KR102363394B1 - 주문 서비스를 제공하고 광고 메시지를 생성하기 위한 방법 및 장치 - Google Patents

주문 서비스를 제공하고 광고 메시지를 생성하기 위한 방법 및 장치 Download PDF

Info

Publication number
KR102363394B1
KR102363394B1 KR1020210105966A KR20210105966A KR102363394B1 KR 102363394 B1 KR102363394 B1 KR 102363394B1 KR 1020210105966 A KR1020210105966 A KR 1020210105966A KR 20210105966 A KR20210105966 A KR 20210105966A KR 102363394 B1 KR102363394 B1 KR 102363394B1
Authority
KR
South Korea
Prior art keywords
information
store
customer
menus
various embodiments
Prior art date
Application number
KR1020210105966A
Other languages
English (en)
Inventor
권성택
양세연
한종문
사재빈
류명한
강윤정
Original Assignee
티오더 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 티오더 주식회사 filed Critical 티오더 주식회사
Priority to KR1020220017686A priority Critical patent/KR102645521B1/ko
Priority to KR1020220017689A priority patent/KR20220050099A/ko
Application granted granted Critical
Publication of KR102363394B1 publication Critical patent/KR102363394B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants

Abstract

본 발명은 주문 서비스를 제공하고 광고 메시지를 생성하기 위한 방법 및 장치에 관한 것이다.
구체적으로 본 발명은 데이터베이스에서 확인되는 데이터 및/또는 정보에 기반하여 매장 내 고객에게 주문 서비스를 제공하고 광고 메시지를 생성하기 위한 방법 및 장치에 관한 것이다.

