Журнал и портал о моде для профессионалов
Вход| Регистрация
Войти как пользователь
Вы можете войти на сайт, если вы зарегистрированы на одном из этих сервисов:

Научно-персональный подход

Научно-персональный подход
02.06.2017 Просмотров: 854

Автор: Ваге Таамазян, сооснователь Tardis

Тематика: Ритейл, Digital



О сложностях онлайн-покупки одежды и связанных с этим издержках интернет-ритейлеров уже очень много сказано. 20-60% возвратов, низкая конверсия и масса потребителей, которые совершенно не понимают, каким образом приобретать одежду онлайн.

Покупателям трудно представить, как вещи на них будут смотреться, как будут сидеть и какой размер лучше заказать. И если внешний вид – очень субъективный параметр, то с подбором нужного размера и прогнозом «посадки» потребителю способны помочь алгоритмы. Именно так рассудило большое количество энтузиастов, IT-специалистов, предпринимателей и инвесторов. Вот уже лет пять виртуальные примерочные попадают во всевозможные топы стартапов.

Однако ни одного по-настоящему массового решения до сих пор нет. Большинство интернет-магазинов предлагают своим клиентам выбирать одежду "на глаз", на основе предыдущего опыта или заказывать вещи с примеркой дома. Мы в Tardis разработали продукт нового поколения и уверены, что время повсеместного внедрения виртуальных примерочных в интернет-магазинах наконец-то наступило. Вот почему:

  1. Tardis.jpgМагазины начинают внутреннюю оптимизацию. Темпы роста рынка онлайн-ритейла одежды снижаются. Именно в такие моменты необходимо оптимизировать расходы и улучшать бизнес-процессы. Издержки на возвраты – один из первых кандидатов на оптимизацию. Виртуальная примерочная привлекает новых клиентов и увеличивает lifetime value старых – магазины активнее стали интересоваться этим продуктом.
  2. Технологии созрели. Для качественной виртуальной примерки нужна серьезная технологическая база, позволяющая: а) корректно предсказывать фигуру человека по минимальному количеству данных (предыдущие покупки клиента / рост и вес / фотография); б) дешево и точно получать информацию о параметрах одежды; в) предсказывать, как в итоге вещь будет сидеть на конкретном потребителе. Развитие алгоритмов компьютерного зрения и машинного обучения приблизило нас к качественно работающему решению. Плюс, все больше и больше продаж осуществляется с помощью смартфона (в 2018 году их доля может превысить 50%), камера которого открывает дополнительные возможности для сбора данных о фигуре человека.
  3. Появились первые относительно успешные кейсы. Опыт внедрения виртуальных примерочных подтвердил их пользу как для покупателей, так и для интернет-магазинов. Они позволили онлайн-площадкам повысить конверсию, увеличить средний чек и уменьшить число возвратов, доказав тем самым, что у нового направления есть будущее и ритейлерам следует в него инвестировать.

Сегодня уже прекрасно видно, что работает, что нет. Так, долгое время всем казалось, что будущее за 3D-сканированием тела человека с помощью специализированных сканеров, однако рынок не освоил эту технологию. Сейчас понятно, что более перспективны мобильные софтверные решения. Изучив опыт существующих и уже ушедших с рынка компаний в области виртуальной примерки, а также тесно пообщавшись с ритейлерами в течение более чем полугода, мы в Tardis сделали продукт, легко и быстро внедряемый в бизнес-процессы ритейлера и дающий возможность предоставлять покупателям детальную информацию о посадке одежды – например, будет платье ниже колена или выше и насколько.

Наш опыт общения с ритейлерами показал, что практически все они активно изучают продукты в области виртуальной примерки в поисках оптимального решения. Мы уверены, что в ближайшую пару лет увидим массовое внедрение виртуальных примерочных в крупных интернет-магазинах. И те, кто сделает это раньше, получат конкурентное преимущество – возможность накапливать крайне ценные данные о своих покупателях, чтобы в дальнейшем предлагать им персонализированные предложения на основе данных о фигуре и индивидуальных предпочтениях.


Теги: Tardis
 
Текст сообщения*
Защита от автоматических сообщений