KR102419274B1 - 이벤트의 영향 정도를 기반으로 레저 활동 레슨에 대한 파라미터를 예측하는 전자 장치의 제어 방법 - Google Patents

Abstract

전자 장치의 제어 방법이 개시된다. 본 제어 방법은, 적어도 하나의 판매자를 통해 제공된 레슨 각각에 대하여, 복수의 파라미터의 값을 획득하는 단계, 적어도 하나의 레슨이 제공되는 동안 발생한 이벤트에 대한 정보 및 획득된 복수의 파라미터의 값을 기반으로, 이벤트가 복수의 파라미터 각각에 미치는 영향 정도(degree of impact)를 식별하는 단계, 이벤트의 예정 정보 및 이벤트의 영향 정도를 기반으로, 예정된 적어도 하나의 레슨에 대하여 복수의 파라미터 중 적어도 하나의 파라미터의 값을 예측하는 단계를 포함한다.

Description

이벤트의 영향 정도를 기반으로 레저 활동 레슨에 대한 파라미터를 예측하는 전자 장치의 제어 방법 { CONTROL METHOD OF ELECTRONIC APPARATUS FOR PREDICTING PARAMETER OF LEISURE ACTIVITY LESSON BASED ON DEGREE OF IMPACT OF EVENT }

본 개시는 전자 장치에 관한 것으로, 보다 상세하게는, 이벤트의 영향을 바탕으로 레저 활동 레슨의 파라미터를 예측하는 전자 장치에 관한 것이다.

레저 활동을 제공하는 레슨/클래스는 기상 환경, 제도적 환경, 마케팅 환경 등에 의해 많은 영향을 받는다.

최근 전문가가 제공하는 레저 활동의 판매를 온라인 상으로 중개하는 다양한 온라인 플랫폼들이 생겨나고 있으나, 실제 오프라인으로 레저 활동에 대한 레슨이 진행되는 과정이 뒤따르는 경우, 온라인 상에서 미리 예상되거나 협의되지 않은 다양한 변수가 현장에서 발생할 가능성이 매우 높다.

기존의 온라인 플랫폼들은 기상/제도/마케팅 등과 관련된 다양한 이벤트에 따른 레슨 환경의 예측을 제공하지는 못하고 있는 바, 레저 활동의 레슨을 제공하는 판매자의 영업 환경에는 여전히 다양한 리스크가 내재되어 있다.

등록 특허 공보 제10-19907990000호(상권업종별 매출액 및 생존율 예측 방법 및 컴퓨터 판독 가능 기록매체)

본 개시는 레저 활동에 관한 레슨의 기획 과정에서 과거 발생한 이벤트의 영향 정도를 바탕으로 향후 예정된 레슨의 파라미터를 예측/추천하는 전자 장치의 제어 방법을 제공한다.

본 개시의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 개시의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 개시의 실시 예에 의해 보다 분명하게 이해될 것이다. 또한, 본 개시의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.

본 개시의 일 실시 예에 따른 전자 장치의 제어 방법은, 적어도 하나의 판매자를 통해 제공된 레슨 각각에 대하여, 상기 레슨에 포함되는 레저 활동 및 상기 레슨의 거래 중 적어도 하나와 관련된 복수의 파라미터의 값을 획득하는 단계, 적어도 하나의 레슨이 제공되는 동안 발생한 이벤트에 대한 정보 및 상기 획득된 복수의 파라미터의 값을 기반으로, 상기 이벤트가 상기 복수의 파라미터 각각에 미치는 영향 정도(degree of impact)를 식별하는 단계, 상기 이벤트의 예정 정보 및 상기 이벤트의 영향 정도를 기반으로, 예정된 적어도 하나의 레슨에 대하여 상기 복수의 파라미터 중 적어도 하나의 파라미터의 값을 예측하는 단계를 포함한다.

상기 영향 정도를 식별하는 단계는, 상기 이벤트가 발생하지 않은 시기에 제공된 레슨에 대하여 상기 복수의 파라미터의 제1 값을 식별하고, 상기 이벤트가 발생한 시기에 제공된 레슨에 대하여 상기 복수의 파라미터의 제2 값을 식별하고, 상기 제1 값 및 상기 제2 값을 비교하여, 상기 이벤트가 상기 복수의 파라미터 각각에 미치는 영향 정도를 식별할 수 있다.

상기 영향 정도를 식별하는 단계는, 상기 이벤트를 구성하는 이벤트 파라미터 각각이 상기 복수의 파라미터 각각에 미치는 영향 정도를 판단할 수도 있다.

상기 적어도 하나의 파라미터의 값을 예측하는 단계는, 상기 이벤트의 예정 정보에 포함된 이벤트 파라미터 각각의 값을 기반으로, 상기 복수의 파라미터 중 적어도 하나의 파라미터의 값을 예측할 수 있다.

상기 적어도 하나의 파라미터의 값을 예측하는 단계는, 상기 이벤트의 예정 기간과 상기 예정된 레슨의 제공 기간이 매칭되는 정도에 따라, 상기 이벤트가 상기 복수의 파라미터 중 적어도 하나의 파라미터에 미치는 영향 정도를 조정하고, 상기 조정된 영향 정도에 따라, 상기 예정된 레슨에 대하여 적어도 하나의 파라미터의 값을 예측할 수도 있다.

한편, 상기 전자 장치의 제어 방법은, 사용자 입력에 따라, 예정된 레슨에 대하여 상기 복수의 파라미터 중 적어도 하나의 제1 파라미터의 값을 설정하는 단계를 포함할 수 있다. 이 경우, 상기 적어도 하나의 파라미터의 값을 예측하는 단계는, 상기 이벤트의 영향 정도를 기반으로, 상기 예정된 레슨에 대하여 설정되지 않은 적어도 하나의 제2 파라미터의 값을 예측할 수 있다.

여기서, 상기 전자 장치의 제어 방법은, 상기 제공된 레슨 각각에 대하여 획득된 복수의 파라미터의 값을 기반으로, 상기 제1 파라미터와 상기 제2 파라미터 간의 연관도를 식별하는 단계를 포함할 수 있다. 그리고, 상기 적어도 하나의 파라미터의 값을 예측하는 단계는, 상기 설정된 제1 파라미터의 값, 상기 제1 파라미터와 상기 제2 파라미터 간의 연관도, 상기 이벤트의 예정 정보, 및 상기 이벤트의 상기 제2 파라미터에 대한 영향 정도를 기반으로, 상기 예정된 레슨에 대하여 상기 제2 파라미터의 값을 예측할 수 있다.

또한, 상기 전자 장치의 제어 방법은, 제1 이벤트가 상기 복수의 파라미터 각각에 미치는 제1 영향 정도가 식별되면, 상기 제1 이벤트를 등록하는 단계, 상기 등록된 제1 이벤트의 예정 정보가 수신되면, 상기 제1 이벤트의 예정 정보 및 상기 제1 이벤트의 제1 영향 정도를 기반으로, 예정된 적어도 하나의 레슨에 대하여 상기 복수의 파라미터 중 적어도 하나의 파라미터의 값을 예측하는 단계, 기등록되지 않은 제2 이벤트의 예정 정보가 수신되면, 상기 제2 이벤트를 상기 등록된 제1 이벤트와 비교하여, 상기 제2 이벤트가 상기 복수의 파라미터 각각에 미치는 제2 영향 정도를 식별하는 단계, 상기 제2 이벤트의 예정 정보 및 상기 제2 이벤트의 제2 영향 정도를 기반으로, 예정된 적어도 하나의 레슨에 대하여 상기 복수의 파라미터 중 적어도 하나의 파라미터의 값을 예측하는 단계를 포함할 수도 있다.

이 경우, 상기 제2 영향 정도를 식별하는 단계는, 상기 제1 이벤트의 이벤트 파라미터 각각을 상기 제2 이벤트의 이벤트 파라미터 각각과 비교하여, 상기 제2 이벤트의 이벤트 파라미터 각각이 상기 복수의 파라미터 각각에 미치는 상기 제2 영향 정도를 식별할 수 있다.

본 개시에 따른 전자 장치는 레저 활동을 제공하는 레슨에 대하여 이벤트가 미치는 영향을 식별하고, 이벤트의 영향에 따라 향후 레슨의 파라미터를 예측할 수 있다.

본 개시에 따른 전자 장치는, 다양한 형태의 이벤트를 이벤트 파라미터를 통해 정의하는 한편, 이벤트 파라미터 각각이 레슨에 미치는 영향을 정립함으로써, 레슨에 대하여 정밀한 파라미터 예측이 가능하다.

아울러, 본 개시에 따른 전자 장치는, 다양한 플랫폼을 통해 중개된 레슨들을 하나의 빅데이터로 통합하여 실시간으로 이벤트와 연계하여 분석함으로써, 향후 레슨을 계획/기획하는 판매자(: 레슨 제공자)의 의사결정을 지원할 수 있다.

도 1은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 설명하기 위한 블록도,
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 동작을 설명하기 위한 흐름도,
도 3은 본 개시의 일 실시 예에 따른 전자 장치가 복수의 플랫폼을 통해 거래 데이터를 획득하는 동작을 설명하기 위한 도면,
도 4는 본 개시의 일 실시 예에 따른 전자 장치가 이벤트(ex. 장마)의 예정 정보를 통해 레슨(ex. 등산)의 파라미터를 예측하는 동작을 설명하기 위한 도면,
도 5는 본 개시의 일 실시 예에 따른 전자 장치가 기등록되지 않은 이벤트의 영향 정도를 식별하는 동작을 설명하기 위한 도면, 그리고
도 6은 본 개시의 다양한 실시 예에 따른 전자 장치의 구성을 설명하기 위한 블록도이다.

본 개시에 대하여 구체적으로 설명하기에 앞서, 본 명세서 및 도면의 기재 방법에 대하여 설명한다.

먼저, 본 명세서 및 청구범위에서 사용되는 용어는 본 개시의 다양한 실시 예들에서의 기능을 고려하여 일반적인 용어들을 선택하였다. 하지만, 이러한 용어들은 당해 기술 분야에 종사하는 기술자의 의도나 법률적 또는 기술적 해석 및 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 일부 용어는 출원인이 임의로 선정한 용어도 있다. 이러한 용어에 대해서는 본 명세서에서 정의된 의미로 해석될 수 있으며, 구체적인 용어 정의가 없으면 본 명세서의 전반적인 내용 및 당해 기술 분야의 통상적인 기술 상식을 토대로 해석될 수도 있다.

또한, 본 명세서에 첨부된 각 도면에 기재된 동일한 참조번호 또는 부호는 실질적으로 동일한 기능을 수행하는 부품 또는 구성요소를 나타낸다. 설명 및 이해의 편의를 위해서 서로 다른 실시 예들에서도 동일한 참조번호 또는 부호를 사용하여 설명한다. 즉, 복수의 도면에서 동일한 참조 번호를 가지는 구성요소를 모두 도시되어 있다고 하더라도, 복수의 도면들이 하나의 실시 예를 의미하는 것은 아니다.

또한, 본 명세서 및 청구범위에서는 구성요소들 간의 구별을 위하여 "제1", "제2" 등과 같이 서수를 포함하는 용어가 사용될 수 있다. 이러한 서수는 동일 또는 유사한 구성요소들을 서로 구별하기 위하여 사용하는 것이며 이러한 서수 사용으로 인하여 용어의 의미가 한정 해석되어서는 안 된다. 일 예로, 이러한 서수와 결합된 구성요소는 그 숫자에 의해 사용 순서나 배치 순서 등이 제한되어서는 안 된다. 필요에 따라서는, 각 서수들은 서로 교체되어 사용될 수도 있다.

본 명세서에서 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 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.

본 개시의 실시 예에서 "모듈", "유닛", "부(part)" 등과 같은 용어는 적어도 하나의 기능이나 동작을 수행하는 구성요소를 지칭하기 위한 용어이며, 이러한 구성요소는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈", "유닛", "부(part)" 등은 각각이 개별적인 특정한 하드웨어로 구현될 필요가 있는 경우를 제외하고는, 적어도 하나의 모듈이나 칩으로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.

또한, 본 개시의 실시 예에서, 어떤 부분이 다른 부분과 연결되어 있다고 할 때, 이는 직접적인 연결뿐 아니라, 다른 매체를 통한 간접적인 연결의 경우도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 포함한다는 의미는, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

도 1은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 설명하기 위한 블록도이다.

도 1을 참조하면, 전자 장치(100)는 메모리(110) 및 프로세서(120)를 포함한다.

전자 장치(100)는 적어도 하나의 컴퓨터로 구성된 서버로 구현될 수 있다. 전자 장치(100)는 복수의 서버를 포함하는 시스템으로 구현될 수도 있다.

이밖에, 전자 장치(100)는 데스크탑 PC, 노트북 PC, 키오스크, 스마트폰, 태블릿 PC 등 다양한 단말 장치에 해당할 수도 있다.

메모리(110)는 전자 장치(100)의 구성요소들의 전반적인 동작을 제어하기 위한 운영체제(OS: Operating System) 및 전자 장치(100)의 구성요소와 관련된 적어도 하나의 인스트럭션 또는 데이터를 저장하기 위한 구성이다.

메모리(110)는 ROM, 플래시 메모리 등의 비휘발성 메모리를 포함할 수 있으며, DRAM 등으로 구성된 휘발성 메모리를 포함할 수 있다. 또한, 메모리(110)는 하드 디스크, SSD(Solid state drive) 등을 포함할 수도 있다.

프로세서(120)는 전자 장치(100)를 전반적으로 제어하기 위한 구성이다. 구체적으로, 프로세서(120)는 메모리(110)와 연결되는 한편 메모리(110)에 저장된 적어도 하나의 인스트럭션을 실행함으로써 본 개시의 다양한 실시 예들에 따른 동작을 수행할 수 있다.

프로세서(120)는 하나 이상의 프로세서로 구성될 수 있다. 이때, 하나 이상의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit) 등과 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서 등을 포함할 수 있다. 인공지능 전용 프로세서는, 특정 인공지능 모델의 훈련 내지는 이용에 특화된 하드웨어 구조로 설계될 수 있다.

이하 도면들을 통해, 상술한 구성들을 바탕으로 이벤트에 따라 파라미터의 값을 예측하는 전자 장치의 제어 방법을 설명한다.

도 2는 본 개시의 일 실시 예에 따른 전자 장치의 동작을 설명하기 위한 흐름도이다.

도 2를 참조하면, 전자 장치(100)는 적어도 하나의 판매자를 통해 제공된 레슨 각각에 대하여, 레슨에 포함되는 레저 활동 및 레슨의 거래 중 적어도 하나와 관련된 복수의 파라미터의 값을 획득할 수 있다(S210).

레슨은, 레저 활동의 수행에 필요한 장소, 환경, 가이드라인, 물품, 교육 등을 제공하는 수업 내지는 서비스를 의미한다. 레슨은, 다양한 판매자를 통해 유료 또는 무료로 제공될 수 있는 것이다.

레슨을 통해 제공될 수 있는 레저 활동은 다양하다. 레저 활동은, 등산, 사이클, 볼링, 승마, 골프, 하이킹, 스케이팅, 스키, 수영, 낚시 등 스포츠 관련 레저 활동 외에도 작화, 독서, 도예, 음악 감상, 명상, 캠핑, 게임, 보드게임 등 다양한 활동을 포함할 수 있으며, 이에 한정되지 않는다.

레슨은 오프라인 상으로 판매될 수도 있고, 온라인 상으로 판매될 수도 있다.

온라인 상으로 레슨이 판매되기 위해, 레저활동에 대한 레슨의 판매를 중개하는 적어도 하나의 온라인 플랫폼이 활용될 수 있다. 온라인 플랫폼은, 하나 이상의 서버를 통해 제공될 수 있으며, 서버를 통해 판매자 단말 및 구매자 단말이 서로 매칭되어 레슨의 판매 내지는 결제가 수행될 수 있다.

레슨의 레저 활동/거래와 관련된 복수의 파라미터는, 레저 활동의 유형, 판매자의 성별, 판매자의 나이, 판매자의 지역, 판매자의 경력, 판매자의 공인 자격 보유 현황, 판매자의 판매 기간, 레슨이 제공되는 지역, 레슨이 제공되는 기간, 레슨이 제공되는 요일, 레슨이 제공되는 시간대, 레슨이 제공되는 빈도/횟수, 레슨이 제공되는 계절/월/분기, 레슨의 구매자 별 단가, 결제 수단, 레슨의 참여 인원수, 레슨의 매출, 구매자의 성별, 구매자의 나이, 구매자의 지역 등 다양한 파라미터를 포함할 수 있다.

또한, 복수의 파라미터는, 레슨의 판매에 활용된 온라인 플랫폼의 이름, 레슨의 판매에 활용된 온라인 플랫폼의 수, 온라인 플랫폼을 통해 레슨을 구매한 구매자의 단말 기기의 종류, 구매자의 단말 기기의 OS(Operating System) 등 온라인 플랫폼을 통한 거래와 관련된 다양한 파라미터를 포함할 수 있다.

또한, 복수의 파라미터는, 구매자의 반복 구매 여부(동일한 유형 또는 다른 유형의 레저 활동에 대한 레슨), 구매자의 반복 구매 횟수 등의 파라미터를 포함할 수 있다.

또한, 복수의 파라미터는, 판매자의 광고 수행 여부, 광고 수단, 광고에 사용된 비용, 광고 기간 등의 파라미터를 포함할 수 있다.

각 파라미터의 값은, 파라미터 별로 다르게 구분되어 정의될 수 있다. 예를 들어, 파라미터가 플랫폼의 수인 경우, 파라미터의 값은 0 또는 자연수에 해당할 수 있다. 예를 들어, 파라미터가 판매자의 지역인 경우, 파라미터의 값은 다양한 지역명에 해당할 수 있다.

전자 장치(100)는 적어도 하나의 과거 기간 동안 제공된 하나 이상의 레슨들 각각에 대하여 복수의 파라미터의 값을 수집할 수 있다.

일 예로, 전자 장치(100)의 사용자 입력부 또는 전자 장치(100)와 연결된 적어도 하나의 사용자 단말(ex. 판매자 단말)을 통해, 전자 장치(100)는 과거 수행된 레슨(거래)에 대하여 적어도 하나의 파라미터의 값을 설정하는 사용자 입력을 수신할 수 있다.

또한, 전자 장치(100)는 레슨의 판매를 중개하는 플랫폼을 운영하는 적어도 하나의 외부 서버로부터, 해당 플랫폼을 통해 중개된 레슨에 대한 복수의 파라미터의 값을 수신할 수도 있다.

관련하여, 도 3은 본 개시의 일 실시 예에 따른 전자 장치가 복수의 플랫폼을 통해 거래 데이터를 획득하는 동작을 설명하기 위한 도면이다.

도 3을 참조하면, 전자 장치(100)는 각기 별도의 플랫폼(제1 플랫폼, 제2 플랫폼, 제3 플랫폼)을 운영하는 복수의 서버(310, 320, 330)로부터, 각 서버를 통해 중개된 레슨들에 대한 복수의 파라미터 값을 수신할 수 있다. 그 결과, 과거 제공된 레슨 각각에 대한 복수의 파라미터의 값이 수집될 수 있다.

이때, 전자 장치(100)는 각각의 플랫폼을 통해 중개된 레슨의 중복 여부를 판단할 수 있다. 예를 들어, 전자 장치(100)는 서로 다른 서버로부터 수신된 레슨들의 명칭 또는 각 파라미터의 값을 비교하여 동일한 레슨에 대한 정보(: 복수의 파라미터의 값)가 중복으로 수신되었는지 여부를 식별할 수 있다. 중복되는 레슨이 있는 경우, 전자 장치(100)는 하나의 레슨 외의 나머지 중복되는 레슨 각각의 복수의 파라미터의 값을 삭제할 수 있다.

또한, 전자 장치(100)는 각각의 서버(310, 320, 330)로부터 수신되는 레슨에 대한 정보(ex. 레슨의 복수의 복수의 파라미터의 값)에 따라, 각 서버(310, 320, 330)의 점유율을 식별할 수 있다.

예를 들어, 특정 기간 동안, 제1 서버(310)로부터 50개의 레슨에 대한 복수의 파라미터의 값이 수신되고, 제2 서버(320)로부터 30개의 레슨에 대한 복수의 파라미터의 값이 수신되고, 제3 서버(330)로부터 20개의 레슨에 대한 복수의 파라미터의 값이 수신되는 경우를 가정한다. 이 경우, 전자 장치(100)는 제1 서버 내지 제3 서버(310, 320, 330)의 점유율을 각각 5:3:2로 식별할 수 있다.

이 경우, 전자 장치(100)는 점유율에 따라 각 서버와 통신을 수행하여 레슨에 대한 정보를 수신할 수 있다. 예를 들어, 전자 장치(100)는 점유율에 반비례하는 주기(6:10:15)를 각 서버에 대하여 설정하여 각 주기마다 중개된 거래에 대한 정보를 수신할 수 있다.

구체적인 예로, 전자 장치(100)는 6일마다 제1 서버(310)를 통해 중개된 레슨에 대한 정보를 수신하고, 10일마다 제2 서버(320)를 통해 중개된 레슨에 대한 정보를 수신하고, 15일마다 제3 서버(330)를 통해 중개된 레슨에 대한 정보를 수신할 수 있다. 그 결과, 한 번에 수신되는 정보의 양이 비교적 균일하게 유지됨으로써, 레슨의 파라미터의 값을 토대로 분석 및 예측을 수행하는 전자 장치(100)의 연산 및 성능 유지에 도움이 될 수 있다.

여기서, 각 기간마다 각 서버를 통해 중개되는 레슨의 수는 유동적일 수 있기 때문에, 각 서버의 점유율은 기간마다 수신되는 레슨에 대한 정보에 따라 업데이트될 수 있다. 그 결과, 각 서버(310, 320, 330) 별로 설정된 상술한 주기 역시 업데이트될 수 있다.

그리고, 다시 도 2를 참조하면, 전자 장치(100)는 발생한 이벤트에 대한 정보 및 복수의 파라미터의 값을 기반으로, 이벤트가 복수의 파라미터 각각에 미치는 영향 정도(degree of impact)를 식별할 수 있다(S220).

먼저, 전자 장치(100)는 과거의 적어도 하나의 기간 동안 발생한 이벤트에 대한 정보를 획득할 수 있다.

이벤트는, 레슨의 레저 활동 또는 거래와 관련된 다양한 이벤트를 포함할 수 있다. 예를 들어, 이벤트는 한파, 무더위, 열대야, 장마, 태풍, 소나기, 황사/미세먼지(: 일정 농도 이상), 전염병 등 기상 환경 내지 천재지변과 관련된 이벤트일 수 있다. 또한, 이벤트는 판매자의 광고 수행, (레슨 또는 레저 활동에 대한) 매스컴 보도 등 마케팅과 관련된 이벤트일 수 있다. 또한, 이벤트는 기준 근로 시간의 변경, 레저 활동에 대한 규제 변경, 재난 상황(ex. 전염병)에 따른 모임 허용 인원 변경 등 제도적 환경과 관련된 이벤트일 수 있다.

이벤트에 대한 정보는, 과거 발생한 이벤트에 대한 다양한 정보를 의미하는 것으로, 이벤트를 구성하는 다양한 이벤트 파라미터의 값을 포함할 수 있다. 예를 들어, 이벤트 파라미터는 이벤트의 종류, 이벤트의 발생 시점, 이벤트의 발생(유지) 기간 등에 해당할 수 있다.

이벤트 파라미터는 이벤트 별로 달라질 수 있다. 예를 들어, 이벤트가 장마인 경우, 이벤트 파라미터는 강우량(최대/최저/평균), 강우 지역, 온도(최대/최소/평균) 등에 해당할 수 있다. 다른 예로, 이벤트가 판매자의 광고 수행인 경우, 이벤트 파라미터는 광고 수단, 광고 비용, 광고 노출 횟수 등에 해당할 수 있다.

전자 장치(100)는 사용자 입력에 따라 과거 발생한 이벤트에 대한 정보를 획득할 수 있다. 사용자 입력은, 전자 장치(100)에 구비된 사용자 입력부를 통해 수신될 수도 있고, 전자 장치(100)와 통신 가능하 적어도 하나의 사용자 단말(ex. 판매자 단말)을 통해 수신될 수도 있다.

또는, 전자 장치(100)는 적어도 하나의 외부 장치(ex. 온라인 플랫폼을 운영하는 서버, 기상 예측 서버, 기상 예보를 수행하는 포털/방송 시스템, 인터넷 포털 서버 등)로부터 과거 발생한 이벤트에 대한 정보를 수신할 수도 있다.

그리고, 전자 장치(100)는 획득된 이벤트에 대한 정보 및 앞서 레슨 별로 획득된 복수의 파라미터의 값을 활용하여, 이벤트가 복수의 파라미터에 미치는 영향 정도를 판단할 수 있다.

구체적으로, 전자 장치(100)는 이벤트가 발생하지 않은 시기에 제공되었던 레슨에 대하여 수집된 복수의 파라미터의 제1 값을 식별하고, 이벤트가 발생한 시기에 제공되었던 레슨에 대하여 복수의 파라미터의 제2 값을 식별할 수 있다. 그리고, 전자 장치(100)는 파라미터 별로 제1 값 및 제2 값을 비교하여, 이벤트가 복수의 파라미터 각각에 미치는 영향 정도를 식별할 수 있다.

또한, 전자 장치(100)는 이벤트를 구성하는 이벤트 파라미터 각각이 상기 복수의 파라미터 각각에 미치는 영향 정도를 판단할 수도 있다. 예를 들어, 장마에 따른 강우량이 레슨의 특정 파라미터(ex. 수강 인원수)에 미치는 영향 정도가 산출될 수 있다.

영향 정도는, 이벤트 파라미터와 파라미터 간의 관계를 정의하는 영향 상수로 표현될 수 있으며, 전자 장치(100)는 이벤트를 구성하는 각각의 이벤트 파라미터와 파라미터 간의 관계를 정의하는 관계식 내에서 이벤트 파라미터에 적용될 수 있는 영향 상수를 판단할 수 있다. 관계식은, 복수의 이벤트 파라미터의 값의 조합을 통해 레슨의 파라미터의 값이 도출되도록 구성될 수도 있다.

한편, 레슨을 통해 제공되는 레저 활동의 종류에 따라 이벤트의 영향 정도가 독립적으로 판단될 수 있다. 예를 들어, 동일한 장마 기간이라고 하더라도, 실외 활동을 제공하는 레슨(ex. 등산)에 대한 영향 정도가 실내 활동을 제공하는 레슨(ex. 독서)에 대한 영향 정도보다 크게 산출될 수 있다.

한편, 과거의 기간들마다 이벤트의 영향 정도가 독립적으로 판단될 수 있다. 구체적으로, 전자 장치(100)는 과거의 복수의 기간(제1 기간, 제2 기간, 제3 기간) 각각에 대하여 이벤트가 각 파라미터에 미치는 영향 정도를 판단할 수 있다. 여기서, 제1 기간은 가장 과거의 기간이고, 제3 기간은 가장 최근의 기간에 해당한다.

예를 들어, 광고(: 이벤트)가 매출(: 파라미터)에 미치는 영향 정도가 제1 내지 제3 기간 각각에 대해서 판단될 수 있다. 이 경우, 전자 장치(100)는 기간 별로 판단된 영향 정도를 모두 적용하여 광고가 매출에 미치는 영향 정도를 판단할 수 있다.

구체적인 예로, 전자 장치(100)는 각 기간(제1 내지 제3 기간)의 영향 정도에 대한 평균값을 획득하거나, 각 기간의 영향 정도를 합산할 수 있다.

또는, 전자 장치(100)는 기간 별로 판단된 영향 정도에 서로 다른 가중치를 부여하여 합산할 수도 있다. 이 경우, 현재에 가까운 기간일수록 더 큰 가중치가 부여될 수 있다.

그리고, 도 2를 참조하면, 전자 장치(100)는 적어도 하나의 이벤트의 예정 정보 및 이벤트의 영향 정도를 기반으로, 예정된 적어도 하나의 레슨에 대하여 복수의 파라미터 중 적어도 하나의 파라미터의 값을 예측할 수 있다(S230).

이벤트에 대한 예정 정보는, 향후 발생할 이벤트에 대한 다양한 정보를 의미하며, 이벤트를 구성하는 다양한 이벤트 파라미터의 값을 포함할 수 있다.

전자 장치(100)는 사용자 입력에 따라 향후 발생할 이벤트에 대한 예정 정보를 획득할 수 있다.

또는, 전자 장치(100)는 적어도 하나의 외부 장치(ex. 온라인 플랫폼을 운영하는 서버, 기상 예측 서버, 인터넷 포털 서버 등)로부터 향후 발생할 이벤트에 대한 예정 정보를 수신할 수도 있다.

예정된 레슨은, 사용자 입력에 따라 생성 및 등록될 수 있다.

전자 장치(100)는 예정된 레슨에 대한 적어도 하나의 파라미터의 값을 사용자 입력에 따라 설정할 수 있다. 예를 들어, 예정된 레슨에 대하여, 레슨의 제공 기간, 지역, 레저 활동의 유형, 구매자별 단가, 결제 수단, 플랫폼의 종류 등의 파라미터들의 값이 사용자 입력에 따라 설정될 수 있다.

다른 예로, 전자 장치(100)는 예정된 레슨에 대한 파라미터의 값을, 과거 제공된 레슨 각각에 대한 해당 파라미터의 변경 이력에 따라 예측할 수도 있다.

이 경우, 전자 장치(100)는 과거 제공된 레슨 각각에 대하여 파라미터의 값의 변경 이력을 식별할 수 있다. 그리고, 식별된 변경 이력에 따라, 전자 장치(100)는 예정된 레슨에 대하여 파라미터의 값을 예측할 수 있다. 예를 들어, 특정한 유형의 레저 활동에 있어서, 전자 장치(100)는 과거 레슨이 제공된 기간(기간의 길이)의 변경 이력을 식별하고, 식별된 변경 이력에 따라, 예정된 레슨의 제공 기간을 예측할 수 있다.

그리고, 전자 장치(100)는 (향후 발생할) 이벤트의 예정 정보에 포함된 이벤트 파라미터 각각의 값을 기반으로, 예정된 레슨에 대하여 적어도 하나의 파라미터의 값을 예측할 수 있다.

이 경우, 전자 장치(100)는 각 이벤트 파라미터가 각 파라미터에 미치는 영향 정도를 활용하여 적어도 하나의 파라미터의 값을 예측할 수 있다.

이때, 전자 장치(100)는 이벤트의 예정 기간과 예정된 레슨의 제공 기간이 매칭되는 정도에 따라, 이벤트(이벤트 파라미터)가 미치는 영향 정도를 조정할 수 있다. 그리고, 전자 장치(100)는 조정된 영향 정도에 따라, 예정된 레슨에 대하여 적어도 하나의 파라미터의 값을 예측할 수 있다.

관련하여, 도 4는 본 개시의 일 실시 예에 따른 전자 장치가 이벤트(ex. 장마)의 예정 정보를 통해 레슨(ex. 등산)의 파라미터를 예측하는 동작을 설명하기 위한 도면이다.

도 4를 참조하면, 향후 발생할 이벤트인 장마(420)의 예정 정보를 구성하는 복수의 이벤트 파라미터(421, 422, 423, 424 등) 및 예정된 레슨인 등산(410)에 대한 복수의 파라미터(411, 412, 413, 414, 415)가 도시되어 있다.

구체적으로, 장마(420)에 대하여 장마 기간(421), 강우 지역(422), 온도(423), 강우량(424) 등의 이벤트 파라미터의 값이 설정되어 있을 수 있다.

레슨에 해당하는 등산(410)을 구성하는 파라미터들 중 구매자 별 단가(411), 레슨 제공 지역(414), 레슨 제공 시간대(415) 등은 사용자 입력에 따라 파라미터의 값이 설정될 수 있다. 플랫폼 수(413)는 레슨의 판매를 중개하는 온라인 서버(: 플랫폼)의 수에 따라 파라미터의 값이 설정될 수 있다.

한편, 등산(410)을 구성하는 파라미터들 중 매출(412)의 경우 사용자 입력 등에 따라 미리 설정되어 있지 않을 수 있다.

이 경우, 전자 장치(100)는 각 이벤트 파라미터(421, 422, 423, 424)가 매출(412)에 미치는 영향 정도를 기반으로 매출(412)의 값을 예측할 수 있다.

구체적으로, 전자 장치(100)는 각 이벤트 파라미터(421, 422, 423, 424)의 값에 영향 정도를 반영하여 매출(412)의 값을 예측할 수 있다. 이때, 전자 장치(100)는 이벤트의 예정 기간과 (예정된) 레슨의 제공 기간이 서로 겹치는 기간의 길이에 따라 영향 정도를 조정하여 반영할 수 있다. 이 경우, 겹치는 기간이 길수록 영향 정도가 더 크게 조정될 수 있음은 물론이다.

또한, 전자 장치(100)는 레슨을 구성하는 다른 파라미터(411, 413, 414, 415)의 값을 함께 반영하여 매출(412)의 값을 예측할 수도 있다.

구체적으로, 전자 장치(100)는 과거 제공된 하나 이상의 레슨 각각에 대하여 획득된 복수의 파라미터(411, 412, 413, 414, 415)의 값을 기반으로, 파라미터 간의 연관도를 식별할 수 있다.

예를 들어, 전자 장치(100)는 구매자 별 단가(411), 플랫폼 수(413), 레슨 제공 지역(414), 레슨 제공 시간대(415) 중 적어도 하나의 파라미터와 매출(412) 간의 연관도를 식별할 수 있다.

이 경우, 전자 장치(100)는 장마(420)를 구성하는 이벤트 파라미터(421, 422, 423, 424)의 값, 이벤트 파라미터(421, 422, 423, 424)가 매출(412)에 미치는 영향 정도, 등산(410)에 대하여 값이 설정된 파라미터(411, 413, 414, 415)의 값, 파라미터(411, 413, 413, 415)와 매출(412)간의 연관도를 모두 고려하여, 예정된 레슨(410)에 대한 매출(412)의 값을 예측할 수 있다.

이렇듯, 이벤트가 파라미터에 미치는 영향 정도에 더하여 파라미터 간의 연관도까지 반영됨으로써, 예정된 레슨의 파라미터가 정밀하게 예측될 수 있다.

한편, 레슨과 관련된 파라미터 간의 연관도가 식별되는 과정에 대해 보다 구체적으로 설명하면, 먼저, 연관도는 둘 이상의 파라미터가 서로 연관된 정도를 의미하는 지표이다.

연관도는, 특정 파라미터의 변화에 따른 다른 파라미터의 변화를 예측하는 데에 이용될 수 있다. 예를 들어, 레슨의 서비스 시간대에 따라 참여 인원수가 달라지는 경우, 레슨의 서비스 시간대와 참여 인원수 간의 연관도가 정의될 수 있다.

전자 장치(100)는 레슨의 대상이 되는 레저 활동의 유형 별로, 복수의 파라미터 간의 연관도를 독립적으로 식별할 수 있다. 예를 들어, 등산을 제공하는 레슨들에 대해서 복수의 파라미터 간의 연관도가 산출되고, 낚시를 제공하는 레슨들에 대해서는 복수의 파라미터 간의 연관도가 별도로 산출되는 등, 레저 활동의 유형 별로 복수의 파라미터에 대한 분석이 독립적으로 수행될 수 있다.

또한, 전자 장치(100)는 기간 별로(주/월/분기/년) 복수의 파라미터 간의 연관도를 식별할 수 있다. 예를 들어, 제1 분기 동안 제공된 레슨들에 대해서 복수의 파라미터 간의 연관도가 산출되고, 제2 분기 동안 제공된 레슨들에 대해서 복수의 파라미터 간의 연관도가 산출되는 등, 기간 별로 연관도 분석이 구분되어 수행될 수 있다.

또한, 전자 장치(100)는 레슨이 제공되는 지역 별로 복수의 파라미터 간의 연관도를 독립적으로 식별할 수도 있다. 예를 들어, 전자 장치(100)는 제1 지역에서 제공된 레슨들에 대해서 복수의 파라미터 간의 연관도를 산출하고, 이와 별도로, 제2 지역에서 제공된 레슨들에 대해서는 복수의 파라미터 간의 연관도를 따로 산출할 수 있다.

전자 장치(100)는 적어도 두 개의 파라미터에 대하여 선형회귀분석, 유의미 정도 분석(ex. R-squared, F-stastic, p-value), 변동성 분석 등을 수행할 수 있으나, 이에 한정되지 않는다. 예를 들어, 전자 장치(100)는 유의미 정도가 일정 수치 이상인 파라미터 간의 회귀 계수를 연관도 상수로 획득할 수 있다.

한편, 파라미터 간의 연관도는, 셋 이상의 파라미터 간의 함수 내지는 관계식을 통해 정의될 수 있다. 이때, 함수/관계식 내에서 각 파라미터 별로 연관도 상수가 정의되어 산출될 수 있다.

한편, 전자 장치(100)는 특정 파라미터에 대해 연관 파라미터를 식별할 수 있다. 여기서, 연관 파라미터는, 상술한 특정 파라미터와의 관계에서 회귀 분석 결과 유의미 정도가 일정 수치 이상인 파라미터를 의미할 수 있으나, 이에 한정되지 않는다.

만약, 복수의 파라미터 중 해당 파라미터에 대한 연관 파라미터의 수가 한 개인 경우, 전자 장치(100)는 회귀 계수와 같은 하나의 연관도 상수를 획득할 수 있다.

반면, 해당 파라미터에 대한 연관 파라미터의 수가 복수 개인 경우, 전자 장치(100)는 복수의 연관 파라미터 각각의 값을 조합하여 해당 파라미터의 값을 산출하기 위한 함수 또는 관계식을 생성할 수 있다. 함수 또는 관계식은, 복수의 연관 파라미터 각각에 대해 적용되는 연관도 상수를 포함할 수 있다.

예를 들어, 이하 관계식을 구성하는 각각의 연관도 상수(a1, a2, a3)가 정의될 수 있다. f(파라미터)는 파라미터의 값을 나타낼 수 있다. 또는, 파라미터가 지역이나 시간대인 경우와 같이 파라미터의 값이 양적 수치 값이 아닌 경우, f(파라미터)는 파라미터의 값(ex. 특정 지역, 특정 시간대)이 기설정된 변환 함수에 따라 변환된 숫자 값에 해당할 수 있다.

매출 = a1·f(레슨이 제공되는 지역) + a2·f(레슨이 제공되는 시간대) + a3·f(판매에 이용된 플랫폼 수).

그리고, 전자 장치(100)는 연관 파라미터의 수에 따라 각 파라미터의 중요도를 설정할 수 있다.

구체적으로, 전자 장치(100)는 파라미터에 대한 연관 파라미터의 수에 따라, 파라미터의 중요도를 설정할 수 있다. 여기서, 전자 장치(100)는 연관 파라미터의 수가 많을수록 파라미터의 중요도를 더 높게 산정할 수 있다.

그리고, 파라미터의 중요도에 따라, 전자 장치(100)는 파라미터에 연관된 복수의 연관 파라미터 각각에 대해 적용되는 연관도 상수의 업데이트 주기를 식별할 수 있다. 이때, 중요도가 높을수록 업데이트 주기는 짧아질 수 있다.

그리고, 업데이트 주기마다, 전자 장치(100)는 기간(: 해당 주기) 내에 제공된 레슨 각각에 대하여 파라미터의 값 및 연관 파라미터 각각의 값을 획득하고, 획득된 파라미터의 값 및 획득된 연관 파라미터 각각의 값을 기반으로 연관도 상수를 업데이트할 수 있다.

그 결과, 중요도가 높은(: 많은 수의 파라미터와 연계된) 파라미터일수록 연관 파라미터의 연관도가 자주 업데이트되어 향후 연관도 기반 예측의 정확도가 보장될 수 있다. 특히, 업데이트 주기마다 (파라미터 전체가 아닌) 업데이트의 대상인 파라미터들(: 파라미터, 연관 파라미터들)의 값만이 선택적으로 수집되어 분석되고 나머지 파라미터의 값은 공유되지 않을 수 있으므로, 통신량 및 연산량 면에서 효율성이 증대될 수 있다. 또한, 비교적 중요도가 낮은 파라미터에 대해서는 연관 파라미터의 연관도 상수의 업데이트 주기가 상대적으로 길다는 점에서도, 통신량 및 연산량 면에서 효율성이 증대될 수 있다.

한편, 일 실시 예로, 전자 장치(100)는 (레슨에 대한) 영향 정도가 식별된 적어도 하나의 이벤트를 등록할 수 있다.

구체적으로, 상술한 S220 과정에 따라, 제1 이벤트가 (레슨과 관련된) 복수의 파라미터 각각에 미치는 제1 영향 정도가 식별되면, 전자 장치(100)는 제1 이벤트를 등록할 수 있다.

이 경우, 제1 이벤트 및/또는 제1 이벤트를 구성하는 이벤트 파라미터가 (레슨과 관련된) 복수의 파라미터 각각에 미치는 제1 영향 정도가 함께 저장될 수 있다. 다만, 영향 정도가 일정 수치 미만인 이벤트 파라미터의 경우, 이벤트 파라미터에 대한 정보 및 이벤트 파라미터가 미치는 영향 정도가 이벤트와 함께 저장(등록)되지 않을 수 있다.

이후, 등록된 제1 이벤트의 예정 정보(: 제1 이벤트의 발생을 알리는 정보)가 수신되면, 전자 장치(100)는 제1 이벤트의 예정 정보 및 제1 이벤트가 레슨에 미치는 제1 영향 정도를 기반으로, 예정된 적어도 하나의 레슨에 대하여 적어도 하나의 파라미터의 값을 예측할 수 있다.

다만, 등록되지 않은 제2 이벤트의 예정 정보가 수신된 경우, 제2 이벤트가 레슨에 미칠 영향 정도가 식별되지 않은 상태라는 점에서 파라미터의 예측에 문제가 생길 수 있다.

관련하여, 도 5는 본 개시의 일 실시 예에 따른 전자 장치가 기등록되지 않은 이벤트의 영향 정도를 식별하는 동작을 설명하기 위한 도면이다.

도 5를 참조하면, 장마(511), TV 광고(512), 법 개정(513) 등의 이벤트들이 등록되어 있음을 전제로, 등록된 이벤트들에 대한 정보(510)가 도시되었다. 해당 정보(510)는, 등록된 이벤트들(511, 512, 513)이 레슨에 미치는 영향 정도를 포함한다.

구체적으로, 각 이벤트(ex. TV 광고(512))를 구성하는 이벤트 파라미터(ex. 방영 시간, 방영 채널, 방영 횟수, 광고 비용)에 대한 정보, 및 각 이벤트 파라미터가 레슨에 미치는 영향 정도에 대한 정보가 저장되어 있을 수 있다.

여기서, 기등록되지 않은 이벤트인 TV 방영(515)의 예정 정보가 획득되는(수신되는) 경우, 전자 장치(100)는 등록된 이벤트(511, 512, 513 등) 중 TV 방영(515)과 가장 유사한 이벤트를 식별할 수 있다.

구체적으로, 전자 장치(100)는 TV 방영(515)을 기등록된 각 이벤트(511, 512, 513)와 비교할 수 있다.

이 경우, 전자 장치(100)는 TV 방영(515)의 이벤트 명칭(: TV 방영)을 각 이벤트(511, 512, 513)의 이벤트 명칭과 비교할 수 있다. 또한, 전자 장치(100)는 TV 방영(515)을 구성하는 이벤트 파라미터(ex. 방영 시간, 방영 채널, 방영 횟수 등)를 각 이벤트(511, 512, 513)를 구성하는 이벤트 파라미터와 비교할 수도 있다.

일 예로, 전자 장치(100)는 등록된 각 이벤트의 명칭과 TV 방영(515)의 명칭을 비교하여 등록된 각 이벤트의 제1 유사도를 식별할 수 있다. 그리고, 전자 장치(100)는 등록된 각 이벤트와 TV 방영(515) 간에 일치하는 이벤트 파라미터의 수 또는 비율에 따라 제2 유사도를 식별할 수 있다.

이 경우, 전자 장치(100)는 제1 유사도 및 제2 유사도가 반영된 유사도를 산출하고, 등록된 이벤트들(511, 512, 513 등) 중 유사도가 가장 큰 이벤트를 선택할 수 있다. 이때, 전자 장치(100)는 유사도가 임계치 이상임을 전제로 적어도 하나의 이벤트를 선택할 수 있다.

그 결과, 전자 장치(100)는 기등록된 이벤트(511, 512, 513) 중 TV 방영(515)과 가장 유사한 이벤트인 TV 광고(512)를 식별할 수 있다.

그리고, 전자 장치(100)는 (가장 유사한 것으로 식별된) TV 광고(512)가 레슨의 파라미터에 미치는 (기등록된) 영향 정도에 따라 TV 방영(515)이 레슨의 파라미터에 미치는 영향 정도를 판단할 수 있다.

예를 들어, 이벤트들(TV 광고, TV 방영)에 공통적으로 포함된 동일한 이벤트 파라미터(ex. 방영 시간, 방영 채널, 방영 횟수 등)에 대해서는, 영향 정도 역시 동일한 것으로 식별될 수 있다.

또한, 전자 장치(100)는 산출된 이벤트 간의 유사도에 따라 TV 방영(515)이 레슨에 미치는 영향 정도를 판단할 수 있다.

구체적인 예로, TV 광고(512)의 적어도 하나의 이벤트 파라미터가 레슨에 미치는 영향 정도에 상술한 유사도가 적용(ex. 곱하기)될 수 있다. 그 결과, TV 방영(515)의 적어도 하나의 이벤트 파라미터가 레슨의 파라미터에 미치는 영향 정도(B')가 산출될 수 있다.

즉, 등록된 이벤트(ex. TV 광고(512))에 대한 유사도가 클수록, TV 방영(515)의 영향 정도는 등록된 이벤트(ex. TV 광고(512))의 영향 정도에 근접하게 산출될 수 있다.

이렇듯, 기등록되어 있지 않았던 이벤트(ex. TV 방영(515))의 영향 정도가 판단되면, 전자 장치(100)는 해당 이벤트(ex. TV 방영(515))를 등록할 수 있다. 즉, TV 방영(515)을 구성하는 각각의 이벤트 파라미터가 적어도 하나의 레슨에 미치는 영향 정도가 상술한 정보(510)에 추가될 수 있다.

다만, 등록된 이벤트에 대한 정보(510)는 일정 수 이내의 이벤트들에 대한 정보만을 포함하거나, 또는 그 용량이 일정 용량 이내로 제한될 수 있다.

예를 들어, 도 5와 같은 과정을 거친 결과 새롭게 영향 정도가 판단된 이벤트(ex. TV 방영(515)가 발생한 경우, 전자 장치(100)는 기존에 등록되어 있던 이벤트의 수를 식별할 수 있다.

만약, 기존에 등록된 이벤트의 수가 일정 수에 다다른 경우, 전자 장치(100)는 등록된 이벤트들 중 새로운 이벤트(ex. TV 방영(515))보다 영향 정도가 수치적으로 낮은 이벤트가 존재하는지 여부를 판단할 수 있다. 존재하는 경우, 전자 장치(100)는 영향 정도가 가장 낮은 이벤트를 새로운 이벤트(ex. TV 방영(515))로 대체할 수 있다. 반면, 존재하지 않는 경우, 전자 장치(100)는 새로운 이벤트(ex. TV 방영(515))를 추가로 등록하지 않을 수 있다.

한편, 도 6은 본 개시의 다양한 실시 예에 따른 전자 장치의 구성을 설명하기 위한 블록도이다.

도 6을 참조하면, 전자 장치(100)는 메모리(110), 프로세서(120) 외에 통신부(130), 사용자 입력부(140), 출력부(150) 등을 포함할 수 있다.

통신부(130)는 전자 장치(100)가 다양한 외부 장치와 데이터를 송수신하기 위한 구성으로, 통신을 위한 적어도 하나의 회로를 포함할 수 있다.

통신부(130)는 TCP/IP(Transmission Control Protocol/Internet Protocol), UDP(User Datagram Protocol), HTTP(Hyper Text Transfer Protocol), HTTPS(Secure Hyper Text Transfer Protocol), FTP(File Transfer Protocol), SFTP(Secure File Transfer Protocol), MQTT(Message Queuing Telemetry Transport) 등의 통신 규약(프로토콜)을 이용하여 하나 이상의 외부 전자 장치와 다양한 정보를 송수신할 수 있다.

이를 위해, 통신부(130)는 유선 통신 및/또는 무선 통신을 통해 구현된 네트워크를 기반으로, 외부 장치와 연결될 수 있다. 이때, 통신부(130)는 외부 장치와 직접적으로 연결될 수도 있지만, 네트워크를 제공하는 하나 이상의 외부 서버(ex. ISP(Internet Service Provider))를 통해서 외부 전자 장치와 연결될 수도 있다.

네트워크는 영역 또는 규모에 따라 개인 통신망(PAN; Personal Area Network), 근거리 통신망(LAN; Local Area Network), 광역 통신망(WAN; Wide Area Network) 등일 수 있으며, 네트워크의 개방성에 따라 인트라넷(Intranet), 엑스트라넷(Extranet), 또는 인터넷(Internet) 등일 수 있다.

무선 통신은 LTE(long-term evolution), LTE-A(LTE Advance), 5G(5th Generation) 이동통신, CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), GSM(Global System for Mobile Communications), DMA(Time Division Multiple Access), WiFi(Wi-Fi), WiFi Direct, Bluetooth, NFC(near field communication), Zigbee 등의 통신 방식 중 적어도 하나를 포함할 수 있다.

유선 통신은 이더넷(Ethernet), 광 네트워크(optical network), USB(Universal Serial Bus), 선더볼트(ThunderBolt) 등의 통신 방식 중 적어도 하나를 포함할 수 있다.

여기서, 통신부(130)는 상술한 유무선 통신 방식에 따른 네트워크 인터페이스(Network Interface) 또는 네트워크 칩을 포함할 수 있다. 한편, 통신 방식은 상술한 예에 한정되지 아니하고, 기술의 발전에 따라 새롭게 등장하는 통신 방식을 포함할 수 있다.

전자 장치(100)가 서버인 경우, 전자 장치(100)는 통신부(130)를 통해 다양한 사용자 단말과 통신을 수행할 수 있으며, 적어도 하나의 웹 페이지 또는 애플리케이션을 통해 각 사용자 단말과 연동되어 본 개시의 다양한 실시 예에 따른 동작들을 수행할 수 있다.

전자 장치(100)가 스마트폰 등 사용자 단말(ex. 판매자 단말)인 경우, 전자 장치(100)는 통신부(130)를 통해 연결된 적어도 하나의 서버가 제공하는 애플리케이션/웹 페이지를 통해 본 개시의 다양한 실시 예에 따른 동작들을 수행할 수 있다.

전자 장치(100)는 통신부(130)를 통해 레슨의 판매 등을 중개하는 플랫폼과 관련된 하나 이상의 외부 서버와 통신을 수행할 수 있다. 이 경우, 전자 장치(100)는 외부 서버로부터 레슨 각각에 대한 복수의 파라미터의 값 및/또는 이벤트를 구성하는 복수의 이벤트 파라미터의 값을 수신할 수 있다.

사용자 입력부(140)는 사용자 명령 또는 사용자 정보 등을 입력 받기 위한 구성이다.

전자 장치(100)가 스마트폰, 노트북 PC 등 사용자 단말로 구현된 경우, 사용자 입력부(140)는 터치 센서, 버튼, 카메라, 마이크, 키보드 등으로 구현될 수 있다.

전자 장치(100)가 데스크탑 PC인 경우, 사용자 입력부(140)는 키보드 또는 마우스 등 다양한 입력 인터페이스와 연결된 단자로 구현될 수 있다.

출력부(150)는 다양한 정보를 출력하여 사용자에게 제공하기 위한 구성이다.

전자 장치(100)가 스마트폰 등의 사용자 단말로 구현된 경우, 출력부(150)는 디스플레이, 스피커, 이어폰/헤드셋 단자 등을 포함할 수 있다.

예를 들어, 전자 장치(100)는 다양한 파라미터의 값과 관련된 통계 정보(ex. 파라미터 별 최소값, 최대값, 평균값, 변화 이력 등)를 디스플레이를 통해 시각적으로 제공할 수 있다.

또한, 전자 장치(100)는 예정된 레슨과 관련하여 적어도 하나의 파라미터의 값을 예측하고, 예측된 파라미터의 값을 디스플레이를 통해 시각적으로 제공할 수 있다.

또한, 전자 장치(100)는, 예정된 레슨과 관련하여 특정 파라미터의 목표 값이 설정되면, 목표 값의 달성에 필요한 적어도 하나의 다른 파라미터의 값을 추천하는 추천 정보를 디스플레이를 통해 시각적으로 제공할 수 있다.

한편, 이상에서 설명된 다양한 실시 예들은 서로 저촉되거나 모순되지 않는 한 두 개 이상의 실시 예가 서로 결합되어 구현될 수 있다.

한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합된 것을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다.

하드웨어적인 구현에 의하면, 본 개시에서 설명되는 실시 예들은 ASICs(Application Specific Integrated Circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛(unit) 중 적어도 하나를 이용하여 구현될 수 있다.

일부의 경우에 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상술한 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.

한편, 상술한 본 개시의 다양한 실시 예들에 따른 전자 장치(100)에서의 처리동작을 수행하기 위한 컴퓨터 명령어(computer instructions) 또는 컴퓨터 프로그램은 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium)에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어 또는 컴퓨터 프로그램은 특정 기기의 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 전자 장치(100)에서의 처리 동작을 상술한 특정 기기가 수행하도록 한다.

비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.

이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

100: 전자 장치 110: 메모리
120: 프로세서

Claims (9)

1. 전자 장치의 제어 방법에 있어서,
   적어도 하나의 판매자를 통해 제공된 레슨 각각에 대하여, 상기 레슨에 포함되는 레저 활동 및 상기 레슨의 거래 중 적어도 하나와 관련된 복수의 파라미터의 값을 획득하는 단계;
   적어도 하나의 레슨이 제공되는 동안 발생한 이벤트에 대한 정보 및 상기 획득된 복수의 파라미터의 값을 기반으로, 상기 이벤트가 상기 복수의 파라미터 각각에 미치는 영향 정도(degree of impact)를 식별하는 단계; 및
   상기 이벤트의 예정 정보 및 상기 이벤트의 영향 정도를 기반으로, 예정된 적어도 하나의 레슨에 대하여 상기 복수의 파라미터 중 적어도 하나의 파라미터의 값을 예측하는 단계;를 포함하고,
   상기 전자 장치의 제어 방법은,
   제1 이벤트가 상기 복수의 파라미터 각각에 미치는 제1 영향 정도가 식별되면, 상기 제1 이벤트를 등록하는 단계;
   상기 등록된 제1 이벤트의 예정 정보가 수신되면, 상기 제1 이벤트의 예정 정보 및 상기 제1 이벤트의 제1 영향 정도를 기반으로, 예정된 적어도 하나의 레슨에 대하여 상기 복수의 파라미터 중 적어도 하나의 파라미터의 값을 예측하는 단계;
   기등록되지 않은 제2 이벤트의 예정 정보가 수신되면, 상기 제2 이벤트를 상기 등록된 제1 이벤트와 비교하여, 상기 제2 이벤트가 상기 복수의 파라미터 각각에 미치는 제2 영향 정도를 식별하는 단계; 및
   상기 제2 이벤트의 예정 정보 및 상기 제2 이벤트의 제2 영향 정도를 기반으로, 예정된 적어도 하나의 레슨에 대하여 상기 복수의 파라미터 중 적어도 하나의 파라미터의 값을 예측하는 단계;를 포함하고,
   상기 제2 영향 정도를 식별하는 단계는,
   상기 제1 이벤트의 명칭과 상기 제2 이벤트의 명칭을 비교하여 제1 유사도를 식별하고,
   상기 제1 이벤트의 이벤트 파라미터 각각을 상기 제2 이벤트의 이벤트 파라미터 각각과 비교하여, 일치하는 이벤트 파라미터의 수 또는 비율에 따라 제2 유사도를 식별하고,
   상기 제1 유사도 및 상기 제2 유사도를 바탕으로, 상기 제2 이벤트의 이벤트 파라미터 각각이 상기 복수의 파라미터 각각에 미치는 상기 제2 영향 정도를 식별하는, 전자 장치의 제어 방법.
2. 제1항에 있어서,
   상기 영향 정도를 식별하는 단계는,
   상기 이벤트가 발생하지 않은 시기에 제공된 레슨에 대하여 상기 복수의 파라미터의 제1 값을 식별하고,
   상기 이벤트가 발생한 시기에 제공된 레슨에 대하여 상기 복수의 파라미터의 제2 값을 식별하고,
   상기 제1 값 및 상기 제2 값을 비교하여, 상기 이벤트가 상기 복수의 파라미터 각각에 미치는 영향 정도를 식별하는, 전자 장치의 제어 방법.
3. 제1항에 있어서,
   상기 영향 정도를 식별하는 단계는,
   상기 이벤트를 구성하는 이벤트 파라미터 각각이 상기 복수의 파라미터 각각에 미치는 영향 정도를 판단하는, 전자 장치의 제어 방법.
4. 제3항에 있어서,
   상기 적어도 하나의 파라미터의 값을 예측하는 단계는,
   상기 이벤트의 예정 정보에 포함된 이벤트 파라미터 각각의 값을 기반으로, 상기 복수의 파라미터 중 적어도 하나의 파라미터의 값을 예측하는, 전자 장치의 제어 방법.
5. 제1항에 있어서,
   상기 적어도 하나의 파라미터의 값을 예측하는 단계는,
   상기 이벤트의 예정 기간과 상기 예정된 레슨의 제공 기간이 매칭되는 정도에 따라, 상기 이벤트가 상기 복수의 파라미터 중 적어도 하나의 파라미터에 미치는 영향 정도를 조정하고,
   상기 조정된 영향 정도에 따라, 상기 예정된 레슨에 대하여 적어도 하나의 파라미터의 값을 예측하는, 전자 장치의 제어 방법.
6. 제1항에 있어서,
   상기 전자 장치의 제어 방법은,
   사용자 입력에 따라, 예정된 레슨에 대하여 상기 복수의 파라미터 중 적어도 하나의 제1 파라미터의 값을 설정하는 단계;를 포함하고,
   상기 적어도 하나의 파라미터의 값을 예측하는 단계는,
   상기 이벤트의 영향 정도를 기반으로, 상기 예정된 레슨에 대하여 설정되지 않은 적어도 하나의 제2 파라미터의 값을 예측하는, 전자 장치의 제어 방법.
7. 제6항에 있어서,
   상기 전자 장치의 제어 방법은,
   상기 제공된 레슨 각각에 대하여 획득된 복수의 파라미터의 값을 기반으로, 상기 제1 파라미터와 상기 제2 파라미터 간의 연관도를 식별하는 단계;를 더 포함하고,
   상기 적어도 하나의 파라미터의 값을 예측하는 단계는,
   상기 설정된 제1 파라미터의 값, 상기 제1 파라미터와 상기 제2 파라미터 간의 연관도, 상기 이벤트의 예정 정보, 및 상기 이벤트의 상기 제2 파라미터에 대한 영향 정도를 기반으로, 상기 예정된 레슨에 대하여 상기 제2 파라미터의 값을 예측하는, 전자 장치의 제어 방법.
8. 삭제
9. 삭제

Images