AI化的C2M服装定制模式,如何实现商业闭环?
图片来源@视觉中国
文|巴耳渣渣(ID:baerzhazha),作者|巴耳查
很多C2M服装定制公司,都没有所谓的量体师、着装顾问等上门服务的销售人员。他们更多是通过人工智能AI技术,在线获取用户的身体数据,然后直接进行定制。
那么,这类公司的商业模式到底是怎样的呢?
确实,很多C2M服装定制公司,其实都是借助AI量体,采取电商直销的模式。以MatchU码尚为例,这家公司介绍,其自主研发Vega system-- 基于亚欧美4000万人体净尺寸的大数据,AI持续学习人体特征与尺码间的计算方法,实现了3分钟非接触式远程在线量体:用户在手机端输入身高、体重,并勾选4项身体特征,Vega即可计算出人体净尺寸。
码尚方面提供的数据是,这种测量方式准确度已达到98%。当然,数据是否可信,不是我们今天讨论的问题。今天的议题是: AI化的C2M服装定制模式,如何实现商业闭环?
随着5G、AR、AI等技术的发展,"无人化"已经成为企业节约成本和标准化生产的主流选择。C2M服装定制也一样,在众多企业为下游渠道繁重的销售提成和飞单苦恼时,已经有企业选择用AI完成量身定制。
对于此,行业就形成了两大阵营。赞成量体师上门服务的一派认为: 未来,人才是商业的入口。
量体师就是用户的衣着顾问,他们之间的关系并不简单的是客户关系而是那种"我有需求,刚好你很专业"的平等的朋友或者顾问关系,而这种关系的建立带来品牌对用户强大的黏性。
上门量体后,用户与量体师建立了一对一的联系,所有的下单、跟单、退换、复购都由量体师与用户建立的信任而完成。在这个人人都是线上"熟人"的时代,见面服务产生的价值也是线上无可比拟的。(来自猎云网)
但不可否认的是,这样一来,企业的成本确实很高。在我接触的一些C2M服装定制企业中,他们的获客渠道,一般都是公司的微信公众号、官网,以及其他形式的广告投放。
做一个场景模拟:比如,你在微信朋友圈看到一则广告,点击进去一般会遇到两种情况:
第一种,量体师上门服务。你需要事先输入需求、然后等所在城市的量体师主动联系你,两人约好一个时间后,她则带好装备上门为你量体。
第二种,AI量体。你只需要输入自己的基础数据,即可坐等衣服寄来。
先看看两种情况的用户意愿度:
第一种情况,其实考验的是时间和社交意愿。用户在购买你的定制服装时,是否愿意等待中间这一段与量体师Face to face 的时间。另外,用户是否愿意与一位陌生的量体师交流。已经有研究表明,越来越多的年轻人,不愿在线下与非兴趣圈的陌生人交流。
当然,在初期一段时间,上门服务也被有些企业叫做"美女经济"。他们主打的其实是美女上门服务,这对于很多男性来说,可能具有一定的好感度。
第二种情况,其实考验的是AI的精准度。目前市面上对AI量体数据精准度的说法不一,但大多都上了90%。只是作为一个新用户,他是否相信你这个数据?信任,是影响消费决策的关键因素。
此外还有专业的推荐。面临选择的时候,新用户大多是没有主见的。什么颜色好?什么款式好?怎样的领口更主流?这些是AI答不上来的,但量体师可以通过每个人的体型、工作和日常爱好,凭借自己的经验去提供合理的建议。
到底选哪种模式?具体看用户的微粒需求。
其次,我们看看企业成本:
很明显,量体师的成本会更高。企业在朋友圈打广告,他必定会有一笔广告费用给到微信社交广告的账户。其次,拥有量体师销售团队的公司,还要将一定比例的销售收入以提成的方式给到量体师。这笔钱,是长期持续的输出,并且直接跟收入挂钩。
AI类公司呢?他们有一项AI研发费用。这笔费用在最开始可能会高于量体师成本,但只要技术成熟,这笔钱会慢慢摊薄到后面的销售中,收入增长越快,成本稀释就越加迅速。
这样来看,AI化的C2M服装定制,应该毛利率更高。
那么两种模式的市场表现如何?我通过网络资料找了几家代表,虽然在时间和品类上都不具备对比性,但至少能给大家一个宏观印象:
2017年12月资料:量体师模式的量品:复购率达到50%~60%,月订单量在1500件左右,主打399元、499元衬衫销售。
2018年3月资料: 量体师模式的衣邦人:西服套装在2000-16000元不等,成交订单量均价在4500元左右,7天无理由退货退款,一年内保证后期服务,目前衣邦人退货退款率在1.5%左右。此外,2017年9月美通社报道,总复购率超过50%。
2018年9月资料:AI模式的MatchU码尚:每个月的订单量为9万+,客单价是200元+(客单价会根据季节而变化),复购率是30%,售后率不到3%,退款率不到1%。
从数据来看,AI化的C2M服装定制复购率其实较低。 总结原因,也就是上述几点了,量体师可能在服务上更专业,从而导致定制的产品更受用户满意。
只是,在人口红利消逝的当下,复购率直接影响ARPU(每用户平均收入), AI化的C2M服装定制公司如何让才能够在当下的流量环境下实现更高效呢? 这里的高效,可以粗略地理解为用更低的成本,获取更多的流量,且换取更大的ARPU。
商业闭环在哪里?
效率是商业的本质。只要一家公司实现高效的运转,就算是当期现金周转的高效,也能够实现持续增长。从这方面来说,我们可以认定他打造了一个完善的商业闭环。
从本质上来,AI化的C2M服装定制,和传统电商差不多:都是在线上获取流量,然后通过流量变现。"流量即渠道"的逻辑,一直说得通。
这就回到了传统电商的玩法,通过ROI (投资回报率) 的思维逻辑,向互联网的托拉斯集团买流量。 可惜的是,2014年之后,电商平台日流量超过2亿便再无真正的用户增长。其中,有心人总结,商家GMV达到1000万元时,向平台支付的流量费用不低于150万;而GMB突破1亿元后,流量费用可达4000万元。
传统电商的人口红利见顶了,尽管现在大谈下沉市场,但C2M服装定制在这块市场还没有坚实的用户基础。所以,这批企业在阿里系、京东系等地方,获取流量只会越来贵。
当然,也会有人谈到以微信为代表的 去中心化渠道。 根据数据分析公司Quest Mobile统计,目前中国11亿手机用户3成时间花在微信和QQ上,大约是在电商里所花时间的10倍。
所有人都往微信跑。一年时间里,京东在微信收获了大约1000亿元的市场;淘宝客收割了近4000亿元。在这个体系里,AI化的C2M服装定制公司该怎么玩呢?
微信朋友圈广告时最常见的。在这两年里,我们经常能够看到衣邦人、MatchU码尚的朋友圈广告。成为其用户之后,我还常接到一些公司客服的电话,大概就是又给我送来优惠券,提醒我在一段时间内使用。
当然,这种优惠券一般是满减,或者做一件衣服抵扣多少的形式,并非穷屌丝们所期望的免费送一件。瑞幸咖啡通过微信社交,玩转了分享一位新用户自己得一杯的免费活动,但服装定制玩了类似的套路,发现玩不转。
消费低频、价格较高,裂变做增长的策略往往行不通。
在去中心化的渠道里,这段时间常有人在谈 私域流量, 也就是两三年前我们聊过的 顾客资产私有化 。这其实是在转变传统ROI的思维,用LTV(客户终生价值)的思考方式去引流。
常见的套路就是,将自己的粉丝资产用群聊的形式圈拢在一起,将这些人的需求微粒化,尽量满足他们的需求,促使其实现复购。而一些会玩的品牌,甚至可以将其创始人IP化、品牌人格化,真的形成粉丝效应,向小米、三只松鼠、江小白等公司一样。
这几个品牌,不仅有粉丝,还能实现老粉丝带新粉丝,形成裂变。
显然,能玩出这样的公司,基本没有什么套路可以复制。服装定制领域,量品定制创始人虞黎达这两年在通过巡回演讲的形式,宣传自己的创业理念和量品产品,一定意义上算是IP化的一种玩法。只是,从现在的销售情况开看,我们还没有看到那种突然爆发的粉丝效应。
大多的LTV增值方式,就是见几个群聊,学国外那些增长黑客公司。美国有一个电商公司叫 Karmaloop ,其破产卖身后的新CMO用10个月将她重获新生,其中就有类似的方法。
最开始他转化低价值用户。当时他把多复购、消费高、少退货的用户视为高LTV层用户,购买一次、便宜、退货低的视为低LTV层用户。发现后者,30天之内不会产生复购。
于是他做了两个方案:在30天内,给用户推销原价高利润产品;在30天后,用大额优惠低利润产品刺激用户。假如30天后推送10%优惠券、45天后就推送20%优惠券,超过60天就推送30优惠券。如果这个用户还不复购,则不再触发后续优惠。
具体的方法,可以参考下图:
以前在美国,这种方式是通过E-mail营销。现在,将这个套路搬到微信体系里面来,估计参与度会高得多。
所以说,AI化的C2M服装定制公司,由于没有量体师作为触手与终端消费者沟通,那么通过流量管理唤醒高层次LTV用户,将成为商业闭环打造的一个主要动作。
目前这个行业里是否有类似的流量管理出现呢?不能否认没有,但整个行业都还是游走在S曲线的最初上扬阶段,用户基数其实并不高。很多新创公司分层下来,可能发现并没有多少流量。
更何况,这需要数据分析能力之外,也需要客服同步去影响。没有美女量体师的上门服务,远程客服妹妹甜美的声音同样少不了。
所有的生意,落到本质都还是需要人,尽管是主打AI的生意。
更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App
作者暂无likerid, 赞赏暂由本网站代持,当作者有likerid后会全部转账给作者(我们会尽力而为)。Tips: Until now, everytime you want to store your article, we will help you store it in Filecoin network. In the future, you can store it in Filecoin network using your own filecoin.
Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: