KR101741626B1 - 서비스 서버 및 그것의 조직 구조 변경 방법 - Google Patents

서비스 서버 및 그것의 조직 구조 변경 방법 Download PDF

Info

Publication number
KR101741626B1
KR101741626B1 KR1020160115687A KR20160115687A KR101741626B1 KR 101741626 B1 KR101741626 B1 KR 101741626B1 KR 1020160115687 A KR1020160115687 A KR 1020160115687A KR 20160115687 A KR20160115687 A KR 20160115687A KR 101741626 B1 KR101741626 B1 KR 101741626B1
Authority
KR
South Korea
Prior art keywords
node
level
hierarchical
calculated
operating profit
Prior art date
Application number
KR1020160115687A
Other languages
English (en)
Inventor
김인교
박영원
Original Assignee
주식회사 모비즈
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 모비즈 filed Critical 주식회사 모비즈
Priority to KR1020160115687A priority Critical patent/KR101741626B1/ko
Application granted granted Critical
Publication of KR101741626B1 publication Critical patent/KR101741626B1/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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0214—Referral reward systems
    • 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
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06Q30/0283—Price estimation or determination

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Mathematical Optimization (AREA)
  • Educational Administration (AREA)
  • Computational Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 하나 이상의 사용자 단말기가 추천이나 초대 방식에 따라 상품 영업 서비스에 회원 가입하게 되면, 추천자 또는 초대자를 기준으로 계층적 노드들을 생성하고, 일정 기간 동안에 모든 노드들에 발생된 매출과 영업이익을 통해 각 노드들에 대한 공헌도를 산출하여, 산출된 공헌도에 따라 노드 구조를 변경할 수 있도록 하는, 서비스 서버와, 장치 및 서비스 서버의 조직 구조 변경 방법이 개시된다.
개시된 서비스 서버의 조직 구조 변경 방법은, (a) 마이크로 프로세서가 하나 이상의 사용자 단말기로부터 통신부를 통해 추천이나 초대 정보가 포함된 회원가입 정보를 입력받아 데이터베이스(DB)에 저장하는 단계; (b) 마이크로 프로세서가 상기 회원가입 정보에 근거해 각 노드를 생성하되, 상기 추천이나 초대 정보와 가입 순서에 의한 레벨(Level)에 따라 각 노드가 연결(link) 된 계층적 노드(Hierarchy Node)를 생성하고, 생성된 계층적 노드에 대한 노드 매칭 정보를 데이터베이스(DB)에 저장하는 단계; (c) 마이크로 프로세서가 상기 계층적 노드에 대한 각 노드의 판매실적(S)을 입력부를 통해 입력받아 데이터베이스(DB)에 저장하고, 상기 각 노드의 판매실적(S)을 이용해 각 노드의 평가실적(A)을 산출하는 단계; (d) 마이크로 프로세서가 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 평가실적(A)을 비교하는 단계; (e) 마이크로 프로세서가 상기 비교 결과, 하위 노드가 상위 노드보다 평가실적(A)이 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하는 단계; (f) 마이크로 프로세서가 상기 계층적 노드의 구조가 변경될 때마다 전체 평가실적을 산출하고, 산출된 전체 평가실적을 해당 변경 구조에 대응시켜 데이터베이스(DB)에 누적해 저장하는 단계; (g) 마이크로 프로세서가 상기 데이터베이스(DB)에 누적 저장된 변경 구조에 따른 전체 평가실적들을 내림차순으로 리스팅(Listing)하고, 최상위로부터 일정 순위에 해당하는 변경 구조를 추천하는 단계; 및 (h) 마이크로 프로세서가 상기 추천된 변경 구조 중 하나의 변경 구조를 입력부를 통해 선택 입력받는 경우, 선택 입력받은 변경 구조에 따라 상기 계층적 노드를 변경하여 설정하는 단계를 포함한다.

Description

서비스 서버 및 그것의 조직 구조 변경 방법{Service server, apparatus, and its method for changing structure of group using contributiveness}
본 발명은 서비스 서버와, 장치 및 서비스 서버의 조직 구조 변경 방법에 관한 것으로서, 더욱 자세하게는 하나 이상의 사용자 단말기가 추천이나 초대 방식에 따라 상품 영업 서비스에 회원 가입하게 되면, 추천자 또는 초대자를 기준으로 계층적 노드들을 생성하고, 일정 기간 동안에 모든 노드들에 발생된 매출과 영업이익을 통해 각 노드들에 대한 공헌도를 산출하여, 산출된 공헌도에 따라 노드 구조를 변경할 수 있도록 하는, 서비스 서버와, 장치 및 서비스 서버의 조직 구조 변경 방법에 관한 것이다.
일반적으로 상품을 소비자에게 판매하는 방법으로는 상품을 진열하여 소비자가 직접 선택할 수 있게 하는 기존의 시장 방식과, 상품을 들고 소비자를 방문하여 홍보 및 판매하는 방문 판매 방식이 있다.
또한, 이 외에 상품에 대한 정보를 광고 매체수단을 통하여 홍보한 다음 우편 또는 통신 수단을 통하여 소비자로부터 직접 주문을 받아 판매하는 통신 판매 방식, 판매자가 상품을 공급하는 공급자로부터 상품을 인도받아 이를 소비자에게 직접 판매하는 방법으로 상품 제공자와 소비자 사이를 연결하기 위하여 여러 단계의 판매자가 수직 관계를 통하여 연결되는 다단계 판매 방식 등이 있다.
이러한 다수의 상품 판매 방법 중 다단계 판매 방식은 상품 공급자에서 여러 단계의 중간 판매자를 경유해 소비자로 이루어지는 상품 유통 과정을 거쳐 판매하는 것이다. 즉, 다단계 판매 방식은 상품 공급자로부터 소비자에게 상품이 공급될 때에는 상품 공급자로부터 소비자에게 직접 전달되거나, 중간에 중간 판매자를 거쳐 판매된다.
이 방식은 상품 공급자와 소비자 사이를 중간 판매자가 직접 연결하여 판매하기 때문에 광고 수단을 통한 홍보나, 상품의 진열을 위한 매장 확보 등의 자본 소요가 없어서 소규모의 자본으로도 상품을 유통시킬 수 있는 장점이 있다.
여기서, 여러 단계의 중간 판매자는 상품의 효율적인 홍보와 판매를 위하여 상급 단계의 중간 판매자에 예속된 하급 단계의 중간 판매자가 서로 다단계 구조로 이루어진다. 따라서, 상급 단계의 중간 판매자일수록 많은 수의 중간 판매자를 보유하게 되는 것이다.
이렇게 소비자에게 상품을 판매할 때 발생하는 판매 이익을 상품 공급자와 여러 단계의 중간 판매자가 정해진 비율로 나누어 갖게 되는데, 상급 단계일수록 하급 단계의 중간 판매자의 수가 많아서 판매 활동이 왕성하게 일어나므로 고수익을 기대할 수 있다.
다만, 이러한 형태의 다단계 판매 방식은 수익 분배에 있어서 상급 단계의 중간 판매자에게 유리하게 되어 있기 때문에, 하급 단계의 중간 판매자는 항상 고수익 대상에서 배제가 되거나 피해자가 되기 쉽다. 따라서, 상거래 시에 발생된 수익을 상하 수직관계 구조 상에서 분배를 효율적으로 수행할 수 있는 방법이 요구되고 있다.
한국 공개특허공보 제10-2016-0043605호(공개일 : 2016.04.22)
전술한 문제점을 해결하기 위한 본 발명의 목적은, 상거래 시에 발생된 수익을 상하 수직관계 구조 상에서 효율적으로 분배하기 위해, 하나 이상의 사용자 단말기가 추천이나 초대 방식에 따라 상품 영업 서비스에 회원 가입하게 되면, 추천자 또는 초대자를 기준으로 계층적 노드들을 생성하고, 일정 기간 동안에 모든 노드들에 발생된 매출과 영업이익을 통해 각 노드들에 대한 공헌도를 산출하여, 산출된 공헌도에 따라 노드 구조를 변경할 수 있도록 하는, 서비스 서버 및 서비스 서버의 조직 구조 변경 방법을 제공함에 있다.
전술한 목적을 달성하기 위한 본 발명에 따른 서비스 서버는, 하나 이상의 사용자 단말기와 통신 네트워크를 통해 데이터를 송수신하기 위한 통신부; 상기 하나 이상의 사용자 단말기로부터 입력받은 추천이나 초대 정보가 포함된 회원 가입 정보를 저장하고, 상기 회원 가입 정보에 근거해 생성된 계층적 노드에 대한 노드 매칭 정보를 저장하는 데이터베이스(DB); 및 상기 회원가입 정보에 근거해 각 노드를 생성하되, 상기 추천이나 초대 정보와 가입 순서에 의한 레벨(Level)에 따라 각 노드가 연결(link) 된 계층적 노드(Hierarchy Node)를 생성하고, 생성된 계층적 노드에 대한 노드 매칭 정보를 상기 데이터베이스(DB)에 저장하며, 상기 계층적 노드에 대한 각 노드의 판매실적(S)을 입력받아 상기 데이터베이스(DB)에 저장하고, 상기 각 노드의 판매실적(S)을 이용해 각 노드의 평가실적(A)을 산출하며, 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 평가실적(A)을 비교하여, 비교 결과, 하위 노드가 상위 노드보다 평가실적(A)이 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하며, 상기 계층적 노드의 구조가 변경될 때마다 전체 평가실적을 산출하고, 산출된 전체 평가실적을 해당 변경 구조에 대응시켜 상기 데이터베이스(DB)에 누적해 저장하며, 상기 데이터베이스(DB)에 누적 저장된 변경 구조에 따른 전체 평가실적들을 내림차순으로 리스팅(Listing)하고, 최상위로부터 일정 순위에 해당하는 변경 구조를 추천하여, 추천된 변경 구조 중 하나의 변경 구조를 선택 입력받는 경우, 선택 입력받은 변경 구조에 따라 상기 계층적 노드를 변경하여 설정하는 제어부를 포함할 수 있다.
여기서, 상기 제어부는, 상기 평가실적(A)에 대하여 상기 판매실적(S)에 후원실적(P)을 더하여 산출하고, 상기 후원실적(P)은 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 산출하며, 해당 레벨(Ln-2)의 후원실적(Pn-2)은 다음 수학식에 따라 하위 레벨(Ln-1) 노드의 판매실적(Sn-1)에 해당 레벨의 후원율(Rn-2)을 곱하여 산출하되, 상기 해당 레벨의 후원율(Rn-2)은 하위 레벨(Ln-1)의 후원율(Rn-1)에 일정값(α)을 더하여 산출할 수 있다.
이때, 상기 후원율(R)은 상기 계층적 노드의 최하위 레벨(Ln)에 해당하는 노드에는 존재하지 않고 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln - 1)에 해당하는 노드부터 후원율(Rn-1)이 존재하며, 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 하나의 레벨이 상승할 때마다 상기 일정값(α)만큼 증가하되, 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)로부터 20 단계의 레벨(Ln-21)까지 증가할 수 있다.
또한, 상기 제어부는, 상기 각 노드들에 대해 일정 기간 동안의 판매량(X)과 영업이익량(Y)을 입력받아 상기 데이터베이스(DB)에 저장하고, 이에 근거해 상기 브랜치(Branch) 단위의 각 노드들에 대한 판매총량(TX), 영업이익총량(TY)을 산출하여, 각 노드 별 판매율(Xr), 영업이익률(Yr), 개별수익률(Zr)에 근거해 각 노드 별로 공헌도(V)를 산출하며, 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교하며, 상기 비교 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경할 수 있다.
또한, 상기 제어부는, 상기 각 노드 별 판매율(Xr)에 대해 각 노드의 판매량(X)을 상기 브랜치(Branch) 단위의 모든 노드들에 대한 매출총량(TX)으로 나누어(X/TX) 산출하고, 상기 각 노드 별 영업이익률(Yr)에 대해 각 노드의 영업이익량(Y)을 상기 브랜치(Branch) 단위의 모든 노드들에 대한 영업이익총량(TY)으로 나누어(Y/TY) 산출하며, 상기 각 노드의 개별수익률(Zr)에 대해 각 노드의 영업이익량(Y)을 상기 브랜치(Branch) 단위의 각 노드의 판매량(X)으로 나누어(Y/X) 산출하며, 상기 각 노드 별 공헌도(V)에 대해 각 노드의 판매율(Xr)과 영업이익률(Yr) 및 개별수익률(Zr)을 더하여 3으로 나누어(Xr+Yr+Zr/3) 산출할 수 있다.
또한, 상기 제어부는, 상기 각 노드 별로 공헌도(V)를 산출한 후, 상기 모든 노드들에 대해 각 노드 별로 산출된 각 노드 별 영업이익률(Yr)과 공헌도(V)를 각 노드의 회원 정보에 매칭시켜 학습 데이터로 상기 데이터베이스(DB)에 저장하고, 상기 학습 데이터에 대해, 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류하며, 상기 모델링 데이터군에 대해, 상기 각 노드 별로 영업이익률(Yr)과 공헌도(V)를 학습하여, 상기 영업이익률(Yr)과 상기 공헌도(V) 간의 관계를 나타내는 추정 함수식(H(x))을 산출하며, 상기 각 노드 별 공헌도(V)와, 상기 추정 함수식(H(Yr))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(t)-V(t)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 상기 노드 수에 따른 데이터 개수(m)로 나누어, 상기 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 영업이익률(Yr)과 공헌도(V)를 가지는 함수식의 기울기(α) 값과 절편(β) 값을 산출하며, 상기 산출된 기울기(α) 값과 절편(β) 값을 상기 추정 함수식에 대입해 모델 함수식(V=αYr+β)을 결정하여, 영업이익률(Yr)에 따른 공헌도(V)를 산출하기 위한 상기 공헌도 모델을 생성할 수 있다.
또한, 상기 제어부는, 상기 공헌도 모델을 생성한 후, 상기 모든 노드들에 대해 각 사용자 단말기로부터 미래 특정 기간 동안의 각 노드 별 매출량(X)과 영업이익량(Y)을 각각 입력받고, 상기 각각 입력받은 각 노드 별 매출량(X)과 영업이익량(Y)에 따라 각 노드 별 영업이익률(Yr)을 산출하고, 산출된 각 노드 별 영업이익률(Yr)을 상기 공헌도 모델에 대입하여 각 노드 별 공헌도(V)를 예측하여 산출할 수 있다.
그리고, 상기 제어부는, 상기 예측하여 산출된 공헌도(V)에 따라 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교하며, 상기 비교 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하여 노드 예측 구조로 생성하며, 상기 노드 예측 구조에 따라 상기 노드 매칭 정보를 업데이트하여 화면 상에 디스플레이하거나 상기 데이터베이스(DB)에 저장할 수 있다.
한편, 전술한 목적을 달성하기 위한 본 발명에 따른 서비스 서버의 조직 구조 변경 방법은, (a) 마이크로 프로세서가 하나 이상의 사용자 단말기로부터 통신부를 통해 추천이나 초대 정보가 포함된 회원가입 정보를 입력받아 데이터베이스(DB)에 저장하는 단계; (b) 마이크로 프로세서가 상기 회원가입 정보에 근거해 각 노드를 생성하되, 상기 추천이나 초대 정보와 가입 순서에 의한 레벨(Level)에 따라 각 노드가 연결(link) 된 계층적 노드(Hierarchy Node)를 생성하고, 생성된 계층적 노드에 대한 노드 매칭 정보를 데이터베이스(DB)에 저장하는 단계; (c) 마이크로 프로세서가 상기 계층적 노드에 대한 각 노드의 판매실적(S)을 입력부를 통해 입력받아 데이터베이스(DB)에 저장하고, 상기 각 노드의 판매실적(S)을 이용해 각 노드의 평가실적(A)을 산출하는 단계; (d) 마이크로 프로세서가 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 평가실적(A)을 비교하는 단계; (e) 마이크로 프로세서가 상기 비교 결과, 하위 노드가 상위 노드보다 평가실적(A)이 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하는 단계; (f) 마이크로 프로세서가 상기 계층적 노드의 구조가 변경될 때마다 전체 평가실적을 산출하고, 산출된 전체 평가실적을 해당 변경 구조에 대응시켜 데이터베이스(DB)에 누적해 저장하는 단계; (g) 마이크로 프로세서가 상기 데이터베이스(DB)에 누적 저장된 변경 구조에 따른 전체 평가실적들을 내림차순으로 리스팅(Listing)하고, 최상위로부터 일정 순위에 해당하는 변경 구조를 추천하는 단계; 및 (h) 마이크로 프로세서가 상기 추천된 변경 구조 중 하나의 변경 구조를 입력부를 통해 선택 입력받는 경우, 선택 입력받은 변경 구조에 따라 상기 계층적 노드를 변경하여 설정하는 단계를 포함한다.
여기서, 상기 (c) 단계는, 상기 마이크로 프로세서가 상기 평가실적(A)에 대하여 상기 판매실적(S)에 후원실적(P)을 더하여 산출하고, 상기 후원실적(P)은 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 산출하며, 해당 레벨(Ln-2)의 후원실적(Pn-2)은 다음 수학식에 따라 하위 레벨(Ln-1) 노드의 판매실적(Sn-1)에 해당 레벨의 후원율(Rn-2)을 곱하여 산출하되, 상기 해당 레벨의 후원율(Rn-2)은 하위 레벨(Ln-1)의 후원율(Rn-1)에 일정값(α)을 더하여 산출할 수 있다.
또한, 상기 후원율(R)은 상기 계층적 노드의 최하위 레벨(Ln)에 해당하는 노드에는 존재하지 않고 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln - 1)에 해당하는 노드부터 후원율(Rn-1)이 존재하며, 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 하나의 레벨이 상승할 때마다 상기 일정값(α)만큼 증가하되, 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)로부터 20 단계의 레벨(Ln-21)까지 증가할 수 있다.
또한, 상기 (b) 단계에서 상기 마이크로 프로세서는, 상기 추천이나 초대로 회원 가입한 노드를 추천자 노드의 하위 노드로 생성하고, 상기 추천이나 초대가 아닌 독립적으로 회원 가입한 노드를 독립된 상위 노드로 생성할 수 있다.
또한, 상기 (b) 단계에서 상기 마이크로 프로세서는, 상기 추천이나 초대가 아니라 독립적으로 회원 가입한 노드 또는 상기 추천이나 초대로 회원 가입한 노드의 최상위 노드에 해당하는 노드를 시작점 노드(Starting Point Node)로 설정할 수 있다.
또한, 상기 (b) 단계에서 상기 마이크로 프로세서는, 상기 계층적 노드에서 2 개 이상의 하위 노드가 2 레벨 이상으로 연결된 상위 노드를 팀장 노드로 설정하고, 설정된 팀장 노드가 2 개 이상이 되는 상위 노드를 부서장 노드로 설정할 수 있다.
또한, 상기 (c) 단계에서 상기 마이크로 프로세서는, 상기 각 노드들에 대해 일정 기간 동안의 판매량(X)과 영업이익량(Y)을 입력받아 상기 데이터베이스(DB)에 저장하고, 이에 근거해 상기 브랜치(Branch) 단위의 각 노드들에 대한 판매총량(TX), 영업이익총량(TY)을 산출하여, 각 노드 별 판매율(Xr), 영업이익률(Yr), 개별수익률(Zr)에 근거해 각 노드 별로 공헌도(V)를 산출하며, 상기 (d) 단계에서 상기 마이크로 프로세서는, 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교하며, 상기 (e) 단계에서 상기 마이크로 프로세서는, 상기 비교 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경할 수 있다.
또한, 상기 (c) 단계에서 상기 마이크로 프로세서는, 상기 각 노드 별 판매율(Xr)에 대해 각 노드의 판매량(X)을 상기 브랜치(Branch) 단위의 모든 노드들에 대한 매출총량(TX)으로 나누어(X/TX) 산출하고, 상기 각 노드 별 영업이익률(Yr)에 대해 각 노드의 영업이익량(Y)을 상기 브랜치(Branch) 단위의 모든 노드들에 대한 영업이익총량(TY)으로 나누어(Y/TY) 산출하며, 상기 각 노드의 개별수익률(Zr)에 대해 각 노드의 영업이익량(Y)을 상기 브랜치(Branch) 단위의 각 노드의 판매량(X)으로 나누어(Y/X) 산출하며, 상기 각 노드 별 공헌도(V)에 대해 각 노드의 판매율(Xr)과 영업이익률(Yr) 및 개별수익률(Zr)을 더하여 3으로 나누어(Xr+Yr+Zr/3) 산출할 수 있다.
또한, 상기 (c) 단계 내지 상기 (h) 단계 이후에 상기 마이크로 프로세서는, (i) 상기 모든 노드들에 대해 각 노드 별로 산출된 각 노드 별 영업이익률(Yr)과 공헌도(V)를 각 노드의 회원 정보에 매칭시켜 학습 데이터로 상기 데이터베이스(DB)에 저장하는 단계; (j) 상기 학습 데이터에 대해, 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류하는 단계; (k) 상기 모델링 데이터군에 대해, 상기 각 노드 별로 영업이익률(Yr)과 공헌도(V)를 학습하여, 상기 영업이익률(Yr)과 상기 공헌도(V) 간의 관계를 나타내는 추정 함수식(H(x))을 산출하는 단계; (l) 상기 각 노드 별 공헌도(V)와, 상기 추정 함수식(H(Yr))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(t)-V(t)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 상기 노드 수에 따른 데이터 개수(m)로 나누어, 상기 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 영업이익률(Yr)과 공헌도(V)를 가지는 함수식의 기울기(α) 값과 절편(β) 값을 산출하는 단계; 및 (m) 상기 산출된 기울기(α) 값과 절편(β) 값을 상기 추정 함수식에 대입해 모델 함수식(V=αYr+β)을 결정하여, 영업이익률(Yr)에 따른 공헌도(V)를 산출하기 위한 상기 공헌도 모델을 생성하는 단계를 더 실행할 수 있다..
그리고, 상기 (m) 단계 이후에 상기 마이크로 프로세서는, (n) 상기 공헌도 모델을 생성한 후, 상기 모든 노드들에 대해 각 사용자 단말기로부터 미래 특정 기간 동안의 각 노드 별 매출량(X)과 영업이익량(Y)을 각각 입력받는 단계; (o) 상기 각각 입력받은 각 노드 별 매출량(X)과 영업이익량(Y)에 따라 각 노드 별 영업이익률(Yr)을 산출하고, 산출된 각 노드 별 영업이익률(Yr)을 상기 공헌도 모델에 대입하여 각 노드 별 공헌도(V)를 예측하여 산출하는 단계; (p) 상기 예측하여 산출된 공헌도(V)에 따라 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교하는 단계; (q) 상기 비교 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하여 노드 예측 구조로 생성하는 단계; 및, 상기 노드 예측 구조에 따라 상기 노드 매칭 정보를 업데이트하여 화면 상에 디스플레이하거나 상기 데이터베이스(DB)에 저장하는 단계를 더 실행할 수 있다.
본 발명에 의하면, 상품 사업 서비스의 운용을 통한 수익의 발생 시에, 기존의 계층적 구조와 일방적인 분배 규칙에 따라 수익을 분배하지 않고, 매출이나 수익 발생에 따른 공헌도에 따라 조직 구조를 재편성하여 수익을 분배하게 됨으로써 수익을 효율적으로 분배하여 하급 단계의 중간 판매자가 고수익을 받을 수 있는 기회를 제공함과 더불어 전체 조직의 기회에 불이익을 제공하지 않는 상거래 수익의 분배를 위한 조직 구조 변경 방법 및 서버를 제공할 수 있다.
또한, 추천이나 초청 방식으로 회원 가입하는 관계성을 이용하여 조직 구조의 편성에 영향을 미치도록 함으로써 회원 서로 간에 협조적인 유대 관계를 통해 수익 극대화에 일조할 수 있도록 하는 서버 및 방법을 실현할 수 있다.
그리고, 상품 사업 서비스의 운용을 통해 발생되는 매출과 수익을 분석하여 각 회원의 영업이익률과 공헌도 간의 관계를 학습하여 공헌도 모델을 생성하고, 이를 활용함으로써 수익 분배의 계층적 구조에서 수익에 공헌도가 실제적으로 높은 회원이 상위 계층에 위치하도록 구조를 자동으로 조정함으로써 수익 분배에 불평등한 요소가 배제되도록 할 수 있다.
도 1은 본 발명의 실시예에 따른 서비스 서버의 조직 구조 변경 방법을 실행하는 서비스 시스템을 개략적으로 나타낸 구성도이다.
도 2는 본 발명의 실시예에 따른 서비스 서버의 구성을 개략적으로 나타낸 구성도이다.
도 3은 본 발명의 실시예에 따른 데이터베이스에 저장된 회원 가입 정보의 한 예를 나타낸 도면이다.
도 4는 본 발명의 실시예에 따라 회원 가입한 노드를 추천(초대)에 따라 계층적 노드로 생성한 예를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 서비스 서버의 조직 구조 변경 방법을 설명하기 위한 동작 흐름도를 나타낸 도면이다.
도 6은 본 발명의 실시예에 따른 계층적 노드에서 제1 브랜치에 해당하는 각 노드의 판매실적과 평가실적을 나타낸 도면이다.
도 7은 본 발명의 실시예에 따른 계층적 노드에서 제2 브랜치에 해당하는 각 노드의 판매실적과 평가실적을 나타낸 도면이다.
도 8은 본 발명의 실시예에 따른 계층적 노드에서 제3 브랜치에 해당하는 각 노드의 판매실적과 평가실적을 나타낸 도면이다.
도 9는 본 발명의 실시예에 따른 계층적 노드에서 제4 브랜치에 해당하는 각 노드의 판매실적과 평가실적을 나타낸 도면이다.
도 10은 본 발명의 실시예에 따른 계층적 노드에서 제1 브랜치의 구조가 변경되는 예를 나타낸 도면이다.
도 11은 본 발명의 실시예에 따른 계층적 노드에서 제2 브랜치의 구조가 변경되는 예를 나타낸 도면이다.
도 12는 본 발명의 실시예에 따른 계층적 노드에서 제3 브랜치의 구조가 변경되는 예를 나타낸 도면이다.
도 13은 본 발명의 실시예에 따른 계층적 노드에서 제4 브랜치의 구조가 변경되는 예를 나타낸 도면이다.
도 14는 본 발명의 실시예에 따른 계층적 노드의 각 브랜치에서 구조 변경 시마다 전체 평가실적을 산출하는 예를 나타낸 도면이다.
도 15는 본 발명의 실시예에 따른 계층적 노드의 구조 변경 시마다 산출한 전체 평가실적과, 그에 따른 변경 구조를 추천하는 예를 나타낸 도면이다.
도 16은 본 발명의 실시예에 따른 변경 구조 중 추천 선택된 변경 구조에 따라 계층적 노드를 변경하여 설정한 예를 나타낸 도면이다.
도 17은 본 발명의 다른 실시예에 따른 서비스 서버의 조직 구조 변경 방법을 설명하기 위한 동작 흐름도를 나타낸 도면이다.
도 18은 본 발명의 다른 실시예에 따른 계층적 구조의 모든 노드들에 대해 각 노드 별로 공헌도를 산출하기 위한 정보와 산출 결과 데이터를 나타낸 도면이다.
도 19는 본 발명의 다른 실시예에 따라 산출한 공헌도와 영업이익률 간의 관계를 학습하여 공헌도 모델을 생성하는 과정을 나타낸 동작 흐름도이다.
도 20은 본 발명의 실시예에 따른 추정 함수식의 그래프에 가장 근접하는 공헌도(V)와 영업이익률(Yr)을 가지는 함수식을 산출하는 예를 나타낸 도면이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우 뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
어느 부분이 다른 부분의 "위에" 있다고 언급하는 경우, 이는 바로 다른 부분의 위에 있을 수 있거나 그 사이에 다른 부분이 수반될 수 있다. 대조적으로 어느 부분이 다른 부분의 "바로 위에" 있다고 언급하는 경우, 그 사이에 다른 부분이 수반되지 않는다.
제1, 제2 및 제3 등의 용어들은 다양한 부분, 성분, 영역, 층 및/또는 섹션들을 설명하기 위해 사용되나 이들에 한정되지 않는다. 이들 용어들은 어느 부분, 성분, 영역, 층 또는 섹션을 다른 부분, 성분, 영역, 층 또는 섹션과 구별하기 위해서만 사용된다. 따라서, 이하에서 서술하는 제1 부분, 성분, 영역, 층 또는 섹션은 본 발명의 범위를 벗어나지 않는 범위 내에서 제2 부분, 성분, 영역, 층 또는 섹션으로 언급될 수 있다.
여기서 사용되는 전문 용어는 단지 특정 실시예를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다. 명세서에서 사용되는 "포함하는"의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분의 존재나 부가를 제외시키는 것은 아니다.
"아래", "위" 등의 상대적인 공간을 나타내는 용어는 도면에서 도시된 한 부분의 다른 부분에 대한 관계를 보다 쉽게 설명하기 위해 사용될 수 있다. 이러한 용어들은 도면에서 의도한 의미와 함께 사용 중인 장치의 다른 의미나 동작을 포함하도록 의도된다. 예를 들면, 도면 중의 장치를 뒤집으면, 다른 부분들의 "아래"에 있는 것으로 설명된 어느 부분들은 다른 부분들의 "위"에 있는 것으로 설명된다. 따라서 "아래"라는 예시적인 용어는 위와 아래 방향을 전부 포함한다. 장치는 90˚ 회전 또는 다른 각도로 회전할 수 있고, 상대적인 공간을 나타내는 용어도 이에 따라서 해석된다.
다르게 정의하지는 않았지만, 여기에 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 보통 사용되는 사전에 정의된 용어들은 관련 기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.
이하, 첨부한 도면을 참조하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
도 1은 본 발명의 실시예에 따른 서비스 서버의 조직 구조 변경 방법을 실행하는 서비스 시스템을 개략적으로 나타낸 구성도이다.
도 1을 참조하면, 본 발명에 따른 서비스 시스템(100)은, 하나 이상의 사용자 단말기(110~114), 통신 네트워크(120) 및 서비스 서버(130)를 포함한다.
하나 이상의 사용자 단말기(110~114)는 사용자들이 이용하는 예컨대, 컴퓨터 단말기로서, 상품 영업 서비스에 가입하기 위해 서비스 서버(130)에 접속하고, 회원 가입 정보를 입력하여 상품 영업 서비스의 회원으로 가입한다. 여기서, 사용자는 개인이나 개인 사업자를 의미할 수 있고, BP(Business Partner) 등 사업체 관련자를 의미할 수 있으며, 사업체 대표자를 의미할 수도 있다.
또한, 하나 이상의 사용자 단말기(110~114)는 사용자가 휴대하기에 용이한 스마트 단말기(Smart Phone)나, 휴대용 노트북 등이 될 수 있다. 여기서, 스마트 단말기는 가입자 유닛, 가입자국, 이동국, 모바일, 원격국, 원격 단말, 모바일 디바이스, 사용자 단말, 무선 통신 디바이스, 사용자 에이전트, 사용자 디바이스 또는 사용자 장비(UE)로도 지칭될 수 있다. 스마트 단말기는 셀룰러 폰, 무선 전화, 세션 시작 프로토콜(SIP) 전화, 무선 로컬 루프(WLL) 스테이션, 개인 디지털 보조기기(PDA), 무선 접속 능력을 가진 핸드헬드 디바이스, 연산 디바이스 또는 무선 모뎀에 접속된 다른 처리 디바이스일 수도 있다. 하지만, 이러한 용어에 국한되어 스마트 단말기를 제한해서는 아니된다.
통신 네트워크(120)는 인터넷(Internet)이나 공중 전화망(PSTN:Public Switched Telephone Network) 등의 유선 통신망을 포함하거나, 블루투스(Bluetooth), 지그비(Zigbee) 등의 근거리 통신망이나 이동 통신망 등의 무선 통신망을 포함할 수 있다.
서비스 서버(130)는 하나 이상의 사용자 단말기(110~114)로부터 추천이나 초대 정보가 포함된 회원 가입 정보를 각각 입력받고, 입력받은 회원 가입 정보를 도 3에 도시된 바와 같이 데이터베이스(DB)에 저장하여 보관할 수 있다. 도 3은 본 발명의 실시예에 따른 데이터베이스에 저장된 회원 가입 정보의 한 예를 나타낸 도면이다. 여기서, 회원 가입 정보는 도 3에 도시된 바와 같이 사용자의 이름, 연락처, 소속 회사, 주민등록번호, 사업체명, 사업자 등록번호, 법인 등록번호, 가족, 추천(초대)자명, 관심 분야, 가입일, 예상 영업 기간, 관심 상품, 매출 목표, 영업이익 목표, 가족 관계 정보 등을 포함할 수 있다.
이때, 서비스 서버(130)는 하나 이상의 사용자 단말기(110~114)로부터 회원 가입 정보를 입력받으면, 각 단말기에 대한 노드명을 부여하고, 추천(초대)자와 가입일에 따라 레벨(Level)을 산출하여 노드명과 사용자 정보에 매칭시켜 도 3에 도시된 바와 같이 데이터베이스(DB)에 저장한다.
또한, 서비스 서버(130)는 회원 가입 정보에 근거해 각 노드(node)를 생성하되, 도 4에 도시된 바와 같이 추천이나 초대 정보와 가입 순서에 의한 레벨(Level)에 따라 각 노드가 연결(link) 된 계층적 노드(Hierarchy Node)를 생성하고, 생성된 계층적 노드에 대한 노드 매칭 정보를 데이터베이스(DB)에 저장한다. 도 4는 본 발명의 실시예에 따른 회원 가입 정보에 근거해 계층적 노드를 생성한 예를 나타낸 도면이다. 즉, 서비스 서버(130)는 추천이나 초대 없이 스스로(Self) 회원 가입한 사용자를 제1 레벨(Level 1)의 독립적인 노드(Node)로 생성하고, 추천이나 초대에 따라 회원 가입한 사용자를 해당 추천(초대)자 노드에 연결(Link) 된 제2 레벨의 노드로 생성하는 것이다.
또한, 서비스 서버(130)는 도 4에 도시된 바와 같이 제2 레벨의 노드로부터의 추천이나 초대에 따라 가입한 사용자를 제3 레벨의 노드로 생성하되, 해당 제2 레벨의 노드에 연결된 제3 레벨의 노드로 생성하고, 제3 레벨의 노드로부터 추천이나 초대에 따라 회원 가입한 사용자를 해당 제3 레벨의 노드에 연결된 제4 레벨의 노드로 생성하는 것이다.
도 4에 도시된 바와 같이, 서비스 서버(130)는 추천이나 초대로 회원 가입한 사용자 단말기에 대한 노드를 추천자 노드에 연결되는 하위 노드로 하고, 추천이나 초대가 아닌 독립적으로 회원 가입한 사용자 단말기에 대한 노드를 독립된 상위 노드로 하는 계층적 노드를 생성하는 것이다.
도 2는 본 발명의 실시예에 따른 서비스 서버의 구성을 개략적으로 나타낸 구성도이다.
도 2를 참조하면, 본 발명에 따른 서비스 서버(130)는, 통신부(210)와, 데이터베이스(DB)(220), 제어부(230) 및 메모리(240)를 포함한다.
여기서, 도 2에 도시하지는 않았지만 데이터의 입력을 위한 입력부를 더 포함한다.
통신부(210)는, 하나 이상의 사용자 단말기(110~114)와 통신 네트워크를 통해 데이터를 송수신하기 위한 장치이다. 통신부(210)는 예컨대, 통신 모뎀(MODEM)이나 네트워크 인터페이스(Network Interface) 장치, 네트워크 어댑터(Network Adapter), 게이트웨이(Gateway) 시스템 등을 포함할 수 있다.
데이터베이스(220)는 하나 이상의 사용자 단말기(110~114)로부터 입력받은 회원 가입 정보, 즉 추천이나 초대 정보가 포함된 회원 가입 정보를 저장하고, 회원 가입 정보에 근거해 생성된 계층적 노드(Hierarchy Node)에 대한 노드 매칭 정보를 저장하고 있다.
제어부(230)는 예컨대, 칩(Chip) 형태의 마이크로 프로세서(Micro Processor)나, 프로세서, 메인 컨트롤 유닛(Main Control Unit) 등으로 구현할 수 있다.
여기서, 제어부(230)는 회원가입 정보에 근거해 각 노드를 생성하되, 추천이나 초대 정보와 가입 순서에 의한 레벨(Level)에 따라 각 노드가 연결(link) 된 계층적 노드(Hierarchy Node)를 생성하고, 생성된 계층적 노드에 대한 노드 매칭 정보를 데이터베이스(220)에 저장하며, 계층적 노드에 대한 각 노드의 판매실적(S)을 입력받아 데이터베이스(220)에 저장하고, 각 노드의 판매실적(S)을 이용해 각 노드의 평가실적(A)을 산출하며, 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 평가실적(A)을 비교하여, 비교 결과, 하위 노드가 상위 노드보다 평가실적(A)이 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 계층적 노드의 구조를 변경하며, 계층적 노드의 구조가 변경될 때마다 전체 평가실적을 산출하고, 산출된 전체 평가실적을 해당 변경 구조에 대응시켜 데이터베이스(220)에 누적해 저장하며, 데이터베이스(220)에 누적 저장된 변경 구조에 따른 전체 평가실적들을 내림차순으로 리스팅(Listing)하고, 최상위로부터 일정 순위에 해당하는 변경 구조를 추천하여, 추천된 변경 구조 중 하나의 변경 구조를 선택 입력받는 경우, 선택 입력받은 변경 구조에 따라 계층적 노드를 변경하여 설정한다.
또한, 제어부(230)는, 평가실적(A)에 대하여 다음 수학식1에 따라 판매실적(S)에 후원실적(P)을 더하여 산출하고, 후원실적(P)은 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 산출하며, 해당 레벨(Ln-2)의 후원실적(Pn-2)은 다음 수학식1에 따라 하위 레벨(Ln-1) 노드의 판매실적(Sn-1)에 해당 레벨의 후원율(Rn-2)을 곱하여 산출하되, 해당 레벨의 후원율(Rn-2)은 하위 레벨(Ln-1)의 후원율(Rn-1)에 일정값(α)을 더하여 산출하게 된다.
Figure 112016087852843-pat00001
수학식1에서, Pn-2는 Ln-2 레벨의 후원실적을 나타내고, Sn-1은 Ln-1 레벨 노드의 판매실적을 나타내며, Rn-2는 Ln-2 레벨의 후원율을 나타내며, Rn-1은 Ln-1 레벨의 후원율을 나타내며, α는 일정값 상수를 나타낸다. 즉, α는 각 레벨의 후원율(R)의 상승값을 나타낸다.
이때, 후원율(R)은 계층적 노드의 최하위 레벨(Ln)에 해당하는 노드에는 존재하지 않고 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)에 해당하는 노드부터 후원율(Rn-1)이 존재하며, 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 하나의 레벨이 상승할 때마다 일정값(α)만큼 증가하되, 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)로부터 20 단계의 레벨(Ln-21)까지 증가할 수 있다.
예를 들면, 도 4에서 계층적 노드의 최하위 레벨인 제4 레벨(L4)의 e 노드와, f 노드, g 노드 및 h 노드에는 후원율(R)이 존재하지 않고, 최하위 제4 레벨(L4)의 바로 위 레벨인 제3 레벨(L3)부터 존재한다. 도 4에서, 제3 레벨(L3)인 c 노드와 d 노드는 후원율이 1%인 0.01이고, α가 0.01이면, 제2 레벨(L2)의 후원율 R2는 제3 레벨(L3)의 후원율 R3+0.01이므로 0.02가 된다. 따라서, 제1 레벨(L1)의 후원율 R1은 제2 레벨(L2)의 후원율 R2+0.01이므로 0.03이 된다.
또한, 제어부(230)는 도 4의 계층적 노드에 대해, 6개월이나 1년 등 일정 기간 동안의 판매량(X)과 영업이익량(Y)을 입력받아 데이터베이스(220)에 저장하고, 이에 근거해 브랜치(Branch) 단위의 각 노드들에 대한 판매총량(TX), 영업이익총량(TY)을 산출하여, 각 노드 별 판매율(Xr), 영업이익률(Yr), 개별수익률(Zr)에 근거해 각 노드 별로 공헌도(V)를 산출하며, 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교하며, 비교 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 계층적 노드의 구조를 변경하며, 변경된 노드 구조에 따라 노드 구조(매칭) 정보를 업데이트하여 DB(220)에 저장한다. 여기서, 판매량(X)은 매출량(X)이라는 용어와 동일하게 사용할 수 있고, 판매율(Xr)은 매출율(Xr)이라는 용어로 사용할 수 있다.
메모리(240)는 제어부(230)가 연산할 때 각 단계의 연산 결과를 임시로 저장하기 위한 저장 매체이다. 예컨대, 메모리(240)는 제어부(230)가 모든 노드들에 대해 일정 기간 동안에 각 노드 별로 발생된 판매량(X)과 영업이익량(Y)에 근거해 모든 노드들에 대한 판매총량(TX)과 영업이익총량(TY)을 연산할 때, 연산된 결과를 임시로 저장한다. 또한, 메모리(240)는 제어부(230)가 각 노드 별 판매율(Xr), 영업이익률(Yr), 개별수익률(Zr)을 연산할 때, 각 연산 과정의 데이터를 저장하고, 각 노드 별 공헌도(V)를 연산할 때도 해당 데이터를 임시로 저장한다.
한편, 제어부(230)는, 노드 구조에 대해, 추천이나 초대로 회원 가입한 노드를 추천자 노드에 연결되는 하위 노드로 생성하고, 추천이나 초대가 아닌 독립적으로 회원 가입한 노드를 독립된 상위 노드로 생성할 수 있다.
또한, 제어부(230)는, 추천이나 초대가 아니라 독립적으로 회원 가입한 상위 노드, 또는 추천이나 초대로 회원 가입한 추천자 노드와 하위 노드로 이루어진 계층적 노드의 최상위 노드에 해당하는 노드를 시작점 노드(Start Point Node)로 설정할 수 있다.
또한, 제어부(230)는, 계층적 노드에서 2 개 이상의 하위 노드가 2 레벨 이상으로 연결된 상위 노드를 팀장 노드로 설정하고, 설정된 팀장 노드가 2 개 이상이 되는 상위 노드를 부서장 노드로 설정할 수 있다.
또한, 제어부(230)는, 각 노드 별 판매율(Xr)에 대해 다음 수학식2에 따라 각 노드의 판매량(X)을 브랜치(Branch) 단위의 모든 노드들에 대한 판매총량(TX)으로 나누어(X/TX) 산출한다.
Figure 112016087852843-pat00002
또한, 제어부(230)는, 각 노드 별 영업이익률(Yr)에 대해 다음 수학식3에 따라 각 노드의 영업이익량(Y)을 브랜치(Branch) 단위의 모든 노드들에 대한 영업이익총량(TY)으로 나누어(Y/TY) 산출한다.
Figure 112016087852843-pat00003
또한, 제어부(230)는, 각 노드의 개별수익률(Zr)에 대해 다음 수학식4에 따라 각 노드의 영업이익량(Y)을 브랜치(Branch) 단위의 각 노드의 판매량(X)으로 나누어(Y/X) 산출한다.
Figure 112016087852843-pat00004
또한, 제어부(230)는, 각 노드 별 공헌도(V)에 대해 다음 수학식5에 따라 각 노드의 판매율(Xr)과 영업이익률(Yr) 및 개별수익률(Zr)을 더하여 항목수 3으로 나누어(Xr+Yr+Zr/3) 산출하게 된다.
Figure 112016087852843-pat00005
또한, 제어부(230)는, 모든 노드들에 대해 팀장 노드와 그 하위 노드들로 이루어지는 각 팀으로 구분하고, 구분된 각 팀의 노드들에 대한 매출총량(TX), 영업이익총량(TY)을 산출하고, 각 팀내 각 노드 별 매출율(Xr), 영업이익률(Yr), 개별수익률(Zr)에 근거해 각 노드 별로 공헌도(V)를 산출하며, 산출된 공헌도(V)에 따라 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교하며, 비교 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 계층적 노드의 구조를 변경할 수 있다.
또한, 제어부(230)는, 산출된 공헌도(V)에 따라 각 노드를 내림차순으로 리스팅한 결과에 따라, 팀 내에서 공헌도가 가장 높은 노드를 팀장 노드로 설정하고, 리스팅에 따른 내림차순으로 나머지 노드들을 팀장 노드의 하위 노드로 연결하되, 상위 노드와 하위 노드의 공헌도(V)를 비교하여, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 계층적 노드의 팀 노드 구조를 변경할 수 있다.
또한, 제어부(230)는, 각 노드 별로 공헌도(V)를 산출한 후, 모든 노드들에 대해 각 노드 별로 산출된 각 노드 별 영업이익률(Yr)과 공헌도(V)를 각 노드의 회원 정보에 매칭시켜 학습 데이터로 DB(220)에 저장할 수 있다.
또한, 제어부(230)는, 학습 데이터에 대해, 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류할 수 있다.
또한, 제어부(230)는, 모델링 데이터군에 대해, 각 노드 별로 영업이익률(Yr)과 공헌도(V)를 학습하여, 영업이익률(Yr)과 공헌도(V) 간의 관계를 나타내는 추정 함수식(H(x))을 산출할 수 있다.
또한, 제어부(230)는, 각 노드 별 공헌도(V)와, 추정 함수식(H(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(t)-V(t)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 노드 수에 따른 데이터 개수(n)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 영업이익률(Yr)과 공헌도(V)를 가지는 함수식의 기울기(α) 값과 절편(β) 값을 산출할 수 있다.
또한, 제어부(230)는, 산출된 기울기(α) 값과 절편(β) 값을 추정 함수식에 대입해 모델 함수식(V=αYr+β)을 결정하여, 영업이익률(Yr)에 따른 공헌도(V)를 산출하기 위한 공헌도 모델을 생성할 수 있다.
또한, 제어부(230)는, 공헌도 모델을 생성한 후, 모든 노드들에 대해 각 사용자 단말기로부터 미래 특정 기간 동안의 각 노드 별 판매량(X)과 영업이익량(Y)을 각각 입력받고, 각각 입력받은 각 노드 별 매출량(X)과 영업이익량(Y)에 따라 각 노드 별 영업이익률(Yr)을 산출하고, 산출된 각 노드 별 영업이익률(Yr)을 공헌도 모델에 대입하여 각 노드 별 공헌도(V)를 예측하여 산출할 수 있다.
그리고, 제어부(230)는, 예측하여 산출된 공헌도(V)에 따라, 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교하며, 상기 비교 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하여 노드 예측 구조로 생성하며, 노드 예측 구조에 따라 노드 구조(매칭) 정보를 업데이트하여 화면 상에 디스플레이하거나 DB(220)에 저장할 수 있다.
도 5는 본 발명의 실시예에 따른 서비스 서버의 조직 구조 변경 방법을 설명하기 위한 동작 흐름도를 나타낸 도면이다.
도 5를 참조하면, 서비스 서버(130)는 마이크로 프로세서(230)가 하나 이상의 사용자 단말기(110~114)로부터 통신부(210)를 통해 추천이나 초대 정보가 포함된 회원 가입 정보를 입력받아 데이터베이스(220)에 저장한다(S510).
여기서, 제어부(230)의 한 예로, 제어부(230)를 '마이크로 프로세서(230)'로 예를 들어 설명한다.
본 발명에 따른 데이터베이스(220)는 하나 이상의 사용자 단말기(110~114)가 상품 영업 서비스에 회원 가입한 경우에, 하나 이상의 사용자 단말기(110~114)로부터 입력받은 도 3에 도시된 바와 같은 회원 가입 정보를 저장하고 있다. 여기서, 회원 가입 정보는 각 사용자 단말기(110~114)가 추천이나 초대에 따라 회원 가입한 것인지, 아니면 추천이나 초대가 아니라 독립적으로 회원 가입한 것인지에 대한 정보를 포함하고 있다. 또한, 각 사용자 단말기(110~114)가 추천이나 초대에 따라 회원 가입할 경우에, 서비스 서버(130)는 사용자 단말기(110~114)로부터 추천(초대)자를 입력받게 됨으로써 회원 가입 정보에는 추천(초대)자 정보가 포함되어 있다. 그리고, 회원 가입 정보는 사용자 단말기에 대한 노드 정보와, 노드에 대한 레벨 정보, 추천(초대)자 정보에 관한 노드 구조(매칭) 정보를 포함하고 있다.
이어, 마이크로 프로세서(230)는 회원가입 정보에 근거해 도 4에 도시된 바와 같이 각 노드를 생성하되, 추천이나 초대 정보와 가입 순서에 의한 레벨(Level)에 따라 각 노드가 연결(link) 된 계층적 노드(Hierarchy Node)를 생성하고, 생성된 계층적 노드에 대한 노드 매칭 정보를 데이터베이스(220)에 저장한다(S520).
즉, 마이크로 프로세서(230)는, 도 4에 도시된 바와 같이 추천이나 초대가 아닌 독립적으로 회원 가입한 a 노드를 독립된 상위 노드로 생성하고, a 노드의 추천이나 초대로 회원 가입한 b 노드를 추천자 a 노드의 아래로 연결된 하위 노드로 생성한다.
또한, 도 4에서 마이크로 프로세서(230)는, b 노드의 추천이나 초대에 따라 회원 가입한 c 노드와 d 노드를 상위 레벨 b 노드의 아래에 하위 레벨의 노드로 연결하고, c 노드의 추천이나 초대에 따라 가입한 e 노드와 f 노드를 c 노드의 아래에 연결하며, d 노드의 아래에 g 노드와 h 노드를 연결하는 형태로 생성한다. 이렇게 생성한 계층적 노드에 대해, 마이크로 프로세서(230)는 도 3에 도시된 바와 같이 각 노드에 대한 추천(초대)자, 레벨 등의 노드 매칭 정보를 데이터베이스(220)에 저장해 놓는 것이다.
또한, 마이크로 프로세서(230)는, 추천이나 초대가 아니라 독립적으로 회원 가입한 노드 또는 추천이나 초대로 회원 가입한 노드의 최상위 노드에 해당하는 노드를 시작점 노드(Starting Point Node)로 설정할 수 있다.
그리고, 마이크로 프로세서(230)는, 계층적 노드에서 2 개 이상의 하위 노드가 2 레벨 이상으로 연결된 상위 노드를 팀장 노드로 설정하고, 설정된 팀장 노드가 2 개 이상이 되는 상위 노드를 부서장 노드로 설정할 수 있다.
이어, 마이크로 프로세서(230)는 계층적 노드에 대한 각 노드의 판매실적(S)을 입력부를 통해 입력받아 데이터베이스(220)에 저장하고, 각 노드의 판매실적(S)을 이용해 각 노드의 평가실적(A)을 산출한다(S530).
여기서, 마이크로 프로세서(230)는 도 4의 계층적 노드에서 브랜치(Branch) 단위로 각 노드의 판매실적(S)을 입력받아 도 6에 도시된 바와 같이 데이터베이스(220)에 저장하고, 저장된 이 판매실적(S)을 이용해 수학식1에 따라 각 노드의 평가실적(A)을 산출해 데이터베이스(220)에 저장하는 것이다. 도 6은 본 발명의 실시예에 따른 계층적 노드에서 제1 브랜치에 해당하는 각 노드의 판매실적과 평가실적을 나타낸 도면이다.
즉, 마이크로 프로세서(230)는 각 노드의 평가실적(A)에 대하여 수학식1에 따라 각 노드의 판매실적(S)에 후원실적(P)을 더하여 산출한다. 이때, 후원실적(P)은 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 산출하며, 해당 레벨(Ln-2)의 후원실적(Pn-2)은 수학식1에 따라 하위 레벨(Ln-1) 노드의 판매실적(Sn-1)에 해당 레벨의 후원율(Rn-2)을 곱하여 산출하되, 해당 레벨의 후원율(Rn-2)은 하위 레벨(Ln-1)의 후원율(Rn-1)에 일정값(α)을 더하여 산출한다.
여기서, 후원율(R)은 계층적 노드의 최하위 레벨(Ln)에 해당하는 노드에는 존재하지 않고, 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)에 해당하는 노드부터 후원율(Rn-1)이 존재하며, 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 하나의 레벨이 상승할 때마다 일정값(α) 만큼 증가하되, 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)로부터 20 단계의 레벨(Ln-21)까지 증가할 수 있다.
예를 들면, 도 4에서 최하위 제4 레벨(Level 4)에 후원율(R)이 존재하지 않고, 바로 그 레벨인 제3 레벨(Level 3)부터 후원율(R)이 존재하기에, 제3 레벨의 노드부터 후원실적(P)을 산출하며, 제3 레벨부터 제2 레벨, 제1 레벨까지 후원율(R)이 일정값(α) 만큼 증가하는 것이다. 즉, 제3 레벨(Level 3)의 후원율(R3)이 0.01이고, 일정값 α도 0.01인 경우에, 제2 레벨(Level 2)의 후원율(R2)은 0.02가 되고, 제1 레벨(Level 1)의 후원율(R1)은 0.03이 되는 것이다.
도 4에서, 제4 레벨(Level 4)에 해당하는 각 노드로부터 입력받은 판매실적(S)은 e 노드가 5,000만원, f 노드가 15,500만원, g 노드가 6,500만원, h 노드가 5,000만원이고, 제3 레벨(Level 3)에 해당하는 각 노드의 판매실적(S)은 c 노드가 10,000만원, d 노드가 12,000만원이며, 제2 레벨에 해당하는 각 노드의 판매실적(S)은 b 노드가 15,000만원, 제1 레벨의 a 노드가 13,000만원인 것으로 가정한다.
마이크로 프로세서(230)는 도 4에서 제1 브랜치(Branch 1)에 해당하는 a 노드와 b 노드, c 노드 및 e 노드에 대해, 수학식1에 따라 각 노드의 판매실적(X)을 이용해 각 노드의 평가실적(A)을 산출하여 도 6에 도시된 바와 같이 데이터베이스(220)에 저장한다. 따라서, 평가실적(A)이 a 노드는 13,450만원, b 노드는 15,200만원, c 노드는 10,050만원, e 노드는 5,000만원이 된다.
또한, 도 4에서 제2 브랜치의 판매량(X)이 a 노드가 13,000만원, b 노드가 15,000만원, c 노드가 10,000만원, f 노드가 15,500만원인 경우로 가정한다. 마이크로 프로세서(230)는 제2 브랜치의 각 노드에 대한 평가실적(A)에 대해, 도 7에 도시된 바와 같이 각 레벨의 후원율(R)과 각 노드의 후원실적(P)을 이용해 a 노드는 13,450만원, b 노드는 15,200만원, c 노드는 10,155만원, d 노드는 15,500만원을 산출하는 것이다. 도 7은 본 발명의 실시예에 따른 계층적 노드에서 제2 브랜치에 해당하는 각 노드의 판매실적과 평가실적을 나타낸 도면이다.
또한, 도 4에서 제3 브랜치의 판매량(X)이 a 노드가 13,000만원, b 노드가 15,000만원, d 노드가 12,000만원, g 노드가 6,500만원인 경우로 가정한다. 마이크로 프로세서(230)는 제3 브랜치의 각 노드에 대한 평가실적(A)에 대해, 도 8에 도시된 바와 같이 각 레벨의 후원율(R)과 각 노드의 후원실적(P)을 이용해 a 노드는 13,450만원, b 노드는 15,240만원, d 노드는 12,065만원, g 노드는 6,500만원을 산출하는 것이다. 도 8은 본 발명의 실시예에 따른 계층적 노드에서 제3 브랜치에 해당하는 각 노드의 판매실적과 평가실적을 나타낸 도면이다.
또한, 도 4에서 제4 브랜치의 판매량(X)은 a 노드가 13,000만원, b 노드가 15,000만원, d 노드가 12,000만원, h 노드가 45,000만원인 경우로 가정한다. 마이크로 프로세서(230)는 제4 브랜치의 각 노드에 대한 평가실적(A)에 대해, 도 9에 도시된 바와 같이 각 레벨의 후원율(R)과 각 노드의 후원실적(P)을 이용해 산출한다. 도 9는 본 발명의 실시예에 따른 계층적 노드에서 제4 브랜치에 해당하는 각 노드의 판매실적과 평가실적을 나타낸 도면이다. 즉, 마이크로 프로세서(230)는 평가실적(A)에 대해 a 노드는 13,450만원, b 노드는 15,240만원, d 노드는 12,050만원, h 노드는 5,000만원을 산출하는 것이다.
이어, 마이크로 프로세서(230)는 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 평가실적(A)을 비교한다(S540).
예를 들면, 마이크로 프로세서(230)는 도 4에서 제1 브랜치 노드에 대해, 최하위 제4 레벨의 e 노드 5,000만원과 제3 레벨의 c 노드 10,050만원을 비교하고, 제3 레벨의 c 노드 10,050만원과 제2 레벨의 b 노드 15,200만원을 비교하며, 제2 레벨의 b 노드 15,200만원과 제1 레벨의 a 노드 13,450만원을 비교하는 것이다.
즉, 마이크로 프로세서(230)는 이러한 과정으로 도 6 내지 도 9에 도시된 제1 브랜치로부터 제4 브랜치까지 각 노드의 평가실적(A)을 최하위 제4레벨로부터 최상위 제1 레벨의 노드까지 각각 비교하는 것이다.
이어, 마이크로 프로세서(230)는 비교 결과, 하위 노드가 상위 노드보다 평가실적(A)이 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 계층적 노드의 구조를 변경한다(S550).
즉, 마이크로 프로세서(230)는 제1 브랜치 노드에 대한 평가실적의 도 6에서, 최하위 제4 레벨의 e 노드 5,000만원과 제3 레벨의 c 노드 10,050만원을 비교한 결과, 상위 레벨 c 노드가 더 크므로 변경하지 않고, 제3 레벨의 c 노드 10,050만원과 제2 레벨의 b 노드 15,200만원을 비교한 결과, 상위 레벨 b 노드가 더 크므로 변경하지 않고 그대로 두며, 제2 레벨의 b 노드 15,200만원과 제1 레벨의 a 노드 13,450만원을 비교한 결과, 하위 레벨 b 노드가 더 크므로, 도 10에 도시된 바와 같이 b 노드를 비교대상 레벨인 상위 레벨 제1 레벨로 이동하여 계층적 노드의 구조를 변경하는 것이다. 도 10은 본 발명의 실시예에 따른 계층적 노드에서 제1 브랜치의 구조가 변경되는 예를 나타낸 도면이다. 도 10에서, 제2 레벨이었던 b 노드가 제1 레벨로 이동하여 변경됨으로써, b 노드의 하위 레벨인 c 노드는 제2 레벨이 되고, c 노드의 하위 레벨 e 노드는 제3 레벨로 변경된다.
또한, 마이크로 프로세서(230)는 제2 브랜치 노드에 대한 평가실적의 도 7에서, 최하위 제4 레벨의 f 노드 15,500만원과 제3 레벨의 c 노드 10,155만원을 비교한 결과, 하위 레벨 f 노드가 상위 레벨 c 노드보다 더 크므로, 제4 레벨의 f 노드를 제3 레벨로 이동하여 구조를 변경하고, 제3 레벨의 f 노드 15,500만원과 제2 레벨의 b 노드 15,200만원을 비교하여, f 노드가 더 크므로 도 11에 도시된 바와 같이 f 노드를 제2 레벨로 이동하여 구조를 변경하며, 제2 레벨의 f 노드 15,500만원과 제1 레벨의 a 노드 13,450만원을 비교하여, f 노드가 더 크므로 f 노드를 제1 레벨로 이동하여 구조를 변경하는 것이다. 도 5는 본 발명의 실시예에 따른 서비스 서버의 조직 구조 변경 방법을 설명하기 위한 동작 흐름도를 나타낸 도면이다.도 6은 본 발명의 실시예에 따른 계층적 노드에서 제1 브랜치에 해당하는 각 노드의 판매실적과 평가실적을 나타낸 도면이다. 도 7은 본 발명의 실시예에 따른 계층적 노드에서 제2 브랜치에 해당하는 각 노드의 판매실적과 평가실적을 나타낸 도면이다.도 8은 본 발명의 실시예에 따른 계층적 노드에서 제3 브랜치에 해당하는 각 노드의 판매실적과 평가실적을 나타낸 도면이다.도 9는 본 발명의 실시예에 따른 계층적 노드에서 제4 브랜치에 해당하는 각 노드의 판매실적과 평가실적을 나타낸 도면이다.도 10은 본 발명의 실시예에 따른 계층적 노드에서 제1 브랜치의 구조가 변경되는 예를 나타낸 도면이다.도 11은 본 발명의 실시예에 따른 계층적 노드에서 제2 브랜치의 구조가 변경되는 예를 나타낸 도면이다. 즉, 마이크로 프로세서(230)는 도 11에 도시된 바와 같이 제4 레벨의 f 노드를 제1 레벨로 이동하여 a 노드와 별개로 제1 레벨의 f 노드로 생성함으로써 구조를 변경하는 것이다. 또한, 마이크로 프로세서(230)는 제3 레벨의 c 노드 10,155만원과 제2 레벨의 b 노드 15,200만원을 비교한 결과, 상위 레벨의 b 노드가 더 크므로 구조를 변경하지 않고 그대로 유지하고, 제2 레벨의 b 노드 15,200만원과 제1 레벨의 a 노드 13,450만원을 비교한 결과, 하위 레벨의 b 노드가 상위 레벨의 a 노드보다 더 크므로, 도 11에 도시된 바와 같이 제2 레벨의 b 노드를 비교대상 레벨인 제1 레벨로 이동하여 구조를 변경한다. 따라서, 계층적 노드에서 제2 브랜치는 도 11에 도시된 바와 같이 a 노드의 제1 레벨에서 a 노드와 b 노드 및 f 노드의 제1 레벨로 변경되고, b 노드가 제1 레벨로 변경됨에 따라 b 노드에 연결된 제3 레벨의 c 노드가 b 노드에 연결된 채 제2 레벨로 변경되는 것이다.
또한, 마이크로 프로세서(230)는 제3 브랜치 노드에 대한 평가실적의 도 8에서, 최하위 제4 레벨의 g 노드 6,500만원과 바로 위 제3 레벨의 d 노드 12,065만원을 비교한 결과, 제3 레벨의 d 노드가 더 크므로 변경하지 않고 그대로 유지하고, 제3 레벨의 d 노드 12,065만원과 제2 레벨의 b 노드 15,240만원을 비교한 결과, 상위 레벨의 b 노드가 더 크므로 변경하지 않고 그대로 유지하며, 제2 레벨의 b 노드 15,240만원과 제1 레벨의 a 노드 13,450만원을 비교한 결과, 하위 레벨의 b 노드가 더 크므로, 제2 레벨의 b 노드를 도 12에 도시된 바와 같이 상위 제1 레벨로 이동하여 구조를 변경한다. 도 12는 본 발명의 실시예에 따른 계층적 노드에서 제3 브랜치의 구조가 변경되는 예를 나타낸 도면이다. 따라서, b 노드에 연결된 하위 제3 레벨의 d 노드는 제2 레벨이 되고, d 노드에 연결된 하위 g 노드는 제4 레벨에서 제3 레벨로 변경되는 것이다.
또한, 마이크로 프로세서(230)는 제4 브랜치 노드에 대한 평가실적의 도 9에서, 최하위 제4 레벨의 h 노드 5,000만원과 바로 위 제3 레벨의 d 노드 12,050만원을 비교한 결과, 상위 레벨의 d 노드가 더 크므로 변경하지 않고 그대로 유지하고, 제3 레벨의 d 노드 12,050만원과 제2 레벨의 b 노드 15,240만원을 비교한 결과, 상위 레벨의 b 노드가 더 크므로 변경하지 않고 그대로 유지하며, 제2 레벨의 b 노드 15,240만원과 제1 레벨의 a 노드 13,450만원을 비교한 결과, 하위 레벨의 b 노드가 더 크므로, 제2 레벨의 b 노드를 도 13에 도시된 바와 같이 상위 제1 레벨로 이동하여 구조를 변경한다. 도 13은 본 발명의 실시예에 따른 계층적 노드에서 제4 브랜치의 구조가 변경되는 예를 나타낸 도면이다. 따라서, b 노드에 연결된 하위 제3 레벨의 d 노드는 제2 레벨이 되고, d 노드에 연결된 하위 g 노드는 제4 레벨에서 제3 레벨로 변경되는 것이다.
이어, 마이크로 프로세서(230)는 도 10 내지 도 13에 도시된 바와 같이 계층적 노드의 구조가 변경될 때마다, 변경된 후 계층적 노드의 전체 평가실적을 산출하고, 산출된 전체 평가실적을 해당 변경 구조에 대응시켜 데이터베이스(220)에 누적해 저장한다(S560).
즉, 마이크로 프로세서(230)는 도 4의 계층적 노드에서 제1 브랜치 노드가 도 10에 도시된 바와 같이 변경된 경우에, 도 14에 도시된 바와 같이 새로 변경된 제1 브랜치, a 노드 13,450만원, b 노드 15,200만원, c 노드 10,050만원, e 노드 5,000만원을 반영하여 전체 계층적 노드의 평가실적(A) 82,700만원을 산출하는 것이다. 도 14는 본 발명의 실시예에 따른 계층적 노드의 각 브랜치에서 구조 변경 시마다 전체 평가실적을 산출하는 예를 나타낸 도면이다.
또한, 마이크로 프로세서(230)는 도 4의 계층적 노드에서 제2 브랜치 노드가 도 11에 도시된 바와 같이 변경된 경우에, 도 14에 도시된 바와 같이 새로 변경된 제2 브랜치, a 노드 13,450만원, b 노드 15,200만원, c 노드 10,050만원, f 노드 15,500만원을 반영하여 전체 계층적 노드의 평가실적(A) 82,805만원을 산출하는 것이다.
또한, 마이크로 프로세서(230)는 도 4의 계층적 노드에서 제3 브랜치 노드가 도 12에 도시된 바와 같이 변경된 경우에, 도 14에 도시된 바와 같이 새로 변경된 제3 브랜치, a 노드 13,450만원, b 노드 15,200만원, d 노드 12,065만원, g 노드 6,500만원을 반영하여 전체 계층적 노드의 평가실적(A) 82,755만원을 산출하는 것이다.
또한, 마이크로 프로세서(230)는 도 4의 계층적 노드에서 제4 브랜치 노드가 도 13에 도시된 바와 같이 변경된 경우에, 도 14에 도시된 바와 같이 새로 변경된 제4 브랜치, a 노드 13,450만원, b 노드 15,200만원, d 노드 12,065만원, h 노드 5,000만원을 반영하여 전체 계층적 노드의 평가실적(A) 82,740만원을 산출하는 것이다.
이어, 마이크로 프로세서(230)는 데이터베이스(220)에 누적 저장된 변경 구조에 따른 전체 평가실적들을 도 15에 도시된 바와 같이 내림차순으로 리스팅(Listing)하고, 최상위로부터 일정 순위에 해당하는 변경 구조를 추천한다(S570). 도 15는 본 발명의 실시예에 따른 계층적 노드의 구조 변경 시마다 산출한 전체 평가실적과, 그에 따른 변경 구조를 추천하는 예를 나타낸 도면이다. 도 15에 도시된 바와 같이, 마이크로 프로세서(230)는 제1 브랜치로부터 제4 브랜치까지 각 브랜치의 구조가 변경될 때마다 변경된 후의 구조에 따른 전체 평가실적(A)을 산출하는데, 제1 브랜치의 구조 변경 시 모든 노드의 전체 평가실적(A) 82,700만원을 산출하고, 제2 브랜치의 구조 변경 시 모든 노드의 전체 평가실적(A) 82,805만원을 산출하며, 제3 브랜치의 구조 변경 시 모든 노드의 전체 평가실적(A) 82,755만원을 산출하고, 제4 브랜치의 구조 변경 시 모든 노드의 전체 평가실적(A) 82,740만원을 산출하여 데이터베이스(220)에 누적해 저장하고, 변경 구조에 따른 전체 평가실적들을 내림차순으로 정리한 후, 전체 평가실적이 가장 큰 제2 브랜치 변경을 추천하는 것이다.
이에, 관리자 또는 사용자가 이를 확인하고, 입력부를 통해 전체 평가실적이 가장 큰 제2 브랜치의 변경 구조를 선택 입력한다.
이어, 마이크로 프로세서(230)는 추천된 변경 구조 중 하나의 변경 구조를 입력부를 통해 선택 입력받는 경우, 선택된 변경 구조에 따라 계층적 노드를 변경하여 설정한다(S580).
즉, 마이크로 프로세서(230)는 도 15에 도시된 바와 같이 변경 구조를 추천한 것 중 추천순위 제1 순위에 해당하는 제2 브랜치의 변경 구조가 선택된 경우에, 도 4의 계층적 노드에 대해 도 11에 도시된 제2 브랜치의 변경 구조를 반영하여 도 16에 도시된 바와 같이 제2 브랜치의 변경 구조를 적용함으로써 계층적 노드를 변경하여 설정하는 것이다. 도 16은 본 발명의 실시예에 따른 변경 구조 중 추천 선택된 변경 구조에 따라 계층적 노드를 변경하여 설정한 예를 나타낸 도면이다. 따라서, 도 16에 도시된 바와 같이 최종적으로 변경하여 설정된 계층적 노드는, 전체적인 4 레벨 구조에서 3 레벨 구조로 변경되었으며, 제1 레벨에 대한 노드가 a 노드와 b 노드 및 f 노드로 변경되었으며, 제2 레벨의 노드는 b 노드에 연결된 c 노드와 d 노드로 변경되었고, 제3 레벨의 노드는 c 노드에 연결된 e 노드와, d 노드에 연결된 g 노드와 h 노드로 변경되었다.
도 17은 본 발명의 다른 실시예에 따른 서비스 서버의 조직 구조 변경 방법을 설명하기 위한 동작 흐름도를 나타낸 도면이다.
도 17을 참조하면, 본 발명에 따른 서비스 서버(130)는, 회원 가입 정보에 근거해 각 레벨에 따라 도 4에 도시된 바와 같은 계층적 노드를 생성하고, 생성된 계층적 노드에 대한 노드 구조(매칭) 정보를 데이터베이스(220)에 저장한다(S1710).
즉, 서비스 서버(130)에서 제어부(230)는 추천이나 초대가 아닌 스스로 회원 가입한 a 노드를 제1 레벨의 독립적인 노드로 생성하고, a 노드의 추천 또는 초대에 따라 회원 가입한 b 노드는 제1 레벨의 a 노드에 연결된 제2 레벨의 노드로 생성한다.
또한, 제어부(230)는 현 시점에서 b 단말기의 추천(초대)에 따라 회원 가입한 c 단말기와 d 단말기에 대해, 추천자 노드에 해당하는 b 노드의 아래로 연결된 하위 노드로서 제3 레벨의 c 노드와 d 노드로 생성한다. 따라서, 제2 레벨의 b 노드는 제3 레벨에 해당하는 c 노드와 d 노드의 상위 노드가 된다.
또한, 제어부(230)는, 도 4에서 추천자 노드와 하위 노드로 이루어진 계층적 노드의 최상위 노드에 해당하는 a 노드를 시작점 노드(Start Point Node)로 설정한다. 즉, 제어부(230)는 추천(초대)에 따라 회원 가입한 a 노드를 최상위 레벨(Level 1)로서 시작점 노드로 생성하고, a 노드의 추천(초대)에 따라 회원 가입한 b 노드를 a 노드의 하위 레벨(Level 2)로 연결된 하위 노드로 계층적으로 생성한다.
또한, 도 4에서, 제어부(230)는 c 노드의 추천(초대)에 따라 회원 가입한 e 노드와 f 노드를 c 노드의 하위 노드로 생성하고, d 노드의 추천(초대)에 따라 회원 가입한 g 노드와 h 노드를 d 노드의 하위 노드로 생성한다.
도 4의 계층적 노드에서, 제어부(230)는, 2 개 이상의 하위 노드가 2 레벨 이상으로 연결된 상위 노드에 해당하는 b 노드를 팀장 노드로 설정할 수 있으며, 이렇게 설정된 팀장 노드가 2 개 이상이 되는 상위 노드에 해당하는 노드를 부서장 노드로 설정할 수 있다.
이어, 제어부(230)는 모든 노드들에 대해, 6 개월이나 1 년 등 일정 기간 동안의 매출량(X)과 영업이익량(Y)을 입력받아 DB(220)에 저장한다(S1720).
즉, 제어부(230)는 도 4의 계층적 구조에 따른 모든 노드들(a 노드 내지 h 노드)에 대해, 각 노드 별로 매출량(X)과 영업이익량(Y)을 도 18에 도시된 바와 같이 각 노드에 대응시켜 DB(220)에 저장해 두는 것이다. 도 18은 본 발명의 다른 실시예에 따른 계층적 구조의 모든 노드들에 대해 각 노드 별로 공헌도를 산출하기 위한 정보와 산출 결과 데이터를 나타낸 도면이다. 도 18에서, 제어부(230)는 시작점 노드인 a 노드의 매출량(Xa)으로부터 마지막 노드인 h 노드의 매출량(Xh)까지 각 노드 별 매출량(X)과, a 노드의 영업이익량(Ya)으로부터 h 노드의 영업이익량(Yh)까지 각 노드 별 영업이익량(Y)을 각 노드명(Node Name)에 매칭시켜 DB(220)에 저장해 두고, 연산 과정에서 이러한 데이터를 활용한다.
이어, 제어부(230)는 도 18에 도시된 바와 같이 모든 노드들에 대한 매출총량(TX), 영업이익총량(TY)을 산출하고, 각 노드 별 매출율(Xr), 영업이익률(Yr), 개별수익률(Zr)에 근거해 각 노드 별로 공헌도(V)를 산출한다(S1730).
즉, 제어부(230)는 도 4에서 시작점 노드인 a 노드의 매출량(Xa)으로부터 마지막 노드인 h 노드의 매출량(Xh)까지 모두 합하여 매출총량(TX)을 산출하고, a 노드의 영업이익량(Ya)으로부터 h 노드의 영업이익량(Yh)까지 모두 합하여 영업이익총량(TY)을 산출하는 것이다. 이때, 제어부(230)는 연산 과정에 이용되는 중간 데이터를 메모리(240)에 임시로 저장하고, 이를 활용하여 연산 과정을 마치게 되면 도 18에 도시된 바와 같은 연산 결과를 DB(220)에 각 노드명에 매칭시켜 저장한다.
또한, 제어부(230)는, 각 노드 별 매출율(Xr)에 대해, 수학식 2에 따라 각 노드의 매출량(X)을 모든 노드들에 대한 매출총량(TX)으로 나누어(X/TX) 산출한다. 예를 들면, 도 18에서 a 노드의 매출율 Xr(a)에 대해, 제어부(230)는 a 노드의 매출량(Xa) 1억3천(13,000)만원을 모든 노드들의 매출총량(TX) 11억8천200(118,200)만원으로 나누어 0.11을 산출하는 것이다. 이러한 과정으로 제어부(230)는 a 노드로부터 h 노드까지 각 노드 별 매출율(Xr)을 산출한다.
또한, 제어부(230)는, 각 노드 별 영업이익률(Yr)에 대해, 수학식 3에 따라 각 노드의 영업이익량(Y)을 모든 노드들에 대한 영업이익총량(TY)으로 나누어(Y/TY) 산출한다. 예를 들면, 도 18에서, p 노드의 영업이익률 Yr(p)에 대해, 제어부(230)는 g 노드의 영업이익량(Yp) 2,600만원을 모든 노드들의 영업이익총량(TY) 4억(40,000만)원으로 나누어 0.07을 산출하는 것이다. 이러한 과정으로 제어부(230)는 a 노드로부터 h 노드까지 각 노드 별 영업이익률(Yr)을 산출한다.
또한, 제어부(230)는, 각 노드의 개별수익률(Zr)에 대해, 수학식 4에 따라 각 노드의 영업이익량(Y)을 각 노드의 매출량(X)으로 나누어(Y/X) 산출한다. 예를 들어, 도 19에서, h 노드의 개별수익률 Zr(h)에 대해, 제어부(230)는 h 노드의 영업이익량(Yh) 2,500만원을 h 노드의 매출량(Xh) 5,000만원으로 나누어 0.5를 산출하는 것이다. 이러한 과정으로 제어부(230)는 a 노드로부터 h 노드까지 각 노드의 개별수익률(Zr)을 산출한다.
또한, 제어부(230)는, 각 노드 별 공헌도(V)에 대해, 수학식 5에 따라 각 노드의 매출율(Xr)과 영업이익률(Yr) 및 개별수익률(Zr)을 더하여 3으로 나누어(Xr+Yr+Zr/3) 산출하게 된다. 예를 들면, 제어부(230)는 도 18에서 f 노드의 공헌도(Vf)에 대해, f 노드의 3 가지 지수, 즉 f 노드의 매출율 Xr(f)=0.13과, 영업이익률 Yr(f)=0.15 및 개별수익률 Zr(f)=0.55를 더하여 지수합계 Tr(f)=0.83을 산출하고, 지수의 항목이 3 개이므로, 지수합계 Tr(f)=0.83을 3으로 나누어 공헌도 V(f)=0.28을 산출하는 것이다.
이어, 제어부(230)는 산출된 공헌도(V)에 따라 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교한다(S1740).
즉, 제어부(230)는 도 4의 각 노드 별 공헌도(V)를 도 18에 도시된 바와 같이 산출한 후, 각 브랜치 별로 최하위 노드로부터 하위 노드와 상위 노드의 공헌도를 각각 비교하는 것이다.
따라서, 제어부(230)는 예를 들어, 제1 브랜치의 공헌도(V)에 대해, 최하위 제5 레벨의 i 노드 0.1과 제4 레벨의 e 노드 0.16을 비교하고, 제4 레벨의 e 노드 0.16과 제3 레벨의 c 노드 0.19를 비교하며, 제3 레벨의 c 노드 0.19와 제2 레벨의 b 노드 0.27을 비교하며, 제2 레벨의 b 노드 0.27과 제1 레벨의 a 노드 0.26을 비교하는 것이다.
이러한 과정으로, 제어부(230)는 제2 브랜치의 모든 노드(a 노드와 b 노드, c 노드, f 노드)와, 제3 브랜치의 모든 노드(a 노드와 b 노드, d 노드, g 노드), 제4 브랜치의 모든 노드(a 노드와 b 노드, d 노드, h 노드)에 대해, 최하위 노드로부터 최상위 노드까지 하위 노드와 상위 노드의 공헌도(V)를 각각 비교하는 것이다.
이어, 제어부(230)는 전술한 바와 같이 계층적 노드의 모든 노드에 대해, 브랜치 단위 별로 공헌도를 비교한 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 계층적 노드의 구조를 변경한다(S1750).
즉, 제어부(230)는 모든 노드에 대한 공헌도를 나타내는 도 18에서, 제1 브랜치에 해당하는 노드들의 공헌도(V)에 대해, 최하위 제4 레벨의 e 노드 0.17과 제3 레벨의 c 노드 0.21을 비교한 결과, 상위 레벨 c 노드가 더 크므로 변경하지 않고 그대로 유지하고, 제3 레벨의 c 노드 0.21과 제2 레벨의 b 노드 0.31을 비교한 결과, 상위 레벨 b 노드가 더 크므로 변경하지 않고 그대로 두며, 제2 레벨의 b 노드 0.31과 제1 레벨의 a 노드 0.29를 비교한 결과, 하위 레벨 b 노드가 더 크므로, 도 10에 도시된 바와 같이 b 노드를 비교대상 레벨인 상위 레벨 제1 레벨로 이동하여 계층적 노드의 구조를 변경하는 것이다. 따라서, 도 10에 도시된 바와 같이, 제2 레벨이었던 b 노드가 제1 레벨로 이동하여 변경됨으로써, b 노드의 하위 레벨인 c 노드는 제2 레벨이 되고, c 노드의 하위 레벨 e 노드는 제3 레벨로 변경되는 것이다.
또한, 제어부(230)는 모든 노드에 대한 공헌도를 나타내는 도 18에서, 제2 브랜치에 해당하는 노드들의 공헌도(V)에 대해, 최하위 제4 레벨의 f 노드 0.32와 제3 레벨의 c 노드 0.21을 비교한 결과, 하위 레벨 f 노드가 상위 레벨 c 노드보다 더 크므로, 제4 레벨의 f 노드를 제3 레벨로 이동하여 구조를 변경하고, 제3 레벨의 f 노드 0.32와 제2 레벨의 b 노드 0.31을 비교하여, f 노드가 더 크므로 도 11에 도시된 바와 같이 f 노드를 제2 레벨로 이동하여 구조를 변경하며, 제2 레벨의 f 노드 0.32와 제1 레벨의 a 노드 0.29를 비교하여, f 노드가 더 크므로 f 노드를 제1 레벨로 이동하여 구조를 변경하는 것이다. 즉, 제어부(230)는 도 11에 도시된 바와 같이 제4 레벨의 f 노드를 제1 레벨로 이동하여 a 노드와 별개로 제1 레벨의 f 노드로 생성함으로써 구조를 변경하는 것이다. 이어, 제어부(230)는 제3 레벨의 c 노드 0.21과 제2 레벨의 b 노드 0.31을 비교한 결과, 상위 레벨의 b 노드가 더 크므로 구조를 변경하지 않고 그대로 유지하고, 제2 레벨의 b 노드 0.31과 제1 레벨의 a 노드 0.29를 비교한 결과, 하위 레벨의 b 노드가 상위 레벨의 a 노드보다 더 크므로, 도 11에 도시된 바와 같이 제2 레벨의 b 노드를 비교대상 레벨인 제1 레벨로 이동하여 구조를 변경한다. 따라서, 도 4의 계층적 노드에서 제2 브랜치는 도 11에 도시된 바와 같이 a 노드의 제1 레벨에서 a 노드와 b 노드 및 f 노드의 제1 레벨로 변경되고, b 노드가 제1 레벨로 변경됨에 따라 b 노드에 연결된 제3 레벨의 c 노드가 b 노드에 연결된 채 제2 레벨로 변경되는 것이다.
또한, 제어부(230)는 모든 노드에 대한 공헌도를 나타내는 도 18에서, 제3 브랜치에 해당하는 노드들의 공헌도(V)에 대해, 최하위 제4 레벨의 g 노드 0.18과 바로 위 제3 레벨의 d 노드 0.24를 비교한 결과, 제3 레벨의 d 노드가 더 크므로 변경하지 않고 그대로 유지하고, 제3 레벨의 d 노드 0.24와 제2 레벨의 b 노드 0.31을 비교한 결과, 상위 레벨의 b 노드가 더 크므로 변경하지 않고 그대로 유지하며, 제2 레벨의 b 노드 0.31과 제1 레벨의 a 노드 0.29를 비교한 결과, 하위 레벨의 b 노드가 더 크므로, 제2 레벨의 b 노드를 도 12에 도시된 바와 같이 상위 제1 레벨로 이동하여 구조를 변경한다. 따라서, b 노드에 연결된 하위 제3 레벨의 d 노드는 제2 레벨이 되고, d 노드에 연결된 하위 g 노드는 제4 레벨에서 제3 레벨로 변경되는 것이다.
또한, 제어부(230)는 모든 노드에 대한 공헌도를 나타내는 도 18에서, 제4 브랜치에 해당하는 노드들의 공헌도(V)에 대해, 최하위 제4 레벨의 h 노드 0.21과 바로 위 제3 레벨의 d 노드 0.24를 비교한 결과, 상위 레벨의 d 노드가 더 크므로 변경하지 않고 그대로 유지하고, 제3 레벨의 d 노드 0.24와 제2 레벨의 b 노드 0.31을 비교한 결과, 상위 레벨의 b 노드가 더 크므로 변경하지 않고 그대로 유지하며, 제2 레벨의 b 노드 0.31과 제1 레벨의 a 노드 0.29를 비교한 결과, 하위 레벨의 b 노드가 더 크므로, 제2 레벨의 b 노드를 도 13에 도시된 바와 같이 상위 제1 레벨로 이동하여 구조를 변경한다. 따라서, b 노드에 연결된 하위 제3 레벨의 d 노드는 제2 레벨이 되고, d 노드에 연결된 하위 g 노드는 제4 레벨에서 제3 레벨로 변경되는 것이다.
이어, 제어부(230)는 도 10 내지 도 13에 도시된 바와 같이 계층적 노드의 구조가 변경될 때마다, 변경된 계층적 노드의 전체 평가실적을 산출하고, 산출된 전체 평가실적을 해당 변경 구조에 대응시켜 데이터베이스(220)에 누적해 저장한다(S1760).
즉, 제어부(230)는 도 4의 계층적 노드에서 제1 브랜치 노드가 도 10에 도시된 바와 같이 변경된 경우에, 새로 변경된 제1 브랜치에 해당하는 노드들의 평가실적, 즉 a 노드 13,450만원, b 노드 15,200만원, c 노드 10,050만원, e 노드 5,000만원을 반영하여 전체 계층적 노드의 평가실적(A) 82,700만원을 산출하는 것이다. 또한, 제어부(230)는 도 4의 계층적 노드에서 제2 브랜치 노드가 도 11에 도시된 바와 같이 변경된 경우에, 새로 변경된 제2 브랜치 에 해당하는 노드들의 평가실적, 즉 a 노드 13,450만원, b 노드 15,200만원, c 노드 10,050만원, f 노드 15,500만원을 반영하여 전체 계층적 노드의 평가실적(A) 82,805만원을 산출하는 것이다. 또한, 제어부(230)는 도 4의 계층적 노드에서 제3 브랜치 노드가 도 12에 도시된 바와 같이 변경된 경우에, 새로 변경된 제3 브랜치 에 해당하는 노드들의 평가실적, 즉 a 노드 13,450만원, b 노드 15,200만원, d 노드 12,065만원, g 노드 6,500만원을 반영하여 전체 계층적 노드의 평가실적(A) 82,755만원을 산출하는 것이다. 그리고, 제어부(230)는 도 4의 계층적 노드에서 제4 브랜치 노드가 도 13에 도시된 바와 같이 변경된 경우에, 새로 변경된 제4 브랜치 에 해당하는 노드들의 평가실적, 즉 a 노드 13,450만원, b 노드 15,200만원, d 노드 12,065만원, h 노드 5,000만원을 반영하여 전체 계층적 노드의 평가실적(A) 82,740만원을 산출하는 것이다.
이어, 제어부(230)는 데이터베이스(220)에 누적 저장된 변경 구조에 따른 전체 평가실적들을 도 15에 도시된 바와 같이 내림차순으로 리스팅(Listing)하고, 최상위로부터 일정 순위에 해당하는 변경 구조를 추천한다(S1770).
즉, 도 15에 도시된 바와 같이, 제어부(230)는 제1 브랜치로부터 제4 브랜치까지 각 브랜치의 구조가 변경될 때마다 변경된 후의 구조에 따른 전체 평가실적(A)을 산출하는데, 제1 브랜치의 구조 변경 시 모든 노드의 전체 평가실적(A) 82,700만원을 산출하고, 제2 브랜치의 구조 변경 시 모든 노드의 전체 평가실적(A) 82,805만원을 산출하며, 제3 브랜치의 구조 변경 시 모든 노드의 전체 평가실적(A) 82,755만원을 산출하고, 제4 브랜치의 구조 변경 시 모든 노드의 전체 평가실적(A) 82,740만원을 산출하여 데이터베이스(220)에 누적해 저장하고, 변경 구조에 따른 전체 평가실적들을 내림차순으로 정리한 후, 전체 평가실적이 가장 큰 제2 브랜치의 변경 구조를 추천하는 것이다.
이에, 관리자 또는 사용자가 이를 확인하고, 입력부를 통해 전체 평가실적이 가장 큰 제2 브랜치의 변경 구조를 선택 입력한다.
이어, 제어부(230)는 추천된 변경 구조 중 하나의 변경 구조를 입력부를 통해 선택 입력받는 경우, 선택된 변경 구조에 따라 계층적 노드를 변경하여 설정한다(S1780).
즉, 제어부(230)는 도 15에 도시된 바와 같이 변경 구조를 추천한 것 중 추천순위 제1 순위에 해당하는 제2 브랜치의 변경 구조가 선택된 경우에, 도 4의 계층적 노드에 대해 도 11에 도시된 제2 브랜치의 변경 구조를 반영하여 도 16에 도시된 바와 같이 제2 브랜치의 변경 구조를 적용함으로써 계층적 노드를 변경하여 설정하는 것이다. 따라서, 도 16에 도시된 바와 같이 최종적으로 변경 설정된 계층적 노드는, 전체적인 4 레벨 구조에서 3 레벨 구조로 변경되고, 제1 레벨에 대한 노드가 a 노드와 b 노드 및 f 노드로 변경되며, 제2 레벨의 노드는 b 노드에 연결된 c 노드와 d 노드로 변경되고, 제3 레벨의 노드는 c 노드에 연결된 e 노드와, d 노드에 연결된 g 노드와 h 노드로 변경되는 것이다.
한편, 본 발명에 따른 서비스 서버(130)는 전술한 바와 같이 계층적 노드를 이루는 전체적인 구조에 대해 각 노드별 공헌도에 따라 전체적인 구조 변경 뿐만 아니라 각 팀 단위로 공헌도를 산출해 팀의 구조를 변경할 수 있다. 이를 위해, 제어부(230)는, 계층적 구조의 모든 노드들에 대해, 팀장 노드와 그 하위 노드들로 이루어지는 각 팀으로 구분하고, 구분된 각 팀 내에서 각 노드들에 대한 매출총량(TX), 영업이익총량(TY)을 산출한다. 예를 들면, 제어부(230)는 도 4의 계층적 구조에서, c 노드를 팀장으로 하고 그 하위 노드에 해당하는 e 노드와 f 노드, i 노드, j 노드, k 노드 및 l 노드를 팀원하는 c 팀과, d 노드를 팀장으로 하고 그 하위 노드에 해당하는 g 노드와 h 노드, m 노드, n 노드, o 노드 및 p 노드를 팀원으로 하는 d 팀을 구분한다. 도 4의 계층적 노드에서, 공헌도가 높은 노드가 상위 노드를 기준으로 항상 좌측에 위치하도록 할 수 있다. 본 발명의 실시예에서는 c 팀과 d 팀 중에서 c 팀의 각 노드 별 공헌도를 산출하고, 그에 따라 C 팀의 계층적 구조를 변경하는 예를 들어 설명한다. 제어부(230)는 계층적 구조에서, c 팀에 대해, 6개월이나 1년 등 일정 기간 동안에 발생된 매출량(X)과 영업이익량(Y)을 각 노드 별로 DB(220)에 저장하고, c 팀의 모든 노드들에 대한 매출총량(TX), 영업이익총량(TY)을 산출한다. 제어부(230)는 시작점 노드인 c 노드의 매출량(Xc)으로부터 c 팀의 마지막 노드인 l 노드의 매출량(Xl)까지 각 노드 별 매출량(X)과, c 노드의 영업이익량(Yc)으로부터 l 노드의 영업이익량(Yl)까지 각 노드 별 영업이익량(Y)을 각 노드명(Node Name)에 매칭시켜 DB(220)에 저장해 두고, 연산 과정에서 이러한 데이터를 활용한다. 이어, 제어부(230)는 시작점 노드인 c 노드의 매출량(Xc)으로부터 마지막 노드인 l 노드의 매출량(Xl)까지 모두 합하여 매출총량(TX)을 산출하고, c 노드의 영업이익량(Yc)으로부터 l 노드의 영업이익량(Yl)까지 모두 합하여 영업이익총량(TY)을 산출한다. 이때, 제어부(230)는 연산 과정에 이용되는 중간 데이터를 메모리(240)에 임시로 저장하고, 이를 활용하여 연산 과정을 마치게 되면 연산 결과를 DB(220)에 각 노드명에 매칭시켜 저장한다.
이어, 제어부(230)는 c 팀에 대한 각 노드 별 매출량(X), 영업이익량(Y), 매출총량(TX), 영업이익총량(TY)을 이용하여, 각 노드 별 매출율(Xr), 영업이익률(Yr), 개별수익률(Zr)을 산출하고, 이를 활용해 각 노드 별로 공헌도(V)를 산출한다.
이때, 제어부(230)는, c 팀의 각 노드 별 매출율(Xr)에 대해, 수학식 2에 따라 각 노드의 매출량(X)을 c 팀의 모든 노드들에 대한 매출총량(TX)으로 나누어(X/TX) 산출한다. 또한, 제어부(230)는, c 팀의 각 노드 별 영업이익률(Yr)에 대해, 수학식 3에 따라 각 노드의 영업이익량(Y)을 c 팀의 모든 노드들에 대한 영업이익총량(TY)으로 나누어(Y/TY) 산출한다. 또한, 제어부(230)는, c 팀의 각 노드의 개별수익률(Zr)에 대해, 수학식 4에 따라 각 노드의 영업이익량(Y)을 각 노드의 매출량(X)으로 나누어(Y/X) 산출한다. 또한, 제어부(230)는, c 팀의 각 노드 별 공헌도(V)에 대해, 수학식 5에 따라 각 노드의 매출율(Xr)과 영업이익률(Yr) 및 개별수익률(Zr)을 더하여 3으로 나누어(Xr+Yr+Zr/3) 산출한다.
이어, 제어부(230)는, C 팀의 계층적 노드에 대해, 브랜치 단위 별로 최하위 노드로부터 최상위 노드까지 하위 노드와 상위 노드의 공헌도(V)를 각각 비교한다. 그리고, 제어부(230)는 계층적 노드의 모든 노드에 대해, 브랜치 단위 별로 공헌도를 비교한 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 계층적 노드의 구조를 변경한다.
도 19는 본 발명의 다른 실시예에 따라 산출한 공헌도와 영업이익률 간의 관계를 학습하여 공헌도 모델을 생성하는 과정을 나타낸 동작 흐름도이다.
도 19를 참조하면, 제어부(230)는 모든 노드들에 대해 각 노드 별로 산출된 각 노드 별 영업이익률(Yr)과 공헌도(V)를 각 노드의 회원 정보에 매칭시켜 학습 데이터로 DB(220)에 저장한다(S1910).
이어, 제어부(230)는 학습 데이터에 대해, 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류한다(S1920).
예를 들면, 제어부(230)는 모든 노드들의 갯수가 100 개인 경우에, 학습 데이터가 100 개이므로, 80%에 해당하는 80 개 노드의 학습 데이터를 모델링 데이터군(80%)으로 설정하고, 20%에 해당하는 20 개 노드의 학습 데이터를 검증 데이터군(20%)으로 설정하는 것이다.
이어, 제어부(230)는 모델링 데이터군에 대해, 각 노드 별로 영업이익률(Yr)과 공헌도(V)를 학습하여, 도 20에 도시된 바와 같이 영업이익률(Yr)과 공헌도(V) 간의 관계를 나타내는 수학식 6의 추정 함수식(H(Yr))을 산출한다(S1930).
Figure 112016087852843-pat00006
이어, 제어부(230)는 도 20에 도시된 바와 같이 각 노드 별 공헌도(V)와, 추정 함수식(H(Yr))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(t)-V(t)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 노드 수에 따른 데이터 개수(m)로 나누어 평균함으로써 다음 수학식 7의 코스트 함수식(Cost Function)을 산출한다(S1940).
Figure 112016087852843-pat00007
이어, 제어부(230)는 도 20에 도시된 바와 같이 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 영업이익률(Yr)과 공헌도(V)를 가지는 함수식 (나)의 기울기(α) 값과 절편(β) 값을 산출한다(S1950). 도 20은 본 발명의 실시예에 따른 추정 함수식의 그래프에 가장 근접하는 공헌도(V)와 영업이익률(Yr)을 가지는 함수식을 산출하는 예를 나타낸 도면이다. 도 20에 도시된 바와 같이, 제어부(230)는 추정 함수식 H(Yr)에 가장 근접하는 영업이익률(Yr)과 공헌도(V)를 가지는 (나) 그래프에 대해, 각각의 영업이익률(Yr)과 공헌도(V) 값을 이용하여 (나) 함수식의 기울기(a) 값과 절편(b) 값을 산출하는 것이다.
그리고, 제어부(230)는 산출된 기울기(α) 값과 절편(β) 값을 추정 함수식에 대입해 모델 함수식(V=αYr+β)을 결정하여, 영업이익률(Yr)에 따른 공헌도(V)를 산출하기 위한 공헌도 모델을 생성한다(S1960).
즉, 제어부(230)는 도 20에서 (나) 그래프에 해당하는 기울기(α) 값과 절편(β) 값을 수학식 6에 따른 추정 함수식(H(Yr))에 대입하여, 추정 함수식에 가장 근접하는 공헌도 함수식을 결정하고, 결정된 공헌도 함수식에 따른 공헌도 모델을 생성하게 되는 것이다.
따라서, 본 발명에 따른 서비스 서버(130)는, 계층적 노드에서, 특정 기간 동안의 각 노드 별 영업이익량(Y)을 예측하여 공헌도 모델에 대입하면 각 노드 별로 예측 공헌도를 산출할 수 있으며, 이를 토대로 미래 특정 기간의 조직 구조를 예측할 수 있다.
즉, 제어부(230)는, 각 사용자 단말기가 대응된 모든 노드들에 대해, 각 사용자 단말기로부터 미래 특정 기간 동안의 각 노드 별 매출량(X)과 영업이익량(Y)을 각각 입력받을 수 있다. 여기서, 미래 특정 기간은 전술한 바와 같은 과정으로 계층적 구조에 대한 구조 변경이 이루어진 현재 시점으로부터 1년 이후에 6 개월 동안 또는 1 년 동안에 해당하는 특정 기간이 될 수 있다.
이어, 제어부(230)는, 각각 입력받은 각 노드 별 매출량(X)과 영업이익량(Y)에 따라 전술한 바와 같은 과정으로 각 노드 별 영업이익률(Yr)을 산출한다.
이어, 제어부(230)는 산출된 각 노드 별 영업이익률(Yr)을 각각 공헌도 모델에 대입하여 각 노드 별로 예측 공헌도(V)를 산출하는 것이다.
이어, 제어부(230)는 산출된 공헌도(V)에 따라 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교한다.
그리고, 제어부(230)는 전술한 바와 같이 계층적 노드의 모든 노드에 대해, 브랜치 단위 별로 공헌도를 비교한 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 계층적 노드의 구조를 변경하여, 노드 예측 구조를 생성하는 것이다.
이때, 제어부(230)는, 노드 예측 구조에 따라 노드 구조 정보를 업데이트하여 각 사용자나 관리자 등이 볼 수 있도록 화면 상에 디스플레이하거나, 데이터베이스(220)에 저장할 수 있다.
한편, 본 발명에 따른 서비스 서버의 조직 구조 변경 방법이 적용된 장치는, 마이크로 프로세서; 데이터베이스(DB); 및 이 프로세서에 의해 실행 가능한 명령 프로그램이 저장된 컴퓨터 판독가능 저장 매체를 포함할 수 있다.
이때, 명령 프로그램은, (a) 마이크로 프로세서가 하나 이상의 사용자 단말기로부터 통신부를 통해 추천이나 초대 정보가 포함된 회원가입 정보를 입력받아 데이터베이스(DB)에 저장하는 컴퓨터 판독가능 프로그램 코드; (b) 마이크로 프로세서가 상기 회원가입 정보에 근거해 각 노드를 생성하되, 상기 추천이나 초대 정보와 가입 순서에 의한 레벨(Level)에 따라 각 노드가 연결(link) 된 계층적 노드(Hierarchy Node)를 생성하고, 생성된 계층적 노드에 대한 노드 매칭 정보를 데이터베이스(DB)에 저장하는 컴퓨터 판독가능 프로그램 코드; (c) 마이크로 프로세서가 상기 계층적 노드에 대한 각 노드의 판매실적(S)을 입력부를 통해 입력받아 데이터베이스(DB)에 저장하고, 상기 각 노드의 판매실적(S)을 이용해 각 노드의 평가실적(A)을 산출하는 컴퓨터 판독가능 프로그램 코드; (d) 마이크로 프로세서가 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 평가실적(A)을 비교하는 컴퓨터 판독가능 프로그램 코드; (e) 마이크로 프로세서가 상기 비교 결과, 하위 노드가 상위 노드보다 평가실적(A)이 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하는 컴퓨터 판독가능 프로그램 코드; (f) 마이크로 프로세서가 상기 계층적 노드의 구조가 변경될 때마다 전체 평가실적을 산출하고, 산출된 전체 평가실적을 해당 변경 구조에 대응시켜 데이터베이스(DB)에 누적해 저장하는 컴퓨터 판독가능 프로그램 코드; (g) 마이크로 프로세서가 상기 데이터베이스(DB)에 누적 저장된 변경 구조에 따른 전체 평가실적들을 내림차순으로 리스팅(Listing)하고, 최상위로부터 일정 순위에 해당하는 변경 구조를 추천하는 컴퓨터 판독가능 프로그램 코드; 및 (h) 마이크로 프로세서가 상기 추천된 변경 구조 중 하나의 변경 구조를 입력부를 통해 선택 입력받는 경우, 선택 입력받은 변경 구조에 따라 상기 계층적 노드를 변경하여 설정하는 컴퓨터 판독가능 프로그램 코드를 포함한다.
여기서, 상기 (c) 컴퓨터 판독가능 프로그램 코드는, 상기 마이크로 프로세서가 상기 평가실적(A)에 대하여 상기 판매실적(S)에 후원실적(P)을 더하여 산출하고, 상기 후원실적(P)은 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 산출하며, 해당 레벨(Ln-2)의 후원실적(Pn-2)은 다음 수학식에 따라 하위 레벨(Ln-1) 노드의 판매실적(Sn-1)에 해당 레벨의 후원율(Rn-2)을 곱하여 산출하되, 상기 해당 레벨의 후원율(Rn-2)은 하위 레벨(Ln-1)의 후원율(Rn-1)에 일정값(α)을 더하여 산출할 수 있다.
또한, 상기 후원율(R)은 상기 계층적 노드의 최하위 레벨(Ln)에 해당하는 노드에는 존재하지 않고 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln - 1)에 해당하는 노드부터 후원율(Rn-1)이 존재하며, 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 하나의 레벨이 상승할 때마다 상기 일정값(α)만큼 증가하되, 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)로부터 20 단계의 레벨(Ln-21)까지 증가할 수 있다.
또한, 상기 (b) 컴퓨터 판독가능 프로그램 코드에서 상기 마이크로 프로세서는, 상기 추천이나 초대로 회원 가입한 노드를 추천자 노드의 하위 노드로 생성하고, 상기 추천이나 초대가 아닌 독립적으로 회원 가입한 노드를 독립된 상위 노드로 생성할 수 있다.
또한, 상기 (b) 컴퓨터 판독가능 프로그램 코드에서 상기 마이크로 프로세서는, 상기 추천이나 초대가 아니라 독립적으로 회원 가입한 노드 또는 상기 추천이나 초대로 회원 가입한 노드의 최상위 노드에 해당하는 노드를 시작점 노드(Starting Point Node)로 설정할 수 있다.
또한, 상기 (b) 컴퓨터 판독가능 프로그램 코드에서 상기 마이크로 프로세서는, 상기 계층적 노드에서 2 개 이상의 하위 노드가 2 레벨 이상으로 연결된 상위 노드를 팀장 노드로 설정하고, 설정된 팀장 노드가 2 개 이상이 되는 상위 노드를 부서장 노드로 설정할 수 있다.
또한, 상기 (c) 컴퓨터 판독가능 프로그램 코드에서 상기 마이크로 프로세서는, 상기 각 노드들에 대해 일정 기간 동안의 판매량(X)과 영업이익량(Y)을 입력받아 상기 데이터베이스(DB)에 저장하고, 이에 근거해 상기 브랜치(Branch) 단위의 각 노드들에 대한 판매총량(TX), 영업이익총량(TY)을 산출하여, 각 노드 별 판매율(Xr), 영업이익률(Yr), 개별수익률(Zr)에 근거해 각 노드 별로 공헌도(V)를 산출하며, 상기 (d) 컴퓨터 판독가능 프로그램 코드에서 상기 마이크로 프로세서는, 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교하며, 상기 (e) 컴퓨터 판독가능 프로그램 코드에서 상기 마이크로 프로세서는, 상기 비교 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경할 수 있다.
또한, 상기 (c) 컴퓨터 판독가능 프로그램 코드에서 상기 마이크로 프로세서는, 상기 각 노드 별 판매율(Xr)에 대해 각 노드의 판매량(X)을 상기 브랜치(Branch) 단위의 모든 노드들에 대한 매출총량(TX)으로 나누어(X/TX) 산출하고, 상기 각 노드 별 영업이익률(Yr)에 대해 각 노드의 영업이익량(Y)을 상기 브랜치(Branch) 단위의 모든 노드들에 대한 영업이익총량(TY)으로 나누어(Y/TY) 산출하며, 상기 각 노드의 개별수익률(Zr)에 대해 각 노드의 영업이익량(Y)을 상기 브랜치(Branch) 단위의 각 노드의 판매량(X)으로 나누어(Y/X) 산출하며, 상기 각 노드 별 공헌도(V)에 대해 각 노드의 판매율(Xr)과 영업이익률(Yr) 및 개별수익률(Zr)을 더하여 3으로 나누어(Xr+Yr+Zr/3) 산출할 수 있다.
또한, 상기 (c) 컴퓨터 판독가능 프로그램 코드 내지 상기 (h) 컴퓨터 판독가능 프로그램 코드 이후에 상기 마이크로 프로세서는, (i) 상기 모든 노드들에 대해 각 노드 별로 산출된 각 노드 별 영업이익률(Yr)과 공헌도(V)를 각 노드의 회원 정보에 매칭시켜 학습 데이터로 상기 데이터베이스(DB)에 저장하는 컴퓨터 판독가능 프로그램 코드; (j) 상기 학습 데이터에 대해, 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류하는 컴퓨터 판독가능 프로그램 코드; (k) 상기 모델링 데이터군에 대해, 상기 각 노드 별로 영업이익률(Yr)과 공헌도(V)를 학습하여, 상기 영업이익률(Yr)과 상기 공헌도(V) 간의 관계를 나타내는 추정 함수식(H(x))을 산출하는 컴퓨터 판독가능 프로그램 코드; (l) 상기 각 노드 별 공헌도(V)와, 상기 추정 함수식(H(Yr))의 그래프에 해당하는 추정 데이터들 간의 거리값([H(t)-V(t)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 상기 노드 수에 따른 데이터 개수(m)로 나누어, 상기 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 영업이익률(Yr)과 공헌도(V)를 가지는 함수식의 기울기(α) 값과 절편(β) 값을 산출하는 컴퓨터 판독가능 프로그램 코드; 및 (m) 상기 산출된 기울기(α) 값과 절편(β) 값을 상기 추정 함수식에 대입해 모델 함수식(V=αYr+β)을 결정하여, 영업이익률(Yr)에 따른 공헌도(V)를 산출하기 위한 상기 공헌도 모델을 생성하는 컴퓨터 판독가능 프로그램 코드를 더 실행할 수 있다..
그리고, 상기 (m) 컴퓨터 판독가능 프로그램 코드 이후에 상기 마이크로 프로세서는, (n) 상기 공헌도 모델을 생성한 후, 상기 모든 노드들에 대해 각 사용자 단말기로부터 미래 특정 기간 동안의 각 노드 별 매출량(X)과 영업이익량(Y)을 각각 입력받는 컴퓨터 판독가능 프로그램 코드; (o) 상기 각각 입력받은 각 노드 별 매출량(X)과 영업이익량(Y)에 따라 각 노드 별 영업이익률(Yr)을 산출하고, 산출된 각 노드 별 영업이익률(Yr)을 상기 공헌도 모델에 대입하여 각 노드 별 공헌도(V)를 예측하여 산출하는 컴퓨터 판독가능 프로그램 코드; (p) 상기 예측하여 산출된 공헌도(V)에 따라 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교하는 컴퓨터 판독가능 프로그램 코드; (q) 상기 비교 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하여 노드 예측 구조로 생성하는 컴퓨터 판독가능 프로그램 코드; 및, (r) 상기 노드 예측 구조에 따라 상기 노드 매칭 정보를 업데이트하여 화면 상에 디스플레이하거나 상기 데이터베이스(DB)에 저장하는 컴퓨터 판독가능 프로그램 코드를 더 실행할 수 있다.
여기서, 상기 컴퓨터 판독가능 프로그램 코드는, 프로그램 언어로서 C 언어, COBOL 언어, Java 언어, C++ 언어, 자바 스크립트(Java Script), HTML, HTML5 등을 포함하는 프로그램 언어 중 하나로 코딩될 수 있다.
전술한 바와 같이 본 발명에 의하면, 하나 이상의 사용자 단말기가 추천이나 초대 방식에 따라 상품 영업 서비스에 회원 가입하게 되면, 추천자 또는 초대자를 기준으로 계층적 노드들을 생성하고, 일정 기간 동안에 모든 노드들에 발생된 매출과 영업이익을 통해 각 노드들에 대한 공헌도를 산출하여, 산출된 공헌도에 따라 노드 구조를 변경할 수 있도록 하는, 서비스 서버와, 장치 및 서비스 서버의 조직 구조 변경 방법을 실현할 수 있다.
본 발명이 속하는 기술 분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있으므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100 : 서비스 시스템 110~114 : 사용자 단말기
120 : 통신 네트워크 130 : 서비스 서버
210 : 통신부 220 : DB
230 : 제어부 240 : 메모리

Claims (18)

  1. (a) 마이크로 프로세서가 하나 이상의 사용자 단말기로부터 통신부를 통해 추천이나 초대 정보가 포함된 회원가입 정보를 입력받아 데이터베이스(DB)에 저장하는 단계;
    (b) 마이크로 프로세서가 상기 회원가입 정보에 근거해 각 노드를 생성하되, 상기 추천이나 초대 정보와 가입 순서에 의한 레벨(Level)에 따라 각 노드가 연결(link) 된 계층적 노드(Hierarchy Node)를 생성하고, 생성된 계층적 노드에 대한 노드 매칭 정보를 데이터베이스(DB)에 저장하는 단계;
    (c) 마이크로 프로세서가 상기 계층적 노드에 대한 각 노드의 판매실적(S)을 입력부를 통해 입력받아 데이터베이스(DB)에 저장하고, 상기 각 노드의 판매실적(S)을 이용해 각 노드의 평가실적(A)을 산출하는 단계;
    (d) 마이크로 프로세서가 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 평가실적(A)을 비교하는 단계;
    (e) 마이크로 프로세서가 상기 비교 결과, 하위 노드가 상위 노드보다 평가실적(A)이 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하는 단계;
    (f) 마이크로 프로세서가 상기 계층적 노드의 구조가 변경될 때마다 전체 평가실적을 산출하고, 산출된 전체 평가실적을 해당 변경 구조에 대응시켜 데이터베이스(DB)에 누적해 저장하는 단계;
    (g) 마이크로 프로세서가 상기 데이터베이스(DB)에 누적 저장된 변경 구조에 따른 전체 평가실적들을 내림차순으로 리스팅(Listing)하고, 최상위로부터 일정 순위에 해당하는 변경 구조를 추천하는 단계; 및
    (h) 마이크로 프로세서가 상기 추천된 변경 구조 중 하나의 변경 구조를 입력부를 통해 선택 입력받는 경우, 선택 입력받은 변경 구조에 따라 상기 계층적 노드를 변경하여 설정하는 단계;
    를 포함하고,
    상기 (c) 단계에서 상기 마이크로 프로세서는, 상기 평가실적(A)에 대하여 상기 판매실적(S)에 후원실적(P)을 더하여 산출하고, 상기 후원실적(P)은 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 산출하며, 해당 레벨(Ln-2)의 후원실적(Pn-2)은 하위 레벨(Ln-1) 노드의 판매실적(Sn-1)에 해당 레벨의 후원율(Rn-2)을 곱하여 산출하되, 상기 해당 레벨의 후원율(Rn-2)은 하위 레벨(Ln-1)의 후원율(Rn-1)에 일정값(α)을 더하여 산출하며,
    상기 (c) 단계에서 상기 마이크로 프로세서는, 상기 각 노드들에 대해 일정 기간 동안의 판매량(X)과 영업이익량(Y)을 입력받아 상기 데이터베이스(DB)에 저장하고, 이에 근거해 상기 브랜치(Branch) 단위의 각 노드들에 대한 판매총량(TX), 영업이익총량(TY)을 산출하여, 각 노드 별 판매율(Xr), 영업이익률(Yr), 개별수익률(Zr)에 근거해 각 노드 별로 공헌도(V)를 산출하며,
    상기 (d) 단계에서 상기 마이크로 프로세서는, 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교하며,
    상기 (e) 단계에서 상기 마이크로 프로세서는, 상기 비교 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하며,
    상기 (c) 단계 내지 상기 (h) 단계 이후에 상기 마이크로 프로세서는,
    (i) 상기 모든 노드들에 대해 각 노드 별로 산출된 각 노드 별 영업이익률(Yr)과 공헌도(V)를 각 노드의 회원 정보에 매칭시켜 학습 데이터로 상기 데이터베이스(DB)에 저장하는 단계;
    (j) 상기 학습 데이터에 대해, 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류하는 단계;
    (k) 상기 모델링 데이터군에 대해, 상기 각 노드 별로 영업이익률(Yr)과 공헌도(V)를 학습하여, 상기 영업이익률(Yr)과 상기 공헌도(V) 간의 관계를 나타내는 추정 함수식을 산출하는 단계;
    (l) 상기 각 노드 별 공헌도(V)와, 상기 추정 함수식의 그래프에 해당하는 추정 데이터들 간의 거리값([H(t)-V(t)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 상기 노드 수에 따른 데이터 개수(m)로 나누어, 상기 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 영업이익률(Yr)과 공헌도(V)를 가지는 함수식의 기울기(α) 값과 절편(β) 값을 산출하는 단계; 및
    (m) 상기 산출된 기울기(α) 값과 절편(β) 값을 상기 추정 함수식에 대입해 모델 함수식(V=αYr+β)을 결정하여, 영업이익률(Yr)에 따른 공헌도(V)를 산출하기 위한 상기 공헌도 모델을 생성하는 단계;를 실행하며,
    상기 (m) 단계 이후에 상기 마이크로 프로세서는,
    (n) 상기 공헌도 모델을 생성한 후, 상기 모든 노드들에 대해 각 사용자 단말기로부터 미래 특정 기간 동안의 각 노드 별 매출량(X)과 영업이익량(Y)을 각각 입력받는 단계;
    (o) 상기 각각 입력받은 각 노드 별 매출량(X)과 영업이익량(Y)에 따라 각 노드 별 영업이익률(Yr)을 산출하고, 산출된 각 노드 별 영업이익률(Yr)을 상기 공헌도 모델에 대입하여 각 노드 별 공헌도(V)를 예측하여 산출하는 단계;
    (p) 상기 예측하여 산출된 공헌도(V)에 따라 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교하는 단계;
    (q) 상기 비교 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하여 노드 예측 구조로 생성하는 단계; 및,
    상기 노드 예측 구조에 따라 상기 노드 매칭 정보를 업데이트하여 화면 상에 디스플레이하거나 상기 데이터베이스(DB)에 저장하는 단계;를 더 실행하는,
    서비스 서버의 조직 구조 변경 방법.
  2. 삭제
  3. 청구항 2에 있어서,
    상기 해당 레벨의 후원율(Rn-2)은 상기 계층적 노드의 최하위 레벨(Ln)에 해당하는 노드에는 존재하지 않고 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)에 해당하는 노드부터 후원율(Rn-1)이 존재하며, 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 하나의 레벨이 상승할 때마다 상기 일정값(α)만큼 증가하되, 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)로부터 20 단계의 레벨(Ln-21)까지 증가하는, 서비스 서버의 조직 구조 변경 방법.
  4. 청구항 1에 있어서,
    상기 (b) 단계에서 상기 마이크로 프로세서는, 상기 추천이나 초대로 회원 가입한 노드를 추천자 노드의 하위 노드로 생성하고, 상기 추천이나 초대가 아닌 독립적으로 회원 가입한 노드를 독립된 상위 노드로 생성하는, 서비스 서버의 조직 구조 변경 방법.
  5. 청구항 4에 있어서,
    상기 (b) 단계에서 상기 마이크로 프로세서는, 상기 추천이나 초대가 아니라 독립적으로 회원 가입한 노드 또는 상기 추천이나 초대로 회원 가입한 노드의 최상위 노드에 해당하는 노드를 시작점 노드(Starting Point Node)로 설정하는, 서비스 서버의 조직 구조 변경 방법.
  6. 청구항 4에 있어서,
    상기 (b) 단계에서 상기 마이크로 프로세서는, 상기 계층적 노드에서 2 개 이상의 하위 노드가 2 레벨 이상으로 연결된 상위 노드를 팀장 노드로 설정하고, 설정된 팀장 노드가 2 개 이상이 되는 상위 노드를 부서장 노드로 설정하는, 서비스 서버의 조직 구조 변경 방법.
  7. 삭제
  8. 청구항 1에 있어서,
    상기 (c) 단계에서 상기 마이크로 프로세서는,
    상기 각 노드 별 판매율(Xr)에 대해 각 노드의 판매량(X)을 상기 브랜치(Branch) 단위의 모든 노드들에 대한 매출총량(TX)으로 나누어(X/TX) 산출하고,
    상기 각 노드 별 영업이익률(Yr)에 대해 각 노드의 영업이익량(Y)을 상기 브랜치(Branch) 단위의 모든 노드들에 대한 영업이익총량(TY)으로 나누어(Y/TY) 산출하며,
    상기 각 노드의 개별수익률(Zr)에 대해 각 노드의 영업이익량(Y)을 상기 브랜치(Branch) 단위의 각 노드의 판매량(X)으로 나누어(Y/X) 산출하며,
    상기 각 노드 별 공헌도(V)에 대해 각 노드의 판매율(Xr)과 영업이익률(Yr) 및 개별수익률(Zr)을 더하여 3으로 나누어(Xr+Yr+Zr/3) 산출하는,
    서비스 서버의 조직 구조 변경 방법.
  9. 삭제
  10. 삭제
  11. 하나 이상의 사용자 단말기와 통신 네트워크를 통해 데이터를 송수신하기 위한 통신부;
    상기 하나 이상의 사용자 단말기로부터 입력받은 추천이나 초대 정보가 포함된 회원 가입 정보를 저장하고, 상기 회원 가입 정보에 근거해 생성된 계층적 노드에 대한 노드 매칭 정보를 저장하는 데이터베이스(DB); 및
    상기 회원가입 정보에 근거해 각 노드를 생성하되, 상기 추천이나 초대 정보와 가입 순서에 의한 레벨(Level)에 따라 각 노드가 연결(link) 된 계층적 노드(Hierarchy Node)를 생성하고, 생성된 계층적 노드에 대한 노드 매칭 정보를 상기 데이터베이스(DB)에 저장하며, 상기 계층적 노드에 대한 각 노드의 판매실적(S)을 입력받아 상기 데이터베이스(DB)에 저장하고, 상기 각 노드의 판매실적(S)을 이용해 각 노드의 평가실적(A)을 산출하며, 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 평가실적(A)을 비교하여, 비교 결과, 하위 노드가 상위 노드보다 평가실적(A)이 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하며, 상기 계층적 노드의 구조가 변경될 때마다 전체 평가실적을 산출하고, 산출된 전체 평가실적을 해당 변경 구조에 대응시켜 상기 데이터베이스(DB)에 누적해 저장하며, 상기 데이터베이스(DB)에 누적 저장된 변경 구조에 따른 전체 평가실적들을 내림차순으로 리스팅(Listing)하고, 최상위로부터 일정 순위에 해당하는 변경 구조를 추천하여, 추천된 변경 구조 중 하나의 변경 구조를 선택 입력받는 경우, 선택 입력받은 변경 구조에 따라 상기 계층적 노드를 변경하여 설정하는 제어부;
    를 포함하고,
    상기 제어부는, 상기 평가실적(A)에 대하여 상기 판매실적(S)에 후원실적(P)을 더하여 산출하고, 상기 후원실적(P)은 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 산출하며, 해당 레벨(Ln-2)의 후원실적(Pn-2)은 다음 수학식에 따라 하위 레벨(Ln-1) 노드의 판매실적(Sn-1)에 해당 레벨의 후원율(Rn-2)을 곱하여 산출하되, 상기 해당 레벨의 후원율(Rn-2)은 하위 레벨(Ln-1)의 후원율(Rn-1)에 일정값(α)을 더하여 산출하며,
    상기 제어부는, 상기 각 노드들에 대해 일정 기간 동안의 판매량(X)과 영업이익량(Y)을 입력받아 상기 데이터베이스(DB)에 저장하고, 이에 근거해 상기 브랜치(Branch) 단위의 각 노드들에 대한 판매총량(TX), 영업이익총량(TY)을 산출하여, 각 노드 별 판매율(Xr), 영업이익률(Yr), 개별수익률(Zr)에 근거해 각 노드 별로 공헌도(V)를 산출하며, 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교하며, 상기 비교 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하며,
    상기 제어부는, 상기 각 노드 별로 공헌도(V)를 산출한 후, 상기 모든 노드들에 대해 각 노드 별로 산출된 각 노드 별 영업이익률(Yr)과 공헌도(V)를 각 노드의 회원 정보에 매칭시켜 학습 데이터로 상기 데이터베이스(DB)에 저장하고, 상기 학습 데이터에 대해, 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류하며, 상기 모델링 데이터군에 대해, 상기 각 노드 별로 영업이익률(Yr)과 공헌도(V)를 학습하여, 상기 영업이익률(Yr)과 상기 공헌도(V) 간의 관계를 나타내는 추정 함수식을 산출하며, 상기 각 노드 별 공헌도(V)와, 상기 추정 함수식의 그래프에 해당하는 추정 데이터들 간의 거리값([H(t)-V(t)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 상기 노드 수에 따른 데이터 개수(m)로 나누어, 상기 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 영업이익률(Yr)과 공헌도(V)를 가지는 함수식의 기울기(α) 값과 절편(β) 값을 산출하며, 상기 산출된 기울기(α) 값과 절편(β) 값을 상기 추정 함수식에 대입해 모델 함수식(V=αYr+β)을 결정하여, 영업이익률(Yr)에 따른 공헌도(V)를 산출하기 위한 상기 공헌도 모델을 생성하며,
    상기 제어부는, 상기 공헌도 모델을 생성한 후, 상기 모든 노드들에 대해 각 사용자 단말기로부터 미래 특정 기간 동안의 각 노드 별 매출량(X)과 영업이익량(Y)을 각각 입력받고, 상기 각각 입력받은 각 노드 별 매출량(X)과 영업이익량(Y)에 따라 각 노드 별 영업이익률(Yr)을 산출하고, 산출된 각 노드 별 영업이익률(Yr)을 상기 공헌도 모델에 대입하여 각 노드 별 공헌도(V)를 예측하여 산출하며,
    상기 제어부는, 상기 예측하여 산출된 공헌도(V)에 따라 상기 계층적 노드의 브랜치(Branch) 단위로 최하위 레벨의 노드로부터 최상위 레벨의 노드까지 상위 노드와 하위 노드의 공헌도(V)를 비교하며, 상기 비교 결과, 하위 노드가 상위 노드보다 공헌도(V)가 더 크면, 하위 노드를 비교대상 노드의 레벨로 이동시켜 상기 계층적 노드의 구조를 변경하여 노드 예측 구조로 생성하며, 상기 노드 예측 구조에 따라 상기 노드 매칭 정보를 업데이트하여 화면 상에 디스플레이하거나 상기 데이터베이스(DB)에 저장하는,
    서비스 서버.
  12. 삭제
  13. 청구항 11에 있어서,
    상기 해당 레벨의 후원율(Rn-2)은 상기 계층적 노드의 최하위 레벨(Ln)에 해당하는 노드에는 존재하지 않고 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)에 해당하는 노드부터 후원율(Rn-1)이 존재하며, 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)부터 하나의 레벨이 상승할 때마다 상기 일정값(α)만큼 증가하되, 상기 최하위 레벨(Ln)의 바로 위 레벨(Ln-1)로부터 20 단계의 레벨(Ln-21)까지 증가하는, 서비스 서버.
  14. 삭제
  15. 청구항 11에 있어서,
    상기 제어부는, 상기 각 노드 별 판매율(Xr)에 대해 각 노드의 판매량(X)을 상기 브랜치(Branch) 단위의 모든 노드들에 대한 매출총량(TX)으로 나누어(X/TX) 산출하고, 상기 각 노드 별 영업이익률(Yr)에 대해 각 노드의 영업이익량(Y)을 상기 브랜치(Branch) 단위의 모든 노드들에 대한 영업이익총량(TY)으로 나누어(Y/TY) 산출하며, 상기 각 노드의 개별수익률(Zr)에 대해 각 노드의 영업이익량(Y)을 상기 브랜치(Branch) 단위의 각 노드의 판매량(X)으로 나누어(Y/X) 산출하며, 상기 각 노드 별 공헌도(V)에 대해 각 노드의 판매율(Xr)과 영업이익률(Yr) 및 개별수익률(Zr)을 더하여 3으로 나누어(Xr+Yr+Zr/3) 산출하는, 서비스 서버.
  16. 삭제
  17. 삭제
  18. 삭제
KR1020160115687A 2016-09-08 2016-09-08 서비스 서버 및 그것의 조직 구조 변경 방법 KR101741626B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160115687A KR101741626B1 (ko) 2016-09-08 2016-09-08 서비스 서버 및 그것의 조직 구조 변경 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160115687A KR101741626B1 (ko) 2016-09-08 2016-09-08 서비스 서버 및 그것의 조직 구조 변경 방법

Publications (1)

Publication Number Publication Date
KR101741626B1 true KR101741626B1 (ko) 2017-05-31

Family

ID=59052455

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160115687A KR101741626B1 (ko) 2016-09-08 2016-09-08 서비스 서버 및 그것의 조직 구조 변경 방법

Country Status (1)

Country Link
KR (1) KR101741626B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657715A (zh) * 2021-07-15 2021-11-16 福建新大陆软件工程有限公司 一种基于核密度估计调用链的根因定位方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002304512A (ja) 2001-04-06 2002-10-18 Ibe:Kk 販売会員管理システム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002304512A (ja) 2001-04-06 2002-10-18 Ibe:Kk 販売会員管理システム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657715A (zh) * 2021-07-15 2021-11-16 福建新大陆软件工程有限公司 一种基于核密度估计调用链的根因定位方法及系统

Similar Documents

Publication Publication Date Title
Luzon et al. Evaluating supplier selection criteria for oil and gas projects in the UAE using AHP and Delphi
Stephen et al. Deriving value from social commerce networks
Gupta et al. Multi-period price optimization problem for omnichannel retailers accounting for customer heterogeneity
Giri et al. Coordinating a three-layer supply chain with uncertain demand and random yield
Truong et al. Optimal design methodologies for configuration of supply chains
Park et al. Eliciting preference for complex products: A web-based upgrading method
Kumar et al. Stages of user engagement on social commerce platforms: analysis with the navigational clickstream data
US20120123837A1 (en) Social network shopping system and method
CN104885100A (zh) 技能赞同
KR20100083817A (ko) 온라인 시장을 위한 프로파일링 시스템
CN103890797A (zh) 基于社交图信息向用户推荐项
Mohammaditabar et al. A supplier-selection model with classification and joint replenishment of inventory items
Hernandez-Nieves et al. CEBRA: A CasE-Based Reasoning Application to recommend banking products
CN103930916A (zh) 使用社交图信息来增强用户购物体验
Zhou et al. A supplier selection and order allocation problem with stochastic demands
US20160117703A1 (en) Large-Scale Customer-Product Relationship Mapping and Contact Scheduling
Sandeep et al. Supplier selection using combined AHP and GRA for a pump manufacturing industry
Jana et al. A fuzzy simulation via contractive mapping genetic algorithm approach to an imprecise production inventory model under volume flexibility
KR101873319B1 (ko) 실시간 홍보 및 이벤트 제공시스템
Wu et al. A Study of the Relevance between Service Design and Consumer-Perceived Value Based On Social Marketing in Cultural and Creative Industry.
US20100306034A1 (en) System & method for facilitating projected transactions
KR20010109402A (ko) 인터넷 상에서의 고객 행동 가치 산출 시스템 및 방법
Qiu et al. Integrated dynamic single-facility location and inventory planning problems
Balcan et al. Generalization guarantees for multi-item profit maximization: Pricing, auctions, and randomized mechanisms
Qin et al. Trading safety stock for service response time in inventory positioning

Legal Events

Date Code Title Description
GRNT Written decision to grant