{"id":14276,"url":"\/distributions\/14276\/click?bit=1&hash=721b78297d313f451e61a17537482715c74771bae8c8ce438ed30c5ac3bb4196","title":"\u0418\u043d\u0432\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0432 \u043b\u044e\u0431\u043e\u0439 \u0442\u043e\u0432\u0430\u0440 \u0438\u043b\u0438 \u0443\u0441\u043b\u0443\u0433\u0443 \u0431\u0435\u0437 \u0431\u0438\u0440\u0436\u0438","buttonText":"","imageUuid":""}

Как изменился отечественный фэшн-рынок в онлайне

Новые подходы к продаже обуви и одежды: переход от интернет-магазинов к маркетплейсам и поисковым платформам, работающим по CPC-модели.

Из офлайна в онлайн

Сегодня отечественная фэшн-индустрия находится в активной фазе своего развития. Компании осваивают новые направления, переходят на стратегию омниканальности, а также активно развивают машинное обучение, чтобы увеличить онлайн-продажи своей продукции. Но так было не всегда.

В 2015-2016 годах в фэшн-рынке наблюдалось значительное падение темпов развития. Отечественный сегмент электронной коммерции в этой категории вырос всего на 4%. В 2016 году собственные интернет-площадки на российском рынке только-только запустили: спортивный ритейлер Nike, шведский бренд одежды H&M, американский производитель одежды и обуви Levi’s, детский бренд Chicco и другие.

Источник: Динамика оборота ведущих онлайн-ритейлеров, 2012 – 2015 гг., млрд руб. Обзор РБК Исследования рынков «Розничные сети по продаже одежды 2017».

В 2017 году по данным исследовательского агентства Data Insight, в интернет-магазинах одежды и обуви из топ-1000 было оформлено 63,5 млн заказов на 166,7 млрд рублей. Количество заказов за этот период выросло на 27%, а средний чек составил 2600 рублей. Основными источниками трафика были: органический поиск, прямые переходы и email-рассылки. А вот на Яндекс.Маркете продавцы стали размещаться значительно реже, пик активности пришелся на 2015 год. По итогам года первые три позиции главных игроков рынка заняли – Wildberries, Lamoda, Bonpix. На категорию «фэшн» сегодня приходится 40% экспортных товаров.

За последние годы офлайн-ритейлеры активно помогали фэшн-рынку консолидироваться. Сегодня продукция уже большинства известных марок представлена на многих ведущих онлайн-площадках. Подобная стратегия гарантирует больший охват интернет-аудитории для брендов, но в то же время в некоторой степени тормозит развитие их собственных онлайн-проектов.

Бум маркетплейсов

Исследование Forrester Research приводит данные, что в 2016–2017 годах во всем мире потребители совершили более 50% онлайн-покупок через маркетплейсы, лидерами среди которых стали: Amazon, Alibaba, JD.com и eBay. По мнению экспертов компании этот проценты к 2022 году вырастет до 67%.

В России в 2017 году на долю этого интернет-канала приходилось 3,5% розничной торговли, тогда как за рубежом — 7–8%, можно ожидать, что в ближайшее время маркетплейсы продолжат активное развитие на нашем рынке. Первые крупные проекты в этом сегменте, такие Enter и Wikimart, потерпели неудачу и закрылись, основная причина - это неготовность потребителей к такому формату. Но сегодня отечественные бренды: такие как Lamoda, Wildberries, Goods, Яндекс.Маркет и другие, сделали выводы из прошлых ошибок крупных ритейлеров и идут вперед.

Появление маркетплейсов привело к изменению привычных бизнес-моделей в электронной коммерции, уже существуют такие виды, как: комиссия с операции, подписка, плата за размещение, комиссия за лид, плата за премиум, продвижение объявлений и рекламы. Чтобы успешно монетизировать свой продукт нужно быть максимально гибкими на рынке и уметь быстро адаптироваться под новые требования отрасли. Это позволяет многим стартапам за счет нестандартного подхода занять свое место даже в высококонкурентных нишах. Специализация на конкретном сегменте позволяет таким онлайн-площадкам легче понять и привлечь целевую аудиторию.

Маркетплейсы и аналогичные сервисы позволяют не просто удовлетворять спрос, но также помогают поставщикам снизить рекламные издержки, а иногда дают возможность избавиться от необходимости содержать отдел по рекламе и тратить деньги на платный поисковый трафик. Для создания успешного продукта порой достаточно посмотреть на проблему под другим углом. Так в 2013 году создатели поисковой платформы Glami сконцентрировались не на продаже одежды и обуви, а на метапоиске, с помощью которого люди смогли приобретать товары по наиболее выгодным предложениям. Сейчас ежемесячная посещаемость Glami – 45 млн пользователей. С этого года сервис доступен в России и 13 европейских странах.

Несмотря на развитие интернет-магазинов и появления новых сервисов-агрегаторов, пользователи пока массово не ринулись в виртуальное шопинг-пространство, а продолжают отдавать предпочтение традиционным каналам продаж – торговым центрам, магазинам в стрит-ритейле и местным рынкам. Но доля тех, кто совершает заказы онлайн, постепенно растет, так в 2015 году зафиксировано 1,78 заказов в год, а в 2018 - 4,02 заказа в год на человека. Общее число заказов за это время увеличилось почти вдвое.

Пользователи приходят на маркетплейсы и интернет-магазины через поисковые системы или по прямым переходам на сайты брендов. По статистике компании Glami таких пользователей - 50%. Большинство покупателей – порядка 35%, не думают о приобретении товаров какого-то конкретного бренда, а принимают решение о покупки уже после того, как зашли на сайт. За 2018 год количество онлайн-продаж в категории «фэшн» в социальных сетях и мессенджерах составило – 101,4 млрд, со средним чеком в 1950 рублей.

Основной проблемой для потребителя является широкий выбор товаров, которые представлены на крупных онлайн-площадках, в небольших интернет-магазинах, социальных сетях, например, Instagram. Поэтому маркетплейсы и агрегаторы обладают главным конкурентным преимуществом для конечных покупателей – возможностью сравнить цены на одни и те же товары от разных поставщиков и сделать оптимальный выбор. Ни одному оффлайн-магазину, классическому онлайн-магазину или аккаунту в соцсетях не под силу собрать на своей площадке сотни продавцов, они лишь могут сохранить свою постоянную аудиторию, которая заходит на их сайты ради покупки товаров конкретного бренда. Поэтому зачастую найти нужно вещь на крупном маркетплейсе значительно проще, чем на сайте производителя.

Фэшн - это один из крупнейших сегментов электронной коммерции и его потенциал остается неиспользованным рынком для сайтов сравнения цен. Это в основном обусловлено самой природой модных товаров - их нельзя сравнивать по цене, поскольку они уникальны по дизайну. Покупатели часто ищут товар не по лучшей цене, а скорее хотят приобрести актуальный модный продукт. Они больше думают в общих терминах - лучшее платье для свадьбы моей сестры, самые модные темно-синие джинсы или летние сандалии.

В этом высококонкурентном сегменте победят те, кто совершит технологические прорывы с использованием машинного обучения и оригинального контента.

Машинное обучение в фэшн-сегменте

В феврале 2016 года гигант электронной коммерции Amazon встал на путь завоевания мира моды. На своем сайте он запустил семь собственных брендов одежды. Компания также представила Echo Look – камеру, подключенную к интеллектуальному помощнику Alexa. Она делает фотографии пользователя, а затем при помощи искусственного интеллекта помогает найти подходящее сочетание предметов. Например, определить, пойдет ли куртка к рубашке или туфлям, а те, в свою очередь – к брюкам или юбке.

На сегодня Amazon владеет другими площадками электронной коммерции: обувным магазином Zappos, магазином женской одежды Shopbop и мужской одежды East Dane, дискаунтером 6pm, и магазином тканей Fabric.com. А месяц назад начал продавать худи от Tesla.

Сегодня машинное обучение и искусственный интеллект меняют не только IT-компании и продукты, они также помогают ритейлу автоматизировать мониторинг цен конкурентов, прогнозировать спрос и продажи, оптимизировать стратегию и работу персонала. Например, система автоматического распределения на категории (Artificial Intelligence) компании Glami позволяет обрабатывать 3 продукта в секунду и 300 тысяч товаров за день. Если обрабатывать такой объем информации вручную, то понадобится 156 дней для одного сотрудника. Эта система, основанная на технологии Tensor Flow, Keras и учится распознавать короткий и длинный рукав, исходя из картинок и текста.

Сегодня не только крупные корпорации вроде Walmart, Amazon, DNS-shop, но также небольшие компании из малого и среднего бизнеса отдают все вычисления самообучающимся алгоритмам, которые обрабатывают большие объёмы данных и запоминают все удачные и неудачные эксперименты.

Машинное обучение – это не решение для фэшн-индустрии, а двигатель, с помощью качественных данных которого можно найти комплексные решения для своего бизнеса. Скоро этот сегмент радикально изменится, поэтому те, кто сможет правильно применить эту технологию, выиграют борьбу за потребителя.

0
1 комментарий
Олег Иванов

Сейчас много подобных агрегаторов, например вот https://tvoilook.com/

Ответить
Развернуть ветку
-2 комментариев
Раскрывать всегда