Utilizar datos para comprender (y predecir) las tendencias de moda
En la exigente industria de la moda, la clave para situarse por delante de la competencia es ser capaz de comprender las necesidades del cliente y predecir las futuras tendencias. Ahora, gracias a los datos masivos, los minoristas de la moda pueden hacerlo mejor que nunca. Según comenta Alessandro Checco, investigador de la Universidad de Sheffield: «Incluso tener un registro completo de las compras anteriores resulta insuficiente para comprender por completo cómo los artículos de un catálogo de productos coinciden con los gustos generales de un cliente. Desde una perspectiva empresarial, cualquier aumento de eficiencia en la gestión de los proveedores y el envío y la manipulación es menor en comparación con las ganancias que uno podría obtener si comprendiera mejor las personalidades y costumbres de los clientes». Para ayudar a los minoristas a meterse en las cabezas de sus clientes, el proyecto financiado con fondos europeos FashionBrain se centra en la tecnología y los datos masivos.
Los datos y el aprendizaje automático
El proyecto se puso en marcha para mejorar la cadena de valor de la industria de la moda desarrollando experiencias de usuario nuevas e innovadoras, ayudando a los minoristas a identificar y seguir influidores, y prediciendo las próximas tendencias de moda. Para ello, los investigadores consolidaron y ampliaron tecnologías ya existentes en las áreas de: la gestión de bases de datos, la extracción de datos, el aprendizaje automático, el procesamiento de imágenes, la recuperación de información y la colaboración masiva. Checco explica: «Para comenzar, recopilamos y combinamos la gran cantidad de datos generados por distintos agentes de la industria de la moda. Implicamos a fabricantes y redes de distribución, tiendas en línea, grandes minoristas, plataformas de medios sociales, centralitas de llamadas y medios de comunicación sobre moda. Después, estos datos fueron seleccionados, analizados y utilizados como información para nuestros algoritmos de aprendizaje automático». De este trabajo surgieron varias herramientas y soluciones importantes. Tomemos por ejemplo FaBIAM, una infraestructura integrada para almacenar, gestionar y procesar datos heterogéneos sobre moda. El proyecto también desarrolló una biblioteca innovadora para el procesamiento del lenguaje natural (PLN), llamada Flair. El PLN es un campo que se centra en la programación de ordenadores para procesar y analizar grandes cantidades de datos de lenguaje natural. Checco afirma: «Flair representa un nuevo método para abordar tareas de PLN tan importantes como el análisis sintáctico o el semántico. Durante el proyecto, demostramos que este método supera a todos los existentes por un margen significativo y está disponible como herramienta de código libre». Otros resultados importantes incluyen una función de búsqueda de texto a imagen de extremo a extremo, una herramienta de descubrimiento de influidores de la moda y un método para predecir tendencias de moda (PredTS).
Ya beneficia a las empresas
Según Checco, estas herramientas benefician a los minoristas al permitir servicios nuevos que mejoran la experiencia de compra del cliente y fortalecen la fidelidad a la marca. «Por ejemplo, el cliente podrá recibir recomendaciones personalizadas y realizar búsquedas avanzadas de artículos de moda por imagen, descripción textual compleja, etc. Al mismo tiempo, el minorista podrá crear una historia de mercadotecnia sobre un producto que se ajuste al gusto del cliente en lugar de solo mostrarle el artículo y su precio», explica. Pero esto no son solo teorías, ya que las herramientas de FashionBrain ya benefician a las empresas. Por ejemplo, Zalando ha registrado un aumento considerable de su facturación por cliente gracias al uso de Flair. El proveedor de análisis MonetDB Solutions no solo duplicó su tamaño, sino que además recibió nuevas inversiones y consiguió varios clientes nuevos, entre ellos multinacionales con acciones en bolsa.
Palabras clave
FashionBrain, datos, moda, tendencias de moda, tecnología, datos masivos, minoristas de la moda, industria de la moda, extracción de datos, aprendizaje automático, procesamiento del lenguaje natural, Zalando
