Product-разбор: как сделать продукт лучше, чем DRESSX

Product-разбор DRESSX. Одежда как код: без примерки, без возврата, без права на ошибку. Кроме одной — ошибки в посадке на цифрового двойника. Разбираем, где конкурент уязвим

Автор: Вера Леоник-Шиляева, Product Manager, Product маркетолог, User Researcher

🔗 Прослушать этот материал в формате подскаста можно здесь (SoundCloud)

Создатель и руководитель сервиса Product Discovery Lab — исследую рынки, клиентский опыт и продукты, чтобы делать их лучше.

Telegram: @verashilyaeva | LinkedIn: Vera Leonik-Shilyaeva

Коротко обо мне: За 2 недели — 450 подписчиков. 565+ коллег в моей рассылке. Я создала сервис Product Discovery Lab и развиваю его сама, потому что верю: лучшие продукты рождаются из глубинного понимания пользователей, а не из догадок.

⚠️ Юридическое предупреждение (Legal notice)

Данный материал является продуктовым исследованием. Он касается исключительно бизнес-моделей, технологий и пользовательского опыта анализируемых компаний. Все выводы сделаны на основе публичных данных и open-source решений, доступных по состоянию на апрель 2026 года.

Любые утверждения о том, что автор связывает своё исследование с политической обстановкой в мире, являются ложными и рассматриваются как клевета.

Автор оставляет за собой право защищать свою деловую репутацию всеми законными способами, включая обращение в суд, и требовать опровержения недостоверной информации, распространяемой в любой форме.

Формула успеха, о которой редко говорят вслух

Хотите основать успешный fashion-tech стартап?

Распространённое заблуждение: нужны гениальные инженеры, прорывные нейросети и годы научных исследований. На практике всё начинается иначе.

На первом этапе вам понадобятся две красивые девушки. Желательно — с безупречным чувством стиля, fashion-бэкграундом и умением говорить на камеру так, чтобы инвесторы доставали чеки, не дослушав презентацию.

Одна будет «лицом идеи» — объяснит миру, почему носить несуществующую одежду — это правильно и футуристично. Вторая — «лицом исполнения» — скажет: «Да, у нас серьёзная команда инженеров».

Идеально, если они обе — основательницы. Ещё лучше — если подруги.

Дальше — стандартный набор: интервью в Vogue, выход на сцену Web Summit, рассказы о спасении планеты от тонн текстильных отходов. И главное — вы ни разу не произносите фразу: «По сути, мы используем open-source модели, которые доступны любому разработчику».

Потому что эта правда — немного скучна, без глянца.

Но настоящая правда в том, что:

• Технологию виртуальной примерки сегодня способен собрать один инженер за несколько дней, используя REFVTON и Hugging Face .
• Апрель 2026 года дал индустрии FIT dataset — 1.13 млн примерок с точными замерами тела и одежды от Google Research и UW .
• «Цифровая одежда» — это всё ещё файл, который нельзя постирать или передать по наследству.

Но кому нужна правда, когда есть красивая история?

Основательницы DRESSX Дарья Шаповалова и Наталья Моденова эту историю рассказали блестяще. Они продали пиксели по цене люкса и убедили мир, что одежда — это код.

Так что да, технология важна. Но стартовая формула успеха в модном технологическом стартапе часто выглядит так:

2 девушки + 1 AI-модель из открытого доступа + сильная сторителлинг-стратегия = рыночный успех.

А теперь — к делу. Разберём, как именно DRESSX построила экосистему, и почему у вас (даже без двух умопомрачительных девушек) может получиться лучше.

Часть первая. Мир, где одежда не требует ткани (2026)

Представьте.

Вы загружаете одно селфи. Через несколько секунд приложение создаёт вашу цифровую копию. Потом вы пишете в чат: «Подбери мне образ для субботнего ужина. Что-то дерзкое, но чтобы сумка подходила к моим новым лоферам». AI понимает запрос, перебирает товары, составляет лук. Вы видите, как пальто сидит на вас, а не на манекене.

Вы нажимаете «Купить». Через два дня курьер привозит коробку. Всё подходит.

Никаких возвратов. Никакой примерочной с плохим светом.

Это не футуристический сценарий. Это DRESSX Agent — продукт, который уже работает.

Цифровая мода больше не ограничивается «надеть на аватар в Roblox». Она решает бизнес-задачу: помочь покупателю перестать бояться кнопки «Купить онлайн». Добро пожаловать в реальность 2026 года.

Глава 1. DRESSX: три лица одной экосистемы

https://dressx.com

Компанию основали Дарья Шаповалова и Наталья Моденова. Сегодня у них партнёрства с Diesel, PUMA, Coca-Cola, Farfetch, Mytheresa, Meta Horizon Worlds, Victoria Beckham.

Лицо первое. DRESSX Agent: персональный AI-стилист (сентябрь 2025)

Технологическая основа:

• Одно селфи → персональный AI-двойник.
• Примерка вещей из каталогов 200+ люксовых брендов с передачей фактуры.
• Чат-поиск на базе LLM (естественный язык → фильтры).
• Маркетплейс с 1M+ товаров от Mytheresa, SSENSE, Farfetch.

Бизнес-ценность: Онлайн-возвраты в люксе достигают 30% из-за «не подошло по размеру». DRESSX Agent решает это до покупки. Модель доступа — подписка (3 уровня).

Лицо второе. Мода для аватаров и метавселенных

Магазин цифровой одежды для Roblox, ZEPETO, Snapchat, Meta Horizon Worlds

Экологический аспект: Цифровой предмет одежды выбрасывает на 97% меньше CO₂, чем физический, и экономит 3300 литров воды.

Лицо третье. DRESSX.me: AI-стилист для реальных фото

Самый простой продукт: загрузил фото → текстовый промпт → AI генерирует outfit прямо на фото. Первые 5 образов бесплатно, далее — покупка монет (10 монет — 5,200 монет без водяного знака—5,200 монет без водяного знака—60).

Глава 2. Место DRESSX в индустрии: почему это важно для рынка ресейла

В моих предыдущих исследованиях я рассматривала три главные боли индустрии second-hand luxury:

DRESSX — это не замена физической моде. Это инфраструктурный слой будущего, где у каждого покупателя есть цифровой двойник, а каждая вещь сначала примеряется, а потом покупается.

Глава 3. JTBD-анализ: что на самом деле покупают пользователи

Функциональная задача:

«Когда я хочу купить одежду онлайн, но боюсь ошибиться с размером, наймите DRESSX Agent, чтобы примерить вещь на моего цифрового двойника до покупки».

Эмоциональная задача:

«Избавьте меня от разочарования, когда посылка приходит, а вещь не подходит. Дайте мне уверенность».

Социальная задача:

«Позвольте мне быть человеком, который разбирается в моде и технологиях. Пусть друзья спрашивают: “Где ты нашёл этот образ?”, а я отвечаю: “AI подобрал”».

Главная боль: Высокий процент возвратов (до 30% в люксе) + «усталость от принятия решений».

Главная выгода: Экономия времени, денег и нервов + элемент игры.

Глава 4. Обзор конкурентов (апрель 2026)

Doji. Самый прямой конкурент

• Что это: 3D-аватар по 6 селфи + 2 фото в полный рост. Лучший фотореализм.
• Основатели: выходцы из Apple, Meta, Shopify, Google DeepMind.
• Финансы: май 2025 — $14 млн от Thrive Capital.
• Статус: работает по инвайтам, генерация ~30 минут (главное узкое место).
• Вердикт: технологически сильнее, но медленнее. Если решат проблему скорости — станут угрозой.

Dresscode.ai. Российский игрок

• Что это: B2B-платформа для виртуальной примерки (сайт, приложение, Telegram-бот).
• Финансы: октябрь 2025 — 300 млн рублей от частных инвесторов.
• Где используется: пункты выдачи ЦУМа (Dolce & Gabbana, Brunello Cucinelli, Bottega Veneta и другие) .
• Результаты: время на сайте +50%, брошенные корзины -35% .
• Ключевое отличие: B2B-модель, нет метавселенной.
• Вердикт: главный российский B2B-игрок. С DRESSX напрямую не конкурируют.

Kolors Virtual Try-On. Бесплатная альтернатива

• Что это: китайский 2D-инструмент. Загрузил своё фото и фото одежды → AI генерирует результат.
• Цена: бесплатно. Трафик: ~50 900 посетителей в месяц.
• Минусы: нет экосистемы (аватары, метавселенные, NFT).
• Вердикт: для быстрых экспериментов, но не для бизнеса.

Outfits AI. Примерка по любой ссылке

• Что это: работает с любым онлайн-магазином (копируешь ссылку на вещь из Zara, Shein и др.).
• Уникальная фича: не ограничена партнёрскими каталогами.
• Трафик: ~37 200 посетителей в месяц. Цена: бесплатно.
• Минусы: нет 3D-аватаров, только 2D-генерация.

Replicant.fashion. Российский аналог DRESSX

• Что это: маркетплейс цифровой одежды от дизайнера Регины Турбиной (запуск 2021).
• Минусы: сугубо российский игрок, без глобальных партнёрств (нет Roblox, Meta), меньше ассортимент.
• Вердикт: концептуально — аналог, но масштаб несопоставим.

Сводная таблица аналогов

Dresscode.ai

Replicant.fashion

https://en.replicant.fashion

Главный вывод по конкурентам

Doji — самый прямой конкурент по качеству, но в стадии бета-теста. Dresscode.ai — главный российский B2B-игрок. Kolors VTO — лучшая бесплатная альтернатива.

Прямого аналога DRESSX, который совмещал бы B2C-примерку, цифровую моду для аватаров, AI-стилиста и интегрированный маркетплейс, на рынке еще пока нет. DRESSX уникален именно экосистемностью.

Глава 5. Как собрать свой DRESSX: пошаговая инструкция (апрель 2026)

Прочитав о DRESSX, Doji и Dresscode.ai, вы можете задаться вопросом: а реально ли построить нечто подобное самостоятельно?

Ответ: да. И в апреле 2026 это реальнее, чем когда-либо. То, что DRESSX строила годами с нуля, сегодня можно собрать из open-source компонентов за несколько месяцев.

Шаг 1. Понять, что именно вы строите

DRESSX Agent — это три компонента:

• Персонализированный AI-аватар (по одному селфи)
• Виртуальная примерка на этом аватаре
• Маркетплейс с AI-стилистом

Самый сложный компонент — примерка. На нём и стоит сфокусироваться.

Шаг 2. Выбрать технологический подход

Выбрать технологический подход

Dresscode.ai

https://dresscode.ai

DRESSX использует диффузионные модели — оптимальный баланс.

Шаг 3. Создать аватар пользователя

Создать аватар пользователя

Рекомендация: начать с open-source. На GitHub есть AI-Avtaar — Python-библиотека для создания LoRA-моделей из пользовательских изображений.

Шаг 4. Реализовать виртуальную примерку (апрель 2026)

Вариант А. REFVTON (от Qihoo 360)

• End-to-end модель виртуальной примерки, принята на CVPR 2026 .
• Доступна на Hugging Face с предобученными весами для разрешений 512×384 и 1024×768.
• Поддерживает примерку по референсному изображению (когда у вас есть фото человека в этой же вещи) .
• Плюсы: высокое качество, открытый код, есть inference и training код .
• Минусы: требует мощного GPU.

Вариант Б. FIT Dataset (совершенно новый — апрель 2026)

• Google Research и University of Washington представили FIT — 1.13 млн примерок с точными замерами .
• Учитывает посадку (как oversized футболка сидит на хрупком человеке) .
• Статус: код и датасет будут опубликованы, презентация на SIGGRAPH 2026 .
• Если вы хотите сделать решение лучше, чем DRESSX — это ваш шанс.

Рекомендация: стартовать с REFVTON — качество «из коробки» уже отличное . Как только FIT станет публично доступен (ожидается в 2026), дообучить модель на нём для учёта посадки .

Шаг 5. Интегрировать маркетплейс

DRESSX подключён к 200+ люксовым брендам через Mytheresa, SSENSE, Farfetch. Стоимость доступных товаров — свыше $2 млн.

Как повторить:

• Начать с партнёрской модели — API агрегаторов (Shopify Affiliate, Rakuten)
• На масштабе переходить к прямым контрактам с брендами
• Для оплаты использовать готовые решения (Stripe Connect, Bolt)

Шаг 6. Добавить AI-стилиста

Этот компонент относительно прост, если у вас уже есть каталог и LLM (GPT-4 API или Llama 3).

