Как искусственный интеллект превращает ресейл в главную возможность для модной индустрии

От фрагментарности к масштабированию: как новое поколение ИИ создает инфраструктуру для роста ресейл-рынка.
Мода
Иллюстрация ресейла: коробка из-под обуви Chanel Источник: фото Mevlüde Bildirici, Pexels
By Guest Contributor

loading...

Automated translation

Читать оригинал en
Scroll down to read more

Мода — это индустрия, в которой неизменно лишь одно: перемены. Не так давно быстрая мода произвела революцию в ритейле, удвоив объемы производства. Сегодня бренды сталкиваются с новым вызовом: товары, которые они уже продали, обретают вторую жизнь без их участия. Инфраструктура, выстраиваемая вокруг этой второй жизни, и позволила рынку развиваться так стремительно. Эта инфраструктура — искусственный интеллект, а оптовое B2B-звено, связывающее предложение на вторичном рынке со спросом в ритейле, — это та сфера, где трансформация происходит в первую очередь и наиболее активно.

О проекте:
The Data Fashion Brief анализирует тренды и показатели брендов через призму данных. Платформа, основанная Кармен Мартинес-Феррер, старшим аналитиком данных на глобальном модном маркетплейсе в Лондоне, находится на стыке моды и аналитики, предлагая новый взгляд на индустрию.

О чем говорят данные

Прежде чем изучать технологию, стоит оценить масштаб уже происходящего поведенческого сдвига.

Как в люксовом, так и в масс-маркет сегментах поисковые запросы, связанные с подержанными вещами, стабильно опережают запросы о новых коллекциях. Например, сравнение запросов «Mango Vinted» или «Zara Vinted» с «новая коллекция Mango» или «новая коллекция Zara» показывает, что в 2024-2026 годах объем поисковых запросов о подержанных вещах в 4-6 раз выше, при этом пик популярности запросов с Vinted пришелся на середину 2025 года, в то время как интерес к новым коллекциям оставался значительно ниже.

В люксовом сегменте поисковые запросы о винтажных изделиях Hermès значительно опережают запросы о новых сумках — на недавнем пике более чем вдвое. Даже у Chanel, где интерес к новым и винтажным вещам долгие годы был сопоставим, в начале 2026 года винтаж практически сравнялся по популярности с новыми коллекциями.

Google Trends измеряет поисковый интерес по шкале от 0 до 100, где 100 — это пик популярности поискового запроса за выбранный период.

Эти данные свидетельствуют о фундаментальном сдвиге в потребительских намерениях: покупатели начинают свой путь в мире моды с pre-loved вещей, а не приходят к ним как к альтернативе. Для брендов это сигнал о том, где им необходимо присутствовать и какую инфраструктуру создавать для участия в этом рынке.

Изменилась не только поисковая активность, но и сама лексика, связанная с ресейлом. До 2020 года доминировали негативные коннотации: «благотворительный магазин», «обноски», «компромисс», «стигма». К 2024-2026 годам, согласно моему анализу медиа, отчетов и потребительских сообществ, этот словарь почти полностью сменился терминами, ассоциирующимися с идентичностью, стремлениями и открытиями: «pre-loved», «винтажная находка», «кураторский отбор», «уникальный экземпляр», что подтверждает сдвиг в культурном восприятии.

Прогнозируется, что в этом году мировые продажи подержанной одежды достигнут 289 миллиардов долларов — рост на 105% с 2021 года. Этот сегмент расширяется вдвое быстрее, чем рынок одежды в целом, согласно ежегодному отчету ThredUp о ресейле за 2026 год. И, по-видимому, внедрение ИИ еще больше ускорило этот рост. Поисковый интерес к «AI-шопингу» был практически нулевым на всех рынках до середины 2024 года, начал расти к концу 2024-го с появлением генеративных ИИ-инструментов, а затем резко увеличился с июня 2025 года, показав рост более чем на 3000% за два года и сохраняя почти пиковые значения.

Но самый поразительный вывод из данных — это корреляция между двумя трендами. Интерес к «AI-шопингу» и «подержанной одежде» оставался на одном уровне в течение четырех лет подряд. Оба показателя начали расти в одном и том же месяце — июле 2025 года, — одновременно достигнув пика в августе 2025-го и с тех пор сохраняя высокие позиции. Данные предполагают, что ИИ не просто совпал с ускорением роста ресейла, а, возможно, сыграл ключевую роль в его масштабировании.

Источник: анализ The Data Fashion Brief

Почему ресейл не может масштабироваться без ИИ: проблема B2B-инфраструктуры

Потребительский сдвиг очевиден и подтвержден данными. Менее заметна — и более важна с коммерческой точки зрения — инфраструктурная проблема, которая исторически затрудняла масштабирование ресейла. Именно поэтому ИИ здесь — не опциональный элемент, а структурная необходимость.

Рынок ресейла известен своей сложностью. Платформы должны управлять огромным, непредсказуемым ассортиментом, который варьируется по качеству, размеру и подлинности, с уровнем сложности, не имеющим аналогов в традиционном ритейле. Чтобы понять, как это выглядит на операционном уровне, я поговорил с Санкетом Агарвалом, сооснователем Fleek — одной из самых быстрорастущих ИИ-платформ в сфере оптового ресейла и одним из основных поставщиков для реселлеров Vinted. Он помог мне понять, почему B2B-сегмент этого рынка требовал фундаментальной технологической перестройки.

Ключевая проблема, как объясняет Санкет, заключается в масштабе, не имеющем аналогов в традиционном модном бизнесе: «В классическом ритейле магазины обычно оперируют ограниченным числом SKU, но в ресейле такое разнообразие эпох, брендов, стилей и состояний вещей, что это приводит к миллионам и миллиардам SKU — по сути, каждая вещь уникальна, даже если это тот же SKU бренда». И именно эта уникальность делает каждый товар таким сложным для категоризации, оценки и подбора покупателя. В отличие от Amazon или Asos, где ИИ работает со структурированными, унифицированными каталогами, в оптовом ресейле нет общих данных о продуктах, стандартизированных SKU и таксономии, связывающей состояние товара с намерением покупателя. Это и затрудняло масштабирование, и именно это делает ИИ таким революционным инструментом.

Помимо проблемы уникальности, реселлеры сталкиваются с такими переменными, как несоответствия в освещении на фотографиях или характер износа. Аутентификация требует участия эксперта на финальном этапе, даже если первоначальную проверку выполняет ИИ. Ценообразование — это постоянная проблема калибровки. И поверх всего этого, традиционная оптовая цепочка поставок в ресейле не просто хаотична, устарела и невероятно сложна, но и построена на личных отношениях — доверии между покупателями и продавцами, которое выстраивалось годами неформальных сделок.

Именно здесь на сцену выходит Fleek. Платформа была основана в ноябре 2021 года как решение проблемы, которую сооснователь Абхи Арора обнаружил на Брик-лейн, лондонском центре винтажной моды, во время пандемии: цепочка поставок в ресейле была построена на хаосе. Подержанная одежда, собранная в западных странах — около 90% всех пожертвований в мире, — отправляется оптом в сортировочные центры в Пакистане, Индии и странах Африки, где ее вручную сортируют и продают обратно западным реселлерам, будь то секонд-хенд магазины или оптовики, снабжающие продавцов на Vinted. Ручная категоризация была утомительной и неточной, а чем детальнее и точнее сортировка, тем лучше продается одежда, так что цена ошибки была высока. Реселлеры часто не знали, что получат, сделки заключались в группах WhatsApp и неформальных сетях, где доверие было всем, а прозрачность — почти ничем, и лишь малая часть этих пожертвований возвращалась для перепродажи на западных рынках. Система была неэффективной и структурно несостоятельной.

Как упомянул Абхи в интервью для The Industry.Fashion, платформа была создана для прямой работы с этими оптовыми поставщиками, обеспечивая листинг, категоризацию, оценку и продажу товаров через собственную систему Fleek. Реселлер в Лондоне, Париже или Нью-Йорке может просматривать подобранные лоты или выбирать товары вручную по видеосвязи и размещать заказ. Этот заказ проходит через один из центров контроля качества Fleek, где товары проверяются на качество и подлинность, а затем отправляются покупателю.

Как ИИ реализован на Fleek?

Fleek полностью перестроил процесс поиска и подбора поставщиков. «В Fleek нам пришлось переосмыслить весь опыт поиска и обнаружения товаров, который теперь основан на технологии поиска с приоритетом ИИ. Мы используем CLIP-эмбеддинги* для определения семантических свойств модных изделий, таких как „декор“ или „грибной принт“ — задача, которая была гораздо сложнее для моделей до-LLM** эпохи». Теперь покупатель может искать по настроению, стилю или эстетическому референсу, а не по спецификации продукта — то есть так, как люди на самом деле думают о ресейле. Более того, платформа предоставляет оценку стоимости, обрабатывает транзакции, оптимизирует цепочку поставок, управляет возвратами и обеспечивает доверие с обеих сторон. Коммерческие результаты налицо: «рост продаж более чем в два раза с 2024 по 2025 год», объединение более 10 000 реселлеров с более чем 1 000 оптовиков в 70 странах, привлечение 50 миллионов долларов общего финансирования от инвесторов, включая Andreessen Horowitz и Y Combinator. Санкет прямо говорит о возможностях для ритейлеров, которые все еще остаются в стороне: «Сегодня каждый второй потребитель ищет подержанные вещи — это хорошо для окружающей среды и для бизнеса. Мы уже видим, как клиенты Fleek продают подержанную и новую одежду бок о бок».

*(CLIP — Contrastive Language-Image Pre-training — это модель, разработанная OpenAI, которая обучалась на сотнях миллионов пар изображений и текстов одновременно, что позволило ей понять взаимосвязь между визуальным контентом и языком. Традиционное распознавание изображений отвечает на вопрос «что это за объект?» — оно распознает сумку, туфли, куртку. CLIP идет дальше — он понимает настроение и характер того, что видит. Таким образом, вместо того чтобы просто распознать «куртку», он может понять «оверсайз-куртка в стиле японского стритвира 90-х с эффектом „acid wash“», «грибной принт» или «вечерняя одежда с декором»).

**(LLM — Large Language Model, большая языковая модель — тип ИИ, на котором работают такие инструменты, как ChatGPT, Claude и Gemini).

Что это значит для вашего бизнеса

Ресейл существовал и до ИИ, но без инфраструктуры для поиска, аутентификации, сортировки и оценки товаров в больших объемах спрос не мог быть эффективно удовлетворен. Пример Fleek на оптовом уровне доказывает, что когда вы устраняете структурные барьеры, за этим следует коммерческий рост.

Тем не менее, проблемы не исчезли. Логистика остается сложной и дорогостоящей — подержанные товары нельзя пополнить на складе, а качество их демонстрации по-прежнему влияет на точность оценки и приводит к возвратам. Гарантировать стабильное качество в больших масштабах сложно даже с компьютерным зрением. Аутентификация на финальном этапе все еще требует участия эксперта. Маржинальность в отрасли остается под давлением, и большинство крупных ресейл-платформ все еще на пути к прибыльности, а не достигли ее. ИИ значительно облегчает решение всех этих проблем, но не устраняет их полностью, и брендам, выходящим на этот рынок без четкой операционной стратегии, вероятно, будет сложнее, чем показывают рыночные цифры.

Что делает ИИ, так это превращает эти вызовы в управляемые — не устраняет их полностью, а структурирует настолько, чтобы на их основе можно было построить масштабируемый бизнес. Сейчас он работает на всех уровнях ресейл-экосистемы: на этапе поиска поставщиков платформы, такие как Fleek, используют компьютерное зрение и семантический поиск, чтобы сделать оптовые партии подержанных товаров доступными для обнаружения в больших масштабах; на уровне брендов платформы Resale-as-a-Service, такие как ThredUp, берут на себя приемку, сортировку, фотографирование, ценообразование и фулфилмент с помощью ИИ-автоматизации, что позволяет запустить программу ресейла без создания чего-либо с нуля. Аутентификация, исторически самый большой барьер для доверия в ресейле, решается с помощью моделей компьютерного зрения, которые отсеивают подозрительные товары перед проверкой экспертами. Алгоритмы динамического ценообразования заменяют догадки, которые делали маржу в ресейле непредсказуемой. Коммерческая выгода уже доказана: Аймерик Дешен, CEO Faume, сообщил Vogue Business, что клиенты, использующие услугу trade-in бренда, демонстрируют на 20% меньший отток по сравнению с теми, кто этого не делает. В совокупности эти возможности делают нечто большее, чем просто оптимизируют отдельные транзакции; они нормализуют ресейл как надежный и заслуживающий доверия канал как для брендов, так и для потребителей, и Fleek — лишь один из примеров.

Регуляторные изменения ускоряют все эти процессы. Регламент ЕС Ecodesign for Sustainable Products Regulation обязывает каждый модный бренд, продающий товары в Европе, с 2028 года снабжать каждое изделие Цифровым паспортом продукта (DPP) — машиночитаемым идентификатором, содержащим информацию о материалах, происхождении и истории владения. Для ИИ это революционное изменение: одежду с паспортом можно будет аутентифицировать, сортировать и оценивать автоматически, поскольку данные уже будут доступны.

Треть руководителей индустрии назвали ресейл приоритетом на 2026 год, согласно отчету BoF/McKinsey State of Fashion 2026. Этот разрыв — между тем, где уже находится потребитель, как ИИ ускоряет этот процесс, и тем, на чем все еще сосредоточена большая часть индустрии (новые товары), — и есть та самая возможность, и она быстро сокращается. Если вы все еще относитесь к ресейлу как к чему-то второстепенному, а к ИИ — как к опции, данные говорят ясно: вы отстаете не от тренда, вы отстаете от потребителя.

Рекоммерция на Vinted. Источник: Vinted
Ранее в The Data Fashion Brief:
Кармен Мартинес Феррер, основательница The Data Fashion Brief Источник: Кармен Мартинес Феррер

Sources:
-The Guardian — Sarah Butler, “Secondhand Clothes Sales Forecast to Hit $289bn as AI Helps Shoppers Find Deals,” 2 April 2026.
-Retail Dive — Tatiana Walk-Morris, “US Resale Market Expected to Surpass $78 Billion by 2030,” 3 April 2026.
-Adobe — Vivek Pandya, “Generative AI-Powered Shopping Rises with Traffic to Retail Sites,” 21 August 2025.
-Modaes — “Inditex 2025 results: eight critical takeaways to watch,” C. De Agenlis / T. Alonso, 12 March 2026.
-Retail Boss — “Inditex Q1 2026 Results: Zara’s Best Quarter Yet,” Jenel Alvarado, 3 June 2026.
-Vinted Newsroom — “Financial Results 2025,” 2026.
-UNECE (United Nations Economic Commission for Europe) — UNECE and ECLAC propose measures to reduce environmental and health impacts of global trade of second-hand clothes’, 15 July 2024
-TheIndustry.fashion — “The Interview: Co-founder Abhi Arora on Building Second-Hand Wholesale Marketplace Fleek,” Camilla Rydzek, 16 April 2026.
-WWD — “How Vestiaire Is Using AI to Scale Its Business and Improve Customer Service, by Lisa Lockwood, June 14, 2024.
-The Impression — Vestiaire Collective Expands AI Capabilities With New Executive Hires.
-Vogue — “The Innovations Driving the Resale Renaissance,” byt Maghan McDowell November 19, 2024.
-GWI — How the circular economy is transforming fashion: Sustainable trends & insights by Stephanie Harlow, Senior Trends Analyst.
-McKinsey & Company — The State of Fashion 2026: When the rules change, November 17, 2025 by -Trellis — Circular boom(let): Resale and reuse surge as new fashion turnover slows, by Elsa Wenzel November 21, 2025 (Updated on November 24, 2025)
-Barclays Insights — The pulse of fashion: How the growth of the resale market has changed the game for retailers, by Melissa Pendlebury and Isabella Clough, April 2, 2026.
-Fashionista — “Fashion Resale Tech: AI and the Future of Evolution,” by Emma Raydar, June 4, 2025.

Эта статья была переведена на русский язык с помощью инструмента искусственного интеллекта.

FashionUnited использует технологии искусственного интеллекта для обеспечения более широкого доступа к новостям и информации для профессионалов модной индустрии по всему миру. Хотя мы стремимся к точности, переводы с помощью ИИ постоянно совершенствуются и могут содержать неточности. Если у вас есть вопросы или отзывы по этому процессу, свяжитесь с нами по адресу info@fashionunited.com.

AI
Fleek
pre loved
Resale
Second Hand
The Data Fashion Brief
Vinted