测量鞋子的合脚度是一项具有挑战性的任务。过去，曾有几种不同方法来测量实际鞋码和合脚度：:
- 测量鞋子内部长度的机械装置。鞋子的合脚度取决于许多其他参数，例如脚宽和脚掌围、脚背围和脚背高度等等，因此，内长测量值并不能真正提供有关实际鞋子合脚度的信息。
- 鞋子内表面的光学 3D 扫描。 这项技术的一个例子是 Shoefitr，它于 2015 年被亚马逊收购。这种方法的问题是它捕获了一只空鞋的内表面，但鞋的内部形状会随着脚在鞋中的变化而发生显着变化。因此，测量一只空鞋并没有多大用处。
- 鞋子的 X 光和 CT 扫描。 这种方法与其他方法有类似的问题，因为在执行扫描时很难模拟鞋内的脚。
这个问题背后的科学
在 Volumental，我们相信每个人自己的脚是衡量鞋子合脚度的最准确设备。由于我们拥有数千万3D 足型扫描数据以及与扫描数据相匹配的零售购买数据的大型数据库，因此我们可以应用机器学习和人工智能（AI）算法来预测每种鞋款的合脚度，然后针对特定的足型做出更准确的推荐。例如，通过对许多购买特定款式（如 US9 码的 Nike Vomero 14）的女性跑者进行足型扫描，我们可以计算出适合这款鞋的最佳足型。
使用足型扫描和购买数据，我们比较了 12 个最受欢迎的跑鞋品牌的 611 款跑鞋型号的合脚度。 结果如下图所示：
此图表中的每个点代表一个跑鞋款式。每个点的横坐标表示适合这款鞋的最佳脚长（左侧的鞋款具有较短的最佳脚长，右侧的鞋款具有较长的最佳脚长）。 每个点的纵坐标表示这款鞋的最佳脚宽（上面的鞋款适配更宽的最佳脚，下面的鞋款适配更窄的最佳脚）。 每款鞋的最佳尺码是通过对购买该款式 9码鞋的消费者进行数百甚至数千次3D扫描计算得出的。垂直和水平颜色区域显示了美国9码规定的长度和宽度的范围，中央重叠区域中的鞋子是真正属于美国9码的鞋子。
所以这是个挺可怕的事情——在我们采样的所有 611 款跑鞋中，只有 63% 适合真正的 US9码的足型。
我们想知道为什么退货对零售商/品牌商来说是个问题，尤其是在线电商平台？
下图显示所有品牌在鞋码不一致方面都非常相似：
同样，每个点代表按品牌分组的 611 个款式中的一个。 点的垂直位置表示适合该鞋的最佳脚长。图中可见，每个品牌的不同款式在最佳脚长方面差异很大。 品牌 F 非常有趣，大多数鞋子的尺码都比一般鞋码大，而我们也可以看到一个尺码小很多的款式。
即使在相同风格的款式中，我们也观察到类似的情况。 在下表中，我们比较了 Nike Vomero 从版本 7 到版本 14 的最佳脚长。版本之间的巨大差异显而易见。 第 9 版因比其他版本小得多而脱颖而出。
所有这些 Nike 型号的最佳脚长都在 245mm 到 251mm 之间，根据 Nike 尺码表，US9 码适合 260mm 长的脚。 本研究中的 69 款 Nike 款式中只有两款与其在线尺码表相符
解决方案
毫无疑问，鞋履品牌可以利用这些数据来提高鞋码的一致性。然而，鞋码标准化仍然是一项复杂的任务。 如果我们考虑什么定义了一双鞋的合脚度，我们可能会同意鞋楦非常重要，它们可以更好地标准化。但是还有许多其他参数会影响合脚度。如果您要尝试一双鞋，例如由非常有弹性的鞋面材料制成的运动鞋，它会比皮革制成的鞋大得多，即使它们是用相同的鞋楦生产的。由于所有参数都会影响鞋子合脚度，合脚度总会存在一些差异，即使是同一品牌的鞋款之间也是如此。
因此，解决尺码问题的真正方法是测量每款鞋的合脚程度，并直接向鞋履消费者提供信息。 根据我们使用不同方法测量鞋子合脚度的所有经验，我们相信我们上面描述的方法是迄今为止最准确和可推广的。大数据已被证明可以有效解决许多领域的难题，它绝对可以解决鞋码匹配问题。将机器学习和人工智能（AI）方法应用于与特定鞋履购买记录相匹配的海量足型扫描数据集，可为门店内售货员、网上商城和鞋履消费者提供升级优化的准确鞋履尺码建议。