Chumbak (GOAT Brand Labs)

AI-каталог 3 000 SKU: как 24.online помог Chumbak кратно ускорить обновление визуального ряда карточек без потери brand consistency

Индийский D2C лайфстайл-бренд Chumbak (портфель GOAT Brand Labs) обновляет визуальный ряд карточек по строгому 8-артбордному шаблону. ИИ-пайплайн с самообслуживанием заменил цепочку из шести подрядчиков на каждый артикул.

Эффект Кратное ускорение цикла (дни → сутки), существенно ниже студийной стоимости изображения
Индустрия
D2C Fashion & Lifestyle
Длительность
Аудит 2 нед · разработка и интеграция 2 нед
Команда 24TTL
РП, старший консультант, ведущий инженер Computer Vision, ML-инженер по генерации изображений, старший дизайнер, бэкенд-разработчик
Все кейсы →
Кратное ускорение цикла (дни → сутки)
Стоимость изображения существенно ниже студийной
3 000 SKU, до 18 000 изображений в год
Подавляющее большинство карточек проходят бренд-проверку

Контекст

Chumbak управляет каталогом ~3 000 активных SKU в 100+ категориях — от тоутов и кошельков до керамики и медных бутылок. Каналы: chumbak.com + global.chumbak.com, Flipkart / Myntra / Amazon.in / Snapdeal, 50+ розничных магазинов. Каждая коллекция требует тиражируемого пакета: пэкшот, лайфстайл, инфографика, детали мотива.

После приобретения портфеля GOAT Brand Labs бренд работает в режиме операционного давления — рычаги ищут через юнит-экономику и скорость. Производственный цикл карточек оказался одним из самых дорогих и медленных узлов.

Вызов

Полный пакет одного SKU (5–6 изображений в 8-артбордной композиции) занимал 5–7 дней и стоил $30–80 за изображение. На каталог 3 000 SKU с обновлением 30–40% в год — 15 000–18 000 изображений и смета $0,4–1,4 млн в год только на производство.

Производство было распределено между несколькими агентствами и оркестровалось одним контент-менеджером; на SKU собиралось до шести контактных лиц. Готовые генеративные модели «плыли» на плотных орнаментальных принтах и искажали геометрию керамики и дерева, разрушая узнаваемость бренда.

Цели проекта

Что сделал AI

ИИ-пайплайн обновляет визуальный ряд D2C-карточек: пэкшот → лайфстайл → инфографика по строгому шаблону с бренд-проверкой и самообслуживанием для агентств.

01

Пилот 200 SKU за 30 дней — перелом по юнит-экономике

На приоритетный пул развёрнут image-to-image пайплайн на fine-tuned diffusion, обученной на корпусе фирменных визуалов Chumbak. Контент-менеджер загружает референсный пэкшот → система генерирует 5–6 ракурсов по четырём шаблонам. $1 000/мес за пилот против $8 000–16 000 фотопродакшна — кратное снижение себестоимости, цикл с 7 дней до 24 часов.

02

Единообразие оформления на подавляющем большинстве карточек

Конвейер сохранения цвета проверяет каждое изображение на соответствие референсной палитре SKU из PIM (ΔE ≤ 5 по CIELAB), наличие фирменных мотивов и корректность текстуры. При отклонении изображение возвращается в очередь с уточнённым промптом без ручной переделки; бренд-аудитор видит тепловую карту отклонений.

03

Самообслуживание для 5+ агентств

Интерфейс с ролевой моделью (бренд-менеджер, бренд-аудитор, агентства — каждый видит свою зону доступа), API-лимитами и журналом аудита. Несколько агентств работают параллельно: кратный рост пропускной способности, единая точка отказа на одном менеджере устранена, SLA на возврат пакета — с 3 дней до 4 часов.

04

Масштабирование на 3 000 SKU

Модель дообучается на расширенном корпусе — все 100+ категорий с акцентом на новые текстурные классы (расписная керамика, деревянная посуда, медные бутылки, вышитый текстиль). Инфраструктура самообслуживания масштабируется без линейного роста штата вендора.

Генеративная графика карточек — Пайплайн обработки
Пайплайн обработки

До и после

Раньше — вручную
  • ×Готовил ТЗ на пэкшот и согласовывал с агентством по каждому SKU
  • ×Организовывал отдельную фотосессию под каждый артикул
  • ×Ретушировал и делал цветокоррекцию вручную в Photoshop
  • ×Компоновал 8 артбордов в шаблон Adobe Illustrator руками
  • ×Сверял цвет с физическим образцом для каждого изображения
  • ×Координировал все агентства через одного контент-менеджера
  • ×Вёл согласование оформления в почте и Slack, теряя версии
Сейчас — ИИ-агент
  • Извлекает продукт из пэкшота с прозрачным альфа-каналом
  • Генерирует 5–6 ракурсов по четырём шаблонам параллельно
  • Подставляет продукт в утверждённую лайфстайл-сцену коллекции
  • Применяет сохранение цвета с ΔE ≤ 5 по эталонной палитре
  • Собирает 8 артбордов в фирменную сетку автоматически
  • Возвращает несоответствия в очередь с уточнённым промптом
  • Даёт агентствам доступ в режиме самообслуживания и строит тепловую карту для ревью
Генеративная графика карточек — До и после
До и после

Результаты

Технические метрики
  • Доля прохождения бренд-проверки: подавляющее большинство карточек без ручной правки
  • Точность цвета: высокая точность палитры (целевой порог ΔE ≤ 5 по CIELAB)
  • Время производства: 24 часа на 8-артбордный шаблон против 5–7 дней
  • Целевая пропускная способность: 15 000–18 000 изображений в год на 3 000 SKU
Бизнес-метрики
  • Себестоимость изображения: $30–80 → ~$1 (кратное снижение)
  • Годовой производственный бюджет: $0,4–1,4 млн → ~$12 тыс. в год
  • Время вывода коллекции на рынок: 5–7 недель → 1 неделя
  • Цикл на SKU: 5–7 дней → 24 часа (кратное ускорение); 5+ агентств параллельно
Генеративная графика карточек — Скорость и стоимость
Скорость и стоимость
Стратегический эффект

Режим самообслуживания, обкатанный на Chumbak, готов к тиражированию на 20+ брендов портфеля GOAT Brand Labs — каждый подключается через свою шаблонную настройку поверх единого ядра 24.online.

Это меняет ROI-расчёт для GOAT: экономика производства масштабируется без линейного роста штата вендора, а бренд-менеджмент Chumbak освобождается под стратегическую работу с международным каталогом.

Генеративная графика карточек — Масштаб портфеля
Масштаб портфеля

Числовые показатели и результаты кейса отражают итоги конкретного проекта и зависят от исходных условий. Они приведены в информационных целях, не являются публичной офертой и не гарантируют аналогичного результата в других проектах. Подтверждающие материалы предоставляем по запросу.

Другие кейсы

Международный FMCG-производитель

ИИ SEO-оптимизация карточек

Генеративный AI пересобирает SEO-контент и визуал карточек: тексты, hero-имиджи и rich-контент под алгоритмы маркетплейсов в едином пайплайне.

Эффект Заметный рост SEO-индекса карточки и кратное ускорение запуска SKU
Ритейлер спортивных товаров

ИИ-конвейер лайфстайл-видео

ИИ-пайплайн собирает лайфстайл-ролики из фото товара: декомпозиция на короткие блоки без артефактов, параллельная генерация, человек в контуре.

Эффект Значительное снижение стоимости карточки, ролик за десятки минут вместо дней
Крупный фэшн-маркетплейс России

ИИ-сверка размерных сеток

Браузер-агент сверяет размерные сетки карточек с официальными сайтами брендов: автопоиск, Vision-извлечение таблиц, нормализация размерных систем.

Эффект Сотни тысяч SKU проверено, высокая точность автосверки

Похожая задача у вас?

Расскажите про процесс — предложим аудит, пилот или полноценное внедрение.