KR102045477B1 - 이커머스 플랫폼 평가 시스템 - Google Patents

Abstract

본 발명은 이커머스 플랫폼 평가 시스템(1) 및 방법에 관한 것이다. 그러한 이커머스 플랫폼 평가 시스템(1)은, 네트워크상에서 온라인 유통 시장에 참여하고 있는 업체의 사이트 및 딜의 판매 데이터를 수집, 기록하고 조건 데이터에 따라 평가 및 비교할 수 있는 서버(3)와; 서버(3)와 네트워크(N)망을 통하여 연결됨으로써 데이터를 송수신할 수 있는 단말기(5)와; 그리고 상기 수집, 기록, 평가, 비교한 데이터를 저장하는 데이터 베이스(15)를 포함하며, 상기 서버(3)는, 평가 대상 사이트 혹은 딜에 대한 판매 데이터를 수집하는 수집부(7)와; 수집된 판매 관련 판매 데이터를 분석하여 평가하는 평가부(9)와; 분석된 데이터에 의하여 평가 대상 사이트에 대하여 순위를 산출하는 순위 산정부(11)와; 그리고 산출된 결과를 출력하는 출력부(13)를 포함함으로써 네트워크상에서 온라인 유통 시장에 참여하고 있는 업체의 사이트 및 딜을 평가한다.

Description

이커머스 플랫폼 평가 시스템{System for evaluating platform of ecommerce}

본 발명은 이커머스 플랫폼 평가 시스템에 관한 것으로, 보다 상세하게는 온라인 유통 시장에 참여하고 있는 EC채널 사이트 내 제조사 및 판매자의 영업활동 및 판매상황을 측정할 수 있는 객관적인 기준을 제공하고 각 플랫폼의 비교와 분석을 효율적으로 실시할 수 있는 기술에 관한 것이다.

일반적으로 이커머스는 전자상거래(electronic commerce)의 약자로 온라인 네트워크를 통해 상품과 서비스를 사고파는 것을 의미한다. 최근 스마트폰이 널리 보급되면서 모바일 쇼핑 비중이 급증하고 있는 바 이러한 이커머스의 비중이 더욱 증가하고 있다.

그리고, 이러한 이커머스상에서 오픈마켓 등 온라인 쇼핑 채널 마다 하루에 한 개의 상품을 대표 상품으로 선정하고 1일 특가로 노출하는‘딜＇이 소셜커머스에 도입되었다. 따라서, 이러한 딜의 출현 이후, 판매채널이 적극적으로 큐레이션한 다수의 딜만으로 소비자의 구매욕구를 자극하여 판매하는 방식이 자리 잡았고, 모바일 매출 비중이 높아지면서 오픈마켓까지 확산되었다.

또한, 구매금액에 따라 자사 판매 플래폼 고객을 서열화하고 할인쿠폰을 차등 발급하는 온라인 채널들의 판매전략은 검색어 별로 리스팅되는 셀러들을 경쟁시킴으로써 소비자들에게 구매를 유도한다.

이때 판매채널들은 검색창 이외에 중요한 노출구좌들을 딜로 구성, 초기 입점 제품의 매출을 가능케 함은 물론, 검색 결과에 의한 매출을 선행적으로 견인한다.

그러나 제조사와 판매자의 딜 노출은 판매 플래폼 관점에서 대량 매출을 가능케 하는 비교 우의의 가격 경쟁력 혹은 판매 채널의 상품 구색 우위를 가능케 하는 단독 입점 등 해당 판매채널로부터 선택받을 때 가능한 것으로, 전문 온라인 판매, 마케팅 조직을 갖춘 몇몇 대기업 브랜드를 제외한 대다수 제조사와 판매자들에게 주요 판매채널별 딜에서 지속적으로 노출된다는 것은 어려운 일이라고 할 수 있다.

그리고, 판매 채널 간 경쟁이 심화되어 몇몇 판매채널들은 판매 마진을 포기하거나, 막대한 마케팅 비용을 상품 할인에 사용하기 때문에 제조사와 판매자들이 자사 판매 채널을 가장 중요하게 생각하길 바라기 때문이며, 이는 판매자와 판매채널 간에 상존하는 갈등요인이다.

반면, 제조사의 관점에서 보면, 여러 주요 채널에서 그들의 요구대로 상품구성을 달리해서 지속적으로 딜을 노출하고 싶어도 특정 판매 채널의 딜에서 한번 무리한 상품구성이 노출되면 다른 판매 채널에서 더 좋은 구성을 요구하게 되므로 공격적인 딜 운영을 주저할 수 밖에 없는 게 현실이다.

이와 관련해 특정 판매자가 주요 온라인 판매채널 상에서 어떻게 영업활동을 하고 있는지를 파악하는 기술적인 방식이 다양하게 제안되는 바, 가장 일반적인 방법은 특정한 키워드 또는 상품 카테고리에 상위 노출된 온라인 판매자들의 제조사별 판매 현황을 크롤링(crolling) 기법으로 파악하는 것이다.

키워드/제조사(브랜드)/판매채널 별 점유율, 성장율, 가격변동 등은 이러한 크롤링 기법을 통해 확인할 수 있는 것이며, 이러한 분석결과를 경쟁사 동향 파악이나 마케팅, 가격전략 수립 등의 전략적 목적으로 활용하고 있다.

그리고, 판매자, 또는 판매자가 입점한 온라인 판매 채널이 판매 현황 분석 결과를 자사의 마케팅 활동에 연계하는 것은 현재의 온라인 시장 경쟁에서 일반적인 경향이다. 즉, 주요 온라인 판매채널들은 자사의 소비자 장악력을 높이기 위해 더 매력적인 상품구성이 가능한 판매자를 모집하고 주요 딜에서 노출함으로써 소비자들의 관심을 유도하고자 한다.

또한, 판매자들 역시 해당 채널에서 특화된 자사 상품구성의 딜을 통해 시장 점유율 증대를 추구하며, 제조사는 이러한 판매자들의 딜 노출에 의해 인기가 높거나 판매활동과의 연관성이 높은 판매 채널을 선별하여 전략적으로 마케팅 비용을 제공함으로써 온라인 판촉의 효율성을 높이고자 노력하는 것이다.

결국, 온라인 판매 활성화를 위해서는 매력적인 딜이 구성되어 주요채널에서 저마다 지속적으로 노출되어야 하며, 이러한 전반적이고 지속적인 온라인 판촉 행위에 따른 판매 수익 등의 부가가치가 제조사의 온라인 채널별 마케팅 예산으로 또다시 책정되는 선순환의 온라인 사업 구조가 성립되는 것이다.

하지만, 현실적으로 제조사와 판매자가 직면한 큰 문제 중 하나는 어떤 채널의 어떤 딜이 취급하는 상품에 가장 적합한지 예측하기 어렵고, 전체 채널에서 어떤 딜 포트폴리오를 운영할지에 대한 전략적 근거가 부족하다.

메이저 채널의 대표 딜들의 경우에는 매출 우위의 정도에 관한 공감대가 어느 정도 형성되고 있으나, 새로 생겨난 딜은 정보나 경쟁사 동향, 전체 딜에 대한 해당 상품군의 매출 추세는 상대적으로 파악이 어려운 상황이다.

또한, 판매채널은 자사에 유리하게 가공된 지표를 근거로 제조사에 마케팅 비용과 함께 딜 구성에 필요한 추가 DC와 안정적인 재고를 요청하는 경우가 있는데, 이는 제조사가 다른 판매채널에서도 건전한 딜 운영을 하기 어렵게 한다.

이로 인하여 무리한 마케팅 비용, 지나치게 저렴한 상품 구성, 혹은 과도한 재고 준비 등으로 판매자가 부담을 떠안았는데도 불구하고 판매채널의 예상과 달리 저조한 판매실적으로 이어질 경우, 해당 제조사는 해당 판매채널과의 추가적인 딜 운영이 어려워질 뿐만 아니라, 온라인 사업 전반에 추진 동력을 잃게 될 수 있다.

이러한 경우에도 해당 제조사는 해당 채널에 무리한 구성과 재고 준비에 대해 항의하기 어렵고 해당 채널도 무리해서 구성한 딜에서 조차 성과가 저조한

브랜드를 지속적으로 추가 노출해주기가 어렵다.

이러한 문제는 다른 판매 채널에게까지 확산될 수 있는데 실질적으로 다른 판매채널에서 성과가 좋지 않았던 브랜드가 새로운 판매채널에 딜 입점하기 위해서 더 무리한 구성으로 좋은 구좌를 요청하지만 노출이 어렵다.

이렇듯 판매채널에 관한 정확한 상태 파악이나 성과 예측의 어려움은 제조사로 하여금 온라인 시장에서 전략적 투자에 대한 불안감을 조성하게 되며, 결과적으로 상업적 활동도 축소되는 악순환을 유발할 수 있어 이를 해소하기 위한 노력들도 다양하게 이루어지고 있다.

예를 들어, 판매채널 별로 가격 비교가 어렵도록 별도의 패키지나 용량의 전용 제품을 제공하거나 딜에서 노출되는 기본가격은 높게 구성하되 별도의 할인 쿠폰을 제공하거나, 애초에 해당 판매채널로 오프라인 납품과 같이 대량 공급하는 방법들이 있다. 혹은 전 판매채널 판매가격을 항상 동일하게 통제하는 방식도 적용되고 있다.

하지만, 판매채널 별 전용상품은 현실적으로 이미 잘 팔리고 있는 브랜드 제품에 국한되고, 기본가격을 높인 후 할인쿠폰을 별도로 주는 방법은 최근 쿠폰 적용 가격이 기본가격과 함께 노출되고 있다.

또한, 판매채널에 직접 납품하는 경우 해당 채널이 매입한 재고의 최저가격을 자동으로 추격하는 방법을 사용하기 때문에 제조사 혹은 판매자가 판매가격을 관리할 수 없게 된다.

그리고, 모든 판매채널의 노출 가격을 동일하게 관리하는 경우, 판매채널은 해당 브랜드에 대해 이점을 못 느끼기 때문에 모든 채널로 부터 노출 기회를 확보하기 어렵게 된다.

무엇보다도 판매채널에서 판매된 내부 데이터를 공개하지 않기 때문에 판매자나 제조사는 판매채널에 유리한 분석을 근거로 해당 채널에 대한 영업과 마케팅을 지속할 수 밖에 없고, 매출이 큰 주요 딜일 수록 다른 판매채널에서 동시 노출되지 않도록 관리하기 때문에 제조사나 판매자는 효과적으로 노출 전략을 펼치기 어려운 문제점이 있다.

결국, 제조사의 브랜드 제품에 대한 소비자의 요구가 커지고 시장이 커져도 판매채널 간 경쟁이 심화되어 제조사와 판매자는 더 낮은 가격을 요구 받아야 하는 상황이다.

그와 반대로, 자사에 대한 고객의 만족을 획득한 판매채널의 경우 자신의 높은 마케팅 비용과 경쟁사 대비 우위 확보에도 불구하고 자사에 정당한 마케팅 비용을 지불하고 입점할 제조사 혹은 판매자를 찾기 어렵고, 판매 채널간 경쟁이 심화될수록 수익구조가 악화되어 제조사 혹은 판매자에 대한 불만이 높은 문제점이 있다.

예를 들어, 특정 시기에 특정 브랜드의 특정 상품구성은 특정 판매채널에서 특정 가격으로 판매가 가장 많이 된다는 데이터가 존재함에도 불구하고, 이러한 데이터가 판매채널 간 경쟁 환경에 묶여 투명하게 공개되지 않고 있어 제조사나 판매자는 합리적인 의사결정을 하기 어렵고 소비자들은 채널별 특성에 맞춘 상품 구성으로 제조사의 상품을 경험하기 어려운 문제점이 있다.

특히, 제조사의 마케팅 전략에서 경쟁사 활동에 대한 객관적인 근거는 자사의 상품기획은 물론 원가 절감, 광고 선전비 증액 등 판매채널과 소비자들에게 이롭고 나아가 시장을 건강하게 성장시킬 수 있는 동력이 되기 때문에 이러한 객관적인 근거도 필요한 실정이다.

따라서, 보다 명시적으로 판매채널 별 딜의 매력도 확인이 가능하고 경쟁사 딜 운영 현황 파악에 대한 객관적인 근거 인용이 가능하도록 하면서도 해당 지표에 대한 지속가능한 관리가 가능하도록 할 뿐만 아니라 판매채널이 해당 딜의 매력도를 끌어올린 데 대한 합리적인 수익을 보장받을 수 있는 새로운 형태의 인덱스 시스템이 절실히 요구되고 있다.

특허출원 제10-2007-106176호(명칭:검색을 통한 형태분석에 기반한 키워드 그룹에 대하여 광고를 수주하고 타켓 광고하는 웹 사이트 운영방법 및 온라인 시스템)

본 발명의 목적은 온라인 유통 시장에서의 불투명하고, 비 정형적으로 구성되어 있는 제조사 및 판매자의 영업활동 및 판매상황을 판매채널 별 딜 정보의 지속적인 DB구축 및 딜 매력도의 직접적인 비교를 가능하게 하는 객관적 지표를 작성함으로써, 딜에 참여한 사용자(제조사 혹은 판매자)로 하여금 명확한 온라인 마케팅 전략을 수립할 객관적 근거를 마련할 수 있는 기술을 제공하는 것이다.

본 발명의 다른 목적은, 국내 이커머스 플랫폼 평가 시스템 경쟁 시장에 대한 투명한 정보를 제공함으로써, EC/채널 사이트간 공정한 경쟁을 유도하며, 이를 통해 제조사/ 판매자의 원가절감과 효율적 자원 배분을 통하여 궁극적인 구매자의 효용으로 연결하고, 적극적인 소비 활성화를 통하여 이머커스 시장의 지속가능하고 건전한 성장의 토대를 마련할 수 있는 기술을 제공하는 것이다.

본 발명은 상기한 과제를 달성하기 위하여 제안된 것으로서, 본 발명의 일 실시예에 따른 이커머스 플랫폼 평가 시스템(1)은,

네트워크상에서 온라인 유통 시장에 참여하고 있는 업체의 사이트 및 딜의 판매 데이터를 수집, 기록하고 조건 데이터에 따라 평가 및 비교할 수 있는 서버(3)와;

서버(3)와 네트워크(N)망을 통하여 연결됨으로써 데이터를 송수신할 수 있는 단말기(5)와; 그리고

상기 수집, 기록, 평가, 비교한 데이터를 저장하는 데이터 베이스(15)를 포함하며,

상기 서버(3)는, 평가 대상 사이트 혹은 딜에 대한 판매 데이터를 수집하는 수집부(7)와; 수집된 판매 관련 판매 데이터를 분석하여 평가하는 평가부(9)와; 분석된 데이터에 의하여 평가 대상 사이트에 대하여 순위를 산출하는 순위 산정부(11)와; 그리고 산출된 결과를 출력하는 출력부(13)를 포함함으로써 네트워크상에서 온라인 유통 시장에 참여하고 있는 업체의 사이트 및 딜을 평가한다.

본 발명의 다른 실시예에 따른 이커머스 플랫폼 평가방법은,

서버(3)의 수집부(7)에 의하여 네트워크 상에서 평가대상 사이트를 선정하는 단계(S10)와;

수집부(7)에 의하여 평가대상 사이트내의 특정 딜을 선정하는 단계(S12)와;

선정된 평가대상 사이트 혹은 딜로부터 수집부(7)에 의하여 판매 관련 데이터를 수집하는 단계(S14)와;

수집된 판매 관련 데이터를 평가부(9)에 의하여 분석하고 평가하는 단계(S16)와;

분석된 데이터를 순위 산정부(11)에 의하여 처리함으로써 평가대상 사이트 혹은 딜의 순위를 산출하는 단계(S20)와; 그리고

출력부(13)에 의하여 산출된 결과를 출력하는 단계(S22)를 포함한다.

상기한 바와 같이, 본 발명의 일 실시예에 따른 이커머스 평가 시스템 및 방법은 다음과 같은 효과가 있다.

첫째, 이커머스 시장에서 판매 수량이 높은 딜 베이스의 판매효율을 평가하기 위하여 기간별로 노출정도를 측정하되 매일 재산정하여 어제의 지수와 비교함으로써 ECDI(Electronic Commerce Deal Index)에 의한 객관적인 자료에 의하여 각 딜을 평가할 수 있으며, 이와 같이 ECDI 지표를 온라인 매출의 선행지표로써 주요 온라인 채널의 딜 선호도 지표를 제시함으로써 온라인 시장에 참여한 제조사 혹은 판매자의 활동 지표로 활용할 수 있으며, 이로 인하여 제조사 혹은 판매자에게 시시각각 변화하는 온라인 시장에서 온라인 판매 채널 별 특성을 파악하고, 나아가 정확한 마케팅 전략을 수립할 수 있는 근거를 제시할 수 있다.

둘째, 이러한 ECDI 포인트에 의하여 각 사이트 혹은 딜의 활동상황을 객관적으로 평가하기 위하여, 각 제조사 혹은 판매사 별로 ECDI 포인트를 산정하여 비교함으로써 우열을 판단하며, 그 결과에 따라 평가 대상 딜의 변경, 삭제, 추가를 실시하고, 또한 카테고리의 생성, 삭제, 변경, 추가도 실시하며, 그리고ECDI 포인트를 기준으로 이력 관리를 함으로써 객관적인 지표를 설정하여 공정한 평가를 지속적으로 실시할 수 있는 장점이 있다.

셋째, 국내 이커머스 플랫폼 평가 시스템 경쟁 시장에 대한 투명한 정보를 제공함으로써, EC/채널 사이트간 공정한 경쟁을 유도할 수 있으며, 이를 통해 제조사/ 판매자의 원가절감과 효율적 자원 배분을 통하여 궁극적인 구매자의 효용으로 연결할 수 있다.

넷째, 이러한 파워풀한 온라인 시장조사 과정을 하나의 프로그램에서 하나의 화면으로 처리함으로써 작업의 효율성 및 속도를 개선시킬 수 있는 장점이 있다.

도 1은 본 발명의 일 실시예에 따른 이커머스 플랫폼 평가 시스템을 개략적으로 보여주는 도면이다.
도 2는 도 1에 도시된 이커머스 플랫폼 평가 시스템의 관리서버 구조를 보여주는 도면이다.
도 3은 도 1에 도시된 이커머스 플랫폼 평가 시스템의 작동 구조를 개략적으로 보여주는 도면이다.
도 4는 도 2에 도시된 평가부의 구조를 개략적으로 보여주는 도면이다.
도 5는 도 2에 도시된 비교부의 구조를 개략적으로 보여주는 도면이다.
도 6은 본 발명의 다른 실시예에 따른 이커머스 플랫폼 평가 시스템 방법을 보여주는 순서도이다.
도 7은 도 1에 도시된 이커머스 플랫폼 평가 시스템에 의하여 각 사이트의 딜로부터 데이터를 수집하고 순위를 산정하는 관계를 개략적으로 보여주는 도면이다.
도 8은 도 6에 도시된 평가단계를 순서대로 보여주는 흐름도이다.
도 9(a) 및 (b)는 도 1에 도시된 이커머스 플랫폼 평가 시스템에 의하여 출력된 리포터 양식을 보여주는 도면이다.

이하, 본 발명의 실시예에 따른 이커머스 플랫폼 평가 시스템에 대하여 첨부된 도면을 참조하여 상세하게 설명한다.

도 1 내지 도 9에 도시된 바와 같이, 본 발명이 제안하는 이커머스 플랫폼 평가 시스템(1)은 온라인상에서 딜(Deal)에 기반한 판매 전략 지표인 이커머스 플랫폼 평가 인덱스(ECDI) 방식에 의하여 평가하고, 우열을 비교하며, 결과에 따라 딜 혹은 카테고리를 변경, 삭제, 추가하게 된다.

즉, 온라인 상에서 제조사, 브랜드, 판매채널 별 점유율, 성장율, 가격변동, 공시 거래액, 채널 영향력, 방문자수, 상품명, 상품코드, 카테고리 구분, 기본가 및 판매가, 상품 리뷰수, 판매량, 구매 만족도, 결제조건, 배송조건, 사이트 및 구좌명, 판매시간 등의 데이터(이하, 판매 데이터)를 수집하고, ECDI(Electronic Commerce Deal Index) 포인트를 산출하여 평가 및 비교함으로써 각 사이트 혹은 딜에 대한 객관적인 평가지표를 제공한다.

이러한 이커머스 플랫폼 평가 시스템(1)은, 네트워크상에서 온라인 유통 시장에 참여하고 있는 업체의 사이트 및 딜의 판매 데이터를 수집, 기록하고 조건 데이터에 따라 평가 및 비교할 수 있는 서버(3)와; 서버(3)와 네트워크(N)망을 통하여 연결됨으로써 데이터를 송수신할 수 있는 단말기(5)와; 상기 수집, 기록, 평가, 비교한 데이터를 저장하는 데이터 베이스(Data base;15)를 포함한다.

이러한 이커머스 플랫폼 평가 시스템(1)을 보다 상세하게 설명하면,

서버(3)는 통상적인 서버(3)를 의미하는 바, 서버(3) 프로그램이 실행되고 있는 컴퓨터 하드웨어로서, 프린터 제어나 파일 관리 등 네트워크(N) 전체를 감시, 제어하거나, 메인프레임이나 공중망을 통한 다른 네트워크(N)와의 연결, 데이터, 프로그램, 파일 같은 소프트웨어 자원이나 모뎀, 팩스, 프린터 공유. 기타 장비 등 하드웨어 자원을 공유할 수 있도록 지원한다.

이러한 서버(3)는 이커머스 플랫폼 평가 시스템(1) 관련 앱을 탑재하여 단말기(5)와 네트워크(N)에 의하여 연결됨으로써 URL에 대응하는 인터넷 홈페이지를 관리하고, 단말기(5)의 요청에 따라 해당 URL에 연계된 인터넷 홈페이지 및 평가포인트및 결과 등을 출력한다.

보다 상세하게 설명하면, 서버(3)는 도 2에 도시된 바와 같이, 회원 인증부(4)와; 평가 대상 사이트 혹은 딜에 대한 판매 데이터를 수집하는 수집부(7)와; 수집된 판매 관련 판매 데이터를 분석하여 평가하는 평가부(9)와; 분석된 데이터에 의하여 평가 대상 사이트에 대하여 ECDI 포인트를 연산하고 순위를 산출하는 순위 산정부(11)와; 그리고 산출된 결과를 출력하는 출력부(13)를 포함한다.

이러한 서버(3)에 있어서, 회원 인증부(4), 수집부(7), 평가부(9), 순위 산정부(11), 출력부(13)는 입력된 데이터에 대한 해석, 명령의 실행, 연산 등을 실시하는 마이크로 프로세서(Micro processor)를 의미한다.

상기 회원 인증부(4)는 접속하는 회원의 아이디 및 패스워드와 회원 정보 DB에 저장된 정보를 근거로 회원의 인증 여부를 체크한다. 이때, 회원은 이커머스 플랫폼 평가 시스템(1)의 평가를 의뢰한 의뢰인이거나, 판매사 혹은 브랜드사이거나, 기타 해당 홈페이지에서 가입신청을 한 회원을 포함한다.

상기 수집부(7)는 특정 판매자가 주요 온라인 판매채널상에서 활동하고 있는 상황을 파악하게 된다. 이러한 수집부(7)는 우선 평가대상 사이트를 선정한다. 즉, 온라인에서 유통업을 하는 복수의 업체를 선정하고, 각 업체들의 공시 거래액, 채널 영향력, 방문자수 등을 고려하여 선정한다.

그리고, 선정된 사이트내의 딜을 평가대상으로 데이터를 수집한다.

이때, 핵심 딜의 기준은 다양한 방식으로 선정할 수 있으며, 예를 들면, 사이트내 메인 페이지 혹은 최상단에 리스팅(Listing)되는지 여부, 매출 발생에 주요한지 여부, 별도 메뉴로 검색할 수 있게 독립된 구성으로 편성되었는지 여부, 일정기간 일정한 영역에서 지속적으로 노출되었는지 여부 등의 기준으로 선정하게 된다.

그리고, 수집방법으로는 특정 키워드 또는 상품 카테고리에 상위 노출된 온라인 판매자들의 제조사별 판매 데이터를 검색하여 수집하게 된다.

이때, 온라인상에서 사이트의 데이터를 검색하는 방법은 다양하며, 그 일예로서 크롤러(Crawler)를 이용하거나 스크래핑(Scraping)을 이용하여 웹 데이터를 검색하는 방식이다.

크롤러를 이용하는 경우, 파이썬(Python) 등을 이용하여 웹상에서 데이터를 자동으로 검색할 수 있다.

예를 들면, 해당 사이트의 URL을 검색하고, RSS(Really Simple Syndication)와 같이 XML기반의 포멧을 수집하고, 수집된 정보를 XML 포멧으로 변환하여 데이터 를 처리하게 된다.

그리고, 수집 데이터는 다양한 종류의 데이터가 가능하며, 예를 들면, 상기의 판매 데이터를 비롯하여, 제조사, 브랜드, 판매채널 별 점유율, 성장율, 가격변동, 공시 거래액, 채널 영향력, 방문자수 등의 데이터를 수집하게 된다. 그리고, 이와 같이 수집된 데이터는 경쟁사 동향 파악이나 마케팅, 가격전략 수립 등의 목적에 활용될 수 있다.

이러한 데이터 수집은 1일 기준 복수회 이루어지는 것이 바람직하며, 예를 들면 최소 3회 이상 수집한다.

그리고, 데이터 수집시 평가대상 딜의 스냅샷(Snap shot)과 상품 상세 페이지의 정보도 수집하게 된다.

또한, 수집된 데이터는 상품명, 상품코드, 카테고리 구분, 기본가 및 판매가, 상품 리뷰수, 제조사 및 브랜드, 판매량, 구매 만족도, 결제조건, 배송조건, 사이트 및 구좌명, 시간 등의 데이터를 수집하게 된다.

그리고, 이러한 수집부(7)는 사이트 내의 소정딜에 대한 데이터도 수집한다.

딜은 인터넷 웹사이트에 광고배너 등을 게시하는 구역을 의미하는 바, 사용자가 해당 사이트의 광고배너를 방문하는 경우 저장되는 쿠키 등에 의하여 분석될 수 있다.

예를 들면, 선정 딜의 기준은 다양한 방식으로 선정할 수 있으며, 예를 들면, 사이트내 메인 페이지 혹은 최상단에 리스팅(Listing)되는지 여부, 매출 발생에 주요한지 여부, 별도 메뉴로 검색할 수 있게 독립된 구성으로 편성되었는지 여부, 일정기간 일정한 영역에서 지속적으로 노출되었는지 여부 등의 기준으로 선정하게 된다.

그리고, 이와 같이 수집된 정보는 데이터 베이스(15)에 저장되며, 필요시 인출될 수 있다.

상기 평가부(9)는 수집된 판매 관련 데이터를 분석한다. 즉, 사이트나 딜의 판매 실적 등의 데이터를 분석하여 판매현황을 파악하게 된다.

이러한 데이터 분석은 통계처리, 데이터 마이닝, 그래프 마이닝, 기계학습 및 인공지능을 활용한 심층 분석 기술을 적용할 수 있다.

데이터 분석은 다양한 방식이 가능하며, 예를 들면 KDD(Knowledge Discovery in Database), SEMMA(Sampling Exploration Modification Modeling Assessment), CRISP-DM(CRoss Industry Standard Process for Data Mining) 등의 방식이 가능하다.

KDD는 프로파일링 기술을 기반으로 데이터로부터 통계적 패턴을 찾기 위해 논리적으로 정리한 데이터 마이닝(Data Mining) 프로세스 이다.

이러한 데이터 분석을 실시하는 평가부(9)는, 도 4에 도시된 바와 같이, 판매 데이터중 목표 판매 데이터를 선택하는 선택모듈(20)과; 선택된 판매 데이터를 일정한 포멧으로 처리하는 전처리 모듈(22)과; 포멧화된 판매 데이터를 분석 목적에 따라 처리하는 변환모듈(24)과; 변환된 판매 데이터를 알고리즘에 의하여 처리함으로써 분석을 실시하는 마이닝 모듈(26)을 포함한다.

선택 모듈(20)은 목표 데이터를 선택한다. 예를 들면, 판매 데이터인 키워드, 제조사, 브랜드, 판매채널 별 점유율, 성장율, 가격변동, 공시 거래액, 채널 영향력, 방문자수 등의 목표 데이터를 선택한다.

전처리 모듈(22)은 데이터에 포함된 잡음이나 이상치, 결측치를 식별하고 필요시 제거하거나 의미 있는 데이터로 재처리하여 데이터 세트(Data Set)로 정제하게 된다.

예를 들면, 선택단계(S18)에서 수집된 판매사, 판매실적, 점유율 등에 관한 데이터에 포함된 이상값, 결측치 등을 분석에 적합한 포맷으로 재처리함으로써 분석 가능한 상태로 정제하게 된다.

변환모듈(24)은 분석 목적에 맞게 변수를 생성, 선택하고 차원을 축소하여 효율적으로 분석 할수있도록 변환한다.

예를 들면, 변환단계(S23)에서 데이터 키워드, 제조사, 브랜드, 판매채널 별 점유율, 성장율, 가격변동 등의 데이터를 분석목적에 맞도록 변환하는 바, 소정 사이트의 딜에서 올해의 판매량을 분석하고자 하는 경우, 시간 및 판매수량을 변수로 설정하고, 지난해의 판매 데이터는 제외함으로써 분석에 적합하도록 변환하게 된다.

마이닝 모듈(26)은 데이터 분석 목적에 맞는 기법을 선택하고 적절한 알고리즘을 적용하여 작업을 실행하게 된다.

예를 들면, 변환단계(S23)에서 처리된 판매 데이터를 알고리즘을 이용하여 실제 올해 판매량을 연산한다.

이와 같이, 평가부(9)에 의하여 데이터 분석이 완료되면, 서버(3)의 순위 산정부(11)에 의하여 분석된 데이터에 의하여 평가 대상 사이트를 평가하여 순위(Ranking)를 산정하게 된다.

즉, 복수의 사이트로부터 수집된 딜 데이터에 의하여 순위를 산정하는 바, 각 딜의 ECDI(Electronic Commerce Deal Index) 포인트, 판매 지표, 접근성, 판매건수, 추정 거래액, 구좌총수, 댑스(Depth) 등을 기준으로 평가하게 된다.

이러한 순위 산정부(11)는 도 5에 도시된 바와 같이, ECDI 포인트를 산정하는 포인트산정 모듈(30)과; ECDI 포인트에 의하여 제조사 혹은 판매사의 활동에 대하여 우열을 비교하는 비교 모듈(32)과; ECDI 포인트에 의하여 대상 사이트 혹은 딜의 변경, 삭제, 추가를 하는 변경 모듈(34)과; ECDI 포인트에 의하여 카테고리의 생성, 변경, 삭제, 추가를 하는 카테고리 모듈(36)과; ECDI 포인트를 관리하는 포인트관리 모듈(38)을 포함한다.

먼저, ECDI 포인트를 산정하는 포인트산정 모듈(30)에 있어서,

ECDI 포인트는 평가부(9)에서 처리된 데이터, 즉 각 일별로 각 사이트 혹은 딜에서 발생한 판매 관련 데이터를 종합하여 이를 측정한 포인트를 의미한다. 즉,

ECDI 포인트=노출도*접근도*판매금액*판매수량 ------------------수식 1

(노출도: 사이트의 트래픽 수, 접근도: 해당 딜에 접속하기 위한 단계수)

노출도는 딜 혹은 사이트의 트랙픽 수(Traffic No.)를 의미하는 것으로서, 특정 조회 서버에 전송되는 데이터량을 의미하며, bps 단위로 나타낸다.

접근도(Depth)는 인터넷 상에서 해당 딜에 접근하기 위한 단계수를 나타내는 수치로서, 각 서버에 텍스트화되어 저장된 상품 카테고리를 카테고리별로 단계적으로 접근하는데 있어서 몇 단계를 거치는지를 나타내는 수치이다.

예를 들면, 바로 해당 딜에 접근하는 경우에는 단계수가 상으로 3이 할당되고, 여러 단계를 거쳐야만 해당 딜에 접근하는 경우에는 단계수가 하로 1이 할당되며, 중간인 경우는 2가 할당되는 방식이다.

상기 수식 1에서는 판매수량과 판매금액을 변수로 적용하였지만, 본 발명은 이에 한정되는 것은 아니고 상기에 열거한 판매 데이터의 항목들도 적용가능하다.

즉, 판매수량은 판매 데이터 1로, 판매금액은 판매 데이터 2로 적용가능하다.

그리고, 상기 ECDI 포인트의 연산에 있어서, 일간 매출을 포인트화하거나, 딜의 점유율을 포인트화하여 평가할 수도 있다. 그리고, 개별 구좌의 일별 포인트는 각 딜의 일별 포인트를 구좌 수로 나누어 산정한 값이다. 또한, 각 일별 ECDI 포인트는 독립적으로 구성되며, 전일의 실적이 당일의 ECDI 포인트에 영향을 미치지 않는다.

그리고, 상기 각 변수의 중요도를 달리 산정하고자 하는 경우, 아래 수식과 같이 각 변수에 상수를 적용할 수도 있다. 즉,

ECDI 포인트=(노출도*n1)*(접근도*n2)*(판매금액*n3)*(판매수량*n4)--수식2

이때, n1...n4는 중요도를 나타내며, 각 변수인 노출도, 접근도, 판매금액, 판매수량의 중요도를 차등적으로 적용할 수 있다.

즉, 상품 카테고리에 따라 노출도가 중요한 상품이 있고, 판매금액이 중요한 상품이 있음으로 해당 상품의 평가에 적합한 변수를 보다 비중있게 연산할 수 있다.

예를 들면, 노출도가 중요하면 n1을 4로하고, 다른 변수는 1,2,3 등의 보다 작은 수를 적용하는 방식이다.

상기한 수식 1에 의하여 ECDI 포인트를 산정하면 아래와 같다. 즉,

예를 들면, A 사이트에서 B딜의 1일 트래픽수가 백만 bps이고, 해당 딜에 바로 접속이 가능하므로 접근도는 3, 1일 판매된 수량이 100개이고, 판매금액이 1천만원인 경우로 가정하면, ECDI 포인트는 상기 수식 1에 의하여 아래와 같이 연산될 수 있다.

ECDI 포인트=1,000,000*3*100*10,000,000=3,000,000,000,000,000

반면에, C사이트에서 D딜의 1일 트래픽수가 십만 bps이고, 해당 딜에 접근하기 위하여는 3단계의 카테고리를 거쳐야 하므로 접근도는 1, 1일 판매된 수량이 10개이고, 판매금액이 1백만원인 경우로 가정하면, ECDI 포인트는 상기 수식 1에 의하여 아래와 같이 연산될 수 있다.

ECDI 포인트=100,000*1*10*1,000,000=3,000,000,000,000

즉, A 사이트의 B딜이 C사이트의 D딜보다 더 효율적인 것으로 평가할 수 있다.

상기한 ECDI 포인트의 평가 범위는 카테고리별로 분석하거나 기간별로 분석이 가능하다. 그리고, 분석된 각 사이트들의 순위를 산정하게 된다. 즉, 복수의 딜에 있어서 효율의 순서대로 순위를 산정하게 된다.

그리고, 이러한 순위산정에 있어서, 상기한 비교모듈(32)은 ECDI 포인트에 의하여 우열을 비교하여 순위를 산정하게 된다.

즉, 각 제조사 혹은 판매자들의 활동을 비교 평가함에 있어 주요 이커머스 사이트의 주요 딜에서 그들이 벌인 활동을 질적/양적으로 평가하여 합산한 임의의 수를 기준으로 한다.

예를 들면, A 제조사가 B 사이트에서 판매한 수량, 상품종류, 반품수량, 프로모션, 이벤트 등의 활동을 상기 수식 1에 의하여 수치화하여 ECDI 포인트로 산정하고 순위를 설정하여 평가하는 방식이다.

이때, 한 제조사의 판매자가 여럿이라면, 각 판매자들이 그 제조사의 상품을 통해 획득한 ECDI 포인트의 합이 그 제조사의 EC 사이트 내 활동을 평가하는 기준으로 삼는다.

이를 통해 각 제조사/판매자의 기간별, 사이트 별, 카테고리 등 세부 기준 별 활동에 대한 상호 비교를 가능케 한다.

기본적으로 ECDI 로직은 각 사이트의 모든 개별 구좌에게 일별 포인트를 부여하기 때문에 기술적으로 이러한 상호 비교, 교차 비교, 세부 비교가 가능하다.

상기에서는 ECDI 포인트에 의하여 순위를 산정하였지만, 본 발명은 이에 한정되는 것은 아니고, 딜이 사이트에서 일정 기간 동안 점유하는 점유율에 의하여 산정할 수도 있다.

즉, 점유율= 소정 기간의 구좌 점유일수/(일간 전체 구좌수*일수)

혹은 딜의 일간 추정매출로 산정할 수도 있다.

즉, 소정 기간 특정 딜을 통하여 판매된 매출에 의하여 순위를 산정하는 방식이다. 예를 들면, 특정 딜의 사이트, 구좌명, 브랜드, 상품, 가격, 일간 판매수량, 날짜 등의 데이터를 연산하여 일간 매출을 산출하게 된다.

그리고, 산출된 매출액에 의하여 각 사이트의 순위를 평가하게 된다.

이때, 매출액의 순위로 산출하되, 가장 많은 매출을 올린 순위에 의하여 산정하거나, 혹은 적은 매출을 올린 순위도 반영한다.

따라서, 복수의 사이트에 대한 평가를 실시하는 경우, 매출액 순위 상위 10개 사이트를 선정하거나, 하위 5개 사이트를 선정할 수도 있다.

혹은 판매상품의 종류별로 산출할 수도 있다. 즉, 판매된 상품중 구매자가 선호하는 상품들의 종류를 파악함으로써 선호도별 상품 종류로 순위를 산정하게 된다.

혹은 기간별도 산출할 수도 있다. 즉, 월별, 일별, 분기별로 판매효율을 분석함으로써 효율이 높은 기간을 산출할 수 있다.

한편, 상기 변경모듈은 상기와 같이 평가를 한 후, 평가 결과에 따라 ECDI 대상 사이트 혹은 딜을 변경하거나, 추가하거나, 삭제할 수 있다.

즉, ECDI는 이커머스 시장에서 특정 수준 이상 영향력을 가진 사이트의 주요 딜 활동을 평가하는 바, 이러한 평가순위는 시장 환경의 변화, 경쟁자간 우열의 변화, 소비자의 선호 변동 등 여러 가지 외부 요인에 의하여 변경이 가능하다.

예를 들면, A 업체의 소정 사이트 혹은 딜의 ECDI 포인트가 전 기간에 비교하여 감소하거나, 해당 상품에 대한 시장 환경이 변화한 경우, 해당 사이트 혹은 딜에서 A 업체를 삭제하거나, B업체로 변경하거나, C업체를 추가할 수 있다.

이러한 변동사항을 원활하게 반영하기 위해 ECDI 운영간 지속적인 시장 환경을 모니터링 하게 된다. 또한, 각 사이트에서 각자 영업적 목적을 달성하기 위해 수시로, 간헐적으로 발생하는 딜에 대해서는 그 필요가 인정될 시 ECDI에 추가하여 산정한다. 이때, 딜의 추가, 삭제, 변경은 다른 딜의 ECDI 평가에 영향을 미치지 않는다.

한편, 사이트 및 딜 뿐만 아니라 카테고리에도 이러한 ECDI 평가순위를 반영하여 변경, 삭제, 추가할 수 있다.

즉, 상기 카테고리 모듈(36)은 상세 시장 정보 수집을 위해 내부의 상품 카테고리 기준을 선정하여 세부 비교를 실시한다. 이는 시장 환경과, 소비 패턴의 변화 등 내, 외부 환경에 의해 특정 카테고리가 생성, 추가되거나, 삭제될 수 있다. 이는 비정기적으로 일어나는 활동이며, 카테고리 수정에 대한 필요가 내.외적으로 충분히 인지될 경우 실시한다.

예를 들면, A 사이트의 B,C,D 판매사의 특정 카테고리에 대한 ECDI 포인트를 실시간으로 모니터링하여 비교한 결과, B판매사의 ECDI 포인트가 낮다면 B판매사의 카테고리를 삭제하는 방식이다.

아울러, 상기한 평가 방법에 있어서, 상기 포인트 관리 모듈(38)은 ECDI 포인트를 관리하는 바, 이러한 ECDI 포인트는 특정일의 ECDI 포인트를 기준으로 하되, 그 날짜 이후의 날짜별 포인트를 이력 관리한다.

따라서, 각 날짜의 ECDI 포인트는 누적 관리됨으로써 패턴화할 수 있고, 이러한 패턴을 모니터링 함으로써 평가 대상 사이트 혹은 딜의 변동상황을 파악할 수 있다. 이때, 사이트 혹은 딜의 추가, 삭제로 인하여 총 포인트의 합산 기준이 변동되는 경우 그 수치변화를 그대로 반영한다.

그리고, 이와 같이 산정된 사이트별 순위는 출력부(13)에 의하여 출력될 수 있다. 예를 들면, 기간별로 판매순위, 상품별 판매순위, 브랜드별 판매순위 등 다양한 방식으로 출력될 수 있다.

또한, 이러한 결과는 모니터 화면 혹은 리포트 양식으로 출력될 수 있다.

예를 들면, 도 8에 도시된 바와 같이, 막대 그래프 방식으로 출력되거나, 원형 그래프 방식으로 출력될 수 있다.

한편, 본 발명의 다른 실시예로서 트랜드 예측부(27)를 추가로 포함할 수 있다.

즉, 향후 상품별, 기간별, 브랜드별, 기간별 매출, 판매량 등을 예측하게 되며, 경쟁사의 활동 및 향후 매출 예상 등을 예측할 수 있다.

즉, 기존 ECDI 실적 데이터를 처리하여 패턴화하고, 이 패턴을 함수식으로 처리함으로써 향후 실적을 예측하는 방식이다.

이때, 트랜드 예측부(27)가 실적을 예측함에 있어서, 과거 실적에 대한 함수식을 향후 기간에도 동일하게 적용하여 예측할 수도 있고, 또는 함수식에 물가 상승률을 적용하여 예측할 수도 있다.

이 과정에서 인공 신경망 방식을 적용함으로써 향후 실적을 전망할 수 있다.

즉, 인공 신경망을 이용하면 각종 분류(classification) 및 군집화(clustering)가 가능한 바, 분류나 군집화를 원하는 데이터 위에 여러 가지 층(layer)을 얹어서 원하는 작업을 하게 된다.

이러한 인공 신경망은 다층 구조로 이루어지며, 각 층은 여러 개의 노드로 구성되고, 각 노드에서는 실제로 연산이 일어나며, 이 연산 과정은 인간의 신경망을 구성하는 뉴런과 유사하다.

노드는 일정 크기 이상의 자극을 받으면 반응을 하는데, 그 반응의 크기는 입력 값과 노드의 계수(또는 가중치, weights)를 곱한 값과 대략 비례한다. 일반적으로 노드는 여러 개의 입력을 받으며 입력 갯수 만큼의 계수를 갖는다. 따라서, 이 계수를 조절함으로써 여러 입력에 서로 다른 가중치를 부여할 수 있다.

최종적으로 곱한 값들은 전부 더해지고 그 합은 활성 함수(activation function)의 입력으로 들어가게 된다. 활성 함수의 결과가 노드의 출력에 해당하며 이 출력값이 궁극적으로 분류나 회귀 분석에 쓰인다.

이때, 입력 데이터는 첫 번째 층의 입력이 되며, 그 이후엔 각 층의 출력이 다시 다음 층의 입력이 되는 방식이다.

이러한 과정을 통하여 출력값은 최초 입력값으로 피드백 되어 적절한 보정을 거침으로써 지속적으로 업데이트 되며 이러한 과정이 반복됨으로써 학습이 이루어지게 된다.

본 발명에서도 향후 실적을 전망할 때, 과거의 상품별, 기간별, 브랜드별, 기간별 매출, 판매량 데이터를 인공 신경망에 입력값으로 입력하여 다층 구조를 거침으로써 연산하여 출력한 후, 이 출력값을 다시 입력값으로 하여 반복 연산하는 과정을 통하여 향후 실적치를 전망할 수 있다.

그리고, 트랜드 예측이 완료된 후, 판매전략 수립부(28)에 의하여 판매전략을 수립할 수도 있다.

즉, 신제품의 온라인 판매시 트랜드 예측부(27)에서 예측된 결과를 반영하여 전략을 수립하는 바, 소정 상품의 향후 가격, 브랜드, 구매자 등에 대한 트랜드가 예측되면, 이 트랜드를 반영하여 신제품의 판매 전략에 적용하는 방식이다.

예를 들면, 상기 수식 1에 의하여 연산된 ECDI 포인트를 패턴화하여 함수식을 설정하고, 이 함수식을 향후 기간에도 동일하게 적용함으로써 향후 실적을 예측할 수 있으며, 예측결과 실적이 낮다고 예측되는 상품의 판매 전략에 적용하는 방식이다.

그리고, 이러한 판매전략 수립부(28)는 시장 전반, 상품 군, 플랫폼의 추세 변화, 트래킹, 판매 전략의 인사이트를 제공할 수도 있다. 아울러, 축적된 인사이트를 통한 통합적 시장분석 및 효율적 판매 전략을 제공할 수 있다.

이하, 본 발명의 바람직한 실시예에 따른 이커머스 플랫폼 평가 시스템 방법에 대하여 첨부된 도면을 참조하여 더욱 상세하게 설명한다.

도 5에 도시된 바와 같이, 본 발명이 제안하는 이커머스 플랫폼 평가 방법은 회원 인증단계(S5)와; 서버(3)의 수집부(7)에 의하여 네트워크 상에서 평가대상 사이트를 선정하는 단계(S10)와; 수집부(7)에 의하여 평가대상 사이트내의 특정 딜을 선정하는 단계(S12)와; 선정된 평가대상 사이트 혹은 딜로부터 수집부(7)에 의하여 판매 관련 데이터를 수집하는 단계(S14)와; 수집된 판매 관련 데이터를 평가부(9)에 의하여 분석하고 평가하는 단계(S16)와; 분석된 데이터를 순위 산정부(11)에 의하여 처리함으로써 평가대상 사이트 혹은 딜의 ECDI 포인트를 연산하고 순위를 산출하는 단계(S20)와; 그리고 출력부(13)에 의하여 산출된 결과를 출력하는 단계(S22)를 포함한다.

이러한 이커머스 플랫폼 평가 시스템(1) 방법에 있어서,

먼저, 의뢰자가 이커머스 플랫폼 평가 시스템(1) 평가기관의 인터넷 홈페이지에 접속하여 회원 인증을 한다. 즉, 회원의 아이디 및 패스워드를 입력함으로써 회원인증을 실시하게 된다. 물론, 회원제가 아닌 경우에는 이러한 인증 과정을 생략할 수 있다.

회원인증이 완료되면, 평가대상 사이트를 선정하는 단계(S10)가 진행된다.

본 단계(S10)에서는 서버(3)의 수집부(7)에 의하여 온라인상에서 다수의 사이트를 검색하여 평가 대상 사이트를 선정한다.

이때, 사이트 검색은 다양한 데이터를 포함하며, 예를 들면, TEXT, 트위터, 블로그 등의 웹(WEB), 이메일, 문서, 신문기사 등 다양한 범위에서 검색한다.

온라인상에서 사이트를 검색하는 방법은 다양하며, 그 일예로서 크롤러(Crawler)를 이용하거나 스크래핑(Scraping)을 이용하여 웹 데이터를 검색하는 방식이다.

크롤러를 이용하는 경우, 파이썬(Python) 등을 이용하여 웹상에서 데이터를 자동으로 검색할 수 있다.

예를 들면, 해당 사이트의 URL을 검색하고, RSS(Really Simple Syndication)와 같이 XML기반의 포멧을 수집하고, 수집된 정보를 XML 포멧으로 변환하여 데이터 를 처리하게 된다.

그리고, 수집된 데이터의 처리 결과에 의하여 대상 사이트를 선정하게 된다.

이때, 각 사이트를 운영하는 업체들의 공시 거래액, 채널 영향력, 방문자수 등을 고려하여 선정한다.

사이트내의 특정 딜을 선정하는 단계(S12)에서는 소정 인터넷 웹사이트에 광고배너 등을 게시하는 딜을 선정하게 된다. 이때, 딜을 선정함에 있어서, 먼저 딜의 데이터를 분석하는 바, 사용자가 해당 사이트의 광고배너를 방문하는 경우 저장되는 쿠키 등에 의하여 분석될 수 있다.

예를 들면, 선정 딜의 기준은 다양한 방식으로 선정할 수 있으며, 예를 들면, 사이트내 메인 페이지 혹은 최상단에 리스팅(Listing)되는지 여부, 매출 발생에 주요한지 여부, 별도 메뉴로 검색할 수 있게 독립된 구성으로 편성되었는지 여부, 일정기간 일정한 영역에서 지속적으로 노출되었는지 여부 등의 기준으로 선정하게 된다.

그리고, 평가대상 사이트의 딜로부터 판매 관련 데이터를 수집하는 단계(S14)가 진행된다.

본 단계에서 딜의 데이터를 수집하는 경우, 크롤러(Crawler)를 이용하거나 스크래핑(Scraping) 등의 방법으로 딜의 데이터를 검색한다.

이때, 수집되는 딜의 데이터는 다양한 종류의 데이터가 가능하며, 예를 들면, 상기의 판매 데이터를 비롯하여, 제조사, 브랜드, 판매채널 별 점유율, 성장율, 가격변동, 공시 거래액, 채널 영향력, 방문자수 등의 데이터를 수집하게 된다.

또한, 데이터는 상품명, 상품코드, 카테고리 구분, 기본가 및 판매가, 상품 리뷰수, 제조사 및 브랜드, 판매량, 구매 만족도, 결제조건, 배송조건, 사이트 및 구좌명, 시간 등의 데이터를 포함한다. 그리고, 데이터 수집시 평가대상 딜의 스냅샷(Snap shot)과 상품 상세 페이지의 정보도 수집하게 된다.

이와 같이 수집된 데이터는 경쟁사 동향 파악이나 마케팅, 가격전략 수립 등의 목적에 활용될 수 있다. 또한, 데이터 수집은 1일 기준 복수회 이루어지는 것이 바람직하며, 예를 들면 최소 3회 이상 수집한다.

이와 같이 데이터 수집 단계(S14)가 완료되면, 수집된 판매 관련 데이터를 분석하고 평가하는 단계(S16)가 진행된다.

본 단계(S16)에서는 딜의 판매 실적 등 가치를 추출하기 위해 통계처리, 데이터 마이닝, 그래프 마이닝, 기계학습 및 인공지능을 활용한 심층 분석 기술을 적용할 수 있다.

데이터 분석은 다양한 방식이 가능하며, 예를 들면 KDD, SEMMA, CRISP-DM 등의 방식이 가능하다.

KDD는 프로파일링 기술을 기반으로 데이터로부터 통계적 패턴을 찾기 위해 논리적으로 정리한 데이터 마이닝(Data Mining) 프로세스 이다.

이러한 평가단계(S16)는, 도 7에 도시된 바와 같이, 판매 데이터중 목표 데이터를 선택하는 선택단계(S18)와; 선택된 판매 데이터를 일정한 포멧으로 처리하는 전처리 단계(S21)와; 포멧화된 판매 데이터를 분석 목적에 따라 처리하는 변환단계(S23)와; 변환된 판매 데이터를 알고리즘에 의하여 처리함으로써 분석을 실시하는 데이터 마이닝 단계(S24)를 포함한다.

선택 단계(S18)에서는 목표 데이터를 선택한다. 예를 들면, 키워드, 제조사, 브랜드, 판매채널 별 점유율, 성장율, 가격변동, 공시 거래액, 채널 영향력, 방문자수 등의 목표 데이터를 선택한다.

전처리 단계(S21)에서는 데이터에 포함된 잡음이나 이상치, 결측치를 식별하고 필요시 제거하거나 의미 있는 데이터로 재처리하여 데이터 세트(Data Set)로 정제하게 된다.

예를 들면, 선택단계(S18)에서 수집된 판매사, 판매실적, 점유율 등에 관한 데이터에 포함된 이상값, 결측치 등을 분석에 적합한 포멧으로 재처리함으로써 분석 가능한 상태로 정제하게 된다.

변환단계(S23)에서는 분석 목적에 맞게 변수를 생성, 선택하고 차원을 축소하여 효율적으로 분석 할수있도록 변환한다.

예를 들면, 변환단계(S23)에서 데이터 키워드, 제조사, 브랜드, 판매채널 별 점유율, 성장율, 가격변동 등의 데이터를 분석목적에 맞도록 변환하는 바, 소정 사이트의 딜에서 올해의 판매량을 분석하고자 하는 경우, 시간 및 판매수량을 변수로 설정하고, 지난해의 판매 데이터는 제외함으로써 분석에 적합하도록 변환하게 된다.

데이터 마이닝 단계(S24)에서는 분석 목적에 맞는 기법을 선택하고 적절한 알고리즘을 적용하여 작업을 실행하게 된다.

예를 들면, 변환단계(S23)에서 처리된 판매 데이터를 알고리즘을 이용하여 실제 올해 판매량을 연산한다.

데이터 분석단계(S16)가 완료되면, 분석된 데이터에 의하여 평가 대상 사이트를 평가하여 순위를 산정하는 단계(S20)가 진행된다.

이 단계(S20)에서는 분석된 데이터를 대상으로 순위 산정부(11)에 의하여 순위를 산출하게 된다.

즉, 복수의 사이트로부터 수집된 딜 데이터를 분석하여 서로 비교를 하는 바, 각 딜의 판매 지표, 접근성, 판매건수, 추정 거래액, 구좌총수, 댑스(Depth) 등을 기준으로 비교하게 된다. 이때, 비교 범위는 카테고리별로 분석하거나 기간별로 분석이 가능하다.

보다 상세하게 설명하면, 순위 산정 단계(S20)에서는, 포인트산정 모듈(30)에 의하여, ECDI 포인트를 산정하고, 비교 모듈(32)이 ECDI 포인트에 의하여 제조사 혹은 판매사의 활동에 대하여 우열을 비교하고, 변경 모듈(34)이 ECDI포인트의 평가 결과에 의하여 대상 사이트 혹은 딜의 변경, 삭제, 추가를 하고, 카테고리 모듈(36)이 ECDI 포인트에 의하여 카테고리의 생성, 변경, 삭제, 추가를 하며, 포인트관리 모듈(38)이 ECDI 포인트를 관리하는 단계가 진행된다.

먼저, ECDI 포인트를 산정하는 포인트산정 단계에 있어서,

ECDI 포인트는 각 일별로 각 사이트 혹은 딜에서 발생한 판매 관련 정보를 종합하여 이를 측정한 포인트를 의미한다. 즉,

ECDI 포인트=노출도*접근도*판매금액*판매수량 ------------------수식 1

(노출도: 사이트의 트래픽 수, 접근도: 해당 딜에 접속하기 위한 단계수)

노출도는 딜 혹은 사이트의 트랙픽 수(Traffic No.)를 의미하는 것으로서, 특정 조회 서버에 전송되는 데이터량을 의미하며, bps 단위로 나타낸다.

접근도(Depth)는 인터넷 상에서 해당 딜에 접근하기 위한 단계수를 나타내는 수치로서, 각 서버에 텍스트화되어 저장된 상품 카테고리를 카테고리별로 단계적으로 접근하는데 있어서 몇 단계를 거치는지를 나타내는 수치이다.

예를 들면, 바로 해당 딜에 접근하는 경우에는 단계수가 상으로 3이 할당되고, 여러 단계를 거쳐야만 해당 딜에 접근하는 경우에는 단계수가 하로 1이 할당되며, 중간은 2가 할당되는 방식이다.

그리고, 상기 각 변수의 중요도를 달리 산정하고자 하는 경우, 각 변수에 상수를 적용할 수도 있다.

그리고, 상기 각 변수의 중요도를 달리 산정하고자 하는 경우, 각 변수에 상수를 아래 수식과 같이 적용할 수도 있다. 즉,

ECDI 포인트=(노출도*n1)*(접근도*n2)*(판매금액*n3)*(판매수량*n4)-수식2

이때, n1...n4는 중요도를 나타내며, 각 변수인 노출도, 접근도, 판매금액, 판매수량의 중요도를 차등적으로 적용할 수 있다.

즉, 상품 카테고리에 따라 노출도가 중요한 상품이 있고, 판매금액이 중요한 상품이 있음으로 해당 상품의 평가에 적합한 변수를 보다 비중있게 연산할 수 있다.

예를 들면, 노출도가 중요하면 n1을 4로하고, 다른 변수는 1,2,3 등의 보다 작은 수를 적용하는 방식이다.

이러한 ECDI 포인트를 이용하여 평가하는 방식은 아래와 같다. 즉,

예를 들면, A 사이트에서 B딜의 1일 트래픽수가 백만 bps이고, 해당 딜에 바로 접속이 가능하므로 접근도는 3, 1일 판매된 수량이 100개이고, 판매금액이 1천만원인 경우로 가정하면, ECDI 포인트는 상기 수식 1에 의하여 아래와 같이 연산될 수 있다.

ECDI 포인트=1,000,000*3*100*10,000,000=3,000,000,000,000,000

반면에, C사이트에서 D딜의 1일 트래픽수가 십만 bps이고, 해당 딜에 접근하기 위하여는 3단계의 카테고리를 거쳐야 하므로 접근도는 1, 1일 판매된 수량이 10개이고, 판매금액이 1백만원인 경우로 가정하면, ECDI 포인트는 상기 수식 1에 의하여 아래와 같이 연산될 수 있다.

ECDI 포인트=100,000*1*10*1,000,000=3,000,000,000,000

즉, A 사이트의 B딜이 C사이트의 D딜보다 더 효율적인 것으로 평가할 수 있다.

상기 ECDI 포인트의 연산에 있어서, 일간 매출을 포인트화하거나, 딜의 점유율을 포인트화하여 평가할 수도 있다.

이때, 평가 범위는 카테고리별로 분석하거나 기간별로 분석이 가능하다. 그리고, 분석된 각 사이트들의 순위를 산정하게 된다. 즉, 복수의 딜에 있어서 효율의 순서대로 순위를 산정하게 된다.

포인트산정 단계가 완료되면, 비교 모듈(32)이 ECDI 포인트에 의하여 우열을 비교하여 순위를 산정하는 단계가 진행된다.

즉, 각 제조사 혹은 판매자들의 활동을 비교 평가함에 있어 주요 EC 사이트 주요 딜에서 그들이 벌인 활동을 질적/양적으로 평가하여 합산한 임의의 수를 기준으로 한다.

예를 들면, A 제조사가 B 사이트에서 판매한 수량, 상품종류, 반품수량, 프로모션, 이벤트 등의 활동을 수치화하여 포인트로 산정하여 평가하는 방식이다.

이때, 한 제조사의 판매자가 여럿이라면, 각 판매자들이 그 제조사의 상품을 통해 획득한 ECDI 포인트의 합이 그 제조사의 EC 사이트 내 활동을 평가하는 기준으로 삼는다.

이를 통해 각 제조사/판매자의 기간별, 사이트 별, 카테고리 등 세부 기준 별 활동에 대한 상호 비교를 가능케 한다.

기본적으로 ECDI 로직은 각 사이트의 모든 개별 구좌에게 일별 포인트를 부여하기 때문에 기술적으로 이러한 상호 비교, 교차 비교, 세부 비교가 가능하다.

상기에서는 ECDI 포인트에 의하여 순위를 산정하였지만, 본 발명은 이에 한정되는 것은 아니고, 딜이 사이트에서 일정 기간 동안 점유하는 점유율에 의하여 산정할 수 있다.

즉, 점유율= 소정 기간의 구좌 점유일수/(일간 전체 구좌수*일수)

혹은 딜의 일간 추정매출로 산정할 수 있다.

즉, 소정 기간 특정 딜을 통하여 판매된 매출에 의하여 순위를 산정하는 방식이다. 예를 들면, 특정 딜의 사이트, 구좌명, 브랜드, 상품, 가격, 일간 판매수량, 날짜 등의 데이터를 연산하여 일간 매출을 산출하게 된다.

그리고, 산출된 매출액에 의하여 각 사이트의 순위를 평가하게 된다.

이때, 매출액의 순위로 산출하되, 가장 많은 매출을 올린 순위에 의하여 산정하거나, 혹은 적은 매출을 올린 순위도 반영한다.

따라서, 복수의 사이트에 대한 평가를 실시하는 경우, 매출액 순위 상위 10개 사이트를 선정하거나, 하위 5개 사이트를 선정할 수도 있다.

혹은 판매상품의 종류별로 산출할 수도 있다. 즉, 판매된 상품중 구매자가 선호하는 상품들의 종류를 파악함으로써 선호도별 상품 종류로 순위를 산정하게 된다.

혹은 기간별도 산출할 수도 있다. 즉, 월별, 일별, 분기별로 판매효율을 분석함으로써 효율이 높은 기간을 산출할 수 있다.

한편, ECDI 대상 사이트 혹은 딜을 변경하거나, 추가하거나, 삭제하는 단계가 진행될 수 있다.

즉, ECDI는 EC 시장에서 특정 수준 이상 영향력을 가진 사이트의 주요 딜 활동을 평가하는 바, 이러한 평가순위는 시장 환경의 변화, 경쟁자간 우열의 변화, 소비자의 선호 변동 등 여러 가지 외부 요인에 의하여 변경이 가능하다.

예를 들면, A 업체의 소정 사이트 혹은 딜의 ECDI 포인트가 전 기간에 비교하여 감소하거나, 해당 상품에 대한 시장 환경이 변화한 경우, 해당 사이트 혹은 딜에서 A 업체를 삭제하거나, B업체로 변경하거나, C업체를 추가할 수 있다.

이러한 변동사항을 원활하게 반영하기 위해 ECDI 운영간 지속적인 시장 환경을 모니터링 하게 된다. 또한, 각 사이트에서 각자 영업적 목적을 달성하기 위해 수시로, 간헐적으로 발생하는 딜에 대해서는 그 필요가 인정될 시 ECDI에 추가하여 산정한다. 이때, 딜의 추가, 삭제, 변경은 다른 딜의 ECDI 평가에 영향을 미치지 않는다.

한편, 카테고리를 변경, 삭제, 추가할 수 있는 단계가 진행된다.

즉, 본 단계에서는 카테고리 모듈(36)에 의하여 상세 시장 정보 수집을 위해 내부의 상품 카테고리 기준을 선정하여 세부 비교를 실시한다. 이는 시장 환경과, 소비 패턴의 변화 등 내, 외부 환경에 의해 특정 카테고리가 생성, 추가되거나, 삭제될 수 있다. 이는 비정기적으로 일어나는 활동이며, 카테고리 수정에 대한 필요가 내.외적으로 충분히 인지될 경우 실시한다.

예를 들면, A 사이트의 B,C,D 판매사의 특정 카테고리에 대한 ECDI 포인트를 실시간으로 모니터링하여 비교한 결과, B판매사의 ECDI 포인트가 낮다면 B판매사의 카테고리를 삭제하는 방식이다.

그리고, 포인트 관리단계에서는, 포인트관리 모듈(38)이 ECDI 포인트를 관리하게 된다.

이러한 ECDI 포인트는 특정일의 ECDI 포인트를 기준으로 하되, 그 날짜 이후의 날짜별 포인트를 이력 관리한다. 이러한 ECDI 포인트는 사이트 혹은 딜의 추가, 삭제로 인하여 총 포인트의 합산 기준이 변동되는 경우 그 수치변화를 그대로 반영한다.

그리고, 이와 같이 산정된 사이트별 순위는 출력부(13)에 의하여 출력될 수 있다. 예를 들면, 기간별로 판매순위, 상품별 판매순위, 브랜드별 판매순위 등 다양한 방식으로 출력될 수 있다.

또한, 이러한 결과는 모니터 화면 혹은 리포트 양식으로 출력될 수 있다.

예를 들면, 도 8에 도시된 바와 같이, 막대 그래프 방식으로 출력되거나, 원형 그래프 방식으로 출력될 수 있다.

이와 같이, 각 사이트의 딜에 대하여 순위를 산출하는 단계(S20)가 완료되면, 산출된 결과를 출력하는 단계(S22)가 진행된다.

본 단계에서는 같이 산정된 사이트별 순위는 출력부(13)에 의하여 출력될 수 있다.

이때, 결과물은 다양한 주제로 출력될 수 있는 바, 예를 들면, 기간별 판매순위, 상품별 판매순위, 브랜드별 판매순위 등 다양한 방식으로 출력될 수 있다.

또한, 이러한 결과는 모니터 화면 혹은 리포트 양식으로 출력될 수 있다.

한편, 본 발명의 다른 실시예로서, 순위를 산출 비교하는 단계가 완료된 후, 트랜드 예측단계(S25)가 추가로 진행될 수 있다.

본 단계에서는 서버(3)의 예측부(27)에 의하여 향후 상품별, 기간별, 브랜드별, 기간별 매출, 판매량, 경쟁사의 활동 및 향후 매출 예상 등을 예측할 수 있다.

즉, 기존 실적 데이터를 처리하여 패턴화하고, 이 패턴을 함수식으로 처리함으로써 향후 실적을 예측하는 방식이다.

이때, 트랜드 예측부(27)가 실적을 예측함에 있어서, 과거 실적에 대한 함수식을 향후 기간에도 동일하게 적용하여 예측할 수도 있고, 또는 함수식에 물가 상승률을 적용하여 예측할 수도 있다.

이 과정에서 인공 신경망 방식을 적용함으로써 향후 실적을 전망할 수도 있다.

즉, 인공 신경망을 이용하면 각종 분류(classification) 및 군집화(clustering)가 가능한 바, 분류나 군집화를 원하는 데이터 위에 여러 가지 층(layer)을 얹어서 원하는 작업을 하게 된다.

이러한 인공 신경망은 다층 구조로 이루어지며, 각 층은 여러 개의 노드로 구성되고, 각 노드에서는 실제로 연산이 일어나며, 이 연산 과정은 인간의 신경망을 구성하는 뉴런과 유사하다.

노드는 일정 크기 이상의 자극을 받으면 반응을 하는데, 그 반응의 크기는 입력 값과 노드의 계수(또는 가중치, weights)를 곱한 값과 대략 비례한다. 일반적으로 노드는 여러 개의 입력을 받으며 입력 갯수 만큼의 계수를 갖는다. 따라서, 이 계수를 조절함으로써 여러 입력에 서로 다른 가중치를 부여할 수 있다.

최종적으로 곱한 값들은 전부 더해지고 그 합은 활성 함수(activation function)의 입력으로 들어가게 된다. 활성 함수의 결과가 노드의 출력에 해당하며 이 출력값이 궁극적으로 분류나 회귀 분석에 쓰인다.

이때, 입력 데이터는 첫 번째 층의 입력이 되며, 그 이후엔 각 층의 출력이 다시 다음 층의 입력이 되는 방식이다.

이러한 과정을 통하여 출력값은 최초 입력값으로 피드백 되어 적절한 보정을 거침으로써 지속적으로 업데이트 되며 이러한 과정이 반복됨으로써 학습이 이루어지게 된다.

본 발명에서도 향후 실적을 전망할 때, 과거의 상품별, 기간별, 브랜드별, 기간별 매출, 판매량 데이터를 인공 신경망에 입력값으로 입력하여 다층 구조를 거침으로써 연산하여 출력한 후, 이 출력값을 다시 입력값으로 하여 반복 연산하는 과정을 통하여 향후 실적치를 전망할 수 있다.

그리고, 트랜드 예측단계(S25)가 완료된 후, 예측된 트랜드 데이터에 의하여 판매전략을 수립하는 단계(S27)가 추가로 진행될 수도 있다.

즉, 신제품의 온라인 판매시 예측단계(S25)에서 예측된 결과를 반영하여 전략을 수립하는 바, 소정 상품의 향후 가격, 브랜드, 구매자 등에 대한 트랜드가 예측되면, 이 트랜드를 반영하여 신제품의 판매 전략에 적용하는 방식이다.

예를 들면, 상기 수식 1에 의하여 연산된 ECDI 포인트를 패턴화하여 함수식을 설정하고, 이 함수식을 향후 기간에도 동일하게 적용함으로써 향후 실적을 예측할 수 있으며, 예측결과 실적이 낮다고 예측되는 상품의 판매 전략에 적용하는 방식이다.

상기한 이커머스 플랫폼 평가 시스템(1)은 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, 하드 디스크, 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 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.

Claims (11)

1. 네트워크상에서 온라인 유통 시장에 참여하고 있는 이커머스 업체의 사이트 혹은 딜의 판매 데이터를 수집, 기록하고 조건 데이터에 따라 평가 및 비교할 수 있는 서버(3)와;
   서버(3)와 네트워크(N)망을 통하여 연결됨으로써 데이터를 송수신할 수 있는 단말기(5)와; 그리고
   상기 수집, 기록, 평가, 비교한 데이터를 저장하는 데이터 베이스(15)를 포함하며,
   상기 서버(3)는, 평가 대상 사이트 혹은 딜에 대한 판매 데이터를 수집하는 수집부(7)와;
   수집된 판매 관련 판매 데이터를 분석하여 평가하는 평가부(9)와;
   분석된 데이터에 의하여 평가 대상 사이트에 대하여 ECDI 포인트를 연산하여 순위를 산출하여 우열을 평가하고, 평가 결과에 따라 평가 대상 사이트 혹은 딜의 변경, 삭제, 추가를 실시하는 순위 산정부(11)와; 그리고
   평가 결과를 출력하는 출력부(13)를 포함함으로써 네트워크상에서 온라인 유통 시장에 참여하고 있는 업체의 사이트 및 딜을 평가하며,
   순위 산정부(11)는 ECDI 포인트를 산정하는 포인트산정 모듈(30)과; ECDI 포인트에 의하여 제조사 혹은 판매사의 활동에 대하여 우열을 비교하는 비교 모듈(32)과; ECDI포인트의 비교 결과에 의하여 대상 사이트 혹은 딜의 변경, 삭제, 추가를 하는 변경 모듈(34)과; ECDI 포인트의 비교 결과에 의하여 카테고리의 생성, 변경, 삭제, 추가를 하는 카테고리 모듈(36)과; ECDI 포인트를 관리하는 포인트관리 모듈(38)을 포함하며,
   순위 산정부(11)는 각 사이트 혹은 딜의 ECDI 포인트를 아래 수식 2와 같이 사이트의 노출도와 접근도와, 상품의 판매금액 및 판매수량을 반영하여 연산함으로써 순위를 산출하되, 각 변수의 중요도를 달리 산정하고자 하는 경우, 각 변수에 중요도 지수를 각각 적용하여 연산하는 이커머스 플랫폼 평가 시스템(1).
   ECDI 포인트=(노출도*n1)*(접근도*n2)*(판매금액*n3)*(판매수량*n4)--수식2
   (노출도: 사이트의 트래픽 수, 접근도: 해당 딜에 접속하기 위한 단계수
   n1...n4: 중요도)
2. 제 1항에 있어서,
   평가부(9)는 판매 데이터중 목표 데이터를 선택하는 선택모듈(20)과; 선택된 판매 데이터를 일정한 포멧으로 처리하는 전처리 모듈(22)과; 포멧화된 판매 데이터를 분석 목적에 따라 처리하는 변환모듈(24)과; 변환된 판매 데이터를 알고리즘에 의하여 처리함으로써 분석을 실시하는 마이닝 모듈(26)을 포함하는 이커머스 플랫폼 평가 시스템(1).
3. 삭제
4. 삭제
5. 삭제
6. 제 1항에 있어서,
   서버(3)는 트랜드 예측부(27)를 추가로 포함하며,
   트랜드 예측부(27)는 평가부(9)에 의하여 연산된 판매 데이터를 입력값으로 하여 패턴화하고, 함수식에 따라 처리하여 출력함으로써 향후 트랜드를 예측하는 이커머스 플랫폼 평가 시스템(1).
7. 삭제
8. 삭제
9. 삭제
10. 삭제
11. 삭제

Images