Retouren senken mit KI //SAIZ Co-Founderin Svenja Tegtmeier im Gespräch mit Stefan Wenzel im K5-TV

Herzlich willkommen bei 5 Klartext und dem Commerce Cast Podcast. Neben Brand, geistigem Eigentum ist operative Exzellenz ein Stück weit der unsung Hero im E-Commerce. Teil von operativer Exzellenz ist es natürlich, dass Kunden die Ware zügig und unfallfrei bekommen, die sie bestellt haben. Idealerweise, dass sie ihnen auch gefällt und bei Mode vor allen Dingen, dass sie ihnen auch passt. 50% Retourenquote und mehr in der Bekleidung. Je nach Kategorie und Modegrad sind wir sogar bei 80 und mehr Prozent Retourenquote. Kann da aber irgendwie nicht alles rund laufen. Unser Thema heute deshalb: Retouren senken, neue Ansätze als Hebel in der Krise. Ich freue mich auf meinen Gast Svenja Tegtmeyer, die eine der beiden Gründerinnen von einem Startup namens CICE ist. Und dieses Startup geht einen deutlich anderen Weg als das, was wir wahrscheinlich alle bislang im Markt gesehen haben. Insofern freue ich mich riesig auf unser Gespräch. Moin, liebe Svenja. Herzlich willkommen!

Hi Stefan, danke dir, freue mich hier zu sein.

Cool. Wo bist du gerade?

Ich sitze in meinem wunderschönen Homeoffice in Berlin-Kreuzberg. Cool.

Svenja, bevor wir ins Thema einsteigen und bevor ich auch die Geschichte erzähle, wie wir uns kennengelernt haben, vielleicht bist du noch mal so lieb und stellst dich den Zuhörerinnen und Zuhörern noch mal selber kurz vor. Wer bist du und was machst du?

Sehr gerne. Cool, danke. Genau, Svenja, ich bin heutzutage technische Co-Gründerin von SAIS, was natürlich mein Leben jetzt gerade konsumiert. Konsumierend. Im anderen Leben habe ich mal meine Ausbildung sozusagen über Data Analytics in Econometrics so ein bisschen gestartet, habe viel für die Vereinten Nationen gearbeitet oder auch die EU-Kommission, ganz viel in Supply Chain Data. Habe während der ganzen Geschichte nebenbei eine Brand gebaut mit meiner jetzigen Co-Gründerin auch, weil wir einfach fanden, dass es keine coole Businessmode für junge Frauen gab. Das haben wir quasi nebenbei gemacht und immer nicht unbedingt, weil ich die Fashionista des Jahrhunderts war. Aber ich finde Fashion unglaublich spannend für die Lieferketten. Also die ist eine der verschmutzendsten Industrien, auch der längsten Supply Chains mit ganz vielen Händen, ganz viel sozialer Impact. Und deswegen damals halt das Interesse, wie kann man irgendwie anders produzieren, was auch heute irgendwie in Size immer noch das Interesse ist. Im anderen Leben war ich auch mal eine professionelle Tennisspielerin. Das ist aber sehr lange her. Da ist heutzutage nur noch eine kaputte Schulter von übrig. Genau, das sind so ein paar Worte, ein paar Worte zu mir.

Cool. Du, vielleicht noch mal für den Kontext und auch in voller Transparenz: Wie komme ich eigentlich zu euch und dem Thema und dem Thema Size? Einige werden es wissen, dass ich mehr als 20 Jahre im E-Commerce auf der, auf der Betriebsseite sozusagen verbracht habe und das Thema Retouren leidvoll vor allen Dingen aus der G&V kenne. Und im Grunde haben wir im Fashion-Segment so gefühlt jedes Jahr einen Punkt mehr Retourenquote zur Kenntnis nehmen müssen. Und das ist natürlich, das braucht man nicht lange zu erklären, das ist natürlich ein völlig irrer Hebel und ein Problem. Wir reden nachher noch darüber, wie groß das Problem ist und übrigens auch für die Umwelt. Aber jetzt mal auf die G&V betrachtet, ist das natürlich wie Blei, weil du hast die Nachfrage bezahlt, Marketingkosten sozusagen vollends absorbiert, um diese Order zu bekommen. Und dann kommen 50, 60, 70%, je nachdem, kommen wieder zurück. Das ist natürlich völlig verrückt. Und die Textilwirtschaft, die hatte mich dann vor ein paar Monaten mal befragt, wie ich diese, diese Sizing-Tools, die es am Markt gibt, wie ich dazu stehe. Und dann konnte ich die Euphorie, die da teilweise zu spüren war, nicht teilen, weil ich halt gesehen habe, dass die in Realität nicht viel bringen. Kleinen Conversion-Uplift ja, aber an dem eigentlichen Problem Retourenquote eigentlich nicht, nicht so viel bis gar nichts. Und mein Punkt war halt, die setzen falsch an, so, und die kommen halt vom User. Und deswegen kann das eigentlich nicht funktionieren, weil wir haben ein großes Problem, da werden wir gleich drüber reden, zweifelsfrei. Wir haben ein großes Problem, und das ist nämlich das Problem, dass das Ganze vom Artikel eigentlich ausgeht als Thema. So, und das habe ich in dem Interview gesagt. Und daraufhin habt ihr Kontakt zu mir aufgenommen und habt felsenfest behauptet, dass ihr einen besseren, einen anderen Weg geht. Und meiner ursprünglichen Skepsis zum Trotz musste ich dem zustimmen.

Mittlerweile bin ich investiert.

Und helfe euch auch an anderen Stellen. Finde das total cool. 2 tolle Gründerinnen, tolle Geschichte, toller Hebel, toller Ansatz. Das also in voller Transparenz und auch zum Kontext, wie wir uns kennengelernt haben. Aber lass uns mal einsteigen in das Thema. Deutschland ist ja, auch das wird vielleicht nicht allen klar sein, tatsächlich Retourenweltmeister. Das also weltweit trauriger Rekord. Wir führen die Tabellen an. Warum das so ist, wäre vielleicht ein zweiter Podcast. Aber wir sind auf jeden Fall ein Land, das hard to please Konsumentinnen sind hard to please, viel geht zurück, 50% und mehr. Was ist so aus eurer Sicht, was sind so die großen Treiber hinter diesem allgemeinen Thema Retouren in der Mode? Habt ihr da Sichten drauf?

Ja, ich glaube auch ganz interessant, wenn wir gerade kurz über Deutschland, ich glaube ganz viel getrieben aus unserer Historie des Katalogshoppens. Glaube ich, hat Deutschland sich so stark entwickelt in diese, wurden halt sehr früh erzogen von Otto und Co., dass wir alle zurückschicken dürfen und zu Hause anprobieren und ankreuzen und so weiter. Genau. Aber natürlich, Retouren-Thema ist riesig. Jeder, wie du sagst, jeder einzelne Player in Deutschland, kann man das grob abschätzen auf einen knappen 2-Milliarden-Euro-Markt. Einfach Retouren, was uns Retouren kosten insgesamt, alle Player. Und wenn man, wir schätzen es immer so grob, es gibt verschiedene Umfragen, die zwischen 50 und 60% dem Ganzen das Sizing und Fit beisteuern lassen. Also selbst 1 Milliarde, wenn man am unteren Ende sozusagen rechnet, 1 Milliarde, was uns dieses Problem eigentlich nur in Deutschland kostet. Natürlich auch dicht gefolgt von England und den USA dann, die auch sehr große Retourenmärkte verbuchen. Aber Deutschland halt, wie du sagst, Anführer. Und halt auch was, was du vorhin schon gesagt hast, auch umwelttechnisch halt absolut suboptimal. Also nicht nur das Hin- und Herschicken, was man auch knapp mit 41.000 Tonnen CO2, das haben wir mal hochgerechnet, wir haben auch immer ganz viele Nachhaltigkeit, mein kleiner Nachhaltigkeitsärmel, der da irgendwie noch durchkommt, den ich immer zwischendurch mitrechne mit unseren ganzen Aktionen. Also man kann auch 41.000 Tonnen CO2 pro Jahr in Deutschland auch alleine darauf rechnen, mit dem ganzen Wiederverpacken, Neuverschicken, Zurückschicken, Logistik. Und dann, was halt da super interessant, du hast es vorhin schon so ganz kurz angesprochen, Wo weiß ich, ich meine, darüber reden wir heute, aber wo es dann, ich glaube so, was wir jetzt gerade alles gesagt haben, das ist so was, was in Deutschland jeder weiß über Retouren, worüber ständig gesprochen wird oder über Retouren. Also wahrscheinlich der Otto Normalverbraucher weiß auch diese ganzen Aspekte nicht. Aber ich glaube, wo es dann richtig, richtig interessant wird in der Industrie und wo kaum jemand drüber spricht, sind dann zum Beispiel auch weltweit. Grob gesagt haben wir quasi ein LKW jede Sekunde mit Klamottenmüll, der auf irgendeine Landfill geht oder der verbrannt wird. Und das ist auch alles Aspekt von Retouren. Das ist auch alles vor allen Dingen Aspekte von Passgrößen und Sizes, weil einfach Größen produziert werden, die niemandem passen. Es werden Passformen produziert, die nicht weiterverkauft werden, weil nur dieses Hin-und-her-Geschicke mit Retouren, das bedeutet nämlich hinten heraus auch nicht, dass 100% dann wieder neu verschickt werden und irgendwann mal bei ihrem 5. Verschickungsversuch den perfekten Kunden finden. So ist es nämlich leider auch nicht. Also dieses ganze Thema Sizing Fit natürlich ein riesen, riesen Hebel auf Retouren. Aber dann noch interessanter, und darum geht es ja, und da, warum wir uns auch gerade im Ansatz irgendwie unterscheiden, wenn man dann auch wirklich die Produkte und Produktionseffizienz anschaut, auch ein unglaublich großer Hebel.

