Computer vision e algoritmi di image analysis sono tra le tecniche che consentono di migliorare l’esperienza online di acquisto e la customer satisfaction in continuità con gli store fisici
Il fashion è sicuramente uno dei settori più colpiti dal lockdown. Con 221mila imprese, l’Italia è al primo posto in Europa per la produzione del tessile, abbigliamento e accessori. Un mercato che vale 97 miliardi di euro, due terzi dei quali si regge sulle esportazioni (dati Confindustria Moda). In parallelo al crollo verticale dei consumi negli store fisici si è registrata una forte impennata dei consumi online, segnando un significativo cambiamento di atteggiamento verso l’e-commerce anche da parte dell’industria tradizionale del lusso, che prova la strada del direct to consumer, coniugando logistica e B2B. Il canale e-commerce è la leva su cui tutti i brand stanno agendo per ridurre i danni e gli stock in eccesso. Marchi e piattaforme multimarca sono al lavoro per fidelizzare i clienti, reinventare il loro business, ripensare il concetto stesso di lusso e migliorare la user experience nei siti di e-commerce per facilitare la ricerca dei prodotti, anche tramite tecniche di computer vision e algoritmi di image analysis – come ci spiega Piergiuseppe Scalamogna, CTO di Altilia. «Tramite intelligenza artificiale e machine learning l’obiettivo è offrire al cliente un’esperienza d’acquisto in modalità e-commerce il più vicina possibile a quella tradizionale in negozio, creando un’esigenza di contenuti personalizzati su larga scala e di alta qualità».
AVATAR E BOUTIQUE PERSONALIZZATA
Le aziende retailer possono utilizzare le informazioni non solo per comprendere le abitudini di acquisto e personalizzare la relazione con il cliente, attraverso messaggi ad hoc, ma anche per individuare la fascia EIP (extremely important people) alla quale indirizzare proposte in anteprima e servizi su misura. La computer vision permette inoltre di offrire una customer experience davvero immersiva grazie alla creazione di avatar con le stesse caratteristiche fisiche del cliente che può così indossare e valutare gli acquisti come se fosse nel negozio fisico. Grazie all’artificial intelligence, inoltre, è possibile creare una boutique personalizzata per ogni utente che si collega alla pagina Web del sito di eCommerce. «Anche su customer relationship management e customer satisfaction abbiamo realizzato vari progetti» – precisa Scalamogna. «Analizzando le email che arrivano al servizio di customer care e le recensioni sui prodotti sia venduti che provati, si possono individuare nuovi insights, o agire sulle difformità di descrizione dei materiali e le criticità di delivery».
L’AI CAMBIA LE REGOLE
Le tecnologie di face recognition e computer vision consentono di analizzare il customer journey e il gradimento del cliente anche negli store fisici, permettendo di creare e tracciare un percorso continuo tra online e offline per una vera omnicanalità. «Con queste tecnologie – spiega Scalamogna – è possibile analizzare il comportamento del cliente durante l’esperienza in negozio per capire dove si posa il suo sguardo, cosa attira maggiormente la sua attenzione, il tempo di permanenza davanti a prodotto, il numero di referenze acquistate rispetto a quelle portate in camerino, i passaggi che hanno portato a concludere l’acquisto positivamente o quelli che hanno portato all’uscita dal negozio. Grazie a questi strumenti di analisi è possibile migliorare la disposizione degli indumenti nel punto vendita e inviare al cliente le offerte più adatte, incrociando i dati provenienti da fonti dati diverse». Analisi dati, creazione di modelli, comprensione del contesto e disegno delle soluzioni sono alla base delle proposte di Altilia di augmented intelligence.
La sua piattaforma Mantra Intelligent Automation (implementabile in qualsiasi infrastruttura cloud) è stata adottata da alcuni tra i più importanti player italiani dell’online retail. Tra gli sviluppi previsti dall’azienda per il futuro, l’utilizzo degli algoritmi di machine e deep learning a supporto della creatività degli stilisti per la creazione di nuove collezioni data driven, con l’obiettivo di migliorare il time-to-market e la capacità di competere sul mercato.
