Vedi tutti

È possibile prevedere le mode?

I trend fra dati, stampe e proiezioni temporali

È possibile prevedere le mode? I trend fra dati, stampe e proiezioni temporali

Se il Y2K è sulle pagine (e sui feed) di qualsiasi magazine, settando gran parte delle conversazioni intorno alla moda, parlare di trend in maniera generica è forse riduttivo. E se quest’autunno sarà virale - la questione della stagionalità è piuttosto complessa tanto che è stata affrontata persino negli scritti di Roland Barthes - una determinata stampa o se un colore avrà particolare risonanza, probabilmente dietro c’è qualcosa di più complesso. Appurata l’importanza della creatività di direttori creativi, stylist, fotografi ed editor, rimane la certezza che la moda è un sistema che si regge sul business e sulle vendite. Vendite che, per essere efficaci sotto tutti i profili, necessitano di una pianificazione strategica ai limiti del maniacale. 

Se fino a poco tempo fa - lo spartiacque principale è direttamente correlabile all’avvento della digitalizzazione unito all’ondata dello streetwear - il principale motore che smistava trend era tenuto in vita dal momento della sfilata, le cose sono alquanto cambiate nel corso del tempo. Nello specifico, questa tipologia di trend forecasting si basa su un sistema di categorizzazione top-down che è stato descritto in maniera piuttosto incisiva nella pellicola cult Il Diavolo veste Prada attraverso le parole di Miranda Priestly:

«Tu apri il tuo armadio e scegli, non so, quel maglioncino azzurro infeltrito, per esempio, perché vuoi gridare al mondo che ti prendi troppo sul serio per curarti di cosa ti metti addosso. Ma quello che non sai è che quel maglioncino non è semplicemente azzurro, non è turchese, non è lapis, è effettivamente ceruleo, e sei anche allegramente inconsapevole del fatto che nel 2002 Oscar de la Renta ha realizzato una collezione di gonne cerulee, e poi è stato Yves Saint Laurent - se non sbaglio - a proporre delle giacche militari color ceruleo. E poi il ceruleo è rapidamente comparso nelle collezioni di otto diversi stilisti. Dopodiché è arrivato a poco a poco nei grandi magazzini e alla fine si è infiltrato in qualche tragico angolo casual dove tu, evidentemente, l’hai pescato nel cesto delle occasioni. Tuttavia quell’azzurro rappresenta milioni di dollari e innumerevoli posti di lavoro, e siamo al limite del comico quando penso che tu sia convinta di aver fatto una scelta fuori delle proposte della moda quindi, in effetti, indossi un golfino che è stato selezionato per te dalle persone qui presenti, in mezzo a una pila di roba».

Si tratta, in realtà, di una delle tante vie percorse con l’obiettivo di definire quali saranno i trend in una determinata stagione. Il primo passo, teoricamente, dovrebbe consistere nel delimitare proprio il limite temporale di riferimento: quanto si può spingere in là con una previsione un brand bisognoso di intercettare gusti e tendenze nel più veloce tempo possibile? E, soprattutto, con quali mezzi?  Le proiezioni temporali consentono agli stilisti e ai buyer di sapere cosa andrà di moda in futuro più o meno vicino e di pianificare le collezioni e il merchandising in modo appropriato. Prevedere una tendenza nel breve termine (6 o 12 mesi) vuol dire lavorare principalmente con micro trend, concentrandosi su vibe, colori, stili e cercando di attingere ai fenomeni correlabili alla cultura pop. Le previsioni a lungo termine esaminano, invece, spunti direzionali più ampi che suggeriscono un cambiamento sociale in atto: stili di vita, dati demografici internazionali e locali, aspettative dei consumatori e impulsi all’acquisto finiscono con il tracciare le linee dei macro trend. Anche i cambiamenti tecnologici, scientifici, economici, politici e culturali possono avere un impatto sulle macrotendenze: la pandemia di COVID-19 ha cambiato il nostro modo di consumare ed esperire i prodotti di cui abbiamo bisogno o a cui siamo interessati.

@marcelazanini Part 1: Trend Forecasting #workinginfashion #fashionjobs #fashionstudent #fashionstudentlife #fashiontiktok original sound - marcela zanini

Per prevedere efficacemente i trend del futuro, è necessario osservare i movimenti socio-culturali per proiettarsi nel breve, medio o lungo termine sullo scenario della moda. Generare una previsione accurata vuol dire fare i conti in primis un'immensa quantità di informazioni, traslitterate poi in racconti visuali e moodboard per le aziende. La complessità che richiede questa tipologia di ricerche motiva, il più delle volte, il costo elevato richiesto dalle agenzie specializzate in trend forecasting. L’intero processo di previsione è infatti unico e calibrato sulle esigenze di ciascun brand. I marchi di abbigliamento femminile, ad esempio, investono maggiormente nell'analisi delle micro tendenze rispetto a quelli maschili, perché producono più collezioni all'anno. Le previsioni, inoltre, sono influenzate anche dalle dimensioni dell'azienda e dal suo mercato di riferimento. Date per assodate la complessità e la volatilità del trend forecasting, rimane da capire quali siano gli approcci in uso. Se la modalità top-down si regge su un assunto di base che non permette di uscire al di fuori della realtà della passerella, lo schema bottom-up agisce al contrario e non fa che attingere dal basso: street style, feed e social listening si fanno portavoce di una modalità di captare le informazioni parallela a show e negozi.

Le agenzie tendono per lo più a combinare e trarre il meglio da entrambi i modelli, avendo già di base un’approfondita conoscenza dello scenario moda. Tuttavia, questi sistemi sono spesso inefficienti, costosi e dipendono fortemente dall'esperienza degli analisti che tendono a incorporare pregiudizi nei risultati delle previsioni. L’avvento dell’era digitale, la viralità delle tendenze, la velocità del time-to-market e il comportamento dei consumatori si sono trasformati negli ultimi dieci anni, complicando di conseguenza il panorama del trend forecasting. La registrazione degli acquisti sulle piattaforme di vendita al dettaglio online o offline è una fonte di dati importante per l'analisi delle tendenze della moda, pur considerando limiti come promozioni e altre tipologie di circostanze che potrebbero non rivelare le reali preferenze degli utenti o tendenze. I social media, d’altra parte, catturano la vita quotidiana delle persone in tutto il mondo e si sono evoluti in piattaforme che consentono a un numero sempre maggiore di utenti di esprimere le proprie preferenze e opinioni in materia di moda. Di conseguenza, rappresentano uno sbocco naturale per lo studio dell'analisi delle tendenze. Inoltre, i dati provenienti dai social media sono enormi, diversificati, strettamente correlati alle tendenze della moda e hanno un lungo arco temporale, rendendo possibile e preziosa un'analisi intelligente delle tendenze della moda su larga scala. È proprio quello che sta facendo Heuritech, un'azienda specializzata in  trend forecasting. Il suo motore di riconoscimento delle immagini brevettato è in grado di riconoscere e classificare migliaia di componenti in una singola immagine sui social media tra cui forme, caratteristiche, tessuti, trame, modelli e colori. La tecnologia di  Heuritech determina, ad esempio, che si sta guardando una foto di una maglietta a righe, lavorando sulle unità componenti di un item. Dato che questa tecnologia analizza milioni di foto ogni giorno, è possibile calcolare anche il volume delle magliette a righe. Heuritech è in grado di prevedere il comportamento futuro quantificando la crescita e l'evoluzione precedente di una tendenza, esaminandone il volume o la popolarità.

Queste previsioni sono fondamentali per i merchandiser e i designer per capire come un particolare prodotto viene accettato in tempo reale, da quale tipo di clienti e in quali aree del mondo. Utilizzando l'intelligenza artificiale per convertire post pubblicati sui social media in dati rilevanti, Heuritech può consentire alle aziende di prevedere più correttamente la domanda e le tendenze,di produrre in modo più sostenibile e di ottenere un eccezionale vantaggio competitivo. Nel prossimo futuro potremmo vedere modelli di Intelligenza artificiale che saranno in grado di incorporare dati sempre più diversificati sui consumatori. I ricercatori hanno rilevato che, sebbene siano stati raggiunti buoni risultati, alcuni aspetti potrebbero essere ulteriormente migliorati con il passare del tempo. Le informazioni - preferenze in fatto di moda, professione, hobby  e persino brand in cui un consumatore può maggiormente identificarsi - sull’utente sono destinate a presentarsi in una forma sempre più sofisticata e particolareggiata, facendo sì che le previsioni saranno sempre più accurate sotto un profilo qualitativo, oltre che quantitativo.