给客户（现在已经有男有女）寄送装有5件衣服和配件的包裹，客户为自己选择的物品买单。但仔细分析我们就会发现，StitchFix的作用更像是服装市场的中介，而不是零售商，这正是卡特里娜·莱克的初衷。每次寄给客户包裹，StitchFix都要收取20美元的“造型费”当客户决定保留5件衣物中的至少2件时，造型费就会被免除（客户如果保留全部5件衣物，就会享有额外的折扣)。StitchFix不为它的商品定价，也没有季末促销，更没有“超级网络星期一”或“黑色星期五”这类打折活动以取悦对价格敏感的购物者。StitchFix是一个“后价格”时代的零售商，它的目标客户的想法是：比起浪费宝贵的时间寻找自己想买的商品，为优质匹配付费更加经济实惠。这种模式不会在所有市场上都行得通一笔划算的汽车交易可能让买家节省7
几千美元，所以为此付出努力是值得的。但在成衣市场，就像StitchFix所展示的那样，它是一个可以成功的商业模式。
为了实现规模化服务，StitchFix对丰富、全面的数据流进行了分析。2016年，该公司在由首席算法官埃里克·科尔森(EricColson)领导的团队中，雇用了70多位数据科学家。科尔森曾在运用海量数据的先锋公司网飞公司①的平台实践数据科学。不过，事实证明，挑选合适的衣服比建议看哪部电影要困难得多。与标准的社交过滤推荐引擎(“喜欢这部电影的人也喜欢这部”）相比②，StitchFix采用了更加复杂的数据分析方法。除了在初次注册时向客户询问他们的偏好，该公司还使用了算法来考察Pinterest（美国一家图片社交平台）上客户喜爱的那些图片，并从中归纳出一些明显的特征，这些特征显示了客户自己可能并未意识到的一些偏好。这套系统的工作原理和我们在第4章中描述的机器学习系统完全一样：客户不必明确说明其需求，因为系统可以从客户与周围世界的互动中学习到这些内容。
数据资本时代
①网飞公司成功运用海量数据为消费者提供个性化的影片推荐，甚至利用海量数据指导影片的制作和拍摄。网飞公司最著名的事件是举办了奖金总额为100万美元的推荐系统大赛，以奖励世界上第一支能够把网飞公司自身推荐精确度提升 10%的团队，请参考文献 J. Bennett,L. Stan,TheNetflix Prize,Proc. KDDCup and Workshop, 2007。—译者注
一0②观察“喜欢这部电影的人也喜欢的其他电影”来进行推荐，这是典型的协同过滤(CollaborativeFiltering)算法，而社会过滤(SocialFiltering)算法是建立在“你的社交好友和你有相似的兴趣爱好”以及“相同的观影、阅读等经历会提高好友之间互动性和亲密度”等假设基础上的，其基本思路是把社交好友的喜好考虑在算法之中。——译者注
208