Um dos maiores desafios da moda também é seu mais básico: o caimento. A falta de padronização de tamanhos em toda a indústria leva a roupas que não servem bem e a altas taxas de devolução, o que prejudica a confiança do consumidor, as finanças das marcas e o meio ambiente. Uma pesquisa recente da Vogue Business destaca a escala do problema, chegando em um momento em que as marcas já lidam com uma desaceleração mais ampla nas vendas de luxo. A pesquisa constatou que caimento inadequado (43%) e tamanhos inconsistentes (36%) são os principais motivos pelos quais os consumidores evitam comprar de certas marcas ou varejistas, e o caimento inadequado é a principal causa de devoluções, representando 38%.

Poucos se concentraram tanto no problema de caimento da moda quanto Phoebe Gormley, que fundou a primeira alfaiataria feminina na Savile Row de Londres aos 20 anos. "Por dez anos, ouvi mulheres reclamarem sobre os tamanhos", ela diz à Vogue Business. "Independentemente da idade, orçamento ou de onde compram, todas perguntam a mesma coisa: por que o tamanho é tão ruim? Parece que a indústria da moda perdeu completamente a noção do tamanho das roupas."

Gormley acredita que a IA pode ser a solução. Ela criou o Fit Collective, um sistema operacional de caimento que usa IA para dar às marcas dados de devoluções de clientes, ajudando-as a melhorar a forma como as roupas são feitas com base em insights sobre tamanho e tecido. A startup recentemente garantiu £3 milhões em financiamento pré-seed da AlbionVC, Superscope, True e January Ventures, além de uma bolsa de £324.000 do governo britânico. Gormley diz que os fundos serão usados principalmente para contratar engenheiros e avançar o aprendizado de máquina por trás do Fit Collective. Desde o lançamento no final de 2023, a empresa conquistou 10 clientes, incluindo Rixo, Boden, Ro & Zo, L’Estrange e The Sports Edit (parte da Marks & Spencer), fornecendo dados amplos para analisar onde o tamanho da moda falha.

Por que a Moda Erra no Caimento

Gormley observa que os problemas de tamanho afetam mais as mulheres do que os homens. Enquanto as taxas de devolução masculina ficam em torno de 15%, as femininas podem chegar a 40–50%, dependendo do preço, de acordo com dados do Fit Collective. Para o vestuário feminino de luxo, as devoluções são ainda maiores, cerca de 60%. Essa lacuna se deve em grande parte aos designs de roupas femininas se afastarem mais dos moldes de tamanho originais do que os masculinos, graças a designs mais intrincados e uma variedade maior de tecidos, desde muito leves até altamente elásticos, que distorcem o caimento. Como as marcas baseiam novos tamanhos em peças anteriores, o desvio dos moldes originais aumenta com o tempo.

"No luxo, o problema de devoluções é pior porque os clientes compram menos e pensam com mais cuidado em cada compra", explica Gormley. "Isso significa que as marcas de luxo têm muito menos dados de devolução do que as marcas de massa."

Gormley admite que a captação de recursos para a rodada pré-seed foi difícil, pois a tecnologia de caimento muitas vezes é desprezada pelos investidores devido às muitas ferramentas existentes que não reduziram significativamente as taxas de devolução. As soluções atuais geralmente envolvem escaneamentos corporais por IA que exigem que os clientes enviem fotos ou botões "encontre meu tamanho" que pedem altura, peso e tamanho usual. Ambos os métodos adicionam atrito e demandam muita informação, levando à baixa adoção—apenas 3% dos consumidores usam essas ferramentas entre os clientes do Fit Collective.

Além da necessidade de informação do cliente, o principal desafio para as marcas é a inconsistência no tamanho entre itens diferentes. Por exemplo, Gormley analisou as medidas publicadas de uma marca popular e encontrou uma diferença de 66cm. O painel de software do Fit Collective revela uma variação significativa nas medidas reais de camisas femininas todas rotuladas como tamanho 12 entre os 179 estilos diferentes que ela estoca.

A fundadora Gormley percebeu que, enquanto muitas empresas se concentravam em ferramentas de site para ajudar os clientes a encontrar seu tamanho, poucas abordavam a questão raiz: tamanhos de roupas inconsistentes desde o início. Sua startup visa usar IA para ajudar as marcas a padronizar seus tamanhos.

Marcas, particularmente grandes varejistas, coletam vastas quantidades de dados de compras e devoluções de clientes. Enquanto os dados de vendas frequentemente informam a produção futura, os motivos das devoluções são frequentemente negligenciados. O software do Fit Collective é projetado para analisar esses dados negligenciados, examinando devoluções, comportamento do tecido e inconsistências de tamanho. Ele atua como um "co-piloto" para as marcas, ajudando-as a tomar decisões de tamanho mais inteligentes para melhorar os produtos e reduzir as taxas de devolução.

Oitenta por cento do produto do Fit Collective é um software de backend que permite que as marcas analisem o desempenho de suas roupas. O painel avalia cada produto (SKU) com uma classificação vermelha, âmbar ou verde com base em seu sucesso comercial versus quão bem ele serve. Esta avaliação considera a taxa de venda, taxa de devolução, a perda financeira com devoluções e sua proporção. O software coleta insights sobre caimento e qualidade do tecido a partir de informações de devolução do cliente e sugere onde aplicar esses dados, usando fontes adicionais como registros do fabricante. Ele também prevê como as alterações recomendadas podem afetar as taxas de devolução e a receita.

Para marcas que usam o Shopify, a plataforma se integra facilmente como um aplicativo de um clique, conectando-se via chaves de API a suas outras ferramentas de dados. Vincular dados de transação e devolução é crucial, e dados adicionais como avaliações de clientes podem ser adicionados para insights mais profundos. Marcas que não estão no Shopify podem se conectar através de uma API ao seu data warehouse.

Como uma empresa SaaS, o Fit Collective usa um modelo de assinatura. Os custos são baseados na receita e taxas de devolução de uma marca; por exemplo, uma marca de roupas femininas com receita de US$ 10 milhões pode pagar cerca de £1.000 por mês. O retorno sobre o investimento normalmente se materializa em seis a 12 meses.

A startup também fornece insights voltados para o consumidor nas páginas de produtos, detalhando como uma peça veste. Diferente de ferramentas separadas de "encontre meu tamanho" que exigem etapas extras, esta informação é integrada diretamente na descrição do produto, alcançando todos os compradores. Gormley relata que essas atualizações ajudaram as marcas clientes a recuperar seus custos anuais de contrato em apenas três meses.

Ela reconhece que influenciar a produção é um processo mais lento, levando de seis a 12 meses para novos itens chegarem às prateleiras. No entanto, durante esse tempo, as recomendações de tamanho do consumidor nas páginas de produtos já estão ativas e começando a reduzir as devoluções. "Diminua", ela diz.

À medida que o ChatGPT da OpenAI e o Google se expandem para as compras online, Gormley explica que a parceria da plataforma com o Shopify—que integra o checkout dentro do chatbot—permitirá que esses sistemas de IA usem as recomendações de tamanho da startup. Isso significa que os compradores podem receber conselhos de caimento mais precisos mesmo quando não estão no site de uma marca.

Além disso, o Fit Collective não pretende se aventurar em tecnologia de provador virtual. Em vez disso, Gormley acredita que grandes empresas de tecnologia como a Apple poderiam aprimorar seus aplicativos de medição baseados em câmera para ajudar os usuários a determinar suas medidas corporais. Isso provavelmente seria enquadrado em um contexto de dados de saúde, permitindo que os consumidores atualizassem suas medidas algumas vezes por ano.

"Estou animada com um futuro onde os consumidores tenham suas medidas armazenadas em seus telefones e possam usar o ChatGPT ou o Google shopping para procurar itens como jeans branco", diz Gormley. "Então, com nossa tecnologia integrada aos sites das marcas, a IA será capaz de peneirar milhares de resultados e recomendar as 100 peças com maior probabilidade de servir em você."

