Expertos en IA, tallaje y ajuste conversan para FashionUnited

Los agentes de IA ya están transformando la forma en que los consumidores descubren, evalúan y compran ropa. ¿Cómo pueden las marcas y los retailers superar el hype de los agentes inteligentes y centrarse en lo que realmente importa para sus negocios ahora mismo? La respuesta comienza en un área que a menudo se pasa por alto en el debate sobre la IA: el tallaje y el ajuste.

Alvanon es la empresa líder mundial en tecnología de tallaje. En esta conversación editada para FashionUnited, Don Howard, director ejecutivo de la consultoría global de Alvanon, y Eric Lee, director ejecutivo de la compañía para las Américas, ofrecen tres consejos prácticos para ayudar a las empresas a tener éxito en la era de los agentes inteligentes.

Eric: Será mejor que empecemos con una definición de IA…

Don: Como consumidor, la IA representa una transición desde los motores de búsqueda tradicionales, como Google, donde introducimos parámetros y obtenemos una lista de resultados para filtrar, hacia agentes de IA que buscan, filtran y recomiendan la mejor opción según nuestras indicaciones.

Para productos generales que son dimensionalmente estables, la IA es increíblemente eficaz. Sin embargo, en la industria de la moda trabajamos con artículos blandos que presentan un conjunto único de desafíos. El principal de ellos es el tallaje y el ajuste. Podemos diseñar prendas hasta cierto punto, pero todas se comportan de manera diferente.

Eric: A modo de ejemplo, le pedí a la IA: “Dame tres opciones de camisas de entre 70 y 100 dólares”. En segundos me dio tres opciones, de marcas que nunca antes había comprado. Todas parecían perfectas. Así que le pedí que me hiciera una prueba virtual y simuló las tres camisas en mi cuerpo, utilizando información disponible públicamente. Elegí una y le pedí que me recomendara la mejor talla. Después de un par de preguntas, me sugirió una mediana/slim, que compré. ¡Cuando llegó, la realidad era muy diferente a la prueba virtual!

Eric: Esto ilustra muy bien la desconexión entre lo que recomienda un agente de IA y la experiencia del consumidor. La IA puede ser brillante para dirigir a compradores primerizos a una marca, pero también puede generar un gran aumento en las devoluciones y socavar la confianza del consumidor. Esta es una desconexión costosa. La verdad es que las herramientas de compra con IA pueden impulsar la adquisición de nuevos clientes, pero potencialmente a costa del valor de vida del cliente. ¡Qué desperdicio!

Si tuviera una tienda de e-commerce de 100 millones de dólares y pudiera reducir mis devoluciones en un 1 por ciento, ¡eso sería 1 millón de dólares de vuelta en mi bolsillo! Pero un aumento del +5 por ciento en las devoluciones tendría un impacto enorme en mi cuenta de resultados...

Don: El ajuste de las prendas sigue siendo la razón número uno por la que los consumidores devuelven la ropa. La pregunta que hay que hacerse es: “¿qué hace que una prenda se devuelva con más frecuencia?”. Citar el “ajuste” como motivo de devolución es demasiado vago para ayudar a solucionar el problema. Tenemos que profundizar más allá de la palabra “ajuste” para entender por qué se ha devuelto una prenda. Y las marcas deben preguntarse: “¿es nuestro tallaje y ajuste correcto en primer lugar?”.

Eric: Eso nos lleva al primero de nuestros tres consejos prácticos: ¿cómo ayudamos a los agentes de IA a encontrar nuestros productos en lugar de los de la competencia?

Don: Define bien tu tallaje. Fíjalo de manera consistente y luego comunícalo claramente a tus equipos, proveedores y departamento de e-commerce. Suena simple, pero demasiadas marcas se equivocan en esto. Talla y ajuste no son lo mismo. La talla es el estándar central definido y diseñado por una marca, y la base de todos los diseños de prendas. El ajuste es una condición que se aplica sobre esa talla. Así que, si la talla base de una marca no está estandarizada y fijada, habrá problemas en el futuro. Las marcas también necesitan entender cómo cambian el tamaño y la forma del cuerpo a medida que las prendas cambian de talla. Con demasiada frecuencia, lo que se ejecuta en producción y lo que experimenta el consumidor no coincide con lo que se promete en línea.

Eric: Totalmente. En mi anterior puesto en e-commerce, trabajaba en sesiones de fotos. Teníamos un perchero lleno de ropa y a veces no sabíamos si el ajuste previsto era slim fit o relajado. Esto ilustra cómo los diferentes equipos tienen diferentes prioridades. Un equipo de diseño técnico lo ve desde una perspectiva diferente a la de un equipo de e-commerce en una sesión de fotos, que se centra en optimizar las tasas de conversión. Esto se alinea con tu punto sobre la comunicación de la intención de tallaje y ajuste. Una guía de tallas está bien, pero es solo una pieza de un rompecabezas más grande. La gente devuelve las cosas porque “no me queda como esperaba”, que es diferente a “compré la talla equivocada”. Es una diferencia sutil pero importante: la consistencia en el tallaje es la clave para resolver ambos problemas.

Don: La guía de tallas debe ser precisa y coherente con lo que la marca produce realmente. La IA leerá la guía de tallas y otra información disponible públicamente, como las reseñas de los consumidores con comentarios útiles sobre el ajuste. Si una marca cambia su modelo de ajuste, por ejemplo, en cuanto a talla o forma, la prenda puede parecer correcta en línea, pero producir resultados finales muy diferentes y, potencialmente, más devoluciones.

Eric: Segundo consejo: ¿cómo pueden las marcas analizar los datos generados por el e-commerce?

Don: Los datos son muy importantes: tasas de devolución, motivos de las devoluciones, ventas por talla y más. Los datos arrojan luz sobre la experiencia del consumidor y su respuesta a lo que la marca ha ejecutado.

¡El análisis debe llevarse a cabo con cuidado y rapidez! Si hay un aumento en las devoluciones porque las prendas son “demasiado grandes”, el estándar corporal podría ser un factor, pero no debería ser la primera pregunta. Más bien, hay que preguntarse: “¿la prenda se hizo intencionadamente grande y no cumplió con las expectativas del cliente?”. Centrarse de forma limitada en una sola métrica puede llevar a decisiones muy diferentes si no se realiza un análisis en profundidad.

Eric: Los agentes de IA leerán la información de la prenda muy rápidamente, por lo que las marcas deben tener guías de tallas y descriptores de ajuste precisos en la página de detalles del producto. Y las prendas deben ajustarse consistentemente a estos estándares y descriptores, o los compradores se sentirán decepcionados. ¿Deberían las marcas tener recursos dedicados a analizar este tipo de datos?

Don: Sí. Las empresas que lo hacen bien suelen tener a alguien que entiende tanto la parte comercial como la intención técnica de tallaje y ajuste de cada prenda.

Eric: Y nuestro tercer y último consejo: ¿cómo cierran las marcas la brecha de comunicación entre diferentes equipos y silos, como el de e-commerce y el de desarrollo de producto?

Don: Esta es probablemente la mayor oportunidad. Históricamente, estos equipos han existido en flujos de trabajo separados, con diferentes responsabilidades y plazos. A menudo, la única interacción que tienen es cuando algo es negativo: un aumento en las devoluciones o malas ventas. Un enfoque más proactivo en el análisis de datos puede ayudar a los equipos a identificar oportunidades, desde mejorar el ajuste hasta desarrollar extensiones de producto como tall, petite, plus size, etc. Romper los silos y ser más colaborativos y proactivos es algo que la mayoría de las marcas pueden mejorar.

La buena noticia es que en los últimos 18 meses aproximadamente, hemos tenido muchas más conversaciones colaborativas con equipos de e-commerce y líderes multifuncionales. La industria está reconociendo que necesitamos romper con las estructuras heredadas.