KR101657555B1 - 방문 의도 정보 생성 방법 및 이를 이용한 상품 또는 콘텐츠 추천 방법 - Google Patents

방문 의도 정보 생성 방법 및 이를 이용한 상품 또는 콘텐츠 추천 방법 Download PDF

Info

Publication number
KR101657555B1
KR101657555B1 KR1020150089078A KR20150089078A KR101657555B1 KR 101657555 B1 KR101657555 B1 KR 101657555B1 KR 1020150089078 A KR1020150089078 A KR 1020150089078A KR 20150089078 A KR20150089078 A KR 20150089078A KR 101657555 B1 KR101657555 B1 KR 101657555B1
Authority
KR
South Korea
Prior art keywords
tag
intention information
visit
user
content
Prior art date
Application number
KR1020150089078A
Other languages
English (en)
Inventor
문강식
조보연
김나영
김상조
Original Assignee
주식회사 넷스루
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 넷스루 filed Critical 주식회사 넷스루
Priority to KR1020150089078A priority Critical patent/KR101657555B1/ko
Application granted granted Critical
Publication of KR101657555B1 publication Critical patent/KR101657555B1/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
    • 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
    • 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
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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
    • G06Q30/0269—Targeted advertisements based on user profile or attribute

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 콘텐츠 태깅을 통해서 사용자의 웹사이트 방문 의도를 파악하고 사용자의 성향에 맞는 콘텐츠를 추천할 수 있는 방문 의도 정보 생성 방법 및 방문 의도 정보를 이용한 콘텐츠 추천 방법을 개시한다. 상기 방문 의도 정보 생성 방법은, 각 콘텐츠에 지정할 태그 유형(type) 및 상기 태그 유형별 태그 값을 설정하는 단계; 상기 태그 유형별 상기 태그 값을 상기 각 콘텐츠에 지정하는 단계; 상기 각 콘텐츠 중 사용자가 방문한 콘텐츠에 지정된 상기 태그 유형별 상기 태그 값을 수집하고 카운트하는 단계; 상기 태그 유형별 상기 태그 값의 카운트에 대응하여 방문 의도 정보를 생성하는 단계; 및 상기 사용자의 최종 방문 의도 정보에 사용자가 구매한 상품 정보를 연결하고 저장하는 단계;를 포함한다.

Description

방문 의도 정보 생성 방법 및 이를 이용한 상품 또는 콘텐츠 추천 방법{METHOD FOR GENERATING A VISITING INTENT INFORMATION AND METHOD FOR RECOMMENDING GOODS OR CONTENTS USING THE SAME}
본 발명은 콘텐츠 추천 방법에 관한 것으로, 더 상세하게는 콘텐츠 태깅(tagging)을 통해서 사용자의 웹사이트(쇼핑몰 등) 방문 의도를 파악하고 사용자의 성향에 맞는 상품 또는 콘텐츠를 추천할 수 있는 방문 의도 정보 생성 방법 및 방문 의도 정보를 이용한 상품 또는 콘텐츠 추천 방법에 관한 것이다.
전자상거래 분야에서 상거래를 활성화시키기 위해 사용자의 성향을 기반으로 한 콘텐츠 추천은 필수적으로 요구된다.
이러한 개인별 콘텐츠 추천을 위해 가장 중요한 것은 사용자의 성향을 빠르고 정확하게 파악하는 것이다.
사용자의 성향을 파악하기 위해 보편적으로 사용되는 방법은 사용자가 해당 웹사이트(쇼핑몰 등)에 회원 가입시 입력한 가입 정보를 기반으로 맞춤형 콘텐츠를 제공하는 것이다.
이러한 종래 기술에 의한 콘텐츠 추천 방법은 사용자가 회원 가입시 입력한 성별, 연령, 지역 등의 인구통계학적 변수들을 이용하여 사용자들을 분류하고, 동일한 그룹으로 분류된 사용자들에게 맞는 콘텐츠를 추천하고 있다.
그러나 이러한 방법은 기간에 따라 변화하는 사용자의 성향을 따라가기 어렵고, 사용자의 가입 정보가 잘 못 되거나 변경되었을 경우 사용자의 성향에 맞지 않는 콘텐츠를 추천하는 문제점이 있다.
본 발명이 해결하고자 하는 기술적 과제는 동적으로 변화하는 사용자의 성향을 정확히 파악할 수 있는 방문 의도 정보를 생성하는 방문 의도 정보 생성 방법을 제공하는데 있다.
본 발명이 해결하고자 하는 다른 기술적 과제는 동적으로 변화하는 사용자의 방문 의도 정보를 생성하고, 방문 의도 정보를 통해서 사용자의 성향에 맞는 상품 또는 콘텐츠를 정확히 추천할 수 있는 상품 또는 콘텐츠 추천 방법을 제공하는데 있다.
본 발명의 방문 의도 정보 생성 방법은, 각 콘텐츠에 지정할 태그 유형(type) 및 상기 태그 유형별 태그 값을 설정하는 단계; 상기 태그 유형별 상기 태그 값을 상기 각 콘텐츠에 지정하는 단계; 상기 각 콘텐츠 중 사용자가 방문한 콘텐츠에 지정된 상기 태그 유형별 상기 태그 값을 수집하고 카운트하는 단계; 상기 태그 유형별 상기 태그 값의 카운트에 대응하여 방문 의도 정보를 생성하는 단계; 및 상기 사용자의 최종 방문 의도 정보에 사용자가 구매한 상품 정보를 연결하고 저장하는 단계;를 포함한다.
본 발명의 방문 의도 정보를 이용한 상품 또는 콘텐츠 추천 방법은, (a)사용자가 웹사이트에 접속하면 현재 페이지가 상품 추천이 필요한 페이지인지 콘텐츠 추천이 필요한 페이지인지를 확인하는 단계; 및 (b)상기 현재 페이지가 상기 상품 추천이 필요한 페이지로 확인되면 상기 사용자의 방문 의도 정보와 미리 저장된 모든 사용자들의 방문 의도 정보별 구매 상품 정보를 매칭하여 상품을 추천하고, 상기 현재 페이지가 상기 콘텐츠 추천이 필요한 페이지로 확인되면 상기 사용자의 상기 방문 의도 정보와 미리 설정된 콘텐츠의 태그 정보를 매칭하여 콘텐츠를 추천하는 단계;를 포함한다.
상술한 바와 같이, 본 발명은 구조화된 태그 유형 및 태그 유형별 태그 값을 콘텐츠에 태깅(tagging)함으로써 사용자의 웹사이트 방문 의도와 성향을 정확히 파악할 수 있다.
또한, 본 발명은 사용자들의 웹사이트 방문 의도 정보를 지속적으로 수집하고 특정 방문 의도 별로 과거 사용자들이 실제 구매한(전환된) 상품을 관리함으로써 현재 사용자의 방문 의도에 적합한 상품 혹은 방문 의도에 매칭되는 콘텐츠를 정확히 추천할 수 있다.
도 1은 본 발명의 콘텐츠 추천 시스템의 실시예를 설명하기 위한 블록도이다.
도 2는 본 발명의 방문 의도 정보 생성 방법의 실시예를 설명하기 위한 순서도이다.
도 3은 구조화된 태그 유형 및 태그 유형별 태그 값을 도시한 테이블이다.
도 4는 도 3의 구조화된 태그 유형별 태그 값이 콘텐츠들에 지정된 것을 도시한 테이블이다.
도 5는 사용자가 방문한 콘텐츠의 태그 값을 카운트하여 생성한 방문 의도 정보를 도시한 테이블이다.
도 6은 모든 사용자들의 최종 방문 의도 정보와 해당 방문에서 구매한 상품들을 연결한 정보를 도시한 테이블이다.
도 7은 현재 사용자의 방문 의도 정보와 모든 사용자들의 방문 의도 정보별 구매상품 정보를 매칭하여 추천 상품을 추출하는 실시예를 설명하기 위한 테이블이다.
도 8은 현재 사용자의 방문 의도 정보와 모든 사용자들의 방문 의도 정보별 구매상품 정보를 매칭하여 상품을 추천하는 실시예를 설명하기 위한 순서도이다.
