Pengambilalihan Lyst oleh Zozo tunjuk bagaimana AI, data dan personalisasi sedang membentuk semula strategi e-dagang fesyen dan runcit besar di Asia.
Dari valuasi $700M ke jualan $154M: apa yang berlaku?
Lyst pernah dipuji sebagai antara marketplace fesyen mewah paling “hot” di Eropah, dengan valuasi sekitar $700 juta ketika kemuncak hype e-dagang fesyen. Sekarang, ia dibeli oleh Zozo dari Jepun dengan harga sekitar $154 juta tunai.
Perbezaan itu bukan sekadar cerita turun naik startup. Ia isyarat jelas bagaimana AI, data dan integrasi ekosistem sedang mengubah strategi pemain besar e-dagang – termasuk di Asia Tenggara.
Bagi pengurus e-dagang, ketua digital, atau sesiapa yang sedang membina marketplace berskala Shopee, Lazada atau rangkaian runcit besar seperti Lotus’s, kes Lyst–Zozo ini penting kerana satu sebab mudah: nilai sebenar bukan lagi pada “brand glamour”, tetapi pada data, algoritma dan kebolehan menghubungkan pengalaman pelanggan merentas saluran.
Dalam artikel ini, saya akan kupas:
- Kenapa syarikat seperti Lyst boleh jatuh valuasi begitu jauh
- Apa sebenarnya yang Zozo cari melalui pengambilalihan ini
- Bagaimana AI dalam e-dagang fesyen memandu keputusan M&A
- Apa pengurus runcit dan marketplace di Malaysia boleh pelajari – secara praktikal, bukan teori
Siapa Lyst, siapa Zozo – dan kenapa gabungan ini masuk akal
Cerita Lyst ringkas: Lyst bermula sebagai marketplace fesyen mewah, menghubungkan pengguna dengan ratusan butik dan jenama global. Modelnya lebih kepada “search dan discovery” fesyen, bukan sekadar katalog biasa. Mereka bergantung kuat pada data tingkah laku pengguna: apa orang cari, klik, simpan ke wishlist, dan akhirnya beli.
Zozo pula ialah gergasi e-dagang fesyen Jepun yang mengendalikan marketplace dan beberapa jenama sendiri (seperti platform komuniti Wear). Mereka terkenal dengan pendekatan teknologi, termasuk percubaan dengan ZozoSuit – pakaian sensor untuk mengukur badan pelanggan bagi saiz yang tepat.
Jadi kenapa Zozo sanggup membeli Lyst?
Realitinya: Zozo bukan sekadar beli jenama. Mereka beli data global, enjin carian fesyen, dan algoritma recommendation yang Lyst bina selama bertahun-tahun.
Untuk syarikat yang mahu menguatkan posisi sebagai pemain fesyen global yang digerakkan AI, Lyst ialah “shortcut” strategic:
- Akses berjuta-juta data carian dan minat fesyen mewah
- Teknologi recommendation yang sudah matang
- Hubungan dengan ratusan jenama dan retailer antarabangsa
Ini selari dengan tren yang kita nampak di Asia: bila pemain besar mahu pecut, mereka beli teknologi dan data, bukan mula dari kosong.
Kenapa valuasi boleh jatuh begitu jauh?
Jawapan ringkas: permainan e-dagang sudah berubah. Syarikat yang tidak cukup pantas menyesuaikan diri dengan dunia yang didorong AI, kos pemasaran yang mahal dan pelanggan yang cerewet, akan rasa tekanan.
Beberapa faktor utama:
-
Kos pemerolehan pelanggan (CAC) melambung
Selepas gelombang pandemik, iklan digital jadi semakin mahal. Marketplace yang terlalu bergantung pada iklan berbayar tanpa personalisasi pintar akan rasa margin tertekan. -
Persaingan dari pemain besar yang sangat data-driven
Platform seperti Zalora (rantau ini), Farfetch, dan juggernaut global lain menggunakan AI untuk:- Penentuan harga dinamik
- Cadangan produk hiper-peribadi
- Segmentasi pelanggan automatik
Kalau recommendation anda hanya “produk popular”, anda memang akan kalah.
-
Investor ubah fokus: dari “growth” ke “unit economics”
Era duit murah sudah habis. Pelabur mahu lihat profitability, bukan hanya GMV naik. Syarikat yang teknologi AI dan automasinya lemah biasanya sukar kawal kos operasi dan inventori. -
Peranan AI beralih dari “nice to have” ke “asas survival”
Marketplace yang tak serius tentang AI – dalam forecasting permintaan, recommendation, pengurusan katalog – mula ketinggalan.
Kes Lyst ialah contoh keras: valuasi dulu dibina atas naratif “high-growth fashion marketplace”. Zozo beli hari ini berdasarkan apa yang masih bernilai: teknologi, data dan pasaran yang boleh diintegrasi.
Bagaimana Zozo boleh guna AI selepas beli Lyst
Zozo sebenarnya berada dalam posisi menarik. Dengan Lyst di tangan, mereka boleh bina satu ekosistem fesyen global yang sangat bergantung pada AI.
1. Mesin personalisasi fesyen global
Gabungan data Lyst dan Zozo membolehkan:
-
Recommendation silang pasaran (cross-market)
Contoh: Corak pembelian kasut streetwear di Jepun dipadankan dengan minat pengguna di UK atau Eropah yang mempunyai profil serupa. AI boleh:- Cadangkan produk Jepun kepada pengguna UK yang minat gaya Harajuku
- Nampak trend awal sebelum ia jadi arus perdana
-
Profil gaya peribadi yang sangat kaya
Setiap pengguna tinggalkan jejak: warna kegemaran, jenama yang kerap diklik, julat harga yang selesa. Dengan data ini, AI boleh:- Susun halaman utama individu (bukan hanya “bestseller” umum)
- Hantar e-mel / push notification yang betul-betul relevan
Bagi retailer besar di Malaysia, impak konsep ini jelas: tanpa personalisasi berasaskan AI, anda sedang buang bajet pemasaran.
2. Ramalan trend dan permintaan lebih tepat
Fashion bukan sekadar “rasa cantik”; ia permainan inventori yang kasar. Stok terlebih – margin mati. Stok kurang – jualan rugi.
Dengan data carian dan wishlist Lyst di lebih 100 negara (anggaran), Zozo boleh menggunakan AI untuk:
- Meramal trend kategori (contoh: denim longgar, kasut larian gaya retro) beberapa bulan lebih awal
- Menghantar signal kepada jenama / vendor: kategori mana patut ditambah kuantiti
- Mengurangkan kebergantungan kepada “instinct buyer” manusia yang mudah bias
AI forecasting seperti ini yang kini banyak digunakan oleh pemain besar seperti rangkaian hypermarket dan marketplace di rantau ini – dan ia jelas mengubah cara mereka merancang stok musim perayaan seperti Raya, Tahun Baru Cina, Deepavali.
3. Penentuan harga dinamik dan promosi lebih pintar
Lyst sudah terbiasa mengagregat harga daripada ratusan retailer. AI boleh menganalisis:
- Julat harga optimum bagi sesuatu jenama di negara berbeza
- Respons pelanggan terhadap diskaun (10% vs 20% vs 30%)
- Produk mana yang sensitif kepada harga, mana yang “brand-driven”
Bila digabungkan dengan data pembelian sebenar Zozo, mereka boleh:
- Merancang promosi yang tidak “over-discount”
- Memaksimumkan margin pada SKU yang permintaan kekal tinggi
Bagi pemain e-dagang di Malaysia, ini memberi mesej jelas: pricing strategy statik tak cukup lagi. AI pricing, walaupun bermula dengan model ringkas, memberi kelebihan besar berbanding pesaing.
Apa yang retailer & marketplace Malaysia boleh belajar
Untuk rantaian besar dan marketplace di Malaysia, kes Lyst–Zozo ialah cermin masa depan anda sendiri. Ada beberapa pelajaran praktikal yang saya rasa sangat relevan.
1. Jangan kejar GMV tanpa “otak” AI di belakang
Ramai pemain e-dagang bermula dengan misi: naikkan GMV, tambah seller, tambah SKU. Itu normal. Tapi bila data makin banyak dan operasi makin kompleks, anda akan sampai satu titik di mana:
Tanpa AI, setiap keputusan pemasaran, inventori dan harga jadi lambat dan mahal.
Langkah praktikal:
- Mulakan dengan customer data platform (CDP) atau sekurang-kurangnya data lake yang tersusun
- Pastikan data klik, carian, pembelian, dan retur boleh dihubungkan pada tahap pengguna
- Gunakan model AI ringkas dulu: segmentasi, recommendation “people also buy”, dan skor kecenderungan beli (propensity score)
2. Nilai syarikat anda = data + model + integrasi
Kes Lyst tunjuk satu perkara penting: bila pasaran ketat, investor dan pembeli korporat akan tanya soalan seperti:
- Sejauh mana data pelanggan anda kaya dan bersih?
- Adakah anda sudah ada model AI sendiri, atau hanya pakai enjin generik?
- Bolehkan teknologi anda diintegrasikan dengan cepat ke dalam ekosistem lebih besar?
Untuk pengurus strategik di rangkaian runcit besar, soalan sama patut dijawab secara jujur dalam organisasi sendiri. Kalau jawapannya lemah, itu petunjuk jelas untuk:
- Melabur dalam pasukan data sains atau rakan teknologi
- Menstandardkan data dari POS fizikal, app, dan e-dagang
- Menilai kemungkinan kolaborasi atau pengambilalihan teknologi kecil (bukannya hanya tambah cawangan fizikal)
3. Fesyen ialah “laboratorium” terbaik untuk AI runcit
Fesyen bergerak laju, margin tinggi, dan sangat bergantung kepada trend. Kalau AI boleh bertahan di fesyen, ia pasti boleh digunakan di kategori lain seperti:
- Runcit harian (FMCG)
- Elektronik pengguna
- Barangan rumah & dekorasi
Beberapa aplikasi AI fesyen yang mudah dialih guna:
- Visual search: pelanggan ambil gambar produk, sistem cadangkan produk serupa
- Style bundling: AI cadangkan set lengkap (baju, seluar, kasut) – konsep yang sama boleh digunakan untuk “bundle dapur” atau “set pejabat rumah”
- Chatbot stylist: diadaptasi menjadi “pakar dapur”, “pakar gadget”, dan sebagainya
Bagaimana AI memacu gelombang M&A e-dagang seterusnya
Trend yang kita nampak daripada pembelian Lyst ini akan berulang dalam pelbagai bentuk di Asia dan Malaysia.
Beberapa pola yang saya jangka:
-
Pemain besar membeli enjin recommendation niche
Marketplace berskala Shopee / Lazada / TikTok Shop mungkin membeli startup yang pakar dalam AI personalisasi kategori tertentu (contoh: kosmetik, makanan segar) berbanding membina dari kosong. -
Rantaian runcit tradisional mencari teknologi “otak digital”
Hypermarket, farmasi dan rangkaian F&B akan mula cari syarikat teknologi yang boleh:- Menyatukan data omnichannel
- Menjana cadangan produk dan promosi individu
- Mengoptimumkan stok di ratusan cawangan menggunakan model AI yang sama
-
Penilaian syarikat lebih bergantung pada aset data dan AI
Bukannya hanya bilangan cawangan atau trafik bulanan, tetapi:- Kualiti data pelanggan
- Ketepatan model ramalan
- Keupayaan real-time decisioning (contoh: tawaran berbeza ikut masa dan lokasi)
Bagi pengasas dan pengurus yang mahu syarikat mereka menarik minat pelabur atau pembeli strategik 3–5 tahun dari sekarang, pembangunan kapasiti AI dalaman bukan lagi opsyen, tetapi komponen asas strategi exit.
Di mana anda patut bermula sekarang
Kes Lyst–Zozo bukan sekadar berita M&A antarabangsa. Ia “preview” bagaimana pasaran runcit dan e-dagang di Malaysia mungkin kelihatan beberapa tahun lagi.
Kalau saya ringkaskan menjadi beberapa langkah realistik untuk 6–12 bulan ke depan:
-
Audit data dan AI anda sekarang
Tanya soalan mudah:- Data pelanggan kita simpan di mana? Bersih atau bersepah?
- Keputusan pemasaran besar masih dibuat manual atau sudah dibantu model?
- Ada tak satu pasukan kecil (walaupun 2–3 orang) yang fokus pada data & AI?
-
Pilih satu atau dua “use case” AI yang beri impak jelas
Contoh praktikal:- Recommendation produk di halaman produk & checkout
- Ramalan permintaan untuk 50 SKU paling penting
- Segmentasi pelanggan untuk e-mel / push notification
-
Fikir seperti Zozo, bukan seperti Lyst versi awal
Zozo melihat nilai dalam:- Data global + algoritma + integrasi
- Bukan hanya traction atau nama besar
Dalam konteks anda, fikir: “Kalau saya mahu beli syarikat saya sendiri 3 tahun dari sekarang, bahagian mana yang akan saya bayar paling mahal? Sistem AI? Kualiti data? Atau hanya stok dan cawangan?”
Syarikat yang menang dalam gelombang seterusnya bukan semestinya yang paling glamor, tapi yang paling pandai menggabungkan AI, data dan pengalaman pelanggan dalam satu ekosistem yang hidup.
Soalan sebenar untuk 2026 dan seterusnya: adakah syarikat anda akan jadi Zozo yang membeli, atau Lyst yang dibeli – dan pada harga berapa?