본 연구는 패션산업 내에서 배출되고 있는 환경오염에 대한 문제를 바탕으로 머신러닝 기법을 활용하여 지속가능한 패션 소비자의 행동을 예측하고 세분화하였다. 본 연구의 분석을 위해 한국섬유산업연합회의 2024년 패션소비실태조사 데이터 (N=3,000)를 학습용 70%, 검증용 30%로 분할한 후 로지스틱회귀, SVM, 인공신경망, 의사결정트리, 나이브베이지안, 에이다부스트 등 6종의 머신러닝 알고리즘을 비교·분석하였다. 분석 결과, 에이다부스트 모델이 정확도 86.6%, AUC 0.951로 가장 우수한 예측 성능을 보였다. 순열 중요도 분석에서는 월평균 가구소득(71.69%)이 가장 핵심적인 예측변수로 나타났으며 최종학력(9.18%), 디지털 친화도(8.45%) 순으로 나타났다. K-means 군집분석을 통해 소비자를 고소득 디지털 적극형, 중소득 실용 추구형, 청년 가치 지향형, 저소득 소극 소비형의 4개 세그먼트로 세분화하였다. 본 연구는 머신러닝 기반 통합적 분석을 통해 지속가능한 패션 소비자 세분화 연구의 방법론적 한계를 극복하고 순환경제 활성화를 위한 소득계층별 차별화된 정책 수립의 기초자료를 제공하는 데 의의가 있다.
Lee et al. (2026) studied this question.