Il Machine Learning sta rivoluzionando l'industria della moda?

Di Eric Bowman, VP Ingegneria, Zalando

Già oggi vengono sviluppati algoritmi in grado di prevedere ciò che i clienti vorranno indossare prima che essi stessi lo sappiano. Questi algoritmi consentono di prevedere con precisione lo stile e il gusto, combinando le preferenze dei consumatori con le tendenze attuali catturate ed elaborate da un potente software basato su ML. In futuro, le menti creative delle industrie della moda lavoreranno a stretto contatto con questi sistemi intelligenti basati sui dati.

L'intelligenza artificiale perfetta

Il ML e l'AI sono davvero utili per i consumatori solo quando conoscono il singolo utente e i suoi gusti in fatto di moda. Cosa ispira lo stile di un cliente? Quali media lo influenzano? Chi sono i suoi modelli di moda? Inoltre, il software deve comprendere l'evoluzione dello stile individuale. Quale stile di moda piaceva al cliente in passato? Come si sono evoluti i suoi gusti in fatto di moda?

Le macchine imparano dai dati. Dati che aziende come Zalando e Google (grazie a tecnologie come TensorFlow) e che nascondono intuizioni sulle caratteristiche di base di tutti gli aspetti della moda. Oggi, ad esempio, consentono alle macchine di riconoscere e classificare quasi tutti gli articoli di moda. Per esempio, per riconoscere una particolare camicetta, i computer vengono addestrati a identificare i capi che si assomigliano sulla base di migliaia o addirittura milioni di immagini. Queste conoscenze vengono poi collegate a complesse rappresentazioni degli articoli che rivelano simmetrie, strutture e tendenze di tutti i settori dell'industria della moda.

Le raccomandazioni di moda abbinate sono molto personali. Per personalizzarli davvero, una macchina deve comprendere non solo il mondo della moda, ma anche la persona. Le macchine possono suggerire abiti popolari con relativa facilità, ma questo da solo non basta a rendere felice un cliente. Un buon stilista non si limita a prendere in considerazione le tendenze attuali della moda. La comprensione della persona, delle sue motivazioni, dei suoi interessi, dei suoi sogni e delle sue paure è essenziale per una raccomandazione perfetta.

Le macchine stanno già ottenendo intuizioni sorprendenti dal comportamento di navigazione e di acquisto delle persone. Il prossimo passo verso la personalizzazione, tuttavia, richiede ancora il coinvolgimento di un essere umano: le macchine non sono ancora pronte. Anche i dati e i computer di tutto il mondo non sono ancora in grado di sapere e capire quale vestito fa battere il cuore del cliente.

Il fattore umano rimane importante

Come si può automatizzare la logica dello stilista? Le preferenze personali del cliente vengono continuamente aggiornate, tenendo conto dei gusti, del fisico, dello stile desiderato e dell'esperienza con altri consumatori. I bravi stylist apportano competenze e capacità umane. Costruiscono un rapporto con i clienti e li aiutano a trovare la moda che preferiscono, sia all'interno che all'esterno della zona di comfort del proprio stile o di quello abituale. Anche i marchi giocano un ruolo importante in questo senso, perché il talento e la personalità dello stilista si esprimono nelle sue creazioni, che quindi attraggono lo spettatore a livello emotivo. La reputazione del marchio, su cui si costruisce il rapporto con il cliente, si basa su questo effetto.

Le speciali competenze di stilisti e designer li rendono una parte importante del mondo della moda. Il fattore umano è ancora essenziale. Non a caso i servizi di shopping curato come Zalon sempre più accettata.

Finora il software non è in grado di automatizzarlo. Tuttavia, è in grado di identificare i gusti e le preferenze stilistiche di un cliente, di vagliare i dati sulle ultime tendenze e di trovare i capi che potrebbero piacergli. Gli stilisti possono sia guidare che beneficiare dell'apprendimento automatico attraverso l'uso dei computer. Il software aiuta gli stilisti e gli stilisti aiutano a ottimizzare il software. Aziende come Modificato forniscono già banche dati per questo tipo di cooperazione.

Accesso al vocabolario personale della moda

Le macchine imparano da molti dati diversi per creare raccomandazioni il più possibile personalizzate. Gli acquisti precedenti e i resi dei clienti sono utili, ma possono anche essere fuorvianti. Quando i clienti hanno acquistato per sé e quando per un regalo? Hanno restituito gli articoli perché non gli piacevano o perché non andavano bene? In entrambi i casi, ci sono indizi che il software può utilizzare per ottenere maggiori informazioni. Ad esempio, se al cliente viene chiesto se desidera una confezione regalo, questo è un ottimo servizio per il cliente e allo stesso tempo aiuta il software a identificare l'intenzione dietro l'acquisto. Quando i clienti restituiscono un articolo, si dovrebbe chiedere loro di fornire una motivazione, in modo che il software possa saperne di più sui gusti del cliente o sulla sua vestibilità preferita.

Anche il comportamento di navigazione dei clienti offre spunti di riflessione. Mettendo insieme tutti questi dati, diventa più chiaro cosa piace e cosa no. Si crea una sorta di vocabolario della moda che cresce organicamente con il mutare delle tendenze. Il software può imparare questo vocabolario, ma anche aiutare i clienti con il loro vocabolario personale della moda. Dopo tutto, i consumatori hanno spesso difficoltà a descrivere il capo che desiderano. Il software può utilizzare le conoscenze sulle preferenze e sul comportamento dei clienti in modo tale che anche le query di ricerca ambigue fatte velocemente portino a buoni risultati. Il software apprende non solo un vocabolario generale della moda, ma anche un insieme di vocaboli che si adattano al cliente in ogni caso.

Proprio perché è difficile usare il giusto vocabolario della moda, i clienti trovano spesso altri modi per esprimersi: condividono contenuti, li scaricano o cliccano su "mi piace". Quindi il vostro vocabolario della moda non è solo parole: integra immagini, stili e comportamenti.

Vogliamo progettare un software che permetta alle macchine di imparare dai dati e dagli esseri umani per creare applicazioni altamente sofisticate con una componente umana. Il nostro team è consapevole che il fattore umano è essenziale per creare una connessione tra la moda e le persone.

Siamo ancora lontani dalla vera intelligenza artificiale, ma utilizzando il software insieme alla creatività e alla profondità dell'esperienza umana, possiamo democratizzare l'esperienza della moda in un modo completamente nuovo.

Eric Bowman è vicepresidente della tecnologia di Zalando ed è stato uno dei promotori dell'adozione di REST, di un approccio allo sviluppo del software basato su API e di team autonomi. Programma dal 1981 e in questo periodo ha sperimentato numerosi sistemi, tra cui Sims 1.0, la prima rete telefonica 3G globale, le applicazioni TomTom e l'architettura end-to-end di Gilt Groupe. È appassionato di Scala e contribuisce tuttora a progetti open source.