Améliorer la durabilité dans l'industrie de la mode grâce à l'IA
Grâce à la commodité des achats en ligne, de plus en plus de personnes choisissent de faire leurs achats depuis leur domicile. Toutefois, lorsqu'ils achètent des vêtements, les clients sont confrontés à un problème de taille : ils ne peuvent pas les essayer. C'est pourquoi de nombreux clients commandent plusieurs tailles, puis renvoient celles qui ne leur conviennent pas. La disparité des caractéristiques d'essayage de chaque détaillant, la complexité et parfois l'inexactitude des anciens tableaux de tailles sont les principaux responsables de ce mauvais comportement à l'ère numérique !
Étant donné qu'une partie des stocks circule dans les réseaux logistiques pour que les clients puissent les essayer, les détaillants sont obligés de fabriquer plus de marchandises que la demande "réelle" du marché. À la fin de chaque saison, la production excédentaire devra faire l'objet de rabais agressifs afin de trouver un débouché. Comme vous pouvez l'imaginer, les exigences supplémentaires en matière d'emballage et de transport pour acheminer convenablement la marchandise supplémentaire n'aident pas notre petite planète en alimentant les émissions de gaz à effet de serre. Heureusement, l'intelligence artificielle et l'apprentissage automatique moderne peuvent contribuer à atténuer considérablement ces effets négatifs.
Sacs en plastique
Transport
Si l'on examine les raisons pour lesquelles les vêtements sont retournés, on constate qu'environ 40% sont achetés dans le seul but d'être essayés. Bien sûr, les raisons d'essayer un article sont multiples, mais la principale est de choisir la bonne taille.
Prenons un exemple : Un détaillant réalisant un chiffre d'affaires de 10 millions d'euros, passant 200 000 commandes par an et enregistrant un taux de retour de 25% utilisera plus de 20 000 sacs en plastique pour ne conserver que les articles à essayer. En outre, le détaillant dispose d'au moins 3% de stocks supplémentaires en raison de la méfiance des clients à l'égard des tableaux de tailles, ce qui ajoute 12 500 sacs supplémentaires, dans lesquels les articles individuels sont emballés.
Au total, il s'agit de la production de 32 500 sacs en plastique impliquant l'utilisation de ressources énergétiques non renouvelables, principalement des combustibles fossiles, et entraînant l'émission d'environ 500 kg de CO2 dans l'atmosphère.
L'impact du transport est encore plus important. Avec 20 000 commandes à essayer, ce sont 7 200 kg de CO2 supplémentaires qui sont émis.
La production d'un seul T-shirt en polyester entraîne l'émission de 5,5 kg de CO2, tandis que le coton génère 2,1 kg de CO2. Sur la base d'un inventaire excessif estimé à 3%, et en considérant un T-shirt en coton, dont la production émet moins de CO2, 26 000 kg d'émissions de CO2 seraient produites. Et ceci sans tenir compte du transport de l'usine au détaillant.
La solution ?
En remplaçant les tableaux de tailles traditionnels par un outil de recommandation de taille plus facile à utiliser, plus précis et plus adaptable, alimenté par l'intelligence artificielle, il est possible de réduire considérablement la nécessité pour les clients de commander plusieurs articles. Et avec cela, une réduction significative des émissions de carbone.
Pour en revenir à notre exemple, le détaillant qui réalise un chiffre d'affaires de 10 millions d'euros pourrait réduire son impact sur l'environnement de 28 000 kg de CO2. Pour mettre les choses en perspective, cela équivaut à une voiture moyenne roulant pendant 45 jours sans arrêt.
Contactez-nous pour en savoir plus et voir ce que nous pouvons faire pour votre entreprise. notre formulaire de contact .
Ou pourquoi ne pas demander une démonstration ? ici .