Yeni piyasaya sürülen ürünler için makine öğrenimi odaklı satış tahmini yaklaşımı

Satış tahmini, moda endüstrisinde faaliyet gösteren şirketler için en zorlu problemlerden biridir. Talep tahmininde talep oynaklığının, trendin, kısıtlı tedarik sürelerinin, büyük ürün çeşitliliğinin ve sezonsallığın etkileri hayati önem taşır. En önemlisi, moda perakendecileri, ürünlerin sezonsallık etkisi ve kısa yaşam döngüleri nedeniyle gelecekteki talebi tahmin etmekte zorlanmaktadır. Genel kabul görmüş bir görüş olsa da yeni piyasaya sürülen ürünlerin gelecekteki talebini tahmin etmek, yeni ürünlerin herhangi bir geçmiş satış verisine sahip olmaması nedeniyle daha da zordur. Moda sektöründe faaliyet gösteren kuruluşların sayısı göz önüne alındığında, müşteri taleplerinin karşılanması, başarı ve kar artışı için en önemli özelliklerden biri haline gelmektedir. Bu çalışma, yeni piyasaya sürülen ürünler için makine öğrenimine dayalı bir talep tahmini yaklaşımı sunmaktadır. Önerilen model, bir moda perakendecisinin sansürlenmiş tarihsel satış verileri üzerinde uygulanmıştır. Ek olarak, önerilen algoritma, yeni piyasaya sürülen ürünler için daha iyi talep tahmini doğruluğu sağlamak hedefiyle ürün seviyesinden elde edilen tahminleri yüksek ürün hiyerarşilerinden elde edilen tahminlerle birleştirir. Tahminler modelden elde edildikten sonra, geleneksel hata payı ölçümü teknikleri kullanılarak karşılaştırılmıştır.