AI inom mode: Hur Hunkemöller använder AI för kundinsikter, prisoptimering och butiksklustring

Artificiell intelligens (AI) förändrar modebranschen i snabb takt. Medan vissa företag avvaktar, tar andra djärva kliv framåt.

I detta avsnitt av artikelserien AI inom mode talar FashionUnited med Gordon Smit, teknikchef på det nederländska underklädesföretaget Hunkemöller.

1. Hur ser du på AI och vad använder Hunkemöller det till?

AI har blivit oumbärligt i moderna organisationer, särskilt inom modeindustrin. Företag som ännu inte arbetar med AI hamnar ohjälpligt på efterkälken. För att förbli konkurrenskraftig måste AI integreras och kontinuerligt utvecklas.

Vårt datateam har vuxit från tre till tolv personer på ett och ett halvt år. Vi använder AI i hela vår värdekedja, från produktutveckling och design till försäljning och analys.

2. Kan du ge några konkreta exempel?

Vi experimenterar för närvarande med 3D-design i designfasen. Genom att visualisera produkter helt digitalt och i 360 grader kan vi drastiskt minska antalet fysiska prover från Asien. Målet är ett prov istället för fyra eller fem per design/modell. Detta sparar både tid och pengar.

AI hjälper oss också med bildklassificering. Underklädesbilder visar ibland mycket hud, vilket kan leda till att Google markerar dem som 'vuxet innehåll', något som negativt påverkar vår synlighet. Med AI kan vi på förhand förutse vilka bilder som sannolikt kommer att avvisas och vilka som tryggt kan publiceras online.

En annan viktig tillämpning är priselasticitet. Ta Black Friday som exempel. Tidigare började vi prissänka varor någon gång i november baserat på intuition, men nu gör vi det helt datadrivet. Machine learning-modeller avgör exakt när en produkt bör prissänkas, eller inte, och med hur mycket. Detta ger bevisligen bättre marginaler.

Vi använder även AI för kundfeedback. Tillsammans med Google utvecklade vi ett verktyg som automatiskt översätter hundratusentals recensioner och mäter sentiment. Detta hjälpte oss att identifiera var de största kundfrustrationerna fanns, vilket gjorde att vi omedelbart kunde åtgärda dem.

Dessutom arbetar vi med butiksklustring, där AI identifierar vilka butiker som har liknande kundprofiler. Genom att gruppera butiker baserat på data kan sortimentet anpassas mycket bättre för varje kluster. Dessa analyser kan kräva bearbetning av miljarder dataposter, en uppgift som var manuellt omöjlig.

3. Vad har denna AI-resa gett för resultat hittills?

Hunkemöller har genomgått en stor datatransformation de senaste åren. Vi hade över 25 olika datakällor som för tre till fyra år sedan konsoliderades till en enda central databas. Vi satt på en guldgruva av data men kunde inte komma åt den. Att sammanföra alla dessa källor var ett enormt arbete, men nu skördar vi frukterna av det. Det har gett oss ny information, som mönster i köpbeteenden genom butiksklustring.

Nästa steg är att verkligen aktivera alla dessa nya insikter, precis som vi gjorde med kundfeedbacken.

4. Vilka lärdomar har ni dragit och vilka är utmaningarna?

Den viktigaste lärdomen är att masterdata måste vara i ordning. Om din data är felaktig förblir det ett fall av 'skit in, skit ut'. För priselasticitet och butiksklustring, till exempel, var vi tvungna att justera vår data avsevärt. För att ge en uppfattning tog det oss två år av blod, svett och tårar att lägga en solid grund.

En annan stor utmaning med AI ligger i adoptionen. Att använda AI i en stor organisation skiljer sig markant från hur vi använder det privat. Att be en vardags-AI som ChatGPT att skapa en resplan är enkelt; att använda den professionellt är en helt annan sak. Hur säkerställer man till exempel att 6 500 anställda kan skriva bra prompter?

