KR102268739B1 - 사용자의 구매 내역에 기반한 상품 추천 방법 및 장치 - Google Patents

사용자의 구매 내역에 기반한 상품 추천 방법 및 장치 Download PDF

Info

Publication number
KR102268739B1
KR102268739B1 KR1020210030114A KR20210030114A KR102268739B1 KR 102268739 B1 KR102268739 B1 KR 102268739B1 KR 1020210030114 A KR1020210030114 A KR 1020210030114A KR 20210030114 A KR20210030114 A KR 20210030114A KR 102268739 B1 KR102268739 B1 KR 102268739B1
Authority
KR
South Korea
Prior art keywords
purchase
product
user
target
code
Prior art date
Application number
KR1020210030114A
Other languages
English (en)
Inventor
홍민혜
Original Assignee
홍민혜
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 홍민혜 filed Critical 홍민혜
Priority to KR1020210030114A priority Critical patent/KR102268739B1/ko
Priority to KR1020210079058A priority patent/KR102495011B1/ko
Application granted granted Critical
Publication of KR102268739B1 publication Critical patent/KR102268739B1/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]
    • G06Q30/0641—Shopping interfaces

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)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

사용자의 구매 내역에 기반한 상품 추천 방법 및 장치가 개시된다. 상품 추천 장치에서 수행되는 사용자의 구매 내역에 기반한 상품 추천 방법은, 사용자 단말로부터 구매 요청을 수신하는 단계; 상기 구매 요청에 상응하는 거래를 완료하고 상기 사용자 단말의 타겟 사용자와 대응하는 기준 구매 패턴을 획득하는 단계; 상기 기준 구매 패턴을 미리 수집된 다수의 사용자들 각각의 구매 패턴과 비교하여 복수의 후보 사용자들을 선정하는 단계; 상기 구매 요청에 따른 구매 시점을 기준으로, 상기 타겟 사용자의 제1 타겟 구매 내역과 상기 후보 사용자들 각각에 대응하는 복수의 제1 구매 내역들을 획득하는 단계; 상기 제1 타겟 구매 내역과 상기 제1 구매 내역들을 서로 비교하여 상기 후보 사용자들 중 하나를 비교 대상 사용자로 선정하는 단계; 상기 구매 요청에 따른 구매 시점을 기준으로, 상기 비교 대상 사용자의 제2 구매 내역과 상기 타겟 사용자의 제2 타겟 구매 내역을 새롭게 획득하고, 상기 제2 구매 내역과 상기 제2 타겟 구매 내역을 서로 비교하여 추천 상품을 결정하는 단계; 및 상기 추천 상품을 포함하는 거래 완료 메시지를 상기 사용자 단말에 전송하는 단계를 포함한다.

Description

사용자의 구매 내역에 기반한 상품 추천 방법 및 장치{METHOD FOR RECOMMENDING PRODUCT BASED ON USER PURCHASE HISTORY AND APPARATUS FOR THE SAME}
본 발명은 상품 추천 시스템에 관한 것으로, 더욱 상세하게는 사용자의 구매 내역을 이용하여 상품을 추천하는 방법 및 장치에 관한 것이다.
상품 추천 시스템은 정보 필터링을 사용하여 사용자에게 상품을 추천하는 시스템을 의미할 수 있다.
정보 시스템은 사용자에게 개인 신상, 관심 분야, 선호도 등을 질의하여 사용자의 정보 프로파일을 획득하는 기법으로, 추천 시스템은 이러한 정보를 기반으로 고객의 심리 정보와 선호도 정보에 알맞은 정보 및 상품을 추천하거나 제공하는 방법이다. 영화, 음악, 뉴스, 책, 연구 주제, 탐색 질의, 상품 등 검색에 적용될 수 있다.
한편, 이러한 추천 시스템은 고객의 선호도, 구매 내역 등을 고려하여 상품을 추천하는 것이 일반적이지만 선호도나 구매 내역을 단순 비교하여 일치하는 항목을 기준으로 상품을 추천하는 정도에 그치고 있어 추천 정확도가 높지 않은 문제가 있다.
또한, 사용자들 전체의 구매 내역을 모두 일괄적으로 비교하여 판단할 경우, 굉장히 많은 연산 부하가 소모되고, 이로 인해 사용자 단말에서 즉각적으로 추천 상품을 확인하는 데까지 딜레이(delay)가 발생하므로 사용자의 불편을 야기한다.
따라서, 빠른 속도로 추천 상품을 선정하여 사용자에게 제공함과 동시에 사용자가 가장 구매 유인이 높을 것으로 추정되는 상품을 사용자에게 제공함으로써 추천 정확도를 높일 수 있는 방안이 필요한 실정이다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 사용자의 구매 내역에 기반한 상품 추천 방법 및 장치를 제공하는 데 있다.
상기 목적을 달성하기 위한 본 발명의 일 측면은, 상품 추천 장치에서 수행되는 사용자의 구매 내역에 기반한 상품 추천 방법을 제공한다.
상품 추천 장치에서 수행되는 사용자의 구매 내역에 기반한 상품 추천 방법은, 사용자 단말로부터 구매 요청을 수신하는 단계; 상기 구매 요청에 상응하는 거래를 완료하고 상기 사용자 단말의 타겟 사용자와 대응하는 기준 구매 패턴을 획득하는 단계; 상기 기준 구매 패턴을 미리 수집된 다수의 사용자들 각각의 구매 패턴과 비교하여 복수의 후보 사용자들을 선정하는 단계; 상기 구매 요청에 따른 구매 시점을 기준으로, 상기 타겟 사용자의 제1 타겟 구매 내역과 상기 후보 사용자들 각각에 대응하는 복수의 제1 구매 내역들을 획득하는 단계; 상기 제1 타겟 구매 내역과 상기 제1 구매 내역들을 서로 비교하여 상기 후보 사용자들 중 하나를 비교 대상 사용자로 선정하는 단계; 상기 구매 요청에 따른 구매 시점을 기준으로, 상기 비교 대상 사용자의 제2 구매 내역과 상기 타겟 사용자의 제2 타겟 구매 내역을 새롭게 획득하고, 상기 제2 구매 내역과 상기 제2 타겟 구매 내역을 서로 비교하여 추천 상품을 결정하는 단계; 및 상기 추천 상품을 포함하는 거래 완료 메시지를 상기 사용자 단말에 전송하는 단계를 포함한다.
상기 기준 구매 패턴을 획득하는 단계는, 상기 타겟 사용자의 구매 시기별 구매 건수를 나타낸 그래프에서 선형 회귀 분석을 수행함으로써 구매 추세선을 획득할 수 있다.
상기 복수의 후보 사용자들을 선정하는 단계는, 상기 그래프에서 상기 구매 추세선이 지나고, 상기 구매 건수를 나타내는 y축의 절편을 기준으로 임계값만큼 큰 상향 임계값과 상기 임계값만큼 작은 하향 임계값을 결정하는 단계; 상기 그래프에서 2개 이상의 좌표들을 지나는 라인들 중에서 상기 y축의 절편이 상기 상향 임계값과 상기 하향 임계값 사이에 속하고 기울기가 가장 큰 라인을 상향 임계선으로 선정하고, 상기 y축의 절편이 상기 상향 임계값과 상기 하향 임계값 사이에 속하고 기울기가 가장 작은 라인을 하향 임계선으로 선정하는 단계; 및 상기 사용자들 각각에 대한 구매 시기별 구매 건수를 이용하여 산출된 추세선들 중에서 상기 상향 임계선과 상기 하향 임계선 사이의 영역을 지나는 추세선과 대응하는 사용자들을 상기 후보 사용자들로 선정하는 단계를 포함한다.
상기 후보 사용자들 중 하나를 비교 대상 사용자로 선정하는 단계는, 상품들마다 미리 고유하게 부여된 상품 코드를 기초로 상기 제1 타겟 구매 내역에 포함된 상품들과 상기 제1 구매 내역들 각각에 포함된 상품들을 서로 비교하여 유사한 상품을 결정하는 단계; 및 상기 제1 구매 내역들 중 유사한 상품이 미리 설정된 개수 이상인 제1 구매 내역과 대응하는 후보 사용자를 상기 비교 대상 사용자로 선정하는 단계를 포함한다.
상기 상품 코드는, 상품의 대분류를 지시하는 제1 코드; 상품의 소분류를 지시하는 제2 코드, 상품의 브랜드나 생산자를 지시하는 제3 코드, 상품의 특징을 지시하는 제4 코드, 및 상품의 원재료를 지시하는 제5 코드를 포함한다.
상기 유사한 상품을 결정하는 단계는, 상기 제1 코드, 상기 제2 코드, 및 상기 제3 코드가 서로 동일한 상품을 상기 유사한 상품으로 결정할 수 있다.
상기 추천 상품을 결정하는 단계는, 상기 상품 코드를 이용하여 상기 제2 타겟 구매 내역에 포함된 상품들 각각에 대응하는 상품 벡터들을 생성하는 단계; 상기 상품 벡터들 각각을 열(column)로 갖는 상품 벡터 행렬을 생성하는 단계; 상기 상품 벡터 행렬의 고유벡터(eigenvector)를 산출하는 단계; 및 상기 고유벡터를 상기 제2 구매 내역에 포함된 상품들 각각에 대응하는 상품 벡터들과 비교하여 상기 제2 구매 내역에 포함된 상품들 중 하나를 상기 추천 상품으로 결정하는 단계를 포함할 수 있다.
상기와 같은 본 발명에 따른 사용자의 구매 내역에 기반한 상품 추천 방법 및 장치를 이용할 경우에는 미리 상품마다 설정된 상품 코드를 이용하여 신속한 연산을 수행하기 때문에 빠른 속도로 추천 상품을 결정할 수 있다.
또한, 사용자의 구매 패턴을 정량화하여 명확히 설정된 지표로 다른 사용자의 구매 패턴과 비교하기 때문에 누구든지 본 발명을 이용하여 정확하게 구매 패턴을 비교할 수 있는 장점이 있다.
또한, 비교 대상 사용자를 결정하는 데 사용된 구매 내역은 비교적 현재를 기준으로 비교적 최근 시점의 구매 내역을 활용함으로써 타겟 사용자의 최근 구매 패턴과 유사한 후보 사용자를 결정할 수 있다.
또한, 추천 상품은 타겟 사용자가 구매 시점이 상당히 지난 과거의 구매 내역을 활용하여 결정함으로써 최근에 구매한 적이 없으나 과거에 구매한 이력이 있는 상품과 유사한 상품을 추천 상품으로서 다시 구매할 수 있도록 유도할 수 있다.
도 1은 본 발명의 일 실시예에 따른 상품 추천 방법이 수행되는 환경을 도시한 도면이다.
도 2는 도 1에 따른 상품 추천 장치의 동작을 나타낸 대표 흐름도이다.
도 3은 도 2에 따른 단계 S120에서 기준 구매 패턴과 사용자들 각각의 구매 패턴을 서로 비교하는 과정을 설명하기 위한 그래프이다.
도 4는 도 2에 따른 단계 S140에서 타겟 구매 내역과 후보 사용자들 각각의 구매 내역들을 서로 비교하는 과정을 설명하기 위한 개념도이다.
도 5는 도 2에 따른 단계 S150에서 비교 대상 사용자의 구매 내역과 타겟 사용자의 타겟 구매 내역을 서로 비교하여 추천 상품을 결정하는 과정을 설명하기 위한 개념도이다.
도 6은 일 실시예에 따른 상품 추천 장치의 하드웨어 구성을 예시적으로 나타낸 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 상품 추천 방법이 수행되는 환경을 도시한 도면이다.
도 1을 참조하면, 사용자의 구매 내역에 기반한 상품 추천 방법은 사용자의 구매 내역에 기반한 상품 추천 장치(100, 이하에서 상품 추천 장치로 약칭될 수 있음)에 의해 수행될 수 있다.
상품 추천 장치(100)는, 사용자 단말(200)과 무선 또는 유선 네트워크를 이용하여 통신함으로써 온라인 상에서의 상품 구매를 지원할 수 있다. 예를 들어, 상품 추천 장치(100)는, 사용자 단말(200)로부터 사용자 정보를 제공받고, 사용자 정보를 인증하여 사용자 단말(200)의 접속을 허용하며, 접속이 허용된 사용자 단말(200)로부터 구매 요청을 수신할 수 있다.
사용자 단말(200)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.
상품 추천 장치(100)는, 구매 요청에 포함된 상품의 거래를 완료하고, 거래 완료를 지시하는 메시지(C31)를 사용자 단말(200)에 통지할 수 있다. 이때, 상품 추천 장치(100)는, 거래 완료를 지시하는 메시지(C31)와 함께 추천 상품(C32)을 결정하여 사용자 단말(200)에 제공할 수 있다.
또한, 상품 추천 장치(100)는, 추천 상품(C32)의 도착 예정 시각(C33)을 결정하고, 결정된 도착 예정 시각(C33)을 사용자 단말(200)에 제공할 수 있다.
상품 추천 장치(100)는, 미리 등록된 다수의 상품들 각각에 대응하는 상품 정보를 저장할 수 있다. 예를 들어, 상품 정보는, 상품명, 상품마다 고유하게 부여된 상품 코드, 단가, 브랜드명, 제조사, 제조국, 형태, 색상 등을 포함할 수 있다.
또한, 상품 추천 장치(100)는, 다수의 사용자 단말(200)들과 연동하여 구매 요청에 따른 거래 완료 처리 결과를 축적함으로써 사용자 단말(200)들 각각의 사용자와 대응하는 구매 내역을 생성할 수 있다.
여기서, 구매 내역은, 구매가 완료된 시기, 구매 건수, 구매한 상품의 리스트 등을 포함할 수 있다.
상품 추천 장치(100)는, 구매 내역과 상품 정보를 참조하여 특정 사용자 단말(200)의 사용자와 대응하는 추천 상품(C32)을 결정하고, 결정된 추천 상품(C32)을 사용자 단말(200)에 전송함으로써 사용자 단말(200)에 추천 상품을 표시할 수 있다.
도 2는 도 1에 따른 상품 추천 장치의 동작을 나타낸 대표 흐름도이다.
도 2를 참조하면, 상품 추천 장치(100)는, 사용자 단말(200)로부터 구매 요청을 수신할 수 있다(S100).
상품 추천 장치(100)는, 수신된 구매 요청에 상응하는 거래를 완료하고, 사용자 단말(200)의 타겟 사용자와 대응하는 기준 구매 패턴을 획득할 수 있다(S110).
여기서, 기준 구매 패턴은 타겟 사용자의 구매 시기에 따른 구매 건수를 기초로 결정될 수 있다.
상품 추천 장치(100)는, 기준 구매 패턴을 미리 수집된 다수의 사용자들 각각의 구매 패턴과 비교하여 복수의 후보 사용자들을 선정할 수 있다(S120). 예를 들어, 상품 추천 장치(100)는 기준 구매 패턴을 기준으로 미리 설정된 범위 내에 있는 구매 패턴을 갖는 사용자들을 후보 사용자들로 선정할 수 있다.
여기서, 후보 사용자들은 타겟 사용자와 유사한 구매 패턴을 갖는 것으로 판단된 사용자로서 추천 상품을 결정하기 위한 구매 내역을 제공하는 사용자들일 수 있다.
