A divatipar egyik legnagyobb kihívása egyben a legalapvetőbb is: a passz. Az iparágban hiányzik a standardizált méretezés, ami rosszul illeszkedő ruhákhoz és magas visszaküldési arányokhoz vezet, ami károsítja a fogyasztói bizalmat, a márkák pénzügyi helyzetét és a környezetet. Egy friss Vogue Business felmérés rávilágít a probléma mértékére, éppen akkor, amikor a márkáknak egyébként is a luxuseladások lassulásával kell szembenézniük. A felmérés szerint a rossz passz (43%) és az inkonzisztens méretezés (36%) a fő ok, amiért a fogyasztók kerülik egyes márkák vagy kiskereskedők vásárlását, és a rosszul illeszkedő ruha a visszaküldések legfőbb oka, 38%-os aránnyal.

Kevesen foglalkoztak annyira a divat passzproblémájával, mint Phoebe Gormley, aki 20 évesen alapította meg London Savile Row-ján az első női szabót. "Tíz éve hallom, hogy a nők a méretezésre panaszkodnak" – mondja a Vogue Businessnek. "Mindegy, hány évesek, mekkora a költségkeretük vagy hol vásárolnak, mind ugyanazt kérdezik: miért ilyen rossz a méretezés? Úgy tűnik, a divatipar teljesen elvesztette a kapcsolatát a ruházati méretekkel."

Gormley szerint a mesterséges intelligencia lehet a megoldás. Létrehozta a Fit Collective-t, egy passz operációs rendszert, amely MI-t használ, hogy a márkáknak adatot szolgáltasson a vásárlói visszaküldésekből, segítve őket a ruhák gyártásának javításában méret- és anyagismeretek alapján. A startup nemrég 3 millió font előzetes finanszírozást szerzett az AlbionVC, Superseded, True és a January Ventures társaságoktól, plusz 324 000 fontos brit kormányzati támogatást. Gormley szerint a pénz főleg mérnökök felvételére fog fordítódni a Fit Collective mögötti gépi tanulás fejlesztése érdekében. A 2023 végén indult cég már 10 ügyfelet szerzett, köztük a Rixo, Boden, Ro & Zo, L’Estrange és The Sports Edit (a Marks & Spencer része) márkákat, ami bőséges adatot biztosít annak elemzésére, hol bukik el a divat méretezése.

Miért hibázik a divat a passzal

Gormley rámutat, hogy a méretproblémák jobban érintik a nőket, mint a férfiakat. Míg a férfiak visszaküldési aránya kb. 15%, addig a nőké elérheti a 40-50%-ot is, az ártól függően, a Fit Collective adatai szerint. A luxus női ruházatnál a visszaküldések még magasabbak, kb. 60%. Ez a különbség nagyrészt annak köszönhető, hogy a női ruhák tervezése jobban eltávolodik az eredeti méretsablonoktól, mint a férfiaké, ami a bonyolultabb designoknak és a szélesebb anyagválasztéknak köszönhető – a nagyon könnyűtől a erősen nyújthatóig –, ami torzítja a passzt. Mivel a márkák az új méreteket korábbi ruhadarabok alapján állítják be, az eredeti sablonoktól való eltérés idővel egyre nagyobb lesz.

"A luxus szektorban súlyosabb a visszaküldési probléma, mert a vásárlók kevesebbet vásárolnak és alaposabban gondolkoznak minden vásárlás előtt" – magyarázza Gormley. "Ez azt jelenti, hogy a luxusmárkáknak jóval kevesebb visszaküldési adatuk van, mint a tömegpiaci márkáknak."

Gormley elismeri, hogy az előzetes finanszírozási kör megszerzése nehézkes volt, mivel a befektetők gyakran nem szeretik a passztechnológiát, hiszen sok létező eszköz sem csökkentette jelentősen a visszaküldési arányokat. A jelenlegi megoldások általában olyan MI testfelvételeket foglalnak magukban, ahol a vásárlóknak fényképeket kell feltölteniük, vagy "találd meg a méretem" gombokat, amelyek magasságot, súlyt és szokásos méretet kérnek. Mindkét módszer plusz erőfeszítést igényel és sok adatmegadást kíván, ami alacsony használati arányt eredményez – a Fit Collective ügyfelei között csak a vásárlók 3%-a használja ezeket az eszközöket.

