StitchFix:按月訂購推薦式服裝購物平臺是一個目前比較流行的按月訂購的購物網站，所不同的是該平臺結合計算機演算法來為使用者推薦一些使用者沒有訂閱的風格服飾活配飾，提高使用者的驚喜和新的妝扮體驗。

做服裝的按月訂購一定得涉及到個性化推薦機制，否則使用者開啟盒子發現一大堆“不合適”，再把東西全部退回，這不就白忙活一場了嘛!

在個性化推薦機制方面，大多數服裝按月訂購網站採用的都是使用者提交身形、風格資料 + 編輯人工推薦的模式，Stitch Fix不一樣的地方在於它還結合了機器演算法推薦。此外，Stitch Fix 的另一個不一樣的地方在於它的編輯膽子很大，有時竟然敢推薦一些完全不是使用者風格的服裝或配飾。嚇到使用者怎麼辦?但奇怪的是，它的推薦成功率非常的高。

編輯根據使用者提交的身形、風格資料判斷使用者可能適合的衣服，打包幾件寄給使用者，使用者喜歡的買下，不喜歡的寄回。這套模式在國外做服裝的按月訂購網站已是老生常談了，Stitch Fix 也是如此，但我不想過多贅述了。這裡我想先說說 Stitch Fix 結合機器推薦的事。

Stitch Fix 機器演算法推薦團隊的領頭羊是 Netflix 資料科學與工程部門的前副總 Eric Colson。其機器推薦主要是蒐羅使用者在網路上的各種痕跡分析使用者喜好，比如它會關注使用者在 Pinterest 上都分享了什麼。

不過無論機器分析出了使用者的什麼喜好，無論使用者在提交的資料中表示了他們喜歡的風格是什麼樣的，最終決定在寄給使用者的盒子裡裝什麼的永遠是編輯。而有時候 Stitch Fix 的編輯比較會特立獨行。他們不會一味的迎合使用者的“喜好”，反而時不時的會給使用者寄一些他們認為使用者可能適合的服裝風格，並且會在每寄去的一件服裝上都會都會附上推薦理由和搭配建議，讓使用者試試看。

從結果來看，使用者似乎很買 Stitch Fix 編輯們的單。Stitch Fix 服裝的平均單價在 70 美元左右，不打折全價銷售，但其每月的庫存有效性卻高達 90%。Stitch Fix 寄給使用者的盒子裡一般有 5 件單品，可能是服裝也可能是飾品。到今年 3 月底，它已經向用戶寄出了 10000 個盒子，而使用者至少從 80% 的盒子中購買了一件或一件以上的商品。80% 這個數字在按月訂購行業算是非常高的了。我想這很大程度上歸功於 Stitch Fix 高效的推薦機制。

從 Stitch Fix 的個性化推薦機制中，我看到的是它沒有被資料奴役。如今的網際網路時代，隨著個性化機制的逐漸成熟，使用者在網際網路上留下的任何腳印都將成為其機器推薦技術的依據。當然，我不否認這在很大程度上對使用者是有好處的，因為當網際網路越來越瞭解你的時候，你的網際網路體驗也會越來越個性化，會是一件省心貼心事。但另一方面，我十分擔憂這會逐漸把我們的視野變得越來越狹窄，因為很多你從未觸碰的東西並不代表它對你沒有意義。

歸根結底，目前網際網路上的很多個性化機制都是基於使用者歷史去了解使用者需求的，而 Stitch Fix 的個性化機制中則增加了“預測”的成分。如何預測?在我看來，使用者的任何歷史資料都是幫助機器去了解使用者是一個什麼樣的人。而當你真正瞭解這個人之後，你的推薦就不會是在完全複製歷史，而能“預測”出很多以前甚至從未出現過的可能性。這是一種更高階的個性化。我想喬布斯如果在世也會同意我這個觀點，要知道蘋果本身就是一家不會被使用者牽著鼻子走的公司。