Мы снижаем риски
Рынок штормит. Покупатель экономит. Замороженные остатки растут. В этих условиях каждая ошибка в ассортименте стоит дороже. Мы помогаем фэшн-брендам принимать решения на основе данных — и ошибаться реже. Мы прогнозируем спрос на одежду по фотографии — задолго до производства. Оптимизируем ассортимент, размерные сетки и товарные остатки на основе рыночных данных.
Две главные проблемы, которые мы решаем
1. Произвели не то — товар не продаётся
Бренд разрабатывает коллекцию на основе интуиции и прошлого опыта. Через полгода выясняется, что спрос сместился. Остатки уходят в распродажу с маржой ниже себестоимости.
Наше решение: мы анализируем, какие визуальные характеристики одежды растут в спросе прямо сейчас — и какие будут расти через 6–18 месяцев. Прогнозируем спрос по эскизу или фотографии до начала производства.
2. Произвели не те размеры — часть товара зависла
Неправильная размерная сетка — одна из главных причин замороженных остатков в фэшн-индустрии. Бренд закупает размеры «по привычке», а реальный спрос распределён иначе.
Наше решение: у нас есть данные о продажах по размерам на маркетплейсах и антропометрические данные Росстата. Мы строим оптимальные размерные кривые для каждой категории и ценового сегмента.
Оптимизация размерной сетки на основе рыночной аналитики может ускорить оборачиваемость на 10–20% и сокращает нераспроданные остатки на 15–25%. В кризис — это разница между прибылью и убытком.
Как это работает
Ключевая технология — фэшн-атрибуты. Мы извлекаем из фотографий одежды 350 уникальных визуальных характеристик: силуэт, крой, длина, вырез, тип рукава, фактура ткани, принт, цвет, декоративные элементы и десятки других параметров.
Из этих атрибутов мы строим тысячи комбинаций для глубокого анализа: «Толстовка + Стритвир», «Вязаное платье + Платье с высоким воротом», «V-образный вырез + Приталенный силуэт» и т.п.
Это даёт нам единый язык для сопоставления разных источников данных: что показывают на подиумах, что носят инфлюенсеры в соцсетях и что реально продаётся на маркетплейсах.
Мы видим, как каждый атрибут проходит путь от подиума до массового рынка — и на каком этапе этого пути он находится прямо сейчас.
Какие данные мы используем
Рынок — что покупают
- Wildberries: 4 года данных, 140 млн товаров, все категории. По одежде из фотографий извлечены фэшн-атрибуты. Все товары (все категории, не только одежда) дополнительно сегментированы на 500+ тысяч ниш на основе поисковых запросов.
- Lamoda: 2 года данных, все категории. По одежде фэшн-атрибуты извлечены из фотографий.
- Поисковые запросы: WB, Ozon, Яндекс.Вордстат и др. — понимание интентов покупателей.
Тренды — что будут хотеть
- Мировые модные показы: 10 лет фотографий с подиумов — прогнозирование трендов на 6–12 месяцев вперёд.
- Соцсети: несколько лет данных — тексты, реакции, фотографии брендов и инфлюенсеров с извлечёнными фэшн-атрибутами.
- Street-style, кино и сериалы: фэшн-атрибуты из реальных образов — что люди носят на улицах и что видят на экранах.
Потребитель — кто покупает
- Базовые антропометрические данные (Росстат, ежегодно): рост, вес, талия, возраст.
- Доходы и демография (Росстат, ежегодно) — для анализа позиционирования и поиска незанятых сегментов.
Чем мы отличаемся от других
Большинство аналитических сервисов работают с ценами и остатками. Мы анализируем сам продукт — его визуальные характеристики.
Это позволяет:
- Прогнозировать спрос до производства — по эскизу или фотографии, а не по истории продаж артикула, которого ещё не существует.
- Видеть тренды раньше конкурентов — мы отслеживаем атрибуты от подиума через инфлюенсеров до массового рынка.
- Находить незанятые ниши — комбинации атрибутов, на которые есть спрос, но мало предложения.
- Сравнивать ассортимент с рынком — не по ценам, а по продуктовым характеристикам.
Форматы работы
- Готовые отчёты — аналитика трендов и рынка по категориям, регулярно обновляемая.
- Аналитическая платформа (в разработке) — самостоятельный доступ к данным по подписке.
- Индивидуальный консалтинг — анализ ассортимента, конкурентов и рыночных возможностей под задачи конкретного бренда.