J'ai exploité un algorithme de Machine Learning construit par des PhD pour résoudre le problème de surproduction dans la mode, permettant à 10 clients leaders du luxe et de la mode (comme Dior, Louis Vuitton, Nike, Adidas, Uniqlo, etc.) de prédire 800 tendances avec une précision de 97 %, générant 400 000 € d'ARR.

Première et seule Product Manager de l'entreprise, j'ai réalisé les étapes suivantes :

• Discovery : comprendre les besoins de nos utilisateurs en profondeur, via plus de 50 interviews avec des professionnels du secteur

• Définition des métriques : le travail essentiel consistait à leverage les données obtenues par l'algorithme pour qu'elles fassent sens pour nos clients et soient directement actionnables par leurs équipes. Plusieurs métriques ont été designées spécialement pour le projet : notion de "magnitude" d'une tendance, labels pour les tendances "earlybird, safe bet, bold bet, steady", présentation des courbes de tendances et choix des patterns, signification des points d'inflexion, vitesse de propagation, granularité des tendances (couleurs, prints, textures, formes, mais aussi macro trends comme quiet luxury, ou items précis comme les gants, etc.) etc.

• Testing et boucles d'itérations rapides : ces métriques ont fait l'objet de tests successifs et d'itérations permanentes jusqu'à être parfaitement actionnables pour nos clients.

• Maquettage et prototypage : wireframes et validation des choix de design en collaboration avec un UI designer et un front-developper

• Stratégie produit : définition du MVP, V0, V1 et V2 et de la roadmap correspondante, en collaboration avec les équipes Machine Learning, Developpeurs, Sales, Marketing et Product Marketing.

• Suivi et implémentation : rédaction des specs techniques, suivi de l'implémentation avec les équipes techniques, testing et itérations, gestion des sprints et intermédiaire entre équipes techniques et business.

  Les utilisateurs finaux de la plateforme incluent les noms suivants :