Eksperci AI od rozmiarówki i dopasowania w rozmowie dla FashionUnited

Agenci AI już teraz transformują sposób, w jaki konsumenci odkrywają, oceniają i kupują odzież. Jak marki i detaliści mogą przebić się przez szum wokół agentów AI i skupić na tym, co jest obecnie kluczowe dla ich biznesu? Odpowiedź leży w obszarze często pomijanym w dyskusjach o AI: rozmiarówce i dopasowaniu.

Alvanon to wiodąca na świecie firma technologiczna specjalizująca się w rozmiarówce. W tej zredagowanej na potrzeby FashionUnited rozmowie, Don Howard, dyrektor wykonawczy ds. globalnego doradztwa w Alvanon, oraz Eric Lee, dyrektor wykonawczy firmy na obie Ameryki, przedstawiają trzy praktyczne wskazówki, które pomogą firmom odnieść sukces w erze agentów AI.

Eric: Najlepiej zacznijmy od definicji AI…

Don: Z perspektywy konsumenta AI oznacza przejście od tradycyjnych wyszukiwarek, takich jak Google, gdzie wprowadzamy parametry i otrzymujemy listę wyników do przefiltrowania, do agentów AI, którzy wyszukują, filtrują i rekomendują najlepsze dopasowania zgodnie z naszymi zapytaniami.

Dla produktów ogólnych, które są stabilne wymiarowo, AI jest niezwykle skuteczna. Jednak w branży odzieżowej pracujemy z produktami miękkimi, które stwarzają wyjątkowe wyzwania. Najważniejszym z nich jest rozmiarówka i dopasowanie. Możemy projektować odzież do pewnego stopnia, ale każdy produkt zachowuje się inaczej.

Eric: Dla przykładu, poprosiłem AI: „Podaj mi trzy opcje koszul w cenie od 70 do 100 dolarów”. W kilka sekund otrzymałem trzy propozycje marek, od których nigdy wcześniej nie kupowałem. Wszystkie wyglądały idealnie. Poprosiłem więc o wirtualną przymiarkę i system zasymulował wszystkie trzy koszule na moim ciele, korzystając z publicznie dostępnych informacji. Wybrałem jedną i poprosiłem o rekomendację najlepszego rozmiaru. Po kilku pytaniach zasugerował rozmiar M/slim, który kupiłem. Kiedy przesyłka dotarła, rzeczywistość znacznie różniła się od wirtualnej przymiarki!

Eric: To doskonale ilustruje rozdźwięk między rekomendacjami agenta AI a doświadczeniem konsumenta. AI może być genialna w kierowaniu nowych klientów do marki, ale może również generować gwałtowny wzrost zwrotów i podważać zaufanie konsumentów. To kosztowny problem. Prawda jest taka, że narzędzia zakupowe AI mogą znacząco zwiększyć akwizycję nowych klientów, ale potencjalnie kosztem ich wartości życiowej (customer lifetime value) – co za marnotrawstwo.

Gdybym prowadził sklep e-commerce o wartości 100 milionów dolarów i mógł zredukować zwroty o 1%, to milion dolarów wraca do mojej kieszeni! Ale już 5% wzrost zwrotów miałby ogromny wpływ na mój wynik finansowy...

Don: Dopasowanie odzieży wciąż jest głównym powodem zwrotów. Należy zadać pytanie: „co sprawia, że dany produkt jest zwracany częściej?”. Podawanie „dopasowania” jako przyczyny zwrotu jest zbyt ogólne, by pomóc w rozwiązaniu problemu. Musimy sięgnąć głębiej niż samo słowo „dopasowanie”, aby zrozumieć, dlaczego produkt został zwrócony. A marki muszą zapytać: „czy nasza rozmiarówka i dopasowanie są w ogóle prawidłowe?”.

Eric: To prowadzi nas do pierwszej z trzech praktycznych wskazówek: Jak pomóc agentom AI znaleźć nasze produkty, a nie produkty konkurencji?

Don: Zadbajcie o prawidłową rozmiarówkę. Ustalcie ją w spójny sposób, a następnie jasno komunikujcie w obrębie zespołów, dostawcom i w kanale e-commerce. Brzmi prosto, ale zbyt wiele marek popełnia tu błędy. Rozmiar i dopasowanie to nie to samo. Rozmiar to zdefiniowany, opracowany przez markę standard bazowy i podstawa wszystkich projektów odzieży. Dopasowanie (fason) to warunek nałożony na ten rozmiar. Jeśli więc bazowy rozmiar marki nie jest ustandaryzowany i ustalony, pojawią się problemy. Marki muszą również rozumieć, jak rozmiar i kształt ciała zmieniają się wraz ze zmianą rozmiaru odzieży. Zbyt często to, co jest realizowane w produkcji i czego doświadcza konsument, nie odpowiada obietnicom składanym online.

