2段階の機械学習予測モデルに基づく季節性のある中古アパレル商品の需要予測に関する一考察

• Item type: Journal(1)
• 公開日: 2022-11-15
• タイトル: 2段階の機械学習予測モデルに基づく季節性のある中古アパレル商品の需要予測に関する一考察
• タイトル / 言語: en
• タイトル: Machine Learning for Demand Prediction of Seasonal Second-hand Fashion Items Based on Prior and Fine-tuning Prediction Models
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文] 中古アパレル商品，ECサイト，機械学習，販売履歴，需要予測
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• ID登録: 10.20729/00222144
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 早稲田大学
• 著者所属: 上智大学
• 著者所属: 株式会社ZOZO
• 著者所属: 早稲田大学
• 著者所属(英): en
• 著者所属(英): Waseda University
• 著者所属(英): en
• 著者所属(英): Sophia University
• 著者所属(英): en
• 著者所属(英): ZOZO, Inc.
• 著者所属(英): en
• 著者所属(英): Waseda University
• 著者名: 齊藤, 芙佑; 山下, 遥; 佐々木, 北都; 後藤, 正幸
• 著者名(英): Fuyu, Saito; Haruka, Yamashita; Hokuto, Sasaki; Masayuki, Goto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: ECサイトなどの普及にともない中古品の流通経路は多様化し，市場は拡大傾向にある．特に，軽量で運搬が容易で“古いからこそ個性的で価値がある”中古アパレル商品がさかんに売買されている．中古ファッション業界において，季節性が強く特徴的な需要変動を示す季節性アイテムの在庫・出品管理は非常に重要である．シーズン序盤での過剰出品は，その後の欠品による企業の魅力度および顧客満足度の低下につながってしまう．一方，過少出品は，販売時期逸機による不良在庫の発生につながってしまう．このトレードオフの問題を解決するため，季節性アイテムは需要を精確に予測し戦略的に出品される必要がある．これに対し従来では，出品管理者の経験やノウハウに基づき需要を予想し計画・管理されることが多かった．しかし，従来の判断は属人的で客観性に欠け，予想が大幅に実績と異なる場合，問題を解決できていない懸念もある．そこで本研究では，より定量的な判断に基づく的確な出品計画を支援するための需要予測手法を提案する．シーズン前にワンシーズン全体の販売数予測を行う長期予測モデルと，直近の新たな情報を用いた残差予測による調整を行う短期予測モデルを組み合わせた2段階の手法である．さらに，提案を実データに適用・分析し，十分な精度を保持し有用であることを示す．また，出品数決定の指標とする実証実験を設計し，実ビジネスで運用することで，提案手法の有効性を実証的に検証する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: With the proliferation of E-commerce sites etc., distribution channels for second-hand fashion items are diversifying and its market is expanding. In the fashion industry, seasonal items that are in demand in particular seasons are very important. For them, excessive sales can lead to a decline in the attractiveness of the company and customer satisfaction due to subsequent shortages, but under-listing leads to the generation of bad inventory due to missed sales. To solve such trade-off problem, seasonal items need to be strategically listed by accurately predicting demand. Previously, planning and managing inventory, listing, and sales were often based on the experience and know-how of display managers. However, conventional judgments are impersonal and lack objectivity, and there are concerns that they do not solve the problem when the prediction differs from the actual. Therefore, this paper proposes a demand forecasting method that enables accurate planning of seasonal items based on more quantitative judgment. Furthermore, by applying the proposal to real data and analyzing it, we show the usefulness. In addition, we design and operate a demonstration experiment to use the method as an indicator for determining the number of new items to be listed and verify its effectiveness in real business.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 63, 号 11, p. 1684-1696, 発行日 2022-11-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764
• 公開者 / 言語: ja
• 公開者 / 出版者: 情報処理学会