LE TOTE托特衣箱中国CEO邓敬来：为何共享衣橱能让中国女士实现时尚革命

上一页123下一页

你们主要看重哪一块？

邓敬来：对我们更长远、更好的生意是做常服，大量的问题是存在常服，常服也有很多的问题，要把这个问题解决不容易，我们通过共享+月费+科技三者结合解决这个问题。这个跟其他的共享经济是不一样的地方，像其他的共享经济是把闲置的资源释放出来，共享衣服价值不仅仅是在这个地方。

腾讯财经：你愿意投入很多精力做中国市场，这是怎么考虑的？

邓敬来：我刚去完美国参加了一年一度的高科技大会TechCrunchDisrupt，他们也在议论中国和美国的互联网。美国人今天很清楚，将来这两个区域是完全不同的阵营，都有很有能力的创业者，互相寻找不同的模式。美国的企业很明白，他要专心做好美国，中国的市场他也很有兴趣，他自己做中国市场不如找一个合作方，甚至接受自己并非大股东。今天这个时代已经到来，大家的期望值比较吻合。反过头来也一样，我们以大股东的身份出现，我们既有权利又有责任，尤其是权利方面，看我们今天的团队，技术团队的人数和比例都不低于美国。也不光是人数，从他们做的工作，哪些做算法的、哪些做平台的、哪些做产品的，都是按照独立能发展的互联网公司来做的匹配，他们也很愿意看到这样的结果。

腾讯财经：未来十年、二十年之后，这些技术、算法，以及平台上积累了大量的数据，当用户考虑新买一件衣服的时候，LETOTE也可以为她提供的决策参考。

邓敬来：就是这回事。消费者不是不用买衣服了，还是会买的。买到合适服装这个事也有很多的痛点，比如说裤子，很多女生买到舒服、贴身各方面很好的裤子是很少的，所以很多女生一旦找到满意的裤子就会总穿。

腾讯财经：以您这么多年的经验，女士在服装的选择和搭配上，这是一件简单的事情还是极度复杂的事情？

邓敬来：挺复杂的。希望通过我们的方法最后能变得简单。我们用术语说就是非标，我们是非标准的行业。有些东西很容易做标准，手机是挺标准化的，出plus和非plus就可以了。衣服是极度非标的行业，当然这个非标除了衣服本身，还有顾客面对大量非标款式的选择逻辑问题。。

在线下传统时尚业，有能力的搭配师到服装品牌的门店现场，把你的衣服摆一遍，销量就会上涨很多，这意味着他很好的结合了顾客的选择逻辑和衣服的呈现逻辑，这个能力是她脑袋里的。这里面有没有规律？实际上是有很多。现在到了共享模式更多更细致的数据加上人工智能的运用，我们将具备更大机会把这个行业性的复杂问题还原为简单高效的客户体验。

腾讯财经：现在在国内的运营，数据这块的问题难解决吗？包括衣服的数据、用户的数据。

罗建光：数据分成三个方面：一是我们本身有大量的商品，我们要知道商品的数据，中国的商品和美国商品是很不一样的。但我们有一整套美国公司的经验，怎么把商品数字化，这样的方法我们拿过来，再也根据中国的实际情况做了优化调整。

二是用户个人数据，用户个人数据很直接，包括用户的年龄、身材信息，比如说他是来自哪个城市、哪个行业等，我们需要在中国通过发展更多的用户去积累。

三是用户在用我们服务过程中形成的用户跟商品的关系，这个关系也是后面要建立起来的，这件事情美国公司能给我们最大的支持，是美国公司的这一套成形的数据体系，它在美国已经运作五年多，运作得很好，有很多的客户。我们搬到中国重新积累的数据，这是我们体系内的数据，的确需要有个过程，更多的积累这些数据。同时互联网上也有大量的数据供我们挖掘，这个要结合起来。现在这个阶段，我们在做内部数据积累的同时，也会投入精力看外部的数据。

腾讯财经：比如说红色的衣服，其实有各种红，不同面料的红又不一样，这对于衣服与用户的匹配也是一个难题。

罗建光：这的确是个复杂的问题。我们有一个发现，中国消费者和美国消费者对一件衣服的关注重心不一样。我们明显地感觉到，中国消费者更关心面料，比如说中国的消费者特别喜欢棉、麻、丝，而在美国用户眼里，化纤也无所谓。以从计算机视觉技术处理，到底是棉还是其他的，其实很难分辨，甚至很多时候人都分辨不了。所以我们对商品做数据化的时候是用计算机视觉+人工的方式，目前我们的每款商品已经有超过200个数据标签，而且这些标签对人来讲是有意义的，看到这个标签是知道是什么意义的标签。而我们后台的推荐算法有更多、更高纬度的数据在处理，来实现衣服和用户的匹配。

腾讯财经：中国运营这段时间，真正愿意互动的消费者是什么样的？