도 9는 현재 사용자의 방문 의도 정보와 콘텐츠의 태그 정보를 매칭하여 콘텐츠를 추천하는 실시예를 설명하기 위한 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명한다. 본 명세서 및 특허청구범위에 사용된 용어는 통상적이거나 사전적 의미로 한정되어 해석되지 아니하며, 본 발명의 기술적 사항에 부합하는 의미와 개념으로 해석되어야 한다.
본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 바람직한 실시예이며, 본 발명의 기술적 사상을 모두 대변하는 것이 아니므로, 본 출원 시점에서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있다.
도 1은 본 발명의 콘텐츠 추천 시스템의 실시예를 설명하기 위한 블록도이다.
도 1을 참고하면, 본 발명의 콘텐츠 추천 시스템은 서비스 서버(20) 및 데이터 베이스(40)를 포함한다.
서비스 서버(20)는 사용자 단말기(10)들과 통신망(30)을 통해 연결되고, 웹사이트를 제공한다. 이러한 서비스 서버(20)는 사용자들이 사용자 단말기(10)를 통해 웹사이트에 접속하고 콘텐츠를 조회하거나 상품을 구매할 수 있도록 서비스하며, 과거 웹사이트에 접속한 사용자들이 이용한 콘텐츠로부터 방문 의도를 수집하고 수집된 방문 의도 별로 실제 구매한(전환된) 상품들을 분석하여 저장한 후, 현재 사용자가 최근 이용한 콘텐츠로부터 현재 방문 의도를 추출한 후 해당 방문 의도로부터 실제 구매가 많이 발생된 상품을 추천한다. 일례로, 웹사이트는 쇼핑몰이 될 수 있고, 사용자가 이용한 콘텐츠는 쇼핑몰에서 프로모션을 위해 진행하고 있는 다양한 기획전 페이지가 될 수 있다. 또한, 상품은 쇼핑몰에서 실제 판매하고 있는 신발, 가전 제품, 옷 등이 될 수 있다.
본 실시예는 서비스 서버(20)가 웹사이트를 운영하는 것으로 설명하고 있으나, 웹사이트를 운영하는 웹 서버(미도시)를 별도로 구성할 수 있고, 서비스 서버(20)는 웹 서버에 접속한 사용자들의 방문 의도 정보를 별도로 파악하여 웹 서버에 제공하는 것으로 구성할 수 있다.
데이터 베이스(40)는 서비스 서버(20)와 연계되고, 웹사이트에서 제공할 콘텐츠, 콘텐츠에 지정된 태그 유형 및 태그 값, 방문 의도 정보, 상품, 각 방문 의도별 전환 상품 등의 데이터가 저장된다.
서비스 서버(20)는 사용자가 당일 방문한 콘텐츠들에 대응하여 각 콘텐츠에 지정된 태그 유형에 대한 태그 값을 수집 및 카운트하고, 태그 유형별 태그 값의 카운트 결과에 따라 당일 주요 방문 의도 정보를 생성한다. 또한, 당일 사용자가 구매한 상품들을 추출하여 앞서 생성된 방문 의도 정보에 연결한다. 방문 의도 정보 생성 방법 및 구매 상품 연결 방법에 대한 상세한 설명은 도 2 내지 도 5를 참고하여 후술한다.
사용자 단말기(10)는 통신망(30)과 연계된 퍼스널 컴퓨터, 태블릿, 스마트폰 등의 단말기기가 될 수 있고, 통신망(30)은 유무선의 통신망이 될 수 있다.
상기와 같이 구성된 콘텐츠 추천 시스템의 방문 의도 정보 생성 방법을 설명하면 다음과 같다.
도 2는 본 발명의 방문 의도 정보 생성 방법의 실시예를 설명하기 위한 순서도이다.
도 2를 참고하면, 콘텐츠 추천 시스템의 서비스 서버(20)는 사용자의 방문 의도를 파악하기 위해 콘텐츠들에 지정할 구조화된 태그 유형 및 태그 유형별 태그 값을 설정한다(S11). 여기서 구조화는 태그 유형 및 태그 유형에 대한 태그 값이 미리 정해지는 것으로 이해될 수 있다. 일례로, 태그 유형은 성별, 연령대, 분위기, 계절, 가격대 등이 될 수 있고, 성별에 대한 태그 값은 남자, 여자; 연령대에 대한 태그 값은 10대, 20대, 30대, 40대, 50대, 60대 이상; 분위기에 대한 태그 값은 화사한, 우울한, 역동적인, 차분한; 계절에 대한 태그 값은 봄, 여름, 가을, 겨울; 가격대에 대한 태그 값은 저가, 중가, 고가 등이 될 수 있다. 이와 같이 콘텐츠들에 지정할 태그 유형 및 태그 유형에 대한 태그 값은 미리 구조화된다.
그리고, 서비스 서버(20)는 구조화된 태그 유형별 태그 값을 각각의 콘텐츠들에 지정한다(S12). 일례로, 콘텐츠들은 성별, 연령대, 분위기, 계절, 가격대 등의 태그 유형이 지정될 수 있고, 어느 콘텐츠는 태그 값으로 성별=여자, 연령대=30대, 분위기=화사한, 계절=여름이 지정될 수 있으며, 어느 다른 콘텐츠는 태그 값으로 연령대=40대, 분위기=차분한, 계절=가을, 가격대=고가와 같이 지정될 수 있다.
여기서, 서비스 서버(20)는 모든 콘텐츠에 지정할 태그 유형을 동일한 유형의 집합(aggregation)으로 설정하고, 태그 유형별 태그 값만 다르게 지정한다. 그러나, 하나의 콘텐츠에 대해서 모든 태그 유형에 대해 값을 지정할 필요는 없다. 일례로, 서비스 서버(20)는 제1 내지 제N콘텐츠에 대해 지정될 수 있는 태그 유형 집합을 {성별, 연령대, 분위기, 계절, 가격대}로 설정하고, 콘텐츠 별로 각 태그 유형에 대한 태그 값만 다르게 지정한다. 어떤 콘텐츠에 대해 특정 태그 유형에 대한 적당한 값이 없을 경우는 지정하지 않아도 된다.
그리고, 서비스 서버(20)는 매일 각 사용자가 방문한 콘텐츠들에 대응하여 태그 유형별로 태그 값을 수집 및 카운트한다(S13). 일례로, 서비스 서버(20)는 사용자가 사용자 단말기(10)를 통해서 웹사이트에 접속하고, 웹사이트 상에서 제공되는 콘텐츠들 중에서 성별=여자, 연령대=30대, 분위기=화사한, 계절=여름 등의 태그가 지정된 콘텐츠와 성별=여자, 연령대=20대, 분위기=시원한, 계절=여름 태그가 지정된 콘텐츠를 방문했다면 성별=(여자=2), 연령대=(30대=1, 20대=1), 분위기=(화사한=1, 시원한=1), 계절=(여름=2)와 같이 각 태그 유형별로 태그 값을 수집하고 카운트한다.
서비스 서버(20)는 사용자의 콘텐츠 방문 시마다 해당 태그 값을 수집 및 카운트하고 카운트된 태그 값 중 과반이 넘어가는 값들을 가지고 방문 의도 정보를 생성한다(S13, S14, S15). 당일 방문한 사용자에 대해 최종 방문 의도 정보는 가장 마지막에 생성된 정보다. 일례로 카운트된 태그 값이 성별=(여자=2), 연령대=(30대=1, 20대=1), 분위기=(화사한=1, 시원한=1), 계절=(여름=2)라면 방문 의도 정보는 [성별=여자, 계절=여름]이 된다. 연령대와 분위기 태그유형은 과반을 넘는 태그 값이 없으므로 방문 의도 정보에서 빠지게 된다.
서비스 서버(20)는 사용자가 당일 구매한 상품들을 추출하여 사용자의 최종 방문 의도 정보와 연결하여 관리한다(S16). 일례로 사용자의 최종 방문 의도가 [성별=여자, 계절=여름]이고, 이 사용자가 상품 A001, C002를 구매하였다면 [성별=여자, 계절=여름]-> A001, C002와 같이 연결하여 관리한다. 방문 의도 정보와 연결된 구매상품은 방문 의도 기반으로 상품을 추천하는데 사용된다. 여기서, 최종 방문 의도 정보는 사용자의 콘텐츠 방문에 의해 생성된 방문 의도 정보 중 당일 마지막에 생성된 방문 의도 정보로 이해될 수 있다.
도 3은 구조화된 태그 유형 및 태그 유형별 태그 값들을 도시한 테이블이다.
도 3을 참고하면, 콘텐츠에 지정할 수 있는 태그 유형 및 태그 유형별 태그 값들은 미리 구조화된다. 여기서 구조화는 태그를 구성하는 태그 유형 및 태그 유형에 대한 태그 값이 미리 정해지는 것으로 이해될 수 있으며, 태그 유형으로 성별, 연령대, 분위기, 계절, 가격대 등이 미리 구조화될 수 있다.
여기서, 성별에 대한 태그 값은 남자, 여자; 연령대에 대한 태그 값은 10대, 20대, 30대, 40대, 50대, 60대 이상; 분위기에 대한 태그 값은 화사한, 우울한, 역동적인, 차분한, 시원한; 계절에 대한 태그 값은 봄, 여름, 가을, 겨울; 가격대에 대한 태그 값은 저가, 중가, 고가; 와 같이 미리 구조화된다.
이와 같이 태그 유형 및 태그 유형별 태그 값은 미리 구조화되어 테이블 형태로 저장된다.
도 4는 도 3의 구조화된 태그 유형별 태그 값이 콘텐츠들에 지정된 것을 도시한 테이블이다.
도 4를 참고하면, 콘텐츠들은 동일한 태그 유형에 대해 태그 값만 다르게 지정된다. 콘텐츠들은 특정 태그 유형에 대한 적당한 태그 값이 없을 경우 지정되지 않을 수 있다. 일례로, 기획전1 내지 기획전6 등의 콘텐츠들은 모두 동일하게 성별, 연령대, 분위기, 계절, 가격대의 태그 유형에 대한 태그 값을 가질 수 있다. 여기서, 기획전1에는 성별=여자, 연령대=30대, 분위기=화사한, 계절=봄, 가격대=중가 태그 값이 지정되고, 기획전2에는 연령대=10대, 분위기=시원한, 계절=여름, 가격대=저가 태그 값이 지정되는 등, 각각의 콘텐츠에는 다른 태그 값들이 지정된다.
서비스 서버(20)는 비즈니스 도메인에 맞게 태그를 임의로 정의할 수 있다. 일례로, 기존 쇼핑몰에서 사용될 수 있는 대표적인 태그 유형으로는 카테고리가 있으며 해당 태그 값으로는 화장품, 패션의류, 명품, 잡화, 제화 등이 될 수 있다. 또한, 주요 마케팅 대상 고객의 특성을 표현하는 연령대, 성별 등을 태그 유형으로 정의할 수 있다. 마찬가지로, 고객이 찾고자 하는 상품의 특징을 표시하는 분위기, 가격대 등도 태그 유형의 후보가 될 수 있다.
그리고 서비스 서버(20)는 사용자 방문 의도를 파악하기 위한 콘텐츠 역시 임의로 지정할 수 있다. 기존 쇼핑몰에서 사용자 방문 의도 파악을 위한 대표적인 콘텐츠는 기획전, 이벤트, 프로모션 페이지들이다. 모든 콘텐츠에 태깅(태그 유형별 태그 값 지정)을 하는 것보다는 상품 판매를 유도할 수 있는 주요 페이지들에 대해서 태깅을 하는 것이 방문 의도를 보다 명확히 수집할 수 있다. 아래의 <표 1>은 태깅된 콘텐츠 목록에 대한 예시이다.
Figure 112015060768771-pat00001
도 5는 사용자가 방문한 콘텐츠의 태그 값을 카운트하여 생성한 방문 의도 정보를 도시한 테이블이다.
도 5를 참고하면, 서비스 서버(20)는 사용자의 콘텐츠의 방문에 대응하여 태그 유형별로 태그 값을 저장하고, 태그 값을 카운트하여 방문 의도 정보를 생성한다.
일례로, A사용자가 기획전1 내지 기획전6의 콘텐츠 중 기획전2, 기획전4, 기획전6의 콘텐츠를 방문한 경우 서비스 서버(20)는 기획전2, 기획전4, 기획전6에 지정된 태그 값을 저장하고, 태그 값의 개수를 카운트하여 A사용자의 방문 의도 정보를 생성한다. 도 5는 A사용자의 방문 의도 정보에 성별=여자(1.00), 연령대=20대(0.66), 분위기=시원한(0.66), 계절=여름(1.00), 가격대=저가(0.66)의 태그 값이 포함되는 것을 나타내고 있다. 방문 의도 정보의 태그 값 괄호 안의 수치는 태그 값의 카운트 비율을 나타낸다. 여기서 카운트 비율은 태그 유형 별로 동일한 태그 값의 개수를 카운트하여 전체 태그 값 개수에 대한 비율로 환산된 것으로 이해될 수 있다.
서비스 서버(20)는 방문 의도 정보의 태그 값 중 카운트 비율이 과반이 넘는 값을 선택한다. 일례로 A사용자가 방문한 콘텐츠들의 연령대 태그 값은 10대가 1번, 20대가 2번임으로 20대에 대한 카운트 비율은 2/3, 즉 0.66이 되고 따라서 연령대에 대한 최종 태그 값으로 20대가 선택된다. 만약 카운트가 과반 비율을 넘는 태그 값이 존재하지 않을 경우, 방문 의도 정보에서 해당 유형의 태그 값은 빈(null) 값으로 남겨놓는다.
도 6은 모든 사용자들의 방문 의도 정보와 해당 방문에서 구매한 상품들을 연결한 정보를 도시한 테이블이다.
도 6을 참고하면, 서비스 서버(20)는 매일 모든 사용자의 방문 의도와 방문 의도에 따른 구매상품 정보를 생성하고 관리한다. 일례로, 첫 번째 방문의 최종 방문 의도는 [성별=여자, 계절=여름]이고 실제 구매한 상품은 A001과 C002임을 보여준다. 즉, 이 사용자는 여자, 여름 상품을 구매하려고 방문해서 실제 A001과 C002 상품을 구매했음을 알 수 있다. 방문 의도별 구매상품 정보는 최대 N일 동안 보관 관리되어 후술할 상품 추천 과정에 사용된다. N일 지난 방문 의도별 구매 상품 정보는 최신성이 떨어지기 때문에 해당 테이블에서 삭제한다.
도 7은 현재 사용자의 방문 의도 정보와 모든 사용자들의 방문 의도 정보별 구매상품 정보를 태그 유형별로 매칭하여 구매상품을 추출하는 실시예를 도시한다.
도 7를 참고하면, 서비스 서버(20)는 현재 사용자의 방문 의도 정보만 있으면 해당 방문 의도를 구성하는 태그 유형들에 대한 조건식을 이용하여 모든 사용자들의 방문 의도 정보별 구매상품으로부터 많이 팔린 상품을 쉽게 찾아낼 수 있다. 기본적으로는 현재 사용자의 방문 의도 정보에 나타난 모든 태그 값과 동일한 태그 값을 가진 방문들을 찾고 해당 방문들의 구매상품을 추출한다. 만약 구매상품이 없거나 요구한 개수보다 작을 때는 카운트 비율이 작은 태그유형을 제외하고 다시 매칭한다. 일례로, 현재 사용자의 방문 의도가 [성별=여자, 분위기=화사한, 계절=여름]이라면 도 7의 방문의도별 구매상품 테이블에서 성별=여자이고 분위기=화사한이고 계절=여름인 조건과 매칭되는 방문들을 찾으려고 하지만 3개의 조건을 모두 만족하는 방문이 존재하지 않는다. 이 경우에는 현재 사용자의 방문의도에서 카운트 비율이 제일 작은 분위기=화사한을 제외하고 [성별=여자, 계절=여름] 조건식 만으로 방문들을 찾아낸다. 도 7의 모든 사용자들의 방문 의도 정보별 구매상품 테이블에서 상기 2개의 조건을 만족하는 방문들은 방문1, 방문2, 방문8이 되고 이들 방문들과 연결된 구매상품들은 A001(3), A002(1), C002(1)이 된다. 찾아진 구매상품의 괄호 안에 숫자는 상품이 나타난 개수를 의미하며, 개수가 높은 순서로 정렬하면 해당 의도에 대응하여 많이 팔린 상품들을 찾아내는 것이 가능하다. 상기 실시 예는 기본적으로 SQL 질의문 형태를 이해하는 정도의 개발자라면 방문 의도에 매칭되는 구매상품 추출 과정을 쉽게 구현할 수 있다.
상기 방문 의도와 매칭되는 구매상품 추출과정은 도 8 내지 도 9을 참고하여 후술할 상품 추천에 이용된다. 후술되는 태그는 콘텐츠에 지정된 태그 값과 동일한 의미로 사용된다.
도 8은 방문 의도 정보를 이용한 상품 추천 방법의 실시예를 설명하기 위한 순서도이다. 더 상세하게는 도 8은 현재 사용자의 방문 의도 정보와 모든 사용자들의 방문 의도 정보별 구매상품 정보를 매칭하여 상품을 추천하는 실시예를 설명하기 위한 순서도이다.
도 8을 참고하면, 서비스 서버(20)는 사용자가 사용자 단말기(10)를 통해서 쇼핑몰 등의 웹사이트에 접속하면(S81) 현재 페이지에서 사용자에게 상품추천이 필요한지를 판단한다(S82). 웹사이트가 서비스하는 모든 페이지들 중 어느 특정 페이지들은 상품 추천이 필요한 페이지로 미리 설정된다. 모든 페이지에서 상품을 추천할 필요는 없으며 중요한 특정 페이지들에서만 상품이 추천되고 이러한 페이지들은 미리 정해져 있다. 서비스 서버(20)는 상품추천이 필요한 페이지인 경우, 접속한 사용자의 방문의도정보가 존재하는지 판단한다 (S83). 방문의도정보가 존재한다는 것은 해당 사용자가 사이트 접속 후 태그가 지정된 콘텐츠들을 방문했다는 의미이며 상기 콘텐츠들을 방문하지 않았을 경우는 아직 방문 의도 정보가 미생성 상태이다. 방문 의도 정보가 있으면 방문 의도 정보에 포함된 태그 유형별 태그 값의 조건식을 이용해 기존에 만들어진 모든 다른 사용자들의 방문 의도 정보별 구매상품 정보와 매칭하여 추출된 상품들을 추천한다(S84).
그리고, 서비스 서버(20)는 접속한 사용자에 대한 방문 의도 정보가 없으면 베스트 상품을 추천한다(S85). 여기서, 베스트 상품은 웹사이트에서 가장 많이 팔리거나 가장 많이 조회되는 상품들이 될 수 있다.
도 9은 방문 의도 정보를 이용한 콘텐츠 추천 방법의 실시예를 설명하기 위한 순서도이다. 더 상세하게는 도 9는 현재 사용자의 방문 의도 정보와 콘텐츠의 태그 정보를 매칭하여 콘텐츠를 추천하는 실시예를 설명하기 위한 순서도이다.
도 9를 참고하면, 서비스 서버(20)는 사용자가 사용자 단말기(10)를 통해서 쇼핑몰 등의 웹사이트에 접속하면(S91) 현재 페이지에서 사용자에게 콘텐츠 추천이 필요한지를 판단한다(S92). 웹사이트가 서비스하는 모든 페이지들 중 어느 특정 페이지들은 콘텐츠 추천이 필요한 페이지로 미리 설정된다. 모든 페이지에서 콘텐츠를 추천할 필요는 없으며 특정 페이지들에서만 콘텐츠가 추천되고 이러한 페이지들은 미리 정해져 있다. 추천 대상이 되는 콘텐츠는 도 4에서 예시된 구조화된 태그 값이 지정된 콘텐츠들이다.
서비스 서버(20)는 콘텐츠 추천이 필요한 페이지인 경우, 접속한 사용자의 방문 의도 정보가 존재하는지 판단한다(S93). 방문 의도 정보가 있으면 도 7의 상품 추천과 동일한 방법으로 방문 의도 정보에 포함된 태그 유형별 태그 값의 조건식을 이용해 도 4의 콘텐츠의 태그 정보와 매칭하여 일치되는 콘텐츠들을 추천한다(S94).
그리고, 서비스 서버(20)는 접속한 사용자에 대한 방문 의도 정보가 없으면 베스트 콘텐츠를 추천한다(S95). 여기서, 베스트 콘텐츠는 웹사이트에서 가장 많이 조회되는 콘텐츠들이 될 수 있다.
상기와 같은 방문 의도 정보는 사용자의 콘텐츠 방문시마다 태그 유형별 태그 값을 카운트하여 사용자의 성향을 갱신한 정보로서 쇼핑몰 가입 시에 기입한 사용자 정보보다 신뢰성이 높다고 할 수 있다. 따라서, 서비스 서버(20)는 상기와 같은 방문 의도 정보에 포함된 태그 유형별 태그 값과 콘텐츠들에 지정된 태그 유형별 태그 값을 매칭하여 사용자의 개인 성향에 맞는 콘텐츠를 추천할 수 있다.
방문 의도 정보를 활용한 사례를 온라인 웹사이트에서 상품과 콘텐츠 추천에 대해서만 예시했지만 도 6과 같은 방문의도별 구매상품 정보를 구성하면 이메일, SMS, Call 등과 같은 다른 매체를 통해서도 사용자에게 적합한 상품을 추천할 수 있다. 또한, 방문의도별 구매상품 대신 해당 방문에서 조회(클릭)하거나 장바구니에 넣는 상품들을 연결하여 활용하는 것으로도 충분히 확장할 수 있다.
이와 같이, 본 발명은 구조화된 태그 유형 및 태그 유형별 태그 값을 콘텐츠에 태깅함으로써 사용자의 웹사이트 방문 의도와 성향을 정확히 파악할 수 있다.
또한, 본 발명은 변화하는 사용자의 웹사이트 방문 의도와 성향에 따라 방문 의도 정보를 갱신함으로써 사용자의 성향과 매칭되는 콘텐츠를 정확히 추천할 수 있다.
10 : 사용자 단말기 20 : 서비스 서버
30 : 통신망 40 : 데이터 베이스

Claims (11)

  1. 콘텐츠들에 지정할 태그 유형(type) 및 상기 태그 유형에 대한 태그 값을 설정하는 단계;
    모든 상기 콘텐츠들에 동일한 태그 유형을 지정하고 상기 태그 유형에 대한 상기 태그 값을 상기 콘텐츠들마다 다르게 지정하는 단계;
    상기 콘텐츠들 중 사용자가 방문한 콘텐츠에 지정된 상기 태그 유형 별 상기 태그 값을 수집하고 상기 수집한 태그 값으로부터 동일한 태그 값의 개수를 카운트하며 상기 카운트한 상기 태그 값의 개수를 상기 태그 유형 별로 전체 태그 값 개수에 대한 비율로 환산하는 단계;
    상기 환산한 비율이 일정 조건을 만족하는 상기 태그 유형 별 상기 태그 값에 대응하여 방문 의도 정보를 생성하는 단계; 및
    상기 사용자의 최종 방문 의도 정보에 사용자가 구매한 상품 정보를 연결하고 저장하는 단계;
    를 포함하는 방문 의도 정보 생성 방법.
  2. 삭제
  3. 삭제
  4. 제 1 항에 있어서,
    상기 콘텐츠들 중 어느 콘텐츠는 특정 태그 유형에 대한 상기 태그 값으로 빈(null) 값이 설정되는 방문 의도 정보 생성 방법.
  5. 삭제
  6. 제 1 항에 있어서, 상기 방문 의도 정보를 생성하는 단계는
    상기 비율이 일정 비율 이상인 상기 태그 유형 별 상기 태그 값을 상기 방문 의도 정보에 포함시키고, 상기 비율이 상기 일정 비율 미만인 상기 태그 유형 별 상기 태그 값을 빈(null) 값으로 상기 방문 의도 정보에 포함시키는 방문 의도 정보 생성 방법.
  7. 제 1 항에 있어서, 상기 사용자의 최종 방문 의도 정보에 사용자가 구매한 상품 정보를 연결하고 저장하는 단계는,
    모든 사용자들의 최종 방문 의도 정보별 구매 상품 정보를 함께 저장하고 관리하도록 설정된 방문 의도 정보 생성 방법.
  8. (a) 사용자가 웹사이트에 접속하면 현재 페이지가 상품 추천이 필요한 페이지인지 콘텐츠 추천이 필요한 페이지인지를 확인하는 단계; 및
    (b) 상기 현재 페이지가 상기 상품 추천이 필요한 페이지로 확인되면 상기 사용자의 방문 의도 정보와 미리 저장된 모든 사용자들의 방문 의도 정보별 구매 상품 정보를 매칭하여 상품을 추천하고, 상기 현재 페이지가 상기 콘텐츠 추천이 필요한 페이지로 확인되면 상기 사용자의 상기 방문 의도 정보와 미리 설정된 콘텐츠의 태그 유형 별 태그 값을 매칭하여 콘텐츠를 추천하는 단계;를 포함하며,
    상기 방문 의도 정보는 상기 사용자가 방문한 콘텐츠에 지정된 상기 태그 유형 별 태그 값을 수집하는 단계, 상기 수집한 태그 값으로부터 동일한 태그 값의 개수를 카운트하는 단계, 상기 태그 유형 별로 전체 태그 값 개수에 대한 비율로 환산하는 단계, 및 상기 환산한 비율이 일정 조건을 만족하는 상기 태그 유형 별 상기 태그 값을 상기 방문 의도 정보에 포함시키는 단계에 의해 생성되는 것을 특징으로 하는 방문 의도 정보를 이용한 상품 또는 콘텐츠 추천 방법.
  9. 제 8 항에 있어서, 상기 웹사이트가 서비스하는 모든 페이지들 중 특정 페이지들은
    상기 상품 추천 또는 상기 콘텐츠 추천이 필요한 페이지로 미리 설정된 방문 의도 정보를 이용한 상품 또는 콘텐츠 추천 방법.
  10. 제 8 항에 있어서, 상기 (b)단계는
    상기 상품 추천 또는 상기 콘텐츠 추천이 필요한 페이지로 확인되면 상기 사용자에 대한 상기 방문 의도 정보가 있는지를 확인하는 단계;
    를 더 포함하고,
    상기 방문 의도 정보가 있으면 상기 현재 페이지가 상기 상품 추천 또는 상기 콘텐츠 추천이 필요한 페이지인지에 따라 상기 상품 또는 상기 콘텐츠를 추천하는 방문 의도 정보를 이용한 상품 또는 콘텐츠 추천 방법.
  11. 제 10 항에 있어서, 상기 (b)단계는
    상기 방문 의도 정보가 없으면 상기 현재 페이지가 상기 상품 추천 또는 상기 콘텐츠 추천이 필요한 페이지인지에 따라 상기 웹사이트에서 가장 많이 구매되고 조회된 베스트 상품 또는 상기 웹사이트에서 가장 많이 조회된 베스트 콘텐츠를 추천하는 방문 의도 정보를 이용한 상품 또는 콘텐츠 추천 방법.
KR1020150089078A 2015-06-23 2015-06-23 방문 의도 정보 생성 방법 및 이를 이용한 상품 또는 콘텐츠 추천 방법 KR101657555B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150089078A KR101657555B1 (ko) 2015-06-23 2015-06-23 방문 의도 정보 생성 방법 및 이를 이용한 상품 또는 콘텐츠 추천 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150089078A KR101657555B1 (ko) 2015-06-23 2015-06-23 방문 의도 정보 생성 방법 및 이를 이용한 상품 또는 콘텐츠 추천 방법

Publications (1)

Publication Number Publication Date
KR101657555B1 true KR101657555B1 (ko) 2016-09-19

Family

ID=57102804

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150089078A KR101657555B1 (ko) 2015-06-23 2015-06-23 방문 의도 정보 생성 방법 및 이를 이용한 상품 또는 콘텐츠 추천 방법

Country Status (1)

Country Link
KR (1) KR101657555B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600347A (zh) * 2017-01-17 2017-04-26 中国科学院自动化研究所 一种基于多视角数据和循环网络构建序列预测模型的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070111694A (ko) * 2006-05-18 2007-11-22 에스케이 텔레콤주식회사 Ｒｆｉｄ를 이용한 고객 맞춤정보 제공 시스템 및 방법,이를 이용한 콘텐츠 거래 방법
KR20110014029A (ko) * 2009-08-04 2011-02-10 에스케이 텔레콤주식회사 사용자 설정형 관심정보 수집 시스템 및 방법
KR20130011257A (ko) * 2011-07-21 2013-01-30 에스케이플래닛 주식회사 소셜 네트워크 서비스 기반 상품 정보 추천 시스템 및 그 서비스 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070111694A (ko) * 2006-05-18 2007-11-22 에스케이 텔레콤주식회사 Ｒｆｉｄ를 이용한 고객 맞춤정보 제공 시스템 및 방법,이를 이용한 콘텐츠 거래 방법
KR20110014029A (ko) * 2009-08-04 2011-02-10 에스케이 텔레콤주식회사 사용자 설정형 관심정보 수집 시스템 및 방법
KR20130011257A (ko) * 2011-07-21 2013-01-30 에스케이플래닛 주식회사 소셜 네트워크 서비스 기반 상품 정보 추천 시스템 및 그 서비스 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600347A (zh) * 2017-01-17 2017-04-26 中国科学院自动化研究所 一种基于多视角数据和循环网络构建序列预测模型的方法
CN106600347B (zh) * 2017-01-17 2020-04-21 中国科学院自动化研究所 一种基于多视角数据和循环网络构建序列预测模型的方法

Similar Documents

Publication Publication Date Title
CN104599153B (zh) 商品推荐方法、商品推荐服务器及商品推荐终端
US20200273054A1 (en) Digital receipts economy
US11995699B2 (en) Commodity recommendation system
KR101868583B1 (ko) 객관적 빅데이터 분석을 이용한 가맹점 추천 서비스 제공 방법
KR101712591B1 (ko) 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법
US20140289006A1 (en) Method and System For Social Media Sales
CN110969512B (zh) 一种基于用户购买行为的商品推荐方法和装置
WO2011005072A2 (en) Personalized shopping list recommendation based on shopping behavior
EP2513858A1 (en) Context information utilizing systems, apparatus and methods
KR102199197B1 (ko) 신상정보 기반 상품 추천 시스템, 장치 및 방법
AU2018211215A1 (en) Method and system for modifying a webpage
JP6906667B1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
Abbas et al. Geodemographics–a tool for health intelligence?
CN104981829A (zh) 优选图像标识码生成方法、优选图像标识码诊断方法及利用优选图像标识码的信息提供方法
KR20100123347A (ko) 모바일 쇼핑몰 서비스 제공 시스템 및 방법
TWI753267B (zh) 消費推薦資訊與採購決策的優化系統及其實施方法
KR101657555B1 (ko) 방문 의도 정보 생성 방법 및 이를 이용한 상품 또는 콘텐츠 추천 방법
CN110717095B (zh) 服务项目的推送方法及装置
CN105590234A (zh) 一种向目标用户推荐商品的方法和系统
JP2016512351A (ja) ユーザの買い物履歴、小売業者のｉｄ及び小売業者が販売促進する物品に基づいて、カスタマイズされた検索結果を提供するシステム及び方法
JP2020095561A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
KR102429104B1 (ko) 인공지능에 기반한 상품 카탈로그 자동 분류 시스템
JP2013105475A (ja) 情報収集システム、情報収集方法、およびプログラム
KR20210096936A (ko) 검색 키워드를 이용한 오픈마켓 통합 관리 시스템
JP2020091816A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム

Legal Events

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

Payment date: 20190924

Year of fee payment: 4