KR102131799B1

KR102131799B1 - 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치

Info

Publication number: KR102131799B1
Application number: KR1020130052538A
Authority: KR
Inventors: 한정
Original assignee: 에스케이플래닛 주식회사
Priority date: 2013-05-09
Filing date: 2013-05-09
Publication date: 2020-07-08
Also published as: KR20140133663A

Abstract

본 발명은 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치를 개시한다. 즉, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하고, 상기 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 제공하도록 함으로써, 추천상품에 대한 신뢰성을 높여 구매자의 만족도를 높임과 동시에 상품 판매자의 수익을 증대시킬 수 있다.

Description

상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치{SYSTEM AND METHOD FOR PRODUCTS RECOMMENDATION SERVICE, AND APPARATUS APPLIED TO THE SAME}

본 발명은 상품 추천 서비스와 관련하여, 추천상품을 결정하기 위한 다양한 개별추천알고리즘 중에서, 구매자에게 적합한 개별추천알고리즘을 취사 선택하여 그에 따른 추천상품목록을 구성하여 제공하기 위한 방법에 관한 것이다.

인터넷이나 모바일 포털 사이트를 포함하는 서비스페이지에서는 구매자(혹은 구매를 위해 방문한 고객)가 방문하는 경우에, 구매자에게 적합한 상품을 추천하는 상품 추천 서비스를 제공하고 있다.

이러한 상품 추천 서비스에서는 추천상품을 결정하기 위한 다양한 개별추천알고리즘을 적용하여 구매자에게 적합한 추천상품목록을 구성하여 제공하는 것이 일반적이다.

이에, 구매자를 대상으로 만족도 높은 상품 추천 서비스를 제공하기 위해서는, 추천상품을 결정하기 위한 다양한 개별추천알고리즘 중, 구매자에게 가장 적합한 개별추천알고리즘을 취사 선택하여 그에 따른 추천상품목록을 제공하는 것이 중요하다 할 것이다.

본 발명은 상기한 사정을 감안하여 창출된 것으로서, 본 발명에서 도달하고자 하는 목적은 개별추천알고리즘을 기초로 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하고, 상기 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 제공하도록 함으로써, 추천상품에 대한 신뢰성을 높여 구매자의 만족도를 높임과 동시에 상품 판매자의 수익을 증대시키는데 있다.

상기 목적을 달성하기 위한 본 발명의 제 1 관점에 따른 서비스장치는, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하는 생성부; 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 판단하는 판단부; 및 상기 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 제공하도록 하는 선택부를 포함하는 것을 특징으로 한다.

보다 구체적으로, 상기 서비스장치는, 상기 구매자가 구매한 구매상품목록을 수집하는 수집부를 더 포함하며, 상기 판단부는, 상기 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 상기 구매상품목록에 포함되는 추천상품을 확인하여 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하는 것을 특징으로 한다.

보다 구체적으로, 상기 판단부는, 상기 개별추천알고리즘 각각에 대하여, 상기 구매상품목록에 포함된 전체구매상품의 개수, 대비 상기 기 생성된 각각의 추천상품목록에서 상기 구매상품목록에 포함되는 추천상품의 개수 간의 비율을 기초로 상기 구매자와의 적합도를 판단하는 것을 특징으로 한다.

보다 구체적으로, 상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각에는, 상기 개별추천알고리즘 각각에서 산출된 개별추천점수가 부여되며, 상기 선택부는, 상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각의 상기 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용하여 산출되는 최종추천점수를 기초로, 상기 적어도 두개의 추천상품목록 중 적어도 하나로부터 상기 구매자에 적합한 추천상품을 선택하는 것을 특징으로 한다.

보다 구체적으로, 상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각에는, 상기 최종추천점수 크기에 따른 우선순위가 책정되며, 상기 선택부는, 상기 적어도 두개의 추천상품목록에 포함되는 전체 추천상품 중에서 상기 우선순위가 높은 추천상품을 상기 구매자에게 적합한 추천상품으로 선택하는 것을 특징으로 한다.

상기 목적을 달성하기 위한 본 발명의 제 2 관점에 따른 상품 추천 서비스 방법은, 단말장치가 구매자에 대한 추천상품을 요청하는 요청단계; 서비스장치가 개별추천알고리즘을 기초로 상기 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하는 생성단계; 및 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 상기 단말장치에 제공하도록 하는 선택단계를 포함하는 것을 특징으로 한다.

상기 목적을 달성하기 위한 본 발명의 제 3 관점에 따른 서비스장치의 동작 방법은, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하는 생성단계; 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 판단하는 판단단계; 및 상기 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 제공하도록 하는 선택단계를 포함하는 것을 특징으로 한다.

보다 구체적으로, 상기 방법은, 상기 판단단계 이전에, 상기 구매자가 구매한 구매상품목록을 수집하는 수집단계를 더 포함하며, 상기 판단단계는, 상기 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 상기 구매상품목록에 포함되는 추천상품을 확인하여 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하는 것을 특징으로 한다.

보다 구체적으로, 상기 판단단계는, 상기 개별추천알고리즘 각각에 대하여, 상기 구매상품목록에 포함된 전체구매상품의 개수, 대비 상기 기 생성된 각각의 추천상품목록에서 상기 구매상품목록에 포함되는 추천상품의 개수 간의 비율을 기초로 상기 구매자와의 적합도를 판단하는 것을 특징으로 한다.

보다 구체적으로, 상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각에는, 상기 개별추천알고리즘 각각에서 산출되는 개별추천점수가 부여되며, 상기 선택단계는, 상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각의 상기 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용하여 산출되는 최종추천점수를 기초로, 상기 적어도 두개의 추천상품목록 중 적어도 하나로부터 상기 구매자에 적합한 추천상품을 선택하는 것을 특징으로 한다.

보다 구체적으로, 상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각에는, 상기 최종추천점수 크기에 따른 우선순위가 책정되며, 상기 선택단계는, 상기 적어도 두개의 추천상품목록에 포함되는 전체 추천상품 중에서 상기 우선순위가 높은 추천상품을 상기 구매자에게 적합한 추천상품으로 선택하는 것을 특징으로 한다.

상기 목적을 달성하기 위한 본 발명의 제 4 관점에 따른 컴퓨터 판독 가능 매체는, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하는 생성단계; 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 판단하는 판단단계; 및 상기 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 제공하도록 하는 선택단계를 수행하기 위한 명령들을 포함하는 것을 특징으로 한다.

상기 목적을 달성하기 위한 본 발명의 제 5 관점에 따른 상품 추천 서비스 시스템은, 구매자에 대한 추천상품을 요청하여 수신하는 단말장치; 및 개별추천알고리즘을 기초로 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하고, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 상기 단말장치에 제공하도록 하는 서비스장치를 포함하는 것을 특징으로 한다.

이에, 본 발명의 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치에 의하면, 추천상품을 결정하기 위한 다양한 개별추천알고리즘 중에서, 구매자에게 적합한 개별추천알고리즘을 취사 선택하여 그에 따른 추천상품목록을 구성하여 제공함으로써, 추천상품에 대한 신뢰성을 높여 구매자의 만족도를 높임과 동시에 상품 판매자의 수익을 증대시킬 수 있다.

도 1은 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템의 개략적인 구성도.
도 2는 본 발명의 일 실시예에 따른 서비스장치의 구성도.
도 3은 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템에서의 동작 흐름을 설명하기 위한 개략적인 순서도.
도 4는 본 발명의 일 실시예에 따른 서비스장치에서의 동작 흐름을 설명하기 위한 개략적인 순서도.

이하, 첨부된 도면을 참조하여 본 발명의 일 실시예에 대하여 설명한다.

도 1은 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템을 도시한 도면이다.

도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템은, 서비스장치(200)로부터 구매자에게 적합한 추천상품을 요청하여 수신하는 단말장치(100), 및 구매자에게 적합한 추천상품을 제공하는 서비스장치(200)를 포함하는 구성을 갖는다.

단말장치(100)는 서비스장치(200)에 접속하여 구매자에게 적합한 추천상품을 수신하기 위한 사용자 디바이스를 지칭하는 것으로서, 예를 들어, 스마트폰, 개인용컴퓨터, 노트북, 및 테블릿 PC, 등이 해당될 수 있으며, 이에 제한되는 것이 서비스장치(200)에 접속 가능한 장치는 모두 포함될 수 있다.

