Was ist Size Finder?

Die entscheidende Frage ist, ob Size Finder tatsächlich das Problem lösen kann und ob wir uns von diesen Online-Rückerstattungen aufgrund von Größen verabschieden können - das ist der Traum. Wir zerlegen hier eine Reihe verschiedener Arten von Size Finder-Technologien, so dass Sie sie als ein Spektrum von Komplexität betrachten können. Auf der einfacheren Seite haben wir digitale Versionen von Größentabellenvergleichen und auf der komplexesten Seite haben wir prädiktive KI mit adaptiven hybriden Systemen. 

Statische Größentabelle Vergleicher Digitale Versionen 

Statische Größentabellen sind digitale Vergleichsversionen der Größentabellen, die Sie in jedem Geschäft finden. Diese sind generisch, basierend auf dem, was die Marke für passend hält, haben aber keinen Bezug zum individuellen Produktstil. Für Einzelhändler ist es einfach, einige kostenlose Apps im Shopify App Store und anderen App Stores zu implementieren, aber diese sind nicht sehr personalisiert für die Marke, noch für den Käufer, und wir gehen noch nicht einmal auf weitere Variablen ein, die die Größe beeinflussen. Daher sind sie nicht sehr hilfreich und nicht bahnbrechend, es ist Stufe eins der Größenfinder-Technologien. 

Grundlegende statistische Werkzeuge

Betrachten Sie sie als Vorläufer der fortschrittlicheren Systeme. Diese Art von Tools im Shopify App Store kosten etwa 50 $ und weniger pro Monat, trotz verschiedener Preismodelle, die jeder hat. Diese Art von Size Finder Technologie berücksichtigt einige grundlegende Maße, obwohl sie nach Größe, Gewicht und einigen Körperformen fragen, fehlt ihr die Komplexität und die Vorhersagekraft der ausgefalleneren unter den fortschrittlicheren Systemen, die ausgefeiltere statistische Methoden verwenden oder maschinelles Lernen integrieren. Sie sind also nicht besonders klug, mit begrenzten Daten und keinerlei Verständnis für tatsächliche Produkte oder Körperformen. In einfacheren Begriffen ist es wie ein Taschenrechner. 

Marken zu Marken Vergleicher 

Es ist so, als würden Sie auf eine Größentabelle schauen und sagen, ich bin bei H&M eine Medium, also bin ich bei dieser Marke auch eine Medium. Es ist zauberhaft, oder? In vielen Fällen werden Sie feststellen, dass Ihre Eingabe identisch mit der Antwort ist, die Sie erhalten. Das ist nicht sehr ausgefeilt. Wie Sie wissen, kann jeder Stil und jede Größe völlig unterschied Hier um ein Beispiel zu sehen. Mit anderen Worten, diese Art von Größenfinder ist Müll rein, Müll raus. Einige von ihnen haben Elemente des maschinellen Lernens (die in Marketingmaterialien als KI bezeichnet werden), um die Lücke zwischen Müll rein und Müll raus zu überbrücken, aber es ist unmöglich, diese Lücke zu überbrücken, da jedes Produkt einzigartig ist, wie es passt, wie es sich dehnt, in welchem Stil es getragen werden sollte usw. Dann braucht dies Tausende, wenn nicht Millionen von Datenpunkten, bis es diese Daten sogar auf globaler Ebene sammelt, erreicht das Produkt das Ende seiner Saison, was bedeutet, dass diese Technologien niemals auf Passformebene lernen können und sie sind Lichtjahre davon entfernt, die Produktanpassung auf Produkt-ID-Ebene zu verstehen, und die Farbebenene ist noch weiter entfernt als Lichtjahre, und dann fügen Sie in den Mix von unterschiedlich großen Menschen, die groß und dünn sind, breite Hüften usw. ein. Sie können die Einschränkungen bereits deutlich sehen. Die Größen sind so inkonsistent über verschiedene Marken und sogar innerhalb der Marke, dass Markenvergleiche sehr eisig sind. Lesen Sie hier über die Größeninkonsistenz bei H&M. Hier. 

Statistische Abgleichwerkzeuge

Dies ist eine Steigerung des Komplexitätsgrades bei Size Finder-Technologien. Diese nutzen Daten von vielen Käufern, um Größenempfehlungen auf Kategorieebene zu machen, einige versuchen es auf Produkt-ID-Ebene, aber die Produkt-ID-Ebene ist für diese Technologie zu herausfordernd. Sie nehmen Tausende, Millionen von Käufern, verknüpfen Dinge wie Gewicht, Größe, einige Körperformeingaben, mit den Einkäufen und nehmen an, dass andere Käufer mit den identischen Eingaben möglicherweise in die gleiche Größe passen. Was nicht der Fall ist, zweitens benötigen diese Millionen von Datenpunkten und diese sind typischerweise für bekannte Marken und die gebräuchlichsten Größen wie S, M, L verfügbar. Alles darüber hinaus wird zu einer Herausforderung und ist mit Ungenauigkeiten gespickt. Diese Art von Size Finder-Technologie verbessert sich im Laufe der Zeit, da sie mehr Daten analysiert, aber wie bereits erwähnt, nimmt die Genauigkeit ab, wenn man über Personen hinausgeht, die in der Mitte des Größenspektrums liegen. Bei der Suche nach der Passform werden die Ergebnisse auf Produkt-ID-Ebene sehr ungenau, so dass es nicht notwendig ist, weiter über die Fähigkeiten auf der Farbebene einer solchen Technologie zu diskutieren. Diese behaupten oft, künstliche Intelligenz zu sein, hier beginnt die Grauzone über die Definition von "Was ist KI?".

Prädiktive KI mit hybriden Systemen

Wir sprechen über Systeme, die künstliche Intelligenz und maschinelles Lernen nutzen, um hochgradig personalisierte Größenempfehlungen zu erstellen. Die Systeme sammeln auch Informationen über Alter, Gewicht, Größe, Körperform, die in Körpermaße umgewandelt werden können. KI analysiert alle Informationen über die tatsächlichen Kunden, die bestimmte Online-Shops besuchen, frühere Käufe. Sie lernt rein von den tatsächlichen Kunden in diesem Geschäft, nicht von etwas, das in einem anderen Land in einem anderen Geschäft mit ähnlichen Produkten passiert ist. Mit anderen Worten, die Daten sind nicht durch eine Historie irgendwo anders getrübt. Sie lernt rein von den tatsächlichen Daten eines einzelnen Einzelhändlers und wenn ein Einzelhändler in mehreren Orten handelt, ist die Evolution spezifisch auf die gehandelten Waren des Ortes bezogen. All dies, zusammen mit markenspezifischen Größentabellen, und es verwendet wirklich komplexe Algorithmen, um jeden einzelnen SKU aus dem tatsächlichen Bestand des Einzelhändlers zu verstehen, wiederum nicht ähnliche Produkte. Da visuell das gleiche Produkt, das in verschiedenen Fabriken oder in einem anderen Jahr hergestellt wurde, unterschiedlich passen kann und die gleiche Person eine andere Größe benötigen würde. Technologie ist wie Ihr persönlicher Einkaufsassistent, der bewusst auf mehreren Ebenen lernt. Daten aus verschiedenen Quellen, visuelle Analyse, Kundenfeedback, Verkaufsdaten, Rückerstattungsdaten, frühere Einkäufe und mehr. Unterschiedliche Größen je nach Kategorie, Passform und sogar Produkt-ID, trotz allem, was auf der Vorderseite gleich aussieht, gibt es auf der Rückseite des Kunden komplexe neuronale Netzwerke und adaptive KI-Systeme, die den Prozess zur Bestimmung der richtigen Größe für den Käufer orchestrieren. Sie können sich dann vorstellen, welche Einblicke Sie mit den gesammelten Daten zur Optimierung des Geschäfts gewinnen können. Wissen Sie, wie viel Geld Sie auf dem Tisch liegen lassen? Sie entsperren nicht nur verpasste Verkaufschancen, sondern reduzieren auch die Betriebskosten durch weniger Rückerstattungen, was Ihr Geschäft rentabler macht. Aber diese Art von Tools hat ihren eigenen Preis. Dies ist nicht Ihr Shopify App Store, eine kopieren/einfügen App, die für jeden einzelnen Einzelhändler gleich ist. Diese Art von Größenfinder erfordert Präzision bei der Verbindung von Systemen und die kundenspezifische Integration wird für jeden einzelnen Kunden durchgeführt, um sich an deren Systeme und Datenquellen anzupassen.