Por qué el machine learning puede ayudar a resolver el problema de las devoluciones en moda

En el eCommerce europeo, las devoluciones son un gran problema. El último informe Insights IF lastmile reflejaba que entre el 41% y el 81,7% de las devoluciones de moda se deben a problemas de tallaje.

Estos datos ponen de manifiesto la frustración del consumidor, que no entiende cómo su talla habitual puede variar tanto de una marca a otra.

Cuál es la raíz del problema con las tallas

El problema de las tallas va mucho más allá de no poder ver, tocar o probarnos unos pantalones cuando compramos online. La realidad es, que por un lado, cada fabricante elige un sistema de tallaje distinto, siendo imposible la estandarización. Y, por otro, los modelos de patronaje no suelen ajustarse a la morfología real de los cuerpos de los compradores.

Si a esto le sumamos el hecho de que muchas tiendas están comenzando a integrar una tarifa para frenar las devoluciones el descontento con la experiencia de compra, aumenta. Lo hemos podido ver hace tan solo unas semanas, cuando en Reino Unido, los compradores de H&M manifestaban su descontento al tener que pagar una cuota de 2,29€. Argumentaban que no tendrían que realizar tantas devoluciones si el sistema de tallas fuera más coherente.

No obstante, lograr esa cohesión de las tallas es hoy un objetivo inalcanzable por diversos motivos:

• Diferentes patrones. No es igual usar como modelo base una mujer alemana de 1,75 de altura media y complexión media de 75 kilos, que una española de 1,65 de 60, aunque ambas lleven una talla 38. Las diferencias a la hora de crear el patrón base hace que sea complicada la unificación de tallas, a no ser que toda la industria a nivel planetario decidiese que el patrón de la talla cero corresponde a X centímetros de largo, X de ancho, etc. Un intento que algunos recomendadores de tallas ya persiguen, como por ejemplo, la española Naiz Fit. Ha desarrollado un proyecto de estabilidad de tallas en una marca de vaqueros conocida internacionalmente para lograr este objetivo.
• Diferencias de materiales. Todos hemos visto la típica foto de un montón de pantalones de la misma talla que no tienen el mismo ancho. Esa foto es engañosa por un detalle importante: materiales como la lycra y el elastano hacen que la prenda quitada sea menos ancha, pero puesta den la talla correcta. Es decir, el material de fabricación afecta al tallaje y a cómo nos queda puesto.
• Diferentes morfologías. Una misma talla S puede servir a personas con muy diferentes morfologías, aunque no siempre parezca la misma prenda. El ser de complexión alta y delgada o tener forma de reloj de arena hace que unas prendas nos favorezcan más que otras. La talla, al no tener en cuenta las diferentes morfologías, suele jugar en contra de los consumidores. Este caso es muy evidente en la compra de ropa deportiva. Una mujer que suela llevar una talla 38-40 comprará, por estadística, unos leggins de la talla M, sin embargo, debido a los materiales de fabricación, es probable que se sienta más cómoda en una S.

Cómo se puede solucionar

Las marcas deberían pensar en reducir la incertidumbre del cliente y en la importancia de la información. Por eso, ontar con el servicio de un buen recomendador de tallas como Naiz Fit, puede ser clave en un negocio de moda online.

Además de contar con las tres variables de recomendación básicas disponibles en cualquier recomendador de tallas (alto, ancho y contorno), Naiz Fit cuenta con dos algoritmos de machine learning que tienen en cuenta hasta 21 medidas del cuerpo humano. De esta forma, el cliente puede saber con mayor certeza qué talla se adaptará mejor a su cuerpo mediante la utilización de esta herramienta.

Recientemente, esta empresa española ha ganado el premio Paris Retail Week en la categoría “recorrido ágil de cliente”, un galardón que anuncia su expansión en Europa y reconoce su apuesta de valor para producir un impacto real en la industria de la moda, resolviendo los problemas relacionados con las tallas y el fitting en toda la cadena de la industria de la moda que tanto preocupan a los consumidores.