Sei una M. Tranne quando sei una L.
Fai un esperimento. Prendi una maglietta taglia M da Zara, poi una M da H&M, poi una da Nike. Tre brand, tre vestibilità completamente diverse, la stessa lettera sull’etichetta. Non è un dettaglio trascurabile. È un difetto strutturale dell’industria della moda che costa caro a tutti.
Come siamo arrivati a questo punto
Le prime taglie standardizzate furono introdotte negli Stati Uniti negli anni ’40, basate su uno studio di circa 15.000 donne. Il campione non era rappresentativo e i dati erano difettosi fin dall’inizio. Negli anni ’80 il governo americano abbandonò il proprio standard volontario. Ogni brand cominciò a definire le taglie a modo suo.
Poi arrivò il vanity sizing. I brand scoprirono che i clienti preferiscono comprare un numero più piccolo. Una taglia 44 degli anni ’70 corrisponde oggi più o meno a una 40. Il corpo non è cambiato, solo l’etichetta.
Le differenze regionali aggiungono un altro strato di confusione. I sistemi europeo, asiatico e americano usano misure di base diverse. Una 40 francese corrisponde più o meno a una 12 britannica, che corrisponde più o meno a una 8 americana. "Più o meno" sta facendo un lavoro enorme in questa frase.
25 miliardi di dollari buttati
Solo negli Stati Uniti, i resi legati alla taglia costano ai rivenditori circa 25 miliardi di dollari all’anno. La cifra comprende spedizione, gestione, riconfezionamento e quel 30% circa di capi resi che non vengono mai rivenduti a prezzo pieno. Per i brand che vendono esclusivamente online, il tasso di reso oscilla tra il 30 e il 40%, con la taglia come causa principale.
Ogni reso brucia soldi. Un articolo da 50 euro costa al rivenditore tra i 10 e i 15 euro di gestione del reso. Moltiplicato per milioni di ordini, il danno si mangia i margini.
Anche i clienti ci perdono. Ordinano due o tre taglie, tengono quella giusta, rispediscono il resto. È una perdita di tempo che spinge molti a tornare nel negozio fisico.
Soluzione 1: raccomandazione taglia con IA
La soluzione più efficace oggi è la raccomandazione taglia basata sull’intelligenza artificiale. Ecco come funziona nella pratica.
Il cliente inserisce dati di base: altezza, peso, età e preferenza di vestibilità (ampia, regolare o aderente). Il sistema incrocia queste informazioni con lo storico di acquisti e resi di migliaia di altri clienti con profili simili. Poi raccomanda una taglia specifica per quel prodotto specifico.
I risultati sono concreti. I brand che usano la raccomandazione taglia con IA registrano un calo del 50-60% nei resi legati alla taglia. Il sistema migliora nel tempo perché ogni acquisto e ogni reso aggiungono dati al modello.
Aziende come Fit Analytics (acquisita da Snap), True Fit e Sizely offrono già questa tecnologia come plug-in per piattaforme e-commerce. L’integrazione richiede generalmente dalle 2 alle 4 settimane.
Soluzione 2: prova virtuale
La prova virtuale permette al cliente di vedere come un capo apparirà sul proprio corpo. Partendo da una foto o da un avatar 3D basato sulle misure del cliente, la tecnologia sovrappone il capo e mostra come cade e veste.
Non sostituisce la raccomandazione taglia, la completa. L’IA dice "prendi la L" e la prova virtuale mostra come quella L appare concretamente sulla tua figura. Insieme coprono sia il lato razionale che quello visivo della decisione d’acquisto.
Soluzione 3: tabelle taglie con misure reali
Questa è sorprendentemente semplice, eppure la maggior parte dei brand continua a sbagliare. Una buona tabella taglie riporta le misure effettive del capo in centimetri: larghezza petto, lunghezza corpo, lunghezza manica, larghezza spalle. Non "veste le taglie 42-44," che non comunica nulla di utile.
Aggiungere un modello di riferimento ("Il modello è alto 175 cm e indossa la taglia M") aiuta a contestualizzare. Includere diagrammi con misure a piatto elimina qualsiasi ambiguità su dove esattamente viene presa la misura.
Cosa dovrebbero fare i brand adesso
Il problema delle taglie non si risolve da solo. Aspettare uno standard universale significa aspettare per sempre. Ecco un piano d’azione concreto.
Primo, aggiungere la raccomandazione taglia con IA nelle schede prodotto. Il ritorno sull’investimento è immediato e misurabile attraverso il calo dei resi. Secondo, pubblicare tabelle di misure dettagliate per ogni singolo prodotto, non una tabella generica per tutto il brand. Terzo, esplorare la prova virtuale per le categorie con alto tasso di reso come abiti e capispalla. Quarto, raccogliere feedback sulla vestibilità dopo la consegna e reinserirli nel motore di raccomandazione.
La tecnologia esiste già. I brand che la adottano per primi terranno più clienti, gestiranno meno resi e spenderanno meno in logistica inversa. Gli altri continueranno a pagare la tassa dei 25 miliardi.