Key points are not available for this paper at this time.
تهدف هذه الورقة إلى مناقشة الحالة الراهنة لاتجاهات Google كأداة مفيدة لتحليل مستهلكي الموضة، وإظهار أهمية القدرة على توقع اتجاهات مستهلكي الموضة، ثم تقدم تقييمًا أحادي المتغير لتوقعات اتجاهات مستهلكي الموضة لتعزيز المزيد من البحث الأكاديمي في هذا المجال. باستخدام علامة Burberry—وهي بيت أزياء بريطاني فاخر—كمثال، نقارن بين عدة تقنيات توقعات بارامترية وغير بارامترية لتحديد أفضل نموذج توقع أحادي المتغير لاتجاهات Google لـ"Burberry". بالإضافة إلى ذلك، نقدم أيضًا تحليل الطيف الفردي كأداة مفيدة لإزالة الضوضاء من اتجاهات مستهلكي الموضة ونطبق نموذج شبكة عصبية هجينة تم تطويره مؤخرًا لتوليد التوقعات. تشير نتائجنا الأولية إلى أنه لا يوجد نموذج أحادي المتغير واحد (من ARIMA، التنعيم الأسّي، TBATS، والانحدار الذاتي لشبكة عصبية) يمكن أن يقدم أفضل توقع لاتجاهات مستهلكي Google للموضة من Burberry عبر جميع الآفاق. في الواقع، نجد أن الانحدار الذاتي لشبكة عصبية (NNAR) هو الأسوأ. ثم نسعى لتحسين دقة توقعات NNAR لاتجاهات مستهلكي Google للموضة من خلال إدخال تحليل الطيف الفردي لتقليل الضجيج في بيانات الموضة. ينجح نموذج الشبكة العصبية الهجينة (Denoised NNAR) في التفوق على جميع النماذج المتنافسة عبر جميع الآفاق، مع وجود غالبية من النتائج ذات الدلالة الإحصائية التي تقدم أفضل توقعات لاتجاهات مستهلكي الموضة الموسمية العالية لـBurberry. في عصر البيانات الضخمة، نظهر فائدة استخدام Google Trends، وإزالة الضوضاء، وتوقع سلوك المستهلك لصناعة الموضة.
دراسة سيلفا وزملاؤه (الخميس) هذا السؤال.