在時尚產業持續追求「快速反應、深度個人化」的當下，擁有 172 年歷史的 Levi's，善用 AI 與資料科技，在短短四年間，建構出一套橫跨設計、生產、行銷與零售的「消費者中心」資料平台。
平台整合了來自全球市場與門市的即時數據，解決過去數據分散、標準不一、查詢緩慢與分析門檻高等四大痛點，讓這個老牌牛仔褲品牌，能用科技與直覺並行，走進下一個世代。
跨越 50,000 個據點、110 國資料整合，AI 架構重塑決策流程
「我們的目標，是讓所有決策都能以消費者為中心，並用資料支援每一個決策。」Levi's 數據長迪薩利（Louis DiCesari）表示。
這場轉型始於 2020 年 Levi's 與 Google 雲端的合作，Levi's 將遍佈全球的交易與瀏覽資料，包括會員計畫、零售夥伴銷售等，全部彙整進統一的生態系統，並透過每日執行的機器學習演算法預測購買趨勢。Levi's 數位長戈旺斯（Jason Gowans）表示：「這是我們首次能夠持續性地整合來自 110 國家、50,000 個銷售據點的資料。」
（延伸閱讀｜AI 應用成為臺灣雲端服務潛力市場！MIC 揭三大現況與挑戰分析）
這套資料平台建構過程可拆為四大步驟：首先是整合跨通路、國家的大量數據，讓資料能得以開始提供洞察，做為決策者的參考；其次，是打造「資料即服務」（data-as-a-service）機制，讓業務、商品企劃、行銷等部門都能自助分析。接著，將各處的資料詞彙與算法標準化，避免同一個名詞在不同區域或部門出現歧義；最後則是淘汰過往分散各系統的報表工具，打造唯一且正確的資料來源（single source of truth）。
流行趨勢不再靠猜，資料驅動創造新價值
起步階段，團隊選擇「價格與折扣」與「消費者資料」兩個領域進行優先整合與模型建立。迪薩利表示，當時首個版本的價格彈性分析（price elasticity）模型雖然簡單，但相較過去僅依賴第三方靜態資料，已是一大進步。隨著更多資料持續匯入，分析模型也不斷優化，開始能支援更複雜的定價與品類決策。
這樣的資料驅動，進一步支援了 Levi's 從傳統批發業務，轉向直面消費者的全通路策略。透過結合商品銷售數據與消費者輪廓，團隊不僅能看出哪款牛仔褲賣得好，更能分析是哪些族群在購買、同時購買哪些品類、是從線上還是線下通路進來，進一步挖掘出潛力品項與「衣櫃佔有率」成長空間。
（延伸閱讀｜DTC 為何不再是零售救世主？從矽谷新寵到理性回調，回看 DTC 發展史）
舉例來說，當疫情後寬鬆版型的牛仔褲在全球迅速竄紅，Levi's 從資料中看見，不論年齡、性別，消費者對「baggy fit」的接受度都同步上升。「我們原本以為是 Z 世代的風潮，但資料告訴我們，這股趨勢跨越了性別與年齡層，男性、年長客群都在跟進。」戈旺斯指出。
這項洞察，成為設計團隊與行銷團隊的共同語言，推動了歐洲市場主打的「Live Loose」行銷活動，同時協助零售端預測訂貨需求，避免斷貨或庫存過剩。
從行銷素材生成到門市服務，AI 實踐深化全通路體驗
目前 Levi's 在機器學習上的應用已相當成熟，涵蓋價格優化、尺寸推薦、客戶推薦系統等，並大量採用自建模型與 Google 雲端原生工具混合部署。在生成式 AI 方面，團隊也已導入相關工具協助處理產品文案、翻譯與品牌內容撰寫，加速商品上架流程，同時保有人工審核與品牌調性把關。
這樣的技術，也延伸到門市端。Levi's 近來開始導入生成式 AI 工具給予第一線銷售人員，讓他們能快速查詢各種丹寧材質與款式特色，加強顧客體驗與推薦精準度。
（延伸閱讀｜用 AI 分析競品、傳授店員「勸敗話術」！意藍如何打造最懂台灣人的輿情分析解方？）
不過，迪薩利強調，無論數位轉型的過程中，AI 和數據在其中扮演多重要的角色，Levi's 堅信在設計端，AI 扮演的仍是輔助角色而非主導者。「設計永遠是藝術優先而非科學導向，我們的設計師最擅長捕捉未來趨勢，而科技的角色，是讓他們的工作更有效率。」
目前，Levi's 也正在探索 AI 對設計流程的可能性，例如用影像生成快速測試款式構想、用數據佐證趨勢直覺，但真正的布料、洗色、細節處理，仍然仰賴人的經驗與手感。
下一步，Levi's 將持續拓展資料平台涵蓋的範圍，並進一步探索跨部門資料整合、全通路行為預測與個人化互動的可能性。「我們做這一切的目的，當然離不開品牌的財務成長，但真正的出發點仍是消費者，」戈旺斯說道，「我們想確保品牌的每一個決策與產品，都是與消費者需求同步而生的。」
