時裝企業的未來預測：AI主導的庫存方案會取代傳統買手嗎？

Cathaleen Chen

時裝品牌Lafayette 148明白，最近推的那條帶有白色幾何線條的黑色連衣裙會很受歡迎，因為之前類似的款式都賣得很好。但它沒料到的是，在發送了一封包含這條裙子的推薦郵件后，新增訂單會漲得這么迅猛。

該品牌倉庫里的幾百件庫存，是準備提供給波道夫·古德曼（Bergdorf Goodman）、諾斯通（Nordstrom）這樣的百貨零售商的，根本滿足不了意料之外的訂單。“這條裙子我們做的數量夠嗎？不足的話，我們還能做什么？我們還能拿別的布料做那條裙子嗎？”Lafayette 148聯合創始人兼首席執行官Deirdre Quinn說道。該公司目前正在加單制造50條連衣裙，還推出了類似原先款式的白色版本。那條黑色連衣裙的5個尺碼，目前已經全部賣光。

時尚品牌的生死，取決于它們平衡供需的能力。生產得太少，意味著銷售額會下降，客戶會感到失望；生產太多則會浪費預算，季末促銷也會減少利潤。這件事本來就很難遵循所謂的完美法則，而隨著電商業務的崛起，庫存管理就更困難了，因為新的需求隨時隨地都有可能出現。這種供需不平衡影響的是整個時尚行業。Capri Holdings本月早些時候表示，未能預料到市場對Jimmy Choo新款運動鞋的需求，而H&M卻在為沒來得及出售的40億美元庫存發愁。

匯豐銀行（HSBC）企業銀行部全國零售和服裝業務主管Eric Fisch表示：“服裝庫存不像精品葡萄酒，放得越久越好，而是更像鮮魚，庫存時間越短越好。”他有不少服裝企業客戶經常陷入這樣的境地，到了要生產下一季產品的時候，要向銀行貸款，因為上一季的庫存賣不出去。“說到底，庫存會影響一家公司的盈利能力和現金流。”

時尚行業有很多方法來管理庫存，比如加快生產周期，以便更好的應對需求的變化。但很多公司不再只是簡單地根據消費者行為的變化作出反應—它們想要預測未來。品牌越來越善于利用從消費者身上收集到的大量數據，預測他們下一步要買什么。不少初創公司表示可以提前準確預測消費者未來喜歡什么樣的款式，并就每件衣服的生產數量、每家門店或倉庫的庫存向各大品牌提供建議。

利用人工智能的預測技術識別看似無關的變量之間的相關性，有時也被稱為機器學習或深度學習（deep learning）。劍橋大學機器學習系研究員、數據科學咨詢公司Catalyst AI創始人Ahmed Zaidi說：“比如，某些人群所在的特定地點發生的天氣狀況，可能會導致銷量的激增，因為服裝顏色、尺碼大小、天氣和地理位置之間可能存在隱藏的相關性。”Catalyst AI的客戶包括Calvin Klein母公司PVH集團和Superdry。

在類似Crunchbase這樣的網站上，你不難發現有成千上萬初創企業在做這種預測分析，其中有些已斬獲數十億美元投資。根據國際知名數據公司IDC的預測，2019年全球人工智能產品的支出將達到360億美元，比去年增長44%。本月早些時候，耐克收購了總部位于波士頓的需求預測和庫存優化公司Celect。初創公司Evo的創始人Fabrizio Fantini說：“機器學習能高速追蹤和展現這種相關性，展示投入和產出的不斷演變。”該公司利用歷史銷售數據、全球天氣趨勢等各種數據，預測不同款式在不同市場，甚至不同獨立門店的表現，“相當于一個傳統Excel表手動錄入的‘即插即用版。”

但預測需求可能會變得更困難，因為復雜的數據集或將導致人工智能產生偏差。比如微軟在2016年的人工智能聊天機器人試驗就失敗了，這個機器人本該模仿青少年說話的方式，但最終學到的還有種族歧視、性別歧視和侮辱性語言。Stitch Fix則聘請了一支由100多名數據科學家組成的團隊，幫助買手和造型師理解從與消費者的每個接觸點收集到的數據，包括每個購物者最初填寫的風格檔案、購買后的評論等。“比如我們會給顧客寄一件襯衫，她反映說太小，這就能說明她的尺寸偏好。”Stitch Fix首席算法官Brad Klingenberg說。“如果同一件襯衫有100個人都說太小，這就是（收集到的）有關產品的信息了。”

許多零售企業的最終目標是，開發出超越人類買手與供應鏈管理者的AI。商家現在做的就是根據歷史銷售數據、店鋪業績等其他數據點指導下一步采購決策。“沒有誰能知道未來的流行趨勢，”Lafayette 148總裁Liz Fraser說，“某件衣服去年賣得好，不代表今年也會賣得好。”

但即使是最精密復雜的機器學習技術可能也難以破解時裝風格的密碼，時尚行業仍處于集成人工智能解決方案的早期階段。預測會受到千千萬萬個變量的影響。預測大衣外套在天冷的時候比平時賣得好很容易，但要預測去年流行的走秀款胸針能否在紐約以外的市場獲得成功，就比較困難了。畢竟就連AI也預見不到，梅根王妃（Meghan Markle）穿了那雙Rothy平底鞋去澳大利亞海灘之后，這款鞋的銷量會翻上兩番。

品牌技術公司給出的答案是：收集更多的數據。Stitch Fix鼓勵顧客使用它推出Style Shuffle在線工具，只要在網站或是App里對商品表示“喜歡”還是“不喜歡”就好。Stitch Fix可以通過700個打分確定，顧客可能更喜歡一件印有咖啡圖案而不是骷髏圖案的T恤。即使是那些沒有使用人工智能的品牌也會發現，新增的這些數據點會很有用。Lafayette 148使用了一個名為Skypad的在線應用程序，可以實時跟蹤每家商店或全渠道所有商品的銷售業績，Quinn和團隊可以據此重新分配庫存和補充產品。Tamara Mellon使用的是MakerSights，這個平臺可以調查客戶對潛在新品的看法，讓公司能夠根據受歡迎程度的跡象來計劃訂單規模。根據采購總監Vanessa Lugo的說法，生產靈活化之后，品牌能在30天內賣出至少50%的產品組合。Zaidi則表示，關于AI是否能超越人類買手直覺這個問題，還存在著很多爭論。如果有企業打算嘗試AI預測分析，他建議先做這樣一個簡單測試：讓一支銷售團隊使用AI主導的解決方案對產品季節性降價，另一個團隊不使用AI。但Fantini也說，使用AI并不意味著傳統買手會被取而代之。“工作可能會改變，但我遇到更多的情況是，買手還是手握總攬全局和控制庫存的能力，”他說，“對我的客戶來說，實際上有更多人在幫他們工作。”

版權聲明

本文內容由BoF時裝商業評論提供版權