Virtuelle Anprobe für Modemarken

Die virtuelle Anprobe ist zu einer der am häufigsten gewünschten Funktionen im Fashion-E-Commerce geworden, und das aus einem klaren Grund: Die Passform ist online das Problem Nummer eins. Die durchschnittliche Retourenquote bei Bekleidung im Netz liegt bei 24,4 %, und die Größe ist mit 53 % der Retouren die häufigste Einzelursache (Coresight Research, 2023). Alles, was einer Kundin hilft, vor dem Kauf zu beurteilen, wie ein Kleidungsstück tatsächlich aussieht und sitzt, senkt diese Kosten unmittelbar, und deshalb geben 85 % der Bekleidungsentscheider an, eine virtuelle Anprobe einführen zu wollen (Coresight, 2023).

Doch „virtuelle Anprobe" wird lose verwendet, und die Variante, die eine Marke braucht, ist oft nicht die, die sie sich vorstellt. Es gibt in Wahrheit zwei davon.

Zwei Arten der virtuellen Anprobe

Die virtuelle Anprobe für Verbraucher ist die interaktive Umkleidekabine: Eine Kundin lädt ein Selfie hoch oder wählt einen Avatar, und ein Widget zeigt sie mit dem Artikel bekleidet. Es ist eine Funktion im Shop, angetrieben von einer Echtzeit-Anprobe-Engine.

Die katalogseitige virtuelle Anprobe ist die darunterliegende Produktionsebene: Sie zeigt jedes Produkt an einem realistischen Model, im Katalogmaßstab, sodass die Kundschaft Passform und Fall direkt anhand der Bilder beurteilen kann. Kein Selfie nötig. Hier steckt der größte Teil des retourensenkenden Werts, denn sie verbessert die Bilder, die jede Kundin sieht, nicht nur die, die sich auf eine Spielerei einlassen.

On-Model arbeitet auf der zweiten Ebene. Wir sind da ehrlich: On-Model ist kein Echtzeit-Umkleidekabinen-Widget für Verbraucher. Es ist der Weg, mit dem Marken On-Model-Bilder in Anprobe-Qualität für einen ganzen Katalog erzeugen.

Die virtuelle Umkleidekabine für Verbraucher

Die verbraucherorientierte virtuelle Umkleidekabine ist das, was die meisten unter „virtueller KI-Anprobe" verstehen. Google Shopping, mehrere Marktplätze und eine Handvoll Spezialtools lassen die Kundschaft inzwischen Kleidung an einem Model oder an sich selbst vorab betrachten. Für Hero-Produkte ist das wirklich nützlich und kann die Conversion steigern. Es ist aber auch eng begrenzt: Meist deckt es nur einen Teil der Artikel ab, hängt von der Mitwirkung der Kundschaft ab und bringt nichts für die Tausenden von SKUs, die nie eine maßgeschneiderte Anprobe-Behandlung erhalten.

In ihrer wörtlichsten Form wird die Kundin selbst zum Model. Sie fotografiert sich, wählt ein Kleidungsstück und sieht es an ihrem eigenen Körper, während Pose, Licht und Raum genau so bleiben, wie sie waren. Nur die Kleidung ändert sich.

Genau diese Lücke ist die Chance. Die Usability-Forschung des Baymard Institute ist da unmissverständlich: Bekleidung an einem menschlichen Model zu zeigen, ist entscheidend für das Kaufvertrauen (2020). Die Marken, die gewinnen, sind nicht jene mit einem Umkleidekabinen-Gimmick auf zehn Produkten. Es sind jene, deren gesamter Katalog sich wie „anprobiert" liest.

Katalogseitige Anprobe: On-Model-Bilder in großem Maßstab

Bilder in Anprobe-Qualität über ein ganzes Sortiment zu bekommen, bedeutete früher ein Fotoshooting je Stil, weshalb die meisten Kataloge ein Flickenteppich aus Flat-Lays, Packshots und der gelegentlichen Model-Aufnahme sind. KI verändert die Ökonomie. Sie können die Produktfotografie, die Sie bereits haben, in konsistente On-Model-Bilder für jede SKU verwandeln.

Drei Flat-Lays werden zu einem stimmigen On-Model-Set mit einer konsistenten Identität, aufgenommen aus mehreren Winkeln. Machen Sie das über einen ganzen Katalog, und jede Produktseite vermittelt Passform und Fall, genau das, was eine Kundin am ehesten beurteilen will, und genau das versucht eine Umkleidekabine zu liefern.

Zwei Funktionen machen das im großen Maßstab praktikabel:

• Flat-to-Model verwandelt ein vorhandenes Flat-Lay oder einen Packshot in On-Model-Bilder, wobei das Kleidungsstück pixelgenau erhalten bleibt, sodass das Bild dem entspricht, was versendet wird.
• Model Swap ersetzt das Model in einem vorhandenen Foto, während Kleidungsstück und Pose identisch bleiben, sodass Sie einen Look lokalisieren oder eine Kampagne auffrischen können, ohne neu zu fotografieren.

Weil die Models wiederverwendbare Identitäten sind, ziehen sich dieselben Gesichter durch Ihr gesamtes Sortiment. Konsistenz macht aus einem Haufen Bilder einen Katalog, dem eine Kundin (und eine KI-Shopping-Engine) vertraut.

„Die meisten Marken brauchen kein Anprobe-Widget auf zehn Produkten. Sie brauchen, dass jedes Produkt anprobiert aussieht. Katalogseitig ist das ein gelöstes Problem: konsistente On-Model-Bilder für jede SKU, mit exakt erhaltenem Kleidungsstück."

— Nunzio Alexandro Letizia, Mitgründer von PiktID und Entwickler von On-Model

Wo die virtuelle Anprobe von Google Shopping ins Bild passt

Die beiden Ebenen wachsen zusammen. Die virtuelle Anprobe von Google Shopping und KI-Shopping-Assistenten zeigen der Kundschaft zunehmend, wie ein Artikel getragen aussieht, und sie greifen dabei auf die Bilder und Produktdaten zurück, die Marken bereitstellen. Ein Katalog mit vollständigen, konsistenten On-Model-Bildern ist bestens aufgestellt, um diese Erlebnisse gut zu speisen. Das behandeln wir unter So machen Sie Ihren Modekatalog GEO-ready.

Was Sie tun können

Beginnen Sie mit den Produkten, die Retouren verursachen. Geben Sie Ihren meistverkauften und retourenstärksten Styles eine vollständige On-Model-Abdeckung, konsistente Identitäten und mehrere Ansichten, und arbeiten Sie sich dann durch den restlichen Katalog vor. Sie müssen kein Umkleidekabinen-Widget bauen, um den größten Teil des Werts zu erschließen. Sie brauchen Bilder, die jeder Kundin zeigen, wie das Kleidungsstück getragen aussieht.

Die Zahlen hinter Retouren, Passform und KI-Einsatz in der Mode finden Sie in unseren Fashion-E-Commerce-Statistiken. Um Ihre vorhandenen Produktaufnahmen über einen ganzen Katalog in On-Model-Bilder zu verwandeln, starten Sie kostenlos.

---

Quellen:

1. Coresight Research. (2023). Alarming Return Rates Require Loss-Minimization Solutions. coresight.com
2. Baymard Institute. Apparel Products Need a Human Model. baymard.com
3. Google. Virtual try-on and AI-powered shopping. blog.google