數據與產品的結合

話題一是數據與產品的結合，以 Stitch Fix 作為例子，闡述數據科學是如何滲透到產品的不同環節的。

Stitch Fix 是一家數據驅動的服裝新零售的電商公司，致力幫助用戶發現適合他自己的風格款式，主要服務于沒時間逛街、對穿搭不在行、想追逐時尚等特征的用戶群體。

Stitch Fix 所有的銷售都來源于推薦，推薦采用的是盲盒模式，用戶在收到商品之前是沒有預覽過的，這樣就意味著需要猜用戶會喜歡哪些衣服。如果一旦猜錯，消耗的將是造型師服務和雙向物流的這些真金白銀的成本，所以對準確度的要求非常之高。

如下圖，從普通的用戶角度看，使用Stitch Fix 主要分為三步驟。

Set.1是回答個人的風格問卷，之后會收到搭配好的五件衣服，試穿后留下喜歡的，免費退回其他不喜歡的。

Stitch Fix 鼓勵用戶對每一件衣服從尺寸、價位、版型、風格和顏色等維度進行反饋，這些數據將助力數據科學團隊更好的了解用戶與服裝的匹配情況。

數據科學團隊人員占員工總數的 1/4，同時也意味著數據科學滲透到產品的很多環節，發揮著應有的價值，例如倉庫分配、用戶與造型師匹配、用戶畫像、人貨匹配、庫存管理等環節。
例一：倉庫分配
當有用戶請求發出，需要決定從哪一個倉庫為用戶發貨。選倉發貨需要綜合考慮多個因素，包括運費，投運時間，倉庫風格和用戶風格匹配情況等，基于這些因素建立倉庫和用戶之間的匹配度指標。

例二：用戶和造型師的匹配
當用戶發出請求，依據用戶和造型師之間的交易歷史，用戶打分、以及資料匹配進行造型師匹配。

例三：用戶畫像
在 Stitch Fix 用戶畫像既服務于算法，也服務于造型師，故需要一些可解釋、可以為人讀懂的用戶畫像。

用戶畫像大部分來源于用戶填寫的個人問卷，其中包括基礎的緯度畫像，以及跟穿搭相關，如說用戶的身材尺寸、顏色、價格偏好等。

在處理用戶風格上，把穿搭的風格分成七個緯度：經典、浪漫、波希米亞風等，每個用戶在每個緯度上有 1 到 4 的打分，基于用戶打分可以大概看出來用戶的穿搭風格。

例四：人貨匹配
這里主要分享數據和模型兩個層面，數據層面有：用戶畫像、商品 ID、商品泛化特征(圖像、標簽)，以及多維度的反饋。推薦算法的數據存在挑戰，如 item 的樣本不均衡、數據回流帶來的誤差、特征和反饋數據缺失、折扣帶來的偏差等。模型層面(2016 年)有混合效應模型、Factorization machine、DNN、word2vec,、LDA 等。

例五：庫存管理
在庫存管理上，需要解決的問題有很多，如有哪些貨、要進哪些貨、進多少、分配到哪個倉、及哪些庫存需要清倉等。有哪些貨看似是一個簡單的問題，但在 Stitch Fix 比較特殊，因為庫存商品其實僅占所有商品的 40%，有大量的商品存在用戶寄回到倉庫的路上，或是從倉庫寄到用戶的路上，這里就需要做仿真與庫存快照來應對。

透過上述這些產品的環節發現可以用數據提升效率的機會，定義并解決問題，那么是通過哪些技術實現的呢？這里主要分享普遍關心的三大問題，度量指標的選擇及分析，AB 測試和用戶畫像。

度量指標的選擇及分析

在 Stitch Fix 專注轉化率、GMV、留存這三大核心指標，對于選擇度量指標可參考三點：數據源的可靠性、指標與結果的相關度以及信號質量和敏感度。

Stitch Fix 常用分析主要有漏斗、群組、多緯等，如下圖以群組分析示例。

如可以把用戶按照獲客時間、首單時間分成等標簽并分成群組，然后觀測在一定時間范圍內某些指標的變動，對于時間的跨度可以選擇相對比較短的，也可以選擇相對比較長的。

如下圖，為不同的獲客時間的用戶留存對比。

綜合看，從 1 月到 7 月，首月的留存在提升，這意味著在渠道獲取上，獲取的用戶質量有待提升。另外也可以看到隨著時間的推移，用戶留存會有一個平臺效應，頭四個月，月到月的用戶流失是比較顯著的，后續的用戶留存趨于穩態。

AB 測試
在 Stitch Fix，AB 測試主要面臨兩個挑戰，分別是線下交易帶來的延時和造型師人為因素。

當線上算法發生改變時，需要造型師針對每一個用戶做出匹配，再加上物流，會產生七到十天的延時。

造型師的人為因素主要是由于造型師的慣性帶來的，舉一個比較極端的例子，如果算法想重推高單價產品，但造型師卻希望給用戶推薦一些價格適中的商品，這樣就會對結果產生影響。

這里需要提醒的是 AB 測試需謹慎，如下四點要注意：

實驗正交設計：實驗 1: uid 尾號為奇數 vs 偶數 實驗 2: uid 尾號 (0,1) vs 2

用戶適應曲線

小流量實驗與全流量上線的區別

實驗效果疊加：季度上線了 6 個+1% 的實驗，但整體提升只有 3%

用戶畫像
用戶畫像是在公司范圍內基礎數據的搭建，也就是大家現在經常提到的數據中臺，畫像對于推薦業務、用戶運營、渠道畫像都會有相當的指導意義。

這就意味著畫像在公司是需要多部門協作的事情，也會因為多部門協作帶來挑戰，主要體現在數和應用脫節、多業務需求近似兩種情況。實際在生成畫像時需要三步走，依次是收集畫像需求、構建標簽框架和填充數據。

在實用過程中，如果希望破局，有下面三個建議：

放棄大而全的框架，業務場景倒推 (價值)

自動化生成標簽 (手段)：規則或算法

有效的標簽管理機制 (可持續性)

數據與人的結合

第二個話題是數據與人的結合，在 Stitch Fix 是通過算法和造型師結合起來幫用戶做推薦搭配，可以認為這是一個人機耦合的系統，那么，人機耦合系統會有哪些挑戰呢？

在算法方面，Set.1要對大量的庫存進行 SKU 篩選和排序，第二分從大規模數據中找到規律。第三是降噪，因為造型師會存在相當大的個體差異，需要制定一個相對一致的標準，使得最終篩選的結果不會產生很大的偏差。

在人機耦合的系統，造型師承擔人的角色，對非結構化數據進行處理，進行 1v1 情感溝通、還具有創造性，這樣算法開發時候就可以免于考慮邊緣情況。

這種人機協同的方式，不是純粹靠機器算法，也不是純粹靠人工。機器可以承擔更多的繁重的重復性的勞動工作，還擁有大量的工作記憶、長期記憶，而人可以更好的處理非結構化數據，可以進行美學評估，也可以跟客戶建立良好的人機關系。

另外人對場景也會有比較強的敏感度，比如說秋天到了，在中西部的人適合穿什么樣的衣服，造型師對這個會有比較強的敏感度，進而做比較好的推薦。

在人機耦合中，雖然 1+1 是大于 2 的，但人機耦合也面臨如下問題：

人會成為速度和規模的瓶頸：訂單分布跟造型師工作時間不匹配

衡量人和機器彼此的價值

對算法多反饋渠道：用戶反饋與造型師挑選

算法的優化目標要慎重選擇

數據與團隊的結合

第三部分是數據和團隊的結合，這部分主要介紹在整個數據團隊里，包括分析、算法、數據開發是如何結合在一起，及整個數據團隊在公司的架構體系下，又是如何和業務團隊結合起來協作的。

數據和團隊的結合，其實在聊大數據時，聊了很多方法論、思維框架，但最終實施起來，還是要靠數據團隊的人來實現以及給公司提供價值。

Stitch Fix 數據團隊主要分成四部分，底層數據開發團隊，可以搭建數據平臺、數據倉庫，數據科學家提升效率或者做部署工具。

上面三個團隊是跟業務一一對應的，客戶團隊、推薦團隊，還有庫存團隊。

數據團隊的搭建上，這里給出三個定位原則，供參考：

以業務與產品為核心。聚焦在產品和業務，使得數據產生實際價值

數據科學團隊要結合基礎設施部門與業務部門，尤其是業務跨度很大的公司

公司決策層的耐心支持，并與具體工程與產品團隊成為有機的一體, 目標對齊一致

在實際操作中，請注意還將面臨如下問題：

分析結果如何落地，如何做能夠落地的分析

分析處理數據需求與數據驅動業務，處理數據相當于是一個被動的事情，數據團隊經常會面臨要為業務部門拉數據的任務，但同時數據團隊也需要主動去驅動業務，可以認為是被動和主動之間如何做一個協調。

保障數據平臺穩定性的同時，數據平臺團隊也盡可能開發，盡可能幫數據科學家更好的做數據流程，部署代碼和線上化的工具。