Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • harvard-cite-them-right
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Data-driven Business Understanding in the Fashion and Apparel Industry
Högskolan i Borås, Akademin för textil, teknik och ekonomi.
Högskolan i Borås, Akademin för bibliotek, information, pedagogik och IT.
2021 (Engelska)Konferensbidrag, Publicerat paper (Övrigt vetenskapligt)
Abstract [en]

Data analytics is pervasive in retailing as a key tool to gain customer insights. Often, the data sets used are large, but also rich, i.e., they contain specific information, including demographic details, about individual customers. Typical usage of the analytics include personalized recommendations, churn prediction and estimating customer life-time value. In this application paper, an investigation is carried out using a very large real-world data set from the fashion retailing industry, containing only limited information. Specifically, while the purchases can be connected to individual customers, there is no additional information available about the customers. With this in mind, the main purpose is to discover what the company can learn about their business and their customers as a group, based on the available data. The exploratory analysis uses data from four years, where each year has more than 1 million customers and 6 million transactions. Using traditional RFM (Recency, Frequency and Monetary) analysis, including looking at the transitions between different segments between two years, some interesting patterns can be observed. As an example, more than half of the customers are replaced each year. In a second experiment, the possibility to predict which of the customers that are the most likely to not make a purchase the next year is examined. Interestingly enough, while the two algorithms evaluated obtained very similar f-measures; the random forest had a substantially higher precision, while the gradient boosting showed clearly better recall. In the last experiment, targeting only the customers that have remained loyal for at least three years, rule sets describing patterns and trends that are strong indicators for churn or not are inspected and analyzed.

Ort, förlag, år, upplaga, sidor
2021.
Nyckelord [en]
RFM modeling, Churn prediction, Fashion and apparel
Nationell ämneskategori
Företagsekonomi Datavetenskap (datalogi)
Forskningsämne
Textil och mode (generell); Handel och IT
Identifikatorer
URN: urn:nbn:se:hb:diva-26470OAI: oai:DiVA.org:hb-26470DiVA, id: diva2:1595597
Konferens
The 18th International Conference on Modeling Decisions for Artificial Intelligence, On-line (from Umeå, Sweden), September 27 - 30, 2021
Tillgänglig från: 2021-09-20 Skapad: 2021-09-20 Senast uppdaterad: 2021-09-29
Ingår i avhandling
1. Data-driven AI Techniques for Fashion and Apparel Retailing
Öppna denna publikation i ny flik eller fönster >>Data-driven AI Techniques for Fashion and Apparel Retailing
2021 (Engelska)Doktorsavhandling, sammanläggning (Övrigt vetenskapligt)
Abstract [en]

Digitalisation allows companies to develop many new ways of interacting with customers and other stakeholders. These digital interactions typically generate data that can be stored and later processed for different objectives. Currently, the fashion and apparel industry is undergoing a disruptive transformation due to digitalisation, including a rapid increase in the generation of data in various parts of the supply chain. While most data may not be stored with data mining or other analyses in mind, collected data frequently contain very valuable information that can be exploited. Analytics, in particular the use of data-driven AI techniques, is therefore becoming a pervasive tool that is used for a large variety of purposes and in many different processes. While the popularity of Artificial Intelligence (AI) as an advanced tool for improved decision support is increasing, applications of AI within the fashion and apparel industry have historically been rather limited.

With this in mind, the overall purpose of this thesis is to, after presenting an overview of research on applications of data-driven AI in the fashion and apparel industry, demonstrate how various data sets and AI techniques can be utilised for improved decision support in different scenarios.

Whilst the thesis first investigates the impact of AI on different parts of the supply chain, the empirical work focuses on fashion and apparel retailing. Here, different AI techniques are explored in a set of case studies covering several applications in fashion and apparel retailing, thus showing the potential of data-driven AI for decision support in that domain.

One important learning outcome, found in several of the studies, is the need to combine several data sources and techniques in the projects. Another takeaway is the benefit of interpretable models, which allow for inspection and analysis of the discovered relationships. From an applied perspective, approaches like RFM modelling can be utilised as a pre-step to predict customer churn, add sentiment analysis to short-term sales forecasting and build campaign and simulation engines from historical data, which could potentially be used by many retailers.

In conclusion, this thesis has, mainly through a set of case studies addressing real-world problems and utilising real-world data sets, demonstrated how data-driven AI techniques can support and improve fashion and apparel retailers’ decision-making.

Abstract [sv]

Digitaliseringen möjliggör nya sätt för företag att interagera med kunder och andraintressenter. Dessa digitala interaktioner generar data som kan lagras och senare processerasför olika ändamål. Modeindustrin genomgår just nu en disruptiv transformation på grund avdigitaliseringen, vilket har lett till en snabb ökning av den mängd data som genereras i olikadelar av värdekedjan. Även om avsikten med merparten av den data som lagras inte är att denska nyttjas för data mining eller annan datadriven analys, så innehåller den potentielltvärdefull information som kan utnyttjas av företagen. Datadrivna analysmetoder, framför alltAI, har därför fått ett stort genomslag, och används nu för en mängd olika syften ochprocesser. Även om användandet av AI som verktyg för förbättrat beslutsstöd ökar, så haranvändningen inom modebranschen historiskt sett varit relativt begränsad.Med detta som bakgrund, är denna avhandlings övergripande syfte att presentera engenomgång av forskning kring applikationer av data-driven AI i modeindustrin samt att visahur olika datamängder och AI tekniker kan användas för att skapa förbättrat beslutstöd i ettantal scenarion.Även om avhandlingen börjar med en översikt över AI i olika delar av värdekedjan, så är detempiriska arbetet fokuserat på detaljhandeln inom modebranschen. Här utvecklas och prövasolika AI-tekniker i ett antal fallstudier som spänner över en mängd tillämpningar inommodehandeln.En viktig lärdom från flera av avhandlingens studier är behovet att kombinera olika typer avdatamängder och tekniker. En annan generell slutsats är fördelarna med tolkningsbaramodeller, vilka möjliggör granskning och analys av identifierade samband. Utifrån ett mertillämpat perspektiv bör vissa tillvägagångssätt, som till exempel att utnyttja RFM-analys vidchurn-prediktion, att berika försäljningsdata med sentimentanalys vid korttidsprognoser samtatt skapa ett simuleringsverktyg för kampanjer från historisk data, visa sig värdefulla föraktörer inom detaljhandeln. 

Abstract [fr]

La digitalisation offre aux entreprises la capacité de développer de multiples et nouvellesmodalités d'interaction avec les clients et les autres intervenants. Ces interactions numériséesengendrent typiquement des données qui peuvent être sauvegardées et traitées plus tard pourdivers objectifs. L'industrie de l'habillement subit actuellement une transformation disruptivedue à la digitalisation, notamment une augmentation rapide du volume de données généréespar les différentes parties de la chaîne d'approvisionnement. Tandis que la plupart des donnéesne sont pas nécessairement stockées dans l'optique de l'exploration des données ou autresformes d’analyse, les données collectées contiennent fréquemment des informations trèsintéressantes qui peuvent être exploitées. Ainsi, les outils d'analyse, en particulier lestechniques d'IA axées sur les données, deviennent omniprésents et sont utilisés à des fins trèsvariées et dans de nombreux processus différents. Bien que la popularité de l'IA en tantqu'outil performant pour une meilleure aide à la décision ne cesse de croître, les applicationsde l'IA dans le secteur de la mode et de l'habillement restent relativement limitées. Dans cetteoptique, l'objectif général de cette thèse consiste, après avoir donné un aperçu général desapplications de l'IA basée sur les données dans le secteur de la mode et de l'habillement, àdémontrer la possibilité d'utiliser divers ensembles de données et techniques d'IA pouraméliorer l'aide à la décision dans le cadre de divers scénarios.Cette thèse examine initialement l'impact de l'IA sur différentes parties de la chaîned'approvisionnement, le travail empirique se concentre sur le secteur de la mode et del'habillement. Différentes techniques d'IA sont alors explorées dans une série d'études de cascouvrant plusieurs applications dans ce secteur, révélant ainsi le potentiel de mise en œuvre del'IA basée sur les données pour la prise de décision.L'un des acquis importants tiré de diverses études est la combinaison de multiples sources dedonnées et de techniques dans les projets. Un autre constat général est l'avantage des modèlesinterprétables, permettant l'inspection et l'analyse des corrélations trouvées. Sur le planpratique, certaines approches, comme la prédiction du comportement de désabonnement desclients, l'ajout de l'analyse des sentiments aux prévisions de ventes à court terme et laconstruction d'un moteur de simulation et de publicité à partir de données historiques,pourraient être utilisées par de nombreuses enseignes de prêt-à-porter.En guise de conclusion, la présente thèse a démontré, principalement par le biais d'une séried'études de cas abordant des problèmes du quotidien et utilisant des bases de données réelles,que les techniques d'IA axées sur les données peuvent soutenir et améliorer la prise dedécision du secteur de la mode et de l'habillement

Abstract [zh]

数字化技术能够为服装公司提供了多种新方式与客户和其他利益相关者进行互动。这些数字交互通常会产生的数据,可以将这些数据进行存储和处理以实现不同的目标。目前,时装及成衣业正经历数字化技术带来的颠覆性转变,其中包括在供应链各环节中生成的数据量急剧增加。尽管大部分数据可能不是为了数据挖掘或其他分析而进行存储的,但通常收集获得的数据中包含可以利用的、非常有价值的信息。各种算法,尤其是使用数据驱动的人工智能技术的算法,正在成为一种普遍应用的工具,正在用于各种各样场合和许多不同过程。虽然人工智能作为改善决策支持的先进工具越来越受欢迎,但人工智能在时装和服装业的应用历来相当有限。本论文的总体目标是在有关数据驱动人工智能在时装和服装行业的应用研究成果基础上,分析利用各种数据集和人工智能技术针对不同情景下的优化提供决策支持。本文首先研究了人工智能对供应链不同环节的影响作用,针对服装和服装零售业进行实证研究工作。对人工智能技术在一系列案例进行分析研究,这些案例研究涵盖了时装和服装零售领域的不同应用场景,从而证实了利用数据驱动的人工智能在该领域进行决策支持的应用潜力。本研究的重要成果之一就是从几项相关案例分析中发现需要结合多个数据来源和多项技术来进行项目研究。另外,研究结果证实了解释模型的优点,能够通过检查和分析发现相互之间的关系。从应用的角度来看,本研究提出的一些方法,例如预测客户流失、在短期销售预测中加入情绪分析、以及根据历史数据建立活动和模拟引擎,可以满足于许多零售商的使用需求。总之,本研究主要通过针对一系列现实问题的案例研究,提出解决方案,并利用真实的数据集合,论证了数据驱动的人工智能技术在支持和优化服装零售商决策方面的应用。

Ort, förlag, år, upplaga, sidor
Borås: Högskolan i Borås, 2021
Serie
Skrifter från Högskolan i Borås, ISSN 0280-381X ; 125
Nyckelord
Digitalization, artificial intelligence, fashion and apparel industry, churn prediction, sales forecasting, campaign analysis, data driven AI decision-making, 数字化,人工智能,服装产业,客户流失预测,销售预测,竞争分析,数据驱动的人 工智能决策, Digitalisation, intelligence artificielle IA, industrie de la mode et de l'habillement, prédiction de désabonnement, prévision des ventes, analyse des promotions, Prise de décision par IA axée sur les données, Digitalisering, Artificiell intelligens, Modeindustrin, Churnprediktion, Försäljningsprognoser, Kampanjanalys, Datadriven AI, Beslutsstöd
Nationell ämneskategori
Företagsekonomi Datavetenskap (datalogi)
Forskningsämne
Handel och IT; Textil och mode (generell)
Identifikatorer
urn:nbn:se:hb:diva-26478 (URN)978-91-89271-44-9 (ISBN)978-91-89271-45-6 (ISBN)
Disputation
2021-10-15, M404, Zoom, 10:00 (Engelska)
Opponent
Handledare
Projekt
SMDTex
Tillgänglig från: 2021-09-24 Skapad: 2021-09-21 Senast uppdaterad: 2021-11-15Bibliografiskt granskad

Open Access i DiVA

fulltext(2000 kB)373 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 2000 kBChecksumma SHA-512
d391d23d1e6f8d95bb8e17c4d692c473306c39ac6990edadd82cae40eb50c7be832fc67f33c5a51f2b9ded8fba4bc9484cdeb6ad0162db5ecc0716ad2620afc7
Typ fulltextMimetyp application/pdf

Övriga länkar

http://www.mdai.cat/mdai2021/index.phphttp://www.mdai.cat/mdai2021/proceedings.MDAI2021.usb.pdf

Person

Giri, ChandadeviJohansson, Ulf

Sök vidare i DiVA

Av författaren/redaktören
Giri, ChandadeviJohansson, Ulf
Av organisationen
Akademin för textil, teknik och ekonomiAkademin för bibliotek, information, pedagogik och IT
FöretagsekonomiDatavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 373 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 1058 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • harvard-cite-them-right
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf