กำไร:
- ความสามารถในการแยกแยะแนวคิดของแนวโน้ม แนวโน้มมหภาค/ไมโคร และฤดูกาล และใช้ปัญญาประดิษฐ์เป็นผู้ช่วยวิจัยในการสรุปสัญญาณปริมาณมาก
- ความสามารถในการสังเคราะห์สัญญาณจากแหล่งต่างๆ เช่น สตรีท โซเชียลมีเดีย แฟชั่นโชว์ และข้อมูลการขาย โดยได้รับการสนับสนุนจากปัญญาประดิษฐ์ และแปลงสัญญาณเหล่านั้นให้กลายเป็นเรื่องราวของเทรนด์เฉพาะแบรนด์
- ความสามารถในการรับรู้ว่าการตีความแนวโน้มของปัญญาประดิษฐ์นั้นจำกัดวันที่และมีความน่าจะเป็น และจำเป็นต้องได้รับการตรวจสอบด้วยข้อมูลภาคสนามและข้อมูลการขายในปัจจุบัน
แต่ละคอลเลกชันมีคำตอบสำหรับคำถามเดียว: "ผู้คนอยากสวมใส่อะไรในฤดูกาลหน้า" คำตอบสำหรับคำถามนี้ไม่เคยเป็นที่แน่ชัด โดยมากจะเป็นค่าประมาณที่ได้มาจากสัญญาณที่อ่านได้ดี นั่นคือสิ่งที่การวิเคราะห์แนวโน้ม: รวบรวมสัญญาณจากท้องถนน โซเชียลมีเดีย แฟชั่นโชว์ ข้อมูลการขาย และแนวโน้มทางวัฒนธรรม และเปลี่ยนให้เป็นเรื่องราวตามฤดูกาล การอ่านเทรนด์ของดีไซเนอร์ก็เหมือนกับกะลาสีที่อ่านลม อ่านทิศทางให้ถูกแล้วจะแล่น อ่านผิดก็จะล่องลอยไป
สิ่งสำคัญคือต้องแยกแยะแนวคิดสองประการในงานนี้ แนวโน้มมหภาคเป็นแนวโน้มทางวัฒนธรรมที่สำคัญในช่วงหลายปีที่ผ่านมา (เช่น "การเน้นความสะดวกสบายและการใช้งาน" "การตระหนักรู้ด้านความยั่งยืน") ในทางกลับกัน ไมโครเทรนด์นั้นเป็นคลื่นขนาดเล็ก (คอเสื้อ โทนสี เครื่องประดับ) ที่สามารถส่องแสงและจางลงอย่างรวดเร็วภายในหนึ่งฤดูกาล แนวโน้มระดับมหภาคส่งผลต่อทิศทางในระยะยาวของแบรนด์ ในขณะที่แนวโน้มระดับจุลภาคส่งผลต่อระยะเวลาในการเก็บรวบรวมแคปซูลหรือผลิตภัณฑ์เดี่ยว การสร้างความสับสนให้กับทั้งสองคือการสร้างความสับสนระหว่างแฟชั่นชั่วคราวกับการลงทุนถาวร
ปัญญาประดิษฐ์ทำหน้าที่อะไรในการวิเคราะห์แนวโน้ม
ส่วนที่ลำบากที่สุดในการวิเคราะห์แนวโน้มคือปริมาณ: รูปภาพนับพัน, รูปภาพแฟชั่นโชว์หลายร้อยรูป, โพสต์บนโซเชียลมีเดียจำนวนนับไม่ถ้วน, ข้อมูลยอดขายหลายเดือน ไม่มีใครสามารถสแกนทีละรายการได้ นี่คือจุดที่ AI เข้ามา: สรุปข้อความและรูปภาพจำนวนมากอย่างรวดเร็ว (ด้วย AI แบบเห็นภาพ) ชี้ให้เห็นรูปแบบการทำซ้ำ การจัดกลุ่มสัญญาณที่กระจัดกระจาย
แต่จำความแตกต่างที่สำคัญไว้: AI สรุปสัญญาณ คุณให้ความหมายและทิศทาง AI อาจบอกว่า “กางเกงขากว้างซ้ำหลายภาพ”; แต่ขึ้นอยู่กับคุณที่จะตัดสินใจว่าสิ่งนี้เหมาะสมกับแบรนด์และฐานลูกค้าของคุณหรือไม่ นอกจากนี้ความรู้ของปัญญาประดิษฐ์ยังถูกแช่แข็งอยู่ในปัจจุบันและไม่สามารถรู้อนาคตได้ การตีความเป็นไปตามประวัติศาสตร์และความน่าจะเป็น สัญญาณที่สดใหม่ที่สุดอยู่เสมอ: ยอดขายในร้าน อัตราคืนสินค้า และตะกร้าลูกค้า
เคล็ดลับ: อย่าถาม AI ว่าฤดูกาลหน้าจะเป็นอย่างไร เป็นการขอความแน่นอนที่ไม่มีอยู่จริง แทนที่จะพูดว่า "นี่คือสัญญาณที่ฉันรวบรวม สรุปให้ฉันและดึงรูปแบบออกมา" คุณนำสัญญาณมา สังเคราะห์จากมัน
ทีละขั้นตอน: จากสัญญาณสู่เรื่องราวของฤดูกาล
ขั้นตอนที่ 1 — รวบรวมสัญญาณ ระบุแหล่งที่มาของคุณ: ภาพถ่ายสไตล์สตรีท รายงานแนวโน้มอุตสาหกรรม (ที่เผยแพร่) คอลเลกชั่นของคู่แข่ง โซเชียลมีเดีย ข้อมูลการขายของคุณเอง นี่คือวัตถุดิบของคุณ
ขั้นตอนที่ 2 — ขอสรุปและจัดกลุ่ม ป้อนข้อความที่คุณรวบรวมไปยัง AI และแยกธีมที่เกิดซ้ำ: ภาพเงา สี ผ้า รายละเอียด อารมณ์
ขั้นตอนที่ 3 — ส่งผ่านตัวกรองแบรนด์ จับคู่ธีมที่ได้กับเอกลักษณ์ของแบรนด์ของคุณเอง “ธีมนี้เหมาะกับเราไหม ผู้ชมต้องการหรือไม่ ตรงกับจุดยืนของเราหรือไม่”
ขั้นตอนที่ 4 — ตรวจสอบกับข้อมูลการขาย การตรวจสอบที่ชัดเจนที่สุดคือยอดขายในอดีตของคุณเอง ธีมที่แนะนำโดยปัญญาประดิษฐ์พบการตอบสนองในข้อมูลของคุณหรือไม่?
ขั้นตอนที่ 5 — เปลี่ยนให้เป็นเรื่องราวของฤดูกาล เชื่อมโยงธีมที่แข็งแกร่งอีก 2-3 ธีมที่เหลือเข้ากับการเล่าเรื่อง ได้แก่ ชื่อคอลเลกชัน อารมณ์ ชิ้นส่วนหลัก และทิศทางของสี เรื่องราวนี้กลายเป็นแกนหลักของแนวคิดและมูดบอร์ดในหน่วยต่อๆ ไป
ตารางด้านล่างสรุปจุดแข็งและจุดอ่อนของ AI ในบริบทของแนวโน้ม:
ภารกิจ
ปัญญาประดิษฐ์
มนุษย์ (นักออกแบบ)
สรุปสัญญาณนับพัน
แข็งแกร่งมาก
ช้า
การแยกรูปแบบ/ธีม
แข็งแกร่ง (ร่าง)
เครื่องมือตรวจสอบ
การตัดสินใจเกี่ยวกับความเหมาะสมของเครื่องหมายการค้า
อ่อนแอ
บังคับ
ข้อมูลปัจจุบัน/ข้อมูลการขาย
ไม่มี/เก่า
แหล่งที่มาที่แท้จริง
รู้อนาคตอย่างแน่วแน่
เป็นไปไม่ได้
เป็นไปไม่ได้ (คำทำนาย)
มินิเคสสามอัน
กรณีที่ 1 — การควบคุมระดับเสียง แบรนด์ชุดกีฬามีข้อความโพสต์ของผู้ใช้ 800 โพสต์ที่รวบรวมจาก 5 แพลตฟอร์มที่แตกต่างกัน ซึ่งสรุปโดยปัญญาประดิษฐ์ งานที่ต้องใช้เวลา 3 วันด้วยตนเองก็ลดลงเหลือครึ่งวัน ปัญญาประดิษฐ์แนะนำ 6 ธีม เช่น "สีเอิร์ธโทนที่เป็นกลาง, การเจียระไนขนาดใหญ่, ชั้นบนผิวหนัง" ทีมงานเปรียบเทียบข้อมูลเหล่านี้กับข้อมูลการขาย มีเพียง 3 ใน 6 หัวข้อเท่านั้นที่ได้รับการตอบรับจากผู้ชมของตนเอง ผลลัพธ์: การสังเคราะห์จากปัญญาประดิษฐ์ ทางเลือกจากมนุษย์
กรณีที่ 2 — ราคาของความไว้วางใจที่ผิดพลาด แบรนด์แห่งหนึ่งเชื่อถือประโยคของปัญญาประดิษฐ์ว่า "บานเย็นที่สดใสจะอินเทรนด์มากในฤดูกาลนี้" และตุนไว้ อย่างไรก็ตาม ปัญญาประดิษฐ์ไม่สามารถรู้อนาคตได้ สิ่งที่เขาพูดคือการทำซ้ำรูปแบบในข้อมูลในอดีต สีบานเย็นไม่ได้รับความนิยมจากผู้ชมของแบรนด์ในฤดูกาลนั้น และยังมีสินค้าคงเหลืออยู่ บทเรียน: แนวโน้ม "การคาดการณ์" ของ AI นั้นไม่แน่นอน จะต้องได้รับการตรวจสอบในกลุ่มผู้ชมของคุณเอง
กรณีที่ 3 — ความสับสนระดับมหภาค/ระดับไมโคร นักออกแบบวางรายละเอียดส่วนปกเสื้อที่เฉพาะเจาะจงมาก ซึ่งเป็นเทรนด์ไมโครตามฤดูกาล ให้เป็นบรรทัดหลักใน DNA ถาวรของแบรนด์ เมื่อกระแสผ่านไปคอลเลกชั่นก็ดูล้าสมัย AI ได้ระบุธีมไว้แล้ว แต่เป็นหน้าที่ของมนุษย์ในการแยกแยะว่าอันไหนเป็นมาโครและอันไหนเป็นไมโคร
เทมเพลตที่สามารถคัดลอกได้สี่แบบ
1) ตัวสรุปสัญญาณ:
ด้านล่างนี้คือสัญญาณแนวโน้ม (หมายเหตุเกี่ยวกับสไตล์ถนน การสังเกตบนรันเวย์ บันทึกการขาย) ฉันรวบรวมไว้:[วางข้อความ]งาน: จัดกลุ่มสิ่งเหล่านั้นตามธีมที่เกิดซ้ำ สำหรับแต่ละธีม: (1) ชื่อย่อ (2) สัญลักษณ์ที่ปรากฏใน (3) แท็กภาพเงา/สี/ผ้า/รายละเอียด/อารมณ์ การทำนายอนาคต; เพียงสรุปข้อมูลที่ฉันให้คุณ
2) ตัวคั่นมาโคร/ไมโคร:
ต่อไปนี้เป็นธีมที่ฉันคิดขึ้นมา: [รายการ] งาน: ประเมินแต่ละธีมว่าเป็น "มาโคร (ครอบคลุมหลายปี)" หรือ "ไมโคร (ฤดูกาลเดียว)" แล้วเขียนเหตุผล หากมีข้อสงสัยให้ระบุให้ชัดเจน การตัดสินใจจะอยู่กับฉัน
3) ตัวกรองพอดีกับแบรนด์:
แบรนด์ของฉัน: [ผู้ชม ตำแหน่ง DNA เชิงสุนทรีย์ ส่วนราคา] ธีมเทรนด์: [รายการ] งาน: ให้คะแนนแต่ละธีมจาก 1 ถึง 5 ในแง่ของความเหมาะสมสำหรับแบรนด์ของฉัน และอธิบายในประโยคเดียวว่าเหตุใดจึงเหมาะสมหรือไม่ อย่าบังคับคนที่ไม่เหมาะสม ประเมินอย่างตรงไปตรงมา
4) โครงร่างเรื่องราวของซีซัน:
ธีมที่แข็งแกร่งที่ฉันเลือก: [2-3 ธีม] ยี่ห้อ: [คำอธิบายสั้น ๆ]. ภารกิจ: เขียนโครงร่างเรื่องราวของฤดูกาลที่รวมสิ่งเหล่านี้เข้าด้วยกัน ประกอบด้วย: ข้อเสนอแนะชื่อคอลเลกชัน (5 ชิ้น), แนวคิดหนึ่งประโยค, ชิ้นส่วนสำคัญ, ทิศทางสี, อารมณ์ นี่เป็นแบบร่าง ฉันจะแก้ไข
พรอมต์อ่อน / พรอมต์แข็งแกร่ง
พรอมต์ที่อ่อนแอ:
เทรนด์แฟชั่นในฤดูกาลหน้าจะเป็นอย่างไร?
สิ่งนี้ต้องได้รับความแน่นอนจาก AI ว่ามันไม่สามารถรู้ได้ ผลลัพธ์จะเป็นแบบทั่วไป เก่า และตัดการเชื่อมต่อจากแบรนด์
พรอมต์อันทรงพลัง:
บทบาทของคุณ: ผู้ช่วยวิจัยเทรนด์ นี่คือสัญญาณปัจจุบันที่ฉันรวบรวม: [บันทึกสไตล์สตรีท 80 รายการ + การสังเกตการขาย 3 รายการ] แบรนด์ของฉัน: ผู้หญิงในเมืองอายุ 25-35 ปี สุนทรีย์ที่เรียบง่าย-ทันสมัย ช่วงกลาง-บน ภารกิจ: (1) จัดกลุ่มสัญญาณเป็นธีมที่เกิดซ้ำ (2) แท็กมาโคร/ไมโครแต่ละธีม (3) ให้คะแนน 1-5 คะแนนเพื่อความเหมาะสมกับแบรนด์ของฉัน ทำนายอนาคต เพียงแค่สังเคราะห์ข้อมูลที่ฉันให้คุณ มันขึ้นอยู่กับฉัน
การอ้างสิทธิ์ครั้งที่สองวางตำแหน่ง AI เป็นเครื่องมือสังเคราะห์ได้อย่างถูกต้อง คุณนำสัญญาณ ตีความร่วมกัน และทำการตัดสินใจ
ข้อผิดพลาดทั่วไป
- ขอให้ AI “รู้” อนาคต การตีความเป็นไปตามประวัติศาสตร์และความน่าจะเป็น มันไม่แน่นอน.
- ข้ามการตรวจสอบข้ามกับข้อมูลการขาย การตรวจสอบที่มีประสิทธิภาพที่สุดคือพฤติกรรมที่แท้จริงของผู้ชมของคุณเอง
- การผสมผสานแนวโน้มมาโครและไมโคร การเพิ่มความทันสมัยชั่วคราวให้กับ DNA ถาวรทำให้คอลเลกชันนี้ล้าสมัย
- ไม่ตั้งคำถามถึงความเหมาะสมของแบรนด์ "เทรนด์ทั่วไป" และ "เทรนด์ของแบรนด์คุณ" เป็นสิ่งที่แตกต่างกัน
- รอการสังเคราะห์โดยไม่รวบรวมสัญญาณ หากไม่มีอินพุต เอาต์พุตจะเป็นลักษณะทั่วไปที่ว่างเปล่า คุณต้องนำวัตถุดิบมาด้วย
ข้อควรสนใจ: การสรุปแนวโน้มโดยปัญญาประดิษฐ์ไม่ใช่ข้อเท็จจริงในการสร้างคอลเลกชัน แต่เป็นการเริ่มต้นในการคิด ความเห็นและข้อมูลภาคสนามเป็นตัวกำหนดชะตากรรมของฤดูกาล ไม่ใช่ผลลัพธ์ของโมเดล
โดยสรุป
การวิเคราะห์แนวโน้มเป็นหน้าที่ในการเปลี่ยนสัญญาณที่กระจัดกระจายให้กลายเป็นเรื่องราวตามฤดูกาล และส่วนที่ลำบากที่สุดคือปริมาณ ปัญญาประดิษฐ์ช่วยควบคุมหนังสือเล่มนี้: สรุปข้อมูลขนาดใหญ่ แยกรูปแบบ แนะนำธีมต่างๆ แต่การตีความประวัติศาสตร์นั้นมีจำกัดและน่าจะเป็นไปได้ การตัดสินใจเกี่ยวกับความเหมาะสมของแบรนด์และการตรวจสอบด้วยข้อมูลการขายที่ทันสมัยนั้นขึ้นอยู่กับมนุษย์ กระบวนการนี้มีห้าขั้นตอน: รวบรวมสัญญาณ สรุปและจัดกลุ่ม ตัวกรองแบรนด์ การตรวจสอบข้ามกับข้อมูลการขาย กลายเป็นเรื่องราวตามฤดูกาล แยกแนวโน้มมหภาคและไมโคร การตัดสินที่สำคัญที่สุดของนักออกแบบคืออย่าสับสนระหว่างความกระตือรือร้นชั่วคราวกับทิศทางที่ถาวร
งานสมัคร
เลือกฤดูกาลและร่างการวิจัยเทรนด์ที่แท้จริง (1) รวบรวมบันทึกสัญญาณอย่างน้อย 30 รายการ (ถนน โซเชียลมีเดีย การสอดแนมการขาย) (2) จัดกลุ่มออกเป็นธีมด้วยเทมเพลต “ตัวสรุปสัญญาณ” (3) ติดป้ายกำกับแต่ละธีมด้วย “ตัวคั่นมาโคร/ไมโคร” (4) ให้คะแนนแบรนด์ของคุณเอง (หรือจินตนาการ) ด้วย "ตัวกรองความเหมาะสมของแบรนด์" (5) เชื่อมต่อประเด็นหลัก 2-3 ประเด็นเข้ากับการเล่าเรื่องด้วย "โครงร่างเรื่องราวของฤดูกาล" และให้เหตุผลว่าประเด็นใดที่คุณตัดออกและเหตุผลในย่อหน้า
รายการตรวจสอบ
- [ ] ฉันรวบรวมสัญญาณด้วยตัวเอง ฉันต้องการการสังเคราะห์จากปัญญาประดิษฐ์ ไม่ใช่คำทำนาย
- [ ] ฉันแบ่งธีมออกเป็นมาโคร/ไมโคร
- [ ] ฉันจับคู่แต่ละธีมให้เข้ากับเอกลักษณ์ของแบรนด์
- [ ] ฉันตรวจสอบคำแนะนำกับยอดขาย/ผลตอบแทนภาคสนามของฉันเอง
- [ ] ฉันเขียนเหตุผลสำหรับธีมที่ฉันตัดออก
- [ ] ฉันตัดสินใจกำหนดทิศทางของฤดูกาลสุดท้ายในฐานะมนุษย์