¿Qué es Fit Finder?

La pregunta definitiva es si los Fit Finders pueden resolver realmente el problema y si podemos decir adiós a las devoluciones en línea debidas al tallaje: ése es el sueño. Aquí vamos a desglosar distintos tipos de tecnologías de Fit Finder, de modo que puedes considerarlas como un espectro de complejidad. Así, en el lado más sencillo tenemos las versiones digitales comparativas de tablas de tallas y en el lado más complejo tenemos la IA predictiva con sistemas híbridos adaptativos. 

Comparadores estáticos de tallas Versiones digitales 

Tabla de tallas estática versiones digitales comparativas de las tablas de tallas que se encuentran en todas las tiendas. Son genéricas y se basan en lo que la marca cree que debe encajar, pero no guardan relación con el estilo individual del producto. Es fácil para los minoristas implementar algunas aplicaciones gratuitas en Shopify App Store y otras tiendas de aplicaciones, pero no están muy personalizadas para la marca, ni para el comprador, y ni siquiera vamos a entrar en más variables que afectan al tallaje. Por lo tanto, no son muy útiles ni innovadoras, es el nivel uno de las tecnologías de búsqueda de tallas. 

Herramientas estadísticas básicas

Piense en ellos como los predecesores de los sistemas más avanzados. Este tipo de herramientas en Shopify App store cuestan alrededor de $50 y menos al mes, a pesar de los diversos modelos de precios que cada uno tiene. Este tipo de tecnología Fit Finder tiene en cuenta algunas medidas básicas, a pesar de que preguntan por la altura, el peso y algunas formas del cuerpo, carece de la complejidad y el poder predictivo de los más elegantes de los sistemas más avanzados que utilizan métodos estadísticos más sofisticados o incorporan el aprendizaje automático. Por lo tanto, no son del todo inteligentes con datos limitados y sin ningún tipo de conocimiento sobre los productos reales o las formas del cuerpo. En términos más sencillos, es como una calculadora. 

Comparadores entre marcas 

Es como si miraras una tabla de tallas y dijeras: soy talla mediana en H&M, así que soy talla mediana en esta marca. Es magia, ¿verdad? En muchos casos verás que la respuesta que das es idéntica a la que obtienes. Esto no es muy sofisticado. Como sabes, cada estilo y talla puede quedar totalmente diferente e incluso el mismo producto en distintos colores puede quedar diferente. Lo han denunciado muchas veces compradores y periodistas, lea aquí para ver un ejemplo. En otras palabras, este tipo de Fit Finder es basura dentro, basura fuera. Algunos de ellos tienen elementos de aprendizaje automático (que en los materiales de marketing se etiquetan como IA) para salvar la brecha entre lo que entra y lo que sale, pero es imposible salvar esta brecha, ya que cada producto es único en cuanto a cómo se ajusta, cómo se estira, con qué estilo debe llevarse, etc. Para ello se necesitan miles, si no millones, de puntos de datos, y en el momento en que se recopilan estos datos, incluso a escala global, el producto llega al final de la temporada, lo que significa que estas tecnologías nunca pueden aprender a nivel de ajuste, y están a años luz de comprender el ajuste del producto a nivel de identificación del producto, y el nivel de color está aún más lejos que los años luz, y luego añadir la mezcla de personas de diferentes tamaños que son altas y delgadas, caderas anchas, etc. Ya se ven claramente las limitaciones. El tallaje es tan incoherente entre las distintas marcas e incluso dentro de la propia marca que, al hacer comparaciones entre marcas, los resultados son muy gélidos. Lee aquí sobre la incoherencia del tallaje de H&M aquí. 

Herramientas de comparación estadística

Se trata de un paso adelante en el nivel de sofisticación de las tecnologías Fit Finder. Éstas utilizan datos de muchos compradores para hacer recomendaciones de tallas a nivel de categoría, algunos lo intentan a nivel de ID de producto, pero el nivel de ID de producto es demasiado difícil para esta tecnología. Toman miles o millones de compradores, asocian datos como el peso, la altura o la forma del cuerpo a las compras y asumen que otros compradores con los mismos datos podrían tener la misma talla. Lo cual no es cierto, en primer lugar; en segundo lugar, se necesitan millones de datos, que suelen estar disponibles para marcas conocidas y las tallas más comunes, como la S, la M y la L. Todo lo que vaya más allá se convierte en una tarea difícil y llena de imprecisiones. Este tipo de tecnología Fit Finder mejora con el tiempo a medida que analiza más datos, pero, como ya se ha mencionado, la precisión disminuye cuando se va más allá de las personas que se encuentran en el centro del espectro de tallas. Cuando se busca el ajuste, los resultados a nivel de identificación del producto son muy imprecisos, por lo que no es necesario seguir hablando de las capacidades a nivel de color de este tipo de tecnología. A menudo afirman ser Inteligencia Artificial, aquí es donde empieza la zona gris sobre la definición de "¿Qué es la IA?".

IA predictiva con sistemas híbridos

Hablamos de sistemas que aprovechan la inteligencia artificial y el aprendizaje automático para crear recomendaciones de tallas altamente personalizadas. Los sistemas también recopilan información sobre la edad, el peso, la altura y la forma del cuerpo, de la que pueden extraerse medidas corporales. La IA analiza toda la información sobre los compradores reales que visitan tiendas en línea específicas, compras anteriores. Aprende exclusivamente de los clientes reales de esa tienda, no de algo que haya ocurrido en otro país en otra tienda con productos similares. En otras palabras, los datos no están empañados por la historia de otro lugar. Aprende exclusivamente de los datos reales de un único minorista y, si un minorista comercia en varios locales, la evolución es específica de los productos del local con el que se comercia. Todo ello, junto con las tablas de tallas específicas de cada marca, y utiliza algoritmos realmente complejos para comprender cada SKU del inventario real que posee el minorista, aunque, una vez más, no se trata de productos similares. Ya que visualmente el mismo producto producido en diferentes fábricas o en un año diferente puede ajustarse de forma diferente y la misma persona necesitaría una talla distinta. La tecnología es como su asistente personal de compras, que aprende conscientemente a varios niveles. Obtiene datos de diversas fuentes, análisis visuales, opiniones de clientes, ventas, datos de devoluciones, compras anteriores y mucho más. Diferentes tallas según la categoría, el ajuste e incluso la identificación del producto, a pesar de que todo parece igual en el front end, el cliente en el back end, hay complejas redes neuronales y sistemas adaptativos de IA orquestando el proceso para determinar la talla adecuada para el comprador. Imagínese entonces qué información puede obtener con los datos recopilados para optimizar el negocio. ¿Sabe cuánto dinero deja sobre la mesa? No sólo desbloquea las oportunidades de venta perdidas, sino que reduce los costes operativos gracias a un menor número de devoluciones, lo que hace que su negocio sea más rentable. Pero este tipo de herramientas tienen su precio. Esto no es su tienda de aplicaciones Shopify, una aplicación de copiar/pegar impresa para cada minorista igual. Este tipo de Fit Finder requiere precisión en la conexión de sistemas y la integración personalizada se lleva a cabo para cada cliente para adaptarse a sus sistemas y fuentes de datos.