KR101715737B1 - 지역 상권 흐름 분석 방법 및 이를 수행하기 위한 시스템 - Google Patents

Abstract

웹 분석을 통한 지역 상권 흐름 분석 방법 및 이를 수행하기 위한 시스템이 개시된다. 지역 상권 흐름 분석 시스템은 복수의 웹 문서들을 수집하는 웹 문서 수집부; 수집된 웹 문서들에서 형태소를 분석하는 형태소 분석부; 분석된 형태소들을 지역별로 분류하여 저장하는 형태소 분류-저장부; 및 상기 지역 기준으로 저장된 상기 형태소의 수를 근거로 상권 지역을 판별하는 상권 흐름 판별부를 포함한다. 이에 따라, 소셜 커머스, 공연, SNS, 블로그, 뉴스와 같은 실시간 웹 문서에서 정보를 추출하여 지역 상권 흐름을 파악하므로써, 지역 정보나 지역 특성을 시간의 흐름으로 지역에 대한 상권을 분석할 수 있다. .

Description

지역 상권 흐름 분석 방법 및 이를 수행하기 위한 시스템{METHOD OF ANALYZING A STREAM OF A BUSINESS AREA AND SYSTEM FOR PERFORMING THE SAME}

본 발명은 지역 상권 흐름 분석 방법 및 이를 수행하기 위한 시스템에 관한 것으로, 보다 상세하게는 웹 분석을 통한 지역 상권 흐름 분석 방법 및 이를 수행하기 위한 시스템에 관한 것이다.

최근 인터넷 사용이 점차 활발해짐에 따라, 많은 사람들이 특정 웹 사이트의 게시판, 블로그(blog), 커뮤니티(community)인 카페, 페이스북이나 미니홈피와 같은 소셜 네트워크서비스(SNS, Social Network Service) 등의 온라인 매체를 통해서 자신의 의견을 표현하고 있다. 따라서 사용자들은 종종 특정한 정보의 가치를 평가할 때 다른 사용자들이 인터넷 상에 올려놓은 의견 정보를 참조하여 결정한다.

예를들어, 인터넷 상의 웹 포털, 업종별 전문 사이트, 개인 블로그 등에는 상품 품평에서 영화 품평까지 다양한 사용자들의 의견이 존재한다. 이러한 사용자들의 의견들은 일반 사용자들이 제품을 구매하거나 영화를 보기 전에 참조하기 위한 자료로 이용할 수 있으며, 마케팅 담당자나 주식 매매자 등이 각 제품 또는 기업에 대한 사용자들의 의견을 알고자 하는 경우에도 사용할 수 있다.

한국공개특허 제10-2013-0030434호(명칭: 온라인 상에 게재된 웹 문서 기반 상권분석 서비스 시스템 및 방법)(2013. 03. 27. 자 공개) 한국공개특허 제10-2012-0035600호(명칭: 상권정보 제공 시스템 및 방법, 그 상권정보 제공장치, 서비스장치 및 상권정보 제공단말)(2012. 04. 16. 자 공개) 한국공개특허 제10-2013-0019629호(명칭: 부동산 물건의 유형별 입지 및 상권분석 서비스 제공 시스템, 방법 및 컴퓨터 판독 가능한 기록 매체)(2013. 02. 27. 자 공개) 한국등록특허 제10-1078344호(명칭: 상권내에서의 업종별 매출 추정 방법)(2011. 10. 25. 자 등록)

이에 본 발명의 기술적 과제는 이러한 점에 착안한 것으로, 본 발명의 목적은 소셜 커머스, 공연, SNS, 블로그, 뉴스와 같은 실시간 웹 문서에서 정보를 추출하는 웹 분석을 통해 시간의 흐름에 따른 지역 상권 흐름을 파악하기 위한 지역 상권 흐름 분석 방법을 제공하는 것이다.

본 발명의 다른 목적은 상기한 지역 상권 흐름 분석 방법을 수행하기 위한 시스템을 제공하는 것이다.

상기한 본 발명의 목적을 실현하기 위하여 일실시예에 따른 지역 상권 흐름 분석 방법은, 복수의 웹 문서들을 수집하는 단계; 수집된 웹 문서들에서 형태소 분석을 수행하는 단계; 분석된 형태소들을 지역별로 분류하여 저장하는 단계; 및 상기 지역 기준으로 저장된 상기 형태소의 수를 근거로 상권 지역을 판별하는 단계를 포함한다.

일실시예에서, 상기 형태소는, 관심지점(POI) DB에 등록된 정보에 대응하는 관심지점 형태소 및 상기 관심지점 DB에 등록되지 않은 위치 정보에 대응하는 위치 형태소를 포함할 수 있다.

일실시예에서, 상기 분석된 형태소들을 지역별로 분류하여 저장하는 단계는, 분석된 형태소들에서 상기 관심지점 형태소 또는 상기 위치 형태소를 추출하는 단계; 및 지역 기준으로 상기 관심지점 형태소 및 상기 위치 형태소 각각을 분류하여 저장하는 단계를 포함할 수 있다.

일실시예에서, 상기 상권 지역을 판별하는 단계는, 상기 지역 기준으로 저장된 상기 관심지점 형태소의 수와 상기 위치 형태소의 수를 근거로 상기 상권 지역을 판별할 수 있다.

일실시예에서, 상기 상권 지역을 판별하는 단계는 지역에 대응하여 상권을 분석하는 지역별 상권분석 단계, 지역 및 기간에 대응하여 상권을 분석하는 기간별 상권분석 단계, 지역에 대응하여 기입된 웹 문서 종류별로 상권을 분석하는 웹 문서 종류별 상권분석 단계 및 관심지점 카테고리별로 상권을 분석하는 관심지점 카테고리별 상권분석 단계 중 하나 이상을 포함할 수 있다.

일실시예에서, 상기 웹 문서는 소셜커머스, 공연, SNS, 블로그, 뉴스를 포함할 수 있다.

상기한 본 발명의 다른 목적을 실현하기 위하여 일실시예에 따른 지역 상권 흐름 분석 시스템은 복수의 웹 문서들을 수집하는 웹 문서 수집부; 수집된 웹 문서들에서 형태소를 분석하는 형태소 분석부; 분석된 형태소들을 지역별로 분류하여 저장하는 형태소 분류-저장부; 및 상기 지역 기준으로 저장된 상기 형태소의 수를 근거로 상권 지역을 판별하는 상권 흐름 판별부를 포함한다.

일실시예에서, 상기 형태소는, 관심지점(POI) DB에 등록된 정보에 대응하는 관심지점 형태소 및 상기 관심지점 DB에 등록되지 않은 위치 정보에 대응하는 위치 형태소를 포함할 수 있다.

일실시예에서, 상기 형태소 분류-저장부는, 분석된 형태소들에서 상기 관심지점 형태소 및 상기 위치 정보에 대응하는 위치 형태소를 추출하는 형태소 추출부; 및 지역 기준으로 상기 관심지점 형태소 및 상기 위치 형태소 각각을 분류하는 형태소 분류부를 포함할 수 있다.

일실시예에서, 지역 상권 흐름 분석 시스템은 상기 형태소 분류부에 의해 분류된 관심지점 형태소를 저장하는 관심지점 형태소 저장 DB; 및 상기 형태소 분류부에 의해 분류된 위치 형태소를 저장하는 위치 형태소 저장 DB를 더 포함할 수 있다.

일실시예에서, 상기 상권 흐름 판별부는, 상기 지역 기준으로 상기 관심지점 형태소 저장 DB에 저장된 관심지점 형태소의 수와 상기 위치 형태소 저장 DB에 저장된 위치 형태소의 수를 시간의 흐름에 따른 분석을 통해 상권 지역을 판별할 수 있다.

일실시예에서, 상기 상권 흐름 판별부는, 지역에 대응하여 상권을 분석하는 지역별 상권분석 모듈, 지역 및 기간에 대응하여 상권을 분석하는 기간별 상권분석 모듈, 지역에 대응하여 기입된 웹 문서 종류별로 상권을 분석하는 웹 문서 종류별 상권분석 모듈 및 관심지점 카테고리별로 상권을 분석하는 관심지점 카테고리별 상권분석 모듈 중 하나 이상을 포함할 수 있다.

이러한 지역 상권 흐름 분석 방법 및 이를 수행하기 위한 시스템에 의하면, 소셜 커머스, 공연, SNS, 블로그, 뉴스와 같은 실시간 웹 문서에서 정보를 추출하여 저장하고 분석하여 시간의 흐름에 따른 지역 상권 흐름을 파악하므로써, 지역 정보나 지역 특성을 시간의 흐름으로 지역에 대한 상권을 분석할 수 있다. .

도 1은 본 발명의 일실시예에 따른 지역 상권 흐름 분석 시스템을 설명하기 위한 블럭도이다.
도 2는 도 1에 도시된 상권 흐름 판별부를 설명하기 위한 블록도이다.
도 3은 본 발명의 일실시예에 따른 지역 상권 흐름 분석 방법을 설명하기 위한 흐름도이다.
도 4는 도 3에 도시된 상권 지역을 판별하는 단계를 설명하기 위한 흐름도이다.
도 5는 도 4에 도시된 지역별 상권분석 단계를 설명하기 위한 흐름도이다.
도 6은 도 4에 도시된 기간별 상권분석 단계를 설명하기 위한 흐름도이다.
도 7은 도 4에 도시된 웹 문서 종류별 상권분석 단계를 설명하기 위한 흐름도이다.
도 8은 도 4에 도시된 관심지점 카테고리별 상권분석 단계를 설명하기 위한 흐름도이다.
도 9는 웹 문서에서 기간별 지역별 추출된 관심지점 형태소와 위치 형태소의 전체 개수를 설명하기 위한 그래프이다.
도 10은 각 지역에 대응하는 관심지점(POI) 형태소의 전체 개수의 예를 설명하기 위한 그래프이다.
도 11은 각 지역의 2D 단위 면적당 관심지점(POI)의 밀도의 예를 설명하기 위한 그래프이다.
도 12는 지역의 3D 단위 면적당 관심지점(POI)의 밀도의 예를 설명하기 위한 그래프이다.
도 13은 단순 상권지수를 설명하기 위한 그래프이다. 특히 표 6에 대응하는 그래프가 도시된다.
도 14는 2D 면적이 반영된 2D 상권지수를 설명하기 위한 그래프이다.
도 15는 3D 면적이 반영된 3D 상권지수를 설명하기 위한 그래프이다.

이하, 첨부한 도면들을 참조하여, 본 발명을 보다 상세하게 설명하고자 한다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

설명에 앞서, 본 발명에서 언급하는 웹 문서는 온라인 매체 상에 네티즌들에 의해 게재된 본문, 본문에 부가된 댓글, 첨부파일 또는 이미지로서, 특정 지역, 특정 업종에 대한 네티즌의 긍정 또는 부정 등의 의견을 포함한다.

온라인 매체는 네티즌들에 의해 웹 문서가 발생될 수 있는 웹 사이트(신문 사이트, 방송 사이트, 전문 매장 사이트), 게시판, 블로그, 카페, 쇼셜 네트워크 서비스를 지원하는 사이트 등 다른 사용자간 커뮤니티(community)가 가능한 채널을 의미한다.

도 1은 본 발명의 일실시예에 따른 지역 상권 흐름 분석 시스템을 설명하기 위한 블럭도이다.

도 1을 참조하면, 지역 상권 흐름 분석 시스템(100)은 웹 문서 수집부(110), 웹 문서 저장 DB(120), 형태소 분석부(130), 형태소 분류-저장부(140), 관심지점 형태소 저장 DB(150), 위치 형태소 저장 DB(160) 및 상권 흐름 판별부(170)를 포함한다. 도 1에서, 지역 상권 흐름 분석 시스템(100)은 상기 웹 문서 수집부(110), 상기 웹 문서 저장 DB(120), 상기 형태소 분석부(130), 상기 형태소 분류-저장부(140), 상기 관심지점(Point of Interest; POI) 형태소 저장 DB(150), 상기 위치 형태소 저장 DB(160) 및 상기 상권 흐름 판별부(170)로 구성된 것으로 도시하였으나, 이는 설명의 편의를 위해 논리적으로 구분하였을 뿐 하드웨어적으로 구분한 것은 아니다.

일반적으로 관심지점(POI) 데이터는 주요 시설물, 역, 공항, 터미널, 호텔 등을 좌표로 전자 수치 지도에 표시하는 데이터이다. 보통 목적지 검색에 사용되는 검색 데이터와 바탕 화면에 표시만 되는 바탕 데이터로 구분할 수 있다. 목표지 검색에서 사용자가 목적지에 대한 정보, 즉 목적지의 주소나 전화번호 또는 정확한 명칭을 알고 있는 경우는 관심지점 데이터를 직접 입력함으로써 직접 목적지를 검색할 수 있다.

본 실시예에서, 관심지점 형태소는 상기한 POI 데이터에 대응하는 텍스트(즉, 문자)를 지칭하고, 위치 형태소는 관심지점 형태소에 등록되지는 않았으나 일반인들이 많이 사용하는 위치를 지칭하는 텍스트이다.

상기 웹 문서 수집부(110)는 복수의 웹 문서들을 수집하여 상기 웹 문서 저장 DB(120)에 저장한다. 상기 웹 문서는 소셜커머스, 공연, SNS, 블로그, 뉴스 등을 포함할 수 있다.

상기 형태소 분석부(130)는 상기 웹 문서 저장 DB(120)에 저장된 웹 문서들에서 형태소를 분석한다.

상기 형태소 분류-저장부(140)는 형태소 추출부(142) 및 형태소 분류부(144)를 포함하고, 상기 형태소 분석부(130)에서 분석된 형태소들을 지역별로 분류하여 상기 관심지점 형태소 저장 DB(150) 또는 상기 위치 형태소 저장 DB(160)에 저장한다.

상기 형태소 추출부(142)는 분석된 형태소들에서 관심지점 정보에 대응하는 관심지점 형태소 또는 위치 정보에 대응하는 위치 형태소를 추출하여 상기 형태소 분류부(144)에 제공한다.

상기 형태소 분류부(144)는 상기 형태소 추출부(142)에서 제공되는 관심지점 형태소 또는 위치 형태소를 지역 기준으로 각각 분류하여 상기 관심지점 형태소 저장 DB(150) 또는 상기 위치 형태소 저장 DB(160)에 저장한다.

상기 관심지점 형태소 저장 DB(150)는 상기 형태소 분류부(144)에 의해 분류된 관심지점 형태소를 지역별로 저장한다.

상기 위치 형태소 저장 DB(160)는 상기 형태소 분류부(144)에 의해 분류된 위치 형태소를 지역별로 저장한다.

상기 상권 흐름 판별부(170)는 지역 기준으로 저장된 형태소의 수, 즉 관심지점 형태소의 수 및 위치 형태소의 수를 근거로 상권 지역을 판별한다.

이상에서 설명된 바와 같이, 본 실시예에 따르면, 지역 정보나 지역 특성을 시간의 흐름으로 파악하여 지역에 대한 상권분석이 필요하다는 점에 착안하여, 소셜 커머스, 공연, SNS, 블로그, 뉴스 등과 같은 실시간 웹 문서를 수집하고 수집된 웹 문서에서 위치 정보 및 관심지점(POI)을 추출하고, 지역 기준으로 분류 및 분석한 후, 언급된 횟수를 기반으로 인기 지역을 판별한다. 특히, 추출된 웹 문서의 종류 및 관심지점(POI) 카테고리에 따라 어떤 분야에서 인기가 있는지 판별할 수 있다.

도 2는 도 1에 도시된 상권 흐름 판별부를 설명하기 위한 블록도이다.

도 2를 참조하면, 상권 흐름 판별부(170)는 지역별 상권분석 모듈(172), 기간별 상권분석 모듈(174), 웹 문서 종류별 상권분석 모듈(176), 관심지점 카테고리별 상권분석 모듈(178) 및 인터페이스 모듈(179)을 포함하고, 지역 기준으로 저장된 형태소의 수를 근거로 상권 지역을 판별한다. 도 2에서, 상권 흐름 판별부(170)는 상기 지역별 상권분석 모듈(172), 상기 기간별 상권분석 모듈(174), 상기 웹 문서 종류별 상권분석 모듈(176), 상기 관심지점 카테고리별 상권분석 모듈(178) 및 상기 인터페이스 모듈(179)로 구성된 것으로 도시하였으나, 이는 설명의 편의를 위해 논리적으로 구분하였을 뿐 하드웨어적으로 구분한 것은 아니다.

상기 지역별 상권분석 모듈(172)은 상기 인터페이스 모듈(179)을 통해 지역 선택을 위한 정보를 단말기(300)에 제공한다. 상기한 지역 선택을 위한 정보를 단말기(300)에 제공하는 것은 생략될 수도 있다. 예를들어, 실시간 또는 주기적으로 지역별 상권분석이 수행되도록 프로그램된 경우 상기한 지역 선택을 위한 정보를 단말기(300)에 제공하는 것은 생략될 수도 있다. 이어, 상기 지역별 상권분석 모듈(172)은 상기한 단말기(300)를 통해 특정 지역이 선택되면, 선택된 지역에 대응하는 관심지점 형태소의 수를 카운트한다. 관심지점 형태소에 가중치를 반영하도록 설정되어 있다면, 상기 지역별 상권분석 모듈(172)은 상기 관심지점 형태소의 수에 가중치를 반영한다. 또한, 상기 지역별 상권분석 모듈(172)은 선택된 지역에 대응하는 위치 형태소의 수를 카운트한다. 위치 형태소에 가중치를 반영하도록 설정되어 있다면, 상기 지역별 상권분석 모듈(172)은 상기 위치 형태소의 수에 가중치를 반영한다. 상기 지역별 상권분석 모듈(172)은 상기 관심지점 형태소의 수와 상기 위치 형태소의 수를 합산한 후, 합산치와 기준치를 서로 비교한다. 상기 합산치가 상기 기준치보다 작은 것으로 체크되면, 상기 지역별 상권분석 모듈(172)은 선택된 지역을 비인기 상권으로 판별한다. 상기 합산치가 상기 기준치보다 큰 것으로 체크되면, 상기 지역별 상권분석 모듈(172)은 선택된 지역을 인기 상권으로 판별한다. 상기 합산치가 상기 기준치와 같은 것으로 체크되면, 상기 지역별 상권분석 모듈(172)은 선택된 지역을 정체 상권으로 판별한다.

상기 기간별 상권분석 모듈(174)은 상기 인터페이스 모듈(179)을 통해 지역 선택을 위한 정보를 상기 단말기(300)에 제공한다. 상기한 지역 선택을 위한 정보를 단말기(300)에 제공하는 것은 생략될 수도 있다. 예를들어, 실시간 또는 주기적으로 지역별 상권분석이 수행되도록 프로그램된 경우 상기한 지역 선택을 위한 정보를 단말기(300)에 제공하는 것은 생략될 수도 있다. 이어, 상기 기간별 상권분석 모듈(174)은 상기 단말기(300)를 통해 특정 지역이 선택된 것으로 체크되면, 제1 기간 및 제2 기간 선택을 위한 정보를 상기 단말기(300)에 제공한다. 상기 기간별 상권분석 모듈(174)은 상기 제1 기간 및 상기 제2 기간이 확정된 것으로 체크되면, 선택된 지역과 선택된 제1 기간에 대응하는 형태소의 수를 카운트되어 제1 카운트값을 생성한다. 상기 기간별 상권분석 모듈(174)은 선택된 지역과 선택된 제2 기간에 대응하는 형태소의 수를 카운트하여 제2 카운트값을 생성한다. 이어, 상기 기간별 상권분석 모듈(174)은 상기 제1 카운트값과 상기 제2 카운트값을 비교하여, 제1 카운트값이 제2 카운트값보다 큰 것으로 체크되면, 선택된 지역이 제2 기간 동안 인기상권인 것으로 판별한다. 상기 기간별 상권분석 모듈(174)은 상기 제1 카운트값이 상기 제2 카운트값보다 작은 것으로 체크되면, 선택된 지역이 제1 기간 동안 인기 상권인 것으로 판별한다. 상기 기간별 상권분석 모듈(174)은 상기 제1 카운트값과 상기 제2 카운트값이 같은 것으로 체크되면, 선택된 지역이 제1 기간이나 제2 기간 동안, 정체 상권인 것으로 판별한다.

상기 웹 문서 종류별 상권분석 모듈(176)은 상기 인터페이스 모듈(179)을 통해 웹 문서 선택을 위한 정보를 상기 단말기(300)에 제공한다. 상기한 웹 문서 선택을 위한 정보를 단말기(300)에 제공하는 것은 생략될 수도 있다. 예를들어, 실시간 또는 주기적으로 웹 문서 종류별 상권분석이 수행되도록 프로그램된 경우 상기한 웹 문서 선택을 위한 정보를 단말기(300)에 제공하는 것은 생략될 수도 있다. 상기 웹 문서 종류별 상권분석 모듈(176)은 상기 인터페이스 모듈(179)을 통해 상기한 단말기(300)를 통해 특정 웹 문서가 선택된 것으로 체크되면, 선택된 웹 문서에 대응하는 관심지점 형태소의 수를 카운트한다. 관심지점 형태소에 가중치를 반영하도록 설정되어 있다면, 상기 웹 문서 종류별 상권분석 모듈(176)은 상기 관심지점 형태소의 수에 가중치를 반영한다. 이어, 상기 웹 문서 종류별 상권분석 모듈(176)은 선택된 웹 문서에 대응하는 위치 형태소의 수를 카운트한다. 위치 형태소에 가중치를 반영하도록 설정되어 있다면, 상기 웹 문서 종류별 상권분석 모듈(176)은 상기 위치 형태소의 수에 가중치를 반영한다. 상기 웹 문서 종류별 상권분석 모듈(176)은 상기 관심지점 형태소의 수와 상기 위치 형태소의 수를 합산하여 합산치를 생성한다. 상기 웹 문서 종류별 상권분석 모듈(176)은 생성된 합산치와 기 설정된 기준치를 비교한다. 상기 합산치가 상기 기준치보다 작은 것으로 체크되면, 상기 웹 문서 종류별 상권분석 모듈(176)은 선택된 웹 문서에 포함된 지역이 비인기 상권인 것으로 판별한다. 상기 합산치가 상기 기준치보다 큰 것으로 체크되면, 상기 웹 문서 종류별 상권분석 모듈(176)은 선택된 웹 문서에 포함된 지역이 인기 상권인 것으로 판별한다. 상기 합산치가 상기 기준치와 같은 것으로 체크되면, 상기 웹 문서 종류별 상권분석 모듈(176)은 선택된 웹 문서에 포함된 지역이 정체 상권인 것으로 판별한다.

상기 관심지점 카테고리별 상권분석 모듈(178)은 상기 인터페이스 모듈(179)을 통해 관심지점 카테고리 선택을 위한 정보를 상기 단말기(300)에 제공한다. 상기한 관심지점 카테고리 선택을 위한 정보를 단말기(300)에 제공하는 것은 생략될 수도 있다. 예를들어, 실시간 또는 주기적으로 관심지점 카테고리별 상권분석이 수행되도록 프로그램된 경우 상기한 관심지점 카테고리 선택을 위한 정보를 단말기(300)에 제공하는 것은 생략될 수도 있다. 상기 관심지점 카테고리별 상권분석 모듈(178)은 상기 인터페이스 모듈(179)을 통해 상기한 단말기(300)를 통해 특정 관심지점 카테고리가 선택되면, 선택된 관심지점 카테고리에 대응하는 관심지점 형태소의 수를 카운트한다. 관심지점 형태소에 가중치를 반영하도록 설정되어있다면, 상기 관심지점 카테고리별 상권분석 모듈(178)은 상기 관심지점 형태소의 수에 가중치를 반영한다. 상기 관심지점 카테고리별 상권분석 모듈(178)은 선택된 관심지점 카테고리에 대응하는 위치 형태소의 수를 카운트한다. 위치 형태소에 가중치를 반영하도록 설정되어 있다면, 상기 관심지점 카테고리별 상권분석 모듈(178)은 상기 위치 형태소의 수에 가중치를 반영한다. 상기 관심지점 카테고리별 상권분석 모듈(178)은 상기 관심지점 형태소의 수와 상기 위치 형태소의 수를 합산하고, 상기 합산치와 기준치를 비교한다. 상기 합산치가 상기 기준치보다 작은 것으로 체크되면, 상기 관심지점 카테고리별 상권분석 모듈(178)은 선택된 관심지점 카테고리가 비인기 상권인 것으로 판별한다. 상기 합산치가 상기 기준치보다 큰 것으로 체크되면, 상기 관심지점 카테고리별 상권분석 모듈(178)은 선택된 관심지점 카테고리가 인기 상권인 것으로 판별한다. 상기 합산치가 상기 기준치와 같은 것으로 체크되면, 상기 관심지점 카테고리별 상권분석 모듈(178)은 선택된 관심지점 카테고리가 정체 상권인 것으로 판별한다.

도 3은 본 발명의 일실시예에 따른 지역 상권 흐름 분석 방법을 설명하기 위한 흐름도이다.

도 3을 참조하면, 소셜커머스, 공연, SNS, 블로그, 뉴스 등과 같은 웹 문서가 수집되어 저장된다(단계 S100). 상기한 웹 문서는 실시간으로 수집될 수도 있고, 일정 시간마다 주기적으로 수집될 수도 있다.

이어, 수집된 웹 문서에서 형태소가 분석된다(단계 S102). 본 실시예에서, 상기 형태소는 관심지점(POI) DB에 등록된 정보에 대응하는 관심지점 형태소 및 상기 관심지점 DB에 등록되지 않은 위치 정보에 대응하는 위치 형태소를 포함할 수 있다.

이어, 분석된 형태소들에서 하나의 형태소가 추출된다(단계 S104).

이어, 단계 S104에서 추출된 형태소가 관심지점 형태소인지의 여부가 체크된다(단계 S110).

단계 S110에서 관심지점 형태소인 것으로 체크되면, 지역 기준으로 관심지점 형태소가 분류된다(단계 S112).

이어, 분류된 관심지점 형태소가 관심지점 형태소 DB에 저장된다(단계 S114).

한편, 단계 S110에서 관심지점 형태소가 아닌 것으로 체크되면, 위치 형태소인지의 여부가 체크된다(단계 S120).

단계 S120에서 위치 형태소인 것으로 체크되지 않으면, 단계 S104로 피드백된다. 관심지점 형태소도 아니고 위치 형태소도 아닌 형태소는 인물의 이름을 지칭하는 형태소나 일반적인 물건, 예를들어, 컵, 쟁반, 책상 등과 같은 사물을 지칭하는 형태소 등일 수 있다.

단계 S120에서 위치 형태소인 것으로 체크되면, 지역 기준으로 위치 형태소가 분류된다(단계 S122).

이어, 분류된 위치 형태소가 위치 형태소 저장 DB에 저장된다(단계 S124).

분석된 형태소들에서 추출되지 않은 잔여 형태소가 존재하는지의 여부가 체크된다(단계 S130).

단계 S130에서 잔여 형태소가 존재하는 것으로 체크되면, 단계 S104로 피드백된다.

단계 S130에서 잔여 형태소가 존재하지 않은 것으로 체크되면, 형태소들의 수, 즉 관심지점 형태소들의 수와 위치 형태소들의 수를 근거로 상권 지역이 판별된다(단계 S140).

관심지점 형태소들의 수가 많거나 위치 형태소들의 수가 많다는 것은 많은 사람들이 각종 웹 문서를 생성하거나 이를 재생산하는 행위가 많은 것을 의미한다. 이에 따라, 특정 지역의 상권이 인기 상권인지 비인기 상권인지를 판별할 수 있다. 예를들어, 특정 지역에서, 관심지점 형태소들의 수나 위치 형태소들의 수가 기준치보다 많다면 해당 지역은 인기 상권 지역으로 판별될 수 있고, 관심지점 형태소들의 수나 위치 형태소들의 수가 기준치보다 적다면 해당 지역은 비인기 상권 지역으로 판별될 수 있다.

또한, 일정 기간 동안 특정 지역의 상권 흐름을 파악할 수도 있다. 예를들어, 특정 지역에 대응하여 올해 여름 기간 동안 관심지점 형태소들의 수나 위치 형태소들의 수가 특정 지역에 대응하여 1년 전 여름 기간 동안 관심지점 형태소들의 수나 위치 형태소들의 수 보다 많다면 해당 지역은 인기 상권 지역으로 부상되고 있는 것으로 판별될 수 있다. 반면에, 특정 지역에 대응하여 올해 여름 기간 동안 관심지점 형태소들의 수나 위치 형태소들의 수가 특정 지역에 대응하여 1년 전 여름 기간 동안 관심지점 형태소들의 수나 위치 형태소들의 수 보다 적다면 해당 지역은 인기 상권 지역에서 퇴색되고 있는 것으로 판별될 수 있다.

도 4는 도 3에 도시된 상권 지역을 판별하는 단계를 설명하기 위한 흐름도이다.

도 3 및 도 4를 참조하면, 지역별 상권분석이 요청되는지의 여부가 체크된다(단계 S210).

단계 S210에서 지역별 상권분석이 요청되는 것으로 체크되면, 지역별 상권이 분석된다(단계 S220). 상기한 지역별 상권분석은 후술하는 도 5에서 상세히 설명한다. 본 실시예에서, 지역별 상권분석 요청 여부를 체크하는 것은 실시간 또는 주기적으로 지역별 상권분석이 수행되도록 설정된 프로그램에 의해 이루어질 수 있다. 예를들어, 특정 시간이 도래됨에 따라 지역별 상권분석 요청이 이루어진 것으로 판단되어 상기한 지역별 상권 분석 동작이 이루어질 수 있다. 이에 따라, 무수히 많은 웹 문서들을 실시간으로 또는 일정 주기로 수집하여 수집된 웹 문서들에 포함된 각종 관심지점 형태소 또는 위치 형태소를 추출하고 이를 근거로 지역별 상권분석을 위한 각종 정보들을 저장하므로 과거 누적된 상권분석을 위한 정보들을 이용하여 시간의 흐름에 따른 상권분석 동작을 보다 빠르게 수행할 수 있고, 상권분석의 신뢰도를 높일 수 있다.

단계 S210에서 지역별 상권분석이 미요청되는 것으로 체크되면, 기간별 상권분석이 요청되는지의 여부가 체크된다(단계 S230).

단계 S230에서 기간별 상권분석이 요청되는 것으로 체크되면, 기간별 상권이 분석된다(단계 S240). 상기한 기간별 상권분석은 후술하는 도 6에서 상세히 설명한다. 본 실시예에서, 기간별 상권분석 요청 여부를 체크하는 것은 실시간 또는 주기적으로 지역별 상권분석이 수행되도록 설정된 프로그램에 의해 이루어질 수 있다. 예를들어, 특정 시간이 도래됨에 따라 기간별 상권분석 요청이 이루어진 것으로 판단되어 상기한 기간별 상권 분석 동작이 이루어질 수 있다. 이에 따라, 무수히 많은 웹 문서들을 실시간으로 또는 일정 주기로 수집하여 수집된 웹 문서들에 포함된 각종 관심지점 형태소 또는 위치 형태소를 추출하고 이를 근거로 기간별 상권분석을 위한 각종 정보들을 저장하므로 과거 누적된 상권분석을 위한 정보들을 이용하여 시간의 흐름에 따른 상권분석 동작을 보다 빠르게 수행할 수 있고, 상권분석의 신뢰도를 높일 수 있다.

단계 S230에서 기간별 상권분석이 미요청되는 것으로 체크되면, 웹 문서 종류별 상권분석이 요청되는지의 여부가 체크된다(단계 S250).

단계 S250에서 웹 문서 종류별 상권분석이 요청되는 것으로 체크되면, 웹 문서 종류별 상권이 분석된다(단계 S260). 상기한 웹 문서 종류별 상권분석은 후술하는 도 7에서 상세히 설명한다. 본 실시예에서, 웹 문서 종류별 상권분석 요청 여부를 체크하는 것은 실시간 또는 주기적으로 웹 문서 종류별 상권분석이 수행되도록 설정된 프로그램에 의해 이루어질 수 있다. 예를들어, 특정 시간이 도래됨에 따라 웹 문서 종류별 상권분석 요청이 이루어진 것으로 판단되어 상기한 지역별 상권 분석 동작이 이루어질 수 있다. 이에 따라, 무수히 많은 웹 문서들을 실시간으로 또는 일정 주기로 수집하여 수집된 웹 문서들에 포함된 각종 관심지점 형태소 또는 위치 형태소를 추출하고 이를 근거로 웹 문서 종류별 상권분석을 위한 각종 정보들을 저장하므로 과거 누적된 상권분석을 위한 정보들을 이용하여 시간의 흐름에 따른 상권분석 동작을 보다 빠르게 수행할 수 있고, 상권분석의 신뢰도를 높일 수 있다.

단계 S250에서 웹 문서 종류별 상권분석이 미요청되는 것으로 체크되면, 관심지점 카테고리별 상권분석이 요청되는지의 여부가 체크된다(단계 S270).

단계 S270에서 관심지점 카테고리별 상권분석이 요청되는 것으로 체크되면, 관심지점 카테고리별 상권이 분석된다(단계 S280). 상기한 관심지점 카테고리별 상권분석은 후술하는 도 8에서 상세히 설명한다. 본 실시예에서, 관심지점 카테고리별 상권분석 요청 여부를 체크하는 것은 실시간 또는 주기적으로 관심지점 카테고리별 상권분석이 수행되도록 설정된 프로그램에 의해 이루어질 수 있다. 예를들어, 특정 시간이 도래됨에 따라 관심지점 카테고리별 상권분석 요청이 이루어진 것으로 판단되어 상기한 지역별 상권 분석 동작이 이루어질 수 있다. 이에 따라, 무수히 많은 웹 문서들을 실시간으로 또는 일정 주기로 수집하여 수집된 웹 문서들에 포함된 각종 관심지점 형태소 또는 위치 형태소를 추출하고 이를 근거로 관심지점 카테고리별 상권분석을 위한 각종 정보들을 저장하므로 과거 누적된 상권분석을 위한 정보들을 이용하여 시간의 흐름에 따른 상권분석 동작을 보다 빠르게 수행할 수 있고, 상권분석의 신뢰도를 높일 수 있다.

본 실시예에서, 상권분석은 지역별 상권분석, 기간별 상권분석, 웹 문서 종류별 상권분석, 관심지점 카테고리별 상권분석의 순서로 이루어지는 것을 설명하였으나, 그 순서는 다양하게 변경될 수 있다. 또한, 상술된 상권분석 외에 다양한 다른 방식의 상권분석도 가능하다.

또한, 본 실시예에서는, 지역별 상권을 분석하거나, 기간별 상권을 분석하거나, 웹 문서 종류별 상권을 분석하거나 관심지점 카테고리별 상권을 분석하는 단계들이 서로 분리되어 이루어지는 것을 설명하였으나, 상술된 상권을 분석하는 단계들은 서로 혼합되어 사용될 수도 있다. 예를들어, 지역별 상권과 기간별 상권을 분석하거나, 지역별 상권, 기간별 상권 및 웹 문서 종류별 상권을 분석할 수도 있다. 또한, 지역별 상권, 기간별 상권, 웹 문서 종류별 상권 및 관심지점 카테고리별 상권을 분석할 수도 있다.

도 5는 도 4에 도시된 지역별 상권분석 단계를 설명하기 위한 흐름도이다.

도 4 및 도 5를 참조하면, 특정 지역이 선택된다(단계 S300).

이어, 선택된 지역에 대응하는 관심지점 형태소의 수가 카운트된다(단계 S304).

이어, 관심지점 형태소에 가중치를 반영하는지의 여부가 체크된다(단계 S306). 본 실시예에서, 관심지점 형태소에 반영되는 가중치는 관심지점 형태소에 의한 상권분석의 비중과 위치 형태소에 의한 상권분석의 비중을 조율하기 위해 관리자에 의해 다양하게 설정될 수 있다. 예를들어, 위치 형태소에 의한 상권분석의 비중보다 관심지점 형태소에 의한 상권분석의 비중을 높이고자 한다면, 관심지점 형태소에 가중치, 예를들어, 1.1이나 1.5 등을 곱하는 방식으로 관심지점 형태소의 수를 위치 형태소의 수보다 높여 관심지점 형태소에 의한 상권분석의 비중을 높일 수 있다. 한편, 위치 형태소에 의한 상권분석의 비중보다 관심지점 형태소에 의한 상권분석의 비중을 낮추고자 한다면, 관심지점 형태소에 가중치, 예를들어, 0.8이나 0.9 등을 곱하는 방식으로 관심지점 형태소의 수를 위치 형태소의 수보다 낮추어 위치 형태소에 의한 상권분석의 비중을 높일 수 있다.

단계 S306에서 가중치 반영으로 체크되면, 관심지점 형태소의 수에 가중치가 반영된다(단계 S308).

단계 S306에서 가중치 미반영으로 체크되거나 단계 S308에 이어, 선택된 지역에 대응하는 위치 형태소의 수가 카운트된다(단계 S310).

위치 형태소에 가중치를 반영하는지의 여부가 체크된다(단계 S312). 본 실시예에서, 위치 형태소에 반영되는 가중치는 관심지점 형태소에 의한 상권분석의 비중과 위치 형태소에 의한 상권분석의 비중을 조율하기 위해 관리자에 의해 다양하게 설정될 수 있다. 예를들어, 관심지점 형태소에 의한 상권분석의 비중보다 위치 형태소에 의한 상권분석의 비중을 높이고자 한다면, 위치 형태소에 가중치, 예를들어, 1.1이나 1.5 등을 곱하는 방식으로 위치 형태소의 수를 관심지점 형태소의 수보다 높여 위치 형태소에 의한 상권분석의 비중을 높일 수 있다. 한편, 관심지점 형태소에 의한 상권분석의 비중보다 위치 형태소에 의한 상권분석의 비중을 낮추고자 한다면, 위치 형태소에 가중치, 예를들어, 0.8이나 0.9 등을 곱하는 방식으로 위치 형태소의 수를 관심지점 형태소의 수보다 낮추어 관심지점 형태소에 의한 상권분석의 비중을 높일 수 있다.

단계 S312에서 위치 형태소의 수에 가중치가 반영된다(단계 S314).

단계 S312에서 가중치 미반영으로 체크되거나 단계 S314에 이어, 관심지점 형태소의 수와 위치 형태소의 수가 합산된다(단계 S316).

합산치(S)와 기준치(R)가 서로 비교된다(단계 S318).

단계 S318에서 합산치(S)가 기준치(R)보다 작은 것으로 체크되면, 선택된 지역이 비인기 상권으로 판별된다(단계 S320).

단계 S318에서 합산치(S)가 기준치(R)보다 큰 것으로 체크되면, 선택된 지역이 인기 상권으로 판별된다(단계 S322).

단계 S318에서 합산치(S)가 기준치(R)와 같은 것으로 체크되면, 선택된 지역이 정체 상권으로 판별된다(단계 S324).

도 6은 도 4에 도시된 기간별 상권분석 단계를 설명하기 위한 흐름도이다.

도 4 및 도 6을 참조하면, 특정 지역이 선택된다(단계 S400).

이어, 제1 기간 및 제2 기간이 각각 선택된다(단계 S404). 본 실시예에서, 제1 기간은 제2 기간보다 과거로 설정될 수 있다. 예를들어, 제2 기간이 2014년 9월이라면, 제1 기간은 제2013년 9월로 설정될 수 있다. 본 실시예에서, 지역 선택을 위한 정보가 제공된 후 기간 선택을 위한 정보가 제공되는 것을 설명하였으나, 하나의 사용자 인터페이스 화면을 통해 두 종류의 정보를 함께 제공할 수도 있다.

이어, 상기한 단말기를 통해 제1 기간 및 제2 기간이 상권분석을 위해 확정되는지의 여부가 체크된다(단계 S406).

단계 S406에서 제1 기간 및 제2 기간이 확정된 것으로 체크되면, 선택된 지역과 선택된 제1 기간에 대응하는 형태소의 수가 카운트되어 제1 카운트값(C1)이 생성된다(단계 S408).

이어, 선택된 지역과 선택된 제2 기간에 대응하는 형태소의 수가 카운트되어 제2 카운트값(C2)이 생성된다(단계 S410).

제1 카운트값(C1)과 제2 카운트값(C2)이 서로 비교된다(단계 S412).

단계 S412에서 제1 카운트값(C1)이 제2 카운트값(C2)보다 큰 것으로 체크되면, 선택된 지역은 제2 기간 동안 인기상권으로 판별된다(단계 S414). 예를들어, 선택된 지역이 강남역이고, 제1 기간이 2013년 9월이고, 제2 기간이 2014년 9월이라면, 강남역 인근 지역은 2013년 9월에 비해 2014년 9월이 인기상권으로 부상되고 있다고 판별될 수 있다.

단계 S412에서 제1 카운트값(C1)이 제2 카운트값(C2)보다 작은 것으로 체크되면, 선택된 지역은 제1 기간 동안 인기 상권으로 판별된다(단계 S416). 예를들어, 선택된 지역이 강남역이고, 제1 기간이 2013년 9월이고, 제2 기간이 2014년 9월이라면, 강남역 인근 지역은 2013년 9월에 비해 2014년 9월이 비인기상권으로 하락되고 있다고 판별될 수 있다.

단계 S412에서 제1 카운트값(C1)과 제2 카운트값(C2)이 같은 것으로 체크되면, 선택된 지역은 제1 기간이나 제2 기간 동안, 정체 상권으로 판별된다(단계 S418). 예를들어, 선택된 지역이 강남역이고, 제1 기간이 2013년 9월이고, 제2 기간이 2014년 9월이라면, 강남역 인근 지역은 2013년 9월이나 2014년 9월이나 상권의 흐름 변화가 없는 정체 상권을 유지하고 있다고 판별될 수 있다.

도 7은 도 4에 도시된 웹 문서 종류별 상권분석 단계를 설명하기 위한 흐름도이다.

도 4 및 도 7을 참조하면, 특정 웹 문서가 선택된다(단계 S500). 예를들어, 소셜커머스, 공연, SNS, 블로그, 뉴스 등의 웹 문서에서 어느 하나가 선택될 수 있다. 여기서, 부가적으로 특정 지역이 선택될 수도 있다.

이어, 선택된 웹 문서에 대응하는 관심지점 형태소의 수가 카운트된다(단계 S504).

이어, 관심지점 형태소에 가중치를 반영하는지의 여부가 체크된다(단계 S506). 본 실시예에서, 관심지점 형태소에 반영되는 가중치는 도 5에서 설명되었으므로 그 설명은 생략한다.

단계 S506에서 가중치 반영으로 체크되면, 관심지점 형태소의 수에 가중치가 반영된다(단계 S508).

단계 S506에서 가중치 미반영으로 체크되거나 단계 S508에 이어, 선택된 웹 문서에 대응하는 위치 형태소의 수가 카운트된다(단계 S510).

위치 형태소에 가중치를 반영하는지의 여부가 체크된다(단계 S512). 본 실시예에서, 위치 형태소에 반영되는 가중치는 도 5에서 설명되었으므로 그 설명은 생략한다.

단계 S512에서 위치 형태소의 수에 가중치가 반영된다(단계 S514).

단계 S512에서 가중치 미반영으로 체크되거나 단계 S514에 이어, 관심지점 형태소의 수와 위치 형태소의 수가 합산되어 합산치(S)가 생성된다(단계 S516).

단계 S516에서 생성된 합산치(S)와 기 설정된 기준치(R)가 서로 비교된다(단계 S518).

단계 S518에서 합산치(S)가 기준치(R)보다 작은 것으로 체크되면, 선택된 웹 문서는 비인기 상권으로 판별된다(단계 S520).

단계 S518에서 합산치(S)가 기준치(R)보다 큰 것으로 체크되면, 선택된 웹 문서는 인기 상권으로 판별된다(단계 S522).

단계 S518에서 합산치(S)가 기준치(R)와 같은 것으로 체크되면, 선택된 웹 문서는 정체 상권으로 판별된다(단계 S524).

도 8은 도 4에 도시된 관심지점 카테고리별 상권분석 단계를 설명하기 위한 흐름도이다.

도 4 및 도 8을 참조하면, 특정 관심지점 카테고리가 선택된다(단계 S600). 본 실시예에서, 관심지점 카테고리는 대분류, 하나의 대분류에서 분류된 중분류, 하나의 중분류에서 분류된 소분류 등으로 구분되어 정의될 수 있다. 예를들어, 대분류 카테고리는 생활편의, 쇼핑 등으로 구분될 수 있다. 중분류 카테고리는 음식점, 대형 유통점 등으로 구분될 수 있다. 소분류 카테고리는 패스트푸드, 백화점 등으로 구분될 수 있다.

이어, 선택된 관심지점 카테고리에 대응하는 관심지점 형태소의 수가 카운트된다(단계 S604).

이어, 관심지점 형태소에 가중치를 반영하는지의 여부가 체크된다(단계 S606). 본 실시예에서, 관심지점 형태소에 반영되는 가중치는 도 5에서 설명되었으므로 그 설명은 생략한다. 단계 S606에서 가중치 반영으로 체크되면, 관심지점 형태소의 수에 가중치가 반영된다(단계 S608).

단계 S606에서 가중치 미반영으로 체크되거나 단계 S608에 이어, 선택된 관심지점 카테고리에 대응하는 위치 형태소의 수가 카운트된다(단계 S610).

위치 형태소에 가중치를 반영하는지의 여부가 체크된다(단계 S612). 본 실시예에서, 위치 형태소에 반영되는 가중치는 도 5에서 설명되었으므로 그 설명은 생략한다. 단계 S612에서 위치 형태소의 수에 가중치가 반영된다(단계 S614).

단계 S612에서 가중치 미반영으로 체크되거나 단계 S614에 이어, 관심지점 형태소의 수와 위치 형태소의 수가 합산된다(단계 S616).

합산치(S)와 기준치(R)가 서로 비교된다(단계 S618).

단계 S618에서 합산치(S)가 기준치(R)보다 작은 것으로 체크되면, 선택된 관심지점 카테고리는 비인기 상권으로 판별된다(단계 S620).

단계 S618에서 합산치(S)가 기준치(R)보다 큰 것으로 체크되면, 선택된 관심지점 카테고리는 인기 상권으로 판별된다(단계 S622).

단계 S618에서 합산치(S)가 기준치(R)와 같은 것으로 체크되면, 선택된 관심지점 카테고리는 정체 상권으로 판별된다(단계 S624).

이하에서, 본 실시예에 따른 시간에 따른 상권분석을 보다 상세히 설명한다. 설명의 편의를 위해, 서울시내의 중요 상권이라 할 수 있는 강남구 신사동, 영등포, 명동을 지역으로 설정하고, 웹 문서에서 관심지점 형태소와 위치 형태소를 추출하는 기간 역시 2014년 1월부터 2014년 11월까지 추출하는 것을 그 일례로 설명한다.

표 1은 웹 문서에서 기간별 지역별 추출된 관심지점 형태소와 위치 형태소의 전체 개수를 설명하기 위한 표이다. 도 9는 웹 문서에서 기간별 지역별 추출된 관심지점 형태소와 위치 형태소의 전체 개수를 설명하기 위한 그래프이다. 특히, 표 1에 대응하는 그래프가 도시된다. 본 실시예에서, 웹 문서에서 추출되고 지역별 관심지점(POI) 형태소와 위치 형태소의 전체 개수의 예를 나타낸다.

[표 1]

표 1 및 도 9를 참조하면, 2014년 1월에 웹 문서에서 신사동, 영등포, 명동과 관련하는 각각의 관심지점 형태소와 위치 형태소의 전체 개수는 1,000, 3,000 및 5,000이고, 2014년 2월에 웹 문서에서 신사동, 영등포, 명동과 관련하는 각각의 관심지점 형태소와 위치 형태소의 전체 개수는 1,000, 3,100 및 4,500이고, 2014년 3월에 웹 문서에서 신사동, 영등포, 명동과 관련하는 각각의 관심지점 형태소와 위치 형태소의 전체 개수는 1,000, 3,000 및 5,000이다.

또한, 2014년 4월에 웹 문서에서 신사동, 영등포, 명동과 관련하는 각각의 관심지점 형태소와 위치 형태소의 전체 개수는 1,000, 2,900 및 5,200이고, 2014년 5월에 웹 문서에서 신사동, 영등포, 명동과 관련하는 각각의 관심지점 형태소와 위치 형태소의 전체 개수는 1,000, 2,800 및 5,200이고, 2014년 6월에 웹 문서에서 신사동, 영등포, 명동과 관련하는 각각의 관심지점 형태소와 위치 형태소의 전체 개수는 1,000, 2,700, 5,100이다.

이러한 방식으로 2014년 7월 내지 11월 각각에 대응하여 웹 문서에서 각 지역과 관련하는 관심지점 형태소와 위치 형태소의 전체 개수가 정리될 수 있다.

도 9를 참조하면, 웹 문서들에서 매월 각 지역에 대응하여 추출된 관심지점 형태소와 위치 형태소의 전체 개수를 근거로 일명 웹 문서 분석지수를 정의할 수 있다.

도 9에 도시된 바와 같이, 시간이 경과되더라도 웹 문서에서 명동이 가장 많이 히트되고 있고, 영등포가 중간 정도의 수준으로 히트되고 있으며, 신사동이 가장 적은 수준으로 히트되고 있음을 확인할 수 있다.

표 2는 표 1에서 각 지역에 대응하는 관심지점(POI) 형태소의 전체 개수의 예를 설명하기 위한 표이다. 도 10은 각 지역에 대응하는 관심지점(POI) 형태소의 전체 개수의 예를 설명하기 위한 그래프이다. 특히, 표 2에 대응하는 그래프가 도시된다.

[표 2]

표 2 및 도 10을 참조하면, 2014년 1월에 웹 문서에서 신사동, 영등포, 명동과 관련하는 각각의 관심지점 형태소의 전체 개수는 500, 400 및 3,500이고, 2014년 2월에 웹 문서에서 신사동, 영등포, 명동과 관련하는 각각의 관심지점 형태소의 전체 개수는 480, 500 및 3,200이고, 2014년 3월에 웹 문서에서 신사동, 영등포, 명동과 관련하는 각각의 관심지점 형태소의 전체 개수는 520, 600 및 3,500이다.

또한, 2014년 4월에 웹 문서에서 신사동, 영등포, 명동과 관련하는 각각의 관심지점 형태소의 전체 개수는 479, 650 및 3,200이고, 2014년 5월에 웹 문서에서 신사동, 영등포, 명동과 관련하는 각각의 관심지점 형태소의 전체 개수는 500, 850 및 3,500이고, 2014년 6월에 웹 문서에서 신사동, 영등포, 명동과 관련하는 각각의 관심지점 형태소의 전체 개수는 530, 900 및 3,600이다.

이러한 방식으로 2014년 7월 내지 11월 각각에 대응하여 웹 문서에서 각 지역과 관련하는 관심지점 형태소의 전체 개수가 정리될 수 있다.

도 10에 나타낸 바와 같이, 웹 문서들에서 매월 각 지역에 대응하여 추출된 관심지점 형태소의 전체 개수를 근거로 일명 지역별 POI 지수를 정의할 수 있다. 도 10에 도시된 바와 같이, 시간이 경과되더라도 웹 문서에서 명동이 가장 많이 히트되고 있고 신사동은 가장 적게 히트되고 있음을 확인할 수 있다. 한편, 시간이 경과됨에 따라 영등포는 점차적으로 증가하는 수준으로 히트되고 있음을 확인할 수 있다.

한편, 상권분석시 인기도와 상점의 전체 개수 뿐 아니라 상권의 면적이나 밀도 역시 중요하다. 즉, 일반적으로 상가는 1층뿐만 아니라 2층 이상 또는 지하층에도 배치되므로 상권의 면적이나 밀도를 상권분석시 고려해야 할 변수이다.

특히, 평면적인 분석보다는 입체적인 분석이 상권분석의 신뢰도를 높일 수 있다. 입체적인 상권분석을 위해서는 2차원(이하, 2D) 면적을 3차원(이하, 3D) 면적으로 변환하는 작업이 요구된다.

표 3은 각 지역의 2D 면적과 3D 면적의 예를 나타낸다. 여기서, 면적은 상대적인 크기 비교가 가능하도록 단순히 숫자로만 나타내었다. 또한, 3D 면적은 해당 지역내에 있는 건물 정보 DB를 이용하여 계산될 수 있다. 표 3에서 AOI는 관심영역(area of interest)의 의미한다.

[표 3]

표 3을 참조하면, 2D 면적에서 신사동이 가장 작고 영등포가 중간이며 명동은 가장 넓은 면적인 반면, 3D 면적에서 신사동이 가장 넓고 명동이 중간이며 영등포가 가장 작은 면적인 것을 확인할 수 있다. 즉, 비록 2D 면적에서 명동이 영등포보다 넓은 면적이다. 하지만, 명동에는 비교적 낮은 높이의 건물들이 존재하는 반면 영등포에는 비교적 높은 높이의 건물들이 존재한다. 따라서, 2D 면적에서 영등포와 명동간의 차이보다는 3D 면적에서 영등포와 명동간의 차이는 좁혀진 것을 확인할 수 있다.

표 3에서 각 지역별 2D 면적이나 3D 면적은 시간의 흐름에 따라 고정될 수도 있고, 변경될 수도 있다. 예를들어, 1열전에 비해 현재 건물이 신축되거나 증축되는 경우 2D 면적이나 3D 면적은 시간의 흐름에 따라 증가할 수 있다. 하지만, 본 실시예에서는 설명의 편의를 위해 시간의 2D 면적이나 3D 면적은 고정된 것으로 예시한다.

표 4는 각 지역의 2D 단위 면적당 관심지점(POI)의 밀도의 예를 나타낸다. 도 11은 각 지역의 2D 단위 면적당 관심지점(POI)의 밀도의 예를 설명하기 위한 그래프이다. 특히, 표 4에 대응하는 그래프가 도시된다. 본 실시예에서, 표 2에 나타낸 각 지역별 기간별 관심지점 형태소의 전체 개수를 표 3에 나타낸 각 지역별 2D 면적으로 나눈 값을 2D 단위 면적당 관심지점의 밀도로 정의한다.

[표 4]

표 4 및 도 11을 참조하면, 2014년 1월 동안 신사동, 영등포, 명동과 관련하는 각각의 2D 단위 면적당 관심지점의 밀도는 0.5, 0.1333, 0.7이고, 2014년 2월 동안 신사동, 영등포, 명동과 관련하는 각각의 2D 단위 면적당 관심지점의 밀도는 0.48, 0.1666, 0.64이고, 2014년 3월 동안 신사동, 영등포, 명동과 관련하는 각각의 2D 단위 면적당 관심지점의 밀도는 0.52, 0.2, 0.7이다.

이러한 방식으로 2014년 4월 내지 11월 각각에 대응하여 각 지역의 2D 단위 면적당 관심지점의 밀도가 계산될 수 있다.

도 11에서 확인할 수 있듯이, 시간의 흐름에 따라, 명동에 대응하는 2D 단위 면적당 관심지점의 밀도나 신사동에 대응하는 2D 단위 면적당 관심지점의 밀도는 변화가 없지만, 영등포에 대응하는 2D 단위 면적당 관심지점의 밀도는 점차적으로 증가하는 것을 확인할 수 있다.

2D 단위 면적당 관심지점의 밀도가 낮다는 것은 상가의 밀도가 낮다는 의미이므로 상가의 밀도가 낮을수록 상권 경쟁은 낮다는 것을 유추할 수 있다. 한편, 2D 단위 면적당 관심지점의 밀도가 높다는 것은 상가의 밀도가 높다는 의미이므로 상가의 밀도가 높을수록 상권 경쟁은 치열하다는 것을 유추할 수 있다.

표 5는 지역의 3D 단위 면적당 관심지점(POI)의 밀도의 예를 나타낸다. 도 12는 지역의 3D 단위 면적당 관심지점(POI)의 밀도의 예를 설명하기 위한 그래프이다. 특히 표 5에 대응하는 그래프가 도시된다. 본 실시예에서, 표 2에 나타낸 각 지역별 기간별 관심지점 형태소의 전체 개수를 표 3에 나타낸 각 지역별 3D 면적으로 나눈 값을 3D 단위 면적당 관심지점의 밀도로 정의한다.

[표 5]

표 5 및 도 12를 참조하면, 2014년 1월 동안 신사동, 영등포, 명동과 관련하는 각각의 3D 단위 면적당 관심지점의 밀도는 0.05, 0.08, 0.5833이고, 2014년 2월 동안 신사동, 영등포, 명동과 관련하는 각각의 3D 단위 면적당 관심지점의 밀도는 0.048, 0.1, 0.5333이고, 2014년 3월 동안 신사동, 영등포, 명동과 관련하는 각각의 3D 단위 면적당 관심지점의 밀도는 0.052, 0.12, 0.5833이다.

이러한 방식으로 2014년 4월 내지 11월 각각에 대응하여 각 지역의 3D 단위 면적당 관심지점의 밀도가 계산될 수 있다.

도 12에서 확인할 수 있듯이, 시간이 흐르더라도 명동에 대응하는 3D 단위 면적당 관심지점의 밀도는 신사동에 대응하는 3D 단위 면적당 관심지점의 밀도 보다 항상 높은 값을 갖는 것을 확인할 수 있다. 또한, 시간의 흐름에 따라, 명동에 대응하는 3D 단위 면적당 관심지점의 밀도의 변화나 신사동에 대응하는 3D 단위 면적당 관심지점의 밀도의 변화는 큰 변화가 없다는 것을 확인할 수 있다.

하지만, 시간의 흐름에 따라, 영등포에 대응하는 3D 단위 면적당 관심지점의 밀도 는 그 변화는 점차적으로 증가하는 것을 확인할 수 있다. 특히, 2014년 1월 동안에는 3D 단위 면적당 관심지점의 밀도가 신사동과 영등포가 거의 동일하였으나, 시간이 흘러 2014년 11월 동안에는 3D 단위 면적당 관심지점의 밀도가 증가하여 영등포는 신사동에 비해 절대적 우위에 있는 것을 확인할 수 있다.

3D 단위 면적당 관심지점의 밀도가 낮다는 것은 상가의 밀도가 낮다는 의미이므로 상가의 밀도가 낮을수록 상권 경쟁은 낮다는 것을 유추할 수 있다. 한편, 3D 단위 면적당 관심지점의 밀도가 높다는 것은 상가의 밀도가 높다는 의미이므로 상가의 밀도가 높을수록 상권 경쟁은 치열하다는 것을 유추할 수 있다.

상술된 표들을 토대로 단순 상권지수, 2D 면적이 반영된 2D 상권지수, 3D면적이 반영된 3D 상권지수 각각이 후술하는 표 6, 표 7, 표 8과 같이 계산될 수 있다.

표 6은 단순 상권지수를 설명하기 위한 표이다. 도 13은 단순 상권지수를 설명하기 위한 그래프이다. 특히 표 6에 대응하는 그래프가 도시된다. 본 실시예에서, 표 1에 나타낸 각 지역별 기간별 관심지점 형태소와 위치 형태소의 전체 개수를 표 2에 나타낸 각 지역별 관심지점(POI) 형태소의 전체 개수로 나눈 값을 상권지수로 정의한다.

[표 6]

표 6 및 도 13을 참조하면, 2014년 1월 동안 신사동, 영등포, 명동에 대응하는 단순 상권지수 각각은 2, 7.5, 1.428이고, 2014년 2월 동안 신사동, 영등포, 명동에 대응하는 단순 상권지수 각각은 2.083, 6.2, 1.406이고, 2014년 3월 동안 신사동, 영등포, 명동에 대응하는 단순 상권지수 각각은 1.923, 5, 1.428이다.

이러한 방식으로 2014년 4월 내지 11월 각각에 대응하여 각 지역의 단순 상권지수들이 계산될 수 있다.

도 13에서 확인할 수 있듯이, 전체적으로 명동의 단순 상권지수는 상대적으로 낮으면서 변화가 없다는 것을 확인할 수 있다. 하지만, 신사동의 단순 상권지수는 시간이 흐름에 따라 점차적으로 증가하는 것을 확인할 수 있다. 또한, 영등포의 단순 상권지수는 2014년 1월에는 매우 높지만 시간이 흐름에 따라 급격히 낮아지는 것을 확인할 수 있다.

표 7은 2D 면적이 반영된 2D 상권지수를 설명하기 위한 표이다. 도 14는 2D 면적이 반영된 2D 상권지수를 설명하기 위한 그래프이다. 특히 표 7에 대응하는 그래프가 도시된다. 본 실시예에서, 표 1에 나타낸 각 지역별 기간별 관심지점 형태소와 위치 형태소의 전체 개수를 표 2에 나타낸 각 지역별 관심지점(POI) 형태소의 전체 개수로 나눈 후 그 결과값을 표 4의 2D 단위 면적당 관심지점의 밀도로 나눈 값을 상권지수로 정의한다.

[표 7]

표 7 및 도 14를 참조하면, 2014년 1월 동안 신사동, 영등포, 명동에 대응하는 2D 상권지수 각각은 4, 56.25, 2.0408이고, 2014년 2월 동안 신사동, 영등포, 명동에 대응하는 2D 상권지수 각각은 4.34, 37.2, 2.197이고, 2014년 3월 동안 신사동, 영등포, 명동에 대응하는 2D 상권지수 각각은 3.698, 25, 2.040이다.

이러한 방식으로 2014년 4월 내지 11월 각각에 대응하여 각 지역의 2D 상권지수들이 계산될 수 있다.

도 14에서 확인할 수 있듯이, 전체적으로 명동의 2D 상권지수는 상대적으로 낮으면서 변화가 없다는 것을 확인할 수 있다. 하지만, 신사동의 2D 상권지수는 시간이 흐름에 따라 점차적으로 증가하는 것을 확인할 수 있다. 또한, 영등포의 2D 상권지수는 2014년 1월에는 매우 높지만 시간이 흐름에 따라 급격히 낮아지는 것을 확인할 수 있다.

즉, 2D 밀도가 낮을 수록 2D 상권지수가 증가하고, 2D 밀도가 높을수록 2D 상권지수가 감소하는 것을 확인할 수 있다. 2D 밀도가 낮다는 것은 경쟁 업체의 수가 작다는 것을 의미할 수 있고 이에 따라 하나의 상가가 커버하는 영역이 넓다는 것을 의미할 수 있다.

표 8은 3D 면적이 반영된 3D 상권지수를 설명하기 위한 표이다. 도 15는 3D 면적이 반영된 3D 상권지수를 설명하기 위한 그래프이다. 특히 표 8에 대응하는 그래프가 도시된다. 본 실시예에서, 표 1에 나타낸 각 지역별 기간별 관심지점 형태소와 위치 형태소의 전체 개수를 표 2에 나타낸 각 지역별 관심지점(POI) 형태소의 전체 개수로 나눈 후 그 결과값을 표 5의 3D 단위 면적당 관심지점의 밀도로 나눈 값을 상권지수로 정의한다.

[표 8]

표 8 및 도 15를 참조하면, 2014년 1월 동안 신사동, 영등포, 명동에 대응하는 3D 상권지수 각각은 40, 93.75, 2.4489이고, 2014년 2월 동안 신사동, 영등포, 명동에 대응하는 3D 상권지수 각각은 43.40, 62, 2.636이고, 2014년 3월 동안 신사동, 영등포, 명동에 대응하는 3D 상권지수 각각은 36.98, 41.66, 2.4489이다.

이러한 방식으로 2014년 4월 내지 11월 각각에 대응하여 각 지역의 3D 상권지수들이 계산될 수 있다.

도 15에서 확인할 수 있듯이, 전체적으로 명동의 3D 상권지수는 다른 두 지역이 비해 매우 낮고 변화 역시 없다는 것을 확인할 수 있다. 한편, 영등포의 3D 상권지수는 2014년 1월에는 매우 높지만 시간이 흐름에 따라 급격히 낮아지는 것을 확인할 수 있다. 그럼에도 불구하고 영등포의 3D 상권지수는 명동의 3D 상권지수보다는 높다는 것을 확인할 수 있다.

하지만, 신사동의 3D 상권지수는 2014년 1월부터 2014년 3월까지는 명동의 3D 상권지수보다는 높고 영등포의 3D 상권지수보다는 낮지만, 2014년 4월부터는 명동이나 영등포의 3D 상권지수보다 높다는 것을 확인할 수 있다. 즉, 신사동의 3D 상권지수는 시간이 흐름에 따라 점차적으로 증가하여 2014년 11월에는 명동이나 영등포의 3D 상권지수보다 월등히 높다는 것을 확인할 수 있다.

즉, 3D 밀도가 낮을 수록 3D 상권지수가 증가하고, 3D 밀도가 높을수록 3D 상권지수가 감소하는 것을 확인할 수 있다. 3D 밀도가 낮다는 것은 경쟁 업체의 수가 작다는 것을 의미할 수 있고 이에 따라 하나의 상가가 커버하는 영역이 넓다는 것을 의미할 수 있다.

상술된 사항들을 간략히 정리하면 아래와 같다.

도 9를 참조하면, 웹 문서에서 언급이 많으면 해당 지역은 인기 상권으로 보인다. 하지만, 도 13을 참조하면, 시계열상의 추이와 관심지점(POI) 밀도 대비 웹 분석으로 상권의 상대적 가치를 알 수 있다. 즉, 웹 분석 결과가 좋아도 관심지점(POI)을 고려했을 때 영등포나 명동은 오히려 상권이 나빠지는 것을 확인할 수 있다.

또한, 도 14를 참조하면, 지역의 넓이 밀도를 고려하면 또 다른 시각에서 분석이 가능하다. 즉, 도 13에서는 상권이 점점 좋아지는 것으로 보이지만 밀도를 고려하면 특히 신사동의 경우 상권이 아주 많이 좋아지지는 않는 것을 확인할 수 있다.

또한, 지역의 건물 층까지 고려한 3D 밀도를 고려하면 다시 또 다른 시각의 분석이 가능하다. 즉, 도 14에서는 별로 좋아 보이지 않는 신사동 상권이 도 15를 확인하면 두드러지게 좋아지고 있음을 확인할 수 있다. 이는 고층 건물이 많은 지역으로서 인구밀도가 높고 상대적으로 사용 가능한 지역이 넓기 때문이다.

이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어부로 변경될 수 있으며, 그 역도 마찬가지이다.

이상에서는 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

이상에서 설명한 바와 같이, 본 발명에 따르면, 지역 정보나 지역 특성을 시간의 흐름으로 파악하여 지역에 대한 상권분석이 필요하다는 점에 착안하여, 소셜 커머스, 공연, SNS, 블로그, 뉴스 등과 같은 실시간 웹 문서를 수집하고 수집된 웹 문서에서 위치 정보 및 관심지점(POI)을 추출하고, 지역 기준으로 분류 및 분석하고, 언급된 횟수를 기반으로 인기 지역을 판별한다. 특히, 추출된 웹 문서의 종류 및 관심지점(POI) 카테고리에 따라 어떤 분야에서 인기가 있는지 판별할 수 있다.

100 : 지역 상권 흐름 분석 시스템 110 : 웹 문서 수집부
120 : 웹 문서 저장 DB 130 : 형태소 분석부
140 : 형태소 분류-저장부 142 : 형태소 추출부
144 : 형태소 분류부 150 : 관심지점 형태소 저장 DB
160 : 위치 형태소 저장 DB 170 : 상권 흐름 판별부
172 : 지역별 상권분석 모듈 174 : 기간별 상권분석 모듈
176 : 웹 문서 종류별 상권분석 모듈
178 : 관심지점 카테고리별 상권분석 모듈
179 : 인터페이스 모듈 200 : POI DB
300 : 단말기

Claims (12)

1. 삭제
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 복수의 웹 문서들을 수집하는 웹 문서 수집부;
   수집된 웹 문서들에서 형태소를 분석하는 형태소 분석부;
   분석된 형태소들을 지역별로 분류하여 저장하는 형태소 분류-저장부; 및
   상기 지역 기준으로 저장된 상기 형태소의 수를 근거로 상권 지역을 판별하는 상권 흐름 판별부를 포함하되,
   상기 형태소는, 관심지점(POI) DB에 등록된 정보에 대응하는 관심지점 형태소 및 상기 관심지점 DB에 등록되지 않은 위치 정보에 대응하는 위치 형태소를 포함하고,
   상기 형태소 분류-저장부는,
   분석된 형태소들에서 상기 관심지점 형태소 및 상기 위치 정보에 대응하는 위치 형태소를 추출하는 형태소 추출부; 및
   지역 기준으로 상기 관심지점 형태소 및 상기 위치 형태소 각각을 분류하는 형태소 분류부를 포함하는 것을 특징으로 하는 지역 상권 흐름 분석 시스템.
8. 삭제
9. 삭제
10. 제7항에 있어서,
    상기 형태소 분류부에 의해 분류된 관심지점 형태소를 저장하는 관심지점 형태소 저장 DB; 및
    상기 형태소 분류부에 의해 분류된 위치 형태소를 저장하는 위치 형태소 저장 DB를 더 포함하는 것을 특징으로 하는 지역 상권 흐름 분석 시스템.
11. 제10항에 있어서, 상기 상권 흐름 판별부는,
    상기 지역 기준으로 상기 관심지점 형태소 저장 DB에 저장된 관심지점 형태소의 수와 상기 위치 형태소 저장 DB에 저장된 위치 형태소의 수를 근거로 시간의 흐름에 따른 분석을 통해 상권 지역을 판별하는 것을 특징으로 하는 지역 상권 흐름 분석 시스템.
12. 제11항에 있어서, 상기 상권 흐름 판별부는,
    지역에 대응하여 상권을 분석하는 지역별 상권분석 모듈, 지역 및 기간에 대응하여 상권을 분석하는 기간별 상권분석 모듈, 지역에 대응하여 기입된 웹 문서 종류별로 상권을 분석하는 웹 문서 종류별 상권분석 모듈 및 관심지점 카테고리별로 상권을 분석하는 관심지점 카테고리별 상권분석 모듈 중 하나 이상을 포함하는 것을 특징으로 하는 지역 상권 흐름 분석 시스템.

Images