Analytics in Fashion Trends: Rivoluzione tecnologica e modelli di business

LA RIVOLUZIONE TECNOLOGICA

1780: Prima Rivoluzione Industriale - nascita del primo telaio a vapore - introduzione di strumenti meccanici di produzione 1870: Seconda Rivoluzione Industriale - prima catena di montaggio - organizzazione del lavoro e produzione di massa grazie all'utilizzo dell'energia elettrica 1970: Terza Rivoluzione Industriale - primo PLC 1969 - produzione automatizzata grazie all'utilizzo di sistemi IT ed elettronici Oggi: Quarta Rivoluzione Industriale - prodotti e processi interconnessi grazie all'utilizzo in fabbrica dell'Internet delle Cose e delle nuove tecnologie digitali.

L'obiettivo delle prime tre rivoluzioni industriali si è concretizzato nella produzione di beni e servizi a prezzi e tempi di produzioni diversi, offrendo maggiore produttività. Con la quarta rivoluzione industriale si affermano nuove tecnologie come l'Internet of Things (IOT) fino a portare alle attuali tecnologie come AI, realtà virtuale e aumentata, robotica, stampa 3D, NFT, che hanno mutato radicalmente la produzione e garantito la condivisione in tempo reale.

I MODELLI DI BUSINESS

Le trasformazioni richiedono alle aziende di adottare processi sempre più innovativi capaci di trarre vantaggio competitivo di medio e di lungo periodo. Il modo in cui le imprese acquisiscono vantaggio competitivo si basa sul MODELLO DI BUSINESS: una serie di meccanismi, procedure e attività che caratterizzano l'architettura di creazione del valore di un'impresa.

I 5 modelli del world economic forum 2016:

• CUSTOMER CENTRIC: si basa su una cultura aziendale che pone il cliente al centro e si presenta con una struttura tipicamente decentralizzata consentendo di rafforzare il sistema delle deleghe tra membri del personale
• EXTRA FRUGAL: la filosofia è del less is more, mediante una ottimizzazione dei processi per spendere meno possibile e fatturare il più possibile
• OPEN & LIQUID: si dialoga verso l'esterno che prenda forma con processi organizzativi caratterizzanti da un flusso di condivisione verso l'esterno
• SKYNET: si basa sull'uso intensivo di macchinari e robotica per aumentare la produttività
• DATA POWERED: il potere e vantaggio competitivo delle aziende parte dal dato, modello costruito sul concetto di analytics e software intelligence dove la cultura del dato è centrale e focalizzata sull'osservazione e la sperimentazione empirica.

La creazione di valore deriva dalla grande quantità di dati che vengono prodotti e a cui le imprese possono dare un senso, estraendo informazioni da utilizzare a proprio vantaggio e garantendo la competitività e la solidità nel tempo.

Il potere che deriva dai dati sta innovando il modo in cui le organizzazioni progettano attività e processi sia interni che esterni.

Nell'industria della moda, tra i settori più in evoluzione, per rimanere competitivi i designer e i marketer devono essere in grado di interpretare i segnali deboli del mercato e di anticipare le esigenze dei consumatori.

L'analisi dei dati ci fornisce gli strumenti necessari per navigare in questo panorama complesso e dinamico.

ANALYTICS IN FASHION INDUSTRY

Le data Analytics sono importanti nella fashion industry al fine di:

• Ridurre il rischio di errori nelle previsioni
• Ottimizzare le collezioni
• Personalizzare l'esperienza del cliente
• Identificare nuove opportunità di mercato

I dati permettono di:

• Prevedere le tendenze: Identificare i trend emergenti sui social media e nei blog di moda
• Personalizzare l'esperienza del cliente: Offrire raccomandazioni di prodotti su misura e campagne di marketing mirate
• Ottimizzare le collezioni: Ridurre il rischio di sovrapproduzione e scorte invendute, grazie a previsioni più accurate. Riuscire a capire i trend permette di avere meno scorte e meno magazzino. Se non producono un capo e non la XS, hanno fatto degli studi e hanno stabilito che quella taglia non sarebbe vendibile
• Aumentare l'efficienza operativa: Migliorare la supply chain, ridurre i costi e ottimizzare i processi produttivi
• Misurare la redditività delle campagne marketing: Valutare l'efficacia delle campagne pubblicitarie e dei canali di vendita.

CASO ZARA

Il fast fashion è stato tra i primi a studiare i dati. Zara è uno dei negozi più famosi per l'adozione del concetto di "fast fashion".

Il successo di questo marchio dipende dalla capacità di studiare i dati: il rivenditore studia le scelte e le preferenze del cliente per creare una collezione che soddisfi i suoi gusti, piuttosto che tentare di vendere ciò che il marchio progetta. La clientela spesso non sa cosa sta cercando ma gli analisti aziendali di Zara utilizzano i dati per creare una collezione che i clienti vorranno automaticamente, perché rispecchia il loro "gusto" sulla base degli acquisti precedenti.

Zara ha i dati demografici dei clienti di tutto il mondo: conosce perfettamente taglie, forma del corpo, preferenze di colore del proprio target abituale e la quantità varieranno notevolmente, riducendo al minimo gli sprechi.

La rapidità dell'innovazione guidata dai dati:

• Micro-tendenze: Zara utilizza algoritmi sofisticati per identificare micro-tendenze sui social media e nei blog di moda in tempo reale. Questo consente loro di progettare, produrre e distribuire nuovi stili in pochi giorni, assicurandosi di essere sempre al passo con le ultime novità.
• Previsioni della domanda: Grazie all'analisi dei dati storici sulle vendite e alle previsioni della domanda, Zara è in grado di ottimizzare le quantità prodotte di ciascun articolo, riducendo al minimo gli sprechi e le rimanenze di magazzino.
• Personalizzazione: Utilizzando i dati sui comportamenti di acquisto dei clienti, Zara è in grado di offrire raccomandazioni di prodotti personalizzate, aumentando le vendite e fidelizzando la clientela.

CASO NIKE

• Personalizzazione dei prodotti: Nike utilizza i dati biometrici degli atleti per creare scarpe e abbigliamento personalizzati, migliorando le prestazioni e l'esperienza dell'utente.
• Campagne di marketing mirate: Grazie all'analisi dei dati sui comportamenti degli utenti sui social, Nike è in grado di creare campagne di marketing altamente personalizzate, raggiungendo il giusto pubblico con il messaggio giusto.
• Innovazione di prodotto: L'analisi dei dati sulle prestazioni degli atleti consente a Nike di sviluppare nuovi prodotti e tecnologie innovative, migliorando continuamente le sue offerte.

CASO H&M

• Riduzione degli sprechi: Utilizzando i dati sulle vendite e le tendenze di moda, H&M è in grado di ottimizzare le proprie collezioni, riducendo la produzione di capi invenduti e gli sprechi di risorse.
• Sostenibilità: L'analisi dei dati consente a H&M di identificare le materie prime più sostenibili e di ottimizzare la propria catena di approvvigionamento, riducendo l'impatto ambientale.
• Personalizzazione dell'esperienza in negozio: Grazie all'analisi dei dati sui comportamenti dei clienti in negozio,H&M è in grado di offrire un'esperienza di acquisto più personalizzata e coinvolgente.

Il dato demografico o di genere può identificare un importante focus di analisi per aumentare la popolarità o le vendite.

I designer devono decidere quanti articoli in ogni collezione devo fornire e il tipo di varietà che devono creare, avendo a disposizione un insieme fisso di risorse sia monetarie che non, come ad esempio il budget o lo spazio espositivo e hanno bisogno di linee guida supportate da dati (solitamente dati storici sulle vendite) per decidere quanta merce e spazio assegnare a ciascuna categoria. Sulla base di uno studio di dati di genere, marchi come Forever21, H&M, e altri allestiscono due/tre piani di spazio espositivo dedicati alla merce femminile e solo uno a quella maschile.

I BIG DATA

I Big Data sono una grande mole di dati con particolari caratteristiche. Laney identifica tre aspetti più significativi:

• VOLUME: ingente quantità di dati, da gestire, archiviare e di cui consentire l'accesso.
• VELOCITA': i dati si generano di continuo e le aziende li devono acquisire in tempi rapidissimi per poter elaborare strategie e scelte in tempo utile;
• VARIETA': i dati oggi disponibili provengono da fonti di vario genere e assumono diverse forme e tipologie.

Altre caratteristiche:

• VALORE: solo l'uso consapevole può generare valore e quindi vantaggio dall'utilizzo di questa mole di dati.
• VERIDICITA': affinché i risultati sia attendibili è necessaria l'affidabilità dei dati di partenza

APPROCCIO DATA-DRIVEN

L'innovazione dei modelli di business basata sui dati si definisce data-driven business model innovation DDBI, inteso come ‹l'utilizzo di reti di informazioni e big data, da fonti interne o esterne».

• Le reti di informazioni interne possono includere dati raccolti da attività che fanno parte del modello di business di un'azienda o da reti di informazioni esterne, come fonti pubblicamente aperte, database accessibili e social media data.

L'approccio data-driven è importante sia per le aziende che mirano a costruire nuovi modelli di business e sia per le aziende già esistenti che riconfigurano aspetti già esistenti.

Secondo Mckinsey, le aziende della moda e del lusso che hanno integrato un approccio data-driven nella loro pianificazione, merchandising e supply chain hanno ottenuto un aumento del 10% delle vendite e circa il 15% nella riduzione dei costi di magazzino, e quelli che hanno sviluppato un approccio cliente-centrico incentrato sul hanno aumentato le vendite digitali del 30-50 % (nel 2022).

I dati sono fondamentali lungo tutta la filiera, dalla creatività dei designer e dall'impatto ambientale della produzione, alla velocità di adattamento al mercato, dalla logistica, alla customer experience e ai servizi post-vendita, poiché consentono di identificare cosa funziona e cosa no, fare previsioni e prendere le decisioni migliori per il proprio business.

I marchi di fast fashion sono bravi nell'analisi dei dati, ad esempio ad intercettare i post Instagram VIP di successo, replicare quei look costosi e inserire la loro versione sul loro e-commerce in pochi giorni.

Esistono diverse tecnologie che le aziende di moda usano per raccogliere e analizzare i dati:

• Sistemi di Customer Relationship Management (CRM): aiutano i marchi a tenere traccia del comportamento e delle interazioni dei clienti. Questi dati sono utili per migliorare il servizio clienti e indirizzare le campagne di marketing
• Social Media Listening: aiutano i marchi a tenere traccia di ciò che viene detto su di loro sui social media. I dati sono utili per migliorare il servizio clienti, per lo sviluppo del prodotto, per la reputazione e altro (analisi del sentiment: analizzare i commenti di un post capendo se hanno un approccio positivo, negativo o neutro)
• Analisi web e analisi delle app: Aiutano i marchi a monitorare il modo in cui i clienti interagiscono con il loro sito web o le loro app. I dati forniscono informazioni su come migliorare il design di siti Web/app, i servizi offerti
• Dispositivi in-store ed etichette intelligenti; touch screen, colonne interattive ed etichette intelligenti sono mezzi fisici che consentono ai marchi di raccogliere i dati sull'esperienza di acquisto
• Prodotti connessi intelligenti; prodotti che possono interagire con il consumatore e raccolgono dati. Esempi: indumenti connessi con passaporti digitali dei prodotti, abbigliamento intelligente che raccoglie dati biometrici e accessori come smartwatch
• Tecnologie di tracciamento: gli smartphone possono essere monitorati attraverso la connessione WIFI nei centri commerciali. Consente ai rivenditori di comprendere i movimenti dei clienti e identificare eventuali schemi durante gli acquisti. Il modello dei clienti viene tracciato per vedere quanto tempo rimangono, quali sezioni visitano in sequenza, quando tornano e quanto tempo rimangono in ciascuna sezione.