초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

최근 몇 년 동안 패션 산업은 사회적, 환경적 문제에 대한 제한적인 고려로 인해 비판받았고, 패션의 비 재정적인 비용을 세계적인 공공 의제로 올려놓았다. 섬유 생산과 패션 소비의 급격한 증가는 소비자들에게 트렌드 주도 제품의 형태로 빈번한 참신함을 제공하는 것에 기반을 둔 패스트 패션(Fast fashion)의 출현 때문이다. 한편, 수요 예측은 제품이나 서비스의 수요량과 시기를 추정하는 것으로 생산, 재고관리에서 효율적인 전략을 구사할 수 있는 방법으로 이용된다. 본 연구는 기존의 선행연구에서 공통으로 언급하는 패션 산업의 급격한 변동성으로 인한 수요 예측의 어려움을 “인기재입고” 즉, 특정 수요가 많았던 상품과 일반상품을 분류하는 모델을 구축함으로써 불규칙적 패턴을 보이는 패션 산업에서의 수요를 예측하였다. 국내 ...

최근 몇 년 동안 패션 산업은 사회적, 환경적 문제에 대한 제한적인 고려로 인해 비판받았고, 패션의 비 재정적인 비용을 세계적인 공공 의제로 올려놓았다. 섬유 생산과 패션 소비의 급격한 증가는 소비자들에게 트렌드 주도 제품의 형태로 빈번한 참신함을 제공하는 것에 기반을 둔 패스트 패션(Fast fashion)의 출현 때문이다. 한편, 수요 예측은 제품이나 서비스의 수요량과 시기를 추정하는 것으로 생산, 재고관리에서 효율적인 전략을 구사할 수 있는 방법으로 이용된다. 본 연구는 기존의 선행연구에서 공통으로 언급하는 패션 산업의 급격한 변동성으로 인한 수요 예측의 어려움을 “인기재입고” 즉, 특정 수요가 많았던 상품과 일반상품을 분류하는 모델을 구축함으로써 불규칙적 패턴을 보이는 패션 산업에서의 수요를 예측하였다. 국내 SPA 브랜드 중 하나인 에잇세컨즈의 온라인 쇼핑몰에서 여성 상의 1,687개, 남성 상의 1,045개 상품을 수집하였으며 종속변수를 “인기재입고” 상품 여부로 정의하여 이진 분류(Binary Classification) 모델을 구축하였다. 본 연구에서는 f1 score 0.75, auc roc socre 0.88로 모델 성능이 가장 높았던 CatBoost를 최종 모델로 선정하였고 SHAP기법을 통해 각 설명변수의 기여도를 도출하고 해석하였다. 그 결과, 여성 소비자의 경우 상품 구매 후기와 관련된 설명변수가 상위에 분포하였으며 남성 소비자는 경제활동인구, 날씨와 같은 외부요인과 상품의 색상, 크기 등의 상품 속성 변수가 상위에 분포하는 것을 확인하였다. 이러한 차이는 성별에 따른 온라인 구매 행태에서 그 이유를 찾아볼 수 있었는데, 여성은 다양한 정보와 신뢰를 기반으로 한 소비 성향인 반면 남성은 목적 지향적 성향과 콘텐츠 중심의 소비 습관으로 이와 같은 차이가 발생한 것으로 해석할 수 있다. 본 연구는 기존 패션 산업의 급격한 변동성으로 인한 수요 예측의 어려움을 불규칙적 수요로 판단하고 이를 예측하는 새로운 정량적 접근의 방식을 제시했다는 점과 기계학습의 설명 불가능한 부분을 XAI를 통해 해석했다는 점에서 의의가 있다.