Vi utvecklar nu utbildningar och riktlinjer för att göra medarbetarna mer AI-kompetenta. Vi bygger också en central AI-strategi så att teamen inte arbetar med olika verktyg. Denna samordning är avgörande, något som många företag sannolikt känner igen.

5. Vad är nästa steg för Hunkemöller när det gäller AI?

Jag läste nyligen en rapport som visar att 90 procent av företagen redan arbetar med AI, men 67 procent av dem är fortfarande i pilotfas. Det är ganska igenkännligt. När det gäller insikter ligger Hunkemöller långt fram, men inom andra områden befinner vi oss fortfarande i en utforskande fas.

Ett av de områden vi precis har börjat utforska är kreativ AI. Även om fysiska fotograferingar förblir avgörande för att skapa magi, känsla och atmosfär, kan AI stödja och omvandla dem i framtiden. Det kan utöka de kreativa möjligheterna eller förbättra effektiviteten, till exempel genom att minska resandet.

Dessutom vill vi använda AI för att optimera vår marknadsmix och bättre förstå avkastningen på våra kampanjer.

6. Var ser du de största möjligheterna för AI inom mode?

De största möjligheterna ligger inom det kreativa området. Tänk på trendanalys: vad ska man utveckla, vilka designer växer fram, i vilken riktning rör sig marknaden? Man kan låta AI skapa moodboards eller omvandla mönster till en 3D-design. Denna teknik finns redan men används fortfarande knappt i stor skala inom modebranschen.

Europeiska aktörer som Zara och Loavies och kinesiska jättar som Shein och Temu har mycket korta ledtider från design till leverans, ofta bara några veckor eller dagar. Vi kan inte matcha den takten. Design och produktion av underkläder sker helt in-house och är mer komplex än att tillverka en t-shirt eller en tröja. Trots det kan och måste vår time-to-market bli kortare, och jag är övertygad om att AI kommer att spela en nyckelroll i detta.

7. Några avslutande råd?

Förra året sa jag att företag borde implementera AI stegvis: börja i liten skala, köra pilotprojekt och sedan långsamt skala upp. Mitt tänkande kring det har helt förändrats. AI har gett tiden en ny dimension. För några år sedan innebar 'dåtid' fem, sex eller sju år tillbaka. Nu, när jag talar om 'dåtid' i AI-sammanhang, menar jag två eller tre månader sedan. Utvecklingen går så snabbt att små steg inte längre fungerar.

För företag som befinner sig i experiment- och utforskningsfasen: se till att ni har stöd inom organisationen. Medarbetarna måste förstå att AI inte tar över deras jobb, utan frigör tid så att de kan göra sitt arbete bättre. Särskilt inom detaljhandeln, där det alltid är 'fullt upp', kan AI-verktyg ge enorma effektivitetsvinster.

För företag som ännu inte har börjat med AI är mitt tips: data, i fetstil, understruket och med ett utropstecken!

AI-verktyg användes för att transkribera denna intervju och som skrivstöd.

Denna artikel översattes till engelska med hjälp av ett AI-verktyg.

FashionUnited använder AI-språkverktyg för att påskynda översättningen av (nyhets)artiklar och korrekturläser översättningarna för att förbättra slutresultatet. Detta sparar tid för våra mänskliga journalister, som de kan ägna åt research och att skriva originalartiklar. Artiklar som översatts med hjälp av AI granskas och redigeras av en mänsklig redaktör innan de publiceras online. Om du har frågor eller kommentarer om denna process, mejla oss på info@fashionunited.com

Den här artikeln har översatts till svenska med hjälp av ett AI-verktyg.

FashionUnited använder AI-språkteknologi för att ge modebranschens yrkesverksamma världen över bredare tillgång till nyheter och information. Vi strävar efter noggrannhet, men AI-översättningar förbättras kontinuerligt och är ännu inte felfria. För feedback eller frågor om denna process, kontakta oss på info@fashionunited.com.