KR102389544B1 - 사용자들의 서비스 이용 행태를 분석하는 서버 및 이의 동작 방법 - Google Patents

사용자들의 서비스 이용 행태를 분석하는 서버 및 이의 동작 방법 Download PDF

Info

Publication number
KR102389544B1
KR102389544B1 KR1020200026502A KR20200026502A KR102389544B1 KR 102389544 B1 KR102389544 B1 KR 102389544B1 KR 1020200026502 A KR1020200026502 A KR 1020200026502A KR 20200026502 A KR20200026502 A KR 20200026502A KR 102389544 B1 KR102389544 B1 KR 102389544B1
Authority
KR
South Korea
Prior art keywords
users
service usage
user
behavior information
server
Prior art date
Application number
KR1020200026502A
Other languages
English (en)
Other versions
KR20210111493A (ko
Inventor
장시영
Original Assignee
주식회사 엘지유플러스
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 주식회사 엘지유플러스 filed Critical 주식회사 엘지유플러스
Priority to KR1020200026502A priority Critical patent/KR102389544B1/ko
Publication of KR20210111493A publication Critical patent/KR20210111493A/ko
Application granted granted Critical
Publication of KR102389544B1 publication Critical patent/KR102389544B1/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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Technology Law (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Telephonic Communication Services (AREA)

Abstract

서버의 동작 방법이 개시된다. 일 실시예는 사용자들의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 서비스 이용 행태 정보를 이용하여 평균 서비스 이용 행태 정보를 결정하고, 상기 서비스 이용 행태 정보를 이용하여 상기 서비스 이용 행태들 사이의 상관관계 정보를 결정하며, 상기 서비스 이용 행태 정보, 상기 결정된 평균 서비스 이용 행태 정보, 및 상기 결정된 상관관계 정보를 기초로 상기 사용자들 각각의 특징값을 계산하고, 상기 사용자들 각각의 계산된 특징값 및 임계값을 기초로 상기 사용자들 중 이상 상태에 있는 사용자를 식별한다.