서비스장치(200)는 단말장치(100)를 통해 서비스페이지에 접속한 구매자를 대상으로 추천상품을 제공하기 위한 서버를 지칭하기 위한 것으로서, 인터넷이나 모바일 웹을 통해 서비스페이지에 접속한 구매자를 대상으로 상품을 판매함과 동시에 추천상품을 제공하거나, 또는 추천상품만을 제공하기 위한 별도의 서버로 구성될 수 있다.

여기서, 구매자에게 판매되는 상품의 경우 예를 들어, 어플리케이션과, 컨텐츠와 같이 그 특성에 따라 상품카테고리를 분류할 수 있으며, 나아가 상품의 세부적인 특성에 따라 다양한 상품카테고리(예: 게임, 학습, 영화, 드라마, 및 도서 등)로 추가 분류할 수 있다.

한편, 본 발명의 일 실시예에 따르면, 서비스장치(200)에서는 추천상품을 결정하기 위한 다양한 개별추천알고리즘을 적용하여 구매자에게 적합한 추천상품목록을 구성하여 제공하는 상품 추천 서비스를 제공하고 있다.

여기서, 개별추천알고리즘의 경우, 예를 들어, 나와 비슷한 것은 구매한 다른 구매자가 많이 구매하는 아이템을 추천하는 방식인 협업 필터링(Collaborative Filtering), A를 구매한 사용자는 B를 구매하는 경우가 많으므로 A를 구매한 사용자에게 B를 추천하는 방식인 연관성 분석(Association Rule) 등이 적용된다.

그 밖에, 서비스 또는 상품 특성에 맞춘 연속성 추천, 장르 추천, 성/연령 Best 추천, 및 인물 유사도 추천 등의 다양한 개별추천알고리즘이 추가 적용될 수 있다.

이러한, 개별추천알고리즘의 경우, 자체적인 성능 측정 방안(Performance measure)을 가지고 있기 때문에 알고리즘 간의 성과를 직접적으로 평가하기는 어려운 점이 있다.

예를 들어, 상품 추천 서비스에 사용되는 개별추천알고리즘은 개별 특성에 맞춰 추천상품목록을 만들어 주며, 해당 추천상품목록에 포함된 추천상품들은 개별추천알고리즘 자체의 기준에 따라 우선순위(Rank)가 결정할 수 있다.

그러나, 전술한 바와 같이 서로 다른 개별추천알고리즘 간의 비교는 불가능하므로 각 개별추천알고리즘에서 도출된 결과를 하나로 통합하기 위한 인위적 작업이 요구된다.

이렇듯, 복수의 개별추천알고리즘을 적용하고 있는 상품 추천 서비스 있어서 구매자의 높은 서비스 만족도를 유지시키기 위해서는, 복수의 개별추천알고리즘 중에서, 구매자에게 가장 적합한 개별추천알고리즘을 취사 선택하는 것이 무엇보다 중요하다 할 것이다.

이에, 본 발명의 일 실시예에서는, 상품 추천 서비스와 관련하여 추천상품을 결정하기 위한 다양한 개별추천알고리즘 중에서, 구매자에게 적합한 개별추천알고리즘을 취사 선택하여 그에 따른 추천상품목록을 구성하여 제공하기 위한 방안을 제안하고자 하며, 이하에서는 이를 구체적으로 설명하기로 한다.

단말장치(100)는 서비스장치(200)에 접속하여 추천상품을 요청하는 기능을 수행한다.

보다 구체적으로, 단말장치(100)는 인터넷 또는 모바일 웹을 통해 서비스페이지에 접속하여, 예를 들어 구매자의 개인정보(예: ID / PW)를 서비스장치(200)에 전달함으로써, 서비스장치(200)로 하여금 상기 구매자의 개인정보를 기초로 구매자에 적합한 추천상품을 결정할 수 있도록 한다.

서비스장치(200)는 구매자를 대상으로 하는 복수의 추천상품목록을 생성하는 기능을 수행한다.

