Algorithm-Assisted库存管理

瑞安·道尔顿,马特·伯吉斯,尼米什·帕蒂尔和琼·安德鲁斯
-旧金山,加利福尼亚州

要实现大规模的时尚个性化,我们需要建立一个规模和复杂性与我们的客户群相当的库存。为了支持我们的库存扩张和更广泛的供应链管理,Stitch Fix开发了一套算法作为新的库存推荐系统。manbetx万博体育app 官方下载在这篇博文中,我们将描述如何构建这个推荐系统,从它的数据源到它的核心模型。接下来,我们将描述推荐系统在供应链上的整合,包括从扩充库存管理到人工智能辅助设计,再到供应商快速评估和入职提升奖助金及导师计划

构建大规模个性化的原材料

通过设计和收集反馈的过程,Stitch Fix建立了匹配客户库存的专业知识。manbetx万博体育app 官方下载但我们只能设计库存中已经存在的项目。因此库存管理是我们供应链管理方法的一个基本组成部分。但这本身就很困难:时尚和我们客户的品味都在不断变化。我们的客户群一直在增长。我们如何去管理一个数以千万计的物品的库存,旨在服务于一个巨大的和多样化的客户基础?

我们推断,如果我们能预测哪些产品和哪些人会表现良好,我们就能大大提高我们的商品投资。与此同时,这些预测可以帮助我们更加可持续:服装制造是资源密集型的,数据驱动的购买可以帮助我们避免制造过程中的浪费,无论是内部还是外部。为了满足这些需求,我们建立了一个新的商品推荐系统,能够准确预测不同客户群体的商品表现。为简单起见,我们将此推荐系统称为“风格探险家'。

数据和数据预处理

在我们的建模框架中,我们将每一件新的商品称为“原型商品”,以便将我们的候选商品与我们现有的库存区分开来。为了对一个给定的原始商品做出推论,我们首先需要赋予它一些特性。我们使用各种各样的特征类型,从人工指定的分类数据,到照片图像,到织物属性,到自然语言。这些数据源是由业务合作伙伴或算法组的研究团队在整个组织中独立开发的。为了使我们的特性在这种情况下是可伸缩的,我们使用了一系列自定义的“扩展器”,每个扩展器都独立地获取属性,然后将它们强制转换为一种公共数据格式。

许多最重要的商品属性可能无法从图像中获得。例如,这种布料感觉怎么样?在Stmanbetx万博体育app 官方下载itch修复这些元数据是由我们的买家和他们的合作伙伴供应商归因于。这让我们的买家成为创建原始商品数字指纹的基础部分;它还为我们的商品建模工作提供了丰富的数据源。

另一个强大的功能集来自我们的内部计算机视觉服务。通过使用“Imagery Extender”,我们具有特色优质Proto-Merch Photo Studio图像。这使我们能够标准化和测量Proto-Merch的调色板。但它还允许我们收集图像嵌入,然后可以用于测量例如Proto-Merch和我们库存中的现有项目之间的结构中的相似性,我们具有广泛的性能数据。最后,为了衡量项目的直接情绪共鸣,我们利用了我们样式Shuffle应用程序下游生成的客户端嵌入式。通过推断出这些嵌入式,我们在趋势和客户偏好中获得了宝贵的见解。

上图:样式管理器架构。培训数据是从我们组织中的独立数据源收集的。在模型训练之前,我们的特征物品会经历一轮降维。在部署模型之前,我们将对其性能进行如下评估。然后存储每个模型,并通过模型管理层路由到用例。

总的来说,我们的核心模型利用了超过500个特性,数万种不同的风格,以及数以千万计的客户交互。这个特征空间是非常稀疏的,要求我们在核心模型训练之前降低数据的维数。为了降低维数,我们使用了一个轻定制的统一流形近似和投影(UMAP)应用程序,我们使用它来将约500维减少到8维。我们使用UMAP而不是LDA或t-SNE等方法来保存特征空间中附近的距离,这正好符合我们对不同商品之间关系的直观理解。例如,对于模型来说,rock和Heritage之间的差异不如blue格纹Heritage和green格纹Heritage之间的差异重要。然后,我们使用这个降维数据集来训练许多不同的模型架构,每个架构都有优化的超参数。然后用面向业务的指标对这组模型进行评分(见下面),这样就可以为不同的业务用例生产不同的模型。

风格Explorer评价

风格探险家持续和仔细评估的性能,这种评估过程需要重大监督。这次投资最明确的理由是表现不佳的模型可能对业务产生重大危害。但是,虽然这个声明似乎很明显,但它提出了一系列问题,答案不是。阐明了为什么我们认为模型评估在任何机器学习项目中都是至关重要的,并通过这个经常模糊的过程引导别人,下面我们概述了在模型部署之前回答的一些问题。

首先,我们如何选择有意义的性能指标?传统的ML度量,如均方误差(MSE),可能很容易计算,但是对于重要的用例,它们有严重的缺陷。最重要的是,MSE没有告诉我们建模性能的阈值,模型在此阈值开始添加业务价值。实际上,对于某些模型知情的过程,任意小的MSE可能会带来严重的危害。出于这个原因,我们强烈提倡使用定制的、面向业务的指标,而不是传统的ML指标。

其次,为了理解性能,我们需要理解模型可能部署到的环境。风格探险家主要是为了增加库存管理;因此,为了理解它的影响,我们需要了解在没有模型集成的情况下,我们的库存管理得如何。虽然构建此上下文具有挑战性,但它也迫使业务伙伴和数据科学家之间保持一致,这最终会减少对无法生产的项目的投资。

第三,我们应该在什么样的分辨率水平上评估模型的性能?这是一个重要的问题,因为具有强大顶线指标的模型可能在特定领域有较差的性能。我们是一家成长中的公司,正在向更多的客户群体和更多的业务渠道扩张;因此,我们部署模型的决策过程和用例的数量正在迅速增长。因此,我们需要一种方法来系统地、持续地监测我们所影响的决策,以及这些决策的战略重要性。

为了解决这些问题,我们使用模型管理层,并且在任何模型部署之前,我们使用定制的、面向业务的度量来评估模型的性能。为风格探险家,通过模拟实际购买过程中的共同遇到的选择点来测量每个度量。换句话说,我们的买家对购买的印刷品,模式和剪影进行了特定的决定,我们应该在他们可以做出同样的决定方面评估我们的模型。下面,我们详细概述了此过程。

模拟购买过程

为了总结我们的购买模拟方法,我们询问如果我们使用购买建议,我们的库存在上个季度的表现如何风格探险家.我们强烈支持这种反事实的方法,因为它易于沟通,并且与业务伙伴关心的财务指标保持一致。

更具体地说,我们首先需要描述购买过程的某些方面。买家的工作被组织成我们所说的“商品节点”,或我们的库存的特定子集。例如,一个买家可能负责“男士高价格牛仔裤”,另一个可能负责“女士针织上衣”。在每个商品节点中,买家利用他们的专业知识和趋势知识来建立一个既在全球成功又专注于公司战略计划的库存。

上图:一个模拟分类的例子。在每个“商品节点”中,Style Explorer预测每个商品的性能,对它们进行排名,然后使用它们的排名来确定每个商品的购买量。然后计算新的模拟库存的性能指标,并与实际库存进行比较。

在将库存划分为商品节点后,在每个商品节点中,我们计算每个商品使用的预测成功指标风格探险家.然后,我们使用这些预测的成功指标来虚拟地干预购买过程,例如,购买更多数量的某些商品,而较少数量的其他商品。最后,我们将根据总体成功、产生的收入和其他关键业务指标来衡量这个模拟库存的执行情况。

这种干预有助于我们发现商品节点和特定的决策点风格探险家站到增加价值。但它尚未对我们的建模性能进行了背景。为此,我们第二次执行上述模拟,但这时间我们根据每个项目的实际成功移动卷。我们再次衡量这个新的模拟MERCH节点的性能。从本质上讲,第二个干预措施充当了“水晶球”估计,让我们测量价值的天花板,我们可以添加完美的模型。通过比较这两个估计,我们识别我们具有良好预测力的商人节点;但我们也发现我们仍然远离天花板的节点。这些后者节点通常为未来的建模改进提供良好的投资回报率,特别是如果节点涵盖大量商品量或对公司具有很高的战略重要性。

上图:对于每一类物品,我们计算模拟分类的性能指标。我们使用“完美”模型设置性能上限,将这些指标与模拟结果进行比较。像A类这样的项目类别,我们看到强大的提升是模型部署的很好的候选者。像C类这样的项目类别,我们只看到了边际提升,但有一个高性能的上限,是进一步建模改进的很好的候选者,例如通过更好的类特性。

上面给出的例子只是最简单的库存模拟类型,但它已经近似于我们的买家所做的受约束的决策。我们可以进一步将这些模拟扩展到更具体的问题,包括“我应该购买图形X还是图形Y”?哪些项目最能吸引特定的客户群体?“通过执行这些完整的模拟,我们能够计算出针对特定用例的建模性能的现实估计。”重要的是,这些模拟指标能够极大地区分聚合ML指标相同的模型的性能。由于这个事实,我们的模拟度量对于模型管理是极其重要的,它帮助我们选择哪个模型是针对哪个用例生产的。

集成和用例

风格探险家我们的算法合作伙伴可以利用我们的项目级性能预测作为一个数据源,并作为我们的业务合作伙伴的一个可操作的见解。这给了风格探险家具有广泛的集成潜力,可以推动跨功能协作,并使跨业务功能的激励机制保持一致。此外,正如风格探险家杠杆率抵御更多使用情况,任何增强功能都将反响每个功能风格探险家融合要点。这些品质给予风格探险家并概述了最大化Stitch Fix数据科学投资价值的路线图。manbetx万博体育app 官方下载由于这些原因,我们将突出显示几个风格探险家应用程序,强调使这些应用程序成为可能的体系结构原则。

用于ai辅助设计的样式资源管理器

在传统的零售世界里,为了了解一件商品卖得怎么样,跟谁一起卖,就需要对商品进行设计、制造、质量控制、分销、上架等等。简而言之,任何新商品的设计和销售之间的反馈循环都是资源、时间和劳动密集型的。因此,如果我们能够及早做出人工智能辅助的设计决策,我们就可以在降低成本的同时,以更可持续的方式生产商品。同时,我们可以通过缩短上市时间来获得竞争优势。基于这些原因,Stitch Fix正在manbetx万博体育app 官方下载进行投资风格探险家用于AI辅助设计。

在实践中,我们的设计师可以使用风格探险家通过对裁剪、印花和图案的组合进行迭代,并询问这些组合中哪一个会成功。这种方法不仅实现了抽象意义上的人工智能辅助设计;它允许我们使用数据为特定的市场或客户群体设计服装。换句话说,风格探险家在商品被制造、分销和销售之前,就可以用来评估商品的性能。

供应商风格管理器

风格探险家的核心应用是为我们的买家提供不同客户群体的商品成功预测。因此,我们可以推断,通过将这些预测扩展到完整的商品投资组合,我们可以使用风格探险家围绕既定品牌的理想目标市场提炼主题。换句话说,我们可以用风格探险家了解我们的供应商的影响,即我们携带的商品的设计师和制造商。

进一步迈出这一步,我们可能会想象这些投资组合级别'风格探险家报告中包含了内部和外部的用例。对于面向内部的用例,这些报告可以帮助我们度量生态系统中新供应商的影响。例如,我们可以了解一个供应商的投资组合将在多大程度上扩大我们的总体分类多样性或我们的渗透与一个战略客户群体。这些信息可以用来决定我们应该与哪些供应商合作,以帮助我们实现特定的增长目标。

相比之下,在外观的用例中,风格探险家报告可用于快速为供应商构建适合产品市场的报告,帮助他们设计销售、投资和营销策略。从本质上讲,这些报告将作为供应商的增值服务,为外部供应商提供我们的数据科学工具,并帮助他们使用数据来推动自己的业务增长。

作为我们供应商增值服务用法的强烈早期验证,风格探险家已广泛用于我们提升的补助金计划。该计划是创建的,以帮助增长,支持和Mentor Bipoc拥有的时装公司。该计划的一个激励假设是,设计师和供应商的人才和成功之间的传统路径可能是本质上的偏见。如果是这种情况,那么采取数据驱动的方法来了解产品市场合适,以及直接提供指导,金融支持和咨询支持,可以在人才和成功之间建立一个新的和更直接的路径。

作为Elevate项目的一部分,我们的每个Elevate受助者都将与算法组和营销团队密切合作。作为受让人设计和迭代,我们将使用风格探险家不断评估产品市场适合其投资组合。因此,风格探险家将被集成到设计、迭代和战略投资的反馈循环中。这种方法将帮助我们为每个受助人确定最佳目标市场。最终我们希望这种使用风格探险家由于我们提升受助人的供应商增值服务将有助于发展业务和分类。但是,通过扰乱成功的传统途径,我们也希望建立一个更公平的零售景观。

未来的发展方向

上述每个用例都能够独立地添加值。例如,我们的新商品推荐系统将增加我们采购的力量,同时提高了制造的可持续性。同样,战略供应商在登上将有助于我们提高我们与优先客户段的渗透率。但我们相信这么多风格探险家权力从其角色源于核心能力。因此,我们将鉴于未来的指示风格探险家整合整个供应链。

广泛集成的一个明显好处是开发新的算法能力需要大量的时间和劳动。鉴于这一事实,很明显,要证明数据科学投资的合理性,我们需要了解它们增加商业价值的潜力。但同样明显的是,最有效的数据科学投资是那些可以被广泛利用的投资。这种考虑在我们的算法系统的设计和我们如何理解这些系统的价值方面都是至关重要的。

构建核心功能的一个不太明显的好处是,每一个小的改进都会在所有其他集成系统中被放大。例如,如果风格探险家如果只针对新商品推荐进行部署,那么对核心模型的一个小改进将具有有限的价值。但是因为风格探险家是广泛部署,小的改进回响跨越风格探险家其他用例:它将增加我们的供应商增值服务的价值,并将提高我们的准确性与人工智能辅助设计。

最后,风格探险家作为一个核心能力的角色,有助于推动我们整个供应链管理系统的一致性。作为一家企业,我们的目标是在规模上实现个性化,这意味着投资新产品,以扩大我们的总体目标市场。但是,如果我们还没有为新客户提供商品,我们如何为他们提供服务呢?同样,我们是否应该购买对现有客户没有吸引力的新产品?这个先有鸡还是先有蛋的问题需要一个完整的解决方案:我们需要同时投资新商品和新客户群体。风格探险家通过告知我们购买的商品和我们的合作伙伴,总是根据我们的目标服务的客户,提供这样一个集成的解决方案。换句话说,风格探险家行动就像一个新的装备,帮助我们实现自己最真实的版本。

发布的这篇文章! 文章在LinkedIn
多线程

来和我们一起工作吧!

我们是一个致力于打造伟大产品的多元化团队,我们希望得到您的帮助。你想和优秀的同行一起打造出色的产品吗?加入我们吧!