Creatore AI PUMA: Rivoluzionare l'engagement dei fan e l'arte digitale con Google Cloud

Lisa Ernst · 25.01.2026 · Artificial Intelligence · 9 min

Una maglia da calcio è solitamente la fine di una storia di design: un club e un brand decidono, i fan reagiscono e la discussione avviene dopo la rivelazione. Con il Creatore AI PUMA, , PUMA ha invertito quest'ordine. Invece di "ecco il kit", il brand ha chiesto: Mostraci cosa creeresti. Il risultato non è stato solo un trucco di marketing. È stato un test misurabile e su larga scala di come appare la creazione guidata dai fan quando l'AI generativa, l'infrastruttura cloud e le meccaniche di gioco sono integrate in un'unica esperienza.

Fonte: Illustrazione propria

PUMA (uno dei principali marchi sportivi mondiali per calzature, abbigliamento e accessori) partnered with Google Cloud per portare direttamente nel suo ecosistema digitale. Ciò che ha reso questa iniziativa eccezionale non è stato il fatto che abbia utilizzato l'AI, ma che abbia utilizzato l'AI su scala retail: generando immagini abbastanza velocemente, in modo affidabile e sicuro da servire un vasto pubblico globale senza trasformare l'esperienza in una sala d'attesa lenta e piena di problemi.

In termini pratici, ciò ha significato passare dalla narrazione statica "il brand racconta / il cliente ascolta" a un ciclo interattivo in cui i clienti creano, reagiscono e votano, e il brand raccoglie segnali di engagement reali lungo il percorso.

Sintesi Rapida: Punti Salienti del Creatore AI PUMA

• Portata globale: 54.000 utenti da 206 paesi hanno partecipato.
• Creazione ad alto volume: 180.000 design di maglie sono stati generati.
• Ciclo di feedback della comunità: 1,7 milioni di valutazioni dei fan sono state registrate tramite swipe/voti.
• Fondazione Cloud: Google Cloud Platform con Google Kubernetes Engine e GPU Nvidia H100.
• Guadagni di velocità: Tempo di generazione ridotto da ~60 secondi a ~17 secondi per quattro immagini HD.
• Controllo dei costi: 306 GPU Nvidia utilizzate durante la fase live invece di una proiezione iniziale di 600.
• Motore di personalizzazione: Imagen 2 su Vertex AI consente immagini di prodotti sensibili alla regione e al contesto.
• Aumento commerciale: Contenuto personalizzato + segmentazione hanno migliorato CTR e AOV; risultati successivi includono aumenti misurabili (dettagli di seguito).

Creatore AI PUMA: Una Rivoluzione del Design Guidata dai Fan

Il cuore della storia è il PUMA AI Creator — un progetto di co-creazione dei fan incentrato sul Manchester City. PUMA, in qualità di produttore ufficiale del kit del club, non ha solo mostrato una nuova direzione di design; ha invitato i fan a generare la direzione. L'obiettivo era ambizioso: creare un percorso verso un concetto di maglia assistito dall'AI e progettato dai fan per il Manchester City third kit (2026/27 season).

La fase live si è svolta dal December 9 to December 20, 2024. Durante quella finestra, gli utenti potevano registrarsi e iniziare a produrre concetti tramite uno strumento basato su browser che combinava un'anteprima 3D della maglia con la generazione di testo in immagine. Il vincolo era semplice ma importante: un prompt di testo di up to 300 characters. Quel limite impone chiarezza: meno "prompt nuovi", più intento di design.

Come ha funzionato l'esperienza (passo dopo passo)

1. Registrati sulla piattaforma e ricevi 10 crediti di design.
2. Scrivi un prompt (max 300 caratteri) e genera concetti di maglia all'interno di un'app browser 3D.
3. Salva i design in una galleria e seleziona i preferiti.
4. Invia fino a due design come iscrizioni al concorso (due opportunità di invio per utente).
5. Vota e guadagna : valuta gli altri design con swipe; every 10 votes sblocca 2 crediti aggiuntivi, mantenendo la partecipazione anche dopo aver speso i crediti iniziali.
6. Premia le comunità : I fan del Manchester City ("Cityzens"), i membri della comunità DEEPOBJECTS.ai e i possessori di NFT PUMA hanno ricevuto double credits, rendendo i gruppi più coinvolti i creatori più attivi.

Quel ciclo (crea → condividi → vota → guadagna crediti → crea di nuovo) non è casuale. È un classico motore di engagement, ma qui è legato a un backend AI di livello produttivo. Il volume di output mostra che ha funzionato: 180,000 designs e 1.7 million ratings da 54,000 users in 206 countries — tutto all'interno di una 10-day fase live.

Ivan Dashkov (Head of Emerging Marketing Tech di PUMA) ha inquadrato l'iniziativa come prova che PUMA vuole guidare con la tecnologia anche quando non esiste un playbook consolidato. E questo è davvero il punto: non si trattava solo di maglie, ma di uno stress test per "AI + commercio + comunità" nel mondo reale.

Fonte: sgieurope.com

Ritratto di Ivan Dashkov PUMA. Questa immagine mostra un uomo in una giacca PUMA, sorridente, su uno sfondo di corridoio moderno. Serve come un ritratto pulito e naturale, in linea con l’espressione di ricerca "Ritratto Ivan Dashkov PUMA". L'immagine è ben illuminata e priva di sovrapposizioni o testo distraenti, il che la rende adatta per uno slot di immagine inline del blog.

Sotto il Cofano: Google Cloud e AI Generativa

Le campagne interessanti muoiono per problemi noiosi: latenza, scaling, concorrenza e costi. Se migliaia di utenti fanno clic su "Genera" e il sistema si blocca, la magia scompare. Per far sì che il Creatore AI PUMA sembrasse istantaneo (o almeno abbastanza veloce), PUMA aveva bisogno di un'infrastruttura in grado di gestire picchi globali senza collassare in timeout.

PUMA partnered with FTR come agenzia principale, Modern English per lo sviluppo frontend/backend dell'app e Slalom per il backend AI e l'infrastruttura cloud scalabile. Slalom ha migrato una versione locale dell'app — originariamente utilizzando ComfyUI + a Stable Diffusion image generation model — in un deployment containerizzato su Google Kubernetes Engine (GKE).

Un elemento architetturale chiave era un sistema di accodamento personalizzato per ordinare, tamponare e sequenziare le richieste degli utenti, progettato per tollerare fino a 50,000 incoming prompts. Questo tipo di buffering è ciò che mantiene stabile l'esperienza utente quando la domanda è caotica.

Il secondo fattore di successo è stato l'hardware: Nvidia H100 GPUs. Nel finale 15 days before launch, Slalom e un team di esperti di Google si sono concentrati sui colli di bottiglia delle prestazioni e sull'ottimizzazione della GPU — e il risultato è stato spettacolare. Il tempo di generazione è sceso da circa 60 seconds a circa 17 seconds per four high-definition images.

La velocità non è stata l'unica vittoria. Anche l'efficienza è migliorata: durante la fase live, il sistema ha funzionato su 306 Nvidia GPUs, invece di una proiezione iniziale di 600. Questa differenza è importante, perché i carichi di lavoro AI che richiedono molte GPU sono quelli in cui i costi possono salire rapidamente.

Fonte: indiamart.com

Scheda GPU Nvidia H100. Questa immagine mostra una vista laterale di una scheda NVIDIA H100 PCIe su uno sfondo bianco pulito. Mostra chiaramente la staffa, le porte e il profilo generale della scheda, rendendola una rappresentazione eccellente dell'hardware fisico. La presentazione pulita e l'assenza di sovrapposizioni la rendono ideale per uno slot di immagine inline del blog.

Perché i dettagli dell'infrastruttura contano

• La creatività percepita dipende dalla reattività: se "Genera" impiega troppo tempo, gli utenti abbandonano.
• Le code proteggono l'esperienza: il buffering impedisce ai picchi di traffico di rompere il sistema.
• Efficienza GPU = controllo dei costi: dimezzare le esigenze GPU previste cambia l'economia della gestione di campagne simili.
• L'orchestrazione dei container consente la scalabilità: GKE aiuta a gestire un sistema distribuito sotto una domanda imprevedibile.

Imagen 2 su Vertex AI: Personalizzazione che sembra Locale

L'AI Creator ha fatto notizia, ma la storia più ampia dell'AI di PUMA riguarda Imagen 2 on Vertex AI per generare immagini di prodotti dinamiche e sensibili al contesto — non solo "belle immagini AI", ma immagini che si adattano a ciò a cui un utente specifico in un luogo specifico potrebbe rispondere. commercio personalizzato

Il concetto è semplice: lo stesso prodotto può essere inquadrato in ambienti diversi per abbinarsi alla cultura e alle preferenze locali. Un cliente in Giappone potrebbe vedere una scarpa lifestyle raffigurata nelle strade di Ginza, , mentre una scarpa da trail appare vicino alle pendici del Mount Fuji. Questo tipo di localizzazione è difficile da produrre manualmente su scala, ma diventa fattibile quando la pipeline è automatizzata.

Imagen ha anche supportato i team di contenuti di PUMA con attività ripetitive di editing di immagini — ombreggiatura, composizione, accuratezza del colore, risoluzione e posizionamento del prodotto. L'impatto operativo è diretto: meno tempo di produzione manuale, implementazione più rapida delle campagne e time-to-market più breve tra le regioni.

Adozione più Ampia dell'AI e Piani Futuri

PUMA aveva già migrato parti chiave del suo ecosistema e-commerce (incluso puma.com) su Google Cloud all'inizio dell'anno. Secondo i risultati riportati dell'iniziativa, la mossa ha supportato una migliore personalizzazione e ha contribuito ad aumentare average order value (AOV), , riducendo anche il tempo necessario per i lanci di prodotti.

I prossimi passi si concentrano sulla scalabilità dell'approccio: PUMA prevede di esplorare Imagen 3 (il nuovo modello testo-immagine di Google) per estendere la creazione di campagne, e intende espandere l'uso di Vertex AI Search for Retail attraverso ulteriori controllate per rafforzare la scoperta, la pertinenza e le prestazioni di conversione.

Fonte: geekwire.com

Ritratto di Thomas Kurian CEO di Google Cloud. Questa immagine mostra un uomo in una camicia blu abbottonata, sorridente direttamente alla telecamera su uno sfondo bianco semplice. È un ritratto pulito e naturale, privo di elementi distraenti o sovrapposizioni di testo. Ciò lo rende una scelta eccellente per uno slot di immagine inline del blog che richiede una rappresentazione professionale e chiara di Thomas Kurian.

Sul lato analitico, PUMA sta utilizzando le capacità di machine learning di Google Cloud attraverso BigQuery per approfondire l'engagement dei clienti tramite la segmentazione avanzata del pubblico. L'approccio utilizza dati di prima parte per costruire modelli ML personalizzati, generare insight predittivi e attribuire le conversioni in modo più accurato attraverso i touchpoint.

I guadagni di performance riportati da questo lavoro di segmentazione includono un 4.6% increase in conversion rates, 6% increase in AOV, e un 149.8% increase in click-through rates per i primi tre segmenti di pubblico rispetto ad altri obiettivi pubblicitari.

Tecnologie Chiave e Partner per il Creatore AI PUMA

Cosa possono Imparare Altri Brand (Senza Copiare la Maglia)

La storia della maglia è specifica, ma le meccaniche si generalizzano. Se si elimina il contesto calcistico, ciò che rimane è un modello replicabile: creation + feedback + personalization + infrastructure. Ecco le lezioni importanti se si sta pensando all'AI nel commercio.

• Inizia con un caso d'uso a cui le persone tengono: i fan non generano design perché esiste l'AI; lo fanno perché esistono identità e comunità.
• I vincoli di design migliorano gli output: un limite di prompt di 300 caratteri riduce il rumore e rende più chiaro l'intento.
• Rendi la partecipazione sostenibile: crediti + ricompense di voto mantengono gli utenti impegnati dopo il primo "momento wow".
• L'ingegneria è il prodotto: code, scaling ed efficienza GPU decidono se l'esperienza è premium o interrotta.
• Pianifica la governance in anticipo: i sistemi generativi necessitano di moderazione, filtraggio dei prompt e confini brand-safe (soprattutto su scala globale).

Conclusione

Il Creatore AI PUMA è un chiaro esempio di ciò che accade quando l'AI generativa è trattata come più di una novità. PUMA ha utilizzato l'AI per coinvolgere i fan nel processo creativo, ma il vero risultato è stato operativo: l'implementazione di un'esperienza globale, ad alto volume, guidata dall'AI che è rimasta reattiva, misurabile e attenta ai costi. PUMA ha utilizzato l'AI per coinvolgere i fan nel processo creativo, ma il vero risultato è stato operativo: l'implementazione di un'esperienza globale, ad alto volume, guidata dall'AI che è rimasta reattiva, misurabile e attenta ai costi.

In dieci giorni, la campagna ha prodotto un livello di partecipazione (design + valutazioni) che la maggior parte dei brand può solo sognare — e lo ha fatto mettendo in mostra uno stack AI moderno: generazione containerizzata su GKE, prestazioni ottimizzate su GPU Nvidia H100 e personalizzazione tramite Vertex AI. Se questa è la direzione in cui si sta muovendo il retail, la lezione è semplice: il futuro dell'e-commerce non è solo "raccomandazioni". È interaction — e sempre più spesso, co-creation.