KR101635090B1 - 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템 - Google Patents

빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템 Download PDF

Info

Publication number
KR101635090B1
KR101635090B1 KR1020150145217A KR20150145217A KR101635090B1 KR 101635090 B1 KR101635090 B1 KR 101635090B1 KR 1020150145217 A KR1020150145217 A KR 1020150145217A KR 20150145217 A KR20150145217 A KR 20150145217A KR 101635090 B1 KR101635090 B1 KR 101635090B1
Authority
KR
South Korea
Prior art keywords
persona
unit
information
data
customer
Prior art date
Application number
KR1020150145217A
Other languages
English (en)
Inventor
김연태
이준희
Original Assignee
김연태
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 김연태 filed Critical 김연태
Priority to KR1020150145217A priority Critical patent/KR101635090B1/ko
Application granted granted Critical
Publication of KR101635090B1 publication Critical patent/KR101635090B1/ko
Priority to US15/295,339 priority patent/US10657546B2/en
Priority to PCT/KR2016/011684 priority patent/WO2017069483A1/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
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/40—Data acquisition and logging
    • 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
    • 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
    • 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
    • G06Q30/0261—Targeted advertisements based on user location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/80—2D [Two Dimensional] animation, e.g. using sprites
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)

Abstract

본 발명은 온라인 매장에서의 고객의 행위 로그 데이터와 오프라인 매장을 방문한 상기 고객의 행위 로그 데이터를 수집하는 데이터 수집부; 상기 데이터 수집부에서 수집된 로그 데이터를 실시간 처리하여 데이터 유형 및 반복 패턴별로 최적화된 분산 저장 모듈을 적용하여 대용량의 데이터를 고속으로 저장하는 빅데이터 저장부; 상기 빅데이터 저장부에 저장되는 상기 고객의 온라인/오프라인의 행위 로그 데이터를 분석하여, 이를 상품에 대한 고객의 반응 정도를 나타내는 기 정의된 복수의 언어 표현 중 하나로 변환하여 상기 빅데이터 저장부에 저장하는 로그 언어화 변환부; 속성에 따라 페르소나(persona)를 그룹화하기 위해 시스템 사용자로부터 고객의 속성 정보를 입력 받는 제1 속성 설정부; 상기 제1 속성 설정부에서 입력된 속성 정보에 해당하는 고객들을 하나의 페르소나(persona)로 그룹화하고, 그룹화된 페르소나의 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 하나 이상의 시각화 정보를 생성하고, 시각화 정보가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 생성하는 페르소나 생성부; 및 상기 페르소나 생성부에서 생성한 시간대 별 시각화 정보와 동선 정보를 연속적으로 재생시킴으로써 타겟(target) 페르소나의 상품에 대한 반응과 상품 구매의 동선을 애니메이션으로 제공하는 데이터 시각화 제공부;를 포함하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템을 제공한다.

Description

빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템{OMNI-CHANNEL MARKETING CURATION SYSTEM BASED ON BIG DATA}
본 발명은 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템에 관한 것으로, 보다 상세하게는 온라인 매장과 오프라인 매장을 통합적(omni) 관점에서 유기적으로 결합하여 관리함으로써 회사의 매장 별 판매현황을 애니메이션으로 실시간에 가깝게 볼 수 있고, 고객 그룹별로 마케팅 효과를 정확하게 측정할 수 있는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템에 관한 것이다.
글로벌 유통기업들은 단순한 상품 판매 뿐만 아니라 차별화된 서비스 경험을 제공하는데 주력하며 경쟁력을 강화하고 있다. 기업의 마케터(marketer)들은 자신의 마케팅 전략이 효율적인지, 마케팅 전략에 따라 출시한 상품에 대한 고객들의 반응은 어떠한지 등에 대해 매우 중요하게 생각하며 마케팅 효과를 정확하게 예측하고 싶어한다.
전통적인 방법에 의하면, 온라인 또는 오프라인 매장에서 판매되고 있는 상품에 대한 고객의 반응을 알기 위해 각 매장 별 판매 데이터를 수집 후 통계 시스템에 반영하여 분석 프로그램을 실행하거나, 개발자가 분석 프로그램의 소스를 변경하여 그에 맞게 수정 후 분석 프로그램을 실행하는 과정을 거쳐야만 하였다. 이러한 방법에 의하면, 데이터 수집에도 시간이 오래 걸릴 뿐만 아니라 데이터 수집에 걸린 시간으로 인해 현장의 생생한 판매 데이터에 대한 통계를 내기도 어려운 문제가 있으며, 시스템에 적용 후 분석 프로그램을 통해 제시된 그래프 등도 알아보기 어려운 문제가 있다.
또한, 광고, 판촉 등으로 인해 고객이 해당 상품을 구매하였다고 할지라도 고객이 해당 매장에 또 와줄지 알 수가 없고 애써 마케팅을 해도 일회성 이벤트로 끝나게 되어, 고객의 미래 행위를 예측할 방법이 없다.
온라인 매장과 오프라인 매장을 동시에 운영하는 경우는 쇼루밍(Showrooming, 오프라인 매장에서 상품 비교 후 온라인 매장에서 최저가로 구매), 역쇼루밍(Reverse Showrooming, 온라인 매장에서 상품 비교 후 오프라인 매장에서 구매)에 대한 현실적인 분석이 어려운 문제가 있다.
나아가, 마케팅 데이터의 수집과 분석을 위한 CRM(Customer Relationship Management) 시스템 구축 및 운영을 위해서는 기간계 시스템(Legacy System)으로부터 데이터 추출, 정제, DW(Data Warehousing) 및 분석을 위해 많은 자금이 필요하고 활용 효과도 불투명 하다.
본 발명은 이와 같은 전통적인 마케팅 방식을 획기적으로 개선하여 시시각각으로 변하는 고객의 반응과 현장에 대한 데이터를 사용자가 쉽게 알 수 있는 방법을 제시하고자 한다.
공개특허 제10-2015-0090376호(소비패턴 기반의 마케팅 서비스 제공 시스템 및 마케팅 서비스 제공 방법) 공개특허 제 10-2015-0039657 호(온라인 쇼핑몰의 매출향상을 위한 빅데이터 로그분석 기반 인공지능형 편집시스템과 편집방법)
본 발명은 상기의 종래 기술의 문제를 해결하기 위한 것으로, 온라인 및 오프라인 매장을 동시에 운영하는 기업을 대상으로 빅데이터 플랫폼을 통해 기존의 정형적인 표현 방식이 아닌 고객의 상품에 대한 반응 및 고객의 활동성이 반영된 현장감 있는 애니메이션 뷰(View)를 실시간에 가깝게 보여줄 수 있는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템을 제공하고자 함에 발명의 목적이 있다.
또한, 온라인 매장과 오프라인 매장을 넘나드는 고객의 구매의사결정 과정을 추적함으로써, 고객이 왜 그 매장에서 그 물건을 구매했는지 이해할 수 있고, 해당 상품에 대한 연관 상품 검색 추적을 통해 고객의 미래행위를 예측할 수 있는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템을 제공하고자 함에 발명의 목적이 있다.
또한, 실존하지 않는 가상적인 소비자 그룹을 생성하고, 상품에 대한 그들의 반응을 시뮬레이션 할 수 있는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템을 제공하고자 함에 발명의 목적이 있다.
나아가, 옴니채널(Omni-Channel) 관점에서 온라인과 오프라인의 매출실적 기여도 판단을 통해 통합 마케팅 전략을 새롭게 구성할 수 있는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템을 제공하고자 함에 발명의 목적이 있다.
마지막으로, 오픈 S/W 및 오픈 H/W의 사용으로 구축원가를 최소화하고 사용자(또는 마케터)의 간단한 조작만으로도 빅데이터 기반의 플랫폼을 활용할 수 있는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템을 제공하고자 함에 발명의 목적이 있다.
상기 목적을 달성하기 위한 본 발명의 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템은, 온라인 매장에서의 고객의 행위 로그 데이터와 오프라인 매장을 방문한 상기 고객의 행위 로그 데이터를 수집하는 데이터 수집부; 상기 데이터 수집부에서 수집된 로그 데이터를 실시간 처리하여 데이터 유형 및 반복 패턴별로 최적화된 분산 저장 모듈을 적용하여 대용량의 데이터를 고속으로 저장하는 빅데이터 저장부; 상기 빅데이터 저장부에 저장되는 상기 고객의 온라인/오프라인의 행위 로그 데이터를 분석하여, 이를 상품에 대한 고객의 반응 정도를 나타내는 기 정의된 복수의 언어 표현 중 하나로 변환하여 상기 빅데이터 저장부에 저장하는 로그 언어화 변환부; 속성에 따라 페르소나(persona)를 그룹화하기 위해 시스템 사용자로부터 고객의 속성 정보를 입력 받는 제1 속성 설정부; 상기 제1 속성 설정부에서 입력된 속성 정보에 해당하는 고객들을 하나의 페르소나(persona)로 그룹화하고, 그룹화된 페르소나의 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 하나 이상의 시각화 정보를 생성하고, 시각화 정보가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 생성하는 페르소나 생성부; 및 상기 페르소나 생성부에서 생성한 시간대 별 시각화 정보와 동선 정보를 연속적으로 재생시킴으로써 타겟(target) 페르소나의 상품에 대한 반응과 상품 구매의 동선을 애니메이션으로 제공하는 데이터 시각화 제공부;를 포함한다.
또한, 상기 온라인 매장을 방문하는 고객을 인식하고, 상품을 검색, 조회 및 결제하는 고객의 상품에 대한 행위 이력을 수집하여 상기 데이터 수집부로 전송하는 온라인 매장 로그 수집부;를 더 포함할 수 있다.
또한, 상기 온라인 매장 로그 수집부는 온라인 매장에 접속하는 고객이 PC 또는 모바일 기기 중 어느 것으로 접속하는지 판단하여, 접속 기기를 나타낼 수 있는 정보를 상기 데이터 수집부로 전송하고, 상기 데이터 시각화 제공부는 상품에 대한 반응을 애니메이션으로 제공할 때 타겟 페르소나가 사용하는 접속기기가 무엇인지 표시할 수 있다.
또한, 상기 오프라인 매장에 설치된 비콘 센서를 이용하여 오프라인 매장을 방문한 고객의 위치 및 활동 정보를 수집하여 상기 데이터 수집부로 전송하는 오프라인 매장 로그 수집부;를 더 포함할 수 있다.
또한, 상기 데이터 수집부는 오프라인 매장 판매 단말기로부터 해당 고객의 결제 시각, 결제 금액, 구매 상품내역을 포함하는 결제 관련 정보를 수신할 수 있다.
또한, 상기 로그 언어화 변환부는 고객온라인 및 오프라인 매장에서의 고객 행위 로그 데이터를 구문 분석하고 어휘 해석하여 고객 충성도의 정도에 따라 기 정의된 복수의 언어 표현 중 하나로 변환할 수 있다.
또한, 상기 페르소나 생성부는 해당 페르소나의 연관 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 시각화 정보를 추가 생성할 수 있다.
또한, 상기 하나 이상의 시각화 정보를 생성하기 위한 조건, 가중치 및 추적범위를 입력 받아 저장하는 시각화 룰 저장부;를 더 포함하고, 상기 페르소나 생성부는 상기 시각화 룰 저장부에 저장된 정보에 따라 하나 이상의 시각화 정보를 다양하게 생성할 수 있다.
또한, 상기 페르소나 생성부는 시각화 정보를 통해 생성될 페르소나의 상품에 대한 반응 정도에 해당하는 모션(motion) 종류와 페르소나가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 사용자에 의해 입력된 조건에 따라 다양하게 지정하기 위한 모션 스크립트 생성부;를 포함할 수 있다.
