KR102282599B1 - 온라인 빅데이터를 활용한 소비자 분석 시스템 및 방법 - Google Patents

Abstract

본 발명의 일 실시예에 따른 온라인 빅데이터를 활용한 소비자 분석 시스템은 클라이언트 단말에서 제공된 키워드 정보를 입력하는 입력부; 복수 개의 외부서버와 연동하여, 기 설정된 카테고리 범주 내에 포함된 적어도 하나 이상의 상품 또는 컨텐츠와 연관된 연관정보를 수집하는 정보수집부; 상기 정보수집부에서 수집된 연관정보를 종류, 공급처, 공급루트, 인지도, 구매욕구도, 검색량, 반응도, 검색빈도 수, 검색자 성별/나이, 연관정보 출처로 분류하는 정보분류부; 상기 정보분류부에서 분류된 정보들 간의 객체 종속성을 분석하는 AI 분석부; 및 상기 키워드와 연관된 분류정보를 추출한 후, 인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 중 적어도 하나 이상과 반비례하는 객체 종속성을 추출한 후, 추출된 객체 종속성의 개수가 가장 큰 상품을 추출하는 AI 검색 및 추출부를 포함한다.

Description

온라인 빅데이터를 활용한 소비자 분석 시스템 및 방법{Customer Needs Analysis System　and Customer Needs Analysis method}

본 발명은 온라인 빅데이터를 활용한 소비자 분석 시스템 및 방법에 관한 것이다.

제품을 개발하기 전, 찾고자 하는 제품 관련 키워드의 검색 양이나 쿼리수를 알아보기 위해서는 해당 포털사이트의 광과 관리 페이지를 통해서만 알 수 있었으며 SNS나 포털 사이트의 직접검색을 통해서 정보를 확인할 수 있었다. 또한, 제품을 개발한 후 마케팅 활동을 통해 제품을 판매하게 되더라도 많게는 수십 개의 프로그램을 이용하거나 혹은 프로그램이 아닌 직접 수동으로 판매부터 마케팅까지 진행하는 것이 일반적이었다.

한국 공개특허 제10-2010-0117335호(2010. 11. 3자 공개)

본 발명이 해결하고자 하는 과제는 사용자의 관심키워드에 상응하는 상품 또는 컨텐츠를 SNS, 뉴스, 블로그 및 카페 게시물, SNS 등에 기록된 데이터들에서 추출하되, 대중이 많이 관심을 갖지만 마켓에 희소한 상품을 검색하여 추천할 수 있는 온라인 빅데이터를 활용한 소비자 분석 시스템 및 방법을 제공하는 데 그 목적이 있다.

또한, 본 발명은 상품 또는 상품군을 구매 및 구매가능한 소비자 계층을 여러 형태로 분류한 후, 분류된 소비자 형태에 따라 서로 다른 마케팅 수단을 적용시켜 계층별 소비자의 해당 상품에 대한 반응률을 분석한 분석결과를 제공하는 시스템과 연동가능한 온라인 빅데이터를 활용한 소비자 분석 시스템 및 방법을 제공하는 데 그 목적이 있다.

상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 온라인 빅데이터를 활용한 소비자 분석 시스템은 클라이언트 단말에서 제공된 키워드 정보를 입력하는 입력부; 복수 개의 외부서버와 연동하여, 기 설정된 카테고리 범주 내에 포함된 적어도 하나 이상의 상품 또는 컨텐츠와 연관된 연관정보를 수집하는 정보수집부; 상기 정보수집부에서 수집된 연관정보를 종류, 공급처, 공급루트, 인지도, 구매욕구도, 검색량, 반응도, 검색빈도 수, 검색자 성별/나이, 연관정보 출처로 분류하는 정보분류부; 상기 정보분류부에서 분류된 정보들 간의 객체 종속성을 분석하는 AI 분석부; 및 상기 키워드와 연관된 분류정보를 추출한 후, 인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 중 적어도 하나 이상과 반비례하는 객체 종속성을 추출한 후, 추출된 객체 종속성의 개수가 가장 큰 상품을 추출하는 AI 검색 및 추출부를 포함한다.

일 실시예에서, 상기 정보수집부는 상기 복수 개의 외부서버의 API를 이용하여 정보를 수집하는 것을 특징으로 한다.

일 실시예에서, 상기 AI 분석부는 하기의 식 1을 이용하여 객체 종속성을 분석하는 것을 특징으로 한다.

[식 1]

여기서, r은 두 변수 간의 종속성이고, Xi는 기 설정된 시간 동안에 수집된 인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 중 어느 하나이고,

는 평균 임계치이고, yi는 종류, 공급처, 공급루트, 노출빈도 중 어느 하나이고,

는 평균 임계치이다.

일 실시예에서, 상기 AI 분석부는 수집량의 변화에 따라 상기 객체 종속성을 가변시키는 것을 특징으로 한다.

상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 온라인 빅데이터를 활용한 소비자 분석 방법은 입력부에서 클라이언트 단말에서 제공된 키워드 정보를 입력하는 단계; 정보수집부에서 복수 개의 외부서버와 연동하여, 기 설정된 카테고리 범주 내에 포함된 적어도 하나 이상의 상품 또는 컨텐츠와 연관된 연관정보를 수집하는 단계; 정보분류부에서 상기 정보수집부에서 수집된 연관정보를 종류, 공급처, 공급루트, 인지도, 구매욕구도, 검색량, 반응도, 검색빈도 수, 검색자 성별/나이, 연관정보 출처로 분류하는 단계; AI 분석부에서 상기 정보분류부에서 분류된 정보들 간의 객체 종속성을 분석하는 단계; 및 AI 검색/추천부에서 상기 키워드와 연관된 분류정보를 추출한 후, 인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 중 적어도 하나 이상과 반비례하는 객체 종속성을 추출한 후, 추출된 객체 종속성의 개수가 가장 큰 상품을 추천하는 단계를 포함한다.

일 실시예에서, 상기 객체 종속성을 분석하는 단계는 하기의 식 1을 이용하여 객체 종속성을 분석하는 것을 특징으로 한다.

[식 1]

여기서, r은 두 변수 간의 종속성이고, Xi는 기 설정된 시간 동안에 수집된 인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 중 어느 하나이고,

는 평균 임계치이고, yi는 종류, 공급처, 공급루트, 노출빈도 중 어느 하나이고,

는 평균 임계치이다.

본 발명의 일 실시예에 따른 온라인 빅데이터를 활용한 소비자 분석 시스템 및 방법을 이용하면, 사용자의 관심키워드에 상응하는 상품을 SNS, 뉴스, 블로그 및 카페 게시물, SNS 등에 기록된 데이터들로 구축된 빅데이터를 기반으로 대중이 많이 관심을 갖지만 온/오프 마켓에 희소한 상품 또는 컨텐츠를 검색하여 추천할 수 있다는 이점이 있다.

