估值30億!服裝電商Stitch Fix玩轉“盲盒營銷”
這家服裝電商早就用盲盒營銷的手法,玩轉了KOC。
導讀
DTC——Direct-To-Consumer(譯:直面消費者),作為一種新興的商業模式,是指品牌的商品直接銷售給消費者,包括消費者的需求也可以直接傳遞給品牌方的全新商業模式。
目前,歐美等國家的DTC品牌成長速度驚人,據互聯網女皇《2018 Internet Trends》報告,美國 DTC 新品牌在3-5 年內就迅速做到 1 億年收入規模。國內對此也有不少預測聲音,認為在未來 5-10 年,中國市場大概率會復制類似的發展路徑。
為此,時趣將推出系列文章分析國外成功的DTC品牌,分享他們的商業模式與營銷方式。
人類的生活已經越來越智能化、個性化,比如電商網站通過用戶購物車、瀏覽和搜索偏好為用戶個性化推薦商品,新聞資訊和社交媒體平臺幫用戶自動篩選感興趣的內容,以及點評網站推薦餐廳、導航系統優化路線等等,機器學習算法正在悄然改變人類的生活。
這種機器算法也出現在了服裝行業,正在改變人們的穿衣搭配。Stitch Fix是美國一家DTC品牌,以機器學習算法和設計造型師結合的個性化服裝電商平臺。通過算法和設計造型師幫助消費者選擇服飾,以數據驅動服裝服務,簡化用戶決策,提升用戶購物體驗。
2010年前后,DTC模式開始從現象成為常態,美國互動廣告局IAB把這一年作為 DTC元年。Stitch Fix成立于2011年美國舊金山,正是國外DTC品牌興起之年。初創時期,品牌提出a new way shop,重新定義了購物體驗。同時,品牌將目標消費者鎖定在女性群體,用戶只需要在官網注冊賬戶,并根據問卷提示,提交消費者的尺寸和風格等相關偏好數據。
品牌再通過AI算法進行數據學習,并結合專業設計造型師的搭配建議,專門為用戶挑選5個服飾盒子,從偏好和專業搭配角度,給到用戶意料之外的服飾推薦。用戶可以從5個盒子中挑選中意的服飾,為其付費,不合適的可以退回。此時,算法會根據用戶的挑選結果再進行學習,不斷迭代優化算法模型,來提升推薦準確性。
目前,Stitch Fix 已經將服務類別拓展到男裝、童裝,并且為品牌的購買會員提供直接購買服務“Shop Your Look”,會員可以通過瀏覽官網搭配的服飾直接進行下單,購買服裝。
據不完全統計,目前,Stitch Fix擁有320萬客戶,在2018財年的收入為12億美元,利潤為4500萬美元。在2019年公司拓展新業務投入較多資金時,收入仍保持增長達到16億美元,利潤為3690萬美元,并且有投資機構為該公司的估值達到30億美元,這表明所有AI數據科學和個性化服務都正在獲得回報。
產品聚焦于個性化服務
隨著AI機器算法的精進,未來,越來越多的品牌只是為少部分消費族群服務。同時,值得品牌注意的是,未來不可避免的是個性化將成為品牌生死存亡的命脈。
Stitch Fix創始人兼首席執行官卡特里娜·萊克(Katrina Lake)在一次采訪談到,如果一個人沒有收到他喜歡的東西,他就會停止使用Stitch Fix。對于品牌而言,沒有任何選擇,只能專注于數據,留住用戶。
這意味著Stitch Fix必須通過不斷收集、積累用戶反饋的反饋數據,不斷把算法模型調教好,讓它更符合用戶興趣偏好,幫助用戶感知他想要的東西。所以,品牌一直重視在機器算法學習上的投入和挖掘,該企業的董事會中技術人員占比35%,Netflix數據科學與工程副總裁埃里克·科爾森(Eric Colson)于2012年加入,并擔任其首席算法官。
從人員占比和人才招聘不難看出,算法驅動著Stitch Fix的一舉一動??梢?,數據算法是其核心產品服務,是塑造品牌價值的核心。
那么,Stitch Fix是如何利用算法打造個性化服務優勢的?
(1)用戶注冊后沉淀基礎數據
用戶在網站成功注冊賬戶后,需要填寫Stitch Fix預先設定的問卷調查,填寫完畢后會為每個用戶創建一個人數據檔案,用來記錄該用戶所有數據更新、變動,比如每次用戶收到fix盒子后的反饋信息。
(2)不斷積累數據,優化算法模型
數據科學的重點在于數據量的積累,越多的數據可以勾勒出更全面的事實概貌,尋找到真實,同時也降低誤差,提升算法推薦的準確性,減少用戶流失率。
為了積累更多用戶風格偏好的數據,Stitch Fix開發了一款基于IOS環境下的程序APP Style Shuffle,用戶打開軟件后會收到服飾搭配評分邀請,用戶可以每天為一套服裝搭配圖片進行評分。據了解該品牌290萬客戶中有超過75%的用戶使用了它,為公司提供了超過10億的評分數據。
這款程序它不僅可以用來訓練算法模型,了解用戶的個人風格傾向,提高推薦準確性;同時還能吸引用戶回到Stitch Fix,提升其個性化的產品能力,影響用戶打開率和回購率。
(3)以用戶數據反饋,迭代個性化服務
與此同時,Stitch Fix不斷提升其個性化服務的能力。比如,當用戶退還為其搭配的襯衫后,設計造型師團隊會根據用戶反饋和數據結果,意識到用戶希望襯衫可以掩蓋腹部,胸部和袖口可以更寬松。在調整這些尺寸后,該團隊自行設計自己的服裝,以填補市場空缺,創造出可預見的高利潤率和購買率的商品。
另外,品牌也會征求客戶反饋意見并精確衡量銷售服裝各個維度,根據用戶需求反饋,預測用戶對品牌潮流的關注和喜好度,來擴大服裝品牌類別。從而實現其大規模提供個性化樣式的能力,將目標消費群體從富有人群擴展到中等水平的人群。
品牌基于不斷的數據積累、優化,再通過人腦+專業設計造型師,逐漸完善Stitch Fix的推薦準確性。這和奈飛的算法推薦有點類似,奈飛算法的優勢在于對用戶愛好理解得更深,結合用戶喜好和內容種類,為內容和用戶打標簽,再根據不同用戶喜歡的內容來進行匹配、引導,并且很大可能是為用戶帶來意料之外的驚喜,該品牌也是如此。
但不同的是,奈飛的商業模式是依靠小眾、晦澀電影,電視節目的長尾效應來推動需求,這些電影和節目的成本很低,它一般不推薦大片,因為會員訂閱費可能有限,但奈飛的推薦是很成功的,點播量均有提升。Stitch Fix是重視用戶偏好,所有推薦的出發點在于伴隨客戶成長生命周期,服務客戶,挖掘客戶終身價值,實現客戶”長尾效應“。
在Stitch Fix的數字化、個性化產品服務能力下,該品牌在營銷上也延用了這種風格,專注、極簡和個性化。
(1)專注社交營銷,多渠道鏈接
DTC品牌都有一個明顯的特點就是品牌官網網站的營銷角色占比很重,Stitch Fix主要以官網為基礎,提供產品服務和咨詢,展示品牌動態和服裝搭配風格,以此作為品牌的主要流量入口,洞察和跟蹤用戶變化數據。
另外,DTC是指直接面向消費者,意味著品牌需要多渠道連接消費者,Stitch Fix 運營了Facebook、Insgram、YouTube等社交媒體,同時創始人Lake在Facebook上非?;钴S,也起到了社交營銷的作用,但最終都是鏈接到官網,就像開放了無數條河流小溪,最終都會流向大海一樣。
以Facebook為例,如果用戶身邊朋友有發布有關內容,基于Facebook算法,很大程度上你會收到相關推薦;另外,如果用戶主動搜索進入Stitch Fix會看到以下這個好評推薦,吸引用戶繼續瀏覽相關信息。
在YouTube上會分享不同場合下,如何搭配服飾的短視頻,展示品牌的專業造型能力和品牌審美,以視頻圖像形式,更具場景感觸動消費者關注和體驗。
(2)重口碑營銷,發揮KOC價值
相對于在數據算法領域的重視和投入,該品牌在營銷上投入會更加謹慎,更加重視營銷信息的有效性,傾向于口碑營銷,通過客戶購買評論而觸動其他消費者,讓潛在客戶被口碑打動,盡量避免狂轟亂炸式的營銷信息對用戶的打擾。而這一點和Yotpo的一份研究較為契合,調查研究顯示,約98%的受訪者表示,客戶評論是購買DTC品牌過程中最重要的一個因素。
以Facebook和YouTube為例,品牌會從個性化推薦、用戶Aha時刻和個性化服務三個方面,向用戶展示產品的優勢,觸動用戶自來水似的推薦,發揮KOC營銷價值,來引導其他用戶的關注和下單。
在YouTube上可以看到關于Stitch Fix的話題,均是用戶主動分享“開箱體驗“,獲得不少網友的點擊量和互動。通過用戶以開箱體驗,高級盲盒的玩法,也提升了圍觀消費者的好奇指數,提升訂購量。
(3)個性化營銷,展示品牌關懷
另外,依靠Stitch Fix的數據算法優勢,個性化營銷也更具優勢,品牌會了解到用戶最近的生活狀態,給予用戶適當的品牌關懷,創造了超消費者預期的購物體驗。
Stitch Fix之所以被消費者追捧的原因在于其機器學習算法,可以為用戶提供個性化服務。但品牌也正在面對傳統服裝行業和現代電子商務的雙重夾擊,比如服裝業瘋狂打折、零售商平臺狂轟亂炸式推薦。
當然,該品牌也有自身需要關注和解決的三大問題:如何拓展客戶群體、維持用戶粘性以及提升數據推薦準確性。或許,品牌下一步將是利用AI數據算法指導商業競爭決策,加快數字化決策進程。
文章參考:
《Stitch Fix Is Diving Deep Into Data for a More Tailored Experience It Hopes Can Stand Up to Amazon | Fortune》;
《Stitch Fix App Becomes ‘Stickily Addictive》;
《My personal shopper》.
本文由 @時趣 原創發布于人人都是產品經理。未經許可,禁止轉載
題圖來自Unsplash,基于CC0協議。
- 目前還沒評論,等你發揮!