在个性化推荐机制方面,大多数服装按月订购网站采用的都是用户提交身形、风格数据 + 编辑人工推荐的模式,Stitch Fix不一样的地方在于它还结合了机器算法推荐。此外,Stitch Fix 的另一个不一样的地方在于它的编辑胆子很大,有时竟然敢推荐一些完全不是用户风格的服装或配饰。吓到用户怎么办?但奇怪的是,它的推荐成功率非常的高。 编辑根据用户提交的身形、风格数据判断用户可能适合的衣服,打包几件寄给用户,用户喜欢的买下,不喜欢的寄回。这套模式在国外做服装的按月订购网站已是老生常谈了,Stitch Fix 也是如此,但我不想过多赘述了。这里我想先说说 Stitch Fix 结合机器推荐的事。 Stitch Fix 机器算法推荐团队的领头羊是 Netflix 数据科学与工程部门的前副总 Eric Colson。其机器推荐主要是搜罗用户在网络上的各种痕迹分析用户喜好,比如它会关注用户在 Pinterest 上都分享了什么。 不过无论机器分析出了用户的什么喜好,无论用户在提交的数据中表示了他们喜欢的风格是什么样的,最终决定在寄给用户的盒子里装什么的永远是编辑。而有时候 Stitch Fix 的编辑比较会特立独行。他们不会一味的迎合用户的“喜好”,反而时不时的会给用户寄一些他们认为用户可能适合的服装风格,并且会在每寄去的一件服装上都会都会附上推荐理由和搭配建议,让用户试试看。 从 Stitch Fix 的个性化推荐机制中,我看到的是它没有被数据奴役。如今的互联网时代,随着个性化机制的逐渐成熟,用户在互联网上留下的任何脚印都将成为其机器推荐技术的依据。当然,我不否认这在很大程度上对用户是有好处的,因为当互联网越来越了解你的时候,你的互联网体验也会越来越个性化,会是一件省心贴心事。但另一方面,我十分担忧这会逐渐把我们的视野变得越来越狭窄,因为很多你从未触碰的东西并不代表它对你没有意义。 归根结底,目前互联网上的很多个性化机制都是基于用户历史去了解用户需求的,而 Stitch Fix 的个性化机制中则增加了“预测”的成分。如何预测?在我看来,用户的任何历史数据都是帮助机器去了解用户是一个什么样的人。而当你真正了解这个人之后,你的推荐就不会是在完全复制历史,而能“预测”出很多以前甚至从未出现过的可能性。这是一种更高级的个性化。我想乔布斯如果在世也会同意我这个观点,要知道苹果本身就是一家不会被用户牵着鼻子走的公司。 Stitch Fix 在今年 2 月底曾获得来自 Baseline Ventures、Lightspeed Venture 等风投的 475 万美元 A 轮融资。 |
|