2016年8月26-27日，由51CTO.com主辦的【WOT2016移動互聯網技術峰會】在北京粵財JW萬豪酒店隆重召開。自2012年以來，WOT品牌大會秉承專注技術、服務技術人員的理念已經成功舉辦十一屆，不僅積累了大量的專家資源，更獲得廣大IT從業者和技術愛好者的認可和好評，并成為業界重要的技術分享及人脈拓展平臺。

本次【WOT2016移動互聯網技術峰會】分為10大技術主題，分別是應用架構、平臺技術、創新技術、VR技術、前端技術、性能優化、直播技術、運維與安全、數據分析、APP技術專場。51CTO.com作為本次大會的主辦方，將通過快速報道、現場專訪與后期視頻等多種形式,向廣大用戶全方位展示這場技術盛宴。 下面是大會主會場上來自Stitch Fix的數據科學總監王建強老師帶來的主題為《Stitch Fix—數據科學+造型師顛覆傳統服裝零售業購物方式》的演講實錄。

在今天的報告里面，我想聊一聊新的購物方式。我現在在Stitch Fix數據科學部，Stitch Fix是一家以推薦為主的公司，我想聊一下Stitch Fix創業模式，還有推薦當中使用的數據科學。另外，就是聊一些數據科學方面的應用。

我是中科大商學院畢業的，畢業了以后到美國，我在硅谷研究所做兩年技術預測。那個時候就是研究產品需求對于價值的波動。我是做廣告預測，還有廣告排序。之后我到Stitch Fix，現在在Stitch Fix數據團隊，帶領一個團隊開發。現在服務就是僅限于美國本土，所以，并沒有大規模做一些營銷。

Stitch Fix是一個在線的個性化的公司，我們通過收集用戶資料，了解用戶的購物偏好，然后，后臺通過數據科學，還有測評師的推薦給用戶他們想購買的東西。后臺通過數據科學，寄到家里面來，可以在家里面試穿，什么衣服可以買，什么衣服可以退回去。可以把不想要的衣服退回來。Stitch Fix面對客戶群就是一些工作比較忙，沒有時間的人。還有一些人就是想發現比較新的類型的衣服，有一些衣服自己不會去買。但是，寄到家里面來以后，這個衣服穿上去以后挺合適。另外，對時尚比較感興趣，Stitch Fix，到現在已經有5年多歷史了。我們在舊金山硅谷，現在還有專業的造型師，業余造型師，都是有比較豐富的工作經驗，給用戶量身打造一些衣服。

Stitch Fix的產品線，現在做產品主要是服裝類的。包括衣服，還有一些飾品，圍巾，項鏈，在未來幾個月我們會增加男裝。首先，聊一下衣食住行4大要素，是我們每天都是要考慮的一些問題。美國，住、行都有領導品牌。飲食沒有一家公司占主導地位，衣也沒有。

你喜歡什么衣服呢？我們跟造型師結合方式，幫你挑選一些衣服，然后，這些衣服就是寄到家里面。要的衣服就需要夠買，衣服不要的話也可以退回來。

所以，Stitch Fix創新兩大塊，***，基于推薦的電子商務，如果我們在京東淘寶上面買東西，就是自己去購物，自己去瀏覽。但是，在Stitch Fix，你填一個用戶資料以及需要的衣服，后面所有的挑選衣服，所有的挑選過程都是我們來完成的。這個是Stitch Fix創新，另外一個創新，通過數據科學，通過算法跟造型師結合方式。在之后我們會介紹如何做到人機交互。

服務，有訂閱式服務，還有及時解決服務，我們都是有的。訂閱，每一個月，都是收到衣服，及時請求，剛剛開始注冊個人資料，過一段時間有需要的時候，再跟我們發出請求。Stitch Fix，想基于關系，想用戶跟造型師建立依賴關系，我們可以更新對用戶的了解。以此增強用戶黏度。

也是可以分為有延時的，我們服務就是延時的。從用戶發出請求以后，內部通過造型師推薦，倉庫管理，還有定單的配送。所以，用戶發出請求到***收到有一些時間的，需要7到10天以內。用戶如果不買任何衣服，需要支付20塊錢。如果買一件以上的衣服，這20塊錢可以搭衣服里面。如果5件衣服都是買的，都是有75折的。

對于用戶來講我們沒有事先告訴他里面有什么衣服，所以當用戶拿到包裹的時候是有驚喜的。如果我們做的好，對于用戶就是省去了自己買東西一個過程。如果我們寄的衣服不恰當，就是支付往返運費，可能會導致用戶流失。衣服寄錯了也是不可以的，這個就是浪費了寄對人的一個機會。 我們給要用戶挑衣服的時候，通過數據科學，還有算法，跟造型師結合實現的。每一個時刻，我們庫存里面有萬件衣服，考慮到用戶的指標，用戶不喜歡一些顏色衣服，不喜歡露肩衣服。對于每一個用戶，衣服有5000件到7000件，有大量庫存，單純靠造型師挑選，就是一件非常費時費力的事情，面對眾多的選擇。***步算法挑一些匹配度比較高的衣服，可以簡單理解為算法篩選一下100件到500件，造型師再做精細的篩選。

那么，首先看一下算法推薦，就是一個計算和衣服匹配一個過程。針對每一個用戶，計算一個匹配度，大量數據學習當中得到的。首先，我們看一下，我們有哪些數據？我們數據有用戶數據，也是有商品數據，有靜態用戶數據，也有用戶行為數據。靜態用戶數據，主要是上面寫的這幾大類， 描述一件衣服需要大量的東西的。我們現在用的比較多的主要就是三大類，***就是顏色，第二就是圖案，還有就是材質。還有一些其他的特征，這個衣服有沒有口袋？這個口袋在什么地方？所有這些特征都是影響到用戶買，或者買什么衣服。 所以，我們系統是一個人機交互的系統，這個系統里面是靠推薦算法，跟造型師結合起來做推薦的。所以，算法有比較強的計算能力。

下面看一下我們的主要工作內容。***，就是用戶團隊，用戶團隊就是出一些營銷的數據，我們可以看一下營銷渠道，這個用戶質量如何？做一些營銷方面分析，我們也是預測需求，規劃下一步的庫存。我們有相當一部分就是退出來，有相當大比例退出來。我們庫存也是有隨機性的。所以，庫存團隊里面做了一些模擬，模擬當下庫存，也會根據實際的庫存來看一下訪問質量。

我們在團隊里面還做了一個非常有意思的事情，就是數據驅動創意，我們根據收集到數據，知道產品的什么特征，是成功率比較高的。什么顏色成功率比較高，什么圖案比較高，我們做一些搭配，通過數據驅動創意，然后，得到的新的創意，就是交付工廠大規模制作。

以上是51CTO.com記者從【WOT2016移動互聯網技術峰會】一線為您帶來的精彩報道。一大波精彩內容報道正在襲來，敬請持續關注！