A divatbeszerzők régóta az iparág csendes trendalakítói – ők azok, akik még azelőtt felismernek egy vágyat, mielőtt az formát öltene. Most azonban, a szűkülő haszonkulcsok és a pontos előrejelzések iránti igény miatt a mesterséges intelligenciához (MI) fordulnak, hogy megfeleljenek ezeknek a kihívásoknak.

Azáltal, hogy hatalmas adatmennyiségeket dolgoz fel, amelyek korábban elkülönült rendszerekben voltak elzárva – mint például a keresési viselkedés, a kattintási minták, a regionális preferenciák és a termékek teljesítménye a különböző piacokon –, az MI gyorsan túllép az egyszerű értékesítés-előrejelzésen. A beszerzők és merchandiserek szerint az MI most azt változtatja meg, hogyan építik fel, finomhangolják és skálázzák termékkínálatukat, mivel a döntések egyre inkább adatvezéreltté válnak.

Ahelyett, hogy csak a múltbeli eladásokra vagy a megérzéseikre hagyatkoznának, a beszerzők valós idejű jeleket használhatnak arról, hogy a vásárlók mit keresnek, mire kattintanak és mit mentenek el világszerte. "Az MI inkább egy eszköz, amely kiterjeszti a hatókörüket" – mondja Rich Shepherd, a Lyst termékért felelős alelnöke. "A legjobb beszerzők továbbra is az ösztöneikre hagyatkoznak – az MI csak tisztább képet ad arról, hol működhetnek a legjobban ezek az ösztönök."

A luxusmárkáktól a globális e-kereskedelmi platformokig egy új megközelítés kezd kialakulni: MI-alapú ajánlórendszerek és eszközök, amelyek mintákat fedeznek fel az adatokban, miközben emberi beszerzők értelmezik ezeket a felismeréseket és hozzák meg a stratégiai döntéseket. A kettő egyensúlyának megtalálása kulcsfontosságú versenyelőnnyé válik.

Valós idejű keresleti információk

A Tapestry, a Coach, a Kate Spade és a Stuart Weitzman anyavállalata, a színfalak mögött használ MI-t, hogy segítsen a beszerzőknek okosabb döntéseket hozni arról, mit rendeljenek, mennyit tartsanak készleten, és hová küldjék az árut.

"Mindig is tudtuk, hogy a folyamat digitalizálásához és a gyors skálázáshoz ki kell építenünk egy módot az adatok egyszerű megosztására az üzletágon belül" – mondja Fabio Luzzi, a Tapestry vezető adat- és elemzési igazgatója. A vállalat egy központi adatközpontba fektetett be – amit Luzzi "saját adatszövetének" nevez –, ami leegyszerűsíti az ügyfelekkel, helyszínekkel és ellátási láncokkal kapcsolatos adatok modellezését. "Ez megkönnyíti a folyamatok digitalizálását, valamint az MI használatát az értéklánc számos lépésében."

"A legjobb beszerzők továbbra is az ösztöneikre hagyatkoznak – az MI csak tisztább képet ad arról, hol működhetnek a legjobban ezek az ösztönök."

A Coach beszerző csapatai már most is megosztott adatkészleteket használnak a regionális vásárlási minták valós idejű összehasonlítására, módosítva a rendelés mennyiségét és azt, hogy hová küldjék a termékeket, mielőtt azok a boltokba kerülnének. Ezek az információk korábban és pontosabban tárják fel a keresletet, mint a múltbeli eladások egyszerű vizsgálata.

A gyakorlatban ez azt jelenti, hogy egy csapattag megnyithat egy élő, megosztott irányítópultot, amely azt mutatja, hogy egy bizonyos stílus jól fogy az USA délnyugati részén, de nem az északkeleti régióban – ez az információ korábban hetekkel később érkezett meg az értékesítési jelentésekkel. Ez a jel lehetővé teszi számukra, hogy módosítsák a készlet elosztását, mielőtt az véglegesítésre kerülne, ahelyett, hogy a rossz raktárban landolna. Luzzi az MI-t beépített döntéstámogató rendszerként látja a tervezés, a készletgazdálkodás és az árazás terén, felgyorsítva az elemzést és az interakciót, miközben a végtermékkel és a merchandisinggal kapcsolatos döntéseket emberi csapatokra bízza. Szerinte ez időt szabadít fel a beszerzési és merchandising csapatok számára, hogy stratégiaibb munkára összpontosíthassanak.

A Coach-nál a core bőráruk és a szezonális alapvetések – olyan kategóriák, amelyek mögött évek értékesítési adatai állnak – egyre inkább automatizált utánrendelési modelleken keresztül működnek. A rendszer jelzi, mikor kell utánrendelni, boltokra lebontva módosítja a mennyiségeket, és manuális beavatkozás nélkül mozgatja a készletet a régiók között. A megtakarított idő jelentős: azok a kereskedők, akik korábban a beszerzési ciklus nagy részét a kínálat kiszámítható részeinek kezelésével töltötték, most azokra a kategóriákra összpontosíthatnak, ahol az adatok kevésbé adnak bizonyosságot, és az emberi ítélőképesség fontosabb.

Több idő a merchandisingra és a trendekre

A trendvezérelt vagy új termékek esetében más a helyzet. Eladásaik a kulturális időzítéstől, a médiafelhajtástól és a korai jelzésektől függenek, amelyeket a történeti adatok önmagukban még nem képesek előre jelezni. A gyakorlatban ez azt jelenti, hogy a beszerzők kevesebb időt töltenek az ismerős termékekkel kapcsolatos döntésekkel, és több időt a nehezebb kérdéssel: mit akarnak a vásárlók, amiről még nem tudják, hogy akarják – a munka azon részével, amely ízlést igényel, nem csak elemzést – mondja Luis Carvalho, a Farfetch technológiai igazgatója.

"Hiszünk abban, hogy megerősítsük vásárlóink egyéni stílusát, nem pedig diktáljuk azt" – mondja Carvalho. A Farfetch személyre szabó motorja stílusjelek alapján finomítja, hogy a vásárlók mit látnak, nem csupán a népszerűség alapján. "Az MI fejlődése – az adatfeldolgozástól a prediktív modellezésig – segít eligazodni hatalmas információmennyiségekben, és összekapcsolni minden vásárlót a hálózatunk legszemélyre szabottabb termékeivel."

Ezek a fejlesztések magukban foglalják az MI azon képességét, hogy másodpercek alatt feldolgozzon milliárdnyi jelet – mint a keresési viselkedés, kattintási minták, termék metaadatok és regionális vásárlási különbségek – olyan sebességgel, amit az emberi csapatok nem tudnak utolérni. Ahogy az MI képességei nőttek, a Lyst divataggregátor piactér a széles katalógus-rangsorolásról a stílusszintű ajánlásokra váltott, a termékeket ízlés, árérzékenység és alkalom alapján párosítva az egyes vásárlókhoz.

A McQueen koponya sál nemrégiben visszatért a divattrendek közé, miután több hírességen is látták, és Charli XCX is viselt egyet a 2025-ös Glastonbury-i fellépése során.
Fotó: Shoot Digital for Style.com/ Getty Images

"Korábban a merchandising arról szólt, hogy eldöntsük az első hat terméket, amit egy feedben látsz" – mondja Miyon Im, a Lyst terméktervezési és szerkesztőségi alelnöke. "De az MI-vel kifinomultabbá válhatunk – a styling, a szettek, vagy akár az eseményalapú javaslatok terén. Ha az MI segítségével létrehozhatunk valamit, mint egy irodai buli-ajánlást, ahol minden darab jól érzi magát, mert értjük az ízlésed, preferenciáid és árérzékenységed, az a jövő."

A gyakorlatban ez azt jelenti, hogy a Lyst merchandiserei rendszeres adatösszefoglalókat kapnak, beleértve azokat a termékeket, amelyek szokatlanul nagy érdeklődést váltanak ki a keresésekben vagy a mentésekben. Ezután megvizsgálják ezeket a divatkontextus szempontjából, mielőtt bármilyen ajánlást tennének. Amikor az adatok bizonyos színek vagy textúrák kiugrását mutatják, az nem kerül azonnal trendként publikálásra. Egy embernek fel kell tennie a kérdést: miért? Volt egy kifutós pillanat, egy híresség feltűnése, vagy egy kulturális utalás? Csak ezután kerül be a merchandisingba.

Az adatok és az intuíció egyensúlya

A vezetők szerint az MI potenciálja egyelőre strukturális korlátokba ütközik. A gépi tanulási modellek csak annyira megbízhatóak, amennyire az adatok, amelyeken betanították őket, és a divat történelmi torzításai – a méretezés, a reprezentáció, a földrajz és az ízlésbeli hierarchiák terén – könnyen megerősíthetők, nem pedig korrigálhatók. Ha a múltbeli eladások szűk mérettartományokra vagy bizonyos demográfiai csoportokra voltak torzítva, ezek a kizárások nem tűnnek el a gépi tanulási modellekben – felerősödnek. A szakértők szerint az MI még mindig nem képes helyettesíteni azt a kulturális intelligenciát, intuíciót és történetmesélési ösztönt, ami a divatot formálja.

"Az MI itt van, és egy hihetetlen eszköz a munkád fejlesztésére" – mondja Julie Gilhart divattanácsadó, aki 18 évig felügyelte a beszerzési döntéseket a Barneys New York-nál. "De az igazi varázslat az emberi intuícióból fakad – abból az ösztönös érzésből, amit az adatok önmagukban nem tudnak reprodukálni. Azok a márkák, amelyek jól csinálják, hagyják, hogy a kreativitás vezessen, az MI pedig erősítse a víziót, ahelyett, hogy helyettesítené az emberi érintést."

Ahogy a márkák egyre több adatvezérelt eszközt alkalmaznak, Gilhart szerint egy új szerepkör jelenik meg: olyan merchandiserek, akik az elemző jeleket kreatív stratégiákká tudják alakítani. "Kíváncsinak kell lenned" – mondja Shepherd. "Nincs szükséged számítástechnikai háttérre, de meg kell értened, hogyan működik a technológia a felhasználók és partnerek problémáinak megoldásához."

Gyakran Ismételt Kérdések
Itt található egy GYIK lista arról, hogyan alkalmazkodnak a divatbeszerzők és merchandiserek az MI korához



Kezdő Szintű Kérdések



1 Mit csinál pontosan az MI a divatbeszerzésben és merchandisingban

Az MI hatalmas adatmennyiségeket elemez, mint a múltbeli eladások, a közösségi média trendek és az időjárás-előrejelzések, hogy megjósolja, mit fognak vásárolni a vásárlók Segít eldönteni, mennyi készletet rendeljenek, mely stílusokat promotálják, és mikor tegyék leárazásra a termékeket



2 Az MI le fogja váltani a divatbeszerzőket és merchandisereket

Nem Az MI egy eszköz, hogy megkönnyítse a munkájukat, nem pedig hogy lecserélje őket Kezeli az ismétlődő számolási és mintafelismerési feladatokat, felszabadítva a beszerzőket és merchandisereket, hogy a kreatív döntésekre, a beszállítókkal való tárgyalásokra és a márkatörténetek építésére összpontosítsanak



3 Hogyan segít az MI a divattrendek előrejelzésében

Az MI milliónyi képet szkennel be a közösségi médiából, a kifutókról és az utcai stílus fotókról Sokkal gyorsabban azonosítja a felbukkanó színeket, sziluetteket és mintákat, mint egy emberi csapat, ezzel előnyt adva a beszerzőknek a trend-előrejelzésben



4 Mi a fő előnye az MI használatának egy merchandiser számára

A legnagyobb előny a pontosság Az MI képes előre jelezni a keresletet adott méretekre, színekre és boltokra, sokkal kevesebb hulladékkal Ez kevesebb leárazást jelent az eladatlan ruhákon és kevesebb készlethiányt a népszerű termékeken



5 Kell technikai szakértőnek lennem ahhoz, hogy beszerzőként MI-vel dolgozzak

Egyáltalán nem A legtöbb MI eszköz felhasználóbarát irányítópultokkal rendelkezik Tudnod kell, milyen kérdéseket tegyél fel az MI-nek, nem azt, hogyan programozd A kulcskészség az, hogy megtanuld értelmezni az MI ajánlásait, és megbízz bennük a piaci ismereteid alapján



Haladó Szintű Kérdések



6 Hogyan változtatja meg az MI a hagyományos beszerzési naptárt

Az MI lehetővé teszi az agilis beszerzést Ahelyett, hogy minden rendelést hónapokkal előre leadnának, a beszerzők mostantól használhatják az MI-t kis tételek valós idejű tesztelésére, majd azonnal utánrendelhetik a bestsellereket az élő értékesítési adatok alapján Ez a naptárt a merev szezonális kollekciókról egy folyamatos, reagáló új termékáramlásra váltja



7 Segíthet-e az MI a fenntarthatósági célok elérésében a merchandisingban

Igen, jelentősen Az MI optimalizálja a készletszinteket a túltermelés csökkentésére, ami a divatipar legnagyobb hulladékproblémája Azt is megjósolhatja, hogy mely anyagok lesznek