Fra profil til pasform på to sekunder

Baggrund

AnnóAnno er en dansk scale-up modevirksomhed etableret i 2017. Den henvender sig til plus-size kvinder med et nyt koncept, hvor firmaets dygtige stylister sammensætter en tøjboks tilpasset kundens mål og præferencer.

Forretningsmodellen har dog en indbygget udfordring. Trods den indledende succes kan en value proposition baseret på en høj grad af personalisering og nærmest skræddersyede løsninger, være endog meget
vanskelig at skalere.

Virksomheden blev nærmest overvældet med data og informationer, bestående af mere end 200 relevante datapunkter på hver enkelt kunde, hvilket gør det tæt på umuligt for stylisterne at være præcise nok i sammensætningen af tøjboksen med mindre, de skal bruge oceaner af tid. AnnóAnno måtte derfor have hjælp til markant at reducere den tid, som stylisterne brugte på hver kunde. Data skulle anvendes mere intelligent, så processen med at skabe en unik og personlig oplevelse kunne opnås mere skalerbart.

Sammen med Halfspace udviklede AnnóAnno derfor en strategi, der indebar at man fremover kunne skabe stor vækst uden at gå på kompromis med personaliseringen. Målsætningen blev at automatisere dele af styling-processen, hvilket ville forbedre effektiviteten og øge produktiviteten hos stylisterne. For at indfri denne målsætning måtte Halfspace udvikle en avanceret Recommendation Engine, der baseret på kundeoplysninger, produktattributter og tidligere køb, kunne matche den enkelte kunde med bedst egnede produkter på tværs af hele AnnóAnnos sortiment og lager.

Motoren havde til formål at blive indsat to steder i AnnóAnnos forretningsproces:

• Som et værktøj der letter de professionelle stylisters arbejdsgang og tidsforbrug, når en personaliseret tøjboks sammensættes.
• Som en automatisk løsning der kommer med kvalificerede forslag til brugerne, hvis de ønsker at ændre på stylistens valg.

Løsning

For at løse udfordringen udviklede Halfspace en proprietær Recommendation Engine, der anvender kunstig intelligens til at udtrække og skabe værdi fra store mængder data om kundepræferencer, produkt-og lagerbeholdning. Dette inkluderede anvendelsen af store mængder data, der blev udtrykket fra dataklynger som:

• Brugerinteresser
• Tøjsmag
• Produktinformation
• Interaktionshistorik
• Købsmønstre
• Like og dislikes af tidligere bokse
• Lagerbeholdning

Alle disse variable blev analyseret og behandlet af Halfspace’s nyudviklede motor. Den er nu i stand til at anbefale og levere præcise tøjanbefalinger for hver enkelt kunde på få sekunder. En effektivisering, der skal holdes op mod en proces, der før tog AnnóAnno mere end 10 minutter. Motoren hjælper således ikke alene stylisterne med at vælge de bedst egnede tøjstykker med større nøjagtigheder hurtigere. Den forstærker også muligheden for at sammensætte helt unikke tøjbokse ved at udnytte langt flere datapunkter optimalt. Derved kan AnnóAnno styrke sin value proposition ved konsekvent at levere en enestående og uforglemmelig shopping oplevelse. En oplevelse og ikke mindst en løsning, hvor kropspositivitet, mangfoldighed og individualitet fylder langt mere end i konventionelle modebutikker online. Nu kan AnnóAnno matche hver kundes præferencer med det mest sandsynlige produkt de vil købe – og samtidig sikre, at det er tilgængeligt ud fra, hvad der er i sortiment og på lager.