KR100961782B1 - 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체 - Google Patents

인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체 Download PDF

Info

Publication number
KR100961782B1
KR100961782B1 KR1020090046988A KR20090046988A KR100961782B1 KR 100961782 B1 KR100961782 B1 KR 100961782B1 KR 1020090046988 A KR1020090046988 A KR 1020090046988A KR 20090046988 A KR20090046988 A KR 20090046988A KR 100961782 B1 KR100961782 B1 KR 100961782B1
Authority
KR
South Korea
Prior art keywords
product
user
information
analysis
clustering
Prior art date
Application number
KR1020090046988A
Other languages
English (en)
Inventor
김봉우
조항덕
최진호
Original Assignee
주식회사 모임
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 모임 filed Critical 주식회사 모임
Priority to KR1020090046988A priority Critical patent/KR100961782B1/ko
Application granted granted Critical
Publication of KR100961782B1 publication Critical patent/KR100961782B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법, 그 기록 매체가 개시된다. 본 발명은 인공지능에 기반한 개인별 맞춤형 상품 제공 장치에 관한 것으로, 사용자의 로그인 정보를 포함하는 현재 패턴 데이터를 수집하여 분석하는 사용자 정보 분석부; 사용자가 선택하거나 구매한 상품과 관련된 데이터를 수집하여 분석하는 상품 정보 분석부; 상기 사용자 정보 분석부 및 상기 상품 정보 분석부에서 분석된 결과와 상품 질의를 이용하여 행태 분석 및 시간 분석을 수행하여 하나 이상의 클러스터링 클래스를 출력하는 AIRAS; 상기 출력된 클러스터링 클래스에 대응하는 상품 정보를 상품 데이터베이스에서 추출하는 맞춤형 상품 추출부; 및 상기 클러스터링 클래스에 대응하는 인터페이스를 구성하는 맞춤형 인터페이스 생성부를 포함한다. 본 발명에 의하면, 실시간으로 구매 이력 등의 단편적인 정보에 의존하지 않고 변화하는 사용자의 취향을 반영하여 사용자의 행동 패턴을 예측함으로써, 평균적인 예측으로 알 수 없는 개별 사용자의 독특한 취향을 반영하여 제품을 추천할 수 있고, 잠재된 구매욕을 불러일으킬 수 있으며, 설문 조사나 협업 필터링에 따른 입력 데이터의 희박성 문제와 시스템 확장성 문제를 극복할 수 있으며, 시간 분석을 적용하는 경우, 과거의 특정 상품이 과도하게 추천되는 것을 방지할 수 있어 전략적인 마케팅을 가능하게 한다.

Description

인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법, 그 기록 매체 {Apparatus and Method for presenting personalized goods information based on artificial intelligence, and Recording medium thereof}
본 발명은 통계 분석에 관한 것으로, 보다 구체적으로, 사용자의 행동 패턴을 예측하여 실시간으로 개인의 선호나 취향에 최적화된 상품 정보를 제공할 수 있는 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법, 그 기록 매체에 관한 것이다.
일반적으로, 통계에 기반한 마케팅 시스템은 관리자가 직접 설문지를 작성하고 집계한 후 입력하여 내용을 구축하며, 소비자가 입력한 내용은 관리자가 직접 검색 및 조회하여 이에 수동으로 응답하는 형태를 띠고 있다. 또한 통계 및 분석을 하는 데이터베이스 역시 구조적으로 저장과 출력을 하고 통계에 대한 결과만을 출력할 뿐 개인에게 적절한 상품을 제시하거나 소비자 요구분석 및 유행 분석 기능 등의 인공지능을 가지고 반응하지는 못한다. 게다가 패션 분야는 개인의 취향과 성향 및 물품이 활용되는 상황에 있어 많은 감성의 차이와 수많은 경우의 수가 존재하며, 이를 수동적으로 반응하여 소비자에게 응답하기 위해서는 관리자가 자체적으 로 많은 정보와 지식을 가지지 않으면 불가능할 뿐만 아니라, 이에 따른 많은 인력이 소요된다. 단순히 감성 항목별로 경우의 수를 대비해 구성된 데이터베이스의 경우도 있으나, 이는 소비자의 성향이 매우 다양하며 변화가 심한 패션분야의 결과 예측에는 적용시키기가 매우 어렵고 오차가 생길 수 있는 확률이 매우 크다.
일반적인 통계 시스템은 시스템 외적으로 설문지 조사 등의 규격화된 반응을 통해 데이터를 수집하며, 구체적인 언어로 표현되어지지 않는 인간 감성에 대한 설문은 아예 불가능한 상태이다. 이에 따라 개인 감성에 의해 구매가 일어나는 패션 분야의 경우에는 개인의 구매 성향을 분석하거나 나아가 개인의 성향에 맞는 상품을 제안하는 것이 매우 어렵다. 또한 패션 분야에서 매 시즌 빠르게 변화하는 시장에 대응하기 위해서 지속적인 설문 조사를 벌이기에는 많은 시간 및 비용이 요구되고 규격화된 설문으로는 소비자의 감성을 파악하기 어려워 정확도에서도 신빙성이 부족해질 수 밖에 없다. 따라서 현재는 패션 분야에서 상품 생산 및 판매를 위한 정보의 제공은 전문 인력의 예측에 의한 방법에 전적으로 의존하고 있는 실정이다.
한편, 소비자의 입장에서도 개인의 구매 성향 분석이 매우 중요하다. 현재 인터넷 기술의 발전에 따라 굉장히 많은 서비스 업체들이 쇼핑몰을 개설하고 마케팅 전략을 펼치면서 소비자들에게 다양하고 막대한 양의 정보들을 제공하고 있다. 이러한 상황에서, 소비자가 제품을 구매하기 위해서는 다수의 쇼핑몰 또는 경매 사이트들을 서핑하면서 자신이 희망하는 제품을 일일이 선택해야 한다. 그러나, 다종다양한 제품을 온라인 상에서 판매하거나 구매 정보를 제공하는 쇼핑몰의 숫자는 기하급수적으로 증가하고 있기 때문에, 소비자가 자신이 진정으로 희망하는 제품을 찾으려면 많은 시간이 필요하다. 또한, 많은 쇼핑몰들이 제품에 대해 유사 정보들만 제공하고 있기 때문에 소비자로서는 정확한 판단기준을 갖기 어려운 문제점이 있다.
상품 추천 관리시스템은 고객들에게 추천 상품 리스트를 만들어 고객들이 구매 가능성이 있는 상품을 쉽게 찾도록 도와주는 개인화 된 정보 필터링 기술이다. 협업 필터링(collaborative filtering)이 가장 성공적인 상품추천 기법으로 알려져 있으며 많이 이용되고 있다. 그러나, 인터넷 쇼핑몰에서 관리하는 상품과 고객의 수가 급속히 증가하면서 협업 필터링에 기반한 상품 추천 관리시스템은 입력 데이터의 희박성(Sparsity) 문제와 시스템 확장성(Scalability) 문제에 노출되고 있다. 또한, 기존의 콘텐츠 또는 상품이 다수의 사용자 입장에서 왜 추천을 받았는지에 대한 이유를 알지 못하는 한계를 가지고 있다. 사용자 입장에서는 어떤 이유로 나에게 콘텐츠 또는 상품이 추천된 것인지, 무작위로 추출된 것인지 알기 어렵다.
본 발명이 이루고자 하는 첫 번째 기술적 과제는 실시간으로 구매 이력 등의 단편적인 정보에 의존하지 않고 변화하는 사용자의 취향을 반영하여 사용자의 행동 패턴을 예측하고, 설문 조사나 협업 필터링에 따른 입력 데이터의 희박성 문제와 시스템 확장성 문제를 극복할 수 있는 인공지능에 기반한 개인별 맞춤형 상품 제공 장치를 제공하는 데 있다.
본 발명이 이루고자 하는 두 번째 기술적 과제는 인공지능에 기반한 개인별 맞춤형 상품 제공 장치에 적용되어 실시간으로 변화하는 사용자 속성과 선호되는 상품의 속성에 대해 지능적 분석을 수행함으로써 잠재된 구매욕을 불러일으킬 수 있는 인공지능에 기반한 개인별 맞춤형 상품 제공 방법을 제공하는 데 있다.
상기의 첫 번째 기술적 과제를 이루기 위하여, 본 발명은 사용자의 로그인 정보를 포함하는 현재 패턴 데이터를 수집하여 분석하는 사용자 정보 분석부; 사용자가 선택하거나 구매한 상품과 관련된 데이터를 수집하여 분석하는 상품 정보 분석부; 상기 사용자 정보 분석부 및 상기 상품 정보 분석부에서 분석된 결과와 상품 질의를 이용하여 행태 분석 및 시간 분석을 수행하여 하나 이상의 클러스터링 클래스를 출력하는 AIRAS (Artificial Intelligence Ranking Analysis System); 상기 출력된 클러스터링 클래스에 대응하는 상품 정보를 상품 데이터베이스에서 추출하는 맞춤형 상품 추출부; 및 상기 클러스터링 클래스에 대응하는 인터페이스를 구성하는 맞춤형 인터페이스 생성부를 포함하는, 인공지능에 기반한 개인별 맞춤형 상품 제공 장치를 제공한다.
본 발명의 일 실시 예에서, 상기 사용자 정보 분석부는 상기 현재 패턴 데이터와 사용자의 연령, 성별, 주소, 직업 또는 취미 중 적어도 하나를 포함하는 사용자의 프로파일 정보를 이용하여 사용자 분석을 수행한다.
본 발명의 일 실시 예에서, 상기 상품 정보 분석부는 상기 현재 패턴 데이터와 쇼핑몰 사이트나 각종 경매 사이트에서 취급하는 모든 상품 또는 일부의 상품에 대한 프로파일 정보를 이용하여 상품 분석을 수행한다.
본 발명의 다른 실시 예에서, 상기 사용자 정보 분석부 및 상기 상품 정보 분석부로부터 상기 분석된 결과를 수신하고, 상기 분석된 결과와 함께 상기 상품 질의를 상기 AIRAS에 전달하며, 상기 AIRAS로부터 상기 클러스터링 클래스를 수신하여 상기 맞춤형 상품 추출부 및 상기 맞춤형 인터페이스 생성부에 전달하는 AIRAS 연동부를 더 포함할 수 있다.
상기 AIRAS는 구체적으로, 상기 사용자의 속성 및 상기 상품의 속성들 사이의 관계를 설정하는 속성 매칭부; 상기 사용자의 속성 및 상기 상품의 속성들 각각의 가치를 측정하고 상기 설정된 관계에 대한 가치를 계산하는 가치 측정부; 상기 사용자가 상품마다 머문 시간 또는 현재 시간 중 적어도 하나에 기반하여 시간 분석을 수행하여 상기 가치 측정부에서 계산된 가치에 가중치를 부여하는 시간 분석부; 및 상기 가중치가 부여된 가치를 클러스터링 알고리즘에 적용하여 클러스터링 클래스를 추출하는 클러스터링부를 포함할 수 있다.
본 발명의 또 다른 실시 예에서, 상기 맞춤형 상품 추출부 및 상기 맞춤형 인터페이스 생성부는 상기 추출된 상품 정보 및 상기 구성된 인터페이스를 클라이언트에 전송하여 상기 클라이언트에 구비된 화면에 표시할 수 있다.
여기서, 클라이언트는 인터넷이나 네트워크에 접속할 수 있는 데스크탑 컴퓨터, 노트북 컴퓨터, PDA, PMP, 모바일 폰 중 적어도 하나일 수 있다.
본 발명의 또 다른 실시 예에서, 상기 맞춤형 인터페이스 생성부는 상기 클라이언트로부터 상기 상품 정보에 대한 피드백 정보를 수신하여 상기 구성된 인터페이스의 상기 사용자에 대한 적합성 여부를 판단할 수 있다.
본 발명의 또 다른 실시 예에서, 상기 맞춤형 인터페이스 생성부는 상기 구성된 인터페이스를 상기 추출된 상품의 속성에 따라 변형할 수 있다.
상기의 두 번째 기술적 과제를 이루기 위하여, 본 발명은 사용자의 로그인 정보를 포함하는 현재 패턴 데이터를 수집하여 사용자 분석을 수행하고, 사용자가 선택하거나 구매한 상품과 관련된 데이터를 수집하여 상품 분석을 수행하는 단계; 상기 사용자 분석 및 상품 분석의 결과에 기반한 행태 분석 및 시간 분석을 수행하여 하나 이상의 클러스터링 클래스를 출력하는 단계; 상기 출력된 클러스터링 클래스에 대응하는 상품 정보를 상품 데이터베이스에서 추출하는 단계; 및 상기 클러스터링 클래스에 대응하는 인터페이스를 구성하는 단계를 포함한다.
상기 클러스터링 클래스를 출력하는 단계는 구체적으로, 상기 사용자의 속성 및 상기 상품의 속성들 사이의 관계를 설정하는 단계; 상기 사용자의 속성 및 상기 상품의 속성들 각각의 가치를 측정하고 상기 설정된 관계에 대한 가치를 계산하는 단계; 상기 사용자가 상품마다 머문 시간 또는 현재 시간 중 적어도 하나에 기반하 여 시간 분석을 수행하여 상기 가치 측정부에서 계산된 가치에 가중치를 부여하는 단계; 및 상기 가중치가 부여된 가치를 클러스터링 알고리즘에 적용하여 클러스터링 클래스를 추출하는 단계를 포함할 수 있다.
본 발명의 다른 실시 예에서, 상기 추출된 상품 정보 및 상기 구성된 인터페이스를 클라이언트에 전송하여 상기 클라이언트에 구비된 화면에 표시하는 단계를 더 포함할 수 있다.
본 발명의 또 다른 실시 예에서, 상기 클라이언트로부터 상기 상품 정보에 대한 피드백 정보를 수신하여 상기 구성된 인터페이스의 상기 사용자에 대한 적합성 여부를 판단하는 단계를 더 포함할 수 있다.
본 발명에 의하면, 실시간으로 구매 이력 등의 단편적인 정보에 의존하지 않고 변화하는 사용자의 취향을 반영하여 사용자의 행동 패턴을 예측함으로써, 평균적인 예측으로 알 수 없는 개별 사용자의 독특한 취향을 반영하여 제품을 추천할 수 있고, 잠재된 구매욕을 불러일으킬 수 있으며, 설문 조사나 협업 필터링에 따른 입력 데이터의 희박성 문제와 시스템 확장성 문제를 극복할 수 있으며, 시간 분석을 적용하는 경우, 과거의 특정 상품이 과도하게 추천되는 것을 방지할 수 있어 전략적인 마케팅을 가능하게 한다.
이하에서는 도면을 참조하여 본 발명의 바람직한 실시 예를 설명하기로 한다. 그러나, 다음에 예시하는 본 발명의 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 다음에 상술하는 실시 예에 한정되는 것은 아니다.
도 1은 본 발명의 일 실시 예에 따라 인공지능에 기반한 랭킹 분석 장치(Artificial Intelligence Ranking Analysis System; AIRAS)(100)와 연동하는 인공지능에 기반한 개인별 맞춤형 상품 제공 장치의 블록도이다.
사용자 정보 분석부(210) 및 상품 정보 분석부(220)는 사용자의 로그인 정보, 사용자가 선택하거나 구매한 상품과 관련된 자료를 수집한다. 이러한 자료 수집 모듈은 AIRAS 연동부(230)를 통해 AIRAS(100)와 네트워크로 연결될 수 있다. 현재 패턴 수집 데이터는 사용자가 클릭한 대상, 사용자가 웹이나 네트워크에서 이동한 경로 등에 대한 기록을 의미한다. 현재 상품 수집 데이터는 사용자가 클릭한 상품에 대한 정보, 상품을 클릭하지 않은 경우에는 최근 유행 상품에 대한 정보 등을 포함한다. 수집된 데이터는 AIRAS 연동부(230)를 통해 AIRAS(100)에 전달된다.
사용자 정보 분석부(210)는 사용자 데이터베이스(211)과 연결될 수 있다. 사용자 데이터베이스(211)는 사용자의 프로파일 정보를 저장한다. 사용자의 프로파일은 연령, 성별, 주소, 직업, 취미 등을 포함한다.
상품 정보 분석부(220)는 상품 데이터베이스(221)과 연결될 수 있다. 상품 데이터베이스(221)는 쇼핑몰 사이트나 각종 경매 사이트에서 취급하는 모든 상품 또는 일부의 상품에 대한 프로파일 정보를 저장한다.
AIRAS 연동부(230)는 사용자 정보 분석부(210) 및 상품 정보 분석부(220)에서 수집되고 분석된 결과와 함께 상품 질의를 질의 분석부(120)에 전달한다.
이하에서는 AIRAS(100)의 동작에 대해 설명한다.
질의 분석부(120)는 입력된 질의(외부 검색 엔진에서 입력되는 질의어, AIRAS 연동부(230)에서 수신되는 질의 명령 등)를 분석하여 질의 내용을 분한다. 질의 분석을 통해서 검색되어야 할 오브젝트, 시간, 관계, AIRAS(100)의 동작(분석, 입력, 검색 등)이 결정된다. 질의 분석부(120)는 인터넷 상에서의 다른 객체와 연결되는 인터페이스의 역할을 수행한다. 그러나, 당업자의 필요에 따라 질의 분석부(120)를 생략하고, 행태 분석부(130)를 기기간 인터페이스로 사용하거나 질의 분석 기능을 행태 분석부(130)에 병합시킬 수도 있다.
여기서, 질의 명령은 AIRAS(100)와 사전에 약속된 코드를 포함한다. 그러나, 네이버 기타 검색엔진과 연동하는 경우에는 약속되지 않은 코드 또는 일반적인 문장을 포함할 수 있다. 이 경우, 이를 질의 명령의 형태로 변환하는 것이 질의 분석부(120)이다. 예를 들어, AIRAS(100)에 "나는 최근 유행하는 상품중 Top 상품을 찾고 있다." 라는 질의가 입력되면, "최근 유행", "상품 Top 검색" 등과 같은 단순화된 질의 명령이 도출될 수 있다.
행태 분석부(130)는 사용자 정보 분석부(210) 및 상품 정보 분석부(220)에서 수집된 자료들을 미리 정의된 행태 분석 메타데이터와 매칭하여 분석한다. 오브젝트 속성 매칭부(140)는 오브젝트 별로 다양한 속성을 서로 매칭하여 측정 및 분석 한다. 가치 측정부(150)는 오브젝트의 속성 자체의 가치뿐만 아니라, 각 속성끼리의 관계에 대해 가치를 측정한다.
시간 분석부(160)는 시간에 따른 가중치를 부여하기 위해 시간 분석 결과를 가치 측정부(150)의 결과에 반영한다.
클러스터링부(170)는 시간 분석부(160)에서 출력되는 가중치가 부여된 속성들의 가치에 따라 클러스터링을 수행한다.
출력부(180)는 클러스터링부(170)의 분석 결과를 사용자 정보 분석부(210) 및 상품 정보 분석부(220), 기타 인터넷 상의 디바이스에 전송한다.
데이터 저장 모듈(190)은 히스토리나 메타데이터를 저장 관리 한다. 데이터 저장 모듈(190)은 행태 분석부(130)의 행태 분석 결과, 클러스터링부(170)의 클러스터링 결과(예를 들어, 질의에 맞는 상품 분석 내용)을 저장한다.
AIRAS(100)의 동작에 따른 결과로 상품 질의에 매칭되는 하나 이상의 클러스터링 클래스가 출력된다. 한편, 도 1에서는 AIRAS(100)가 AIRAS 연동부(230)와 독립된 모듈로 도시되어 있으나, 당업자의 선택에 따라 AIRAS 연동부(230)와 일체화된 모듈 형태로 제작될 수도 있다.
AIRAS 연동부(230)는 상기 클러스터링 클래스를 수신하고, 수신한 클래스를 맞춤형 상품 추출부(240) 및 맞춤형 인터페이스 생성부(250)에 전달한다.
맞춤형 상품 추출부(240)는 상기 클래스를 상품 데이터베이스(221)과 대비하여 사용자의 취향에 적합한 상품 정보를 추출한다.
맞춤형 인터페이스 생성부(250)는 미리 저장된 복수의 인터페이스 중 상기 클래스에 대응하는 하나의 인터페이스를 선택한다. 또한, 맞춤형 인터페이스 생성부(250)는 선택된 인터페이스를 상기 상품 정보를 표시할 수 있는 형태로 변형할 수도 있다. AIRAS(100)에 의해 출력되는 클래스와 특정 인터페이스 사이의 대응 관계는 맞춤형 상품 제공 장치의 학습에 따라 결정되거나 갱신될 수 있다. 본 발명의 다른 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 상품 제공 장치는 클라이언트(290)에 상품 정보 및 인터페이스를 제공한 후, 클라이언트(290)가 제공된 상품 정보를 조회하는지 여부에 따라 해당 사용자의 취향이 제공된 인터페이스에 호의적인지 판단할 수 있다. 이를 위해, 본 발명의 다른 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 상품 제공 장치는 맞춤형 상품 및 맞춤형 인터페이스의 제공 이후에도 클라이언트(290)로부터의 피드백을 모니터링할 수 있다. 여기서, 클라이언트(290)는 인터넷이나 기타 네트워크에 접속할 수 있는 데스크탑 컴퓨터, 노트북 컴퓨터, PDA, PMP, 모바일 폰 등일 수 있다.
도 2는 본 발명의 또 다른 실시 예에 따라 쇼핑몰 서버(310) 또는 포탈 서버(320)와 연동하는 인공지능에 기반한 개인별 맞춤형 상품 제공 장치의 블록도이다.
도 2에서는 복수의 클라이언트(291-299)가 인터넷을 통해 쇼핑몰 서버(310)나 포탈 서버(320)에 접속한 경우를 가정한다. 클라이언트(291-299)는 쇼핑몰 서버(310)나 포탈 서버(320)와 직접 접속되지 않고, 중간에 접속 서버, 캐시 서버, 중계 서버 등에 의해 간접적으로 연결될 수도 있다.
사용자 정보 분석부(210) 및 상품 정보 분석부(220)는 쇼핑몰 서버(310)나 포탈 서버(320)로부터 사용자의 로그인 정보, 사용자가 선택하거나 구매한 상품과 관련된 자료를 수집한다. 이러한 자료 수집 모듈은 AIRAS 연동부(230)를 통해 AIRAS(100)와 네트워크로 연결될 수 있다. 현재 패턴 수집 데이터는 사용자가 클릭한 대상, 사용자가 웹이나 네트워크에서 이동한 경로 등에 대한 기록을 의미한다. 현재 상품 수집 데이터는 사용자가 클릭한 상품에 대한 정보, 상품을 클릭하지 않은 경우에는 최근 유행 상품에 대한 정보 등을 포함한다. 수집된 데이터는 AIRAS 연동부(230)를 통해 AIRAS(100)에 전달된다.
사용자 정보 분석부(210)는 쇼핑몰 서버(310)가 관리하는 사용자 데이터베이스(311)나 포탈 서버(320)가 관리하는 사용자 데이터베이스(321)와 연결될 수 있다. 사용자 데이터베이스(311, 321)는 사용자의 프로파일 정보를 저장한다. 즉, 쇼핑몰 회원이나 포탈 사이트 회원의 프로파일로서 연령, 성별, 주소, 직업, 취미 등을 포함할 수 있다.
상품 정보 분석부(220)는 상품 데이터베이스(221)과 연결될 수 있다. 상품 데이터베이스(221)는 쇼핑몰 사이트나 각종 경매 사이트에서 취급하는 모든 상품 또는 일부의 상품에 대한 프로파일 정보를 저장한다.
상품 데이터베이스(221)는 쇼핑몰 서버(310)가 직접 관리하는 형태일 수도 있고, 본 발명의 다른 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 상품 제공 장치에 부속되는 형태일 수도 있다.
본 발명의 다른 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 상품 제공 장치에 부속되는 형태인 경우에는 상품 데이터베이스(221)가 실제 쇼핑몰 사이트나 포탈 사이트에서 취급하는 모든 상품을 커버할 수 없는 경우가 발생할 수 있다.
이 경우에, 인공지능에 기반한 개인별 맞춤형 상품 제공 장치는 쇼핑몰 사이트 또는 포탈 사이트가 취급하는 상품에 대한 정보를 쇼핑몰 서버(310)나 포탈 서버(320)로부터 수신함으로써 상품 데이터베이스(221)를 갱신할 수 있다. 또는 인공 지능에 기반한 개인별 맞춤형 상품 제공 장치는 쇼핑몰 사이트 또는 포탈 사이트에서 취급될 수 있는 상품의 유형을 제시할 수도 있다.
AIRAS 연동부(230)는 사용자 정보 분석부(210) 및 상품 정보 분석부(220)에서 수집되고 분석된 결과와 함께 상품 질의를 질의 분석부(120)에 전달한다.
AIRAS(100)는 상술한 바와 같이, 현재 사용자의 사용자 정보 및 현재 사용자가 조회, 구매하려는 상품 정보, 현재 사용자가 조회하는 리뷰와 관련된 상품 정보 등을 이용하여 사용자의 행태를 분석하고, 사용자의 행태, 상품 정보 등을 오브젝트로 설정하여 오브젝트마다 가지고 있는 속성별 가치를 측정하며, 속성 간의 가치를 계산하고, 여기에 시간 분석에 따른 가중치를 부여함으로써, 사용자 성향에 최적화된 클러스터링 클래스를 출력한다. 이 클러스터링 클래스는 상품 질의에 대응하는 정보로서, 현재 사용자의 성향, 행동 패턴에 어울리는 상품의 속성들을 나타내는 일종의 인덱스일 수 있다.
AIRAS 연동부(230)는 상기 클러스터링 클래스를 수신하고, 수신한 클래스를 맞춤형 상품 추출부(240) 및 맞춤형 인터페이스 생성부(250)에 전달한다.
맞춤형 상품 추출부(240)는 상기 클래스를 상품 데이터베이스(221)과 대비하여 사용자의 취향에 적합한 상품 정보를 추출한다.
맞춤형 인터페이스 생성부(250)는 미리 저장된 복수의 인터페이스 중 상기 클래스에 대응하는 하나의 인터페이스를 선택하거나 난수 함수에 따라 인터페이스를 생성하되 상기 클래스에 대응하는 인터페이스 요소를 여기에 부가하는 방식으로 맞춤형 인터페이스를 생성할 수 있다. 맞춤형 인터페이스는 화면에 표시되는 글자 의 크기, 색상, 폰트, 표시되는 메뉴의 배경색, 화면에 표시되는 객체들의 배치 형태를 사용자의 선호나 취향에 맞게 조절한 구성을 의미한다.
또한, 맞춤형 인터페이스 생성부(250)는 선택된 인터페이스를 상기 상품 정보를 표시할 수 있는 형태로 변형할 수 있다. 이 경우, 표시될 상품 정보에 적합하게 인터페이스를 변형해야 하므로 맞춤형 인터페이스 생성부(250)는 맞춤형 상품 추출부(240)의 출력을 수신한다.
도 3은 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 상품 제공 방법의 흐름도이다.
먼저, 인공지능에 기반한 개인별 맞춤형 상품 제공 장치에서 사용자의 로그인 정보, 사용자가 선택하거나 구매한 상품과 관련된 자료 등을 수집하고 분석한다(S330). 상품 분석을 위해 사용되는 수집 데이터는 사용자가 클릭한 상품에 대한 정보, 상품을 클릭하지 않은 경우에는 최근 유행 상품에 대한 정보 등을 포함한다. 또한, 상품 분석을 위해 쇼핑몰 사이트나 각종 경매 사이트에서 취급하는 상품들의 프로파일 정보를 이용할 수 있다. 사용자 정보와 상품 정보의 분석 결과는 사용자의 현재 패턴에 대한 정보, 사용자가 관심을 가지고 있는 현재 상품에 대한 정보일 수 있다.
다음, 위에서 분석된 결과에 매칭되는 최적 클래스를 클러스터링 장치에 질의한다(S340). 여기서, 질의가 전달되는 클러스터링 장치는 상술한 AIRAS일 수도 있고, 그 밖에 사용자의 쇼핑과 관련한 행태를 분석하고 여기에 시간 분석에 따른 가중치를 부여하는 클러스터링 장치일 수 있다.
상품 질의에 매칭되는 하나 이상의 클러스터링 클래스가 수신되면, 미리 구비된 상품 데이터베이스에서 상기 클래스에 대응하는 즉, 사용자의 선호나 취향에 어울리는 상품을 추출한다(S350).
마지막으로, 상기 수신된 클래스에 대응하는 인터페이스를 생성하고 이를 위에서 추출한 상품과 함께 클라이언트 디바이스에 표시한다(S360). 여기서, 클라이언트 디바이스는 인터넷이나 기타 네트워크에 접속할 수 있는 데스크탑 컴퓨터, 노트북 컴퓨터, PDA, PMP, 모바일 폰 등일 수 있다.
도 4는 도 3의 사용자 분석 과정(S330)의 일 예를 나타낸 것이다.
먼저, 사용자 분석을 위해 주요 접속 시간을 포함한 사용자의 로그인 정보, 사용자가 웹이나 네트워크에서 이동한 경로, 사용자가 웹이나 네트워크에서 이동한 경로 등에 대한 기록을 수집한다(S431). 또한, 사용자 정보의 분석을 위해, 사용자의 연령, 성별, 주소, 직업, 취미 등의 사용자 프로파일을 저장한 사용자 데이터베이스를 검색할 수도 있다.
다음, 위에서 수집된 자료를 AIRAS와 같은 클러스터링 장치에 전달하여 사용자의 현재 성향을 질의한다(S432). 도 3의 최적 클래스가 특정 사용자에 대해 장시간에 걸쳐 누적된 통계 자료에 기반한 행동 패턴 분석 및 시간 분석의 결과라면, 이 과정(S432)에서 분석하고자 하는 것은 현재 웹이나 네트워크에 접속한 특정 사용자의 일시적인 패턴이다. 즉, 이러한 분석 결과에는 사용자의 각종 정보에 대한 히스토리가 반영되지 않는다. 이 경우에 AIRAS와 같은 클러스터링 장치는 질의와 함께 수신되는 수집 자료에만 근거하여 사용자 성향을 추출한다.
마지막으로, 위에서 질의한 사용자의 현재 성향으로부터 현재 사용자의 일시적인 패턴을 확정한다(S433). 이러한 패턴은 수집 자료 이외의 또 다른 사용자 정보가 된다.
도 5는 도 3의 최적 클래스 질의 과정(S340)의 상세 흐름도이다.
먼저, 외부 통계자료 수집 모듈이나 검색 엔진으로부터 데이터를 입력받는다(S510). 이 과정은 경우에 따라 생략될 수 있다.
다음, AIRAS가 질의를 입력받는다(S520). 이 과정(S520)에서 상술한 질의 분석을 수행할 수 있다. AIRAS는 메타데이터를 이용하여 복수의 오브젝트 각각에 대응하는 복수의 속성들을 정의한다. 여기서, 복수의 오브젝트는 의류, 잡화 등의 패션 상품, 일반 생활 용품, 가전 제품 등일 수 있다.
다음, 입력받은 질의, 사용자가 접속한 정보 제공 페이지 상에서 사용자의 반응 정보 등에 기반하여 행태 분석을 수행하여 사용자의 행동 패턴을 추출한다(S530). 정보 제공 페이지는 일반적인 웹 페이지, 네트워크 상의 문서, 이들을 연결하는 링크 페이지, 모바일 접속이 가능한 사이트 등을 포함한다. 여기서, 반응 정보는 사용자의 로그인 정보, 사용자가 리뷰를 읽은 객체에 대한 정보, 사용자가 구매한 객체에 대한 정보, 사용자의 구매 횟수 정보, 객체마다 머문 시간 정보 또는 사용자가 입력한 게시물 내용 중 적어도 하나일 수 있다. 행태 분석의 대상이 되는 정보 제공 페이지는 특정 온라인 쇼핑몰, 특정 포탈 사이트 등이 될 수 있다. 행태 분석에 따라 추출되는 행동 패턴은 사용자의 관심도, 구매력, 구매 성향, 주활동 시간, 구매 시간, 선호 브랜드 또는 선호 날씨 등을 포함하는 정보일 수 있 다.
이후, 복수의 속성들 사이의 관계를 설정한다(S540). 이 과정(S540)에서, 이전에 속성들 사이에 설정된 관계에 대한 관계 히스토리 데이터에 기반하여 상기 관계를 설정할 수 있다.
다음, 정보 제공 페이지에 접속한 사용자에 대해, 복수의 속성들 각각의 가치를 측정한다. 또한, 이를 이용하여 복수의 속성들 사이의 관계에 대한 가치를 계산한다(S550).
가치 측정이 완료되면, 사용자가 정보 제공 페이지의 객체마다 머문 시간 또는 현재 시간 등, 사용자와 관련된 각종의 시간 데이터에 기반하여 시간 분석을 수행하여 위에서 계산된 가치에 가중치를 부여한다(S560). 보다 구체적으로, 사용자에 대해 누적된 머문 시간 또는 과거 및 현재의 주요 활동 시간 중 적어도 하나를 포함하는 시간 히스토리 데이터에 기반하여 위에서 계산된 가치에 부여할 가중치를 결정할 수 있다.
