Фэшн ритейл что это такое
Что такое фешн (fashion)? Мода, фешн-ритейл и фешн-макияж
Молодые люди часто интересуются, что такое fashion. Итак, фэшн – молодежное заимствование английского слова fashion. Слово переводится как «мода». В русском языке слово является частью составных фраз, обозначающих работу модельера, показ мод, создание стильных образов.
Особенности моды
В 21-ом веке требования в моде становятся особенными. Наработанные правила перестают действовать. Тренды постоянно меняются, поэтому важно быть готовым к быстрым изменениям, остро реагировать на новое.
Мода в 21-ом веке
Модная индустрия строится на модификациях, готовности пробовать себя в разных ролях и проявлять открытость к новому. Например, в женском гардеробе появляются мужские вещи, причем платья и юбки перестают быть популярными. Часто стильные образы предполагают выбор футболок, бомберов, свитшотов, брючных костюмов.
Фэшн-психология – наука 21-го века.
В действительности психология до сих пор не способна разгадывать личность по тому, в чем одет человек
Психология также не раскрывает секреты создания образов. Наука призвана изучать особенности восприятия одежды и ее понимания. Мода и стиль являются важной частью повседневной жизни, причем они вызывают социальные перемены, влияют на настроение в обществе, определяют возможности развития каждого человека.
Последние исследования доказывают: официальная элегантная одежда положительно влияет на абстрактное мышление, способствует улучшению финансового положения.
По этой причине те, кто хотят добиться успеха в определенной отрасли, должны тщательно продумывать образы и правильно выбирать вещи для гардероба.
Наука также подтверждает: бренды предлагают инклюзивные вещи, улучшая жизнь общества
Например, люди с ограниченными физическими возможностями часто выбирают спортивные вещи для удобства, но сталкиваются с отсутствием понимания из-за гардероба, физических особенностей. 21 век – время перемен, поэтому бренды должны предлагать стильную одежду для людей.
Также нужно знать, что «фэшн из май профэшн» значит безвкусие или смешной образ, непонятный стиль. Появление таких фраз подтверждает серьезное влияние моды на жизнь каждого человека.
Особенности развития фэшн-ритейла
Фэшн ритейл связан с эффективной продажей стильной современной одежды. Это помогает людям создавать стильные образы с учетом особенностей образа жизни, личных предпочтений. Продавец-стилист оказывает следующие услуги:
Продавец-стилист проявляет индивидуальный подход к каждому клиенту, учитывая основы создания стиля, визуальной коррекции фигуры, работы с цветом одежды.
Создание стиля
Особенности фэшн макияжа
Учитывая, что стиль fashion – это модный образ, представительницы прекрасного пола также заинтересованы в создании макияжа. Учитывают следующие отличия макияжа:
Каждая женщина должна «фешить», чтобы соответствовать стандартам красоты и реализовывать основные тренды моды или все-таки идти наперекор подобным нормам, проявляя индивидуальность. Женщины, как и мужчины, самостоятельно выбирают подходящий вариант.
Фешн макияж
Особенности фэшн фотографии
Фотография и мода тесно взаимосвязаны, на этом должна основываться любая съемка. В последние несколько лет фэшн съемка приобрела особенности, отличающие ее от других жанров фотоискусства:
Каждый фотограф по-своему работает с моделью, но он должен помнить значение фэшн, чтобы подчеркивать стильный образ, передавать характер и настроение, делать акцент на актуальных трендах выбранной эпохи.
Фешн фотография
В наши дни существуют беспроигрышные тренды в съемке, которые могут означать определенное настроение, передавать характер модели:
Зная, что в 21-ом веке фешен означает, можно продумать особенности создания стильного образа, подчеркивания внутреннего мира модели. С помощью моды и макияжа, фотоискусства часто удается акцентировать внимание на социальных проблемах в обществе, чтобы в дальнейшем с ними удавалось успешно бороться.
Fashion Retail сегодня: тенденции развития и нерешенные проблемы
Онлайн-магазины одежды и обуви — одно из самых развитых на сегодня направлений e-commerce. В США уступает только магазинам гаджетов.
Вдобавок это еще и одно из самых интересных направлений в плане его маркетингового продвижения. Тут работает принцип: чем эмоциональнее товар, тем изощреннее может быть коммуникация с потребителем. Поэтому модные онлайн-магазины то и дело вводят новшества, обрастают инновационными сервисами, экспериментируют с технологиями и персонализацией — лишь бы быть ближе к своему пользователю.
Специально для тех, кто связан с электронной коммерцией в сфере моды, мы подготовили исчерпывающий список последних веяний. А чтобы жизнь не казалась сахаром — список открытых вопросов и больных мест онлайн-ритейла в сегменте fashion.
Статья будет интересна вообще всем из сферы e-commerce, так как магазины одежды — трендсеттеры, вестники технического прогресса в электронной торговле. Жизнь заставляет их быть таковыми.
Актуальные тренды в сегменте fashion retail
Мы проанализировали десятки зарубежных изданий, пишущих об электронной коммерции и добавили собственный опыт (наша команда работает над инструментом персонализации REES46, сейчас как раз готовимся к интеграции с парой российских ecommerce-платформ в этом сегменте).
Вот что сейчас модно в интернет-магазинах одежды и обуви:
На скриншоте: виртуальная примерочная LookWish.
Например, Chico’s, магазин одежды для женщин за 30, установил в своих офлайн-точках интерактивные столы, которые позволяют посмотреть товары “не в наличии”. Также компания использует iBeacon-маячки, чтобы предупреждать пользователей специального приложения о близости магазина
С тенденциями понятно, однако у индустрии есть ряд вполне ощутимых проблем, которые по сей день не решены (или решены частично).
Проблемы e-commerce сайтов сегмента одежды и обуви
Большая часть проблем связана именно с персонализацией витрины и механизмами рекомендаций. Дело в том, что модный сегмент в принципе очень специфичен: рекомендовать телевизоры и рекомендовать босоножки — это вообще небо и земля. В первом случае выбор чисто рациональный: система анализирует, что пользователю интересны плазменные панели не менее такой-то диагонали и рекомендует аналоги. Во втором случае вся собранная аналитика может вдруг оказаться бесполезной — сейчас попытаемся раскрыть причины сложностей.
У рекомендательной системы есть два разных «уровня», на которых она должна работать: а) глобальные оценки, медленно меняющиеся особенности и предпочтения, интересные страницы, зависимость от user features (география, пол etc.) и т.д. и б) кратковременные тренды, hotness, быстрые изменения интереса во времени.
Сергей Николенко, основатель Surfingbird, игрок телеклуба “Что? Где? Когда?”
Очевидно, что рекомендовать одежду неподходящего размера бесполезно: это приведет к снижению эффективности рекомендательной системы и бизнеса в целом. Поэтому в сегменте онлайн-ритейла одежды работает особый отраслевой алгоритм. Он определяет пол и физиологические особенности покупателя и устраняет из рекомендаций товары, которые покупатель никогда не купит.
В магазине ShoeDazzle проблему решили довольно изящно: новым пользователям предлагается ответить на несколько вопросов с вариантами ответов. Полученные данные ложатся в основу первичных рекомендаций. В будущем рекомендательный алгоритм усложняется, исходя из поведения пользователя на сайте, его покупок и т.д.
Согласно статистике, 88% магазинов, использующих данные социального графа, признают повышение эффективности рекомендательных механизмов.
В заключение хотелось бы сказать, что персонализация — действительно мощный инструмент повышения продаж, а чем сложнее специфика бизнеса, тем интереснее находить под них программные решения.
Всех fashion-ритейлеров поздравляем с началом весеннего сезона. Продаж вам, и правильных рекомендаций вашим пользователям!
Пять главных трендов fashion-ритейла
Для fashion-ритейла 2020 год был сложным: многим пришлось молниеносно менять бизнес-процессы, пересматривать цифровые стратегии, искать новые каналы продаж. Поменялись ли клиентские ожидания и предпочтения за этот период? Вместе с генеральным директором бренда женской одежды EMKA Александром Арутюновым разбираем главные тренды на рынке fashion-ритейла, которые мы будем наблюдать в течение 2021 года.
Онлайн-заказы занимают лидирующую позицию
В 2020 году пандемия задала тренд на онлайн-шопинг. Согласно данным Яндекс.Маркета на декабрь прошлого года, каждый второй россиянин в возрасте от 16 до 55 лет делает покупки в интернете минимум два раза в год, 77 % российских пользователей онлайн-магазинов заказывают что-то минимум раз в месяц, а 23% обзаводятся новыми приобретениями минимум раз в неделю.
Данная тенденция задает стратегию развития компаний на рынке: 71% ритейлеров ожидают, что их онлайн-бизнес вырастет на 20% и более в 2021 году. В данных условиях бренды стремятся не только создавать удобные онлайн платформы для шопинга, но и приобретать конкурентные преимущества: создают прямые трансляции с демонстрацией товаров, развивают социальные сети.
Приветствуется нестандартный подход к презентации позиций
Сегодня рынок fashion-ритейла можно назвать достаточно емким: на нем присутствуют как «старички» отрасли, так и новые бренды, которые борются за внимание конечного потребителя.
Учет нового образа жизни
После снятия карантинных мер многие компании перешли на гибридную форму работы. В связи с этим возникает новый сегмент одежды на стыке домашней и офисной. Многие бренды уже отреагировали на данный тренд. Например, некоторые ювелирные компании начали делать украшения с огранкой, которая выигрышно смотрится в Zoom. Думаю, что эта тенденция останется с нами надолго. В связи с этим дизайнерам потребуется разрабатывать коллекции, которые будут не только визуально привлекательными и уместными для деловых встреч, но и максимально комфортными.
Сегодня покупатели не хотят тратить много времени на поиск одежды. Намного легче найти свой бренд и обновлять определенные позиции в гардеробе по мере необходимости. В связи с этим разрабатываются многоуровневые системы лояльности и совершенствуются алгоритмы персонализации на основе истории покупок, физических параметров, финансовых возможностей. Вскоре алгоритмы персонализации будут помогать покупателям в создании полноценных образов под конкретную задачу. Например, подобрать базовый деловой гардероб для женщины, исходя из ее параметров и фотографии в полный рост.
Если всего пару лет назад экологичные лозунги компаний можно было назвать не более, чем PR-ходом, то сегодня это оказывается осознанным решением в борьбе за покупателя. Во всем мире 25% коллекций остаются непроданными.
По данным исследования GreenMatch, 72% покупателей в возрасте 15-20 лет сознательно выбирают экобренды и готовы переплачивать за органически произведенные товары. Кроме того, они выражают негативное отношение к брендам, производство которых не соответствует понятию «экологичный».
Сегодня для покупателей как никогда важна возможность сдавать на переработку ненужную одежду. Это отличный шанс получить скидку и приобрести что-то новое у бренда с замкнутым циклом продукции, а для бренда- добиться лояльности, изменив свое ДНК и охватить новую аудиторию.
Однако экологичная мода подразумевает не только использование органических материалов и переработку, но и так называемую «slow fashion» («медленную моду»). Для покупателя становится важнее купить одну хорошую вещь на несколько сезонов, чем покупать много некачественных позиций на несколько выходов.
Поженить искусство и математику в модной рознице
Есть ли место для data science в стратегии развития фэшн-ритейлера? Изучаем опыт масштабирования с помощью углубленной аналитики.
Считается, что модный бизнес — это скорее искусство, чем математика. Дизайн — процесс творческий, и многие решения в модной отрасли принимаются интуитивно или с оглядкой на постулаты, которые складывались десятилетиями. Часто такой подход выходит за стены дизайн-лабораторий и распространяется на коммерческие процессы. Среди них — открытие магазинов.
Для определенной категории модных брендов, например, лучшей практикой «по умолчанию» может считаться наличие трех больших магазинов в мегаполисах и одного маленького в городах с населением до ста тысяч. Впрочем, в отличие от создания нового принта или джинсов с идеальной посадкой, процессы, связанные с развитием торговой сети, хорошо оцифровываются. И аналитический подход к ним может существенно улучшить результат.
Как фэшн-игроку спланировать масштабирование? Где и сколько открыть магазинов? Какими они должны быть? В сегодняшней статье мы рассмотрим эти вопросы через призму углубленной аналитики.
В самых разных сегментах розничного бизнеса, будь то продукты, электроника или одежда, остаются актуальными классические коммерческие рычаги: ассортимент, промо и ценообразование. Инструменты data science применимы ко всем трем (как углубленная аналитика работает в промо и ценообразовании, мы уже рассказывали на примере продуктового ритейла). Но в каждой отрасли есть своя специфика. Для моды характерны такие особенности.
1. Ассортимент: топ-селлеры не появляются напрямую из истории продаж. Одни и те же SKU не продаются годами. Нельзя проверить, какая футболка продавалась лучше два последних года, и завезти такую же. Меняются тренды и коллекции, товары живут несколько месяцев. Как они продаются, становится понятно лишь в процессе.
2. Промо: стратегия Hi-Low сменяется на жизненный цикл товара. Если в продуктовом ритейле товары попадают в промо периодически и на время, после чего возвращаются к регулярной цене, то в модной рознице распродажи устроены иначе. Одежда и обувь начинают свою жизнь на полках магазинов по полной цене, и скидки растут по мере устаревания коллекции. Кроме коммерческих целей такой цикл преследует и цели управления запасами.
3. Ценообразование: сравнивать цены с конкурентами становится сложнее. В то время как в продуктовой рознице 30–50% товаров сравнимы с конкурентами напрямую, в сегменте одежды «товары-аналоги» есть далеко не для всех позиций. Да и часто ли можно встретить одинаковые цены на белые футболки у разных фэшн-игроков? Задачи сегментации товаров и кластеризации магазинов остаются актуальными и здесь, но на передний план выходят вопросы CVP (Customer Value Proposition), политики распродаж и общего ценового восприятия.
Что касается задач модной розницы за пределами традиционной коммерческой триады, развитие сети магазинов представляется одной из самых интересных. Здесь она заметно богаче и сложнее, чем во многих других сегментах.
Еще десять лет назад собиралось куда меньше данных, чем сегодня. А компьютерные мощности, которые позволяют обрабатывать гигабайты информации за считанные секунды, были менее доступны. И если торговая сеть планировала экспансию, сопутствующая аналитика, как правило, базировалась на демографических выкладках, простой логике и эвристических предпосылках.
Если город богатый и в нем много жителей — значит, магазинов должно быть много. Если город бедный и людей мало — магазинов тоже нужно мало. В среднем такой подход действительно неплохо отражает реальность. И пока алгоритмы машинного обучения в основном жили на страницах научных журналов, подобный упрощенный анализ использовался повсеместно.
Но за последние несколько лет инструменты работы с большими массивами данных стали доступными для самого разного бизнеса. И вопрос «А можно ли делать это эффективнее?» не обошел стороной задачи развития торговых сетей.
Показатели магазина — выручка и маржинальность — плохо объясняются одним лишь размером города и доходами его жителей. С точки зрения выручки такое предсказание в среднем бывает ошибочным на 40–60%. А прогноз прибыли может расходиться с реальностью и на 100–150%.
Например, два магазина в Москве могут отличаться по продажам в 2–2,5 раза. Тем временем магазин в небольшом городе может опережать по объему прибыли оба московских. Подобные парадоксы нельзя объяснить только демографией — они уходят в плоскость других факторов. Например, таких.
Важно влияние площади и формата магазина. Открыв в одном и том же городе три маленьких или три больших магазина, мы ожидаемо получим разные результаты. Связь между размером торговой точки и выручкой очевидна, но еще есть не столь очевидное влияние площади магазина на маржинальность и каннибализацию продаж других точек, что не менее важно. Большие магазины гораздо сильнее каннибализируют продажи друг друга, чем маленькие.
Кроме того на заработок магазинов влияют не всегда очевидные «точечные» факторы. Например, такие.
Учет десятков дополнительных факторов дает анализу совершенно иную глубину.
«Когда бизнесу необходимо решить, где и сколько магазинов открыть, на практике различают два подхода.
Первый обычно используют при экспансии, если цель — значимо увеличить продажи. Расширяясь, мы оперируем большими масштабами — целыми городами или зонами внутри них, — не погружаясь до уровня конкретного дома или перекрестка; на этом уровне выбор диктуют доступные для аренды площади.
Второй подход актуален при оптимизации. Например, если у банка в городе уже есть несколько десятков или сотен отделений и можно сократить их число, не ухудшив при этом покрытие клиентской базы. Или когда можно увеличить клиентопоток за счет тактической релокации точек продаж между улицами или районами города. В этом случае моделирование происходит как раз на уровне каждого строения, с учетом доступных для аренды помещений, а стратегии уделяется меньшее внимание.
Второму подходу посвящено достаточно много статей и обзоров, мы подробно остановимся на первом. Он наиболее интересен с точки зрения переплетения бизнеса, искусства и математики».
Чего бизнес стремится достичь через масштабирование или оптимизацию сети? Любой проект начинается с определения цели. Плюс подхода на базе углубленной аналитики состоит в том, что смена бизнес-цели легко решается через адаптацию целевой функции модели.
Если в фокусе рост, а в качестве KPI выбрали приоритизацию выручки или доли рынка, ожидаемым результатом будет наибольшее число новых открытий магазинов и максимально большие площади. При этом такая стратегия неминуемо приведет к снижению маржинальности и продуктивности сети.
Обратная ситуация — фокус на продуктивность или доходность. Эта цель предполагает существенно меньше открытий (а, возможно, и закрытие некоторых точек) и преобладание небольших и более эффективных форматов магазинов.
Выбор цели радикально влияет на ожидаемый результат, поэтому важно определиться с ней до старта моделирования и расчетов. Это позволит избежать лишних итераций и неудовлетворительных бизнес-результатов.
Задачи масштабирования позволяют пройти через все три ключевых класса углубленной аналитики: дескриптивную, предиктивную и прескриптивную.
Первый шаг — дескриптивный анализ, который объясняет разницу в показателях уже существующих магазинов через их характеристики. Это дает возможность выявить, какие факторы влияют на результирующие показатели магазина и как именно.
Второй шаг лежит в предиктивной сфере. Здесь необходимо научиться предсказывать выручку для еще не существующих магазинов. В том числе определять, на какие из факторов можно повлиять, а какие задаются внешней средой или случайным образом. К примеру, мы точно не влияем на количество людей в городе, но сами выбираем, где открываться, сколько будет магазинов и какой площади.
Третий шаг носит прескриптивный характер. Математическая модель должна предлагать оптимальное решение: где, сколько и каких магазинов следует открыть, чтобы достичь заданной цели.
Для каждой потенциальной локации (например, города или области) моделируются матрицы размеров и количества магазинов с учетом прогноза по выручке и уровня маржинальности. И рекомендации, какие комбинации будут оптимальными.
На проекте по развитию сети крупного фэшн-игрока из Восточной Европы, в котором участвовала команда McKinsey, некоторые магазины выбивались из предсказания по выручке. Имеющаяся в распоряжении сети математическая модель не объясняла, почему так происходит, и это снижало доверие к ней. Задавшись целью повысить предиктивную силу модели, команда внимательно рассмотрела каждый шаг на пути к финальному предсказанию.
Путь этот проходит через своеобразную воронку. Если это торговый центр — сколько людей пришло в сам ТЦ; сколько из них зашло в магазин; какая доля совершила покупку; какие купили товары и на какую сумму. В магазинах уличного формата — все то же за исключением входящего трафика торгового центра.
«При работе с ограниченным объемом данных (например, в случае розничной сети небольшого масштаба) end-to-end подход к построению моделей не всегда показывает себя эффективно. Попытки выявить комплексную функциональную зависимость между десятками переменных и итоговой операционной прибылью магазина нередко приводят к переобучению, а применение более простых моделей не позволяет достичь приемлемого качества даже на обучающей выборке.
В таких ситуациях часто помогает изолировать компоненты в воронке друг от друга: построить отдельные модели для предсказания трафика торгового центра (если он не известен), доли трафика магазина от всего трафика ТЦ, конверсии гостей магазина в покупку и так далее. Каждая из таких моделей заметно проще с функциональной точки зрения, опирается на меньшее число переменных, а размер выборки для них остается тем же.
Этот технический момент позволил существенно улучшить результат и снизить среднюю абсолютную ошибку прогноза (MAPE) изначальной модели на 12 процентных пунктов».
Действительно ли углубленная аналитика принесет желаемые улучшения? Это вопрос, который задает себе любой бизнес. Ответ часто ищут с помощью пилота — но не на проектах по развитию сети. Можно провести пилотную волну открытий магазинов, однако с учетом временных затрат на подготовку, это удлиняет упражнение в разы. Да и сколько нужно открыть магазинов, чтобы вывод такого пилота был статистически валиден?
В таких ситуациях эффективен ретроспективный метод. На одном из проектов по масштабированию мы применили прогнозные модели к магазинам сети, которые были открыты ранее и закрыты из-за неудовлетворительных финансовых результатов. А также к магазинам, открытие которых было запланировано как раз на даты проекта.
В итоге оказалось, что если бы ритейлер уже работал с инструментами углубленной аналитики, 85% закрывшихся магазинов математические алгоритмы советовали бы не открывать вовсе. А предсказание выручки по новым открытиям попало в цель с точностью выше 90%.
Увлеченные датасаентисты всегда стремятся создать элегантное и стройное решение, но в бизнесе математические модели в отрыве от реальных процессов бесполезны. Поэтому сверка со стратегическими приоритетами и операционными ограничениями — этап, который нельзя опустить. И некоторые ограничения универсальны для всей модной розницы.
1. Доля онлайн-продаж продолжит расти. Как статистический прогноз, так и экспертное мнение сходятся на том, что рынок онлайн-торговли продолжит расти темпами, опережающими рост рынка в целом. Учитывать эту динамику при оценке прибыльности потенциального магазина необходимо. Сегодня магазин прибыльный, но если 7–10% покупателей из него перетечет в онлайн, он может перестать таким быть.
2. Конкуренты тоже будут открывать магазины. Странно предполагать, что расширяться будет только одна сеть, поэтому потенциальные действия конкурентов в городах следует использовать как один из объясняющих факторов при моделировании и изменять его в прогнозах соответствующим образом.
3. Сложности с арендой могут препятствовать открытию. Есть ли в городах, где мы хотим открыться, нужный объем площади? Это принципиальный вопрос, который важно учесть при постановке целей. Ответить на него можно, проанализировав общедоступную информацию и арендные предложения в потенциальных локациях. Часто по результатам такого анализа 10–15% запланированных к открытию магазинов отпадает.
4. Темпы масштабирования не должны противоречить «пропускной способности» бизнеса. Открытие магазинов — это наем людей, проведение тендеров, осмотр торговых площадей, заключение договоров аренды, поиск и контроль подрядчиков по ремонту. Одним словом, целый поток разноплановых задач, который нельзя обработать быстрее, чем позволяют мощности конкретной организации.
5. Важно помнить о комплексном восприятии бренда. Стратегические соображенияо том, что важно для гостей сети, — неотъемлемая часть плана роста. Модель может подсказывать, что маленькие магазины более прибыльны, но исследование клиентов тем временем будет говорить, что они разрушают идентичность бренда, потому что выглядят как склад, некрасиво. Это не скажется на прибыльности сегодня, но отразится на ней в перспективе. А этого модели не учитывают.
Модная индустрия постепенно осваивает новые технологии и математические инструменты, но внедрить их бывает сложнее, чем в организациях, где традиционно больше доверяют данным и меньше — интуиции. И хотя многие процессы в мире моды действительно не поддаются точным расчетам, это настолько же бизнес, насколько и искусство.
Как показывает опыт, план развития модной сети, который подкреплен углубленной аналитикой, может превосходить экспертный план экспансии по ожидаемому эффекту в разрезе выручки и прибыли в 2–3 раза. Это достигается за счет точного прогнозирования и предотвращения каннибализации, а также выявления новых ниш, которые не обнаруживаются при базовом экспертном подходе.
Предиктивные и прескриптивные модели строят прогнозы и рекомендации на истории, а дизайнеры ловят дух времени и формируют тренды, вдохновляясь работами предшественников. Будущее никогда не повторяет прошлое в точности, но обращаясь к нему, можно найти как источник творческих идей, так и верные бизнес-решения. Главное — поймать баланс между бизнесом, искусством и математикой.