Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Artificial reinventa
el sector Moda
Índice
1
Intro general
Contexto 4
2
¡Pasamos a la acción! 88
Canales digitales
Casos de uso y metodología
11 Equipos y talento 101
05 Talento y organización 74
Colaboración humano-máquina
Casos de uso y metodología
1
Fashion Retail | 2022
Intro general
Contexto 4
Cadena de valor - Ámbitos de actuación 7
05 Talento y organización 74
Colaboración humano-máquina
Casos de uso y metodología
Fashion
FashionRetail
Retail. .NTT
NTTDATA
DATA | | Google
GoogleCloud
Cloud 44
David Ubide Alberto Céniz
Head of Retail & Fashion Director Comercial Retail & FSI
NTT DATA España
Para NTT DATA, reinventar el sector moda con Google Cloud y especialmente A medida que la necesidad de transformación digital continúa acelerándose,
en el ámbito de la IA representa acelerar la puesta en el mercado de nuestro desde Google Cloud y NTT DATA queremos ayudar a los retailers a
conocimiento tecnológico y de negocio. mantenerse a la vanguardia con soluciones para el crecimiento digital
y omnicanal, con experiencias basadas en datos y centradas en el cliente
Nuestro objetivo: ayudar a las empresas de moda en el marco de su y la mejora operativa.
estrategia de transformación digital en la adopción de innovadores casos de
uso y modelos de negocio que generen una mayor satisfacción de cliente así
como eficiencia operativa.
Fashion
FashionRetail
Retail . . NTT
NTTDATA
DATA | | Google
GoogleCloud
Cloud 55
Las tecnologías de Inteligencia Artificial (IA) están demostrando el potencial de consolidarse La Inteligencia Artificial sustenta un nuevo paradigma de Transformación
como un factor de crecimiento clave para las empresas que operan en la industria de la moda. Digital Inteligente y reformula la cadena de valor de la moda elevando
las capacidades actuales habilitando, entre otros:
Se estima que el mercado de Inteligencia Artificial en el Sector moda tenga un crecimiento
exponencial en los próximos años llegando a superar los 4.400 millones de dólares en 2027 (*).
Análisis en Procesos Nuevos modelos Impulso de la
Las tecnologías de Inteligencia artificial permiten a las empresas adaptarse y superar gran parte tiempo real de inteligentes para para el suministro gestión eficiente
de los miedos del sector como la caída de la demanda, cambios en el comportamiento del las tendencias la creatividad y y la distribución del inventario y
consumidor, caídas en el suministro, repensar la tienda física y lograr el zero-inventory. del mercado el diseño stock
El factor tecnológico será la clave para generar competitividad y ocupar un lugar de preferencia
Rapidez y mejora Personalización Propuestas Aumento en la
en el mindset de un perfil de consumidor tan digital como exigente.
de la calidad en la de la experiencia innovadoras para productividad de
atención al cliente de compra y de el cliente en el los empleados y
las interacciones descubrimiento sinergias entre
con la marca de productos equipos
Fashion
FashionRetail
Retail . . NTT
NTTDATA
DATA | | Google
GoogleCloud
Cloud 66
Generación de Valor con IA en el sector Moda:
Casos de negocio destacados
01
Transforma
el conocimiento
del mercado
en valor de negocio
Casos de negocio y journey tecnológico
La aplicación de IA en investigación de mercado ayuda a las La generación de insights de alto valor para la organización y la capacidad de acceder a ellos
marcas de moda a construir una comprensión panorámica en tiempo real proporcionan el conocimiento para idear una estrategia de negocio más sólida
e informada, así como una toma de decisiones inmediata. Además, brinda a los gestores la
y precisa en torno a nuevas tendencias y actividad de la
capacidad de liderar el mercado lanzando colecciones con gran atractivo para el público,
competencia, y supone un punto de partida crítico para impulsando:
anticipar las propuestas de moda con mayores posibilidades
de provocar un efecto WOW! en los consumidores.
El acceso a un gran volumen de datos se ha desvelado como un activo de valor para los retailers,
pero resulta clave extraer tanto los insights que se derivan de sus propias fuentes internas como
también de los marketplaces, redes sociales y actividad digital de la competencia. Una mayor Aumentar las ventas Ganar
diferenciación incrementales y posicionamiento
En un contexto donde la diferenciación y la capacidad de sorprender son claves del éxito, de la marca cruzadas en el mercado
las marcas requieren procesar e integrar como conocimiento orgánico aspectos como las
estrategias creativas y comerciales de la competencia, las características de las nuevas
tendencias, la evolución en el comportamiento del consumidor y sus preferencias de compra
o el impacto viral de celebridades o influencers.
Transforma el
conocimiento 1.1. 1.3. 1.5. 1.7.
de mercado
en valor de
negocio 1.2.
Análisis de estilos
1.4.
Planificación inteligente
1.6.
Conoce qué opinan de tus
por zona de ventas de promociones productos con Youtube Unboxing
Con un consumidor cada vez más Para ello, nos apalancamos en herramientas tecnológicas como Google Trends, identificando
hiperconectado, exigente e impaciente, qué conceptos y palabras clave son las que mayores búsquedas vinculadas al mundo de la moda
están realizando los consumidores.
y en un contexto de mercado con amplia
disponibilidad y variedad de productos y Con Google Correlate generamos información y comparamos los resultados obtenidos en
estilos, resulta imprescindible identificar relación a los precios, productos, catálogo y promociones existentes en cada momento.
y anticipar qué tendencias serán las más
deseadas para lograr el éxito. Además, integramos capacidades de automatización para recopilar y hacer seguimiento de la
información e imágenes de aquellos sitios digitales que son de mayor interés para cada cliente,
elaborando informes de la competencia que consolidan las conclusiones sobre sus últimas
Por ello, las marcas necesitarán de herramientas propuestas.
impulsadas por IA para analizar la evolución de dichas
tendencias y los hábitos y preferencias de consumo de los
clientes. Al incorporar esta información en la planificación
de las colecciones se impulsará el acierto frente a las Como resultado, los gestores de la marca se beneficiarán de:
demandas del mercado.
Mediante la Identificación de tendencias, preferencias Contar con informes de alto Mejorar el posicionamiento Impulsar la competitividad
y análisis de los competidores, facilitamos a las marcas valor que impulsen una sólida en el mercado y la y el crecimiento.
el seguimiento de las corrientes en Moda y el análisis toma de decisiones respecto diferenciación.
de las colecciones y su posicionamiento en el mercado, a la competencia.
proporcionando la información necesaria para operar con
confianza.
3 Integramos todos los datos de diversas fuentes en un Data Hub, bien estructurado y
organizado.
Científicos
de datos
A través de cámaras situadas en los En el streaming de vídeo que generamos es Con modelos de machine learning entrenados ad hoc, Presentamos la información obtenida
establecimientos, se captura de forma posible detectar qué personas hay en cada clasificamos a partir de cada una de las imágenes los tipos con una capa de visualización que puede
anonimizada la imagen de cada cliente y imagen y qué tipo de prenda viste cada una de prenda, sus estilos y colores. Y comprendemos mejor personalizarse para cada decisor de la
cómo va vestido. de ellas. cómo visten los clientes que visitan cada tienda o los de una compañía.
ciudad frente a otra.
Ya tenemos photocall –pero anonimizado, De nuevo, garantizando la privacidad y
¿eh?- ¡Listos para procesar! anonimización.
¡No sé quién eres, pero sí cómo vistes!
Desvelar las percepciones más sutiles de Podemos capturar las reacciones de los clientes ante los estímulos de una marca, por ejemplo,
los clientes aporta insights muy valiosos cuando participan en la demostración de un producto o de una campaña promocional.
Esto permite clasificar cuáles son sus percepciones.
para el desarrollo de productos y campañas
publicitarias. Con los recientes avances Podemos escuchar y analizar la voz de cliente, procesando los comentarios en lenguaje natural
tecnológicos, las organizaciones más punteras obteniendo así conclusiones específicas y certeras.
están apostando por evolucionar desde los
modelos tradicionales de captura de opinión A su vez, se permite incorporar a todo ello, de forma anonimizada, la edad y el género de los
del cliente como focus groups - con un coste participantes, pudiendo segmentar las conclusiones de cualquier análisis.
e inversión de tiempo elevadas - en favor
de nuevos métodos más fluidos, rápidos y
rentables.
Cloud Build
2 Con el modelo de machine learning (ML) diseñado y entrenado ad hoc, podremos analizar cada frame del
vídeo, automatizando la extracción y análisis de los datos de mayor relevancia, como su interés frente a
determinados mensajes.
. Los participantes acceden al vídeo por . Qué motiva el interés de las personas hacia los productos de una marca.
streaming a través de su cámara web o . Qué perfiles son los que muestran mejores reacciones …. ¡Y mayores posibilidades para
dispositivo móvil. la marca!
. Creamos un pipeline para el procesado de . Cómo reaccionan ante una prenda o promoción.
estos vídeos y almacenamiento del output Con este conocimiento se facilita focalizar los productos y campañas publicitarias al
que generan. segmento de clientes correcto con los mensajes más adecuados.
Para los responsables de marketing y Partiendo del volumen de búsquedas de cada palabra clave en cada periodo, la planificación
producto de cualquier organización es de campañas con Google Ads y el Simulador de pujas de CPC Smart Bidding Performance,
podemos realizar simulaciones de promociones para anticipar el rendimiento de los anuncios en
importante aumentar la precisión de su
función de los objetivos de CPA, ROAS o presupuesto medio diario.
planificación promocional y dirigirse a cada
segmento de clientes con el mensaje idóneo El objetivo es automatizar de manera ágil la obtención de insights sobre KPIs (CPC, CTR, tasa
en el momento adecuado, optimizando de conversión, coste de conversión, alcance y frecuencia...), y el impacto de cada promoción o
los recursos e inversión publicitaria combinación de promociones a los decisores.
y aumentando la exposición de la marca
y las ventas. De este modo, generamos una panorámica perfecta para facilitar la previsión, planificación y
optimización de las campañas, reduciendo los costes y optimizando los márgenes mediante:
2 Combinamos
Google Correlate Analistas
todos los datos de las diversas fuentes de BI
1.5.
Twitter API
Proporciona las herramientas necesarias para acceder a un repositorio de tweets y analizar las
opiniones de los usuarios a través de sus comentarios, respuestas, actividad de cuentas y hashtags,
tanto de empresas como de consumidores en torno a una determinada marca o producto.
Twitter Insights:
Google Cloud Storage
Radiografías sobre 280 Almacenamos la información extraída de Twitter en la nube, y gestionamos los datos
caracteres introduciendo técnicas de filtrado de ruido, para aumentar la calidad de los datos.
Google NLP
Las redes sociales son fuente de información Sentiment Analysis API: analizamos el sentimiento y conocemos el impacto de las opiniones
clave para conocer con mayor detalle el reflejadas en tiempo real o a lo largo de un periodo de tiempo.
impacto de los productos y la imagen de una
Vision Product Search
marca de moda en el mercado.
Analizamos las imágenes adjuntas en los tweets para detectar artículos y analizar el sentimiento
en el mensaje asociado.
Este análisis permite transformar los datos recogidos de Twitter en insights y valor de negocio,
como:
Results BI
Tweets Extraction Data Management Natural Language API Storage
Capturamos la actividad de las cuentas, Automatizamos la extracción y Mediante capacidades de Procesamiento de Los analistas de negocio podrán acceder a los
tweets y respuestas y hashtags que podremos procesamiento del texto en Twitter… Lenguaje Natural, identificaremos el sentimiento insights que se derivan de la exposición de la
transformar en conclusiones de calidad, piar y ¡recopilar! y las emociones de los usuarios acerca de marca en Twitter para tomar mejores decisiones
estadísticas y métricas para mejorar el las publicaciones de la marca o hashtags promocionales y diseño de productos, que
desarrollo de las campañas de Marketing, referenciando a un producto o colección de se trasladen a una ventaja competitiva de la
mejorar el enfoque de las promociones, y moda. percepción de marca en el mercado.
detectar cuentas afines a la marca, como
influencers y seguidores más activos.
El desarrollo de los casos de uso relacionados con marcas y aplicaciones externas a Google (Instagram, Twitter)
estarán sujetos al estricto cumplimiento de los términos y condiciones de uso especificados por las mismas.
Cuando los fans de tu marca reciben un Para ello, extraemos todo el audio de Además podemos llevar a cabo el análisis de Volcamos la información en Google Cloud
producto, graban su unboxing y lo comparten los product reviews, lo procesamos, sentimiento para comprender las opiniones Storage. ¡Todo listo para que los analistas de
en Youtube, te ayudamos a extraer todos los lo transcribimos a texto y lo analizamos que genera tu marca y cómo de atractivos son negocio puedan analizar los KPIs y desvelar
insights del vídeo unboxing y los convertimos con Google STT API y Dataflow. percibidos los productos. percepciones y tendencias!
en valor de negocio.
en Instagram? Conocer los datos Conocer los datos Examinar los datos de las
demográficos de los de publicaciones, el promociones de los Feed
usuarios que visualizan sentimiento e impacto de Post: visualizaciones de
las publicaciones o que un producto (feed posts): la promoción, clicks y
Instagram es reconocida por su capacidad publican mencionando a la asociar publicaciones visitas al perfil, conversión
de difusión de nuevas marcas y promoción de marca, incluido el género, (fotos, vídeos, carruseles) en compras, datos
productos, habilitando para las marcas una grupo de edad y la ubicación con su medición demográficos de la
exposición a millones de usuarios. Sin embargo, no (ciudades y países). (comentarios, participación, audiencia y presupuesto.
impresiones, me gusta,
siempre se optimiza su capacidad ni los beneficios
alcance y guardado) en
que se pueden obtener de este canal. un periodo de tiempo
determinado.
Con el Análisis de feed posts, podemos conocer qué contenido
atrae a los usuarios, monitorizar el impacto de marcas y
productos y conocer el segmento de audiencia que visualiza las Así ayudamos a las marcas de moda a comprender mejor quiénes son sus seguidores,
publicaciones y reacciona frente a las mismas con la publicación su ubicación, el impacto de un nuevo producto/colección y, en definitiva, el posicionamiento
de feed posts. de su imagen de la marca, con el objetivo de aumentar el impacto de su presencia en redes,
ya que podrán:
Para dar forma a esta solución es posible integrar diversos
componentes y capacidades de Instagram en GCP, y así:
Aumentar las ventas, Optimizar las campañas de Acelerar la identificación de
Almacenar y Identificar imágenes Conocer y analizar aprendiendo nuevas pistas marketing y promociones. tendencias y trending topics
gestionar la de productos y el sentimiento y para que sus productos y de moda.
información extraída compararlos con actitudes quienes contenidos se adapten con
de Instagram en la el catálogo de protagonizan éxito a sus segmentos de
nube con Google imágenes de una un feed post mercado.
Cloud Storage. marca con Google con Google
Vision AI. NLP – Sentiment
Analysis API. El desarrollo de los casos de uso relacionados con marcas y aplicaciones externas a Google (Instagram, Twitter)
estarán sujetos al estricto cumplimiento de los términos y condiciones de uso especificados por las mismas.
Así como usuarios y consumidores acuden a Procesamos todas las imágenes con etiquetas y Analizar publicaciones y comentarios en los El analista de negocio tendrá acceso a la
Instagram como fuente de inspiración de nuevos hashtags de la marca para así poder analizar los feeds nos permitirá obtener más detalles sobre recopilación de métricas, para de este modo
productos y tendencias, las empresas también perfiles, localizaciones geográficas y patrones opiniones, valoraciones y sentimientos de los poder comprender de manera más precisa
pueden aprovechar el conocimiento de mercado de los usuarios interesados en los productos de usuarios. cómo de atractivos son los productos de
que se captura a partir de los feed posts de la marca. nuevos lanzamientos y colecciones, desvelar
Instagram. nuevas tendencias y extraer conclusiones
sobre el impacto de nuevos mensajes
comerciales en las audiencias.
02
Modelo inteligente
de relación con
el cliente.
Canales físicos
Casos de negocio y journey tecnológico
Casos de negocio y journey tecnológico En este contexto de cambio constante, los retailers están incorporando nuevas herramientas
tecnológicas que permiten entender rápidamente el mercado y diseñar nuevas ofertas para
satisfacer una demanda cambiante y perseguir mayor penetración y cuota de mercado.
La pandemia provocada por el COVID-19 ha acelerado la Para dar respuesta al contexto phygital, las marcas se están apalancando en las soluciones
digitalización de los consumidores en sus vida cotidianas, tecnológicas de última generación impulsadas por la Inteligencia Artificial:
optando cada vez más por canales digitales.
. Integradas en la experiencia de la tienda.
. Permiten capturar información de comportamiento en el journey físico.
. Enriquecen la visión total de cliente al comparar su interés y conversión transaccional.
. Pueden medir las interacciones con la marca y los productos e identificar preferencias.
Muchas empresas de moda no sólo han visto un aumento sin precedentes en sus consumidores
puramente digitales, también ha habido un incremento más que notable de consumidores
phygital que buscan una experiencia híbrida, capaz de fusionar la experiencia de los canales
digitales (ecommerce, redes sociales...) y la de las tiendas físicas. El conjunto de casos de negocio que presentamos en Instore Customer Insights -, impulsan:
Cada vez más exigentes con sus compras y a un clic de distancia de elegir a un competidor,
el perfil del nuevo consumidor digital y post-pandémico acelera la necesidad de los retailers
de idear nuevos productos y servicios. Se sitúa al usuario en el centro del diseño, respondiendo
a la nueva mentalidad y creando experiencias de compra diferenciales como principal valor.
Se busca lograr una conexión emocional con el target para alcanzar el objetivo final de
Una toma de Monetizar el Diseñar nuevos Analizar Reducir las
crecimiento sostenible de las ventas.
decisiones journey del servicios de los datos fricciones
ágil para cliente a lo atención al transaccionales entre la marca
mejor la largo de su cliente basados y las tasas de y el cliente
experiencia experiencia en la hiper- conversión de en aquellos
en tienda con la marca personalización compras procesos más
sensibles
2.1.
Monitoriza el
tráfico de la
tienda para un
mejor servicio
2.5.
2.2.
Pruébatelo.
Llévatelo
Conoce quién
visita tus tienda
y maximiza las
ventas
Los minoristas de moda conocen por Todas estas capacidades permiten a los gestores de tienda:
experiencia que la concentración de volumen
de compradores en la tienda física varía Planificar el personal de la Ajustar los horarios de Definir el calendario de
significativamente a lo largo del día, semana tienda, tanto los asistentes apertura por tienda, campañas promocionales
y temporada. Pero ahora es posible capturar de compras como el planificando la asignación para incentivar tráfico y
con precisión estos datos y aprovecharlos personal de caja. de recursos y el consumo rotación.
para ofrecer una mejor experiencia en la de energía.
tienda.
Llevar a cabo el recuento de personas que acceden a la Con ello se redunda no sólo en los beneficios asociados a la gestión del punto de venta en
tienda, individualmente y en tiempo real, ya es posible con función del tráfico de personas, sino también en la propia experiencia de cliente, especialmente
una precisión cercana al 100%. El alcance de este caso de en tiempos donde el contacto físico es susceptible de mayor sensibilidad.
negocio se extiende con la integración de las capacidades
de machine learning que nos permitirán predecir cuál será
el volumen de tráfico en la tienda en el futuro, conociendo
de antemano qué fechas pueden ser las más activas
y cuáles las franjas horarias más concurridas en cada
establecimiento.
Se crea una
pipeline para
el procesado
del vídeo y el
Enviamos almacenamiento
un flujo de del output
streaming/ Se almacena
Batch desde Se almacena la información
la cámara a la información obtenida
un gestor de obtenida para para su
flujo explotación explotación
¿Buscas predecir el volumen de tráfico en Para poder contabilizar correctamente a las Ahora ya contamos con un repositorio de datos organizados y Los analistas de negocio ya pueden
tus tiendas físicas? personas, integramos la API de Video Intelligence. estructurados. visualizar conclusiones clave… vaya,
parece que a pesar de estos tiempos
Mediante las cámaras instaladas en los Se acabó destinar recursos a tareas rutinarias y Entrenaremos el modelo de detección de personas a partir de los turbulentos los fines de semana nos
establecimientos se monitoriza en tiempo real manuales como el conteo de compradores en datos recogidos por las cámaras en tienda. sigue gustando pasar del escaparate
o diferido el número de personas que traspasan tienda al probador…
la entrada. 1, 2, 3, 4…
Atravesamos la entrada de un mismo Con todos estos datos en la coctelera perfilaremos con precisión la audiencia del espacio
establecimiento de moda… pero nuestro físico, información que puede complementarse con datos transaccionales vinculados a su
comportamiento en la tienda para:
recorrido por el interior refleja lo variado que
puede ser el comportamiento de cada cliente
en función de gustos y preferencias. Entender los puntos Adaptar la selección Mejorar la Relacionar la actividad
calientes por perfil: y la exposición de comprensión de los transaccional con el
¿Cuáles son los puntos calientes donde nos a quién le gusta qué. los artículos en perfiles en la cartera perfil de los individuos.
detenemos con mayor frecuencia o durante la tienda para los de marcas
más tiempo? perfiles clave, al
conocer el recorrido
¿Qué prendas atraen más tráfico?
físico y las zonas
¿Se convierte ese interés en ventas reales? calientes.
No solo se trata de detectar a las personas que visitan Todas estas funciones se traducen en pistas valiosas para diseñar recorridos y configurar la
el espacio físico de la marca, sino también de poder exposición de prendas y colecciones con el objetivo de maximizar las ventas.
integrar las capacidades necesarias para identificar cómo
se agrupan estos compradores a lo largo de su visita,
si lo hacen individualmente, en parejas, como grupos de
personas.
Enviamos
un flujo de Se crea una Se
streaming/ pipeline para almacena la
Batch desde el procesado información
la cámara a del video y el obtenida
un gestor almacenamiento para su
de flujo del output explotación
Con el constante cambio en el Monitorizar si te visitan solos o en grupo, en Sobre las imágenes correctamente almacenadas, entrenamos Finalmente, los responsables de
comportamiento de los consumidores en parejas… ¡Siempre protegiendo la anonimización modelos ad hoc de machine learning para estimar con negocio pueden consultar los KPIs
espacios físicos, es posible que intuyas y la privacidad de los datos! precisión la edad y género. definidos y conocer con exactitud
cómo varía, y más necesario que nunca cuál es el tipo de comprador que les
comprenderlo con precisión. visita.
Mediante el Análisis de Sentimiento a través de Biometría El objetivo es que los gestores puedan conocer, incluso en proximidad al tiempo real:
Facial, es posible ayudar a los retailers a analizar de manera
anónima las reacciones gestuales de los clientes respecto
a determinados expositores o productos. El atractivo de sus productos en tienda La tasa de conversión de compra potencial que
y la percepción del catálogo para cada pueden alcanzar, realizando análisis cruzados
La solución se diseña a partir de: segmento. de las reacciones registradas con su traducción
en ventas. De este modo podremos extraer
conclusiones en torno a la efectividad de la
La disposición respecto a El análisis de los rasgos composición de la tienda/escaparate y el
expositores y productos de biométricos faciales, posicionamiento de precios.
las cámaras que capturan anonimizados, cuando los
las imágenes de clientes. clientes interactúan con los
expositores.
Cloud Storage Video Intelligence API Computer vision Models BigQuery BI Engine
El primer paso será disponer las cámaras Ubicando la captura de imágenes a la altura Por ahora, los modelos de machine learning que desarrollamos Los analistas de negocio ya
para capturar las imágenes de los clientes de los stores de ropa, se procesa cada ad hoc para este caso de negocio se enfocan en los análisis tienen en sus manos (y en usables
y sus reacciones, como también el propio imagen y creamos un data set que faciales, y no en el lenguaje físico del cuerpo completo de los dashboards) el Interés sobre
planograma de la tienda que nos permitirá se vincula a cada sección o producto. clientes…. ¡Pero todo llegará! determinadas prendas por cada
vincular esta información a la disposición de uno de los segmentos de clientes,
determinados expositores o productos. ¡No te preocupes, el análisis biométrico se También analizamos (de forma anónima) atributos como la edad desvelando qué productos captan
hace anónimamente! y el género, y lo vinculamos al tiempo de visita de la sección, más atención.
obteniendo un mapa de sentimiento de visitantes por segmento
en relación a cada zona física.
A partir de la tecnología de Google desarrollamos y Así facilitamos a los gestores de los puntos de venta exprimir el valor de cada metro cuadrado
desplegamos una solución de IA a medida para identificar de superficie en tienda y les ayudamos a aumentar la tasa de conversión de compra:
y seguir en tiempo real el recorrido de los clientes en la
tienda.
Al analizar las secuencias de vídeo captadas por las Creando una experiencia de Aumentando la oferta de Repensando el espacio
cámaras de la tienda mediante tecnologías de Computer compra más guiada y fluida tipología de productos que en que se disponen las
Vision, obtenemos información valiosa sobre las zonas que para los clientes, exponiendo suscitan un mayor interés. referencias de catálogo
resultan más atractivas en comparación a otras. los productos de forma más menos atractivas para
atractiva en base al análisis el cliente.
del recorrido.
Cloud Storage Video Intelligence API Computer vision Models BigQuery BI Engine
La tienda ha dejado de ser un mero espacio Las cámaras de vídeo detectan y trazan el Con los datos recogidos, ya estamos listos para desarrollar un ¡Y los gestores de la tienda contarán
físico donde se disponen productos, y se ha recorrido de los individuos en tienda en cada modelo de ML. con información de alto valor para
convertido en una fuente de datos de alto punto de tiempo (time stamp). diseñar el recorrido de los espacios
valor para el negocio. Más allá del interés en cada sección, integrando la información físicos!
Con todos estos datos en nuestra coctelera, transaccional podremos inferir el impacto de cada
De partida, contaremos con un planograma de podremos dibujar el recorrido realizado y las configuración o cambio en el planograma en las ventas.
la tienda digitalizado y la ubicación actualizada zonas calientes.
de las secciones y productos.
Uno de los puntos de la tienda que genera Una vez recibida la alerta, el asistente de probadores escaneará el sistema de identificación de
mayores fricciones entre el cliente y la marca la ropa, para saber qué estilo y preferencias busca el cliente… ¡mientras te pruebas seguimos
trabajando para ti, elaborando tu perfil y una propuesta de outfit que quizás no habías pensado!
es la prueba de la prenda. Esto se debe a las
interminables colas para llegar al probador, La experiencia de cliente se hiper-personaliza y el asistente de probador se transforma en
las tallas que no se ajustan o la elección de un verdadero. Una vez finalizado el proceso de prueba, el asistente volverá a escanear los
las prendas. productos, capturando información para analizar cuáles gustaron y cuáles no, completando
el perfil e historial de preferencias.
Para evitar el riesgo de experiencias negativas, hemos
diseñado una aproximación que proporciona a las tiendas
capacidades para ofrecer un mejor servicio en la zona de
probadores, generando interacciones más satisfactorias Todo ello permite fomentar la tasa de conversión de ventas y potenciar el cross-selling como
e impulsando las tasas de conversión de ventas. resultado de un servicio a medida. Este proceso también permite conocer las prendas con un
alto porcentaje de descarte, logrando identificar potenciales mejoras para dichos modelos.
Este caso de negocio elimina la espera en cola para entrar
en los probadores. ¿Cómo lo hacemos? Ofrecemos a las
personas que desean acceder a probadores una pre-
In-store Canales digitales
identificación biométrica anonimizada conjuntamente al El personal shopper recoge, mediante Configurando la página de bienvenida del
escaneo de las prendas. soporte digital, los inputs del cliente a lo cliente que integra todas sus preferencias
largo del proceso de prueba de la prensa, físicas y digitales… Sí, necesitaremos vincular
¡Te avisaremos cuando llegue tu turno! pudiendo recomendar nuevos productos la información de ambos canales a través del
y tallas, y capturando información de las email o teléfono del cliente, pero ¿quien no
Win-win, el cliente podrá proporcionar la información de prendas descartadas. lo compartiría si se ahorra la espera en cola?
contacto que desee más conveniente para recibir la alerta
de su turno de espera (por correo electrónico, móvil o app)
un minuto antes de entrar en el probador. Mientras tanto, el
cliente podrá seguir ojeando, interesándose por más artículos
y mantener su turno de cola.
Anonimous Identification Biometric Identification Bluetooth beacons Real time Attention Real time Attention
Custom Vertex AI Model Custom Vertex AI Model Dataflow Pub/Sub Recommendation engine
1 ¡Evita que tus clientes hagan largas esperas! 3 Eldecliente recibe toda la ayuda y consejo que desee en la zona de probadores, ya que a través
la app, su asistente de probador podrá solicitar tallas u otros productos de interés…
Con la identificación biométrica podrás capturar datos de tus clientes (siempre y cuando estos hayan
dado su previo consentimiento); con el objetivo de crear perfiles más detallados (edad, género, ¡Y recibir asesoramiento personalizado mediante el motor de recomendación digital que
segmento…), y a cambio de ofrecerles una experiencia en probadores diferencial y sin esperas. le capacita como un verdadero personal shopper!
03
Modelo inteligente
de relación con el
cliente.
Canales digitales
Casos de negocio y journey tecnológico
En la era de la omnicanalidad, el eCommerce destaca como una de Entender mejor el comportamiento del cliente en su compra digital permite segmentar y perfilar
las fórmulas de compra preferida por los consumidores. La moda es a los usuarios para:
el segmento más grande de mercado de comercio electrónico B2C
y su tamaño global se estimó en $ 752.5 mil millones en 2020.
Se espera que el mercado crezca aún más a un 9.1% por año y
alcance un tamaño total de mercado de $ 1.164,7 mil millones en
2025 (*) Diseñar Comprender Proporcionar Realizar
campañas qué perfiles una mejor recomendaciones
de marketing muestran mayores experiencia en de productos
La innovación tecnológica digital es una palanca de transformación y competitividad que hiper- posibilidades el conocimiento de forma
impulsa a las marcas a mejorar el posicionamiento y alcance de sus productos en la red, personalizadas de adquirir de colecciones inteligente
enriquecer la experiencia de compra de sus clientes, optimizar el rendimiento de su negocio determinados y catálogos
y superar sus mejores registros de venta online. productos
Y si hay algo que generan las ventas online además de ingresos es, sin duda, una gran cantidad
de datos. Cada interacción digital (visitas, visualización de artículos, favoritos...) y cada
Todo ello con el objetivo de redundar en mayores ingresos y rentabilidad y en una mejora
transacción (completada o en proceso) genera un volumen cuantioso de información asociada
tangible de la vinculación de clientes en el medio y largo plazo.
al comportamiento del cliente, lo que resulta extremadamente útil para las empresas en este
momento en el que la democratización de la analítica permite extraer valiosos insights y
traducirlos en nuevas oportunidades.
4
2 Probadores virtuales
Búsqueda
visual y
Pruébatelo inteligentes
recomendación
de vestuario
Clientes
actuales
Buscar por imagen
5
Hiper-
personalización Recomendación de productos que puedan interesarte para
completar tu outfit
del Canal Digital
y promociones
Promociones
6 para ti
Agente virtual,
¿Cómo puedo
ayudarte?
Dataflow Recommendations AI
Usuario
web Object Detection 3 El motor de recomendación identifica
en el catálogo digital de la marca
aquellas que más se parecen a la foto
Vision AI API
que has subido…
¡Et voilà!
1 ¡Lo quiero, pero no sé donde lo ha comprado! 2 Nuestro motor de detección permite
Ya puedes visualizar los productos
la identificación de los diferentes
Seguro que alguna vez has querido esa misma objetos que componen una imagen. de la marca con las características
prenda, o parecida, que has visto lucir a un influencer, similares al de tu foto original. Y de
un actor o una amiga pero no sabes de qué marca es ¡Está entrenado para identificar paso podrás presumir de vestir igual
o dónde se lo compró… cualquier prenda de ropa! que tu influencer favorita.
Os proponemos una solución de vanguardia que ¡Voilà! Sólo has escrito “camiseta a rayas azules”
aprovecha las capacidades del Procesamiento del y ya tienes toda una galería de productos para comprar!
Lenguaje Natural (NLP) y de las Redes Adversariales
Generativas (GANs) para proporcionar una búsqueda
avanzada de productos a partir de un texto descriptivo,
y se complementa con el Motor de Recomendación de Este caso de negocio permite a los managers:
Enséñame Google AI para hacer recomendaciones personalizadas
camisetas sobre productos.
Ofrecer una experiencia guiada, atractiva Impulsar la venta cruzada, ya que el
a rayas y satisfactoria que minimiza la frustración modelo ML precisa con la recomendación
azules del cliente en el proceso de búsqueda… de productos relacionados las
¿Cuántas veces no habrás invertido horas posibilidades de ofrecer opciones más
hasta encontrar lo que querías? relevantes al cliente.
Buscar
Enséñame
camisetas
a rayas
Buscar Comprar
Nos aliamos con la ecología de la reutilización en En base a la imagen subida, la API de Visión Artificial En pocos segundos, el usuario podrá tener acceso a una gran variedad de looks icónicos y únicos,
la industria de la moda. Ahora, los productos que permite identificar y clasificar los diferentes objetos gracias que un motor de recomendación vincula las prendas detectadas con el catálogo de la marca y
un cliente tiene en el armario pueden adquirir que la componen. sugiere nuevas prendas que complementen tu ropa de armario.
una segunda oportunidad, alargando su vida útil.
Gracias al motor de recomendación, se construye ¡Y a romper moldes!
El cliente sólo necesita escoger una prenda de un conjunto completo con los artículos en catálogo
su fondo de armario, hacer una foto y subirla a la de la marca, adecuándose el resultado a los gustos
app o la propia web de la marca. propios del cliente o looks más populares.
inteligentes
Con aplicaciones A través de tecnologías La solución se complementa con
de Computer Vision GANs y Transfer Learning, un motor de recomendaciones
identificamos los artículos el cliente podrá seleccionar de IA, que asistirá a los usuarios
Debido al confinamiento por el Covid-19, de ropa y calzado en cada cualquier prenda de la web a lo largo de su recorrido como
las tiendas tuvieron que permanecer cerradas, fotografía subida por el y probársela, ajustando clientes, ofreciéndoles artículos
lo que se tradujo en una importante disminución cliente, así como la forma la prenda a la forma su recomendados en los que
del cuerpo y la pose. cuerpo. puedan estar interesados.
de ventas. Más de un año después, todavía
muchas personas se muestran reticentes a
visitar los centros comerciales o a probarse
los artículos en los probadores de las tiendas.
El probador virtual inteligente aumenta exponencialmente las tasas de conversión de ventas:
Como aspecto positivo, este escenario ha acelerado la Mejorando la experiencia Permitiendo una toma Creando vínculos con los
velocidad de integración de las capacidades de IA en los del cliente y su comodidad, decisiones de compra más clientes y aumentando la
canales digitales. Superar las barreras de lo físico y ofrecer con artículos que se ajustan informada, reduciendo el retención de los mismos.
una experiencia más sencilla al cliente desde su propia a su fisionomía sin necesidad volumen de devoluciones e
casa se ha convertido en una prioridad. de probárselos físicamente. incrementando la satisfacción
de compra.
El caso de negocio de Probadores Virtuales Inteligentes
permite a los compradores probarse artículos “sin
tocarlos”, ya que el comprador digital sólo ha de compartir
en el sitio de la marca una foto suya de cuerpo entero. Aumentando el upselling y Aumentando la productividad
cross-selling, al completar de los trabajadores al reducir
sus looks con conjuntos el número de prendas
recomendados en segundos. probadas y no compradas
que hay que recolocar.
Training Entrenamiento
¡Selecciona
una
prenda
y verás
qué tal
te queda
puesta!
Buscar
¿Te interesaría ofrecer un servicio de probador En este paso las herramienta de IA, como la Vision En pocos segundos, el usuario podrá seleccionar
virtual completamente innovador y disruptivo AI API, van a permitir identificar los diferentes las prendas que más le gusten, y “probárselas” sin
en unos pocos pasos? elementos que componen una imagen, procesar necesidad de tocarlas o comprarlas.
y almacenar el output de forma automática.
El usuario solo tiene que encargarse de subir una ¿Te gusta cómo queda?
foto suya de alta calidad, para que el sistema cree
un avatar en 2D.
La IA permite ofrecer un customer Analizando las interacciones en los canales digitales y el historial de navegación, como clics
journey a medida en los canales digitales, y visualizaciones, los artículos marcados como favoritos y los carritos de la compra, ayudamos
a los retailers a aumentar la tasa de conversión de las ventas directas y cruzadas, ya que:
proporcionando una experiencia diferencial
respecto a los competidores del mercado.
Conocer a los consumidores en profundidad, Podrán automatizar el Optimizarán sus Individualizarán el recorrido
analizando sus patrones de consumo, display de los productos campañas de marketing del cliente, haciéndolo más
comportamiento y preferencias resulta crítico más llamativos en los y promociones para cada fluido, atractivo y adaptado
para generar ese vínculo único con la marca. canales digitales para cliente, diseñándolas en a sus necesidades.
aumentar la vinculación función de sus hábitos y
del cliente. preferencias.
Por ello, nuestro objetivo es recopilar todos los insights
sobre el perfil de cada cliente, recogidos a partir de
sus interacciones en la tienda física y en los canales
digitales, y transformarlos en una oportunidad para la
hiper-personalización en su experiencia de navegación
y visualización del catálogo de la tienda online.
4
Cloud storage
Un equipo especializado podrá visualizar mediante dashboards todos los datos recopilados,
1 ¿Quieres ofrecer al cliente aquellos productos en los que está interesado en unos pocos explorar las diferentes opciones y entender cómo las métricas se relacionan entre sí.
Gracias a esta capa podremos afinar las recomendaciones y generar una capa de valor
segundos para captar su atención y guiar su viaje de compras?
añadido única.
Nuestro punto de partida será toda la información capturada a partir de sus interacciones con
la marca (tiendas físicas, canales digitales, intereses sobre el catálogo de productos y canje
de promociones)
2 Es esencial garantizar procesos de limpieza y de calidad en torno a los datos capturados, 3 Cada cliente podrá visualizar todas las recomendaciones hiperpersonalizadas de productos
con el objetivo de desarrollar y entrenar modelos robustos de IA, como recomendadores, y promociones de forma automática a medida que navega por la tienda.
segmentación de mensajes y comunicaciones comerciales, etc.
¡Y sentir que la marca le está proponiendo conversaciones únicas!
En los últimos años, el avance de chatbots o En definitiva, un Asistente Cognitivo Virtual propositivo y bien informado que desarrolla un
asistentes virtuales en el comercio de moda papel clave en la transformación de los sistemas tradicionales de comunicación con el cliente,
contribuyendo a la estrategia general de transformación digital de la empresa de moda,
ha revolucionado los procesos que giran en
además de:
torno a la interacción con el cliente en los
canales digitales, mejorando la experiencia
de compras, impulsando los ingresos y Optimizar los recursos y aumentar la Reducir los carritos abandonados,
reduciendo los costes. productividad, liberando a los trabajadores de ayudando a tomar mejores decisiones
consultas rutinarias, y redirigiendo las consultas de compra.
Los Asistentes Cognitivos Virtuales aprovechan las
más complejas al soporte de chat en vivo.
capacidades de soluciones de IA como Google DialogFlow
y APIs de NLP (análisis de sentimiento) para ofrecer a
los consumidores una experiencia de compra guiada
mediante la automatización de la resolución de consultas
Mejorar la experiencia del consumidor y guiado Reducir los costes operativos.
rutinarias 24/7, como:
de su journey de compra.
¿Cómo
puedo
Descripción de las Disponibilidad Localización
ayudarte? características de del producto. en tienda física.
un producto.
La customización de los asistentes virtuales impulsados por Inteligencia Artificial permite Una de las funcionalidades que más demandan los usuarios de los canales
adaptarse a las necesidades de tu marca, expandiendo las funcionalidades existentes de digitales es contar con un asistente personal, que les guíe a lo largo de todo
asistencia online y cambiando la forma en que proceso de compra y personalice de manera consistente la atención ofrecida en
los retailers se relacionan con los usuarios. todas las plataformas donde la marca opera (redes sociales, página web, app…):
Entre las funcionalidades a customizar, destacan las siguientes: . Encontrando en pocos segundo las
prendas y complementos que buscan
Dar seguimiento a los pedidos Ofrecer experiencia VIP a partir de una descripción o imagen.
. Conocer el estado del pedido. . Ofrecer asistencia en los procesos . Recomendando productos adicionales
. Consultar la información de facturación y pago. de suscripción de usuario. para crear looks icónicos hiper-
. Cancelación o devolución de pedidos. . Personalizar códigos, cupones y promociones personalizados a los estilos y
a medida. preferencias.
1 2 3 4 5
Mejorar la Enriquecer las Aumentar las ventas Enriquecer los Crear informes y
experiencia del relaciones entre la (upselling y cross perfiles de clientes obtener insights de
consumidor y marca y el cliente selling) las conversaciones
guiado de compra para mejorar las
futuras interacciones
Se almacena la información
obtenida para su explotación.
Usuario
web Chatbot
Dialogflow
1 El asistente cognitivo está al servicio de 2 Gracias a herramientas de IA como 3 Los datos generados a partir de Los analistas de negocio podrán
la resolución de consultas 24/7. Google DialogFlow y APIs de NLP cada interacción se almacenan visualizar los Insights recogidos
Su misión será resolverlas, sin límite, (sentiment analysis) se genera para que los científicos de datos para conocer mejor las necesidades
para los usuarios y clientes de los un pipeline de automatización de puedan continuar entrenando y de sus clientes y ofrecer un mejor
canales digitales. peticiones del cliente. mejorando el chatbot. servicio.
04
Impulsa la
competitividad
operativa
Casos de negocio y journey tecnológico
La industria de moda cuenta con características que Estos casos de negocio resuelven los desafíos de gestión operacional que mayor incertidumbre
condicionan una gestión de la cadena de suministro empresarial generan. Nos enfocamos en ámbitos clave como la optimización de inventarios,
especialmente compleja. La industria está sujeta a una la distribución del stock y eficiencia de las capacidades de los empleados.
demanda incierta en función de las tendencias que se
Así, ayudamos a nuestros clientes a aprovechar sus propios datos internos y convertimos
consoliden en la temporada, a la climatología, a la situación la incertidumbre operacional en una oportunidad:
macroeconómica o a la dependencia de múltiples proveedores
ubicados en geografías cercanas y lejanas, entre muchos otros.
La implementación de una visión Data & Intelligence driven aplica a lo largo de la cadena de valor
de las organizaciones del sector moda, con especial impacto en la gestión de las cadenas de
Mejorando la Mitigando la Aumentando Alineando
suministro, de principio a fin.
precisión del volatilidad la certeza y operaciones,
pronóstico de rendimiento procesos y
Cada vez que un agente lleva a cabo una operación o se realiza un proceso, se generan nuevos
inventario a lo largo de la organización
datos. De esta forma, la cadena de suministro se convierte en una fuente de datos interna de
cadena de valor
alto valor para la organización; su almacenamiento y explotación retroalimentan los sistemas
de IA que fomentarán la toma de decisiones informada –y automatizada– y mejores resultados
inmediatos y a futuro.
1. 2. 3.
4. 5. 6. 7.
Business Redes que ayudan
a los diseñadores
Conoce el
avatar-modelo
Predicción de la demanda
y control de stocks
Reinventa la planificación
de ventas y operaciones
operations a imaginar
Stock
1 Los cambios de comportamiento de consumidor y el interés 2 Gracias a la captura y almacenamiento de estos 3 Mediante un dashboard de BI, los analistas de
estacional del cliente en las colecciones de moda de la marca, datos internos, podremos crear y entrenar negocio podrán visualizar y planificar de forma
aumentan la volatilidad de la demanda y dificultan el cálculo modelos ad hoc de predicción de demanda. precisa la demanda y el stock para cada uno de
de stock para las futuras temporadas. los productos del catálogo de la marca.
Para facilitar esta labor, trabajamos en un modelo de ML a partir
de toda la información disponible (cartera de SKUs, datos sobre
ventas, inventario y distribución de stock en los diferentes canales)
Cloud Storage
Nuestra solución te permite unificar de toda la información disponible (relativa a ERP, datos
sobre ventas, inventario y distribución de stock en los diferentes canales) en un único lugar,
Google Cloud Storage.
ML Tabular Models
3 La solución permite a los analistas planificar y optimizar de forma precisa los niveles de
inventario y los niveles de stock de seguridad para todas y cada una de las SKU-Locations,
2 Gracias a la recolección de estos datos internos, se crearán y entrenarán modelos de
equilibrando las necesidades de suministro y los niveles de inventario en toda la cadena.
optimización del inventario a lo largo de la cadena de suministro end to end. ¡No más desfases de inventario!
Las empresas deben aprovechar las herramientas de IA Como resultado de este sistema de alerta temprana, podemos crear órdenes de envío más
para asegurarse de que disponen de los productos y las precisas, llenando las flotas de forma más eficiente y requiriendo menos cargas a lo largo del
cantidades correctas, en el lugar y el momento adecuados año sin afectar a las entregas de inventario.
para alcanzar los niveles de servicio previstos.
Los managers se beneficiarán de nuestra solución impulsada por la IA, ya que podrán:
La solución propuesta combina soluciones Cloud y
algoritmos avanzados de ML para proporcionar planes de
asignación y reposición optimizados para los envíos a los Planificar con mayor Reducir los Disminuir los costes Mejorar el servicio
puntos de venta, con el fin de satisfacer las necesidades precisión los niveles costes de de distribución al al cliente al tener
de servicio. de producción. almacenamiento. mejorar la carga y las los productos,
fechas de entrega. colores, estilos o
tallas adecuados en
el punto de venta
correcto.
Cloud Storage
1 Además de predecir con precisión el volumen de demanda por cada SKU de la marca y
optimizar el inventario, es importante crear eficiencias a lo largo de toda la cadena de
suministro en lo que respecta la reposición de productos para poder ofrecer un buen servicio
al cliente y alcanzar el objetivo de ventas.
4 Los clientes podrán tener una experiencia de compra aún más satisfactoria, ya que
Por ello, proporcionamos planes de asignación y reposición de mercancías optimizados de garantizamos el tipo de producto y la cantidad demandada para todos los puntos de venta
gran precisión empleando los datos internos de la propia compañía. (canales físicos y digitales)
2 Los modelos de ML de planificación avanzada de asignación y reposición, nos permitirán 3 Con el modelo entrenado, podemos generar alertas automáticas de reposición temprana
identificar la demanda, disponibilidad y producción actual por cada uno de los SKUs y que identifican qué artículos son “calientes” y cuáles son “rezagados“ atendiendo al
localizaciones en tiempo real. volumen de demanda, así como la capacidad de reposición disponible.
4.4.
Geolocation y Distance Roads Directions
Geocoding Matrix Determina y traza la Calcula la duración
Muestra la ubicación Proporciona la ruta que ha seguido del trayecto
un elemento de recorrido o previsto
Monitorización y (coordenadas) duración y las
la flota y localiza en función de los
precisa de recursos y distancias de los
optimización de flotas dispositivos, situados trayectos hasta las carreteras más datos del tráfico en
en tiempo real tanto en interiores como entre 25 puntos de cercanas en cada tiempo real.
en exteriores por medio ruta diferentes. punto del recorrido.
de torres de telefonía
Las empresas buscan nuevas fórmulas móvil y redes Wi‑Fi.
que les permitan monitorizar el proceso
de distribución y suministro de mercancías
Nuestra solución se apalanca en estas tecnologías para permitir a los managers:
para cada uno de los puntos de venta.
Extraction Layer Process Layer Custom ML Models Layer Storing & BI Layer
Rutas 2 Creamos una pipeline para el procesado de 3 A través de la aplicación, el responsable de 4 El responsable o gestor podrá consumir la
los datos y las peticiones de la aplicación reparto podrá seleccionar la mejor ruta casi información en tiempo real a través de la
Google Roads de usuario. de forma automática y realizar las gestiones aplicación o explotar la información bruta a
necesarias, monitorizando en todo momento través del Motor de Inteligencia de Negocio.
Trayecto tiempo real Mediante un modelo predictivo adhoc, el estado de la flota.
analizamos qué trayecto es la más idóneo, Como resultado, los managers habrán
Google Directions
relacionando todos los puntos del itinerario generado eficiencias y reducido costes,
con la información relativa a cada ruta en mientras que los retailers recibirán la
1 Para poder calcular la ruta óptima de entrega tiempo real. mercancía que necesitan en el tiempo
estimado y sin frustraciones.
de mercancías y monitorizar a los vehículos
que salen del almacén, disponibilizamos una
capa de microservicios que conecta con todas
las APIS necesarias para generar la aplicación.
4.5.
Marketing
Budgeting
and planning
Además, el modelo puede actualizarse automáticamente aprovechando los datos generados por
la planificación de la cadena de suministro en términos de: Mejorar el nivel de servicio Liberar al personal de las
y reducir el inventario. tareas operativas rutinarias.
Previsión de la Niveles óptimos de Planes de asignación
demanda inventario y reposición
En definitiva, mejorar la calidad del proceso y la fiabilidad de los resultados, permitiendo la
(caso de uso 4.1) (caso de uso 4.2) (caso de uso 4.3)
integración entre el nivel táctico de S&OP y el nivel de ejecución.
Cloud Storage
Realizamos un volcado de toda la información disponible (relativa a la demanda, los planes Storing & BI Layer
de producción, planes de asignación y objetivos financieros) en Cloud Storage.
Results Storage BI
BigQuery BigQuery BI Engine
2 Empleando Google Vertex AI y Cloud Build, se crearán modelos de predicción en base a los
datos capturados. Managers
Las GANs permiten generar imágenes aleatorias de Lograr la diferenciación de Satisfacer requisitos cada Atraer el interés del
prendas de vestir, a partir de parámetros específicos. la marca a través de diseños vez más exigentes consumidor ofreciendo
altamente personalizados y diseños centrados en el
únicos consumidor.
En definitiva, nuestra solución GarmentGANs no sólo sirve como herramienta para mejorar
la creatividad en el diseño de nuevas colecciones y la colaboración entre diseñadores, sino
también como asistente para optimizar el flujo de trabajo y lograr la diferenciación de la marca
para obtener una ventaja competitiva.
Otros Máquina
Cloud Build
GANs
nuestro caso de
uso, los diseñadores
parámetros que
se le asignan al
generadas
servirán para
podrá generar
imágenes de prendas 2 El modelo de GANs generado se exporta
vía API a una aplicación de diseño para
podrán crear nuevas modelo GANs, se continuar únicas que aún no
que los diseñadores puedan empezar
colecciones en pocas genera un data set reentrenando existen,atendiendo
a idear sus nuevas creaciones en unos
iteraciones. con los resultados el modelo y a diferentes estilos,
pocos segundos.
obtenidos. así, conseguir siluetas y colores...
los resultados ¡El modelo está listo
esperados. para ser exportado!
Random Input
Imágenes reales
(para entrenar el modelo)
La labor de un diseñador de firma no se limita Gracias a esta solución los diseñadores podrán valerse de herramientas de IA para:
únicamente a conceptualizar prendas de moda
y colecciones. También tiene un papel muy
Acelerar sus procesos Aumentar la calidad del Crear prendas con
importante en la fase prueba del modelo para
de diseño, analizando diseño, redundando en menos defectos de
conseguir un fitting adecuado de la prenda, y realizando ajustes de una mayor satisfacción diseño, ahorrando
gracias al diseño de un buen patrón que manera casi inmediata. del cliente. costes de producción.
facilite la confección.
Para ello, nuestro caso de uso, Model Dress Fitting, Ahorrar costes asociados a Apostar por un diseño
se apalanca en herramientas de IA como GANs y modelos la contratación de modelos sostenible, reduciendo el
3D, que permiten acortar los tiempos de ajustes del y estudio de fotografía. impacto medioambiental.
patrón, y reducir los costes de modelaje, asociados a la
fase de diseño de prendas de la industria de la moda.
05
Talento y
organización.
Colaboración
humano-máquina
Casos de negocio y journey tecnológico
Casos de negocio y journey tecnológico La IA también puede enfocarse en aumentar las capacidades humanas de los agentes que
participan a lo largo de la cadena de valor de la moda, buscando implementar un modelo
colaborativo “Humano – Máquina” en la organización, también llamado “Inteligencia
Aumentada”, que pone en valor al capital humano, generando nuevas oportunidades de
En los últimos dos años, los retailers de la industria de la moda crecimiento para los profesionales y eficiencias operativas para la organización.
han observado un cambio de rumbo en las necesidades y
preferencias de los consumidores, quienes exigen un servicio Este modelo colaborativo Humano – Máquina consiste en que el personal se encargue de
desempeñar roles que entrañen una mayor responsabilidad, creatividad y sensibilidad tanto
personalizado más rápido y mejorado a través de experiencias
desde el punto de vista operacional como con el cliente final. Mientras, la IA buscará mejorar
de compra diferenciales. significativamente las capacidades de los humanos liberándolos de las tareas más rutinarias y
optimizar el procesamiento y análisis de los datos procedentes de diversas fuentes en tiempo
Además, los compradores han aprendido a navegar y combinar real, transformándolos en insights que generen valor continuo para el negocio.
la información proporcionada a través de los diferentes
canales (tiendas físicas, tiendas online, marketplaces globales,
aplicaciones de moda de segunda mano...), lo que les hace estar
más informados, ser más exigentes con sus compras y estar a un
clic de distancia de los competidores de la industria de la moda. Esto dará lugar a la puesta en marcha de una hoja de ruta que permita emplear
eficientemente los recursos internos, crear procesos más eficaces y ágiles,
fomentar oportunidades de crecimiento profesional y generar mayor valor para
Los retailers buscan diseñar nuevos productos y servicios, situando al usuario en el centro todos los agentes involucrados (empresa, sociedad e individuo).
del diseño, respondiendo a la nueva mentalidad de los clientes y aportando valor a través de
experiencias de compra diferenciales, que les permitan lograr una conexión emocional con sus Para aprovechar todo el poder que la IA ofrece, las organizaciones deben dotar
clientes y alcanzar el objetivo final: el crecimiento de las ventas. de nuevas capacidades a sus empleados, democratizando:
En este contexto de cambio constante, los retailers están aprovechando las herramientas 1 2
impulsadas por la IA que les permiten entender rápidamente las últimas tendencias del mercado Los nuevos tipos de relaciones La evolución de modelos de gestión
y diseñar nuevas ofertas que satisfagan las nuevas demandas, no perder cuota de mercado y profesionales entre humanos y tradicional hacia nuevas soluciones
generar valor de negocio. máquinas. impulsadas por la IA.
1.
Protege a tus
2.
Convierte a tus
3.
Optimiza tiempo
4.
Nuevos Insights
5.
Democratiza
empleados equipos de tienda y tareas de tus en los centros el dato en toda
de almacén en personal dependientes de de llamadas la organización
shoppers tienda (AI-powered
Cloud Platform
for BI)
Reguladores de seguridad como la Se dispondrán cámaras a Se integrarán las capacidades Se integrará Google Vertex
Administración de Salud y Seguridad la altura de la persona a la de Google Vision AI para AI y Google Análisis de
Ocupacional (OSHA) y la Comisión Europea entrada de cada estancia o detectar al trabajador Etiquetas en vídeos, para
velan porque las empresas protejan a sus zonas de alto riesgo. de manera anónima, no identificar los elementos que
empleados frente a los peligros físicos y realizando análisis faciales ni configuran el EPP (etiquetas)
riesgos laborales que puedan causar alguna comparaciones faciales ni de y saber si se cuenta con el
identidad. equipo completo o si se hace
lesión durante el desempeño de su actividad.
un correcto empleo de los
mismos.
En la industria de la moda, donde se trabaja con máquinas Con estos resultados de detección de EPP, los managers pueden otorgar o denegar
tendedoras de tela, máquinas de hender, cortadoras automáticamente el paso a los trabajadores que quieran acceder a una estancia o zona de
rebobinadoras, máquinas de corte de tejido, máquinas de la fábrica o almacén de retail. Adicionalmente, gracias a la información que recoge la cámara
coser industriales o transpalets eléctricos, entre otros, los sobre el uso del equipo de protección, se puede analizar cómo mejorar las advertencias de
equipos de protección personal (EPP) son fundamentales seguridad, las prácticas de protección y generar informes para su uso durante las auditorías
para la protección de los empleados frente a potenciales regulatorias. Además aporta numerosos beneficios como:
peligros y lesiones. Sin embargo, a veces los trabajadores
pueden olvidar protegerse adecuadamente o hacer un uso
inadecuado de los EPPs. Aumento de la Reducción de costes Mayor vinculación de
productividad, al médicos y seguros. los empleados con una
garantizar la seguridad empresa que cuida su
de los trabajadores. protección.
Cloud Build
Cloud Storage
3 Escomponen
necesario entrenar el modelo para la detección de personas y de los elementos que
el equipo de protección personal. Para ello, emplearemos un dataset adhoc
creado con las imágenes previamente recogidas.
Pub/Sub
Los managers reciben
People Detection
1
alertas ante infracciones
Los retailers buscan nuevas formas de Escanear el código de barras de los artículos, Ofrecer artículos de estilo similar que
el código QR o el sistema de identificación se ajusten a su estilo personal para
acercarse a los clientes y ofrecerles una
electrónica de la ropa, para identificar el estilo complementar los looks y conjuntos.
experiencia de compra más personalizada que y las preferencias en las que está interesado
impulse las tasas de conversión de las ventas, el cliente y así hacer recomendaciones de
sin tener que realizar grandes inversiones, productos.
modificar el modelo de negocio o aumentar
los gastos operativos.
Aconsejar la talla correcta. Comprobar la disponibilidad de un
artículo específico.
Recommendation engine
Dataflow ¡Por lo que tu asistente en probadores estará equipado con tecnología IA para
convertirse en un auténtico personal shopper!
Cloud Storage
Managers
1 Para optimizar el tiempo y las tareas de los trabajadores en tienda, buscamos crear una 4 Finalmente, los managers podrán acceder a una aplicación de software, donde tendrán
solución que parta de todos estos datos e información disponible en Cloud Storage, en acceso a los escenarios más optimizados y podrán gestionarlos y ajustarlos a las
tiempo real. necesidades que demanda cada tienda.
2 Creamos y entrenamos un modelo de ML que tenga en cuenta toda las actividades que se 3 Los resultados de los diferentes escenarios se almacenarán en la plataforma Cloud.
desarrollan dentro del espacio físico (tienda), tratando de encontrar la mejor combinación
de actividades para optimizar los tiempos.
Con todo ello, los managers podrán reducir costes, crear eficiencias en el departamento y
aumentar la satisfacción de los clientes con lo mejor de la tecnología de IA.
Data BULK Process Layer Custom ML Models Layer Storing & BI Layer
Results BI
Llamadas de usuario App/web
Transcripción Vertex AI
Storage
Google STT
3 Para cada transcripción, realizamos
BigQuery
BigQuery
BI Engine
un pre-procesado con la API de
Lenguaje Natural que nos permitirá
Data Management
extraer entidades, relaciones, etc. 4 Todos estos datos serán exportados
para su explotación a través de una
Dataflow También podremos extraer plataforma de BI, donde los analistas
análisis de sentimiento de la de negocio y managers analizarán la
Las empresas dedicadas a la industria de La Plataforma Cloud permitirá a los retailers crear un modelo de datos común para toda la
la moda tienen que gestionar numerosos organización, permitiendo:
departamentos a lo largo de la cadena de
valor, tratando de encontrar la “fórmula
Acceder a los datos de la Obtener información Integrar los flujos de trabajo
mágica” que ayude a integrar los datos de empresa de manera precisa valiosa. de los usuarios en tiempo
cada área y a crear sinergias organizacionales. y actualizada, real.
Para ayudar a las empresas a reducir esta complejidad Ello permitirá a los managers:
y aumentar las eficiencia operativas, ponemos a su
disposición una Plataforma Cloud completa e integrada
con aplicaciones de datos y analíticas insertadas, que se Mejorar la Aumentar la Reducir las Acelerar la
apalanca en herramientas de IA y Business Intelligence (BI), eficiencia en toda la productividad de fricciones de las transformación los
tales como Google Looker y Google x SAP. organización. los trabajadores y comunicaciones data Insights en valor
managers. entre departamentos. de negocio.
¡Pasamos a la acción! 88
Fashion
Fashion Retail
Retail .. Google
NTT DATA
Cloud
| Google
| NTT DATA
Cloud 87
87
¡Pasamos
a la acción!
¡Prototipos
en semanas...
o días!
A través de nuestro AI Prototyping
Lab powered by NTT DATA &
Google, ayudamos a las compañías
a desarrollar prototipos en tiempos
reducidos. Nunca ha sido tan fácil
probar tecnologías avanzadas de
ML, NLP y Computer Vision y testar
resultados a coste muy limitado.
Buscamos Aceleramos
el Valor de Negocio la experimentación
A partir de la tecnología, mano a mano con nuestros clientes. Lo que nos interesa de la Con el desarrollo rápido de prototipos y la implementación posterior de soluciones digitales
Inteligencia Artificial es su potencial para generar iniciativas de transformación “Digital inteligentes. La experiencia y el marco de innovación global creado por NTT DATA y Google
Inteligente” en el sector moda en todos los eslabones de su cadena de valor. Cloud garantiza conocimiento y agilidad en la definición, desarrollo y puesta en producción
a escala de las iniciativas más innovadoras del sector moda.
Objetivos Casos de
estratégicos negocio Ecosistema,
de la AI driven Cloud y
organización Tecnologías de IA
Formalizamos
sesiones con distintos Analizamos las soluciones
Identificamos cuáles son
stakeholders de la existentes en el ecosistema
las líneas estratégicas
organización, que, Cloud que permitirán
de negocio con mayor Roadmap IA
Objetivos de dirigidas por nuestros acelerar el desarrollo de las AI Driven Design
impacto potencial y a las
que vamos a dar prioridad las unidades expertos de estrategia y iniciativas, acotar costes y
Desde el prototipo
Facilitamos la creación de posibilitar un ROAI rentable
apalancándonos en de negocio tecnología, resultan en la
un roadmap de iniciativas y competitivo. a la implementación
capacidades de Inteligencia identificación de casos
IA, para lo que contamos de nuevos servicios
Artificial. Consolidamos los objetivos de uso específicos.
con un metodología de digitales inteligentes,
de las unidades de priorización (6S) que abordamos la ejecución
negocio para comprender evalúa el impacto de cada de cada iniciativa con una
los principales retos iniciativa y habilita diseñar metodología híbrida que
que abordaremos con una hoja de ruta común. integra expertos en el
iniciativas de IA para cada Ya podemos “aterrizar” sector, Data, IA y diseño de
área y dominio de negocio. las más interesantes con servicios digitales.
un business case, customer
journey y su aproximación
tecnológica.
El Cómo lo Principales
reto abordamos resultados El modelo
Las iniciativas aisladas
y las hojas de ruta
descentralizadas dan
lugar a una escasa
Tras un proceso de
descubrimiento guiado
por la visión de negocio
y tecnológica, aplicamos
Una hoja de ruta
estratégica de la IA,
que detalla el portfolio
de proyectos priorizados
6S
visibilidad del Valor de una metodología de y una evaluación de la
la IA en la organización, priorización estandarizada viabilidad de las iniciativas
por lo que nuestro para alinear las iniciativas de IA prioritarias.
objetivo es generar un de IA dentro de una hoja
portfolio value-driven de ruta estratégica. Soporte Sinérgico
que atienda a criterios . Apoyo Directivo . Estructura
medibles. Nuestro modelo 6S . Compra Interna . Oferta
consta de seis palancas . Participación de los empleados . Costes
para evaluar en detalle el . Capacidad organizativa Sostenible . Recursos
impacto de las iniciativas . Capacidad operativa . Ventaja competitiva . Alianzas
de IA en toda . Asignación de recursos
la organización. . Valor añadido en el tiempo
. Flujos de ingresos
. Valor de la marca
Nuestro planteamiento de AI Labs powered by NTT DATA & Google traslada a las
marcas de moda capacidades diferenciales para liderar el mercado.
Valor de IA Ética y
Sociedad, Negocio y ROAI Responsable
Mercado,
Organización
y Consumidor Enfoque al Análisis
consumidor Competitivo
El Cómo Principales
reto lo abordamos resultados
Las iniciativas impulsadas por la IA deben tener Documentamos el caso de negocio, evaluando Un caso de negocio para cada iniciativa
un alcance empresarial medible, adoptar un en mayor detalle el ROAI y definiendo los KPIs. AI Driven, que integra el conocimiento del
marco de desarrollo ético y responsable y mercado y de los clientes y establece KPIs
aportar una diferenciación al mercado y a los El análisis competitivo y los inputs de usuarios objetivos a alcanzar.
clientes. o potenciales clientes a los que se dirige la
iniciativa complementan la investigación para
capturar aprendizajes clave tanto en el entorno
de mercado como de los potenciales usuarios
de la aplicación o servicio. Para cada iniciativa
se atiende, además, a los criterios que pudieran
impactar desde una aproximación de IA Ética y
Responsable.
Mapa Dataset
Estrategia de Datos Final Gobierno
de Datos del Dato
& IA Selección
y de la IA
Modelo
del Algoritmo
El Cómo Principales
reto lo abordamos resultados
La estrategia de datos e IA debe integrar Vinculamos el valor de negocio identificado Tres beneficios clave: el prototipo o solución
adecuadamente todas las aportaciones del en la fase previa con el marco del desarrollo de IA incorpora adecuadamente el desafío
negocio para afrontar el desarrollo de la analítico y abordamos el análisis de fuentes empresarial; los tiempos de desarrollo e
iniciativa. Construimos con precisión el marco de datos y la selección de algoritmos, implementación se aceleran como resultado
de desarrollo y garantizamos el modelo de apoyándonos en las capacidades ad-hoc y de de aprovechar las capacidades de la nube de
gobierno de Datos & IA. la IA en la nube para acelerar la construcción IA; el cumplimiento y la calidad se garantizan a
del modelo, Nos ocupamos de los requisitos través del Gobierno, alineado con los principios
de definición del Gobierno de los datos y la éticos de la UE.
IA para aplicarlos en todo el ciclo de vida del
desarrollo analítico.
Backend
Gestión de los Datos
Experiencia Modelo de API
Diseño de Usuario Proceso de prueba
de Servicios Construir Seguridad
Digitales la APP & Acceso
Frontend
Testing
Consumo del Modelo
Interacciones
Touchpoints
El Cómo Principales
reto lo abordamos resultados
El valor de las iniciativas impulsadas por la Orquestación de perfiles multidisciplinares: Iniciativa AI Driven con un diseño de interfaz a
IA debe ser fácilmente comprensible para los desarrolladores, diseñadores y expertos en medida para el target específico de perfiles
todas los stakeholders, y se ha de atender UX/UI generan un storytelling relevante para que lo consumirá.
a un consumo centrado en la experiencia la visualización y consumo de la iniciativa AI
del usuario o cliente: para ello, se requiere Driven. Evaluación del prototipo para evolucionar hacia
un storytelling relevante y una visualización un servicio en producción y a escala (p.e. app
práctica. Definición del prototipo o solución digital digital web/móvil).
inteligente abordando adecuadamente las
necesidades de información, interacción y
visualización para el perfil objetivo.
Las comunidades exigen cada vez más un uso más seguro y responsable de las
tecnologías, y tanto instituciones como organizaciones se están haciendo eco de los Bienestar Privacy and data Robustez y
rápidos avances en la creación de mecanismos de regulación. social y governance Seguridad
medioambiental Técnica
Dada la importancia de reforzar la vinculación y confianza con los usuarios y clientes de
los servicios digitales que integran IA, es esencial que las empresas lleven a la práctica
los principios éticos identificados en el marco europeo, adoptando para el desarrollo e
implementación criterios responsables.
Las iniciativas no sólo deben mantener los más altos estándares de calidad, sino también
garantizar el respeto a la autonomía de las personas, la prevención de daños, la equidad Diversidad, no Transparencia Supervisión Rendición
y explicabilidad de las decisiones algorítmicas.
Discriminación y humana de cuentas y
Equidad Responsabilidad
10 1
Define Business
Use Cases
Problem
Framing and
Use Case
Discovery
Operationalize Data
Model Exploration
MLOps permite a las organizaciones operativizar, acelerar y escalar el valor de 9 2
negocio de la IA, unificando el desarrollo y la industrialización de la IA a través de Data
mecanismos ágiles y confiables. Analysis and
Feasibility
Study
Conforme el uso de la IA avanza, es primordial habilitar la puesta en producción y
el reentrenamiento de modelos de manera automatizada, segura y reproducible,
permitiendo un control total a lo largo del ciclo de vida. Plan for Select
Deployment
8 Iterative 3
Algorithm
Approach
El Cómo lo Principales
reto abordamos resultados
La falta de estándares Análisis en profundidad Definición de una
en los procesos de de los gaps para cada una arquitectura modelo 7 4
productivización de los de las fases de MLOps, adaptada a la
modelos de IA puede con objeto de identificar infraestructura actual Present Data Pipeline
Results and Feature
resultar en inconsistencias los retos operativos y de la organización. Engineering
a nivel de datos o incluso organizativos, así como
de código, llegando a las necesidades a nivel de Identificación de 6 5
afectar el rendimiento de herramientas para proponer procesos y mejores Feature
los modelos y su impacto un modelo de arquitectura prácticas a implantar Evaluate Build ML Model Engineering
and Model
en las áreas comerciales. y componentes en en la productivización
Development
consonancia. de modelos.
El Cómo lo Principales
reto abordamos resultados Organización
Los desarrollos de Análisis de la estructura Recomendaciones para la
iniciativas de IA en silos de los equipos de IA definición de los equipos Marco de Responsabilidad
pueden conducir a la y asignación de las de IA y las brechas de
dispersión del impacto responsabilidades y capacidades.
tecnológico en las tareas por roles.
organizaciones, así Definición de metodología Stakeholders Roles & Modelo de
como a la informalidad Evaluación de la común de prototipado de la IA Responsabilidades reporte de IA
en el proceso de metodología del estableciendo roles y
experimentación, proyecto de IA y responsabilidades en el
afectando no solo la modelo de reporte. ciclo de experimentación.
calidad de los modelos Talento, Formación & Cultura de IA
sino también al desarrollo Recomendación de planes
de los equipos de IA. de formación y actividades
de innovación para los
equipos de IA. Talento Formación Cultura de la
de IA de IA experimentación
David Ubide | Head of Retail & Fashion, NTT DATA Alberto Céniz | Retail & FSI Director, Google Cloud
David Pereira | Head of Data & Intelligence, NTT DATA Alberto Soria | Key Account Director, Google Cloud
Jacinto Estrecha | Executive Director, Data & Intelligence | NTT DATA Alfonso Parrizas | Customer Engineer, Google Cloud
Isabel Calafat | Director Retail & Fashion, NTT DATA Diego García | Account Manager, Google Cloud
Josep Güell | Director Retail & Fashion, NTT DATA Inés Hernández | Partner Marketing, Google Cloud
Anxo Suarez | Director Retail & Fashion, NTT DATA Juliet Moreiro | Partner Engineering, Google Cloud
Miguel Coladas | Director Retail & Fashion, NTT DATA Luis Velasco | Customer Engineer, Google Cloud
Corin Navarre | Manager Retail @ AI CoE NTT DATA Pablo de la Horra | Partner Manager, Google Cloud
Rose Barragán | Analyst, AI Strategy @ AI CoE NTT DATA Pablo Carlier | Partner Engineering Manager, Google Cloud
José Perona | Technical Lead @ AI CoE NTT DATA Raúl Herrero | Customer Engineering Manager, Google Cloud
Andrea Cornavaca | Lead Analyst, AI Strategy @ AI CoE NTT DATA Santiago Cepas | Customer Engineer, Google Cloud
Marta Pastor | Lead Analyst, AI Strategy @ AI CoE NTT DATA
Osvaldo Llovet | AI Storyteller, AI Strategy @ AI CoE NTT DATA
Adil Moujahid | Technical Manager @ AI CoE NTT DATA
Marina Alonso Poal | Senior Data Scientist @ AI CoE NTT DATA
Sara Díaz del Pozuelo | Data Scientist @ AI CoE NTT DATA
Rebeca Martínez | Global Marketing Consultant Industry, NTT DATA
Agustín San José | Global Alliances Manager, NTT DATA
Coordinadora de la Iniciativa:
Mayte Hidalgo | Head of AI Strategy @AI CoE NTT DATA
104 Fashion Retail . NTT DATA | Google Cloud Fashion Retail . NTT DATA | Google Cloud 104