创新案例｜时尚品牌Stitch Fix个性化服饰定制的4个关键步骤 [附策略图解]

2. 解决方案—个性化推荐系统

1998年，Amazon推出了基于Item的协同过滤算法，使得系统能够以一种前所未见的规模处理数百万商品并为数百万的顾客提供推荐服务。2003年，Amazon在IEEE Internet Computing上公布了自己的算法，并且在之后的近二十年里，不断地优化算法，让每个顾客在登录后都能看到个性化的页面。

推荐系统就是海量个性化服务的答案。

简单来说，如果顾客知道自己要什么，那么，他们就会通过搜索引擎来获取自己想要的商品，但是在大多数的情况下，顾客并不是那么清楚自己想要什么，他们更多地处于一种「find what I love」的状态。正如上文中淘宝消费者行为网络图中显示，消费者在淘宝上的主要行为是「逛」，也就是不断浏览来获取更多商品信息的过程。

而推荐系统可以大大缩短消费者获取商品信息的路径。推荐系统了解顾客的需求，在顾客打开页面的时候，就会把系统认为和顾客匹配的商品，第一时间推送到页面上，如果顾客感兴趣，就会直接点开下单购买。

今天，Amazon上35%的购买行为都来自推荐系统的推荐；在经过推荐系统推荐后，用户的购买率和转化率可以达到60%的程度。同样的，Stitch Fix把推荐系统也作为自己生意的核心，Stitch Fix也是时尚网站中第一个开设科技博客的公司，其博客和Airbnb的科技博客，都是推荐系统从业者常看的几个网站之一。

这里要补述一下数据和业务的关系，以推荐系统为核心的商业模式，本质上是在做「业务数据化」和「数据业务化」的工作——通过在业务场景中不断地收集和消费数据，从而产生新的数据，解决问题并且提升算法的效率。

数据和算法，就是这种商业模式的壁垒。结合上图，Stitch Fix的推荐系统至少能带来：

• 先发优势：通过数据的结构化建立该领域的知识图谱，从而对人和服装的关系有更深刻的理解；越使用，数据越丰富，不管是在质上还是在量上；
• 累积优势：越使用数据去解决现实的问题，就越能提高算法推荐的精准度，也就更能预测未来可能发生的问题，从而逐步提升顾客的购买体验；

3. 数据驱动的DTC模式

数据有效地帮助Stitch Fix解决了顾客和商品的匹配问题，并且优化了顾客体验和商业效率，从而改变了顾客「Find what they love」的方式。

第1步：收集丰富的数据来构建造型档案（知识图谱）

根据其博客，Stitch Fix 会通过85+数据采集点来采集数据，Stitch Fix的每个SKU下面会包含四种数据类型：

• 基础数据，由供应商提供，包括商品的品牌、尺码、颜色、图案、廓型和材料等等；
• 商品尺寸，由供应商提供，自己也会采集，包括长度、宽度、套筒开口直径、套筒到第一个纽扣的距离等等；
• 细节描述，主要用于描述顾客和商品的合适程度，比如商品是否适合穿着去参加正式活动
• 顾客反馈，主要用于记录顾客对于商品的显性或者隐形的反馈数据，比如商品在年轻母亲中受欢迎的程度

另外，正如前文所言，Stitch Fix也会收集顾客的相关数据和问卷，以及个人喜好等信息，并且对顾客和商品的关系进行匹配和描述，这是开展机器学习的第一步——建立知识图谱，Stitch Fix把它称为造型档案。

第2步：使用算法来处理数据，用于下一步的推荐

Stitch Fix使用了50+种算法来处理问题，这些问题主要包括：为客户量身定制盒子、预测购买行为和需求、库存优化和设计新服装。算法主要分成两类：提升客户体验的算法和提升商业效率的算法。

1.提升客户体验的算法：

• 造型算法，解决顾客和商品的匹配问题。通过给商品组合打分，用分数来反映客户喜欢该商品组合的程度，从而筛选出盒子的最佳商品组合，搭配师会在算法推荐后用人工选择的方式来最终决定盒子内容。
• 风格预测，分析出顾客尚未被满足的需求，并通过推出相关商品来解决。算法会利用知识图谱，把合适的商品属性重新组合在一起，提供给Stitch Fix自有的独家品牌来推出满足独特需求的商品。曾经，公司发现40岁女士需要某种类型的衬衫，于是，第二年，Hybrid Designs（自有品牌）推出了29款该类型的衬衫，满足了客户需求。
• 搭配师算法，解决顾客和搭配师的匹配问题。算法会检测顾客和搭配师之间的亲和力、风格偏好、地理接近度和人口统计学资料等等，为顾客找到最合适的搭配师。

2.提升商业效率的算法：

• 需求预测，提前分析顾客需求，包括偏好、生活方式、生活阶段和满意度，来提前对进销存进行管理，预测顾客需求的商品类型、款式、品牌等等，以减少供应过剩的问题，并为推荐提供参考建议；
• 商品优化，解决在合适的时间给顾客提供合适的商品的问题，从而通过科学的商品管理来实时调整库存，优化库存管理和分配。例如，Stitch Fix通过数据了解到男士衬衫的胸围和宽度的最佳比例，于是，就调整了男士衬衫衣领到胸前第一个纽扣的距离；再比如，通过数据分析得到某种尺寸商品的合理分布，就可以根据这个比例来储存相关商品。
• 物流管理：根据顾客和履约中心的距离、顾客需求和库存的匹配度等等，来合理分配选择最佳的履约中心来递送和回收盒子；优化选择路径，算法通过绘制更有效的路线来帮助履约中心的员工一次性完成多个盒子的商品选择工作，从而缩短时间，减少人工成本。

第3步：造型师进行人工决策

Stitch Fix拥有超过3,400名搭配师，其中绝大多数是兼职和远程工作。公司为搭配师提供了定制的搭配程序，来帮助搭配师完成搭配工作。对于每个盒子而言，搭配程序可以为搭配师：

• 提供推荐的toplist
• 提供每个顾客的历史记录和个人笔记
• 通过各种属性过滤库存中的商品
• 浏览算法推荐
• 引导使用数据分析功能
• 选择商品组合
• 为顾客撰写造型说明
• 把方案传导给具体的运营团队负责实施

第4步：提升每次的顾客体验，从而获取顾客的忠诚度和重复购买

顾客通过网站和客户端和搭配师沟通，可以方便地查阅其订单和搭配配置；Stitch Fix则收集客户相关的数据、客户反馈等等，并且把这些数据反馈给搭配师和算法，从而优化个性化的服务体验。