Customer journey w branży fashion w 2027 roku. Jak AI zmienia zakupy modowe?

Ścieżka zakupowa klienta fashion staje się coraz mniej liniowa.

Punktem startowym użytkownika może być więc TikTok, Instagram, Pinterest, zdjęcie przypadkowo zobaczonej stylizacji albo rozmowa z ChatGPT.

Kolejnym sposobem na wyszukiwanie jest wizualne wyszukiwanie – Circle to Search, które jest aktualnie rozwijane przez Google. To narzędzie potrafi rozpoznawać kilka elementów stylizacji jednocześnie, dzięki czemu użytkownik nie musi nawet wiedzieć, jak nazywa się konkretny fason czy rodzaj ubrania.

W przypadku fashion to szczególnie istotne. Konsument bardzo często wie, co mu się podoba, ale nie wie, jak tego szukać.

Źródło: Google Search: Circle to Search

Przechodzimy od keyword matching do need matching. Klasyczna wyszukiwarka wymagała od użytkownika przełożenia potrzeby na odpowiednią frazę. Z kolei AI pozwala opisać samą potrzebę.

Użytkownik nie musi zastanawiać się czego potrzebuje:

„buty damskie skórzane czarne”

Opisuje swoją potrzebę modelowi LLM:

„Potrzebuję eleganckich czarnych butów do pracy, w których będę mogła chodzić przez 8 godzin, najlepiej ze skóry, ale nie chcę obcasa wyższego niż 4 cm.”

Oznacza to, że sama obecność Twojej odzieży na frazę produktową przestaje wystarczać. Produkt musi być opisany tak, aby system potrafił zrozumieć, dla kogo, na jaką okazję i w jakiej sytuacji jest dobrym wyborem.

Największą zmianą w customer journey nie jest samo pojawienie się ChatGPT, Gemini czy AI Mode. Zmienia się moment, w którym marka walczy o uwagę konsumenta.

Dotychczas marka walczyła głównie o:

• wysoką pozycję,
• kliknięcie,
• atrakcyjny listing,
• dobrą kartę produktu.

Teraz coraz częściej pierwsza selekcja może odbyć się wcześniej, ponieważ AI może zaproponować użytkownikowi np. pięć marek odpowiadających jego potrzebom. Jeśli Twojej marki nie ma na tej liście, świetny UX, dobra cena czy dopracowany PDP mogą w ogóle nie dostać szansy na wpłynięcie na decyzję.

Dobrze obrazują to dane z raportu Delante „TOP 15 polskich marek odzieżowych w AI”. W analizowanym zestawie 8 z 15 marek nie pojawiało się w badanych rekomendacjach AI.

Rekomendacja AI musi być czymś uzasadniona.

Dlatego obecnie coraz większego znaczenia nabierają sygnały znajdujące się poza własną stroną marki, czyli:

• recenzje klientów,
• UGC (User Generated Content),
• publikacje medialne,
• zestawienia i rankingi,
• wypowiedzi ekspertów,
• wzmianki na forach,
• materiały creatorów,
• informacje o jakości czy rozmiarówce.

Badania Trustpilot i London Research pokazują, że opinie są wciąż fundamentem decyzyjnym dla konsumentów – aż 89% badanych przyznaje, że wpływają one na ich wybory, a 56% odrzuca markę ze słabymi ocenami. Jednak według Bazaarvoice te opinie mają jeszcze większe znaczenie w kontekście AI. Social proof przestaje być wyłącznie elementem pomagającym domknąć zakup na Twojej stronie. Może wpływać również na to, czy marka zostanie odkryta i polecona przez AI na wcześniejszym etapie customer journey.

Dlatego działania PR, digital PR, influencer marketing, SEO i AISO w branży fashion coraz trudniej traktować jako całkowicie osobne kanały. Wszystkie z nich budują zestaw sygnałów, na podstawie których klient – albo system pomagający klientowi – ocenia markę.

Zmienia się też moment, w którym konsument zaczyna oceniać sam produkt.

Google rozwija virtual try-on, który pozwala zobaczyć ubranie na własnej sylwetce. Narzędzia AI pomagają porównywać produkty, analizować opinie czy dobierać elementy stylizacji.

W efekcie część procesu decyzyjnego, który wcześniej odbywał się dopiero na stronie sklepu, przenosi się na etap poprzedzający samą wizytę w e-commerce.

Dzięki AI i nowej virtual try-on klient już na starcie może wiedzieć:

• który fason prawdopodobnie będzie dla niego odpowiedni,
• jak zestawić produkt,
• jakie są jego zalety i wady,
• jak wygląda na podobnej sylwetce,
• jak wypada względem konkurencyjnych propozycji.

Karta produktu nadal pozostaje kluczowa, ale przestaje być pierwszym miejscem kontaktu konsumenta z konkretnym produktem.

Źródło: Blog Google: Virtually try on clothes with a new AI shopping feature

Nie! AI nie zabija Google ani social mediów, ale łączy je w jedną scieżkę – kombinację wielu źródeł. Szczególnie zauważamy to w branży fashion.

Kluczowe staje się więc nie tylko pytanie:

„z jakiego kanału przyszła konwersja?”

Ale:

„jakie punkty kontaktu wpłynęły na to, że klient w ogóle zaczął rozważać tę markę?”

To także utrudnia klasyczną atrybucję. Ostatnie kliknięcie może pochodzić z direct albo brandowego Google Search, mimo że pierwszy realny impuls do zakupu powstał wcześniej w AI lub social mediach.

Doskonałym przykładem łączenia etapu discovery, społeczności i samej sprzedaży w ramach jednej płynnej ścieżki jest rozwój TikTok Shop. Punktem startowym staje się wideo, a następnie użytkownik może sfinalizować transakcję bez opuszczania aplikacji.

Branża fashion ma kilka cech, które powodują, że wykorzystanie AI w procesie zakupowym jest naturalne. Wybór jest ogromny, produkty są do siebie podobne, a decyzja zależy jednocześnie od wielu subiektywnych kryteriów.

Konsument nie szuka wyłącznie „spodni”.

Szuka spodni:

• pasujących do konkretnej sylwetki,
• wpisujących się w jego styl,
• odpowiednich na konkretną okazję,
• w określonym budżecie,
• z materiału, który lubi,
• które można połączyć z rzeczami znajdującymi się już w jego szafie.

Im bardziej skomplikowana jest decyzja klienta, tym większą wartość może mieć narzędzie, które ograniczy kilkaset możliwości do kilku propozycji.

Więcej o tym, jakie działania marketingowe przynoszą oczekiwane efekty w tej branży omawiamy w naszym artykule „Marka modowa vs. sklep multibrand”

Zmiana customer journey powoduje, że marki powinny spojrzeć na swoją obecność w internecie szerzej niż tylko przez pozycje w Google czy ruch na stronie.

Warto sprawdzić m.in.:

W raporcie TOP 15 polskich marek odzieżowych w AI analizowaliśmy widoczność marek w trzech obszarach intencji:

• pytania brandowe,
• zapytania produktowe,
• zapytania lifestyle’owe.

Raport potwierdza, że użytkownik nie korzysta z AI wyłącznie na końcu lejka. AI może uczestniczyć zarówno w odkrywaniu marek, jak i porównywaniu konkretnych produktów.

8 na 15 badanych marek nie pojawiało się w analizowanych odpowiedziach AI, co pokazuje, że widoczność budowana przez lata w klasycznych kanałach nie gwarantuje automatycznie obecności w nowym środowisku discovery.