107 подписчиков
Как ИИ изменит индустрию моды с помощью улучшения трендвотчинга?
Индустрия моды является одной из самых динамичных сфер бизнеса, где успех зависит от способности брендов предсказывать будущие тренды.
Традиционно процесс трендвотчинга осуществляется при помощи аналитиков, дизайнеров и экспертов, которые анализируют исторические данные о продажах с поправкой на такие факторы, как сезонность, социокультурные факторы, подиумные коллекции, предпочтения инфлюенсеров. Однако, несмотря на все усилия в этом направлении, индустрия моды по-прежнему сталкивается с невысокой точностью этого процесса.
Более 40% модных товаров продаются со скидками, а 25% товаров вовсе не находят своего покупателя, что приводит к огромному количеству неиспользованного текстиля и, следовательно, к экологическим проблемам.
Иными словами, бренды все еще плохо прогнозируют продажи и часто шьют то, что никому не нужно.
Как ИИ может изменить процесс трендвотчинга?
ИИ обещает сделать процесс более точным, быстрым и эффективным:
1. Анализ больших объемов данных
ИИ может быстро анализировать огромные объемы разнообразных данных, включая изображения из социальных сетей и с показов, покупки, отзывы потребителей, даже данные с камер видеонаблюдения в магазинах! Сегментировано, т.е. отдельно для разных групп покупателей. Это позволяет выявить тренды, которые могли бы остаться незамеченными при ручном анализе (полнота). Далее тренды могут быть дополнительно классифицированы, а их динамика прослежена во времени.
2. Прогнозирование на основе данных
ИИ способен прогнозировать будущие тренды - алгоритмы могут предсказать, например, какие цвета или стили будут популярны в следующем сезоне на основе анализа данных о текущих предпочтениях потребителей, актуальных мировых событиях и других не всегда очевидных и трудно измеримых факторов. И делать это риалтайм.
Например, в Covid продажи домашней одежды резко выросли, а свадебных платьев резко упали. А в 2008 году на волне кризиса выстрелил «депрессивный шик», и черный цвет доминировал в коллекциях FW2009.
3. Проверка гипотез
Наконец, с помощью применения ИИ полученные гипотезы трендов можно протестировать на количественных данных и уточнить результаты до производства (точность).
Эффекты и риски использования ИИ-трендвотчинга
Эффекты:
- Снижение углеродного следа: более точные прогнозы спроса помогут оптимизировать производство, оптимизировать логистику и уменьшить отходы.
- Сокращение издержек: не нужно производить то, что не купят, привозить, продвигать, уничтожать.
- Увеличение выручки: использование ИИ-инструментов, которые могут анализировать миллионы сообщений со всего мира каждый день, позволяет прогнозистам видеть, как тенденции развиваются в конкретных регионах, возрастных группах и субкультурах. Это дает дизайнерам и ритейлерам ценную информацию при принятии решений о том, как скорректировать свои решения по дизайну, маркетингу и ассортименту для каждого отдельного рынка для максимизации финансового результата.
Наконец, более точный предикт продаж способен перезапустить тестирование SNBN. Возможно (?) в этот раз трендсеттеры будут способны забрать свое у нечестных игроков рынка.
Риски:
- Экологические издержки: сбор и анализ больших объемов данных требуют больших вычислительных ресурсов и могут увеличивать потребление энергии. У этого факта есть свои последствия.
- Стоимость внедрения решений: она может оказаться очень существенной за счет непредсказуемых эффектов, особенно для “инноваторов”. Работающие модели для модного трендвотчинга на сегодня имеют, как минимум, две компании - Heuritech и WGSN.
Что касается роли экспертов в интерпретации и отслеживании модных тенденций, то она останется ключевой, даже при использовании и усовершенствовании моделей на основе ИИ. Это связано с необходимостью обширного понимания культурного и политического контекста и его влияния на одежду. Но набор компетенций такого эксперта может существенно измениться.
#технологии #бизнес #экология
3 минуты
2 октября 2023