Stitch Fix如何使用AI個性化其在線購物體驗

在線零售商長期以來一直吸引著客戶，這些客戶具有在家中瀏覽各種商品，快速比較價格和報價以及將商品方便地送到家門口的能力。但是，很多親自購物的經驗已經丟失了，其中最重要的一點就是嘗試穿衣服以查看它們的合身程度，顏色如何與膚色配合等等。

像Stitch Fix，Wantable和Trunk Club這樣的公司已嘗試通過雇用專業(yè)人員根據您的自定義參數(shù)選擇衣服并將其運送給您來解決此問題。您可以試穿，保留自己喜歡的東西，然后將自己不喜歡的東西寄回去。Stitch Fix的此服務版本稱為Fixs?？蛻艨色@得具有服裝靈感的個性化樣式卡。它是算法驅動的，可幫助樣式專家將服裝與特定的購物者匹配。每個修訂包括一個樣式卡，該樣式卡顯示服裝選項，以根據客戶的修訂中的各個項目來完成服裝的搭配。由于需求旺盛，該公司去年開始通過一種名為Shop Your Looks的程序，為購物者測試一種直接從Stitch Fix購買這些相關商品的方法。

人工智能很自然地適合此類服務，并且Stitch Fix已采用該技術來加速和改善Shop Your Looks。在技??術方面，這使該公司與龐然大物Facebook，Amazon和Google直接競爭，所有這些公司都在積極構建AI驅動的服裝購物體驗。

Stitch Fix告訴VentureBeat，在“購買您的外觀”測試版期間，“超過三分之一的通過“購買您的外觀”購買的客戶多次使用該功能，大約60%的通過產品購買的客戶購買了兩項或以上。”公司已經取得了足夠的成功，最近公司擴展到使用相同的基礎技術來包括整個可購物系列，以在您購物時個性化服裝和商品推薦。

Stitch Fix數(shù)據科學家Hilary Parker和Natalia Gardiol在電子郵件采訪中向VentureBeat解釋了促使該公司開發(fā)Shop Your Looks的原因。團隊如何使用AI進行構建;以及他們使用的方法，例如分解機。

在本案例研究中：

問題：如何使用算法和專業(yè)知識相結合，擴展將服裝與在線客戶匹配的服務范圍。

結果是“購買您的外觀”。

它源于一個由Stitch Fix數(shù)據科學家組成的小團隊進行的實驗，然后擴展到公司的其他部門。

最大的挑戰(zhàn)是，當品味如此主觀且上下文相關時，如何確定什么是“好”衣服。

Stitch Fix使用人工制定的規(guī)則來存儲，排序和處理數(shù)據，以及稱為因數(shù)分解機的AI模型

為了簡化和簡潔起見，對本采訪進行了編輯。

VentureBeat：Stitch Fix是否愛上了AI工具或技術，并以此為靈感來使用該工具或技術制造產品?還是公司從問題或挑戰(zhàn)開始，最終選擇了AI驅動的解決方案?

Stitch Fix：要創(chuàng)建“購買外觀”，我們必須發(fā)展算法功能，從將客戶與Fix中的單個項目匹配到現(xiàn)在根據客戶過去的購買和偏好來匹配整個服裝。這是一個非常復雜的挑戰(zhàn)，因為它不僅意味著了解哪些物品搭配在一起，而且還意味著單個客戶實際上會喜歡哪些裝備。例如，一個人可能喜歡將粗體圖案混合在一起，而另一個人可能更喜歡帶有更柔和底部的粗體頂部。

為了幫助我們解決此問題，我們利用了現(xiàn)有的框架，該框架為Stylists提供了有關Fix的項目建議，并確定了我們需要向該框架中提供哪些新信息以及如何收集這些信息。

首先，了解客戶當前與我們共享信息的方式非常重要：

樣式資料：當客戶注冊Stitch Fix時，我們會收到90個不同的數(shù)據點-從樣式到價格點再到大小。

結帳時提供的反饋：85%的客戶告訴我們?yōu)槭裁匆Ａ艋蛲素?。這是令人難以置信的豐富數(shù)據，包括合身和款式的詳細信息-其他零售商沒有得到這種水平的反饋。

樣式隨機播放：我們應用程序和網站上的一種交互式功能，客戶可以在其中“豎起大拇指”或“豎起大拇指”一件商品或服裝的圖像。他們可以隨時執(zhí)行此操作-不僅是在收到修訂時。到目前為止，我們已經從客戶那里獲得了令人難以置信的40億項評分。