Прогнозирование модных трендов остается сложной задачей из-за ограниченного охвата элементов и упрощенных моделей в существующих подходах. В данной работе представлен крупномасштабный датасет FIT, содержащий временные ряды модных элементов и демографические данные пользователей. Для анализа сложных временных зависимостей предложена модель KERN на основе рекуррентных нейронных сетей, учитывающая внутренние и внешние знания предметной области. Модель продемонстрировала точные прогнозы даже для элементов с нерегулярными паттернами как на полугодовом, так и на годовом горизонте планирования. Особый интерес представляет анализ различий в тенденциях для разных пользовательских групп - модель успешно улавливает эти особенности, что значительно повышает точность персонализированных прогнозов. На основе этих результатов разработана система генерации комплексных отчетов, охватывающих все аспекты модных тенденций от базовых категорий до специфических атрибутов. Эксперименты подтверждают, что KERN обеспечивает более точное прогнозирование трендов по сравнению с традиционными методами.