تکنیکی کارآمد برای مدیریت باشگاه مشتریان در صنعت پوشاک
شخصی سازی پیشنهادها
مصطفی اروجی
در حدود یک قرن پیش، هنری فورد تولید صنعتی را به محبوبترین و موفقترین راهبرد در صنایع تولیدی بدل کرد. او به کمک ایدههای برگرفته از کارگاه های قصابی، خط تولیدی را بنا کرد که میتوانست با سرعت بالایی، ماشینه ای یک شکل و همسان تولید کند. در خطوط تولید کارخانه فورد، مانند کارگاههای قصابی گوشت، هر کارگر مسئول انجام یک کار کوچک بود. این ایده انقلابی بهزودی تمامی صنایع، ازجمله صنعت پوشاک را درنوردید. در دوران رکود بزرگ در اوایل قرن بیستم، انقلابی در صنعت پوشاک رخ داد و تولید از شیوه اندازهگیری و دوخت در خیاطیهای کوچک به تولیدات متنوع و آماده برای تن زدن در فروشگاه ها، تغییر کرد. مهمترین عامل در مسیر این تغییر بنیادین، صرفه اقتصادی بود. به کمک تولید صنعتی، پوشاک با قیمت نازلتری به دست مشتریان نهایی میرسید و کارخانه ها حاشیه سود بالاتری داشتند. قیمتهای نازل و تنوع بالا، سبب شد تا بسیاری با اندازههای استانداردسازیشده از سوی برندها، هرجور شده کنار بیایند. اما امروزه با افزایش سطح رفاه در جوامع غربی و شرقی و پیشرفتهای فناورانه بهدستآمده در سالهای اخیر، بسیاری از مشتریها انتظار دارند پیشنهادهای شخصیتری دریافت کنند، چه از نظر اندازه لباسها و چه از نظر رنگ و مدل. اما آیا بازگشت به دوران خیاطی های کوچک همچنان امکان پذیر است؟ پاسخ بی تردید خیر است.
شخصی سازی
بر اساس این راهبرد، شرکتها تلاش میکنند پیشنهادهای شخصی سازی شده را برای مشتریها ارسال کنند. این راهبرد به اطلاعات دقیق و تحلیل صحیح نیاز دارد. درنهایت، باید از هوش مصنوعی و یادگیری ماشین برای ایجاد پیشنهادهای فردی استفاده کرد. هدف از این راهبرد تعامل واقعی با مخاطبان است. به جای ارسال پیشنهادهای تکراری و مشابه برای نوجوانان و سالخوردگان و گروههای مختلف جامعه، در این روش تلاش میشود با هر فرد بر اساس ویژگیهای خاص او تعامل شود.
یکی از مهمترین معیارهای بازاریابی در عصر جدید، تجربه مشتری از خرید است؛ تجربهای که وفاداری مشتری و بازگشت دوباره او را متاثر خواهد کرد. به کمک راهبرد شخصی سازی، میتوان تجربه متفاوتی را برای افراد رقم زد. همچنین، در صورتی که افراد احساس کنند با ارائه اطلاعات میتوانند خرید بهتری داشته باشند، از ارائه اطلاعات طفره نخواهند رفت. این چرخه مثبت تجربه خرید آسان و ارائه اطلاعات، به برندها کمک میکند پیشنهادهای بسیار بهتری را ارائه دهند.
از مزایای این راهبرد، افزایش درآمد برندها و در عین حال رضایت مشتری است. ارائه پیشنهادهای مرتبط، احتمال خرید از سوی مشتری را افزایش خواهد داد. از سوی دیگر، تجربه خرید آسان، وفاداری مشتری و خریدهای بیشتر را با خود به همراه خواهد آورد.
بر اساس دادههای بهدستآمده از سوی شرکت مشاوره مکینزی، شخصی سازی مهمترین روند بازاریابی در سالهای پیشِ رو خواهد بود. در این گزارش بهروشنی قید شده است که شرکتهای جامانده از این روند، کاهش شدیدی را در درآمدهای خود تجربه خواهند کرد. از سوی دیگر و بر اساس گزارش تحلیلی گوگل، تقاضا برای شخصی سازی پیشنهادات، هنوز به طور کامل برآورده نشده است. بیشتر برندهای لباس و خردهفروشیهای فعال در این صنعت، هنوز نتوانستهاند به نیازهای مشتریان خود در زمینه شخصی سازی برندها پاسخ دهند. در این گزارش بهوضوح آمده است که بسیاری از برندهای پوشاک، حتی قدمهای نخستین را هم در زمینه شخصی سازی پیشنهادات برنداشتهاند. این همه در حالی است که بر اساس اعداد بهدستآمده، این راهبرد در بازاریابی میتواند تعداد آیتمهای خریداریشده را تا 110 درصد افزایش دهد. همچنین به کمک پیشنهادهای مربوط و شخصی به هر بازدیدکننده از وبسایت یا فروشگاه، میتوان زمان بازدید از سایت یا فروشگاه را تا 40 درصد افزایش داد.
بر اساس دادههای منتشرشده، خردهفروشها 0.7 درصد و رهبران بازار پوشاک در حدود 0.9 درصد از درآمد خود را برای سرمایهگذاری در زمینه پیادهسازی راهبرد شخصی سازی پیشنهادهای ارائهشده به خریداران صرف میکنند. ناگفته پیداست که تقاضا برای خدمات فردی در فروشگاه و وبسایتها به طور فزایندهای رو به افزایش است. در گزارش مکینزی، پیشبینی شده است که برندهایی که از این راهبرد استفاده نکنند، باید با احتمالات ورشکستگی در آینده نزدیک، دستوپنجه نرم کنند.
آینده شخصی سازی در صنعت پوشاک
شخصی سازی دارای دو بعد متفاوت است؛ ارتباطات و محصولات. برای ساخت یک راهبرد مناسب در زمینه شخصی سازی، برندهای پوشاک باید در هر دو بعد برنامه داشته باشند.
-
ارتباطات
در دنیای امروز که رقابت بیش از هر زمانی صنعت پوشاک را تحت تاثیر قرار داده است، جلب توجه مشتری و افزایش زمان بازدید از مهمترین عاملهایی هستند که باید بهبود پیدا کنند. برای بهبود این دو عامل، شخصی سازی پیشنهادهای ارائهشده به مشتریها بسیار حیاتی است. از همینرو چه در فروشگاههای فیزیکی و چه در وبسایت، باید لباسهایی به مشتری پیشنهاد شود که باب میل او باشد.
در فروشگاههای فیزیکی پوشاک، شخصی سازی پیشنهادها از گذشتههای دور و به صورت کاملا تجربی اجرا میشده است. فروشندهها معمولا سلیقه مشتریان ثابت خود را بهخوبی میشناسند و از همینرو احتمال موفقیت در فروش محصول بیشتر است. اما برای کسانی که اولین بار به یک فروشگاه مراجعه میکنند، چه نسخهای باید پیچید؟ هوش مصنوعی بسیاری از این مشکلات را برطرف کرده است. به کمک دوربینهای هوشمند و استفاده از هوش مصنوعی، میتوان ذائقه مراجعهکنندگان را در زمانی بسیار اندک مشخص کرد. این اطلاعات بلافاصله روی تبلت فروشندگان نشان داده خواهد شد تا بهترین پیشنهادها به خریداران ارائه شود. در ادامه اطلاعات بهدستآمده از موفقیت یا شکست در فروش، به کامپیوتر کمک میکند با اصلاح الگوریتمهای خود، درآمد فروشگاه را هرچه بیشتر افزایش دهد.
علاوه بر این سیستم منفعل، سیستمهای فعالی هم تعریف شدهاند که پیشنهادها را برای افرادی که در حال گذر هستند، ارائه میدهند. در این سیستم پیشنهادهای کاملا شخصی، از طریق بلوتوث یا وایفای، برای افراد ارسال میشوند. پیشبینی میشود در سالهای آینده ویترینها دیگر به شکل سنتی خود وجود نخواهند داشت. ویترینهای هوشمند، بر اساس اطلاعات بهدستآمده از مشتریهای خود، لباسهای ارائهشده را تغییر خواهند داد تا بتوانند مشتریهای بیشتری را به داخل فروشگاه بکشانند.
اما در دنیای دیجیتال شخصی سازی چالش بزرگتری است. به دست آوردن اطلاعات از تاریخچه جستوجو و تحلیل این دادهها به کمک الگوریتمهای موجود، به برندها کمک میکند تبلیغات هوشمندتری داشته باشند. تبلیغات به کمک ایمیل، پیامک یا در وبسایتها ارائه خواهند شد، اما به صورت کاملا شخصی. به کمک این روش، محصولات مناسب در یک زمان صحیح، به افراد پیشنهاد داده خواهند شد و این امر به معنی افزایش احتمال موفقیت است.
-
محصولات
تخمینهای مورگان استنلی نشان میدهد ارزش پوشاک مرجوعی خریداریشده به صورت دیجیتال در سال 2019، نزدیک به 60 میلیارد دلار بوده است. 88 درصد مشتریها، مناسب نبودن سایز را یکی از مهمترین دلایل مرجوعی لباس مطرح میکنند.
بر اساس آمارهای منتشرشده از سوی Deloitte، بیش از 50 درصد مشتریها تمایل دارند پوشاکی را بخرند که برای آنها دوخته شده است. اما آیا مشتریها تمایلی به پرداخت هزینه این شخصی سازی دارند؟ تجربه هزینه پرینت طرح مورد نظر روی تیشرتها نشان میدهد بسیاری حاضرند این هزینه را پرداخت کنند.
هر برند پوشاک، محصولات را با اندازههای مشخصی تولید میکند. این اندازهها معمولا بر اساس دادههای بهدستآمده از کشور مبدا طراحی میشوند، اما معمولا بر اساس جامعه هدف، تغییراتی در آن داده میشود. از همینرو دو برند در یک کشور، اندازههای یکسانی برای تولید پوشاک استفاده نخواهند کرد. تحقیقی در انگلیس نشان میدهد که 60 درصد مردهای انگلیسی، در پیدا کردن لباسهایی با سایز مناسب، با چالش روبهرو هستند.
آواتارهای دیجیتال و تن زدن مجازی لباس
به کمک دادههای بهدستآمده از افراد میتوان تا حدود زیادی سلیقه و نوع پوشاک مورد نظر را تعیین کرد، اما به دست آوردن اندازه فیزیکی افراد، یا ست لباسهایی که دوست دارند با هم بپوشند، بهمراتب دشوارتر است. بسیاری از آقایان، اطلاعات مشخصی از سایز خود ندارند و خانمها در مواردی اطلاعات اشتباهی از دور کمر یا پاهای خود در ذهن دارند.
یکی از فناوریهایی که برای رفع این مشکل ارائه شده است، تن زدن مجازی است. در این سیستم به کمک تنها دو عکس قدی به وسیله گوشیهای هوشمند (در صورت نبود این امکان، پاسخ به تعدادی سوال درباره فیزیک بدن)، یک آواتار مشابه خریدار ایجاد خواهد شد. این نمونه دیجیتال از مشتریان، کمک شایانی به شخصی سازی پوشاک برای مشتریان خواهد کرد.
برند پوشاک YOOX یکی از شرکتهای پیشرو در این زمینه است. در سال 2018، این برند یک نرمافزار هوشمند ارائه کرد که به وسیله هوش مصنوعی طراحی شده بود. این برند ایتالیایی، به مشتریان خود اجازه میدهد لباسها را بر تن خودشان ببینند و پس از آن خرید کنند. با گرفتن یک سلفی، آواتار مشتری ساخته میشود و پس از آن، خریداران میتوانند هر لباسی را تن بزنند. به کمک این آواتار شما میتوانید لباس، شلوار و کفش مورد نظر را به صورت همزمان ببینید. علاوه بر این، پس از انتخاب بهترین دست لباس، خریداران میتوانند تصاویر را با دوستان خود به اشتراک بگذارند تا نظر آنها را هم جویا شوند.
برند تامی هیلفیگر از دیگر برندهایی است که تجربههای موفقی را در این زمینه داشته است. در هنگام خرید آنلاین از وبسایتِ این برند موفق پوشاک، افراد میتوانند مناسبت مورد نظر خود را انتخاب کنند و مستقیم به سراغ محصولی بروند که برای آنها مناسبتر است. با انتخاب بین استایل مهمانی، رسمی، کلاسیک یا اسپورت، پیشنهادهای جذابی به مشتریها ارائه خواهد شد. برای مثال، با انتخاب پیراهن مورد علاقه، کیف یا کفش متناسب با موقعیت و پیراهن به افراد توصیه خواهد شد. این پیشنهادات بر اساس الگوریتمهای هوش مصنوعی طراحیشده از سوی شرکت ارائه میشوند.