【IT168 信息化】预测分析和社交媒体的整合可以帮助零售商预测时尚潮流，但是它们并不能替代人类的判断力。

　　全球优异女性时装品牌与连锁零售商艾利·塔哈瑞(Elie Tahari)对于用户的时尚需求把握的十分精确。他们没有魔法，也没有可以预测未来的水晶球。

　　艾利•塔哈瑞凭借的是预测分析科学。他们利用IBM的技术对产品线需求进行预测，通过诺德斯特龙(Nordstrom) 和其他美国高档连锁百货店销售他们的产品。这些工具从不断更新的数据仓库提取数据预测每周需要向每家百货商店提供的供货量，以及满足每家商店对款式、颜色和尺码的需求。

　　艾利•塔哈瑞商业应用总监Nihad Aytaman称：“这样可以保护客户，确保他们定的任何款式或颜色的产品都有货，同时也保护我们防止过量生产。”

　　分析学在过去十年里在时装零售业务中发挥了重要作用，帮助预测非常好的价格、折扣策略，以及预测每一个商店中的产品、颜色和尺码的非常好的搭配比例等。不过艾利•塔哈瑞和许多零售商及设计师都没有在确定下一个季中哪一种时尚将流行起来方面使用预测分析。但这又是一个非常关键的方面。

　　新技术的出现将扭转这一现象。Cathy Hotka & Associates 零售咨询公司负责人Cathy Hotka 称：“扎染或是粉色可能会流行起来。商家需要经常做这些决策。更为复杂的算法可以帮助商家发现决策中可能遗漏的款式。”

　　预测分析工具需要依靠历史数据对任何给定的产品的未来需求进行预测。这些工具在预测时尚潮流上扮演了一个重要的角色。目前在预测时尚潮流方面，最热门的领域是将分析学与社交媒体融合在一起。

　　尽管预测分析能够帮助识别时尚潮流，但是大部分商家并没有在这方面使用预测分析技术。这其中有两个原因：与产品不同，产品可以直接转入下一季或是针对下一季进行简单的修改，新时尚潮流没有预测分析工具所需要的历史销售数据。采购员也严防条条框框被引入到时尚潮流导向中。

　　Gap Inc 公司发言人Louise Callagy称：“对于我们来说，一些重要的款式都是在商家与设计师进行讨论后挑选出来的，设计师提供一些由发展趋势或全球时尚所激发的灵感设计出的样品。”不过Gap公司预测分析学将在未来发挥更为重要的角色。她称：“尽管目前它们还处于初级阶段，但是我们已经将分析学应用于我们的全球在线销售和特定市场中，以帮助我们预测哪款产品销售的最好。”

　　高风险游戏

　　Doneger 集团创意总监David Wolfe 称：“计算机辅助时尚预测是一件每个人都谈论过的事情。但是目前还是用老的方法来预测时尚潮流趋势。如使用丰富的经验和非凡的洞察力。” 对于商家和设计师来说，时尚预测是一个高风险的策略，这需要非常精明。时装零售商将他们的命运押在了经验、直觉和对采购员心理的揣摩。对于小型零售商来说，对采购员分析失误将带来毁灭性打击。

　　Aytaman称：“服装行业是一个极为稳定的行业。如果你错过了一季，那么你就会破产。”多数采购员并不认为技术能够做这一工作。他们会咨询Doneger集团等公司以得到一些预测，如颜色、款式，以及哪些已经过气等。而这些洞察力都是基于经验、直觉或对设计师与时装秀的定期采访。

　　目前面临的压力是消费市场零散，以及购物者并不买设计师和零售商所推广款式的账。据IBM调查，仅19%的消费者听从制造商或零售商的宣传。目前消费者更倾向于与他们身边的人一起共同对时尚潮流做出自己的判断。与以往相比，目前整个时装行业更需要听众消费者的意见。

　　时尚元素

　　Aytaman称，使用预测分析学来预测时尚潮流的问题是预测的准确性与输入模型中历史数据数量呈正比例变化。虽然艾利•塔哈瑞使用分析学来决策每年看起来变化不大的项目，如对商务正装生产线的需求，但是他们并没有将这一技术应用于季节性时尚项目，如时装和运动服装。

　　他称：“我们无法收集到充足的历史数据来做这一事情。”

　　虽然对于哪种设计将会取得成功，新设计可能以前没有什么类似物，不过商家可以将已经出现的时尚的一些关键特性进行分解，包括颜色和领子尺寸，然后对这些特性进行还原分析。换句话说，商家可以对所有的新款式的变化情况进行统计分析，评估历史数据的可用性，推断项目是否受到关注。

　　IBM零售解决方案总监Saurabh Gupta称：“将这些特性融合到你认为的时尚潮流中，让它们再次成为时尚潮流的特点这一做法非常前卫。”尽管可能没有充足的历史数据为每一种特性创建模型，但是他认为一些时尚元素会进行周期性的循环，这一循环可以被预测。Gupta 称：“一种色调至少会流行一年时间，你能够从中得出一些判断。”

　　零售商可以通过这些信息改进他们的模型，如某些类型的面料已经不再对采购员具有吸引力。IBM全球零售业预测分析部门负责人Colin Linsky称，时尚中的预测分析学的真正价值不仅仅是预测哪些将流行起来，而且能够给出原因。这对于在制定推销决策时明白自己应当做什么非常重要。

　　另一方面，当新时尚潮流不符合以前的模式，重要特性的历史数据不全或缺失;或是新的时尚潮流走不同的风格路线，如从时装转为运动装，那么预测分析学就不能总是工作的很好。

　　一名不愿透露姓名的首席信息官称：“必须要有人根据他们的知识创建模型，跟单员的才能应当被引入进来。你在采购会议上已经听到了关于这一问题的讨论，我们认为这一定会发生。这永远是一场科学与艺术的较量。”

　　他指出，这些没有一个能够工作，除非恰当的系统位于恰当的位置，为业务中的所有部分提供相同的数据。在这名首席信息官所在公司中，这意味着要有一个主数据模型，以及一个能够在子系统间移动数据的企业服务巴士，以在销售渠道和采购员之间共享信息。最终的复核需要人们在所有功能领域中进行审查和批准，包括计划分配、产品来源、财务以及商家的认可。

　　这名首席信息官称：“如果你没有能够在企业中使用的优秀数据，那么结果不会相同。这对预测系统来说非常重要。”

　　据Gupta透露，虽然这名首席信息官所在的公司并不是唯一这么做的公司，但是他们走在了前列。他称：“每个人都说他们理解这些特性，但是如何使用这些特性来预测需求并不是每家公司都做的很好。”

　　挖掘社交智能

　　这了增强传统分析学，一些零售商和时装设计师使用了在社交媒体互动中加入了分析技术，以得到关于时装发向哪里和客户对这些即将面世的设计的反响等实时反馈

　　Retail Prophet 咨询公司总裁Doug Stephens称，社交分析正在改变零售业的游戏规则。他称：“我们正在受到一个由外部程序的推动，在这个行业中，库存、需求规划和产品研发将由社交媒体驱动。”

　　一名不愿透露姓名的IT执行官称，在一家自主设计时装的大型零售商中，设计师通过反馈迭代来完善他们的时装项目，让它们迎合大多数消费者的口味。

　　名为初步灵感(First Insight)的应用可提供了一种在活动中展示新时装并试探消费者对新时装反应如何的服务，如在社交媒体网站中做活动。该公司首席执行官Greg Petro称：“这一应用可应用于以前几乎没有出现过的最新款式时装项目中。” 初步灵感询问用户他们希望将购买哪些测试产品，并计算用户对这些产品的反应。

　　导致同一个焦点小组会有不同结果的原因是初步灵感通过已知结果决定参与者反应的“预测性关联”。其会测试它们的预测与该项目的实际情况的吻合程度，确定对于每名用户的加权预测值，以及在它们的需求预测模型中汇聚结果以预测时尚潮流中赢家与输家。

　　预测结果不仅仅包括哪些产品将被出售，而且还会对售价范围提出建议。这一应用在预测消费者对以前几乎没有出现过的最新时装项目的反应非常有用。

　　Wild Things公司为一家军品服装、户外服装和相关装备制造商。该公司是初步灵感应用的首家客户。公司首席执行官Ed Schmults称，他首次使用这一服务为公司LOGO选择最新样式，并使用其测量消费者对预定明年发售的新服装款式的反应。

　　他称：“我们的消费者产品生产线唯一推动力就是时尚。我们希望理解客户对我们产品的反应，包括颜色和价格。在化解这些风险的过程中，这一工具是一款功能强大的工具。”

　　艾利•塔哈瑞也在观望初步灵感应用技术。对此，Aytaman称赞这一技术“非常精准”，不过这一技术他们并没有部署。他称：“虽然他们喜欢这一概念，但是他们并不信任它。”

　　Gilt Groupe是一家仅向会员提供最新时装项目在线“快闪销售”的奢侈品网站。他们使用了一款组合工具，该工具由多种传统SAS分析工具和能预测哪些款式或品牌将成为时尚潮流赢家的新兴公司提供的集体智能组成。Gilt分析学与研究部门资深总监 Tamara Gruzbarg称，Stylitics为一家在今年夏天上线的社交网络网站，他们使用了与初步灵感应用相似的技术，但是他们的重点是消费者的意向和消费者已经购买了什么，而不是他们对时装和产品线的反应。

　　四年前，。Gilt可以准确地知道消费者的口味和品牌偏好。如今，消费者已经不再有品牌偏好，所以Gilt开始依赖预测分析学来帮助采购员把握销售什么。不过，Gruzbarg提醒，你必须知道你正在寻求什么。她称：“分析工具只能在你拥有大量数据的情况下才能起作用。知道什么是最为有用的信息非常重要。”

　　Attensity 公司预测分析总监Manya Mayes称，文本分析正在应用于由社交媒体所提供的数据中，如允许在线用户为他们喜欢的服装创建可视化样本的Storify。她称：“分析将识别哪些服装搭配在一起会更能受到客户的喜爱。”

　　商家也在挖掘“时装秀”视频，年青人可以展示她们购买的服装，并对这些服装进行点评。IBM全球零售部门副总裁Jill Puleri称，一些网络时装秀受到了追捧，由Blair Fowler、Ellie和Fiona上传的视频第一周的点击量就超过了100万。她称：“我们可以将这些输入到我们的趋势分析模型中。”

　　Schmults称，预测分析降低了时装选择方面的整体风险，使得公司能够把握一些机遇。他称：“艺术能够引入到以前消费者不曾想到的事物中。”

　　Crowdcast在集中智能方面提供了一个不同的思路。其服务让如采购员、商店经理或员工等在同一家公司中工作的雇员在成功预测哪种产品将引领潮流中赢得虚拟财富。

　　IDC 分析师Greg Girard称：“多个商家的集中智慧往往超过了一个商家的智慧。”在Crowdcast模式下，当他们做出了正确的判断，参与者会赢得更多的财富，并允许他们下更大的赌注。在所有赌注都一样时，他们可获得更大的话语权。在这种方式中，商家团体能够对本季的服装生产线进行下注。

　　迄今为止，大多数用户都是生产商，他们使用这种工具预测产品何时出货，以及如何更好的销售，不过Crowdcast更适用于时装零售商。该公司创始人兼首席执行官Mat Fogarty称：“当你在做决策时仅拥有很少的数据，那么你可以从集中智能那里获得帮助。”

　　时机就另一项挑战。其无法充分的知道时装项目在流行时尚的关键切入点。零售商需要知道这些趋势出现的时机。上述那名不愿透露姓名的首席信息官所在的公司正在使用类似初步灵感和Crowdcast功能的群众外包、集中智能工具。他们还在实体店和电子商务渠道中进行试销，并及时将这些结果反馈至数据仓库。在数据仓库中，它们将被做为预测模型引擎的附加数据使用。

　　这名首席信息官称：“预测分析并不能改变我们的运营方式。其所做的一切是合理化我们的流程，让我们的更善于分析。”

　　进行整合

　　IBM的Linsky称，从社交媒体分析中获得印象和洞察力将应用于传统预测分析引擎模型中，以提供新的来源帮助确定时尚潮流中的赢家。Petro表示，初步灵感的数据可用于预测分析数据模型中。他解释称：“这仅仅是一个映射问题。”

　　Girard称，社交分析在未来将会把跟单员的工作改变了“社交商人”。但是目前，通过分析、社交或是其它方式来预测时尚潮流中的赢家还处于市场推广阶段，许多零售商也在旁边观望，商家和设计师也还没有完全的依赖这一理念，每个人都在等待传出首个通过预测分析工具取得成功的消息。

　　关于文化方面的抵制，Petro认为技术将逐渐战胜商家，因为它们能够看到结果，明白这些工具适用于何处。他称：“预测分析并不能取代人类的判断。它只是飞机驾驶舱内的一个工具，并不能代替飞行员。”