Tekoäly muotialalla: Miten Hunkemöller hyödyntää tekoälyä asiakasymmärrykseen, hintojen optimointiin ja myymäläklusterointiin

Tekoäly (AI) muuttaa muotialaa nopeasti. Samaan aikaan kun osa yrityksistä odottaa, toiset ottavat rohkeita askelia eteenpäin.

Tässä Tekoäly muotialalla -sarjan osassa FashionUnited haastattelee Gordon Smitiä, hollantilaisen alusvaateyritys Hunkemöllerin teknologiajohtajaa.

1. Miten näet tekoälyn ja mihin Hunkemöller käyttää sitä?

Tekoälystä on tullut välttämätön nykyaikaisissa organisaatioissa, erityisesti muotialalla. Yritykset, jotka eivät vielä hyödynnä tekoälyä, ovat jäämässä auttamattomasti jälkeen. Kilpailukyvyn säilyttämiseksi tekoäly on integroitava osaksi toimintaa ja sitä on kehitettävä jatkuvasti.

Datatiimimme on kasvanut puolessatoista vuodessa kolmesta kahteentoista henkilöön. Käytämme tekoälyä koko arvoketjussamme tuotekehityksestä ja suunnittelusta myyntiin ja analysointiin.

2. Onko sinulla antaa konkreettisia esimerkkejä?

Kokeilemme parhaillaan 3D-suunnittelua suunnitteluvaiheessa. Tarkastelemalla tuotteita täysin digitaalisesti ja 360 asteessa voimme vähentää merkittävästi fyysisten näytteiden määrää Aasiasta. Tavoitteenamme on yksi näyte neljän tai viiden sijaan per malli/tyyli. Tämä säästää aikaa ja kustannuksia.

Tekoäly auttaa meitä myös kuvien luokittelussa. Alusvaatekuvissa näkyy joskus paljon ihoa, joten Google saattaa merkitä ne aikuisviihteeksi, mikä heikentää löydettävyyttämme. Tekoälyn avulla voimme ennakoida, mitkä kuvat todennäköisesti hylätään ja mitkä voidaan turvallisesti julkaista verkossa.

Toinen tärkeä sovelluskohde on hintajousto. Otetaan esimerkiksi Black Friday. Aiemmin aloitimme tuotteiden hintojen alentamisen marraskuussa intuition perusteella, mutta nyt teemme sen täysin dataohjatusti. Koneoppimismallit määrittävät tarkasti, milloin tuotteen hintaa tulisi alentaa, kuinka paljon ja milloin ei. Tämä tuottaa todistetusti parempia katteita.

Käytämme tekoälyä myös asiakaspalautteen käsittelyyn. Kehitimme yhdessä Googlen kanssa työkalun, joka kääntää automaattisesti satojatuhansia arvosteluja ja mittaa niiden sentimenttiä. Tämän avulla saimme selville suurimmat asiakkaiden turhautumisen aiheet, jolloin pystyimme puuttumaan niihin välittömästi.

Lisäksi työskentelemme myymälöiden klusteroinnin parissa, jossa tekoäly tunnistaa, mitkä myymälät palvelevat samankaltaisia asiakasprofiileja. Ryhmittelemällä myymälöitä datan perusteella tuotevalikoima voidaan räätälöidä paljon paremmin klusterikohtaisesti. Nämä analyysit vaativat joskus miljardien tietueiden käsittelyä, mikä oli manuaalisesti mahdoton tehtävä.

3. Mitä tämä tekoälymatka on tähän mennessä tuottanut?

Hunkemöller on käynyt viime vuosina läpi suuren datatransformaation. Meillä oli yli 25 eri datalähdettä, jotka yhdistettiin yhteen keskitettyyn tietokantaan kolme-neljä vuotta sitten. Istuimme datakultakaivoksen päällä, mutta emme vielä päässeet siihen käsiksi. Kaikkien näiden lähteiden yhdistäminen oli valtava urakka, mutta nyt korjaamme sen hedelmiä. Olemme saaneet uutta tietoa, kuten ostokäyttäytymisen malleja myymäläklusteroinnin avulla.

Seuraava askel on todella aktivoida kaikki nämä uudet oivallukset, aivan kuten teimme asiakaspalautteen kanssa.

4. Mitä olette oppineet ja mitkä ovat haasteet?

Tärkein oppi on, että masterdatan on oltava kunnossa. Jos data on virheellistä, pätee edelleen periaate ’roskaa sisään, roskaa ulos’. Esimerkiksi hintajouston ja myymäläklusteroinnin osalta jouduimme hienosäätämään dataamme merkittävästi. Antaakseni käsityksen, vakaan perustan luominen vei meiltä kaksi vuotta verta, hikeä ja kyyneleitä.

Toinen suuri haaste tekoälyssä on sen käyttöönotto. Tekoälyn käyttö suuressa organisaatiossa on hyvin erilaista kuin sen käyttö yksityiselämässä. On helppoa pyytää arkipäivän tekoälyä, kuten ChatGPT:tä, luomaan matkasuunnitelma, mutta sen ammattimainen käyttö on aivan toinen asia. Esimerkiksi, miten varmistetaan, että 6 500 työntekijää osaa kirjoittaa hyviä kehotteita?

