KR102246109B1 - 소비자 선호도에 기반한 상품 추천 시스템 및 방법 - Google Patents

소비자 선호도에 기반한 상품 추천 시스템 및 방법 Download PDF

Info

Publication number
KR102246109B1
KR102246109B1 KR1020200093086A KR20200093086A KR102246109B1 KR 102246109 B1 KR102246109 B1 KR 102246109B1 KR 1020200093086 A KR1020200093086 A KR 1020200093086A KR 20200093086 A KR20200093086 A KR 20200093086A KR 102246109 B1 KR102246109 B1 KR 102246109B1
Authority
KR
South Korea
Prior art keywords
product
product image
consumer
image
server
Prior art date
Application number
KR1020200093086A
Other languages
English (en)
Inventor
하승현
Original Assignee
(주)감성한스푼
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 (주)감성한스푼 filed Critical (주)감성한스푼
Priority to KR1020200093086A priority Critical patent/KR102246109B1/ko
Application granted granted Critical
Publication of KR102246109B1 publication Critical patent/KR102246109B1/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
    • G06K9/481—
    • 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]
    • G06Q30/0641—Shopping interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

소비자 선호도에 기반한 상품 추천 시스템 및 방법이 제공된다. 실시예에 따른 소비자 선호도에 기반한 상품 추천 시스템은 소비자 단말과 데이터를 교환하도록 구성된 통신 모듈; 복수의 상품 이미지, 상기 상품 이미지에 포함된 상품에 대한 구매 정보를 포함하는 데이터베이스; 상기 데이터베이스에서 적어도 하나의 상품 이미지를 추출하고, 상기 추출된 적어도 하나의 상품 이미지를 상기 소비자 단말에 제공하고, 상기 소비자 단말로부터 상기 적어도 하나의 상품 이미지에 대한 선호도 정보를 수신하며, 상기 선호도 정보에 기초하여 추천 상품 이미지를 결정하고, 상기 추천 상품 이미지를 상기 통신 모듈을 통해 상기 소비자 단말에 제공하는 상품 이미지 추천 모듈; 상기 소비자 단말로부터 상기 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청을 수신하고, 상기 특정 상품과 대응하는 상품을 포함하는 상품 이미지를 데이터베이스에서 검색하며, 검색된 상품 이미지 및 상기 검색된 상품 이미지에 포함된 상품에 대한 구매 정보를 상기 소비자 단말에 상기 통신 모듈을 통해 제공하는 상품 구매 지원 모듈을 포함한다.

Description

소비자 선호도에 기반한 상품 추천 시스템 및 방법{Product recommendation system and method based on consumer preference}
본 발명은 소비자 선호도에 기반하여 소비자에게 상품을 추천하고, 추천된 상품 또는 소비자가 선호하는 상품에 대한 소비자의 용이한 구매를 지원하기 위한 소비자 선호도에 기반한 상품 추천 시스템 및 방법에 관한 기술이다.
이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
4차 산업 혁명과 함께, 소비자들의 소비 패턴은 점점 오프라인 상의 상품 구매에서 온라인 쇼핑을 이용한 상품 구매로 변화하고 있으며, 이러한 경향은 COVID-19 사태에 따른 비대면(언택트, Untact) 경향에 따라 더욱 가속화될 전망이다.
온라인 쇼핑에 있어서, 소비자의 선호도 및 개인 성향을 고려한 개인화된 상품 추천 서비스가 제공되고 있다. 종래의 상품 추천 서비스는 해당 소비자의 과거 구매 이력 정보에 기반하여 제공되었으며, 소비자의 현재 니즈를 충족시키는 데에 한계가 있었다. 예를 들어, 과거 정보에 기반하여 추천된 상품을 소비자는 이미 구매하였거나 해당 상품에 대한 니즈가 없어진 상태일 수 있다. 소비자의 기호와 필요에 맞는 상품이 적절한 시점에 추천되지 못하여 상품의 실질적인 구매로 연결되지 못하는 문제점이 있었다.
또한, 소비자가 잡지 또는 TV 화면 등에서 기호에 맞는 상품을 발견하더라도 해당 상품을 구매하기 위한 추가적인 정보가 소비자에게 용이하게 제공되지 못하였다. 즉, 소비자는 선호하는 상품에 대한 가격 정보, 구매할 수 있는 온라인 쇼핑몰의 정보가 유기적으로 소비자에게 제공되어, 소비자의 용이한 상품 구입과 쇼핑몰의 효율적인 상품 판매를 지원할 수 있는 시스템이 요구되고 있는 실정이다.
본 발명의 목적은, 수집된 선호도에 기반한 상품 추천 서비스를 소비자에게 제공하여, 소비자의 기호와 필요에 맞는 상품을 적절하게 추천할 수 있는 소비자 선호도에 기반한 상품 추천 시스템 및 방법을 제공하는 것이다.
또한, 본 발명의 목적은, 추천된 상품에 대한 소비자의 요청에 대응한 구매 정보 제공 서비스를 소비자에게 제공하여, 소비자의 선호도에 기반한 상품의 추천과 소비자의 상품 구입이 유기적으로 연결되고, 이에 따라, 소비자의 만족스러운 상품 구입과 쇼핑몰의 효율적인 상품 판매가 함께 지원될 수 있는 소비자 선호도에 기반한 상품 추천 시스템 및 방법을 제공하는 것이다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상기 목적을 달성하기 위하여, 본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 방법은, 서버가, 소비자 단말에 적어도 하나의 상품 이미지를 제공하는 단계; 상기 서버가, 상기 소비자 단말로부터 상기 적어도 하나의 상품 이미지에 대한 선호도 정보를 수신하는 단계; 상기 서버가, 상기 선호도 정보에 기초하여 추천 상품 이미지를 결정하는 단계; 상기 서버가, 상기 추천 상품 이미지를 상기 소비자 단말에 제공하는 단계; 상기 서버가, 상기 소비자 단말로부터 상기 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청을 수신하는 단계; 상기 서버가, 상기 특정 상품과 대응하는 상품을 포함하는 상품 이미지를 데이터베이스에서 검색하는 단계; 및 상기 서버가, 검색된 상품 이미지 및 상기 검색된 상품 이미지에 포함된 상품에 대한 구매 정보를 상기 소비자 단말에 제공하는 단계를 포함한다.
또한, 상기 서버가, 상기 선호도 정보에 기초하여 추천 상품 이미지를 결정하는 단계는: 상기 서버가, 사용자가 선호도를 나타낸 상품 이미지에서 특징 벡터를 추출하는 단계; 상기 서버가, 상기 추출된 특징 벡터를 특징 공간으로 임베딩하는 단계; 상기 서버가, 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나를 추출하는 단계; 및 상기 서버가, 상기 추출된 다른 특징 벡터와 대응하는 상품 이미지를 상기 추천 상품 이미지로 결정하는 단계를 포함할 수 있다.
또한, 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나는 랜덤하게 추출될 수 있다.
또한, 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나는 소비자 정보를 고려하여 추출될 수 있다.
또한, 상기 서버가, 상기 소비자 단말로부터 상기 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청을 수신하는 단계는: 상기 서버가, 상기 추천 상품 이미지에 포함된 상품에 대한 분별 요청을 상기 소비자 단말로부터 수신하는 단계; 상기 서버가, 상기 추천 상품 이미지에 포함된 상품을 분별하여 분별 상품 정보를 생성하는 단계; 상기 서버가, 상기 생성된 분별 상품 정보를 상기 소비자 단말로 제공하고, 분별된 상품을 상기 추천 상품 이미지에 표시하는 단계; 및 상기 추천 상품 이미지에 표시된 분별된 상품에서 특정된 상품에 대한 구매 정보 요청을 수신하는 단계를 포함할 수 있다.
또한, 상기 서버가, 상기 소비자 단말로부터 상기 추천 상품 이미지에 포함된 상품에 대한 구매 정보 요청을 수신하는 단계는: 상기 소비자 단말에 의해 상기 추천 상품 이미지에 포함된 상품이 분별되는 단계; 및 상기 서버가, 상기 분별된 상품에 대한 구매 정보 요청을 수신하는 단계를 포함할 수 있다.
또한, 상기 서버가, 상기 특정 상품과 대응하는 상품을 포함하는 상품 이미지를 데이터베이스에서 검색하는 단계는: 상기 서버가, 상기 추천 상품 이미지에 대한 전처리를 수행하는 단계; 상기 서버가, 상기 전처리된 추천 상품 이미지에서 특징 벡터를 추출하는 단계; 상기 서버가, 상기 추출된 특징 벡터를 특징 공간으로 임베딩하는 단계; 상기 서버가, 상기 임베딩된 특징 벡터와 일정 범위 내에 위치한 다른 특징 벡터들을 모두 추출하는 단계; 및 상기 서버가, 상기 추출된 다른 특징 벡터와 대응하는 상품 이미지 및 상기 상품 이미지에 포함된 상품에 대한 구매 정보를 추출하는 단계를 포함하고, 상기 추천 상품 이미지에 대한 전처리는 상기 특정 상품이 더 강조되어 특징 벡터가 추출되기 위한 데이터 처리 과정에 해당할 수 있다.
한편, 본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 시스템 은, 소비자 단말과 데이터를 교환하도록 구성된 통신 모듈; 복수의 상품 이미지, 상기 상품 이미지에 포함된 상품에 대한 구매 정보를 포함하는 데이터베이스; 상기 데이터베이스에서 적어도 하나의 상품 이미지를 추출하고, 상기 추출된 적어도 하나의 상품 이미지를 상기 소비자 단말에 제공하고, 상기 소비자 단말로부터 상기 적어도 하나의 상품 이미지에 대한 선호도 정보를 수신하며, 상기 선호도 정보에 기초하여 추천 상품 이미지를 결정하고, 상기 추천 상품 이미지를 상기 통신 모듈을 통해 상기 소비자 단말에 제공하는 상품 이미지 추천 모듈; 상기 소비자 단말로부터 상기 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청을 수신하고, 상기 특정 상품과 대응하는 상품을 포함하는 상품 이미지를 데이터베이스에서 검색하며, 검색된 상품 이미지 및 상기 검색된 상품 이미지에 포함된 상품에 대한 구매 정보를 상기 소비자 단말에 상기 통신 모듈을 통해 제공하는 상품 구매 지원 모듈을 포함한다.
또한, 상기 데이터베이스는 이미지 데이터에서 특징 벡터를 추출하도록 학습된 특징 벡터 추출 모델 및 유사한 상품 이미지에서 추출된 특징 벡터들이 특징 공간 내에서 가까이 위치하도록 임베딩하는 임베딩 네트워크를 포함하며, 상기 상품 이미지 추천 모듈은 상기 특징 벡터 추출 모델을 통해 사용자가 선호도를 나타낸 상품 이미지에서 특징 벡터를 추출하고, 상기 임베딩 네트워크를 통해 상기 추출된 특징 벡터를 특징 공간으로 임베딩하며, 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나를 추출하고, 그리고 상기 추출된 다른 특징 벡터와 대응하는 상품 이미지를 상기 추천 상품 이미지로 결정하여, 상기 선호도 정보에 기초하여 추천 상품 이미지를 결정할 수 있다.
또한, 상기 상품 이미지 추천 모듈은 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나를 랜덤하게 추출할 수 있다.
또한, 상기 데이터베이스는 소비자 정보를 더 포함하며, 상기 상품 이미지 추천 모듈은 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나를 상기 소비자 정보를 고려하여 추출할 수 있다.
또한, 상기 데이터베이스는 상품 이미지에 포함된 상품을 분별하여 분별 상품 정보를 생성하는 상품 검출 네트워크를 더 포함하고, 상기 소비자 단말로부터 수신된 상기 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청은 상기 추천 상품 이미지에 포함된 상품에 대한 분별 요청을 포함하고, 상기 상품 구매 지원 모듈은 상기 상품 검출 네트워크를 통해 상기 추천 상품 이미지에 포함된 상품을 분별하여 분별 상품 정보를 생성하며, 생성된 분별 상품 정보를 상기 소비자 단말로 제공하고 분별된 상품을 상기 추천 상품 이미지에 표시하며, 상기 추천 상품 이미지에 표시된 분별된 상품에 대한 구매 정보 요청을 수신할 수 있다.
또한, 상기 소비자 단말은 상품 이미지에 포함된 상품을 분별하여 분별 상품 정보를 생성하는 상품 검출 네트워크를 포함하고, 상기 소비자 단말에 의해 상기 추천 상품 이미지에 포함된 상품이 분별되며, 상기 소비자 단말로부터 수신된 상기 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청은 상기 분별된 상품에서 특정된 상품에 대한 구매 정보 요청일 수 있다.
또한, 상기 데이터베이스는 이미지 데이터에서 특징 벡터를 추출하도록 학습된 특징 벡터 추출 모델 및 유사한 상품 이미지에서 추출된 특징 벡터들이 특징 공간 내에서 가까이 위치하도록 임베딩하는 임베딩 네트워크를 포함하며, 상기 상품 구매 지원 모듈이 상기 특정 상품과 대응하는 상품을 포함하는 상품 이미지를 데이터베이스에서 검색하는 것은, 상기 추천 상품 이미지에 대한 전처리를 수행하고, 상기 전처리된 추천 상품 이미지에서 특징 벡터를 추출하며, 상기 추출된 특징 벡터를 특징 공간으로 임베딩하고, 상기 임베딩된 특징 벡터와 일정 범위 내에 위치한 다른 특징 벡터들을 모두 추출하며, 상기 추출된 다른 특징 벡터와 대응하는 상품 이미지 및 상기 상품 이미지에 포함된 상품에 대한 구매 정보를 추출하는 것을 포함하며, 상기 추천 상품 이미지에 대한 전처리는 상기 특정 상품이 더 강조되어 특징 벡터가 추출되기 위한 데이터 처리 과정에 해당할 수 있다.
한편, 본 발명의 실시예에 따른 컴퓨터 프로그램은 하드웨어와 결합하여 상기 소비자 선호도에 기반한 상품 추천 방법을 실행하도록 매체에 저장된다.
본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 시스템 및 방법은 소비자 선호도를 수집하고, 수집된 선호도에 기반하여 소비자에게 상품을 추천하는 바, 소비자의 기호와 필요에 맞는 상품이 적절히 추천될 수 있다.
또한, 본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 시스템 및 방법은 추천된 상품에 대한 소비자의 요청에 대응한 구매 정보 제공 서비스를 소비자에게 제공하여, 소비자의 선호도에 기반한 상품의 추천과 소비자의 상품 구입이 유기적으로 연결한다. 이에 따라, 소비자의 만족스러운 상품 구입과 쇼핑몰의 효율적인 상품 판매가 함께 지원될 수 있다.
도 1은 본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 시스템을 나타내는 개략도이다.
도 2는 본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 방법의 순서도이다.
도 3 내지 도 10은 본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 방법이 제공되는 서비스 화면을 예시적으로 도시한 것이다.
도 11은 본 발명의 실시예에 따른 서버의 구성을 도시한 블록도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
또한, 본 발명을 구현함에 있어서 설명의 편의를 위하여 구성요소를 세분화하여 설명할 수 있으나, 이들 구성요소가 하나의 장치 또는 모듈 내에 구현될 수도 있고, 혹은 하나의 구성요소가 다수의 장치 또는 모듈들에 나뉘어져서 구현될 수도 있다.
이하에서, 도 1 내지 도 11을 참조하여 본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 시스템 및 방법에 대해 살펴보도록 한다.
도 1은 본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 시스템을 나타내는 개략도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 시스템(10)은 서버(100), 소비자 단말(110) 및 온라인 거래 서버(120)을 포함한다.
서버(100)는 소비자 선호도에 기반한 상품을 소비자에게 추천하고, 추천된 상품 또는 소비자가 선호하는 상품에 대한 소비자의 용이한 구매를 지원한다.
소비자 단말(110)은 서버(100) 및/또는 온라인 거래 서버(120)에 가입된 소비자의 단말에 해당한다. 여기서, 소비자 단말(110)은 유무선 통신 환경에서 웹 서비스를 이용하거나 또는 서버(100)의 서비스를 제공하는 앱을 동작시킬 수 있는 통신 단말기를 의미한다. 예를 들어, 소비자 단말(110)은 소비자의 퍼스널 컴퓨터 또는 휴대용 단말기일 수 있다.
온라인 거래 서버(120)는 온라인을 매개로 한 제반 거래 행위를 제공하는 사업자의 서버, 쇼핑몰의 서버에 해당한다. 온라인 거래 서버(120)는 온라인 상에서 상품의 판매 행위를 제공할 수 있으나, 이에 한정되는 것은 아니다. 온라인 거래 서버(120)는 고객에게 가치를 전달하여 주고 그에 대한 대가를 받는 형태의 비즈니스를 제공할 수 있다. 도 1에는 소비자 단말(110)과 온라인 거래 서버(120)가 각각 하나의 블록으로 도시되었으나 이에 한정되는 것은 아니며, 복수의 소비자 단말(110)과 복수의 온라인 거래 서버(120)가 소비자 선호도에 기반한 상품 추천 시스템(10)에 포함될 수 있다.
통신망은 서버(100), 온라인 거래 서버(120) 및 소비자 단말(110)을 연결할 수 있다. 예를 들어, 통신망은 소비자 단말(110)이 서버(100) 및/또는 온라인 거래 서버(120)에 접속한 후, 패킷 데이터를 송수신할 수 있도록 접속 경로를 제공한다. 통신망은 예컨대 LANs(Local Area Networks), WANs(Wide Area Networks), MANs(Metropolitan Area Networks), ISDNs(Integrated Service Digital Networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신, 3G, 4G, 5G 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
서버(100)는 소비자 단말(110)과 온라인 거래 서버(120) 사이에 위치하여, 소비자의 용이한 상품 구입과 쇼핑몰의 효율적인 상품 판매를 지원한다. 서버(100)는 소비자 단말(110)을 통해 소비자에게 소비자 선호도에 기반하여 상품을 추천할 수 있다. 또한, 서버(100)는 소비자 단말(110)을 통해 전달되는 소비자의 선호 상품에 대한 추가적인 정보(구매 정보)를 소비자에게 제공하여, 소비자의 선호도에 기반한 상품의 추천과 소비자의 상품 구입이 유기적으로 연결시킬 수 있다.
서버(100)가 제공하는 상술한 서비스는 소비자 단말(110)에 설치되어 있는 어플리케이션(application)을 통해 제공될 수 있다. 여기서, 어플리케이션은 응용 프로그램을 의미하며, 예를 들어, 모바일 단말(스마트 폰)에서 실행되는 앱(app)을 포함할 수 있다. 다만 이에 한정되는 것은 아니며, 서버(100)는 웹 문서를 통한 데이터 전송 방식으로 소비자 단말(110)과 데이터를 주고받을 수 있다. 이때 웹 문서란, 그 종류나 형식을 한정하지 않고 소정의 네트워크 주소를 갖는 웹 사이트(web site)를 통하여 전송됨으로써 열람 및/또는 수정이 가능하도록 제공되는 임의의 데이터를 지칭한다. 이 경우, 서버(100)는 소정의 URL(Uniform Resource Locator)을 갖는 웹 페이지를 제공하는 웹 서버(web server)일 수 있으며, 소비자 단말(110)에서는 웹 브라우저(web browser)를 이용하여 해당 웹 페이지에 접속함으로써 서버(100)가 제공하는 서비스를 이용할 수 있다. 웹 문서의 형식은 HTML(Hyper Text Markup Language), XML(Extensible Markup Language), JSON(JavaScript Object Notation), 또는 다른 상이한 언어에 기반한 형식일 수 있으며 특정 형식으로 한정되지 않는다.
소비자는 소비자 단말(110)을 통해 상기 어플리케이션 또는 웹 환경에 접속하여 서버(100)가 제공하는 서비스를 이용할 수 있다.
이하, 본 발명의 실시예에 따른 서버(100)에서 수행되는 소비자 선호도에 기반한 상품 추천 방법에 대해 설명하도록 한다.
도 2는 본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 방법의 순서도이다.
도 3 내지 도 10은 본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 방법이 제공되는 서비스 화면을 예시적으로 도시한 것이다.
본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 방법은 서버(100)에 의해 수행되는 복수의 단계들로 구성된다.
먼저, 서버(100)가, 소비자 단말(110)에 적어도 하나의 상품 이미지를 제공한다(S100).
소비자는 소비자 단말(110)에 설치된 앱 또는 웹 환경을 통해 서버(100)가 제공하는 서비스 환경에 아이디, 비밀번호를 입력하여 접속이 승인된 상태일 수 있다. 즉, 소비자는 서버(100)가 제공하는 서비스 환경에 소비자 정보를 제공하여 미리 가입된 상태일 수 있다. 소비자 정보는 서버(100)에 저장된 상태일 수 있다. 여기서, 소비자 정보는 적어도 이름, 성별, 연령 및 직업 중 적어도 하나를 포함할 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다.
접속이 승인된 상태의 소비자 단말(110)에 적어도 하나의 상품 이미지가 제공될 수 있다. 상품 이미지는 특정 상품을 강조하기 위한 이미지일 수 있다. 상품 이미지는 상품만을 포함할 수 있으나, 이에 한정되는 것은 아니며, 적어도 한명의 인물 및 상기 인물과 매칭된 적어도 하나의 상품을 포함하도록 구성될 수 있다. 인물과 대비하여 가지는 상품의 크기, 전체적인 분위기를 파악하기 위해서는 인물과 상품이 매칭되어 있는 것이 바람직할 수 있다. 즉, 상품 이미지는 모델과 패션 상품이 코디된 촬영된 이미지일 수 있으며, 모델보다 상품이 더욱 강조되도록 촬영된 이미지일 수 있다. 상품 이미지는 서버(100)가 온라인 거래 서버(120)에서 제공받거나, 온라인 거래 서버(120)로부터 수집된 이미지일 수 있다. 다만, 이에 한정되는 것은 아니며, 상품 이미지는 포털 사이트, 많은 사용자를 확보하고 있고 개방형 소셜 네트워킹 채널 등에서 크롤링을 통해 수집된 이미지일 수 있다.
서버(100)는 이러한 상품 이미지를 저장하는 데이터베이스를 포함하며, 실시간 또는 일정 주기에 따라 새로운 상품 이미지가 수집되어 데이터베이스에 저장될 수 있다. 또한, 서버(100)는 상품 이미지에 포함된 각 상품에 대한 구매 정보를 온라인 거래 서버(120)로부터 수집할 수 있다. 구매 정보는 적어도 온라인 거래 서버(120)에서 판매되고 있는 상품의 가격 정보, 상품의 명칭, 온라인 거래 서버의 명칭 및 구매 링크를 포함할 수 있다. 상품 이미지에 포함된 각 상품에 대한 구매 정보 또한 실시간 또는 일정 주기에 따라 온라인 거래 서버(120)로부터 수집되어 데이터베이스에 저장될 수 있다.
본 단계(S100)에서, 제공되는 상품 이미지는 소비자 단말(110)의 소비자의 상품 선호도를 수집하기 위한 샘플 이미지일 수 있다. 상품 이미지는 적어도 하나가 제공될 수 있다. 예를 들어, 상품 이미지는 1매, 3매, 5매 또는 10매 단위로 제공될 수 있으나, 이에 한정되는 것은 아니다.
또한, 본 단계(S100)에서, 상품 이미지는 데이터베이스에서 랜덤한 방식으로 선택될 수 있다. 즉, 데이터베이스에 저장된 복수의 상품 이미지 중 정해진 개수의 상품 이미지가 랜덤하게 추출될 수 있으며, 추출된 상품 이미지가 소비자 단말(110)로 제공되게 된다.
다음으로, 소비자 단말(110)로부터 적어도 하나의 상품 이미지에 대한 선호도 정보를 수신한다(S110).
소비자 단말(110)에 상품 이미지가 복수로 제공되는 경우, 상품 이미지는 하나씩 순서대로 소비자에게 표시될 수 있다. 복수의 상품 이미지는 하나씩 순서대로 소비자 단말에 표시되고, 각 상품 이미지에 대한 소비자의 선호도 정보가 생성된 이후 다음 순서의 상품 이미지가 표시될 수 있다. 복수의 상품 이미지가 하나의 화면에 모두 표시되는 것과 비교하여 각 상품 이미지가 하나씩 하나의 화면에 표시됨에 따라, 소비자는 각각의 상품 이미지를 더욱 관심 있게 볼 수 있으며, 상품 이미지에 대한 소비자의 평가가 더욱 정확하게 수행되어 더욱 정확한 소비자 선호도의 수집이 가능해진다.
여기서, 선호도 정보는 상품 이미지에 대한 "좋아요" 또는 "싫어요"를 나타내는 정보일 수 있으나, 이에 한정되는 것은 아니다. 선호도 정보는 상품 이미지를 선호하는 정도를 나타내는 선호도 점수일 수 있다. 예를 들어, 5단계의 별점으로 표시되는 리커트 척도 또는 1점 - 100점로 레이팅 점수로 구성될 수 있다. 이러한, 선호도 정보는 소비자의 특정 상품 이미지에 대한 주관적인 성향이 반영되어 책정될 수 있으며, 특히, 소비자의 현재 상황 및 현재 니즈가 반영되어 책정될 수 있다. 즉, 소비자의 현재 상황 및 현재 니즈에 따라 동일한 상품 이미지에 대한 선호도가 다르게 책정될 수도 있다.
소비자 단말(110)은 소비자의 입력에 인식하는 입력부(미도시)를 포함하며, 소비자의 입력에 대응하는 선호도 정보를 생성할 수 있다. 일 실시예에서, 소비자 단말(110)은 디스플레이(111)가 소비자의 신체가 터치되는 것을 인식하는 터치 패널을 포함하도록 구성되며, 터치 패널을 통해 입력되는 소비자의 입력에 대응하여 선호도 정보를 생성할 수 있다. 도 3을 참조하면, 소비자의 신체가 터치되는 지점(112)이 디스플레이(111) 상에 표시되는 것을 알 수 있다.
예를 들어, 소비자는 디스플레이(111)에 손가락을 터치한 상태로 표시되는 상품 이미지를 특정 방향으로 이동시키는 스와이프(swipe) 동작을 통해 선호도 정보를 생성할 수 있다. 즉, 상품 이미지가 이동되는 방향에 따라 "좋아요" 또는 "싫어요"가 결정될 수 있다. 또한, 소비자가 디스플레이(111) 화면을 터치한 상태를 유지하는 시간에 비례하여 선호도 점수(별점 또는 레이팅 점수)가 책정되어 선호도 정보가 생성될 수도 있다.
도 3 내지 도 6은 3개의 상품 이미지(111A, 111B, 111C)가 소비자 단말(110)로 샘플 이미지로 제공된 예시적인 상황에서, 상품 이미지에 대해 소비자가 선호도 정보를 생성하는 과정을 예시적으로 도시한 것이다.
도 3을 참조하면, 하나의 상품 이미지(111A)가 소비자 단말(110)의 디스플레이(111)를 통해 소비자에게 표시되고, 다른 상품 이미지(111B, 111C)는 표시되지 않는 것을 알 수 있다. 소비자는 입력부를 소비자 입력을 제공하여 표시되는 상품 이미지(111A)에 대한 선호도 정보를 생성할 수 있다. 도 4를 참조하면, 소비자는 상품 이미지(111A)를 왼쪽 방향으로 이동시키는 스와이프 동작을 수행하여 상품 이미지(111A)에 대한 선호도 정보(싫어요, 113)를 생성할 수 있다. 상품 이미지(111A)에 대한 선호도 정보가 생성됨에 따라 다음 순서의 상품 이미지(111B)가 도 5와 같이 제공될 수 있다. 도 6을 참조하면, 소비자는 상품 이미지(111B)를 오른쪽 방향으로 이동시키는 스와이프 동작을 수행하여 상품 이미지(111B)에 대한 선호도 정보(좋아요, 114)를 생성할 수 있으며, 마지막 상품 이미지(111C)가 소비자에게 제공될 수 있다.
소비자의 입력에 따른 제공된 상품 이미지에 대한 선호도 정보가 모두 생성된 이후, 생성된 선호도 정보는 소비자 단말(110)로부터 서버(100)로 제공된다.
여기서, 서버(100)는 소비자 단말(110)로부터 각 상품 이미지에 대한 소비자의 선호도 정보를 수신하고, 상품 이미지와 해당 상품 이미지를 선호한 소비자의 소비자 정보(성별, 연령, 직업)를 데이터베이스에 함께 저장할 수 있다. 즉, 상품 이미지를 기준으로 해당 상품 이미지를 선호한 소비자들의 정보가 매칭되어 데이터베이스에 저장될 수 있다. 데이터베이스에 저장된 소비자 정보는 상품 이미지를 제공하는 단계(S100)에서, 상품 이미지를 샘플로 추출하는 과정에 활용될 수 있다. 몇몇 실시예에서, 상품 이미지를 제공하는 단계(S100)는 서버(100)가, 데이터베이스에서 랜덤하게 상품 이미지를 추출하지 않고 접속한 소비자의 소비자 정보를 고려하여 상품 이미지를 추출할 수 있다. 즉, 서버(100)는 접속한 소비자의 소비자 정보(성별, 연령, 직업)와 유사한 소비자 정보를 가진 다른 소비자가 선호한 상품 이미지를 샘플 이미지로 추출할 수 있다. 동일한 성별, 비슷한 연령대 또는 동일 직종에 속하는 소비자들은 선호하는 상품이 유사할 수 있다. 즉, 소비자 정보를 고려하여 샘플 상품 이미지가 추출됨에 따라, 전혀 선호하지 않는 상품 이미지가 소비자들에게 제공되어 소비자의 선호도를 수집하는 과정이 불필요하게 반복되는 것이 방지될 수 있다.
다음으로, 선호도 정보에 기초하여 추천 상품 이미지를 결정한다(S120).
서버(100)는 사용자가 선호도를 나타낸 상품 이미지와 유사한 상품 이미지를 추천 상품 이미지로 결정할 수 있다. 여기서, 선호도 정보가 좋아요 또는 싫어요로 이분화된 정보인 경우, 좋아요를 표시한 상품 이미지와 유사한 상품 이미지를 서버(100)는 검색할 수 있다. 또한, 선호도 정보가 선호하는 정도를 나타낸 정보인 경우, 기준 선호도 정보보다 높은 선호도를 가진 상품 이미지를 선호도를 나타낸 상품 이미지로 서버(100)는 판단하며, 이러한 상품 이미지와 유사한 상품 이미지를 검색할 수 있다. 여기서, 유사한 상품 이미지란 상품의 디자인, 색상, 크기 중 적어도 하나 이상이 동일한 것을 의미할 수 있다.
서버(100)는 이미지 데이터에서 특징 벡터를 추출하도록 학습된 특징 벡터 추출 모델을 포함한다. 특징 벡터 추출 모델은 딥 뉴럴 네트워크(Deep neural network)를 통해 상품 이미지를 함축된 데이터인 특징 벡터로 추출하도록 학습된 상태일 수 있다. 서버(100)는 추출된 특징 벡터를 특징 공간으로 임베딩하는 임베딩 네트워크를 포함한다. 임베딩 네트워크는 유사한 상품 이미지에서 추출된 특징 벡터들이 임베딩된 특징 공간 내에서 가까이 위치하도록 학습된 상태일 수 있다. 즉, 임베딩 네트워크를 통해 유사한 상품 이미지들에서 추출된 특징 벡터들은 특징 공간 내에서 군집을 이루도록 임베딩될 수 있다.
본 단계(S120)는 사용자가 선호도를 나타낸 상품 이미지에서 특징 벡터를 추출하는 단계; 추출된 특징 벡터를 특징 공간으로 임베딩하는 단계; 상기 추출된 특징 벡터를 특징 공간으로 임베딩하는 단계; 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나를 추출하는 단계; 및 상기 추출된 다른 특징 벡터와 대응하는 상품 이미지를 상기 추천 상품 이미지로 결정하는 단계를 포함한다.
특징 공간으로 임베딩된 특징 벡터와 가까이 위치한 다른 특징 벡터들은 사용자가 선호도를 나타낸 상품 이미지와 유사한 상품 이미지에서 추출된 특징 벡터들에 해당한다.
임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나는 랜덤하게 추출되고, 추출된 특징 벡터와 대응하는 상품 이미지를 추천 상품 이미지로 결정할 수 있다. 다만 이에 한정되는 것은 아니며, 몇몇 실시예에서 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나는 소비자 정보를 고려하여 추출될 수 있다. 구체적으로, 서버(100)는 상품 이미지를 추천받는 소비자와 유사한 소비자 정보를 가진 다른 소비자가 선호한 상품 이미지에 대응하는 특징 벡터를 추출할 수 있다. 즉, 추천 상품 이미지를 결정하는 과정에 성향이 비슷한 다른 소비자들의 선호한 상품 이미지에 대한 정보가 추가적으로 고려될 수 있다. 이에 따라, 소비자들에게 더욱 적합한 추천 상품 이미지가 결정될 수 있다.
다음으로, 서버(100)가, 추천 상품 이미지를 소비자 단말(110)에 제공한다(S130).
서버(100)는 추천 상품 이미지를 소비자 단말(110)로 제공할 수 있다. 도 7은 상술한 단계들(S100 내지 S130)을 통해 소비자의 선호도에 기반하여 추천된 추천 상품 이미지(111D)가 소비자 단말(110)에 제공된 상태를 나타낸다.
실시예에 따라, 상술한 단계들(S100 내지 S130)은 적어도 한번 이상 반복되어 적어도 하나 이상의 추천 상품 이미지가 소비자 단말(110)에 제공될 수 있다. 즉, 일정한 시간적 주기 또는 일정 횟수 이상 반복되어 소비자의 선호도에 기반한 추천 상품 이미지가 제공될 수 있다.
또한, S130 단계의 추천 상품 이미지(111D)에 대해서도 소비자는 선호도를 표시할 수도 있고, 서버(100)는 이를 통해 다음 추천 상품 이미지를 결정할 수 있다. 따라서, 실질적으로 소비자는 S100 단계 내지 S130 단계를 연속되는 하나의 동일한 단계로 인식할 수 있다.
특히, S100 단계에서 상품 이미지가 제공되는 단위가 1매인 경우, 소비자는 선호도를 표시하는 매 이미지마다 그에 따라 결정되는 S130 단계의 추천 상품 이미지를 새로 수신할 수 있다. 그리고 계속하여, 이에 대한 선호도를 표시할 때마다 점점 더 자신의 선호도에 맞는 추천 상품 이미지를 추천받을 수 있다. 즉, S130 단계는 추천 이미지를 제공하는 역할뿐만 아니라 새로운 상품 이미지를 제공하여 선호도를 조사하는 S100 단계의 역할도 동시에 수행할 수 있다.
즉, 소비자의 기호와 필요에 맞는 상품이 적절한 시점에 추천될 수 있으며, 상품의 실질적인 구매로 유기적으로 연결될 수 있다. 후술하는 단계들은 소비자에게 상품에 대한 추가적인 정보를 제공하고, 상품의 구매까지 이어지는 과정에 대해 설명한다.
다음으로, 서버(100)가, 소비자 단말(110)로부터 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청을 수신한다(S140).
소비자는 제공된 추천 상품 이미지 중 선호하는 상품 또는 구매 의향이 있는 상품에 대한 구매 정보를 요청할 수 있다. 예를 들어, 소비자는 도 7의 추천 상품 이미지(111D)에 포함된 모자에 대한 구매 정보가 필요한 경우, 이에 대한 구매 정보 요청을 서버(100)로 전송할 수 있다.
여기서, 추천 상품 이미지(111D)에 포함된 상품에 선택적인 정보 요청을 위해서는, 추천 상품 이미지(111D)에서 포함된 상품을 분별하는 과정이 필요하다. 예를 들어, 디스플레이(111) 화면의 하단부 중앙에 위치한 분별 요청 버튼(115)을 선택(112)하여, 소비자는 현재 제공되고 있는 상품 이미지에 포함된 상품에 대한 분별을 요청할 수 있다.
일 실시예에서, 본 단계(S140)는 서버(100)가, 상기 추천 상품 이미지에 포함된 상품에 대한 분별 요청을 상기 소비자 단말로부터 수신하는 단계; 상기 서버가, 상기 추천 상품 이미지에 포함된 상품을 분별하여 분별 상품 정보를 생성하는 단계; 상기 서버가, 상기 생성된 분별 상품 정보를 상기 소비자 단말로 제공하고, 분별된 상품을 상기 추천 상품 이미지에 표시하는 단계; 및 상기 추천 상품 이미지에 표시된 분별된 상품 중 특정 상품에 대한 구매 정보 요청을 수신하는 단계를 포함한다.
서버(100)는 상품 이미지에 포함된 상품을 분별하여 분별 상품 정보를 생성하는 상품 검출 네트워크를 포함할 수 있다. 상품 검출 모듈은 컨볼루션 신경망(Convolutional Neural Network) 기반의 기계 학습 모델 중 실시간 객체 검출에 적합한 원스테이지(one-stage) 검출 네트워크로 구성될 수 있다. 여기서, 원스테이지 검출 네트워크는 리저널 프로포절(Regional Proposal)과 클래시피케이션(Classification)이 동시에 수행되는 검출 네트워크를 의미한다. 즉, 네트워크의 최종 출력단에서 객체 경계 박스(분별된 상품을 나타내는 바운딩 박스)를 찾는 작업과 클래스를 분류(상품의 종류를 분류)하는 작업이 동시에 수행될 수 있다.
다른 실시예에서, 상품 검출 모듈은 추천 상품 이미지에서 배경을 삭제하고, 상품을 픽셀 단위로 정의하고, 상품을 크롭하여 상품을 분별하도록 학습된 상품 검출 네트워크를 포함할 수 있다. 즉, 배경 분리 및 픽셀 단위로 상품을 정의함에 따른 데이터 처리량이 증가할 수 있으나, 더욱 정확한 상품 분별이 수행될 수 있다.
다른 실시예에서, 본 단계(S140)는 소비자 단말(110)에 의해 추천 상품 이미지에 포함된 상품이 분별되는 단계; 및 소비자 단말(110)로부터 분별된 상품 중 특정 상품에 대한 구매 정보 요청을 서버(100)가 수신하는 단계를 포함할 수 있다. 즉, 다른 실시예에서 상품 검출 모듈은 소비자 단말(110)에 구비될 수 있으며, 상술한 상품 분별 과정은 소비자 단말(110)에서 수행될 수 있다.
도 8은 도 7의 추천 상품 이미지에 포함된 상품이 분별된 상태를 도시한다. 상품이 분별된 상태는 상품 상에 표시된 포인트로 확인할 수 있다. 도 8을 참조하면, 모자, 선글라스, 외투, 상의, 하의에 해당하는 각 상품들에 포인트가 표시되어 분별된 상태임을 확인할 수 있다. 소비자는 분별된 상품 중 특정 상품(모자)에 해당하는 포인트를 터치(112)하여, 모자에 대한 구매 정보를 요청할 수 있다.
다음으로, 서버(100)가, 특정 상품과 대응하는 상품을 포함하는 상품 이미지를 데이터베이스에서 검색한다(S150).
서버(100)는 추천 상품 이미지에 대한 특징 벡터를 추출하고, 상기 추출된 특징 벡터를 특징 공간으로 임베딩할 수 있다.
여기서, 서버(100)는 추천 상품 이미지에 대한 특징 벡터를 추출하기 이전에, 추천 상품 이미지에 대한 전처리 과정을 더 수행할 수 있다. 즉, 소비자에 의해 특정된 특정 상품이 더 강조되어 특징 벡터가 추출되기 위한 데이터 전처리 과정을 더 수행할 수 있다. 예를 들어, 소비자에 의해 특정된 특정 상품만이 포함되도록 추천 상품 이미지에서 특정 상품만을 크롭하여 새로운 상품 이미지를 생성하며, 생성된 새로운 상품 이미지를 기준으로 특징 벡터를 추출할 수 있다. 이에 한정되는 것은 아니며, 다른 예시에서, 소비자에 의해 특정된 특정 상품을 제외한 나머지 상품에서는 특징 벡터가 추출되지 않도록 추천 상품 이미지에서 나머지 상품에 대한 마스킹 처리를 수행하는 전처리 과정이 더 수행될 수도 있다.
특징 공간으로 임베딩된 특징 벡터와 가까이 위치한 다른 특징 벡터들은 추천 상품 이미지와 유사한 상품 이미지에서 추출된 특징 벡터들에 해당한다. 즉, 다른 특징 벡터들은 특정 상품과 유사한 외형, 색상 및 크기를 가진 상품을 포함하는 상품 이미지에서 추출된 특징 벡터들일 수 있다. 서버(100)는 상기 임베딩된 특징 벡터와 일정 범위 내에 위치한 다른 특징 벡터들을 모두 추출하고 이에 대응하는 상품 이미지 및 상기 상품 이미지에 포함된 특정 상품에 대한 구매 정보를 데이터베이스에서 추출할 수 있다. 예를 들어, 도 8의 추천 상품 이미지에서 특정된 모자와 유사한 외형, 색상 및 크기를 가진 모자를 포함하는 상품 이미지들이 데이터베이스에서 검색되며, 검색된 상품 이미지 및 상품 이미지에 포함된 모자의 구매 정보(온라인 거래 서버의 명칭, 상품의 명칭, 상품의 가격 정보 및 구매 링크)가 추출될 수 있다.
다음으로, 서버(100)가, 검색된 상품 이미지 및 상기 검색된 상품 이미지에 대응하는 구매 정보를 소비자 단말(110)에 제공한다.
도 9는 소비자 단말(110)에 제공된 검색된 상품 이미지 및 대응하는 구매 정보가 표시되는 화면을 예시적으로 나타낸 것이다. 도 9를 참조하면, 복수의 상품 이미지와 대응하는 구매 정보가 소비자에게 제공될 수 있으며, 소비자는 구매 의향이 있는 상품을 선택하여 구매를 진행할 수 있다.
도 10은 소비자가 구매 의향이 있는 상품(스타일 멋진, 그레이 페도라)을 선택하였을 때 제공되는 결제 진행 화면을 예시적으로 나타낸 것이다. 소비자는 구매 버튼(116)을 선택하는 경우, 구매 링크에 따라 해당 상품을 판매하는 온라인 거래 서버(120)의 웹 페이지로 연결될 수 있으며, 소비자는 온라인 거래 서버(120)의 서비스 환경(앱 또는 웹 환경)를 통해 해당 상품에 대한 결제를 진행할 수 있다.
또한, 몇몇 실시예에서, 온라인 거래 서버(120)와 서버(100)는 결제 API가 연동되도록 제휴 관계를 미리 형성한 상태일 수 있다. 즉, 소비자가 구매하려는 상품이 서버(100)와 제휴된 온라인 거래 서버(120)인 경우, 서버(100)가 제공하는 서비스 환경 내에서 해당 상품에 대한 결제가 수행될 수도 있다.
본 발명의 실시예에 따른 소비자 선호도에 기반한 상품 추천 방법은 선호도에 기반하여 사용자에게 상품 이미지가 추천되고, 추천된 상품 이미지에 포함된 상품에 대한 구매 정보가 유기적으로 제공될 수 있다. 즉, 소비자의 용이한 상품 구입과 쇼핑몰의 효율적인 상품 판매가 지원될 수 있다.
이하, 서버(100) 및 소비자 단말(110)의 구성에 대해 더욱 상세히 설명하도록 한다.
도 11은 본 발명의 실시예에 따른 서버의 구성을 도시한 블록도이다.
서버(100)는 하드웨어적으로는 통상적인 웹 서버와 동일한 구성을 가지며, 소프트웨어적으로는 씨(C), 씨 플러스플러스(C++), 자바(Java), 비주얼 베이직(Visual Basic), 비주얼 씨(Visual C) 및 파이썬(python) 등과 같은 다양한 형태의 언어를 통해 구현되어 여러 가지 기능을 하는 프로그램 모듈을 포함한다. 또한, 일반적인 서버용 하드웨어에 도스(Dos), 윈도우(Window), 리눅스(Linux), 유닉스(Unix), 매킨토시(Macintosh) 등의 운영 체제에 따라 다양하게 제공되고 있는 웹 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 웹사이트(website), IIS(Internet Information Server)와 유닉스 환경에서 사용되는 CERN, NCSA, APPACH 등이 이용될 수 있다.
도 11를 참조하면, 서버(100)는 통신 모듈(101), 서비스 환경 제공 모듈(102), 데이터 수집 모듈(103), 상품 이미지 추천 모듈(104), 상품 구매 지원 모듈(105) 및 데이터베이스(106)를 포함한다.
통신 모듈(101), 서비스 환경 제공 모듈(102), 데이터 수집 모듈(103), 상품 이미지 추천 모듈(104), 상품 구매 지원 모듈(105)및 데이터베이스(106)는 서로 구분되는 별개의 블록으로 도시되나, 이는 서버(100)를 실행되는 동작에 의해 단지 기능적으로 구분한 것이다. 따라서, 실시예에 따라서는 통신 모듈(101), 서비스 환경 제공 모듈(102), 데이터 수집 모듈(103), 상품 이미지 추천 모듈(104), 상품 구매 지원 모듈(105) 및 데이터베이스(106)는 일부 또는 전부가 동일한 하나의 장치 내에 집적화될 수 있고, 하나 이상이 다른 부와 물리적으로 구분되는 별개의 장치로 구현될 수도 있으며, 분산 컴퓨팅 환경 하에서 서로 통신 가능하게 연결된 컴포넌트들일 수도 있다.
통신 모듈(101)은 소비자 단말(110) 및 온라인 거래 서버(120)와 통신망을 통해 데이터를 교환하도록 구성될 수 있다.
서비스 환경 제공 모듈(102)은 상품 이미지 추천 모듈(104)에 의한 데이터 처리에 기반하여 소비자 단말(110)에 상품 추천 및 구매가 지원되는 서비스 환경(웹 환경 또는 앱 환경)을 제공할 수 있다.
데이터 수집 모듈(103)은 상품 추천 및 구매가 지원되는 본 발명의 서비스가 제공되기 위한 데이터를 수집하여 데이터베이스(106)에 저장할 수 있다. 데이터 수집 모듈(103)은 온라인 거래 서버(120)로부터 상품 이미지를 수집하여 데이터베이스(106)에 저장할 수 있다. 또한, 데이터 수집 모듈(103)은 포털 사이트 또는 많은 사용자를 확보하고 있고 개방형 소셜 네트워킹 채널 등에서도 상품 이미지를 수집하여 데이터베이스(106)에 저장할 수 있다. 또한, 데이터 수집 모듈(103)은 상품 이미지에 포함된 각 상품에 대한 구매 정보를 온라인 거래 서버(120)로부터 수집할 수 있다. 구매 정보는 적어도 온라인 거래 서버(120)에서 판매되고 있는 상품의 가격 정보, 상품의 명칭, 온라인 거래 서버의 명칭 및 구매 링크를 포함할 수 있다. 상품 이미지에 포함된 각 상품에 대한 구매 정보 또한 실시간 또는 일정 주기에 따라 온라인 거래 서버(120)로부터 수집되어 데이터베이스(106)에 저장될 수 있다.
데이터베이스(106)는 복수의 상품 이미지, 상기 상품 이미지에 포함된 상품에 대한 구매 정보를 저장하도록 구성된다. 또한, 서버(100)의 다른 구성들의 처리, 제어를 위한 프로그램이 저장될 수 있고, 입력되거나 출력되는 데이터들을 저장하기 위한 공간일 수 있다.
상품 이미지 추천 모듈(104)는 데이터베이스(106)에 저장된 상품 이미지 중 적어도 하나의 상품 이미지를 추출하고, 상기 추출된 적어도 하나의 상품 이미지를 소비자 단말(110)에 제공하고, 소비자 단말(110)로부터 상기 적어도 하나의 상품 이미지에 대한 선호도 정보를 수신하며, 상기 선호도 정보에 기초하여 추천 상품 이미지를 결정하되, 사용자가 선호도를 나타낸 상품 이미지와 유사한 상품 이미지를 상기 추천 상품 이미지로 결정하고, 상기 추천 상품 이미지를 통신 모듈(101)을 통해 소비자 단말(110)에 제공할 수 있다.
상품 구매 지원 모듈(105)은 소비자 단말(110)로부터 상기 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청을 수신하고, 상기 특정 상품과 대응하는 상품을 포함하는 상품 이미지를 데이터베이스(106)에서 검색하며, 검색된 상품 이미지 및 상기 검색된 상품 이미지에 포함된 상품에 대한 구매 정보를 소비자 단말(110)에 통신 모듈(101)을 통해 제공한다.
복수의 상품 이미지와 대응하는 구매 정보가 소비자에게 제공될 수 있으며, 소비자는 구매 의향이 있는 상품을 선택하여 구매를 진행할 수 있다. 소비자는 구매 버튼을 선택하는 경우, 구매 링크에 따라 해당 상품을 판매하는 온라인 거래 서버(120)의 웹 페이지로 연결될 수 있으며, 소비자는 온라인 거래 서버(120)의 서비스 환경(앱 또는 웹 환경)를 통해 해당 상품에 대한 결제를 진행할 수 있다. 여기서, 온라인 거래 서버(120)와 서버(100)가 결제 API가 연동되도록 제휴 관계를 미리 형성한 상태인 경우, 상품 구매 지원 모듈(105)은 해당 상품에 대한 결제가 서비스 제공 환경 내에서 수행되는 것을 지원할 수 있다.
데이터베이스(106)는 이미지 데이터에서 특징 벡터를 추출하도록 학습된 특징 벡터 추출 모델 및 유사한 상품 이미지에서 추출된 특징 벡터들이 특징 공간 내에서 가까이 위치하도록 임베딩하는 임베딩 네트워크를 포함할 수 있다. 상품 이미지 추천 모듈(104)은 상기 특징 벡터 추출 모델을 통해 사용자가 선호도를 나타낸 상품 이미지에서 특징 벡터를 추출하고, 상기 임베딩 네트워크를 통해 상기 추출된 특징 벡터를 특징 공간으로 임베딩하며, 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나를 추출하고, 그리고 상기 추출된 다른 특징 벡터와 대응하는 상품 이미지를 상기 추천 상품 이미지로 결정하여, 상기 선호도 정보에 기초하여 추천 상품 이미지를 결정할 수 있다.
또한, 상품 이미지 추천 모듈(104)은 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나를 랜덤하게 추출할 수 있다.
데이터베이스(106)는 소비자 정보를 더 포함하며, 상품 이미지 추천 모듈(104)은 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나를 상기 소비자 정보를 고려하여 추출할 수 있다.
일 실시예에서, 데이터베이스(106)는 상품 이미지에 포함된 상품을 분별하여 분별 상품 정보를 생성하는 상품 검출 네트워크를 더 포함하고, 소비자 단말(110)로부터 수신된 상기 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청은 상기 추천 상품 이미지에 포함된 상품에 대한 분별 요청을 포함하며, 상품 구매 지원 모듈(105)은 상기 상품 검출 네트워크를 통해 상기 추천 상품 이미지에 포함된 상품을 분별하여 분별 상품 정보를 생성하며, 생성된 분별 상품 정보를 상기 소비자 단말로 제공하고 분별된 상품을 상기 추천 상품 이미지에 표시하며, 상기 추천 상품 이미지에 표시된 분별된 상품에 대한 구매 정보 요청을 수신할 수 있다.
몇몇 실시예에서, 소비자 단말(110)은 상품 이미지에 포함된 상품을 분별하여 분별 상품 정보를 생성하는 상품 검출 네트워크를 포함하고, 소비자 단말(110)에 의해 상기 추천 상품 이미지에 포함된 상품이 분별되며, 소비자 단말(110)로부터 수신된 상기 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청은 상기 분별된 상품에서 특정된 상품에 대한 구매 정보 요청일 수 있다.
상품 구매 지원 모듈(105)이 상기 특정 상품과 대응하는 상품을 포함하는 상품 이미지를 데이터베이스에서 검색하는 것은, 상기 추천 상품 이미지에 대한 전처리를 수행하고, 상기 전처리된 추천 상품 이미지에서 특징 벡터를 추출하며, 상기 추출된 특징 벡터를 특징 공간으로 임베딩하고, 상기 임베딩된 특징 벡터와 일정 범위 내에 위치한 다른 특징 벡터들을 모두 추출하며, 상기 추출된 다른 특징 벡터와 대응하는 상품 이미지 및 상기 상품 이미지에 포함된 상품에 대한 구매 정보를 추출하는 것을 포함하며, 상기 추천 상품 이미지에 대한 전처리는 상기 특정 상품이 더 강조되어 특징 벡터가 추출되기 위한 데이터 처리 과정에 해당한다.
이상에서 설명한 실시예들에 따른 소비자 선호도에 기반한 상품 추천 방법에 의한 동작은, 적어도 부분적으로 컴퓨터 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록 매체에 기록될 수 있다. 실시예들에 따른 소비자 선호도에 기반한 상품 추천 방법에 의한 동작을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램, 롬 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트(segment)들은 본 실시예가 속하는 기술 분야의 통상의 기술자에 의해 용이하게 이해될 수 있을 것이다. 상기 컴퓨터 프로그램은 상술한 컴퓨터에서 실행될 수 있는 명령어 세트로 구성되며, 상기 컴퓨터의 형태에 따라 그 명칭이 상이할 수 있다. 예를 들어, 상기 컴퓨터의 형태가 스마트 폰인 경우, 상기 컴퓨터 프로그램은 앱으로 지칭될 수 있다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 소비자 선호도에 기반한 상품 추천 시스템
100: 서버
110: 소비자 단말
120: 온라인 거래 서버

Claims (15)

  1. 서버가, 소비자 단말에 적어도 하나의 상품 이미지를 제공하는 단계;
    상기 서버가, 상기 소비자 단말로부터 상기 적어도 하나의 상품 이미지에 대한 제1 선호도 정보를 수신하는 단계;
    상기 서버가, 상기 제1 선호도 정보에 기초하여 제1 추천 상품 이미지를 결정하는 단계;
    상기 서버가, 상기 제1 추천 상품 이미지를 상기 소비자 단말에 제공하는 단계;
    상기 서버가, 상기 제1 추천 상품 이미지에 대한 제2 선호도 정보를 수신하는 단계;
    상기 서버가, 상기 제1 및 제2 선호도 정보에 기초하여 제2 추천 상품 이미지를 결정하는 단계;
    상기 서버가, 상기 제2 추천 상품 이미지를 상기 소비자 단말에 제공하는 단계;
    상기 서버가, 상기 소비자 단말로부터 상기 제2 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청을 수신하는 단계;
    상기 서버가, 상기 특정 상품과 대응하는 상품을 포함하는 상품 이미지를 데이터베이스에서 검색하는 단계; 및
    상기 서버가, 검색된 상품 이미지 및 상기 검색된 상품 이미지에 포함된 상품에 대한 구매 정보를 상기 소비자 단말에 제공하는 단계를 포함하되,
    상기 상품 이미지는 적어도 한 명의 인물 및 상기 인물과 매칭된 적어도 하나의 상품을 포함하여, 소비자의 상기 제1 선호도 정보를 수집하기 위한 이미지이고,
    상기 제1 선호도 정보를 수신하는 단계에서, 상기 소비자가 선호한다고 판단된 상품 이미지는 복수의 카테고리에 대한 정보를 포함하고,
    상기 서버가, 상기 제1 선호도 정보에 기초하여 상기 제1 추천 상품 이미지를 결정하는 단계는:
    상기 서버가, 사용자가 선호도를 나타낸 상품 이미지에서 특징 벡터를 추출하는 단계;
    상기 서버가, 상기 추출된 특징 벡터를 특징 공간으로 임베딩하는 단계;
    상기 서버가, 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나를 추출하는 단계; 및
    상기 서버가, 상기 추출된 다른 특징 벡터와 대응하는 상품 이미지를 상기 제1 추천 상품 이미지로 결정하는 단계를 포함하고,
    상기 서버가, 상기 특정 상품과 대응하는 상품을 포함하는 상품 이미지를 데이터베이스에서 검색하는 단계는:
    상기 서버가, 상기 제2 추천 상품 이미지에 대한 전처리를 수행하는 단계;
    상기 서버가, 상기 전처리된 제2 추천 상품 이미지에서 특징 벡터를 추출하는 단계;
    상기 서버가, 상기 추출된 특징 벡터를 특징 공간으로 임베딩하는 단계;
    상기 서버가, 상기 임베딩된 특징 벡터와 일정 범위 내에 위치한 다른 특징 벡터들을 모두 추출하는 단계; 및
    상기 서버가, 상기 추출된 다른 특징 벡터와 대응하는 상품 이미지 및 상기 상품 이미지에 포함된 상품에 대한 구매 정보를 추출하는 단계를 포함하고,
    상기 제2 추천 상품 이미지에 대한 전처리는 상기 특정 상품이 더 강조되어 특징 벡터가 추출되기 위한 데이터 처리 과정에 해당하고,
    상기 제1 선호도 정보는 상기 소비자가 상기 소비자 단말을 통해 상기 적어도 하나의 상품 이미지를 제1 방향 및 상기 제1 방향과 다른 제2 방향 중 어느 한 방향으로 스와이프하여 결정되고,
    상기 제2 선호도 정보는 상기 소비자가 상기 소비자 단말을 통해 상기 제1 추천 상품 이미지를 상기 제1 및 제2 방향 중 어느 한 방향으로 스와이프하여 결정되는 것을 특징으로 하는 소비자 선호도에 기반한 상품 추천 방법.
  2. 제1 항에 있어서,
    상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나는 랜덤하게 추출되는 것을 특징으로 하는 소비자 선호도에 기반한 상품 추천 방법.
  3. 제1 항에 있어서,
    상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나는 소비자 정보를 고려하여 추출되는 것을 특징으로 하는 소비자 선호도에 기반한 상품 추천 방법.
  4. 제1 항에 있어서,
    상기 서버가, 상기 소비자 단말로부터 상기 제2 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청을 수신하는 단계는:
    상기 서버가, 상기 제2 추천 상품 이미지에 포함된 상품에 대한 분별 요청을 상기 소비자 단말로부터 수신하는 단계;
    상기 서버가, 상기 제2 추천 상품 이미지에 포함된 상품을 분별하여 분별 상품 정보를 생성하는 단계;
    상기 서버가, 상기 생성된 분별 상품 정보를 상기 소비자 단말로 제공하고, 분별된 상품을 상기 제2 추천 상품 이미지에 표시하는 단계; 및
    상기 제2 추천 상품 이미지에 표시된 분별된 상품에서 특정된 상품에 대한 구매 정보 요청을 수신하는 단계를 포함하는 소비자 선호도에 기반한 상품 추천 방법.
  5. 제1 항에 있어서,
    상기 서버가, 상기 소비자 단말로부터 상기 제2 추천 상품 이미지에 포함된 상품에 대한 구매 정보 요청을 수신하는 단계는:
    상기 소비자 단말에 의해 상기 제2 추천 상품 이미지에 포함된 상품이 분별되는 단계; 및
    상기 서버가, 상기 분별된 상품에 대한 구매 정보 요청을 수신하는 단계를 포함하는 소비자 선호도에 기반한 상품 추천 방법.
  6. 하드웨어와 결합되어 제1 항 내지 제5 항 중 어느 한 항에 따른 소비자 선호도에 기반한 상품 추천 방법을 실행하도록 매체에 저장된 컴퓨터 프로그램.
  7. 소비자 단말과 데이터를 교환하도록 구성된 통신 모듈;
    복수의 상품 이미지, 상기 상품 이미지에 포함된 상품에 대한 구매 정보를 포함하는 데이터베이스;
    상기 데이터베이스에서 적어도 하나의 상품 이미지를 추출하고, 상기 추출된 적어도 하나의 상품 이미지를 상기 소비자 단말에 제공하고, 상기 소비자 단말로부터 상기 적어도 하나의 상품 이미지에 대한 제1 선호도 정보를 수신하며, 상기 제1 선호도 정보에 기초하여 제1 추천 상품 이미지를 결정하고, 상기 제1 추천 상품 이미지에 대한 제2 선호도 정보를 수신하고, 상기 제2 선호도 정보에 기초하여 제2 추천 상품 이미지를 결정하고, 상기 제2 추천 상품 이미지를 상기 통신 모듈을 통해 상기 소비자 단말에 제공하는 상품 이미지 추천 모듈;
    상기 소비자 단말로부터 상기 제2 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청을 수신하고, 상기 특정 상품과 대응하는 상품을 포함하는 상품 이미지를 데이터베이스에서 검색하며, 검색된 상품 이미지 및 상기 검색된 상품 이미지에 포함된 상품에 대한 구매 정보를 상기 소비자 단말에 상기 통신 모듈을 통해 제공하는 상품 구매 지원 모듈을 포함하되,
    상기 상품 이미지는 적어도 한 명의 인물 및 상기 인물과 매칭된 적어도 하나의 상품을 포함하여, 소비자의 상기 제1 선호도 정보를 수집하기 위한 이미지이고,
    상기 제1 선호도 정보를 수신하는 단계에서, 상기 소비자가 선호한다고 판단된 상품 이미지는 복수의 카테고리에 대한 정보를 포함하고,
    상기 데이터베이스는 이미지 데이터에서 특징 벡터를 추출하도록 학습된 특징 벡터 추출 모델 및 유사한 상품 이미지에서 추출된 특징 벡터들이 특징 공간 내에서 가까이 위치하도록 임베딩하는 임베딩 네트워크를 포함하며,
    상기 상품 이미지 추천 모듈은 상기 특징 벡터 추출 모델을 통해 사용자가 선호도를 나타낸 상품 이미지에서 특징 벡터를 추출하고, 상기 임베딩 네트워크를 통해 상기 추출된 특징 벡터를 특징 공간으로 임베딩하며, 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나를 추출하고, 그리고 상기 추출된 다른 특징 벡터와 대응하는 상품 이미지를 상기 제1 추천 상품 이미지로 결정함으로써, 상기 제1 선호도 정보에 기초하여 상기 제1 추천 상품 이미지를 결정하고,
    상기 상품 구매 지원 모듈이 상기 특정 상품과 대응하는 상품을 포함하는 상품 이미지를 데이터베이스에서 검색하는 것은,
    상기 제2 추천 상품 이미지에 대한 전처리를 수행하고, 상기 전처리된 제2 추천 상품 이미지에서 특징 벡터를 추출하며, 상기 추출된 특징 벡터를 특징 공간으로 임베딩하고, 상기 임베딩된 특징 벡터와 일정 범위 내에 위치한 다른 특징 벡터들을 모두 추출하며, 상기 추출된 다른 특징 벡터와 대응하는 상품 이미지 및 상기 상품 이미지에 포함된 상품에 대한 구매 정보를 추출하는 것을 포함하며,
    상기 제2 추천 상품 이미지에 대한 전처리는 상기 특정 상품이 더 강조되어 특징 벡터가 추출되기 위한 데이터 처리 과정에 해당하고,
    상기 제1 선호도 정보는 상기 소비자가 상기 소비자 단말을 통해 상기 적어도 하나의 상품 이미지를 제1 방향 및 상기 제1 방향과 다른 제2 방향 중 어느 한 방향으로 스와이프하여 결정되고,
    상기 제2 선호도 정보는 상기 소비자가 상기 소비자 단말을 통해 상기 제1 추천 상품 이미지를 상기 제1 및 제2 방향 중 어느 한 방향으로 스와이프하여 결정되는 것을 특징으로 하는 소비자 선호도에 기반한 상품 추천 시스템.
  8. 제7 항에 있어서,
    상기 상품 이미지 추천 모듈은 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나를 랜덤하게 추출하는 소비자 선호도에 기반한 상품 추천 시스템.
  9. 제7항에 있어서,
    상기 데이터베이스는 소비자 정보를 더 포함하며,
    상기 상품 이미지 추천 모듈은 상기 임베딩된 특징 벡터와 가까이 위치하는 다른 특징 벡터들 중 하나를 상기 소비자 정보를 고려하여 추출하는 소비자 선호도에 기반한 상품 추천 시스템.
  10. 제7 항에 있어서,
    상기 데이터베이스는 상품 이미지에 포함된 상품을 분별하여 분별 상품 정보를 생성하는 상품 검출 네트워크를 더 포함하고,
    상기 소비자 단말로부터 수신된 상기 제2 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청은 상기 제2 추천 상품 이미지에 포함된 상품에 대한 분별 요청을 포함하고,
    상기 상품 구매 지원 모듈은 상기 상품 검출 네트워크를 통해 상기 제2 추천 상품 이미지에 포함된 상품을 분별하여 분별 상품 정보를 생성하며, 생성된 분별 상품 정보를 상기 소비자 단말로 제공하고 분별된 상품을 상기 제2 추천 상품 이미지에 표시하며, 상기 제2 추천 상품 이미지에 표시된 분별된 상품에 대한 구매 정보 요청을 수신하는 것을 특징으로 하는 소비자 선호도에 기반한 상품 추천 시스템.
  11. 제7 항에 있어서,
    상기 소비자 단말은 상품 이미지에 포함된 상품을 분별하여 분별 상품 정보를 생성하는 상품 검출 네트워크를 포함하고, 상기 소비자 단말에 의해 상기 제2 추천 상품 이미지에 포함된 상품이 분별되며,
    상기 소비자 단말로부터 수신된 상기 제2 추천 상품 이미지에 포함된 특정 상품에 대한 구매 정보 요청은 상기 분별된 상품에서 특정된 상품에 대한 구매 정보 요청인 것을 특징으로 하는 소비자 선호도에 기반한 상품 추천 시스템.
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
KR1020200093086A 2020-07-27 2020-07-27 소비자 선호도에 기반한 상품 추천 시스템 및 방법 KR102246109B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200093086A KR102246109B1 (ko) 2020-07-27 2020-07-27 소비자 선호도에 기반한 상품 추천 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200093086A KR102246109B1 (ko) 2020-07-27 2020-07-27 소비자 선호도에 기반한 상품 추천 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102246109B1 true KR102246109B1 (ko) 2021-04-29

Family

ID=75728137

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200093086A KR102246109B1 (ko) 2020-07-27 2020-07-27 소비자 선호도에 기반한 상품 추천 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102246109B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102384919B1 (ko) * 2022-01-28 2022-04-08 김석진 유저가 홈인터폰을 통해 대형마트 셀러의 패키지 상품을 원격으로 구매할 수 있는 홈마트 플랫폼의 운영방법
KR102384860B1 (ko) * 2022-01-28 2022-04-08 주식회사 더길 템플릿이 제공되어 상품 업로드 편의성이 향상된 오픈마켓 플랫폼의 운영방법
KR102391255B1 (ko) * 2021-11-22 2022-04-26 조병현 관심 상품 제공 방법 및 시스템
KR102423179B1 (ko) * 2022-02-12 2022-07-20 판다기프트 주식회사 인공지능에 기반한 고객 맞춤형 상품 판매 시스템
KR20220155748A (ko) 2021-05-17 2022-11-24 주식회사 로원홀딩스 Ar 증강현실을 이용한 명품 피팅 커머스 서비스 방법 및 명품 피팅 커머스 서비스 시스템
KR20220155744A (ko) 2021-05-17 2022-11-24 주식회사 로원홀딩스 Ar 증강현실 및 vr 가상현실을 이용한 명품 쇼핑 커머스 시스템
KR20220160802A (ko) * 2021-05-28 2022-12-06 한양대학교 에리카산학협력단 선호도 기반 데이터 처리 장치 및 방법
KR20230175020A (ko) * 2022-06-22 2023-12-29 옴니어스 주식회사 멀티 태스크 러닝 모델을 이용한 유사 상품 검색 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170095764A (ko) * 2017-07-25 2017-08-23 (주)인스타페이 터치 입력에 기반한 프로세스 처리 방법 및 시스템
KR20180051448A (ko) * 2018-03-16 2018-05-16 오드컨셉 주식회사 쇼핑 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램
KR20190114703A (ko) * 2018-03-29 2019-10-10 네이버 주식회사 상품 추천 방법 및 이를 이용하는 서버

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170095764A (ko) * 2017-07-25 2017-08-23 (주)인스타페이 터치 입력에 기반한 프로세스 처리 방법 및 시스템
KR20180051448A (ko) * 2018-03-16 2018-05-16 오드컨셉 주식회사 쇼핑 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램
KR20190114703A (ko) * 2018-03-29 2019-10-10 네이버 주식회사 상품 추천 방법 및 이를 이용하는 서버

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220155748A (ko) 2021-05-17 2022-11-24 주식회사 로원홀딩스 Ar 증강현실을 이용한 명품 피팅 커머스 서비스 방법 및 명품 피팅 커머스 서비스 시스템
KR20220155744A (ko) 2021-05-17 2022-11-24 주식회사 로원홀딩스 Ar 증강현실 및 vr 가상현실을 이용한 명품 쇼핑 커머스 시스템
KR20220160802A (ko) * 2021-05-28 2022-12-06 한양대학교 에리카산학협력단 선호도 기반 데이터 처리 장치 및 방법
KR102699207B1 (ko) * 2021-05-28 2024-08-26 한양대학교 에리카산학협력단 선호도 기반 데이터 처리 장치 및 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
KR102384919B1 (ko) * 2022-01-28 2022-04-08 김석진 유저가 홈인터폰을 통해 대형마트 셀러의 패키지 상품을 원격으로 구매할 수 있는 홈마트 플랫폼의 운영방법
KR102384860B1 (ko) * 2022-01-28 2022-04-08 주식회사 더길 템플릿이 제공되어 상품 업로드 편의성이 향상된 오픈마켓 플랫폼의 운영방법
KR102423179B1 (ko) * 2022-02-12 2022-07-20 판다기프트 주식회사 인공지능에 기반한 고객 맞춤형 상품 판매 시스템
KR20230175020A (ko) * 2022-06-22 2023-12-29 옴니어스 주식회사 멀티 태스크 러닝 모델을 이용한 유사 상품 검색 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
KR102677865B1 (ko) * 2022-06-22 2024-06-25 옴니어스 주식회사 멀티 태스크 러닝 모델을 이용한 유사 상품 검색 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체

Similar Documents

Publication Publication Date Title
KR102246109B1 (ko) 소비자 선호도에 기반한 상품 추천 시스템 및 방법
US9607010B1 (en) Techniques for shape-based search of content
KR101443158B1 (ko) 사용자 관심 기반의 상품정보 추천 시스템
CN110033298B (zh) 信息处理设备及其控制方法、系统和存储介质
JP4165095B2 (ja) 情報提供装置および情報提供方法
CN109993595A (zh) 个性化推荐商品及服务的方法、系统及设备
US20130322685A1 (en) System and method for providing an interactive shopping experience via webcam
CN112184374A (zh) 商品推荐方法、装置、计算机设备和存储介质
KR20200045668A (ko) 스타일 추천 방법, 장치 및 컴퓨터 프로그램
CN111292168B (zh) 数据处理方法、装置及设备
KR20180134021A (ko) 이미지 기반 광고 제공 방법, 장치 및 컴퓨터 프로그램
WO2014053453A1 (en) Remote system interaction
CN114581175A (zh) 商品推送方法、装置、存储介质及电子设备
CN113689259A (zh) 基于用户行为的商品个性化推荐方法及系统
US9449025B1 (en) Determining similarity using human generated data
CN111027351A (zh) 一种线下商品推荐方法、装置和电子设备
CN104981829A (zh) 优选图像标识码生成方法、优选图像标识码诊断方法及利用优选图像标识码的信息提供方法
CN114201685A (zh) 一种基于用户行为大数据的商品推荐方法
CN113674043B (zh) 商品推荐方法及装置、计算机可读存储介质、电子设备
CN113327132A (zh) 多媒体推荐方法、装置、设备及存储介质
KR101764361B1 (ko) 소셜 네트워크 서비스 기반 쇼핑몰 서비스 제공 방법 및 이를 위한 장치
KR20150076407A (ko) 맞춤형 샘플 제공 시스템, 장치 및 방법
KR102402550B1 (ko) 인플루언서 검색 서비스 제공방법, 장치 및 컴퓨터프로그램
CN115409583A (zh) 一种平台账户处理方法、系统、计算机设备及介质
KR20200024404A (ko) 의류 데이터와 딥러닝 기술을 이용한 사용자 소유 의상에 대한 의류 추천 방법 및 시스템

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant