E-commerce

Size & fit recommendation, una soluzione smart per le taglie nell’e-commerce

Sfruttando la grande quantità di dati disponibile e l’evoluzione dei sistemi di elaborazione e dell’intelligenza artificiale si possono creare strumenti in grado di ridurre sensibilmente il numero dei resi, aumentando la soddisfazione del cliente

27 Apr 2020

Leonardo Raineri

Innovation manager Gruppo Miroglio

Trovare la giusta taglia quando si compra un capo d’abbigliamento è da sempre uno degli elementi “sensibili” del processo d’acquisto. Mentre in un negozio tradizionale il tutto si risolve con una più o meno lunga sessione di “prova”, negli acquisti online questo aspetto si è rivelato particolarmente critico. Comprare qualcosa senza poterlo provare è sicuramente una barriera importante all’acquisto e il solo vedere il capo d’abbigliamento in fotografia (indossato da una modella o meno) non risolve certo i numerosi dubbi. Se a questo aggiungiamo che il concetto di taglia è di per sé piuttosto astratto e non esiste un vero e proprio standard universale, le difficoltà aumentano. Per la medesima persona si possono avere taglie con denominazioni diverse a seconda della regione (US, UK, ITA, 42, 44, L, XL ecc.), ma soprattutto ci possono essere variazioni sensibili tra un brand e l’altro.

Le soluzioni adottate finora nell’ecommerce

Premesso che nessuna soluzione può sostituire completamente una prova “fisica” del capo d’abbigliamento, quali soluzioni hanno adottato i brand?

Fin da subito, la maggior parte dei siti di e-commerce ha affrontato il problema con le “classiche” tabelle nelle quali incasellare le proprie misure. Il fatto è che, oltre alla innata complessità di alcune di queste tabelle, districandosi tra le diverse colonne e righe non è sempre semplice trovare un risultato finale che soddisfi tutte le misure introdotte.

Esempi di tabelle taglia utilizzate sui siti di e-commerce

La politica dei resi gratuiti va di certo ad alleviare la questione ma, in un certo senso, si tratta di una condizione di favore fatta al consumatore più che una soluzione al problema. In sostanza, come brand mi rendo conto di non riuscire a metterti in condizione di trovare la taglia giusta e allora ti facilitò l’eventuale correzione dell’errore commesso. È un ripiego.

I consumatori, a loro volta, hanno escogitato soluzioni pragmatiche che vanno dall’ordinare taglie diverse dello stesso capo d’abbigliamento, per poi restituire quelli della misura non giusta (alcune aziende propongono e promuovono direttamente questo escamotage), al classico “provo in negozio-identifico la taglia-ordino in internet”.

Non sempre è però possibile o conveniente recarsi in un negozio fisico a fare questa “prima prova identificativa”, per cui, se il brand non ha uno store fisico vicino al cliente, la vendita è probabilmente perduta.

Una soluzione basata sull’intelligenza artificiale

Nota: quelle che andremo ad analizzare sono soluzioni rivolte ad identificare la vestibilità e la taglia e non motori di raccomandazione destinati a fornire suggerimenti/abbinamenti di stile.

L’esplosione dell’e-commerce nel settore abbigliamento (trainato da grandi colossi come Amazon, Yoox, Zalando), combinato alla disponibilità di nuove tecnologie sempre più raffinate, semplici da usare ed accessibile, ha dato un forte impulso alla ricerca di nuove soluzioni per affrontare il tema dell’acquisizione delle misure online.

Questa rapida proliferazione di soluzioni ha dato vita a innumerevoli progetti che affrontano il tema con approcci differenti e ricorrendo a tecnologie estremamente diverse tra loro.

Con una semplificazione possiamo dire che le soluzioni per l’identificazione della giusta taglia lavorano seguendo un processo a tre fasi:

  1. input – l’acquisizione delle misure antropometriche (le misure del corpo);
  2. elaborazione – l’elaborazione delle suddette misure che vengono correlate ai capi d’abbigliamento e conseguente identificazione del suggerimento;
  3. output – modalità di visualizzazione del suggerimento da parte del cliente.

Come vedremo successivamente, la fase di input è, nel tempo, andata ben oltre l’acquisizione delle sole misure antropometriche, mentre la fase di elaborazione dei dati è diventata sempre più l’elemento centrale e distintivo delle soluzioni proposte.

Entriamo nel dettaglio della fase input, primo step di queste le soluzioni.

Fase input: acquisizione dati (essenzialmente misure antropometriche)

Quando parliamo di “acquisizione delle misure antropometriche” intendiamo tutte quelle soluzioni (tecnologiche o meno) che permettono di identificare determinati parametri del corpo umano (altezza, circonferenza spalle, busto, vita, cavallo ecc.).

Gli approcci a questa fase di input delle misure sono molteplici ma, per semplificazione, le possiamo classificare in tre gruppi di cui analizziamo pro e contro.

Soluzioni non digitali: il metro da sarto

Sembrerà banale e non particolarmente innovativo, ma acquisire queste misure con il classico metro da sarto è una soluzione semplice e comune che fa ampiamente il suo dovere.

Pro

  • Le modalità di utilizzo sono ben conosciute (anche se è comunque necessario un minimo guida/tutorial su come identificare i punti del corpo da misurare).
  • La probabilità di averlo a disposizione a casa sono alte e comunque il prezzo d’acquisto è estremamente contenuto.
  • Fornisce misure sufficientemente esatte.
  • Non ci sono particolari limiti al tipo di misure da acquisire (lunghezze, circonferenze).

Contro

  • In alcuni casi richiede l’aiuto di una seconda persona per acquisire le misure in modo agevole e corretto.

La scansione 3D

Grazie all’utilizzo di particolari scanner è possibile digitalizzare la forma di una persona. Con questa tecnologia è possibile creare dei veri e propri avatar che riproducono fedelmente in tre dimensioni le forme, le misure ed in certi casi, anche l’immagine dell’individuo.

Gli scanner, una volta solo di grandi dimensioni, sono oggi disponibili anche su più piccoli device brandeggiabili (della dimensione di un IPAD o smartphone).

WHITEPAPER
Digitalizzare il manufacturing: dati, spunti ed esempi concreti
Digital Transformation
IoT

Pro

  • Permette l’acquisizione di misure estremamente dettagliate e precise e la creazione di avatar anche in altissima definizione.
  • Riesce a fornire innumerevoli misure con una sola scansione.
  • Effetto WOW!

Contro

  • Necessita di un attrezzatura adeguata alla scansione.
  • Richiede l’apporto di personale qualificato oppure il possedere una certa dimestichezza nell’utilizzo di strumenti digitali.
  • Alcune persone potrebbero avere l’errato timore che la scansione 3D possa essere in qualche modo dannosa per la salute, creando una similitudine col body scanner da aeroporto. Parliamo ovviamente di tecnologie differenti, ma il “percepito” del cliente è elemento da considerare comunque con attenzione.
  • Qualcuno potrebbe percepirlo come particolarmente invasivo della propria privacy. Mi vedranno senza vestiti? Cosa ne farà l’azienda delle immagini del mio corpo? Le venderà? Finiranno su internet?

Estrapolazione da immagini

Negli ultimi anni sono emerse soluzioni che riescono ad acquisire le misure del corpo utilizzando una o più fotografie della persona interessata abbinate ad parametri di misura dichiarati. In sostanza si tratta di farsi scattare un immagine della propria figura e dichiarare, ad esempio, la propria altezza. Grazie a questo parametro conosciuto è possibile ricavare anche le altre misure del corpo in modo più o meno attendibile.

Queste soluzioni nascono per essere facilmente utilizzate sullo smartphone dell’utente.

Pro

  • Il fatto che funzionino sugli smartphone degli utenti rende queste soluzioni molto accessibili.
  • L’esperienza di utilizzo è divertente.

Contro

  • Le misure ricavate sono piuttosto approssimative, soprattutto se prese indossando capi non aderenti. Un altro elemento che a volte concorre a produrre queste imprecisioni (ma che alcuni hanno già risolto) è dovuto alla mancata correzione della prospettiva a seconda della distanza e della posizione dalla quale si scatta la fotografia.
  • Richiedendo comunque una propensione all’utilizzo di app, è adatta ad un pubblico prettamente “digitale”.
  • Funziona tendenzialmente tramite smartphone, per cui l’integrazione all’interno del percorso d’acquisto su desktop potrebbe risultare complicata.

L’evoluzione della fase “input”. Non più solo dati antropometrici

Occorre fare un’importante considerazione: tutti gli approcci visti in precedenza per l’acquisizione delle misure antropometriche (tramite metro da sarto, scansione 3D, estrapolazione da immagini) forniscono delle informazioni che, per quanto precise (anche al millimetro), paradossalmente non sempre sono sufficienti a suggerire il capo d’abbigliamento corretto. Lo sarebbero nel caso di un acquisto di una muta da sub o comunque un vestito “a pelle”.

Questo perché, quando si compra un capo d’abbigliamento interviene un fattore estremamente soggettivo, la “vestibilità preferita”. In sostanza, al di là delle fredde misure antropometriche acquisite, ogni persona ha diverse preferenze su come un capo deve vestire/cadere sulla propria persona (più o meno aderente, ampio, fasciante, sciancrato, comodo ecc.).

Pensiamo, ad esempio, quante tipologie di vestibilità diverse (a parità di taglia) possiamo scegliere quando acquistiamo un paio di jeans. Occorre, quindi, andare oltre il concetto di “size recommendation” e parlare di soluzioni atte a individuare il “best fitting”. Proprio con l’obiettivo di ottenere dati utili ad alimentare gli algoritmi di recommendation e elaborare un più preciso suggerimento di vestibilità, alcune soluzioni hanno ampliato notevolmente la tipologia di informazioni richieste includendo, ad esempio, dati relativi ad altri vestiti di cui si è già in possesso. Vediamo come.

Altri vestiti già in possesso

Oltre alle misure antropometriche, come principale informazione richiesta (fase input) queste soluzioni richiedono di indicare brand e taglia di un capo d’abbigliamento (della stessa tipologia di quello che ci accinge a comprare) di cui il cliente è già in possesso e con il quale “si trova bene” dal punto di vista della vestibilità. Esempio, sto per comprare una giacca del brand X, indico una giacca (marca, taglia) che ho già e che mi piace come veste su di me. Queste informazioni consentono di integrare con ulteriori dati i complessi algoritmi alla base dei motori che suggeriscono il best fitting.

Pro

    • È un metodo per il cliente molto semplice e che si può fare in modo autonomo.
    • Fornisce un dato sulla vera vestibilità preferita dal cliente non necessariamente dipendente dalle misure antropometriche.

Contro

    • Per funzionare al meglio necessita di una importante quantità di dati da parte del fornitore del servizio di best fitting.
    • I brand potrebbero non essere favorevoli a veder citare brand concorrenti all’interno del percorso d’acquisto sul proprio e-commerce.

Fase elaborazione dati

Fino ad ora abbiamo passato in rassegna varie possibili modalità di acquisizione di dati (fase input), ma il vero cuore delle soluzioni di size recommendation/best fitting è la fase di elaborazione dei suddetti dati utile a formulare e fornire il miglior suggerimento di taglia/vestibilità possibile.

Alcune delle soluzioni al momento più interessanti si basano sulla creazione di un profilo personale univoco che accompagna il cliente sia negli acquisti online che in store. Una sorta di carta di identità personale con a bordo informazioni sulla propria vestibilità.

Gli algoritmi alla base di queste soluzioni combinano tra loro diverse informazioni tra cui, a titolo esemplificativo:

  • dati antropometrici del soggetto (altezza, peso, spalle, vita, shape ecc.);
  • dati relativi agli acquisti passati (capi tenuti o resi, feedback ecc.) che il soggetto ha fatto su diversi e-commerce che adottano la medesima soluzione di best fitting;
  • dati (capi tenuti o resi, feedback ecc.) dei “body double”, coloro che hanno misure antropometriche simili a quelle del soggetto cliente e/o che hanno fatto acquisti simili a lui;
  • specifiche tecniche/misure dei capi d’abbigliamento fornite dall’azienda.

Fase output. Modalità di visualizzazione del suggerimento da parte del cliente

L’ultimo step nel percorso delle soluzioni di size recommendation/best fitting è relativo ai metodi con cui il suggerimento di vestibilità/taglia viene comunicato e reso visibile al cliente.

Tra le diverse modalità utilizzate citiamo le soluzioni:

  • “testuali”.
  • che utilizzano un avatar virtuale
  • di realtà aumentata.

Andiamo ad analizzarle brevemente.

Visualizzazioni “testuali” (senza avatar)

Immagini 1 e 2. Esempi di visualizzazioni suggerimenti in forma “testuale

Le soluzioni senza avatar si basano su tabelle taglie, grafici, frasi o suggerimenti alfa-numerici (vedi immagini 1 e 2).

Pro

    • Semplicità e immediatezza nella fruizione da parte dell’utente.
    • Semplicità di gestione da parte delle aziende.

Contro

    • Percezione meno realistica della vestibilità.
    • Impossibilità di vedere abbinamenti (outfit) di capi differenti.

Visualizzazioni con avatar

Immagini 3 e 4. Esempi di visualizzazioni suggerimenti con avatar.

Per avatar virtuale si intende una rappresentazione virtuale 3D (ma in alcuni casi particolari può essere in 2D), più o meno realistica, della figura del cliente. In sostanza un manichino virtuale creato dall’utente una prima volta inserendo le proprie misure antropometriche (vedi immagini 2 e 3).

Si tratta di soluzioni dall’alto potenziale e abilitanti quello che viene definito “virtual fitting room”, un camerino virtuale in cui provare i capi d’abbigliamento senza necessariamente recarsi in negozio. Parliamo di tecnologie già testate ma che, ad oggi, soffrono ancora di elementi di criticità che ne hanno rallentato lo sviluppo. Uno su tutti, per funzionare necessitano la disponibilità dei capi d’abbigliamento in formato file 3D, elemento che ancora poche aziende d’abbigliamento hanno implementato in forma diffusa.

Pro

    • Comprensione più immediata e realistica di come un capo d’abbigliamento potrebbe vestire sulla propria figura.
    • Possibilità di avere avatar con misure estremamente accurate e personalizzate.
    • Possibilità di vedere abbinamenti (outfit) di capi differenti.
    • Effetto “wow!”.

Contro

    • Necessità di avere tutti i capi della collezione in 3D.
    • Possibile disagio nel vedere in un avatar esplicitate le proprie forme e fattezze.

Visualizzazioni in realtà aumentata

Immagini 5 e 6. Esempi di visualizzazioni in realtà aumentata.

Con una forzatura, tra le soluzioni di visualizzazioni abbiamo inserito anche quelle che si basano su realtà aumentata, lo facciamo perché vi sono differenti progetti che ne fanno ricorso. Si tratta di soluzioni che prevedono la sovrapposizione virtuale di un capo d’abbigliamento (2D) alla figura/immagine del cliente (vedi immagini 5 e 6). Per intenderci, si tratta dello stesso principio utilizzato da alcune piattaforme social per consentire, tramite la videocamera del proprio smartphone, di sovrapporre immagini virtuali divertenti al proprio volto. Una evoluzione di quello che potrebbe essere fatto con un software di foto ritocco.

In realtà questo è un tipo di visualizzazione ha valenze prettamente “estetiche/visive” e non fornisce accurate indicazioni sulla reale vestibilità del capo d’abbigliamento.

Utilizzando l’inglese per una miglior chiarezza, si tratta di soluzioni che rispondono più a “How it look on you”, piuttosto che a “Hot it fit on you”.

Pro

    • Esperienza divertente.
    • Utilizzo facile ed immediato.

Contro

    • Poche (o nessuna) indicazione sulla vestibilità, ma solamente sull’aspetto “visivo”.
    • Effetto “posticcio” ancora piuttosto evidente (ma in continuo miglioramento).
    • Necessita di avere immagini virtuali (2D o 3D) di tutti i capi d’abbigliamento.
    • Impossibilità di avere sovrapposizione di capi (outfit).

Conclusioni

Le vendite online sono notoriamente cresciute molto negli ultimi anni e il mondo dell’abbigliamento non ne è certamente rimasto escluso. Nonostante questo, oggettivamente comprare un capo d’abbigliamento su un sito di e-commerce non è altrettanto agevole come acquistare un telefono o un libro. L’efficacia e l’esperienza del touch and try garantiti dall’acquisto di abbigliamento all’interno di un negozio fisico sono ancora elementi estremamente importanti.

Come abbiamo visto, però, esistono ormai soluzioni, più o meno elaborate, che consentono di mitigare le criticità tipiche dell’acquisto di abbigliamento online. Si tratta di soluzioni che beneficiano della incredibile quantità di dati oggi disponibile e della forte evoluzione degli strumenti di elaborazione a cui stiamo assistendo in questi anni (pensiamo all’impatto dell’artificial intelligence). Elemento decisivo è poter misurare in modo oggettivo i benefici che queste soluzioni di size recommendation/best fitting possono apportare. La possibile diminuzione dei resi è sicuramente un dato facilmente quantificabile, ma dobbiamo considerare anche un altro dato potenzialmente di grande impatto, l’aumento della “confidenza” da parte dei clienti. Quanti consumatori, nel dubbio di ricevere un prodotto con una vestibilità non corretta e dover poi procedere al reso, non iniziano neanche il processo di acquisto? In questo caso, si tratta di un dato verificabile solamente dopo aver eseguito attente analisi di A/B test utilizzando alcune delle soluzioni di best fitting sopra citate.

WHITEPAPER
IoT Security: i fattori prioritari e i modelli da considerare nelle valutazioni dei rischi
IoT
Legal

@RIPRODUZIONE RISERVATA
R
Leonardo Raineri
Innovation manager Gruppo Miroglio
Argomenti trattati

Approfondimenti

E
ecommerce
I
impresa 4.0

Articolo 1 di 3