Почему так сложно решить проблему кураторства в сфере моды

Анабель Мальдонадо знает, что ей нравится. Однако на одном сайте электронной коммерции, где она регулярно делает покупки, этого нет. “Мне кажется, что я просто не должна была видеть ни клетчатых, ни цветочных принтов, ни джинсовых курток, ни вещей, к которым я никогда не проявляла интереса”, - сказала она. “Вместо этого мне приходится буквально выбирать 20 брендов, которые мне нравятся, и множество цветов, которые мне нравятся … Я пытаюсь все уладить и быть викарием самостоятельно”.

По ее мнению, так быть не должно. Мальдонадо - основатель и исполнительный директор Psykhe, платформы “персонализация как услуга” для ритейлеров, которая пытается понять вкусы покупателей и рекомендовать товары, используя искусственный интеллект и психографические профили, основанные на их поведении.

Покупатель, который выбирает Rick Owens, с большей вероятностью проявит то, что Мальдонадо называет “высокой открытостью и невротизмом”, чем тот, кто читает Tory Burch, поэтому, если он позже отправится изучать ароматы, алгоритм поймет, что больше шансов, что его привлечет темный уд, а не солнечные цветочные оттенки, и обратит внимание на эти ароматы в режиме реального времени. Стартап, в число клиентов которого входят Altuzarra, Farm Rio, Pacifica Beauty и Kirna Zabete, пытается найти новый подход к проблеме, с которой сталкиваются розничные продавцы с момента появления электронной коммерции: без помощи специалиста по продажам, который может читать мысли покупателей и взаимодействовать с ними лицом к лицу.- фейс, как ты помогаешь им найти продукты, которые им понравятся? Эта потребность становится все более очевидной по мере роста розничной сети.

Не ограниченные физическими ограничениями, такими как вешалки для одежды и площадь, они могут перевозить огромный ассортимент, который предлагает покупателям бесконечные возможности. Но в то же время перебирать их становится все труднее, и это сводит на нет всякое представление о том, что они представляют собой, превращая их в обычные цифровые склады, конкурирующие по цене. Проблемы, связанные с этой ситуацией, в последнее время оказались в центре внимания, поскольку в последние месяцы такие ритейлеры, как Farfetch и Matchesfashion, потерпели крах. Эксперты говорят, что основной причиной было отсутствие кураторства, в то время как кураторство, предлагаемое такими ритейлерами, как Mytheresa, Moda Operandi и Ssense, является ключевым фактором их выживания.

Потенциальным решением может стать алгоритмическая персонализация, при которой ассортимент, который видит пользователь, адаптируется к его индивидуальным вкусам. Эта концепция пользуется огромным успехом в других отраслях. Механизм рекомендаций песен Spotify помог ему стать доминирующим музыкальным стриминговым сервисом. Стремительный рост TikTok во многом обусловлен его способностью привлекать пользователей своей лентой “Для вас”. “У вас должен быть магазин, который полностью соответствует вашим вкусам, размерам, мероприятиям, стилю жизни и брендам, которые вам нравятся”, — говорит Натали Массне, пионер электронной коммерции класса люкс, основательница Net-a-Porter.

Такого магазина еще не существует. Во многих розничных сетях персонализация сводится к карусели внизу страницы, в которой представлены товары, визуально похожие на те, что недавно просматривал покупатель, или другие товары от брендов, которые он искал. Даже те, кто идет на опережение, такие как Zalando, который запрашивает у покупателей их предпочтения по бренду и размеру, чтобы адаптировать свои рекомендации по продуктам и предлагает товары, которые можно было бы использовать при прошлых покупках, пока не обеспечивают персонализацию на уровне, эквивалентном Spotify. Эту концепцию нелегко реализовать в сфере моды, которая имеет дело с физическими товарами, а не с цифровым контентом.

Тем не менее, это, возможно, открывает большие возможности — если все сделать правильно. Понять, чего хотят клиенты, и дать им это - простая идея, но сложная в исполнении. Чтобы составить свои рекомендации, Spotify начинает изучать взаимосвязи между песнями, изучая, какие из них пользователи часто добавляют в плейлисты вместе, сообщили The Wall Street Journal в Spotify. Он добавляет метаданные, такие как дата выхода песни и лейбл, и выполняет анализ звука для ранжирования таких характеристик, как танцевальность, акустика, громкость, темп, энергия и режим, например, в мажорной или минорной тональности.

В нем также анализируется текст песни, а также прилагательные, используемые для описания трека в блогах и статьях в Интернете. Spotify использует эту информацию для создания многомерной карты всех треков из своей библиотеки. Те, что расположены ближе друг к другу, более тесно связаны и, таким образом, вероятно, привлекают одних и тех же слушателей. Этот метод не уникален для Spotify, но в сфере моды его сложно воспроизвести. Одной из причин, по которой Spotify работает, является его огромная библиотека песен, в которой есть что-то для каждого. Модным эквивалентом песен может быть инвентарь. Но содержать запасы такого объема было бы непомерно дорого. Это также потребовало бы каталогизации каждого продукта с одинаковым уровнем детализации. “Я думаю, что на самом деле сложно получить все необходимые данные, чтобы сопоставить товар с многомерным пространством .. с учетом гиперперсонализированных предпочтений покупателя”, - сказал Хольгер Харрейс, старший партнер McKinsey и соруководитель ее глобальных инициатив в области данных.

Компания Lyst, которая использует свой собственный подход, работает как поисковая система для поиска модных товаров, предлагаемых более чем 17 000 розничными партнерами. Компания сама не проводит инвентаризацию, но взимает комиссию с продаж через свой сайт.

В 2024 финансовом году общий объем продаж превысил 600 миллионов долларов. Поскольку компания существует для того, чтобы помогать покупателям находить то, что они хотят, она вкладывает значительные средства в персонализацию. “В Lyst мы записываем и отслеживаем абсолютно все, что происходит на нашем сайте”, - сказал Антон Джеффкоут, технический директор Lyst.

Каждый день он собирает около 14,5 миллионов данных, таких как количество времени, которое покупатель проводит на странице, сколько раз он прокручивает страницу, на какие товары он нажимает, что он добавляет в свой список желаний, какие размеры и цвета он выбирает. Некоторые из них имеют больший вес, чем другие.

Например, добавление продукта в список желаний имеет большую ценность, чем прокрутка. Компания получает данные о продуктах от своих партнеров, но также использует ряд моделей искусственного интеллекта для извлечения их характеристик. Подобно Spotify, он объединяет все эти данные в своего рода карту, где каждому пользователю и элементу присваивается местоположение в виде вектора. “По сути, это сравнение вектора вашего пользователя с вектором всех объектов в базе данных, чтобы найти наиболее подходящее соответствие для серии продуктов”, - сказал Джеффкоут. Когда покупатели просматривают Lyst, товары, которые они видят, подбираются в соответствии с тем, что Lyst понимает под их вкусами.

По данным Jefcoate, в прошлом году компания провела около 10 экспериментов по персонализации, и в лучшем случае ей удалось повысить коэффициент конверсии примерно на 20 процентов. Может ли эта форма гиперперсонализации одинаково хорошо работать для каждого типа ритейлеров или полностью решить проблему электронной коммерции, остается открытым вопросом.

Массне отметил, что покупатели обращаются к вышестоящим органам, таким как редакторы и влиятельные лица, за советами о том, что надеть. Успех некоторых розничных сетей отчасти объясняется не только тем, что они позволяют покупателям легко найти то, что они хотят, но и тем, что они предоставляют обоснованное мнение и точку зрения на ситуацию.

В противном случае вы можете оказаться в очередном непримечательном магазине. “Когда речь идет о товарах класса люкс и моде, действительно необходим нисходящий контроль”, - сказал Массне. Розничным торговцам также следует помнить о том, насколько жестки их алгоритмы.

Мальдонадо из Psykhe отметил, что сюрприз и новизна - важные составляющие шопинга. Если алгоритм оптимизирован исключительно для конверсии, его рекомендации могут быть как скучными и неинтересными, так и вообще неактуальными. На самом деле, компания Lyst обнаружила, что включение популярных продуктов в результаты, которые видят пользователи, даже если бы они не отображались иначе, может быть эффективным. “Чего на самом деле хотят клиенты — или, по крайней мере, цифры говорят нам о том, чего они на самом деле хотят, — так это чтобы в их товарных лентах был элемент персонализации, а также чтобы их подталкивали и направляли в направлении других связанных с этим, но новых точек отсчета”, - сказал Джеффкоут. “Дело не только в том, чтобы добиться гиперперсонализации.

Важно определить, какое сочетание ингредиентов действительно понравится покупателю”.

Возможно, в мире моды никогда не будет единого Spotify. Не каждый пользователь Spotify считает, что рекомендации по песням всегда соответствуют действительности. Но ритейлеры вряд ли ошибутся, если поймут, чего хотят их клиенты, и попытаются предложить им это. Харрейс из McKinsey говорит, что, по его опыту, большая персонализация может повысить коэффициент конверсии и снизить доходность, что способствует повышению прибыльности и имеет дополнительное преимущество в виде сокращения выбросов углекислого газа в атмосферу. Розничным торговцам просто нужно помнить, что иногда покупатели тоже хотят получить рекомендации.