Беспрецедентная конкуренция и возникающие технологии стали проблемой для многих традиционных розничных продавцов в последние годы. Тем не менее, в этой конкурентной среде появляющиеся инновационные бизнес-модели процветали и успешно разрушили отрасль. Мы анализируем природу подрывных инноваций в бизнес-моделях и то, как они разрушают индустрию розничной торговли модной одеждой. С этой целью мы исследуем три революционных фактора в отрасли: рожденные цифровыми брендами, прогнозирование спроса и разработку продуктов с помощью ИИ, а также совместное потребление. Мы обнаружили, что все эти модели четко отвечают фундаментальным потребностям, не удовлетворяемым текущими бизнес-моделями, таким как предложение качественных продуктов по конкурентоспособной цене, тщательно подобранные услуги и устойчивое потребление. В то же время все три разрушителя предлагают эффективные операционные модели для управления неопределенностью спроса, управления запасами и своевременного реагирования на рынок, все из которых являются неотъемлемыми проблемами для текущих цепочек поставок и основанных на прогнозах систем, основанных на запасах.
Ключевые слова: ритейл, подрывные инновации, бизнес-модель, ритейл в индустрии моды, управление запасами, прогнозирование спроса, модная промышленность, модный ритейл.
Многие традиционные розничные компании используют основанную на прогнозах и ориентированную на товарные запасы систему толкающих цепочек поставок. Такой подход часто приводит к огромным расхождениям между прогнозируемым и фактическим потребительским спросом, что может привести к большим уценкам и избыточным товарным запасам, которые подрывают прибыль ритейлеров.
Коэффициент уценки относительно высок для розничных продавцов одежды, которым присуща неопределенность спроса из-за сезонных и модных изменений, а также факторов размера и личных предпочтений. По оценкам исследования, проведенного компанией Bain & Co., средний коэффициент уценки в отрасли составляет около 50 %, а средняя вынужденная уценка в конце сезона составляет 10 %-25 %.
Как показывают многие недавние случаи закрытия и банкротства магазинов, бизнес-модели таких традиционных ритейлеров кажутся неустойчивыми. Только в 2017 году более 300 ритейлеров подали заявление о банкротстве, что на 31 % больше, чем в 2016 году, и около 9450 магазинов закрылись, что на 53 % больше, чем в 2008 году. В отличие от этого, новые инновационные бизнес-модели процветают в той же конкурентной среде, разрушая отрасль [12, с. 143].
Ключом к инновациям любой успешной бизнес-модели является фокус на том, как компания генерирует стоимость и как она получает часть этой стоимости в виде прибыли. Поэтому важно понять, каким образом новые компании разрабатывают успешные модели создания и захвата стоимости.
Проведя обширный обзор литературы по данной теме, мы выделили следующие три разрушителя сектора розничной торговли модной одеждой:
– стартапы, основанные на цифровых технологиях;
– прогнозирование спроса и проектирование продуктов с помощью искусственного интеллекта;
– совместное потребление [12, с. 144].
Эти бизнес-модели разрушают отрасль путем переопределения того, чем является существующий продукт или услуга и как они предоставляются покупателю, а не путем открытия новых продуктов или услуг.
При этом, использование цифровых технологий и элементов четвертой промышленной революции является необходимым, но недостаточным условием для разработки успешных бизнес-моделей.
Ключевым моментом является то, насколько эффективно каждая модель удовлетворяет неудовлетворенные потребности потребителей и справляется с неопределенностью спроса.
Согласно Кристенсену, который ввел термин «разрушительная инновация» и популяризировал эту теорию, разрушители успешно работают с упущенными сегментами, предлагая «достаточно хорошие» продукты с характеристиками, более подходящими для этих рынков, и, как правило, по более низким ценам [10, с. 47].
Поскольку их охват изначально не распространяется на основных потребителей, у ведущих компаний — «лидеров» нет стимулов реагировать на них. По мере того, как «разрушители» начинают захватывать значительную долю рынка, ведущие компании начинают считать их угрожающими и реагировать на них.
В конце концов, «разрушители» проникают на основной рынок, модернизируя свою продукцию для удовлетворения потребностей основных потребителей, сохраняя при этом конкурентные преимущества, которые способствовали их раннему успеху [10, с. 49].
Хорошим примером является появление загружаемых цифровых носителей в 1990-х годах. Изначально этот низкоуровневый метод разрушения опирался на технологию совместного использования файлов, но позже он полностью нарушил продажи физических дорогостоящих компакт-дисков. По сути, теория разрушительных инноваций описывает, как компании могут потерпеть неудачу, если они игнорируют восходящее вторжение разрушительного продукта или услуги, которые предлагают альтернативные преимущества.
Первоначальная теория Кристенсена о подрыве была сформулирована в контексте технологических инноваций, но позже ее рамки расширились и стали включать инновации продуктов и бизнес-моделей. Позже Кристенсен, Рейнор и Макдональд использовали iPhone и Netflix в качестве примеров подрывных инноваций и объяснили, что успех Apple стал возможен не только благодаря усовершенствованию продукта, но и благодаря новым бизнес-моделям: «Создав облегченную сеть, соединяющую разработчиков приложений с пользователями телефонов, Apple изменила игру» [6, с. 34].
Существуют различные типы подрывных инноваций: подрывные технологические инновации, подрывные инновации бизнес-моделей и подрывные инновации продуктов, и все они принципиально отличаются друг от друга.
Инновации бизнес-модели отличаются от других типов инноваций тем, что они создают ценность путем внесения изменений в ценностные предложения организации и в ее базовую операционную модель. Ценностное предложение конкретно определяет, что и кому предлагает компания [6, с. 36].
Далее мы определим, как три деструктора создают ценность для своих клиентов и устанавливают новые нормы для розничной торговли, особенно в работе с неопределенностью спроса.
- Стартапы, основанные на цифровых технологиях.
Все большее число стартапов рождаются в цифровом формате, продавая товары напрямую потребителям без посредников. Без посредников эти бренды могут снижать издержки и предлагать высококачественную продукцию по более доступным ценам, чем традиционная розничная торговля. Примерами цифровых стартапов в индустрии моды являются Bonobos, розничный продавец мужской одежды, и Warby Parker, розничный продавец очков.
Компания Bonobos, основанная в 2007 году двумя выпускниками Стэнфордского университета, превратилась в один из крупнейших брендов мужской одежды в США. Компания сотрудничает с Nordstrom для продажи своей одежды как в оффлайне, так и в онлайне, а в 2017 году она была приобретена Walmart [4, с. 140].
Компания Bobonos начала свою деятельность в Интернете, но позже добавила офлайн-магазины под названием Guideshops, которые, по сути, являются демонстрационными залами. Вместо того, чтобы продавать товары, магазины Guideshops предоставляют клиентам индивидуальные бесплатные услуги по подбору одежды, например, поиск подходящих фасонов и размеров среди 280 вариантов брюк, 230 вариантов повседневных рубашек и 200 вариантов парадных рубашек.
Как только клиент принимает решение о покупке, сотрудники Bonobos размещают заказ в Интернете, поскольку бренд не хранит товарные запасы в своих физических магазинах. Потребители производят оплату в магазине, но им приходится ждать несколько дней, пока их заказы будут доставлены домой, как если бы они совершали покупки через Интернет.
Компания Warby Parker была основана как онлайн-бизнес в 2010 году командой из Программы венчурного инициирования Уортонской школы Университета Пенсильвании [4, с. 142].
С тех пор компания Warby Parker разрушила рынок очков стоимостью 28 миллиардов долларов, на котором долгое время доминировала компания Luxottica. Расположенная в Милане, компания Luxottica не только производит такие бренды очков, как Ray-Ban, Oakley и Oliver, но и продает очки в 150 странах через розничную сеть из 9100 магазинов. Компания также производит продукцию для многих люксовых брендов, таких как Versace, Prada, Burberry и Chanel. Отсутствие конкуренции цена на очки неизменно и неоправданно высока: одни только оправы стоят в среднем $230.
Один из основателей компании Warby Parker однажды несколько месяцев обходился без очков, потому что был шокирован стоимостью замены потерянной пары. Компания Warby Parker бросила вызов статус-кво — высокой стоимости очков — предложив стильные и высококачественные рецептурные очки и солнцезащитные очки по цене от 95 до 145 долларов [4, с. 143].
Компания может предлагать качественную продукцию по гораздо более низкой цене благодаря тому, что она сама разрабатывает очки и продает их напрямую клиентам через Интернет. По данным на сентябрь 2018 года, ежегодный объем продаж компании составляет 250 миллионов долларов, а ее стоимость оценивается в 1,75 миллиарда долларов.
Одним из основных препятствий для продажи очков через Интернет является невозможность клиентов примерить оправу, чтобы решить эту проблему, компания высылает пять пар очков, которые покупатели могут бесплатно примерить в течение недели.
Таким образом, Warby Parker эффективно сочетает удобство покупок в Интернете и преимущества покупок в офлайне, поскольку покупатели могут примерить товар, не неся дополнительных расходов, таких как оплата обратной доставки. Как и Bonobos, Warby Parker позже открыла офлайн-магазины. По состоянию на сентябрь 2018 года Warby Parker имеет более 80 магазинов в США и Канаде. Как и Bonobos, Warby Parker не хранит товарные запасы для продажи в офлайн-магазинах, покупатели примеряют различные пары очков и получают помощь в выборе стиля в офлайн-магазинах, а их заказы доставляются на дом, как и онлайн-заказы [4, с. 144].
Рожденные цифровые стартапы Bonobos и Warby Parker нарушают индустрию розничной торговли модной одеждой, предлагая новые ценностные предложения, на которых не акцентируют внимание устоявшиеся конкуренты: они предлагают качественные товары по более низким ценам, бесплатные услуги стилиста в магазине, большее разнообразие стилей и бесплатные пробные покупки на дому и в своих офлайн-магазинах.
Их операционная модель также является инновационной, поскольку оба оффлайн-магазина работают как демонстрационные залы для своей продукции. Эта концепция шоу-рума эффективно решает проблемы, связанные с управлением запасами и неопределенностью спроса.
- Прогнозирование спроса и проектирование продукции с помощью ИИ.
Когда потребительский спрос постоянно меняется, как это происходит в индустрии моды, для точного прогнозирования спроса компании должны проводить прогнозирование спроса ближе к моменту продажи, но в условиях толкающей цепочки поставок традиционные розничные продавцы модной одежды обычно заканчивают разработку и производство намного раньше сезона, поэтому прогноз часто значительно отклоняется от фактического спроса. Чтобы свести к минимуму избыточные запасы или упущенные продажи, возникающие в результате неточного прогнозирования, многие модные ритейлеры ищут способы сократить время выполнения заказа: одним из перспективных решений является использование искусственного интеллекта (ИИ) в прогнозировании спроса и дизайне продукции, как это делают Stitch Fix и Amazon [2, с. 95].
Основанная в 2011 году компания Stitch Fix — это онлайн-сервис подписки и индивидуального подбора одежды. После того, как клиенты сообщают свои предпочтения по размеру, стилю и цене, Stitch Fix высылает им пять вещей, состоящих из товаров существующих брендов, а также товаров собственных марок. Если клиент решает оставить все пять вещей, он получает скидку 25 % от общей стоимости вещей.
Для обеспечения точности данные собираются из различных источников, помимо профилей предпочтений, компания также изучает фотографические и текстовые данные, такие как доски Pinterest, связанные с профилями клиентов, а также письменные отзывы и пожелания. Для постоянных клиентов история покупок и отзывы о подходящих товарах также учитываются в процессе кураторства [2, с. 96].
Аналитика данных определяет и другие аспекты деятельности компании: с помощью более 85 специалистов по анализу данных алгоритмы управляют логистикой, управлением запасами и закупками, оценкой спроса и даже дизайном продукции. В рамках прогнозирования спроса компания пытается определить, на каком этапе покупательского цикла находятся клиенты, учитывая конкретные обстоятельства каждого покупателя.
Сначала Stitch Fix создает хранилище данных, отслеживая каждую точку соприкосновения с клиентами, например, каждый отправленный товар, каждый отзыв и каждое обращение. Затем компания извлекает из этих данных информацию, например, о том, произошли ли какие-либо изменения в состоянии клиента, и адаптирует общение и услуги к потребностям каждого клиента в данный конкретный момент, что позволяет минимизировать ошибки в прогнозировании спроса и способствует повышению удовлетворенности и удержанию клиентов [2, с. 97].
Компания Amazon инвестирует в прогнозирование спроса и разработку продуктов с использованием искусственного интеллекта. В 2017 году она вложила средства в получение патента на автоматизированную фабрику по производству одежды по требованию, предназначенную для изготовления одежды на заказ сразу после того, как клиенты сделают заказ.
Весь процесс производства одежды — от печати текстиля и раскроя лекал до пошива — автоматизирован с минимальным контролем со стороны человека. Камеры следят за процессом раскроя, а роботизированная рука помещает все детали на конвейерную ленту, ведущую к швейной станции, где другая машина сшивает детали вместе. Затем готовые изделия проходят проверку на станции контроля качества, после чего упаковываются и отправляются покупателям [2, с. 97].
Кроме того, Amazon инвестирует в алгоритмы машинного обучения, которые могут оценивать, насколько модным является тот или иной наряд, и создавать новые модели на основе текущих тенденций. Даже при использовании современных технологий глубокого обучения для оценки того, насколько стильным является тот или иной предмет, требуется большой объем данных с метками и отзывы людей об эстетике модных вещей.
Исследователи Amazon нашли способ решить эту задачу с помощью относительно небольшого подмножества меток и разработали алгоритм, который может учиться на изображениях модных вещей и впоследствии генерировать похожие, но новые стили.
Благодаря недавним инвестициям в искусственный интеллект и фабрики по производству одежды по требованию в сочетании с собственными брендами, Amazon может действительно преобразовать индустрию моды с точки зрения дизайна, производства и розничной торговли. Ожидается, что к концу 2021 года объем продаж Amazon в категории модной одежды вырастет до 62 млрд долларов [1, с. 349].
Как показано выше на примере Stitch Fix и Amazon, ИИ позволяет модным компаниям предлагать потребителям уникальные ценностные предложения, которые были практически недоступны для компаний-субститутов: высоко персонализированные услуги по созданию стиля и точный дизайн продукции, более точно соответствующий запросам потребителей [2, с. 98].
Используя ИИ, Stitch Fix не только предлагает услуги по созданию индивидуального стиля, соответствующего вкусам и предпочтениям потребителей, но и создает новые продукты, комбинируя атрибуты дизайна существующих стилей на основе отзывов потребителей. Алгоритм оценивает, насколько данный набор атрибутов может удовлетворить целевых потребителей, а затем создает наборы атрибутов с наибольшей вероятностью стать бестселлерами.
Операционная модель, используемая Stitch Fix, не требует ни разработки новой коллекции для каждого сезона для неизвестных покупателей, ни необходимости ликвидации непроданных запасов после каждого сезона, что, естественно, снижает основные проблемы управления запасами в традиционной модели бизнеса одежды. Кроме того, создавая собственные стили, которые наилучшим образом соответствуют самым современным предпочтениям потребителей, Stitch Fix может свести к минимуму возвраты, добиться более высоких продаж и еще больше сократить ошибки в прогнозировании спроса, что способствует росту прибыли [1, с. 355].
В свою очередь, фабрика Amazon по производству одежды по требованию может полностью устранить необходимость в управлении запасами, поскольку продукция производится только после оформления заказа. В сочетании с вышеупомянутым алгоритмом фабрика одежды по требованию может существенно снизить неопределенность спроса, поскольку анализ текущих тенденций, дизайна и производства в режиме реального времени сделает ненужным прогнозирование спроса в преддверии сезона.
- Совместное потребление.
Последний подрывной фактор, который мы обсудим, — это совместное потребление, которое представляет собой способ потребления, характеризующийся «традиционным обменом, бартером, кредитованием, торговлей, арендой, дарением и обменом» через цифровой носитель.
У Rent the Runway 6 миллионов клиентов и 100 миллионов долларов дохода, а рынок перепродажи одежды в оффлайне и онлайне, составлявший в 2017 году 18 миллиардов долларов, к концу 2021 году вырастет до 33 миллиардов долларов [5, с. 89].
В индустрии моды существует два способа обмена одеждой: один позволяет получить доступ к собственности через аренду и кредитование товарной продукции на краткосрочной основе или по подписке (т. е. платформы услуг по аренде), другой передает право собственности через обмен, дарение и покупку подержанных товаров.
Платформы услуг проката предоставляют товары во временное пользование на определенный срок (от нескольких дней до нескольких месяцев, в зависимости от категории товара) или на основе ежемесячной подписки [5, с. 90].
Например, Rent the Runway предлагает три различных варианта аренды: клиенты могут платить за аренду одежды, подписаться на ежемесячную услугу, предлагающую до четырех прокатов, или подписаться на неограниченный прокат.
Платформа аренды-услуги привлекает клиентов, поскольку позволяет им получить доступ к вещам, которые они иначе не могли бы себе позволить. В разных странах появилось множество платформ, предоставляющих услуги проката.
Некоторые из них специализируются на специальных категориях, таких как одежда plus-size, одежда для беременных или предметы роскоши. Некоторые из них предлагают высокий уровень персонализации, обеспечиваемый алгоритмами больших данных. Например, Le Tote подбирает товары для клиентов на основе истории заказов, предпочтений покупателей, прогнозов погоды и различий в размерах между брендами.
Одноранговые платформы можно разделить на две группы: товары продавцов и товары компаний. Первые предоставляют платформы для продавцов, в основном потребителей, которые предлагают свои подержанные товары. Tradesy и Poshmark относятся к этой категории [5, с. 91].
Во втором случае компании осуществляют фактический мерчандайзинг, действуя как консигнационные платформы: компании устанавливают цену, размещают фотографии, товары, а затем проводят сделки от имени продавцов.
Мы прогнозируем, что растущая популярность совместного потребления может нарушить работу отрасли, поскольку она продвигает некогда пограничную модель потребления в мейнстрим.
Ценностное предложение бизнес-модели совместного потребления заключается в том, что она предлагает потребителям разнообразные товары по более низким ценам с гибкими и устойчивыми вариантами (т. е. аренда, обмен или покупка подержанных вещей), чего не делают многие действующие розничные продавцы одежды [5, с. 92].
С точки зрения операционной модели, совместное потребление может прибыльно реализовывать свои ценностные предложения, потому что большинство компаний не владеют товарами, поэтому у них нет избыточных запасов и, следовательно, нет необходимости в управлении запасами.
Для компаний, работающих в сфере проката, избыточные запасы все же являются меньшей проблемой, поскольку они ограничивают объем запасов, которые они получают для каждого стиля в первую очередь. Им не нужно избавляться от вещей прошлых сезонов, как это делают модные дома, потому что их цель — предложить потребителям широкий выбор стилей, а не предлагать новые вещи каждый сезон. У них также есть удобный способ сократить товарные запасы, продавая продукцию по сниженным ценам.
Мы проанализировали три области инновационных бизнес-моделей в сфере розничной торговли одеждой: цифровые стартапы, основанные на рождении, прогнозирование спроса и дизайн продукции с помощью искусственного интеллекта и совместное потребление [5, с. 93].
Каждый «разрушитель» обладает большим потенциалом влияния на ключевых игроков отрасли, бросая вызов давно устоявшимся представлениям о существующих бизнес-моделях с помощью своих специфических моделей создания ценности и захвата стоимости.
Рассмотренные нами компании создают ценности для своих потребителей и обеспечивают их прибыльность способами, значительно отличающимися от традиционной розничной торговли. Все они остро реагируют на растущие потребности потребителей, которые остаются неудовлетворенными в рамках преобладающих бизнес-моделей, предлагая качественные товары по конкурентоспособным ценам, услуги в стиле «один на один» и устойчивое потребление — все это важные тенденции, которым уделяется большое внимание как в СМИ, так и в академических кругах [5, с. 93].
В то же время все три примера демонстрируют эффективные операционные модели для решения следующих проблем, присущих существующей системе «толкающей» цепочки поставок и прогнозирования, основанной на запасах:
– прогнозирование спроса;
– контроль запасов;
– своевременное реагирование на рынок.
Для начинающих цифровых компаний работа оффлайн-магазинов в качестве демонстрационных залов требует минимальных запасов, чтобы покупатели могли видеть доступные стили и размеры, поэтому управление запасами и непроданные товары являются меньшей проблемой.
ИИ повышает точность прогнозирования спроса, тем самым сводя к минимуму избыточные запасы.
Бизнес-модели аренды, консигнации и платформы совместного потребления практически не требуют прогнозирования спроса и влекут за собой минимальный или нулевой риск избыточных запасов [8, с. 24].
Мы полагаем, что есть три способа, которыми традиционный ритейлер может ответить на действия подрывных компаний.
Первый вариант — не перенимать инновацию, а инвестировать в свой существующий бизнес, чтобы усилить свое основное конкурентное преимущество. Для этого необходимо провести тщательный анализ того, не оттягивает ли новая инновация их клиентскую базу.
Например, когда появились и набрали популярность такие варианты онлайн-инвестирования, как E-Trade, компания Edward Jones обнаружила, что ее клиенты отличаются от тех, кто пользуется E-Trade, и поэтому инвестировала больше средств в открытие новых филиалов по всей стране, чтобы обеспечить больший доступ к личному обслуживанию. Но если три рассмотренных нами разрушителя отбирают основных клиентов у традиционных розничных продавцов одежды, то решение не перенимать их инновации было бы рискованным.
Второй вариант для традиционного ритейлера — отказаться от существующих методов ведения бизнеса и принять инновацию с целью ее масштабирования для захвата растущего рынка, если у него есть активы и компетенции для этого [9, с. 47].
В-третьих, действующее предприятие может внедрить инновацию, сохранив при этом свой существующий бизнес, что является наиболее популярным вариантом. Инновации в бизнес-модели требуют создания бизнес-структуры, которая часто несовместима со старым способом ведения бизнеса [13, с. 265].
Выбирая из трех вышеперечисленных возможных вариантов реагирования на подрывные факторы, компания должна сначала оценить свою способность и мотивацию к реагированию.
В целом, учитывая, что среда розничной торговли радикально меняется, ритейлерам необходимо постоянно отслеживать, не принимают ли они слепо на веру предположения о текущих бизнес-моделях и могут ли инновации в бизнес-моделях действительно решить и использовать неиспользованные рыночные возможности. При этом традиционные розничные продавцы одежды должны сравнивать инновационные бизнес-модели со своими собственными, чтобы определить пути дальнейшего дифференцирования себя или способы имитации или принятия новых практик в той степени, в которой это позволяют активы и мотивации розничных продавцов.
Литература:
- Giri C., Thomassey S., Zeng X. Customer analytics in fashion retail industry // Functional Textiles and Clothing. — Springer, Singapore, 2019. — С. 349–361.
- Hwangbo H., Kim Y. S., Cha K. J. Recommendation system development for fashion retail e-commerce //Electronic Commerce Research and Applications. — 2018. — Т. 28. — С. 94–101.
- Jin B. E., Shin D. C. Changing the game to compete: Innovations in the fashion retail industry from the disruptive business model // Business Horizons. — 2020. — Т. 63. — №. 3. — С. 301–311.
- Martino G. et al. Supply chain risk assessment in the fashion retail industry: An analytic network process approach //Int. J. Appl. Eng. Res. — 2017. — Т. 12. — С. 140–154.
- Silva E. S., Hassani H., Madsen D. Ø. Big Data in fashion: transforming the retail sector // Journal of Business Strategy. — 2019. — C. 89–93.
- Wen X., Choi T. M., Chung S. H. Fashion retail supply chain management: A review of operational models //International Journal of Production Economics. — 2019. — Т. 207. — С. 34–55.
- Алексеева Е. А. Пути развития модной индустрии на фоне пандемии // Экономика и предпринимательство. — 2020. — №. 8. — С. 628–631.
- Бажанова Т. В., Пищинская О. В. Инструменты онлайн-маркетинга в индустрии моды // Инновации и современные технологии в индустрии моды. — 2020. — С. 24–27.
- Ваниева О. В. и др. Актуальные вопросы освоения терминологического фонда в российской индустрии моды // Инновации и современные технологии в индустрии моды. — 2020. — С. 47–50.
- Ваниева О. В. и др. Актуальные вопросы освоения терминологического фонда в российской индустрии моды // Инновации и современные технологии в индустрии моды. — 2020. — С. 47–50.
- Горшкодер А. В. Развитие инноваций в индустрии моды и fashion-ритейле // Инновационные технологии в сфере сервиса и дизайна. — 2015. — С. 37–40.
- Кузнецова И. А., Подоба З. С. Мировые тенденции онлайн-продаж в сегменте модной индустрии // Цифровая экономика, умные инновации и технологии. — 2021. — С. 143–145.
- Прокудина Д. Стратегии коммуникации и ритейла компаний индустрии моды на современном этапе развития информационных технологий // Sromebis krebuli. — 2015. — С. 265–267.
- Седых И. А. Индустрия моды // М.: НИУ ВШЭ. — 2019.
- Шальмиева Д. Б. и др. Перспективы и проблемы развития модной индустрии в России // Дизайн, технологии и инновации в текстильной и легкой промышленности (ИННОВАЦИИ-2018). — 2018. — С. 273–276.
