Bagaimana Pengambilalihan Lyst oleh Zozo Mengubah AI Fesyen

AI dalam Runcit & E-Dagang (Rangkaian Besar & Pasaran)••By 3L3C

Pengambilalihan Lyst oleh Zozo bernilai $154M nampak kecil, tapi dari sudut AI & data fesyen, ia petanda jelas ke mana arah e-dagang global bergerak seterusnya.

AI fesyene-dagangretail besarmarketplacedata pelangganinventori pintar
Share:

Lyst Dijual Murah, Tetapi Data & AI-nya Sangat Berharga

Sebuah marketplace fesyen mewah yang pernah dinilai sekitar $700 juta kini dijual pada harga hanya $154 juta tunai. Itulah yang berlaku kepada Lyst, yang baru sahaja diambil alih oleh Zozo, pemain fesyen dan e-dagang besar dari Jepun.

Ramai tengok angka dan rasa: “Ruginya.” Tapi kalau kita tengok dari sudut AI, data dan strategi e-dagang, cerita ini sebenarnya tentang bagaimana data pelanggan dan keupayaan AI menjadi aset sebenar dalam rantaian fesyen global.

Untuk peruncit besar, marketplace, dan jenama yang jual di Lazada, Shopee atau platform sendiri, kes Lyst–Zozo ini adalah isyarat jelas: perang sebenar dalam e-dagang fesyen ialah perang data dan kecerdasan buatan, bukan lagi sekadar siapa ada paling banyak SKU.

Dalam artikel ini, saya akan kupas:

  • Kenapa Lyst yang bernilai $700M boleh jatuh ke $154M
  • Apa sebenarnya Zozo sedang beli – dan bagaimana AI akan digunakan
  • Apa pengajaran untuk peruncit besar, marketplace dan pemain omnichannel di Malaysia
  • Langkah praktikal untuk mula guna AI dalam fesyen & e-dagang anda sendiri

Apa Sebenarnya Berlaku: Lyst, Zozo & Strategi AI Fesyen

Pengambilalihan Lyst oleh Zozo ialah pergerakan strategik untuk menggabungkan data, teknologi AI, dan rangkaian jenama dalam satu ekosistem fesyen global.

Siapa Lyst dan kenapa ia penting?

Lyst ialah marketplace fesyen premium yang mengumpulkan beribu-ribu jenama dan butik mewah di satu tempat. Kekuatan utama Lyst selama ini bukan sekadar katalog produknya, tetapi:

  • Data tingkah laku pengguna: carian, klik, wishlist, add-to-cart, dan pembelian merentasi ratusan jenama dan retailer.
  • Enjin carian & saranan fesyen: Lyst lama menggunakan algoritma dan pembelajaran mesin untuk saran produk mengikut gaya, harga, dan jenama kegemaran.
  • Kefahaman trend global: bila warna tertentu mula naik, bila kategori tertentu (contoh: modest wear, streetwear, athleisure) mula meletup, Lyst nampak awal melalui data.

Nilai ini sangat besar untuk mana-mana pemain e-dagang yang serius tentang personalisation dan perancangan inventori berasaskan AI.

Kenapa Zozo sanggup beli?

Zozo terkenal di Jepun dengan platform ZOZOTOWN dan beberapa jenama sendiri. Mereka kuat dari segi:

  • asas pelanggan Jepun yang besar,
  • hubungan dengan jenama-jenama fesyen Asia & global,
  • infrastruktur e-dagang dan logistik.

Dengan beli Lyst, Zozo boleh:

  1. Dapat akses segera ke pasaran Eropah & global

    • Lyst dah ada pengguna dan jenama di UK, Eropah dan US.
    • Ini lebih cepat dan murah daripada bina marketplace baru dari sifar.

  2. Gabungkan data untuk AI fesyen yang lebih kuat

    • Data gaya pengguna Jepun + data gaya pengguna Eropah = gambaran trend global yang jauh lebih tepat.
    • Ini penting untuk perancangan koleksi, stok dan pemasaran lintas negara.

  3. Skalakan teknologi AI personalisasi

    • Algoritma carian dan saranan Lyst boleh diadaptasi ke platform Zozo.
    • Pengalaman pelanggan di ZOZOTOWN dan Lyst boleh jadi lebih “terasa personal” dan relevan.

Realitinya, Zozo bukan sekadar beli marketplace yang tengah turun nilai. Zozo beli enjin data & AI fesyen yang sukar dibina dan mengambil masa bertahun-tahun.

AI Sebagai “Stylist Digital”: Personalisasi Fesyen Pada Skala Besar

Gabungan Lyst + Zozo membuka ruang untuk pengalaman beli-belah fesyen yang sangat dipersonalisasi, berasaskan AI, merentasi negara dan budaya.

Ini yang ramai peruncit besar masih tersilap: mereka fikir personalisasi ialah “letak nama pelanggan dalam email”. Sedangkan dalam fesyen, personalisasi sebenar bermaksud:

  • Saran produk ikut gaya, bukan hanya kategori
  • Faham sensitiviti harga setiap pelanggan
  • Tahu bila pelanggan cenderung beli bundle (contoh: baju + tudung + beg)
  • Bezakan pelanggan yang beli untuk occasion tertentu (raya, kahwin, formal event) berbanding pembeli harian

Bagaimana AI boleh digunakan oleh Zozo di Lyst

Berpandukan apa yang syarikat-syarikat besar lain lakukan, ini beberapa aplikasi praktikal yang hampir pasti akan berlaku:

  1. Rekomendasi pakaian hujung ke hujung

    • Bukan sekadar “produk serupa”, tetapi “gaya lengkap”:
      • Baju + seluar + kasut + aksesori yang saling melengkapi.
    • AI belajar kombinasi yang sering dibeli bersama oleh pengguna lain.

  2. Personalisasi ikut budaya & lokasi

    • Pengguna Jepun, UK dan Asia Tenggara tak semestinya suka gaya sama.
    • AI boleh guna data lokasi, musim, dan trend tempatan untuk saran item berbeza walaupun nampak dalam “kempen” yang sama.

  3. Pengalaman carian pintar

    • Carian seperti “blouse satin hijau untuk dinner” atau “kasut putih minimalis” difahami oleh AI melalui pemprosesan bahasa semula jadi.
    • Ini penting untuk pasaran Malaysia yang guna gabungan Bahasa Melayu, Inggeris dan kadang-kadang istilah Korea/Jepun dalam carian.

  4. Pengkategorian automatik dan tag gaya

    • AI boleh baca gambar dan deskripsi produk untuk tag seperti: minimalist, streetwear, office wear, modest.
    • Ini memudahkan penjual memuat naik inventori dengan cepat dan meningkatkan kebolehcarian produk.

Bila semua ini digabung, pengalaman beli-belah terasa macam ada stylist peribadi digital yang faham citarasa anda, bukannya sekadar katalog panjang tanpa arah.

AI Dalam Pengurusan Inventori: Dari “Rasa” ke Data Tepat

Pengambilalihan ini juga tentang mengurangkan pembaziran stok dan meningkatkan “sell-through” melalui ramalan permintaan berasaskan AI.

Dalam industri fesyen, ramai buyer dan merchandiser masih guna pendekatan “rasa” dan pengalaman. Ada nilai di situ, tapi:

  • trend sekarang bergerak terlalu cepat,
  • musim semakin pendek,
  • dan kos stok mati makin menyakitkan.

Apa yang Zozo boleh buat dengan data Lyst

Dengan data tingkah laku pembeli di Lyst, AI boleh bantu Zozo (dan jenama-jenama di dalam ekosistemnya) untuk:

  1. Ramalan permintaan yang lebih halus
    • Bukan hanya ramal “berapa banyak dress perlu dibuat”, tetapi:
      • saiz mana yang akan habis dulu,
      • warna mana yang akan tinggal di rak,
      • harga diskaun optimum untuk habiskan stok tanpa bunuh margin.

  1. Perancangan koleksi lintas musim & negara

    • Contoh: trend warna pastel naik dahulu di Eropah, kemudian beberapa bulan kemudian di Asia Tenggara.
    • AI boleh kesan corak ini dan beri isyarat awal kepada pembeli & pereka.

  2. Kitaran diskaun yang lebih pintar

    • Diskaun tak lagi “flat 50% untuk semua”.
    • AI boleh tentukan produk mana perlu diskaun lebih awal, mana yang cukup dengan 10–20% kerana masih ada permintaan kuat.

  3. Kurangkan stok mati

    • Dengan ramalan permintaan dan pricing dinamik, stok mati boleh dikurangkan dengan ketara.
    • Untuk rangkaian besar (hypermarket, department store, marketplace besar), pengurangan stok mati walaupun 5–10% boleh terjemah kepada jutaan ringgit.

Bagi pemain di Malaysia, konsep sama boleh digunakan di platform seperti Lazada, Shopee, Zalora, atau e-store sendiri – asalkan anda mula kumpul dan guna data dengan betul.

Apa Pengajaran Untuk Peruncit & Marketplace di Malaysia

Kisah Lyst–Zozo ialah amaran: nilai syarikat e-dagang boleh jatuh, tetapi nilai data & AI akan kekal tinggi bagi siapa yang tahu menggunakannya.

Bagi peruncit besar, jenama nasional dan pemain marketplace di Malaysia, ada beberapa pengajaran terus terang:

1. Jangan hanya bina “kedai online”, bina “mesin data”

Ramai retailer sudah ada aplikasi, website, dan jual di marketplace. Tapi:

  • data pelanggan berpecah-pecah,
  • tiada sistem analitik bersepadu,
  • tiada model AI yang benar-benar guna data tingkah laku pelanggan.

Kalau anda hanya fokus pada GMV dan traffic, tanpa bina keupayaan data & AI, anda mudah jadi seperti Lyst sebelum dijual: popular, tapi sukar jana margin konsisten.

2. AI bukan projek besar sekali siap – ia maraton kecil yang konsisten

Lebih praktikal untuk mula dengan beberapa kes guna (use case) yang jelas ROI:

  • Rekomendasi produk automatik di laman produk dan checkout
  • Segmentasi pelanggan pintar untuk kempen WhatsApp/Push/Email
  • Ramalan permintaan untuk kategori utama (contoh: baju kurung raya, kasut sekolah, pakaian kerja)
  • Pricing dinamik asas: cadangan markdown berdasarkan kadar jualan stok

Mulakan kecil, ukur, ulang. Itu cara pemain besar global buat.

3. Jangan takut guna AI untuk gabungkan online + offline

Banyak rangkaian runcit besar di Malaysia masih lihat e-dagang dan kedai fizikal sebagai dua dunia berbeza. Sebenarnya:

  • Data pembelian di kedai fizikal + data online = pandangan 360° tentang pelanggan.
  • AI boleh cadangkan produk untuk promosi di cawangan tertentu berdasarkan apa yang laku di kawasan itu secara online.
  • Sistem “reserve online, pickup in-store” boleh dioptimumkan dengan ramalan stok dan permintaan.

Model seperti Zozo–Lyst menunjukkan masa depan runcit besar ialah ekosistem omnichannel berasaskan AI, bukan silo.

Langkah Praktikal: Di Mana Patut Anda Mula Dengan AI Fesyen

Untuk jadikan artikel ini berguna secara praktikal, berikut pendekatan yang saya cadangkan untuk mana-mana peruncit besar, marketplace atau jenama:

1. Audit Data & Tech Stack Semasa

Tanya soalan terus:

  • Data pelanggan anda tersimpan di mana? ERP? POS? Ecommerce platform? CRM?
  • Ada tak satu tempat yang konsisten untuk gabungkan data ini?
  • Boleh tak anda jawab soalan mudah: “Apa 5 kombinasi produk paling kerap dibeli bersama bulan lepas?”

Kalau jawapan anda “tidak pasti”, di situ titik mula.

2. Pilih 2–3 Use Case AI Paling Kritikal

Untuk fesyen dan e-dagang, biasanya yang paling cepat beri impak ialah:

  1. Recommendation engine di laman produk & checkout
  2. Model ramalan permintaan untuk kategori utama
  3. Segmentasi pelanggan untuk kempen pemasaran berbeza

Fokus kepada data yang memang anda sudah ada, jangan tunggu “data sempurna”.

3. Bangunkan atau Guna Platform AI Yang Boleh “Plug In” ke Sistem Sedia Ada

Anda tak perlu buang sistem sekarang. Cari solusi yang boleh sambung dengan:

  • platform e-dagang (Shopify, WooCommerce, Magento, custom),
  • sistem POS & ERP,
  • alat pemasaran (CDP, email, WhatsApp, push notification).

Yang penting, AI mesti akses data sebenar, bukan hanya data sampel.

4. Uji A/B dan Ukur Dengan Nombor, Bukan Rasa

Sebagai contoh:

  • Aktifkan saranan produk AI untuk 50% pengunjung.
  • Baki 50% gunakan layout biasa.
  • Bandingkan kadar conversion, AOV (average order value) dan margin.

Kalau ada peningkatan jelas (contoh +8–15%), barulah skala ke seluruh platform.

Masa Depan AI Dalam Fesyen & E-Dagang Asia

Kes Lyst dibeli Zozo pada harga $154 juta mungkin nampak seperti satu lagi berita pengambilalihan. Tapi bagi sesiapa yang urus jenama besar, rangkaian runcit atau marketplace, ia adalah mesej yang agak jelas:

Syarikat boleh naik dan turun, tetapi aset sebenar ialah data, pemahaman pelanggan dan keupayaan AI untuk menukarkannya kepada nilai perniagaan.

Dalam siri AI in Retail & E-Commerce (Large Chains & Marketplaces) ini, pola yang sama muncul berulang kali:

  • pemain besar melabur dalam ramalan inventori,
  • personalisation untuk mengurangkan kos pemasaran,
  • automasi operasi gudang dan fulfillment,
  • analitik tingkah laku pelanggan yang kian mendalam.

Pengambilalihan Lyst oleh Zozo hanyalah satu contoh bagaimana pemain fesyen besar mempercepatkan perjalanan AI mereka dengan membeli keupayaan, bukan hanya membeli jenama.

Bagi perniagaan di Malaysia, soalan yang perlu anda jawab sebelum 2026 bukan lagi “Perlu ke guna AI?”, tetapi:

  • Bahagian mana dalam operasi fesyen & e-dagang saya yang paling sesuai diautomasikan dulu dengan AI?
  • Apa data yang saya ada hari ini yang patut saya guna lebih bijak?

Siapa yang mula sekarang akan ada kelebihan besar bila persaingan e-dagang fesyen di rantau ini jadi lebih ketat. Yang tunggu sampai “sempurna” selalunya akan lambat.