Elie Tahari，一家高檔女式時裝品牌和零售的連鎖企業，總能找準它的顧客想要的風格。
並非依靠魔術，也沒有水晶球。這家零售商依靠的是科學的 數據挖掘的預測分析，利用技術來預測它在Nordstrom及其他高端零售商店上的市場需求。該工具從一個不斷更新的數據倉庫中獲取數據來預測每週要送到每一家商店的貨品，直至每一個銷售地點上以滿足需求的式樣、顏色和尺寸。
“它能保護客戶的利益，確保他們訂購的任何款式或顏色的貨物都有現貨，但同樣也保護了我們不至於過度生產，” Elie Tahari公司的商業應用系統負責人Nihad Aytaman說。
在過去的十年中，分析已在時裝零售業有了不可磨滅的印記，有助於一切從預測最好的價格和減價策略到預測產品在每一個地點的顏色和尺寸的正確組合。有一個關鍵區域，在這一關鍵區域Elie Tahari和許多其他的零售商以及設計師仍然未使用預測分析：下一季的新款式的選擇。
但由於新技術的出現，在這方面可能會有所改變。
“也許扎染將會流行或粉色系列會成爲主打風格。這些是商家經常要做出的決定，但是，它可以在複雜算法的協助下完成，這樣的算法能指出商家可能會錯過的模式,” 零售業諮詢公司Cathy Hotka Associates 的負責人Cathy Hotka 說。
預測分析工具，主要依靠歷史數據針對任意給定的產品做出未來需求的預測，在對反覆無常的時裝界的預測上也能發揮作用。但現在，挑選時裝贏家的最熱區域處於分析和社交媒體的交叉點上。
當預測分析可以幫助鑑別出時裝的勝出者時，大多數商家使用技術的目的並非如此，有兩個原因：不像可以轉入或簡單地在下一季重複的產品，新的時裝款式沒有預測分析工具做出預測所需要的歷史銷售數據，而零售採購也提防讓科學干撓其挑選時裝勝出者的藝術。
“我們目前的情況是，主要款式是由商家在與設計師的討論中挑選出來的，他們所呈現的產品受到趨勢和市場上正在流行的產品的啓發，” Gap公司的一位發言人Louise Callagy說。但是Gap公司期望分析在未來能扮演更重要的角色。“儘管它還處於早期階段，我們從早期的全球在線銷售和在某些市場上運用分析，以幫助我們在商店銷售的預測上做出更好的解讀，”她說。
高價值的遊戲
“計算機輔助的時裝預測是大家都在談論的事情，” Doneger集團的創意總監David Wolfe說，Doneger集團使用豐富的經驗和洞察力這樣舊的方式預測時裝潮流。但對於商家和時裝設計師來說，這是一個高風險的決定，而且不是一件容易的事。時裝零售商寄於他們的財富於經驗、直覺和一些精英採購的本能。對於較小的零售商, 沒有運氣的採購對底線的影響可以是毀滅性的。
“服裝業是一個非常善變的行業。如果你錯過了一季，你可能會破產，” Aytaman說。大多數採購就是不相信技術來做這項工作。所以他們轉向像Doneger集團這樣的諮詢公司來預測什麼顏色和款式會流行，而什麼會過時。反過來說，那些洞察力是基於經驗、直覺和對設計師和時裝表演的定期訪問。
額外的壓力是消費者市場的分散性和購物者們不願意接受直接來自天橋或由設計師和零售商選擇的款式的事實。根據IBM的一份調查，目前只有19%的消費者會聽從製造商或零售商的安排。現在的消費者傾向於和他們的同伴一起做出自己對時裝的決定。時裝界比以往任何時候都更加需要聆聽客戶的心聲。
風格的元素
Aytaman說，利用預測分析預測時裝流行趨勢的問題是，可以輸入模型的歷史數據的數量與預測變化的準確性成正比。所以當Elie Tahari使用分析來確定比如它的業務單位一年又一年變化並不太大的市場需求的時候，它沒有使用技術來挑選更多季節性，以時尚爲目標的項目，比如女裝和運動服裝。
“ 我們沒有積累足夠的歷史數據來真的完成這樣的事情,”他說。
雖然一種新的設計的確可能沒有歷史推論來建立成功模型，商家可以打破描述一個特定時裝的從顏色到領口尺寸的一切關鍵屬性，並在此之上執行一種迴歸分析。換句話說，商家可以在描述新款式的所有變量之上進行統計分析，如果歷史數據是可行的話，就可以預計這些項目是否會很流行。
“利用數據屬性和補充你認爲的流行趨勢的屬性，會非常的前沿，” SAS的一位負責產品管理的零售解決方案的高級解決方案專家Saurabh Gupta說。他說，雖然可能沒有足夠的歷史數據爲每一個屬性生成模型，一些時裝元素卻是有可預測的週期的。“一種顏色至少可以流行一年，而你可以從中獲得洞察力,” Gupta說。
而零售商可以用諸如某些類型的紡織品對採購的吸引力越來越少這樣的知識提高模型。“它會帶來了額外的證據，而不是關鍵的屬性，” IBM預測分析全球零售領域的領導Colin Linsky說。但是在時裝界分析預測的真正價值不僅僅在於它能挑選贏家，Linsky說。“它在原因上也給了一個強大的指示，而在做出銷售決策的時候弄清楚你應該做什麼是非常重要的,”他說。
另一方面，當一種新的時裝跟不上以前的模式，在有限的或沒有歷史數據的關鍵屬性時，或款式落入不同的市場，比如當一種款式從女裝轉移到毛衣時，預測分析也並不總是管用，一家通過在線和500多家商店銷售的大型時裝設計和零售商的首席信息官（CIO），在不透露公司和他的姓名的情況下說道（我們稱它爲Z公司）。
“有些人必須基於他們的知識建模，而那也是商家的藝術發揮作用的地方，”該首席信息官（CIO）說。“你還能在購買會議聽到，我們相信這將會成真。這永遠是科學與藝術之間的爭鬥。”
但這一切都不管用，他說，除非正確的系統正好對業務的各個部分一致地提供了同樣的數據。在Z公司，那意味着需要一個主數據模型和一個企業服務總線在子系統之間移動數據，並且在銷售渠道和獨立的採購之間分享數據。而最終的驗證需要在各個功能區的人的審查和批准，包括計劃分配、產品源以及財務，以及被商家批准。
“一天結束的時候，如果你沒有用於跨越整個企業的好數據，結果就不一樣,”該首席信息官（CIO）說。“這對預測系統是非常重要的。”
該首席信息官（CIO）的公司並不是唯一這樣做的零售商，但是據IBM的Gupta稱，這家公司是較爲領先的。 “人人都說他們理解屬性，但如何利用這些來預測需求卻不是很多公司做得很好的事情。”
挖掘社交智能
爲擴大傳統的分析，一些零售商和時裝設計師已在社交媒體互動上應用分析技術，以在時裝的走向和消費者對他們即將推出的設計的感覺方面獲得實時反饋。
社交分析在零售上正在改變格局，零售先知（Retail Prophet）研究諮詢公司的總裁Doug Stephens說。“我們正從一個由外而內的方法，轉向一個庫存和需求規劃以及產品開發都受到社交媒體驅動的世界，”他說。
在一個大型的創造自己的時裝的零售商，設計師使用一個迭代循環裏的反饋演變時裝元素，針對每一個最熱烈的用戶反應進行調整，一位匿名的IT主管說道。
第一洞察力（First Insight）提供了一種服務，通過讓消費者參加像在社交媒體網站上玩遊戲這樣一些活動測試他們對新的流行款式會做出如何的反應。“這款應用程序可用於少有歷史數據的高檔時裝，”該公司的首席執行官（CEO）Greg Petro說。第一洞察力（First Insight）詢問用戶對別人爲測試的產品付款的想法並測量他們對於產品的一般情緒。
造成與焦點小組的結果不一樣的是，第一洞察通過用已知結果的產品播種活動來決定參與者響應的“預測的相關性”。它檢查了他們的預測與在那些物品上實際發生的情況的匹配度如何，給每個用戶賦予一個加權預測值，在爲他們建立一種需要預測的時裝進行合併結果以預測贏家和輸家的時候，把這些值作爲因素考慮在內。
可交付成果不僅包括哪些產品將售出，還包括價格範圍的建議。這個應用程序對於預測很少或沒有留下歷史數據的消費者對高檔時裝的反應是特別有用的，Petro說。
Wild Things LLC ，一家軍用和高山服裝及相關工具的製造商，是第一洞察的首批客戶之一。目前在供應商顧問委員會的首席執行官（CEO）Ed Schmults說，他第一次使用這種服務爲一個企業標誌選擇了最好的樣式，而且用它測量了消費者對來年即將投放市場的它的新授權的Smith Wesson品牌的衣服款式的反應。
“我們的消費品絕對受時裝所驅動。我們想要了解客戶對產品、顏色、價格點的感受,”他說。“在降低風險方面，這是一個非常強大的工具。”
