淺談時(shí)尚大數(shù)據(jù)分析

史英杰　楊珂

[摘 要]文章分析在數(shù)據(jù)驅(qū)動(dòng)背景下時(shí)尚大數(shù)據(jù)分析的現(xiàn)狀和應(yīng)用前景，介紹三種典型的時(shí)尚大數(shù)據(jù)分析案例，希望為相關(guān)領(lǐng)域的研究人員提供一定參考。

[關(guān)鍵詞]時(shí)尚大數(shù)據(jù);數(shù)據(jù)驅(qū)動(dòng);數(shù)據(jù)分析

[DOI]10.13939/j.cnki.zgsc.2020.25.188

1 引言

互聯(lián)網(wǎng)技術(shù)及移動(dòng)技術(shù)的興起促進(jìn)了電子商務(wù)、社交網(wǎng)絡(luò)的飛速發(fā)展，使得時(shí)尚相關(guān)數(shù)據(jù)的數(shù)量達(dá)到了前所未有的高度，而服裝工業(yè)的決策也開始走向數(shù)據(jù)驅(qū)動(dòng)的模式。采用大數(shù)據(jù)技術(shù)對(duì)海量的服裝時(shí)尚數(shù)據(jù)進(jìn)行分析，對(duì)科學(xué)研究和服裝工業(yè)的發(fā)展都有巨大的價(jià)值。大數(shù)據(jù)分析能夠應(yīng)用于時(shí)尚產(chǎn)業(yè)領(lǐng)域并不偶然，因?yàn)閮烧哂休^強(qiáng)的兼容性，主要植根于三個(gè)要素：數(shù)據(jù)海量性、多樣性和快速性

https：//www.smartdatacollective.com/big-fashion-meets-big-data-how-industry-benefiting/.

。此外，時(shí)尚數(shù)據(jù)還具有時(shí)間相關(guān)性和主觀性。時(shí)尚本身就是人類社會(huì)文化的一部分[1]，因此時(shí)尚數(shù)據(jù)除了涵蓋服裝的廓形、紋理、顏色等物理屬性外，還存在一定的主觀本質(zhì)，受到時(shí)間、地域等多種因素的綜合影響。時(shí)尚分析過程中應(yīng)當(dāng)考慮到多種因素的相關(guān)性，減少估計(jì)或預(yù)測結(jié)果的偏差。

2 時(shí)尚大數(shù)據(jù)分析典型案例

2.1 ?谷歌流行趨勢預(yù)測

谷歌積累了大量來自全球用戶的搜索日志，2016年谷歌公司發(fā)布了時(shí)尚趨勢報(bào)告Fashion Trends

https：//www.thinkwithgoogle.com/advertising-channels/search/fashion-trends-2016-google-data-consumer-insights.。基于2014—2016年的時(shí)裝搜索日志，谷歌分析了2016年的流行趨勢，包括當(dāng)年處于上升、下滑趨勢的流行時(shí)尚元素等。這些不同的風(fēng)格元素代表了2016年主流時(shí)尚，不僅為用戶提供了穿搭參考，還為時(shí)尚工業(yè)廠商提供了重要的設(shè)計(jì)及生產(chǎn)鏈參考。

圖1 谷歌趨勢報(bào)告中“連衫褲”趨勢

2.2 ?Stitch Fix時(shí)尚定制

Stitch Fix

https：//www.stitchfix.com.通過分析用戶的個(gè)人穿衣風(fēng)格、尺寸、偏好等信息，為不同用戶定期定制不同風(fēng)格的服裝和服飾。如圖2所示，Stitch Fix利用公司積累的用戶反饋信息分析時(shí)尚趨勢和周期性變化[2]，將用戶對(duì)時(shí)尚元素的積極或消極反饋轉(zhuǎn)化成伯努利實(shí)驗(yàn)。針對(duì)某一時(shí)尚元素，用戶正面選擇的概率和它的流行程度有關(guān)。選擇為1的概率越大，則說明該元素越受歡迎，可以作為是否流行的判斷。

圖2 Stitch Fix時(shí)尚元素分析[4]

2.3 ?Data Dress App

谷歌和Ivyrevel合作推出了一款個(gè)性化推薦App——“Data Dress”

https：//www.cnbc.com/2017/02/08/google-and-hm-create-personalized-coded-couture-dress-based-on-smartphone-app-data.html.。用戶安裝Data Dress后，該App開始監(jiān)測用戶的日常活動(dòng)、生活習(xí)慣和位置信息等。數(shù)據(jù)收集后，Data Dress開始分析用戶的穿衣喜好，結(jié)合谷歌的推薦算法向用戶推薦并定制個(gè)性化的服飾。Data Dress將用戶的生活方式數(shù)據(jù)帶入到推薦和時(shí)尚單品設(shè)計(jì)中，提供了一種全新的時(shí)尚消費(fèi)模式。

圖3 Data Dress

3 結(jié)語

傳統(tǒng)的時(shí)尚分析使用歷史數(shù)據(jù)和直覺來預(yù)測客戶需求https：//bigdata-madesimple.com/forecasting-the-fashion-future-big-data-comes-to-rescue-fashion-designers/.，然而面臨更加快速變化的時(shí)尚趨勢，僅憑傳統(tǒng)的分析方法，很難準(zhǔn)確及時(shí)地預(yù)測出時(shí)尚潮流的發(fā)展趨勢。將大數(shù)據(jù)技術(shù)應(yīng)用于海量的時(shí)尚數(shù)據(jù)，可分析時(shí)尚產(chǎn)業(yè)的整體格局以及流行趨勢，為制定合適的商業(yè)戰(zhàn)略提供重要參考。目前時(shí)尚大數(shù)據(jù)分析已經(jīng)有部分研究工作出現(xiàn)，然而時(shí)尚大數(shù)據(jù)的特點(diǎn)使得其分析面臨較大挑戰(zhàn)，為國內(nèi)外研究人員提供了廣闊的研究空間。

參考文獻(xiàn)：

[1] BOLLACKER K， DIAZ R， LI X. Beyond clothing ontologies：modeling fashion with subjective infletworks[C].San Francisco ：Proceedings of 2016 KDD workshop on machine learning meets fashion，2016.

[2] ROBERTO S，DARAGH S，PAOLO. Detection of fashion trends and seasonal cycles through the analysis of implicit and explicit client feedback[C].Proceedings of the KDD2016 Workshop of “Machine learning meets fashion”， 2016.

[基金項(xiàng)目]北京服裝學(xué)院高水平教師隊(duì)伍建設(shè)專項(xiàng)資金資助項(xiàng)目（項(xiàng)目編號(hào)：BIFTQG201803）;北京市服裝產(chǎn)業(yè)數(shù)字化工程技術(shù)研究中心開放課題項(xiàng)目（項(xiàng)目編號(hào)：KJCX1902-30299/009）;北京市教委科技計(jì)劃項(xiàng)目（項(xiàng)目編號(hào)：SQKM201810012010）。