打开APP

一年烧掉2.5亿元的巴宝莉背后,服装行业还能更好吗

或许也可以相信,就算是在传统的制造业领域,一个完全智能化生产的未来,正在到来。

一年烧掉2.5亿元,衣服连起来,可绕地球一圈……

你以为我在说奶茶?那你可错了,我说的,是英国奢侈品品牌巴宝莉。

2018年,据英国《泰晤士报》7月19日报道,巴宝莉一年烧掉了价值超过2800万英镑的库存商品,约合人民币2.5亿元,相当于2万多件巴宝莉经典款的英式风衣。更可怕的是,当时的巴宝莉已经连续烧了五年衣服了,价值约合人民币8亿元。

巴宝莉的焚烧事件被曝光后,一度引起了许多环保人士的强烈谴责。他们认为,奢侈品在生产过程中本来就已经造成很多污染了,将其焚烧,又会产生大量有毒气体,会再次对大气层造成严重伤害。

然而巴宝莉却在声明中回复说:焚烧商品的做法在时尚行业很常见,并不是只有他们一家会用这样的做法来清理库存。不得不说,这回复,大有种“大家骂也别只骂我一家”,要拉时尚行业共沉沦的意思。

不过他们也没说错,“卖不掉就烧掉”的事情在过去时常发生。据不完全统计,2013年到2017年,大家都很熟悉的快时尚品牌H&M烧掉了重量超过60吨的废弃衣服,事件被曝光后导致企业形象一落千丈。

旗下拥有卡地亚(Cartier)、万宝龙(Montblanc)等品牌的历峰集团(Richemont),在2016至2018年间,销毁了价值近5亿英镑的手表。而路易斯威登(LV)这些年来,也因为“不愿把皮革产品库存下放至折扣店而烧毁”的行为被媒体多次曝光。

所以问题来了,各家品牌为什么会有如此多的库存,以至于不得不用焚烧这样的方式去解决?

这就需要提到传统服装行业的产业链问题了,且听小纪细细给大家捋一遍。

传统服装行业产业链不再满足需求

首先,在传统的服装行业生产链中,各服装品牌是会通过订货会和时装周来提前下订单的。

像美特斯邦威、特步、七匹狼这样国内大家都非常熟悉的服装品牌,每年都至少要开2次以上订货会,主要分为春夏、秋冬两季。品牌们通过订货会现场的模特展示和导购解说来订货,再根据订货量,制定、安排全年的生产、销售计划。

这里我们以春夏装为例,服装品牌的订货会一般在每年10—11月举行,订货会后,品牌大概需要的款式就已经确定下来了。

然后,在12月至来年2月,是服装生产的过程。值得一提的是,服装行业的生产相比其他行业显得格外长,各个环节也比较分散。染料厂只负责染料,纺织厂只负责纺纱,成衣厂只负责加工生产,只有全部环节结束之后,一件衣服才能够被完成。

最后到了3月初,衣服才能被送到商家开始销售,然后到消费者手中。所以可想而知,品牌在半年甚至更久以前就需要去预判市场需要什么,这是非常困难的一件事。即便将*秀的品牌营销专家和设计师的集合在一起,也依然无法准确预测哪一款会畅销,哪一款不好卖。这就导致了总会有大量的,卖不出去的商品沦为库存,最终走向我们前面所说的,被焚烧的命运。

其实,传统的服装产业链还有一个问题,就是服装工厂通常只和品牌方进行对接,所以做的都是几万件起订的大单子,小单他们是不接的。但随着这两年电商、直播经济的兴起,很多服装行业的主播、网红都是几千件、甚至几百件起订的,包括还会有一些普通的消费者需要定制个性化衣服,那这部分需求就很难得到满足。

不瞒大家说,小纪前段时间就碰到了这样一件事,公司要给同事们做文化衫和周边文创,小纪当仁不让的认领了这个任务。但是,上哪找到能接单的工厂,是个难事儿。相对于品牌方动辄几万件的需求量,我们的订购量太少了,但是我们对面料、版型和设计要求又非常严苛,毕竟是GGV出品嘛,当然要找一个信得过的工厂了。

所以找来找去,最后只能找到产品还算满意,但成本却非常高的工厂来帮我们做,而且,我们找到的工厂,起订量就是500件,其实我们不需要那么多的,可是为了质量,也只能狠狠心,妥协了。

这时候小纪就想了,为什么不能有一个打通服装产业从工厂到品牌,再到消费者的服务平台,一键解决上面我们所说的所有痛点?这一找,还真让小纪给找到了。

飞榴科技

AI赋能的服装供应链平台

事情是这样的,小纪在网上苦苦寻觅的时候,看到了这样一个振奋人心的故事。

有两个非常喜欢JK文化的00后女孩,书怡和婧妍,她们在高中时期就在父母的资助下开始做起了自己的原创JK制服品牌,但在创业过程中,遇到了和小纪差不多的苦恼。

首先,因为JK属于小众穿衣风格,用户不多,衣服起订量太少,大型服装代工厂不愿意接单;

其次呢,JK制服对细节要求非常严格,除了考察走线、面料这种常见细节之外,尤其注重裙子的压褶技术,要求裙子平直锋利,不会“炸褶”,这样一来,小型作坊的工艺她们是万万不放心的。

最后兜兜转转,她们找到了一家叫“飞榴科技”的公司。而飞榴科技,主打的就是小单快反。小纪给大家解释一下,小单就是小批量生产,快反就是快速反应。这两点刚刚好符合她们的需求。

经过一次试水,飞榴科技旗下的云工厂在5天内就完成了令书怡和婧妍满意的样衣,并且工厂在理解JK制服的基本标准后,能够迅速建立起生产线,7天内完成量产,3天极速补单。

飞榴科技供应链团队还有一对一专属跟单员进行订单管理,利用丰富的版型数据库、工艺款式库,从打版生产到面辅料的选择上,为书怡和婧妍出谋划策,节省成本。最终,将单品的平均单价控制在了130元左右。这对于年级尚小、收入不高的JK制服消费者来说,正好满足了她们的需求。

与飞榴科技的合作熟练运作起来之后,找工厂制作制服、快速补单不再是难事了,书怡和婧妍开始将更多的精力投入绘制原创布料或款式,建立起属于自己的IP。

其实这两年网红经济兴起后,有许多像书怡、婧妍这样的创业者,他们和传统的服装品牌一要就是几万件的需求量不同,只有几十或者上百件起订,依据销售情况,爆款快速翻单,滞销款迅速下架。所以传统工厂效率做不起来,根本不愿意接单。

这时,飞榴科技的优势就显现出来了。飞榴通过云工厂方式整合大量快速反应工厂,搭建工厂对接平台,整合成了一个强大的服装智能制造产业联盟,凭着强大的运算能力,专业的快反生产能力,为这部分客户提供小单快反的服务。

用户可以通过飞榴科技的系统,在上面自选或上传样衣,提交对面料、款式、颜色的要求,然后获得报价,支付后完成下单。系统会快速接单,安排生产,七天内就可以完成商品的交付。

未来,正在到来

一把火烧掉库存的时代很快就要成为历史了。

飞榴科技正在做的事情,对整个服装行业来说,都是一种变革性的推动。

客户使用飞榴科技的系统可以直接对接工厂,从样衣确认到完全交货,只需要7天,大幅度缩短服装生产周期也就同时意味着,品牌可以迅速地抓住转瞬即逝的市场潮流。

工厂使用飞榴科技,也能够增加订单来源,飞榴通过整合行业资源统一调配的方式,有效解决了单个服装厂订单不稳定的问题。而且,飞榴正在积极布局服装数字化智能工厂,对工厂整个生产流程和信息进行改造升级。

具体来说,飞榴的数字化工厂以AI为智慧大脑,建立了多种信息化管理系统和模块。在这个“最强大脑”的操控下,飞榴能够帮助工厂完成工序拆解、智能排程、实时反馈、自动预警等功能,真正让人力密集的传统成衣加工厂转变为拥有快反能力的新一代数智工厂。

这样一来,工厂可以实现车间生产效率提升20%-30%,不良品率下降50%以上,大幅度缩短服装生产周期,提升订单交期准确率,这也正是飞榴能够做到小单快反生产的原因。

对整个服装行业来说,飞榴盘活了行业的闲置资源,将整体产能资源利用率*化,构建起良性的服装产业生态链。

在东莞的某国际知名品牌的一线代工厂中,飞榴还打通吊挂、AGV移动机器人等系统,让生产资料的流转和搬运实现无人化,进入工厂参观能真切感受到超前的未来感。

十年前的我们可能很难想象到,今天的服装行业可以通过这样一个平台,如此紧密地把客户需求和生产连结在一起。但是现在,它确实已经实现了。

所以此刻的我们或许也可以相信,就算是在传统的制造业领域,一个完全智能化生产的未来,正在到来。

*参考来源:

1.信天派 | 飞榴科技完成A1、A2轮超2亿元融资,高瓴创投、GGV纪源资本领投,软银中国参投 )

2.双十一狂欢 | 点亮 JK 女孩的心中奇梦 https://mp.weixin.qq.com/s/UwIJqNTFT2BUlsJhzlYJ-g

3.飞榴科技智慧工厂,从下单到收货仅需7天 - 知乎 https://zhuanlan.zhihu.com/p/61441678

喜报 | 飞榴湖州分公司荣获2019“创客中国”浙江省总决赛优胜奖 https://mp.weixin.qq.com/s/Ja25s23jTdvrDRLSYwVwlA

4.打通服装智能制造“最后一公里” - 知乎 https://zhuanlan.zhihu.com/p/143490037

5.从韩都衣舍转型看柔性供应链的威力 销售与市场 -http://www.cmmo.cn/article-207823-1.html

6.原创:2020年,一文带你读懂服装供应链!- 知乎 https://zhuanlan.zhihu.com/p/109151646

7.这些奢侈品就算烧掉上亿库存,也不卖给你

https://www.guancha.cn/economy/2018_07_22_465114_1.shtm

8.跌落神坛的服装巨头:宁愿烧掉12吨库存,也不打折不降价_腾讯新闻

https://new.qq.com/omn/20210802/20210802A00NNC00.html

【本文由投资界合作伙伴微信公众号:GGV纪源资本授权发布,本平台仅提供信息存储服务。】如有任何疑问题,请联系(editor@zero2ipo.com.cn)投资界处理。

相关资讯

最新资讯

热门TOP5热门机构|VC情报局

去投资界看更多精彩内容
【声明:本页面数据来源于公开收集,未经核实,仅供展示和参考。本页面展示的数据信息不代表投资界观点,本页面数据不构成任何对于投资的建议。特别提示:投资有风险,决策请谨慎。】