KR102146987B1 - System and method for products recommendation service, and apparatus applied to the same - Google Patents

System and method for products recommendation service, and apparatus applied to the same Download PDF

Info

Publication number
KR102146987B1
KR102146987B1 KR1020130105467A KR20130105467A KR102146987B1 KR 102146987 B1 KR102146987 B1 KR 102146987B1 KR 1020130105467 A KR1020130105467 A KR 1020130105467A KR 20130105467 A KR20130105467 A KR 20130105467A KR 102146987 B1 KR102146987 B1 KR 102146987B1
Authority
KR
South Korea
Prior art keywords
product
recommendation
recommended
buyer
purchaser
Prior art date
Application number
KR1020130105467A
Other languages
Korean (ko)
Other versions
KR20150027442A (en
Inventor
김석우
Original Assignee
에스케이플래닛 주식회사
십일번가 주식회사
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 에스케이플래닛 주식회사, 십일번가 주식회사 filed Critical 에스케이플래닛 주식회사
Priority to KR1020130105467A priority Critical patent/KR102146987B1/en
Publication of KR20150027442A publication Critical patent/KR20150027442A/en
Application granted granted Critical
Publication of KR102146987B1 publication Critical patent/KR102146987B1/en

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치를 개시한다. 즉, 구매자에게 추천하고자 하는 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하고, 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하여, 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출함으로써, 추천상품에 대한 신뢰도를 향상시켜 추천상품에 대한 실질적인 구매가 이루어지도록 유도할 수 있다.The present invention discloses a product recommendation service system, a method thereof, and an apparatus applied thereto. That is, with respect to the recommended products to be recommended to the buyer, the ranking of recommendation in at least two product categories is determined, and the product purchase ratio of the buyer in each of the at least two product categories based on the product purchase history of the buyer By checking, the recommendation score for each of the recommended products based on the recommendation ranking determined for the recommended products in the at least two product categories and the product purchase ratio of the buyer identified in the at least two product categories By calculating, it is possible to improve the reliability of the recommended product and induce the actual purchase of the recommended product to be made.

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}Product recommendation service system, its method, and apparatus applied thereto {SYSTEM AND METHOD FOR PRODUCTS RECOMMENDATION SERVICE, AND APPARATUS APPLIED TO THE SAME}

본 발명은, 구매자에게 추천하고자 상기 추천상품들에 대하여, 상품카테고리 별로 책정되는 추천순위와, 상품카테고리 별로 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하기 위한 방안에 관한 것이다.The present invention calculates a recommendation score for each of the recommended products based on a recommendation ranking determined for each product category and a product purchase ratio of the purchaser identified for each product category for the recommended products for recommendation to a buyer. It is about a plan for.

인터넷이나 모바일 포털 사이트에서는 구매자(혹은 구매를 위해 방문한 고객)가 방문하는 경우, 서비스페이지를 통해 구매자에게 적합한 추천상품을 결정하여 추천하는 상품 추천 서비스를 제공하고 있다.On the Internet or mobile portal sites, when a buyer (or a customer who visits for a purchase) visits, a product recommendation service is provided that determines and recommends a product suitable for the purchaser through a service page.

이러한, 상품 추천 서비스를 제공함에 있어서, 무엇보다 중요한 것은 결정된 추천상품에 대하여, 구매자의 실질적인 구매가 이루어지도록 유도하는 것이다.In providing such a product recommendation service, the most important thing is to induce a purchaser to make a substantial purchase for the determined recommended product.

이와 같이, 추천상품에 대한 구매가 이루어지도록 유도하기 위해선, 추천상품에 대한 구매자의 추천상품에 대한 신뢰도를 향상시켜야만 한다.In this way, in order to induce the purchase of recommended products to be made, the reliability of the recommended products of the buyer for the recommended products must be improved.

이에, 추천상품에 대한 구매자의 신뢰도를 향상시키기 위한 구체적인 방안이 요구된다 할 것이다.Therefore, a specific plan is required to improve the reliability of buyers for recommended products.

한편, 본 발명의 배경이 되는 기술은, 대한민국 공개특허공보 10-2013-0056767(2013.05.30)에 개시되어 있다.On the other hand, the technology behind the present invention is disclosed in Korean Patent Application Laid-Open No. 10-2013-0056767 (2013.05.30).

본 발명은 상기한 사정을 감안하여 창출된 것으로서, 본 발명에서 도달하고자 하는 목적은, 구매자에게 추천하고자 하는 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하고, 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하여, 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출함으로써, 추천상품에 대한 신뢰도를 향상시켜 추천상품에 대한 실질적인 구매가 이루어지도록 유도하는데 있다.The present invention was created in consideration of the above circumstances, and the object of the present invention is to set a recommendation ranking in at least two product categories for recommended products to be recommended to a buyer, and Based on the purchase history, the purchaser's product purchase ratio in each of the at least two product categories is checked, and a recommendation ranking determined for the recommended products in the at least two product categories, and the recommendation ranking for the recommended products in the at least two product categories By calculating the recommended score for each of the recommended products based on the confirmed product purchase rate of the buyer, the reliability of the recommended product is improved, thereby inducing a substantial purchase of the recommended product.

상기 목적을 달성하기 위한 본 발명의 제 1 관점에 따른 상품추천장치는, 구매자에게 추천하고자 하는 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정부; 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인부; 및 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출부를 포함하는 것을 특징으로 한다.A product recommendation apparatus according to a first aspect of the present invention for achieving the above object includes: a designation unit for setting a recommendation ranking in at least two product categories for recommended products to be recommended to a buyer; A confirmation unit for checking a product purchase rate of the purchaser in each of the at least two product categories based on the purchase history of the purchaser; And calculating a recommendation score for each of the recommended products based on a recommendation ranking determined for the recommended products in the at least two product categories and a product purchase ratio of the buyer identified in the at least two product categories. It characterized in that it includes a calculation unit.

보다 구체적으로, 상기 상품추천장치는, 상기 구매자에게 추천하고자 하는 추천상품들을 상기 적어도 두개의 상품카테고리 별로 분류하는 분류부를 더 포함하며, 상기 책정부는, 상기 구매자에 대한 추천도의 크기를 기초로, 상기 적어도 두개의 상품카테고리에 별로 분류된 추천상품들에 대한, 각 상품카테고리 내에서의 상기 추천순위를 책정하는 것을 특징으로 한다.More specifically, the product recommendation device further includes a classification unit for classifying recommended products to be recommended to the purchaser by the at least two product categories, and the calculation unit is based on the size of the recommendation degree to the purchaser. And determining the recommendation ranking within each product category for the recommended products classified by the at least two product categories.

보다 구체적으로, 상기 적어도 두개의 상품카테고리에서의 상기 구매자의 상품구매비율은, 상기 추천점수를 산출하기 위한 가중치로서 적용되며, 상기 산출부는, 상기 적어도 두개의 상품카테고리에 별로 분류된 추천상품들 각각에 대하여, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용하여, 상기 가중치가 적용된 기본점수를 상기 추천점수로서 산출하는 것을 특징을 한다.More specifically, the purchaser's product purchase rate in the at least two product categories is applied as a weight for calculating the recommendation score, and the calculation unit includes each of the recommended products classified according to the at least two product categories. For, the recommendation rank within each product category is assumed as a base score for calculating the recommendation score, and the purchaser's product purchase ratio in the product category is applied as a weight to the base score, and the weight is It is characterized in that the applied base score is calculated as the recommended score.