도 1은 본 발명의 일 실시예에 따른 온라인 빅데이터를 활용한 소비자 분석 시스템과 연동되는 시스템들 간의 네트워크 관계도를 나타낸 예시도이다.
도 2는 본 발명의 일 실시예에 따른 온라인 빅데이터를 활용한 소비자 분석 시스템을 나타낸 블럭도이다.
도 3은 도 2에 도시된 AI 분석부의 분석 플랫폼의 일 예를 나타낸 도이다.
도 4는 도 1에 도시된 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템의 블록도이다.
도 5는 도 4에 도시된 인플루언서 관리부의 세부구성도이다.
도 6은 인플루언서의 체험 운영현황을 분석한 예시도이다.
도 7은 도 2에 도시된 신규 브랜드 크리에이팅 시스템을 나타낸 블록도이다.
도 8은 도 7에 도시된 마케팅 효용성 관리부에서 브랜드별로 분석 산출한 광고 ROAS 대비 매출액의 일예시도이다.
도 9는 도 7에 도시된 생산량 및 재고관리부에서 제공하는 KPI 관리 인터페이스를 나타낸 예시도이다.
도 10은 도 2에 도시된 온라인 빅데이터를 활용한 소비자 분석 시스템을 이용한 온라인 빅데이터를 활용한 소비자 분석 방법을 설명한 흐름도이다.
도 11은 도 4에 도시된 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템을 이용한 마케팅 솔루션 제공 방법을 설명한 흐름도이다.
도 12는 도 11에 도시된 S850의 세부과정을 나타낸 흐름도이다.
도 13은 도 7에 도시된 신규 브랜드 크리에이팅 시스템을 이용한 신규 브랜드 크리에이팅 방법을 설명한 흐름도이다.
도 14는 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시한 도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다.

본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.

본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Maching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.

도 1은 본 발명의 일 실시예에 따른 고객 수요 분석 시스템을 나타낸 블록도이다.

도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 고객 수요 분석 시스템(100)는 클라이언트 단말(10) 및 외부서버(20)와 네트워크로 통신한다.

여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 RF, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5GPP(5rd Generation Partnership Project) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, NFC 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.

참고로, 상기 클라이언트 단말(10)은 대중의 선호도가 강한 반면에 온라인 또는 오프라인 시장에 노출이 적은 상품을 검색하고자 하는 클라이언트의 단말일 수 있다.

상기 클라이언트 단말(10)은 고객 수요 분석 시스템에서 제공된 정보 검색 플랫폼(예컨대, 웹 페이지, 앱 페이지, 프로그램 또는 어플리케이션)이 실행 가능한 단말일 수 있다.

상기 클라이언트 단말(10)은 정보 검색 플랫폼에서 제시하는 기 설정된 카테고리 범주에 해당하는 상품 연관 정보를 입력하는 단말일 수 있다.

여기서, 상품 연관 정보는 상품 또는 콘텐츠 종류, 유통지역, 검색자 나이/성별 등의 메타정보일 수 있다.

상기 클라이언트 단말(10)은 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 또한, 소비자 단말(200)은, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

상기 정보 검색 플랫폼은 후술할 고객 맞춤 타겟 상품 검색/추천장치(100)로부터 지정한 상품 또는 상품종류에 대한 검색결과에 대한 통계결과를 표시하거나 또한, 2개 이상의 후보 상품을 설정한 후, 검색결과를 1:1 또는 1:多로 비교가능한 GUI를 포함할 수 있다.

다음으로, 외부서버(20)는 구글, 네이버, 다음과 같은 검색사 서버, SNS 기능을 지원하는 서버(트위터, 페이스북, 카카오톡, 인스타그램, 유투부), 온라인 상품판매서버 (홈쇼핑) 등과 같이, 상품 또는 콘텐츠 정보와 연관된 연관정보를 대중에게 제공 및 피드백 받는 서버라면 모두 가능할 것이다. 또한, 상기 외부서버(20)는 API 기능을 갖는 서버일 수 있다.

한편, 본원의 온라인 빅데이터를 활용한 소비자 분석 시스템(100)은 네트워크를 통해 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템(200)과 연동할 수 있고, 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템(200)은 신규 브랜드 크리에이팅 시스템(300)과 연동할 수 있다.

상기 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템(200) 및 신규 브랜드 크리에이팅 시스템(300)에 대한 보다 상세한 설명은 후술하도록 한다.

도 1은 본 발명의 일 실시예에 따른 온라인 빅데이터를 활용한 소비자 분석 시스템과 연동되는 시스템 간의 네트워크 관계도를 나타낸 예시도이고, 도 2는 본 발명의 일 실시예에 따른 온라인 빅데이터를 활용한 소비자 분석 시스템을 나타낸 블록도이고, 도 3은 도 2에 도시된 AI 분석부의 분석 플랫폼의 일 예를 나타낸 도이다.

도 1 내지 도 3을 참조하면, 본 발명의 일 실시예에 따른 온라인 빅데이터를 활용한 소비자 분석 시스템(100)는 입력부(110), 정보수집부(120), 정보분류부(130), AI 분석부(140) 및 검색 및 추출부(150)를 포함할 수 있다.

상기 입력부(110)는 클라이언트 단말의 정보 검색 플랫폼에서 제공된 키워드를 입력하는 구성일 수 있다.

여기서, 키워드는 상품 또는 콘텐츠 종류, 유통지역, 검색자 나이/성별 등의 메타정보 등을 포함한다.

다음으로, 상기 정보수집부(120)는 복수 개의 외부서버(20)와 연동하여, 기 설정된 카테고리 범주 내에 포함된 적어도 하나 이상의 상품 또는 컨텐츠와 연관된 연관정보를 수집한다.

여기서, 연관정보는 판매량, 공급처, 공급루트, SNS 반응도, 검색량, 검색빈도 수, 성별/나이 등을 수집한다.

이때, 상기 정보수집부(120)는 수집된 연관정보들 중 정보공개처(웹 주소 등, SNS ID 등등)가 불명확 또는 부정확한 정보를 자체 필터링할 수 있다. 또한, 상기 정보수집부는 외부서버의 API를 이용하여 정보를 수집한다.

다음으로, 상기 정보분류부(130)는 상기 정보수집부(120)에서 필터링되어 수집된 연관정보를 종류, 공급처, 공급루트, 인지도, 구매욕구도, 검색량, 반응도, 검색빈도 수, 검색자 성별/나이, 연관정보 출처로 분류한다.

상기 정보분류부(130)는 하나 또는 복수 개의 프로세서에 해당할 수 있고, 프로세서는 다수의 논리 게이트들의 어레이(Array)로 구현될 수 있고, 범용적인 마이크로 프로세서와 이 마이크로 프로세서에서 실행될 수 있는 프로그램이 저장된 메모리의 조합으로 구현될 수도 있다.

또한, 정보분류부(130)는 컨볼루션 뉴럴 네트워크(Convolutional Neural Network, CNN) 기반 분류 구성으로 구현되는 실시 예에 대하여 설명하지만 이에 한정되는 것은 아니며, 상술한 다양한 알고리즘으로 구현될 수 있다.

상기 정보분류부(130)는 컨볼류션 뉴럴 네트워크로 연결된 복수 개의 분산저장소를 포함하고, 신규 종류의 상품생성 또는 기존의 상품이 소멸될 경우, 기존의 뉴럴 네트워크의 연계망의 형태를 가변시킬 수 있다.

다음으로, AI 분석부(140)는 상기 정보분류부에서 분류된 연관정보들 간의 객체 종속성을 분석한다.

이때, 상기 AI 분석부(140)는 하기의 식 1을 이용하여 연관정보들 간의 객체 종속성을 분석한다.

[식 1]

여기서, r은 두 변수 간의 종속성을 수치적으로 나타낸 인자, Xi는 기 설정된 시간 동안에 수집된 인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 중 어느 하나이고,

는 평균 임계치이고, yi는 종류, 공급처, 공급루트, 노출빈도 중 어느 하나이고,

는 평균 임계치이다.

본원에서 언급하는 종속값(dependengy)은 제1 연관정보(인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 )와 제2 연관정보(기타 정보, 상품종류, 상품판매량, 시장노출 빈도수 등) 간의 연관성의 크기를 표시한다.

다음으로, 상기 검색 및 추출부(150)는 클라이언트 단말에서 입력된 키워드와 연관된 분류정보를 추출한 후, 인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 중 적어도 하나 이상과 반비례하는 객체 종속성을 갖는 복수 개의 상품 또는 상품군 중 사용자가 지정한 키워드에 가장 적합한 상품 또는 상품군을 추천한다.

상기 AI 검색 및 추출부(150)는 실시간으로 수집된 연관정보의 갱신정보에 따라 기 설정된 키워드에 가장 적합한 상품 또는 상품군을 예측하도록 학습한다.

한편, 본원에 개시된 고객 수요 분석 시스템(100)는 빅데이터를 구축하기 위하여, 저장된 로우 데이터 내에 포함된 비정형(Unstructed) 데이터, 정형(Structured) 데이터 및 반정형 데이터(Semi-structured)를 정제하고, 메타 데이터로 분류를 포함한 전처리를 실시할 수 있고, 전처리된 데이터를 데이터 마이닝(Data Mining)을 포함하는 분석을 실시할 수 있다. 그리고,안심거래 서비스 제공 서버(300)는, 분석된 데이터를 시각화하여 출력할 수 있다. 이때, 데이터 마이닝은, 전처리된 데이터 간의 내재된 관계를 탐색하여 클래스가 알려진 훈련 데이터 셋을 학습시켜 새로운 데이터의 클래스를 예측하는 분류(Classification) 또는 클래스 정보 없이 유사성을 기준으로 데이터를 그룹짓는 군집화(Clustering)를 수행할 수 있다. 물론, 이외에도 다양한 마이닝 방법이 존재할 수 있으며, 수집 및 저장되는 빅데이터의 종류나 이후에 요청될 질의(Query)의 종류에 따라 다르게 마이닝될 수도 있다. 이렇게 구축된 빅데이터는, 인공신경망 딥러닝이나 기계학습 등으로 검증과정을 거칠 수도 있다.

이때, 인공 신경망은 CNN(Convolutional neural network) 구조가 이용될 수 있는데, CNN은 컨볼루션 층을 이용한 네트워크 구조로 이미지 처리에 적합하며, 이미지 데이터를 입력으로 하여 이미지 내의 특징을 기반으로 이미지를 분류할 수 있기 때문이다.

또한, 텍스트 마이닝(Text Mining)은 비/반정형 텍스트 데이터에서 자연어처리 기술에 기반하여 유용한 정보를 추출, 가공하는 것을 목적으로 하는 기술이다. 텍스트 마이닝 기술을 통해 방대한 텍스트 뭉치에서 의미 있는 정보를 추출해 내고, 다른 정보와의 연계성을 파악하며, 텍스트가 가진 카테고리를 찾아내거나 단순한 정보 검색 그 이상의 결과를 얻어낼 수 있다. 이를 이용하여, 본 발명의 일 실시예에 따른 안심거래 서비스에서는, 질의로 입력되는 식별자나 자연어를 분석하고, 그 안에 숨겨진 정보를 발굴해 내기 위해 대용량 언어자원과 통계적, 규칙적 알고리즘이 사용될 수 있다.

또한, 본원에 개시된 고객 수요 분석 시스템(100)는 수집한 빅데이터인 로우 데이터(Raw Data)를 병렬 및 분산하여 저장하고, 저장된 로우 데이터 내에 포함된 비정형(Unstructed) 데이터, 정형(Structured) 데이터 및 반정형 데이터(Semi-structured)를 정제하고, 메타 데이터로 분류를 포함한 전처리를 실시하고, 전처리된 데이터를 데이터 마이닝(Data Mining)을 포함하는 분석을 실시하여, 분석된 데이터를 시각화하여 출력할 수 있다.

도 4는 도 1에 도시된 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템의 블록도이고, 도 5는 도 4에 도시된 인플루언서 관리부의 세부구성도이고, 도 6은 인플루언서의 체험 운영현황을 분석한 예시도이다.

도 4 내지 도 6을 참조하면, 본 발명의 일 실시예에 따른 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템(200)은 먼저, 도 1에 도시된 온라인 빅데이터를 활용한 소비자 분석 시스템(100)과 연동되는 시스템일 수 있다.

상기 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템 (200)은 온라인 빅데이터를 활용한 소비자 분석 시스템(100)에서 제공한 추천 상품정보에 대한 최적의 마케팅 수단을 추천하는 시스템일 수 있다.

상기 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템 (200)은 온라인 빅데이터를 활용한 소비자 분석 시스템(100)로부터 해당 추천상품과 관련 상품 또는 상품군을 구매 및 구매가능한 소비자 계층을 여러 형태로 분류한 후, 분류된 소비자 형태에 따라 서로 다른 마케팅 수단을 적용시켜 계층별 소비자의 해당 상품에 대한 반응률을 분석한 분석결과를 제공한다.

또한, 상기 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템(200)은 복수의 인플루언서를 통한 상품의 시제품 체험, 개선, 평가정보(체험 리뷰에 대한 통계결과)를 해당 상품 또는 컨텐츠의 마케팅 수단을 선정하는 자료로 사용한다.

보다 구체적으로, 본 발명의 일 실시예에 따른 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템(200)은 입력부(210), 소비자층 분석부(220), 마케팅 수단 선정부(230), 판매 반응률 예측부(240), 인플루언서 관리부(250) 및 평가부(260)를 포함한다.

상기 입력부(210)는 도 2에 도시된 온라인 빅데이터를 활용한 소비자 분석 시스템(100)로부터 추천 상품정보 및 이와 관련된 유사상품의 연관정보(예컨대, 유사제품 구매에 따른 신용카드 사용유무, 판매량, 판매처, 공급루트, SNS 반응도, 검색량, 검색빈도 수, 성별/나이, 지역분포 등)를 수신한다.

상기 소비자층 분석부(220)는 입력부에 입력된 유사상품의 연관정보에 따라 유사상품의 소비(구매)분포도를 시간 및 지역기반에 따라 연령, 월 구매액, 구매행동패턴 별로 소비자층을 분석한다.

상기 마케팅 수단 선정부(230)는 분석된 다수의 소비자층의 특성에 따라 해당 제품의 마케팅 수단을 선정한다.

여기서, 마케팅 수단은 SNS 광고, 체험공모, 전자메일, 우편, 전화 등을 포함할 수 있다.

다음으로, 수요 및 공급지수 결정부(240)는 지역, 연령, 구매액, 구매행동패턴 및 유사상품의 판매가격에 기초하여 추천 상품에 대한 공급량, 공급가격 등을 예측하여 결정한다.

여기서, 상기 수요지수(D)는 수요변수, 예컨대, 지역별로 분포된 유사상품을 구매한 구매자의 수, 판매량(특정기간), 구매의사, 홍보반응도로 산출된 인덱스일 수 있다.

상기 공급지수(P)는 수요지수(D)를 기초로 산출된 인덱스일 수 있다.

참고로, 상기 수요지수 및 공급지수는 후술하는 추천상품에 대한 고객 평가에 반영된다.

다음으로, 인플루언서 관리부(250)는 추천상품과 관련된 인플루언서를 선별한 후, 선별된 인플루언서에게 기 설정된 기간동안 추천상품(브랜드)에 대한 광고 및 평가에 대한 활동을 요청하고, 광고 및 평가에 대한 결과정보를 제공받는 구성일 수 있다.

상기 인플루언서 관리부(250)는 인플루언서 검색부(251), 인플루언서 등록부(252), 인플루언서 활동량 분석부(253)를 포함할 수 있다.

인플루언서 등록부(252)는 인플루언서의 SNS 활동량를 기준으로 상품종류(분야)별 인플루언서를 등록한다. 이때, 인플루언서는 등록시, 기본 정보를 필수정보로 입력한다. 필수정보로는 활동 플랫폼, 플랫폼 계정 정보, 연락처 등일 수 있다.

인플루언서 검색 및 선정부(251)는 추천상품과 관련된 상품에 대하여 SNS 활동을 하는 인플루언서를 검색한 후, 특정요건에 부합하는 인플루언서를 선정한다.

여기서, 특정요건은 주요 활동 매체의 수, 계정 연계자 사용자 수, 컨텐츠 방문 또는 조회 수, 컨텐츠 피드백 수 중 적어도 하나 이상이 포함된다. 여기서, 특정요건은 추천상품의 유형에 따라 가변될 수 있다.

인플루언서 활동량 분석부(253)는 등록된 인플루언서가 포스팅한 컨텐츠를 플랫폼별로 크롤링(Crawling)하여 각 인프루언서의 활동정보를 수집한다.

예를 들어, 인플루언서의 소셜 미디어 계정 정보, 블로그 계정 정보 또는 동영상 사이트 계정 정보 등 해당 인플루언서의 계정 정보를 기초로 해당 인플루언서의 활동 정보를 수집한다.

여기서, 활동정보는 인플루언서의 플랫폼별 포스팅 컨텐츠 수, 플랫폼별 활동량, 컨텐츠 카테고리, 컨텐츠 내용, 컨텐츠 포맷, 활동 기간 및 피드백 중 적어도 하나 이상을 포함할 수 있다.

인플루언서 활동량 분석부(253)는 컨텐츠에 포함된 이미지, 영상 또는 텍스트를 추출하여 해당 인플루언서가 포스팅한 컨텐츠 내용을 데이터베이스화할 수 있고, 컨텐츠를 구성하는 구성요소(예를 들어, 이미지, 영상, 텍스트 등)의 종류 및 구성요소의 배열을 분석하여 해당 인플루언서가 자주 사용하는 컨텐츠 포맷을 분석할 수 있다.

또한, 인플루언서 활동량 분석부(253)는 인플루언서가 포스팅한 컨텐츠에 연계된 타 사용자의 피드백(feedback)을 수집하여 피드백의 양과 피드백의 내용(예를 들어, 피드백 경향(긍정 또는 부정) 등)을 분석한다.

피드백 양과 피드백 내용은 컨텐츠 카테고리, 컨텐츠 내용 또는 컨텐츠 포맷과 연계하여 해당 인플루언서의 컨텐츠 카테고리별 피드백 추이, 컨텐츠 내용별 피드백 추이 또는 컨텐츠 포맷별 피드백 추이를 분석하는데 사용될 수 있다.

인플루언서 활동량 분석부(253)는 인플루언서에 요청한 추천상품에 대한 광고 및 평가요청 시점부터 종료시점까지의 활동 정보를 분석한다.

예를 들어, 컨텐츠 방문 또는 조회 수(예를 들어, 방문수, 기간 평균 방문수, 조회 수, 기간 평균 조회수 등), 컨텐츠 피드백 수(예를 들어, 댓글, 리트윗, '좋아요' 등) 및 피드백 경향(예를 들어, 긍정 또는 부정) 가운데 적어도 하나를 분석하여 분석 정보를 생성할 수 있다. 일 실시예에서, 신체 조건은 기본 정보로 미리 입력받을 수도 있고, 인플루언서가 포스팅한 컨텐츠의 내용 분석을 통해 획득될 수도 있다.

또한, 인플루언서의 광고 이력 정보를 기초로 인플루언서의 플랫폼별 광고 활동량, 주요 광고 플랫폼, 상품 또는 서비스 카테고리별 광고 내역, 상품 또는 서비스별 광고 효과(예를 들어, 광고 컨텐츠 방문수, 조회수, 피드백 수, 피드백 경향) 또는 상품 또는 서비스별 비용 대비 광고 효과 가운데 적어도 하나를 분석하여 분석 정보를 생성할 수 있다.

다음으로, 판매성공률 예측부(260)는 수요지수, 공급지수, 인플루언서의 활동량 분석결과(점수)를 적용한 예측알고리즘을 이용하여 추천상품(브랜드)의 판매성공가능성을 예측한다.

여기서, 인플루언서이 활동량 분석결과는 기 설정된 매뉴얼에 따라 수치화된다.

참고로, 판매성공률 예측부(260)는 추천상품(브랜드)과 유사한 제품 또는 상품 중 성공적인 평가를 받는 상품 또는 제품들에 대한 수요지수의 평균값, 공급지수의 평균값을 저장한다.

판매성공률 예측부(260)는 하기의 식 2를 이용하여 성공률을 예측한다.

[식 2]

여기서, SSP는 판매성공 가능성이고, Index α는 추천상품(브랜드)의 수요지수이고, Index

는 유사상품(브랜드) 또는 제품들의 수요지수의 평균값이고, Index β는 추천상품(브랜드)의 공급지수이고, Index

는 유사상품(브랜드) 또는 제품들의 공급지수의 평균값이고,

는 인플루언서의 활동량 분석결과(점수)이다.

상기

는 인플루언서의 플랫폼별 광고 활동량, 주요 광고 플랫폼, 추천상품 대중피드백(예를 들어, 광고 컨텐츠 방문수, 조회수, 피드백 수) 등을 점수화하여 합산한 합산값일 수 있다.

상술한 판매성공률 예측부(260)에서 예측한 판매성공가능성 점수는 후술하는 상품생산 및 매출관리 시스템(40)으로 제공될 수 있다.

참고로, 본 발명의 마케팅 솔루션 제공 시스템(200)은 네트워크를 통해 상품생산 및 매출관리 시스템과 연동할 수 있고, 상기 상품생산 및 매출관리 시스템 (300)에 대한 보다 상세한 설명은 후술하도록 한다.

도 7은 도 2에 도시된 신규 브랜드 크리에이팅 시스템을 나타낸 블록도이고, 도 8은 도 7에 도시된 마케팅 효용성 관리부에서 브랜드별로 분석 산출한 광고 ROAS 대비 매출액의 일예시도이고, 도 9는 도 7에 도시된 생산량 및 재고관리부에서 제공하는 KPI 관리 인터페이스를 나타낸 예시도이다.

도 7 내지 도 9를 참조하면, 본 발명의 일 실시예에 따른 신규 브랜드 크리에이팅 시스템(300)은 생산공정 및 판매처 관리부(310), 판매내역 관리부(320), 마케팅 효용성 관리부(330), 생산량 및 제고관리부(340) 및 평판 분석부(350)를 포함한다.

한편, 상기 신규 브랜드 크리에이팅 시스템(300)은 앞에서 상술한 추천상품을 개발 및 생산한 제품을 판매하는 판매업체(온/오프라인 판매처)의 해당 제품에 대한 광고 및 판매효율을 관리 및 분석한다.

또한, 상기 신규 브랜드 크리에이팅 시스템(300)은 판매량과 판매추이를 분석하여 가장 이상적인 생산량 대비 재고량을 산출하여 제공할 수 있다.

보다 구체적으로, 상기 생산공정 및 판매처 관리부(310)는 앞에서 상술한 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공부(200)에서 제공한 판매가능성 점수를 기초로, 추천상품을 제품화한다.

상기 제품화 및 판매처 계획관리부(310)는 추천상품을 제품화하는 데 필요한 재반비용 및 판매처를 계획 및 집행한다.

다음으로, 상기 판매내역 관리부(310)는 제품화 및 판매처 계획관리부(310)에서 계획 및 집행하여 제품화된 상품을 판매하는 판매처의 서버와 연동되어, 판매처에서 제공한 해당 상품의 판매내역(판매수익)을 제공받아 관리한다.

상기 마케팅 효용성 관리부(320)는 판매처 별 판매내역(판매수익) 및 광고비를 기초로 ROAS(Return on Ads Spending)를 산출하고, 산출된 ROAS 대비 매출액을 산출하여 마케팅 효용성을 분석한다.

참고로, ROAS(Return on Ads Spending)는 광고 집행비용 관련된 매출을 추적하는 지표로서, 상기 지표를 이용하여 판매처는 매출액과 마케팅 지출 비용만으로 빠르게 마케팅 성과가 좋은지 또는 판단하기에 유리하다.

즉, 판매처에서 온라인 광고의 효용성이 어느정도인 지를 수치적으로 판단할 수 있다.

다음으로, 생산량 및 제고예측 관리부(340)는 ROAS 대비 매출액을 통해 분석한 효용성 및 기간별 판매량를 기초로 판매추이를 예측 및 분석하고, 판매추이에 따라 재고량 및 생산량을 예측 및 조정한다.

또한, 생산량 및 재고예측 관리부(340)는 판매추이를 예측하는 데 있어, 후술하는 평판 분석부의 결과를 적용할 수 있다.

다음으로, 평판 분석부(350)는 소비자의 리뷰 및 제품 관련 컨텐츠(뉴스, 블로그 및 카페 게시물, SNS에 등록된 피드 등)를 수집하여 제품 반응도(긍정 또는 부정)에 대한 소비자의 구매평가를 분석한다.

도 10은 본 발명의 일 실시예에 따른 온라인 빅데이터를 활용한 소비자 분석 방법을 설명한 흐름도이다.

도 10에 도시된 바와 같이, 본 발명의 일 실시예에 따른 온라인 빅데이터를 활용한 소비자 분석 방법(S700)는 입력부가 클라이언트 단말의 정보 검색 플랫폼에서 제공된 키워드를 입력(S710)한다. 여기서, 키워드는 상품 또는 콘텐츠 종류, 유통지역, 검색자 나이/성별 등의 메타정보 등을 포함한다.

이후, 정보수집부(120)에서 복수 개의 외부서버(20)와 연동하여, 기 설정된 카테고리 범주 내에 포함된 적어도 하나 이상의 상품 또는 컨텐츠와 연관된 연관정보를 수집(S720)한다. 여기서, 연관정보는 판매량, 공급처, 공급루트, SNS 반응도, 검색량, 검색빈도 수, 성별/나이 등을 수집한다. 이때, 상기 정보수집부(120)는 수집된 연관정보들 중 정보공개처(웹 주소 등, SNS ID 등등)가 불명확 또는 부정확한 정보를 자체 필터링할 수 있다. 또한, 상기 정보수집부는 외부서버의 API를 이용하여 정보를 수집한다.

이후, 정보분류부(130)에서 정보수집부(120)에서 필터링되어 수집된 연관정보를 종류, 공급처, 공급루트, 인지도, 구매욕구도, 검색량, 반응도, 검색빈도 수, 검색자 성별/나이, 연관정보 출처로 분류(S730)한다. 여기서, 상기 정보분류부(130)는 하나 또는 복수 개의 프로세서에 해당할 수 있고, 프로세서는 다수의 논리 게이트들의 어레이(Array)로 구현될 수 있고, 범용적인 마이크로 프로세서와 이 마이크로 프로세서에서 실행될 수 있는 프로그램이 저장된 메모리의 조합으로 구현될 수도 있다.

또한, 정보분류부(130)는 컨볼루션 뉴럴 네트워크(Convolutional Neural Network, CNN) 기반 분류 구성으로 구현되는 실시 예에 대하여 설명하지만 이에 한정되는 것은 아니며, 상술한 다양한 알고리즘으로 구현될 수 있다.

상기 정보분류부(130)는 컨볼류션 뉴럴 네트워크로 연결된 복수 개의 분산저장소를 포함하고, 신규 종류의 상품생성 또는 기존의 상품이 소멸될 경우, 기존의 뉴럴 네트워크의 연계망의 형태를 가변시킬 수 있다.

이후, AI 분석부(140)에서 상기 정보분류부에서 분류된 연관정보들 간의 객체 종속성을 분석(S740)한다. 이때, 상기 AI 분석부(140)는 하기의 식 1을 이용하여 연관정보들 간의 객체 종속성을 분석한다.

[식 1]

여기서, r은 두 변수 간의 종속성을 수치적으로 나타낸 인자, Xi는 기 설정된 시간 동안에 수집된 인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 중 어느 하나이고,

는 평균 임계치이고, yi는 종류, 공급처, 공급루트, 노출빈도 중 어느 하나이고,

는 평균 임계치이다.

본원에서 언급하는 종속값(dependengy)은 제1 연관정보(인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 )와 제2 연관정보(기타 정보, 상품종류, 상품판매량, 시장노출 빈도수 등) 간의 연관성의 크기를 표시한다.

이후, 검색/추천부(150)에서 클라이언트 단말에서 입력된 키워드와 연관된 분류정보를 추출한 후, 인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 중 적어도 하나 이상과 반비례하는 객체 종속성을 갖는 복수 개의 상품 또는 상품군 중 사용자가 지정한 키워드에 가장 적합한 상품 또는 상품군을 추천(S750)한다.

상기 AI 검색 및 추출부(150)는 실시간으로 수집된 연관정보의 갱신정보에 따라 기 설정된 키워드에 가장 적합한 상품 또는 상품군을 예측하도록 학습한다.

한편, 본원에 개시된 고객 수요 분석 시스템(100)는 빅데이터를 구축하기 위하여, 저장된 로우 데이터 내에 포함된 비정형(Unstructed) 데이터, 정형(Structured) 데이터 및 반정형 데이터(Semi-structured)를 정제하고, 메타 데이터로 분류를 포함한 전처리를 실시할 수 있고, 전처리된 데이터를 데이터 마이닝(Data Mining)을 포함하는 분석을 실시할 수 있다. 그리고,안심거래 서비스 제공 서버(300)는, 분석된 데이터를 시각화하여 출력할 수 있다. 이때, 데이터 마이닝은, 전처리된 데이터 간의 내재된 관계를 탐색하여 클래스가 알려진 훈련 데이터 셋을 학습시켜 새로운 데이터의 클래스를 예측하는 분류(Classification) 또는 클래스 정보 없이 유사성을 기준으로 데이터를 그룹짓는 군집화(Clustering)를 수행할 수 있다. 물론, 이외에도 다양한 마이닝 방법이 존재할 수 있으며, 수집 및 저장되는 빅데이터의 종류나 이후에 요청될 질의(Query)의 종류에 따라 다르게 마이닝될 수도 있다. 이렇게 구축된 빅데이터는, 인공신경망 딥러닝이나 기계학습 등으로 검증과정을 거칠 수도 있다.

이때, 인공 신경망은 CNN(Convolutional neural network) 구조가 이용될 수 있는데, CNN은 컨볼루션 층을 이용한 네트워크 구조로 이미지 처리에 적합하며, 이미지 데이터를 입력으로 하여 이미지 내의 특징을 기반으로 이미지를 분류할 수 있기 때문이다.

또한, 텍스트 마이닝(Text Mining)은 비/반정형 텍스트 데이터에서 자연어처리 기술에 기반하여 유용한 정보를 추출, 가공하는 것을 목적으로 하는 기술이다. 텍스트 마이닝 기술을 통해 방대한 텍스트 뭉치에서 의미 있는 정보를 추출해 내고, 다른 정보와의 연계성을 파악하며, 텍스트가 가진 카테고리를 찾아내거나 단순한 정보 검색 그 이상의 결과를 얻어낼 수 있다. 이를 이용하여, 본 발명의 일 실시예에 따른 안심거래 서비스에서는, 질의로 입력되는 식별자나 자연어를 분석하고, 그 안에 숨겨진 정보를 발굴해 내기 위해 대용량 언어자원과 통계적, 규칙적 알고리즘이 사용될 수 있다.

또한, 본원에 개시된 온라인 빅데이터를 활용한 소비자 분석 시스템(100)는 수집한 빅데이터인 로우 데이터(Raw Data)를 병렬 및 분산하여 저장하고, 저장된 로우 데이터 내에 포함된 비정형(Unstructed) 데이터, 정형(Structured) 데이터 및 반정형 데이터(Semi-structured)를 정제하고, 메타 데이터로 분류를 포함한 전처리를 실시하고, 전처리된 데이터를 데이터 마이닝(Data Mining)을 포함하는 분석을 실시하여, 분석된 데이터를 시각화하여 출력할 수 있다.

도 11은 도 4에 도시된 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템을 이용한 마케팅 솔루션 제공 방법을 설명한 흐름도이고, .도 12는 도 11에 도시된 인플루언서 관리단계의 세부 흐름도이다.

도 11 및 도 12를 참조하면, 본 발명의 일 실시예에 따른 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 방법(S800)은 온라인 빅데이터를 활용한 소비자 분석 방법(S710)에서 제공한 추천 상품정보에 대한 최적의 마케팅 수단을 추천 및 제품화 가능성을 확인하기 위한 과정에 관한 것이다.

도 1에 도시된 온라인 빅데이터를 활용한 소비자 분석 시스템(100)로부터 추천 상품정보 및 이와 관련된 유사상품의 연관정보(예컨대, 유사제품 구매에 따른 신용카드 사용유무, 판매량, 판매처, 공급루트, SNS 반응도, 검색량, 검색빈도 수, 성별/나이, 지역분포 등)를 입력부가 수신(S810)한다.

이후, 소비자층 분석부(220)에서 입력된 유사상품의 연관정보에 따라 유사상품의 소비(구매)분포도를 시간 및 지역기반에 따라 연령, 월 구매액, 구매행동패턴 별로 소비자층을 분석(S820)한다.

이후, 상기 마케팅 수단 선정부(230)에서 분석된 다수의 소비자층의 특성에 따라 해당 제품의 마케팅 수단을 선정(S830)한다. 여기서, 마케팅 수단은 SNS 광고, 체험공모, 전자메일, 우편, 전화 등을 포함할 수 있다.

이후, 수요 및 공급지수 결정부(240)에서 지역, 연령, 구매액, 구매행동패턴 및 유사상품의 판매가격에 기초하여 추천 상품에 대한 공급량, 공급가격 등을 예측하여 결정(S840)한다. 여기서, 상기 수요지수(D)는 수요변수, 예컨대, 지역별로 분포된 유사상품을 구매한 구매자의 수, 판매량(특정기간), 구매의사, 홍보반응도로 산출된 인덱스일 수 있다.

상기 공급지수(P)는 수요지수(D)를 기초로 산출된 인덱스일 수 있다.

참고로, 상기 수요지수 및 공급지수는 후술하는 추천상품에 대한 고객 평가에 반영된다.

이후, 인플루언서 관리부(250)에서 추천상품과 관련된 인플루언서를 선별한 후, 선별된 인플루언서에게 기 설정된 기간동안 추천상품(브랜드)에 대한 광고 및 평가에 대한 활동을 요청하고, 광고 및 평가에 대한 결과정보를 제공(S850)한다.

상기 S850 단계는 인플루언서 등록부(252)에서 인플루언서의 SNS 활동량를 기준으로 상품종류(분야)별 인플루언서를 등록(S851)하는 단계일 수 있다. 이때, 인플루언서는 등록시, 기본 정보를 필수정보로 입력한다. 필수정보로는 활동 플랫폼, 플랫폼 계정 정보, 연락처 등일 수 있다.

다음으로, 인플루언서 검색 및 선정부(251)에서 추천상품과 관련된 상품에 대하여 SNS 활동을 하는 인플루언서를 검색한 후, 특정요건에 부합하는 인플루언서를 선정(S852)한다. 여기서, 특정요건은 주요 활동 매체의 수, 계정 연계자 사용자 수, 컨텐츠 방문 또는 조회 수, 컨텐츠 피드백 수 중 적어도 하나 이상이 포함된다. 여기서, 특정요건은 추천상품의 유형에 따라 가변될 수 있다.

다음으로, 인플루언서 활동량 분석부(253)에서 등록된 인플루언서가 포스팅한 컨텐츠를 플랫폼별로 크롤링(Crawling)하여 각 인프루언서의 활동정보를 수집(예를 들어, 인플루언서의 소셜 미디어 계정 정보, 블로그 계정 정보 또는 동영상 사이트 계정 정보 등 해당 인플루언서의 계정 정보를 기초로 해당 인플루언서의 활동 정보를 수집 및 분석(S853)한다.

여기서, 활동정보는 인플루언서의 플랫폼별 포스팅 컨텐츠 수, 플랫폼별 활동량, 컨텐츠 카테고리, 컨텐츠 내용, 컨텐츠 포맷, 활동 기간 및 피드백 중 적어도 하나 이상을 포함할 수 있다.

여기서, 인플루언서 활동량 분석부(253)의 분석과정은 다음과 같은 분석과정을 포함할 수 있다.

예컨대, 컨텐츠에 포함된 이미지, 영상 또는 텍스트를 추출하여 해당 인플루언서가 포스팅한 컨텐츠 내용을 데이터베이스화할 수 있고, 컨텐츠를 구성하는 구성요소(예를 들어, 이미지, 영상, 텍스트 등)의 종류 및 구성요소의 배열을 분석하여 해당 인플루언서가 자주 사용하는 컨텐츠 포맷을 분석하는 과정을 포함할 수 있다.

또한, 인플루언서가 포스팅한 컨텐츠에 연계된 타 사용자의 피드백(feedback)을 수집하여 피드백의 양과 피드백의 내용(예를 들어, 피드백 경향(긍정 또는 부정) 등)을 분석하는 과정을 포함할 수 있다.

여기서, 피드백 양과 피드백 내용은 컨텐츠 카테고리, 컨텐츠 내용 또는 컨텐츠 포맷과 연계하여 해당 인플루언서의 컨텐츠 카테고리별 피드백 추이, 컨텐츠 내용별 피드백 추이 또는 컨텐츠 포맷별 피드백 추이를 분석하는데 사용될 수 있다.

이때, 분석대상은 인플루언서에 요청한 추천상품에 대한 광고 및 평가요청 시점부터 종료시점까지의 활동 정보를 대상으로 한다.

예를 들어, 기 설정된 기간 동안 해당 인플루언서의 계정에서 발생된 컨텐츠 방문 또는 조회 수(예를 들어, 방문수, 기간 평균 방문수, 조회 수, 기간 평균 조회수 등), 컨텐츠 피드백 수(예를 들어, 댓글, 리트윗, '좋아요' 등) 및 피드백 경향(예를 들어, 긍정 또는 부정) 가운데 적어도 하나를 분석하여 분석 정보를 생성할 수 있다. 일 실시예에서, 신체 조건은 기본 정보로 미리 입력받을 수도 있고, 인플루언서가 포스팅한 컨텐츠의 내용 분석을 통해 획득될 수도 있다.

또한, 인플루언서의 광고 이력 정보를 기초로 인플루언서의 플랫폼별 광고 활동량, 주요 광고 플랫폼, 상품 또는 서비스 카테고리별 광고 내역, 상품 또는 서비스별 광고 효과(예를 들어, 광고 컨텐츠 방문수, 조회수, 피드백 수, 피드백 경향) 또는 상품 또는 서비스별 비용 대비 광고 효과 가운데 적어도 하나를 분석하여 분석 정보를 생성할 수 있다.

한편, S850 과정이 완료되면, 판매성공률 예측부(260)에서 수요지수, 공급지수, 인플루언서의 활동량 분석결과(점수)를 적용한 예측알고리즘을 이용하여 추천상품(브랜드)의 판매성공가능성을 예측(S860)한다.

여기서, 인플루언서이 활동량 분석결과는 기 설정된 매뉴얼에 따라 수치화된다.

참고로, 판매성공률 예측부(260)는 추천상품(브랜드)과 유사한 제품 또는 상품 중 성공적인 평가를 받는 상품 또는 제품들에 대한 수요지수의 평균값, 공급지수의 평균값을 저장한다.

판매성공률 예측부(260)는 하기의 식 2를 이용하여 성공률을 예측한다.

[식 2]

여기서, SSP는 판매성공 가능성이고, Index α는 추천상품(브랜드)의 수요지수이고, Index

는 유사상품(브랜드) 또는 제품들의 수요지수의 평균값이고, Index β는 추천상품(브랜드)의 공급지수이고, Index

는 유사상품(브랜드) 또는 제품들의 공급지수의 평균값이고,

는 인플루언서의 활동량 분석결과(점수)이다.

상기

는 인플루언서의 플랫폼별 광고 활동량, 주요 광고 플랫폼, 추천상품 대중피드백(예를 들어, 광고 컨텐츠 방문수, 조회수, 피드백 수) 등을 점수화하여 합산한 합산값일 수 있다.

도 13은 본 발명의 일 실시예에 따른 신규 브랜드 크리에이팅 방법을 나타낸 흐름도이다.

도 13을 참조하면, 본 발명의 일 실시예에 따른 신규 브랜드 크리에이팅 방법(S900)은 앞에서 상술한 추천상품을 개발 및 생산한 제품을 판매하는 판매업체(온/오프라인 판매처)의 해당 제품에 대한 광고 및 판매효율을 관리 및 분석하는 방법일 수 있다.

판매량과 판매추이를 분석하여 가장 이상적인 생산량 대비 재고량을 산출하여 제공하는 방법일 수 있다.

보다 구체적으로, 생산공정 및 판매처 관리부(310)에서 마케팅 솔루션 제공부(200)에서 제공한 판매가능성 점수를 기초로, 추천상품을 제품화(S910)한다.

이후, 상기 제품화 및 판매처 계획관리부(310)에서 추천상품을 제품화하는 데 필요한 재반비용 및 판매처를 계획 및 집행(S920)한다.

다음으로, 판매내역 관리부(310)는 제품화 및 판매처 계획관리부(310)에서 계획 및 집행하여 제품화된 상품을 판매하는 판매처의 서버와 연동되어, 판매처에서 제공한 해당 상품의 판매내역(판매수익)을 제공받아 관리(S930)한다.

상기 마케팅 효용성 관리부(320)는 판매처 별 판매내역(판매수익) 및 광고비를 기초로 ROAS(Return on Ads Spending)를 산출하고, 산출된 ROAS 대비 매출액을 산출하여 마케팅 효용성을 분석(S940)한다.

참고로, ROAS(Return on Ads Spending)는 광고 집행비용 관련된 매출을 추적하는 지표로서, 상기 지표를 이용하여 판매처는 매출액과 마케팅 지출 비용만으로 빠르게 마케팅 성과가 좋은지 또는 판단하기에 유리하다.

즉, 판매처에서 온라인 광고의 효용성이 어느정도인 지를 수치적으로 판단할 수 있다.

다음으로, 생산량 및 제고예측 관리부(340)는 ROAS 대비 매출액을 통해 분석한 효용성 및 기간별 판매량를 기초로 판매추이를 예측 및 분석하고, 판매추이에 따라 재고량 및 생산량을 예측 및 조정한다.

또한, 생산량 및 재고예측 관리부(340)는 판매추이를 예측하는 데 있어, 후술하는 평판 분석부의 결과를 적용할 수 있다.

다음으로, 평판 분석부(350)는 소비자의 리뷰 및 제품 관련 컨텐츠(뉴스, 블로그 및 카페 게시물, SNS에 등록된 피드 등)를 수집하여 제품 반응도(긍정 또는 부정)에 대한 소비자의 구매평가를 분석한다.

도 14는 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면으로, 상술한 하나 이상의 실시예를 구현하도록 구성된 컴퓨팅 디바이스(1100)를 포함하는 시스템(1000)의 예시를 도시한다. 예를 들어, 컴퓨팅 디바이스(1100)는 개인 컴퓨터, 서버 컴퓨터, 핸드헬드 또는 랩탑 디바이스, 모바일 디바이스(모바일폰, PDA, 미디어 플레이어 등), 멀티프로세서 시스템, 소비자 전자기기, 미니 컴퓨터, 메인프레임 컴퓨터, 임의의 전술된 시스템 또는 디바이스를 포함하는 분산 컴퓨팅 환경 등을 포함하지만, 이것으로 한정되는 것은 아니다.

컴퓨팅 디바이스(1100)는 적어도 하나의 프로세싱 유닛(1110) 및 메모리(1120)를 포함할 수 있다. 여기서, 프로세싱 유닛(1110)은 예를 들어 중앙처리장치(CPU), 그래픽처리장치(GPU), 마이크로프로세서, 주문형 반도체(Application Specific Integrated Circuit, ASIC), Field Programmable Gate Arrays(FPGA) 등을 포함할 수 있으며, 복수의 코어를 가질 수 있다.

메모리(1120)는 휘발성 메모리(예를 들어, RAM 등), 비휘발성 메모리(예를 들어, ROM, 플래시 메모리 등) 또는 이들의 조합일 수 있다. 또한, 컴퓨팅 디바이스(1100)는 추가적인 스토리지(1130)를 포함할 수 있다. 스토리지(1130)는 자기 스토리지, 광학 스토리지 등을 포함하지만 이것으로 한정되지 않는다. 스토리지(1130)에는 본 명세서에 개진된 하나 이상의 실시예를 구현하기 위한 컴퓨터 판독 가능한 명령이 저장될 수 있고, 운영 시스템, 애플리케이션 프로그램 등을 구현하기 위한 다른 컴퓨터 판독 가능한 명령도 저장될 수 있다. 스토리지(1130)에 저장된 컴퓨터 판독 가능한 명령은 프로세싱 유닛(1110)에 의해 실행되기 위해 메모리(1120)에 로딩될 수 있다. 또한, 컴퓨팅 디바이스(1100)는 입력 디바이스(들)(1140) 및 출력 디바이스(들)(1150)을 포함할 수 있다.

여기서, 입력 디바이스(들)(1140)은 예를 들어 키보드, 마우스, 펜, 음성 입력 디바이스, 터치 입력 디바이스, 적외선 카메라, 비디오 입력 디바이스 또는 임의의 다른 입력 디바이스 등을 포함할 수 있다. 또한, 출력 디바이스(들)(1150)은 예를 들어 하나 이상의 디스플레이, 스피커, 프린터 또는 임의의 다른 출력 디바이스 등을 포함할 수 있다. 또한, 컴퓨팅 디바이스(1100)는 다른 컴퓨팅 디바이스에 구비된 입력 디바이스 또는 출력 디바이스를 입력 디바이스(들)(1140) 또는 출력 디바이스(들)(1150)로서 사용할 수도 있다. 또한, 컴퓨팅 디바이스(1100)는 컴퓨팅 디바이스(1100)가 다른 디바이스(예를 들어, 컴퓨팅 디바이스(1300))와 통신할 수 있게 하는 통신접속(들)(1160)을 포함할 수 있다.

여기서, 통신 접속(들)(1160)은 모뎀, 네트워크 인터페이스 카드(NIC), 통합 네트워크 인터페이스, 무선 주파수 송신기/수신기, 적외선 포트, USB 접속 또는 컴퓨팅 디바이스(1100)를 다른 컴퓨팅 디바이스에 접속시키기 위한 다른 인터페이스를 포함할 수 있다. 또한, 통신 접속(들)(1160)은 유선 접속 또는 무선 접속을 포함할 수 있다. 상술한 컴퓨팅 디바이스(1100)의 각 구성요소는 버스 등의 다양한 상호접속(예를 들어, 주변 구성요소 상호접속(PCI), USB, 펌웨어(IEEE 1394), 광학적 버스 구조 등)에 의해 접속될 수도 있고, 네트워크(1200)에 의해 상호접속될 수도 있다. 본 명세서에서 사용되는 "구성요소", "시스템" 등과 같은 용어들은 일반적으로 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어, 또는 실행중인 소프트웨어인 컴퓨터 관련 엔티티를 지칭하는 것이다.

이상이 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 일 실시예들은 본 발명의 기술적 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

10: 상품정보 올인원 통합 처리 시스템
100: 온라인 빅데이터를 활용한 소비자 분석 시스템
110: 입력부
120: 정보수집부
130: 정보분류부
140: 분석부
150: 검색 및 추출부

Claims (6)

1. 클라이언트 단말에서 제공된 키워드 정보를 입력하는 입력부;
   복수 개의 외부서버와 연동하여, 기 설정된 카테고리 범주 내에 포함된 적어도 하나 이상의 상품 또는 컨텐츠와 연관된 연관정보를 수집하는 정보수집부;
   상기 정보수집부에서 수집된 연관정보를 종류, 공급처, 공급루트, 인지도, 구매욕구도, 검색량, 반응도, 검색빈도 수, 검색자 성별/나이, 연관정보 출처로 분류하는 정보분류부;
   상기 정보분류부에서 분류된 정보들 간의 객체 종속성을 분석하는 AI 분석부; 및
   상기 키워드와 연관된 분류정보를 추출한 후, 인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 중 적어도 하나 이상과 반비례하는 객체 종속성을 추출한 후, 추출된 객체 종속성의 개수가 가장 큰 상품을 추출하는 AI 검색 및 추출부를 포함하고,
   상기 AI 분석부는
   하기의 식 1을 이용하여 객체 종속성을 분석하고, 수집량의 변화에 따라 상기 객체 종속성을 가변시키는 온라인 빅데이터를 활용한 소비자 분석 시스템.
   [식 1]
   

   

   
   여기서, r은 두 변수 간의 종속성이고, Xi는 기 설정된 시간 동안에 수집된 인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 중 어느 하나이고,

   

   는 평균 임계치이고, yi는 종류, 공급처, 공급루트, 노출빈도 중 어느 하나이고,

   

   는 평균 임계치이다.
2. 제1항에 있어서,
   상기 정보수집부는
   상기 복수 개의 외부서버의 API를 이용하여 정보를 수집하는 온라인 빅데이터를 활용한 소비자 분석 시스템.
3. 삭제
4. 삭제
5. 입력부에서 클라이언트 단말에서 제공된 키워드 정보를 입력하는 단계;
   정보수집부에서 복수 개의 외부서버와 연동하여, 기 설정된 카테고리 범주 내에 포함된 적어도 하나 이상의 상품 또는 컨텐츠와 연관된 연관정보를 수집하는 단계;
   정보분류부에서 상기 정보수집부에서 수집된 연관정보를 종류, 공급처, 공급루트, 인지도, 구매욕구도, 검색량, 반응도, 검색빈도 수, 검색자 성별/나이, 연관정보 출처로 분류하는 단계;
   AI 분석부에서 상기 정보분류부에서 분류된 정보들 간의 객체 종속성을 분석하는 단계; 및
   AI 검색/추천부에서 상기 키워드와 연관된 분류정보를 추출한 후, 인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 중 적어도 하나 이상과 반비례하는 객체 종속성을 추출한 후, 추출된 객체 종속성의 개수가 가장 큰 상품을 추천하는 단계를 포함하고,
   상기 객체 종속성을 분석하는 단계는
   하기의 식 1을 이용하여 객체 종속성을 분석하고, 수집량의 변화에 따라 상기 객체 종속성을 가변시키는 온라인 빅데이터를 활용한 소비자 분석 방법.
   [식 1]
   

   

   
   여기서, r은 두 변수 간의 종속성이고, Xi는 기 설정된 시간 동안에 수집된 인지도, 관심도, 검색량, 반응도, 구매욕구도, 검색빈도 수 중 어느 하나이고,

   

   는 평균 임계치이고, yi는 종류, 공급처, 공급루트, 노출빈도 중 어느 하나이고,

   

   는 평균 임계치이다.
6. 삭제

Images