Искусственный интеллект в бутике

Какие новые возможности открывает искусственный интеллект для роста офлайн-продаж в люксовом и премиальных сегментах? Объясняет Александра Посохова, AP Consulting (Франция).

поделиться в vk поделиться в telegram

Согласно изданию Business of Fashion, более 60% руководителей компаний международной индустрии моды считают, что создание нейросетей и их интеграция в бизнес-процессы будет одной из главных стратегических задач до 2025 года. Какие новые возможности открывает искусственный интеллект (ИИ) для роста офлайн-продаж в люксовом и премиальных сегментах?

Основное практическое применение нейросетей для увеличения физической розницы fashion-брендов связано с более эффективным сбором и анализом больших данных. Это позволяет оптимизировать бизнес-процессы и делать взаимодействие с клиентами более качественным. Однако внедрение технологий ИИ имеет ряд ограничений.

Во-первых, ключевые фигуры компании часто не понимают, как нейросети могут способствовать развитию бизнеса, что затрудняет интеграцию ИИ в процессы. Во-вторых, сложно найти компетентных специалистов, необходимых для внедрения и обслуживания систем ИИ. В-третьих, интерграция нейросетей в существующие бизнес-процессы требует значительных затрат времени, трудовых и финансовых ресурсов.

Допустим, у вашей компании нет таких барьеров. Как в таком случае использовать нейросети максимально эффективно?

Привлечение клиентов

Чем сильнее бренд, привлекательнее продукт, лояльнее покупатели и квалифицированнее персонал, тем быстрее растут обороты. Однако, если спросить руководителей торговых точек, почему у них нет продаж, — в большинстве случаев они сошлются на недостаточное количество клиентов.

Привлечение потребителей с высокой покупательной способностью всегда было и будет приоритетом любого бизнеса. Специфика fashion-ритейла такова, что каждый бренд стремится не только привлечь, но и выстроить с клиентами доверительные отношения, обеспечив тем самым устойчивый рост продаж в долгосрочной перспективе.

Тут возникает сразу две задачи. Первая — отстроиться от конкурентов и сделать бренд видимым для максимального числа представителей целевой аудитории. Вторая — найти нужные аргументы для того, чтобы клиент приобрел именно у вас. Решение обеих задач сводится к тщательному изучению профиля текущих и потенциальных клиентов, их потребностей, интересов, механизма принятия решений о покупке.

Сегодня информация о клиентах достаточно разрозненная. Она поступает либо через онлайн-каналы взаимодействия с брендом, либо после физического контакта в бутиках (при условии, что персонал делает все необходимое, чтобы собрать максимум данных). Тут-то на помощь и приходит ИИ.

Возьмем, к примеру, ChatLabs — одного из финалистов LVMH Innovation Award 2023. Эта нейросеть помогает собирать информацию о потребителях из всех социальных каналов и получать представление об их покупательских паттернах на 360°. Систематизация всего объема данных на одной платформе значительно облегчает работу отделам маркетинга, продаж, поддержки клиентов и IT, помогая создавать уникальные стратегии привлечения клиентов. Технология уже получила популярность среди таких брендов, как Cartier, Chopard, L’Oréal, Estée Lauder и других.

Персонализированный опыт

Персонифицированный client experience (клиентский опыт) — не менее важный элемент модного бизнеса. Быстро и легко совершить покупку, при этом получив максимальное удовольствие от взаимодействия с брендом — этого сегодня ожидают потребители. Бренды инвестируют в интерьерные решения, подбирают уникальные ароматы и музыкальные дорожки, приглашают квалифицированный персонал, открывают флагманские магазины для того, чтобы увеличить вероятность возвращения клиента в бутик.

Онлайн-платформа предметов роскоши Farfetch внедрила технологию, позволяющую брендам-партнерам оборудовать свои магазины системой, которая объединяет все данные о клиентах, включая последние покупки, статистику просмотра, историю примерок. Эти данные позволяют ритейлерам не только отслеживать предпочтения клиентов, но и адаптировать мерчандайзинг, повышая вероятность покупки.

Оптимизация производства и планирование спроса

Еще одним челленджем для офлайн-продаж является наличие товара, который соответствует запросу клиентуры в достаточном объеме здесь и сейчас. За свою управленческую карьеру в мире моды и люкса я не раз сталкивалась с ситуацией, когда конкретный продукт вызывал неожиданный ажиотаж, а количества поставленных единиц не хватало. Чтобы удовлетворить спрос, бренды срочно запускали вторую волну производства. Однако к тому времени, когда долгожданный товар поступал на склады, клиенты утрачивали к нему интерес, что заканчивалось потерей прибыли. Или другая ситуация: на основе статистики хитов продаж прошлого сезона были сделаны закупки на новый сезон, только вот за время производства предпочтения клиентов изменились, и товар не продавался.

В этом контексте одна из ключевых возможностей нейросетей связана с оптимизацией производства, логистики и прогнозирования тенденций поведения потребителей. Алгоритмы ИИ можно использовать для анализа данных из различных источников, включая данные о продажах, отзывы клиентов и общие тенденции рынка. Полученная информация поможет оптимизировать управление закупками и разработку коллекций. Это позволит иметь нужный товар в оптимальном количестве, уменьшая расходы и повышая прибыль.

Эксперименты в этом направлении активно проводит Inditex. Совместно с компанией TYCO были разработаны специальные микрочипы с RFID-метками, которые вшиваются в защитные бирки одежды. С их помощью отслеживается путь товара от производства до продажи, собирается его статистика по цвету, размеру, возвратам и обменам. Это позволяет компании иметь полное представление о стоках и управлять продажами в режиме реального времени.

Любопытным примером также является парижский стартап Heuritech. Эта инновационная нейросеть ежедневно анализирует более 3 млн фотографий и видео с сайтов, блогов и социальных сетей. Ее алгоритм обучается идентифицировать с большой точностью предметы одежды, цвета, узоры вне зависимости от качества фотографии или ракурса съемки. Полученные данные позволяют компаниям в сфере моды и роскоши выявлять тенденции потребления, управлять созданием коллекций, актуализировать ассортимент в бутиках и на сайтах электронной коммерции. Компания Cartier совместно с Google тоже разработали технологию, цель которой — распознавание моделей часов на основе фото и видеоматериалов в интернете.

Управление персоналом

Давайте представим два бутика любого популярного бренда с грамотной маркетинговой политикой. В одном большой поток клиентов, но низкие продажи. В другом — растущие KPI на фоне низкого трафика. В чем причина?

Очевидно, что команда первого бутика упускает клиента, не дорабатывает возражения и не создает желания совершить покупку. Добавим к этому возможный «управленческий хаос», который часто встречается в торговых точках. Из-за низкого уровня подготовки управляющие не в состоянии отследить объем товара на складе, предвидеть нехватку ресурсов, вовремя дать обратную связь о ситуации с клиентами, а также настроить команду на качественную работу в период спада покупательной активности. Результат — потерянные продажи и доверие клиентов.

В европейских компаниях постоянное обучение команды навыкам управления и взаимодействия с клиентами давно стало правилом хорошего тона. Создаются онлайн-площадки, записываются образовательные материалы для менеджеров и продавцов с целью повышения их компетентности. Я сомневаюсь, что нейросети заменят консультантов, коучей, тренеров продаж и других специалистов, но значительно упростить изучение информации о коллекции и отработку возражений они точно смогут.