當家庭社會結構依循科技進化的「摩爾定律」一樣跳躍式演進時，消費者購物行為也雲端化、行動化、數據化、智慧化等的轉變。以美國零售產業為例，依Deloitte（2018）報告指出，2017年6,885間實體店面結束營業，而線上零售通路銷售金額卻成長達30％，因此傳統實體零售產業的轉型已勢在必行。
整體而言，科技及網購的崛起使得零售服飾業的業態組成越加多元。消費者客製化需求增加、價格敏感度上升、對於網路評價越加重視等，特別是成衣行業為買家導向，景氣好壞與消費者偏好會影響成衣消費選擇。服裝銷售市場變化已淘汰許多業者，但亦有更多的生力軍帶著與以往不同的銷售模式在變動的版圖中搶下一席之地，例如：Stitch Fix，透過專業時尚顧問服務結合雲端科技、數據科學演算法及大數據資料等科技應用來提供訂閱的會員個人化的購物體驗服務，透過消費者意見及回饋的數據來改善機器學習的模式，更精準貼近消費者的偏好行為，跳脫傳統零售產業以降低商品成本及削價競外勞仲介爭外的高價值獲利服務模式。
(1)科技協助有效擊中顧客喜好，縮短逆物流費用
Stitch Fix, Inc.為線上個人化服飾訂閱品牌。顧客只需花10分鐘左右填寫關於個人基本資料如：身高、體重、偏好風格等定製訊息，公司即會根據數據演算資料與造型穿搭專家的意見，為顧客選擇個別推薦的服務。不同於一般服飾網購平台，Stitch Fix從註冊開始即透過顧客登記的個人化資料了解顧客穿搭風格，並結合內部演算資料，挑選出合作品牌存貨中適合該客戶的商品，有效率地擊中顧客喜好，並縮小產品被退貨的可能性。
(2)突出個性與著重便利性，彌補零售成衣市場的不足
服務特點在「便利」與「客製化」。實體門市需要消費者一間間上門選購與試穿，而線上電商平台的商品因見不到實物，往往訂購的商品不符預期。這使得選購衣物成了痛苦且花費時間的漫長消費流程。以用戶為中心，發展客製化訂閱服飾的服務，用戶能夠不出門，即試穿並找到適合她們的服裝。
誰是外傭的主要照顧對象？在不同時間會有不同需要。如照顧中風病人，便需要一名個性較穩定及具有工作經驗的外傭（外籍家庭看護工），因為需要較專業的護理及照料。如照顧牙牙學語的小孩，便可選擇年紀較輕的外傭（外籍家庭幫傭），因為其有足夠的精神體力去照顧及陪小朋友玩耍。目前勞委會針對來台外傭皆會要求其進行相關必要的訓練，如中文、看護、育嬰等訓練課程，但訓練時間的長短及成效卻未盡一致，一般具有良好信譽的外勞仲介公司，在訓練師資及成效上都有較嚴格的要求。
從超過200家品牌中為顧客挑選商品，每個Stitch Fix盒子中有5件商品並附上一張造型穿搭專家的衣服風格搭配建議，每盒收取20美元的顧問建議費，可以抵用在想要保留的衣物商品上。消費者只需留下想要購買的衣物，剩餘的商品可以直接寄回Stitch Fix，且顧客不需負擔郵寄費用。如果消費者選擇全部保留Stitch Fix盒子中的飾品與衣物，還有額外25％的折扣，並給予其額外的動機購買整盒訂閱箱。
(3)使用演算法媒合與預測消費者需求，提高用戶滿意度與購買率
Stitch Fix高度仰賴資料驅動來做決策。消費者第一次造訪Stitch Fix的網站，並希望能購買一份Stitch Fix訂閱盒，根據客戶習慣的購買週期來購買訂閱盒，首先，需註冊成為網站會員，填寫關於身高、體重、體型、風格偏好等資訊，以及填寫希望的遞送的時間，即可交付給Stitc外勞仲介h Fix平台處理，並等待貨品在指定日期到貨。
接著，在列表清單中篩選掉已經寄送給該客戶過的商品以及某些客戶要求避免掉不想要有的類型的服飾品項。在剩下的所有品項中，Stitch Fix則會衡量消費者會在光譜中傾向於喜好那些類別的商品。那到底該運送哪5件衣物給客戶？可利用協同過濾推薦（Collaborative Filtering recommendation）方法，以相似興趣及生活經歷群體的商品回饋資訊，來預測新顧客可能會喜歡的商品類別及品項，Stitch Fix即利用集體消費者回饋資料以及商品特性資料來計算並分析個體消費者的偏好度並預測消費者需求。此不僅讓消費者對於到貨的滿意度上升，願意持續訂閱Stitch Fix訂閱盒挑選衣物，更能降低於各地倉庫的存貨水平與提升商品周轉率。Stitch Fix以客戶和產品的大量數據資料結合科學運算方法，優化供應鏈與營運系統，讓供給者更加貼近消費者的需求，做精準高效的客製化服務。
留言列表
