Якось до мене на консультацію прийшов засмучений власник міцного локального бренду одягу. На складі його компанії мертвим вантажем висіло 10 000 чорних жакетів. «Дарина, це ж безсмертна класика! Чому вони не продаються? — дивувався він. Проблема полягала в тому, що це були укорочені, щільно приталені жакети з 2010-х, відшиті в розпал тренду на маскулінний гіпероверсайз. Бренд втратив близько 50 000 €, просто надіявшись на інтуїцію та віру у «вічну базу».
Якщо ви прямо зараз ламаєте голову над тим, як планувати закупівлю одягу на наступний сезон, забудьте про мудборди з показами та шосте почуття байєра. Сьогодні виграє той, хто вміє читати дані. Детальніше про глобальне зрушення в індустрії ми розповідали в нашому повному гіді по аналітиці для fashion-бізнесу та прогнозування трендів , а в цій статті я покажу виворот закупівель: як штучний інтелект оцифровує такі тонкі матерії, як посадка по фігурі та кольоротип.
Кінець епохи інтуїції: чому старі схеми баєрів більше не працюють
Раніше професія байєра була оповита романтикою. Фахівці літали до Мілана та Парижа, дивилися на стрітстайл біля місць проведення показів та інтуїтивно вирішували: «Наступного сезону всі носитимуть фуксію». Сьогодні такий підхід – прямий шлях до банкрутства.
За свіжими даними звіту State of Fashion від McKinsey & Company (2024), близько 30% одягу, що виробляється у світі, взагалі ніколи не знаходить свого покупця. Проблема overstock (перевиробництва) змусила індустрію різко порозумнішати. Бренди більше не можуть дозволити собі заморожувати мільйони євро у непроданому товарі просто тому, що креативний директор так побачив.
Друга причина смерті інтуїтивного підходу – швидкість. Мікро-тренди з TikTok (на зразок естетики mob wife або office siren ) спалахують і згоряють за 3-4 тижні. Людина фізично неспроможна відстежити, проаналізувати і запровадити цей обсяг інформації без допомоги машинного навчання.
Як планувати закупівлю одягу в умовах турбулентності
Класична модель, коли бренд планував колекцію за півроку до старту продажів, тріщить по швах. Гіганти на кшталт Zara чи H&M давно перейшли на agile-модель: вони відшивають невелику тестову партію, випускають її у продаж, а потім алгоритми в реальному часі аналізують попит.
Якщо річ "зайшла", фабрики миттєво отримують сигнал на дозакупівлю тканини та масштабування виробництва. Предиктивна аналітика впроваджується на ранніх етапах: ІІ аналізує мільйони пошукових запитів у Google і кліки на сайтах конкурентів, передбачаючи попит з точністю до 85%.
Штучний інтелект як колорист: прогнозування відтінків
Як сертифікований аналітик-колорист, я часто стикаюся з типовою помилкою брендів: вони бачать на подіумі абстрактний «червоний» і закуповують тканину першого червоного відтінку, що попався. А потім дивуються спаду продажів.
Інститут кольору Pantone постійно підкреслює різницю між подіумним мистецтвом та комерційним застосуванням кольору. І тут алгоритми творять справжню магію. ІІ парсить мільйони зображень із соцмереж, обчислюючи не просто базовий колір, а конкретний підтон. Машина точно скаже, що цієї осені покупки шукають не просто бордовий, а саме холодний бургунді з синім підтоном, а теплий томатний залишиться висіти на вішалках.
«Колір продає річ у перші три секунди. Якщо відтінок робить обличчя втомленим або підкреслює синці під очима (як це часто буває з невдалим сіро-бежевим), жінка інстинктивно поверне річ на рейлінг навіть не дійшовши до примірювальної».
Більше того, ІІ враховує географію кольоротипів. У моїй практиці був випадок, коли бренд середнього сегмента випустив приголомшливий светр теплого відтінку гірчиці. В Італії партію сміли за тиждень. У Скандинавії, де переважають холодні, світлі кольоротипи, продажі стали намертво. Тепер розумні системи розподілу товару автоматично спрямовують теплі відтінки до південних регіонів, а холодну палітру — до північних.
У грамотній закупівлі завжди працює правило 60/30/10: 60% бюджету йде на комерційну базу (відтінки, які йдуть вашій цільовій аудиторії), 30% — на сезонні акценти, і лише 10% — на ризиковані, ультрамодні кольори для вітрини.
Оптимізуйте роботу з асортиментом
Використовуйте аналітику віртуальних примірювальних MioLook для розуміння, які речі та кольори реально потрібні вашим клієнтам.
Почати безкоштовноСмерть «вічної бази»: найдорожча помилка у закупівлях
Мабуть, найнебезпечніший міф у рітейлі звучить так: «Класичні прямі джинси та білі сорочки купуватимуть завжди. Вкладемо бюджет у них — точно не прогоримо». Це катастрофічна помилка.
База мутує. Те, що ми називали базовою білою сорочкою у 2018 році (напівприлеглий силует, виточки, тонка бавовна), у 2024 році виглядає як анти-тренд. Сучасна база – це спущена лінія плеча, щільна бавовна (від 180 г/м²) та вільний крій. Кожні 2–3 роки змінюються обсяги, довжина виробів, ширина лацканів та висота посадки штанів.
Закупівля базових речей наосліп, за лекалами п'ятирічної давності, гарантовано заморозить ваші гроші. Сучасні алгоритми аналізують не просто сам факт купівлі сорочки, вони зчитують силует. ІІ здатний попередити баєра: "Увага, інтерес до приталених силуетів у ціновому сегменті 50-100 € падає на 15% щомісяця, скорочуйте закупівлю цієї позиції на наступний квартал".
Віртуальні примірювальні та Data-driven посадка
Давайте поговоримо про біль будь-якого e-commerce проекту - повернення. У fashion-індустрії близько 30-40% онлайн-замовлень летить назад на склад. І у 8 випадках із 10 у графі «причина» значиться лаконічне «не село». Якщо ви хочете дізнатися, як знизити відсоток повернення одягу в інтернет-магазині , відповідь у роботі з лекалами з урахуванням реальних даних.
Довгий час бренди шили одяг на стандартизованих манекенах, орієнтуючись на ідеалізований «пісочний годинник». Але реальні жінки виглядають по-іншому. Працюючи з алгоритмами віртуальної примірювальної MioLook я дивуюся, наскільки дані ламають стереотипи.
Коли користувачі завантажують свої фото та параметри у програму, система агрегує знеособлені дані про реальні типи фігур. Бренди, які використовують цю аналітику, раптово виявляють, що у 60% їх покупниць тип фігури "перевернутий трикутник" або "прямокутник". Це означає, що стандартні штани постійно збиратимуться складками в області стегон, а жакети — тиснуть у плечах.
Інтеграція віджетів ІІ-примірювальних дає байерам розуміння, які фасони фізично не сядуть на їхню основну аудиторію, дозволяючи викреслити ці позиції ще на етапі формування матриці.
Знижуйте відсоток повернень із MioLook
Запропонуйте своїм клієнтам точну віртуальну примірку. Розумний AI-стиліст підбере ідеальний образ та розмір.
Впровадити технологіюЧек-лист для баєра: як планувати закупівлю одягу за допомогою ІІ
Щоб вся ця теорія перетворилася на гроші, процес слід алгоритмізувати. Ось покроковий план, який рекомендую впроваджувати брендам.
- Крок 1: глибокий аналіз історичних даних. Не просто «яка модель продалася краще», а розбір атрибутів. Алгоритм повинен розмітити ваші попередні колекції за тегами: довжина рукава, тип горловини, щільність тканини, склад (наприклад, віскоза з 5% еластану). Виявіть закономірності.
- Крок 2: Інтеграція із платформами макро-аналітики. Підключіть сервіси рівня WGSN або локальні ІІ-парсери, які аналізують соцмережі та показують наростаючі та загасаючі мікро-тренди у вашому регіоні.
- Крок 3: Колірна корекція матриці. Зіставте запропоновану дизайнером палітру з даними про кольоротипи вашої реальної аудиторії. Заберіть "мертві" для вашого ринку відтінки, навіть якщо вони вважаються хітом сезону в Парижі.
- Крок 4: Віртуальне випробування. До запуску фізичних зразків (семплів) протестуйте 3D моделі одягу (в Clo3D або аналогах) на віртуальних аватарах з параметрами ваших типових покупців.
Чесне обмеження: цей чек-лист не працює для нішевих кутюрних брендів чи авангардного дизайну, де клієнт платить від 1000 € за унікальне художнє бачення автора. Але для мас-маркету та мідл-сегменту з чеком 50-300 € - це єдиний спосіб вижити на ринку.
Чи замінить алгоритм живого баєра та стиліста?
Щоразу, коли я розповідаю про можливості ІІ, колеги-стилісти напружуються. Здається, що машина незабаром залишить нас без роботи. Насправді це не так.
Алгоритм чудово справляється з математикою. Він точно відповість на запитання «що робити?», «якого кольору?» і «у якому обсязі?». ІІ бачить цифри, але він абсолютно сліпий до культурного контексту, іронії та настрою часу.
Припустимо, машина передбачила високий попит на сірі кардигани та мереживні спідниці. Але тільки живий стиліст здогадається, що їх треба вдягнути разом, додати грубі черевики та створити образ, який викличе у покупниці емоційний відгук «Хочу так само!». Синергія людини та машини – ось де криється справжній успіх.
Майбутнє моди не за брендами, якими керують бездушні алгоритми. Переможцями стануть ті компанії, де креативний директор вміє надихатись графіками продажів, а байєр використовує штучний інтелект як свій найточніший вимірювальний інструмент.
