KR102122608B1 - 블록체인 간편결제 플랫폼 기반 ｏ２ｏ 소비패턴 맞춤형 상점 노출 서비스 제공 방법 - Google Patents

Abstract

블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법이 제공되며, 사용자 단말의 실시간 위치 정보를 기반으로 기 등록되어 저장된 적어도 하나의 가맹점 단말 및 적어도 하나의 가맹점 단말의 가맹점 정보를 추출하는 단계, 사용자 단말의 사용자 정보와 가맹점 정보에 포함된 파라미터를 비교하여 일치하는 파라미터에 점수를 증가시켜 매칭 점수를 산출하는 단계, 산출된 매칭 점수가 높은 적어도 하나의 가맹점 단말을 리스트업하여 사용자 단말로 전송하는 단계, 및 사용자 단말에서 리스트업된 적어도 하나의 가맹점 단말 중 어느 하나를 선택하는 경우, 선택된 가맹점 단말과 기 매핑되어 저장된 쿠폰을 사용자 단말로 전송하는 단계를 포함한다.

Description

블록체인 간편결제 플랫폼 기반 Ｏ２Ｏ 소비패턴 맞춤형 상점 노출 서비스 제공 방법{METHOD FOR PROVIDING CUSTOMIZED STORE DISPLAY SERVICE WITH PROPENSITY TO CONSUME OF INDIVIDUAL ON BLOCKCHAIN BASED EASY PAYMENT PLATFORM}

본 발명은 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법에 관한 것으로, 라이프로그에 기반한 사용자 정보와 가맹점 정보 간의 일대일 매칭을 통하여 상황에 적합한 가맹점을 적시에 노출시킬 수 있는 방법을 제공한다.

광고 추천 플랫폼은 소비자가 진정으로 필요로 하는 자료와 정보를 선택적으로 제공하여 정보 과부하 현상을 해소하고, 이를 통해 소비자의 구매의사결정을 지원하는 정보시스템을 의미한다. 추천 플랫폼은 주요한 지능형 의사결정지원 시스템 분야의 주제 중 하나로 자리매김 하고 있으며, 특히 내용기반 추천기법과 협동필터링 추천기법으로 대표되는 방법론에 대한 개선 방안 연구와 같이 다양한 응용분야에 추천 플랫폼을 적용하고 그 성능을 높이려는 시도들이 활발하게 이루어져 왔다. 이때, 추천 플랫폼의 성능을 향상시키기 위해서는 그 무엇보다도 먼저 고객의 니즈를 정확하게 파악하는 것이 중요한데, 그 일환으로 최근 새롭게 주목 받고 있는 분야가 바로 상황인지 추천 시스템이다. 상황 인지 접근은 고객이 요구하기 전에 미리 고객의 니즈를 파악하여, 그들의 수요에 사전적으로 대응하는 기법을 이용한다.

이때, 지출내역 정보 및 이동경로 정보에 기반하여 매장을 추천하는 방법이 연구 및 개발되었는데, 이와 관련하여, 선행기술인 한국공개특허 제2019-0113396호(2019년10월08일 공개)에는, 사용자 단말로부터 제 1 사용자가 설정한 출발지 및 목적지 간의 이동경로를 나타내는 이동경로 정보를 획득하고, 복수의 사용자에 대한 지출내역이 저장된 가계부 데이터베이스로부터, 제 1 사용자에 대한 제 1 지출내역을 획득하고, 이동경로 정보에 기초하여 가계부 데이터베이스로부터, 제 2 사용자에 대한 제 2 지출내역을 획득하는 단계, 제 1 지출내역과 제 2 지출내역을 비교함으로써, 제 1 사용자와 제 2 사용자 간의 유사도를 산출하고, 유사도 산출 결과에 기초하여, 제 2 사용자 중 일부를 선택하고, 선택된 제 2 사용자가 방문한 이동경로 주변의 매장 중 적어도 하나의 매장을 제 1 사용자의 다음 방문 매장으로 결정하여 다음 방문 매장에 대한 매장정보를 제공하는 구성이 개시되어 있다.

다만, 상술한 구성을 이용할지라도 고객인 사용자를 중심으로 정보를 분석하고 예측할 뿐, 가맹점 정보와 사용자 정보 간의 유사도를 파악하지 않기 때문에, 실제로 광고를 하는 주체인 가맹점에서는 광고비 지출은 높지만 광고 콘텐츠의 비효율적인 전달로 인하여 가맹점주는 물론, 고객의 만족도까지 떨어지는 결과를 낳게 되었다. 또한, 상술한 구성은 사용자의 이동패턴이나 위치에 기반하여 예측을 하는 것이 아니라, 타인의 이동패턴에 기반하여 사용자의 이동패턴을 추론하게 되므로 예측의 정확도가 현저히 떨어지고 결과적으로 맞춤광고가 타인맞춤형 광고로 전락함으로 인하여 광고비 지출 증가 및 고객 만족도 하락이라는 문제점으로 회귀하게 된다.

본 발명의 일 실시예는, 사용자의 위치 정보, 시간 정보, 거래 정보, 및 기본 정보를 포함하는 상황기반 온톨로지 라이프로그를 이용하여 사용자의 다음 액션을 예측함으로써 추론의 정확도를 높이고, 사용자 정보와 가맹점 정보 간의 일대일 비교 및 매칭을 통하여 사용자 뿐만 아니라 가맹점주의 니즈를 만족시킬 수 있도록 하며, 실시간 정보를 이용하여 사용자의 니즈 변화를 즉각적으로 대응할 수 있는, 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 사용자 단말의 실시간 위치 정보를 기반으로 기 등록되어 저장된 적어도 하나의 가맹점 단말 및 적어도 하나의 가맹점 단말의 가맹점 정보를 추출하는 단계, 사용자 단말의 사용자 정보와 가맹점 정보에 포함된 파라미터를 비교하여 일치하는 파라미터에 점수를 증가시켜 매칭 점수를 산출하는 단계, 산출된 매칭 점수가 높은 적어도 하나의 가맹점 단말을 리스트업하여 사용자 단말로 전송하는 단계, 및 사용자 단말에서 리스트업된 적어도 하나의 가맹점 단말 중 어느 하나를 선택하는 경우, 선택된 가맹점 단말과 기 매핑되어 저장된 쿠폰을 사용자 단말로 전송하는 단계를 포함한다.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 사용자의 위치 정보, 시간 정보, 거래 정보, 및 기본 정보를 포함하는 상황기반 온톨로지 라이프로그를 이용하여 사용자의 다음 액션을 예측함으로써 추론의 정확도를 높이고, 사용자 정보와 가맹점 정보 간의 일대일 비교 및 매칭을 통하여 사용자 뿐만 아니라 가맹점주의 니즈를 만족시킬 수 있도록 하며, 실시간 정보를 이용하여 사용자의 니즈 변화를 즉각적으로 대응할 수 있고, 사용자에게는 효율적인 자금 사용으로 소비생활의 만족도를 높여 선순환 구조를 제공함으로써 고객의 감성 품질을 높일 수 있고, 가맹점주에게는 정보수집 및 분류방식의 정확도를 높여 극대화된 광고구매전환율을 제공할 수 있다.

도 1은 본 발명의 일 실시예에 따른 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 상점 노출 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 도 1의 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다.

본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.

본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 시스템(1)은, 적어도 하나의 사용자 단말(100), 상점 노출 서비스 제공 서버(300), 및 적어도 하나의 가맹점 단말(400)을 포함할 수 있다. 다만, 이러한 도 1의 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.

이때, 도 1의 각 구성요소들은 일반적으로 네트워크(network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 적어도 하나의 사용자 단말(100)은 네트워크(200)를 통하여 상점 노출 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 상점 노출 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100), 및 적어도 하나의 가맹점 단말(400)과 연결될 수 있다. 또한, 적어도 하나의 가맹점 단말(400)은, 네트워크(200)를 통하여 상점 노출 서비스 제공 서버(300)와 연결될 수 있다.

