Machine Learning Algoritme forudsiger, hvilke nye ansigter der vil gøre det som modemodeller

Jobbet med at vælge modemodeller til at repræsentere et brand har aldrig været let. Når du søger gennem en database med modeller, står en casting-direktør over for et valg mellem tusinder for hver magasinforside, social begivenhed eller optræden på landingsbanen. Hvilken man skal vælge er blevet mere kompleks i de senere år, fordi sociale medier nu spiller en vigtig rolle i enhver models karriere.

Og alligevel bliver nogle ansigter hurtigt mere populære end andre. Det indebærer, at når de står over for den samme information - normalt ting som kropsstørrelse og -form, modelbureau, tidligere erfaring samt et billede af modellen - ser casting-direktører generelt ud til at træffe det samme valg.

Det rejser det interessante spørgsmål: givet de samme oplysninger, kunne en passende trænet maskine træffe det samme valg og endda forudsige, hvilke modeller der er mere tilbøjelige til at dukke op på næste sæsons landingsbaner?

I dag får vi et svar takket være Jaehyuk Parks og venners arbejde ved Indiana University i Bloomington. Disse fyre har brugt en maskinlæringsalgoritme til at se de faktorer, der korrelerer med fremtidig modelleringssucces, målt ved antallet af baneoptrædener. Og de siger, at deres tilgang bliver endnu mere præcis, når den også tager højde for de sociale mediers popularitet.

Holdet begyndte med at downloade de data, der er forbundet med 431 kvindelige modeller, der blev opført som nye ansigter på Fashion Model Directory, et vigtigt websted med brancheliste. Dette websted giver forskellige detaljer om hver model, såsom navn, aldersvægt, højde, hofte, talje, kjolestørrelse og så videre. Ikke overraskende viser disse data, at disse modeller i gennemsnit er betydeligt højere, tyndere og lettere end resten af ​​befolkningen.

Fashion Model Directory lister også hver models bureau - som holdet kategoriserer som enten et topbureau eller ej - og hendes erfaring til dato, såsom magasinforsider og antallet af landingsbaneoptrædener.

Da de er nye ansigter, havde disse modeller alle et lignende, begrænset erfaringsniveau med i gennemsnit kun 3,25 baneoptrædener hver under modeugerne i september 2014 i New York, London, Paris og Milano. Det tal er vildledende i betragtning af, at flertallet af dem ikke udførte en eneste bane i løbet af de uger, og kun 24 procent udførte en eller flere.

Holdet indsamlede også data om tilstedeværelsen af ​​hver model på Instagram, sandsynligvis det mest indflydelsesrige sociale netværk i modeverdenen. De fandt ud af, at næsten 60 procent af modellerne havde Instagram-konti hos dem hos topbureauer, der er mere tilbøjelige til at være repræsenteret på Instagram.

Park og co fortsatte med at indsamle alle de sociale opslag for hver konto i de tre måneder op til modeugerne i september 2105, inklusive metadata såsom antallet af likes og kommentarer. De beregnede endda stemningen i kommentarerne for at afgøre, i hvilket omfang de var positive eller negative.

Efter at have samlet alle disse data brugte de forskellige maskinlæringsalgoritmer til at lede efter sammenhænge mellem dem, der havde en eller flere baneudseende, og dem, der ikke havde nogen.

Resultaterne giver interessant læsning. Forskellige faktorer korrelerer positivt med landingsbanens popularitet - for eksempel er høje modeller mere populære, og hver ekstra centimeter i højden mere end fordobler deres chancer for at gå en landingsbane. At være med på et topbureaus bøger er en endnu vigtigere faktor, som øger chancerne for at dukke op på en landingsbane med en faktor ti.

Snarere forudsigeligt korrelerer faktorer som større kjole, hofter og skostørrelse alle negativt med succes, mens taljestørrelsen ikke er korreleret på nogen måde.

Sociale medier viser sig også at være vigtige, men ikke altid på indlysende måder. Flere kommentarer på en Instagram-konto korrelerer med større chancer for at gå en landingsbane. Men mærkeligt nok reducerer det at have flere likes chancerne med omkring 10 procent.

Nu er her den væsentlige del. Efter at have opdaget disse sammenhænge, ​​bruger Park og co dem til at forsøge at forudsige succes på et kommende sæt modeuger, specielt dem i februar og marts 2015.

Endnu en gang gennemtrawlede de Fashion Model Directory for nye ansigter forud for disse shows og downloadede dataene forbundet med 15 modeller sammen med deres Instagram-data. (Hvorfor der var så mange færre nye ansigter denne gang er ikke klart.)

Til sidst brugte de deres maskinlæringsalgoritmer til at forudsige, hvilke af disse modeller der ville have en eller flere baneudseende, og hvilke der ikke ville gøre det.

Den bedste algoritme identificerede korrekt seks af de otte modeller, som ville blive populære på landingsbanen. (Algorithmen forudsagde faktisk korrekt, at alle modellerne på billederne ovenfor ville blive mere succesfulde, for at besvare spørgsmålet i undertitlen.) Vores ramme forudsiger med succes de fleste af de nye populære modeller, der dukkede op i 2015, siger Park og co.

Holdet analyserede også, hvilke faktorer der var vigtigst i disse forudsigelser og fandt ud af, at sociale medier spiller en nøglerolle. Vi oplever, at en stærk tilstedeværelse på sociale medier kan være vigtigere end at være på kontrakt med et topbureau eller end de æstetiske standarder, som branchen efterspørger, siger de.

Undersøgelsen har dog en række svagheder. Det mest alvorlige er, at holdet demonstrerer denne forudsigelsesevne for kun 15 modeller, noget de håber at kunne løse med et større datasæt i fremtiden.

Der er også et spørgsmål om holdets mål for succes - en landingsbaneoptræden. Enhver model vil fortælle dig, at landingsbaneoptrædener ikke er skabt lige med dem, der er forbundet med, at de største modehuse, såsom Chanel og Hermes, er langt vigtigere og mere værdifulde. Igen er dette noget, teamet håber at tage fat på i det fremtidige arbejde.

En anden begrænsning er, at resultaterne gælder online for kvindelige modeller på grund af manglen på tilgængelige data om mandlige modeller.

Ikke desto mindre giver Park og co et interessant indblik i en branche, der stort set er uigennemsigtig. Det bidrager også til et bredere indsatsområde i form af det nye felt af succesvidenskaben, som studerer de kræfter og mekanismer, der virker, når den enkelte bliver succesfuld eller fejler.

Modeverdenen er notorisk hensynsløs. Vi bemærker, hvordan modemodellering udviser en stærk vinder-tak-alt-komponent, siger Park og co. I en branche, der ser ud til at være styret af en sådan overlevelse af den stærkeste mekanisme, bliver forskellen mellem at optræde et show i et førende spillested eller ej afgørende.

I den slags scenarier bliver selv de mindste fordele enormt forstærket. Og det har vigtige konsekvenser for enhver spirende supermodel - en stærk Instagram-konto kan være forskellen mellem fremtidig succes og fiasko.

Ref: arxiv.org/abs/1508.04185 : Style in the Age of Instagram

skjule