大数据牵引背景下的服装设计开发模式

朱伟明,叶金津

(浙江理工大学 服装学院,浙江 杭州 310018)

随着互联网技术的高速发展,数据规模呈指数级增长的趋势,数据模式的高度复杂化引导全球步入网络化的大数据时代[1]。各类网络应用的迅速发展使巨量数据信息在网络中得到数据化,也促使着服装领域的数据体量不断膨胀。消费者需求呈现出多样化、个性化等特征,市场流行快速变化导致服装产品开发周期日益缩短,数据与设计之间的关联面临着根本性的转型和变革。这种产生自信息技术先导行业的模式革新,也正在渗透和颠覆着服装领域传统的设计开发思维。已有学者利用大数据挖掘、关联规则算法等方法,对互联网中海量服装相关大数据进行挖掘与研究,对各类信息进行智能化拓展分析,挖掘内在发展规律,辅助品牌的商业运营决策[2]。以往学者对于大数据的研究主要针对公司管理、舆情分析、市场决策等方面[3],鲜有学者将大数据与服装设计模式结合做相关分析研究,数据与服装设计研发体系的整合应用仍处于探索阶段。服装设计开发作为品牌提升竞争力的核心要素之一,研究其在大数据牵引下的模式变革尤为重要。

本文对服装行业的大数据进行分类梳理,通过数据及数字技术赋能设计开发环节上下游协同管理,借助大数据管理系统收集服装行业动态数据,进行数据沉淀后生成静态数据,辅助设计师更为精准地完成服装设计开发。结合电商服装品牌实践案例,尝试将大数据运用于电商服装品牌的开发工作中,使数据与设计相互依存,通过客观数据驱动更为科学有效的服装设计开发模式,提升设计开发的准确性。

1 大数据时代下服装行业的创新与价值创造

1.1 基于应用价值的服装大数据分类

在网络化的大数据时代下,服装设计开发过程中需要应用到大量的数据信息。由于大数据与生俱来存在高价值总量、低价值密度的冗余性问题,因此面向设计的数据处理既包括根据不同设计领域知识去除原始数据中的无效数据,也包括开发符合设计专业需求的、通用的数据分析与可视化工具[4]。在当下的服装商业环境中,品牌应将大数据作为服装设计开发流程中的重要考量因素,大数据辅助设计师深入发掘真实客观的数据资料,使设计开发活动得以更严谨地立足于科学的分析方法之上[5]。服装企业能从大数据中了解到数据和品牌、产品之间的内在联系,便于查询与管理每一条数据所带来的细节变化,以最少的时间获取最有用的数据。服装企业利用行业大数据平台收集各类数据,将不同渠道所产生的各类数据分门别类进行系统化管理,将有利于服装设计开发的数据进行有机整合,以层层递进的逻辑关系分类统计数据,最终提取为市场趋势数据、竞争店铺数据、品牌研发数据和用户反馈数据四大类,如表1所示。大数据经过储存、计算与管理后,通过可视化图表的形式为品牌提供行业市场发展概况、竞争店铺销售数据、目标消费者详细信息、潜在消费者需求等信息,以形象化、可视化、可读取、便捷的软件产品形式呈现,更高效、有针对性地为品牌和设计师提供帮助[6]。设计师利用分析后的结果数据进行辅助设计开发,可提升服装产品设计效率。

表1 服装大数据分类表

捕捉市场趋势数据有利于设计师参考同期数据掌握市场流行趋势,快速筛选辅助设计环节的重点趋势要素,使设计企划方案更精准。利用大数据监测工具,收集竞争店铺上新、预售、在售及滞销款式的数据,把握竞争店铺该季度的产品开发结构。通过分析竞争店铺的新品款式数据,深入挖掘竞争店铺的单款热销产品数据,分析该款式在同品类市场的潜在竞争力,时刻紧跟市场趋势走向,辅助设计师针对同类竞争店铺的热销产品高效精准地开展设计开发工作,及时进行上新款式增补调整及设计细节修改。协同制造资源,优化配置,协同品牌上下游的研发数据,建立资源共享与服务平台,将设计部门与供应链环节做到信息透明,时刻掌握最新物料信息及生产工艺,高效管理设计开发过程中的每一条数据[7]。在服装设计开发过程中,用户在价值链上游扮演着资源投入者和价值共创者的角色,在价值链下游则成为了产品的购买者和使用者[8];多渠道收集品牌目标用户的反馈数据,通过用户消费历史、用户画像信息与消费评价指导设计师在开发过程中把握品牌消费者的偏好趋势,及时依照预售阶段的反馈数据在决策环节修改款式缺陷。大数据对于品牌来说,能够帮助品牌清晰地认识自己的市场定位,并对品牌今后的发展方向与计划制定提供客观的有力支撑。

1.2 大数据时代下服装设计模式变革

大数据时代的到来对服装商业模式产生了结构性改变,促使设计开发的迭代周期变得更短,数据参与设计过程更直接和深入。服装设计开发作为品牌商业活动中极为重要的环节,其运作过程中的方式、机制决定了最终产品的品质及后续研发的可能性[9]。传统设计模式下消费者对设计参与程度低,在较长的开发周期内品牌通过调研获取的市场趋势信息始终为静态,难以适应快速变化的市场需求。同时品牌内部获取的数据信息量较低,设计师难以从有限的数据中把握趋势,合理地制定设计方案。在大数据的普及运用下,越来越多的数据研究服务中心向服装企业提供数据搜索服务,消费者的潜在需求在消费数据、消费评价系统及社交媒体中也得以表达。服装品牌将大数据引入设计流程中,有利于突出以消费者为中心的设计理念,使品牌更精准定位到目标消费群体,增强品牌黏性,做出真正符合市场流行趋势的设计。在设计模式上更有利于设计师加快设计各个环节的节奏,便于在快速变化的市场环境中高效精准地对设计作出调整,避免因信息滞后所导致的目标消费群体流失、脱离市场流行趋势、产品库存积压等问题。

此外,大数据牵引的服装设计本质上不再仅通过一轮预设的企划来实现,而是通过一种基于迭代的演化方法进行。线性设计模式与网状设计模式对比如图1所示,传统的服装设计思维是相对主观、固态的,主要依赖于设计师对市场趋势的感知判断。而由数据产生的设计思维让组织与个人以更加客观理性的视角来解读数据背后的潜在需求与市场趋势[10]。与可逆性较差的线性方式服装设计开发模式相比,大数据牵引下的服装设计开发模式是以网状方式,即以数据所反应出的用户需求及市场需求为核心,保证数据充分、实时共享。这使得各个部门之间可以随时保持信息上的充分联动互通,确保各部门的意图能够被充分理解,缩短设计开发时间,节省开发成本。当款式投入市场后,也不意味着款式开发的结束,而是回到设计企划的初始阶段继续迭代款式,进而实现基于大数据的精准服装设计工作。数字技术带来新的工业革命,这也为服装行业的升级与转型提供了重要契机。大数据使得服装行业更为精细化、智能化,同时也推动了节能减排、可持续发展等方向的成长。在此背景下,服装设计模式也得以重塑升级,设计不再局限于形式分析的范畴,设计过程亦不再仅仅是形式探索的单一侧面[11]。

图1 线性设计模式与网状设计模式对比

1.3 大数据多向赋能促进协同价值创造

数据及数字技术嵌入设计环节多个场景,是大数据时代价值创造的重要驱动因素之一。大数据中蕴含着巨量信息以辅助设计开发,如色彩偏好趋势、流行款式趋势、产品价格变化趋势等。挖掘数据背后的潜在信息,大数据成为连接消费者与品牌、品牌与设计师、品牌与工厂之间的纽带,利用数据多向深度赋能促进服装设计开发各环节互动,形成协同价值创造网络。不同分工的参与者可以通过数据思维转变以及对数据和数字技术的运用,聚合云计算、大数据、物联网和人工智能核心技术,重塑服装设计方法并提升其效率及质量。服装产业各环节在多向交互过程中实现设计环节的协同创新,包括产品设计创新、研发流程创新、设计形式创新、生产模式创新等,大数据基础上诞生的企业资源计划系统(ERP)、供应链管理系统(SCM)促进服装企业数字化流程管理;人工智能通过建立数据模型搭建数据中台,进行流行趋势预测;物联网技术将现实信息接入互联网生态中,得以实现整条服装生产线远程监控、智能计算、预测、控制及增强溯源;虚拟现实借助3D数字模拟与柔性仿真技术进行数字化3D虚拟服饰设计开发。大数据多向赋能协同价值共创逻辑图如图2所示,在多技术并行发展的基础上,服装设计开发各环节相互交融、多向协同,最终实现价值共创和共享。

图2 大数据多向赋能协同价值共创逻辑图

2 大数据牵引下服装设计模式研究

2.1 传统服装设计模式

传统服装企业通常以市场调研及流行趋势结合设计师的主观判断,决定下阶段的潮流趋势进行设计研发工作,服装企业传统设计开发模式如图3所示。在开发决策阶段,调研通常以人为主导,带有较强的主观判断因素,且企业自身的数据采集能力较差,只能通过人力来收集数据信息,严重影响到服装设计开发的效率。设计团队往往缺乏客观、专业的可靠数据来源,专业数据的缺乏会导致设计开发计划的不确定性,忽视对用户潜在需求的关注和降低发展趋势预测的准确性,最终影响品牌的利润收益。在产品设计环节,服装品牌的设计开发周期较长,且每一季度的开发设计通常需要多个部门的合作,经过漫长的设计流程后才能投入生产。在瞬息万变的市场流行趋势下,产品设计开发时间越短,上新款式速度越快,才能更好地抢占市场先机。在工艺设计过程中,企业与生产商之间由于信息差难以快速适配工厂进行生产工作,生产完成后也难以进行短期快速翻单工作。在完成一系列设计工作后,品牌通过内部评审及订货会的鉴定后进行修改,通过订货量预测库存大货数量然后下单投入生产。传统服装企业的库存之所以不能消除,是因为企业在从事预测型生产,进而需要库存来应对弹性需求。当市场需求不能达到生产量对等的预期时,就导致了库存成本的根源性问题。同时,传统服装设计流程中企业对消费者信息反馈接收具有滞后性,导致企业无法及时对消费者的反馈作出调整。

图3 服装企业传统设计开发模式

2.2 大数据牵引下的服装设计开发模式

大数据牵引下的服装设计开发模式与传统的服装设计开发模式存在明显差别,传统服装设计开发与大数据牵引下的服装设计开发模式对比如表2所示。在大数据牵引下的服装设计开发模式下,品牌在市场调研过程中利用大数据从全渠道、全网络调研需要的数据信息,将数据信息与设计模型相结合,便于快速把握精准的行业趋势,并制定精准的企划方案。设计过程中设计师将主观思维与数据思维相融合,在设计开发流程中注重调动和同步供应商与工厂的物料生产信息,款式开发成本变得透明可控。通过大数据平台迅速精准匹配目标资源,大幅缩短款式设计开发周期。数据不再是前期企划阶段的短期参考,而是真正贯彻服装设计开发的所有阶段。在这种情况下,服装设计开发过程中的企划、设计、开发调试、预售、上市等阶段均融入了消费者需求、反馈、技术等重要趋势信息[12]。在大数据的牵引下,数据与设计维持的是一种相互依存且不可分割的关系,数据影响着设计的发展,新的设计又体现在数据之中,且这种关系不会因为设计开发过程中某一阶段的结束而终止。

表2 传统服装设计开发与大数据牵引下的服装设计开发模式对比

如今智能手机、互联网时刻记录着每个人的查询信息,浏览器记录着人们浏览的网页内容,电商记录着消费者的购物喜好,消费软件记录着人们的消费区间,APP记录着用户喜欢使用的软件类型及生活习惯等。这些信息汇集成庞大的数据库资源,庞大的数据库不仅是信息时代的宝贵资源,同时也是设计师的得力工具[1]。企业应对各渠道所收集的动态数据进行信息沉淀,借助强大的数据库管理系统对动态数据进行实时管理,实现动态数据的静态转化,通过沉淀足量数据为进一步挖掘数据价值提供可能。采集并甄别数据库中不同类别的数据信息,生成直观的数据可视化量表,有针对性地让设计的服装能够更好地满足市场需求与品牌特征,大幅提升服装设计效率,降低试错成本[13]。大数据牵引下的服装设计开发模式,是在传统产品开发基础上,利用大数据处理分析系统将动态客观数据与设计师的主观审美意识结合运用,能够依靠更真实、高效、客观的数据对用户需求展开预测,以需求驱动设计,有效适应当前服装消费市场的设计开发模式。

2.3 基于大数据赋能的服装设计框架

大数据作为人工智能新兴技术,能够提取品牌既往销售数据,掌握动态行业趋势,挖掘市场内在发展规律,辅助设计师进行服装设计开发工作。在大数据赋能的设计环节中,将与服装设计相关的大数据分为消费数据与行业数据2个模块,构建基于大数据赋能的服装设计框架。基于大数据赋能的服装设计框架如图4所示。

图4 基于大数据赋能的服装设计框架

利用数据中台对动态竞店消费数据、用户反馈数据和产品预售数据等消费大数据进行采集,通过算法沉淀动态数据形成静态需求数据。设计师借助消费大数据辅助商品企划工作,通过静态需求数据推导出的建议修改现有产品的不足之处。在预售数据的基础上对设计打样环节所选择的物料进行下单决策,降低产品开发过程中的成本。对比竞争店铺的数据生成可视化图像,模拟预测用户消费选择偏好,并指导设计师对标竞争店铺进行具有针对性的设计开发工作。

服装设计受到流行、风格、文化等因素的影响,要求设计师能协同、高效地把握市场流行趋势,将上下游最新的工艺、物料、生产技术结合到款式设计中[7]。将服装行业数据分类管理,采集流行趋势数据、多方协同数据、品牌设计研发数据形成静态设计数据。通过不同的趋势信息渠道多维度挖掘数据,聚焦市场流行趋势信息辅助设计师进行服装设计工作。借助数字管理系统完善上下游供应商及生产工厂的信息协同,及时了解合作供应商推出的最新物料,工厂新研发的生产工艺技术。积累以往的设计研发数据识别品牌风格关键要素,利用大数据检索全平台当季热卖单品,预测爆款商品,设计师借助预测数据进行服装产品精准设计。

3 大数据牵引下实现数据驱动服装设计开发应用案例——以MZ品牌为例

大数据赋能的服装设计框架通过收集消费大数据与行业大数据,将所收集到的动态数据进行数据沉淀,生成静态需求数据与静态设计数据,对该数据进行分析,辅助设计师开展精准的服装设计开发工作。本文以电商服装品牌MZ为例,采用该品牌2023年7—10月的服装设计开发为设计案例进行分析,探讨MZ品牌基于大数据实现服装产品精准设计、满足消费者多元化需求的设计开发方式。MZ品牌作为已发展12年的电商服装品牌,在快速变化的市场趋势中不断突破自我,逐渐稳固品牌风格,依托自开发的数字化系统辅助每一季度的产品开发工作。

3.1 基于大数据分析的服装商品企划

基于大数据分析的服装商品企划是一个具有明确数据逻辑的设计分析过程,主要由市场趋势数据分析获得各品类服装的市场规模与关键趋势,是企划阶段对市场判断的基础数据;由消费者数据分析获得目标群体的细分购买偏好及品牌对应客群的消费数据,以及市场上同品类热销款式的销量与销售额大盘数据;由竞店数据分析获得“品类”“开发比例”依据,判断竞争市场中同类型店铺各品类款式的分布情况。大数据分析可以帮助设计师有效解决设计前期企划目标模糊性问题,以客观数据更为直观地了解目标用户的需求,构建以数据为导向的设计范式,更为科学、精准地制定服装商品企划方案。

MZ品牌基于大数据分析的服装商品企划流程如图5所示。MZ品牌通过第三方大数据平台购买获得电商服装行业相关大数据进行市场数据分析,数据结果主要表现在市场趋势数据、消费者数据、竞店数据3个方面。

图5 MZ品牌基于大数据分析的服装商品企划流程

①从市场趋势数据来看,大数据沉淀2022年9月电商女装市场中各品类服装单款单色单码(SKU)占比显示连衣裙、毛呢外套、毛针织衫、衬衫和休闲裤为主销品类,其中毛针织衫成为女装主力开发品类。同期行业销售额占比上,连衣裙成为女装主力销售品类,该品类数据占比22.93%。检索2022年秋冬流行趋势关键词,提取面料、廓形、风格、色彩等流行元素,精准把握设计趋势。

②通过分析消费者数据,MZ品牌收集2022年9月品牌自开发各品类款式的最高价及最低价区间,供当季产品设计企划拟定核算各品类服装的成本价格。从微博、电商购物平台、小红书、抖音等渠道收集粉丝风格偏好关键词,生成2023年MZ品牌消费者风格偏好雷达图,其中淑女及复古风格评估值较高。分析MZ品牌消费者地域分布,数据显示杭州、上海、北京3地用户比例位居前列,根据不同城市往年气温参照,能够合理分配各品类SKU比例。

③从竞店数据入手,参考2022年9月MZ品牌的竞争店铺各品类库存量上新比例,毛呢外套、连衣裙、毛针织衫、西装、毛衣为重点上新款式。针对竞店单件热销款式销售数据进行环比分析,结合2022年9月竞店各品类服装的总销量拟定2023年MZ品牌9月的服装设计开发款式数量。

根据前期对各品类数据的分析结果,MZ品牌将设计、研发、生产等流程及品类、价格等纳入商品运营整体范围内,结合每周线上渠道店铺上新节点制定出2023年9月秋冬季节款式开发企划表,如表3所示。

表3 MZ品牌2023年9月秋季商品企划表

3.2 数据协同的款式设计开发流程

电商服装具有流行周期短、款式多、生产单量小的特点,在开发过程中涉及多个部门,导致品牌管理设计开发流程具有一定难度[7]。基于数据协同的款式设计开发流程是借助数字化解决方案,使供应链环节与设计环节的相关数据及时沟通共享,促进设计、研发打样、下单生产等不同阶段涉及的有关数据集成协调。数据的加入使款式设计开发过程每个阶段的人员、物料、工厂等生产要素进行优化整合,达到数据信息透明化,有效缩短产品生产周期,实现品牌内外部高效协作开发。

在完成基于大数据分析的商品企划工作后,MZ品牌通过数据管理系统完成设计稿到企划计划的对接,即设计稿填充企划坑位的具体实现,MZ品牌数据协同的款式设计开发流程如图6所示。设计小组根据设置完成的当季商品企划分配工作,设计师将设计稿件上传至系统后自动生成设计款号档案,提交样衣开发申请后即可利用数据全流程跟踪开发进度。通过系统维护该设计款式的基本信息,初步制定样衣所用物料及二次加工工艺等细节。在研发过程中,由外部供应商、合作供应商及设计师外采购的物料基础信息统一录入研发数据库系统,便于设计师随时调取信息并核算样衣成本。工艺师结合技术基础数据开展打板工作,与设计师在沟通过程中对款式进行对比,并将所用到的二次加工录入工艺制造基础数据。在样衣制作完成后生成样衣条码,即可通过条码全流程追溯该件样衣所使用的物料、工艺等信息,核算开发报价成本后生成设计开发物料清单 (BOM)。该季度样衣完成选款工作后,根据开发信息创建产品档案移交至产品大货生产。

图6 MZ品牌数据协同的款式设计开发流程

3.3 基于新款预售的款式修改及下单生产

MZ品牌依靠快速且强大的供应链进行小批量、多品类的高效生产,有效利用市场资源,减少库存压力。但由于此开发模式对于原料的现货需求极高,并缺乏与面辅料商及工厂稳定的长期战略合作关系,时常出现面料现货不足、小单量高成本、稳定性低等问题。品牌通常以15～30 d预售拉长生产周期,以预售形式抢先市场同类品牌的竞争,同时以预售数据为引导预测翻单产量,降低库存风险。MZ品牌新款预售数据提取流程如图7所示,MZ品牌利用电商平台数据挖掘消费者的反馈需求,当设计部门在该季度完成样衣选款下单工作后,店铺将样衣照片上架至电商平台进行预售款式测试。根据浏览、加购、收藏等大数据进行款式筛选工作,决定最后各款式拟定下单量至工厂进行大货生产。

图7 MZ品牌新款预售数据提取流程

MZ品牌在完成2023年9月样衣开发工作后,使用淘宝网站的预售系统对新款样衣进行新款预售评估工作。表4所示为MZ品牌2023年9月款式预售数据,根据预售结果数据可以得出,用户在2023年9月预售款式中更倾向于购买针织品类服装,其中针织裙的加购率高达7.77%,为重点品类。对加购色彩数据进行对比后发现,针织裙及针织套装的黑色与米杏色款式加购数据较高,丝绒裤的米白色款式加购数据相较于黑色更高。因此在后续产品设计开发过程中,MZ品牌将提前对黑色及米杏色的针织纱线准备现货,用于应对后续翻单生产及新款开发工作。其中芥末黄针织裙与驼色针织套装预售数据较低,考虑纱线备货成本后,品牌决定减少该颜色的首单下单量。丝绒裤原预计黑白两色丝绒裤首单各下大货订单100件,根据预售数据指导下,品牌生产部门将白色丝绒裤首单件数提升至200件。

表4 MZ品牌2023年9月款式预售数据

4 结束语

在大数据时代下机遇与挑战并存,数据已成为服装设计开发中不可或缺的重要元素。本文在分析大数据的分类、变革及技术应用的基础上,根据传统服装设计方法中消费需求的不确定及服装产品迭代周期缩短等问题,构建出大数据牵引下的服装设计框架;提出在设计开发过程中通过沉淀动态消费数据与行业数据后,获得静态需求数据与静态设计数据以辅助设计开发环节,实现大数据赋能的服装产品精准设计,改善传统服装设计环节中的主观性和滞后性;以电商服装品牌的设计开发为案例,对研究内容进行实践应用,验证了大数据牵引下的服装设计开发模式有助于品牌提升商品企划的精准性,在开发过程中借助大数据技术达到信息数据透明化,实现品牌内外部协同开发,能够有效利用市场资源和减少品牌库存压力。

海量的数据基础和复杂、智能的数据分析工具只是设计师工作的支撑环境与工具,设计模式的关键还是设计师对客观数据与主观创造性思维的结合。利用大数据技术对传统服装设计开发模式进行革新,使数据能更轻松便捷地为服装设计开发过程中的每个参与人员所用,为服装品牌在大数据时代下构建新的服装设计开发模式提供了可行方案。