Sen M Bedensin. Ama Bazen de L.
Basit bir deney yap. Zara’dan M beden bir tişört al, sonra H&M’den bir M, sonra Nike’tan bir M daha. Üç marka, üç tamamen farklı kalıp, etiketlerde aynı harf. Bu önemsiz bir ayrıntı değil. Moda sektörünün herkese pahalıya patlayan yapısal bir sorunu.
Bu Noktaya Nasıl Geldik
Standart kıyafet bedenleri ilk kez 1940’larda ABD’de, yaklaşık 15.000 kadın üzerinde yapılan bir araştırmaya dayanılarak oluşturuldu. Örneklem temsili değildi ve veriler başından beri hatalıydı. 1980’lerde ABD hükümeti gönüllü beden standardını tamamen kaldırdı. Markalar bedenleri istedikleri gibi tanımlamaya başladı.
Sonra vanity sizing ortaya çıktı. Markalar, müşterilerin daha küçük bir numara satın almaktan hoşlandığını fark etti. 1970’lerin 42 bedeni bugün kabaca 38’e karşılık geliyor. Vücut değişmedi, sadece etiket değişti.
Bölgesel farklar işleri daha da karmaşık hale getiriyor. Avrupa, Asya ve Amerika beden sistemleri farklı temel ölçüler kullanıyor. Fransız 40 bedeni kabaca İngiliz 12’ye, o da kabaca Amerikan 8’e denk geliyor. "Kabaca" kelimesi burada çok fazla iş yapıyor.
25 Milyar Dolar Çöpe Gidiyor
Yalnızca ABD’de beden kaynaklı iadeler perakendecilere yılda yaklaşık 25 milyar dolara mal oluyor. Bu rakam kargo, işleme, yeniden paketleme ve tam fiyatla bir daha satılamayan yaklaşık %30’luk iade payını kapsıyor. Yalnızca online satış yapan markalarda iade oranı %30-40 arasında seyrediyor ve beden en önemli neden.
Her iade para yakıyor. 50 euroluk bir ürünün iade işleme maliyeti 10-15 euro. Bunu milyonlarca siparişle çarpınca, doğrudan kar marjını yiyen bir sorunla karşılaşıyorsun.
Müşteriler de kaybediyor. İki ya da üç beden sipariş edip birini alıkoyuyor, gerisini iade ediyor. Bu zaman kaybı birçok kişiyi fiziksel mağazalara geri itiyor.
Çözüm 1: Yapay Zeka Destekli Beden Önerisi
Şu anda en etkili çözüm yapay zeka destekli beden önerisi. Pratikte şöyle çalışıyor.
Müşteri temel bilgilerini giriyor: boy, kilo, yaş ve kalıp tercihi (bol, normal veya dar). Sistem bu bilgileri, benzer profildeki binlerce müşterinin satın alma ve iade geçmişiyle karşılaştırıyor. Sonra o ürün için belirli bir beden öneriyor.
Sonuçlar kayda değer. Yapay zeka beden önerisi kullanan markalar, beden kaynaklı iadelerde %50-60 düşüş bildiriyor. Her satın alma ve her iade modele veri eklediği için sistem zamanla daha doğru hale geliyor.
Fit Analytics (Snap tarafından satın alındı), True Fit ve Sizely gibi şirketler bu teknolojiyi e-ticaret platformları için hazır eklenti olarak sunuyor. Entegrasyon genellikle 2-4 hafta sürüyor.
Çözüm 2: Sanal Deneme
Sanal deneme, müşteriye bir kıyafetin vücudunda nasıl görüneceğini gösteriyor. Bir fotoğraf veya müşterinin ölçülerine dayanan bir 3D avatar kullanarak teknolojiyi kıyafetin üzerine bindiriyor ve nasıl durduğunu gösteriyor.
Bu, beden önerisinin yerini almaz, onu tamamlar. Yapay zeka "L beden al" diyor, sanal deneme ise o L bedenin senin vücudunda nasıl göründüğünü gösteriyor. İkisi birlikte satın alma kararının hem mantıksal hem görsel tarafını kapsıyor.
Çözüm 3: Gerçek Ölçülü Beden Tabloları
Bu şaşırtıcı derecede basit, ama çoğu marka hala yanlış yapıyor. İyi bir beden tablosu, kıyafetin gerçek ölçülerini santimetre olarak listeler: göğüs genişliği, gövde uzunluğu, kol uzunluğu, omuz genişliği. "38-40 bedene uyar" gibi ifadeler müşteriye hiçbir şey söylemez.
Referans model eklemek ("Model 175 cm boyunda ve M beden giyiyor") bilgiyi somutlaştırır. Düz seriş ölçü diyagramları eklemek, ölçünün tam olarak nereden alındığına dair her türlü belirsizliği ortadan kaldırır.
Markaların Şimdi Yapması Gerekenler
Beden sorunu kendiliğinden çözülmeyecek. Evrensel bir standart beklemek sonsuza kadar beklemek demek. İşte somut bir başlangıç planı.
Birincisi, ürün sayfalarına yapay zeka beden önerisi ekleyin. Yatırım getirisi, azalan iadeler üzerinden hemen ölçülebilir. İkincisi, her ürün için ayrıntılı ölçü tabloları yayınlayın, tüm marka için geçerli genel bir tablo değil. Üçüncüsü, elbise ve dış giyim gibi yüksek iade oranına sahip kategoriler için sanal denemeyi test edin. Dördüncüsü, teslimat sonrası kalıp geri bildirimi toplayın ve bunu öneri motoruna besleyin.
Teknoloji hazır. Bunu ilk benimseyen markalar daha fazla müşteri tutacak, daha az iade işleyecek ve tersine lojistiğe daha az harcayacak. Diğerleri 25 milyar dolarlık vergiyi ödemeye devam edecek.