상기 목적을 달성하기 위한 본 발명의 제 2 관점에 따른 상품 추천 서비스 방법은, 구매자장치가 구매자에게 추천하고자 하는 추천상품들을 상품추천장치에 요청하는 요청단계; 상기 상품추천장치가 상기 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정단계; 상기 상품추천장치가 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인단계; 및 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출단계를 포함하는 것을 특징으로 한다.A product recommendation service method according to a second aspect of the present invention for achieving the above object includes: a requesting step of requesting a product recommendation device for recommended products that a purchaser device wants to recommend to a purchaser; A determining step of determining, by the product recommendation device, a recommendation ranking in at least two product categories for the recommended products; A confirmation step of confirming, by the product recommendation device, a product purchase rate of the purchaser in each of the at least two product categories based on the purchase history of the product; And calculating a recommendation score for each of the recommended products based on a recommendation ranking determined for the recommended products in the at least two product categories and a product purchase ratio of the buyer identified in the at least two product categories. It characterized in that it comprises a calculation step.

상기 목적을 달성하기 위한 본 발명의 제 3 관점에 따른 상품추천장치의 동작 방법은 구매자에게 추천하고자 하는 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정단계; 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인단계; 및 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출단계를 포함하는 것을 특징으로 한다.In order to achieve the above object, a method of operating a product recommendation device according to a third aspect of the present invention includes: a determining step of determining a recommendation ranking in at least two product categories for recommended products to be recommended to a buyer; A verification step of confirming a product purchase rate of the purchaser in each of the at least two product categories based on the purchaser's product purchase history; And calculating a recommendation score for each of the recommended products based on a recommendation ranking determined for the recommended products in the at least two product categories and a product purchase ratio of the buyer identified in the at least two product categories. It characterized in that it comprises a calculation step.

보다 구체적으로, 상기 방법은, 상기 책정단계 이전에, 상기 구매자에게 추천하고자 하는 추천상품들을 상기 적어도 두개의 상품카테고리 별로 분류하는 분류단계를 더 포함하며, 상기 책정단계는, 상기 구매자에 대한 추천도의 크기를 기초로, 상기 분류단계에서 상기 적어도 두개의 상품카테고리에 별로 분류된 추천상품들에 대한, 각 상품카테고리 내에서의 상기 추천순위를 책정하는 것을 특징으로 한다.More specifically, the method further includes a classification step of classifying recommended products to be recommended to the purchaser according to the at least two product categories, before the determining step, wherein the determining step includes a degree of recommendation to the purchaser Based on the size of, in the classification step, the recommendation rank within each product category is determined for the recommended products classified for each of the at least two product categories.

보다 구체적으로, 상기 적어도 두개의 상품카테고리에서의 상기 구매자의 상품구매비율은, 상기 추천점수를 산출하기 위한 가중치로서 적용되며, 상기 산출단계는, 상기 적어도 두개의 상품카테고리에 별로 분류된 추천상품들 각각에 대하여, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용하여, 상기 가중치가 적용된 기본점수를 상기 추천점수로서 산출하는 것을 특징을 한다.More specifically, the purchaser's product purchase ratio in the at least two product categories is applied as a weight for calculating the recommendation score, and the calculating step includes recommended products classified according to the at least two product categories For each, the recommendation rank within each product category is assumed as a base score for calculating the recommendation score, and the base score is applied as a weight of the purchaser's product purchase rate in the product category, and the weight It is characterized in that the basic score to which is applied is calculated as the recommended score.

상기 목적을 달성하기 위한 본 발명의 제 4 관점에 따른 컴퓨터 판독 가능 매체는 구매자장치가 구매자에게 추천하고자 하는 추천상품들을 상품추천장치에 요청하는 요청단계; 상기 상품추천장치가 상기 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정단계; 상기 상품추천장치가 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인단계; 및 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출단계를 수행하기 위한 명령들을 포함하는 것을 특징으로 한다.A computer-readable medium according to a fourth aspect of the present invention for achieving the above object includes: a request step of requesting a product recommendation device for recommended products that a purchaser device wants to recommend to a purchaser; A determining step of determining, by the product recommendation device, a recommendation ranking in at least two product categories for the recommended products; A confirmation step of confirming, by the product recommendation device, a product purchase rate of the purchaser in each of the at least two product categories based on the purchase history of the product; And calculating a recommendation score for each of the recommended products based on a recommendation ranking determined for the recommended products in the at least two product categories and a product purchase ratio of the buyer identified in the at least two product categories. It characterized in that it includes instructions for performing the calculation step.

상기 목적을 달성하기 위한 본 발명의 제 5 관점에 따른 상품 추천 서비스 시스템은, 구매자에 추천하고자 하는 추천상품을 상품추천장치에 요청하는 구매자장치; 및 상기 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하고, 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하여, 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 상품추천장치를 포함하는 것을 특징으로 한다.A product recommendation service system according to a fifth aspect of the present invention for achieving the above object comprises: a purchaser device for requesting a recommended product to be recommended to a purchaser from a product recommendation device; And determining a recommendation ranking in at least two product categories for the recommended products, and confirming the product purchase ratio of the purchaser in each of the at least two product categories based on the product purchase history of the purchaser, Product recommendation for calculating a recommendation score for each of the recommended products based on a recommendation ranking determined for the recommended products in at least two product categories and a product purchase ratio of the buyer identified in the at least two product categories It characterized in that it comprises a device.

이에, 본 발명의 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치에 의하면, 구매자에게 추천하고자 상기 추천상품들에 대하여, 상품카테고리 별로 책정되는 추천순위와, 상품카테고리 별로 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출함으로써, 추천상품에 대한 신뢰도를 향상시켜 추천상품에 대한 실질적인 구매가 이루어지도록 유도할 수 있다.Accordingly, according to the product recommendation service system of the present invention, the method thereof, and the apparatus applied thereto, for the recommended products to be recommended to the purchaser, a recommendation ranking determined by product category and the purchaser's product identified by product category By calculating the recommended score for each of the recommended products based on the purchase ratio, the reliability of the recommended product may be improved, thereby inducing a substantial purchase of the recommended product.

도 1은 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템의 개략적인 구성도.
도 2는 본 발명의 일 실시예에 따른 상품추천장치의 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 상품추천장치에서의 동작 흐름을 설명하기 위한 개략적인 순서도.1 is a schematic configuration diagram of a product recommendation service system according to an embodiment of the present invention.
Figure 2 is a configuration diagram of a product recommendation device according to an embodiment of the present invention.
3 is a schematic flowchart illustrating an operation flow in a product recommendation service system according to an embodiment of the present invention.
Figure 4 is a schematic flow chart for explaining the operation flow in the product recommendation device according to an embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명의 일 실시예에 대하여 설명한다.Hereinafter, an embodiment of the present invention will be described with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템을 도시한 도면이다. 1 is a diagram illustrating a product recommendation service system according to an embodiment of the present invention.

