本文筆者將與大家一同來看看Stitch Fix這家靠著“訂閱箱”給會(huì)員寄送服裝的電商，到底是如何應(yīng)用數(shù)據(jù)為每個(gè)用戶提供個(gè)性化服務(wù)，進(jìn)而在這個(gè)市場(chǎng)中屹立潮頭的。

Stitch Fix：用大數(shù)據(jù)、AI重新定義電商、時(shí)尚的奧秘

6月12日凌晨，互聯(lián)網(wǎng)女皇Mary Meeker如期發(fā)布《2019年互聯(lián)網(wǎng)趨勢(shì)報(bào)告》，在報(bào)告的第35頁(yè)，她公開點(diǎn)贊了服裝訂閱電商Stitch Fix。我們不妨來看看這家靠著“訂閱箱”給會(huì)員寄送服裝的電商，到底如何應(yīng)用數(shù)據(jù)為每個(gè)用戶提供個(gè)性化服務(wù)，進(jìn)而在這個(gè)市場(chǎng)中屹立潮頭的。

Stitch Fix是個(gè)啥

坐擁300萬(wàn)活躍用戶，Stitch Fix是個(gè)“線上個(gè)人造型服務(wù)商（Online Personal Styling Service）”，用戶復(fù)購(gòu)率86%，市值近30億美元。

其用戶的購(gòu)買流程也非常簡(jiǎn)單：

1. 客戶填寫一份調(diào)查表，內(nèi)容包括他們的體型、偏好款式、價(jià)格范圍和其他個(gè)人信息等；
2. 基于上述數(shù)據(jù)收到一批親手挑選的衣服，進(jìn)行試穿；
3. 客戶將自己喜歡的衣服留下，付款，同時(shí)將沒有選中的衣服免費(fèi)退回；
4. 隨著時(shí)間的推移，新一批的服裝變得越來越個(gè)性化。

從公司本身來說，這個(gè)過程就比較復(fù)雜了，因?yàn)樗婕暗饺撕蜋C(jī)器兩端共同對(duì)數(shù)據(jù)進(jìn)行處理和挖掘，以確定每次的訂閱盒子中的商品都是最適合客戶本身需求的。

個(gè)性化已經(jīng)成為Stitch Fix的核心競(jìng)爭(zhēng)力，其CEO、創(chuàng)始人Katrina Lake曾表示：“我們并不是將數(shù)據(jù)科學(xué)融入我們的文化，因?yàn)樗旧砭褪俏覀兊奈幕薄?/p>

Stitch Fix如何使用數(shù)據(jù)

如果沒有技術(shù)，Stitch Fix根本不可能存在。

個(gè)人造型服務(wù)通常都是從收集客戶信息開始，用戶注冊(cè)后填寫的調(diào)查問卷本身就為企業(yè)提供了最原始的真實(shí)信息。而隨著用戶每一次購(gòu)買（留下商品）和退貨，Stitch Fix就可以通過數(shù)據(jù)更好地了解個(gè)體用戶的偏好和風(fēng)格。

Stitch Fix的系統(tǒng)并不僅僅根據(jù)表象數(shù)據(jù)為用戶進(jìn)行推薦，與此相反，得益于其數(shù)據(jù)團(tuán)隊(duì)創(chuàng)建的幾十種算法，機(jī)器學(xué)習(xí)本身就可以挖掘出用戶“更真實(shí)的”需求。

系統(tǒng)通過個(gè)體數(shù)據(jù)——這些數(shù)據(jù)來自于用戶和系統(tǒng)的第一手交互、反饋，以及第三方交互（例如：在Pinterest平臺(tái)上的點(diǎn)贊）——來將用戶和不同的服裝進(jìn)行匹配，形成一個(gè)“匹配得分（Match Score）”。

這種匹配得分會(huì)充分考慮各類可用信息，但是除了這些數(shù)據(jù)以外，服裝本身的描述、介紹也十分精細(xì)，這樣系統(tǒng)就可以根據(jù)各類因素——包括風(fēng)格、顏色、圖案，以及它們和尺寸、合體性等進(jìn)行評(píng)分。

系統(tǒng)中，這些信息并不被視為單獨(dú)的事實(shí)，而是被視為整體的一部分。最終，就會(huì)生成每個(gè)消費(fèi)者獨(dú)有的、具體的想法，以及對(duì)他們可能正在搜索什么樣的商品進(jìn)行預(yù)測(cè)。

Stitch Fix的首席算法官Eric Colson曾提到：“我們正在結(jié)合老元素，以創(chuàng)造一些新東西。比如，我們從第一件衣服上剪下一個(gè)輪廓，從第二件衣服上剪下一個(gè)袖子，再?gòu)牡谌路霞粝乱粋€(gè)領(lǐng)子，從第四件衣服上剪下一個(gè)圖案。最后將它們重新組合，創(chuàng)造出從未存在過的東西?！?/p>

這一切都不是隨機(jī)的。

設(shè)計(jì)一款新時(shí)尚產(chǎn)品完全基于數(shù)據(jù)。創(chuàng)始人Katrina Lake說：“很多40多歲的女性用戶都想要有帽袖的上衣，但是我們的庫(kù)存中沒有這個(gè)款式。一年后，我們就有了29種完全由電腦設(shè)計(jì)的服裝，它們滿足了客戶們一些獨(dú)特、具體的訴求?！?/p>

Stitch Fix開發(fā)了一種算法，可以預(yù)測(cè)個(gè)體用戶對(duì)一件不存在物品的滿意程度，這意味著Stitch Fix并不需要生產(chǎn)，就可以對(duì)商品進(jìn)行分析，預(yù)測(cè)它是否可能得到用戶的喜歡。

自動(dòng)化與數(shù)據(jù)的其他應(yīng)用

Stitch Fix的團(tuán)隊(duì)還會(huì)在很多地方使用數(shù)據(jù)和機(jī)器學(xué)習(xí)，例如：確定到底哪個(gè)造型師適合哪個(gè)用戶？

類似地，這個(gè)過程還可以用來確認(rèn)最佳的訂單發(fā)貨地點(diǎn)：

最后，Stitch Fix的數(shù)據(jù)團(tuán)隊(duì)還會(huì)通過算法來保證庫(kù)存量，并對(duì)未來的需求量進(jìn)行預(yù)測(cè)。

算法中“人性”的一面

當(dāng)然，盡管Stitch Fix十分倚仗數(shù)據(jù)，但是其數(shù)據(jù)科學(xué)家們一直致力于創(chuàng)新、改進(jìn)既有算法。

創(chuàng)始人說：“我們開發(fā)了幾十種算法，這些并不是誰(shuí)要求團(tuán)隊(duì)做的，而是因?yàn)槲覀冊(cè)试S數(shù)據(jù)團(tuán)隊(duì)創(chuàng)建新的解決方案，并測(cè)試這些算法是否有潛力?！?/p>

同樣，Stitch Fix的造型師團(tuán)隊(duì)也如此。

盡管算法負(fù)責(zé)最初的產(chǎn)品推薦（基于上文提到的“匹配得分”），但是每一個(gè)訂閱箱中的商品都是一位造型師實(shí)實(shí)在在挑選出來的。在商品選擇環(huán)節(jié)，造型師一方面會(huì)使用數(shù)據(jù)，同時(shí)也會(huì)參考他們對(duì)用戶個(gè)體的了解。這樣，造型師就可以根據(jù)系統(tǒng)建議進(jìn)行微調(diào)，進(jìn)而為用戶提供更好的產(chǎn)品組合。

一位造型師表示：“我們可以做出創(chuàng)造力十足的決定，基于用戶的身材和生活方式而選擇服裝。”

同時(shí)，造型師還可以收集電腦無(wú)法處理、收集的信息，特別是那些用戶突然談及的、定性的評(píng)論或者建議。

作者：王子威，平臺(tái)創(chuàng)始人王子威，獨(dú)立零售分析師《零售威觀察》以全球視角，關(guān)注于零售、流通及相關(guān)行業(yè)的發(fā)展和變化，為國(guó)內(nèi)“新零售”發(fā)展提供一手的全球創(chuàng)新案例分享、企業(yè)戰(zhàn)略分析和前瞻性觀點(diǎn)。