この記事では、DressipiとHouse of Bruarのケーススタディを用いて、AIと強化された製品データがファッションeコマースをどのように変革しているかに焦点を当てます。
著者： エンリコ・ファンタグッツィ
共同創設者兼ディレクター
デジタルファッションアカデミー
ブティックからアルゴリズムへ：AIがファッション販売員の役割をどう再定義するか
AI時代のファッションECは、ついに実店舗で買い物客が受けていたようなパーソナライズされたサービスに追いつきつつあります。この変革の核心は、 ドレシピ、現在は MAPデジタルは、ファッションブランドがパーソナライズされたショッピング体験を大規模に提供できるように支援する AI 搭載の製品データ強化プラットフォームです。
Digital Fashion Academyセッションで、Dressipiの共同創業者であるサラ・マクヴィッティ氏は、このプラットフォームが優秀な店員の直感力にインスピレーションを得たと説明しました。「以前、ニューヨークのブティックに入ったら、スタイリストが5着の服を選んでくれました。どれも完璧で、全部買ってしまいました。私たちはAIを使って、まさにそのような直感を再現しようと努めてきました。」
以前、ニューヨークのブティックに入ったら、スタイリストが5着の服を選んでくれました。どれも完璧で、全部買ってしまいました。私たちは、こうした直感をAIで再現しようと取り組んできました。
サラ・マクヴィッティ
データを使ったスタイルのデコード
Dressipiは当初B2Cプロジェクトでしたが、英国の大手小売業者がタクソノミーシステムのライセンス供与に関心を示したことをきっかけに、B2Bへと移行しました。現在、Dressipiは、数千もの属性に基づいたスタイリング、コンテキスト、動的なデータ（ネックラインの種類、生地の流れ、トレンドの傾向など）を深く掘り下げて、商品フィードを強化しています。
このデータは、ウェブサイトをコンバージョンのために最適化するだけではありません。 小売業者が顧客の好み、返品率、さらには感情的な共鳴を引き起こす要因を理解するのに役立ちます。たとえば、バストの大きい女性はスクープネックよりもクルーネックのトップスを返品する可能性が高く、これらの詳細はアルゴリズムによる商品の推奨に影響を与えます。
現実世界への影響：ブルーアの家
ジョン・ホッジ ブルアーの家スコットランドの高級ブランド小売業者であるは、Dressipiのテクノロジーを導入することでレコメンデーションがどのように改善されたかを共有しました。「Dressipiを既存のエンジンと比較したところ、5%という大幅な価値向上が見られました」と彼は述べています。「今では、服装は当社のブランドDNAを反映し、顧客の好みや状況に合わせてパーソナライズされています。」
同社のチームは運用面でもメリットを得ており、製品のタグ付けやビジュアルマーチャンダイジングの手作業が削減されるとともに、画像や属性の一貫性が向上しました。
「衣装は現在、当社のブランドDNAを反映し、顧客の好みや状況に合わせてカスタマイズされています。」
ジョン・ホッジ
リターン、SEO、そして発見の未来
Dressipiはスタイリングの枠を超え、ファッションeコマースにおける重要な課題である返品にも取り組んでいます。返品の原因がサイズ、スタイル、在庫の分散化など、パターンを特定することで、プラットフォームは購入だけでなく、保管する商品にも最適化します。
さらに、検索が自然言語を優先するようになるにつれて（「エディンバラでの夏の結婚式には何を着ればいいのか？」など）、エンリッチメントされた商品データが不可欠になります。Dressipiは、SEO、マーケットプレイス、さらにはAIチャットインターフェースのためのセマンティックレイヤーの作成においてブランドをサポートし、ブランド言語と顧客言語を橋渡しします。
AIによるカスタマージャーニーの進化
サラとジョンとの議論を踏まえると、DressipiのようなAIの導入は、 顧客ジャーニー オンラインファッション小売業において、これまで実店舗でのみ提供されていたパーソナライズされた体験を再現し、強化することを目指しています。
カスタマージャーニーが進化している主な方法は次のとおりです。
自然言語検索
シフトする 自然言語インタラクション顧客の検索方法は、従来のキーワードベースのクエリ（「黒のウェディングドレス」など）から、より自然な言語フレーズ（「仕事用に、スマートでありながら少し華やかなペンシルスカートを探しています」など）へと変化しています。AIは、小売業者が商品データとメタデータを最適化し、これらの自然言語検索で見つけやすくする支援を行います。
高度にパーソナライズされた推奨事項
「あなたのようなお客様はXを購入しました」といった一般的なレコメンデーションは、ファッション業界では効果がありません。サイズ、体型、身長、体重、性別、そして変化する嗜好は人それぞれです。AIは詳細な商品データ（身体的特徴、状況、動的なトレンド）を活用し、特定の特徴が様々な人に似合う、あるいは似合うと感じることを理解します。これにより、システムは顧客の好み、ライフスタイル、カラーパレット、さらには身体的特徴に基づいて、お客様一人ひとりに合わせたコーディネートや商品の提案を行い、「最適なショーウィンドウ」を提示することが可能になります。システムは顧客とのやり取りを継続的に学習していきます。
電子商取引の返品を削減
フィット感の向上と返品の削減：サイズの問題（15～20%の返品）やスタイルの適合性（30～50%の返品）など、返品につながる要因を理解することは非常に重要です11。フィットデータを組み込み、ネックラインなどの属性がさまざまな体型への適合性にどのように影響するかを理解することで、AIは返品の可能性を予測するのに役立ちます2。…アルゴリズムは、コンバージョン率だけでなく「保持される商品」にも最適化できるため、顧客はより保持される可能性が高い商品を表示できます12。これにより、購入後の体験がより肯定的になり、返品に伴うフラストレーションが軽減されます。
エンゲージメントを高める
スタイルガイドと服装のインスピレーションお客様は、アイテムの組み合わせ方についてアドバイスを求めることがよくあります。AIは、ブランドイメージに沿ったコーディネートを提案し、お客様が様々なシーン（例：仕事、夜、週末）で商品をどのように着こなすかを視覚的に理解できるようにします。これにより、お客様はアイテムの汎用性を理解し、購入意欲を高めることができます。システムは、特定の商品がどのようなシーンに適しているかを理解し、組み合わせの良いアイテムを提案します8。
一貫性と関連性のあるブラウジングAIは、おすすめや商品リストに一貫性のある画像を使用し、混乱した見た目にならないようにします1314。重要なのは、 現在の在庫レベルを考慮特定のサイズを含む、実際に入手可能な商品のみをお客様に表示します。 豊富で一貫性のあるデータ また、Web サイト上のフィルターとファセットがより効果的かつ一貫性のあるものとなり、ブラウジング エクスペリエンスが向上します。
マーケティング分析
より深い顧客理解とセグメンテーション：AIによって生成された詳細なデータにより、小売業者は基本的な人口統計を超えて、 行動、好み、ライフスタイルに基づいて強力な顧客セグメントを作成する （例：乗馬愛好家、プロの農家など）。こうした理解により、特定のセグメントに合わせた体験と言葉遣いが可能になり、顧客は理解されていると感じ、エンゲージメントが向上します。
統合ブランド体験: AIはブランドのクリエイティブチームと緊密に連携し、 ブランドのDNAを吸収し反映する スタイリングの原則に基づき、パーソナライズされたレコメンデーションとガイダンスがブランドのアイデンティティに忠実であり、オンラインで共感を呼ぶブランド体験の構築に役立ちます。顧客の意図やコンテキストに基づいて、カスタマイズされたランディングページを作成することもできます。
最終的な結論
ファッション小売業者は、 データは最適化だけではない—それは ストーリーテリング、スタイリング、サービスAIがファッション業界を変革する中、Dressipiのようなツールは、販売員の技術を拡大し、真にパーソナルなデジタルショッピング体験を構築することを可能にしています。
本質的に、DressipiのようなAIは、オンラインの顧客体験を、圧倒的で静的なカタログ体験から、ファッションのニュアンスをよりよく反映し、顧客とのより強いつながりを構築することを目指す、動的でパーソナライズされたガイド付きのインタラクションへと移行させます。