Tendencias de consumo en moda: un enfoque predictivo desde la inteligencia artificial

Abstract

El presente trabajo se centra en el diseño y desarrollo de un modelo de aprendizaje automático supervisado para predecir el éxito comercial de productos en el sector de la moda, tomando como base un conjunto de datos transaccionales con variables socioculturales. La problemática abordada responde a la necesidad del sector por anticiparse a las preferencias del consumidor y optimizar la toma de decisiones estratégicas en un entorno altamente competitivo y dinámico.

Mediante el uso de herramientas de ciencia de datos y técnicas de minería de datos, se llevó a cabo un proceso completo que incluyó la limpieza y transformación del dataset, la selección de variables relevantes y la implementación de múltiples algoritmos de clasificación supervisada, tales como KNN, Random Forest, AdaBoost, entre otros. El modelo KNN obtuvo el mejor rendimiento en términos de precisión, exactitud y recall.

Los resultados del proyecto evidencian la viabilidad de predecir con alta efectividad qué productos tienen mayores probabilidades de éxito, lo cual permite a las empresas del sector optimizar inventarios, ajustar campañas promocionales y priorizar productos con alto potencial. Además, se identificaron variables clave como el precio, el descuento y la cantidad, que influyen significativamente en la probabilidad de éxito comercial.

Este trabajo contribuye a integrar inteligencia artificial y análisis predictivo en la industria de la moda, y sienta las bases para futuras ampliaciones mediante datos no estructurados, modelos más complejos y aplicaciones en entornos reales.