En av motens største utfordringer er også dens mest grunnleggende: passform. Mangelen på standardiserte størrelser i bransjen fører til dårlig passform og høye returprosenter, noe som skader forbrukertillit, merkevarenes økonomi og miljøet. En nylig undersøkelse fra Vogue Business understreker omfanget av problemet, på et tidspunkt der merkevarer allerede håndterer en bred nedgang i luksussalg. Undersøkelsen viste at dårlig passform (43 %) og inkonsistente størlser (36 %) er viktige grunner til at forbrukere unngår å kjøpe fra visse merkevarer eller detaljister, og dårlig passform er den viktigste årsaken til returer, med 38 %.

Få har fokusert på motens passformsproblem like mye som Phoebe Gormley, som grunnla den første kvinnelige skredderen på Londons Savile Row i en alder av 20 år. «I ti år har jeg hørt kvinner klage på størrelser,» forteller hun til Vogue Business. «Uansett alder, budsjett eller hvor de handler, spør alle det samme: hvorfor er størrelsene så dårlige? Det virker som om motebransjen har mistet kontakten med plaggstørrelser helt.»

Gormley mener AI kan være løsningen. Hun skapte Fit Collective, et passform-operativsystem som bruker AI for å gi merkevarer data fra kunderetur, og hjelper dem med å forbedre hvordan klær lages basert på innsikt i størrelse og stoff. Oppstartsbedriften sikret nylig 3 millioner pund i forhåndsfinansiering fra AlbionVC, Superseded, True og January Ventures, pluss et statlig tilskudd på 324 000 pund fra den britiske regjeringen. Gormley sier midlene hovedsakelig vil gå til å ansette ingeniører for å videreutvikle maskinlæringen bak Fit Collective. Siden lanseringen i slutten av 2023 har selskapet fått 10 klienter, inkludert Rixo, Boden, Ro & Zo, L’Estrange og The Sports Edit (en del av Marks & Spencer), noe som gir rikelig med data for å analysere hvor motens størrelser svikter.

**Hvorfor moten bommer på passform**

Gormley påpeker at størrelsesproblemer påvirker kvinner mer enn menn. Mens returprosenten for menn er rundt 15 %, kan den for kvinner nå 40–50 %, avhengig av prisnivå, ifølge Fit Collectives data. For luksusdameklær er returene enda høyere, på omtrent 60 %. Denne forskjellen skyldes i stor grad at dameklær designes lenger unna originale størrelsemaler enn herreklær, takket være mer intrikate design og et større utvalg stoffer, fra svært lette til høyst elastiske, som forvrenger passformen. Ettersom merkevarer baserer nye størrelser på tidligere plagg, øker avviket fra de originale malene over tid.

«Innen luksus er returproblemet verre fordi kunder kjøper mindre og tenker mer nøye over hvert kjøp,» forklarer Gormley. «Dette betyr at luksusmerkevarer har mye mindre returdata enn merkevarer for massemarkedet.»

Gormley innrømmer at innsamling av midler til forhåndsrunden var vanskelig, ettersom passteknologi ofte mislikes av investorer på grunn av de mange eksisterende verktøyene som ikke har redusert returprosentene betydelig. Nåværende løsninger involverer vanligvis AI-kroppsskanninger som krever at kunder laster opp bilder eller «finn min størrelse»-knapper som spør om høyde, vekt og vanlig størrelse. Begge metodene skaper friksjon og krever mye innspill, noe som fører til lav adopjon – bare 3 % av forbrukerne bruker disse verktøyene blant Fit Collectives klienter.

Utover behovet for kundeinnspill er hovedutfordringen for merkevarer inkonsistens i størrelser på tvers av ulike varer. For eksempel analyserte Gormley en publikasjon fra et high street-merke og fant en forskjell på 66 cm i de faktiske målene for dameskjorter som alle var merket som størrelse 12 på tvers av de 179 stilene de fører.

Gründer Gormley la merke til at mens mange selskaper fokuserte på nettstedverktøy for å hjelpe kunder med å finne størrelsen sin, var det få som adresserte rotproblemet: inkonsistente klestørrelser fra starten. Hennes oppstartsbedrift tar sikte på å bruke AI for å hjelpe merkevarer med å standardisere størrelsene sine.

Merkevarer, spesielt store detaljister, samler inn store mengder data fra kjøp og returer fra kunder. Mens salgsdata ofte informerer fremtidig produksjon, blir årsakene til returer ofte oversett. Fit Collectives programvare er designet for å analysere denne oversette dataen, gjennomgå returer, stoffatferd og størrelsesinkonsistenser. Den fungerer som en «co-pilot» for merkevarer, hjelper dem med å ta smartere størrelsesbeslutninger for å forbedre produktene og redusere returprosenten.

Åtti prosent av Fit Collectives produkt er en backend-programvare som lar merkevarer analysere ytelsen til klærne sine. Dashbordet vurderer hvert produkt (SKU) med en rød, gul eller grønn vurdering basert på dens kommersielle suksess versus hvor godt den passer. Denne vurderingen tar hensyn til gjennomføringsgraden, returprosenten, det økonomiske tapet fra returer og deres andel. Programvaren samler innsikt om passform og stoffkvalitet fra kunders returinformasjon og foreslår hvor disse dataene skal brukes, ved hjelp av tilleggskilder som produsentlogger. Den spår også hvordan anbefalte endringer kan påvirke returprosenter og inntekter.

For merkevarer som bruker Shopify, integreres plattformen enkelt som en ettklikks-app, og kobler seg til via API-nøkler til deres andre dataverktøy. Å koble transaksjons- og returdata er avgjørende, og tilleggsdata som kundeanmeldelser kan legges til for dypere innsikt. Merkevarer som ikke er på Shopify kan koble seg til via en API til datalageret deres.

Som et SaaS-selskap bruker Fit Collective en abonnementsmodell. Kostnadene er basert på en merkevares inntekter og returprosenter; for eksempel kan et dameklesmerke med 10 millioner dollar i inntekt betale rundt 1000 pund per måned. Avkastningen på investeringen materialiseres vanligvis innen seks til 12 måneder.

Oppstartsbedriften gir også forbrukerrettet innsikt på produktsider, med detaljer om hvordan et plagg passer. I motsetning til separate «finn min størrelse»-verktøy som krever ekstra trinn, er denne informasjonen integrert direkte i produktbeskrivelsen, og når alle shoppere. Gormley rapporterer at disse oppdateringene har hjulpet klientmerker med å dekke sine årlige kontraktskostnader på bare tre måneder.

Hun erkjenner at det å påvirke produksjonen er en tregere prosess, og tar seks til 12 måneder før nye varer kommer i butikkhyllene. Men i løpet av den tiden er forbrukernes størrelsesanbefalinger på produktsidene allerede aktive og begynner å redusere returer. «Kom ned,» sier hun.

Ettersom OpenAIs ChatGPT og Google utvider seg videre inn i netthandel, forklarer Gormley at plattformens partnerskap med Shopify – som integrerer kassen i chatboten – vil tillate disse AI-systemene å bruke oppstartsbedriftens størrelsesanbefalinger. Dette betyr at shoppere kan få mer nøyaktig passformråd selv når de ikke er på en merkevares nettside.

Utover dette har ikke Fit Collective til hensikt å våge seg inn i virtuell prøveteknologi. I stedet mener Gormley at store teknologiselskaper som Apple kunne forbedre sine kamera-baserte måleapper for å hjelpe brukere med å bestemme kroppsmålene sine. Dette vil sannsynligvis bli innrammet innen en helsedatakontekst, slik at forbrukere kan oppdatere målene sine noen ganger i året.

«Jeg er spent på en fremtid der forbrukere har målene sine lagret på telefonen og kan bruke ChatGPT eller Google-shopping til å søke etter varer som hvite jeans,» sier Gormley. «Deretter, med vår teknologi integrert i merkevarenes nettsider, vil AI kunne sile gjennom tusenvis av resultater og anbefale de 100 parene som mest sannsynlig vil passe deg.»

Hun påpeker at selv velkjente merkevarer kan ha inkonsistenser i størrelser, for eksempel med jeans.

Foreløpig ser Gormley en betydelig finansielt og bærekraftig mulighet for motebransjen i å hjelpe merkevarer med å produsere de riktige produktene. «Hvis vi hjelper detaljister med å skape bedre varer, vil returprosentene falle, noe som lar dem investere mer i å forbedre produktene sine,» forklarer hun.

Gormley beskriver en «negativ spiral» som merkevarer er fanget i: de produserer varer raskt og billig, noe som fører til høye returprosenter og økonomiske tap. Denne syklusen etterlater dem med mindre kapital hvert år, noe som tvinger dem til å kutte kostnadene ytterligere i produksjonen.

«Jeg vil at programvaren vår skal bryte den syklusen og gjøre den til en oppadgående trend, og gi merkevarer selvtillit til å investere i bedre kvalitetsprodukter på forhånd,» sier Gormley. «De vil gjøre dette fordi de har pålitelige data som viser at klærne vil passe kundene bedre og som et resultat ikke vil bli returnert med 60 % sannsynlighet.»

Mer fra denne forfatteren:
- Hvordan bygge en nettside for e-handel som fungerer for nye merkevarer
- Influencere blir til detaljister. Hva nå?
- Hvordan kan motemerker få AI-kampanjer til å lykkes?

**Ofte stilte spørsmål**

Selvfølgelig. Her er en liste over nyttige og konsise vanlige spørsmål om AIs rolle i å sikre riktig klærpassform.

**Begynner / Definisjonsspørsmål**

1. Hvordan kan AI hjelpe med klærpassform i utgangspunktet?
AI analyserer store mengder data – som kroppsmål, stoffegenskaper og kundetilbakemeldinger – for å forutsi hvordan et plagg vil passe forskjellige kroppstyper og foreslå forbedringer i design og størrelser.

2. Hva betyr egentlig AI for klærpassform?
Det betyr å bruke smarte datamaskinalgoritmer for å takle det eldgamle problemet med inkonsistente størrelser. I stedet for å stole på generiske størrelsestabeller, kan AI skape personaliserte størrelsesanbefalinger og hjelpe merkevarer med å designe bedre passende klær fra starten.

3. Er dette bare en fancy størrelsestabell?
Nei, den er mye mer dynamisk. Mens en størrelsestabell er en statisk guide, kan AI lære av hvordan virkelige mennesker med forskjellige kroppsformer faktisk passer i klær, og stadig forbedre sine spådommer for nøyaktighet.

**Fordeler / Hvordan det hjelper shoppere**

4. Hva er hovedfordelen for meg som shopper?
Den største fordelen er å redusere returer. Du vil være mer trygg på at det du bestiller på nettet faktisk vil passe, og spare deg for bryet med å sende varer tilbake.

5. Vil AI fortelle meg hvilken størrelse jeg skal kjøpe?
Ja. Mange nettbutikker har nå størrelsesanbefalingsverktøy. Du oppgir høyde, vekt og noen ganger andre detaljer, og AI foreslår den beste størrelsen for deg i det spesifikke merket eller varen.

6. Kan AI hjelpe meg med å finne klær for min spesifikke kroppsform?
Absolutt. Avansert AI kan identifisere om du har pære-, eple- eller atletisk form og anbefale merker og stiler som er kjent for å flattere den silhuetten, utover bare grunnleggende mål.

**Vanlige problemer / Begrensninger**

7. Hva er den største utfordringen for AI med å få passform riktig?
Den største utfordringen er mangelen på standardiserte størrelser i bransjen. En Medium kan bety forskjellige ting hos forskjellige merkevarer, noe som forvirrer både shoppere og AI.

8. Må jeg dele kroppsmålene mine for at dette skal fungere?
For de mest nøyaktige resultatene, ja. Mens noen verktøy kan estimere fra høyde og vekt, gir spesifikke mål AI de presise dataene den trenger for å gi en perfekt anbefaling.

9. Kan AI ta hensyn til personlige passformpreferanser?
Dette er et område under aktiv utvikling. Noen systemer begynner å lære om du foretrekker løs eller tettsittende passform, men de fleste fokuserer foreløpig på objektiv passform basert på mål.