ช่องว่างในการนำเสนอรูปร่างที่หลากหลายทำให้แบรนด์เสียรายได้
ผู้หญิงที่ใส่เสื้อผ้าไซส์ 14 ของสหรัฐฯ ขึ้นไป มีสัดส่วนประมาณ 67% ของประชากรผู้หญิงวัยผู้ใหญ่ (NPD Group, 2023) แต่หน้าสินค้าแฟชั่นส่วนใหญ่ยังคงใช้นางแบบไซส์ 2–8 เท่านั้น ข้อความที่แบรนด์สื่อออกไปยังกลุ่มลูกค้า Plus-size นั้นชัดเจนว่า: แบรนด์นี้ไม่ได้คำนึงว่าสินค้าจะเหมาะกับรูปร่างของคุณหรือไม่ ความรู้สึกนี้ส่งผลให้เกิดการเลิกซื้อ แม้ว่าเสื้อผ้านั้นจะมีขนาดที่ต้องการก็ตาม
ผลกระทบต่อรายได้นั้นชัดเจนมาก การศึกษาโดย Coresight Research Group พบว่าผู้ซื้อไซส์ Plus-size ที่เห็นการนำเสนอรูปร่างที่หลากหลายในหน้าสินค้ามีอัตราการซื้อ (Conversion) สูงกว่าผู้ที่ไม่เห็นถึง 28% แบรนด์ที่มีไซส์พิเศษแต่ไม่นำเสนอผ่านภาพถ่ายกำลังสูญเสียโอกาสในการเพิ่มยอดขาย และมักต้องเผชิญกับอัตราการคืนสินค้าที่สูงกว่าปกติเนื่องจากผู้ซื้อต้องสุ่มเดาว่าชุดจะเข้ากับตนเองหรือไม่
ทำไมการถ่ายภาพแบบเดิมจึงไม่ใช่ทางออก
การถ่ายภาพชุดหนึ่งชุดบนรูปร่างที่หลากหลาย เช่น ไซส์ 2, 6, 10, 14, 18, 22, 26 ต้องใช้การถ่ายทำแยกกันถึง 7 ครั้งต่อหนึ่งรายการสินค้า (SKU) สำหรับแค็ตตาล็อกที่มี 500 SKU จะต้องมีการถ่ายทำถึง 3,500 ครั้ง แม้แต่แบรนด์ใหญ่ที่มีงบประมาณมหาศาลก็ไม่สามารถทำเช่นนี้ได้ครอบคลุมทั้งแค็ตตาล็อก โดยเฉพาะอย่างยิ่งในช่วงสินค้าใหม่ที่อาจมีสไตล์ใหม่เข้ามาถึง 100 แบบในสัปดาห์เดียว
ผลลัพธ์ที่ได้คือทางออกเพียงครึ่งเดียว แบรนด์อาจถ่ายนางแบบ Plus-size เพียงหนึ่งหรือสองคนสำหรับภาพแคมเปญหลัก แต่ปล่อยให้สินค้าส่วนใหญ่ไม่มีการนำเสนอรูปร่างที่ครอบคลุม ผู้ซื้อที่เห็นโฆษณาในอีเมลหรือโซเชียลมีเดียว่าแบรนด์นี้ใส่ใจทุกไซส์ เมื่อมาถึงหน้าสินค้ากลับเจอแต่นางแบบไซส์ 4 สูง 180 ซม. เหมือนที่อื่นๆ ช่องว่างความน่าเชื่อถือนี้เป็นสิ่งที่เกิดขึ้นจริงและวัดผลได้
AI ช่วยปิดช่องว่างในระดับแมสได้อย่างไร
AI ของ Photta จะสร้างภาพจำลองของเสื้อผ้าบนรูปร่างของผู้ซื้อเองจากภาพถ่ายที่อัปโหลดเพียงภาพเดียว โดยจะปรับตามสัดส่วนจริงของบุคคลนั้นๆ ไม่ว่าจะเป็นส่วนสูง การกระจายน้ำหนัก ความยาวลำตัว หรืออัตราส่วนสะโพกต่อเอว แทนที่จะเป็นการนำเสื้อผ้าไปวางบนรูปร่างมาตรฐาน ผู้ซื้อไซส์ 22 จะเห็นชุดที่ทิ้งตัวตามรูปร่างจริงของเธอ ไม่ใช่แค่ภาพเรนเดอร์ที่ขยายขนาดจากไซส์มาตรฐาน
เนื่องจากการลองเสื้อผ้านี้ทำแบบรายบุคคล ไม่ใช่ราย SKU ปัญหาความครอบคลุมของแค็ตตาล็อกจึงหมดไป ทุกผลิตภัณฑ์ในแค็ตตาล็อกของคุณจะมีการ 'นำเสนอรูปร่าง' สำหรับผู้ซื้อทุกประเภทได้ทันที เพราะตัวแบบก็คือตัวผู้ซื้อเอง แค็ตตาล็อก 500 SKU จะครอบคลุมทั้งผู้ซื้อไซส์ 24 และไซส์ 2 พร้อมกันได้โดยไม่ต้องถ่ายภาพเพิ่มแม้แต่ภาพเดียว
ผลกระทบต่อชื่อเสียงแบรนด์จากการลองเสื้อผ้าที่ครอบคลุม
แบรนด์ที่ใช้ระบบลองเสื้อผ้าเสมือนจริงที่ครอบคลุมทุกสัดส่วนจะเห็นทัศนคติต่อแบรนด์ในเชิงบวกจากชุมชนผู้ซื้อไซส์ Plus-size อย่างเห็นได้ชัด ชุมชน Body-positive ใน TikTok, Reddit และ Instagram มักจะส่งเสียงชื่นชมแบรนด์ที่สร้างความไว้วางใจผ่านการนำเสนอที่จริงใจ และในขณะเดียวกันก็วิพากษ์วิจารณ์แบรนด์ที่แค่ทำเป็นสนับสนุนแต่ไม่ได้ทำจริง ประสบการณ์การลองเสื้อผ้าที่ใช้งานได้ดีกับทุกรูปร่างจะสร้างการสนับสนุนแบบออร์แกนิก
อัตราการซื้อซ้ำในกลุ่ม Plus-size จะดีขึ้นเมื่อผู้ซื้อมีความมั่นใจในการซื้อครั้งแรก ข้อมูลกลุ่มตัวอย่างของ Photta แสดงให้เห็นว่าผู้ซื้อไซส์ Plus-size ที่ใช้ระบบลองเสื้อผ้าในการสั่งซื้อครั้งแรกมีอัตราการซื้อซ้ำภายใน 90 วันสูงกว่าผู้ที่ไม่ได้ใช้ถึง 35% กลไกนี้เรียบง่ายมาก: ประสบการณ์การสวมใส่ที่พอดีในครั้งแรก ซึ่งยืนยันได้ด้วยภาพก่อนซื้อ จะสร้างความเชื่อมั่นในแบรนด์ที่นำไปสู่ความภักดี
เริ่มใช้งานระบบลองเสื้อผ้าที่ครอบคลุมโดยไม่ต้องมีงบถ่ายภาพใหม่
Photta ไม่ต้องการการถ่ายภาพนางแบบเพิ่มเติมเพื่อมอบการนำเสนอที่ครอบคลุม ภาพสินค้าเดิมของคุณที่อยู่บนหน้าเว็บไซต์อยู่แล้วคือข้อมูลที่นำมาใช้ได้ทันที AI จะสร้างภาพจำลองตามตัวตนของผู้ซื้อในขณะที่พวกเขากดลอง ไม่ใช่ตอนถ่ายทำ การเปลี่ยนจากแบบจำกัดไซส์ไปสู่การครอบคลุมทุกไซส์ทำได้เพียงแค่การติดตั้งสคริปต์แท็กใน 30 วินาที ไม่ใช่โปรเจกต์ถ่ายภาพที่กินเวลาหลายเดือน
สำหรับแบรนด์ที่กำลังสร้างกลยุทธ์ไซส์ที่ครอบคลุม Photta สามารถใช้ควบคู่ไปกับบันทึกการสวมใส่สำหรับไซส์พิเศษ (เช่น 'ช่วงไหล่แคบ — แนะนำให้เพิ่มไซส์หากรอบอกเกิน 40 นิ้ว') ในแต่ละหน้าสินค้า ระบบลองเสื้อผ้าจะช่วยเรื่องความมั่นใจด้านภาพลักษณ์ ส่วนบันทึกการสวมใส่จะช่วยในกรณีที่สัดส่วนรูปร่างแตกต่างจากโครงสร้างชุดที่ออกแบบไว้ เมื่อใช้ร่วมกัน จะทำให้หน้าสินค้าเป็นที่ยอมรับและได้รับการบอกต่อในกลุ่มลูกค้าไซส์ Plus-size อย่างแน่นอน