KR102144943B1 - 오프라인 매장의 잠재고객을 위한 상품 추천 시스템 및 상품추천방법 - Google Patents

오프라인 매장의 잠재고객을 위한 상품 추천 시스템 및 상품추천방법 Download PDF

Info

Publication number
KR102144943B1
KR102144943B1 KR1020180069536A KR20180069536A KR102144943B1 KR 102144943 B1 KR102144943 B1 KR 102144943B1 KR 1020180069536 A KR1020180069536 A KR 1020180069536A KR 20180069536 A KR20180069536 A KR 20180069536A KR 102144943 B1 KR102144943 B1 KR 102144943B1
Authority
KR
South Korea
Prior art keywords
product
customer
information
evaluation
style
Prior art date
Application number
KR1020180069536A
Other languages
English (en)
Other versions
KR20190142526A (ko
Inventor
유승상
Original Assignee
유승상
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 유승상 filed Critical 유승상
Priority to KR1020180069536A priority Critical patent/KR102144943B1/ko
Publication of KR20190142526A publication Critical patent/KR20190142526A/ko
Application granted granted Critical
Publication of KR102144943B1 publication Critical patent/KR102144943B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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
    • G06Q30/0267—Wireless devices
    • 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
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • 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
    • G06Q30/0277—Online advertisement

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

오프라인 매장의 잠재고객을 위한 상품추천시스템 및 방법을 개시한다. 상품추천시스템은 매장으로 들어온 고객을 인식하고, 인식된 고객정보를 전송하는 고객인식장치; 고객정보를 기반으로 고객의 선호스타일, 사이즈를 포함하는 고객맞춤상품정보를 추출하고, 고객맞춤상품정보를 이용하여 매장에 구비된 상품 중 고객의 선호스타일에 부합하는 상품을 추천하는 상품추천 서버; 상품추천서버로부터 추천된 상품을 전달받아 디스플레이하는 고객단말; 을 포함한다. 실시예에 따른 상품추천서버; 는 고객단말로 매장에 구비된 상품을 인식하는 경우, 인식한 상품정보를 기반으로 고객과의 매칭평가점수를 연산하여, 연산된 매칭평가점수 결과에 따라, 상품구매를 권유한다.

