Jednym z największych wyzwań w modzie jest również jej najbardziej podstawowy aspekt: dopasowanie. Brak ustandaryzowanych rozmiarów w branży prowadzi do niedopasowanych ubrań i wysokich wskaźników zwrotów, co szkodzi zaufaniu konsumentów, finansom marek i środowisku. Niedawne badanie Vogue Business uwidacznia skalę problemu w czasie, gdy marki i tak mierzą się z ogólnym spowolnieniem sprzedaży dóbr luksusowych. Badanie wykazało, że złe dopasowanie (43%) i niespójność rozmiarów (36%) to główne powody, dla których konsumenci unikają zakupów w określonych markach lub sklepach, a niedopasowanie jest główną przyczyną zwrotów, stanowiąc 38%.

Niewielu poświęciło problemowi dopasowania w modzie tyle uwagi, co Phoebe Gormley, która w wieku 20 lat założyła pierwszy krawiecki zakład damski na londyńskiej Savile Row. „Przez dziesięć lat słyszałam, jak kobiety skarżą się na rozmiary” – mówi Vogue Business. „Niezależnie od ich wieku, budżetu czy miejsca zakupów, wszystkie zadają to samo pytanie: dlaczego rozmiary są tak złe? Wydaje się, że branża mody kompletnie straciła kontakt z krojami odzieży”.

Gormley wierzy, że sztuczna inteligencja może być rozwiązaniem. Stworzyła Fit Collective, system operacyjny do dopasowania, który wykorzystuje AI, aby dostarczać markom dane ze zwrotów klientów, pomagając im ulepszać sposób produkcji odzieży w oparciu o dane dotyczące rozmiarów i tkanin. Startup niedawno pozyskał 3 miliony funtów finansowania pre-seed od AlbionVC, Superseded, True i January Ventures, plus dotację w wysokości 324 000 funtów od brytyjskiego rządu. Gormley mówi, że środki te zostaną głównie przeznaczone na zatrudnienie inżynierów w celu rozwoju uczenia maszynowego stojącego za Fit Collective. Od startu pod koniec 2023 roku firma pozyskała 10 klientów, w tym Rixo, Boden, Ro & Zo, L’Estrange i The Sports Edit (część Marks & Spencer), co zapewnia mnóstwo danych do analizy, gdzie zawodzi rozmiarówka w modzie.

Dlaczego moda nie radzi sobie z dopasowaniem

Gormley zauważa, że problemy z rozmiarami dotykają kobiet bardziej niż mężczyzn. Podczas gdy wskaźniki zwrotów dla mężczyzn wynoszą około 15%, dla kobiet mogą sięgać 40–50%, w zależności od ceny, według danych Fit Collective. W przypadku luksusowej odzieży damskiej zwroty są jeszcze wyższe, około 60%. Ta przepaść wynika w dużej mierze z tego, że projekty odzieży damskiej odbiegają bardziej od oryginalnych szablonów rozmiarów niż odzież męska, ze względu na bardziej skomplikowane fasony i szerszą gamę tkanin, od bardzo lekkich po wysoce rozciągliwe, co zniekształca dopasowanie. Ponieważ marki bazują nowe rozmiary na poprzednich modelach ubrań, odchylenie od oryginalnych szablonów z czasem narasta.

„W segmencie luksusowym problem zwrotów jest gorszy, ponieważ klienci kupują mniej i bardziej starannie przemyślają każdy zakup” – wyjaśnia Gormley. „Oznacza to, że marki luksusowe mają znacznie mniej danych o zwrotach niż marki masowe”.

Gormley przyznaje, że pozyskiwanie funduszy w rundzie pre-seed było trudne, ponieważ inwestorzy często nie lubią technologii dopasowania z powodu wielu istniejących narzędzi, które nie zmniejszyły znacząco wskaźników zwrotów. Obecne rozwiązania zazwyczaj obejmują skanowanie ciała za pomocą AI, które wymaga od klientów przesyłania zdjęć, lub przyciski „znajdź mój rozmiar” proszące o podanie wzrostu, wagi i typowego rozmiaru. Obie metody wprowadzają utrudnienia i wymagają dużego wkładu danych, prowadząc do niskiego wskaźnika adopcji – tylko 3% konsumentów używa tych narzędzi wśród klientów Fit Collective.

Poza koniecznością pozyskiwania danych od klientów, głównym wyzwaniem dla marek jest niespójność rozmiarów między różnymi modelami. Na przykład, Gormley przeanalizowała opublikowane wymiary jednej marki sieciowej i odkryła różnicę 66 cm w
pulpicie programowym Fit Collective ujawnia znaczną rozbieżność w rzeczywistych wymiarach damskich koszul oznaczonych jako rozmiar 12 wśród 179 różnych fasonów, które firma posiada w ofercie.

Założycielka Gormley zauważyła, że podczas gdy wiele firm koncentrowało się na narzędziach internetowych pomagających klientom znaleźć ich rozmiar, niewiele zajmowało się podstawowym problemem: niespójnymi rozmiarami odzieży od samego początku. Jej startup ma na celu wykorzystanie AI do pomocy markom w ustandaryzowaniu ich rozmiarówek.

Marki, szczególnie duże sieci handlowe, zbierają ogromne ilości danych z zakupów i zwrotów klientów. Podczas gdy dane sprzedażowe często wpływają na przyszłą produkcję, przyczyny zwrotów są często pomijane. Oprogramowanie Fit Collective zostało zaprojektowane do analizy tych zaniedbanych danych, badając zwroty, zachowanie tkanin i niespójności rozmiarów. Działa jako „współpilot” dla marek, pomagając im podejmować mądrzejsze decyzje dotyczące rozmiarów, aby ulepszyć produkty i zmniejszyć wskaźniki zwrotów.

Osiemdziesiąt procent produktu Fit Collective to oprogramowanie backendowe, które pozwala markom analizować wyniki ich wyrobów odzieżowych. Pulpit ocenia każdy produkt (SKU) z oznaczeniem czerwonym, bursztynowym lub zielonym na podstawie jego sukcesu komercyjnego versus tego, jak dobrze się dopasowuje. Ocena ta uwzględnia wskaźnik sprzedaży, wskaźnik zwrotów, stratę finansową z tytułu zwrotów i ich proporcję. Oprogramowanie zbiera informacje o dopasowaniu i jakości tkanin z danych o zwrotach klientów i sugeruje, gdzie zastosować te dane, wykorzystując dodatkowe źródła, takie jak dzienniki producenta. Przewiduje również, jak rekomendowane zmiany mogą wpłynąć na wskaźniki zwrotów i przychody.

Dla marek korzystających z Shopify, platforma integruje się łatwo jako aplikacja jednoklikowa, łącząc się za pomocą kluczy API z ich innymi narzędziami danych. Połączenie danych transakcyjnych i zwrotów jest kluczowe, a dodatkowe dane, takie jak recenzje klientów, można dodać dla głębszych insightów. Marki niekorzystające z Shopify mogą połączyć się przez API z ich magazynem danych.

Jako firma SaaS, Fit Collective używa modelu subskrypcyjnego. Koszty są oparte na przychodach marki i wskaźnikach zwrotów; na przykład, marka odzieży damskiej z przychodem 10 milionów dolarów może płacić około 1000 funtów miesięcznie. Zwrot z inwestycji zazwyczaj materializuje się w ciągu sześciu do 12 miesięcy.

Startup dostarcza także konsumenckie informacje na stronach produktowych, szczegółowo opisując, jak dany model się układa. W przeciwieństwie do oddzielnych narzędzi „znajdź mój rozmiar”, które wymagają dodatkowych kroków, ta informacja jest zintegrowana bezpośrednio z opisem produktu, docierając do wszystkich kupujących. Gormley raportuje, że te aktualizacje pomogły markom klientów odzyskać roczne koszty umowy w zaledwie trzy miesiące.

Przyznaje, że wpływanie na produkcję jest procesem wolniejszym, zajmującym sześć do 12 miesięcy, zanim nowe produkty trafią na półki. Jednak w tym czasie konsumenckie rekomendacje rozmiarów na stronach produktowych są już aktywne i zaczynają redukować zwroty. „Spadają”, mówi.

W miarę jak OpenAI's ChatGPT i Google poszerzają swoją obecność w zakupach online, Gormley wyjaśnia, że partnerstwo platformy z Shopify – które integruje płatności w obrębie chatbota – pozwoli tym systemom AI korzystać z rekomendacji rozmiarów startupu. Oznacza to, że kupujący mogą otrzymywać dokładniejsze porady dotyczące dopasowania, nawet gdy nie są na stronie internetowej marki.

Poza tym, Fit Collective nie zamierza wkraczać w technologię wirtualnego przymierzania. Zamiast tego, Gormley wierzy, że duże firmy technologiczne, takie jak Apple, mogłyby ulepszyć swoje aplikacje do pomiarów oparte na kamerze, aby pomóc użytkownikom określić wymiary ciała. Prawdopodobnie zostałoby to ujęte w kontekście danych zdrowotnych, umożliwiając konsumentom aktualizowanie swoich wymiarów kilka razy w roku.

„Ekscytuje mnie wizja przyszłości, w której konsumenci mają swoje wymiary zapisane w telefonach i mogą używać ChatGPT lub Google shopping do wyszukiwania przedmiotów, takich jak białe dżinsy” – mówi Gormley. „Następnie, z naszą technologią zintegrowaną w stronach internetowych marek, AI będzie mogła przejrzeć tysiące wyników i zarekomendować 100 par, które najprawdopodobniej będą Ci pasować”.

Wskazuje, że nawet znane marki mogą mieć niespójności w rozmiarówce, na przykład w przypadku dżinsów.

Na razie Gormley widzi znaczną finansową i zrównoważoną szansę dla branży mody w pomaganiu markom w produkowaniu właściwych produktów. „Jeśli pomożemy sprzedawcom tworzyć lepsze produkty, wskaźniki zwrotów spadną, pozwalając im inwestować więcej w ulepszanie swoich wyrobów” – wyjaśnia.

Gormley opisuje „błędne koło”, w jakim tkwią marki: produkują szybko i tanio, co prowadzi do wysokich wskaźników zwrotów i strat finansowych. Ten cykl pozostawia je z mniejszym kapitałem każdego roku, zmuszając do dalszego cięcia kosztów produkcji.

„Chcę, aby nasze oprogramowanie przełamało ten cykl i zamieniło go w trend wzrostowy, dając markom pewność siebie, by inwestować z wyprzedzeniem w produkty lepszej jakości” – stwierdza Gormley. „Zrobią to, ponieważ będą miały wiarygodne dane pokazujące, że odzież będzie lepiej pasować klientom i w rezultacie nie będzie zwracana w 60%”.

Więcej od tego autora:
- Jak zbudować stronę e-commerce, która działa dla wschodzących marek
- Influencerzy zamieniają się w sprzedawców detalicznych. Co teraz?
- Jak marki modowe mogą dobrze przeprowadzać kampanie AI?

Często Zadawane Pytania
Oczywiście Oto lista pomocnych i zwięzłych FAQ na temat roli AI w zapewnianiu właściwego dopasowania odzieży



Początkujący Pytania Definiujące



1 Jak w ogóle AI może pomóc z dopasowaniem odzieży

AI analizuje ogromne ilości danych, takich jak wymiary ciała, właściwości tkanin i opinie klientów, aby przewidzieć, jak dany model będzie pasować na różne typy sylwetek i sugerować ulepszenia w projekcie i rozmiarówce.



2 Co właściwie oznacza AI dla dopasowania odzieży

Oznacza to użycie inteligentnych algorytmów komputerowych do rozwiązania odwiecznego problemu niespójnej rozmiarówki. Zamiast polegać na ogólnych tabelach rozmiarów, AI może tworzyć spersonalizowane rekomendacje rozmiarów i pomagać markom projektować od początku lepiej dopasowane ubrania.



3 Czy to tylko fantazyjna tabela rozmiarów

Nie, to coś znacznie bardziej dynamicznego. Podczas gdy tabela rozmiarów jest statycznym przewodnikiem, AI może uczyć się na podstawie tego, jak prawdziwi ludzie o różnych kształtach ciała fakcie pasują w ubrania, stale udoskonalając swoje przewidywania dla dokładności.



Korzyści Jak to pomaga kupującym



4 Jaka jest główna korzyść dla mnie jako kupującego

Największą korzyścią jest redukcja zwrotów. Będziesz bardziej pewny, że to, co zamówisz online, faktycznie będzie pasować, oszczędzając sobie kłopotu z odsyłaniem przedmiotów.



5 Czy AI powie mi, jaki rozmiar kupić

Tak. Wiele sklepów online ma teraz narzędzia rekomendacji rozmiarów. Podajesz swój wzrost, wagę, a czasem inne szczegóły, a AI sugeruje najlepszy dla Ciebie rozmiar w danej marce lub modelu.



6 Czy AI może pomóc mi znaleźć ubrania dla mojej konkretnej sylwetki

Absolutnie. Zaawansowana AI może zidentyfikować, czy masz sylwetkę gruszkę, jabłko czy typ sportowy, i zarekomendować marki oraz fasony, o których wiadomo, że flatterują tę sylwetkę, wykraczając poza podstawowe wymiary.



Typowe Problemy Ograniczenia



7 Jakie jest największe wyzwanie dla AI w prawidłowym dopasowaniu

Największym wyzwaniem jest brak ustandaryzowanej rozmiarówki w branży. Medium może oznaczać co innego w różnych markach, co myli zarówno kupujących, jak i AI.



8 Czy muszę udostępniać swoje wymiary ciała, żeby to działało

Dla najdokładniejszych wyników, tak. Podczas gdy niektóre narzędzia mogą szacować na podstawie wzrostu i wagi, podanie konkretnych wymiarów daje AI precyzyjne dane, których potrzebuje, aby dać idealną rekomendację.



9 Czy AI uwzględnia osobiste preferencje dopasowania

To obszar aktywnego rozwoju. Niektóre systemy zaczynają się uczyć, czy preferujesz