Varejo de Moda: Previsão de Demanda para Novos Itens - Uma Abordagem de Aprendizado de Máquina

1. Introdução

A previsão de demanda no varejo de moda representa um dos desafios mais complexos da indústria. A natureza transitória das tendências em cores, estampas, cortes, padrões e materiais, combinada com longos ciclos de design, requisitos de fabricação em massa e variações geográficas no consumo, cria um ambiente de alto risco para os varejistas. Os métodos tradicionais de previsão dependem fortemente de dados históricos de vendas de itens existentes, tornando-os inadequados para prever a demanda por designs ou estilos totalmente novos, que é o foco principal desta pesquisa.

Este artigo, apresentado no Workshop KDD 2019 sobre IA para Moda, aborda essa lacuna crítica. Os autores da Myntra Designs propõem uma nova abordagem que vai além da análise de séries temporais de vendas passadas. Em vez disso, eles analisam dados de vendas de moda em larga escala para inferir quais atributos específicos do produto (por exemplo, decote, tipo de manga, tecido) e fatores de merchandising (por exemplo, faixa de preço, marca) impulsionam a demanda do consumidor. Em seguida, constroem modelos generalizados de aprendizado de máquina capazes de prever a demanda por novos itens com base apenas nesses atributos, antes que qualquer histórico de vendas exista.

2. Definição do Problema & Desafios

O problema central é o cenário de "início frio" na previsão de moda: prever a demanda por um novo item sem dados históricos de vendas. As técnicas convencionais falham porque:

Interações Não Lineares: Múltiplos parâmetros de design (cor, padrão, corte) interagem de maneiras complexas e não lineares para definir o apelo de um item, tornando a extrapolação simples impossível.
Dependência da Intuição: A prática atual da indústria frequentemente depende da intuição subjetiva dos profissionais de merchandising, levando a alta variabilidade, incapacidade de considerar efeitos cruzados entre produtos (substituição, canibalização) e erros significativos de previsão.
Custo Empresarial & Ambiental: Previsões imprecisas resultam em perda de oportunidades de vendas, estoque massivo não vendido (perda de capital de giro) e danos ambientais por superprodução e desperdício.

A necessidade é por um modelo orientado por dados e generalizável que traduza os atributos do item em uma previsão de demanda confiável para um horizonte de planejamento de 6 a 8 meses.

3. Metodologia & Abordagem Técnica

A metodologia dos autores muda de modelar séries temporais para modelar o espaço semântico dos atributos de moda.

3.1 Dados & Representação de Atributos

O modelo é construído sobre um grande conjunto de dados de itens de moda históricos, cada um descrito por um rico conjunto de atributos categóricos e numéricos. A chave de sua abordagem é a criação de incorporações de atributos. Semelhante às incorporações de palavras em PLN (como Word2Vec), atributos categóricos (por exemplo, "gola redonda", "estampa floral") são transformados em representações vetoriais densas e contínuas. Isso permite que o modelo aprenda relações e similaridades sutis entre atributos (por exemplo, que "decote em V" e "decote canoa" são mais semelhantes entre si do que com "gola alta").

3.2 Arquiteturas do Modelo

O artigo experimenta com múltiplas arquiteturas neurais e métodos tradicionais de ML:

Modelos Baseados em Árvores (XGBoost, Random Forest): Usados como linhas de base robustas, capazes de lidar com dados tabulares com tipos de características mistos.
Redes Neurais Feed-Forward (FFNN): Perceptrons multicamadas padrão que recebem como entrada as incorporações de atributos concatenadas e características numéricas.
Redes de Memória de Longo-Curto Prazo (LSTM): Empregadas não para sequências temporais de vendas, mas potencialmente para modelar sequências de atributos ou capturar dependências no pipeline de processamento de características. O artigo explora sua utilidade neste contexto não sequencial.

A arquitetura principal envolve uma camada de incorporação para cada atributo categórico, cujas saídas são combinadas (por exemplo, concatenadas ou agrupadas) e alimentadas nas camadas subsequentes da rede neural para a previsão final de demanda.

3.3 Funções de Perda

Escolher o objetivo correto é crítico para o impacto empresarial. Os autores vão além do Erro Quadrático Médio (MSE) padrão. Eles consideram funções de perda assimétricas que penalizam o excesso de estoque (prever muito alto) e a falta de estoque (prever muito baixo) de forma diferente, alinhando o objetivo de otimização do modelo com a estrutura de custo real da gestão de estoque no varejo. Uma forma simplificada poderia ser:

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

onde $c_{over}$ e $c_{under}$ são os custos respectivos de superprevisão e subprevisão.

4. Resultados Experimentais & Análise

O artigo demonstra um desempenho robusto dos modelos baseados em atributos propostos. As principais descobertas provavelmente incluem (inferido do resumo):

Superioridade em Relação às Linhas de Base: Os modelos neurais com incorporações de atributos superam significativamente os modelos simples de extrapolação histórica e potencialmente os modelos tradicionais de ML na tarefa de previsão de novos itens.
Poder de Generalização: Os modelos mostram capacidade de generalizar para combinações não vistas de atributos, validando a hipótese central de que a demanda é impulsionada por atributos decomponíveis.
Comparação de Arquiteturas: Os resultados fornecem uma análise comparativa de FFNNs vs. LSTMs neste contexto, provavelmente concluindo que, embora as LSTMs sejam poderosas, FFNNs mais simples podem ser suficientes e mais eficientes para este problema específico de mapeamento de atributos para demanda.
Impacto da Função de Perda: Modelos treinados com funções de perda assimétricas conscientes do negócio levam a previsões que minimizam os custos reais de estoque, não apenas o erro de previsão.

Descrição do Gráfico (Inferida): Um gráfico de barras provavelmente mostraria métricas de comparação (por exemplo, Erro Percentual Absoluto Médio - MAPE, ou uma métrica personalizada baseada em custo) para diferentes modelos: uma linha de base ingênua (por exemplo, demanda média para categorias semelhantes), modelos baseados em árvores (XGBoost), FFNN e LSTM. Os modelos de rede neural com incorporações mostrariam o menor erro. Um segundo gráfico pode ilustrar como o erro de previsão muda com o parâmetro de assimetria na função de perda personalizada, mostrando um mínimo claro em uma configuração otimizada para o negócio.

5. Estudo de Caso: Aplicação do Framework

Cenário: Um varejista de fast-fashion precisa prever a demanda por um novo vestido de verão feminino planejado para a próxima temporada.

Passo 1 - Definição de Atributos: A equipe de produto define seus atributos: {Categoria: Vestido, Subcategoria: Midi, Decote: Em V, Manga: Curta, Estampa: Floral, Cor: Azul Pastel, Material: Algodão, Faixa de Preço: Média, Marca: Marca Própria}.

Passo 2 - Vetorização de Características: Cada atributo categórico (Decote, Estampa, etc.) passa por sua camada de incorporação pré-treinada, convertendo "Decote em V" e "Floral" em vetores densos (por exemplo, [0.2, -0.5, 0.8...]). Características numéricas como preço são normalizadas.

Passo 3 - Inferência do Modelo: Todos os vetores de atributos e características numéricas são concatenados em um único vetor de entrada. Este vetor é alimentado no modelo FFNN treinado.

Passo 4 - Previsão de Demanda: O modelo gera um valor contínuo representando o total previsto de unidades vendidas na primeira temporada. Esta previsão é usada para planejamento de produção e alocação de estoque.

Insight: O modelo pode reconhecer internamente que a combinação de "Floral", "Azul Pastel" e comprimento "Midi" tem sido muito bem-sucedida na faixa de preço "Média" durante o verão, levando a uma previsão de alto volume e alta confiança.

6. Aplicações Futuras & Direções

A abordagem delineada abre várias vias promissoras:

Ciclo de Design Generativo & Previsão: Integrar este modelo preditivo com IA generativa (como GANs ou Modelos de Difusão, semelhantes aos usados na síntese de imagens a partir de texto) poderia criar um sistema de ciclo fechado. Designers poderiam inserir painéis de tendências, um gerador (inspirado em modelos como CycleGAN para transferência de estilo) produziria novas combinações de atributos, e o previsor avaliaria seu potencial comercial, permitindo o design assistido por IA de itens de alta demanda.
Integração com Precificação Dinâmica: O modelo poderia ser estendido para uma função de demanda $D(atributos, preço)$, permitindo estratégias ótimas de precificação inicial e de descontos para novos itens.
Adaptação Transversal: A metodologia central de incorporação de atributos para previsão de início frio é transferível para outros verticais de varejo com atributos ricos de produto, como eletrônicos, móveis ou cosméticos.
IA Explicável (XAI): Trabalhos futuros poderiam focar na interpretação dos espaços de incorporação e das decisões do modelo, respondendo por que uma certa combinação de atributos é prevista como bem-sucedida, fornecendo feedback valioso para os profissionais de merchandising.
Incorporção de Tendências em Tempo Real: Aumentar os atributos estáticos com sinais em tempo real de mídias sociais (por exemplo, Instagram, Pinterest) ou tendências de busca poderia tornar as previsões mais responsivas a modismos emergentes.

7. Referências

Singh, P. K., Gupta, Y., Jha, N., & Rajan, A. (2019). Fashion Retail: Forecasting Demand for New Items. In Proceedings of the KDD 2019 Workshop on AI for Fashion.
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.
Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient Estimation of Word Representations in Vector Space. arXiv preprint arXiv:1301.3781.
Zhu, J.-Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. In Proceedings of the IEEE International Conference on Computer Vision (ICCV). (Artigo do CycleGAN referenciado para o conceito de design generativo).
Academictorrents.com & arXiv.org - como bancos de dados acadêmicos de acesso aberto representativos para trabalhos relacionados em ML e previsão.

8. Perspectiva do Analista

Insight Central: O trabalho da equipe da Myntra é uma evolução pragmática e necessária além da adoração de séries temporais na IA para varejo. Sua percepção fundamental—de que a demanda futura por moda não é uma função de curvas de vendas passadas, mas de atributos estéticos e comerciais decomponíveis e aprendíveis—atinge o alvo. Eles estão essencialmente construindo um "motor de gosto", traduzindo a linguagem qualitativa do design para a linguagem quantitativa do volume previsto. Isso move a indústria de análises reativas para previsões proativas baseadas na intenção de design.

Fluxo Lógico & Mérito Técnico: A metodologia é sólida, emprestando sabiamente do sucesso do PLN com incorporações. Tratar "decote canoa" ou "estampa animal" como tokens em um "vocabulário da moda" e aprender suas relações semânticas é elegante. A experimentação com diferentes arquiteturas neurais e, crucialmente, funções de perda conscientes do custo empresarial, mostra uma maturidade frequentemente ausente em pesquisas puras de ML. Não se trata apenas de menor erro, mas de menor perda financeira. No entanto, o artigo se beneficiaria de um mergulho mais profundo nos espaços de incorporação aprendidos—o que o modelo aprende sobre "similaridade" entre cores ou padrões? Visualizar isso, como feito em PLN, poderia fornecer insights impressionantes sobre tendências latentes da moda.

Pontos Fortes & Falhas: O ponto forte principal é sua aplicabilidade direta ao problema de início frio de bilhões de dólares. É um projeto pronto para produção. Uma falha significativa, reconhecida mas não totalmente resolvida, é a natureza estática do modelo. A moda não é apenas sobre atributos no vácuo; é sobre sua novidade e ciclo de vida dentro de uma tendência. Um atributo "peplum" pode ter um peso positivo em 2014, neutro em 2018 e negativo hoje. O modelo precisa de uma dimensão temporal para o momentum ou fadiga do atributo, talvez tornando as incorporações dependentes do tempo ou incorporando sinais de velocidade de tendência de dados externos, uma técnica explorada em laboratórios de pesquisa tecnológica líderes.

Insights Acionáveis: Para varejistas, a ação imediata é investir em taxonomias de atributos de produto ricas, consistentes e granulares. Sua infraestrutura de dados agora é um ativo central de design. Para equipes de tecnologia, priorize funções de perda assimétricas, definidas pelo negócio em vez de métricas de precisão padrão. Por fim, veja isso não apenas como uma ferramenta de previsão, mas como o primeiro componente de um sistema de design generativo. O próximo passo lógico é inverter o modelo: usar o previsor como um crítico para guiar uma IA generativa (como uma variante específica para moda de um modelo de Difusão) para criar combinações de atributos novas e de alta pontuação, automatizando efetivamente o processo inicial de brainstorming de design. É aqui que está a verdadeira disrupção.