Trend forecasting med AI: forudsigelse af fremtidens mode

Mange følger modeblogs, kigger på influencers og skimmer Instagram for nye tendenser. Men i de senere år har flere mærker og forhandlere fået øjnene op for AI’s evne til at spotte trends. Computeralgoritmer undersøger nemlig store mængder data for at forudsige, hvad vi vil have på i næste sæson. Pludselig bliver det lettere at planlægge kollektioner og sikre, at det, der lander i butikkerne, faktisk matcher folks ønsker.

Hvad betyder det for modebranchen?

De største spillere kigger på alt fra søgetendenser på nettet til sociale mediers “liking”-mønstre. Ideen er, at AI kan opsnappe en mikrotrend, før den overhovedet er blevet “mainstream.” For modebrands betyder det hurtigere tilpasning af kollektioner og markedsføring. Ifølge eksperter fra CopilotKursus.dk kan man ved hjælp af Microsoft Copilot bearbejde store datasæt i M365, så marketingfolk får en forståelse af, hvad kunderne er nysgerrige på lige nu.

Men hvad vil det sige i praksis?
Hvis en masse brugere på TikTok begynder at vise denim i vilde farver, kan AI meget hurtigt opfange det. Derigennem kan brandet beslutte at producere ekstra i netop disse denimfarver og dermed nå først på markedet, i stedet for at være to måneder bagefter trenden.

Dataindsamling og AI

Algoritmerne dykker ned i alt fra salgstal til hashtags. De måler, om folk stiller spørgsmål om “farvekoordineret strik,” “oversize blazere” eller “genbrugs-læderjakker.” Derefter tjekker de, om omtalen stiger eller falder over tid. Så kan virksomheder prioritere at skubbe nogle design hurtigere i produktion, mens de dropper andre, der er på vej ud.

Ifølge CopilotKursus.dk forudsætter trend forecasting ofte, at AI-konsulenter, designere og salgsafdelingen spiller sammen. Man taler om “AI-parathed,” hvor organisationen kender sine data, forstår “pain points,” og har en plan for at bruge teknologien klogt. Det hjælper, hvis man fx har gennemført et decideret AI kursus eller et mere fokuseret Copilot kursus, så medarbejderne ved, hvordan de “fodrer” AI med de rette data og prompts.

Eksempler i modeverdenen

Flere store brands har integreret AI i deres designprocesser. Nogle lader algoritmer generere mood boards baseret på upcomming trends, hvorefter designere tolker og tilpasser dem. Andre bruger AI til at finde ud af, hvilke farver der formentlig bliver et hit i næste sæson, baseret på Instagram- og Pinterest-opslag. Ifølge dem, der har prøvet det, giver det en hurtigere arbejdsgang, så man kan reagere på mikrotrends, der opstår næsten fra dag til dag.

Men kan AI ikke tage fejl?
Jo, AI er ikke ufejlbarlig. Hvis dataene er for ensidige eller forældede, kan algoritmen overestimere en trend. Vælger man fx kun at kigge på en bestemt aldersgruppe eller kun en enkelt platform, kan man overse, at en anden gruppe mennesker faktisk er på vej i en helt anden retning. Desuden er trends ofte sammensatte – AI kan se, at “pink farve” er populært, men det kan være, at forbrugerne kun vil have pink sko, og ikke pink skjorter. Her er menneskelig dømmekraft stadig nødvendig.

Microsoft Copilot og brug af M365 til trendspotting

Ifølge CopilotKursus.dk kan Microsoft Copilot integreres i en virksomheds M365-data, så fx søgeforespørgsler og kundefeedback indsamles i realtid. Man kan opsætte prompts der fx spørger: “Giv mig en liste over de mest omtalte farver i kundens feedback de sidste 14 dage,” eller “Analyse af søgedata i vores webshop.” Så danner Copilot en rapport, hvor man ser, hvordan omtale af fx “pastelgrønne kjoler” har udviklet sig. Med dette i hånden kan brandet beslutte, om de skal skrue op for pastel eller ej.

Fordele for forbrugeren

For forbrugeren betyder mere præcis trend forecasting, at de sandsynligvis vil opleve et bredere og mere relevant udvalg, når de shopper online. Du kender måske følelsen af at se 50 sider med tøj, der slet ikke rammer din smag. Hvis brandet målretter kollektionen bedre, kan butikken filtrere varerne efter dine reelle interesser. Desuden kan marketingmateriale skræddersyes, så du ikke modtager kampagner for noget, du aldrig kunne finde på at gå i.

Udfordringer og etiske overvejelser

Nogle er bekymrede for, at AI kan ende med at ensrette moden. Hvis alle bruger samme data, risikerer man, at alle mærker udbyder ret ens designs. Kreativiteten kan gå tabt, hvis AI-styrede analyser kun fokuserer på det sikre salg. Desuden spiller privatlivsspørgsmål også en rolle. Hvis man sporer kunders sociale medie-adfærd ret tæt, skal man huske at overholde GDPR og sikre, at ingen følsomme informationer bliver misbrugt. CopilotKursus peger på, at brandet skal finde en balance. 

Fremtidsperspektiv

Der er ingen tvivl om, at AI-baseret trend forecasting er kommet for at blive. I fremtiden kan man forestille sig, at brandet ikke kun forudsiger næste sæsons tendenser, men også mikrotrends i realtid. Tænk, hvis et brand spotter, at brune læderjakker pludselig spredes blandt 18-24-årige i en bestemt by, og reagerer ved at lancere en kapselkollektion i netop den stil. Så er man i stand til at tilbyde noget, folk rent faktisk efterspørger, før konkurrenterne når at blinke.

Man må dog huske, at AI er et værktøj – ikke en erstatning for menneskelig intuition og kreativitet. Designerne skal stadig have plads til at tænke stort og gå imod strømmen. Nogle af de mest ikoniske tendenser i modehistorien opstod ved at gå direkte imod, hvad data pegede på. Men i en kommerciel verden kan AI give en praktisk rettesnor, så man rammer rigtigt mere end forkert.

I sidste ende bliver de mest succesfulde brands dem, der kan balancere teknologien med menneskelig flair og mod til at skille sig ud.