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.

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.

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. “El problema de dejar este proceso en manos de personal externo era la falta de control sobre el mismo. Fiestas regionales, viajes personales y otras ausencias generaban retrasos en la subida de productos a la web, lo que a su vez afectaba a las ventas”- comentaba Loroño.

Y no solo esto, a medida que el negocio crecía, los costes derivados del retoque fotográfico aumentaban. En un modelo de negocio en el que el margen de los productos más comunes se reduce a céntimos y se requiere de un gran volumen de ventas para cubrir los gastos fijos, controlar estos gastos era vital.

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.

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

Con una tasa de éxito del 99% y con la posibilidad de ejecutarlo en tiempo real de modo que según se van haciendo las fotos se vea si es necesario repetirlas, el algoritmo desarrollado por Sciling ha supuesto importantes mejoras en la operativa diaria de Micolet. “Con 120.000 fotos al mes y aumentando, ha sido una inversión muy rentable. En dos meses habíamos recuperado la inversión”, comentan los socios de la compañía.

La ventaja proporcionada por el algoritmo ha sido todavía más crítica si tenemos en cuenta que la pandemia ha hecho que Micolet crezca de manera exponencial, alcanzado un 60% de incremento en ventas. “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

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

José María del MoralFounder Micolet

Aplicar IA en nuestros procesos nos permite crecer de manera rentable y asumiendo poco riesgo

Aritza LoroñoFounder Micolet

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. Esta solución, que aplica una máscara a la imagen original para centrarla y eliminar por completo el fondo, consigue incluso mejores resultados que los obtenidos de manera manual.

“En este tipo de proyectos es común tener que recurrir a técnicas muy novedosas de las que todavía no hay mucho escrito. Nos movemos en el estado del arte de la tecnología y una parte importante del éxito consiste en asumir cierto nivel de incertidumbre, cosa que Aritza y José Mari entendieron desde el principio. Si no hubiesen estado tan abiertos a probar cosas nuevas, no podríamos haber llegado tan lejos” -comenta Germán Sanchis, CEO de Sciling.

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