패션 트렌드의 주기적 순환성에 관한 빅데이터 융합 분석
김기현1, 변혜원2*
1성신여자대학교 정보시스템공학과 학생, 2성신여자대학교 정보시스템공학과 교수
The Analysis of Fashion Trend Cycle using Big Data
Ki-Hyun Kim1, Hae-Won Byun2*
1Student, Division of Information System Engineering, Sungshin Women’s University
2Professor, Division of Information System Engineering, Sungshin Women’s University
요 약 본 논문은 과거와 현재의 패션 트렌드와 패션 유행 주기에 관한 빅데이터 분석을 실시하였다. 패션 전문가나 패션쇼가 아닌 일반 사람들의 데일리룩을 위한 패션 트렌드를 분석하는데 집중하였다. 소셜 매트릭스 도구인 텍스톰을 활용하여 빈도수 분석, N-gram 분석, 네트워크 분석 및 구조적 등위성 분석을 수행하였다. 분석 결과, 첫째, 패션 전문 가가 아닌 일반 사람들의 데일리 룩을 대상으로 과거(1980년대, 1990년대)와 현재(2019년, 2020년)의 패션 키워드를 도출하였다. 둘째, 과거의 패션이 현재의 패션으로 재현되는 순환성과 순환 주기가 30-40년 정도로 짧아졌음을 빅데이 터 분석을 통해 과학적으로 검증하였다. 셋째, 도출된 패션 키워드들의 구조적 등위성 분석을 수행한 결과, 과거 패션에 서는 청바지 패션, 레트로 코디, 애슬레저룩, 연예인 복고패션의 4개의 군집으로, 현재 패션에서는 레트로 청바지, 뉴트 로, 레이디 쉬크, 레트로 퓨처리즘의 4개의 군집을 확인하였다. 넷째, 과거의 패션이 현재의 패션으로 재현되고 진화하 는 네트워크 연결 관계를 확인하고 그 배경에 관한 이슈를 고찰하였다. 이와 같은 연구결과는 과거와 현재의 패션 키워 드를 도출하고 이로부터 패션 유행의 순환 주기를 확인함으로써 과거를 통해 미래 패션을 예측하도록 하는데 의의가 있다.
주제어 : 융합, 패션 트렌드, 패션 순환성, 패션 유행 주기, 레트로, 뉴트로, 빅데이터, 텍스트 마이닝, 텍스트 출현 빈도, 네트워크 분석, 구조적 등위성 분석
Abstract In this paper, big data analysis was conducted for past and present fashion trends and fashion cycle. We focused on daily look for ordinary people instead of the fashion professionals and fashion show. Using the social matrix tool, Textom, we performed frequency analysis, N-gram analysis, network analysis and structural equivalence analysis on the big data containing fashion trends and cycles. The results are as follows. First, this study extracted the major key words related to fashion trends for the daily look from the past(1980s, 1990s) and the present(2019 and 2020). Second, the frequence analysis and N-gram analysis showed that the fashion cycle has shorten to 30-40 years. Third, the structural equivalence analysis found the four representative clusters. The past four clusters are jean, retro codi, athleisure look, celebrity retro and the present clusters are retro, newtro, lady chic, retro futurism.
Fourth, through the network analysis and N-gram analysis, it turned out that the past fashion is reproduced and evolves to the current fashion with certain reasoning.
Key Words : Convergence, Fashion Trend, Fashion Trend Cycle, Retro, Newtro, Big Data, Text Mining, TF-IDF, N-gram Analysis, Network Analysis, Concor Analysis
*This work was supported by the Sungshin Women's University Research Grant of 2017.
*Corresponding Author : Hae-Won Byun([email protected]) Received October 26, 2020
Accepted December 20, 2020 Revised November 26, 2020
Published December 28, 2020
1. 서론
IT 기술의 발달과 무선 인터넷의 보급으로 사용자는 언제 어디서나 인터넷에 접속하여 검색 포털, 블로그, 소 셜 네트워크 서비스(SNS), 웹 쇼핑몰 등에서 원하는 정보 를 얻을 수 있고 또 자신의 느낌이나 견해를 글로 작성함 으로써 대규모의 정보를 생산해 내고 있다. 실시간으로 축적되는 방대한 데이터는 빅데이터를 형성하고 관광, 마 케팅, 광고 등 다양한 분야에서 시장의 흐름이나 소비자 들의 니즈를 파악하고 나아가 새로운 트랜드를 예측하기 위해 활용되고 있다.
패션 산업계에서도 의류 제품 기획 및 판매나 고객 관 리 등에 빅데이터를 활용하는 사례가 증가하고 있는 추 세이다[1]. 패스트 패션 브랜드 ZARA는 미국 MIT 공대 와 함께 2,000여 개에 이르는 매장의 재고 데이터 분석 을 통해 진열된 상품의 개수와 판매 추이를 사전에 정확 히 예측하여 효율적인 재고 분배로 매출을 증대시킨 바 있다[2]. 국내에서도 패션 브랜드 무신사는 3,500여 개 입점 브랜드에서 매주 쏟아지는 7,000여 개 상품들의 검 색 키워드와 470만 명의 회원들이 작성하는 댓글들에 빅 데이터 분석을 융합하여 슬랙스와 베이직 블레이저의 유 행을 예측하고 적기에 런칭하여 해당 판매량을 급증시켰 다[3].
패션 분야에 빅데이터 분석을 융합하는 시도는 주로 패션 기업체나 전문가를 대상으로 하는 경우가 대부분으 로 구찌와 같은 해외 글로벌 패션 브랜드의 소비자 만족 도 분석[1], 스포츠용품 브랜드 분석[4,5], 패션 컬랙션에 나타난 패션 트렌드 분석[6,7] 등이 주를 이루고 있다. 과 거에는 패션에 관한 관심은 주로 패션 전문가들의 전유 물로 인식되어 있었고 전문용어로 가득한 패션 전문 잡 지나 패션 컬렉션에 주목하는 경향이 있었다.