Description

사용자들의 서비스 이용 행태를 분석하는 서버 및 이의 동작 방법{SERVER OF ANALYZING SERVICE USAGE BEHAVIOR OF USERS AND OPERATING METHOD THEREOF}
아래 실시예들은 사용자들의 서비스 이용 행태를 분석하는 서버에 관한 것이다.
고객이 서비스 해지 요청을 하면 해당 고객은 해지에 대한 의사가 크기 때문에 해지 방어율이 낮을 수 있다. 이에 따라, 보다 효율적인 해지 방어를 위해 서비스 해지 가능성이 있는 고객을 선별하는 것이 필요할 수 있다.
관련 선행기술로, 한국 공개특허공보 제10-2015-0144859호(발명의 명칭: 여신 고객 이탈 방지 방법 및 이를 실행하는 금융 기관의 서버, 출원인: 주식회사 우리은행)가 있다. 해당 공개특허공보에는, 여신 고객을 포함하는 여신 고객 리스트를 생성하고 상기 여신 고객 리스트에 존재하는 여신 고객에 대해서 여신 이탈 징후가 존재하는지 판단하며 상기 여신 고객에 대해서 여신 이탈 징후가 존재하면 해당 여신 고객이 거래한 영업점의 단말에 여신 이탈 징후 메시지를 제공하는 개시된 여신 고객 이탈 방지 방법이 개시된다.
일 측에 따른 서버의 동작 방법은 사용자들의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 서비스 이용 행태 정보를 이용하여 평균 서비스 이용 행태 정보를 결정하는 단계; 상기 서비스 이용 행태 정보를 이용하여 상기 서비스 이용 행태들 사이의 상관관계 정보를 결정하는 단계; 상기 서비스 이용 행태 정보, 상기 결정된 평균 서비스 이용 행태 정보, 및 상기 결정된 상관관계 정보를 기초로 상기 사용자들 각각의 특징값을 계산하는 단계; 및 상기 사용자들 각각의 계산된 특징값 및 임계값을 기초로 상기 사용자들 중 이상 상태에 있는 사용자를 식별하는 단계를 포함한다.
서버의 동작 방법은 상기 사용자들 각각의 하나 이상의 서비스 이용 행태를 상기 사용자들 각각의 셋탑 박스로부터 수집하여 상기 서비스 이용 행태 정보를 결정하는 단계를 더 포함할 수 있다.
상기 사용자들 각각의 특징값을 계산하는 단계는 수학식
Figure 112020022555229-pat00001
에 따라 사용자i의 특징값을 계산하는 단계를 포함할 수 있다.
상기 수학식에서
Figure 112020022555229-pat00002
는 상기 사용자i의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 벡터를 나타내고,
Figure 112020022555229-pat00003
는 상기 평균 서비스 이용 행태 정보를 나타내며,
Figure 112020022555229-pat00004
는 상기 상관관계 정보를 나타낼 수 있다.
상기 상관관계 정보를 결정하는 단계는 상기 서비스 이용 행태 정보의 공분산 정보를 결정하는 단계를 포함할 수 있다.
상기 이상 상태에 있는 사용자를 식별하는 단계는 상기 임계값을 초과하는 특징값에 해당하는 사용자를 서비스 해지 가능성이 있는 사용자로 식별하는 단계를 포함할 수 있다.
상기 이상 상태에 있는 사용자를 식별하는 단계는 상기 사용자들 각각의 계산된 특징값과 상기 임계값이 디스플레이에 시각적으로 표시되도록 동작하는 단계를 포함할 수 있다.
서버의 동작 방법은 상기 식별된 사용자의 계정으로 쿠폰을 제공하는 단계를 더 포함할 수 있다.
일 측에 따른 서버는 사용자들의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 서비스 이용 행태 정보를 이용하여 평균 서비스 이용 행태 정보를 결정하고, 상기 서비스 이용 행태 정보를 이용하여 상기 서비스 이용 행태들 사이의 상관관계 정보를 결정하며, 상기 서비스 이용 행태 정보, 상기 결정된 평균 서비스 이용 행태 정보, 및 상기 결정된 상관관계 정보를 기초로 상기 사용자들 각각의 특징값을 계산하고, 상기 사용자들 각각의 계산된 특징값 및 임계값을 기초로 상기 사용자들 중 이상 상태에 있는 사용자를 식별하는 프로세서를 포함한다.
상기 프로세서는 상기 사용자들 각각의 하나 이상의 서비스 이용 행태를 상기 사용자들 각각의 셋탑 박스로부터 수집하여 상기 서비스 이용 행태 정보를 결정할 수 있다.
상기 프로세서는 수학식
Figure 112020022555229-pat00005
에 따라 사용자i의 특징값을 계산할 수 있다.
상기 수학식에서
Figure 112020022555229-pat00006
는 상기 사용자i의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 벡터를 나타내고,
Figure 112020022555229-pat00007
는 상기 평균 서비스 이용 행태 정보를 나타내며,
Figure 112020022555229-pat00008
는 상기 상관관계 정보를 나타낼 수 있다.
상기 프로세서는 상기 서비스 이용 행태 정보의 공분산 정보를 결정할 수 있다.
상기 프로세서는 상기 임계값을 초과하는 특징값에 해당하는 사용자를 서비스 해지 가능성이 있는 사용자로 식별할 수 있다.
상기 프로세서는 상기 사용자들 각각의 계산된 특징값과 상기 임계값이 디스플레이에 시각적으로 표시되도록 동작할 수 있다.
상기 프로세서는 상기 식별된 사용자의 계정으로 쿠폰을 제공할 수 있다.
실시예들은 고객들의 서비스(예를 들어, IPTV 서비스) 이용 행태를 자동으로 분석하여 서비스 가입 해지 위험군에 속해 있는 고객을 선별할 수 있다.
또한, 실시예들은 특정 고객이 가입 해지 요청을 하기 전 해당 고객이 가입 해지할 가능성이 있다는 것을 감지하여 해당 고객에게 특별 프로모션을 제공할 수 있고, 이로 인해, 해지 방어를 할 수 있고, 고객 해지방어의 효율을 높일 수 있다.
도 1은 일 실시예에 따른 서버 및 셋탑 박스들을 설명하기 위한 도면이다.
도 2 내지 도 4는 일 실시예에 따른 서버의 동작을 설명하기 위한 도면이다.
도 5 내지 도 6은 일 실시예에 따른 서비스 이용 행태 모니터링을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 서버의 동작 방법을 설명하기 위한 순서도이다.
도 8은 일 실시예에 따른 서버를 설명하기 위한 블록도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일 실시예에 따른 서버 및 셋탑 박스들을 설명하기 위한 도면이다.
도 1을 참조하면, 일 실시예에 따른 서버(110)는 셋탑 박스들(120-1 내지 120-n) 각각과 통신한다.
실시예에 따르면, 서버(110)는 셋탑 박스들(120-1 내지 120-n) 각각으로부터 각 사용자의 여러 서비스 이용 행태(또는 서비스 이용 패턴)에 대한 정보를 수신 또는 수집할 수 있다. 일례로, 서버(110)는 셋탑 박스(120-1)로부터 사용자의 VOD(Video On Demand) 시청 이력, 실시간 방송 시청 이력, VOD 구매 이력, VOD 검색 이력, VOD 찜 이력, VOD 좋아요 이력 등 해당 셋탑 박스(120-1)의 사용자가 IPTV 서비스를 이용한 행태에 대한 정보를 수신 또는 수집할 수 있다. 여기서, VOD 시청 이력은, 예를 들어, VOD 시청 건수 등을 포함할 수 있고, 실시간 방송 시청 이력은, 예를 들어, 실시간 방송 시청 시간을 포함할 수 있으며, VOD 구매 이력은, 예를 들어, VOD 구매 건수를 포함할 수 있고, VOD 검색 이력은, 예를 들어, VOD 검색 건수를 포함할 수 있다. 마찬가지로, 서버(110)는 다른 셋탑 박스들(120-2 내지 120-n) 각각으로부터 각 사용자의 IPTV 서비스 이용 행태에 대한 정보를 수신 또는 수집할 수 있다.
서버(110)는 셋탑 박스들(120-1 내지 120-n) 각각으로부터 수신한 정보를 분석할 수 있고, 분석 결과를 기초로 어떤 사용자가 평균적인 서비스 이용 행태에서 얼마나 벗어나는지를 확인할 수 있다. 일례로, 후술하겠지만, 서버(110)는 사용자들 각각의 T- Square 통계값과 카이제곱 분포(Chi-squared distribution)을 이용함으로써 해지 위험 사용자를 추출할 수 있다. 이하, 도 2 내지 도 4를 참조하면서 서버(110)의 동작에 대해 구체적으로 설명한다.
도 2 내지 도 4는 일 실시예에 따른 서버의 동작을 설명하기 위한 도면이다.
도 2를 참조하면, 일 실시예에 따른 서버(110)는 수집부(210) 및 분석부(220)를 포함한다.
수집부(210) 및 분석부(220)는 하나의 서버(110)에서 논리적으로 구분될 수 있다. 이는 예시적인 사항일 뿐, 수집부(210)와 분석부(220) 각각은 별개의 장치로서 구현될 수 있다. 다시 말해, 수집부(210)는 수집 서버(또는 수집 장치)로 구현될 수 있고 분석부(220)는 분석 서버(또는 분석 장치)로 구현될 수 있다.
