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。
