Elie Tahari，一家高档女式时装品牌和零售的连锁企业，总能找准它的顾客想要的风格。
并非依靠魔术，也没有水晶球。这家零售商依靠的是科学的 数据挖掘的预测分析，利用技术来预测它在Nordstrom及其他高端零售商店上的市场需求。该工具从一个不断更新的数据仓库中获取数据来预测每周要送到每一家商店的货品，直至每一个销售地点上以满足需求的式样、颜色和尺寸。
“它能保护客户的利益，确保他们订购的任何款式或颜色的货物都有现货，但同样也保护了我们不至于过度生产，” Elie Tahari公司的商业应用系统负责人Nihad Aytaman说。
在过去的十年中，分析已在时装零售业有了不可磨灭的印记，有助于一切从预测最好的价格和减价策略到预测产品在每一个地点的颜色和尺寸的正确组合。有一个关键区域，在这一关键区域Elie Tahari和许多其他的零售商以及设计师仍然未使用预测分析：下一季的新款式的选择。
但由于新技术的出现，在这方面可能会有所改变。
“也许扎染将会流行或粉色系列会成为主打风格。这些是商家经常要做出的决定，但是，它可以在复杂算法的协助下完成，这样的算法能指出商家可能会错过的模式,” 零售业咨询公司Cathy Hotka Associates 的负责人Cathy Hotka 说。
预测分析工具，主要依靠历史数据针对任意给定的产品做出未来需求的预测，在对反复无常的时装界的预测上也能发挥作用。但现在，挑选时装赢家的最热区域处于分析和社交媒体的交叉点上。
当预测分析可以帮助鉴别出时装的胜出者时，大多数商家使用技术的目的并非如此，有两个原因：不像可以转入或简单地在下一季重复的产品，新的时装款式没有预测分析工具做出预测所需要的历史销售数据，而零售采购也提防让科学干挠其挑选时装胜出者的艺术。
“我们目前的情况是，主要款式是由商家在与设计师的讨论中挑选出来的，他们所呈现的产品受到趋势和市场上正在流行的产品的启发，” Gap公司的一位发言人Louise Callagy说。但是Gap公司期望分析在未来能扮演更重要的角色。“尽管它还处于早期阶段，我们从早期的全球在线销售和在某些市场上运用分析，以帮助我们在商店销售的预测上做出更好的解读，”她说。
高价值的游戏
“计算机辅助的时装预测是大家都在谈论的事情，” Doneger集团的创意总监David Wolfe说，Doneger集团使用丰富的经验和洞察力这样旧的方式预测时装潮流。但对于商家和时装设计师来说，这是一个高风险的决定，而且不是一件容易的事。时装零售商寄于他们的财富于经验、直觉和一些精英采购的本能。对于较小的零售商, 没有运气的采购对底线的影响可以是毁灭性的。
“服装业是一个非常善变的行业。如果你错过了一季，你可能会破产，” Aytaman说。大多数采购就是不相信技术来做这项工作。所以他们转向像Doneger集团这样的咨询公司来预测什么颜色和款式会流行，而什么会过时。反过来说，那些洞察力是基于经验、直觉和对设计师和时装表演的定期访问。
额外的压力是消费者市场的分散性和购物者们不愿意接受直接来自天桥或由设计师和零售商选择的款式的事实。根据IBM的一份调查，目前只有19%的消费者会听从制造商或零售商的安排。现在的消费者倾向于和他们的同伴一起做出自己对时装的决定。时装界比以往任何时候都更加需要聆听客户的心声。
风格的元素
Aytaman说，利用预测分析预测时装流行趋势的问题是，可以输入模型的历史数据的数量与预测变化的准确性成正比。所以当Elie Tahari使用分析来确定比如它的业务单位一年又一年变化并不太大的市场需求的时候，它没有使用技术来挑选更多季节性，以时尚为目标的项目，比如女装和运动服装。
“ 我们没有积累足够的历史数据来真的完成这样的事情,”他说。
虽然一种新的设计的确可能没有历史推论来建立成功模型，商家可以打破描述一个特定时装的从颜色到领口尺寸的一切关键属性，并在此之上执行一种回归分析。换句话说，商家可以在描述新款式的所有变量之上进行统计分析，如果历史数据是可行的话，就可以预计这些项目是否会很流行。
“利用数据属性和补充你认为的流行趋势的属性，会非常的前沿，” SAS的一位负责产品管理的零售解决方案的高级解决方案专家Saurabh Gupta说。他说，虽然可能没有足够的历史数据为每一个属性生成模型，一些时装元素却是有可预测的周期的。“一种颜色至少可以流行一年，而你可以从中获得洞察力,” Gupta说。
而零售商可以用诸如某些类型的纺织品对采购的吸引力越来越少这样的知识提高模型。“它会带来了额外的证据，而不是关键的属性，” IBM预测分析全球零售领域的领导Colin Linsky说。但是在时装界分析预测的真正价值不仅仅在于它能挑选赢家，Linsky说。“它在原因上也给了一个强大的指示，而在做出销售决策的时候弄清楚你应该做什么是非常重要的,”他说。
另一方面，当一种新的时装跟不上以前的模式，在有限的或没有历史数据的关键属性时，或款式落入不同的市场，比如当一种款式从女装转移到毛衣时，预测分析也并不总是管用，一家通过在线和500多家商店销售的大型时装设计和零售商的首席信息官（CIO），在不透露公司和他的姓名的情况下说道（我们称它为Z公司）。
“有些人必须基于他们的知识建模，而那也是商家的艺术发挥作用的地方，”该首席信息官（CIO）说。“你还能在购买会议听到，我们相信这将会成真。这永远是科学与艺术之间的争斗。”
但这一切都不管用，他说，除非正确的系统正好对业务的各个部分一致地提供了同样的数据。在Z公司，那意味着需要一个主数据模型和一个企业服务总线在子系统之间移动数据，并且在销售渠道和独立的采购之间分享数据。而最终的验证需要在各个功能区的人的审查和批准，包括计划分配、产品源以及财务，以及被商家批准。
“一天结束的时候，如果你没有用于跨越整个企业的好数据，结果就不一样,”该首席信息官（CIO）说。“这对预测系统是非常重要的。”
该首席信息官（CIO）的公司并不是唯一这样做的零售商，但是据IBM的Gupta称，这家公司是较为领先的。 “人人都说他们理解属性，但如何利用这些来预测需求却不是很多公司做得很好的事情。”
挖掘社交智能
为扩大传统的分析，一些零售商和时装设计师已在社交媒体互动上应用分析技术，以在时装的走向和消费者对他们即将推出的设计的感觉方面获得实时反馈。
社交分析在零售上正在改变格局，零售先知（Retail Prophet）研究咨询公司的总裁Doug Stephens说。“我们正从一个由外而内的方法，转向一个库存和需求规划以及产品开发都受到社交媒体驱动的世界，”他说。
在一个大型的创造自己的时装的零售商，设计师使用一个迭代循环里的反馈演变时装元素，针对每一个最热烈的用户反应进行调整，一位匿名的IT主管说道。
第一洞察力（First Insight）提供了一种服务，通过让消费者参加像在社交媒体网站上玩游戏这样一些活动测试他们对新的流行款式会做出如何的反应。“这款应用程序可用于少有历史数据的高档时装，”该公司的首席执行官（CEO）Greg Petro说。第一洞察力（First Insight）询问用户对别人为测试的产品付款的想法并测量他们对于产品的一般情绪。
造成与焦点小组的结果不一样的是，第一洞察通过用已知结果的产品播种活动来决定参与者响应的“预测的相关性”。它检查了他们的预测与在那些物品上实际发生的情况的匹配度如何，给每个用户赋予一个加权预测值，在为他们建立一种需要预测的时装进行合并结果以预测赢家和输家的时候，把这些值作为因素考虑在内。
可交付成果不仅包括哪些产品将售出，还包括价格范围的建议。这个应用程序对于预测很少或没有留下历史数据的消费者对高档时装的反应是特别有用的，Petro说。
Wild Things LLC ，一家军用和高山服装及相关工具的制造商，是第一洞察的首批客户之一。目前在供应商顾问委员会的首席执行官（CEO）Ed Schmults说，他第一次使用这种服务为一个企业标志选择了最好的样式，而且用它测量了消费者对来年即将投放市场的它的新授权的Smith Wesson品牌的衣服款式的反应。
“我们的消费品绝对受时装所驱动。我们想要了解客户对产品、颜色、价格点的感受,”他说。“在降低风险方面，这是一个非常强大的工具。”
Elie Tahari考虑过第一洞察力的技术，而当Aytaman说它在技术上是“相当准确”时，它在商店的采购方面却得不到任何结果。“尽管他们喜欢这个想法，但他们不相信它,”他说。
Gilt Groupe，仅在线为会员提供快速销售的高档时装，把SAS的传统分析工具和来自一家创业公司的集体智能结合在一起使用，以预测哪种款式或品牌会成为赢家。Stylitics，这个夏天发布的一家社交网站，使用了和第一洞察力相似的方法，但它关注消费者的意图和他们已经购买过的，而不是他们对别人对一种时装产品或生产线的反应的想法，Gilt分析和研究的高级主管Tamara Gruzbarg说。
四年前，Gilt就清楚地知道其客户的品味和品牌偏好。今天的客户少了些对品牌的关注，所以Gilt依靠预测分析帮助采购理解将要售出的东西。但是，Gruzbarg提醒道，你必须要知道你在找什么。“分析工具和你用于说明的数据一样的好，理解最相关的信息是什么,这是至关重要的,”她说。
Attensity的预测分析主管Manya Mayes说，文本分析正用于如Storify这样的社交媒体网站提供的数据，它让在线用户在他们喜欢的服装上创造他们自己的视觉故事。“分析能识别出哪些服装组合是最常放在一起的，哪一种是他们要购买的，”她说。
商人也在挖掘“时装捕获”视频，青少年在视频中炫耀他们在购物中心买的货物并说出对于货物坚定的意见。一些时装捕获帖子大量的传播，在第一周内就有多达100万的点击量，IBM的全球零售副总裁Jill Puleri说，他引用名为Blair Fowler， Ellie 和 Fiona的视频。 “这是你可以输入到你的趋势模型中的事情,”她说。
Schmults说，预测分析降低了选择时装的整体风险，让商业可以争取一些机会。“艺术是给消费者介绍一些他们之前不会想到的东西,”他说。
Crowdcast在集体智能上提供了一个不同的角度。它的服务让企业中的员工，如采购、店铺经理或雇员，将虚拟货币投注在哪些产品将会胜出上。
“几个商家的集体智能通常比一家的单独估计要好，”互联网数据中心（IDC）的一位分析师Greg Girard说。在Crowdcast模型中，当参与者正确时，他会赢得更多的钱，让他们可以投入更大的赌注，当所有的结果都归纳时，可以给予它们更大的权重。他说，通过这种方式，一群采购者都可在这一季的服装市场上投注。
到目前为止，绝大多数用户都是制造商，他们利用工具来预测何时对产品发货或产品的销路如何，但Crowdcast更倾向于时装零售商。“当你只有很少的数据要做出重大决策时，那正是你可以从集体的专业智能那里受益的时候，”该公司的创始人和首席执行官（CEO）Mat Fogarty说。
时机是另一种挑战。Z公司的首席信息官（CIO）说，并不足以知道一种时装元素进行一个流行趋势的关键点。零售商需要知道那些趋势什么时候会流行起来。Z公司采用群集的资源和类似于第一洞察力和Crowdcast所提供的集体智能工具。但它也在商店和通过它的电子商务渠道进行试销，然后将结果输入到它的数据仓库，在那里它被作为它的预测模型引擎的额外输入使用。
“预测分析不改变我们经营业务的方式，”该信息执行官（CIO）说。“它所做的是使流程更加合理化，这样我们才能更善于分析。”
总结
IBM的Linsky说，来自社交媒体分析的印象和洞察力可以输入到传统的预测分析引擎模型中，提供另一种输入以帮助确定时装的赢家。Petro说，第一洞察力的数据能符合预测分析中的数据模型。“这只是一种映射,”他解释道。
更进一步，社交分析可以将商家的工作重塑成“社交商人，”Girard说。但是现在，使用分析，社会或其它，来选择时装的赢家仍然是一个前沿市场，有许多零售商仍在旁观，商家和设计师还不能完全接受这种观点，而且每个人都等待第一个巨大成功的故事。
至于文化上的阻力，Petro认为，技术会逐步让商家所接受，当他们看见结果并弄清工具适用的地方时。预测分析并不是代替人的判断，他说:“它是驾驶舱里的一个仪器，而不是代替飞行员他们自己。”