Zyski:
- Umiejętność rozróżniania pojęć trendu, makro/mikrotrendu i pory roku oraz wykorzystania sztucznej inteligencji jako asystenta badawczego podsumowującego duże wolumeny sygnałów
- Możliwość syntezy sygnałów ze źródeł takich jak ulica, media społecznościowe, dane z pokazów mody i sprzedaży przy wsparciu sztucznej inteligencji i przekształcania ich w specyficzną dla marki historię trendów
- Umiejętność rozpoznania, że interpretacja trendów dokonywana przez sztuczną inteligencję jest ograniczona czasowo i probabilistyczna oraz wymaga weryfikacji przy użyciu aktualnych danych terenowych i sprzedażowych.
Każda kolekcja jest odpowiedzią na jedno pytanie: „Co ludzie będą chcieli nosić w nadchodzącym sezonie?” Odpowiedź na to pytanie nigdy nie jest ostateczna; Jest to co najwyżej oszacowanie oparte na dobrze odczytanych sygnałach. Na tym polega analiza trendów: zbieranie sygnałów z ulicy, mediów społecznościowych, pokazów mody, danych sprzedażowych i trendów kulturowych i przekształcanie ich w sezonową historię. Czytanie trendów jest dla projektanta jak żeglarz czytający wiatr: odczytaj właściwy kierunek, a popłyniesz, przeczytaj źle, a będziesz dryfować.
Ważne jest rozróżnienie w tej pracy dwóch pojęć. Makrotrendy to główne trendy kulturowe występujące na przestrzeni lat (np. „nacisk na komfort i funkcjonalność”, „świadomość zrównoważonego rozwoju”). Mikrotrendy to natomiast małe fale (konkretny dekolt, odcień koloru, dodatek), które w ciągu sezonu mogą szybko zabłysnąć i blaknąć. Trend makro wpływa na długoterminowy kierunek marki, natomiast trend mikro wpływa na czas powstania kolekcji kapsułek lub pojedynczego produktu. Mylić te dwa elementy, oznacza mylić tymczasową modę ze stałą inwestycją.
Co robi sztuczna inteligencja w analizie trendów
Najbardziej pracochłonną częścią analizy trendów jest objętość: tysiące zdjęć, setki zdjęć z pokazów mody, niezliczone posty w mediach społecznościowych, miesiące danych sprzedażowych. Nie można ich skanować jeden po drugim. I tu właśnie wkracza sztuczna inteligencja: szybkie podsumowywanie dużych ilości tekstu i obrazów (za pomocą wizualnej sztucznej inteligencji), wskazywanie powtarzających się wzorców, grupowanie rozproszonych sygnałów.
Pamiętaj jednak o zasadniczym rozróżnieniu: sztuczna inteligencja podsumowuje sygnały, Ty nadajesz znaczenie i kierunek. Sztuczna inteligencja może powiedzieć „spodnie z szerokimi nogawkami powtarzają się na wielu obrazach”; Ale to Ty decydujesz, czy ma to sens dla Twojej marki i bazy klientów. Dodatkowo wiedza sztucznej inteligencji jest zamrożona na bieżąco i nie może znać przyszłości; Jej interpretacja ma charakter historyczny i probabilistyczny. Najświeższy sygnał jest zawsze na miejscu: sprzedaż w sklepie, wskaźniki zwrotów, koszyki klientów.
Wskazówka: nie pytaj sztucznej inteligencji „jaki będzie trend w przyszłym sezonie”; To jest prośba o pewność, której nie ma. Zamiast tego powiedz „oto zebrane przeze mnie sygnały, podsumuj je i wyodrębnij wzór”. Przynosisz sygnały i uzyskujesz z nich syntezę.
Krok po kroku: od sygnału do historii sezonu
Krok 1 — Zbierz sygnały. Zidentyfikuj swoje źródła: zdjęcia stylu ulicznego, raporty trendów branżowych (opublikowane), kolekcje konkurencji, media społecznościowe, własne dane sprzedażowe. To są Twoje surowce.
Krok 2 — Poproś o podsumowanie i grupowanie. Przekaż zebrane notatki tekstowe AI i wyodrębnij powtarzające się motywy: sylwetka, kolor, tkanina, detal, emocje.
Krok 3 — Przepuść go przez filtr marki. Dopasuj powstałe motywy do własnej tożsamości marki. „Czy ten temat nam odpowiada, czy chce tego nasza publiczność, czy pasuje do naszego pozycjonowania?”
