Skip to main content

Understanding Europe’s Fashion Data Universe

Article Category

Article available in the folowing languages:

Utilizzare i dati per comprendere e prevedere le tendenze della moda

Utilizzando la tecnologia e i megadati, un team di ricercatori europei sta sviluppando una serie di strumenti per aiutare i rivenditori di moda a migliorare l’esperienza del cliente.

Economia digitale

Nella spietata industria della moda, la chiave per mantenere un vantaggio sulla concorrenza è la capacità di comprendere le esigenze dei clienti e prevedere le tendenze future. Adesso, grazie ai megadati, i rivenditori di moda possono farlo meglio di chiunque altro. «Persino possedere un registro completo degli acquisti passati non è abbastanza per comprendere appieno come gli articoli nel catalogo dei prodotti si allineino con i gusti generali del cliente», dichiara Alessandro Checco, un ricercatore presso l’Università di Sheffield. «Da un punto di vista commerciale, qualsiasi guadagno in termini di efficienza della gestione dei fornitori, delle spedizioni e del trasporto è di minore importanza rispetto ai guadagni ottenibili da una migliore comprensione delle personalità e delle abitudini dei clienti». Per aiutare i rivenditori a «entrare nella mente del cliente», il progetto FashionBrain, finanziato dall’UE, si sta orientando verso la tecnologia e i megadati.

Dati e apprendimento automatico

Il progetto si è prefisso di migliorare la catena del valore dell’industria della moda sviluppando nuove esperienze di shopping innovative, aiutando i rivenditori a individuare e monitorare gli influencer, e prevedendo le future tendenze della moda. Per raggiungere quest’obiettivo, i ricercatori hanno consolidato ed esteso le tecnologie esistenti nei campi di: gestione dei database, estrazione dei dati, apprendimento automatico, elaborazione delle immagini, recupero informazioni e crowdsourcing. «Per cominciare, abbiamo raccolto e combinato la grande quantità di dati generati da diversi attori dell’industria della moda. Abbiamo coinvolto produttori e reti di distribuzione, negozi online, grandi rivenditori, piattaforme di social media, call center e i media della moda», spiega Checco. «Questi dati sono poi stati curati, analizzati e utilizzati come input per i nostri algoritmi di apprendimento automatico». Da questo lavoro hanno avuto origine diversi importanti strumenti e soluzioni. Ad esempio, FaBIAM, un’infrastruttura integrata per archiviare, gestire ed elaborare dati della moda eterogenei. Il progetto ha anche sviluppato un archivio all’avanguardia per l’elaborazione del linguaggio naturale (NLP, natural language processing) chiamato Flair. La NLP è un settore incentrato sulla programmazione dei computer per elaborare e analizzare grandi quantità di dati del linguaggio naturale. «Flair rappresenta un approccio innovativo per affrontare compiti fondamentali della NLP quali l’analisi sintattica e semantica», afferma Checco. «Nel corso del progetto, abbiamo dimostrato che quest’approccio ottiene performance superiori rispetto a tutti i metodi esistenti con un margine notevole, ed è disponibile come open source». Altri importanti risultati includono una funzione di ricerca end-to-end da testo a immagine, uno strumento di esplorazione di influencer della moda, e un metodo per prevedere le tendenze della moda (PredTS).

I vantaggi già offerti alle aziende

Secondo Checco, questi strumenti offrono vantaggi ai rivenditori consentendo servizi innovativi che migliorano l’esperienza di acquisto del cliente e danno impulso alla fedeltà al marchio. «Ad esempio, un cliente potrà ricevere raccomandazioni personalizzate ed eseguire ricerche avanzate di articoli di moda per immagine, descrizione testuale complessa, ecc.», afferma. «Al tempo stesso, un rivenditore può creare una storia di marketing su un prodotto che rientra nel gusto dei clienti, invece di mostrare loro semplicemente un articolo e il suo prezzo». Ma non si tratta soltanto di teorie, perché gli strumenti di FashionBrain stanno già offrendo vantaggi alle aziende. Ad esempio, Zalando ha riscontrato un aumento misurabile dei ricavi per cliente grazie all’utilizzo di Flair. Il fornitore di analisi MonetDB Solutions non solo ha raddoppiato le proprie dimensioni, ma ha anche ricevuto nuovi investimenti e acquisito diversi nuovi clienti, tra cui multinazionali quotate in borsa.

Parole chiave

FashionBrain, dati, moda, tendenze della moda, tecnologia, megadati, rivenditori di moda, industria della moda, estrazione dei dati, apprendimento automatico, elaborazione del linguaggio naturale, Zalando

Scopri altri articoli nello stesso settore di applicazione