Ieguvumi:
- Spēja atšķirt tendences, makro/mikro tendences un sezonas jēdzienus un izmantot mākslīgo intelektu kā pētnieku asistentu, apkopojot lielu signālu apjomu
- Spēja sintezēt signālus no tādiem avotiem kā ielas, sociālie mediji, modes skates un pārdošanas dati ar mākslīgā intelekta atbalstu un pārveidot tos zīmolam raksturīgā tendenču stāstā
- Spēja atpazīt, ka mākslīgā intelekta tendenču interpretācija ir ierobežota ar datumu un varbūtību, un tā ir jāpārbauda ar pašreizējiem lauka un pārdošanas datiem.
Katra kolekcija ir atbilde uz vienu jautājumu: "Ko cilvēki vēlēsies valkāt nākamajā sezonā?" Atbilde uz šo jautājumu nekad nav galīga; Maksimāli tas ir aprēķins, kas iegūts no labi nolasītiem signāliem. Tāda ir tendenču analīze: signālu vākšana no ielas, sociālajiem medijiem, modes skatēm, pārdošanas datiem un kultūras tendencēm un to pārvēršana sezonas stāstā. Lasīt tendences dizaineram ir kā jūrniekam, kurš lasa vēju: izlasi pareizo virzienu, un tu burāsi, lasi nepareizi un dreifēsi.
Šajā darbā ir svarīgi nošķirt divus jēdzienus. Makro tendences ir galvenās kultūras tendences, kas aptver vairākus gadus (piemēram, “uzsvars uz komfortu un funkcionalitāti”, “apziņa par ilgtspējību”). Savukārt mikrotrends ir mazi viļņi (konkrēts kakla izgriezums, krāsas tonis, aksesuārs), kas sezonas laikā var ātri spīdēt un izbalināt. Makro tendence ietekmē zīmola ilgtermiņa virzienu, savukārt mikro tendence ietekmē kapsulu kolekcijas vai atsevišķa produkta laiku. Sajaukt abus nozīmē sajaukt pagaidu iedomu ar pastāvīgu ieguldījumu.
Ko mākslīgais intelekts dara tendenču analīzē
Visgrūtākā tendenču analīzes daļa ir apjoms: tūkstošiem fotoattēlu, simtiem modes skates attēlu, neskaitāmi ieraksti sociālajos medijos, mēnešu pārdošanas dati. Tos nevar skenēt pa vienam. Šeit parādās AI: ātri apkopo lielu teksta un attēlu apjomu (ar vizuālo AI), norāda uz atkārtojošiem modeļiem, grupē izkliedētus signālus.
Bet atcerieties kritisko atšķirību: AI apkopo signālus, jūs piešķirat nozīmi un virzienu. AI varētu teikt: “bikses ar platām kājām atkārtojas daudzos attēlos”; Bet jums ir jāizlemj, vai tas ir jēga jūsu zīmolam un klientu bāzei. Turklāt mākslīgā intelekta zināšanas ir iesaldētas datumā un nevar zināt nākotni; Tās interpretācija ir vēsturiska un varbūtība. Svaigākais signāls vienmēr ir uz vietas: veikalu izpārdošana, atgriešanas likmes, klientu grozi.
Padoms: nejautājiet AI "kāda būs nākamās sezonas tendence"; Tas prasa pārliecību, kas neeksistē. Tā vietā sakiet: "šeit ir mani savāktie signāli, apkopojiet tos man un izvelciet modeli." Jūs atnesat signālus, iegūstat no tā sintēzi.
Soli pa solim: no signāla līdz sezonai
1. darbība. Savāc signālus. Identificējiet savus avotus: ielu stila fotogrāfijas, nozares tendenču pārskati (publicētie), konkurentu kolekcijas, sociālie mediji, savus pārdošanas datus. Šīs ir jūsu izejvielas.
2. darbība. Pieprasiet kopsavilkumu un grupēšanu. Ievadiet AI apkopotās teksta piezīmes un izņemiet atkārtotās tēmas: siluets, krāsa, audums, detaļas, emocijas.
3. darbība. Izlaidiet to caur zīmola filtru. Saskaņojiet iegūtās tēmas ar savu zīmola identitāti. "Vai šī tēma mums ir piemērota, vai mūsu auditorija to vēlas, vai tā atbilst mūsu pozicionēšanai?"
4. darbība. Pārbaude ar pārdošanas datiem. Visspēcīgākais apstiprinājums ir jūsu iepriekšējie pārdošanas apjomi. Vai mākslīgā intelekta ierosinātā tēma jūsu datos atrod atbildi?
5. darbība. Pārvērtiet to par sezonas stāstu. Sasaistiet atlikušās 2–3 spēcīgās tēmas stāstījumā: kolekcijas nosaukums, emocijas, galvenie elementi un krāsu virziens. Šis stāsts kļūst par koncepcijas un Moodboard kodolu turpmākajās vienībās.
Tālāk esošajā tabulā ir apkopotas AI stiprās un vājās puses tendenču kontekstā:
Meklējumi
mākslīgais intelekts
Cilvēks (dizaineris)
Apkopojot tūkstošiem signālu
ļoti spēcīga
lēns
Rakstu/motīvu izvilkšana
Spēcīgs (melnraksts)
validators
Lēmums par preču zīmes piemērotību
vājš
obligāti
Pašreizējā lauka/pārdošanas informācija
neviena/veca
īsts avots
droši zinot nākotni
neiespējami
Neiespējami (prognoze)
trīs mini futrāļi
1. gadījums — skaļuma pieradināšana. Kādam sporta apģērbu zīmolam mākslīgais intelekts apkopoja 800 lietotāju ziņojumu tekstus, kas savākti no 5 dažādām platformām. Darbs, kas būtu prasījis 3 dienas manuāli, tika samazināts līdz pusei dienas. Mākslīgais intelekts ieteica 6 tēmas, piemēram, "neitrāli zemes toņi, liela izmēra griezums, uz ādas uzklāts slānis". Komanda tos salīdzināja ar pārdošanas datiem; Tikai 3 no 6 tēmām atrada atsaucību savā auditorijā. Rezultāts: sintēze no mākslīgā intelekta, izvēle no cilvēka.
2. gadījums — viltus uzticēšanās cena. Kāds zīmols uzticējās mākslīgā intelekta teikumam "dinamiskā fuksija šajā sezonā būs ļoti moderna" un uzkrāja krājumus. Tomēr mākslīgais intelekts nevar zināt nākotni; Viņa teiktais bija pagātnes datu modeļa atkārtojums. Fuksija tajā sezonā nebija populāra zīmola auditorijā, un krājumi palika uz rokas. Nodarbība: AI tendences "prognoze" nav pārliecība; Tas ir jāapstiprina jūsu auditorijā.
3. gadījums — makro/mikro neskaidrības. Dizaineris zīmola pastāvīgajā DNS kā galveno līniju ievietoja ļoti specifisku apkakles detaļu, sezonas mikro tendenci. Kad tendence pagāja, kolekcija izskatījās novecojusi. AI bija uzskaitījis tēmas, taču cilvēka uzdevums bija atšķirt, kuras ir makro un kuras mikro.
Četras kopējamas veidnes
1) Signālu apkopotājs:
Tālāk ir norādīti tendenču signāli (ielas stila piezīmes, skrejceļa novērojumi, pārdošanas piezīmes), ko es savācu:[ielīmēt tekstu]Uzdevums: grupējiet tos pēc periodiskām tēmām. Katrai tēmai: (1) īsais nosaukums, (2) signāls, kurā tas parādās, (3) siluets/krāsa/audums/detaļa/emociju birka. Nākotnes prognozēšana; Vienkārši apkopojiet datus, ko es jums sniedzu.
2) Makro/mikro atdalītājs:
Šeit ir tēmas, ko es izdomāju: [saraksts]. Uzdevums: novērtējiet katru tēmu, vai tā ir "makro (vairāku gadu garumā)" vai "mikro (viena sezona)", un uzrakstiet pamatojumu. Ja rodas šaubas, skaidri norādiet. Lēmums paliks manā ziņā.
3) Zīmola fit filtrs:
Mans zīmols: [auditorija, pozicionēšana, estētiskā DNS, cenu segments]. Tendenču tēmas: [saraksts]. Uzdevums: Novērtējiet katru tēmu no 1 līdz 5, ņemot vērā atbilstību manam zīmolam, un vienā teikumā paskaidrojiet, kāpēc tā atbilst vai ne. Nespiediet tos, kas neder; Novērtējiet godīgi.
4) Sezonas stāsta izklāsts:
Spēcīgas tēmas, kuras izvēlējos: [2-3 tēmas]. Zīmols: [īss apraksts]. Uzdevums: Uzrakstiet sezonas stāsta izklāstu, kas apvieno tos. Ietver: kolekcijas nosaukuma ieteikumus (5 gab.), viena teikuma koncepciju, atslēgas elementus, krāsu virzienu, emocijas. Šis ir melnraksts, es to rediģēšu.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Kāda būs modes tendence nākamajā sezonā?
Tam ir nepieciešama pārliecība no AI, ko tas nevar zināt; izvade būs vispārīga, novecojusi un atvienota no zīmola.
Spēcīga uzvedne:
Jūsu loma: tendenču izpētes asistents. Šeit ir pašreizējie signāli, ko savācu: [80 ielu stila piezīmes + 3 pārdošanas novērojumi]. Mans zīmols: 25-35 gadus veca pilsētniece, vienkārša-moderna estētika, vidējais-augšējais segments. Uzdevums: (1) Grupējiet signālus atkārtotās tēmās. (2) Makro/mikrobirka katrai tēmai. (3) Novērtējiet 1–5 punktus par piemērotību manam zīmolam. Nākotnes prognozēšana; Vienkārši sintezējiet datus, ko es jums sniedzu. Tas ir atkarīgs no manis.
Otrais apgalvojums pareizi pozicionē AI kā sintēzes rīku; Jūs sniedzat signālu, kopā veidojat interpretāciju un pieņemat lēmumu.
Biežas kļūdas
- Lūgums AI “zināt” nākotni. Tās interpretācija ir vēsturiska un varbūtība; Tā nav pārliecība.
- Izlaižot kontrolpārbaudi ar pārdošanas datiem. Visspēcīgākā apstiprināšana ir jūsu auditorijas faktiskā uzvedība.
- Makro un mikro tendences sajaukšana. Pagaidu iedoma ievietošana pastāvīgajā DNS padara kolekciju novecojušu.
- Neapšaubot zīmola piemērotību. “Vispārēja tendence” un “jūsu zīmola tendence” ir dažādas lietas.
- Gaida sintēzi bez signālu savākšanas. Ja ievades nav, izvade ir tukšs vispārinājums; Līdzi jāņem izejmateriāls.
Uzmanību: mākslīgā intelekta sniegtais tendenču kopsavilkums nav fakts, uz kura veidot kolekciju, bet gan sākums pārdomām. Komentāri un lauka dati nosaka sezonas likteni, nevis modeļa izlaidi.
Rezumējot
Tendenču analīze ir uzdevums pārvērst izkliedētus signālus sezonālā stāstā, un darbietilpīgākā daļa ir apjoms. Mākslīgais intelekts pieradina šo apjomu: apkopo lielus datus, izvelk modeļus, ierosina tēmas. Taču vēstures interpretācija ir ierobežota un varbūtība; Lēmumu par zīmola piemērotību un verifikāciju ar jaunākajiem pārdošanas datiem pieņem cilvēks. Process sastāv no piecām darbībām: signālu apkopošana, apkopošana un grupēšana, zīmola filtrēšana, pārdošanas datu salīdzināšana, pārvēršana sezonas stāstā. Makro un mikro tendenču atdalīšana; Viskritiskākais dizainera spriedums ir nejaukt īslaicīgu entuziasmu ar pastāvīgu virzību.
Lietojumprogrammas uzdevums
Izvēlieties sezonu un ieskicējiet īstu tendenču izpēti. (1) Savāc vismaz 30 signālu piezīmes (iela, sociālie mediji, pārdošanas izlūkošana). (2) Sagrupējiet tos tēmās, izmantojot veidni “signālu apkopotājs”. (3) Katram motīvam atzīmējiet ar “makro/mikro atdalītāju”. (4) Novērtējiet savu (vai iedomātu) zīmolu, izmantojot "zīmola atbilstības filtru". (5) Savienojiet 2–3 spēcīgākās tēmas stāstījumā ar “sezonas stāsta izklāstu” un rindkopā pamatojiet, kuru tēmu izslēdzāt un kāpēc.
kontrolsaraksts
- [ ] Es pats savācu signālus; Es gribēju sintēzi no mākslīgā intelekta, nevis pravietošanu.
- [ ] Es sadalīju motīvus makro/mikro.
- [ ] Es saskaņoju katru tēmu ar zīmola identitāti.
- [ ] Es salīdzināju ieteikumus ar savu pārdošanas apjomu/lauka ražu.
- [ ] Es uzrakstīju pamatojumu tām tēmām, kuras likvidēju.
- [ ] Es pieņēmu pēdējo sezonas virziena lēmumu kā cilvēks.