Tłumaczenie tekstu z języka angielskiego na polski:

Kupcy modowi od dawna są cichymi kreatorami trendów w branży – potrafią dostrzec pragnienie, zanim jeszcze nabierze ono kształtu. Jednak teraz, w obliczu węższych marż zysku i potrzeby precyzyjnej dokładności, sięgają po sztuczną inteligencję, aby sprostać tym wyzwaniom.

Przetwarzając ogromne ilości danych, które wcześniej były zamknięte w oddzielnych systemach – takich jak zachowania wyszukiwania, wzorce kliknięć, preferencje regionalne i wyniki produktów na różnych rynkach – AI szybko wykracza poza samo prognozowanie sprzedaży. Kupcy i merchandiserzy twierdzą, że zmienia ona teraz sposób, w jaki budują, dopracowują i skalują swoje asortymenty produktów, ponieważ decyzje stają się bardziej oparte na danych niż kiedykolwiek wcześniej.

Zamiast polegać wyłącznie na przeszłej sprzedaży lub intuicji, kupcy mogą korzystać z sygnałów w czasie rzeczywistym dotyczących tego, czego klienci szukają, na co klikają i co zapisują na całym świecie. „AI to raczej narzędzie, które poszerza ich zasięg” – mówi Rich Shepherd, wiceprezes ds. produktu w Lyst. „Najlepsi kupcy wciąż kierują się instynktem – AI daje im po prostu jaśniejszy obraz tego, gdzie ten instynkt może działać najlepiej”.

Od luksusowych marek po globalne platformy e-commerce, kształtuje się nowe podejście: systemy rekomendacji oparte na AI i narzędzia, które wykrywają wzorce w danych, podczas gdy ludzcy kupcy interpretują te spostrzeżenia i podejmują strategiczne decyzje. Zrównoważenie tych dwóch elementów staje się kluczową przewagą konkurencyjną.

Spostrzeżenia dotyczące popytu w czasie rzeczywistym

Tapestry, firma macierzysta Coach, Kate Spade i Stuart Weitzman, wykorzystuje AI za kulisami, aby pomóc kupcom podejmować mądrzejsze decyzje dotyczące tego, co zamówić, ile zapasów utrzymywać i gdzie wysyłać towar.

„Zawsze wiedzieliśmy, że aby zdigitalizować ten proces i szybko skalować, musieliśmy zbudować sposób na łatwe udostępnianie danych w całej firmie” – mówi Fabio Luzzi, dyrektor ds. danych i analityki w Tapestry. Firma zainwestowała w centralne centrum danych – co Luzzi nazywa „własną tkaniną danych” – co ułatwia modelowanie danych dotyczących klientów, lokalizacji i łańcuchów dostaw. „Ułatwia to digitalizację procesów, a także wykorzystanie AI na wielu etapach łańcucha wartości”.

„Najlepsi kupcy wciąż kierują się instynktem – AI daje im po prostu jaśniejszy obraz tego, gdzie ten instynkt może działać najlepiej”.

Zespoły zakupowe Coach już korzystają ze wspólnych zestawów danych, aby porównywać regionalne wzorce zakupowe w czasie rzeczywistym, dostosowując ilości zamówień i miejsca wysyłki produktów, zanim trafią one do sklepów. Te spostrzeżenia ujawniają popyt wcześniej i dokładniej niż samo patrzenie na przeszłą sprzedaż.

W praktyce członek zespołu może otworzyć na żywo wspólny pulpit nawigacyjny, który pokazuje, że dany styl dobrze się sprzedaje w południowo-zachodnich Stanach Zjednoczonych, ale nie w północno-wschodnich – informacja, która wcześniej docierała tygodnie później w raportach sprzedażowych. Ten sygnał pozwala im dostosować miejsce wysyłki towaru, zanim zostanie on zablokowany, zamiast pozostawić go w niewłaściwym magazynie. Luzzi postrzega AI jako wbudowany system wspomagania decyzji dla projektowania, zarządzania zapasami i cen, przyspieszający analizę i interakcję, pozostawiając ostateczne decyzje dotyczące produktów i merchandisingu zespołom ludzkim. Mówi, że zwalnia to czas dla zespołów zakupowych i merchandisingowych, aby mogły skupić się na bardziej strategicznej pracy.

W Coach podstawowe wyroby skórzane i sezonowe podstawy – kategorie z wieloletnimi danymi sprzedażowymi – są coraz częściej obsługiwane przez zautomatyzowane modele uzupełniania zapasów. System sygnalizuje, kiedy zamówić ponownie, dostosowuje ilości według sklepów i przenosi zapasy między regionami bez ręcznego wprowadzania danych. Oszczędność czasu jest znacząca: handlowcy, którzy wcześniej spędzali większość cyklu zakupowego na zarządzaniu przewidywalnymi częściami swojego asortymentu, mogą teraz skupić się na kategoriach, w których dane oferują mniejszą pewność, a ludzki osąd ma większe znaczenie.

Więcej czasu na merchandising i trendy

W przypadku produktów trendowych lub nowych jest to inna historia. Ich sprzedaż zależy od wyczucia czasu kulturowego, szumu medialnego i wczesnych sygnałów, których same dane historyczne nie są w stanie przewidzieć. W praktyce oznacza to, że kupcy spędzają mniej czasu na podejmowaniu decyzji dotyczących znanych produktów, a więcej na rozwiązywaniu trudniejszego pytania, czego klienci jeszcze nie wiedzą, że chcą – części pracy, która wymaga smaku, a nie tylko analizy, według Luisa Carvalha, dyrektora ds. technologii w Farfetch.

„Wierzymy we wzmacnianie indywidualnego stylu naszych klientów, a nie w jego dyktowanie” – mówi Carvalho. Silnik personalizacji Farfetch udoskonala to, co widzą klienci, w oparciu o sygnały stylu, a nie tylko popularność. „Postępy w AI – od przetwarzania danych po modelowanie predykcyjne – pomagają nam poruszać się po ogromnych ilościach informacji i łączyć każdego klienta z najbardziej spersonalizowanymi produktami w naszej sieci”.

Postępy te obejmują zdolność AI do przetwarzania miliardów sygnałów – takich jak zachowania wyszukiwania, wzorce kliknięć, metadane produktów i regionalne różnice w zakupach – z prędkością, której ludzkie zespoły nie są w stanie dorównać. Wraz ze wzrostem możliwości AI, modowy rynek agregujący Lyst przeszedł od ogólnych rankingów katalogów do rekomendacji na poziomie stylu, dopasowując produkty do indywidualnych klientów na podstawie gustu, wrażliwości cenowej i okazji.

Apaszka z czaszką McQueen niedawno powróciła do trendów modowych po kilku zauważonych wystąpieniach celebrytów i tym, jak Charli XCX nosiła ją podczas swojego występu na Glastonbury w 2025 roku.
Zdjęcie: Shoot Digital for Style.com/ Getty Images

„Wcześniej merchandising polegał tylko na decydowaniu o pierwszych sześciu produktach, które zobaczysz w feedzie” – mówi Miyon Im, wiceprezes ds. projektowania produktu i redakcji w Lyst. „Ale dzięki AI możemy stać się bardziej wyrafinowani – w zakresie stylizacji, strojów, a nawet sugestii opartych na wydarzeniach. Jeśli możemy wykorzystać AI do stworzenia czegoś takiego jak rekomendacja na imprezę biurową, gdzie każdy element wydaje się odpowiedni, ponieważ rozumiemy Twój gust, preferencje i wrażliwość cenową, to jest przyszłość”.

W praktyce oznacza to, że merchandiserzy Lyst otrzymują regularne briefy danych, w tym przedmioty, które zyskują niezwykłą popularność w wyszukiwaniach lub zapisach. Następnie analizują je pod kątem kontekstu modowego, zanim wydadzą jakąkolwiek rekomendację. Gdy dane wskazują na wzrost popularności określonych kolorów lub faktur, nie jest to natychmiast publikowane jako trend. Człowiek musi zapytać, dlaczego: czy to był moment na wybiegu, zauważenie celebryty, czy odniesienie kulturowe? Dopiero wtedy jest dodawane do merchandisingu.

Równoważenie danych z intuicją

Kierownicy twierdzą, że na razie potencjał AI ma strukturalne ograniczenia. Modele uczenia maszynowego są tak wiarygodne, jak dane, na których są trenowane, a historyczne uprzedzenia mody – w zakresie rozmiarów, reprezentacji, geografii i hierarchii gustów – mogą być łatwo wzmacniane, a nie korygowane. Jeśli przeszła sprzedaż była wypaczona w kierunku wąskich zakresów rozmiarów lub określonych grup demograficznych, te wykluczenia nie znikają w modelach uczenia maszynowego – one się skalują. Eksperci twierdzą, że AI wciąż nie może zastąpić inteligencji kulturowej, intuicji i instynktu opowiadania historii, które kształtują modę.

„AI jest tutaj i jest niesamowitym narzędziem do ulepszania Twojej pracy” – mówi Julie Gilhart, konsultantka modowa, która spędziła 18 lat nadzorując decyzje zakupowe w Barneys New York. „Ale prawdziwa magia pochodzi z ludzkiej intuicji – instynktownego wyczucia, którego same dane nie są w stanie odtworzyć. Marki, które zrobią to dobrze, pozwolą kreatywności przewodzić, a AI będzie wzmacniać wizję, a nie zastępować ludzki dotyk”.

W miarę jak marki przyjmują bardziej oparte na danych narzędzia, Gilhart mówi, że wyłania się nowa rola: merchandiserzy, którzy potrafią przekształcać sygnały analityczne w kreatywne strategie. „Musisz być ciekawy” – mówi Shepherd. „Nie potrzebujesz wykształcenia informatycznego, ale musisz rozumieć, jak działa technologia, aby rozwiązywać problemy dla użytkowników i partnerów”.

Często zadawane pytania
Oto lista często zadawanych pytań dotyczących tego, jak kupcy modowi i merchandiserzy dostosowują się do ery AI



Pytania dla początkujących



1 Co dokładnie robi AI w zakupach modowych i merchandisingu

AI analizuje ogromne ilości danych, takich jak przeszła sprzedaż, trendy w mediach społecznościowych i prognozy pogody, aby przewidzieć, co klienci będą chcieli kupić Pomaga zdecydować, ile zapasów zamówić, które style promować i kiedy obniżyć ceny produktów



2 Czy AI zastąpi kupców modowych i merchandiserów

Nie AI jest narzędziem ułatwiającym im pracę, a nie zastępującym ich Zajmuje się powtarzalnym przetwarzaniem liczb i wykrywaniem wzorców, uwalniając kupców i merchandiserów do skupienia się na kreatywnych decyzjach, negocjacjach z dostawcami i budowaniu historii marki



3 W jaki sposób AI pomaga przewidywać trendy modowe

AI skanuje miliony obrazów z mediów społecznościowych, pokazów mody i zdjęć street style Identyfikuje pojawiające się kolory, sylwetki i wzory znacznie szybciej niż ludzki zespół, dając kupcom przewagę w prognozowaniu trendów



4 Jaka jest główna korzyść z używania AI dla merchandisera

Największą korzyścią jest dokładność AI może prognozować popyt na konkretne rozmiary, kolory i sklepy z dużo mniejszymi stratami Oznacza to mniej przecen na niesprzedanych ubraniach i mniej powiadomień o braku towaru na popularne przedmioty



5 Czy muszę być ekspertem technicznym, aby pracować z AI jako kupiec

Wcale nie Większość narzędzi AI jest zaprojektowana z przyjaznymi dla użytkownika pulpitami nawigacyjnymi Musisz rozumieć, jakie pytania zadawać AI, a nie jak je kodować Kluczową umiejętnością jest nauczenie się interpretowania rekomendacji AI i ufania im w oparciu o swoją wiedzę rynkową



Pytania dla zaawansowanych



6 Jak AI zmienia tradycyjny kalendarz zakupowy

AI umożliwia elastyczne zakupy Zamiast składać wszystkie zamówienia z miesięcznym wyprzedzeniem, kupcy mogą teraz używać AI do testowania małych partii w czasie rzeczywistym, a następnie natychmiast zamawiać bestsellery na podstawie danych sprzedażowych na żywo Przesuwa to kalendarz ze sztywnych sezonowych dostaw na ciągły, responsywny przepływ nowych produktów



7 Czy AI może pomóc w realizacji celów zrównoważonego rozwoju w merchandisingu

Tak, znacząco AI optymalizuje poziomy zapasów, aby zmniejszyć nadprodukcję – największy problem związany z odpadami w branży modowej Może również przewidzieć, które materiały będą