Eric: Zdecydowanie. W mojej poprzedniej roli w e-commerce pracowałem przy sesjach zdjęciowych. Mieliśmy wieszak z ubraniami i czasami nie wiedzieliśmy, czy zamierzony fason miał być dopasowany (slim fit) czy luźny (relaxed). To pokazuje, jak różne zespoły mają różne priorytety. Zespół projektantów technicznych patrzy na to z innej perspektywy niż zespół e-commerce na sesji zdjęciowej, skupiony na optymalizacji wskaźników konwersji. To wpisuje się w to, co powiedziałeś o komunikacji zamierzeń dotyczących rozmiarówki i dopasowania. Tabela rozmiarów jest przydatna, ale to tylko jeden element większej układanki. Ludzie zwracają produkty, ponieważ „nie leżą tak, jak oczekiwano”, co jest czymś innym niż „kupiłem zły rozmiar”. To subtelna, ale ważna różnica – spójność rozmiarówki jest kluczem do rozwiązania obu problemów.

Don: Tabela rozmiarów musi być dokładna i zgodna z tym, co marka faktycznie produkuje. AI odczyta tabelę rozmiarów i inne publicznie dostępne informacje, takie jak opinie konsumentów z cennymi uwagami na temat dopasowania. Jeśli marka zmieni swój model dopasowania, na przykład pod względem rozmiaru lub kształtu, odzież może wyglądać poprawnie online, ale w rzeczywistości dawać zupełnie inne rezultaty i potencjalnie generować więcej zwrotów.

Eric: Wskazówka numer dwa: Jak marki mogą analizować dane generowane przez e-commerce?

Don: Dane są niezwykle ważne – wskaźniki zwrotów, przyczyny zwrotów, sprzedaż według rozmiarów i wiele innych. Dane rzucają światło na doświadczenia konsumentów i ich reakcję na to, co marka wprowadziła na rynek. Analiza powinna być wdrażana ostrożnie i szybko! Jeśli nastąpi gwałtowny wzrost zwrotów z powodu tego, że odzież jest „za duża”, standard sylwetki może być jednym z czynników, ale nie powinien być pierwszym pytaniem. Zamiast tego należy zapytać: „czy odzież została celowo zaprojektowana jako oversize'owa i nie spełniła oczekiwań klienta?”. Ograniczone skupienie się na jednym wskaźniku może prowadzić do bardzo różnych decyzji bez przeprowadzenia dogłębnej analizy.

Eric: Agenci AI bardzo szybko odczytają informacje o odzieży, dlatego marki muszą mieć na karcie produktu dokładne tabele rozmiarów i opisy fasonów. A odzież musi konsekwentnie odpowiadać tym standardom i opisom, w przeciwnym razie klienci będą rozczarowani. Czy marki powinny przeznaczać dedykowane zasoby do analizy tego rodzaju danych?

Don: Tak. Firmy, które robią to dobrze, zazwyczaj mają kogoś, kto rozumie zarówno stronę komercyjną, jak i techniczne założenia dotyczące rozmiarówki i dopasowania każdego produktu.

Eric: Przejdźmy do naszej trzeciej i ostatniej wskazówki: Jak marki mogą zniwelować lukę komunikacyjną między różnymi zespołami i silosami, takimi jak e-commerce i rozwój produktu?

Don: To jest prawdopodobnie największa szansa. Historycznie zespoły te funkcjonowały w oddzielnych przepływach pracy, z różnymi obowiązkami i harmonogramami. Często jedyna interakcja między nimi ma miejsce, gdy dzieje się coś negatywnego – gwałtowny wzrost zwrotów lub słaba sprzedaż. Bardziej proaktywne podejście do analizy danych może pomóc zespołom zidentyfikować możliwości, od poprawy dopasowania po rozwój rozszerzeń produktowych, takich jak linie dla wysokich, niskich, plus size itp. Przełamywanie silosów oraz bardziej współpracujące i proaktywne działanie to coś, co większość marek może robić lepiej.

Dobra wiadomość jest taka, że w ciągu ostatnich około 18 miesięcy odbyliśmy znacznie więcej wspólnych rozmów z zespołami e-commerce i liderami zespołów wielofunkcyjnych. Branża zdaje sobie sprawę, że musimy przełamać przestarzałe schematy