다음, 가중치가 부여된 가치를 클러스터링 알고리즘에 적용하여 상기 질의에 대응하는 클러스터링 클래스를 추출한다(S570). 본 발명의 일 예에서는 클러스터링 클래스를 추출할 때, 사용자의 행동 패턴에 기반하여 데이터 마이닝을 함으로써 사용자의 취향에 보다 가까운 클러스터링 클래스를 추출할 수 있다. 본 발명의 다른 예에서는 클러스터링 클래스에 해당하는 객체(예를 들어, 쇼핑 아이템 등)을 추출할 수도 있다.
이후, 클러스터링 클래스를 출력하고(S580), 위에서 분석된 여러 결과들을 히스토리 데이터로서 저장한다(S590). 이 과정들(S580, S590)은 필수적인 과정이 아니므로, 당업자의 필요에 따라 생략이 가능하다.
도 6은 도 5의 시간 분석 과정(S560)의 상세 흐름도이다.
먼저, 현재 시간에 따른 각종 관계 데이터를 결정한다(S661). 예를 들어, 사용자가 페이지에 머문 시간, 현재 시간이 주중, 주말, 요일, 공유일/휴일인지 등 환경 변수를 계산한다.
시간 클러스터링 메타데이터를 로드하고(S662), 과거에 측정 가치와 시간을 매칭했던 시간 히스토리 데이터를 로드한다(S663). 시간 히스토리 데이터는 해당 관계나 속성이 새로 추가된 것이 아닌 경우에 사용될 수 있다.
예를 들어, 상품의 조회수에 관련되어 가치 측정을 할 경우, 총 100 점 만점에 표 1과 같이 조회수에 대한 가중치를 부여 할 수 있습니다.
최근 1주일간 누적 조회수 50 점
1주전 1주일간 누적 조회수 30 점
2주전 1주일간 누적 조회수 10 점
3주전 1주일간 누적 조회수 5 점
4주전~2달간 누적 조회수 5 점
그외의 누적 조회수 0 점
표 1과 같이 가중치를 다르게 부여하여 조회수의 가치를 시간별로 다르게 측정할 수 있다.
전체 조회수의 합계로만 히트 상품을 출력 하는 경우에는 특정 시즌 동안 최대 조회수를 냈던 상품이 항상 탑 1순위에 올라올 수 있다. 그러나, 시간 히스토리 데이터를 사용하면, 시시 각각 변하는 개인의 취향을 적응적으로 트래킹할 수 있다.
즉, 최근 1~2주간의 조회수의 합계로만 히트 상품을 출력 하는 경우에는 특정 시즌에 최대 조회수를 냈던 상품이 순위와 관계 없이 2주후에는 순위 밖으로 밀려나게 된다. 상품의 공급자의 입장에서도 시간 히스토리 데이터를 사용함으로써 판매 가능성이 유력한 상품을 보다 정확히 판단 할 수 있다.
다음, 시간 분석을 위한 필수 요소(평균, 분산, 표준편차 등)을 계산한다(S664).
다음, 클러스터링 메타데이터에 결정되어 있는 내용에 따라 가치 측정 자료를 시간대별로 클러스터링한다(S665). 예를 들어, 현재 사용자는 주말에 교회 관련 웹서핑을 많이하고, 5시 경에는 저녁 식사에 메뉴에 대한 검색을 많이 한다는 식의 클러스터링 결과를 얻을 수 있다.
이후, 클러스터링 클래스별로 가중치를 계산한다(S666). 예를 들어, 현재 시간대, 오늘 요일 등 공통 변수에서 가중치가 높도록 계산할 수 있다.
다음, 가중치를 양자화하고(S667), 양자화된 가중치를 가치 측정 데이터에 반영한다(S668). 이에 따라, 가치 측정 데이터에 시간 요소를 반영할 수 있다.
도 6의 프로세스는 이미 측정된 가치 측정 데이터에 시간 분석 결과를 반영하는 부분이다. 현재 사용자가 회사인지 교회인지 집인지에 대한 정확한 정보를 파악할 순 없어도 사용자에 대한 행태 분석을 통해 현재 상황을 추정할 수 있으며, 추정된 결과를 가치 측정 데이터에 반영하여 현재 시간에 가장 알맞은 데이터를 추천할 수 있다.
도 7은 도 5의 클러스터링 과정(S570)의 상세 흐름도이다.
먼저, 오브젝트를 속성에 따라 구분 지어 데이터를 분류한다(S771).
다음, 관계별 측정된 가치를 분석한다(S772). 분석되는 가치에는 시간 분석에 따른 가중치가 반영되어 있다.
다음, 클러스터링 알고리즘(예를 들어, K-평균(K-means) 알고리즘, 나이브 베이즈 분류 (Naive Bayes classifier) 등)을 실행하여 관계별 측정된 가치의 분석 결과를 비슷한 가치끼리 정리 한다(S773).
도 8a는 K-평균 알고리즘의 예를 도시한 것이다. 먼저, 임의의 K개의 군집수를 결정하고, 각 군집에 초기치 또는 군집 중심을 1개씩 할당하여 위치 설정한다. 다음, 각각의 데이터에 대해 K개의 위치까지의 거리를 구하고 가장 가까운 군집에 소속시킨다(유클리드 거리를 이용). 이후, 군집으로 나뉘어진 데이터를 기준으로 새로운 군집 중앙의 위치를 최소가 되도록 재설정한다. 마지막으로, 새롭게 구한 군집 중앙의 위치가 기존과 동일하면 알고리즘 종료하고 다르면 두 번째부터 재수행한다. 이 과정을 통하여 K개의 군집으로 데이터를 구분하고 K값에 따라 클러스터링에 많은 영향을 받는다.
도 8b는 응집적 계층 클러스터링(Hierarchical agglomerative clustering)의 예를 도시한 것이다. 여기서, 의류/잡화의 아이템 간의 관계를 이용하여 속성간의 분류가 이루어진다.
이후, 클러스터링 알고리즘의 결과를 저장하고(S774), 정리된 결과를 통해 최종적인 클러스터링 클래스를 추출한다(S775).
도 9a 및 도 9b는 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 상품 제공 방법을 실제 쇼핑 사이트에 적용한 예이다.
도 9a는 사용자가 귀여운 컨셉을 선호하는 경우의 화면 인터페이스의 예이다. 제공되는 상품들 역시 '귀여움'이라는 속성을 갖는 것으로 한정된다. 표시되는 상품들의 배치 역시 당업자가 귀여운 컨셉에 어울린다고 판단한 형태이다. 상품이 제공되는 영역 이외의 영역에서는 디지털 컨텐츠, 패션 정보, 뉴스, 광고 등이 표시될 수도 있다. 도 9b는 사용자가 로맨틱한 컨셉을 선하는 경우의 화면 인터페이스의 예이다. 이는 도 9a의 화면과 다른 구성을 보여준다. 한편, 도 9a 및 도 9b는 화면 메뉴의 구성을 사용자의 성향에 매칭시키지 않은 예를 보여주고 있으나, 화면 메뉴의 구성 역시 사용자의 성향에 매칭시켜 표시하는 것이 가능하다.
본 발명은 소프트웨어를 통해 실행될 수 있다. 바람직하게는, 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 상품 제공 방법을 컴퓨터에서 실행시키기 위한 프로그램을 컴퓨터로 읽을 수 있는 기록매체에 기록하여 제공할 수 있다. 소프트웨어로 실행될 때, 본 발명의 구성 수단들은 필요한 작업을 실행하는 코드 세그먼트들이다. 프로그램 또는 코드 세그먼트들은 프로세서 판독 가능 매체에 저장되거나 전송 매체 또는 통신망에서 반송파와 결합된 컴퓨터 데이터 신호에 의하여 전송될 수 있다.
컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 장치의 예로는 ROM, RAM, CD-ROM, DVD±ROM, DVD-RAM, 자기 테이프, 플로피 디스크, 하드 디스크(hard disk), 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 장치에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
본 발명은 도면에 도시된 일 실시 예를 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시 예의 변형이 가능하다는 점을 이해할 것이다. 그리고, 이와 같은 변형은 본 발명의 기술적 보호범위 내에 있다고 보아야 한다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다.
본 발명은 사용자의 행동 패턴을 예측하여 실시간으로 개인의 선호나 취향에 최적화된 상품 정보를 제공할 수 있는 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법에 관한 것으로, 쇼핑 사이트, 상품 판매를 위한 경매 사이트, 포탈 사이트, 컨텐츠 제공 사이트 등에 적용되는 통계 분석 모듈, 시장 분석 모듈 등에 적용될 수 있고, 모바일과 기존 유선 망을 연결하여 개인화된 데이터를 생성하는 분석 모듈로 사용될 수도 있다.
도 1은 본 발명의 일 실시 예에 따라 인공지능에 기반한 랭킹 분석 장치(AIRAS)와 연동하는 인공지능에 기반한 개인별 맞춤형 상품 제공 장치의 블록도이다.
도 2는 본 발명의 또 다른 실시 예에 따라 쇼핑몰 서버 또는 포탈 서버와 연동하는 인공지능에 기반한 개인별 맞춤형 상품 제공 장치의 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 상품 제공 방법의 흐름도이다.
도 4는 도 3의 사용자 분석 과정의 일 예를 나타낸 것이다.
도 5는 도 3의 최적 클래스 질의 과정의 상세 흐름도이다.
도 6은 도 5의 시간 분석 과정의 상세 흐름도이다.
도 7은 도 5의 클러스터링 과정의 상세 흐름도이다.
도 8a는 K-평균 알고리즘의 예를 도시한 것이고, 도 8b는 응집적 계층 클러스터링(Hierarchical agglomerative clustering)의 예를도시한 것이다.
도 9a 및 도 9b는 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 상품 제공 방법을 실제 쇼핑 사이트에 적용한 예이다.

Claims (14)

  1. 사용자의 로그인 정보를 포함하는 현재 패턴 데이터를 수집하여 분석하는 사용자 정보 분석부;
    사용자가 선택하거나 구매한 상품과 관련된 데이터를 수집하여 분석하는 상품 정보 분석부;
    상기 사용자 정보 분석부 및 상기 상품 정보 분석부에서 분석된 결과에 기반하여 상기 사용자의 속성 및 상기 상품의 속성들 사이의 관계를 설정하는 속성 매칭부;
    상기 사용자의 속성 및 상기 상품의 속성들 각각의 가치를 측정하고 상기 설정된 관계에 대한 가치를 계산하는 가치 측정부;
    상기 사용자가 상품마다 머문 시간 또는 현재 시간 중 적어도 하나에 기반하여 시간 분석을 수행하여 상기 가치 측정부에서 계산된 가치에 가중치를 부여하는 시간 분석부;
    상기 가중치가 부여된 가치를 클러스터링하여 클러스터링 클래스를 추출하는 클러스터링부;
    상기 추출된 클러스터링 클래스에 대응하는 상품 정보를 상품 데이터베이스에서 추출하는 맞춤형 상품 추출부; 및
    상기 클러스터링 클래스에 대응하는 인터페이스를 구성하는 맞춤형 인터페이스 생성부를 포함하는, 인공지능에 기반한 개인별 맞춤형 상품 제공 장치.
  2. 제1항에 있어서,
    상기 사용자 정보 분석부는
    상기 현재 패턴 데이터와 사용자의 연령, 성별, 주소, 직업 또는 취미 중 적어도 하나를 포함하는 사용자의 프로파일 정보를 이용하여 사용자 분석을 수행하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 상품 제공 장치.
  3. 제1항에 있어서,
    상기 상품 정보 분석부는
    상기 현재 패턴 데이터와 쇼핑몰 사이트나 각종 경매 사이트에서 취급하는 모든 상품 또는 일부의 상품에 대한 프로파일 정보를 이용하여 상품 분석을 수행하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 상품 제공 장치.
  4. 삭제
  5. 삭제
  6. 제1항에 있어서,
    상기 맞춤형 상품 추출부 및 상기 맞춤형 인터페이스 생성부는
    상기 추출된 상품 정보 및 상기 구성된 인터페이스를 클라이언트에 전송하여 상기 클라이언트에 구비된 화면에 표시하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 상품 제공 장치.
  7. 제6항에 있어서,
    상기 클라이언트는
    인터넷이나 네트워크에 접속할 수 있는 데스크탑 컴퓨터, 노트북 컴퓨터, PDA, PMP, 모바일 폰 중 적어도 하나인 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 상품 제공 장치.
  8. 제6항에 있어서,
    상기 맞춤형 인터페이스 생성부는
    상기 클라이언트로부터 상기 상품 정보에 대한 피드백 정보를 수신하여 상기 구성된 인터페이스의 상기 사용자에 대한 적합성 여부를 판단하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 상품 제공 장치.
  9. 제1항에 있어서,
    상기 맞춤형 인터페이스 생성부는
    상기 구성된 인터페이스를 상기 추출된 상품의 속성에 따라 변형하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 상품 제공 장치.
  10. 유선 또는 무선으로 통신망에 연결된 상품 추천 장치에서 사용자 단말에 추천 상품을 제시하는 방법에 있어서,
    사용자의 로그인 정보를 포함하는 현재 패턴 데이터를 수집하여 사용자 분석을 수행하고, 사용자가 선택하거나 구매한 상품과 관련된 데이터를 수집하여 상품 분석을 수행하는 단계;
    상기 사용자 분석 및 상품 분석의 결과에 기반하여 상기 사용자의 속성 및 상기 상품의 속성들 사이의 관계를 설정하는 단계;
    상기 사용자의 속성 및 상기 상품의 속성들 각각의 가치를 측정하고 상기 설정된 관계에 대한 가치를 계산하는 단계;
    상기 사용자가 상품마다 머문 시간 또는 현재 시간 중 적어도 하나에 기반하여 시간 분석을 수행하여 상기 관계에 대한 가치에 가중치를 부여하는 단계;
    상기 가중치가 부여된 가치를 클러스터링하여 클러스터링 클래스를 추출하는 단계;
    상기 추출된 클러스터링 클래스에 대응하는 상품 정보를 상품 데이터베이스에서 추출하는 단계; 및
    상기 클러스터링 클래스에 대응하는 인터페이스를 구성하는 단계를 포함하는, 인공지능에 기반한 개인별 맞춤형 상품 제공 방법.
  11. 삭제
  12. 제10항에 있어서,
    상기 추출된 상품 정보 및 상기 구성된 인터페이스를 클라이언트에 전송하여 상기 클라이언트에 구비된 화면에 표시하는 단계를 더 포함하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 상품 제공 방법.
  13. 제12항에 있어서,
    상기 클라이언트로부터 상기 상품 정보에 대한 피드백 정보를 수신하여 상기 구성된 인터페이스의 상기 사용자에 대한 적합성 여부를 판단하는 단계를 더 포함하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 상품 제공 방법.
  14. 제10항, 제12항 또는 제13항 중 어느 한 항의 방법을 컴퓨터 시스템에서 실행하기 위한 프로그램이 기록된, 컴퓨터 시스템이 판독할 수 있는 기록매체.
KR1020090046988A 2009-05-28 2009-05-28 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체 KR100961782B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090046988A KR100961782B1 (ko) 2009-05-28 2009-05-28 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090046988A KR100961782B1 (ko) 2009-05-28 2009-05-28 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체

Publications (1)

Publication Number Publication Date
KR100961782B1 true KR100961782B1 (ko) 2010-06-07

Family

ID=42369668

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090046988A KR100961782B1 (ko) 2009-05-28 2009-05-28 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체

Country Status (1)

Country Link
KR (1) KR100961782B1 (ko)

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101073615B1 (ko) 2010-06-04 2011-10-14 주식회사 모임 커머스 사이트의 자동화된 적응적 랜딩 장치, 방법 및 그 기록 매체
KR101100067B1 (ko) * 2010-08-09 2011-12-29 (주) 한턱 사용자별 치수 비교 장치 및 방법
KR101384593B1 (ko) 2012-08-03 2014-04-14 공주대학교 산학협력단 컨텍스트 인식 기반 사용자 행동패턴 추론 시스템
KR20160029998A (ko) * 2014-09-05 2016-03-16 주식회사 포워드벤처스 쇼핑 서비스 제공 장치, 방법, 및 컴퓨터 프로그램
KR101686656B1 (ko) * 2015-09-18 2016-12-14 주식회사 알플레이 라이브 뷰 기능을 제공하는 여행 상품 판매 시스템 및 그 동작 방법
CN109767264A (zh) * 2018-12-20 2019-05-17 深圳壹账通智能科技有限公司 产品数据推送方法、装置、计算机设备和存储介质
US10387894B2 (en) 2015-08-28 2019-08-20 International Business Machines Corporation Brand personality comparison engine
US10395258B2 (en) 2015-08-28 2019-08-27 International Business Machines Corporation Brand personality perception gap identification and gap closing recommendation generation
KR102001179B1 (ko) * 2018-10-29 2019-10-01 한명상 인공지능 기반 목재 정보 제공 장치 및 방법
KR102034125B1 (ko) * 2018-11-23 2019-10-29 박명근 물류 장비 제작을 위한 맞춤 설계 장치 및 방법
KR102040937B1 (ko) * 2018-11-08 2019-11-27 이건환 인공지능 기반 맞춤형 합판 가공 장치 및 방법
KR102051064B1 (ko) * 2018-12-18 2019-12-02 박경문 인공지능 기반 맞춤형 제품 추천 정보 시스템 장치 및 방법
KR102046978B1 (ko) * 2018-11-21 2019-12-04 박경문 인공지능 기반 맞춤형 제품 추천 정보 제공 장치 및 방법
KR102082202B1 (ko) * 2018-11-23 2020-03-02 심정식 인공지능 기반 맞춤형 공구 추천 정보 제공 장치 및 방법
KR102079345B1 (ko) * 2019-04-24 2020-04-13 차종섭 인공신경망 기반 맞춤형 단열재 추천 정보 제공 시스템 및 방법
KR20200124617A (ko) * 2019-04-24 2020-11-03 차종섭 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치 및 방법
WO2020242089A3 (ko) * 2019-05-30 2021-01-14 주식회사 아티스티 인공 지능 기반의 큐레이팅 방법 및 이러한 방법을 수행하는 장치
CN112308629A (zh) * 2020-11-13 2021-02-02 北京沃东天骏信息技术有限公司 信息查询方法和装置
KR20210052237A (ko) * 2019-10-31 2021-05-10 장인하 인공지능에 기반한 상품 카탈로그 자동 분류 시스템
KR20210086928A (ko) * 2019-12-31 2021-07-09 경북대학교 산학협력단 대화형 에이전트 시스템 및 그 제어 방법
KR20210153884A (ko) * 2020-06-11 2021-12-20 라인플러스 주식회사 개인화를 통한 연합 학습의 다중 모델 제공 방법, 시스템, 및 컴퓨터 프로그램
US11315149B2 (en) 2015-08-28 2022-04-26 International Business Machines Corporation Brand personality inference and recommendation system
US11386478B1 (en) 2021-01-15 2022-07-12 Coupang Corp. Computerized systems and methods for using artificial intelligence to generate product recommendations
KR20220133540A (ko) * 2021-03-25 2022-10-05 주식회사 와이즈케어 빅데이터 기반 상품 및 서비스 플랫폼 시스템 및 그 제공방법
WO2023017942A1 (ko) * 2021-08-11 2023-02-16 삼성전자 주식회사 아이템을 사용자에게 추천하기 위한 전자 장치 및 방법
KR20230082112A (ko) * 2021-12-01 2023-06-08 한지승 고객과 매칭되는 문화예술 관람 티켓에 대한 정보를 제공하는 방법 및 서버
KR102585731B1 (ko) * 2023-05-30 2023-10-10 주식회사 지오벤처스 인공지능 기반 정기배송 재구독률 향상을 위한 개인 맞춤상품 추천 시스템
KR102602416B1 (ko) * 2023-05-30 2023-11-16 주식회사 지오벤처스 빅데이터 기반 고객니즈 맞춤형 상품 추천 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
논문1:한국컴퓨터종합학술대회 2005 논문집 vol.32, No.1(B)
논문2:한국전자거래학회지 = The Journal of Society for e-Business Studies ,v.10 no.2 ,2005 ,pp.109-132*

Cited By (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101073615B1 (ko) 2010-06-04 2011-10-14 주식회사 모임 커머스 사이트의 자동화된 적응적 랜딩 장치, 방법 및 그 기록 매체
KR101100067B1 (ko) * 2010-08-09 2011-12-29 (주) 한턱 사용자별 치수 비교 장치 및 방법
WO2012020919A1 (ko) * 2010-08-09 2012-02-16 (주) 한턱 사용자별 치수 비교 장치 및 방법
KR101384593B1 (ko) 2012-08-03 2014-04-14 공주대학교 산학협력단 컨텍스트 인식 기반 사용자 행동패턴 추론 시스템
KR101705816B1 (ko) * 2014-09-05 2017-02-22 주식회사 포워드벤처스 쇼핑 서비스 제공 장치, 방법, 및 컴퓨터 프로그램
KR20160029998A (ko) * 2014-09-05 2016-03-16 주식회사 포워드벤처스 쇼핑 서비스 제공 장치, 방법, 및 컴퓨터 프로그램
US10387894B2 (en) 2015-08-28 2019-08-20 International Business Machines Corporation Brand personality comparison engine
US11315149B2 (en) 2015-08-28 2022-04-26 International Business Machines Corporation Brand personality inference and recommendation system
US10672012B2 (en) 2015-08-28 2020-06-02 International Business Machines Corporation Brand personality comparison engine
US10395258B2 (en) 2015-08-28 2019-08-27 International Business Machines Corporation Brand personality perception gap identification and gap closing recommendation generation
KR101686656B1 (ko) * 2015-09-18 2016-12-14 주식회사 알플레이 라이브 뷰 기능을 제공하는 여행 상품 판매 시스템 및 그 동작 방법
KR102001179B1 (ko) * 2018-10-29 2019-10-01 한명상 인공지능 기반 목재 정보 제공 장치 및 방법
KR102040937B1 (ko) * 2018-11-08 2019-11-27 이건환 인공지능 기반 맞춤형 합판 가공 장치 및 방법
KR102046978B1 (ko) * 2018-11-21 2019-12-04 박경문 인공지능 기반 맞춤형 제품 추천 정보 제공 장치 및 방법
KR102034125B1 (ko) * 2018-11-23 2019-10-29 박명근 물류 장비 제작을 위한 맞춤 설계 장치 및 방법
KR102082202B1 (ko) * 2018-11-23 2020-03-02 심정식 인공지능 기반 맞춤형 공구 추천 정보 제공 장치 및 방법
KR102051064B1 (ko) * 2018-12-18 2019-12-02 박경문 인공지능 기반 맞춤형 제품 추천 정보 시스템 장치 및 방법
CN109767264A (zh) * 2018-12-20 2019-05-17 深圳壹账通智能科技有限公司 产品数据推送方法、装置、计算机设备和存储介质
KR20200124617A (ko) * 2019-04-24 2020-11-03 차종섭 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치 및 방법
KR102079345B1 (ko) * 2019-04-24 2020-04-13 차종섭 인공신경망 기반 맞춤형 단열재 추천 정보 제공 시스템 및 방법
KR102310970B1 (ko) * 2019-04-24 2021-10-08 차종섭 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치 및 방법
WO2020242089A3 (ko) * 2019-05-30 2021-01-14 주식회사 아티스티 인공 지능 기반의 큐레이팅 방법 및 이러한 방법을 수행하는 장치
US11966962B2 (en) 2019-05-30 2024-04-23 Artisty Inc. Artificial intelligence-based curating method and device for performing the same
KR20210052237A (ko) * 2019-10-31 2021-05-10 장인하 인공지능에 기반한 상품 카탈로그 자동 분류 시스템
KR102429104B1 (ko) * 2019-10-31 2022-08-04 주식회사 서울벤처스 인공지능에 기반한 상품 카탈로그 자동 분류 시스템
KR20210086928A (ko) * 2019-12-31 2021-07-09 경북대학교 산학협력단 대화형 에이전트 시스템 및 그 제어 방법
KR102416496B1 (ko) * 2019-12-31 2022-07-05 경북대학교 산학협력단 대화형 에이전트 시스템 및 그 제어 방법
KR20210153884A (ko) * 2020-06-11 2021-12-20 라인플러스 주식회사 개인화를 통한 연합 학습의 다중 모델 제공 방법, 시스템, 및 컴퓨터 프로그램
KR102501496B1 (ko) 2020-06-11 2023-02-20 라인플러스 주식회사 개인화를 통한 연합 학습의 다중 모델 제공 방법, 시스템, 및 컴퓨터 프로그램
CN112308629A (zh) * 2020-11-13 2021-02-02 北京沃东天骏信息技术有限公司 信息查询方法和装置
WO2022153090A1 (en) * 2021-01-15 2022-07-21 Coupang Corp. Computerized systems and methods for using artificial intelligence to generate product recommendations
US11386478B1 (en) 2021-01-15 2022-07-12 Coupang Corp. Computerized systems and methods for using artificial intelligence to generate product recommendations
KR20220133540A (ko) * 2021-03-25 2022-10-05 주식회사 와이즈케어 빅데이터 기반 상품 및 서비스 플랫폼 시스템 및 그 제공방법
KR102598258B1 (ko) * 2021-03-25 2023-11-06 주식회사 와이즈케어 빅데이터 기반 상품 및 서비스 플랫폼 시스템 및 그 제공방법
WO2023017942A1 (ko) * 2021-08-11 2023-02-16 삼성전자 주식회사 아이템을 사용자에게 추천하기 위한 전자 장치 및 방법
KR20230082112A (ko) * 2021-12-01 2023-06-08 한지승 고객과 매칭되는 문화예술 관람 티켓에 대한 정보를 제공하는 방법 및 서버
KR102574881B1 (ko) * 2021-12-01 2023-09-06 한지승 고객과 매칭되는 문화예술 관람 티켓에 대한 정보를 제공하는 방법 및 서버
KR102585731B1 (ko) * 2023-05-30 2023-10-10 주식회사 지오벤처스 인공지능 기반 정기배송 재구독률 향상을 위한 개인 맞춤상품 추천 시스템
KR102602416B1 (ko) * 2023-05-30 2023-11-16 주식회사 지오벤처스 빅데이터 기반 고객니즈 맞춤형 상품 추천 방법
KR102605658B1 (ko) * 2023-05-30 2023-11-24 주식회사 지오벤처스 인공지능 기반 정기배송 재구독률 향상을 위한 개인맞춤상품 추천 및 가맹업체 제품 추천 시스템
KR102628704B1 (ko) * 2023-05-30 2024-01-25 주식회사 지오벤처스 고객 니즈 맞춤형 상품 추천 및 상품공유 보상예상정보 제공 시스템

Similar Documents

Publication Publication Date Title
KR100961782B1 (ko) 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체
KR100963996B1 (ko) 감성에 기반한 개인별 제품 추천 장치 및 방법, 그 기록 매체
KR100961783B1 (ko) 인공지능에 기반한 제품 및 제품 벤더 추천 장치 및 방법, 그 기록 매체
KR101111121B1 (ko) 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치 및 방법, 그 기록 매체
Su et al. A method for discovering clusters of e-commerce interest patterns using click-stream data
KR101003045B1 (ko) 인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법,그 기록 매체
Wei et al. A survey of e-commerce recommender systems
JP2001282982A (ja) Ｗｅｂマーケティングシステム
KR102227552B1 (ko) 상황인지 알고리즘 기반 리뷰 카테고리를 이용한 음식점 노출 개인화 서비스 제공 시스템
KR102122608B1 (ko) 블록체인 간편결제 플랫폼 기반 ｏ２ｏ 소비패턴 맞춤형 상점 노출 서비스 제공 방법
EP2812856A1 (en) Tools and methods for determining relationship values
Lin et al. Application of salesman-like recommendation system in 3G mobile phone online shopping decision support
Alazab et al. Maximising competitive advantage on E-business websites: A data mining approach
CN102957722A (zh) 一种用于生成个性化推荐的网络服务方法及其系统
JP2020035068A (ja) 情報処理装置、情報処理方法および情報処理プログラム
CN112541111A (zh) 基于去中心化大数据检索市场的商品检索及商品推荐系统
KR101026544B1 (ko) 인공지능에 기반한 랭킹 분석 방법, 이를 기록한 기록 매체, 그 장치
Grant et al. Research needs for assessing online value creation in complex consumer purchase process behavior
Fernandes et al. Using clickstream data to analyze online purchase intentions
KR102576123B1 (ko) 제품 공동구매 연계 시스템 및 방법
Lin Big Data Analysis of Personalized Recommendation in E-Commerce
KR100521752B1 (ko) 가맹점으로 회원 고객의 고객관리정보를 제공하는고객정보 제공시스템 및 그 방법
US10311484B2 (en) Data processing device and data processing method
KR20210126473A (ko) 소비 데이터와 소셜 데이터를 이용한 소비동향 예측 지수 생성 방법과 이를 적용한 소비동향 예측 지수 생성 시스템 및 이를 위한 컴퓨터 프로그램
US20150248491A1 (en) Data processing device and data processing method

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130527

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140626

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20151028

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20160526

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee