آینده صنعت مد در خرده فروشی و ویژوآل مرچندایزینگ

آینده صنعت مد در خرده فروشی و ویژوآل مرچندایزینگ

آینده صنعت مد در خرده فروشی و ویژوآل مرچندایزینگ

در سلسله مطالب “آینده صنعت مد” از طراحی تا تجارت و اینکه چگونه فناوری در حال تغییر شکل صنعت مد است صحبت میکنیم.
در بخش اول پس از یک مقدمه کوتاه در مورد “آینده صنعت مد در طراحی لباس” گفتیم.
در بخش دوم در مورد “آینده صنعت مد در تولید لباس” گفتیم.
در بخش سوم در مورد ” آینده صنعت مد در موجودی و توزیع محصول” گفتیم.

بخش چهارم: خرده فروشی و ویژوآل مرچندایزینگ

فناوری های آینده در خرده فروشی (ریتیل) مدل های خرید را تغییر میدهند.
فروشگاه های مستقل کم کم در حال از بی رفتن هستند و جای خود را به شعب و نمایندگی های برندهای بزرگ تر میدهند و مدل های تعاملی شان، طراحی های داخلی، چینش محصولات، نحوه برخورد با مشتری و … تغییر میکنند و تکامل پیدا میکنند.
از آنجایی که برندهای مد از استراتژی های نوین در بخش بندی بازار استفاده میکنند و مشتریان خود را به گروه های کوچکتر و هدفمندتر تقسیم میکنند طبیعتاً دیگر نیاز به فروشگاه های بزرگ با گستردگی محصول نخواهند داشت و هر فروشگاه به صورت تخصصی برای گروه خاصی از مشتریان فعالیت میکند، این موضوع زنجیره تامین را نیز چابک تر خواهد کرد.

آینده صنعت مد در خرده فروشی و ویژوآل مرچندایزینگ
AR/VR تجربه مشتری را در فروش فیزیکی و دیجیتال باز تعریف میکنند.

فناوری واقعیت افزوده و واقعیت مجازی به طور فزاینده‌ای برای ایجاد تجربیات دیجیتال در فروشگاه‌های آنلاین و همچنین در فروشگاه های فیزیکی به کار گرفته می‌شوند.
واقعیت افزوده یا واقعیت مجازی در 3 زمینه کلیدی مورد استفاده خواهد بود:
تجارت الکترونیک: به مصرف کننده این تجربه را میدهد که هنگام خرید آنلاین از طریق موبایل محصولات را به صورت سه بعدی ببینند و این نرخ تبدیل را افزایش میدهد.
خرده فروشی فیزیکی: از AR در فروشگاه استفاده کنید تا به خریداران اجازه دهید بوسیله رسانه های دیجیتال به موجودی در انبار دسترسی داشته باشند.
بازاریابی: تجربیات مجازی یا افزوده‌ای ایجاد کنید که «مصرف‌کنندگان را خوشحال می‌کند» – مانند یک پنجره بازشو واقعیت افزوده، کاتالوگ تعاملی، یا بازسازی واقعیت مجازی یک فروشگاه یا بوتیک.

فروشگاه‌های VR ممکن است با ارزان‌تر شدن و فراگیرتر شدن فناوری ادامه پیدا کنند.
برای مثال، برندها می‌توانند هدست‌هایی را به مشتریان حاضر در فروشگاه ارائه کنند که آنها را در کل مجموعه راهنمایی کنند.

یا در نمونه ایی دیگر آینه جادویی Uniqlo به مشتریان این امکان را می‌دهد تا ببینند لباس‌هایی که در فروشگاه‌ها ظاهر می‌شوند در رنگ‌های مختلف چگونه است.

دیجیتال استایلیست های شخصی سازی شده

آینده صنعت مد در خرده فروشی و ویژوآل مرچندایزینگ
آینده صنعت مد در خرده فروشی و ویژوآل مرچندایزینگ

یکی از روش های بازاریابی موفق برای دپارتمان استورها و فشن پاپ آپ ها در ایران همکاریشون با استارتاپ های استایلیست‌ دیجیتال مبتنی بر هوش مصنوعی و چت‌بات‌ها، که می‌توانند در مورد انتخاب لباس‌ها بازخورد بدهند یا جایگزین‌هایی را پیشنهاد کنند خواهد بود که بتوانند دامنه وسیعی از طرح های طراحان جوان را برای گروه های هدف متنوع بازاریابی کنند، اولین برندی که اقدام به این کار کند مزیت رقابتی اول بودن را هم در کنار مزیت استفاده از تکنولوژی خواهد داشت، بماند که ارزش افزوده این اقدام برای برند بسیار زیاد خواهد خود آن هم بخاطر خرده اطلاعات مصرف کننده است که منجر به طراحی حرفه ایی سفر مشتری آن هم در دسته های کاملا هدفمند میشود که هم هزینه های تبلیغات را کاهش میدهد و هم تجربه فوق العاده لذت بخشی را برای مصرف کننده ایجاد میکند
از آنجایی که برندسازی برای کسب و کارهای کوچک بر فاکتورهای مهندسی فروش متمرکز است بجای بازاریابی لذا این روند هزینه برندهای نوپا را نیز کاهش میدهد
از طرفی مشکل تولید صنعتی که یکی از دغدغه های این مجموعه ها میباشد هم به دلیل عدم نیاز به ریتم ثابت کیفی و کمی حل میشود و حتی مدل قیمت گذاری و حاشیه سود هم میتواند با احتساب دامنه قیمتی و ارائه پکیج های متنوع استایل و هزینه های خدمات برای هر کدام با شرایط بازار و دهک های مختلف همسو و سازگار شود
در سال 2017، آمازون Echo Look را راه‌اندازی کرد، دستگاهی که عکس‌هایی تمام بدن از لباس شما می‌گیرد و لباس‌هایی را برای ظاهر جدید پیشنهاد می‌کرد، اما در ماه مه 2020 این محصول را متوقف کرد. بسیاری از عملکردها در دستیار الکسای آمازون ادغام شدند، که اکنون می‌تواند از طریق اپلیکیشن خرید آمازون، پوشاک را به مشتریان پیشنهاد دهید.
آمازون همچنین StyleSnap را معرفی کرده است، یک ویژگی مبتنی بر هوش مصنوعی که به مشتریان اجازه می‌دهد عکس‌ها یا اسکرین شات‌هایی از اقلام مد مورد علاقه خود را آپلود کنند. سپس این سیستم توصیه هایی را برای موارد مشابه فهرست شده در آمازون ارائه می دهد. StyleSnap همچنین در هنگام پیشنهاد مواردی که با عکس‌های آپلود شده مطابقت دارند، محدوده قیمت، نظرات مشتریان و سایر عوامل را در نظر می‌گیرد.
هوش مصنوعی استایل شخصی خرده‌فروش نیز در فروشگاه فیزیکی آینده آمازون مستقر خواهد شد. هنگامی که خریداران در فروشگاه قدم می زنند، می توانند اقلام مورد علاقه خود را در اپلیکیشن آمازون اسکن کنند. بر اساس این موارد، الگوریتم محصولات دیگری را که ممکن است دوست داشته باشند توصیه می کند.
حتی برندهای لوکس و مزون ها هم نیز میتوانند از این مزیت رقابتی استفاده کنند به عنوان مثال، پرادا یک چت بات برای پیشنهاد استایل را برای وب سایت چینی خود معرفی کرده است، اقدامی بسیار ساده که مورد استقبال قرار گرفت.
دستیارهای دیجیتال پتانسیل شخصی سازی زیادی در مد دارند. همانطور که سیستم‌های جستجو و توصیه بصری با هوش مصنوعی بهبود می‌یابند، کاربران می‌توانند عکس‌هایی را از مواردی که دوست دارند برای استایلیست‌های ربات ارسال کنند و برای موارد مشابه پیشنهاداتی دریافت کنند.
در همین راستا، استارت‌آپ ViSenze AI مستقر در سنگاپور «محتوای تولید شده توسط کاربر قابل خرید» را ارائه می‌کند، ابزاری برای تشخیص بصری که «محتوای تولید شده توسط کاربر را درک می‌کند و برچسب‌گذاری می‌کند و موارد درون تصاویر را برای کشف، جستجو و خرید آسان می‌کند».

و برخی از برنامه های خرید در حال ادغام اجزای رسانه های اجتماعی هستند. به عنوان مثال، بله، یک برنامه خرید است که به کاربران امکان می دهد دوستان خود را برای مشاهده و رتبه بندی لیست موارد پسندیده خود به نام “لیست های بله” دعوت کنند. دوستان می‌توانند از ایموجی‌ها برای رتبه‌بندی آیتم‌ها استفاده کنند، از جمله نشانه‌های مثبت و منفی، و همچنین وقتی دوستانشان محصولات دیگر را دوست دارند، به کاربران اطلاع داده می‌شود. با گذشت زمان، برنامه تنظیمات برگزیده کاربر را یاد می گیرد و یک فید شخصی می سازد.

اکنون بخرید، بعداً پرداخت کنید

پلتفرم های BNPL (اکنون بخرید، بعداً پرداخت کنید) مانند Klarna و Affirm که به مصرف‌کنندگان اجازه می‌دهد اقلام را به‌صورت آنلاین از طریق اقساط انعطاف‌پذیر خریداری کنند، مشتاق هستند مدل WeChat را در چین کپی کنند و به برنامه‌های فوق‌العاده تبدیل شوند.
برخی از گروه‌های مصرف‌کننده و تنظیم‌کننده‌ها از مدل BNPL انتقاد کرده‌اند و استدلال می‌کنند که این مدل مصرف‌کنندگان را تشویق می‌کند تا فراتر از توانشان خرج کنند. یک نظرسنجی Credit Karma در سال 2021 نشان داد که 34٪ از کاربران BNPL از یک یا چند پرداخت عقب مانده اند.
اما شرکت تحقیقات بازار Cardify.ai داستان دیگری را ارائه می دهد. دریک فانگ، مدیر عامل شرکت مادر دراپ، به WWD گفت: “از تحقیقات ما در مورد BNPL، ما می بینیم که BNPL یک موضوع انتخابی است، نه ناامیدی. ما می بینیم که رشد BNPL از گروه های درآمد بالاتر حاصل می شود و 75 درصد از مشتریانی که از BNPL برای پرداخت استفاده می کنند، بودجه لازم برای پوشش کامل هزینه را دارند. برای چنین مشتریانی، به ویژه نسل هزاره و ژنرال Z، BNPL مصرف لوکس را امکان پذیر می کند.
برای مقابله با اثرات بالقوه مضر BNPL، یک مدل جایگزین در حال افزایش است – مدل “اکنون پس انداز کنید، بعدا پرداخت کنید” با نام (SNPL) مانند کارت‌های نقدی، خدمات SNPL فقط به شما امکان می‌دهند پولی را که از قبل دارید خرج کنید، برخلاف کارت‌های اعتباری و BNPL. برای مثال، Cashmere مستقر در بریتانیا، کاربران را تشویق می‌کند تا در «فهرست انتخاب‌شده» قطعات لوکس آن جستجو کنند، یک کیف پول پس‌انداز خودکار راه‌اندازی کنند، و پس از رسیدن به هدف پس‌انداز خود، از طریق برنامه سفارش دهند.
از آنجایی که بازیگران مد به دنبال ایجاد پایگاه های کاربری و خرید آنلاین تا حد امکان یکپارچه هستند، از آنها انتظار داشته باشید که با فین تک ها همکاری کنند – و حتی توانایی های مالی خود را ایجاد کنند.

فروش مجدد محصول

بازارهای همتا به همتا در طول همه گیری همه گیر شده اند زیرا احساسات مصرف کننده به سمت صرفه جویی و کالاهای دست دوم تغییر می کند.
پلتفرم محموله آنلاین thredUP پیش بینی می کند که بازار دست دوم در چند سال آینده 11 برابر سریعتر از بخش خرده فروشی پوشاک به طور کلی رشد کند. اجماع تحلیلگر صنعت CB Insights تخمین می زند که بازار تا سال 2028 به 64 میلیارد دلار خواهد رسید.
Vestiaire Collective یک بازار آنلاین است که در آن مشتریان می توانند محصولات لوکس و مد پیش ساخته خریداری کنند. تیم کنترل کیفیت شرکت مستقر در فرانسه، قبل از ارسال به خریداران، صحت اقلام را تأیید می کند. در سال 2020 به سرعت رشد کرد و می‌گوید که حدود 140000 فهرست هفتگی جدید در سال 2022 داشته است که در سراسر اروپا، آمریکای شمالی و آسیا گسترش یافته است. ارزش آن 1.7 میلیارد دلار پس از آخرین دور تأمین مالی آن در سپتامبر 2022 است.
این ارزش گذاری در میان بازارهای پوشاک پیش مالکیت استثنا نیست. thredUP در مارس 2021 عمومی شد و 156 میلیون دلار با ارزش 1 میلیارد دلار جمع آوری کرد. این شرکت دارای حدود 2.4 میلیون فهرست از بیش از 35000 برند است و درآمدی بالغ بر 252 میلیون دلار در سال 2021 گزارش کرده است که افزایش 35 درصدی در سال را نشان می دهد. پلتفرم دیگر، Vinted مستقر در لیتوانی، در ماه می 2021 ارزش 4.5 میلیارد دلاری را به دست آورد.
رشد بازار همچنین به معاملات M&A ترجمه می شود. به عنوان مثال، بازار آنلاین Etsy، پلتفرم فروش مجدد Gen Z-متمرکز Depop را با قیمت 1.6 میلیارد دلار در سال 2021 خریداری کرد زیرا نسل جدیدی از خریداران را هدف قرار می دهد که بیشتر بر روی پایداری متمرکز هستند.
برندها همچنین پلتفرم های فروش مجدد خود را راه اندازی کرده اند، از جمله Worn Wear by Patagonia و Like New by Lululemon. حتی بازیکنان لوکس نیز در تلاش برای دستیابی به مخاطبان جوان‌تر، اطمینان از احراز هویت و داشتن تجربه مصرف‌کننده بیشتر هستند.

آینده صنعت مد در خرده فروشی و ویژوآل مرچندایزینگ

خدمات به مشتری های چندکاناله 

خرده فروشان بیشتری از مشتری یابی چند کانالی استفاده می کنند، یک رویکرد مبتنی بر داده برای همکاران فروشگاه برای ایجاد روابط بلندمدت با مشتریان. همکاران فروشگاه از پلتفرم های مشتری مداری همه کانالی برای سفارشی کردن تجربه خرید، دسترسی به داده های رفتاری خریداران بین کانالی و رشد فروش استفاده می کنند. Tulip، Mercaux، و Salesfloor برخی از استارت‌آپ‌هایی هستند که با برندهای مد همکاری می‌کنند تا تکه‌هایی از پازل همه‌کانال را ارائه دهند.
پشته فناوری که تجربه‌های خرده‌فروشی همه‌کانالی را امکان‌پذیر می‌سازد، شامل برنامه‌های خرید، ویترین فروشگاه‌های آنلاین «سرنشین‌شده» توسط همکاران داخل فروشگاه، کمک به فروش و پرداخت، و سیستم‌های انجام سفارش است. فروشگاه‌های فیزیکی از رابط‌های دیجیتالی مانند کدهای QR، کیوسک‌های سلف‌سرویس، صفحه‌نمایش‌های لمسی و سیستم‌های فروش تلفن همراه استفاده می‌کنند. تجربه‌های واقعیت افزوده و واقعیت مجازی به طور فزاینده‌ای به بخشی از استراتژی‌های همه‌کاناله تبدیل می‌شوند، چه از طریق دستگاه‌های موجود در فروشگاه یا از طریق برنامه‌های تلفن مشتریان ارائه شوند. تجزیه و تحلیل داده ها و هوش مصنوعی کل سیستم را هدایت می کنند و از اطلاعات به دست آمده از طریق تعامل با مشتری برای ارائه توصیه های شخصی، پیش بینی روندها و موارد دیگر استفاده می کنند.
از سال 2018، نایک فروشگاه‌های نایک لایو را در محله‌هایی که اعضای نایک پلاس در آن زندگی می‌کنند افتتاح کرده است. فروشگاه‌ها بدون توجه به مجموعه محصولات فصلی برند، سلیقه‌های محلی را منعکس می‌کنند و گاهی اوقات حتی اقلام انحصاری را بر اساس گرایش‌ها، شخصیت‌ها و سبک زندگی محلی مرتبط می‌فروشند. خریداران می توانند محصولات را در برنامه نایک اسکن کنند تا آنها را به اتاق رختکن ارسال کنند یا اندازه ها و رنگ های دیگر را سفارش دهند. هر 14 روز، مشتریان می‌توانند با اسکن کارت عضو، یک محصول رایگان را از دستگاه فروش دیجیتال داخل فروشگاه دریافت کنند.
نایک با استفاده از داده‌های تجارت الکترونیک می‌آموزد که اعضای محله چه می‌خواهند. با وجود تأکید بر تجربیات حضوری و ارتباط انسانی، مفهوم Nike Live به طور محکم در دنیای دیجیتال ریشه دارد. نایک به طور مداوم نحوه استفاده اعضای محلی از برنامه نایک و چیزهایی را که می خرند تجزیه و تحلیل می کند، و هر فروشگاه برای جلب سلیقه مشترک اعضا طراحی شده است. نایک بیش از 80 آزمایش را در فروشگاه آزمایشی خود انجام داد تا قبل از راه اندازی فروشگاه های مشابه در سراسر جهان، آزمایش کند و بداند چه چیزی برای این مفهوم مفید است.
علم داده به طور بالقوه پذیرش خرده‌فروشی همه‌کانالی را برای شرکت‌های بومی دیجیتال آسان‌تر می‌کند. فروشگاه آینده آمازون استایل را انتخاب کنید – همانطور که قبلاً ذکر شد، خریداران در فروشگاه می توانند از برنامه آمازون برای انتخاب اقلامی که به اتاق های تزیین یا پیشخوان ارسال می شوند استفاده کنند، و همچنین توصیه هایی را بر اساس برچسب های محصولی که اسکن کرده اند دریافت خواهند کرد. اتاق‌های فیتینگ دارای صفحه‌نمایش لمسی برای سفارش اندازه‌ها، رنگ‌ها و سبک‌های بیشتر هستند. مشتریان می توانند معاملات درون فروشگاهی را در برنامه مشاهده کنند و برای خرید به صورت حضوری یا آنلاین پرداخت کنند. تجزیه و تحلیل بی‌درنگ داده‌های مشتری، پایه‌ای را برای هر مرحله از سفر شخصی‌سازی شده – هم در فروشگاه و هم در برنامه ایجاد می‌کند.

اسکن سه بعدی در صنعت پوشاک

یافتن لباس مناسب هنگام خرید آنلاین دشوار است، اما اسکن سه بعدی و فناوری مناسب لباس می‌تواند آن را تغییر دهد. خرده فروشان امیدوارند که این فناوری بتواند بازده را نیز کاهش دهد.
استودیوی TG3D یک اسکنر بدن سه بعدی را برای اطمینان از تناسب مناسب ایجاد کرده است. کاربران از طریق یک برنامه اسکن می‌شوند و می‌توانند آواتار خود را در لباس‌های مختلف بپوشانند تا ببینند که چگونه می‌آیند.
Fit:Match راه‌حل‌های اسکن سه‌بعدی را برای کمک به اندازه‌گیری ارائه کرده است. ابتدا، یک دوربین سه بعدی خریداران در فروشگاه را اسکن می کند. سپس نرم افزار قبل از پیشنهاد لیستی از اقلام لباس از شرکای خرده فروشی، از کاربران در مورد ترجیحات فردی می پرسد. مشتریان همچنین یک شناسه دریافت می کنند که می توانند در آینده و هنگام خرید آنلاین از آن استفاده کنند.
حتی شرکت رسانه‌های اجتماعی اسنپ نیز در حال استفاده از ابزار مجازی آزمایشی است. در مارس 2021، این شرکت رسانه‌های اجتماعی اعلام کرد که Fit Analytics را خریداری می‌کند، یک استارت‌آپ مستقر در آلمان که از یادگیری ماشین و جزئیات مشتری برای توصیه لباس‌های مناسب استفاده می‌کند. اسنپ از فناوری Fit Analytics برای بهبود ویژگی‌های خرید درون‌برنامه و تجارت الکترونیک و همچنین جمع‌آوری اطلاعات بیشتر مشتری استفاده می‌کند.
به طور مشابه، استارتاپ Naked Labs مستقر در ایالات متحده یک محصول اسکن سه بعدی توسعه داده است. این شرکت یک آینه هوشمند ارائه می دهد که یک مدل سه بعدی از فردی که در مقابل آن ایستاده است را می گیرد. پس از تکمیل اسکن، کاربران اطلاعاتی در مورد اندازه بدن، تناسب و سایر پارامترهای خود دریافت می کنند. از این نقاط داده می توان برای ردیابی سلامت استفاده کرد و کسب و کارها را قادر ساخت تا اقلام لباس سفارشی تولید کنند.
در همین حال، LikeAGlove شورت هوشمندی را توسعه داده است که چهره کاربران را اندازه می‌گیرد و از داده‌ها برای نشان دادن مدل‌ها و مارک‌های خاص شلوار استفاده می‌کند که به بهترین وجه مناسب است.
نایک برای کمک به مشتریان در یافتن کفش‌هایی که مناسب هستند، رویکردی کمی متفاوت در پیش گرفت. این غول کفش به کاربران اپلیکیشن خود اجازه می دهد تا پاهای خود را با استفاده از گوشی هوشمند برای اندازه گیری سایز کفش خود اسکن کنند. این برنامه داده‌ها را در نمایه کاربر ذخیره می‌کند تا برای خریدهای آنلاین و در فروشگاه استفاده شود.
از آنجایی که برندها به طور فزاینده ای از اسکن سه بعدی برای آزمایش های مجازی استفاده می کنند، این نوع لباس های هوشمند از شخصی سازی بیشتر و آینده «تجارت افزوده» پشتیبانی می کنند. زمینه دیگری که این فناوری ها می توانند بهبود بخشند، بازده است، زیرا مطالعات به طور مداوم نشان داده اند که اندازه نادرست دلیل اصلی بازده است.
هنگامی که با هوش مصنوعی، تجزیه و تحلیل و مدل سازی هوشمند ترکیب شود، اسکن سه بعدی ممکن است به فراگیری کمک کند. با فناوری‌ای که امکان اندازه‌گیری دقیق بدن را فراهم می‌کند، برندهای مد می‌توانند بیش از هر زمان دیگری درباره بدن انسان بیاموزند و دامنه اندازه‌هایی را که در خطوط خود گنجانده‌اند گسترش دهند.
به عنوان مثال، 3DLook از فناوری اسکن بدن سه بعدی مبتنی بر یادگیری عمیق برای استخراج و ثبت بیش از 100 نقطه داده بر اساس بدن فرد استفاده می کند. هدف این شرکت به دست آوردن و به اشتراک گذاری دانش عمیق تر در مورد تنوع اشکال بدن انسان است.
در همین حال، یک تیم گوگل Style AI را توسعه دادند که از «الگوریتم یادگیری ماشینی برای نگاه کردن به یک محصول خاص و درک بصری آن استفاده می‌کند». تیم Style AI در حال آموزش الگوریتم خود برای تشخیص تفاوت‌های ظریف بر اساس شکل‌ها، اندازه‌ها و رنگ‌های مختلف بدن است. به عنوان مثال، یک سبک خاص ممکن است از نظر فرهنگی برای یک کاربر توهین آمیز باشد یا ممکن است برای فرم بدن کاملاً متفاوت طراحی شده باشد.

در ادامه این مطلب در بخش های دیگر ” آینده صنعت مد” خواهید خواند؛

آینده صنعت مد در طراحی لباس

آینده صنعت مد در تولید لباس

آینده صنعت مد در موجودی و توزیع محصول

آینده صنعت مد در خرده فروشی و ویژوآل مرچندایزینگ

آینده صنعت مد و پایداری در تولید

سطح بعدی مد چیست؟ های- تکنولوژی ها در صنعت مد و لباس

اشتراک گذاری:

مطالب زیر را حتما مطالعه کنید

دیدگاهتان را بنویسید