Чому погана продукційна інформація коштує модній індустрії більше, ніж будь-коли, і де тут підходить ІІ

У моді візуальні ефекти – це все. Але за кожною сторінкою опису продукту стоїть дані. Від форми підолу до назви кольору в розкладці, дані про продукт диктують, як товари відкриваються, відображаються, купуються та повертаються. Коли вони точні, вони тихо підтримують всю систему. Коли вони неточні, наслідки впливають на все – від логістики до довіри клієнтів.

Дослідження Forrester Consulting 2024 року показало, що 83% лідерів електронної комерції визнають, що їхні дані про продукти є неповними, несумісними, неточними, неструктурованими або застарілими. І наслідки не обмежуються лише бекендом. Погані дані про продукти затримують запуски, обмежують видимість, дратують клієнтів і збільшують кількість повернень. У моді, де точність驱лює продажі, а маржі вузькі, це стає серйозною відповідальністю.

Як бренди розширюються на все більше рітейл-каналів, проблема множиться. Управління десятками вимог до форматування, стандартів зображень і таксономій одночасно додає шари складності. Але багатомодальна ІІ – моделі, які можуть обробляти як зображення, так і текст, – з’являється як інструмент, який може нарешті вирішити ці проблеми у масштабі.

Коли дані про продукти підводять продаж

Кожна сторінка продукту в цифровій рітейлі – це точка контакту з клієнтом, а у моді ця взаємодія вимагає точності. Неправильна маркування кольору, пропуск матеріалу або не збіг зображення з описом не тільки виглядає непрофесійно, але й порушує досвід покупки.

І це важливо для клієнтів. За даними галузі:

• 42% клієнтів кидають свій кошик, коли інформація про продукт є неповною.
• 70% клієнтів покидають сторінку продукту повністю, якщо опис здається непідходящим або невиразним.
• 87% клієнтів кажуть, що вони малоймовірно куплять знову після отримання товару, який не відповідає його онлайн-опису.

І коли товари купуються на підставі неточних описів продукту, бренди сильно постраждають від повернень. У 2024 році лише 42% повернень у модній індустрії були пов’язані з неправильно представленою або неповною інформацією про продукт. Для галузі, яка вже страждає від витрат на повернення та відходів, вплив важко ігнорувати.

І це тільки якщо клієнт бачить продукт – дані, повні помилок, можуть знищити видимість, поховавши товари, перш ніж вони навіть мають шанс на конверсію, що призводить до нижчих продажів загалом.

Чому проблема даних моди не зникне

Якщо проблема така поширена, чому індустрія не вирішила її? Тому що дані про модний продукт складні, несумісні та часто неструктуровані. І коли з’являються нові ринки, очікування продовжують змінюватися.

Кожен бренд керує каталогами по-різному. Деякі покладаються на ручні таблиці, інші борються з жорсткими внутрішніми системами, а багато з них заплутані в складних PIM або ERP. Тим часом рітейлери вводять свої власні правила: один вимагає обрізаних знімків торсу, інший наполягає на білому фоні. Навіть неправильна назва кольору – “помаранчевий” замість “морквяний” – може привести до відхилення списку.

Ці несумісності перекладаються у величезну кількість ручної роботи. Одна SKU може потребувати декілька різних форматних проходів, щоб задовольнити вимоги партнерів. Помножте це на тисячі товарів і десятки рітейл-каналів, і не дивно, що команди витрачають до половини свого часу просто на виправлення проблем з даними.

І поки вони займаються цим, пріоритети, такі як сезонні запуски та стратегія зростання, відстають. Списки виходять у живий режим без ключових атрибутів або блокуються повністю. Клієнти прокручують або купують з неправильними очікуваннями. Процес, призначений для підтримки зростання, стає повторюваною джерелом затримок.

Аргумент на користь багатомодальної ІІ

Це саме той тип проблеми, який багатомодальна ІІ створена для вирішення. На відміну від традиційних інструментів автоматизації, які покладаються на структуровані входи, багатомодальні системи можуть аналізувати та розуміти як зображення, так і текст, подібно до того, як це робить людський мерчандайзер.

Вона може сканувати фотографію та назву продукту, розпізнавати дизайнерські особливості, такі як рюші на рукавах або V-подібний виріз, і призначити правильну категорію та теги, необхідні рітейлером. Вона може стандартизувати несумісні мітки, відображаючи “морський”, “полнічний” і “індіго” на одну й ту ж основну вартість, а також заповнювати відсутні атрибути, такі як матеріал або посадка.

На технічному рівні це стало можливим завдяки моделям мови та зору (VLMs) – передовим системам ІІ, які спільно аналізують продуктові зображення та текст (назви, описи), щоб зрозуміти кожен предмет цілісно. Ці моделі, засновані на трансформерах, тренуються на вимогах платформи, реальній продуктивності списків та історичних даних каталогів. З часом вони стають розумнішими, вивчаючи таксономію рітейлерів та уточнюючи прогнози на основі зворотного зв’язку та результатів.

Завдання, які раніше займали тижні, тепер можуть бути виконані за кілька годин, не жертвуючи точністю.

Чому чисті дані прискорюють все

Коли дані про продукти повні, сумісні та добре організовані, все інше працює значно краще. Товари з’являються у правильних результатах пошуку, виходять без затримок та відображаються у фільтрах, які клієнти фактично використовують. Продукт, який клієнт бачить онлайн, – це той самий продукт, який прибуває до його дверей.

Така ясність призводить до відчутних результатів у всій рітейл-операції. Рітейлери можуть підключати SKU без тривалих перемовин. Ринки віддають пріоритет спискам, які відповідають їхнім стандартам, покращуючи видимість та розміщення. Коли інформація чітка та сумісна, клієнти більш ймовірно конвертують та менше ймовірно повернуть те, що вони купили. Навіть служби підтримки клієнтів виграють, маючи менше скарг для вирішення та менше плутанини для управління.

Масштабування без вигорання

Бренди вже не продають тільки через свої сайти. Вони виходять у живий режим на Amazon, Nordstrom, Farfetch, Bloomingdale’s та довгому списку ринків, кожен з яких має свої власні еволюційні вимоги. Дотримання цих вимог вручну виснажливе, а з часом нереалістичне та незастосовне.

Багатомодальна ІІ змінює це, допомагаючи брендам створювати адаптивну інфраструктуру. Ці системи не тільки маркують атрибути, а й вчаться з часом. Коли з’являються нові правила ринку або еволюціонує продукова фотографія, списки можна оновити та переформатувати швидко, не починаючи з нуля.

Деякі інструменти йдуть далі, автоматично генеруючи набори зображень, що відповідають вимогам, визначаючи прогалини в покритті атрибутів та навіть підганяючи описи для конкретних регіональних ринків. Метою не є замінити людські команди. Це звільнити їх від повторюваних, заснованих на правилах завдань, які сповільнюють їх.

Дайте брендам бути креативними, а ІІ займатися рештою

Мода процвітає на оригінальності, а не на ручному вводі даних. Брудні дані про продукти можуть тихо зірвати навіть найсильніші бренди. Коли основи не правильні, все інше – від видимості до конверсії та утримання – починає сповзати.

Багатомодальна ІІ пропонує реалістичний, масштабований шлях вперед. Вона допомагає брендам рухатися швидше, не втрачаючи контролю, та приносить порядок до частини бізнесу, яка давно характеризувалася хаосом.

Мода рухається швидко. Бренди, які успішно справляються, будуть тими, у кого є системи, побудовані для підтримки.