Qu'est-ce que Size Finder?

La question ultime est de savoir si les Size Finders peuvent réellement résoudre le problème et si nous pouvons dire adieu à ces remboursements en ligne dus à la taille - c'est le rêve. Nous décomposons ici un tas de différents types de technologies Size Finder, vous pouvez donc les considérer comme un spectre de complexité. Ainsi, du côté le plus simple, nous avons les versions numériques comparatives de Size Chart et du côté le plus complexe, nous avons l'IA prédictive avec des systèmes hybrides adaptatifs. 

Comparateurs de diagrammes de taille statiques Versions numériques 

Tableau de tailles statique comparatif des versions numériques des tableaux de tailles que vous trouvez dans chaque magasin. Ceux-ci sont génériques, basés sur ce que la marque pense qui devrait convenir, mais sans relation avec le style de produit individuel. Facile pour les détaillants d'implémenter certaines applications gratuites sur l'App Store Shopify et d'autres app stores, mais celles-ci ne sont pas très personnalisées à la marque, ni à l'acheteur, et nous n'abordons même pas d'autres variables qui affectent la taille. Donc, celles-ci ne sont pas très utiles et pas révolutionnaires, c'est le niveau un des technologies de recherche de taille. 

Outils statistiques de base

Pensez à eux comme les prédécesseurs des systèmes plus avancés. Ces types d'outils sur Shopify App store coûtent environ 50 $ et moins par mois, malgré les différents modèles de tarification que chacun a. Ce type de technologie Size Finder prend en compte quelques mesures de base, malgré le fait qu'ils demandent la taille, le poids et certaines formes corporelles, il manque de la complexité et du pouvoir prédictif des plus sophistiqués parmi les systèmes plus avancés qui utilisent des méthodes statistiques plus sophistiquées ou intègrent l'apprentissage automatique. Donc, ils ne sont pas vraiment intelligents avec des données limitées et aucune compréhension des produits réels ou des formes corporelles. En termes plus simples, c'est comme une calculatrice. 

Comparateurs de marque à marque 

C'est comme si vous regardiez un tableau des tailles et que vous vous disiez : "Je suis taille moyenne chez H&M, donc je suis taille moyenne dans cette marque". C'est magique, n'est-ce pas ? Dans de nombreux cas, vous constaterez que vos données sont identiques à la réponse que vous obtiendrez. Ce n'est pas très sophistiqué. Comme vous le savez, chaque style et chaque taille peuvent être totalement différents et même le même produit dans des couleurs différentes peut être différent. Les acheteurs et les journalistes l'ont signalé à maintes reprises. ici pour voir un exemple. En d'autres termes, ce type de localisateur de taille est nul en entrée, nul en sortie. Certains d'entre eux ont des éléments d'apprentissage automatique (qui est étiqueté dans les documents marketing comme IA) pour combler le fossé entre nul en entrée, nul en sortie, cependant il est impossible de combler ce fossé car chaque produit est unique dans sa façon de s'ajuster, de s'étirer, dans le style qu'il doit être porté, etc. Ensuite, il faut des milliers sinon des millions de points de données, le temps qu'il collecte ces données même à l'échelle mondiale le produit atteint la fin de sa saison, ce qui signifie que ces technologies ne peuvent jamais apprendre au niveau de l'ajustement, et elles sont à des années-lumière de comprendre l'ajustement du produit au niveau du numéro d'identification du produit, et le niveau de couleur est encore plus éloigné que des années-lumière, puis ajoutez dans le mélange de différentes personnes de taille qui sont grandes et minces, des hanches larges, etc. Vous pouvez déjà voir clairement les limites. La taille est si incohérente entre différentes marques et même à l'intérieur de la marque rendant les comparateurs de marque à marque, les résultats sont très incertains. Lisez ici à propos de l'incohérence de taille de H&M. ici. 