Krok 4 — Kontrola krzyżowa z danymi sprzedażowymi. Najsilniejszym potwierdzeniem są Twoje wcześniejsze sprzedaże. Czy temat sugerowany przez sztuczną inteligencję znajduje odpowiedź w Twoich danych?
Krok 5 — Zmień to w historię sezonową. Powiąż pozostałe 2-3 mocne motywy w narrację: nazwę kolekcji, emocje, kluczowe elementy i kierunek kolorów. Ta historia staje się rdzeniem koncepcji i moodboardu w kolejnych częściach.
Poniższa tabela podsumowuje mocne i słabe strony AI w kontekście trendów:
Zadanie
sztuczna inteligencja
Człowiek (projektant)
Podsumowanie tysięcy sygnałów
bardzo silny
powolny
Ekstrakcja wzoru/motywu
Mocny (przeciąg)
walidator
Decyzja o przydatności znaku towarowego
słaby
obowiązkowe
Aktualne informacje dotyczące branży/sprzedaży
żaden/stary
prawdziwe źródło
znając przyszłość z pewnością
niemożliwe
Niemożliwe (przewidywanie)
trzy mini etui
Przypadek 1 — Oswajanie głośności. Marka odzieży sportowej zebrała teksty 800 postów użytkowników z 5 różnych platform i podsumowała je sztuczna inteligencja. Praca, która ręcznie zajęłaby 3 dni, została skrócona do pół dnia. Sztuczna inteligencja zaproponowała 6 tematów, takich jak „neutralne odcienie ziemi, krój oversize, warstwa na skórze”. Zespół porównał je z danymi dotyczącymi sprzedaży; Tylko 3 z 6 tematów znalazło odzew wśród swoich odbiorców. Wynik: synteza ze sztucznej inteligencji, wybór z człowieka.
Przypadek 2 — Cena fałszywego zaufania. Marka zaufała stwierdzeniu sztucznej inteligencji „żywa fuksja będzie bardzo modna w tym sezonie” i zaopatrzyła się. Jednak sztuczna inteligencja nie może znać przyszłości; To, co powiedział, było powtórzeniem schematu z poprzednich danych. Fuksja nie cieszyła się w tamtym sezonie popularnością wśród odbiorców marki, dlatego zapasy pozostawały na stanie. Lekcja: „przewidywanie” trendów AI nie jest pewne; Należy to zweryfikować wśród swoich odbiorców.
Przypadek 3 – Zamieszanie makro/mikro. Projektantka umieściła bardzo specyficzny detal kołnierzyka, będący sezonowym mikrotrendem, jako główną linię w trwałym DNA marki. Kiedy ten trend minął, kolekcja wyglądała na przestarzałą. Sztuczna inteligencja sporządziła listę tematów, ale zadaniem człowieka było rozróżnienie, które są makro, a które mikro.
Cztery szablony do kopiowania
1) Podsumowanie sygnału:
Poniżej znajdują się zebrane przeze mnie sygnały trendów (notatki dotyczące stylu ulicznego, obserwacje pasów startowych, notatki sprzedażowe): [wklej tekst] Zadanie: Pogrupuj je według powtarzających się tematów. Dla każdego tematu: (1) krótka nazwa, (2) sygnalizująca, w jakim się pojawia, (3) sylwetka/kolor/tkanina/detal/element emocji. Przewidywanie przyszłości; Podsumuj tylko dane, które ci podałem.
2) Separator makro/mikro:
Oto tematy, które wymyśliłem: [lista]. Zadanie: oceń każdy temat pod kątem tego, czy jest to „makro (obejmujący lata)”, czy „mikro (jeden sezon)” i napisz uzasadnienie. W przypadku wątpliwości należy jasno określić. Decyzja pozostanie przy mnie.
3) Filtr dopasowania marki:
Moja marka: [odbiorcy, pozycjonowanie, estetyczne DNA, segment cenowy]. Tematy trendów: [lista]. Zadanie: Oceń każdy temat od 1 do 5 pod względem przydatności dla mojej marki i wyjaśnij w jednym zdaniu, dlaczego pasuje lub nie. Nie zmuszaj tych, którzy nie pasują; Oceniaj szczerze.
4) Zarys historii sezonu:
Mocne motywy, które wybrałem: [2-3 motywy]. Marka: [krótki opis]. Zadanie: Napisz zarys historii sezonu, który połączy te elementy. Obejmuje: propozycje tytułów kolekcji (5 elementów), koncepcję jednozdaniową, kluczowe elementy, kierunek kolorów, emocje. To jest projekt, będę go edytować.
Słaba zachęta/silna zachęta
Słaba zachęta:
Jaki będzie trend w modzie w nadchodzącym sezonie?
Wymaga to od sztucznej inteligencji pewności, której nie może wiedzieć; dane wyjściowe będą ogólne, nieaktualne i niezwiązane z marką.
Potężny monit:
Twoja rola: asystent ds. badań trendów. Oto aktualne sygnały, które zebrałem: [80 notatek dotyczących stylu ulicznego + 3 obserwacje sprzedażowe]. Moja marka: kobieta z miasta 25-35 lat, estetyka prosta-nowoczesna, segment średnio-wyższy. Zadanie: (1) Pogrupuj sygnały w powtarzające się tematy. (2) Makro/mikrotag dla każdego motywu. (3) Oceń 1-5 punktów za przydatność dla mojej marki. Przewidywanie przyszłości; Po prostu zsyntetyzuj dane, które ci podam. To zależy ode mnie.
Drugie twierdzenie słusznie pozycjonuje sztuczną inteligencję jako narzędzie syntezy; Dajesz sygnał, wspólnie tworzycie interpretację i podejmujecie decyzję.
Typowe błędy
- Proszenie sztucznej inteligencji o „poznanie” przyszłości. Jego interpretacja jest historyczna i probabilistyczna; To nie jest pewność.
- Pomijanie sprawdzania krzyżowego z danymi sprzedażowymi. Najpotężniejszą weryfikacją jest rzeczywiste zachowanie własnej publiczności.
- Mieszanie trendu makro i mikro. Włączenie tymczasowej mody do trwałego DNA powoduje, że kolekcja staje się przestarzała.
- Nie kwestionuję przydatności marki. „Trend ogólny” i „trend Twojej marki” to różne rzeczy.
- Oczekiwanie na syntezę bez zbierania sygnałów. Jeśli nie ma danych wejściowych, wyjście jest pustym uogólnieniem; Musisz zabrać ze sobą surowiec.
Uwaga: Podsumowanie trendów dostarczane przez sztuczną inteligencję nie jest faktem, na którym można zbudować kolekcję, ale punktem wyjścia do myślenia. Komentarze i dane terenowe determinują losy sezonu, a nie wynik modelu.
Podsumowując
Analiza trendów polega na przekształceniu rozproszonych sygnałów w historię sezonową, a najbardziej pracochłonną częścią jest wolumen. Sztuczna inteligencja oswaja ten wolumen: podsumowuje big data, wydobywa wzorce, sugeruje tematy. Ale interpretacja historii jest ograniczona i probabilistyczna; Decyzja o przydatności marki i weryfikacji na podstawie aktualnych danych sprzedażowych należy do człowieka. Proces składa się z pięciu kroków: zbieranie sygnałów, podsumowanie i grupowanie, filtr marki, sprawdzenie krzyżowe z danymi sprzedażowymi, przekształcenie w historię sezonową. Rozdzielenie trendów makro i mikro; Najbardziej krytyczną oceną projektanta jest to, aby nie mylić chwilowego entuzjazmu ze stałym kierunkiem.
Zadanie aplikacji
Wybierz porę roku i naszkicuj prawdziwe badania trendów. (1) Zbierz co najmniej 30 notatek sygnalizacyjnych (ulica, media społecznościowe, badanie sprzedaży). (2) Pogrupuj je w tematy za pomocą szablonu „podsumowania sygnału”. (3) Oznacz każdy motyw „separatorem makro/mikro”. (4) Oceń swoją własną (lub wyimaginowaną) markę za pomocą „filtra dopasowania marki”. (5) Połącz 2-3 najsilniejsze tematy w narrację z „konspektem historii sezonu” i uzasadnij w akapicie, który motyw wyeliminowałeś i dlaczego.
lista kontrolna
- [ ] Sam zbierałem sygnały; Chciałem syntezy opartej na sztucznej inteligencji, a nie proroctw.
- [ ] Tematy podzieliłem na makro/mikro.
- [ ] Do każdego motywu dopasowałem tożsamość marki.
- [ ] Sprawdziłem zalecenia z własną sprzedażą/wydajnością z pola.
- [ ] Napisałem uzasadnienie do wyeliminowanych przeze mnie tematów.
- [ ] Podjąłem decyzję o reżyserii ostatniego sezonu jako człowiek.