티스토리 뷰
패션플러스
스타일리스트는 5개의 아이템을 고르고 각각 어떻게 입을 수 있는지를 안내하는 카탈로그, 직접 쓴 편지를 상자에 담아 배송을 합니다.
다른 의류업체들은 최저가격이나 가장 빠른 배송을 하며 차별화를 시도한다. 소비자는 입어 보고 마음에 들지 않는 아이템은 반송 봉투에 다시 넣어 되돌려 반송합니다. 5개를 모두 사면 25%를 할인해 준다. 배송 비용은 관련 된 담당자와 별도 지만 우선은 부담을 필요호 한다. 주요 기업에서는 디지털 자산을 수집하고 분류·관리하는 디지털 큐레이션을 적극적으로 도입하고 있다. 누구나 콘텐트 아카이브에서 최대치를 뽑아낼 수 있고, 구성원 간 공유가 수월해져 경쟁력있는 조직려그로 거듭난다.
패션업으로 위장한 데이터 회사’(포춘)라는 평가가 나오는 이유다. 실제로 넷플릭스의 데이터 과학·엔지니어링 부사장이었던 에릭 콜슨이 2012년 합류해 최고알고리즘경영자(CAO)를 맡고 있다.
그가 이끄는 분석팀(80여 명)은 선호 스타일, 패션트렌드 등에 따라 수백 가지의 알고리즘을 만들어 적용하고 있다. 데이터 과학은 스티치픽스의 기업문화와 엮여 있는 정도가 아니다. 우리의 문화 그 자체다.
스티치 픽스의 성공은 유통업에서 다양한 상품 확보나 빠른 배송은 의미가 없다는 점을 시사한다. 공급자가 철저히 소비자에 맞춰야 한다. 대중을 위한 유통이 아닌 ‘개인을 위한 유통’으로 패러다임 전환이 빠르게 이뤄지는 이유다. 사업자 입장에서 큐레이틸 소비자 입장에선 큐레이핑 시대로의 전환이다.
패러다임 전환을 빠르게 포착한 스티치 픽스가 ‘패션계의 넷플릭스’로 등극한 것은 순식간이었다. 직원은 2012년 5명에서 현재 5700명으로 늘었고 실리콘밸리에서 가장 주목받는 유니콘 기업이 됐다.
스티치 픽스의 지난해 영업이익은 7억7000만 달러(약 8800억원)로 올해는 30% 이상 증가할 전망이다. 지난달 말엔 기업공개(IPO)를 위한 사전 작업에 돌입했다. 증권가 추산 기업가치는 30억~40억 달러(약 3조4000억~4조5000억원)에 달한다.
스티치 픽스의 사업 모델은 '개인의 스타일을 대중에게 파는 법, 나는 전통적인 소매업체를 변화시키기 보다는 데이터과학을 중심으로 회사를 시작했다는 점이 기쁘다. 기존의 업체를 바꾸려는 시도는 실패했을 것 같다. 전통적인 소매업체가 "스티치픽스가 하는 방식으로 해보자"라고 한다면 그건 내가"지금 키가 더 크고 싶어요"라고 말하는 것과 다를 바가 없다.(패션플러스)
스티치픽스의 비즈니스 모델은 간단하다. 우리는 당신이 좋아할 만한 옷과 악세서리를 보내준다. 그럼 당신은 그중에서 마음에 드는 건 갖고 마음에 안 드는 건 우리에게 돌려보낸다. 이는 마치 와비파커(안경 온라인 판매)의 사업
[차별화] 데이터 과학을 활용해 우리는 이렇게 개인화된 판매를 대규모로 진행한다.이는 전통적인 매장 및 전자상거래에서의 구매 경험을 능가한다. 고객은 전문 스타일리스트가 옷을 골라주는 걸 즐기고, 또 서비스가 편리하고 단순해서 좋아한다.
[차별화] 선택은 당신과 수백만 명의 다른 사용자가 준 정보를 토대로 이뤄진다.가입할 때 당신이 작성하는 긴 설문지, 그리고 각 배송 이후 당신이 우리에게 보내는 피드백이 그 기본정보다
물건을 받아보고 더욱 싼 구입처를 찾으면 반송하는 ‘체리피커’가 생길 수 있다. 실제로 스티치 픽스의 의류 판매가엔 스타일링 비용(한 달에 20달러)이 더해지기 때문에 최저가를 제안할 수 없다.
