如何把「推薦演算法」從線上做到線下？阿里在香港開的這家店參考下

實話說，有可取之處，也有不得忽視的槽點。

撰文 | 宇多田

無論是兩年前支付寶放棄社交後，老老實實把一個「錢包」的功能做到了極致；還是淘寶從一個網商平台變成集電商、媒體、直播、社交為一體的綜合消費王國，阿里做產品最擅長什麼可以說是一目了然：

提升產品的每日開啟次數和單次使用時長，不知不覺吸走你的時間。

雖然表面上，功能品類與內容的愈加豐富是拖住我們腳步的主要原因，譬如越來越多的主播與自媒體開始入駐淘寶（這在某種程度上是一種「高頻打低頻」的做法），導致你本來就想買一包速食麵的，因為「不小心」看了某個主播的「吃放」，又下單了 N 包火腿腸和蘿蔔鹹菜。

但一般情況下，你只要不主動去找、去點擊，也就不會耗費更多時間，或被影響購物需求。

關鍵，就在於這個「不小心」：

你在搜索欄輸入連衣裙」或者「襯衫」，排在搜索結果靠前位置的，一定是你瀏覽過的單品或者是已關注店鋪的同類商品；

首頁的所有橫幅產品廣告都是基於你的歷史瀏覽記錄；

「猜你喜歡」這個欄目里展示的產品一定與你近期在淘寶上查找和購買過的商品有關；再往下拉，全部都是跟你最近消費和查找關鍵詞相關的商品。

「微淘」中的文章推薦，大多跟你最近購買的商品相關；

「每日好店」欄目里所有店家的風格，一定與你關注的賣家以及服裝風格有關；

點開「微淘「里的「關注」，各種「吃播達人」與自媒體錄製的視頻撲面而來；你只要關注了一個自媒體，後面還會有海量相似的自媒體與主播賬號被推薦到你的頁面上。

那些跟你收藏的產品與店家風格非常相似的店鋪和品牌，也會頻頻出現在「我的關注」信息流里。

……

這個 App 滿屏都是你的「味道」，你就是不想點，也會「被迫」看到。

看直播，關注更多新店鋪，購買更多產品，停留在應用程序內的時間被大大拉長…這就是在推薦演算法助力下，消費者做出的「無意識選擇」；而與此同時，獲利的當然是線上商家與淘寶。

綜合來看，儘管如今對於推薦演算法的應用已經比較成熟且普遍，譬如今日頭條、網易雲音樂等等都是推薦演算法應用領域的老司機。但有能力從多維度讓技術與產品進行充分融合，能把一張商品圖片順暢轉化為最終交易行為的，淘寶算得上一個業界榜樣。

而現在，淘寶的技術團隊開始對基於推薦演算法的應用有了新的探索：

如何把這些技術應用擴散到線下？

你可以把這個問題看作是阿里新零售戰略的一部分，但對於阿里淘寶技術團隊來說，作為一個 C2C 平台，技術輸出的最終落腳點，可能更多側重於買家，而非僅僅是商家和品牌。

因此，他們首先想到的是：哪些線下購物場景痛點可以利用機器學習技術，或者說是「推薦演算法」去解決。

淘寶高級技術專家雷音表示，根據收集到的大量用戶與商家反饋，以下是兩種消費者逛店普遍存在的問題：

一個是「不會搭配衣服」，以及「找不到合適的衣服」。

很多人在選購衣服時，通常也會同時考慮——「這件可以搭什麼呢？」，腦子裡會搜刮自己衣櫥里有的衣服，或者在買了一件上衣後，又預備買一件下裝進行搭配。很多時候雖然店員會給出搭配意見，但並不一定真正適合你。

另外，包括「程序猿」在內的多個消費群體的這類訴求貌似更強烈一些。

而另一個痛點則是針對商家的——「究竟應該把什麼款式的衣服擺在最顯眼的位置」。

經常去逛 H&M、Zara 等快時尚店鋪的人一定會清楚，店方會選擇把一些新的主打款穿在模特身上；而很多次並不主推或者較為基礎的款式，會掛在一些不顯眼的位置；甚至有些款式不會掛出來。

為了驗證把線上「推薦效果」複製到線下的可行性，淘寶技術團隊與品牌 GUESS，以及香港理工大學紡織與服裝學系進行了一次專項合作，在理工大校內搭建了一家名叫 FashionAI 的時尚概念店。

根據我們的現場體驗，如果把整個購物流程走一遍下來，可取之處在於「擊破了上述兩個痛點」。

不懂搭配？找不到合適的搭配衣服？

這個時候， 阿里認為基於你購買記錄的推薦才是最靠譜的。

根據現場情況，每排衣架旁，都立有一個智能顯示屏。由於每件衣服的保險扣內都內嵌 RFID 晶元，當你拿起一件T恤仔細查看時，屏幕就會感應到這件商品，顯示出這件商品的 Size、庫存等基本信息。

到這一步，其實沒什麼稀奇，智能試衣鏡、智能顯示屏這些都是老生常談的話題。

但關鍵在於，這件 Tee 的基本信息中包含若干種搭配法則。譬如，它會推薦你用這件 Tee 搭配一條牛仔短褲，外加一個鉚釘包和一雙黑色高跟鞋。

一方面，這裡的「推薦」，完全是基於你的淘寶歷史記錄。沒錯，這家店一定需要與你的淘寶賬戶進行綁定。

基於你的淘寶數據，同時顯示屏上方的攝像頭會通過人臉識別進行身份驗證，這樣系統就會推薦給你更符合偏好的一套搭配。

反過來，當你在 GUESS 線下店鋪購買了一件大衣，淘寶也會根據這個最新的數據，為你更新線上的推薦產品條目 。

也就是說，淘寶技術團隊先直接利用線上的海量數據優勢，把線上線下的數據和推薦應用打通；再通過收集用戶的線下消費數據，反哺線上，完善線上的消費體驗。

另一方面，為了節省店面空間和消費者挑選衣物的時間成本，貨架上基本只擺放 70% 的商品，剩下 30% 都存放在後面的倉庫里。

但消費者如何「接觸」到這 30% 的「不露面商品」？「推薦演算法」在這個時候就起到作用了。

每套搭配中的商品，有一小部分只會存放在倉庫里，而要與這部分商品親密接觸，就要靠每套「搭配方案」來發現它。

屏幕上會顯示這件商品的具體存放位置，如果它被存放在倉庫，而你選擇了「試穿」和「尺碼」，就要在屏幕上點擊「試穿」選項，倉庫的店員會提前把這件衣服提前取出並掛在試衣間的牆上。

「一般來說，越基礎的款式，搭配方案也會更多。因此一件普通 Tee，可能會有七八種搭配形式；而一件連衣裙，搭配可能就只有鞋子的變化。」一位淘寶技術人員這樣解釋，

「但所有的搭配，都是基於你的淘寶消費數據推薦的。如果你平時在淘寶更喜歡買一些中性風的衣服，那麼可能給你推薦有白 Tee 的搭配方案里，就不會出現裙子這一品類。」

另外，剛才講到的第二個痛點——品牌店鋪如何識別並擺放出那些「最好賣」的衣服，其實就是利用機器學習技術進行商品銷量預測。

這個時候，擁有海量商品的基本信息與銷售數據，顯然更具優勢。

「我們就是想藉助於淘寶的商品數據優勢，利用機器學習技術優化我們門店與庫存的商品品類，」GUESS 大中華區 CEO José Blanco 認為，機器學習有能力「預測」到哪些產品更好賣。

「GUESS 在線上的消費數據一定會有助於線下店面的銷量，同時，我們也在儘可能讓線下店鋪進行全面數字化改造。」

但是，就像我前面特意強調的，這是一個概念店。

就像一輛概念車，所有性能都設定在一個趨於完美的外界條件下。同理，這家時尚概念店，僅僅是針對推薦演算法做的一次「點對點」線下嘗試，如果從商業化方面考量，僅僅是一個初級產品，還沒有對複雜的購物場景進行充分驗證。

如果要真正實現一次順暢的「挑選+試穿+購物」體驗，需要對「整個面」進行改造。而我們在現場模擬了整個購物流程後，發現多處細節都隱藏著亟待解決的問題。

首先，為何店裡衣架上的衣服掛的如此稀疏？雖然很多高檔成衣店的確是如此擺放，但這樣做其實更便於智能顯示屏進行感應識別。

試想一下我們去逛商場，特別是快銷服裝品牌，為了節省空間成本，每個衣架上的衣服掛的密密麻麻，有時候拽都拽不出來。這個 時候可能需要把衣服扯出來，拿到屏幕前晃一晃。

而人流量一多，假如一個衣架前有三四個人在挑選（假設都綁定了淘寶賬號），顯示屏就很容易「錯亂」。

另外我們發現，屏幕上顯示的服裝基本信息非常有限，僅有尺碼、衣物細節圖、模特效果以及搭配推薦可供參考。

但一件 Tee 本來就拿在手裡，我們到底是想知道這件 Tee 的細節，還是更希望知道它的面料、庫存量以及設計理念呢？

而試衣環節的漏洞更顯而易見。

「我點擊試衣，倉庫立即給我拿出這件衣服掛在試衣間」。這個過程要想實現完美對接，要滿足以下幾點：

人流量稀少。

試衣的人不超過 5 個，而且每個人拿的衣物不能太多。店方才有條件在僱傭一至兩人的情況下，完成上述操作。

店員熟練使用後台管理系統。

我們發現，在倉庫中的「配貨系統」屏幕上，會顯示消費者的 ID 賬號，任務量（需要送達試衣間的衣服數量）以及試衣間空餘量。

但在操作過程中，不僅系統反應遲緩，演示者的操作也非常緩慢。從「衣服掃碼上傳數據」(下圖）、「確認完成取貨任務」，「清空試衣間」，再到「通知下一個人進來試衣」，整個流程的效率遠遠不及人為操作（就是看試衣間有人出來了，門口的店員喊「下一個」）。

或許店員在上崗前還需要進行一定的培訓，但「無縫對接」的確非常難以實現。

這不由讓人質疑，如果僅僅是考慮將各個環節進行數據化，以獲取數據為主要目的，而忽略了操作效率與時間成本，對於店鋪來說究竟是否值得改造？是否最終能有效提升用戶體驗？

不可能適用於快銷及大眾品牌，特別是單日人流量與交易量較大的店鋪。

試想如果是在某熱門商區的 Zara 或者 H&M 里，發生上面的情況是否更恐怖。每個人手裡都拿著一摞衣服（8、9 件很正常）等待試穿，然後試衣間前排著長長的隊伍。

假如這裡面的每一個人都需要店員在倉庫取出衣服再遞出，配送任務系統需要不斷被確認和清空……外加還有人在試衣間里想換另一個尺碼呢？

顯而易見，人力成本、時間成本都會變得更加高昂。

而要想補這些流程上的漏洞 ，就意味著店鋪需要對整個試衣間以及倉庫的結構進行徹底智能化改造。

現場的技術人員也承認，目前他們還沒有在試衣以及倉庫管理這個流程上找到一個非常全面的解決方案。

「我們最主要的目的是對淘寶線上技術做一個線下應用展示，但在試衣以及倉庫管理環節的確存在問題。

其實我們有嘗試對試衣間的『送傳流程』進行智能化和機械化改造，譬如將盒馬鮮生的智能懸掛鏈應用到這個環節。」

不過，對於當下這套系統來說，他認為更像是為成衣品牌打造的，通俗點說就是那些只有少數人能買得起，店鋪人流量不大的奢侈品牌。

「考慮到這套智能設備的費用以及應用場景，率先在成衣品牌店鋪實現商業化落地更為現實。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！