KR102083257B1 - 거래 정보 기반의 상품 또는 서비스 추천 방법 및 이러한 방법을 수행하는 장치 - Google Patents

거래 정보 기반의 상품 또는 서비스 추천 방법 및 이러한 방법을 수행하는 장치 Download PDF

Info

Publication number
KR102083257B1
KR102083257B1 KR1020190035455A KR20190035455A KR102083257B1 KR 102083257 B1 KR102083257 B1 KR 102083257B1 KR 1020190035455 A KR1020190035455 A KR 1020190035455A KR 20190035455 A KR20190035455 A KR 20190035455A KR 102083257 B1 KR102083257 B1 KR 102083257B1
Authority
KR
South Korea
Prior art keywords
information
trader
recommendation
transaction
service
Prior art date
Application number
KR1020190035455A
Other languages
English (en)
Inventor
김진국
Original Assignee
김진국
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 김진국 filed Critical 김진국
Priority to KR1020190035455A priority Critical patent/KR102083257B1/ko
Application granted granted Critical
Publication of KR102083257B1 publication Critical patent/KR102083257B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 거래 정보 기반의 상품 또는 서비스 추천 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 거래 정보 기반의 상품 또는 서비스를 ?춤/추천/결제하는 방법으로 맞춤/추천/결제 서버가 거래자 거래 사용 정보를 수신하는 단계와 맞춤/추천/결제 서버가 거래자 거래 사용 정보를 기반으로 맞춤/추천/결제 정보를 생성하는 단계를 포함할 수 있되, 맞춤/추천/결제 정보는 거래자 거래 사용 정보를 기반으로 한 상품 및/또는 서비스 맞춤/추천/결제 정보, 거래자 스케줄 추천 정보를 포함할 수 있다.

Description

거래 정보 기반의 상품 또는 서비스 추천 방법 및 이러한 방법을 수행하는 장치{Method for recommandation of product or service based on transaction information}
본 발명은 거래 정보 기반의 상품 또는 서비스 추천 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 보다 상세하게는 거래자가 거래하려는 상품 또는 서비스에 대해 거래한 경우, 거래한 거래 사용 정보를 수집하고 수집한 거래 정보를 누적으로 보여주어 언제든지 재확인 가능하고 거래 정보를 기반으로 다른 사용자에게 상품 또는 서비스를 추천하기 위한 방법 및 장치에 관한 것이다.
시장 포화로 성장의 한계에 직면한 국내외 신용카드사들은 빅데이터를 마케팅에 이용함으로써 새로운 수익을 창출하고 있다. 즉, 빅데이터 분석을 통해 파악한 고객의 니즈와 스마트폰 이용으로 발생하여 수집된 거래 정보(융합/복합/결합 정보)를 통해 마케팅의 활력을 불어넣어 주고 있다.
해외 카드사 중 비자(VISA)는 구입 품목, 시점, 결제 위치 등을 실시간으로 파악하고 고객의 구매 이력 및 성향을 감안하여 인근 가맹점의 할인 쿠폰을 발송해 주는 서비스를 제공하고 있다. 이 결과 카드 이용 건수 및 가맹점 신규 고객이 증가하는 결과를 얻었다. 또한, 고객의 카드 이용 패턴을 실시간 분석하여 카드 부정 사용을 사전에 차단하는 시스템을 빅데이터 기술을 활용하여 개발/운영하고 있다.
아멕스(AMEX)에서는 위치 기반 소셜 네트워크 정보를 활용한 고객별 맞춤형 마케팅을 실시해 고객들로부터 긍정적인 반응을 얻고 있다. AMEX 싱크 프로그램은 제휴를 맺은 소셜 플랫폼의 고객 계정을 AMEX카드와 연동시켜 고객에게 맞춤형 할인 혜택을 준다. 예를 들면 페이스북이나 트위터에서 특정 상품 및 레스토랑에 ‘좋아요’를 클릭하면 할인쿠폰 및 관련 정보를 미리 제공해줌으로써 기존의 타깃 마케팅보다 큰 효과를 얻을 수 있었다.
국내 카드사 중 삼성카드에서도 빅데이터를 활용하여 맞춤형 할인 혜택을 주는 서비스를 제공하고 있다. 고객의 카드 거래 실적을 분석하여 앞으로 자주 이용할 것으로 예상되는 가맹점 혜택을 미리 고객에게 제안하고 고객이 별도의 쿠폰이나 할인권을 제시하지 않아도 결제만 하면 자동으로 혜택을 적용 받을 수 있는 서비스이다. 이로 인해 기존의 문자 메시지 및 타깃 마케팅에 비해 구매율이 높았고, 가맹점의 신규 고객 유입 부분에서도 두드러진 결과를 얻을 수 있었다.
신한 카드에서는 상품 개발시 빅데이터를 활용하였다. 고객의 카드 사용 실적을 분석하여 고객별 소비패턴 및 선호 트렌드를 파악하여 남녀 각각 9개의 고객군으로 클러스터링한 후, 각 그룹별 최적화된 코드나인(Code 9) 카드 시리즈를 출시했다. 이 상품은 최근 500만매를 돌파했고, 기존의 주력 카드보다도 평균 10%이상 이용률이 높다. 상품 개발 시 빅데이터를 활용한 성공적인 사례라고 업계에서는 평하고 있다.
이러한 카드사의 경우, 거래 사용 정보를 기반한 빅데이터 등과 같은 IT성장 트랜드에 맞거나, 고객의 needs에 적합한 상품과 서비스 구현이 용이하다 그러나 카드사가 아닌 일반 회사 및 개인의 경우, 거래 사용 정보를 이용한 상품 및 서비스 구현이 어렵다 따라서, 거래 사용 정보를 이용한 상품과 서비스 추천 방법에 대한 연구 개발이 필요하다.
본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 거래자의 거래 사용 정보를 수집하고 거래 사용 정보를 기반으로 거래장소에 재방문할 수 있도록 하거나, 다시 거래하는 재결제가 가능하게 하고 다른 타사용자에게 상품 또는 서비스를 추천하는 것을 다른 목적으로 한다.
또한, 본 발명은, 다양한 변수(지역적 특성, 시간적 특성, 상점별 특성, 거래자 특성등)을 고려하여 보다 정확하게 다른 사용자에게 다양한 방법과 방식으로 추천하는 것을 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 거래 정보 기반의 거래 서비스 방법은 맞춤 서버가 거래자 거래 사용 정보를 수신하는 단계와 상기 맞춤 서버가 상기 거래자 거래 사용 정보를 기반으로 맞춤 정보를 생성하는 단계를 포함할 수 있되, 상기 맞춤 정보는 상기 거래자 거래 사용 정보를 기반으로 한 상품 및/또는 서비스에 대한 다른 또는 동일 등 특정 구매 이력 등의 재선택 맞춤 정보를 포함할 수 있다.
본 발명의 일 태양에 따르면, 거래 정보 기반의 거래 서비스 방법은 추천 서버가 거래자 거래 사용 정보를 수신하는 단계와 상기 추천 서버가 상기 거래자 거래 사용 정보를 기반으로 추천 정보를 생성하는 단계를 포함할 수 있되, 상기 추천 정보는 상기 거래자 거래 사용 정보를 기반으로 한 상품 및/또는 서비스에 대한 날짜시간구간별/지역영역별/상품종류별/선호인기별/위치기반 우선순위별 등 방문 코스의 재방문 스케줄 추천 정보를 포함할 수 있다.
본 발명의 일 태양에 따르면, 거래 정보 기반의 거래 서비스 방법은 결제 서버가 거래자 거래 사용 정보를 수신하는 단계와 상기 결제 서버가 상기 거래자 거래 사용 정보를 기반으로 결제 정보를 생성하는 단계를 포함할 수 있되, 상기 결제 정보는 상기 거래자 거래 사용 정보를 기반으로 한 상품 및/또는 서비스에 대한 선사용결제의 즉시결제/타사용결제의 대행결제/후사용결제의 예약 결제 등 상황별 결제의 재결제 결제 정보를 포함할 수 있다.
본 발명의 다른 태양에 따르면, 거래 정보 기반의 거래 서비스 서버는 거래 사용 정보를 수신하도록 구현되는 통신부와 상기 통신부와 동작 가능하게(operatively) 연결된 프로세서를 포함하되, 상기 프로세서는 거래자 거래 사용 정보를 수신하고, 상기 거래자 거래 사용 정보를 기반으로 맞춤 및 추천 및 결제 정보를 생성하도록 구현될 수 있되, 상기 거래자 거래 사용 정보를 기반으로 한 시간적, 지역적, 순위적, 우선적, 조건적 요구요건에 따른 재거래를 위한 맞춤 및 추천 및 결제정보를 상품 및/또는 서비스에 대한 다른 또는 동일 구매이력의 일정 임계거리 또는 설정한 지역영역의 재선택 맞춤 및 날짜시간구간별, 지역영역별,상품종류별,선호인기별, 위치기반 우선 순위별 재방문 스케쥴 추천 및 선사용 즉시결제/타사용 대행결제/후사용 예약결제의 재결제 결제 정보를 포함할 수 있다.
본 발명에 의하면, 별도 수집하는 외부장치가 아닌 경우에도 거래자의 거래 사용 정보를 수집하고 거래 사용 정보를 기반으로 다른 사용자에게 상품 또는 서비스가 재선택하도록 맞춤되거나 추천 또는 결제할 수 있다.
또한, 본 발명에 의하면, 다양한 변수(지역적 특성, 상점별 특성, 시간적 특성, 거래자 특성 등)을 고려하여 보다 정확하게 다른 거래자에게 상품 또는 서비스에 대한 맞춤되거나 추천 또는 결제가 수행될 수 있다.
도 1은 본 발명의 실시예에 따른 거래 사용 정보 처리 시스템을 나타낸 개념도이다.
도 2는 본 발명의 실시예에 따른 거래 사용 정보 처리 서버의 거래자 거래 사용 정보를 결정하는 방법을 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 하위 거래자 거래 사용 정보(미존재)를 결정하는 방법이 개시된다.
도 4는 본 발명의 실시예에 따른 미존재 하위 거래자 거래 사용 정보를 결정하는 방법을 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 거래 사용 정보 처리 서버의 미존재 하위 거래자 거래 사용 정보에 대한 판단을 나타낸 개념도이다.
도 6은 본 발명의 실시예에 따른 거래자 거래 사용 정보를 기반으로 한 맞춤 시스템을 나타낸 개념도이다.
도 7은 본 발명의 실시예에 따른 거래자 거래 사용 정보를 기반으로 한 추천 시스템을 나타낸 개념도이다.
도 8은 본 발명의 실시예에 따른 추천 서버의 추천 동작을 나타낸 개념도이다.
도 9는 본 발명의 실시예에 따른 조정 추천 가중치를 결정하는 방법을 나타낸 개념도이다.
도 10은 본 발명의 실시예에 따른 조정 추천 가중치를 결정하는 방법을 나타낸 개념도이다.
도 11은 본 발명의 실시예에 따른 추천 서버의 스케줄 추천 동작을 나타낸 개념도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여 지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
우리가 살아가는 일상의 삶의 사회에서는 개인과 개인, 개인과 기업, 기업과 기업 등의 거래자 간의 거래가 수시로 이루어지고 있다. 이 거래들은 거래 대상인 상품 또는 서비스에 대해서 품목 종류, 거래 횟수와 시점 등 거래시 다수의 정보가 신규 또는 중복으로 발생하게 되고 이 발생된 정보는 그 거래 종류와 온라인 및 오프라인 등 거래 방식에 따른 환경적 거래 정보가 발생한다. 그래서 이 정보는 과거, 현재, 미래에 거래 성사를 위한 거래 기초 정보가 된다.
거래자 중 구매자는 과거 거래 성사로 기존 거래를 언제든지 재확인되어 재거래를 위해 재선택이 가능하게 되고, 현재 거래 성사를 위해 재방문하거나 재결제를 할 수 있는 서비스가 필요하다. 즉, 거래 경험에 의한 신뢰성있고 지속적이며 신속하게 재거래가 가능하기 위해서는 언제든지 거래 이력이 재확인되어 거래 대상을 재선택하고 재방문 하거나, 재결제를 할 수 있도록 하는 서비스가 요구된다. 그리고 미래 거래 성사를 위해서도 신뢰성 있는 거래 정보를 통해 방문 예약하고 예약 결제하거나 실결제자가 아닌 실사용자를 통하여 예약으로 재결제한 상품 및 서비스를 대행하여 수취가 가능하도록 실제적으로 대행결제가 됨으로써 예약 및 대행 결제자에 의한 재결제가 가능할 수 있다. 이때 실제 거래를 하게 되는 거래 상품 및 서비스의 실사용자는 수취할 때 본인인증 및 사용인증과 같은 실사용자에 대한 인증절차를 거친 후 거래 상품을 수취하거나 서비스를 받을 수 있다. 즉 거래 사용 정보를 기반으로 한 신뢰성 재결제는 실결제자와 실사용자의 거래 상황에 따라 분리될 수 있어서 판매자와 실결제자와 실사용자의 재거래자간 상호 유기적인 재거래 관계가 가능하다.
예를 들어, 어떤 거래에 있어서 구매자는 오프라인상 방문하였을때, 그리고/또는 온라인상 수취 후 실물 확인되었을 때와 같이 상품 또는 서비스에 대해서 품질을 경험한 신뢰를 바탕으로 재거래를 위해 기존 거래 이력을 검색하여 확인된 거래를 재선택하게 된다. 그래서 거래주소, 거래시점, 거래금액 등의 정보를 이용하여 재방문할 수 있다. 또한 재결제를 위해 즉시 결제하거나 예약 결제를 하거나 대행 결제등을 하여 실결제자와 실사용자의 상황에 맞는 재거래 절차가 형성될 수 있다. 그러므로 실결제자와 실사용자는 어떠한 거래이든지 거래할 수 있는 상황이 가능하다.
구체적인 예를 들어 컴퓨터 기기를 구매한 실결제와 실사용이 동일한 실구매자가 구매하였었던 동일한 컴퓨터를 재구매 하거나 또는 A/S를 받고 싶을 경우, 거래한 이력을 검색하여 찾게 되고, 재구매하고자 할 경우, 오프라인으로 재방문하여 재구매하거나, 온라인으로 재주문하여 재구매하게 된다. 이때 결제는 즉시 결제하거나, 온라인 또는 오프라인 상황에 따라 이 컴퓨터기기를 실결제자 또는 다른 실사용자가 수취해야 할 경우, 실구매자가 대행 결제하여 실결제를 하고 다른 실사용자는 본인인증 등의 구매 대행자 확인후 대행하여 수취가 가능하다. 이와 같이 실구매자가 반드시 현장에서 결제 또는 수취하지 않아도 실사용자로부터 실제 거래가 가능 할 수 있게 된다.
거래자인 구매자와 판매자는 거래에 있어서 상품 및 서비스에 대해 구매자는 구매하여 거래하고 있는 구매자의 거래 사용 정보를 언제든지 확인할 수 있고 판매자도 구매자에게 제공한 거래 정보를 누적으로 언제든지 재확인이 가능하다, 그래서 거래가 빈번하지 않은 구매자의 재방문을 유도하기 위해 거래 상품 및 서비스에 대해서 할인/쿠폰 등과 같은 유형별 전략적 판매 설정이 가능하며 구매자의 간편한 재결제를 위해 판매자는 구매자 결제 상황에 맞는 즉시결제, 대행결제, 예약결제와 같은 결제종류가 설정되도록 하여 신뢰를 제공한 판매자가 구매자로부터의 재거래를 위한 간단한 서비스도 가능하다.
이러한 거래 경험에 입각한 신뢰성 재거래들은 누적되어 지역적, 시간적 등 거래의 환경적인 특징 요소에 따라 별도의 융복통합적인 정보로 확대 활용할 수 있는 서비스도 가능하다.
예를 들어, 온라인 판매시에 판매자들 간에 경쟁적으로 홍보하여 최저가 상품 및 서비스 정보를 확인후 구매자는 구매 여부를 판단하고 있으나 다른 구매자들이 실제 거래한 정보를 이용한 지역별, 시간별, 금액별 거래 정보를 가공하여 구매자 구매하고자 하는 정확한 기준/수준 판단 정보가 제공되어 실제적인 신뢰성 최저가 정보를 추천받을 수 있다. 또한 다른 구매자들의 실제 거래한 동일한 상품에 대해서도 동일 상품 및 서비스 거래 이력 공유에 따라 최저가/최고가 등 구매자가 원하는 거래의 종류도 확인할 수 있다.
또 예를 들어, 구글에서 제공하는 사진 찍은 위치가 지도상에 표현되는 것과 같이 구매한 거래 사용 정보가 지역적 및 위치적으로 지도상에 표시되어 거래한 주소를 시간적으로 표시가 가능하다. 그래서 재방문하기 위한 지역적/위치적/시간적 설정에 따른 재방문 코스가 자동으로 추천되기도 한다. 그 외에도 다른 사용자들이 동일/유사한 또는 비동일/비유사한 상품이나 서비스에 대해서도 지역적/위치적/시간적으로 방문코스가 가능하며, 서로 다른 거래자들 간에 공유하여 본인들의 재방문 코스도 추천될 수 있다. 이때 방문하여지는 코스는 거래자가 설정하고 싶어하는 스케쥴표, 즉 특정 일시 또는 일시 기간 동안에 해당 코스들과 매칭이 되어 방문 스케쥴도 자동으로 설정이 된다. 해당 거래는 비거래를 포함한 관광지 또는 행사장과 같은 실제 결제가 이루어지지 않은 곳도 거래자의 방문코스에 포함될 수 있다.
또 예를 들어 구매자는 재확인으로 재선택된 상품 및 서비스를 재결제 하게된다. 하지만 이 결제는 실제 결제 행위만 진행될 뿐, 대행 및 예약일 경우는 전산상 결제가 대기상태가 되고 즉시결제 일 경우는 비대기 상태로 전산상 실제 결제가 된다, 대기상태일때 실결제자 또는 실사용자가 본인인증 또는 사용인증을 위한 비밀번호 또는 PIN번호, 또는 생체 확인후 실제 결제 절차가 진행된다.
즉, 제결제를 위한 결제 종류로 카드/현금/계좌이체 등과 같이 현재의 통용되는 거래방식을 사용하게 되는데 재선택된 상품 및 서비스에 대해 카드/계좌이체로 결제 진행하면, 즉시/대행/예약 등의 거래 상황에 따라 실제 거래 현장에서 결제자가 설정하였던 비번/PIN/생체 등의 사용인증 확인으로 최종결제가 처리된다. 구매자/판매자의 거래자 간 재결제시 실제 결제가 대기상태가 될 때 대기로 인한 발행된 결제연결번호로 실제 현장에서 결제연결번호를 이 결제 시스템의 결제 입력 패드 등에 실제 입력함으로 거래가 이루어지고 동시에 판매자에게는 해당 결제연결번호 결제처리에 따른 주문 번호 등을 수신받게 된다. 다양한 판매자가 보유한 시스템에 의해 수신되는 주문대기 번호가 호출되거나, 서비스 앱(App) 등에 푸쉬(push) 후 판매자에 의해서 상품 및 서비스가 취득하게 되고 본인 확인으로 인증한 비번/PIN/생체와 동일한 인증을 하게 되면 실제 결제 절차가 실시간으로 진행되며 최종 결제와 최종 거래가 마무리된다. 이때 서비스 번호 입력과 인증 절차의 비번 입력은 통합적으로 이중 하나의 입력값으로 진행될 수도 있다.
예를 들어 판매자는 판매자의 상품을 거래한 구매자들이 거래한 이력정보를 확인할 때 판매자의 다른 상품을 추천받을 수 있도록 추천 설정을 할 수 있다.
기본적으로는 판매자가 판매한 상품 및 서비스에 대해서 다른 거래자의 구매 이력과 합산되어 상품의 품질 및 인기를 어느정도 갈음하여 구매자가 재구매하는데에 판단 가능토록 실제적인 종합 구매 이력 정보 제공이 가능하다. 이 정보를 통하여 동일한 컴퓨터를 재구매하려는 구매자는 판매자의 신뢰성이 어느정도 확보된 상태로 판매자의 다른 유사 추천 상품 및 서비스를 신규로 거래할 수도 있다.
현재 거래자의 거래 사용 정보는 어떤 방식으로 거래를 하느냐에 따라 그 방식의 원칙적인 방법에 의해서만 수집이 가능하다. 카드는 스크랩핑을 수행하는 업체가 중간에 카드 사용 정보를 스크랩핑하는 경우로, 이러한 경우, 스크랩핑 회사에 일정한 금액을 지불해야지만, 카드 사용 정보에 대한 수집이 가능하다. 그러나 수집되는 스크랩핑 정보는 모든 카드 사용 정보에 대한 수집이 불가능할 수 있다. 따라서, 카드 등과 같은 외부에서 정보가 제공되어지는 거래자 간의 거래 사용 정보를 기반으로 한 경우, 정확한 거래 사용 정보 수집이 어렵다 본 발명의 실시예에 따른 거래 정보 기반의 거래 서비스 방법 및 및 이러한 방법을 수행하는 장치에서는 거래자의 거래 사용 정보를 수집하기 위한 방법도 포함하여 개시된다.
도 1은 본 발명의 실시예에 따른 거래 사용 정보 처리 시스템을 나타낸 개념도이다.
도 1에서는 거래자의 거래 사용 정보를 수집하기 위한 거래 사용 정보 처리 시스템이 개시된다.
도 1을 참조하면, 거래 사용 정보 처리 시스템은 거래자 장치(100), 거래 사용 정보 처리 서버(120), 거래 정보 스크랩핑 장치(140) 및 외부 서버(160)를 포함할 수 있다.
거래 사용 정보 처리 서버(120)는 거래자의 거래 사용 정보의 수집을 위해 구현될 수 있다. 거래 사용 정보 처리 서버(120)는 거래 사용 어플리케이션을 거래자 장치로 제공하고, 거래 사용 어플리케이션을 통해 사용자의 제1 거래 사용 정보를 수신할 수 있다. 거래 사용 어플리케이션은 거래자의 거래 사용으로 인해 발생되는 직접적인 또는 간접적인, 온라인 또는 오프라인상 제1 거래 사용 정보(예를 들어, 거래 사용 안내 문자 등)을 수집할 수 있다. 거래 사용 안내 문자는 구매 상품/서비스 정보, 구매 상점 정보, 결제 금액 정보 및 결제 시간 정보 등을 포함할 수 있다.
거래 사용 정보 처리 서버(120)는 외부 서버(160)로부터 제2 거래 사용 정보를 수신할 수 있다. 예를 들어, 외부 서버(160)는 위치 정보 서버일 수 있고, 외부 서버(160)인 위치 정보 서버로부터 거래자의 거래 방식에 따른 결제시 위치 정보를 제2 거래 사용 정보로서 수신할 수 있다. 거래 사용 정보 처리 서버(120)는 외부 서버(160)로부터 제2 거래 사용 정보의 수집이 필요 없는 경우, 외부 서버(160)로부터 제2 거래 사용 정보를 수신하지 않을 수도 있다.
또한, 거래 사용 정보 처리 서버(120)는 거래 정보 스크랩핑 장치(140)로부터 제3 거래 사용 정보를 수신할 수 있다. 거래 정보 스크랩핑 장치(140)는 거래정보를 보유한 카드사 등의 전달되는 거래자의 거래 사용 내역 정보를 스크랩핑하는 장치이다. 이 거래 정보 스크랩핑 장치(140)는 거래 정보 수집 서버(120)로 전송할 수 있다.
거래 사용 정보 처리 서버(120)는 제1 거래 사용 정보, 제2 거래 사용 정보 및 제3 거래 사용 정보 중 적어도 하나의 거래 사용 정보를 기반으로 거래자 거래 사용 정보를 결정할 수 있다. 거래 사용 정보 처리 서버(120)가 제1 거래 사용 정보, 제2 거래 사용 정보 및 제3 거래 사용 정보 중 적어도 하나의 거래 사용 정보를 기반으로 거래자 거래 사용 정보를 결정하는 방법은 후술된다.
거래자 장치(100)는 거래자의 제1 거래 사용 정보를 수신하기 위해 구현될 수 있다. 제1 거래 사용 정보는 제1 구매 상점 정보, 제1 사용자 구매 가격 정보, 제1 구매 시간 정보, 제1 구매 물품 정보 등을 포함할 수 있다. 거래자 장치(100)에 설치된 거래 사용 어플리케이션은 거래 결제시 사용자 장치(100)로 전송된 정보를 기반으로 제1 거래 사용 정보를 생성할 수 있다.
예를 들어, 거래자가 결제를 수행한 이후, 거래자 장치(100)는 결제 문자를 수신할 수 있다. 결제 문자는 구매 상품/서비스 정보, 구매 상점 정보, 결제 금액 정보 및 결제 시간 정보 등을 포함할 수 있다.
거래 사용 정보 처리 서버(120)는 이 중에 적어도 하나의 정보가 없는 경우, 다른 정보를 기반으로 한 예측 절차를 통해 예측을 수행할 수도 있다. 예를 들어, 구매 물품/서비스 정보는 구매 상점 정보 및/또는 구매 시간 정보, 사용자 위치 정보 등을 기반으로 추정될 수 있다. 결제 문자를 통해 구매 상점에 대한 정보는 획득 가능하나 구체적인 구매 물품에 대한 정보는 획득하기가 어렵다. 구매 물품/서비스 정보는 구매 상점 정보 및/또는 구매 시간 정보, 사용자 위치 정보 등을 기반으로 추정될 수 있다.
거래자 위치 정보는 거래자 장치(100)의 GPS(global positioning system) 모듈과 같은 위치 정보 수집 모듈을 기반으로 획득될 수 있다. 또는 구매 물품/서비스 정보는 거래자 장치(100)를 통한 거래자의 별도의 구매 물품/서비스 정보 입력이 이루어질 수도 있다. 영수증의 스캔을 통해 구매한 물품/서비스 정보에 대한 입력이 진행될 수 있다.
외부 서버(160)는 제2 거래 사용 정보를 결정하기 위한 정보를 수신하는 서버일 수 있다. 예를 들어, 외부 서버(160)는 웹에서 수집한 상점에서 판매되는 구체적인 상품에 대한 정보, 판매점 위치 및 판매 점 위치 주변의 지도 정보 등을 포함할 수 있다. 또한, 전술한 바와 같이 외부 서버(160)는 별도의 거래자의 위치 정보를 수신하기 위한 서버일 수도 있다.
거래 정보 스크랩핑 장치(140)는 카드사 등으로부터 전달되는 거래자의 거래 사용 내역 정보를 스크랩핑하는 장치일 수 있다.
도 2는 본 발명의 실시예에 따른 거래 사용 정보 처리 서버의 거래자 거래 사용 정보를 결정하는 방법을 나타낸 개념도이다.
도 2에서는 거래 사용 정보 처리 서버가 제1 거래 사용 정보(210), 제2 거래 사용 정보(220) 및 제3 거래 사용 정보(230) 중 적어도 하나의 거래 사용 정보를 기반으로 거래자 거래 사용 정보를 결정하는 방법이 개시된다.
도 2를 참조하면, 거래자 거래 사용 정보는 거래자 구매 상점 정보, 거래자 구매 가격 정보, 거래자 구매 시간 정보, 거래자 구매 물품/서비스 정보 등과 같은 하위 거래자 거래 사용 정보를 포함할 수 있다.
거래자가 특정 물품/서비스를 상점에서 구매하는 경우, 제1 거래 사용 정보(210), 제2 거래 사용 정보(220) 및 제3 거래 사용 정보(230)가 생성될 수 있다. 제1 거래 사용 정보(210), 제2 거래 사용 정보(220) 및 제3 거래 사용 정보(230)는 구매 이벤트 식별 정보를 더 포함하고, 구매 이벤트 식별 정보는 특정 이벤트에 대해 발생된 제1 거래 사용 정보(210), 제2 거래 사용 정보(220) 및 제3 거래 사용 정보(230)를 그룹으로 관리하고 하나의 거래자 거래 사용 정보를 생성하기 위한 식별 정보일 수 있다.
제1 거래 사용 정보(210)는 제1 구매 상점 정보, 제1 거래자 구매 가격 정보, 제1 구매 시간 정보, 제1 구매 상품/서비스 정보 중 적어도 하나를 포함할 수 있다. 마찬가지로 제3 거래 사용 정보(230)는 제3 구매 상점 정보, 제3 구매 가격 정보, 제3 구매 시간 정보, 제3 구매 상품/서비스 정보 중 적어도 하나를 포함할 수 있다. 제1 거래 사용 정보(210)에 포함되는 하위 정보는 제1 하위 거래 사용 정보라는 용어로 표현되고, 제3 거래 사용 정보(230)에 포함되는 하위 정보는 제3 하위 거래 사용 정보라는 용어로 표현될 수 있다
거래 사용 정보 처리 서버는 제1 거래 사용 정보(210) 및 제3 거래 사용 정보(230) 중 중첩된 정보를 판단할 수 있다.
중첩된 정보의 동일 또는 유사 여부를 고려하여 중첩된 정보가 동일한 경우, 하나의 정보가 거래자 거래 사용 정보에 포함될 수 있다. 중첩된 정보가 유사한 경우, 상대적으로 정보의 구체성이 높은 하나의 정보가 거래자 거래 사용 정보에 포함될 수 있다. 반대로 중첩된 정보가 유사하지 않은 경우, 신뢰도가 상대적으로 높은 하나의 정보가 거래자 거래 사용 정보에 포함될 수 있다. 중첩된 정보의 유사도에 대한 판단은 웹 페이지에 대한 텍스트 연관도 결과 및/또는 상점 위치 정보 판단 결과를 기반으로 결정될 수 있다.
예를 들어, 동일한 구매 이벤트 식별 정보를 포함하는 제1 거래 사용 정보(210)의 제1 구매 상점 정보, 제3 거래 사용 정보(230)의 제3 구매 상점 정보가 존재하는 경우, 제1 구매 상점 정보와 제3 구매 상점 정보의 유사 여부에 대한 판단이 수행될 수 있다. 제1 구매 상점 정보가 한강 식당이고, 제3 구매 상점 정보가 한강 식당인 경우 동일하다고 판단될 수 있다.
제1 구매 상점 정보(예를 들어, 한강 식당)와 제3 구매 상점 정보(예를 들어, Hangang)가 서로 다른 경우, 제1 구매 상점 정보와 제3 구매 상점 정보의 유사도에 대한 판단이 수행될 수 있다. 거래 사용 정보 처리 서버는 제1 구매 상점 정보와 제3 구매 상점 정보를 포함하는 웹 페이지를 탐색하고, 제1 구매 상점 정보와 제3 구매 상점 정보가 포함되는 중첩 정보 웹 페이지의 개수를 추출할 수 있다.
또한, 거래 사용 정보 처리 서버는 제2 거래 사용 정보(220)에 포함되는 지도 정보를 기반으로 제1 구매 상점 정보와 제3 구매 상점 정보의 위치 정보가 동일한지 여부에 대한 판단을 수행할 수 있다.
거래 사용 정보 처리 서버는 중첩 정보 웹 페이지의 개수 및/또는 위치 정보 동일 여부 판단 결과를 기반으로 제1 구매 상점 정보와 제3 구매 상점 정보의 유사도를 결정할 수 있다. 유사도가 임계값 이상인 경우, 제1 구매 상점 정보와 제3 구매 상점 정보는 유사하다고 판단되고, 유사도가 임계값 미만인 경우, 제1 구매 상점 정보와 제3 구매 상점 정보는 유사하지 않다고 판단될 수 있다.
제1 구매 상점 정보와 제3 구매 상점 정보가 유사하다고 판단되는 경우, 웹 페이지 검색 결과를 기반으로 더 많은 웹페이지를 가진 정보가 상대적으로 구체성이 높은 정보로 판단되어 거래자 거래 사용 정보에 포함될 수 있다.
제1 구매 상점 정보와 제3 구매 상점 정보가 유사하지 않다고 판단되는 경우, 제1 구매 상점 정보 및 제3 구매 상점 정보 모두 각각 거래자 거래 사용 정보에 포함될 수 있다.
제1 거래 사용 정보(210), 및 제3 거래 사용 정보(230) 모두에 포함되어 있지 않은 정보가 존재할 수 있다. 이러한 경우, 거래 사용 정보 처리 서버는 제2 거래 사용 정보(220), 다른 거래자 거래 사용 정보 등을 기반으로 존재하지 않는 하위 거래자 거래 사용 정보(미존재)를 결정할 수 있다.
이하, 본 발명의 실시예에서는 하위 거래자 거래 사용 정보(미존재)를 결정하는 방법이 개시된다. 이하, 본 발명의 실시예에서는 존재하지 않는 하위 거래자 거래 사용 정보는 하위 거래자 거래 사용 정보(미존재), 존재하는 하위 거래자 거래 사용 정보는 하위 거래자 거래 사용 정보(존재)라는 용어로 표현될 수 있다.
도 3은 본 발명의 실시예에 따른 하위 거래자 거래 사용 정보(미존재)를 결정하는 방법이 개시된다.
도 3에서는 하위 거래자 거래 사용 정보(미존재)를 결정하기 위한 방법이 개시된다. 특히, 도 3에서는 거래자 구매 상점 정보가 하위 거래자 거래 사용 정보(미존재)인 경우, 존재하지 않는 거래자 구매 상점 정보를 결정하는 방법이 개시된다.
도 3을 참조하면, 하위 거래자 거래 사용 정보 중 거래자 구매 상점 정보가 존재하지 않는 경우, 거래자 구매 상점 정보(미존재)는 제2 거래 사용 정보에 포함되는 거래자 위치 정보 및 거래 사용 정보 처리 서버에 의한 머신 러닝 결과를 기반으로 결정될 수 있다.
또한, 하위 거래자 거래 사용 정보 중 거래자 구매 상점 정보가 존재하지 않는 경우, 거래자 구매 상점 정보(미존재)는 제2 거래 사용 정보에 포함되는 거래자 위치 정보 및 거래 사용 정보 처리 서버에 의한 블록체인 기반의 블록체인 네트워크상 블록 정보를 기반으로 결정될 수 있다.
거래 사용 정보 처리 서버는 거래자 위치 정보 및 지도 정보를 기반으로 현재 거래자의 결제 위치를 기준으로 임계 거리(예를 들어, 30m) 이내에 위치한 상점 리스트(300)를 결정할 수 있다.
상점 리스트(300)에 포함되는 상점이 하나인 경우, 해당 상점과 이미 존재하는 하위 거래자 거래 사용 정보(존재) 간의 관련도(310)가 결정되고, 관련도(310)가 임계 관련도 이상인 경우, 해당 상점 정보가 거래자 구매 상점 정보(미존재)에 포함될 수 있다.
상점과 하위 거래자 거래 사용 정보(존재) 간의 관련도(310)는 거래 사용 정보 처리 서버의 머신 러닝 결과 및 블록체인 기반으로 결정될 수 있다.
거래 사용 정보 처리 서버는 서비스 전에 입력된 정보 및 계속적으로 거래자 장치로부터 수집되는 상점의 이름과 판매되는 상품/서비스, 판매되는 상품/서비스 가격, 판매가 발생하는 시간에 대해 라벨링(labeling)된 입력 데이터를 기반으로 학습을 수행할 수 있고, 이러한 학습 결과를 기반으로 상점과 하위 거래자 거래 사용 정보 간의 관련도가 결정될 수 있다. 예를 들어, 클러스터링과 같은 비지도 학습을 기반으로 결정된 데이터 클러스터를 추출하여 관련도가 결정될 수 있다.
또한 거래 사용 정보 처리 서버는 서비스 전에 입력된 정보 및 계속적으로 거래자 장치로부터 수집되는 상점의 이름과 판매되는 상품/서비스, 판매되는 상품/서비스 가격, 판매가 발생하는 시간에 대해 타거래자간 데이터분산처리로 블록처리 되는 블록 체인(Block Chain) 기술 기반으로 데이터를 결합 완성할 수 있고, 이러한 분산 처리된 데이터의 결합 결과와 비교/매칭하여 거래자 거래 사용 정보 간의 관련도가 결정될 수 있다. 예를 들어, 거래자와 타거래자, 다른 타거래자의 블록체인된 동일한 분산 처리와 결합처리를 통한 데이타를 기반으로 결정된 데이터를 추출하여 관련도와 유사도가 결정될 수 있다
예를 들어, 상점이 음식점인 경우, 나머지 하위 거래자 거래 사용 정보(존재)(거래자 구매 가격 정보, 거래자 구매 시간 정보, 거래자 구매 물품/서비스 정보)와 예측 대상인 거래자 구매 상점 정보(미존재) 간의 관련도(310)가 결정될 수 있다. 예를 들어, 학습 결과를 기반으로 거래자 구매 가격이 200원인 경우, 일반적인 음식 서비스에 대한 비용 범위에 포함되지 않으므로 낮은 관련도(310)를 가진다고 판단되고, 6000원 이상인 경우, 일반적인 음식 서비스에 대한 비용 범위에 포함되므로 높은 관련도(310)를 가진다고 판단될 수 있다. 또 다른 예로 거래자 구매 시간이 오전11시에서 오후2시 사이인 경우 높은 관련도(310)를 가지고, 밤12시에서 새벽 1시일 경우에도 낮은 관련도(310)를 가진다고 판단될 수 있다.
이러한 기계 학습과 블록체인 데이터 분석/결합 처리는 계속적으로 수집되는 거래자 거래 사용 정보를 기반으로 지속적으로 수행될 수 있다
반대로, 상점 리스트에 포함되는 상점이 복수개인 경우, 해당 상점 정보 중 예측 정확도(320)가 높은 상점 정보가 거래자 구매 상점 정보(미존재)에 포함될 수 있다.
제1 거래 사용 정보 및 제3 거래 사용 정보를 기반으로 결정된 거래자 거래 가격 정보, 거래자 구매 시간 정보, 거래자 구매 물품/서비스 정보 중 적어도 하나의 정보를 사용하여 복수의 상점 각각에 대한 예측 정확도(320)를 결정할 수 있다.
거래자 거래 물품/서비스 정보, 거래자 거래 가격 정보, 거래자 거래 시간 정보의 우선 순위로 복수의 상점 각각의 예측 정확도(320)가 결정될 수 있다.
거래자 거래 물품/서비스 정보와 복수의 상점 각각 간의 제1 연관도가 결정되고, 거래자 거래 가격 정보와 복수의 상점 각각 간의 제2 연관도가 결정되고, 거래자 거래 시간 정보와 복수의 상점 각각 간의 제3 연관도가 결정될 수 있다.
제1 연관도, 제2 연관도 및 제3 연관도는 거래 사용 정보 처리 서버의 머신 러닝 결과를 기반으로 결정될 수 있다. 전술한 바와 같이 거래 사용 정보 처리 서버는 계속적으로 수집되는 상점의 이름과 거래되는 상품/서비스, 거래되는 상품/서비스 가격, 거래가 발생하는 시간에 대해 라벨링(labeling)된 입력 데이터를 기반으로 학습을 수행할 수 있고, 이러한 학습 결과를 기반으로 제1 연관도가 결정될 수 있다. 예를 들어, 복수의 상점 중 홍콩반점이라는 상점이 존재하는 경우, 홍콩반점에 대응되는 거래되는 상품/서비스, 거래되는 상품/서비스 가격, 거래가 발생하는 시간이 예측될 수 있고, 이러한 예측 결과와 제1 거래 사용 정보 및 제3 거래 사용 정보를 기반으로 결정된 거래자 거래 가격 정보, 거래자 거래 시간 정보, 거래자 거래 물품/서비스 정보를 비교하여 제1 연관도, 제2 연관도 및 제3 연관도가 산출될 수 있다.
전술한 바와 같이 거래 사용 정보 처리 서버는 계속적으로 수집되는 상점의 이름과 거래되는 상품/서비스, 거래되는 상품/서비스 가격, 거래가 발생하는 시간에 대해 타거래자 또 다른 타거래자들의 블록 체인 기술된 분산 데이터를 기반으로 결함을 수행할 수 있고, 이러한 데이터 처리 결과를 기반으로 제1 연관도, 제2 연관도 및 제3 연관도가 산출될 수 있다.
이러한 기계 학습과 블록체인 기술처리는 계속적으로 수집되는 거래자 거래 사용 정보를 기반으로 지속적으로 수행될 수 있다. 마찬가지 방식으로 제2 연관도, 제3 연관도가 결정될 수 있다.
결정된 제1 연관도, 제2 연관도 및 제3 연관도를 기반으로 예측 정확도가 산출되고, 복수의 상점 중 산출된 예측 정확도(320)가 임계 정확도 이상인 경우, 해당 상점 정보가 거래자 거래 상점 정보(미존재)에 포함될 수 있다. 가장 높은 임계 정확도를 가진 상점이 상위에 위치하도록 설정될 수 있다.
이하, 본 발명의 실시예에서는 거래 사용 정보 처리 서버의 기계 학습과 블록체인 기술처리를 기반으로 나머지 하위 거래자 거래 사용 정보(미존재)(거래자 거래 가격 정보, 거래자 거래 시간 정보, 거래자 거래 물품/서비스 정보)를 결정하는 방법이 개시된다.
도 4는 본 발명의 실시예에 따른 미존재 하위 거래자 거래 사용 정보를 결정하는 방법을 나타낸 개념도이다.
도 4에서는 존재하는 하위 거래자 거래 사용 정보(존재)를 기반으로 하위 거래자 거래 사용 정보(미존재)를 결정하는 방법이 개시된다. 도 4에서는 특히, 하위 거래자 거래 사용 정보(미존재) 중 거래자 거래 물품/서비스 정보를 결정하는 방법이 개시된다.
도 4를 참조하면, 하위 거래자 거래 사용 정보(존재)(400)가 입력되면, 가장 유사도가 높은 데이터 클러스터로의 분류가 진행될 수 있고, 해당 데이터 클러스터 내에서 인접한 복수의 데이터에 대한 추출이 수행될 수 있다. 1차적으로 데이터와 가장 인접한 제1 임계 개수 데이터를 추출하고 제1 임계 개수 데이터의 특성을 분석할 수 있다. 제1 임계 개수 데이터의 특성이 유사한지 여부를 판단하여 제1 임계 개수 데이터의 특성이 유사한 경우, 제1 임계 개수 데이터를 기반으로 하위 거래자 거래 사용 정보(미존재)가 결정될 수 있다. 제1 임계 개수 데이터의 특성이 유사하지 않은 경우, 데이터의 개수를 순차적으로 줄여서(예를 들어, 제2 임계 개수 데이터, 제3 임계 개수 데이터)로 하위 거래자 거래 사용 정보(미존재)가 결정될 수 있다.
예를 들어, 거래자 거래 물품/서비스 정보가 존재하지 않는 경우, 나머지 하위 거래자 거래 사용 정보(존재)(거래자 거래 상점 정보, 거래자 거래 가격 정보, 거래자 거래 시간 정보)(400)를 기반으로 한 예측이 수행될 수 있다.
거래자 거래 상점 정보, 거래자 거래 가격 정보, 거래자 거래 시간 정보를 기반으로 클러스터링을 수행한 클러스터에서 나머지 하위 거래자 거래 사용 정보(존재)(거래자 거래 상점 정보, 거래자 거래 가격 정보, 거래자 거래 시간 정보)(400)가 포함되는 클러스터에 대한 탐색이 수행될 수 있다.
하위 거래자 거래 용 정보(미존재)를 찾기 위한 클러스터링을 수행시 거래자 거래 상점 정보는 거래자 거래 상점 정보에 대한 제1 사전 클러스터링, 거래자 거래 가격 정보에 대한 제2 사전 클러스터링, 전처리 거래자 거래 시간 정보에 대한 제3 사전 클러스터링을 수행할 수 있다.
예를 들어, XX 반점, ZZ루와 같은 경우, 거래자 거래 상점1, AA한우, ZZ 고기집과 같은 경우, 거래자 거래 상점2와 같이 음식점 종류별로 동일한 식별 정보로서 처리되도록 사전 클러스터링이 수행될 수 있다. 즉, 사전 클러스터링 결과를 기반으로 유사한 상품/서비스를 거래하는 상점은 동일한 클러스터로 분류될 수 있도록 데이터 전처리가 수행될 수 있다.
이러한 방법을 통해 나머지 하위 거래자 거래 사용 정보(존재)(거래자 거래 상점 정보, 거래자 거래 가격 정보, 거래자 거래 시간 정보)(400)가 포함되는 클러스터에 대한 탐색이 수행될 수 있다. 해당 클러스터 내에 포함되는 거래자 거래 사용 정보 중 가장 인접한 거래자 거래 사용 정보에 포함되는 물품/서비스를 기반으로 거래자 거래 물품/서비스 정보(미존재)가 결정될 수 있다
도 5는 본 발명의 실시예에 따른 거래 사용 정보 처리 서버의 미존재 하위 거래자 거래 사용 정보에 대한 판단을 나타낸 개념도이다.
도 5에서는 거래 사용 정보 처리 서버는 거래자 위치 정보 및 지도 정보를 기반으로 현재 사용자의 거래 위치를 기준으로 임계 거리(예를 들어, 30m) 이내에 위치한 상점의 리스트를 결정할 때 불필요한 사업장 정보를 제거하기 위한 방법이 개시된다.
도 5를 참조하면, 거래 사용 정보 처리 서버는 예측 정확도를 결정하는 대상인 상점을 추출하기 위해 1차적으로 예측 정확도에 대한 결정이 불필요한 사업장 정보를 제거하는 절차를 진행할 수 있다.
거래 사용 정보 처리 서버는 우선 상점 정보 중 상품, 서비스를 직접적으로 거래하지 않는 사업장에 대한 판단이 수행될 수 있다. 예를 들어, 일반 음식점인 경우, 음식을 판매하게 되지만, 일반 사무실인 경우, 별도의 상품, 서비스에 대한 직접적인 거래가 이루어지지 않으므로 예측 정확도에 대한 결정이 불필요할 수 있다.
거래 사용 정보 처리 서버는 임계 거리 내에서 검색/검출된 사업장 중 직접적으로 상품/서비스에 대한 거래가 이루어지는 사업장을 결정할 수 있다. 거래 사용 정보 처리 서버는 1차적으로 사업장 명칭을 기반으로 대상 사업장을 추출하고(단계 S510), 웹 페이지에 대한 수집을 통해 해당 위치의 사업장에서 직접적으로 상품/서비스에 대한 판매가 이루어지는지 여부를 판단하여 2차적으로 대상 사업장을 추출할 수 있다(단계 S520).
거래 사용 정보 처리 서버는 사업장의 명칭을 기반으로 상품/서비스의 직접 판매가 명확한 사업장을 추출할 수 있다. 예를 들어, XX 한우, YY 반점, ZZ 미용실과 같이 상품/서비스의 직접 판매가 명확한 사업장은 예측 정확도의 결정 대상이 되는 사업장으로 결정될 수 있다.
거래 사용 정보 처리 서버는 상품, 서비스의 거래가 이루어지는 사업장 명칭에 대한 기계 학습을 수행할 수 있다. 기계 학습을 기반으로 거래 상품별로 클러스터가 형성될 수 있고, 해당 클러스터의 포함 여부를 기반으로 상품, 서비스의 거래가 이루어지는 사업장 명칭인지 여부와 해당 사업자에서 거래되는 상품, 서비스도 예측될 수 있다.
거래 사용 정보 처리 서버는 상품, 서비스의 거래가 이루어지는 사업장 명칭에 대한 블록체인 기술의 데이터 분산/결합 처리를 수행할 수 있다. 블록체인을 기반으로 거래 상품별로 분산처리가 되어진 후, 결합하는 과정을 기반으로 상품, 서비스의 거래가 이루어지는 사업장 명칭인지 여부와 해당 사업자에서 거래되는 상품, 서비스도 예측될 수 있다.
이러한 판단 결과를 기반으로 걸러지지 않은 사업장은 추가적으로 웹 페이지에 대한 수집을 통해 해당 위치의 사업장에서 직접적으로 상품/서비스에 대한 거래가 이루어지는지 여부에 대한 판단을 진행할 수 있다. 웹 페이지 수집을 통해 사업장 정보가 수집되고, 거래 상품/서비스에 대한 존재 여부가 확인될 수 있다. 거래 상품/서비스가 존재하는 경우, 해당 사업장은 예측 정확도의 결정 대상이 되는 사업장으로 결정될 수 있다.
또한, 본 발명의 실시예에 따르면, 거래자는 사업장 정보 수집의 범위를 설정할 수도 있다. 예를 들어, 거래자는 거래 사용 어플리케이션을 통한 거래자 거래 사용 정보의 수집 범위를 일정한 지역 영역, 일정한 시간, 일정한 상품, 서비스 범위 내로 설정할 수도 있다. 예를 들어, 정보 수집 설정 지역 영역으로 서울, 정보 수집 시간으로 09시에서 06시, 정보 수집 상품/서비스 카테고리로 레스토랑, 음식점 범위를 설정하여 필요한 범위 내에서 거래 사용 정보가 수집되도록 설정할 수도 있다.
도 6은 본 발명의 실시예에 따른 거래자 거래 사용 정보를 기반으로 한 맞춤 시스템을 나타낸 개념도이다.
도 6을 참조하면, 거래 사용 정보 처리 서버(600), 맞춤 서버(620), 및 거래자 장치 (640)를 포함할 수 있다.
거래 사용 정보 처리 서버(600)는 도 1 내지 도 5에서 전술한 바와 같이 거래자 거래 사용 정보를 처리하기 위해 구현될 수 있다.
거래 사용 정보 처리 서버(600)의 처리된 거래자 거래 사용 정보는 거래 서비스를 위해 거래 서비스 서버로 구현될 수 있다.
맞춤 서버(620)는 거래자 거래 사용 정보를 기반으로 거래자에게 상품/서비스에 대한 특정 맞춤 선택으로 재선택을 수행하기 위해 구현될 수 있다.
맞춤 서버는 거래한 사용정보를 기반으로, 현재 또는 특정 위치 기준으로 일정 임계 거리 내에 위치한 다른 거래자의 특정 상품/서비스에 대해 맞춤을 수행할 수 있다.
맞춤 서버는 거래자 사용정보를 기반으로, 관심 또는 특정 설정 기준으로 지역영역 내에 위치한 상품/서비스에 대해 맞춤을 수행할 수 있다.
거래자 장치(640)는 맞춤 서버(620)로부터 맞춤 정보(상품/서비스 맞춤 정보, 특정 위치, 설정 맞춤 정보)를 수신할 수 있다. 사용자 장치(640)는 현재 위치 정보 또는 거래자 관심 및 선호하는 영역 정보를 맞춤 서버(620)로 전송할 수 있고, 맞춤 서버(620)는 현재 위치 정보 또는 거래자 관심 및 선호 영역 정보를 기반으로 맞춤 정보를 거래자 장치(640)로 전송할 수 있다.
이하, 본 발명의 실시예에서 거래자 관심 및 선호 영역 정보는 거래자 현재 위치 정보와 선호하는 영역 정보를 기반함과 같은 거래자가 별도로 설정한 영역에 대한 정보를 포함할 수 있다.
거래 정보 기반의 상품 또는 서비스 맞춤 방법은 맞춤 서버가 거래자 거래 사용 정보를 수신하는 단계와 맞춤 서버가 거래자 거래 사용 정보를 기반으로 맞춤 정보를 생성하는 단계를 포함할 수 있되, 맞춤 정보는 거래자 거래 사용 정보를 기반으로 한 상품 및/또는 서비스 특정 맞춤 정보 즉, 위치기준의 일정 임계거리 내의 맞춤 정보, 선호 기준의 지역 영역 내의 맞춤 정보를 포함하고, 상품 및/또는 서비스 맞춤 정보는 상품 및/또는 서비스에 대한 맞춤 지수를 기반으로 결정될 수 있다. 맞춤 서버는 거래 사용 정보를 수신하도록 구현되는 통신부와 통신부와 동작 가능하게(operatively) 연결된 프로세서를 포함할 수 있고, 맞춤 서버의 동작은 프로세서를 기반으로 수행될 수 있다.
맞춤 서버는 거래자 장치의 위치 또는 선호와 같은 설정 기준으로 거래자 거래 사용 정보에 기반한 거래장소와의 일정 임계 거리 내에, 지역영역 내에 위치한 상품/서비스에 대한 맞춤을 수행할 수 있다.
거래자 장치(640)는 맞춤 서버(620)로부터 맞춤 정보(상품/서비스 맞춤 정보, 일정 임계거리 및 지역영역 내에 맞춤 정보)를 수신할 수 있다. 거래자 장치(640)는 현재 위치 또는 선호 정보와 같은 설정한 정보를 맞춤 서버(620)로 전송할 수 있고, 맞춤 서버(620)는 현재 위치 정보 또는 선호 정보와 같은 설정한 정보를 기반으로 맞춤 정보를 거래자 장치(640)로 전송할 수 있다.
이하, 본 발명의 실시예에서 거래자 관심 및 선호의 설정한 위치 영역 정보는 거래자 현재 위치 정보를 기반으로 설정된 영역 정보, 거래자가 별도로 설정한 영역에 대한 정보를 포함할 수 있다.
도 7은 본 발명의 실시예에 따른 거래자 거래 사용 정보를 기반으로 한 추천 시스템을 나타낸 개념도이다.
도 7을 참조하면, 거래 사용 정보 처리 서버(700), 추천 서버(720), 및 거래자 장치 (740)를 포함할 수 있다.
거래 사용 정보 처리 서버(700)는 도 1 내지 도 5에서 전술한 바와 같이 거래자 거래 사용 정보를 처리하기 위해 구현될 수 있다.
거래 사용 정보 처리 서버(700)의 처리된 거래자 거래 사용 정보는 거래 서비스를 위해 거래 서비스 서버로 구현될 수 있다.
추천 서버(720)는 거래자 거래 사용 정보를 기반으로 거래자에게 특정 상품/서비스에 대한 방문 코스 스케쥴 추천을 수행하기 위해 구현될 수 있다.
추천 서버(720)는 거래한 거래 사용 정보를 기반으로, 위치기반 임계거리별, 위치기반 우선순위별, 날짜/시간구간별, 지역영역별, 상품종류별, 선호인기별 방문 코스 스케쥴 추천 위치한 다른 거래자의 특정 상품/서비스에 대한 추천을 수행할 수 있다.
추천 서버는 거래자 장치의 위치(또는 거래자 장치의 관심 영역)을 기반으로 거래자 장치를 기준으로 한 일정 임계 거리 내에 위치한 상품/서비스에 대한 추천을 수행할 수 있다.
또한, 추천 서버(720)는 거래자의 위치(또는 거래자 장치의 관심 영역)을 기반으로 거래자에게 특정 영역 내에서의 스케줄을 추천해줄 수 있다. 예를 들어, 관광지와 같은 경우, 추천 서버(720)는 관광지 내에서 사용자의 시간에 따른 스케줄을 추천할 수 있다.
거래자 장치(740)는 추천 서버(720)로부터 추천 정보(상품/서비스 추천 정보, 스케줄 추천 정보)를 수신할 수 있다. 거래자 장치(740)는 현재 위치 정보 또는 거래자 관심 영역 정보를 추천 서버(720)로 전송할 수 있고, 추천 서버(720)는 현재 위치 정보 또는 관심 영역 정보를 기반으로 추천 정보를 거래자 장치(740)로 전송할 수 있다.
이하, 본 발명의 실시예에서 거래자 관심 영역 정보는 현재 위치 정보를 기반으로 설정된 영역 정보, 가 별도로 설정한 영역에 대한 정보를 포함할 수 있다.
거래 정보 기반의 상품 또는 서비스 추천 방법은 추천 서버가 거래자 거래 사용 정보를 수신하는 단계와 추천 서버가 거래자 거래 사용 정보를 기반으로 추천 정보를 생성하는 단계를 포함할 수 있되, 추천 정보는 거래자 거래 사용 정보를 기반으로 한 상품 및/또는 서비스 추천 정보, 거래자 스케줄 추천 정보를 포함하고, 상품 및/또는 서비스 추천 정보는 상품 및/또는 서비스에 대한 추천 지수를 기반으로 결정될 수 있다. 추천 서버는 거래 사용 정보를 수신하도록 구현되는 통신부와 통신부와 동작 가능하게(operatively) 연결된 프로세서를 포함할 수 있고, 추천 서버의 동작은 프로세서를 기반으로 수행될 수 있다.
추천 서버는 거래자 장치의 위치(또는 거래자 장치의 관심 영역)을 기준으로 거래자 거래 사용 정보에 기반한 거래장소와의 일정 임계 거리 내에 위치한 상품/서비스에 대한 추천을 수행할 수 있다.
또한, 추천 서버(720)는 거래자의 위치(또는 장치의 관심 영역)을 기준으로 거래자에게 특정 영역 내에서의 스케줄을 추천해줄 수 있다. 예를 들어, 관광지와 같은 경우, 추천 서버(720)는 관광지 내에서 거래자의 시간에 따른 스케줄을 추천할 수 있다.
거래자 장치(740)는 추천 서버(720)로부터 추천 정보(상품/서비스 추천 정보, 스케줄 추천 정보)를 수신할 수 있다. 거래자 장치(740)는 현재 위치 정보 또는 거래자 관심 영역 정보를 추천 서버(620)로 전송할 수 있고, 추천 서버(720)는 현재 위치 정보 또는 거래자 관심 영역 정보를 기반으로 추천 정보를 거래자 장치(740)로 전송할 수 있다.
이하, 본 발명의 실시예에서 거래자 관심 영역 정보는 거래자 현재 위치 정보를 기반으로 설정된 영역 정보, 거래자가 별도로 설정한 영역에 대한 정보를 포함할 수 있다.
거래 정보 기반의 상품 또는 서비스 추천 방법은 추천 서버가 거래자 거래 사용 정보를 수신하는 단계와 추천 서버가 거래자 거래 사용 정보를 기반으로 추천 정보를 생성하는 단계를 포함할 수 있되, 추천 정보는 거래자 거래 사용 정보를 기반으로 한 상품 및/또는 서비스 추천 정보, 거래자 스케줄 추천 정보를 포함하고, 상품 및/또는 서비스 추천 정보는 상품 및/또는 서비스에 대한 추천 지수를 기반으로 결정될 수 있다. 추천 서버는 거래 사용 정보를 수신하도록 구현되는 통신부와 통신부와 동작 가능하게(operatively) 연결된 프로세서를 포함할 수 있고, 추천 서버의 동작은 프로세서를 기반으로 수행될 수 있다.
도 8은 본 발명의 실시예에 따른 추천 서버의 추천 동작을 나타낸 개념도이다.
도 8에서는 추천 서버의 상품/서비스에 대한 추천 방법이 개시된다.
도 8을 참조하면, 추천 서버는 거래자 장치로부터 거래자 관심 영역 정보 및 관심 상품/서비스 정보를 수신하고, 거래자 관심 영역 정보를 기반으로 지시된 위치를 기반으로 관심 상품/서비스 정보를 거래자 장치로 전송할 수 있다.
추천 서버는 거래자 거래 사용 정보를 기반으로 추천 대상 상품/서비스를 결정할 수 있다. 추천 대상 상품/서비스는 거래자 중복 이용 빈도 정보(810), 이용 거래자 수 정보(820), 이탈 거래자수 정보(830) 및 외지 거래자 이용 정보(840)를 기반으로 결정된 추천 지수(860)를 통해 결정될 수 있다. 상점의 특성을 고려하여 거래자 중복 이용 빈도 정보(810), 이용 사용거래자 수 정보(820) 및 이탈 거래자수 정보(830), 외지 거래자 이용 정보(840)를 기반으로 결정된 추천 지수(8760)에 대한 조정도 수행될 수 있다.
거래자 중복 이용 빈도 정보(810)는 해당 상점을 중복적으로 이용한 횟수에 대한 정보일 수 있다. 거래자가 중복적으로 상점을 이용하는 경우, 상품/서비스에 대한 만족도가 높다고 추정될 수 있다.
이용 거래자수 정보(820)는 상점을 이용한 거래자 수에 대한 정보일 수 있다.
이탈 거래자수 정보(830)는 중복 이용 거래자 중 해당 지역 내에서 상품/서비스에 대한 소비를 진행하면서 일정 기간 동안 상점의 이용이 없는 사용거래자 수에 대한 정보일 수 있다.
외지 거래자 이용 정보(840)는 해당 지역 내에서 상품/서비스에 대한 소비 기록이 없던 거래자의 상품/서비스에 대한 이용 정보일 수 있다.
추천 지수(860)는 아래의 수학식을 기반으로 결정될 수 있다.
<수학식>
추천 지수=(a*거래자 중복 이용 빈도 정보)+(b*이용 거래자 수 정보)-(c*이탈 거래자수 정보)+(d*외지 거래자 이용 정보)
이때, a, b, c, d의 값은 상점의 특성별, 지역별 추천 지수 산출을 위한 조정 추천 가중치(850)일 수 있다.
거래자의 출입 빈도가 상대적으로 높은 업종(예를 들어, 식당)일수록 a, b, c, d는 상대적으로 낮은 값으로 설정될 수 있고, 반대로 거래자의 출입 빈도가 상대적으로 낮은 업종(예를 들어, 미용실)일수록 a, b, c, d는 상대적으로 높은 값으로 설정될 수 있다.
또한, 지역 내에서 소비를 수행하는 거래자의 수가 상대적으로 많은 지역(예를 들어, 대도시)일수록 a, b, c, d는 상대적으로 낮은 값으로 설정될 수 있고, 반대로 지역 내에서 소비를 수행하는 거래자의 수가 상대적으로 적은 지역(예를 들어, 중소도시)일수록 a, b, c, d는 상대적으로 낮은 값으로 설정될 수 있다.
이러한 방법을 통해 지역별 특성 및 상점별 특성을 고려한 상품, 서비스에 대한 추천이 수행될 수 있다.
도 9는 본 발명의 실시예에 따른 조정 추천 가중치를 결정하는 방법을 나타낸 개념도이다.
도 9에서는 거래자의 현재 위치 및 이동 수단을 고려하여 조정 추천 가중치를 결정하는 방법이 개시된다.
도9를 참조하면, 추천 지수는 거래자의 현재 위치를 고려하여 조정될 수 있다. 추천 지수가 높은 상품/서비스여도 거래자가 이동하는 시간을 고려하면 추천을 하기 어려운 경우도 발생될 수 있다.
따라서, 거래자의 현재 위치를 고려하여 거래자의 위치가 멀어질수록 추천 지수가 상대적으로 낮아지도록 조정 추천 가중치가 결정될 수 있다. 거래자의 이동 수단을 고려하여 추천 지수의 감소 정도가 달라질 수 있다. 추천 지수의 감소율은 거래자의 상품/서비스, 거리에 대한 고려 비중에 따라 달라질 수 있다. 예를 들어, 거리보다는 상품/서비스의 만족도를 더욱 고려하여 추천을 원하는 경우, 추천 지수의 감소율이 상대적으로 적을 수 있고, 예를 들어, 상품/서비스의 만족도보다 거리를 더욱 고려하여 추천을 원하는 경우, 추천 지수 감소율(900)이 상대적으로 클 수 있다. 이러한 상품/서비스, 거리에 대한 고려 비중은 거래자의 기존의 선택 결과, 거래자 자체적인 설정에 따라 달라질 수 있다.
예를 들어, 거래자가 임계 시간 동안 장거리 이동이 어려운 경우(예를 들어, 도보로 이동하는 경우), 상대적으로 거래자의 현재 위치를 기준으로 한 거리에 따라 추천 지수가 빠르게 감소될 수 있다. 거래자가 임계 시간 동안 장거리 이동이 가능한 경우(예를 들어, 자가용으로 이동하는 경우), 상대적으로 거래자의 현재 위치를 기준으로 한 거리에 따라 추천 지수가 덜 빠르게 감소될 수 있다.
추천 서버는 거래자의 이동 속도를 고려하거나 거래자 장치로부터 직접 이동 수단에 대한 정보를 수신하여 추천 지수를 조정할 수 있다.
도 10은 본 발명의 실시예에 따른 조정 추천 가중치를 결정하는 방법을 나타낸 개념도이다.
도 10을 참조하면, 영역을 확장하여 상품, 서비스에 대한 추천이 수행될 수 있고, 이러한 경우, 영역에 따른 조정 추천 가중치가 변화될 수 있다.
예를 들어, 영역A에 대한 조정 추천 가중치 세트1(a1, b1, c1, d1)(1010)과 영역B에 대한 조정 추천 가중치 세트2(a2, b2, c2, d2)(1020)가 존재할 수 있다. 영역A와 영역B를 통합하여 상품/서비스에 대한 추천이 이루어지는 경우, 영역A와 영역B 각각을 상호 교차하여 소비를 수행하는 거래자들에 대한 정보를 고려하여 영역A에서 영역B로 이동하는 거래자 그룹1과 영역B에서 영역A로 이동하는 거래자 그룹2의 수와 빈도를 고려할 수 있다.
만약 거래자 그룹1이 거래자 그룹2보다 많을 경우, 조정 추천 가중치 세트2(1020)보다 조정 추천 가중치 세트1(1010)에 상대적으로 더 많은 가중치를 부여한 후 평균값을 산출하여 통합 조정 추천 가중치 세트(1050)를 결정할 수 있다. 반대로 거래자 그룹2가 거래자 그룹1보다 많을 경우, 조정 추천 가중치 세트1(1010)보다 조정 추천 가중치 세트2(1020)에 상대적으로 더 많은 가중치를 부여한 후 평균값을 산출하여 통합 조정 추천 가중치 세트(1050)를 결정할 수 있다.
이러한 방법으로 상대적으로 상권의 우위가 있는 영역을 기준으로 추천이 되도록 복수의 조정 추천 가중치 세트 각각에 대한 가중치를 부여하여 통합 조정 추천 가중치 세트가 결정될 수 있다.
본 발명의 실시예에 따르면, 상품 및/또는 서비스 추천 정보는 상품 및/또는 서비스에 대한 추천 지수를 기반으로 결정되고, 추천 지수는 거래자 중복 이용 빈도 정보, 이용 거래자 수 정보, 이탈 거래자수 정보 및 외지 거래자 이용 정보 중 적어도 하나를 기반으로 결정될 수 있다.
추천 지수는 거래자 중복 이용 빈도 정보, 이용 거래자 수 정보, 이탈 거래자수 정보 및 외지 거래자 이용 정보 각각에 부여되는 조정 추천 가중치를 기반으로 결정되고, 조정 추천 가중치는 업종 특성 정보 및 지역 특성 정보를 기반으로 결정되는 거래자의 출입 빈도가 상대적으로 높은 업종이거나, 지역내 소비 인구의 수가 많은 지역일수록 상기 조정 추천 가중치가 낮은 값으로 설정되고, 출입 빈도가 상대적으로 낮은 업종이거나, 지역내 소비 인구의 수가 적은 지역일수록 조정 추천 가중치가 높은 값으로 결정될 수 있다.
도 11은 본 발명의 실시예에 따른 추천 서버의 스케줄 추천 동작을 나타낸 개념도이다.
도 11에서는 추천 서버의 거래자 스케줄에 대한 추천 방법이 개시된다.
도 11을 참조하면, 추천 서버는 특정 지역에서 거래자 스케줄을 제공할 수 있다.
추천 서버는 도 7 내지 도 10에서 전술한 방법을 기반으로 추천된 상품/서비스를 기반으로 거래자 스케줄을 제공할 수 있다. 추천 서버는 추천된 상품/서비스를 기반으로 관광 코스, 데이트 코스 등을 제공할 수 있다. 설명의 편의상 데이트를 위한 추천 스케줄 패턴을 제공하는 방법이 개시된다.
추천 서버는 거래자들의 상품/서비스 구매 패턴 분석(단계S1100)을 통해 스케줄을 제공할 수 있다.
우선, 추천 서버는 거래자 소비 패턴 중 데이트를 하는 거래자의 거래자 거래 사용 정보를 추출할 수 있다(단계S1120). 데이트를 하는 거래자의 거래자 거래 사용 정보를 추출하기 위해서 1) 해당 영역이 거래자의 주 소비 영역인지 여부에 대한 판단, 2) 거래자 나이 정보, 성별 정보, 3) 거래자의 주말 소비 패턴 등을 기반으로 데이트를 하는 거래자의 거래 사용 정보가 추출될 수 있다. 이러한 판단은 하나의 예시로서 다른 다양한 조건을 기반으로 전체 거래자 거래 사용 정보 중 데이트를 하는 거래자의 거래 사용 정보가 추출될 수 있다.
즉, 거래자의 나이대가 데이트를 하는 나이대이고, 거주지 외의 소비 패턴이고, 주말에 거주지 외의 소비 패턴이 일정 빈도로 나타나는 경우, 데이트 소비 패턴으로 판단하고 해당 거래 사용 정보를 추출할 수 있다.
추천 서버는 데이트 소비 패턴을 기반으로 데이트시 주로 이용되는 상점에 대한 정보들을 추출할 수 있다. 상품/서비스를 이용하는 상점에 대한 정보, 해당 상점의 이용 시간, 상점에서 이용하는 상품/서비스 등을 고려하여 거래자에게 추천 정보로서 데이트 스케줄 정보를 제공할 수 있다(단계S1140)
이때, 추천 서버는 거래자의 특정 상품/서비스로의 몰림 현상을 방지하기 위해 시간을 고려하여 스케줄링 정보를 제공할 수 있다. 예를 들어, 거래자에게 수행할 스케줄에 대한 정보를 선택하도록 하고, 해당 스케줄을 시간에 맞추어 이행할 경우, 보상을 제공하는 방식으로 스케줄 서비스를 진행할 수 있다. 이러한 방식으로 임계 거래자 수만이 특정 스케줄을 선택하여 이행할 수 있도록 하고 임계 거래자가 넘어가는 경우, 다른 스케줄 정보를 제공할 수 있다. 다른 스케줄은 시간을 중첩되지 않게 설정한 스케줄이거나 다른 추천 상품/서비스로 유도하는 스케줄일 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 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.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (8)

  1. 거래 정보 기반의 상품 또는 서비스 추천 방법은,
    추천 서버가 거래자 거래 사용 정보를 수신하는 단계; 및
    상기 추천 서버가 상기 거래자 거래 사용 정보를 기반으로 추천 정보를 생성하는 단계를 포함하되,
    상기 추천 정보는 상기 거래자 거래 사용 정보를 기반으로 한 상품 및/또는 서비스 추천 정보, 거래자 스케줄 추천 정보를 포함하고,
    상기 상품 및/또는 서비스 추천 정보는 상품 및/또는 서비스에 대한 추천 지수를 기반으로 결정되고,
    상기 추천 지수는 추천 가중치를 기반으로 결정되고,
    상기 추천 가중치는 거래자의 현재 위치를 기반으로 상기 현재 위치로부터 멀어질수록 상기 추천 지수가 작아지도록 설정되고,
    상기 추천 지수의 추천 지수 감소율은 상기 거래자의 이동 수단을 고려하여 결정되고,
    상기 추천 지수 감소율은 상기 거래자의 상품 및/또는 서비스에 대한 만족도 및 거리에 대한 고려 비중을 더 고려하여 결정되는 것을 특징으로 하는 방법.
  2. 제1항에 있어서,
    상기 추천 지수는 영역의 확장을 고려하여 결정되고,
    제1 영역 및 제2 영역을 통합하여 추천을 수행시 상기 추천 지수는 제1 영역에 대한 제1 조정 추천 가중치 세트 및 제2 영역에 대한 제2 조정 추천 가중치 세트를 기반으로 결정되되,
    상기 제1 조정 추천 가중치 세트 및 상기 제2 조정 추천 가중치 세트는 상기 제1 영역에서 상기 제2 영역으로 이동하여 거래하는 제1 거래자 그룹과 상기 제2 영역에서 상기 제1 영역으로 이동하여 거래하는 제2 거래자 그룹의 수와 빈도를 고려하여 결정되는 것을 특징으로 하는 방법.
  3. 제2항에 있어서,
    상기 추천 지수는 거래자 중복 이용 빈도 정보, 이용 거래자 수 정보, 이탈 거래자수 정보 및 외지 거래자 이용 정보 중 적어도 하나를 기반으로 결정되고,
    상기 조정 추천 가중치는 상기 거래자 중복 이용 빈도 정보, 상기 이용 거래자 수 정보, 상기 이탈 거래자수 정보 및 상기 외지 거래자 이용 정보 각각에 부여되고,
    상기 조정 추천 가중치는 업종 특성 정보 및 지역 특성 정보를 기반으로 결정되는 것을 특징으로 하는 방법.
  4. 제3항에 있어서,
    거래자의 출입 빈도가 상대적으로 높은 업종이거나, 지역내 소비 인구의 수가 많은 지역일수록 상기 조정 추천 가중치가 낮은 값으로 설정되고,
    상기 출입 빈도가 상대적으로 낮은 업종이거나, 상기 지역내 소비 인구의 수가 적은 지역일수록 상기 조정 추천 가중치가 높은 값으로 설정되는 것을 특징으로 하는 방법.
  5. 거래 정보 기반의 상품 또는 서비스 추천하는 추천 서버는,
    거래 사용 정보를 수신하도록 구현되는 통신부; 및
    상기 통신부와 동작 가능하게(operatively) 연결된 프로세서를 포함하되,
    상기 프로세서는 거래자 거래 사용 정보를 수신하고,
    상기 거래자 거래 사용 정보를 기반으로 추천 정보를 생성하도록 구현되되,
    상기 추천 정보는 상기 거래자 거래 사용 정보를 기반으로 한 상품 및/또는 서비스 추천 정보, 스케줄 추천 정보를 포함하고,
    상기 상품 및/또는 서비스 추천 정보는 상품 및/또는 서비스에 대한 추천 지수를 기반으로 결정되고,
    상기 추천 지수는 추천 가중치를 기반으로 결정되고,
    상기 추천 가중치는 거래자의 현재 위치를 기반으로 상기 현재 위치로부터 멀어질수록 상기 추천 지수가 작아지도록 설정되고,
    상기 추천 지수의 추천 지수 감소율은 상기 거래자의 이동 수단을 고려하여 결정되고,
    상기 추천 지수 감소율은 상기 거래자의 상품 및/또는 서비스에 대한 만족도 및 거리에 대한 고려 비중을 더 고려하여 결정되는 것을 특징으로 하는 추천 서버.
  6. 제5항에 있어서,
    상기 추천 지수는 영역의 확장을 고려하여 결정되고,
    제1 영역 및 제2 영역을 통합하여 추천을 수행시 상기 추천 지수는 제1 영역에 대한 제1 조정 추천 가중치 세트 및 제2 영역에 대한 제2 조정 추천 가중치 세트를 기반으로 결정되되,
    상기 제1 조정 추천 가중치 세트 및 상기 제2 조정 추천 가중치 세트는 상기 제1 영역에서 상기 제2 영역으로 이동하여 거래하는 제1 거래자 그룹과 상기 제2 영역에서 상기 제1 영역으로 이동하여 거래하는 제2 거래자 그룹의 수와 빈도를 고려하여 결정되는 것을 특징으로 하는 추천 서버.
  7. 제6항에 있어서,
    상기 추천 지수는 거래자 중복 이용 빈도 정보, 이용 거래자 수 정보, 이탈 거래자수 정보 및 외지 거래자 이용 정보 중 적어도 하나를 기반으로 결정되고,
    상기 조정 추천 가중치는 상기 거래자 중복 이용 빈도 정보, 상기 이용 거래자 수 정보, 상기 이탈 거래자수 정보 및 상기 외지 거래자 이용 정보 각각에 부여되고,
    상기 조정 추천 가중치는 업종 특성 정보 및 지역 특성 정보를 기반으로 결정되는 것을 특징으로 하는 추천 서버.
  8. 제7항에 있어서,
    거래자의 출입 빈도가 상대적으로 높은 업종이거나, 지역내 소비 인구의 수가 많은 지역일수록 상기 조정 추천 가중치가 낮은 값으로 설정되고,
    상기 출입 빈도가 상대적으로 낮은 업종이거나, 상기 지역내 소비 인구의 수가 적은 지역일수록 상기 조정 추천 가중치가 높은 값으로 설정되는 것을 특징으로 하는 추천 서버.
KR1020190035455A 2019-03-28 2019-03-28 거래 정보 기반의 상품 또는 서비스 추천 방법 및 이러한 방법을 수행하는 장치 KR102083257B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190035455A KR102083257B1 (ko) 2019-03-28 2019-03-28 거래 정보 기반의 상품 또는 서비스 추천 방법 및 이러한 방법을 수행하는 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190035455A KR102083257B1 (ko) 2019-03-28 2019-03-28 거래 정보 기반의 상품 또는 서비스 추천 방법 및 이러한 방법을 수행하는 장치

Publications (1)

Publication Number Publication Date
KR102083257B1 true KR102083257B1 (ko) 2020-03-02

Family

ID=69805608

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190035455A KR102083257B1 (ko) 2019-03-28 2019-03-28 거래 정보 기반의 상품 또는 서비스 추천 방법 및 이러한 방법을 수행하는 장치

Country Status (1)

Country Link
KR (1) KR102083257B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102207368B1 (ko) * 2020-07-06 2021-01-26 주식회사 강남엄마 학원 추천 방법 및 이러한 방법을 수행하는 장치
KR20220042582A (ko) * 2020-09-28 2022-04-05 연세대학교 산학협력단 변형 자기유사도를 이용한 반복구매상품 추천시스템 및 추천방법
KR102385924B1 (ko) * 2021-12-17 2022-04-14 주식회사 공공상회 맞춤형 상품 제공 방법
KR102424242B1 (ko) * 2021-10-25 2022-07-25 주식회사 포디오 기계 학습을 통한 메뉴의 가치 판단 방법
KR20230045880A (ko) 2021-09-29 2023-04-05 주식회사 쉐어타운 사용 이력을 가중치로 하는 지역 기반 거래 추천 장치 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080094652A (ko) * 2008-10-13 2008-10-23 강민수 전자 지도 활용 서비스 업체 랭킹 정보 제공 방법
KR20170088116A (ko) * 2016-01-22 2017-08-01 (주)버텍스아이디 예측기반 영업가이드시스템
US20190057431A1 (en) * 2017-08-15 2019-02-21 Mastercard International Incorporated Transaction monitoring system and method

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080094652A (ko) * 2008-10-13 2008-10-23 강민수 전자 지도 활용 서비스 업체 랭킹 정보 제공 방법
KR20170088116A (ko) * 2016-01-22 2017-08-01 (주)버텍스아이디 예측기반 영업가이드시스템
US20190057431A1 (en) * 2017-08-15 2019-02-21 Mastercard International Incorporated Transaction monitoring system and method

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102207368B1 (ko) * 2020-07-06 2021-01-26 주식회사 강남엄마 학원 추천 방법 및 이러한 방법을 수행하는 장치
KR20220042582A (ko) * 2020-09-28 2022-04-05 연세대학교 산학협력단 변형 자기유사도를 이용한 반복구매상품 추천시스템 및 추천방법
KR102399808B1 (ko) * 2020-09-28 2022-05-18 연세대학교 산학협력단 변형 자기유사도를 이용한 반복구매상품 추천시스템 및 추천방법
US11948180B2 (en) 2020-09-28 2024-04-02 Uif (University Industry Foundation), Yonsei University System and method for recommending repeat-purchase products using modified self-similarity
KR20230045880A (ko) 2021-09-29 2023-04-05 주식회사 쉐어타운 사용 이력을 가중치로 하는 지역 기반 거래 추천 장치 및 방법
KR102424242B1 (ko) * 2021-10-25 2022-07-25 주식회사 포디오 기계 학습을 통한 메뉴의 가치 판단 방법
KR102385924B1 (ko) * 2021-12-17 2022-04-14 주식회사 공공상회 맞춤형 상품 제공 방법

Similar Documents

Publication Publication Date Title
KR102083257B1 (ko) 거래 정보 기반의 상품 또는 서비스 추천 방법 및 이러한 방법을 수행하는 장치
US11099024B2 (en) Systems and methods for route prediction
US10628825B2 (en) Systems and methods to identify merchants
US9691085B2 (en) Systems and methods of natural language processing and statistical analysis to identify matching categories
US20190378126A1 (en) Systems and Methods to Apply Values from Stored Value Accounts to Payment Transactions
US8554653B2 (en) Systems and methods to identify payment accounts having business spending activities
US9159084B2 (en) Systems and methods to communication via a merchant aggregator
US9384493B2 (en) Systems and methods to quantify consumer sentiment based on transaction data
US20160323711A1 (en) Systems and methods to select locations of interest based on distance from route points or route paths
US20130151388A1 (en) Systems and methods to identify affluence levels of accounts
US9332396B2 (en) Systems and methods to provide location-dependent information during an optimal time period
US20110313900A1 (en) Systems and Methods to Predict Potential Attrition of Consumer Payment Account
US20150149272A1 (en) Systems and methods to communicate loyalty reward information during payment transactions
US20110313835A1 (en) Systems and Methods to Prevent Potential Attrition of Consumer Payment Account
US20130124417A1 (en) Systems and methods to provide generalized notifications
US20110264501A1 (en) Systems and Methods to Provide Offers to Travelers
AU2020200314A1 (en) Selecting the best card for a purchase
US20210049638A1 (en) Credit card reward optimizer
RU2674324C2 (ru) Системы и способы настройки операции на компьютерной системе, соединенной со множеством компьютерных систем через компьютерную сеть, с использованием двусторонней связи идентификатора операции
US20180232747A1 (en) Systems and methods for determining consumer purchasing behavior
US10387855B2 (en) Computerized methods and computer systems for matching customers with merchants
KR102038274B1 (ko) 거래 정보 처리 방법 및 이러한 방법을 수행하는 장치
WO2011163251A2 (en) Systems and methods to predict and prevent potential attrition of consumer payment account
KR102667911B1 (ko) 여행 데이터 기반 사후 정산 서비스 방법 및 시스템
JP2023544551A (ja) 支払い処理ネットワークデータを用いた所定の地理的領域内での取引業者との反復取引の奨励

Legal Events

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