PIXT est une application de mode basée à New York. La plateforme permet aux acheteurs de découvrir des vêtements spécifiques disponibles dans des boutiques locales : en téléchargeant ou en prenant une photo, l’utilisateur peut trouver des styles similaires à ceux qu’il recherche, le tout dans des magasins de proximité. Une connexion entre acheteurs et boutiques locales rendue possible par le Machine Learning (ou apprentissage automatique) et la vision assistée par ordinateur.
« Quand je suis arrivée à New York, j’ai remarqué deux choses sur le shopping dans la ville. La première : qu’il y avait énormément de petites boutiques cachées que seuls les habitants connaissaient. Ces boutiques vendent des produits uniques, j’ai été intriguée parce que je n’avais jamais vu autant de magasins intéressants dans un seul et même endroit auparavant. La deuxième : qu’il n’existait pas de bon outil pour découvrir et comparer les vêtements vendus dans ces boutiques locales. J’ai notamment réalisé qu’une chemise similaire à celle que j’avais achetée était disponible à un prix inférieur dans une boutique voisine. » nous raconte Anjolie, fondatrice de PIXT.
La mode new-yorkaise se caractérise par une certaine liberté de style, et Anjolie pense que les petites boutiques indépendantes de la ville incarnent cette tendance. Elle voulait développer une application permettant de relier les clients à la recherche de cette singularité à ces boutiques uniques. Pour ce faire, elle et son équipe ont travaillé sur un algorithme d’apprentissage automatique, en instance de brevet, qu’ils ont nourri avec une base de données importante d’images, afin de garantir les meilleurs résultats.
« Les utilisateurs peuvent prendre la photo d’un vêtement, notre algorithme l’analyse, puis scanne notre base de données d’images pour faire correspondre les résultats appropriés. Nous avons entraîné notre algorithme à reconnaître jusqu’à 129 dimensions des images de vêtements, et nous pouvons donc afficher des résultats extrêmement précis. En fonction de ses préférences en termes de prix et de boutiques, l’utilisateur peut effectuer des recherches et trier les résultats. » ajoute Anjolie.
S’il y a beaucoup d’applications tentant de devenir le Shazam de la mode, PIXT n’en fait pas partie. Son objectif est plutôt de faire du shopping une expérience ultime, personnalisée pour chaque utilisateur sur la plate-forme, qui va bien au-delà de la simple reconnaissance d’image pour montrer des vêtements similaires.
« Nous voulons que les acheteurs puissent facilement découvrir le vêtement qu’ils souhaitent acheter, tout cela depuis leur smartphone. L’utilisation de l’apprentissage automatique nous permet d’analyser et de prédire les préférences d’un utilisateur, afin de comprendre le type de produits qui l’intéresse. » explique Anjolie.
Plus intéressant encore, PIXT aide les détaillants à maîtriser des points critiques tels que la gestion des stocks en temps réel, l’analyse des données et des tendances, la gestion du trafic et des campagnes publicitaires numériques, pour ne citer que quelques exemples. L’objectif de la start-up est de fournir, à n’importe quel détaillant dans le monde, l’accès aux bons outils pour gérer et promouvoir leur magasin, en comblant le fossé entre les clients hors ligne et en ligne.
A travers l’utilisation d’une base de données d’images soigneusement sélectionnées, à laquelle contribuent les boutiques partenaires, en téléchargeant leur inventaire via la plateforme, l’application permet aux acheteurs de trouver le vêtement qu’ils recherchent.
« Notre équipe passe beaucoup de temps à aller découvrir des magasins uniques, dont nous pensons que notre clientèle apprécierait les produits. Cette sélection de boutiques associée à notre algorithme de recherche visuelle permet aux acheteurs de trouver des pièces exclusives et disponibles à proximité. » précise Anjolie.
Constamment en quête de nouveaux détaillants, l’entreprise se concentre sur la recherche de boutiques qui vendent des pièces uniques dans les quartiers de NYC. Une fois signé, le partenariat consiste à promouvoir le magasin sur les médias sociaux, dans la presse et via l’application.
« Nos clients représentent également une population spécifique : ils adorent soutenir les entreprises locales. L’application PIXT Fashion propose des fonctionnalités ‘Shop Local’ telles que le calcul de la distance jusqu’au magasin et la possibilité de contacter directement le propriétaire pour toute question. De cette façon, nos clients sont encouragés à aller en magasin et à faire ce lien personnel avec le détaillant. » poursuit Anjolie.
La startup travaille actuellement avec de nombreuses petites et moyennes boutiques dans la région de New York (Elliot Mann, Gelato Pique, Askan NY, Fashion Pickle, Madonna & Co, et Bhoomki). Elle travaille également avec des boutiques partenaires à travers la ville, bien que les quartiers les plus représentés soient Soho et l’East Village. Les membres de l’équipe de PIXT apprennent à connaître les propriétaires de magasins, pourquoi ils ont ouvert leur boutique et leur style personnel. Cela leur permet de faire de ces histoires une partie centrale de l’expérience PIXT, à travers le blog, leur site Web, et l’application.
« Les acheteurs qui cherchent à consommer local et qui soutiennent la mode locale ont tendance à aborder le shopping différemment de la grande majorité des consommateurs. Lorsque des consommateurs se tournent vers les grandes chaînes, ils ont tendance à chercher la rapidité et les petits prix. Alors que lorsque les clients vont dans une boutique locale, proche de leur lieu de vie, ils cherchent souvent à en apprendre davantage sur les propriétaires et sur les histoires derrière les pièces. » conclue Anjolie.
L’algorithme PIXT est alimenté par l’équipe à la manière d’un personal stylist (ou acheteur personnel). En choisissant soigneusement les magasins et les articles qui sont montrés, ils répondent aux besoins des utilisateurs en quête de personnalisation, de sens et de lien.
Une manière très intéressante d’apporter l’expertise de sélection aux utilisateurs ainsi que de (re)créer le lien manquant avec les boutiques locales. On espère que l’application sera bientôt disponible à Paris !