Ela aponta que mesmo marcas conhecidas podem ter inconsistências de tamanho, como com jeans.

Por enquanto, Gormley vê uma oportunidade financeira e sustentável significativa para a indústria da moda em ajudar as marcas a produzir os produtos certos. "Se ajudarmos os varejistas a criar itens melhores, as taxas de devolução cairão, permitindo que eles invistam mais na melhoria de seus produtos", ela explica.

Gormley descreve uma "espiral negativa" na qual as marcas estão presas: elas produzem itens rapidamente e a baixo custo, levando a altas taxas de devolução e perdas financeiras. Esse ciclo as deixa com menos capital a cada ano, forçando-as a cortar custos ainda mais na produção.

"Quero que nosso software quebre esse ciclo e o transforme em uma tendência de alta, dando às marcas a confiança para investir em produtos de melhor qualidade com antecedência", afirma Gormley. "Elas farão isso porque terão dados confiáveis mostrando que as roupas servirão melhor aos clientes e, como resultado, não serão devolvidas a uma taxa de 60%."

Mais deste autor:
- Como construir um site de e-commerce que funcione para marcas emergentes
- Influenciadores estão se tornando varejistas. E agora?
- Como as marcas de moda podem acertar nas campanhas de IA?

Perguntas Frequentes
Claro Aqui está uma lista de FAQs úteis e concisas sobre o papel da IA em garantir o caimento adequado da roupa



Perguntas de Definição para Iniciantes



1 Como a IA pode ajudar com o caimento da roupa em primeiro lugar

A IA analisa vastas quantidades de dados—como medidas corporais, propriedades do tecido e feedback do cliente—para prever como uma peça vestirá em diferentes tipos de corpo e sugerir melhorias no design e no tamanho.



2 O que a IA para caimento de roupa realmente significa

Significa usar algoritmos inteligentes de computador para enfrentar o velho problema de tamanhos inconsistentes. Em vez de confiar em tabelas de tamanho genéricas, a IA pode criar recomendações de tamanho personalizadas e ajudar as marcas a projetar roupas com melhor caimento desde o início.



3 Isso é apenas uma tabela de tamanho sofisticada

Não, é muito mais dinâmico. Enquanto uma tabela de tamanho é um guia estático, a IA pode aprender com como pessoas reais com diferentes formatos corporais realmente vestem as roupas, refinando constantemente suas previsões para maior precisão.



Benefícios e Como Ajuda os Compradores



4 Qual é o principal benefício para mim como comprador

O maior benefício é reduzir as devoluções. Você terá mais confiança de que o que pediu online realmente servirá, poupando você do aborrecimento de enviar itens de volta.



5 A IA me dirá que tamanho comprar

Sim. Muitas lojas online agora têm ferramentas de recomendação de tamanho. Você insere sua altura, peso e às vezes outros detalhes, e a IA sugere o melhor tamanho para você naquela marca ou item específico.



6 A IA pode me ajudar a encontrar roupas para o meu formato corporal específico

Absolutamente. A IA avançada pode identificar se você tem formato pêra, maçã ou atlético e recomendar marcas e estilos conhecidos por valorizar essa silhueta, indo além das medidas básicas.



Problemas Comuns e Limitações



7 Qual é o maior desafio para a IA em acertar o caimento

O maior desafio é a falta de padronização de tamanhos em toda a indústria. Um M pode significar coisas diferentes em marcas diferentes, o que confunde tanto os compradores quanto a IA.



8 Eu tenho que compartilhar minhas medidas corporais para isso funcionar

Para os resultados mais precisos, sim. Embora algumas ferramentas possam estimar a partir da altura e do peso, fornecer medidas específicas dá à IA os dados precisos de que precisa para fazer uma recomendação perfeita.



9 A IA pode considerar a preferência de caimento pessoal

Esta é uma área de desenvolvimento ativo. Alguns sistemas estão começando a aprender se você