Waarom "Geef me een outfit-suggestie" altijd teleurstelt

Waarom "Geef me een outfit-suggestie" altijd teleurstelt — Zo vraag je AI om stijladvies

"Geef me een outfit-suggestie." Vraag je dit, dan geeft AI je meestal een dertien-in-een-dozijn antwoord. Zo’n doorsnee antwoord lijkt voor iedereen te werken, en juist daarom werkt het niet echt voor jou. Het probleem ligt niet bij het model, maar bij de vraag.

Een vage vraag leidt tot een saai antwoord

Wat gebeurt er als je aan een echte stylist vraagt: "Wat moet ik aan?" Diegene geeft niet direct een antwoord, maar stelt een tegenvraag: "Waar ga je naartoe?"

Dit is precies het knelpunt dat steeds weer naar voren komt in onderzoek naar interactieve aanbevelingssystemen. De input van de gebruiker is vaak onvolledig (underspecified). Een van de belangrijkste vaardigheden van een slim systeem is dan ook om door te vragen naar de ontbrekende details. Het hoort bij de taak van het systeem om de gebruiker te helpen de vraag in het vervolggesprek aan te scherpen.

Het probleem is echter dat veel diensten niet doorvragen, maar meteen antwoord geven. Zonder specifieke context kiezen ze voor het veilige gemiddelde. En wanneer we dat resultaat zien, trekken we al snel de conclusie: "Die AI snapt er niks van."

Wat moet je dan wél meegeven in je vraag?

De anatomie van een goede prompt

Onderzoek naar mode-aanbevelingen toont aan dat specifieke eigenschappen zoals materiaal en pasvorm, visuele context rondom vorm en sfeer, en duidelijke kleurinformatie ontzettend waardevol zijn. Hoewel dit geen keiharde wet voor elke app is, vormt het wel een praktische checklist om je prompt concreet te maken.

Vertaald naar begrijpelijke taal komt het neer op vier elementen:

1. De Gelegenheid. Wanneer, waar en met wie? "Morgenochtend" vraagt om een heel andere look dan "zaterdagavond".

2. Het silhouet of basisitem. Waar bouw je de look omheen? Eén aanwijzing als "rondom mijn donkerblauwe pantalon" halveert meteen het aantal opties.

3. Het kleurenpalet. Je hoeft echt niet alles vast te leggen. Vaak is het al genoeg om één kleur uit te sluiten, zoals: "Geen wit of zwart".

4. De vibe. Wat wil je uitstralen? "Rustig en minimalistisch" of juist "moeiteloos chic". Zonder deze context wordt het resultaat al snel inspiratieloos.

Door deze vier punten mee te nemen, wordt je vraag zelfs in twee zinnen al kraakhelder. Mis je daarentegen de nodige context, dan is de kans groot dat je een standaard antwoord krijgt.

Toch heeft zelfs de beste prompt soms geen effect...

Eerst je data, dan je prompt

AI kan tenslotte alleen zien wat er in je kledingkast staat geregistreerd.

Staat pas de helft van je kledingkast in de app? Dan krijg je, hoe goed je prompt ook is, maar voor de helft een passend antwoord. Zelfs als het perfecte item in de andere helft hangt, weet de AI simpelweg niet van het bestaan ervan af.

Nog lastiger wordt het wanneer tags niet kloppen. Staat een gebreide trui geregistreerd als 'jasje', dan zorgt een goede prompt juist voor een haarfijn verkeerd antwoord. Dat is nog frustrerender dan stuurloos zoeken zonder info.

De juiste volgorde is dus essentieel: breng eerst je kledingkast goed in kaart, doe een korte kledingkast-check op de tags en ga daarna pas aan de slag met je prompts. Draai je deze stappen om, dan zal zelfs de slimste vraag niet het gewenste resultaat opleveren.

Klaar voor de start? Laten we de ideale prompt opstellen.

4 kant-en-klare prompts om te kopiëren

Hier zijn vier templates voor verschillende situaties die je direct kunt overnemen. Je hoeft alleen de namen van de items aan te passen.

Werk / Kantoor

Morgenochtend een teamoverleg, 's middags een externe meeting. Business casual.
Opgebouwd rond mijn donkerblauwe pantalon, jasje is een must. Rustige tinten.

Reizen / Vakantie

Rome in maart, overdag 18 graden en 's avonds 9 graden. We bezoeken twee kerken, dus schouders en knieën moeten bedekt zijn.
Inpakken voor 5 dagen in één handbagagekoffer.

Bruiloftsgast

Zaterdagavond, binnenlocatie. Geen wit en geen zwart.
Lengte tot over de knie, gestyled rondom mijn beige hakken.

Date

Vrijdagavond in een gezellige wijnbar. We hoeven niet veel te lopen.
Moeiteloos chic: comfortabel maar verzorgd. Gestyled rondom mijn leren jack.

Alle vier bestaan ze uit slechts twee of drie zinnen, maar ze bevatten stuk voor stuk de gelegenheid, het basisitem, het kleurkader én de vibe.

Eén extra zin maakt het verschil

Wil je het nóg slimmer aanpakken?

Vraag de AI zodra je een suggestie krijgt: "Waarom heb je deze combinatie gekozen?" Het antwoord laat je direct zien welke informatie je nog niet had gedeeld. Zegt de AI bijvoorbeeld: "Afgestemd op herfsttinten", dan weet je dat de AI het seizoen heeft gegokt omdat je dat niet had aangegeven. Noem dat de volgende keer expliciet en je suggestie wordt meteen een stuk accurater.

Ben je niet tevreden met het resultaat? Voeg dan een uitsluiting toe. Denk aan: "Zonder de combinaties van vorige week" of "Geen gebreide tops". Schrappen levert verrassend vaak veel frissere en leukere combinaties op dan alleen maar dingen toevoegen.

Plak deze templates gerust in de AI Stylist van Acloset en pas simpelweg de items aan. Sla je favoriete resultaten op als Outfit en verfijn je volgende verzoek met specifieke voorkeuren of uitsluitingen.

Het lag er niet aan dat de AI je niet begreep — we vertelden simpelweg nog niet het hele verhaal.

❓ Veelgestelde vragen

V: Werkt een langere prompt altijd beter?
A: Context is belangrijker dan lengte. Gelegenheid, silhouet, kleur en vibe vormen een handige checklist; twee gerichte zinnen met de belangrijkste details zijn vaak al meer dan genoeg.

V: De AI blijft steeds met vergelijkbare combinaties komen. Wat kan ik doen?
A: Voeg een uitsluiting toe. Aanwijzingen zoals "geen combinaties van vorige week" of "laat deze specifieke kleur weg" zorgen vaak direct voor verrassende nieuwe opties.

V: Hoe haal ik het beste uit de AI Styling van Acloset?
A: Kopieer de templates uit dit artikel en pas de gewenste items aan. Sla het resultaat op als Outfit en voeg bij je volgende vraag eventuele voorkeuren of uitsluitingen toe.

Bronnen en referenties:

ACM Computing Surveys, "A Survey on Conversational Recommender Systems"
ACM Transactions on Intelligent Systems and Technology, "Analysing Utterances in LLM-Based User Simulation for Conversational Search"
Fashion and Textiles (Springer), "LLM-generated content-based explanations for user experience in fashion recommender systems"

Gepubliceerd door het Acloset Magazine Team.

Waarom "Geef me een outfit-suggestie" altijd teleurstelt — Zo vraag je AI om stijladvies