Trendwatcherzy w każdym zakątku świata, raporty w postaci PDF, długie akapity, statyczne zdjęcia..,. tak jeszcze niedawno wyglądały raporty WGSN, jak i innych podobnych agencji. Jednak dziś sprawa ma się inaczej. Systemy analizy danych i sztuczna inteligencja dyktują, co będzie modne w kolejnym sezonie, miesiącu, tygodniu, w postaci interaktywnych dashboardów i wykresów. Bo kto jeszcze czyta raporty?
Agencje trendwatcherskie w dobie sztucznej inteligencji
Lata temu organizowałam wydarzenie, na które zaprosiłam wiodącą agencję trendwatcherską. Pamiętam, że gdy prelegentka przez nią wydelegowana miała przeprowadzić prezentację, uczestnicy zostali poproszeni o nie nagrywanie i nie publikowanie informacji z prezentacji w internecie (oczywiście kilka życzliwych osób podzieliło się z innymi fragmentacji prezentacji na stories). Na wielu slajdach znalazły się teksty i zdjęcia przewidujące makrotrendy, było bardzo interesująco. Ale w dzisiejszych czasach, w których użycie skrótu “AI” w kwartalnym sprawozdaniu może wpłynąć na powodzenie przedsiębiorstwa na giełdzie, taka prezentacja prawdopodobnie nie zainteresowałaby wielu osób. Dlaczego? Przyzwyczailiśmy się do uzyskiwania danych o trendach dynamicznie, wniosków i rekomendacji na różne perspektywy czasu, a najlepiej jeszcze wskazówek jak te dane pozyskać. Dziś taka agencja musiałaby przemodelować sposób działania. I z tego co wiem, tak zrobiła. A wszystko to za sprawą systemów do analizy danych i sztucznej inteligencji. Czyli, krótko mówiąc, postępu technologicznego.
Technologie wykorzystywane do analizy trendów mody
Ów postęp technologiczny miał miejsce przez lata, ale dopiero od 2022 roku przyniósł rewolucję. W tym miejscu muszę oczywiście pamiętać o (niegdyś) startupach, takich jak EDITED, które powstało w 2009 roku, i z którego korzysta (lub korzystało) wiele znanych marek, takich jak PVH, Harrods, Dr. Martens, Mango i tak dalej. Platforma ta, była jedną z pierwszych, które w szybkim czasie analizowały trendy i podawały je, niczym na tacy, designerom, kupcom i sprzedawcom. Dziś napędzany jest sztuczną inteligencją, bo to ona jest główną bohaterką rewolucji w trend forecastingu.
Zacznijmy od podstaw. Zajrzyjmy AI pod maskę. O jakich dokładnie technologiach piszę?
Przede wszystkim o uczeniu maszynowym (ang. machine learning). Algorytmy ML uczą się na podstawie historycznych danych sprzedaży i zachowań konsumentów, aby wykrywać wzorce i zależności. Analizując na przykład setki czynników wpływających na popularność produktu (kolor, krój, pora roku, cena), modele uczące się potrafią ocenić prawdopodobieństwo, czy dany trend utrzyma wzrost czy osłabnie. Na tej podstawie AI może wskazać, które style, kolory czy fasony mają szansę stać się popularne, a które stracą na znaczeniu.
Podobnie ważna jest wizja komputerowa (ang. computer vision), w której wykorzystuje się algorytmy do analizowania obrazu. AI umie rozpoznawać na zdjęciach i filmach konkretne elementy ubioru, kroje, kolory, wzory. Rozwiązania takie jak Heuritech skanują dziennie trzy miliony zdjęć i filmów w social mediach i analizują tysiące detali modowych (kolory, tekstury, kroje i tak dalej). Na tej podstawie przewidują trendy modowe.
Obok obrazu najczęściej znajduje się tekst. I tu do gry wchodzi przetwarzanie języka naturalnego (ang. natural language processing – NLP), czyli AI analizujące tekst. Może być to wykorzystywane na przykład w badaniu opisów produktów, artykułów, komentarzy i hashtagów. Takim AI posługuje się polski Brand24, który służy do analizowania między innymi tego, jak mówi się o marce w internecie, jakie są opinie o naszych lub podobnych produktach i tak dalej. Analiza hashtagów (na przykład na Tik Toku) i opisów może służyć do wychwytywania rodzących się trendów modowych, czy kulturowych, a także “buzzu” pojedynczych produktów. Do analizy języka jeszcze wrócę.
Od niego niedaleko jest do analizy predykcyjnej i modeli prognostycznych. Stanowią one bowiem kombinacje powyżej opisanych technologii i zaawansowanej statystyki. Korzystając z danych z wizji komputerowej, NLP i transakcyjnych, tworzy się modele prognostyczne, które przewidują tempo wzrostu lub spadku popularności trendu w przyszłości. Można na przykład poszukiwać tak zwanych “wczesnych sygnałów” (ang. early signals), czyli subtelnych oznak przyszłego trendu. Wcześniej wspomniany już Heuritech wykorzystuje w tym celu własne modele głębokiego uczenia (ang. deep learning) wychwytujące minimalne wzrosty aktywności wśród tak zwanych edgy influencerów (najwcześniejszych trendsetterów), co pozwala wykryć trend zanim trafi do mainstreamu.
Przeczytaj również: Dlaczego branża modowa boi się nowych technologii?
Duże modele językowe, a przewidywanie trendów
Ok, ale gdy myślimy o AI, to najczęściej myślimy o takich narzędziach jak Anthropic, czy Chat GPT. Gdzie w tym wszystkim co opisałam miejsce na LLMy (ang. Large Language Models – Duże Modele Językowe)? Jak przewidują one trendy?
Zatem, odpowiedź jest ciekawa i być może zaskakująca: mimo, że Chat GPT (czy inny LLM) zna pojęcia z computer vision, to na pewno nie analizuje obrazów ubrań. Nie ma dostępu do danych sprzedażowych. Nie uruchamia własnego algorytmu predykcyjnego. Nie widzi mody, zna ją z opisów językowych. Co w takim razie potrafi? Odnaleźć w swoim wewnętrznym rozkładzie wiedzy teksty o trendach, modzie i tak dalej. Analizuje wzorce językowe, pojawiające się przy opisywaniu trendów (np. minimalizm, quiet luxury), korzystając tu ze statystyki. Jeśli ma dostęp do sieci – wyszukuje informacje na przykład z social mediów. Następnie tworzy językową rekonstrukcję prawdopodobnych trendów. Najbardziej prawdopodobną kontynuację tekstu (np. W 2026 modne będą…), opartą o statystykę i (o ile ma dostęp internetu) aktualizowaną wiedzę. LLM nie przewiduje trendów w modzie, przewiduje język, który będzie użyty do opisu przyszłych trendów w modzie.
Czy przyszłość przewidywania trendów leży w rękach AI?
Od wizji komputerowej, przez modele predykcyjne, po duże modele językowe. AI przewiduje trendy na różny sposób, a każdy z tych sposobów może być wykorzystany w modzie. Sztuczna inteligencja już jest narzędziem wykorzystywanym do przewidywania i analizy trendów. Firmy forecasterskie jak WGSN oferują narzędzia oparte o nią. Czyli z firm usługowych (tworzenie i sprzedaż raportów) stały się firmami software’owymi (dokładnie SaaS, Software as a Service – oprogramowanie jako usługa). To nie znaczy, że fieldwork całkowicie został wyparty przez AI, tak samo raporty – dalej powstają (jednak ktoś je jeszcze czyta i przyznam się, że jestem jedną z tych osób). Natomiast sztuczna inteligencja przyniosła nam rewolucję. Dzięki niej, marki modowe mogą nadążać za zmieniającymi się trendami w mediach społecznościowych, a co za tym idzie, na świecie (czy to dobrze jest tematem na inny artykuł). AI zrewolucjonizowało forecasting, korzysta z niemal nieograniczonej puli danych i jest je w stanie przetworzyć i wykorzystać. Jest coraz bardziej inteligentne i jedyne je ogranicza, to moc kart graficznych w serwerach, na których dokonuje procesy “myślowe”.
Przeczytaj także: Zakupy w czasach AI. Jak działa wirtualne przymierzanie ubrań Google’a?