도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템은, 상품추천장치(200)로부터 구매자에게 적합한 추천상품을 추천받는 구매자장치(100), 및 구매자에게 적합한 추천상품을 결정하여 추천하는 상품추천장치(200)를 포함하는 구성을 갖는다.As shown in FIG. 1, the product recommendation service system according to an embodiment of the present invention provides a purchaser device 100 for recommending recommended products suitable for a purchaser from the product recommendation device 200, and a recommended product suitable for the purchaser. It has a configuration including a product recommendation device 200 that is determined and recommended.

여기서, 구매자장치(100)는 예컨대, 모바일 웹 또는 인터넷을 통해 상품추천장치(200)에 접속하여 구매자에게 적합한 추천상품을 추천받기 위한 사용자 디바이스를 일컫는다.Here, the purchaser device 100 refers to a user device for accessing the product recommendation device 200 through a mobile web or the Internet to recommend recommended products suitable for a purchaser.

예를 들어, 구매장치(100)는 스마트폰, 개인용컴퓨터, 노트북, 및 테블릿 PC, 등이 해당될 수 있으며, 이에 제한되는 것이 아닌 상품추천장치(200)에 접속 가능한 장치는 모두 포함될 수 있다.For example, the purchase device 100 may include a smartphone, a personal computer, a notebook computer, and a tablet PC, and all devices accessible to the product recommendation device 200 may be included, but are not limited thereto. .

그리고, 상품추천장치(200)는 구매자장치(100)를 통해 서비스페이지에 접속한 구매자를 대상으로 추천상품을 결정하여 추천하기 위한 서버를 일컫는다.In addition, the product recommendation device 200 refers to a server for determining and recommending a recommended product for a purchaser who accesses a service page through the purchaser device 100.

예를 들어, 서비스장치(200)는 인터넷이나 모바일 웹을 통해 서비스페이지에 접속한 구매자에게 상품을 판매함과 동시에 추천상품을 제공하거나, 또는 추천상품만을 제공하기 위한 별도의 서버로 구성될 수 있다.For example, the service device 200 may be configured as a separate server for providing recommended products while selling products to a purchaser who accesses a service page through the Internet or a mobile web, or providing only recommended products. .

여기서, 구매자에게 판매되는 상품의 경우 그 특성에 따라 예를 들어, 어플리케이션 상품과, 컨텐츠 상품으로 상품카테고리를 분류할 수 있으며, 나아가 상품의 세부적인 특성에 따라 다양한 상품카테고리(예: 게임, 학습, 영화, 드라마, 및 도서 등) 등으로 추가 분류할 수 있다.Here, in the case of products sold to buyers, product categories can be classified into, for example, application products and content products according to their characteristics, and furthermore, various product categories (such as games, learning, and Movies, dramas, and books) can be further classified.

한편, 본 발명의 일 실시예에 따르면, 상품추천장치(200)에서는 구매자에게 적합한 추천상품을 결정하여 추천하는 상품 추천 서비스를 제공하고 있다.Meanwhile, according to an embodiment of the present invention, the product recommendation device 200 provides a product recommendation service for determining and recommending a recommended product suitable for a buyer.

헌데, 상품 추천 서비스의 경우, 추천상품에 대한 구매자의 구매가 이루어지도록 유도하는 것이 무엇보다 중요함에도 불구하고, 실질적으로 추천상품에 대한 구매자의 구매가 이루어지지 않을 수 있다.However, in the case of a product recommendation service, although it is most important to induce a purchaser to purchase a recommended product, a purchaser may not actually purchase a recommended product.

때문에, 추천상품에 대한 구매가 이루어지도록 유도하기 위한 해결 방안이 요구되며, 추천상품에 대한 구매자의 신뢰도를 향상시키는 것이 가장 근본적인 해결 방안이라 할 것이다.Therefore, a solution to induce purchase of recommended products is required, and the most fundamental solution is to improve the reliability of buyers for recommended products.

이에, 본 발명의 일 실시예에서는 추천상품에 대한 구매자의 신뢰도를 향상시키기 위해서, 구매자가 선호하는 상품카테고리를 반영하여 추천상품을 결정하고, 결정된 추천상품의 추천하는 정도를 정량화한 추천점수를 제공하기 위한 방안을 제안하고자 하며, 이하에서는 이를 구체적으로 설명하기로 한다.Accordingly, in an embodiment of the present invention, in order to improve the reliability of the buyer for the recommended product, a recommended product is determined by reflecting the product category preferred by the buyer, and a recommendation score is provided that quantifies the degree of recommendation of the determined recommended product. It intends to propose a method for doing so, and will be described in detail below.

우선, 구매자장치(100)는 상품추천장치(200)에 접속하여 추천상품을 요청하는 기능을 수행한다.First, the purchaser device 100 accesses the product recommendation device 200 and performs a function of requesting a recommended product.

보다 구체적으로, 구매자장치(100)는 인터넷 또는 모바일 웹을 통해 서비스장치(200)에 접속하여 예컨대, 구매자의 개인정보(예: ID / PW)를 상품추천장치(200)에 전달함으로써, 상품추천장치(200)로 하여금 상기 구매자의 개인정보를 기초로 구매자에 적합한 추천상품을 결정하여 구매자장치(100)에 제공할 수 있도록 한다.More specifically, the purchaser device 100 accesses the service device 200 through the Internet or a mobile web and transmits, for example, the purchaser's personal information (eg, ID / PW) to the product recommendation device 200, thereby recommending products. The device 200 may determine a recommended product suitable for the purchaser based on the purchaser's personal information and provide it to the purchaser device 100.

그리고, 상품추천장치(200)는 구매자에게 추천하고자 하는 추천상품을 결정하는 기능을 수행한다.In addition, the product recommendation device 200 performs a function of determining a recommended product to be recommended to a buyer.

보다 구체적으로, 상품추천장치(200)는 서비스페이지에 접속된 구매자장치(100)로부터 구매자의 개인정보가 수신되면, 수신된 개인정보를 기초로 구매자에게 추천하고자 하는 추천상품을 결정한다.More specifically, when the purchaser's personal information is received from the purchaser device 100 connected to the service page, the product recommendation device 200 determines a recommended product to be recommended to the purchaser based on the received personal information.

이때, 상품추천장치(200)는 예컨대, 구매자의 구매 이력을 바탕으로 연관상품을 확인하는 협업 필터링 알고리즘 (Collaborate Filtering), 구매연관 (Associate Rule) 방법, 및 사후 프로세싱 등을 포함하는 다양한 알고리즘을 적용하여 추천도를 산출함으로써, 구매자에게 추천하고자 하는 추천상품을 결정할 수 있다.At this time, the product recommendation device 200 applies various algorithms including, for example, a collaborate filtering algorithm that checks related products based on the purchase history of a buyer, a purchase association method, and post processing. Thus, by calculating the degree of recommendation, a recommended product to be recommended to a buyer can be determined.

또한, 상품추천장치(200)는 추천상품들에 대하여 추천순위를 책정하는 기능을 수행한다.In addition, the product recommendation device 200 performs a function of setting a recommendation ranking for recommended products.

보다 구체적으로, 상품추천장치(200)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 구매자에게 추천하고자 하는 추천상품들에 대하여 상품카테고리 별로 추천순위를 책정한다.More specifically, the product recommendation device 200 sets a recommendation ranking for each product category for recommended products to be recommended to a buyer as a part of calculating a recommendation score for a recommended product.

