Quali modelli eliminare prima della campagna vendite? Come l'IA aiuta a sfoltire la collezione

L'IA aiuta a decidere quali modelli eliminare prima di una campagna vendite stimando il probabile volume ordini di ciascun modello a partire dai suoi attributi e dalla performance di modelli passati comparabili, e individuando i modelli talmente simili da dividersi la domanda. Il team di merchandising usa poi questa classifica per tagliare le opzioni più deboli e ridondanti prima che vengano realizzati i campionari e che la collezione venga presentata ai buyer. Il modello orienta la selezione, ma non sostituisce il giudizio creativo e commerciale della line review.

Che cos'è il line edit e perché oggi è così importante?

In un'azienda wholesale, design e sviluppo producono di solito più modelli e varianti colore di quanti il brand intenda vendere. Il line edit, o line review, riduce questa gamma alla collezione che verrà campionata e presentata ai buyer del retail. Ogni modello che sopravvive costa: campionari, fotografie, spazio in showroom, minimi di produzione e, se vende poco, ribassi o eccedenze di magazzino.

Diverse pressioni spingono i brand verso collezioni più snelle. Il report sulle tendenze wholesale pubblicato da JOOR a dicembre 2025 indica che la quota di brand che producono una collezione completamente nuova è scesa dall'86% del 2023 all'83% del 2025, mentre la quota di chi sviluppa una capsule collection di nuovi modelli è salita dal 19% al 37%, e i modelli evergreen sono passati dal 37% del valore delle vendite sulla piattaforma nel 2019 al 49% nel 2024. Lo stesso report osserva che le norme UE previste dal regolamento sulla progettazione ecocompatibile dei prodotti sostenibili (Ecodesign for Sustainable Products Regulation) limiteranno la distruzione dei prodotti invenduti, aumentando il costo della sovrapproduzione.

Come valuta l'IA i modelli prima che li vedano i buyer?

L'approccio più diffuso tratta ogni nuovo modello come un insieme di attributi, come categoria, silhouette, tessuto, famiglia di colore, fascia di prezzo, gamma taglie e tema. Un modello addestrato su diverse stagioni di storico ordini impara come questi attributi, e le loro combinazioni, si relazionano al volume ordini wholesale per mercato e tipologia di cliente. Poi prevede il volume ordini di ogni modello proposto e lo confronta con i minimi di produzione e gli obiettivi di margine.

Ulteriori analisi aggiungono profondità. Il punteggio di similarità mostra dove due modelli sono quasi doppioni, così da poter eliminare il più debole senza perdere domanda. Le verifiche della scala prezzi evidenziano vuoti o affollamenti all'interno di una categoria. Dove disponibili, i dati di sell-out dei retailer aiutano a distinguere i modelli che i buyer ordinano da quelli che i consumatori acquistano davvero, un aspetto importante per il potenziale di riassortimento.

Leggi anche

Come trasformare i report di tendenza basati sull'IA in decisioni di assortimento e acquisto?

Quali modelli sono i tipici candidati all'eliminazione?

• Modelli per cui si prevede un volume nettamente inferiore ai minimi di produzione in tutti i mercati.
• Varianti colore che aggiungono complessità senza aggiungere volume ordini previsto, soprattutto nelle taglie piccole della gamma.
• Quasi doppioni di modelli più forti nella stessa fascia di prezzo.
• Modelli il cui margine al volume previsto è inferiore all'obiettivo dopo i costi di campionatura e dei minimi.
• Articoli con uno storico di sell-out debole in modelli passati comparabili, anche se i buyer li avevano ordinati.

Le aziende reali descrivono la riduzione della gamma in termini commerciali più che tecnici. A luglio 2025 EMARKETER ha riportato che Levi Strauss stava riducendo il numero di SKU, eliminando modelli e varianti colore poco performanti per fare spazio a prodotti con maggiori probabilità di essere venduti a prezzo pieno, e prevedeva che ciò avrebbe ridotto costi di produzione e ribassi. A dicembre 2024, secondo Retail Dive, il direttore finanziario di Nike ha dichiarato che l'azienda puntava a una riduzione significativa dell'offerta delle sue linee iconiche di calzature nelle stagioni successive. Nessuno dei due resoconti attribuisce queste decisioni all'IA; mostrano piuttosto il tipo di decisione che l'analisi a supporto del line edit rende possibile.

Quando i merchandiser dovrebbero smentire il modello?

I modelli addestrati sugli ordini passati premiano ciò che ha già venduto. Tendono a sottovalutare nuove silhouette, colori emergenti e capi che completano un look in showroom anche se vendono poco. Non sono inoltre in grado di valutare il posizionamento del brand, l'intenzione di un designer o la richiesta di un retailer strategico. I merchandiser dovrebbero considerare un punteggio basso come una domanda (perché questo modello è qui?) e non come un taglio automatico, e annotare il motivo ogni volta che mantengono un modello con punteggio basso, così che la decisione possa essere rivista dopo la campagna.

Anche la tempistica è un vincolo. Il line edit avviene di solito settimane prima della campagna vendite, quando i costi possono essere ancora provvisori e i minimi dei tessuti non sono definitivi. I punteggi andrebbero quindi aggiornati man mano che costi e minimi vengono confermati, e il team di merchandising dovrebbe sapere quali dati sono stime. Un modello che sembra non redditizio con un costo provvisorio può diventare sostenibile quando un tessuto viene condiviso con altri modelli, un collegamento che il modello vedrà solo se i dati della distinta base sono collegati all'analisi.

Leggi anche

Come possono i brand usare gli sconti per prenotazione anticipata senza erodere il margine?

Come introdurre l'IA nella line review?

1. Ripulire i dati sugli attributi di almeno tre stagioni passate, perché il modello dipende da una classificazione coerente.
2. Fare un back-test: valutare l'intera gamma sviluppata di una stagione passata e confrontare le previsioni con il portafoglio ordini effettivo.
3. Partire da carry-over e modelli aggiornati, dove le previsioni sono più affidabili.
4. Presentare i punteggi nella line review insieme a margine e minimi, con una breve spiegazione per ciascuno.
5. Monitorare l'esito dei modelli mantenuti ed eliminati, compreso se le idee scartate sono state riprese dai concorrenti.

Le aspettative dovrebbero essere contenute. A novembre 2025 McKinsey e The Business of Fashion hanno rilevato che la produttività trainata dalla tecnologia sta diventando necessaria, perché scala e sourcing a basso costo non bastano più a sostenere i margini. Un line edit più preciso è una via concreta verso questa produttività, ma il beneficio deriva da meno campionari sprecati e meno eccedenze di magazzino, non da un modello che sa che cosa ameranno i buyer.