NIEUWS / MARKETING
8 april 2020
In de modewereld is trendspotten essentieel. Artefact UK MD Sarah De Martin legt uit hoe merken data kunnen gebruiken om te spotten wat de volgende is.
Mode is een risicovolle business. Voor luxe retailers en winkelketens die zich laten leiden door de shows op de catwalk, betekent financieel succes dat ze moeten weten welke ontwerpers, collecties, trends en ‘het’ kledingstuk het beste verkopen. Neem een moment rust en u kunt verlies lijden.
Daarom is de aankoopbeslissing cruciaal. Hoeveel van wat, waar, moeten detailhandelaars op voorraad hebben? Marktonderzoek en het volgen van wat moderedacteuren en beïnvloeders populair hebben verklaard, wordt vaak gebruikt om dit proces te sturen.
Deze indicatoren zijn echter feilbaar, omdat consumentengedrag moeilijk te voorspellen kan zijn. Trends worden gedicteerd door talloze hogere machten en als er een spaak in het wiel breekt - bijvoorbeeld als een milieubewust merk onverantwoordelijk voor het milieu blijkt te zijn, of als blijkt dat een ontwerper minimumloonarbeiders uitbuit of cultureel ongevoelig is voor een belangrijke markt - dan kan alles in duigen vallen.
Wat elke detailhandelaar wil, is zoveel mogelijk zekerheid; dat betekent in toenemende mate dat er gebruik moet worden gemaakt van de kracht van koude, harde data.
En waar komt het grootste deel van deze data vandaan? Wel, de plaats waar gesprekken vaak veelzeggender zijn dan persoonlijke gesprekken: sociale media.
Machine learning is een integraal onderdeel van het moderne bedrijfsleven - talloze processen worden herhaald en verbeterd door artificial intelligence toe te passen om inzichten en diepgewortelde waarheden te ontdekken. Apply De kracht van AI toepassen op sociale media is eigenlijk een no-brainer - het scrapen van Twitter, Facebook, Instagram enz. kan cruciale bedrijfsinzichten opleveren als het gaat om de belangrijkste Fashion Weeks en wat een buzz creëert.
Want op dit moment is de essentie dat ontwerpers niet van tevoren weten hoeveel stuks ze zullen produceren - ze baseren zich meestal op eerdere verkopen data van soortgelijke artikelen, in combinatie met specifieke groothandelaren en regio's. Ze nemen (heel verstandig) het zekere voor het onzekere. Ze nemen (heel verstandig) het zekere voor het onzekere.
Door naar sociale mediaplatforms te gaan om de data te kraken en precies te zien welke collecties, stukken en trends de meeste positieve buzz genereren, kunnen moderetailers hun inkoop- en marketingstrategieën veel nauwkeuriger plannen. Als er een X aantal stuks besteld moet worden voor specifieke markten, kan dit gemakkelijk het verschil maken tussen winst en verlies.
Om terug te keren naar de ontwerpers zelf, zouden soortgelijke sociale en web data die afgeleid zijn van online gesprekken rond de shows ook gebruikt kunnen worden om beter te informeren hoeveel ze moeten produceren, hoe waarschijnlijk het is dat een bepaald artikel verkocht zal worden, enzovoort.
Sommige merken, zoals Gucci, maken al gebruik van de kracht van dergelijke inzichten om hun collecties informeren. Lanvin peilt op deze manier ook de reacties van het publiek en prominente figuren uit de branche, om te bepalen welke looks het populairst zijn. Lanvin gebruikte deze methode ook om het effect van haar recente herlancering te meten, door te onderzoeken hoe mensen haar nieuwe merkethos herkenden en interpreteerden.
De traditionele seizoenscollecties bestaan nog steeds omdat, voor het grootste deel, kopers in de detailhandel collecties moeten bekijken en beslissen welke ze willen hebben; en ontwerpers moeten deze bestellingen vervolgens verwerken en produceren. Maar die kalender wordt steeds meer verstoord en de termijnen worden steeds korter om de voorraad met veel kortere levertijden te kunnen leveren. Deze trend zal alleen maar toenemen naarmate machine learning vaker gebruikt wordt om belangrijke productie- en inkoopbeslissingen te onderbouwen.
Natuurlijk hebben gedrukte media nog steeds een lange doorlooptijd nodig om monsters voor publicatie te fotograferen, maar dat terzijde, is er niet veel in het proces dat kon niet versneld worden door machine learning toe te passen om sociale media af te speuren naar belangrijke inzichten.
Het is geen snelle oplossing, noch is het het antwoord op alles. Maar mode is afhankelijk van trends en het sentiment van klanten. In een snel veranderende digitale wereld moet elke industrie doen wat ze kan om voorop te blijven lopen. Daarom moet machine en couture elkaar ontmoeten - het is de enige manier waarop luxe mode echt gelijke tred kan houden met haar audience.
