一年上新15万款新品，是一种什么样的体验？
以快时尚行业设计、打版、生产、上架的周期来看，主打畅销、基础款的优衣库是半年，主打流行款的Zara最快是14天，而SHEIN压缩到了7天。Zara每年上新一万两千件，而SHEIN一周就做到了这个量。
如今，我们从一家起步于2018年，叫做知衣科技的身上，仿佛看到了SHEIN的影子。不同的是，SHEIN服务于C端，知衣服务于B端。
截至目前，知衣的SaaS产品“知衣”数据平台已经合作了包括太平鸟、巴拉巴拉、UR、绫致集团、海澜之家等在内的超过1000家品牌，累计服务行业从业人员超过50万人。知衣已经连续3年实现年营收300%的增长，且SaaS产品月活用户比例超过95%。
日前，知衣科技宣布完成B轮融资，总金额为2亿，由高瓴创投和万物资本领投，涌铧投资和老股东君联资本跟投。此前，知衣科技曾获得快手战略投资、君联资本的A 轮融资。
01
高库存的痼疾：时尚化设计
某时尚品牌的负责人小李最近很犯愁。
他要找一款绿色波点连衣裙，上各大平台搜了一圈，得到的信息不是乱七八糟，就是已经过时，很难找到有价值的款式。
无法集中且高效的获取信息，进而做出精准趋势预判，是长期困扰服装行业的一大痛点。
尤其在十年前，如果是做服装，大家一定要去看大牌的秀场趋势订货会，然后，根据自己的经验和感受来判断什么款会流行，哪些款可能成为下一个爆款。
经过十几年的时间积累证明，这种方式存在很大的赌博性质，赌中了爆款，今年一年利润就有保障，没赌中，一年的利润就没有了，甚至还要搭上过去几年的利润。
产生这样的结果背后，除了大量订货因素之外，还有对消费者喜好的把握，并且很多时候，消费者的喜好和其表现出来的喜欢并不一致。
“大众通常认为服装行业的痛点是去库存，但控制库存的核心是洞察消费者追求。”知衣科技创始人兼CEO郑泽宇在接受亿邦动力访问时表示。
库存难题，很大程度上是由于传统选款模式缺乏数据支撑，凭主观选款存在诸多不确定性。
过去，品牌商大多依靠买手获取市场最新信息，以一个时尚品牌为例，直播是其一个重要销售渠道。直播对款式数量要求很高，每天都要上新款。面对这样的压力，过去是通过扩张买手在全球各地找款式来解决。
但扩张买手有一个弊端，一方面是买手扩张速度过快，很容易将参差不齐的买手全吸纳进来，从而导致动销率降低。另一方面，因为买手的工作方式、工作条件等限制，导致没有看到好款。比如看了100个款，但这100个款都不好，但又不得不从这100个款里选一个，从而会导致产品销量不好。
“花费80%的时间在没用的图片上，还不得不从20%里面选一个，这是很多买手或设计师现在的现状，是一种无可奈何的方式。”郑泽宇表示。
如今在快时尚和直播的冲击下，消费者的观念和行为发生了巨变，平均每家服饰企业研发的SKU数量在近3年里至少已经翻番，款式开发成本占品牌商营收的比重持续升高，这个趋势无可避免。
因此，服饰企业只有在充分了解消费者需求爆款基础上才能更好地判断市场的走向，降低库存并打造爆款。
这一点做到极致的案例就是SHEIN，而大数据智能选款测款的数据闭环也成了SHEIN的核心能力。
如今，以大数据+数字化模式为品牌商提供海量且精准数据支撑的知衣，正在全行业为更多的品牌提供类似SHEIN这样的能力。
02
收集海量数据，预测下一个爆款
在过去8年里，SHEIN以每年超过100%的速度增长，在全球220个国家与地区售卖新潮服饰，除了把握住了当下潮流，更让人吃惊的是它的上新速度。
SHEIN全年上新15万款，平均每月一万余款，仅女装平均上新了2000余款（包括部分饰品和旧款）。一件基本款的T恤，可能有10种颜色，6种尺寸和2种衣领。仅一种产品，可能高达120个SKU。
SHEIN的核心在于在前端收集消费者喜好后，经过设计团队改造，直接流入后端的供应链，快速打造爆款。
其中，前端信息收集，包括从网上服装店的品类、数量、装修、界面设计等很多侧面中获得对消费者需求和意愿的预测。
它预测所依据的数据无论是积极的，还是消极的，无论来自行业的数据，还是来自行业以外的，这些数据都与人们的需求有一种隐秘关联。然后再通过最小代价测试用户的真实需求。
据Similar Web数据显示，SHEIN独立站的直接流量占了37.12%，搜索流量占了40.13%，这些都是免费且可重复使用的流量。可见，SHEIN把持住了自己的私域流量。
同时，SHEIN已改过往通过优化关键词等手段提升搜索排名的做法，利用算法，通过捕捉用户的动态信息，并进行个性化、精准化推荐。
由于SHEIN深度数字化整合了碎片化的产能，SHEIN有了非常灵活的调整SKU的能力。比如，一旦某个款式预冷，SHEIN可以改几个印花或剪裁细节，用同一款面料推出新品继续测试，直到成为爆款。
知衣科技与SHEIN的相通之处在于，都是收集数据的巨人，他们通过海量用户体验喂养出一个丰富的用户行为数据库，进而帮助自己或品牌商做出更精准的生产决策。
“知衣科技提供的技术及供应链服务，核心在于为设计生产环节降本增效，为最终销售环节提高优质款式命中率。”郑泽宇介绍，从AI赋能设计这一入口，向供应链切入的模式已经被验证。
首先，知衣广泛搜集全网各平台数据。通过自主研发的数据抓取算法，对互联网各个零售网站的产品进行跟踪，把它们的图样、颜色、价格变化、面料等数据抓取以后进行分析。同时，它们还跟踪颜色、面料相关的关键搜索词的变化。
这使得知衣科技可以做出大量精准的判断，比如年度购物节双十一要来了。它可以找到往年双十一的爆款品类进行比对，比如去年羽绒服占到整个比例的50%。以这个数据为判断基础，再参考品牌商相似的店铺，所有数据一目了然。
郑泽宇强调，实际上，数据都是联动的，比如上个月知道羽绒服销售额占到市场销售额的16%，那么，具体哪一件是去年的爆款都可以在平台上清晰呈现。设计师和买手可以以此为依据，判断今年是否要做类似调性的产品。
从消费者的角度来讲，消费风格不会在短时间内发生巨大变化，去年的爆款对今年一定有引导作用，商家可以从去年的销售情况知道今年的选款方式。
上新时间与气候及整体运营节奏有关，比如从去年的上新节奏可以看到，从9月底开始上新。结合这个数据，可以帮助企业规划整体上新节奏。
实际上，服装还可以拆分成几百个不同的属性维度，进而分析每一个维度细分的趋势。比如，戴帽子的羽绒服和不戴帽子的羽绒服，可以通过对各个店铺产品的对比，了解到戴帽子和不戴帽子的具体款式。
可以看到它们不同的工艺在去年的占比情况，在这个数据基础之上，设计师再结合自身品牌的实际情况，讨论今年要更多做戴帽子还是不戴帽子的产品，是做长款羽绒服还是短款羽绒服。
郑泽宇介绍，也有当数据证明戴帽子的羽绒服就是比不戴帽子的好时，决策者仍然不做戴帽子的情况，为什么？因为他要根据企业自身情况而定，可能是戴帽子的风格与自身品牌定位不符合。而戴帽子的也有好卖的产品，这类产品与品牌定位与战略更相似。
对于品牌商来讲，可以把以往的数据作为创意参考基础，也就是说，过去是看了三件，从这三件里拼拼凑凑，现在是看了300件，从这300件里做组合，创意性很不一样。
当企业决策者充分掌握了市场信息之后再去做理性和感性，品牌调性与市场趋势的结合。
如果说Zara的护城河是信息，那么，像SHEIN和知衣这样的模式的护城河是数据，他们通过数据能挖掘到更隐秘、更真实、更本质的需求信息。
03
10亿款式图片，
每年以100万款的速度增长
SHEIN成立于2008年10月，金融危机那一年。彼时，知衣科技创始人郑泽宇正在大西洋彼岸求学。
郑泽宇的经历算不上传奇，但也不乏亮点。他从小学习编程，高二以全国信息学竞赛保送北大，后赴美留学，获卡耐基梅隆大学（CMU）计算机硕士学位。
2013年，郑泽宇正式加入谷歌，在谷歌任职期间，他作为主要技术人员参与并领导了多个大数据项目，开启了谷歌购物广告在搜索页面投递的新纪元。
2015年，人工智能开始萌芽，同时，谷歌开源TensorFlow等系列技术和项目，为郑泽宇提供了创业灵感。2016年5月，他与谷歌几位同事回国创办了才云科技，致力于搭建一个商业化的人工智能平台。
基于这次创业，机缘巧合下，郑泽宇接触到了服装行业，一个对他来讲相对陌生的传统领域。他了解到当前服装行业信息化水平低下，根源在于设计端这个重要驱动引擎存在数据化程度低、设计数据体量大、结构化程度等问题。
要解决这个问题，可以从两个方面解决，一个是通过更精准的款式，另一个是更高频的快反。
这是行业发展的新蓝海，郑泽宇决心将大数据的触角延伸至传统服装行业。
2017年，一款面向服装设计师、买手和服饰搭配师的专业读图工具——DeepFashion正式推出。
据知衣科技官网显示，该公司旗下拥有“知衣”、“知款”、“抖音优选”等六款SaaS产品，知衣通过趋势预判，将设计选款和供应链数字化、智能化来为服装品牌和电商企业提供数据企划选款和一站式的服饰设计供应链服务。
其中，以“知衣”和“知款”为代表的SaaS产品是知衣科技的核心服务，切入了服装品牌前期的设计选款环节。前者是通过电商数据监控来分析店铺行业趋势，后者是通过对国内外电商和社交平台的实时数据分析来预判时尚趋势。
通俗来讲，即通过对海量电商网站、社交媒体和大牌秀场的实时数据分析与统计，帮助服饰企业进行数据化商品企划、数据选款、智能款式生成、设计师协同工作等场景，提升服装品牌售罄率和爆款机率，从而降低企业的生产成本和库存压力。
郑泽宇介绍，“知衣”的技术基础是自主研发的针对服饰图像的识别算法，能够识别数十个不同维度，超过10000个设计元素标签。
通过自然语言和图像语义关系等人工智能技术，让客户可以通过对应的文字搜索了解趋势，完成设计选款，进一步智能生成设计图稿。
与此同时，知衣研发了一套针对服装图像的识别算法，能够智能识别服装品类、风格、面料、辅料、颜色、廓形等多个维度的信息。
使用知衣SaaS的设计师，平均一个月完成约150个款式的研发，是传统设计师工作效率的2-3倍。
经过三年的算法和数据积累，目前其数据库已收集整理了超过10个亿款式图片的设计数据和分析，并以每天超100万款式的速度在增长。
并且，知衣科技的数据产品已经扩充到了鞋、帽、箱包、配饰等家居服等大时尚消费品行业。
郑泽宇强调，知衣科技目前不做定制化产品，而是做标准化SaaS软件，通过订阅式给用户开放账号。然后再由专门的团队进行一轮甚至多轮培训。
据了解，这套软件适合多角色使用，从设计师、运营人员、市场部再到决策层都需要。对于决策层来讲，他们需要实时了解市场上什么产品好卖，与竞争对手的差距在哪。
比如一件红色连衣裙，他们需要了解市场上这样的连衣裙是怎么定价的，销售曲线如何，或者一款新材料，我们需要了解市场上还有谁有，他们的运营策略如何。
对于这种模式是否会导致服装款式同质化严重问题，郑泽宇回应称，不会。因为没有一款产品对于所有人来讲都是爆款。比如一款羽绒服，服务的是25到35岁的人群，放到10到20岁的群体里，效果肯定不一样。一款在一二线城市卖爆的款，未必适合三四线城市。
END
文章来源：亿邦动力
