Eksperter i AI, størrelser og pasform i dialog med FashionUnited

AI-agenter er allerede i gang med at transformere, hvordan forbrugere opdager, evaluerer og køber beklædning. Hvordan kan brands og detailhandlere skære igennem hypen omkring AI-agenter og fokusere på det, der reelt har betydning for deres forretning her og nu? Svaret begynder med et område, der ofte overses i AI-debatten: størrelser og pasform.

Alvanon er verdens førende teknologivirksomhed inden for størrelser. I denne redigerede samtale for FashionUnited præsenterer Don Howard, Executive Director for Alvanons globale konsulentafdeling, og Eric Lee, virksomhedens Executive Director for Nord- og Sydamerika, tre konkrete handlingspunkter, der kan hjælpe virksomheder med at få succes i AI-agenternes tidsalder.

Eric: Vi kan nok bedst begynde med en definition af AI...

Don: Som forbruger repræsenterer AI en overgang fra traditionelle søgemaskiner som Google, hvor vi indtaster parametre og får en liste af resultater at filtrere, til AI-agenter, der søger, filtrerer og anbefaler det bedste match baseret på vores input.

For generelle produkter, der er dimensionsstabile, er AI utroligt effektivt. Men i beklædningsindustrien arbejder vi med tekstilvarer, som udgør en unik række udfordringer. Den primære blandt disse er størrelse og pasform. Vi kan til en vis grad konstruere tøj, men alle beklædningsgenstande opfører sig forskelligt.

Eric: Som et eksempel bad jeg en AI om at "give mig tre forslag til skjorter mellem 70 og 100 dollars." På få sekunder gav den mig tre muligheder fra mærker, jeg aldrig havde købt fra før. De så alle perfekte ud. Så jeg bad den om at lave en virtuel prøvning for mig, og den simulerede alle tre skjorter på min krop ved hjælp af offentligt tilgængelige oplysninger. Jeg valgte en og bad den anbefale den bedste størrelse. Efter et par spørgsmål foreslog den en medium/slim, som jeg købte. Da den ankom, var virkeligheden en helt anden end den virtuelle prøvning!

Eric: Dette illustrerer virkelig afstanden mellem, hvad en AI-agent anbefaler, og forbrugerens oplevelse. AI kan være fremragende til at lede førstegangskøbere til et brand, men det kan også skabe en markant stigning i returneringer og underminere forbrugertilliden. Det er en kostbar diskrepans. Sandheden er, at AI-shoppingværktøjer virkelig kan øge antallet af nye kunder, men potentielt på bekostning af kundens livstidsværdi – hvilket spild.

Hvis jeg drev en e-handelsvirksomhed med en omsætning på 100 millioner dollars og kunne reducere mine returneringer med 1 %, ville det være 1 million dollars direkte tilbage i lommen! Men en stigning i returneringer på 5 % ville have en enorm indvirkning på min bundlinje....

Don: Pasformen er stadig den primære årsag til, at forbrugere returnerer tøj. Spørgsmålet, man bør stille, er: 'Hvad får en beklædningsgenstand til at blive returneret oftere?' At angive 'pasform' som årsag er for vagt til at være nyttigt for at løse problemet. Vi er nødt til at gå dybere end ordet 'pasform' for at forstå, hvorfor en vare er blevet returneret. Og brands skal spørge sig selv: 'Er vores størrelser og pasform korrekte i udgangspunktet?'

Eric: Det bringer os til det første af vores tre konkrete handlingspunkter: Hvordan hjælper vi AI-agenter med at finde vores produkter frem for konkurrenternes?

Don: Få styr på jeres størrelser. Fastlæg dem konsekvent og kommunikér dem tydeligt på tværs af jeres teams, leverandører og e-handelsplatform. Det lyder simpelt, men for mange brands gør det forkert. Størrelse og pasform er ikke det samme. Størrelse er et brands definerede, konstruerede kernestandard og grundlaget for alle designs. Pasform er en tilstand, der anvendes oven på den størrelse. Så hvis et brands kernestørrelse ikke er standardiseret og fastlagt, vil der opstå problemer. Brands skal også forstå, hvordan kropsstørrelse og -form ændrer sig, når tøjets størrelse ændres. Alt for ofte stemmer det, der udføres i produktionen og opleves af forbrugeren, ikke overens med det, der loves online.

Eric: Helt sikkert. I min tidligere rolle inden for e-handel arbejdede jeg på fotoshoots. Vi havde et stativ med tøj og vidste nogle gange ikke, om pasformsintentionen skulle være slim fit eller relaxed. Det illustrerer, hvordan forskellige teams har forskellige prioriteter. Et teknisk designteam ser på dette med andre øjne end et e-handelsteam på et fotoshoot, der fokuserer på at optimere konverteringsrater. Dette stemmer overens med din pointe om kommunikation af størrelses- og pasformsintention. En størrelsesguide er fin, men den er kun en lille brik i et større puslespil. Folk returnerer varer, fordi 'de ikke passer som forventet', hvilket er noget andet end 'jeg købte den forkerte størrelse'. Det er en subtil, men vigtig forskel – konsistens i størrelser er nøglen til at løse begge dele.

Don: Størrelsesguiden skal være præcis og i overensstemmelse med, hvad et brand rent faktisk producerer. AI vil læse størrelsesguiden og andre offentligt tilgængelige oplysninger, såsom kundeanmeldelser med nyttig feedback om pasform. Hvis et brand for eksempel ændrer sin pasformsmodel med hensyn til størrelse eller form, kan tøjet se korrekt ud online, men give meget forskellige slutresultater og potentielt flere returneringer.

Eric: Handlingspunkt nummer to: Hvordan kan brands analysere de data, der genereres af e-handel?

Don: Data er ekstremt vigtigt – returprocenter, årsager til returnering, salg fordelt på størrelse og mere. Dataene belyser forbrugeroplevelsen og reaktionen på det, brandet har eksekveret. Analysen bør omsættes til handling omhyggeligt og hurtigt! Hvis der er en stigning i returneringer, fordi tøjet er 'for stort', kan kropsstandarden være en faktor, men det bør ikke være det første spørgsmål. Spørg i stedet: 'Var tøjet bevidst lavet stort og levede det ikke op til kundens forventninger?' Et begrænset fokus på en enkelt metrik kan føre til meget forskellige beslutninger, hvis man ikke foretager en dybdegående analyse.

Eric: AI-agenter vil læse produktinformation meget hurtigt, så brands skal have præcise størrelsesguides og pasformsbeskrivelser på plads på produktdetaljesiden. Og tøjet skal konsekvent leve op til disse standarder og beskrivelser, ellers bliver kunderne skuffede. Bør brands have dedikerede ressourcer til at analysere denne type data?

Don: Ja. Virksomheder, der gør dette godt, har typisk en person, der forstår både den kommercielle side og den tekniske intention bag størrelse og pasform for hver enkelt beklædningsgenstand.

Eric: Til vores tredje og sidste handlingspunkt: Hvordan lukker brands kommunikationskløften mellem forskellige teams og siloer, som f.eks. e-handel og produktudvikling?

Don: Dette er sandsynligvis den største mulighed. Historisk set har disse teams eksisteret i separate arbejdsgange med forskellige ansvarsområder og tidslinjer. Ofte er den eneste interaktion, de har, når noget er negativt – en stigning i returneringer eller dårligt salg. En mere proaktiv tilgang til dataanalyse kan hjælpe teams med at identificere muligheder, fra forbedring af pasform til udvikling af produktudvidelser som tall, petite, plus size osv. At nedbryde siloer og være mere samarbejdsvillig og proaktiv er noget, de fleste brands kan blive bedre til.

Den gode nyhed er, at vi i de seneste ca. 18 måneder har haft mange flere samarbejdsorienterede samtaler med e-handelsteams og tværfaglige ledere. Branchen er ved at anerkende, at vi er nødt til at nedbryde de gamle strukturer