Vom Konzept zur ROI-Innovation: Die bemerkenswerte Reise von WAIR

Im August 2021 haben wir hier bei FashionUnited die Einführung von WAIR bekannt gegeben und im Mai 2023 haben wir mehr über den AI Replenisher - WAIRs erste Lösung erklärt.

WAIR hat einen bedeutenden Meilenstein in seinem Wachstum erreicht und ist begeistert, eine neue Phase der Reife bekannt zu geben, begleitet von einer überarbeiteten Website, einem Logo und einer allgemeinen Markenidentität! Wenn Sie die überarbeitete Website noch nicht gesehen haben - schauen Sie sie sich auf wair.ai an. In diesem Newsletter werden wir einen Moment zurückblicken auf ihre bisherige Reise und Ihnen einen aufregenden Einblick in die Zukunft geben.

So hat alles bei WAIR begonnen...

Mitch van Deursen, der Gründer von WAIR und CEO von Shoeby, hat persönlich die Ineffizienzen in der Modeeinzelhandelsbranche beobachtet. Er war fest davon überzeugt, dass die Branche höhere Nettogewinnmargen benötigt und gleichzeitig Nachhaltigkeit priorisieren sollte.

Im Jahr 2017 begann er eine experimentelle Reise mit Sander van Grinsven und der JADS University. Sie waren fest davon überzeugt, dass Data Science (Intelligenz im großen Maßstab) der Schlüssel für die Zukunft der Branche sei, und ihre Überzeugung wurde letztendlich bestätigt.

Im Jahr 2019 schlossen sich Mitch und Sander mit BrainCreators zusammen, um zwei MVPs (Minimum Viable Products) zu entwickeln. Zu dieser Zeit wurden ihre Lösungen als "Digitale Mitarbeiter" bezeichnet, um ihre Zugänglichkeit zu verbessern. Sie hatten zwei Hauptangebote: "The Digital Stylist", der AI-basierte visuelle Empfehlungen für E-Commerce-Plattformen lieferte, und den "The Digital Sales Forecaster" (das Grundmodell des AI Replenishers), der die Lagerbestände in Geschäften optimierte, indem er die Min-/Max-Einstellungen im vorhandenen ERP-System automatisch anpasste. Unter diesen Angeboten zeigte der AI Replenisher den stärksten Produkt-Markt-Fit, was sie dazu veranlasste, ihre Bemühungen auf diese Lösung zu konzentrieren, aufgrund begrenzter Ressourcen und der Notwendigkeit, strategische Entscheidungen zu treffen.

Im Jahr 2020 haben sie den AI Replenisher (ForecastGPT-1) bei Shoeby getestet, und die Ergebnisse waren nicht großartig. Die Prognosegenauigkeit von WAIR erreichte 70%, während die herkömmliche Auffüllungsmethode von Shoeby 78% erreichte! Nach umfangreichen Forschungen zu ForecastGPT-1 und einer maximalen Genauigkeit von 84% kamen sie zu dem Schluss, dass es einfach nicht gut genug und kein Durchbruch war. Zeit für harte Arbeit und einen neuen Ansatz!

Im Jahr 2021 erkannte das WAIR-Team, dass sie eine Grenze erreichten, was die Verbesserung der Genauigkeit ihrer Vorhersagen mittels traditionellem maschinellem Lernen anging. Sie trafen daher die strategische Entscheidung, auf ein neues Deep Learning-Modell umzusteigen und Daten aus allen möglichen Quellen zu sammeln. Dank dieses Ansatzes haben sie ein fortschrittliches vereinheitlichtes Modell (ForecastGPT-2) geschaffen und einen Durchbruch bei der Prognosegenauigkeit von 95% erzielt!

Anfang 2022 validierten sie ihr Produkt bei ihren ersten Startkunden (Daka), und am Ende des Jahres gründeten sie WAIR als eigenständiges Unternehmen.

Wie steht es heute um WAIR?

Durch fortlaufende Gespräche mit Einzelhändlern, Marken und Partnern sammeln sie kontinuierlich Bestätigungen für das Vorhandensein von ineffizienten Lagerproblemen. Die bestehenden Lösungen erfordern entweder umfangreiche Implementierungszeiten und erfüllen nicht das gewünschte Maß an Intelligenz.

Diese Bestätigungen beflügeln ihr kontinuierliches Wachstum in allen Segmenten: WAIR für Einzelhandel, Marken und Partnerschaften. Besuchen Sie sie in ihrem beeindruckenden neuen Büro in Amsterdam, wo der Kaffee immer warm ist (oder kalt, wenn Sie im Sommer lieber Eiskaffee möchten)!

Wohin geht die Reise für WAIR?

WAIR setzt seine Mission fort, bestehende Geschäftsprozesse effizienter zu gestalten, indem sie Intelligenz in diese integrieren. Mit anderen Worten bieten ihre Lösungen einen erheblichen Geschäftswert und sind einfach zu integrieren und anzunehmen, da sie den Prozess selbst nicht verändern, sondern ihn lediglich mit Intelligenz verbessern.

Sie planen, ihre AI Redistribution-Lösung im vierten Quartal 2023 einzuführen. Mit dieser Lösung erhalten Sie wertvolle Einblicke in die Umverteilung Ihres Lagerbestands, falls er in einem Geschäft landet, in dem er entweder nicht verkauft wird oder nicht schnell genug verkauft wird. Es ist wichtig zu beachten, dass bei Verwendung des AI Replenishers Ihr Bedarf an Umverteilung im Vergleich zu herkömmlichen Auffüllungsmethoden erheblich reduziert wird.

Ein geschäftiges viertes Quartal erwartet sie, da sie sich auf den Start des AI Product Describers vorbereiten. Dieses leistungsstarke, aber einfache Tool ist so konzipiert, E-Commerce-Managern durch automatische Generierung von Produktbeschreibungen und Tags anhand eines Bildes zu helfen. Insbesondere optimiert der AI Product Describer den generierten Text für die Suchmaschinenoptimierung (SEO). Er bietet eine nahtlose Benutzerfreundlichkeit, da er mit Ihrem ERP-System verbunden ist und somit eine benutzerfreundliche Erfahrung gewährleistet. Darüber hinaus liefert er dem ForecastGPT-2-Modell mehr Informationen.

Im ersten Quartal 2024 liegt ihr Hauptaugenmerk auf dem Start des AI Channel Predictors. Dieses leistungsstarke Tool sagt die optimalen Vertriebskanäle (physisches Geschäft, Webshop oder Marktplatz) für Ihre Produkte voraus und berücksichtigt dabei die einzigartigen Dynamiken jedes Kanals. Dadurch streben sie an, Ihre Verkaufsrate zu maximieren und letztendlich Ihre Verkaufsmarge und Ihren Umsatz zu optimieren.

Die Implementierung des AI Initial Distributors beginnen sie im zweiten Quartal 2024. Sie fragen sich vielleicht, warum sie mit diesem Prozess relativ spät beginnen. Der Grund ist einfach: Es handelt sich um einen kritischen Prozess. Eine korrekte Erstdistribution ist entscheidend, da Fehler zu mehreren Auffüllungen und Umverteilungen führen können, die beide erhebliche Kosten verursachen. Genau deshalb haben sie alle vorangegangenen Lösungen aufgebaut und verfeinert. Sie haben wertvolle Lektionen aus ihnen gelernt, was einen informierteren und effizienteren Ansatz für die Phase der Initialdistribution sicherstellt.