先讲一个做错的样子。一个五个人的设计工作室,去年接了十二个客户的活,一共出了两千多款。年底算账,卖得动的不到两百款,其余的都躺在样衣间里。
老板的结论是设计能力不够,于是加人。加到八个人,款数上去了,卖得动的还是那些。
问题出在另一端。这个团队不缺画图的手,缺的是一个能在四十八小时里说「这一批只做三款」的人。八个人各说各的好,最后谁也不敢砍,全做。
11月11日,广州国际服装博览会的「数智篇」活动上,蝶讯网的产品经理周曼讲了一句话,AI抹平的是产能,抹不平的是审美与判断。她用一组对比解释这件事,一个三到五人的小团队,借助工具可以在几天内完成过去数十人企划团队数周才能做出的系列组合。
这就是那两千款的来源。产能被抹平之后,产量不再受能力约束,只受判断约束。判断跟不上,产量就会失控。
蝶讯这套东西的技术底子不算新鲜,同版型多花型、同元素多品类延展、面料质感仿真,行业里做的人不少。它的差异在数据,三十年攒下来的趋势库与面辅料库。用他们的说法,工具不只是画图,是把趋势变成可执行的款。
趋势库这个说法值得琢磨。趋势是公共信息,谁都能看到明年流行什么颜色。难的是把这个颜色落到自己品牌的版型、面料、价格带上。这一段落地的活,过去靠一个做了十年的企划总监,现在被拆成参数。
参数化的好处是快,坏处是会把「不合适」的东西也生成出来。系统不知道你这个品牌今年刚把客单价从六百提到八百,它只知道这个色系在卖。
工具用得好的团队,都会先做一件事,把自家过去三年卖得好的款喂进去,让系统学会什么叫「我们的款」。这一步不做,生成的方案看着都对,拿给老客户看会说这不像你们。
反方的话有人讲。有人说,小团队用AI做出来的东西,一眼就能看出是AI做的,客户不傻。这话在高端女装里成立,客户买的是设计师的名字与手感。在中低价带不成立,那个价位段的消费者看的是款式新不新、上身显不显瘦,谁做的没人问。
这项技术先改变的是中间那一层。做代工转自主品牌的、做批发转零售的、做区域品牌想往外走的,这几类公司最受益,因为它们缺的正是款数,不缺的是对市场的直觉。
有一个数要注意。款数上去之后,单款的量会下来。过去一款做五千件,现在一款做八百件,件数一样,管理成本翻倍。这个账在样衣间里看不出来,在第二年的现金流里会显形。
希纪在给服装企业做增长诊断时,常把这类改造的收益拆成两段看。前一段是省下来的钱,打样费、拍图费、设计人力。后一段是多出来的钱,多上几个款、多抓几个机会。前一段容易算,后一段要靠一年后的售罄率才能验证。
董事长可以当场核三个数。设计团队的人均上市款数,今年比去年多了多少。这些多出来的款,首季售罄率和老款比是高还是低。砍款的决策,从提出到定下来要几天。
三个数里最容易被忽略的是第三个。砍款的速度决定款数有没有意义。一个团队如果一个月只能定一次款,AI给它的产能就是浪费。
边界在品类。基础款、标品、家居服、职业装这些品类,AI的产出可以直接用,因为判断标准清楚。设计师品牌、高定、有强烈风格主张的品牌,AI只能做素材,做不了决定,因为它的判断标准是「像不像我」,这个没法参数化。
那个工作室后来做了调整,八个人里挑出一个人专门负责砍款,其他人只管出方案。第二年款数降到九百,卖得动的四百多。
产能过剩之后,稀缺的东西换了位置。以前稀缺的是手,现在稀缺的是敢在四十八小时里签字的那个人。
希纪 · 服装产业观察