여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 RF, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5GPP(5th Generation Partnership Project) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, NFC 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.

적어도 하나의 사용자 단말(100)은, 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 맞춤형 상점을 우선순위로 리스트업한 결과를 디스플레이하는 단말일 수 있다. 그리고, 적어도 하나의 사용자 단말(100)은, 리스트업된 상점 중 어느 하나 또는 복수개를 선택하는 경우, 선택된 상점의 쿠폰을 수신하는 단말일 수 있다. 또한, 적어도 하나의 사용자 단말(100)은, 수신된 쿠폰을 이용하여 주문 또는 결제를 하거나, 가맹점 단말(400)의 스캔으로 할인적용을 받는 단말일 수 있다. 이를 위하여, 적어도 하나의 사용자 단말(100)은, 성별, 나이, 생일을 포함하는 기본정보와, 사용자 단말(100)의 이동에 따라 발생되는 위치 정보, 사용자 단말(100)의 결제 이벤트에 따라 발생되는 거래 정보, 및 시간 정보를 상점 노출 서비스 제공 서버(300)로 전송하는 단말일 수 있다. 이때, 사용자 단말(100)에서 수집되는 정보는 나열된 것들로 한정되지는 않는다.

여기서, 적어도 하나의 사용자 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 사용자 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 사용자 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

상점 노출 서비스 제공 서버(300)는, 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 상점 노출 서비스 제공 서버(300)는, 적어도 하나의 가맹점 단말(400)의 가맹점 정보를 등록하고 데이터베이스화하는 서버일 수 있다. 이때, 가맹점 정보는, 사용자 정보에 대응되도록 위치 정보, 거래 정보, 시간 정보, 및 기본 정보를 포함하지만, 이 역시 나열된 것들로 한정되지는 않는다. 또한, 상점 노출 서비스 제공 서버(300)는, 사용자 단말(100)의 사용자 정보를 수집하고 적어도 하나의 종류의 인공지능 알고리즘이나 빅데이터 알고리즘에 기반하여 사용자 정보를 전처리, 분석, 분류, 및 학습을 통하여, 사용자의 패턴을 예측하도록 모델링을 함으로써 매칭 플랫폼을 구축하는 서버일 수 있다. 그리고, 상점 노출 서비스 제공 서버(300)는, 사용자 단말(100)의 위치 정보를 기반으로 적어도 하나의 가맹점 단말(400)을 필터링하고, 사용자 단말(100)의 사용자 정보와, 필터링된 가맹점 단말(400)의 가맹점 정보 간의 유사도를 분석하여 매칭을 실시하는 서버일 수 있다. 또한, 상점 노출 서비스 제공 서버(300)는, 매칭된 가맹점 리스트를 우선순위에 따라 정렬하고, 정렬된 리스트를 사용자 단말(100)로 전송하는 서버일 수 있고, 사용자 단말(100)에서 어느 하나의 가맹점을 선택하는 경우, 선택된 가맹점에 기 저장된 쿠폰을 사용자 단말(100)로 전송하는 서버일 수 있다. 그리고, 상점 노출 서비스 제공 서버(300)는, 상점 노출 서비스 제공 서버(300) 자체 주문결제 플랫폼으로 결제가 되는 경우에는, 식별코드, 예를 들어 QR 코드를 사용자 단말(100)로 전송하여 가맹점에서 스캔만으로 결제가 되도록 하고, 신용카드와 같이 가맹점 단말(400)의 결제가 요구되는 프로세스에서는 쿠폰에 대응하는 식별코드를 사용자 단말(100)로 전송하는 서버일 수 있다. 상점 노출 서비스 제공 서버(300)는, 사용자 단말(100)에서 결제 이벤트가 발생하거나, 가맹점 단말(400)의 스캔으로 결제 이벤트가 발생하는 경우에는, 결제 이벤트, 시간 정보, 위치 정보 등을 모두 추출하여 사용자 정보 및 가맹점 정보를 업데이트하는 서버일 수 있다.

여기서, 상점 노출 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.

적어도 하나의 가맹점 단말(400)은, 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하는 가맹점의 단말일 수 있다. 그리고, 적어도 하나의 가맹점 단말(400)은, 상점 노출 서비스 제공 서버(300)로 가맹점 정보를 전송하고, 가맹점에서 발행하는 쿠폰을 등록하는 단말일 수 있다. 또한, 적어도 하나의 가맹점 단말(400)은, 상점 노출 서비스 제공 서버(300)에서 결제 이벤트가 전송되는 경우, 사용자 단말(100)의 화면에 출력된 식별코드를 리딩 또는 스캔하여 결제를 완료시키는 단말일 수 있다.

여기서, 적어도 하나의 가맹점 단말(400)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 가맹점 단말(400)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 가맹점 단말(400)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

도 2는 도 1의 시스템에 포함된 상점 노출 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3은 본 발명의 일 실시예에 따른 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.

도 2를 참조하면, 상점 노출 서비스 제공 서버(300)는, 추출부(310), 산출부(320), 리스트부(330), 쿠폰부(340), 사용자 관리부(350), 업데이트부(360), 가맹점 관리부(370), 및 로그 수집부(380)를 포함할 수 있다.

본 발명의 일 실시예에 따른 상점 노출 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 사용자 단말(100), 및 적어도 하나의 가맹점 단말(400)로 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 사용자 단말(100), 및 적어도 하나의 가맹점 단말(400)은, 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 적어도 하나의 사용자 단말(100), 및 적어도 하나의 가맹점 단말(400)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: world wide web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(hyper text mark-up language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(app)을 포함한다.

본 발명의 일 실시예에 따른 상점 노출 서비스 제공 방법은, 간편주문 및 간편결제 플랫폼 상에서 제공되는 서비스일 수 있다. 또한, 본 발명의 일 실시예에 따른 상점 노출 서비스 제공 서버(300)는, 사용자 단말(100) 및 가맹점 단말(400)과, 블록체인 간을 연결하는 미들웨어 상에 구동되는 서버일 수 있다.

추출부(310)는, 사용자 단말(100)의 실시간 위치 정보를 기반으로 기 등록되어 저장된 적어도 하나의 가맹점 단말(400) 및 적어도 하나의 가맹점 단말(400)의 가맹점 정보를 추출할 수 있다. 이때, 추출부(310)는, LBS 기반으로 적어도 하나의 가맹점 단말(400)을 추출하게 되는데, 이를 위하여 적어도 하나의 가맹점 단말(400)은 영역이나 반경이 설정되거나, 가맹점 단말(400) 상에서 반경을 설정할 수도 있다.

산출부(320)는, 사용자 단말(100)의 사용자 정보와 가맹점 정보에 포함된 파라미터를 비교하여 일치하는 파라미터에 점수를 증가시켜 매칭 점수를 산출할 수 있다. 이때, 적어도 하나의 파라미터는, 위치 정보, 거래 정보, 시간 정보, 기본 정보일 수 있지만 나열된 것들로 한정하지는 않는다. 여기서, 사용자 단말(100)의 기본 정보는, 나이, 성별, 생일 등일 수 있으나 이에 한정되지는 않는다.

리스트부(330)는, 산출된 매칭 점수가 높은 적어도 하나의 가맹점 단말(400)을 리스트업하여 사용자 단말(100)로 전송할 수 있다. 여기서, 리스트업된 가맹점 리스트는 우선순위대로 표시될 수도 있으나, 위치나 선호 카테고리에 따라 재정렬될 수도 있다.

쿠폰부(340)는, 사용자 단말(100)에서 리스트업된 적어도 하나의 가맹점 단말(400) 중 어느 하나를 선택하는 경우, 선택된 가맹점 단말(400)과 기 매핑되어 저장된 쿠폰을 사용자 단말(100)로 전송할 수 있다. 이때, 가맹점을 선택하고 쿠폰을 일일이 다운로드받는 과정이 번거로운 사용자도 존재하므로, 우선순위로 정렬된 가맹점으로 사용자가 직접 찾아가는 경우, 즉 사용자 단말(100)의 위치 정보가 가맹점 단말(400)의 위치 정보와 일치하는 경우 쿠폰을 자동적용시키거나 자동다운로드되도록 하거나, 사용자 단말(100)의 식별코드와 매핑하여 저장함으로써, 사용자가 쿠폰을 다운로드받고 이를 다시 찾아서 화면에 디스플레이하거나 적용하는 과정을 삭제하도록 할 수도 있다.

사용자 관리부(350)는, 추출부(310)에서 사용자 단말(100)의 실시간 위치 정보를 기반으로 기 등록되어 저장된 적어도 하나의 가맹점 단말(400) 및 적어도 하나의 가맹점 단말(400)의 가맹점 정보를 추출하기 이전에, 사용자 단말(100)로부터 기본 정보, 취향 정보, 거래 정보, 시간 정보, 및 적어도 하나의 선호품목 카테고리에 대응하는 선호 정보를 포함하는 사용자 정보를 입력 및 선택받을 수 있다. 이렇게 저장된 사용자 정보는 별도의 데이터베이스 서버에 저장될 수 있으나, 이는 실시예에 따라 다양하게 구현가능하므로 이에 한정하지는 않는다. 여기서, 적어도 하나의 선호품목 카테고리는, 예를 들어, 음식주문 카테고리에서는, 한식, 중식, 양식, 일식, 패스트푸드 중 사용자가 원하는 카테고리를 단수 또는 복수로 선택하는 경우, 선택된 카테고리가 선호품목 카테고리가 될 수 있다. 카테고리는 음식주문에 한정되지 않고, 패션, 뷰티, 가구, 문구, 병원, 약국, 헬스, 오락, 영화, 숙박 등 다양할 수 있다.

여기서, 선호품목 카테고리를 설정받았다고 해서 계속 동일한 카테고리의 가맹점만 기계적으로 추천하는 경우에는, 사용자는 기계적으로 반복해서 동일한 것을 추천해주는 플랫폼에 싫증을 느끼거나 답답하다고 느낄 수도 있다. 예를 들어, 사용자가 음식주문 카테고리에서 중식과 일식을 선호 카테고리로 선택했는데, 일주일 내내 일식과 중식 가맹점만을 추천해주는 경우에는 더 이상 먹고싶지 않은 음식을 추천하는 플랫폼을 멀리하는 계기가 될 수도 있다. 따라서, 후술되는 라이프로그를 이용하여 현재 상황을 인식하고 수집된 라이프로그 기반의 베이지안 네트워크를 통하여 실시간 행위에 대한 카테고리를 판별한 후, 연관분석을 통해 사용자가 미래에 하게 될 행동을 예측하는 방법을 이용할 수 있다. 이에, 사용자 관리부(350)는 사용자의 현재 행동과 장소, 그리고 예측된 미래 행동과 장소를 기반으로 사용자에게 적합한 추천 종류를 결정할 수 있고, 결정된 추천종류와 예측된 사용자 행동, 장소와 항목별 선호 정보를 협업 필터링 기법을 적용하여 사용자에게 적합한 가맹점을 추천해줄 수 있다.

이때, 협업 필터링 기법은 큰 무리의 사람들을 검색해서 자신과 유사한 취향을 가진 작은 집합을 발견하는 방법이다. 먼저 선행 작업으로 사용자의 선호 정보를 수집해야 하고, 수집된 선호정보를 이용해 다른 사람들 간의 취향을 유사도 계산을 통해 자신이 평가하지 않은 항목에 대해 추천받을 수 있는 기법이다. 협업 필터링은 사용자와 아이템의 관계에서 무엇을 중심으로 선호도를 예측하느냐에 따라 사용자 기반 알고리즘과 아이템 기반 알고리즘을 이용할 수 있다. 이에 더하여, 협업 필터링과 함께 은닉 마르코프(Hidden Markov) 모델을 더 이용할 수도 있고, 컨텍스트(Context) 인식 사용자 행동 패턴 추론 모델과 활동량 산출 알고리즘 및 행동 인지 알고리즘이 더 이용될 수도 있으며, 소셜미디어 분석을 통하여 사회적 관계를 더 분석할 수도 있다.

사용자의 라이프로그를 기반으로 베이지안 네트워크를 통해 현재 행동과 현재 장소를 알 수 있고, 연관 분석을 통해 미래 행동과 미래 장소를 예측할 수 있다. 그 후, 예측된 행동과 장소를 과거 라이프로그 데이터베이스를 참조 후, 유사도 계산을 통해 성향이 비슷한 사람들을 찾고 동시에 확률기반 베이지안 네트워크를 통해 현재 사용자에게 적합한 추천종류를 결정할 수 있다. 성향이 비슷한 사람들이 추천한 정보, 행동, 장소와 추천종류를 가지고 추천 콘텐츠 데이터베이스를 참조해 협업 필터링 기법을 적용 후, 사용자에게 제공할 수 있다. 이때, 암시적(Implicit) 피드백을 더 이용할 수 있는데, 사용자가 추천을 받았음에도 이용하지 않거나 스크롤 시간이 기준시간보다 부족하여 관심결여로 판단되는 등의 피드백이 존재하는 경우에는 이를 더 이상 추천하지 않는 것이다. 예를 들어, 화면 응시 시간, 스크롤 시간, 화면에 머문 시간, 다시 해당 화면을 찾는 키스트로크 등을 이용하여 관심도를 추론하고, 다음 필터링에 이를 이용하는 방법일 수 있다.

그 다음으로, 베이지안 네트워크를 이용하여 추천 종류를 결정하는데, 현재 사용자의 상황에 맞는 추천종류를 결정하기 위해 베이지안 네트워크를 통하여 확률적으로 예측할 수 있다. 추천 종류를 결정하기 위한 베이지안 네트워크의 노드는 입력노드, 연관노드, 목표노드로 3개의 계층으로 구성할 수 있고, 입력노드는 중간노드를 예측하고, 중간노드는 최종적으로 목표노드를 예측할 수 있다. 추천종류 베이지안 네트워크 설계의 구성은, 현재 행동과 장소, 그리고 예측된 미래 행동과 장소를 과거 라이프로그 데이터베이스를 참조해 현재 사용자의 이동 가능성을 판단하고 추천종류 베이지안 네트워크를 통해 결정할 수 있다.

협업 필터링 기법은, 상황과 항목 평가, 유사도 계산, 및 협업 예측의 단계를 거치게 된다. 우선, 첫 번째 단계에는 사용자의 상황과 사용자가 선호한 항목에 대해 평가를 하는데, 사용자의 상황 평가는 현재 사용자의 행동과 장소 그리고 미래 행동과 장소를 기반으로 각각 사용자의 과거 라이프로그를 참조해 각 항목에 비율을 계산해 나타낼 수 있다. 현재 사용자의 오전 8시 행동과 장소는 출근, 집, 사용자의 과거 라이프로그 데이터가 8시부터 9시까지 행동 100개, 장소 100개라 가정하고, 출근은 56개, 집은 51개의 데이터가 있었다면 비율은 (56+51)/200으로 계산 할 수 있다. 사용자의 항목 평가는 각각 사용자들이 평가한 항목의 평가 점수를 의미한다. 그 다음은 유사도 계산인데, 협업 필터링 방법을 사용하여 특정 항목에 대한 특정 사용자의 평가 정도를 예측하기 위해서는 사용자의 상황 평가표와 사용자의 항목 평가표를 사용하여 사용자 간의 유사도를 계산한다. 사용자 항목 평가표는 피어슨 상관관계 공식, 사용자 상황 평가표는 코사인 유사도 공식을 이용할 수 있으나 이에 한정되지는 않는다.

마지막으로, 협업 예측을 수행해야 하는데, 이웃의 평균값으로부터 편차의 가중치 평균을 수행함으로써 계산될 수 있다. 그리고 사용자의 유사성에 기반한 가장 인접한 N 개의 이웃을 선택하기 한 규칙을 사용할 수 있다. k-최근접 이웃(k-Nearest Neighbor: k-NN) 알고리즘은 학습 데이터가 있을 때, 분류하고자 하는 데이터가 입력되면 가장 근접한 k개의 학습 데이터를 확인하고 가장 많은 클래스로 할당하는 방법이다. 예를 들어, 가장 많은 클래스로 할당할 수도 있으며, 거리에 따라 가중치를 부여할 수도 있고, 거리를 산출하는 방법은 일반적으로 유클리디안(Euclidean) 거리를 사용하여 유사성의 척도로 사용할 수도 있다. 물론, 협업 예측 알고리즘은 상술한 알고리즘에 한정되지는 않는다.

업데이트부(360)는, 쿠폰부(340)에서 사용자 단말(100)에서 리스트업된 적어도 하나의 가맹점 단말(400) 중 어느 하나를 선택하는 경우, 선택된 가맹점 단말(400)과 기 매핑되어 저장된 쿠폰을 사용자 단말(100)로 전송한 후, 사용자 단말(100)에서 쿠폰을 이용하여 선택된 가맹점 단말(400)에서 주문 및 결제를 수행하는 경우, 사용자 단말(100), 선택된 가맹점 단말(400), 및 주문된 상품을 이용하여 사용자 정보 및 가맹점 정보를 업데이트할 수 있다. 이때, 업데이트부(360)는, 사용자 단말(100)에서 구매한 시점, 위치, 및 품목을 업데이트하고 빅데이터로 사용자의 구매이력의 패턴을 학습할 수 있다. 이때, 업데이트부(360)는, 구매이력의 패턴을 학습할 때, 지도 학습(Supervised Learning), 반지도 학습(Semi-Supervised Learning), 비지도 학습(Unsupervised Learning), 및 강화 학습(Reinforcement Learning) 중 적어도 하나의 알고리즘을 이용할 수 있다. 이때, 주기 패턴 탐색은 시간 데이터베이스에서 일정한 간격을 두고 발생하는 현상을 탐색하는 시간 데이터마이닝의 한 종류이다. 시간 데이터마이닝이란 시간 값을 가진 대용량 데이터로 부터 이전에 잘 알려지지는 않았지만, 묵시적이고 잠재적으로 유용한 시간 지식을 탐사하는 기술로 정의된다. 이러한 주기 패턴으로부터 우리는 다가올 미래를 쉽게 예측할 수 있지만, 인간이나 자연에서 발생시키는 데이터의 주기적인 패턴은 많은 경우 정확한 시간 간격으로 형성되지 않는다. 큰 규모의 데이터에서 모든 발생 주체에 대해 이러한 패턴을 분석하고 다음 행동을 예측하는 것은 쉽지 않은데, 이러한 주기 패턴을 유사주기 패턴이라 한다.

유사주기 패턴은 그 특징에 따라 시간 유사주기 패턴, 미발생 유사주기 패턴, 복합 유사주기 패턴으로 분류될 수 있는데, 본 발명의 일 실시예에서는 유사주기 패턴의 개념을 이용하기로 한다. 예를 들어, 시간 허용치(Time tolerance) 라는 개념을 도입해서 시간 유사주기 패턴을 탐색하는 알고리즘을 이용할 수도 있고, 사건 미발생 허용치(event skipping threshold)라는 개념을 도입해서 미발생 유사주기 패턴을 탐색하는 알고리즘을 이용할 수도 있다. 또는, 분류된 각각의 패턴을 표현하는 패턴 표현형을 정의하고 이 표현형을 이용해 시간 데이터베이스에서 각 아이템의 발생 시점을 추적하여 아이템의 모든 유사주기를 탐색하며, 실제 제품 구매데이터에 적용하여 각 고객이 제품을 구매하는 주기적 패턴을 탐색할 수 있으며, 이를 이용해 쉽게 고객의 다음 구매시점 예측이 가능하며, 특정 제품이 필요한 시기 및 양을 예측함으로써 효율적인 재고 관리가 가능하도록 할 수더 있다. 또한 특정 제품을 주기적으로 구매하다가 상당 기간 구매하지 않는 고객들을 선별하여 이미 해당 제품에 충성도가 높았으나 어떤 사유로 인해 충성도가 낮아진 고객이므로 이의 문제나 이유를 분석할 수도 있다.

패턴 표현형을 정의하는 방법을 이용하는 경우, 우선, 주기 패턴의 분류하고 패턴 표현해야 한다. 주기 패턴은 크게 완전주기 패턴과 유사주기 패턴으로 분류해 볼 수 있다. 완전주기 패턴이란 현상이 정확한 시간 간격으로 발생하는 경우를 말한다. 그에 비해 유사주기 패턴은 현상의 발생 시간 간격에 오차가 있거나, 발생해야 할 시점에 발생하지 않거나 둘 다인 경우를 말한다. 유사주기 패턴은 상기한 특징에 따라 시간 유사주기 패턴, 미발생 유사주기 패턴, 복합 유사주기 패턴으로 분류할 수 있다. 이렇게 분류한 주기 패턴의 성질을 주기 표현형을 사용해 축약하여 기록할 수 있다. 시간 유사주기 패턴은 발생 간격이 일정하지 않으므로 각 아이템 사이 발생 간격의 평균을 주기 폭으로 사용할 수 있고, 각 발생 간격들의 차이가 너무 심할 경우에는 해당 현상이 주기적인 패턴을 가진다고 할 수 없을 것이다. 그러므로 발생 간격들의 편차가 허용치를 초과할 경우 주기 패턴으로 인정하지 않을 수 있다. 또한 발생 간격이 일정하지 않으므로 완전주기 패턴 표현에서와 같이 현상이 출현한 횟수를 정확히 알 수 없어서 이를 주기 표현에 추가할 수 있다. 미발생 유사주기 패턴의 경우 완전주기 패턴이 미발생 횟수를 추가하여 표현할 수 있다. 시간 유사주기 패턴과 유사하게 미발생 횟수가 일정 허용치를 초과할 경우에는 주기 패턴으로 인정하지 않을 수 있고, 복합 유사주기 패턴은 시간 유사주기 패턴과 미발생 유사주기 패턴을 통합하여 표현할 수 있다.

업데이트부(360)는, 학습 결과로 예측된 사용자의 물품 리스트 및 구매시기를 추출할 수도 있다. 상술한 패턴을 이용하는 경우, 구매예상물품 뿐만 아니라 시기와 위치까지 예측할 수 있다. 이때, 패턴을 이용하는 것도 중요하지만, 물품 리스트를 추출할 때에는, 단순한 반복되는 패턴만을 찾는 것 뿐만 아니라, 사용자의 취향을 정확히 분석할 수 있어야 한다. 유사군집을 이용하여 사용자의 취향을 예측하는 것은 더 이상 적합하지 않다. 즉, 동일한 40대, 직장인, 남자, 서울거주하는 집단이라도 각각의 개성이나 특성이 모두 다르기 때문이다. 따라서, 본 발명의 일 실시예에서는, 가맹점의 특징을 분석 및 추출하고, 사용자가 어느 특징을 싫어해서 해당 가맹점을 싫어하는지, 어떠한 특징을 좋아해서 해당 가맹점을 선호하는지를 정확히 파악한 후, 다음 가맹점 리스트를 제공할 때 반영해야 한다.

예를 들어, 사용자 A에게 B 치킨가게가 추천되었는데, A는 B 치킨가게가 후라이드는 괜찮지만, 양념치킨의 양념에 물엿을 너무 많이 넣어서 싫어한다. 하지만, 사용자 A가 어떠한 점 때문에 B 치킨가게를 싫어하는지 파악하지 않거나 모르는 경우, 치킨 자체를 싫어하는 것인지, 후라이드만 싫어하는 것인지, 양념이 매워서 싫은 것인지, 배달이 늦어서 싫은 것인지, 양이 적어서 싫은 것인지, 오래 튀기지 않아 뼈 부근에서 피가 나와서 싫은 것인지 등 정확한 예측이나 파악이 어렵다. 따라서, 업데이트부(360)는, 주문 및 결제 후 가맹점에 대한 사용자 리뷰와 평점을 분석하여 상품의 특징을 자동으로 추출하고 평점이 어떤 특징에 의해 부여된 것인지 판단하여 각 특징에 분배하여 점수화함으로써 상품의 특징을 파악할 수 있는 방법으로 사용자의 취향을 반영할 수 있다. 기존 방식은 상품 구매 여부를 결정하기 위해서 많은 리뷰와 평점을 읽는데 시간을 허비하거나, 상품의 장단점을 파악하기 어려울 뿐더러 상품에 부여된 평점이 어떠한 특징에 의해서 부여되었는지 알 수 없는 구조로 되어있다. 따라서 본 발명의 일 실시예에서는, 사용자 리뷰에서 상품의 특징을 자동으로 추출하고 각 특징별 평점을 전체 평점에서 자동으로 분배 및 계산하여 보여줄 수 있도록 한다. 이때, 상품별 리뷰와 평점을 수집하여 형태소 분석을 수행하고 이를 통해 상품의 특징과 이에 대한 감성어를 추출한다. 또한, 상품의 특징을 파악할 수 있도록 각 특징에 대한 가중치를 특징이 출현한 문장의 극성을 판단하여 부여하는 방법을 이용할 수 있다.

덧붙여서, 업데이트부(360)는, 세분화 기법(Segmentation Method)을 더 이용할 수도 있다. 세분화 기법의 RFM(Recency, Frequency, and Monetary)은 세 가지 요소로 구성되어진다. 첫째, 최근성은 최근에 구매한 고객이 앞으로 구매할 가능성이 높다는 판단하에 최근 구매일이 가까울수록 높은 점수를 부여한다. 둘째, 빈도성은 일정 기간 동안의 거래 빈도에 따라 고객을 세분화하는 것으로, 빈도가 높은 고객일수록 앞으로 구매할 가능성이 높다는 판단 하에 거래 빈도가 높을수록 높은 점수를 부여한다. 셋째, 총구매액은 일정기간 동안의 아이템(물품, 상품) 구입에 사용한 총 구매금액에 따라 고객을 세분화하는 것으로, 총 구매금액이 높은 고객이 앞으로 구매할 가능성이 높다는 판단 하에 총 구매금액이 높을수록 높은 점수를 부여할 수 있다. 고객 데이터는 RFM을 이용하여 세분화가 가능하다. 정5등급(Exact Quintile) 방법은 각 변수 별로순서대로 정렬한 다음 순서대로 정확히 20%씩 5개의 그룹으로 나누어 등급을 부여한다. 각 요소마다 5개의 세분화 세그먼트로 나누져서 전체 고객은 결국 5 × 5 × 5 = 125 개의 세그먼트로 고객을 분류하게 된다. 상위 10% 에 해당하면 5점, 그 다음 20%에 해당하면 4점, 40%에 해당하면 3점, 20% 해당하면 2점 하위 10%에 해당하면 1점을 주는 방식을 사용할 수 있다.

그 다음으로, 업데이트부(360)는, SOM(Self-Organizing Map)를 더 이용할 수 있다. SOM은 신경회로망(Neural Network)의 일종으로 신경회로망의 중요한 특징 중에 하나는 환경으로부터 학습을 하고, 학습을 통한 수행능력을 가지고 있다. SOM은 외부의 피드백이나 지도가 없이 스스로 학습하여 입력자료에서 의미있는 패턴이나 특징을 발견하는 시스템이다. SOM은 입력 벡터를 훈련집합에서 매치되도록 가중치가 조정되는 인공신경세포(Neuron) 격자에 기초한 자율학습(Unsupervised Learning)의 한 방법이다. SOM의 학습은 경쟁학습을 기초로 하는데, 경쟁학습은 출력 뉴런이 활성화되기 위하여 서로 경쟁한 후 어떤 시점에서 단지 하나의 출력 뉴런만을 활성화시키는 것을 의미한다. 경쟁하여 이긴 출력 뉴런을 승자 획득 뉴런이라고 한다.

즉, 개체 벡터에 가장 가까운 중량 벡터를 찾아 개체 벡터 방향으로 이동시키는 과정을반복하는데, 이 과정에서 가장 가까운 중량 벡터의 주변 중량 벡터도 함께 개체 벡터 방향으로 이동시킨다. 여기서 가장 가까운 중량 벡터를 모든 중량 벡터와의 경쟁에서 승리하였다 는 의미에서 승자(winner)라고 부른다. 학습의 반복은 모든 중량 벡터 값의 변화가 거의 소멸하거나 미리 지정된 최대 한계에 도달할 때까지 계속 진행되며, 이러한 학습과정을 통해 얻은 최종적인 중량 벡터는 개체공간상에서 개체들이 지니는 위상적 지도(topological map)를 반영하게 된다. SOM은 학습단계에서 피드백(feedback)과정이 없어 구조적으로 상당히 학습수행이 빨라 실시간 학습처리가 가능한 모델이어서 대량의 구매 데이터를 훈련데이터로 학습할 필요없이 자기조직화가 가능하다. 또한 연속적인 학습이 가능하여 추가적으로 입력되는 구매 데이터에 대한 클러스터링이 가능하다. 물론, 상술한 방법 이외에도 다양한 방법으로 사용자의 취향을 파악 및 예측하는 방법이 이용가능함은 자명하다 할 것이다.

가맹점 관리부(370)는, 추출부(310)에서 사용자 단말(100)의 실시간 위치 정보를 기반으로 기 등록되어 저장된 적어도 하나의 가맹점 단말(400) 및 적어도 하나의 가맹점 단말(400)의 가맹점 정보를 추출하기 이전에, 적어도 하나의 가맹점 단말(400)로부터 가맹점의 기본 정보, 위치 정보, 시간 정보, 및 거래 정보를 수집할 수 있다. 이때, 가맹점의 정보도 상술한 사용자 정보와 같이 분류 및 분석되어 관리될 수 있는데, 상세한 방법은 상술한 바와 같으므로 자세히 설명하지는 않는다. 물론, 상술한 방법 이외에도 다양한 알고리즘으로 분류 및 분석될 수 있음은 자명하다 할 것이다.

산출부(320)는, 사용자 단말(100)의 사용자 정보와 가맹점 정보에 포함된 파라미터를 비교하여 일치하는 파라미터에 점수를 증가시켜 매칭 점수를 산출할 때, 사용자 정보 및 가맹점 정보에 포함된 적어도 하나의 파라미터를 비교하여 일치하는 파라미터를 증가시켜 적어도 하나의 파라미터에 대한 점수를 합산할 수 있고, 합산된 매칭 점수를 기 설정된 우선순위 구간의 점수와 비교하여 우선순위를 설정할 수 있다. 그리고, 산출부(320)는, 설정된 우선순위로 적어도 하나의 가맹점 단말(400)을 내림차순 정렬할 수 있다. 예를 들어, 사용자 정보와 가맹점 정보에 포함된 위치 정보, 거래 정보, 시간 정보 및 기본 정보를 각각 비교한 후, 일치하는 경우 1 점을 부여할 수 있다. 만약, 위치, 거래, 시간, 및 기본 정보가 모두 일치하는 경우 4 점이 부여될 수 있다. 그리고, 기 설정된 우선순위 구간이 1순위 구간은 3점 초과 4 점 이하, 2순위 구간은 2점 초과 3점 이하, 3순위 구간은 1점 초과 2점 이하, 4순위 구간은 0점이라고 가정하면, 모든 정보가 일치하는 4 점인 경우 1순위 구간이다. 이에 따라, 1순위 가맹점으로 4점이 부여된 가맹점이 리스트업될 수 있다.

로그수집부(380)는, 추출부(310)에서 사용자 단말(100)의 실시간 위치 정보를 기반으로 기 등록되어 저장된 적어도 하나의 가맹점 단말(400) 및 적어도 하나의 가맹점 단말(400)의 가맹점 정보를 추출하기 이전에, 사용자 단말(100)의 위치 정보 및 거래 정보를 포함하는 라이프로그(Lifelog)를 수집할 수 있다. 이때, 라이프로그란 개개인의 일상생활에 대한 기록 및 정보를 의미한다. 스마트폰이나 웨어러블 디바이스에 내장된 센서들이 다양한 라이프로그를 생산될 수 있는데, 디바이스 및 플랫폼으로부터 독립적으로 송수신해야 한다. 이를 위하여, RESTful(Representational State Transfer) API를 이용한 인터페이스를 이용할 수 있고, 데이터 송수신 인터페이스는 URI를 통하여 사용자에게 데이터 수집 및 제공을 요청받으며 그 결과를 JSON 형식으로 반환할 수 있다.

로그수집부(380)는, 라이프로그를 종류별로 데이터를 수신할 수 있는데, 로그수집부(380)는 라이프로그를 종류별로 수신하여 분석에 필요한 데이터 유형들만 이용할 필요가 있다. 따라서 로그수집부(380)는 URI를 통해 사용자 단말(100)로부터 원하는 데이터의 종류를 요청받을 수 있도록 구성될 수 있다. 그리고, 로그수집부(380)는, 라이프로그를 시간대별로 수신하여 특정 날짜 혹은 기간 동안 수집된 데이터를 이용할 수 있고, 이를 위하여 URI를 통해 사용자 단말(100)로부터 원하는 시간대를 요청받을 수 있도록 구성될 수 있다. 그리고, 로그수집부(380)는, 각 사용자를 구분하기 위하여 사용자 단말(100)별로 사용자 정보인 데이터를 수집할 수 있다. 또한, 로그수집부(380)는, 수집된 라이프로그를 실시간으로 확인할 수 있고, 라이프로그 수집 현황의 확인이 최소한의 지연 시간을 지니도록 구성될 수 있다. 그리고, 로그수집부(380)는, 시간대별 수집 현황 분석하기 위하여, 현재까지 수집된 라이프로그를 시간대별로 분석한 결과를 확인할 수 있는 시각화 도구를 더 구비할 수 있으며, 데이터 종류별 수집 현황 분석 결과를 구분할 수 있도록 구성될 수 있고, 사용자 유사도 분석을 통한 그룹을 생성할 수 있도록 구성될 수 있다.

다양한 서비스를 사용자에게 맞춤형으로 제공해 주기 위하여 사용자들의 이동 패턴을 이용한 그룹 생성이 필요하다. 사용자 이동 패턴의 유사도 분석을 통하여 사용자들의 그룹을 생성하고 이를 확인할 수 있도록 구성될 수 있다. 또한, 사용자는 걷기, 뛰기, 서있기, 운전하기 등과 같은 다양한 행동을 취하며 이동하기 때문에, 로그수집부(380)는, 사용자들의 이동 방식에 따른 행동을 분류하고 이동 패턴에 따른 결과를 확인할 수 있도록 구성될 수 있다. 마지막으로, 로그 분석부(380)는, 사용자의 이동 패턴을 지도상에 표기하여 직관적인 패턴 분석이 가능하도록 구성될 수 있으며, 이를 위하여, 사용자들의 이동 데이터를 지도상에 표기하여 경로의 사용 및 유사성 등을 확인할 수 있도록 시각화 도구를 더 구비할 수 있다.

이에, 로그수집부(380)는 수집된 라이프로그를 시간대별로 분류하여 기 설정된 날짜 또는 기간에 따라 데이터를 분류할 수 있고, 분류된 데이터를 이용하여 위치 정보 및 거래 정보가 유사한 사용자 그룹을 생성하고 맞춤형 상점을 추천하는 플랫폼을 구축할 수 있다. 또한, 로그수집부(380)는, 적어도 하나의 종류의 가중치 적용 알고리즘을 이용하여 사용자 행동 연관성이 기 설정된 기준값을 초과하고, 기 설정된 가맹점의 중요 조건에 가중치를 적용할 수 있다. 또한, 로그수집부(380)는, 라이프로그가 사용자 단말(100)에서 수집될 때, 사용자 단말(100)의 웹 또는 애플리케이션에서 독립적으로 송수신되어 변환된 JSON 포맷의 데이터를 분류하여 저장할 수 있음은 상술한 바와 같다. 그리고, 로그수집부(380)는, 수집된 라이프로그는 사용자 단말(100)에서 확인할 수 있도록 시각화된 데이터를 공유할 수도 있다.

로그수집부(380)는, 행위를 인지하는 방법을 더 포함할 수 있는데, 예를 들어, 사용자가 스마트폰을 소지할 때 자연적으로 발생하는 가속도 센서 값이나 자이로 센서 값을 이용하여 걷기, 뛰기, 정지를 구분할 수도 있다. 행동으로서의 분류를 위해 학습 알고리즘 중 확률적 분류 기법인 나이브 베이지안(Naive Bayesian)을 적용할 수 있지만 이에 한정하지는 않는다. 이렇게 수집된 데이터를 이용하여 로그수집부(380)는, 모델링을 수행하게 되며, 모델링의 결과로 생성된 모델 파일을 이용하여, 이후 새롭게 생성되는 센서 값들에 대해 분류가 수행되어 행동으로의 분류가 이루어질 수 있다.

덧붙여서, 본 발명의 일 실시예에 따른 매칭 방법은, 라이프로그 이외에도, 상황인식 기반으로 매칭을 수행할 수도 있다. 상황인식은 현실공간과 가상공간을 연결하여 가상공간에서 현실의 상황을 정보화하고 이를 이용하여 사용자 중심의 지능화된 서비스를 제공하는 기술이다. 상황은 어떤 한 개체의 상태를 특징화시킬 수 있도록 사용되는 정보인데, 예를 들어, 사용자의 환경에서 위치, 행동, 감정 등을 객체라고 나타낼 수 있으며, 사용자의 객체에 대한 정보 값과 그 정보들의 변화를 나타낸다. 여기서, 개체란 사용자와 시스템 자신을 포함하여 인간과 컴퓨터간의 상호작용에 연관된 모든 것들이다. 상황 정보에 대한 높은 수준의 추정적인 개념을 제공하기 위해 상황 모델링이 사용되는데, 맞춤형 매칭을 하기 위해서는 사용자의 사용자 정보 뿐만 아니라, 주변 환경을 분석하는 상황인식이 필요하다. 상황정보는 프로필, 서비스, 위치, 디바이스, 행동, 환경으로 분류하고 데이터를 정의할 수 있으나 이에 한정되지는 않는다.

이때, 온톨로지는 사람이 보유한 지식을 사람과 컴퓨터, 컴퓨터와 컴퓨터 사이에 정보를 공유할 수 있도록 표현할 수 있는데, 사람이 가지고 있는 지식을 컴퓨터가 처리하고 나아가서는 이해할 수 있는 형식으로 표현한 지식이다. 따라서, 개인화 추천 서비스에서 이용될 수 있도록 공통 상황정보에서 상속받아 만들어진 공간 상황정보와 디바이스 상황정보를 온톨로지 모델로 모델링할 수 있다. 매칭을 서비스하기 위하여 이기종 디바이스의 유동성이 보장되는 환경, 예를 들어, 스마트 TV, 랩탑, 로봇청소기, 인공지능 스피커와 같이 와이파이로 연결되는 환경이나, IoT로 연결되는 환경과 연동함으로써, 서비스 환경정보가 있는 공간 도메인 상황정보와 디바이스 도메인 상황정보를 통합하여 사용할 수도 있다. 예를 들어, 공통 상황정보는 상황에서 사람, 서비스, 위치, 장치, 행위, 환경으로 정의할 수 있고, 공간 상황정보와 디바이스 상황정보 모델은 공통 상황정보를 상속받아 구현하고 매칭 서비스에서는 공통 상황정보를 중심으로 통합할 수 있다. 공통 온톨로지의 행동은 공간 온톨로지와 디바이스 온톨로지에서 동시에 상속받을 수 있고, 공간 온톨로지는 환경, 장치, 실내, 행동에서 상속받은 클래스로 구성될 수 있다. 서비스 온톨로지를 사용하면 서비스 환경에 존재하는 디바이스 및 센싱 정보를 파악할 수 있어 서비스 대상자에게 최적화된 매칭을 제공할 수 있다.

이하, 상술한 도 2의 상점 노출 서비스 제공 서버의 구성에 따른 동작 과정을 도 3을 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.

도 3a를 참조하면, (a) 상점 노출 서비스 제공 서버(300)는, 사용자 단말(100)로부터 사용자 정보를 수집하여 분석 및 분류 후 데이터베이스에 저장한다. 마찬가지로, (b) 상점 노출 서비스 제공 서버(300)는, 적어도 하나의 가맹점 단말(400)로부터 가맹점의 정보를 수집하여 저장하고, 사용자 정보와 같이 분석 및 분류 후 데이터베이스에 저장하게 된다. 이때, 후술하겠지만, 상점 노출 서비스 제공 서버(300)는, 사용자 정보와 가맹점 정보를 별도의 데이터베이스 서버에 저장할 수 있는데, 하나로 통합하는 것을 배제하는 것은 아니다.

그리고, (c) 상점 노출 서비스 제공 서버(300)는, 사용자 단말(100)의 현재 위치를 기반으로 적어도 하나의 가맹점 단말(400)을 필터링하고, 필터링된 가맹점 단말(400)의 가맹점 정보와 사용자 정보를 각 파라미터별로 일대일 비교 및 매칭하여 점수를 부가할 수 있다. 그리고, (d) 상점 노출 서비스 제공 서버(300)는, 점수가 높은 순서대로 정렬하여 사용자 단말(100)로 전송하고, 사용자 단말(100)에서 선택된 가맹점의 쿠폰을 사용자 단말(100)로 전송하며, 해당 가맹점에서 결제 이벤트가 발생한 경우, 결제 로그를 기반으로 사용자 정보 및 가맹점 정보를 업데이트한다.

도 3b를 참조하면, (a) 본 발명의 일 실시예에 따른 상점 노출 서비스 제공 서버(300)의 구성을 도시한다. 이때, 미들웨어단에 구현된 상점 노출 서비스 제공 서버(300)는, 사용자 단말(100)의 트랜잭션을 저장하기 위해 블록체인의 블록을 생성해야 하는데, 블록생성에 지연이 발생하므로 이를 보완하기 위해 미들웨어단에서 검증한 결과를 토대로 트랜잭션을 허용하되, 그 결과를 이후에 블록체인에 저장하기 위하여 이루어진다. 이때, 상점 노출 서비스 제공 서버(300)는, 교차검증과 상호검증을 노드를 선정하여 진행하게 되는데, 이에 대한 상세한 설명은 본 출원인의 다른 출원특허에 게재되어 있으므로, 본 발명의 실시예에서 상세한 설명은 생략한다.

이때, 상점 노출 서비스 제공 서버(300)는, (b)와 같이 사용자 단말(100)로부터 정보를 수집하여 가맹점 단말(400)의 가맹점 정보와 비교 및 매칭을 수행하게 되는데, 그 단계는 도 3b의 (b)의 좌측부터 우측까지의 순서대로 진행하게 된다. 물론, 각 단계는 생략되거나 추가될 수 있으며 이에 한정되는 것은 아니다. 우선, 사전 정보 수집 단계(미도시)에서는, 예를 들어, 사용자 단말(100)의 생별, 나이, 생일을 포함하는 회원정보, 자주 가는 길, 구매 정보, 예약 정보를 포함하는 취향 정보, 시간별, 요일별, 일자별 결제정보를 포함하는 시간 정보, 할인정보를 받고자 하는 선호 품목 카테고리 5 개를 압력받거나 수집하게 된다. 그리고 나서, 상점 노출 서비스 제공 서버(300)는, 가맹점 정보를 수집 및 분석하고, 사용자 단말(100)의 위치를 확인하여 가맹점의 노출지역에 위치하는지를 확인하고, 회원 정보 분석 단계로 진입하여 수집된 사용자 정보를 분석한 후, 그 다음 가맹점 정보를 분석한다.

이때, 상점 노출 서비스 제공 서버(300)는, 등록된 가맹점의 메뉴, 판매 상품, 상점 위치, 목표 고객층, 원하는 노출 시간 등을 추출 및 분석하고, 대상 가맹점 정보와 사용자 정보를 비교하여 매칭점수가 높은 가맹점을 우선하여 노출하도록 분류를 시작한다. 또한, 상점 노출 서비스 제공 서버(300)는, 분류된 가맹점의 매칭점수에 기반하여 우선 노출하고, 사용자 단말(100)에서 원하는 가맹점을 선택하면, 해당 가맹점의 할인쿠폰을 제공하고 결제 프로세스를 진행하게 된다. 그리고, 상점 노출 서비스 제공 서버(300)는, 사용자 단말(100)에서 결제한 메뉴나 상품의 정보에 기반하여 사용자 정보 및 가맹점 정보를 업데이트하고 카테고리를 재분류하게 된다.

도 3c는 가맹점 분류 및 추천을 위한 매칭 프로세스를 도시하는데, 상점 노출 서비스 제공 서버(300)는, 사용자 정보에 포함된 파라미터, 즉 위치 정보, 시간 정보, 거래 정보, 및 기본 정보에 각각 1 점씩을 배점하고, 사용자 단말(100)로부터 제공되는 사용자 현재 위치 정보, 시간 정보, 기본 정보, 선호품목 카테고리와, 사용자 단말(100)의 라이프로그, 예를 들어, 요일별, 일자별, 시간별 결제 정보를, 적어도 하나의 가맹점의 가맹점 정보와 매칭시키고, 매칭되는 가맹점에 점수를 증가시킨다. 이때, 상점 노출 서비스 제공 서버(300)는, 복수의 가맹점의 점수가 동일할 경우, 선호품목 카테고리와 동일한 카테고리를 가지는 가맹점을 우선순위로 설정하고, 선호하는 품목이 동일한 경우 가맹점(상점)조회수나 리뷰 또는 평점이 높은순으로 우선순위를 설정한다. 이때, 가맹점조회수는, 예를 들어, 사용자가 가맹점 리스트에서 메뉴판으로 접속한 횟수를 의미할 수 있다. 상점 노출 서비스 제공 서버(300)는, 합산된 점수에 따라 매칭된 적어도 하나의 가맹점을 분류하여 일정 간격으로 사용자 단말(100)로 노출시킬 수 있고, 노출된 가맹점을 클릭하여 사용자 단말(100)의 접속이 있으면, 사용자 단말(100)은 상점 노출 서비스 제공 서버(300)로부터 가맹점주가 설정 또는 책정한 할인쿠폰을 제공받게 된다. 이러한 서비스는 도 3d 및 도 3e와 같은 화면으로 구현될 수 있으나, 이에 한정되지는 않는다.

이와 같은 도 2 및 도 3의 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 4는 본 발명의 일 실시예에 따른 도 1의 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 4를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 4에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.

도 4를 참조하면, 상점 노출 서비스 제공 서버(300)는, 적어도 하나의 가맹점 단말(400)로부터 가맹점 정보를 수집하여(S4100) 데이터베이스를 구축하고(S4200), 마찬가지로 적어도 하나의 사용자 단말(100)로부터 사용자 정보를 수집하여(S4300) 데이터베이스를 구축한다(S4400, S4500).

이때, 상점 노출 서비스 제공 서버(300)는, 실시간 사용자 정보에 기반하여(S4600), 가맹점 정보와의 일대일 매칭을 통하여 추천할 가맹점을 정렬시키고(S4700, S4800), 정렬된 리스트를 사용자 단말(100)로 전송하여 어느 하나의 가맹점이 선택된 경우(S4810, S4830), 사용자 단말(100)로 쿠폰을 전송하고(S4850) 해당 가맹점으로의 결제가 존재하는 경우(S4900), 결제 정보를 기반으로 사용자 정보 및 가맹점 정보를 업데이트한다(S4920).

상술한 단계들(S4100~S4920)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S4100~S4920)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.

이와 같은 도 4의 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 3을 통해 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5는 본 발명의 일 실시예에 따른 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법을 설명하기 위한 동작 흐름도이다. 도 5를 참조하면, 상점 노출 서비스 제공 서버는, 사용자 단말의 실시간 위치 정보를 기반으로 기 등록되어 저장된 적어도 하나의 가맹점 단말 및 적어도 하나의 가맹점 단말의 가맹점 정보를 추출한다(S5100).

그리고, 상점 노출 서비스 제공 서버는, 사용자 단말의 사용자 정보와 가맹점 정보에 포함된 파라미터를 비교하여 일치하는 파라미터에 점수를 증가시켜 매칭 점수를 산출하고(S5200), 산출된 매칭 점수가 높은 적어도 하나의 가맹점 단말을 리스트업하여 사용자 단말로 전송한다(S5300).

마지막으로, 상점 노출 서비스 제공 서버는, 사용자 단말에서 리스트업된 적어도 하나의 가맹점 단말 중 어느 하나를 선택하는 경우, 선택된 가맹점 단말과 기 매핑되어 저장된 쿠폰을 사용자 단말로 전송한다(S5400).

이와 같은 도 5의 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5를 통해 설명된 일 실시예에 따른 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.

전술한 본 발명의 일 실시예에 따른 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (10)

1. 상점 노출 서비스 제공 서버에서 실행되는 상점 노출 서비스 제공 방법에 있어서,
   사용자 단말로부터 기본 정보, 취향 정보, 거래 정보, 시간 정보, 및 적어도 하나의 선호품목 카테고리에 대응하는 선호 정보를 포함하는 사용자 정보를 입력 및 선택받는 단계;
   상기 적어도 하나의 가맹점 단말로부터 가맹점의 기본 정보, 위치 정보, 시간 정보, 및 거래 정보를 수집하는 단계;
   상기 사용자 단말의 위치 정보 및 거래 정보를 포함하는 라이프로그(Lifelog)를 수집하는 단계;
   상기 수집된 라이프로그를 시간대별로 분류하여 기 설정된 날짜 또는 기간에 따라 데이터를 분류하는 단계;
   상기 분류된 데이터를 이용하여 위치 정보 및 거래 정보가 유사한 사용자 그룹을 생성하고 맞춤형 상점을 추천하는 플랫폼을 구축하는 단계;
   적어도 하나의 종류의 가중치 적용 알고리즘을 이용하여 사용자 행동 연관성이 기 설정된 기준값을 초과하고, 기 설정된 가맹점의 중요 조건에 가중치를 적용하는 단계;
   사용자 단말의 실시간 위치 정보를 기반으로 기 등록되어 저장된 적어도 하나의 가맹점 단말 및 상기 적어도 하나의 가맹점 단말의 가맹점 정보를 추출하는 단계;
   상기 사용자 단말의 사용자 정보와 상기 가맹점 정보에 포함된 파라미터를 비교하여 일치하는 파라미터에 점수를 증가시켜 매칭 점수를 산출하는 단계;
   상기 산출된 매칭 점수가 높은 적어도 하나의 가맹점 단말을 리스트업하여 상기 사용자 단말로 전송하는 단계; 및
   상기 사용자 단말에서 리스트업된 적어도 하나의 가맹점 단말 중 어느 하나를 선택하는 경우, 상기 선택된 가맹점 단말과 기 매핑되어 저장된 쿠폰을 상기 사용자 단말로 전송하는 단계를 포함하며,
   상기 사용자 단말의 사용자 정보와 상기 가맹점 정보에 포함된 파라미터를 비교하여 일치하는 파라미터에 점수를 증가시켜 매칭 점수를 산출하는 단계는,
   상기 사용자 정보 및 가맹점 정보에 포함된 적어도 하나의 파라미터를 비교하여 일치하는 파라미터를 증가시켜 상기 적어도 하나의 파라미터에 대한 점수를 합산하는 단계;
   상기 합산된 매칭 점수를 기 설정된 우선순위 구간의 점수와 비교하여 우선순위를 설정하는 단계; 및
   상기 설정된 우선순위로 상기 적어도 하나의 가맹점 단말을 내림차순 정렬하는 단계를 포함하며,
   상기 산출된 매칭 점수가 높은 적어도 하나의 가맹점 단말을 리스트업하여 상기 사용자 단말로 전송하는 단계는,
   상기 수집된 라이프로그를 기반으로 베이지안 네트워크를 통해 현재 행동과 현재 장소를 확인하고, 연관 분석을 통해 미래 행동과 미래 장소를 예측하고, 상기 예측된 행동과 장소를 과거 라이프로그 데이터베이스를 참조하여 유사도 계산을 통해 성향이 비슷한 사람들을 찾고 동시에 확률기반 베이지안 네트워크를 통해 현재 사용자에게 적합한 추천종류를 결정하고, 성향이 비슷한 사람들이 추천한 정보, 행동, 장소와 추천종류를 근거로 추천 콘텐츠 데이터베이스를 참조해 협업 필터링 기법 및 암시적 피드백을 적용하여 사용자에게 적합한 가맹점을 추천하며,
   상기 암시적 피드백은,
   사용자가 추천을 받았음에도 이용하지 않는 경우 및 스크롤 시간이 기준시간보다 부족하여 관심결여로 판단되는 경우를 포함하며,
   화면 응시 시간, 스크롤 시간, 화면에 머문 시간 및 다시 해당 화면을 찾는 키스트로크를 이용하여 관심도를 추론하고, 상기 추론된 관심도를 다음 필터링에 이용하는 것을 특징으로 하는 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법.
   
2. 삭제
3. 제 1 항에 있어서,
   상기 사용자 단말에서 리스트업된 적어도 하나의 가맹점 단말 중 어느 하나를 선택하는 경우, 상기 선택된 가맹점 단말과 기 매핑되어 저장된 쿠폰을 상기 사용자 단말로 전송하는 단계 이후에,
   상기 사용자 단말에서 상기 쿠폰을 이용하여 상기 선택된 가맹점 단말에서 주문 및 결제를 수행하는 경우, 상기 사용자 단말, 선택된 가맹점 단말, 및 주문된 상품을 이용하여 상기 사용자 정보 및 가맹점 정보를 업데이트하는 단계;
   를 더 포함하는 것인, 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법.
   
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 제 1 항에 있어서,
   상기 라이프로그가 상기 사용자 단말에서 수집될 때, 상기 사용자 단말의 웹 또는 애플리케이션에서 독립적으로 송수신되어 변환된 JSON 포맷의 데이터를 분류하여 저장하는 것인, 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법.
   
9. 제 1 항에 있어서,
   상기 상점 노출 서비스 제공 서버는,
   적어도 하나의 노드로 이루어지는 블록체인과 상기 사용자 단말 및 가맹점 단말을 연결하는 미들웨어(Middleware) 단에 위치한 서버인 것인, 블록체인 간편결제 플랫폼 기반 O2O 소비패턴 맞춤형 상점 노출 서비스 제공 방법.
   
10. 삭제

Images