介绍： 你好，我是李攀，欢迎来到硅谷新发现。今天是我们的创新启示录时间，每期一个案例，为你介绍最顶级科技公司的创新方法论。

互联网发展了这么多年，相信大家对“网购”这件事早就不陌生了。从网上买衣服也成了不少人购物时的首选：毕竟网店不用付实体店的租金、水电这些费用，因而价格也比实体店便宜不少。

由于入门门槛低，网上服装...

介绍： 你好，我是李攀，欢迎来到硅谷新发现。今天是我们的创新启示录时间，每期一个案例，为你介绍最顶级科技公司的创新方法论。

互联网发展了这么多年，相信大家对“网购”这件事早就不陌生了。从网上买衣服也成了不少人购物时的首选：毕竟网店不用付实体店的租金、水电这些费用，因而价格也比实体店便宜不少。

由于入门门槛低，网上服装店的竞争啊特别激烈，有些店为了“冲人气”、“冲销量”，甚至赔本赚吆喝，网店竞争的激烈程度啊可见一斑。

在美国却有一家网上卖衣服的创业公司，在激烈、残酷的时尚市场竞争当中啊表现非常醒目。这家公司的名字叫 Stitch Fix，Stitch，S-T-I-T-C-H，“缝衣服”、“缝线”的意思。Stitch Fix 是美国一家订阅式的时尚电商。

有些朋友对“订阅电商”这种模式可能不太熟悉，我先简单解释一下：所谓“订阅电商”，就是顾客支付一定的费用，商家每周或者每个月给客户发一个特选的商品组合包或者服务。

“订阅电商”这种模式啊其实早就有了，并不新鲜，但 Stitch Fix 的成绩啊非常的突出，它的很多竞争对手都没有做到这一点。

不都是“网上卖衣服”吗？这家来自于旧金山的时尚电商 Stitch Fix 到底有什么成功秘笈呢？

这就要从它的购物流程说起。从顾客的角度来看，在 Stitch Fix 上购物的流程是这样的：

首先，顾客填写风格偏好问卷；

然后顾客自己选择订购周期：从最频繁的两周一次、到每季度一次不等；

Stitch Fix 接到订单之后，会联系他们的兼职造型师为客户按照他们想要的风格挑选款式，每个人的盒子里边有不一样的衣服、鞋子、配饰等等，一共5样东西，然后 Stitch Fix 收取20美元的造型费；

顾客收到盒子里的5样东西后，可以以折扣价购买其中的若干件商品，或者如果不喜欢的话，也可以把商品退回去。当然了，如果留下的衣服比较多，刚才那20美元造型费就可以免掉。

这种模式啊虽然给客户很大的选择权和很多便利，但对商家来说，也有潜在的风险：如果顾客买的商品多还好说，但如果箱子里的服饰都不合意、客户频繁退回商品，那么这个模式对商家来说就非常糟糕了。

从 Stitch Fix 的成绩来看，他们这种方式无疑是非常成功的：这家公司创立于2011年，从475万美元的A轮开始融资，到2014年6月融完了C轮后，一共融资4675万美元。

2017年11月，这家公司在纳斯达克上市了。在竞争极端激烈的零售时尚业里边，这无疑是非常骄人的战绩。

Stitch Fix 之所以这么成功，就是因为它险中求胜，对客户品味的理解啊很深刻。那它又是怎么做到对客户品味理解那么深刻呢？

这就因为它的商业模型采用了前所未有的数据科学，不仅仅是“推荐系统”那么简单，还有基于人的计算建模、资源管理、库存管理、算法化、时尚设计和其他多种功能领域，这才有了它的迅猛发展。

可能你觉得“卖衣服”这件事听着简单，只要“选衣服”、“给顾客寄过去”、“顾客反馈”三个步骤，但 Stitch Fix 在这三个步骤的每一步里面，都运用了极大量的大数据：

我们先来看第一步“选衣服”环节，Stitch Fix 是怎么确定给谁推荐什么样子的衣服呢？

首先，Stitch Fix 会为每个造型师和客户之间的风格匹配程度打个“风格匹配分”。

你想啊，如果你的风格是高贵冷艳的职场精英风，但你的造型师是浪漫的波西米亚田园风，这怎么办？风格完全搭配不到一块去。

这个“匹配分”是个非常复杂的函数，它是从客户和时尚造型师之间的历史数据、客户状态以及喜好，和造型师品味之间的相似度等很多个因素算出来的。

我们经常说某个人品味好或者不好，“品味”这个东西啊很玄很空泛，但数据可以把这种抽象的东西具象化。

为了把数据思维贯彻到底，Stitch Fix 还给这些时尚造型师打造了一个基于客户构建的计算平台，这样造型师们就能更快、更深刻地理解客户的喜好。

这个平台会记录一些重要的数据，比如造型师都给客户啊选择了哪些服装搭配、这些衣服都有哪些共同点——比如这名客户每次购买的衣服都是圆领、没有一件是V领，那系统就会把这个点总结出来，以后多给该名用户推荐圆领的衣服；

或者数据也可以看一看有哪些不同点——比如客户留下的衣服颜色都是比较鲜艳的，还是比较暗的颜色。

然后 Stitch Fix 再追踪结果、返回数据等等。所有做的这一切，都是为了让造型师们每次预测都比上一次预测得更准确。

给客户选好了衣服后，Stitch Fix 还要决定“怎么寄”。Stitch Fix 的客户啊遍布全美各地，仓库又比较多大，因此 Stitch Fix 必须规划最优取货路径：

目前，Stitch Fix 在美国有5个仓库。为了决定从哪个仓库出货，他们有一个算法，这个算法基于每个仓库与客户的位置关系、以及库存与客户所需的匹配度的计算。

具体地说，Stitch Fix 把每个客户的位置信息收集好之后，就会生成一个“代价矩阵”，因此“选定送货仓库”这件事情，就变成了一个最优化问题。

也就是说，运用数学理论里“最优化解决方法”就可以求得全局最优解了。你看，一个时尚问题，就这么变成了数学问题。

衣服寄给客户还不算完，别忘了我们刚才所说的，客户打开盒子后，看到喜欢的衣服和配饰就为这些单品付钱，把他们留下来，不喜欢的衣服退回去，然后告诉 Stitch Fix 对每件服装的看法。

这种反馈对于 Stitch Fix 来说，非常的重要，因为这就是他们累计数据的方式。

而且如果一个客户变成他们的忠实客户、长期使用他们的产品，Stitch Fix 就能更准确地把握、预测客户的需求，甚至他们还能更进一步，用数据和算法算出客户衣柜里有多“满”，以此预测他们的购买意愿。

如果说这种“长时间追踪一个客户的购买习惯和风格，以此更好地预测这位客户的购买意愿” 我们管它叫做纵向比较的话，Stitch Fix 还能通过长期收集大家反馈的数据，进行横向比较。

也就是说，一位客户的品味啊没准能让 Stitch Fix 对和他风格相似的其他顾客有更好的理解。

比如说，如果你的风格是邻家少女风，Stitch Fix 在给另外一位“邻家少女风”顾客挑选服饰的时候，就会参考你的喜好。

那么，我们能从 Stitch Fix 的成功经验里边学到什么呢？

这么说吧：不论是网上还是线下实体店，我们难道还缺卖衣服么？当然不缺了！但问题是，衣服怎么卖、怎么最优化库存，这里面啊有大学问。

而这可远远不是学人家也搞“订购模式”这么简单粗暴的：

首先，如果要学习人家的订购模式，每个月交些钱商家给客户寄几件衣服，商家就必须仔细划分顾客群。

比如低端顾客的一个群，卖些便宜的畅销的流行款，顾客能用很便宜的价格紧跟时尚、尝个新鲜；

但如果你的目标客户啊是高端商务人士，你就别紧跟流行了，而是要主打款式经典、质量上乘的服饰，为他们省去打理衣橱的时间。

但如果不仔细划分客户群体，搞个大杂烩，那肯定是没有什么效果的。

那我们可以学人家用大量的数据降低库存、降低退货率吗？当然可以了！这就要求电商有耐心地去精细运营。

但这和国内时尚电商目前的推广方式差距非常大：目前不少的商家大多还是停留在卖爆款、明星同款、攒人气、拼价格的阶段，但是技术的积累几乎没有。

其实技术还相对好学，但技术只是手段，是“精细运营”的体现。可见这不仅是技术的转变，更是思维的转变。

总结一下，今天我们这期节目讨论了 Stitch Fix 这家网络电商成功的秘密：

通过对大量数据的采集、分析、和总结，别看都是卖衣服，这家电商就能做得比别人更能迎合消费者的口味，从而有更高的成功率、更低的库存、和更快的送货时间。

从表面看来，人家是有更领先的算法、更充分的数据，但其实我们更应该学的，是 Stitch Fix 这种精细经营的理念，毕竟网上卖衣服的太多了，而能做得这么成功的还是极少数。

好了，本期节目我们先聊到这里，下期见！