Como as marcas de moda preveem o futuro

Como as marcas de moda preveem o futuro? A Lafayette 148 sabia que tinha um sucesso nas mãos com um vestido preto de manga comprida com linhas geométricas brancas – versões anteriores daquela silhueta tinham vendido bem para a marca contemporânea. Mas a marca não esperava a avalanche de pré-encomendas que veio em resposta a um e-mail teaser com o item.

A marca tinha centenas de vestidos escondidos em armazéns aguardando entrega para varejistas como Bergdorf Goodman e Nordstrom , embora nem de longe o suficiente para satisfazer o aumento inesperado na demanda inicial.

“Nós fizemos o suficiente? Se não, podemos fazer mais? Podemos cortar esse vestido em outro tecido? ”, Disse o co-fundador e executivo-chefe Deirdre Quinn.

A empresa agora está cortando 50 vestidos adicionais e introduziu uma segunda versão em branco com linhas geométricas pretas. A versão preta está atualmente esgotada em cinco tamanhos.

As marcas de moda podem viver ou morrer com base em quão bem elas são capazes de equilibrar oferta e demanda. Produzir muito pouco significa perda de vendas e clientes frustrados. A superprodução é uma receita para gastos desperdiçados e vendas sem fim lucrativas. Não há fórmula perfeita, e o gerenciamento de estoque só ficou mais difícil com o aumento do comércio eletrônico, já que a demanda pode vir de qualquer lugar, a qualquer momento.

O inventário não envelhece como um bom vinho, envelhece como peixe fresco.

A incompatibilidade afeta as empresas em todos os cantos do negócio da moda. A Capri Holdings disse no início do mês que não antecipou a demanda por uma nova linha de tênis Jimmy Choo , e em maio Nordstrom culpou as fracas escolhas de merchandising no vestuário feminino por vendas abaixo do esperado no primeiro trimestre. A Under Armour passou grande parte do ano passado descontando fortemente as mercadorias para reduzir os estoques inchados, e a H&M continua a lutar com um estoque de US $ 4 bilhões em roupas não vendidas.

“O estoque não envelhece como um bom vinho, envelhece como peixe fresco”, disse Eric Fisch, chefe nacional de varejo e vestuário da divisão de bancos corporativos do HSBC. Seus clientes são empresas de vestuário que muitas vezes buscam empréstimos quando estão lutando para vender o estoque da última temporada, enquanto precisam fabricar os produtos da próxima temporada. “Em última análise, isso afetará a lucratividade e o fluxo de caixa de uma empresa”.

A indústria da moda tem várias maneiras de gerenciar estoques, como acelerar o ciclo de produção para responder melhor às mudanças na demanda. Mas um número crescente de empresas está olhando além de simplesmente reagir a mudanças no comportamento do consumidor. Eles querem prever o futuro.

As marcas estão melhorando o uso da grande quantidade de dados coletados nos clientes para prever o que comprarão em seguida. Muitas empresas iniciantes afirmam que podem prever com precisão o que os consumidores encontrarão com antecedência de meses com estilo, recomendando rótulos sobre quantos artigos de vestuário devem ser produzidos e quanto desse estoque deve ser armazenado em cada loja e armazém.

A tecnologia preditiva emprega inteligência artificial – às vezes anunciada como aprendizado de máquina ou aprendizado profundo – para reconhecer correlações entre variáveis ​​aparentemente não relacionadas.

“Por exemplo, a combinação do tempo em um determinado local dentro de um grupo demográfico específico pode causar um aumento nas vendas, porque pode haver uma correlação oculta entre cor, tamanho, clima e geolocalização”, disse Ahmed Zaidi, pesquisador do departamento de aprendizado de Cambridge. departamento e fundador da consultoria de ciência de dados Catalyst AI, cujos clientes incluem PVH e Superdry.

Existem milhares de start-ups de análise preditiva documentados pela Crunchbase, que garantiram bilhões de dólares em financiamento. Estima-se que os gastos globais estimados em produtos de IA cheguem a US $ 36 bilhões em 2019, um aumento de 44% em relação ao ano passado, segundo um estudo da empresa de pesquisa IDC. No início deste mês, a Nike adquiriu a Celect, uma empresa de previsão de demanda e otimização de estoques com sede em Boston.

“Aprendizado de máquina é apenas correlação com esteróides, uma evolução de entradas e saídas”, disse Fabrizio Fantini, fundador da Evo, uma startup que usa dados tão diversos quanto números históricos de vendas a tendências globais do tempo para prever como diferentes estilos de a roupa funcionará em vários mercados, ou mesmo em lojas individuais. “É a versão plug and play do que costumávamos fazer manualmente, com o Excel.”

As soluções de IA para o varejo dependem de “redes neurais” inspiradas por neurônios no cérebro para capturar padrões e tendências por meio do processamento de imagens e de uma quantidade enorme de entrada de dados.

A tecnologia tem um longo caminho a percorrer para cumprir sua promessa. As redes neurais foram usadas pela primeira vez no varejo há cerca de uma década, disse Zaidi, e encontraram amplo uso por plataformas como Amazon e Netflix para criar recomendações personalizadas.

Prever a demanda é muito mais difícil; conjuntos de dados complicados podem levar a IA a extraviar, como a experiência fracassada de 2016 da Microsoft com um chatbot da IA ​​que supostamente imitava a maneira como os adolescentes falam, mas, em vez disso, adotou uma linguagem racista, sexista e abusiva.

O Stitch Fix emprega uma equipe de mais de 100 cientistas de dados para ajudar os compradores e estilistas a compreender os dados coletados em todos os pontos de contato, desde o perfil de estilo inicial que cada comprador preenche até os comentários que eles deixam para suas compras.

“Se enviarmos uma blusa para alguém e ela disser que é muito pequena, isso diz algo sobre suas preferências”, disse Brad Klingenberg, diretor da Stitch Fix Chief Algorithms. “Se enviarmos a mesma blusa para 100 pessoas e todos disserem que é muito pequena, isso é informação sobre o produto.”

O objetivo final de muitas empresas de varejo é desenvolver inteligência artificial que possa superar os compradores humanos e os gerentes da cadeia de suprimentos.

Os Merchandisers já contam com dados de vendas anteriores, desempenho da loja e outros pontos de dados para orientar futuras decisões de compra.

Aprendizado de máquina é apenas correlação com esteróides, uma evolução de entradas e saídas.

“Ninguém tem uma bola de cristal sobre o que as tendências vão registrar”, disse Liz Fraser, presidente da Lafayette 148. “E só porque algo vendeu bem no ano passado não significa que vai vender bem este ano.”

Nem mesmo a mais sofisticada tecnologia de aprendizado de máquina conseguiu decifrar o código de estilo, e a indústria da moda ainda está no começo da integração de soluções de inteligência artificial.

Quando se trata de previsão, inúmeras variáveis ​​estão em jogo. Prever que um simples vestido preto vai vender bem nas lojas de uma marca, ou que as parkas terão um desempenho melhor em climas mais frios, é fácil. Prevendo se a tendência de broches de declaração no ano passado terá sucesso além dos mercados de moda, como Nova York – ou cair completamente – é mais difícil.

Afinal, a AI não poderia prever que um par de apartamentos de Rothy quadruplicaria as vendas no dia em que Meghan Markle usasse os sapatos em uma praia na Austrália.

Marcas e empresas de tecnologia dizem que a resposta é mais dados. O Stitch Fix incentiva os clientes a usar sua ferramenta Style Shuffle, onde eles podem dar os polegares para cima ou para baixo nos itens. A empresa usou 700 avaliações para determinar que os clientes preferem camisetas gráficas com mais café do que imagens de crânios.

Até mesmo marcas que não incorporaram AI encontram novos pontos de dados úteis. O Lafayette 148 usa um aplicativo da web chamado Skypad que rastreia o desempenho de vendas de cada item em cada loja ou canal em tempo real, permitindo que Quinn e sua equipe identifiquem oportunidades para redistribuir o estoque e reabastecer os produtos.

A Tamara Mellon usa uma plataforma chamada MakerSights, que pesquisa seus clientes sobre novos produtos em potencial, permitindo que a empresa planeje o tamanho de um pedido com base nos primeiros sinais de popularidade. Juntamente com a fabricação ágil, a marca de calçados é capaz de vender pelo menos 50% de seu mix de produtos em 30 dias, segundo a diretora de Merchandising Vanessa Lugo.

Zaidi disse que o debate não foi resolvido sobre se a IA pode superar o instinto de um comprador humano. Quando as empresas estão começando a experimentar com a análise preditiva, ele sugere a realização de um teste simples: designe uma equipe de comerciantes para definir descontos sazonais em produtos com uma solução com tecnologia de inteligência artificial e outra sem equipe.

Mas a IA não deve substituir os compradores tradicionais, acrescentou Fantini, da Evo.

“O trabalho muda, mas no meu mundo, os comerciantes ainda têm uma visão panorâmica e a capacidade de controlar o estoque”, disse ele. “Com meus clientes, eles contrataram mais pessoas, na verdade.”

Vale lembrar que pra você ficar por dentro de todas as tendências do mundo da moda masculina, grooming e footwear? É fácil! Siga nosso editor Fábio Monnerat no Instagram.