En av modevärldens största utmaningar är också dess mest grundläggande: passform. Bristen på standardiserade storlekar i branschen leder till dåligt sittande kläder och höga returprocent, vilket skadar konsumenttillit, varumärkenas ekonomi och miljön. En ny undersökning från Vogue Business belyser omfattningen av problemet, precis när varumärken redan hanterar en bredare nedgång i lyxförsäljning. Undersökningen visade att dålig passform (43%) och inkonsekventa storlekar (36%) är huvudorsaker till att konsumenter undviker att köpa från vissa varumärken eller återförsäljare, och dålig passform är den främsta orsaken till returer och står för 38%.

Få har fokuserat på modebranschens passformsproblem lika mycket som Phoebe Gormley, som grundade den första kvinnliga skräddaren på Londons Savile Row vid 20 års ålder. "I tio år har jag hört kvinnor klaga på storlekar", berättar hon för Vogue Business. "Oavsett ålder, budget eller var de handlar frågar alla samma sak: varför är storlekssättningen så dålig? Det verkar som om modebranschen har tappat kontakten helt med klädstorlekar."

Gormley tror att AI kan vara lösningen. Hon skapade Fit Collective, ett passformsoperativsystem som använder AI för att ge varumärken data från kundreturer och hjälper dem att förbättra hur kläder tillverkas baserat på insikter om storlek och tyger. Startupbolaget säkrade nyligen 3 miljoner pund i förfinansiering från AlbionVC, Superseded, True och January Ventures, plus ett statligt bidrag på 324 000 pund från den brittiska regeringen. Gormley säger att medlen främst kommer att gå till att anställa ingenjörer för att utveckla maskininlärningen bakom Fit Collective. Sedan lanseringen i slutet av 2023 har bolaget fått 10 kunder, inklusive Rixo, Boden, Ro & Zo, L’Estrange och The Sports Edit (del av Marks & Spencer), vilket ger rikligt med data att analysera var modebranschens storlekssättning misslyckas.

Varför modebranschen får fel passform

Gormley påpekar att storleksproblem drabbar kvinnor mer än män. Medan mäns returprocent ligger på cirka 15%, kan kvinnors nå 40–50%, beroende på prisnivå, enligt Fit Collectives data. För lyxdamkläder är returprocenten ännu högre, cirka 60%. Denna klyfta beror till stor del på att damkläders design avviker mer från ursprungliga storleksmallar än herrkläder, tack vare mer intrikata designer och ett bredare utbud av tyger, från mycket lätta till högeligen töjbara, vilket förvränger passformen. Eftersom varumärken baserar nya storlekar på tidigare plagg ökar avvikelsen från ursprungliga mallar över tid.

"Inom lyxsegmentet är returproblemet värre eftersom kunder köper mindre och tänker mer noggrant på varje köp", förklarar Gormley. "Det betyder att lyxvarumärken har långt mindre returdata än varumärken i breddmarknaden."

Gormley medger att fundraising till förfinansieringsomgången var tuff, eftersom passteknik ofta ogillas av investerare på grund av de många existerande verktygen som inte har minskat returprocenten märkbart. Nuvarande lösningar involverar vanligtvis AI-kroppsskanningar som kräver att kunder laddar upp foton eller "hitta min storlek"-knappar som frågar efter längd, vikt och vanlig storlek. Båda metoderna skapar friktion och kräver mycket input, vilket leder till låg användning – endast 3% av konsumenterna använder dessa verktyg bland Fit Collectives kunder.

Förutom behovet av kundinput är den största utmaningen för varumärken inkonsekvens i storlekssättning mellan olika plagg. Till exempel analyserade Gormley en publik storleksguide för ett high street-varumärke och upptäckte en 66 cm skillnad i
Fit Collectives programvaruinstrumentpanel avslöjar en betydande variation i de faktiska måtten på damskjortor som alla är märkta som storlek 12 bland de 179 olika stilar den förvarar.

Grundaren Gormley uppmärksammade att medan många företag fokuserade på webbplatsverktyg för att hjälpa kunder hitta sin storlek, var det få som adresserade rotproblemet: inkonsekventa klädstorlekar från början. Hennes startup syftar till att använda AI för att hjälpa varumärken standardisera sin storlekssättning.

Varumärken, särskilt stora återförsäljare, samlar in enorma mängder data från kundköp och returer. Medan försäljningsdata ofta informerar framtida produktion, förbises ofta orsakerna till returer. Fit Collectives programvara är designad för att analysera denna försummade data, granska returer, tygers beteende och storleksinkonsekvenser. Den fungerar som en "medpilot" för varumärken, hjälper dem att fatta smartare beslut om storlekssättning för att förbättra produkter och minska returprocent.

Åttio procent av Fit Collectives produkt är en backend-mjukvara som låter varumärken analysera sina plags prestanda. Instrumentpanelen utvärderar varje produkt (SKU) med ett rött, gult eller grönt betyg baserat på dess kommersiella framgång jämfört med hur bra den passar. Denna bedömning tar hänsyn till genomförsäljningsgrad, returprocent, den ekonomiska förlusten från returer och deras andel. Programvaran samlar insikter om passform och tygkvalitet från kundreturinformation och föreslår var dessa data ska appliceras, med hjälp av ytterligare källor som tillverkarprotokoll. Den förutsäger också hur rekommenderade förändringar kan påverka returprocent och intäkter.

För varumärken som använder Shopify integreras plattformen enkelt som en ettklicksapp, ansluten via API-nycklar till deras andra dataverktyg. Att länka transaktions- och returdata är avgörande, och ytterligare data som kundrecensioner kan läggas till för djupare insikter. Varumärken som inte använder Shopify kan ansluta via ett API till sitt datalager.

Som SaaS-företag använder Fit Collective en prenumerationsmodell. Kostnaderna baseras på ett varumärkes intäkter och returprocent; till exempel kan ett damklädesvarumärke med 10 miljoner dollar i intäkter betala cirka 1000 pund per månad. Avkastningen på investeringen realiseras vanligtvis inom sex till 12 månader.

Startupbolaget tillhandahåller också kundinriktade insikter på produktsidor, med detaljer om hur ett plagg sitter. Till skillnad från separata "hitta min storlek"-verktyg som kräver extra steg, är denna information integrerad direkt i produktbeskrivningen och når alla shoppers. Gormley rapporterar att dessa uppdateringar har hjälpt kundvarumärken att återfå sina årliga avtalskostnader på bara tre månader.

Hon erkänner att påverkan på produktion är en långsammare process, det tar sex till 12 månader för nya varor att nå butikshyllorna. Men under den tiden är konsumenternas storleksrekommendationer på produktsidorna redan aktiva och börjar minska returerna. "Kom ner", säger hon.

När OpenAIs ChatGPT och Google expanderar ytterligare in i onlinehandel, förklarar Gormley att plattformens partnerskap med Shopify – som integrerar kassan i chattroboten – kommer att låta dessa AI-system använda startupbolagets storleksrekommendationer. Det innebär att shoppers kan få mer exakt passformsrådgivning även när de inte är på ett varumärkes webbplats.

Utöver detta avser Fit Collective inte att våga sig in i virtuell provteknologi. Istället tror Gormley att stora teknikföretag som Apple skulle kunna förbättra sina kameralaterade mätappar för att hjälpa användare bestämma sina kroppsmått. Detta skulle sannolikt ramas in i en hälsodatakontext, vilket möjliggör för konsumenter att uppdatera sina mått några gånger per år.

"Jag ser fram emot en framtid där konsumenter har sina mått lagrade på sina telefoner och kan använda ChatGPT eller Google shopping för att söka efter varor som vita jeans", säger Gormley. "Sedan, med vår teknologi integrerad i varumärkeswebbplatser, kommer AI att kunna sålla igenom tusentals resultat och rekommendera de 100 par som mest sannolikt passar dig."

Hon påpekar att även välkända varumärken kan ha inkonsekvenser i storlekssättning, till exempel med jeans.

För nu ser Gormley en betydande finansiell och hållbar möjlighet för modeindustrin i att assistera varumärken att producera rätt produkter. "Om vi hjälper återförsäljare skapa bättre varor kommer returprocenten att sjunka, vilket låter dem investera mer i att förbättra sina produkter", förklarar hon.

Gormley beskriver en "negativ spiral" som varumärken fastnar i: de producerar varor snabbt och billigt, vilket leder till hög returprocent och ekonomiska förluster. Denna cykel lämnar dem med mindre kapital varje år, vilket tvingar dem att skära ner ytterligare på produktionskostnader.

"Jag vill att vår programvara ska bryta den cykeln och vända den till en uppåtgående trend, ge varumärken självförtroende att investera i bättre kvalitetsprodukter i förväg", konstaterar Gormley. "De kommer att göra detta eftersom de har tillförlitlig data som visar att plaggen passar kunder bättre och följaktligen inte returneras i 60% av fallen."

Mer från denna författare:
- Hur bygger man en e-handelssajt som fungerar för nya varumärken
- Influencers förvandlas till återförsäljare. Vad händer nu?
- Hur kan modevarumärken få AI-kampanjer att lyckas?

Vanliga frågor
Självklart! Här är en lista med hjälpsamma och koncisa vanliga frågor om AIs roll i att säkerställa korrekt klädpassform.



Nybörjare - Definitionsfrågor



1 Hur kan AI hjälpa till med klädpassform från första början?

AI analyserar stora mängder data – som kroppsmått, tygegenskaper och kundfeedback – för att förutsäga hur ett plagg kommer att sitta på olika kroppstyper och föreslå förbättringar av designen och storlekssättningen.



2 Vad betyder egentligen AI för klädpassform?

Det innebär att använda smarta datoralgoritmer för att tackla det uråldriga problemet med inkonsekvent storlekssättning. Istället för att förlita sig på generiska storleksguider kan AI skapa personliga storleksrekommendationer och hjälpa varumärken att designa bättre sittande kläder från början.



3 Är detta bara en finurlig storleksguide?

Nej, det är mycket mer dynamiskt. Medan en storleksguide är en statisk handledning, kan AI lära sig av hur riktiga människor med olika kroppsformer faktiskt passar i kläder och ständigt förfina sina förutsägelser för ökad noggrannhet.



Fördelar & Hur det hjälper shoppers



4 Vad är den största fördelen för mig som shopper?

Den största fördelen är att minska returer. Du kommer att vara mer säker på att det du beställer online faktiskt passar, vilket sparar dig besväret med att skicka tillbaka varor.



5 Kommer AI att berätta vilken storlek jag ska köpa?

Ja. Många onlinebutiker har nu storleksrekommendationsverktyg. Du anger din längd, vikt och ibland andra detaljer, och AI föreslår den bästa storleken för dig i det specifika varumärket eller plagget.



6 Kan AI hjälpa mig hitta kläder för min specifika kroppsform?

Absolut. Avancerad AI kan identifiera om du har päronform, äppelform eller atletisk form och rekommendera varumärken och stilar som är kända för att smickra den silhuetten, vilket går längre än bara grundläggande mått.



Vanliga problem & Begränsningar



7 Vad är den största utmaningen för AI att få passformen rätt?

Den största utmaningen är bristen på standardiserad storlekssättning i branschen. En Medium kan betyda olika saker hos olika varumärken, vilket förvirrar både shoppers och AI:n.



8 Måste jag dela med mig av mina kroppsmått för att detta ska fungera?

För de mest exakta resultaten, ja. Medan vissa verktyg kan uppskatta från längd och vikt, ger specifika mått AI:n de exakta data den behöver för att ge ett perfekt förslag.



9 Kan AI ta hänsyn till personliga passformspreferenser?

Detta är ett område under aktiv utveckling. Vissa system börjar lära sig om du