Ни в одной другой отрасли нет такого очевидного решения, как в индустрии моды. Модные бренды производят одежду, которая просто не соответствует потребительскому спросу. Ценник этой ошибки? 210 млрд долларов в год. Это убытки мировой модной индустрии из-за несоответствия спроса и предложения на одежду и аксессуары.

Почти половина всех товаров на модном рынке выбрасывается на фабричных продажах, перемаркируется и отправляется на другие рынки или даже сжигается. Эти огромные отходы являются не только огромным бременем для окружающей среды, но и очень дорого обходятся участникам отрасли.

Сложность заключается в нарушенном процессе разработки и закупки модной одежды. Модельеры и агенты по закупкам полагаются на свои чувства, опыт и отчеты организаций по исследованию рынка, чтобы предсказать будущие тенденции. Эти агентства основывают свои прогнозы на огромном количестве источников. Полевые исследования, данные из интернет-магазинов, профили в социальных сетях или даже индикаторы состояния экономики и информация о текущих политических настроениях анализируются в надежде выяснить, что покупают потребители.

Ограничения распространенных в настоящее время подходов к исследованию рынка моды

Однако у этого подхода есть серьезные ограничения. Во-первых, наблюдения ведомств остаются в определенной степени нестандартными и субъективными. Во-вторых, существует значительный временной лаг до двух месяцев между временем сбора данных и получением информации. Последний аспект особенно проблематичен, если учесть очень динамичный характер индустрии моды.

Более того, использование экономических данных для прогнозирования может фактически привести к некоторым неправильным выводам. Спорная взаимосвязь между состоянием экономики и длиной подола (то есть индекс подола) или взаимосвязь между экономическим климатом и спросом на помаду и высотой каблуков могут вводить в заблуждение. Вопреки теории роста каблуков во время экономических спадов, в 2011 году IBM предсказывала, что отрицательная связь между каблуками и экономикой изменится на противоположную - по крайней мере, на время после анализа. Однако это удивительное открытие показывает проблему, с которой сталкиваются агентства по прогнозированию модных тенденций, когда строят свои прогнозы на таких упрощенных обобщениях.

Однако с появлением больших данных и расширенной аналитики использование существующих и новых данных может полностью изменить то, как модные бренды решают, какую одежду создавать или закупать.

Преобразующая сила данных в индустрии моды

Противоядием от традиционного метода является подход, в большей степени ориентированный на данные. Первым шагом в этом направлении является сбор данных из множества очевидных источников при попытке добиться объективной оценки и прогнозирования рыночных тенденций. Данные о поведении клиентов, такие как вводимые в поисковые системы термины, активность пользователей в социальных сетях, покупательское и потребительское поведение, уже используются для нового понимания возникающих тенденций моды. Также могут быть включены социально-демографические и психографические данные или данные, отражающие макроэкономическую и политическую ситуацию.

Несколько компаний в индустрии моды начинают использовать возможности данных: итальянский модный бренд Miu Miu определил новые возможности для своих коллекций, проанализировав поведение более 300 000 влиятельных лиц в социальных сетях. Кроме того, некоторые прогнозисты модных тенденций включают данные, собранные в Интернете (например, о кликах клиентов на определенных веб-сайтах), при оценке меняющихся модных тенденций. Используя передовые методы аналитики, ASOS смогла увеличить выручку на целых 33%, а McKinsey сообщает, что некоторые аналитические приложения регулярно увеличивают показатели продаж различных компаний до десяти процентов. Потенциал, конечно, намного выше.

Статус-кво

Однако индустрия моды в целом особенно медленно осваивает потенциал больших данных, прогнозной аналитики и тех идей, которые могут предоставить эти инструменты. И вот почему: по мнению McKinsey, одна из основных причин этого - отсутствие качественных данных. Таким образом, возможности для более глубокого понимания рыночных тенденций и потенциала для принятия более взвешенных бизнес-решений остаются в значительной степени неиспользованными.

Следующая диаграмма дает обзор типов данных в исследовании рынка моды:

В левом поле мы видим данные, доступные сегодня. Что здесь выделяется, так это вызывает беспокойство: индустрия моды практически не располагает данными о том, что их потребители на самом деле делают со своими товарами. В правом поле показано, что исследователи рынка считают наиболее подходящим типом данных, так называемые «поведенческие объективные данные», например что Google Analytics сообщает вам о поведении пользователей на вашем веб-сайте. Однако в моде товар - это одежда (или обувь и т. Д.), А не веб-сайт. Проблема с поведенческими объективными данными состоит в том, что их труднее всего получить, особенно для физических товаров. Здесь очень важную роль играет развитие Интернета вещей или, другими словами, оцифровка физических продуктов.

Outlook - изменение игры

Как только будут изучены источники высококачественных данных о моде, большие данные и прогнозная аналитика изменят правила игры в индустрии моды. Однако преимущества использования объективной аналитики на основе данных об использовании в индустрии моды не ограничиваются прогнозированием меняющихся потребительских тенденций (прогнозная аналитика). Точно так же понимание того, что происходит прямо сейчас (описательная аналитика), вероятно, навсегда изменит моду. Полное раскрытие потенциала описательной аналитики будет включать определение лучших маркетинговых стратегий, создание более точных рекомендаций по продуктам для клиентов или упрощение тестирования продуктов перед запуском на рынок.

В ближайшем будущем, когда объективные данные о поведении действительно найдут свое применение в индустрии одежды, компании по исследованию рынка, агентства по прогнозированию модных тенденций, а также сами модные бренды смогут значительно улучшить свое понимание того, как используется мода, как развиваются тенденции и как меняются вкусы конкретной клиентской базы в режиме реального времени. Полученные данные не только охватят широкие рыночные тенденции, но также могут дать полезную информацию даже о самых нишевых сегментах или удаленных географических точках.

Amazon пытается получить качественные объективные данные об использовании с помощью Echo Look. Это селфи-камера, подключенная к Alexa, способная снимать вас в одежде. Затем он сравнивает два селфи в нарядах, чтобы рекомендовать тот, который Echo Look считает более стильным. Но пока что Echo Look плохо воспринимается потребителями, и набор данных, который он создает, не имеет большого количества переменных.

Подход Combyne к получению высококачественных объективных данных об использовании заключается в оцифровке использования моды. По сути, это помещает камеру в голову каждого пользователя и в его гардероб.

Combyne - это крупнейшее сообщество разработчиков одежды и моды для iOS и Android, а также компания, занимающаяся исследованиями рынка. Более 500 000 активных пользователей в месяц создают более 1,5 миллиона нарядов в месяц из миллионов предметов, делятся ими со своими друзьями и дают советы по стилю.