Tai Paryžiaus mados savaitė, o miesto gatvėse gausu įžymybių, dizainerių, modelių ir žurnalistų. Tarp minios erelio akių ekspertai atidžiai stebi. Tai mados industrijos tendencijų prognozuotojai. Jų darbas – pajusti naujų dizainerių kolekcijų spalvas, kirpimus, audinius ir raštus, tikintis aptikti kylančias tendencijas.
Jų užrašai bus greitai pridėti prie kuruojamų „tendencijų prognozių“, kurios bus parduodamos dizaineriams ir mažmenininkams, kurie jais įkvėps naujų kūrinių ir nuspręs, ką įsigyti kitą sezoną – pagalvokite apie „mėlynojo megztinio“ kalbą Velnias dėvi pradą, kur Meryl Streep personažas šiurkščiai paaiškina šį procesą savo naiviam asistentui Andy (vaidina Anne Hathaway). Tradiciškai mados prognozuotojai rėmėsi tik šiais kokybiniais metodais, stebėdami kilimo ir tūpimo tako pasirodymus, kartu su gatvės mada ir popkultūra, kad prognozuotų.
Tačiau per pastarąjį dešimtmetį dirbtinio intelekto technologijoms vis stiprėjant, prognozavimo agentūros dabar kreipiasi pagalbos į kiekybinius mašininio mokymosi rezultatus. Šie dirbtinio intelekto įrankiai gali aptikti modelius dideliuose kilimo ir tūpimo tako vaizdų, socialinės žiniasklaidos įrašų, paieškos duomenų ir internetinių bei parduotuvių pardavimo duomenų rinkiniuose – tai gali padėti prognozuotojams tiksliau ir, svarbiausia, greičiau pastebėti kylančias tendencijas.
Visa tai yra sveikintina naujiena pramonei, kurios vertė yra apie 2 mlrd. USD (1,65 mlrd. GBP) visame pasaulyje, nes net ir šiek tiek nukrypimas nuo spalvų paletės ar sprendimų dėl apvado gali turėti reikšmingų pasekmių įmonės pelningumui.
Meryl Streep vaidina Mirandą Priestly su Anne Hathaway filme „Velnias dėvi Prada“. Nuotrauka: Maximum Film / AlamyPrognozės taip pat gali turėti didelės įtakos mados pramonės anglies pėdsakui, kuris, remiantis Global Fashion Agenda ir McKinsey & Co, yra atsakingas už mažiausiai 4% viso pasaulyje išmetamų teršalų ir kasmet pašalina daugiau nei 92 mln. tonų audinių.
„Tikslios tendencijų prognozės gali sumažinti švaistymą, sutaupyti pinigų ir suteikti įmonėms pranašumo prieš konkurentus“, – sako dr. Michalas Korenas, mokslininkas, specializuojasi mados prognozavimo srityje iš Shenkar koledžo Tel Avive, Izraelyje. „AI įrankių naudojimas prognozuojant gali prisidėti prie mados pramonės tvarumo, sumažinant netikslių prognozių tikimybę.
Nors verta prisiminti, kad dirbtinis intelektas patiria savo aplinkosaugos kaštus, tiesioginė paskata naudoti šiuos AI prognozavimo įrankius yra aiški: kuo tikslesnės prognozės, tuo mažesnė tikimybė, kad įmonė eikvoš išteklius gamindama drabužius, kurių niekas nenori pirkti.
„Nuolat tobulinti savo tendencijų prognozes ir gaminti tik tai, ką galime parduoti, yra svarbi galvosūkio dalis, kad pasiektume tikslą iki 2040 m. tapti grynuoju nuliu“, – sako Lise-lotte Löveborg, vadovaujanti mados žvalgybos komandai H&M būstinėje Stokholme. . „Šiuo tikslu pradedame tyrinėti, kaip AI gali prisidėti prie mūsų prognozavimo proceso.
Madinga, madinga ar įprasta
Daugelis pramonės šakų tam tikru pajėgumu naudoja prognozavimo metodus, kad nuspręstų, ką ir kiek gaminti kiekvienais metais. Paprastai šios prognozės yra pagrįstos istoriniais pardavimų duomenimis, koreguojant pagrindinius veiksnius, tokius kaip sezoniškumas (pavyzdžiui, žieminės padangos paprastai parduodamos daugiau žiemą, ledai yra saugus pasirinkimas vasarą).
Tačiau prognozavimas mados industrijoje gali būti sudėtingesnis. Viena vertus, sunkiau išmatuojami veiksniai, tokie kaip emocijos ir estetika, gali turėti daug didesnį poveikį mados tendencijoms nei, pavyzdžiui, automobilių padangų pardavimui.
Socialiniai ir kultūriniai judėjimai taip pat gali smarkiai paveikti tendencijas – pagalvokite, kaip šią vasarą į rinką įsiveržė karšta rožinė spalva. Barbė filmo išleidimas arba kokia keista mada tapo po „Covid“ užblokavimo.
