提升:利用库存算法支持有色企业家

瑞安·道尔顿,尼米什·帕蒂尔,马特·伯吉斯,内森·塞利科夫,还有琼·安德鲁斯
——加利福尼亚州旧金山
动画标志的Elevate, Stitch Fix的赠款和导师计划

去年,Stitch Fix承诺支持黑人、土著和有色人种(BIPOC)社区,并谴责系统性的种族主义、国家批准的暴力和白人至上主义。对我们来说,重要的不是简单地发表一个声明,而是把有意义的,集中的,和言语背后的持续行动.作为行动呼吁的一部分,我们看到了一个机会,利用我们的影响力和资源,为时尚行业的bipo所属企业提供更多机会。为了加速我们自己的供应商基础的变化,以及在更大的行业,我们成立了Stitch Fix Elevate赠款和导师计划的使命是帮助发展、指导和支持bipo旗下的服装和配饰公司。

与Stitch Fix的形式一样,Elevate项目由责任感催化,创新和伙伴关系推动,并作为艺术和科学之间的协同作用而设计。在这篇博文中,我们描述了数据科学对Elevate项目的贡献。首先,我们大致描述了算法辅助库存管理的方法。对于Elevate项目,我们有选择地重新利用我们的库存算法,以便为外部商品的完整目录构建早期产品市场适应性报告。这使得我们能够快速地加入新的供应商,同时扩展我们的库存到完全不同的商品中。此外,我们正在将这些算法的使用直接扩展到供应商,实际上用同样的战略优势武装他们,推动我们自己的数据科学投资。这些努力旨在通过颠覆现有的人才与成功之间的路径,催化整个零售领域发生更大的变化。

风格的发现

Stitch Fix的库存是精心策划的专家商品买家,这是必不可少的,我们的能力提供个性化规模。库存管理是一项复杂的任务,特别是面对约400万人和快速增长的客户基础。它也是高度动态的,由客户品味和更大的时尚景观的演变所驱动。

为了促进库存管理过程,我们的风格发现算法团队与商品买家密切合作。Style Discovery团队使用的具体方法、架构和集成将是接下来的博客文章的主题。但从广义上讲,Style Discovery构建的推荐系统可以预测新道具的成功程度,如果我们决定将其纳入库存。这些预测是针对总体和一系列客户群体做出的,使我们的买家既能推动整体库存的成功,又能提高特定客户群体的渗透率。

重要的是,这些推荐工具旨在赋予买家权力,而不是限制他们带来的可观的专业知识。出于这个原因,Style Discovery的建议既没有限制我们的买家考虑的项目,也没有限制他们最终可以购买的项目。相反,我们的建议是任何正在考虑的项目的额外“决策背景”。然后,买家可以将这一决策背景与他们自己对变化的市场和趋势力量的理解结合起来,使他们能够利用直觉和算法力量战略性地建立我们的库存。

提升的风格发现

去年夏天,在全球抗议运动加速的背景下,我们从责任的角度重新评估了我们自己的优先事项。通过这一视角,我们致力于重新构建数据科学问题空间,以识别具有社会影响和商业价值的交叉项目。具体来说,我们询问了如何利用我们的算法来支持供应商基础的多样性,以及我们如何利用这些即时的努力来催化整个行业更大、持久的变化。

问了这个问题之后,这是一个让我们行动起来的创新。我们推断,如果我们的风格发现算法可以预测商品的成功,它们可以被重新用于快速评估外部商品组合。这将使我们能够向早期创业者提供产品市场适用性报告,实际上是将我们在数据科学方面的巨大力量转化为对这些创业者成功的投资。更进一步,我们还可以重新设想发现和加入专业供应商的方式,实际上在人才、机会和成功之间画出了一条新的界线。

在这些动机的驱动下,通过与多个Stitch Fix团队以及外部顾问、Harlem 's Fashion Row创始人兼首席执行官Brandice Daniel的富有成效的合作,我们创建了Stitch Fix Elevate Grant & mentoring Program,以支持和指导bipo旗下的公司。每年秋天,Elevate项目将发起一项呼吁,要求bipo旗下的早期服装和配饰公司提交申请和商品组合。每年,Stitch Fix都会选择一批新的受奖人。第一批受惠者目前正在参与一个提供支持、扩大和指导的项目,最终将Stitch Fix为他们的商品下批发订单。实际上,这是为了让他们的商品接触到我们在美国的庞大客户群。

不同暖色的正方形网格对应于不同项目和客户端的预测性能
一个说明性的发现报告。针对我们服务的每个细分客户,预测每个项目的性能,并将其作为综合热图呈现。

机器学习集成

在Stitch Fix,我们相信良好的数据科学不仅需要算法本身的能力,还需要一种强大的哲学,即如何有效地和道德地整合我们的算法见解。有了这个框架,我们的Style Discovery算法从未被用作“过滤器”来决定哪些供应商应该或不应该通过Elevate得到支持。相反,受资助人的选择是由不同的专家委员会执行的,并根据客观和公平的严格标准。

为了利用我们的数据科学努力为早期供应商增加价值,我们使用Style Discovery算法为每个项目决赛者提交的商品组合构建产品市场适合的“报告”。这些“发现报告”然后直接提供给我们的决赛者;为了确保报告的发现和潜在的偏见得到清楚的传达,每个决赛者都与数据科学家和商品买家讨论了他们的产品市场适合度报告。重要的是,我们将此作为开发过程。早期和频繁地与我们的入围者和受资助者接触是我们构建可执行的探索报告的基础。

最终,对于申请人投资组合中的每一个项目,发现报告都提供了成功预测,无论是在总体上还是在我们的所有内部客户群体中。此外,通过在《Style Shuffle》应用中添加Elevate商品,我们获得了约200万用户的评价。这让我们能够衡量每个组合中每个道具的即时情感共鸣。

每个发现报告都承载了Stitch Fix对数千种风格和数百万客户交互的理解。但这些报告并非简单的抽象数据收集。我们通过迭代和改进的过程了解到,每个发现报告都讲述了一个故事。其中一些故事是关于年轻客户群体的,他们喜欢供应商的设计,但供应商现有的销售模式无法触及他们。还有一些故事是关于在专业背景下追求真实性和天赋的市场惊人的膨胀。所有这些故事都有一种发现和个性化的感觉。但同样重要的是,我们发现每个故事都可以直接传达销售、开发和营销策略。换句话说,《探索报告》的见解不仅仅是可行的;这些都是成功的故事,我们可以帮助这些企业家实现。

三个图表在一个水平的行。第一个图表的标题是“上下文中的数据”,它显示了一个大致高斯分布的直方图,标记为“上下文”,直方图右侧有一条竖线标记为“基准面”。第二张图表的标题是“主题:杰出的印花”,展示了三种图案,一种是豹纹,一种是格子,一种是领带。第三个图表的标题是“主题:市场”,显示了一个程格化的人物图标,并附有三个注释:年龄范围、预算和建设。
发现报告的可操作性。通过提供全面的预测,我们可以制定商品策略。这些策略包括确定哪些项目的预期表现优于类似项目。我们还可以识别出可能表现良好的特定印花或轮廓。最终,我们可以在理想的市场上提炼出供应商库存应该瞄准的主题。

提升项目的首批学员赋权

今年1月,“提升计划”选出了6位才华横溢、鼓舞人心的新人.每个受资助者都获得了25,000美元的资助来发展他们的业务。但这笔拨款只是个开始。在8个月的时间里,受奖人接受了定制的指导和支持项目,包括与我们的创始人卡特里娜·莱克(Katrina Lake)的一对一会议,以及与哈莱姆时尚街(Harlem’s Fashion Row)的布兰迪丝·丹尼尔(Brandice Daniel)的一对一会议。他们还参加了一系列培训模块,包括数据驱动设计、营销算法和增长型营销等主题。

最后,在项目期间,受助人获得了我们算法小组定期的发现报告形式的支持。受让人直接与数据科学家、商品合作伙伴和其他人讨论了这些报告的见解。提供这些额外的报告有几个功能,所有这些功能都是为了让我们的受让人获得成功。一项重要的职能是继续编写报告本身;从我们的受让人那里得到的关于什么是有用的,什么是无用的,或者他们希望看到的反馈,将帮助我们优化或调整,以便我们能够构建尽可能可行的报告。

我们也希望发现报告成为增长和产品开发反馈周期的一部分;换句话说,这些报告将成为人工智能辅助设计的基石。随着我们的受助人扩大或微调他们的投资组合,探索报告将更新新的预测。这些新的预测将会让我们越来越关注我们想要实现的成功故事。我们很荣幸也很荣幸能成为这个过程的一部分,并希望我们以责任的视角重构工作的努力将激励数据科学界,并在我们所服务的行业中激发持续的变革。

发布的这篇文章! 文章在LinkedIn
188滚球注册平台

来和我们一起工作吧!

我们是一个多元化的团队,致力于打造伟大的产品,我们希望您的帮助。你想和优秀的同行一起开发优秀的产品吗?加入我们吧!

Baidu