Seksjon 1: Hvorfor tradisjonelle størrelsestabeller svikter kundene
Størrelsestabeller kobler kroppsmål til klesmerker (XS/S/M/L eller 34/36/38/40). Den største svakheten er at kunder sjelden kjenner sine egne nøyaktige mål – en studie fra Fit Analytics i 2019 viste at færre enn 40 % av netthandlere hadde målt bryst, midje eller hofter i løpet av det siste året. Selv når målene er nøyaktige, ignorerer tabellene snitt, stoffets elastisitet, tiltenkt passform (løs vs. smal) og variasjoner i kroppsproporsjoner. To kunder i størrelse 40 kan ha identiske midje- og hoftemål, men helt forskjellige overkroppslengder.
Den andre feilkilden er variabilitet mellom merkevarer. En kunde som er medium hos ett merke kan være large hos et annet og small hos et tredje – et fenomen så universelt at «størrelsesfrustrasjon» er et anerkjent mønster i forbrukeratferd. Størrelsestabeller gir en falsk trygghet: de antyder at et tall eller en bokstav løser passformproblemet, mens tallet i virkeligheten bare er et utgangspunkt for en beslutning som krever stilistisk intuisjon, kunnskap om tekstiler og kroppslig selvtillit som de færreste kunder besitter.
Seksjon 2: Hva AI-basert størrelsesprediksjon faktisk gjør
Verktøy for AI-basert passform faller inn i to kategorier: målbaserte og visjonsbaserte. Målbaserte verktøy ber kunden oppgi høyde, vekt og kroppsform, og bruker deretter en trent modell for å anbefale en størrelse. Disse er en forbedring over størrelsestabeller fordi de tar hensyn til kroppsform, ikke bare mål, og kan lære merkespesifikk passformdata fra returhistorikk. Begrensningen er imidlertid fortsatt numerisk – de forteller deg hvilken størrelse du skal bestille, ikke hvordan det vil se ut.
Visjonsbasert AI, som er det Photta implementerer, velger en helt annen tilnærming. Kunden laster opp et bilde av seg selv, og AI-en genererer et realistisk bilde av det valgte plagget på deres faktiske kropp. Dette adresserer en annen type usikkerhet – ikke «hvilken størrelse bør jeg bestille», men «vil jeg føle meg vel i denne kjolen i min søsters bryllup». Begge deler er reelle hindre for kjøp, men visjonsbasert prøving løser dimensjonen rundt stilmessig trygghet som målbaserte verktøy ikke når frem til.
Seksjon 3: Den visuelle prøvemetoden — hva Photta gjør
Photta-widgeten integreres på produktsiden din med en enkel script-tag. Når en kunde klikker på «Prøv på», laster de opp et bilde (stående positur, lys forfra, valgfri bakgrunn). AI-en genererer et sammensatt bilde av det valgte plagget på kroppen deres i løpet av ca. 8–15 sekunder. Resultatet er et realistisk bilde av produktet på personen som tar hensyn til plaggets silhuett, stoffets fall og kundens kroppsproporsjoner.
Modellen er finjustert spesifikt for ulike kleskategorier: strikk, denim, gjennomsiktige stoffer, strukturerte ytterplagg og kroppsnære silhuetter faller alle forskjellig, og modellen håndterer hver av dem korrekt. Photta støtter også smykker (ringer, øredobber, halskjeder), briller (briller, solbriller) og sko. Hver kategori bruker en spesialisert prosess – du trenger ikke konfigurere hvilken som skal brukes, da systemet oppdager produkttypen fra produktets metadata.
Seksjon 4: Når man bør bruke begge deler
Størrelsestabeller og virtuell prøving adresserer ulike former for kundeusikkerhet og fungerer best i kombinasjon. En kunde som ser på en strukturert blazer har to ulike spørsmål: (1) «Vil en størrelse 38 passe over skuldrene mine?» – et numerisk spørsmål som en kalibrert tabell kan besvare; og (2) «Kler denne blazeren min kroppstype og hudtone?» – et spørsmål om stil som kun virtuell prøving kan besvare. Ved å fjerne bare én av disse usikkerhetene, løser man ikke kjøpsnølingen fullstendig.
Anbefalt oppsett: Behold den eksisterende størrelsestabellen på produktsiden, legg til Photta-knappen for virtuell prøving rett over «Legg i handlekurv»-knappen, og lenk til størrelsestabellen fra bunnteksten i prøvemodulen. Forhandlere som implementerer denne doble tilnærmingen rapporterer den høyeste konverteringsøkningen – opptil 28 % – fordi de betjener både den analytiske kunden (som vil ha tall) og den visuelle kunden (som vil se).
Seksjon 5: Reelle konverteringsdata fra klesmerker
Blant Phottas brukerbase er mediantallet for økt konvertering på økter som inkluderer virtuell prøving 22 % sammenlignet med økter uten. Returandelen faller med 25–30 % innen 90 dager etter installasjon. Disse tallene holder på tvers av prisklasser, fra rimelig mote til premiummerker, selv om den økonomiske effekten er størst ved høyere prispunkter der returkostnadene er høyere.
Per kategori er de største konverteringsløftene i badetøy (+31 %), kjoler (+28 %) og yttertøy (+24 %) – nøyaktig de kategoriene der stilusikkerheten er størst og en størrelsestabell gir minst trygghet. Basisvarer som enkle T-skjorter og ensfargede bukser viser mindre, men fortsatt positive løft (+11–15 %). Mønsteret er tydelig: jo høyere stilmessig kompleksitet et plagg har, desto mer verdi tilfører virtuell prøving sammenlignet med en størrelsestabell.