元宇宙式新时尚:买件“虚拟服装” “装”成最潮模样_元宇宙:KIK

后疫情时期是时尚界数字化转型高速时期,品牌渴望通过跨界游戏、3D时装、虚拟模特、线上时装周等形式,与新一代消费者建立更紧密的联系。同时“虚拟服装”也成为了时尚业界最热门的风口。

虚拟服装,顾名思义即是使用现代数字化计算机技术与3D软件所制成的服装。虚拟服装的属性,使得任何人都可以轻易穿上他们梦想中的单品和材质。通过虚拟数字环境构建的数字时尚,即可满足对时尚前卫的探索,又可节约能源,减少对环境的破坏。

数字时尚客户通常属于在数字时代成长起来的Z世代和千禧一代消费者,他们追求新潮、渴望通过“数字时尚”这种前端方式来表达自己的时尚态度。社交媒体平台为数字时尚消费者提供了“大展身手”的舞台,也致使数字时尚出现在大众视野中。

那么数字时尚到底是“皇帝的新衣”还是新的时尚未来,元宇宙式的新时尚又能持续多久呢?

时尚品牌对元宇宙的押注

元宇宙概念虽然是在去年爆火,但时尚品牌推出虚拟服装早已有之。2019年,路易威登就为《英雄联盟》的玩家开发了“皮肤”。

疫情又为虚拟服装潮推波助澜。疫情让人们待在家中的时间变长,保持社交距离政策又让人们花更多时间进行线上社交。

为了抓住这一风口,各大时装品牌纷纷制定元宇宙战略,巴黎世家成立了专门的元宇宙业务部门,古驰、博柏利推出了虚拟服装,耐克聘请了专门设计虚拟运动鞋的设计师。

连Forever21这样的快时尚品牌也不甘落后。传统的时装秀、贸易展的曝光方式成本很高,虚拟时装增加了更多新兴品牌崭露头角的机会,从而使时尚行业更具包容性。

去年9月,建立在Polygon区块链网络上的奢侈品市场UNXD与一家知名奢侈品公司推出NFT收藏品系列,销售额高达570万美元,一点也不亚于线下时装秀的效果。

今年3月24日——3月27日,UNXD和元宇宙平台Decentraland推出了首个元宇宙时装周,包括T台秀、弹出式商店和会后派对。该展览允许用户在虚拟环境中观看时装,并为他们的在线化身购买服装。

如今,很多品牌倾向于打造一种“新潮的方式+头部KOL”的模式,企图将宣传效果进一步扩大。正如ANNAKIKI推出的发布2022秋冬系列——「后人类编码POST—HUMANCODE」,配备明星上身合作体验。

ANNAKIKI发布了吉克隽逸、张俪、孟佳、万妮达、沈梦辰等时尚明星身着NFT虚拟服装的照片,将虚拟服装的新潮风刮进了娱乐圈与饭圈,影响力与传播范围都得到了进一步扩大,变现效果更得到了加持。

吉克隽逸上身效果

完美的OOTD才是虚拟服装的最终归宿?

长期以来,时尚是一种社会功能、一种宣言、一种展示自己的方式。俗话说,“人靠衣装马靠鞍”,品牌想要把握住的正是不管是现实中还是虚拟世界里,人们都要依靠服装展示自我的心理。

对于偏爱线上消费的人而言,他们喜欢沉浸式体验,欣赏虚拟时装传递了平等与包容性的理念与态度,摒弃了主流化的size与审美标准。虚拟服装给了更多普通人可以大胆尝试的机会,满足了他们猎奇心理,降低了实现潮流的时尚成本,获得了私域在审美方面的认同感。?

而对于品牌而言,也是非常有利可图。根据摩根士丹利称,到2030年,元宇宙能让奢侈品牌的潜在市场扩大10%以上,带来超过500亿美元的营收。

推出虚拟服装意味着无需采购原材料、支付人工费和运输费。同时品牌方有大量的成品可作为虚拟时装的模板,降低了设计成本。另外,虚拟服装也更加环保,相比于生产真材实料的衣服,制作一件虚拟服装能够少消耗97%的碳和872加仑的水,品牌方也不用面临季末处理库存的问题。

总之,数字时装是重新定义商业模式和建立更可持续、更进步的未来的机会。

皇帝的新衣VS光明的未来

150多年前,汉斯·克里斯蒂安·安德森在《皇帝的新衣》一书中,首先联想到了“人们在现实世界中看不到的衣服”的想法。时光飞逝,现代社会中,对于精通技术的消费者而言,“虚拟时装”仿佛更是他们打开创新大门的密匙。

随着数字时尚的日趋成熟,由虚拟时装衍生出一种全新的商业模式Metacommerce,产生了更丰富的虚拟商店和虚拟试穿体验,融入更多社交和互动属性。无论是在线上还是店内,使用虚拟试穿技术,时尚品牌和企业可以将实体和虚拟相结合,为消费者创造安全、方便和高效的客户体验,提供更多个性化选择。

但对于普通消费者而言,很多人都保持着一种试错成本较高的警觉:一旦沉迷虚拟世界就会停止对现实世界的探索。所以虚拟服装究竟是不是皇帝的新衣,还要因人而异。

虚拟时装一直是服装品牌物理世界战略的一部分,保护环境、表达自我、增强体验与包容性等优势令它的发展方向逐渐偏向主流轨道,从这个角度来看,虚拟服装拥有着属于它的未来。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

金宝趣谈

[0:0ms0-8:573ms