原创|| 退货不可怕,关键你知道她为什么退吗?

我先下单,不合适再退呗。

· 欧睿观点

电子商务是目前最热门的商业领域之一,随着网购规模的不断增大,服饰类电子商务市场规模也日益扩大。

今年以来,“宅经济”刺激直播行业强势增长,据《中国互联网络发展状况统计报告》统计,截至2020年3月,我国网络直播用户规模达5.60亿,较2018年底增长1.63亿,占网民整体的62.0%;而其中在2019年兴起并实现快速发展的电商直播用户规模已达到2.65亿。

疫情之下,电商以直播的形式打开了一个新的爆发性增长局面,全民开启直播模式。

以淘宝直播为例,近一年用户规模呈爆发式增长态势,同比增长率高达470%,潜在购买力正在不断浮现,直播电商行业繁荣可见一斑。

比如在薇娅将一场助农直播开在了热播综艺《向往的生活》中,当天观看人数破千万,全部商品瞬间秒空。

broken image

行业欣欣向荣,是一番盛世景象,只是过速且粗放的发展也给这个产业带来了诸多隐患。

最大的问题,就是顾客退换货严重,服饰类电商的平均退货率高达7.88%。如遇到“双十一”这样的活动时,退货率甚至可以高达24%,部分商家通过知名主播大量带货的同时退货率却高达40%

经调查发现,之所以会有如此之高的退货率,原因有很多,而其中较为突出的有三个

分别是服饰类网购产品质量不过关、尺寸不合适和款式不合适。

除却商家自身行为不端导致的因素,服饰类产品与顾客的适合度过低是导致产品退货率高的罪魁祸首,若想要缓解退换货严重这一情况,必须通过提高鞋服与顾客的匹配度来提高客户满意度。

基于此,我们做了大量研究,希望找出鞋服与人体参数之间的联系,研究什么样身材、肤色的人适合穿什么款式、颜色、尺寸的衣服,衣服之间的款式颜色又是如何搭配的。

只有人人都买到了最适合自己的身材、肤色、喜好的服装和搭配,大家才不会一次又一次地退换货。

我们尝试以简要介绍人体体型分类理论及阐述四季色彩理论为起点,结合国内外学者对于人体参数与服装搭配的研究成果作为理论基础。

broken image

其次,确定模型中所用的参数,找出他们之间可能存在的关系。

最后,结合数据理论,建立起基于人体参数的服装搭配模型

broken image

直接研究服装与人之间的关系太过于抽象以及难以对应,因此在探究服装与人体的匹配关系之前,首先应该确定到底影响匹配度的参数有哪些,通过这些参数去寻找服装与人体之间的联系,即找到的参数之间的关系,就是服装与人体之间的匹配关系。

这些参数是人体与服装的具体表现元素,我们的目的是找到他们之间的相关联系和匹配关系。

只有找到他们之间的相关联系,才能建立起服装智能推荐模型,并将其应用于服饰的网络购物,让顾客买到尽可能最适合自己的服饰,从而降低服饰类产品的退换货率

最后总结出的服装智能推荐模型主要由两个模型共同构成,分别是人-物搭配模型和物-物搭配模型。

人-物搭配模型

人物搭配模型主要应用了人体体型与服装款式的匹配关系以及肤色与色彩的匹配关系,将人体参数与服装参数联系起来。

首先根据人体体型的计算公式计算出输入的人体数据是属于什么身材类型的,依据身材类型查找匹配关系,输出对应的服装款式种类。

同时根据输入的人体肤色数据查找它所属的四季色型,然后经过肤色与色彩关系的比对,输出匹配该肤色服装的色彩。

用户将数据输入后,会形成一个数据表,每一个元组也就是一个用户包含了身高、体重、胸围、腰围、臀围、肤色这些参数;经过两次参数匹配后,输出的数据将会形成一个新的用户匹配后数据表。

此处由于应用了数据表,所以在应用这个模型的时候可以考虑多个用户同时进行适合的服装款式和色彩的分析。

这样可以将模型方便应用于电商鞋服企业用于客户分析,然后凭借此对顾客做出精准的营销推荐。

物-物搭配模型

经过人-物搭配模型输出的数据都是一堆的无联系的零散数据,而物-物搭配模型将这些零散的数据通过服装参数之间的匹配关系将他们联系起来。

这一模型也主要涉及了两大方面的搭配,其一是上下装的整体性搭配,其二是内外套的时尚性搭配。

而要做好这两个方面的搭配都要从以下三个角度进行搭配:款式、色彩和图案

上下装和内外套的款式搭配都是根据数据库内预置的款式匹配关系进行搭配关联。

整个匹配的操作流程是用户匹配后数据的再次收入,然后首先对种类进行匹配,匹配好种类后,再匹配相适应的袖型、裙型、裤型、版型以及面料,最后输出与用户相关的服装款式搭配的数据,存入上下装匹配数据表和内外套匹配数据表。

除了款式相匹配外色彩和图案各自之间还需要进行匹配。

将用户匹配后数据中的色彩和图案,依据色彩与图案匹配的关系进行匹配按照上下装和内外套,分成两类数据对,也存入上下装匹配数据表和内外套匹配数据表中。

上下装匹配数据表和内外套匹配数据表中数据都是一对对成对的数据组,一个用户是一个数据条。

若是将这些成对数据组作为筛选的条件去筛选服装数据的话,就可以准确地筛选出客观上适合客户的成套服装。

通过这两个模型得出的用户数据条,根据用户的数据条内容对服装数据进行筛选,就能找出适合顾客的成套服装,这样就完成了基于人体参数的服装智能推荐模型的整体流程。

如此得到的成套服装能够帮助鞋服电商更加精准地进行营销,顾客也可以更加直接准确地找到适合自己的服装。

借助服装智能推荐模型,服饰电商可以将服装精准推荐给相关顾客,而顾客也可以尽可能地选择最适合自己的服装,大大降低了退换货率,也提高了电商的销售和顾客可满意度。

图片来自网络,如有侵权请联系删除

参考资料

[1] 张莹. 服装色彩搭配智能系统研究[D]. 北京服装学院硕士研究生学位论文. 2010(12)

[2] 张敏佩. 基于女性形体的服装色彩搭配研究[D]. 江南大学硕士研究生学位论文. 2010(6)

[3] Shih-Wen, Hsiao, and, Jiun-Chau, Chuang. Construction of a 3-D Product Based on Measured Points[Z]. Hefei: The International Symposium on Precision Mechanical Measurements ,2002.

[4] 多丽丝·普瑟. 穿出影响力:女性职场形象书[M]. 中国纺织出版社:1, 2013.

[5] 李旻珂. 基于人体参数的服装智能推荐模型探究[D]. 上海大学悉尼工商学院. 2015(5)

欧睿数据关键词:

数据智能决策,决策智能化,智慧需求链,oIBP算法,供应链管理,上海欧睿,需求驱动时尚业供应链数据智能服务,FMDS,,欧睿智慧供应链