不穿什么：算法如何为时尚排除不确定性

你是否会憎恨这样的时刻：当站在服装店试衣间的镜子前，试穿某件新衣服，然后脑子里涌现出很多想法——它还流行吗？我在哪里穿这件衣服？我可以买得起吗？

这种绝望不用再延续下去了。Stitch Fix——一种流行的在线订阅和个人购物服务——承诺帮助它的客户摆脱这种购物的痛苦，它会为每个人配备一个个人造型设计师，按照每个人的尺码、风格和预算为他们选择服装和配饰。一个根本不认识你的造型师是怎么能够做到成功地打理你的衣橱的呢？

秘诀就是算法，它们是该公司商业模式的核心，从推动服装选择、分配人类造型设计师到优化生产和物流，它们参与了所有的事情。作为一种“随着你的品位、需要和生活方式变化”的个性化风格服务，Stitch Fix每一天，在每一位客户身上都能够获得算法带来的好处。为客户填写服装订单是一回事，承担重任为他们做出决定就完全是另一回事了。

在本文中，Stitch Fix的首席算法官Eric Colson将带领我们踏上算法之旅，向我们解释算法驱动是如何让变幻无常的时尚业务变得像机器一样顺畅运行的。

数据科学：算法101

算法究竟是什么？它是一组指令，最简单的就是if-then公式。例如，如果我在电梯里按下12这个按钮，它就会把我送到12楼。如果我给客户发送一件蓝色的衣服，她就一定会喜欢它。好吧，不要这么快。这种被称为排序算法的简单算法在时尚界或者商业世界中一般来说是不够的。

这就是为什么Stitch Fix要为其算法使用更复杂以及更微妙的公式，机器试图找出特定客户喜欢某件衣服的相对可能性。虽然该公司没有公开披露它使用的所有类型的算法，但其中一些公式是协同过滤问题（例如，那些喜欢你喜欢的衣服的人还喜欢……）。该公司还使用混合效果建模算法，将纵向数据整合到复杂的统计模型之中，使Stitch Fix能够了解时尚品味是如何随时间变化的，无论是个人客户还是整个客户群。

当然，无论有多少公式在工作，都永远无法确定客户会喜欢并购买算法选择的衣物。但是，算法得到的关于客户偏好的信息越多，它们就越有可能消除不确定性，并做出完美的选择。

为算法提供数据

运行良好的算法的核心是一组专有数据。在Stitch Fix中，第一个数据集来自客户自己，他们在加入服务时填写了一份深入的资料。

问题的范围很广，从基本的（身高和体重）问题到品味和喜好方面的问题（你喜欢把衬衫塞进裤子还是不塞进裤子？），还包含了个人特质（你是冒险者么？）以及生活方式（你是一位新妈妈吗？）方面的问题。

第二组数据是关于商品的。它包含了测量数据（男士衬衫大约有30个测量点）、款式（波西米亚风格还是新潮的风格）以及材料方面的数据（它是否容易起皱？它是否需要干洗？）每款衣服都会多次进行标记，并经过源自客户偏好不同的算法进行匹配打分，然后进行排名。

拥有了来自两方面的数据，一系列机器学习算法就可以将客户和最适合的商品进行匹配。这些算法会弄清楚每个特征对每个特定的个人有多重要，如何用一个特征交换另外一个特征（例如，新妈妈可能就不想购买由需要干洗的织物制成的休闲服装）。

随着时间的推移，算法从实际的客户——无论是个体还是总体——身上学习如何看待衣服。这可能要归功于从客户那里收集到的反馈数据，这些数据被传回给算法，这样它们就可以看到它们的决策在现实生活中的表现如何——并且使用这些信息来不断地提升它们的决策公式（机器学习）。

Colson表示：“反馈数据是我们最有价值的数据集，是我们的秘方，对我们而言是独一无二的”。传统的零售商可能永远都不知道为什么顾客会什么都不买就走出商店了，因此也就无法知道如何在下一次的时候让顾客更高兴。Stitch Fix会向客户询问很多有关他们与衣服互动的问题，试图去理解购买或者不买的原因。

Colson表示：“我们同我们的客户之间的良好关系只有在他们能够从我们这里获得价值的时候才会有效。这里没有‘出售’这回事——只有相关性。”

当然，究竟要问哪些问题才能够弄清楚购买衣服的过程中最关键的因素？这一点并不总是很显而易见。然而Stitch Fix使用了文本框来捕捉这些重要的信息，客户可以在这些文本框中写下他们的评价。之后，对这些评价进行自然语言处理，然后指向新的特征集群，这成了算法的一部分。例如，一位客户在评价中写道：“我很高兴，因为我可以穿着这件衣服去公园，参加户外婚礼。”这表明了拥有一件可以在正式场合穿着的休闲服装的重要性

Colson表示Stitch Fix绝大部分对业务效果有着非凡意义的算法功能都是由数据科学家团队构思出来的。

算法帮助企业的业务运行

无论客户体验有多好，如果不能带来盈利的话，对公司也就没有任何好处。Colson表示：“算法带来了效率，提高了我们的盈利水平，我们已经在整个公司普遍地采用了它们。”下面是算法推动Stitch Fix业务发展的其他一些方式。

1. 将合适的造型师匹配给合适的客户

在Stitch Fix，最终是由人类造型设计师确定服装选择，甚至会写一份个人说明，介绍所选的衣物是如何在特定的场合匹配该客户的，以及如何将它们同他或者她衣橱中的其他衣服进行搭配。

人类比机器更加彼此相异。机器都是一样的。但是，人类造型设计师可能更适合某些客户而不是另外一些客户。为了将合适的造型设计师与合适的客户进行匹配，Stitch Fix会计算每个可供选择的造型设计师与请求送货的每个客户之间的匹配分数。该匹配分数是该客户与该造型设计师之间的历史（如果有的话）的复杂函数，并会考虑客户描述的款式偏好以及潜在的款式偏好和造型设计师之间的匹配程度。通过扮演匹配者，Stitch Fix将客户与他们喜爱的款式以及造型设计师联系在一起。

2. 更好的库存控制

库存管理是零售业务中最棘手的部分之一。采购多少不同的款式？要什么尺码的？传统的零售商通常会根据经验进行猜测，或者按照钟形曲线分布订购不同的尺码。Colson表示：“我们会看看我们的客户，弄清楚他们中有多少人会对某一个特定的衣服款型感兴趣，然后我们按照他们的尺码分布进货。” Colson表示：“这让库存变得更容易管理。”

3. 降低运输成本

运输成本也有可能会极大地吞噬很多零售商的利润，因为货物要由不同的小卡车运送到全国各地。在Stitch Fix，算法会根据每间仓库相对于客户的位置以及各个仓库中的库存与客户需求的匹配程度来计算每间仓库的成本，从而减少不必要的运输成本。

4. 设计新的款式

时尚行业是围绕着极富创造力并且经常是变幻莫测的设计师建立的，这些设计师的灵感每年都会为我们带来新的风格。只要看看标签上设计师的姓名就值好几百美元。但是我们是否总是会觉得这些新的款式是为我们设计的呢？

在Stitch Fix，算法可以帮助针对特定的客户群体设计新的服装款式，这些群体往往没有从其他品牌那里得到很好的服务。设计师算法在开发新的款式方面使用的机制和大自然在进化过程中使用的自然选择一样：重新组合现有的款式，并且可能对它们稍加调整，然后测试“适应性”（客户对类似款式的反馈）。

好吧，是几乎完全一样。如果它完全按照自然界的方式来运行，随机重组和突变就会被抛出来，是生是死只能听天由命。Stitch Fix则希望让它的创作尽可能多地存活下来。这就是为什么这家公司采取了一些大自然没有采取的步骤并且对是什么让它成为库存更为挑剔的原因。在突出了比较有可能受到喜爱的各种属性之后，Stitch Fix与其人类设计师合作，审查并完善这些属性组合，并最终生成下一代的款式。

所以，如果你下一次拿起一件衣服时，不要感到惊讶，标签上可能会显示设计师是：算法。

Stitch Fix是企业可以找到利用算法的独特方法的一个很重要的例子。通过围绕着算法构建其整个的业务模型，该公司将自己变成了一个对于数据科学家很有吸引力的工作场所。当然所有这些都需要投入时间、金钱和脑力——但是回报是非常值得的。忽视这种投资或者拖得太久的企业有朝一日可能会看到它们的商业模式的崩溃。