SheIn：准爆款批量测试与分布式生产（下）

企业故事汇｜战略、组织与领导力

音频文字发布在公众号“北京读天下”，《价值创造与商业模式》新书上市。反馈与服务微信号：yinmingshu002。

上期介绍了超快电商品牌SheIn如何理解推荐作为快时尚品牌的核心能力，其中提到SheIn在广告图片中展示准爆款的做法。SheIn这样做，一方面是为了与爆款形成区隔，制造独特的流量资源，另一方面也是因为它有办法降低准爆款上市的风险。

降低准爆款风险主要有两个办法，一是准确预测流行趋势，二是灵活组织生产。准确预测是SheIn创业之初就已经具备的基本能力，也是做好跨境电商的必备条件。灵活的分布式生产则是SheIn早期并不具备的能力，需要专门开发，以配合超级快时尚的商业模式。

多批次，小批量柔性生产在服装行业中并不是新概念，行业内称为小单快反。但由于柔性生产带来的成本增加无法解决，多数生产企业退出了这一市场。SheIn一次订单只有100件，市场上没有企业愿意接单。为了激励供应商，SheIn采取了利润保障、分布式生产和技术赋能等方法来提升供应链效率。

有评论认为，中国制造的一个机会是在数字化生产响应的理解和实施方面显著领先于世界其他地区，也就是C2M的基础设施比较完善。这是因为中国企业有条件学习这方面的技术，而SheIn发出的海量订单就是引领这项学习的动力之一。

SheIn的目标是将用户在应用界面上的所有动作与ERP系统以及终端工厂联系起来。工厂可以看到海外用户在软件上做什么，有多少人在浏览产品或将商品加入购物车。这些实时采集的数据反映到工厂，变成订单加工指令和材料补货指令，采用与Uber平台类似的智能派单和抢单机制。

传统供应链管理一直在努力减少信息在供应链上传导过程中出现的损失和误解，SheIn通过减少信息流动的中间环节，优化了供应链过程。为了实现这一目标，SheIn也需要在自己与工厂的交互中投入资源。例如，在SheIn招聘跟单员的职责中，包括“教导供应商操作平台的使用，深入参与到我司运营管理中去。”

在SheIn的模式中，前端是大量的用户行为分析和A/B测试，获得尽可能准确的时尚潮流。后端工厂是人工密集型，利用中国熟练工人的资源。人工能够在不同订单间迅速转移，其效率超过机器生产。发出订单的同时，SheIn操作平台还可以自动生成备货下单数等，对企业进行数字化赋能。在小单快返模式下，尽可能用算法取代人工判断和计算，将每间加工厂变成供应链上的一个数字化节点。不仅为加工厂减少了人力成本，还优化了生产流程。

凭借数字化整合的生产设计，SheIn上架新产品速度远远超过竞争对手。2020年，SheIn上线新产品15万，每月超过1万件，2个月相当于Zara一年。到了2021年，经常可以做到每天2000款新品。

上新速度与测试需求相联系，比如某个款式销售不佳，“SHEIN可以改几个印花或剪裁细节，用同一款面料推出新品继续测试，直到成为爆款。”小批量测试成功发展为爆款之后，工厂产能将随之释放。2017年开始，SheIn的协作网络中陆续出现了年订单金额达到2000万的工厂。

时尚界抱怨说，大品牌和明星创造了潮流，但受益者却是快时尚。[ii]SheIn没有大牌设计师，它的解决方案是对市场上的时尚设计全面覆盖，而将准爆款选择交给数据分析和趋势跟踪好了。

阿里巴巴总参谋长曾鸣教授在分析网红经济对供应链的影响时曾经提出S2b的模型。其中S是指一个高度智能化的柔性供应链平台，小写的b则是指网红，他们拥有数量不等的粉丝。由于网红需求具有不确定和高时效的特点，传统工厂无法满足。S2b模型针对这一困难，提出由智能化供应链平台向众多网红提供小批量和快速响应的支持。

在S2b模型中，网红创造的需求是高度分散的，供应链平台提供整合功能，这是符合阿里巴巴利益的设计。让网红们刺激需求，引导到阿里巴巴平台上交易，产品由集约的供应链生产。

SheIn提供了另外一种可能性，它没有自己的工厂，而是用供应链软件将零散的工厂整合为一个协作网络，同样可以实现小批量和灵活响应。在曾鸣教授的模型中，网红是一个关键要素，因为从消费者到供应链，中间要经过网红。SheIn的独到之处，是可以做到让消费者直接联接供应链。