A vásárlói bemeneten túl a fő kihívás a márkák számára a különböző termékek közötti méreteltérés. Például Gormley elemzett egy nagy áruházlánc nyilvános méretadatait, és 66 cm-es különbséget talált egy női ing tényleges méreteiben, amelyek mindegyikét 12-es méretként jelöltek meg, a 179 különböző stílusú termék között.

A Fit Collective szoftver irányítópultja jelentős eltérést mutat fel azoknak a női ingeknek a tényleges méreteiben, amelyeket mind size 12-es méretként jelöltek meg, a 179 különböző stílusú kínálatában.

Alapító Gormley észrevette, hogy míg sok cég weboldali eszközökre fókuszált, hogy segítsen a vásárlóknak megtalálni a méretüket, kevesen foglalkoztak a gyökérproblémával: a ruhák méretének inkonzisztenciájával már az elejétől. Az ő startupja MI segítségével kívánja segíteni a márkákat a méretezés standardizálásában.

A márkák, különösen a nagy kiskereskedők, hatalmas mennyiségű adatot gyűjtenek a vásárlói vásárlásokból és visszaküldésekből. Míg az értékesítési adatok gyakran alapjául szolgálnak a jövőbeli termelésnek, a visszaküldések okait gyakran figyelmen kívül hagyják. A Fit Collective szoftvere arra készült, hogy elemezze ezt a elhanyagolt adatot, megvizsgálva a visszaküldéseket, az anyagok viselkedését és a méreteltéréseket. Olyan, mint egy "másodpilóta" a márkák számára, segítve őket okosabb méretezési döntések meghozatalában a termékek javítása és a visszaküldési arányok csökkentése érdekében.

A Fit Collective termékének 80%-a egy háttérszoftver, amely lehetővé teszi a márkák számára, hogy elemezzék ruháik teljesítményét. Az irányítópult piros, sárga vagy zöld minősítéssel értékeli minden terméket (SKU) annak kereskedelmi sikere és passzminősége alapján. Ez az értékelés figyelembe veszi az eladási arányt, a visszaküldési arányt, a visszaküldésekből származó pénzügyi veszteséget és azok arányát. A szoftver betekintést nyer a passz és az anyagminőség terén a vásárlói visszaküldési információk alapján, és javasolja, hol alkalmazzák ezeket az adatokat, további források, mint a gyártói naplók felhasználásával. Azt is előrejelezi, hogy a javasolt változtatások hogyan befolyásolhatják a visszaküldési arányt és a bevételt.

A Shopify-t használó márkák számára a platform könnyen integrálható egykattintásos alkalmazásként, API-kulcsokon keresztül kapcsolódva más adateszközeikhez. A tranzakciós és visszaküldési adatok összekapcsolása létfontosságú, és további adatok, mint a vásárlói vélemények is hozzáadhatók a mélyebb elemzés érdekében. A Shopifyn kívüli márkák API-n keresztül csatlakoztathatók saját adattárházukhoz.

SaaS vállalatként a Fit Collective előfizetéses modellt alkalmaz. A költségek a márka bevételén és visszaküldési arányán alapulnak; például egy 10 millió dolláros bevételű női divatmárka havi körülbelül 1000 fontot fizethet. A beruházás megtérülése általában hat-huszonkét hónapon belül materializálódik.

A startup emellett fogyasztóbarát információkat is biztosít a termékoldalakon, részletezve, hogyan illeszkedik egy ruha. A külön "találd meg a méretem" eszközökkel ellentétben, amelyek plusz lépéseket igényelnek, ez az információ közvetlenül a termékleírásba van integrálva, elérve az összes vásárlót. Gormley jelentése szerint ezek a frissítések segítettek az ügyfélmárkáknak, hogy három hónap alatt megtérítsék éves szerződésük költségeit.

Elismeri, hogy a termelés befolyásolása lassabb folyamat, hat-huszonkét hónapot vesz igénybe, amíg az új termékek a polcokra kerülnek. Azonban ezalatt a fogyasztói méretajánlások a termékoldalakon már aktívak és elkezdenek csökkenteni a visszaküldéseket. "Jöjjön le" – mondja.

Ahogy az OpenAI ChatGPT-je és a Google tovább terjeszkedik az online vásárlásban, Gormley elmagyarázza, hogy a platform partnersége a Shopifyval – amely integrálja a fizetést a chatbotba – lehetővé teszi ezeknek az MI rendszereknek, hogy használják a startup méretajánlásait. Ez azt jelenti, hogy a vásárlók pontosabb passztanácsot kaphatnak még akkor is, ha nincsenek a márka weboldalán.

Ezen túlmenően a Fit Collective nem kíván a virtuális próbálási technológiába belevágni. Ehelyett Gormley úgy véli, hogy a nagy techcégek, mint az Apple, fejleszthetik kamerás mérőalkalmazásaikat, hogy segítsék a felhasználókat testméreteik meghatározásában. Ez valószínűleg egészségügyi adatok keretében kerülne bevezetésre, lehetővé téve a fogyasztók számára, hogy évente néhányszor frissítsék méreteiket.

"Lelkesít a jövő, ahol a fogyasztók a telefonjukon tárolják méreteiket, és a ChatGPT vagy a Google shopping segítségével kereshetnek olyan termékeket, mint a fehér farmer" – mondja Gormley. "Aztán, technológiánk integrálásával a márka weboldalakra, az MI képes lesz átválogatni több ezer eredményt és ajánlani azt a 100 párat, amelyik a legvalószínűbb, hogy passzol."

Rámutat, hogy még a jól ismert márkáknál is előfordulhat méreteltérés, például farmereknél.

Egyelőre Gormley jelentős pénzügyi és fenntarthatósági lehetőséget lát a divatipar számában abban, hogy segít a márkáknak a megfelelő termékek előállításában. "Ha segítünk a kiskereskedőknek jobb termékeket létrehozni, a visszaküldési arányok csökkennek, ami lehetővé teszi számukra, hogy többet fektessenek termékeik javításába" – magyarázza.

Gormley egy "negatív spirálról" beszél, amelybe a márkák keveredtek: gyorsan és olcsón gyártanak termékeket, ami magas visszaküldési arányokhoz és pénzügyi veszteségekhez vezet. Ez a ciklus évről évre kevesebb tőkét hagy nekik, kényszerítve őket, hogy tovább csökkentsék költségeiket a termelésben.

"Azt akarom, hogy szoftverünk megtörje ezt a kört és felfelé ívelő tendenciává alakítsa, megadva a márkáknak a magabiztosságot, hogy előre befektessenek a jobb minőségű termékekbe" – állapítja meg Gormley. "Ezt megteszik, mert megbízható adatokkal rendelkeznek arról, hogy a ruhák jobban illeszkednek az ügyfelekre, és ennek eredményeként nem 60%-os arányban fognak visszaküldésre kerülni."

További írások ettől a szerzőtől:
- Hogyan építsünk e-kereskedelmi weboldalat, amely működik a feltörekvő márkák számára
- Az influenszerek kiskereskedőkké válnak. Mi lesz most?
- Hogyan érhetik el a divatmárkák, hogy az MI-kampányaik helyesek legyenek?

Gyakran Ismételt Kérdések
Természetesen! Íme egy lista hasznos és rövid GYIK-k arról, hogyan segíthet a mesterséges intelligencia a megfelelő ruházati passz biztosításában.



Kezdő Definíciós Kérdések



1 Hogyan segíthet egyáltalán a MI a ruházati passzban?

A MI hatalmas mennyiségű adatot elemez – mint testméretek, anyagtulajdonságok és vásárlói visszajelzések –, hogy előrejelezze, hogyan fog egy ruha illeszkedni különböző testtípusokra, és javaslatokat tegyen a design és a méretezés javítására.



2 Mit jelent valójában a MI a ruházati passzhoz?

Azt jelenti, hogy okos számítógépes algoritmusokat használunk a méreteltérés örök problémájának kezelésére. Ahelyett, hogy általános mérettáblázatokra hagyatkoznánk, a MI személyre szabott méretajánlásokat tud készíteni és segíthet a márkáknak, hogy már az elejétől jobb illeszkedésű ruhákat tervezzenek.



3 Ez csak egy divatos mérettá