本次演讲我将介绍美国下一代购物方式的领头羊stitch fix的商业模式。Stitch fix颠覆传统服装零售业固有的实体店经营的模式，剔除购物中用户往往最头疼的”选择难”的环节。在stitch fix, 我们将大数据人工智能与专业造型师结合，为客户提供个性化的服饰推荐。本次演讲我会涉及stitch fix推荐系统的数据采集和特征化，介绍推荐算法中遇到的挑战跟我们的解决方案。之后介绍人机结合，即造型师跟人工智能系统的互动，流程自动化和知识转移。最后，我会概述stitch fix面对的其他数据科学挑战，包括自然语言处理，计算机视觉，库存仿真和需求预测。

在今天的报告里面，我想聊一聊新的购物方式。我现在在Stitch Fix数据科学部，Stitch Fix是一家以推荐为主的公司，我想聊一下Stitch Fix创业模式，还有推荐当中使用的数据科学。另外，就是聊一些数据科学方面的应用。

我是中科大商学院毕业的，毕业了以后到美国，我在硅谷研究所做两年技术预测。那个时候就是研究产品需求对于价值的波动。我是做广告预测，还有广告排序。之后我到Stitch Fix，现在在Stitch Fix数据团队，带领一个团队开发。现在服务就是仅限于美国本土，所以，并没有大规模做一些营销。

Stitch Fix是一个在线的个性化的公司，我们通过收集用户资料，了解用户的购物偏好，然后，后台通过数据科学，还有测评师的推荐给用户他们想购买的东西。后台通过数据科学，寄到家里面来，可以在家里面试穿，什么衣服可以买，什么衣服可以退回去。可以把不想要的衣服退回来。Stitch Fix面对客户群就是一些工作比较忙，没有时间的人。还有一些人就是想发现比较新的类型的衣服，有一些衣服自己不会去买。但是，寄到家里面来以后，这个衣服穿上去以后挺合适。另外，对时尚比较感兴趣，Stitch Fix，到现在已经有5年多历史了。我们在旧金山硅谷，现在还有专业的造型师，业余造型师，都是有比较丰富的工作经验，给用户量身打造一些衣服。

Stitch Fix的产品线，现在做产品主要是服装类的。包括衣服，还有一些饰品，围巾，项链，在未来几个月我们会增加男装。首先，聊一下衣食住行4大要素，是我们每天都是要考虑的一些问题。美国，住、行都有领导品牌。饮食没有一家公司占主导地位，衣也没有。

你喜欢什么衣服呢？我们跟造型师结合方式，帮你挑选一些衣服，然后，这些衣服就是寄到家里面。要的衣服就需要够买，衣服不要的话也可以退回来。

所以，Stitch Fix创新两大块，第一，基于推荐的电子商务，如果我们在京东淘宝上面买东西，就是自己去购物，自己去浏览。但是，在Stitch Fix，你填一个用户资料以及需要的衣服，后面所有的挑选衣服，所有的挑选过程都是我们来完成的。这个是Stitch Fix创新，另外一个创新，通过数据科学，通过算法跟造型师结合方式。在之后我们会介绍如何做到人机交互。

服务，有订阅式服务，还有及时解决服务，我们都是有的。订阅，每一个月，都是收到衣服，及时请求，刚刚开始注册个人资料，过一段时间有需要的时候，再跟我们发出请求。Stitch Fix，想基于关系，想用户跟造型师建立依赖关系，我们可以更新对用户的了解。以此增强用户黏度。

也是可以分为有延时的，我们服务就是延时的。从用户发出请求以后，内部通过造型师推荐，仓库管理，还有定单的配送。所以，用户发出请求到最后收到有一些时间的，需要7到10天以内。用户如果不买任何衣服，需要支付20块钱。如果买一件以上的衣服，这20块钱可以搭衣服里面。如果5件衣服都是买的，都是有75折的。

对于用户来讲我们没有事先告诉他里面有什么衣服，所以当用户拿到包裹的时候是有惊喜的。如果我们做的好，对于用户就是省去了自己买东西一个过程。如果我们寄的衣服不恰当，就是支付往返运费，可能会导致用户流失。衣服寄错了也是不可以的，这个就是浪费了寄对人的一个机会。 我们给要用户挑衣服的时候，通过数据科学，还有算法，跟造型师结合实现的。每一个时刻，我们库存里面有万件衣服，考虑到用户的指标，用户不喜欢一些颜色衣服，不喜欢露肩衣服。对于每一个用户，衣服有5000件到7000件，有大量库存，单纯靠造型师挑选，就是一件非常费时费力的事情，面对众多的选择。第一步算法挑一些匹配度比较高的衣服，可以简单理解为算法筛选一下100件到500件，造型师再做精细的筛选。

那么，首先看一下算法推荐，就是一个计算和衣服匹配一个过程。针对每一个用户，计算一个匹配度，大量数据学习当中得到的。首先，我们看一下，我们有哪些数据？我们数据有用户数据，也是有商品数据，有静态用户数据，也有用户行为数据。静态用户数据，主要是上面写的这几大类， 描述一件衣服需要大量的东西的。我们现在用的比较多的主要就是三大类，第一就是颜色，第二就是图案，还有就是材质。还有一些其他的特征，这个衣服有没有口袋？这个口袋在什么地方？所有这些特征都是影响到用户买，或者买什么衣服。 所以，我们系统是一个人机交互的系统，这个系统里面是靠推荐算法，跟造型师结合起来做推荐的。所以，算法有比较强的计算能力。

下面看一下我们的主要工作内容。第一，就是用户团队，用户团队就是出一些营销的数据，我们可以看一下营销渠道，这个用户质量如何？做一些营销方面分析，我们也是预测需求，规划下一步的库存。我们有相当一部分就是退出来，有相当大比例退出来。我们库存也是有随机性的。所以，库存团队里面做了一些模拟，模拟当下库存，也会根据实际的库存来看一下访问质量。

我们在团队里面还做了一个非常有意思的事情，就是数据驱动创意，我们根据收集到数据，知道产品的什么特征，是成功率比较高的。什么颜色成功率比较高，什么图案比较高，我们做一些搭配，通过数据驱动创意，然后，得到的新的创意，就是交付工厂大规模制作。