美国购物平台Stitch Fix王建强:数据驱动的决策辅助与产品智能化

作者: 王雪燕 2017-04-22 09:48:00

【51CTO.com原创稿件】近日,由51CTO主办的WOTA全球架构与运维技术峰会在北京富力万丽酒店圆满闭幕,笔者在峰会现场对来自美国购物平台Stitch Fix的数据科学总监王建强进行了专访,主题主要围绕数据驱动的决策辅助与产品智能化展开。

美国购物平台Stitch Fix王建强:数据驱动的决策辅助与产品智能化

王建强· Stitch Fix数据科学总监

问及经历,才知道他曾于Twitter就职,负责广告推荐算法相关工作。对于为什么放弃大企业而选择初创公司,他这样回答:大公司跟小公司其实各有优劣,一般在大公司工作待遇会好生活稳定,但同时大公司就不像小公司有那么多的挑战,在大公司可能会做比较局限于某一块的工作。但是你如果到小公司的话,个人会有更大的发展空间。

Stitch Fix的商业模式和业务流程

王建强表示,加入Stitch Fix,主要因素是欣赏Stitch Fix的商业模式。Stitch Fix商业模式和Netflix早期的商业模式很相似,约2004、2005年Netflix商业模式主要是用户可以在网上建一个队列,自己想看的电影,建这样一个队列以后,Netflix会把电影寄到用户的家来。Stitch Fix也是采用直邮的模式,只不过它是电商+直邮+推荐。

Stitch Fix是一个在线个性化服装推荐公司。用户注册后,系统会推荐一些衣服寄到家里,用户根据自己的兴趣偏好决定要不要购买这些衣服。Stitch Fix主要解决用户的购物痛点,如在我们生活中大部分人都非常忙碌,没有时间上街购物。有些用户可能想发掘新的穿着偏好,或是一些穿搭的体会,另外还有很多追随时尚潮流的人,想试用一下这样的场景。公司有三百左右的全职员工,还有近两千的兼职造型师。公司会提供造型师平台,以便于这些人随时随地工作,每周工作十小时以上即可。

美国购物平台Stitch Fix王建强:数据驱动的决策辅助与产品智能化

Stitch Fix的业务模式

当问及Stitch Fix的业务模式,王建强表示,从用户的方面看,用户需要填写个人风格问卷,问卷会涉及购买衣服时会考虑到的常规问题,如颜色、价格、尺寸等等。Stitch Fix会搜集用户个人风格问卷,通过算法和造型师建议结合起来进行推荐。之后,用户会收到五件不同的衣服,可在方便的地方试穿及与其他衣服搭配,喜欢留下来,不喜欢退回。

从Stitch Fix角度看,需要做三件事情:其一,当用户发来需求,看哪个仓库能满足需求的同时还要考虑运费,投递时间等。其二,做用户和造型师匹配。这些会考虑到交易历史和用户给造型师打分等。其三,是做人货匹配,可以理解为是比较传统的机器学习算法。

Stitch Fix的参考特征和推荐算法

王建强表示,基于现有的业务模式,主要参考用户特征、产品特征以及历史交易数据。用户特征包括问卷特征,这里值得一提的是,Stitch Fix在收集用户信息时,会用一个相对较长的文件调查收集用户在购物时方方面面的信息且用户也很愿意分享自己的信息,区别于一些社交网络,如在微博这种社交网站上,用户对于暴露隐私这件事很介意。相反Stitch Fix这样一个购物平台,用户会觉得如告知Stitch Fix更多个人信息了,就可做更精准推荐。故某种程度上,Stitch Fix跟用户出发点是一致的,所以可得到更高质量,更多数量的用户偏好数据。产品特征就是通过深度神经网络学习得到的特征,把每一个产品的图片放到深度神经网络里,然后生产的一些进程,对每一件产品的进程可以计算产品相似度矩阵,这样一来,就可做一些接近推荐。

在算法方面,Stitch Fix主要是在开源库的基础上自研,这样的模式比较像脸书。Stitch Fix开发了关于推荐方面的很多算法,如基于逻辑回归、分类树、还有基于Factorization Machine,就是把协同过滤跟基于特征的建模结合在一起,且factorization machine可处理稀疏的特征,还有一些比较稠密的特征,所以说相当于是二合一的模型。

美国购物平台Stitch Fix王建强:数据驱动的决策辅助与产品智能化

人机协同 1+1>2

人和货匹配时采用的是人机协同的方式,不是纯粹靠机器算法,也不是纯粹靠人工。首先用算法做一个扫描,对大量的库存数据进行筛选并排序,解决人工面对海量库存耗时筛选的难点。其次,可从试穿环节找到模式,如发现某一类衣服可能深受某个年龄段用户的钟爱。同时做数据降噪,如不同造型师挑选会有差异,导致系统质量很难保证,这就要通过算法做进一步筛选,从某种程度上保证大家最后挑选衣服的质量。

写在最后:

购物平台不可缺的就是快递方面的建设, 王建强表示,在美国快递业,物流这一块相对来说会更简单一些,Stitch Fix给用户寄包裹,主要通过美国邮政,只要跟美国邮政合作就好。但在中国,因快递平台比较分散,碎片化比较严重,如果Stitch Fix在中国拓展业务的话,它势必跟不同的快递公司合作,这个合作系统上的接轨就会出现一些挑战。

【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】

数据驱动 决策 产品 智能化
上一篇:芮勇谈联想人工智能,掌握设备入口就有想象空间 下一篇:谷歌选择自主构建AI芯片的六大理由
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

私藏UNIT学习笔记—轻松入门对话系统搭建

搭建对话系统是一个相对专业而复杂的过程,通常分三个主要的阶段。首先是需求分析,然后是使用平台搭建技能,最后是持续优化。

佚名 ·  2019-01-04 09:19:17
如何让产品像人工智能一样懂你?我总结了这些方法!

大多数人在谈论起机器人、应用工具时均会提及智能化。智能化,是人对非人的物质或非物质对象产生思维逻辑的一种期待或是感受。本文探讨在弱智能环境下,在后台产品设计上通过增强智能化特征来增强用户对产品的智能化感受。

砥七 ·  2018-09-17 11:38:58
Bespin Global:借力AI技术 打造云原生的智能化运维方式

对于多体系的中国云市场,相比较来说,MSP更加被需要,但只有技术能力过硬,才能够对这个特殊的云市场提供服务。同时服务质量也要优于其他MSP,才能成为真个市场主导者。

王雪燕 ·  2018-03-01 09:22:32
人工智能三年国家战略公布:这八类产品要火!

在接下来的2018-2020这三年内,国家要重点推动人工智能和实体经济深度融合,推进人工智能技术产业化、集成应用,并且点名重点应用智能网联汽车、服务机器人、AI医疗影像等八大类人工智能产品。

智东西、通信情商新零售 ·  2018-02-02 09:12:05
智能机器人关键技术:推动制造领域智能化改造

日前从国家发改委获悉,智能机器人关键技术产业化实施方案印发,旨在推动互联网、大数据、人工智能和实体经济深度融合,提高智能机器人产业技术水平和核心竞争力。

佚名 ·  2017-12-26 16:16:03
机器学习转化为生产力,警惕这4个常见陷阱!

几乎每个人都想在他们的业务中引入机器学习,但是这些人也遇到了一个大问题:让模型可持续发展十分困难,尤其是在云架构的基础上。medium上一位博主也指出了这个问题,并提出了将机器学习模型投入生产的4个常见陷阱。

大数据文摘 ·  20h前
500亿参数,支持103种语言:谷歌推出「全球文字翻译」模型

由于缺乏平行数据,小语种的翻译一直是一大难题。来自谷歌的研究者提出了一种能够翻译 103 种语言的大规模多语言神经机器翻译模型,在数据丰富和匮乏的语种翻译中都实现了显著的性能提升。

机器之心 ·  1天前
对于人工智能的恐惧及其5个解决方法

实施人工智能技术的IT领导人可能会感到一些恐惧,这有着充分的理由。人工智能在拥有数十年发展和应用历史的同时却有着奇怪的定位,但对于许多人来说,人工智能仍然是一种未来主义的感觉。

Kevin Casey ·  2天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载