earticle

영어

With the rapid development of Internet technology, e-commerce platforms have become a key shopping channel for consumers, especially for fashionable goods such as clothing. Increasing clothing sales has become a significant challenge for brands. This study uses various machine learning algorithms to develop a model for predicting sales, aiming to help brands formulate effective marketing strategies. We apply algorithms such as KNN, SVM, Random Forest, Gradient Boosting, and ANN to compare their predictive performance and ultimately construct an effective model. The study’s results will provide brands with a foundation for sales prediction and support the creation of more targeted marketing strategies to enhance competitiveness.

한국어

인터넷 기술의 빠른 발전에 따라 전자상거래 플랫폼은 소비자들이 쇼핑하는 중요한 채널로 자리 잡았다. 특히 의류 등 패션 관련 상품의 온라인 판매액이 지속 적으로 증가하는 상황에서, 의류 판매량을 증가시키는 방법은 브랜드와 판매자들이 해결해야 할 핵심 과제로 떠오르고 있다. 본 연구는 다양한 머신러닝 알고리즘을 활용해 의류 판매량을 정확하게 예측할 수 있는 모델을 구축하는 것을 목표로 하고 있다. 이를 위해 본 연구에서는 K-최근접 이웃, 서포트 벡터 머신, 랜덤 포레스트, 그래디언트 부스팅, 인공신경망 등 다양한 머신러닝 기법을 적용하여 각 알고리즘 의 판매량 예측 성능을 비교하고, 최종적으로 효율적인 예측 모델을 구축하고자 한 다. 연구 결과는 의류 브랜드의 판매량 예측에 과학적인 근거를 제공할 뿐만 아니 라, 판매량에 영향을 미치는 요인을 심층 분석하여 판매자들이 보다 맞춤형 마케팅 전략을 수립할 수 있도록 돕고, 소비자의 다양한 요구를 충족시켜 시장 경쟁력을 향상시키는 데 기여할 것으로 보인다.