Stitch Fix:當數據遇到時尚
本文共12000個字,預計閱讀時長:20分鐘。
一、摘要
Stitch Fix是一家智能零售商,雖然其在產品體驗中存在不完美之處,但是憑藉其商業模式的優越性,並且自身有強大的數據與演算法團隊的支持,配合公司的造型師,較好地滿足了現有用戶的定製服裝需求。
二、前言
從最初的個性化推薦服裝公司,最後到智能零售商,隨著對Stitch Fix的了解深入,我對其的觀念在不斷地進行更新,越是了解,越是充滿對數據驅動公司的敬佩。
三、公司情況
1.公司簡介
Stitch Fix使用數據分析軟體和機器學習來匹配用戶不同的定製服裝需求,為顧客挑選符合其個人風格、尺寸和偏好的服飾和配飾。現有超過75位數據科學家。
2.公司願景
通過整合綜合零售、技術、數據分析等資源,為顧客提供一個更好的消費體驗。
引領著時尚行業進入大數據時代。
3.商業模式
與Netflix早期的商業模式相似。
顧客按需訂購服裝或申請每月、每兩個月或每季度交貨。每個盒子有五件貨物。如果顧客喜歡配送貨物,可以選擇以標籤價購買,全部購買享受75%的折扣;如果不喜歡,則免費退貨。如果顧客沒有購買任何貨物,則需支付20美元的設計費。
Stitch Fix的平均商品單價約65美元,公司期望在每個盒子中,用戶能夠保存2件商品。造型師是兼職,薪水為每小時15美元。每小時,造型師會完成4個盒子,這樣能產生較高的毛利率,以覆蓋巨大的開銷及庫存成本。
4.融資情況
種子輪:75萬美元,2011
A輪:475萬美元,2013-02
B輪:1200萬美元,2013-10
C輪:2500萬美元,2014-06
D輪:1200萬美元,2017-09
IPO:計劃籌集1億美元,預計估值30-40億美元,正在申請(點擊查看,SFIX,NASDAQ)
5.財務情況
2014年,虧損630萬美元;
2015年,盈利2090萬美元,收入3.428億美元;
2016年,盈利3320萬美元,收入7.303億美元
2017年,虧損59.4萬美元,收入9.771億美元;
6.用戶數據
現今有219萬活躍客戶,復購率在2016年為83%,2017年為86%。
四、產品介紹
1.產品名稱
Stitch Fix,存在Web與iOS App ver.4.4.7
2.體驗環境
此處體驗更新較為頻繁的App
使用設備:iPhone 6s Plus,iOS 11.2 開發者預覽版
3.產品結構圖
4.產品流程圖
本產品有兩個主要流程:a.註冊及首次填寫表單;b.下單-追蹤包裹-付款反饋;但因條件限制,流程b無法體驗,此處介紹流程a.註冊及首次填寫表單
4.1.註冊及首次填寫表單
5.主要用戶畫像
5.1前期:
a.沒時間上街購物的人,生活太忙碌,沒空去買衣服,網購的衣服卻不合身,風格不搭等問題。
b.發掘新的穿著偏好的人,無論哪個購物地點,銷售只會給你推薦大眾品類的衣服,乏味而重複,想要找到人推薦給真正適合自己的衣服。
c.追隨潮流的人,對所有事情感到好奇,願意嘗試新鮮事物。
5.2.中期:
a.主流消費者,白領為主,對穿衣、價格有一定要求,希望能便宜、省時間地買到更好的衣服。
b.高端消費者,對定製化需求極高,除了現實中的定製店,也願意嘗試互聯網推薦的定製。
6.主要功能
該產品的主要功能為兩點:a.Fix的派送、追蹤、付款反饋;b.風格資料的填寫及修改;
五、產品分析
1.主要功能分析
1.1.風格檔案頁(我的風格頁)
在用戶註冊時,Stitch Fix向用戶詢問所有和推薦衣服相關的信息,分為資料、身材、風格三個方向,一共31個大問題,涉及到個人的基本信息,身材情況,喜好、偏好風格,甚至有和用戶相關的圖片社交網路信息。
a.從產品的角度分析:
這三個頁面是失敗的。讓用戶在剛開始註冊時,就要面對非常長時間的資料填寫,會流失掉大部分用戶,屬於產品設計時的大忌。
但是,雖然內容繁多,良好的歸類和圖文並茂的展示方式,能夠減輕不少用戶的煩躁感。
可優化點:
- 拆分填寫的內容
- 內容上的拆分,將3頁內容拆分為更多頁面,減少在單一頁面上填寫內容過多。
- 填寫流程上的拆分,若產品支持,可分階段填寫這些信息,不一定非要在註冊階段填寫完。
- 在原頁面優化,顯示用戶已經填寫內容的進度,增加更多的圖片交互,減少枯燥的文字描述。
b.從數據收集角度分析:
這三個頁面無疑是成功的。僅用三個頁面,就了解了用戶的所有信息,喜好,效率很高。
c.從用戶角度分析:
雖然這三個頁面及後續的派送頻率、付款信息、派送地址等頁面極為繁瑣,冗長,但是一旦完成填寫之後,也意味著用戶真的很需要這個產品,會轉化為高粘性的用戶,保持較長時間的活躍。
另一方面,詳盡的信息能幫助造型師更好的了解用戶,真正推薦出用戶可能喜歡的搭配和衣服,也提高了後續用戶使用產品服務時的體驗,讓其獲得更高的滿足感。
因此,雖然極長的註冊流程,刷掉了大量的潛在用戶,但是也留下了真正需要這個需求,非常剛需的用戶。一旦口碑做起來,用戶之間互相傳播,在了解到後續能夠獲得很高質量的服務時,這個註冊流程也並非不能忍受。
1.2.我的搭配頁(下單-追蹤-付款反饋)
前文已經介紹過Stitch Fix的商業模式:顧客按需訂購服裝或申請每月、每兩個月或每季度交貨。每個盒子有五件貨物。如果顧客喜歡配送貨物,可以選擇以標籤價購買;如果不喜歡,則免費退貨。如果顧客沒有購買任何貨物,則需支付20美元的設計費。
這個頁面就是其下單-追蹤-付款反饋流程的承載頁。
a.下單
在有下單的情況下,用戶可以知道下次派送到達的時間,並且對時間進行調整。
此外,用戶可以通過照片和文字,向平台進一步展示自己的風格,描述自己想要的產品及服務,介紹自己購買衣服的理由,這樣造型師可以進一步獲取用戶的需求及想法,為用戶更好的進行推薦。
底部顯示邀請好友可以獲取優惠,能夠激發用戶進行自主分享。
b.追蹤&c.付款反饋
因條件限制,這兩個頁面暫時沒法體驗。
但根據網路中獲取的用戶描述,文章報道,下單後,用戶會收到一份包裹,裡面有各種衣服服飾,如牛仔褲、毛衣、外套等等,額外還有一張小紙條寫著推薦這些衣物給你的原因,教用戶怎麼穿衣搭配才好看。喜歡的衣物可以留下,不喜歡的可以免費退回,同時會讓用戶填寫反饋表格,之後打開App為留下的衣服付賬。
因此,在初期已經有詳盡用戶資料的情況下,每個用戶的每次購物過程都不斷在展示自己的喜好,風格,能夠讓造型師越來越準確地為自己搭配。
1.3.小結
在整個Stitch Fix的產品設計中,首要目的是為了更多地獲取用戶的個人信息,喜好,風格,想法,等等內容,幫助造型師更好地為用戶搭配衣服。因此,雖然有明顯的產品缺陷,但是依然達到了產品設計的目的。
2.業務的邏輯及處理
前文介紹了用戶端是如何提交自己的數據,讓造型師為自己推薦合適的內容。但僅從產品、用戶角度分析一個App或者網站,Stitch Fix只能說是一個普通的,中規中矩的產品,並不存在特別的優勢,甚至在某些環節的處理上還是充滿了反用戶的設計。因此,讓Stitch Fix一路成長起來的,必定是它更多的東西,除了表面產品之外,背後的業務邏輯。
2.1.人貨匹配及造型師挑選商品
雖然Stitch Fix經常強調造型師和用戶之間的私人溝通在整體流程中的重要性,事實上,造型師並不是從無數的庫存商品中直接為用戶挑選衣服,而是依賴於數據團隊的推薦模型,從模型中推薦出的用戶可能喜歡的一小部分商品中挑選。
造型師根據推薦的內容選擇5件商品放入盒子中,並且會為用戶說明為什麼選擇這幾件商品,以及解決任何用戶提出的特殊要求。在準備盒子的過程中,依託於演算法,造型師能夠在有充足庫存,符合用戶尺碼和預期價格的商品中進行選擇。
隨著時間的推移,Stitch Fix能夠根據用戶的反饋,建立一個用戶喜惡的資料庫,讓用戶變得越來越滿意,增加產品的價值,提高用戶的忠誠度。
2.2.庫存管理
庫存管理也是這個業務模式的挑戰之一。Stitch Fix希望用戶能夠在每個盒子中留下2件商品,這意味著每一件商品在購買前,將會被運送2-3次。每次收到盒子,用戶有3天時間挑選商品,因此,為了盡量減少庫存持有成本,Stitch Fix建立了一個分銷中心的網路,使它能夠更快的記錄商品的退回,以及減少服裝周轉的時間。在演算法層面,模型也能夠預測用戶的需求,確保在適當的時間擁有充足的庫存資源。
除了在系統上進行優化,也有營銷手段上的技巧。用戶購買一個盒子里的所有5件商品時,能夠享受的25%折扣,這樣也提高了商品的周轉效率。因為很多時候購買5件比4件更便宜,用戶願意收下所有的商品,有效減少了退回率。
2.3.進貨管理
除了庫存管理,進購商品也需要一個平衡。一方面,在大量的衣服款式資料庫中,用戶數據的價值將會最大限度的展現出來,但是大量收集資料也是非常昂貴的;另一方面,在一個只有少數幾種衣服款式的非常集中的模型中,將能夠節省非常巨大的成本。因此,需要在節約成本的情況下,為用戶提供最好的服務,將用戶的數據發揮出最大的價值。
目前,Stitch Fix已經接入了200多個品牌,平均每個商品的價格為55美元。
2.4.專註用戶
另外,Stitch Fix其實也用通過更深入的了解用戶,規避了一些傳統零售商需要承當的風險。
它們的用戶均為女性,平均25-40歲,超過50%的用戶擁有孩子。這類用戶並不是那麼關注時尚前沿,但是也沒有遠離主流。她們不想成為站在時尚尖端的人,而是想輕輕鬆鬆的趕時髦。Stitch Fix不必擔心時尚潮流。它會購買最時尚的新品和一些賣的不好的商品,然後用自己的6條時尚產業線來填充在二者之間,讓造型師為用戶挑選時擁有最廣泛的選擇。
另外,Stitch Fix還避免了過早地向其他品類、尺寸及價格進軍,雖然這也讓它招致了批評,但是卻很好的避免了戰線過長,能夠在特定商品範圍和用戶群體內深耕。
2.5.供應商相關價值
最後,在供貨商方面,Stitch Fix能夠利用自身的數據為服裝設計師和批發零售商提供價值。傳統上,設計師和批發零售商很難獲知某個商品銷量慘淡的原因,但是Stitch Fix卻可以提供這個原因,並且利用這些信息謀取更低的進貨價格。
2.6.小結
在其商業模式之下,以數據為驅動,全面為公司中每一個環節賦能,加上靈活的分銷系統、專業的造型師,以及專註的用戶群體,共同造就了Stitch Fix過去幾年的成功。
3.數據與演算法團隊
在Stitch Fix的數據與演算法團隊,約 80 人左右,主要分為客戶、推薦、庫存和數據平台四個團隊。
客戶團隊:主要是做精準營銷、需求預測、用戶畫像、客服分析。需求預測方面主要考慮用戶穩定增長,需求的季節性以及訂閱式用戶。
推薦團隊:主要做人貨匹配、用戶造型師匹配、人力計算和造型師行為分析。當用戶發出請求,會把造型師匹配給用戶,人力計算主要是在虛擬環境下,研究造型師的行為,如一些歷史購買或退回的數據,基於這些數據抽樣,構造虛擬環境提供給造型師挑選衣服。在已知購買和退回的情況下,控制展示造型師的信息。同時研究不同展示的情況下對造型師的成功率產生的影響。造型師行為分析則通過日誌,對造型師的實際揀選行為進行分析。
庫存團隊:主要做庫存預測、基於演算法清倉和打標籤。庫存隨時性很大,有倉庫庫存商品,還有從庫存寄到用戶家,在用戶家裡停留,以及用戶不買的產品退回來的商品,所以要對庫存進行預測。還有對商品打標籤,有了標籤數據就可以做更好的匹配。
數據平台團隊:主要做大數據架構和自動化分析流程,支撐其他三個團隊。
因此,在整個用戶流程中,從「確定派送倉庫」、「匹配造型師」、「人貨匹配」、「倉庫派送」、「用戶喜惡資料庫」、「庫存管理」、甚至連「新服裝風格的發展」都運用到了數據和演算法。但因內容較多,展開後篇幅過大,不適合閱讀,所以此處不展開說明,若願進一步了解,可以另做一篇分析。
六、總結
我認為Stitch Fix的成功並不是偶然,其所做的是一種新的關於零售的商業模式,即通過數據及演算法,在用戶自己明確想要什麼東西之前,就為你提供最合適的商品,並且直接將合適、適量的商品送到到你手上。這種商業模式依賴於強演算法和人工推薦,更具有「未來感」。
另,目前國內已經有一款相似產品,「Soda」,杭州蘇打科技有限公司,2016年成立。模式與Stitch Fix基本一致,有興趣的朋友可以關注下。
七、參考文獻
- Stitch Fix,官網,https://www.stitchfix.com
- Technology at Stitch Fix,官方技術博客,http://multithreaded.stitchfix.com/
- Stitch Fix Personal Stylist,iOS App介紹,https://www.appannie.com/apps/ios/app/stitch-fix-your-very-own-personal/details/
- 納斯達克IPO報告,http://www.nasdaq.com/markets/ipos/company/stitch-fix-inc-1035402-85032
- 引領著時尚行業進入大數據時代,Stitch Fix 用演算法為顧客定製衣服,http://36kr.com/p/5061039.html
- Stitch Fix的創新和突破——用數據的心智經營公司,http://www.sohu.com/a/128980775_470008
- 數據科學+造型師,Stich Fix用人機協同顛覆傳統零售方式,http://www.sohu.com/a/138114934_728969
- 被演算法佔領的世界Stitch Fix機器學習設計網紅服裝,http://www.sohu.com/a/151858844_99915654
- 打臉淘寶,顛覆電商!這家時尚公司用演算法引領新零售,http://developer.51cto.com/art/201708/549034.htm
- Stitch Fix – Driving Retail Profits with Data Analytics and Mass Customization,https://rctom.hbs.org/submission/stitch-fix-driving-retail-profits-with-data-analytics-and-mass-customization/
- Can Silicon Valley Fix Womens Fashion?,https://www.buzzfeed.com/annehelenpetersen/can-silicon-valley-fix-womens-fashion?utm_term=.msPXal852#.xnjmkD2R6
- Stitch Fix: When Data Analytics Meet Fashion,https://www.businessnewsdaily.com/5309-stitch-fix-fashion-data-analytics.html
- Soda,官網,http://sodacan.cn/
推薦閱讀:
※把Birkin買成一道彩虹不難,難的是……?
※袁姍姍無懼撞衫超模girl,全因有腰任性,一般人駕馭不了這款牛仔褲?
※SHOPBOP狗年第一波促銷來襲,分享我的春夏私人衣櫥清單
※自從買了這條褲,我從20歲到60歲都不愁沒褲子穿了
※情侶裝也能穿出高級感,請按這三個步驟來!