Fashion Retail: l’ottimizzazione delle vendite attraverso l’Intelligenza Artificiale

Il mondo del fashion retail non è stato protagonista di particolari cambiamenti tecnologici negli ultimi decenni, se non per il click and collect con l’acquisto online e il ritiro in negozio. Soprattutto nel campo della moda, sono da sempre i buyer a decidere cosa acquistare e proporre ai clienti per la prossima stagione, attraverso un mix di istinto e analisi dei trend. Gli stessi fattori influenzano poi l’allestimento dello store per individuare cosa debba andare dove. Il fashion retail è arte e creatività. I ritmi della moda sono diventati più serrati con tempi di produzione più veloci e immediata distribuzione, ma il segreto del successo nel fashion retail sta ancora nel concentrarsi sul prevedere le tendenze di stagione e cavalcare l’onda della moda.

L’applicazione dell’AI al Fashion Retail

Le vendite e le analisi stagionali sono i dati alla base dell’assortimento, ma siamo comunque lontani dall’utilizzo delle tecnologie emergenti nell’online shopping, come ad esempio:

• Ottimizzazione creativa e dinamica nel remarketing
• Navigazione ottimizzata del catalogo (menù, ordinamento, categorie)
• Proposta dei prodotti correlati sulla base delle immagini, come il sito di Sunglass Hut’s che raccomanda modelli di occhiali visivamente simili a quelli precedentemente selezionati
• Commercio conversazionale, come quello utilizzato dallo shop online di North Face che consiste nel chiedere agli utenti quale sia la loro destinazione e consigliare loro i giubbotti più adatti
• Una figura di personal shopper virtuale come sul sito 1-800-Flowers, che pone domande agli utenti per suggerire loro il regalo più indicato

L’Intelligenza Artificiale potrebbe rappresentare una svolta nel mondo del fashion retail con l’ottimizzazione automatizzata dell’attività di vendita. Le compagnie eCommerce con vasti cataloghi di prodotti (molto più numerosi di quanti ne possa contenere un negozio) sono brave ad ottimizzare le vendite proponendo agli utenti gli articoli che potrebbero essere più propensi ad acquistare. Questo è effettivamente lo stesso lavoro che fa un buyer o un retail analyst, ma l’apprendimento automatico può servirsi di preziosi data point quali l’aspetto visivo dei prodotti, i dati demografici degli utenti, la cronologia, il clima, il periodo stagionale, il prezzo e la descrizione del prodotto. Perché allora l’approccio dell’apprendimento automatico non può essere applicato anche al mondo del retail? Gli algoritmi di auto-apprendimento creano segmenti geografici e considerano una serie di variabili nascoste per scegliere quali prodotti posizionare in store? Ovviamente, l’aspetto di personalizzazione dell’eCommerce non può essere totalmente replicato in scala nel negozio, ma l’utilizzo di dati per migliorare l’attività di vendita può rivelarsi fondamentale per la gestione dei prezzi e delle giacenze di magazzino.

La previsione dei trend, online e offline

E se un computer potesse ingerire riviste di moda, feed di influencer Instagram, dati delle vendite forniti dal dettagliante e lo aiutasse a scegliere gli stili della prossima stagione? La compagnia di analisi Edited ha creato un database consultabile di milioni di prodotti per ogni brand: questa banca dati può essere utilizzata per informazioni in merito a strategie di acquisto, strategie di prezzo dei competitor e assortimenti di prodotto. Stylumia è un’altra compagnia che offre qualcosa di simile, esaminando immagini e dati non strutturati per comporre analisi dei trend. Questo porterà certamente ad un futuro in cui l’eCommerce e i social media saranno una sorta di paradiso dei dati, consentendo ai brand di testare determinati prodotti e formulare la giusta pianificazione per i loro store. Una volta integrati i dati dei clienti di una determinata attività, la tecnologia potrà diventare ancora potentissima.

La gestione dello store in mano all’AI

Sarebbe perfetto se informazioni in real time inerenti il clima, l’affluenza e le vendite potessero essere utilizzate per il retail. Il posizionamento nello store potrebbe anch’esso essere tradotto in dati e il tracking dei clienti nei diversi reparti potrebbe essere utilizzato per individuare i punti del negozio in cui i ci si sofferma maggiormente a dare un’occhiata, aggiungendo questi dati al mix algoritmico. L’interrogativo clou è: esiste davvero qualcosa di più efficiente di un cervello umano esperto che non sia così costoso? Forse, ma al momento i dati online sono più facili da gestire. Nella realtà offline, senza l’occhio di un Grande Fratello che osservi e capisca cosa stia avvenendo in store, il numero di variabili da considerare potrebbe essere proibitivo. Più che lasciare all’AI l’incarico di ottimizzare le vendite in store, è plausibile che una tecnologia come quella offerta da Edited possa diventare maggiormente sofisticata ed essere utilizzata per aiutare i buyer umani ad incentivare le vendite, tagliando sui prodotti più “difficili”, evitando errori di budget ed accertandosi che l’assortimento di prodotti sia statisticamente “appetibile” per la vendita.