收益：
- 能够区分趋势、宏观/微观趋势、季节等概念，并利用人工智能作为研究助手，总结大量信号
- 能够在人工智能的支持下，综合街头、社交媒体、时装秀和销售数据等来源的信号，并将其转化为品牌特定的趋势故事
- 能够认识到人工智能的趋势解释是有日期限制的和概率性的，需要用当前的现场和销售数据进行验证。
每个系列都回答了一个问题：“下一季人们想穿什么？”这个问题的答案从来都不是确定的。至多，它是从仔细阅读的信号中得出的估计。这就是趋势分析：收集来自街头、社交媒体、时装秀、销售数据和文化趋势的信号，并将其转化为季节性故事。对于设计师来说，解读趋势就像水手解读风向：方向正确，你就会航行，方向错误，你就会随波逐流。
区分这项工作中的两个概念很重要。宏观趋势是多年来的主要文化趋势（例如“强调舒适性和功能”、“可持续性意识”）。另一方面，微趋势是小波浪（特定的领口、色调、配饰），可以在一个季节内迅速闪耀和褪色。宏观趋势影响品牌的长期方向，而微观趋势则影响胶囊系列或单品的时机。混淆两者就等于将暂时的时尚与永久的投资混为一谈。
人工智能在趋势分析中做什么
趋势分析中最费力的部分是数据量：数千张照片、数百张时装秀图片、无数社交媒体帖子、数月的销售数据。人们无法将它们一一扫描。这就是人工智能发挥作用的地方：快速总结大量文本和图像（使用视觉人工智能），指出重复模式，对分散的信号进行分组。
但请记住关键的区别：人工智能总结信号，而你给出意义和方向。 AI 可能会说“阔腿裤在许多图像中重复出现”；但这对您的品牌和客户群是否有意义由您决定。此外，人工智能的知识是冻结在某个日期的，无法知道未来；它的解释是历史性的和概率性的。最新的信号始终在现场：商店销售额、退货率、顾客购物篮。
提示：不要问AI“下一季的流行趋势是什么”；这是在寻求一种不存在的确定性。相反，你可以说“这是我收集的信号，请帮我总结一下并提取一个模式。”你带来信号，从中得到合成。
一步一步：从信号到季节故事
步骤 1 — 收集信号。确定您的来源：街头风格照片、行业趋势报告（已发布的）、竞争对手收藏、社交媒体、您自己的销售数据。这些是你的原材料。
第 2 步 — 请求摘要和分组。将您收集的文字注释输入人工智能并提取重复出现的主题：轮廓、颜色、面料、细节、情感。
第三步——通过品牌过滤器。将生成的主题与您自己的品牌标识相匹配。 “这个主题适合我们吗？我们的观众想要它吗？它符合我们的定位吗？”
第 4 步 — 交叉核对销售数据。最有力的验证是你自己过去的销售情况。人工智能建议的主题是否在您的数据中找到了回应？
第五步——把它变成一个季节故事。将剩下的 2-3 个强烈主题与叙述联系起来：系列的名称、情感、关键单品和色彩方向。这个故事成为后续单元中概念和情绪板的核心。
下表总结了人工智能在趋势背景下的优势和劣势：
任务
人工智能
人类（设计师）
总结数千个信号
非常强
慢
模式/主题提取
强（草稿）
验证者
商标适用性决定
弱
强制性的
当前领域/销售信息
无/旧
真实来源
确定地知道未来
不可能的
不可能（预测）
三个迷你箱子
案例 1 — 控制音量。某运动服饰品牌通过人工智能从5个不同平台收集了800条用户帖子的文本。这项工作原本需要人工花费 3 天，现在减少到了半天。人工智能建议了“中性大地色调、超大剪裁、贴肤层”等6大主题。该团队将这些数据与销售数据进行了比较； 6 个主题中只有 3 个在自己的受众中得到了回应。结果：人工智能合成，人类选择。
案例 2——虚假信任的代价。某品牌相信人工智能的一句话“充满活力的紫红色将在这一季非常流行”并备货。然而，人工智能无法预知未来；他所说的是过去数据中的模式的重复。紫红色在那个季节并不受该品牌受众的欢迎，因此库存仍然存在。教训：AI的趋势“预测”不是确定的；它必须在您自己的受众中得到验证。
案例 3——宏观/微观混淆。设计师将非常具体的衣领细节，即季节性的微趋势，作为品牌永久DNA中的主线。当潮流过去后，这个系列就显得过时了。人工智能列出了主题，但区分哪些是宏观的、哪些是微观的，是人类的工作。
四个可复制模板
1）信号总结器：
以下是我收集的趋势信号（街头风格笔记、跑道观察、销售笔记）：[粘贴文本]任务：按重复出现的主题对它们进行分组。对于每个主题：（1）简称，（2）它出现的信号，（3）轮廓/颜色/面料/细节/情感标签。预测未来；简单总结一下我给你的数据。
2）宏/微分离器：
以下是我提出的主题：[列表]。任务：评估每个主题是“宏观（跨越多年）”还是“微观（单季）”，并写出理由。如有疑问，请明确说明。决定权仍由我决定。
3）品牌适合过滤器：
我的品牌：[受众、定位、审美DNA、价格段]。趋势主题：[列表]。任务：根据我的品牌的适合性对每个主题从 1 到 5 进行评分，并用一句话解释为什么它适合或不适合。不适合的，不要勉强；诚实地评价。
4）赛季故事梗概：
我选择的强主题：[2-3个主题]。品牌：[简短描述]。任务：写出一个结合了这些内容的季故事大纲。包括：系列标题建议（5 件）、一句话概念、关键件、色彩方向、情感。这是草稿，我会编辑它。
弱提示/强提示
弱提示：
下一季的流行趋势是什么？
这需要 AI 确定它无法知道；输出将是通用的、陈旧的并且与品牌脱节。
强力提示：
您的角色：趋势研究助理。以下是我目前收集到的信号：[80 个街头风格笔记 + 3 个销售观察]。我的品牌：25-35岁都市女性，简约现代审美，中上段。任务：(1) 将信号分组为重复出现的主题。 (2) 宏观/微观标签每个主题。 (3) 对我的品牌的适合性评分1-5分。预测未来；只需综合我给你的数据即可。这取决于我。
第二个主张正确地将人工智能定位为综合工具；您带来信号，一起产生解释，然后做出决定。
常见错误
- 要求人工智能“了解”未来。它的解释是历史性的和概率性的；这不是确定性。
- 跳过与销售数据的交叉检查。最有力的验证是你自己的受众的实际行为。
- 混合宏观和微观趋势。将暂时的时尚融入永久的 DNA 会使该系列变得过时。
- 不质疑品牌的适用性。 “总体趋势”和“您品牌的趋势”是不同的东西。
- 等待合成而不收集信号。如果没有输入，输出就是空泛的概括；你必须带原材料。
注意：人工智能提供的趋势总结不是建立集合的事实，而是思考的开始。评论和现场数据决定了赛季的命运，而不是模型的输出。
总之
趋势分析的任务是将分散的信号转化为季节性的故事，而最费力的部分是成交量。人工智能驯服了这个体积：总结大数据，提取模式，建议主题。但对历史的解释是有限的、概率性的；品牌适用性的决定以及使用最新销售数据的验证取决于人。整个过程分为五个步骤：收集信号、汇总分组、品牌筛选、与销售数据交叉核对、转化为季节性故事。区分宏观和微观趋势；设计师最关键的判断是不要将暂时的热情与永久的方向混为一谈。
应用任务
选择一个季节并勾勒出真正的趋势研究。 (1) 收集至少 30 个信号记录（街头、社交媒体、销售侦察）。 (2) 使用“信号摘要器”模板将它们分组为主题。 (3) 对每个主题标注“宏/微观分隔符”。 (4) 使用“品牌契合度过滤器”对您自己的（或想象的）品牌进行评分。 (5) 将 2-3 个最强烈的主题连接成一个带有“季节故事大纲”的叙述，并在段落中证明您删除的主题以及原因。
清单
- [ ] 信号是我自己采集的；我想要人工智能的综合，而不是预言。
- [ ] 我将主题分为宏观/微观。
- [ ] 我将每个主题与品牌标识相匹配。
- [ ] 我将这些建议与我自己的销售额/现场产量进行了交叉检查。
- [ ] 我为我删除的主题写了理由。
- [ ] 作为一个人，我做出了最后一季的方向决定。