ファッション予測

ファッション予測は、ルイ14世の治世中のフランスで始まりました。^[1]ファッションについてのコミュニケーションの方法として始まり、徐々にファッション業界で時代を先取りする方法へと変化しました。ファッション予測は、社会と消費者の気分、行動、購買習慣を予測し、予測に基づいて今後のリリースを決定しています。ファッショントレンドは20年ごとに繰り返される傾向があり、ファッション予測はファッションのローテーションとともに他のトレンドも予測します。ファッション予測はさまざまな理由で使用できますが、主な理由は、現在のトレンドを把握し、消費者が将来何を望むかを知ることです。この方法は、ファッションブランドが何を期待し、何を事前に生産開始するかを知るのに役立ちます。Vogue ^[2]やGucciなどのトップブランドや高級企業でさえ、この方法を使用して、デザイナーがファッション業界の将来についてさらに情報を得られるようにしています。

ファッション予測は、今後のファッショントレンドに焦点を当てた世界的な職業です。ファッション予測者は、色、パターン、生地、質感、素材、プリント、グラフィック、美容グルーミング、アクセサリー、履物、ストリートスタイル、および今後のシーズンにさまざまなランウェイショーや店舗で発表される他の多くのスタイルを予測します。この概念は、アーバンプラネットのような小規模なボックスストアからプラダのような大規模な高級ファッション企業まで、ファッション業界の1つではなくすべてのレベルに適用されます。^[3]ファッション予測プロセスには、ビジネスのビジョンと対象顧客のプロファイルを理解し、入手可能な商品に関する情報を収集し、情報を準備し、トレンドを決定し、会社と対象顧客に適した商品を選択するという基本的なステップが含まれます。たとえば、ファッショントレンド予測では、2022年のトレンドはオーバーサイズのシャツとスウェットシャツで構成され、パフスリーブのトレンドが継続し、ドレスとトップスは年末まで ボリュームを維持^{[説明が必要]すると予測されました。}

ファッション予測は、その効果を上げるためにさまざまな部分から構成されています。長期予測は、さまざまな情報源をスキャンして特定できるトレンドを分析および評価し、そのトレンドが 2 年以上続くことを確認するプロセスです。次に、短期予測があります。これは、国内外の現在のイベントやポップ カルチャーに焦点を当て、さまざまなカラー プレート、生地などを通じて顧客に伝えられる可能性のあるトレンドを特定します。

長期予測とは、さまざまな情報源をスキャンして特定できるトレンドを分析および評価するプロセスです。^[4]これは2年以上続くファッションです。^[5]市場と消費者をスキャンする際、ファッション予測者は、都市部と郊外の両方の特定の地域の人口統計を追跡するとともに、経済、政治システム、環境、文化による小売業とその消費者への影響を調べる必要があります。長期予測では、国際的および国内の人口統計の大きな変化、市場構造に伴うファッション業界の変化、消費者の期待、価値観、購入意欲、テクノロジーと科学の新しい開発、特定の国間の経済的、政治的、文化的同盟の変化を特定しようとします。^[6]長期予測に焦点を当て、業界に今後のことを知らせる展示会やその他のイベントに参加する専門のマーケティングコンサルタントが多数います。消費者のニーズに影響を与え、企業のビジネスと特定のニッチ市場に影響を与える人口統計と心理統計の変化が特定されます。^[6]

短期予測は、国内外の時事問題やポップカルチャーに焦点を当て、季節ごとのカラーパレット、生地、シルエットのストーリーを通じて顧客に伝えられる可能性のあるトレンドを特定します。^[6]クラシックなスタイルにモダンなひねりを加えたファッションは、私たちの目を惹きつけます。環境をスキャンする際に注目すべき重要な領域は、時事問題、芸術、スポーツ、科学技術です。短期予測は流行予測とも考えられます。^[6]

ファッション予測には2つのタイプがあります。短期予測は1～2年先のトレンドを想定し、色、織物、スタイルなどの新製品の特徴に焦点を当て、長期予測は5年以上先のトレンドを予測し、素材、デザイン、生産、小売に関するファッション業界の方向性に焦点を当てます。長期予測はファッション企業の開発戦略に貢献し、製品ラインの再配置や拡張、新規事業の開始、ブランドイメージの復活に関する決定を下すのに役立ちます。^[7]

各小売業者のトレンド予測はさまざまで、主にその会社が卸売ブランドかプライベート ラベル開発業者かによって異なります。「毎シーズン、何百人ものデザイナーが、平均的な消費者が目にすることのない、息をのむようなコレクションを発表しています。重要なのは、誰がそれを見るかです。つまり、ファストファッション小売業者の社内デザイナーやバイヤーなど、細心の注意を払い、どのスタイル、パターン、カットが平均的な女性にアピールするかを特定し、予測する人々です。」^[8]

フォーエバー21のような大企業には、次のシーズンのスタイル、生地、色を追う独自のトレンド部門があります。これは垂直統合とも呼ばれます。^[6]独自のトレンド部門を持つ企業は、開発者が協力して売り場の統一された外観を作り出すことができるため、そうでない企業よりも有利です。製品開発者が提供する各季節のコレクションは、独自に定義したターゲット市場に焦点を当てたトレンド調査の結果です。

製品開発者は、特定の製品カテゴリと価格帯におけるファッショントレンドの影響に応じて、年間2〜6シーズンのコレクションを提供する場合があります。^[9]婦人服会社は流行に敏感で、年間4〜6ラインを生産する場合があります。紳士服会社は年間2〜4ラインを発表し、子供服会社は通常3〜4シーズンのコレクションを発表します。各シーズンのコレクションは製品開発者によってデザインされ、色と生地のストーリーにリンクされた特定のテーマに基づいています。^[6]

マーチャンダイザーは、今後のトレンドの方向性を決める上でも重要な役割を果たします。^[6]開発者とは異なり、マーチャンダイザーは購買経験が豊富で、消費者が何を求めているかを熟知しています。デザイナーは特定のトレンドを取り入れ、ラインや衣服のスタイル、シルエット、色を決定し、特定のシーズンの全体的なテーマを作成します。^[6]

上流階級の服装は、下層階級が次第にそれを真似るにつれて、独自性を失い始めます。こうなると、新しい階級の指標となる新しい概念が、現在のトレンドに取って代わらなければなりません。その結果、上流階級はファッションの成長に影響を与え始め、下層階級は「複製者」としての役割を果たします。^{[引用が必要]}

個々のブロガーもファッション予測に貢献し、デザイナーや製品チームに影響を与えます。

ファッションブランドや代理店がトレンドを予測する典型的な方法は、ランウェイショー、見本市、新聞や雑誌の情報、市場調査を分析することです。^[10] 過去には、これらの情報源がファッション予測者に利用可能な唯一のものであり、ブランドや小売業者はこの情報を使用して将来のコレクションを計画していました。^[11] しかしファッション業界は変化し、記述的分析には現在、規範的分析と予測的分析が伴います。 インターネット、そしてその結果としてソーシャルメディアは、トレンドのライフサイクルを加速し、ファストファッションやグローバルサプライチェーンなどの現象を生み出しました。 トレンドのバイラリティ、市場投入までの時間、消費者行動は、デジタル時代の結果として、過去10年間で変化しました。 現在では、新しいテクノロジー、主にAIを使用したファッション予測サービスがあり、次に何が来るかを予測しています。^{[12]ファッション予測における} 人工知能は、ソーシャルメディア上のテキストやハッシュタグ、ブランドや雑誌が公開するオンラインコレクション、eコマースでの消費者行動を分析するためによく使用されます。^[13] ソーシャルメディアでは、機械学習はAIを使用してファッショントレンドを予測する別の方法です。これは、画像の大規模なデータベースを分析して、衣類やアクセサリーのさまざまな特徴を判断するアルゴリズム プロセスです。この生のデータは、トレンドのオンライン可視性の判断から将来の市場需要まで、人間の介入によってトレンド予測に変換されます。人工知能は、製品の品揃え、顧客行動、設計プロセス、マーケティングなど、ファッション予測に多くの用途があります。ソーシャル メディアと顧客の認識の重要性が高まったことにより、ファッション予測における AI の採用ペースが加速しています。

あらゆる分野の小売業者や卸売業者が直面する最も重大な課題の 1 つは、需要予測です。正確な需要予測によって現在の市場における見込み収益に関する重要な情報が得られるため、企業は価格設定や会社の拡張計画について十分な情報に基づいた判断を下すことができます。需要を過大評価すると将来の売上が失われる可能性があります。一方、サプライヤーに余剰在庫が残ると、大幅な割引戦略が必要になる可能性があり、損失やキャッシュ フローの困難につながる可能性があります。

ファッション業界では、季節的な傾向、データの不足、全体的な予測不可能性などにより、需要予測は特に複雑です。

賢明なファッション予測者は、政治的および経済的背景、地理的人口統計、顧客の期待、市場動向、企業内部の計画など、数多くの要因を考慮する必要があります。過去のパターンを将来に投影し、差し迫った出来事を予測するために変化の指標を探すことが、この文脈における「予測」の 2 つの基本的な目的です。

通常の方法の主な構成要素は、特定のソフトウェアまたは前年度の売上から取得した標準予測です。次に、専門家は説明要因を考慮してこの標準を修正します。この方法の利点は、季節性の影響と主要な説明要因によって結果が非常に正確になる可能性があることです。この方法の欠点は、処理する変数が多すぎると、分析が不正確で困難になり、作業が非常に面倒になることです。さらに、要素が多すぎると、オペレーターの専門知識のレベルに応じて結果が異なります。

予測モデルを開発する際に考慮すべき最初の要素は、履歴データの存在です。

ファッション業界では、次の 2 つのレベルのデータ集約での予測が必要になる傾向があります。

「ファミリー レベル」では、同じカテゴリ (T シャツ、ズボンなど) の製品で構成されているため、企業は中期的な購入、製造、供給を計画および調整できます。このレベルの集約には、履歴データが存在することがよくあります。

店舗で商品を短期間で補充して配布するには、「SKU レベル」が不可欠です。参照 (SKU) は 1 シーズンのみに作成されるため、一時的なものです。そのため、履歴データは利用できません。

1. 「ファッション予測とトレンド リソース」 UC 図書館 | シンシナティ大学。Web。2011 年 4 月 10 日。<http://libraries.uc.edu/libraries/daap/resources/researchguides/design/forecasting.html>。
2. 「ファッショントレンド予測：NPR」 NPR：ナショナル・パブリック・ラジオ：ニュースと分析、世界、米国、音楽と芸術：NPR。ウェブ。2011 年 4 月 10 日。https://www.npr.org/2003/09/17/1432978/forecasting-fashion-trends。
3. カイザー、サンドラ J.、マーナ B. ガーナー。デザインを超えて: アパレル製品開発の相乗効果。ニューヨーク: フェアチャイルド パブリケーションズ、2008 年。印刷。
4. ミラー、クレア・ケイン。ハイファッションのデザイナーがハイテク時代に突入：ニューヨーク・タイムズ。2008 年 9 月 8 日。<https://www.nytimes.com/2008/09/08/technology/08trend.html?pagewanted=print&_r=0>。
5. 「ファッショントレンド：分析と予測」キム・ウンドク・フィオーレ（2013-05-09）
6. 「ファッション予測者 - 色彩とトレンド予測の隠された歴史」、レジーナ・リー・ブラズチックとベン・ウブス編、275ページ、ブルームズベリー社刊
7. L. スヴェンセン、J. アイアンズ (2006)。ファッション：哲学。リアクションブックス。^[14]
8. Gardino, GB, Meo, R., & Craparotta, G. (2020). マルチビュー潜在学習のファッション業界への応用。情報システムフロンティア、23(1), 53–69. https://doi.org/10.1007/s10796-020-10005-8 ^[15]
9. Choi, TM, Hui, CL, & Yu, Y. (編著). (2014). インテリジェントファッション予測システム: モデルとアプリケーション. Scholars Portal Books. https://doi.org/10.1007/978-3-642-39869-8 ^[16]

• 人口統計
• サイコグラフィックス
• ニッチ市場