Comment Stitch Fix exploite le pouvoir des algorithmes ?

 

 

 

« Faites-nous confiance et laissez-nous choisir pour vous vos vêtements, chaussures et accessoires ».

Quoi ? Le consommateur que l’on sait si affranchi se laisserait dicter ainsi ses choix ?
Oui, si l’on en croit le succès de Stitch Fix – ce site e-commerce d’abonnement à des vêtements – qui fut profitable pratiquement dès son lancement et a clôturé l’année 2016 avec un chiffre d’affaires de 750 millions de dollars.

Son secret ? La data.

 

Une autre vision du Commerce

En créant Stitch Fix il y a 5 ans, Katrina Lake, CEO, avait en tête de faciliter les achats.
Interviewée par Michael J. de la Merced et Katie Benner dans le New York Times, elle rappelle qu’il s’agit d’une demande essentielle aujourd’hui : « Ce qui est important, c’est d’aider les clients à trouver des vêtements qu’ils aiment, en évitant qu’ils n’y consacrent trop de temps, ou ne doivent retourner des dizaines d’articles qui ne conviennent pas ”.

Katrina Lake, chief executive of Stitch Fix, at a warehouse in San Francisco. Credit Christie Hemm Klok for The New York Times

Le modèle Stitch Fix

Dans cette aventure, Katrina Lake a été rejoint par deux cadors de la Data et du Digital – Julie Bornstein, (ancienne CMO et Chief Digital de Sephora US) au poste de Chief Operating Officer, et Eric Colson, (ex VP data scientist chez Netflix) au poste de Chief Algorithms Officer – pour créer un modèle reposant sur un savant dosage de personnes physiques (3 400 Stitch Fix stylist ) et de Data Intelligence.
Tout commence par un questionnaire à remplir en ligne à l’inscription. La cliente (ou le client, l’offre ayant été  élargie en début d’année aux vêtements masculins) détaille ses préférences en matière de mode, de style, ses occupations, etc. Environ 50 données clients sont ainsi capturées, puis analysées pour délivrer des recommandations algorithmiques dont vont se servir l’un des Stitch Fix stylists, qui va alors sélectionner les 5 vêtements à expédier au client.

Pour 20 dollars rémunérant ce service de conseiller en style, la cliente reçoit à domicile son colis. Elle a 3 jours pour décider de garder – et de régler – les articles qu’elle aime et de renvoyer – gratuitement – ceux qu’elle ne garde pas. Une cliente qui conserve les 5 articles bénéficie d’une réduction de 25 % sur le total de sa commande. Livraisons, retours et échanges sont gratuits.

 

Comment travaillent les 70+ Data Scientist ?

Dans une démarche d’ouverture peu commune, Eric Colson et son équipe ont mis en ligne « An animated tour of Stitch Fix Algorithms », un document interactif dans lequel sont consignées 10 « stories », 10 étapes dans la relation entre le client et Stitch Fix, montrant combien la data science fait partie intégrante du fonctionnement de l’entreprise.
Le document, d’une richesse extraordinaire est à lire ici

Le maitre mot ? Personnalisation. Comme l’explique Eric Corson dans un post « L’envoi d’un colis (a “fix”) a un client suit un déroulé interne précis et bénéficie à chaque étape du meilleur traitement. A son tour, le process interne s’enrichit de l’expérience, en apprenant, et en s’améliorant en permanence pour ajuster les futurs envois, et mieux servir les prochains clients. C’est une boucle vertueuse, qui renforce l’efficacité de l’entreprise et la relation avec ses clients au fil du temps ».

Où commence et où s’arrête le travail des ordinateurs ?
La Data Intelligence est utilisée en premier, pour calculer la probabilité d’un bon matching entre le produit et la cliente, et va déterminer la bonne taille. Le stylist prend la relève. Elle connaît sa cliente, son style.

 

Jason del Rey, journaliste spécialisé Retail chez Recode, a eu le privilège d’interviewer en mars dernier Katrina Lake, à la Code Commerce Conference à San Francisco. La vidéo est à voir ici.

Source : Conference Code Commerce 2017. Katrina Lake interviewée par Jason del Rey, https://www.recode.net/2017/3/20/14992626/stitch-fix-katrina-lake-code-commerce

 

LA SECRET SAUCE

Le modèle de Stitch Fix est unique et ne ressemble en rien aux modèles e-commerce pure player ou eTail (avec des boutiques physiques) actuels. Certains ingrédients sont-ils transposables ? Les voici :

 

Machine intelligente : Allant beaucoup plus loin que les modèle classiques de collaborative filtering (Ceux qui ont aimé ce que vous avez aimé ont aussi aimé …), Stitch Fix (qui conserve chaque donnée issue de chaque occasion  de contact avec un client) utilise une masse de données transactionnelles et de données explicites : commentaires reçus des clients, boards postés sur Pinterest, recommandations des Stylist, emails, etc.

 

Un mix entre Intelligence humaine et Outils intelligents . Il vient un moment où seule une personne humaine peut se mettre à la place du client. C’est là que les stylistes effectuent le type d’ajustement que seul l’homme peut faire.
La stylist teste différentes combinaisons dans l’interface, pour optimiser au mieux la sélection des 5 articles dans le colis prêt à partir. Puis elle justifie son choix auprès de la cliente en rédigeant un petit mot personnel décrivant la manière dont la cliente peut accessoiriser les vêtements pour une occasion particulière et / ou comment elle peut les associer à d’autres vêtements qu’elle possède dans son armoire.

Tous les articles sont donc choisis par des personnes humaines, et non uniquement par des algorithmes. Par exemple, une stylist peut savoir que la jupe à 90 % de chance d’être conservée par la cliente (algorithme) mais elle va proposer aussi un top (qui n’a que « 40% » de chance d’être conservé) parce qu’elle considérera que ces 2 articles associés ensemble pourront plaire à cette cliente.

 

 

Un exemple de modèle altorithmique. Source : « An animated tour of Stitch Fix Algorithms »

 

 

Un modèle basé sur la recommandation
Nous en avons tous fait l’expérience : au moment d’essayer un vêtement en magasin, l’avis d’un ami ou d’un vendeur en qui nous avons confiance (très important) peut emporter la décision d’achat. Stitch Fix replace cet élément décisif dans son modèle d’achat en ligne, puisque 100% des achats sont fait sur la base de recommandations (Data + Stylists), avec un objectif de satisfaction clients maximale.

 

• Une vraie relation entre la Stylist et sa cliente
Pour les clientes qui l’acceptent, un vrai lien s’instaure entre la Stylist et ses clientes (une Stylist est parfois la première personne à connaître une naissance future).

 

• Le caractère auto-apprenant des algorithmes
La justesse de la corrélation entre la cliente et les vêtements proposés se fait au fur et à mesure, par l’analyse des articles renvoyés/gardés par la cliente.

 

Les algorithmes, présents de bout en bout de la commande

Par exemple ils aident à :

  • L’assignation de l’entrepôt d’où va partir le colis (en fonction de l’adresse du client, mais aussi des articles disponibles ayant la probabilité la plus forte d’être conservé)
  • Le choix du Stylist à associer à tel client. Un score est calculé en fonction de la disponibilité du Stylist au moment voulu, mais aussi d’un précèdent lien entre un Stylist et le client (dans le cadre d’une commande antérieure) et des affinités entre les préférences de style indiquées et latentes du client et celles du Stylist.
  • L’offre produits. Quels vêtements acheter ou créer ? Le retour des produits et l’avis des clientes servent aussi à améliorer les articles, en montrant, par exemple, que « cette coupe ne convient pas aux femmes de taille moyenne/petite ».
  • L’anticipation de la demande clients. S’assurer de la disponibilité des vêtements, dans les bons entrepôts (pour diminuer les coûts de livraison), dans le bon style, en quantité suffisante, au bon moment. Pour se faire, Stitch Fix détermine dans quel “état d’esprit” se trouve la cliente, au fil des mois :
    Est-elle une nouvelle cliente ? Est-elle venue par elle-même, ou sur la recommandation d’une amie ? Son vestiaire est-il déjà plein ? Est-elle dans un état d’esprit de vouloir changer sa garde robe, dans une de ces périodes de changement de vie, y compris son style vestimentaire ? Où simplement veut-elle essayer quelque chose de nouveau?
    En fonction de ces nuances, Stritch Fix modulera la fréquence des colis, le nombre d’emails envoyés, etc.

 

 

Mary Meeker, partner chez  Kleiner Perkins Caufield & Byers (KPCB)  avait pointé, dans son très attendu rapport annuel Internet Trends en Juin dernier, plusieurs autres aspects :

  • L’importance des Data « images »
    46% des clientes possèdent des boards sur Pinterest. Les Stylists se servent de ces boards, associés à des algorithmes, pour optimiser la sélection des articles pour chaque cliente
  • Un score de probabilité d’achat d’un vêtement, par client
    Mary Meeker expliquait aussi que chaque vêtement ou accessoire fait lui même l’objet de 100 à 150 données (depuis la longueur de manche jusqu’à la couleur). Ces données couplées aux algorithmes et au feedback des clients permettent de calculer un score de probabilité d’achat de cet article, par âge, par taille, etc.
  • Un des KPIs : la « part de marque  » chez le client
    Enfin, Mary Meeker expliquait qu’en 2016, 39 % des clients Stitch Fix ont acheté une majorité de leurs vêtements chez Stitch Fix (contre 30 % un an avant). Ce KPI est suivi avec attention, car il mesure la valeur stratégique potentielle d’un client, la marge additionnelle que le client pourrait fournir à l’entreprise, si celui-ci achetait plus dans l’enseigne.

 

Source : Rapport annuel Internet Trends, publié par Mary Meeker, partner chez Kleiner Perkins Caufield & Byers (KPCB) – http://www.kpcb.com/blog/2016-internet-trends-report

 

 

TRANSPOSÉ AUX MAGASINS …

Stitch Fix n’a pas de projet d’ouverture de boutique, privilégiant d’étendre le modèle à d’autres cibles ( le service proposé aux hommes a déjà atteint en quelques mois le CA obtenu en 3 ans et demi par l’activité Femmes).

Mais déjà on imagine la transposition possible et fructueuse de tout ce travail autour de la Data et de la recommandation à des enseignes avec boutiques physiques, pour inciter le client à se rendre en magasin. Une approche assez similaire de ce que nous avait décrit Jonathan Pitcher, VP marketing d’Ysance, en présentant Ysance Stories un moteur algorithmique d’intelligence artificielle qui s’enrichit et apprend en permanence des interactions clients, pour  influencer les parcours d’achats à mesure qu’ils progressent. Du prédictif progressif à l’individu, applicable en ligne, mais aussi en magasin, le vendeur magasin devenant à son tour Stylist.

 

POUR ALLER PLUS LOIN

 

 

Customer Insight aide les entreprises à transposer avec succès les stratégies ayant fait leur preuve aux Etats-Unis. Les meilleurs use cases et solutions techniques, pour des résultats avérés. Parlons-en sur Linkedin

 

Écrire une réponse

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *