Come usa Tapestry dati e IA per la pianificazione della domanda e la personalizzazione in Coach?

In Coach e Kate Spade Tapestry usa l'IA su due livelli: il machine learning per prevedere la domanda e posizionare le scorte, e un sistema interno di IA generativa, Mira, che consente a planner e merchandiser di interrogare i dati aziendali in linguaggio naturale. Entrambi poggiano su una piattaforma dati condivisa e sui dati dei clienti direct-to-consumer: per questo i dirigenti dell'azienda descrivono l'IA come il risultato di anni di investimenti nei dati e non come un progetto separato.

Come usa Tapestry l'IA per prevedere la domanda?

Tapestry parla di previsioni basate sull'IA almeno dall'esercizio 2023. Secondo Consumer Goods Technology, durante la conference call sui risultati del secondo trimestre 2023 la CEO Joanne Crevoiserat ha dichiarato che l'azienda stava "utilizzando l'intelligenza artificiale per prevedere la domanda dei clienti" e per posizionare scorte e negozi, e che "questo ha portato a un aumento della disponibilità delle scorte". Lo stesso articolo rilevava che era la prima stagione natalizia con tutti i brand di Tapestry sulla sua piattaforma digitale aziendale, che forniva ai modelli i dati coerenti di cui avevano bisogno.

Todd Kahn, CEO e presidente del brand Coach, ha affermato che i dati orientano pricing, promozioni e posizionamento di Coach: "Influenzano davvero tutto ciò che facciamo." Per i merchandiser, il valore pratico di una previsione della domanda a questo livello è l'allocazione: quale negozio o canale riceve quali unità, e quando, così da migliorare il sell-through a prezzo pieno senza eccedenze di magazzino. Tapestry non ha pubblicato dati sull'accuratezza dei modelli, per cui l'evidenza pubblica è il risultato descritto dai dirigenti (una migliore disponibilità) e non un benchmark misurato delle previsioni.

Come hanno cambiato i dati le decisioni sulla Tabby di Coach?

La borsa Tabby è l'esempio più citato da Tapestry di dati che orientano una decisione di prodotto. In un'intervista a Fortune del novembre 2024, Crevoiserat ha spiegato che durante la pandemia le vendite della borsa erano in calo, ma i dati mostravano che "è una borsa verso cui si orientano i consumatori più giovani", per cui l'azienda l'ha mantenuta invece di ribassarne il prezzo. Nel 2021 è seguita una versione più morbida, la Pillow Tabby. Crevoiserat ha descritto l'approccio come "il punto d'incontro tra i dati che informano la creatività".

In senso stretto non è una storia di IA, e Fortune non l'ha descritta come tale. È una storia di merchandising sulla corretta lettura dei dati dei clienti, ovvero proprio la decisione che gli strumenti di previsione basati sull'IA dovrebbero supportare.

Leggi anche

Come usa l'IA Amazon Fashion per i consigli sulla taglia e le analisi della vestibilità?

Che cos'è il sistema di IA Mira di Tapestry?

Secondo Digital Commerce 360 nel maggio 2026, Mira è un sistema interno di IA generativa sviluppato da Tapestry per i dipendenti, non per i clienti. Attinge ai dati di tutta l'azienda e restituisce insight "in pochi secondi o minuti"; in precedenza il personale raccoglieva manualmente le informazioni da diverse dashboard, un lavoro che poteva richiedere giorni. I dipendenti lo usano per pianificare gli assortimenti, gestire le scorte e monitorare i trend di consumo.

Spiccano diverse scelte progettuali:

• Base dati: Mira opera sulla Global Data Fabric brevettata di Tapestry, che collega le fonti di dati di tutta l'azienda.
• Conoscenza di dominio: è addestrato sulla terminologia del retail e della moda e sul know-how aziendale.
• Controllo degli accessi: funziona in un ambiente aziendale protetto con accessi basati sui ruoli, così che i dipendenti vedano solo i dati che sono autorizzati a consultare.
• Infrastruttura: l'implementazione usa Amazon Bedrock, un servizio gestito per sviluppare applicazioni di IA generativa.
• Proprietà intellettuale: Tapestry ha ottenuto un brevetto statunitense per l'architettura di base di Mira, il suo primo brevetto nell'IA.

Il chief data and analytics officer Fabio Luzzi ha definito Mira "il risultato di anni di investimenti mirati nella nostra infrastruttura dati". Durante la conference call sui risultati del secondo trimestre fiscale 2026, Crevoiserat ha descritto l'IA come "un vantaggio competitivo", con strumenti di IA integrati lungo tutta la catena del valore, dallo sviluppo prodotto al pricing e al marketing.

Come personalizza Tapestry l'esperienza dei clienti?

In Tapestry la personalizzazione parte dall'identificazione. Nel 2023 Crevoiserat ha affermato che l'azienda comprende "come i clienti arrivano ai nostri brand e che cosa probabilmente acquisteranno dopo", il che aiuta ad aumentare la frequenza d'acquisto. Digital Commerce 360 riferisce che il rapporto annuale 2025 di Tapestry indica la personalizzazione del customer journey tra le aree di intervento dell'IA e afferma che gli strumenti migliorano il modo in cui l'azienda identifica e segmenta i clienti. Lo strumento più visibile rivolto ai clienti è il Gift Assistant di Kate Spade, un'IA conversazionale sul sito mobile di KateSpade.com. Secondo Luzzi è nato "dall'ascolto dei nostri consumatori e dal capire di che cosa avessero davvero bisogno".

Dove entrano in gioco il 3D e i gemelli digitali?

Secondo un caso di studio di Adobe dell'ottobre 2025, il team di digital product creation di Tapestry a New York, fuso con il team 3D nel 2021, crea gemelli digitali dei prodotti seguendo un approccio "create once, use many". Il team riferisce che un progetto rimasto fermo per due anni presso un fornitore è passato dal concept all'approvazione del design in due settimane, e che i costi di prototipazione dello stampo della Jelly Tabby sono scesi a una frazione del livello precedente. Gli stessi asset 3D alimentano le immagini per marketing, retail ed e-commerce. Prodotti digitali accurati migliorano inoltre i dati utilizzati dagli strumenti di pianificazione.

Leggi anche

Come Kering usa l'IA: clienteling nel lusso e commercio conversazionale

Che cosa possono imparare i merchandiser da Tapestry?

1. Unificare prima i dati di tutti i brand e canali: sia le previsioni di Tapestry sia Mira dipendono da una piattaforma condivisa.
2. Usare l'IA per rispondere più rapidamente alle domande che i planner già si pongono, come assortimento e scorte, anziché inventare nuovi flussi di lavoro.
3. Integrare fin dall'inizio il controllo degli accessi nell'IA interna, così che i dati sensibili restino ai ruoli autorizzati.
4. Mantenere il giudizio umano sulle decisioni di prodotto: il caso Tabby mostra dati che informano le scelte creative, non che le sostituiscono.