AI-experter inom storlek och passform i samtal för FashionUnited

AI-agenter håller redan på att förändra hur konsumenter upptäcker, utvärderar och köper kläder. Hur kan varumärken och återförsäljare navigera genom AI-hypen och fokusera på det som faktiskt är viktigt för deras verksamheter just nu? Svaret börjar med ett område som ofta förbises i AI-diskussionen: storlekar och passform.

Alvanon är världens ledande företag inom teknologi för storleksanpassning. I detta redigerade samtal för FashionUnited presenterar Don Howard, exekutiv direktör för Alvanons globala konsultverksamhet, och Eric Lee, företagets exekutiva direktör för Nord- och Sydamerika, tre konkreta åtgärder för att hjälpa företag att lyckas i den AI-drivna eran.

Eric: Vi bör nog börja med en definition av AI…

Don: Ur ett konsumentperspektiv representerar AI en övergång från traditionella sökmotorer, som Google, där vi anger parametrar och får en lista med resultat att filtrera, till AI-agenter som söker, filtrerar och rekommenderar den bästa matchningen baserat på våra instruktioner.

För generella produkter som är dimensionsstabila är AI otroligt effektivt. Men vi arbetar i modebranschen med konfektion, vilket medför en unik uppsättning utmaningar. Främst bland dessa är storlekar och passform. Vi kan konstruera plagg till en viss gräns, men alla plagg beter sig olika.

Eric: Som ett exempel bad jag en AI att ”Ge mig tre alternativ på skjortor mellan 70 och 100 dollar.” På några sekunder gav den mig tre alternativ, från varumärken jag aldrig handlat från tidigare. De såg alla perfekta ut. Så jag bad den att göra en virtuell provning åt mig, och den simulerade alla tre skjortorna på min kropp med hjälp av offentligt tillgänglig information. Jag valde en och bad den rekommendera den bästa storleken. Efter ett par frågor föreslog den en medium/slim, som jag köpte. När den kom var verkligheten en helt annan än den virtuella provningen!

Eric: Detta illustrerar verkligen glappet mellan vad en AI-agent rekommenderar och konsumentens upplevelse. AI kan vara fantastiskt för att leda förstagångsköpare till ett varumärke, men det kan också orsaka en kraftig ökning av returer och underminera konsumenternas förtroende. Detta är ett kostsamt glapp. Sanningen är att AI-drivna shoppingverktyg verkligen kan öka nykundsförvärvet, men potentiellt på bekostnad av kundens livstidsvärde – vilket slöseri.

Om jag hade en e-handelsverksamhet värd 100 miljoner dollar och kunde minska mina returer med 1 procent, skulle det innebära 1 miljon dollar tillbaka i fickan! Men en ökning av returerna med 5 procent skulle ha en enorm inverkan på mitt resultat....

Don: Passformen är fortfarande den främsta anledningen till att konsumenter returnerar plagg. Frågan man bör ställa sig är: ”Vad är det som gör att ett plagg returneras i högre grad?” Att ange ”passform” som returorsak är för vagt för att vara till hjälp för att lösa problemet. Vi måste gå djupare än ordet ”passform” för att förstå varför ett plagg har returnerats. Och varumärken måste fråga sig: ”Är vår storlekssättning och passform korrekt från början?”

Eric: Det leder oss till den första av våra tre konkreta åtgärder: Hur hjälper vi AI-agenter att hitta våra produkter istället för våra konkurrenters?

Don: Se till att er storlekssättning är korrekt. Säkerställ att den är konsekvent och kommunicera den sedan tydligt till era team, leverantörer och e-handel. Det låter enkelt, men alltför många varumärken gör fel här. Storlek och passform är inte samma sak. Storlek är ett varumärkes definierade, konstruerade kärnstandard och grunden för all plaggdesign. Passform är en tillämpning på den storleken. Så om ett varumärkes grundstorlek inte är standardiserad och fastställd kommer det att leda till problem. Varumärken måste också förstå hur kroppsstorlek och form förändras när plaggen byter storlek. Alltför ofta stämmer det som produceras och upplevs av konsumenten inte överens med det som utlovas online.

Eric: Absolut. I min tidigare roll inom e-handel arbetade jag med fotograferingar. Vi kunde ha en klädstång med plagg och ibland inte veta om den avsedda passformen var slim fit eller relaxed. Det illustrerar hur olika team har olika prioriteringar. Ett tekniskt designteam ser på detta ur ett annat perspektiv än ett e-handelsteam under en fotografering som fokuserar på att optimera konverteringsgraden. Detta stämmer överens med din poäng om kommunikation kring avsedd storlek och passform. En storlekstabell är bra, men det är bara en liten del av ett större pussel. Folk returnerar varor för att ”de inte passar som förväntat”, vilket skiljer sig från ”jag köpte fel storlek”. Det är en subtil men viktig skillnad – konsekvent storlekssättning är nyckeln till att lösa båda problemen.

Don: Storlekstabellen måste vara korrekt och överensstämma med vad ett varumärke faktiskt producerar. AI kommer att läsa storlekstabellen och annan offentligt tillgänglig information, såsom kundrecensioner med användbar feedback om passform. Om ett varumärke till exempel ändrar sin passformsmodell för storlek eller form, kan plagget se korrekt ut online men ge helt andra slutresultat och potentiellt fler returer.

Eric: Åtgärd nummer två: Hur kan varumärken analysera den data som genereras av e-handeln?

Don: Data är oerhört viktigt – returfrekvens, returorsaker, försäljning per storlek och mer. Datan belyser konsumentupplevelsen och responsen på vad varumärket har producerat. Analysen bör omsättas i handling noggrant och snabbt! Om det sker en kraftig ökning av returer på grund av att plaggen är ”för stora”, kan kroppsstandarden vara en faktor, men det bör inte vara den första frågan – fråga istället: ”var plagget avsiktligt gjort stort och motsvarade det inte kundens förväntningar?” Ett begränsat fokus på ett enda mätetal kan leda till helt olika beslut om man inte gör en djupgående analys.

Eric: AI-agenter kommer att läsa plagginformation mycket snabbt, så varumärken måste ha korrekta storlekstabeller och passformsbeskrivningar på produktdetaljsidan. Och plaggen måste konsekvent följa dessa standarder och beskrivningar, annars kommer kunderna att bli besvikna. Bör varumärken ha dedikerade resurser för att analysera den här typen av data?

Don: Ja. Företag som gör detta bra har vanligtvis någon som förstår både den kommersiella sidan och den tekniska avsikten med varje plaggs storlek och passform.

Eric: Till vår tredje och sista åtgärd: Hur överbryggar varumärken kommunikationsklyftan mellan olika team och avdelningar, som e-handel och produktutveckling?

Don: Detta är förmodligen den största möjligheten. Historiskt sett har dessa team funnits i separata arbetsflöden med olika ansvarsområden och tidsplaner. Ofta är den enda interaktion de har när något är negativt – en kraftig ökning av returer eller dålig försäljning. Ett mer proaktivt tillvägagångssätt för dataanalys kan hjälpa team att identifiera möjligheter, från att förbättra passformen till att utveckla produktutvidgningar som tall, petite, plus size etc. Att riva silor och vara mer samarbetsinriktade och proaktiva är något de flesta varumärken kan bli bättre på.

De goda nyheterna är att vi under de senaste 18 månaderna har haft många fler samarbetssamtal med e-handelsteam och tvärfunktionella ledare. Branschen inser att vi måste bryta ner gamla strukturer