Elie Tahari考慮過第一洞察力的技術，而當Aytaman說它在技術上是“相當準確”時，它在商店的採購方面卻得不到任何結果。“儘管他們喜歡這個想法，但他們不相信它,”他說。
Gilt Groupe，僅在線爲會員提供快速銷售的高檔時裝，把SAS的傳統分析工具和來自一家創業公司的集體智能結合在一起使用，以預測哪種款式或品牌會成爲贏家。Stylitics，這個夏天發佈的一家社交網站，使用了和第一洞察力相似的方法，但它關注消費者的意圖和他們已經購買過的，而不是他們對別人對一種時裝產品或生產線的反應的想法，Gilt分析和研究的高級主管Tamara Gruzbarg說。
四年前，Gilt就清楚地知道其客戶的品味和品牌偏好。今天的客戶少了些對品牌的關注，所以Gilt依靠預測分析幫助採購理解將要售出的東西。但是，Gruzbarg提醒道，你必須要知道你在找什麼。“分析工具和你用於說明的數據一樣的好，理解最相關的信息是什麼,這是至關重要的,”她說。
Attensity的預測分析主管Manya Mayes說，文本分析正用於如Storify這樣的社交媒體網站提供的數據，它讓在線用戶在他們喜歡的服裝上創造他們自己的視覺故事。“分析能識別出哪些服裝組合是最常放在一起的，哪一種是他們要購買的，”她說。
商人也在挖掘“時裝捕獲”視頻，青少年在視頻中炫耀他們在購物中心買的貨物並說出對於貨物堅定的意見。一些時裝捕獲帖子大量的傳播，在第一週內就有多達100萬的點擊量，IBM的全球零售副總裁Jill Puleri說，他引用名爲Blair Fowler， Ellie 和 Fiona的視頻。 “這是你可以輸入到你的趨勢模型中的事情,”她說。
Schmults說，預測分析降低了選擇時裝的整體風險，讓商業可以爭取一些機會。“藝術是給消費者介紹一些他們之前不會想到的東西,”他說。
Crowdcast在集體智能上提供了一個不同的角度。它的服務讓企業中的員工，如採購、店鋪經理或僱員，將虛擬貨幣投注在哪些產品將會勝出上。
“幾個商家的集體智能通常比一家的單獨估計要好，”互聯網數據中心（IDC）的一位分析師Greg Girard說。在Crowdcast模型中，當參與者正確時，他會贏得更多的錢，讓他們可以投入更大的賭注，當所有的結果都歸納時，可以給予它們更大的權重。他說，通過這種方式，一羣採購者都可在這一季的服裝市場上投注。
到目前爲止，絕大多數用戶都是製造商，他們利用工具來預測何時對產品發貨或產品的銷路如何，但Crowdcast更傾向於時裝零售商。“當你只有很少的數據要做出重大決策時，那正是你可以從集體的專業智能那裏受益的時候，”該公司的創始人和首席執行官（CEO）Mat Fogarty說。
時機是另一種挑戰。Z公司的首席信息官（CIO）說，並不足以知道一種時裝元素進行一個流行趨勢的關鍵點。零售商需要知道那些趨勢什麼時候會流行起來。Z公司採用羣集的資源和類似於第一洞察力和Crowdcast所提供的集體智能工具。但它也在商店和通過它的電子商務渠道進行試銷，然後將結果輸入到它的數據倉庫，在那裏它被作爲它的預測模型引擎的額外輸入使用。
“預測分析不改變我們經營業務的方式，”該信息執行官（CIO）說。“它所做的是使流程更加合理化，這樣我們才能更善於分析。”
總結
IBM的Linsky說，來自社交媒體分析的印象和洞察力可以輸入到傳統的預測分析引擎模型中，提供另一種輸入以幫助確定時裝的贏家。Petro說，第一洞察力的數據能符合預測分析中的數據模型。“這只是一種映射,”他解釋道。
更進一步，社交分析可以將商家的工作重塑成“社交商人，”Girard說。但是現在，使用分析，社會或其它，來選擇時裝的贏家仍然是一個前沿市場，有許多零售商仍在旁觀，商家和設計師還不能完全接受這種觀點，而且每個人都等待第一個巨大成功的故事。
至於文化上的阻力，Petro認爲，技術會逐步讓商家所接受，當他們看見結果並弄清工具適用的地方時。預測分析並不是代替人的判斷，他說:“它是駕駛艙裏的一個儀器，而不是代替飛行員他們自己。”