準備好迎接您所在行業的革命了嗎？這就是你的做法

已發表: 2018-09-20

你如何動搖整個行業？創造性思維、同理心，最重要的是，旨在提供服務的不同心態。

“即服務”的發展原因很簡單：方便。以汽車行業為例：我們購買的汽車越來越少，而是使用 Lyft 或 Uber。它不再是關於產品本身，而是關於滿足潛在需求。

您可以將這種思維方式應用於傳統業務，例如服裝零售行業。

製造商生產他們通過零售渠道銷售給客戶的產品。顧客購買服裝，並在其使用壽命期間經常清洗它們，直到顧客對物品感到厭煩或磨損。充其量它會獲得第二次生命，也許是通過慈善機構或在古董店或舊貨店。通常，這件衣服最終會被扔進垃圾場。

我們對這個模型非常熟悉，以至於我們幾乎不會質疑它。這合理嗎？我不相信。有一些更智能、更可持續的方式，尤其是專注於服務。

那麼，如何嘗試改變時尚這樣的特定領域呢？繼續閱讀。

時尚是一個價值 2.5 萬億美元的產業，產生了全球 10% 的碳排放、20% 的全球廢水和巨大的生物多樣性喪失。消費者要求改變，迫使時尚的可持續性成為一種要求，而不是一種趨勢。

擺姿勢：確定需求

你如何看待服裝即服務？有效的第一步是確定需求。我們為什麼要買、穿、洗、換衣服？當我們知道需求時，我們可以用不同的方式來滿足這些需求。

產生以下幾點：

零售服裝行業是否能最佳地滿足這些需求？不必要。

讓我們來看這個過程的第一階段：買衣服。對一些人來說是一場有趣的活動，對另一些人來說是一場噩夢。

網上商店已經在一定程度上簡化了這一點，儘管顧客仍然需要尋找適合他們風格、尺碼、天氣預報和日程的合適衣服。

電子商務商店還引入了一個傳統零售商並不總是意識到的物流問題：處理退貨。尺碼經常不同，而且總是存在這樣的問題：衣服在我們身上是否會像在屏幕上一樣好看。結果：客戶訂購了多種尺寸和顏色，並在試衣後退回了大多數商品。這涉及重大的環境影響和高昂的成本。

營銷指標往往忽略了電子商務產品的高退貨率，這對零售商來說成本極高。隨著全球電子商務的持續增長，預計退貨金額將使零售商每年損失超過一萬億美元。

目前，您可以見證精心的創新，包括像 The Cloakroom、House of Einstein 或 Outfittery 這樣的初創公司。使用客戶創建的偏好配置文件，他們交付包含預先選擇的服裝的成箱服裝，並註意“搜索過程”。這些品牌特別針對男性，因為他們往往不喜歡搜索過程。

你可以謹慎地將這種方法稱為革命性的。但是只要有一點想像力，您就可以進一步實現這種面向服務的方法。想像一下一項服務，它通過用服務替換各個階段來改變購買、穿著、洗滌和丟棄衣服的整個週期。

讓我們從周期的第一步開始：選擇衣服。上述初創企業在某種程度上提供了一個隨機包。這可以通過根據用戶的議程微調衣服來更智能地完成。通過應用程序，客戶可以指示他們是否有即將到來的特殊活動，然後根據他們的需要收到一包衣服。

每兩週買一套新衣服聽起來很貴，但如果使用共享系統，就像 SnappCar 一樣。每次交付時，都會收集上一個週期的衣物，然後集中清洗。未損壞的衣服會回到交付週期。變色或破舊的衣服被回收或送往社會項目。

像這樣的模型包括可以使其成功的關鍵特徵：

關注可持續性：在所描述的模型中，“傳統”在線銷售的回報數量正在急劇下降。單件衣物無需郵寄退回，因為它們會在下一次交付時退回。該模型還可以防止浪費。很少穿的衣服最終會被其他人使用，而不是在垃圾填埋場。此外，洗衣機的使用也減少了。集中洗滌衣物在水、能源和洗滌劑的使用方面更有效。
“按使用付費”而不是投資：客戶可以在設定的時間範圍內租用昂貴的衣服。這減少了昂貴的購買，並使服裝費用更可預測，這對家庭賬戶總是有好處的。
關注個人偏好和情況：在最初的問卷調查之後，您可以通過要求他們在每個週期後對所有項目進行評分來更好地了解客戶。您可以通過類似 Netflix 的算法進一步細化個人口味。這些類型的分析還提供了微調尺寸的空間。最後，通過提供分層訂閱表格，您可以連接預算和偏好。
機器學習和人工智能的最佳使用：智能算法可以接管個人定制工作。機器學習和人工智能在優化服裝選擇方面發揮著重要作用。您還可以考慮下個月的天氣預報。

這種商業模式可行嗎？也許。

也許消費者對他們“自己”的衣服很看重，或者不喜歡使用以前穿過的衣服的想法。這可能是一個太多後勤麻煩的情況。

通過從服務和客戶體驗而非產品的角度進行思考，您可以解開市場革命的束縛。在我看來，這就是創新的關鍵所在。那些敢於的人可能只是坐在金礦上。