鞋履流行色預測數據標簽體系構建策略研究

徐成銳，田玉晶

（1.上海立達學院，上海 201609；2.東華大學，上海 200051）

0 引言

流行趨勢的預測對時尚產業具有的正向意義包括：a）幫助設計師了解競爭品牌接下來可能的設計，從而調整自己的設計；b）幫助制造商與零售商有效調節庫存；c）助力明星、網紅等躋身或立足時尚圈。作為流行趨勢預測的重要版塊，流行色是一段時期、一定地域內，在某一群體中迅速傳播、盛極一時的色彩，反映了特定歷史時期和地區人們對服裝、配飾、商品、環境色彩的審美需求。流行色研究在時尚設計領域中扮演著重要的角色，可以引領時尚潮流，影響人們的穿著習慣，對鞋履產業的發展具有重要的影響。

1 數據挖掘介入流行色預測

目前，鞋履與流行色預測行業目前存在的需求與矛盾，包括了：a）快時尚語境下，企業、品牌對即時流行色獲取的需求，與大部分流行色報告按季度推出的頻率不匹配；b）企業、品牌對自身細分市場流行色的需求，與大部分流行色報告針對較普遍受眾推出的范圍不匹配等。目前，鞋履流行色在應用領域，往往依托于服裝流行趨勢預測的經驗，缺乏具有針對性、系統性的研究，通過引入數據挖掘的思維，有助于針對鞋履進行智能、定制化需求的流行色預測。

從以往案例來看，大數據的合理應用可以幫助企業挖掘機會，使其可以結合實際情況做出相應決策，在競爭激烈的市場環境中不斷提升綜合實力，支持自身良性發展。數據挖掘，意為從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的、有效的、新穎的、具有潛在價值的并且最終可理解的模式的非平凡過程[1]。作為一種獨立于不同行業間的數據挖掘標準流程模型[2-3]，CRISP-DM過程將數據挖掘項目的生命周期描述為商業理解、數據理解、數據準備、建模、評價和部署六大步驟。其中，“數據理解”和“數據準備”據統計一般需要花費整個項目50%～80%的時間，是項目落實的重要基礎，其中對數據的選擇、構造、清洗等是關鍵。故而高效的鞋履流行色預測，離不開建立完善的鞋履流行色預測數據標簽體系。

2 鞋履流行色預測關鍵指標

2.1 鞋履相關概念

明晰鞋履本身的特點，可以在服裝流行趨勢預測的大框架下，更好地建立具有針對性的鞋履流行色預測數據標簽體系。本文將從設計元素和品牌分層兩個方面來分析鞋履的特點。

2.1.1 鞋履的設計元素

借鑒服裝領域，劉曉剛將設計元素的劃分為造型、面料、結構、工藝、形式、搭配等12個大類[4]。趙妍將鞋履的設計要素分為鞋楦、幫面款式、底跟型款式、面料與色彩5個方面[5]。結合服裝設計元素，本文將鞋履的設計元素定義為款式、色彩、底跟型、跟高、鞋幫高度、頭型、開口位置、口門形狀、輔料、鞋面材質、鞋里材質、鞋底材質、風格、裝飾元素、工藝、性別以及季節。如圖1，是根據上述設計元素對一款鞋履的分析。其中，考慮到對色彩影響的程度，本文選擇了款式、風格、性別、季節這幾個要素，作為鞋履設計元素中的流行色預測關鍵指標。

圖1 United Nude Zink Run MJ的設計元素分析（筆者自繪）

（1）款式

在人類文明漫長的發展過程中，鞋履演變出了種類繁多的款式?？_琳·考克斯用60款代表性鞋靴來演繹了鞋履在時尚領域的發展史[6]；Jane Schaffer和Sue Saunders列舉了20個基本款式，并認為我們所見到的大部分鞋款都可以在這20個鞋款上通過材質、楦形、線條等元素的變化應用而來[7]。本文根據底跟型、跟高、鞋幫高度、開口位置、口門形狀、鞋面材質、鞋里材質、鞋底材質、風格等要素，將所有的鞋履款式總結為以下六種大類：皮鞋、運動鞋、休閑鞋、涼鞋、靴子、拖鞋以及單鞋。再將布洛克、球鞋、帆布鞋、洞洞鞋、馬丁靴、人字拖、瑪麗珍鞋等細分款式歸入上述大類。隨著設計師不斷突破鞋履的外觀設計，以及近幾年興起的街頭運動等風潮，進一步解構了界限分明的傳統鞋履款式分類方式。在大數據時代，可以結合深度學習技術，利用圖像與文本的關聯學習，不斷擴充款式種類歸入大類，為后續研究中的款式識別打下框架性基礎。

（2）風格

風格是時尚產品具有代表性的特點，表現為形式的美感和設計的獨特。關于時尚產品風格的界定尚未產生統一的標準，本文按照時間對應的“復古”與“未來”，空間對應的“自然”與“都市”為尺度，對時尚產品的風格進行大類的劃分，由此可以分為“復古”“都市”“未來”“自然”四個象限，可以對幾乎所有風格進行歸類。如圖2，是對一些常見風格的分類。隨著時代發展和人類生活方式的改變，不斷出現的新的風格也可以歸類在圖中對應的象限中，屆時圖中的已經存在風格也可以根據當下時間、空間尺度的變化，進行坐標平面上的位移。

圖2 鞋履風格分布示意圖（筆者自繪）

（3）性別

消費者性別與色彩偏好具有明顯的相關性[8]。除了傳統的二元性別劃分，“中性化設計”也是時尚界多年來一直值得關注的一個議題。社會經濟發展導致的意識形態改變、體育運動造成的中性化市場發展、特殊人群的浮現等一系列社會背景，導致了中性化市場的形成[9]。除了從性別的光譜上進行劃分，還可以從年齡層次進行市場分層。一般而言，人的一生可以根據年齡段的不同分為童年、少年、青年、中年和老年。而由于少年兒童身心發展與審美愛好與其他階段群體有顯著差異，其對于鞋履的選擇受到自身心理年齡與外部環境等綜合因素的影響，故所對應的鞋履市場也可以被模糊為童鞋市場、成人市場。結合上述兩種維度，在本文中，鞋履產品的性別元素可以分為女童、男童、女性、男性、中性。

（4）季節

季節對于鞋履流行色的影響較為明顯。鞋履的季度元素依照國際四大時裝周，一般被劃分為春夏和秋冬兩季；此外，越來越多的品牌在主秀之間加入季間系列，包括了早春和早秋。至此，按照品牌的發布，產品的季度可以分為一年四季。流行色表現與季節的變化遵循一定的規律，例如Wong等從歷年秀場數據中，發現高純度、多色彩、柔和色系、大地色系、無彩色、紫色系6種顏色循環階段的重復出現[10]。

2.1.2 鞋履的品牌分層

針對服飾品牌，一般采用按照價值和消費層次的分類方式，根據對其理解的不同，一般存在不同的分類結果。本文通過參考相關文獻[7,11,12]，結合鞋履款式中“球鞋”的特殊的社會意義[13]，將發布鞋履的品牌共分為如圖3的鞋履品牌分層示意圖，上下層級的關系不僅代表了所處其中品牌的價值和消費層次，也暗藏流行趨勢傳播的動線。厘清品牌的分層，有助于目標品牌的定位、參考品牌的選擇，促進定制化鞋履流行色預測數據的選擇和使用。

圖3 鞋履品牌分層示意圖（筆者自繪）

2.2 鞋履流行色影響代表和數據采集路徑

流行趨勢產業最早出現于1915年，此后的百余年間，流行色的傳播出現了下滲效應、發泡理論、泛流理論、潮流菱形剖面圖等不同模式[14,15]。隨著社會環境、信息傳播方式的變革，以及行業自身的發展，流行色在時尚產業各節點間，已經呈現出隨機傳播的現象。

根據不同的傳播模式，傳播節點有不同的分類方式，流行的生成和傳播機理也會有所差異——如在潮流菱形剖面圖中，流行產生于“潮流創造者”“潮流締造者”之流，經過“潮流追隨者”“早期的主流文化者”逐漸向大眾傳播，并在這個過程中產生價值。如圖4，本文將流行色生成的影響代表分為以下兩類：

圖4 鞋履流行色影響代表和數據采集路徑（筆者自繪）

（1）“集體數據”指社會群體與時尚行業中，通過集體運作，實現鞋履流行色的傳播，并直接轉化為商業價值的單位所產生的數據，例如品牌方、時尚媒體和零售商數據等；

（2）“個體數據”指由個體即可實現鞋履流行色的傳播，并間接創造商業價值的單位所產生的數據，例如造型師、編輯、設計師、模特、名人、戲服設計師、街拍明星、社交媒體博主和創意消費者數據等。

這些流行色生成的影響代表經過不同的渠道發布自己的流行內容，這些渠道也是爬取圖片數據的網絡站點，在本文中可以分為以下幾大類：

（1）社交媒體：包括國內外不同平臺上的數據內容，例如在社交平臺Instagram、小紅書上，不僅有不同層級品牌方的官方賬號，還有為數眾多的影響代表每天都在用圖片定格時尚，他們的粉絲和評論量等數據可以側面反映其影響力。

（2）線上零售：受到移動電子商務發展的紅利而出現的越來越多的零售平臺和品牌官方商城，其所呈現的產品圖片與銷售相關數據都可以作為后續鞋履流行色預測的重要支撐；國內外知名的零售平臺包括天貓、Lane Crawford、亞馬遜等。

（3）資訊網站：分為“時尚資訊網站”、“秀場網站”和“街拍網站”等，著名的時尚資訊網站有Hypebeast、WWD、BOF等；著名秀場網站有Vogue Runway、Now fashion等；著名的街拍網站有HARPERS BAZAAR street style、Tommy Ton、Street Peeper等。

3 鞋履流行色預測標簽體系構建

3.1 數據標簽和描述元素

為設計有效的數據標簽體系，一方面運用前文總結的關鍵指標，一方面將元數據標準納入考量，篩選有價值的元素對標簽體系進行補充。李曉玲等在通用元數據基礎上設計了一個含有23個元素的服裝圖片元數據標準[16]。通過對比，本文選取如下的13個元素對爬取的圖片進行描述或打標：

（1）數據標簽

①圖片類型（Type）：將采集圖片中的內容按照“時尚”“產品”“空間”和“其他”類進行初步分類[17]；

②來源（Source）：根據數據來源通路標注，如“社交媒體-小紅書-名人-XX”“零售平臺-Ssense”；

③品牌（Brand）：對可識別的單品進行品牌名稱標注，如“李寧”“Maison Margiela”等，且針對“時尚”標簽需按照圖3標注品牌層級，如“奢侈品牌”“街頭運動品牌”等；

④款式（Category）：針對“鞋履”標簽進行標注，如“高跟鞋”“運動鞋”等；

⑤風格（Style）：針對“時尚”標簽，按照圖2標注設計風格；

⑥使用范圍（Application）：即該單品的適用對象，參考前文中的“性別”元素，如“女性”、“男性”、“中性”、“男童”、“女童”；

⑦季節（Season）：按照單品所屬季度進行標注，針對“時尚”標簽標注，如“2024早春”“2024春夏”“2024早秋”“2024/25秋冬”等；

⑧日期（Date）：將圖片發布的日期作為索引標簽，著錄內容采用公元紀年，如“2023-10-31”“2023”“10月”；

⑨地域（Region）：對圖片發布產品所屬地域、地域文化分類進行標注，如“中國”“日韓”“歐美”等；

（2）數據描述

①題名（Title）：用于著錄某一款式的名稱，如圖1中的“Zink Run MJ”；

②色彩（Color）：結合“圖像顏色識別”技術，運用數字色彩模式（HEX/RGB/CMYK/HSB等）標注圖片中主體的色彩；

③URL（Uniform Resource Locator）：著錄統一資源定位符，即網址；

④文本（Text）：著錄配合圖片發布的文本信息。

3.2 構建鞋履流行色數據標簽索引內涵

根據前文中設定的標簽元素，如表1，是本文梳理的鞋履流行色圖片數據標簽與索引內涵，可用于對于爬取數據的打標。其中部分標簽的內涵可以通過機器學習不斷擴容。

表1 鞋履流行色圖片數據標簽與索引內涵（自制）

3.3 鞋履流行色預測數據標簽體系應用范例

如表2，是在社交媒體上爬取的一款鞋履的圖片數據，根據本文所構建的鞋履流行色預測數據標簽體系后，進行打標的示例。

表2 鞋履流行色圖片數據打標示例（自制）

4 結語

本文梳理了鞋履流行色智能預測的關鍵指標，包括鞋履的設計元素、品牌分層，流行色生成的影響代表和數據采集路徑，參考服裝圖片元數據標準，建立了具有參考價值的鞋履流行色預測數據標簽體系和內涵。其中包含了9項數據標簽元素和4項數據描述元素，在數據挖掘生成鞋履流行色的時序中，可以用于爬取數據的描述、管理、選擇、清洗等流程。通過建立針對鞋履的流行色預測數據標簽體系，對后續相關研究形成初步的基礎，該標簽體系具有一定的適用性，內涵可以隨著時間的推移不斷優化；在未來，還可以通過不同標簽數據與市場流行色表現的關系，對不同標簽數據進行賦權，不斷對預測結果進行驗證和修正，建立可靠的預測模型，為企業高效地、定制化智能預測流行色。將預測結果應用于實際的鞋履設計和生產中，可以為鞋履企業提供科學的設計和生產指導，開發出適銷對路的產品，提高其競爭力，最終為行業的整體發展作出貢獻。