또한, 상기 모션 스크립트 생성부는 페르소나의 모션(motion) 종류와 동선 정보를 특정하기 위한 모션 라이브러리 연결부; 와 시각화를 통해 생성될 페르소나의 크기 및 색상에 관한 정보를 특정하기 위한 심볼 지정부;를 포함할 수 있다.
또한, 상기 시각화를 통해 생성될 페르소나의 크기 및 색상은 모션의 종류에 따라 달라질 수 있다.
또한, 상기 모션 스크립트 생성부에서 생성된 스크립트 정보를 페르소나 별로 육하원칙에 따라 저장하는 모션 스크립트 저장부;를 더 포함하고, 상기 데이터 시각화 제공부는 모션 스크립트 저장부에 저장된 페르소나 별 육하원칙에 따른 스크립트 정보를 이용하여 슬라이드를 구성하고, 색상을 결합하여 애니메이션으로 재생할 수 있다.
또한, 상기 제1 속성 설정부에서 입력되는 속성 정보 외에 추가적인 속성 정보를 설정할 수 있고, 추가적인 속성 정보 설정에 따라 해당 페르소나의 상품에 대한 반응 정도를 색채의 변화를 이용하여 다양하게 표시하는 제2 속성 설정 및 표시부;를 더 포함하고, 상기 페르소나 생성부는 상기 제2 속성 설정 및 표시부에서 설정된 추가적인 속성 정보에 따라 페르소나를 재그룹화 하거나, 그룹화된 페르소나를 더욱 구체화하여 그에 따라 시각화 정보와 동선 정보를 생성할 수 있다.
또한, 상기 데이터 수집부를 통해 수집된 고객의 행위 로그 데이터를 이용하는 것이 아닌 가상의 타겟(target) 페르소나의 반응을 시뮬레이션 하기 위해 NPC(Non-Player Character)를 생성하고, NPC의 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 하나 이상의 시각화 정보를 생성하며, NPC가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 생성하는 가상 페르소나 시뮬레이션부;를 더 포함하고, 상기 데이터 시각화 제공부는 상기 가상 페르소나 시뮬레이션부에서 생성한 가상의 타겟 페르소나의 상품에 대한 반응과 상품 구매 동선을 애니메이션으로 제공할 수 있다.
본 발명에 따른 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템에 의하면, 온라인 또는 오프라인 판매 현장에서 발생하는 고객 반응을 애니메이션 뷰(View)를 통해 쉽게 알 수 있다.
또한, 해당 기업의 무엇이 고객의 마음과 발걸음을 움직이게 했는지 알 수 있고, 소비자 그룹별로 재구매 확률을 예측할 수 있다.
또한, 실존하지 않는 가상의 소비자 그룹을 생성하고, 그들이 상품에 어떻게 반응하는지를 시뮬레이션 함으로써, 가상의 소비자에 대한 마케팅 효과를 예측할 수 있다.
또한, 온라인 매장과 오프라인 매장이 경쟁관계가 아닌 옴니채널(Omni-Channel)의 통합관계로 오프라인 매장의 존재가치가 새롭게 평가될 수 있다. 즉, 전사적 매출실적에서 가맹점별 기여도를 정량적으로 평가함으로써, 카니발리제이션(Cannibalization)의 우려를 불식시킬 수 있다.
나아가, 중소형 프렌차이즈 기업들이 최소화된 비용으로 유통망의 빅데이터(Big Data)를 실무에 활용하여 마케팅 효과를 정확하게 측정할 수 있는 플랫폼을 제공한다.
도 1은 본 발명에 따른 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템의 블록도.
도 2는 본 발명에 따른 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템이 온라인 및 오프라인 매장과 연결되는 모습을 나타낸 구성도.
도 3은 온라인 매장의 고객 행위 로그 데이터와 오프라인 매장의 고객 행위 로그 데이터에 대한 개념도.
도 4는 모바일기기 및 PC가 전송하는 온라인 행위 로그 데이터와 오프라인 매장으로부터 전송되는 오프라인 매장 데이터와 같은 비정형/대용량의 데이터를 실시간 처리 및 수평 확장성을 가진 빅데이터 시스템에 저장하는 모습을 나타낸 개념도.
도 5는 온라인 매장 고객의 행위 로그 데이터와 오프라인 매장 고객의 행위 로그 데이터를 저장하는 데이터 저장 아키텍처.
도 6은 수집된 온라인 및 오프라인 매장의 로그 데이터를 저장과 동시에 실시간으로 분석하고 페르소나 신디사이저(Persona Synthesizer)에 의해 설정된 속성 정보에 따라 페르소나를 동적으로 생성하고, 해당 페르소나의 상품에 대한 반응을 시각화 액션으로 재구성하는 모습을 나타낸 개념도.
도 7은 도 6의 개념도를 구조화 한 것으로서, 온라인/오프라인 행위 로그 데이터를 분석하여 언어화하고, 페르소나를 그룹화하여 해당 페르소나의 상품에 대한 반응을 시각화 정보로 생성하는 페르소나 생성 아키텍처.
도 8은 데이터 시각화 제공부가 최종적으로 제공하는 분석결과에 대한 애니메이션의 예시도.
도 9는 데이터 시각화 제공부의 아키텍처.
도 10은 페르소나의 속성을 변경하고 그에 따른 반응 결과를 표시하는 팔레트의 예시도.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시예를 참조하면 명확해질 것이다.
그러나, 본 발명은 이하에서 개시되는 실시예로 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다.
본 명세서에서 본 실시예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다.
그리고 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
따라서, 몇몇 실시예에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.
또한, 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하고, 본 명세서에서 사용된(언급된) 용어들은 실시예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.
본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함하며, '포함(또는, 구비)한다'로 언급된 구성 요소 및 동작은 하나 이상의 다른 구성요소 및 동작의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다.
또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.
이하에서는, 첨부도면을 참고하여 본 발명에 따른 실시 예를 보다 상세하게 설명한다.
도 1 및 도 2를 참조하면, 본 발명에 따른 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템(100)은 데이터 수집부(110), 빅데이터 저장부(120), 로그 언어화 변환부(130), 제1 속성 설정부(140), 페르소나 생성부(160) 및 데이터 시각화 제공부(190)를 포함하며, 시각화 룰 저장부(150), 모션 스크립트 저장부(170), 제2 속성 설정 및 표시부(180), 가상 페르소나 시뮬레이션부(195), 온라인 매장 로그 수집부(200) 및 오프라인 매장 로그 수집부(300)를 더 포함한다. 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템(100)은 온라인 및 오프라인 매장을 동시에 운영하는 기업을 대상으로 하는 것이 바람직하다. 이하에서 매장은 A브랜드 매장으로 가정하여 설명하며, 페르소나(persona)는 현실에 실존하는 고객(예를 들어, A 브랜드의 온라인 및 오프라인 매장을 방문하는 고객)들을 요약 및 그룹화하고, A 브랜드의 상품에 대한 반응 및 움직임을 표현하기 위한 단위를 말한다.
데이터 수집부(110)는 A 브랜드 온라인 매장에서의 고객의 행위 로그 데이터와 A 브랜드 오프라인 매장을 방문한 상기 고객의 행위 로그 데이터를 수집한다.
도 2 및 도 3을 참조하면, 온라인 매장 로그 수집부(200)는 A 브랜드의 온라인 매장 사이트(서버)에 연결되어 A 브랜드 온라인 매장을 방문하는 고객을 인식하고, A 브랜드의 상품을 검색, 조회 및 결제하는 고객의 상품에 대한 행위 이력을 수집하여 데이터 수집부(110)로 전송한다. A 브랜드 온라인 매장을 방문하는 고객은 이름, 나이, 성별, 주소 및 기타 정보를 입력하고 회원가입을 한다. 회원 가입 후 바로 A 브랜드의 상품을 검색, 조회할 수도 있고, 다음에 다시 A 브랜드 온라인 매장을 방문할 수도 있다. 회원 가입 후 다음 방문 시 로그인 상태에서 상품을 검색할 수도 있으며, 비 로그인 상태에서 상품을 검색, 조회 및 결제할 수도 있다. 핑거프린트(Finger Print)기술을 이용하면 비 로그인 상태에서 상품을 검색, 조회 등을 하는 고객의 로그 데이터의 수집이 가능하다. 핑거프린트 기술은 해당 기술분야의 당업자라면 잘 알 수 있는 내용이므로 자세한 설명은 생략한다.
오프라인 매장 로그 수집부(300)는 A 브랜드 오프라인 매장에 설치된 비콘 센서를 이용하여 A 브랜드 오프라인 매장을 방문한 고객의 위치 및 활동 정보를 수집하여 데이터 수집부(110)로 전송한다.
구체적으로는, A 브랜드 오프라인 매장에는 A 브랜드의 상품 홍보를 위한 디지털 사이니지(Digital Signage)(310)가 설치될 수 있으며, 디지털 사이니지(310)에 라즈베리파이(Raspberry Pi)가 연결된다. 라즈베리파이는 소형 컴퓨터이며 해당 기술분야의 당업자라면 잘 알 수 있는 내용이므로 자세한 설명은 생략한다. 라즈베리파이에는 리눅스가 탑재되고 리눅스 상에서 비콘(Beacon) 앱이 실행된다. A 브랜드 오프라인 매장을 고객이 방문하면 고객은 디지털 사이니지에서 홍보 중인 상품에 관심을 갖고, 디지털 사이니지로 접근하게 된다. 물론, 매장을 방문한 고객은 모바일 기기(320)를 가지고 있으며, 해당 모바일 기기(320)에는 비콘 신호를 수신할 수 있는 앱이 설치되어 있다. 오프라인 매장 로그 수집부(300)는 라즈베리파이에 탑재된 리눅스 상에서 실행될 수도 있고, A 브랜드 오프라인 매장에 있는 별도의 단말기 상에서 실행될 수도 있다. 오프라인 매장 로그 수집부(300)는 A 브랜드 오프라인 매장을 방문한 고객의 모바일 기기(320)에 설치된 비콘 신호 수신 앱을 통해 고객의 방문, 고객의 위치 및 기타 활동 정보를 수집하여 데이터 수집부(110)로 전송한다.
데이터 수집부(110)는 A 브랜드 오프라인 매장 판매 단말기(330)로부터 해당 고객의 결제 시각, 결제 금액, 구매 상품내역을 포함하는 결제 관련 정보를 수신한다. 오프라인 매장 판매 단말기(330)는 바람직하게는 POS(Point Of Sales, 점포판매시스템)를 사용할 수 있다. 고객이 A 브랜드 오프라인 매장을 방문하여 비콘 신호로 감지하였으나, 상품을 구매하지 않은 경우 데이터 수집부(110)는 결제 관련 정보를 수신하지 않는다.
이상에서 살펴본 바와 같이 데이터 수집부(110)는 온라인 매장과 오프라인 매장 사이를 넘나드는 고객의 행위 로그 데이터를 수집한다.
빅데이터 저장부(120)는 데이터 수집부(110)에서 수집된 로그 데이터를 실시간 처리하여 데이터 유형 및 반복 패턴별로 최적화된 분산 저장 모듈을 적용하여 대용량의 데이터를 고속으로 저장한다.
도 4를 참조하면, 빅데이터 저장부(120)는 모바일 기기, PC를 통해 온라인 상에서 수집된 데이터와 매장 데이터인 오프라인 데이터를 포함하는 비정형/대용량의 데이터를 하둡(Hadoop) 시스템을 기반으로 하여 실시간으로 고속 저장한다.
도 5를 참조하면, 빅데이터 저장부(120)는 질의 처리층, 스트림 파이프라인층, 클러스터 관리층으로 구성되며, 데이터 유형 및 반복 패턴별로 최적화된 분산 저장 모듈을 적용하며(Polyglot Persistence), write/read 오퍼레이션 중심으로그와 같이 업데이트가 발생하지 않는 데이터에 특화되어 설계된다. 또한, 가용성을 수평 확장하여 O(log n)의 성능을 유지한다.
로그 언어화 변환부(130)는 빅데이터 저장부(120)에 저장되는 고객의 온라인/오프라인의 행위 로그 데이터를 분석하여, 이를 상품에 대한 고객의 반응 정도를 나타내는 기 정의된 복수의 언어 표현 중 하나로 변환하여 빅데이터 저장부(120)에 저장한다.
도 6 및 도 7을 참조하면, 로그 언어화 변환부(130)는 Tokenizer, Lexer 및 Parser를 포함하여 구성되며, A 브랜드 온라인 및 오프라인 매장에서의 고객 행위 로그 데이터를 구문 분석하고 어휘 해석하여 고객 충성도의 정도에 따라 기 정의된 복수의 언어 표현 중 하나로 변환한다. 예를 들면, A 브랜드 온라인 매장에서 고객이 상품 검색 후 A 브랜드 오프라인 매장을 방문하였으나, 오프라인 매장에서 상품을 구매하지 않고, 온라인 매장에서 해당 상품을 구매하였으며, 그 후 해당 상품에 연관된 상품을 검색하는 경우는 로그 데이터의 분석 결과 고객의 충성도가 높은 것으로 판단하여 기 정의된 복수의 언어 표현 중 하나인 ‘Very good!!’ 이라고 변환한다. 고객이 A 브랜드 온라인 매장에서 상품 검색 후 A 브랜드 오프라인 매장을 방문하여 상품을 구매하는 경우도 ‘Very good!!’ 또는 ‘Good!!’ 이라고 변환한다. 그러나 고객이 A 브랜드 온라인 매장에서 상품 검색 후 오프라인 매장을 방문하고 온라인 및 오프라인 매장에서 모두 상품을 구매하지 않는 경우는 ‘Bad’라고 할 수 있다. 물론, 이와 같은 특정 고객의 로그 데이터는 시간이 지남에 따라 축적되며 다양하게 변하는 것이기 때문에 한동안은 상품 검색이나 매장 방문 후 구매를 하지 않고 있다가 나중에 구매를 하는 경우, 로그 언어화 변환부(130)는 고객의 행위 로그 데이터를 처음에는 ‘Bad’로 변환하였다가 나중에는 ‘Good’으로 변환할 수도 있다.
로그 언어화 변환부(130)에 의해 기 정의된 복수의 언어 표현 중 하나로 변환된 결과는 각 고객 별로 빅데이터 저장부(120)에 저장되어 관리된다.
제1 속성 설정부(140)는 속성에 따라 페르소나(persona)를 그룹화(Profiling)하기 위해 시스템 사용자(또는 마케터)로부터 고객의 속성 정보를 입력 받는다. 도 6을 참조하면, 속성 별로 그룹화 범위를 설정하는 Persona Synthesizer(신디사이저) 형태로 구현되어 사용자에게 조작의 편의성을 제공한다. 속성 정보는 연령, 성별, 지역, 구매 상품 기록 등의 정보가 해당할 수 있다. 예를 들면, ‘30대’, ‘남자’, ‘경기도 수원’, ‘가을 난방’으로 속성을 설정하여 페르소나를 그룹화(Profiling) 할 수 있다. 또한, RDF Triple을 이용하여 연관된 속성에 대해서도 지정이 가능하다. 예를 들면, ‘가을 난방’과 ‘벨트’가 연관될 수 있다. RDF Triple은 Semantic Web 기술에서 사용하는 온톨로지 언어로서 해당 기술분야의 당업자라면 잘 알 수 있는 내용이므로 자세한 설명을 생략한다. 물론, 위에서 살펴본 바와 같이 A 브랜드의 ‘가을 난방’에 대한 그룹화이며, 연관 검색을 통한 결과 ‘벨트’가 나온 것이다.
도 7을 참조하면, 로그 언어화 변환부(130)와 제1 속성 설정부(140)의 과정을 통해 해당 페르소나의 A 브랜드 온라인 매장 및 오프라인 매장 행위들 간에 상관관계를 추적할 수 있고, 연관 검색을 통해 A 브랜드 오프라인 매장을 재방문 할지에 대한 미래행위 예측이 가능하다.
페르소나 생성부(160)는 제1 속성 설정부(140)에서 입력된 속성 정보에 해당하는 고객들을 하나의 페르소나(persona)로 그룹화하고, 그룹화된 페르소나의 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 하나 이상의 시각화 정보를 생성하고, 시각화 정보가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 생성한다. 도 6을 참조하면, 언어 표현은 ‘Good!!’, ‘Very good!!”이 해당하고, ‘Good!!’, ‘Very good!!”에 대응하는 시각화 정보로서 페르소나가 달려가는 모션을 취하고 있다. 언어 표현이 ‘Bad’인 경우 페르소나는 앉아 있거나 누워있는 모션을 취하고 있을 것이다. 페르소나가 모션을 취할 때 말풍선이 추가로 생성되고, 말풍선에 상기 언어 표현이 표시된다.
페르소나 생성부(160)는 해당 페르소나의 연관 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 시각화 정보를 추가 생성할 수 있다. 예를 들어, 도 6에 나타난 페르소나의 모션이 ‘가을 난방’에 대한 것이라면, 해당 페르소나가 연관 상품인 ‘벨트’에 대해서는 어떻게 반응하는지를 언어로 나타내고, 언어 표현에 대응하는 시각화 정보를 추가로 생성할 수 있다.
시각화 룰 저장부(150)는 하나 이상의 시각화 정보를 생성하기 위한 조건, 가중치 및 추적범위를 입력 받아 저장한다. 예를 들면, A 브랜드 오프라인 매장 위치 한정, 각 오프라인 매장 별 가중치, 연관 검색으로 나타낼 상품 개수 제한 등이 해당한다.
페르소나 생성부(160)는 시각화 룰 저장부(150)에 저장된 정보에 따라 하나 이상의 시각화 정보를 조건에 따라 다양하게 생성한다.
