Come usa PUMA l'IA generativa per le immagini delle campagne e i contenuti di prodotto?

PUMA usa l'IA generativa per creare sfondi localizzati per le immagini di prodotto e automatizzare il fotoritocco di routine nel proprio negozio online, utilizzando i modelli Imagen di Google su Vertex AI. Il prodotto resta quello reale; l'IA cambia l'ambientazione così che, per esempio, un cliente in Giappone possa vedere una scarpa da trail running vicino al monte Fuji. PUMA collega questo approccio a click-through rate più elevati e a lanci di campagna più rapidi.

Che cosa ha sviluppato PUMA con l'IA generativa?

Il 24 settembre 2024 Google Cloud ha annunciato l'ampliamento della partnership con PUMA per migliorarne l'esperienza di shopping digitale con l'IA generativa. Secondo l'annuncio, PUMA usa Imagen 2 su Vertex AI per generare immagini di prodotto, compresi sfondi personalizzati in base al prodotto, al cliente e alla regione. Google Cloud ha descritto PUMA come la prima azienda del suo settore a usare su larga scala immagini IA nel proprio negozio online.

L'esempio citato era il Giappone: un cliente in quel Paese potrebbe vedere una sneaker lifestyle per le strade di Ginza a Tokyo, oppure una scarpa da trail running vicino al monte Fuji. I marketer regionali possono personalizzare i contenuti per i propri mercati anziché affidarsi a un unico set di immagini globale. L'amministratore delegato di PUMA Arne Freundt ha dichiarato che "l'IA generativa di Google Cloud ci ha permesso di creare un'esperienza immersiva su misura per ogni consumatore".

Quali attività sui contenuti automatizza PUMA?

Oltre agli sfondi, PUMA usa Imagen per lavori di ritocco che in precedenza i team contenuti svolgevano a mano. L'annuncio elenca:

• Coerenza di ombre e illuminazione
• Composizione e posizionamento del prodotto
• Fedeltà cromatica
• Miglioramento della risoluzione

Queste attività contano sul piano commerciale perché sono ripetitive e vanno svolte per ogni prodotto, variante colore e mercato. Automatizzarle libera fotoritoccatori e content editor per i lavori che richiedono giudizio e riduce il tempo che intercorre tra l'arrivo di un prodotto e la sua disponibilità alla vendita online.

In un tipico flusso di lavoro di questo genere, il brand fotografa il prodotto una sola volta in condizioni controllate, lo separa nettamente dallo sfondo e poi genera varianti della scena circostante per mercati, canali e formati diversi. I pixel originali del prodotto vengono preservati e un editor umano verifica i risultati prima della pubblicazione. Google Cloud ha definito il sistema sviluppato da PUMA un "agente creativo", il che lascia intendere strumenti usati direttamente dai marketer anziché una campagna una tantum prodotta da un'agenzia. Questa impostazione distribuisce il beneficio su molti team regionali invece che su un singolo lancio.

Leggi anche

L'annuncio di Guess su Vogue con una modella IA: che cosa è successo e che cosa devono imparare i brand

Quali risultati ha comunicato PUMA?

I dati pubblicati sono limitati e vanno letti con attenzione. L'annuncio di Google Cloud affermava che le immagini migliorano il click-through rate e accelerano il time to market delle campagne, ma non forniva cifre. Consumer Goods Technology, citando il Wall Street Journal, ha riferito che in India, dove le immagini erano personalizzate in base all'area geografica, il click-through rate è migliorato del 10%. Lo stesso articolo osservava che nel marzo 2024 Google Cloud aveva dichiarato un aumento del 19% del valore medio degli ordini di PUMA dopo l'integrazione di BigQuery e Google Analytics, un risultato che riguarda dati e analytics e non le immagini generative.

PUMA ha inoltre dichiarato che, dopo aver trasferito nel 2024 il proprio ecosistema e-commerce, incluso PUMA.com, su Google Cloud, ha registrato un valore medio degli ordini più alto grazie ai contenuti personalizzati e ha potuto rendere acquistabili i prodotti non appena arrivati in magazzino. Per questi effetti non sono state fornite cifre. L'azienda ha detto che avrebbe valutato Imagen 3 ed esteso Vertex AI Search for Retail ad altre controllate.

Perché l'approccio di PUMA ha suscitato meno critiche di altre campagne IA?

Nel 2025 diversi brand di moda sono stati duramente criticati per immagini di campagna generate con l'IA, in particolare quando l'IA creava persone o sostituiva un prodotto fotografato. L'uso documentato di PUMA si differenzia in due modi. Primo, il prodotto resta l'articolo reale; l'IA modifica l'ambiente circostante ed esegue i ritocchi che altrimenti farebbe un fotoritoccatore. Secondo, lo scopo è la rilevanza per il cliente (un'ambientazione locale) e non la sostituzione di uno shooting creativo. Per un brand di abbigliamento sportivo che vende in oltre 120 Paesi, la localizzazione su larga scala è un problema che la fotografia tradizionale fatica a risolvere in modo economico.

Quali sono i rischi delle immagini di prodotto generative?

Anche con prodotti reali, le immagini generate comportano rischi che i brand devono gestire:

1. Accuratezza del prodotto: qualsiasi modifica di colore, forma o dettaglio può trarre in inganno i clienti e far aumentare i resi, per cui la fedeltà cromatica va verificata rispetto al campione fisico.
2. Adeguatezza culturale: le scene locali generate automaticamente possono includere ambientazioni inappropriate o imprecise; serve una revisione regionale.
3. Diritti e provenienza: gli sfondi generati non devono riprodurre luoghi, opere d'arte o marchi protetti.
4. Trasparenza: le regole sull'etichettatura dei contenuti generati dall'IA si stanno inasprendo, compresi gli obblighi di trasparenza previsti dall'AI Act europeo dall'agosto 2026.
5. Misurazione: i presunti miglioramenti vanno verificati con test controllati per mercato, non con confronti prima e dopo.

Leggi anche

Come Mango usa l'IA: design generativo, modelli virtuali e Mango Stylist

Che cosa possono imparare da PUMA gli altri brand?

Il caso PUMA suggerisce un ordine di lavoro pratico. Prima occorre mettere su basi coerenti dati di prodotto, fotografia e piattaforma e-commerce; le immagini generative di PUMA poggiano su una migrazione di piattaforma e su un'integrazione di analytics. Poi si applica l'IA generativa ad attività ad alto volume e a basso rischio come sfondi e ritocchi, si concede ai team regionali una libertà controllata di localizzare e si misura per mercato. I brand che partono da modelle o prodotti generati con l'IA si assumono per primi i rischi più visibili, mentre l'uso documentato di PUMA parte da dove il valore è più chiaro e l'esposizione reputazionale è minima.