How Data Analytics Informs the Fashion Industry

发布时间：2024-12-11 10:54

一直以来，超凡脱俗的明星和创意天才凭着直觉和超强的意志力引领时尚界潮流。很多人认为，时尚业必须依赖于艺术而不是科学。时尚分析为该行业带来了新的面貌 — 让时尚零售商能够适当采用数据驱动科学，与该行业的艺术性形成互补。

时尚分析需要借助应用，从各种来源提取有关销售、风格和趋势的数据。时尚分析可以帮助企业评估过去的绩效并预测未来的结果，以便他们能够更好地做出决策，比如如何构建系列、要将库存保持在什么水平、要使用哪个分销渠道以及哪些促销活动可以产生更多收入。

什么是数据分析？

数据分析是指检索数据集并根据其中包含的信息得出结论的过程。如今，分析越来越多地采用 AI，通过使用算法模型来搜索数据以获得洞察力，再也不需要人类来告诉系统要在哪里寻找什么东西。企业可以使用数据分析来梳理大型数据集，发现隐藏的模式和关联性，并据此做出更明智的决策。除了商业界，科学家和研究人员也在广泛使用数据分析来验证或推翻科学模型、理论和假设。

而对于时尚业，数据分析可以帮助零售商更好地了解购物者的行为；跨数字和实体渠道优化客户体验；根据以前的行为或兴趣（例如服装款式或适合程度和趋势）打造个性化促销；更准确地预测未来需求，从而保持适当的库存水平。

下载：简化时尚零售商需求预测的三个步骤

什么是分析时尚？

分析时尚 (Fashion analysis) 是指时尚业者（尤其是零售商的买家和商家）利用数据来确定热销趋势、购买商品的客户类型、需要订购的库存数量以及未来销售情况的过程。

什么是时尚分析？

时尚分析 (Fashion analytics) 包含了对时尚业进行分析时所需的所有系统和流程以及策略、技巧和相关技术。时尚分析越来越多地使用 AI 和机器学习 (ML)，不再仅仅是像过去一样简单地进行报告。借助零售 AI 和 ML，时尚企业可以更深入地了解快速发展的市场趋势。

除了了解正在销售的商品外，时尚分析还可以提供有关影响购买决策的客户行为的信息和指导，有助于零售商做出重要决策，例如设定合适的价格、提供客户可能会喜欢的相关商品并及时上架应季产品。时尚分析让零售商可以使用实证数据来决定款式、颜色、尺寸和库存采购量，而不仅仅是依靠直觉。Neiman Marcus 商品规划前主管 Greg Flinn 将这种做法称为“将科学融入艺术”。

关键要点

时尚分析可以帮助企业在正确的时间存储正确的库存，及时跟上季节和消费者趋势，并以理想的价格出售。时尚分析可帮助时尚业的企业基于更多数据驱动的因素，更好地锁定客户、预测趋势、管理库存、规划和设计系列并打造个性化产品。时尚企业所使用的四种主要时尚分析包括：用于衡量过去绩效的描述性分析，用于确定问题根本原因的诊断性分析，用于预测未来结果的预测性分析，以及用于建议后续步骤的规范性分析。

时尚分析详解

时尚分析结合了来自线上购物车、忠诚度计划、销售点 (POS) 软件系统、库存和供应链应用、营销活动、第三方消费者数据源和商店调查等来源的数据，这些信息有助于企业做出业务决策。时尚零售商和制造商使用分析来评估业务绩效，了解客户偏好，确定趋势并生成后续推荐步骤。这些企业将时尚分析应用在基于预测的未来决策（例如需要重新订购的库存量）以及当下的即时行动（例如推出可能吸引线上购物者下单的优惠）。

时尚分析的重要性

如果零售商希望能够更好地洞悉不断变化的消费者的需求和行为，以此增加销售和利润，那么时尚分析可以为其提供重要的工具。时尚业是一个日新月异的行业，流行趋势很快就会过时，导致零售商和制造商需要大幅度打折才能清掉手中的存货。有鉴于此，零售分析师需要从数据中获得透明的洞察，从而监视业务绩效，快速发现不断变化的客户偏好并确定趋势，帮助企业决定采购库存品类和出售价格。分析师会不断从面向客户的数据源和生产系统收集数据，以此实现这一目标。面向客户的数据源包括线上购物车、忠诚度计划、销售点系统、营销活动和店内问卷调查。关键的生产系统包括制造、库存、仓库、运输和财务。

除了提供工具来准确评估和解释过去的表现以外，时尚分析还为零售商提供了更好的方法来预测未来消费者行为，并推荐在未来各种高风险活动中可以采取的行动方案。对于零售商来说，无论是决定要为线下和线上商店中采购哪些库存，为一个重要的购物节（例如假期或开学季）做好准备，还是决定要实时向线上客户提供什么折扣或其它优惠，这些决策对于企业的成功和生存都至关重要。分析对时尚行业尤其重要，因为流行趋势非常短暂，消费者的喜好也不断变化。时尚分析并不能保证零售商每次都能准确判断趋势，但分析的力量可以帮助时尚零售商提高成功率，让他们比没有这些工具时更快地发现和纠正错误。

时尚分析的四种类型

时尚数据分析有四种主要类型，其中包括：用于报告过去绩效的描述性分析，用于确定问题根本原因的诊断性分析，用于预测未来结果的预测性分析，以及用于建议后续步骤的规范性分析。通过结合使用这些分析方法，零售商可以更好地了解客户的行为，优化跨数字和实体渠道的客户体验，采购正确的商品库存，并根据客户行为或兴趣（例如服装风格、合身程度和趋势）打造个性化促销。下面我们将详细介绍这四种分析方法。

描述性。描述性分析是报告的主干；没有它，就不会有商务智能工具和仪表盘。描述性分析解决了“多少、什么时候、在哪里和什么”的基本问题。此类分析方法还可以为接下来更复杂的分析类型奠定基础。 诊断性。诊断性分析有助于找到某件事情的起因。诊断分析通常使用两种独立的技术：“警报”和“查询和追溯”。查询和追溯技术可从报表中提取更多详细信息。例如，经理想要了解某位销售代表在某个月的交易为什么明显减少了，而追溯技术能够发现，这是因为该销售放了两周的假期，工作天数更少。预警则可以在用户查找潜在问题之前预先通知用户。例如，应用会向经理或分析师发送警报，提醒他们员工在指定期间安排的小时数较少，可能会降低成单量。 预测性。预测性分析可帮助零售商预测未来事件，一般采用假设分析的形式。例如，零售商可以了解到，如果卖方提供 10% 的折扣与 15% 的折扣，结果会有什么不同；或者根据一组可能的操作，预算库存什么时候会缺货。 规范性。规范性分析是一种结合了 AI 和大数据的分析方法，用于从预测性分析中获得可能的结果，并确定下一步操作。此类分析必须在前三种分析的基础上进行。通过利用 AI 和机器学习的新功能，规范性分析可为业务用户推荐操作方案来获得所需结果。例如，如果分析预测结果显示，某家企业将在冬季结束时遇到毛衣囤积过多的情况，那么规范性分析可能会根据以前的购买历史记录或交叉销售记录，生成向特定类型的客户提供目标折扣优惠的推荐方案。

时尚品牌如何收集数据？

时尚品牌可以从内部系统收集数据 (PDF)，这种数据称为第一方数据。同时，品牌还可以收集第三方数据，即来自数据聚合商的数据。第一方数据的来源包括：

销售点 (POS) 系统：零售商使用 POS 系统接收客户付款，支持现金或电子支付（信用卡/借记卡、电子钱包等）。企业还可以使用 POS 系统，收集数量有限的客户信息。现代 POS 系统可以使用商店忠诚度标识符（例如电话号码或忠诚度编号）将付款连接到客户。 客户关系管理 (CRM) 应用：CRM 系统会收集和管理客户及其与企业的关系的相关信息，包括联系信息、与企业代表的互动、采购、服务请求以及报价或计划书。CRM 系统可帮助企业与客户建立更牢固的关系。该系统有助于销售人员及其经理更好地执行任务，例如针对某个时间联系了多少客户生成报表，以及预测他们进行交易的可能性。时尚品牌可以使用 CRM 来管理有关客户基本特征的数据，包括位置、购买偏好、周期和终身价值。 客户体验 (CX) 应用：与 CRM 相比，CX 系统更加全面，而不仅仅是可以收集和编译有关客户及其与企业交互的信息。这些应用可帮助销售人员和服务座席提供优惠，并启动营销活动和线上广告。一般上，CX 系统旨在帮助企业跟踪与客户互动的全过程，包括从与客户首次建立关系，到向客户进行销售，再到客户获得服务和相关支持或迈入新的销售周期。 企业资源计划 (ERP) 应用：通过 ERP 系统，企业可以为客户开单并收取付款，跟踪生产和库存，管理与供应商的交易，执行风险管理和合规性活动，并维护总账。完整的 ERP 套件还包括企业绩效管理软件，该软件可帮助团队针对企业的财务结果进行规划、预算、预测和报告。这些 ERP 系统将大量流程联系在一起，并支持这些流程之间的数据流动。通过从多个来源收集企业的共享事务数据，ERP 系统可以消除数据重复问题，并通过一个可审计的信息源确保数据完整性。 线上购物车：在电子商务中，线上购物车不仅可以接收订单并收取付款，还可以跟踪客户浏览过但决定不购买的商品。这创造了一个特别成熟的数据源，适合运行机器学习和其它 AI 算法，从这些被遗弃在电子购物车的商品中发现趋势，了解客户为什么没有购买这些商品。 忠诚度计划：通过给客户一个每次购物时都可以使用的忠诚度编号，零售商就可以在任何渠道（线上、电话、目录、面对面）跟踪客户。由于能够获得促销、折扣和其它财务和非财务奖励，客户会更有动力使用忠诚度编号。而作为交换，企业也可以更好地了解客户的需求和偏好。例如，忠诚度计划会员可以通过填写调查问卷或在消费超过一定金额后，获得优先购买新产品的资格。例如，广受 Z 世代消费者欢迎的美妆品牌 e.l.f. Cosmetics 推出忠诚度计划，只要会员创建内容、提供反馈以及为竞赛投票，就可以获得奖励。会员可以赚取积分，然后用积分兑换现金、礼品卡等。 客户通话日志：企业可以使用 AI 来查看客户通话日志，识别需要重点关注的问题领域（例如反复出现的产品故障问题），并通过分析语气、用词和其它指标来了解客户情绪趋势。 在线聊天日志：企业还可以使用 AI 来分析聊天日志，了解客户为什么与他们联系、是感到不满还是高兴，所有这些信息都可以用于改善未来的服务。

如何在时尚业中使用数据分析？

时尚分析是时尚公司必不可少的工具，有助于了解消费者的行为、计划和设计系列、管理库存、预测趋势、定位购物者等，并根据数据而不是直觉做出决策。通过利用时尚分析，时尚零售商和设计师可以获得竞争优势，提高销售额，提高利润率，并通过个性化来充分提高客户满意度。下面是一些时尚分析的应用领域。

产品组合规划和设计：经过精心规划和设计的系列，对于在竞争激烈的时尚业中取得成功至关重要。时尚分析提供了对新趋势的洞察，让时尚零售品牌能够创建吸引对的购物者的系列。通过分析，时尚分析师可以深入了解广泛的颜色、风格、合身度和配件等领域的趋势，帮助企业做出采购决策。 库存管理：通过时尚分析，企业可以跟踪产品的绩效，从而规划相应的库存。企业可以有效管理库存水平以满足客户需求，避免热销商品缺货和不受欢迎的商品过度折扣。 趋势预测：时尚分析可提供对当前和未来趋势的洞察，与系列的规划和设计息息相关，能够帮助时尚企业创建符合购物者当前喜好的系列。 消费者定位：时尚分析可帮助企业向更容易接收产品和营销信息的购物者提供产品。时尚企业可以利用趋势预测，根据流行风格打造一个系列，并利用消费者定位，将对的商品推荐给对的客户，以此提升销售额。 销售预测：通过利用时尚分析提供的洞察，企业可以更准确地预测销售情况，进而提高销售额并减少打折出售或清算库存的需要。根据 Oracle 的研究发现，做好预测尤其重要，因为消费者可以选择要在哪里购物，并且可能会放弃缺货的零售商。63% 的消费者表示他们不会等待补货，而是直接切换品牌。 数据驱动的决策：时尚分析可为客户行为和偏好提供有价值的洞察，使企业能够做出决策，从而提高销售额和利润，在做出决策时更多地利用数据而非猜测。 个性化：时尚分析可帮助企业打造个性化系列和营销内容，有效满足客户需求，从而提高满意度和销售额。

了解管理采购、配送、订单履行和财务关账究竟有多简单。

时尚分析师的作用

时尚分析师负责确保商家和计划员能够获得有关时尚趋势的准确数据，并就如何针对特定风格进行采购、要在哪里销售商品以及如何定价等提供咨询服务。时尚分析师主要分析企业近期的结果和经验以及竞争对手的结果。时尚分析师还会密切跟踪社交媒体数据，以了解人们正在观看和分享哪些内容。时尚分析师需要整合和清理来自所有这些来源的数据，并将其转化为有价值的故事或趋势，有助于了解做出产品、购买和促销决策的行为。

时尚分析的六个阶段

时尚分析是收集和分析与服装风格、趋势和消费者行为相关的数据的过程，为时尚零售企业提供洞察力，助其更成功地打造自己的产品系列并尽可能提高利润。时尚分析的过程由六个不同的阶段组成：发现数据、准备数据、规划模型、构建模型、传达结果和实施结果。

发现数据涉及研究和收集与时尚零售相关的数据，包括确定哪些数据源可用、找到更相关的数据源以及了解如何使用这些数据源。 准备数据包括清理、构造和格式化数据以供分析。该阶段涉及了检查错误和异常值、填写缺失值以及将数据转换为适合分析的格式，以此准备好数据，供统计模型使用。此过程包括确保数据在所有数据源上使用一致的标签，以便数据不会被分析引擎复制或误解。 规划模型阶段需要确定哪个统计模型更适合用于分析，并选择模型的输入和输出内容。 构建模型涉及构建、测试和运行统计模型以及分析结果。 传达结果以创建报告为主，这些报告包含了结果的视图和总结，将会以更有效的格式呈现给利益相关者。 实施结果是一个充满挑战的阶段，因为它需要将分析结果转化为切实可行的洞察。这一步骤侧重于制定实施分析结果的策略和计划，并将洞察化为行动。

时尚分析的优势

时尚分析可以帮助企业在关键问题上做出更好的决策，例如要在商店中引入哪些款式和颜色商品，库存要保持在什么水平才能避免缺货或库存过剩，以及哪些促销活动具备更高的利润率和收入。时尚分析还可以推荐有针对性的促销，帮助企业促进与客户的互动。

以下例子说明了一些时尚分析的优势。

避免缺货情况。时尚分析可以帮助零售商为对的渠道购买更多对的产品库存。如果购物者不满意所提供的产品选项，或者想要购买的商品缺货，他们就会快速切换品牌和零售商，转向另一个网站或另一家实体店。 充分解锁盈利能力。分析可以帮助时尚企业设定商品价格，尽可能增加收入，并减少过季折扣的需求。 识别合适的渠道。时尚分析可以帮助企业确保人们在看到合适的营销信息，以及帮助零售商确保自己使用有效的销售渠道，无论是线上还是线下。

时尚分析的挑战

好的数据可以帮助企业高管取得更好的业务成果，而不正确的数据则可能会使分析模型得出错误的结论，加速生成错误的决策。只用使用好的数据，分析工具才能给出对的结果。“垃圾进，垃圾出”(GIGO) 这句话就总结得很到位。以下是一些潜在问题的例子。

有问题的数据。过期的客户数据可能会导致零售商错失商机或向客户提供不合时宜的优惠，比如客户年龄已经不适合某种特定的潮流或时尚类别。 数据管理不一致。数据标签缺乏一致性可能会导致数据解释不正确。当企业采用不同的技术供应商所提供的 POS 系统、商品运营、库存管理以及其它信息技术领域的产品时，通常会出现数据管理不一致的问题。这是因为不同的供应商对颜色、尺码、合身程度和折扣等内容有不同的代码。 不完整的数据。利用整个企业的所有系统，尽可能全面地了解购物者的数据，这是一件很难但至关重要的事情。随着客户与企业的互动越来越多，客户数据会被输入到各种系统中，包括呼叫中心日志、账单记录和忠诚度卡应用等。所有这些数据点都可以帮助企业创建丰富的客户画像，为分析提供信息，进而为销售人员提供洞察。Neiman Marcus 前商品计划员 Flinn 表示，除非拥有一个非常丰富的数据集来构建这些分析，否则企业将无法充分利用所有可用的分析能力。

时尚分析快速入门

时尚分析是迭代式的，每一步都建立在前一步的基础上。例如，一旦企业达到某个成熟的程度，分析师需要从描述性分析开始，了解业务绩效来确定预测性分析和规范性分析的目标。以下是开始使用时尚分析的一种可行流程。

首先，您确保对所使用的数据充满信心，并且不同数据源使用的是一致的命名规则和计数方法。例如，在整合美国和其它国家或地区的商店周围的天气数据时，必须统一采用摄氏度或华氏度。否则，您可能会得出在七月份向加拿大人出售雪地靴的结论。对数据源进行审查后，您可以开始生成包含描述性分析的报告，很好地了解上个报告期间发生的情况。然后，您可以进入诊断性分析阶段，解释某些事情为什么会发生。迈入预测性分析和规范性分析阶段时，您可能会需要先将查询限制在某个主题区域中，例如定价策略或库存水平，不能想着要一次性解决所有问题。

时尚分析的未来

随着时尚分析的不断发展，未来我们将看到成功的零售商迅速行动，除了使用描述性分析，还使用规范性分析来自动执行当今许多由人工处理的任务。更多的警报甚至响应决策都将实现自动化，让员工能够更快地响应需求变化。企业也能够更快地衡量其决策的影响，从而进一步改善决策。零售商还可以使用更多不同类型的数据（例如本地化天气）来更好地了解原因和影响，并更有效地预测需求 (PDF)。越来越多的零售商会把机器学习和其它 AI 技术引入分析中，帮助他们考虑比以前更多的因素和选项。

通过数据驱动的决策支持企业发展

像 Oracle 这样的云技术平台将为更多的企业提供复杂的业务应用，包括利用 AI 和机器学习的分析工具。Oracle 的时尚分析解决方案内置 AI 和机器学习功能，可帮助企业提供合适的产品，同时以尽可能提高销售量和利润的方式为产品定价，从而保持客户满意度和忠诚度。

全球时尚零售集团使用 Oracle Retail 技术来简化跨部门流程、推出新品牌并扩展到其它地区。零售商使用 Oracle Retail Demand Forecasting Cloud Service 充分提高预测准确性并自动执行处理任务，让员工可以将更多时间用于为客户服务。零售商还可以使用 Oracle Retail 计划和优化解决方案，确保门店售卖时下流行的产品，并做出明智的定价决策，减少影响利润的降价情况。

如今的时尚业比以往任何时候都更加竞争。社交影响者越来越多，导致品牌难以预测趋势，在竞争中脱颖而出，并保持客户的忠诚度。与此同时，时尚分析工具也越来越强大，可发现新兴的流行趋势和已经过时的趋势，并指导零售商挑选和采购正确的商品组合。从时尚购物者和时尚公司投资者的角度来看，采用时尚分析工具的企业与不采用这些工具的企业，两者之间的差距将会越来越明显。

时尚分析的常见问题解答

时尚数据科学家是做什么的？
时尚数据科学家主要帮助时尚行业的企业从各种来源收集相关数据，并确保数据被准确且一致地标记，以便算法可以使用这些准确反映现实的数据。然后，时尚数据科学家会编写报告，将结果传达给利益相关者，帮助企业了解他们针对数据进行查询后所得出的结果。

时尚预测是一种工作吗？
是的。时尚预测人员在零售企业工作，主要使用时尚数据分析，帮助企业做出关于创建季节性产品系列和库存管理的决策。

AI 和机器学习在时尚分析中扮演着什么角色？
基于云技术的现代分析引擎使用 AI 和机器学习来帮助商家和其他零售高管整理大量数据，发现趋势并获得推荐方案。这些引擎可以帮助企业决定要采购什么时尚单品以及如何定价，将数据科学用于传统上更像是“直觉”的决定。

零售商如何使用时尚分析？
时尚分析可以帮助企业做出更好的决策，例如要引入哪些款式和颜色商品，库存要保持在什么水平，以及哪些促销活动能够带来更高的利润率和收入。

网址：How Data Analytics Informs the Fashion Industry https://mxgxt.com/news/view/150976

上一篇: 时尚集团《2021年中国时尚产业

下一篇: 【观点】时尚行业大数据：从搜索大