Почему так сложно решить проблему кураторства в моде

Онлайн-магазины видят алгоритмическую персонализацию как метод иметь обширные запасы, одновременно демонстрируя покупателям товары, соответствующие их вкусам. Такой же принцип лежит в основе Spotify и TikTok, но внедрить его в модной индустрии непросто.

Анабель Мальдонадо точно знает, что ей нравится, однако вынуждена самостоятельно искать желаемые вещи на одном из сайтов электронной коммерции. «Мне никогда не должны показывать клетку, цветочный принт, джинсовые куртки — всё то, чем я не интересуюсь», — рассказала она. «Вместо этого мне приходится вручную фильтровать бренды и цвета, которые мне нравятся… Я занимаюсь этим сама, хотя так не должно быть».

Мальдонадо — основатель и генеральный директор Psykhe, платформы «персонализация как услуга», которая с помощью искусственного интеллекта и психографических профилей пытается понять вкусы покупателей и рекомендовать продукты. Клиент, интересующийся Rick Owens, скорее всего, обладает высокой открытостью и высоким невротизмом, в отличие от поклонника Tory Burch. Таким образом, если он начнёт искать парфюмы, алгоритм предположит, что его заинтересует тёмный уд, а не солнечные цветы, и предложит соответствующие ароматы в реальном времени.

Этот стартап, среди клиентов которого такие бренды, как Altuzarra, Farm Rio, Pacifica Beauty и Kirna Zabete, пробует решить проблему, возникшую с появлением электронной коммерции: без продавца-консультанта, который мог бы взаимодействовать с покупателем лично, как помочь покупателям найти то, что им понравится? По мере роста розничных продавцов эта необходимость становится всё более насущной. Без физических ограничений, таких как ограниченный объём вешалок и площадь магазина, они могут предложить огромный ассортимент, который, однако, становится трудным для обработки и лишает вещание чувства курирования, превращая его в обычный цифровой склад.

Эти проблемы стали особенно актуальны после краха ритейлеров, таких как Farfetch и Matchesfashion. Специалисты полагают, что отсутствие курирования сыграло ключевую роль в их неудаче, в то время как такие ритейлеры, как Mytheresa, Moda Operandi и Ssense, благодаря внимательному отбору товаров, смогли выжить.

Алгоритмическая персонализация, где пользователь видит ассортимент, соответствующий его индивидуальным вкусам, может стать потенциальным решением. Это успешно используется в других сферах. Рекомендательный алгоритм Spotify помог ему стать лидером в потоковом вещании музыки, а бурный рост TikTok обусловлен его способностью удерживать пользователей с помощью персонализированной ленты «Для вас».

Натали Массне, пионер электронной коммерции класса люкс и основатель Net-a-Porter, считает, что «магазин должен полностью соответствовать вам — вашему вкусу, размеру, мероприятиям, образу жизни, брендам, которые вам нравятся».

Однако такого магазина пока нет. Во многих розничных сетях персонализация ограничивается каруселью внизу страницы, показывающей товары, визуально похожие на те, на которые покупатель недавно смотрел, или другие товары того же бренда. Даже те, кто опережает остальных, как Zalando, который опрашивает покупателей о предпочтениях в отношении бренда и размера для адаптации рекомендаций, ещё далеки от уровня персонализации, как у Spotify.

Эту концепцию сложно реализовать в моде, где работают с физическими товарами, а не с цифровым контентом. Тем не менее, это может стать серьёзной возможностью, если удастся её успешно воплотить.

Понимание потребностей покупателей

Понять, что хотят клиенты, и предоставить им это — простая идея, но её трудно воплотить. Spotify начинает свои рекомендации с изучения отношений между песнями, исследуя, какие из них пользователи часто включают в плейлисты вместе, сообщил Wall Street Journal. Он добавляет метаданные, такие как дата выпуска и лейбл, проводит звуковой анализ, оценивая такие характеристики, как танцевальность, акустика, громкость, темп, энергия и тональность музыки. Также рассматриваются тексты песен и прилагательные, используемые для их описания в блогах и статьях.

Spotify использует эти данные, чтобы создать многомерную карту всех треков в своей библиотеке. Треки, расположенные ближе друг к другу, более тесно взаимосвязаны и, следовательно, скорее всего, привлекают одних и тех же слушателей.

Этот метод не уникален для Spotify, но в мире моды его сложно воспроизвести. Успех Spotify частично обусловлен огромной библиотекой песен, в которой каждый может найти что-то по своему вкусу. Эквивалентом песен в моде стал бы товарный запас, но поддерживать такой объем действительно дорого. Это также требует детализированной каталогизации каждого товара.

«Настоящая сложность заключается в наличии всех данных, необходимых для соответствия товаров в многомерном пространстве… и во выявлении гиперперсонализированных предпочтений клиентов», — отметил Хольгер Хэррейс, старший партнер McKinsey и со-руководитель глобальных данных компании.

Lyst, одна из компаний, использующих свою версию этого подхода, функционирует как поисковая система модных товаров, предлагаемых более чем 17 000 розничными партнерами. У самой компании нет инвентаря, но она зарабатывает на комиссии с продаж, совершенных через её сайт. В 2024 финансовом году валовая стоимость товаров, проданных через Lyst, превысила 600 миллионов долларов. Большая часть инвестиций компании направляется на персонализацию.

«В Lyst мы записываем и отслеживаем абсолютно все, что происходит на нашем сайте», — рассказал Антон Джеффкоут, главный технический директор Lyst.

Ежедневно система регистрирует около 14,5 миллионов точек данных, таких как время, проведенное пользователем на странице, количество прокруток, клики по товарам, добавление их в список желаемого, выбор размеров и цветов. Некоторые данные имеют больший вес, чем другие; добавление товара в список желаемого ценится выше, чем простая прокрутка.

Информация о продуктах поступает от партнеров компании, а также извлекается с помощью моделей искусственного интеллекта. Как и Spotify, Lyst объединяет данные в своеобразную карту, где каждому пользователю и товару присваивается положение в виде вектора.

«Это в основном сравнение вектора каждого пользователя с векторами всех товаров в базе данных для нахождения наиболее подходящих совпадений», — объяснил Джеффкоут.

Когда покупатели просматривают сайт Lyst, товары, которые они видят, подбираются в соответствии с тем, что компания знает об их вкусах. В прошлом году Lyst провела около 10 экспериментов по персонализации и в наилучшем случае увеличила коэффициент конверсии примерно на 20 процентов.

Персонализация и индивидуальность

Может ли этот подход гиперперсонализации работать для всех ритейлеров и полностью решить проблему курирования в электронном бизнесе — остается открытым вопросом. По мнению Массне, некоторые покупатели ищут советы у редакторов и инфлуенсеров о том, что следует носить. Успех ритейлеров зачастую связан не только с возможностью легко находить нужные товары, но и с предоставлением информированного мнения и точки зрения. Без этого можно создать еще один невзрачный каталог.

«В моде и роскоши важна курированная подборка сверху вниз», — отметил Массне.

Розничные торговцы должны также учитывать жесткость своих алгоритмов. Мальдонадо из Psykhe указал, что элементы неожиданности и новизны важны для покупательского опыта. Если алгоритм заточен исключительно на конверсию, его рекомендации могут быть столь же скучными и неактуальными, как отсутствие персонализации. Lyst выяснила, что включение популярных товаров даже в менее подходящие результаты имеет свою эффективность.

«На самом деле, клиенты хотят — или по крайней мере так говорят наши данные — некоторую персонализацию в своих лентах товаров, а также стимулы и направления к другими, связанными, но новыми отправными точками», — отметил Джеффкоут. «Речь не только о гиперперсонализации. Главное — понять, какая комбинация факторов наиболее резонирует с клиентами».

Единого «Spotify для моды» может никогда не появиться. Даже в Spotify не все пользователи довольны рекомендациями. Однако ритейлеры не ошибутся, если выяснят, что хотят их клиенты, и постараются это удовлетворить. Хэррейс из McKinsey отметил, что высокая персонализация может увеличить коэффициент конверсии и снизить количество возвратов, что повышает прибыльность и снижает углеродный след компании.

🚀 Услуги — Shopify, Stripe, PayPal, Shopify Payments, Реклама, Креативы, Консультация