Big data in de mode: iedereen doet het, niemand weet hoe het werkt

article
published at 20-04-16, by Frans Tilstra

Het recept voor succes in de moderetail? Het juiste product, met de juiste prijs, op het juiste moment. Simpel. Het is dan ook best opmerkelijk dat voorspellingen in deze industrie met een jaarlijkse wereldwijde omzet van 2,5 biljoen euro nog meestal pure speculatie zijn.

Misschien dat Big data daarom zo massaal omarmd wordt door modemerken. De analyse van enorme hoeveelheden digitale info over verkoopgegevens, clicks, reviews, likes, comments en meer kan patronen blootleggen in consumentengedrag die ondernemers zelf niet zouden ontdekken.

Handig, want de prijs van foute voorspellingen is hoog. Veel kleding eindigt tegen bodemprijzen in de Sale, gaat per kilo met de opkoper mee of wordt in het uiterste geval zelfs vernietigd. Een enorme schadepost voor ondernemers én het milieu.

Maar hoe maak je slim gebruik van Big data? Over het fenomeen gaat het grapje rond dat iedereen erover praat, niemand weet hoe het werkt, iedereen denkt dat anderen het doen, en mensen dus massaal zeggen dat ze het zelf ook doen.

Nieuw is Big data in elk geval niet. Een van de eerste werknemers die oprichter Amancio Ortega in de beginjaren van Zara in dienst nam, was een computerdeskundige. Die moest de verkopen opkrikken door gegevens te analyseren uit de supply chain en van traffic en verkoop in de winkels.

Tegenwoordig wordt de rol van de computerkundige steeds vaker over genomen door ultra-slimme, zelflerende computerprogramma’s. Met de introductie van Artificial Intelligence (AI) in Big data wordt de kans op de ontdekking van onverwachte patronen en trends alleen maar groter.

Trends voorspellen

Modemerken zijn vooral gefascineerd door de mogelijkheden die Big data en AI bieden om vraag en aanbod op elkaar af te stemmen, succesvollere ontwerpen te maken en klanten een persoonlijker winkelervaring te bieden.

Het (laten) ‘crunchen’ van grote hoeveelheden gegevens over verkoop en consumentensentiment helpt ontwerpers en inkopers te bepalen wat de bestverkopende kleur of motief zal zijn, het beste silhouet, de beste pasvorm en de beste retailprijs. Maar ook: de beste presentatie in de winkel.

De computerservers van de succesvolle Big data-startup Editd ‘tracken’ meer dan 50 miljoen individuele kledingstuks bij meer dan 1.000 retailers. Zelf ‘spyshoppen’ bij de concurrentie om te kijken wat ze in de rekken hebben hangen hoeft dus niet meer.

Webwinkel ASOS, een van de grote klanten van Editd, meldde zelf een omzetstijging van 37% in het laatste kwartaal van 2013, dankzij het gebruik van Big data. Fast Company riep Editd in 2014 uit tot een van de 10 van innovatiefste bedrijven in de creatieve industrie.

Maar het kan nog gekker. Big data-‘cruncher’ INstock van de Britse trendvoorspeller WGSN claimt zelfs het lot van 11 miljoen SKU’s te volgen per dag, afkomstig van meer dan 10.000 online merken en retailers.

Andere techbedrijven staan in de rij om dit succes te evenaren. Het nieuwe platform Stylumia belooft op basis van data uit onder meer social media te ontleden hoe consumenten aankoopbeslissingen nemen. Op onbewust niveau.

"80% van alle modevoorspellingen door modehuizen is op niets meer gebaseerd dan pure speculatie", zei oprichter Ganesh Subramanian onlangs in Tech In Asia. ‘Wij willen dat percentage omlaag brengen.’

Ook de wetenschap bemoeit zich ermee. Onderzoekers van Penn State University in de VS weten modetrends te voorspellen door patronen te zoeken in relevante woorden en frases in meer dan 6.000 moderecensies. Zo legden ze een netwerk bloot van onbewuste invloed tussen modeontwerpers en traceerden ze hoe trends door de modewereld bewegen.

Sales opkrikken met Big data

Big data wordt ook al gebruikt om het winkelgedrag van mensen te volgen. Op webshops is dat een logische toepassing. Met simpele tools als Google Analytics kun je precies zien welke kledingstukken consumenten aanklikken, hoe lang ze op een pagina blijven, hoeveel ze twijfelen voordat ze een aankoop doen, hoeveel kledingstukken verkocht en geretourneerd worden, wat de piekmomenten zijn en wat de geografische spreiding is van de kopers.

Die informatie is een stuk lastiger te vergaren in fysieke winkels, al gebeuren ook daar interessante dingen. Het bedrijf Bluetrace werd in november 2015 op de vingers getikt door het College Bescherming Persoonsgegevens omdat het via wifi-signalen van mobiele telefoons volgde wie een winkel passeert, voor welke schappen consumenten blijven staan en voor hoe lang.

Big data en de consument

Big data en Artificial Intelligence kunnen consumenten ook een persoonlijker ‘shopervaring’ bieden. Als een computer naast je geslacht, leeftijd en aankoopgedrag ook je woonplaats kent, dan weet hij ook wat voor weer het volgende week wordt. En kan hij aanbiedingen daarop aanpassen.

Met simpele apps als Snap Fashion kun je een foto maken van een willekeurige outfit en de app zoekt via fotoherkenning gelijksoortige kledingstukken voor je op. De app werkt best goed, al moet je niet verwachten dat je altijd precies hetzelfde item te zien krijgt. The Guardian noemde Snap Fashion "a glimpse of online shopping’s future".

In de toekomst is het zelfs niet ondenkbaar dat Big data ons kan helpen tijdens het dragen van kleding. Steeds meer merken experimenteren met ‘wearables’: sensoren en andere technologie verwerkt in kleding.

Het is niet ondenkbaar dat modemerken de data uit deze wearables gaan analyseren om uit te zoeken onder welke omstandigheden we veel zweten, of hoe we presteren onder druk, om daar vervolgens hun kleding op aan te passen.

Spontaniteit is (niet) dood

Verdwijnt met Big data de spontaniteit uit de mode-industrie? Wordt mode een doodgeanalyseerde kopieermachine? Editd-CEO Geoff Watts verzekerde in een gesprek met Bloomberg dat intuïtie een belangrijk onderdeel blijft van mode. Experimenteren hoort immers bij Big data.

Tegelijk weten veel experts het zeker: elk bedrijf is feitelijk een Big data-bedrijf. Het enige onderscheid dat nog te maken valt is tussen bedrijven die snappen hoe het werkt, en bedrijven die het niet snappen.

Dit artikel verscheen eerder op Textilia.