KR102097045B1 - Method and apparatus to recommend products reflecting characteristics of users - Google Patents
Method and apparatus to recommend products reflecting characteristics of users Download PDFInfo
- Publication number
- KR102097045B1 KR102097045B1 KR1020120139662A KR20120139662A KR102097045B1 KR 102097045 B1 KR102097045 B1 KR 102097045B1 KR 1020120139662 A KR1020120139662 A KR 1020120139662A KR 20120139662 A KR20120139662 A KR 20120139662A KR 102097045 B1 KR102097045 B1 KR 102097045B1
- Authority
- KR
- South Korea
- Prior art keywords
- product
- purchase
- buyer
- purchased
- buyers
- Prior art date
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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Accounting & Taxation (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 명세서는 상품추천 서버를 개시한다. 상기 서버는 구매자 및 상기 구매자와 공통된 상품을 구매한 이력이 있는 타 구매자의 구매정보를 수집하는 구매정보 수집부와; 상기 수집된 구매정보를 기반으로 상기 구매자 및 상기 타 구매자와의 공통구매 관계를 분석하는 공통구매관계 분석부와; 상기 분석된 공통구매 관계를 기반으로 상기 타 구매자가 구매한 각 상품별 평가점수를 계산하는 상품평가점수 계산부와; 상기 계산된 각 상품별 평가점수를 기반으로 상기 타 구매자가 구매한 상품 중에서 상기 구매자에게 추천할 상품을 선정하는 추천상품 선정부를 포함한다.This specification discloses a product recommendation server. The server includes a purchase information collection unit for collecting purchase information of a buyer and other buyers who have a history of purchasing a product common with the buyer; A common purchase relationship analysis unit for analyzing a common purchase relationship between the buyer and the other buyers based on the collected purchase information; A product evaluation score calculation unit for calculating an evaluation score for each product purchased by the other buyer based on the analyzed common purchase relationship; And a recommendation product selection unit selecting a product to be recommended to the buyer from among products purchased by the other buyers based on the evaluation scores for each product.
Description
본 발명은 상품 추천 방법에 관한 것으로서, 보다 상세하게는 구매자의 취향이나 소비행태를 분류해낼 수 있는 정보를 수집하여 분석한 후, 추천 리스트에 반영하는 방법에 관한 것이다.The present invention relates to a product recommendation method, and more particularly, to a method of collecting and analyzing information capable of classifying a buyer's taste or consumption behavior, and reflecting it in a recommendation list.
전통적인 오프라인 마켓 및 인터넷이나 모바일 포털 사이트에 입점한 쇼핑몰 혹은 온라인 마켓에서는 구매 고객 (혹은 구매를 위해 방문한 고객)이 마켓을 방문했을 때 첫 페이지에서 또는 특정 상품을 클릭하여 살펴보는 동안에 다양한 방법으로 고객에게 상품을 추천하고 있다. 예를 들어, 그 쇼핑몰에서 가장 인기 있는 상품을 추천하는 방법, 방문자의 과거 구매이력이 있는 경우 그 구매 이력을 분석하여 고객의 관심 분야를 유추한 후 추천하는 방법, 고객이 살펴보는 상품과 가장 유사한 상품을 추천하는 방법, 또는 살펴보는 상품과 같이 많이 팔린 상품을 추천하는 방법 등이 현재 많이 사용하고 있는 방법들이다.In traditional offline markets and shopping malls or online markets on the Internet or mobile portal sites, purchasing customers (or customers visiting for purchase) visit customers in a variety of ways on the first page when they visit the market or by clicking on specific products. Products are recommended. For example, how to recommend the most popular products in the shopping mall, if there is a visitor's past purchase history, analyze the purchase history to infer and recommend the customer's interests, and recommend the most similar products Methods that recommend products, or recommend products that are sold a lot, such as products to be looked at, are currently used methods.
즉, 단순 판매 횟수에 따른 인기도 추천, 쇼핑몰 이용자의 구매 이력이나 클릭 로그를 분석하여 사전 정의된 상품들의 특징들 속에서 어떤 상품이 어떤 상품과 유사한지를 계산한 후 그 유사도(연관도)에 따른 추천 등이 일반적이었다. 예를 들어 특정가격 대의 이어폰을 보고 있는 고객에게 가격대가 비슷한 상품을 보여준다 거나, 같은 브랜드의 다른 이어폰을 보여 주는 방식이었다.That is, the popularity recommendation according to the number of simple sales, the purchase history of the shopping mall user, or the click log is analyzed to calculate which product is similar to which product among the characteristics of the predefined products, and then the recommendation according to the similarity (association) The back was common. For example, it showed a product with a similar price point to a customer who is looking at earphones at a specific price, or a different earphone of the same brand.
이러한 종래 방식은 고객별로 특화된 취향(예: 이어폰을 살 때 고려하는 특징 중 음질이 뛰어난 제품에 관심)이나 소비행태(예: 고가의 제품보다는 가격대비 성능비를 따지는 고객)를 반영하는 데 한계가 있어, 고객의 특성을 반영한 개인 맞춤형 추천과는 거리가 있었다.These conventional methods have limitations in reflecting customer-specific tastes (e.g., interested in products with superior sound quality among features considered when purchasing earphones) or consumption behavior (e.g., customers who value price / performance ratio rather than expensive products). However, there was a distance from personalized recommendations reflecting the characteristics of customers.
따라서, 이러한 한계를 극복하면서도 고객의 구매이력, 상품의 메타 정보 중 고객의 취향이나 소비행태를 분류해낼 수 있는 정보를 수집하여 분석한 후 추천 리스트에 반영하는 개인 맞춤형 추천 방법이 요청된다.Accordingly, a personalized recommendation method is required to collect and analyze information that can classify the customer's taste or consumption behavior among the customer's purchase history and product meta information, while overcoming these limitations, and reflecting it in the recommendation list.
본 명세서는 상품 추천 방법 및 그에 사용되는 장치를 제안하는 것에 그 목적이 있다. 보다 구체적으로는 특정 구매자 및 타 구매자의 구매정보를 분석하여 취향, 소비행태에 맞춘 추천 상품을 제시하는 방법 및 장치를 제공하는 것에 목적이 있다.The purpose of this specification is to propose a product recommendation method and an apparatus used therein. More specifically, an object of the present invention is to provide a method and apparatus for presenting recommended products according to tastes and consumption behaviors by analyzing purchase information of a specific buyer and other buyers.
본 명세서는 일 실시예로서 상품추천 서버를 제공한다. 상기 서버는 상기 서버는 구매자 및 상기 구매자와 공통된 상품을 구매한 이력이 있는 타 구매자의 구매정보를 수집하는 구매정보 수집부와; 상기 수집된 구매정보를 기반으로 상기 구매자 및 상기 타 구매자와의 공통구매 관계를 분석하는 공통구매관계 분석부와; 상기 분석된 공통구매 관계를 기반으로 상기 타 구매자가 구매한 각 상품별 평가점수를 계산하는 상품평가점수 계산부와; 상기 계산된 각 상품별 평가점수를 기반으로 상기 타 구매자가 구매한 상품 중에서 상기 구매자에게 추천할 상품을 선정하는 추천상품 선정부를 포함할 수 있다.This specification provides a product recommendation server as an embodiment. The server may include: a purchase information collection unit configured to collect purchase information of a purchaser and another purchaser who has a history of purchasing a product common to the purchaser; A common purchase relationship analysis unit for analyzing a common purchase relationship between the buyer and the other buyers based on the collected purchase information; A product evaluation score calculation unit for calculating an evaluation score for each product purchased by the other buyer based on the analyzed common purchase relationship; It may include a recommended product selection unit for selecting a product to be recommended to the buyer from among the products purchased by the other buyers based on the evaluation score for each product.
상기 구매자 및 상기 타 구매자는 기 정의된 상품 구매시기, 상품 카테고리 또는 상품 구매횟수에 대한 조건 중 하나 이상을 만족하는 구매자일 수 있다.The buyer and the other buyers may be buyers who satisfy one or more of the conditions for a predefined product purchase time, product category, or number of product purchases.
상기 상품평가점수 계산부는 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치를 곱하여 상기 상품에 대한 기본평가점수를 계산하며, 상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정될 수 있다.The product evaluation score calculation unit calculates a basic evaluation score for the product by multiplying the number of sales of products purchased by the other buyers with a common purchase weight, and the common purchase weight is the purchase price between the buyer and the other buyer. It can be determined according to the number of times.
상기 상품평가점수 계산부는 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 구매영향력지수를 곱하여 상기 상품에 대한 기본평가점수를 계산하며,The product evaluation score calculation unit calculates a basic evaluation score for the product by multiplying the number of sales of the product purchased by the other buyer by a common purchase weight and the purchase impact index of the other buyer,
상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정되고,The common purchase weight is determined according to the number of times the buyer and the other buyer have purchased the same product,
상기 구매영향력 지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, 또는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출될 수 있다.The purchase impact index is any one of the number of purchases of paid products commonly purchased by the buyer and other buyers, the total purchase amount of the paid products, or the number of purchases of free products commonly purchased by the buyer and other buyers. It can be calculated based on the above.
상기 구매영향력 지수는 하기 수학식을 사용하여 산출되고,The purchase influence index is calculated using the following equation,
여기서 
상기 
상기 
상기 
상기 상품평가점수 계산부는 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 수용수준지수를 곱하여 상기 상품에 대한 기본평가점수를 계산하며,The product evaluation score calculation unit calculates a basic evaluation score for the product by multiplying the number of sales of the product purchased by the other buyer by a common purchase weight and the acceptance level index of the other buyer,
상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정되고,The common purchase weight is determined according to the number of times the buyer and the other buyer have purchased the same product,
상기 수용수준지수는 상기 구매자의 상품 구매시점을 반영한 구매영향력지수를 기반으로 산출되며,The acceptance level index is calculated based on the purchasing influence index reflecting the purchase point of the product of the buyer,
상기 구매영향력지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, The purchase influence index is the number of purchases of paid products commonly purchased by the buyer and other buyers, and the total purchase amount of the paid products,
또는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출될 수 있다.Or it may be calculated based on any one or more of the number of purchases of free products commonly purchased by the buyer and other buyers.
상기 수용수준지수는 하기 수학식을 사용하여 산출되고,The acceptance level index is calculated using the following equation,
여기서 상기 
상기 구매영향력 지수는 하기 수학식을 사용하여 산출되고,The purchase influence index is calculated using the following equation,
여기서 
상기 
상기 
상기 
상기 상품의 판매 횟수는, 해당 상품이 속하는 카테고리의 상품을 소정의 기준 이상으로 구매한 구매자에게 상기 상품이 판매된 횟수일 수 있다.The number of times the product is sold may be the number of times the product is sold to a buyer who purchases a product of a category to which the product belongs to a predetermined criterion or higher.
상기 평가점수는 상기 기본평가점수에 카테고리 가중치, 구매영향력 가중치 및 수용수준 가중치 중 어느 하나 이상을 곱하여 계산되며,The evaluation score is calculated by multiplying the basic evaluation score by at least one of a category weight, a purchase influence weight, and a acceptance level weight,
상기 카테고리 가중치는 상기 구매자가 구매한 상품이 속하는 상품 카테고리와 상기 타 구매자가 구매한 상품이 속하는 상품 카테고리의 유사도에 따라 결정되고,The category weight is determined according to the similarity between the product category to which the product purchased by the buyer belongs and the product category to which the product purchased by the other buyer belongs,
상기 구매영향력 가중치는 상기 구매자의 구매영향력 지수와 상기 타 구매자의 구매영향력 지수 간의 유사도에 따라 결정되고,The purchase influence weight is determined according to the similarity between the purchase influence index of the buyer and the purchase influence index of the other buyer,
상기 수용수준 가중치는 상기 구매자의 수용수준지수와 상기 타 구매자의 수용수준지수 간의 유사도에 따라 결정되고, 상기 수용수준지수는 상기 구매자의 상품 구매시점을 반영한 구매영향력지수를 기반으로 산출되며, 상기 구매영향력지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, 또는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출될 수 있다.The acceptance level weight is determined according to the similarity between the acceptance level index of the buyer and the acceptance level index of the other buyer, and the acceptance level index is calculated based on the purchase influence index reflecting the purchase time of the product of the buyer, and the purchase The influence index may include at least one of the number of purchases of paid products commonly purchased by the buyer and other buyers, the total purchase amount of the paid products, or the number of purchases of free products commonly purchased by the buyer and other buyers. It can be calculated based on.
본 명세서는 다른 실시예로서 구매자에게 상품을 추천하는 방법를 제공한다. 상기 방법은 상기 구매자 및 상기 구매자와 공통된 상품을 구매한 이력이 있는 타 구매자의 구매 정보를 수집하고, 상기 수집된 구매정보를 기반으로 상기 구매자 및 상기 타 구매자와의 공통구매 관계를 분석하는 단계와; 상기 분석된 공통구매 관계를 기반으로 상기 타 구매자가 구매한 각 상품별 평가점수를 계산하는 단계와; 상기 계산된 각 상품별 평가점수를 기반으로 상기 타 구매자가 구매한 상품 중에서 상기 구매자에게 추천할 상품을 선정하는 단계를 포함할 수 있다.This specification provides a method of recommending a product to a buyer as another embodiment. The method includes collecting purchase information of the buyer and other buyers who have a history of purchasing a product common with the buyer, and analyzing a common purchase relationship between the buyer and the other buyer based on the collected purchase information. ; Calculating an evaluation score for each product purchased by the other buyer based on the analyzed common purchase relationship; And selecting a product to be recommended to the buyer from among products purchased by the other buyers based on the calculated evaluation score for each product.
상기 평가점수를 계산하는 단계는, 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치를 곱하여 상기 상품에 대한 기본평가점수를 계산하는 단계이며, 상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정될 수 있다.The calculating of the evaluation score is a step of calculating a basic evaluation score for the product by multiplying the number of sales of the product purchased by the other buyer by a common purchase weight, wherein the common purchase weight is calculated by the buyer and the other buyer. It may be determined according to the number of times the same product is purchased.
상기 평가점수를 계산하는 단계는, 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 구매영향력지수를 곱하여 상기 상품에 대한 기본평가점수를 계산하는 단계이며,The calculating of the evaluation score is a step of calculating a basic evaluation score for the product by multiplying the number of sales of the product purchased by the other buyer by a common purchase weight and the purchase influence index of the other buyer,
상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정되고,The common purchase weight is determined according to the number of times the buyer and the other buyer have purchased the same product,
상기 구매영향력 지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, The purchase impact index includes the number of purchases of paid products commonly purchased by the buyer and other buyers, and the total purchase amount of the paid products,
또는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출될 수 있다.Or it may be calculated based on any one or more of the number of purchases of free products commonly purchased by the buyer and other buyers.
상기 구매영향력 지수는 하기 수학식을 사용하여 산출되고,The purchase influence index is calculated using the following equation,
여기서 
상기 
상기 
상기 
상기 평가점수를 계산하는 단계는,The step of calculating the evaluation score,
상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 수용수준지수를 곱하여 상기 상품에 대한 기본평가점수를 계산하는 단계이며,Calculating a basic evaluation score for the product by multiplying the number of sales of the product purchased by the other buyer by a common purchase weight and the acceptance level index of the other buyer,
상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정되고,The common purchase weight is determined according to the number of times the buyer and the other buyer have purchased the same product,
상기 수용수준지수는 상기 구매자의 상품 구매시점을 반영한 구매영향력지수를 기반으로 산출되며,The acceptance level index is calculated based on the purchasing influence index reflecting the purchase point of the product of the buyer,
상기 구매영향력지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, The purchase influence index is the number of purchases of paid products commonly purchased by the buyer and other buyers, and the total purchase amount of the paid products,
또는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출될 수 있다.Or it may be calculated based on any one or more of the number of purchases of free products commonly purchased by the buyer and other buyers.
상기 수용수준지수는 하기 수학식을 사용하여 산출되고,The acceptance level index is calculated using the following equation,
여기서 상기 
상기 구매영향력 지수는 하기 수학식을 사용하여 산출되고,The purchase influence index is calculated using the following equation,
여기서 
상기 
상기 
상기 
상기 평가점수는 상기 기본평가점수에 카테고리 가중치, 구매영향력 가중치 및 수용수준 가중치 중 어느 하나 이상을 곱하여 계산되며,The evaluation score is calculated by multiplying the basic evaluation score by at least one of a category weight, a purchase influence weight, and a acceptance level weight,
상기 카테고리 가중치는 상기 구매자가 구매한 상품이 속하는 상품 카테고리와 상기 타 구매자가 구매한 상품이 속하는 상품 카테고리의 유사도에 따라 결정되고,The category weight is determined according to the similarity between the product category to which the product purchased by the buyer belongs and the product category to which the product purchased by the other buyer belongs,
상기 구매영향력 가중치는 상기 구매자의 구매영향력 지수와 상기 타 구매자의 구매영향력 지수 간의 유사도에 따라 결정되고,The purchase influence weight is determined according to the similarity between the purchase influence index of the buyer and the purchase influence index of the other buyer,
상기 수용수준 가중치는 상기 구매자의 수용수준지수와 상기 타 구매자의 수용수준지수 간의 유사도에 따라 결정되고, 상기 수용수준지수는 상기 구매자의 상품 구매시점을 반영한 구매영향력지수를 기반으로 산출되며, 상기 구매영향력지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, 또는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출될 수 있다.The acceptance level weight is determined according to the similarity between the acceptance level index of the buyer and the acceptance level index of the other buyer, and the acceptance level index is calculated based on the purchase influence index reflecting the purchase time of the product of the buyer, and the purchase The influence index may include at least one of the number of purchases of paid products commonly purchased by the buyer and other buyers, the total purchase amount of the paid products, or the number of purchases of free products commonly purchased by the buyer and other buyers. It can be calculated based on.
본 명세서의 실시예들은 구매자들의 구매 이력을 분석하고 추천 상품을 제시하는 과정에 있어서, 유사한 구매 행동을 갖는 타 구매자가의 구매 경향을 반영하여 소비자의 기호에 보다 맞춤화된 상품을 추천할 수 있는 효과가 있다. 더 나아가 본 명세서의 실시예들은 고객의 구매영향력 지수에 따른 차등 광고나 상품 추천에 적극 활용될 수 있는 효과도 성취할 수 있다.In the embodiments of the present specification, in the process of analyzing the purchase history of buyers and presenting a recommended product, the effect of recommending a product more customized to the consumer's preference by reflecting the purchase trend of another buyer price having a similar purchase behavior There is. Furthermore, the embodiments of the present specification can also achieve an effect that can be actively used for differential advertisement or product recommendation according to the purchase impact index of the customer.
도 1a 및 도 1b는 본 발명의 일 실시예에 따른 상품추천 방법을 나타낸 흐름도 및 공통구매 관계 분석의 예시도이다.
도 2는 본 발명의 일 실시예에 따른 상품평가점수 계산 방법을 설명하는 예시도이다.
도 3은 본 발명의 일 실시예에 따른 상품추천 서버의 블록도이다.1A and 1B are exemplary diagrams of a flow chart showing a product recommendation method and an analysis of a common purchase relationship according to an embodiment of the present invention.
2 is an exemplary view illustrating a method for calculating a product evaluation score according to an embodiment of the present invention.
3 is a block diagram of a product recommendation server according to an embodiment of the present invention.
본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 명세서에서 사용되는 기술적 용어는 본 명세서에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다.It should be noted that the technical terms used in this specification are only used to describe specific embodiments and are not intended to limit the present invention. In addition, technical terms used in this specification should be interpreted as meanings generally understood by a person having ordinary knowledge in the technical field to which the present invention belongs, unless defined otherwise. It should not be interpreted as a meaning, or an excessively reduced meaning.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.Hereinafter, preferred embodiments according to the present invention will be described in detail with reference to the accompanying drawings, but the same or similar elements will be given the same reference numbers regardless of the reference numerals, and redundant descriptions thereof will be omitted. In addition, in the description of the present invention, when it is determined that detailed descriptions of related known technologies may obscure the subject matter of the present invention, detailed descriptions thereof will be omitted.
도 1a 및 도 1b는 본 발명의 일 실시예에 따른 상품추천 방법을 나타낸 흐름도 및 공통구매 관계 분석의 예시도이다.1A and 1B are exemplary diagrams of a flow chart showing a product recommendation method and an analysis of a common purchase relationship according to an embodiment of the present invention.
먼저, 도 1a는 본 발명의 일 실시예에 따른 상품추천 방법을 나타낸 흐름도이다. 상기 상품추천 방법은 상품추천 서버(이하, 서버)에 의해 수행된다. 상기 서버는 내부 또는 외부 장치로부터 다수 구매자의 구매정보를 수집한다(S210). 상기 구매정보는 각 구매자 별 구매 상품(유료/무료)의 종류, 구매 시기, 구매 금액 등의 정보를 포함한다.First, FIG. 1A is a flowchart illustrating a product recommendation method according to an embodiment of the present invention. The product recommendation method is performed by a product recommendation server (hereinafter, a server). The server collects purchase information of multiple buyers from internal or external devices (S210). The purchase information includes information on the type of purchase product (paid / free) for each purchaser, purchase time, purchase amount, and the like.
이때 상기 서버는 구매한 상품의 종류를 한정하는 카테고리, 특정 상품의 누적 판매횟수, 구매 시기 등의 조건이 부가될 수 있다. 예를 들면, 생활 가전(카테고리 조건) 중 1달 동안(기간 조건) 최소 10번 이상(누적 판매 횟수 조건) 판매된 상품을 대상으로 상기 구매정보를 수집할 수 있다.At this time, the server may be added with conditions such as a category limiting the type of the purchased product, a cumulative number of sales of a specific product, and a purchase time. For example, among the household appliances (category conditions), the purchase information may be collected for products sold at least 10 times (conditions of cumulative sales) for one month (term conditions).
상기 서버는 상기 구매정보를 바탕으로 구매자 간의 공통구매 관계를 분석할 수 있다(S220). 즉, 다수 구매자가 공통적으로 구매한 유료/무료 상품의 개수, 구매 금액 등의 관계를 분석할 수 있다. 여기서 상기 공통구매 관계를 가시적으로 나타내는 다이어그램을 ‘그래프 네트워크(Graph Network)’라 칭한다. 상기 ‘그래프 네트워크’는 노드(node)와 엣지(edge)로 구성되며, 상기 노드(node)는 구매자를 나타내고, 상기 엣지(edge)는 두 구매자가 공통적으로 구매한 상품에 대한 구매정보를 나타낸다. 도 1b는 상기 ‘그래프 네트워크’의 예시도이다.The server may analyze a common purchase relationship between buyers based on the purchase information (S220). That is, it is possible to analyze the relationship between the number of paid / free products commonly purchased by a plurality of buyers and the purchase amount. Here, a diagram that visually shows the common purchase relationship is referred to as a “Graph Network”. The “graph network” is composed of a node and an edge, the node represents a buyer, and the edge represents purchase information for products commonly purchased by two buyers. 1B is an exemplary diagram of the above-mentioned 'graph network'.
도 1b를 참조하여 보면, 상기 서버는 두 구매자가 소정의 기간 동안 공통으로 구매한 상품의 개수를 유료와 무료의 경우로 각각 나누어 집계하고, 공통적으로 구매된 상품에 지출한 총 금액을 엣지(Edge)의 파라미터(parameter)로 처리한다. 여기서, 상기 파라미터는 (유료상품 개수, 무료상품 개수, 구매금액)으로 구성될 수 있다.Referring to FIG. 1B, the server divides the number of products commonly purchased by two buyers for a predetermined period into paid and free cases, and aggregates the total amount of money spent on commonly purchased products. ) As a parameter. Here, the parameter may be configured as (number of paid products, number of free products, purchase amount).
예를 들어 2012년 6월 1일부터 30일 간의 구매정보를 분석한 결과, 구매자 A와 B가 총 5개의 같은 상품 a, b, c, d, e를 구매하였다고 가정한다. 또한 같은 기간에 구매자 A와 C가 총 7개의 상품 a, c, e, f, g, h, i를 구매하였다고 가정하자. For example, as a result of analyzing purchase information from June 1 to 30, 2012, it is assumed that buyers A and B purchased a total of five identical products a, b, c, d, and e. Suppose also that buyers A and C purchased a total of seven products a, c, e, f, g, h, and i in the same period.
상품 a의 가격은 1000원, b는 5000원, c는 10000원, i는 3000원이고, 상품 d, e, f, g 및 h는 무료(0원)일 때, 구매자 A와 B를 노드(node)로 하는 엣지(edge)가 형성되며, 두 노드(node)간 엣지(edge)의 파라미터는 (3, 2, 16000)이 된다. 한편 구매자 A와 C를 노드(node)로 하는 엣지(edge)에서, 두 노드(node)간 엣지(edge)의 파라미터는 (3, 4, 14000)이 된다.When the price of product a is 1,000 won, b is 5000 won, c is 10000 won, i is 3000 won, and goods d, e, f, g, and h are free (0 won), the buyers A and B are nodes ( The edge is formed as a node), and the parameter of the edge between two nodes is (3, 2, 16000). On the other hand, at the edge where buyers A and C are nodes, the parameters of the edge between the two nodes are (3, 4, 14000).
여기서 가격을 나타내는 수가 큰 경우에는 스케일 다운(Scale down)을 위해 Log 값을 사용할 수도 있다. 예컨대, log10(구매금액+10)을 구매금액 대신 사용한다. 이 경우 (3, 2, log10(16010))과 (3, 4, log10(14010))이 A-B 및 A-C 각각의 엣지(edge) 파라미터가 된다. (이러한 예시가 도 1b에 도시되어 있다.)Here, when the number representing the price is large, a log value may be used for scale down. For example, log 10 (purchase amount + 10 ) is used instead of purchase amount. In this case, (3, 2, log 10 (16010)) and (3, 4, log 10 (14010)) are edge parameters of AB and AC, respectively. (This example is shown in Figure 1B.)
상기 그래프 네트워크 분석시에, 두 노드(node)간 공통 구매한 상품의 개별 가격이 소정의 범위에 포함될 경우만 분석에 포함시킬 수 있다. 예를 들어, 1만원 미만의 상품들 만을 대상으로 하여 상기 그래프 네트워크 분석을 수행하거나, 또는 50원에서 5000원 사이 가격의 상품들 만을 대상으로 하여 상기 그래프 네트워크 분석을 수행할 수도 있다. 이러한 제한은 소수의 고가 상품이 상기 분석에 지나치게 큰 영향을 주는 것을 방지하는 데에 도움이 될 수 있다.When analyzing the graph network, it is possible to include in the analysis only when the individual prices of products that are commonly purchased between two nodes are included in a predetermined range. For example, the graph network analysis may be performed only on products having a price of less than 10,000 won, or the graph network analysis may be performed only on products having a price between 50 and 5000 won. This restriction can help prevent a small number of expensive products from having too much of an impact on the analysis.
상기의 방법을 통해 상기 서버는 모든 구매자간 공통 구매이력을 기반으로 공통구매 관계를 분석한다.Through the above method, the server analyzes a common purchase relationship based on a common purchase history among all buyers.
다음으로 상기 서버는 구매자에게 추천할 상품을 평가한다. 본 명세서에서 개시하는 방법에서 상기 서버는 어느 한 구매자에게 추천할 상품을 선정하기 위하여 공통구매 관계가 있는 타 구매자가 구매한 상품에 대한 평가점수를 계산하는 과정을 수행한다(S230).Next, the server evaluates a product to be recommended to the buyer. In the method disclosed in the present specification, the server performs a process of calculating an evaluation score for a product purchased by another buyer having a common purchase relationship in order to select a product to be recommended to one buyer (S230).
상품추천 서버는 상품에 대한 평가점수 계산을 위하여 상기에서 설명한 공통구매 관계분석을 좀 더 상세히 수행하게 된다. 이하에서는 도 2를 참조하여 공통구매 관계분석과 평가점수 계산방법을 설명한다.The product recommendation server performs the common purchase relationship analysis described above in more detail in order to calculate the evaluation score for the product. Hereinafter, a method of analyzing a common purchase relationship and calculating an evaluation score will be described with reference to FIG. 2.
도 2는 본 발명의 일 실시예에 따른 공통구매 관계분석 및 상품평가점수 계산 방법을 설명하는 예시도이다.2 is an exemplary diagram illustrating a method of analyzing a common purchase relationship and calculating a product evaluation score according to an embodiment of the present invention.
상품추천 서버는 공통구매 관계 분석 대상자로 선정된 구매자들을 노드(node)로 하는 공통구매 관계도(그래프 네트워크)를 생성한다. 도 1b에서 설명한 것과 같이 엣지(edge)는 두 노드(node) 간에 공통으로 구매한 상품이 있는 경우에 생성된다. 엣지(edge)에 수반되는 파라미터는 공통구매 횟수(유료와 무료 상품을 나누어 집계 또는 함께 집계)와 공통구매 금액(혹은 공통구매 금액에 Log와 같은 특정 함수 값을 취한 값)을 포함할 수 있다.The product recommendation server generates a common purchase relationship diagram (graph network) in which buyers selected as the analysis targets of the common purchase relationship are nodes. As described in FIG. 1B, an edge is generated when there is a product that is commonly purchased between two nodes. The parameters accompanying the edge may include the number of common purchases (paid and free products divided or aggregated together) and the common purchase amount (or value obtained by taking a specific function value such as Log in the common purchase amount).
특정 노드(node)에서 엣지(edge)로 직접 연결되어 있는 노드(node)들을 ‘경로(Shortest Path) 길이가 1인 이웃(Neighbors)’이라 칭하고, 경로 길이가 1인 이웃에 경로 길이 1로 연결된 이웃을 ‘경로 길이가 2인 이웃’이라 칭한다. (k가 1보다 큰 양의 정수라면, 특정 노드(node)의 경로 길이가 k인 이웃들은, 경로 길이가 k-1인 이웃들이 경로 길이가 1인 이웃을 모두 포함한 경우이다.) 이하에서는 편의상 경로 길이가 1인 이웃만 고려하며, 여타의 수식어를 생략한 ‘이웃’이라고 칭한다.Nodes directly connected to an edge from a specific node are referred to as 'Neighbors with a length of 1', and connected with a length of 1 to a neighbor with a length of 1 The neighbor is referred to as a 'neighbor with a path length of 2'. (If k is a positive integer greater than 1, neighbors with a path length of k of a specific node are cases where neighbors with a path length of k-1 include all neighbors with a path length of 1). Only neighbors with a path length of 1 are considered and are called 'neighbors', omitting other modifiers.
상품추천 서버는 각 노드(node)별로 공통구매 관계도(그래프 네트워크) 상의 이웃들과 엣지(edge)로 이루어진 공통구매 관계(또는 서브-그래프)를 기반으로 각 노드(node)별로 상품추천 리스트를 생성할 수 있다. 예를 들어 “X”라는 노드(node)의 이웃으로 A, B, C 세 노드(node) 가 있다고 가정하면, 그들로 이루어지는 공통구매 관계는 도 2의 (a)와 같다.The product recommendation server generates a product recommendation list for each node based on a common purchase relationship (or sub-graph) composed of neighbors and edges on a common purchase relationship diagram (graph network) for each node. can do. For example, assuming that there are three nodes A, B, and C as neighbors of a node “X”, a common purchase relationship made up of them is shown in FIG. 2 (a).
도 2의 (a)에 도시한 공통구매 관계에서 모든 노드 “X, A, B, C”에 영향력 지표(구매력 기반의 영향력 지표)와 영향력 지표에 따른 레벨값, 카테고리 선호도(구매이력을 분석하여 카테고리 별 구매상품 분포에 따라 상위에 해당하는 카테고리를 하나 이상 선정)를 계산하면, 위의 공통구매 관계에서 “X”노드(node)의 이웃 노드(node)들의 영향력 지수 BPI(Buying Power Index, 구매영향력 지수)와 ALI(Adoption Level Index, 수용수준 지수; 상품의 출시일 대비 구매자의 구매일을 고려한 구매력 영향력 지수)가 결합되어 도 2의 (b)와 같은 Sub-graph가 생긴다. 도 2의 (b)에서 BPI_X와 ALI_X는 각각 노드(node) X의 BPI값 및 ALI값을 나타낸다.In the common purchasing relationship shown in (a) of FIG. 2, the impact indicators (influence indicators based on purchasing power) and level values and category preferences (purchasing history) are analyzed for all nodes “X, A, B, and C”. If one or more categories corresponding to the top are selected according to the distribution of purchased products by category), the impact index of the neighboring nodes of the “X” node in the above common purchasing relationship (Buying Power Index, BPI) purchase Influence index) and ALI (Adoption Level Index, acceptance level index; purchasing power influence index considering the purchase date of the purchaser compared to the release date of the product) are combined to create a sub-graph as shown in FIG. 2 (b). In (b) of FIG. 2, BPI_X and ALI_X represent the BPI value and the ALI value of node X, respectively.
여기서 구매영향력 지수 BPI와 ALI는 아래와 같이 계산될 수 있다. 먼저 구매영향력 지수 BPI를 계산하는 과정을 설명한다.Here, the purchasing influence index BPI and ALI can be calculated as follows. First, the process of calculating the purchase impact index BPI will be described.
상기 구매영향력지수를 산출하기 위해 상품추천 서버는 특정 구매자(도 2의 경우 X) 및 타 구매자(도 2의 경우 A, B, C)에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액을 기반으로 제1 지수를 계산하고; 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수를 기반으로 제2 지수를 계산하고; 상기 제1 지수 및 상기 제2 지수를 소정의 비율로 합산하여 구매영향력지수를 산출할 수 있다.In order to calculate the purchase impact index, the product recommendation server includes the number of purchases of the paid product commonly purchased by a specific buyer (X in FIG. 2) and other buyers (A, B, C in FIG. 2) and the paid product. Calculates a first index based on the total purchase amount of the; Calculating a second index based on the number of purchases of free products commonly purchased by the buyer and other buyers; The purchase influence index may be calculated by adding the first index and the second index at a predetermined ratio.
상기 제1 지수는 유료상품 구매가 상기 구매영향력지수에 반영되는 지수로서, 하기 수학식 1과 같이 계산될 수 있다.The first index is an index that reflects the purchase of paid products in the purchase impact index, and may be calculated as in Equation 1 below.
여기서 상기 
도 1b의 예에서 상기 제1 지수는 아래와 같이 계산된다.In the example of FIG. 1B, the first index is calculated as follows.
구매자 A와 B의 관계에서, A와 B가 공통으로 구매한 유료상품의 개수는 3개이고, 공통으로 구매한 유료 상품의 가격 총액은 16000원이다. 또한 구매자 A와 C의 관계에서, A와 C가 공통으로 구매한 유료상품의 개수는 3개이고, 공통으로 구매한 유료 상품의 가격 총액은 14000원 이다. 이에 따라 상기 제1 지수는 
여기서 유료상품 구매총액의 scale을 조절하기 위해 Log 함수를 사용했지만, 기타 적절하다고 판단되는 수준의 다른 함수를 사용할 수도 있다. 예를 들어, 상품의 가격 분포에 따라 가격 구간을 나누어 각 구간의 대표 값을 부여할 수도 있고, 또는 가격의 영향도를 높이기 위해서 가격을 Scale up 하는 함수를 사용할 수 있다. 그 외에도 음이 아닌 실수에 대해 정의되고, 양의 실수를 입력 값으로 갖는 증가함수(increasing function)에 상기 유료상품 구매총액을 입력하여 그 결과값을 기반으로 상기 제1 지수를 계산할 수도 있다.Here, the Log function is used to adjust the scale of the total amount of paid products, but other functions that are considered appropriate may be used. For example, a price section may be divided according to a price distribution of a product to give a representative value of each section, or a function of scaling up the price to increase the influence of the price may be used. Besides, it is also possible to define the non-negative real number and input the total amount of the paid product purchase into an increasing function having a positive real number as an input value to calculate the first index based on the result.
다음으로, 상기 제2 지수는 무료상품 구매가 상기 구매영향력지수에 반영되는 지수로서, 무료 상품의 총 구매 횟수에 따라 부여된 구매 횟수 가중치를 상기 무료 상품의 구매 횟수에 적용하여 계산될 수 있다.Next, the second index is an index in which the purchase of the free product is reflected in the purchase influence index, and may be calculated by applying the weight of the number of purchases given according to the total number of purchases of the free product to the number of purchases of the free product.
상기 제2 지수는 하기 수학식 2과 같이 계산될 수 있다.The second index may be calculated as in Equation 2 below.
여기서 상기 
도 1b의 예에서 상기 제2 지수는 아래와 같이 계산된다.In the example of FIG. 1B, the second index is calculated as follows.
구매자 A와 B의 관계에서, A와 B가 공통으로 구매한 무료상품의 개수는 2개(d, e)이다. 또한 구매자 A와 C의 관계에서, A와 C가 공통으로 구매한 무료상품의 개수는 4개(e, f, g, h)이다. 각 무료상품의 총 구매 횟수에 따라 부여된 구매 횟수 가중치가 모두 1이라면, 이에 따라 상기 제2 지수는 
만약, 무료상품 d와 e는 구매 횟수 가중치가 1.2인 구간의 상품이고, f는 1.4, g와 h가 1.6인 구간의 상품이었다면, 이에 따라 상기 제2 지수는 
상기와 같이 제1 지수와 제2 지수가 계산되면, 상기 서버는 상기 제1 지수 및 상기 제2 지수를 소정의 비율로 합산하여 구매영향력지수를 산출할 수 있다. 즉, 상기 제1 지수 및 상기 제2 지수 각각이 구매영향력에 기여하는 정도에 따라 부여된 기여 가중치를 상기 제1 지수 및 상기 제2 지수 각각에 반영하고, 상기 가중치가 반영된 상기 제1 지수 및 상기 제2 지수를 합산하여 상기 구매자의 구매영향력지수를 산출할 수 있다. 상기 구매영향력지수는 하기 수학식 3과 같이 계산될 수 있다.When the first index and the second index are calculated as described above, the server may calculate the purchasing influence index by adding the first index and the second index at a predetermined ratio. That is, each of the first index and the second index reflects the contribution weights assigned to each of the first index and the second index according to the degree of contribution to the purchasing influence, and the first index and the reflected weight The purchase index of the buyer can be calculated by adding up the second index. The purchase influence index may be calculated as in Equation 3 below.
여기서 
(무료상품 d, e, f, g, h는 모두 구매 횟수 가중치가 1인 구간의 상품인 경우)(Free products d, e, f, g, h are all products in the section where the number of purchase weights is 1)
또는
(무료상품 d와 e는 구매 횟수 가중치가 1.2인 구간의 상품이고, f는 1.4, g와 h가 1.6인 구간의 상품인 경우) (Free products d and e are products in the section where the number of purchase weights is 1.2, and f is 1.4, and in the case of products where g and h are 1.6)
상품추천 서버는 상기 단계를 통해 각 구매자 별로 구매영향력지수를 산출할 수 있다. 또한 상기 서버는 산출된 구매영향력지수를 내림차순으로 정렬하여 미리 정해 놓은 구간 값(레벨 값)을 부여할 수도 있다. 예를 들어, 구간 값의 범위가 1 ~ 5 라고 정해졌고 각 구간 값을 정률적으로 배분한다면, 최상위 20% 구매력 영향력 지표 값을 갖는 사용자는 구간 값 1을 부여 받고, 차상위 20% 구매력 영향력 지표값을 갖는 사용자는 구간 값 2를 받는 식으로 모든 사용자에게 구간 값을 부여할 수 있다. 이런 구매력 영향력 구간 값이 구매력 영향력 지수보다 간단하고, 등급화 되어있어, 구매영향력지수 값 대신 마케팅 등에 활용될 수도 있다.The product recommendation server may calculate the purchasing influence index for each buyer through the above steps. In addition, the server may assign a predetermined section value (level value) by arranging the calculated purchasing influence index in descending order. For example, if the range of the section value is set to 1 to 5 and each section value is distributed uniformly, the user with the highest 20% purchasing power impact indicator value is given the section value 1, and the next highest 20% purchasing power impact indicator value A user having a value may be assigned a section value to all users by receiving the section value 2. Since the value of the purchasing power influence section is simpler and graded than the purchasing power influence index, it may be used for marketing, etc. instead of the purchasing power index value.
구매영향력지수를 산출할 때, 상기 서버는 구매자의 구매 성향을 반영하여 산출할 수 있다. 즉, 상품의 출시일 대비 구매자의 구매일을 고려하여, 구매자가 초기 수용자(Early adopter)인지 여부를 파악하는 것이다. 다시 말해 소정의 기간 별로 산출한 구매영향력 지수 각각에 상품의 구매시점에 따라 부여된 구매 시점 가중치를 반영하고, 상기 가중치가 부여된 기간 별 구매영향력 지수를 합산하여 상품의 초기 수용수준을 나타내는 수용수준 지수(adoption level index)를 산출하는 것이다. 수용수준 지수 산출의 일 예는 하기 수학식 4와 같다.When calculating the purchasing influence index, the server may calculate by reflecting the purchasing propensity of the buyer. That is, it is to determine whether the buyer is an early adopter by considering the buyer's purchase date compared to the product's launch date. In other words, the acceptance level indicating the initial acceptance level of the product by reflecting the purchase point weight assigned to each purchase impact index calculated for each predetermined period according to the purchase time of the product, and summing the purchase impact index for each weighted period. It is to calculate the index (adoption level index). An example of calculating the acceptance level index is shown in Equation 4 below.
여기서 상기 
이러한 구매성향 반영 방법의 일 예는, 상기 구매영향력지수 산출에서 두 구매자 간의 엣지(edge)를 형성할 때, 공통적으로 구매한 상품을 “상품 출시일로부터 어느 기간 안에 포함되는 경우”와 같이 제한하여 분석하는 방법일 수 있다. 도 1b를 이용하여 ALI를 설명하면 아래와 같다.An example of such a method of reflecting purchase propensity, when forming an edge between two buyers in the calculation of the purchase influence index, analyzes a product that is commonly purchased as “in a certain period from the product release date”. It can be a way to do. The ALI will be described with reference to FIG. 1B.
구매자 A와 B가 총 5개의 같은 상품 a, b, c, d, e를 구매하였고, A와 C는 총 7개의 같은 상품 a, c, e, f, g, h, i를 구매한 것으로 가정한다. 또한 상품 a의 가격은 1000원, b는 5000원, c는 10000원, i는 3000원이고 d, e, f, g, h는 무료(0원)라고 가정한다. 여기서 상품 a, b, f, g는 출시일로부터 1주 내에 구매되었고, 상품 c, d, e, h, i는 출시 1주 후에서 2주 사이에 구매했다고 추가로 가정한다. 그러면 출시 후 1주 내에 상품을 구매한 경우로 그래프 네트워크를 형성한다면, 노드(node) A와 B 사이의 엣지(edge) 생성에 포함되는 상품은 a와 b가 되어 A와 B간 엣지(edge)의 파라미터는 (2,0,log10(1000+5000+10))이 된다. 출시 후 2주 내에 구매된 상품의 경우에 A와 B간 엣지(edge)의 파라미터는 상품 a, b, c, d, e가 모두 포함되므로 (3, 2, log10(16010))이 된다. Assume that buyers A and B purchased a total of five identical products a, b, c, d, and e, and A and C purchased a total of seven identical products a, c, e, f, g, h, and i. do. In addition, it is assumed that the price of product a is 1,000 won, b is 5000 won, c is 10000 won, i is 3000 won, and d, e, f, g, and h are free (0 won). Here, it is further assumed that products a, b, f, and g were purchased within one week from the release date, and products c, d, e, h, and i were purchased between one week and two weeks after launch. Then, if a graph network is formed when a product is purchased within one week after launch, the products included in the creation of an edge between nodes A and B become a and b, resulting in an edge between A and B. The parameter of becomes (2,0, log 10 (1000 + 5000 + 10)). In the case of a product purchased within two weeks after launch, the parameters of the edge between A and B are (3, 2, log 10 (16010)) because all of the products a, b, c, d, and e are included.
노드(node) A와 C에 대해서도 같은 분석을 하면, 출시 후 1주 내에 노드(node) A와 C 사이의 엣지(edge)에 포함되는 상품은 a, f, g가 되어 A와 C간 엣지(edge)의 파라미터는 (1,2,log10(1000+10))이 된다. 출시 후 2주 내에 상품을 구매한 경우의 A와 C간 엣지(edge)의 파라미터는 상품 a, c, e, f, g, h, i가 모두 포함되므로 (3, 4, log10(14010))이 된다.If we do the same analysis for nodes A and C, the product included in the edge between nodes A and C within one week after launch becomes a, f, g, and the edge between A and C ( edge) is (1,2, log 10 (1000 + 10)). The edge parameter between A and C when a product is purchased within two weeks after launch includes all products a, c, e, f, g, h, and i (3, 4, log 10 (14010) ).
위의 분석에 신규 상품을 구매한 경우에 가중치를 더 주는 방식을 채택하면, (구매일이 출시일로부터 1주 내인 경우에 가중치(
ALI(A) = 1.5*(구매 일이 상품의 출시일로부터 1주 내인 경우의 A의 BPI 값) + 1.2*(구매 일이 상품의 출시일로부터 2주 내인 경우의 A의 BPI 값)ALI (A) = 1.5 * (BPI value of A when the purchase date is within 1 week from the release date of the product) + 1.2 * (BPI value of A when the purchase date is within 2 weeks from the release date of the product)
구매일이 상품의 출시일로부터 1주 이내인 경우 A의 BPI 값은 
다시 도 2로 돌아와서 설명하면, 상기의 설명과 같이 BPI와 API를 계산한 후, 노드(node) X와 이웃 A, B, C 간의 엣지(edge)에 공통구매 횟수에 따른 가중치(W_XA, W_XB, W_XC), 카테고리 가중치(I_XA, I_XB, I_XC), BPI 유사도 (또는 BPI 레벨 유사도)에 따라 결정된 구매영향력 가중치(B_XA, B_XB, B_XC), ALI 유사도 (또는 ALI 레벨 유사도)에 따라 결정된 수용수준 가중치(A_XA, A_XB, A_XC)를 공통구매 관계도에 나타내면 도 2의 (c)와 같은 그래프를 얻게 된다. 이로써 추천 상품평가 점수를 계산하기 위한 기초 작업이 완료된다.Returning to FIG. 2 again, after calculating the BPI and API as described above, the weights (W_XA, W_XB, according to the number of common purchases) at the edge between the node X and the neighbors A, B, and C, W_XC), purchasing influence weight (B_XA, B_XB, B_XC) determined by category weight (I_XA, I_XB, I_XC), BPI similarity (or BPI level similarity), acceptance level weight determined by ALI similarity (or ALI level similarity) When A_XA, A_XB, and A_XC) are shown in the common purchase relationship diagram, a graph as in (c) of FIG. 2 is obtained. This completes the basic work for calculating the recommended product evaluation score.
다음으로 상품추천 서버는 상기 분석된 공통구매 관계를 기반으로 상기 타 구매자가 구매한 상품에 대한 평가점수를 계산한다(S230). 이를 위하여 상기 서버는 특정 구매자(도 2의 X)와 공통구매 관계가 있는 타 구매자(이웃 노드, 도 2의 A, B, C)들이 구매한 상품에 점수를 부여하여 정렬한 후, 특정 구매자(X)가 구매한 상품을 제외하고 최상위 상품부터 추천상품 리스트에 포함시킬 수 있다.Next, the product recommendation server calculates an evaluation score for the product purchased by the other buyer based on the analyzed common purchase relationship (S230). To this end, the server assigns scores to products purchased by other buyers (neighbor nodes, A, B, and C in FIG. 2) that have a common purchase relationship with a specific buyer (X in FIG. 2), and then sorts the specific buyer ( Excluding the product purchased by X), the top-level product can be included in the list of recommended products.
아래는 상품에 평가점수를 부여하는 여러 실시예에 대한 설명이다.Below are descriptions of various embodiments of assigning evaluation scores to products.
우선 타 구매자가 구매한 상품에 기본평가점수를 부여한다. 예를 들어 타 구매자 A의 구매 이력에 상품 a가 있고, 분석기간 중 상품 a가 판매된 횟수를 Sa로 가정한다. 이 판매 횟수 Sa에 공통구매 횟수에 따른 공통구매 가중치 W_XA를 곱한 값이 타 구매자 A와의 관계에서 상품 a의 기본평가점수(BV(a), Base Value of a)가 된다. 즉, BV(a)= Sa * W_XA 이다. 이때 상기 공통구매 가중치는 두 구매자가 공통적으로 구매한 상품의 개수에 따라 정해질 수 있다. (예컨대 공통 구매한 상품의 개수가 많을수록 가중치를 크게 줄 수 있다.) 마찬가지로 상품 a의 구매이력이 있는 타 구매자 B와의 관계에서, 상품 a의 기본평가점수 BV(a)는 Sa * W_XB가 되고, 상품 a를 구매한 모든 타 구매자와의 관계에서 상품 a의 기본평가점수가 각각 계산되며, 최종적으로 상품 a의 구매이력이 있는 모든 타 구매자와의 관계에서 계산된 기본평가점수가 합산되어 상품a의 기본평가 점수가 결정된다. 같은 방식으로 타 구매자가 구매한 상품 b, c, … 에 대한 기본평가점수도 계산될 수 있다.First, a basic evaluation score is assigned to a product purchased by another buyer. For example, it is assumed that there is a product a in the purchase history of another buyer A, and the number of times a product a has been sold during the analysis period is Sa. The value obtained by multiplying the number of sales Sa by the common purchase weight W_XA according to the number of common purchases becomes the basic evaluation score (BV (a), Base Value of a) of the product a in relation to other buyers A. That is, BV (a) = Sa * W_XA. In this case, the common purchase weight may be determined according to the number of products commonly purchased by two buyers. (For example, the larger the number of products purchased in common, the larger the weight can be.) Similarly, in relation to other buyers B who have a purchase history of product a, the basic evaluation score BV (a) of product a becomes Sa * W_XB, The basic evaluation score of product a is calculated in relation to all other buyers who purchased product a, and finally the basic evaluation scores calculated in relation to all other buyers who have a purchase history of product a are added up to The basic evaluation score is determined. Products purchased by other buyers in the same way b, c,… The basic evaluation score for can also be calculated.
한편, 타 구매자가 구매한 상품 a에 대한 기본평가점수로 상품 a의 판매횟수, 공통구매 가중치 및 타 구매자의 구매영향력지수(BPI)를 곱한 값을 사용할 수도 있다. 즉, BV(a)= Sa * W_XA * BPI(A) + Sa * W_XB * BPI(B) + Sa * W_XC * BPI(C) + … 로 계산될 수 있다. 같은 방식으로 타 구매자가 구매한 상품 b, c, … 에 대한 기본평가점수도 계산될 수 있다.On the other hand, it is also possible to use the product multiplied by the number of times the product a is sold, the common purchase weight, and the purchase influence index (BPI) of the other buyer, as the basic evaluation score for the product a purchased by another buyer. That is, BV (a) = Sa * W_XA * BPI (A) + Sa * W_XB * BPI (B) + Sa * W_XC * BPI (C) +… Can be calculated as Products purchased by other buyers in the same way b, c,… The basic evaluation score for can also be calculated.
또는 타 구매자가 구매한 상품 a에 대한 기본평가점수로 상품 a의 판매횟수, 공통구매 가중치 및 타 구매자의 수용수준지수(ALI)를 곱한 값을 사용할 수도 있다. 즉, BV(a)= Sa * W_XA * ALI(A) + Sa * W_XB * ALI(B) + Sa * W_XC * ALI(C) + … 로 계산될 수 있다. 같은 방식으로 타 구매자가 구매한 상품 b, c, … 에 대한 기본평가점수도 계산될 수 있다.Alternatively, a value obtained by multiplying the number of sales of product a, the common purchase weight, and the acceptance level index (ALI) of another buyer may be used as the basic evaluation score for product a purchased by another buyer. That is, BV (a) = Sa * W_XA * ALI (A) + Sa * W_XB * ALI (B) + Sa * W_XC * ALI (C) +… Can be calculated as Products purchased by other buyers in the same way b, c,… The basic evaluation score for can also be calculated.
상기와 같이 이웃(A, B, C) 구매자가 구매한 상품들에 대한 기본평가점수를 결정한 후, 다음의 실시예들과 같이 각 상품들의 (최종)평가점수를 계산할 수 있다.After determining the basic evaluation scores for the products purchased by the neighbors (A, B, C) buyers as described above, the (final) evaluation scores of each product may be calculated as in the following examples.
제1 실시예: 구매자(노드) X의 모든 이웃 A, B, C가 구매한 상품에 대해 기본평가점수(BV)를 계산하고 내림차순으로 정렬한 후, 구매자 X가 구매한 상품을 제외한 n개의 상품을 선정하면 하나의 추천상품 리스트가 생성된다. 이 방법은 대상 고객과 구매 이력이 비슷한 사람들의 구매내역에 기반하여 상품을 추천하는 방법이다.First embodiment: After calculating the basic evaluation score (BV) for products purchased by all neighbors A, B, and C of the buyer (node) X and sorting in descending order, n products excluding the products purchased by the buyer X If you select, a list of recommended products is created. This method is a method of recommending products based on purchase history of people who have similar purchase history with the target customer.
제2 실시예: 구매자(노드) X와 카테고리 선호도가 같은 타 구매자(이웃)가 구매한 상품에 더 큰 가중치를 두어 평가점수를 부여하는 방식이다. 각 구매자(노드)의 구매이력을 보고 어떤 카테고리 상품을 많이 샀는지 파악하여 카테고리 선호도를 파악할 수 있다.The second embodiment is a method in which an evaluation score is given by placing a larger weight on a product purchased by another buyer (neighbor) having the same category preference as the buyer (node) X. By looking at the purchase history of each buyer (node), it is possible to grasp which category products are purchased a lot and to grasp category preferences.
일 예로, 구매자 X와 같은 카테고리 선호도를 갖는 이웃 A와 카테고리 선호도가 다른 이웃 B와 C가 있다면, A와의 카테고리 가중치(I_XA)를 1보다 큰 값으로 두고(예; 1.2), I_XB와 I_XC는 1로 둔다. 이 경우 상품 a의 기본 값 BV(a)에 카테고리 가중치를 곱하여 구매자 X와 카테고리 선호도가 같은 타 구매자(A)가 구매한 상품에는 더 큰 가중치가 부여돼 높은 평가점수가 계산된다. 즉, 구매자 X의 카테고리 선호도가 고려된 상품 a의 평가점수(Category Weighted Value of a)는 CWV(a)=I_XA * BV(a) 가 된다. 제1 실시예와 마찬가지로 모든 이웃 A, B, C가 구매한 상품에 대하여 카테고리 선호도가 고려된 평가점수(CWV)를 계산하고 내림차순으로 정렬한 후, 구매자 X가 구매한 상품을 제외한 n개의 상품을 선정하면 추천상품 리스트가 작성된다.For example, if there are neighbors A and C having different category preferences, such as buyer X, neighbors B and C have a category weight (A_XA) with A greater than 1 (e.g. 1.2), and I_XB and I_XC are 1 Leave it as In this case, by multiplying the basic value BV (a) of the product a by the category weight, the product purchased by the other buyer (A) having the same category preference as the buyer X is given a larger weight and a high evaluation score is calculated. In other words, the category weight of the product a considering the category preference of the buyer X (Category Weighted Value of a) is CWV (a) = I_XA * BV (a). As in the first embodiment, after calculating the evaluation scores (CWV) considering category preference for products purchased by all neighbors A, B, and C in descending order, n products excluding products purchased by buyer X When selected, a list of recommended products is prepared.
제3 실시예: 구매자(노드) X와 구매영향력 지수가 비슷한 경우 타 구매자(이웃)가 구매한 상품에 더 큰 가중치를 두어 평가점수를 부여하는 방식이다. 상술한 구매영향력 지수(BPI)는 일정 기간 동안 구매에 지출한 누적 금액과 구매횟수를 반영하여 계산되기 때문에, BPI가 유사한 구매자는 지출 금액과 구매 횟수가 유사한 구매자로 유추할 수 있으며, 양자의 구매 행태가 유사하다고 볼 수 있다.Third embodiment: In the case where the purchaser (node) X and the purchase impact index are similar, another purchaser (neighbor) assigns an evaluation score by placing a greater weight on the purchased product. Since the above-mentioned purchase impact index (BPI) is calculated by reflecting the cumulative amount spent on purchases and the number of purchases over a period of time, buyers with similar BPIs can be inferred as buyers with similar expenditures and purchases. The behavior is similar.
이 방식은 상품의 평가점수를 계산하는데 있어서 BPI 유사도 (또는 BPI 레벨 유사도)에 따라 결정된 구매영향력 가중치를 기본평가점수(BV(a))에 곱하여 계산한다. 즉, 구매자 X와 이웃 A가 BPI 또는 BPI 레벨이 같다면, A와의 구매영향력 가중치 B_XA를 1보다 큰 값으로 두고(예; 1.2), BPI 또는 BPI 레벨이 다른 이웃 B와 C 와의 구매영향력 가중치 B_XB와 B_XC는 1로 둔다. 상품 a가 이웃 A의 구매이력에 포함되어 있는 경우, 구매자 X의 구매영향력 가중치가 고려된 상품 a의 평가점수(BPI Weighted Value of a)는 BWV(a)= B_XA * BV(a)가 된다. 제1 실시예와 마찬가지로 모든 이웃 A, B, C가 구매한 상품에 대하여 구매영향력 가중치가 고려된 평가점수(BWV)를 계산하고 내림차순으로 정렬한 후, 구매자 X가 구매한 상품을 제외한 n개의 상품을 선정하면 추천상품 리스트가 작성된다.This method calculates the product's evaluation score by multiplying the purchase influence weight determined by BPI similarity (or BPI level similarity) by the basic evaluation score (BV (a)). That is, if the buyer X and the neighbor A have the same BPI or BPI level, the purchase influence weight B_XA with A is set to a value greater than 1 (eg, 1.2), and the purchase influence weight B_XB with neighbors B and C having different BPI or BPI levels And B_XC are set to 1. When product a is included in the purchase history of neighbor A, BPI weighted value of a is considered as BWV (a) = B_XA * BV (a). As in the first embodiment, after calculating the evaluation scores (BWV) in consideration of the purchase influence weight for products purchased by all neighbors A, B, and C, and sorting in descending order, n products excluding products purchased by buyer X If you select, a list of recommended products is prepared.
제4 실시예: 구매자(노드) X와 수용수준 지수(ALI)가 비슷한 경우 타 구매자(이웃)가 구매한 상품에 더 큰 가중치를 두어 평가점수를 부여하는 방식이다. 상품의 평가점수를 계산하는데 있어서 ALI 유사도 (또는 ALI 레벨 유사도)에 따라 결정된 수용수준 가중치를 기본평가점수(BV(a))에 곱하여 계산한다. 상품 a가 이웃 A의 구매이력에 포함되어 있는 경우, 구매자 X의 수용수준 가중치가 고려된 상품 a의 평가점수(ALI Weighted Value of a)는 AWV(a)= A_XA * BV(a) 가 된다. Fourth embodiment: In the case where the purchaser (node) X and the acceptance level index (ALI) are similar, the evaluation score is given by placing a larger weight on the product purchased by another purchaser (neighbor). In calculating the evaluation score of a product, the acceptance level weight determined according to ALI similarity (or ALI level similarity) is multiplied by the basic evaluation score (BV (a)). If product a is included in the purchase history of neighbor A, the ALI Weighted Value of a considering product A's acceptance level weight is AWV (a) = A_XA * BV (a).
필요에 따라 상기 제2 실시예와 상기 제3 실시예를 같이 적용할 수 있고, 상기 제2 실시예와 상기 제4 실시예를 같이 적용할 수도 있다. 즉, 카테고리 가중치와 BPI 가중치를 같이 반영하는 경우 및 카테고리 가중치와 ALI 가중치를 같이 반영하는 경우가 모두 가능하다. If necessary, the second embodiment and the third embodiment may be applied together, and the second embodiment and the fourth embodiment may be applied together. That is, both the category weight and the BPI weight are reflected together, and the category weight and the ALI weight are reflected together.
카테고리 가중치와 BPI 가중치를 같이 반영하는 경우 상품 a의 평가점수는 CBWV(a)= B_XA * I_XA * BV(a) 가 된다. 여기서 CBWV(a)는 Category & BPI Weighted Value of a 이다.When category weight and BPI weight are reflected together, the evaluation score of product a is CBWV (a) = B_XA * I_XA * BV (a). Here, CBWV (a) is Category & BPI Weighted Value of a.
카테고리 가중치와 ALI 가중치를 같이 반영하는 경우 상품 a의 평가점수는 CAWV(A)= A_XA * I_XA * BV(a) 가 된다. 여기서 CAWV(a)는 Category & ALI Weighted Value of a 이다.When category weight and ALI weight are reflected together, the evaluation score of product a is CAWV (A) = A_XA * I_XA * BV (a). Here, CAWV (a) is Category & ALI Weighted Value of a.
또는 상기 제3 실시예와 상기 제4 실시예를 같이 적용하여 BPI 가중치와 ALI 가중치를 같이 반영하는 방법도 가능하며, 상기 제2 실시예, 상기 제3 실시예 및 상기 제4 실시예를 모두 같이 적용하는 방법도 가능하다.Alternatively, a method of reflecting the BPI weight and the ALI weight by applying the third embodiment and the fourth embodiment together is also possible, and the second embodiment, the third embodiment, and the fourth embodiment are all applied together. It is also possible to apply.
제5 실시예: 상기 제1 실시예 내지 제4 실시예에서는 상품의 기초평가점수(BV)을 계산할 때 그 상품의 분석 기간 동안의 총 판매 횟수(Sa)를 고려했지만, 그 대신 그 상품이 분류된 카테고리의 특정 구매자(예; Power User)들에게 판매된 횟수만 고려하여 계산한 후 추천 리스트를 생성할 수 있다. 즉, 해당 상품이 속하는 카테고리의 상품을 소정의 기준 이상으로 구매한 구매자에게 상기 상품이 판매된 횟수만을 상기 기초평가점수 산정에 반영할 수도 있다.Fifth embodiment: In the first to fourth embodiments, when calculating the basic evaluation score (BV) of a product, the total number of sales (Sa) during the analysis period of the product is considered, but instead the product is classified A recommendation list may be generated after calculating only the number of times sold to specific buyers (eg, power users) of the category. That is, only the number of times the product has been sold to a purchaser who purchases a product of a category to which the product belongs is higher than a predetermined standard may be reflected in the calculation of the basic evaluation score.
다음으로 상품추천 서버는 상기 계산된 평가점수를 기반으로 추천상품을 선정한다(S240). 예를 들어, 상기 여러 실시예에서 계산된 평가점수가 높은 상품들을 추천상품으로 선정하고, 이를 사용자에게 제공한다. 이때 하나의 상품을 추천대상 구매자와 공통적으로 구매한 타 구매자가 다수라면, 그 상품의 평가점수는 각각의 타 구매자 별로 다르게 계산될 수 있다. 이 경우, 해당 상품의 최종 평가점수는 각각의 타 구매자별로 계산된 평가점수를 모두 합한 값으로 계산되고, 계산된 값의 크기로 정렬한 후 추천대상 구매자가 구매한 상품은 추천리스트에서 제외하고 정렬된 순서대로 추천하게 된다.
Next, the product recommendation server selects a recommended product based on the calculated evaluation score (S240). For example, products having high evaluation scores calculated in the various embodiments are selected as recommended products and provided to the user. At this time, if there are a large number of other buyers who have purchased one product in common with the recommendation target buyer, the evaluation score of the product may be calculated differently for each other buyer. In this case, the final evaluation score of the product is calculated as the sum of all evaluation scores calculated for each other buyer, and after sorting by the size of the calculated value, the product purchased by the buyer to be recommended is excluded from the recommendation list. It will be recommended in the order in which it was ordered.
도 3은 본 발명의 일 실시예에 따른 상품추천 서버의 블록도이다.3 is a block diagram of a product recommendation server according to an embodiment of the present invention.
상기 상품추천 서버(100)는 구매정보 수집부(101), 공통구매관계 분석부(102), 상품평가점수 계산부(103), 추천상품 선정부(104)를 포함하여 구성될 수 있으며, 저장부를 더 포함할 수도 있다. 상기 상품추천 서버(100)는 도 1 내지 도 2에서 설명한 방법들을 수행할 수 있다. 이를 구체적으로 설명하면 다음과 같다.The
상기 구매정보 수집부(101)는 내부 또는 외부 장치(10)로부터 다수 구매자의 구매정보를 수집할 수 있다. 상기 구매정보는 각 구매자 별 구매 상품, 구매 시기, 구매 금액 등의 정보를 포함한다. 또한 상기 구매자는 기 정의된 상품 구매시기, 상품 카테고리 또는 상품 구매횟수에 대한 조건 중 하나 이상을 만족하는 구매자일 수 있다.The purchase
상기 공통구매관계 분석부(102)는 상기 구매정보 수집부(101)에 의해 수집된 상기 구매정보를 기반으로 상기 구매자 및 상기 타 구매자와의 공통구매 관계를 분석한다. 상기 공통구매 관계는 다수 구매자간의 공통구매 이력으로부터 산출된 구매영향력지수(BPI), 수용수준 지수(ALI) 등일 수 있다.The common purchase
상기 상품평가점수 계산부(103)는 상기 분석된 공통구매 관계를 기반으로 상기 타 구매자가 구매한 상품에 대한 평가점수를 계산한다.The product evaluation
이때 상기 상품평가점수 계산부(103)는 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치를 곱하여 상기 상품에 대한 기본평가점수를 계산할 수 있으며, 상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정된다. 상기 상품의 판매 횟수는, 해당 상품이 속하는 카테고리의 상품을 소정의 기준 이상으로 구매한 구매자에게 상기 상품이 판매된 횟수일 수 있다.At this time, the product evaluation
또는 상기 상품평가점수 계산부(103)는 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 구매영향력지수를 곱하여 상기 상품에 대한 기본평가점수를 계산할 수 있다. 이때, 상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정되고,Alternatively, the product evaluation
상기 구매영향력 지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, 또는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출될 수 있다.The purchase impact index is any one of the number of purchases of paid products commonly purchased by the buyer and other buyers, the total purchase amount of the paid products, or the number of purchases of free products commonly purchased by the buyer and other buyers. It can be calculated based on the above.
상기 구매영향력 지수는 하기 수학식을 사용하여 산출될 수 있고,The purchase influence index can be calculated using the following equation,
여기서 
상기 
상기 
상기 
또는 상기 상품평가점수 계산부(103)는 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 수용수준지수를 곱하여 상기 상품에 대한 기본평가점수를 계산할 수 있다. 이때, 상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정되고, 상기 수용수준지수는 상기 구매자의 상품 구매시점을 반영한 구매영향력지수를 기반으로 산출되며, 상기 구매영향력지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, 또는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출될 수 있다.Alternatively, the product evaluation
상기 수용수준지수는 하기 수학식을 사용하여 산출될 수 있고,The acceptance level index can be calculated using the following equation,
여기서 상기 
상기 구매영향력 지수는 하기 수학식을 사용하여 산출되고,The purchase influence index is calculated using the following equation,
여기서 
상기 
상기 
상기 
위에서 상기 상품의 판매 횟수는, 해당 상품이 속하는 카테고리의 상품을 소정의 기준 이상으로 구매한 구매자에게 상기 상품이 판매된 횟수일 수 있다.In the above, the number of times the product is sold may be the number of times the product is sold to a buyer who purchases a product of a category to which the product belongs to a predetermined criterion.
또한 상기 평가점수는 상기 기본평가점수에 카테고리 가중치, 구매영향력 가중치 및 수용수준 가중치 중 어느 하나 이상을 곱하여 계산될 수 있으며,In addition, the evaluation score may be calculated by multiplying the basic evaluation score by any one or more of a category weight, a purchase influence weight, and an acceptance level weight,
상기 카테고리 가중치는 상기 구매자가 구매한 상품이 속하는 상품 카테고리와 상기 타 구매자가 구매한 상품이 속하는 상품 카테고리의 유사도에 따라 결정되고, The category weight is determined according to the similarity between the product category to which the product purchased by the buyer belongs and the product category to which the product purchased by the other buyer belongs,
상기 구매영향력 가중치는 상기 구매자의 구매영향력 지수와 상기 타 구매자의 구매영향력 지수 간의 유사도에 따라 결정되고,The purchase influence weight is determined according to the similarity between the purchase influence index of the buyer and the purchase influence index of the other buyer,
상기 수용수준 가중치는 상기 구매자의 수용수준지수와 상기 타 구매자의 수용수준지수 간의 유사도에 따라 결정되고, 상기 수용수준지수는 상기 구매자의 상품 구매시점을 반영한 구매영향력지수를 기반으로 산출되며, 상기 구매영향력지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, 또는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출될 수 있다.The acceptance level weight is determined according to the similarity between the acceptance level index of the buyer and the acceptance level index of the other buyer, and the acceptance level index is calculated based on the purchase influence index reflecting the purchase time of the product of the buyer, and the purchase The influence index may include at least one of the number of purchases of paid products commonly purchased by the buyer and other buyers, the total purchase amount of the paid products, or the number of purchases of free products commonly purchased by the buyer and other buyers. It can be calculated based on.
상기 추천상품 선정부(104)는 상기 계산된 평가점수를 기반으로 상기 타 구매자가 구매한 상품 중에서 상기 구매자에게 추천할 상품을 선정한다. 예를 들어, 도 1 내지 도 2에서 설명한 여러 실시예에서 계산된 평가점수가 높은 상품들을 추천상품으로 선정하고, 이를 사용자에게 제공한다. 이때 하나의 상품을 추천대상 구매자와 공통적으로 구매한 타 구매자가 다수라면, 그 상품의 평가점수는 각각의 타 구매자 별로 다르게 계산될 수 있다. 이 경우, 해당 상품의 최종 평가점수는 각각의 타 구매자별로 계산된 평가점수를 모두 합한 값으로 계산되고, 계산된 값의 크기로 정렬한 후 추천대상 구매자가 구매한 상품은 추천리스트에서 제외하고 정렬된 순서대로 추천하게 된다.The recommended
이와 같이, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다.As such, those skilled in the art to which the present invention pertains will appreciate that the present invention may be implemented in other specific forms without changing its technical spirit or essential features. Therefore, the embodiments described above should be understood as illustrative in all respects and not restrictive.
예컨대, 본 발명에 따른 상품추천 서버(100)나 사용자 단말은 메모리에 의하여 정보를 저장할 수 있는데, 일 구현예의 경우 메모리는 컴퓨터로 판독 가능한 매체이다. 일 구현예에서 메모리는 휘발성 메모리 유닛일 수 있으며, 다른 구현예의 경우 메모리는 비휘발성 메모리 유닛일 수 있다. 또한, 메모리는 예컨대 하드디스크 장치, 광학디스크 장치, 혹은 어떤 다른 대용량 저장 장치를 포함할 수도 있다.For example, the
상품추천 서버(100)나 사용자 단말은 또한 예컨대 이더넷 카드와 같은 하나 이상의 네트워크 인터페이스 장치, 예컨대 RS-232 포트와 같은 직렬 통신 장치 및/또는 예컨대 802.11 카드와 같은 무선 인터페이스 장치를 외부 입출력 장치로서 포함할 수 있다. 다른 구현예에서, 이러한 입출력 장치는 다른 입출력 장치로 출력 데이터를 전송하고 입력 데이터를 수신하도록 구성된 드라이버 장치, 예컨대 키보드, 프린터 및 디스플레이 장치 등을 포함할 수 있다.The
상품추천 서버(100)는 실행 시 하나 이상의 처리 장치로 하여금 전술한 기능과 프로세스를 수행하도록 하는 명령에 의하여 실현될 수 있다. 예를 들어 그러한 명령으로는, 예컨대 JavaScript나 ECMAScript 명령 등의 스크립트 명령과 같은 해석되는 명령이나 실행 가능한 코드 혹은 컴퓨터로 판독 가능한 매체에 저장되는 기타의 명령이 포함될 수 있다.The
본 발명에 따른 상품추천 서버(100)는 서버 팜(Server Farm)과 같이 네트워크에 걸쳐서 분산형으로 구현될 수 있으며, 혹은 단일의 컴퓨터 장치로 구현될 수 있다.The
본 명세서에서 설명하는 기능적인 동작과 주제의 구현물들은 디지털 전자 회로로 구현되거나, 본 명세서에서 개시하는 구조 및 그 구조적인 등가물들을 포함하는 컴퓨터 소프트웨어, 펌웨어 혹은 하드웨어로 구현되거나, 이들 중 하나 이상의 결합으로 구현 가능하다. 본 명세서에서 설명하는 주제의 구현물들은 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 처리 시스템의 동작을 제어하기 위하여 혹은 이것에 의한 실행을 위하여 유형의 프로그램 저장매체 상에 인코딩된 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다.The functional operations and subject implementations described in this specification may be implemented as digital electronic circuits, or computer software, firmware, or hardware including the structures disclosed herein and their structural equivalents, or a combination of one or more of them. It can be implemented. Implementations of the subject matter described herein are one or more modules for computer program instructions encoded on a tangible program storage medium to control or thereby execute operations of one or more computer program products, ie processing systems. Can be implemented.
컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장 장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조성물 혹은 이들 중 하나 이상의 조합일 수 있다.The computer-readable medium can be a machine-readable storage device, a machine-readable storage substrate, a memory device, a composition of materials affecting a machine-readable propagated signal, or a combination of one or more of these.
본 명세서에서 “시스템”이나 “장치"라 함은 예컨대 프로그래머블 프로세서, 컴퓨터 혹은 다중 프로세서나 컴퓨터를 포함하여 데이터를 처리하기 위한 모든 기구, 장치 및 기계를 포괄한다. 처리 시스템은, 하드웨어에 부가하여, 예컨대 프로세서 펌웨어를 구성하는 코드, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 체제 혹은 이들 중 하나 이상의 조합 등 요청 시 컴퓨터 프로그램에 대한 실행 환경을 형성하는 코드를 포함할 수 있다.As used herein, “system” or “device” includes any mechanism, device, and machine for processing data, including, for example, a programmable processor, computer, or multiple processors or computers. For example, it may include code constituting the processor firmware, a protocol stack, a database management system, an operating system, or a combination of one or more of them to form an execution environment for a computer program when requested.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.A computer program (also known as a program, software, software application, script, or code) can be written in any form of a compiled or interpreted language or a programming language, including a priori or procedural languages. It can be deployed in any form, including components, subroutines or other units suitable for use in a computer environment. Computer programs do not necessarily correspond to files in the file system. The program is in a single file provided to the requested program, or in multiple interactive files (e.g., one or more modules, files storing subprograms or parts of code), or part of a file holding other programs or data (Eg, one or more scripts stored in a markup language document). Computer programs may be deployed to be executed on one computer or on multiple computers that are located at one site or distributed across multiple sites and interconnected by a communication network.
한편, 컴퓨터 프로그램 명령어와 데이터를 저장하기에 적합한 컴퓨터로 판독 가능한 매체는, 예컨대 EPROM, EEPROM 및 플래시메모리 장치와 같은 반도체 메모리 장치, 예컨대 내부 하드디스크나 외장형 디스크와 같은 자기 디스크, 자기광학 디스크 및 CD-ROM과 DVD-ROM 디스크를 포함하여 모든 형태의 비휘발성 메모리, 매체 및 메모리 장치를 포함할 수 있다. 프로세서와 메모리는 특수 목적의 논리 회로에 의해 보충되거나, 그것에 통합될 수 있다.On the other hand, computer-readable media suitable for storing computer program instructions and data include, for example, semiconductor memory devices such as EPROM, EEPROM and flash memory devices, such as magnetic disks such as internal hard disks or external disks, magneto-optical disks and CDs. It can include any form of non-volatile memory, media and memory devices, including -ROM and DVD-ROM disks. The processor and memory may be supplemented by, or incorporated in, special purpose logic circuitry.
본 명세서에서 설명한 주제의 구현물은 예컨대 데이터 서버와 같은 백엔드 컴포넌트를 포함하거나, 예컨대 어플리케이션 서버와 같은 미들웨어 컴포넌트를 포함하거나, 예컨대 사용자가 본 명세서에서 설명한 주제의 구현물과 상호 작용할 수 있는 웹 브라우저나 그래픽 유저 인터페이스를 갖는 클라이언트 컴퓨터와 같은 프론트엔드 컴포넌트 혹은 그러한 백엔드, 미들웨어 혹은 프론트엔드 컴포넌트의 하나 이상의 모든 조합을 포함하는 연산 시스템에서 구현될 수도 있다. 시스템의 컴포넌트는 예컨대 통신 네트워크와 같은 디지털 데이터 통신의 어떠한 형태나 매체에 의해서도 상호 접속 가능하다.Implementations of the subject matter described herein include, for example, a back-end component such as a data server, for example, a middleware component such as an application server, or, for example, a web browser or graphic user that allows a user to interact with the implementation of the subject matter described herein. It may be implemented in a front-end component, such as a client computer having an interface, or in a computing system that includes all one or more combinations of such back-end, middleware, or front-end components. The components of the system can be interconnected by any form or medium of digital data communication, such as a communication network.
본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 마찬가지로, 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.This specification includes details of many specific implementations, but these should not be understood as limiting on the scope of any invention or claim, but rather as a description of features that may be specific to a particular embodiment of the particular invention. It should be understood. Likewise, certain features described herein in the context of individual embodiments may be implemented in combination in a single embodiment. Conversely, various features described in the context of a single embodiment can also be implemented in multiple embodiments individually or in any suitable subcombination. Further, although features may operate in a particular combination and may initially be depicted as so claimed, one or more features from the claimed combination may in some cases be excluded from the combination, and the claimed combination subcombined. Or sub-combinations.
또한, 본 명세서에서는 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 시스템 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 시스템들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징될 수 있다는 점을 이해하여야 한다Also, although the descriptions describe the operations in the drawings in a specific order, it should be understood that such operations must be performed in the specific order or sequential order shown in order to obtain a desired result, or that all illustrated actions should be performed. Can not be done. In certain cases, multitasking and parallel processing may be advantageous. Further, the separation of various system components of the above-described embodiments should not be understood as requiring such separation in all embodiments, and the described program components and systems are generally integrated together into a single software product or packaged in multiple software products. Understand that you can
이와 같이, 본 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하려는 의도가 아니다. 따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 본 발명의 범위는 상기 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.As such, this specification is not intended to limit the invention to the specific terms presented. Therefore, although the present invention has been described in detail with reference to the above-described examples, those skilled in the art can make modifications, alterations, and modifications to these examples without departing from the scope of the present invention. The scope of the present invention is indicated by the following claims rather than the above detailed description, and it should be interpreted that all changes or modified forms derived from the meaning and scope of the claims and their equivalent concepts are included in the scope of the present invention. do.
100 : 상품추천 서버
101 : 구매정보 수집부
102 : 공통구매관계 분석부
103 : 상품평가점수 계산부
104 : 추천상품 선정부100: product recommendation server
101: purchasing information collection unit
102: Common purchasing relationship analysis department
103: product evaluation score calculation unit
104: recommended product selection department
Claims (17)
상기 수집된 구매정보를 기반으로 상기 구매자 및 상기 타 구매자와의 공통구매 관계를 분석하는 공통구매관계 분석부;
상기 분석된 공통구매 관계를 기반으로 상기 타 구매자가 구매한 각 상품별 평가점수를 계산하는 상품평가점수 계산부; 및
상기 계산된 각 상품별 평가점수를 기반으로 상기 타 구매자가 구매한 상품 중에서 상기 구매자에게 추천할 상품을 선정하는 추천상품 선정부를 포함하며,
상기 상품평가점수 계산부는,
상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 구매영향력지수를 곱하여 상기 상품에 대한 기본평가점수를 계산하며,
상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정되며,
상기 구매영향력 지수는 상기 구매자 및 타 구매자에 의해 공통으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, 또는 상기 구매자 및 타 구매자에 의해 공통으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출되는 것을 특징으로 하는 상품추천 서버.A purchase information collection unit collecting purchase information of a purchaser and another purchaser who has a history of purchasing a product common to the purchaser;
A common purchase relationship analysis unit that analyzes a common purchase relationship between the buyer and the other buyers based on the collected purchase information;
A product evaluation score calculation unit that calculates an evaluation score for each product purchased by the other buyer based on the analyzed common purchase relationship; And
It includes a recommended product selection unit for selecting a product to be recommended to the buyer from among the products purchased by the other buyers based on the evaluation score for each product,
The product evaluation score calculation unit,
The basic evaluation score for the product is calculated by multiplying the number of sales of the product purchased by the other buyer by a common purchase weight and the purchase influence index of the other buyer,
The common purchase weight is determined according to the number of times the buyer and the other buyer have purchased the same product,
The purchase impact index is any one of the number of purchases of paid products commonly purchased by the buyer and other buyers, the total purchase amount of the paid products, or the number of purchases of free products commonly purchased by the buyer and other buyers. Product recommendation server characterized in that it is calculated based on the above.
상기 구매자 및 상기 타 구매자는 기 정의된 상품 구매시기, 상품 카테고리 또는 상품 구매횟수에 대한 조건 중 하나 이상을 만족하는 구매자인 것을 특징으로 하는 상품추천 서버.According to claim 1,
The purchaser and the other purchaser product recommendation server, characterized in that the purchaser satisfies one or more of the conditions for the pre-defined product purchase time, product category or product purchase frequency.
상품추천 서버가 상기 구매자 및 상기 구매자와 공통된 상품을 구매한 이력이 있는 타 구매자의 구매 정보를 수집하고, 상기 수집된 구매정보를 기반으로 상기 구매자 및 상기 타 구매자와의 공통구매 관계를 분석하는 단계;
상기 상품추천 서버가 상기 분석된 공통구매 관계를 기반으로 상기 타 구매자가 구매한 각 상품별 평가점수를 계산하는 단계;
상기 상품추천 서버가 상기 계산된 각 상품별 평가점수를 기반으로 상기 타 구매자가 구매한 상품 중에서 상기 구매자에게 추천할 상품을 선정하는 단계를 포함하며,
상기 평가점수를 계산하는 단계는,
상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 구매영향력지수를 곱하여 상기 상품에 대한 기본평가점수를 계산하며,
상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정되며,
상기 구매영향력 지수는 상기 구매자 및 타 구매자에 의해 공통으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, 또는 상기 구매자 및 타 구매자에 의해 공통으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출되는 것을 특징으로 하는 방법.As a way to recommend products to buyers,
The product recommendation server collects purchase information of the buyer and other buyers who have a history of purchasing products common with the buyer, and analyzes a common purchase relationship between the buyer and the other buyers based on the collected purchase information ;
Calculating, by the product recommendation server, an evaluation score for each product purchased by the other buyer based on the analyzed common purchase relationship;
And the product recommendation server selecting a product to be recommended to the buyer from among products purchased by the other buyers based on the calculated evaluation score for each product,
The step of calculating the evaluation score,
The basic evaluation score for the product is calculated by multiplying the number of sales of the product purchased by the other buyer by a common purchase weight and the purchase influence index of the other buyer,
The common purchase weight is determined according to the number of times the buyer and the other buyer have purchased the same product,
The purchase impact index is any one of the number of purchases of paid products commonly purchased by the buyer and other buyers, the total purchase amount of the paid products, or the number of purchases of free products commonly purchased by the buyer and other buyers. Method characterized in that it is calculated based on the above.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120139662A KR102097045B1 (en) | 2012-12-04 | 2012-12-04 | Method and apparatus to recommend products reflecting characteristics of users |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120139662A KR102097045B1 (en) | 2012-12-04 | 2012-12-04 | Method and apparatus to recommend products reflecting characteristics of users |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140072427A KR20140072427A (en) | 2014-06-13 |
| KR102097045B1 true KR102097045B1 (en) | 2020-04-03 |
Family
ID=51126277
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120139662A KR102097045B1 (en) | 2012-12-04 | 2012-12-04 | Method and apparatus to recommend products reflecting characteristics of users |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102097045B1 (en) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102205709B1 (en) * | 2018-11-29 | 2021-01-21 | 동국대학교 산학협력단 | Electronic device for recommending color of a dye based on user characteristics and operating method thereof |
| KR102246538B1 (en) * | 2019-01-14 | 2021-05-03 | 카페24 주식회사 | Item recommendation method and apparatus using graph database |
| KR102186201B1 (en) * | 2020-06-12 | 2020-12-03 | 구병준 | A method for managing online shopping mall and online shopping mall server |
| KR102518389B1 (en) * | 2020-06-30 | 2023-04-06 | 카페24 주식회사 | Method, Apparatus and System for Item Recommendation Using Consumer Bigdata |
| KR20220113071A (en) * | 2021-02-05 | 2022-08-12 | 주식회사 비오엠월드 | Lifestyle tailored product provision system |
| KR102274409B1 (en) | 2021-02-19 | 2021-07-07 | 권관식 | Method for generating electronic receipt containing advertising information based on simple receipt service |
| KR20240071187A (en) * | 2022-11-15 | 2024-05-22 | 삼성전자주식회사 | Apparatus and method for providing targeting funtions |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100801662B1 (en) * | 2006-08-31 | 2008-02-05 | 에스케이 텔레콤주식회사 | Management system for recommending a goods and recommend method thereof |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100823853B1 (en) * | 2006-09-22 | 2008-04-21 | 숭실대학교산학협력단 | Personalized recommendation method using customer's demographic information and purchase history |
| KR20100020365A (en) * | 2008-08-12 | 2010-02-22 | 건국대학교 산학협력단 | System for recommendation the goods and method thereof |
| KR101026544B1 (en) * | 2009-05-14 | 2011-04-01 | 주식회사 모임 | Method and Apparatus for ranking analysis based on artificial intelligence, and Recording medium thereof |
-
2012
- 2012-12-04 KR KR1020120139662A patent/KR102097045B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100801662B1 (en) * | 2006-08-31 | 2008-02-05 | 에스케이 텔레콤주식회사 | Management system for recommending a goods and recommend method thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20140072427A (en) | 2014-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11727445B2 (en) | Predictive recommendation system using price boosting | |
| US11587116B2 (en) | Predictive recommendation system | |
| US10296961B2 (en) | Hybrid recommendation system | |
| KR102097045B1 (en) | Method and apparatus to recommend products reflecting characteristics of users | |
| AU2013222010B2 (en) | Hybrid recommendation system | |
| CN109493113A (en) | A kind of providing method and device of favor information | |
| US11200593B2 (en) | Predictive recommendation system using tiered feature data | |
| WO2018071788A1 (en) | Vendor payment sharing system | |
| KR101409273B1 (en) | Method and apparatus for calculating to measure influential power of users | |
| US10083459B2 (en) | Methods and apparatus to generate a media rank | |
| US11861882B2 (en) | Systems and methods for automated product classification | |
| Ehsani et al. | Customer purchase prediction in electronic markets from clickstream data using the Oracle meta-classifier | |
| KR102108038B1 (en) | System and method for products recommendation service, and apparatus applied to the same | |
| US12002082B2 (en) | Method, medium, and system for providing trait-focused recommendations of computer applications | |
| US20230078260A1 (en) | Systems and methods for providing recommendations of computer applications based on similarity | |
| KR102098860B1 (en) | System and method for deciding keywords bidding price and computer readable record medium thereof | |
| US20230394537A1 (en) | Systems and methods for processing multimedia data | |
| AU2023245584A1 (en) | Systems and methods for providing product data on mobile user interfaces | |
| CN116308504A (en) | Resource display method and device, storage medium and computer equipment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |