IA para control de tallas: cuando la M de un proveedor no es la M de otro

El control de tallas con IA consiste en detectar que una referencia talla distinto de lo que dice su etiqueta, antes de que lo descubran tus clientes devolviendo. Se hace cruzando las medidas reales de cada lote con el patrón de devoluciones por talla de esa referencia: cuando una prenda concreta acumula devoluciones sesgadas hacia «me queda pequeño», el problema no es que tus clientes se equivoquen, es que esa prenda talla pequeño. La diferencia importa mucho: un error del comprador se corrige con mejor información en la ficha, pero una desviación de tallaje solo se corrige en origen o avisando en la ficha. Abajo: cómo se detecta, qué señales usar y por qué la inconsistencia entre proveedores sale más cara de lo que parece.

Cualquiera que haya gestionado un catálogo de moda con varios proveedores conoce la escena: dos camisetas de la misma talla nominal, del mismo catálogo, que no se parecen en nada al ponérselas. El cliente no ve dos proveedores. Ve una tienda que talla mal.

¿Qué es una desviación de tallaje y cómo se detecta?

Una desviación es la diferencia entre lo que la etiqueta promete y lo que la prenda mide. Puede venir del proveedor, del lote, del tejido o de un cambio de patrón que nadie comunicó. Y tiene una firma muy reconocible en los datos: las devoluciones de esa referencia se concentran en una dirección.

Si las devoluciones por talla de una prenda se reparten más o menos igual entre «grande» y «pequeño», estás ante un problema de información: el cliente no sabía qué pedir. Si se van claramente hacia un lado, estás ante un problema de producto: la prenda talla desviada. Esa asimetría es la señal más barata que existe y casi nadie la mira, porque exige registrar la dirección del error, no solo el motivo.

Las cuatro señales que conviene vigilar

• Asimetría de devoluciones por dirección. Lo dicho arriba: es la señal principal y solo requiere añadir un campo al formulario de devolución.
• Desviación de la talla comprada respecto a la habitual del cliente. Si tus compradores recurrentes piden en esta referencia una talla por encima de la que suelen pedir, la prenda talla pequeño. Lo dicen con la cartera antes que con una reclamación.
• Medidas reales por lote. Media docena de piezas medidas al recibir cada lote detecta la mayoría de las derivas de producción. Es trabajo manual, pero es el único dato objetivo de la lista.
• Tasa de recompra de la referencia. Una prenda que talla raro se compra una vez. Si una referencia vende bien y no se repite nunca, mira su tallaje antes de mirar su precio.

Por qué la inconsistencia sale más cara que el error puntual

Una prenda que talla pequeño genera devoluciones. Un catálogo que talla de forma inconsistente genera algo peor: destruye la confianza del cliente en su propia talla dentro de tu tienda. Y un cliente que no se fía de su talla hace dos cosas, las dos malas para ti. O compra dos tallas para quedarse una —el bracketing, que multiplica tus costes de logística inversa— o no compra.

El coste del segundo caso no aparece en ningún informe, porque no hay pedido que analizar. Es la venta que no llegó a existir.

Qué hacer cuando detectas una desviación

Hay tres salidas y conviene tenerlas claras antes de empezar a medir, porque cada una tiene un coste distinto.

Corregir en origen es lo ideal y lo más lento: hablar con el proveedor, ajustar el patrón, esperar al siguiente lote. Sirve para relaciones estables y volúmenes que lo justifiquen.

Corregir en la ficha es lo más rápido: publicar las medidas reales de esa referencia concreta, no las de la tabla genérica, y avisar de la desviación con lenguaje llano. «Esta prenda talla pequeña, te recomendamos una talla más» convierte mejor que cualquier tabla, porque responde la pregunta que el cliente se está haciendo.

Corregir en la recomendación es lo más silencioso y lo más escalable: que el sistema que sugiere la talla conozca las medidas reales de cada prenda y ajuste solo. Es lo que hace el recomendador de tallas de Stilaro, que trabaja con el patronaje real de cada referencia en vez de con una tabla única para todo el catálogo.

Empieza midiendo, no comprando software

Antes de plantearte ninguna herramienta, haz esto durante un mes: añade la dirección del error al formulario de devolución y ordena tus referencias por asimetría. Vas a encontrar entre tres y diez que concentran el problema, y probablemente vengan del mismo proveedor o del mismo tipo de tejido.

Con esa lista en la mano, cualquier decisión posterior —cambiar de proveedor, corregir fichas, automatizar la recomendación— se toma sobre evidencia y no sobre intuición. Y si el patrón se confirma, ya sabes por dónde empezar: la prueba virtual sobre esas referencias concretas es donde más rápido se nota.