구체적으로, 페르소나 생성부(160)는 시각화 정보를 통해 생성될 페르소나의 상품에 대한 반응 정도에 해당하는 모션(motion) 종류와 페르소나가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 사용자에 의해 입력된 조건에 따라 다양하게 지정하기 위한 모션 스크립트 생성부(161)를 포함한다.
도 7을 참조하면, 모션 스크립트 생성부(161)는 페르소나의 모션(motion) 종류와 동선 정보를 특정하기 위한 모션 라이브러리 연결부(163)와 시각화를 통해 생성될 페르소나의 크기 및 색상에 관한 정보를 특정하기 위한 심볼 지정부(165)를 포함한다. 모션의 종류는 잠자는 상태, 앉아있는 상태, 조깅하는 상태, 달리는 상태 등을 말하며, 동선 정보는 온라인으로 검색 후 오프라인 매장으로 이동 후 오프라인 또는 온라인 매장에서 결제하는 등의 상태를 말한다.
시각화를 통해 생성될 페르소나의 크기 및 색상은 모션의 종류에 따라 달라질 수 있다. 예를 들면, 해당 페르소나가 달려가는 모션을 취하는 경우 크기가 크고 색상이 진하게 나타내며, 페르소나가 앉아있는 모션을 취하는 경우 크기가 작고 색상이 흐리게 나타난다.
모션 스크립트 저장부(170)는 모션 스크립트 생성부(161)에서 생성된 스크립트 정보를 페르소나 별로 육하원칙에 따라 저장한다.
데이터 시각화 제공부(190)는 페르소나 생성부(160)에서 생성한 시간대 별 시각화 정보와 동선 정보를 연속적으로 재생시킴으로써 타겟(target) 페르소나의 상품에 대한 반응과 상품 구매의 동선을 애니메이션으로 제공한다.
온라인 매장 로그 수집부(200)는 A 브랜드 온라인 매장에 접속하는 고객이 PC(340) 또는 모바일 기기(320) 중 어느 것으로 접속하는지 판단하여, 접속 기기를 나타낼 수 있는 정보를 데이터 수집부(110)로 전송하고, 데이터 시각화 제공부(190)는 상품에 대한 반응을 애니메이션으로 제공할 때 타겟 페르소나(P)가 사용하는 접속기기가 무엇인지 표시한다. PC(340)와 모바일 기기(320)는 OS의 종류가 다르며 온라인 매장에 접속할 때 해당 기기의 OS 정보도 전송되기 때문에 온라인 매장 로그 수집부(200)는 접속 기기가 무엇인지를 나타내는 정보를 데이터 수집부(110)로 전송할 수 있다. 도 8을 참조하면, 데이터 수집부(110)로 전송된 접속 기기의 정보에 따라 데이터 시각화 제공부(190)가 모바일 기기(320)와 PC(340)로 구분하여 표시한 모습을 보여주고 있다.
데이터 시각화 제공부(190)는 모션 스크립트 저장부(170)에 저장된 페르소나 별 육하원칙에 따른 스크립트 정보를 이용하여 슬라이드를 구성하고, 색상을 결합하여 애니메이션으로 재생한다. 도 9를 참조하면, 해당 페르소나가(Who), 언제(When), 어느 지역에서(Where), 온라인 매장과 오프라인 매장을 넘나드는 동선을 가지고 관심 상품은 가을 난방과 벨트이며(Why), 모션은 러닝상태이고(What), 접속 기기는 모바일 기기이고(How) 등의 육하원칙에 따른 스크립트 정보를 이용하여 슬라이드를 구성 후 전경 요소와 후경 요소를 결합하고, 비트맵 바인더를 이용하여 색상을 색상을 입힌 후 출력버퍼를 통하여 재생되는 구조를 나타낸다. 도 8을 참조하면, 데이터 시각화 제공부(190)가 사용자에게 최종적으로 제공하는 동영상 애니메이션을 보여준다. 애니메이션을 통해 실시간으로 변하는 고객과 현장 데이터를 확인할 수 있다. 구체적으로, 해당 페르소나의 동선과 상품에 대한 반응, 접속기기는 무엇이며 결제수단은 무엇인지를 확인할 수 있다. 이벤트 간의 시간/논리적 선후 관계를 동적 모션으로 표현함으로써 사용자가 직관적으로 이해할 수 있다.
제2 속성 설정 및 표시부(180)는 제1 속성 설정부(140)에서 입력되는 속성 정보 외에 추가적인 속성 정보를 설정할 수 있고, 추가적인 속성 정보 설정에 따라 해당 페르소나의 상품에 대한 반응 정도를 색채의 변화를 이용하여 다양하게 표시한다. 페르소나 생성부(160)는 제2 속성 설정 및 표시부(180)에서 설정된 추가적인 속성 정보에 따라 페르소나를 재그룹화 하거나, 그룹화된 페르소나를 더욱 구체화하여 그에 따라 시각화 정보와 동선 정보를 생성한다.
도 9 및 도 10을 참조하면, 제2 속성 설정 및 표시부(180)는 설정부(181)와 표시부(183)로 나누어진다. 설정부(181)에서는 지역 및 캐릭터(182)를 설정할 수 있다. 제1 속성 설정부(140)에서 ‘30대’, ‘남자’, ‘경기도 수원’, ‘가을 난방’으로 속성을 설정한 경우, 캐릭터(182)에 있는 여러 특징의 캐릭터 중 ‘패션에 민감한 남자’를 속성 정보로 추가하여 설정할 수 있다. 추가 설정에 따라 페르소나가 더욱 구체화되어 그에 따라 시각화 정보와 동선 정보를 반영한 애니메니션을 제공하며, 표시부(183)는 더욱 구체화된 페르소나의 상품에 대한 반응 정도를 색상, 명도, 채도 등의 변화로 나타냄으로써, 사용자는 직관적으로 이해할 수 있는 효과가 있다.
가상 페르소나 시뮬레이션부(195)는 데이터 수집부(110)를 통해 수집된 고객의 행위 로그 데이터를 이용하는 것이 아니라, 가상의 타겟(target) 페르소나의 반응을 시뮬레이션 하기 위해 NPC(Non-Player Character)를 생성하고, NPC의 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 하나 이상의 시각화 정보를 생성하며, NPC가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 생성한다. 데이터 시각화 제공부(190)는 가상 페르소나 시뮬레이션부(195)에서 생성한 가상의 타겟 페르소나의 상품에 대한 반응과 상품 구매 동선을 애니메이션으로 제공한다. 가상의 타겟 페르소나의 시각화 정보를 생성하고 애니메이션으로 제공하는 방식은 위에서 자세하게 살펴본 타켓 페르소나를 애니메니션으로 제공하는 메커니즘과 동일하므로 자세한 설명은 생략한다.
NPC는 실존하지 않는 가상의 고객을 대표하며 미래에 어떻게 반응하고 움직일지를 예측하기 위한 것으로서, 위에서 살펴본 A 브랜드의 온라인 매장 및 오프라인 매장을 방문하는 실제 고객을 그룹화 한 페르소나와는 다른 것이다.
가상의 타겟 페르소나의 반응을 시뮬레이션 하기 위해 NPC를 생성하는 방법은 시스템 사용자(또는 마케터)가 Persona Synthesizer(신디사이저)를 조작하여 제1 속성 설정부(140)를 통해 속성 정보를 입력하여 생성하거나, 빅데이터 저장부(120)에 저장되어 있는 기존의 페르소나를 복사하여 생성할 수 있다. 또한, 시각화 룰 저장부(150)에 NPC를 생성하기 위한 조건, 가중치 및 추적범위를 달리하여 입력함으로써, 현실 세계에 실존하는 페르소나와는 다른 조건에서 NPC(가상 페르소나)를 시뮬레이션 할 수 있다.
예를 들면, A 브랜드의 매장이 경기도 수원에는 있으나, 안양에는 없는 경우 마케터는 안양지역의 A 브랜드의 마케팅 효과를 시뮬레이션 하기 위해 Persona Synthesizer를 통해 속성 정보를 입력하여 가상의 타겟 페르소나를 생성하거나, 기존의 수원지역의 페르소나를 복사하여 생성할 수 있다. 안양은 수원보다 인구수가 적은 관계로 매장의 가중치를 달리 할 수도 있다.
이와 같이 가상의 페르소나 시뮬레이션 기능을 이용하여 가상의 고객이 상품에 대해 어떻게 반응하고 움직일지를 시뮬레이션 함으로써, 마케팅 효과를 직관적으로 예측할 수 있다.
본 발명에 의하면, 온라인 또는 오프라인 판매 현장에서 발생하는 고객 반응을 애니메이션 뷰(View)를 통해 직관적으로 알 수 있다.
또한, 해당 기업의 무엇이 고객의 마음과 발걸음을 움직이게 했는지 알 수 있고, 소비자 그룹별로 재구매 확률을 예측할 수 있다.
본 발명은 상기한 특정의 바람직한 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 되는 것임은 자명하다.
100: 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템
110: 데이터 수집부 120: 빅데이터 저장부
130: 로그 언어화 변환부 140: 제1 속성 설정부
150: 시각화 룰 저장부 160: 페르소나 생성부
161: 모션 스크립트 생성부 163: 모션 라이브러리 연결부
165: 심볼 지정부 170: 모션 스크립트 저장부
180: 제2 속성 설정 및 표시부 190: 데이터 시각화 제공부
195: 가상 페르소나 시뮬레이션부 200: 온라인 매장 로그 수집부
210: 온라인 매장 웹 사이트 300: 오프라인 매장 로그 수집부
310: 디지털 사이니지 320: 모바일 기기
330: 오프라인 매장 판매 단말기 340: PC
P: 페르소나

Claims (14)

  1. 온라인 매장에서의 고객의 행위 로그 데이터와 오프라인 매장을 방문한 상기 고객의 행위 로그 데이터를 수집하는 데이터 수집부;
    상기 데이터 수집부에서 수집된 로그 데이터를 실시간 처리하여 데이터 유형 및 반복 패턴별로 최적화된 분산 저장 모듈을 적용하여 대용량의 데이터를 고속으로 저장하는 빅데이터 저장부;
    상기 빅데이터 저장부에 저장되는 상기 고객의 온라인/오프라인의 행위 로그 데이터를 분석하여, 이를 상품에 대한 고객의 반응 정도를 나타내는 기 정의된 복수의 언어 표현 중 하나로 변환하여 상기 빅데이터 저장부에 저장하는 로그 언어화 변환부;
    속성에 따라 페르소나(persona)를 그룹화하기 위해 시스템 사용자로부터 고객의 속성 정보를 입력 받는 제1 속성 설정부;
    상기 제1 속성 설정부에서 입력된 속성 정보에 해당하는 고객들을 하나의 페르소나(persona)로 그룹화하고, 그룹화된 페르소나의 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 하나 이상의 시각화 정보를 생성하고, 시각화 정보가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 생성하는 페르소나 생성부; 및
    상기 페르소나 생성부에서 생성한 시간대 별 시각화 정보와 동선 정보를 연속적으로 재생시킴으로써 타겟(target) 페르소나의 상품에 대한 반응과 상품 구매의 동선을 애니메이션으로 제공하는 데이터 시각화 제공부;를 포함하되,
    상기 온라인 매장을 방문하는 고객을 인식하고, 상품을 검색, 조회 및 결제하는 고객의 상품에 대한 행위 이력을 수집하여 상기 데이터 수집부로 전송하는 온라인 매장 로그 수집부;를 더 포함하고,
    상기 온라인 매장 로그 수집부는 온라인 매장에 접속하는 고객이 PC 또는 모바일 기기 중 어느 것으로 접속하는지 판단하여, 접속 기기를 나타낼 수 있는 정보를 상기 데이터 수집부로 전송하고, 상기 데이터 시각화 제공부는 상품에 대한 반응을 애니메이션으로 제공할 때 타겟 페르소나가 사용하는 접속기기가 무엇인지 표시하며,
    상기 로그 언어화 변환부는 온라인 및 오프라인 매장에서의 고객 행위 로그 데이터를 구문 분석하고 어휘 해석하여 고객 충성도의 정도에 따라 기 정의된 복수의 언어 표현 중 하나로 변환하되,
    온라인 매장에서 고객이 상품 검색 후 오프라인 매장을 방문하였으나, 오프라인 매장에서 상품을 구매하지 않고, 온라인 매장에서 해당 상품을 구매하였으며, 그 후 해당 상품에 연관된 상품을 검색하는 경우는 로그 데이터의 분석 결과 고객의 충성도가 높은 것으로 판단하고, 고객이 온라인 매장에서 상품 검색 후 오프라인 매장을 방문하여 상품을 구매하는 경우도 고객의 충성도가 높은 것으로 판단하나, 고객이 온라인 매장에서 상품 검색 후 오프라인 매장을 방문하고 온라인 및 오프라인 매장에서 모두 상품을 구매하지 않는 경우는 고객의 충성도가 낮은 것으로 판단하며,
    상기 고객의 충성도가 높은 것으로 판단되는 언어 표현에 대응하는 시각화 정보는 페르소나가 달려가는 모션을 취하며, 고객의 충성도가 낮은 것으로 판단되는 언어 표현에 대응하는 시각화 정보는 페르소나가 앉아 있거나 누워있는 모션을 취하고, 페르소나가 모션을 취할 때 말풍선이 추가로 생성되고 말풍선에 상기 언어 표현이 표시되는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 오프라인 매장에 설치된 비콘 센서를 이용하여 오프라인 매장을 방문한 고객의 위치 및 활동 정보를 수집하여 상기 데이터 수집부로 전송하는 오프라인 매장 로그 수집부;를 더 포함하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  5. 제4항에 있어서,
    상기 데이터 수집부는 오프라인 매장 판매 단말기로부터 해당 고객의 결제 시각, 결제 금액, 구매 상품내역을 포함하는 결제 관련 정보를 수신하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  6. 삭제
  7. 제1항에 있어서,
    상기 페르소나 생성부는 해당 페르소나의 연관 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 시각화 정보를 추가 생성하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  8. 제1항에 있어서,
    상기 하나 이상의 시각화 정보를 생성하기 위한 조건, 가중치 및 추적범위를 입력 받아 저장하는 시각화 룰 저장부;를 더 포함하고,
    상기 페르소나 생성부는 상기 시각화 룰 저장부에 저장된 정보에 따라 하나 이상의 시각화 정보를 다양하게 생성하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  9. 제1항에 있어서,
    상기 페르소나 생성부는 시각화 정보를 통해 생성될 페르소나의 상품에 대한 반응 정도에 해당하는 모션(motion) 종류와 페르소나가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 사용자에 의해 입력된 조건에 따라 다양하게 지정하기 위한 모션 스크립트 생성부;를 포함하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  10. 제9항에 있어서,
    상기 모션 스크립트 생성부는
    페르소나의 모션(motion) 종류와 동선 정보를 특정하기 위한 모션 라이브러리 연결부; 와
    시각화를 통해 생성될 페르소나의 크기 및 색상에 관한 정보를 특정하기 위한 심볼 지정부;를 포함하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  11. 제10항에 있어서,
    상기 시각화를 통해 생성될 페르소나의 크기 및 색상은 모션의 종류에 따라 달라지는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  12. 제9항에 있어서,
    상기 모션 스크립트 생성부에서 생성된 스크립트 정보를 페르소나 별로 육하원칙에 따라 저장하는 모션 스크립트 저장부;를 더 포함하고,
    상기 데이터 시각화 제공부는 모션 스크립트 저장부에 저장된 페르소나 별 육하원칙에 따른 스크립트 정보를 이용하여 슬라이드를 구성하고, 색상을 결합하여 애니메이션으로 재생하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  13. 제1항에 있어서,
    상기 제1 속성 설정부에서 입력되는 속성 정보 외에 추가적인 속성 정보를 설정할 수 있고, 추가적인 속성 정보 설정에 따라 해당 페르소나의 상품에 대한 반응 정도를 색채의 변화를 이용하여 다양하게 표시하는 제2 속성 설정 및 표시부;를 더 포함하고,
    상기 페르소나 생성부는 상기 제2 속성 설정 및 표시부에서 설정된 추가적인 속성 정보에 따라 페르소나를 재그룹화 하거나, 그룹화된 페르소나를 더욱 구체화하여 그에 따라 시각화 정보와 동선 정보를 생성하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  14. 제1항에 있어서,
    상기 데이터 수집부를 통해 수집된 고객의 행위 로그 데이터를 이용하는 것이 아닌 가상의 타겟(target) 페르소나의 반응을 시뮬레이션 하기 위해 NPC(Non-Player Character)를 생성하고, NPC의 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 하나 이상의 시각화 정보를 생성하며, NPC가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 생성하는 가상 페르소나 시뮬레이션부;를 더 포함하고,
    상기 데이터 시각화 제공부는 상기 가상 페르소나 시뮬레이션부에서 생성한 가상의 타겟 페르소나의 상품에 대한 반응과 상품 구매 동선을 애니메이션으로 제공하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
KR1020150145217A 2015-10-19 2015-10-19 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템 KR101635090B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020150145217A KR101635090B1 (ko) 2015-10-19 2015-10-19 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템
US15/295,339 US10657546B2 (en) 2015-10-19 2016-10-17 Omni-channel marketing curation system based on big data
PCT/KR2016/011684 WO2017069483A1 (ko) 2015-10-19 2016-10-18 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150145217A KR101635090B1 (ko) 2015-10-19 2015-10-19 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템

Publications (1)

Publication Number Publication Date
KR101635090B1 true KR101635090B1 (ko) 2016-06-30

Family

ID=56352967

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150145217A KR101635090B1 (ko) 2015-10-19 2015-10-19 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템

Country Status (3)

Country Link
US (1) US10657546B2 (ko)
KR (1) KR101635090B1 (ko)
WO (1) WO2017069483A1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101958313B1 (ko) * 2017-12-20 2019-03-14 주식회사 얍컴퍼니 비가청 고주파 비콘 기반의 옴니채널 광고 플랫폼에 대한 프로모션 결과 데이터 통합 분석 처리 방법
WO2019168220A1 (ko) * 2018-02-28 2019-09-06 조선대학교산학협력단 브랜드 퍼스낼리티 맵을 이용한 브랜드 퍼스낼리티 진단 방법 및 장치
KR102128274B1 (ko) 2018-12-19 2020-06-30 주식회사 카케냐 페르소나와 딥-러닝 모델을 이용한 소셜네트워크상의 콘텐츠 추천 방법
KR20210011102A (ko) 2019-07-22 2021-02-01 주식회사 앱컴파니 맞춤형 상업정보 인공지능 검색 시스템
WO2020251282A3 (ko) * 2019-06-11 2021-02-04 이현환 선호도 평가 방법 및 시스템

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3451626B1 (en) * 2017-08-31 2021-11-17 FIMER S.p.A. Method and system for data stream processing
JP2019125312A (ja) * 2018-01-19 2019-07-25 富士通株式会社 シミュレーションプログラム、シミュレーション方法およびシミュレーション装置
CN108446380B (zh) * 2018-03-17 2021-07-30 上海锐垚科技有限公司 基于模块化信息存储结构提升产业质量水平的系统
US10819652B2 (en) 2018-07-02 2020-10-27 Amazon Technologies, Inc. Access management tags
WO2020162943A1 (en) * 2019-02-07 2020-08-13 Thogamalai Krishnakumar Arumugham Holistic intelligence and autonomous information system and method thereof
US20230030966A1 (en) * 2021-07-31 2023-02-02 Khoros, Llc Omnichannel data analysis
CN117333275B (zh) * 2023-10-12 2024-03-19 中国农业银行股份有限公司江苏省分行 基于大数据的营销平台构建方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060053214A (ko) * 2004-08-23 2006-05-19 (주)리테일테크 Ｒｆｉｄ 기반의 쇼핑 패턴 분석 시스템 및 방법
JP2011107826A (ja) * 2009-11-13 2011-06-02 Intec Systems Institute Inc 行動情報抽出システム及び抽出方法
KR101422128B1 (ko) * 2013-11-06 2014-07-29 나동균 관심사 카테고리와 키워드 기반 고객 맞춤형 이커머스 제공시스템 및 방법
KR101462608B1 (ko) * 2014-04-11 2014-11-20 (주)세이퍼존 적응형 빅데이타 처리 기반 이상 징후 탐지 시스템
KR20150039657A (ko) 2013-10-02 2015-04-13 (주)휴먼웍스 온라인쇼핑몰의 매출향상을 위한 빅데이터 로그분석 기반 인공지능형 편집시스템과 편집방법
KR20150090376A (ko) 2014-01-28 2015-08-06 주식회사 포스코아이씨티 소비패턴 기반의 마케팅 서비스 제공 시스템 및 마케팅 서비스 제공 방법

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090030780A1 (en) * 2006-01-03 2009-01-29 Ds-Iq, Inc. Measuring effectiveness of marketing campaigns presented on media devices in public places using audience exposure data
US8295542B2 (en) * 2007-01-12 2012-10-23 International Business Machines Corporation Adjusting a consumer experience based on a 3D captured image stream of a consumer response
US8195499B2 (en) * 2007-09-26 2012-06-05 International Business Machines Corporation Identifying customer behavioral types from a continuous video stream for use in optimizing loss leader merchandizing
US20090254531A1 (en) * 2008-04-03 2009-10-08 Walker Jay S Method and apparatus for collecting and categorizing data at a terminal
KR101058663B1 (ko) 2009-11-17 2011-08-25 한국예술종합학교 산학협력단 사용자가 함께 만들어가는 스토리맵 서비스를 제공하는 시스템
JP2011170565A (ja) * 2010-02-17 2011-09-01 Toshiba Tec Corp 顧客動向収集方法、装置及びプログラム
US9026476B2 (en) * 2011-05-09 2015-05-05 Anurag Bist System and method for personalized media rating and related emotional profile analytics
US20150058077A1 (en) * 2013-08-23 2015-02-26 Kobo Incorporated Reporting results of an ab type of test
US20150120697A1 (en) * 2013-10-28 2015-04-30 Scalebase Inc. System and method for analysis of a database proxy
US9552611B2 (en) * 2013-12-02 2017-01-24 State Farm Mutual Automobile Insurance Company Systems and methods for modifying resources to manage loss events
KR20150080863A (ko) * 2014-01-02 2015-07-10 삼성테크윈 주식회사 히트맵 제공 장치 및 방법
US10977662B2 (en) * 2014-04-28 2021-04-13 RetailNext, Inc. Methods and systems for simulating agent behavior in a virtual environment
US20160179087A1 (en) * 2014-09-12 2016-06-23 Joonyoung Lee Activity-centric contextual modes of operation for electronic devices

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060053214A (ko) * 2004-08-23 2006-05-19 (주)리테일테크 Ｒｆｉｄ 기반의 쇼핑 패턴 분석 시스템 및 방법
JP2011107826A (ja) * 2009-11-13 2011-06-02 Intec Systems Institute Inc 行動情報抽出システム及び抽出方法
KR20150039657A (ko) 2013-10-02 2015-04-13 (주)휴먼웍스 온라인쇼핑몰의 매출향상을 위한 빅데이터 로그분석 기반 인공지능형 편집시스템과 편집방법
KR101422128B1 (ko) * 2013-11-06 2014-07-29 나동균 관심사 카테고리와 키워드 기반 고객 맞춤형 이커머스 제공시스템 및 방법
KR20150090376A (ko) 2014-01-28 2015-08-06 주식회사 포스코아이씨티 소비패턴 기반의 마케팅 서비스 제공 시스템 및 마케팅 서비스 제공 방법
KR101462608B1 (ko) * 2014-04-11 2014-11-20 (주)세이퍼존 적응형 빅데이타 처리 기반 이상 징후 탐지 시스템

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101958313B1 (ko) * 2017-12-20 2019-03-14 주식회사 얍컴퍼니 비가청 고주파 비콘 기반의 옴니채널 광고 플랫폼에 대한 프로모션 결과 데이터 통합 분석 처리 방법
WO2019168220A1 (ko) * 2018-02-28 2019-09-06 조선대학교산학협력단 브랜드 퍼스낼리티 맵을 이용한 브랜드 퍼스낼리티 진단 방법 및 장치
KR102128274B1 (ko) 2018-12-19 2020-06-30 주식회사 카케냐 페르소나와 딥-러닝 모델을 이용한 소셜네트워크상의 콘텐츠 추천 방법
WO2020251282A3 (ko) * 2019-06-11 2021-02-04 이현환 선호도 평가 방법 및 시스템
KR20210011102A (ko) 2019-07-22 2021-02-01 주식회사 앱컴파니 맞춤형 상업정보 인공지능 검색 시스템

Also Published As

Publication number Publication date
US10657546B2 (en) 2020-05-19
US20170109762A1 (en) 2017-04-20
WO2017069483A1 (ko) 2017-04-27

Similar Documents

Publication Publication Date Title
KR101635090B1 (ko) 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템
US10210453B2 (en) Behavioral prediction for targeted end users
Karimi et al. The impact of consumer archetypes on online purchase decision-making processes and outcomes: A behavioural process perspective
Mogaji et al. Using AI to personalise emotionally appealing advertisement
Srinivasan et al. Mind-set metrics in market response models: An integrative approach
Alfian et al. Customer behavior analysis using real-time data processing: A case study of digital signage-based online stores
CN109791680A (zh) 在线社交网络上的视频关键帧显示
Zhao et al. What factors influence online product sales? Online reviews, review system curation, online promotional marketing and seller guarantees analysis
KR20200142489A (ko) 자동 광고 대행 서버, 자동으로 광고 매체를 위한 캠페인 정보를 생성하여 광고의 집행을 대행하는 방법 및 상기 방법을 실행하기 위한 컴퓨터 프로그램
KR102191486B1 (ko) 자동 광고 대행 서버, 자동으로 광고 매체를 위한 캠페인 정보를 생성하여 광고의 집행을 대행하는 방법 및 상기 방법을 실행하기 위한 컴퓨터 프로그램
CN110019699A (zh) 域间通过语法槽的分类
JP6703572B2 (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
US20130332285A1 (en) User vacillation detection and response
CN104778600A (zh) 用于用户交互和内容的激励机制
CN108932625A (zh) 用户行为数据的分析方法、装置、介质和电子设备
Micu et al. Leveraging e-Commerce performance through machine learning algorithms
KR102616924B1 (ko) 컨텐츠의 제공에 따른 효과 분석을 통해 다양한 랭킹 정보를 제공하기 위한 방법 및 시스템
Loussaief et al. Location-based proximity marketing: An interactive marketing perspective
KR102438679B1 (ko) 미디어 마케팅 서비스를 제공하는 서버의 동작방법
JP2022531410A (ja) デジタル人類学及び民族誌学システム
US20230019515A1 (en) System and Method for Efficiently Identifying and Segmenting Product Webpages on an eCommerce Website
JP2018136721A (ja) 提供装置、提供方法および提供プログラム
US8175990B1 (en) Situational decision engine and method for contextual user experience
Stavinova et al. Synthetic data-based simulators for recommender systems: A survey
KR101880848B1 (ko) 이탈 사용자에게 컨텐츠를 제공하는 방법 및 시스템

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant