AI i motebransjen: Slik bruker Hunkemöller AI til kundeinnsikt, prisoptimalisering og butikk-klynging

Kunstig intelligens (AI) endrer motebransjen i raskt tempo. Mens noen selskaper avventer, tar andre modige skritt fremover.

I denne utgaven av artikkelserien «AI i motebransjen» snakker FashionUnited med Gordon Smit, teknologidirektør i det nederlandske undertøysmerket Hunkemöller.

1. Hvordan ser du på AI, og hva bruker Hunkemöller det til?

AI har blitt uunnværlig i moderne organisasjoner, spesielt i motebransjen. Selskaper som ennå ikke jobber med AI, sakker håpløst akterut. For å forbli konkurransedyktig må AI være en integrert del av driften og kontinuerlig videreutvikles.

Datateamet vårt har vokst fra tre til tolv personer i løpet av halvannet år. Vi bruker AI i hele verdikjeden vår, fra produktutvikling og design til salg og analyse.

2. Har du noen konkrete eksempler?

Vi eksperimenterer for tiden med 3D-design i designfasen. Ved å visualisere produktene heldigitalt og i 360 grader kan vi redusere antallet fysiske vareprøver fra Asia drastisk. Målet er én i stedet for fire eller fem per design/stil. Dette sparer både tid og kostnader.

AI hjelper oss også med bildeklassifisering. Undertøysbilder viser ofte mye hud, noe som kan føre til at Google merker dem som ‘innhold for voksne’, som igjen påvirker synligheten vår negativt. Med AI kan vi forutsi hvilke bilder som sannsynligvis vil bli avvist, og hvilke som trygt kan publiseres på nett.

En annen viktig anvendelse er priselastisitet. Ta Black Friday som eksempel. Der vi tidligere startet prisreduksjoner i november basert på intuisjon, gjør vi det nå fullstendig datadrevet. Maskinlæringsmodeller avgjør nøyaktig når et produkt skal prisreduseres, og med hvor mye. Dette gir beviselig bedre marginer.

Vi bruker også AI til kundetilbakemeldinger. Sammen med Google utviklet vi et verktøy som automatisk oversetter hundretusenvis av anmeldelser og måler sentiment. Dette hjalp oss med å avdekke hvor de største frustrasjonene hos kundene lå, slik at vi kunne håndtere dem umiddelbart.

I tillegg jobber vi med butikk-klynging, der AI identifiserer hvilke butikker som betjener lignende kundeprofiler. Ved å gruppere butikker basert på data kan vareutvalget per klynge skreddersys mye bedre. Disse analysene krever noen ganger behandling av milliarder av dataposter, en oppgave som var umulig å utføre manuelt.

3. Hva har denne AI-reisen resultert i så langt?

Hunkemöller har gjennomgått en stor datatransformasjon de siste årene. Vi hadde over 25 forskjellige datakilder, som ble konsolidert i én sentral database for tre-fire år siden. Vi satt på en gullgruve av data, men hadde ikke tilgang til den. Å samle alle disse kildene var en enorm oppgave, men nå høster vi fruktene av det. Det har gitt oss ny innsikt, som for eksempel mønstre i handleatferd gjennom butikk-klynging.

Neste skritt er å virkelig aktivere all denne nye innsikten, slik vi gjorde med kundetilbakemeldingene.

4. Hvilke lærdommer har dere trukket, og hva er utfordringene?

Den viktigste lærdommen er at masterdataene må være på plass. Hvis dataene er feil, blir det fortsatt et tilfelle av ‘shit in, shit out’. For priselastisitet og butikk-klynging, for eksempel, måtte vi justere dataene våre betydelig. For å gi en idé, tok det oss to år med blod, svette og tårer å legge et solid fundament.

En annen stor utfordring med AI ligger i adopsjonen. Å bruke AI i en stor organisasjon er veldig annerledes enn hvordan vi bruker det privat. Å be en hverdags-AI som ChatGPT om å lage en reiserute er enkelt; å bruke det profesjonelt er en helt annen sak. For eksempel, hvordan sikrer du at 6500 ansatte kan skrive gode prompter?

Vi utvikler nå opplæring og retningslinjer for å gjøre ansatte mer AI-kompetente. Vi bygger også en sentral AI-strategi slik at de ulike teamene ikke jobber med forskjellige verktøy. Denne koordineringen er avgjørende, noe mange selskaper nok vil kjenne seg igjen i.

5. Hva er det neste for Hunkemöller på AI-fronten?

Jeg leste nettopp en rapport som viser at 90 prosent av selskapene allerede jobber med AI, men 67 prosent av dem er fortsatt i pilotfasen. Det er ganske gjenkjennelig. Når det gjelder innsikt, ligger Hunkemöller langt fremme, men på andre områder er vi fortsatt i en utforskende fase.

Et av områdene vi så vidt har begynt å utforske, er kreativ AI. Selv om fysiske fotoshoots forblir essensielle for å skape magi, følelser og atmosfære, kan AI støtte og transformere dem i fremtiden. Det kan utvide de kreative mulighetene eller forbedre effektiviteten, for eksempel ved å redusere reisevirksomheten.

I tillegg ønsker vi å bruke AI til å optimalisere markedsføringsmiksen vår og få en bedre forståelse av avkastningen på kampanjene våre.

6. Hvor ser du de største mulighetene for AI i motebransjen?

De største mulighetene ligger på det kreative området. Ta for eksempel trendanalyse: hva bør du utvikle, hvilke design er i ferd med å vokse frem, hvilken retning beveger markedet seg i? Man kan la AI lage moodboards eller konvertere mønstre til 3D-design. Denne teknologien eksisterer allerede, men brukes fortsatt knapt i stor skala i motebransjen.

Europeiske aktører som Zara og Loavies, og kinesiske giganter som Shein og Temu, har svært korte ledetider fra design til levering, ofte bare noen uker eller dager. Det tempoet kan ikke vi matche. Design og produksjon av undertøy gjøres i sin helhet in-house og er mer komplekst enn å lage en T-skjorte eller en genser. Likevel kan og må vår time-to-market bli kortere, og jeg er overbevist om at AI vil spille en nøkkelrolle her.

7. Noen råd til slutt?

I fjor sa jeg at selskaper burde implementere AI trinnvis: start i det små, kjør piloter og deretter skalere langsomt opp. Min tankegang rundt dette har endret seg totalt. AI har gitt tid en ny dimensjon. For noen år siden betydde ‘fortiden’ fem, seks eller syv år tilbake. Nå, når jeg snakker om ‘fortiden’ i AI-sammenheng, snakker jeg om to eller tre måneder siden. Utviklingen går så raskt at små skritt ikke lenger er tilstrekkelig.

For selskaper som er i eksperimenterings- og utforskningsfasen: sørg for å ha forankring i organisasjonen. Ansatte må forstå at AI ikke tar over jobbene deres, men frigjør tid slik at de kan gjøre jobben sin bedre. Spesielt i detaljhandelen, der det alltid er ‘travelt, travelt, travelt’, kan AI-verktøy gi enorme effektivitetsgevinster.

For selskaper som ennå ikke har begynt med AI, er mitt tips: data, med fet skrift, understreket og med et utropstegn!

AI-verktøy ble brukt til å transkribere dette intervjuet og som en skrivehjelp.

Denne artikkelen er oversatt fra engelsk ved hjelp av et AI-verktøy.

FashionUnited bruker AI-språkverktøy for å fremskynde oversettelsen av (nyhets)artikler og for å korrekturlese oversettelsene for å forbedre sluttresultatet. Dette sparer tid for våre journalister, som de kan bruke på research og å skrive originalartikler. Artikler som er oversatt ved hjelp av AI, blir kontrollert og redigert av en menneskelig redaktør før de publiseres. Hvis du har spørsmål eller kommentarer om denne prosessen, kan du sende oss en e-post på info@fashionunited.com

Denne artikkelen ble oversatt til norsk ved hjelp av et AI-verktøy.

FashionUnited bruker AI-språkteknologi for å gi bredere tilgang til nyheter og informasjon for motefagfolk over hele verden. Selv om vi streber etter nøyaktighet, er AI-oversettelser stadig under utvikling og er kanskje ikke feilfrie ennå. For tilbakemeldinger eller spørsmål om denne prosessen, kontakt oss på info@fashionunited.com.