KR101305995B1 - 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템 및 그 방법 - Google Patents

메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템 및 그 방법 Download PDF

Info

Publication number
KR101305995B1
KR101305995B1 KR1020110070838A KR20110070838A KR101305995B1 KR 101305995 B1 KR101305995 B1 KR 101305995B1 KR 1020110070838 A KR1020110070838 A KR 1020110070838A KR 20110070838 A KR20110070838 A KR 20110070838A KR 101305995 B1 KR101305995 B1 KR 101305995B1
Authority
KR
South Korea
Prior art keywords
app
utilization
server
usage
pattern
Prior art date
Application number
KR1020110070838A
Other languages
English (en)
Other versions
KR20130010199A (ko
Inventor
주현선
장준호
한진철
Original Assignee
(주) 프람트
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 (주) 프람트 filed Critical (주) 프람트
Priority to KR1020110070838A priority Critical patent/KR101305995B1/ko
Publication of KR20130010199A publication Critical patent/KR20130010199A/ko
Application granted granted Critical
Publication of KR101305995B1 publication Critical patent/KR101305995B1/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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/60—Subscription-based services using application servers or record carriers, e.g. SIM application toolkits

Abstract

본 발명은 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템 및 그 방법에 관한 것이다.
본 발명에서는, 사용자단말기에 컴퓨터 어플리케이션 프로그램(앱) 정보를 제공하고, 앱제공자단말기로부터 앱의 속성데이터를 입력받아 저장하는 운영서버와; 상기 사용자단말기로부터 앱의 활용 정보를 수집하기 위한 앱활용정보수집서버와; 상기 운영서버에 저장된 앱의 속성데이터와 상기 앱활용정보수집서버에서 수집된 앱 활용 패턴 데이터보를 기초로 앱의 활용 패턴을 분석하기 위한 앱활용패턴분석서버와; 상기 앱활용패턴분석서버에서 분석된 정보를 기초를 앱 추천 목록을 생성하여 상기 사용자단말기에 제공하기 위한 앱리스트제공서버를 포함하는 것을 특징으로 하는 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템 및 그 방법이 제시된다.

Description

메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템 및 그 방법{A personalization recommendation system of computer application programs through the analyzing meta-data and usage patterns and method thereof}
본 발명은 PC, 태블릿 PC, 스마트폰, 스마트 TV 등의 사용자단말기에 설치하여 사용할 수 있는 컴퓨터 어플리케이션 프로그램(computer application program)(이하 “앱”이라 함)을 저장하고 있는 다운로드 서버에서 앱을 유료 또는 무료로 다운로드 받아 사용하게 하는 서비스 시스템(이하 “앱스토어” 또는 “앱스토어 서비스 시스템”이라 함)에 관한 것이다. 더 상세하게는 상기 앱스토어 서비스 시스템에서 앱의 메타데이터 및 상기 사용자단말기에서 설치되어 있는 앱의 분포 및 사용 패턴 정보를 분석하여 사용자들에게 개인화된 앱정보를 제공하는 추천 시스템 및 그 방법에 관한 것이다.
최근 스마트폰, 태블릿 PC 및 스마트 TV 등의 앱을 설치하여 사용할 수 있는 단말기의 보급으로 다양한 종류의 앱을 서버에 저장하고 통신망을 통하여 상기 단말기에서 다운로드 및 설치하여 사용하게 하는 앱스토어 서비스가 일상화되어 가고 있다.
상기 앱스토어에서는 예를 들면, 스마트폰에 설치된 앱에 서버에 저장되어 있는 앱들의 정보를 제공하고, 사용자가 상기 스마트폰에서 상기 앱을 유료 또는 무료로 다운로드 받아 사용도록 하고 있다. 스마트폰에 앱들의 정보를 제공하는 방법으로, 사용자가 검색어를 입력하여 관심 앱을 찾거나, 인기순, 최신순 등의 앱정보를 제공하여 사용자가 선택하여 찾을 수 있도록 하는 것이 일반적이다. 따라서, 사용자가 관심이 있는 앱을 찾기 위해서는 검색 키워드를 신중하게 선정하여 검색하거나, 서버에서 가공 없이 제공하는 수 많은 앱 리스트를 확인하며 찾을 수 밖에 없다. 이는 앱스토어의 특성상, 앱스토어의 서버에 앱 제공자들이 제공하는 앱에 관한 속성 정보를 충분하게 확보하지 못하고 있고, 그로 인해 앱의 속성 정보를 활용한 사용자별 앱의 활용 분석이 어렵기 때문이다. 그러므로, 현재의 앱스토어 서비스 시스템의 서비스 수준은 사용자의 니즈를 채워줄 수 없는 문제가 있다.
따라서, 앱의 특성 분석을 위한 태그 정의를 통한 앱의 유형 분석 기반을 마련하고, 상황(taste) 태그별 활용 유형(segmentation)을 정의하여, 사용자의 주 활용 앱의 분석 및 상황(taste) 태그의 연계를 통한 사용자 활용 유형(sementation)을 분석하고, 사용자 활용 유형별 주 사용 앱 목록의 정의를 통한 사용자별 개인화 앱 추천 서비스 시스템 및 그 방법에 관한 발명이 요망된다.
본 발명은 상기 종래기술의 문제점을 해결하기 위한 것으로서, 본 발명의 목적은 앱스토어 서비스 시스템에서 앱의 메타데이터와 사용자가 보유하고 있는 앱의 분포를 상황태그로 분석하고, 앱의 활용 정도를 측정하여 정확한 사용자의 앱 사용 패턴 분석을 하고, 이 분석 정보를 기초로 사용자별로 개인화된 앱을 추천하기 위한 시스템 및 그 방법을 제공하는데 있다.
상기 본 발명의 목적을 달성하기 위한 기술적 해결 수단으로서, 본 발명의 제1 관점은, 사용자단말기에 컴퓨터 어플리케이션 프로그램(앱) 정보를 제공하고, 앱제공자단말기로부터 앱의 속성데이터를 입력받아 저장하는 운영서버와;
상기 사용자단말기로부터 사용자의 앱의 활용 패턴 데이터를 수집하기 위한 앱활용정보수집서버와;
상기 서버에 저장된 앱의 속성데이터와 상기 앱모니터링서버에서 수집된 앱 활용 정보를 기초로 앱의 활용 패턴을 분석하기 위한 앱활용패턴분석서버와;
상기 패턴분석서버에서 분석된 정보를 기초를 앱 추천 목록을 생성하여 상기 사용자단말기에 제공하기 위한 앱리스트제공서버를 포함하는 것을 특징으로 하는 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템에 관한 발명이 제시된다.
또한, 본 발명의 제2 관점은, 운영서버에서 외부로부터 등록되는 컴퓨터 어플리케이션 프로그램(앱)의 속성데이터를 수집하는 단계와, 상기 운영서버에서 미리 정의된 앱에 관한 상황(taste)에 따라 앱을 분류하고, 미리 정의된 기본 활용 유형(segmentation)을 자동 부여하는 단계와, 앱활용정보수집서버에서 사용자단말기의 앱의 활용 패턴 데이터를 수집하는 단계와, 앱활용패턴분석서버에서 상기 앱활용정보수집서버에서 수집한 앱의 활용 패턴 데이터와 상기 운서버에서 수집된 속정데이터를 기초로 사용자 활용 패턴을 분석하는 단계와, 앱리스트제공서버에서 상기 앱활용패턴분석서버에서의 앱 활용 패턴 분석 결과를 기초로 추천 앱 목록을 생성하여 상기 사용자단말기에 제공하는 단계를 포함하는 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 방법에 관한 발명이 제시된다.
본 발명에 의하면, 사용자의 주 활용 앱의 분석 및 상황(taste) 태그의 연계를 통한 사용자 활용 유형(sementation)을 분석하고, 사용자 활용 유형별 주 사용 앱 목록의 정의를 통한 사용자별 개인화 앱을 추천할 수 있으므로, 사용자가 선호하거나 활용 목적에 부합되는 앱의 정보를 쉽게 접할 수 있는 효과가 있다.
도 1은 본 발명의 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템의 실시예에 관한 개략적인 구성도이다.
도 2는 본 발명의 앱의 속성데이터 수집 및 처리의 예시도이다.
도 3은 본 발명의 사용자별 수집 데이터의 분석 및 사용자 활용 유형의 정의를 설명하기 위한 예시도이다.
도 4는 본 발명의 기본 활용 유형별 앱의 추천 목록을 도출하기 위한 예시도이다.
도 5는 본 발명의 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 방법을 설명하기 위한 흐름도이다.
이하에서, 본 발명의 실시예에 관한 발명의 구성을 첨부된 도면을 참조하면서 상세히 설명하기로 한다.
도 1은 본 발명의 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템의 실시예에 관한 개략적인 구성도이다. 도 1에 도시한 바와 같이, 본 발명의 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템은, 앱을 개발하여 사용자들에게 제공하기 위한 적어도 하나의 앱제공자단말기(100)와, 상기 앱제공자단말기로부터 앱을 사용자들에게 제공하기 위해서 등록한 앱 및 앱의 메타데이터를 저장하기 위한 운영서버(200)와, 설치되어 있는 앱 또는 상기 운영서버(200)에서 제공하여 출력되는 웹사이트에서 상기 운영서버(200)에 접속하여 앱을 다운로드 받아 설치하기 위한 사용자단말기(300)와, 상기 사용자단말기(300)로부터 앱의 활용 패턴 데이터를 수신하는 앱활용정보수집서버(400)와, 상기 운영서버(200)에 저장된 앱의 메타데이터와 상기 앱활용정보수집서버(400)에서 수신된 사용자의 상기 앱의 활용 패턴 데이터를 기초로 앱의 사용 패턴을 분석하기 위한 앱활용패턴분석서버(500), 및 상기 앱활용패턴분석서버(500)로부터 앱 사용 패턴의 분석 정보를 수신하여 이를 기초로 앱 추천데이터를 생성하여 상기 사용자단말기(300)에 제공하기 위한 앱리스트제공서버(600)를 포함하는 구성이다.
본 발명이 다른 실시예로서, 상기 앱활용정보수집서버(400)와 앱활용패턴분석서버(500)를 별도로 구비하지 않고, 상기 앱활용패턴분석버서에서 사용자단말기의 앱의 활용 패턴 데이터를 수집하여 사용자의 앱의 활용 패턴을 분석하도록 구성할 수 있다.
또한, 본 발명의 다른 실시예로서, 도 1에 도시한 운영서버(200), 앱활용정보수집서버(400), 앱활용패턴분석서버(500) 및 앱리스트제공서버(600)를 각각 구비하지 않고, 서버를 구비하고, 서버에 상기 각각의 서버가 담당하는 기능을 수행하는 앱활용정보수집부, 앱활용패턴분석부 및 앱리스트제공부의 구성을 포함시켜서 구현할 수도 있다.
상기 본 발명의 개인화 앱 추천 시스템을 위해서는, 우선, 앱의 활용 패턴을 분석하기 위해서 앱의 사용 상황(taste)에 따른 분류를 정의할 필요가 있다. 상기 앱의 사용 상황은 예를 들면, 앱의 사용 장소, 사용 시간, 사용자 유형 및 사용 목적 등을 들 수 있다. 상기 각 분류별 다수의 분류 항목이 포함되며, 각 분류별 중첩은 배제하여 앱의 활용 중심의 속성을 분석하여 정의한다.
상기 각 분류별 다수의 분류 항목은, 각 분류별 가능한 상황에 관한 정의, 분류 내의 각 항목은 최대한 중첩되지 않은 형태로 정의, 단, 사용자 유형의 경우에는 예를 들면, 회사원이면서 학생인 경우 등의 사용자 유형이 복수인 경우는 이를 예외로 한다. 또한, 앱의 특성을 반영하여 항목별 고유성을 가질 수 있도록 정의되며, 각 분류별 항목은 타 분류의 항목과 연관성을 고려하여 정의될 수 있다.
또한, 기본 활용 유형(segmentation)의 정의가 필요하다. 즉, 분류의 조합에 대한 기본 활용 유형의 정의, 기본 활용 유형의 유형을 결정하기 위한 사용자단말기의 주 사용자층 및 활용 형태에 관한 분석 정보를 반영할 수 있다.
상기 앱의 명칭, 소개글 및 이미지 등의 기본정보, 상기 앱의 사용 상황(taste)에 따른 분류, 각 상황(taste) 분류에 속하는 항목의 결정 및 기본 활용 유형(segmentation)의 정의 하에서, 앱의 속성 데이터를 수집한다.
사용자의 앱 활용 유형(sementation)의 분석은, 도 1을 참조하면, 상기 앱활용정보수집서버(400)에서 상기 사용자단말기(300)의 다운로드 앱 목록, 설치 앱 목록, 삭제 앱 목록 및 시간 기준으로 앱별 사용율 등에 관한 앱의 활용 패턴 데이터를 수집하여 상기 앱활용패턴분석서버(500)에 전송하고, 상기 앱활용패턴분석서버(500)에서 상기 운영서버(200)에 저장되어 있는 앱별 상황(taste) 태그 및 앱별 기본 활용 유형(segmentation) 등의 앱의 메타데이터를 조회하여, 상기 패턴분석 서버(500)에서 상기 수신된 앱의 활용 패턴 데이터와 상기 앱의 메타데이터 정보를 기초로 사용자의 앱 활용 유형(segmentation)을 분석한다. 상기 앱활용패턴분석서버(500)에서의 활용 유형(segmentation) 분석은 사용자별로는 사용자의 주 활용 앱의 기본 활용 유형(segmentation)의 분석과 기본 활용 유형의 분포에 따른 사용자의 주 활용 유형의 선정을 수행하고, 집단 분석으로는 기본 활용 유형(segmentation)별 활용율이 높은 앱 목록을 선정할 수 있다.
도 2는 본 발명의 앱의 속성 데이터의 수집 유형의 예시도이다. 앱제공자단말기에서 운영서버에 앱을 등록하는 과정에서 앱의 메타데이터를 등록하도록 할 수 있다. 앱의 메타데이터는 앱의 명칭, 소개글, 이미지 등의 기본 정보를 포함하여, 앱의 속성 규정을 위한 태그, 상황별 활용 형태에 따른 상황(taste) 태그 등을 포함한다. 도 2의 예시도에 도시한 바와 같이, 수집되는 앱의 속성 데이터는 예를 들면, 앱의 명칭(App1, App2 등)과, 앱의 사용 목적(관리, 검색 등)과, 앱의 사용 대상(회사원, 학생 등)과, 앱의 사용 장소(회사, 식당 등) 등의 속성 데이터가 수집되고, 수집된 앱의 속성 데이터의 상황 조합에 따른 기본 활용 유형(segmentation)이 각각 자동 부여된다. 도 2에서 App1은 상황 조합상 예를 들면, “workaholic”이 기본 활용 유형(segmentation)으로 자동 부여되는 식이다. 이렇게 자동 부여된 기본 활용 유형은 사용자별 대표 활용 유형(segmentation)의 정의에 활용된다.
도 3은 본 발명의 사용자별 수집 데이터의 분석 예시도이다. 도 3에 도시한 바와 같이, 앱의 메타데이터 및 사용자 활용 유형의 분석결과 예를 들면, USER1은 App1 내지 App6를 다운로드 받고, App3를 제외한 App1 내지 App6를 사용자단말기에 설치했고, 설치된 App 중 App1과 App5를 삭제하였고, 시간 기준으로 앱의 활용율을 보면 App2가 20%, App4가 40%, App6가 60%이고, 앱 사용 기간은 App1이 1일, App2가 60일, App4가 100일, App6가 300일로 분석되었다. 또한, 앱 상황(taste) 정보는 App2가 사용 대상(누가)이 회사원, 사용 장소(어디서)가 회사, 사용 목적(무엇을)이 관리이고, App4가 사용 대상(누가)이 여성, 사용 장소(어디서)가 쇼핑공간, 사용 목적(무엇을)이 기록하기이고, App6는 활용 대상(누가)이 회사원, 사용 장소(어디서)가 회사, 사용 목적(무엇을)이 관리일 경우, 기본 활용 유형(segmentation)은 App2가 “workaholic”, App4가 “shopping”, App6는 “workaholic”로 자동 부여된다. 이와 같은 데이터를 활용하여 USER1의 앱의 주 활용 유형(segmentation)은 “workaholic”으로 분석된다. 분석 기준은, 예를 들면, 상기 데이터를 기초로 workaholic=2Apps*70%=140%, shopping=1App*30%=30%, 따라서, USER1의 앱의 주된 활용 유형(segmentation)은 “workaholic”이다.
도 4는 앱 활용 유형(segmentation)별 추천 앱 목록의 도출을 위한 활용 유형(segmentation)별 분석 예시도이다. 도 4에 도시한 바와 같이, 기본 활용 유형(segmentation), 예를 들면, “workaholic”, “shopping” 등에 관한 앱별로 각각 다운로드 수, 설치 수, 삭제 수, 평균 사용율 및 평균 사용 기간의 데이터를 이용하여, 각 기본 활용 유형에 속하는 앱의 순위를 설정하여 추천 앱목록을 생성할 수 있다. 앱별 순위를 도출하는 방법은 예를 들면, 다운로드+설치 수 20%, 삭제 30%, 사용율 30% 및 사용 기간 20%와 같이 가중치를 두어 계산하여 앱별로 순위를 도출할 수 있다.
상술한 도 3 및 도 4의 예시와 같이, 앱제공자로부터 등록되는 앱의 메타데이터와 사용자의 앱의 활용 패턴 데이터를 이용하여, 사용자별 사용자의 주된 활용 앱의 기본 활용 유형(segmentation)을 분석하고, 분석된 기본 활용 유형의 분포에 따른 사용자 주 활용 유형(segmentation)을 선정할 수 있다. 또한, 집단 분석으로서, 기본 활용 유형(segmentation)별 활용율이 높은 앱 목록을 도출하여 추천할 수 있다.
도 5는 본 발명의 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 방법의 실시예를 설명하기 위한 흐름도이다. 도 5에 도시한 바와 같이, 본 발명의 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 방법은, 운영서버에서 앱제공자단말기로부터 등록되는 앱의 속성데이터를 수집하는 단계(S100)와, 상기 운영서버에서 미리 정의된 앱에 관한 상황(taste)에 따라 앱을 분류하고, 미리 정의된 기본 활용 유형(segmentation)을 자동 부여하는 단계(S110)와, 운영서버에서 사용자단말기의 앱의 활용 패턴 데이터를 수집하는 단계(S120)와, 운영서버에서 상기 사용자단말기로부터 수집한 앱 활용 패턴 데이터와 상기 수집된 속정데이터를 기초로 사용자의 앱 활용 패턴을 분석하는 단계(S130)와, 운영서버에서 사용자의 앱 활용 패턴 분석 결과를 기초로 추천 앱 목록을 생성하는 단계(S140)와, 운영서버에서 상기 생성된 추천 앱 목록을 사용자단말기에 제공하는 단계(S150)를 포함하는 구성이다.
또한, 본 발명의 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 방법은, 상기 S120 내지 S150의 단계를 반복 수행하는 단계를 더 포함할 수 있다.
상기 단계(S100)의 운영서버에서 수집되는 속성데이터는 앱의 명칭, 소개글 및 이미지 등의 기본 정보와, 앱의 성격의 규정을 위한 태그 및 상황(taste)에 따른 태그 등을 포함한다.
상기 단계(S110)의 정의된 상황(taste) 및 정의된 기본 활용 유형(segmentation)은, 앱의 활용 패턴을 분석하기 위해 미리 정의된 것으로서, 우선, 상황(taste) 분류를 정의하고, 분류별로 항목을 정의한다. 또한, 분류 조합에 관한 기본 활용 유형(segmentation)을 정의하고, 기본 활용 유형을 정의하게 위해서 주 사용층 및 활용 형태에 관한 분석을 반영하여 기본 활용 유형(segmentation)을 정의한다. 미리 정의된 상황(taste)은 예를 들면, 앱을 사용하는 대상(누가), 앱을 사용하는 장소(어디서) 및 앱을 사용하는 목적(무엇을)과 같이 될 수 있고, 미리 정의된 기본 활용 유형(segmentation)은 예를 들면, “workholic”, “shopping” 등과 같이 될 수 있다.
상기 단계(S120)의 사용자의 앱의 활용 패턴 데이터의 수집은, 예를 들면, 다운로드 앱 목록, 설치 앱 목록, 삭제 앱 목록, 앱별 사용율(시간기준) 및 앱별 사용 기간 등에 관한 데이터를 수집하는 단계로 볼 수 있다.
상기 단계(S130)의 사용자 앱 활용 패턴 분석 단계는, 상기 앱의 속성데이터에 포함되는 앱별 상황(taste) 태그 및 앱별 기본 활용 유형(segmentation) 데이터와 상기 수집된 사용자의 앱의 활용 패턴 데이터를 기초로 사용자의 주된 활용 앱의 기본 활용 유형(segmentation)을 분석하는 단계와 기본 활용 유형(segmentation)의 분포에 따른 사용자 주 활용 유형(segmentation)을 선정하는 단계를 포함하는 사용자별 분석과, 기본 활용 유형 (segmentation)별 활용율이 높은 앱 목록을 선정하는 집단 분석을 포함한다.
상기 앱 활용 패턴 분석 단계를 좀 더 구체적으로 살펴보면, 적어도 하나의 앱을 보유하고 있는 사용자단말기에서 사용자의 상기 적어도 하나의 앱의 각각에 대한 활용 패턴 데이터를 수집하는 단계와, 상기 적어도 하나의 앱의 각각에 대한 상황태그와 기본 활용유형 데이터를 조회하는 단계와, 상기 각각의 앱 활용 패턴 데이터에, 상황태그 및 기본 활용유형 데이터를 매핑시키는 단계와, 상기 앱의 기본 활용유형 데이터에 상기 앱의 소정의 활용 패턴 데이터를 적용하여 사용자의 주 활용유형 데이터를 추출하는 단계를 포함한다.
또한, 서버에서 상기 각각의 기본 활용유형 데이터에 포함되는 앱들에 대해서 각각 매칭되는 소정의 활용 패턴 데이터를 기초로 순위를 계산하는 단계를 더 포함할 수 있다.
상기 단계(S140)의 추천 앱 목록 생성 단계는 상기 단계(S130)에서 분석된 사용자별 분석과 집단 분석을 기초로 앱 추천 리스트를 작성하는 단계이다. 생성되는 추천 리스트의 예를 들면, 활용 유형(segmentation)별 추천 리스트, 개인 주 활용 유형(segmentation)별 추천 리스트, 개인 기본 활용 유형(segmentation)별 추천 리스트, 기본 활용 유형(segmentation)별 추천 리스트, 추천 리스트별 구독 서비스 등을 들 수 있다.
본 발명의 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 방법은 상술한 단계(S120) 내지 단계(S150)의 과정을 계속 반복함으로써, 사용자에게 더 정확한 개인화된 앱을 추천할 수 있다.
이 상에서 설명한 본 발명의 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템 및 방법에 관한 실시예는 본 발명의 기술적 사상에 포함되는 하나의 예에 불과하다. 그 밖에도 본 발명의 기술적 사상에 포함되는 다양한 실시예를 포함하는 것은 당연하다. 즉, 앱추천 시스템 및 방법에 있어서, 앱제공자가 등록하는 앱의 다양한 속성데이터와 그 앱의 사용자 패턴 정보를 수집하여 분석함으로써, 개인화된 앱추천 리스트를 제공하는 기술적 사상이 포함되는 다양한 실시예는 본 발명의 사상에 포함한다 할 것이다.
100 : 앱제공자단말기
200: 앱스토어운영서버
300 : 사용자단말기
400 : 앱모니터링서버
500 : 패턴분석서버
600 : 앱추천서버

Claims (15)

  1. 사용자단말기에 컴퓨터 어플리케이션 프로그램(앱) 정보를 제공하고, 앱제공자단말기로부터 앱의 적어도 하나의 속성데이터를 입력받아 저장하는 서버를 포함하는 시스템에 있어서,
    상기 서버는 상기 앱의 속성데이터를 기초로 앱의 사용 대상, 사용 장소 및 사용 목적으로 정의된 적어도 하나의 상황(taste)태그를 저장하고,
    상기 사용자단말기로부터 앱의 다운로드 정보, 앱의 설치 정보, 앱의 삭제 정보, 앱의 활용 시간 기준의 활용율 및 앱의 사용 기간을 포함하는 적어도 하나의 앱의 활용 패턴 정보를 수집하기 위한 앱활용정보수집부와,
    상기 적어도 하나의 앱의 활용 패턴 정보와 저장된 상기 적어도 하나의 상황(taste)태그 정보를 기초로 정의된 앱 별 적어도 하나의 기본활용유형과, 상기 앱 별 기본 활용 유형을 기초로 사용자의 앱의 주 활용 패턴을 분석하기 위한 앱활용패턴분석부와,
    상기 앱활용패턴분석부에서 분석된 앱의 주 활용 패턴을 기초로 앱 추천 목록을 생성하여 상기 사용자단말기에 제공하기 위한 앱리스트제공부를 포함하고,
    상기 앱활용패턴분석부는, 정의된 상기 기본 활용 유형별 앱의 수에 상기 기본 활용 유형에 해당하는 앱의 전체 활용율을 적용하여 사용자의 앱의 주 활용 유형을 분석하는 것을 특징으로 하는 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 청구항 1에 있어서,
    상기 앱활용패턴분석부는, 기본 활용 유형(segmentation)의 분포에 따른 사용자의 주 활용 유형(segmentation)의 선정을 포함하는 것을 특징으로 하는 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템.
  8. 청구항 1에 있어서,
    상기 앱활용패턴분석부는, 기본 활용 유형(segmentation)별 활용율에 따른 앱 목록의 선정을 수행하는 것을 특징으로 하는 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템.
  9. 앱제공자단말기가 서버에 접속하여 등록한 컴퓨터 어플리케이션 프로그램(앱)에 대해 앱의 사용 대상, 사용 장소 및 사용 목적으로 정의된 적어도 하나의 상황(taste)태그를 상기 서버가 수신하여 저장하는 단계와;
    상기 서버가 저장된 상기 상황(taste)태그에 따라 앱을 분류하고, 앱별로 미리 정의된 기본 활용 유형(segmentation)을 자동 부여하는 단계와,
    상기 서버가 앱의 다운로드 정보, 앱의 설치 정보, 앱의 삭제 정보 및 앱의 활용 시간 기준의 활용율 및 앱의 사용 기간을 포함하는 적어도 하나의 사용자단말기의 앱 활용 패턴 데이터를 수집하는 단계와,
    상기 서버가 정의된 상기 기본 활용 유형별 앱의 수에 상기 기본 활용 유형에 해당하는 앱의 전체 활용율을 적용하여 사용자의 앱 활용 패턴을 분석하는 단계와;
    상기 서버가 앱 활용 패턴 분석 결과를 기초로 추천 앱 목록을 생성하는 단계와,
    상기 서버가 상기 생성된 추천 앱 목록을 사용자단말기에 제공하는 단계를 포함하는 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 방법.
  10. 앱제공자단말기가 서버에 접속하여 등록한 컴퓨터 어플리케이션 프로그램(앱)에 대해 앱의 사용 대상, 사용 장소 및 사용 목적으로 정의된 적어도 하나의 상황(taste)태그를 상기 서버가 수신하여 저장하는 단계와;
    상기 서버에서 저장된 상기 상황(taste)태그에 따라 앱을 분류하고, 앱별로 미리 정의된 기본 활용 유형(segmentation)을 자동 부여하는 단계와,
    앱활용정보수집서버가 앱의 다운로드 정보, 앱의 설치 정보, 앱의 삭제 정보 및 앱의 활용 시간 기준 활용율 및 앱의 사용 기간을 포함하는 적어도 하나의 사용자단말기의 앱 활용 패턴 데이터를 수집하는 단계와,
    앱활용패턴분석서버가 정의된 상기 기본 활용 유형별 앱의 수에 상기 기본 활용 유형에 해당하는 앱의 전체 활용율을 적용하여 사용자의 앱 활용 패턴을 분석하는 단계와,
    앱리스트제공서버에서 상기 앱활용패턴분석서버에서의 앱 활용 패턴 분석 결과를 기초로 추천 앱 목록을 생성하여 상기 사용자단말기에 제공하는 단계를 포함하는 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 방법.
  11. 삭제
  12. 서버가 적어도 하나의 앱을 보유하고 있는 사용자단말기에서 사용자의 상기 적어도 하나의 앱의 각각에 대한 앱의 다운로드 정보, 앱의 설치 정보, 앱의 삭제 정보, 앱의 활용 시간 기준 활용율 및 앱의 사용 기간을 포함하는 활용 패턴 데이터를 수집하는 단계와,
    상기 서버가 상기 적어도 하나의 앱의 각각에 대한 앱의 사용 대상, 앱의 사용 장소 및 앱의 사용 목적으로 정의된 상황태그를 기반으로 사용자의 앱의 활용 성향으로 정의하여 저장된 적어도 하나의 기본 활용유형 데이터를 조회하는 단계와,
    상기 서버가 상기 앱의 각각에 대한 활용 패턴 데이터에, 상기 적어도 하나의 앱의 상황태그 및 적어도 하나의 기본 활용유형 데이터를 매핑시키는 단계와,
    상기 서버가 상기 기본 활용 유형별 앱의 수에 상기 기본 활용 유형에 해당하는 앱의 전체 활용율을 적용하여 사용자의 주 활용유형 데이터를 추출하는 단계를 포함하는 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 방법.
  13. 삭제
  14. 삭제
  15. 삭제
KR1020110070838A 2011-07-18 2011-07-18 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템 및 그 방법 KR101305995B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110070838A KR101305995B1 (ko) 2011-07-18 2011-07-18 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110070838A KR101305995B1 (ko) 2011-07-18 2011-07-18 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20130010199A KR20130010199A (ko) 2013-01-28
KR101305995B1 true KR101305995B1 (ko) 2013-09-26

Family

ID=47839486

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110070838A KR101305995B1 (ko) 2011-07-18 2011-07-18 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR101305995B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101437812B1 (ko) 2014-02-24 2014-09-03 주식회사 엘지유플러스 통신 내용 기반 능동적 정보 제공을 위한 단말, 서버, 방법, 및 기록 매체
US9106757B2 (en) 2013-03-26 2015-08-11 Lg Uplus Corp. Terminal, server, and method for actively providing information based on communication contents
KR20150101538A (ko) * 2014-02-26 2015-09-04 에스케이플래닛 주식회사 사용자의 실행 패턴을 이용한 상품 추천 시스템, 사용자의 실행 패턴을 이용한 상품 추천 방법 및 이를 위한 장치
KR20170032561A (ko) 2015-09-15 2017-03-23 정희승 스케줄에 따라 예약 작업을 실행하는 애플리케이션 및 그것을 포함하는 시스템
KR20230140682A (ko) 2022-03-30 2023-10-10 이수진 리지회귀, 라소회귀 복합추정 딥러닝에 기반한 앱 사용 성향분석에 따른 사용자 예측 시스템 및 방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150027544A (ko) * 2013-09-04 2015-03-12 (주)티그레이프 앱 프로파일 생성 장치 및 방법
KR101659993B1 (ko) * 2014-01-17 2016-09-27 엔에이치엔엔터테인먼트 주식회사 모바일 게임 프로모션을 위한 타겟팅 시스템 및 서비스 방법
KR101633670B1 (ko) * 2014-08-20 2016-06-28 주식회사 앤벗 어플리케이션 사용정보 분석자료 제공 방법 및 장치
KR102545575B1 (ko) * 2022-07-21 2023-06-21 (주)시큐레이어 고객군별 특성에 따른 이중화 서비스 플로우를 적용한 플랫폼을 통한 ai모델 자동추천 구독 서비스 방법 및 서버

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060116158A (ko) * 2005-05-09 2006-11-14 소니 에릭슨 모빌 커뮤니케이션즈 재팬, 아이엔씨. 휴대단말, 정보추천방법 및 프로그램
KR20100135968A (ko) * 2008-04-30 2010-12-27 인터트러스트 테크놀로지즈 코포레이션 데이터 수집 및 타겟팅된 광고 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060116158A (ko) * 2005-05-09 2006-11-14 소니 에릭슨 모빌 커뮤니케이션즈 재팬, 아이엔씨. 휴대단말, 정보추천방법 및 프로그램
KR20100135968A (ko) * 2008-04-30 2010-12-27 인터트러스트 테크놀로지즈 코포레이션 데이터 수집 및 타겟팅된 광고 시스템 및 방법

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9106757B2 (en) 2013-03-26 2015-08-11 Lg Uplus Corp. Terminal, server, and method for actively providing information based on communication contents
KR101437812B1 (ko) 2014-02-24 2014-09-03 주식회사 엘지유플러스 통신 내용 기반 능동적 정보 제공을 위한 단말, 서버, 방법, 및 기록 매체
KR20150101538A (ko) * 2014-02-26 2015-09-04 에스케이플래닛 주식회사 사용자의 실행 패턴을 이용한 상품 추천 시스템, 사용자의 실행 패턴을 이용한 상품 추천 방법 및 이를 위한 장치
KR102266517B1 (ko) 2014-02-26 2021-06-16 에스케이플래닛 주식회사 사용자의 실행 패턴을 이용한 상품 추천 시스템, 사용자의 실행 패턴을 이용한 상품 추천 방법 및 이를 위한 장치
KR20170032561A (ko) 2015-09-15 2017-03-23 정희승 스케줄에 따라 예약 작업을 실행하는 애플리케이션 및 그것을 포함하는 시스템
KR20230140682A (ko) 2022-03-30 2023-10-10 이수진 리지회귀, 라소회귀 복합추정 딥러닝에 기반한 앱 사용 성향분석에 따른 사용자 예측 시스템 및 방법

Also Published As

Publication number Publication date
KR20130010199A (ko) 2013-01-28

Similar Documents

Publication Publication Date Title
KR101305995B1 (ko) 메타데이터 및 사용 패턴 분석을 통한 컴퓨터 어플리케이션 프로그램의 개인화 추천 시스템 및 그 방법
US11281845B2 (en) Deployable tag management in computer data networks
Li et al. Characterizing smartphone usage patterns from millions of android users
Costa-Montenegro et al. Which App? A recommender system of applications in markets: Implementation of the service for monitoring users’ interaction
AU2014384636B2 (en) Systems and methods for ephemeral eventing
CN102073699B (zh) 用于基于用户行为来改善搜索结果的方法、装置和设备
US9460156B2 (en) Matching a first location profile with at least one other location profile
CN102999586B (zh) 一种网站推荐的方法和装置
US10262265B2 (en) Systems and methods for generating and communicating application recommendations at uninstall time
CN110771126B (zh) 用于用户设备事件的匹配与归因的系统
KR20130062500A (ko) 프라이버시와 사용자 피드백을 이용하는 사용자 기반 개인화 서비스 제공 시스템, 서버, 단말장치 및 방법
CN109977296B (zh) 一种信息推送方法、装置、设备及存储介质
US10977677B2 (en) Contact importer
KR101874862B1 (ko) 서비스 비용을 위한 지능형 검색시스템 및 그 방법
US11481196B2 (en) User interface for accessing and modifying development area content
US20130283274A1 (en) Method and system for discovering and activating an application in a computer device
EP2779665A2 (en) Information delivery targeting
CN102934113A (zh) 信息提供系统、信息提供方法、信息提供设备、程序和信息记录介质
WO2012141637A1 (en) Service recommender system for mobile users
US20130173707A1 (en) Information source selection system, information source selection method, and program
CN106452808A (zh) 一种数据处理方法和装置
US11675773B2 (en) Content management
Erman et al. Mobile applications discovery: A subscriber-centric approach
WO2016069621A1 (en) System and method to recommend a bundle of items based on item/user tagging and co-install graph
CN115422169A (zh) 基于商业广告场景的数据仓库构建方法及装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160824

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20171220

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20181102

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190730

Year of fee payment: 7