„Spartus mados pramonės tempas taip pat reiškia, kad tendencijos gali pasikeisti per naktį“, – sako Koren. „Pavyzdžiui, jei įžymybė ką tik turėjo išparduotą koncertą, o scenoje ji avi tam tikrą batų porą, tai gali turėti didelį poveikį šių produktų pardavimui. Naujumas taip pat yra esminis dalykas, kuris prognozuotojams kelia įgimtą problemą. Tendencijos nuolat kinta – kaip kadaise yra pasakęs dizaineris Karlas Lagerfeldas: „Mados esmė yra kintamumas“ – vadinasi, tai, kas buvo madinga birželį, iki spalio mėnesio gali jau susidėvėti.
Dėl visų šių veiksnių svarbu, kad mados prognozuotojai greitai reaguotų, kad nesiūlytų savo klientams pasenusių prognozių. Dirbtinio intelekto įrankiai šiuo atžvilgiu gali būti ypač naudingi: kuriami AI modeliai, galintys automatiškai nuskaityti tūkstančius kilimo ir tūpimo tako vaizdų ir akimirksniu išgauti labiausiai paplitusias spalvų paletes bei raštus.
Prognozuotojai taip pat ieško didelių duomenų, surinktų iš socialinės žiniasklaidos įrašų, kad pašalintų vartotojų pageidavimus, nes kai kurie Instagram influenceriai dabar turi bent tiek pat tendencijų, kaip garsūs dizaineriai – jei ne daugiau. Pavyzdžiui, AI modeliai, tokie kaip Paryžiuje įsikūrusios bendrovės „Heuritech“ sukurti modeliai, kiekvieną dieną analizuoja milijonus vaizdų, skelbiamų socialinėje žiniasklaidoje. Jie nuskaito su drabužiais ir mada susijusius įrašus, priskirdami vartotojus į „įtemptus“ (žmones, dėvinčius naujus stilius, kurie gali arba nepasiekti populiarumo, bet kurie yra pagrindiniai būsimų tendencijų signalai), „madingus“ (įtakingi ankstyvieji tendencija, kuri padės ją skleisti), arba „mainstream“ (mes likusieji).
Keturiasdešimt procentų mados prekių parduodama ne už visą kainą. Nuotrauka: viafilms / Getty ImagesTada jie užkoduojami iš 2 000 atributų sąrašo – pavyzdžiui, „plisuotas sijonas“, „skaisčiai raudona spalva“ arba „ilgomis rankovėmis“ – ir stebimi realiu laiku, kad dirbtinio intelekto modelis galėtų nustatyti, kaip keičiasi konkrečios išvaizdos populiarumas. .
„Tikslas yra padėti prekių ženklams įvertinti, ką žmonės šiuo metu dėvi, ir numatyti, ką žmonės dėvės ateityje, atsižvelgiant į visus turimus duomenis“, – sako Tony Pinville, vienas iš Heuritech įkūrėjų 2013 m. dirbtinio intelekto ir mašininio mokymosi daktaro laipsnį Sorbonos universitete Paryžiuje.
Prognozės gali būti generuojamos iki vienerių metų iš anksto, o rezultatai gali būti tokie konkretūs, kaip: „Prognozuojama, kad kitais metais spygliuočių juostelės Europos rinkoje bus matomos 80 %“ (beje, tai tikra Heuritech modelio prognozė, jei ieškote stiliaus patarimų).
Kadangi šie AI modeliai tampa vis tikslesni, tikimasi, kad dizaineriai ir mažmenininkai pagamins daugiau to, kas iš tikrųjų bus parduota. „Vienas iš mūsų tikslų yra išspręsti mados pramonės pertekliaus problemą“, – sako Pinville. „Kadangi šiuo metu 40% mados gaminių visame pasaulyje parduodami ne už visą kainą, o 25% gaminių iš viso neparduodami.”
AI įrankiai taip pat gali padėti paįvairinti kolekcijas, iš demografinių rodiklių išskirdami tendencijas, kurių prognozuotojai kitu atveju galėjo nepastebėti. „Pavyzdžiui, dažnai matome, kad dizaineriai Prancūzijoje mados industrijoje turi labai „paryžietišką“ požiūrį ir mano, kad jų klientai taip pat turi tokį skonį“, – sako Pinville. „Tačiau jei pažvelgsite į duomenis pasauliniu mastu, pamatysite, kad klientų segmentavimas iš tikrųjų yra labai platus.”
Kitaip tariant, naudojant dirbtinio intelekto įrankius, kurie kasdien gali analizuoti milijonus pranešimų iš viso pasaulio, prognozuotojai gali matyti, kaip tendencijos vystosi tam tikruose regionuose, amžiaus grupėse ir subkultūrose. Tai suteikia dizaineriams ir mažmenininkams vertingos informacijos, kai jie sprendžia, kaip pritaikyti savo dizaino ir atsargų sprendimus kiekvienai atskirai rinkai.
Kūrybinis kampas
Tačiau tokioje emocijų valdomoje pramonėje, kaip mada, yra rizika pasikliauti vien duomenimis. „Prieš kelerius metus socialinėje žiniasklaidoje buvo dideli rodikliai, rodantys, kad geltona yra tendencija“, – sako Francesca Muston, WGSN, pirmaujančios Londone įsikūrusios tendencijų prognozavimo bendrovės, kuri sukūrė savo vidinį AI modelį, mados viceprezidentė. įtraukti į prognozavimo metodus 2022 m. „Ir jei būtumėte sekę vien tik socialinės žiniasklaidos duomenis, geltonos spalvos gabalai atrodytų gera investicija, nes šie įrašai sulaukė daugybės mygtukų „patinka“ ir „dalijimosi“ – tikriausiai todėl, kad žmonės linkę turėti labai visceralų reakcija į ryškias spalvas.
„Bet ar jūs, kaip žmogus, ketinate išeiti ir dėvėti ryškiai geltoną paltą? Tai drąsus mados pasirinkimas. Vis dėlto žmonėms, kurie išeina su juodais ir pilkais paltais, gali patikti tie geltonų paltų įrašai socialinėje žiniasklaidoje.
Štai kur pagrindiniai tendencijų prognozuotojo įgūdžiai išlieka pagrindiniais. Sujungdami didelio masto duomenų rezultatus su kūrybine patirtimi ir platesnio socialinio konteksto supratimu, prognozuotojai gali naudingai interpretuoti duomenis, kad sukurtų prognozes, kurios bus svarbios eiliniam vartotojui.
„Todėl mes išlaikome labai stiprų kūrybinį savo prognozavimo kampą su pramonės ekspertų komanda“, – sako Mustonas. „Taigi, jei prognozuojame, pavyzdžiui, grožio pramonę, ta žmonių komanda galėjo dirbti su veido kremų formomis ir turės įgimtą produkto supratimą.
Pierre’o Cardino 2024 m. pavasario/vasaros šou Paryžiaus mados savaitėje, kuri baigiasi antradienį. Nuotrauka: Thierry Chesnot / Getty ImagesWGSN metodika taip pat remiasi tuo, ką ji vadina „pagrindiniais tyrimais“, kad būtų sukurtos išsamesnės prognozės, atsižvelgiant į kokybinius elementus, pavyzdžiui, kaip vyriausybės teisės aktų ar jaunimo kultūros pokyčiai gali turėti įtakos tendencijoms. 2020 m. Covid pandemijos metu buvo stebima, kaip, pavyzdžiui, vyriausybės nustatyti užblokavimai paveiks tokius dalykus kaip drabužių pardavimas drabužiams (kuris smarkiai išaugo) arba vestuvinių suknelių pajamos (sumažėjo).
Svarbu išlaikyti šiuos kokybinius elementus, nes dirbtinio intelekto įrankiai gali tik kaupti esamą informaciją apie tai, ką žmonės dėvi, ir atitinkamai numatyti. Jie taip pat neturi savo estetinės perspektyvos ar mados pojūčio – bent jau kol kas – todėl gali nepatenkinti vartotojų noro ieškoti naujovių, kurie dažnai yra neatsiejama to, kas ką nors paverčia madinga.
„Žmonių ekspertų vaidmuo aiškinant ir kuruojant tendencijas ir toliau bus labai svarbus, net kai dirbtinis intelektas ir duomenimis pagrįsti modeliai taps tikslesni“, – sako Korenas. Taip yra todėl, kad galiausiai tendencijų prognozuotojai turi turėti platesnį supratimą apie kultūrinę ir politinę atmosferą ir suprasti, kaip tai pavirs drabužiais.
„Pavyzdžiui, 2008 m. mados industriją smarkiai paveikė pasaulinė finansų krizė ir prognozuotojai suprato, kad nauji vasariniai drabužiai turi būti aktualūs, jie turi atspindėti niūrią ekonominę situaciją“, – aiškina Koren. „Štai kodėl to sezono drabužiai buvo apibūdinti kaip „depresijos prašmatnūs“ ir kodėl juoda dominavo [autumn] 2009 metų spalvų paletė“.
Taigi atrodo, kad šiuo metu dirbtinio intelekto prognozavimo įrankiai yra būtent tai – įrankis, kurį galima naudoti kartu su kitais, kad būtų priimti labiau pagrįsti kūrybiniai sprendimai. „Kad šiais laikais būtumėte geras tendencijų prognozuotojas, turite vadovautis duomenimis ir kūrybiškai“, – sako Mustonas. „Kadangi dienos pabaigoje reikia interpretuoti visus ten esančius signalus, kad būtų galima planuoti ateitį.
