Del “fast fashion” (moda rápida) a la moda inteligente. La tendencia del análisis de datos masivos ha llegado a la industria de la moda, y los grandes líderes del sector , están instalando “tiendas inteligentes” en las principales ciudades referentes de la  moda, como Londres, Milán o París.

El concepto de ventas en la industria de la moda está en plena evolución, desde las tiendas multimarca y en grandes almacenes, típicas de los años 80; los centros comerciales o “malls” de los años 90, a el e-commerce y el concepto de fast fashion que vino de la mano con el interés de marcas, conocidas y notorias, de instalarse en la mayor cantidad de espacios físicos que pudieran.

El e-commerce comenzó a cambiar este concepto. El consumidor ya no tiene la necesidad de ir a los establecimientos comerciales físicos, pues puede adquirir todo lo que desea desde su ordenador con la ayuda de internet y de las páginas web, en las que encuentra los mismos productos que en las tiendas físicas o incluso mucho más.

En el nuevo ecosistema de la moda retail, el comercio electrónico juega un papel muy importante pues la tienda del futuro no es solo un espacio que el consumidor frecuenta para comprar, sino que también es un punto en el que el consumidor recoge sus pedidos online, mientras va revisando otros productos que le interesan mientras estuvo navegando. El consumidor compra en la tienda para interactuar con la marca y disfrutar de una experiencia distinta. Es así que ya no interesa tanto el número de locales abiertos al público, sino más bien, la calidad del servicio prestado dentro de esos locales, y la experiencia brindada al consumidor. De allí , que Zara, por ejemplo, haya cerrado 295 establecimientos solo en España.

Nos encontramos, entonces, frente a la tendencia denominada “Smart fashion”, en el que establecimiento físico se presenta como un punto de encuentro entre lo que el consumidor necesita y demanda el panorama online y offline. Esto implica que las marcas hayan desarrollado propuestas estratégicas que van más allá de las simples ventas en establecimientos.

El análisis de datos predictivos se incorpora como una herramienta que permite a los retailers prestar un servicio de venta  más personalizado y orientado hacia el cliente. Así, el retailer podrá conocer el tipo de producto que quiere el consumidor en base a su estado de ánimo, y podrá ofrecerle productos destacados o de estación.  Pero, además, el análisis de datos le permitirá, al retailer, abrir o mover sus tiendas hacia otros puntos clave. Esto no es más que el desarrollo de otro modelo de negocio acorde con los avances tecnológicos.

La marca Zara, por ejemplo, ha llegado a determinar que el conocimiento más detallado de sus consumidores le otorga una ventaja competitiva al momento de elaborar estrategias de marketing más efectivas. Se habla, incluso, de la incorporación de microchips en las cajas, con el objetivo de calcular el volumen de ropa que hay dentro y poder gestionarlo en el inventario.

Pero, ¿de qué datos estamos hablando? En realidad de datos de fuente variada. Cuando aceptamos tarjetas de fidelización de un establecimiento comercial, y la usamos al momento de realizar compras; los productos que compramos en la canasta de compras en una página web de la marca, y los datos de las ventas; proporcionan información valiosa al retailer acerca de los gustos y preferencias de sus consumidores.

Estos datos le permiten a los retailers incrementar la efectividad en las campañas de marketing , pero sobre todo, poder predecir escenarios y patrones futuros, como cuánto se venderá de un producto determinado, dónde, qué tipo de consumidor responderá de manera positiva al lanzamiento de nuevos productos, etc.

Al parecer, los retailers están encontrando en el Big Data el modelo de negocio del futuro. Ya no es una mera especulación las tiendas con probadores inteligentes y espejos que reconocen la ropa seleccionada mediante el chip RFID. Estos espejos interactivos permiten buscar variantes de cada prenda (en color, talla, etc) y sugieren accesorios que combinan con dichas prendas. Además en la pantalla pasan fotos y los desfiles de pasarelas mostrando las colecciones. Un ejemplo, de este modelo de negocio es la tienda Zara de Milán. Otras marcas, utilizan el mismo sistema para sugerir a sus clientes la combinación perfecta entre joyas y lentes de sol de la marca. De esta manera, las ventas se incrementan.

En China, Alibaba en alianza con Guess se presentó un piloto de tienda con la tecnología IA, orientada a la personalización. Esta tecnología permite a los clientes ingresar a la tienda con su celular, escaneando un código QR que les reconoce el rostro. Si desea algún artículo, selecciona la prenda, y quiere  probársela, se dirige a los espejos interactivos  y puede seleccionar color y talla. Reciben, además, sugerencias sobre combinaciones con otros productos.

Ahora bien, todo esto es posible gracias a la elaboración de algoritmos. Pero no todo tan exacto ni perfecto, pueden ajustarse a un diseño que contenga patrones discriminatorios, sexistas y racistas. El problema de la personalización asociado al aprendizaje automatizado es que el algoritmo se crea para analizar los datos almacenados y recopilados por la sociedad; entonces, si la sociedad (como ocurre)  presenta desigualdad, exclusión  u otros rastros de discriminación, entonces los datos reflejarán también esta realidad. Entonces, la idea de que el algoritmo, por ser una construcción matemática, es objetiva y exacta, resultaría no ser tan cierta pues puede negar a los miembros de grupos vulnerables su participación en la sociedad. En la medida, en que es posible, por ejemplo, evaluar la capacidad económica de un usuario de un sitio web, los algoritmos pueden decidir si un usuario está en capacidad o tiene la solvencia para contratar un servicio o producto.

Se ha señalado, que esta elaboración de perfiles puede menoscabar los intereses económicos del usuario al disminuir su capacidad de decisión y de elección, por ejemplo, en la contratación de un préstamo o de un seguro. Estas prácticas son conocidas como “webling”, que consisten en la discriminación a partir del perfil del consumidor y de su comportamiento online, pudiendo segmentar a la población, vulnerar datos sensibles y, a la larga, implicar decisiones que lleven a incrementar los precios, por ejemplo.  El cuestionamiento respecto a la regulación del uso del Big Data se viene planteando, así como se vienen señalando también las limitaciones de la normativa sobre protección de datos personales y los riesgos que el análisis de datos predictivo puede engendrar, y de hecho engendra.

Queda todavía un largo camino por explorar en la aplicación de soluciones tecnológicas en todos los ámbitos de la sociedad de consumo.

[*] Olga Alejandra Alcántara Francia es candidata a Doctor por la Universidad Carlos III de Madrid. Máster en Derecho con especialidad en Derecho Europeo por la Universidad Católica de Lovaina, Bélgica. Máster en Derecho Empresarial por la Universidad de Lima. DEA en Derecho Civil por la Universidad Carlos III de Madrid. Profesora de la Facultad de Derecho de la Universidad de Lima.