En af modemikkens største udfordringer er også den mest basale: pasform. Mangel på standardiserede størrelser i branchen fører til dårligt sidende tøj og høje returneringsrater, som skader forbrugernes tillid, brandenes økonomi og miljøet. En nylig undersøgelse fra Vogue Business understreger omfanget af problemet på et tidspunkt, hvor brands allerede kæmper med en generel nedgang i luksusforbruget. Undersøgelsen viste, at dårlig pasform (43%) og inkonsistent størrelsesguide (36%) er hovedårsager til, at forbrugere undgår at købe fra visse brands eller detailhandlere, og dårlig pasform er den førende årsag til returneringer, der står for 38%.

Få har fokuseret på modemikkens pasformsproblem så meget som Phoebe Gormley, som grundlagde den første dameskrædder på Londons Savile Row som 20-årig. "I ti år har jeg hørt kvinder klage over størrelser," fortæller hun Vogue Business. "Uanset deres alder, budget eller hvor de handler, spørger de alle om det samme: hvorfor er størrelser så dårlige? Det virker som om modemikkens branche har mistet fuldstændig kontakten med tøjstørrelser."

Gormley mener, at AI kunne være løsningen. Hun skabte Fit Collective, et pasforms-operativsystem, der bruger AI til at give brands data fra kunders returneringer og hjælper dem med at forbedre, hvordan tøj produceres baseret på indsigter om størrelser og stof. Startup'en har for nylig sikret sig 3 millioner pund i pre-seed-finansiering fra AlbionVC, Superseded, True og January Ventures, plus et statstilskud på 324.000 pund fra den britiske regering. Gormley siger, at midlerne hovedsageligt vil gå til at ansætte ingeniører for at fremme den maskinlæring, der ligger bag Fit Collective. Siden lanceringen i slutningen af 2023 har virksomheden fået 10 kunder, herunder Rixo, Boden, Ro & Zo, L’Estrange og The Sports Edit (en del af Marks & Spencer), hvilket giver masser af data at analysere for at finde ud af, hvor modemikkens størrelser svigter.

**Hvorfor modemikken tager fejl af pasformen**

Gormley bemærker, at størrelsesproblemer rammer kvinder hårdere end mænd. Mens mænds returneringsrater ligger på omkring 15%, kan kvinders nå 40-50% afhængigt af prisleje, ifølge Fit Collectives data. For luksus-dametøj er returneringer endnu højere, omkring 60%. Denne forskel skyldes i høj grad, at dametøjsdesigns afviger længere fra de oprindelige størrelsesskabeloner end herretøj, takket være mere indviklede designs og en bredere vifte af stoffer, fra meget lette til højt elastiske, som forvrider pasformen. Eftersom brands baserer nye størrelser på tidligere plagg, vokser afvigelsen fra de oprindelige skabeloner over tid.

"I luksusbranchen er returneringsproblemet værre, fordi kunderne køber mindre og tanker mere omhyggeligt over hvert køb," forklarer Gormley. "Det betyder, at luksusbrands har langt mindre returneringsdata end brands i massemarkedet."

Gormley indrømmer, at indsamlingen af midler til pre-seed-runden var hård, da pasformsteknologi ofte er upopulær hos investorer på grund af de mange eksisterende værktøjer, der ikke har reduceret returneringsraterne markant. Nuværende løsninger involverer typisk AI-kropsscanninger, der kræver, at kunder uploader fotos, eller "find min størrelse"-knapper, der spørger om højde, vægt og typisk størrelse. Begge metoder skaber besvær og kræver meget input, hvilket fører til lav adoption – kun 3% af forbrugerne bruger disse værktøjer blandt Fit Collectives kunder.

Ud over behovet for kundeinput er den største udfordring for brands uoverensstemmelse i størrelser på tværs af forskellige varer. For eksempel analyserede Gormley en high street-brands offentliggjorte mål og fandt en forskel på 66 cm i de faktiske mål for dameskjorter, der alle var mærket som størrelse 12, på tværs af de 179 forskellige modeller, den fører.

Grundlæggeren Gormley bemærkede, at mens mange virksomheder fokuserede på værktøjer til hjemmesider for at hjælpe kunder med at finde deres størrelse, var der få, der adresserede rodproblemet: inkonsistent tøjstørrelser fra starten. Hendes startup sigter mod at bruge AI til at hjælpe brands med at standardisere deres størrelser.

Brands, især store detailhandlere, indsamler store mængder data fra kunders køb og returneringer. Mens salgsdata ofte informerer fremtidig produktion, overses årsagerne til returneringer ofte. Fit Collectives software er designet til at analysere disse oversete data, undersøge returneringer, stoffers opførsel og størrelsesuoverensstemmelser. Den fungerer som en "co-pilot" for brands og hjælper dem med at træffe klogere beslutninger om størrelser for at forbedre produkter og reducere returneringsrater.

Firs procent af Fit Collectives produkt er en backend-software, der tillader brands at analysere deres plaggers præstation. Dashboardet vurderer hvert produkt (SKU) med en rød, gul eller grøn vurdering baseret på dets kommercielle succes versus hvor godt det passer. Denne vurdering tager højde for gennemførselsraten, returneringsraten, det økonomiske tab fra returneringer og deres andel. Softwaren indsamler indsigter om pasform og stofkvalitet fra kunders returneringsoplysninger og foreslår, hvor disse data skal anvendes, ved hjælp af yderligere kilder som producentlogbøger. Den forudsiger også, hvordan anbefalede ændringer kan påvirke returneringsrater og omsætning.

For brands, der bruger Shopify, integreres platformen let som en one-click-app og forbinder via API-nøgler til deres andre dataværktøjer. At forbinde transaktions- og returneringsdata er afgørende, og yderligere data som kundeanmeldelser kan tilføjes for dybere indsigter. Brands, der ikke er på Shopify, kan forbinde via en API til deres datalager.

Som en SaaS-virksomhed bruger Fit Collective en abonnementsmodel. Omkostningerne er baseret på et brands omsætning og returneringsrater; for eksempel kan et dametøjsbrand med en omsætning på 10 millioner dollars betale omkring 1.000 pund om måneden. Afkastet på investeringen opnås typisk inden for seks til 12 måneder.

Startup'en giver også forbrugervenlige indsigter på produktsider, der detaljerer, hvordan et plagg sidder. I modsætning til separate "find min størrelse"-værktøjer, der kræver ekstra trin, er denne information integreret direkte i produktbeskrivelsen og når alle shoppere. Gormley rapporterer, at disse opdateringer har hjulpet kundebrands med at indhente deres årlige kontraktsomkostninger på blot tre måneder.

Hun anerkender, at påvirkning af produktionen er en langsommere proces, der tager seks til 12 måneder for nye varer at nå butikshylderne. Men i den periode er forbrugerstørrelsesanbefalingerne på produktsiderne allerede aktive og begynder at reducere returneringer. "Det går nedad," siger hun.

Eftersom OpenAIs ChatGPT og Google udvider yderligere ind i onlinehandel, forklarer Gormley, at platformens partnerskab med Shopify – som integrerer betaling i chatbotten – vil tillade disse AI-systemer at bruge startup'ens størrelsesanbefalinger. Det betyder, at shoppere kan modtage mere præcis pasformsrådgivning, selv when de ikke er på et brands hjemmeside.

Ud over dette har Fit Collective ikke til hensigt at vove sig ind i virtual try-on-teknologi. I stedet mener Gormley, at store techfirmaer som Apple kunne forbedre deres kamera-baserede måleapps for at hjælpe brugerne med at bestemme deres kropsmål. Dette vil sandsynligvis være indrammet i en sundhedsdatakontekst, hvilket gør det muligt for forbrugerne at opdatere deres mål et par gange om året.

"Jeg er spændt på en fremtid, hvor forbrugerne har deres mål gemt på deres telefoner og kan bruge ChatGPT eller Google shopping til at søge efter varer som hvide jeans," siger Gormley. "Så, med vores teknologi integreret i brandhjemmesider, vil AI'en være i stand til at si