Kehitämme parhaillaan koulutusta ja ohjeistuksia, jotta työntekijöistä tulisi tekoälyosaavampia. Rakennamme myös keskitettyä tekoälystrategiaa, jotta tiimit eivät työskentelisi eri työkaluilla. Tämä koordinointi on ratkaisevan tärkeää, minkä monet yritykset todennäköisesti tunnistavat.

5. Mitä Hunkemöllerille seuraavaksi tekoälyn saralla?

Luin juuri raportin, jonka mukaan 90 prosenttia yrityksistä työskentelee jo tekoälyn parissa, mutta 67 prosenttia niistä on edelleen pilottivaiheessa. Tämä on varsin tunnistettavaa. Oivallusten osalta Hunkemöller on edistynyt, mutta muilla osa-alueilla olemme vielä tutkimusvaiheessa.

Yksi alueista, jota olemme vasta alkaneet tutkia, on luova tekoäly. Vaikka fyysiset kuvaukset ovat edelleen välttämättömiä taian, tunteen ja tunnelman luomiseksi, tekoäly voi tukea ja muuttaa niitä tulevaisuudessa. Se voi laajentaa luovia mahdollisuuksia tai parantaa tehokkuutta esimerkiksi vähentämällä matkustamista.

Lisäksi haluamme käyttää tekoälyä markkinointimiximme optimointiin ja ymmärtääksemme paremmin kampanjoidemme tuottoa.

6. Missä näet suurimmat mahdollisuudet tekoälylle muotialalla?

Suurimmat mahdollisuudet ovat luovalla osa-alueella. Ajatellaan trendianalyysiä: mitä pitäisi kehittää, millaisia malleja on nousemassa, mihin suuntaan markkinat ovat menossa? Tekoälyllä voi luoda moodboardeja tai muuntaa kaavoja 3D-malleiksi. Tämä teknologia on jo olemassa, mutta sitä käytetään muotialalla vielä tuskin lainkaan laajassa mittakaavassa.

Eurooppalaisilla toimijoilla, kuten Zaralla ja Loaviesilla, sekä kiinalaisilla jättiläisillä, kuten Sheinillä ja Temulla, on erittäin lyhyet toimitusajat suunnittelusta toimitukseen, usein vain muutamia viikkoja tai päiviä. Emme pysty vastaamaan siihen vauhtiin. Alusvaatteiden suunnittelu ja tuotanto tehdään kokonaan talon sisällä ja on monimutkaisempaa kuin T-paidan tai neuleen valmistus. Siitä huolimatta markkinoilletuloaikamme voi ja sen täytyy olla lyhyempi, ja olen vakuuttunut, että tekoälyllä on siinä avainrooli.

7. Vielä viimeisiä neuvoja?

Viime vuonna sanoin, että yritysten tulisi ottaa tekoäly käyttöön askel kerrallaan: aloittaa pienestä, tehdä pilotteja ja sitten skaalata hitaasti ylöspäin. Ajatteluni on muuttunut täysin. Tekoäly on antanut ajalle uuden ulottuvuuden. Muutama vuosi sitten 'menneisyys' tarkoitti viittä, kuutta tai seitsemää vuotta sitten. Nyt kun puhun 'menneisyydestä' tekoälyn yhteydessä, tarkoitan kahta tai kolmea kuukautta sitten. Kehitys on niin nopeaa, että pienet askeleet eivät enää toimi.

Yrityksille, jotka ovat tällä hetkellä kokeilu- ja tutkimusvaiheessa, varmistakaa, että teillä on tuki organisaation sisällä. Työntekijöiden on ymmärrettävä, että tekoäly ei vie heidän työtään, vaan vapauttaa aikaa tehdä työ paremmin. Erityisesti vähittäiskaupassa, jossa on aina 'kiire, kiire, kiire', tekoälytyökalut voivat tuoda valtavia tehokkuushyötyjä.

Yrityksille, jotka eivät ole vielä aloittaneet tekoälyn käyttöä, vinkkini on: data, lihavoituna, alleviivattuna ja huutomerkillä!

Tämän haastattelun litteroinnissa ja kirjoitusapuna on käytetty tekoälytyökaluja.

Tämä artikkeli on käännetty englanniksi tekoälytyökalun avulla.

FashionUnited käyttää tekoälypohjaisia kielityökaluja nopeuttaakseen (uutis)artikkelien kääntämistä ja oikolukeakseen käännöksiä lopputuloksen parantamiseksi. Tämä säästää toimittajiemme aikaa, jonka he voivat käyttää taustatutkimukseen ja alkuperäisten artikkelien kirjoittamiseen. Tekoälyn avulla käännetyt artikkelit tarkistaa ja editoi ihminen ennen niiden julkaisua. Jos sinulla on kysyttävää tai kommentoitavaa tästä prosessista, lähetä meille sähköpostia osoitteeseen info@fashionunited.com

Tämä artikkeli on käännetty suomeksi tekoälytyökalun avulla.

FashionUnited käyttää tekoälykieliteknologiaa tarjotakseen muotialan ammattilaisille laajemman pääsyn uutisiin ja tietoihin maailmanlaajuisesti. Vaikka pyrimme tarkkuuteen, tekoälykäännökset kehittyvät jatkuvasti eivätkä välttämättä ole vielä virheettömiä. Jos sinulla on palautetta tai kysymyksiä tästä prosessista, ota meihin yhteyttä osoitteessa info@fashionunited.com.