Duże platformy e-commerce, takie jak Tmall, dostarczają markom ogromnych zbiorów danych o popularności składników, potrzebach konsumentów i wzorcach zakupowych. Informacje te są następnie wykorzystywane do modyfikowania istniejących produktów i planowania kolejnych premier .
Największe oszczędności czasu widać w badaniach i rozwoju. Przed ubiegłorocznym chińskim festiwalem zakupowym z okazji Dnia Singla firma Yatsen Holding wprowadziła serum zawierające PDRN — popularny składnik stosowany w kosmetykach regeneracyjnych. Z pomocą AI naukowcy ograniczyli listę ponad 50 potencjalnych składników do zaledwie trzech w ciągu jednego tygodnia. Cały cykl opracowywania produktu, który zwykle trwa ponad dwa lata, skrócono do sześciu miesięcy .
To nie jest odosobniony przypadek. Wirtualne testowanie składników i receptur pozwala zespołom badawczo-rozwojowym przeszukiwać rozległe biblioteki surowców oraz szybciej wskazywać obiecujące kombinacje. Według chińskich źródeł droga nowego produktu od koncepcji do sklepowej półki może dzięki temu trwać około 15 miesięcy .
Krajowe marki współpracują także z firmami biotechnologicznymi i laboratoriami AI nad własnymi systemami, które mają przewidywać skuteczność i bezpieczeństwo nowych związków jeszcze przed rozpoczęciem testów laboratoryjnych . Proya, jedna z szybko rosnących chińskich firm kosmetycznych, inwestuje w platformy analizujące opinie internetowe, rozmowy o składnikach i informacje zwrotne od klientów na platformach e-commerce. Dane te pomagają wyznaczać kierunek rozwoju produktów .
AI trafia również na hale produkcyjne. Florasis prowadzi w Hangzhou tak zwaną inteligentną fabrykę, w której połączono robotykę, produkcję wspieraną laserowo oraz kontrolę jakości wykorzystującą sztuczną inteligencję. Celem jest większa precyzja i ograniczenie liczby wadliwych produktów .
Analityka predykcyjna pomaga ponadto dostosowywać wielkość produkcji i zakupy składników do przewidywanych zmian popytu. Dzięki temu firmy mogą ograniczyć nadwyżki oraz ilość odpadów .
Sztuczna inteligencja zmienia także sposób, w jaki klienci wybierają kosmetyki. Narzędzia do wirtualnego makijażu są udoskonalane pod kątem różnych odcieni skóry i stylów makijażu. Z kolei doradcy pielęgnacyjni AI łączą analizę twarzy z lokalnymi warunkami klimatycznymi — między innymi sezonowym poziomem zanieczyszczeń i wilgotnością — aby proponować rutyny pielęgnacyjne .
Podczas transmisji sprzedażowych na żywo systemy rekomendacyjne analizują komentarze widzów i ich zachowania zakupowe w czasie rzeczywistym. Na tej podstawie mogą modyfikować sposób prezentowania produktów i dobierać propozycje dla odbiorców .
Krajowe marki odpowiadają obecnie za 57 proc. sprzedaży kosmetyków w Chinach, choć w segmencie premium nadal ustępują zagranicznym konkurentom . Jak zauważył jeden z obserwatorów branży: „Zachodnie marki mają większą moc obliczeniową AI w odkrywaniu i walidacji, a chińskie marki są szybsze w przejściu od laboratorium do półki” .
Wdrożenia AI nie przebiegają wszędzie w tym samym tempie. Barierami pozostają koszty, dostęp do specjalistów i różnice w możliwościach poszczególnych firm. Kierunek zmian jest jednak wyraźny: chiński rynek kosmetyczny odchodzi od modelu opartego głównie na marketingu i kanałach sprzedaży, przesuwając się w stronę precyzyjnych innowacji napędzanych technologią .