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①。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年谷歌公司了时尚趋势报告FashionTrends②。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。
2.2StitchFix时尚定制
StitchFix③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，StitchFix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。
2.3DataDressApp
谷歌和Ivyrevel合作推出了一款个性化推荐App———“DataDress”④。用户安装DataDress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，DataDress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。DataDress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。
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⑤，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。
作者:史英杰 杨珂 单位:北京服装学院
