Acceso usuarios
Lucia Paladino
Tradizionalmente le aziende di moda hanno utilizzato sistemi piuttosto rigidi sia per determinare i prezzi sia nelle scelte di assortimento. La conseguenza erano produzioni e allocazioni eccessive e avanzi di stock invenduti, o al contrario stock inadeguati e mancate vendite. Negli ultimi due decenni, le logiche di pricing e product mix delle aziende della moda sono state riviste alla luce di trend quali il sourcing globale, l’aumento del numero delle collezioni, segmentazioni dei clienti sempre più precise, dinamiche di retailization e internazionalizzazione e l’affermarsi di logiche omnicanale. Oggi, l’analisi di grandi volumi di dati, combinata alle decisioni degli store manager circa l’allocazione degli stock, consente una migliore predittività e accuratezza del sistema, ma anche maggiore engagement dei negozi. Un’analisi a cura della società di predictive analytics Evo Pricing evidenzia come sia possibile applicare con profitto le logiche di machine learning a vari casi tipici del mondo della moda, come, per esempio, pianificazione della collezione, determinazione dei prezzi di listino, gestione di saldi e promozioni.
