KR101665980B1

KR101665980B1 - 상품 추천 시스템

Info

Publication number: KR101665980B1
Application number: KR1020150096512A
Authority: KR
Inventors: 문강식; 조보연; 오재훈
Original assignee: 주식회사 넷스루
Priority date: 2015-07-07
Filing date: 2015-07-07
Publication date: 2016-10-13

Abstract

본 발명은 온라인에서 사용자에게 상품을 추천하기 위한 상품 추천 시스템을 개시하며, 상기 상품 추천 시스템은 사용자의 접속에 대응하여 상기 사용자의 활동 이력 정보를 수집하고, 상기 활동 이력 정보를 이용하여 반응 벡터를 생성하며, 상기 반응 벡터에 근거한 상품 추천 정보를 수신하여 상기 상품 추천 정보에 대응하는 하나 이상의 선정된 오퍼가 표시된 페이지를 상기 사용자에게 제공하는 인터페이스 모듈; 상품 정보, 사용자 가입 정보, 오퍼 정보 및 상기 인터페이스 모듈에서 생성되는 상기 반응 벡터를 이용하여 복수의 오퍼 중 상기 사용자에게 상기 선정된 오퍼를 추천하기 위한 상기 상품 추천 정보를 생성하고, 상기 상품 추천 정보를 상기 인터페이스 모듈에 제공하는 오퍼 추천 모듈; 및 상기 상품 정보, 상기 사용자 가입 정보, 상기 복수의 오퍼에 대한 오퍼 정보 및 상기 활동 이력 정보를 저장하며, 상기 반응 벡터 및 상기 상품 추천 정보의 생성에 필요한 해당 정보를 상기 인터페이스 모듈 및 상기 오퍼 추천 모듈의 요청에 대응하여 제공하는 데이터베이스부; 를 포함하고, 상기 오퍼 추천 모듈은 상기 페이지의 상기 선정된 오퍼 별 추천되는 상품의 비율을 상기 반응 벡터에 따라 조정하는 것을 특징으로 한다.

Description

상품 추천 시스템{SYSTEM FOR RECOMMENDING GOODS}

본 발명은 상품 추천 시스템에 관한 것으로, 보다 상세하게는 기존에 알려진 다양한 방법으로 만들어진 추천 상품에 대해 사용자의 응답을 수집하여 최적의 추천 상품을 재구성하는 방법에 관한 것이다.

상품 추천 시스템은 사용자들에게 구매 가능성이 있는 상품을 쉽게 찾도록 도와주는 개인화된 정보 필터링 기술이다. 종래의 상품 추천 시스템은 내용기반 접근(Content-based Approach), 협업 필터링(collaborative Filtering) 또는 하이브리드 방법(Hybrid Models) 알고리즘과 같이 다양한 방식으로 추천을 위한 데이터 (오퍼)를 제작할 수 있다. 또한, 복잡한 알고리즘 외에도 매출 기준으로 베스트셀러 상품, 각 카테고리별/브랜드별 베스트셀러 상품과 같은 오퍼를 생성하여 추천하기도 한다.

기존 방식은 모든 사용자에게 동일한 기준을 적용하여 상품을 추천한다. 예를 들어 한 명의 사용자에게 인기상품(오퍼1), 신상품(오퍼2), 그리고 개인이 선호하는 브랜드의 인기상품(오퍼3)을 혼합하여 추천한다고 했을 때, 추천시스템에서 이들 오퍼들에 대한 구성 비율을 동일하게 정했다면, 모든 사용자에게 각 오퍼 마다 같은 개수로 구성된 상품들이 추천된다. 그러나, 어떤 사용자는 인기상품에 더 많은 관심을 보이며, 어떤 사람은 인기상품보다는 신상품에 민감하게 반응하고, 또 다른 사람은 항상 자신이 선호하는 브랜드 상품에만 관심을 보이기도 한다.

따라서, 모든 사용자에게 동일한 기준을 적용하기 보다는 해당 개인이 선호하는 방식에 따라 추천 상품의 비율을 달리 구성할 필요가 있다.

본 발명이 해결하고자 하는 과제는 개인에게 추천된 상품에 대한 반응을 수집하고 분석하여 사용자별 추천 상품의 구성 비율을 달리하는 방법을 제시하는 상품 추천 시스템을 구현하여서 사용자가 추천 상품에 대한 수용 확률을 높이고 그에 따른 상품의 판매량을 증가시키기 위함이다.

본 발명의 상품 추천 시스템은, 사용자의 접속에 대응하여 상기 사용자의 활동 이력 정보를 수집하고, 상기 활동 이력 정보를 이용하여 반응 벡터를 생성하며, 상기 반응 벡터에 근거한 상품 추천 정보를 수신하여 상기 상품 추천 정보에 대응하는 하나 이상의 선정된 오퍼가 표시된 페이지를 상기 사용자에게 제공하는 인터페이스 모듈; 상품 정보, 사용자 가입 정보, 오퍼 정보 및 상기 인터페이스 모듈에서 생성되는 상기 반응 벡터를 이용하여 복수의 오퍼 중 상기 사용자에게 상기 선정된 오퍼를 추천하기 위한 상기 상품 추천 정보를 생성하고, 상기 상품 추천 정보를 상기 인터페이스 모듈에 제공하는 오퍼 추천 모듈; 및 상기 상품 정보, 상기 사용자 가입 정보, 상기 복수의 오퍼에 대한 오퍼 정보 및 상기 활동 이력 정보를 저장하며, 상기 반응 벡터 및 상기 상품 추천 정보의 생성에 필요한 해당 정보를 상기 인터페이스 모듈 및 상기 오퍼 추천 모듈의 요청에 대응하여 제공하는 데이터베이스부; 를 포함하고, 상기 오퍼 추천 모듈은 상기 페이지의 상기 선정된 오퍼 별 추천되는 상품의 비율을 상기 반응 벡터에 따라 조정하는 것을 특징으로 한다.

상기한 발명에 의하면 사용자의 전자상거래 서버내 활동 이력 정보에 근거하여 사용자별 오퍼에 대한 선호도에 따라 추천 상품의 구성 비율을 달리 할 수 있어서, 사용자가 상품을 수용할 확률이 높아지고 그에 따른 상품의 판매량이 늘어날 수 있다.

도 1은 본 발명의 상품 추천 시스템에 따른 실시예를 나타내는 블록도이다.
도 2는 본 발명의 상품 추천 시스템에 따른 다른 실시예를 나타내는 블록도이다.
도 3은 상품이 추천되는 페이지 별로 복수 개의 오퍼를 맵핑하는 모습을 설명하기 위한 블록도이다.
도 4는 도 1의 오퍼 추천 모듈에서 사용자 별로 다르게 오퍼 구성 비율을 적용하는 방법을 설명하기 위한 도면이다.
도 5는 도 1의 인터페이스 모듈에서 수집된 활동 이력 정보로부터 사용자별 오퍼에 대한 반응 벡터를 생성하는 방법을 설명하기 위한 도면이다.
도 6은 도 1의 인터페이스 모듈(131)과 오퍼 추천 모듈(132) 사용자에게 상품 추천 정보를 생성하고 제공하는 과정을 설명하기 위한 흐름도이다.
도 7은 도 1의 인터페이스 모듈이 사용자에게 페이지를 표시하는 방법을 설명하기 위한 도면이다.

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.

본 발명은 사용자가 선호하는 방식에 따라 추천 상품의 비율을 달리 구성할 수 있는 기술을 개시한다. 예를 들어 본 발명은 한 명의 사용자에게 인기상품(오퍼1), 신상품(오퍼2), 그리고 개인이 선호하는 브랜드의 인기상품(오퍼3)을 혼합하여 추천한다고 했을 때, 인기상품을 선호하는 사용자A에게 오퍼1:오퍼2:오퍼3 의 비율을 7:2:1, 신상품을 선호하는 사용자B에게 오퍼1:오퍼2:오퍼3 의 비율을 1:8:1과 같이 서로 다른 구성 비율을 적용하는 방법을 개시한다. 이에 대하여 이하 실시예들을 참조하여 설명한다.

도 1은 본 발명의 상품 추천 시스템에 따른 실시예를 나타내는 블록도이다.

도 1을 참고하면, 본 발명의 상품 추천 시스템은 인터페이스 모듈(131), 오퍼 추천 모듈(132) 및 데이터베이스부(140)를 포함할 수 있다.

또한, 본 발명에 따른 상품 추천 시스템은 인터넷(120)을 통하여 사용자의 사용자 단말(110)과 온라인으로 통신할 수 있다.

상기한 구성에서, 인터넷(120)은 본 발명에 따른 상품 추천 시스템과 사용자 단말(110)을 연결하는 통신망을 의미한다. 대표적으로 TCP/IP(Transfer Contrl Protocol/Internet Protocol)를 기반으로 하는 유선 또는 무선의 인터넷 통신망이 예시될 수 있다.

사용자란 전자상거래 서버에 회원 가입이 되어있으며 전자상거래 서버를 방문하여 이용하는 자를 의미하거나 전자 상거래 서버에 가입되어있지 않았더라도 접속에 사용된 사용자 단말(110)의 IP 주소(Internet Protocol Address) 등으로 다른 사용자와 구분되고 특정될 수 있는 자를 의미한다. 본 발명의 실시예에서 사용자는 인터넷 상에서 운영되는 쇼핑몰의 가입자 또는 가입하진 않았으나 접속한 단말기의 IP주소 등으로 특정될 수 있는 자로 예시될 수 있다.

사용자 단말(110)은 사용자가 이용하는 컴퓨터나 모바일 단말 등을 의미하여, 컴퓨터나 모바일 단말은 인터넷을 통하여 전자상거래 서버인 쇼핑몰에 접속가능하고 웹 페이지나 플래시 윈도우와 같이 쇼핑몰에서 제공하는 다양한 형태의 정보를 브라우징하는 브라우저 또는 어플리케이션 프로그램를 내장한 것을 의미한다.

본 발명에 따른 상품 추천 시스템이 포함하는 인터페이스 모듈(131), 오퍼 추천 모듈(132) 및 데이터베이스부(140)는 전자상거래 서버내에서 버스형 케이블(150)을 통하여 서로 연결될 수 있다. 또한 전자상거래 서버는 다수의 서버를 포함하는 네트워크 일 수 있다.

인터페이스 모듈(131)은 사용자의 접속에 대응하여 상기 사용자의 활동 이력 정보를 수집하고, 상기 활동 이력 정보를 이용하여 반응 벡터를 생성하며, 상기 반응 벡터에 근거한 상품 추천 정보를 수신하여 상기 상품 추천 정보에 대응하는 페이지를 상기 사용자에게 제공한다.

인터페이스 모듈(131)은 하나 이상의 사용자와 인터넷(120)을 통해 사용자 단말(110)과 통신할 수 있다. 수집된 활동 이력 정보는 데이터베이스부(140)에 저장될 수 있다.

활동 이력이란 사용자가 전자상거래 서버에 접속한 후, 접속을 종료하기 전까지 이뤄지는 일련의 활동들을 의미한다. 예를 들어, 온라인 쇼핑몰 홈페이지에서 사용자가 쇼핑몰 서버내의 페이지를 이동한 기록이나, 특정한 상품을 구매하고 조회한 기록 또는 그와 관련된 내역 등을 활동 이력이라 할 수 있고, 활동 이력 정보는 상기 활동 이력을 전산적으로 처리할 수 있도록 데이터화 한 것을 포함할 수 있다.

본 발명에서 활동 이력 정보는 추천 페이지에서 제공되는 상품 추천 정보에 대한 일련의 반응을 데이터화 한 것을 예시한다.

추천 페이지란 전자 상거래 서버에서 제공되는 페이지 중에서 본 발명에 의하여 상품이 추천되는 페이지를 의미한다.

사용자가 방문하는 모든 페이지에서 상품을 추천하는 것은 시스템 관점에서 소모적이며 추천의 효과가 떨어질 수 있다. 따라서 추천페이지는 각 페이지에서 상품 판매에 중요한 하다고 생각되는 페이지들을 선택하는 것이 보편적이다. 전자상거래 서버의 관리자는 전자상거래 서버에서 제공되는 페이지 중 어떤 페이지를 추천 페이지로 설정할지 미리 정하거나 수정할 수 있다.

인터페이스 모듈(131)은 사용자가 전자 상거래 서버내의 페이지 중에서 상품을 추천하기 위한 있는 추천 페이지에 접속했을 때 오퍼 추천 모듈(132)로부터 해당 사용자에 대한 상품 추천 정보를 제공받아 상품 추천 정보에 포함된 상품명, 상품이미지, 상품링크 및 사용된 오퍼에 포함되는 선정 기준 등의 정보를 사용자에게 표시할 수 있다.

이 때, 사용된 오퍼에 포함되는 선정 기준은 사용자에게 선정의 이유를 설명할 필요가 있을 경우 사용자에게 표시되도록 설정할 수 있다.

오퍼는 상품의 판매자가 사용자에게 하나 이상의 상품을 추천하기 위하여 해당하는 하나 이상의 상품에 대한 선정 기준을 포함한다. 오퍼가 가지는 선정 기준은 선정 기준을 구성하기 위한 기준값을 포함할 수 있다. 또한, 하나의 오퍼는 해당 오퍼가 가지는 선정 기준에 해당하는 하나 이상의 상품들과 연결될 수 있고, 오퍼에 연결된 각각의 상품에 대하여 해당 오퍼와의 연관성에 따라 추천순위가 부여될 수 있다.

오퍼에 대한 예를 들면, 온라인 쇼핑몰 홈페이지에서 '20대 남성이 제일 많이 구매한 상품', '회원들이 제일 많이 조회한 상품', '여성들이 많이 구매한 상품 BEST 3' 등과 같은 상품에 대한 선정 기준을 포함하고 상기한 선정 기준에 해당하는 하나 이상의 상품이 연결되어 구성된다.

오퍼는 다양한 형태를 가질 수 있는데, 본 발명에서 예시하는 오퍼에 대한 구체적인 설명은 다음과 같다.

표 1은 오퍼에 대한 유형 중 사용자별 오퍼 유형에 대한 설명을 위한 표이다.

표 1을 참조하면, 사용자별 오퍼는 사용자 개개인에 대해서 추천 상품들이 연결되어 있는 형태를 가진다. 일례로 사용자1에 대해서 상품2(1), 상품5(2) 그리고 상품7(3)이 연결될 수 있다. 괄호 안의 숫자는 추천순위를 의미하며, 상품들은 상품1, 상품2 … 와 같이 구분하여 기재될 수 있다. 이러한 유형에 해당하는 오퍼 사례로는 {사용자} 최근 조회 상품, {사용자} 장바구니 상품, {사용자} 선호 상품 등이 있을 수 있다. 사용자별 오퍼는 사용자를 기준 값으로 하여 해당 사용자의 추천상품과 연결되어 오퍼 구성 정보로 구성될 수 있다.

표 2는 오퍼에 대한 유형 중 사용자그룹별 오퍼 유형에 대한 설명을 위한 표이다.

표 2를 참조하면, 두번째 유형으로 사용자그룹별 오퍼는 사용자 그룹에 대해서 추천 상품들이 연결되어 있는 형태를 가진다. 사용자그룹은 하나이상의 사용자가 소속되는 사용자의 그룹을 의미한다. 따라서 사용자그룹별 오퍼를 사용하기 위해서는 사용자와 사용자그룹간 맵핑 정보가 부가적으로 요구된다. 사용자와 사용자 그룹간의 맵핑 정보는 사용자 가입 정보에 포함될 수 있다.

사용자그룹별 오퍼는 사용자그룹을 기준값으로 하여 해당 사용자그룹의 추천상품과 연결되어 오퍼 구성 정보로 구성될 수 있다.

이 유형에 해당하는 오퍼 사례로는 {성별-연령대} 최다 조회 상품, {성별-직업} 최다 구매 상품, {성별-연령대} 선호 상품 등이 있을 수 있다.

사용자그룹은 전자상거래 관리자가 필요에 따라 임의로 정할 수도 있고 해당 그룹의 추천상품은 사용자의 활동이력 분석을 통해 생성될 수 있다.

표 3은 오퍼에 대한 유형 중 기본 상품 오퍼 유형에 대한 설명을 위한 표이다.

표 3을 참조하면, 기본 상품 오퍼는 사용자 혹은 상품 식별 정보 등 부가적인 정보가 없이 단순히 추천상품만으로 구성된다. 이 유형에 해당하는 오퍼 사례로는 최다 조회 상품, 최다 구매 상품, 신상품 등이 있을 수 있다.

표 4는 오퍼에 대한 유형 중 상품 속성별 오퍼에 대한 설명을 위한 표이다.

표 4를 참조하면, 상품 속성별 오퍼는 상품 속성값에 대해서 추천상품들이 연결되어 있는 형태를 가진다. 상품 속성값을 입력으로 받아 해당 추천상품을 추출한다. 이 유형에 해당하는 오퍼 사례로는 {카테고리} 최다 조회 상품, {브랜드} 최다 구매 상품, {가격대} 최다 구매 상품 등이 있을 수 있으며, 일례로 {브랜드} 최다 구매 상품은 브랜드 값을 기준값으로 하여 해당 브랜드에서 가장 많이 구매되는 상품들을 추출한다.

표 5는 오퍼에 대한 유형 중 연관 상품 오퍼에 대한 설명을 위한 표이다.

표 5를 참조하면, 연관상품 오퍼는 기준상품과 연관상품들이 연결되어 있는 형태를 가진다. 연관상품 오퍼는 기준상품을 기준값으로 하여 해당 상품의 연관상품과 연결되어 오퍼 구성 정보로 구성될 수 있다. 이 유형에 해당하는 오퍼 사례로는 {기준상품}과 유사 상품, {기준상품}과 구매 연관 상품 등이 있을 수 있다.

표 6은 오퍼에 대한 유형 중 전환 상품 오퍼에 대한 설명을 위한 표이다.

표 6을 참조하면, 전환상품 오퍼는 전환값에 대해서 전환상품들이 연결되어 있는 형태를 가진다. 따라서 전환값을 기준 값으로하여 해당하는 전환상품들을 추출할 수 있다. 이 유형에 해당하는 오퍼 사례로는 {검색어} 최종 구매 상품, {기획전} 최종 구매 상품 등이 있을 수 있다.

이외에도 오퍼는 통상적인 통계, 데이터베이스 정보를 활용하여 사용자의 활동이력으로부터 생성될 수 있다. 또한, 사용자 활동이력을 이용하지 않고 관리자가 직접 오퍼를 생성하는 것이 가능하다.

하기할 상품 추천 모듈(132)이 생성하는 상품 추천 정보는 하나의 오퍼를 포함하기 때문에, 상품 추천 정보에 대응하여 추천 페이지에서 표시된 추천 상품은 하나의 오퍼에 소속된다.

인터페이스 모듈(131)은 사용자의 접속에 대응해 활동 이력 정보를 이용하여 반응 벡터를 생성할 수 있다. 또한, 인터페이스 모듈(131)은 사용자의 접속이 종료되기 전 까지 사용자의 활동에 대응하여 반응 벡터를 갱신할 수 있다.

반응 벡터는 사용자의 전체 오퍼에 대한 벡터 값을 의미하는 정보이다. 반응 벡터는 전체 오퍼 개수와 동일한 크기의 벡터이고, 각 오퍼에 대한 반응 벡터의 값은 초기값이 1일 수 있다.

사용자가 인터페이스 모듈(131)에서 제공한 상품 추천 정보에 대응하는 추천 페이지 내에서 추천상품 중 하나에 대한 정보를 조회하면 해당 상품이 소속된 오퍼에 대해서 반응을 했다고 볼 수 있다. 따라서 인터페이스 모듈(131)은 상품 추천 정보에 의하여 추천된 상품에 대한 사용자의 조회 수만큼 해당 상품이 소속된 오퍼의 백터 값을 증가 시킬 수 있다.

일례로 생성된 모든 오퍼의 총 가지 수가 5개 이고, 사용자가 지금까지 추천된 상품 중에서 1번째 오퍼에 소속된 상품에 3번, 3번째 오퍼에 소속된 상품에 1번, 5번째 오퍼에 소속된 상품에 2번 반응했다고 하면 해당 사용자의 반응 벡터는 [4,1,2,1,3] 형태가 된다. 각 벡터 값이 반응수보다 1이 더 큰 이유는 반응 벡터의 초기 값을 1로 설정되었기 때문이다. 따라서 오퍼 추천 모듈(132)은 오퍼 반응 벡터의 값의 비교를 통하여 사용자가 어떤 오퍼를 더 선호하는지 파악할 수 있고, 사용자에게 노출 시키는 상품의 비율을 조절할 수 있게 된다.

인터페이스 모듈(131)은 사용자의 활동 이력 정보와 반응 벡터를 데이터베이스부(140)에 저장할 수 있다.

오퍼 추천 모듈(132)은 상품 정보, 사용자 가입 정보, 오퍼 정보 및 상기 인터페이스 모듈에서 생성되는 상기 반응 벡터를 수신하여 상기 상품 추천 정보를 생성하고, 상기 상품 추천 정보를 상기 인터페이스 모듈에 제공한다.

오퍼 추천 모듈(132)은 인터페이스 모듈(131)에서 생성된 개별 사용자에 대한 반응 벡터와, 데이터베이스부(140)에 저장된 추천 페이지별 오퍼 매핑 정보 및 오퍼 구성 정보를 이용하여 상품 추천 정보를 생성한 후 인터페이스 모듈(133)에 제공한다.

여기서, 상품 정보는 상품에 대한 특징이 포함된 각각의 상품에 대한 정보와 상품을 분류하는 기준에 대한 정보를 포함할 수 있다. 예시적으로 각각의 상품에 대한 정보에는 특정 상품을 다른 상품과 구분할 수 있게 해주는 상품명, 해당 상품이 포함되는 카테고리/브랜드, 상품의 가격, 상품의 색깔 등 특정 상품이 가지는 하나 이상의 정보들을 포함할 수 있고, 상품을 분류하는 기준에 대한 정보에는 전체 상품을 분류할 수 있는 기준이 되는 카테고리, 브랜드, 일정 이상의 구매량, 가격대 등이 포함될 수 있다.

또한, 여기서 사용자 가입 정보는 전체 사용자들을 분류하는 기준에 대한 정보를 의미하는데, 예시적으로 소속된 사용자그룹, 성별, 연령, 직업 및 지역 등과 같은 가입 정보와 구매등급, 연간 구매 횟수, 연간 구매 총액 등과 같이 상거래 시스템에 계산되는 정보 등을 포함할 수 있다.

또한, 여기서 오퍼 정보는 오퍼에 대한 정보로서, 오퍼 구성 정보와 오퍼 맵핑 정보를 포함할 수 있다.

오퍼 구성 정보는 오퍼를 구성하기 위한 기준값과 상기 기준값에 대응하여 연결된 상품에 대한 정보로서, 보다 구체적으로 오퍼의 선정 기준과 선정 기준에 해당하는 상품들과의 맵핑 정보를 의미한다.

또한, 오퍼 맵핑 정보는 오퍼와 추천 페이지를 맵핑하는 방법을 정의하는 정보로서, 특정 추천 페이지와 해당 추천 페이지에서 제공될 수 있는 오퍼와의 맵핑 정보와 해당 추천 페이지에 표시할 상품의 개수를 포함할 수 있다.

또한, 여기서 상품 추천 정보는 상기한 상품 정보, 사용자 가입 정보, 오퍼 정보, 반응 벡터를 이용하여 생성되는 정보로서, 인터페이스 모듈(131)이 사용자에게 추천 페이지에서 추천하고자 하는 하나 이상의 상품을 포함한다.

오퍼 추천 모듈(132)이 생성하는 상품 추천 정보의 생성 과정은 다음과 같다.

우선, 오퍼 추천 모듈(132)은 오퍼 정보에 포함된 오퍼 맵핑 정보를 통해 생성되어 있는 모든 오퍼 중에서 특정 추천 페이지에 접속해 있는 사용자에게 제공될 수 있는 하나 이상의 오퍼를 선정한다.

이 때, 오퍼 추천 모듈(132)은 사용자의 정보나 상품에 대한 정보가 필요한 경우 데이터베이스부(140)로부터 제공되는 사용자 가입 정보나 상품 정보를 이용할 수 있다.

오퍼 추천 모듈(132)은 선정된 하나 이상의 오퍼에 대한 사용자의 반응 벡터, 해당 오퍼와 연결된 상품 및 해당 오퍼에 연결된 상품마다 지정된 추천순위를 확인한다. 이후, 오퍼 추천 모듈(132)은 선정된 하나 이상의 오퍼에 대한 사용자의 반응 벡터의 크기에 따라 추천 상품을 선정한다.

오퍼 추천 모듈(132)은 적어도 지정된 개수만큼의 상품이 포함된 상품 추천 정보를 생성할 수 있다.

또한, 오퍼 추천 모듈(132)은 사용자의 반응 벡터의 값의 우선순위에 따라서 상품 추천 정보를 생성할 수 있다.

보다 구체적으로, 오퍼 추천 모듈(132)은 해당 추천 페이지에서 지정된 추천 상품의 선정 방법이 반응 벡터 값의 우선순위 순이라면, 선정된 오퍼 중에서 반응 벡터의 값이 제일 큰 오퍼에 소속된 상품들을 해당 상품이 가지는 추천 순위 순으로 지정된 상품개수를 만족할 때까지 선정한다. 상기 과정을 통하여 지정된 상품개수 보다 적은 상품이 선정되었다면, 다음으로 반응 벡터의 값이 큰 오퍼에 소속된 상품들을 추천 순위 순으로 선정한다.

예를 들어, 카테고리페이지에 5번, 6번, 7번, 8번 오퍼가 맵핑되어 있고 10개의 상품을 우선순위 순으로 추천하고자 했을때, 현재 사용자의 반응 벡터 값이 [5번=1, 6번=5, 7번=4, 8번=1]일 경우, 6번 오퍼에 연결된 상품을 해당 상품이 가지는 추천순위 순으로 10개까지 선정하고, 6번 오퍼에 연결된 상품이 10개 미만 이라면, 7번 오퍼에서 10개가 될 때까지 상품을 선정한다. 그리고 6번 오퍼와 7번 오퍼에서 선정된 상품의 개수합이 10 미만이라면, 다음으로 반응 벡터가 큰 오퍼에서 나머지 상품을 선정한다.

또한, 상기 오퍼 추천 모듈(132)는 사용자의 반응 벡터의 값의 비율에 따라서 상품 추천 정보를 생성할 수 있다.

보다 구체적으로, 해당 추천 페이지에서 지정된 추천 상품의 선정 방법이 반응 벡터 값의 비율에 따른다면, 오퍼 추천 모듈(132)은 선정된 모든 오퍼 각각의 반응 벡터 값에 대응하는 비율과 각 오퍼에 소속된 오퍼내 상품별 추천 순위에 따라 상품을 선정 한다.

예를 들어, 카테고리페이지에 5번, 6번, 7번, 8번 오퍼가 매핑되어 있고 10개의 상품을 추천하고자 했을때, 현재 사용자의 반응 벡터 값이 [5번=1, 6번=4, 7번=4, 8번=1]일 경우, 5번 오퍼에서 1/10=10%, 6번 오퍼에서 4/10=40%, 7번 오퍼에서 4/10=40%, 8번 오퍼에서 1/10=10%의 비율을 적용하여 각각 1개, 4개, 4개, 1개의 상품을 추출한다.

즉, 오퍼 추천 모듈(132)는 오퍼 추천 모듈(132)이 선정한 오퍼에 연결된 상품에 따라서 상기 상품 추천 정보를 생성한다고 볼 수 있다.

데이터베이스부(140)는 상품 정보, 사용자 가입 정보, 오퍼 정보 및 활동 이력 정보를 저장하며, 인터페이스 모듈(131) 및 오퍼 추천 모듈(132)의 요청에 대응하여 해당 정보를 제공할 수 있다.

데이터베이스부(140)는 사용자 가입 정보를 저장하는 사용자 데이터베이스(141), 상품 정보를 저장하는 상품 데이터베이스(142), 오퍼 정보를 저장하는 오퍼 데이터베이스 (143) 및 활동이력 정보를 저장하는 활동이력 데이터베이스(144)를 포함할 수 있다.

상기한 각 데이터베이스(141, 142, 143, 144)는 상기한 전자상거래 서버 내에서 서로 연결되고, 인터페이스 모듈(131), 오퍼 추천 모듈(132) 또는 하기할 오퍼 관리 모듈(133)의 요청에 따라 필요한 정보를 제공한다.

도 2는 본 발명의 상품 추천 시스템에 따른 다른 실시예를 나타내는 블록도이다.

도 2를 참조하면, 본 발명에 따른 상품 추천 시스템은 도 1의 상품 추천 시스템에 비하여 오퍼 관리 모듈(133)을 더 포함할 수 있다. 그러므로, 도 2의 구성 및 동작 중 도 1과 동일한 설명은 생략한다. 그리고 나머지 구성요소는 도 1과 동일하므로 중복된 구성 및 동작 설명은 생략한다.

오퍼 관리 모듈(133)은 오퍼 구성 정보 및 오퍼 맵핑 정보를 생성할 수 있고, 생성된 오퍼 구성 정보 및 오퍼 맵핑 정보를 데이터베이스부(140)에 저장할 수 있다.

오퍼 구성 정보는 하나의 오퍼 선정기준과 그 선정기준에 부합하는 상품들을 연결시킴으로써 생성될 수 있는데, 이러한 오퍼 구성 정보의 생성에 있어서 기존에 알려진 통계적 기법, 데이터 마이닝 기법이 사용되거나 전자 상거래 서버의 관리자가 임의로 생성할 수 있다.

또한, 오퍼 관리 모듈(133)은 상품 추천 페이지와 오퍼간 매핑 관계를 의미하는 오퍼 맵핑 정보를 생성할 수 있다. 하나의 상품 추천 페이지에 대해서 한 개 이상의 오퍼가 매핑될 수 있다. 예를 들어서, 의류 카테고리 메인 페이지에 대해서 '의류카테고리 최다 구매 상품', '의류카테고리 최다 조회 상품', '의류카테고리 고가 신상품', '의류카테고리 저가 신상품' 과 같은 복수 개의 오퍼가 매핑될 수 있다.

오퍼 관리 모듈(133)은 생성된 오퍼의 오퍼 구성 정보나 오퍼 맵핑 정보를 시간이 지남에 따라 업데이트되는 사항에 대응하여 오퍼 데이터베이스(143)에 저장된 오퍼 정보를 새로 생성하거나 수정하거나 삭제함으로써 오퍼 정보를 관리할 수 있다. 관리되는 오퍼는 <표 1> 내지 <표 6>처럼 여러 유형이 존재할 수 있다.

오퍼 관리 모듈(133)에서 생성된 오퍼 정보는 데이터베이스부(140)의 오퍼 데이터베이스(143)에 저장될 수 있다.

도 3은 도 1의 오퍼 관리 모듈(133)에서 상품이 추천되는 페이지 별로 복수 개의 오퍼를 맵핑하는 모습을 설명하기 위한 블록도이다.

오퍼 관리 모듈(133)은 추천 페이지와 오퍼간의 매핑 정보인 오퍼 매핑 정보를 관리한다. 추천페이지와 오퍼 사이의 매핑 정보는 전자상거래 관리자가 지정할 수 있으며 하나의 추천 페이지에 대해서 한 개 이상의 오퍼를 매핑할 수 있다.

일례로 전자 상거래 서버 내의 추천 페이지로서, 메인페이지, 각 카테고리 TOP 페이지, 상품 상세 페이지, 장바구니 페이지, 주문 완료 페이지, 검색결과 페이지 등을 예시할 수 있다.

도 3을 참조하면, 메인페이지에는 {사용자} 최근 조회 상품, {성별-연령대} 최다 구매 상품 그리고 최다 구매 상품 오퍼가 매핑되어 있다. 오퍼 추천 모듈(132)는 상품 추천 정보를 생성할 때, 사용자가 로그인을 하지 않은 경우에는 사용자 식별 정보가 없기 때문에 최다 구매 상품 오퍼만 선택하지만, 로그인을 한 경우에는 맵핑된 3개의 오퍼가 모두 선택할 수 있다.

도 3에서 카테고리페이지는 {카테고리} 최다 구매 상품, {카테고리} 최다 조회 상품, {카테고리} 고가 신상품, {카테고리} 저가 신상품 오퍼가 맵핑되어 있다. 오퍼 추천 모듈(132)는 사용자가 특정 카테고리 페이지에 들어오면 카테고리 식별자를 입력으로 받아 맵핑된 4개의 오퍼에서 상품을 선정하여 사용자에게 추천할 수 있다. 이하 다른 추천페이지들도 한 개 이상의 오퍼와 맵핑되어 있음을 알 수 있다.

도 4는 도 1의 오퍼 추천 모듈에서 사용자 별로 다르게 오퍼 구성 비율을 적용하는 방법을 설명하기 위한 도면이다.

인터페이스 모듈(131)은 사용자가 추천 페이지를 방문하면 오퍼 추천 모듈(132)로부터 상품 추천 정보를 제공받는다. 오퍼 추천 모듈(132)은 오퍼 맵핑 정보와 현재 방문한 사용자의 반응 벡터를 이용하여 선정된 오퍼로부터 추천 상품들을 선정한 후 인터페이스 모듈(131)에 전달한다.

도 4를 참조하면, 오퍼 추천 모듈은(132)의 상품 추천 정보의 생성에 있어서, 추천페이지에 복수 개의 오퍼가 맵핑되었고, 반응 벡터 값의 비율에 따라 각 오퍼로부터 상품을 선정하는 경우를 예시한다.

카테고리페이지에 오퍼5, 오퍼6, 오퍼7, 오퍼8이 맵핑되어 있고 추천할 상품개수가 10개로 지정된 경우, 사용자 userA의 반응벡터 값은 [오퍼5=1, 오퍼6=1, 오퍼7=1, 오퍼8=1]로 설정이 되어 있으므로 4개 오퍼에서 동일한 비율 (25%)로 상품을 선정하여 상품 추천 정보를 생성한다.

도 4의 예시에서는 각 오퍼 별로 2.5개씩을 추출할 수 있으나, 실제 구현에서는 비율을 반올림하여 3개씩 추출한 후 전체 상품 개수를 10개로 조정할 수 있다.

사용자 userB의 경우는 반응벡터 값이 [오퍼5=1, 오퍼6=4, 오퍼7=4, 오퍼8=1]로 설정 되어 있으므로 오퍼5에서 10%, 오퍼6에서 40%, 오퍼7에서 40%, 오퍼8에서 10% 비율로 상품을 선정하여 10개의 상품 추천 정보를 구성할 수 있다.

따라서, 사용자 userB에게는 카테고리별 최다 조회 상품 오퍼와 카테고리별 고가 신상품 오퍼에 따른 상품들이 더 많이 추천되게 된다.

결과적으로 사용자 userB의 경우 많이 조회되는 상품과 고가 신상품에 민감한 사용자 성향이 추천에 반영되고 있음을 알 수 있다.

또한 오퍼 추천 모듈(132)은 사용자 반응벡터를 오퍼 구성 비율이 아닌, 오퍼의 우선 순위로 이용하는 것도 가능하다. 예를 들어, 오퍼 추천 모듈이 10개의 상품을 이용하여 상품 추천 정보를 구성하고자 할 때, 사용자 userA에게는 오퍼5, 오퍼6, 오퍼7, 오퍼8이 동일한 우선 순위를 가지므로 상품 10개가 선정될 때까지 임의의 순서대로 선택해도 관계없지만, userB에게는 오퍼5를 먼저 선택하고 선정된 상품 수가 부족할 경우 오퍼6, 오퍼 7과 오퍼8을 차례대로 선택해서 부족한 개수만큼 상품을 선정하는 것이 가능하다.

도 5는 도 1의 인터페이스 모듈(131)에서 수집된 오퍼에 대한 활동 이력 정보로부터 사용자별 오퍼에 대한 반응 벡터를 생성하는 방법을 설명하기 위한 도면이다.

인터페이스 모듈(131)은 사용자가 전자상거래 서버에 접속하면 해당 사용자에 대한 반응 벡터를 생성한다. 생성된 반응 벡터의 초기 값은 모든 오퍼에 대해서 1로 설정될 수 있다.

즉, 최초에 사용자는 모든 오퍼에 대해 동일한 성향을 가지고 있다고 가정해서 오퍼 추천 모듈(132)이 동일한 비율 혹은 동일한 우선 순위로 오퍼가 선택할 수 있도록 오퍼 벡터 값을 1로 설정한다.

인터페이스 모듈(131)은 상품 추천 정보에 의해 선정된 상품에 대해서 사용자가 조회를 하면 예시된 형태와 같이 사용자의 활동 이력을 수집하여 저장한다. 사용자의 성향은 시간이 지남에 따라 변화하기 때문에 오퍼 반응 이력은 최근 N일에 대해서만 저장한다. 예시로 N일은 7일, 30일, 60일, 90일 등이 될 수 있고, 전자상거래 서버의 성격에 따라 관리자가 임의로 설정할 수 있다.

인터페이스 모듈(131)은 사용자의 활동 이력에 포함된 상품 추천 정보에 의해 선정된 상품에 대한 조회 수를 카운트하여, 해당 상품이 소속된 오퍼의 반응 벡터 초기 값에 더한다.

도 5를 참모하면, 사용자 userA의 경우 최근 N일 동안 모자1이 소속된 오퍼2에 1번, 시계1과 시계2가 소속된 오퍼7에 2번 반응했기 때문에 사용자 userA의 반응 벡터에서 오퍼2의 해당하는 값은 1+1=2, 오퍼7에 해당하는 벡터 값은 1+2=3이 되고 나머지 벡터 값은 1을 그대로 유지한다.

사용자 userB의 경우 최근 N일 동안 바지1이 소속된 오퍼 1에 1번, 브라우스2가 소속된 오퍼3에 1번, 신발1, 신발2 및 신발3이 소속된 오퍼 5에 3번 반응했기 때문에 사용자 userB의 반응 벡터에서 오퍼1에 해당하는 값은 1+1=2, 오퍼2에 해당하는 벡터 값은 1+1=2, 오퍼5에 해당하는 벡터 값은 1+3=4가 되고 나머지 벡터 값은 1을 그대로 유지한다.

또한, 인터페이스 모듈(131)은 사용자의 접속이 종료되기 전 까지, 사용자의 활동에 대응하여 반응 벡터를 갱신할 수 있다. 즉, 인터페이스 모듈(131)은 사용자가 접속을 유지하며 전자 상거래 서버 내에서 추천 페이지를 방문하여 상품 추천 정보에 의해 선정된 상품을 조회하면 해당하는 상품이 소속된 오퍼의 반응 벡터 값을 증가시킬 수 있다.

도 6은 도 1의 인터페이스 모듈(131)과 오퍼 추천 모듈(132)이 오퍼를 선택해서 추천상품을 구성하고 사용자에게 추천상품을 제시하는 과정을 설명하기 위한 흐름도이다.

오퍼 추천 모듈은(132)은 오퍼 맵핑 정보와 인터페이스 모듈 (131)에서 생성된 반응 벡터 및 데이터베이스부(140)으로 제공받는 정보를 이용해서 상품 추천 정보를 구성한 후 인터페이스 모듈(131)에 전달한다.

인터페이스 모듈(131)은 사용자가 전자상거래 서버에 접속하면 해당 사용자에 대한 사용자 반응벡터를 생성하고 데이타베이스(140)부에 저장한다. 인터페이스 모듈(131)이 사용자에 대한 반응 벡터를 생성할 때 반응 벡터의 모든 벡터 값을 1로 초기화한다.

이후, 인터페이스 모듈(131)은 활동이력 데이타베이스(144)에 저장되어 있는 해당 사용자의 최근 N일간 활동 이력을 카운트하여 대응하는 벡터 값에 더해준다. 이 때, 상기한 N일은 전자상거래 서버의 관리자가 임의로 설정할 수 있다.

또한, 인터페이스 모듈(131)은 사용자가 상품 추천 정보에 의해 선정된 상품에 반응할 때마다 그 상품이 소속된 오퍼에 대응하는 사용자의 반응 벡터 값을 증가시켜준다.

도 6을 참조하면, 인터페이스 모듈(131)과 오퍼 추천 모듈(132)이 사용자의 반응 벡터와 오퍼 정보를 이용해 사용자에게 상품을 추천하는 과정을 설명하자면 다음과 같다.

사용자가 전자상거래 서버에 접속하여 로그인을 하면 인터페이스 모듈(131)은 활동이력 데이터베이스(144)에 저장된 해당 사용자의 최근 N일간 활동 이력 정보를 확인하여, 해당 사용자에 대한 반응벡터를 생성한다 (S600 ~ S601).

인터페이스 모듈(131)은 해당 사용자에 대해 최근 N일간 오퍼 반응 이력이 없다면 사용자의 반응 벡터를 모두 기본값 (default value)인 1로 설정하고, 활동 이력이 존재한다면 해당 사용자가 반응한 오퍼에 대응하는 벡터 값을 반응한 수만큼 더한다.

인터페이스 모듈(131)은 사용자가 페이지를 이동할 때마다 현재 페이지가 상품 추천 페이지인지 확인한다 (S602 ~ S603).

오퍼 추천 모듈(132)은 현재 방문한 페이지가 추천 페이지라면, 반응 벡터가 오퍼 구성 비율로 사용되도록 설정되어 있는지 확인한다(S604).

반응벡터가 오퍼 구성 비율로 사용되는지 혹은 오퍼 우선 순위 결정에 사용되는지는 오퍼 맵핑 정보가 생성될 때 같이 지정될 수 있다. 오퍼 추천 모듈(132)은 반응 벡터가 오퍼 구성 비율로 사용되도록 설정되어 있는 경우, 해당 추천 페이지에 맵핑된 각 오퍼의 반응 벡터 값을 해당 페이지에 맵핑된 모든 오퍼에 대한 반응 벡터 값의 합으로 나눈 비율에 근거하여 오퍼 구성 비율을 선정할 수 있다.

예시적으로 현재 페이지에 맵핑된 오퍼가 오퍼3, 오퍼5, 오퍼7의 3개이고 대응되는 반응 벡터 값이 (오퍼3=1, 오퍼5=3, 오퍼7=1)이라면 오퍼 구성 비율은 오퍼3:오퍼5:오퍼7 = 1/5:3/5:1/5 = 20%:60%:20% 가 된다. 따라서, 오퍼 추천 모듈(132)은 계산된 오퍼 구성 비율대로 맵핑된 오퍼로부터 비율만큼 상품을 선정하여 상품 추천 정보를 구성한다(S605). 예시적으로 상품 10개를 선정한다고 했을 때, 상기 예시에서 오퍼3에서 2개, 오퍼5에서 6개, 오퍼7에서 2개를 선정하여 상품 추천 정보를 구성한다.

오퍼 추천 모듈(132)은 반응 벡터가 오퍼 우선 순위 결정에 사용되도록 설정되어 있는 경우, 반응 벡터 값이 큰 오퍼부터 시작하여 내림차순으로 상품을 선정해서 상품 추천 정보를 구성한다(S606).

예시적으로 상품 10개를 선정한다고 했을 때, 상기 예시에서 오퍼5->오퍼3->오퍼7 순서대로 상품 10개가 선정될 때까지 해당 오퍼에 연결된 상품을 선정한다.

오퍼 추천 모듈(132)에서 추천 상품 정보의 구성이 완료되면 추천 상품과 부가적인 정보들을 인터페이스 모듈(131)에 전달하고 인터페이스 모듈(131)은 사용자에게 상품 추천 정보에 포함된 추천 상품을 사용자에게 표시한다 (S607).

인터페이스 모듈(131)은 사용자에게 상품 추천 정보에 대응하는 추천 페이지를 표시한 후 사용자가 추천된 상품을 조회했는지 확인한다 (S608).

만약 사용자가 추천 상품을 조회했다면 인터페이스 모듈(131)은 사용자의 활동 이력을 수집하고 해당 추천 상품이 소속된 오퍼에 대응하는 사용자의 반응 벡터 값을 증가시킨다 (S609 ~ S610).

사용자가 추천 상품을 조회하지 않고 다른 페이지로 이동했다면 이동한 페이지가 상품 추천 페이지인지 다시 확인하는 과정을 거친다 (S608).

이후, 사용자가 로그아웃 하지 않고 계속 전자상거래 서버 내에서 활동하는 경우 인터페이스 모듈(131)과 오퍼 추천 모듈(132)은 사용자에게 상품을 추천하는 과정을 반복하게 된다(S611). 사용자가 로그아웃 한다면 상품 추천이 종료된다.

도 7은 도 1의 인터페이스 모듈(131)이 사용자에게 페이지를 표시하는 방법을 설명하기 위한 도면이다.

인터페이스 모듈(131)은 오퍼 추천 모듈(132)로부터 제공된 상품 추천 정보를 사용자에게 표시하는 페이지(70)를 사용자에게 제공하는데, 상기한 페이지(70)는 예시적으로 검색어를 입력하는 영역(71), 검색 버튼(72) 및 하나 이상의 상품 추천 영역(73)을 포함할 수 있다.

검색어를 입력하는 영역(71)은 사용자가 전자상거래 서버에서 원하는 상품을 검색하고자 할 때, 검색어를 입력하는 영역일 수 있고, 검색 버튼(72)은 검색어의 입력을 끝낸 사용자가 검색을 하기 위하여 터치하거나 클릭하는 버튼 영역이다.

상품 추천 영역(73)은 인터페이스 모듈(131)이 오퍼 추천 모듈(132)로부터 제공된 상품 추천 정보에 대응하는 추천 상품을 표시하는 화면 영역이다. 인터페이스 모듈(131)은 하나 이상의 상품 추천 영역(73)을 페이지에 표시할 수 있고, 오퍼 추천 모듈(132)로부터 제공된 상품 추천 정보에 포함되는 하나 이상의 추천 상품을 각 상품 추천 영역(73)에 표시할 수 있다. 각 상품 추천 영역(73)의 크기는 전자상거래 서버의 관리자가 사전에 임의로 지정할 수 있다.

또한 상품 추천 영역(53)은 도면 7과 달리 별도의 팝업 화면으로 제공될 수 있다.

인터페이스 모듈(131)은 상품 추천 정보를 상기 사용자에게 표시할 때, 상품 추천 정보가 표시되는 화면 영역이 사용자의 활동 이력 정보에 따라 크기 또는 위치를 달리 할 수 있다.

즉, 인터페이스 모듈(131)은 하나 이상의 상품 추천 영역(73)을 오퍼 추천 모듈(132)로부터 제공된 상품 추천 정보의 포함된 추천 상품들이 소속된 오퍼의 반응 벡터 값에 따라 다르게 배치할 수 있다.

예를 들어, 오퍼 추천 모듈(132)로부터 제공된 상품 추천 정보를 표시함에 있어서, 인터페이스 모듈(131)은 각 추천 상품들이 소속된 오퍼의 반응 벡터 값의 크기를 비교하여 가장 벡터 값이 큰 오퍼와 그에 대응하는 하나 이상의 상품을 가장 크거나 가장 중심부의 상품 추천 영역(73)에 배치할 수 있다. 또한, 반응 벡터 값이 작아서 사용자의 선호도가 비교적 낮은 오퍼와 그에 대응하는 하나 이상의 상품을 다른 위치에 배치시키는 방법으로 사용자의 선호도가 높은 오퍼와 그에 대응하는 상품을 사용자에게 집중적으로 노출시켜서 상품을 추천할 수 있다.

상기한 발명에 의하면 사용자의 전자상거래 서버내 활동 이력 정보에 근거하여 추천 상품에 대한 사용자의 반응을 수집/분석하여 오퍼에 대한 성향을 파악하고 오퍼에 대한 성향에 기반하여 개인 별로 오퍼 구성 비율을 조정하거나, 우퍼 우선 순위를 조정함으로써 사용자가 상품을 수용할 확률이 높아지고 그에 따른 상품의 판매량이 늘어날 수 있다.

110 : 사용자 단말 120 : 인터넷
131 : 인터페이스 모듈 132 : 오퍼 추천 모듈
133 : 오퍼 관리 모듈 140 : 데이터베이스부

Claims

사용자의 접속에 대응하여 상기 사용자의 활동 이력 정보를 수집하고, 상기 활동 이력 정보를 이용하여 반응 벡터를 생성하며, 상기 반응 벡터에 근거한 상품 추천 정보를 수신하여 상기 상품 추천 정보에 대응하는 하나 이상의 선정된 오퍼가 표시된 페이지를 상기 사용자에게 제공하는 인터페이스 모듈;
상품 정보, 사용자 가입 정보, 오퍼 정보 및 상기 인터페이스 모듈에서 생성되는 상기 반응 벡터를 이용하여 복수의 오퍼 중 상기 사용자에게 상기 선정된 오퍼를 추천하기 위한 상기 상품 추천 정보를 생성하고, 상기 상품 추천 정보를 상기 인터페이스 모듈에 제공하는 오퍼 추천 모듈; 및
상기 상품 정보, 상기 사용자 가입 정보, 상기 복수의 오퍼에 대한 오퍼 정보 및 상기 활동 이력 정보를 저장하며, 상기 반응 벡터 및 상기 상품 추천 정보의 생성에 필요한 해당 정보를 상기 인터페이스 모듈 및 상기 오퍼 추천 모듈의 요청에 대응하여 제공하는 데이터베이스부; 를 포함하고,
상기 오퍼 추천 모듈은 상기 페이지의 상기 선정된 오퍼 별 추천되는 상품의 비율을 상기 반응 벡터에 따라 조정하는 것을 특징으로 하는 상품 추천 시스템.
제 1항에 있어서,
상기 활동 이력 정보는, 상기 사용자가 접속한날로부터 일정한 날 이내에 활동한 상기 활동 이력을 포함하는 것을 특징으로 하는 상품 추천 시스템.
제 1항에 있어서,
상기 인터페이스 모듈은 상기 사용자의 접속이 종료되기 전 까지, 상기 사용자의 활동에 대응하여 상기 반응 벡터를 갱신하는 것을 특징으로 하는 상품 추천 시스템.
제 1항에 있어서, 상기 오퍼 정보는,
상기 오퍼를 구성하기 위한 기준값과 상기 기준값에 대응하여 연결된 상품에 대한 오퍼 구성 정보; 및
상기 오퍼와 추천 페이지를 맵핑하는 방법을 정의하는 오퍼 맵핑 정보;를 포함하는 상품 추천 시스템.
제 1항에 있어서,
상기 오퍼 추천 모듈이 상기 사용자의 상기 반응 벡터의 값의 우선순위에 따라서 상기 상품 추천 정보를 생성하는 것을 특징으로 하는 상품 추천 시스템.
제 1항에 있어서,
상기 오퍼 추천 모듈이 상기 사용자의 상기 반응 벡터의 값의 비율에 따라서 상기 상품 추천 정보를 생성하는 것을 특징으로 하는 상품 추천 시스템.
제 1항에 있어서,
상기 오퍼 추천 모듈이 적어도 지정된 개수만큼의 상품이 포함된 상품 추천 정보를 생성하는 것을 특징으로 하는 상품 추천 시스템.
제 1항에 있어서,
상기 오퍼 추천 모듈이 추천 페이지와 상기 오퍼 간의 맵핑 정보에 따라서 상기 상품 추천 정보를 생성하는 것을 특징으로 하는 상품 추천 시스템.
제 1항에 있어서,
상기 오퍼 추천 모듈은 상기 선정된 오퍼에 연결된 상품에 따라서 상기 상품 추천 정보를 생성하는 것을 특징으로 하는 상품 추천 시스템.
제 1항에 있어서,
상기 상품 추천 시스템은 상기 오퍼 정보를 생성하고 관리하는 오퍼 관리 모듈을 더 포함하는 것을 특징으로 하는 상품 추천 시스템.
제 1항에 있어서,
상기 인터페이스 모듈은 상기 상품 추천 정보를 상기 사용자에게 표시할 때, 상기 상품 추천 정보가 표시되는 화면 영역이 상기 사용자의 상기 활동 이력 정보에 따라 크기 또는 위치를 달리 할 수 있는 것을 특징으로 하는 상품 추천 시스템.