상품 추천 장치(100)는, 구매 요청에 따른 구매 시점을 기준으로 타겟 사용자의 타겟 구매 내역과 후보 사용자들 각각에 대응하는 구매 내역들을 획득할 수 있다(S130). 예를 들어, 타겟 사용자의 구매 요청에 따른 구매 시점(현재)를 기준으로 미리 설정된 임계 기간(예를 들어 1달) 이내의 과거 시점에 속하는 타겟 구매 내역 및 후보 사용자들 각각에 대응하는 구매 내역들을 획득할 수 있다.
상품 추천 장치(100)는, 타겟 구매 내역과 구매 내역들을 서로 비교함으로써 후보 사용자들 중 하나를 비교 대상 사용자로 선정할 수 있다(S140). 여기서 비교 대상 사용자는 해당 비교 대상 사용자의 구매 내역에 포함된 상품들 중 하나를 추천 상품으로서 타겟 사용자에게 제공할 수 있다.
예를 들어, 상품 추천 장치(100)는, 타겟 구매 내역에 포함된 상품들과 구매 내역들 각각에 포함된 상품들을 서로 비교하여 타겟 구매 내역에 포함된 상품들과 유사한 상품들을 구매 내역으로 갖는 후보 사용자를 비교 대상 사용자로 선정할 수 있다. 이때, 상품 추천 장치(100)는, 미리 상품들 각각에 대하여 부여된 상품 코드를 기초로 타겟 구매 내역에 포함된 상품들과 구매 내역들 각각에 포함된 상품들을 서로 비교할 수 있다.
상품 추천 장치(100)는, 상기 구매 요청에 따른 구매 시점을 기준으로, 비교 대상 사용자의 구매 내역과 타겟 구매 내역을 새롭게 획득하고, 획득된 타겟 구매 내역과 구매 내역을 서로 비교하여 추천 상품을 결정할 수 있다(S150). 예를 들어, 상품 추천 장치(100)는, 타겟 사용자의 구매 요청에 따른 구매 시점(현재)를 기준으로 미리 설정된 임계 기간(예를 들어 3달)을 초과하는 과거 시점에 해당하는 비교 대상 사용자의 구매 내역과 타겟 구매 내역을 서로 비교할 수 있다.
즉, 본 발명의 일 실시예에서는 구매 요청에 따른 구매 시점(현재)를 기준으로 가장 최근(예를 들어 1달) 이내의 구매 내역을 이용하여 비교 대상 사용자를 결정함으로써, 타겟 사용자의 최근 구매 실적과 유사한 구매 실적을 갖는 사용자를 비교 대상 사용자로 선정하되, 새롭게 추천 상품으로 선정하는 데 활용하는 구매 내역은 현재의 구매 요청에 따른 구매 시점을 기준으로 미리 설정된 임계 기간 이후에 속하는 구매 내역을 사용하기 때문에, 최근에 구매한 기록이 없는 상품을 추천 상품으로서 선정할 수 있는 장점이 있다.
추천 상품이 결정되면, 상품 추천 장치(100)는 추천 상품을 포함하는 거래 완료 메시지를 사용자 단말(200)에 제공할 수 있다.
도 3은 도 2에 따른 단계 S120에서 기준 구매 패턴과 사용자들 각각의 구매 패턴을 서로 비교하는 과정을 설명하기 위한 그래프이다.
도 3을 참조하면, 본 발명의 일 실시예에서 구매 패턴의 비교는 구매 시기에 따른 구매 건수를 이용하여 수행된다. 이때, 통상적으로 구매 건수는 사용자마다 큰 폭으로 차이가 날 수 있다. 예를 들어, 상품 구매 비중이 높은 사용자의 경우는 다수의 시기에서 다수의 구매 건수들이 존재하기 때문에 구매 패턴을 결정할 수 있는 데이터가 풍부한 반면, 상품 구매 자체가 적은 사용자의 경우는 매우 적은 시기에서 소수의 구매 건수들이 있는 경우가 많다.
본 발명의 일 실시예에 따른 상품 추천 장치(100)는, 구매 시기에 따른 구매 건수가 비교적 적은 사용자라고 하더라도 구매 패턴을 도출하기 용이하도록 기록이 있는 구매 시기 별 구매 건수를 이용하여 구매 추세선(RL)을 산출할 수 있다.
예를 들어, 도 2에 도시된 것처럼, 1월 10일, 7월 12일, 9월 18일, 12월 31일 4개의 시기에서 각각 하나 이상의 구매 건수가 있는 사용자의 경우 4개의 시기에 따른 구매 건수들만을 이용하여 구매 시기별 구매 건수를 그래프로 생성하고, 생성된 그래프에서 구매 추세선(RL)을 산출할 수 있다.
여기서, 구매 추세선(RL)은 주어진 구매 시기별 구매 건수를 나타낸 그래프에서 널리 알려진 선형 회귀 분석(Linear Regression Analysis)을 수행하여 얻어질 수 있으며, 구매 시기별 구매 건수 데이터가 적더라도 구매 추세선(RL)이 도출될 수 있어 구매 패턴으로 활용하기에 적합한 장점이 있다.
여기서, 산출되는 구매 추세선(RL)은 구매 시기(x)에 따른 구매 건수(y)를 나타내는 직선 방정식(y=ax+b, x는 구매 시기에 대한 변수, y는 구매 건수에 대한 변수)이며, 기울기(a)와 y축 절편(b)으로 특정된다. 구매 추세선(RL)이 타겟 사용자의 기준 구매 패턴을 대표하는 의미로 활용될 수 있다.
상품 추천 장치(100)는, 구매 추세선(RL)에 의해 특정되는 y축 절편(b)을 기준으로 임계값(th)만큼 큰 상향 임계값(b+th)과 임계값(th)만큼 작은 하향 임계값(b-th)을 결정할 수 있다. 예를 들어, y축 절편(b)과 상향 임계값(b+th) 사이의 간격과 y축 절편(b)과 하향 임계값(b-th) 사이의 간격(th)은 서로 같을 수 있다.
다음으로, 상품 추천 장치(100)는, 구매 시기별 구매 건수 데이터를 나타낸 그래프에서 2개 이상의 좌표를 지나는 라인들 중에서 y축 절편이 상향 임계값(b+de)과 하향 임계값(b-de) 사이에 속하고, 기울기가 가장 큰 라인을 상향 임계선(UL)으로 선정하고, y축 절편이 상향 임계값(b+de)과 하향 임계값(b-de) 사이에 속하고, 기울기가 가장 작은 라인을 하향 임계선(LL)으로 선정할 수 있다.
이때, 상품 추천 장치(100)는, 2개 이상의 좌표를 지나는 라인들 중에서 y축 절편이 y축 절편이 상향 임계값(b+de)과 하향 임계값(b-de) 사이에 속하지 않는 경우, 하나의 좌표를 지나는 라인들 중에서 y축 절편이 상향 임계값(b+de)을 지나고, 기울기가 가장 큰 라인을 상향 임계선(UL)으로 선정하고, y축 절편이 하향 임계값(b-de)을 지나고, 기울기가 가장 작은 라인을 하향 임계선(LL)으로 선정할 수 있다.
도 2에서는, 2개 이상의 좌표를 지나는 라인들 중에서 y축 절편이 상향 임계값(b+de)과 하향 임계값(b-de) 사이에 속하고, 기울기가 가장 큰 라인이 존재하여 상향 임계선(UL)으로 선정하였다. 다만, 2개 이상의 좌표를 지나는 라인들 중에서 y축 절편이 상향 임계값(b+de)과 하향 임계값(b-de) 사이에 속하고, 기울기가 가장 작은 라인이 존재하지 않는다.
따라서, 도 2에서는 하나의 좌표를 지나는 라인들 중에서 y축 절편이 하향 임계값(b-de)을 지나고, 기울기가 가장 작은 라인을 하향 임계선(LL)으로 선정하였다.
상품 추천 장치(100)는, 다수의 사용자들 각각의 구매 시각에 따른 구매 건수를 이용하여 다수의 사용자들 각각에 대응하는 추세선들을 산출하고, 산출된 추세선들 중 상향 임계선(UL)과 하향 임계선(LL) 사이의 영역을 지나는 추세선을 갖는 사용자를 후보 사용자들로 선정할 수 있다.
즉, 도 2에 도시된 상향 임계선(UL)과 하향 임계선(LL) 사이의 영역을 추세선으로서 갖는 사용자들을 후보 사용자들로 선정할 수 있다. 여기서 선정되는 후보 사용자들은 구매 시기에 따른 구매 건수를 통해 확인되는 구매 패턴이 타겟 사용자의 타겟 구매 패턴과 오차 범위(상향 임계선, 하향 임계선) 내에 있는 사용자로 판단될 수 있다.
도 4는 도 2에 따른 단계 S140에서 타겟 구매 내역과 후보 사용자들 각각의 구매 내역들을 서로 비교하는 과정을 설명하기 위한 개념도이다.
도 4를 참조하면, 타겟 사용자(사용자 A)의 구매 요청에 따른 구매 시점(현재)를 기준으로 미리 설정된 임계 기간(예를 들어 1달) 이내에 속하는 타겟 구매 내역(H1)은 쥬얼리, 포도, 키보드, 신발, 전동드릴 등을 포함할 수 있다.
또한, 후보 사용자 B의 현재를 기준으로 미리 설정된 임계 기간 이내에 속하는 구매 내역(H2)은 쥬얼리, 샤인머스킷, 마우스, 신발, 망치 등을 포함할 수 있다.
또한, 후보 사용자 C의 현재를 기준으로 미리 설정된 임계 기간 이내에 속하는 구매 내역(H2)은 자켓, 쥬얼리, 핸드백, 식탁, 이불 등을 포함할 수 있다.
또한, 후보 사용자 D의 현재를 기준으로 미리 설정된 임계 기간 이내에 속하는 구매 내역(H2)은 침대, 라면, 시계, 쥬얼리, 와인 등을 포함할 수 있다.
상품 추천 장치(100)는, 타겟 구매 내역(H1)과 후보 사용자들 각각의 구매 내역들(H2, H3, H4)을 서로 비교하여 유사한 상품의 개수가 미리 설정된 개수 이상인 비교 대상 사용자를 선정할 수 있다.
이때, 연산 속도를 극대화하기 위하여 상품 추천 장치(100)는 미리 상품들 각각에 대하여 고유하게 부여되는 상품 코드를 이용할 수 있다. 여기서 상품 코드는, 상품의 대분류를 지시하는 제1 코드(CD1), 상품의 소분류를 지시하는 제2 코드(CD2), 상품의 브랜드나 생산자를 지시하는 제3 코드(CD3), 상품의 특징을 지시하는 제4 코드(CD4), 및 상품의 원재료를 지시하는 제5 코드(CD5)를 포함할 수 있다. 이러한 상품 코드는 초기에 상품들을 상품 추천 장치(100)에 등록될 때 관리자에 의해 체계적으로 입력됨으로써 일종의 빅데이터로서 구축된다.
여기서 대분류는 상품이 의류나 쥬얼리 등 중 어느 것에 속하는 지를 지시할 수 있고, 소분류는 상품이 의류인 경우 의류에 속하는 티셔츠, 청바지 등 중에서 어느 것에 속하는 지를 지시할 수 있다. 상품의 특징은 상품의 색상, 모양 등을 포함할 수 있다.
따라서, 제1 코드(CD1)가 같으면 상품이 서로 동일한 의류나 쥬얼리라는 것을 알 수 있고, 제1 코드(CD1)와 제2 코드(CD2)가 같으면 상품이 서로 동일한 티셔츠나 청바지 등이라는 것을 알 수 있다.
상품 추천 장치(100)는, 이와 같이 부여되는 상품 코드를 참조하여 유사한 상품을 결정할 수 있다. 예를 들어, 상품 추천 장치(100)는, 상품 코드에 포함된 제1 내지 제3 코드(CD1~CD3)가 서로 동일한 상품을 유사한 상품으로 취급하여, 유사한 상품의 개수가 미리 설정된 개수 이상인 비교 대상 사용자를 선정할 수 있다.
이처럼, 본 발명의 상품 코드는 의미 없이 무작위로 설정된 코드로 부여되는 것이 아니라 상품의 분류와 특징 등을 고려하여 부여되기 때문에, 상품 코드의 일부만을 단순 비교하는 방식으로도 유사 상품을 판단할 수 있고 그로인해, 방대한 후보 사용자들을 대상으로 유사 상품을 비교할 때 매우 빠른 연산속도로 이루어질 수 있는 장점이 있다.
도 5는 도 2에 따른 단계 S150에서 비교 대상 사용자의 구매 내역과 타겟 사용자의 타겟 구매 내역을 서로 비교하여 추천 상품을 결정하는 과정을 설명하기 위한 개념도이다.
상품 추천 장치(100)는, 비교 대상 사용자가 결정되면, 타겟 사용자의 구매 요청에 따른 구매 시점(현재)를 기준으로 미리 설정된 임계 기간(예를 들어 3달)을 초과하는 과거 시점에 해당하는 비교 대상 사용자의 구매 내역과 타겟 구매 내역을 새롭게 획득한다.
즉, 비교 대상 사용자를 결정하는 데 사용된 구매 내역은 비교적 현재를 기준으로 비교적 최근 시점의 구매 내역을 활용함으로써 타겟 사용자의 최근 구매 패턴과 유사한 후보 사용자를 결정할 수 있으나, 추천 상품은 타겟 사용자가 구매 시점이 상당히 지난 과거의 구매 내역을 활용하여 결정함으로써 최근에 구매한 적이 없으나 과거에 구매한 이력이 있는 상품과 유사한 상품을 추천 상품으로서 다시 구매할 수 있도록 유도한다.
구체적으로, 상품 추천 장치(100)는 새롭게 획득한 타겟 사용자의 타겟 구매 내역(H11)에 포함된 상품들 각각에 대응하는 상품 코드를 이용하여 상품들 각각의 상품 벡터를 생성할 수 있다.
예를 들어, 상품 코드를 구성하는 제1 내지 제5 코드(CD1~CD5) 각각에 대응하는 값들을 성분값으로 갖는 상품 벡터를 생성할 수 있다. 즉, 상품 벡터는, 제1 코드(CD1)가 'A1'이면 'A1'과 대응하는 값을 첫번째 성분값으로 갖고, 제2 코드(CD2)가 'B8'이면, 'B8'과 대응하는 값을 두번째 성분값으로 갖고, 제3 코드(CD3)가 'C1'이면, 'C1'과 대응하는 값을 세번째 성분값으로 갖고, 제4 코드(CD4)가 'D3'이면, 'D3'과 대응하는 값을 네번째 성분값으로 갖고, 제5 코드(CD5)가 'EA'이면, 'EA'와 대응하는 값을 다섯번째 성분값으로 가질 수 있다.
여기서 각 코드와 대응하는 값은 미리 코드와 대응하는 값을 정의한 코드 테이블을 참조하여 결정되며, 유사한 코드일수록 유사한 값으로 정의하는 것이 유리하다. 예를 들어, 상품의 소분류가 청바지와 면바지인 2개의 상품들 각각은 제2 코드와 대응하는 값이 3과 4와 같이 유사한 값으로 정의하고, 상품의 소분류가 청바지와 티셔츠인 2개의 상품들 각각은 제2 코드와 대응하는 값이 3과 6으로 조금 차이가 있는 값으로 정의하는 것이 유리하다.
이처럼, 상품마다 고유하게 부여되는 상품 코드는 코드 테이블을 이용하여 곧바로 상품 벡터로 변환될 수 있기 때문에 연산속도가 매우 빠른 장점을 가진다.
이러한 방식으로, 상품 추천 장치(100)는, 타겟 구매 내역(H11)에 포함된 상품들 각각에 대응하는 상품 벡터들(x1~x5)을 생성할 수 있다.
다음으로, 상품 추천 장치(100)는, 생성된 상품 벡터들(x1~x5) 각각을 열(column)로 갖는 상품 벡터 행렬을 생성하고, 생성된 상품 벡터 행렬의 고유벡터(eigenvector)를 산출할 수 있다. 여기서 상품 벡터들 각각이 5개의 성분으로 구성된 5차원 벡터인 경우, 고유벡터도 5차원 벡터일 수 있다. 고유벡터를 산출하는 방법에 대해서는 이미 다양한 행렬연산을 통해 공개되어 있으므로 자세한 설명은 생략한다.
상품 추천 장치(100)는 산출된 고유 벡터를 비교 대상 사용자의 구매 내역(H22)에 포함된 상품들을 변환하여 생성된 상품 벡터들(y1~y5)과 비교할 수 있다.
구체적으로, 상품 추천 장치(100)는, 상품 벡터들(y1~y5) 중에서 고유 벡터를 다차원 공간에서 나타낸 방향각과 가장 유사한 방향각을 갖는 상품 벡터를 선정하고, 선정된 상품 벡터와 대응하는 상품을 추천 상품으로 결정할 수 있다.
이때, 고유 벡터가 5차원 벡터인 경우 5차원 공간 상에 고유 벡터를 나타낼 수 있으며, 이러한 다차원 공간 상에서의 2개의 벡터 사이의 방향각은 2개의 벡터 사이의 코사인 연산을 통해 결정될 수 있다. 예를 들어, 고유 벡터(ev)와 상품 벡터들 중 하나(yi) 사이의 방향각(θ)은 다음의 수학식 1에 따라 결정될 수 있다.
Figure 112021027039682-pat00001
수학식 1에서, arccosine의 분자 부분은 고유 벡터(ev)와 상품 벡터(yi) 사이의 내적 연산이고, 분모 부분은 고유 벡터(ev)와 상품 벡터(yi) 각각의 크기의 곱이다.
상기 수학식 1에 따라 결정되는 고유 벡터(ev)와 상품 벡터(yi) 사이의 방향각(θ)이 가장 작은 상품 벡터를 선정하고, 선정된 상품 벡터와 대응하는 상품을 추천 상품으로 결정할 수 있다.
이처럼, 본 발명에서는 타겟 사용자의 과거 시점에 구매한 상품들로부터 고유 벡터(ev)를 산출하고, 산출된 고유 벡터(ev)를 기준으로 비교 대상 사용자의 상품을 선정하기 때문에 2명의 사용자 사이에 단순히 상품이 공통되는 상품을 추천 상품으로 제공하는 종래의 기술에서 벗어나 타겟 사용자의 과거 시점에 구매한 상품들 전체를 대표하는 고유 벡터와 유사한 상품을 추천 상품으로서 제공할 수 있다.
도 6은 일 실시예에 따른 상품 추천 장치의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 6을 참조하면, 상품 추천 장치(100)는, 적어도 하나의 프로세서(110) 및 상기 적어도 하나의 프로세서(110)가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.
상기 적어도 하나의 동작은 도 1 내지 도 5를 참조하여 설명한 상품 추천 장치의 동작이나 기능들 중 적어도 하나를 포함할 수 있다.
여기서 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중 하나일 수 있고, 저장 장치(160)는, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), 또는 각종 메모리 카드(예를 들어, micro SD 카드) 등일 수 있다.
또한, 상품 추천 장치(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(130)를 포함할 수 있다. 또한, 상품 추천 장치(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 상품 추천 장치(100)에 포함된 각각의 구성 요소들은 버스(bus)(170)에 의해 연결되어 서로 통신을 수행할 수 있다.
상품 추천 장치(100)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (6)

  1. 상품 추천 장치에서 수행되는 사용자의 구매 내역에 기반한 상품 추천 방법으로,
    사용자 단말로부터 구매 요청을 수신하는 단계;
    상기 구매 요청에 상응하는 거래를 완료하고 상기 사용자 단말의 타겟 사용자와 대응하는 기준 구매 패턴을 획득하는 단계;
    상기 기준 구매 패턴을 미리 수집된 다수의 사용자들 각각의 구매 패턴과 비교하여 복수의 후보 사용자들을 선정하는 단계;
    상기 구매 요청에 따른 구매 시점을 기준으로, 상기 타겟 사용자의 제1 타겟 구매 내역과 상기 후보 사용자들 각각에 대응하는 복수의 제1 구매 내역들을 획득하는 단계;
    상기 제1 타겟 구매 내역과 상기 제1 구매 내역들을 서로 비교하여 상기 후보 사용자들 중 하나를 비교 대상 사용자로 선정하는 단계;
    상기 구매 요청에 따른 구매 시점을 기준으로, 상기 비교 대상 사용자의 제2 구매 내역과 상기 타겟 사용자의 제2 타겟 구매 내역을 새롭게 획득하고, 상기 제2 구매 내역과 상기 제2 타겟 구매 내역을 서로 비교하여 추천 상품을 결정하는 단계; 및
    상기 추천 상품을 포함하는 거래 완료 메시지를 상기 사용자 단말에 전송하는 단계를 포함하고,
    상기 후보 사용자들 중 하나를 비교 대상 사용자로 선정하는 단계는,
    상품들마다 미리 고유하게 부여된 상품 코드를 기초로 상기 제1 타겟 구매 내역에 포함된 상품들과 상기 제1 구매 내역들 각각에 포함된 상품들을 서로 비교하여 유사한 상품을 결정하는 단계; 및
    상기 제1 구매 내역들 중 유사한 상품이 미리 설정된 개수 이상인 제1 구매 내역과 대응하는 후보 사용자를 상기 비교 대상 사용자로 선정하는 단계를 포함하며,
    상기 상품 코드는,
    상품의 대분류를 지시하는 제1 코드; 상품의 소분류를 지시하는 제2 코드, 상품의 브랜드나 생산자를 지시하는 제3 코드, 상품의 특징을 지시하는 제4 코드, 및 상품의 원재료를 지시하는 제5 코드를 포함하며,
    상기 유사한 상품을 결정하는 단계는,
    상기 제1 코드, 상기 제2 코드, 및 상기 제3 코드가 서로 동일한 상품을 상기 유사한 상품으로 결정하고,
    상기 추천 상품을 결정하는 단계는,
    상기 상품 코드를 이용하여 상기 제2 타겟 구매 내역에 포함된 상품들 각각에 대응하는 상품 벡터들을 생성하는 단계;
    상기 상품 벡터들 각각을 열(column)로 갖는 상품 벡터 행렬을 생성하는 단계;
    상기 상품 벡터 행렬의 고유벡터(eigenvector)를 산출하는 단계;
    상기 고유벡터와 상기 제2 구매 내역에 포함된 상품들 각각에 대응하는 상품 벡터들 사이의 방향각을 하기 수학식
    Figure 112021047224107-pat00008
    , (ev는 상기 고유벡터이고, yi는 상기 상품 벡터들 중 하나)
    에 기초하여 산출하는 단계; 및
    상기 제2 구매 내역에 포함된 상품들 중에서 상기 방향각이 가장 작은 상품 벡터와 대응하는 상품을 상기 추천 상품으로 결정하는 단계를 포함하는, 방법.
  2. ◈청구항 2은(는) 설정등록료 납부시 포기되었습니다.◈
    청구항 1에서,
    상기 기준 구매 패턴을 획득하는 단계는,
    상기 타겟 사용자의 구매 시기별 구매 건수를 나타낸 그래프에서 선형 회귀 분석을 수행함으로써 구매 추세선을 획득하는, 방법.
  3. ◈청구항 3은(는) 설정등록료 납부시 포기되었습니다.◈
    청구항 2에서,
    상기 복수의 후보 사용자들을 선정하는 단계는,
    상기 그래프에서 상기 구매 추세선이 지나고, 상기 구매 건수를 나타내는 y축의 절편을 기준으로 임계값만큼 큰 상향 임계값과 상기 임계값만큼 작은 하향 임계값을 결정하는 단계;
    상기 그래프에서 2개 이상의 좌표들을 지나는 라인들 중에서 상기 y축의 절편이 상기 상향 임계값과 상기 하향 임계값 사이에 속하고 기울기가 가장 큰 라인을 상향 임계선으로 선정하고, 상기 y축의 절편이 상기 상향 임계값과 상기 하향 임계값 사이에 속하고 기울기가 가장 작은 라인을 하향 임계선으로 선정하는 단계; 및
    상기 사용자들 각각에 대한 구매 시기별 구매 건수를 이용하여 산출된 추세선들 중에서 상기 상향 임계선과 상기 하향 임계선 사이의 영역을 지나는 추세선과 대응하는 사용자들을 상기 후보 사용자들로 선정하는 단계를 포함하는, 방법.
  4. 삭제
  5. 삭제
  6. 삭제
KR1020210030114A 2021-03-08 2021-03-08 사용자의 구매 내역에 기반한 상품 추천 방법 및 장치 KR102268739B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210030114A KR102268739B1 (ko) 2021-03-08 2021-03-08 사용자의 구매 내역에 기반한 상품 추천 방법 및 장치
KR1020210079058A KR102495011B1 (ko) 2021-03-08 2021-06-18 상품 코드와 구매 패턴에 따른 회귀분석을 이용한 상품 추천 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210030114A KR102268739B1 (ko) 2021-03-08 2021-03-08 사용자의 구매 내역에 기반한 상품 추천 방법 및 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020210079058A Division KR102495011B1 (ko) 2021-03-08 2021-06-18 상품 코드와 구매 패턴에 따른 회귀분석을 이용한 상품 추천 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102268739B1 true KR102268739B1 (ko) 2021-06-24

Family

ID=76607435

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020210030114A KR102268739B1 (ko) 2021-03-08 2021-03-08 사용자의 구매 내역에 기반한 상품 추천 방법 및 장치
KR1020210079058A KR102495011B1 (ko) 2021-03-08 2021-06-18 상품 코드와 구매 패턴에 따른 회귀분석을 이용한 상품 추천 방법 및 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020210079058A KR102495011B1 (ko) 2021-03-08 2021-06-18 상품 코드와 구매 패턴에 따른 회귀분석을 이용한 상품 추천 방법 및 장치

Country Status (1)

Country Link
KR (2) KR102268739B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023204333A1 (ko) * 2022-04-20 2023-10-26 쿠팡 주식회사 사용자 프로파일 정보를 제공하는 전자 장치 및 그 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110031760A (ko) * 2009-09-21 2011-03-29 경상대학교산학협력단 대용량 데이터를 위한 하이브리드 추천 방법 및 시스템
KR20130142353A (ko) * 2012-06-19 2013-12-30 (주) 더존비즈온 거래처 모니터링 시스템
KR20150101340A (ko) * 2014-02-26 2015-09-03 에스케이플래닛 주식회사 사용자별 카테고리 선호도 생성 방법, 이를 이용한 상품 추천 방법 및 이를 위한 장치
KR101612061B1 (ko) * 2015-01-28 2016-04-12 주식회사 포워드벤처스 쇼핑 서비스 제공 시스템 및 쇼핑 서비스 제공 방법
KR102128059B1 (ko) * 2019-08-08 2020-06-29 (주)코바이노베이션 고객의 정보와 금융상품 구매이력에 기초한 기계학습을 통해 최적의 금융상품을 추천하는 전자 장치
KR102213768B1 (ko) * 2020-05-19 2021-02-08 주식회사 스타일씨코퍼레이션 빅데이터 기반의 ai가 고객의 정보를 기반으로 구매전환율이 높은 상품을 노출시키는 고객 맞춤형 상품 추천 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110031760A (ko) * 2009-09-21 2011-03-29 경상대학교산학협력단 대용량 데이터를 위한 하이브리드 추천 방법 및 시스템
KR20130142353A (ko) * 2012-06-19 2013-12-30 (주) 더존비즈온 거래처 모니터링 시스템
KR20150101340A (ko) * 2014-02-26 2015-09-03 에스케이플래닛 주식회사 사용자별 카테고리 선호도 생성 방법, 이를 이용한 상품 추천 방법 및 이를 위한 장치
KR101612061B1 (ko) * 2015-01-28 2016-04-12 주식회사 포워드벤처스 쇼핑 서비스 제공 시스템 및 쇼핑 서비스 제공 방법
KR102128059B1 (ko) * 2019-08-08 2020-06-29 (주)코바이노베이션 고객의 정보와 금융상품 구매이력에 기초한 기계학습을 통해 최적의 금융상품을 추천하는 전자 장치
KR102213768B1 (ko) * 2020-05-19 2021-02-08 주식회사 스타일씨코퍼레이션 빅데이터 기반의 ai가 고객의 정보를 기반으로 구매전환율이 높은 상품을 노출시키는 고객 맞춤형 상품 추천 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023204333A1 (ko) * 2022-04-20 2023-10-26 쿠팡 주식회사 사용자 프로파일 정보를 제공하는 전자 장치 및 그 방법

Also Published As

Publication number Publication date
KR20220126182A (ko) 2022-09-15
KR102495011B1 (ko) 2023-02-06

Similar Documents

Publication Publication Date Title
US9727906B1 (en) Generating item clusters based on aggregated search history data
CN111523010A (zh) 推荐方法、装置、终端设备及计算机存储介质
KR101062927B1 (ko) 적어도 한 명의 사용자의 성향을 고려하여 타사용자 또는 사물을 추천하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
CN112488863B (zh) 一种在用户冷启动场景下的险种推荐方法及相关设备
CN111815404B (zh) 虚拟物品分享方法及装置
JP6696568B2 (ja) アイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置
KR20210067588A (ko) 항목 분류 체계를 고려한 시퀀스 간 유사도를 판단하는 전자 장치 및 그 제어 방법
CN115578163A (zh) 一种组合商品信息的个性化推送方法及系统
KR102268739B1 (ko) 사용자의 구매 내역에 기반한 상품 추천 방법 및 장치
JP2014191501A (ja) 情報推薦装置、推薦情報決定方法、推薦情報決定プログラム、及び情報推薦プログラム
CN105335386B (zh) 一种提供导航标签的方法及装置
CN108648064A (zh) 产品信息快速上架的方法和装置
JP5056803B2 (ja) 情報提供サーバ及び情報提供方法
KR101081947B1 (ko) 대용량 데이터를 위한 하이브리드 추천 방법 및 시스템
JP6356774B2 (ja) 選択装置、選択方法および選択プログラム
CN110827044A (zh) 提取用户兴趣模式的方法和装置
CN110659919A (zh) 数据匹配方法、装置、介质及电子设备
CN104050174B (zh) 一种个性化页面生成方法及装置
JP5056801B2 (ja) 情報提供サーバ及び情報提供方法
JP7088656B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP5774535B2 (ja) コンテンツ推薦プログラム、コンテンツ推薦装置及びコンテンツ推薦方法
CN112579896A (zh) 一种信息推荐方法、装置、电子设备及存储介质
CN111798286A (zh) 物品搭配方法、物品搭配模型的构建方法和计算机
JP4375388B2 (ja) 情報提供サーバ及び情報提供方法
US11886416B2 (en) System, method, and computer program product for reconfiguring a data table for processing on a server cluster

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant