PUMA AI Creator: Революция в вовлечении фанатов и цифровом искусстве с Google Cloud

Lisa Ernst · 25.01.2026 · Artificial Intelligence · 9 min

Футбольная футболка обычно является финалом истории дизайна: клуб и бренд принимают решение, фанаты реагируют, и обсуждение происходит после презентации. С помощью PUMA AI Creator, , PUMA изменила этот порядок. Вместо «вот форма» бренд спросил: Покажите нам, что бы вы сделали. Результатом стал не просто маркетинговый трюк. Это было масштабируемое, поддающееся измерению тестирование того, как выглядит создание под руководством фанатов, когда генеративный ИИ, облачная инфраструктура и игровая механика объединены в единый опыт.

Источник: Собственная иллюстрация

PUMA (один из крупнейших мировых спортивных брендов обуви, одежды и аксессуаров) partnered with Google Cloud внедрить непосредственно в свою цифровую экосистему. Что выделяло эту инициативу, так это не то, что она использовала ИИ, а то, что она использовала ИИ в розничном масштабе: генерация изображений достаточно быстро, достаточно надежно и достаточно безопасно, чтобы обслуживать огромную глобальную аудиторию, не превращая процесс в медленную, глючную комнату ожидания.

На практике это означало переход от статичного повествования «бренд говорит / клиент слушает» к интерактивному циклу, где клиенты создают, реагируют и голосуют, а бренд по пути собирает реальные сигналы вовлеченности.

Краткое резюме: Основные моменты PUMA AI Creator

• Глобальный охват: Участвовали 54 000 пользователей из 206 стран.
• Высокий объем создания: Было сгенерировано 180 000 дизайнов футболок.
• Цикл обратной связи с сообществом: Зафиксировано 1,7 миллиона фанатских оценок с помощью свайпов/голосований.
• Облачная основа: Google Cloud Platform с Google Kubernetes Engine и графическими процессорами Nvidia H100.
• Выигрыш в скорости: Время генерации сократилось с ~60 секунд до ~17 секунд для четырех изображений HD.
• Контроль затрат: В течение фазы в реальном времени использовалось 306 графических процессоров Nvidia вместо первоначального прогноза в 600.
• Движок персонализации: Imagen 2 на Vertex AI обеспечивает показ изображений продукта с учетом региона и контекста.
• Коммерческий подъем: Персонализированный контент + сегментация улучшили CTR и AOV; более поздние результаты включают измеримое повышение (подробности ниже).

PUMA AI Creator: Революция дизайна под руководством фанатов

Суть истории — это PUMA AI Creator — проект совместного творчества фанатов, построенный вокруг «Манчестер Сити». PUMA, как официальный производитель формы клуба, не просто продемонстрировала новое направление дизайна; она пригласила фанатов генерировать это направление. Цель была амбициозной: создать путь к концепции футболки для «Манчестер Сити», разработанной с помощью ИИ и фанатов, для сезона third kit (2026/27 season).

Фаза в реальном времени проходила с December 9 to December 20, 2024. В течение этого периода пользователи могли зарегистрироваться и начать создавать концепции с помощью браузерного инструмента, который сочетает 3D-предварительный просмотр футболки с генерацией текста в изображение. Ограничение было простым, но важным: текстовый запрос длиной up to 300 characters. Это ограничение требует ясности — меньше «необычных запросов», больше дизайнерского замысла.

Как работал процесс (пошагово)

1. Зарегистрироваться на платформе и получить 10 кредитов на дизайн.
2. Написать запрос (максимум 300 символов) и генерировать концепции футболок в 3D-браузерном приложении.
3. Сохранить дизайны в галерею и внести в шорт-лист избранные.
4. Отправить до двух дизайнов в качестве конкурсных заявок (две возможности подачи на пользователя).
5. Голосовать и зарабатывать : оценивать другие дизайны свайпом; every 10 votes разблокировать 2 дополнительных кредита, поддерживая участие после того, как первоначальные кредиты исчерпаны.
6. Вознаграждать сообщества : Фанаты «Манчестер Сити» («Cityzens»), члены сообщества DEEPOBJECTS.ai и держатели PUMA NFT получили double credits, что сделало наиболее заинтересованные группы самыми активными создателями.

Этот цикл (создать → поделиться → проголосовать → заработать кредиты → создать снова) не случаен. Это классический движок вовлечения, но здесь он связан с производственным ИИ-бэкендом. Объем выпуска показывает, что он сработал: 180,000 designs и 1.7 million ratings от 54,000 users в 206 countries — все в рамках 10-day фазы в реальном времени.

Иван Дашков (руководитель отдела новых маркетинговых технологий в PUMA) охарактеризовал эту инициативу как доказательство того, что PUMA хочет лидировать с помощью технологий, даже когда нет установленного сценария. И в этом суть: речь шла не только о футболках — это было стресс-тестирование «ИИ + коммерция + сообщество» в реальном мире.

Источник: sgieurope.com

Портрет Ивана Дашкова PUMA. На этом изображении мужчина в куртке PUMA, улыбающийся, на фоне современного коридора. Это чистый и естественный портрет, соответствующий поисковому запросу «Портрет Ивана Дашкова PUMA». Изображение хорошо освещено и не содержит отвлекающих наложений или текста, что делает его подходящим для встроенного изображения в блоге.

Под капотом: Google Cloud и генеративный ИИ

Крутые кампании умирают из-за скучных проблем: задержка, масштабирование, параллелизм и затраты. Если тысячи пользователей нажимают «Генерировать», и система захлебывается, магия исчезает. Чтобы PUMA AI Creator ощущался мгновенным (или, по крайней мере, достаточно быстрым), PUMA требовалась инфраструктура, способная справляться с глобальными пиками без сбоев из-за тайм-аутов.

PUMA partnered with FTR в качестве ведущего агентства, Modern English для разработки фронтенда/бэкенда приложения и Slalom для ИИ-бэкенда и масштабируемой облачной инфраструктуры. Slalom перенесла локальную версию приложения, первоначально использовавшую ComfyUI + a Stable Diffusion image generation model , в контейнеризованное развертывание на Google Kubernetes Engine (GKE).

Ключевым архитектурным элементом была пользовательская система очередей для сортировки, буферизации и упорядочивания запросов пользователей, разработанная для обеспечения устойчивости до 50,000 incoming prompts. Такая буферизация поддерживает стабильность пользовательского опыта при хаотичном спросе.

Вторым фактором успеха было оборудование: Nvidia H100 GPUs. В финальные 15 days before launch, Slalom и команда экспертов Google сосредоточились на узких местах производительности и оптимизации графического процессора — и результат был впечатляющим. Время генерации упало примерно со 60 seconds до примерно 17 seconds для four high-definition images.

Скорость была не единственным выигрышем. Эффективность также улучшилась: во время фазы в реальном времени система работала на 306 Nvidia GPUs, вместо первоначального прогноза в 600. Эта разница имеет значение, потому что именно в рабочих нагрузках ИИ, интенсивно использующих графические процессоры, затраты могут быстро выйти из-под контроля.

Источник: indiamart.com

Графический процессор Nvidia H100. На этом изображении показан вид сбоку карты NVIDIA H100 PCIe на чистом белом фоне. На нем четко видны скоба карты, порты и общий профиль, что делает его отличным представлением физического оборудования. Чистая презентация и отсутствие наложений делают его идеальным для встроенного изображения в блоге.

Почему важны детали инфраструктуры

• Воспринимаемая креативность зависит от отзывчивости: если «Генерировать» занимает слишком много времени, пользователи уходят.
• Очереди защищают опыт: буферизация предотвращает сбои системы из-за скачков трафика.
• Эффективность GPU = контроль затрат: уменьшение прогнозируемых потребностей в GPU вдвое меняет экономику проведения аналогичных кампаний.
• Оркестрация контейнеров обеспечивает масштабирование: GKE помогает управлять распределенной системой при непредсказуемом спросе.

Imagen 2 на Vertex AI: Персонализация, которая кажется локальной

AI Creator попал в заголовки, но более широкая история ИИ PUMA касается Imagen 2 on Vertex AI для генерации динамичных, контекстно-зависимых изображений продукта — не просто «крутых ИИ-картинок», а изображений, которые могут откликнуться у конкретного пользователя в конкретном месте. персонализированной коммерции

Концепция проста: один и тот же продукт может быть оформлен в разных средах, чтобы соответствовать местной культуре и предпочтениям. Покупатель в Японии может увидеть обувь в стиле лайфстайл, сфотографированную на улицах Ginza, , в то время как кроссовки для тропы появятся возле предгорий Mount Fuji. Такую локализацию сложно создать вручную в масштабе, но это становится возможным, когда конвейер автоматизирован.

Imagen также поддержал контент-команды PUMA в решении повторяющихся задач по редактированию изображений — тени, композиция, точность цветопередачи, разрешение и расположение продукта. Операционное влияние просто: меньше времени на ручное производство, более быстрый запуск кампаний и сокращение времени выхода на рынок в разных регионах.

Более широкое внедрение ИИ и планы на будущее

PUMA уже перенесла ключевые части своей экосистемы электронной коммерции (включая puma.com) в Google Cloud ранее в этом году. Согласно заявленным результатам инициативы, этот шаг способствовал лучшей персонализации и помог увеличить average order value (AOV), , а также сократил время, необходимое для запуска продуктов.

Следующие шаги сосредоточены на масштабировании подхода: PUMA планирует изучить Imagen 3 (более новую модель Google «текст-в-изображение») для расширения создания кампаний, и намерена расширить использование Vertex AI Search for Retail через дополнительные дочерние компании для усиления обнаружения, релевантности и эффективности конверсии.

Источник: geekwire.com

Портрет Томаса Куриана, генерального директора Google Cloud. На этом изображении мужчина в синей рубашке на пуговицах, улыбающийся прямо в камеру на простом белом фоне. Это чистый и естественный портрет, свободный от отвлекающих элементов или текстовых наложений. Это делает его отличным выбором для встроенного изображения в блоге, требующего профессионального и четкого изображения Томаса Куриана.

Что касается аналитики, PUMA использует возможности машинного обучения Google Cloud через BigQuery для углубления вовлеченности клиентов с помощью расширенной сегментации аудитории. Подход использует собственные данные для создания пользовательских моделей ML, генерации прогнозных инсайтов и более точного атрибутирования конверсий по точкам взаимодействия.

Сообщаемые улучшения производительности от этой работы по сегментации включают 4.6% increase in conversion rates, 6% increase in AOV, и 149.8% increase in click-through rates для трех верхних сегментов аудитории по сравнению с другими рекламными целями.

Ключевые технологии и партнеры PUMA AI Creator

Чему могут научиться другие бренды (без копирования футболки)

История с футболкой специфична, но механика обобщается. Если убрать футбольный контекст, остается повторяемый шаблон: creation + feedback + personalization + infrastructure. Вот важные уроки, если вы думаете об ИИ в коммерции.

• Начните с варианта использования, который волнует людей: фанаты создают дизайны не потому, что существует ИИ; они делают это потому, что существуют идентичность и сообщество.
• Ограничения дизайна улучшают результаты: ограничение запроса в 300 символов снижает шум и делает намерение более ясным.
• Сделайте участие устойчивым: кредиты + вознаграждение за голосование поддерживают вовлеченность пользователей после первого «вау-момента».
• Инженерия — это продукт: очереди, масштабирование и эффективность GPU решают, будет ли опыт ощущаться премиальным или сломанным.
• Планируйте управление заранее: генеративные системы нуждаются в модерации, фильтрации запросов и границах безопасности бренда (особенно в глобальном масштабе).

Заключение

PUMA AI Creator — яркий пример того, что происходит, когда генеративный ИИ рассматривается не просто как новшество. PUMA использовала ИИ, чтобы вовлечь фанатов в творческий процесс, но реальное достижение было операционным: запуск глобального, высоконагруженного, управляемого ИИ процесса, который оставался отзывчивым, измеримым и учитывающим затраты. PUMA использовала ИИ, чтобы вовлечь фанатов в творческий процесс, но реальное достижение было операционным: запуск глобального, высоконагруженного, управляемого ИИ процесса, который оставался отзывчивым, измеримым и учитывающим затраты.

За десять дней кампания достигла уровня участия (дизайны + оценки), о котором большинство брендов могут только мечтать — и сделала это, демонстрируя современный стек ИИ: контейнеризованная генерация на GKE, оптимизированная производительность на графических процессорах Nvidia H100 и персонализация через Vertex AI. Если это направление развития розничной торговли, то урок прост: будущее электронной коммерции — это не только «рекомендации». Это interaction — и все чаще, co-creation.