본 연구는 소매업에서의 두드러진 이슈인 디지털 분위기가 패션 리테일 매장 내 소비자 의사결정 과정에 어떻게 영향을 미치는지에 대해 조명한다. 디지털 스크린 및 디지털 사이니지와 같은 디지털 기기와 서비스는 패션 리테일 매장에서 널리 사용되고 있으며, 소비자가 패션 제품 구매에 관한 결정을 내리는 방식을 변화시키고 있다. 본 연구는 attention-interest-desire-search-action-share(AIDSAS) 모델을 바탕으로 디지털 분위기가 소비자의 구매 행동 양상에 미치는 영향을 조사한다. 연구 결과에 따르면, 디지털 분위기에 의해 유발되는 관심, 욕구 및 행동 반응(검색, 행동, 공유)에 대한 선행요인으로서 주의(attention)가 핵심임이 확인되었다. 또한 주의가 디지털 분위기를 활용하는 소비자의 구매 양상에 대해 두 유형의 패션 리테일 매장—스포츠 매장과 럭셔리 매장—에서 유의한 정(+)의 영향을 미친다는 점을 시사한다. 다만 이러한 긍정적 효과는 럭셔리 리테일 매장보다 스포츠 리테일 매장에서 더 뚜렷하게 나타나는 것으로 확인되었다. 본 연구는 AIDSAS 모델을 적용함으로써 패션 리테일 매장의 디지털 분위기와 관련된 소비자 행동을 이해하는 데 기여하며, 매장 분위기에 대한 주의—관심/욕구—및 제품-행동 반응 간의 단계적 관계를 규명하는 데 도움이 된다. 이러한 연구 결과는 패션 산업에 적용 가능한 실무적 함의를 제공한다.

The fashion industry is creating innovative business models using artificial intelligence. To efficiently utilize artificial intelligence (AI), fashion data must be classified. Until now, such data have been classified focusing only on the objective properties of fashion products. Their subjective attributes, such as fashion brand sensibilities, are holistic and heuristic intuitions created by a combination of design elements. This study aims to improve the performance of collaborative filtering in the fashion industry by extracting fashion brand sensibility using computer vision technology. The image data set of fashion brand sensibility consists of high-end fashion brand photos that share sensibilities and communicate well in fashion. About 26,000 fashion photos of 11 high-end fashion brand sensibility labels have been collected from the 16FW to 21SS runway and 50 years of US Vogue magazines beginning from 1971. We use EfficientNet-B1 to establish the main architecture and fine-tune the network with ImageNet-ILSVRC. After training fashion brand sensibilities through deep learning, the proposed model achieved an F-1 score of 74% on accuracy tests. Furthermore, as a result of comparing AI machine and human experts, the proposed model is expected to be expanded to mass fashion brands.