當家庭社會結構依循科技進化的「摩爾定律」一樣跳躍式演進時，消費者購物行為也雲端化、行動化、數據化、智慧化等的轉變。以美國零售產業為例，依Deloitte（2018）報告指出，2017年6,885間實體店面結束營業，而線上零售通路銷售金額卻成長達30％，因此傳統實體零售產業的轉型已勢在必行。
整體而言，科技及網購的崛起使得零售服飾業的業態組成越加多元。消費者客製化需求增加、價格敏感度上升、對於網路評價越加重視等，特別是成衣行業為買家導向，景氣好壞與消費者偏好會影響成衣消費選擇。服裝銷售市場變化已淘汰許多業者，但亦有更多的生力軍帶著與以往不同的銷售模式在變動的版圖中搶下一席之地，例如：Stitch Fix，透過專業時尚顧問服務結合雲端科技、數據科學演算法及大數據資料等科技應用來提供訂閱的會員個人化的購物體驗服務，透過消費者意見及回饋的數據來改善機器學習的模式，更精準貼近消費者的偏好行為，跳脫傳統零售產業以降低商品成本及削價競爭外的高價值獲利服務模式。
(1)科技協助有效擊中顧客喜好，縮短逆物流費用
Stitch Fix, Inc.為線上個人化服飾訂閱品牌。顧客只需花10分鐘左右填寫關於個人基本資料如：身高、體重、偏好風格等定製訊息，公司即會根據數據演算資料與造型穿搭專家的意見，為顧客選擇個別推薦的服務。不同於一般服飾網購平台，Stitch Fix從註冊開始即透過顧客登記的個人化資料了解顧客穿搭風格，並結合內部演算資料，挑選出合作品牌存貨中適合該客戶的商品，有效率地擊中顧客喜好，並縮小產品被退貨的可能性。
(2)突出個性與著重便利性，彌補零售成衣市場的不足
服務特點在「便利」與「客製化」。實體門市需要消費者一間間上門選購與試穿，而線上電居酒屋商平台的商品因見不到實物，往往訂購的商品不符預期。這使得選購衣物成了痛苦板橋居酒屋且花費時間的漫長消費流程。以用戶為中心，發展客製化訂閱服飾的服務，用戶能夠不出門，即試穿並找到適合她們的服裝。
現在日本居酒屋的型態真的變的五花八門，可以參考以下分類
１、氛圍主題型態區分：有走氣氛路線的，有豪華高價的，也有家庭居酒屋、和服居酒屋、祭典居酒屋、卡拉OK居酒屋、射飛鏢居酒屋、歐式居酒屋、看海景看夜景居酒屋等等。
２、客戶型態來區分，可分為適合公司迎新的居酒屋、適合聯誼的居酒屋、適合大團體的居酒屋、適合情侶的居酒屋等等。
３、料理內容區分：可分為梅酒專門居酒屋、串燒居酒屋、鄉土料理居酒屋、每盤350日圓居酒屋等等。
居酒屋的型態區分日漸清晰，各家各出奇招推銷自家特色料理，幾乎可以說居酒屋已經融合了日本人的各種商業行銷技巧，將服務業態度發揮到淋漓盡致的境界，想要深入體驗日本人生活的形形色色，從居酒屋著手最好不過了。
居酒屋的營業時間大部分是從下午五點之後到半夜或凌晨，伴隨著夜晚的霓虹，一盞盞紅色燈籠亮起，繁華街的不夜城就此打開序幕，直到隔天的日出才是一天的結束，當每天下午開店時人潮不多時，此時居酒屋會開始使出奇招攬客，有的標榜六點前進店食物或飲料啤酒半價，有的女性兩名一同前來則一名飲酒免費，你會看到拿著大型立牌出門拉客或分發折價券的店家比比皆是。
來過日本的人可能會發現，日本店家的攬客情況非比尋常，下班時間走出地鐵站，立即有身穿大衣的大哥大姊詢問：「要不要去卡拉OK，3小時2000日幣」，或是說「居酒屋如何？2個小時無限暢飲，現在6個人要包廂馬上有位置哦！」等等，其中又以卡拉OK、居酒屋以及特種行業，號稱日本三大攬客業。說日本人愛錢又小氣真心不為過，站前的店員十分眼尖，從一堆路人中馬上可以看出哪些人可能會來消費，才會給予推銷，而在自家居酒屋前攬客的店員，只要看見眼角稍微飄過店門招牌的客人，立即會將口袋中的八折價券拿出來分發，若看見在店前停下5秒的客人，立即收起折價券說服客人入店，當客人到達一定人數，店員就回到店內恢復服務生身分，是不是覺得日本店家的服務生眼力都很好，我覺得他們的反應都超級快的。
從超過200家品牌中為顧客挑選商品，每個Stitch Fix盒子中有5件商品並附上一張造型穿搭專家的衣服風格搭配建議，每盒收取20美元的顧問建議費，可以抵用在想要保留的衣物商品上。消費者只需留下想要購買的衣物，剩餘的商品可以直接寄回Stitch Fix，且顧客不需負擔郵寄費用。如果消費者選擇全部保留Stitch Fix盒子中的飾品與衣物，還有額外25％的折扣，並給予其額外的動機購買整盒訂閱箱。
(3)使用演算法媒合與預測消費者需求，提居酒屋高用戶滿意度與購買率
Stitch Fix高度仰賴資料驅動來做決策。消費者第一次造訪Stitch Fix的網站，並希望能購買一份Stitch Fix訂閱盒，根據客戶習慣的購買週期來購買訂閱盒，首先，需註冊成為網站會員，填寫關於身高、體重、體型、風格偏好等資訊，以及填寫希望的遞送的時間，即可交付給Stitch Fix平台處理，並等待貨品在指定日期到貨。
接著，在列表清單中篩選掉已經寄送給該客戶過的商品以及某些客戶要求避免掉不想要有的類型的服飾品項。在剩下的所有品項中，Stitch Fix則會衡量消費者會在光譜中傾向於喜好那些類別的商品。那到底該運送哪5件衣物給客戶？可利用協同過濾推薦（Collaborative Filtering recommendation）方法，以相似興趣及生活經歷群體的商品回饋資訊，來預測新顧客可能會喜歡的商品類別及品項，Stitch Fix即利用集體消費者回饋資料以及商品特性資料來計算並分析個體消費者的偏好度並預測消費者需求。此不僅讓消費者對於到貨的滿意度上升，願意持續訂閱Stitch Fix訂閱盒挑選衣物，更能降低於各地倉庫的存貨水平與提升商品周轉率。Stitch Fix以客戶和產品的大量數據資料結合科學運算方法，優化供應鏈與營運系統，讓供給者更加貼近消費者的需求，做精準高效的客製化服務。
留言列表
