尽管邓敬来曾经担任过中国最大的时尚品牌和零售集团的核心高管，但他依然认为，女性客户在服装选择与搭配方面的需求是一件极度复杂的事情——在百丽国际工作18年，并历任高级副总裁、事业部总裁、执行董事邓敬来，其实是中国最懂女性服装产业链条的人。
现在，他希望通过具备人工智能服务能力的线上平台，让这个极具难度的事情实现一场革命。
为了实现这一目标，他亲自出任了LE TOTE托特衣箱的中国CEO。这是一家于2012年在美国旧金山成立的创业公司，邓敬来是这家公司的投资人。LE TOTE托特衣箱中国则是以中美合资的方式运营，邓敬来持有LE TOTE托特衣箱中国的大部分股份。
LE TOTE的共享衣橱模式，在美国已经运营得比较成熟。用户成为在LE TOTE注册会员后，通过月费缴纳模式就能轻松换替各种品牌、不同风格服饰，并且在月费时间内没有固定的归还时间。LE TOTE今年在中国开始正式运营，用户花费499元成为包月会员，就可以线上挑选三件衣服加两件配饰的衣箱等待送货上门。
邓敬来说，这是一门复杂的好生意，这种复杂涉及很多方面，纯线上背景的创业者未必适应。“我们是干传统行业出来的，真正服务客人生活的点点滴滴，每天都处理一些琐碎的事情，让我们对消费市场的感觉蛮深。我们一直有一个想法，如果传统企业可以把自己的问题看清楚，去解决，反而会更有效。”
他特别看重FAAS的概念——Fashion As A Service ，把时尚变成一种服务。他从时尚服务的两端来分析说，服装公司一旦预测错了潮流趋势，库存压力就会很大；用户对于什么衣服适合自己，尺码的对不对，退货是否方便，也都有很多痛点。LE TOTE则希望能通过服务来解决消费者如何更有效率地去享受时尚服务。
关于人、衣服以及场合之间如何高效匹配，邓敬来认为共享是一个很好的模式，因为共享可以产生很多数据。每个衣箱拿了多少衣服，这个衣服顾客喜不喜欢，他们的评价是什么，他穿的时候尺码对不对……“如果是买卖模式的话，可能卖完一件衣服之后我跟这个客人就不一定有关系了；但是租赁模式、月费模式情况之下，我一个月可能跟每一个客人都会交互很多次，大家是一种强关联的关系。”
邓敬来表示，得到了大量的数据之后，通过人工智能把所有的数据进行分析，最后能够帮助LE TOTE规划服装，服务用户。
邓敬来透露，LE TOTE中国现在的用户人数已达50万以上，分布在近300个城市之中。
但共享衣橱这一模式的爆发式增长仍面临很多难题。其中既包括用户对于共享服装的心理障碍是否容易解除，物流配送的体验能否让用户满意，也包括平台的人工智能推荐和搭配是否真的能与用户多变的需求实现高效匹配。
近日，就LE TOTE的运营逻辑，以及中国用户对共享衣橱的特别需求等话题，腾讯财经独家对话LE TOTE托特衣箱中国CEO邓敬来、CTO罗建光，部分对话实录摘录如下：
腾讯财经：您在传统领域有很资深的经验，这几年也在创新领域投入了很多精力，看过很多创新项目，投了很多项目，为什么对LE TOTE特别感兴趣，决定花很多精力直接来管理中国公司？
邓敬来：我在美国见到LE TOTE的创始人是在一年半前。这个公司的两个创始人都有金融背景，他们的太太是好朋友。他们发现她们在交换衣服穿，就觉得很奇怪，去探究了为什么女士之间会有这个行为。他们发现了这个机会，他们是从生活中找到的机会。
现在有太多太多的风口。但一个风口是建立在懂得消费者的基础上，还是只是一个模型，这个很重要。有没有真正解决核心的问题，能不能站得住脚？就LE TOTE来说，我有投资，我可以看它的运营数据，数据目前来说非常健康。
目前共享经济的商业模式，很多可以通过烧钱加大生命力，但衣服共享是偏“重”一点的项目，需要解决的很多方方面面的事情，反而相对理性。
LE TOTE对我最大的触动是它可以带来企业与消费者之间新的关系，把买卖变成服务。我以前卖衣服给消费者，但很难把客人的标签归类清楚，因为顾客跟你的交互频率可能很低。但现在我们一个月跟客户可以有几百个交互数据。
相比线下或者线上销 售服装，我们是整个链条服务，包括售前、售中和售后。是不是和别的衣服搭更好看？应该怎么穿？这些都可以参与进去。包括用户会在什么时间会有什么样的需求。我们可以学习她的生活形态。
在这个基础上，用户关于服装的问题就可以更好地解决，比如尺码的问题、找到合适衣服的问题。我们觉得这是新的生活模式，这个模式的基础并不是因为租衣服便宜。这个潜在的市场很大。
腾讯财经：LE TOTE的哪些数据对你特别有吸引力？
邓敬来：比如说能解决合身的问题。用户穿完我们的衣服以后要进行评价，这个评价很重要，比如肩部或者腰部有什么问题。
关于衣服的合身，涉及几个层面。第一个层面是浅层的，大码、中码和小码，传统行业靠大中小码活了一百年，但实际上差错率很大，各个品牌的尺码也不一样。
第二个层次是物理层面，用户的身材数据报给我，LE TOTE的衣服数据我们每一件都会进行仔细测量，我们都量了所有的部位，甚至弹性都有量。这样就可以匹配好给用户。
第三个层次是更复杂一些，人有偏好的问题，比如说你喜欢松紧度是这样，有些人不是，这是物理层面没法知道的。
衣服也有风格的问题。比如，这几年流行oversize的风格，只是在物理层面配对，那就错了。
衣服和人都有更复杂的层面，怎么可以做很好的配对？这种学习也很重要，我们通过顾客的反馈可以提高。我们的难度是，不能让用户说很多，说得用户都烦了。我们要在这个数据的基础上提高，每一次比上一次准确率高。
我看到美国LETOTE合身数挺高的，能到90%。用户刚刚用这个服务的时候，一般在70%到80%这个范围，没几次就上升到80%到90%。这对传统行业是很好的事情，最起码可以解决老掉牙的问题。客户第一月、第二月、第三月一直在使用，这是传统服装行业没有的。客户来了以后，在这个平台上留下来重复使用这个服务，可以把时尚变为服务。
腾讯财经：关于服装的租赁，用户可能会有两种不同的需求：一个是租特别一点的衣服，比如礼服；另外是常服，日常的需求。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TechCrunch Disrupt，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，LE TOTE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？
邓敬来：我们有个挺好的发现。我们原来的猜想，喜欢共享经济的人的需求是不是更划算，跟消费力是不是有点关系，比如想省钱。但我们实际上发现，喜欢共享衣橱的人和消费能力关系不大。消费能力高一点的人对于生活有一定的要求，你解决他的痛点，他会说我等你这种服务很久了。对生活有要求、有追求的人、有一定消费能力的人是蛮适合我们的服务，我们客户群体中，这部分的比例还不低。因为经济原因用的人反而不稳定。
腾讯财经：职业女性是主要用户群？
邓敬来：我们主力消费人群是25岁到35岁的群体，基本上已经进入职场，有一定着装需求，对时尚有需求。他们消费能力是中等，我们现在提供的主要是中高端的衣服。每个月499的费用，对他们来说不是为了省499才花这个钱的，她职位更高的时候，升到经理、总监，她又更忙，那个时候可能更不是钱的问题，可能难得抽出时间去买衣服，买完又不对，不是很喜欢。买的时候店员说很好看，结果回去穿也不是那么好看，这种消费者特别多。年龄的维度，收入的维度大概是这样。风格的维度不是有什么特定的功能，我们反而要做更多的风格，比如有些人喜欢中性点的衣服。
腾讯财经：你们主要什么样的指标衡量运转的效率。
邓敬来：比如说留存率，很重要。这群人已经完成了生活模式的改变，她不是玩一玩，她不断续费，这对我们来讲是最重要的。
我们要打开的是接受度的问题，也就是说服务中没有磕碰的地方。如果衣服清洁得不好，她觉得下个月就不来了，你就没机会和她说话。比如说快递的问题，用户会不会觉得觉得足够方便。消费者持续的行为，我们最关心这种。
我们内部有一个讲法是共享效率，共享经济不可能没有共享效率，共享的效率真正做出来，本来所说的闲置资源可以被重新利用，就牵涉到衣服的效率问题，有一部分和传统行业是差不多的，首先你的衣服是不是击中客户喜欢，不击中就闲置，这是最基本的方面。
还涉及衣服本身的周转优化问题。周转和优化是我们这个模式独有的，衣服要在什么时候给到客户看，给她看完以后，她是否决定要这个衣服，这个时候我有衣服给到她，她用多长时间再还回来，可以比较快的给下一个人用，这就是周转中的效率。当中会牵涉到衣服呈现算法的问题。原来传统的模式，衣服的呈现目标比较单一，就是把衣服成交。我们就没这么简单，需要解决所有的人和所有的衣服的循环流通问题，衣服呈现的算法要重新定义。
我以前在传统行业做的时候，商品部的核心指标就是销 售额、毛利率、库存率，几个数就完事了。有一个服装部，以前考核服装部的供 应链，营业额、毛利率、库存率。但今天用这些考核我们就不行了，这都是我们面对的新课题，很有意思。
比如说，我们很重视客户满意率，客户穿完以后会评分，我们会看不同客群满意度的变化，把这个转化为我们的核心工作，比如客户是否感觉到更容易穿到自己喜欢的衣服，有没有能进一步发现更多适合自己的穿衣风格等等，因为客户继续支付的月费才是我们真正的收入。真正的共享效率是在控制周转和成本的同时，要给客户创造更多的价值。
腾讯财经：过去两年共享经济比较热，但挺多共享经济公司都很喜欢烧钱，因为对他们来说，获客比较难，初期只能通过烧钱来验证市场。您对此怎么看？
邓敬来：比如说单车，单车的使用行为是相对容易培养起来，大家都知道怎么踩。这个领域注定是烧钱的，几家竞争公司要靠烧钱吸引用户，抢占市场来建立战略壁垒。衣服就不一定，用钱改变人穿衣习惯比较难，可能你怎么烧我就是还没觉得需要共享衣服。这就决定我们虽然市场很大但还是在慢烧。另外我们操作的体系也是比较难的，既要开发好最前缘的数据科技，又要结合到最非标的传统时尚行业，那么多款式，要跟N个供 应商、N个品牌合作，又涉及到清洁，需要不厌麻烦的人。过往经验是做高精尖的人，他可能会觉得比较繁琐。但我觉得很正常，做传统行业时每天都这样做。这可能就是门槛，决定了不是很适合烧得很快。
当然，我们是两手准备，要烧的时候我们肯定要有自己的办法，不烧的时候我们继续前进。烧钱是好事还是坏事？什么时候都是两说。我觉得最重要的还是能否真正了解消费者，认清生意的核心。我们更愿意成为一家愿景清晰，执行坚定的创业公司。