APP下载

浅谈时尚大数据分析

2020-10-12史英杰杨珂

中国市场 2020年25期
关键词:数据驱动数据分析

史英杰 杨珂

[摘 要]文章分析在数据驱动背景下时尚大数据分析的现状和应用前景,介绍三种典型的时尚大数据分析案例,希望为相关领域的研究人员提供一定参考。

[关键词]时尚大数据;数据驱动;数据分析

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

1 引言

互联网技术及移动技术的兴起促进了电子商务、社交网络的飞速发展,使得时尚相关数据的数量达到了前所未有的高度,而服装工业的决策也开始走向数据驱动的模式。采用大数据技术对海量的服装时尚数据进行分析,对科学研究和服装工业的发展都有巨大的价值。大数据分析能够应用于时尚产业领域并不偶然,因为两者有较强的兼容性,主要植根于三个要素:数据海量性、多样性和快速性

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

。此外,时尚数据还具有时间相关性和主观性。时尚本身就是人类社会文化的一部分[1],因此时尚数据除了涵盖服装的廓形、纹理、颜色等物理属性外,还存在一定的主观本质,受到时间、地域等多种因素的综合影响。时尚分析过程中应当考虑到多种因素的相关性,减少估计或预测结果的偏差。

2 时尚大数据分析典型案例

2.1  谷歌流行趋势预测

谷歌积累了大量来自全球用户的搜索日志,2016年谷歌公司发布了时尚趋势报告Fashion Trends

https://www.thinkwithgoogle.com/advertising-channels/search/fashion-trends-2016-google-data-consumer-insights.。基于2014—2016年的时装搜索日志,谷歌分析了2016年的流行趋势,包括当年处于上升、下滑趋势的流行时尚元素等。这些不同的风格元素代表了2016年主流时尚,不仅为用户提供了穿搭参考,还为时尚工业厂商提供了重要的设计及生产链参考。

图1 谷歌趋势报告中“连衫裤”趋势

2.2  Stitch Fix时尚定制

Stitch Fix

https://www.stitchfix.com.通过分析用户的个人穿衣风格、尺寸、偏好等信息,为不同用户定期定制不同风格的服装和服饰。如图2所示,Stitch Fix利用公司积累的用户反馈信息分析时尚趋势和周期性变化[2],将用户对时尚元素的积极或消极反馈转化成伯努利实验。针对某一时尚元素,用户正面选择的概率和它的流行程度有关。选择为1的概率越大,则说明该元素越受欢迎,可以作为是否流行的判断。

图2 Stitch Fix时尚元素分析[4]

2.3  Data Dress App

谷歌和Ivyrevel合作推出了一款个性化推荐App——“Data Dress”

https://www.cnbc.com/2017/02/08/google-and-hm-create-personalized-coded-couture-dress-based-on-smartphone-app-data.html.。用户安装Data Dress后,该App开始监测用户的日常活动、生活习惯和位置信息等。数据收集后,Data Dress开始分析用户的穿衣喜好,结合谷歌的推荐算法向用户推荐并定制个性化的服饰。Data Dress将用户的生活方式数据带入到推荐和时尚单品设计中,提供了一种全新的时尚消费模式。

图3 Data Dress

3 结语

传统的时尚分析使用历史数据和直觉来预测客户需求https://bigdata-madesimple.com/forecasting-the-fashion-future-big-data-comes-to-rescue-fashion-designers/.,然而面临更加快速变化的时尚趋势,仅凭传统的分析方法,很难准确及时地预测出时尚潮流的发展趋势。将大数据技术应用于海量的时尚数据,可分析时尚产业的整体格局以及流行趋势,为制定合适的商业战略提供重要参考。目前时尚大数据分析已经有部分研究工作出现,然而时尚大数据的特点使得其分析面临较大挑战,为国内外研究人员提供了广阔的研究空间。

参考文献:

[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.

[基金項目]北京服装学院高水平教师队伍建设专项资金资助项目(项目编号:BIFTQG201803);北京市服装产业数字化工程技术研究中心开放课题项目(项目编号:KJCX1902-30299/009);北京市教委科技计划项目(项目编号:SQKM201810012010)。

猜你喜欢

数据驱动数据分析
基于网络与数据智能化的数码印花产品设计定制模式研究
数据驱动理念在大学英语课程中的应用
浅析大数据时代对企业营销模式的影响