Пайплайн:

• Пользователь пишет: «коктейльное платье в стиле 90-х, чёрное, с открытыми плечами»
• LLM парсит запрос в поисковые фильтры
• Поисковый движок возвращает товары
• Пользователь примеряет выбранную вещь на аватара

Глава 6. Как сделать продукт лучше, чем DRESSX (ключевое)

DRESSX — сильный продукт, но не идеальный. Вот 4 направления для улучшения, основанные на самых свежих данных апреля 2026.

1. Учёт посадки (Fit Awareness) — главное упущение VTO-решений

Большинство VTO-решений генерируют хорошо сидящую одежду всегда — даже если пользователь XS выбирает вещь XXL. На картинке всё равно будет выглядеть идеально.

FIT dataset от Google Research и UW решает эту проблему :

• 1.13 млн примерок с точными замерами тела и одежды
• 168 форм тела (от XS до 3XL)
• 7 замеров тела, 3 замера одежды
• Модель, обученная на FIT, может честно показывать «эта вещь вам велика» или «эта вещь мала»

Статус на апрель 2026: датасет анонсирован, код и данные «скоро» . Тот, кто первым применит FIT в коммерческом продукте, получит огромное преимущество.

2. Скорость генерации

Пользователи не любят ждать. Если примерка занимает меньше 5 секунд — это конкурентное преимущество.

Пути оптимизации: кэширование аватаров, предварительный рендеринг популярных вещей, более лёгкие модели.

3. Качество 3D-аватара

DRESSX создаёт аватар по одному селфи — быстро, но не очень точно. Doji требует 8 фото — качество выше.

Гибридный подход: быстрая 2D-генерация для массового пользователя + возможность загрузить больше фото для премиум-точности.

4. Интеграция с ресейлом (second-hand luxury)

Никто ещё не соединил AI-примерку с рынком подержанных вещей.

Представьте: пользователь примеряет сумку Chanel с пробегом с Vestiaire Collective, видит, как она сочетается с его пальто, и покупает в один клик. Это потенциальная killer feature, которой пока нет ни у кого.

Глава 7. Бизнес-модель и запуск MVP

Модель DRESSX: подписка (3 уровня — Friend, Member, Premium).

Дополнительные источники дохода:

• Комиссия с продаж (при направлении трафика в маркетплейсы)
• B2B-лицензии (как у Dresscode.ai)

Минимальный набор для MVP:

• Создание аватара по селфи (2–3 секунды)
• Примерка на этого аватара (5–10 секунд)
• Интеграция с 1–2 маркетплейсами
• Простой поиск по каталогу (без AI-стилиста на старте)

Бюджетная оценка, $

Эпилог: будущее, которое уже наступило

DRESSX проделала огромную работу. Но в апреле 2026 у новых игроков есть преимущество, которого не было у них на старте: open-source модели (REFVTON — CVPR 2026, код доступен ), готовые пайплайны сборки и первый в мире датасет с учётом посадки (FIT — 1.13M образцов, Google Research ).

Самый короткий путь к MVP прямо сейчас:

• Взять REFVTON как основу для примерки
• Добавить создание аватара через open-source решение
• Интегрировать простой поиск по каталогу
• Запустить подписку на 3 уровня

Чтобы стать лучше DRESSX: сфокусироваться на учёте посадки с помощью FIT датасета (как только он станет публично доступен) и на скорости генерации.

Цифровая мода — это не замена физической. Это её эволюция. Как стриминг не убил кино, а сделал его доступнее. Как Kindle не убил бумажные книги.

Через несколько лет у каждого покупателя будет цифровой двойник. Мы будем примерять вещи, не раздеваясь. Мы будем покупать одежду, которая подходит с первого раза.

И в этом мире у вас — или у того, кто сделает лучше — будет очень важная роль.

📌 Disclaimer: Мой анализ касается исключительно продуктов, бизнес-моделей и пользовательского опыта. Никакой связи с политической обстановкой в мире. Только product management и research.

👋 Спасибо, что дочитали.

Я — Вера. Я создала сервис Product Discovery Lab, потому что устала от продуктов, которые делаются «по ощущениям».

Здесь я пишу о том, что реально работает в Product Discovery, JTBD, CustDev и исследованиях. Без воды. Без «гуру-интонаций».

🔮 Лучший комплимент для полезного материала — это то, что им поделились. Перешлите ссылку тому, кто оценит.

С заботой о ваших продуктах и с улыбкой, Вера Леоник-Шиляева