Как я решил создать персонального AI-стилиста Идея outfits появилась зимой 2025 года. В то время я ещё жил в Иркутске и однажды морозным вечером возвращался домой с работы. Я шёл по улице, поднял глаза и вдруг поймал себя на странном ощущении. Как будто произошёл сбой в матрице. Я посмотрел на людей вокруг и понял, что практически все одеты одинаково. Одинаковые куртки. Одинаковые цвета. Одинаковые силуэты. Никто не выглядел плохо — но почти никто и не выделялся. Я начал обращать на это внимание и понял, что проблема, кажется, не в отсутствии одежды. Наоборот — у людей её много. Проблема в том, что большинство просто не знает, как из имеющихся вещей собрать что-то своё. ———— Второй толчок произошёл уже в Петербурге После переезда в Петербург я столкнулся с совершенно другой картиной. Канун Нового года. На улице снег. Зима в самом разгаре. Я смотрю на людей и снова замечаю что-то странное. Кто-то одет так, будто на улице +15. Я тогда спросил у подруги: «Что здесь вообще происходит? Почему люди зимой так одеваются?» Она ответила примерно следующее: «В Петербурге люди не умеют одеваться по погоде и красиво. Обычно выбирают что-то одно: либо тепло, либо красиво. Совместить почему-то никто не умеет». И именно тогда у меня окончательно сформировалась идея. А что, если создать приложение, которое поможет человеку одновременно выглядеть хорошо, учитывать особенности своей внешности, одеваться по ситуации и не покупать гору ненужных вещей? Так появился outfits. ———— От наблюдения к продуктовой гипотезе На первый взгляд проблема кажется простой: «Люди не умеют одеваться». Но чем больше я об этом думал, тем понятнее становилось, что проблема гораздо глубже. Человеку приходится самостоятельно соединять слишком много информации: Какая сегодня погода? ↓ Куда я иду? ↓ Что мне подходит? ↓ Что есть у меня в гардеробе? ↓ Что сочетается между собой? ↓ Чего мне не хватает? ↓ Что стоит купить? И всё это нужно сделать иногда буквально за несколько минут утром. При этом существующие сервисы решают только отдельные части этой задачи. Pinterest показывает вдохновение. Блогеры показывают готовые образы. Маркетплейсы позволяют купить вещи. Но никто не собирает всё это вокруг конкретного человека и его реального гардероба. ———— Первая продуктовая гипотеза Здесь появилась первая формулировка: А что, если вместо очередного каталога одежды сделать персонального стилиста, который знает тебя и твой гардероб? Я хотел, чтобы приложение отвечало не на вопрос: «Что сейчас модно?» и даже не: «Что мне купить?» А на гораздо более практичный: «Что мне надеть сегодня?» Причём ответ должен учитывать не только внешний вид. Он должен учитывать тебя, твой гардероб, погоду, контекст и конкретную ситуацию. Именно вокруг этой идеи я начал строить продукт. ———— От идеи к структуре продукта На следующем этапе я зафиксировал продуктовую гипотезу в Product Vision Document. В нём определил: - целевую аудиторию; - ключевые проблемы; - ценность продукта; - основные сценарии; - потенциальную монетизацию; - ограничения; - направление развития продукта. Это оказалось особенно полезным потому, что AI позволяет генерировать огромное количество идей практически мгновенно. А значит, появляется новая проблема: Не «как придумать больше», а «как понять, что из этого действительно нужно продукту». Vision Document стал фильтром. ———— Три проблемы, вокруг которых строится outfits 01 — «Я не понимаю, что мне идёт» Пользователь видит красивые образы, но не знает, насколько они подходят именно ему. 02 — «У меня много вещей, но я не умею их сочетать» Гардероб становится набором отдельных предметов, а не системой готовых образов. 03 — «У меня нет времени каждый день быть стилистом» Даже если человек умеет собирать образы, делать это каждое утро — слишком большой cognitive load. Поэтому продукт должен был сократить путь от: «Мне нужно что-то надеть» до: «Вот три варианта, которые подходят именно тебе».