Description

오프라인 매장의 잠재고객을 위한 상품 추천 시스템 및 상품추천방법 {PRODUCT RECOMMENDATION SYSTEM AND PRODUCT RECOMMENDATION METHOD FOR PROSPECTIVE CUSTOMERS IN OFFLINE STORES}
상품 추천 시스템 및 방법에 관한 것으로 구체적으로, 오프라인 매장으로 유입되는 잠재고객에게 어울리는 상품을 추천하거나, 고객단말로 인식된 상품의 매칭점수를 산출하여 매장에 구비된 상품 구매를 추천하는 상품 추천 시스템 및 상품 추천 방법에 관한 것이다.
본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.
온라인 쇼핑은 인터넷이나 PC통신 등 컴퓨터 통신을 이용하여 상품을 검색하고 주문하는 것이다. 인터넷쇼핑몰을 운영하는 업체의 온라인 쇼핑 메뉴를 통하여 상품 목록을 검색한 다음, 원하는 상품을 온라인 상에서 직접 주문하고 대금은 신용카드나 전자화폐 등으로 결재하면, 주문한 상품이 집으로 배달된다.
한편, 온라인 쇼핑은 정보통신기술의 발전과 인터넷 사용자 수의 증가, 편리성 등으로 급격히 증가추세에 있으나, 개인정보의 보호나 지불시스템의 불안정, 배송 등의 문제가 해결과제로 남아있다. 또한, 의류의 경우, 상품을 직접 입어보거나 확인하지 않고 구매하는 경우, 사이즈가 맞지 않거나 품질이 매우 떨어지는 경우가 있다.
스마트폰사용이 보편화 되면서 전자상거래를 통한 소비가 늘고 있지만, 직접 제품을 확인해 볼 수 없는 온라인쇼핑의 단점 때문에 오프라인 쇼핑을 선호하는 사람들도 많다. 가로수길, 홍대, 강남, 잠실 등 유동인구가 많은 지역의 오프라인 매장은 확대되는 추세이고, 온라인에서 인기가 많은 쇼핑몰의 오프라인 매장을 직접 방문하는 소비자도 있다.
오프라인매장에서 쇼핑하는 경우, 고객이 매장 안으로 들어가면, 원하는 스타일의 옷을 직접 선택하여, 점원이나 함께 쇼핑을 하는 사람에게 선택한 상품이 어울리는지 물어보는 경우가 많다. 이때, 점원 또는 함께 쇼핑하는 사람은 객관적이고 정확한 스타일링 정보를 제공하기 어렵고, 고객 또한 자신이 선택한 상품이 자신에게 어울리는지 객관적으로 판단하기 어렵다.
아울러, 점원이 고객에게 매장의 상품 중 어울릴 만한 상품을 추천한다고 하더라도, 점원이 매장의 창고에 준비된 상품까지 모두 기억하는 것이 아니기 때문에, 추천할 수 있는 상품에 한계가 있다.
1. 한국 특허공개 제10-2009-0080035호(2009.08.27) 2. 한국 특허공개 제10-2004-0047993호(2004.06.25)
오프라인 매장으로 들어오는 고객정보를 인식하고, 인식된 정보를 기반으로 매장에 준비된 상품 중 고객 맞춤형 상품을 선정하여 추천하는 상품추천 서버 및 방법을 제공한다. 또한, 실시예에 따른 상품추천 서버 및 방법은 고객인 매장의 특정 상품을 고객단말로 인식할 경우, 고객 정보 및 상품정보를 이용하여 고객과의 매칭 정도를 파악하고, 고객별 가중치에 따른 매칭 평가 점수 산출하여 제공한다.
실시예에 따른 오프라인 매장의 잠재고객을 위한 상품 추천 시스템은 매장으로 들어온 고객을 인식하고, 인식된 고객정보를 전송하는 고객인식장치; 고객정보를 기반으로 고객의 선호스타일, 사이즈를 포함하는 고객맞춤상품정보를 추출하고, 상기 고객맞춤상품정보를 이용하여 매장에 구비된 상품 중 고객의 선호스타일에 부합하는 상품을 추천하는 상품추천 서버; 상품추천서버로부터 추천된 상품을 전달받아 디스플레이하는 고객단말; 을 포함한다. 상품추천서버; 는 고객단말로 매장에 구비된 상품을 인식하는 경우, 인식한 상품정보를 기반으로 상기 고객과의 매칭평가점수를 연산하여, 연산된 매칭평가점수 결과에 따라, 상품구매를 권유한다.
다른 실시예에 따른 오프라인 매장의 잠재고객을 위한 상품 추천 시스템에서의 상품추천방법은 (A) 상품추천서버에 상품정보, 고객정보, 고객맞춤정보를 데이터베이스화 하고, 상품평가항목에 부여되는 가중치, 고객선호스타일 및 상품별 매칭평가점수 산출에 필요한 데이터를 구축하는 단계;
(B) 고객인식장치는 매장으로 들어온 고객을 인식하고, 인식된 고객정보를 상품추천서버로 전송하는 단계; (C) 상품추천서버는 고객정보를 기반으로 고객의 선호스타일, 사이즈를 포함하는 고객맞춤상품정보를 추출하고, 고객맞춤상품정보를 이용하여 매장에 구비된 상품 중 고객의 선호스타일에 부합하는 상품을 선정하는 단계; (D) 고객단말은 상품추천서버로부터 선정된 상품정보를 전달받아 디스플레이하는 단계; 및 (E) 상품추천서버는 고객단말로 매장에 구비된 상품을 인식하는 경우, 인식한 상품정보를 기반으로 고객과의 매칭평가점수를 연산하여, 연산된 매칭 평가점수 결과에 따라, 상품구매를 권유하는 단계; 를 포함한다.
이상에서와 같은 오프라인 매장의 잠재고객을 위한 상품 추천 시스템 및 상품추천방법은, 오프라인 매장의 매출 상승에 기여할 수 있고, 고객의 쇼핑 만족도를 향상시킬 수 있도록 한다.
아울러, 매장 창고에 구비된 상품 중에서도 특정 고객에게 어울리는 상품이 있는 경우, 이를 고객에게 추천할 수 있도록 하여 판매 상품범위를 확장시킬 수 있도록 하고, 점원의 안내와 설명 없이도 고객은 자신에게 어울리는 매장에 구비된 상품을 편리하게 확인할 수 있다.
또한, 고객은 고객 개개인에 따라 다르게 산출되는 가중치를 반영한 상품별 최종 매칭평가점수를 제공받게 되어, 자신이 선택한 상품이 객관적으로 자신에게 어울리는지 정확하게 판단할 수 있도록 한다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 실시예에 따른 오프라인 매장의 잠재고객을 위한 상품추천 시스템을 나타낸 도면
도 2는 실시예에 따른 상품추천서버(300)의 대략적인 데이터 처리구성을 나타낸 블록도
도 3은 실시예에 따른 상품추천서버(300)의 구체적인 데이터 처리 블록을 나타낸 도면
도 4는 상품추천 시스템에서 최종평가 점수 및 상품정보를 부가적으로 제공하는 실시예를 나타낸 도면
도 5는 실시예에 따른 상품추천 시스템의 신호흐름도
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.
본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 실시예에 따른 오프라인 매장의 잠재고객을 위한 상품추천 시스템을 나타낸 도면이다.
도 1을 참조하면, 오프라인 매장의 잠재고객을 위한 상품추천 시스템은 고객인식장치(100), 상품추천서버(300) 및 고객단말(200)을 포함하여 구성될 수 있다.
고객인식장치(100)는 오프라인 매장으로 들어온 고객을 인식하는 장치로서, 카메라 등의 영상촬영센서를 포함하는 디지털 기기이다. 고객인식장치(100)는 매장으로 들어온 고객을 인식하고, 인식된 고객정보를 상품추천서버(300)로 전송한다.
상품추천서버(300)는 고객인식장치(100)로부터 전송된 고객정보를 기반으로 고객맞춤상품정보를 추출한다. 고객맞춤상품정보는 개별 고객에게 특화된 고객 맞춤형 상품정보로서, 고객의 선호 스타일, 사이즈 등 고객이 선호하는 스타일에 부합하는 상품의 세부정보이다. 실시예에서 상품추천서버(300)는 매장에 구비된 단말기로서 매장 직원에 의해 상품 정보 및 고객 선호 스타일이 입력되거나, 자동으로 인식 할 수 있다.
고객단말(200)은 상품추천서버(300)로부터 추천된 상품을 전달받아 디스플레이한다. 예컨대, 상품추천서버(300)는 고객단말(200)에서 매장에 구비된 상품을 인식하는 경우, 인식한 상품정보를 수신하고, 이를 기반으로 고객과의 매칭평가점수를 연산한다. 이후, 연산된 매칭평가점수 결과에 따라, 고객단말로 인식한 상품의 구매를 권유할 수 있다.
또한, 실시예에서 고객단말(200)에서 고객이 직접 상품정보 및 자신의 선호 스타일 정보를 입력하거나, 상품 이미지를 인식할 수 있다.
도 2는 실시예에 따른 상품추천서버(300)의 대략적인 데이터 처리구성을 나타낸 블록도이다.
도 2를 참조하면, 상품추천서버(300)는 데이터베이스(310), 스타일분석모듈(330), 연산모듈(350) 및 추천모듈(370)을 포함하여 구성될 수 있다. 본 명세서에서 사용되는 '모듈' 이라는 용어는 용어가 사용된 문맥에 따라서, 소프트웨어, 하드웨어 또는 그 조합을 포함할 수 있는 것으로 해석되어야 한다. 예를 들어, 소프트웨어는 기계어, 펌웨어(firmware), 임베디드코드(embedded code), 및 애플리케이션 소프트웨어일 수 있다. 또 다른 예로, 하드웨어는 회로, 프로세서, 컴퓨터, 집적 회로, 집적 회로 코어, 센서, 멤스(MEMS; Micro-Electro-Mechanical System), 수동 디바이스, 또는 그 조합일 수 있다.
데이터베이스(310)는 오프라인 매장에 등록된 상품정보 및 고객정보를 저장 및 업데이트한다. 데이터베이스(310)에 저장되는 상품정보 및 고객정보는 상품의 매칭 평가점수 연산 및 고객 선호 스타일 분석에 필요한 일련의 데이터이다. 예컨대, 고객의 구매히스토리, 선호 브랜드, 스타일 및 상품 카테고리, 상품의 소재, 가격, 상하의 매칭률 등이 데이터베이스(310)에 저장되고 업데이트 될 수 있다.
스타일분석모듈(330)은 고객맞춤정보를 기반으로 고객의 선호스타일을 분석하고, 분석결과에 따라 데이터베이스에서 고객의 선호스타일에 대응하는 상품을 추출한다. 예컨대, 스타일분석모듈(330)은 캐주얼, 정장, 세미 정장 등 고객이 선호하는 패션 카테고리를 파악하고, 고객의 사이즈와 상품구매 히스토리를 분석하여 고객이 구매할 가능성이 높은 상품을 추출할 수 있다.
연산모듈(350)은 추출된 상품 및 고객단말(200)에서 인식된 상품의 사이즈, 소재, 상하의 매칭정보, 색상을 포함하는 복수개의 상품평가항목을 추출한다. 이후, 연산모듈(350)은 추출된 상품평가항목 각각에 가중치를 부여하여 상품별 매칭평가점수를 연산한다. 실시예에서 매칭평가점수는 특정상품이 인식된 사용자가 선호하는 스타일에 얼마나 부합하는지, 또는 사용자와 얼마나 어울리는지 객관적으로 파악하기 위한 지표이다.
추천모듈(370)은 연산모듈(350)에서 연산된 매칭평가점수범위에 따라, 상품 추천 등급을 선정하고, 상품별 추천등급정보를 제공한다.
또한, 실시예에서 스타일 분석모듈(330)은 고객맞춤정보를 기반으로 고객의 선호스타일을 분석하고, 분석결과에 따라 고객단말에서 인식된 상품의 사이즈, 소재, 상하의 매칭정보, 색상을 포함하는 복수개의 상품평가항목을 선정하고, 상품평가항목 각각에 가중치를 부여한다. 이후, 연산모듈(350)은 스타일 분석모듈의 스타일 분석 결과에 따라 오프라인 매장이 구비한 상품을 추출하고 추출된 상품별 매칭평가점수를 연산한다. 추천모듈(370)은 연산된 매칭평가점수범위에 따라, 상품추천등급을 선정하고, 상품별 추천등급정보를 제공하고, 추천등급정보를 기반으로 고객에게 추천할 상품을 제시하고, 고객의 선호스타일 분석결과와 상품 추천이유를 함께 제공할 수 있다.
즉, 실시예에에서 오프라인 매장의 상품 추천서버는 상품평가항목을 추출하여 고객의 선호스타일 분석하고, 상품평가 항목 별 가중치를 결정하여 스타일 분석을 완료한 후 고객에게 추천할만한 상품을 추출하고 추출된 상품의 최종 평가점수를 연산하는 과정을 통해 고객이 선호하고, 고객에게 어울릴만한 상품을 추천할 수 있다.
도 3은 실시예에 따른 상품추천서버(300)의 구체적인 데이터 처리 블록을 나타낸 도면이다.
도 3을 참조하면, 실시예에 따른 스타일 분석모듈(330)은 고객세부정보추출부(331) 및 상품추출부(333)를 포함하여 구성될 수 있고, 연산모듈(350)은 가중치 산출부(351) 및 점수연산부(353)를 포함하여 구성될 수 있고, 추천모듈(370)은 추천등급설정부(371) 및 추천상품정보제공부(373)를 포함하여 구성될 수 있다.
스타일 분석모듈(330)의 고객 세부정보 추출부(331)는 오프라인 매장으로 들어온 고객인식 정보를 전달받으면, 고객인식 정보를 기반으로 고객 세부정보를 추출한다. 예컨대, 상품추천서버에 저장된 고객의 상품구매 이력과 사이즈 등을 분석하여 고객선호 스타일 등 고객세부정보를 추출할 수 있다.
상품추출부(333)는 고객세부정보추출부(331)에서 추출된 고객 세부정보에 부합하는 상품을 추출한다. 예컨대, 고객 세부정보에서 캐주얼, XS, 원피스, 여름 등의 고객이 선호하는 상품의 세부정보가 추출되는 경우, 추출된 세부정보 카테고리에 포함되는 상품을 추출한다.
연산모듈(350)의 가중치 산출부(351)는 상품추출부(333)에서 추출된 상품 각각의 평가점수 연산을 위한 평가 요소 별 가중치를 산출한다. 예컨대, 가중치 산출부(351)는 복수개의 상품평가항목에 부여되는 가중치 각각을 고객정보 및 고객 선호스타일을 이용하여 산출할 수 있다.
또한 실시예에서는 타인의 선호 스타일을 전문 스타일리스트의 선호 스타일 및 대중의 선호스타일로 분류하여 상품 추천서버에 미리 저장할 수 있다. 예컨대, 스타일리스트 선호 스타일은 스타일리스트가 직접 입력하면 될 것이고, 대중의 선호 스타일은 인기상품 등 고객들의 데이터를 축적하는 방식으로 누적 저장할 수 있다.
또한, 데이터베이스에 베스트드레서로 선정된 고객들의 표준가중치 및 상품별 표준가중치를 설정하고, 표준가중치를 기반으로 상품평가항목 각각의 가중치를 산출할 수 있다. 예컨대, 상품별 표준 가중치의 경우, 상품 특성에 따라 조정될 수 있다. 구체적으로, 스키복의 경우, 소재나 방수기능 등 상품의 중요한 기능 특성이 평가요소로 설정될 수 있고, 설정된 평가요소에 대한 가중치가 일정 수준 이상 높게 설정되도록 표준 가중치를 미리 정할 수 있다. 또한, 연예인, 스타일리스트 및 상품의 제조회사가 설정한 평가요소와 가중치를 표준가중치로 제공하여, 고객이 선택한 평가요소 및 가중치와 표준가중치를 비교할 할 수 있도록 하고, 고객이 연예인이나 스타일리스트가 설정한 평가요소 및 표준가중치를 참고 할 수 있도록 한다.
점수연산부(353)는 추출된 상품과 산출된 가중치를 이용해 수학식 1등의 연산식으로 상품별 매칭평가점수를 산출한다.
수학식 1: 최종평가점수=a1*b1+a2*b2+a3*b3+…….+an*bn
(a1~an: 가중치, b1~bn: 평가요소)
수학식 1에 기재된 평가요소(b1~bn)는 상품별 최종 평가점수를 산출하기 위한 평가 항목이다. 예컨대, 평가요소는 상하의 매칭 정도, 핏감, 고객 선호색상, 선호 스타일, 상하의의 조화 등 특정상품이 고객과 얼마나 매칭되는지 수치화하여 평가하기 위한 세부적인 항목이다. 평가요소 각각은 상품추천서버 관리자나 고객에 의해 직접 입력되거나 상품종류 및 사용자가 구매 시 고려하는 요소에 따라 평가항목이 자동으로 추출될 수 있다. 예컨대, 특정 고객의 경우 가격 평가항목을 추가할 수 있고, 특정 시즌에만 출시되는 상품인 경우, 시즌 매칭도 등이 평가항목으로 추출될 수 있다. 실시예에서 평가항목은, 사이즈, 소재, 스타일, 상품카테고리, 인기도 등 특정 상품을 평가하기 위한 일반적인 평가 기준이 될 수 있고, 고객의 특별요구사항을 반영하기 위한 평가 요소들도 추가될 수 있다.
실시예에 기재된 가중치는 상품의 최종평가 점수 산출 시 평가항목 각각의 반영 비율을 나타낸 수치이다. 예컨대, 평가요소가 소재, 사이즈, 스타일선호도, 시즌매칭도일 경우, 각각의 평가요소에 대해 가중치를 부여함으로써 최종평가점수에 고객 니즈가 보다 정확하게 반영될 수 있도록 한다. 구체적으로 상품 구매 시 소재와 사이즈를 중요하게 고려하는 고객의 경우, 소재와 사이즈 평가요소에 높은 가중치를 부여하여 최종 평가 점수가 산출되도록 한다. 실시예에서 가중치는 고객세부정보와 구매 히스토리를 분석하여 고객이 상품 구매 시 중요하게 고려하는 평가항목을 파악할 수 있다. 또한, 표준가중치를 대입하거나, 고객의 구매히스토리를 분석하여 평가 항목과 가중치를 산출할 수 있다.
또한, 상품추천서버(300)의 데이터베이스에 베스트드레서로 선정된 고객들의 표준가중치 및 상품별 표준가중치를 설정하고, 표준가중치를 기반으로 상품평가항목 각각의 가중치를 산출할 수 있다. 구체적으로 데이터베이스에는 상품 제작사에서 미리 설정한 상품 평가 요소와 가중치가 저장될 수 있고, 베스트드레서로 선정된 고객이나 셀럽들의 평가요소와 가중치가 저장될 수 있다. 실시예에서는 오프라인 매장을 방문한 고객이, 상품제작사 및 다른 고객들이 미리 저장한 평가요소와 가중치를 참조하여 평가요소와 가중치를 설정하고 이를 통해 상품별 최종 평가 점수를 산출해 볼 수 있도록 한다.
추천모듈(370)의 추천등급설정부(371)는 점수연산부(353)에서 산출된 상품별 최종 평가 점수에 따라 추천 등급을 설정한다. 예컨대, 추천등급 설정부는 표 1에 도시된 바와 같이 점수 범위 별 등급을 설정 가능하다.
추천상품정보 제공부(373)는 인식한 상품의 최종평가점수에 따른 추천 등급과, 추천상품의 세부정보를 제공한다. 표 1에 도시된 바와 같이, 추천등급에 따라 안내 멘트가 함께 출력될 수 있고, 추천상품의 스타일 및 추천상품과 매칭이 용이한 다른 상품 정보도 함께 제공받을 수 있다.

최종평가 점수
추천등급 (안내멘트)

90-100
최상 (강력추천아이템)

75-90
상(추천아이템)

50-75
중(다시 한번 생각해 보세요)

0-50
하(다른 상품을 입력해 주세요)
또한 실시예에서는 고객인식장치(100)를 통해 고객이 선호하는 스타일에 대한 세부정보인 고객 맞춤 정보 및 고객이 이미 보유하고 있는 아이템의 세부정보를 입력받고, 이를 기반으로 매장에 구비된 상품 중 추천 아이템을 선정할 수 있다.
도 4는 상품추천 시스템에서 최종평가 점수 및 상품정보를 부가적으로 제공하는 실시예를 나타낸 도면이다.
도 4에 도시된 바와 같이, 고객이 자신의 단말로 매장에 구비된 상품(p)를 인식시키거나, 상품추천서버에서 고객 세부정보를 분석하여 고객에게 상품(p)를 추천한 경우, 실시예에 따른 상품추천서버에서는 상품별 평가요소와 가중치가 반영된 최종평가점수를 알 수 있다. 아울러, 상품의 색상, 사이즈, 가격 및 상품에 대한 상세설명을 함께 제공받을 수 있고, 고객이 원하는 경우, 선택한 상품과 어울리는 다른 상품 및 코디 정보를 함께 제공 받을 수 있다. 실시예에서는 최종매칭점수가 산출과정, 즉 평가요소와 가중치에 대해 상세히 설명하고, 평가된 상품과 잘 어울리는 다른 상품이나, 고객에게 추천할 수 있는 다른 상품정보까지 제공할 수 있다.
또한, 실시예에서 따른 오프라인 매장 상품추천 시스템에서는 고객, 매장 직원은 복수의 선호 스타일 중 하나를 선택하고, 선택에 따른 상품 및 스타일링을 추천 받을 수 있다. 실시예에서 고객 선호 스타일의 분석, 입력 방법은 예측 모델 학습, 신경망 학습으로 가능하다.
또한, 도 4에 도시된 바와 같이, 실시예에서는 연산된 매칭평가점수범위에 따라, 상품추천등급을 선정하고, 상기 상품별 추천등급정보를 제공하고, 추천등급정보를 기반으로 고객에게 추천할 상품을 제시하고, 고객의 선호스타일 분석결과와 상품 추천이유를 함께 제공할 수 있다. 구체적으로, 실시예에 따른 매장의 상품 추천시스템에서 고객 스타일 분석 결과나 상품 추천 이유는 선호스타일을 결정하는 상품평가항목 및 가중치로 설명할 수 있다. 예컨대, 고객이 중요하게 생각하는 상품평가 항목이 컬러와 스타일 경우, '고객님은 상의의 색상(상품평가항목)을 중시하는데(가중치가 높으므로 중시한다고 할 수 있음), 검정색이라서 추천했다' 및 '이 상품이 선호하시는 캐주얼 스타일(상품평가항목)이다.' 와 같은 추천이유를 함께 출력함으로써, 고객의 오프라인 쇼핑 편의를 향상 시킬 수 있다.
이하에서는 오프라인 매장의 상품추천 방법에 대해서 차례로 설명한다. 실시예에 따른 오프라인 매장의 상품추천 방법의 작용(기능)은 상품추천 서버 및 시스템상의 기능과 본질적으로 같은 것이므로 도 1 내지 도 4와 중복되는 설명은 생략하도록 한다.
도 5는 실시예에 따른 상품추천 시스템의 신호흐름도이다.
고객인식장치(100)에서 (A) 상품추천서버에 상품정보, 고객정보, 고객맞춤정보를 데이터베이스화 하고, 상품평가항목에 부여되는 가중치, 고객선호스타일 및 상품별 매칭평가점수 산출에 필요한 데이터를 구축한다.
S510 단계에서는 고객인식장치(100)는 매장으로 들어온 고객을 인식하고, 인식된 고객정보를 상품추천서버(300)으로 전송한다.
S530 단계에서는 상품추천서버(300)에서 고객정보를 기반으로 고객의 선호스타일, 사이즈를 포함하는 고객맞춤상품정보를 추출한다.
S540 단계에서는 상품추천서버(300)에서 고객맞춤상품정보를 이용하여 매장에 구비된 상품 중 고객의 선호스타일에 부합하는 상품을 선정한다. S540 단계에서는 오프라인 매장에 등록된 상품정보 및 고객정보를 저장 및 업데이트 하고, 고객맞춤정보를 기반으로 고객의 선호스타일을 분석하고, 분석결과에 따라 데이터베이스에서 상기 고객의 선호스타일에 대응하는 상품을 추출한다. 이후, 추출된 상품 및 고객단말에서 인식된 상품의 사이즈, 소재, 상하의 매칭정보, 색상을 포함하는 복수개의 상품평가항목을 추출하고, 추출된 상품평가항목 각각에 가중치를 부여하여 상품별 매칭평가점수를 연산할 수 있다. 매칭평가 점수를 연산하는 단계에서는 복수개의 상품평가항목에 부여되는 가중치 각각을 고객정보 및 고객 선호스타일을 이용하여 산출할 수 있다. 또한, 데이터베이스에 베스트드레서로 선정된 고객들의 표준가중치 및 상품별 표준가중치를 설정하고, 표준가중치를 기반으로 상품평가항목 각각의 가중치를 산출할 수 있다. 또한, 실시예에서는 추천 조건을 고객이 선택하도록 구성할 수 있다. 예컨대, 추천 받을 옷이 상의인지 하의인지를 선택할 수 있고, 상품의 사이즈, 모양 및 추천된 옷을 착용할 날씨, 상황 및 어울리는 상품 등을 지정할 수 있다.
S550 단계에서는 상품추천서버(300)에서 선정된 상품 또는 고객단말로 매장에 구비된 상품을 인식하는 경우, 인식한 상품정보를 기반으로 고객과의 매칭평가점수를 연산한다. 이후 연산된 매칭평가점수범위에 따라, 상품 추천 등급을 선정하고, 상품별 추천등급정보를 제공한다.
S560 단계에서는 상품추천서버(300)에서 고객단말(200)로 연산된 매칭 평가점수 결과와 상품정보를 전송한다.
S570 단계에서는 고객단말(200)에서 고객이 입력하는 상품을 인식하고 S580 단계에서 인식된 상품정보를 상품 추천 서버(300)로 전송한다.
S590 단계에서는 상품추천서버(300)에서 인식된 상품과 고객의 매칭평가 점수를 연산하고, S600 단계에서는 고객단말(200)로 매칭평가 점수를 전송한다.
S610 단계에서는 고객단말에서 매칭 평가 점수 및 상품 상세 설명을 출력한다.
또한, S610 단계에서는 매장 단말기로 매칭 평가 점수 및 상품 상세 설명을 직원에게 알려주거나, 매장 단말기가 대형 모니터 형태인 경우, 고객에게 이미지를 보여줄 수 있다. 아울러 실시예에서는 추천 결과에 대해 고객이 평가하게 하고 고객별 평가 결과 정보를 수집하고, 수집된 평가 결과 정보가 추후 고객의 선호 스타일에 반영되도록 할 수 있다.
이상에서와 같은 오프라인 매장의 잠재고객을 위한 상품 추천 시스템 및 상품추천방법은, 오프라인 매장의 매출 상승에 기여할 수 있고, 고객의 쇼핑 만족도를 향상시킬 수 있도록 한다.
아울러, 매장 창고에 구비된 상품 중에서도 특정 고객에게 어울리는 상품이 있는 경우, 이를 고객에게 추천할 수 있도록 하여 판매 상품범위를 확장시킬 수 있도록 하고, 점원의 안내와 설명 없이도 고객은 자신에게 어울리는 매장에 구비된 상품을 편리하게 확인할 수 있다.
또한, 고객은 고객 개개인에 따라 다르게 산출되는 가중치를 반영한 상품별 최종 매칭 평가점수를 제공받게 되어, 자신이 선택한 상품이 객관적으로 자신에게 어울리는지 정확하게 판단할 수 있도록 한다.
개시된 내용은 예시에 불과하며, 특허청구범위에서 청구하는 청구의 요지를 벗어나지 않고 당해 기술분야에서 통상의 지식을 가진 자에 의하여 다양하게 변경 실시될 수 있으므로, 개시된 내용의 보호범위는 상술한 특정의 실시예에 한정되지 않는다.
310: 데이터베이스
330: 스타일분석모듈
350: 연산모듈, 370: 추천모듈

Claims (10)

  1. 오프라인 매장의 잠재고객을 위한 상품 추천 시스템에 있어서,
    상기 매장으로 들어온 고객을 인식하고, 인식된 고객정보를 전송하는 고객인식장치;
    상기 고객정보를 기반으로 상기 고객의 선호스타일, 사이즈를 포함하는 고객맞춤상품정보를 추출하고, 상기 고객맞춤상품정보를 이용하여 상기 매장에 구비된 상품 중 고객의 선호스타일에 부합하는 상품을 추천하는 상품추천 서버; 및
    상기 상품추천서버로부터 추천된 상품을 전달받아 디스플레이 하는 고객단말; 을 포함하고,
    상기 상품추천서버; 는
    상기 고객단말로 매장에 구비된 상품을 인식하는 경우, 인식한 상품정보를 기반으로 상기 고객과의 매칭평가점수를 연산하여, 연산된 매칭평가점수 결과에 따라, 상기 상품구매를 권유하고
    상기 상품추천서버는
    상기 오프라인 매장에 등록된 상품정보 및 고객정보를 저장 및 업데이트 하는 데이터베이스;
    상기 고객맞춤상품정보를 기반으로 고객의 선호스타일을 분석하고, 분석결과에 따라 상기 고객단말에서 인식된 상품의 사이즈, 소재, 상하의 매칭정보, 색상을 포함하는 복수개의 상품평가항목을 선정하고, 상기 상품평가항목 각각에 가중치를 부여하는 스타일 분석모듈;
    상기 스타일 분석모듈의 스타일 분석 결과에 따라 오프라인 매장이 구비한 상품을 추출하고 상기 추출된 상품별 매칭평가점수를 연산하는 연산모듈; 및
    추천등급정보를 기반으로 고객에게 추천할 상품을 제시하고, 상기 고객의 선호스타일 분석결과와 상품 추천이유를 함께 제공하는 추천모듈; 을 포함하고
    상기 연산모듈은
    복수개의 상품평가항목에 부여되는 가중치 각각을 상기 고객정보 및 고객 선호스타일을 이용하여 산출하고
    상기 데이터베이스에 타인의 선호 스타일을 전문 스타일리스트의 선호 스타일 및 대중의 선호스타일로 분류하여 상품 추천서버에 미리 저장하고, 상기 대중의 선호 스타일은 인기상품을 포함하는 고객들의 데이터를 축적하는 방식으로 누적 저장하고,
    상기 데이터베이스에 베스트드레서로 선정된 고객들의 표준가중치 및 상품별 표준가중치를 설정하고, 상기 표준가중치를 기반으로 상품평가항목 각각의 가중치를 산출하고
    상기 분석모듈;은 상품 특성에 따라 상품별 표준 가중치를 조정하고, 연예인, 스타일리스트 및 상품의 제조회사가 설정한 평가요소와 가중치를 표준가중치로 제공하고, 고객이 선택한 평가요소 및 가중치와 표준가중치를 비교하여, 고객이 연예인이나 스타일리스트가 설정한 평가요소 및 표준가중치를 참고 가능하게 하고,
    상기 연산모듈은 추출된 상품과 산출된 가중치를 이용해 수학식 1 최종평가점수=a1*b1+a2*b2+a3*b3+........+an*bn (a1~an: 가중치, b1~bn: 평가요소)의 연산식으로 상품별 매칭평가점수를 산출하고,
    상기 평가요소는 특정상품이 고객과 얼마나 매칭되는지 수치화하여 평가하기 위한 세부적인 항목으로, 상하의 매칭 정도, 핏감, 고객 선호색상, 선호 스타일, 상하의의 조화를 포함하고, 평가요소 각각은 상품추천서버 관리자나 고객에 의해 직접 입력되거나 상품종류 및 사용자가 구매 시 고려하는 요소에 따라 평가항목을 자동으로 추출되고,
    상기 연산모듈은
    상품추천등급을 선정하고, 상기 상품별 추천등급정보를 제공하고, 추천등급정보를 기반으로 고객에게 추천할 상품을 제시하고, 고객의 선호스타일 분석결과와 상품 추천이유를 함께 제공하는 것을 특징으로 하는 오프라인 매장의 상품 추천 시스템.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 오프라인 매장의 잠재고객을 위한 상품 추천 시스템에서의 상품추천방법에 있어서,
    (A) 상품추천서버에 상품정보, 고객정보, 고객맞춤상품정보를 데이터베이스화 하고, 상품평가항목에 부여되는 가중치, 고객선호스타일 및 상품별 매칭평가점수 산출에 필요한 데이터를 구축하는 단계;
    (B) 고객인식장치는 상기 매장으로 들어온 고객을 인식하고, 인식된 고객정보를 상기 상품추천서버로 전송하는 단계;
    (C) 상품추천서버는 고객정보를 기반으로 상기 고객의 선호스타일, 사이즈를 포함하는 고객맞춤상품정보를 추출하고, 상기 고객맞춤상품정보를 이용하여 상기 매장에 구비된 상품 중 고객의 선호스타일에 부합하는 상품을 선정하는 단계;
    (D) 고객단말은 상품추천서버로부터 선정된 상품정보를 전달받아 디스플레이 하는 단계; 및
    (E) 상품추천서버는 상기 고객단말로 매장에 구비된 상품을 인식하는 경우, 인식한 상품정보를 기반으로 상기 고객과의 매칭평가점수를 연산하여, 연산된 매칭 평가점수 결과에 따라, 상기 상품구매를 권유하는 단계; 를 포함하고
    상기 (C) 의 단계;는
    상기 오프라인 매장에 등록된 상품정보 및 고객정보를 저장 및 업데이트 하는 단계;
    상기 고객맞춤상품정보를 기반으로 고객의 선호스타일을 분석하고, 분석결과에 따라 상기 데이터베이스에서 상기 고객의 선호스타일에 대응하는 상품을 추출하는 단계;
    상기 추출된 상품 및 상기 고객단말에서 인식된 상품의 사이즈, 소재, 상하의 매칭정보, 색상을 포함하는 복수개의 상품평가항목을 추출하는 단계; 및
    상기 추출된 상품평가항목 각각에 가중치를 부여하여 상품별 매칭평가점수를 연산하는 단계; 를 포함하고
    상기 추출된 상품평가항목 각각에 가중치를 부여하여 상품별 매칭평가점수를 연산하는 단계; 는
    복수개의 상품평가항목에 부여되는 가중치 각각을 상기 고객정보 및 고객 선호스타일을 이용하여 산출하고, 상기 데이터베이스에 베스트드레서로 선정된 고객들의 표준가중치 및 상품별 표준가중치를 설정하고, 상기 표준가중치를 기반으로 상품평가항목 각각의 가중치를 산출하고, 상기 연산된 매칭평가점수범위에 따라, 상품을 추천 등급을 선정하고, 상기 상품별 추천등급정보를 제공하고,
    상기 추출된 상품평가항목 각각에 가중치를 부여하여 상품별 매칭평가점수를 연산하는 단계; 는
    연예인, 스타일리스트 및 상품의 제조회사가 설정한 평가요소와 가중치를 표준가중치로 제공하고, 고객이 선택한 평가요소 및 가중치와 표준가중치를 비교하여, 고객이 연예인이나 스타일리스트가 설정한 평가요소 및 표준가중치를 참고 가능하게 하고,
    추출된 상품과 산출된 가중치를 이용해 수학식 1 최종평가점수=a1*b1+a2*b2+a3*b3+.........+an*bn (a1~an: 가중치, b1~bn: 평가요소)의 연산식으로 상품별 매칭평가점수를 산출하고,
    상기 평가요소는 특정상품이 고객과 얼마나 매칭되는지 수치화하여 평가하기 위한 세부적인 항목으로, 상하의 매칭 정도, 핏감, 고객 선호색상, 선호 스타일, 상하의의 조화를 포함하고,
    평가요소 각각은 상품추천서버 관리자나 고객에 의해 직접 입력되거나 상품종류 및 사용자가 구매 시 고려하는 요소에 따라 평가항목을 자동으로 추출되고,
    상기 (E)의 단계; 는
    상품추천등급을 선정하고, 상기 상품별 추천등급정보를 제공하고, 추천등급정보를 기반으로 고객에게 추천할 상품을 제시하고, 고객의 선호스타일 분석결과와 상품 추천이유를 함께 제공하는 것을 특징으로 하는 오프라인 매장의 상품추천방법.
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
KR1020180069536A 2018-06-18 2018-06-18 오프라인 매장의 잠재고객을 위한 상품 추천 시스템 및 상품추천방법 KR102144943B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180069536A KR102144943B1 (ko) 2018-06-18 2018-06-18 오프라인 매장의 잠재고객을 위한 상품 추천 시스템 및 상품추천방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180069536A KR102144943B1 (ko) 2018-06-18 2018-06-18 오프라인 매장의 잠재고객을 위한 상품 추천 시스템 및 상품추천방법

Publications (2)

Publication Number Publication Date
KR20190142526A KR20190142526A (ko) 2019-12-27
KR102144943B1 true KR102144943B1 (ko) 2020-08-14

Family

ID=69062400

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180069536A KR102144943B1 (ko) 2018-06-18 2018-06-18 오프라인 매장의 잠재고객을 위한 상품 추천 시스템 및 상품추천방법

Country Status (1)

