服装批发:一场关于算法的修行与升级

推荐算法人工智能与算法算法

服装行业,满足了人们对穿衣打扮的基本诉求。服装批发是服装行业供应链上不可或缺的一环。在互联网还未普及的年代,服装店都是实体店,开在步行街或十字街头。当时的店面进货方式略显单一,店主到服装批发市场“拿货”,每周去一趟广州沙河、十三行、杭州四季青等批发市场,几十年来几乎每个服装从业者都需如此。

搜款网引领服装批发行业新“智”序

在互联网的浪潮之下,服装更新换代的速度只增不减,加上国外服装快消品牌不断施压,如何找到新的销路,渐渐成为行业焦虑的话题。

行业焦虑很快催生了新的商业模式,整合服装零售商和批发商找款的线上B2B服装批发平台应运而生。搜款网,作为最早一批迈入这一模式的企业,逐渐脱颖而出,引领了行业新“智”序。

搜款网减少了零售商拿货、质检、打包、发货等环节,将零售商从往返批发市场拿货的繁琐流程中解脱出来。结合图片搜索、热款功能、排行榜功能等,搜款网为零售商和批发商建立起方便快捷的找款渠道。截至2020年,搜款网就已与超500家档口展开合作,锁定超1万新款,库存超300万件。目前已经覆盖1000亿交易市场,锁定超百万B端用户。

上线至今,搜款网为解决零售商迅速匹配到货源,已经研发开创出“每日新款”、“关注上新”、“档口榜”等8大功能,几乎解决了所有迅速找款的连线搭桥问题。但是平台发展到现在已不同往日,目前已经入驻2万家真实档口,掌握一手货源;300万在架有效商品,每日实时更新;为200万零售商提供找款、上款、采购一站式服务,极大提高了采购效率,影响服装批发行业超千亿规模。

引擎升级,找款更简单

为了迎合现在大多数人在手机端操作的习惯,搜款网在APP首页商品瀑布流中增加了精选广告位,帮助更多零售商从中迅速找到心仪的爆款商品。

对于搜款网来说,广告位功能的增加不仅是商业模式的内在升级,更使得零售商有了更快引流量、打爆品的生意抓手。

搜款网还设立了算法团队专门来提升广告位的推荐效果。不过受限于后期运维成本高、效果调优困难、服务稳定性要求高,推荐效果不明显。如何提升广告位推荐场景的流量利用率和自然场景下的点击率,成为了搜款网的核心诉求。

image.png

搜款网中的广告位

从0-1搭建推荐系统成本高是行业内的共识,这需要投入大量的研发精力,并反复论证调优。即便这样,推荐效果也无从保证。考虑到自有的算法团队,搜款网更倾向于找一个有大量场景实践经验保证效果、提供算法工程师协助、能让搜款网团队参与调优的端到端一站式第三方推荐平台。

经过反复论证后,搜款网最终选择了火山引擎的智能推荐平台。“其实火山引擎并不是我们第一个接触的厂商。”搜款网技术总监邓均说道。搜款网曾尝试过其他智能推荐平台,但推荐效果依然不够理想。“之前使用的智能推荐是黑盒制,而火山引擎智能推荐是一个平台,对接的算法同学会根据效果帮我们做一些调优,我们也可以基于这个SaaS平台上再做一些二次开发,有很多空间可以发挥。”邓均补充说道。

推荐算法作为字节跳动多年积累的核心能力之一,在公司内部的众多项目和火山引擎的诸多客户场景中成功实践。火山引擎智能推荐平台主打“平台+服务”的一站式策略。对于像搜款网这样对效果提升要求较高的客户,火山引擎在数据接入时就提供算法工程师进行一对一的专业咨询服务帮助数据校验。此外,搜款网希望实现模型和参数的定制化。火山引擎智能推荐平台黑白盒能力兼备,算法工程师在协助客户精准接入数据之后,还会和客户工程师一起,参与到目标定制、模型调参、特征迭代等工作中,实现推荐效果最优,一路保驾护航。

携手共创,优化推荐效果

广告是搜款平台重要的收入来源,需要用户在首页的广告位上完成浏览、点击的操作。如何提升ARPU值(单位时间内每用户贡献的收入),是考验火山引擎智能推荐的第一关。

自然流量侧重用户行为,如素材下载、一键上传、加购物车、立即购买等事件。搜款网需要提升的核心指标为CTR(点击率)*CVR(转化率)。

image.png

搜款网数据流程架构

经过搜款网和火山引擎智能推荐团队在技术方案上的严密论证和业务场景上的密切沟通,最终拟定了三个阶段的项目规划:

第一阶段是用时1周的数据接入阶段。智能推荐平台数据分析师帮助搜款网的大数据部门顺利接入用户、商品、行为三张数据表,并完成数据校验和数据修复。

第二阶段分2周进行,推荐平台算法工程师先后帮助完成特征工程、模型训练、服务流配置、API联调等工作。

第三阶段中,推荐平台算法同学根据搜款网的业务需求,不断调教模型、提出策略建议并持续参与到优化的过程中。

在这一过程中,火山引擎算法团队帮助搜款网规整了数据接入流程。例如,优化了下单点击的路径,调高了“点击”、“加购物车”、“下单”的阈值,先后解决了用户表同步期间,用户偏好埋点遗漏和拼接点击成功率不高的问题;

根据火山引擎的配置建议,在广告场景中,搜款网团队跳过了召回策略,将模型结果返回的全量商品以CTR指标精排,排序后的结果再与价格策略结合进行二次排序。

在自然场景下,搜款网增加召回规则,按照CTR*CVR指标进行排序,并采用火山引擎算法导入搜款网自研的部分模型;在最后的效果验收阶段,搜款网开启了A/B测试。经过几轮场景调参和模型结构优化,新增了“加购”、“收藏”、“分享”等指标,支持多行为和多转化事件建模,实现定制化需求。

在合作的最初三个月里,搜款网的推荐效果就实现了以下跨越式的升级:广告场景的 ARPU值提升22.32%;自然场景的 CTR*CVR值提升19.74%。

此外,在合作中,火山引擎算法团队还给出了一些策略调整的建议,如提升点击率权重,鼓励档口优化广告质量,助力平台长期生态。

未来展望

“推荐技术哪家强?认准火山引擎,值得信赖。”搜款网技术专家吴杰在合作后称赞道。

在互联网去中间化的时代背景中,搜款网帮助了中小批发商实现了数字化转型;火山引擎智能推荐平台在短时间内帮助搜款网实现了核心业务指标及流量利用率的提升。

我们始终相信,服装这个古老的行业永远年轻,其中蕴藏着无限的市场机会。火山引擎与搜款网将在以算法赋能业务增长的道路上携手同行,不断尝试数字化探索,缔造无限可能。****

0
0
0
0
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论