La previsión de ventas precisa puede proporcionar una base científica para las decisiones de gestión de las empresas. Proponemos el modelo de previsión combinado xDeepFM-LSTM para las características de los datos de ventas de las empresas de venta al por menor de ropa. Primero utilizamos el modelo de Máquina de Factorización Profunda Extrema (xDeepFM) para explorar la correlación entre las características que influyen en las ventas tanto como sea posible, y luego modelamos la predicción de ventas. A continuación, utilizamos el modelo de Memoria a Largo y Corto Plazo (LSTM) para la corrección de residuos con el fin de mejorar la precisión del modelo de predicción. Luego diseñamos e implementamos experimentos de comparación entre el modelo de previsión combinado xDeepFM-LSTM y otros modelos de previsión. Los resultados experimentales muestran que el rendimiento de previsión de xDeepFM-LSTM es significativamente mejor que el de otros modelos de previsión. En comparación con el modelo de previsión xDeepFM, el modelo de previsión combinado tiene una tasa de optimización más alta, lo que proporciona una base científica para que las empresas de ropa realicen ajustes en sus planes de demanda.