Especialistas em IA para dimensões e caimento conversam com o FashionUnited

Os agentes de IA já estão transformando a maneira como os consumidores descobrem, avaliam e compram roupas. Como as marcas e os varejistas podem superar o hype da agência e focar no que realmente importa para seus negócios agora? A resposta começa com uma área frequentemente negligenciada na conversa sobre IA: dimensões e caimento.

Alvanon é a empresa líder mundial em tecnologia de dimensões. Nesta conversa editada para o FashionUnited, Don Howard, diretor executivo da consultoria global da Alvanon, e Eric Lee, diretor executivo da empresa para as Américas, apresentam três ações práticas para ajudar as empresas terem sucesso na era da agência.

Eric: É melhor começarmos com uma definição de IA…

Don: Como consumidor, a IA representa uma transição dos mecanismos de busca tradicionais, como o Google, onde inserimos parâmetros e obtemos uma lista de resultados para filtrar, para agentes de IA que pesquisam, filtram e recomendam a melhor correspondência de acordo com nossos comandos.

Para produtos gerais que são dimensionalmente estáveis, a IA é incrivelmente eficaz. No entanto, trabalhamos na indústria de vestuário com produtos flexíveis que apresentam um conjunto único de desafios. O principal deles é o tamanho e o caimento. Podemos projetar roupas até certo ponto, mas todas as peças se comportam de maneira diferente.

Eric: A título de exemplo, pedi à IA: "Dê-me três opções de camisas entre 70 e 100 dólares". Em segundos, ela me deu três opções, de marcas das quais eu nunca havia comprado antes. Todas pareciam perfeitas. Então, pedi para fazer uma prova virtual para mim, e ela simulou as três camisas no meu corpo, usando informações disponíveis publicamente. Escolhi uma e pedi que recomendasse o melhor tamanho. Após algumas perguntas, sugeriu um tamanho médio/slim, que eu comprei. Quando chegou, a realidade era muito diferente da prova virtual!

Eric: Isso realmente ilustra a desconexão entre o que um agente de IA recomenda e a experiência do consumidor. A IA pode ser brilhante em direcionar compradores de primeira viagem para uma marca, mas também pode criar um grande aumento nas devoluções e minar a confiança do consumidor. Essa é uma desconexão cara. A verdade é que as ferramentas de compra com IA podem realmente impulsionar a aquisição de novos clientes, mas potencialmente ao custo do valor vitalício do cliente - que desperdício.

Se eu tivesse uma loja de e-commerce de 100 milhões de dólares e pudesse reduzir minhas devoluções em 1 por cento, isso seria 1 milhão de dólares de volta no meu bolso! Mas um aumento de cinco percentuais nas devoluções teria um impacto enorme no meu resultado final....

Don: O caimento da roupa ainda é o principal motivo pelo qual os consumidores devolvem as peças. A pergunta a ser feita é: 'o que está fazendo uma peça ser devolvida com uma taxa mais alta?' Citar 'caimento' como motivo para a devolução é muito vago para ajudar a resolver o problema. Precisamos ir mais a fundo do que a palavra 'caimento' para entender por que uma peça foi devolvida. E as marcas precisam se perguntar: 'nossa dimensão e caimento estão corretos desde o início?'

Eric: Isso nos leva à primeira de nossas três ações práticas: Como ajudamos os agentes de IA a encontrar nossos produtos em vez dos de nossos concorrentes?

Don: Acerte sua dimensão. Defina-o de forma consistente e comunique-o claramente para suas equipes, fornecedores e e-commerce. Parece simples, mas muitas marcas erram nisso. Tamanho e caimento não são a mesma coisa. O tamanho é o padrão central definido e projetado de uma marca e a base de todos os designs de vestuário. O caimento é uma condição aplicada sobre esse tamanho. Portanto, se o tamanho central de uma marca não for padronizado e definido, haverá problemas pela frente. As marcas também precisam entender como o tamanho e a forma do corpo mudam à medida que as roupas mudam de tamanho. Muitas vezes, o que é executado na produção e experimentado pelo consumidor não corresponde ao que é prometido online.

Eric: Com certeza. Em minha função anterior no e-commerce, trabalhei em sessões de fotos. Tínhamos uma arara de roupas e às vezes não sabíamos se a intenção do caimento era para ser slim fit ou relaxado. Isso ilustra como equipes diferentes têm prioridades diferentes. Uma equipe de design técnico está olhando para isso por uma lente diferente em comparação com uma equipe de e-commerce em uma sessão de fotos focada em otimizar as taxas de conversão. Isso se alinha ao seu ponto sobre a comunicação da intenção de dimensão e caimento. Uma tabela de tamanhos é boa, mas é apenas uma peça de um quebra-cabeça maior. As pessoas devolvem as coisas porque 'não veste como o esperado', o que é diferente de 'comprei o tamanho errado'. É uma diferença sutil, mas importante - a consistência na dimensão é a chave para resolver ambos.

Don: A tabela de tamanhos deve ser precisa e alinhada com o que uma marca realmente produz. A IA lerá a tabela de tamanhos e outras informações disponíveis publicamente, como avaliações de consumidores com feedback útil sobre o caimento. Se uma marca muda seu modelo de caimento, por exemplo, em tamanho ou forma, a peça pode parecer precisa online, mas produzir resultados finais muito diferentes e, potencialmente, mais devoluções.

Eric: Ação prática número dois: Como as marcas podem analisar os dados gerados pelo e-commerce?

Don: Os dados são super importantes - taxas de devolução, motivos para devoluções, vendas por tamanho e muito mais. Os dados iluminam a experiência do consumidor e a resposta ao que a marca executou.

A análise deve ser realizada com cuidado e rapidez! Se houver um aumento nas devoluções devido às roupas serem 'muito grandes', o padrão corporal pode ser um fator, mas não deve ser a primeira pergunta - em vez disso, pergunte: 'a peça foi feita intencionalmente grande e não correspondeu às expectativas do cliente?' O foco limitado em uma única métrica pode levar a decisões muito diferentes sem uma análise aprofundada.

Eric: Os agentes de IA lerão as informações da peça muito rapidamente, então as marcas devem ter tabelas de tamanhos precisas e descrições de caimento na página de detalhes do produto. E as peças devem estar consistentemente em conformidade com esses padrões e descrições, ou os compradores ficarão desapontados. As marcas deveriam ter recursos dedicados para analisar esse tipo de dados?

Don: Sim. As empresas que fazem isso bem, normalmente têm alguém que entende tanto o lado comercial quanto a intenção técnica de dimensão e caimento de cada peça.

Eric: Para nossa terceira e última ação prática: Como as marcas fecham a lacuna de comunicação entre diferentes equipes e departamentos, como e-commerce e desenvolvimento de produtos?

Don: Esta é provavelmente a maior oportunidade. Historicamente, essas equipes existiram em fluxos de trabalho separados, com diferentes responsabilidades e cronogramas. Muitas vezes, a única interação que têm é quando algo é negativo - um aumento nas devoluções ou vendas fracas. Uma abordagem mais proativa para analisar dados pode ajudar as equipes a identificar oportunidades, desde melhorar o caimento até desenvolver extensões de produtos como "tall", "petite","plus size" etc. Quebrar barreiras entre os departamentos e ser mais colaborativo e proativo é algo que a maioria das marcas pode fazer melhor.

A boa notícia é que nos últimos 18 meses, mais ou menos, tivemos muito mais conversas colaborativas com equipes de e-commerce e líderes multifuncionais. A indústria está reconhecendo que precisamos quebrar o legado