Megoldhatja-e a technológia a divatméretezést? A valódi probléma az ösztönzőkben rejlik, nem a mérésekben.

A divatban a méretezés egy nagyon sajátos módon hibás: nem csak a címkék „rosszak”, hanem az is, hogy…tervezésileg következetlenEgyik márkánál egy 10-es méret megfelelhet egy másiknál ​​egy 14-esnek, és még ugyanazon márkán belül is változhat a méret a szezonok és a gyárak között. Az eredmény egy kiszámítható fogyasztói viselkedési hurok – több méretet rendel, egyet megtart, a többit visszaküldi –, ami a visszaküldéseket egy szokásos üzletmenet logisztikai rendszerré alakítja.

Az érdekes kérdés nem az, hogy a technológia képes-e jobb virtuális próbafülkét létrehozni. Az, hogy az adatok és a mesterséges intelligencia képesek-e az iparágat az „illeszkedés” őszintébb, mérhetőbb meghatározása felé terelni – miközben továbbra is figyelembe veszik a stílust, a preferenciákat és a „hiúsági méretezés” kellemetlen igazságát.

A visszaküldési motor: miért vált drága a méretezési probléma

A BBC számokkal illusztrálja a következményt: a divatcikkek visszatérése becslések szerint sokba fog kerülni a kiskereskedőknek190 milliárd font éventeglobálisan.

A hozamok nem csupán költségtényezők. Strukturális erőként alakítják az iparágat:

• Készletkockázat: a nem megfelelő méretsorozat elhasznált készletté válik
• Logisztikai komplexitásvisszaküldés, ellenőrzés, újracsomagolás
• MargókAz „ingyenes visszaküldés” ritkán ingyenes; beépülnek az árakba
• HulladékA sérült vagy eladhatatlan visszaküldött termékek kidobásra kerülhetnek

Így a méretezés a „bosszantó ügyfélélmény-problémából” olyan dologgá vált, amire az igazgatótanácsok és a fenntarthatósági csapatok figyelnek.

Miért rossz mértékegység a „méret”?

Egy címke egyetlen szám, de az illeszkedés egy sor változótól függ:

• testméretek (több dimenzió)
• testalkat (méretek eloszlása)
• szövet nyújtása és regenerálódása
• minta osztályozási feltételezések
• tervezett stílus (szűkített vs. laza)
• a viselő preferenciája („derékban szűk” vagy „soha”)

Ezért van alapvetően igaza a Brit Divat- és Textilipari Szövetség munkatársának, Paul Algernek (akit a BBC idéz): az emberek nem próbababák, és az illeszkedés szubjektív.

De a „szubjektív” nem azt jelenti, hogy „megoldhatatlan”. Azt jelenti, hogy az iparág egy többdimenziós valóságot próbál egy túlságosan egyszerű címkébe sűríteni.

Az iparág piszkos titka: a márkaméret meghatározása marketingdöntés kérdése.

A BBC cikkének egyik legfontosabb pontja, hogyfésülködőasztal méretezése(Alger „érzelmi méretezésnek” nevezi).

A márkák dönthetnek úgy (és döntenek is), hogy nagyvonalúbbá teszik a méretjelöléseiket, mert:

• a vásárlók szeretik, ha kisebb csoportba férnek be
• növeli az átalakulást és csökkenti a súrlódást

Miután egy márka kialakította a belső méretezési normáit, gyakran szezonról szezonra tartja magát hozzájuk. Tehát az inkonzisztencia nem hiba, hanem a márkaidentitás része.

Ez az a rész, amit a technológia nem tud „megjavítani”, hacsak az ösztönzők nem változnak.

Két helyen avatkozhat közbe a technológia: a fizetés kontra a gyártás

A BBC a méretezési technológia növekvő ökoszisztémájáról ír. Segít két beavatkozási pontra osztani:

1) Pénztári eszközök (segítenek a méret kiválasztásában)

Példaként említették a 3DLook-ot, a True Fit-et, az EasySize-t és a virtuális próbarendszereket.

Az ígéret:

• csökkenteni a bizonytalanságot az interneten
• csökkentett „három méretet veszel, kettőt visszaviszel”

Hogyan működnek általában:

• kérjen méreteket és/vagy okostelefonról készült fotókat a vásárlótól
• leképezni ezeket a jeleket márkaspecifikus illeszkedési adatokra
• javasoljon egy méretet az adott ruhadarabhoz

A kockázat:

• adatvédelmi aggályok (testszkennelés/fotók)
• kalibráció és torzítás (ugyanolyan jól működik különböző testeknél?)
• önbizalom-illúziók (az ajánlás nem garancia)

2) Gyártási szakaszban használt szerszámok (megakadályozzák a rossz illeszkedésű termékek gyártását)

Itt érdekes a BBC Fit Collective-ről szóló profilja, mivel az a tőzsdei lánc felsőbb rétegeiről szól.

Ahelyett, hogy azt mondanánk, hogy „segíts a vásárlónak alkalmazkodni a hibás méretezéshez”, a lényeg a következő:

• a visszaküldés okai, az értékesítési adatok és az ügyfél-visszajelzések alapján módosítsa a szabásmintákat és az anyagokat a gyártás előtt

Ez vitathatatlanul közelebb áll egy valódi megoldáshoz: eleve kevesebb rosszul illeszkedő ruhadarab létezik.

A Fit Collective megközelítése: a megtérülést formatervezési visszajelzéssé alakítani

A BBC szerint:

• A Fit Collective elemzi a visszaküldéseket, az értékesítési adatokat és az ügyfelek e-mailjeit
• tanácsokat ad a tervező és gyártó csapatok számára
• példa: csökkentse a ruhadarab hosszát néhány centiméterrel a visszaküldési arány csökkentése érdekében

Ez lényegében egy gépi tanulással támogatott minőségi ciklus:

1. az ügyfelek panaszokat jeleznek (visszaküldések, panaszok)
2. a rendszer összesíti a jeleket a termékek és kohorszok között
3. a tervezők módosítják a mintákat/anyagokat
4. kevesebb visszaküldés történik

Ha valaha is dolgoztál szoftveriparban, akkor ez csak termékanalitika. A divat nem tette ezt nagy léptékben, mert az adatok kuszák és elszigeteltek.

A nehéz rész: a hozamadatok zajosak és gyakran csalókák

Van egy ok, amiért a visszatérési adatok nem automatikusan tökéletes igazságforrást jelentenek:

• A vásárlók a „nem illett” opciót választják, miközben a valódi ok az, hogy „nem tetszett”
• Néhány visszatérési okot a felhasználói élmény (UX) beállításai korlátoznak
• Az „illeszkedés” jelenthet hosszúságot, derékbőséget, vállakat vagy csak a kinézetet.

Tehát ahhoz, hogy egy ilyen rendszer működjön, több kell, mint osztályozás – kell egy modell, amely képes következtetni:

• mely visszatérési okok korrelálnak a mérésekkel és a mintavételi problémákkal
• amelyek összefüggésben állnak a stílusbeli/megjelenítési problémákkal

Ez megvalósítható, de nem egy varázslatos táblázatkezelési trükk.

Milyen „jó” méretezési technológia eredményezne valójában

A legtöbb ember úgy képzeli el a méretezési technológiát, hogy: „mondd meg, hogy 10-es vagy 12-es vagyok-e.”

A hasznosabb kimenet valami ilyesmi:

• „Ez a ruhadarab szűk a csípőnél; ha nagyobb méretet veszel, a derekad bő lesz.”
• „Az anyag kevésbé rugalmas; ha a kényelmet részesíted előnyben, válaszd az X-et.”
• „A testmagasságodhoz képest általában hosszúnak érződik a testhossz.”

Figyeljük meg, hogy ezek nem egyetlen számra adott válaszok, hanem kompromisszumok.

Ezért a legjobb rendszerek valószínűleg kevésbé fognak számológépnek, és inkább egy…illeszkedési magyarázó motor.

Miért csábító a virtuális felpróbálás (és hol üti meg a tétet)

A virtuális próbafülkék népszerűek, mert egy másik problémát kezelnek:

• bizalom abban, hogy valami hogyan fog sikerülniNézze, nem csak illik

De két korlátjuk van:

1. a vizuális realizmus nehéz (világítás, drapéria, testmozgás)
2. A „jól néz ki” és a „jól érzi magát” fogalmak eltérnek egymástól.

A reális jövő egy hibrid:

• méretbecslés az illeszkedéshez
• próbáld fel a stílust
• egyértelmű bizonytalansági mutatók („nagy megbízhatóság” vs. „alacsony megbízhatóság”)

Az ösztönzőváltás, ami ezt valóra válthatja

Sophie De Salis, a Brit Kiskereskedelmi Konzorcium munkatársa (a BBC idézi) a méretezési technológiát a hozamok csökkentésére és a fenntarthatósági célok támogatására szolgáló eszközként tekinti.

Ez a keretezés azért fontos, mert a pénzhez illően kapcsolódik:

• a visszaküldés pénzbe kerül
• a visszaküldések hulladékot termelnek

Amikor egy probléma a tárgyalóteremben felmerülő problémává válik, akkor költségvetésbe kerül.

A méretezési technológia valósággá válásának legjobb jele nem a több avatár – hanem a kiskereskedők:

• fitt elemzések
• mintabeállítás
• mérési szabványosítás

mint alapvető műveletek.

Adatvédelem: a csendes kizáró ok

Bármely, testszkennelésen vagy fényképeken alapuló megközelítésnek szembe kell néznie a magánélet védelmével.

Ha a felhasználók úgy érzik:

• szkennelt
• profilált
• vagy hogy a képeik kiszivároghatnak

nem fognak beleegyezni.

Tehát a „beépített adatvédelmi tiszteletben tartás” versenyelőnyt kell, hogy jelentsen:

• minimális adatmegőrzés
• eszközön történő feldolgozás, ahol lehetséges
• egyértelmű leiratkozás és törlés
• átláthatóság a tárolt adatokkal kapcsolatban

A méretezési iparágnak lehetősége van tanulni a hirdetéstechnológiai cégek hibáiból.

Gyakorlati meglátás: mi csökkentené a leggyorsabban a hozamokat?

Ha az azonnali hatás számít, a valószínűleg magas megtérülést biztosító lépések unalmasak:

• pontos közzétételruhadarab méretei(nem csak mérettáblázat)
• szabványosítsa az „illeszkedési megjegyzéseket” („kis hossz”, „laza”, „nagy rugalmasságú”) következetes definíciókkal
• javítsa a termékfotókat és a drapéria-információkat

Ezután rétegezd rá a mesterséges intelligenciát:

• személyre szabott ajánlások
• zárja be a gyártási visszacsatolási hurkot

A mesterséges intelligencia akkor segít a legtöbbet, ha az alapok tiszták.

A lényeg

A technológia abszolút csökkentheti a méretezés nehézségeit – de csak akkor, ha a megfelelő réteget célozza meg.

A fizetési szakaszban használható méretezési eszközök csökkenthetik a bizonytalanságot és a megtérülést, de nem változtatnak az alapvető káoszon. A jelentőségteljesebb eltolódás a folyamat elején történik: valós illeszkedési jelek (hozamok + visszacsatolás) használatával a mintázatok a gyártás előtti módosítására.

És a végső igazság továbbra is fennáll: ha a márkák továbbra is marketingként („érzelmi méretezésként”) kezelik a méretezést, akkor az inkonzisztencia továbbra is fennáll. Azok a márkák lesznek a nyertesek, amelyek az őszinte illeszkedési kommunikációt az adatvezérelt tervezéssel ötvözik – és úgy érzékeltetik, mintha szolgáltatásról lenne szó, nem pedig megfigyelésről.

---

Források

• BBC Hírek (Technológia):https://www.bbc.com/news/articles/cjekg1pd9j4o?at_medium=RSS&at_campaign=rss