当我们购买衣服时，一般会选择到线下的实体店去试穿，或者干脆网上去各大电商平台找到品牌商，货比三家，根据自己的喜好下单。

有没有想过，其实这样的效率并不高，也经常会有退货发生，因为实际的衣服尺寸和个人的穿搭习惯总会有偏差，还不一定可靠。

尤其是对于不经常买衣服的人，把各种衣服的尺寸搞清楚本身就是一件头大的事情。光看各种衣服的尺码说明就够让人抓狂了。

并且，假如本身工作就很忙，也没有时间抽出精力在这个上面花费太多的时间。

那在买衣服这件事上，有没有更简单、更轻松的做法？

从2011年开始，美国的一家服装电商Stitch Fix就致力于解决这一现代人的痛点，把买衣服这件复杂繁琐的事情尽量给简化。

不过，他们的解决方式很特别，就是从原来依靠个人的经验判断转向依靠数据和算法。

作为一家在线订阅和个人购物服务公司，Stitch Fix利用算法和穿搭顾问为有需要的顾客提供个性化服饰设计服务和服装产品，顾客在支付年费后会收到若干服饰盒子（Fix）可试穿、退回和购买。

令人惊叹的是，他们不仅把这件事情给做成了，还在2017年时成功在纳斯达克上市了。

正如Stitch Fix的创始人兼CEO卡特里娜雷克（Katrina Lake）所指出的：“我们的商业模式很简单，就是把我们认为用户会喜欢的衣服和配饰快递给用户，用户留下想要的，寄回不喜欢的。这是利用数据科学为用户提供定制服务，是一种超越了传统实体零售和线上零售的购物体验。”

第一步，最关键的就是收集丰富的数据来构建造型档案。

这里的数据实际上包括三种类型，第一类是顾客的数据，比如顾客的年龄、居住地、穿搭习惯、购买倾向、支付费用等。第二类是商品的数据，比如衣服的尺码、质地、品牌、价格、颜色、风格等。第三类是顾客的反馈数据，比如评论、退货记录等。

就这样，Stitchfix通过会员制方式，基于上述的各类数据信息，构建起来了一个庞大的服装数据库和造型数据，为提供造型解决方案构筑了坚实的第一步。

第二步，使用算法来处理数据，用于下一步的推荐。

Stitch Fix使用了50+种算法来处理问题，这些问题主要包括：为客户量身定制盒子、预测购买行为和需求、库存优化和设计新服装。

例如，Stitch Fix通过数据了解到男士衬衫的胸围和宽度的最佳比例，于是，就调整了男士衬衫衣领到胸前第一个纽扣的距离；再比如，通过数据分析得到某种尺寸商品的合理分布，就可以根据这个比例来储存相关商品。

第三步，造型师进行人工决策，提供穿搭建议。

Stitch Fix拥有超过3,400名搭配师，其中绝大多数是兼职和远程工作。公司为搭配师提供了定制的搭配程序，来帮助搭配师完成搭配工作。

他们基于上述数据和算法，为顾客撰写造型说明，这样一来，穿搭方案就有了人工指导，变得更加具有针对性和适配性，将各类不同的衣服如何和不同的顾客相匹配，并穿出风格，确实是一门需要指导的专业化工作。

第四步，提升每次的顾客体验，从而获取顾客的忠诚度和重复购买

顾客通过网站和客户端和搭配师沟通，可以方便地查阅其订单和搭配配置；Stitch Fix则收集客户相关的数据、客户反馈等等，并且把这些数据反馈给搭配师和算法，从而优化个性化的服务体验。

就这样，一个基于服装数据和算法循环模式就这样形成了。如今，这个平台上已经汇聚了340万会员，并且还在持续地增长中。

在我们看来，Stitch Fix模式的成功，缘起于对服装电商发展趋势的洞察，基于个性化的服装穿搭需求，将线上与线下模式的不足理解充分后，通过采用订阅模式的形来匹配供应和需求双方，打造了一个以服装数据图谱为支撑的平台。

与其说Stitch Fix是一个服装订阅电商，不如说是一个以数据科学为支撑的算法公司。

它的数据积累是其重要核心竞争力，通过海量的服装数据，结合造型师建议，从而提供了基于个性化服装的解决方案。

在快节奏的当下，显然有助于降低顾客的选择难度，最大限度地减少了客户的选择成本和交易成本。

放大来看，会员制电商是一种采用DTC（直接面向消费者）的商业模式，我们能够较快地收集到客户的第一方数据，通过大数据更好地了解客户，清楚他们的喜好以及他们与我们的产品和服务的交互方式，并且利用这些数据定制客户体验，最终从客户关系中受益。

从现在开始到未来，比我们更懂自己的，也许不是我们自己，而是数据和算法。

点赞是一种支持，各位网友你们怎么看，希望帮助多多转发和关注哦。