이 기사에서는 Dressipi와 House of Bruar의 사례 연구를 사용하여 AI와 풍부한 제품 데이터가 패션 전자 상거래를 어떻게 변화시키고 있는지에 대해 중점적으로 살펴봅니다.
작가: 엔리코 판타구치
공동 창립자 겸 이사
1티피1티
부티크에서 알고리즘까지: AI가 패션 판매 보조원의 역할을 어떻게 재정의하고 있는가
AI 시대를 맞아 패션 전자상거래는 마침내 오프라인 매장에서 받았던 개인화된 관심을 따라잡고 있습니다. 이러한 변화의 핵심은 드레시피, 이제의 일부 MAP 디지털AI 기반 제품 데이터 강화 플랫폼으로, 패션 브랜드가 대규모로 개인화된 쇼핑 경험을 제공할 수 있도록 지원합니다.
Digital Fashion Academy 세션에서 Dressipi 공동 창립자 사라 맥비티는 뛰어난 점원의 직관력에서 영감을 받은 플랫폼에 대해 설명했습니다. "한번은 뉴욕의 한 부티크에 들어갔는데, 스타일리스트가 다섯 벌의 옷을 골라줬어요. 모두 완벽했죠. 저는 그 옷들을 모두 샀어요. 바로 그런 직관을 AI를 통해 구현하고자 노력했습니다."
뉴욕의 한 부티크에 들어갔는데, 스타일리스트가 다섯 벌의 옷을 골라줬어요. 다 완벽했죠. 저는 그 옷들을 전부 샀어요. 그런 직감을 AI를 통해 재현해 낸 게 바로 저희입니다.
사라 맥비티
데이터를 사용한 디코딩 스타일
처음에는 B2C 프로젝트였던 Dressipi는 영국 주요 소매업체들이 자사 분류 시스템 라이선스에 관심을 보이자 B2B 프로젝트로 전환했습니다. 현재 Dressipi는 수천 개의 속성을 기반으로 한 심층적인 스타일링, 상황적, 동적 데이터(넥라인 유형, 원단 흐름, 트렌드 정렬 등)를 통해 제품 피드를 강화하고 있습니다.
이 데이터는 단순히 웹사이트의 전환을 최적화하는 데 그치지 않습니다. 이는 소매업체가 고객 선호도, 반품율, 심지어 감정적 공감을 유발하는 요인을 이해하는 데 도움이 됩니다.예를 들어, 가슴이 큰 여성은 스쿠프넥보다 크루넥 탑을 반품할 가능성이 더 높습니다. 이러한 세부 정보는 알고리즘 기반 제품 추천에 영향을 미칩니다.
현실 세계에 미치는 영향: 브루어 가문
존 호지 브루어의 집스코틀랜드 명품 소매업체인 는 Dressipi의 기술을 통합하여 추천 기능이 어떻게 향상되었는지 공유했습니다. 그는 "기존 엔진과 Dressipi를 비교 테스트한 결과, 5%의 가치 상승을 확인했습니다."라고 말했습니다. "이제 의류는 브랜드 DNA를 반영하며 고객의 선호도와 상황에 맞춰 개인 맞춤화됩니다."
해당 팀은 운영 측면에서도 이점을 얻었습니다. 제품 태그 지정 및 시각적 상품 진열을 위한 수동 작업을 줄이고 이미지와 속성 전반의 일관성을 개선했습니다.
"이제 옷차림은 브랜드 DNA를 반영하며 고객의 선호도와 상황에 맞게 개인화됩니다."
존 호지
반품, SEO 및 Discovery의 미래
Dressipi는 스타일링을 넘어 패션 전자상거래의 중요한 과제인 반품 문제를 해결합니다. 반품의 원인이 사이즈, 스타일, 재고 분산 등 다양한 패턴을 파악하여 구매뿐 아니라 보관 품목에 대한 최적화를 실현합니다.
더욱이 검색이 자연어를 우선시하는 방향으로 발전함에 따라("에든버러에서 열리는 여름 결혼식에 뭘 입어야 할까?"와 같은), 풍부한 제품 데이터의 중요성이 커지고 있습니다. Dressipi는 브랜드가 SEO, 마켓플레이스, 심지어 AI 채팅 인터페이스까지 시맨틱 레이어를 구축하여 브랜드 언어와 고객 언어를 연결할 수 있도록 지원합니다.
AI를 활용한 고객 여정의 진화
Sarah와 John과의 토론을 바탕으로 Dressipi와 같은 AI의 도입은 다음을 크게 변화시키고 있습니다. 고객 여정 온라인 패션 소매에서도 이전에는 물리적 매장에서만 가능했던 개인화된 경험을 재현하고 향상시키는 것을 목표로 합니다.
고객 여정이 진화하는 몇 가지 주요 방식은 다음과 같습니다.
자연어 검색
로 이동 자연어 상호작용: 고객의 검색 방식이 전통적인 키워드 기반 질의(예: "블랙 드레스 웨딩")에서 보다 자연스러운 언어 구문(예: "멋지지만 약간 화려한 직장용 펜슬 스커트를 찾고 있어요")으로 변화하고 있습니다. AI는 소매업체가 제품 데이터와 메타데이터를 최적화하여 이러한 자연어 검색을 통해 검색 가능하도록 지원합니다.
고도로 개인화된 추천
"당신과 비슷한 고객이 X를 샀습니다"와 같은 일반적인 추천은 키, 체형, 키, 몸무게, 성별, 그리고 변화하는 선호도 등 다양한 변수 때문에 패션 업계에서는 효과적이지 않습니다. AI는 상세한 제품 데이터(신체적 특징, 맥락, 역동적인 트렌드)를 활용하여 특정 특징이 다른 사람들에게 어떻게 보이고 느껴지는지 파악합니다. 이를 통해 시스템은 고객의 취향, 라이프스타일, 색상 팔레트, 심지어 신체적 특징까지 고려하여 맞춤형 의류 및 제품을 제안하고, 고객에게 "가장 이상적인 쇼윈도"를 보여줍니다. 이 시스템은 시간이 지남에 따라 고객과의 상호작용을 통해 학습합니다.
전자상거래 반품 감소
착용감 향상 및 반품 감소: 사이즈 문제(반품 건수 15~20건) 및 스타일 적합성(반품 건수 30~50건)과 같이 반품에 영향을 미치는 요인을 이해하는 것이 매우 중요합니다.11. AI는 착용감 데이터를 통합하고 목선과 같은 속성이 다양한 체형의 적합성에 미치는 영향을 이해함으로써 반품 가능성을 예측하는 데 도움을 줄 수 있습니다.2…. 알고리즘은 전환율뿐 아니라 "보관 품목"에 맞춰 최적화될 수 있으며, 이는 고객에게 보관할 가능성이 높은 제품을 보여줌을 의미합니다.12 이를 통해 구매 후 긍정적인 경험을 제공하고 반품으로 인한 불만을 줄일 수 있습니다.
참여도 증가
스타일 가이드 및 의상 영감: 고객은 종종 제품 구성에 대한 안내를 필요로 합니다. AI는 고객이 다양한 상황(예: 직장, 저녁, 주말)에 맞춰 제품을 어떻게 착용할지 시각화할 수 있도록 브랜드에 맞는 의상을 제안합니다. 이를 통해 고객은 제품의 다용성을 확인하고 구매를 유도할 수 있습니다. 이 시스템은 특정 제품이 어떤 상황에 적합한지 파악하고 서로 잘 어울리는 제품을 제안합니다.
일관되고 관련성 있는 브라우징: AI는 추천 및 제품 목록에 일관된 이미지가 사용되도록 하여 혼란스러운 모습을 방지합니다. 가장 중요한 것은 현재 재고 수준을 고려합니다, 특정 크기를 포함하여 고객에게 실제로 구매 가능한 제품만 표시됩니다. 풍부하고 일관된 데이터 또한 웹사이트에서 보다 효과적이고 일관된 필터와 패싯을 사용할 수 있어 검색 경험이 향상됩니다.
마케팅 분석
더욱 심화된 고객 이해 및 세분화: AI가 생성한 자세한 데이터를 통해 소매업체는 기본 인구 통계를 넘어 더 나은 고객 경험을 제공할 수 있습니다. 행동, 선호도, 라이프스타일을 기반으로 강력한 고객 세그먼트를 만듭니다. (예: 승마 고객, 전문 농부). 이러한 이해를 통해 해당 고객층에 맞춤화된 경험과 언어를 제공할 수 있으며, 고객은 이해받고 있다는 느낌을 받고 참여도가 높아집니다.
통합 브랜드 경험: AI는 브랜드의 크리에이티브 팀과 긴밀히 협력하여 브랜드의 DNA를 흡수하고 반영하다 스타일링 원칙을 준수합니다. 이를 통해 개인 맞춤형 추천 및 안내가 브랜드 정체성에 부합하고 온라인에서 공감을 불러일으키는 브랜드 경험을 구축하는 데 도움이 됩니다. 고객의 의도와 맥락에 따라 맞춤형 랜딩 페이지도 제작할 수 있습니다.
마지막 테이크어웨이
패션 소매업체들은 다음을 깨닫고 있습니다. 데이터는 단순히 최적화에 관한 것이 아닙니다—그것은 ~에 관한 것입니다 스토리텔링, 스타일링, 서비스AI가 패션 산업을 혁신함에 따라 Dressipi와 같은 도구를 사용하면 판매 직원의 업무 능력을 확장하고 진정으로 개인화된 디지털 쇼핑 경험을 구축할 수 있습니다.
본질적으로 Dressipi와 같은 AI는 온라인 고객 여정을 압도적이고 정적인 카탈로그 경험에서 패션의 뉘앙스를 더 잘 반영하고 고객과 더 강력한 연결을 구축하는 것을 목표로 하는 역동적이고 개인화되고 안내되는 상호 작용으로 전환합니다.