为什么我追踪了我三年穿的每一件衣服

您是否想过昂贵的衣服是否值得？还是在购买昂贵的商品然后证明其合理性而感到内wear的微妙感，因为即使您不知道它是否真的是真的，您也将佩戴它多次，因此感到内gui吗？如果您认为是，那么这是给您的。

我深入研究了壁橱，以了解衣服的实际价格，并在此过程中学到了很多有关性能，可持续性和自我的知识。在此博客文章中，我们将进行由数据支持的决策过程。即使只有少量数据，您也可以获取大量见解-以及沿途购买的一些好鞋。

在过去三年中，我一直连续记录着我所有衣服的使用情况。

最初只是一个简单的问题，即购买昂贵的衣服是否有意义，现在已经变成了对衣服的性价比的相当深刻的发现。您可以在这里浏览我不断更新的衣柜性能。

很长一段时间以来，我或多或少地进行任何消费的原则是购买所需物品，使用所购买的物品并妥善保管我所拥有的物品。但是，有了衣服，我不知道自己的实际状况。

该项目的见解帮助我改进了选择。我还最终建立了一个分析平台，不仅可以分析衣服的性能，还可以分析任何耐用商品的性能。

在这一旅程的三年中，是时候反思我所学到的一切，并希望可以帮助其他人理解数据支持的决策的逻辑，实践和好处。而且，如果您只是在这里获得一些完善衣柜的秘诀，请转到此文章的末尾，以获取实用指南，以清理您的衣柜和消费习惯。

让我们从简要地看一下数据开始，因为它是所有即将发生的事情的核心推动力。

我的穿着数据是自2018年1月1日以来我每天使用每件衣服的连续日志。到目前为止，总共有426件商品（1106天），使用和不使用的数据超过300,000。所有项目均分为12类简单的MECE结构：夹克和帽衫，西装外套，针织衫，衬衫，T恤，裤子，短裤，皮带，袜子，鞋，内衣衬衫和平角裤。运动服是“日常”服装系列之外的另一个类别。

“数据输入每天不到一分钟。我花了四倍的时间刷牙。”

我的第一个版本是一个简单的Excel，其中包含磨损数据和一些图表。在某个时候，Excel开始窒息我不断增长的数据集。我需要更强大的计算和数据可视化功能，因此我开始使用R（一种用于统计计算的编程语言）构建自己的平台。现在，R中的所有计算和绘图都是自动化的。它花费了大约2300行代码。我也将主数据从Excel移到了Google表格中，以便尽可能轻松地输入数据并将所有数据保留在云中。

这些是我的活跃夹克和帽衫，又是现在仍在使用的物品，与那些已经出售，捐赠或回收且不再可用的物品相反。

我每天都在数“衣服”。每天晚上，我打开浏览器选项卡，然后在活动项目列表中检查当天使用的衣服。每天花费不到一分钟的时间，大约每年六小时。我花了四倍的时间刷牙。对于任何自愿，连续，非自动化的数据收集，简单的数据录入确实至关重要。是的，我还尝试过RFID标签和图像识别的想法，即使最后一分钟也能实现自动化。

一旦建立了平台和流程，至少与解锁的洞察力相比，数据集本身就是“廉价”的。

衣服是耐用品的一种。因此，仅是一件服装的购买价格就几乎不能说明其实际成本表现。

为了考虑随使用而恶化的资产的成本，标准方法是在此类资产的预期经济寿命内对其进行折旧。当基本的估计寿命是可以接受的准确时，它就可以正常工作，因为在大多数情况下，连续使用相同资产都是如此。我们很快就会看到，大多数衣柜都不是那样。

“我不知道我的各种服装的寿命如何。”

当我开始研究衣服时，我不知道衣服的使用寿命。我当然尝试估算我在各种物品上的使用量，但后来得知我几乎在2017年进行的所有最初估算都太高了。

在这里，日常使用数据可以纠正失真的图片，让您探索使用的真实外观，消除偏见和一厢情愿的想法。

下图显示了我所有鞋子的累计磨损数。标记为绿色的项目将被剥离，并提供基准以比较活动项目。阴影绿色区域显示与被剥离项目的平均值相比有一个和两个标准偏差。

就鞋子而言，穿着时间的差异很大。这是可以理解的，因为鞋子都是独一无二的。我的黑色冬季运动鞋（最右边的那些）确实脱颖而出，穿了300多次，而且还在使用。

相同或高度相似的物品（例如内衣T恤）的价差通常要小得多。下面的动画显示了我所有内衣衬衫的穿着历来的历史进程。我们可以看到这种用法是相当稳定和可预测的。

基于已剥离的（绿色）样本41，我们现在有了该类别物品的磨损数量分布图。内衣衬衫通常使用20到25次。这意味着一件活动的衬衫，大约有28次穿着，可能已经接近生命周期的尽头，而一件衬衫，经过10次使用后开始散开，这是不好的。

既然我们知道了每种服装的磨损数量以及每种类别的典型使用性能范围，我们终于可以开始研究成本性能了。

跟踪服装或任何耐用品的使用，可以研究其整个生命周期内的实际成本绩效。在衣服方面，我使用“每次穿用成本”（CPW），即一天的“磨损”。

购买价格对CPW的影响是线性且容易的：价格下降n％意味着CPW下降n％。

使用的影响是非线性的，因为CPW遵循有理函数曲线a / x，这意味着按下商品的CPW所需的额外磨损量不断增加。这在数学上是简单而直观的，但是可视化可以帮助使这一动态及其影响脱颖而出。

以下是我所有鞋子使用的CPW图。灰色点跟踪每个项目的使用。蓝点是具有各种购买价格的商品的引导轨迹。同样，标记为绿色的项目将被撤消并且不再移动。

目的是通过继续使用将每个项目尽可能降低到图表的最低位置。如前所述，随着使用的增加，速度越来越慢。请注意，CPW轴刻度是对数的。

CPW是迄今为止每次穿衣服的实际成本。虽然这本身就很有用，但CPW的最大好处也许是它使服装在各个价格等级上都具有可比性。它有助于回答质量是否与价格相关的问题。

下表显示了我所有现役和退役白色运动鞋的性能。请注意，浅红色CPW列的最大限制是被剥离物品样品的最大限制，因为这是有意义的基准。

90欧元的匡威运动鞋和30欧元的Mywears的CPW分别为0.87欧元和0.70欧元。它们的有效成本大致相同，这意味着在廉价的Mywears中漫步与在Converses中漫步一样昂贵。在这种情况下，金钱购买质量，至少以耐久性来衡量。大约需要两对Mywears才能匹配一对Converse。从可持续性的角度来看，我认为即使一对物品可能具有不同的个人足迹，一对也要优于两个。

价格更高的运动鞋（150欧元的柴油）的性能明显低于上述两个。他们的实际CPW为1.88欧元，是其两倍多。在这种情况下，金钱似乎并不能买到质量，至少不是耐久性。柴油的使用寿命是Mywears的两倍，但价格却是Mywears的五倍，因此其成本性能要低得多。

目前最明显的领导者是仍在活跃并且可能会进一步改善的Hugo Boss运动鞋。 Hugo Boss的CPW（0.57欧元）比Converses（0.87欧元）低0.30欧元。这看起来似乎相差很小，但要低34％。从成本性能的角度来看，这很多。

然后在他们自己的联赛中还有其他活跃的吉姆·里基斯和海莉·汉森斯。这是可以理解的，因为他们仍然（希望）仍处于生命的早期阶段。

因此，结论似乎是，不管潜在的品牌和风格偏好如何，Boss运动鞋都是最好的。我们还看到，在某些情况下，事实证明，购买便宜的商品更为昂贵。这将支持一句老话：“我买不起便宜的东西。”

当然，现在并非总是如此。接下来让我们来看一个这样的例子。

价格也许可以买到优质的产品，但并不总能带来较低的CPW。在我的衣柜中，衬衫就是这种情况，如下图所示。再次注意对数CPW轴刻度。

我的衬衫大致可分为两类：相对昂贵的衬衫（100欧元及以上）和较便宜的衬衫（40欧元及以下）。这些层在图中显示为在较平缓的斜坡上的上层组，在较陡峭的斜坡上的下层四层。

昂贵的被剥离衬衫平均CPW为3.44欧元。较便宜的衬衫（均仍处于活动状态）的平均CPW为1.29欧元，并且呈下降趋势。虽然较便宜的衬衫仍然很活跃，并且可能还会有所改进，但我们可以自信地说，从成本效率的角度来看，它们的性能要好得多。

“我现在知道我偏爱质量的金钱成本，而且我很乐意为此付出代价。”

这提出了一个明显的观点，即质量不仅限于耐久性，也不能仅由耐久性来衡量。我个人认为，昂贵的衬衫在许多方面都具有较高的质量。这意味着每种服装都提供了更有价值的主观体验（更好的材料，样式和剪裁，细节，品牌等），这可能证明CPW有所不同。

通过过去的购买和使用数据，我们现在可以量化感知价值的差异，即我愿意为优质体验支付多少。根据我的行为，我只能得出结论，我确实愿意为此多付2至3倍的费用，或每副衣服大约2欧元。现在，我知道我偏爱质量的金钱成本，并且很高兴为此付出代价。

衬衫的例子表明，对我自己而言，衣柜的性能并不是要降低绝对成本，而是要在价值和成本之间找到最佳平衡。

由于使用是性能的根本驱动因素，因此有必要查看影响它的因素并试图了解可能会限制它的因素。

一项物品使用量增长最快的就是每天使用。小于此的值表示使用的累积速度较慢，因此，朝着降低CPW的进度变慢。因此，可以将某项商品的“使用效率”作为使用频率进行衡量。在这种情况下，我将其定义为每月平均穿着时间，这在单件服装级别上很直观。

以鞋为例，以下是一张图表，显示了每次穿用成本和使用频率，以及被剥离物品（绿色）中各个尺寸的加权平均值。加权平均值显示类别级别的性能，并提供基准以比较活动项目。这对我来说是最有用的情节。

使用CPW，自然越低越好。与被剥离的项目相比，仍高于虚线的CPW平均线的活动项目表现不佳。如果撤资，这将削弱类别的表现。同一行下的活动项目已经比出售的项目要好。最终出售时，它将改善类别的性能。

每月平均穿用时间的维数显示每个项目相对于其他项目的使用频率。越高越好。虚线平均线右侧的项目比类别平均值的使用频率更高，而左侧平均项目的使用频率则更低。

本质上，维度显示了每个项目的“受欢迎程度”。这是强大的功能，因为它显示了实际的偏好而不是想象的。在此图中，您将在左上角识别出那些真正喜欢但从未穿过的衣服。这很残酷。您可能会发现我可能会向自己解释的鞋子，因为我“还没有开始使用”，但是我可能从来没有买过。

项目可能有充分的理由来降低频率。它们可能专门用于特殊场合。在我的鞋区中，Helly Hansen白色运动鞋在我的避暑别墅中，这极大地限制了它们的潜在用途。通常，您实际上只能在冬季使用冬季衣服，而在夏季仅使用夏季衣服。为了使事情简单易行，我决定不考虑这种“潜在使用的可用性”因素。

让我们快速查看一下一段时间内的使用频率。这种生动的可视化效果可能有助于一次看到我们已经讨论过的动态。下面是相同的情节，但随着时间的推移。

动画情节非常残酷地显示了哪些项目很少使用。随着时间的流逝，它们不断向左滑动。在这里，我们真正地看到了时间如何不断消耗它们的使用频率，就好像它们在前进的过程中不断被风推倒一样。以一种奇怪的方式，我觉得我想为他们在争分夺秒的比赛中欢呼雀跃，并互相鼓励，以达到右下角。

说到竞争，“竞争动力”这一点也特别重要。类别中的项目通常是替代品（上述重要例外）。它们竞争一种通常一次只能向前迈出一步的游戏。

由于任何服装的总潜在使用量最终会受到可用天数的限制（一个月中只有几天），因此可用天数成为该类别中的稀缺资源。这就是使用频率如此有助于扩大对性能的理解的原因。

“只有最喜欢的衣服的衣柜听起来不错。就成本效益而言，这可能也是最好的。”

我们需要在两种类型之间做出重要区分：类别的可使用性受到洗涤周期的严重影响，而类别则没有。我通常在每次使用后洗衬衫，T恤，袜子，内衣衬衫和平角裤。这使得它们无法使用，直到清洁并放回衣柜为止，这可能是六天后甚至更长的时间。我们称这些为“受限”。然后，“不受限制”的服装将归为其他类别：夹克，西装外套，针织物，裤子，短裤，皮带和鞋子。

显然，这对物品可以达到的使用频率以及应认为良好的性能有重大影响。但是在竞争动态方面存在更深刻的差异。

在非限制类别中，替代项目相互竞争使用。在这些类别中，使用频率实质上以一种相对的“受欢迎程度”显示了我在项目之间的偏好等级。这往往会导致性能差异很大。替代品越多，它们的表现就越差。

在受限制的类别中，替代物品不会互相竞争，但前提是物品的数量仅略超过洗涤过程中闲置的最大物品数量。举一个简化的例子，您可能有七件衬衫，每天穿一件，每个星期天都洗一次。在这种情况下，他们根本不参与竞争。但是，如果您有七双鞋，每天穿一双，它们的竞争将非常激烈。

具有高替代性的受限类别的一个很好的例子是内衣衬衫。我只有两种，T恤和背心，有两种颜色，黑白。因此，所有子项都是完美替代品的四个子类别。我唯一可以区分它们的方法是根据我在标签上添加的数字。下图显示了它们的性能非常相似并且易于预测。

这可以与皮带形成对比，皮带是不受限制的类别，具有中等可替代性（我认为白色，黑色和棕色是其颜色内的替代品，而不是跨颜色的替代品）。在这里，我们看到使用频率差异很大，而最“流行”的皮带显然以其他皮带为代价脱颖而出。

因此，竞争动力至关重要。它们以相当复杂和间接的方式影响使用并因此影响成本绩效。对我自己而言，主要的收获是识别这些动态因素并相应地选择一种优化方法。简而言之，不受限制的类别应该只包含您实际使用的少量项目：“受欢迎”的项目。限制类别可以有更多变化，但只应包含可带您完成洗涤周期的项目数量。

曾经有人说过，他们的目标是拥有一个只有最喜欢的衣服的衣柜。不仅从价值的角度来看这很有意义，而且根据我的数据，这在成本绩效方面也可能是最佳选择。

类别级别是关于类别中所有项目如何整体执行的。除了平均CPW，类别成本绩效还可以描述为一段时间内的类别每日成本。这样做的好处是可以显示一段时间内的进度。

下图显示了随时间推移内衣衬衫的每日费用。每个点都是一天的时间。绿点是指在进行绘制时将所有项目剥离的日子。他们不再改变。红点表示在绘图时当天仍使用至少一项的日期，这意味着该天的每日成本可能仍会降低。大多数日子里，只使用一项。蓝线显示30天滚动平均值。黄色阴影区域表示暑假，这往往会对我的穿着产生很大影响-我们芬兰人非常重视暑假。

我们可以看到，根据所使用的商品，每日费用相差很大。我们还可以看到许多物品已经使用了一段时间。 2018年的某些物品今天仍在使用（红色）。这意味着平均成本趋势需要花费相当长的时间才能显示和解决。

类别级别的每日成本有一个非常明显的好处。它描述了特定种类衣服的“实用性”成本，无论在多少天内使用了多少物品。这幅图基本上说：“这是每天花多少钱买内裤衬衫”，每天多花1欧元。这是最终表现出物品等级性能和修剪衣柜效果的地方，尽管有很大的滞后。

我们终于到了可以看整个衣柜的地步。我称此为投资组合级别，因为它包含我的全部商品或资产投资组合。在这里，所有的改进，无论大小，最终都可以显示出来。

让我们开始快速看一下不同类别的比较。为了使比较更加直观，我决定将类别使用频率的衡量标准从每月磨损次数改为天数。

现在，我们已经开发出一种以规范化的方式描述类别效果的方法，我们可以比较类别了。 下图显示了所有类别的平均CPW和类别使用频率。 一种 ......