（干油、細膩、勻凈、健康、年輕、耐受）用得分來表示，單獨一個分值給用戶的感知意義比較弱，作為用戶的我不知道每項皮膚情況需引起警覺的分數(shù)閾值，可以增加警覺閾值提醒，或者增加同年齡段用戶狀況均值對比。人是具有群體屬性的，個體渴望從群體中獲得優(yōu)越感或挑戰(zhàn)感。

給出的分數(shù)閾值無依據(jù)憑證展示給用戶，不利于增強用戶對識別結果的信任度，舉例：從細膩度而言，皮膚狀況的哪些問題是影響細膩度得分的因素？是皮膚蛻皮、皺紋、毛孔粗大，還是？并且用戶臉部位置哪里是有這些問題存在？用戶在得到測膚結果后會下意識同自己真實臉部情況進行對比，何不給用戶更直觀的結果展示圖片？

簡化拍照指導說明：

采用后置攝像頭，想必是考慮到后置攝像頭比前置更清晰的原因，但是因此也讓用戶在拍照過程中無法看到APP界面，所以該產(chǎn)品在用戶拍照前使用動圖和文檔進行拍照解說，包括說明了最佳拍攝皮膚狀態(tài)、光線、姿勢、背景等注意事項，此處時需要稱贊的是：注意事項說明很詳細。

但我想或許除了同行業(yè)人員，用戶是不會花太多時間看大段文字說明。且本身注意事項也較多，米勒在論文《神奇的數(shù)字7+-2》中提出：大腦的短期記憶無法一次容納約7個以上的記憶項目。

在尼爾森十大原則中提到“可見原則”和“幫助與提示原則”，由于拍照時用戶無法查看APP界面，因此我將“可見原則”轉(zhuǎn)換為“可觸達原則”。

考慮影響臉部圖像識別的因素包括：光線、距離、角度、像素清晰度、背景、臉部遮擋物等，分別可以從增加光線閾值、距離閾值、遮擋物自動識別等著手，輔助語音提醒。

直觀趨勢記錄：

用戶檢測皮膚的目的就是為了改善皮膚，當前用戶對皮膚變化狀況的感知大多處于模糊大概了解的狀態(tài)，需要有數(shù)值趨勢圖量化地為用戶展示其皮膚整體和主要皮膚問題的變化狀況。

（2）美圖美妝

科技感的介紹頁面：

Robert的情感心理進化論中提到人類有8種最基本的情感元素，其中有2種積極元素便是驚奇、接納，極具科技感的3D動畫建模的介紹頁面貼合AI產(chǎn)品形象的打造，讓人眼前一亮帶來驚奇感。

實時展示積累的用戶人數(shù)，讓用戶心理形成“有眾多人已經(jīng)使用過這個產(chǎn)品”的感知，增強新用戶對產(chǎn)品的接納感。

趣味的引導語音：

采用明星或游戲人物的聲紋作為引導語音，增強了趣味性，不過目前引導語音只剩下默認、游戲人物小喬兩種聲音。

根據(jù)企鵝智庫對游戲行業(yè)分析：24,3%的女性群體參與游戲，游戲人物的語音或許可以更換為當紅明星的聲紋，會更多引起用戶追星情感共鳴。

直觀測膚結果展示頁面：

在卡通和原圖上標注出皮膚問題，使得用戶可以更加直觀對比檢測結果，且考慮用戶追求美觀的感受，將原圖縮放收起，這里需注意：協(xié)助用戶辨別圖片的左右臉，美圖的圖片是鏡面成像。

豐富的皮膚護理方案：

解析皮膚問題成因和護理方法、護膚誤區(qū)，根據(jù)皮膚問題指導選購護膚品時需考慮包含的活性成分，并且按照功效匹配度排序推薦護膚品。推薦護膚活動，且用戶通過打卡完成任務可獲取紅包，紅包可用來抵扣購物金額。

在調(diào)動用戶參與度互動性、提高用戶對產(chǎn)品使用頻率、促使用戶通過APP消費購買護膚品的同時，讓用戶感知對其本身雙重積極意義：

• 一是APP幫助督促其改善自身皮膚問題；
• 二是減少了護膚品消費開銷。

AI調(diào)教入口：

計算機視覺算法技術的完善離不開用戶對結果的反饋，以此也采集更多訓練數(shù)據(jù)，但是用戶的反饋具有一定主觀性，采集來的標注數(shù)據(jù)需進一步審核。

總結：市場切入點為做一款私人的平價、移動、全面檢測皮膚問題工具。

二、構建用戶模型，確認目標用戶

運用麥肯錫MECE原則開展定量問卷調(diào)研，通過微博、微信公眾號、外部合作，我們采集了1666份有效數(shù)據(jù)。

（1）人群基本特征

• 性別：女性為主要性別人群，84%為女性，16%為男性。女性為本次主要調(diào)研用戶。
• 年齡：19-44歲為主要年齡段人群。

年齡段劃分參考國際年齡劃分標準，并考慮人群生理狀況、就業(yè)狀態(tài)、生活狀態(tài)等因素，19-44歲人群為本次主要調(diào)研用戶。

（2）測膚需求調(diào)研

對皮膚狀況了解與需求程度：

以下為用戶自身感知判斷自己對皮膚狀況的了解程度，從數(shù)據(jù)可見74%用戶自我感知不完全了解自身皮膚狀況，且90%用戶有測膚需求，自我感知完全了解自身皮膚狀況的用戶多為女性，且其中絕大多數(shù)人仍保有測膚興趣；不完全了解自身皮膚狀況且無測膚需求的用戶基本為男性。

測膚行為：

使用檢測儀器（包括手機、檢測儀等）、專人咨詢的分別只有34%、23%，大部分人群無采用科學測膚方式，檢測儀器有進一步普及推廣市場。

需求時間：

用戶對測膚的需求伴隨在其日常護理過程中，且在其感知自身皮膚狀況變差情況下會更加強其測膚需求，導致用戶皮膚狀況變差的影響因素包括：生理狀態(tài)（生理期、孕期、更年期等）、生活狀態(tài)（加班熬夜、心情煩悶壓力、飲食不健康等）、季節(jié)變化。

用戶在進行護膚消費（購買護膚品、美容院消費等）時同樣會增強其測膚需求，而導致用戶護膚消費增強的主要因素也是變差的皮膚狀況，用戶的心理動機是想改善或維持良好皮膚狀況。

用戶會在出席重要場合活動前緊急護膚，卻很少緊急測膚。

（3）核心因子構建用戶模型，確定目標用戶

影響用戶測膚需求的核心因子是：用戶的皮膚狀況和對感知了解程度，由于測膚是為了進一步推薦護膚方案，因此第一重要的核心因子是用戶的皮膚狀況。

由此總結：目標用戶群體為皮膚狀況差且對自身皮膚問題不完全了解的用戶。

三、解析用戶痛點，確定MVP

采用劃分用戶群體的定性用戶訪談、還原場景、金字塔原理進一步解析用戶需求且根據(jù)目前市場友商產(chǎn)品狀況，認為用戶測膚需求痛點是：準確、全面檢測皮膚問題。

而用戶的需求動機歸根結底是改善或維持皮膚狀況，因此準確全面檢測并專業(yè)解析皮膚狀況是前提，科學推薦護膚方案是第二步所必需。

在考慮核心假設理論基礎上通過奧卡姆剃刀法砍剩最基礎兩項功能，總結：MVP為測膚技術、護膚推薦。

作者：唐吖年，微信公眾號：三丫頭記

本文由 @唐吖年 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Pixabay，基于 CC0 協(xié)議