當我們購買衣服時，一般會選擇到線下的實體店去試穿，或者干脆網上去各大電商平臺找到品牌商，貨比三家，根據自己的喜好下單。
有沒有想過，其實這樣的效率并不高，也經常會有退貨發(fā)生，因為實際的衣服尺寸和個人的穿搭習慣總會有偏差，還不一定可靠。
尤其是對于不經常買衣服的人，把各種衣服的尺寸搞清楚本身就是一件頭大的事情。光看各種衣服的尺碼說明就夠讓人抓狂了。
并且，假如本身工作就很忙，也沒有時間抽出精力在這個上面花費太多的時間。
那在買衣服這件事上，有沒有更簡單、更輕松的做法？
從2011年開始，美國的一家服裝電商Stitch Fix就致力于解決這一現代人的痛點，把買衣服這件復雜繁瑣的事情盡量給簡化。
不過，他們的解決方式很特別，就是從原來依靠個人的經驗判斷轉向依靠數據和算法。
作為一家在線訂閱和個人購物服務公司，Stitch Fix利用算法和穿搭顧問為有需要的顧客提供個性化服飾設計服務和服裝產品，顧客在支付年費后會收到若干服飾盒子（Fix）可試穿、退回和購買。
令人驚嘆的是，他們不僅把這件事情給做成了，還在2017年時成功在納斯達克上市了。
正如Stitch Fix的創(chuàng)始人兼CEO卡特里娜雷克（Katrina Lake）所指出的：“我們的商業(yè)模式很簡單，就是把我們認為用戶會喜歡的衣服和配飾快遞給用戶，用戶留下想要的，寄回不喜歡的。這是利用數據科學為用戶提供定制服務，是一種超越了傳統(tǒng)實體零售和線上零售的購物體驗?！?/p>
第一步，最關鍵的就是收集豐富的數據來構建造型檔案。
這里的數據實際上包括三種類型，第一類是顧客的數據，比如顧客的年齡、居住地、穿搭習慣、購買傾向、支付費用等。第二類是商品的數據，比如衣服的尺碼、質地、品牌、價格、顏色、風格等。第三類是顧客的反饋數據，比如評論、退貨記錄等。
就這樣，Stitchfix通過會員制方式，基于上述的各類數據信息，構建起來了一個龐大的服裝數據庫和造型數據，為提供造型解決方案構筑了堅實的第一步。
第二步，使用算法來處理數據，用于下一步的推薦。
Stitch Fix使用了50+種算法來處理問題，這些問題主要包括：為客戶量身定制盒子、預測購買行為和需求、庫存優(yōu)化和設計新服裝。
例如，Stitch Fix通過數據了解到男士襯衫的胸圍和寬度的最佳比例，于是，就調整了男士襯衫衣領到胸前第一個紐扣的距離；再比如，通過數據分析得到某種尺寸商品的合理分布，就可以根據這個比例來儲存相關商品。
第三步，造型師進行人工決策，提供穿搭建議。
Stitch Fix擁有超過3,400名搭配師，其中絕大多數是兼職和遠程工作。公司為搭配師提供了定制的搭配程序，來幫助搭配師完成搭配工作。
他們基于上述數據和算法，為顧客撰寫造型說明，這樣一來，穿搭方案就有了人工指導，變得更加具有針對性和適配性，將各類不同的衣服如何和不同的顧客相匹配，并穿出風格，確實是一門需要指導的專業(yè)化工作。
第四步，提升每次的顧客體驗，從而獲取顧客的忠誠度和重復購買
顧客通過網站和客戶端和搭配師溝通，可以方便地查閱其訂單和搭配配置；Stitch Fix則收集客戶相關的數據、客戶反饋等等，并且把這些數據反饋給搭配師和算法，從而優(yōu)化個性化的服務體驗。
就這樣，一個基于服裝數據和算法循環(huán)模式就這樣形成了。如今，這個平臺上已經匯聚了340萬會員，并且還在持續(xù)地增長中。
在我們看來，Stitch Fix模式的成功，緣起于對服裝電商發(fā)展趨勢的洞察，基于個性化的服裝穿搭需求，將線上與線下模式的不足理解充分后，通過采用訂閱模式的形來匹配供應和需求雙方，打造了一個以服裝數據圖譜為支撐的平臺。
與其說Stitch Fix是一個服裝訂閱電商，不如說是一個以數據科學為支撐的算法公司。
它的數據積累是其重要核心競爭力，通過海量的服裝數據，結合造型師建議，從而提供了基于個性化服裝的解決方案。
在快節(jié)奏的當下，顯然有助于降低顧客的選擇難度，最大限度地減少了客戶的選擇成本和交易成本。
放大來看，會員制電商是一種采用DTC（直接面向消費者）的商業(yè)模式，我們能夠較快地收集到客戶的第一方數據，通過大數據更好地了解客戶，清楚他們的喜好以及他們與我們的產品和服務的交互方式，并且利用這些數據定制客戶體驗，最終從客戶關系中受益。
從現在開始到未來，比我們更懂自己的，也許不是我們自己，而是數據和算法。
點贊是一種支持，各位網友你們怎么看，希望幫助多多轉發(fā)和關注哦。
好了，這篇文章的內容發(fā)貨聯盟就和大家分享到這里，如果大家網絡推廣引流創(chuàng)業(yè)感興趣，可以添加微信：80709525 備注：發(fā)貨聯盟引流學習； 我拉你進直播課程學習群，每周135晚上都是有實戰(zhàn)干貨的推廣引流技術課程免費分享！
