“Dead Stock” หรือสินค้าค้างสต็อก คือหนึ่งในปัญหาที่ใหญ่ที่สุดของอุตสาหกรรมแฟชั่น การผลิตสินค้าที่ไม่ตรงกับความต้องการของตลาดไม่เพียงแต่ทำให้สูญเสียรายได้ แต่ยังหมายถึงต้นทุนที่จมหายไปมหาศาล วันนี้เราจะมาดูกรณีศึกษา (สมมติ) ของแบรนด์แฟชั่นแบรนด์หนึ่งที่ใช้ข้อมูลในการแก้ปัญหานี้ได้สำเร็จ
ความท้าทาย: แบรนด์ “StyleSphere” กำลังเผชิญกับปัญหาสินค้าคอลเลกชันฤดูร้อนค้างสต็อกจำนวนมาก แม้จะทุ่มงบประมาณไปกับการโปรโมต แต่ยอดขายกลับไม่เป็นไปตามเป้า ทีมออกแบบและฝ่ายการตลาดต่างไม่แน่ใจว่าพวกเขา “อ่านเทรนด์ผิด” ไปตรงไหน
โซลูชันด้วยข้อมูล: StyleSphere ตัดสินใจร่วมมือกับผู้เชี่ยวชาญเพื่อทำ
Social Data Analytic โดยมีขั้นตอนดังนี้
- รวบรวมข้อมูล: ทีมงานได้ใช้เครื่องมือ Social Listening เพื่อรวบรวมบทสนทนาทั้งหมดที่เกี่ยวกับ “แฟชั่นฤดูร้อน” ในประเทศไทยในช่วง 3 เดือนที่ผ่านมา
- วิเคราะห์ Insight: จากข้อมูลนับแสนข้อความ พวกเขาได้ทำการวิเคราะห์ Insight Data Analytic และพบข้อมูลเชิงลึกที่น่าสนใจว่า แทนที่คนจะพูดถึง “ชุดเดรสลายดอกไม้” ที่แบรนด์ผลิตเป็นจำนวนมาก เทรนด์ที่กำลังมาแรงและถูกพูดถึงอย่างหนาหูคือ “ชุดผ้าลินิน” (Linen) และ “สไตล์มินิมอล” ซึ่งเป็นสิ่งที่แบรนด์มองข้ามไป
- ปรับกลยุทธ์: StyleSphere จึงรีบปรับกลยุทธ์การตลาดทันที พวกเขาลดโปรโมชันชุดเดรสลายดอกไม้ และหันมาทำคอนเทนต์ “Mix & Match” โดยใช้เสื้อผ้าชิ้นเบสิกที่มีอยู่มาจัดสไตล์ให้เป็นมินิมอล พร้อมทั้งยิงโฆษณาไปยังกลุ่มคนที่แสดงความสนใจเกี่ยวกับผ้าลินิน
ผลลัพธ์: การตัดสินใจที่ขับเคลื่อนด้วยข้อมูลนำมาซึ่งการเปลี่ยนแปลงที่น่าทึ่ง แม้จะไม่สามารถเปลี่ยนสินค้าในสต็อกได้ แต่แบรนด์สามารถระบายสินค้าชิ้นเบสิกอื่นๆ ที่เข้ากับเทรนด์มินิมอลได้จนหมด และที่สำคัญที่สุด พวกเขาได้ Insight ที่แม่นยำสำหรับวางแผนการผลิตในคอลเลกชันต่อไป ทำให้สามารถลดความเสี่ยงและออกแบบสินค้าได้ตรงใจตลาดมากขึ้น
กรณีศึกษานี้แสดงให้เห็นว่าข้อมูลบนโซเชียลมีเดียไม่ใช่แค่ “เสียง” แต่เป็น “แผนที่” นำทางให้ธุรกิจแฟชั่นเดินไปในทิศทางที่ถูกต้อง
