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.

Сначала о хорошем.

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:

• Инновационная презентация продукта. Недавно писали об этом, если коротко — приветствуется любой нестандартный и креативный способ подачи товара. Улыбающиеся жизнерадостные модели вместо вощеных моделей-кукол — хорошая находка для магазина в среднем ценовом сегменте.
• Вращение товара на 360 градусов. Пользователя пытаются максимально приблизить к реалиями офлайн-точки: ботинок всегда хочется покрутить в руках.

• Эффект «лупы». Уже классический прием, однако не теряющий актуальности. Предъявляет требования к фотоконтенту — фотографии должны быть качественными, профессиональными и в высоком разрешении.
• Виртуальная примерочная. Явление существует как в виде меняющихся картинок поверх загруженной фотографии пользователя, так и в виде полноценного сервиса с привлечением веб-камеры. Пользователь может буквально «примерять» одежду на свою видео-проекцию (хотя существующие сервисы далеки от совершенства).

• Луки. Всегда хочется знать, как та или иная вещь будет смотреться в сочетании с другими. Кроме того, такой рекомендательный механизм помогает набить корзину пользователя другими товарами из лука. Работающий кросс-сейл в чистом виде.
• Видеолуки. Еще способ продемонстрировать, как одежда сидит на фигуре.

• Состав и способы ухода. Перед покупкой пользователь должен узнать об этом платье все: сколько в нем процентов натуральной шерсти, как его стирать и гладить. Добавление такой информации к товару повышает шансы на завершенную покупку.
• Таблица размеров. Эпопея с размерами — это больная мозоль fashion-ритейла, но об этом позже. Простая таблица соответствий размеров помогает пользователю принять правильное решение.
• Характеристики модели на фото. Это пальто хорошо сидит на девушке с сайта, вопросов нет. Укажите ее рост и размеры, дабы не вводить пользователей в заблуждение.
• Ориентация на миллениалов. Так называемое «поколение Y», родившееся в 80-х и 90-х имеет характерную черту: они технически подкованы и склонны долго не расставаться с детством. Эту черту можно смело эксплуатировать, тем более, что нынешние миллениалы уже давно стали платежеспособным сегментом.
• Расширение функций мобильных приложений. Удобная покупка из приложения — хороший бонус для бизнеса. Особенно учитывая предыдущий пункт.
• Использование BigData. Последние лет пять маркетологи настойчиво повторяют эту мантру, однако приносить реальные плоды бизнесу BigData начала относительно недавно. Анализ пользователей по сотням параметров, построение моделей, выводы на основе связей с другими пользователями — сложные математические формулы, которые в итоге дает вполне конкретный результат: магазин может рекомендовать пользователю именно то, что понравится ему. Быть этаким предсказателем с очень малой погрешностью.
• Персонализация контента. Подразумевает вывод уникального контента везде: в товарных рекомендациях, баннерной рекламе, рекомендуемых статьях, даже почтовых и SMS-рассылках. Так, согласно исследованию, около 59% пользователей заявляют, что на персонализированных сайтах проще найти нужное. А 56% чаще возвращаются на сайт, который предлагает персонализированные рекомендации.

• Сегментация контента по погоде. Уникальная особенность интернет-магазинов одежды и обуви. На улице дождливо и холодно уже неделю — невольно задумаешься о покупке шарфа или перчаток.
• Использование последних технологий. Хотя подобные внедрения часто напоминают смелые эксперименты, их факт нельзя отрицать. Технологии — этоiBeacon, Oculus Rift, носимые гаджеты, 3D-принтеры.

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

• Переход онлайн-магазинов в офлайн. Яркий пример — магазин косметики BirchBox. Это очень закономерный шаг, онлайн-бизнес старается следовать философии омниканальных продаж — когда пользователь получает возможность взаимодействовать с магазином удобным ему способом: через сайт, колл-центр, «физический» филиал и т.д., при этом информация синхронизируется и не теряется.

• Социальные сети как платформа продаж. Еще пять лет назад попытки продавать в социальных сетях особым успехом не отличались. Сегодня мы видим массу любопытных примеров: стоит вспомнить недавний кейс IKEA с ихкаталогом в Instagram. Для fashion-индустрии эта схема тоже выглядит вполне рабочей — тем более, развитию f-commerce, «социальной коммерции», потворствуют сами социальные сети: так Facebook внедрил кнопку «купить», а благодаря разработке Like2Buy Instagram перестал быть только платформой для продвижения брендов.

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.

• Проблема меняющихся трендов. Ваша рекомендательная система долго собирала информацию и выводила закономерности, и только она решила порекомендовать девушке вот этот клатч — как вдруг случилась очередная неделя высокой моды и такие клатчи оказались аутсайдерами из «старой коллекции». Грубый пример, но суть передает. Современная рекомендательная система должна уметь адаптироваться под динамично меняющиеся условия.

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?»

• Почти 100% смена ассортимента от сезона к сезону. Вряд ли какая-то другая отрасль может пожаловаться на полную смену товарных позиций и SKU в каталоге. Ну, разве что шинные магазины. Это снова создает определенные требования к механизму рекомендаций.
• Потребность в уникальном отраслевом алгоритме. Без него в рекомендациях мужчинам могут появиться дамские трусики, и абсолютно всем магазин может начать советовать одежду неподходящего размера. Во вкусе пользователей, но на три размера больше, например. Тут нужна тонкая настройка на определенные SKU — и звучит это проще, чем обстоит на деле.

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.

• Проблема холодного старта. Когда система получает нового пользователя, она не может эффективно рекомендовать товары. Аналогично с новыми товарами — когда по ним нет никакой статистики, их сложно рекомендовать. Эти моменты система должна уметь «обходить», например, рекомендуя новые товары в принудительном порядке, дабы измерить реакцию пользователей и накопить информацию к анализу.

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.

• Меняющиеся предпочтения. Cегодня я ищу кроссовки для тренировок, завтра зимние классические ботинки, потом туфли в подарок маме — в итоге система может иметь довольно спутанные представления о моих вкусах. Например, станет рекомендовать женские вещи, как в примере ранее. Лечится анализом социального графа, однако, не всегда на сайтах предусмотрена авторизация через соцсети.

Согласно статистике, 88% магазинов, использующих данные социального графа, признают повышение эффективности рекомендательных механизмов.

• Проблема непредсказуемости. Некоторые случаи пользовательского поведения вообще слабо поддаются анализу и построению каких-либо выводов на основе таких данных. Например, одному человеку может нравиться и Metallica, и фолковые The Dubliners — в этом случае рекомендательные алгоритмы музыкального сервиса, вероятно, будут анализировать контрастные предпочтения независимо друг от друга. Если уходить в терминологию, здесь будет работать коллаборативная фильтрация, а не схожесть характеристик. В случае с fashion-сегментом тоже возможны подобные случаи.
• Проблема с неподходящим размером. Эта проблема не касается персонализации, но очень существенно бьет по ритейлеру. Дело в том, что в магазинах с услугой примерки вещей пользователи часто заказывают несколько размеров сразу (чтобы потом вернуть те, что не подошли). Для магазина это колоссальные упущенные выгоды, так как товары отсутствуют на складе все время примерки. Плюс затраты на транспортировку. Проблему пытаются решитьс помощью означенных выше онлайн-примерочных или более простыми способами: отзывами и таблицами размеров.

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!

Рекомендуем почитать дополнительно:

• 4 эксперта о сфере e-Commerce в 2015 [англ.]
• Почему сфера Fashion Retail — это следующая «большая волна» для венчурного капитала? [англ.]
• Как Big Data меняет Fashion Retail [англ.]
• Анализ Big Data для Fashion Retail: тенденции-2015 [англ.]
• 6 онлайн-ритейлеров сферы fashion, использующих персонализацию [англ.]
• 7 ритейлеров, переопределяющих персонализацию [англ.]

Материал с любовью подготовила команда REES46.