Country Link
KR (1) KR102144943B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220063829A (ko) * 2020-11-10 2022-05-18 엔에이치엔 주식회사 상품 또는 서비스 추천 장치 및 방법
KR102475964B1 (ko) 2022-10-12 2022-12-09 조인환 상품 추천 서비스 제공 시스템
KR102475965B1 (ko) 2022-10-12 2022-12-09 성노현 사용자 맞춤형 페이지를 구성하는 상품 추천 서비스 제공 시스템

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210123872A (ko) 2020-04-06 2021-10-14 (주)아리온테크놀로지 영상 분석 기반 패션 정보 제공을 위한 서비스 제공 장치 및 방법
KR102332487B1 (ko) * 2021-05-28 2021-12-01 박성일 오프라인 매장과 연동하여 사용자 맞춤형 의류 상품을 제공하는 방법 및 장치
KR102461863B1 (ko) * 2022-04-28 2022-11-01 주식회사 패션에이드 개인화 스타일링 추천 시스템 및 방법
KR102527962B1 (ko) 2022-09-27 2023-05-02 서선유 사용자의 쇼핑을 위한 제품 추천 및 배송 알고리즘 생성 방법
CN117010925B (zh) * 2023-06-21 2024-03-22 广东中洲国信建设管理咨询有限公司 一种工程材料自动配价方法、系统、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100935341B1 (ko) * 2009-04-24 2010-01-06 (주)디스트릭트홀딩스 온/오프라인 매장 통합 서비스 방법 및 시스템
KR101846422B1 (ko) * 2017-09-14 2018-05-18 박희영 빅데이터를 활용해 개인별 특성 및 선호도를 고려한 고객 맞춤형 온오프라인 연계 의류 추천 시스템

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040047993A (ko) 2002-12-02 2004-06-07 최정석 알콕시 실란변성 폴리이소시아네이트 경화제의 제조방법및 그 용도
JP5059515B2 (ja) 2007-08-07 2012-10-24 株式会社リコー 検出回路及びその検出回路を使用した電子機器
KR20110022439A (ko) * 2009-08-27 2011-03-07 박찬승 스타일 지수를 이용하여 스타일 매칭 정보를 제공하는 장치 및 방법
KR20170060740A (ko) * 2015-11-25 2017-06-02 박진수 오프라인 패션/의류 매장 판매 활성화 솔루션
KR20180057577A (ko) * 2018-04-09 2018-05-30 이승현 가상 피팅 장치 및 그 동작 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100935341B1 (ko) * 2009-04-24 2010-01-06 (주)디스트릭트홀딩스 온/오프라인 매장 통합 서비스 방법 및 시스템
KR101846422B1 (ko) * 2017-09-14 2018-05-18 박희영 빅데이터를 활용해 개인별 특성 및 선호도를 고려한 고객 맞춤형 온오프라인 연계 의류 추천 시스템

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220063829A (ko) * 2020-11-10 2022-05-18 엔에이치엔 주식회사 상품 또는 서비스 추천 장치 및 방법
KR102609900B1 (ko) * 2020-11-10 2023-12-06 엔에이치엔 주식회사 상품 또는 서비스 추천 장치 및 방법
KR102475964B1 (ko) 2022-10-12 2022-12-09 조인환 상품 추천 서비스 제공 시스템
KR102475965B1 (ko) 2022-10-12 2022-12-09 성노현 사용자 맞춤형 페이지를 구성하는 상품 추천 서비스 제공 시스템

Also Published As

Publication number Publication date
KR20190142526A (ko) 2019-12-27

Similar Documents

Publication Publication Date Title
KR102144943B1 (ko) 오프라인 매장의 잠재고객을 위한 상품 추천 시스템 및 상품추천방법
US11593783B2 (en) Systems and methods of product recognition through multi-model image processing
KR102374861B1 (ko) O2O(On-line to Off-line) 기반 고객 맞춤 정보를 제안하기 위한 시스템 및 방법
US11132734B2 (en) System and method for social style mapping
US20140032359A1 (en) System and method for providing intelligent recommendations
US7484660B2 (en) Product purchase support apparatus, product purchase support method, product purchase support program, information creating apparatus, information creating method, information creating program, and privilege granting system
KR20130027801A (ko) 스타일매칭용 사용자단말기, 스타일매칭용 사용자단말기를 이용한 스타일매칭시스템 및 그 방법
GB2358110A (en) Method for recognizing and recommending items of merchandise
KR102286286B1 (ko) 패션 코디네이션 공유 시스템 및 방법
US9460342B1 (en) Determining body measurements
KR20200066970A (ko) 고객의 보유 패션 아이템 기반 맞춤형 자동 코디 제안과 상품 추천 시스템과 서비스 방법 및 정보 관리 시스템
KR100762829B1 (ko) 소비자의 구매 취향에 따른 상품 검색 서비스 시스템 및방법
JP6300677B2 (ja) コーディネート提案装置及び方法
CN106030580A (zh) 商品搜索装置、商品搜索系统、服务器系统及商品搜索方法
KR101873319B1 (ko) 실시간 홍보 및 이벤트 제공시스템
US20130013447A1 (en) System and method for determining the best size of products for online and offline purchase
KR20180026155A (ko) 사용자 이미지를 이용한 대여 아이템 선호도 자동 분석 장치 및 이를 이용한 방법
CN108416611B (zh) 一种超市路径推荐系统及其方法
US20180189852A1 (en) Learning based recommendation system and method
CN114461918A (zh) 物品推荐方法、装置、电子设备和存储介质
KR20210112258A (ko) 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법 및 장치
KR101815488B1 (ko) 음성정보 기반 판매촉진 시스템 및 이를 이용한 방법
KR102667142B1 (ko) 인공지능 기반 의류 판매 시스템
KR102275624B1 (ko) 의류 구매 시스템 및 이를 활용한 의류 구매 방법
KR102153336B1 (ko) 스마트 미러의 생체인증에 연동한 블록체인 기반의 마케팅 정보처리 시스템

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant