KR102396803B1 - 유통과 물류의 최적화를 위한 마케팅 관리 데이터 제공 방법 및 이를 위한 장치 - Google Patents

유통과 물류의 최적화를 위한 마케팅 관리 데이터 제공 방법 및 이를 위한 장치 Download PDF

Info

Publication number
KR102396803B1
KR102396803B1 KR1020170089479A KR20170089479A KR102396803B1 KR 102396803 B1 KR102396803 B1 KR 102396803B1 KR 1020170089479 A KR1020170089479 A KR 1020170089479A KR 20170089479 A KR20170089479 A KR 20170089479A KR 102396803 B1 KR102396803 B1 KR 102396803B1
Authority
KR
South Korea
Prior art keywords
purchase
item
data
behavior
user
Prior art date
Application number
KR1020170089479A
Other languages
English (en)
Other versions
KR20190007875A (ko
Inventor
장윤석
장우혁
이춘오
황영숙
Original Assignee
십일번가 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 십일번가 주식회사 filed Critical 십일번가 주식회사
Priority to KR1020170089479A priority Critical patent/KR102396803B1/ko
Priority to CN201810763763.XA priority patent/CN109255644A/zh
Priority to US16/033,755 priority patent/US20190019203A1/en
Publication of KR20190007875A publication Critical patent/KR20190007875A/ko
Application granted granted Critical
Publication of KR102396803B1 publication Critical patent/KR102396803B1/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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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
    • G06Q30/0255—Targeted advertisements based on user history

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

유통과 물류의 최적화를 위한 마케팅 관리 데이터 제공 방법 및 이를 위한 장치가 개시된다. 온라인 사이트에 접속한 복수의 사용자들 각각에 대해 실시간으로 구매의도를 파악하고, 복수의 사용자들 각각에 대한 사용자 정보와 구매의도를 기반으로 아이템과 지역을 고려한 수요 예측 데이터를 생성하고, 수요 예측 데이터를 기반으로 온라인 사이트에서 제공하는 복수개의 아이템들에 대한 유통과 물류를 최적화하기 위한 마케팅 관리 데이터를 생성하여 제공할 수 있다. 또한, 아이템 판매자에게 재고관리와 수급에 도움이될 수 있는 정보를 정보를 제공할 수 있다.

Description

유통과 물류의 최적화를 위한 마케팅 관리 데이터 제공 방법 및 이를 위한 장치 {METHOD FOR PROVIDING MARKETING MANAGEMENT DATA FOR OPTIMIZATION OF DISTRIBUTION AND LOGISTIC AND APPARATUS THEREFOR}
본 발명은 인터넷 전자상거래 중 발생하는 사용자의 행태를 실시간 분석하고 이를 마케팅을 위한 데이터로 제공하는 기술에 관한 것으로, 특히 페이지를 탐색하거나 버튼을 클릭하는 등의 연속된 행동 흐름과 함께 이와 관련된 아이템 또는 카테고리의 특징을 분석하여 유통 및 물류의 관리를 최적화하는데 활용가능한 데이터를 제공할 수 있는 기술에 관한 것이다.
일반적으로 인터넷 전자상거래를 위한 분석 방식은 특정 상품 또는 URL(Uniform Resource Locator)에 대한 고객의 행동을 분석하고 이를 프로파일 형태로 제공하는 것이다. 이러한 분석은 특정 상품이나 카테고리에 대한 고객의 행동을 상품 검색에 사용한 검색어, 나열된 상품 중 클릭한 상품, 클릭한 상품 페이지 내에서의 행동(찜하기, 리뷰확인, Q&A확인, 장바구니 담기 등)으로 나열하고, 이러한 행동들을 합산하여 점수가 높은 상품 또는 카테고리를 데이터화 한다. 또한, 고객의 과거 구매이력에 기반하여 계산된 데이터를 조합하여 제공하기도 한다.
한국 공개 특허 제10-2017-0043259호, 2017년 4월 21일 공개 (명칭: 사이트 방문자의 웹 페이지 내 일련의 행동에 따른 자동화된 실시간 마케팅 시스템)
본 발명의 목적은, 인터넷 전자상거래를 통해 사용자가 구매활동을 하기 이전에 구매할 아이템이나 구매 확률과 같은 사용자에 대한 구매의도를 파악하는 것이다.
또한, 본 발명의 목적은 인터넷 전자상거래를 통해 제공되는 아이템 종류별 또는 지역별로 수요를 예측하는 것이다.
또한, 본 발명의 목적은 아이템의 수요 예측을 통해 유통과 물류를 위한 과정을 최적화하는 것이다.
또한, 본 발명의 목적은 인터넷 전자상거래의 판매자가 재고 관리나 상품 수급을 원활하게 할 수 있도록 지원하는 것이다.
상기한 목적을 달성하기 위한 본 발명에 따른 마케팅 관리 데이터 제공 방법은 온라인 사이트에 접속한 복수의 사용자들 각각에 대해 실시간으로 구매의도를 파악하는 단계; 상기 복수의 사용자들 각각에 대한 사용자 정보와 상기 구매의도를 기반으로 아이템과 지역을 고려한 수요 예측 데이터를 생성하는 단계; 및 상기 수요 예측 데이터를 기반으로 상기 온라인 사이트에서 제공하는 복수개의 아이템들에 대한 유통과 물류를 최적화하기 위한 마케팅 관리 데이터를 생성하고, 상기 마케팅 관리 데이터를 상기 온라인 사이트로 제공하는 단계를 포함한다.
이 때, 구매의도는 상기 복수의 사용자들이 각각 구매하고자 하는 아이템의 특징에 상응하는 구매의도 프로파일(Profile)과 상기 복수의 사용자들 각각에 대한 구매 확률을 포함할 수 있다.
이 때, 구매의도를 파악하는 단계는 상기 복수의 사용자들 각각에 대해 상기 온라인 사이트에서의 행동 데이터를 수집하는 단계; 행동 순열에 기반하여 생성된 구매 확률 모델과 상기 행동 데이터를 비교하여 상기 복수의 사용자들 각각에 대한 구매 확률을 산출하는 단계; 및 상기 복수개의 아이템들에 상응하는 아이템 정보가 저장된 아이템 데이터베이스와 상기 행동 데이터를 기반으로 상기 복수의 사용자들 각각에 대한 구매의도 프로파일을 생성하는 단계를 포함할 수 있다.
이 때, 구매의도를 파악하는 단계는 상기 행동 데이터를 기반으로 추출된 연속된 행동에 상응하게 상기 행동 순열을 생성하는 단계; 상기 연속된 행동에 따른 구매결과와 상기 행동 순열을 매칭하여 상기 구매 확률 모델을 생성하는 단계를 더 포함할 수 있다.
이 때, 수요 예측 데이터를 생성하는 단계는 상기 사용자 정보를 기반으로 상기 복수의 사용자들 각각에 대한 배송지 정보를 획득하고, 상기 구매의도 프로파일, 상기 구매 확률 및 상기 배송지 정보를 이용하여 아이템별 수요 예측 데이터 및 지역별 수요 예측 데이터 중 적어도 하나를 생성할 수 있다.
이 때, 구매의도를 파악하는 단계는 상기 구매의도 프로파일에 매칭된 상기 구매 확률을 기반으로 아이템별 구매확률 및 아이템 카테고리별 구매확률 중 적어도 하나를 산출하는 단계를 더 포함할 수 있다.
이 때, 행동 순열을 생성하는 단계는 상기 연속된 행동에 상응하는 URL(Uniform Resource Locator)들을 시간순서대로 나열하여 상기 행동 순열을 생성할 수 있다.
이 때, 마케팅 관리 데이터는 상기 아이템별 수요 예측 데이터와 상기 지역별 수요 예측 데이터를 기반으로 생성된 상기 복수개의 아이템들 각각에 대한 지역별 구매확률 데이터 포함할 수 있다.
또한, 본 발명에 따른 서버는, 온라인 사이트에 접속한 복수의 사용자들 각각에 대해 실시간으로 파악된 구매의도를 저장하는 메모리; 및 상기 복수의 사용자들 각각에 대한 사용자 정보와 상기 구매의도를 기반으로 아이템과 지역을 고려한 수요 예측 데이터를 생성하고, 상기 수요 예측 데이터를 기반으로 상기 온라인 사이트에서 제공하는 복수개의 아이템들에 대한 유통과 물류를 최적화하기 위한 마케팅 관리 데이터를 생성하여 제공하는 프로세서를 포함한다.
이 때, 구매의도는 상기 복수의 사용자들이 각각 구매하고자 하는 아이템의 특징에 상응하는 구매의도 프로파일(Profile)과 상기 복수의 사용자들 각각에 대한 구매 확률을 포함할 수 있다.
이 때, 프로세서는 상기 복수의 사용자들 각각에 대해 상기 온라인 사이트에서의 행동 데이터를 수집하고, 행동 순열에 기반하여 생성된 구매 확률 모델과 상기 행동 데이터를 비교하여 상기 복수의 사용자들 각각에 대한 구매 확률을 산출하고, 상기 복수개의 아이템들에 상응하는 아이템 정보가 저장된 아이템 데이터베이스와 상기 행동 데이터를 기반으로 상기 복수의 사용자들 각각에 대한 구매의도 프로파일을 생성할 수 있다.
이 때, 프로세서는 상기 행동 데이터를 기반으로 추출된 연속된 행동에 상응하게 상기 행동 순열을 생성하는 단계; 상기 연속된 행동에 따른 구매결과와 상기 행동 순열을 매칭하여 상기 구매 확률 모델을 생성할 수 있다.
이 때, 프로세서는 상기 사용자 정보를 기반으로 상기 복수의 사용자들 각각에 대한 배송지 정보를 획득하고, 상기 구매의도 프로파일, 상기 구매 확률 및 상기 배송지 정보를 이용하여 아이템별 수요 예측 데이터 및 지역별 수요 예측 데이터 중 적어도 하나를 생성할 수 있다.
이 때, 프로세서는 상기 구매의도 프로파일에 매칭된 상기 구매 확률을 기반으로 아이템별 구매확률 및 아이템 카테고리별 구매확률 중 적어도 하나를 산출할 수 있다.
이 때, 프로세서는 상기 연속된 행동에 상응하는 URL(Uniform Resource Locator)들을 시간순서대로 나열하여 상기 행동 순열을 생성할 수 있다.
이 때, 마케팅 관리 데이터는 상기 아이템별 수요 예측 데이터와 상기 지역별 수요 예측 데이터를 기반으로 생성된 상기 복수개의 아이템들 각각에 대한 지역별 구매확률 데이터 포함할 수 있다.
본 발명에 따르면, 인터넷 전자상거래를 통해 사용자가 구매활동을 하기 이전에 구매할 아이템이나 구매 확률과 같은 사용자에 대한 구매의도를 파악할 수 있다.
또한, 본 발명은 인터넷 전자상거래를 통해 제공되는 아이템 종류별 또는 지역별로 수요를 예측할 수 있다.
또한, 본 발명은 아이템의 수요 예측을 통해 유통과 물류를 위한 과정을 최적화할 수 있다.
또한, 본 발명은 인터넷 전자상거래의 판매자가 재고 관리나 상품 수급을 원활하게 할 수 있도록 지원할 수 있다.
또한, 본 발명은 각 아이템들마다 수요를 예측한 정보를 제공함으로써 보다 적극적인 마케팅, 개인화 및 타겟팅 광고, 추천 등의 분야에서 활용할 수 있다.
도 1은 본 발명의 일실시예에 따른 유통과 물류의 최적화를 위한 마케팅 관리 데이터 제공 시스템을 나타낸 도면이다.
도 2는 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공 방법을 나타낸 동작 흐름도이다.
도 3은 본 발명에 따른 마케팅 관리 데이터 제공 방법 중 구매 확률 모델을 생성하는 과정의 일 예를 나타낸 동작 흐름도이다.
도 4는 본 발명에 따른 마케팅 관리 데이터를 제공하는 과정의 일 예를 나타낸 도면이다.
도 5는 본 발명에 따라 수집된 행동 데이터의 일 예를 나타낸 도면이다.
도 6은 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공을 위한 서버를 나타낸 블록도이다.
도 7은 본 발명에 따른 마케팅 관리 데이터를 제공하는 과정의 다른 예를 나타낸 도면이다.
도 8은 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공 방법 중 구매 확률 모델을 학습하는 과정의 일 예를 나타낸 도면이다.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.
또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서 "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 본 발명에서 사용되는 제 1, 제 2 등과 같이 서수를 포함하는 용어는 구성 요소들을 설명하는데 사용될 수 있지만, 구성 요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성 요소는 제 2 구성 요소로 명명될 수 있고, 유사하게 제 2 구성 요소도 제 1 구성 요소로 명명될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.
도 1은 본 발명의 일실시예에 따른 유통과 물류의 최적화를 위한 마케팅 관리 데이터 제공 시스템을 나타낸 도면이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 유통과 물류의 최적화를 위한 마케팅 관리 데이터 제공 시스템은 서버(110), 온라인 사이트(120), 사용자(130-1~130-N) 및 네트워크(140)를 포함한다.
본 발명의 일실시예에 따른 서버(110)는 네트워크(140)를 기반으로 사용자(130-1~130-N)들이 온라인 사이트(120)를 통해 전자상거래를 이용할 때 하는 온라인 행동을 기반으로 유통과 물류의 관리를 위한 마케팅 관리 데이터를 제공하는 기기에 상응할 수 있다.
이 때, 서버(110)는 온라인 사이트(120)에서 제공하는 특정 아이템 또는 카테고리에 대한 사용자(130-1~130-N)의 행동뿐만 아니라 연속된 행동을 분석할 수 있다. 즉, 사용자(130-1~130-N)가 전자상거래 사이트를 방문하여 아이템을 구매하기까지 이어지는 행동의 순열을 분석 및 학습하여 이를 확률 값으로 생성할 수 있다.
동시에, 종래의 기술을 통해 추출될 수 있는 사용자(130-1~130-N)의 행동이 가지는 의미는 본 발명에서 사용자(130-1~130-N)의 관심 아이템 또는 관심 카테고리에 대한 데이터로 활용할 수 있다. 다시 말해서, 사용자(130-1~130-N)가 온라인 사이트(120)를 탐색하는 연속된 행동을 분석하고, 연속된 행동이 구매에 미치는 영향 정도를 파악하여, 연속된 행동에서 발현되는 공통적인 아이템 또는 카테고리 정보를 프로파일화 할 수 있다.
이 때, 단순히 아이템의 상세한 내용만을 활용했던 종래 기술과는 다르게 본 발명에서는 아이템을 대표하는 브랜드, 카테고리 등을 기반으로 키워드를 추출하고, 추출된 키워드 등의 정보를 상품의 연관성 분석에 활용하여 실시간성을 높일 수도 있다.
이 때, 도 1에서는 서버(110)와 온라인 사이트(120)를 각각 도시하였으나, 경우에 따라 서버(110)와 온라인 사이트(120)를 운영하는 별도의 운영 서버는 동일한 서버일 수도 있다. 즉, 전자상거래 서비스를 제공하는 온라인 사이트(120)의 운영 서버 내부에 마케팅 관리 데이터를 제공하는 서버(110)가 포함될 수도 있다. 또는, 마케팅 관리 데이터를 제공하는 서버(110)의 내부에 전자상거래 서비스를 제공하는 온라인 사이트(120)의 운영 서버가 포함될 수도 있다.
서버(110)는 온라인 사이트(120)에 접속한 복수의 사용자들(130-1~130-N) 각각에 대해 실시간으로 구매의도를 파악한다.
이 때, 구매의도는 복수의 사용자들(130-1~130-N)이 각각 구매하고자 하는 아이템의 특징에 상응하는 구매의도 프로파일(Profile)과 복수의 사용자들(130-1~130-N) 각각에 대한 구매 확률을 포함할 수 있다.
이 때, 복수의 사용자들(130-1~130-N) 각각에 대해 온라인 사이트(120)에서의 행동 데이터를 수집할 수 있다.
이 때, 행동 순열에 기반하여 생성된 구매 확률 모델과 행동 데이터를 비교하여 복수의 사용자들(130-1~130-N) 각각에 대한 구매 확률을 산출할 수 있다.
이 때, 아이템 데이터베이스에 저장된 복수개의 아이템들에 상응하는 아이템 정보와 행동 데이터를 기반으로 복수의 사용자들(130-1~130-N) 각각에 대한 구매의도 프로파일을 생성할 수 있다.
이 때, 행동 데이터를 기반으로 추출된 연속된 행동에 상응하게 행동 순열을 생성할 수 있다.
이 때, 연속된 행동에 상응하는 URL(Uniform Resource Locator)들을 시간순서대로 나열하여 행동 순열을 생성할 수 있다.
이 때, 연속된 행동에 따른 구매결과와 행동 순열을 매칭하여 구매 확률 모델을 생성할 수 있다.
이 때, 구매의도 프로파일에 매칭된 구매 확률을 기반으로 아이템별 구매확률 및 아이템 카테고리별 구매확률 중 적어도 하나를 산출할 수 있다.
또한, 서버(110)는 복수의 사용자들(130-1~130-N) 각각에 대한 사용자 정보와 구매의도를 기반으로 아이템과 지역을 고려한 수요 예측 데이터를 생성한다.
이 때, 사용자 정보를 기반으로 복수의 사용자들(130-1~130-N) 각각에 대한 배송지 정보를 획득하고, 구매의도 프로파일, 구매 확률 및 배송지 정보를 이용하여 아이템별 수요 예측 데이터 및 지역별 수요 예측 데이터 중 적어도 하나를 생성할 수 있다.
또한, 서버(110)는 수요 예측 데이터를 기반으로 온라인 사이트에서 제공하는 복수개의 아이템들에 대한 유통과 물류를 최적화하기 위한 마케팅 관리 데이터를 생성하여 제공한다.
이 때, 마케팅 관리 데이터는 아이템별 수요 예측 데이터와 지역별 수요 예측 데이터를 기반으로 생성된 복수개의 아이템들 각각에 대한 지역별 구매확률 데이터를 포함할 수 있다.
온라인 사이트(120)는 복수의 사용자들(130-1~130-N)이 접속하여 전자상거래 서비스를 이용하는 인터넷 사이트에 상응할 수 있다. 이 때, 온라인 사이트(120)를 운영하기 위한 운영 서버는 서버(110)에 포함되거나 또는 독립적으로 존재할 수 있다.
사용자(130-1~130-N)는 온라인 사이트(120)에 접속하여 전자상거래 서비스를 이용하면서 다양한 행동을 하는 사람에 상응할 수 있다. 예를 들어, 사용자(130-1~130-N)는 온라인 사이트(120)에 접속하여, 아이템을 검색하거나, 아이템의 상세 설명을 보거나, 아이템을 장바구니에 담거나, 결제를 시도하는 등 다양한 온라인 행동을 할 수 있다.
이 때, 사용자(130-1~130-N)는 모바일 단말이나 컴퓨터 등의 사용자 단말로 온라인 사이트(120)에 접속하여 전자상거래 서비스를 이용할 수 있다.
예를 들어, 사용자 단말은 통신망에 연결되어 본 발명에 따른 어플리케이션을 실행할 수 있는 장치로, 이동통신단말기에 한정된 것이 아니고, 모든 정보통신기기, 멀티미디어 단말 및 IP(Internet Protocol) 단말 등의 다양한 단말일 수 있다. 또한, 사용자 단말은 휴대폰, PMP(Portable Multimedia Played), MID(Mobile Internet Device), 스마트폰(Smart Phone), 태블릿컴퓨터(Tablet PC), 노트북(Note book), 넷북(Net Book), 개인휴대용 정보단말(Personal Digital Assistant; PDA) 및 정보통신 기기 등과 같은 다양한 이동통신 사양을 갖는 모바일(Mobile) 단말일 수 있다.
또한, 사용자 단말은 숫자 및 문자 정보 등의 다양한 정보를 입력 받고, 각종 기능을 설정 및 사용자 단말의 기능 제어와 관련하여 입력되는 신호를 입력부를 통해 제어부로 전달할 수 있다. 또한, 사용자 단말의 입력부는 사용자의 터치 또는 조작에 따른 입력 신호를 발생하는 키패드와 터치패드 중 적어도 하나를 포함하여 구성할 수 있다. 이 때, 사용자 단말의 입력부는 사용자 단말의 표시부와 함께 하나의 터치패널(또는 터치 스크린(touch screen))의 형태로 구성되어 입력과 표시 기능을 동시에 수행할 수 있다. 또한, 사용자 단말의 입력부는 키보드, 키패드, 마우스, 조이스틱 등과 같은 입력 장치 외에도 향후 개발될 수 있는 모든 형태의 입력 수단이 사용될 수 있다.
또한, 사용자 단말의 표시부는 사용자 단말의 기능 수행 중에 발생하는 일련의 동작상태 및 동작결과 등에 대한 정보를 표시할 수 있다. 또한, 사용자 단말의 표시부는 사용자 단말의 메뉴 및 사용자가 입력한 사용자 데이터 등을 표시할 수 있다. 여기서, 사용자 단말의 표시부는 액정표시장치(LCD, Liquid Crystal Display), 초박막 액정표시장치(TFT-LCD, Thin Film Transistor LCD), 발광다이오드(LED, Light Emitting Diode), 유기 발광다이오드(OLED, Organic LED), 능동형 유기발광다이오드(AMOLED, Active Matrix OLED), 레티나 디스플레이(Retina Display), 플렉시블 디스플레이(Flexible display) 및 3차원(3 Dimension) 디스플레이 등으로 구성될 수 있다. 이 때, 사용자 단말의 표시부가 터치스크린 형태로 구성된 경우, 사용자 단말의 표시부는 사용자 단말의 입력부의 기능 중 일부 또는 전부를 수행할 수 있다. 특히, 본 발명에 따른 사용자 단말의 표시부는 원 클릭 주문을 위해 제공되는 인터페이스 및 어플리케이션의의 실행과 관련된 정보를 화면으로 표시할 수 있다.
또한, 사용자 단말의 저장부는 데이터를 저장하기 위한 장치로, 주 기억장치 및 보조 기억장치를 포함하고, 사용자 단말의 기능 동작에 필요한 응용 프로그램을 저장할 수 있다. 이러한 사용자 단말의 저장부는 크게 프로그램 영역과 데이터 영역을 포함할 수 있다. 여기서, 사용자 단말은 사용자의 요청에 상응하여 각 기능을 활성화하는 경우, 제어부의 제어 하에 해당 응용 프로그램들을 실행하여 각 기능을 제공하게 된다. 특히, 본 발명에 따른 사용자 단말의 저장부는 사용자 단말을 부팅시키는 운영체제, 원 클릭 주문을 위해 입력되는 정보를 송수신하는 어플리케이션 등을 저장할 수 있다. 또한, 사용자 단말의 저장부는 다수의 컨텐츠를 저장하는 컨텐츠 DB와 사용자 단말의 정보를 저장할 수 있다. 이 때, 컨텐츠 DB는 컨텐츠를 실행하기 위한 실행 데이터와 컨텐츠에 대한 속성 정보를 포함하고, 컨텐츠 실행에 따른 컨텐츠 사용 정보 등이 저장될 수 있다. 그리고, 사용자 단말의 정보는 단말 사양 정보를 포함할 수 있다.
또한, 사용자 단말의 통신부는 온라인 사이트(120)와 네트워크(140)을 통해 데이터를 송수신하기 위한 기능을 수행할 수 있다. 여기서 사용자 단말의 통신부는 송신되는 신호의 주파수를 상승 변환 및 증폭하는 RF 송신 수단과 수신되는 신호를 저잡음 증폭하고 주파수를 하강 변환하는 RF 수신 수단 등을 포함할 수 있다. 이러한 사용자 단말의 통신부는 무선통신 모듈을 포함할 수 있다. 그리고, 무선통신 모듈은 무선 통신 방법에 따라 데이터를 송수신하기 위한 구성이며, 사용자 단말이 무선 통신을 이용하는 경우, 무선망 통신 모듈, 무선랜 통신 모듈 및 무선팬 통신 모듈 중 어느 하나를 이용하여 데이터를 온라인 사이트(120)로 송수신할 수 있다. 즉 사용자 단말은 무선통신 모듈을 이용하여 네트워크(140)에 접속하며, 네트워크(140)를 통해 온라인 사이트(120)와 데이터를 송수신할 수 있다.
또한, 사용자 단말의 제어부는 운영 체제(OS, Operation System) 및 각 구성을 구동시키는 프로세스 장치가 될 수 있다. 예를 들어, 제어부는 온라인 사이트(120)에 접속하는 과정 전반을 제어할 수 있다. 인터넷이나 어플리케이션을 통해 온라인 사이트(120)에 접속하는 경우, 사용자의 요청에 따라 어플리케이션이 실행되는 과정 전반을 제어할 수 있으며, 실행과 동시에 온라인 사이트(120)로 전자상거래를 위한 서비스 이용 요청이 전송되도록 제어할 수 있으며, 이때 사용자 인증에 필요한 사용자 단말의 정보가 함께 전송되도록 제어할 수 있다.
네트워크(140)는 서버(110), 온라인 사이트(120) 및 사용자(130-1~130-N) 사이에 데이터를 전달하는 통로를 제공하는 것으로서, 기존에 이용되는 네트워크 및 향후 개발 가능한 네트워크를 모두 포괄하는 개념이다. 예를 들어, 네트워크는 한정된 지역 내에서 각종 정보장치들의 통신을 제공하는 유무선근거리 통신망, 이동체 상호 간 및 이동체와 이동체 외부와의 통신을 제공하는 이동통신망, 위성을 이용해 지구국과 지구국간 통신을 제공하는 위성통신망이거나 유무선 통신망 중에서 어느 하나이거나, 둘 이상의 결합으로 이루어질 수 있다. 한편, 네트워크의 전송 방식 표준은, 기존의 전송 방식 표준에 한정되는 것은 아니며, 향후 개발될 모든 전송 방식 표준을 포함할 수 있다.
도 2는 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공 방법을 나타낸 동작 흐름도이다.
도 2를 참조하면, 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공 방법은 온라인 사이트에 접속한 복수의 사용자들 각각에 대해 실시간으로 구매의도를 파악한다(S210).
본 발명은 온라인 사이트에 접속한 복수의 사용자들 각각이 아이템을 구매하기 전에 구매할 아이템 혹은 아이템의 종류와 그것을 구매할 확률을 파악하기 위한 것으로, 이를 위해서는 사용자가 아이템을 구매하기 전에 사용자의 구매의도를 파악할 필요가 있다.
이 때, 구매의도는 복수의 사용자들이 각각 구매하고자 하는 아이템의 특징에 상응하는 구매의도 프로파일(Profile)과 복수의 사용자들 각각에 대한 구매 확률을 포함할 수 있다.
이 때, 본 발명에 따른 구매의도 프로파일은 브랜드 특성, 검색 키워드 특성, 가격대 특성 등을 분석한 결과를 포함함으로써 아이템들의 연관성을 분석하는데 사용될 수 있다.
또한, 본 발명에 따른 구매 확률은 사용자가 연속된 의미있는 온라인 행동을 할 때 높은 값으로 산출될 수 있다.
이와 같은 구매의도는 사용자가 온라인 사이트를 통해 아이템을 탐색하는 매 순간마다 파악될 수 있다. 따라서, 이와 같은 방식으로 파악된 구매의도는 사용자가 실제로 구매 행위를 하기 전에 이미 분석되어 제공될 수 있다.
이 때, 구매의도를 파악하기 위해서 먼저 복수의 사용자들 각각에 대해 온라인 사이트에서의 행동 데이터를 수집할 수 있다.
이 때, 행동 데이터는 복수의 사용자들이 온라인 사이트에 접속해서 하는 온라인 행동에 대한 것일 수 있다.
예를 들어, 온라인 행동은 아이템 클릭, 리뷰 조회, 장바구니 추가 및 삭제, 결제 시도, 검색어 입력, 광고 클릭, 좋아요 혹은 공유 등의 소셜 활동과 같은 명시적인 행동일 수 있다. 또한, 마우스 휠 조정, 스와이프 아웃 등의 UX(User Experience)와 관련된 행동이나 특정 페이지에 오래 머무는 행위, 동일 아이템 혹은 유사한 카테고리에 재방문하는 행위와 같이 관심이 있는 아이템을 유추할 가능성이 있어 보이는 모든 암묵적인 행동도 온라인 행동에 포함될 수 있다. 이 때, 상기한 예시들로 온라인 행동이 한정되지는 않는다.
이 때, 행동 데이터는 사용자가 온라인 사이트에 접속하여 행동하는 즉시 실시간으로 수집될 수 있다. 또한, 행동 데이터는 스트림 형태로 수집될 수 있고, 구매의도를 파악하는데 필요한 형태의 데이터로 가공되기 위한 전처리 과정을 거칠 수 있다.
즉, 사용자가 온라인 사이트에 접속하여 하는 모든 행동은 실시간으로 행동 데이터에 상응하게 수집될 수 있다.
이 때, 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공 방법은 상기와 같이 사용자의 실시간 온라인 행동을 이용할 수 있다. 즉, 사용자의 과거 구매 기록이나 프로필 정보를 이용하여 사용자가 구매할 것으로 예상되는 아이템을 판단하거나 구매 확률을 예측하는 종래의 방식과 달리, 본 발명에서는 사용자가 현재 접속한 전자상거래 사이트 내에서 방문하고 있는 페이지가 무엇인지와 같은 행동 패턴을 바탕으로 근시간 내에 구매할 가능성이 높은 아이템이나 카테고리를 추론할 수 있다. 이와 같은 방식을 통해 현재 접속된 사용자의 구매의도를 종래의 기술보다 정확하게 파악할 수 있다.
이 때, 실시간으로 수집된 행동 데이터에는 온라인 행동이 발생한 시각, 사용자 또는 사용자 단말을 식별하기 위한 아이디, 사용자가 방문한 URL, 아이템 관련 정보 등이 포함될 수 있다. 이 때, 아이템 관련 정보에는 해당 아이템이 무엇인지 구분하기 위한 아이템 번호나 카테고리 정보 등이 포함될 수 있다. 또한, 아이템 관련 정보에는 아이템 가격이나 옵션 및 아이템을 검색하기 위해 사용자가 입력한 키워드와 같이 온라인 행동의 중요도를 판단할 수 있는 메타정보도 포함될 수 있다.
이 때, 행동 데이터를 수집하는 경로는 특정한 경로로 한정되지 않을 수 있다. 예를 들어, 모바일 웹, 모바일 어플리케이션 및 PC 웹과 같이 다양한 경로를 통해 사용자의 온라인 행동에 상응하는 행동 데이터를 실시간으로 수집할 수 있다.
또한, 본 발명의 일실시예에 따른 서버가 모든 행동 데이터를 단일화해서 전달받을 수도 있고, 일부의 단말에서 발생하는 행동 데이터를 단말이 취합하여 간소화된 형태로 서버에게 전달해줄 수도 있다. 즉, 행동 데이터를 수집하는 방식은 특정한 방식에 한정되지 않는다.
이 때, 행동 순열에 기반하여 생성된 구매 확률 모델과 행동 데이터를 비교하여 복수의 사용자들 각각에 대한 구매 확률을 산출할 수 있다.
이 때, 구매 확률 모델은 해당 온라인 사이트에 대한 구매 확률 모델일 수 있다. 즉, 구매 확률 모델은 해당 온라인 사이트에서 수집되는 행동 순열로부터 패턴을 추출하고, 추출된 패턴에서 구매 또는 비구매가 발생하는 빈도를 분석한 결과를 기반으로 생성될 수 있다.
따라서, 사용자에 상응하게 수집된 행동 데이터를 구매 확률 모델에 포함된 구매 패턴 또는 비구매 패턴과 비교함으로써 사용자가 아이템을 구매할지 여부를 확률로 산출할 수 있다.
이 때, 행동 데이터를 기반으로 추출된 연속된 행동에 상응하게 행동 순열을 생성할 수 있다.
이 때, 행동 순열은 사용자별로 수집된 행동 데이터를 다양한 기준에 따라 시간순서대로 정렬하여 생성될 수 있다.
예를 들어, 사용자 A로부터 수집된 행동 데이터를 아이템 기준으로 정렬한다고 가정할 수 있다. 이 때, 사용자 A가 연속된 행동을 수행하여 수집된 행동 데이터 중 특정한 아이템 B에 대한 행동 데이터만을 시간순서대로 정렬하여 행동 순열을 생성할 수 있다.
또한, 상기의 예에서 카테고리 기준으로 정렬하는 경우, 사용자 A가 연속된 행동을 수행하여 수집된 행동 데이터 중 특정 카테고리 C에 대한 행동 데이터만을 시간순서대로 정렬하여 행동 순열을 생성할 수도 있다.
이 때, 연속된 행동에 상응하는 URL(Uniform Resource Locator)들을 시간순서대로 나열하여 행동 순열을 생성할 수 있다.
예를 들어, 사용자가 'http://xxx.com'에 상응하는 주소의 전자상거래 사이트에 접속하여 온라인 행동을 한다고 가정할 수 있다. 이 때, 메인 화면에서 아이템 상세화면, 장바구니 그리고 결제화면으로 순차적으로 이동하였다면, (http://xxx.com/main)-(http://xxx.com/item/detail)-(http://xxx.com/basket)-(http://xxx.com/pay)에 상응하는 행동 순열이 생성될 수 있다.
이 때, 행동 순열의 표시 및 처리의 단순성을 위해서 연속된 행동에 상응하는 각각의 URL을 별도의 식별자로 변환하여 나타낼 수도 있다.
상기의 예에서, 'http://xxx.com/main'은 URL_1로, 'http://xxx.com/item/detail'은 URL_2로, 'http://xxx.com/basket'은 URL_3으로 그리고 'http://xxx.com/pay'는 URL_4로 각각 변환하여 나타낼 수 있다.
이 때, 행동 순열은 사용자가 온라인 사이트에 접속하는 시점을 기준으로 하는 세션 단위로 생성될 수 있다.
예를 들어, 사용자가 온라인 사이트에 로그인하는 시점부터 로그아웃 하는 시점까지를 하나의 세션으로 판단하고, 해당 세션 동안 발생하는 온라인 행동에 대해 행동 데이터를 수집하여 행동 순열을 생성할 수 있다.
다른 예를 들어, 사용자가 온라인 사이트에 접속하는 시점부터 온라인 사이트를 종료하는 시점까지를 하나의 세션으로 판단하고 행동 순열을 생성할 수도 있다.
이 때, 하나의 세션의 시작과 종료는 특정한 시점으로 한정되지 않고 다양하게 설정될 수 있다.
이 때, 연속된 행동에 따른 구매 결과와 행동 순열을 매칭하여 구매 확률 모델을 생성할 수 있다.
예를 들어, 구매 확률 모델은 해당 온라인 사이트를 이용하는 복수의 사용자들에 의해 구매가 발생하였을 경우에 자주 나타나는 연속된 행동에 대한 행동 순열 또는 구매가 발생하지 않았을 경우에 자주 나타나는 연속된 행동에 대한 행동 순열을 바탕으로 구매 패턴과 비구매 패턴이 추출되어 생성될 수 있다. 이 때, 각각의 패턴에서 전체적인 출현 횟수가 일정 숫자에 미달하는 행동 순열의 경우는 생략함으로써 구매 확률 모델을 생성하는 연산 속도를 개선할 수도 있다.
이 때, 아이템 데이터베이스에 저장된 복수개의 아이템들에 상응하는 아이템 정보와 행동 데이터를 기반으로 복수의 사용자들 각각에 대한 구매의도 프로파일을 생성할 수 있다.
이 때, 아이템 데이터베이스는 사용자가 접속한 온라인 사이트에 등록된 복수개의 아이템들에 대한 아이템 정보를 저장할 수 있다. 예를 들어, 아이템 명, 아이템 카테고리, 아이템 가격 등 아이템과 관련된 상세한 정보를 아이템 정보에 상응하게 저장할 수 있다.
따라서, 행동 데이터를 기반으로 사용자로부터 구매의도가 있는 것으로 판단되는 아이템에 대한 정보를 아이템 데이터베이스로부터 획득하여 구매의도 프로파일로 생성할 수 있다.
이 때, 구매의도 프로파일에는 해당하는 아이템에 대한 검색어, 키워드, 브랜드, 가격대 등의 정보를 포함할 수 있으나, 상기한 정보들에 한정되지 않는다.
또한, 구매의도 프로파일에는 행동 데이터를 기반으로 사용자가 방문한 URL을 고려하여 구매의도를 판단하는데 적용되는 가중치가 포함될 수 있다. 예를 들어, 사용자가 방문한 페이지의 URL이 해당 아이템을 구매하기 위한 페이지의 URL에 상응하는 경우, 사용자가 방문한 페이지의 URL이 온라인 사이트의 메인 화면의 URL일때보다 가중치가 적용될 수 있다. 즉, 사용자가 특정 아이템을 결제하기 위한 결제화면까지 이동한 경우에는 분명히 특정 아이템을 구매할 의도가 있었던 것으로 판단하고 가중치를 적용할 수 있다.
이 때, 구매의도 프로파일에 매칭된 구매 확률을 기반으로 아이템별 구매 확률 및 아이템 카테고리별 구매확률 중 적어도 하나를 산출할 수 있다.
또한, 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공 방법은 구매의도에 포함된 복수의 사용자들 각각에 대한 구매확률, 아이템별 구매확률 및 아이템 카테고리별 구매확률 등을 기반으로 특정 아이템 또는 특정 카테고리에 대한 구매확률 별 사용자 분포를 제공할 수도 있다.
또한, 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공 방법은 복수의 사용자들 각각에 대한 사용자 정보와 구매의도를 기반으로 아이템과 지역을 고려한 수요 예측 데이터를 생성한다(S220).
이 때, 사용자 정보를 기반으로 복수의 사용자들 각각에 대한 배송지 정보를 획득하고, 구매의도 프로파일, 구매 확률 및 배송지 정보를 이용하여 아이템별 수요 예측 데이터 및 지역별 수요 예측 데이터 중 적어도 하나를 생성할 수 있다.
예를 들어, 아이템별 수요 예측 데이터는 복수개의 아이템들 각각에 대해서 구매의도가 있는 사용자들이 얼마나 있는지를 나타내는 데이터에 상응할 수 있고, 지역별 수요 예측 데이터는 각 지역별로 구매의도가 있는 사용자들이 얼마나 있는지를 나타내는 데이터에 상응할 수 있다.
이 때, 사용자 정보는 온라인 사이트에서 사용자 정보를 저장하고 있는 별도의 데이터베이스를 통해 획득할 수 있다.
또한, 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공 방법은 수요 예측 데이터를 기반으로 온라인 사이트에서 제공하는 복수개의 아이템들에 대한 유통과 물류를 최적화하기 위한 마케팅 관리 데이터를 생성하여 제공한다(S230).
이 때, 마케팅 관리 데이터는 아이템별 수요 예측 데이터와 지역별 수요 예측 데이터를 기반으로 생성된 복수개의 아이템들 각각에 대한 지역별 구매확률 데이터를 포함할 수 있다. 이 때, 복수개의 아이템들 각각에 대한 지역별 구매확률 데이터에는 배송지 정보가 포함되어 있으므로, 각 지역별로 나누어 보면 해당 아이템에 대한 각 지역의 수요를 예측할 수 있다.
따라서, 마케팅 관리 데이터는 온라인 사이트를 기반으로 각각의 아이템 판매자들에게 제공됨으로써 판매자들이 구매확률이 높은 아이템에 대한 재고를 효과적으로 관리할 수 있다. 또한, 지역별 구매확률 또는 지역별 수요 등을 통해서 아이템의 유통과 물류에 차질이 생기지 않도록 최적화를 수행할 수 있다.
또한, 도 2에는 도시 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공 방법은 네트워크와 같은 통신망을 통해 마케팅 관리 데이터 제공을 위해 필요한 정보를 송수신할 수 있다. 특히, 온라인 사이트를 운영하는 별도의 서버로부터 사용자의 온라인 행동에 대한 데이터를 수신할 수 있다.
또한, 도 2에는 도시 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공 방법은 상술한 마케팅 관리 데이터 제공 과정에서 발생하는 다양한 정보를 별도의 저장 모듈에 저장할 수 있다.
이와 같은 마케팅 관리 데이터 제공 방법을 통해, 인터넷 전자상거래를 통해 사용자가 구매활동을 하기 이전에 구매할 아이템이나 구매 확률과 같은 사용자에 대한 구매의도를 파악할 수 있다.
또한, 인터넷 전자상거래를 통해 제공되는 아이템 종류별 또는 지역별로 수요를 예측할 수 있다.
또한, 아이템의 수요 예측을 통해 유통과 물류를 위한 과정을 최적화할 수 있다.
또한, 인터넷 전자상거래의 판매자가 재고 관리나 상품 수급을 원활하게 할 수 있도록 지원할 수도 있다.
도 3은 본 발명에 따른 마케팅 관리 데이터 제공 방법 중 구매 확률 모델을 생성하는 과정의 일 예를 나타낸 동작 흐름도이다.
도 3을 참조하면, 본 발명에 따른 마케팅 관리 데이터 제공 방법 중 구매 확률 모델을 생성하는 과정은 먼저 복수의 사용자들 각각에 대해 온라인 사이트에서의 행동 데이터를 수집한다(S310).
이 때, 행동 데이터는 복수의 사용자들이 온라인 사이트에 접속해서 하는 온라인 행동에 대한 것일 수 있다.
예를 들어, 온라인 행동은 아이템 클릭, 리뷰 조회, 장바구니 추가 및 삭제, 결제 시도, 검색어 입력, 광고 클릭, 좋아요 혹은 공유 등의 소셜 활동과 같은 명시적인 행동일 수 있다. 또한, 마우스 휠 조정, 스와이프 아웃 등의 UX(User Experience)와 관련된 행동이나 특정 페이지에 오래 머무는 행위, 동일 아이템 혹은 유사한 카테고리에 재방문하는 행위와 같이 관심이 있는 아이템을 유추할 가능성이 있어 보이는 모든 암묵적인 행동도 온라인 행동에 포함될 수 있다. 이 때, 상기한 예시들로 온라인 행동이 한정되지는 않는다.
이 때, 행동 데이터는 사용자가 온라인 사이트에 접속하여 행동하는 즉시 실시간으로 수집될 수 있다. 또한, 행동 데이터는 스트림 형태로 수집될 수 있고, 구매의도를 파악하는데 필요한 형태의 데이터로 가공되기 위한 전처리 과정을 거칠 수 있다.
이 때, 실시간으로 수집된 행동 데이터에는 온라인 행동이 발생한 시각, 사용자 또는 사용자 단말을 식별하기 위한 아이디, 사용자가 방문한 URL, 아이템 관련 정보 등이 포함될 수 있다.
이 후, 행동 데이터를 기반으로 연속된 행동을 추출하여 행동 순열을 생성한다(S320).
이 때, 행동 순열은 사용자별로 수집된 행동 데이터를 다양한 기준에 따라 시간순서대로 정렬하여 생성될 수 있다.
예를 들어, 사용자 A로부터 수집된 행동 데이터를 아이템 기준으로 정렬한다고 가정할 수 있다. 이 때, 사용자 A가 연속된 행동을 수행하여 수집된 행동 데이터 중 특정한 아이템 B에 대한 행동 데이터만을 시간순서대로 정렬하여 행동 순열을 생성할 수 있다.
또한, 상기의 예에서 카테고리 기준으로 정렬하는 경우, 사용자 A가 연속된 행동을 수행하여 수집된 행동 데이터 중 특정 카테고리 C에 대한 행동 데이터만을 시간순서대로 정렬하여 행동 순열을 생성할 수도 있다.
이 때, 연속된 행동에 상응하는 URL(Uniform Resource Locator)들을 시간순서대로 나열하여 행동 순열을 생성할 수 있다.
이 때, 행동 순열의 표시 및 처리의 단순성을 위해서 연속된 행동에 상응하는 각각의 URL을 별도의 식별자로 변환하여 나타낼 수도 있다.
이 때, 행동 순열은 사용자가 온라인 사이트에 접속하는 시점을 기준으로 하는 세션 단위로 생성될 수 있다.
예를 들어, 사용자가 온라인 사이트에 로그인하는 시점부터 로그아웃 하는 시점까지를 하나의 세션으로 판단하고, 해당 세션 동안 발생하는 온라인 행동에 대해 행동 데이터를 수집하여 행동 순열을 생성할 수 있다.
다른 예를 들어, 사용자가 온라인 사이트에 접속하는 시점부터 온라인 사이트를 종료하는 시점까지를 하나의 세션으로 판단하고 행동 순열을 생성할 수도 있다.
이 후, 연속된 행동에 따른 구매결과와 행동 순열을 매칭한다(S330).
예를 들어, 구매 확률 모델은 해당 온라인 사이트를 이용하는 복수의 사용자들에 의해 구매가 발생하였을 경우에 자주 나타나는 연속된 행동에 대한 행동 순열 또는 구매가 발생하지 않았을 경우에 자주 나타나는 연속된 행동에 대한 행동 순열을 바탕으로 구매 패턴과 비구매 패턴이 추출되어 생성될 수 있다. 이 때, 각각의 패턴에서 전체적인 출현 횟수가 일정 숫자에 미달하는 행동 순열의 경우는 생략함으로써 구매 확률 모델을 생성하는 연산 속도를 개선할 수도 있다.
도 4는 본 발명에 따른 마케팅 관리 데이터를 제공하는 과정의 일 예를 나타낸 도면이다.
도 4를 참조하면, 본 발명에 따른 마케팅 관리 데이터를 제공하는 과정은 먼저, 온라인 사이트에 접속한 복수의 사용자들의 온라인 행동에 상응하는 행동 데이터를 수집하고, 구매의도를 파악하는데 사용하기 위해 행동 데이터의 전 처리를 수행할 수 있다.
이 때, 행동 데이터는 사용자가 온라인 사이트에 접속하여 행동하는 즉시 실시간으로 수집될 수 있다. 또한, 행동 데이터는 스트림 형태로 수집되어 전처리 과정을 거칠 수 있다.
이 후, 전처리 과정을 마친 행동 데이터는 구매 확률 모델의 생성(S404), 구매의도 프로파일의 생성(S406) 및 구매확률을 산출(S408)하는데 활용될 수 있다.
이 때, 구매 확률 모델은 행동 데이터에 포함된 연속된 행동을 기반으로 행동 순열을 추출하고, 추출된 행동 순열과 연속된 행동에 의한 구매 결과를 매칭하여 생성될 수 있다.
이와 같이 생성된 구매 확률 모델과 수집된 행동 데이터를 비교하여 구매확률을 산출할 수 있다.
또한, 구매의도 프로파일은 온라인 사이트에 연동된 아이템 DB(400)로부터 획득한 복수개의 아이템들에 대한 아이템 정보와 행동 데이터를 이용하여 생성될 수 있다.
이 후, 구매의도 프로파일과 구매확률을 결합하여 사용자의 구매의도를 파악할 수 있다(S410).
즉, 사용자의 구매의도는 구매의도 프로파일과 구매확률을 포함할 수 있다.
이 후, 구매의도에 포함된 구매의도 프로파일과 구매확률을 이용하여 각각 아이템별 수요 예측 데이터와 지역별 수요 예측 데이터를 생성(S412, S414)할 수 있다.
예를 들어, 아이템별 수요 예측 데이터는 복수개의 아이템들 각각에 대해서 구매의도가 있는 사용자들이 얼마나 있는지를 나타내는 데이터에 상응할 수 있고, 지역별 수요 예측 데이터는 각 지역별로 구매의도가 있는 사용자들이 얼마나 있는지를 나타내는 데이터에 상응할 수 있다.
이 후, 아이템별 수요 예측 데이터와 지역별 수요 예측 데이터를 기반으로 복수개의 아이템들 각각에 대한 지역별 구매확률 데이터를 포함하는 마케팅 관리 데이터를 생성할 수 있다.
도 5는 본 발명에 따라 수집된 행동 데이터의 일 예를 나타낸 도면이다.
도 5를 참조하면, 본 발명에 따라 수집된 행동 데이터(500)는 행동 시간(501), 사용자 ID(502), 단말 ID(503), URL(504), 아이템 번호(505) 및 카테고리(506, 507, 508)와 관련된 정보를 포함할 수 있다.
이 때, 행동 시간(501)은 해당 행동 데이터가 발생한 시각에 상응할 수 있다.
이 때, 사용자 ID(502)는 온라인 사이트에서 사용자를 식별하기 위한 식별자에 상응할 수 있다. 예를 들어, 온라인 사이트에 가입한 사용자의 경우에는 가입 시 등록한 ID일 수 있으며, 온라인 사이트에 가입하지 않은 사용자의 경우에는 사용자의 접속정보를 기반으로 생성된 식별자에 상응할 수도 있다.
이 때, 단말 ID(503)는 사용자가 해당 온라인 사이트에 접속하기 위해 사용한 단말을 식별하기 위한 식별자에 상응할 수 있다.
이 때, URL(504)은 사용자가 접속한 온라인 사이트의 페이지 주소에 상응할 수 있다.
예를 들어, 도 5에 도시된 'http://xxx.co.kr/Product/Detail'은 아이템의 상세설명이 포함된 페이지일 수 있고, 'http://xxx.co.kr/Basket'은 장바구니 페이지일 수 있고, 'http://xxx.co.kr/Pay'는 결제를 위한 페이지에 상응할 수 있다.
이 때, 아이템 번호(505)는 사용자가 접속하고 있는 현재 페이지에 대한 아이템을 식별하기 위한 식별번호 또는 식별자에 상응할 수 있다.
이 때, 카테고리(506, 507, 508)는 아이템 번호(505)에 상응하는 아이템에 대한 카테고리 정보에 관한 것일 수 있다.
이 때, 행동 데이터에는 도 5에 도시된 것과 같이 카테고리의 단계별로 구분하여 카테고리 정보를 포함할 수 있다.
예를 들어, 도 5에 도시된 제1 카테고리(506)는 '카메라'와 같이 아이템의 분야를 나타내는 것으로, '카메라 종류'와 같이 아이템의 세부 분류를 나타내는 제2 카테고리(507)보다 포괄적인 개념에 상응할 수 있다. 또한, 제2 카테고리(507)는 '카메라 브랜드'와 같이 아이템의 세부 정보를 나타내는 제3 카테고리(508)보다 포괄적인 개념의 카테고리에 상응할 수 있다.
이 때, 본 발명의 일실시예에 따른 행동 데이터는 상기한 예시 이외에도 다양한 정보를 포함하도록 수집될 수 있으며, 어떤 정보를 포함하는지에 대해서는 특별히 한정되지 않는다.
도 6은 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공을 위한 서버를 나타낸 블록도이다.
도 6을 참조하면, 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공을 위한 서버는 통신부(610), 메모리(620), 프로세서(630) 및 저장부(640)를 포함한다.
통신부(610)는 네트워크와 같은 통신망을 통해 마케팅 관리 데이터 제공을 위해 필요한 정보를 송수신하는 역할을 한다. 특히, 본 발명에 따른 통신부(610)는 온라인 사이트를 운영하는 별도의 서버로부터 사용자의 온라인 행동에 대한 데이터를 수신할 수 있다.
메모리(620)는 온라인 사이트에 접속한 복수의 사용자들 각각에 대해 실시간으로 파악된 구매의도를 저장한다.
본 발명은 온라인 사이트에 접속한 복수의 사용자들 각각이 아이템을 구매하기 전에 구매할 아이템 혹은 아이템의 종류와 그것을 구매할 확률을 파악하기 위한 것으로, 이를 위해서는 사용자가 아이템을 구매하기 전에 사용자의 구매의도를 파악할 필요가 있다.
이 때, 구매의도는 복수의 사용자들이 각각 구매하고자 하는 아이템의 특징에 상응하는 구매의도 프로파일(Profile)과 복수의 사용자들 각각에 대한 구매 확률을 포함할 수 있다.
이 때, 본 발명에 따른 구매의도 프로파일은 브랜드 특성, 검색 키워드 특성, 가격대 특성 등을 분석한 결과를 포함함으로써 아이템들의 연관성을 분석하는데 사용될 수 있다.
또한, 본 발명에 따른 구매 확률은 사용자가 연속된 의미있는 온라인 행동을 할 때 높은 값으로 산출될 수 있다.
이와 같은 구매의도는 사용자가 온라인 사이트를 통해 아이템을 탐색하는 매 순간마다 파악될 수 있다. 따라서, 이와 같은 방식으로 파악된 구매의도는 사용자가 실제로 구매 행위를 하기 전에 이미 분석되어 제공될 수 있다.
이 때, 프로세서(630)는 구매의도를 파악하기 위해서 먼저 복수의 사용자들 각각에 대해 온라인 사이트에서의 행동 데이터를 수집할 수 있다.
이 때, 행동 데이터는 복수의 사용자들이 온라인 사이트에 접속해서 하는 온라인 행동에 대한 것일 수 있다.
예를 들어, 온라인 행동은 아이템 클릭, 리뷰 조회, 장바구니 추가 및 삭제, 결제 시도, 검색어 입력, 광고 클릭, 좋아요 혹은 공유 등의 소셜 활동과 같은 명시적인 행동일 수 있다. 또한, 마우스 휠 조정, 스와이프 아웃 등의 UX(User Experience)와 관련된 행동이나 특정 페이지에 오래 머무는 행위, 동일 아이템 혹은 유사한 카테고리에 재방문하는 행위와 같이 관심이 있는 아이템을 유추할 가능성이 있어 보이는 모든 암묵적인 행동도 온라인 행동에 포함될 수 있다. 이 때, 상기한 예시들로 온라인 행동이 한정되지는 않는다.
이 때, 행동 데이터는 사용자가 온라인 사이트에 접속하여 행동하는 즉시 실시간으로 수집될 수 있다. 또한, 행동 데이터는 스트림 형태로 수집될 수 있고, 구매의도를 파악하는데 필요한 형태의 데이터로 가공되기 위한 전처리 과정을 거칠 수 있다.
즉, 사용자가 온라인 사이트에 접속하여 하는 모든 행동은 실시간으로 행동 데이터에 상응하게 수집될 수 있다.
이 때, 본 발명의 일실시예에 따른 서버는 상기와 같이 사용자의 실시간 온라인 행동을 이용할 수 있다. 즉, 사용자의 과거 구매 기록이나 프로필 정보를 이용하여 사용자가 구매할 것으로 예상되는 아이템을 판단하거나 구매 확률을 예측하는 종래의 방식과 달리, 본 발명에서는 사용자가 현재 접속한 전자상거래 사이트 내에서 방문하고 있는 페이지가 무엇인지와 같은 행동 패턴을 바탕으로 근시간 내에 구매할 가능성이 높은 아이템이나 카테고리를 추론할 수 있다. 이와 같은 방식을 통해 현재 접속된 사용자의 구매의도를 종래의 기술보다 정확하게 파악할 수 있다.
이 때, 실시간으로 수집된 행동 데이터에는 온라인 행동이 발생한 시각, 사용자 또는 사용자 단말을 식별하기 위한 아이디, 사용자가 방문한 URL, 아이템 관련 정보 등이 포함될 수 있다. 이 때, 아이템 관련 정보에는 해당 아이템이 무엇인지 구분하기 위한 아이템 번호나 카테고리 정보 등이 포함될 수 있다. 또한, 아이템 관련 정보에는 아이템 가격이나 옵션 및 아이템을 검색하기 위해 사용자가 입력한 키워드와 같이 온라인 행동의 중요도를 판단할 수 있는 메타정보도 포함될 수 있다.
이 때, 행동 데이터를 수집하는 경로는 특정한 경로로 한정되지 않을 수 있다. 예를 들어, 모바일 웹, 모바일 어플리케이션 및 PC 웹과 같이 다양한 경로를 통해 사용자의 온라인 행동에 상응하는 행동 데이터를 실시간으로 수집할 수 있다.
또한, 본 발명의 일실시예에 따른 서버가 모든 행동 데이터를 단일화해서 전달받을 수도 있고, 일부의 단말에서 발생하는 행동 데이터를 단말이 취합하여 간소화된 형태로 서버에게 전달해줄 수도 있다. 즉, 행동 데이터를 수집하는 방식은 특정한 방식에 한정되지 않는다.
이 때, 행동 순열에 기반하여 생성된 구매 확률 모델과 행동 데이터를 비교하여 복수의 사용자들 각각에 대한 구매 확률을 산출할 수 있다.
이 때, 구매 확률 모델은 해당 온라인 사이트에 대한 구매 확률 모델일 수 있다. 즉, 구매 확률 모델은 해당 온라인 사이트에서 수집되는 행동 순열로부터 패턴을 추출하고, 추출된 패턴에서 구매 또는 비구매가 발생하는 빈도를 분석한 결과를 기반으로 생성될 수 있다.
따라서, 사용자에 상응하게 수집된 행동 데이터를 구매 확률 모델에 포함된 구매 패턴 또는 비구매 패턴과 비교함으로써 사용자가 아이템을 구매할지 여부를 확률로 산출할 수 있다.
이 때, 행동 데이터를 기반으로 추출된 연속된 행동에 상응하게 행동 순열을 생성할 수 있다.
이 때, 행동 순열은 사용자별로 수집된 행동 데이터를 다양한 기준에 따라 시간순서대로 정렬하여 생성될 수 있다.
예를 들어, 사용자 A로부터 수집된 행동 데이터를 아이템 기준으로 정렬한다고 가정할 수 있다. 이 때, 사용자 A가 연속된 행동을 수행하여 수집된 행동 데이터 중 특정한 아이템 B에 대한 행동 데이터만을 시간순서대로 정렬하여 행동 순열을 생성할 수 있다.
또한, 상기의 예에서 카테고리 기준으로 정렬하는 경우, 사용자 A가 연속된 행동을 수행하여 수집된 행동 데이터 중 특정 카테고리 C에 대한 행동 데이터만을 시간순서대로 정렬하여 행동 순열을 생성할 수도 있다.
이 때, 연속된 행동에 상응하는 URL(Uniform Resource Locator)들을 시간순서대로 나열하여 행동 순열을 생성할 수 있다.
예를 들어, 사용자가 'http://xxx.com'에 상응하는 주소의 전자상거래 사이트에 접속하여 온라인 행동을 한다고 가정할 수 있다. 이 때, 메인 화면에서 아이템 상세화면, 장바구니 그리고 결제화면으로 순차적으로 이동하였다면, (http://xxx.com/main)-(http://xxx.com/item/detail)-(http://xxx.com/basket)-(http://xxx.com/pay)에 상응하는 행동 순열이 생성될 수 있다.
이 때, 행동 순열의 표시 및 처리의 단순성을 위해서 연속된 행동에 상응하는 각각의 URL을 별도의 식별자로 변환하여 나타낼 수도 있다.
상기의 예에서, 'http://xxx.com/main'는 URL_1로, 'http://xxx.com/item/detail'는 URL_2로, 'http://xxx.com/basket'는 URL_3으로 그리고 'http://xxx.com/pay'는 URL_4로 각각 변환하여 나타낼 수 있다.
이 때, 행동 순열은 사용자가 온라인 사이트에 접속하는 시점을 기준으로 하는 세션 단위로 생성될 수 있다.
예를 들어, 사용자가 온라인 사이트에 로그인하는 시점부터 로그아웃 하는 시점까지를 하나의 세션으로 판단하고, 해당 세션 동안 발생하는 온라인 행동에 대해 행동 데이터를 수집하여 행동 순열을 생성할 수 있다.
다른 예를 들어, 사용자가 온라인 사이트에 접속하는 시점부터 온라인 사이트를 종료하는 시점까지를 하나의 세션으로 판단하고 행동 순열을 생성할 수도 있다.
이 때, 하나의 세션의 시작과 종료는 특정한 시점으로 한정되지 않고 다양하게 설정될 수 있다.
이 때, 연속된 행동에 따른 구매 결과와 행동 순열을 매칭하여 구매 확률 모델을 생성할 수 있다.
예를 들어, 구매 확률 모델은 해당 온라인 사이트를 이용하는 복수의 사용자들에 의해 구매가 발생하였을 경우에 자주 나타나는 연속된 행동에 대한 행동 순열 또는 구매가 발생하지 않았을 경우에 자주 나타나는 연속된 행동에 대한 행동 순열을 바탕으로 구매 패턴과 비구매 패턴이 추출되어 생성될 수 있다. 이 때, 각각의 패턴에서 전체적인 출현 횟수가 일정 숫자에 미달하는 행동 순열의 경우는 생략함으로써 구매 확률 모델을 생성하는 연산 속도를 개선할 수도 있다.
이 때, 아이템 데이터베이스에 저장된 복수개의 아이템들에 상응하는 아이템 정보와 행동 데이터를 기반으로 복수의 사용자들 각각에 대한 구매의도 프로파일을 생성할 수 있다.
이 때, 아이템 데이터베이스는 사용자가 접속한 온라인 사이트에 등록된 복수개의 아이템들에 대한 아이템 정보를 저장할 수 있다. 예를 들어, 아이템 명, 아이템 카테고리, 아이템 가격 등 아이템과 관련된 상세한 정보를 아이템 정보에 상응하게 저장할 수 있다.
따라서, 행동 데이터를 기반으로 사용자로부터 구매의도가 있는 것으로 판단되는 아이템에 대한 정보를 아이템 데이터베이스로부터 획득하여 구매의도 프로파일로 생성할 수 있다.
이 때, 구매의도 프로파일에는 해당하는 아이템에 대한 검색어, 키워드, 브랜드, 가격대 등의 정보를 포함할 수 있으나, 상기한 정보들에 한정되지 않는다.
또한, 구매의도 프로파일에는 행동 데이터를 기반으로 사용자가 방문한 URL을 고려하여 구매의도를 판단하는데 적용되는 가중치가 포함될 수 있다. 예를 들어, 사용자가 방문한 페이지의 URL이 해당 아이템을 구매하기 위한 페이지의 URL에 상응하는 경우, 사용자가 방문한 페이지의 URL이 온라인 사이트의 메인 화면의 URL일때보다 가중치가 적용될 수 있다. 즉, 사용자가 특정 아이템을 결제하기 위한 결제화면까지 이동한 경우에는 분명히 특정 아이템을 구매할 의도가 있었던 것으로 판단하고 가중치를 적용할 수 있다.
이 때, 구매의도 프로파일에 매칭된 구매 확률을 기반으로 아이템별 구매 확률 및 아이템 카테고리별 구매확률 중 적어도 하나를 산출할 수 있다.
또한, 본 발명의 일실시예에 따른 서버는 구매의도에 포함된 복수의 사용자들 각각에 대한 구매확률, 아이템별 구매확률 및 아이템 카테고리별 구매확률 등을 기반으로 특정 아이템 또는 특정 카테고리에 대한 구매확률 별 사용자 분포를 제공할 수도 있다.
또한, 프로세서(630)는 복수의 사용자들 각각에 대한 사용자 정보와 구매의도를 기반으로 아이템과 지역을 고려한 수요 예측 데이터를 생성한다.
이 때, 사용자 정보를 기반으로 복수의 사용자들 각각에 대한 배송지 정보를 획득하고, 구매의도 프로파일, 구매 확률 및 배송지 정보를 이용하여 아이템별 수요 예측 데이터 및 지역별 수요 예측 데이터 중 적어도 하나를 생성할 수 있다.
예를 들어, 아이템별 수요 예측 데이터는 복수개의 아이템들 각각에 대해서 구매의도가 있는 사용자들이 얼마나 있는지를 나타내는 데이터에 상응할 수 있고, 지역별 수요 예측 데이터는 각 지역별로 구매의도가 있는 사용자들이 얼마나 있는지를 나타내는 데이터에 상응할 수 있다.
이 때, 사용자 정보는 온라인 사이트에서 사용자 정보를 저장하고 있는 별도의 데이터베이스를 통해 획득할 수 있다.
또한, 프로세서(630)는 수요 예측 데이터를 기반으로 온라인 사이트에서 제공하는 복수개의 아이템들에 대한 유통과 물류를 최적화하기 위한 마케팅 관리 데이터를 생성하여 제공한다.
이 때, 마케팅 관리 데이터는 아이템별 수요 예측 데이터와 지역별 수요 예측 데이터를 기반으로 생성된 복수개의 아이템들 각각에 대한 지역별 구매확률 데이터를 포함할 수 있다. 이 때, 복수개의 아이템들 각각에 대한 지역별 구매확률 데이터에는 배송지 정보가 포함되어 있으므로, 각 지역별로 나누어 보면 해당 아이템에 대한 각 지역의 수요를 예측할 수 있다.
따라서, 마케팅 관리 데이터는 온라인 사이트를 기반으로 각각의 아이템 판매자들에게 제공됨으로써 판매자들이 구매확률이 높은 아이템에 대한 재고를 효과적으로 관리할 수 있다. 또한, 지역별 구매확률 또는 지역별 수요 등을 통해서 아이템의 유통과 물류에 차질이 생기지 않도록 최적화를 수행할 수 있다.
저장부(640)는 상술한 바와 같이 본 발명의 실시예에 따른 마케팅 관리 데이터 제공을 위한 기능을 지원할 수 있다. 이 때, 저장부(640)는 별도의 대용량 스토리지로 동작할 수 있고, 동작 수행을 위한 제어 기능을 포함할 수도 있다.
한편, 서버는 메모리가 탑재되어 그 장치 내에서 정보를 저장할 수 있다. 일 구현예의 경우, 메모리는 컴퓨터로 판독 가능한 매체이다. 일 구현 예에서, 메모리는 휘발성 메모리 유닛일 수 있으며, 다른 구현예의 경우, 메모리는 비휘발성 메모리 유닛일 수도 있다. 일 구현예의 경우, 저장장치는 컴퓨터로 판독 가능한 매체이다. 다양한 서로 다른 구현 예에서, 저장장치는 예컨대 하드디스크 장치, 광학디스크 장치, 혹은 어떤 다른 대용량 저장장치를 포함할 수도 있다.
이와 같은 서버를 이용하여, 인터넷 전자상거래를 통해 사용자가 구매활동을 하기 이전에 구매할 아이템이나 구매 확률과 같은 사용자에 대한 구매의도를 파악할 수 있다.
또한, 인터넷 전자상거래를 통해 제공되는 아이템 종류별 또는 지역별로 수요를 예측할 수 있다.
또한, 아이템의 수요 예측을 통해 유통과 물류를 위한 과정을 최적화할 수 있다.
또한, 인터넷 전자상거래의 판매자가 재고 관리나 상품 수급을 원활하게 할 수 있도록 지원할 수도 있다.
도 7은 본 발명에 따른 마케팅 관리 데이터를 제공하는 과정의 다른 예를 나타낸 도면이다.
도 7을 참조하면, 본 발명에 따른 마케팅 관리 데이터를 제공하는 과정은 사용자(730)가 온라인 사이트(720)에 접속하여 온라인 행동을 하면(S702), 서버(710)에서 사용자의 온라인 행동에 상응하게 행동 데이터를 수집할 수 있다(S704).
이 후, 서버(710)는 수집된 행동 데이터에 대한 전 처리를 수행하고(S706), 온라인 사이트(720)로부터 복수개의 아이템들에 대한 아이템 정보를 제공받아(S708) 사용자(730)에 대한 구매의도를 파악할 수 있다(S710).
예를 들어, 온라인 행동은 아이템 클릭, 리뷰 조회, 장바구니 추가 및 삭제, 결제 시도, 검색어 입력, 광고 클릭, 좋아요 혹은 공유 등의 소셜 활동과 같은 명시적인 행동일 수 있다. 또한, 마우스 휠 조정, 스와이프 아웃 등의 UX(User Experience)와 관련된 행동이나 특정 페이지에 오래 머무는 행위, 동일 아이템 혹은 유사한 카테고리에 재방문하는 행위와 같이 관심이 있는 아이템을 유추할 가능성이 있어 보이는 모든 암묵적인 행동도 온라인 행동에 포함될 수 있다.
이 때, 구매의도는 복수의 사용자들이 각각 구매하고자 하는 아이템의 특징에 상응하는 구매의도 프로파일(Profile)과 복수의 사용자들 각각에 대한 구매 확률을 포함할 수 있다.
이와 같은 구매의도는 사용자가 온라인 사이트를 통해 아이템을 탐색하는 매 순간마다 파악될 수 있다.
이 후, 서버(710)는 온라인 사이트(720)로부터 사용자 정보를 제공받을 수 있고(S712), 사용자 정보와 구매의도를 기반으로 수요 예측 데이터를 생성할 수 있다(S714).
이 때, 사용자 정보를 기반으로 복수의 사용자들 각각에 대한 배송지 정보를 획득하고, 구매의도 프로파일, 구매 확률 및 배송지 정보를 이용하여 아이템별 수요 예측 데이터 및 지역별 수요 예측 데이터 중 적어도 하나를 생성할 수 있다.
이 후, 서버(710)는 수요 예측 데이터 기반으로 온라인 사이트(720)에서 제공하는 복수개의 아이템들에 대한 유통과 물류를 최적화하기 위한 마케팅 데이터를 생성하여 온라인 사이트(720)로 제공할 수 있다(S716).
이 때, 마케팅 관리 데이터는 아이템별 수요 예측 데이터와 지역별 수요 예측 데이터를 기반으로 생성된 복수개의 아이템들 각각에 대한 지역별 구매확률 데이터를 포함할 수 있다.
이 후, 온라인 사이트(720)에서는 마케팅 관리 데이터를 이용하여 온라인 사이트(720)에 등록된 복수개의 아이템들에 대한 유통과 물류 관리를 최적화함으로써(S718) 전자상거래를 위한 시스템을 효율적으로 운영할 수 있다.
이 때, 복수개의 아이템들 각각에 대한 지역별 구매확률 데이터에는 배송지 정보가 포함되어 있으므로, 각 지역별로 나누어 보면 해당 아이템에 대한 각 지역의 수요를 예측할 수 있다.
도 8은 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공 방법 중 구매 확률 모델을 학습하는 과정의 일 예를 나타낸 도면이다.
도 8을 참조하면, 본 발명의 일실시예에 따른 마케팅 관리 데이터 제공 방법 중 구매 확률 모델을 학습하는 과정은 먼저, 행동 순열을 기반으로 생성된 구매 확률 모델을 저장할 수 있다(S810).
이 때, 구매 확률 모델은 서버에 포함된 메모리 또는 별도의 데이터베이스에 저장될 수 있다.
이 후, 사용자의 온라인 행동을 기반으로 새로운 행동 데이터가 수집되었는지 여부를 판단할 수 있다(S820)
단계(S820)의 판단결과 새로운 행동 데이터가 수집되었으면, 새로운 행동 데이터에 대한 행동 순열을 기반으로 구매 확률 모델을 학습하여 갱신할 수 있다(S830).
즉, 새로운 행동 데이터에 대한 행동 순열로부터 추출된 패턴과 해당 패턴에 대한 구매 결과를 구매 확률 모델에 반영하여 갱신할 수 있다.
이 후, 다시 단계(S820)으로 돌아가 새로운 행동 데이터가 수집되는지 여부를 확인하여 지속적으로 구매 확률 모델을 학습 및 갱신할 수 있다.
이 때, 새로운 행동 데이터는 온라인 사이트를 접속하는 모든 사용자들에 의한 온라인 행동에 의해 수집될 수 있다.
또한, 단계(S820)의 판단결과 새로운 행동 데이터가 수집되지 않았으면, 새로운 행동 데이터가 수집될 때까지 지속적으로 확인할 수 있다.
즉, 서버의 업데이트나 관리의 목적으로 온라인 사이트의 이용이 중단되기 전까지는 지속적으로 구매 확률 모델을 갱신할 수 있다.
이와 같이 지속적으로 구매 확률 모델의 학습 및 갱신을 수행함으로써 온라인 사이트로 제공되는 마케팅 관리 데이터의 신뢰도와 정확성이 향상될 수 있다.
본 명세서에서 설명하는 기능적인 동작과 주제의 구현물들은 디지털 전자 회로로 구현되거나, 본 명세서에서 개시하는 구조 및 그 구조적인 등가물들을 포함하는 컴퓨터 소프트웨어, 펌웨어 혹은 하드웨어로 구현되거나, 이들 중 하나 이상의 결합으로 구현 가능하다. 본 명세서에서 설명하는 주제의 구현물들은 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 처리 시스템의 동작을 제어하기 위하여 혹은 이것에 의한 실행을 위하여 유형의 프로그램 저장매체 상에 인코딩된 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다.
컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장 장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조성물 혹은 이들 중 하나 이상의 조합일 수 있다.
본 명세서에서 '시스템'이나 '장치'라 함은 예컨대 프로그래머블 프로세서, 컴퓨터 혹은 다중 프로세서나 컴퓨터를 포함하여 데이터를 처리하기 위한 모든 기구, 장치 및 기계를 포괄한다. 처리 시스템은, 하드웨어에 부가하여, 예컨대 프로세서 펌웨어를 구성하는 코드, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 체제 혹은 이들 중 하나 이상의 조합 등 요청 시 컴퓨터 프로그램에 대한 실행 환경을 형성하는 코드를 포함할 수 있다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.
한편, 컴퓨터 프로그램 명령어와 데이터를 저장하기에 적합한 컴퓨터로 판독 가능한 매체는, 예컨대 EPROM, EEPROM 및 플래시메모리 장치와 같은 반도체 메모리 장치, 예컨대 내부 하드디스크나 외장형 디스크와 같은 자기 디스크, 자기광학 디스크 및 CD-ROM과 DVD-ROM 디스크를 포함하여 모든 형태의 비휘발성 메모리, 매체 및 메모리 장치를 포함할 수 있다. 프로세서와 메모리는 특수 목적의 논리 회로에 의해 보충되거나, 그것에 통합될 수 있다.
본 명세서에서 설명한 주제의 구현물은 예컨대 데이터 서버와 같은 백엔드 컴포넌트를 포함하거나, 예컨대 어플리케이션 서버와 같은 미들웨어 컴포넌트를 포함하거나, 예컨대 사용자가 본 명세서에서 설명한 주제의 구현물과 상호 작용할 수 있는 웹 브라우저나 그래픽 유저 인터페이스를 갖는 클라이언트 컴퓨터와 같은 프론트엔드 컴포넌트 혹은 그러한 백엔드, 미들웨어 혹은 프론트엔드 컴포넌트의 하나 이상의 모든 조합을 포함하는 연산 시스템에서 구현될 수도 있다. 시스템의 컴포넌트는 예컨대 통신 네트워크와 같은 디지털 데이터 통신의 어떠한 형태나 매체에 의해서도 상호 접속 가능하다.
본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 마찬가지로, 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.
또한, 본 명세서에서는 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 시스템 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 시스템들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징될 수 있다는 점을 이해하여야 한다
이와 같이, 본 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하려는 의도가 아니다. 따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
본 발명에 의하면 온라인 사이트에 접속한 복수의 사용자들 각각에 대해 실시간으로 구매의도를 파악하고, 복수의 사용자들 각각에 대한 사용자 정보와 구매의도를 기반으로 아이템과 지역을 고려한 수요 예측 데이터를 생성하고, 수요 예측 데이터를 기반으로 온라인 사이트에서 제공하는 복수개의 아이템들에 대한 유통과 물류를 최적화하기 위한 마케팅 관리 데이터를 생성하여 제공할 수 있다. 또한, 본 발명에 의하면 인터넷 전자상거래에 의한 유통과 물류 과정을 최적화함으로써 판매자에게 있어서 보다 원활한 운영을 가능하게 할 수 있다.
110, 710: 서버 120, 720: 온라인 사이트
130-1~130-N, 730: 사용자 140: 네트워크
400: 아이템 DB 500: 행동 데이터
501: 행동 시간 502: 사용자 ID
503: 단말 ID 504: URL
505: 아이템 번호 506, 507, 508: 카테고리
610: 통신부 620: 메모리
630: 프로세서 640: 저장부

Claims (10)

  1. 서버가, 온라인 사이트에 접속한 복수의 사용자 각각에 대해 실시간으로 상기 온라인 사이트에서의 행동 데이터를 수집하는 단계;
    상기 서버가, 상기 복수의 사용자별로 상기 행동 데이터를 기반으로 추출된 연속된 행동에 상응하게 행동 순열을 생성한 후 상기 연속된 행동에 따른 구매 결과와 매칭하여 상기 복수의 사용자별 행동 순열 중 구매가 발생하였을 경우의 사용자별 행동 순열로부터 추출한 구매 패턴 또는 구매가 발생하지 않았을 경우의 사용자별 행동 순열로부터 추출한 비구매 패턴을 포함하는 구매 확률 모델을 산출하는 단계;
    상기 서버가, 상기 복수의 사용자 각각에 대해 상기 행동 데이터와 상기 구매 확률 모델을 비교하여 구매 확률을 산출하고, 복수개의 아이템들에 상응하는 아이템 정보가 저장된 아이템 데이터베이스와 상기 행동 데이터를 기반으로 상기 복수의 사용자 각각에 대해 구매하고자 하는 아이템의 특징에 상응하는 구매의도 프로파일을 생성하며, 상기 복수의 사용자 각각에 대해 상기 구매 확률 및 구매의도 프로파일을 포함하는 구매의도를 파악하는 단계;
    상기 서버가, 상기 복수의 사용자 각각에 대한 사용자 정보와 상기 구매의도를 기반으로 아이템과 지역을 고려한 수요 예측 데이터를 생성하는 단계; 및
    상기 서버가, 상기 수요 예측 데이터를 기반으로 상기 온라인 사이트에서 제공하는 복수개의 아이템들에 대한 유통과 물류를 최적화하기 위한 마케팅 관리 데이터를 생성하여 제공하는 단계
    를 포함하는 것을 특징으로 하는 마케팅 관리 데이터 제공 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. ◈청구항 5은(는) 설정등록료 납부시 포기되었습니다.◈
    청구항 1에 있어서,
    상기 수요 예측 데이터를 생성하는 단계는
    상기 서버가, 상기 사용자 정보를 기반으로 상기 복수의 사용자 각각에 대한 배송지 정보를 획득하고, 상기 구매의도 프로파일, 상기 구매 확률 및 상기 배송지 정보를 이용하여 아이템별 수요 예측 데이터 및 지역별 수요 예측 데이터 중 적어도 하나를 생성하는 것을 특징으로 하는 마케팅 관리 데이터 제공 방법.
  6. ◈청구항 6은(는) 설정등록료 납부시 포기되었습니다.◈
    청구항 1에 있어서,
    상기 구매의도를 파악하는 단계는
    상기 서버가, 상기 구매의도 프로파일에 매칭된 상기 구매 확률을 기반으로 아이템별 구매확률 및 아이템 카테고리별 구매확률 중 적어도 하나를 산출하는 단계를 더 포함하는 것을 특징으로 하는 마케팅 관리 데이터 제공 방법.
  7. 삭제
  8. 삭제
  9. 온라인 사이트에 접속한 복수의 사용자 각각에 대해 실시간으로 파악된 구매의도를 저장하는 메모리; 및
    상기 온라인 사이트에 접속한 복수의 사용자 각각에 대해 실시간으로 상기 온라인 사이트에서의 행동 데이터를 수집하고, 상기 복수의 사용자별로 상기 행동 데이터를 기반으로 추출된 연속된 행동에 상응하게 행동 순열을 생성한 후 상기 연속된 행동에 따른 구매 결과와 매칭하여 상기 복수의 사용자별 행동 순열 중 구매가 발생하였을 경우의 사용자별 행동 순열로부터 추출한 구매 패턴 또는 구매가 발생하지 않았을 경우의 사용자별 행동 순열로부터 추출한 비구매 패턴을 포함하는 구매 확률 모델을 산출하며, 상기 복수의 사용자 각각에 대해 상기 행동 데이터와 상기 구매 확률 모델을 비교하여 구매 확률을 산출하고, 복수개의 아이템들에 상응하는 아이템 정보가 저장된 아이템 데이터베이스와 상기 행동 데이터를 기반으로 상기 복수의 사용자 각각에 대해 구매하고자 하는 아이템의 특징에 상응하는 구매의도 프로파일을 생성하며, 상기 복수의 사용자 각각에 대해 상기 구매 확률 및 구매의도 프로파일을 포함하는 구매의도를 파악하고, 상기 복수의 사용자 각각에 대한 사용자 정보와 상기 구매의도를 기반으로 아이템과 지역을 고려한 수요 예측 데이터를 생성한 후 상기 수요 예측 데이터를 기반으로 상기 온라인 사이트에서 제공하는 복수개의 아이템들에 대한 유통과 물류를 최적화하기 위한 마케팅 관리 데이터를 생성하여 제공하는 프로세서
    를 포함하는 것을 특징으로 하는 마케팅 관리 데이터 제공 서버.
  10. 삭제
KR1020170089479A 2017-07-14 2017-07-14 유통과 물류의 최적화를 위한 마케팅 관리 데이터 제공 방법 및 이를 위한 장치 KR102396803B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020170089479A KR102396803B1 (ko) 2017-07-14 2017-07-14 유통과 물류의 최적화를 위한 마케팅 관리 데이터 제공 방법 및 이를 위한 장치
CN201810763763.XA CN109255644A (zh) 2017-07-14 2018-07-12 用于提供优化分发和物流的营销管理数据的方法及设备
US16/033,755 US20190019203A1 (en) 2017-07-14 2018-07-12 Method for providing marketing management data for optimization of distribution and logistics and apparatus for the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170089479A KR102396803B1 (ko) 2017-07-14 2017-07-14 유통과 물류의 최적화를 위한 마케팅 관리 데이터 제공 방법 및 이를 위한 장치

Publications (2)

Publication Number Publication Date
KR20190007875A KR20190007875A (ko) 2019-01-23
KR102396803B1 true KR102396803B1 (ko) 2022-05-13

Family

ID=65000109

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170089479A KR102396803B1 (ko) 2017-07-14 2017-07-14 유통과 물류의 최적화를 위한 마케팅 관리 데이터 제공 방법 및 이를 위한 장치

Country Status (3)

Country Link
US (1) US20190019203A1 (ko)
KR (1) KR102396803B1 (ko)
CN (1) CN109255644A (ko)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020150597A1 (en) * 2019-01-18 2020-07-23 Salloum Samuel Systems and methods for entity performance and risk scoring
WO2020195375A1 (ja) * 2019-03-25 2020-10-01 日本電気株式会社 商品需要予測装置、商品需要予測システム、商品需要予測方法、及び、記録媒体
KR102050855B1 (ko) * 2019-03-25 2020-01-08 강태기 수요 예측 장치 및 방법
US11423373B1 (en) * 2019-09-17 2022-08-23 Block, Inc. Intelligent subscription identification using transaction data
US20210089985A1 (en) * 2019-09-23 2021-03-25 Coupang, Corp. Systems and methods for outbound forecasting using inbound stow model
US20210090106A1 (en) * 2019-09-23 2021-03-25 Coupang, Corp. Systems and methods for outbound forecasting
JP2021103444A (ja) * 2019-12-25 2021-07-15 株式会社野村総合研究所 需要予測システム
KR102214611B1 (ko) * 2020-06-09 2021-02-10 임도영 빅데이터를 활용한 마케팅 정보 제공 시스템 및 그 방법
KR102290798B1 (ko) * 2021-03-03 2021-08-20 신창호 양자이론에 기반하여 상품을 관리하는 상품 관리서버 및 그 상품 관리방법
US20230128417A1 (en) * 2021-10-26 2023-04-27 Coupang, Corp. Systems and methods for regional demand estimation
KR102448463B1 (ko) * 2021-10-26 2022-09-30 쿠팡 주식회사 배송 관련 정보를 처리하는 전자 장치 및 그 방법
US20230169564A1 (en) * 2021-11-29 2023-06-01 Taudata Co., Ltd. Artificial intelligence-based shopping mall purchase prediction device

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080183867A1 (en) * 2002-03-07 2008-07-31 Man Jit Singh Clickstream analysis methods and systems
US20140195345A1 (en) * 2013-01-09 2014-07-10 Philip Scott Lyren Customizing advertisements to users
US20160148233A1 (en) 2014-11-21 2016-05-26 Staples, Inc. Dynamic Discount Optimization Model
JP2016207020A (ja) * 2015-04-24 2016-12-08 ソフトバンク・テクノロジー株式会社 行動データの情報エントロピーに基づくマーケティング方法及びシステム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001063495A2 (en) * 2000-02-24 2001-08-30 Craig Kowalchuk Targeted profitability system
US20100114654A1 (en) * 2008-10-31 2010-05-06 Hewlett-Packard Development Company, L.P. Learning user purchase intent from user-centric data
US8413052B2 (en) * 2010-02-17 2013-04-02 Yahoo! Inc. Bidded marketplace for applications
KR101931551B1 (ko) 2015-10-13 2018-12-21 (주)비즈스프링 사이트 방문자의 웹페이지 내 일련의 행동에 따른 자동화된 실시간 마케팅 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080183867A1 (en) * 2002-03-07 2008-07-31 Man Jit Singh Clickstream analysis methods and systems
US20140195345A1 (en) * 2013-01-09 2014-07-10 Philip Scott Lyren Customizing advertisements to users
US20160148233A1 (en) 2014-11-21 2016-05-26 Staples, Inc. Dynamic Discount Optimization Model
JP2016207020A (ja) * 2015-04-24 2016-12-08 ソフトバンク・テクノロジー株式会社 行動データの情報エントロピーに基づくマーケティング方法及びシステム

Also Published As

Publication number Publication date
CN109255644A (zh) 2019-01-22
KR20190007875A (ko) 2019-01-23
US20190019203A1 (en) 2019-01-17

Similar Documents

Publication Publication Date Title
KR102396803B1 (ko) 유통과 물류의 최적화를 위한 마케팅 관리 데이터 제공 방법 및 이를 위한 장치
KR102408476B1 (ko) 사용자 행동 순서에 기반한 구매 확률 예측 방법 및 이를 위한 장치
KR102472572B1 (ko) 사용자 의도 프로파일링 방법 및 이를 위한 장치
US20180374108A1 (en) Method and Apparatus for Building a User Profile, for Personalization Using Interaction Data, and for Generating, Identifying, and Capturing User Data Across Interactions Using Unique User Identification
KR20180121466A (ko) 딥러닝을 활용한 개인화 상품 추천
US10937060B2 (en) Intelligent location based notification
US9852375B2 (en) Techniques for mobile prediction
AU2012312564A1 (en) Customer journey prediction and resolution
US11257019B2 (en) Method and system for search provider selection based on performance scores with respect to each search query
US20210248643A1 (en) Method and system for sponsored search results placement in a search results page
US20210012359A1 (en) Device, method and computer-readable medium for making recommendations on the basis of customer attribute information
CN109155041A (zh) 提供与社交图相关联的基于旅行或促销的推荐
US20150058136A1 (en) Attribute based coupon provisioning
US20240144328A1 (en) Automatic rule generation for next-action recommendation engine
CN102957722A (zh) 一种用于生成个性化推荐的网络服务方法及其系统
US20160275046A1 (en) Method and system for personalized presentation of content
CN111699487A (zh) 用于快速且安全的内容提供的系统
US20210201262A1 (en) Freight load matching system
KR101607919B1 (ko) 메신저에 검색 기능을 제공하고 검색 결과를 정렬하는 방법과 시스템 및 기록 매체
US20170140436A1 (en) Method and system for exploring crowd sourced user curated native advertisements
CN117057855A (zh) 一种数据处理方法及相关装置
US20220374943A1 (en) System and method using attention layers to enhance real time bidding engine
CN116109354A (zh) 内容推荐方法、装置、设备、存储介质及计算机程序产品
JP7198591B2 (ja) 顧客の属性情報を解析する装置、方法、およびプログラム
JP7283865B2 (ja) 顧客の属性情報に基づきレコメンドを行う装置、方法、およびプログラム

Legal Events

Date Code Title Description
N231 Notification of change of applicant
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right