36氪首发 | 获500万元天使轮融资，「锦衣盒」认为男装订阅的本质是个性化会员制电商

36氪获悉，个性化男装会员制电商锦衣盒已完成500万元天使轮融资，投资方为劲邦资本。据悉，本轮融资主要用于业务拓展。2018年，公司曾获得来自个人的300万元种子轮融资。

36氪曾介绍，锦衣盒于2018年11月正式上线，是一家男装会员制电商。用户缴纳99元即可成为平台的终身会员，享受不限次数的推荐搭配服务。锦衣盒每次寄出的盒子有3套搭配，内附一封穿搭信，用户试穿后留下喜欢的服饰并支付，其余免费退回。

经过一年多的运营，创始人王宜林对订阅制电商有了更多思考。国内的订阅制电商从2015年开始兴起，包括鲜花订阅、剃须刀订阅、女装订阅等，但至今并没有跑出特别大的平台，王宜林认为，这是因为盒子模式下品类的选择非常重要。

“鲜花订阅算是资本入局最早的赛道，没有做到很大规模有两个原因：第一是冷链要求太高，第二是鲜花订阅的损耗无法利用。花店会把损耗的花制成干花制品，或将边角料灵活处理做插花点缀，但鲜花订阅很难做到这点。再举个例子，美国有一家剃须刀订阅电商 Dollar shave club，后来被10亿美金收购了。中国也有公司在做剃须刀的订阅，但国内剃须文化的普及远远比不上美国，这件事并不容易。”

而相比之下，男装这个品类更适合这个模式——总结主流男性用户的购物习惯特点，一是懒，男性用户懒得逛街，懒得学习搭配，二是追求性价比，三是在购衣决策上非常依赖他人推荐。大部分男性用户想花更少的时间、精力和开支，却同时想要穿得帅、穿得得体，而传统的购物渠道很难满足以上冲突点。

同时，在供给层面，国内男装市场还是以海澜之家、优衣库等品牌为主，价位处于中端、符合年轻人审美要求的新品牌触达消费者的效率非常低。因此，以盒子模式提高人、货的匹配效率很有意义，能降低男性用户在购买服装这件事的决策成本和时间。

订阅制电商的复购需求与时间强相关，而对男装这个品类来说，除了气候变化等因素，其复购需求还由场景（比如面试、通勤、约会、旅游等）和痛点产生（显高、显瘦、显年轻等 ），无法完全依赖基于时间的契约关系来实现。从这个层面来看，男装订阅的本质其实是“个性化男装会员制电商”。

基于服务会员的概念，锦衣盒也强调去建立一个服务品牌。王宜林表示，国内不少订阅制电商把自己做成了交易平台，还是流量思维和产品思维。但锦衣盒会努力在用户端建立自己的品牌认知，用优质且稳定的服务和高效的运营体系，提升用户的留存率和转化率。

那么如何建立服务品牌？王宜林认为，现在正是一个很好的时机，因为短视频的起势带来了新的机会。这个机会不在于用流量洼地快速变现，而在于使用流量洼地成为服务品牌的抓手，建立服务品牌心智。“大家在抖音上都在讨论流量怎么变现，但长期来看，流量永远不是你的，而是媒体的。你用什么留住用户？品牌就是承载流量池最好的方式。”

而这件事中，最核心的三个环节是数据驱动下的获客、供应链管理和精细化运营。在获客上，现在锦衣盒的重心放在抖音生态内，据悉，经过8个月的时间测试，目前获客成本是其他同类平台的三分之一左右；供应链方面，资源本身不是门槛，中国非顶级的供应链是开放且不独占的，难点在于供应链需求管理。

据介绍，锦衣盒自主研发了一套数据化供应链系统，每个最小单元品类的补货时间和数量都是通过AI算法直接给到采购部。通过个体用户小数据和历史数据分析高度精准地预测品类需求变化的爆发期，在爆发期到来之前提前进行新品测试布局，并且持续利用快反应供应链保持库存池在最高效的状态。目前锦衣盒平均一个盒子的周转周期为7天，在途库存／总库存的比例是40%，每月发出货值是当前库存总货值的170%以上。

动态库存水位图

在运营方面，上文曾说到，用户存在个性化、场景化的着装需求，因此平台应该主动围绕每个用户的具象需求和场景等因素作出前置的预测。平台对用户设有多级标签，而且随用户审美的变化而动态改变。而在触达用户的时候，锦衣盒更倾向于通过抖音精准投放给用户营造一种氛围，而不是简单的模版消息推送。

王宜林表示，个性化会员制电商本质是用数据驱动的方式提升效率，这里不仅仅是人与货的匹配效率，还包括供应链层面的库存周转率和营销层面上触达用户的效率。无论是获客、供应链管理、还是精细化运营，都涉及到AI技术的运用，这也是锦衣盒目前重点打磨的能力之一。

根据团队提供的信息，目前锦衣盒共有近5万注册用户，其中付费用户几千人，平台自六月以来，实现了每月50%的GMV增长。据悉，锦衣盒已经跑通了模型，接下来将在供应链不断优化的基础上，加大流量运营力度。

团队方面，目前共有20余人，总部位于深圳，团队核心成员是拥有海外留学背景的90后。

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）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: