Moda Minorista: Predicción de la Demanda para Nuevos Artículos - Un Enfoque de Aprendizaje Automático

1. Introducción

La predicción de la demanda en el comercio minorista de moda representa uno de los desafíos más complejos de la industria. La naturaleza transitoria de las tendencias en colores, estampados, cortes, patrones y materiales, combinada con largos ciclos de diseño, requisitos de fabricación en masa y variaciones geográficas en el consumo, crea un entorno de alto riesgo para los minoristas. Los métodos tradicionales de pronóstico dependen en gran medida de los datos históricos de ventas de artículos existentes, lo que los hace inadecuados para predecir la demanda de diseños o estilos completamente nuevos, que es el enfoque principal de esta investigación.

Este artículo, presentado en el Taller de KDD 2019 sobre IA para la Moda, aborda esta brecha crítica. Los autores de Myntra Designs proponen un enfoque novedoso que va más allá del análisis de series temporales de ventas pasadas. En su lugar, analizan datos de ventas de moda a gran escala para inferir qué atributos específicos del producto (por ejemplo, escote, tipo de manga, tejido) y factores de comercialización (por ejemplo, precio, marca) impulsan la demanda del consumidor. Luego construyen modelos de aprendizaje automático generalizados capaces de pronosticar la demanda de nuevos artículos basándose únicamente en estos atributos, antes de que exista cualquier historial de ventas.

2. Planteamiento del Problema y Desafíos

El problema central es el escenario de "inicio en frío" en la previsión de la moda: predecir la demanda de un nuevo artículo sin datos históricos de ventas. Las técnicas convencionales fallan porque:

• Interacciones No Lineales: Múltiples parámetros de diseño (color, patrón, corte) interactúan de formas complejas y no lineales para definir el atractivo de un artículo, haciendo imposible una extrapolación simple.
• Dependencia de la Intuición: La práctica actual de la industria a menudo depende de la intuición subjetiva de los compradores, lo que conduce a una alta variabilidad, incapacidad para tener en cuenta los efectos cruzados entre productos (sustitución, canibalización) y errores de pronóstico significativos.
• Costo Empresarial y Ambiental: Los pronósticos inexactos resultan en oportunidades de ventas perdidas, inventario masivo no vendido (pérdida de capital de trabajo) y daños ambientales por sobreproducción y desperdicio.

La necesidad es un modelo basado en datos, generalizable, que traduzca los atributos del artículo en un pronóstico de demanda confiable para un horizonte de planificación de 6 a 8 meses.

3. Metodología y Enfoque Técnico

La metodología de los autores cambia de modelar series temporales a modelar el espacio semántico de los atributos de la moda.

3.1 Datos y Representación de Atributos

El modelo se construye sobre un gran conjunto de datos de artículos de moda históricos, cada uno descrito por un rico conjunto de atributos categóricos y numéricos. La clave de su enfoque es la creación de incrustaciones de atributos. Similar a las incrustaciones de palabras en PLN (como Word2Vec), los atributos categóricos (por ejemplo, "cuello redondo", "estampado floral") se transforman en representaciones vectoriales densas y continuas. Esto permite al modelo aprender relaciones y similitudes matizadas entre atributos (por ejemplo, que el "escote en V" y el "escote barco" son más similares entre sí que al "cuello de tortuga").

3.2 Arquitecturas del Modelo

El artículo experimenta con múltiples arquitecturas neuronales y métodos tradicionales de ML:

• Modelos Basados en Árboles (XGBoost, Random Forest): Se utilizan como líneas de base robustas, capaces de manejar datos tabulares con tipos de características mixtos.
• Redes Neuronales de Propagación hacia Adelante (FFNN): Perceptrones multicapa estándar que toman como entrada las incrustaciones de atributos concatenadas y las características numéricas.
• Redes de Memoria a Corto y Largo Plazo (LSTM): Se emplean no para secuencias temporales de ventas, sino potencialmente para modelar secuencias de atributos o capturar dependencias en la canalización de procesamiento de características. El artículo explora su utilidad en este contexto no secuencial.

La arquitectura central implica una capa de incrustación para cada atributo categórico, cuyas salidas se combinan (por ejemplo, concatenadas o agrupadas) y se alimentan a las capas posteriores de la red neuronal para la predicción final de la demanda.

3.3 Funciones de Pérdida

Elegir el objetivo correcto es crítico para el impacto empresarial. Los autores experimentan más allá del Error Cuadrático Medio (MSE) estándar. Consideran funciones de pérdida asimétricas que penalizan el exceso de stock (predecir demasiado alto) y la falta de stock (predecir demasiado bajo) de manera diferente, alineando el objetivo de optimización del modelo con la estructura de costos real de la gestión de inventario minorista. Una forma simplificada podría ser:

$L(y, \hat{y}) = \begin{cases} c_{over} \cdot (\hat{y} - y) & \text{si } \hat{y} > y \\ c_{under} \cdot (y - \hat{y}) & \text{si } \hat{y} \leq y \end{cases}$

donde $c_{over}$ y $c_{under}$ son los costos respectivos de sobrepronóstico y subpronóstico.

4. Resultados Experimentales y Análisis

El artículo demuestra un rendimiento robusto de los modelos propuestos basados en atributos. Los hallazgos clave probablemente incluyen (inferidos del resumen):

• Superioridad sobre las Líneas de Base: Los modelos neuronales con incrustaciones de atributos superan significativamente a los modelos simples de extrapolación histórica y potencialmente a los modelos tradicionales de ML en la tarea de pronóstico de nuevos artículos.
• Poder de Generalización: Los modelos muestran una capacidad para generalizar a combinaciones no vistas de atributos, validando la hipótesis central de que la demanda es impulsada por atributos descomponibles.
• Comparación de Arquitecturas: Los resultados proporcionan un análisis comparativo de FFNN frente a LSTM en este contexto, probablemente concluyendo que, aunque las LSTM son potentes, las FFNN más simples podrían ser suficientes y más eficientes para este problema específico de mapeo de atributos a demanda.
• Impacto de la Función de Pérdida: Los modelos entrenados con funciones de pérdida asimétricas conscientes del negocio conducen a pronósticos que minimizan los costos reales de inventario, no solo el error de predicción.

Descripción del Gráfico (Inferida): Un gráfico de barras probablemente mostraría métricas de comparación (por ejemplo, Error Porcentual Absoluto Medio - MAPE, o una métrica personalizada basada en costos) para diferentes modelos: una línea de base ingenua (por ejemplo, demanda promedio para categorías similares), modelos basados en árboles (XGBoost), FFNN y LSTM. Los modelos de red neuronal con incrustaciones mostrarían el error más bajo. Un segundo gráfico podría ilustrar cómo cambia el error de pronóstico con el parámetro de asimetría en la función de pérdida personalizada, mostrando un mínimo claro en una configuración óptima para el negocio.

5. Estudio de Caso: Aplicación del Marco de Trabajo

Escenario: Un minorista de moda rápida necesita pronosticar la demanda de un nuevo vestido de verano para mujer planeado para la próxima temporada.

Paso 1 - Definición de Atributos: El equipo de producto define sus atributos: {Categoría: Vestido, Subcategoría: Midi, Escote: En V, Manga: Corta, Estampado: Floral, Color: Azul Pastel, Material: Algodón, Nivel de Precio: Medio, Marca: Marca Propia}.

Paso 2 - Vectorización de Características: Cada atributo categórico (Escote, Estampado, etc.) pasa a través de su capa de incrustación preentrenada, convirtiendo "En V" y "Floral" en vectores densos (por ejemplo, [0.2, -0.5, 0.8...]). Las características numéricas como el precio se normalizan.

Paso 3 - Inferencia del Modelo: Todos los vectores de atributos y características numéricas se concatenan en un único vector de entrada. Este vector se alimenta al modelo FFNN entrenado.

Paso 4 - Predicción de la Demanda: El modelo genera un valor continuo que representa el total de unidades vendidas previsto en la primera temporada. Este pronóstico se utiliza para la planificación de producción y la asignación de inventario.

Perspicacia: El modelo podría reconocer internamente que la combinación de "Floral", "Azul Pastel" y longitud "Midi" ha tenido mucho éxito en el nivel de precio "Medio" durante el verano, lo que lleva a un pronóstico de alto volumen y alta confianza.

6. Aplicaciones Futuras y Direcciones

El enfoque descrito abre varias vías prometedoras:

• Bucle de Diseño Generativo y Pronóstico: Integrar este modelo predictivo con IA generativa (como GANs o Modelos de Difusión, similares a los utilizados en la síntesis de imágenes a partir de texto) podría crear un sistema de circuito cerrado. Los diseñadores podrían ingresar paneles de tendencias, un generador (inspirado en modelos como CycleGAN para transferencia de estilo) produciría nuevas combinaciones de atributos, y el pronosticador evaluaría su potencial comercial, permitiendo el diseño asistido por IA de artículos de alta demanda.
• Integración de Precios Dinámicos: El modelo podría extenderse a una función de demanda $D(atributos, precio)$, permitiendo estrategias óptimas de fijación de precios iniciales y de rebajas para nuevos artículos.
• Adaptación Cruzada de Dominios: La metodología central de incrustación de atributos para predicción de inicio en frío es transferible a otros verticales minoristas con atributos de producto ricos, como electrónica, muebles o cosméticos.
• IA Explicable (XAI): El trabajo futuro podría centrarse en interpretar los espacios de incrustación y las decisiones del modelo, respondiendo por qué se predice que una combinación de atributos será exitosa, proporcionando retroalimentación valiosa a los compradores.
• Incorporación de Tendencias en Tiempo Real: Aumentar los atributos estáticos con señales en tiempo real de las redes sociales (por ejemplo, Instagram, Pinterest) o tendencias de búsqueda podría hacer que los pronósticos sean más receptivos a las modas emergentes.

7. Referencias

1. Singh, P. K., Gupta, Y., Jha, N., & Rajan, A. (2019). Fashion Retail: Forecasting Demand for New Items. En Proceedings of the KDD 2019 Workshop on AI for Fashion.
2. Ferreira, K. J., Lee, B. H. A., & Simchi-Levi, D. (2015). Analytics for an Online Retailer: Demand Forecasting and Price Optimization. Manufacturing & Service Operations Management, 18(1), 69–88.
3. Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient Estimation of Word Representations in Vector Space. arXiv preprint arXiv:1301.3781.
4. Zhu, J.-Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. En Proceedings of the IEEE International Conference on Computer Vision (ICCV). (Artículo de CycleGAN referenciado para el concepto de diseño generativo).
5. Academictorrents.com & arXiv.org - como bases de datos académicas de acceso abierto representativas para trabajos relacionados en ML y pronóstico.

8. Perspectiva del Analista