本文笔者将与大家一同来看看Stitch Fix这家靠着"订阅箱"给会员寄送服装的电商,到底是如何应用数据为每个用户提供个性化服务,进而在这个市场中屹立潮头的。 Stitch Fix:用大数据、AI重新定义电商、时尚的奥秘 6月12日凌晨,互联网女皇Mary Meeker如期发布《2019年互联网趋势报告》,在报告的第35页,她公开点赞了服装订阅电商Stitch Fix。我们不妨来看看这家靠着"订阅箱"给会员寄送服装的电商,到底如何应用数据为每个用户提供个性化服务,进而在这个市场中屹立潮头的。 Stitch Fix是个啥 坐拥300万活跃用户,Stitch Fix是个"线上个人造型服务商(Online Personal Styling Service)",用户复购率86%,市值近30亿美元。 其用户的购买流程也非常简单: 客户填写一份调查表,内容包括他们的体型、偏好款式、价格范围和其他个人信息等; 基于上述数据收到一批亲手挑选的衣服,进行试穿; 客户将自己喜欢的衣服留下,付款,同时将没有选中的衣服免费退回; 随着时间的推移,新一批的服装变得越来越个性化。 从公司本身来说,这个过程就比较复杂了,因为它涉及到人和机器两端共同对数据进行处理和挖掘,以确定每次的订阅盒子中的商品都是最适合客户本身需求的。 个性化已经成为Stitch Fix的核心竞争力,其CEO、创始人Katrina Lake曾表示:"我们并不是将数据科学融入我们的文化,因为它本身就是我们的文化"。 Stitch Fix如何使用数据 如果没有技术,Stitch Fix根本不可能存在。 个人造型服务通常都是从收集客户信息开始,用户注册后填写的调查问卷本身就为企业提供了最原始的真实信息。而随着用户每一次购买(留下商品)和退货,Stitch Fix就可以通过数据更好地了解个体用户的偏好和风格。 Stitch Fix的系统并不仅仅根据表象数据为用户进行推荐,与此相反,得益于其数据团队创建的几十种算法,机器学习本身就可以挖掘出用户"更真实的"需求。 系统通过个体数据——这些数据来自于用户和系统的第一手交互、反馈,以及第三方交互(例如:在Pinterest平台上的点赞)——来将用户和不同的服装进行匹配,形成一个"匹配得分(Match Score)"。 这种匹配得分会充分考虑各类可用信息,但是除了这些数据以外,服装本身的描述、介绍也十分精细,这样系统就可以根据各类因素——包括风格、颜色、图案,以及它们和尺寸、合体性等进行评分。 系统中,这些信息并不被视为单独的事实,而是被视为整体的一部分。最终,就会生成每个消费者独有的、具体的想法,以及对他们可能正在搜索什么样的商品进行预测。 Stitch Fix的首席算法官Eric Colson曾提到:"我们正在结合老元素,以创造一些新东西。比如,我们从第一件衣服上剪下一个轮廓,从第二件衣服上剪下一个袖子,再从第三件衣服上剪下一个领子,从第四件衣服上剪下一个图案。最后将它们重新组合,创造出从未存在过的东西。" 这一切都不是随机的。 设计一款新时尚产品完全基于数据。创始人Katrina Lake说:"很多40多岁的女性用户都想要有帽袖的上衣,但是我们的库存中没有这个款式。一年后,我们就有了29种完全由电脑设计的服装,它们满足了客户们一些独特、具体的诉求。" Stitch Fix开发了一种算法,可以预测个体用户对一件不存在物品的满意程度,这意味着Stitch Fix并不需要生产,就可以对商品进行分析,预测它是否可能得到用户的喜欢。 自动化与数据的其他应用 Stitch Fix的团队还会在很多地方使用数据和机器学习,例如:确定到底哪个造型师适合哪个用户? 类似地,这个过程还可以用来确认最佳的订单发货地点: 最后,Stitch Fix的数据团队还会通过算法来保证库存量,并对未来的需求量进行预测。 算法中"人性"的一面 当然,尽管Stitch Fix十分倚仗数据,但是其数据科学家们一直致力于创新、改进既有算法。 创始人说:"我们开发了几十种算法,这些并不是谁要求团队做的,而是因为我们允许数据团队创建新的解决方案,并测试这些算法是否有潜力。" 同样,Stitch Fix的造型师团队也如此。 尽管算法负责最初的产品推荐(基于上文提到的"匹配得分"),但是每一个订阅箱中的商品都是一位造型师实实在在挑选出来的。在商品选择环节,造型师一方面会使用数据,同时也会参考他们对用户个体的了解。这样,造型师就可以根据系统建议进行微调,进而为用户提供更好的产品组合。 一位造型师表示:"我们可以做出创造力十足的决定,基于用户的身材和生活方式而选择服装。" 同时,造型师还可以收集电脑无法处理、收集的信息,特别是那些用户突然谈及的、定性的评论或者建议。