جامه پوش: کلان داده ها (Big data) در هر صنعت سطح بالا از جمله مد، عامل موفقیت هستند. استفاده از کلان داده ها در صنعت مد برای «پیش بینی روند مد، مدیریت زنجیره تامین و تجزیه و تحلیل رفتار، ترجیحات و احساسات مشتریان» روز به روز بیشتر می شود. سال گذشته Business of Fashion برآورد کرده بود که بیش از 75% خرده فروشان در هوش مصنوعی سرمایه گذاری می کنند که منطقی است؛ چون براساس آمارها مصرف کنندگان در سال 2020 یک تریلیون دلار برای خرید از بسترهای تجارت الکترونیکی هزینه کرده اند.
شخصی سازی زمینه ساز نیاز به کلان داده ها
مد صنعتی است که نسبت به تغییرات تقاضا بسیار حساس است و به سمت شخصی سازی بیشتر در حال حرکت می باشد. خریداران تمایل دارند گزینه های مختلفی برای انتخاب سبک، زمینه ها (به عنوان مثال لباس کار یا لباس اجتماعی) و تاثیرات فرهنگی و موسیقیایی به آنها ارائه شود. با افزایش تقاضا برای شخصی سازی و به منظور جلوگیری از تجمع ناخواسته انبارها، «سفارشی سازی انبوه» لباس ها نیز افزایش می یابد.
کلان داده ها در خدمت انطباق با انتظارات مصرف کنندگان
تولید کنندگان در حال حاضر از داده های آنلاین (گردآوری شده از فروش، تحقیقات بازار، بازخورد شبکه های اجتماعی و تجزیه و تحلیل خرید) برای کسب اطلاعات خاص در مورد دسته بندی های ویژه محصولی استفاده می کنند. این اطلاعات شامل انتخاب پارچه نیز می شوند؛ چون انتخاب پارچه به نوعی با احساسات، ترجیحات ساختاری و بافتی و فصول گره خورده است. مقوله کلیدی دیگری که به کلان داده ها بستگی دارد طراحی است؛ طراحی نیز به نوبه خود تحت تاثیر احساسات انسانی، زمینه، تاثیرات فرهنگی، مضامین و موارد مشابه قرار می گیرد.
در ضمن از جمله اطلاعات کلیدی برای خانه های مد، می توان به اندازه های مربوط به بدن خریداران اشاره کرد که به صورت دو بعدی یا سه بعدی به دست می آیند. در فرم دو بعدی، توجه به اطلاعات جمع آوری شده از طریق اندازه گیری ها یا سایزهای اقلام خریداری شده یا مورد جستجو قرار گرفته، کفایت می کند. اما فرم سه بعدی (3D) با بهره گیری از اسکنرهای بدن که به منظور شناخت بهتر اندازه و نوع بدن افراد مورد استفاده قرار می گیرند، پا را فراتر می گذارد. انتخاب رنگ (گرم در برابر سرد، لطیف در مقابل سخت، پاستلی یا پر رنگ و مواردی از این دست) و طراحی فنی (وسایل مورد نیاز برای خیاطی، بافندگی، بافت و غیره) نیز به داده های به دست آمده بستگی دارد.
بیشتر بخوانید:
گوچی نخستین کمپانی لوکس جهان در متاورس
خرده فروشان باید قابلیت های دیجیتال را بهبود بخشند
تصمیمات کلیدی محرک
اطلاعات جمع آوری شده از طریق هوش مصنوعی و سایر منابع، خانه های مد را قادر می سازند که راحت تر بتوانند تصمیماتی کلیدی در مورد خرید آنلاین و خرده فروشی بگیرند. به عنوان مثال شرکت هایی مانند Glossier و Warby Parker هر دو به عنوان خرده فروش آنلاین کار خود را آغاز کردند؛ آنها از داده های به دست آمده از مشتریان برای تعیین مناسب ترین مکان برای فروشگاه های فیزیکی خود استفاده نمودند. مشتریان در ازای پاسخگویی به سوالات نظرسنجی درباره اقلام ترجیحی خود، مشوق هایی برای بهره گیری از تخفیفات و اطلاعات کلیدی دریافت می کنند. شرکت های باهوش علاوه بر این، خدمات «خریدار شخصی» را نیز برای ارتقای سفارشی سازی ارائه می دهند.
پیش بینی هایی برای تقاضای محصول
برای برخی از خانه های مد، پیش بینی اقلام پرفروش نسبتاً آسان است. مثلاً این مورد برای برندهای متخصص در اقلامی مانند لباس های جشنواره‌ای برای رویدادهای بزرگ در سراسر جهان صدق می کند (رویدادهایی مانند Coachella، Glastonbury یا جشنواره جاز نیواورلئان). پیش بینی در این زمینه ساده است، چرا که این رویدادها فصلی هستند و از مضامین الهام می گیرند. از جمله اصول جشنواره ها توجه به عامل شگفتی به عنوان یکی از موارد مهم در این زمینه است. اغلب اقلام پوشیدنی این جشنواره ها از دهه های 1960 و 1970 الهام می گیرند. تاپ های قلاب دوزی، پوتین های بلند، عینک های آفتابی بزرگ، کیف های ریش ریش و مانند آنها، هرگز در الهام بخشی کم نمی آورند. اما در مورد سایر رویدادهای جاری یا موقت، پیش بینی ممکن است بسیار پیچیده باشد. از این رو اخیراً برندهای Rue La La و MIT برای بهبود پیش بینی های هوش مصنوعی با هم همکاری کرده اند که این کار منجر به افزایش 10% درآمد آنها شده است.
کلان داده ها و اینفلوئنسرها
فناوری پیشگویانه چیزی بیش از شناسایی رنگ ها، برش ها و سبک های کلیدی خواهد بود. این فناوری به برندها کمک می کند تا قبل از «رونق»، اینفلوئنسرهایی که می توانند با آنها همکاری کنند را شناسایی بنمایند. یافتن اینفلوئنسرهای همکار در صنعت فعلی مد بسیار مهم است؛ زیرا رسانه های اجتماعی امروزه در همه جا حضور دارند. محققان در سال ۲۰۱۸ اظهار داشتند که «متوسط ارزش رسانه ای به ازای هر ۱ دلار سرمایه گذاری بر روی بازاریابی اینفلوئنسری، ۵.۲۰ دلار بوده؛ این بدان معنی است که نرخ بازگشت سرمایه بیش از ۵ برابر بوده است». در ضمن آنها یادآور شده اند اینفلوئنسرهای خرد که هزینه آنها برای خانه های مد بسیار کمتر از اینفلوئنسرهای معروف است، نقش مهمی در بازاریابی دارند؛ زیرا آنها روابط قوی تری با مخاطبان خود دارند و از ضریب اعتماد بالاتری برخوردارند.
کلان داده ها بازی مد را کاملاً تغییر داده اند. در حال حاضر خانه های مد از کلان داده ها برای انجام همه کارها استفاده می کنند؛ از سفارشی سازی لباس ها برای ارتقاء عملکرد آنها گرفته تا انتخاب پارچه و تغییر روش های بازارپردازی. در ضمن کلان داده ها ابزاری کلیدی در پیش بینی روندهای مد و انتخاب اینفلوئنسرهای مناسب برای پشتیبانی نیز هستند.
منبع: Big Data Made Simple