Seneste nyt fra modebranchen
Artikler
Podcasts
Jobs

Digitalt analyseværktøj trendspotter fra modeuger

Hvilken farve sås hos flest designere, og hvor lang skal nederdelen være? En ny teknologi, udviklet af IBM, kan trendspotte på baggrund af store mængder data.
Hvilken farve sås hos flest designere, og hvor lang skal nederdelen være? En ny teknologi, udviklet af IBM, kan trendspotte på baggrund af store mængder data.

Redaktører verden over sidder nu og kigger diverse catwalkbilleder igennem til opsamlingsartikler på modeugerne, der netop er overstået. Hundredevis af shows er afholdt, med det kommende efterårs største tendenser, farver, snit og prints.

I samarbejde med Women’s Wear Daily har IBM analyseret kollektioner fra 12 designere, der afholdt show under New Yorks modeuge. IBM har nemlig udviklet en teknologi med kunstig intelligens, de kalder ’Watson’ – en teknologi, der indeholder mere information end én million bøger.

Analysen har til formål at kortlægge farver, trends og sammenligne kollektioner på tværs af designere. Resultatet er en rapport og app, der er sammenfattet ud fra 467 catwalkbilleder fra de 12 shows af Coach, Jonathan Simkhai, Delpozo, Marc Jacobs, Alexander Wang, Brandon Maxwell, 3.1 Phillip Lim, Public School, Ralph Lauren, Prabal Gurung, Jason Wu og Dion Lee. Via app’ens browsing funktion kan man eksempelvis sammenligne designs, og se, hvem, der er inspireret af det samme eller hinanden.

”Hos IBM Research bygger vi en ”kognitiv agent”, der kan analysere modetrends fra flere kilder, for eksempel kataloger, artikler, blogs, billeder og sociale medier og forudsige fremtidige modetrends,” siger forsker ved IBM, Vikas Raykar, til Women’s Wear Daily.

Watson-teknologien kan ved hjælp af billedgenkendelse skelne mellem ansigter samt dominerende farver og derudover finde ligheder mellem forskellige designs. På den måde udgør detaljer som farver, mønstre, snit og silhuetter tilsammen en trend, som teknologien spotter, og som kan gøre arbejdet med at sammenholde, hvad man har set under modeugerne, lettere at gå igennem.

Trendspotting under opbryd
Flere industrier er blevet overhalet indenom af nytænkende teknologier, der udfordrer de traditionelle måder at gøre tingene på – tag eksempelvis Uber og Airbnb. Trendspotting står potentielt overfor samme opbrud, hvis teknologi, fremfor trendbureauer og menneskelige eksperter, kan forudse tendenser. På nuværende tidspunkt kan brands konsultere trendbureauer, når de skal vide, hvilke farver, stemninger og strømninger, fremtiden bringer – hvilket kan være årsagen til, at Watson analyserede sig frem til, at Alexander Wang og Brandon Maxwell havde mange ligheder, ligeledes Prabal Gurung og Jonathan Simkhai.

På et udfordret marked, hvor brands hurtigere og hurtigere skal spotte og efterleve forbrugernes krav og ønsker, er der brug for hjælp, og kunstig intelligens som Watson kan være med til at få store mængder data og kreative aktører til at mødes. Så denne teknologi kan også hjælpe modebrands et nyt sted i værdikæden, nemlig i produktudviklingsfasen. Det allerførste skridt i idefasen med moodboards og inspirationsrejser kan – i teorien – erstattes af en gennemgang af teknologiens forudsigelser.

Det er dog ikke problemfrit. For hvordan kan en designer overraske og imponere, hvis de kreative inputs kommer fra en maskine, der spytter de samme resultater ud til samtlige designere? Og spørgsmålet er også, hvor stor nødvendighed der er for et værktøj som Watson i modebranchen? Indtil videre må det nok betragtes mest som en dataindsamler, snarere end en decideret trendspotter.