Shavatar vend aujourd'hui sa technologie de conseil en taille à des marques de mode, pour qu'elles la mettent en œuvre sur leurs boutiques en ligne. Ce faisant, elle se concentre principalement sur le marché européen. Il compte environ 143 000 boutiques de mode en ligne, des plus petites aux plus grandes. Shavatar se concentre sur les "monomarques", c'est-à-dire les marques de mode elles-mêmes avec leurs propres boutiques en ligne (par opposition aux "détaillants multimarques", qui proposent plusieurs marques). En effet, les marques contrôlent leurs propres tailles et les informations qui s'y rapportent, ce qui offre davantage de possibilités de conseils précis en matière de taille et d'ajustement.

La valeur que la solution Shavatar offre à ces détaillants se situe dans quatre domaines :

- Une meilleure expérience client en ligne pour les consommateurs, ce qui peut encore accroître la fidélité à la marque.
- Une baisse des rendements de 15 à 30 %.
- Une augmentation de la conversion dans leur boutique en ligne (entre 5 et 15%)
- Des informations détaillées sur les formes corporelles typiques de leurs clients, qui sont prises en compte dans le processus de conception.

En outre, Shavatar voit également un potentiel pour sa technologie de confection avec les fournisseurs de vêtements de travail. Aujourd'hui, ils doivent organiser des séances d'essayage à forte intensité de main-d'œuvre et, par conséquent, coûteuses, afin de déterminer la bonne taille pour tous les employés d'une entreprise pour leur nouvelle tenue de travail. Le marché européen compte un grand nombre de fabricants de vêtements de travail, qui ont organisé leurs ventes par l'intermédiaire d'un très grand nombre de distributeurs.

Aujourd'hui, Shavatar a déjà établi un partenariat avec Texet - l'un des plus grands fabricants européens de vêtements d'entreprise - pour promouvoir la solution Shavatar auprès de ses 1 400 distributeurs. En utilisant la technologie Shavatar, les distributeurs peuvent simplifier considérablement le processus de commande des clients, ainsi que réaliser des économies. Ils ne doivent plus investir dans des séquences d'essayage des vêtements proposés, ni employer du personnel pour de longues séances d'essayage dans les locaux du client.

Aujourd'hui, quelques autres solutions existent sur le marché autour du conseil en taille de vêtements, en dehors de la technologie Shavatar :

- Tableaux des tailles et informations sur les produits : de nombreux sites de vêtements publient des tableaux des tailles de leurs vêtements sur leur boutique en ligne. Cependant, les consommateurs doivent ensuite chercher eux-mêmes dans les différents tableaux pour chaque vêtement afin de trouver la taille la plus appropriée. En outre, les sites web de vêtements fournissent des informations sur la taille du modèle présenté, mais étant donné les différentes dimensions d'un corps, il ne s'agit souvent que d'une indication de base insuffisante.

- Outils de recommandation de taille basés sur des références de marques et de clients : il s'agit d'outils de recommandation de taille qui collectent des informations sur les achats d'autres consommateurs, ainsi que des informations sur votre taille la plus courante avec certaines marques. Les exemples sont Fit Analytics ou Truefit. L'inconvénient de ces outils est qu'ils doivent être capables de collecter une énorme quantité de données avant de pouvoir générer une recommandation de taille solide. Ils sont donc moins adaptés aux marques de petite et moyenne taille. En outre, ces outils fonctionnent principalement pour les personnes ayant des dimensions corporelles relativement standard.

- Outils de conseil en matière de taille basés sur des méthodes d'autoscanner : certains outils de conseil en matière de taille demandent aux utilisateurs de prendre deux photos d'eux-mêmes ou de se scanner d'une manière ou d'une autre. Les exemples sont MySizeID ou Sizer. Pour travailler avec précision, les consommateurs doivent le faire en serrant les vêtements, ce qui s'avère être un gros obstacle pour de nombreux consommateurs. En outre, les conditions d'éclairage doivent également être bonnes pour que la marge d'erreur ne soit pas encore plus grande.

L'avantage de Shavatar par rapport à ces solutions existantes réside principalement dans le niveau de détail avec lequel il travaille, tant sur les dimensions du corps que sur celles des vêtements. Elle permet une grande précision avec un taux d'erreur plus faible, et offre également davantage de perspectives pour l'avenir (pensez, par exemple, à l'ajustement virtuel d'un vêtement à votre propre corps).

Si Shavatar transcende le segment de la mode en se transformant en une plateforme pour toute une série d'applications supplémentaires, elle pourra exploiter un marché beaucoup plus vaste. Toutes les parties qui peuvent utiliser les informations corporelles détaillées d'un client pour offrir un service ou un produit de valeur seront alors dans le collimateur pour établir des liens sur la plateforme Shavatar. Ainsi, Shavatar pense à des applications dans le monde du sport (essayage de vélos, programmes de fitness, etc.), mais aussi dans le Metaverse (pour des applications où le lien avec votre identité réelle reste important) et peut-être même dans le monde médical.