KR102348100B1

KR102348100B1 - Method, apparatus and computer-readable medium for predicting user profile through analysis of online content utilization pattern

Info

Publication number: KR102348100B1
Application number: KR1020200010393A
Authority: KR
Inventors: 박희준
Original assignee: 주식회사 가벗
Priority date: 2020-01-29
Filing date: 2020-01-29
Publication date: 2022-01-06
Also published as: KR20210096854A

Abstract

본 발명은 온라인 콘텐츠 이용 패턴 분석을 통한 사용자 프로필 예측 방법에 관한 것으로서, 구체적으로는 사용자 단말에 부여된 고유 키값을 이용하여, 사용자 단말에 저장된 쿠키(Cookie) 정보로서, 사용자 단말이 웹 브라우저를 통해 방문한 쇼핑몰의 콘텐츠 접근 이력을 수집하는 쿠키 정보 수집 단계; 쇼핑몰의 구매 이력이 저장된 데이터베이스에서, 콘텐츠의 구매자 프로필과 연관된 변수로서, 성별, 연령대 및 지역 정보 중 적어도 어느 하나를 포함하는 변수를 추출하여 구매자 프로필에 기초한 콘텐츠별 통계 모델을 생성하는 통계 모델 생성 단계; 및 수집된 쿠키 정보에 포함된 하나 이상의 콘텐츠를 대응되는 통계 모델과 비교함으로써, 사용자 단말의 이용 주체가 되는 사용자 프로필을 분석하는 사용자 프로필 분석 단계;를 포함하는 것을 특징으로 한다.The present invention relates to a method of predicting a user profile through online content usage pattern analysis, and more specifically, by using a unique key value assigned to the user terminal, as cookie information stored in the user terminal, the user terminal uses a web browser. Cookie information collection step of collecting the content access history of the visited shopping mall; A statistical model generating step of generating a statistical model for each content based on the buyer profile by extracting a variable including at least one of gender, age group, and region information as a variable related to the buyer profile of the content from the database in which the purchase history of the shopping mall is stored ; and a user profile analysis step of analyzing a user profile that is a user of the user terminal by comparing one or more contents included in the collected cookie information with a corresponding statistical model.

Description

Method, device and computer-readable recording medium for predicting user profile through online content usage pattern analysis

본 발명은 온라인 콘텐츠 이용 패턴 분석을 통한 사용자 프로필 예측 방법에 관련된 것으로서, 구체적으로는, 별도의 개인 정보 추출 없이, 사용자 단말에서의 온라인 콘텐츠 이용 패턴을 분석하여 사용자의 프로필을 예측하고, 예측된 사용자 프로필에 기반한 홍보 마케팅이 수행되도록 하는 기술과 관련된 것이다.The present invention relates to a method of predicting a user profile through online content usage pattern analysis, and specifically, predicting a user profile by analyzing an online content usage pattern in a user terminal without additional personal information extraction, and predicting a predicted user It relates to technology that allows profile-based promotional marketing to be performed.

최근 각종 서비스 제공 사이트에서는, 사용자의 개인 정보를 수집한 후, 사용자의개인 정보에 기반한 선호 콘텐츠를 예측하여, 사용자 인터페이스에 우선적으로 노출되도록 함으로써, 개인화된 마케팅을 수행하고자 하는 노력이 증대되고 있다.Recently, in various service providing sites, efforts to perform personalized marketing are increasing by collecting user's personal information, predicting preferred content based on the user's personal information, and preferentially exposing it to the user interface.

그러나, 일반적으로 이러한 개인화된 마케팅은, 사용자가 서비스 제공 사이트에 로그인을 수행하는 경우에 한하여 수행되었으며, 사용자를 식별할 수 없는 비로그인 상태로 이용하였을 경우, 사용자의 선호도와는 무관한 콘텐츠가 제공되어 비로그인 사용자, 즉 잠재 고객에 대한 마케팅은 용이하게 이루어질 수 없는 문제가 존재하였다.However, in general, such personalized marketing was performed only when the user logs in to the service providing site, and when the user is used in a non-logged-in state where the user cannot be identified, content irrelevant to the user's preference is provided. As a result, there was a problem that marketing to non-login users, that is, potential customers, could not be easily done.

한편 이러한 문제를 해결하기 위하여, 한국 공개특허 제10-2018-0047489호(카테고리 추천을 이용한 비로그인 사용자 메인 상품 추천 서버 및 방법)에서는 모바일 오픈 마켓에서의 상품 조회, 찜 하기, 장바구니 담기 및 구매와 같은 사용자의 이용 정보를 기반으로 카테고리 관심 점수를 산출하여, 산출된 카테고리 점수에 기반한 상품을 추천하도록 하는 기술을 개시하고 있다.Meanwhile, in order to solve this problem, Korean Patent Laid-Open Patent No. 10-2018-0047489 (non-login user main product recommendation server and method using category recommendation) includes product inquiry, steaming, shopping cart addition and purchase in the mobile open market. Disclosed is a technology for calculating a category interest score based on usage information of the same user and recommending a product based on the calculated category score.

즉 상술한 선행기술에 의하면, 사용자 단말이 비로그인 상태, 즉 사용자를 식별할 수 없는 상태에서도 어느 정도 사용자의 관심 상품 추천이 가능하다는 장점이 있다.That is, according to the above-described prior art, there is an advantage that the user's interest product can be recommended to some extent even when the user terminal is not logged in, that is, the user cannot be identified.

그러나, 상술한 선행 기술의 경우, 사용자가 해당 웹 사이트에 최초 로그인한 경우, 사용자에 개인화된 마케팅이 수행될 수 없는 문제가 있었으며, 이와 더불어 단순히 서비스 제공 사이트에서의 사용자 인터랙션에 기초한, 연관 상품에 대한 마케팅이 수행되는 것에 불과하여, 사용자의 성별, 연령대, 지역 등으로 세밀하게 추론된 사용자 프로필을 기반으로 한 마케팅이 수행될 수 없는 문제가 있었다.However, in the case of the prior art described above, when the user logs in to the website for the first time, there is a problem that personalized marketing cannot be performed on the user. There was a problem in that marketing based on the user profile inferred in detail based on the user's gender, age group, region, etc. could not be performed because the marketing was only performed.

이에 본 발명은 별도의 개인 정보의 추출 없이 사용자 단말에서의 온라인 콘텐츠 소비에 따라 생성되는 쿠키 데이터로부터 사용자의 프로필을 예측함으로써, 예측된 사용자 프로필을 범용적인 서비스 메타 데이터로서 이용되도록 하는 것에 그 목적이 있다.Accordingly, the purpose of the present invention is to predict a user's profile from cookie data generated according to online content consumption in a user terminal without extraction of separate personal information, so that the predicted user profile is used as general-purpose service metadata. have.

상기 목적을 달성하기 위하여, 본 발명의 일 실시 예에 따른 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치에서 구현되는 온라인 콘텐츠 이용 패턴 분석을 통한 사용자 프로필 예측 방법은, 사용자 단말에 부여된 고유 키값을 이용하여, 사용자 단말에 저장된 쿠키(Cookie) 정보로서, 사용자 단말이 웹 브라우저를 통해 방문한 쇼핑몰의 콘텐츠 접근 이력을 수집하는 쿠키 정보 수집 단계; 쇼핑몰의 구매 이력이 저장된 데이터베이스에서, 콘텐츠의 구매자 프로필과 연관된 변수로서, 성별, 연령대 및 지역 정보 중 적어도 어느 하나를 포함하는 변수를 추출하여 구매자 프로필에 기초한 콘텐츠별 통계 모델을 생성하는 통계 모델 생성 단계; 및 수집된 쿠키 정보에 포함된 하나 이상의 콘텐츠를 대응되는 통계 모델과 비교함으로써, 사용자 단말의 이용 주체가 되는 사용자 프로필을 분석하는 사용자 프로필 분석 단계;를 포함하는 것을 특징으로 한다.In order to achieve the above object, a method for predicting a user profile through online content usage pattern analysis implemented in a computing device including one or more processors and one or more memories for storing instructions executable in the processor according to an embodiment of the present invention is, by using a unique key value assigned to the user terminal, as cookie information stored in the user terminal, a cookie information collection step of collecting the content access history of the shopping mall visited by the user terminal through a web browser; A statistical model generating step of generating a statistical model for each content based on the buyer profile by extracting a variable including at least one of gender, age group, and region information as a variable related to the buyer profile of the content from the database in which the purchase history of the shopping mall is stored ; and a user profile analysis step of analyzing a user profile that is a user of the user terminal by comparing one or more contents included in the collected cookie information with a corresponding statistical model.

상술한 통계 모델 생성 단계는, 콘텐츠의 구매자 프로필과 연관된 하나 이상의 변수들의 분포도를 연산하여, 연산된 분포도에 따른 가중치가 반영된 콘텐츠별 확률표가 구성되도록 함으로써, 확률표에 기반한 콘텐츠별 통계 모델을 생성하는 것이 바람직하다.The above-described statistical model generation step generates a statistical model for each content based on the probability table by calculating the distribution of one or more variables associated with the purchaser profile of the content, and configuring a probability table for each content in which a weight according to the calculated distribution is reflected. It is preferable to do

상술한 사용자 프로필 분석 단계는, 확률표를 기초로, 쿠키 정보에 포함된 각각의 콘텐츠에 대한 변수들의 확률값을 연산하고, 연산된 확률값을 합산하여 종합 확률값이 가장 높은 것으로 판단되는 변수들로 구성된 사용자 프로필을, 사용자 단말의 이용 주체가 되는 사용자 프로필로서 분석하는 것이 바람직하다.In the above-described user profile analysis step, based on the probability table, the probability value of the variables for each content included in the cookie information is calculated, and the calculated probability values are summed up by a user composed of variables determined to have the highest overall probability value. It is preferable to analyze the profile as a user profile that is the subject of use of the user terminal.

상술한 사용자 프로필 분석 단계는, 종합 확률값이 가장 높은 변수들로 구성된 사용자 프로필을 제1 사용자 프로필로 추론하되, 제1 사용자 프로필을 제외한 종합 확률값 중, 상대적으로 높은 종합 확률값을 갖는 변수들로 구성된 사용자 프로필을 사용자 단말에 대한 제2 사용자 프로필로서 추론하는 것이 바람직하다.In the above-described user profile analysis step, a user profile composed of variables having the highest overall probability value is inferred as the first user profile, but a user composed of variables having a relatively high synthetic probability value among synthetic probability values excluding the first user profile. It is preferable to infer the profile as the second user profile for the user terminal.

상술한 사용자 프로필 분석 단계의 수행 후, 사용자 프로필은 기 설정된 포맷으로 가공되어, 쇼핑몰의 관리자 단말로 제공되되, 관리자 단말에 제공되는 관리자 인터페이스에서는, 관리자 단말로부터 사용자 프로필을 구성하는 변수에 대한 선택 입력 명령이 수신되어, 분석 대상이 되는 사용자 프로필에 대한 추론 범위의 설정이 가능한 것이 바람직하다.After performing the above-described user profile analysis step, the user profile is processed into a preset format and provided to the manager terminal of the shopping mall. In the manager interface provided to the manager terminal, the manager terminal selects input for variables constituting the user profile It is preferable that the command is received so that it is possible to set an inference range for a user profile to be analyzed.

상술한 쇼핑몰의 서버는, 용자 단말에 부여된 고유 키값에 대응되는 사용자 프로필을 저장하여, 사용자 단말이 상기 쇼핑몰에 재방문한 것으로 판단될 시, 저장된 사용자 프로필에 대응되는 콘텐츠가 사용자 단말에 제공되는 사용자 인터페이스에 우선적으로 노출될 수 있도록 하는 것이 바람직하다.The above-described server of the shopping mall stores a user profile corresponding to a unique key value assigned to the user terminal, and when it is determined that the user terminal has revisited the shopping mall, a user whose content corresponding to the stored user profile is provided to the user terminal It is desirable to allow it to be exposed to the interface preferentially.

상술한 서버는, 사용자 인터페이스를 통해 우선적으로 노출 시킨 콘텐츠에 대한 인터랙션 발생 횟수를 카운트하여 사용자 프로필에 대한 추론 신뢰도를 평가하되, 사용자 단말에서 발생한 인터랙션이 임계 횟수 이상일 경우, 사용자 프로필의 분석 신뢰도가 높은 것으로 판단하고, 사용자 단말에서 발생한 인터랙션이 임계 횟수 미만일 경우, 사용자 프로필의 분석 신뢰도가 낮은 것으로 판단하여, 통계 모델의 변수를 보정함으로써 사용자 단말에 대한 사용자 프로필이 재분석되도록 하는 것이 바람직하다.The above-described server counts the number of occurrences of interactions with respect to the content preferentially exposed through the user interface to evaluate the inference reliability for the user profile, but when the number of interactions occurring in the user terminal is greater than or equal to the threshold number, the analysis reliability of the user profile is high It is determined that, when the number of interactions occurring in the user terminal is less than the threshold number, it is determined that the analysis reliability of the user profile is low, and it is preferable to reanalyze the user profile for the user terminal by correcting the variables of the statistical model.

상술한 통계 모델 생성 단계의 수행 후, 서버는, 기 설정된 주기마다 콘텐츠에 대한 새로운 구매 이력의 발생 여부를 파악하여, 파악된 새로운 구매 이력에 대한 구매자 프로필을 통계 모델에 반영함으로써, 통계 모델에 대한 보정이 수행되도록 하는 것이 바람직하다.After performing the above-described statistical model creation step, the server determines whether a new purchase history for the content occurs at every preset period, and reflects the buyer profile for the identified new purchase history in the statistical model, thereby providing information on the statistical model. It is desirable to allow the calibration to be performed.

한편, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로서 구현되는 온라인 콘텐츠 이용 패턴 분석을 통한 사용자 프로필 예측 장치는, 사용자 단말에 부여된 고유 키값을 이용하여, 사용자 단말에 저장된 쿠키(Cookie) 정보로서, 사용자 단말이 웹 브라우저를 통해 방문한 쇼핑몰의 콘텐츠 접근 이력을 수집하는 쿠키 정보 수집부; 쇼핑몰의 구매 이력이 저장된 데이터베이스에서, 콘텐츠의 구매자 프로필과 연관된 변수로서, 성별, 연령대 및 지역 정보 중 적어도 어느 하나를 포함하는 변수를 추출하여 구매자 프로필에 기초한 콘텐츠별 통계 모델을 생성하는 통계 모델 생성부; 및 수집된 쿠키 정보에 포함된 하나 이상의 콘텐츠를 대응되는 통계 모델과 비교함으로써, 사용자 단말의 이용 주체가 되는 사용자 프로필을 분석하는 사용자 프로필 분석부;를 포함하는 것을 특징으로 한다.On the other hand, an apparatus for predicting a user profile through online content usage pattern analysis implemented as a computing device including one or more processors and one or more memories for storing instructions executable by the processor, using a unique key value assigned to a user terminal, Cookie information stored in the user terminal, the cookie information collecting unit for collecting the content access history of the shopping mall visited by the user terminal through a web browser; Statistical model generating unit for generating a statistical model for each content based on the buyer profile by extracting a variable including at least one of gender, age group, and region information as a variable related to the buyer profile of the content from the database in which the purchase history of the shopping mall is stored ; and a user profile analysis unit that analyzes a user profile that is a user of the user terminal by comparing one or more contents included in the collected cookie information with a corresponding statistical model.

또 다른 한편, 컴퓨터-판독가능 기록매체에 있어서, 상술한 컴퓨터-판독가능 기록매체는, 컴퓨팅 장치로 하여금 이하의 단계들을 수행하도록 하는 명령들을 저장하며, 상술한 단계들은: 사용자 단말에 부여된 고유 키값을 이용하여, 사용자 단말에 저장된 쿠키(Cookie) 정보로서, 사용자 단말이 웹 브라우저를 통해 방문한 쇼핑몰의 콘텐츠 접근 이력을 수집하는 쿠키 정보 수집 단계; 쇼핑몰의 구매 이력이 저장된 데이터베이스에서, 콘텐츠의 구매자 프로필과 연관된 변수로서, 성별, 연령대 및 지역 정보 중 적어도 어느 하나를 포함하는 변수를 추출하여 구매자 프로필에 기초한 콘텐츠별 통계 모델을 생성하는 통계 모델 생성 단계; 및 수집된 쿠키 정보에 포함된 하나 이상의 콘텐츠를 대응되는 통계 모델과 비교함으로써, 사용자 단말의 이용 주체가 되는 사용자 프로필을 분석하는 사용자 프로필 분석 단계;를 포함하는 것을 특징으로 한다.On the other hand, in a computer-readable recording medium, the above-described computer-readable recording medium stores instructions for causing a computing device to perform the following steps, wherein the steps are: A cookie information collection step of collecting a content access history of a shopping mall visited by the user terminal through a web browser as cookie information stored in the user terminal by using the key value; A statistical model generating step of generating a statistical model for each content based on the buyer profile by extracting a variable including at least one of gender, age group, and region information as a variable related to the buyer profile of the content from the database in which the purchase history of the shopping mall is stored ; and a user profile analysis step of analyzing a user profile that is a user of the user terminal by comparing one or more contents included in the collected cookie information with a corresponding statistical model.

본 발명의 일 실시 예에 따르면, 쇼핑몰 등의 웹 사이트에서 사용자 단말의 로그인 여부와 상관없이, 사용자 단말에서 쿠키 정보를 수집하고, 수집된 쿠키 정보를 구매 이력을 근거로 생성된 통계 단말과 비교함으로써, 사용자 단말에 대한 별도의 개인 정보의 추출 없이도 사용자 단말을 이용하고 있는 이용 주체의 사용자 프로필을 추론할 수 있는 효과가 있다.According to an embodiment of the present invention, regardless of whether the user terminal is logged in to a website such as a shopping mall, cookie information is collected from the user terminal and the collected cookie information is compared with a statistical terminal generated based on the purchase history. , there is an effect that it is possible to infer the user profile of the user who is using the user terminal without separately extracting personal information about the user terminal.

또한, 본 발명의 일 실시 예에 따라 추론된 사용자 프로필은 서비스 메타데이터로서 홍보, 마케팅, 광고 분야에서 널리 활용 가능한 효과가 있다.In addition, the user profile inferred according to an embodiment of the present invention has an effect that can be widely used in public relations, marketing, and advertisement fields as service metadata.

또한, 본 발명의 일 실시 예에 따르면 사용자 단말의 프로필을 추론하는데 있어서 서버가 아닌 사용자 단말에 저장되는 쿠키 정보를 베이스 자료로서 이용함에 따라서, 서버에 과도한 트래픽을 유발하지 않기 때문에, 사용자 프로필 분석의 처리 효율이 향상되는 효과가 있다.In addition, according to an embodiment of the present invention, since cookie information stored in the user terminal rather than the server is used as the base material in inferring the profile of the user terminal, it does not cause excessive traffic to the server, There is an effect that the processing efficiency is improved.

또한, 본 발명의 일 실시 예에 따르면, 사용자 프로필의 추론 후, 사용자 단말에서 재방문한 웹 사이트에서의 사용자 인터랙션을 분석하여, 사용자 프로필의 추론 신뢰도를 평가하고, 평가 결과에 따른 사용자 프로필의 분석이 재수행됨에 따라서, 사용자 프로필의 추론 정확도가 증대되는 효과가 있다.In addition, according to an embodiment of the present invention, after the user profile is inferred, the user interaction is analyzed at the revisited website in the user terminal, the inference reliability of the user profile is evaluated, and the user profile is analyzed according to the evaluation result. As the re-execution is performed, there is an effect that the inference accuracy of the user profile is increased.

도 1은 본 발명의 일 실시 예에 따른 온라인 콘텐츠 이용 패턴 분석을 통한 사용자 프로필 예측 방법의 흐름도.
도 2는 본 발명의 일 실시 예에 따라 콘텐츠에 대한 구매 이력으로부터, 사용자 프로필을 추론하기 위한 콘텐츠별 통계 모델이 생성되는 일 예.
도 3은 본 발명의 일 실시 예에 따라 사용자 단말의 쿠키 정보에 포함된 쇼핑몰 콘텐츠의 방문 이력으로부터 사용자 단말의 사용자 프로필이 추론되는 일 예.
도 4는 본 발명의 일 실시 예에 따라 관리자 인터페이스에서 사용자 프로필 변수의 추론 범위가 설정되는 일 예.
도 5는 본 발명의 일 실시 예에 따라 분석된 사용자 프로필을 근거로, 쇼핑몰을 재방문한 사용자 단말에 추천 콘텐츠가 제공되는 일 예.
도 6은 본 발명의 일 실시 예에 따른 온라인 콘텐츠 이용 패턴 분석을 통한 사용자 프로필 예측 장치의 구성도.
도 7은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예.1 is a flowchart of a user profile prediction method through online content usage pattern analysis according to an embodiment of the present invention.
2 is an example in which a statistical model for each content for inferring a user profile is generated from a purchase history for content according to an embodiment of the present invention;
3 is an example in which a user profile of a user terminal is inferred from a visit history of shopping mall contents included in cookie information of the user terminal according to an embodiment of the present invention.
4 is an example in which an inference range of a user profile variable is set in an administrator interface according to an embodiment of the present invention;
5 is an example in which recommended content is provided to a user terminal revisiting a shopping mall based on a user profile analyzed according to an embodiment of the present invention;
6 is a block diagram of an apparatus for predicting a user profile through online content usage pattern analysis according to an embodiment of the present invention.
7 is an example of an internal configuration of a computing device according to an embodiment of the present invention.

이하에서는, 다양한 실시 예들 및/또는 양상들이 이제 도면들을 참조하여 개시된다. 하기 설명에서는 설명을 목적으로, 하나이상의 양상들의 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나, 이러한 양상(들)은 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점 또한 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 인식될 수 있을 것이다. 이후의 기재 및 첨부된 도면들은 하나 이상의 양상들의 특정한 예시적인 양상들을 상세하게 기술한다. 하지만, 이러한 양상들은 예시적인 것이고 다양한 양상들의 원리들에서의 다양한 방법들 중 일부가 이용될 수 있으며, 기술되는 설명들은 그러한 양상들 및 그들의 균등물들을 모두 포함하고자 하는 의도이다.Hereinafter, various embodiments and/or aspects are disclosed with reference to the drawings. In the following description, for purposes of explanation, numerous specific details are set forth to provide a thorough understanding of one or more aspects. However, it will also be recognized by one of ordinary skill in the art that such aspect(s) may be practiced without these specific details. The following description and accompanying drawings set forth in detail certain illustrative aspects of one or more aspects. These aspects are illustrative, however, and some of various methods may be employed in the principles of the various aspects, and the descriptions set forth are intended to include all such aspects and their equivalents.

본 명세서에서 사용되는 "실시 예", "예", "양상", "예시" 등은 기술되는 임의의 양상 또는 설계가 다른 양상 또는 설계들보다 양호하다거나, 이점이 있는 것으로 해석되지 않을 수도 있다.As used herein, “embodiment”, “example”, “aspect”, “exemplary”, etc. may not be construed as an advantage or advantage in any aspect or design described above over other aspects or designs. .

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하지만, 하나이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다.Also, the terms "comprises" and/or "comprising" mean that the feature and/or element is present, but excludes the presence or addition of one or more other features, elements, and/or groups thereof. should be understood as not

또한, 제 1, 제 2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.Also, terms including an ordinal number such as 1st, 2nd, etc. may be used to describe various elements, but the elements are not limited by the terms. The above terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, a first component may be referred to as a second component, and similarly, a second component may also be referred to as a first component. and/or includes a combination of a plurality of related listed items or any of a plurality of related listed items.

또한, 본 발명의 실시 예들에서, 별도로 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 발명의 실시 예에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.In addition, in the embodiments of the present invention, unless otherwise defined, all terms used herein, including technical or scientific terms, are those commonly understood by those of ordinary skill in the art to which the present invention belongs. have the same meaning. Terms such as those defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related art, and unless explicitly defined in an embodiment of the present invention, an ideal or excessively formal meaning is not interpreted as

본 발명은 온라인 콘텐츠 이용 패턴 분석을 통한 사용자 프로필 예측 방법에 관련된 것으로서, 상술한 본 발명은 별도의 개인 정보의 추출 없이 사용자 단말에서의 온라인 콘텐츠 소비에 따라 생성되는 쿠키 데이터로부터 사용자의 프로필을 예측함으로써, 예측된 사용자 프로필을 범용적인 서비스 메타 데이터로서 이용되도록 하는 것에 그 목적이 있다.The present invention relates to a method of predicting a user profile through online content usage pattern analysis. The above-described present invention predicts a user's profile from cookie data generated according to online content consumption in a user terminal without additional personal information extraction. , the purpose is to use the predicted user profile as general-purpose service metadata.

한편 상술한 목적을 달성하기 위하여 이하에서는 첨부된 도면을 참조하여 본 발명을 더욱 구체적으로 설명하기로 한다.Meanwhile, in order to achieve the above object, the present invention will be described in more detail below with reference to the accompanying drawings.

이에 도 1을 참조하면, 도 1에서는 본 발명의 일 실시 예에 따른 온라인 콘텐츠 이용 패턴 분석을 통한 사용자 프로필 예측 방법에 대한 흐름도가 도시되어 있다.Accordingly, referring to FIG. 1 , there is shown a flowchart of a method for predicting a user profile through online content usage pattern analysis according to an embodiment of the present invention.

도 1에 도시된 바와 같이, 먼저 사용자 단말에 부여된 고유 키값을 이용하여 사용자 단말에 저장된 쿠키(Cookie)정보로서, 사용자 단말이 웹 브라우저를 통해 방문한 쇼핑몰의 접근 이력을 수집하는 쿠키 정보 수집 단계(S10)가 수행될 수 있다.As shown in FIG. 1, first, as cookie information stored in the user terminal using a unique key value assigned to the user terminal, the cookie information collection step ( S10) may be performed.

이때, 상술한 고유 키값은, 웹 브라우저 서버에 사용자 단말에서 수집되는 쿠키 정보를 식별하기 위하여 부여한 고유의 값인 것으로 이해될 수 있으며, 상술한 웹 브라우저는 예를 들어 사파리, 인터넷 익스플로러, 크롬 등으로 네트워크 상에서 정보를 검색하는 데 사용하는 응용 프로그램인 것으로 이해될 수 있다.In this case, the above-described unique key value may be understood as a unique value given to the web browser server to identify cookie information collected from the user terminal, and the above-described web browser is, for example, a network using Safari, Internet Explorer, Chrome, etc. It can be understood as an application program used to retrieve information on the

한편 상술한 S10 단계는, 쇼핑몰 웹 사이트에서, 사용자 단말의 이용 주체를 식별할 수 있는 상태인 로그인 상태는 물론이고, 사용자 단말의 이용 주체를 식별할 수 없는 비로그인 상태에서도 사용자 단말에 저장된 쿠키 정보를 수집할 수 있기 때문에, 로그인 유무와 무관하게 사용자 프로필을 추론하기 위한 베이스 자료를 수집할 수 있는 장점이 있다.Meanwhile, in step S10 described above, in the shopping mall website, the cookie information stored in the user terminal is not only in the login state, which is a state in which the subject of the user terminal can be identified, but also in the non-login state in which the subject of the user terminal cannot be identified. can be collected, there is an advantage in that it is possible to collect base data for inferring a user profile regardless of the presence or absence of login.

즉, 본 발명에서는 상술한 S10 단계의 수행에 의하여, 사용자 프로필을 추론하기 위한 근거 자료를 수집할 수 있게 된다.That is, in the present invention, by performing the above-described step S10, it is possible to collect the basis data for inferring the user profile.

한편 상술한 S10 단계의 수행 후에는, 쇼핑몰의 구매 이력이 저장된 데이터베이스에서, 상술한 콘텐츠의 구매자 프로필과 연관된 변수로서, 성별, 연령대 및 지역 중 적어도 어느 하나를 포함하는 변수를 추출하여, 구매자 프로필에 기초한 콘텐츠별 통계 모델을 생성하는 통계 모델 생성 단계(S20)가 수행될 수 있다.On the other hand, after the above-described step S10 is performed, a variable including at least one of gender, age group, and region as a variable related to the buyer profile of the above-described content is extracted from the database in which the purchase history of the shopping mall is stored, and added to the buyer profile. A statistical model generation step ( S20 ) of generating a statistical model for each content based on it may be performed.

이때, 상술한 데이터베이스는 단위 쇼핑몰마다 구비된 쇼핑몰 서버와 연관된 데이터베이스인 것으로 이해될 수 있으며, 상술한 데이터베이스에는 쇼핑몰 가입 회원들에 대한 콘텐츠 구매 이력이 저장 및 관리되는 것으로 이해될 수 있다.In this case, the above-described database may be understood as a database associated with a shopping mall server provided for each unit shopping mall, and it may be understood that the above-described database stores and manages content purchase histories for members of the shopping mall.

한편, 상술한 S20 단계에서는, 쇼핑몰에서 거래되는 콘텐츠 각각에 대한 구매 이력 정보로부터, 구매자 프로필과 연관된 변수로서, 상술한 구매자의 성별, 연령대 및 지역 중 적어도 어느 하나를 포함하는 변수를 추출할 수 있다.Meanwhile, in the above-described step S20, from the purchase history information for each content traded in the shopping mall, as a variable related to the buyer profile, a variable including at least one of the buyer's gender, age group, and region may be extracted. .

이때, 상술한 실시 예에서는, 성별, 연령대 및 지역에 대한 변수에 한정하였으나, 상술한 변수 외에도, 직업, 콘텐츠의 구매 일시 정보와 같은 변수가 더 포함될 수 있다.In this case, in the above-described embodiment, variables for gender, age group, and region are limited, but in addition to the above-described variables, variables such as occupation and purchase date information of content may be further included.

이때, 상술한 변수들 중, 상술한 성별은 임의의 콘텐츠가 남성 또는 여성 중 어느 성별의 구매도가 높은지를 판단하는 하는 근거가 되고, 상술한 연령대는, 어떠한 연령대에서의 구매도가 높은지를 판단하는 근거가 되며, 상술한 지역은, 어느 지역에 거주하는 사람들의 구매도가 높은지를 판단하는 근거가 된다.At this time, among the above-mentioned variables, the above-mentioned gender is a basis for determining whether any content has a high purchase rate among men or women, and the above-mentioned age group determines which age group has a high purchase rate. The above-mentioned region is a basis for determining whether the purchasing degree of people living in a region is high.

또한 상술한 직업은, 어떤 직종에 종사하는 사람들의 구매도가 높은지를 판단하는 근거가 되고, 상술한 구매 일시 정보는 상술한 콘텐츠에 대한 시기별 구매도를 판단하는 근거가 된다.In addition, the above-mentioned occupation is a basis for determining whether people engaged in a certain occupation have a high purchase degree, and the above-described purchase date information is a basis for determining a purchase level for each period of the above-described content.

즉, 이러한 변수들의 특성을 기초로, 상술한 S20 단계에서는 상술한 콘텐츠의 구매자 프로필과 연관된 하나 이상의 변수들의 분포도를 연산하여, 연산된 분포도에 따른 가중치가 반영된 콘텐츠별 확률표를 구성할 수 있게 된다.That is, based on the characteristics of these variables, the above-described step S20 calculates the distribution of one or more variables associated with the purchaser profile of the above-described content, and it is possible to construct a probability table for each content in which a weight according to the calculated distribution is reflected. .

이때, 콘텐츠별 확률표는, 분포도에 따른 우선 순위에 따라 분포가 높은 순으로 더 큰 가중치를 부여하여, 점수화된 테이블로서 획득될 수 있고, 쇼핑몰에서 거래되는 각각의 콘텐츠에는 상술한 확률표에 기반한 콘텐츠별 통계 모델이 생성될 수 있게 된다.In this case, the probability table for each content can be obtained as a scored table by giving greater weight in the order of the highest distribution according to the priority according to the distribution diagram, and each content traded in the shopping mall is based on the above-described probability table. A statistical model for each content can be created.

이에 대한 더욱 구체적인 설명을 위하여 도 2를 참조하면, 도2에서는 본 발명의 일 실시 예에 따라 콘텐츠 구매 이력으로부터 사용자 프로필을 추론하기 위한 통계 모델이 생성되는 일 예가 도시되어 있으며, 이하의 설명에 있어서 앞서 도 1에 대한 설명과 중복되는 불필요한 실시 예에 대한 설명은 생략하기로 한다.Referring to FIG. 2 for a more detailed description, an example of generating a statistical model for inferring a user profile from a content purchase history is shown in FIG. 2 according to an embodiment of the present invention. A description of an unnecessary embodiment that overlaps with the description of FIG. 1 above will be omitted.

도 2의 100은, 임의의 콘텐츠 A에 대한 구매자 이력이 추출된 예로서, 도 2의 100에서는 구매자의 성별, 지역 및 연령에 대한 구매자 프로필 변수가 추출되었음을 알 수 있다.100 in FIG. 2 is an example in which a purchaser's history for arbitrary content A is extracted, and it can be seen that in 100 in FIG. 2, buyer profile variables for the buyer's gender, region, and age are extracted.

한편 도 2의 110에서는 앞서 100에서 추출된 구매자 프로필 변수의 분포도로부터 얻어진 분석 결과로서, 110에 도시된 바와 같이 콘텐츠 A는 여성, 서울, 20대의 프로필을 갖는 사용자 선호도가 높은 것으로 분석되었음을 알 수 있다.On the other hand, in 110 of FIG. 2, as an analysis result obtained from the distribution of the buyer profile variable extracted from 100, as shown in 110, it can be seen that the content A was analyzed as having a high user preference with a profile of women, Seoul, and people in their twenties. .

즉 이러한 결과는, 100에서의 구매자 프로필로부터, 여성 구매자의 분포도가 높고, 서울 지역의 구매자 분포도가 높았으며, 20대 구매자 분포도가 높게 연산됨에 따라 도출된 분석 결과인 것으로서, 본 발명의 일 실시 예에 따른 콘텐츠 A의 통계 모델은, 그 변수가 여성, 서울, 20대를 디폴트 값으로 갖는 개념으로 이해될 것이다.That is, these results are analysis results derived from the buyer profile in 100, as the distribution of female buyers was high, the distribution of buyers in Seoul was high, and the distribution of buyers in their twenties was calculated as high, one embodiment of the present invention The statistical model of content A according to will be understood as a concept in which the variables have women, Seoul, and 20s as default values.

즉, 본 발명에서는 콘텐츠별 구매 이력이력을 이용하여, 구매자 프로필을 구성하는 각각의 변수들의 분포도에 근거하여 통계 모델이 생성됨에 따라서, 신뢰도가 높은 통계 모델을 제공할 수 있게 되며, 이에 따라 신뢰도가 증대된 사용자 프로필의 추론이 가능해지는 효과를 도출할 수 있게 된다.That is, in the present invention, a statistical model with high reliability can be provided as a statistical model is generated based on the distribution of each variable constituting the purchaser profile using the purchase history for each content, and thus, the reliability It is possible to derive the effect that the inference of the increased user profile is possible.

이상과 같이 실시 예들이 비록 한정된 실시 예와 도면에 의해 설명되었으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다.As described above, although the embodiments have been described with reference to the limited embodiments and drawings, various modifications and variations are possible for those skilled in the art from the above description.

다시 도 1로 돌아와서, 상술한 S20 단계의 수행 후에는, 수집된 쿠키 정보에 포함된 하나 이상의 콘텐츠를 대응되는 통계 모델과 비교함으로써, 사용자 단말의 이용 주체가 되는 사용자 프로필을 분석하는 사용자 프로필 분석 단계(S30)가 수행될 수 있다.Returning to FIG. 1 again, after performing the above-described step S20, the user profile analysis step of analyzing the user profile, which is the subject of the user terminal, by comparing one or more contents included in the collected cookie information with the corresponding statistical model (S30) may be performed.

이때 상술한 S30 단계는, 상술한 확률표를 기초로, 사용자 단말에서 수집한 쿠키 정보에 포함된 각각의 콘텐츠에 대한 변수들의 확률값을 연산하고, 연산된 확률값을 합산하여 종합 확률값이 가장 높은 것으로 판단되는 변수들로 구성된 사용자 프로필을 상술한 사용자 단말의 이용 주체가 되는 사용자 프로필로서 분석하는 것으로 이해될 수 있다.In this case, the above-described step S30 calculates the probability values of the variables for each content included in the cookie information collected from the user terminal based on the above-described probability table, and sums the calculated probability values to determine that the overall probability value is the highest. It can be understood that the user profile composed of the variables used is analyzed as a user profile that is the subject of the user terminal as described above.

이에 대한 더욱 구체적인 설명을 위하여 도 3을 참조하면 도 3에서는 본 발명의 일 실시 예에 따라 사용자 단말의 쿠키 정보에 포함된 쇼핑몰 콘텐츠의 방문 이력으로부터 사용자 단말의 이용 주체인 사용자 프로필이 추론되는 일 예가 도시되어 있으며, 이하의 설명에 있어서 앞서 도 1 및 2에 대한 설명과 중복되는 불필요한 실시 예에 대한 설명은 생략하기로 한다.Referring to FIG. 3 for a more detailed description, in FIG. 3, an example in which a user profile, which is the subject of a user terminal, is inferred from a visit history of shopping mall contents included in cookie information of the user terminal according to an embodiment of the present invention. is shown, and in the following description, descriptions of unnecessary embodiments that overlap with those of FIGS. 1 and 2 will be omitted.

도 3에 도시된 200은, 사용자 단말에서 수집한 쿠키 정보에 포함된 콘텐츠에 대응되는 통계 모델인 것으로 이해될 수 있다.200 illustrated in FIG. 3 may be understood as a statistical model corresponding to content included in cookie information collected from a user terminal.

즉 사용자 단말에서 수집한 쿠키 정보에 콘텐츠 A, B 및 C가 존재한다고 가정하였을 때, 본 발명에서는 상술한 콘텐츠 A, B 및 C에 대응되는 콘텐츠의 통계 모델을 로드하고, 로드된 통계 모델들을 구성하는 변수들의 확률값을 연산하여 210에서와 같이 사용자 프로필을 분석할 수 있게 된다.That is, assuming that contents A, B, and C exist in the cookie information collected from the user terminal, in the present invention, statistical models of contents corresponding to contents A, B and C are loaded and the loaded statistical models are configured. It is possible to analyze the user profile as in 210 by calculating the probability values of the variables.

한 실시 예로서, 200에서의 콘텐츠 A, B 및 C의 변수들로 종합 확률값을 연산하여 보면, 사용자 프로필은, 성별이 여성일 확률이 100%, 지역이 경기일 확률이 100%이고, 연령이 30대일 경우가 100%로 분석할 수 있음을 알 수 있다.As an example, if the composite probability value is calculated with the variables of contents A, B, and C in 200, the user profile has a 100% probability that the gender is a female, a 100% probability that the region is a game, and the age is It can be seen that the 30s can be analyzed as 100%.

즉, 이에 따라서, 210에서와 같이, 방문객 1에 대응되는 사용자 단말의 사용자 프로필은 30대, 경기 지역의 여성으로 사용자 프로필이 분석될 수 있는 것이다.That is, according to this, as in 210, the user profile of the user terminal corresponding to visitor 1 is a woman in her thirties, and the user profile can be analyzed.

이에 따라 본 발명에서는 쇼핑몰 등의 웹 사이트에서 사용자 단말의 로그인 여부와 상관없이, 사용자 단말에서 쿠키 정보를 수집하고, 수집된 쿠키 정보를 구매 이력을 근거로 생성된 통계 단말과 비교함으로써, 사용자 단말에 대한 별도의 개인 정보의 추출 없이도 사용자 단말을 이용하고 있는 이용 주체의 사용자 프로필을 추론할 수 있는 효과가 있다.Accordingly, in the present invention, cookie information is collected from the user terminal regardless of whether the user terminal is logged in at a website such as a shopping mall, and the collected cookie information is compared with a statistical terminal generated based on a purchase history, thereby providing information to the user terminal. There is an effect that it is possible to infer the user profile of the user who is using the user terminal without additional personal information extraction.

다시 도 1로 돌아와서, 상술한 S30 단계에 대한 더욱 바람직한 실시 예로서, 앞서 설명한 바와 같이, 본 발명에서는 종합 확률값을 근거로 사용자 프로필을 추론하게 된다.Returning to FIG. 1 again, as a more preferred embodiment of the above-described step S30, as described above, in the present invention, the user profile is inferred based on the overall probability value.

이때, 더욱 바람직하게는, S30 단계는, 종합 확률값이 가장 높은 변수들로 구성된 사용자 프로필을 제1 사용자 프로필로 추론하고, 상술한 제1 사용자 프로필에 해당하는 종합 확률 값을 제외한 종합 확률값 중, 상대적으로 높은 종합 확률값을 갖는 변수들로 구성된 사용자 프로필을 사용자 단말에 대한 제2 사용자 프로필로서 추론할 수도 있다.At this time, more preferably, in step S30, a user profile composed of variables having the highest composite probability value is inferred as the first user profile, and among the composite probability values excluding the composite probability value corresponding to the first user profile, the relative A user profile composed of variables having a high overall probability value may be inferred as the second user profile for the user terminal.

다시 말해서, 사용자 프로필은, 종합 확률값이 높은 순서에 따라, 제1 사용자 프로필, 제2 사용자 프로필, 제3 사용자 프로필 등으로 추론될 수 있는 것으로 이해될 수 있다.In other words, it may be understood that the user profile may be inferred as the first user profile, the second user profile, the third user profile, and the like, in the order of increasing the overall probability value.

즉 본 발명에서는 사용자 단말에 대해 추론되는 복수의 사용자 프로필 데이터를 생성하게 되는 것으로서, 종합 확률값에 따라 우선 순위를 갖는 사용자 프로필은 후술할 사용자 프로필의 재분석에 이용되도록 하여, 추론 신뢰도를 증대하는데 기여할 수 있게 된다.That is, in the present invention, a plurality of user profile data inferred for the user terminal is generated, and the user profile having priority according to the synthetic probability value is used for reanalysis of the user profile to be described later, which can contribute to increasing the inference reliability. there will be

한편 상술한 S30 단계의 수행 후, 분석된 사용자 프로필은 기 설정된 포맷으로 가공되어, 쇼핑몰의 관리자 단말로 제공될 수 있다.Meanwhile, after the above-described step S30 is performed, the analyzed user profile may be processed into a preset format and provided to the manager terminal of the shopping mall.

이때, 상술한 사용자 프로필은 Json(Java Script Object Notation)형태의 포맷을 갖도록 하여 경량이면서도 통상의 프로그래밍 언어에서 데이터를 핸들링할 수 있는 라이브러리를 제공하도록 하여, 다른 서비스와의 연계가 용이하도록 함이 바람직하다.At this time, it is preferable that the above-described user profile has a Json (Java Script Object Notation) format to provide a library capable of handling data in a light-weight and common programming language, thereby facilitating connection with other services. do.

또한, 본 발명의 더욱 바람직한 실시 예로서, 관리자 단말에 제공되는 관리자 인터페이스는, 관리자 단말로부터 사용자 프로필을 구성하는 변수에 대한 선택 입력 명령을 수신하여, 분석 대상이 되는 사용자 프로필에 대한 추론 범위의 설정이 가능하도록 구성됨이 바람직하다.In addition, as a more preferred embodiment of the present invention, the manager interface provided to the manager terminal receives a selection input command for variables constituting the user profile from the manager terminal, and sets the reasoning range for the user profile to be analyzed It is preferable to be configured so that this is possible.

즉, 이에 대한 더욱 구체적인 설명을 위하여 도 4를 참조하면, 도 4에서는 본 발명의 일 실시 예에 따라 관리자 인터페이스에서 사용자 프로필 변수의 추론 범위가 설정되는 화면의 일 예가 도시되어 있다.That is, referring to FIG. 4 for a more detailed description, FIG. 4 shows an example of a screen in which an inference range of a user profile variable is set in the manager interface according to an embodiment of the present invention.

다시 말해서, 본 발명에서는 도 4의 300과 같이, 사용자 프로필 변수에 대한 선택 옵션으로서, 지역, 연령대, 성별, 구매 시기와 같은 변수의 선택 옵션을 제공함으로써, 쇼핑몰 관리자가 원하는 사용자 프로필 정보만을 유효하게 분석할 수 있게 되는 것이다.In other words, in the present invention, as shown in 300 of FIG. 4 , as a selection option for user profile variables, selection options for variables such as region, age group, gender, and purchase time are provided, so that only the user profile information desired by the shopping mall manager is valid. will be able to analyze.

이에 따라서, 쇼핑몰 관리자는, 제공하고자 하는 서비스 특성에 맞도록 분석된 사용자 프로필을 근거로, 홍보, 마케팅, 광고 분야 등에서 범용적으로 활용 가능한 서비스 메타 데이터를 용이하게 획득할 수 있게 되는 효과가 있다.Accordingly, there is an effect that the shopping mall manager can easily obtain service metadata that can be used universally in the public relations, marketing, and advertisement fields, based on the user profile analyzed to fit the characteristics of the service to be provided.

다시 도 1로 돌아와서, 본 발명의 또 다른 실시 예에 있어서, 본 발명에서는 S30 단계의 수행 후, 쇼핑몰 서버로부터 기 설정된 주기마다 콘텐츠에 대한 새로운 구매 이력의 발생 여부를 파악하여, 파악된 새로운 구매 이력에 대한 구매자 프로필을 통계 모델에 반영함으로써, 통계 모델에 대한 보정이 수행되도록 할 수도 있다.1, in another embodiment of the present invention, after performing step S30, it is determined whether or not a new purchase history for content is generated from the shopping mall server every preset period from the shopping mall server, and the identified new purchase history By reflecting the buyer profile for , in the statistical model, it is also possible to perform correction on the statistical model.

이때, 상술한 통계 모델에 대한 보정은, 새로운 구매 이력에 대한 구매자 프로필에 포함된 변수들의 분포도를 연산하여, 통계 모델에 대한 확률표에 적용함으로써, 통계 모델에 대한 보정이 수행되도록 하는 것으로 이해될 수 있을 것이다.At this time, the above-mentioned correction of the statistical model is to be understood that the correction of the statistical model is performed by calculating the distribution of variables included in the buyer profile for the new purchase history and applying it to the probability table for the statistical model. will be able

즉, 본 발명에서는 통계 모델에 대한 지속적인 보정이 수행되어, 신뢰할 수 있는 통계 모델을 제공하게 됨에 따라, 사용자 프로필의 추론 정확도가 증대되는 효과가 있다.That is, in the present invention, continuous correction of the statistical model is performed to provide a reliable statistical model, thereby increasing the inference accuracy of the user profile.

한편 상술한 S30 단계의 실시 예들에 의하여 분석된 사용자 프로필은 사용자 단말에 부여된 고유 키값에 대응되는 사용자 프로필로서 쇼핑몰 서버에 저장되고, 상술한 쇼핑몰 서버는, 사용자 단말이 쇼핑몰 서버에 재방문한 것으로 판단될 시, 저장된 사용자 프로필에 대응되는 콘텐츠를 사용자 단말에 제공되는 사용자 인터페이스에 우선적으로 노출되도록 기능할 수 있게 된다.Meanwhile, the user profile analyzed according to the embodiments of step S30 is stored in the shopping mall server as a user profile corresponding to the unique key value assigned to the user terminal, and the above-described shopping mall server determines that the user terminal has revisited the shopping mall server In this case, it is possible to function to preferentially expose content corresponding to the stored user profile to the user interface provided to the user terminal.

이때, 상술한 사용자 프로필에 대응되는 콘텐츠는, 제1 사용자 프로필, 제2 사용자 프로필 등 복수개로 추론되는 사용자의 프로필을 이용하여, 종합 확률값이 높은 순으로 우선 노출 포션을 설정(예를 들어, 제1 사용자 프로필에 대응하는 콘텐츠를 70%, 제2 사용자 프로필에 대응하는 콘텐츠를 20%, 제3 사용자 프로필에 대응하는 콘텐츠를 10%로 설정)하여 제1 내지 제3 사용자 프로필에 대응하는 콘텐츠가 서로 다른 비율로 우선 출력되도록 설정될 수도 있음이 당연하다. In this case, the content corresponding to the above-described user profile uses a plurality of inferred user profiles, such as the first user profile and the second user profile, and sets the priority exposure potion in the order of the highest overall probability value (eg, the second user profile). Contents corresponding to the first to third user profiles are set to 70% of the content corresponding to the first user profile, 20% of the content corresponding to the second user profile, and 10% of the content corresponding to the third user profile). It goes without saying that it may be set to be output first at different ratios.

한편 이하에서는 사용자 인터페이스에 우선 출력되는 콘텐츠(401)의 제공 예로서, 도 5를참조기로 한다.Meanwhile, hereinafter, as an example of providing the content 401 that is first output on the user interface, reference will be made to FIG. 5 .

도 5의 400의 화면에서는 쇼핑몰 웹 사이트 상에서, 사용자 단말의 이용 주체로 분석된 사용자 프로필을 기초로, C1 내지 C4의 콘텐츠(401)가 추천됨을 확인할 수 있다.On the screen 400 of FIG. 5 , it can be confirmed that the contents 401 of C1 to C4 are recommended on the shopping mall website, based on the user profile analyzed as the user of the user terminal.

구체적으로 사용자 단말에서 수집된 쿠키 정보에 포함된 콘텐츠들을 통계 모델과 비교 분석해본 결과, 도출된 사용자 프로필이, 연령대는 30대, 지역은 서울, 성별은 여성인 것으로 분석되었을 시, 쇼핑몰 상에서 30대의 서울 지역에 거주 중인 여성의 구매율이 높은 기 설정된 개수의 상품을 사용자 인터페이스에 제공할 수 있는 것이다.Specifically, as a result of comparing and analyzing the contents included in the cookie information collected from the user terminal with the statistical model, when the derived user profile is analyzed as 30s for age, Seoul for region, and female for gender, It is possible to provide a preset number of products with a high purchase rate of women living in Seoul on the user interface.

이때, 상술한 사용자 인터페이스에는, 추천 제공되는 콘텐츠(401)가 카테고리별로 제공되도록 하는 콘텐츠 출력 기준이 적용될 수도 있으며 본 발명은 이에 제한하지 않는다.In this case, the above-described user interface may apply a content output standard that allows the recommended and provided content 401 to be provided by category, but the present invention is not limited thereto.

한편, 본 발명에서는 상술한 실시 예에서 더 나아가, 상술한 쇼핑몰 서버로부터, 사용자 인터페이스를 통해 우선적으로 노출 시킨 콘텐츠(401)에 대한 인터랙션 발생 횟수를 카운트하여, 사용자 프로필에 대한 신뢰도를 평가할 수도 있다.Meanwhile, in the present invention, the reliability of the user profile may be evaluated by counting the number of occurrences of interactions with the content 401 preferentially exposed through the user interface from the shopping mall server as described above in the present invention.

이때, 상술한 신뢰도 평가의 기준이 되는 사용자 단말의 인터랙션은, 추천 제공된 콘텐츠(401)를 조회, 장바구니에 저장, 관심 콘텐츠로 저장, 구매 중 적어도 어느 하나를 포함하는 행위를 모두 포함하는 개념인 것으로 이해될 것이다.In this case, the interaction of the user terminal, which is the criterion for the above-described reliability evaluation, is a concept including all actions including at least one of inquiring the recommended provided content 401, storing it in a shopping cart, saving it as an interest content, and purchasing it. will be understood

더욱 구체적인 예로서, 상술한 사용자 단말에서 발생한 콘텐츠에 대한 인터랙션이 임계 횟수 이상일 경우, 상술한 사용자 프로필의 신뢰도가 높은 것으로 판단하여 사용자 단말에 설정된 사용자 프로필을 유지하도록 할 수 있다.As a more specific example, when the number of interactions with the content generated in the user terminal is greater than or equal to the threshold number, it is determined that the reliability of the user profile is high, and the user profile set in the user terminal may be maintained.

반대의 실시 예로서, 상술한 사용자 단말에서 발생한 인터랙션이 임계 횟수 미만일 경우, 사용자 프로필의 분석 신뢰도가 낮은 것으로 판단할 수 있는 것이다.As a converse embodiment, when the number of interactions occurring in the above-described user terminal is less than the threshold number, it may be determined that the analysis reliability of the user profile is low.

한편 사용자 프로필의 분석 신뢰도가 낮은 것으로 판단될 경우에는, 통계 모델의 변수를 보정하여 사용자 단말에 대한 사용자 프로필이 재분석되도록 함이 바람직하며, 이때의 통계 변수의 보정은, 앞서 언급한 제2 사용자 프로필의 변수가 이용되도록 함이 바람직할 것이다.On the other hand, when it is determined that the analysis reliability of the user profile is low, it is preferable to correct the variables of the statistical model so that the user profile for the user terminal is reanalyzed. It would be desirable to use a variable of .

즉 본 발명에서는 사용자 프로필의 추론 후, 사용자 단말에서 재방문한 웹 사이트에서의 사용자 인터랙션을 분석하여, 사용자 프로필의 추론 신뢰도를 평가하고, 평가 결과에 따른 사용자 프로필의 분석이 재수행됨에 따라서, 사용자 프로필의 추론 정확도가 증대되는 효과가 있다.That is, in the present invention, after the user profile is inferred, the user interaction at the revisited web site is analyzed by the user terminal, the inference reliability of the user profile is evaluated, and the user profile is analyzed again according to the evaluation result. has the effect of increasing the inference accuracy of

종합적으로, 본 발명의 일 실시 예에 따르면, 쇼핑몰 등의 웹 사이트에서 사용자 단말의 로그인 여부와 상관없이, 사용자 단말에서 쿠키 정보를 수집하고, 수집된 쿠키 정보를 구매 이력을 근거로 생성된 통계 단말과 비교함으로써, 사용자 단말에 대한 별도의 개인 정보의 추출 없이도 사용자 단말을 이용하고 있는 이용 주체의 사용자 프로필을 추론할 수 있는 효과가 있다.Overall, according to an embodiment of the present invention, a statistical terminal is generated based on a purchase history by collecting cookie information from a user terminal regardless of whether the user terminal is logged in to a website such as a shopping mall, and the collected cookie information By comparing with , there is an effect that the user profile of the user who is using the user terminal can be inferred without separately extracting personal information about the user terminal.

한편, 도 6에서는 본 발명의 일 실시 예에 따른 온라인 콘텐츠 이용 패턴 분석을 통한 사용자 프로필 예측 장치(10)의 구성도가 도시되어 있으며, 이하의 설명에 있어서 도 1 내지 5에 대한 설명과 중복되는 불필요한 실시 예에 대한 설명은 생략하기로 한다.Meanwhile, in FIG. 6 , a configuration diagram of an apparatus 10 for predicting a user profile through online content usage pattern analysis according to an embodiment of the present invention is shown, which overlaps with those of FIGS. 1 to 5 in the following description A description of unnecessary embodiments will be omitted.

도 6에 도시된 바와 같이, 상술한 온라인 콘텐츠 이용 패턴 분석을 통한 사용자 프로필 예측 장치(10)는 바람직하게, 쿠키 정보 수집부(11), 통계 모델 생성부(12) 및 사용자 프로필 분석부(13)를 포함할 수 있다.As shown in FIG. 6 , the apparatus 10 for predicting a user profile through the above-described online content usage pattern analysis is preferably a cookie information collecting unit 11 , a statistical model generating unit 12 , and a user profile analyzing unit 13 . ) may be included.

구체적으로 상술한 쿠키 정보 수집부(11)는 사용자 단말(20)에 부여된 고유 키값을 이용하여 사용자 단말(20)에 저장된 쿠키(Cookie)정보로서, 사용자 단말(20)이 웹 브라우저를 통해 방문한 쇼핑몰의 접근 이력을 수집하는 기능을 수행한다.Specifically, the above-described cookie information collection unit 11 is cookie information stored in the user terminal 20 using a unique key value assigned to the user terminal 20, and the user terminal 20 visits through a web browser. It performs the function of collecting the access history of the shopping mall.

즉, 상술한 쿠키 정보 수집부(11)에 의하여 사용자 단말(20)의 이용 주체를 식별할 수 있는 상태인 로그인 상태는 물론이고, 사용자 단말(20)의 이용 주체를 식별할 수 없는 비로그인 상태에서도 사용자 단말(20)에 저장된 쿠키 정보를 수집할 수 있기 때문에, 로그인 유무와 무관하게 사용자 프로필을 추론하기 위한 베이스 자료를 수집할 수 있으며, 결과적으로 상술한 쿠키 정보 수집부(11)는 앞서 도 1의 S10 단계가 수행하는 기능을 모두 수행 가능한 것으로 이해될 수 있을 것이다.That is, the logged-in state in which the subject of use of the user terminal 20 can be identified by the above-described cookie information collection unit 11, as well as the non-login state in which the subject of use of the user terminal 20 cannot be identified. Since the cookie information stored in the user terminal 20 can be collected even in the It may be understood that all functions performed in step S10 of 1 can be performed.

다음으로 상술한 통계 모델 생성부(12)는, 쇼핑몰의 구매 이력이 저장된 데이터베이스(30)에서, 상술한 콘텐츠의 구매자 프로필과 연관된 변수로서, 성별, 연령대 및 지역 중 적어도 어느 하나를 포함하는 변수를 추출하여, 구매자 프로필에 기초한 콘텐츠별 통계 모델을 생성하는 기능을 수행한다.Next, the above-described statistical model generating unit 12 generates a variable including at least one of gender, age group, and region as a variable related to the buyer profile of the above-described content from the database 30 storing the purchase history of the shopping mall. By extracting it, it performs a function of generating a statistical model for each content based on the buyer profile.

이때, 상술한 데이터베이스(30)는 쇼핑몰 서버와 연관된 데이터베이스(30)인 것으로 이해될 수 있을 것이다.At this time, it may be understood that the above-described database 30 is a database 30 associated with a shopping mall server.

즉, 상술한 통계 모델 생성부(12)는, 상술한 콘텐츠의 구매자 프로필과 연관된 하나 이상의 변수들의 분포도를 연산하여, 연산된 분포도에 따른 가중치가 반영된 콘텐츠별 확률표를 구성하고, 상술한 확률표를 기초로 한 통계 모델을 생성할 수 있음에 따라서, 신뢰도가 높은 통계 모델을 제공할 수 있게 되며, 이에 따라 신뢰도가 증대된 사용자 프로필의 추론이 가능해지는 효과가 있다.That is, the above-described statistical model generating unit 12 calculates the distribution of one or more variables associated with the purchaser profile of the above-described content, constructs a probability table for each content in which a weight according to the calculated distribution is reflected, and the above-described probability table As a statistical model based on .

결과적으로 상술한 통계 모델 생성부(12)는 앞서 도 1의 S20 단계가 수행하는 기능을 모두 수행 가능한 것으로 이해됨이 바람직하다.As a result, it is preferable that the above-described statistical model generating unit 12 is understood to be capable of performing all of the functions performed in step S20 of FIG. 1 above.

다음으로 상술한 사용자 프로필 분석부(13)는 앞서 쿠키 정보 수집부(11)에서 수집된 쿠키 정보에 포함된 하나 이상의 콘텐츠를 대응되는 통계 모델과 비교함으로써, 사용자 단말(20)의 이용 주체가 되는 사용자 프로필을 분석하는 기능을 수행한다.Next, the above-described user profile analysis unit 13 compares one or more contents included in the cookie information collected by the cookie information collection unit 11 with a corresponding statistical model, thereby becoming a user of the user terminal 20 . It performs the function of analyzing the user profile.

구체적으로 상술한 사용자 프로필 분석부(13)는 확률표를 기초로, 사용자 단말(20)에서 수집한 쿠키 정보에 포함된 각각의 콘텐츠에 대한 변수들의 확률값을 연산하고, 연산된 확률값을 합산하여 종합 확률값이 가장 높은 것으로 판단되는 변수들로 구성된 사용자 프로필을 상술한 사용자 단말(20)의 이용 주체가 되는 사용자 프로필로서 분석하도록 기능할 수도 있다.Specifically, the above-described user profile analysis unit 13 calculates the probability values of the variables for each content included in the cookie information collected from the user terminal 20 based on the probability table, and sums the calculated probability values to synthesize It may also function to analyze a user profile composed of variables determined to have the highest probability value as a user profile that is a user of the user terminal 20 described above.

또한 상술한 사용자 프로필 분석부(13)에 의해 분석된 사용자 프로필은 단위 쇼핑몰의 관리자 단말(40)에 기 설정된 포맷으로 전송되는 것으로 이해될 수 있으며, 이러한 기능 수행에 의해 쇼핑몰 관리자 단말(40)에서는 제공받은 사용자 프로필을 이용하여 홍보, 마케팅, 광고 분야에서 널리 활용 가능한 서비스 메타 데이터를 획득할 수 있게 된다.In addition, it can be understood that the user profile analyzed by the user profile analysis unit 13 described above is transmitted in a preset format to the manager terminal 40 of the unit shopping mall, and by performing this function, the shopping mall manager terminal 40 By using the provided user profile, it is possible to acquire service metadata that can be widely used in public relations, marketing, and advertising fields.

즉 이에 따라서, 사용자 프로필에 기반하여, 로그인 유무에 관계 없이 사용자가 선호할 것으로 예측되는 콘텐츠의 추천이 가능해져 개인화된 마케팅을 수행할 수 있음에 따라서, 쇼핑몰의 매출 증대 효과를 기대할 수 있게 된다.That is, based on the user profile, it is possible to recommend contents predicted to be preferred by the user regardless of whether or not logged in based on the user profile, so that personalized marketing can be performed, thereby increasing the sales of the shopping mall can be expected.

결과적으로 상술한 사용자 프로필 분석부(13)는, 도 1의 S30 단계가 수행하는 기능을 모두 수행 가능한 것으로 이해될 수 있다.As a result, it can be understood that the above-described user profile analysis unit 13 can perform all the functions performed in step S30 of FIG. 1 .

한편, 본 발명에서 언급하는 사용자 단말(20) 및 관리자 단말(40)은, 상술한 실시 예의 기능 수행이 가능한 유/무선 전화기(wire/wireless telephone), 태블릿 PC(Tablet PC), 랩톱(Laptop), 스마트폰(Smartphone), 개인 휴대용 정보 단말기(Personal Digital Assistant) 및 이동통신 단말기(Mobile Communication Terminal) 중 어느 하나인 것으로 이해될 수 있다.On the other hand, the user terminal 20 and the manager terminal 40 mentioned in the present invention, a wired / wireless telephone (wire/wireless telephone), a tablet PC (Tablet PC), and a laptop (Laptop) capable of performing the functions of the above-described embodiment. , a smartphone, a personal digital assistant, and a mobile communication terminal.

즉 상술한 온라인 콘텐츠 이용 패턴 분석을 통한 사용자 프로필 예측 장치는 상술한 각각의 구성들에 의해 수행되는 기능들의 유기적인 결합에 의하여, 쇼핑몰 등의 웹 사이트에서 사용자 단말의 로그인 여부와 상관없이, 사용자 단말에서 쿠키 정보를 수집하고, 수집된 쿠키 정보를 구매 이력을 근거로 생성된 통계 단말과 비교함으로써, 사용자 단말에 대한 별도의 개인 정보의 추출 없이도 사용자 단말을 이용하고 있는 이용 주체의 사용자 프로필을 추론할 수 있는 효과가 있다.That is, the above-described apparatus for predicting user profile through online content usage pattern analysis is a user terminal regardless of whether the user terminal is logged in to a web site such as a shopping mall by organic combination of functions performed by each of the above-described components. By collecting cookie information from , and comparing the collected cookie information with statistical terminals generated based on purchase history, the user profile of the user who is using the user terminal can be inferred without additional personal information extraction about the user terminal. can have an effect.

또한, 추론된 사용자 프로필은 서비스 메타데이터로서 홍보, 마케팅, 광고 분야에서 널리 활용 가능한 효과가 있으며, 사용자 단말의 프로필을 추론하는데 있어서 서버가 아닌 사용자 단말에 저장되는 쿠키 정보를 베이스 자료로서 이용함에 따라서, 서버에 과도한 트래픽을 유발하지 않기 때문에, 사용자 프로필 분석의 처리 효율이 향상되는 효과가 있다.In addition, the inferred user profile has an effect that can be widely used in public relations, marketing, and advertisement fields as service metadata. , since it does not cause excessive traffic to the server, there is an effect that the processing efficiency of user profile analysis is improved.

또한, 사용자 프로필의 추론 후, 사용자 단말에서 재방문한 웹 사이트에서의 사용자 인터랙션을 분석하여, 사용자 프로필의 추론 신뢰도를 평가하고, 평가 결과에 따른 사용자 프로필의 분석이 재수행됨에 따라서, 사용자 프로필의 추론 정확도가 증대되는 효과가 있다.In addition, after the user profile is inferred, the user's interaction is analyzed at the revisited website in the user terminal to evaluate the inference reliability of the user profile, and as the user profile analysis is re-performed according to the evaluation result, the user profile is inferred It has the effect of increasing the accuracy.

도 7은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예를 도시하였으며, 이하의 설명에 있어서, 상술한 도 1 내지 6에 대한 설명과 중복되는 불필요한 실시 예에 대한 설명은 생략하기로 한다.7 illustrates an example of an internal configuration of a computing device according to an embodiment of the present invention, and in the following description, descriptions of unnecessary embodiments that overlap with those of FIGS. 1 to 6 will be omitted. do it with

도 7에 도시한 바와 같이, 컴퓨팅 장치(10000)은 적어도 하나의 프로세서(processor)(11100), 메모리(memory)(11200), 주변장치 인터페이스(peripheral interface)(11300), 입/출력 서브시스템(I/O subsystem)(11400), 전력 회로(11500) 및 통신 회로(11600)를 적어도 포함할 수 있다. 이때, 컴퓨팅 장치(10000)은 촉각 인터페이스 장치에 연결된 유저 단말이기(A) 혹은 전술한 컴퓨팅 장치(B)에 해당될 수 있다.7, the computing device 10000 includes at least one processor 11100, a memory 11200, a peripheral interface 11300, an input/output subsystem ( It may include at least an I/O subsystem) 11400 , a power circuit 11500 , and a communication circuit 11600 . In this case, the computing device 10000 may correspond to a user terminal connected to the tactile interface device (A) or the aforementioned computing device (B).

메모리(11200)는, 일례로 고속 랜덤 액세스 메모리(high-speed random access memory), 자기 디스크, 에스램(SRAM), 디램(DRAM), 롬(ROM), 플래시 메모리 또는 비휘발성 메모리를 포함할 수 있다. 메모리(11200)는 컴퓨팅 장치(10000)의 동작에 필요한 소프트웨어 모듈, 명령어 집합 또는 그밖에 다양한 데이터를 포함할 수 있다.The memory 11200 may include, for example, a high-speed random access memory, a magnetic disk, an SRAM, a DRAM, a ROM, a flash memory, or a non-volatile memory. have. The memory 11200 may include a software module, an instruction set, or other various data required for the operation of the computing device 10000 .

이때, 프로세서(11100)나 주변장치 인터페이스(11300) 등의 다른 컴포넌트에서 메모리(11200)에 액세스하는 것은 프로세서(11100)에 의해 제어될 수 있다.In this case, access to the memory 11200 from other components such as the processor 11100 or the peripheral device interface 11300 may be controlled by the processor 11100 .

주변장치 인터페이스(11300)는 컴퓨팅 장치(10000)의 입력 및/또는 출력 주변장치를 프로세서(11100) 및 메모리 (11200)에 결합시킬 수 있다. 프로세서(11100)는 메모리(11200)에 저장된 소프트웨어 모듈 또는 명령어 집합을 실행하여 컴퓨팅 장치(10000)을 위한 다양한 기능을 수행하고 데이터를 처리할 수 있다.Peripheral interface 11300 may couple input and/or output peripherals of computing device 10000 to processor 11100 and memory 11200 . The processor 11100 may execute a software module or an instruction set stored in the memory 11200 to perform various functions for the computing device 10000 and process data.

입/출력 서브시스템(11400)은 다양한 입/출력 주변장치들을 주변장치 인터페이스(11300)에 결합시킬 수 있다. 예를 들어, 입/출력 서브시스템(11400)은 모니터나 키보드, 마우스, 프린터 또는 필요에 따라 터치스크린이나 센서 등의 주변장치를 주변장치 인터페이스(11300)에 결합시키기 위한 컨트롤러를 포함할 수 있다. 다른 측면에 따르면, 입/출력 주변장치들은 입/출력 서브시스템(11400)을 거치지 않고 주변장치 인터페이스(11300)에 결합될 수도 있다.The input/output subsystem 11400 may couple various input/output peripherals to the peripheral interface 11300 . For example, the input/output subsystem 11400 may include a controller for coupling a peripheral device such as a monitor, keyboard, mouse, printer, or a touch screen or sensor as needed to the peripheral interface 11300 . According to another aspect, input/output peripherals may be coupled to peripheral interface 11300 without going through input/output subsystem 11400 .

전력 회로(11500)는 단말기의 컴포넌트의 전부 또는 일부로 전력을 공급할 수 있다. 예를 들어 전력 회로(11500)는 전력 관리 시스템, 배터리나 교류(AC) 등과 같은 하나 이상의 전원, 충전 시스템, 전력 실패 감지 회로(power failure detection circuit), 전력 변환기나 인버터, 전력 상태 표시자 또는 전력 생성, 관리, 분배를 위한 임의의 다른 컴포넌트들을 포함할 수 있다.The power circuit 11500 may supply power to all or some of the components of the terminal. For example, the power circuit 11500 may include a power management system, one or more power sources such as batteries or alternating current (AC), a charging system, a power failure detection circuit, a power converter or inverter, a power status indicator, or a power source. It may include any other components for creation, management, and distribution.

통신 회로(11600)는 적어도 하나의 외부 포트를 이용하여 다른 컴퓨팅 장치와 통신을 가능하게 할 수 있다.The communication circuit 11600 may enable communication with another computing device using at least one external port.

또는 상술한 바와 같이 필요에 따라 통신 회로(11600)는 RF 회로를 포함하여 전자기 신호(electromagnetic signal)라고도 알려진 RF 신호를 송수신함으로써, 다른 컴퓨팅 장치와 통신을 가능하게 할 수도 있다.Alternatively, as described above, if necessary, the communication circuit 11600 may include an RF circuit to transmit and receive an RF signal, also known as an electromagnetic signal, to enable communication with other computing devices.

이러한 도 7의 실시 예는, 컴퓨팅 장치(10000)의 일례일 뿐이고, 컴퓨팅 장치(11000)은 도 7에 도시된 일부 컴포넌트가 생략되거나, 도 7에 도시되지 않은 추가의 컴포넌트를 더 구비하거나, 2개 이상의 컴포넌트를 결합시키는 구성 또는 배치를 가질 수 있다. 예를 들어, 모바일 환경의 통신 단말을 위한 컴퓨팅 장치는 도 7에도시된 컴포넌트들 외에도, 터치스크린이나 센서 등을 더 포함할 수도 있으며, 통신 회로(1160)에 다양한 통신방식(WiFi, 3G, LTE, Bluetooth, NFC, Zigbee 등)의 RF 통신을 위한 회로가 포함될 수도 있다. 컴퓨팅 장치(10000)에 포함 가능한 컴포넌트들은 하나 이상의 신호 처리 또는 어플리케이션에 특화된 집적 회로를 포함하는 하드웨어, 소프트웨어, 또는 하드웨어 및 소프트웨어 양자의 조합으로 구현될 수 있다.The embodiment of FIG. 7 is only an example of the computing device 10000, and the computing device 11000 may omit some components shown in FIG. 7 or further include additional components not shown in FIG. 7, or 2 It may have a configuration or arrangement that combines two or more components. For example, a computing device for a communication terminal in a mobile environment may further include a touch screen or a sensor in addition to the components shown in FIG. 7 , and may include various communication methods (WiFi, 3G, LTE) in the communication circuit 1160 . , Bluetooth, NFC, Zigbee, etc.) may include a circuit for RF communication. Components that may be included in the computing device 10000 may be implemented in hardware including an integrated circuit specialized for one or more signal processing or applications, software, or a combination of both hardware and software.

본 발명의 실시 예에 따른 방법들은 다양한 컴퓨팅 장치를 통하여 수행될 수 있는 프로그램 명령(instruction) 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 특히, 본 실시 예에 따른 프로그램은 PC 기반의 프로그램 또는 모바일 단말 전용의 어플리케이션으로 구성될 수 있다. 본 발명이 적용되는 애플리케이션은 파일 배포 시스템이 제공하는 파일을 통해 이용자 단말에 설치될 수 있다. 일 예로, 파일 배포 시스템은 이용자 단말이기의 요청에 따라 상기 파일을 전송하는 파일 전송부(미도시)를 포함할 수 있다.Methods according to an embodiment of the present invention may be implemented in the form of program instructions that can be executed through various computing devices and recorded in a computer-readable medium. In particular, the program according to the present embodiment may be configured as a PC-based program or an application dedicated to a mobile terminal. The application to which the present invention is applied may be installed in the user terminal through a file provided by the file distribution system. For example, the file distribution system may include a file transmission unit (not shown) that transmits the file in response to a request from the user terminal.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시 예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술 분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The device described above may be implemented as a hardware component, a software component, and/or a combination of the hardware component and the software component. For example, the devices and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate array (FPGA), It may be implemented using one or more general purpose or special purpose computers, such as a programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions. The processing device may execute an operating system (OS) and one or more software applications running on the operating system. A processing device may also access, store, manipulate, process, and generate data in response to execution of the software. For convenience of understanding, although one processing device is sometimes described as being used, one of ordinary skill in the art will recognize that the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that can include For example, the processing device may include a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as parallel processors.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로 (collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨팅 장치상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may comprise a computer program, code, instructions, or a combination of one or more thereof, which configures a processing device to operate as desired or is independently or collectively processed You can command the device. The software and/or data may be any kind of machine, component, physical device, virtual equipment, computer storage medium or device, to be interpreted by or to provide instructions or data to the processing device. may be permanently or temporarily embody in The software may be distributed over networked computing devices, and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.

실시 예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시 예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광 기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded in the medium may be specially designed and configured for the embodiment, or may be known and available to those skilled in the art of computer software. Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks. - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

이상과 같이 실시 예들이 비록 한정된 실시 예와 도면에 의해 설명되었으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시 예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.As described above, although the embodiments have been described with reference to the limited embodiments and drawings, various modifications and variations are possible for those skilled in the art from the above description. For example, the described techniques are performed in an order different from the described method, and/or the described components of the system, structure, apparatus, circuit, etc. are combined or combined in a different form than the described method, or other components Or substituted or substituted by equivalents may achieve an appropriate result. Therefore, other implementations, other embodiments, and equivalents to the claims also fall within the scope of the following claims.

Claims

In the method of predicting a user profile through online content usage pattern analysis implemented in a computing device including one or more processors and one or more memories for storing instructions executable by the processor,
A cookie information collection step of collecting a content access history of a shopping mall visited by the user terminal through a web browser as cookie information stored in the user terminal by using a unique key value assigned to the user terminal;
Statistics for generating a statistical model for each content based on the buyer profile by extracting a variable including at least one of gender, age group, and region information as a variable related to the buyer profile of the content from the database in which the purchase history of the shopping mall is stored model creation step; and
A user profile analysis step of analyzing a user profile that is a user of the user terminal by comparing one or more contents included in the collected cookie information with the corresponding statistical model;
The statistical model creation step is,
By calculating the distribution of one or more variables related to the purchaser profile of the content, and configuring a probability table for each content in which a weight according to the calculated distribution is reflected, a statistical model for each content based on the probability table is generated,
After performing the user profile analysis step,
The user profile is processed in a preset format and provided to the manager terminal of the shopping mall,
In the manager interface provided to the manager terminal,
A selection input command for the variables constituting the user profile is received from the manager terminal, and an inference range for the user profile to be analyzed is set, so that only the desired user profile information can be effectively analyzed in the manager terminal, ,
The server of the shopping mall,
By storing the user profile corresponding to the unique key value given to the user terminal, when it is determined that the user terminal has revisited the shopping mall, the content corresponding to the stored user profile is preferentially provided to the user interface provided to the user terminal Doedoe, as for the content corresponding to the user profile, the content corresponding to the plurality of inferred user profiles is set in the order of the highest overall probability value using the plurality of inferred user profiles, so that the content corresponding to the plurality of inferred user profiles is to be exposed first in different proportions on the interface,
After performing the statistical model generation step,
The server determines whether a new purchase history for the content occurs at every preset period, and reflects the buyer profile for the new purchase history identified in the statistical model, so that the statistical model is corrected A method of predicting user profiles through online content usage pattern analysis.

delete

According to claim 1,
The user profile analysis step,
Based on the probability table, the user terminal calculates the probability values of the variables for each content included in the cookie information, and adds the calculated probability values to create a user profile composed of variables determined to have the highest overall probability value, the user terminal User profile prediction method through online content usage pattern analysis, characterized in that it is analyzed as a user profile that is the subject of use of

4. The method of claim 3,
The user profile analysis step,
A user profile composed of the variables having the highest overall probability value is inferred as the first user profile,
User profile through online content usage pattern analysis, characterized in that among the composite probability values excluding the first user profile, a user profile composed of variables having a relatively high composite probability value is inferred as the second user profile for the user terminal Prediction method.

delete

According to claim 1,
The server of the shopping mall,
Evaluate the inference reliability of the user profile by counting the number of times of interaction with the content preferentially exposed through the user interface,
When the number of interactions occurring in the user terminal is greater than or equal to a threshold number, it is determined that the analysis reliability of the user profile is high,
When the number of interactions occurring in the user terminal is less than a threshold number, it is determined that the analysis reliability of the user profile is low, and the user profile for the user terminal is reanalyzed by correcting the variables of the statistical model. A method of predicting user profiles through pattern analysis.

delete

In an apparatus for predicting a user profile through online content usage pattern analysis implemented as a computing device including one or more processors and one or more memories for storing instructions executable by the processor,
a cookie information collecting unit that collects a history of access to contents of a shopping mall visited by the user terminal through a web browser as cookie information stored in the user terminal by using a unique key value assigned to the user terminal;
Statistics for generating a statistical model for each content based on the buyer profile by extracting a variable including at least one of gender, age group, and region information as a variable related to the buyer profile of the content from the database in which the purchase history of the shopping mall is stored model generation unit; and
By comparing one or more contents included in the collected cookie information with the corresponding statistical model, a user profile analysis unit that analyzes a user profile that is a subject of use of the user terminal; includes;
The statistical model generating unit,
By calculating the distribution of one or more variables related to the purchaser profile of the content, and configuring a probability table for each content in which a weight according to the calculated distribution is reflected, a statistical model for each content based on the probability table is generated,
After performing the function of the user profile analysis unit,
The user profile is processed in a preset format and provided to the manager terminal of the shopping mall,
In the manager interface provided to the manager terminal,
A selection input command for the variables constituting the user profile is received from the manager terminal, and an inference range for the user profile to be analyzed is set, so that only the desired user profile information can be effectively analyzed in the manager terminal, ,
The server of the shopping mall,
By storing the user profile corresponding to the unique key value given to the user terminal, when it is determined that the user terminal has revisited the shopping mall, the content corresponding to the stored user profile is preferentially provided to the user interface provided to the user terminal Doedoe, as for the content corresponding to the user profile, the content corresponding to the plurality of inferred user profiles is set in the order of the highest overall probability value using the plurality of inferred user profiles, so that the content corresponding to the plurality of inferred user profiles is to be exposed first in different proportions on the interface,
The server determines whether a new purchase history for the content occurs at every preset period, and reflects the buyer profile for the new purchase history identified in the statistical model, so that the statistical model is corrected User profile prediction device through online content usage pattern analysis.

A computer-readable recording medium comprising:
The computer-readable recording medium stores instructions for causing a computing device to perform the following steps, the steps of:
A cookie information collection step of collecting a content access history of a shopping mall visited by the user terminal through a web browser as cookie information stored in the user terminal by using a unique key value assigned to the user terminal;
Statistics for generating a statistical model for each content based on the buyer profile by extracting a variable including at least one of gender, age group, and region information as a variable related to the buyer profile of the content from the database in which the purchase history of the shopping mall is stored model creation step; and
A user profile analysis step of analyzing a user profile that is a user of the user terminal by comparing one or more contents included in the collected cookie information with the corresponding statistical model;
The statistical model creation step is,
By calculating the distribution of one or more variables related to the purchaser profile of the content, and configuring a probability table for each content in which a weight according to the calculated distribution is reflected, a statistical model for each content based on the probability table is generated,
After performing the user profile analysis step,
The user profile is processed in a preset format and provided to the manager terminal of the shopping mall,
In the manager interface provided to the manager terminal,
A selection input command for the variables constituting the user profile is received from the manager terminal, and an inference range for the user profile to be analyzed is set, so that only the desired user profile information can be effectively analyzed in the manager terminal, ,
The server of the shopping mall,
By storing the user profile corresponding to the unique key value given to the user terminal, when it is determined that the user terminal has revisited the shopping mall, the content corresponding to the stored user profile is preferentially provided to the user interface provided to the user terminal Doedoe, as for the content corresponding to the user profile, the content corresponding to the plurality of inferred user profiles is set in the order of the highest overall probability value using the plurality of inferred user profiles, so that the content corresponding to the plurality of inferred user profiles is to be exposed first in different proportions on the interface,
After performing the statistical model generation step,
The server determines whether a new purchase history for the content occurs at every preset period, and reflects the buyer profile for the new purchase history identified in the statistical model, so that the statistical model is corrected computer-readable recording medium.