그러나 시대가 변화하면서 등장한 ‘스트리트 패션’, ‘데 일리 룩’과 같은 단어에서 알 수 있듯이, 일반인들이 패션 에 점점 더 많은 관심을 가지게 되었다. 패션에 관심이 있는 신세대들은 일반 사람들의 스트리트 패션 트렌드를 알려주는 ‘최실장’, ‘DoHaji TV’ 등과 같은 유튜브 채널 을 정기구독 하거나[8,9], ‘스타일 쉐어’, ‘코디북’과 같은 패션 관련 앱 서비스를 이용하는 경우가 많다. 따라서 런 웨이가 아닌 일상생활에서 유행하는 패션 트렌드를 정확 하게 분석하고 소비자에게 서비스하는 것이 비즈니스 측 면과 서비스의 유용성 측면에서 점점 더 중요하게 되었 다.
본 논문에서는 패션이 더 이상 패션 전문가의 전유물
이 아니라 무신사나 ZARA와 같은 패스트 패션을 소비하 는 일반인이라는 점에 주목하여 이들을 위한 데일리 룩 의 패션 트렌드를 분석하고자 한다. 네이버, 다음 등 웹에 서 패션 트렌드 관련 자료를 수집하고 빅데이터 분석을 활용하여 그 시대에 유행하는 일반인을 위한 패션 트렌 드를 분석한다. 특히, 최근의 패션 트렌드 중에 ‘레트로’
에 주목하여 과거의 특정 시대(1980년대와 1990년대)와 현재 (2019년과 2020년)의 패션 트렌드를 각각 분석하 고 ‘패션 유행은 시대가 지나면서 과거에 유행했던 패션 이 다시 돌아와서 새롭게 유행한다’는 패션 트렌드의 순 환성을 검증해 보고자 한다.
2. 관련연구 2.1 패션 트렌드
패션 산업에 있어서 패션 트렌드를 파악하여 현재 소 비자들이 원하는 스타일의 제품을 신속하게 제공하는 것 은 제품 판매에 결정적인 역할을 한다. 이에 패션 트렌드 를 분석하고 패션 트렌드의 주기를 분석하여 다음 시즌 의 트렌드를 예측하는 중요성이 점점 더 증대되고 있다.
패션 분야에 있어서 과거의 패션 트렌드가 이후에 다 시 등장하는 패션 유행의 주기에 관한 연구는 오랫동안 진행되어 왔다. Richardson & Kroeber는 이브닝 드레 스와 여성 스커트의 패션 유행에 관한 데이터(1605 년~1936년)를 수치적으로 분석하고 여성 의복의 유행주 기는 약 100년이라는 가설을 발하였다[10]. Young 등은 1760년부터 1937년까지 여성 일상복의 실루엣을 분석 하여 패션 유행의 주기는 평균 110년이라고 발표하였다 [11]. Carmen 등의 경우, 1786년에서 1965년의 이브 닝 드레t,를 분석해 110년의 유행주기와 함께 중간에 반 복되는 30년~50년 사이의 짧은 주기도 관찰하였다[12].
이후에, Belleau의 연구에서는 1860년부터 1980년의 여성 일상복을 분석해 여성 의복 실루엣은 20년 주기로 변화하고 스커트 형태에 관한 패션 유행은 어느 정도의 주기적 순환성을 보인다고 발표하였다[13].
위와 같은 선행 연구들의 동향을 살펴보면 패션 트렌 드는 짧은 유행이 아니라 과거, 현재, 미래의 변화 흐름으 로 볼 수 있으며 주기적 순환성을 내포하고 있다는 것을 알 수 있고 환경적 요소 등에 의해 그 주기는 점차 짧아 지고 있다는 것을 유추할 수 있다[14]. 이에 본 연구에서 는 1980년대 이후의 패션 트렌드의 순환 주기에 관하여 조사하고자 한다. 과거(1980년대와 1990년대), 그리고
현재(2019년과 2020년)의 패션 트렌드에 관한 키워드들 을 분석하여 패션 트렌드와 그 주기의 순환성을 검증해 보고자 한다.
2.2 텍스트 마이닝
빅데이터 분석 기술 중 텍스트 마이닝(text mining) 은 비정형 데이터로부터 유용한 키워드와 이들 간의 패 턴이나 추세 등 통계적 의미를 찾는 분석법이다. 대량의 텍스트 데이터로부터 핵심 키워드를 찾고 데이터의 빈도 수로 중요도를 판단하며 빈도분석, TF-IDF, N-gram 등 의 방법론을 포함한다[15,16].
빈도분석은 전체 수집자료에서 데이터의 등장 횟수를 계산하고, TF-IDF 분석은 문서 내에서 특정 단어가 얼 마나 중요한지를 통계적인 수치로 계산한다[16]. 여기에 서 TF(Term Frequency)는 특정 단어가 문서 내에 얼마 나 자주 등장하는지를 나타내는 값으로서 이 값이 클수 록 문서에서 중요한 단어임을 의미한다. IDF(Inverse Document Frequency)는 한 단어가 문서 전체에서 얼 마나 공통적으로 나타나는지를 나타내는 값이다.
N-gram 분석은 통계적 언어 모델에 기반하여 n개의 연속적인 단어의 연결 관계를 분석한다. 실제 자연어의 확률 분포를 이용하여 이전에 등장한 n-1개의 단어로부 터 n번째 나오는 단어를 예측할 수 있다.
2.3 패션 트렌드에 관한 텍스트 마이닝
최근에 패션 분야에서 텍스트 마이닝 분석을 융합한 연구들이 진행되어 오고 있다. 기존의 연구 동향은 패션 트렌드 분석, 패션에 관한 소비자 인식 분석, 패션 브랜드 이미지 비교 분석 등의 3개의 그룹으로 분류할 수 있다.
첫 번째, 패션 트렌드 분야의 연구들에서는 빅데이터 분 석을 융합하여 Z패션의 특성을 분석하고 시사점을 제공 한 연구가 수행된 바 있으며[15], 아노락을 포함한 애슬 레저 패션의 나아갈 방향을 제시한 연구[16], 3D 프린팅 을 융합한 패션 등에 관한 경향과 이슈들을 고찰한 연구 가 수행되기도 하였다[17]. 두 번째, 패션에 관한 소비자 인식 분야에서는 SNS 빅데이터 분석 기술을 융합하여 가방[18], 골프웨어[4]에 관한 소비자 인식을 분석하는 연구가 발표되었고, 이외에도 수영복[5], 패션 인플루언 서[19], 패션쇼[6,7] 등에 관한 소비자 인식을 분석하는 연구가 수행되었다. 세 번째, 스포츠 용품 브랜드[20], 구 찌 등과 같은 명품 패션 브랜드[1,21] 등 다양한 패션 브 랜드 이미지를 비교 분석하는 연구들도 수행되었다.
3. 연구방법 3.1 자료 수집
자료 수집을 위하여 키워드 검색으로 자료들을 추출하 였으며 자료 수집 방법은 Table 1과 같다. 키워드 ‘1980 년대 패션’, ‘1990년대 패션’을 사용하여 과거 패션 자료 를 수집하였고, 키워드 ‘2019년 패션’, ‘2020년 패션’으 로 현재 패션 자료를 수집하였다. 우리나라 사람들이 가 장 많이 이용하는 포털 사이트 네이버 블로그, 카페, 뉴 스, 웹 문서 등을 대상으로 자료를 수집하였다.
Table 1. Data Collection
Keyword 1980s fasion, 1990s fasion Period 2015.1.1. ~ 2020.2.6.
Data Quantity 1980s fashion 18,979, 1.40MB 1990s fashion 13,768, 1.21MB Analysis Tool Textom, Ucinet, NetDraw
Sites Naver Blog, Cafe, News, Web documents
Keyword 2019 fasion, 2020 fasion Period 2019.1.1. ~ 2020.2.6.
Data Quantity 2019 fashion 13,219, 1.13MB 2020 fashion 11,710, 963KB Analysis Tool Textom, Ucinet, NetDraw
Sites Naver Blog, Cafe, News, Web documents
3.2 분석방법
빅데이터 분석 도구 ‘텍스톰’을 이용하여 수집된 자료 는 체언으로 형태소 분석을 진행한 후에 데이터 정제 과 정을 거친다. 자료에 반복적으로 등장하는 ‘통바지’, ‘와이 드팬츠’, ‘와이드바지’, ‘통넓은바지’와 같은 동일 의미 단 어는 대표 단어 ‘와이드팬츠’로 통일시키고, 줄임말처럼 등장하는 ‘청바’ 등과 같은 단어는 원래 단어 ‘청바지’ 로 대체하는 작업을 거친다. 또한, ‘등’, ‘이후’, ’대’와 같은 접 속어나 문장 연결 어미 등의 텍스트와 기타 불필요한 텍 스트를 삭제하는 전처리를 수행한다. Table 2는 대표 단 어 별로 정리한 유사어 적용 사례를 보여주고 있다.
정제 과정을 거쳐 1980년대 패션 데이터 총 18,979 개, 1990년대 데이터 13,768개의 텍스트를 사용하였고, 2019년 데이터 13,219개, 2020년 데이터 11,710개의 텍스트를 분석에 사용하였다. 자료 분석 단계에서는 Fig.
1과 같이 빈도분석과 워드 클라우드, TF-IDF, 매트릭스
분석을 실시하고. Ucinet과 Ucinet의 NetDraw 프로그 램을 이용하여 텍스톰의 매트릭스 분석 결과에 대하여 네트워크 시각화와 구조적 등위성 분석(Concor 분석)을 실시하였다.
representative similar
words represe-
ntative similar words pants wide
full pants wide pants wide trousers
bucket hat
bucket hat bucket cap fisherman’s hat
jeans jeans
blue jeans denim pants
neon color
neon color luminous color glow-in-the-dark power
shoulder
power shoulder shoulder puff shoulder pad
sleeve puff
puff sleeve sleeve puff
puff athleisure
look athleisure look
athleisure heritage mood
heritage heritage mood
heritage style heritage feel ethnic
look
ethnic look ethnic fashion
ethnic style
Hyeree Hyeree, Deoksun, Eungpal vivid
color
vivid color graphic color intense color
jacket jacket, jumper penny
bag penny bag
small bag argyle
pattern argyle pattern argyle design suffix
removal et. al., a, the, this, that
Table 2. similar words processingFig. 1. Data Analysis Process
4. 연구결과 4.1 빈도분석 결과
4.1.1 과거 패션 트렌드(80/90년대)
1980년대의 시대적 배경을 살펴보면, 히피 문화의 영 향으로 펑크족의 등장, 86 아시안 게임과 88 서울 올림 픽 서울 주최, 포스트 모더니즘의 영향으로 제 3세계의
문화에 관한 관심 고조 등의 이슈가 있었다.
'1980년대 패션'을 키워드로 빈도 분석한 결과, Table 3과 같이 빈도수가 높은 상위 30개 단어는 ‘파워 숄더’, ‘복고풍’, ‘하이웨이스트’, ‘청청패션’ 등의 순으로 나타났다. 이 시기에 퍼프 소매와 어깨를 강조한 파워수 트가 큰 인기를 얻었고 펑크족의 등장으로 청소년들 사 이에서 가죽 의상과 찢어진 청바지 등을 주로 패션에 이 용하였다. 86 아시안 게임과 88 서울 올림픽의 영향으 로 ‘에슬레저룩’이 등장하기도 하였다. 에슬러저룩은 애 슬레틱(athletic)과 레저(leisure)를 결합한 스포츠웨어 용어로서 ‘가벼운 스포츠웨어’를 의미한다[20]. 또한, 80 년대는 포스트 모더니즘의 영향으로 국가와 국가 간의 뚜렷한 경계가 해체되고 서구 중심적인 사고에서 벗어나 제 3세계의 문화에 대한 관심이 고조된 시기이기도 하다.
서구 디자이너들은 그 동안 소외되었던 아시아, 아프리 카, 중남미의 토속적인 문화나 민속 복식에서 영감을 얻 어 ‘에스닉 룩’을 파리무대에 선보이기도 하였다[1].
Table 3. Text Frequency Analysis with the keyword
‘1980s Fashion’
text freq TF-IDF text freq TF-IDF
Power Shoulder 4373 1893.21 Check Shirts 76 323.25 Retro Style 556 1263.78 Oversize 72 296.12 High Waist 415 1101.94 Bell-bottoms 69 293.48
Retro 330 897.04 Jacket 69 286.08
Hyeree(혜리) 226 790.15 Jean Jacket 66 278.28 Crop Top 201 601.50 Dolphin Watch 66 308.11 Athleisure Look 196 631.06 Jean Pants 65 271.74 Demim Fashion 195 644.21 Bobbed hair 60 250.83 Princess Diana 172 586.77 T-Shirt 58 253.66 Hippie Culture 164 531.36 Sneakers 56 255.36 Punc Fashion 158 558.10 Jar Trousers 54 256.20 Wide Pants 139 474.19 Kim Wan Seon 50 258.96 Genderless 133 474.77 Power Suit 47 257.06 Ethnic Look 132 458.04 Glam Look 45 252.07 Duffle Coat 114 436.53 Leather 45 247.70
표에는 사람을 지칭하는 단어 '혜리', 다이애나비' 등의 단어들도 등장하는데 이들 모두 80년대 패션과 연관이 있다. ‘혜리’는 80년대를 배경으로 하는 드라마 '응답하라 1988'의 여주인공이고, ‘다이애나비’는 80년대 최고의 패 션 스타일 아이콘이었다.
1990년대의 시대적 배경은 복고풍이 유행하였고 X세 대가 등장하였으며 세계적으로 힙합 그룹이 큰 인기를 얻으며 국내에서는 ‘서태지와 아이들’이 등장한 시기이
다. '1990년대 패션'을 키워드로 빈도 분석한 결과, Table 4와 같이 ‘복고풍’, ‘뉴트로’, ‘레트로’가 나타났고,.
‘돌청패션’, ‘에슬레저룩’, ‘비비드컬러’, ‘와이드팬츠’, ‘크 롭탑’의 순으로 나타났다.
Table 4. Text Frequency Analysis with the keyword
‘1990s Fashion’
text freq TF-IDF text freq TF-IDF
Retro Style 820 1250.10 Hip Hop Fashion 139 465.17 Newtro Style 587 1213.07 Agail Pattern 136 454.84
Retro 557 1096.75 Suspenders
Fashion 136 449.97 Washing Blue 341 934.47 Power Shoulder 129 445.90 Big Logo 315 912.03 Duffle Coat 122 442.59 Athleisure Look 245 716.30 T-shirt 117 439.37 Vivid Color 213 626.87 Penny Bag 115 435.14 Wide Pants 208 614.34 Minimalism 114 421.83 Denim Fashion 205 600.53 Oversize 111 389.39 Crop Top 194 579.86 Denim Pants 109 389.33 Sun Tint Glasses 179 575.52 Bucket Hat 108 387.67 Leon 178 566.91 Street Fashion 105 374.82 Choker 169 560.76 Yang Jun Il
(양준일) 95 371.64
Clueless Fashion
(highteen fashion) 167 539.52 Check Pattern 93 352.68 High top Sneaker 164 533.27 Genderless 93 347.72
80년대 유행한 청청패션은 90년대에 청색 데님을 탈 색하여 돌청패션으로 발전하였으며 X세대가 주도하는 자유분방한 느낌의 ‘비비드컬러’, ‘빅로고’의 아이템이 인 기를 얻었다. 서태지와 아이들 그룹은 ‘버킷햇’, ‘와이드팬 츠’, ‘멜빵’을 이용한 패션으로 ‘힙합패션’을 주도하였다.
또한, 80년대부터 등장한 에슬러저룩은 90년도에도 ‘크 롭탑’에 ‘트랙팬츠’를 매치하는 형태로 유행하였고, 트랙 수트, 트랙팬츠와 같은 스포츠웨어를 일상복으로 입기 시 작하였다. 영화 ‘레옹’과 ‘클루리스’에서 등장하는 패션이 주목을 받았고 ‘초커’와 ‘아가일패턴’, ‘체크무늬’가 유행하 였으며 작은 사이즈 ‘패니백’도 인기가 있었다는 것을 표 에서 찾아볼 수 있다.
4.1.2 현재 패션 트렌드(2019년/2020년)
현재 패션 트렌드는 표 5와 표 6에서 제시하고 있다.
Table 5는 ‘2019년 패션’을 키워드로 추출하여 빈도분 석한 결과이다. ‘레트로’와 ‘뉴트로’, ‘복고풍’이 리스트 상 위에 나타났고, 90년대 유행하던 빅로고가 최근에 ‘로고
플레이’로 등장하였다. 90년대 유행하던 ‘비비드 컬러’는 2019년에 ‘네온컬러’로 다시 패션에 활용되면서 복고풍 으로 재유행되는 것을 표에서 찾아볼 수 있다. ‘애슬레저 룩’, ‘와이드팬츠’, ‘패니백’ 등은 과거 90년대 감성에서 영 향을 받아 다시 유행하게 되었고 80년대 잠자리 안경으 로 불렸던 ‘보잉 안경테’도 레트로 무드와 함께 최근에 다 시 유행하는 것을 표에서 발견할 수 있다.
Table 6은 2020년 가장 최근의 패션을 분석한 결과 이다. 이번 S/S 시즌에는 ‘데님패션’이 큰 유행이며 ‘레트 로’, ‘뉴트로’ 무드도 자주 나타났다. ‘컬러풀’한 색조를 즐 기며 ‘젠더리스’ 옷이 많이 등장했다. 팬톤 색채 연구소에 서 지정한 2020년 올해의 컬러가 ‘클래식 블루’이기 때문 에 데님패션이 상위에 위치했을 것이라고 예상된다. ‘크 롭자켓’을 중심으로 수트패션이 유행하고 80년대 다이애 나비의 ‘레이디시크’ 패션, ‘퍼프소매’, ‘파워숄더’도 트렌 드로 꼽혔다. ‘헤리티지 무드’는 14위를 차지하였는데 FILA나 Converse 등 여러 브랜드에서 90년대 과거 제 품을 현대적 감각으로 재해석해서 출시하고 있는 것과 연관이 있다.
이와 같은 빈도분석 결과를 통해 과거 패션 키워드(
80년대와 90년대)와 현재 패션 키워드(2019년, 2020년) 간의 유사성을 발견할 수 있었으며 현재의 밀레니얼, Z 세대가 레트로에 열광하고 있다는 것을 찾아볼 수 있다.
text freq TF-IDF text freq TF-IDF
Retro 7185 1668.06 Penny Bag 122 426.37 Newtro 978 980.55 Flower Pattern 113 394.43 Logo Play 472 896.44 Denim Fashion 112 391.99 Retro Style 390 881.50 Wide Pants 108 388.12 Neon Color 363 863.43 Preppy Look 98 341.60 Athleisure Look 333 843.86 Vintage 97 340.77 High Waist 220 787.64 Romantic Mood 95 335.64 Bell-bottoms 212 766.80 Street Fashion 75 286.85 Aguly Shoes 166 565.05 Short Padding Coat 58 248.56 Oversize 156 527.10 Fleece Fashion 57 244.27 Heritage Mood 153 514.96 Check 51 214.96 Sun Tint Glasses 147 507.99 T-Shirt 45 213.99 Jacket 141 492.15 Suit Fashion 44 208.43 Boeing unglasses 133 490.29 Earthy Look 40 189.64 Pattern Dress 126 429.64 Black 39 175.64
Table 5. Text Frequency Analysis with the keyword‘2019 Fashion’
text freq. TF-IDF text freq. TF-IDF Demin Fashion 2362 1445.63 90s 87 321.08 Retro 1417 998.58 Logo Play 87 304.65
Newtro 324 788.70 Oversize 78 281.93
Colorful 309 749.40 Leathre 77 281.67
Genderless 300 744.17 Lady Chic 74 279.55 Classic Blue 205 569.11 Pattern Dress 73 277.86 Retro Style 146 484.74 Check Pattern 67 256.28 Crop Jacket 145 459.50 T-Shirt 66 250.10 Boeing Glasses 143 432.87 80s 61 229.05 Romantic 127 403.98 Wide Pants 57 225.79 Street Fashion 120 395.47 Millennial Gene. 53 224.32 Nature Mood 115 369.99 Penny Bag 53 219.92 Vantage 102 355.12 Power Shoulder 51 219.61 Heritage Mood 95 335.49 Puff Sleeve 50 214.56 Black & White 91 331.21 Mixed Match 47 213.22
Table 6. Text Frequency Analysis with the keyword‘2020 Fashion’
4.2 N-gram 분석 결과
N-gram 분석은 n개 단어의 연쇄적 출현을 확률적으 로 모델링한 것으로서 네트워크에서 단어 간의 연결성과 밀집 정도를 보여준다. Fig. 2에서 80년대 패션의 N-gram 분석 결과를 보면, ‘청청패션’-‘혜리’-‘단발머 리’-‘와이드팬츠’-‘항아리바지’-‘복고풍’-‘파워숄더’ 단어 사이의 연결관계를 발견할 수 있다. ‘응답하라 1988’ 드 라마와 패션 간의 연결관계를 보여주고 있다. 또한 ‘와이 드팬츠’는 ‘항아리바지’와 연결되어 있고 이는 ‘복고풍’,
‘파워숄더’로 연결된다. ‘청청패션’와 ‘하이웨이스트’와의 연결은 그 다시 유행하던 하이웨이스트 청바지에서 기인 한 것으로 분석된다.
Fig. 2. N-gram analysis for the 1980s Fashion Fig. 3의 90년대 패션의 N-gram 분석 결과에서는
‘빅로고’와 ‘티셔츠’가 강한 연결을 보여주며 이는 ‘아노
락’과 연결된다. 아노락은 바람막이 소재로 된 옷으로서 90년대에는 빅로고의 디자인이 된 티셔츠와 아노락을 즐 겨 입었던 것으로 분석된다. ‘청청패션’-‘돌청패션’-‘와이 드팬츠’-‘나팔바지’의 연결 관계를 통해 와이드한 핏의 나 팔 청바지가 유행이었다는 것을 유추할 수 있다. 또한 ‘베 레모’-‘버킷햇’의 연결 관계에서 90년대 주로 착용했던 모자의 유행을 알 수 있으며 ‘뉴트로’, ‘복고풍’과 ‘멜빵패 션’, ‘아가일패턴’, ‘초커’의 연결을 통해 90년대 복고 아이 템을 확인할 수 있다.
Fig. 3. N-gram analysis for the 1990s Fashion Fig. 4의 2019년도 N-gram 분석 결과를 보면 ‘레트 로’를 중심으로 거의 모든 핵심 키워드가 연결되어 있는 것을 발견할 수 있다. 이는 2019년에 레트로 패션이 대 유행이었음을 입증하고 있다. Fig. 5의 2020년도 N-gram 분석 결과에서도 마찬가지로 ‘레트로’와 ‘데님패 션’이 가장 강하게 연결 관계를 맺고 있다. ‘크롭자켓’, ‘로 고플레이’, ‘레트로퓨처리즘’의 연결 관계를 보면, 레트로 패션에서 나온 아이템들이 최근에 현대적으로 재해석되 어 활용되고 있는 흐름을 확인할 수 있다.
Fig. 4. N-gram analysis for the 2019 Fashion
Fig. 5. N-gram analysis for the 2020 Fashion
4.3 네트워크 분석 결과
패션 키워드들간 연결 의미 및 관계를 분석하기 위하 여 네트워크 분석을 실시하였다. 매트릭스 분석 결과 단 어 빈도수, 유클리디언 계수, 코사인 계수, 자카드 계수, 상관 계수를 이용하여 Ucinet으로 네트워크 시각화를 하였다. Ucinet은 소셜 네트워크 데이터 분석용 SW 패 키지로서 다양한 연결망 분석 기능을 제공한다. 노드의 크기로 단어의 출현 빈도를 나타내고 단어 간 연결선으 로 단어 간의 연결 정도를 나타낸다.
Fig. 6은 1980년대 패션에 관한 네트워크 분석 결과 를 보여 준다. ‘파워숄더’ 노드가 가장 크고 다른 노드들 과 강한 연결성을 보여주고 있다. 특히 ‘혜리’, ‘복고풍’,
‘크롭탑’, ‘하이웨이스트’, ‘다이애나비’ 노드와 강한 연결 성을 보여주고 있다. 이는 파워숄더와 함께 크롭탑이나 하이웨이스트가 인기가 있었으며 다이애나비의 파워숄더 패션이 주목받았음을 보여주고 있다. 또한 혜리가 출연한 복고풍 드라마 ‘응답하라 1988’에서 이와 같은 패션을 재 현하였다는 것을 표현하고 있다.
Fig. 6. Network analysis for the 1980s Fashion Fig. 7은 1990년대 패션에 관한 네트워크 분석 결과 이다. 전체적으로 ‘복고풍’을 중심으로 한 연결망을 볼 수 있다. 특히, ‘뉴트로’, ‘레트로’, ‘돌청패션’, ‘빅로고’ 등의
강한 연결은 90년대 대표적인 복고풍 패션을 보여주고 있다.
Fig. 7. Network analysis for the 1990s Fashion Fig. 8은 2019년 패션에 관한 네트워크 분석 결과이 다. 최근에도 과거 90년대와 마찬가지로 ‘레트로’의 노드 가 큰 크기로 중앙에 위치해 있다. 2019년도 패션에서 가장 핵심은 레트로 무드였다는 것을 알 수 있다. ‘레트 로’ 노드와 ‘뉴트로’, ‘네온컬러’ 등과의 강한 연결은 90년 대의 비비드한 컬러가 현대적인 감성에 맞추어 네온 컬 러로 재해석되어 뉴트로 감성을 표현하고 있는 것으로 해석된다.
Fig. 8. Network analysis for the 2019 Fashion Fig. 9는 2020년 패션을 분석한 결과로서 ‘레트로’노 드의 크기가 이전보다 작아졌음을 발견할 수 있다. 레트 로와 연결되어 있는 노드를 보면 ‘젠더리스’, ‘크롭자켓’,
‘블랙앤화이트’, ‘컬러풀’등이 있는데 이를 통해 2019년보 다는 직접적으로 레트로를 강조하지는 않지만 보다 더 세련되게 재해석해서 레트로 아이템을 활용하고 있는 것 으로 분석할 수 있다. 또한 중앙에 가장 큰 노드로 위치 하고 있는 ‘데님패션’은 레트로 무드와 2020년의 올해의 컬러인 ‘클래식블루’의 영향으로 그 빈도수가 증가된 결 과로 분석된다. 2015년 이래 힙합의 열풍으로 ‘버킷햇- 힙트로-로고플레이-에슬레저룩’ 등의 연결을 그림의 가 장자리에서 찾아볼 수 있다. 힙합과 레트로를 더해 힙트
Fig. 10. Concor Analysis of 80s fashion data 로라는 새로운 용어가 탄생하였고 90년대 힙합에서 유행
했던 버킷햇과 에슬레저룩이 재등장하였다. 그리고 로고 를 강조하는 로고플레이는 이전의 빅로고 유행이 세련되 게 재현된 결과이다.
Fig. 9. Network analysis for the 2020 Fashion 레트로가 다시 유행하는 이유는 ‘밀레니얼세대’와 ‘향 수’의 연결 관계로 설명할 수 있다. 밀레니얼 세대는 1980년에서 2000년생으로서 유년기 시절에 레트로를 접한 경험이 있고 새로운 문화를 흡수하려는 소비 욕구 가 강해 레트로 트렌드에 열광한다. 기존의 X세대는 밀 레니얼 세대의 부모 세대로서 이전 시대에 관한 향수를 느끼며 친근한 느낌으로 레트로를 소비한다. 새로움과 익 숙함, 소비하려는 욕구의 공감대가 밀레니얼 세대와 X세 대 간의 가족관계를 통해 연결되고 있다. 30-40년 전의 아이템이 요즘 다시 폭발적인 인기를 누리는 것도 이와 같은 현상에 기인하는 것으로 분석된다.
4.4 구조적 등위성 분석 결과
네트워크 분석을 통해 텍스트 간 연관성을 파악한 다음 Concor 분석을 실시하였다. Concor(CONvergence of iteration CORrealtion) 분석은 텍스트간 상관관계 를 사용하는 대표적인 구조적 등위성 측정 방법으로서 연관성이 높은 노드들을 하나의 그룹으로 구분해 주는 일종의 군집분석 방법이다[22].
80년대 패션에 관한 Concor 분석 결과는 Fig. 10과 같이 ‘응답하라 1988 패션 모음’, ‘복고풍 청바지’, ‘복고 풍 코디’, ‘애슬러저룩’의 4개의 그룹으로 분류된다. 첫 번 째 그룹은 ‘혜리’, ‘하이웨이스트’, ‘항아리바지’, ‘단발머 리’, ‘스카프’, ‘와이드팬츠’로 구성되어 있어서 혜리가 출 연한 ‘응답하라 1988 패션 모음’으로 명명하였다.
90년대 패션은 ‘90년대 패션 스타일’, ‘연예인 복고풍 패션’, ‘청바지’, ‘복고풍 아이템’의 4개의 그룹으로 Fig.
11과 같이 분류된다. 특징적인 것은 ‘레옹’, ‘클루리스’,
‘양준일’, ‘서태지’와 같이 영화, 연예인을 나타내는 키워 드가 하나의 그룹으로 등장하였다는 점으로 미디어가 패 션에 미치는 영향력을 보여주고 있다. 4번째 그룹 ‘레트 로 아이템’은 ‘청청패션’, ‘타미힐피거’, ‘청바지’, ‘와이드팬 츠’, ‘체크무늬’, ‘재킷’, ‘복고풍’으로 구성되어 있으며 청 과 관련된 키워드와 함께 체크 셔츠도 등장함으로써 그 시절 가장 대표적인 복고풍 아이템을 확인할 수 있다.
Fig. 11. Concor Analysis of 90s fashion data
Fig. 12에서 2019년 패션의 Concor 분석 결과를 보 면 ‘레트로풍 바지’, ‘80,90년대 패션’, ‘레트로 퓨처리즘’,
‘뉴트로’의 4개의 그룹으로 구성된다. 첫 번째 그룹은 ‘와 이드팬츠’, ‘하이웨스트’, ‘나팔바지’로 이루어져 있어서
‘레트로풍 바지’로 명명하였다. 세 번째 그룹에 등장한
‘헤리티지무드’, ‘레트로퓨처리즘’은 이전 레트로를 재해 석하는 용어로서 뉴트로 무드가 2019년 패션의 핵심이 라는 것을 보여주고 있다.
Fig. 12. Concor Analysis of 2019 fashion data Fig. 13에서 볼 수 있듯이, 2020년 패션은 ‘80,90년 대 패션’, ‘뉴트로’, ‘레이디 쉬크’, ‘레트로 퓨처리즘’의 4 개 그룹으로 나뉜다. 첫 번째 그룹은 ‘청청패션’, ‘파워숄 더’, ‘와이드팬츠’ 등 2019년에 유행했던 레트로 관련 키 워드가 주를 이루고 있어서 ‘80,90년대 패션’으로 명명하 였다. 네 번째 그룹은 ‘향수’, ‘레트로퓨처리즘’, ‘뉴트로’,
‘컬러풀’, ‘로고플레이’, ‘클래식블루’로 구성되어 있어 이 를 대표하는 ‘레트로 퓨처리즘’으로 명명하였다. 기성세 대의 향수를 자극함과 동시에 새로운 밀레니얼 세대에게 흥미를 일으키며 레트로를 다시 재해석한다는 의미의 레 트로 퓨처리즘과 뉴트로가 나타났다. 이와 더불어 올해의 컬러 클래식블루의 등장과 함께 판단해 볼 때, 2020년은 새로운 무드가 등장함과 동시에 복고 아이템도 세련되게 재출시되어 지속적으로 유행을 선도한 해로 분석할 수 있다.
Fig. 13. Concor Analysis of 2020 fashion data
5. 결론 및 향후 연구방향
최근에 대유행하는 레트로 패션은 과거 패션을 재현하 고 재해석하면서 패션 산업의 변화와 성장에 큰 영향을 미치고 있고 패션을 데일리룩으로 소비하는 사람들의 숫 자도 급증하고 있다. 이에 본 논문에서는 스트리트 패션 과 데일리룩에 초점을 두고 빅데이터 분석을 융합하여 과거 패션(1980년대와 1990년대)과 현재 패션(2019년 과 2020년)의 키워드를 비교 분석함으로써 패션 트렌드 를 분석하고 패션 주기의 순환성을 검증하고자 하였다.
이를 위하여 네이버 블로그, 카페, 뉴스, 웹 문서 등에 서 수집한 대량의 데이터들을 대상으로 ‘텍스톰’을 사용 하여 빅데이터 융합 분석을 실시하였다. 수집한 데이터는 단어 통일, 줄임말 대체, 어미 제거 등과 같은 정제과정을 거친 후에 빈도분석, TF-IDF, N-gram, 매트릭스 분석, 네트워크 분석, Concor 분석을 실시하였다. 키워드 추출 및 빈도 분석을 통해 해당 기간에 유행하는 패션 아이템 과 시대적 배경, 패션에 관한 사람들의 관심과 인식을 살 펴보았다. 또한, 네트워크 분석 및 구조적 등위성 분석 등 을 통해 복잡한 패션 네트워크 내에서의 구조적 관계와 의미를 파악하여 다양한 시사점을 제시하였다. 본 연구의 의의는 다음과 같다.
첫째, 패션 전문가가 아닌 일반 사람들의 데일리 룩을 대상으로 패션 유행을 분석하였다. 패션에 관한 일반인들 의 관심이 점점 더 증대되고 있고 네이버, 카카오 등의 라이브 방송으로 일반인들이 의류를 판매하기 시작한 현 재 상황에 시의성 있는 결과 분석을 제공하였다.
둘째, 패션 순환성과 순환 주기가 30-40년 정도로 짧 아졌음을 빅데이터 분석을 통해 과학적으로 검증하였다.
과거의 패션(1980년대, 1990년대)이 현재의 패션(2019 년, 2020년)으로 재현되고 재해석되어 패션 유행이 순환 되었음을 입증하였다. 2019년 TF-IDF 분석 결과, 상위 30개 키워드 중 ‘청청패션’, ‘에슬레저룩’, ‘오버사이즈’,
‘와이드팬츠’ 등의 키워드가 과거 1980년대, 1990년대에 도 동일하게 등장하였고, ‘네온컬러’, ‘로고플레이’처럼 재 해석되어 변형된 패션 키워드가 5개 나타났다. 2020년 상위 30개 키워드 중에서는 ‘젠더리스’, ‘파워숄더’와 같 은 동일한 키워드가 11개 나타났고, 유사한 키워드는 8 개 나타났다.
셋째, 도출된 패션 키워드 들의 구조적 관계를 살펴보 기 위하여 구조적 등위성 분석의 일종인 CONCOR 분석 을 수행한 결과, 4개의 군집으로 분류되었다. 과거 80년 대, 90년대에는 청바지 패션, 레트로 코디, 애슬레저룩,
연예인 복고패션 등의 군집으로 분류되었다. 현재 2019 년도, 2020년도에는 레트로 청바지, 뉴트로, 레이디 쉬 크, 레트로 퓨처리즘 등의 군집으로 분류되었다. 이를 통 해 패션 유행의 순환 현상과 함께 시대에 따라 변화하는 미디어, 연예인 인플루언서의 영향, 레이디 쉬크, 레트로 퓨처리즘 등으로의 패션 진화 방향이 분석되었다.
본 연구는 사람들이 열광하는 레트로 무드의 시대적 배경과 패션 트렌드 순환 주기, 그리고 순환성을 과학적 으로 분석하기 위하여 빅데이터 분석 기법을 융합한 부 분에 의의가 있다. 향후에는 패션 데이터를 수집하는 매 체별 가중치를 도입하여 빅데이터 분석 결과의 신뢰도를 향상시키는 융합 연구를 진행하고자 한다. 또한, 일반 사 람들의 데일리룩과 의류 판매용 인터넷 라이브 방송을 위한 패션 분석과 나아가 미래 패션 트렌드 예측의 방향 으로 연구를 확장하고자 한다. 이 연구를 초석으로 삼아 향후 패션 트렌드 예측을 위한 딥러닝 플랫폼을 연구개 발 하고자 한다.
REFERENCES
[1] J. S. Heo & E. J. Lee. (2019). Trend Analysis of Fashion Brand Evaluation using Big Data-focusing on Gucci Brand. Journal of the Korean Society of Costume , 69(6), 38-51.
[2] LG CNS. (2019. 9. 20). How Does ZARA Use Big Data?.
IT Solutions Series.
https://m.post.naver.com/viewer/postView.nhn?volum eNo=25446366&memberNo=3185448&vType=VERTIC AL
[3] J. P. Seo. (2019.12.4.). Big Data to Predict Fashion Trend ? . Fashion Insignt.
http://www.fi.co.kr/mobile/view.asp?idx=67884 [4] A. Lee & J. H. Lee. (2018). A Study of Perception of
Golfwear using Big Data Analysis. Fashion & Textile Research Journal , 20(5), 533-547.
[5] J. H. Lee, J. M. Lee, W. K. Kim & G. K. Hyoung. (2017).
A Study on Perception of Swimsuit using Big Data Text-Mining Analysis. Korean Journal of Sport Science , 28(1), 104-116.
[6] K. H. Han. (2019). A Study on the Consumer's Perception of HiSeoul Fashion Show using Big Data Analysis. Fashion Business , 23(5), 81-95.
[7] D. J. Kim & S. H. Lee. (2019). A Study of Consumer Perception on Fashion Show using Big Data Analysis.
Fashion Business, 23(3), 85-100.
[8] Chief Choi. YouTube,
https://www.youtube.com/watch?v=X6UKOrR8n_M
[9] DoHaji TV. YouTube, https://www.youtube.com/
channel/UCCUrZ0jnKwZYRkqLpXq2_sA
[10] J. Richardson & A. L. Kroeber. (1940). Three Centuries of Women’s Dress Fashion; a Quantitative Analysis.
Fashion Marketing , 47-105.
[11] A. B. Young. (1937). Recurring Cycles of Fashion.
Fashion Marketing, 107-124.
[12] J. M. Carmen. (1966). The Fate of Fashion Cycles in Our Modern Society. Fashion Marketing, 125-136.
[13] B. D. Belleau. (1987). Cyclical Fashion Movement:
Women’s Day Dresses: 1860~1980. Clothing and Textiles Research Journal, 5(2), 15–20.
[14] J. M. Choi. (1991). An Analytic Study on the Fashion Cycles in Women's Dress. Clothing and Textiles Research Journal, 28(3), 121-135.
[15] K. S. Sung. (2020). Social Media Big Data Analysis of Z-Generation Fashion, Journal of Korea Fashion &
Costume Design , 22(3), 49-61.
[16] S. R. Kim. (2020). A Convergence Study on the Perception of Anorak Fashion using Big Data Analysis.
The Korean Society of Science & Art (KSAF) , 38(4), 43-55.
[17] Y. J. Cho. (2020). A Study on Perception of 3D Printing Fashion using Big Data Analysis. The Korean Society of Science & Art (KSAF) , 38(1), 271–283.
[18] J. Y. Lee & J. H. Jung. (2020). Exploring Consumers’
Perceptions of Bags using the SNS Big Data. Journal of Brand Design Association of Korea , 18(1), 55–70.
[19] K. H. Han. (2019). An Snalysis of Consumers’ Opinion on Fashion Influencer using Big Data. Journal of Digital Contents Societ y, 20(11) , 2,283-2,290.
[20] J. H. Kim & J. M. Lee. (2018). Comparison and Analysis of Domestic and Foreign Sports Brands using Text Mining and Opinion Mining Analysis. Journal of Digital Contents Society , 18(6), 217–234.
[21] J. S. Huh & E. J. Lee. (2019). An Exploratory Analysis of the Web-based Keywords of Fashion Brands using Big Data: Focusing on their Links to the Brand’s Key Marketing Strategies. The Research Journal of the Costume Culture, 27(4), 398-413.
[22] Y. T. Lim & H. S. Lim. (2020). A Comparative Analysis of the Prediction Models for the Direction of Stock Price Using the Online Company Reviews. Journal of the Korea Convergence Society , 11(8), 165-171.
김 기 현(Ki-Hyun Kim) [학생회원]
․ 2018년 3월 ~ 현재 : 성신여자대학교 정보시스템공학과 학생
․ 관심분야 : 게임, 빅데이터, 딥러닝, 패 션
․ E-Mail : [email protected]
변 혜 원(Hae-Won Byun) [정회원]