Description

주문 서비스를 제공하고 광고 메시지를 생성하기 위한 방법 및 장치 {methods and devices for providing ordering services and generating advertising messages}
본 발명은 주문 서비스에 관한 기술이다.
다양한 실시예들은 인공 지능 모델에 기초하여 주문 서비스를 제공하기 위한 방법 및 장치에 대한 것이다.
인간 수준의 지능을 구현하는 인공 지능 시스템이 다양한 분야에서 이용되고 있다. 인공 지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 룰 기반 스마트 시스템은 점차 딥러닝 기반 인공 지능 시스템으로 대체되고 있다.
한편, 음식점, 커피숍 등의 다양한 서비스 제공 매장에서 주문 및 결제의 편의성의 증대를 위하여 무인 주문 서비스가 보급되고 있다. 이에 따라, 인공 지능 학습을 통해 획득된 모델을 이용하여 무인 주문 서비스를 제공할 필요성이 대두된다.
한국공개특허 10-2014-0042948호
다양한 실시예들은 인공 지능 모델에 기초하여 주문 서비스를 제공하기 위한 방법 및 장치를 제공할 수 있다.
다양한 실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
다양한 실시예들에 따르면, 전자 장치의 동작 방법이 제공될 수 있다.
다양한 실시예들에 따르면, 상기 방법은: 고객 ID (identifier) 에 대한 정보와 매장 ID 에 대한 정보를 포함하는 서비스 요청 정보를 수신; 상기 고객 ID 에 대응되는 고객에 대한 고객 정보와 상기 매장 ID 에 대응되는 매장에 대한 매장 정보를 포함하는 입력 정보가 입력됨에 대한 응답으로 획득되는 추천 모델의 출력 정보에 기초하여 추천 메뉴 리스트를 획득; 및 상기 추천 메뉴 리스트와 관련된 정보를 송신; 하는 것을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 고객 정보와 상기 매장 정보가 상기 추천 모델에 입력됨에 따라, 서로 다른 고객 ID 가 할당된 미리 설정된 복수의 고객들 중 상기 고객 ID 에 대응되는 고객의 추정 선호도와 관련된 하나 이상의 제1 속성값이 획득될 수 있다.
다양한 실시예들에 따르면, 서로 다른 매장 ID 가 할당된 미리 설정된 복수의 매장들 중 상기 매장 ID 에 대응되는 매장에서 제공 가능한 복수의 메뉴들 각각에는 하나 이상의 제2 속성값이 미리 할당될 수 있다.
다양한 실시예들에 따르면, 상기 추천 메뉴 리스트는, 상기 하나 이상의 제1 속성값과 상기 하나 이상의 제2 속성값 간의 비교 결과에 기초하여, 상기 매장에서 제공 가능한 복수의 메뉴들 중에서 선택된 하나 이상의 메뉴를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 고객 정보는, 데이터베이스를 상기 고객 ID 에 따라 검색함에 기초하여 획득될 수 있다.
다양한 실시예들에 따르면, 상기 매장 정보는, 상기 데이터베이스를 상기 매장 ID 에 따라 검색함에 기초하여 획득될 수 있다.
다양한 실시예들에 따르면, 상기 고객 정보는, 상기 고객의 생년월일, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보, 상기 고객의 서비스 요청 이력에 기초하여 획득되는 상기 고객의 선호 메뉴에 대한 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 매장 정보는, 상기 매장에서 제공 가능한 복수의 메뉴들, 상기 매장의 주소, 상기 매장에 대한 후기, 상기 매장에서 제공 가능한 복수의 메뉴들 각각의 주문 이력에 기초하여 획득되는 상기 매장에서의 인기 메뉴에 대한 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 데이터베이스에는: (i) 상기 복수의 고객들 각각의 생년월일, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보가 상기 복수의 고객들 각각에 할당된 서로 다른 고객 ID 들 별로 분류되어 저장될 수 있다.
다양한 실시예들에 따르면, (ii) 상기 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들, 상기 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들 각각의 주문 이력에 대한 정보가 상기 복수의 매장들 각각에 할당된 서로 다른 매장 ID 들 별로 분류되어 저장될 수 있다.
다양한 실시예들에 따르면, 상기 추천 모델은, 상기 추천 모델 획득을 위한 AI (artificial intelligence) 엔진에 기계 학습 (machine learning) 이 적용됨에 기초하여 미리 설정될 수 있다.
다양한 실시예들에 따르면, 상기 기계 학습은: - (a) 상기 추천 모델 획득을 위한 훈련용 데이터에 기초하여 상기 AI 엔진을 학습; - (b) 학습된 AI 엔진의 검증을 위한 테스트용 데이터가 상기 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 피드백 정보를 획득; - (c) 상기 피드백 정보에 기초하여 상기 AI 엔진을 업데이트; 및 - (d) 상기 (a) 내지 (c) 가 반복되되, 상기 (a) 내지 (c) 가 반복될 때 마다 초기값 0 인 카운트 값이 1 씩 증가 되고, 상기 카운트 값이 미리 설정된 카운트 임계값과 일치됨에 기초하여 종료; 됨에 기초하여 수행될 수 있다.
다양한 실시예들에 따르면, 상기 훈련용 데이터와 상기 테스트용 데이터는, 상기 추천 모델 획득을 위한 학습용 데이터에 기초하여 획득될 수 있다.
다양한 실시예들에 따르면, 상기 학습용 데이터는, 고객 관련 학습용 데이터와 매장 관련 학습용 데이터를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 고객 관련 학습용 데이터는: 상기 복수의 고객들 각각의 생년월일, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보, 및 상기 복수의 고객들 각각의 서비스 요청 이력에 기초하여 획득되는 상기 복수의 고객들 각각의 선호 메뉴에 대한 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 매장 관련 학습용 데이터는: 상기 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들, 상기 복수의 매장들 각각의 주소, 상기 복수의 매장들 각각에 대한 후기 및 상기 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들 각각의 주문 이력에 기초하여 획득되는 상기 복수의 매장들 각각에서의 인기 메뉴에 대한 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 선호 메뉴에 대한 정보와 상기 인기 메뉴에 대한 정보 각각은, 미리 정의된 일정 시간 길이를 갖는 주문 시간대 및 날씨에 따라 분류된 정보일 수 있다.
다양한 실시예들에 따르면, 상기 매장은, 상기 전자 장치에 의하여 제어되는 복수의 서비스 로봇들 및 복수의 IoT (internet of things) 디바이스들에 기초하여 운용될 수 있다.
다양한 실시예들에 따르면, 상기 복수의 서비스 로봇들 및 상기 복수의 IoT 디바이스들 각각에는 서로 다른 ID 가 할당될 수 있다.
다양한 실시예들에 따르면, 상기 서비스 요청은, 상기 복수의 IoT 디바이스들 중 하나의 IoT 디바이스로부터 수신될 수 있다.
다양한 실시예들에 따르면, 상기 추천 메뉴 리스트와 관련된 정보는, 상기 하나의 IoT 디바이스에 포함된 출력부에서 출력되도록 상기 하나의 IoT 디바이스로 송신될 수 있다.
다양한 실시예들에 따르면, 상기 방법은: 상기 추천 메뉴 리스트와 관련된 정보에 대한 응답으로 상기 매장에서 제공 가능한 복수의 메뉴들 중 하나 이상의 메뉴에 대한 요청 정보가 상기 하나의 IoT 디바이스로부터 수신됨에 기초하여, 상기 하나 이상의 메뉴와 관련된 서비스를 제공하도록 상기 복수의 서비스 로봇들 중 하나 이상의 서비스 로봇을 제어; 하는 것을 더 포함할 수 있다.
다양한 실시예들에 따르면, 상기 복수의 서비스 로봇들은, 하나 이상의 제1 서비스 로봇과 하나 이상의 제2 서비스 로봇을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 제1 서비스 로봇 중 하나 이상은, 상기 하나 이상의 메뉴에 대응되는 물품을 제조하는 동작을 수행하도록 제어될 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 제2 로봇 중 하나 이상은, 상기 하나 이상의 메뉴에 대응되는 물품 또는 상기 하나 이상의 메뉴와 관련된 서비스를 제공하는 것과 관련된 물품을 상기 고객에게 전달하는 동작을 수행하도록 제어될 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 제2 로봇 중 상기 하나 이상은, 상기 하나의 IoT 디바이스에 할당된 ID, 상기 하나 이상의 제2 로봇 각각에 할당된 ID 및 상기 하나 이상의 제2 로봇 각각과 상기 하나의 IoT 디바이스 간의 거리에 기초하여 상기 하나 이상의 제2 로봇 중에서 선택될 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 제2 속성값은, 메뉴의 성질 (property) 과 상기 메뉴의 성질의 정도 (level) 에 의하여 정의되는 속성값 테이블 (table) 에 따라 상기 복수의 매장들에서 제공 가능한 복수의 메뉴들을 포함하는 복수의 메뉴들 각각에 대하여 값이 할당됨에 기초하여 미리 할당될 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 제1 속성값은, 상기 속성값 테이블에 따라 상기 복수의 매장들에서의 상기 고객의 주문 이력과 상기 추천 모델에 기초하여 획득되는 하나 이상의 추정 선호 메뉴 각각에 대하여 값이 할당됨에 기초하여 획득될 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 제1 속성값 중 제1 값과 일치되는 값이 상기 하나 이상의 제2 속성값에 포함됨에 기초하여, 상기 추천 메뉴 리스트는 상기 제1 값과 대응되는 메뉴를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 제1 속성값 중 제2 값과 일치되는 값이 상기 하나 이상의 제2 속성값에 포함되지 않음에 기초하여, 상기 제2 값과 상기 하나 이상의 제2 속성값 각각에 대한 유사도 점수가 획득되고, 상기 추천 메뉴 리스트는 상기 하나 이상의 제2 속성값 중 최대 또는 최소 유사도 점수에 대응되는 값에 대응되는 메뉴를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 제1 값과 상기 하나 이상의 제2 속성값 각각에 대한 유사도 점수가 획득될 수 있다.
다양한 실시예들에 따르면, 상기 추천 메뉴 리스트는, 상기 하나 이상의 제2 속성값 중 미리 설정된 임계치 이상 또는 이하인 유사도 점수에 대응되는 값에 대응되는 메뉴를 더 포함할 수 있다.
다양한 실시예들에 따르면, 상기 방법은: 상기 매장의 종류 및 상기 매장에서 제공 가능한 복수의 메뉴들 각각의 종류에 기초하여 획득되는 광고 메시지를 송신; 하는 것을 더 포함할 수 있다.
다양한 실시예들에 따르면, 전자 장치가 제공될 수 있다.
다양한 실시예들에 따르면, 상기 전자 장치는: 데이터베이스; 및 상기 데이터베이스와 연결된 하나 이상의 프로세서 (processor) 를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 프로세서는: 고객 ID (identifier) 에 대한 정보와 매장 ID 에 대한 정보를 포함하는 서비스 요청 정보를 수신; 상기 고객 ID 에 대응되는 고객에 대한 고객 정보와 상기 매장 ID 에 대응되는 매장에 대한 매장 정보를 포함하는 입력 정보가 입력됨에 대한 응답으로 획득되는 추천 모델의 출력 정보에 기초하여 추천 메뉴 리스트를 획득; 및 상기 추천 메뉴 리스트와 관련된 정보를 송신; 하도록 설정될 수 있다.
다양한 실시예들에 따르면, 상기 고객 정보와 상기 매장 정보가 상기 추천 모델에 입력됨에 따라, 서로 다른 고객 ID 가 할당된 미리 설정된 복수의 고객들 중 상기 고객 ID 에 대응되는 고객의 추정 선호도와 관련된 하나 이상의 제1 속성값이 획득될 수 있다.
다양한 실시예들에 따르면, 서로 다른 매장 ID 가 할당된 미리 설정된 복수의 매장들 중 상기 매장 ID 에 대응되는 매장에서 제공 가능한 복수의 메뉴들 각각에는 하나 이상의 제2 속성값이 미리 할당될 수 있다.
다양한 실시예들에 따르면, 상기 추천 메뉴 리스트는, 상기 하나 이상의 제1 속성값과 상기 하나 이상의 제2 속성값 간의 비교 결과에 기초하여, 상기 매장에서 제공 가능한 복수의 메뉴들 중에서 선택된 하나 이상의 메뉴를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 고객 정보는, 데이터베이스를 상기 고객 ID 에 따라 검색함에 기초하여 획득될 수 있다.
다양한 실시예들에 따르면, 상기 매장 정보는, 상기 데이터베이스를 상기 매장 ID 에 따라 검색함에 기초하여 획득될 수 있다.
다양한 실시예들에 따르면, 상기 고객 정보는, 상기 고객의 생년월일, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보, 상기 고객의 서비스 요청 이력에 기초하여 획득되는 상기 고객의 선호 메뉴에 대한 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 매장 정보는, 상기 매장에서 제공 가능한 복수의 메뉴들, 상기 매장의 주소, 상기 매장에 대한 후기, 상기 매장에서 제공 가능한 복수의 메뉴들 각각의 주문 이력에 기초하여 획득되는 상기 매장에서의 인기 메뉴에 대한 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 데이터베이스에는: (i) 상기 복수의 고객들 각각의 생년월일, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보가 상기 복수의 고객들 각각에 할당된 서로 다른 고객 ID 들 별로 분류되어 저장될 수 있다.
다양한 실시예들에 따르면, 상기 데이터베이스에는: (ii) 상기 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들, 상기 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들 각각의 주문 이력에 대한 정보가 상기 복수의 매장들 각각에 할당된 서로 다른 매장 ID 들 별로 분류되어 저장될 수 있다.
다양한 실시예들에 따르면, 상기 추천 모델은, 상기 추천 모델 획득을 위한 AI (artificial intelligence) 엔진에 기계 학습 (machine learning) 이 적용됨에 기초하여 미리 설정될 수 있다.
다양한 실시예들에 따르면, 상기 기계 학습은: - (a) 상기 추천 모델 획득을 위한 훈련용 데이터에 기초하여 상기 AI 엔진을 학습; - (b) 학습된 AI 엔진의 검증을 위한 테스트용 데이터가 상기 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 피드백 정보를 획득; - (c) 상기 피드백 정보에 기초하여 상기 AI 엔진을 업데이트; 및 - (d) 상기 (a) 내지 (c) 가 반복되되, 상기 (a) 내지 (c) 가 반복될 때 마다 초기값 0 인 카운트 값이 1 씩 증가 되고, 상기 카운트 값이 미리 설정된 카운트 임계값과 일치됨에 기초하여 종료; 됨에 기초하여 수행될 수 있다.
다양한 실시예들에 따르면, 상기 훈련용 데이터와 상기 테스트용 데이터는, 상기 추천 모델 획득을 위한 학습용 데이터에 기초하여 획득될 수 있다.
다양한 실시예들에 따르면, 상기 학습용 데이터는, 고객 관련 학습용 데이터와 매장 관련 학습용 데이터를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 고객 관련 학습용 데이터는: 상기 복수의 고객들 각각의 생년월일, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보, 및 상기 복수의 고객들 각각의 서비스 요청 이력에 기초하여 획득되는 상기 복수의 고객들 각각의 선호 메뉴에 대한 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 매장 관련 학습용 데이터는: 상기 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들, 상기 복수의 매장들 각각의 주소, 상기 복수의 매장들 각각에 대한 후기 및 상기 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들 각각의 주문 이력에 기초하여 획득되는 상기 복수의 매장들 각각에서의 인기 메뉴에 대한 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 선호 메뉴에 대한 정보와 상기 인기 메뉴에 대한 정보 각각은, 미리 정의된 일정 시간 길이를 갖는 주문 시간대 및 날씨에 따라 분류된 정보일 수 있다.
다양한 실시예들에 따르면, 상기 매장은, 상기 전자 장치에 의하여 제어되는 복수의 서비스 로봇들 및 복수의 IoT (internet of things) 디바이스들에 기초하여 운용될 수 있다.
다양한 실시예들에 따르면, 상기 복수의 서비스 로봇들 및 상기 복수의 IoT 디바이스들 각각에는 서로 다른 ID 가 할당될 수 있다.
다양한 실시예들에 따르면, 상기 서비스 요청은, 상기 복수의 IoT 디바이스들 중 하나의 IoT 디바이스로부터 수신될 수 있다.
