KR102321987B1

KR102321987B1 - 온라인 쇼핑몰 관리 시스템 및 방법

Info

Publication number: KR102321987B1
Application number: KR1020200003345A
Authority: KR
Inventors: 신동훈
Original assignee: 주식회사 샐러드랩
Priority date: 2020-01-09
Filing date: 2020-01-09
Publication date: 2021-11-04
Also published as: KR20210090035A

Abstract

본 실시예들은 제공자의 데이터 베이스에서 통합 정보를 수집하여 관리하는 정보 관리부, 통합 정보를 전달 받으며, 통합 정보를 분석하여 분석 결과를 생성하는 큐레이션부, 통합 정보를 전달받아 사용자 별로 분류하고 상품 별로 분류하며, 분류된 사용자 별로 상품을 매칭하는 데이터 매칭부 및 분석 결과 및 매칭을 기반으로 사용자의 상품 평가를 예측하는 예측부를 포함하는 온라인 쇼핑몰 관리 시스템을 제공한다.

Description

온라인 쇼핑몰 관리 시스템 및 방법{Petition System based on Petition History and Petitioner Profile Analysis}

본 발명은 온라인 쇼핑몰 관리 시스템 및 방법에 관한 것이다.

이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.

온라인 쇼핑몰 또는 인터넷 쇼핑몰은 인터넷 등을 이용하여 상품을 매매할 수 있는 가상의 상점을 의미하며, 오프라인 쇼핑몰과 달리 시간적, 공간적인 제약이 없기 때문에 소비자들은 시간과 위치의 제약 없이 비교적 저렴한 가격으로 상품을 구입할 수 있다. 온라인 쇼핑몰은 정보통신기술의 발전과 상품 구매의 편리성 등으로 인하여 최근 들어 시장규모가 성장하고 있다.

최근에는 큐레이션 알고리즘의 보급에도 불구하고 계속해서 더 많은 상품이 나오고 있으며, 소비자들은 여전히 상품 선택에 어려움이 있는 문제가 있다. 또한, 기존의 큐레이션 알고리즘은 소비자의 주문 정보 및 검색 정보를 학습하여 제공하는 수준에 그쳤으며, 소비자의 주문 정보 및 검색 정보를 통해 소비자들에게 상품 선택을 하는 것에는 한계가 있다.

본 발명의 실시예들은 큐레이션 알고리즘이 구매자의 주문 정보를 학습하는 수준을 넘어, 상품의 평가 정보를 포함해서 고객과 상품에 대해 학습하고, 상품을 추천하고, 최종적으로는 상품을 구매하기 전부터 사용 후의 평가까지 예측하는데 발명의 주된 목적이 있다.

본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 수 있다.

본 실시예의 일 측면에 의하면, 본 발명은 쇼핑몰의 데이터 베이스에서 사용자에 의해 형성된 통합 정보를 수집하여 관리하는 정보 관리부, 상기 사용자의 통합 정보 및 다수의 사용자의 통합 정보를 비교 분석하여 상기 사용자의 선호 물품을 나타내는 분석 결과를 생성하는 큐레이션부, 상기 통합 정보를 상기 사용자의 별로 분류하고 상품 별로 분류하며, 상기 분석 결과에 따라 상기 분류된 사용자 별로 상품을 매칭하는 데이터 매칭부 및 상기 분석 결과 및 상기 매칭을 기반으로 사용자가 상품 구매 전의 상품 평가를 예측하는 예측부를 포함하는 온라인 쇼핑몰 관리 시스템을 제공한다.

바람직하게는, 상기 정보 관리부는 트렌드 정보, 사용자의 개인 정보, 사용자의 구매 내역 정보, 상품별 작성된 리뷰의 정보, 또는 이들의 조합으로 형성된 상기 통합 정보를 수집하며, 상기 정보 관리부는 상기 통합 정보를 상기 큐레이션부 및 상기 데이터 매칭부에 제공하는 것을 특징으로 한다.

바람직하게는, 상기 정보 관리부는 상기 사용자의 개인 정보 및 상기 사용자의 구매 내역 정보를 관리하는 사용자 관리부, 상기 제공자가 제공하는 상품에 대해 카테고리 별로 분류하여 상품에 대한 정보를 관리하는 상품 관리부, 상기 사용자가 작성한 리뷰의 별점, 설문, 텍스트, 이미지, 또는 이들의 조합으로 형성된 리뷰를 관리하는 리뷰 관리부 및 상품과 관련하여 실시간으로 변화하는 상기 트렌드 정보를 관리하는 트렌드 관리부를 포함한다.

바람직하게는, 상기 큐레이션부는 상기 통합 정보 및 상기 사용자에 의해 새로 형성된 신규 통합 정보와 다수의 사용자의 통합 정보를 분석하여 각 사용자가 선호하는 선호 상품을 예측하며, 상기 선호 상품을 상기 사용자의 단말기에 전달하고, 상기 선호 상품은 상기 사용자의 통합 정보와 대응되는 다수의 사용자의 리뷰에 의해 선호하는 상품으로 판단하는 것을 특징으로 한다.

바람직하게는, 상기 데이터 매칭부는 상기 분석된 신규 통합 정보를 입력 받아 상기 분류된 사용자 및 상기 분류된 상품에 적용하여 상기 분류된 사용자 별로 상품을 재매칭하는 것을 특징으로 한다.

바람직하게는, 상기 정보 관리부는 사용자의 로그인 토큰 및 평점 리뷰 평가 URL을 생성하여 상기 사용자의 단말기에 제공하며, 상기 예측부는 평점, 주문 정보, 고객 정보가 확인되면 리뷰 작성 페이지를 출력하며, 상기 리뷰 작성 페이지에 예측 값을 표시하는 것을 특징으로 한다.

바람직하게는, 상기 예측부는 상기 사용자의 상품 평가를 예측한 예측 값을 상기 사용자의 단말기에 표시하며, 상기 예측부는 상기 사용자가 상기 예측 값을 수정하는 경우, 재평가된 예측 값을 표시하며, 상기 사용자가 상기 예측 값을 사용 결정하는 경우 리뷰가 등록되는 것을 특징으로 한다.

바람직하게는, 상기 예측부는 상기 예측한 사용자의 상품 평가를 상기 사용자의 상품 평가와 비교하여 유사도를 측정하여 상기 예측 값을 재평가하며, 상기 예측부는 상기 재평가된 상품 평가를 기반으로 상기 사용자의 상품 평가를 재예측하여 제공하는 것을 특징으로 한다.

바람직하게는, 상기 데이터 매칭부는 상기 큐레이션부에서 분석한 다수의 사용자가 작성한 상품에 대한 리뷰 내용이 중복된다고 판단되는 경우, 상기 중복되는 리뷰 글로 인식된 다수의 리뷰 글을 그룹화하여 병합된 내용을 하나의 병합 리뷰 글로 생성하며, 상기 병합 리뷰 글을 상기 사용자의 단말기에 제공하는 것을 특징으로 한다.

바람직하게는, 상기 예측부는 다수의 사용자의 구매 내역간의 유사도, 상기 다수의 사용자의 개인 정보간의 유사도 및 상기 다수의 사용자가 작성한 리뷰의 정보간의 유사도를 측정하며, 상기 예측부는 상기 유사도를 기반으로 상기 사용자에게 판매중인 상품 또는 상품 정보를 상기 사용자의 단말기에 제공하는 것을 특징으로 한다.

본 실시예의 다른 측면에 의하면, 본 발명은 온라인 쇼핑몰 관리 시스템에 의한 온라인 쇼핑몰 관리 방법에 있어서, 정보 관리부가, 쇼핑몰의 데이터 베이스에서 사용자에 의해 형성된 통합 정보를 수집하여 관리하는 단계, 큐레이션부가, 상기 사용자의 통합 정보 및 다수의 사용자의 통합 정보를 비교 분석하여 상기 사용자의 선호 물품을 나타내는 분석 결과를 생성하는 단계, 데이터 매칭부가, 상기 통합 정보를 상기 사용자의 별로 분류하고 상품 별로 분류하며, 상기 분석 결과에 따라 상기 분류된 사용자 별로 상품을 매칭하는 단계 및 예측부가, 상기 분석 결과 및 상기 매칭을 기반으로 사용자가 상품 구매 전의 상품 평가를 예측하는 단계를 포함하는 온라인 쇼핑몰 관리 방법을 제안한다.

바람직하게는, 상기 통합 정보를 수집하여 관리하는 단계는 상기 사용자의 개인 정보 및 상기 사용자의 구매 내역 정보를 관리하는 단계, 상기 제공자가 제공하는 상품에 대해 카테고리 별로 분류하여 상품에 대한 정보를 관리하는 단계, 상기 사용자가 작성한 리뷰의 별점, 설문, 텍스트, 이미지, 또는 이들의 조합으로 형성된 리뷰를 관리하는 단계 및 상품과 관련하여 실시간으로 변화하는 상기 트렌드 정보를 관리하는 단계를 포함한다.

바람직하게는, 상기 통합 정보를 분석하여 분석 결과를 생성하는 단계는 상기 통합 정보 및 신규 통합 정보를 분석하여 각 사용자가 선호하는 선호 상품을 예측하며, 상기 선호 상품을 상기 사용자의 단말기에 전달하는 것을 특징으로 한다.

바람직하게는, 상기 상품을 매칭하는 단계는 상기 분석된 신규 통합 정보를 입력 받아 상기 분류된 사용자 및 상기 분류된 상품에 적용하여 상기 분류된 사용자 별로 상품을 재매칭하는 것을 특징으로 한다.

바람직하게는, 상기 사용자의 상품 평가를 예측하는 단계는 상기 사용자의 상품 평가를 예측한 예측 값을 상기 사용자의 단말기에 표시하고, 상기 사용자가 상기 예측 값을 수정하는 경우, 재평가된 예측 값을 표시하며, 상기 사용자가 상기 예측 값을 사용 결정하는 경우 리뷰가 등록되고, 상기 사용자의 상품 평가를 예측하는 단계는 상기 예측한 사용자의 상품 평가를 상기 사용자의 상품 평가와 비교하여 유사도를 측정하여 상기 예측 값을 재평가하며, 상기 재평가된 상품 평가를 기반으로 상기 사용자의 상품 평가를 재예측하여 제공하는 것을 특징으로 한다.

이상에서 설명한 바와 같이 본 발명의 실시예들에 의하면, 구매자의 주문 정보를 학습하는 수준을 넘어, 상품의 평가 정보를 포함하여 고객과 상품에 대해 학습하고, 상품을 추천하고, 상품을 구매하기 전부터 사용 후의 평가까지 예측할 수 있는 효과가 있다.

여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급된다.

도 1은 본 발명의 일 실시 예에 따른 온라인 쇼핑몰 관리 시스템을 예시한 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 온라인 쇼핑몰 관리 시스템을 자세히 나타내는 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 온라인 쇼핑몰 관리 방법을 나타내는 흐름도이다.
도 4는 본 발명의 다른 실시 예에 따른 온라인 쇼핑몰 관리 방법을 나타내는 흐름도이다.
도 5는 본 발명의 일 실시 예에 온라인 쇼핑몰 관리 방법을 자세히 나타내는 흐름도이다.

이하, 본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하고, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다.

본 발명의 일 실시예에 따른 온라인 쇼핑몰 관리 시스템(10)에 대하여 도면을 참고하여 자세히 설명한다.

도 1은 본 발명의 일 실시 예에 따른 온라인 쇼핑몰 관리 시스템을 예시한 블록도이다. 도 1에 도시한 바와 같이, 온라인 쇼핑몰 관리 시스템(10)은 정보 관리부(100), 큐레이션부(200), 데이터 매칭부(300) 및 예측부(400)를 포함한다. 온라인 쇼핑몰 관리 시스템(10)은 도 1에서 예시적으로 도시한 다양한 구성요소들 중에서 일부 구성요소를 생략하거나 다른 구성요소를 추가로 포함할 수 있다.

이하에서, 온라인 쇼핑몰 관리 시스템(10)을 이용하는 사용자는 구매자, 고객, 주문자 등으로 정의될 수 있으며, 온라인 쇼핑몰 관리 시스템(10)을 사용하는 사람을 지칭하도록 정의할 수 있다.

기존의 온라인 쇼핑몰은 새로운 상품이 계속해서 나옴에　따라 온라인 쇼핑몰을 이용하는 사용자들이 상품을 선택하는데 어려운 문제가 있다. 이에 기존 온라인 쇼핑몰은 다양한 상품이 존재함에　따라 사용자의 선택을 저해한다. 기존 온라인 쇼핑몰은 사용자의 주민 정보 및 검색 정보를 활용하는데 활용 범위가 한정되어 있으며, 사용자의 요구에 따라 물품을 제공하기 어려운 문제가 있다.

따라서, 대부분의 큐레이션 알고리즘이 구매자의 주문 정보를 학습하는 수준을 넘어서 상품의 평가 정보를 포함해서 고객과 상품에 대해 더 자세히 학습하고, 상품을 추천하고, 최종적으로는 상품을 구매하기 전부터 사용 후의 평가까지 예측할 수 있는 온라인 쇼핑몰 관리 시스템(10)이 필요하다.

기존에 온라인 쇼핑몰을 사용하는 사용자의 리뷰 참여가 저조하여 해당 데이터에 대한 추가적인 분석 작업이 이루어지지 않지만, 온라인 쇼핑몰 관리 시스템(10)은 다수의 사용자의 개인 정보, 구매 내역 및 리뷰를 이용하여 이를 기반으로 온라인 쇼핑몰을 사용하는 사용자에게 맞는 물품을 추천해줄 수 있다.

온라인 쇼핑몰 관리 시스템(10)은 사용자의 개인 정보, 리뷰 데이터, 트렌드 등을 고려하여 상품을 구매하기 전부터 사용 후의 평가까지 예측하여 사용자에게 제공할 수 있다.

온라인 쇼핑몰 관리 시스템(10)은 게재된 리뷰 내용을 다각도로 분석한 자료를 사용자에 제공하여 개별 문제에 대한 입체적인 이해를 돕고, 사용자에게 추천하기 위한 물품의 우선 순위를 정하여 사용자의 물품 선택을 유도할 수 있다. 또한, 온라인 쇼핑몰 관리 시스템(10)은 개별 사용자들의 특성(기본 인적 정보, 구매 내역, 기존 상품 평가 정보, 작성 리뷰 정보 등)에 따른 정보 분석을 제공하며, 축적된 리뷰 데이터에 기반하여 자체 기반 빅데이터 분석을 진행할 수 있다.

온라인 쇼핑몰 관리 시스템(10)은 고객 분류 및 상품 추천을 넘어 사용 시 평가까지 예측할 수 있다. 온라인 쇼핑몰 관리 시스템(10)은 고객을 분류하고, 고객 별로 상품을 추천하며, 고객의 상품 평가를 예측할 수 있다.

정보 관리부(100)는 제공자의 데이터 베이스에서 통합 정보를 수집하여 관리할 수 있다.

큐레이션부(200)는 통합 정보를 전달 받으며, 통합 정보를 분석하여 분석 결과를 생성할 수 있다.

데이터 매칭부(300)는 통합 정보를 전달받아 사용자 별로 분류하고 상품 별로 분류하며, 분류된 사용자 별로 상품을 매칭할 수 있다.

예측부(400)는 분석 결과 및 매칭을 기반으로 사용자의 상품 평가를 예측할 수 있다.

온라인 쇼핑몰 관리 시스템(10)의 정보 관리부(100), 큐레이션부(200), 데이터 매칭부(300) 및 예측부(400)는 도 2를 참조하여 자세히 설명한다.

도 2는 본 발명의 일 실시 예에 따른 온라인 쇼핑몰 관리 시스템을 자세히 나타내는 블록도이다.

정보 관리부(100)는 트렌드 정보, 사용자의 개인 정보, 사용자의 구매 내역 정보, 상품별 작성된 리뷰의 정보, 또는 이들의 조합으로 형성된 통합 정보를 수집할 수 있다.

정보 관리부(100)는 통합 정보를 큐레이션부(200) 및 데이터 매칭부(300)에 제공할 수 있다.

정보 관리부(100)는 사용자의 로그인 토큰 및 평점 리뷰 평가 URL을 생성하여 사용자의 단말기(20)에 제공할 수 있다.

정보 관리부(100)는 사용자 관리부(110), 상품 관리부(120), 리뷰 관리부(130) 및 트렌드 관리부(140)를 포함한다. 정보 관리부(100)는 도 1에서 예시적으로 도시한 다양한 구성요소들 중에서 일부 구성요소를 생략하거나 다른 구성요소를 추가로 포함할 수 있다.

사용자 관리부(110)는 사용자의 개인 정보 및 사용자의 구매 내역 정보를 관리할 수 있다.

구체적으로, 사용자 관리부(110)는 기존 고객의 정보를 관리할 수 있으며, 고객 정보, 구매 내역 등을 관리할 수 있으며, 반드시 이에 한정되는 것은 아니다. 여기서, 고객 정보는 고객의 신체 정보, 연령, 주소 등을 포함할 수 있다. 구매 내역은 이전 구매 내역 및 현재 구매내역을 포함할 수 있다.

사용자 관리부(110)는 다수의 고객의 구매 패턴 평가 및 예측할 수 있다.

본 발명의 일 실시예에 따르면, 사용자 관리부(110)에서 관리하는 사용자는 회원 유저와 비회원 유저로 나뉠 수 있다. 구체적으로 회원 유저는 고객의 정보를 입력하여 구매 내역 및 검색 정보를 온라인 쇼핑몰에 제공하는 유저로서, 고객 분류, 상품 추천 및 사용 시 평가를 예측 시 필요한 정보를 제공하여 상품 추천 및 사용 시 평가 예측을 받을 수 있는 유저이다. 구체적으로 비회원 유저는 고객의 기본적인 기본 정보를 나타내는 지역, 휴대폰 번호만을 제공하며 추후 상품 추천 및 사용 시 평가 예측을 받을 수 없는 유저일 수 있다.

본 발명의 일 실시예에 따르면, 온라인 쇼핑몰 관리 시스템(10)을 사용하기 위해 처음 웹 또는 앱에 방문 시 회원 가입을 진행할 수 있으며, 사용자 관리부(110)는 회원 가입을 통해 온라인 쇼핑몰 관리 시스템(10)을 사용하는 사용자의 개인 정보 입력을 수행할 수 있다. 여기서, 사용자의 개인 정보는 이름, 연락처, 주소, 생년월일, 신체 사이즈, 소득, 관심 분야 또는 이들의 조합을 포함할 수 있다. 사용자의 개인 정보는 회원 가입 시 동의를 얻어 수집하며, 추가적으로 데이터 분석에 필요한 정보를 더 입력하여 수집할 수 있다.

상품 관리부(120)는 제공자가 제공하는 상품에 대해 카테고리 별로 분류하여 상품에 대한 정보를 관리할 수 있다.

구체적으로, 상품 관리부(120)는 상품의 카테고리, 상품의 이름, 상품의 이미지, 상품의 사이즈, 상품의 디테일, 상품의 컬러 등을 관리할 수 있으며, 반드시 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따르면, 상품 관리부(120)는 사용자가 회원 가입 시 관심 물품을 선택할 수 있다. 관심 물품은 디자인, 컬러, 선호 메이커 등을 기반으로 선택할 수 있으며, 반드시 이에 한정되지 않는다.

리뷰 관리부(130)는 사용자가 작성한 리뷰의 별점, 설문, 텍스트, 이미지, 또는 이들의 조합으로 형성된 리뷰를 관리할 수 있다.

구체적으로, 리뷰 관리부(130)는 별점, 설문, 텍스트, 이미지의 여부 등을 관리할 수 있으며. 반드시 이에 한정되는 것은 아니다.

트렌드 관리부(140)는 상품과 관련하여 실시간으로 변화하는 트렌드 정보를 관리할 수 있다.

구체적으로, 트렌드 관리부(140)는 급상승 구매 내역, 검색량 등을 포함할 수 있으며, 매년 변화하는 컬러 트렌드, 트렌드 키워드, 트렌드 소비 등의 몇 달에서 일 년 단위로 변화하는 트렌드들의 정보를 관리할 수 있다. 트렌드 관리부(140)는 실시간 날씨 정보 등을 더 포함할 수 있다.

여기에서, 사용자의 개인 정보는 사용자의 성별, 나이, 거주 지역, 직업 정보, 개인 정보 등록 일자 정보 및 기존의 거래 내역 정보를 포함할 수 있다. 상품에 대한 상품 정보는 해당 제품의 제품 코드 정보, 상위 그룹의 제품 코드 정보를 포함할 수 있다. 사용자가 작성한 리뷰 정보는 제품 만족도, 배송 만족도 정보를 포함할 수 있다. 여기에서 제품 만족도 정보는 제품 디자인, 제품 성능, 포장 상태 등에 대한 세부 만족도 정보를 포함할 수 있다. 또한, 상기 기존의 거래 내역 정보에는 이미 거래한 히스토리 정보로서, 구매한 상품에 대한 상품 정보, 평가 리뷰 정보, 구매 시기 정보 등을 포함한다.

큐레이션부(200)는 통합 정보 및 신규 통합 정보를 분석하여 각 사용자가 선호하는 선호 상품을 예측하며, 선호 상품을 상기 사용자의 단말기에 전달할 수 있다.

본 발명의 일 실시예에 따르면, 큐레이션부(200)는 리뷰 글의 자극성, 사용자의 영향력, 리뷰 글의 이슈성, 앱 또는 웹 사용자의 수, 리뷰 글의 감정 점수(감정 분석) 등을 변수로 사용하여 리뷰 글에 따른 상품 추천 여부를 예측할 수 있다. 예를 들어, 리뷰 글의 자극성은 리뷰 작성 시 사용된 단어가 얼마나 자극적인지에 대해 점수를 부여할 수 있으며, 자극적인 단어는 온라인 쇼핑몰 관리 시스템(10)을 관리하는 관리자가 설정할 수 있다. 사용자의 영향력은 사용자의 개인 정보, 사용자가 쓴 리뷰 글 등을 기반으로 변수를 부여한다.

큐레이션부(200)는 리뷰 글의 자극성, 사용자의 영향력, 리뷰 글의 이슈성, 앱 또는 웹 사용자의 수, 리뷰 글의 감정 점수(감정 분석) 각각에 우선 순위를 부여할 수 있다. 구체적으로, 자극성에 변수가 마이너스가 되더라도 설정된 우선 순위에 따라 상품 추천 예측은 변화할 수 있다. 큐레이션부(200)는 우선 순위를 먼저 설정하고, 상술한 리뷰 글의 자극성, 사용자의 영향력, 리뷰 글의 이슈성, 앱 또는 웹 사용자의 수, 리뷰 글의 감정 점수(감정 분석) 각각에 대한 변수를 판단하여 최종 상품 추천 여부를 예측하여 단말기(20)로 제공할 수 있다.

데이터 매칭부(300)는 분석된 신규 통합 정보를 입력 받아 분류된 사용자 및 분류된 상품에 적용하여 분류된 사용자 별로 상품을 재매칭할 수 있다.

데이터 매칭부(300)는 큐레이션부(200)에서 분석한 다수의 사용자가 작성한 상품에 대한 리뷰 내용이 중복된다고 판단되는 경우, 중복되는 리뷰 글로 인식된 다수의 리뷰 글을 그룹화하여 병합된 내용을 하나의 병합 리뷰 글로 생성할 수 있다.

온라인 쇼핑몰 관리 시스템(10)은 상술한 병합 리뷰 사용자(20)의 단말기에 제공할 수 있다.

본 발명의 일 실시예에 따르면, 데이터 매칭부(300)는 사용자가 웹 또는 앱에서 리뷰를 작성하고 등록하면 온라인 쇼핑 시스템(10)을 이용하는 다수의 사용자들이 등록한 내용들을 수집하여 분류할 수 있다. 구체적으로, 분류는 사용자의 나이, 신체 사이즈 등을 통해 사용자의 정보를 분류할 수 있으며, 사용자의 상품 구매 내역, 서칭 내역 등을 기준으로 물품을 분류할 수 있으며, 반드시 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따르면, 데이터 매칭부(300)는 큐레이션부(200)를 통해 분석한 신규 통합 정보를 지속적으로 적용하여 재매칭하며, 재매칭된 결과를 기반으로 사용자의 단말기(20)에 새로운 물품 매칭 알람을 전송할 수 있다.

데이터 매칭부(300)에서 새로운 물품 매칭 시 사용자에게 수집한 정보들을 기반으로 우선 순위에 따른 서로 다른 포인트를 부여하여 물품 매칭을 수행하여 제공할 수 있다. 예를 들어, 사용자는 가격을 우선 순위로 설정할 수 있으며, 가격, 선호 브랜드, 컬러 등의 우선 순위를 설정하여 사용자에게 알맞은 물품을 매칭하여 제공할 수 있다.

데이터 매칭부(300)는 재매칭을 다수의 리뷰 정보를 주관이나 관점에 따라 재매칭할 수 있으며, 반드시 이에 한정되는 것은 아니다.

데이터 매칭부(300)는 통합 정보 및 신규 통합 정보에서 취합된 데이터를 통해 각 사용자가 선호하는 선호 물품을 머신 러닝을 통해 예측하며, 큐레이션부(200)를 통해 사용자에게 선호 물품을 제공하기 위해 단말기(300)로 선호 물품 정보를 전달할 수 있다. 여기서, 통합 데이터는 정보 관리부(100)에서 사용자 정보, 상품 정보, 리뷰 정보 및 트렌드 정보를 기반으로 분류되며, 신규 통합 정보는 정보 관리부(100)에서 사용자에 의해 새로 형성될 수 있다.

본 발명의 일 실시예에 따르면, 데이터 매칭부(300)는 사용자의 개인 정보를 기반으로 물품을 목적에 따라 분류하고 전달할 수 있다. 데이터 매칭부(300)는 큐레이션(200)을 통해 통합 정보를 목적에 따라 분류하고 분석하며, 분류하고 분석한 결과를 단말기(20)에 전달할 수 있다.

본 발명의 일 실시예에 따르면, 데이터 매칭부(300)는 큐레이션부(200)에서 사용자가 등록하는 리뷰 글을 분석하고, 큐레이션부(200)에서 다수의 사용자들이 등록한 리뷰 글을 주기적으로 분석하여 중복되는 리뷰 글을 병합할 수 있다. 이는 같은 내용의 다수의 리뷰 글이 다수 존재하여 다른 사용자로 하여금 다양한 종류의 리뷰 글을 확인하기 어렵고, 계속해서 중복되는 리뷰 글에 따른 관심이 분산되는 것을 방지할 수 있다.

구체적으로, 데이터 매칭부(300)는 사용자가 등록하기 전 리뷰 내용을 큐레이션부(200)에서 분석하여 중복된다고 판단하는 경우 단말기(20)를 통해 사용자에게 중복 여부를 알리며 하나의 리뷰 글로 병합할 수 있다. 단말기(20)는 추천된 리뷰 내용에 대해 사용자로부터 병합 여부를 확인하여 수행한다. 단말기(20)는 사용자의 요청을 통해 중복된다고 판단된 리뷰 글을 하나의 리뷰 글로 병합하고, 중복되지 않는다고 판단 시 새로운 리뷰 글의 등록을 수행할 수 있다. 이를 통해 사용자 스스로도 리뷰 글의 중복 여부를 체크할 수 있으며, 미처 체크하지 못한 경우 후술하는 바와 같이 큐레이션부(200)에서 지속적인 분석을 통해 중복되는 리뷰 글을 병합할 수 있다.

본 발명의 일 실시예에 따르면, 큐레이션부(200)는 텍스트 마이닝(Text Mining)을 이용하여 다수의 사용자들이 등록한 리뷰 제목 및 리뷰 내용의 단어를 추출하고, 히스토리로서 저장된 기존의 리뷰 글에서 추출한 단어들과 비교하여 기 설정된 유사도를 넘을 경우 중복되는 리뷰 글로 인식할 수 있다. 리뷰 관리부(130)는 중복되는 리뷰 글로 인식된 다수의 리뷰 글을 그룹화하여 병합된 내용을 하나의 병합 리뷰 글로 생성하여 제공할 수 있다.

본 발명의 또 다른 일 실시예에 따르면, 데이터 매칭부(300)는 데이터베이스에 기록된 리뷰 정보와 현재 입력된 리뷰 입력 정보 간의 상관성을 고려하여, 현재의 물품에 대한 리뷰를 사용자에게 제공할 수 있다.

예측부(400)는 평점, 주문 정보, 고객 정보가 확인되면 리뷰 작성 페이지를 출력하며, 상기 리뷰 작성 페이지에 예측 값을 표시할 수 있다.

예측부(400)는 사용자의 상품 평가를 예측한 예측 값을 사용자의 단말기(20)에 표시할 수 있다.

예측부(400)는 사용자가 예측 값을 수정하는 경우, 재평가된 예측 값을 표시하며, 사용자가 예측 값을 사용 결정하는 경우 리뷰가 등록될 수 있다.

예측부(400)는 예측한 사용자의 상품 평가를 사용자의 상품 평가와 비교하여 유사도를 측정하여 상기 예측 값을 재평가할 수 있다. 예측부(400)는 재평가된 상품 평가를 기반으로 사용자의 상품 평가를 재예측하여 제공할 수 있다.

예측부(400)는 다수의 사용자의 구매 내역간의 유사도, 다수의 사용자의 개인 정보간의 유사도 및 다수의 사용자가 작성한 리뷰의 정보간의 유사도를 측정할 수 있다.

본 발명의 일 실시예에 따르면, 예측부(400)는 입력된 리뷰와 리뷰 히스토리로서 저장된 기존의 리뷰간의 유사도를 나타내는 점수를 계산할 수 있다. 점수는 예를 들어, 리뷰 내용 간의 유사도를 기준으로 하는 리뷰 내용 유사도 지수, 사용자의 개인 정보 간의 유사도를 기준으로 하는 사용자 유사도 지수를 포함할 수 있다. 또한, 리뷰 내용 중에 반복되어 등장하는 브랜드 네임 또는 판매 정보 등의 명사는 리뷰의 물품과 관련이 될 수 있으므로 리뷰 내용에 포함된 텍스트로부터, 반복되어 등장하는 고유 명사를 추출하고, 대비되는 리뷰들 간에 고유 명사 유사도 점수를 더욱 산출할 수도 있다. 예측부(400)는 산출된 하나의 점수 또는 가중치에 따라 합산된 복수개의 점수를 최종적인 유사도 점수로 산출 할 수 있다. 유사도 점수가 설정된 값 이상인 경우, 유사도를 기반으로 사용자에게 판매중인 상품 또는 상품 정보를 제공할 수 있다. 구체적으로, 사용자간의 유사도 점수가 높을 경우, 각 사용자의 구매 내역을 바탕으로 판매중인 상품 또는 상품 정보를 추천할 수 있으며, 상품 또는 상품 정보를 추천하는데 있어서 하나의 요소로 유사도를 더욱 고려할 수 있다.

예측부(400)는 상기 유사도를 기반으로 상기 사용자에게 판매중인 상품 또는 상품 정보를 상기 사용자의 단말기에 제공할 수 있다.

본 발명의 일 실시예에 따르면, 예측부(400)는 사용자의 리뷰 평가에 대한 예측 값이 반영된 리뷰 작성 페이지를 사용자의 단말기(20)에 제공할 수 있다.

큐레이션부(200)는 통합 정보를 분석한 분석데이터를 사용자의 단말기(20)에 전달할 수 있다. 예측부(400)는 통합 정보 또는 신규 통합 정보를 분석하여 각 사용자가 선호하는 선호 물품을 예측하며, 데이터 매칭부(300)에서 재매칭하여 선호 물품을 사용자의 단말기(20)에 전달할 수 있다.

단말기(20)는 앱 또는 웹으로 형성되어 있으며, 스마트폰 또는 컴퓨터일 수 있으며, 반드시 이에 한정되는 것은 아니다.

큐레이션부(200)는 기 획득된 사용자의 개인 정보, 상품 정보, 평가 리뷰 정보간의 상관 관계 분석을 통해, 평가 리뷰 결과와 관련성이 상대적으로 높은 평가 예측 인자를 결정할 수 있다. 예를들어, 큐레이션부(200)는 제품 코드 정보 별로 제1 변수와 제2 변수 간의 상관 계수를 계산한다. 여기에서 제1 변수는 사용자의 개인 정보에서 선택되는 하나의 정보로서, 예를 들어 나이 정보일 수 있다. 제2 변수는 제품 만족도 또는 배송 만족도 정보로서, 예를 들어 제품 만족도 정보일 수 있다. 즉, 큐레이션부(200)는 제품 코드 별로 나이와 제품 만족도 간의 상관 계수를 산출하고, 상관 계수가 미리 정해진 기준 보다 클 경우, 큐레이션부(200)는 해당 제품 코드에 대하여, 높은 제품 만족도를 보이는 나이 연령대를 결정할 수 있다. 큐레이션부(200)는 사용자의 개인 정보에 포함된 각 정보에 대하여 상관 관계를 분석하여, 상관 관계가 높은 평가 예측 인자를 결정하고, 해당 평가 예측 인자별로 높은 제품 만족도를 보이는“상관 추천 구간”을 결정할 수 있다. 즉, 큐레이션부(200)는 제품 코드별, 제품별 분석을 통해 “평가 예측 인자”와, “상관 추천 구간”을 결정할 수 있다.

또한, 큐레이션부(200)는 제품 만족도에 대한 상승도를 고려한 분석을 수행할 수 있다. 제품 만족도에 대한 상승도 분석은, 제품 만족도에 대한 미분을 이용하여 수행될 수 있다. 과거로부터 현재까지 일정한 시간 기간 동안 제품 만족도에 대한 미분값이 꾸준히 플러스가 관측되는 제품 코드, 또는 제품 그룹의 경우, 해당 제품에 대한 사용자들의 만족도가 꾸준히 향상되는 것을 의미한다. 큐레이션부(200)는 사용자 개인 정보 각각에 대한 시계열적인 분석을 통해, 상대적으로 높은 변이가 발생한 변이 유발 인자를 산출할 수 있다. 예를 들어, 10대 소비자가 꾸준히 증가하고 있는 패턴으로 나타난 경우, 큐레이션부(200)는 “나이 정보”를 “변이 유발 인자”로 결정할 수 있고, 10대 연령대 구간을 “트렌드 기반 추천 구간” 으로 결정할 수 있다.

상술한 바와 같은 분석을 통해 큐레이션부(200)는 제품별로 “평가 예측 인자”, “상관 추천 구간”을 결정할 수 있고, 꾸준한 선호도 상승이 나타나는 제품에 대하여는“변이 유발 인자”, “트렌드 기반 추천 구간”도 결정할 수 있다.

예측부(400)는 “평가 예측 인자”, “상관 추천 구간”을 이용하여 사용자(고객)별로 높은 제품 만족도가 예상되는 적어도 하나의 후보 제품을 사용자에게 추천할 제품으로 결정하고, 사용자 단말측으로 추천할 제품에 대한 추천 정보를 제공할 수 있다. 여기서 추천 정보는 해당 제품에 대한 정보는 물론, 평가 URL 정보를 더 포함한다. 여기서 평가 URL 정보는 예측부(400)가 해당 상품에 대한 상품 평가를 예측한 것이다. 이미, 큐레이션부(200)는 제품 만족도가 높은 제품을 추천하기로 결정한 것인데, 세부 만족도 정보를 고려하여 해당 제품에 대한 평가 리뷰 정보를 예측할 수 있다. 평가 리뷰 정보를 예측함에 있어서는, 상술한 바와 같이 “평가 예측 인자”, “상관 추천 구간”, “변이 유발 인자” 및 “트렌드 기반 추천 구간”정보를 기반으로 관련도가 높은 기존의 리뷰 히스토리 정보를 불러오고, 기존의 리뷰 히스토리 정보를 이용하여 현재 사용자의 평가 리뷰 결과를 예측할 수 있다. 평가 리뷰 결과의 예측시에는, “성별, 나이, 거주지역, 직업 정보, 개인 정보 등록 일자” 정보가 유사한 리뷰 히스토리 정보가 우선적으로 활용될 수 있지만, 상술한 바와 같이 긍정적인 측면에서 높은 상관 관계를 보이는 “평가 예측 인자”가 더 중요한 것이므로, 이에 대한 가중치를 높인 상태에서 평가 리뷰 결과를 예측하는 것이 바람직하다.

도 3은 본 발명의 일 실시 예에 따른 온라인 쇼핑몰 관리 방법을 나타내는 흐름도이다. 온라인 쇼핑몰 관리 방법은 온라인 쇼핑몰 관리 시스템에 의하여 수행될 수 있으며, 온라인 쇼핑몰 관리 시스템이 수행하는 동작에 관한 상세한 설명과 중복되는 설명은 생략하기로 한다.

온라인 쇼핑몰 관리 방법은 제공자의 데이터 베이스에서 통합 정보를 수집하여 관리하는 단계(S310), 통합 정보를 전달 받으며, 통합 정보를 분석하여 분석 결과를 생성하는 단계(S320), 통합 정보를 전달받아 사용자 별로 분류하고 상품 별로 분류하며, 분류된 사용자 별로 상품을 매칭하는 단계(S330) 및 분석 결과 및 매칭을 기반으로 사용자의 상품 평가를 예측하는 단계(S340)를 포함한다.

제공자의 데이터 베이스에서 통합 정보를 수집하여 관리하는 단계(S310)는 정보 관리부가 쇼핑몰의 데이터 베이스에서 사용자에 의해 형성된 통합 정보를 수집하여 관리할 수 있다.

제공자의 데이터 베이스에서 통합 정보를 수집하여 관리하는 단계(S310)는 사용자의 개인 정보 및 사용자의 구매 내역 정보를 관리하는 단계, 제공자가 제공하는 상품에 대해 카테고리 별로 분류하여 상품에 대한 정보를 관리하는 단계, 사용자가 작성한 리뷰의 별점, 설문, 텍스트, 이미지, 또는 이들의 조합으로 형성된 리뷰를 관리하는 단계 및 상품과 관련하여 실시간으로 변화하는 트렌드 정보를 관리하는 단계를 포함한다.

통합 정보를 전달 받으며, 통합 정보를 분석하여 분석 결과를 생성하는 단계(S320)는 큐레이션부가 상기 사용자의 통합 정보 및 다수의 사용자의 통합 정보를 비교 분석하여 상기 사용자의 선호 물품을 나타내는 분석 결과를 생성할 수 있다.

통합 정보를 전달 받으며, 통합 정보를 분석하여 분석 결과를 생성하는 단계(S320)는 통합 정보 또는 신규 통합 정보를 분석하여 각 사용자가 선호하는 선호 상품을 예측하며, 상기 선호 상품을 상기 사용자의 단말기에 전달할 수 있다.

통합 정보를 전달받아 사용자 별로 분류하고 상품 별로 분류하며, 분류된 사용자 별로 상품을 매칭하는 단계(S330)는 데이터 매칭부가 상기 통합 정보를 상기 사용자의 별로 분류하고 상품 별로 분류하며, 상기 분석 결과에 따라 상기 분류된 사용자 별로 상품을 매칭할 수 있다.

통합 정보를 전달받아 사용자 별로 분류하고 상품 별로 분류하며, 분류된 사용자 별로 상품을 매칭하는 단계(S330)는 분석된 신규 통합 정보를 입력 받아 분류된 사용자 및 분류된 상품에 적용하여 분류된 사용자 별로 상품을 재매칭할 수 있다.

분석 결과 및 매칭을 기반으로 사용자의 상품 평가를 예측하는 단계(S340)는 예측부가 상기 분석 결과 및 상기 매칭을 기반으로 사용자가 상품 구매 전의 상품 평가를 예측할 수 있다.

분석 결과 및 매칭을 기반으로 사용자의 상품 평가를 예측하는 단계(S340)는 사용자의 상품 평가를 예측한 예측 값을 사용자의 단말기에 표시하고, 사용자가 예측 값을 수정하는 경우, 재평가된 예측 값을 표시하며, 사용자가 상기 예측 값을 사용 결정하는 경우 리뷰가 등록될 수 있다.

분석 결과 및 매칭을 기반으로 사용자의 상품 평가를 예측하는 단계(S340)는 예측한 사용자의 상품 평가를 사용자의 상품 평가와 비교하여 유사도를 측정하여 예측 값을 재평가하며, 재평가된 상품 평가를 기반으로 사용자의 상품 평가를 재예측하여 제공할 수 있다.

도 3에서는 각각의 과정을 순차적으로 실행하는 것으로 개재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 3에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.

도 4는 본 발명의 다른 실시 예에 따른 온라인 쇼핑몰 관리 방법을 나타내는 흐름도이다.

도 4를 참조하면, 온라인 쇼핑몰 관리 방법은 쇼핑몰 DB에서 기존 정보 수집(S410), 평가 엔진을 통해 데이터 분류 및 매칭(S420), 새로운 상품 평가 수집 및 예측(S430) 및 엔진 정확도 평가(S440)를 포함한다.

쇼핑몰 DB에서 기존 정보 수집(S410)은 트렌드 정보, 기존 고객의 정보, 기존 상품 평가 정보 및 상품별 작성된 리뷰의 만족도 정보를 수집할 수 있다.

트렌드 정보는 날씨, 급상승 구매, 검색량 등을 포함할 수 있으며, 트렌드 관리부(140)를 통해 관리 및 저장될 수 있다.

기존 고객의 정보는 고객 정보, 구매 내역, 타 고객 구매 패턴 평가 정보 및 예측 정보를 포함할 수 있다. 구체적으로, 고객 정보는 고객의 신체 정보, 고객의 연령 등을 포함할 수 있으며, 구매 내역은 이전 구매 내역 및 현재 구매 내역을 포함할 수 있다. 기존 고객의 정보는 사용자 관리부(110)를 통해 관리 및 저장될 수 있다.

기존 상품 평가 정보는 상품 카테고리, 이름, 이미지, 사이즈, 디테일, 컬러 등을 포함할 수 있으며, 상품 관리부(120)를 통해 관리 및 저장될 수 있다.

상품별 작성된 리뷰의 만족도 정보는 별점, 설문, 텍스트, 이미지의 여부를 포함할 수 있으며, 리뷰 관리부(130)를 통해 관리 및 저장될 수 있다.

평가 엔진을 통해 데이터 분류 및 매칭(S420)은 데이터 매칭부(300)는 정보 관리부(100)에서 통합 정보를 제공 받을 수 있으며, 데이터 수집 후 고객을 분류할 수 있으며, 데이터 수집 후 상품을 분류할 수 있다.

평가 엔진을 통해 데이터 분류 및 매칭(S420)은 데이터 매칭부(300)는 고객 분류 별 상품을 매칭할 수 있으며, 이를 데이터베이스화할 수 있다.

새로운 상품 평가 수집 및 예측(S430)은 고객이 새롭게 구매한 상품, 고객의 정보, 구매 후기(평가)데이터를 평가 엔진에 송신할 수 있다. 여기서, 평가 엔진은 데이터 매칭부(300)로서 통합 정보를 고객 분류 별 상품으로 매칭하는데 이용될 수 있으며, 반드시 이에 한정되는 것은 아니다.

새로운 상품 평가 수집 및 예측(S430)은 평가 엔진 전송 및 예측 데이터를 수신할 수 있다.

새로운 상품 평가 수집 및 예측(S430)은 고객이 리뷰 작성 시 내용을 미리 온라인 쇼핑몰 관리 시스템(10)에 기입할 수 있다.

새로운 상품 평가 수집 및 예측(S430)은 잠재 고객에게 쇼핑몰에서 판매중인 상품 추천할 수 있으며, 쇼핑몰에 고객이 좋아할만한 상품 정보를 단말기(20)를 통해 제공할 수 있다.

엔진 정확도 평가(S440)는 예측한 평가를 실제 고객의 평가와 비교하여 재평가할 수 있다. 엔진 정확도 평가(S440)는 예측부(400)에서 이루어 질 수 있으며, 데이터 매칭부(300)를 통해 매칭된 데이터를 기반으로 예측한 평가를 실제 사용자가 확인하여 예측 값을 수정하거나 사용을 결정함에 따라 재평가될 수 있다.

이를 통해 온라인 쇼핑몰 관리 시스템은 기존의 쇼핑몰들의 알고리즘과 당사의 알고리즘 동기화할 수 있고 성능을 향상할 수 있으며, 최종 발전된 당사의 알고리즘을 쇼핑몰들의 알고리즘 업데이트할 수 있다.

도 4에서는 각각의 과정을 순차적으로 실행하는 것으로 개재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 4에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.

도 5는 본 발명의 일 실시 예에 온라인 쇼핑몰 관리 방법을 자세히 나타내는 흐름도이다.

온라인 쇼핑몰 관리 시스템(10)은 온라인 쇼핑몰에서 사용자가 주문(S500)을 하면, 주문을 수집하고 저장할 수 있으며(S510), 리뷰 서버와 통신을 수행할 수 있다(S512).

온라인 쇼핑몰 관리 시스템(10)은 정기적인 주문을 확인(S514)하고 주문이 확인되는 경우 고유 리뷰 목록 및 리뷰 작성 페이지를 생성할 수 있으며, 주문이 확인되지 않는 경우 리뷰 서버와 통신을 다시 수행(S512)한다.

온라인 쇼핑몰 관리 시스템(10)은 구매자 로그인 토큰 및 평점 별 리뷰 평가 URL을 생성할 수 있으며(S518), 생성된 평가 URL을 사용자의 단말기(20)에 메시지로 발송(S519)할 수 있다.

사용자의 단말기(20)는 메시지를 수신하고 평가 URL을 선택할 수 있으며(S520), 사용자가 URL을 선택할 수 있다.

온라인 쇼핑몰 관리 시스템(10)은 사용자가 단말기(20)를 통해 평가 URL을 선택하면 URL의 토큰을 통해 자동 로그인(S530)을 할 수 있다.

온라인 쇼핑몰 관리 시스템(10)은 물품 평점, 물품 주문, 고객 정보를 송신하며(S532), 송신이 되는 경우 리뷰 작성 페이지를 출력하며(S538), 예측 값을 표시할 수 있다(S539).

온라인 쇼핑몰 관리 시스템(10)은 송신이 되지 않을 경우 물품 평점, 물품 주문, 고객 정보를 확인할 수 있으며(S534), 물품 평점, 물품 주문, 고객 정보가 확인되는 경우 상품 평가를 예측하며(S536), 예측 값을 표시할 수 있다(S539).

온라인 쇼핑몰 관리 시스템(10)은 물품 평점, 물품 주문, 고객 정보를 송신(S532) 시 사용자가 주문한 상품의 명칭 및 이미지를 기반으로 동일 상품에 대한 온라인 리뷰에 대해 추가적으로 검색할 수 있으며, 기 설정된 기준 평점 이상의 리뷰를 필터링하고, 필터링된 리뷰와 기 저장된 리뷰 및 사용자의 이전 작성 리뷰를 비교하여 상품 평가 예측 결과를 생성할 수 있다. 예측 값을 사용자의 단말기를 통해 표시(S539) 시 상품 평가 예측 결과에 대한 예측 값을 복수의 버전으로 제공 사용자에게 제공할 수 있으며, 복수의 버전 중 사용자가 선택한 상품 평가 예측 결과를 그대로 또는 수정하여 리뷰 등록할 수 있다.

단말기(20)는 예측 값이 표시되면, 사용자가 이를 확인하고 예측 값 수정 또는 사용 결정을 할 수 있다(S540).

온라인 쇼핑몰 관리 시스템(10)은 단말기(20)를 통해 사용자가 예측 값 사용을 결정하는 경우 리뷰를 등록하고(S550), 리뷰를 저장할 수 있다(S552).

온라인 쇼핑몰 관리 시스템(10)은 단말기(20)를 통해 사용자가 예측 값을 수정하는 경우 예측을 재평가(S542)하고, 상품 평가를 다시 예측하여(S536) 예측 값을 다시 표시할 수 있다(S539). 예측 값이 다시 표시되면, 사용자가 단말기(20)를 통해 예측 값 수정 또는 사용 결정을 다시 확인할 수 있다(S540).

도 5에서는 각각의 과정을 순차적으로 실행하는 것으로 개재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 5에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.

본 실시예들에 따른 동작은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 매체에 기록될 수 있다. 컴퓨터 판독 가능한 매체는 실행을 위해 프로세서에 명령어를 제공하는 데 참여한 임의의 매체를 나타낸다. 컴퓨터 판독 가능한 매체는 프로그램 명령, 데이터 파일, 데이터 구조 또는 이들의 조합을 포함할 수 있다. 예를 들면, 자기 매체, 광기록 매체, 메모리 등이 있을 수 있다. 컴퓨터 프로그램은 네트워크로 연결된 컴퓨터 시스템 상에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 본 실시예를 구현하기 위한 기능적인(Functional) 프로그램, 코드, 및 코드 세그먼트들은 본 실시예가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있을 것이다.

본 실시예들은 본 실시예의 기술 사상을 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: 온라인 쇼핑몰 관리 시스템
100: 정보 관리부
200: 큐레이션부
300: 데이터 매칭부
400: 예측부

Claims

쇼핑몰의 데이터 베이스에서 사용자에 의해 형성된 통합 정보를 수집하여 관리하는 정보 관리부;
상기 사용자의 통합 정보 및 다수의 사용자의 통합 정보를 비교 분석하여 상기 사용자의 선호 물품을 나타내는 분석 결과를 생성하는 큐레이션부;
상기 통합 정보를 상기 사용자의 별로 분류하고 상품 별로 분류하며, 상기 분석 결과에 따라 상기 분류된 사용자 별로 상품을 매칭하는 데이터 매칭부; 및
상기 분석 결과 및 상기 매칭을 기반으로 사용자가 상품 구매 전의 상품 평가를 예측하는 예측부를 포함하고,
상기 통합 정보는 트렌드 정보, 사용자의 개인 정보, 사용자의 구매 내역 정보, 상품별 작성된 리뷰의 정보, 또는 이들의 조합으로 형성되고,
상기 큐레이션부는 상품 별로, 상기 사용자의 개인 정보에서 선택되는 하나의 정보를 포함하는 제1 변수와 상기 작성된 리뷰 정보에서 선택되는 하나의 정보를 포함하는 제2 변수 간의 상관 계수를 계산하고, 상기 상관 계수와 미리 정해진 기준을 비교하여 상품 별 상기 통합 정보 간의 평가 예측 인자를 결정하고, 상기 평가 예측 인자 별로 상관 추천 구간을 결정하며,
일정 기간 동안 상기 상품의 만족도에 대한 미분값이 플러스가 되는 상품의 경우, 상기 미분값이 플러스가 되는 상품에 따른 상기 사용자의 개인 정보 각각에 대한 시계열적인 분석을 통해 상대적으로 높은 변이가 발생하는 변이 유발 인자를 산출하며, 상기 변이 유발 인자를 바탕으로 트렌드 기반 추천 구간을 결정하고,
상기 예측부는 상기 평가 예측 인자, 상기 상관 추천 구간, 상기 변이 유발 인자 및 상기 트렌드 기반 추천 구간에 따른 정보를 기반으로 상기 상품 평가를 예측하는 것을 특징으로 하는 온라인 쇼핑몰 관리 시스템.
제1항에 있어서,
상기 정보 관리부는 상기 통합 정보를 상기 큐레이션부 및 상기 데이터 매칭부에 제공하는 것을 특징으로 하는 온라인 쇼핑몰 관리 시스템.
제1항에 있어서,
상기 정보 관리부는,
상기 사용자의 개인 정보 및 상기 사용자의 구매 내역 정보를 관리하는 사용자 관리부;
상기 쇼핑몰에서 제공하는 상품에 대해 카테고리 별로 분류하여 상품에 대한 정보를 관리하는 상품 관리부;
상기 사용자가 작성한 리뷰의 별점, 설문, 텍스트, 이미지, 또는 이들의 조합으로 형성된 리뷰를 관리하는 리뷰 관리부; 및
상품과 관련하여 실시간으로 변화하는 트렌드 정보를 관리하는 트렌드 관리부를 포함하는 온라인 쇼핑몰 관리 시스템.
제1항에 있어서,
상기 큐레이션부는 상기 통합 정보 및 상기 사용자에 의해 새로 형성된 신규 통합 정보와 다수의 사용자의 통합 정보를 분석하여 각 사용자가 선호하는 선호 상품을 예측하며, 상기 선호 상품을 상기 사용자의 단말기에 전달하고,
상기 선호 상품은 상기 사용자의 통합 정보와 대응되는 다수의 사용자의 리뷰에 의해 선호하는 상품으로 판단되는 것을 특징으로 하는 온라인 쇼핑몰 관리 시스템.
제4항에 있어서,
상기 데이터 매칭부는 상기 분석된 신규 통합 정보를 입력 받아 상기 분류된 사용자 및 상기 분류된 상품에 적용하여 상기 분류된 사용자 별로 상품을 재매칭하는 것을 특징으로 하는 온라인 쇼핑몰 관리 시스템.
제1항에 있어서,
상기 정보 관리부는 사용자의 로그인 토큰 및 평점 리뷰 평가 URL을 생성하여 상기 사용자의 단말기에 제공하며,
상기 예측부는 평점, 주문 정보, 고객 정보가 확인되면 리뷰 작성 페이지를 출력하며, 상기 리뷰 작성 페이지에 예측 값을 표시하는 것을 특징으로 하는 온라인 쇼핑몰 관리 시스템.
제1항에 있어서,
상기 예측부는 상기 사용자의 상품 평가를 예측한 예측 값을 상기 사용자의 단말기에 표시하며,
상기 예측부는 상기 사용자가 상기 예측 값을 수정하는 경우, 재평가된 예측 값을 표시하며, 상기 사용자가 상기 예측 값을 사용 결정하는 경우 리뷰가 등록되는 것을 특징으로 하는 온라인 쇼핑몰 관리 시스템.
제7항에 있어서,
상기 예측부는 상기 예측한 사용자의 상품 평가와 상기 사용자의 상품 평가를 비교하여 유사도를 측정하여 상기 예측 값을 재평가하며,
상기 예측부는 상기 재평가된 상품 평가를 기반으로 상기 사용자의 상품 평가를 재예측하여 제공하는 것을 특징으로 하는 온라인 쇼핑몰 관리 시스템.
제1항에 있어서,
상기 데이터 매칭부는 상기 큐레이션부에서 분석한 다수의 사용자가 작성한 상품에 대한 리뷰 내용이 중복되는 내용으로 판단되는 경우, 상기 중복되는 리뷰 내용으로 인식된 다수의 리뷰 글을 그룹화하여 병합된 내용을 하나의 병합 리뷰 글로 생성하며,
상기 병합 리뷰 글을 상기 사용자의 단말기에 제공하는 것을 특징으로 하는 온라인 쇼핑몰 관리 시스템.
제1항에 있어서,
상기 예측부는 다수의 사용자의 구매 내역간의 유사도, 상기 다수의 사용자의 개인 정보간의 유사도 및 상기 다수의 사용자가 작성한 리뷰의 정보간의 유사도를 측정하며,
상기 예측부는 상기 유사도를 기반으로 판매중인 상품 또는 상품 정보를 상기 사용자의 단말기에 제공하는 것을 특징으로 하는 온라인 쇼핑몰 관리 시스템.
온라인 쇼핑몰 관리 시스템에 의한 온라인 쇼핑몰 관리 방법에 있어서,
정보 관리부가, 쇼핑몰의 데이터 베이스에서 사용자에 의해 형성된 통합 정보를 수집하여 관리하는 단계;
큐레이션부가, 상기 사용자의 통합 정보 및 다수의 사용자의 통합 정보를 비교 분석하여 상기 사용자의 선호 물품을 나타내는 분석 결과를 생성하는 단계;
데이터 매칭부가, 상기 통합 정보를 상기 사용자의 별로 분류하고 상품 별로 분류하며, 상기 분석 결과에 따라 상기 분류된 사용자 별로 상품을 매칭하는 단계; 및
예측부가, 상기 분석 결과 및 상기 매칭을 기반으로 사용자가 상품 구매 전의 상품 평가를 예측하는 단계를 포함하고,
상기 통합 정보는 트렌드 정보, 사용자의 개인 정보, 사용자의 구매 내역 정보, 상품별 작성된 리뷰의 정보, 또는 이들의 조합으로 형성되고,
상기 사용자의 선호 물품을 나타내는 분석 결과를 생성하는 단계는,
상품 별로, 상기 사용자의 개인 정보에서 선택되는 하나의 정보를 포함하는 제1 변수와 상기 작성된 리뷰 정보에서 선택되는 하나의 정보를 포함하는 제2 변수 간의 상관 계수를 계산하고, 상기 상관 계수와 미리 정해진 기준을 비교하여 상품 별 상기 통합 정보 간의 평가 예측 인자를 결정하고, 상기 평가 예측 인자 별로 상관 추천 구간을 결정하며,
일정 기간 동안 상기 상품의 만족도에 대한 미분값이 플러스가 되는 상품의 경우, 상기 미분값이 플러스가 되는 상품에 따른 상기 사용자의 개인 정보 각각에 대한 시계열적인 분석을 통해 상대적으로 높은 변이가 발생하는 변이 유발 인자를 산출하며, 상기 변이 유발 인자를 바탕으로 트렌드 기반 추천 구간을 결정하고,
상기 예측하는 단계는 상기 평가 예측 인자, 상기 상관 추천 구간, 상기 변이 유발 인자 및 상기 트렌드 기반 추천 구간에 따른 정보를 기반으로 상기 상품 평가를 예측하는 것을 특징으로 하는 온라인 쇼핑몰 관리 방법.
제11항에 있어서,
상기 통합 정보를 수집하여 관리하는 단계는,
상기 사용자의 개인 정보 및 상기 사용자의 구매 내역 정보를 관리하는 단계;
상기 쇼핑몰에서 제공하는 상품에 대해 카테고리 별로 분류하여 상품에 대한 정보를 관리하는 단계;
상기 사용자가 작성한 리뷰의 별점, 설문, 텍스트, 이미지, 또는 이들의 조합으로 형성된 리뷰를 관리하는 단계; 및
상품과 관련하여 실시간으로 변화하는 트렌드 정보를 관리하는 단계를 포함하는 온라인 쇼핑몰 관리 방법.
제11항에 있어서,
상기 통합 정보를 분석하여 분석 결과를 생성하는 단계는 상기 통합 정보 및 상기 사용자에 의해 새로 형성된 신규 통합 정보와 다수의 사용자의 통합 정보를 분석하여 각 사용자가 선호하는 선호 상품을 예측하며, 상기 선호 상품을 상기 사용자의 단말기에 전달하고,
상기 선호 상품은 상기 사용자의 통합 정보와 대응되는 다수의 사용자의 리뷰에 의해 선호하는 상품으로 판단하는 것을 특징으로 하는 온라인 쇼핑몰 관리 방법.
제13항에 있어서,
상기 상품을 매칭하는 단계는 상기 분석된 신규 통합 정보를 입력 받아 상기 분류된 사용자 및 상기 분류된 상품에 적용하여 상기 분류된 사용자 별로 상품을 재매칭하는 것을 특징으로 하는 온라인 쇼핑몰 관리 방법.
제11항에 있어서,
상기 사용자의 상품 평가를 예측하는 단계는 상기 사용자의 상품 평가를 예측한 예측 값을 상기 사용자의 단말기에 표시하고, 상기 사용자가 상기 예측 값을 수정하는 경우, 재평가된 예측 값을 표시하며, 상기 사용자가 상기 예측 값을 사용 결정하는 경우 리뷰가 등록되고,
상기 사용자의 상품 평가를 예측하는 단계는 상기 예측한 사용자의 상품 평가를 상기 사용자의 상품 평가와 비교하여 유사도를 측정하여 상기 예측 값을 재평가하며, 상기 재평가된 상품 평가를 기반으로 상기 사용자의 상품 평가를 재예측하여 제공하는 것을 특징으로 하는 온라인 쇼핑몰 관리 방법.