Also das heißt, also jeder weiß wahrscheinlich einen Teil, aber wenn man es mal alles nebeneinanderlegt, dann ist es schon verrückt. Ich habe in der TV auch noch mal Simulationen, kann jeder für sich noch mal mit seinem Finanzteam noch mal gegenchecken. Aber man redet so von circa 11 € Kosten all-in für die, für die Retoure, Logistik hin, raus, Vereinnahmung, keine Ahnung. Also kann man ja mal multiplizieren mit seinen, mit seinen echten Retourenzahlen. Dann haben wir diese Umweltthematik, die völlig verrückt ist. Überhänge hinten raus, dann auch tatsächlich Vernichtung von Ware, die eben nicht mehr zurück in den Kreislauf gehen kann. Also ich glaube jetzt mal, auf der rationalen Ebene würde wahrscheinlich niemand sagen, dass das Thema nicht hochgradig relevant ist. Und was du eben im Nebensatz gesagt hast, ist aber ja im Grunde der, aus meiner Sicht so ein Stück weit der Eye-Opener in dem Thema. Also wenn Größe und Passform, keine Ahnung, du sagst eben 60% oder was, wenn Größe und Passform also der Löwenanteil an diesem Thema Bekleidungsretoure ist, da muss man sich ja fragen, was ist denn eigentlich bisher so passiert und was ist der, also warum haben die Lösungen denn bisher nicht so richtig gegriffen? Stichwort Sizing-Tools und andere Versuche am Frontend. Und was ist jetzt genau euer Ansatz? Wie unterscheidet der sich zu dem, was wir bisher da so gesehen haben?

Ja, genau, das ist, ich glaube, da wird es dann auch, wir haben es ja, wir haben Stylize ja quasi aus einer Brand heraus gegründet. Also wir haben das ja schmerzlichst sogar sozusagen selber erfahren. Wir haben produziert, designt unsere eigenen Klamotten und dann kommen die halt zurück und du weißt gar nicht richtig warum. Aber auch gerade in dem Prozess, während du die machst, alleine zu wissen, welche Sizing-Splits brauche ich, wie viel produziere ich überhaupt von der S und M? Machst du halt irgendwie so eine hochgeschlagene Normalverteilung, wie genau dein Fit sein soll? Vertraust halt irgendwie deinen Produktionspartnern, dass die irgendeine Ahnung haben, was die da mit dem Grading vielleicht vorschlagen in der ersten Runde, wenn du nicht selber gradierst und deine eigenen Patternmakers hast. Deswegen da unser, da auch damals als Brand, wir haben uns halt die Sizing-Tools angeschaut. Also das war, wir sind quasi auch gar nicht unbedingt gestartet, dass wir Wir müssen unbedingt eine Size Recommendation oder so bauen. Wir wollten gerne eine benutzen, die es im Markt gibt. Aber als wir uns die angeschaut haben, war es sofort klar, dass die nicht funktionieren werden. Weil unser Ansatz war immer: Ich weiß, wenn ein Kunde zu mir kommt, eine Kundin damals, wir haben hauptsächlich Frauenkleidung gemacht. Wenn eine Kundin zu mir kommt, weiß ich, wenn ich mir sie anschaue, ich weiß, wie meine Produkte aussehen. Und das ist so ein bisschen der Hauptansatz von Size. Das ist halt echt individuelle Produkte und individuelle Produktmaße. Verarbeitet werden. Also ich weiß genau, zum Beispiel für einen, wenn jemand implementiert hat, kann es sein als Endkonsument, dass du eine Empfehlung bekommst für den schwarzen Pulli in der M, für den blauen aber in der S, weil die blaue Produktion einfach ein bisschen schiefgelaufen ist. Und das war, das ist genau der Ansatz, dass wir mit Size halt wirklich auf diesen One-to-One-Match machen, also ein Mensch zu einem Produkt und jedes Produkt individuell verarbeiten können und jedes Produkt individuell empfehlen können. Und das ist ein sehr neuartiger Ansatz, bzw. der wurde versucht. Also es ist ja jetzt nicht irgendwie schockierend, dass man sich irgendwie überlegt, ich muss wissen, wie genau die Produkte aussehen. Aber es ist unglaublich schwierig, diese Massen an Daten automatisiert und schnell zu verarbeiten und vor allen Dingen zu übersetzen, weil die Daten, wie jeder weiß, sind wenig in 3D unterwegs. Und das haben wir halt hingekriegt, dass wir die übersetzen kriegen.

Da gehen wir gleich noch mal drauf ein. Dann nur noch mal für die Zuhörer und Zuhörerinnen. Also zum Verständnis, dass das Problem ist, wenn ich vorne am User irgendwas messe, ist das schön und gut, aber zeitgleich trifft das halt auf die Realität, dass die Hersteller, die Marken, dass die Hersteller extrem fluktuierende Größen haben. Also sind die natürlich untereinander nicht vergleichbar. Also Lacoste 6 ist nicht L bei Ralph Lauren etc. Das ist das eine zwischen den Marken. Aber selbst innerhalb einer Marke, eines Herstellers fluktuieren die Produktionen je nach Material, je nach Batch, Lieferant, Land etc. Das heißt, auch wenn ich einmal weiß, dass ich bei, bei, keine Ahnung, Ralph Lauren ein M bin, habe ich wahrscheinlich manchmal ein S und manchmal ein L und manchmal ein M. So, und das ist das Problem. Wenn ich da also sozusagen einen Zielwert habe, der immer wieder fluktuiert und nicht berechenbar sich ändert, hilft es nicht, dass ich den User vermessen habe, weil der zweite Teil der Gleichung ist halt eine Variable und keine Konstante. So, und ihr, also deswegen ist das total folgelogisch, dass man sagt, okay, ich muss natürlich vorne den User auch kennen, klar, aber ich muss vor allen Dingen jetzt irgendwie auf den Artikel. Das heißt, ihr geht, ihr setzt auf dem, auf dem nämlichen Artikel, auf den Maßen des nämlichen Artikels auf, um den es jetzt geht. Und jetzt kriegt wahrscheinlich jeder, der zuhört, kriegt sofort einen Schrecken und sagt, ja, aber wie um Himmels willen soll denn das funktionieren, dass ihr den, den, den jeweiligen Artikel in seinen Maßen kennen wollt. Wie kommt er an diese Daten in einer doch wahrscheinlich noch sehr analogen Welt?

Oder genau in einer sehr analogen Welt, die aber natürlich haben wir unser Produkt auch auf das angepasst, was Brands heutzutage haben. Also wir fangen ganz klar an mit Herstellern. Also das ist quasi unsere primäre Gruppe, obwohl wir auch schon in ein paar Retail-Gesprächen sind, aber da mit Retailern auch gerade zusammenarbeiten, dass man mehr Daten teilt von Brands. Also ich glaube, ohne Produkte, auch ein Zalando oder so wird ohne Produktdaten immer Schwierigkeiten haben, eine vernünftige Empfehlung zu machen. Genau, und da ist es dann halt auf den Artikelmaßdaten, die auch, die wir automatisiert importieren. Also so digital sind die meisten Brands dann schon unterwegs, dass man mit einer Schnittstelle da relativ schnell alle Daten verarbeiten kann und wir dann halt sehr, sehr stark sortieren können, sehr, sehr stark rechnen können, abpassen können, was wird tatsächlich verkauft, was ist irgendwie nur so drin. Also wir nehmen quasi so einen kompletten riesigen Data-Dump von unseren Brands an allen ihren Produkten und lernen daraus, übersetzen die, rechnen mit denen und dann kommen wir insgesamt bei einer sehr sauberen Datenbasis raus, mit der wir dann rechnen können. Also dieses Daunting, diese riesige Integration ist gar nicht so riesig, ist bei den meisten einfach eine Schnittstelle.

Das heißt, ihr bekommt dann diese Maße und die sind ja im Grunde, wenn ich so zweidimensional, im Grunde Länge, Breite, keine Ahnung, Höhe. Und ihr rechnet dann, das ist Teil der Magie sozusagen, ihr rechnet daraus einen dreidimensionalen Artikel und verheiratet den mit den User-Maßen. Habe ich das richtig verstanden?

Genau, das ist also unsere wahnsinnige IP. Also erst mal vielleicht noch mal einmal ausgeholt, sei es, was du auch gerade angesprochen hast, wir sehen Sizing und Fit in der gesamten Wertschöpfungskette. Also im Gegensatz zu allen Sizing-Tools, die ich nenne, sie immer ein bisschen so E-Com-Tools, das sind Conversion-Tools letztendlich, weil wenig oder bis gar keine Retourenreduktionen verbucht werden können, was auch Sinn macht. Weil wenn ich, ob ich eine M oder L, vor allen Dingen so grob empfehle, wie die empfehlen, wenn ich halt tatsächlich einfach Brands miteinander vergleiche, letztendlich ja, es macht einen kleinen Unterschied, ob ich für die Person eine perfekte oder wirklich wissen kann, ob die M oder L besser ist. Wenn die M oder L jedoch beide nicht passen und nicht gut angepasst sind auf Menschenkörpern, dann ist es egal, wie gut ich die empfehle. Deswegen da auch ganz wichtig, dass wir als Size quasi eine Size Solution, also wir haben eine holistische Size Solution. Wir sehen uns auch gar nicht nur als Size Recommender, oder wir sind wirklich eine holistische Size Solution, die auch im Produktteam unterwegs ist, also die dann die Daten zurückspielt. Genau, aber die Magic sozusagen, was wir richtig, richtig, richtig gut können, ist Produktdaten übersetzen. Jahrelang, klingt ganz dramatisch, aber das haben wir halt mega lange entwickelt, mit Designern entwickelt, mit geilen Leuten entwickelt. Wir haben ja selber produziert, wir sind in den Prozessen gewesen, wir haben uns die Produktionsstätten von innen angeguckt. Wir waren ja ganz, ganz aktiv am Produzieren. Und während wir das alles gemacht haben, haben wir quasi im Hintergrund ein Datenmodell aufgebaut für uns damals, als wir noch in unserer Brand quasi alleine unterwegs waren. Und da aus diesen 2D-Daten, wie halt jetzt gerade gesketcht wird, also die Tech Packs, die Patterns, die da rauskommen, die Schnitte, Die können wir übersetzen. Und worauf es da ankommt, ist es nicht nur quasi einmal mal 2 rechnen, damit diese 2D irgendwie ein bisschen breiter wird, sondern da sind ja unglaublich viele Faktoren von Material, Stretchiness, Designfit. Also wenn ich einen Oversized-Sweater habe, möchte ich ja nicht jedem eine XS empfehlen, nur weil jeder XS-Körper theoretisch da reinpassen würde, sondern diese ganzen Designfit-Aspekte noch mit einzunehmen. Das ist halt die Kunst. Und vor allen Dingen ist die Kunst auch, dass dem Enduser dann irgendwann zu übersetzen. Das ist so der nächste Schritt, auch gerade in unserem Recommendation, dass wir halt immer mehr den Usern ein Gefühl dafür geben, wie wird das tatsächlich passen, weil es ein großer Teil von Fit ist, immer noch subjektiv. Wie möchte der Kunde irgendwie, dass es sitzt? Möchte halt immer mehr ein Gefühl dafür kriegen, wie ist dieses, wie schaut dieses Produkt tatsächlich aus? Deswegen funktioniert ja Live-Shopping und so weiter auch so gut, weil du es tatsächlich an der Person siehst und wirkliches Gefühl dafür kriegst. Und das können wir halt so ein bisschen in den statischen in Anführungsstrichen Onlineshop sozusagen mit, mit reinbringen. Genau, und da sind wir halt super gut, dass wir diese 2D-Daten in 3D-Daten übersetzen für jedes einzelne Produkt. Das ist halt mega, mega wichtig bei uns. Und genau, dann haben wir einen kleinen User-Input, wo der User quasi Größe, Gewicht und so weiter ausfüllt. Das ist für uns aber gar nicht so das Mega-Thema. Also da in dem Teil sind wir sozusagen flexibel, ob das irgendwann mal über eine Computer Vision Lösung kommt oder ob Leute da irgendeine andere ID sich irgendwo gescannt haben, whatever. So, das ist quasi, wir brauchen einmal, woher der auch kommt, ein bisschen Input vom User und dann können wir die halt matchen.

Und habe ich das eben richtig verstanden? Also User Input ist das eine, dreidimensionale Errechnung eines zweidimensionalen Dateninputs aus der Artikelseite das andere. Und dann macht ihr das Dritte, habe ich das richtig verstanden? Ihr gebt an die Design-Teams zurück, im Grunde Feedback, an welchen Stellen ihre, ihre Sollmuster schon mal per se irgendwie retourenrelevant zu eng, zu weit, zu kurz sind. Ist das richtig?

Genau, das ist halt ein riesiger— wir nennen es so unser Size Studio, weil das ist das. Also wir sind in der Mission, Retouren zu reduzieren. Das ist unser absolutes Ziel: Retouren und Überproduktion. Und wir haben Hebel im E-Com und wir haben Hebel mit der Recommendation. Und das ist vor allen Dingen ein Tool, was jede Brand gerade will, was jede Brand braucht. Auch gerade mit Conversion und User Experience und so weiter. Es ist halt ein richtig geiles Tool, was halt einfach jetzt gerade auch außer Size nicht viele gute Produkte, die so viel Spaß machen und wirklich so individuelle Empfehlungen geben können. Also da auch ein mega Asset. Aber wo wir halt einen mega, mega krassen, noch viel höheren Impact sehen, ist, wenn wir Fit verbessern. Und da vielleicht, wenn man einmal kurz— ich habe eine Rechnung aufgestellt bzw. Das ist auch im Zusammenhang mit einer Uni in Stockholm passiert. Wenn man sich Fit Rates oder Accommodation Rates anschaut, das bedeutet, wie gut passt ein Produkt auf meine Zielgruppe? Eine super interessante Metrik, die es eigentlich gibt in der Garment-Industrie, die glaube ich sehr, sehr wenig Brands irgendwie verbuchen oder überhaupt mal ausrechnen. Also da auch ein KPI vielleicht, was man immer im Design-Team mitnehmen kann oder wo wir halt mit size auch aktiv helfen, das mal auszurechnen. Aber Fit Rates in der Industrie liegen im Durchschnitt bei 15%. Also ein Garment passt meiner Zielgruppe zu 15%, und ich glaube, wir alle kennen es ja auch. Also wenn man, wenn ich in meinen Closet gucke, wenn ich hier meine Klamotten angucke, habe ich vielleicht so 10, 15 Stücke insgesamt, die, wo ich sage, die passen richtig, richtig geil, und der Rest ist halt irgendwie. Und klar hast du immer eine Varianz, weil wenn du Massenproduktion machst mit bestimmten Sizes, hast du einfach eine limitierte Anzahl an dem, was Menschenkörpern passen. Aber Menschenkörper sind auch Jetzt fange ich immer an, ein bisschen objektiv zu reden über Menschenkörper. Aber es gibt eine gute lineare Korrelation zwischen Body Types und Gewicht und Größe. Und man kann die gut einteilen und man kann die besser matchen als das, was jetzt gerade passiert in den Gradierungsprozessen. Und das ist halt genau da, wo Size dann zurückkommt. Nachdem wir gelernt haben, wie die Konsumenten aussehen, nachdem wir gelernt haben, wie Menschen insgesamt aussehen und wie sich individuelle Produkte halt von der spezifischen Brand von unseren Kunden halt verhalten. Das können wir natürlich zurückspielen und da ist dann richtig krasser Mehrwert. Also da sind die Design Teams kippenversunken, weil solche Daten waren halt noch nie vorhanden. Die Design Teams, die wissen ja auch nicht genau, was sie machen. So, das sind Prozesse, die irgendwie schon seit Ewigkeiten existieren. Das Fit Model ist halt einfach mal so definiert, das ist einfach das Fit Model, ohne dass sich jemals jemand Gedanken darüber macht, wie gut ist mein Fit Model? Passt mein Fit Model zu meiner Zielgruppe? Will ich überhaupt, dass das Fit Model mein Fit Model ist? Möchte, sollte ich lieber andere Puppen nehmen? Sollte ich vielleicht eine andere Maßtabelle nehmen? Meine Base Size für meine Jacken noch mal überarbeiten, meine Gradierungsschritte von 2 Zentimeter auf 2,3 Zentimeter machen und so weiter. Das kann man in Datenmodellen unglaublich gut ausrechnen und dann diese 15% Fit Rates halt zu über 50, 60, 70% bringen. Und das ist halt absolut unser Ziel, weil dann hat man Mega Hebel, noch mal Retouren zu reduzieren, zusätzlich zu einer guten Recommendation und noch mal die Überproduktion reduzieren, weil es einfach Produkte gibt, die passen. Auch im Übrigen Brand Loyalty, Conversion, alles mega abhängig von richtig gutem Fit. Also ich glaube, jeder weiß, wie wichtig guter Fit ist und wie teuer es ist. Und jetzt halt erstmals irgendwie möglich, das einfach durch Daten, durch KI und Software getrieben günstiger anzubieten.

Und wird das von den Design- und Produktteams dankend aufgenommen oder stört Kundenfeedback hier an der Stelle einfach mal den Betrieb?

Nee, bisher zum Glück noch nicht. Also offensichtlich, wir sind jetzt seit, wir sind ja auch erst seit Anfang des Jahres bzw. mit den ersten Brands sind wir live gegangen Juni, Juli. Bisher sehr, sehr dankend aufgenommen bzw. da auch einfach eine unglaubliche Euphorie, das überhaupt mal zu lernen und zu checken. Mit den Brands, mit denen wir zusammenarbeiten. Ich hatte letztens einen Call, da war das gesamte Produktteam von 20 Leuten auf einmal vor mir, obwohl wir eigentlich erst mal einen Call geplant haben mit 3, um das zu introducen, weil es einfach alle unglaublich spannend fanden, überhaupt mal zu verstehen, was es ist. Und ich glaube auch für uns, wir lernen da auch immer noch mit, mit unseren Brands. Also wir dachten auch, es geht direkt rein in die Gradierungsschritte und wir möchten genau verstehen, Best Performer, Worst Performer. Aber wie gerade erwähnt, so, es fängt halt auch bei vielen bei den Fit Models erst an, dass sie gar nicht richtig, dass erst mal eine Fitmodel-Evaluierung ist ganz oft unser erster Schritt, dass wir erst mal sagen so, hey, eure Avatare passen nicht, oder dass man mal einen Avatar in jeder Größe hat, nicht nur eine S und nicht nur hofft, dass es irgendwie nach oben schon passt und schon richtig ist, oder dass man überhaupt erst mal ein Gefühl dafür hat, wie man daneben liegt. So wie es ist halt häufig so, dass die S und XS noch am besten ist, weil das die Sample Products sind. Also mit der S Da sample ich die, probiere ich 2, 3 Mal, die probiere ich auch auf dem Menschenkörper. So offensichtlich, die sind die besseren. Gerade dann in die größeren Größen geht es halt ganz oft drastisch nach unten. Und da überhaupt erst mal zu wissen, wo man steht, ist ja auch erst mal ein Ansatz, dass man weiß, so hey, ich bin in der XL vom Bodyteil wahrscheinlich deutlich daneben. Und dann kann man sich natürlich auch überlegen, was man damit macht. Aber ja, bisher sehr dankend aufgenommen.

Und sag mal, Hand aufs Herz, ihr habt jetzt die ersten Installationen schon seit ein paar Monaten live. Gibt es schon Effekte, über die ihr euch traut, öffentlich zu sprechen?

Ja, genau. Also man muss da natürlich ein bisschen vorsichtig sein. Die Fallzahlen natürlich. Also wir freuen uns auch immer mehr über oder immer über neue Partner und Piloten, weil es ist für uns unglaublich spannend, das auszuprobieren und zu sehen, was die Effekte sind. Es sind bisher sehr, sehr konstant. Tatsächlich alleine durch die Recommendation. Wir machen A/B-Testen, also das ist hier nicht Overall Return Rate Reduction. Schon mal einmal vorher gesagt, bevor Leute hibbelig werden, aber wir haben in unseren Kontrollgruppen zum Teil 10% Retourenreduktion, also dass wir wirklich sehen, das Verhalten ändert sich deutlich von den Leuten, die mit Size shoppen, zu den Leuten, die nicht mit Size shoppen. Wir sehen auch viel diversere Baskets. Also wir sehen wirklich, wo man vorher irgendwie sieht, eine Person shoppt 2, 3 Teile, alle in der Größe M, sehen wir jetzt tatsächlich, die Baskets sehen aus L, M, M, weil es angepasst wird und weil es genommen wird. Also da unglaublich, also sind wir unglaublich stolz drauf, dass wir echt da alleine durch diese individuelle Recommendation wirklich diese Effekte sehen können von 10% Zwischengruppen. Wir haben auch unglaublich andere coole Effekte, dass Warenkörbe größer werden. Auch zum Teil mit sehr großen Zahlen. Also bei einer Brand haben wir da bis zu 10% beobachtet, tatsächlich sogar. Also unglaublich cool einfach auch dieses personalisierte Shopping und dieses individuell auf individueller Produktbasis ist halt unglaublich cool. Und dann jetzt wird es halt spannend. Jetzt gehen wir in die ersten Kollektionen. Jeder, der in der Fashionindustrie weiß, so mit Size Studio, also dieses, die Produkte, die wir verbessern, da, die sind natürlich noch nicht raus. Also das dauert 6 bis 12 Monate, bis da die Kollektionen live gehen. Aber da halt auch spannend, dieses Zusammenspiel von unserer Lösung, dass wir halt direkt Effekte haben im Sales, direkt Effekte haben im E-Com und dann die zusätzlich noch irgendwann nach hinten feeden und dann halt auch bessere Produkte. Und dann haben wir halt unseren perfekten Feedback, ne? Dann kommen bessere Produkte in den Store, die können wir halt noch besser empfehlen dann, weil wir mit unseren Daten direkt wieder ansetzen können und so weiter.

Ja, ich meine, also 10% ist ja schon fast unseriös viel, ne? Ich meine, bei 50% Retourenquote wären das 5 Punkte, ne? Dann wärst du bei 45% Retourenquote Also selbst wenn es nur ein Bruchteil dessen ist, das ist ja schon, also das ist ja fast too good to be true. Aber erste Daten zeigen es sozusagen.

Das sind Leute, also das ist jetzt, das sind unsere Kontrollgruppen. Also das ist jetzt zum Beispiel eins unserer großen Aufgaben, ist, dass wir sicherstellen, dass mehr Leute uns benutzen. Also wir sehen es auch ganz klar, wir haben Nutzungsraten zwischen 11 und 20%, was auch relativ normal ist für ein Tool. Da arbeiten wir jetzt auch schon an den nächsten Sachen, dass man quasi genutzt wird, wenn Wenn im Warenkorb dasselbe Produkt in 2 Größen liegt, dass man noch mal checkt und so weiter. Also wir arbeiten da jetzt auch an ganz vielen Lösungen, die noch zusätzlich gelauncht werden, weil es halt echt so eine holistische Sizing-Solution ist und nicht einfach ein Recommender, dass wir da immer mehr auch das hochkriegen, weil wir halt diese positiven Effekte sehen und da natürlich wollen, dass mehr Leute darauf eingehen und die benutzen, damit wir zu den Bestellungen kommen.

Ja, mehr als spannend. Also meine Begeisterung ist nicht gespielt. Der Hebel ist, ist ja unvorstellbar. Wenn ein Bruchteil der Effekte tatsächlich jetzt auf größeren Stichproben sich bewahrheiten, dann ist das nicht nur eine tolle Company, die ihr aufbaut, sondern ist vor allen Dingen echt ein Dienst an der Branche und der Umwelt. Also von daher cool. Abschließend noch mal eine Frage: Svenja, hast du einen Aufruf an die Community? Sucht ihr Mitarbeiterinnen, Mitarbeiter, Investoren, Brands, die vielleicht euer Tool testen wollen? The stage is yours.

All of the above. Wir freuen uns natürlich immer riesig, wenn wir neuen Kunden irgendwie zeigen können und aufzeigen können, was genau unser Tool macht, was genau wir verändern können. Wir können das auch auf sehr individueller Basis ausrechnen bzw. vorspielen. Und das macht natürlich immer sehr viel Spaß, wenn man da auch tatsächlich an Lösungen überlegt. Wir haben eben erwähnt, auch mit ein paar Retailern. Wir haben unglaublich coole Projekte, wir machen auch ein paar Digitalisierungsprojekte, weil Brands halt sehen, was das für einen Impact haben kann und da noch mehr Daten reinfließen lassen wollen, damit wir quasi immer besser werden. Also unglaublich cool, da auch einfach individuell auszuloten, was es tatsächlich für eine Brand bedeuten kann. Also wir freuen uns riesig über jedes Gespräch und einfach mehr zu lernen, was verschiedene Brands, verschiedene Hersteller, verschiedene Retailer in der Industrie wirklich nachts nicht schlafen lässt und wie wir da mit den Retouren wirklich was Besseres, was besser aufbauen können. Wir sind natürlich auch immer, also wir sind ein Startup immer am Suchen nach den besten Leuten, die mitarbeiten wollen, die uns unterstützen wollen. Also auch gerade jetzt aktiv im Vertrieb sind wir, glaube ich, am Hiren. Wir sind aktiv in unserem Produkt- und Tech-Team am Hiren, sowohl auf der Datenseite als auch auf der Softwareseite. Also auch da immer happy, wenn uns jemand kontaktieren möchte. Wir sind überall zu finden auf LinkedIn oder E-Mails kann man sich sehr gerne. Wir freuen uns über jede Kontaktanfrage.

Klasse, Sven, hat mir riesig Spaß gemacht. Vielen Dank, weiterhin viel Glück. Ich krieg's ja hautnah mit. Schöne Grüße nach Berlin. Danke. Ciao.

Mach's gut.

Ciao.