다양한 실시예들에 따르면, 상기 추천 메뉴 리스트와 관련된 정보는, 상기 하나의 IoT 디바이스에 포함된 출력부에서 출력되도록 상기 하나의 IoT 디바이스로 송신될 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 프로세서는: 상기 추천 메뉴 리스트와 관련된 정보에 대한 응답으로 상기 매장에서 제공 가능한 복수의 메뉴들 중 하나 이상의 메뉴에 대한 요청 정보가 상기 하나의 IoT 디바이스로부터 수신됨에 기초하여, 상기 하나 이상의 메뉴와 관련된 서비스를 제공하도록 상기 복수의 서비스 로봇들 중 하나 이상의 서비스 로봇을 제어; 하도록 설정될 수 있다.
다양한 실시예들에 따르면, 상기 복수의 서비스 로봇들은, 하나 이상의 제1 서비스 로봇과 하나 이상의 제2 서비스 로봇을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 제1 서비스 로봇 중 하나 이상은, 상기 하나 이상의 메뉴에 대응되는 물품을 제조하는 동작을 수행하도록 제어될 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 제2 로봇 중 하나 이상은, 상기 하나 이상의 메뉴에 대응되는 물품 또는 상기 하나 이상의 메뉴와 관련된 서비스를 제공하는 것과 관련된 물품을 상기 고객에게 전달하는 동작을 수행하도록 제어될 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 제2 로봇 중 상기 하나 이상은, 상기 하나의 IoT 디바이스에 할당된 ID, 상기 하나 이상의 제2 로봇 각각에 할당된 ID 및 상기 하나 이상의 제2 로봇 각각과 상기 하나의 IoT 디바이스 간의 거리에 기초하여 상기 하나 이상의 제2 로봇 중에서 선택될 수 있다.
상기 하나 이상의 제2 로봇 중 상기 하나 이상은, 상기 하나의 IoT 디바이스에 할당된 ID, 상기 하나 이상의 제2 로봇 각각에 할당된 ID 및 상기 하나 이상의 제2 로봇 각각과 상기 하나의 IoT 디바이스 간의 거리에 기초하여 상기 하나 이상의 제2 로봇 중에서 선택되는, 다양한 실시예들에 따르면, 상기 하나 이상의 제2 속성값은, 메뉴의 성질 (property) 과 상기 메뉴의 성질의 정도 (level) 에 의하여 정의되는 속성값 테이블 (table) 에 따라 상기 복수의 매장들에서 제공 가능한 복수의 메뉴들을 포함하는 복수의 메뉴들 각각에 대하여 값이 할당됨에 기초하여 미리 할당될 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 제1 속성값은, 상기 속성값 테이블에 따라 상기 복수의 매장들에서의 상기 고객의 주문 이력과 상기 추천 모델에 기초하여 획득되는 하나 이상의 추정 선호 메뉴 각각에 대하여 값이 할당됨에 기초하여 획득될 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 제1 속성값 중 제1 값과 일치되는 값이 상기 하나 이상의 제2 속성값에 포함됨에 기초하여, 상기 추천 메뉴 리스트는 상기 제1 값과 대응되는 메뉴를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 제1 속성값 중 제2 값과 일치되는 값이 상기 하나 이상의 제2 속성값에 포함되지 않음에 기초하여, 상기 제2 값과 상기 하나 이상의 제2 속성값 각각에 대한 유사도 점수가 획득되고, 상기 추천 메뉴 리스트는 상기 하나 이상의 제2 속성값 중 최대 또는 최소 유사도 점수에 대응되는 값에 대응되는 메뉴를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 제1 값과 상기 하나 이상의 제2 속성값 각각에 대한 유사도 점수가 획득될 수 있다.
다양한 실시예들에 따르면, 상기 추천 메뉴 리스트는, 상기 하나 이상의 제2 속성값 중 미리 설정된 임계치 이상 또는 이하인 유사도 점수에 대응되는 값에 대응되는 메뉴를 더 포함할 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 프로세서는: 상기 매장의 종류 및 상기 매장에서 제공 가능한 복수의 메뉴들 각각의 종류에 기초하여 획득되는 광고 메시지를 송신; 하도록 설정될 수 있다.
다양한 실시예들에 따르면, 전자 장치가 제공될 수 있다.
다양한 실시예들에 따르면, 전자 장치는: 송수신기; 및 상기 송수신기와 연결된 하나 이상의 프로세서 (processor) 를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 프로세서는: 고객 ID (identifier) 에 대한 정보와 매장 ID 에 대한 정보를 포함하는 서비스 요청 정보를 송신; 및 추천 메뉴 리스트와 관련된 정보를 수신; 하도록 설정될 수 있다.
다양한 실시예들에 따르면, 상기 추천 메뉴 리스트는, 상기 고객 ID 에 대응되는 고객에 대한 고객 정보와 상기 매장 ID 에 대응되는 매장에 대한 매장 정보를 포함하는 입력 정보가 입력됨에 대한 응답으로 획득되는 추천 모델의 출력 정보에 기초하여 획득될 수 있다.
다양한 실시예들에 따르면, 상기 고객 정보와 상기 매장 정보가 상기 추천 모델에 입력됨에 따라, 서로 다른 고객 ID 가 할당된 미리 설정된 복수의 고객들 중 상기 고객 ID 에 대응되는 고객의 추정 선호도와 관련된 하나 이상의 제1 속성값이 획득될 수 있다.
다양한 실시예들에 따르면, 서로 다른 매장 ID 가 할당된 미리 설정된 복수의 매장들 중 상기 매장 ID 에 대응되는 매장에서 제공 가능한 복수의 메뉴들 각각에는 하나 이상의 제2 속성값이 미리 할당될 수 있다.
다양한 실시예들에 따르면, 상기 추천 메뉴 리스트는, 상기 하나 이상의 제1 속성값과 상기 하나 이상의 제2 속성값 간의 비교 결과에 기초하여, 상기 매장에서 제공 가능한 복수의 메뉴들 중에서 선택된 하나 이상의 메뉴를 포함할 수 있다.
상술한 다양한 실시예들은 바람직한 실시예들 중 일부에 불과하며, 다양한 실시예들의 기술적 특징들이 반영된 여러 가지 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 상세한 설명을 기반으로 도출되고 이해될 수 있다.
다양한 실시예들에 따르면, 인공 지능 모델에 기초하여 주문 서비스를 제공하기 위한 방법 및 장치가 제공될 수 있다.
다양한 실시예들에 따르면, 인공 지능에 기초하여 추천 메뉴 및/또는 맞춤형 광고를 고객에게 제공할 수 있어, 고객의 취향을 반영할 수 있으며 고객의 만족도가 증가될 수 있다.
다양한 실시예들에 따르면, 무인 매장을 위한 통합형 서비스 플랫폼이 제공될 수 있다.
다양한 실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
다양한 실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 다양한 실시예들에 따른 주문 서비스 제공을 위한 장치의 동작 방법이 구현될 수 있는 주문 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 다양한 실시예들에 따른 제1 디바이스 및/또는 제2 디바이스의 구성을 도시한 도면이다.
도 3 은 다양한 실시예들에 따른 사용자 디바이스와 서버의 동작 방법의 일 예를 나타낸 도면이다.
도 4 는 다양한 실시예들에 따른 사용자 디바이스의 동작 방법의 일 예를 나타낸 도면이다.
도 5 는 다양한 실시예들에 따른 서버의 동작 방법의 일 예를 나타낸 도면이다.
도 6 은 다양한 실시예들에 따른 서비스 플랫폼을 운용하는 시스템 구성의 일 예를 나타낸 도면이다.
도 7 은 다양한 실시예들에 따른 사용자 디바이스를 통하여 제공되는 유저 인터페이스의 일 예를 나타낸 도면이다.
도 8는 다양한 실시예들에 따른 추천 모델을 획득하는 과정을 도시한 도면이다.
도 9은 다양한 실시예들에 따른 추천 모델을 획득하는 장치의 동작 방법을 도시한 도면이다.
이하의 실시예들은 다양한 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
1. 주문 서비스 제공 시스템 구현
도 1은 다양한 실시예들에 따른 주문 서비스 제공을 위한 장치의 동작 방법이 구현될 수 있는 주문 서비스 제공 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 다양한 실시예들에 따른 주문 서비스 제공 시스템은 다양한 종류의 장치들에 구현될 수 있다. 다양한 실시예들에 대한 설명에서, 다양한 실시예들에 따른 주문 서비스 제공 시스템은 전자 장치에 의하여 구현될 수 있다. 예를 들어, 주문 서비스 제공 시스템은 제1 디바이스(100) 및/또는 제2 디바이스(200) 에 구현될 수 있다. 달리 말해, 제1 디바이스(100) 및/또는 제2 디바이스(200)는 각각의 장치에 구현된 주문 서비스 제공 시스템을 기반으로, 다양한 실시예들에 따른 동작을 수행할 수 있다. 한편, 다양한 실시예들에 따른 주문 서비스 제공 시스템은, 상기 도 1에 도시된 바에 국한되지 않고, 더 다양한 장치들 및/또는 서버들에 구현될 수도 있을 것이다.
다양한 실시예들에 따른 제1 디바이스(100)는, 고객의 요청에 따라 주문 서비스를 제공할 수 있도록 매장 내에 설치될 수 있다. 다만, 다양한 실시예들에 따른 제1 디바이스(100)가 이에 국한되는 것은 아니며, 예를 들어, 고객이 보유한 스마트 디바이스 등도 제1 디바이스(100)가 될 수 있으며, 이 경우, 후술되는 다양한 실시예들에 따른 동작은 스마트 디바이스에 동작 가능한 어플리케이션 형태로 구현될 수 있다.
다양한 실시예들에 따른 제2 디바이스(200)는, 제1 디바이스(100)들과 무선 및/또는 유선 통신을 수행하며, 대단위의 저장 용량을 갖는 데이터베이스를 포함하는 장치일 수 있다. 예를 들어, 제2 디바이스(200)는 복수 개의 제1 디바이스(100)들과 연동될 수도 있다. 도시되지는 않았으나, 제2 디바이스를 제어/관리하기 위한 별도의 디바이스가 마련될 수도 있다.
다양한 실시예들에 따른 주문 서비스 제공 시스템은 동작을 위한 다양한 모듈들을 포함할 수 있다. 주문 서비스 제공 시스템에 포함된 모듈들은 주문 서비스 제공 시스템이 구현되는(또는, 물리적 장치에 포함되는) 물리적 장치(예: 제1 디바이스(100) 및/또는 제2 디바이스(200))가 지정된 동작을 수행할 수 있도록 구현된 컴퓨터 코드 내지는 하나 이상의 인스트럭션 (instruction) 일 수 있다. 다시 말해, 주문 서비스 제공 시스템이 구현되는 물리적 장치는 복수 개의 모듈들을 컴퓨터 코드 형태로 메모리에 저장하고, 메모리에 저장된 복수 개의 모듈들이 실행되는 경우 복수 개의 모듈들은 물리적 장치가 복수 개의 모듈들에 대응하는 지정된 동작들을 수행하도록 할 수 있다.
도 2는 다양한 실시예들에 따른 제1 디바이스 및/또는 제2 디바이스의 구성을 도시한 도면이다.
도 2를 참조하면, 제1 디바이스 및/또는 제2 디바이스는 입/출력부(210), 통신부(220), 데이터베이스(230) 및 프로세서(240)를 포함할 수 있다.
입/출력부(210)는 사용자 입력을 받거나 또는 사용자에게 정보를 출력하는 각종 인터페이스나 연결 포트 등일 수 있다. 입/출력부(210)는 입력 모듈과 출력 모듈로 구분될 수 있는데, 입력 모듈은 사용자로부터 사용자 입력을 수신한다. 사용자 입력은 키 입력, 터치 입력, 음성 입력을 비롯한 다양한 형태로 이루어질 수 있다. 이러한 사용자 입력을 받을 수 있는 입력 모듈의 예로는 전통적인 형태의 키패드나 키보드, 마우스는 물론, 사용자의 터치를 감지하는 터치 센서, 음성 신호를 입력 받는 마이크, 영상 인식을 통해 제스처 등을 인식하는 카메라, 사용자 접근을 감지하는 조도 센서나 적외선 센서 등으로 구성되는 근접 센서, 가속도 센서나 자이로 센서 등을 통해 사용자 동작을 인식하는 모션 센서 및 그 외의 다양한 형태의 사용자 입력을 감지하거나 입력 받는 다양한 형태의 입력 수단을 모두 포함하는 포괄적인 개념이다. 여기서, 터치 센서는 디스플레이 패널에 부착되는 터치 패널이나 터치 필름을 통해 터치를 감지하는 압전식 또는 정전식 터치 센서, 광학적인 방식에 의해 터치를 감지하는 광학식 터치 센서 등으로 구현될 수 있다. 이외에도 입력 모듈은 자체적으로 사용자 입력을 감지하는 장치 대신 사용자 입력을 입력 받는 외부의 입력 장치를 연결시키는 입력 인터페이스(USB 포트, PS/2 포트 등)의 형태로 구현될 수도 있다. 또 출력 모듈은 각종 정보를 출력해 사용자에게 이를 제공할 수 있다. 출력 모듈은 영상을 출력하는 디스플레이, 소리를 출력하는 스피커, 진동을 발생시키는 햅틱 장치 및 그 외의 다양한 형태의 출력 수단을 모두 포함하는 포괄적인 개념이다. 이외에도 출력 모듈은 상술한 개별 출력 수단을 연결시키는 포트 타입의 출력 인터페이스의 형태로 구현될 수도 있다.
일 예로, 디스플레이 형태의 출력 모듈은 텍스트, 정지 영상, 동영상을 디스플레이 할 수 있다. 디스플레이는 액정 디스플레이(LCD: Liquid Crystal Display), 발광 다이오드(LED: light emitting diode) 디스플레이, 유기 발광 다이오드(OLED: Organic Light Emitting Diode) 디스플레이, 평판 디스플레이(FPD: Flat Panel Display), 투명 디스플레이(transparent display), 곡면 디스플레이(Curved Display), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 홀로그래픽 디스플레이(holographic display), 프로젝터 및 그 외의 영상 출력 기능을 수행할 수 있는 다양한 형태의 장치를 모두 포함하는 광의의 영상 표시 장치를 의미하는 개념이다. 이러한 디스플레이는 입력 모듈의 터치 센서와 일체로 구성된 터치 디스플레이의 형태일 수도 있다.
통신부(220)는 외부 기기와 통신할 수 있다. 따라서, 제1 디바이스 및/또는 제2 디바이스는 통신부를 통해 외부 기기와 정보를 송수신할 수 있다. 예를 들어, 제1 디바이스 및/또는 제2 디바이스는 통신부를 이용해 주문 서비스 제공 시스템에 저장 및 생성된 정보들이 공유되도록 외부 기기와 통신을 수행할 수 있다.
여기서, 통신, 즉 데이터의 송수신은 유선 또는 무선으로 이루어질 수 있다. 이를 위해 통신부는 LAN(Local Area Network)를 통해 인터넷 등에 접속하는 유선 통신 모듈, 이동 통신 기지국을 거쳐 이동 통신 네트워크에 접속하여 데이터를 송수신하는 이동 통신 모듈, 와이파이(Wi-Fi) 같은 WLAN(Wireless Local Area Network) 계열의 통신 방식이나 블루투스(Bluetooth), 직비(Zigbee)와 같은 WPAN(Wireless Personal Area Network) 계열의 통신 방식을 이용하는 근거리 통신 모듈, GPS(Global Positioning System)과 같은 GNSS(Global Navigation Satellite System)을 이용하는 위성 통신 모듈 또는 이들의 조합으로 구성될 수 있다. 통신에 사용되는 무선 통신 기술은 저전력 통신을 위한 NB-IoT (Narrowband Internet of Things) 를 포함할 수 있다. 이때, 예를 들어 NB-IoT 기술은 LPWAN (Low Power Wide Area Network) 기술의 일례일 수 있고, LTE Cat (category) NB1 및/또는 LTE Cat NB2 등의 규격으로 구현될 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 다양한 실시예들에 따른 무선 기기에서 구현되는 무선 통신 기술은 LTE-M 기술을 기반으로 통신을 수행할 수 있다. 이때, 일 예로, LTE-M 기술은 LPWAN 기술의 일례일 수 있고, eMTC (enhanced Machine Type Communication) 등의 다양한 명칭으로 불릴 수 있다. 예를 들어, LTE-M 기술은 1) LTE CAT 0, 2) LTE Cat M1, 3) LTE Cat M2, 4) LTE non-BL(non-Bandwidth Limited), 5) LTE-MTC, 6) LTE Machine Type Communication, 및/또는 7) LTE M 등의 다양한 규격 중 적어도 어느 하나로 구현될 수 있으며 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 다양한 실시예들에 따른 무선 기기에서 구현되는 무선 통신 기술은 저전력 통신을 고려한 지그비(ZigBee), 블루투스(Bluetooth) 및 저전력 광역 통신망(Low Power Wide Area Network, LPWAN) 중 적어도 어느 하나를 포함할 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 일 예로 ZigBee 기술은 IEEE 802.15.4 등의 다양한 규격을 기반으로 소형/저-파워 디지털 통신에 관련된 PAN(personal area networks)을 생성할 수 있으며, 다양한 명칭으로 불릴 수 있다.
데이터베이스(230)는 각종 정보를 저장할 수 있다. 데이터베이스는 데이터를 임시적으로 또는 반영구적으로 저장할 수 있다. 예를 들어, 데이터베이스에는 제1 디바이스 및/또는 제2 디바이스를 구동하기 위한 운용 프로그램(OS: Operating System), 웹 사이트를 호스팅하기 위한 데이터나 점자 생성을 위한 프로그램 내지는 어플리케이션(예를 들어, 웹 어플리케이션)에 관한 데이터 등이 저장될 수 있다. 또, 데이터베이스는 상술한 바와 같이 모듈들을 컴퓨터 코드 형태로 저장할 수 있다.
데이터베이스(230)의 예로는 하드 디스크(HDD: Hard Disk Drive), SSD(Solid State Drive), 플래쉬 메모리(flash memory), 롬(ROM: Read-Only Memory), 램(RAM: Random Access Memory) 등이 있을 수 있다. 이러한 데이터베이스는 내장 타입 또는 탈부착 가능한 타입으로 제공될 수 있다.
프로세서(240)는 제1 디바이스(100) 및/또는 제2 디바이스(200)의 전반적인 동작을 제어한다. 이를 위해 프로세서(340)는 각종 정보의 연산 및 처리를 수행하고 제1 디바이스 및/또는 제2 디바이스의 구성요소들의 동작을 제어할 수 있다. 예를 들어, 프로세서(340)는 주문 서비스 제공을 위한 프로그램 내지 어플리케이션을 실행시킬 수 있을 것이다. 프로세서(240)는 하드웨어 소프트웨어 또는 이들의 조합에 따라 컴퓨터나 이와 유사한 장치로 구현될 수 있다. 하드웨어적으로 프로세서(240)는 전기적인 신호를 처리하여 제어 기능을 수행하는 전자 회로 형태로 제공될 수 있으며, 소프트웨어적으로는 하드웨어적인 프로세서(240)를 구동시키는 프로그램 형태로 제공될 수 있다. 한편, 이하의 설명에서 특별한 언급이 없는 경우에는 제1 디바이스 및/또는 제2 디바이스의 동작은 프로세서(240)의 제어에 의해 수행되는 것으로 해석될 수 있다. 즉, 주문 서비스 제공 시스템에 구현되는 모듈들이 실행되는 경우, 모듈들은 프로세서(240)가 제1 디바이스 및/또는 제2 디바이스를 이하의 동작들을 수행하도록 제어하는 것으로 해석될 수 있다.
요약하면, 다양한 실시예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 다양한 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.
하드웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 이하에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 예를 들어, 소프트웨어 코드는 메모리에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리는 상기 프로세서 내부 또는 외부에 위치할 수 있으며, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.
2. 다양한 실시예들에 따른 장치의 동작
이하에서는, 상기와 같은 기술적 사상에 기초하여 다양한 실시예들에 대해 보다 상세히 설명한다. 이하에서 설명되는 다양한 실시예들은 상호 배척되지 않는 한 전부 또는 일부가 결합되어 또 다른 다양한 실시예들을 구성할 수도 있으며, 이는 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있다.
이하에서 설명되는 다양한 실시예들에 대해서는 앞서 설명한 제 1 절의 내용들이 적용될 수 있다. 예를 들어, 이하에서 설명되는 다양한 실시예들에서 정의되지 않은 동작, 기능, 용어 등은 제 1 절의 내용들에 기초하여 수행되고 설명될 수 있다.
특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, A/B/C 는 A 및/또는 B 및/또는 C 를 의미할 수 있다.
특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, A 초과/이상인 것은 A 이상/초과인 것으로 대체될 수 있다.
특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, B 미만/이하인 것은 B 이하/미만인 것으로 대체될 수 있다.
특별히 달리 언급되지 않는 한, 다양한 실시예들에 대한 설명에서 메뉴는 다양한 실시예들에 따른 주문 서비스 제공 방법이 구현되는 매장에서 판매/제공되는 및/또는 판매/제공될 수 있는 물품 및/또는 서비스를 포함할 수 있다. 예를 들어, 커피숍의 경우, 해당 커피숍에서 제공되는 음료 (예를 들어, 아메리카노, 카페라떼, 에스프레소, 콜드브루, 에이드, 허브티 등) 및/또는 기타 디저트 중 하나 이상이 메뉴가 될 수 있다. 예를 들어, 음식점의 경우, 해당 음식점에서 판매/제공되는 음식의 종류 중 하나 이상이 메뉴가 될 수 있다.
특별히 달리 언급되지 않는 한, 다양한 실시예들에 대한 설명에서 매장은 다양한 실시예들에 따른 주문 서비스 제공 방법과 관련된 서비스 및/또는 서비스 플랫폼에 가입된 매장 및/또는 가맹 매장을 포함할 수 있다. 예를 들어, 매장에는 제1 디바이스(100)가 설치/마련될 수 있으나, 다양한 실시예들이 이에 제한되는 것은 아니며, 다양한 실시예들에 따른 주문 서비스 제공 방법과 관련된 서비스 및/또는 서비스 플랫폼에 가입된 것으로 외부의 제1 디바이스(100)에 의하여도 서비스 요청/주문 요청 등을 받는 매장이라면 포함될 수 있다.
이하에서는, 다양한 실시예들에 따른 제1 디바이스(100)의 일 구현 예에 따른 매장 내에 설치되는 사용자 디바이스와 IoT (internet of things) 디바이스가 설명되나, 이외에도 유사한 기능을 수행하는 다른 장치들도 제1 디바이스가 될 수 있다.
이하에서는, 다양한 실시예들에 따른 제2 디바이스(200)의 일 구현 예에 따른 서버가 설명되나, 이외에도 유사한 기능을 수행하는 다른 장치들도 제2 디바이스가 될 수 있다.
예를 들어, 제1 디바이스/제2 디바이스는 개인 휴대 단말기 (PDA: Personal Digital Assistant), 셀룰러 폰, 개인 통신 서비스 (PCS: Personal Communication Service) 폰, GSM(Global System for Mobile) 폰, WCDMA (Wideband CDMA) 폰, MBS (Mobile Broadband System) 폰, 스마트 (Smart) 폰 또는 멀티모드 멀티밴드 (MM-MB: Multi Mode-Multi Band) 단말기 등일 수 있다. 또는, 제1 디바이스/제2 디바이스는 PC, 노트북 PC, 핸드헬드 PC (Hand-Held PC), 태블릿 PC (tablet PC), 울트라북 (ultrabook), 슬레이트 PC (slate PC), 디지털 방송용 단말기, PMP (portable multimedia player), 네비게이션, 웨어러블 디바이스 (wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD (head mounted display) 등일 수 있다. 예를 들어, 드론은 사람이 타지 않고 무선 컨트롤 신호에 의해 비행하는 비행체일 수 있다. 예를 들어, HMD는 머리에 착용하는 형태의 디스플레이 장치일 수 있다. 예를 들어, HMD는 VR 또는 AR을 구현하기 위해 사용될 수 있다.
특별히 달리 언급되지 않은 한, 이하의 다양한 실시예들에 대한 설명에서 장치가 이용하는 정보/장치가 출력/표시하는 정보 등은 장치가 직접 식별/획득한 정보이거나, 장치에 포함된 데이터베이스에 저장된 정보이거나, 서버 및/또는 기타 외부 기기로부터 수신 받은 정보 중 하나 이상일 수 있다.
2.1. 서비스 제공 동작
이하의 설명에서는 사용자 디바이스(200)로부터 서비스 요청 정보를 획득한 서버(100) 가 서비스 요청 정보에 대한 응답과 관련된 동작을 수행함을 전제로 다양한 실시예들에 대하여 설명하였으나, 다양한 실시예들에 따르면, 서버(100)로부터 서비스 요청 정보를 획득한 사용자 디바이스(200)가 서비스 요청 정보에 대한 응답과 관련된 동작을 수행할 수도 있다. 또는, 다양한 실시예들에 따르면, 하나의 서버(100) 또는 하나의 사용자 디바이스(200) 각각이 직접 서비스 요청 정보를 획득(예를 들어, 사용자로부터 직접 입력)하여, 서비스 요청 정보에 대한 응답과 관련된 동작을 수행할 수도 있다. 또는, 다양한 실시예들에 따르면, 복수의 사용자 디바이스(200)들 및/또는 복수의 서버(100)들이 마련되어, 복수의 사용자 디바이스(200)들 및/또는 복수의 서버(100)들 간에 서비스 요청 정보 송수신 및 서비스 요청 정보에 대한 응답과 관련된 동작이 각 동작 별로 분배되어, 별개로 실시될 수도 있다.
도 3 은 다양한 실시예들에 따른 사용자 디바이스와 서버의 동작 방법의 일 예를 나타낸 도면이다.
도 4 는 다양한 실시예들에 따른 사용자 디바이스의 동작 방법의 일 예를 나타낸 도면이다.
도 5 는 다양한 실시예들에 따른 서버의 동작 방법의 일 예를 나타낸 도면이다.
도 3 내지 도 5 를 참조하면, 다양한 실시예들에 따른 동작 301, 401, 501 에서, 사용자 디바이스는 서비스 요청 정보를 송신할 수 있으며, 서버는 이를 수신할 수 있다.
다양한 실시예들에 따르면, 서비스 요청은 다양한 실시예들에 따른 서비스 제공 플랫폼을 통하여 서비스/메뉴를 제공하여 줄 것을 요청하는 정보일 수 있다. 다양한 실시예들에 따르면, 서비스 요청은 사용자 디바이스의 사용자 입력 인터페이스에 대한 사용자의 터치 입력에 기초하여 생성되는 것일 수 있다. 다만, 다양한 실시예들에 따른 사용자의 입력 방식이 터치 입력에만 국한되는 것은 아니고, 도 2 에서 설명된 입/출력부로부터 획득 가능한 모든 입력 방식이 적용될 수 있다.
다양한 실시예들에 따르면, 서비스 요청은 고객 ID (identifier) (또는 사용자 ID) 를 포함할 수 있다. 다양한 실시예들에 따르면, 고객 ID 는 사용자 디바이스 및/또는 사용자 디바이스를 사용하는 사용자/고객 및/또는 서버가 운용하는 서비스 제공 플랫폼에 가입된 사용자/고객에 대한 식별 정보일 수 있다. 다양한 실시예들에 따르면, 사용자 디바이스 및/또는 사용자 디바이스를 사용하는 사용자/고객 및/또는 서버가 운용하는 서비스 제공 플랫폼에 가입된 사용자/고객 별로 서로 다른 고객 ID 정보가 부여될 수 있다. 다양한 실시예들에 따르면, 고객 ID 정보는 사용자 디바이스가 서버에게 서비스 제공 플랫폼을 통하여 서비스/메뉴를 제공하여 줄 것을 요청하는 정보로 이해되거나 및/또는 서비스 제공 플랫폼을 통하여 서비스/메뉴를 제공하여 줄 것을 요청하는 정보에 대응되거나 및/또는 서비스 제공 플랫폼을 통하여 서비스/메뉴를 제공하여 줄 것을 요청하는 정보에 포함되거나 및/또는 서비스 제공 플랫폼을 통하여 서비스/메뉴를 제공하여 줄 것을 요청하는 정보에 추가로 및/또는 별개로 송신될 수 있다.
다양한 실시예들에 따르면, 서비스 요청은 매장 ID 를 포함할 수 있다. 다양한 실시예들에 따르면, 매장 ID 는 사용자 디바이스가 설치/마련된 및/또는 사용자 디바이스의 사용자 입력 인터페이스에 대한 사용자의 터치 입력에 기초하여 사용자가 메뉴를 제공할 것을 요청한 매장을 식별하기 위한 식별 정보일 수 있다. 다양한 실시예들에 따르면, 서버가 운용하는 서비스 제공 플랫폼에 가입된 매장 별로 서로 다른 매장 ID 정보가 부여될 수 있다. 다양한 실시예들에 따르면, 매장 ID 정보는 사용자 디바이스가 서버에게 서비스 제공 플랫폼을 통하여 서비스/메뉴를 제공하여 줄 것을 요청하는 정보로 이해되거나 및/또는 서비스 제공 플랫폼을 통하여 서비스/메뉴를 제공하여 줄 것을 요청하는 정보에 대응되거나 및/또는 서비스 제공 플랫폼을 통하여 서비스/메뉴를 제공하여 줄 것을 요청하는 정보에 포함되거나 및/또는 서비스 제공 플랫폼을 통하여 서비스/메뉴를 제공하여 줄 것을 요청하는 정보에 추가로 및/또는 별개로 송신될 수 있다.
다양한 실시예들에 따른 동작 503 에서, 서버는 추천 메뉴 리스트를 획득할 수 있다. 다양한 실시예들에 따르면, 서버는 고객 정보와 매장 정보를 포함하는 입력 정보를 추천 모델로 입력하고, 추천 모델의 출력 정보에 기초하여 추천 메뉴 리스트를 획득할 수 있다.
다양한 실시예들에 따르면, 고객 정보는 고객 ID 에 대응되는 고객에 대한 정보일 수 있다. 다양한 실시예들에 따르면, 사용자 디바이스 및/또는 사용자 디바이스를 사용하는 사용자/고객 및/또는 서버가 운용하는 서비스 제공 플랫폼에 가입된 사용자/고객 별로 서로 다른 고객 ID 정보가 부여될 수 있다. 다양한 실시예들에 따르면, 사용자 디바이스 및/또는 사용자 디바이스를 사용하는 사용자/고객 및/또는 서버가 운용하는 서비스 제공 플랫폼에 가입된 사용자/고객 별 대응되는 고객 정보가 고객 ID 별로 분류되어 저장될 수 있으며, 고객 ID 에 기초하여 고객 정보가 검색/획득될 수 있다. 예를 들어, 서비스 요청 정보에 포함된 고객 ID 에 대응되는 고객 정보가 획득될 수 있다. 예를 들어, 고객 정보는 고객의 생년월일, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보와 상기 고객의 서비스 요청 이력에 기초하여 획득되는 상기 고객의 선호 메뉴에 대한 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 매장 정보는 서비스 요청 정보에 포함된 매장 ID 에 대응되는 매장에 대한 정보일 수 있다. 다양한 실시예들에 따르면, 서버가 운용하는 서비스 제공 플랫폼에 가입된 매장 별로 서로 다른 매장 ID 정보가 부여될 수 있다. 다양한 실시예들에 따르면, 서버가 운용하는 서비스 제공 플랫폼에 가입된 매장 별 대응되는 매장 정보가 매장 ID 별로 분류되어 저장될 수 있으며, 매장 ID 에 기초하여 매장 정보가 검색/획득될 수 있다. 예를 들어, 서비스 요청 정보에 포함된 매장 ID 에 대응되는 매장 정보가 획득될 수 있다. 예를 들어, 매장 정보는 매장에서 제공 가능한 복수의 메뉴들, 매장의 주소, 매장에 대한 후기, 매장에서 제공 가능한 복수의 메뉴들 각각의 주문 이력에 기초하여 획득되는 매장에서의 인기 메뉴에 대한 정보를 포함할 수 있으며, (유인 매장인 경우) 종업원/직원에 대한 평가에 대한 정보를 더 포함할 수 있다.
다양한 실시예들에 따르면, 고객 정보, 매장 정보는 데이터베이스에 기초하여 획득될 수 있다. 다양한 실시예들에 따르면, 복수의 고객들 각각의 고객 정보가 복수의 고객들 각각을 식별하기 위한 복수의 고객 ID 들 별로 분류되어 저장되어 있을 수 있다. 다양한 실시예들에 따르면, 복수의 매장들 각각의 매장 정보가 복수의 매장들 각각을 식별하기 위한 복수의 매장 ID 들 별로 분류되어 저장되어 있을 수 있다.
다양한 실시예들에 따르면, 서버는 데이터베이스를, 서비스 요청 정보에 포함된, 서비스를 요청하는 고객의 식별 정보인 고객 ID 에 따라 검색함에 기초하여 고객 ID 에 대응하는 고객 정보를 획득할 수 있다. 다양한 실시예들에 따르면, 서버는 데이터베이스를, 서비스 요청 정보에 포함된, 서비스를 요청하는 대상이 된 매장의 식별 정보인 매장 ID 에 따라 검색함에 기초하여 매장 ID 에 대응하는 매장 정보를 획득할 수 있다.
다양한 실시예들에 따르면, 입력 정보는 고객 정보와 매장 정보 외 기타 정보를 더 포함할 수 있다. 예를 들어, 기타 정보는 상기 서비스 요청 정보가 수신된 시간 대 (예를 들어, 일정 총 시간 구간이 일정 시간 크기로 분할된 복수의 시간 대들 중 서비스 요청 정보가 수신된 시점이 포함되는 시간 대일 수 있음. 예를 들어, 오전/오후/저녁일 수 있으나 이에 제한되지 않음. 예를 들어, 해당 시간 대에 대응되는 인기 메뉴를 식별함에 사용될 수 있음), 서비스 요청 정보가 수신된 시점 및/또는 서비스 요청 정보가 수신된 시점에 기초하여 획득 가능한 서비스 제공 예상 시점 (예를 들어, 서비스 요청 정보가 수신된 시점으로부터 메뉴가 제공되는데 필요한 평균 시간이 더해진 시점) 에서의 날씨 및/또는 예상 날씨 (예를 들어, 맑음, 흐림, 비, 소나기, 번개, 눈, 우박 등. 예를 들어, 해당 날씨 및/또는 예상 날씨에 대응되는 인기 메뉴를 식별함에 사용될 수 있음) 에 대한 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 서버는 고객 정보, 매장 정보 또는 기타 정보 중 하나 이상을 포함하는 입력 정보를 추천 모델에 입력 가능하도록 변환 (예를 들어, 행렬 변환) 하여 추천 모델이 입력하고, 그에 대한 출력에 기초하여 추천 메뉴 리스트를 획득할 수 있다.
다양한 실시예들에 따르면, 입력 정보가 추천 모델에 입력됨에 따라, 복수의 고객들 중 서비스 요청 정보에 포함된 고객 ID 에 대응되는 고객의 추정 선호도와 관련된 하나 이상의 제1 속성값이 획득될 수 있다.
다양한 실시예들에 따르면, 고객의 추정 선호도 및/또는 고객의 추정 선호도와 관련된 하나 이상의 제1 속성값은 서비스 요청 정보에 포함된 매장 ID 에 대응되는 매장을 포함하는 복수의 매장들 (예를 들어, 서버에 의하여 운용/제어되는 모든 매장들 및/또는 서버에 의하여 운용/제어되는 모든 매장들 중 매장 ID 에 대응되는 매장과 동일한 종류의 매장들 (예를 들어, 매장 ID 에 대응되는 매장이 음식점인 경우, 서버에 의하여 운용/제어되는 모든 매장들 중 음식점이 선택될 수 있음. 다른 예시로, 매장 ID 에 대응되는 매장이 특정 종류의 음식점 (예를 들어, 한식 음식점, 일식 음식점, 중식 음식점, 인도 요리 음식점, 분식점, 패스트푸드점, 이자까야, 와인바, 프랜차이즈 패밀리 레스토랑 등) 인 경우, 동일한 특정 종류의 음식점이 선택될 수 있음) 및/또는 다양한 실시예들에 따른 서비스 플랫폼에 가입된 모든 매장들/모든 가맹점들 및/또는 다양한 실시예들에 따른 서비스 플랫폼에 가입된 모든 매장들/모든 가맹점들 중 매장 ID 에 대응되는 매장과 동일한 종류의 매장들) 에서 제공되는 복수의 메뉴들에 대하여 각각 할당될 수 있다.
다양한 실시예들에 따르면, 복수의 매장들 중 서비스 요청 정보에 포함된 매장 ID 에 대응되는 매장에서 제공 가능한 복수의 메뉴들 각각에는 하나 이상의 제2 속성값이 획득될 수 있다.
다양한 실시예들에 따르면, 추천 메뉴 리스트는 하나 이상의 제1 속성값과 하나 이상의 제2 속성값 간의 비교 결과에 기초하여 획득될 수 있다. 다양한 실시예들에 따르면, 추천 메뉴 리스트는 하나 이상의 제1 속성값과 하나 이상의 제2 속성값 간의 비교 결과에 기초하여, 복수의 매장들 중 서비스 요청 정보에 포함된 매장 ID 에 대응되는 매장에서 제공 가능한 복수의 메뉴들 중에서 선택된 하나 이상의 메뉴를 포함할 수 있다.
다양한 실시예들에 따르면, 하나 이상의 제1 속성값과 하나 이상의 제2 속성값 간의 비교 결과는 유사도 점수에 기초하여 획득되는 것일 수 있다. 다양한 실시예들에 따르면, 유사도 점수는 0 이상의 정수/실수 값으로, 하나 이상의 제1 속성값과 하나 이상의 제2 속성값 간의 유사도의 정도 (level) 를 나타내는 평가 점수/평가 값으로 이해될 수 있다. 예를 들어, 유사도 점수의 오름차순 (및/또는 내림차순) 에 따라 유사도가 높은 것 (또는 낮은 것) 으로 이해될 수 있다. 예를 들어, 유사도 점수가 0 인 경우, 유사도가 가장 높은 것 (또는 가장 낮은 것) 으로 이해될 수 있다. 예를 들어, 유사도 점수는 하나 이상의 제1 속성값과 하나 이상의 제2 속성값 간의 차이값에 기초하여 획득될 수 있다. 예를 들어, 하나 이상의 제1 속성값과 하나 이상의 제2 속성값 간의 차이값이 유사도 점수가 될 수 있다. 다른 예시로, 유사도 점수는 하나 이상의 제1 속성값과 하나 이상의 제2 속성값 간의 차이값과 가중치 값에 기초하여 결정될 수 있다. 예를 들어, 하나 이상의 제1 속성값과 하나 이상의 제2 속성값 간의 차이값에, 가중치 값이 곱해진 (또는 나누어진) 및/또는 더해진 (또는 빼진) 값이 유사도 점수가 될 수 있다. 예를 들어, 가중치 값은 하나 이상의 제2 속성값 각각에 대하여 획득될 수 있으며, 상술된 기타 정보에 포함된 정보 중 하나 이상에 기초하여 획득될 수 있다.
상술된 바와 같이, 다양한 실시예들에 따르면, 하나 이상의 제1 속성값은 서비스 요청 정보에 포함된 매장 ID 에 대응되는 매장을 포함한 복수의 매장들에서 제공 가능한 복수의 메뉴들에 대하여 할당되는 것인 반면, 하나 이상의 제2 속성값은 서비스 요청 정보에 포함된 매장 ID 에 대응되는 매장에서 제공 가능한 복수의 메뉴들에 대하여 할당되는 것이므로, 하나 이상의 제1 속성값에 포함된 값 중 적어도 일부의 값에 대응되는 메뉴가 서비스 요청 정보에 포함된 매장 ID 에 대응되는 매장에서 제공되지 않는 경우가 있을 수 있다.
다양한 실시예들에 따르면, 하나 이상의 제1 속성값 중 제1 값과 일치되는 (유사도가 가장 높은 경우에 대응됨) 값이 하나 이상의 제2 속성값에 포함되면, 제1 값과 대응되는 메뉴가 매장에서 제공되는 경우일 수 있다. 다양한 실시예들에 따르면, 이 경우, 추천 메뉴 리스트는 제1 값과 대응되는 메뉴를 포함할 수 있다. 다양한 실시예들에 따르면, 이 경우, 추천 메뉴 리스트는 제1 값과 일치되지 않더라도, 하나 이상의 제2 속성값 중 제1 값과 유사한 (예를 들어, 일정 임계치 이상 또는 이하의 유사도 점수를 갖는 경우) 값에 대응되는 메뉴가 추천 메뉴 리스트에 포함될 수 있다.
다양한 실시예들에 따르면, 하나 이상의 제1 속성값 중 제2 값과 일치되는 값이 하나 이상의 제2 속성값에 포함되지 않으면, 제2 값과 대응되는 메뉴가 매장에서 제공되지 않는 경우일 수 있다. 다양한 실시예들에 따르면, 이 경우, 제2 값과 하나 이상의 제2 속성값 각각에 대한 유사도 점수에 기초하여, 추천 메뉴 리스트에 포함될 메뉴가 결정될 수 있다. 예를 들어, 유사도 점수의 오름차순으로 유사도가 높은 것으로 이해되는 경우, 하나 이상의 제2 속성값에 포함된 값 중 유사도 점수가 가장 낮은 경우에 대응되는 값에 대응되는 메뉴가 추천 메뉴 리스트에 포함될 수 있다. 예를 들어, 유사도 점수의 내림차순으로 유사도 점수가 높은 것으로 이해되는 경우, 하나 이상의 제2 속성값에 포함된 값 중 유사도 점수가 가장 높은 경우에 대응되는 값에 대응되는 메뉴가 추천 메뉴 리스트에 포함될 수 있다. 예를 들어, 하나 이상의 제2 속성값에 포함된 값 중 유사도 점수가 동일한 복수의 값들이 있는 경우에는, 복수의 값들에 대응되는 모든 메뉴들이 추천 메뉴 리스트에 포함되거나 및/또는 복수의 값들 중 임의로 선택된 하나의 값에 대응되는 메뉴가 추천 메뉴 리스트에 포함될 수 있다.
다양한 실시예들에 따르면, 하나 이상의 제1 속성값과 하나 이상의 제2 속성값을 포함하는 속성값은 메뉴의 성질 (property) 과 메뉴의 성질의 정도 (level) 에 의하여 정의되는 속성값 테이블 (table) 에 기초하여 획득/할당될 수 있다. 다양한 실시예들에 따르면, 매장 ID 에 대응되는 매장을 포함한 복수의 매장들의 종류 및/또는 복수의 매장들에서 제공 가능한 복수의 메뉴들의 종류에 대응되는 복수의 속성값 테이블이 미리 정의/설정/마련될 수 있다. 다양한 실시예들에 따르면 메뉴의 성질의 종류에 따라 별도의 속성값 테이블이 정의/설정/마련될 수 있다.
예를 들어, 음식점을 위한 속성값 테이블을 위한 경우, 음식의 종류 및/또는 음식점의 종류 (예를 들어, 한식 음식점, 일식 음식점, 중식 음식점, 인도 요리 음식점, 분식점, 패스트푸드점, 이자까야, 와인바, 프랜차이즈 패밀리 레스토랑 등의 서브 항목을 포함할 수 있음), 특정 미각 (예를 들어, 단맛, 짠맛, 매운맛, 쓴맛, 떫은맛, 감칠맛 등의 서브 항목을 포함할 수 있음) 등이 메뉴의 성질 (및/또는 메뉴의 성질의 종류) 에 대응될 수 있다. 예를 들어, 각 음식의 종류 및/또는 음식점의 종류에 대한 선호도/일치도 및/또는 특정 미각에 대한 선호도/일치도에 대한 정도값이 메뉴의 성질의 정도에 대응될 수 있다. 예를 들어, 메뉴의 성질의 정도는 0 이상의 정수/실수값으로 표현될 수 있으며, 오름차순으로 갈수록 높은 선호도로 해석될 수 있으나 이에 제한되는 것은 아닐 수 있다.
다양한 실시예들에 따른 속성값 테이블의 일 예는 표 1 과 같을 수 있다.
Figure 112021092658221-pat00001
표 1 을 참조하면, 다양한 실시예들에 따르면, XX1 은 속성값 테이블에 부여/할당되어, 속성값 테이블을 구분/구별/식별하기 위한 속성값 테이블 ID 일 수 있다. 다양한 실시예들에 따르면, 속성값 테이블은 메뉴의 성질의 종류에 따라 별도로 정의/설정/마련될 수 있으며, 속성값 테이블 ID 에 기초하여 식별될 수 있다. 다양한 실시예들에 따르면, 복수의 속성값 테이블들이 데이터베이스에 저장될 수 있으며, 속성값 테이블 ID 에 따른 검색에 기초하여 선택될 수 있다.
다양한 실시예들에 따르면, A, B, C 등은 각 메뉴의 성질과 관련된 서브 항목일 수 있다. 다양한 실시예들에 따르면, 0, 1, 2, 등은 각 A, B, C 에 대한 선호도/일치도를 나타낼 수 있다. 예를 들어, 선호도의 최대값은 각 서브 항목에 대하여 공통적으로 정의되거나 및/또는 각 서브 항목 별로 서로 다른 최대값이 정의될 수 있다. 예를 들어, A 에 대응되는 선호도/일치도의 최대값은 4, B 에 대응되는 선호도/일치도의 최대값은 4, C 에 대응되는 선호도/일치도의 최대값은 2 일 수 있다.
다양한 실시예들에 따르면, 속성값 테이블은 속성값의 할당/해석에 사용될 수 있다. 예를 들어, 특정 메뉴가 성질 A 의 정도가 2, 성질 B 의 정도가 3, 성질 C 의 정도가 1 임에 대응되는 경우, 특정 메뉴에는 A2B3C1 (및/또는 A2B3C1 에 대응되는 비트값) 이 속성값으로 할당될 수 있다. 다른 예시로, 특정 메뉴에 A2B3C1 가 할당된 경우, 특정 메뉴가 성질 A 의 정도가 2, 성질 B 의 정도가 3, 성질 C 의 정도가 1 임에 대응되는 것으로 해석될 수 있다.
다양한 실시예들에 따른 동작 505 에서, 서버는 추천 메뉴 리스트와 관련된 정보를 송신할 수 있으며, 사용자 디바이스는 이를 수신할 수 있다. 다양한 실시예들에 따르면, 추천 메뉴 리스트는 사용자 디바이스의 출력부에서 출력될 수 있는 시각적/청각적 정보를 포함할 수 있다. 예를 들어, 추천 메뉴 리스트가 시각적 정보를 포함하는 경우, 서버는 사용자 디바이스의 출력부에 포함된 디스플레이부에서 추천 메뉴 리스트가 표출될 표출 위치 및/또는 표출 시간을 결정할 수 있다. 예를 들어, 표출 위치를 결정하기 위하여, 미리 설정/정의되는 템플릿이 사용될 수 있다. 예를 들어, 미리 설정/정의되는 템플릿은 추천 메뉴 리스트에 대응되는 시각적 정보를 포함하는, 매장에서의 서비스 제공을 위한 시각적 정보에 포함된 각 정보의 디스플레이부에 표시되는 화면에서의 위치를 미리 결정하는 것일 수 있다. 다른 예시로, 추천 메뉴 리스트에 대응되는 시각적 정보를 포함하는, 매장에서의 서비스 제공을 위한 시각적 정보에 포함된 각 정보의 디스플레이부에서 표시되는 화면에서의 위치는, 사용자 디바이스에서 실행되는 어플리케이션 (application) 에 의하여 결정될 수도 있다. 예를 들어, 어플리케이션은 미리 설정/저장된 템플릿을 이용하여 서버로부터 제공된 매장에서의 서비스 제공을 위한 시각적 정보의 각 위치를 결정할 수 있다.
다양한 실시예들에 따르면, 사용자 디바이스는 추천 메뉴 리스트에 포함된 메뉴를 요청하는 정보를 송신할 수 있으며, 이 경우 서버는 요청된 메뉴를 제공하기 위한 동작을 수행할 수 있다.
다양한 실시예들에 따르면, 사용자 디바이스에는, 추천 메뉴 리스트 뿐만 아니라, 매장 ID 에 대응되는 매장으로부터 제공 가능한 모든 메뉴 리스트 (추천 메뉴 리스트를 포함할 수 있으며, 추천 메뉴 리스트에 포함된 메뉴는 다른 메뉴보다 우선적으로 표시되거나 및/또는 강조 표시될 수 있음) 가 제공될 수 있다. 다양한 실시예들에 따르면, 사용자 디바이스는 추천 메뉴 리스트에 포함되지 않은 메뉴를 요청하는 정보를 송신할 수 있으며, 이 경우 서버는 요청된 메뉴를 제공하기 위한 동작을 수행할 수 있다. 또한, 다양한 실시예들에 따르면, 서버는 추천 모델로부터 획득/생성된 추천 메뉴 리스트가 부정확하였던 것으로 판단하고, 추천 모델의 정확도를 높일 수 있도록 추천 메뉴 리스트에 포함되지 않은 메뉴를 요청하는 정보로부터 추천 모델에 대한 피드백 정보를 획득/생성하여, 이를 이용하여 추천 모델을 피드백/업데이트 할 수 있다.
다양한 실시예들에 따르면, 서버는 다른 방법으로도 추천 메뉴 리스트에 대한 피드백 정보를 획득할 수도 있다. 예를 들어, 피드백 정보는 추천 메뉴 리스트에 대한 공감(좋아요, 싫어요 등)이나 댓글 형태로 수집될 수도 있고, 고객에 대하여 설문을 배포하며, 설문에 대한 응답결과를 수집함으로써 획득될 수도 있다. 또한, 예를 들어, 서버는 미디어 컨텐츠 추천 모델로부터 획득/생성된 추천 미디어 컨텐츠 리스트가 부정확하였던 것으로 판단하고, 미디어 컨텐츠 추천 모델의 정확도를 높일 수 있도록 추천 미디어 컨텐츠 리스트에 포함되지 않은 미디어 컨텐츠를 요청하는 정보로부터 미디어 컨텐츠 추천 모델에 대한 피드백 정보를 획득/생성하여, 이를 이용하여 미디어 컨텐츠 추천 모델을 피드백/업데이트 할 수 있다. 다양한 실시예들에 따르면, 서버는 피드백 정보를 이용하여 추천 모델을 업데이트할 수 있다.
다양한 실시예들에 따르면, 서버는 피드백 정보에 포함된 노이즈를 제거할 수 있다. 예를 들어, 피드백 정보에는 추천 메뉴 리스트 자체에 대한 평가가 아닌 다양한 내용들(예를 들어, 덧글 혹은 잡담 등)이 포함될 수 있다. 따라서, 서버는 피드백 정보로부터 이와 같은 노이즈들을 제거하고, 추천 메뉴 리스트 자체에 대한 평가정보를 포함하는 피드백만을 획득할 수 있다.
도 6 은 다양한 실시예들에 따른 서비스 플랫폼을 운용하는 시스템 구성의 일 예를 나타낸 도면이다. 도 6 은 다양한 실시예들에 따른 주문 서비스 제공 시스템의 일 구현 예를 나타낸 도면으로 이해될 수 있다.
도 6 을 참조하면, 다양한 실시예들에 따른 서비스 플랫폼을 운용하는 시스템은 서버, 사용자 디바이스, POS, 서비스 로봇, IoT 디바이스 및/또는 미들웨어 중 하나 이상을 포함할 수 있다.
도 6 에서는 사용자 디바이스와 IoT 디바이스가 별도로 도시되었으나, 이는 예시적인 것으로 사용자 디바이스가 IoT 디바이스에 포함될 수도 있다.
도 6 에서는 서버, 사용자 디바이스, POS (POS 디바이스), 서비스 로봇, IoT 디바이스 및 미들웨어 각각이 하나가 도시되었으나, 이는 예시적인 것으로 복수의 서버들, 복수의 사용자 디바이스들, 복수의 POS 들, 복수의 서비스 로봇들, 복수의 IoT 디바이스들 및/또는 복수의 미들웨어들이 시스템에 포함될 수도 있다. 예를 들어, 하나 이상의 서버 각각에는 서로 다른 서버 ID 가 할당되어 구별될 수 있다. 예를 들어, 하나 이상의 디바이스 각각에는 서로 다른 사용자 디바이스 ID 가 할당되어 구별될 수 있다. 예를 들어, 하나 이상의 POS 각각에는 서로 다른 POS ID 가 할당되어 구별될 수 있다. 예를 들어, 하나 이상의 서비스 로봇 각각에는 서로 다른 서비스 로봇 ID 가 할당되어 구별될 수 있다. 예를 들어, 하나 이상의 미들웨어 각각에는 서로 다른 미들웨어 ID 가 할당되어 구별될 수 있다. 예를 들어, 각 ID 는 시스템에 포함된 각 장치 간의 유무선 통신 (각 장치 간의 직접 통신 외에, 서버를 경유하는 통신을 포함) 에 따라 상호 송수신될 수 있다.
다양한 실시예들에 따르면, 서버, 사용자 디바이스, POS, 서비스 로봇, IoT 디바이스 및/또는 미들웨어는 특정 매장 내에 설치/마련/포함되거나 적어도 일부는 매장 외에 설치/마련/포함될 수 있다. 예를 들어, 서버는 특정 매장 외부에 설치될 수 있으며, 그외 장치들은 특정 매장 내부에 포함될 수 있다.
다양한 실시예들에 따르면, 서버는 서비스 플랫폼을 운용하는 시스템에 포함된 다른 장치들 (예를 들어, 하나 이상의 사용자 디바이스, 하나 이상의 POS, 하나 이상의 서비스 로봇, 하나 이상의 IoT 디바이스 및 하나 이상의 미들웨어) 과 유선 또는 무선으로 연결되어, 다른 장치들과 통신하거나 및/또는 다른 장치들을 제어 (예를 들어, 서버는 다른 장치들에 대하여 특정 동작을 제어/명령하는 제어 정보를 송신할 수 있음) 할 수 있다. 다양한 실시예들에 따르면, 서버는 서로 다른 기능을 하고 상호간 유무선 통신하면 복수의 서버들일 수 있거나, 서로 다른 기능을 하는 복수의 모듈들을 포함하는 하나의 서버일 수 있다. 예를 들어, 복수의 서버들은 DB (database) 서버, REDIS (Remote Dictionary Server), MQ (Message Queue) 서버를 포함할 수 있다. 예를 들어, DB 서버는 데이터 수집 및 분석, 추천 모델 획득/운용 등을 수행할 수 있다. 예를 들어, REDIS 는 사용자 디바이스와 정보를 주고 받을 수 있으며, API (Application Programming Interface) 를 운용 (예를 들어, 사용자 디바이스에서 실행되는 어플리케이션을 위한 정보 생성/전달) 할 수 있다. 예를 들어, REDIS 및/또는 MQ 서버는 시스템에 포함된 다른 장치를 운용/제어할 수 있다. 반대 예시로, 각 서버의 동작/역할은 하나의 서버에 포함된 모듈들의 동작으로 이해될 수 있다. 예를 들어, 각 모듈들은 서버에 포함된 복수의 프로세서들이거나 및/또는 서버에 포함된 하나의 프로세서에서 실행되는 복수의 소프트웨어일 수 있다.
(1) 다양한 실시예들에 따르면, 서버는 사용자 디바이스로부터 서비스 요청 정보를 수신할 수 있다. 다양한 실시예들에 따르면, 서비스 요청 정보는 고객 ID, 매장 ID 및/또는 서비스 요청 정보를 송신하는 사용자 디바이스의 사용자 디바이스 ID 중 하나 이상을 포함할 수 있다.
(2) 다양한 실시예들에 따르면, 서버는 고객 ID 에 대응되는 고객에 대한 고객 정보와 매장 ID 에 대응되는 매장에 대한 매장 정보를 포함하는 입력 정보를 추천 모델에 입력한 후에 획득되는 추천 모델의 출력 정보에 기초하여 추천 메뉴 리스트를 획득할 수 있다. 다양한 실시예들에 따르면, 서버는 추천 메뉴 리스트와 관련된 정보를 서비스 요청 정보를 송신한 사용자 디바이스로 송신할 수 있다.
(3) 다양한 실시예들에 따르면, 서버는 추천 메뉴 리스트에 포함된 메뉴를 포함하는, 매장에서 제공 가능한 메뉴들 중 하나 이상의 메뉴에 대한 요청 정보를 사용자 디바이스로부터 수신할 수 있다.
(4) 다양한 실시예들에 따르면, 서버 (에 포함된 제어 모듈) 는 하나 이상의 메뉴를 제공하는 것과 관련된 서비스를 제공하는 동작을 수행하도록, 시스템에 포함된 다른 장치들 중 하나 이상을 제어할 수 있다. 예를 들어, 서버는 하나 이상의 메뉴를 제공하는 것과 관련된 서비스를 제공하는 동작을 수행하도록, 시스템에 포함된 다른 장치들 중 하나 이상을 제어하는 명령을 생성하고, 명령을 다른 장치들 중 하나 이상에 송신/전달할 수 있다. 다양한 실시예들에 따르면, 명령을 수신한 장치는 대응되는 서비스를 제공하는 동작을 수행할 수 있다.
다양한 실시예들에 따르면, 사용자 디바이스는 매장 내 일정 위치 (예를 들어, 매장 내 각 테이블 등) 에 분리 가능하도록 설치/마련될 수 있다. 다양한 실시예들에 따르면, 사용자 디바이스는 미리 설치된 어플리케이션 및/또는 서버로부터 제공되는 정보에 기초하여 고객에게 서비스 제공을 위한 유저 인터페이스 (user interface) 를 제공할 수 있다.
도 7 은 다양한 실시예들에 따른 사용자 디바이스를 통하여 제공되는 유저 인터페이스의 일 예를 나타낸 도면이다.
도 7 에서는 국어에 기초한 유저 인터페이스가 예시되었으나 다양한 실시예들에 따르면 다수의 언어 (영어, 일본어, 중국어, 아랍어, 스페인어, 이탈리아어 등) 에 기초한 유저 인터페이스가 제공될 수도 있으며, 언어 전환을 위한 아이콘이 디스플레이부의 제1 영역 (701) 내지 제4 영역 (707) 중 하나 이상에 표시될 수도 있다.
도 7 을 참조하면, 다양한 실시예들에 따르면, 사용자 디바이스는 디스플레이부를 통한 시각적 정보에 기초한 유저 인터페이스를 제공할 수 있다. 다만, 다양한 실시예들이 이에 제한되는 것은 아니고, 청각적 정보에 기초한 유저 인터페이스가 제공될 수도 있다. 예를 들어, 사용자 디바이스는 사용자의 터치 입력에 따라 입력 정보를 획득할 수 있으나, 다양한 실시예들에 따른 사용자의 입력 방식이 터치 입력에만 국한되는 것은 아니고, 도 2 에서 설명된 입/출력부로부터 획득 가능한 모든 입력 방식이 적용될 수 있다.
다양한 실시예들에 따르면, 디스플레이부의 제1 영역 (701) 에는 '메인 항목' 을 나타내는 기호, 문자, 영상, 이미지 또는 기타 시각 정보 등이 표시될 수 있다. 예를 들어, 디스플레이부의 제1 영역 (701) 에는 '메인 메뉴', '사리추가', '공기밥' 의 문자가 표시될 수 있으며, 선택된 '메인 메뉴' 항목에 대해서는 그에 대응되는 시각 정보 및/또는 시각 정보가 포함된 배경이 다른 색상 등으로 하이라이트 되는 등으로 강조 표시될 수 있다. 선택된 항목이 강조 표시되는 것은 다양한 실시예들에 대하여 전반적으로 적용될 수 있다.
다양한 실시예들에 따르면, 디스플레이부의 제1 영역 (701) 에는 다른 항목으로의 이동을 위한 아이콘 및/또는 사용자 디바이스가 설치/마련된 테이블의 번호 (사용자 디바이스의 ID 에 대응될 수 있음) 가 표시될 수 있다.
다양한 실시예들에 따르면, 디스플레이부의 제2 영역 (703) 에는 '메인 항목' 에 표시된 항목들 중 선택된 항목에 포함된 '서브 항목' 을 나타내는 기호, 문자, 영상, 이미지 또는 기타 시각 정보 등이 표시될 수 있다. 예를 들어, 선택된 '메인 메뉴' 에 포함된 서브 항목인 '메인 안주', '스페셜 안주', '기본안주', '메인주문시 1000원', '주류', '음료' 의 문자가 표시될 수 있으며, 선택된 '메인 안주' 항목에 대해서는 그에 대응되는 시각 정보 및/또는 시각 정보가 포함된 배경이 다른 색상 등으로 하이라이트 되는 등으로 강조 표시될 수 있다.
다양한 실시예들에 따르면, 디스플레이부의 제3 영역 (705) 에는 선택된 서브 항목에 포함된 메뉴가 표시될 수 있다. 다양한 실시예들에 따르면, 제3 영역 (705) 에 표시되는 메뉴는 각 메뉴의 사진, 구성 예, 이름, 가격 및 인기 메뉴의 경우 '베스트', 'Hit' 등의 강조 표시에 각각 대응되는 기호, 문자, 영상, 이미지 또는 기타 시각 정보에 기초할 수 있다. 다양한 실시예들에 따르면, 제3 영역 (705) 에 표시되는 메뉴에 대한 정보는 서버로부터 송신되는 추천 메뉴 리스트와 관련된 정보에 기초할 수 있다. 예를 들어, 추천 메뉴 리스트에 포함된 메뉴는 별도로 표시되거나 및/또는 별도의 강조 표시가 부여되거나 및/또는 제3 영역 (705) 의 좌상단에서부터 우선적으로 배열될 수 있다.
다양한 실시예들에 따르면, 디스플레이부의 제3 영역 (705) 에는 선택된 서브 항목에 포함된 메뉴가 표시될 영역의 적어도 일부에는 광고 메시지가 표시될 수 있다. 예를 들어, 서브 항목에 포함된 메뉴의 표시를 위한 영역의 위치는 상술된 템플릿에 기초하여 결정될 수 있으며, 그 중 적어도 일부의 위치에 대응되는 메뉴의 표시를 위한 영역은 광고 메시지가 표시되는 것으로 대체될 수 있다.
다양한 실시예들에 따르면, 광고 메시지는 기호, 문자, 영상, 이미지 또는 기타 시각 정보 (도 7 상의 'A' 문자 및 그에 대응되는 사진, 가격 등) 를 포함할 수 있다. 다양한 실시예들에 따르면, 광고 메시지는 서버로부터 사용자 디바이스로 송신될 수 있다. 다양한 실시예들에 따르면, 서버는 해당 매장의 종류 (예를 들어, 업종, 매장에서 제공되는 상품/물품의 형태 등) 및/또는 해당 매장에서 제공 가능한 메뉴들 (예를 들어, 해당 매장에서 제공 가능한 메뉴 중 적어도 일부가 광고될 수 있음), 고객 정보, 고객이 선택/요청한 메뉴 (예를 들어, 고객이 선택/요청한 메뉴와 어울리는 것으로 추정/식별되는 메뉴가 광고될 수 있음. 예를 들어, 고객이 선택/요청한 메뉴와 어울리는 것으로 추정/식별되는 메뉴를 추정/식별함에 있어서는 상술된 다양한 실시예들에 따른 추천 모델이 사용되거나 및/또는 빅데이터가 사용될 수 있음), 해당 매장을 포함한 복수의 매장들에서의 주문 데이터 중 하나 이상에 기초하여 광고 메시지를 생성할 수 있다. 다양한 실시예들에 따르면, 광고 메시지에 기초한 광고 수익은 광고주로부터 매장 업주에게 페이백될 수 있다.
다양한 실시예들에 따르면, 디스플레이부의 제4 영역 (707) 에는 기타 서비스를 위한 아이콘이 제공될 수 있다.
예를 들어, 고객이 서비스 플랫폼이 가입할 수 있도록 '가입하기'를 나타내는 기호, 문자, 영상, 이미지 또는 기타 시각 정보가 디스플레이부의 제4 영역 (707) 에 표시될 수 있다.
예를 들어, 미리 연계된 다른 서비스의 제공을 위한 아이콘이 디스플레이부의 제4 영역 (707) 에 표시될 수 있다. 예를 들어, 매장 및/또는 서버와 미리 연계된 대리운전 업체를 통한 서비스 제공을 위하여 '대리운전'을 나타내는 기호, 문자, 영상, 이미지 또는 기타 시각 정보가 제공될 수 있다. 예를 들어, 고객으로부터 미리 연계된 다른 서비스의 제공이 요청된 경우, 서버는 고객의 정보 및/또는 매장 위치 정보 및/또는 기타 정보 (예를 들어, 대리운전 서비스의 경우, 고객이 요청한 도착 위치 정보) 를 미리 연계된 다른 서비스를 제공하는 업체로 전달할 수 있다. 예를 들어, 고객으로부터 미리 연계된 다른 서비스의 제공이 요청된 경우, 서버는 고객에게 미리 연계된 다른 서비스 이용에 사용 가능한 할인쿠폰을 지급할 수도 있다.
예를 들어, 메뉴 검색, 정렬, 인터넷 사용, 보기 전환 (간단히 보기) 및/또는 장바구니를 표시하기 위한 아이콘이 디스플레이부의 제4 영역 (707) 에 표시될 수 있다.
다시 도 6 을 참조하면, 다양한 실시예들에 따르면, POS (point of sale) 는 판매 시점 정보 관리를 수행하는 하드웨어 및/또는 소프트웨어 일 수 있다. 다양한 실시예들에 따르면, POS 는 모든 판매 정보를 실시간으로 수집, 처리하여 각 부분 별 정보를 종합 분석 및 평가하는데 사용될 수 있다. 다양한 실시예들에 따르면, POS 는 유무선 통신을 통하여 매장의 운영 상황을 실시간으로 확인 및 관리할 수 있으며, 시스템 유지 관리, 실시간 매출 등의 데이터를 수집, 송수신할 수 있다.
다양한 실시예들에 따르면, 서비스 로봇은 매장의 서비스를 제공하는 것과 관련된 동작을 수행하는 하드웨어일 수 있다. 다양한 실시예들에 따르면, 서버는 사용자 디바이스로부터 하나 이상의 메뉴에 대한 요청을 수신하면, 하나 이상의 메뉴와 관련된 서비스를 제공하도록 서비스 로봇(복수의 서비스 로봇 중 하나 이상의 서비스 로봇)을 제어할 수 있다. 예를 들어, 서버는 하나 이상의 메뉴와 관련된 서비스를 제공하도록 하는 제어 명령 및/또는 제어 정보를 서비스 로봇에 송신할 수 있으며, 서비스 로봇은 제어 명령 및/또는 제어 정보에 기초하여 동작을 수행할 수 있다.
다양한 실시예들에 따르면, 서비스 로봇은 협동 로봇(제1 서비스 로봇)과 서빙 로봇(제2 서비스 로봇) 중 하나 이상을 포함할 수 있다.
다양한 실시예들에 따르면, 협동 로봇은 제어 명령 및/또는 제어 정보에 기초하여 메뉴의 조리 및/또는 제조를 수행할 수 있고, 로봇 팔 등의 형태를 가질 수 있으나 이에 제한되는 것은 아니다. 다양한 실시예들에 따르면, 협동 로봇은 제어 명령 및/또는 제어 정보에 기초하여 주문 순서 및/또는 조리 순서 및/또는 제조 순서 및/또는 동일 메뉴 및/또는 테이블 동선 중 하나 이상을 판단할 수 있으며, 이에 기초하여 메뉴의 조리 및/또는 제조를 수행할 수 있다.
다양한 실시예들에 따르면, 서빙 로봇은 제어 명령 및/또는 제어 정보에 기초하여 고객 및/또는 고객이 착석한 테이블에 요청된 메뉴 (및/또는 고객이 요청한 메뉴에 대응되는 물품 또는 서비스) 및/또는 기타 물품 (및/또는 서비스) (예를 들어, 수저, 젓가락, 물, 물수건 등의 서비스 제공과 관련된 물품) 전달할 수 있다. 다양한 실시예들에 따르면, 서빙 로봇은 제어 명령 및/또는 제어 정보에 기초하여 테이블 동선, 거리, 위치, 요청된 메뉴, 서비스에 제공에 필요한/관련된 물품 및/또는 물품의 제공 순서 중 하나 이상을 판단할 수 있으며, 이에 기초하여 요청된 메뉴 및/또는 기타 물품 전달할 수 있다.
예를 들어, 각 테이블에는 사용자 디바이스가 (분리 가능하도록) 설치/마련될 수 있으며, 사용자 디바이스에 부여된 ID 에 기초하여 각 테이블의 번호/위치가 확인/식별될 수 있으며, 이는 서비스 로봇 제어에 활용할 수 있다. 예를 들어, 복수의 서빙 로봇들이 매장에 포함된 경우, 고객에게 고객 및/또는 고객이 착석한 테이블에 요청된 메뉴 및/또는 기타 물품을 전달하는 동작을 수행할 서빙 로봇은 사용자 디바이스와 복수의 서빙 로봇들 각각의 거리에 기초하여 복수의 서빙 로봇들 중에서 선택되는 것일 수 있다. 예를 들어, 사용자 디바이스와 가장 가까운 거리에 있는 서빙 로봇이 활용될 수 있다.
다양한 실시예들에 따르면, IoT 디바이스는 개인 휴대 단말기, 셀룰러 폰, 개인 통신 서비스 폰, GSM 폰, WCDMA 폰, MBS 폰, 스마트 (폰 또는 멀티모드 멀티밴드 단말기, PC, 노트북 PC, 핸드헬드 PC, 태블릿 PC, 울트라북, 슬레이트 PC, 디지털 방송용 단말기, PMP, 네비게이션, 웨어러블 디바이스 (예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD (head mounted display) 등을 포함할 수 있다. 및/또는 다양한 실시예들에 따르면, IoT 디바이스는 IoT 기술에 기초하여 서버 및/또는 다른 장치와 데이터를 주고 받는 것으로써, 매장과 관련된 서비스를 제공하는 것과 관련된 동작을 수행하는 장치를 포함할 수 있다. 예를 들어, IoT 디바이스는 체온 측정 센서, 카메라, 냉난방 기기, 테이블 별 조명, 공기 청정기, AI 스피커 등을 포함할 수 있다.
다양한 실시예들에 따르면, IoT 디바이스의 동작은 서버에 의하여 제어될 수 있다. 예를 들어, 서버의 IoT 디바이스의 제어 동작은 AI 모델에 기초할 수 있다. 후술되는 다양한 실시예들에 따른 모델 획득 동작은 상술된 추천 모델의 획득 동작을 예로 들어 설명되나, 유사한 방식으로 IoT 디바이스의 제어 동작은 AI 모델이 획득될 수 있다. 예를 들어, 카메라를 통하여 고객의 출입이 확인된 경우, 냉난방 기기, 공기 청정기, 스마트 스피커가 작동될 수 있으며, 체온 측정 센서에 기초하여 고객의 체온이 측정/보고될 수 있다. 예를 들어, 카메라를 통하여 고객이 테이블에 착석한 것이 확인되면, 테이블 별 조명을 동작시킬 수 있다. 예를 들어, 주문 취소, 식자재 부족, 주방 레시피 등이 음성 및/또는 시각 정보로 스피커 및/또는 IoT 디바이스에 포함된 사용자 디바이스에 의하여 제어 및/또는 안내될 수 있다.
다양한 실시예들에 따르면, 미들웨어는 해당 매장 외의 다른 매장/사업장 및/또는 다양한 실시예들에 따른 서비스 플랫폼에 가입되지 않은 다른 매장/사업장과의 연동을 위한 하드웨어 및/또는 소프트웨어일 수 있다. 다양한 실시예들에 따르면, 미들웨어는 다른 매장/사업장에서 필요한 및/또는 다른 매장/사업장에 요청할 정보, 주요 비즈니스 로직, 이벤트 중 하나 이상을 확인하여, 송신할 수 있다.
2.2. 모델 획득 동작
인공 지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공 지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공 지능 시스템으로 대체되고 있다.
인공 지능 기술은 기계 학습(딥러닝) 및 기계 학습을 활용한 요소 기술들로 구성된다.
기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소 기술은 딥러닝 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공 지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
이하의 설명에서는 서버(100)가 모델 획득 동작을 수행함을 전제로 다양한 실시예들에 대하여 설명하였으나, 다양한 실시예들에 따르면, 서버(100) 외부의 다른 서버가 모델 획득 동작을 수행할 수도 있다. 또는, 다양한 실시예들에 따르면, 복수의 사용자 디바이스(200)들 및/또는 복수의 서버(100)들이 마련되어, 복수의 사용자 디바이스(200)들 및/또는 복수의 서버(100)들 간에 모델 획득 동작의 각 동작이 분배되어, 별개로 실시될 수도 있다.
도 8는 다양한 실시예들에 따른 추천 모델을 획득하는 과정을 도시한 도면이다.
도 9은 다양한 실시예들에 따른 추천 모델을 획득하는 장치의 동작 방법을 도시한 도면이다.
도 8 를 참조하면, 다양한 실시예들에 따르면, 서버는, 학습용 데이터를 수집할 수 있다. 다양한 실시예들에 따르면, 학습용 데이터는 고객 관련 학습용 데이터와 매장 관련 학습용 데이터를 포함할 수 있다.
예를 들어, 고객 관련 학습용 데이터는 복수의 고객들 각각의 생년월일, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보, 및 복수의 고객들 각각의 서비스 요청 이력에 기초하여 획득되는 복수의 고객들 각각의 선호 메뉴에 대한 정보 중 하나 이상을 포함할 수 있다.
예를 들어, 매장 관련 학습용 데이터는, 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들, 복수의 매장들 각각의 주소, 복수의 매장들 각각에 대한 후기 및 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들 각각의 주문 이력에 기초하여 획득되는 복수의 매장들 각각에서의 인기 메뉴에 대한 정보 중 하나 이상을 포함할 수 있다. 예를 들어, 선호 메뉴에 대한 정보와 상기 인기 메뉴에 대한 정보 각각은, 미리 정의된 일정 시간 길이를 갖는 주문 시간대 (예를 들어, 일정 총 시간 구간이 일정 시간 크기로 분할된 각 시간 대일 수 있음. 예를 들어, 오전/오후/저녁일 수 있으나 이에 제한되지 않음. 예를 들어, 해당 시간 대에 대응되는 인기 메뉴를 식별함에 사용될 수 있음) 및 날씨 (예를 들어, 맑음, 흐림, 비, 소나기, 번개, 눈, 우박 등. 예를 들어, 해당 날씨 및/또는 예상 날씨에 대응되는 인기 메뉴를 식별함에 사용될 수 있음) 에 따라 분류된 정보일 수 있다.
다양한 실시예들에 따르면, 서버는, 학습용 데이터에 기초하여 학습 데이터를 획득할 수 있다. 예를 들어, 학습 데이터는 학습용 데이터를 AI 엔진에 학습을 위하여 입력시킬 수 있도록 전 처리/변환된 것일 수 있다. 예를 들어, 학습 데이터는 훈련용 데이터 및 테스트용 데이터를 포함할 수 있다.
예를 들어, 서버는, 학습 데이터를 훈련용 데이터 및 테스트용 데이터로 분류할 수 있다. 예를 들어, 훈련용 데이터는 모델을 학습시키는데 활용되고, 테스트용 데이터는 학습된 AI 엔진을 검증 및 업데이트 하는데 활용될 수 있다.
예를 들어, 서버는, 훈련용 데이터에 기초하여 AI 엔진을 학습 시킬 수 있다. 예를 들어, AI 엔진은 인공 지능 알고리즘을 기반으로 학습될 수 있는 인공 지능 엔진일 수 있다. 예를 들어, 인공 지능 엔진은 CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 이에 한정되는 것은 아니다.
다양한 실시예들에 따르면, 서버는 학습된 모델에 기초하여 테스트용 데이터에 대한 가공 데이터를 획득할 수 있다.
다양한 실시예들에 따르면, 서버는 가공 데이터에 대한 피드백 정보를 획득할 수 있다.
예를 들어, 피드백 정보는, 서버 관리자로부터 입력될 수 있다.
또 다른 예시로, 피드백 정보는, 해당 가공 데이터에 대하여 미리 가공된 학습 데이터가 있는 경우, 서버는 해당 미리 가공된 학습 데이터와 가공 데이터를 비교하고, 그 비교 결과에 기초하여 피드백 정보를 생성할 수도 있다. 예를 들어, 학습 데이터에는 데이터의 가공 전 및 가공 후 버전이 포함될 수 있으며, 서버는 가공 전 데이터를 학습된 모델에 기초하여 가공하여 가공 데이터를 생성하고, 가공 데이터와 학습 데이터에 포함된 가공 후 버전을 비교하여 그 비교 결과에 기초하여 피드백을 획득할 수도 있다.
다양한 실시예들에 따르면, 서버는, 피드백에 기초하여 학습된 모델을 업데이트할 수 있다.
예를 들어, 서버는 피드백에 기초하여 학습된 모델의 특성 (예를 들어, CNN 의 특성) 을 수정하고, 수정된 모델에 기초하여 테스트용 데이터를 가공하고, 다시 피드백을 획득하여 업데이트 하는 과정을 반복할 수 있다.
다양한 실시예들에 따르면, 서버는 반복 횟수가 미리 설정된 임계값 (예를 들어, 7-9회) 에 도달하면, 동작을 종료하고 학습된 AI 엔진을 추천 모델로서 획득할 수 있다.
도 9 을 참조하면, 다양한 실시예들에 따르면, 동작 901 에서, 서버는, 학습용 데이터를 처리함에 기초하여 획득된 훈련용 데이터 및 테스트용 데이터 중 훈련용 데이터에 기초하여 AI 엔진을 학습시킬 수 있다.
다양한 실시예들에 따르면, 동작 903 에서, 서버는, 테스트용 데이터가 학습된 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 피드백 정보를 획득할 수 있다.
다양한 실시예들에 따르면, 동작 905 에서, 서버는, 피드백 정보에 기초하여 AI 엔진을 업데이트할 수 있다.
다양한 실시예들에 따르면, 동작 907 에서, 서버는, 동작 901 내지 동작 905 가 반복된 횟수를 미리 설정된 임계값 (N_TH) 과 비교할 수 있다. 예를 들어, 동작 901 내지 동작 905 의 반복 횟수에 대응되는 카운트 값이 설정될 수 있다. 예를 들어, 카운트 값의 초기값은 0 일 수 있다. 예를 들어, 동작 901 내지 동작 905 가 1 회 반복될 때 마다, 카운트 값이 1 증가될 수 있다. 예를 들어, 서버는, 이러한 카운트 값을 미리 설정된 임계값 (N_TH) 과 비교할 수 있다.
예를 들어, 서버는, 반복된 횟수가 미리 설정된 임계값과 일치하지 않으면 (즉, 반복된 횟수가 미리 설정된 임계값 미만이면), 동작 901 로 돌아가, 동작 901 내지 동작 905 을 재수행할 수 있다.
예를 들어, 서버는, 반복된 횟수가 미리 설정된 임계값과 일치하면, 프로세스를 종료할 수 있다.
다양한 실시예들은 그 기술적 아이디어 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 다양한 실시예들의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 다양한 실시예들의 등가적 범위 내에서의 모든 변경은 다양한 실시예들의 범위에 포함된다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.

Claims (7)

  1. 전자 장치에 있어서,
    데이터베이스; 및 상기 데이터베이스와 연결된 프로세서(processor); 를 포함하고,
    상기 프로세서는:
    고객 ID (identifier)에 대한 정보와 매장 ID에 대한 정보를 포함하는 서비스 요청 정보를 수신하고,
    상기 고객 ID에 대응되는 고객에 대한 고객 정보와 상기 매장 ID에 대응되는 특정 매장에 대한 매장 정보를 포함하는 입력 정보가 입력됨에 대한 응답으로 획득되는 추천 모델의 출력 정보에 기초하여 추천 메뉴 리스트를 획득하고,
    상기 고객 정보와 상기 매장 정보가 상기 추천 모델에 입력됨에 따라, 서로 다른 고객 ID 가 할당된 미리 설정된 복수의 고객들 중 상기 고객 ID 에 대응되는 고객의 추정 선호도와 관련된 하나 이상의 제1 속성값을 획득하고,
    서로 다른 매장 ID 가 할당된 미리 설정된 복수의 매장들 중 상기 매장 ID 에 대응되는 특정 매장에서 제공 가능한 복수의 메뉴들 각각에는 하나 이상의 제2 속성값이 미리 할당되고,
    상기 추천 메뉴 리스트는, 상기 하나 이상의 제1 속성값과 상기 하나 이상의 제2 속성값 간의 비교 결과에 기초하여, 상기 특정 매장에서 제공 가능한 복수의 메뉴들 중에서 선택된 하나 이상의 메뉴를 포함하고,
    상기 특정 매장은, 상기 전자 장치에 의하여 제어되는 복수의 서비스 로봇들 및 복수의 IoT(internet of things) 디바이스들에 기초하여 운용되고,
    상기 복수의 서비스 로봇들 및 상기 복수의 IoT 디바이스들 각각에는 서로 다른 ID 가 할당되고,
    상기 프로세서는:
    상기 서비스 요청 정보를 상기 복수의 IoT 디바이스들 중 하나의 IoT 디바이스로부터 수신하되, 상기 고객 ID는 상기 하나의 IoT 디바이스를 사용하는 사용자인 상기 고객에 상응하고, 상기 매장 ID는 상기 하나의 IoT 디바이스가 설치된 매장에 상응하고,
    상기 추천 메뉴 리스트와 관련된 정보를, 상기 하나의 IoT 디바이스에 포함된 출력부에서 출력되도록, 상기 하나의 IoT 디바이스에게 송신하고,
    상기 추천 메뉴 리스트와 관련된 정보에 대한 응답으로 상기 특정 매장에서 제공 가능한 복수의 메뉴들 중 하나 이상의 메뉴에 대한 요청 정보가 상기 하나의 IoT 디바이스로부터 수신됨에 기초하여, 상기 하나 이상의 메뉴와 관련된 서비스를 제공하도록 상기 복수의 서비스 로봇들 중 하나 이상의 서비스 로봇을 제어하고,
    상기 복수의 서비스 로봇들은, 하나 이상의 제1 서비스 로봇과 하나 이상의 제2 서비스 로봇을 포함하고,
    상기 프로세서는:
    메뉴의 성질(property)과 상기 메뉴의 성질의 정도(level)에 의하여 정의되는 속성값 테이블(table)에 따라 상기 복수의 매장들에서 제공 가능한 복수의 메뉴들을 포함하는 복수의 메뉴들 각각에 대하여 값이 할당됨에 기초하여 상기 하나 이상의 제2 속성값을 할당하고,
    상기 속성값 테이블에 따라 상기 복수의 매장들에서의 상기 고객의 주문 이력과 상기 추천 모델에 기초하여 획득되는 하나 이상의 추정 선호 메뉴 각각에 대하여 값이 할당됨에 기초하여 상기 하나 이상의 제1 속성값을 획득하고,
    상기 하나 이상의 메뉴에 대응되는 물품을 제조하는 동작을 수행하도록 상기 하나 이상의 제1 서비스 로봇 중 하나 이상을 제어하고,
    상기 하나의 IoT 디바이스에 할당된 ID, 상기 하나 이상의 제2 로봇 각각에 할당된 ID 및 상기 하나 이상의 제2 로봇 각각과 상기 하나의 IoT 디바이스 간의 거리에 기초하여 상기 하나 이상의 제2 로봇 중에서 특정 제2 로봇을 선택하고,
    상기 하나 이상의 메뉴에 대응되는 물품 또는 상기 하나 이상의 메뉴와 관련된 서비스를 제공하는 것과 관련된 물품을 상기 고객에게 전달하는 동작을 수행하도록 상기 특정 제2 로봇을 제어하고,
    상기 하나 이상의 제1 속성값 중 제1 값과 일치되는 값이 상기 하나 이상의 제2 속성값에 포함됨에 기초하여, 상기 추천 메뉴 리스트에 상기 제1 값과 대응되는 메뉴를 포함시키고,
    상기 하나 이상의 제1 속성값 중 제2 값과 일치되는 값이 상기 하나 이상의 제2 속성값에 포함되지 않음에 기초하여, 상기 제2 값과 상기 하나 이상의 제2 속성값 각각에 대한 유사도 점수를 산출하되, 상기 추천 메뉴 리스트는 상기 하나 이상의 제2 속성값 중 최대 또는 최소 유사도 점수에 대응되는 값에 대응되는 메뉴를 포함하고,
    상기 매장 ID 에 대응되는 특정 매장에서 제공 가능한 복수의 메뉴들에 기초하여 광고 메시지를 생성하고,
    상기 광고 메시지를 상기 하나의 IoT 디바이스의 디스플레이부에서 표시되도록 제어하는, 전자 장치.
  2. 제 1 항에 있어서,
    상기 고객 정보는, 데이터베이스를 상기 고객 ID 에 따라 검색함에 기초하여 획득되고,
    상기 매장 정보는, 상기 데이터베이스를 상기 매장 ID 에 따라 검색함에 기초하여 획득되고,
    상기 고객 정보는, 상기 고객의 생년월일, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보, 상기 고객의 서비스 요청 이력에 기초하여 획득되는 상기 고객의 선호 메뉴에 대한 정보를 포함하고,
    상기 매장 정보는, 상기 특정 매장에서 제공 가능한 복수의 메뉴들, 상기 특정 매장의 주소, 상기 특정 매장에 대한 후기, 상기 특정 매장에서 제공 가능한 복수의 메뉴들 각각의 주문 이력에 기초하여 획득되는 상기 특정 매장에서의 인기 메뉴에 대한 정보를 포함하고,
    상기 데이터베이스에는:
    (i) 상기 복수의 고객들 각각의 생년월일, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보가 상기 복수의 고객들 각각에 할당된 서로 다른 고객 ID 들 별로 분류되어 저장되고,
    (ii) 상기 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들, 상기 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들 각각의 주문 이력에 대한 정보가 상기 복수의 매장들 각각에 할당된 서로 다른 매장 ID 들 별로 분류되어 저장되는, 전자 장치.
  3. 제 1 항에 있어서,
    상기 추천 모델은, 상기 추천 모델 획득을 위한 AI (artificial intelligence) 엔진에 기계 학습 (machine learning) 이 적용됨에 기초하여 미리 설정되고,
    상기 기계 학습은:
    - (a) 상기 추천 모델 획득을 위한 훈련용 데이터에 기초하여 상기 AI 엔진을 학습;
    - (b) 학습된 AI 엔진의 검증을 위한 테스트용 데이터가 상기 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 피드백 정보를 획득;
    - (c) 상기 피드백 정보에 기초하여 상기 AI 엔진을 업데이트; 및
    - (d) 상기 (a) 내지 (c) 가 반복되되, 상기 (a) 내지 (c) 가 반복될 때 마다 초기값 0 인 카운트 값이 1 씩 증가 되고, 상기 카운트 값이 미리 설정된 카운트 임계값과 일치됨에 기초하여 종료;
    됨에 기초하여 수행되고,
    상기 훈련용 데이터와 상기 테스트용 데이터는, 상기 추천 모델 획득을 위한 학습용 데이터에 기초하여 획득되고,
    상기 학습용 데이터는, 고객 관련 학습용 데이터와 매장 관련 학습용 데이터를 포함하고,
    상기 고객 관련 학습용 데이터는: 상기 복수의 고객들 각각의 생년월일, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보, 및 상기 복수의 고객들 각각의 서비스 요청 이력에 기초하여 획득되는 상기 복수의 고객들 각각의 선호 메뉴에 대한 정보를 포함하고,
    상기 매장 관련 학습용 데이터는: 상기 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들, 상기 복수의 매장들 각각의 주소, 상기 복수의 매장들 각각에 대한 후기 및 상기 복수의 매장들 각각에서 제공 가능한 복수의 메뉴들 각각의 주문 이력에 기초하여 획득되는 상기 복수의 매장들 각각에서의 인기 메뉴에 대한 정보를 포함하고,
    상기 선호 메뉴에 대한 정보와 상기 인기 메뉴에 대한 정보 각각은, 미리 정의된 일정 시간 길이를 갖는 주문 시간대 및 날씨에 따라 분류된 정보인, 전자 장치.
  4. 삭제
  5. 전자 장치의 동작 방법에 있어서,
    고객 ID (identifier) 에 대한 정보와 매장 ID 에 대한 정보를 포함하는 서비스 요청 정보를 수신하는 단계;
    상기 고객 ID 에 대응되는 고객에 대한 고객 정보와 상기 매장 ID 에 대응되는 특정 매장에 대한 매장 정보를 포함하는 입력 정보가 입력됨에 대한 응답으로 획득되는 추천 모델의 출력 정보에 기초하여 추천 메뉴 리스트를 획득하는 단계; 및
    상기 고객 정보와 상기 매장 정보가 상기 추천 모델에 입력됨에 따라, 서로 다른 고객 ID 가 할당된 미리 설정된 복수의 고객들 중 상기 고객 ID 에 대응되는 고객의 추정 선호도와 관련된 하나 이상의 제1 속성값을 획득하는 단계; 를 포함하고,
    서로 다른 매장 ID 가 할당된 미리 설정된 복수의 매장들 중 상기 매장 ID 에 대응되는 특정 매장에서 제공 가능한 복수의 메뉴들 각각에는 하나 이상의 제2 속성값이 미리 할당되고,
    상기 추천 메뉴 리스트는, 상기 하나 이상의 제1 속성값과 상기 하나 이상의 제2 속성값 간의 비교 결과에 기초하여, 상기 특정 매장에서 제공 가능한 복수의 메뉴들 중에서 선택된 하나 이상의 메뉴를 포함하고,
    상기 특정 매장은, 상기 전자 장치에 의하여 제어되는 복수의 서비스 로봇들 및 복수의 IoT(internet of things) 디바이스들에 기초하여 운용되고,
    상기 복수의 서비스 로봇들 및 상기 복수의 IoT 디바이스들 각각에는 서로 다른 ID 가 할당되고,
    상기 전자 장치의 동작 방법은:
    상기 서비스 요청 정보를 상기 복수의 IoT 디바이스들 중 하나의 IoT 디바이스로부터 수신하되, 상기 고객 ID는 상기 하나의 IoT 디바이스를 사용하는 사용자인 상기 고객에 상응하고, 상기 매장 ID는 상기 하나의 IoT 디바이스가 설치된 매장에 상응하는 단계;
    상기 추천 메뉴 리스트와 관련된 정보를, 상기 하나의 IoT 디바이스에 포함된 출력부에서 출력되도록, 상기 하나의 IoT 디바이스에게 송신하는 단계; 및
    상기 추천 메뉴 리스트와 관련된 정보에 대한 응답으로 상기 특정 매장에서 제공 가능한 복수의 메뉴들 중 하나 이상의 메뉴에 대한 요청 정보가 상기 하나의 IoT 디바이스로부터 수신됨에 기초하여, 상기 하나 이상의 메뉴와 관련된 서비스를 제공하도록 상기 복수의 서비스 로봇들 중 하나 이상의 서비스 로봇을 제어하는 단계; 를 더 포함하고,
    상기 복수의 서비스 로봇들은, 하나 이상의 제1 서비스 로봇과 하나 이상의 제2 서비스 로봇을 포함하고,
    상기 전자 장치의 동작 방법은:
    메뉴의 성질(property)과 상기 메뉴의 성질의 정도(level)에 의하여 정의되는 속성값 테이블(table)에 따라 상기 복수의 매장들에서 제공 가능한 복수의 메뉴들을 포함하는 복수의 메뉴들 각각에 대하여 값이 할당됨에 기초하여 상기 하나 이상의 제2 속성값을 할당하는 단계;
    상기 속성값 테이블에 따라 상기 복수의 매장들에서의 상기 고객의 주문 이력과 상기 추천 모델에 기초하여 획득되는 하나 이상의 추정 선호 메뉴 각각에 대하여 값이 할당됨에 기초하여 상기 하나 이상의 제1 속성값을 획득하는 단계;
    상기 하나 이상의 메뉴에 대응되는 물품을 제조하는 동작을 수행하도록 상기 하나 이상의 제1 서비스 로봇 중 하나 이상을 제어하는 단계;
    상기 하나의 IoT 디바이스에 할당된 ID, 상기 하나 이상의 제2 로봇 각각에 할당된 ID 및 상기 하나 이상의 제2 로봇 각각과 상기 하나의 IoT 디바이스 간의 거리에 기초하여 상기 하나 이상의 제2 로봇 중에서 특정 제2 로봇을 선택하는 단계;
    상기 하나 이상의 메뉴에 대응되는 물품 또는 상기 하나 이상의 메뉴와 관련된 서비스를 제공하는 것과 관련된 물품을 상기 고객에게 전달하는 동작을 수행하도록 상기 특정 제2 로봇을 제어하는 단계;
    상기 하나 이상의 제1 속성값 중 제1 값과 일치되는 값이 상기 하나 이상의 제2 속성값에 포함됨에 기초하여, 상기 추천 메뉴 리스트에 상기 제1 값과 대응되는 메뉴를 포함시키는 단계;
    상기 하나 이상의 제1 속성값 중 제2 값과 일치되는 값이 상기 하나 이상의 제2 속성값에 포함되지 않음에 기초하여, 상기 제2 값과 상기 하나 이상의 제2 속성값 각각에 대한 유사도 점수를 산출하되, 상기 추천 메뉴 리스트는 상기 하나 이상의 제2 속성값 중 최대 또는 최소 유사도 점수에 대응되는 값에 대응되는 메뉴를 포함하는 단계;
    상기 매장 ID 에 대응되는 특정 매장에서 제공 가능한 복수의 메뉴들에 기초하여 광고 메시지를 생성하는 단계; 및
    상기 광고 메시지를 상기 하나의 IoT 디바이스의 디스플레이부에서 표시되도록 제어하는 단계; 를 더 포함하는, 방법.
  6. 제 5 항에 기재된 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체.
  7. 제 5 항에 기재된 방법을 실행시키기 위해 컴퓨터 판독 가능한 기록 매체에 기록된 프로그램.
KR1020210105966A 2021-08-06 2021-08-11 주문 서비스를 제공하고 광고 메시지를 생성하기 위한 방법 및 장치 KR102363394B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020220017686A KR102645521B1 (ko) 2021-08-06 2022-02-10 식당의 광고 정보를 제공하는 시스템
KR1020220017689A KR20220050099A (ko) 2021-08-06 2022-02-10 식당에서 필요한 추천 정보를 생성하여 고객에게 제공하는 시스템

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20210103931 2021-08-06
KR1020210103931 2021-08-06
KR20210105177 2021-08-10
KR1020210105177 2021-08-10

Related Child Applications (2)

Application Number Title Priority Date Filing Date
KR1020220017686A Division KR102645521B1 (ko) 2021-08-06 2022-02-10 식당의 광고 정보를 제공하는 시스템
KR1020220017689A Division KR20220050099A (ko) 2021-08-06 2022-02-10 식당에서 필요한 추천 정보를 생성하여 고객에게 제공하는 시스템

Publications (1)

Publication Number Publication Date
KR102363394B1 true KR102363394B1 (ko) 2022-02-15

Family

ID=80325830

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020210105966A KR102363394B1 (ko) 2021-08-06 2021-08-11 주문 서비스를 제공하고 광고 메시지를 생성하기 위한 방법 및 장치
KR1020220017686A KR102645521B1 (ko) 2021-08-06 2022-02-10 식당의 광고 정보를 제공하는 시스템
KR1020220017689A KR20220050099A (ko) 2021-08-06 2022-02-10 식당에서 필요한 추천 정보를 생성하여 고객에게 제공하는 시스템

Family Applications After (2)

Application Number Title Priority Date Filing Date
KR1020220017686A KR102645521B1 (ko) 2021-08-06 2022-02-10 식당의 광고 정보를 제공하는 시스템
KR1020220017689A KR20220050099A (ko) 2021-08-06 2022-02-10 식당에서 필요한 추천 정보를 생성하여 고객에게 제공하는 시스템

Country Status (1)

Country Link
KR (3) KR102363394B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102487108B1 (ko) * 2022-04-04 2023-01-10 티오더 주식회사 무인 주문 서비스 시스템의 중앙 관제 장치 및 그 편의 정보 제공 방법
KR102577604B1 (ko) * 2023-05-26 2023-09-11 이병훈 인공지능에 기반한 일식 주점 메뉴 추천 시스템
WO2023195722A1 (ko) * 2022-04-04 2023-10-12 티오더 주식회사 무인 주문 서비스 시스템의 중앙 관제 장치 및 그 편의 정보 제공 방법
KR102660845B1 (ko) * 2023-03-06 2024-04-30 디카모 주식회사 음식 이동 컨테이너를 이용하는 주문 시스템 및 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140042948A (ko) 2012-09-28 2014-04-08 구민성 태블릿단말을 이용한 ｐｏｓ 기반의 주문방법 및 주문시스템
KR101878105B1 (ko) * 2017-10-20 2018-07-12 양창영 매장별 또는 상품별 특화코드에 유전 정보를 매칭하여 모바일 단말로 개인 맞춤형 상품 정보를 추천하는 방법
KR20200087362A (ko) * 2019-01-03 2020-07-21 삼성전자주식회사 이동 로봇 및 그의 동작 방법
KR102141172B1 (ko) * 2020-02-10 2020-08-04 주식회사 드림아이티솔루션 인공지능 및 사물인터넷을 적용한 키오스크 주문 관리 시스템 및 그 방법
KR20210063948A (ko) * 2019-11-25 2021-06-02 주식회사 사운드플랫폼 음원 마스터링을 위한 전자 장치의 동작 방법 및 이를 지원하는 전자 장치
KR20210086195A (ko) * 2019-12-31 2021-07-08 주식회사 이엠비 키오스크를 이용한 고객 맞춤형 서비스 제공방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9240749B2 (en) 2012-08-10 2016-01-19 Emerson Climate Technologies, Inc. Motor drive control using pulse-width modulation pulse skipping
KR101563694B1 (ko) * 2015-02-27 2015-10-27 정의준 위치기반 음식점 광고 서비스 제공 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140042948A (ko) 2012-09-28 2014-04-08 구민성 태블릿단말을 이용한 ｐｏｓ 기반의 주문방법 및 주문시스템
KR101878105B1 (ko) * 2017-10-20 2018-07-12 양창영 매장별 또는 상품별 특화코드에 유전 정보를 매칭하여 모바일 단말로 개인 맞춤형 상품 정보를 추천하는 방법
KR20200087362A (ko) * 2019-01-03 2020-07-21 삼성전자주식회사 이동 로봇 및 그의 동작 방법
KR20210063948A (ko) * 2019-11-25 2021-06-02 주식회사 사운드플랫폼 음원 마스터링을 위한 전자 장치의 동작 방법 및 이를 지원하는 전자 장치
KR20210086195A (ko) * 2019-12-31 2021-07-08 주식회사 이엠비 키오스크를 이용한 고객 맞춤형 서비스 제공방법
KR102141172B1 (ko) * 2020-02-10 2020-08-04 주식회사 드림아이티솔루션 인공지능 및 사물인터넷을 적용한 키오스크 주문 관리 시스템 및 그 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102487108B1 (ko) * 2022-04-04 2023-01-10 티오더 주식회사 무인 주문 서비스 시스템의 중앙 관제 장치 및 그 편의 정보 제공 방법
WO2023195722A1 (ko) * 2022-04-04 2023-10-12 티오더 주식회사 무인 주문 서비스 시스템의 중앙 관제 장치 및 그 편의 정보 제공 방법
KR102660845B1 (ko) * 2023-03-06 2024-04-30 디카모 주식회사 음식 이동 컨테이너를 이용하는 주문 시스템 및 방법
KR102577604B1 (ko) * 2023-05-26 2023-09-11 이병훈 인공지능에 기반한 일식 주점 메뉴 추천 시스템

Also Published As

Publication number Publication date
KR102645521B1 (ko) 2024-03-08
KR20220050099A (ko) 2022-04-22
KR20220050098A (ko) 2022-04-22

Similar Documents

Publication Publication Date Title
KR102363394B1 (ko) 주문 서비스를 제공하고 광고 메시지를 생성하기 위한 방법 및 장치
US20200342550A1 (en) Methods and systems for generating restaurant recommendations
KR102378682B1 (ko) 커스터마이즈된 증강 현실 아이템 필터링 시스템
KR102345945B1 (ko) 맞춤형 현장 정보 교환을 제공하기 위한 방법 및 시스템
US11481457B2 (en) Menu personalization
KR102337061B1 (ko) 맞춤형 현장 정보 교환을 제공하기 위한 방법 및 시스템
US10354306B2 (en) Account recommendations
CN110023976B (zh) 使用各种人工智能实体作为广告媒体
US10992609B2 (en) Text-messaging based concierge services
US9122757B1 (en) Personal concierge plan and itinerary generator
US10937060B2 (en) Intelligent location based notification
US11714814B2 (en) Optimization of an automation setting through selective feedback
CN108475384B (zh) 在物理位置自动配送客户协助
US20140280267A1 (en) Creating real-time association interaction throughout digital media
CN106233312A (zh) 基于场境回复的自动动作
US20150379602A1 (en) Lead recommendations
US9720570B2 (en) Dynamic sorting and inference using gesture based machine learning
US20180039479A1 (en) Digital Content Search and Environmental Context
CN106202186A (zh) 基于人工智能的服务推荐方法和装置
KR102635381B1 (ko) 배달 플랫폼을 운용하는 방법 및 그 시스템
CN106462622A (zh) 信息处理设备、控制方法及程序
GB2506575A (en) Content delivery system
CN106663246A (zh) 用于偏置任务辅助自动完成建议的系统和方法
US20180039631A1 (en) Shareability score
KR102256010B1 (ko) 크라우드 지원 질의 시스템

Legal Events

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