이때, 상품추천장치(200)는 상품카테고리(예: 게임, 유머, 생활, 교육, VOD, E-book, 영화, 음악) 별로 분류된 추천상품들 각각에 대한 추천도를 확인하고, 확인된 추천도의 크기가 큰 순서에 따라 각 상품카테고리 내에서의 추천순위를 책정할 수 있다.At this time, the product recommendation device 200 checks the degree of recommendation for each of the recommended products classified by product category (eg, game, humor, life, education, VOD, E-book, movie, music), and the confirmed recommendation The ranking of recommendations within each product category can be determined according to the order of magnitude of the province.

또한, 상품추천장치(200)는 상품카테고리 별로 상품구매비율을 확인하는 기능을 수행한다.In addition, the product recommendation device 200 performs a function of checking a product purchase rate for each product category.

보다 구체적으로, 상품추천장치(200)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인한다.More specifically, the product recommendation device 200 checks the product purchase rate of the buyer in each product category as a part of calculating the recommendation score for the recommended product.

이때, 상품추천장치(200)는 구매자가 구매한 상품과 관련된 이력 정보인 상품구매이력을 기초로 상품카테고리 별로 구매자가 구매한 상품을 확인함으로써, 상품카테고리 별로 상품구매비율을 확인하게 된다.At this time, the product recommendation device 200 checks the product purchase rate for each product category by checking the product purchased by the purchaser for each product category based on the product purchase history, which is historical information related to the product purchased by the purchaser.

또한, 상품추천장치(200)는 추천상품들 각각에 대한 추천점수를 산출한다.In addition, the product recommendation device 200 calculates a recommendation score for each of the recommended products.

보다 구체적으로, 상품추천장치(200)는 상품카테고리 별로 추천순위의 책정 및 상품구매비율의 확인이 완료되면, 각 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출한다.More specifically, when the product recommendation device 200 completes the determination of the recommendation rank for each product category and the confirmation of the product purchase rate, the recommendation rank determined for the recommended products in each product category, and the at least two product categories A recommendation score for each of the recommended products is calculated based on the purchaser's product purchase ratio identified in FIG.

이때, 상품추천장치(200)는 구매자가 선호하는 상품카테고리를 반영하기 위한 수단으로서, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용함으로써, 가중치가 적용된 기본점수를 각 추천상품에 대한 추천점수로서 산출하게 된다.At this time, the product recommendation device 200 is a means for reflecting a product category preferred by a buyer, and assumes the recommendation rank within each product category as a base score for calculating the recommendation score, and corresponds to the base score. By applying the product purchase ratio of the buyer in the product category as a weight, the weighted base score is calculated as a recommendation score for each recommended product.

이하에서는, 도 2를 참조하여 본 발명의 일 실시예에 따른 상품추천장치(200)의 구성을 보다 구체적으로 설명하도록 한다.Hereinafter, the configuration of the product recommendation device 200 according to an embodiment of the present invention will be described in more detail with reference to FIG. 2.

즉, 본 발명의 일 실시예에 따른 상품추천장치(200)는 추천상품을 결정하는 결정부(210), 추천상품을 상품카테고리 별로 분류하는 분류부(220), 추천상품의 추천순위를 책정하는 책정부(230), 상품카테고리별 상품구매비율을 확인하는 확인부(240), 및 추천상품에 대한 추천점수를 산출하는 산출부(250)를 포함하는 구성을 갖는다.That is, the product recommendation device 200 according to an embodiment of the present invention includes a determination unit 210 for determining recommended products, a classification unit 220 for classifying recommended products by product category, and a recommendation ranking of recommended products. It has a configuration including a calculation unit 230, a confirmation unit 240 for checking a product purchase rate for each product category, and a calculation unit 250 for calculating a recommendation score for a recommended product.

여기서, 전술한 상품추천장치(200)의 각 구성 모두 또는 일부는, 프로세서에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다.Here, all or a part of each component of the above-described product recommendation apparatus 200 may be implemented as a software module executed by a processor, or may be implemented by a combination thereof.

우선, 결정부(210)는 구매자에게 추천하고자 하는 추천상품을 결정하는 기능을 수행한다.First, the determination unit 210 performs a function of determining a recommended product to be recommended to a buyer.

보다 구체적으로, 결정부(210)는 서비스페이지에 접속된 구매자장치(100)로부터 구매자의 개인정보가 수신되면, 수신된 개인정보를 기초로 구매자에게 추천하고자 하는 추천상품을 결정한다.More specifically, when the personal information of the purchaser is received from the purchaser device 100 connected to the service page, the determination unit 210 determines a recommended product to be recommended to the purchaser based on the received personal information.

이때, 결정부(210)는 예컨대, 구매자의 구매 이력을 바탕으로 연관상품을 확인하는 협업 필터링 알고리즘 (Collaborate Filtering), 구매연관 (Associate Rule) 방법, 및 사후 프로세싱 등을 포함하는 다양한 알고리즘을 적용하여 추천도를 산출함으로써, 구매자에게 추천하고자 하는 추천상품을 결정하게 된다.At this time, the determination unit 210 applies various algorithms including, for example, a collaborate filtering algorithm, a purchase association method, and post-processing to check related products based on the purchase history of the purchaser. By calculating the degree of recommendation, a recommended product to be recommended to a buyer is determined.

예를 들어, 결정부(210)는 신뢰도(Confidence) 연관규칙을 기초로 구매자에게 추천하고자 하는 추천상품들을 결정한 경우, 추천상품들 각각의 신뢰도를 구매자에 대한 추천도로서 산출하게 된다.For example, when determining recommended products to be recommended to a buyer based on a confidence association rule, the determination unit 210 calculates the reliability of each of the recommended products as a recommendation to the buyer.

다른 예로서, 결정부(210)는 향상도(Lift) 연관규칙을 기초로 구매자와 관련된 M개의 연관상품들을 확인한 경우에는, 추천상품들 각각의 향상도를 구매자에 대한 추천도로서 산출한다.As another example, when the determination unit 210 checks M related products related to a buyer based on a lift association rule, the degree of improvement of each of the recommended products is calculated as a degree of recommendation to the buyer.

그리고, 책정부(230)는 추천상품들에 대하여 추천순위를 책정하는 기능을 수행한다.In addition, the designation unit 230 performs a function of setting a recommendation ranking for recommended products.

보다 구체적으로, 책정부(230)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 구매자에게 추천하고자 하는 추천상품들에 대하여 상품카테고리 별로 추천순위를 책정한다.More specifically, as part of calculating the recommendation score for the recommended product, the designation unit 230 sets a recommendation ranking for each product category for recommended products to be recommended to buyers.

이를 위해, 책정부(230)는 분류부(220)로 하여금 구매자에게 추천하고자 하는 추천상품들을 상품카테고리(예: 게임, 유머, 생활, 교육, VOD, E-book, 영화, 음악) 별로 분류하도록 하고, 상품카테고리 별로 분류된 추천상품들에 대한, 각 상품카테고리 내에서의 추천순위를 책정하게 된다.To this end, the bookmaker 230 allows the classification unit 220 to classify recommended products to be recommended to buyers by product category (eg, games, humor, life, education, VOD, E-book, movies, music). And, for recommended products classified by product category, the ranking of recommendations within each product category is determined.

예를 들어, 책정부(230)는 상품카테고리 별로 분류된 추천상품들 각각에 대한 추천도를 확인하고, 확인된 추천도의 크기가 큰 순서에 따라 각 상품카테고리 내에서의 추천순위를 책정할 수 있다.For example, the designation unit 230 may check the recommendation level for each of the recommended products classified by product category, and set the recommendation rank within each product category in the order of the size of the confirmed recommendation level. have.

그리고, 확인부(240)는 상품카테고리 별로 상품구매비율을 확인하는 기능을 수행한다.In addition, the verification unit 240 performs a function of checking a product purchase rate for each product category.

보다 구체적으로, 확인부(240)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인한다.More specifically, the verification unit 240 checks the product purchase rate of the buyer in each product category as a part of calculating the recommended score for the recommended product.

이때, 확인부(240)는 구매자가 구매한 상품과 관련된 이력 정보인 상품구매이력을 기초로 상품카테고리 별로 구매자가 구매한 상품을 확인함으로써, 상품카테고리 별로 상품구매비율을 확인하게 된다.At this time, the verification unit 240 checks the product purchase rate for each product category by checking the product purchased by the purchaser for each product category based on the product purchase history, which is historical information related to the product purchased by the purchaser.

예를 들어, 확인부(240)는 다수의 상품카테고리 중에서 특정 상품카테고리(예: 영화)에서 구매자가 구매한 상품이 많은 경우, 상기 특정 상품카테고리의 상품구매비율이 다른 상품카테고리에 비해 큰 것으로 확인될 수 있다.For example, if there are many products purchased by a buyer in a specific product category (eg, movie) among a plurality of product categories, the confirmation unit 240 confirms that the product purchase ratio of the specific product category is larger than that of other product categories. Can be.

한편, 확인부(240)는 상품카테고리 별로 상품구매비율을 확인함에 있어서, 아래 [수식 1]과 같이 통해 실제 상품구매비율에, 임의의 가중치를 적용함으로써, 실질적인 상품구매비율의 크기를 조정하게 된다.Meanwhile, in checking the product purchase rate for each product category, the verification unit 240 adjusts the size of the actual product purchase rate by applying a random weight to the actual product purchase rate through the following [Equation 1]. .

[수식 1][Equation 1]

f1(상품구매비율 크기) = 상품구매비율 * wt(가중치)f1 (Product purchase ratio size) = Product purchase ratio * wt (weight)

이처럼, 상품구매비율을 확인함에 있어서, 임의의 가중치를 적용하는 것은 예컨대, 마켓 또는 서비스 특성에 맞게 그 크기를 조정하기 위함이다.In this way, in checking the product purchase ratio, the application of an arbitrary weight is to adjust the size according to, for example, market or service characteristics.

그리고, 산출부(250)는 추천상품들 각각에 대한 추천점수를 산출한다.Then, the calculation unit 250 calculates a recommendation score for each of the recommended products.

보다 구체적으로, 산출부(250)는 상품카테고리 별로 추천순위의 책정 및 상품구매비율의 확인이 완료되면, 각 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출한다.More specifically, when the determination of the recommendation rank for each product category and confirmation of the product purchase rate are completed, the calculation unit 250 includes a recommendation rank determined for the recommended products in each product category, and the at least two product categories. A recommendation score for each of the recommended products is calculated based on the confirmed product purchase rate of the buyer.

이때, 산출부(250)는 구매자가 선호하는 상품카테고리를 반영하기 위한 수단으로서, 상품카테고리 별로 확인되는 상품구매비율을 추천상품의 추천점수를 산출하기 위한 가중치로서 적용하게 된다.In this case, the calculation unit 250 is a means for reflecting the product category preferred by the buyer, and applies the product purchase ratio identified for each product category as a weight for calculating the recommended score of the recommended product.

예를 들어, 산출부(250)는 아래 [수식 2]와 같이, 상품카테고리에 별로 분류된 추천상품들 각각에 대하여, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용함으로써, 상기 가중치가 적용된 기본점수를 각 추천상품에 대한 추천점수로서 산출할 수 있다.For example, as shown in [Equation 2] below, for each of the recommended products classified by product categories, the calculation unit 250 calculates the recommendation score based on the recommendation rank within each product category. The base score to which the weight is applied can be calculated as a recommendation score for each recommended product by applying the product purchase ratio of the buyer in the product category to the base score as a weight.

[수식 2][Equation 2]

f2(추천점수) = 기본점수(추천순위) * 해당 상품카테고리에서의 상품구매비율f2 (Recommended score) = Base score (recommended ranking) * Percentage of product purchases in the product category

한편, 산출부(250)는 각 추천상품에 대한 추천점수가 산출되면, 추천점수의 크기에 따라 내림차순으로 정렬하고, 각 추천상품의 추천점수를 구매자가 확인할 수 있도록 제공하게 된다.On the other hand, when the recommendation score for each recommended product is calculated, the calculation unit 250 sorts it in descending order according to the size of the recommendation score, and provides the recommendation score of each recommended product for the purchaser to check.

여기서, 각 추천상품의 추첨점수는 추천상품의 추천하는 정도를 정량화하기 위한 정보로서, 식별이 용이하도록 예컨대, 0부터 100의 크기로 정규화하여 제공할 수 있다.Here, the lottery score of each recommended product is information for quantifying the degree of recommendation of the recommended product, and may be provided by normalizing to a size of, for example, 0 to 100 for easy identification.

이상에서 살펴본 바와 같이, 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템에 따르면, 구매자에게 추천하고자 하는 추천상품들에 대하여, 상품카테고리 별로 추천순위를 책정하고, 상기 구매자의 상품구매이력을 기초로 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하여, 상품카테고리 별로 상기 추천상품들에 대하여 책정되는 추천순위와, 상품카테고리 별로 확인되는 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출함으로써, 구매자가 선호하는 상품카테고리를 반영하여 추천상품을 결정하고, 결정된 추천상품의 추천하는 정도를 정량화한 추천점수를 제공함에 따라 추천상품에 대한 구매자의 신뢰도를 향상시킬 수 있다.As described above, according to the product recommendation service system according to an embodiment of the present invention, for recommended products to be recommended to a buyer, a recommendation ranking is set for each product category, and based on the purchase history of the buyer Each of the recommended products is checked based on the recommendation ranking determined for the recommended products for each product category by checking the product purchase rate of the buyer in each product category, and the product purchase rate of the buyer identified for each product category. By calculating the recommendation score for the recommended product, it is possible to improve the buyer's confidence in the recommended product by determining the recommended product by reflecting the product category that the buyer prefers and providing a recommendation score that quantifies the degree of recommendation of the determined recommended product. .

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. Hereinafter, a product recommendation service method according to an embodiment of the present invention will be described with reference to FIGS. 3 and 4. Here, for convenience of description, the configurations shown in FIGS. 1 and 2 described above will be described with reference to the corresponding reference numerals.

우선, 도 3을 참조하여 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템에서의 동작 흐름을 설명하도록 한다.First, an operation flow in the product recommendation service system according to an embodiment of the present invention will be described with reference to FIG. 3.

먼저, 구매자장치(100)는 인터넷 또는 모바일 웹을 통해 서비스장치(200)에 접속하여 예컨대, 구매자의 개인정보(예: ID / PW)를 상품추천장치(200)에 전달함으로써, 상품추천장치(200)로 하여금 상기 구매자의 개인정보를 기초로 구매자에 적합한 추천상품을 결정하여 구매자장치(100)에 제공할 수 있도록 한다(S110).First, the purchaser device 100 connects to the service device 200 through the Internet or a mobile web and transmits, for example, the purchaser's personal information (eg, ID / PW) to the product recommendation device 200, 200) allows the purchaser to determine a recommended product suitable for the purchaser based on the purchaser's personal information and provide it to the purchaser device 100 (S110).

이에, 상품추천장치(200)는 서비스페이지에 접속된 구매자장치(100)로부터 구매자의 개인정보가 수신되면, 수신된 개인정보를 기초로 구매자에게 추천하고자 하는 추천상품을 결정한다(S120).Accordingly, when the personal information of the purchaser is received from the purchaser device 100 connected to the service page, the product recommendation device 200 determines a recommended product to be recommended to the purchaser based on the received personal information (S120).

이때, 상품추천장치(200)는 예컨대, 구매자의 구매 이력을 바탕으로 연관상품을 확인하는 협업 필터링 알고리즘 (Collaborate Filtering), 구매연관 (Associate Rule) 방법, 및 사후 프로세싱 등을 포함하는 다양한 알고리즘을 적용하여 추천도를 산출함으로써, 구매자에게 추천하고자 하는 추천상품을 결정할 수 있다.At this time, the product recommendation device 200 applies various algorithms including, for example, a collaborate filtering algorithm that checks related products based on the purchase history of a buyer, a purchase association method, and post processing. Thus, by calculating the degree of recommendation, a recommended product to be recommended to a buyer can be determined.

그리고 나서, 상품추천장치(200)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 구매자에게 추천하고자 하는 추천상품들에 대하여 상품카테고리 별로 추천순위를 책정한다(S130).Then, the product recommendation device 200 sets a recommendation ranking for each product category for recommended products to be recommended to a buyer as a part of calculating a recommendation score for a recommended product (S130).

이때, 상품추천장치(200)는 상품카테고리(예: 게임, 유머, 생활, 교육, VOD, E-book, 영화, 음악) 별로 분류된 추천상품들 각각에 대한 추천도를 확인하고, 확인된 추천도의 크기가 큰 순서에 따라 각 상품카테고리 내에서의 추천순위를 책정할 수 있다.At this time, the product recommendation device 200 checks the degree of recommendation for each of the recommended products classified by product category (eg, game, humor, life, education, VOD, E-book, movie, music), and the confirmed recommendation The ranking of recommendations within each product category can be determined according to the order of magnitude of the province.

그리고, 상품추천장치(200)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인한다(S140).In addition, the product recommendation device 200 checks the product purchase rate of the buyer in each product category as a part of calculating the recommended score for the recommended product (S140).

이때, 상품추천장치(200)는 구매자가 구매한 상품과 관련된 이력 정보인 상품구매이력을 기초로 상품카테고리 별로 구매자가 구매한 상품을 확인함으로써, 상품카테고리 별로 상품구매비율을 확인하게 된다.At this time, the product recommendation device 200 checks the product purchase rate for each product category by checking the product purchased by the purchaser for each product category based on the product purchase history, which is historical information related to the product purchased by the purchaser.

이후, 상품추천장치(200)는 상품카테고리 별로 추천순위의 책정 및 상품구매비율의 확인이 완료되면, 각 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하여 구매자장치에 제공한다(S150-S160).Thereafter, when the determination of the recommendation ranking for each product category and the confirmation of the product purchase rate are completed, the product recommendation device 200 checks the recommendation ranking determined for the recommended products in each product category and the at least two product categories. A recommendation score for each of the recommended products is calculated based on the product purchase rate of the buyer and provided to the purchaser device (S150-S160).

이때, 상품추천장치(200)는 구매자가 선호하는 상품카테고리를 반영하기 위한 수단으로서, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용함으로써, 가중치가 적용된 기본점수를 각 추천상품에 대한 추천점수로서 산출하게 된다.At this time, the product recommendation device 200 is a means for reflecting a product category preferred by a buyer, and assumes the recommendation rank within each product category as a base score for calculating the recommendation score, and corresponds to the base score. By applying the product purchase ratio of the buyer in the product category as a weight, the weighted base score is calculated as a recommendation score for each recommended product.

이하에서는 도 4를 참조하여 본 발명의 일 실시예에 따른 상품추천장치(200)의 동작을 구체적으로 설명하도록 한다.Hereinafter, the operation of the product recommendation device 200 according to an embodiment of the present invention will be described in detail with reference to FIG. 4.

먼저, 결정부(210)는 서비스페이지에 접속된 구매자장치(100)로부터 구매자의 개인정보가 수신되면, 수신된 개인정보를 기초로 구매자에게 추천하고자 하는 추천상품을 결정한다(S210).First, when the personal information of the purchaser is received from the purchaser device 100 connected to the service page, the determination unit 210 determines a recommended product to be recommended to the purchaser based on the received personal information (S210).

이때, 결정부(210)는 예컨대, 구매자의 구매 이력을 바탕으로 연관상품을 확인하는 협업 필터링 알고리즘 (Collaborate Filtering), 구매연관 (Associate Rule) 방법, 및 사후 프로세싱 등을 포함하는 다양한 알고리즘을 적용하여 추천도를 산출함으로써, 구매자에게 추천하고자 하는 추천상품을 결정하게 된다.At this time, the determination unit 210 applies various algorithms including, for example, a collaborate filtering algorithm, a purchase association method, and post-processing to check related products based on the purchase history of the purchaser. By calculating the degree of recommendation, a recommended product to be recommended to a buyer is determined.

그리고 나서, 책정부(230)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 구매자에게 추천하고자 하는 추천상품들에 대하여 상품카테고리 별로 추천순위를 책정한다(S220-S230).Then, as a part of calculating the recommendation score for the recommended product, the designation unit 230 sets a recommendation ranking for each product category with respect to recommended products to be recommended to a buyer (S220-S230).

이때, 책정부(230)는 분류부(220)로 하여금 구매자에게 추천하고자 하는 추천상품들을 상품카테고리(예: 게임, 유머, 생활, 교육, VOD, E-book, 영화, 음악) 별로 분류하도록 하고, 상품카테고리 별로 분류된 추천상품들에 대한, 각 상품카테고리 내에서의 추천순위를 책정하게 된다.At this time, the bookmaker 230 allows the classification unit 220 to classify recommended products to be recommended to buyers by product category (eg, games, humor, life, education, VOD, E-book, movies, music). , For recommended products classified by product category, the ranking of recommendations within each product category is determined.

예를 들어, 책정부(230)는 상품카테고리 별로 분류된 추천상품들 각각에 대한 추천도를 확인하고, 확인된 추천도의 크기가 큰 순서에 따라 각 상품카테고리 내에서의 추천순위를 책정할 수 있다.For example, the designation unit 230 may check the recommendation level for each of the recommended products classified by product category, and set the recommendation rank within each product category in the order of the size of the confirmed recommendation level. have.

그런 다음, 확인부(240)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 구매자가 구매한 상품과 관련된 이력 정보인 상품구매이력을 기초로 상품카테고리 별로 구매자가 구매한 상품을 확인함으로써, 상품카테고리 별로 상품구매비율을 확인한다(S240).Then, the verification unit 240 checks the products purchased by the buyer for each product category based on the product purchase history, which is historical information related to the products purchased by the buyer, as a part of calculating the recommendation score for the recommended products. Check the product purchase rate for each category (S240).

이때, 확인부(240)는 상품카테고리 별로 상품구매비율을 확인함에 있어서, 실제 상품구매비율에, 임의의 가중치를 적용함으로써, 실질적인 상품구매비율의 크기를 조정하게 된다.At this time, the verification unit 240 adjusts the size of the actual product purchase ratio by applying an arbitrary weight to the actual product purchase ratio in checking the product purchase ratio for each product category.

이후, 산출부(250)는 상품카테고리 별로 추천순위의 책정 및 상품구매비율의 확인이 완료되면, 각 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출한다(S250).Thereafter, when the determination of the recommendation rank for each product category and confirmation of the product purchase ratio are completed, the calculation unit 250 determines the recommendation rank determined for the recommended products in each product category, and the at least two product categories. A recommendation score for each of the recommended products is calculated based on the product purchase rate of the buyer (S250).

이때, 산출부(250)는 상품카테고리에 별로 분류된 추천상품들 각각에 대하여, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 기본점수에 대한 가중치로서 적용함으로써, 상기 가중치가 적용된 기본점수를 각 추천상품에 대한 추천점수로서 산출한다.At this time, the calculation unit 250, for each of the recommended products classified by product category, assumes the recommendation ranking within each product category as a base score for calculating the recommendation score, and the By applying the purchaser's product purchase ratio as a weight to the base score, the base score to which the weight is applied is calculated as a recommendation score for each recommended product.

그리고, 산출부(250)는 각 추천상품에 대한 추천점수가 산출되면, 추천점수의 크기에 따라 내림차순으로 정렬하고, 각 추천상품의 추천점수를 구매자가 확인할 수 있도록 제공하게 된다.In addition, when the recommendation score for each recommended product is calculated, the calculation unit 250 sorts it in descending order according to the size of the recommendation score, and provides the recommendation score of each recommended product so that the buyer can check it.

이상에서 살펴본 바와 같이, 본 발명의 일 실시예에 따른 상품 추천 서비스 방법에 따르면, 구매자에게 추천하고자 하는 추천상품들에 대하여, 상품카테고리 별로 추천순위를 책정하고, 상기 구매자의 상품구매이력을 기초로 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하여, 상품카테고리 별로 상기 추천상품들에 대하여 책정되는 추천순위와, 상품카테고리 별로 확인되는 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출함으로써, 구매자가 선호하는 상품카테고리를 반영하여 추천상품을 결정하고, 결정된 추천상품의 추천하는 정도를 정량화한 추천점수를 제공함에 따라 추천상품에 대한 구매자의 신뢰도를 향상시킬 수 있다.As described above, according to the product recommendation service method according to an embodiment of the present invention, for recommended products to be recommended to a buyer, a recommendation ranking is determined for each product category, and based on the purchase history of the product Each of the recommended products is checked based on the recommendation ranking determined for the recommended products for each product category by checking the product purchase rate of the buyer in each product category, and the product purchase rate of the buyer identified for each product category. By calculating the recommendation score for the recommended product, it is possible to improve the buyer's confidence in the recommended product by determining the recommended product by reflecting the product category that the buyer prefers and providing a recommendation score that quantifies the degree of recommendation of the determined recommended product. .

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.Meanwhile, the steps of the method or algorithm described in connection with the embodiments presented herein may be directly implemented in hardware or implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the present invention, or may be known and usable to those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -A hardware device specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of the program instructions include not only machine language codes such as those produced by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The above-described hardware device may be configured to operate as one or more software modules to perform the operation of the present invention, and vice versa.

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.Although the present invention has been described in detail with reference to preferred embodiments so far, the present invention is not limited to the above-described embodiments, and the technical field to which the present invention belongs without departing from the gist of the present invention claimed in the following claims. Anyone of ordinary skill in the art will say that the technical idea of the present invention extends to the range in which various modifications or modifications are possible.

본 발명의 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치에 따르면, 구매자에게 추천하고자 상기 추천상품들에 대하여, 상품카테고리 별로 책정되는 추천순위와, 상품카테고리 별로 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출함으로써, 추천상품에 대한 신뢰도를 향상시킨다는 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.According to the product recommendation service system and method of the present invention, and the apparatus applied thereto, for the recommended products to be recommended to a buyer, a recommendation ranking determined for each product category, and a product purchase rate of the buyer identified for each product category. Based on the calculation of the recommendation score for each of the recommended products, as it exceeds the limitations of existing technologies in that it improves the reliability of the recommended products, the market or sales of applied devices, not just the use of related technologies. It is an invention that has industrial applicability because it has sufficient possibilities and can be implemented clearly in reality.

100: 구매자장치
200: 상품추천장치
210: 결정부 220: 분류부
230: 책정부 240: 확인부
250: 산출부100: buyer device
200: product recommendation device
210: decision unit 220: classification unit
230: book government 240: confirmation
250: calculation unit

Claims (9)

구매자에게 추천하고자 하는 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정부;
상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인부; 및
상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출부
를 포함하며,
상기 확인부는 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리를 대상으로 특정 상품카테고리에서 구매자가 구매한 상품이 많은 경우 상기 특정 상품카테고리의 상품구매비율이 다른 상품카테고리에 비해 크도록 상기 적어도 두개의 상품카테고리 별로 상품구매비율을 확인하고,
상기 적어도 두개의 상품카테고리에서의 상기 구매자의 상품구매비율은, 상기 추천점수를 산출하기 위한 가중치로서 적용되며,
상기 산출부는,
상기 적어도 두개의 상품카테고리 별로 분류된 추천상품들 각각에 대하여, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용하여, 상기 가중치가 적용된 기본점수를 상기 추천점수로서 산출하는 것을 특징으로 하는 상품추천장치.A designation unit that sets recommendation rankings in at least two product categories for recommended products to be recommended to buyers;
A confirmation unit for checking a product purchase rate of the purchaser in each of the at least two product categories based on the purchase history of the purchaser; And
Calculation of calculating a recommendation score for each of the recommended products based on a recommendation ranking determined for the recommended products in the at least two product categories and a product purchase ratio of the buyer identified in the at least two product categories part
Including,
Based on the purchase history of the purchaser, the confirmation unit reminds the at least two product categories so that, when there are many products purchased by the purchaser in a specific product category, the product purchase ratio of the specific product category is greater than that of other product categories Check the product purchase rate for at least two product categories,
The product purchase ratio of the buyer in the at least two product categories is applied as a weight for calculating the recommendation score,
The calculation unit,
For each of the recommended products classified by the at least two product categories, the recommendation rank in each product category is assumed as a base score for calculating the recommendation score, and the base score is the purchaser in the product category. A product recommendation device, characterized in that by applying the product purchase ratio of as a weight, and calculating a base score to which the weight is applied as the recommendation score. 제 1 항에 있어서,
상기 상품추천장치는,
상기 구매자에게 추천하고자 하는 추천상품들을 상기 적어도 두개의 상품카테고리 별로 분류하는 분류부를 더 포함하며,
상기 책정부는,
상기 구매자에 대한 추천도의 크기를 기초로, 상기 적어도 두개의 상품카테고리 별로 분류된 추천상품들에 대한, 각 상품카테고리 내에서의 상기 추천순위를 책정하는 것을 특징으로 하는 상품추천장치.The method of claim 1,
The product recommendation device,
Further comprising a classification unit for classifying the recommended products to be recommended to the buyer by the at least two product categories,
The above budget is
The product recommendation apparatus, characterized in that, based on the size of the degree of recommendation to the buyer, the recommendation ranking in each product category for the recommended products classified by the at least two product categories. 삭제delete 삭제delete 구매자에게 추천하고자 하는 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정단계;
상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인단계; 및
상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출단계
를 포함하며,
상기 확인단계는 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리를 대상으로 특정 상품카테고리에서 구매자가 구매한 상품이 많은 경우 상기 특정 상품카테고리의 상품구매비율이 다른 상품카테고리에 비해 크도록 상기 적어도 두개의 상품카테고리 별로 상품구매비율을 확인하고,
상기 적어도 두개의 상품카테고리에서의 상기 구매자의 상품구매비율은, 상기 추천점수를 산출하기 위한 가중치로서 적용되며,
상기 산출단계는,
상기 적어도 두개의 상품카테고리 별로 분류된 추천상품들 각각에 대하여, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용하여, 상기 가중치가 적용된 기본점수를 상기 추천점수로서 산출하는 것을 특징으로 하는 상품추천장치의 동작 방법.A determining step of determining a recommendation ranking in at least two product categories for recommended products to be recommended to a buyer;
A verification step of confirming a product purchase rate of the purchaser in each of the at least two product categories based on the purchaser's product purchase history; And
Calculation of calculating a recommendation score for each of the recommended products based on a recommendation ranking determined for the recommended products in the at least two product categories and a product purchase ratio of the buyer identified in the at least two product categories step
Including,
In the verification step, when there are many products purchased by a buyer in a specific product category for the at least two product categories based on the product purchase history of the purchaser, the product purchase ratio of the specific product category is higher than that of other product categories. Check the product purchase rate for each of the at least two product categories,
The product purchase ratio of the buyer in the at least two product categories is applied as a weight for calculating the recommendation score,
The calculation step,
For each of the recommended products classified by the at least two product categories, the recommendation rank in each product category is assumed as a base score for calculating the recommendation score, and the base score is the purchaser in the product category. A method of operating a product recommendation device, characterized in that by applying a product purchase ratio of as a weight, and calculating a base score to which the weight is applied as the recommendation score. ◈청구항 6은(는) 설정등록료 납부시 포기되었습니다.◈◈ Claim 6 was abandoned upon payment of the set registration fee. 제 5 항에 있어서,
상기 방법은,
상기 책정단계 이전에, 상기 구매자에게 추천하고자 하는 추천상품들을 상기 적어도 두개의 상품카테고리 별로 분류하는 분류단계를 더 포함하며,
상기 책정단계는,
상기 구매자에 대한 추천도의 크기를 기초로, 상기 분류단계에서 상기 적어도 두개의 상품카테고리 별로 분류된 추천상품들에 대한, 각 상품카테고리 내에서의 상기 추천순위를 책정하는 것을 특징으로 하는 상품추천장치의 동작 방법.The method of claim 5,
The above method,
Before the determining step, further comprising a classification step of classifying the recommended products to be recommended to the buyer into the at least two product categories,
The above formulation step,
A product recommendation apparatus, characterized in that, based on the size of the degree of recommendation to the buyer, the recommendation ranking within each product category for the recommended products classified by the at least two product categories in the classification step Method of operation. 삭제delete 삭제delete 삭제delete
KR1020130105467A 2013-09-03 2013-09-03 System and method for products recommendation service, and apparatus applied to the same KR102146987B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130105467A KR102146987B1 (en) 2013-09-03 2013-09-03 System and method for products recommendation service, and apparatus applied to the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130105467A KR102146987B1 (en) 2013-09-03 2013-09-03 System and method for products recommendation service, and apparatus applied to the same

Publications (2)

Publication Number Publication Date
KR20150027442A KR20150027442A (en) 2015-03-12
KR102146987B1 true KR102146987B1 (en) 2020-08-24

Family

ID=53022773

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130105467A KR102146987B1 (en) 2013-09-03 2013-09-03 System and method for products recommendation service, and apparatus applied to the same

Country Status (1)

Country Link
KR (1) KR102146987B1 (en)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102610665B1 (en) * 2016-10-31 2023-12-06 에스케이플래닛 주식회사 Main product recommendation server and method for the user without login using category recommendation
KR102023275B1 (en) * 2018-03-06 2019-09-19 세종대학교산학협력단 Product recommendation method using fp growth
CN110689410B (en) * 2019-09-29 2021-09-03 京东数字科技控股有限公司 Data processing method, device, equipment and storage medium
KR102280223B1 (en) 2020-03-06 2021-07-21 주식회사 해든앰앤씨 Method and system for providing service for supporting big data based mass purchase decision
KR102452055B1 (en) * 2020-05-20 2022-10-07 주식회사 에이비티아시아 Curation based cosmetics recommendation system and method for the system

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013534340A (en) * 2010-08-03 2013-09-02 アリババ・グループ・ホールディング・リミテッド Product recommendation system

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020066709A (en) * 2001-02-13 2002-08-21 주식회사 코리아콤 Electrical Commercial-trade System Using Method of Goods-Recommendation and Menagement Method thereof

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013534340A (en) * 2010-08-03 2013-09-02 アリババ・グループ・ホールディング・リミテッド Product recommendation system

Also Published As

Publication number Publication date
KR20150027442A (en) 2015-03-12

Similar Documents

Publication Publication Date Title
US11887125B2 (en) Systems and methods for dynamically detecting and preventing consumer fraud
KR101914945B1 (en) Digital rights management in 3d printing
KR102146987B1 (en) System and method for products recommendation service, and apparatus applied to the same
KR101940623B1 (en) Referral program for businesses
KR102131799B1 (en) System and method for products recommendation service, and apparatus applied to the same
AU2013246140B2 (en) Discovering spam merchants using product feed similarity
JP2007241983A (en) Method and system of review scoring for providing user's popularity score
KR101856118B1 (en) Identifying media store users eligible for promotions
US9911130B1 (en) Attribution modeling using regression analysis
WO2022266609A1 (en) Systems and methods for automated blockchain based recommendation generation, advertising and promotion
CN106104543B (en) The trans-regional access mandate of product
US8260677B1 (en) System and method for pre-approving, regulating, and executing secure transactions
CN108734366B (en) User identification method and system, nonvolatile storage medium and computer system
KR102167595B1 (en) System and method for products recommendation service, and apparatus applied to the same
US10089665B2 (en) Systems and methods for evaluating a credibility of a website in a remote financial transaction
KR20180021314A (en) Talent trading system and method
KR102108038B1 (en) System and method for products recommendation service, and apparatus applied to the same
Koenig The Need to Reform Abusive Contracts for Internet Connected Toys
CN116894124B (en) Policy generation method, device, equipment and medium
KR101603523B1 (en) Commodity trading intermediation apparatus and method based on drawing buyers
CN110268435B (en) System and method for computing an authenticity score
CN113962611A (en) Processing method and system for commodity evaluation
KR20110099210A (en) Method for analyzing expenditure breakdown
Vossen et al. IT and the Consumer
CN117714722A (en) Data analysis method and system for live shopping of electronic commerce

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