在线零售商长期以来一直吸引着客户，这些客户具有在家中浏览各种商品，快速比较价格和报价以及将商品方便地送到家门口的能力。但是，很多亲自购物的经验已经丢失了，其中最重要的一点就是尝试穿衣服以查看它们的合身程度，颜色如何与肤色配合等等。

像Stitch Fix，Wantable和Trunk Club这样的公司已尝试通过雇用专业人员根据您的自定义参数选择衣服并将其运送给您来解决此问题。您可以试穿，保留自己喜欢的东西，然后将自己不喜欢的东西寄回去。Stitch Fix的此服务版本称为Fixs。客户可获得具有服装灵感的个性化样式卡。它是算法驱动的，可帮助样式专家将服装与特定的购物者匹配。每个修订包括一个样式卡，该样式卡显示服装选项，以根据客户的修订中的各个项目来完成服装的搭配。由于需求旺盛，该公司去年开始通过一种名为Shop Your Looks的程序，为购物者测试一种直接从Stitch Fix购买这些相关商品的方法。

人工智能很自然地适合此类服务，并且Stitch Fix已采用该技术来加速和改善Shop Your Looks。在技​​术方面，这使该公司与庞然大物Facebook，Amazon和Google直接竞争，所有这些公司都在积极构建AI驱动的服装购物体验。

Stitch Fix告诉VentureBeat，在“购买您的外观”测试版期间，“超过三分之一的通过“购买您的外观”购买的客户多次使用该功能，大约60%的通过产品购买的客户购买了两项或以上。”公司已经取得了足够的成功，最近公司扩展到使用相同的基础技术来包括整个可购物系列，以在您购物时个性化服装和商品推荐。

Stitch Fix数据科学家Hilary Parker和Natalia Gardiol在电子邮件采访中向VentureBeat解释了促使该公司开发Shop Your Looks的原因。团队如何使用AI进行构建;以及他们使用的方法，例如分解机。

在本案例研究中：

问题：如何使用算法和专业知识相结合，扩展将服装与在线客户匹配的服务范围。

结果是“购买您的外观”。

它源于一个由Stitch Fix数据科学家组成的小团队进行的实验，然后扩展到公司的其他部门。

最大的挑战是，当品味如此主观且上下文相关时，如何确定什么是“好”衣服。

Stitch Fix使用人工制定的规则来存储，排序和处理数据，以及称为因数分解机的AI模型

为了简化和简洁起见，对本采访进行了编辑。

VentureBeat：Stitch Fix是否爱上了AI工具或技术，并以此为灵感来使用该工具或技术制造产品?还是公司从问题或挑战开始，最终选择了AI驱动的解决方案?

Stitch Fix：要创建“购买外观”，我们必须发展算法功能，从将客户与Fix中的单个项目匹配到现在根据客户过去的购买和偏好来匹配整个服装。这是一个非常复杂的挑战，因为它不仅意味着了解哪些物品搭配在一起，而且还意味着单个客户实际上会喜欢哪些装备。例如，一个人可能喜欢将粗体图案混合在一起，而另一个人可能更喜欢带有更柔和底部的粗体顶部。

为了帮助我们解决此问题，我们利用了现有的框架，该框架为Stylists提供了有关Fix的项目建议，并确定了我们需要向该框架中提供哪些新信息以及如何收集这些信息。

首先，了解客户当前与我们共享信息的方式非常重要：

样式资料：当客户注册Stitch Fix时，我们会收到90个不同的数据点-从样式到价格点再到大小。

结帐时提供的反馈：85%的客户告诉我们为什么要保留或退货。这是令人难以置信的丰富数据，包括合身和款式的详细信息-其他零售商没有得到这种水平的反馈。

样式随机播放：我们应用程序和网站上的一种交互式功能，客户可以在其中“竖起大拇指”或“竖起大拇指”一件商品或服装的图像。他们可以随时执行此操作-不仅是在收到修订时。到目前为止，我们已经从客户那里获得了令人难以置信的40亿项评分。