卖服务，没你想得那么简单

精准采购

焦立芸：我们做了一套买手体系，用途就是根据算法来做总量的、宏观的采购计划。这套买手体系依据的还是我们用户的数据。

落实到业务上，首先要规划多少个SKU ，然后根据 SKU 的总量去做品类结构的规划，比如上装、下装、连体等各种品类的结构。这些都来自用户的数据和搭配的需求。各品类的结构设计出来之后，再在每个结构比例之下选款式，以及规划色彩的比例。在款式上，我们有一些原则，例如要有年龄、体型、色彩的包容性，这样能让一件产品适合不同用户。当门店数量增多以后，我们的 SKU 量也会增加，这样就可以变化出更多的穿搭风格。

整体采购规划确定了，也就是款定了以后，我们再根据用户体型的比例去定量。比如说一些基础款，可以和很多衣服做搭配，定的量就会更大。再比如，我们的用户中 H 体型的非常多，那适合 H 体型的各个品类中的某些单品量比例也会更大一些。实际上是根据整体的结构，纳入用户的数据，再决定多少个 SKU 量、各品类比例是多少、每一个品类下的色彩比例和款式都有哪些，最终落实到每一个款式的量是多少，这就是我们大买手采购的业务过程。

精准推送

杨海英：我们认为用户的需求是需要引导的。时尚消费是一件非常专业的事情，95 % 以上的人对时尚没有判断标准，她自己觉得漂亮的衣服其实并不一定适合她。所以，我希望把时尚变得可衡量，通过建立理论体系、分类标准、衡量维度、匹配步骤和逻辑，开发成 IT 应用。计算机具备可无限延展的信息容量以及高速信息加工能力，不需要休息，也没有情绪，可以成为最强大的搭配师。

小蝶算法的开发思路其实就是解构，分了四个步骤。

第一步用户数据化，从气质、体型、特征等维度进行分类。主要分成了 6 种体型，还有十几种特型，就是用户通常不喜欢、想要扬长避短的身体部位，比如手臂粗、胸大、腰粗、小腿粗。

第二步是产品数据化。女装的品类成千上万，并且都是非标的。我们一共建立了 26 个产品维度，也就是服装的穿搭属性。

第三步是产品搭配算法，也就是搭配的逻辑。一件上衣搭配不同裤子、裙子会产生不同的风格，适合不同的场合。根据这套算法，搭配出来一套衣服，在我们这里就算一个虚拟的 SKU ，也就是说，在总体单品 SKU 不增加的情况下，通过不断去做搭配，我们的 SKU 可以不断上新。

第四步是用户与搭配方案的匹配。这样搭配出来的服装才是最适合用户体型，最能扬长避短的。

小蝶算法对用户的价值在于精准推送。用户进入零时尚微信服务号后，可以看到相应的服务内容，提出预约需求后，就能得到专属于自己的试衣箱，然后到就近的试衣间去试穿，再购买中意的产品就行了。

更直观的表达方式

焦立芸：商品部、店员和用户的配合关系是这样的，商品部通过数据来为用户做精准推送，当算法还不够精准的时候，需要人工去做推送，但随着用户数据越来越多，人工参与的成分就会越来越少。这些精准推送是为了让用户预约试穿，其焦点在于刺激用户预约的这个动作。店员是负责预约转化率的，当用户预约的货品到店之后，就由店员提供服务，最终促成交易。

杨海英：以前，我们会告诉用户，零时尚为大家提供穿衣解决方案，用户只需要提出需求，剩下的由我们来完成——选择什么样的单品，单品之间怎样搭配，到哪里找到高性价比的单品——这些问题都由我们来解决。这样表达起来有点儿费劲。后来受到美国 Stitch Fix ＊ 的启发，我们把穿衣解决方案装在试衣箱里，只需要告诉用户定制一个蝶衣 BOX 就可以了，用户基本上可以秒懂。

我们把箱子配送到社区的实体试衣间，用户根据预约的时间前来试衣，箱子里装着 10 件衣服和搭配方案，现场服务人员会协助用户试穿每一套搭配，让用户充分感受。试穿后未购买的产品由现场服务人员装回箱子，公司配送人员会尽快收取。用户预约蝶衣 BOX 的过程是免费的，即使一件产品都没买也不会产生任何费用。

蝶衣 BOX 推出以后，用户都非常喜欢，收到很多预约需求，还有很多产品供应商希望能进入蝶衣 BOX 渠道，现在已经有一部分达成合作了，接下来我们的产品会越来越丰富。

关注读览天下微信， 100万篇深度好文， 等你来看……