Chicisimo:大数据解答时尚搭配

公司

2012-11-26 16:36

“双十一” 狂购了很多衣服?是!但就是不知道怎么搭配……一般说来,普通人每天要思考三个问题:早上吃什么,中午吃什么,晚上吃什么。女生通常得加上一个问题:今天穿什么?在这个问题之上,还有各种搭配问题:高腰裤配什么腰带?蝙蝠衫搭哪款墨镜?……

为什么女生喜欢看街拍,因为她们想寻找某件衣物的搭配灵感,那衣服可能在柜子里雪藏许久。搭配、街拍网站应运而生,只是,它们中很多沦为纯粹的广告渠道。同样是搭配网站的 Chicisimo 反其道而行,在为人们提供衣服搭配平台的同时,利用由此收集到的数据进行分析,对用户行为生成统计数据,由此获知时尚品牌市场状况、各时尚单品之间的关系,生成 “Street Fashion Reports”。

在大数据背景下,Chicisimo 的模式十分值得其他时尚网站借鉴。The Next Web 特地采访其联合创始人 Gabriel Aldamiz-Echevarria,他本人正是大数据领域的专家,多年来在硅谷为大数据初创公司 Strands 工作。

Gabriel 认为搭配确实是最令女生头疼的问题,而帮助她们解决这个问题,正是 Chicisimo 目前的专注点。用户除了 “分享搭配(share your looks)”,还可以 “建立搭配组合(create an album of looks)”。这些组合可以以某一单品为中心,如军大衣的各种搭配,也可以以主题为重心,比如 “Boy Friend 风”。

Chicisimo 的成功来自数据更新的迅速,并从中理解整个社区对信息的反应。而这表现为 Chicisimo 提供的服务是动态的。最近,它建立了 Social Fashion Graph(时尚社交图),这是世界服饰的全球布局,反映出人们如何通过穿着,在各种品牌中建立联系。Gabriel 举例道:“你选择穿一件 BCBG 的连衣裙,搭配 J.Crew 的夹克。悄无声息中,你就为这两个牌子建立了联系,你的行为将反映到这份图表中。”

这个社交图表是动态的,随时根据时下人们选择的变化而变化。在我看来,这更像是卫星云图,Chicisimo 将各种品牌、单品、颜色、国家、人群的联系建立了不同图层。Chicisimo 就这样建立了各种搭配、各种品牌之间的联系,从中捕抓规律,并将这些经验介绍到社区中,为时尚人士提供认知。

比如,通过对 Social Fashion Graph 的分析,Chicisimo 从中得出 Zara 在美国提供电商服务的一年后,其美国市场渗透率翻了一番;时尚人士更青睐小众牌子;80% 的搭配次数中,我们并未穿着排行榜前 20 的品牌。

这里所说的排行榜也是 Chicisimo 所建立的,提供了各国各自流行的品牌及其份额。Gabriel 表示这种模式其实借鉴了 iTunes 等音乐行业的模式,通过收集数据来分析受众行为,而不单单只是销售数据。

我不禁想起《时尚女魔头》中的台词:

你所穿蓝色的化纤上衣,你以为这是按自己的意思选出这件衣服。然后,首先你不知道这件衣服不是蓝色的,也不是青绿色或琉璃色,实际上它是天蓝色的。而实际上你也不知道,2002 年 Oscar de la Renta 发布会第一次出现了天蓝色礼服;之后,伊夫·圣·洛朗也展示了天蓝色系列服装,很快地,天蓝色出现在随后的 8 名设计师的发布会中;然后,它就充斥于全世界各大高级卖场,最后流行到街头,而你在廉价的卖场里买了它。事实上,这种天蓝色,产生了上百万美元的利润和数不尽的工作机会,还有为之付出的难以计算的心血……你觉得你穿的这件衣服是你自己选择的,以为你的选择是在时尚产业之外,但实际上不是这样的,你穿的衣服实际上就是这间屋子里的人,替你选的,就是从这一堆玩意儿里。

毫无疑问,时尚界的金科玉律依旧来自最顶端的品牌及其背后艺术级设计师的理念,然而在普罗大众中,大数据却正悄然改变这种格局,人们的消费选择受到上游生产的影响,但同样的,数据的及时搜集和分析也为生产提供参考数据。时尚中奢侈品牌的圣经地位也许不可撼动,然而大众却可以借助大数据,开始发出微弱的声音。

如果排行榜沦落为竞价排名,那它已失去意义;如果搭配沦落为购买入口,那它也只是赤裸裸的利益。

可以想见,忠实于人们的 “真实存在”,而不是随便把搭配做成网店入口,挖掘数据,而非贩卖渠道,也许无法为 Chicisimo 带来即刻的暴利,却使之获得持久的生命力和资本,更好地为需要建立品牌文化的商家提供分析,有的放矢地进行宣传

目前,Chicisimo 的用户主要集中在欧洲和美国。而 Zara 和 H&M 已与其进行合作,展示自己的品牌搭配合集。

 

登录,参与讨论前请先登录

评论在审核通过后将对所有人可见

正在加载中

我最怀念的,不是那些终将消逝的东西, 而是鸟鸣时的那种宁静。

本篇来自栏目

解锁订阅模式,获得更多专属优质内容