보다 구체적으로, 서비스장치(200)는 서비스페이지에 접속된 단말장치(100)로부터 구매자의 개인정보가 수신되어, 추천상품이 요청되는 경우, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록을 생성하게 된다.

또한, 서비스장치(200)는 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하는 기능을 수행한다.

보다 구체적으로, 서비스장치(200)는 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록의 생성이 완료되면, 구매자의 구매상품목록을 기초로 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하게 된다.

이를 위해, 서비스장치(200)는 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하기 위해, 구매자의 개인정보를 기초로 과거 구매자들이 구매한 구매상품목록을 수집하게 된다.

이를 기반으로, 서비스장치(200)는 과거 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 구매상품목록에 포함되는 추천상품을 확인함으로써, 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하게 된다.

또한, 서비스장치(200)는 구매자에게 적합한 추천상품을 선택하는 기능을 수행한다.

보다 구체적으로, 서비스장치(200)는 개별추천알고리즘 각각에 대한 구매자와의 적합도가 판단되면, 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 다수의 추천상품목록에서 구매자에게 적합한 추천상품을 선택하여 단말장치(100)에 제공하게 된다.

이때, 서비스장치(200)는 다수의 추천상품목록에 포함되는 추천상품 모두의 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용함으로써, 추천상품 각각에 대한 최종추천점수를 산출하고, 최종추천점수의 크기 큰 추천상품을 구매자에게 적합한 추천상품으로 우선적으로 선택하게 된다.

이하에서는, 도 2를 참조하여 본 발명의 일 실시예에 따른 서비스장치(200)의 구성을 보다 구체적으로 설명하도록 한다.

즉, 본 발명의 일 실시예에 따른 서비스장치(200)는 추천상품목록을 생성하기 위한 생성부(210), 구매자와의 적합도를 판단하기 위한 판단부(220), 및 추천상품을 선택하기 위한 선택부(230)를 포함하는 구성을 갖는다.

또한, 본 발명의 일 실시예에 따른 서비스장치(200)는 전술한 구성 이외에, 단말장치(100)로부터 구매자 식별정보를 수신하기 위한 수신부(240), 구매상품목록을 수집하기 위한 수집부(250) 및 단말장치(100)에 대해 추천상품을 제공하기 위한 제공부(260)를 더 포함하는 구성을 가질 수 있다.

여기서, 전술한 생성부(210), 판단부(220), 선택부(230), 수신부(240), 수집부(250), 및 제공부(260)를 포함하는 서비스장치(200)의 각 구성은, 프로세서에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다.

생성부(210)는 구매자를 대상으로 하는 복수의 추천상품목록을 생성하는 기능을 수행한다.

보다 구체적으로, 생성부(210)는 수신부(240)를 통해 서비스페이지에 접속된 단말장치(100)로부터 구매자의 개인정보가 수신되어, 추천상품이 요청되는 경우, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록을 생성하게 된다.

예를 들어, 생성부(210)는 아래 [표 1]과 같이 유사도(Similarity) 기반의 개별추천알고리즘(알고리즘 1)에 기초한 추천상품목록과, 아래 [표 2]와 같이 신뢰도[Confidence, P(B|A) = P(A∩B) / P(A)] 기반의 개별추천알고리즘(알고리즘 2)에 기초한 추천상품목록, 그리고, 아래 [표 3]과 같이 향상도[Lift, P(A∩B) = P(A)*P(B)] 기반의 개별추천알고리즘(알고리즘 N)에 기초한 추천상품목록 등을 생성할 수 있다.

이때, 생성부(210)는 각 추천상품목록에 포함되는 추천상품 각각에, 개별추천알고리즘별 자체 기준에 따른 개별추천점수(Score)를 부여하고, 개별추천점수의 크기에 따른 우선순위(Rank)를 책정하게 된다[Score(i,j) : i번째 개별추천알고리즘의 j번째 결과의 개별추천점수(1≤i≤N)].

Rank	Item	Score(1, rank)
1	AA01	0.98
2	AA02	0.94
…		…
99	AA99	0.33
100	AA100	0.31

Rank	Item	Score(2, rank)
1	BB01	0.99
2	BB02	0.92
…		…
99	BB99	0.12
100	BB100	0.11

Rank	Item	Score(N,rank)
1	ZZ01	3.84
2	ZZ02	2.32
…		…
99	ZZ99	1.14
100	ZZ100	1.08

여기서, 신뢰도(Confidence)와, 향상도(Lift) 기반의 개별추천알고리즘 모두는 A와 B간의 연관 규칙 (AR: Association Rule) 을 평가하기 위한 알고리즘을 지칭한다.

예를 들어, (A, B)의 신뢰도와, 향상도가 각각 '0.3', '2' 이며, (A, C)의 신뢰도와, 향상도가 각각 '0.5', '1.5'인 상태에서, 신뢰도 기반으로 상품을 추천하고자 하는 경우에는 A를 구매한 구매자에게는 C를 추천하게 되며, 반면, 향상도 기반으로 상품을 추천하고자 하는 경우에는, A를 구매한 구매자에게 B를 추천할 수 있다.

그리고, 생성부(210)는 개별추천알고리즘에 기초한 복수의 추천상품목록이 생성되면, 각 추천상품목록에 포함되는 추천상품의 개별추천점수를 정규화한다.

예를 들어, 생성부(210)는 상기 [표 1] 내지 [표 3]과 같은, 구매자를 대상으로 하는 복수의 추천상품목록 각각을 아래 [표 4] 내지 [표 6]과 같이 각 추천상품목록에 포함되는 추천상품의 개별추천점수가 '0'에서 '100' 사이가 될 수 있도록 정규화하게 된다.

Rank	Item	Score(1, rank)
1	AA01	100
2	AA02	98
…		…
99	AA99	2
100	AA100	0

Rank	Item	Score(2, rank)
1	BB01	100
2	BB02	91
…		…
99	BB99	1
100	BB100	0

Rank	Item	Score(N,rank)
1	ZZ01	100
2	ZZ02	83
…		…
99	ZZ99	2
100	ZZ100	0

판단부(220)는 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하는 기능을 수행한다.

보다 구체적으로, 판단부(220)는 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록의 생성이 완료되면, 구매자의 구매상품목록을 기초로 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하게 된다.

이를 위해, 수집부(250)는 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하기 위해, 구매자의 개인정보를 기초로 과거 구매자들이 구매한 구매상품목록을 수집하게 된다.

이를 기반으로, 판단부(220)는 과거 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 구매상품목록에 포함되는 추천상품을 확인함으로써, 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하게 된다.

즉, 판단부(220)는 개별추천알고리즘 각각에 대하여, 아래 [수식 1]과 같이 상기 구매상품목록에 포함된 전체구매상품의 개수, 대비 상기 기 생성된 각각의 추천상품목록에서 상기 구매상품목록에 포함되는 추천상품의 개수 간의 비율인 구매자와의 적합도를 판단하는 것이다.

[수식 1]

구매자와의 적합도 = 추천상품목록 ∩ 구매상품목록/ 전체구매상품 * 100

예를 들어, 판단부(220)는 과거 1일(예: 어제) 동안 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록과, 마찬가지로 과거 1일(예: 어제) 구매자가 구매한 구매상품목록을 비교함으로써, 아래 [표 7]과 같이 개별추천알고리즘(알고리즘 '1' 내지 알고리즘 'N') 각각에 대한 구매자와의 적합도를 판단할 수 있다.

알고리즘1	알고리즘2	…	알고리즘N
0.32	0.40		0.25

참고로, 상기 [표 7]에서 알고리즘 2의 경우, 구매자의 구매상품이 5개가 존재하며, 그 중 2개의 구매상품이 추천상품목록에 해당되는 것을 의미하게 되는 것이다.

선택부(230)는 구매자에게 적합한 추천상품을 선택하는 기능을 수행한다.

보다 구체적으로, 선택부(230)는 개별추천알고리즘 각각에 대한 구매자와의 적합도가 판단되면, 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 다수의 추천상품목록에서 구매자에게 적합한 추천상품을 선택함으로써, 제공부(260)로 하여금 단말장치(100)에 제공하게 된다.

