Micolet

Micolet escala su negocio y reduce sus costes gracias a Sciling

El mercado de compra-venta de ropa de segunda mano ha crecido mucho en los últimos años debido al auge del comercio electrónico y a la concienciación medioambiental. Micolet se ha beneficiado de este crecimiento año tras año desde su nacimiento. Sin embargo, recientemente experimentó cuellos de botella en su proceso productivo que amenazaban con frenar este crecimiento.

 

La propuesta de valor de Micolet para las vendedoras es la comodidad. A diferencia de otros eCommerce de ropa de segunda mano, llevan a cabo la gestión completa del proceso de venta, desde que el producto es recogido en la casa de la vendedora hasta que llega a manos de la compradora. Con un stock permanente de 180.000 referencias únicas, esto es todo un desafío a nivel operativo.

Para hacernos una idea del impacto que este número tiene en las operaciones, podemos compararlo con el número de referencias únicas que maneja uno de los mayores retailers de moda del mundo: Inditex. En su informe anual de 2018, el gigante español de la moda informó de haber diseñado 75.000 SKU’s* durante todo un año para todo su universo de marcas. «El número de artículos diferentes que tenemos que controlar y manejar es tan amplio que cualquier mejora que introduzcamos en el ciclo de vida del producto tiene un impacto real para el negocio», menciona José María del Moral, uno de los dos socios fundadores.

*SKU son las siglas del término inglés Stock Keeping Units. El SKU es el número de referencia único de un producto tal y como aparece registrado en los sistemas de la empresa.

Sobre el cliente:

Micolet es una web española de compraventa de ropa de mujer de segunda mano nacida en 2015 y que emplea en la actualidad a 50 personas y “salva” 60.000 prendas y complementos al mes y 8 toneladas de CO2 anuales.

Haz click aquí para obtener una versión en PDF de nuestros casos de éxito.

El reto

Aritza Loroño, uno de los socios fundadores, se percató de que el proceso de retoque fotográfico, subcontratado a freelancers alrededor del mundo, estaba lastrando toda la cadena de producción. Nunca sabían con certeza cuándo estarían listas las imágenes, y esa imprevisibilidad hacía que el proceso no fuera escalable. Esto tenía serias implicaciones sobre sus perspectivas de crecimiento. Controlar este proceso era vital para la continuidad de la empresa. Si no era capaces de escalar su negocio, acabarían por morir de éxito.

“El problema de dejar este proceso en manos de personal externo era la falta de control. Con frecuencia, fiestas regionales, viajes personales y otras ausencias resultaban en que los freelancers se retrasasen con sus entregas, y ni siquiera nos avisaban con antelación para que pudiéramos tomar medidas correctivas. Esto generaba retrasos en la subida de los productos a la web lo que, a su vez, afectaba a las ventas»- comentó Loroño.

Y no solo esto, a medida que el negocio crecía, los costes derivados del retoque fotográfico aumentaban. “En este tipo de negocio el margen de beneficio de la mayoría de los productos se reduce a unos céntimos y se requiere un gran volumen de ventas para cubrir los costes fijos, por lo que hay que controlar cada coste”.

Loroño y su socio, José María del Moral, comenzaron a considerar opciones. Al ver los avances que se estaban dando en Inteligencia Artificial, decidieron decantarse por esta opción y, tras hablar con muchos proveedores, eligieron a Sciling como socio estratégico. “La Inteligencia Artificial permite crecer de manera rentable y asumiendo poco riesgo y era el momento de ir más rápido y de crecer lo máximo posible”, mencionaba Loroño.

Visión estratégica:

Tras realizar un análisis en profundidad de la situación junto con el equipo directivo de Micolet, se llegó a la conclusión de que el proceso de retoque fotográfico debía ser automatizado para que el negocio siguiese creciendo.

Nuestra solución

La solución desarrollada por Sciling, que aplica una máscara a la imagen original para centrarla y eliminar completamente el fondo, consigue resultados incluso mejores que los obtenidos manualmente. Con una tasa de éxito en la eliminación del fondo del 99% y con la posibilidad de ejecutarlo en tiempo real de modo que se pueda realizar cualquier ajuste necesario a medida que se toman las fotografías, el algoritmo ha supuesto una mejora significativa en las operaciones diarias de Micolet.

«Con 160.000 fotos al mes, y subiendo, ha sido un proyecto muy rentable. Hemos recuperado la inversión en apenas un par de meses. Es más, externalizar el proceso de retoque nos costaba 6 céntimos por foto, así que en un año habremos reducido nuestros gastos operativos en 115.000 euros. Este dinero puede producir mucho más valor en otras áreas de la empresa. Y mucho más importante que esto, el nuevo proceso es totalmente escalable y fácil de gestionar. Un aumento de la carga de trabajo con el sistema anterior suponía añadir costes administrativos desde nuestro lado. Un aumento de la carga de trabajo con el nuevo sistema es totalmente transparente para nosotros», comentan los socios de la empresa.

En aquel momento no podían saberlo, pero tan solo unos meses después esta escalabilidad resultaría ser crítica. La pandemia de COVID-19 ha hecho que Micolet crezca exponencialmente, logrando un incremento de ventas del 60%. “Desde la cuarentena, recibimos 10.000 prendas diarias, el doble de las que nos llegaban antes de la pandemia, y la gente también se está animando a comprar más”, apunta Oratz Elezcano, responsable de comunicación.

Podemos afirmar, sin lugar a dudas, que las mejoras introducidas por Sciling en el proceso de producción han permitido a Micolet a aprovecharse del boom que ha experimentado el sector. Además, también les ha permitido alcanzar su objetivo, que no es otro que vender ropa y accesorios en el menor tiempo posible y al precio más competitivo posible a la vez que se posicionan como referente a nivel mundial en moda circular.

99

Éxito en el retoque

2

Meses para recuperar la inversión

4

Meses para la prueba de concepto

La Inteligencia Artificial permite crecer de manera rentable y asumiendo poco riesgo y era el momento de ir más rápido y de crecer lo máximo posible

Aritza LoroñoFounder

La comunicación con Sciling ha sido fluida a lo largo de todo el proyecto, pero especialmente durante la fase de despliegue, en la que hemos contado con su ayuda en todo momento

Rúl RodriguezChief Technology Officer

Fue un placer trabajar con Sciling y su equipo. Son claros expertos en su campo

José María del MoralFounder

El proceso de implementación

Tras una primera aproximación al problema basada en técnicas tradicionales de Visión Artificial que no produjo el nivel de precisión esperado, los ingenieros de Sciling se apoyaron en técnicas de Aprendizaje Profundo para crear una solución a medida de las necesidades de Micolet.

«Empezamos este proyecto con una prueba de concepto muy delimitada -comenta Germán Sanchis, director general de Sciling. Tras esa fase inicial, tanto Micolet como nosotros nos dimos cuenta de que tendríamos que recurrir a técnicas muy novedosas para obtener los resultados deseados. Técnicas tan recientes que para poder aplicarlas todavía hay que hacer mucha investigación. Si Aritza y José Mari no hubieran estado tan abiertos a probar cosas nuevas, no podríamos haber llegado tan lejos».

«La manera de trabajar de Sciling nos dio confianza. Incluso cuando esta prueba de concepto nos demostró que aún quedaba mucho trabajo por hacer por ambas partes, pudimos ver la costa más allá de las aguas agitadas que teníamos delante. Sabíamos que el proyecto iba a ser un éxito», dice del Moral.

Tecnologías empleadas
1

Visión por Computadora

Para una primera aproximación al problema
2

Aprendizaje Profundo

Para mejorar los resultados
3

Keras y OpenCV

Para desarrollar el modelo

¿Por qué nosotros?

  • Utilizamos las técnicas más punteras para resolver desafíos operativos
  • Tenemos amplia experiencia en tecnologías de Visión Artificial
  • Nuestro modelo de trabajo en tres pasos -análisis, prueba de concepto,  implementación-  minimiza los riesgos
  • Contamos con un equipo con más de 15 años de experiencia en Aprendizaje Automático