Intelligenza artificiale nella moda: intervista con il vicepresidente di inspire ed engage a Zalando

Il ruolo dell'intelligenza artificiale (ai) nell'industria della moda e nel più ampio settore del commercio sta crescendo rapidamente. Secondo uno studio dello scorso gennaio dell'Istituto di ricerca Capgemini, la tecnologia, che Capgemini prevede potrebbe risparmiare ai rivenditori fino a 300 miliardi di dollari (circa 265 miliardi di euro), è stata utilizzata da oltre un quarto (28 per cento) dei rivenditori nel 2018, un aumento significativo rispetto al 17 per cento nel 2017, e 4 per cento nel 2016.

La tecnologia ora è davvero utilizzata in tutta la catena di produzione del settore della moda, dall’approvvigionamento alla progettazione, dalla produzione alla vendita al dettaglio. Nike, H&M e River Island sono solo alcuni degli esempi di aziende di moda che hanno recentemente investito per la prima volta o ulteriormente in intelligenza artificiale.

Un altro gigante della moda che sta investendo in questa tecnologia è il gigante tedesco dello shopping online, ovvero Zalando. A ottobre, la società ha lanciato il suo Algorithm fashion companion (Afc), un algoritmo che utilizza l'apprendimento automatico per suggerire capi e look ai clienti. James Healey è vicepresidente di inspire and engage presso Zalando, dove dirige un team multifunzionale di ingegneri, product manager, designer ed esperti di vendita al dettaglio per sviluppare nuovi modi in cui gli acquirenti possano scoprire la moda.

FashionUnited ha parlato con Healey del successo dell’Afc dopo il lancio su Zalando a ottobre, dei piani futuri per lo sviluppo della tecnologia e delle potenzialità che l’intelligenza artificiale offre nel settore della moda.

Potrebbe spiegare cos'è esattamente l’Algorithmic fashion companion (Afc) e come è nato?

Zalando ha fatto un ottimo lavoro nel fornire una vasta gamma di articoli, ma ci siamo resi conto in base al feedback dei clienti che molti dei nostri acquirenti hanno in mente due cose: una è che sono desiderosi di esplorare e cercare ispirazione, dimostrando così che Zalando non è solo un luogo per acquistare abbigliamento, ma anche un luogo per trarre ispirazione. L'altra cosa è che, mentre cerchiamo sempre di assicurarci che la nostra gamma di prodotti sia abbastanza ampia, gli acquirenti possono spesso sentirsi sopraffatti dai 400mila articoli che vendiamo. Stiamo assistendo a un aumento del coinvolgimento da parte dei visitatori, infatti gli acquirenti tornano sul sito più frequentemente, alla ricerca di contenuti “facilmente digeribili”, ma fanno fatica a trovarli con la quantità di contenuti che abbiamo.

Notiamo che quando i clienti interagiscono non stanno cercando singoli prodotti per farsi ispirare, ma stanno pensando a prodotti nel contesto di un intero outfit. Vogliono sapere di più su stili e tendenze e sulle occasioni in cui potrebbero voler acquistare certi capi. Quindi non iniziano con la mentalità di "voglio un nuovo paio di tacchi alti" o "voglio un nuovo vestito", ma pensano invece, "voglio qualcosa che posso indossare a un festival questo fine settimana o a un matrimonio" senza una reale comprensione di quale esatto articolo stiano cercando.

Gli outfit sono un ottimo modo per colmare questa lacuna. Ma offrire look creati manualmente, che hanno un grande senso dello stile, è qualcosa di molto difficile da fare su vasta scala. Ecco perché abbiamo creato Afc. Zalon, il nostro servizio di styling curato da 800 stilisti, seleziona manualmente gli abiti che utilizziamo per creare una fase di apprendimento automatico che può creare dinamicamente outfit curati per milioni di clienti. Il vantaggio principale è che mentre alcuni di questi clienti escono e usano l'esperienza Zalon per lavorare con veri stilisti, molti di loro vogliono solo poter esplorare facilmente online le possibilità. Ed è proprio questo quello che cerchiamo di fare.

In che modo stanno reagendo gli acquirenti agli outfit rispetto ai singoli articoli sul sito web di Zalando?

Benissimo, perché possiamo davvero vedere che gli acquirenti sono coinvolti da questa possibilità. Vediamo che questi consigli sull'abbigliamento stanno aumentando del 40 per cento le dimensioni del carrello e raddoppiando il tasso di effettive vendite rispetto ai singoli articoli. È proprio questo risultato che ci ha fatto decidere di investire in quella soluzione facilmente riproducibile, che ora conosciamo come Afc.

Abbiamo iniziato con una visione a lungo termine in cui l'esperienza di acquisto non sarebbe tanto quella di navigare tra i prodotti ma di navigare tra gli outfit e questi risultati ci stanno davvero confermando che stiamo andando nella giusta direzione, facendo sì che gli investimenti in questa tecnologia continuino.

I look completi sono creati manualmente dai nostri stilisti Zalon e sono tutti etichettati in modo da conoscere effettivamente contestualmente ogni parte dell'outfit. Quindi sappiamo esattamente quale articolo è stato usato per una scarpa o borsa. Aggiungono anche fatti dimensionali come lo stile dell'articolo, la tendenza che sostiene e il tipo di occasione per cui può essere utilizzato.

Questi attributi ci permettono quindi di poter dire "bene, sappiamo che queste scarpe si abbinano a questo vestito", non solo sulla base della raccomandazione, ma anche per via delle sinergie di stile che sono state aggiunte sulla base dei nostri oltre 2 milioni di outfit.

Cosa vi ha insegnato l’intelligenza artificiale sul modo in cui le persone acquistano? Ci sono alcune categorie demografiche che sono più propense all’utilizzo di questa funzione?

Sì. Se guardiamo al genere, il nostro gruppo demografico maschile l’utilizza di più. Se guadiamo più approfonditamente, vediamo che i nostri clienti hanno vari gradi di sicurezza quando si tratta stile e abbiamo individuato principalmente tre tipi di clienti: coloro che sono attivamente alla ricerca di un determinato articolo e sono davvero inclini a volere consigli di stile. Altri che stanno cercando più che altro ispirazione e che quindi potrebbero non essere alla ricerca di un abito particolare o di un paio di scarpe, ma di un'idea su cosa indossare, per esempio, a un festival. Questi vogliono capire insomma quali sono i trend. E poi l'ultimo gruppo è composto invece da un profilo anomalo, ovvero quello di un cliente che ha già un alto livello di sicurezza nello stile. Questo cliente non vuole suggerimenti sugli outfit, o se li vogliono, preferiscono che siano molto accurati. Proprio per questo dobbiamo stare molti attenti a come presentiamo tali proposte di look, altrimenti la credibilità della nostra azienda ne risentirà.

Per questi clienti anomali che non sono particolarmente alla ricerca di consigli di moda, possiamo spingere la funzione di ricerca dello stile con l’intelligenza artificiale in una posizione meno rilevante nella pagina, rendendo meno probabile che la trovino oppure non la mostreremo affatto, in base a come hanno reagito alla funzione in passato.

Pensa che si arriverà a un punto in cui gli stilisti non saranno necessari?

No, penso che avremo sempre bisogno di stilisti. L'intelligenza artificiale è un'opportunità di crescita, ma i consumatori hanno esigenze molto particolari e godono di quell'esperienza di lavoro con gli stilisti per trovare davvero qualcosa che ritengono li aiuti nel creare fiducia nel proprio stile. Pensiamo che quel tocco personale che offre uno stilista non potrà mai esser sostituito.

State pensando di estendere il servizio di raccomandazioni fino a includere anche i prodotti di bellezza?

Assolutamente. Consideriamo la bellezza come una parte fondamentale della moda e di un outfit nel suo insieme. La parte difficile è che tutti i set di apprendimento usati con Zalon non contengono in realtà prodotti di bellezza, quindi è difficile creare il sofisticato livello di raccomandazioni che abbiamo per gli abiti. Stiamo ora lavorando con il nostro team di bellezza e il nostro team Zalon per cercare di capire come creare i giusti dati che ci aiuteranno a formare gli algoritmi.

Questo articolo è stato precedentemente pubblicato su FashionUnited Uk

Foto per gentile concessione di Zalando