کاترینا لیک، زنی که الگوریتم را با حس زنانه ترکیب کرد و بیزینس ۲ میلیارد دلاری ساخت
چگونه یک کارآفرین زن، با فلسفهی «داده برای انسان نه بر علیه انسان»، صنعت مد را از داخل باز تعریف کرد
«من به سرمایه گذاران گفتم: ‹این فقط یک شرکت فناوری است.› آنها خندیدند و گفتند: ‹نه، این فقط یک فروشگاه لباس است.› من گفتم: ‹درست است اما فروشگاه لباسی که هر زن را به عنوان دادهی منحصر به فرد میبیند.›»
۱. داستان راهاندازی: از نارضایتی از خرید لباس تا ساختن «استایلیست شخصی با الگوریتم»
کاترینا لیک در ۱۹۸۳ در سن فرانسیسکو به دنیا آمد و در دانشگاه استنفورد مدیریت کسبوکار خواند. او همیشه از خرید لباس ناراضی بود:
«من ۴ ساعت در هفته صرف خرید لباس میکردم و باز هم چیزی پیدا نمیکردم که واقعاً مناسب من باشد. یا سایز درست نبود، یا رنگ مناسب نبود، یا قیمت زیاد بود. فکر کردم: چرا کسی این مشکل را حل نکرده؟»
نقطهی عطف در ۲۰۰۹ آمد، وقتی با الیزابت اسپیکمن (متخصص مد) آشنا شد:
«من به الیزابت گفتم: ‹من میخواهم یک سرویس بسازم که لباسهای شخصیسازی شده بفرستد بدون اینکه مشتری خودش حضوری بخرد.› او گفت: ‹این فقط برای ثروتمندان است.› من گفتم: ‹نه اگر از داده استفاده کنم، میتوانم آن را برای همه مقرون به صرفه کنم.›»
در ۲۰۱۱، Stitch Fix را راهاندازی کردند با مدل ساده اما متفاوت:
«هر ماه، یک جعبه با ۵ لباس برایت میفرستیم. آنهایی که دوست داشتی نگه دار بقیه را برگردان. و هر بار، الگوریتم ما بیشتر تو را یاد میگیرد.»
«هر ماه، یک جعبه با ۵ لباس برایت میفرستیم. آنهایی که دوست داشتی نگه دار بقیه را برگردان. و هر بار، الگوریتم ما بیشتر تو را یاد میگیرد.»
تفاوت کلیدی چیست؟
- ترکیب داده و انسان: الگوریتم لباسهای احتمالی را انتخاب میکرد اما یک استایلیست انسانی آخرین تصمیم را میگرفت
- مدل پیش پرداخت: مشتری فقط پس از دریافت و انتخاب پرداخت میکرد نه قبل
- یادگیری مداوم: هر بازگشت لباس، دادهی جدیدی برای الگوریتم بود
در ۲۰۱۷، در ۳۴ سالگی، شرکت را در بورس عرضه کرد و جوانترین زن بنیانگذار در تاریخ والاستریت شد که شرکت عمومی راهاندازی کرد.
۲. بحرانی که همه چیز را به چالش کشید: «آیا این واقعاً یک شرکت فناوری است یا فقط فروشگاه لباس؟»
در سالهای اولیه، بزرگترین چالش کاترینا هویت شرکت بود:
«سرمایه گذاران میگفتند: ‹این فقط یک سرویس مد است، نه فناوری. پس ارزش شرکت کمتر است.› من میگفتم: ‹نه، ما یک شرکت داده محور هستیم که در صنعت مد کار میکند.› آنها نمیفهمیدند.»
این بحران، وجودی بود، چون بدون شناخت به عنوان «فناوری»، ارزشگذاری و جذب سرمایه سخت میشد. راهحل کاترینا موارد زیر بود:
۱. تغییر زبان:
به جای گفتن «ما لباس میفرستیم»، شروع کرد به گفتن:
به جای گفتن «ما لباس میفرستیم»، شروع کرد به گفتن:
«ما یک پلتفرم یادگیری ماشینی هستیم که رفتار خرید را پیشبینی میکند. لباس فقط خروجی است، نه ورودی.»
۲. استخدام مهندسان داده به جای طراحان مد:
اولین کارمندان تیم فنی بودند، نه طراحان. این پیام رو داد که فناوری هستهی کار است.
اولین کارمندان تیم فنی بودند، نه طراحان. این پیام رو داد که فناوری هستهی کار است.
۳. انتشار دادههای علمی:
کاترینا و تیم فنی مقالات علمی دربارهی الگوریتمهای پیشنهادشان منتشر کردند، نه فقط مقالات بازاریابی. این اعتبار فنی ساخت.
کاترینا و تیم فنی مقالات علمی دربارهی الگوریتمهای پیشنهادشان منتشر کردند، نه فقط مقالات بازاریابی. این اعتبار فنی ساخت.
«وقتی دادهها را به عنوان داستان نشان میدهی، نه فقط به عنوان عدد، مردم شروع به درک میکنند که تو واقعاً چه میسازی.»
۳. مهارتی که میخواهد به شما آموزش دهد: «داده برای انسان است نه بر علیه انسان» (Data for Humans)
کاترینا معتقد است بزرگترین اشتباه شرکتهای فناوری، جایگزین کردن انسان با داده است:
«بسیاری فکر میکنند هوش مصنوعی یعنی حذف انسان. ما ثابت کردیم که هوش مصنوعی یعنی تقویت انسان، نه جایگزینی او.»
روال عملی او برای ترکیب داده و انسان:
|
موقعیت
|
رویکرد اشتباه (داده خالص)
|
رویکرد درست (داده + انسان)
|
|---|---|---|
|
پیشنهاد محصول
|
«الگوریتم همه چیز را تصمیم میگیرد»
|
«الگوریتم گزینهها را محدود میکند، انسان تصمیم نهایی را میگیرد»
|
|
بازخورد مشتری
|
«نظرات را به عدد تبدیل کن و فراموش کن»
|
«هر نظر را به عنوان داستان بخوان و در تصمیمگیری بعدی استفاده کن»
|
|
تصمیمگیری
|
«داده همیشه درست است»
|
«داده راهنمایی است، نه فرمان. انسان همیشه حق شک کردن را دارد»
|
«دادهی بیانسان، بیروح است. انسان بیداده، کور است. ترکیب این دو، جادو میسازد.»
۴. نقشهی راه ۴ مرحلهای کاترینا برای ساختن کسبوکاری که داده و انسان را ترکیب میکند
|
مرحله
|
تمرکز
|
اقدام عملی
|
|---|---|---|
|
مرحله ۱: شناسایی «فرآیندی که انسانها از آن خستهاند»
|
به دنبال کاری بگرد که همه انجام میدهند، اما از آن متنفرند
|
مثال: خرید لباس رو همه انجام میدهند، اما بیشتر زنان از آن خستهاند
|
|
مرحله ۲: ساختن «حلقهی بازخورد دادهای»
|
هر تعامل با مشتری باید دادهی جدیدی ایجاد کند، نه فقط تراکنش
|
مثال: هر لباسی که بازگشت داده میشود، دادهی «این لباس برای این شخص مناسب نیست» را ایجاد میکند
|
|
مرحله ۳: اضافه کردن «لایهی انسانی»
|
بعد از اینکه داده گزینهها را محدود کرد، یک انسان تصمیم نهایی را بگیرد
|
مثال: استایلیست انسانی بررسی میکند که آیا ترکیب رنگها برای این فصل مناسب است یا نه
|
|
مرحله ۴: اندازهگیری «رضایت انسانی» نه فقط «کارایی دادهای»
|
موفقیت را فقط با عدد اندازه نگیر، با داستان هم اندازه بگیر
|
مثال: علاوه بر «نرخ نگهداشتن لباس»، داستانهای مشتریان را جمعآوری کن: «این لباس چگونه زندگیام را تغییر داد؟»
|
۵. اگر به گذشته برگردد: سه کاری که دوباره تکرار نمیکند
در مصاحبههای اخیر، کاترینا گفته:
۱. در سال اول، زیادی روی «پلتفرم کامل» تمرکز کردم، نه «تجربهی اولین مشتری»
«من ۶ ماه وقت گذاشتم که سیستم کامل شود، در حالی که فقط باید برای ۱۰ مشتری اول کار میکردم. امروز میدانم: اول ۱۰ مشتری را شاد کن، بعد به پلتفرم فکر کن.»
«من ۶ ماه وقت گذاشتم که سیستم کامل شود، در حالی که فقط باید برای ۱۰ مشتری اول کار میکردم. امروز میدانم: اول ۱۰ مشتری را شاد کن، بعد به پلتفرم فکر کن.»
۲. از سرمایه گذارانی که فقط مرد بودند، پول گرفتم
«من فکر میکردم جنسیت مهم نیست، مهم پول است. اشتباه بود. سرمایه گذاران زن، سؤالاتی میپرسیدند که مردان نمیپرسیدند، مثل ‹آیا این ویژگی برای مادران شاغل هم کار میکند؟›»
«من فکر میکردم جنسیت مهم نیست، مهم پول است. اشتباه بود. سرمایه گذاران زن، سؤالاتی میپرسیدند که مردان نمیپرسیدند، مثل ‹آیا این ویژگی برای مادران شاغل هم کار میکند؟›»
۳. در ابتدا، فقط روی زنان تمرکز کردم، نه مردان و کودکان
«من فکر میکردم ‹اول یک بازار را تسخیر کن›. اما بعد فهمیدم که خانوادهها با هم خرید میکنند، اگر میدانستم، زودتر شروع میکردم به سرویس دادن به همه.»
«من فکر میکردم ‹اول یک بازار را تسخیر کن›. اما بعد فهمیدم که خانوادهها با هم خرید میکنند، اگر میدانستم، زودتر شروع میکردم به سرویس دادن به همه.»
۶. پروژههای کلیدی که او را به امروز رساند
|
سال
|
پروژه
|
چرا تأثیرگذار بود؟
|
|---|---|---|
|
۲۰۰۹
|
ملاقات با الیزابت اسپیکمن
|
نقطهی عطفی که ثابت کرد ترکیب دو تخصص متفاوت (فناوری + مد) میتواند انقلاب بسازد
|
|
۲۰۱۱
|
راهاندازی Stitch Fix با مدل «جعبهی ماهانه»
|
نشان داد که اشتراکمحور بودن میتواند رفتار خرید را تغییر دهد، نه فقط قیمت
|
|
۲۰۱۵
|
استخدام اولین دانشمند دادهی زن به عنوان مدیر فنی
|
شکستن سقف شیشهای درون شرکت و نشان دادن که زنان میتوانند هم در مد هم در فناوری رهبری کنند
|
|
۲۰۱۷
|
عرضه عمومی در بورس (IPO)
|
ثابت کرد که یک شرکت بنیانگذاریشده توسط زن میتواند به ارزش ۲ میلیارد دلاری برسد
|
|
۲۰۲۰
|
معرفی سرویس مردان و کودکان
|
نشان داد که موفقیت در یک بازار، پایهای برای گسترش به بازارهای دیگر است
|
✍️ تمرین عملی برای شما (بر اساس درسهای کاترینا):
چالش ۳ روزهی «داده + انسان»
- روز ۱: یک فرآیند در کسبوکار یا زندگیات را انتخاب کن که کاملاً انسانی است (مثلاً: انتخاب محتوا برای اینستاگرام، پاسخ به کامنتها، انتخاب محصول برای فروش). بنویس: «چه بخشی از این فرآیند میتواند با داده بهتر شود؟»
- روز ۲: یک ابزار ساده برای جمعآوری داده پیدا کن (مثلاً: نظرسنجی ۳ سؤاله، آمار بازدید، لیست علاقهمندیها) و آن را برای ۵ نفر اجرا کن. هدف: دادهای جمع کن که تصمیمگیری بعدی را آسانتر کند.
- روز ۳: دادهها را بررسی کن، اما تصمیم نهایی را خودت بگیر، نه ابزار. بپرس: «آیا داده به من کمک کرد؟ یا من باید بر اساس حس انسانیام تصمیم بگیرم؟» یادداشت کن: «چه زمانی داده درست بود و چه زمانی انسان درست بود؟»
نتیجهی این چالش: شما یاد میگیرید که داده راهنما است نه جایگزین. و بهترین تصمیمات، از ازدواج داده و انسان به دنیا میآیند.
🌱 پیام نهایی کاترینا برای کارآفرینان امروز:
«دنیا به شرکتهایی که فقط داده میفروشند نیاز ندارد. دنیا به شرکتهایی نیاز دارد که داده را به خدمت انسان بگذارند، نه برعکس. فناوری ارزشی ندارد مگر اینکه زندگی انسانها را بهتر کند. و بهترین فناوریها، همیشه با یک سؤال شروع میشوند: ‹این چگونه میتواند به یک انسان کمک کند؟›»
🔍 منابع برای تحقیق بیشتر:
- پادکست How I Built This: «Stitch Fix with Katrina Lake» (2019)
- مصاحبه با Forbes: «Katrina Lake on building a $2 billion company» (2018)
- سخنرانی در دانشگاه استنفورد: «Building a Data-Driven Company» (2017)
- کتاب Lean In (Sheryl Sandberg)—بخش مربوط به مصاحبه با کاترینا درباره چالشهای زنان در کارآفرینی