이때, 선택부(230)는 아래 [수식 2]와 같이 다수의 추천상품목록에 포함되는 추천상품 모두의 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용함으로써, 추천상품 각각에 대한 최종추천점수를 산출한다.

[수식 2]

최종추천점수(Final score) = 개별추천점수(Score) * 구매자와의 적합도

그리고, 선택부(230)는 최종추천점수의 산출이 완료되면, 아래 [표 8]과 같이 다수의 추천상품목록에 포함되는 추천상품 모두에 최종추천점수의 크기에 따른 우선순위를 책정하여 전체추천상품목록으로 구성하게 된다.

Item	Score(i, j)	Final_score(i, j)
BB01	100	40
BB02	91	36.4
AA01	100	32
AA02	98	31.36
ZZ01	100	25
ZZ02	83	20.75
…	…	…
AA99	2	0.64
ZZ99	2	0.5
BB99	1	0.4
AA100	0	0
BB100	0	0
CC100	0	0

나아가, 선택부(230)는 최종추천점수의 크기에 따른 우선순위가 책정된 전체 추천상품목록에서 우선순위가 높은 추천상품을 상기 구매자에게 적합한 추천상품으로 우선적으로 선택하게 된다.

예를 들어, 구매자에게 제공되어야 할 추천상품의 개수가 100개인 경우에는, 상위 100위까지의 우선순위를 갖는 각각의 추천상품을 구매자에게 적합한 추천상품으로 선택하여 단말장치(100)에 제공할 수 있다.

이상에서 살펴본 바와 같이, 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템에 따르면, 추천상품을 결정하기 위한 다양한 개별추천알고리즘 중에서, 구매자에게 적합한 개별추천알고리즘을 취사 선택하여 그에 따른 추천상품목록을 구성하여 제공함으로써, 추천상품에 대한 신뢰성을 높여 구매자의 만족도를 높임과 동시에 상품 판매자의 수익을 증대시킬 수 있다.

이하에서는 도 3 및 도 4를 참조하여, 본 발명의 일 실시예에 따른 상품 추천 서비스 방법을 설명하도록 한다. 여기서, 설명의 편의를 위해 전술한 도 1 및 도 2에 도시된 구성은 해당 참조번호를 언급하여 설명하겠다.

우선, 도 3을 참조하여 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템에서의 동작 흐름을 설명하도록 한다.

먼저, 단말장치(100)는 인터넷 또는 모바일 웹을 통해 서비스페이지에 접속하여, 예를 들어 구매자의 개인정보(예: ID / PW)를 서비스장치(200)에 전달함으로써, 서비스장치(200)로 하여금 상기 구매자의 개인정보를 기초로 구매자에 적합한 추천상품을 선택할 수 있도록 한다(S110).

그리고 나서, 서비스장치(200)는 서비스페이지에 접속된 단말장치(100)로부터 구매자의 개인정보가 수신되어, 추천상품이 요청되는 경우, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록을 생성한다(S120).

이때, 서비스장치(200)는 추천상품목록에 포함되는 추천상품 각각에, 개별추천알고리즘별 자체 기준에 따른 개별추천점수(Score)를 부여하고, 개별추천점수의 크기에 따른 우선순위(Rank)를 책정하게 된다.

그런 다음, 서비스장치(200)는 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록의 생성이 완료되면, 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하기 위해, 구매자의 개인정보를 기초로 과거 구매자들이 구매한 구매상품목록을 수집한다(S130).

이어서, 서비스장치(200)는 과거 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 구매상품목록에 포함되는 추천상품을 확인함으로써, 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하게 된다(S140).

이후, 서비스장치(200)는 개별추천알고리즘 각각에 대한 구매자와의 적합도가 판단되면, 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 다수의 추천상품목록에서 구매자에게 적합한 추천상품을 선택하여 단말장치(100)에 제공하게 된다(S150-S160).

이하에서는 도 4를 참조하여 본 발명의 일 실시예에 따른 서비스장치(200)의 동작을 구체적으로 설명하도록 한다.

먼저, 생성부(210)는 수신부(240)를 통해 서비스페이지에 접속된 단말장치(100)로부터 구매자의 개인정보가 수신되어, 추천상품이 요청되는 경우, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록을 생성한다(S210).

이때, 생성부(210)는 추천상품목록에 포함되는 추천상품 각각에, 개별추천알고리즘별 자체 기준에 따른 개별추천점수(Score)를 부여하고, 개별추천점수의 크기에 따른 우선순위(Rank)를 책정하게 된다.

그리고, 생성부(210)는 개별추천알고리즘에 기초한 복수의 추천상품목록이 생성되면, 각 추천상품목록에 포함되는 추천상품의 개별추천점수를 예컨대, '0'에서 '100' 사이가 될 수 있도록 정규화하게 된다.

그리고 나서, 수집부(250)는 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하기 위해, 구매자의 개인정보를 기초로 과거 구매자들이 구매한 구매상품목록을 수집한다(S220).

그런 다음, 판단부(220)는 과거 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 구매상품목록에 포함되는 추천상품을 확인함으로써, 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하게 된다(S230).

이때, 판단부(220)는 개별추천알고리즘 각각에 대하여, 상기 구매상품목록에 포함된 전체구매상품의 개수, 대비 상기 기 생성된 각각의 추천상품목록에서 상기 구매상품목록에 포함되는 추천상품의 개수 간의 비율인 구매자와의 적합도를 판단하는 것이다.

다음으로, 다수의 추천상품목록에 포함되는 추천상품 모두의 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용함으로써, 추천상품 각각에 대한 최종추천점수를 산출한다(S240).

이때, 선택부(230)는 최종추천점수의 산출이 완료되면, 다수의 추천상품목록에 포함되는 추천상품 모두에 최종추천점수의 크기에 따른 우선순위를 책정하여 전체추천상품목록으로 구성하게 된다.

이후, 선택부(230)는 최종추천점수의 크기에 따른 우선순위가 책정된 전체 추천상품목록에서 우선순위가 높은 추천상품을 상기 구매자에게 적합한 추천상품으로 우선적으로 선택함으로써, 제공부(260)로 하여금 선택된 추천상품을 단말장치(100)에 제공하도록 한다(S250-S260).

이상에서 살펴본 바와 같이, 본 발명의 일 실시예에 따른 상품 추천 서비스 방법에 따르면, 추천상품을 결정하기 위한 다양한 개별추천알고리즘 중에서, 구매자에게 적합한 개별추천알고리즘을 취사 선택하여 그에 따른 추천상품목록을 구성하여 제공함으로써, 추천상품에 대한 신뢰성을 높여 구매자의 만족도를 높임과 동시에 상품 판매자의 수익을 증대시킬 수 있다.

한편, 여기에 제시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

지금까지 본 발명을 바람직한 실시 예를 참조하여 상세히 설명하였지만, 본 발명이 상기한 실시 예에 한정되는 것은 아니며, 이하의 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 또는 수정이 가능한 범위까지 본 발명의 기술적 사상이 미친다 할 것이다.

본 발명의 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치에 따르면, 추천상품을 결정하기 위한 복수의 알고리즘의 조합을 통해 구매자에게 적합한 추천상품을 결정한다는 점에서, 기존 기술의 한계를 뛰어 넘음에 따라 관련 기술에 대한 이용만이 아닌 적용되는 장치의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.

100: 단말장치
200: 서비스장치
210: 생성부 220: 판단부
230: 선택부 240: 수신부
250: 수집부 260: 제공부

Claims

개별추천알고리즘을 기초로 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하는 생성부;
상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 판단하는 판단부; 및
상기 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 추천할 추천상품을 선택하여, 제공하도록 하는 선택부를 포함하며,
상기 판단부는,
상기 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 상기 구매자가 구매한 구매상품목록에 포함되는 추천상품을 확인하여 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하며,
상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각에는, 상기 개별추천알고리즘 각각에서 산출된 개별추천점수가 부여되며,
상기 선택부는,
상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각의 상기 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용하여 산출되는 최종추천점수를 기초로, 상기 적어도 두개의 추천상품목록 중 적어도 하나로부터 상기 구매자에 적합한 추천상품을 선택하는 것을 특징으로 하는 서비스장치.
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제