Outils de comparaison statistique

C'est une montée en niveau de sophistication dans les technologies de détermination de taille. Celles-ci utilisent les données de nombreux acheteurs pour faire des recommandations de taille au niveau de la catégorie, certaines tentent au niveau de l'ID du produit, mais le niveau de l'ID du produit est trop difficile pour cette technologie. Ils prennent des milliers, des millions d'acheteurs, associent des choses comme le poids, la taille, certaines entrées de forme corporelle, avec les achats et supposent que d'autres acheteurs avec les mêmes entrées pourraient correspondre à la même taille. Ce qui n'est pas le cas en premier lieu, deuxièmement, ils ont besoin de millions de points de données et ceux-ci sont généralement disponibles pour les marques bien connues et les tailles les plus courantes comme S, M, L. Tout ce qui dépasse ces tailles devient une lutte et est émaillé d'inexactitudes. Ce type de technologie de détermination de taille s'améliore avec le temps car ils analysent davantage de données, mais comme mentionné, la précision diminue lorsqu'on va au-delà des personnes qui sont au milieu du spectre des tailles. Lorsqu'on cherche à obtenir un ajustement, les résultats au niveau de l'ID du produit deviennent très flous, il n'est donc pas nécessaire de discuter davantage des capacités au niveau de la couleur de cette technologie. Ces dernières prétendent souvent être de l'Intelligence Artificielle, c'est là que commence la zone grise sur la définition de "Qu'est-ce que l'IA ?".

L'IA prédictive avec les systèmes hybrides

Nous parlons de systèmes qui exploitent l'intelligence artificielle et l'apprentissage automatique pour créer des recommandations de taille hautement personnalisées. Les systèmes recueillent également des informations sur l'âge, le poids, la taille, la forme du corps qui peuvent être converties en mesures corporelles. L'IA analyse toutes les informations sur les acheteurs réels qui visitent des magasins en ligne spécifiques, les achats passés. Elle apprend purement des clients actuels de ce magasin, pas quelque chose qui s'est passé dans un autre pays dans un autre magasin avec des produits similaires. En d'autres termes, les données ne sont pas obscurcies par l'histoire ailleurs. Elle apprend purement à partir des données réelles d'un seul détaillant et si un détaillant fait du commerce dans plusieurs locales, l'évolution est spécifique aux biens qui sont vendus dans cette locale. Tout cela, ainsi que des tableaux de tailles spécifiques à la marque et elle utilise des algorithmes vraiment complexes pour comprendre chaque SKU du stock réel que le détaillant détient, encore une fois pas des produits similaires. Car visuellement, le même produit produit dans différentes usines ou une année différente peut s'adapter différemment et la même personne aurait besoin d'une taille différente. La technologie est comme votre assistant personnel de shopping qui apprend consciemment à des dimensions multi-niveaux. Obtenir des données de diverses sources, analyse visuelle, retour des clients, ventes, données de remboursements, achats passés et plus encore. Différentes tailles par catégorie, ajustement et même ID de produit, malgré tout ce qui semble identique à l'avant, le client à l'arrière, il y a des réseaux neuronaux complexes et des systèmes d'IA adaptatifs orchestrant le processus pour déterminer la bonne taille pour l'acheteur. Vous pouvez alors imaginer quelles informations vous pouvez obtenir avec les données collectées pour optimiser l'entreprise. Savez-vous combien d'argent vous laissez sur la table? Vous débloquez non seulement des occasions de vente manquées, mais réduisez les coûts opérationnels en raison de moins de remboursements, rendant votre entreprise plus rentable. Mais ces types d'outils viennent avec leur propre étiquette de prix. Ce n'est pas votre boutique d'applications Shopify, une application copier/coller imprimée pour chaque détaillant de la même manière. Ce type de Size Finder nécessite une précision dans la connexion des systèmes et l'intégration personnalisée est effectuée pour chaque client pour s'adapter à leurs systèmes et sources de données.