Mode et Data Science : de la conception à la vente
Tout comme dans La Belle et la Bête, la Data Science et la mode peuvent paraître comme un “couple” étonnant mais ils sont en réalité parfaits l'un pour l'autre.
La Data Science aide à définir les tendances
L'industrie de la mode est un marché extrêmement concurrentiel. Chaque année, c’est la course contre la montre pour sortir de nouvelles collections et mettre en place de nouvelles tendances. Depuis quelques années, la Data Science a changé l'industrie de la mode en collectant des données, en les traitant et en fournissant des informations exploitables. En effet, la Data Science accompagne l'industrie de la mode avec divers algorithmes prédictifs qui les aident à prendre des décisions commerciales plus judicieuses.
Par exemple, Zara fabrique d'énormes volumes de vêtements pour différentes démographies à l'échelle mondiale. Quand quelque chose est à une si grande échelle, la taille, la morphologie, les préférences de couleur et la quantité nécéssaire varient considérablement en fonction des pays. C’est là que les Data Scientists interviennent, en rassemblant le comportement d'achat des consommateurs (de chaque région spécifique) et le divisent en différentes catégories telles que :
-
L’Âge
-
Le genre
-
L’échelle des prix
-
Les couleurs populaires / tendances
-
D’autres paramètres spécifiques importants pour Zara
Le but est de produire la bonne quantité de produits en minimisant le gaspillage.
Cela aide Zara à prédire la quantité et le type de vêtements qui seront le plus vendus dans certaines zones géographiques la saison prochaine. La Data Science peut leur faire économiser des millions de dollars en réduisant le nombre de produits surproduits, ce qui impacte fortement l’environnement. Le data mining aide donc les marques à prendre des décisions plus réfléchies.
Il ne faut pas oublier que le cœur même de la Data Science, la probabilité et l'optimisation, révolutionne le secteur de la mode.
L’analyse des données pour optimiser les ventes
La source des données
Les données sont abondantes dans l'industrie de la mode. Les vastes données historiques des magasins sur les habitudes de consommation des clients sont une source traditionnelle. Avec l'avènement des réseaux sociaux, l'engagement sur les posts, les tendances Instagram, les hashtags Twitter, le style vestimentaire des blogueurs de mode les plus populaires, les styles des célébrités, les likes et réactions des célébrités, fournissent beaucoup de données à analyser.
Une nouvelle technique pour tester la réaction du public avant la sortie de la collection est de publier des photos sur les réseaux sociaux (Facebook, Twitter, Instagram, Pinterest, TikTok) et d'étudier les commentaires pour apporter des modifications à la collection avant son lancement. L'analyse des sentiments est utilisée ici pour obtenir des informations sur l'opinion publique. Les API publiques de ces sites sont ouvertes et faciles à utiliser. Les données peuvent être récoltées en temps réel via ces API et converties sous une forme utilisable. Ces données ont beaucoup de potentiel si elles sont exploitées correctement.
Une source de données intéressante sont les signaux wifi des clients dans un magasin. Le comportement des clients est suivi pour voir combien de temps ils restent dans le magasin, quelles sections ils visitent, à quelle fréquence ils reviennent et combien de temps ils restent dans chaque section. Ce type de données peut être utile pour organiser les rayons des magasins et pour rapprocher physiquement les articles fréquemment achetés. Ainsi, ces données Wifi sont utilisées pour suivre le mouvement des clients dans les magasins pour organiser le stock de manière optimale.
Aide à la prise de décision
Dans le passé, les équipes chargées de la création des collections se sont beaucoup appuyées sur l’analyse des données pour prendre des décisions. Les données de vente d'une certaine paire de chaussure de l'été dernier, par exemple, sont très utiles pour la conception, la quantité et les décisions marketing pour la même paire de chaussure (ou une paire similaire) de la prochaine collection d’été.
Aujourd'hui, l'analyse prédictive est le moyen le plus efficace permettant de sélectionner les tendances à inclure ou à exclure dans les futures collections et pour quels segments de consommateurs. La prévision des tendances basée sur l'intelligence artificielle est une forme d'analyse prédictive qui fournit les futures tendances et les comportements des consommateurs.
Réponse aux problématiques du secteur de la mode
Le choix des couleurs
Grâce au Big Data, il est possible de trouver les couleurs préférées des clients pour sortir une collection fructueuse. La gamme de couleurs et la combinaison de couleurs les plus vendues peuvent être extraites des données de vente. De plus, si les clients achètent un vêtement d'une couleur et l'échangent ensuite contre une autre, les données des échanges peuvent être utilisées pour créer plus d'articles de la couleur préférée
Collections hommes / femmes
Chaque designer cible un groupe démographique ou un sexe différent pour augmenter sa popularité et ses ventes. Les designers doivent décider de la quantité d'articles dans chaque collection et pour chaque démographie. Bien sûr, ces décisions sont aussi basées sur des ressources telles que le budget et l’espace display disponible. Ils ont donc besoin d’informations fondées sur des données pour décider du montant à allouer à chaque catégorie. Dans certains magasins tels que H&M ou Zara, il est courant de voir 2 ou 3 étages réservés aux articles pour femmes et un seul pour les hommes. Ces magasins savent offrir plus d'options à une catégorie particulière de clients pour augmenter leurs ventes. Ces informations sont dérivées des données de ventes historiques..
Les styles des défilés vs les styles en vente
De nombreux styles de vêtements présentés sur les défilés ne sont pas portables dans la vie réelle. Les tendances sur les podiums sont exagérées. Les tenues doivent donc être modifiées avant de pouvoir être mises en vente dans les magasins. Des algorithmes de Data Science existent pour suggérer les caractéristiques à changer comme la couleur, le tissu, la coupe, la longueur, la combinaison, etc. Cela permet de s’assurer que le produit se vend bien lorsqu'il arrive en rayon. De plus, chaque pays / région a un des goûts spécifiques. Par conséquent, chaque produit doit être adapté aux préférences locales.
Les prix
Pour chaque vêtement, les designers doivent estimer le prix que le client serait prêt à payer compte tenu de la qualité, du style, de la popularité et de la valeur de la marque. Le Big Data est utilisé pour faire la moyenne des données de ventes précédentes afin de générer des suggestions de prix. Les données des marques concurrentes peuvent également être utilisées.
Le display en magasin
Les clients présentent un comportement particulier lors de leurs achats qui peut être étudié pour organiser les marchandises de manière à augmenter les chances de vente de la majorité des pièces. L'analyse des données peut aider à décider où regrouper les produits afin que le client soit susceptible de repérer et d’acheter la plupart d'entre eux. Ce n’est pas par hasard que dans de nombreux magasins de vêtements, les accessoires sont près de la zone de facturation, ce qui incite les clients à les récupérer.
Pour conclure, les décisions basées sur les données offrent un véritable avantage aux acteurs du secteur de la mode. L’analyse de données permet de voir si la création de certains produits est économiquement faisable et prometteuse. En analysant leurs données, les designers lancent des collections sûres de plaire au public. Certains pensent que l’intelligence artificielle tue la créativité des collections, et qu’elle sert uniquement à créer ce que le client veut. Néanmoins, elle vient simplement compléter la vision créative humaine et ne la remplace pas entièrement.