Yapay Zeka Beden ve Kalıp Uzmanları FashionUnited İçin Sektörü Değerlendirdi

Yapay zeka (AI) ajanları, tüketicilerin giyim ürünlerini keşfetme, değerlendirme ve satın alma biçimlerini şimdiden dönüştürüyor. Peki, markalar ve perakendeciler bu yapay zeka odaklı gündemin yarattığı bilgi kirliliğini nasıl aşarak, günümüz iş dünyasında gerçekten önem taşıyan konulara odaklanabilir? Cevap, yapay zeka tartışmalarında genellikle göz ardı edilen bir alanda yatıyor: beden ve kalıp.

Dünyanın lider beden teknolojisi şirketi olan Alvanon, bu konuda önemli içgörüler sunuyor. FashionUnited için özel olarak hazırlanan bu söyleşide, Alvanon'un küresel danışmanlık bölümü yönetici direktörü Don Howard ve şirketin Amerika kıtası yönetici direktörü Eric Lee, markaların bu yeni yapay zeka çağında başarılı olmalarına yardımcı olacak üç pratik eylem planını paylaşıyor.

Eric: İşe yapay zekanın bir tanımıyla başlamak en doğrusu olacak...

Don: Bir tüketici olarak baktığımızda yapay zeka, parametreler girip bir sonuç listesi elde ettiğimiz ve bu listeyi kendimiz süzdüğümüz Google gibi geleneksel arama motorlarından, bizim için araştıran, filtreleyen ve verdiğimiz komutlara göre en iyi eşleşmeyi öneren yapay zeka ajanlarına geçişi temsil ediyor.

Boyutsal olarak sabit olan genel ürünler için yapay zeka inanılmaz derecede etkili. Ancak biz, kendine özgü zorluklar barındıran yumuşak ürünlerin (soft goods) yer aldığı hazır giyim sektöründe faaliyet gösteriyoruz. Bu zorlukların başında ise beden ve kalıp geliyor. Giysileri belirli bir noktaya kadar tasarlayabiliyoruz, ancak her giysi farklı bir davranış sergiliyor.

Eric: Örnek vermek gerekirse, yapay zekadan bana "70 ila 100 dolar arasında üç gömlek seçeneği sun" demesini istedim. Saniyeler içinde, daha önce hiç alışveriş yapmadığım markalardan üç seçenek sundu. Hepsi mükemmel görünüyordu. Ardından benim için sanal bir deneme yapmasını istedim ve kamuya açık bilgileri kullanarak üç gömleği de vücudumda simüle etti. Birini seçtim ve en uygun bedeni önermesini talep ettim. Birkaç sorudan sonra medium/slim beden önerdi ve ben de satın aldım. Ancak ürün elime ulaştığında, gerçeklik sanal denemeden çok farklıydı!

Eric: Bu durum, bir yapay zeka ajanının önerdiği ile tüketicinin yaşadığı deneyim arasındaki kopukluğu çok net bir şekilde gözler önüne seriyor. Yapay zeka, bir markaya ilk kez alışveriş yapacak müşterileri yönlendirmede harika olabilir, ancak aynı zamanda iadelerde büyük bir artışa neden olabilir ve tüketici güvenini sarsabilir. Bu, maliyeti yüksek bir kopukluktur. Gerçek şu ki, yapay zeka destekli alışveriş araçları yeni müşteri kazanımını gerçekten artırabilir, ancak bu potansiyel olarak müşteri yaşam boyu değerinden feragat etme pahasına gerçekleşir ki bu da büyük bir israftır.

Eğer 100 milyon dolarlık bir e-ticaret operasyonum olsaydı ve iadelerimi %1 oranında azaltabilseydim, bu cebime 1 milyon doların geri dönmesi demek olurdu! Ancak iadelerde yaşanacak %5'lik bir artış, kârlılığım üzerinde devasa bir etki yaratırdı...

Don: Giysinin vücuda oturması (fit), tüketicilerin ürünleri iade etmesinin hâlâ bir numaralı nedeni. Sorulması gereken soru şu: 'Bir giysinin daha yüksek oranda iade edilmesine ne sebep oluyor?' İade nedeni olarak sadece 'kalıp' (fit) belirtmek, sorunu çözmek için fazla belirsiz bir ifade. Bir giysinin neden iade edildiğini anlamak için 'kalıp' kelimesinin ötesine geçmeliyiz. Ve markaların kendilerine sorması gereken soru şu: 'Bizim beden ve kalıp standartlarımız en başından doğru mu?'

Eric: Bu da bizi üç pratik önerimizden ilkine getiriyor: Yapay zeka ajanlarının rakiplerimizin ürünleri yerine bizim ürünlerimizi bulmasına nasıl yardımcı olabiliriz?

Don: Beden ölçülerinizi doğru belirleyin. Bu ölçüleri tutarlı bir şekilde sabitleyin ve ardından ekipleriniz, tedarikçileriniz ve e-ticaret platformlarınız arasında net bir şekilde iletin. Kulağa basit gelse de pek çok marka bu konuda hata yapıyor. Beden (size) ve kalıp (fit) aynı şey değildir. Beden, bir markanın tanımlanmış, tasarlanmış temel standardıdır ve tüm giysi tasarımlarının temelini oluşturur. Kalıp ise bu bedene uygulanan bir durumdur. Dolayısıyla, bir markanın temel bedeni standartlaştırılıp sabitlenmemişse, ileride sorunlar yaşanması kaçınılmazdır. Markaların ayrıca, giysi bedeni değiştikçe vücut ölçüsü ve şeklinin nasıl değiştiğini de anlaması gerekir. Çoğu zaman, üretimde uygulanan ve tüketici tarafından deneyimlenen şey, internette vaat edilenle eşleşmiyor.

Eric: Kesinlikle katılıyorum. Önceki e-ticaret görevimde fotoğraf çekimlerinde çalışıyordum. Önümüzde bir askı dolusu kıyafet olurdu ve bazen kalıbın dar (slim fit) mı yoksa rahat (relaxed) mı olması gerektiğini bilmezdik. Bu durum, farklı ekiplerin farklı önceliklere sahip olduğunu gösteriyor. Teknik tasarım ekibi konuya farklı bir mercekten bakarken, dönüşüm oranlarını optimize etmeye odaklanmış bir e-ticaret ekibi fotoğraf çekiminde bambaşka bir perspektife sahip oluyor. Bu da senin beden ve kalıp niyetinin iletişimi hakkındaki noktana bağlanıyor. Beden tablosu güzel bir şey ama bu, büyük bir yapbozun sadece bir parçası. İnsanlar ürünleri 'beklediğim gibi oturmadı' diye iade ediyorlar, ki bu 'yanlış beden aldım' demekten farklı bir durum. Bu, ince ama önemli bir fark ve her iki sorunu çözmenin anahtarı da beden ölçülerinde tutarlılıktır.

Don: Beden tablosu doğru olmalı ve markanın fiilen ürettiği ürünlerle uyumlu olmalıdır. Yapay zeka, beden tablosunu ve kalıpla ilgili faydalı geri bildirimler içeren tüketici yorumları gibi diğer kamuya açık bilgileri okuyacaktır. Eğer bir marka, örneğin beden veya şekil için kalıp mankenini değiştirirse, giysi internette doğru görünse de sonuçta çok farklı sonuçlar doğurabilir ve potansiyel olarak daha fazla iadeye yol açabilir.

Eric: İkinci önerimiz: Markalar e-ticaret tarafından üretilen verileri nasıl analiz edebilir?

Don: Veri son derece önemli; iade oranları, iade nedenleri, bedene göre satışlar ve daha fazlası... Bu veriler, tüketici deneyimine ve markanın ortaya koyduğu ürüne verilen tepkiye ışık tutar. Analizler dikkatli ve hızlı bir şekilde eyleme dönüştürülmelidir! Eğer giysilerin 'çok büyük' olması nedeniyle iadelerde bir artış varsa, vücut standardı bir faktör olabilir ancak ilk sorulması gereken bu olmamalıdır. Bunun yerine, 'giysi kasıtlı olarak mı bol üretildi ve bu durum müşteri beklentileriyle uyuşmadı mı?' diye sorulmalıdır. Derinlemesine bir analiz yapmadan tek bir metriğe sınırlı odaklanmak, çok farklı kararlara yol açabilir.

Eric: Yapay zeka ajanları giysi bilgilerini çok hızlı bir şekilde okuyacaktır, bu nedenle markaların ürün detay sayfasında doğru beden tablolarına ve kalıp tanımlayıcılarına yer vermesi gerekir. Ve giysiler bu standartlara ve tanımlayıcılara tutarlı bir şekilde uymalıdır, aksi takdirde alışveriş yapanlar hayal kırıklığına uğrar. Markaların bu tür verileri analiz etmek için özel kaynaklar ayırması gerekir mi?

Don: Evet. Bu işi iyi yapan şirketlerin genellikle hem ticari tarafı hem de her bir giysinin teknik beden ve kalıp niyetini anlayan bir çalışanı bulunur.

Eric: Üçüncü ve son önerimize gelince: Markalar, e-ticaret ve ürün geliştirme gibi farklı ekipler ve silolar arasındaki iletişim boşluğunu nasıl kapatabilir?

Don: Bu muhtemelen en büyük fırsat. Tarihsel olarak bu ekipler, farklı sorumluluklar ve zaman çizelgeleriyle ayrı iş akışlarında var olmuşlardır. Genellikle tek etkileşimleri, iadelerde bir artış veya düşük satışlar gibi olumsuz bir durum olduğunda gerçekleşir. Verileri analiz etmeye yönelik daha proaktif bir yaklaşım, ekiplerin kalıbı iyileştirmekten uzun (tall), minyon (petite), büyük beden (plus size) gibi ürün uzantıları geliştirmeye kadar çeşitli fırsatları belirlemesine yardımcı olabilir. Siloları yıkmak ve daha işbirlikçi ve proaktif olmak, çoğu markanın daha iyi yapabileceği bir şeydir.

İyi haber şu ki, son 18 ayda e-ticaret ekipleri ve fonksiyonlar arası liderlerle çok daha fazla işbirlikçi görüşme yaptık. Sektör, bu kökleşmiş yapıları yıkmamız gerektiğini fark ediyor.