수집부(210)는 셋탑 박스들(120-1 내지 120-n) 각각으로부터 셋탑 박스들(120-1 내지 120-n) 각각의 사용자의 서비스 이용 행태에 대한 정보를 수집 또는 수신할 수 있다.
수집부(210)는 각 사용자의 서비스 이용 행태에 대한 정보를 분석부(220)로 전송할 수 있다.
분석부(220)는 각 사용자의 서비스 이용 행태에 대한 정보를 수신하면, 전체 사용자들에 대한 서비스 이용 행태 정보를 생성 또는 결정할 수 있다. 도 3에 서비스 이용 행태 정보(310)의 일례가 도시된다.
도 3을 참조하면, 서비스 이용 행태 정보(310)는 사용자들의 여러 서비스 이용 행태들 각각에 대한 수치값을 포함한다. 도 3에 도시된 예에서, 서비스 이용 행태 정보(310)는 사용자 1의 VOD 시청 건수에 대한 수치값 0, 사용자 1의 실시간 시청 시간에 대한 수치값 3, 사용자 1의 VOD 검색 건수에 대한 수치값 6 등을 포함할 수 있다. 도 3에 도시되지 않았으나, 서비스 이용 행태 정보(310)는 사용자 1의 다른 서비스 이용 행태에 대한 수치값을 포함할 수 있다. 또한, 서비스 이용 행태 정보(320)는 사용자의 2의 VOD 시청 건수에 대한 수치값 2, 사용자 2의 실시간 시청 시간에 대한 수치값 20을 포함할 수 있다. 도 3에 도시되지 않았으나, 서비스 이용 행태 정보(310)는 사용자 2의 다른 서비스 이용 행태에 대한 수치값을 포함할 수 있다. 서비스 이용 행태 정보(310)는 사용자 n의 경우 VOD 시청 건수에 대한 수치값 1, 사용자 n의 VOD 검색 건수에 대한 수치값 5를 포함할 수 있고, 사용자 n의 다른 서비스 이용 행태에 대한 수치값을 포함할 수 있다.
분석부(220)는 서비스 이용 행태 정보(310)를 이용하여 평균 서비스 이용 행태 정보를 생성 또는 결정할 수 있다. 도 3에 평균 서비스 이용 행태 정보(320)의 일례가 도시된다.
도 3에 도시된 예에서, 사용자들의 VOD 시청 건수의 평균은 4.3이고 사용자들의 실시간 시청 시간의 평균은 6.8이며, 사용자들의 VOD 검색 건수의 평균은 11.2이다.
분석부(220)는 서비스 이용 행태 정보(310)를 서비스 이용 행태들 사이의 상관관계 정보를 생성 또는 결정할 수 있다. 도 3에 서비스 이용 행태들 사이의 상관관계 정보(330)의 일례가 도시된다.
도 3에 도시된 예의 경우, 서비스 이용 행태들 사이의 상관관계 정보(330)는 서비스 이용 행태 정보(310)의 공분산(covariance) 행렬에 해당할 수 있다. 다시 말해, 분석부(220)는 서비스 이용 행태 정보(310)의 공분산 행렬을 계산함으로써 서비스 이용 행태들 사이의 상관관계 정보(330)를 생성 또는 결정할 수 있다.
분석부(220)는 이상 감지를 위한 사용자들 각각의 T- Square 통계값을 산출할 수 있다. 일례로, 분석부(220)는 아래 수학식 1에 따라 각 사용자의 이상 감지를 위한 통계값을 산출할 수 있다.
Figure 112020022555229-pat00009
위 수학식 1에서,
Figure 112020022555229-pat00010
는 사용자i의 이상 감지를 위한 통계값을 나타내고, 사용자i의 T-Square 통계값으로 달리 표현될 수 있다. 또한, 위 수학식 1에서
Figure 112020022555229-pat00011
는 사용자i의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 벡터를 나타내고,
Figure 112020022555229-pat00012
는 평균 서비스 이용 행태 정보(320)를 나타내며,
Figure 112020022555229-pat00013
는 서비스 이용 행태들 사이의 상관관계 정보(330)를 나타낸다.
도 4에 도시된 예를 참조하여 사용자 1의 통계값을 산출하는 것을 설명한다.
도 4를 참조하면, 분석부(220)는 서비스 이용 행태 정보(310)에서 사용자 1의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 벡터를 추출할 수 있고, 추출된 벡터와 평균 서비스 이용 행태 정보(320) 사이의 차이 벡터를 계산할 수 있다. 도 4에 도시된 예에서, 추출된 벡터와 평균 서비스 이용 행태 정보(320) 각각은 열(column) 벡터로 표현되어 있다. 분석부(220)는 계산된 차이 벡터의 전치(transpose) 벡터를 도출할 수 있고, 도출된 전치 벡터와 상관관계 정보(330)의 역행렬을 곱셈할 수 있으며, 곱셈 결과와 상술한 차이 벡터를 곱셈할 수 있다. 이러한 과정을 거쳐 분석부(220)는 사용자 1의 T-Square 통계값을 산출할 수 있다.
도 4에 도시된 과정과 유사하게, 분석부(220)는 다른 사용자들 각각의 T-Square 통계값을 산출할 수 있다.
분석부(220)는 각 사용자의 T- Square 통계값을 산출하면, 각 사용자의 T-Square 통계값을 모니터링 시스템으로 전송할 수 있다. 이에 대해선 도 5 내지 도 6을 참조하면서 설명한다.
도 5 내지 도 6은 일 실시예에 따른 서비스 이용 행태 모니터링을 설명하기 위한 도면이다.
도 5를 참조하면, 서버(110)는 모니터링 시스템(510)으로 각 사용자의 T- Square 통계값을 전송할 수 있다.
모니터링 시스템(510)은, 예를 들어, 관리자 단말을 포함할 수 있다.
모니터링 시스템(510)은 각 사용자의 T-Square 통계값 및 상한값(또는 상한선)을 시각화 할 수 있다. 달리 표현하면, 모니터링 시스템(510)은 각 사용자의 T-Square 통계값 및 상한값을 디스플레이에 시각적으로 표시할 수 있다.
도 6에 시각화 결과의 일례가 도시된다.
도 6을 참조하면, 모니터링 시스템(510)은 Hotelling’s T-Square 시각화 기술을 통해 각 사용자의 T-Square 통계값 및 상한값(610)을 시각적으로 표시할 수 있다.
상한값(610)은 확률적으로 얼마만큼의 범위 이상에 있는 사용자를 서비스 이탈 가능성이 있는 사용자로 정의할 것인지에 대한 기준을 나타낼 수 있다. 모니터링 시스템(510)은 특정 사용자의 T-Square 통계값이 상한값(610)을 초과하면 해당 특정 사용자를 서비스 이탈 가능성이 있는 사용자로 정의할 수 있다. 달리 표현하면, 모니터링 시스템(510)은 상한값(610)을 초과하는 T-Square 통계값의 사용자를 서비스 해지 위험군에 있다고 결정할 수 있다. 이에 따라, 모니터링 시스템(510)은 고객 해지 전조 현상을 감지할 수 있다.
실시예에 따르면, 상한값(610)은 카이제곱 분포(Chi-squared distribution)을 통해 도출될 수 있다. 일례로, 모니터링 시스템(510)은
Figure 112020022555229-pat00014
에 기초하여 상한값(610)을 계산할 수 있다. 여기서,
Figure 112020022555229-pat00015
는 신뢰 구간 95%~99% 범위에 있고,
Figure 112020022555229-pat00016
는 행태 변수의 개수로, 앞서 설명한 서비스 이용 행태들의 개수를 나타낼 수 있다.
모니터링 시스템(510)은 상한값(610)을 초과하는 T- Square 통계값의 사용자를 위해 해지 방어 절차를 수행할 수 있다. 일례로, 모니터링 시스템(510)은 해당 사용자의 계정으로 할인 쿠폰을 제공하는 등 해당 사용자에게 프로모션을 진행할 수 있다.
실시예에 따르면, 모니터링 시스템(510)은 서버(110)와 구분될 수 있다. 구현에 따라, 모니터링 시스템(510)은 서버(110)에서 구현될 수 있다. 이 경우, 관리자 단말 등 디스플레이를 포함하는 기기가 서버(110)에 접속하면, 해당 기기는 도 6을 통해 설명한 각 사용자의 T-Square 통계값 및 상한값(610)을 디스플레에 표시할 수 있다.
도 7은 일 실시예에 따른 서버의 동작 방법을 설명하기 위한 순서도이다.
도 7을 참조하면, 서버(110)는 사용자들의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 서비스 이용 행태 정보를 이용하여 평균 서비스 이용 행태 정보를 결정한다(710).
서버(110)는 서비스 이용 행태 정보를 이용하여 서비스 이용 행태들 사이의 상관관계 정보를 결정한다(720).
서버(110)는 서비스 이용 행태 정보, 결정된 평균 서비스 이용 행태 정보, 및 결정된 상관관계 정보를 기초로 사용자들 각각의 특징값을 계산한다(730). 특징값은, 예를 들어, 상술한 T-square 통계값을 포함할 수 있다.
일례로, 서버(110)는 수학식
Figure 112020022555229-pat00017
에 따라 사용자i의 특징값을 계산할 수 있다. 여기서,
Figure 112020022555229-pat00018
는 사용자i의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 벡터를 나타내고,
Figure 112020022555229-pat00019
는 평균 서비스 이용 행태 정보를 나타내며,
Figure 112020022555229-pat00020
는 상관관계 정보를 나타낸다.
서버(110)는 사용자들 각각의 계산된 특징값 및 임계값을 기초로 사용자들 중 이상 상태에 있는 사용자를 식별한다(740). 일례로, 서버(110)는 임계값을 초과하는 특징값에 해당하는 사용자를 서비스 해지 가능성이 있는 사용자로 식별할 수 있다. 임계값은 상술한 상한값(610)에 해당한다.
실시예에 있어서, 서버(110)는 사용자들 각각의 계산된 특징값과 임계값이 디스플레이에 시각적으로 표시되도록 동작할 수 있다. 일례로, 서버(110)는 사용자들 각각의 계산된 특징값을 모니터링 시스템(510)으로 전송할 수 있고, 모니터링 시스템(510)이 사용자들 각각의 계산된 특징값과 임계값을 시각적으로 표시하도록 할 수 있다. 구현에 따라, 서버(110)는 관리자 단말로 사용자들 각각의 계산된 특징값을 전송할 수 있고, 관리자 단말은 사용자들 각각의 계산된 특징값과 임계값을 디스플레이에 시각적으로 표시할 수 있다.
도 1 내지 도 6을 통해 기술된 사항들은 도 7을 통해 기술된 사항들에 적용될 수 있으므로, 상세한 설명을 생략한다.
도 8은 일 실시예에 따른 서버를 설명하기 위한 블록도이다.
도 8을 참조하면, 서버(110)는 통신기(810) 및 프로세서(820)를 포함한다.
통신기(810)는 상술한 수집부(210)를 구현할 수 있다.
통신기(810)는 셋탑 박스들(120-1 내지 120-n) 각각과 통신할 수 있고, 셋탑 박스들(120-1 내지 120-n) 각각으로부터 각 사용자의 서비스 이용 행태들 각각에 대한 정보를 수신할 수 있다.
프로세서(820)는 상술한 분석부(220)를 구현할 수 있다.
프로세서(820)는 사용자들의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 서비스 이용 행태 정보를 이용하여 평균 서비스 이용 행태 정보를 결정한다.
프로세서(820)는 서비스 이용 행태 정보를 이용하여 서비스 이용 행태들 사이의 상관관계 정보를 결정한다.
프로세서(820)는 서비스 이용 행태 정보, 결정된 평균 서비스 이용 행태 정보, 및 결정된 상관관계 정보를 기초로 사용자들 각각의 특징값을 계산한다.
프로세서(820)는 사용자들 각각의 계산된 특징값 및 임계값을 기초로 사용자들 중 이상 상태에 있는 사용자를 식별한다.
도 8에 도시되지 않았으나 서버(110)는 메모리를 더 포함할 수 있다.
메모리는 통신기(810)가 수신한 정보, 프로세서(820)의 동작 결과(또는 연산 결과)를 저장할 수 있다. 일례로, 메모리는 사용자들의 서비스 이용 행태들 각각에 대한 정보, 서비스 이용 행태 정보, 평균 서비스 이용 행태 정보, 및 서비스 이용 행태들 사이의 상관관계 정보 등을 저장할 수 있다.
도 1 내지 도 7을 통해 기술된 사항들은 도 8을 통해 기술된 사항들에 적용될 수 있으므로, 상세한 설명을 생략한다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 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 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 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 기술분야에서 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.
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, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 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 실시예를 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 광기록 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.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 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 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (14)

  1. 서버의 동작 방법에 있어서,
    사용자들의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 서비스 이용 행태 정보를 이용하여 평균 서비스 이용 행태 정보를 결정하는 단계;
    상기 서비스 이용 행태 정보를 이용하여 상기 서비스 이용 행태들 사이의 상관관계 정보를 결정하는 단계;
    상기 서비스 이용 행태 정보, 상기 결정된 평균 서비스 이용 행태 정보, 및 상기 결정된 상관관계 정보를 기초로 상기 사용자들 각각의 특징값을 계산하는 단계; 및
    상기 사용자들 각각의 계산된 특징값 및 임계값을 기초로 상기 사용자들 중 이상 상태에 있는 사용자를 식별하는 단계
    를 포함하고,
    상기 식별하는 단계는,
    상기 사용자들 중 제1 사용자의 특징값이 상기 임계값을 초과하는 경우, 상기 제1 사용자가 서비스 해지 위험군에 속해 있는 것으로 결정하는 단계
    를 포함하는,
    서버의 동작 방법.
  2. 제1항에 있어서,
    상기 사용자들 각각의 하나 이상의 서비스 이용 행태를 상기 사용자들 각각의 셋탑 박스로부터 수집하여 상기 서비스 이용 행태 정보를 결정하는 단계
    를 더 포함하는,
    서버의 동작 방법.
  3. 제1항에 있어서,
    상기 사용자들 각각의 특징값을 계산하는 단계는,
    수학식
    Figure 112020022555229-pat00021
    에 따라 사용자i의 특징값을 계산하는 단계
    를 포함하고,
    상기 수학식에서
    Figure 112020022555229-pat00022
    는 상기 사용자i의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 벡터를 나타내고,
    Figure 112020022555229-pat00023
    는 상기 평균 서비스 이용 행태 정보를 나타내며,
    Figure 112020022555229-pat00024
    는 상기 상관관계 정보를 나타내는,
    서버의 동작 방법.
  4. 제1항에 있어서,
    상기 상관관계 정보를 결정하는 단계는,
    상기 서비스 이용 행태 정보의 공분산 정보를 결정하는 단계
    를 포함하는,
    서버의 동작 방법.
  5. 삭제
  6. 제1항에 있어서,
    상기 이상 상태에 있는 사용자를 식별하는 단계는
    상기 사용자들 각각의 계산된 특징값과 상기 임계값이 디스플레이에 시각적으로 표시되도록 동작하는 단계
    를 포함하는,
    서버의 동작 방법.
  7. 제1항에 있어서,
    상기 식별된 사용자의 계정으로 쿠폰을 제공하는 단계
    를 더 포함하는,
    서버의 동작 방법.
  8. 사용자들의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 서비스 이용 행태 정보를 이용하여 평균 서비스 이용 행태 정보를 결정하고, 상기 서비스 이용 행태 정보를 이용하여 상기 서비스 이용 행태들 사이의 상관관계 정보를 결정하며, 상기 서비스 이용 행태 정보, 상기 결정된 평균 서비스 이용 행태 정보, 및 상기 결정된 상관관계 정보를 기초로 상기 사용자들 각각의 특징값을 계산하고, 상기 사용자들 각각의 계산된 특징값 및 임계값을 기초로 상기 사용자들 중 이상 상태에 있는 사용자를 식별하는 프로세서
    를 포함하고,
    상기 프로세서는 상기 사용자들 중 제1 사용자의 특징값이 상기 임계값을 초과하는 경우, 상기 제1 사용자가 서비스 해지 위험군에 속해 있는 것으로 결정하는,
    서버.
  9. 제8항에 있어서,
    상기 프로세서는,
    상기 사용자들 각각의 하나 이상의 서비스 이용 행태를 상기 사용자들 각각의 셋탑 박스로부터 수집하여 상기 서비스 이용 행태 정보를 결정하는,
    서버.
  10. 제8항에 있어서,
    상기 프로세서는,
    수학식
    Figure 112020022555229-pat00025
    에 따라 사용자i의 특징값을 계산하고,
    상기 수학식에서
    Figure 112020022555229-pat00026
    는 상기 사용자i의 서비스 이용 행태들 각각에 대한 수치값을 포함하는 벡터를 나타내고,
    Figure 112020022555229-pat00027
    는 상기 평균 서비스 이용 행태 정보를 나타내며,
    Figure 112020022555229-pat00028
    는 상기 상관관계 정보를 나타내는,
    서버.
  11. 제8항에 있어서,
    상기 프로세서는,
    상기 서비스 이용 행태 정보의 공분산 정보를 결정하는,
    서버.
  12. 삭제
  13. 제8항에 있어서,
    상기 프로세서는,
    상기 사용자들 각각의 계산된 특징값과 상기 임계값이 디스플레이에 시각적으로 표시되도록 동작하는,
    서버.
  14. 제8항에 있어서,
    상기 프로세서는,
    상기 식별된 사용자의 계정으로 쿠폰을 제공하는,
    서버.
KR1020200026502A 2020-03-03 2020-03-03 사용자들의 서비스 이용 행태를 분석하는 서버 및 이의 동작 방법 KR102389544B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200026502A KR102389544B1 (ko) 2020-03-03 2020-03-03 사용자들의 서비스 이용 행태를 분석하는 서버 및 이의 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200026502A KR102389544B1 (ko) 2020-03-03 2020-03-03 사용자들의 서비스 이용 행태를 분석하는 서버 및 이의 동작 방법

Publications (2)

Publication Number Publication Date
KR20210111493A KR20210111493A (ko) 2021-09-13
KR102389544B1 true KR102389544B1 (ko) 2022-04-21

Family

ID=77796718

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200026502A KR102389544B1 (ko) 2020-03-03 2020-03-03 사용자들의 서비스 이용 행태를 분석하는 서버 및 이의 동작 방법

Country Status (1)

Country Link
KR (1) KR102389544B1 (ko)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101438050B1 (ko) * 2012-06-19 2014-09-15 (주) 더존비즈온 거래처 모니터링 시스템
US10353903B2 (en) * 2013-01-24 2019-07-16 Samsung Electronics Co., Ltd. Computing system with correlation estimation mechanism and method of operation thereof
KR101978290B1 (ko) * 2017-11-08 2019-05-14 주식회사 알티캐스트 컨텐츠의 불법 이용을 감지하는 시스템 및 그 방법

Also Published As

Publication number Publication date
KR20210111493A (ko) 2021-09-13

Similar Documents

Publication Publication Date Title
US20180191761A1 (en) Method and apparatus for detecting cyberthreats through correlation analysis
US9218570B2 (en) Determining an anomalous state of a system at a future point in time
CN107392801B (zh) 控制扰乱订单的方法及其装置、存储介质、电子设备
Johnson et al. Time between vulnerability disclosures: A measure of software product vulnerability
US20170026396A1 (en) Systems and methods for identifying information related to payment card breaches
US20130226692A1 (en) Click fraud monitoring based on advertising traffic
US20150058984A1 (en) Computer-implemented method for distilling a malware program in a system
US9003076B2 (en) Identifying anomalies in original metrics of a system
CN113761519B (zh) 一种Web应用程序的检测方法、装置及存储介质
CN106611120A (zh) 一种风险防控系统的评估方法及装置
CN102473209B (zh) 攻击企图的检测方法、记录媒介与应用此方法的安全处理器
CN105868878B (zh) Mac地址的风险识别方法及装置
KR101971799B1 (ko) 통합된 분석 모델에 기초하여 이상 행동을 감지하는 시스템 및 그 방법
JP2009135649A (ja) データ処理装置及びデータ処理方法及びプログラム
KR102389544B1 (ko) 사용자들의 서비스 이용 행태를 분석하는 서버 및 이의 동작 방법
US8713070B2 (en) Business flow processing method and apparatus
KR20200118590A (ko) 비정상 게임 계정을 탐지하는 장치 및 방법
JP7441719B2 (ja) インシデント情報分析装置、分析方法、および分析プログラム
KR20220061713A (ko) 스마트 미터의 결측치 대체 방법 및 이를 이용하는 스마트 미터 제어 시스템
KR101879829B1 (ko) 클릭 로그 데이터를 이용하여 이상 사용자를 검출하는 방법 및 장치
JP2007188285A (ja) 閾値設定方法及びシステム
Albalawi et al. Protecting Shared Virtualized Environments against Cache Side-channel Attacks.
US12001989B2 (en) Optimizing cloud-based IT-systems towards business objectives: automatic topology-based analysis to determine impact of IT-systems on business metrics
CN111694872B (zh) 一种业务处置的数据化方案的提供方法及装置
KR20220155078A (ko) 오픈마켓 상의 정보를 기반으로 마케팅 타겟을 위한 키워드 추출 방법, 장치 및 시스템

Legal Events

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