우려와는 달리 스티치 픽스 이용자의 80%는 1개 이상의 아이템을 구매한다. 가격보다는 시간이 더 중요한 소비자가 그만큼 많다는 의미다.전문화된 인간과 데이터 분석 알고리즘의 AI 적용을 CEO의 스폰서십을 바탕으로 제대로 활용 하고 있다.인간 스타일리스트 3700명을 고용하고 있지만 스티치 픽스의 ‘원천기술’은 패션이 아닌 데이터와 인공지능(AI)에 있다.머신러닝이 제대로 활용되기 위해서는 다음의 세 가지가 필수적이다.
우리는 또한 이런 구조가 조직 전체에 우리의 가치관과 전략방향을 공표하는 역할을 한다고 믿는다. 데이터과학은 대단히 중요하며, 마케팅과 엔지니어링과 같은 다른 부서들도 데이터과학 팀과 긴밀하게 협력을 해서 역량을 향상시킬 수 있다.(패션플러스)사람들은 종종 데이터 과학이 우리 문화에 얼마나 뿌리 깊이 새겨져 있는지를 이해하는 데 어려움을 겪는다.
치수 데이터에도 정량적인 접근방법이 사용된다. 옷의 유형에 따라 적게는30개에서 많게는 100개까지 치수 측정값을 기록한다. 이제는 핏이 어느 정도일 때 고객들이 조금 불편하더라도 옷을 사는지 알게됐다. 이는 200만 명이 넘는 실제 고객 경험을 토대로 한 것이다.
남성 셔츠에서 가슴둘레와 셔츠폭의 최적 비율도 안다. 가슴이 넓은 남성을 위해 셔츠의 옷깃과 첫 번째 단추 사이의 거리도 재조정했다. 데이터과학 덕분이다. 27인치 길이의 바지를 입는 인구의 비율을 알고 있으며 그 비율에 따라 재고를 확보한다.모든 치수는 물론 고객의 성향, 계절, 장소, 과거 트랜드 등 많은 변수를 고려해야 한다.
스타일리스트는 알고리즘이 제시한 제품 구성을 바꾸거나 뒤엎을 수도 있어야 한다. 우리의 스타일리스트들은 디자인업계, 소매업계 등 다양한 출신배경을 갖고 있지만 모두 데이터의 중요성을 인정하며 고객에 대한 사랑과 공감을 느낀다. 인간은 어떤 면에서는 기계보다 훨씬 낫다. 앞으로도 오랫동안 그럴 것이다.(패션플러스)
스타일리스트는 그런 삶의 순간들이 얼마나 특별한 의미를 갖는지 정확히 알고 있다. 온갖 방법을 동원해 그런 상황에 맞는 옷차림을 구성하고 고객과 연락을 하며 필요하면 창의성을 발휘할 수도 있다. 이는 믿을 수 없을 정도의 브랜드 충성도를 이끌어낸다.(패션플러스)
간단하다. 좋은 사람과 좋은 알고리즘의 결합은 최고의 사람이나 최고의 알고리즘만 있을 때보다 훨씬 뛰어나다. 사람과 데이터를 경쟁시키는 게 아니다. 둘은 함께 일할 필요가 있다. 우리는 기계가 사람처럼 행동하도록 훈련을 시키는 것도 당연히 아니다. 그리고 누구나 틀릴 수 있다는 점을 인정해야 한다. 스타일리스트, 데이터과학자, 그리고 나 자신도 실패할 수 있다. 심지어 알고리즘도 그렇다. 그 실패로부터 계속 배우는 것이 중요하다.
내 두뇌의 분석적인 부부는 우리 회사의 알고리즘 접근방식을 사랑한다.하지만 쇼핑은 본질적으로 개인적이고 인간적인 행위다. 그것이 인간 스타일리스트와 데이터를 합쳐야 한다고 주장하는 이유다. \|]\