Come Stitch Fix utilizzato AI per personalizzare i propri acquisti online experienceAI & Dintorni

I rivenditori Online hanno da tempo attirato i clienti con la possibilità di sfogliare la vasta selezione di merce da casa, di confrontare rapidamente i prezzi e le offerte, e sono beni consegnare comodamente a portata di mano. Ma molto di persona l’esperienza di shopping è stato perso, non ultimo dei quali è la prova sui vestiti per vedere come si inseriscono, come i colori di lavorare con la vostra carnagione, e così via.

Aziende come Stitch Fix, Wantable, e Trunk Club hanno tentato di affrontare questo problema con l’assunzione di professionisti a scegliere i vestiti in base a parametri personalizzati e di spedire a voi. È possibile provare le cose, mantenere ciò che ti piace, e quello che non. Stitch Fix versione di questo servizio è chiamato Correzioni. I clienti di ottenere un Stile personalizzato della Carta con un abito ispirazione. È algoritmicamente guidato e aiuta umani, gli esperti di stile corrisponde un indumento con un particolare shopper. Ogni Fix incluso uno Stile di Carta che ha mostrato le opzioni di abbigliamento di abiti interi in base ai vari elementi di un cliente Fix. A causa della grande richiesta, lo scorso anno l’azienda ha iniziato a testare un modo per gli acquirenti di acquistare tali elementi correlati direttamente dal Punto in cui Correzione tramite un programma chiamato Shop il Tuo Aspetto.

AI è una misura naturale per tali servizi, e Stitch Fix ha abbracciato la tecnologia per accelerare e migliorare il Negozio il Tuo Aspetto. Sul tech anteriore, questo mette l’azienda in diretta concorrenza con colossi Facebook, Amazone Google, che sono aggressivo costruzione AI-powered vestiti esperienze di shopping.

Stitch Fix detto VentureBeat che durante il Negozio i Vostri Sguardi periodo di beta, “più di un terzo dei clienti che hanno acquistato tramite il Negozio il Tuo Aspetto impegnati con le funzionalità più volte, e circa il 60% dei clienti che hanno acquistato attraverso l’offerta comprato due o più elementi.” E ‘ stato abbastanza successo che l’azienda ha recentemente ampliato per includere un intero shoppable collezione che utilizza la stessa tecnologia di base per personalizzare il vestito e la voce di raccomandazioni come si negozio.

VB Trasformare Il 2020 Online – luglio 15-17. Unire leader AI dirigenti: Registro per la libera livestream.

Stitch Fix scienziati dati Hilary Parker e Natalia Gardiol spiegato a VentureBeat in un’intervista email che cosa ha spinto l’azienda a sviluppare Shop il Vostro Aspetto, come il team ha utilizzato ai per costruire fuori; e i metodi utilizzati, come ad esempio il problema della fattorizzazione di macchine.

In questo caso di studio:

  • Problema: Come espandere la portata del suo servizio che corrisponde abiti di linea i clienti che utilizzano una combinazione di algoritmi e competenze specifiche.
  • Il risultato è un “Negozio il Tuo Aspetto.”
  • È cresciuto fuori di un esperimento da parte di un piccolo team di Stitch Fix scienziati dati, poi ampliato in altre unità all’interno dell’azienda.
  • La sfida più grande è stato il modo per determinare che cosa è una “buona” outfit, quando il gusto è così soggettivo e il contesto è importante.
  • Stitch Fix usato una combinazione di uomo-predisposto le regole per memorizzare, ordinare e manipolare i dati, insieme AI modelli chiamati fattorizzazione macchine

Questa intervista è stato modificato per chiarezza e brevità.

VentureBeat: Non Stitch Fix tipo di caduta in amore con una IA strumento o tecnica, usando come ispirazione per fare un prodotto che utilizza tale strumento o tecnica? O l’azienda ha inizio con un problema o una sfida e, infine stabilirsi su un AI-powered soluzione?

Stitch Fix: Per creare un Negozio del Tuo Aspetto, abbiamo dovuto evolvere il nostro algoritmo di capacità corrispondente a un cliente con un singolo elemento in un Fix per ora corrispondenza di un intero outfit basato su un client di acquisti passati e preferenze. Questo è incredibilmente complesso sfida, infatti, non significa solo capire quali elementi vanno insieme, ma anche che di questi abiti un singolo cliente in realtà come. Per esempio, una persona può come modelli vivaci mescolati insieme e un’altra persona può preferire un grassetto in alto con un più modesto di fondo.

Per risolvere questo problema, abbiamo approfittato della nostra struttura esistente che fornisce Stilisti con voce raccomandazioni per una Correzione e determinato quello che le nuove informazioni di cui avevamo bisogno per nutrire in quel quadro, e come abbiamo potuto raccogliere.

In primo luogo, è importante capire come i clienti attualmente condividere informazioni con noi:

  • Stile Profilo: Quando un cliente si iscrive per Stitch Fix, riceviamo 90 punti di dati diversi da stile e prezzi per dimensioni.
  • Feedback alla cassa: 85% dei nostri clienti in bacheca dicendoci perché e stanno mantenendo o la restituzione di un elemento. Questo è incredibilmente ricca di dati, inclusi i dettagli in forma e di stile, nessun altro rivenditore ottiene questo livello di feedback.
  • Stile Casuale: una caratteristica interattiva all’interno della nostra app e sul nostro sito web dove i clienti possono “pollice su” o “pollice verso” un’immagine di un elemento o di un vestito. Si può fare in qualsiasi momento, non solo quando ricevono un Fix. Finora, abbiamo ricevuto un incredibile 4 miliardi di euro oggetto di valutazioni da parte dei clienti.
  • Richiesta personalizzata note di Stilisti: i Clienti dare loro Stilisti richieste specifiche, ad esempio se sono alla ricerca di un vestito per un evento, o se hanno visto un elemento che si piace molto.

Per il Negozio del Tuo Aspetto, si integra con informazioni su quali elementi vanno insieme. Gli abiti in Stile Carte, abiti Creative Team di stile costruisce, e abiti serviamo clienti in Stile Shuffle darci preziosi ulteriori approfondimenti di un client vestito da preferenze di stile

VB: Come hai fatto ad andare sull’avvio di questo progetto? Hai bisogno di assumere nuovi talenti?

SF: scienza di Dati è fondamentale per ciò che facciamo. Abbiamo più di 125 dati scienziati che lavorano all’interno dell’azienda, tra cui in sistemi di raccomandazione, umano, calcolo, gestione delle risorse, gestione dell’inventario e dell’abbigliamento.

Di dati-guidato la sperimentazione è una parte importante della cultura, così come numerose iniziative Stitch Fix, il Negozio, il Tuo Aspetto è nato al di fuori di un esperimento da un piccolo team di scienziati dati. Il progetto è cresciuto al di là iniziale di raccolta dati per la fase e in fase di beta testing, la data science team hanno lavorato con altri gruppi in tutta l’azienda. Per esempio, il Creative Team di stile è sintonizzato alle esigenze del cliente e in grado di raccomandare guarda che sono accessibile, ambizioni, e fonte di ispirazione.

VB: Qual è stato il più grande o il più interessante sfida è dovuto superare nel processo di creazione di Negozio il Tuo Aspetto?

SF: la Creazione di abiti per i clienti è davvero un problema complesso, perché ciò che rende un buon corredo è così soggettiva di ogni individuo. Ciò che una persona crede è un grande vestito, un altro potrebbe non. La cosa più difficile di risolvere questo problema, è che un vestito non è un’entità fissa — è fondamentalmente contestuale. Per affrontare questo problema è necessario raccogliere nuovi spunti, non solo su elementi specifici che i clienti ma anche su come i clienti hanno reagito agli elementi raggruppati.

E perché lo stile è così soggettivo, abbiamo dovuto ripensare a come ci siamo qualificati con un “buon” vestito per i nostri algoritmi, perché non c’è semplicemente un abito perfetto che esiste. I clienti hanno diverse preferenze di stile, così crediamo che un “buon” un outfit che un certo numero di nostri clienti, ma non necessariamente tutti.

Abbiamo imparato molto su come i clienti reagiscono agli elementi raggruppati insieme, quando si outfit con i clienti e chiedere loro di votare i loro via in Stile Shuffle.

VB: Che AI strumenti e tecniche non Stitch Fix impiegare — in generale, e per il Negozio il Tuo Aspetto?

SF: acquista i Tuoi Sguardi unisce AI modelli umani e predisposto le regole per memorizzare, ordinare e manipolare i dati.

Il sistema è di circa basato su una classe di AI modelli chiamati fattorizzazione macchine e ha un paio di passaggi distinti. Perché la generazione di abiti è complicato, si può semplicemente creare un vestito e lo chiamano buono. Nella prima fase, si crea un accoppiamento modello, che è in grado di prevedere le coppie di elementi che vanno bene insieme, come un paio di scarpe e una gonna o un paio di pantaloni e una T-shirt.

Si passa poi alla fase successiva — vestito assemblea. Qui possiamo selezionare un insieme di elementi che si fondono per formare un coeso vestito (basato su previsioni dal abbinamento modello). In questo sistema, si usa “vestito modelli, che forniscono una linea guida di quello che un abito è composto. Per esempio, un modello è il top, pantaloni, scarpe e una borsa, e un altro è un abito, collana e scarpe.

Nella fase finale di raccomandare abiti per il Negozio del Tuo Aspetto, ci sono diversi fattori che entrano in gioco. Abbiamo impostato un elemento di ancoraggio, che è un elemento client tenuto da un passato Fix, che ci piacerebbe costruire un outfit tutto. L’algoritmo deve anche fattore in quello spazio pubblicitario è disponibile in qualsiasi momento. Una volta fatto questo, l’algoritmo si sviluppa consigli personalizzati su misura per ogni cliente preferenze. I clienti possono quindi navigare e fare acquisti questi sguardi direttamente dal Negozio scheda mobile o desktop. Il vestito raccomandazioni di aggiornamento per tutto il giorno, in modo che i clienti possono controllare regolarmente per un outfit di ispirazione.

VB: che Cosa hai imparato che è applicabile al futuro, AI progetti?

SF: Abbiamo introdotto Shop il Vostro Aspetto in un piccolo numero di clienti negli stati UNITI lo scorso anno, e in tutto questo iniziale periodo di beta abbiamo imparato molto su come interagire con il prodotto e di come i nostri algoritmi eseguiti.

Un principio chiave della nostra personalizzazione del modello è che le informazioni che più clienti di condividere, meglio siamo in grado di personalizzare le loro raccomandazioni. Di solito siamo in grado di adattare il modello basato sul feedback dei nostri clienti; tuttavia, le regole di base di sistemi non sono adattabili. Abbiamo bisogno di un sistema per imparare dal feedback del cliente su abiti si raccomanda. Stiamo ricevendo immensamente utile feedback, dal modo in cui i clienti si impegnano con il vestito raccomandazioni e anche da una custom-built interno di controllo qualità del sistema. Il modello è nei suoi primi giorni, e stiamo continuamente aggiungendo ulteriori informazioni per mostrare ai clienti più altamente personalizzato abiti. Per esempio, mentre le tendenze della stagione sono importanti nel complesso, raccomandazioni personalizzate a un cliente, clima locale, in modo che i clienti che esperienza stagione estiva, prima di altri inizierà a ricevere estate elementi prima di quelli in climi più freschi.

Come possiamo servire più clienti, stiamo ricevendo un ulteriore set di dati che rafforza il feedback loop e continua a fare nostre le funzionalità di personalizzazione più forte.

VB: che Cosa è il prossimo AI-relative al progetto di ” Stitch Fix (che si può parlare)?

SF: Uno degli aspetti più interessanti della scienza di dati a Stitch Fix è l’insolito grado di algoritmi team è impegnato con praticamente ogni aspetto del business, dal marketing alla gestione dell’inventario e delle operazioni, e, naturalmente, per aiutare i nostri Stilisti scegliere i prodotti ai nostri clienti di amore.

Noi crediamo che quando si guarda al futuro, la data science team sarà ancora incentrato sul miglioramento di personalizzazione. Questo potrebbe includere qualsiasi cosa, da di dimensionamento per predire le vostre esigenze styling prima ancora di sapere che avete bisogno di qualcosa.

social experiment by Livio Acerbo #greengroundit #live https://venturebeat.com/2020/07/05/how-stitch-fix-used-ai-to-personalize-its-online-shopping-experience/