Anche per l’industria del fashion online sono i numeri a parlare: i consumatori mondiali che scelgono di acquistare abbigliamento e accessori sul Web si stima che aumenteranno con un tasso di crescita annuo medio dell’11% tra il 2017 e il 2018.
Per fronteggiare l’ascesa inarrestabile dello shopping online le piattaforme di eCommerce si sono orientate verso l’ottimizzazione dei processi che regolano l’acquisizione e la relazione con il cliente, apportando importanti innovazioni in diverse aree dei loro processi.
Uno degli sviluppi più importanti su cui stanno attualmente lavorando gli online retailer sono i sistemi di machine learning. Sviluppato al fine di prendere decisioni più accurate e aumentare i tassi di conversione sui clienti, il machine learning è reso possibile dalla quantità di dati disponibili (i cosiddetti Big Data), che possono essere elaborati tramite hardware sempre più potenti e veloci.
Si pensi ai benefici nel fashion eCommerce: ottimizzando il processo in real time per ogni consumatore diventa possibile ottimizzarne i costi di acquisizione. Nell’industria della moda, un settore in cui il cliente è al centro della relazione con l’azienda, i processi devono tener conto della stagionalità, dell’alternanza di diversi trend e delle previsioni di domanda. Per questo possono beneficiare di una gestione dell’offerta personalizzata ed effettuata al giusto momento. Un po‘ come avviene con Netflix, quando propone contenuti in base alle scelte precedenti.
L’utilizzo di questa tecnologia è sempre più imprescindibile per retailer come Amazon, che ha sviluppato i suoi algoritmi proprietari per i propri servizi di fashion eCommerce, e la piattaforma online di moda Lyst, che ha scosso l’industria dello shopping online dal 2015. L’utilizzo pervasivo degli algoritmi di intelligenza artificiale può rivelarsi decisivo non solo nella relazione con il cliente o per prevedere lo sviluppo di nuovi trend, ma anche nella creazione vera e propria dei trend stessi. Utilizzando tecniche predittive basate su commenti, interazioni e suggerimenti presenti sui social network, i giganti del commercio digitale possono tracciare ancor meglio le tendenze dei trend.
Strumenti quali la raccolta di informazioni per far visualizzare agli utenti annunci advertising basati sui loro comportamenti di navigazione (remarketing) o la visualizzazione di contenuti personalizzati esistono da tempo. Il contributo del machine learning si sta tuttavia rivelando ancora più strategico. Secondo le previsioni di Deloitte nel 2018 il numero di implementazioni e progetti che fanno leva su questa tecnologia saranno di numero doppio rispetto al 2017 e la cifra raddoppierà ancora entro il 2020. L’intelligenza artificiale consente al sistema di imparare dalla propria esperienza senza necessità di riprogrammazione. Gli sviluppi per l’eCommerce, in questo senso, sono molteplici. Uno dei principali è la possibilità di identificare e veicolare solo le campagne marketing più rilevanti per ciascun singolo cliente.
Altre applicazioni sono rivolte alla prevenzione del churn o addirittura alla riduzione di abbandoni del carrello durante il processo di acquisto (comportamento che avviene quasi nel 70% delle transazioni di eCommerce). Il machine learning consente di individuare quando un cliente potrebbe potenzialmente abbandonare il processo di acquisto e propone soluzioni personalizzate a supporto del completamento della transazione.
L’analisi della domanda, l’acquisizione e la personalizzazione della propria offerta, l’ottimizzazione della relazione con il cliente tramite la personalizzazione dei contenuti; le applicazioni del machine learning sul fashion retail si adattano a tutte le fasi dei processi di fashion business, e possono rappresentare l’elemento decisivo per il successo nell’ambito di un settore davvero competitivo.