KR102222159B1 - 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법 - Google Patents

빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법 Download PDF

Info

Publication number
KR102222159B1
KR102222159B1 KR1020200081529A KR20200081529A KR102222159B1 KR 102222159 B1 KR102222159 B1 KR 102222159B1 KR 1020200081529 A KR1020200081529 A KR 1020200081529A KR 20200081529 A KR20200081529 A KR 20200081529A KR 102222159 B1 KR102222159 B1 KR 102222159B1
Authority
KR
South Korea
Prior art keywords
product
information
user
purchase
propensity
Prior art date
Application number
KR1020200081529A
Other languages
English (en)
Inventor
이주찬
Original Assignee
이주찬
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 이주찬 filed Critical 이주찬
Priority to KR1020200081529A priority Critical patent/KR102222159B1/ko
Application granted granted Critical
Publication of KR102222159B1 publication Critical patent/KR102222159B1/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0639—Item locations

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법이 개시된다. 본 발명에 따른 상품정보 추천서버는, 사용자에 대한 성별, 연령, 직업 중의 적어도 하나를 포함하는 사용자정보를 저장하는 사용자정보 저장부; 설정된 기간 동안 사용자가 구매한 상품에 대한 상품정보를 수집하는 상품정보 수집부; 수집되는 상품정보에 대하여 상품의 종류별로 제조사, 모델명, 디자인 중의 적어도 하나를 포함하는 세부정보를 분류하는 세부정보 분류부; 분류된 세부정보에 기초하여, 수집되는 상품정보 중 동일 또는 유사한 상품의 종류별로 사용자에 대한 상품구매 성향을 분석하는 구매성향 분석부; 사용자의 이동단말로부터 위치정보를 수신하는 위치정보 수신부; 수신되는 위치정보가 특정 상품의 매장의 위치로부터 설정된 거리범위 이내인 경우, 네트워크를 통해 사용자정보에 대응하는 일반인의 특정 상품에 대한 구매정보의 빅데이터(big data)를 수집하는 빅데이터 수집부; 수집되는 빅데이터에 기초하여 사용자정보에 대응하는 일반인의 특정 상품에 대한 구매 트렌드를 분석하는 트렌드 분석부; 분석되는 구매 트렌드에 대하여 사용자의 상품구매 성향의 위치를 추정하는 성향위치 추정부; 및 추정되는 사용자의 상품구매 성향의 위치에 대응하여 이동단말에 특정 상품에 대한 상품 추천정보를 전송하는 추천정보 전송부;를 포함한다.

Description

빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법{GOODS INFORMATION RECOMMENDING SERVER AND METHOD FOR RECOMMENDING OPTIMAL GOODS INFORMATION AFTER ANALYZING GOODS TREND AND USER'S TENDENCY BASED ON BIG DATA}
본 발명은 상품정보 추천서버 및 그 상품정보 추천방법에 관한 것으로서, 보다 상세하게는 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자의 상품 구매성향을 분석하고, 사용자의 위치에 따라 사용자의 상품 구매성향에 가장 적합한 최적의 상품정보를 추천함으로써, 사용자의 상품 또는 서비스의 구매욕구를 향상시켜 판매자의 상품 또는 서비스의 판매율을 증대시키고, 결과적으로 밴(VAN: Value Added Network) 사업자의 수익을 향상시킬 수 있는, 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법에 관한 것이다.
전자결제 인프라가 확충되면서 사용자가 신용카드, 직불카드 등의 결제카드나 스마트 폰(smart phone)에 설치된 어플리케이션과 같은 결제수단을 이용하여 직불 또는 후불 형태의 전자결제 서비스를 이용할 수 있도록 하는 전자결제 시스템이 일반화되었다.
이와 같은 전자결제 시스템은 일반적으로 가맹점에 구비된 결제 단말장치와, 가맹점을 방문하여 상품을 구매하거나 서비스를 이용하는 사용자의 결제수단과, 결제카드 사업자 또는 금융사업자와 사용자의 결제수단 사이에서 결제 네트워크를 제공하는 밴(VAN: Value Added Network) 사업자의 결제대행 서버로 이루어진다.
여기서, 밴 사업자는 가맹점에 구비된 결제 단말장치와 사용자의 결제수단 간의 거래를 위한 결제 네트워크를 제공하고, 해당 결제 네트워크의 이용료를 결제금액에 부과하는 것을 주요 수익원으로 한다.
한편, 전자결제 시스템은 사용자의 상품 또는 서비스의 구매의욕을 향상시켜 판매자의 상품 또는 서비스의 판매율을 증대시키고, 결과적으로 밴 사업자의 수익을 향상시키기 위한 다양한 부가 서비스를 제공하기도 한다. 그 중의 하나가 사용자에게 다양한 상품정보를 제공하는 것이다.
그런데, 일반적인 상품정보의 제공은 판매자의 상품 또는 서비스에 대한 광고가 대부분이기 때문에 사용자에 의해 스팸(spam) 메일로 처리되기가 쉬우며, 따라서 그 원래의 목적을 제대로 달성하지 못하는 문제점이 있다.
공개특허공보 제10-2006-0039311호 (공개일자: 2006. 05. 08)
본 발명은 전술한 문제점을 해결하기 위하여 창안된 것으로서, 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자의 상품 구매성향을 분석하고, 사용자의 위치에 따라 사용자의 상품 구매성향에 가장 적합한 최적의 상품정보를 추천함으로써, 사용자의 상품 또는 서비스의 구매욕구를 향상시켜 판매자의 상품 또는 서비스의 판매율을 증대시키고, 결과적으로 밴 사업자의 수익을 향상시킬 수 있는, 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법을 제공하는 것을 목적으로 한다.
전술한 목적을 달성하기 위한 본 발명의 일 측면에 따른 상품정보 추천서버는, 사용자에 대한 성별, 연령, 직업 중의 적어도 하나를 포함하는 사용자정보를 저장하는 사용자정보 저장부; 설정된 기간 동안 상기 사용자가 구매한 상품에 대한 상품정보를 수집하는 상품정보 수집부; 수집되는 상기 상품정보에 대하여 상품의 종류별로 제조사, 모델명, 디자인 중의 적어도 하나를 포함하는 세부정보를 분류하는 세부정보 분류부; 분류된 상기 세부정보에 기초하여, 수집되는 상기 상품정보 중 동일 또는 유사한 상품의 종류별로 상기 사용자에 대한 상품구매 성향을 분석하는 구매성향 분석부; 상기 사용자의 이동단말로부터 위치정보를 수신하는 위치정보 수신부; 수신되는 상기 위치정보가 특정 상품의 매장의 위치로부터 설정된 거리범위 이내인 경우, 네트워크를 통해 상기 사용자정보에 대응하는 일반인의 상기 특정 상품에 대한 구매정보의 빅데이터(big data)를 수집하는 빅데이터 수집부; 수집되는 상기 빅데이터에 기초하여 상기 사용자정보에 대응하는 일반인의 상기 특정 상품에 대한 구매 트렌드를 분석하는 트렌드 분석부; 분석되는 상기 구매 트렌드에 대하여 상기 사용자의 상품구매 성향의 위치를 추정하는 성향위치 추정부; 및 추정되는 상기 사용자의 상품구매 성향의 위치에 대응하여 상기 이동단말에 상기 특정 상품에 대한 상품 추천정보를 전송하는 추천정보 전송부;를 포함하는 것을 특징으로 한다.
전술한 상품정보 추천서버는, 상기 특정 상품의 매장을 등록하는 매장 등록부; 및 등록된 상기 매장 내의 각각의 상품의 위치정보를 저장하는 상품위치 저장부;를 더 포함할 수 있다. 이 경우, 상기 추천정보 전송부는 전송되는 상기 상품 추천정보에 대응하는 상품의 위치정보를 함께 전송한다.
전술한 상품정보 추천서버는, 분석되는 상기 사용자에 대한 상품구매 성향 중 상기 특정 상품과 동일 또는 유사한 상품에 대한 상품구매 성향을 검색하는 구매성향 검색부;를 더 포함할 수 있다. 이 경우, 상기 성향위치 추정부는 상기 구매성향 검색부에 의해 검색되는 상품구매 성향에 기초하여 상기 구매 트렌드에 대한 상기 사용자의 상품구매 성향의 위치를 추정한다.
전술한 목적을 달성하기 위한 본 발명의 일 측면에 따른 상품정보 추천방법은, 상품정보 추천서버에 의해 수행되는 상품정보 추천방법에 있어서, 사용자에 대한 성별, 연령, 직업 중의 적어도 하나를 포함하는 사용자정보를 저장하는 단계; 설정된 기간 동안 상기 사용자가 구매한 상품에 대한 상품정보를 수집하는 단계; 수집되는 상기 상품정보에 대하여 상품의 종류별로 제조사, 모델명, 디자인 중의 적어도 하나를 포함하는 세부정보를 분류하는 단계; 분류된 상기 세부정보에 기초하여, 수집되는 상기 상품정보 중 동일 또는 유사한 상품의 종류별로 상기 사용자에 대한 상품구매 성향을 분석하는 단계; 상기 사용자의 이동단말로부터 위치정보를 수신하는 단계; 수신되는 상기 위치정보가 특정 상품의 매장의 위치로부터 설정된 거리범위 이내인 경우, 네트워크를 통해 상기 사용자정보에 대응하는 일반인의 상기 특정 상품에 대한 구매정보의 빅데이터를 수집하는 단계; 수집되는 상기 빅데이터에 기초하여 상기 사용자정보에 대응하는 일반인의 상기 특정 상품에 대한 구매 트렌드를 분석하는 단계; 분석되는 상기 구매 트렌드에 대하여 상기 사용자의 상품구매 성향의 위치를 추정하는 단계; 및 추정되는 상기 사용자의 상품구매 성향의 위치에 대응하여 상기 이동단말에 상기 특정 상품에 대한 상품 추천정보를 전송하는 단계;를 포함하는 것을 특징으로 한다.
전술한 상품정보 추천방법은, 상기 특정 상품의 매장을 등록하는 단계; 및 등록된 상기 매장 내의 각각의 상품의 위치정보를 저장하는 단계;를 더 포함할 수 있다. 이 경우, 상기 상품 추천정보를 전송하는 단계는 전송되는 상기 상품 추천정보에 대응하는 상품의 위치정보를 함께 전송한다.
전술한 상품정보 추천방법은, 분석되는 상기 사용자에 대한 상품구매 성향 중 상기 특정 상품과 동일 또는 유사한 상품에 대한 상품구매 성향을 검색하는 단계;를 더 포함할 수 있다. 이 경우, 상기 사용자의 상품구매 성향의 위치를 추정하는 단계는 상기 검색되는 상품구매 성향에 기초하여 상기 구매 트렌드에 대한 상기 사용자의 상품구매 성향의 위치를 추정한다.
본 발명에 따르면, 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자의 상품 구매성향을 분석하고, 사용자의 위치에 따라 사용자의 상품 구매성향에 가장 적합한 최적의 상품정보를 추천함으로써, 사용자의 상품 또는 서비스의 구매욕구를 향상시켜 판매자의 상품 또는 서비스의 판매율을 증대시키고, 결과적으로 밴 사업자의 수익을 향상시킬 수 있게 된다.
도 1은 본 발명의 실시예에 따른 상품정보 추천서버가 적용되는 전자결제 시스템을 개략적으로 도시한 도면이다.
도 2는 도 1에 나타낸 상품정보 추천서버의 구성을 개략적으로 도시한 도면이다.
도 3은 수집되는 상품정보를 종류별로 분류하는 예를 나타낸 도면이다.
도 4는 특정 상품에 대한 일반인의 구매 트렌드의 분석 예를 나타낸 도면이다.
도 5는 사용자의 이동단말에 전송되는 특정 상품에 대한 추천정보의 예를 나타낸 도면이다.
도 6은 본 발명의 실시예에 따른 상품정보 추천방법을 나타낸 흐름도이다.
이하, 본 발명의 일부 실시 예들을 예시적인 도면을 통해 설명한다. 각 도면의 구성요소들에 참조부호를 기재함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호로 표시한다. 또한, 본 발명의 실시 예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시 예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 본 발명의 실시 예의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결, 결합 또는 접속될 수 있지만, 그 구성 요소와 그 다른 구성요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
도 1은 본 발명의 실시예에 따른 상품정보 추천서버가 적용되는 전자결제 시스템을 개략적으로 도시한 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 상품정보 추천서버(100)는 네트워크(10)를 통하여 사용자의 이동단말(20), 전자결제 서비스의 가맹점에 구비된 결제 단말장치(30), 및 결제카드 사업자 또는 금융사업자와 사용자의 결제수단 사이에서 결제 네트워크를 제공하는 밴 사업자의 결제대행 서버(40)와 연결된다. 여기서, 네트워크(10)는 인터넷뿐만 아니라 CDMA(Code Division Multiple Access), WCDMA(Wideband CDMA), LTE(Long Term Evolution), 5G(5th Generation) 등의 이동통신망을 포함하는 광의의 개념으로 정의한다. 또한, 이동단말(20)은 어플리케이션을 설치하여 전자결제 서비스를 이용할 수 있는 단말기로서, 사용자의 결제수단으로 이용될 뿐만 아니라 상품정보 추천서버(100)에 의해 제공되는 상품정보를 디스플레이에 표시할 수 있으며, GPS(Global Positioning System) 신호 수신기능을 구비한다.
도 2는 도 1에 나타낸 상품정보 추천서버의 구성을 개략적으로 도시한 도면이다.
도 2를 참조하면, 본 발명의 실시예에 따른 상품정보 추천서버(100)는 사용자정보 저장부(101), 상품정보 수집부(103), 세부정보 분류부(105), 구매성향 분석부(107), 위치정보 수신부(109), 빅데이터 수집부(111), 트렌드 분석부(113), 성향위치 추정부(115), 추천정보 전송부(117), 매장 등록부(119), 상품위치 저장부(121), 및 구매성향 검색부(123)를 포함할 수 있다.
사용자정보 저장부(101)는 사용자에 대한 성별, 연령, 직업 중의 적어도 하나를 포함하는 사용자정보를 저장한다. 즉, 사용자정보 저장부(101)는 본 발명의 실시예에 따른 상품정보 추천 서비스에 회원으로 가입한 사용자의 성별, 연령, 직업 등의 다양한 항목에 대한 정보를 저장할 수 있다. 여기에 기재된 사용자정보의 항목은 발명의 이해를 돕기 위한 예시일 뿐이며, 사용자정보 저장부(101)는 기재된 항목 이외에 다양한 항목에 대한 사용자정보를 저장할 수도 있다. 이때, 사용자정보 저장부(101)는 사용자로부터 추천 서비스를 받고자 하는 상품의 종류, 제조사, 지정된 매장 등에 대한 정보를 선택적으로 수신하여 저장할 수도 있다.
상품정보 수집부(103)는 설정된 기간 동안 사용자가 구매한 상품에 대한 상품정보를 수집한다. 이때, 상품정보 수집부(103)는 결제 대행서버(40)와 연동하며, 결제 대행서버(40)로부터 과거의 일정기간 동안에 사용자가 구매한 상품의 종류, 금액, 제조사, 모델명 등에 대한 상품정보를 수집할 수 있다. 또한, 상품정보 수집부(103)는 결제 대행서버(40)로부터 수집한 상품의 종류, 제조사, 모델명 등의 상품정보에 기초하여 네트워크(10)를 통해 다양한 검색엔진을 이용하여 해당 상품에 대한 디자인, 형상, 색상 등에 대한 상품정보를 수집할 수도 있다. 또한, 상품정보 수집부(103)는 현재의 날짜를 기준으로 이전의 일정기간 동안에 사용자가 구매한 상품에 대한 상품정보를 수집할 수 있다. 예를 들어, 현재의 날짜가 2020년 6월 25일인 경우, 상품정보 수집부(103)는 2020년 5월 25일부터 2020년 6월 24일의 한달 동안에 사용자가 구매한 상품에 대한 상품정보를 수집할 수 있다. 그러나, 여기에 기재된 상품정보의 수집기간은 발명의 이해를 돕기 위한 예를 나타낼 뿐이며, 기재된 기간에 한정되지 않고 두 달, 1년, 2년 등의 다양한 기간으로 설정될 수도 있다.
세부정보 분류부(105)는 결제 대행서버(40) 또는 네트워크(10)를 통해 수집되는 상품정보에 대응하여, 각각의 상품의 종류별로 제조사, 모델명, 디자인 중의 적어도 하나를 포함하는 세부정보를 분류한다. 예를 들어, 세부정보 분류부(105)는 도 3의 (a)에 도시한 바와 같이, 수집되는 상품의 종류 중의 신발에 대하여 제조사, 모델명, 디자인 등의 세부정보를 분류하고, (b)에 도시한 바와 같이, 수집되는 상품의 종류 중의 가방에 대하여 마찬가지로 제조사, 모델명, 디자인 등의 세부정보를 분류할 수 있다.
구매성향 분석부(107)는 수집되는 상품정보 중 동일 또는 유사한 상품의 종류별로, 각각의 세부정보에 기초하여 사용자에 대한 상품구매 성향을 분석한다. 이때, 구매성향 분석부(107)는 동일 또는 유사한 상품의 종류를 대분류, 중분류, 소분류 등과 같이 다단계로 분류하며, 제조사, 모델명, 디자인, 색상 등에 따라 각각의 상품을 세분화하고, 일정한 기간 동안에 사용자가 구매한 상품들의 동일 또는 유사성을 비교하여 사용자에 대한 상품구매 성향을 분석할 수 있다. 예를 들어, 구매성향 분석부(107)는 상품의 대분류를 신발로 분류한 경우, 신발의 종류를 운동화, 구두, 등산화 등으로 중분류하고, 각각의 중분류의 신발에 대하여 제조사, 모델명, 디자인, 색상 등으로 소분류할 수 있다. 이때, 구매성향 분석부(107)는 사용자가 일정한 기간 동안에 구매한 운동화들을 서로 비교하며, 비교되는 각각의 운동화의 제조사, 모델명, 디자인, 색상 등의 동일 또는 유사성을 추출하고, 운동화에 대한 사용자의 제조사, 디자인, 색상, 모양 등의 상품구매 성향을 분석할 수 있다. 이때, 구매성향 분석부(107)는 서로 비교되는 상품의 수가 설정된 값 이하인 경우, 중분류 또는 대분류와 같이 상위의 분류에 속하는 상품들을 서로 비교함으로써, 신발에 대한 사용자의 구매성향을 분석할 수도 있다.
위치정보 수신부(109)는 사용자의 이동단말(20)로부터 위치정보를 수신한다. 이때, 위치정보 수신부(109)는 사용자가 특정의 상품을 선택한 경우, 해당 상품에 대응하는 매장과 사용자의 이동단말(20)의 거리가 설정된 범위 이내가 되었을 때에 사용자의 이동단말(20)로부터 위치정보를 수신할 수도 있다. 또한, 위치정보 수신부(109)는 사용자가 본 발명의 실시예에 따른 상품정보 추천 서비스에 등록된 가맹점으로부터 설정된 거리 범위 이내에 위치하는 경우, 사용자의 이동단말(20)로부터 위치정보를 수신할 수도 있다.
빅데이터 수집부(111)는 이동단말(20)로부터 수신되는 위치정보가 특정 상품의 매장의 위치로부터 설정된 거리범위 이내인 경우, 네트워크(10)를 통해 사용자정보에 대응하는 일반인의 특정 상품에 대한 구매정보의 빅데이터(big data)를 수집한다. 이때, 빅데이터 수집부(111)는 사용자정보의 각각의 항목에 대응하여, 네트워크(10)를 통해 일반인의 특정 상품에 대한 구매정보의 빅데이터를 수집할 수 있다. 예를 들어, 이동단말(20)로부터 수신되는 위치정보가 신발 매장의 위치로부터 설정된 거리범위 이내인 경우, 빅데이터 수집부(111)는 도 4의 (a)에 도시한 바와 같이 사용자정보 중 연령 항목에 대응하여, 네트워크(10)를 통해 일반인들의 각각의 연령대별 신발에 대한 구매정보의 빅데이터를 수집할 수 있다. 또한, 빅데이터 수집부(111)는 도 4의 (b)에 도시한 바와 같이 사용자정보 중 직업 항목에 대응하여, 네트워크(10)를 통해 일반인들의 각각의 직업군별 신발에 대한 구매정보의 빅데이터를 수집할 수도 있다.
트렌드 분석부(113)는 빅데이터 수집부(111)에 의해 수집되는 빅데이터에 기초하여, 사용자정보에 대응하는 일반인의 특정 상품에 대한 구매 트렌드를 분석한다. 이때, 트렌드 분석부(113)는 빅데이터 수집부(111)에 의해 수집되는 전체 데이터 중 사용자정보의 각각의 항목에 대응하는 일반인들의 비중을 분석함으로써, 해당 특정 상품에 대한 일반인의 구매 트렌드를 분석할 수 있다. 예를 들어, 트렌드 분석부(113)는 빅데이터 수집부(111)에 의해 수집되는 빅데이터의 전체 수를 100이라고 할 때에 사용자의 연령대인 30대가 차지하는 비중을 분석함으로써, 해당 특정 상품에 대하여 사용자와 동일한 연령대인 일반인의 구매 트랜드를 분석할 수 있다.
성향위치 추정부(115)는 트렌드 분석부(113)에 의해 분석되는 구매 트렌드에 대하여 사용자의 상품구매 성향의 위치를 추정한다. 이때, 성향위치 추정부(115)는 사용자정보의 각각의 항목에 대응하여, 트렌드 분석부(113)에 의해 분석되는 구매 트렌드에서 구매성향 분석부(107)에 의해 분석되는 사용자의 상품구매 성향이 어느 위치에 해당하는지를 추정할 수 있다. 예를 들어, 트렌드 분석부(113)에 의해 분석되는 특정 상품에 대한 사용자의 연령대인 30대가 차지하는 비중은 20%인 반면, 해당 특정 상품에 대해 20대의 연령대가 차지하는 비중이 40%이며, 구매성향 분석부(107)에 의해 분석되는 사용자의 상품구매 성향이 사용자가 해당 특정 상품을 선호하는 것으로 분석되면, 성향위치 추정부(115)는 사용자가 자신의 연령대에 비하여 젊은 연령대인 20대의 상품을 선호하는 것으로 상품구매 성향의 위치를 추정할 수 있다.
추천정보 전송부(117)는 추정되는 사용자의 상품구매 성향의 위치에 대응하여 사용자의 이동단말(20)에 특정 상품에 대한 상품 추천정보를 전송한다. 이때, 추천정보 전송부(117)는 특정 상품의 매장에 있는 상품들 중, 사용자정보에 대응하는 일반인들이 선호하는 상품, 성향위치 추정부(115)에 의해 추정되는 사용자의 상품구매 성향의 위치에 대응하는 상품 등을 상품 추천정보로 전송할 수 있다. 또한, 추천정보 전송부(117)는 해당 상품 추천정보에 대응하는 상품들의 이미지, 매장 내에서의 해당 상품들의 위치정보 등을 함께 전송할 수도 있다. 예를 들어, 추천정보 전송부(117)는 도 5에 도시한 바와 같이, 특정 상품의 매장에 있는 상품들 중 사용자의 연령에 대응하는 연령대의 일반인들이 선호하는 상품에 대한 정보, 사용자의 상품구매 성향의 위치에 대응하는 상품에 대한 정보, 해당 상품들의 매장 내의 위치 등을 이동단말(20)로 전송할 수 있다.
이로써, 사용자는 자신의 취향에 맞는 상품들에 대한 상품정보를 수신하기 때문에 관심을 가지고 상품정보를 확인하게 된다.
또한, 사용자는 현재의 자신의 위치로부터 가까운 거리에 있는 특정 상품의 매장을 직접 방문하여 실물을 확인할 수 있으며, 해당 상품의 구매확률을 높여 판매자의 수익을 증대시킬 수 있으며, 결과적으로 밴 사업자의 이익도 증대시킬 수 있다.
매장 등록부(119)는 특정 상품의 매장을 등록한다. 이때, 매장 등록부(119)는 본 발명의 실시예에 따른 상품정보 추천 서비스에 가입한 판매자의 매장위치, 판매하는 상품, 각각의 상품의 제조자, 모델명, 디자인 등을 등록할 수 있다.
상품위치 저장부(121)는 매장 등록부(119)에 등록된 각각의 상품들의 매장 내에서의 위치정보를 저장한다. 예를 들어, 상품위치 저장부(121)는 상품A에 대응하여 진열대1번의 3단 좌측에서 몇 번째 등과 같이, 위치정보를 저장할 수 있다. 이 경우, 추천정보 전송부(117)는 사용자의 이동단말(20)에 특정 상품의 추천정보를 전송할 때, 해당 상품의 매장 내에서의 위치정보도 함께 전송하는 것이 바람직하다.
이로써, 사용자는 특정 상품을 직접 확인하기 위하여 매장을 방문한 경우, 원하는 상품을 바로 찾을 수 있게 된다.
구매성향 검색부(123)는 구매성향 분석부(107)에 의해 분석되는 사용자에 대한 상품구매 성향 중 특정 상품과 동일 또는 유사한 상품에 대한 상품구매 성향을 검색한다. 즉, 사용자가 특정 상품의 매장으로부터 설정된 거리 범위 이내로 접근하는 경우, 구매성향 검색부(123)는 구매성향 분석부(107)에 의해 분석되는 사용자의 각각의 상품들에 대한 구매성향 중에서 해당 매장의 특정 상품과 동일 또는 유사한 상품에 대한 상품구매 성향을 검색한다. 예를 들어, 특정 매장이 운동화를 판매하는 매장인 경우, 구매성향 검색부(123)는 구매성향 분석부(107)에 의해 분석되는 사용자의 각각의 상품들에 대한 상품구매 성향들 중에서 운동화에 대한 상품구매 성향을 검색하거나, 또는 운동화와 동일한 중분류, 대분류 등의 상위분류에 속하는 구두, 등산화 등의 신발에 대한 상품구매 성향을 검색할 수 있다. 이 경우, 성향위치 추정부(115)는 구매성향 검색부(123)에 의해 검색되는 상품구매 성향에 기초하여, 트렌드 분석부(113)에 의해 분석되는 구매 트렌드에 대한 사용자의 상품구매 성향의 위치를 추정할 수 있다.
이로써, 본 발명에 따른 상품정보 추천서버(100)는 가입한 판매자의 매장으로 사용자가 접근하는 경우, 판매자의 상품들 중에서 사용자의 취향에 맞는 상품에 대한 상품정보를 사용자의 이동단말(20)로 전송함으로써, 사용자가 상품정보를 관심을 가지고 살펴보도록 하며, 또한 사용자가 매장을 직접 방문하여 해당 상품의 실물을 확인할 수 있도록 하여 상품의 판매율을 높일 수 있게 된다.
도 6은 본 발명의 실시예에 따른 상품정보 추천방법을 나타낸 흐름도이다. 본 발명의 실시예에 따른 상품정보 추천방법은 도 2에 나타낸 상품정보 추천서버(100)에 의해 수행될 수 있다.
도 1 내지 도 6을 참조하면, 상품정보 추천서버(100)는 사용자에 대한 성별, 연령, 직업 중의 적어도 하나를 포함하는 사용자정보를 저장한다(S101). 즉, 상품정보 추천서버(100)는 본 발명의 실시예에 따른 상품정보 추천 서비스에 회원으로 가입한 사용자의 성별, 연령, 직업 등의 다양한 항목에 대한 정보를 저장할 수 있다. 여기에 기재된 사용자정보의 항목은 발명의 이해를 돕기 위한 예시일 뿐이며, 상품정보 추천서버(100)는 기재된 항목 이외에 다양한 항목에 대한 사용자정보를 저장할 수도 있다. 이때, 상품정보 추천서버(100)는 사용자로부터 추천 서비스를 받고자 하는 상품의 종류, 제조사, 지정된 매장 등에 대한 정보를 선택적으로 수신하여 저장할 수도 있다.
상품정보 추천서버(100)는 특정 상품의 매장을 등록한다(S103). 이때, 상품정보 추천서버(100)는 본 발명의 실시예에 따른 상품정보 추천 서비스에 가입한 판매자의 매장위치, 판매하는 상품, 각각의 상품의 제조자, 모델명, 디자인 등을 등록할 수 있다.
상품정보 추천서버(100)는 등록된 매장에 대하여, 각각의 상품들의 매장 내에서의 위치정보를 저장한다(S105). 예를 들어, 상품정보 추천서버(100)는 상품A에 대응하여 진열대1번의 3단 좌측에서 몇 번째 등과 같이, 위치정보를 저장할 수 있다.
상품정보 추천서버(100)는 설정된 기간 동안 사용자가 구매한 상품에 대한 상품정보를 수집한다(S107). 이때, 상품정보 추천서버(100)는 결제 대행서버(40)와 연동하며, 결제 대행서버(40)로부터 과거의 일정기간 동안에 사용자가 구매한 상품의 종류, 금액, 제조사, 모델명 등에 대한 상품정보를 수집할 수 있다. 또한, 상품정보 추천서버(100)는 결제 대행서버(40)로부터 수집한 상품의 종류, 제조사, 모델명 등의 상품정보에 기초하여 네트워크(10)를 통해 다양한 검색엔진을 이용하여 해당 상품에 대한 디자인, 형상, 색상 등에 대한 상품정보를 수집할 수도 있다. 또한, 상품정보 추천서버(100)는 현재의 날짜를 기준으로 이전의 일정기간 동안에 사용자가 구매한 상품에 대한 상품정보를 수집할 수 있다. 예를 들어, 현재의 날짜가 2020년 6월 25일인 경우, 상품정보 추천서버(100)는 2020년 5월 25일부터 2020년 6월 24일의 한달 동안에 사용자가 구매한 상품에 대한 상품정보를 수집할 수 있다. 그러나, 여기에 기재된 상품정보의 수집기간은 발명의 이해를 돕기 위한 예를 나타낼 뿐이며, 기재된 기간에 한정되지 않고 두 달, 1년, 2년 등의 다양한 기간으로 설정될 수도 있다.
상품정보 추천서버(100)는 결제 대행서버(40) 또는 네트워크(10)를 통해 수집되는 상품정보에 대응하여, 각각의 상품의 종류별로 제조사, 모델명, 디자인 중의 적어도 하나를 포함하는 세부정보를 분류한다(S109). 예를 들어, 상품정보 추천서버(100)는 수집되는 상품의 종류 중의 신발에 대하여 제조사, 모델명, 디자인 등의 세부정보를 분류하고, 수집되는 상품의 종류 중의 가방에 대하여 마찬가지로 제조사, 모델명, 디자인 등의 세부정보를 분류할 수 있다.
상품정보 추천서버(100)는 수집되는 상품정보 중 동일 또는 유사한 상품의 종류별로, 각각의 세부정보에 기초하여 사용자에 대한 상품구매 성향을 분석한다(S111). 이때, 상품정보 추천서버(100)는 동일 또는 유사한 상품의 종류를 대분류, 중분류, 소분류 등과 같이 다단계로 분류하며, 제조사, 모델명, 디자인, 색상 등에 따라 각각의 상품을 세분화하고, 일정한 기간 동안에 사용자가 구매한 상품들의 동일 또는 유사성을 비교하여 사용자에 대한 상품구매 성향을 분석할 수 있다. 예를 들어, 상품정보 추천서버(100)는 상품의 대분류를 신발로 분류한 경우, 신발의 종류를 운동화, 구두, 등산화 등으로 중분류하고, 각각의 중분류의 신발에 대하여 제조사, 모델명, 디자인, 색상 등으로 소분류할 수 있다. 이때, 상품정보 추천서버(100)는 사용자가 일정한 기간 동안에 구매한 운동화들을 서로 비교하며, 비교되는 각각의 운동화의 제조사, 모델명, 디자인, 색상 등의 동일 또는 유사성을 추출하고, 운동화에 대한 사용자의 제조사, 디자인, 색상, 모양 등의 상품구매 성향을 분석할 수 있다. 이때, 상품정보 추천서버(100)는 서로 비교되는 상품의 수가 설정된 값 이하인 경우, 중분류 또는 대분류와 같이 상위의 분류에 속하는 상품들을 서로 비교함으로써, 신발에 대한 사용자의 구매성향을 분석할 수도 있다.
상품정보 추천서버(100)는 사용자의 이동단말(20)로부터 위치정보를 수신한다(S113). 이때, 상품정보 추천서버(100)는 사용자가 특정의 상품을 선택한 경우, 해당 상품에 대응하는 매장과 사용자의 이동단말(20)의 거리가 설정된 범위 이내가 된 경우에 사용자의 이동단말(20)로부터 위치정보를 수신할 수도 있다. 또한, 상품정보 추천서버(100)는 사용자가 본 발명의 실시예에 따른 상품정보 추천 서비스에 등록된 가맹점으로부터 설정된 거리 범위 이내에 위치하는 경우(S115), 사용자의 이동단말(20)로부터 위치정보를 수신할 수도 있다.
상품정보 추천서버(100)는 이동단말(20)로부터 수신되는 위치정보가 특정 상품의 매장의 위치로부터 설정된 거리범위 이내인 경우, 네트워크(10)를 통해 사용자정보에 대응하는 일반인의 특정 상품에 대한 구매정보의 빅데이터(big data)를 수집한다(S117). 이때, 상품정보 추천서버(100)는 사용자정보의 각각의 항목에 대응하여, 네트워크(10)를 통해 일반인의 특정 상품에 대한 구매정보의 빅데이터를 수집할 수 있다. 예를 들어, 이동단말(20)로부터 수신되는 위치정보가 신발 매장의 위치로부터 설정된 거리범위 이내인 경우, 상품정보 추천서버(100)는 사용자정보 중 연령 항목에 대응하여, 네트워크(10)를 통해 일반인들의 각각의 연령대별 신발에 대한 구매정보의 빅데이터를 수집할 수 있다. 또한, 상품정보 추천서버(100)는 사용자정보 중 직업 항목에 대응하여, 네트워크(10)를 통해 일반인들의 각각의 직업군별 신발에 대한 구매정보의 빅데이터를 수집할 수도 있다.
상품정보 추천서버(100)는 수집되는 빅데이터에 기초하여, 사용자정보에 대응하는 일반인의 특정 상품에 대한 구매 트렌드를 분석한다(S119). 이때, 상품정보 추천서버(100)는 수집되는 전체 데이터 중 사용자정보의 각각의 항목에 대응하는 일반인들의 비중을 분석함으로써, 해당 특정 상품에 대한 일반인의 구매 트렌드를 분석할 수 있다. 예를 들어, 상품정보 추천서버(100)는 수집되는 빅데이터의 전체 수를 100이라고 할 때에 사용자의 연령대인 30대가 차지하는 비중을 분석함으로써, 해당 특정 상품에 대하여 사용자와 동일한 연령대인 일반인의 구매 트랜드를 분석할 수 있다.
상품정보 추천서버(100)는 분석되는 사용자에 대한 상품구매 성향 중 특정 상품과 동일 또는 유사한 상품에 대한 상품구매 성향을 검색한다(S121). 즉, 사용자가 특정 상품의 매장으로부터 설정된 거리 범위 이내로 접근하는 경우, 상품정보 추천서버(100)는 사용자의 과거의 일정 기간 동안에 구매한 상품들에 대응하여 분석된 각각의 상품들에 대한 구매성향 중에서 해당 매장의 특정 상품과 동일 또는 유사한 상품에 대한 상품구매 성향을 검색한다. 예를 들어, 특정 매장이 운동화를 판매하는 매장인 경우, 상품정보 추천서버(100)는 사용자의 각각의 상품들에 대한 상품구매 성향들 중에서 운동화에 대한 상품구매 성향을 검색하거나, 또는 운동화와 동일한 중분류, 대분류 등의 상위분류에 속하는 구두, 등산화 등의 신발에 대한 상품구매 성향을 검색할 수 있다.
상품정보 추천서버(100)는 분석되는 구매 트렌드에 대하여 사용자의 상품구매 성향의 위치를 추정한다(S123). 이때, 상품정보 추천서버(100)는 사용자정보의 각각의 항목에 대응하여, 분석되는 구매 트렌드에서 사용자의 상품구매 성향이 어느 위치에 해당하는지를 추정할 수 있다. 예를 들어, 특정 상품에 대한 사용자의 연령대인 30대가 차지하는 비중은 20%인 반면, 해당 특정 상품에 대해 20대의 연령대가 차지하는 비중이 40%이며, 사용자의 상품구매 성향이 해당 특정 상품을 선호하는 것으로 분석되면, 상품정보 추천서버(100)는 사용자가 자신의 연령대에 비하여 젊은 연령대인 20대의 상품을 선호하는 것으로 상품구매 성향의 위치를 추정할 수 있다. 이 경우, 상품정보 추천서버(100)는 검색되는 상품구매 성향에 기초하여, 구매 트렌드에 대한 사용자의 상품구매 성향의 위치를 추정할 수 있다.
상품정보 추천서버(100)는 추정되는 사용자의 상품구매 성향의 위치에 대응하여 사용자의 이동단말(20)에 특정 상품에 대한 상품 추천정보를 전송한다(S125). 이때, 상품정보 추천서버(100)는 특정 상품의 매장에 있는 상품들 중, 사용자정보에 대응하는 일반인들이 선호하는 상품, 추정되는 사용자의 상품구매 성향의 위치에 대응하는 상품 등을 상품 추천정보로 전송할 수 있다. 또한, 상품정보 추천서버(100)는 해당 상품 추천정보에 대응하는 상품들의 이미지, 매장 내에서의 해당 상품들의 위치정보 등을 함께 전송할 수도 있다. 예를 들어, 상품정보 추천서버(100)는 특정 상품의 매장에 있는 상품들 중 사용자의 연령에 대응하는 연령대의 일반인들이 선호하는 상품에 대한 정보, 사용자의 상품구매 성향의 위치에 대응하는 상품에 대한 정보, 해당 상품들의 매장 내의 위치 등을 이동단말(20)로 전송할 수 있다.
이로써, 본 발명에 따른 상품정보 추천서버(100)는 가입한 판매자의 매장으로 사용자가 접근하는 경우, 판매자의 상품들 중에서 사용자의 취향에 맞는 상품에 대한 상품정보를 사용자의 이동단말(20)로 전송함으로써, 사용자가 상품정보를 관심을 가지고 살펴보도록 하며, 또한 사용자가 매장을 직접 방문하여 해당 상품의 실물을 확인할 수 있도록 하여 상품의 판매율을 높일 수 있게 된다.
이상에서 본 발명에 따른 실시예들이 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 보호 범위는 다음의 특허청구범위뿐만 아니라 이와 균등한 것들에 의해 정해져야 한다.

Claims (6)

  1. 사용자에 대한 성별, 연령, 직업 중의 적어도 하나를 포함하는 사용자정보를 저장하는 사용자정보 저장부;
    설정된 기간 동안 상기 사용자가 구매한 상품에 대한 상품정보를 수집하는 상품정보 수집부;
    수집되는 상기 상품정보에 대하여 상품의 종류별로 제조사, 모델명, 디자인 중의 적어도 하나를 포함하는 세부정보를 분류하는 세부정보 분류부;
    분류된 상기 세부정보에 기초하여, 수집되는 상기 상품정보 중 동일 또는 유사한 상품의 종류별로 상기 사용자에 대한 상품구매 성향을 분석하는 구매성향 분석부;
    상기 사용자의 이동단말로부터 위치정보를 수신하는 위치정보 수신부;
    수신되는 상기 위치정보가 특정 상품의 매장의 위치로부터 설정된 거리범위 이내인 경우, 네트워크를 통해 상기 사용자정보에 대응하는 일반인의 상기 특정 상품에 대한 구매정보의 빅데이터(big data)를 수집하는 빅데이터 수집부;
    수집되는 상기 빅데이터에 기초하여 상기 사용자정보에 대응하는 일반인의 상기 특정 상품에 대한 구매 트렌드를 분석하는 트렌드 분석부;
    분석되는 상기 구매 트렌드에 대하여 상기 사용자의 상품구매 성향의 위치를 추정하는 성향위치 추정부; 및
    추정되는 상기 사용자의 상품구매 성향의 위치에 대응하여 상기 이동단말에 상기 특정 상품에 대한 상품 추천정보를 전송하는 추천정보 전송부;
    를 포함하며,
    상기 구매성향 분석부는 동일 또는 유사한 상품을 대분류로 구분하고, 상기 대분류로 구분된 상품을 종류에 따라 중분류로 분류하며, 상기 중분류로 구분된 각각의 상품을 제조사, 모델명, 디자인, 색상 중의 적어도 하나에 따라 소분류로 분류하고, 상기 사용자가 설정된 기간 동안에 구매한 상품에 대한 종류, 제조사, 모델명, 디자인, 색상 중의 적어도 하나에 대한 동일 또는 유사성을 추출하여 상품구매 성향을 분석하며,
    상기 빅데이터 수집부는 상기 사용자의 성별, 연령, 직업의 각각의 항목에 대응하여 일반인의 상기 특정 상품에 대한 구매정보의 빅데이터를 수집하고,
    상기 트렌드 분석부는 상기 빅데이터 수집부에 의해 수집되는 전체 데이터 중에서 상기 사용자정보의 각각의 항목에 대응하는 일반인의 비중을 분석하며,
    상기 성향위치 추정부는 상기 사용자정보의 각각의 항목에 대응하여, 상기 트렌드 분석부에 의해 분석되는 일반인의 상기 특정 상품에 대한 구매 트렌드 중에서 상기 사용자의 상기 특정 상품에 대한 상품구매 성향이 어느 위치에 해당하는지를 추정하고,
    상기 추천정보 전송부는 상기 매장에 있는 상품들 중, 상기 사용자정보의 각각의 항목에 대응하는 일반인의 선호상품 및 상기 성향위치 추정부에 의해 추정되는 상품구매 성향의 위치에 대응하는 상품에 대한 정보를 상품 추천정보로 전송하는 것을 특징으로 하는, 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버.
  2. 제1항에 있어서,
    상기 특정 상품의 매장을 등록하는 매장 등록부; 및
    등록된 상기 매장 내의 각각의 상품의 위치정보를 저장하는 상품위치 저장부;
    를 더 포함하며,
    상기 추천정보 전송부는 전송되는 상기 상품 추천정보에 대응하는 상품의 위치정보를 함께 전송하는 것을 특징으로 하는, 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버.
  3. 제1항에 있어서,
    분석되는 상기 사용자에 대한 상품구매 성향 중 상기 특정 상품과 동일 또는 유사한 상품에 대한 상품구매 성향을 검색하는 구매성향 검색부;
    를 더 포함하며,
    상기 성향위치 추정부는 상기 구매성향 검색부에 의해 검색되는 상품구매 성향에 기초하여 상기 구매 트렌드에 대한 상기 사용자의 상품구매 성향의 위치를 추정하는 것을 특징으로 하는, 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버.
  4. 상품정보 추천서버에 의해 수행되는, 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천방법에 있어서,
    사용자에 대한 성별, 연령, 직업 중의 적어도 하나를 포함하는 사용자정보를 저장하는 단계;
    설정된 기간 동안 상기 사용자가 구매한 상품에 대한 상품정보를 수집하는 단계;
    수집되는 상기 상품정보에 대하여 상품의 종류별로 제조사, 모델명, 디자인 중의 적어도 하나를 포함하는 세부정보를 분류하는 단계;
    분류된 상기 세부정보에 기초하여, 수집되는 상기 상품정보 중 동일 또는 유사한 상품의 종류별로 상기 사용자에 대한 상품구매 성향을 분석하는 단계;
    상기 사용자의 이동단말로부터 위치정보를 수신하는 단계;
    수신되는 상기 위치정보가 특정 상품의 매장의 위치로부터 설정된 거리범위 이내인 경우, 네트워크를 통해 상기 사용자정보에 대응하는 일반인의 상기 특정 상품에 대한 구매정보의 빅데이터를 수집하는 단계;
    수집되는 상기 빅데이터에 기초하여 상기 사용자정보에 대응하는 일반인의 상기 특정 상품에 대한 구매 트렌드를 분석하는 단계;
    분석되는 상기 구매 트렌드에 대하여 상기 사용자의 상품구매 성향의 위치를 추정하는 단계; 및
    추정되는 상기 사용자의 상품구매 성향의 위치에 대응하여 상기 이동단말에 상기 특정 상품에 대한 상품 추천정보를 전송하는 단계;
    를 포함하며,
    상기 사용자에 대한 상품구매 성향을 분석하는 단계는 동일 또는 유사한 상품을 대분류로 구분하고, 상기 대분류로 구분된 상품을 종류에 따라 중분류로 분류하며, 상기 중분류로 구분된 각각의 상품을 제조사, 모델명, 디자인, 색상 중의 적어도 하나에 따라 소분류로 분류하고, 상기 사용자가 설정된 기간 동안에 구매한 상품에 대한 종류, 제조사, 모델명, 디자인, 색상 중의 적어도 하나에 대한 동일 또는 유사성을 추출하여 상품구매 성향을 분석하며,
    상기 특정 상품에 대한 구매정보의 빅데이터를 수집하는 단계는 상기 사용자의 성별, 연령, 직업의 각각의 항목에 대응하여 일반인의 상기 특정 상품에 대한 구매정보의 빅데이터를 수집하고,
    상기 특정 상품에 대한 트렌드를 분석하는 단계는 수집되는 상기 빅데이터의 전체 데이터 중에서 상기 사용자정보의 각각의 항목에 대응하는 일반인의 비중을 분석하며,
    상기 사용자의 상품구매 성향의 위치를 추정하는 단계는 상기 사용자정보의 각각의 항목에 대응하여, 상기 트렌드의 분석 단계에 의해 분석되는 일반인의 상기 특정 상품에 대한 구매 트렌드 중에서 상기 사용자의 상기 특정 상품에 대한 상품구매 성향이 어느 위치에 해당하는지를 추정하고,
    상기 상품 추천정보를 전송하는 단계는 상기 매장에 있는 상품들 중, 상기 사용자정보의 각각의 항목에 대응하는 일반인의 선호상품 및 추정되는 상기 사용자의 상품구매 성향의 위치에 대응하는 상품에 대한 정보를 상품 추천정보로 전송하는 것을 특징으로 하는 상품정보 추천방법.
  5. 제4항에 있어서,
    상기 특정 상품의 매장을 등록하는 단계; 및
    등록된 상기 매장 내의 각각의 상품의 위치정보를 저장하는 단계;
    를 더 포함하며,
    상기 상품 추천정보를 전송하는 단계는 전송되는 상기 상품 추천정보에 대응하는 상품의 위치정보를 함께 전송하는 것을 특징으로 하는 상품정보 추천방법.
  6. 제4항에 있어서,
    분석되는 상기 사용자에 대한 상품구매 성향 중 상기 특정 상품과 동일 또는 유사한 상품에 대한 상품구매 성향을 검색하는 단계;
    를 더 포함하며,
    상기 사용자의 상품구매 성향의 위치를 추정하는 단계는 상기 검색되는 상품구매 성향에 기초하여 상기 구매 트렌드에 대한 상기 사용자의 상품구매 성향의 위치를 추정하는 것을 특징으로 하는 상품정보 추천방법.
KR1020200081529A 2020-07-02 2020-07-02 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법 KR102222159B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200081529A KR102222159B1 (ko) 2020-07-02 2020-07-02 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200081529A KR102222159B1 (ko) 2020-07-02 2020-07-02 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법

Publications (1)

Publication Number Publication Date
KR102222159B1 true KR102222159B1 (ko) 2021-03-04

Family

ID=75174156

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200081529A KR102222159B1 (ko) 2020-07-02 2020-07-02 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법

Country Status (1)

Country Link
KR (1) KR102222159B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102319727B1 (ko) * 2021-04-30 2021-11-01 주식회사 베이비랩 유저 성향에 기반한 유아 용품 추천 방법
KR102391255B1 (ko) * 2021-11-22 2022-04-26 조병현 관심 상품 제공 방법 및 시스템
KR102461018B1 (ko) * 2021-05-11 2022-11-01 김동주 정보 처리 방법, 서버 및 정보 제공 방법
KR102502575B1 (ko) 2022-01-06 2023-02-21 이현정 상품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램
KR102515222B1 (ko) 2022-01-06 2023-03-30 주식회사 라우드랩스 화장품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램
KR20230076710A (ko) 2021-11-24 2023-05-31 주식회사 디로그 Ai을 활용한 블록체인 기반의 트렌드 분석 장치 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060039311A (ko) 2004-11-02 2006-05-08 광우정보통신 주식회사 카드결제시스템 및 방법
KR20160090509A (ko) * 2015-01-22 2016-08-01 주식회사 디케이아이테크놀로지 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법
KR20180047049A (ko) * 2016-10-31 2018-05-10 동명대학교산학협력단 위치추정을 통한 최적경로 안내방법 및 그 장치
KR20200068373A (ko) * 2018-12-05 2020-06-15 소프트런치주식회사 사용자 선호도 기반의 최적 동선 추천 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060039311A (ko) 2004-11-02 2006-05-08 광우정보통신 주식회사 카드결제시스템 및 방법
KR20160090509A (ko) * 2015-01-22 2016-08-01 주식회사 디케이아이테크놀로지 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법
KR20180047049A (ko) * 2016-10-31 2018-05-10 동명대학교산학협력단 위치추정을 통한 최적경로 안내방법 및 그 장치
KR20200068373A (ko) * 2018-12-05 2020-06-15 소프트런치주식회사 사용자 선호도 기반의 최적 동선 추천 시스템 및 방법

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102319727B1 (ko) * 2021-04-30 2021-11-01 주식회사 베이비랩 유저 성향에 기반한 유아 용품 추천 방법
KR102461018B1 (ko) * 2021-05-11 2022-11-01 김동주 정보 처리 방법, 서버 및 정보 제공 방법
KR102391255B1 (ko) * 2021-11-22 2022-04-26 조병현 관심 상품 제공 방법 및 시스템
KR20230075331A (ko) * 2021-11-22 2023-05-31 조병현 관심 사용자 추천 모델에 기초하여 사용자의 직업에 따른 관심 상품 제공 방법 및 시스템
KR102595236B1 (ko) * 2021-11-22 2023-10-30 조병현 관심 사용자 추천 모델에 기초하여 사용자의 직업에 따른 관심 상품 제공 방법 및 시스템
KR20230076710A (ko) 2021-11-24 2023-05-31 주식회사 디로그 Ai을 활용한 블록체인 기반의 트렌드 분석 장치 및 방법
KR102502575B1 (ko) 2022-01-06 2023-02-21 이현정 상품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램
KR102515222B1 (ko) 2022-01-06 2023-03-30 주식회사 라우드랩스 화장품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램

Similar Documents

Publication Publication Date Title
KR102222159B1 (ko) 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법
US11308541B2 (en) Next generation improvements in recommendation systems
US10430859B2 (en) System and method of generating a recommendation of a product or service based on inferring a demographic characteristic of a customer
US10176494B2 (en) System for individualized customer interaction
US8065353B2 (en) Customer search utility
KR101868583B1 (ko) 객관적 빅데이터 분석을 이용한 가맹점 추천 서비스 제공 방법
US20120047014A1 (en) Method and system for using email receipts for targeted advertising
US20050189414A1 (en) Promotion planning system
CN104978346A (zh) 提供用户评价信息的方法及系统
JP6442535B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
Sriram et al. Does e-marketing mix influence brand loyalty and popularity of e-commerce websites?
CN108429776B (zh) 网络对象的推送方法、装置、客户端、交互设备以及系统
EP1422645A2 (en) Article information providing system and article information providing server
CN109767302B (zh) 大数据精准模型的构建方法及装置
US20070112733A1 (en) Method and system for extracting customer attributes
CN112700307A (zh) 一种基于数据分析的商品推荐方法
KR101959808B1 (ko) 온라인 통합 관리 시스템
KR20020072939A (ko) 인터넷 쇼핑 에이전트에서의 다이알로그 마이닝 기법을이용한 개인화된 구매의사결정 지원과 마케팅 정보 추출방법
US11188967B2 (en) Systems and methods for using keywords extracted from reviews
CN114185954A (zh) 会员管理方法、会员管理平台、会员管理系统和存储介质
KR20160130206A (ko) 소셜 네트워크 서비스 기반 상품 정보 추천 시스템 및 그 서비스 방법
KR101813003B1 (ko) 온라인 통합 관리 시스템
CN108510302A (zh) 一种营销决策方法及交易服务器
CN112015970A (zh) 产品推荐方法、相关设备及计算机存储介质
US11657107B2 (en) Systems and methods for using keywords extracted from reviews

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant