KR102428084B1

KR102428084B1 - Ai를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템 그리고 방법

Info

Publication number: KR102428084B1
Application number: KR1020200161174A
Authority: KR
Inventors: 김일현
Original assignee: (주)플레이스링크; 김일현
Priority date: 2020-11-26
Filing date: 2020-11-26
Publication date: 2022-08-03
Also published as: KR20220073262A

Abstract

본 발명의 일 실시예에 따른 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템은, 상점에 위치한 상점단말기로부터 접속되어 연계 할인 상점 및 연계 할인 대상의 상품을 등록받고, 상점 간 연계 할인 서비스를 제공하기 위해 고객이 소지한 휴대단말기에서 실행된 연계할인 관리앱과 연동하며, 상기 휴대단말기에 실행된 연계할인 관리앱을 통하여 등록된 연계 할인 상점을 조회 가능하도록 제공하는 관리서버를 포함하며, 상기 관리서버는 고객이 특정 상점에 연계되어 있는 연계 상점을 이용하면 상점 상품에 대해 할인 받도록 상점 간 연계 할인 서비스를 제공하고, 고객의 스마트폰에 실행된 연계할인 관리앱의 화면에 상점 조회시 특정 상점에서 다른 연계할인 상점의 광고를 제공하도록 서비스를 제공하며, 고객정보 및 연계할인 제공 내역 등에 대한 통계정보를 수집하고, 인공지능 추천 알고리즘을 이용하여 해당 고객에게 연계할인 상점을 추천할 수 있도록 제공하되, 통계정보를 기반으로 한 빅데이터를 활용하여 연계할인 상점의 연계 할인율을 최적화하여, 최적화된 연계 할인율을 제공하는 연계할인 상점을 추천하고, 연계할인 상점에 적합한 광고를 제공하도록 추천하는 것을 특징으로 한다.

Description

AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템 그리고 방법{System and method for recommending linked discount rates and advertisement profit models optimized for stores using AI}

본 발명은 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템 그리고 방법에 관한 것으로, 더욱 상세하게는 AI를 활용하여 상점에게 최적화된 연계할인율 및 수익모델을 추천하는 시스템 그리고 방법에 관한 것이다.

데이터 시대의 도래로 인류는 데이터의 홍수 속에 살아가고 있다. 홍수처럼 밀려드는 데이터의 보관과 처리를 위해서 대규모 데이터와 그 처리를 위한 대량의 기계 장치가 필요하게 되었다. 컴퓨팅 능력과 하드웨어의 발전은 전통적인 관계형 데이터베이스만이 아니라 빅데이터의 보관과 처리를 위한 Hadoop, Hive, NoSQL과 같은 최신 기술들을 이용할 수 있도록 만들어 주었고 많은 기업들이 빅데이터 관련 인프라 구축을 위한 관심이 높아지고 있다.

또한, 방대하고도 다양한 데이터 내에서 인사이트, 유용한 규칙과 유의미한 결과를 발견하기 위해 많은 연구가 진행되고 있는데, 그에 따라 머신러닝과 딥러닝에 대한 연구들이 크게 각광을 받고 있다.

한편, 지역 상점들은 그 지역에 한정되어 지역사람들만 이용하여 매출이 제한적이며, 이로 인해 지역사회 활성화가 어려운 문제가 있다.

이를 위해 최근 사용되고 있는 지역화폐는 사람들이 자신들의 손으로 만들어서 일정 지역에서만 사용되는 가상화폐이다. 회원 상호 간에 품앗이 형태의 상호부조 또는 자원봉사를 통한 지역경제의 활성화 및 커뮤니티 활성화를 목적으로 법정화폐를 대신하여 포인트 방식으로 발행되는 것이 일반적이다. 지역공동체의 특색에 맞게 두루, 그린머니, 송파머니 등 다양한 명칭을 갖고 회원 상호 간에 거래되고 있다.

그러나 대부분의 지역화폐 거래는 지역에서 사용되고는 있으나, 다양한 할인 연계를 제공하고 있지 않아 좀 더 지역 상점 간 거래를 활성화할 수 있는 연계 할인 서비스를 제공할 필요성이 있다.

따라서, 지역사회 거래 활성화를 위해 지역화폐와 상점 간 연계를 활용하되, 지역 상점 연계 할인의 효율성 및 경제성을 제고하기 위해서 빅데이터 기반의 인공지능을 활용하여 최적화된 연계할인율과, 연계할인 상점에 적합한 상점 및 광고를 추천해주는 시스템을 개발할 필요성이 있다.

대한민국 공개특허 제10-2019-0142656호(2019년12월27일 공개)

본 발명의 목적은 지역화폐와 상점 간 연계를 활용을 하되, 수집된 데이터를 기반으로 한 인공지능 알고리즘에 의해 연계 할인이 적용되는 최적화된 연계할인율에 대한 정보를 제공하고, 이를 통해 최적화된 연계할인 상점을 고객에게 추천하며, 연계할인 상점간에 광고 게재를 추천해주고, 그에 따른 수익배분이 이루어질 수 있도록 하는 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템 및 방법을 제공하는 것이다.

상기 관리서버는 휴대단말기에서 상점 간 연계할인 서비스를 제공받기 위해 고객정보를 제공받아 등록하거나, 상기 상점단말기에서 상점 상품을 등록하기 위해 상점 간 연계할인 서비스를 고객에 제공하기 위해 상점 등록하는 고객등록부; 결제승인부의 결제 요청시 해당 상품 또는 서비스에 설정된 상점 간 연계 할인율을 적용하는 연계할인부; 휴대단말기에 등록된 지역화폐의 바코드나 QR 코드를 제공받아 해당 코드 승인 여부에 따라 결제 승인을 수행하는 결제승인부; 고객정보 및 연계할인 제공 내역 등에 대한 통계정보를 수집한 후에 인공지능 추천 알고리즘을 이용하여 해당 고객에게 연계할인 상점을 추천할 수 있도록 제공할 수 있으며, 통계정보를 기반으로 한 빅데이터 및 인공지능 알고리즘을 활용하여 연계할인 상점의 연계 할인율을 최적화하여, 최적화된 연계 할인율을 제공하는 연계할인 상점을 추천하며, 연계할인 상점에 적합한 광고를 제공하도록 추천하는 추천부를 더 포함한다.

상기 관리서버는 고객정보, 상점 상품, 결제, 연계할인율에 대한 정보를 블록체인 서버를 이용하여 블록체인 기반으로 여러 시스템에 분산하여 저장 및 관리하는 보안관리부를 더 포함한다.

상기 추천부는 고객이 특정 상점에 연계되어 있는 연계 상점을 이용을 위해, 연계할인 상점 조회시 연계할인 관리앱의 화면에 노출되도록 연계 상점이 특정 상점에 연계 상점의 광고를 게재하도록 서비스를 제공하되, 인공지능 알고리즘을 활용하여 빅데이터로 수집된 연계할인 상점과 고객의 상점 이용 내역에 대한 통계정보를 기반으로 해당 상점에 관련된 연계할인 상점에 대한 광고를 추천해줄 수 있도록 서비스를 제공하고, 광고 제공 후 연계 상점에 대한 광고 수익을 특정 상점에게 배분하도록 제공하고, 상기 특정 상점 및 연계 상점은 상점단말기에서 실행되는 연계할인 관리앱을 통하여 광고 내용, 광고금액, 기간, 지역, 고객을 분류하여 광고 설정을 수행할 수 있도록 제공하는 기능을 더 포함한다.

상기 추천부는 통계정보를 기반으로 한 빅데이터 및 인공지능 알고리즘을 활용하여 연계할인 상점의 연계할인율을 최적화하도록 하는 연계할인 상점들을 추천하는 경우에는 상점 할인율에 따라서 고객 방문율에 차이가 발생하고, 할인율이 높을수록 상점의 수익률이 낮아지기 때문에 연계할인 상점 간 적정 연계 할인율을 찾도록 최적화된 연계 할인율을 산출하기 위한 기준값이 설정되며, 상기 인공지능 알고리즘은 RNN(Recursive Neural Network), SVM(support vector machine), CNN(Convolutional Neural Network) 신경망, GRU-CNN Hybrid 신경망 알고리즘 중 적어도 어느 하나를 포함하는 것을 특징으로 한다.

본 발명의 일 실시예에 따른 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 방법은, 고객이 소지한 휴대단말기에 실행된 연계할인 관리앱으로 관리서버와 연동하여 연계할인 상품 또는 서비스를 조회하는 단계; 상기 관리서버는 조회되는 연계할인 상품(상점)에 대하여 최적화된 연계할인율에 따라 우선순위 목록 형태로 제공되는 단계; 상기 휴대단말기는 상기 연계할인 관리앱에서 등록된 코드로 조회한 연계할인 상품 또는 서비스에 대한 주문을 요청하는 단계; 상기 연계할인 관리앱으로부터 상기 주문을 요청 받은 관리서버는 해당 상품 또는 서비스에 대한 코드를 승인하고, 설정된 연계할인 할인율에 따라 할인율을 적용하여 결제 승인하는 단계를 포함하되, 상기 관리서버는 고객정보 및 연계할인 제공 내역 등에 대한 통계정보를 수집하고, 인공지능 추천 알고리즘을 이용하여 해당 고객에게 연계할인 상점을 추천할 수 있도록 제공하되, 통계정보를 기반으로 한 빅데이터를 활용하여 연계할인 상점의 연계 할인율을 최적화하여, 최적화된 연계 할인율을 제공하는 연계할인 상점을 추천하고, 연계할인 상점에 적합한 광고를 제공하도록 추천하는 것을 특징으로 한다.

상기 방법에 있어서, 관리서버는 연계할인 상점에 대한 최적화된 광고를 추천하기 위한 광고 설정이 이루어지는 단계; 설정된 광고 추천 알고리즘에 따라 고객(상점 이용객)이 소지한 휴대단말기에서 연계할인 관리앱을 통하여 연계할 상품(상점)을 검색시 표시되는 형태로 제공되는 단계; 연계 상점 간 광고 제공에 따라 광고 수익 배분이 이루어지도록 광고 비용 산정하는 단계; 광고 비용에 따라 연계할인 상점 간 수익 배분이 이루어지는 단계를 더 포함한다.

상기 광고 설정에는 광고 추천 파라미터가 적용되고, 상기 광고 추천 파라미터는 상권 특성, 고객 특성, 업종 특성을 변수로 하는 파라미터가 되며, 파라미터를 고려하여 연계되는 상점간 특성에 따라 제공되는 광고가 달라지도록 설정되는 것을 특징으로 한다.

특정 상점의 상점단말기는 관리서버로부터 연계할인 상점의 광고 게재에 대한 광고비용 결제요청정보를 제공받고, 연계할인 상점의 상점단말기로 해당 광고 비용을 대신 지불하도록 요청하며, 지불된 광고 비용에 대해 일정 부분 연계서비스 수수료를 관리서버에 수납하고, 나머지 금액에 대해서 상기 특정 상점의 광고 수익으로 재분배하도록 하여 연계할인 상점 광고 게재에 따른 수익을 배분하여 공유하도록 하는 것을 특징으로 한다.

상기 상점단말기는

일정기간 이내 고객 재방문시 추가 할인율을 제공하도록 설정할 수 있으며,

해당 상점 또는 해당 상점과 연계되는 연계할인 상점을 재방문시마다 일정 비율을 누적하여 추가로 중복 할인을 제공하며,

상기 추가 할인율은 기제공한 고객정보 및 통계정보를 인공지능 알고리즘을 이용하여 분석해서 나온 결과로써 사용자 별로 달라지도록 설정되는 것을 특징으로 한다.

상기 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 방법은 컴퓨터로 읽을 수 있는 저장매체에 저장된 컴퓨터 프로그램에 의해 수행된다.

본 발명은 상점 간 연계할인 설정을 통해 상점 간 거래를 활성화 시킬 수 있으며, 지역화폐를 이용하고, 연계된 상점을 방문하는 고객에게 최적화된 할인율을 제시함으로써 연계상점의 지속적인 재방문을 유도하여 상점의 매출을 높혀줄 수 있으므로, 지역 상점에게는 매출 확대가, 고객은 서비스를 이용할 충분히 동기부여가 되는 효과가 있다.

또한, 연계할인 상점 조회시, 수집된 통계자료에 대한 빅데이터 및 인공지능 알고리즘을 기반으로 최적화된 연계할인율을 제공하는 연계할인 상점을 추천해줌으로써, 고객과 상점 모두 연계할인을 통한 이익을 극대화할 수 있는 장점이 있다.

또한, 상점 간 연계되는 상점의 광고를 게재하여 연계상점으로 고객들을 유도함으로써, 광고 수익을 얻고, 연계 상점의 광고를 게재한 상점에게 수익의 일부을 공유하도록 하여, 상호간에 수익을 창출하고, 윈윈전략을 수립할 수 있으며, 나아가 연계 상점수가 많아지고, 고객 이용률이 높을수록 수익이 극대화되는 장점이 있다.

또한, 연계할인권을 통해서 상점 간 연계할인이 중복 적용되어 할인율이 상승할 수 있으며, 지역사회 활성화에 기여할 수 있는 이점이 있다.

또한, 블록체인 기반으로 결제에 대한 거래 내역을 저장하여, 안전한 거래가 이루어지도록 하는 이점이 있다.

도 1은 본 발명의 일 실시예에 따른 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템의 전체 구성을 보인 블록도이다.
도 2는 도 1의 관리서버의 세부 구성을 보인 블록도이다.
도 3은 본 발명의 일 실시예에 따른 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 방법에서 고객이 최적화된 연계할인 서비스를 제공받는 과정에 대한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 방법에서 연계할인 서비스 제공시 최적화된 광고 추천 과정에 대한 순서도이다.
도 5는 연계할인 관리앱의 고객 검색 화면을 예시적으로 보인 도면이다.
도 6은 연계할인 관리앱의 상점 관리 화면을 예시적으로 보인 도면이다.
도 7은 연계할인 관리앱의 이벤트 설정 화면을 예시적으로 보인 도면이다.
도 8은 상점 간 연계할인 개념을 설명하기 위한 도면이다.
도 9는 지오펜싱을 활용하여 상점 간 연계할인 가능한 설정 예시를 설명한 도면이다.
도 10은 연계할인 가능한 상점 간 광고 게재 및 수익 분배하는 과정을 설명한 도면이다.
도 11은 블록체인 기술에 의한 광고료 송금 내역에 대한 블록 생성 및 보안 적용하는 과정을 설명한 도면이다.
도 12는 복합형 추천 알고리즘인 hybrid CNN(convolutional neural network)-GRU(gate recurrent units) 신경망 알고리즘을 설명하기 위한 도면이다.
도 13은 복합형 추천 알고리즘을 활용한 최적화된 연계할인율 및 광고 추천을 위한 과정을 설명한 도면이다.

이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.

도 1은 본 발명의 일 실시예에 따른 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템의 전체 구성을 보인 블록도이다.

본 발명의 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템은, 도 1에 도시된 바와 같이, 통신망(400)을 통하여 상점단말기(200) 또는 휴대단말기(100)에 연결되어 상점 간 연계할인 및 수익 배분/공유 서비스를 제공하는 관리서버(300)를 포함한다.

여기서 통신망(400)은 인터넷망, 사설망 등 뿐만 아니라, LTE, 3G 등과 같은 이동통신망(400)이 포함될 수 있으며, 통신망(400)을 구축하거나 통신망(400)간에 연계하기 위해 필요한 공지의 세부 구성이 더 포함될 수 있다.

관리서버(300)는 상점에 위치한 상점단말기(200)로부터 접속되어 연계 할인 상점 및 연계 할인 대상의 상품을 등록받고, 상점 간 연계 할인 및 수익 공유/배분 서비스를 제공하기 위해 고객이 소지한 휴대단말기(100)에서 실행된 연계할인 관리앱과 연동하며, 휴대단말기(100)에 실행된 연계할인 관리앱을 통하여 등록된 연계 할인 상점을 조회 가능하도록 제공하고, 연계 할인 상품 주문 또는 서비스 예약시, 상품 주문 또는 서비스에 대한 결제를 수행하며, 해당 상품 또는 서비스를 등록한 상점단말기(200)로 결제 승인 정보를 전송한다.

또한 관리서버(300)는 상점 간 연계 시 수익을 분배할 수 있는 수익 공유 프로세스를 제공한다.

구체적으로 관리서버(300)는 예를 들어 고객이 상점A를 이용한 후 상점A에 연계되어 있는 상점B를 이용하면 할인을 받게 되는데, 이 때 상점A에 연계되어 있는 많은 상점들은 상점A에 광고를 내고, 고객의 스마트폰에 실행된 연계할인 관리앱의 화면 상단에 노출되어야 고객 방문율이 높아지기 때문에 상점B는 상점A에 상점B에 대한 광고를 제공할 수 있다.

이를 통해 상점A는 상점B에 대한 광고 수익을 공유(분배받음)하게 되고, 상점A는 상점단말기(스마트폰, PC, POS 등)를 활용하여 실행되는 연계할인 관리앱을 통하여 광고금액, 기간, 지역, 고객을 분류하여 광고 설정할 수도 있다.

나아가 관리서버(300)는 광고 수익을 공유시, 광고 게재에 의해 노출된 횟수나, 광고된 특정 상점의 고객 이용률이나, 연계 상점수가 많은 광고일수록 수익이 증대될 수 있으며, 수익을 공유해야 할 상점 수도 증가하게 되어, 상점들과 서비스업체(관리서버) 간에 서로 윈-윈 전략을 수립할 수 있는 이점이 있다.

또한 관리서버(300)에서는 수수료 차원에서 얻은 수입이나, 연계할인 상점에서 얻은 광고비용을 제공받아 연계할인율 적용에 일정 비율 반영하여 상호 간 수익을 극대화할 수도 있다.

또한 본 발명의 연계할인 관리앱은 상점 간 연계 할인 서비스를 제공받기 위한 상점단말기(200) 또는 고객이 소지한 휴대단말기(100)에 설치 및 실행되는 컴퓨터 프로그램의 일종인 어플리케이션이다.

또한, 관리서버(300)는 상품 주문 또는 서비스에 대한 결제시 상점 간 연계 할인율에 따라 적용하여 결제하고, 결제 방식으로 지역화폐를 이용한다.

고객이 소지한 휴대단말기(100)에서는 연계할인 관리앱을 관리서버(300)로부터 다운로드받아 설치하고, 실행함으로써, 관리서버(300)에서 제공되는 상점 간 연계 할인 서비스를 제공받을 수 있다.

또한, 휴대단말기(100)에서 상점 간 연계할인 서비스를 제공받기 위해 고객정보를 제공받아 등록하여야 하며, 연계할인 관리앱에서 연계할인 상품 또는 서비스 결제를 위한 지역화폐를 등록하여 결제 서비스를 제공 받을 수 있다.

지역화폐의 종류로는 지역 내에서 발행되는 카드형, 지류형, 모바일형 지역화폐로 구분할 수 있는데, 이들 모두 지역화폐 관리앱에서 지역화폐 발행시 고유식별코드로 제공되는 이차원 코드 형태인 바코드, QR코드를 이용하거나, 카드형인 경우 카드 번호를 이용하여 연계할인에 대한 결제 서비스를 위해 연계할인 관리앱에 등록할 수 있다.

또한, 관리서버(300)는 결제 승인 후 할인 쿠폰 형태로 재사용할 수 있는 연계할인권을 상기 연계할인 관리앱을 통하여 발급할 수 있다.

도 2는 도 1의 관리서버(300)의 세부 구성을 보인 블록도이다.

상기 관리서버(300)는 도 2에 도시된 바와 같이, 고객등록부(310), 연계할인부(320), 결제승인부(330), 추천부(340), 보안관리부(350), 서비스 DB(360), 모델 DB(361), 통계 DB(362)를 더 포함한다.

고객등록부(310)는 휴대단말기(100)에서 상점 간 연계할인 서비스를 제공받기 위해 고객정보를 제공받아 등록하거나, 상점단말기(200)에서 상점 상품을 등록하기 위해 상점 간 연계할인 서비스를 고객에 제공하기 위해 상점 등록한다.

연계할인부(320)는 결제승인부(330)의 결제 요청시 해당 상품 또는 서비스에 설정된 상점 간 연계 할인율을 적용한다.

또한 연계할인부(320)는 상점단말기(200)로부터 제공받는 기본 할인율과 연계 할인율에 따라 연계 할인 상점인 경우, 연계 할인율을 적용하고 연계 할인 상점이 아닌 경우, 기본 할인율을 적용하여 상품에 대한 결제를 수행할 수 있도록 연계할인 서비스를 제공한다.

여기서 연계 할인은 상점 간 연계 할인으로서, 미리 등록된 연계 할인 상점의 상품 이용시, 설정된 연계 할인율에 따라 연계 할인 서비스를 제공하는 것을 의미한다. 여기서 미리 등록된 연계 할인 상점은 별도의 연계 할인 상점 등록 과정없이 운영서버에 등록된 가맹점이 될 수도 있다.

예컨대 도 8에 도시된 바와 같이, 고객(사용자)이 아쿠아리움을 관람한 후, 안경점에 들른 다음 호프집에서 메뉴를 주문한다면, 기 등록된 상점 간 연계 할인 등록에 따라 연계 할인이 순차적으로 적용된다. 이때 두 군데 까지만 이용하더라도 두 상점 간 연계 할인에 의해 연계 할인이 이루어지고, 이후 추가로 방문시 추가로 연계 할인을 적용받을 수 있으므로, 고객 입장에서는 연계 할인 가능한 상점을 많이 이용시 추가로 할인을 받을 수 있고, 상점 입장에서는 많은 고객을 끌어들일 수 있어 윈윈 전략을 이룰 수 있다.

또한 연계 할인율은 연계할인 상점 간 이용 횟수, 상점 간 거리, 프랜차이즈, 계열사 상점, 상점 간 상호 지정 및 공공시설 연계 설정, 패밀리 상점 설정 중 적어도 어느 하나에 따라 단일 또는 중복 적용될 수 있다.

상점 간 거리 연계는 특정 상점으로부터 반경 특정 거리 이내에 위치하면 자동으로 연계하도록 설정하는 것이 될 수 있고, 상점 지정 연계는 거리에 상관없이 가맹점간 상호 지정에 의해 연계하도록 설정하는 것이 될 수 있다.

또한 공공시설 연계 설정은 거리에 상관없이 공공시설이라면 상호 연계되도록 설정되는 것이 될 수 있다.

또한 지오펜싱(Geofencing) 기술을 활용하여 도 8 및 도 9를 참조하면, 설정된 특정 거리 이내의 상점 간에는 자동으로 연계 설정되는 자동 연계 설정, 상점이 거리에 상관없이 원하는 상점을 선택하여 연계하는 지정 연계 설정, 타 상점이 자신의 상점을 선택하여 연계할 수 있도록 하는 연계 허용 여부를 설정하는 허용 연계 설정 기능을 제공할 수도 있다.

또한 패밀리로 등록된 상점의 경우에는 상점이 패밀리 할인을 설정한 경우에 고객은 해당 상품에 대해 연계 할인에 추가로 패밀리 할인을 받을 수 있다. 즉 패밀리 상점의 경우에는 상점의 할인 제공 여부에 따라 총 3가지의 할인 혜택(기본할인, 연계할인, 패밀리 할인)을 받을 수도 있는 것이며, 이와 같이 중복 할인이 가능한 상점을 이용하도록 고객을 유도하여 고객은 할인 혜택을 다양하게 받을 수 있고, 상점은 이윤 창출을 극대화할 수 있어 서로 윈-윈(WIN-WIN)할 수 있는 이점이 있는 것이다.

패밀리 상점은 상점 계열사(프랜차이즈) 또는 상점 간 상호 후원을 위해 미리 패밀리 상점으로 등록된 상점이 될 수 있다. 또한 지역, 연령대, 학생, 주부, 직장인, 가족 등이 선호하는 그룹을 만들고 관련된 상점들이 그룹에 등록한 경우 해당 상점들을 패밀리 상점이라 할 수도 있다. 예를 들어 "직장인 회식"그룹의 경우 음식점, 카페, 노래방, 당구장 등의 상점들이 그룹에 속해 있는 경우 패밀리 상점이 된다.

이때 연계할인부(320)는 연계할인을 위해 검색될 상점에 대해 안내하는 기능을 제공하며, 도 6을 참조하면, 휴대단말기(100)에서 요청시 DB와 연동하여 연계 할인 상점 검색 및 연계 할인 상품 검색 서비스를 제공하며, 상기 휴대단말기(100)에서 요청시 추천 상점 및 상품 서비스를 제공한다.

결제승인부(330)는 도 5에 도시된 바와 같이, 휴대단말기(100)에 등록된 지역화폐의 바코드나 QR 코드를 제공받아 해당 QR 코드 승인 여부에 따라 결제 승인한다.

또한 휴대단말기(100)의 카드형 지역화폐의 카드번호나, 등록된 휴대전화번호를 이용하여 결제승인이 이루어질 수도 있다.

휴대전화번호를 이용하는 경우는 전화 배달 주문의 경우로서, 휴대단말기(100)로 등록된 휴대전화번호를 입력 요청하고, 관리서버(300)의 DB에 저장된 고객정보에 포함된 휴대전화번호와 비교하여 인증을 수행함으로써, 주문이 이루어지는 방식이 될 수 있다.

나아가 결제승인부(330)는 연계 상점 간 광고 게재에 따른 광고 수익 분배를 결정할 수 있다.

결제승인부(330)의 광고 수익 분배 결정 과정을 도 11을 참조하여 설명하면, 우선 상점 B에서 연계할인 가능한 상점 A를 광고 대상으로 지정하고, 상점 A는 상점 B에 대한 광고를 고객이 볼 수 있도록 상점단말기를 통하여 광고 설정함으로써, 고객용 연계할인 관리앱 상에서 광고 화면을 노출시킬 수 있다.

이때 결제승인부(330)는 상점 A의 상점단말기를 통하여 상점 B의 광고 게재에 대한 광고비용 결제요청정보를 제공받고, 상점 B의 상점단말기로 광고 비용을 지불하도록 요청할 수 있으며, 지불된 광고 비용에 대해 일정 부분 연계서비스 수수료를 수납하고, 나머지 금액에 대해서 상점 A의 광고 수익으로 재분배하도록 한다.

추천부(340)는 고객정보 및 연계할인 제공 내역 등에 대한 통계정보를 수집한 후에 제공되는 인공지능 추천 알고리즘을 이용하여 해당 고객에게 연계할인 상점을 추천할 수 있도록 제공할 수 있으며, 나아가 통계정보를 기반으로 한 빅데이터를 활용하여 연계할인 상점의 연계할인율을 최적화하도록 제공하거나, 최적화된 연계할인율에 따라 다음에 이용할 연계할인 상점을 추천해주거나, 광고 수익에 최적화하거나 상권이나 고객 특성 등에 따라 해당 상점에 적합한 연계할인 상점의 광고를 제공하도록 광고에 대한 수익 모델을 각 상점에 추천해줄 수도 있다.

여기서 추천 알고리즘으로는 예컨대 Hybrid GRU-CNN 인공지능 알고리즘, 유사도 분석을 이용한 인공지능 알고리즘 등이 될 수 있다.

구체적으로 통계정보를 기반으로 한 빅데이터를 활용하여 연계할인 상점의 연계할인율을 최적화하도록 하는 연계할인 상점들을 추천하는 경우에는 예를 들면, 고객 할인율을 최우선으로 하는 경우에는 가장 연계할인율이 높은 상점들간에 연계할인을 제공할 수 있겠지만, 상점 할인율에 따라서 고객 방문율에 차이가 발생하기 때문에, 할인율이 높을수록 고객은 많아지겠지만 그렇다고 계속 높으면 상점의 수익률이 낮아지기 때문에 상점에서는 적정 연계 할인율을 찾도록 연계 할인율을 추천해주는 것이 될 수 있으며, 최적화된 연계 할인율을 산출하기 위한 기준값이 설정될 수 있다.

예를 들어, 할인율 결정 파라미터를 설정하고, 해당 파라미터는 상권 특성(학교, 직장 근처 등), 고객(성별, 연령대, 추천/참여/방문율, 성향, 관심, 취미, 이용한 상점, 이용 시간 등), 업종(음식점, 카페 등) 등을 변수로 하여 이러한 변수에 따라서 할인율이 달라져야 하며, 통계정보를 수집한 빅데이터를 기반으로 한 인공지능 알고리즘을 이용하여 상점 수익 또는 고객 이익이 극대화할 수 있는 최적 연계 할인율을 산출하여 연계할인 상점을 추천할 수 있다.

또한, 종래의 시스템 상 상점 서비스의 할인은 1개 서비스로 고정되어 있고, 만약 상점(상품) 건당 10% 할인이면 모든 고객에게 10% 할인을 각각 제공하게 되지만, 본 발명에서 제공하는 연계할인 서비스는 1개 서비스로 고정이 아니라 고객에 따라 할인율이 달라지도록 인공지능을 활용하는 것이다.

구체적으로 인공지능 알고리즘이 고객정보 및 통계정보 등을 활용하여 고객이용률, 상점 방문수, 방문상점 타입, 업종, 업종간 유사성, 날씨, 상권, 요일, 계절, 성별, 나이 등을 분석하여 고객에 따라 다른 할인율을 추천할 수 있다.

특히 연계된 상점들을 상점단말기의 설정에 의해 일정 기간(예 :7일) 이내 방문하면 추가 할인을 받을 수 있다는 장점이 있어서 고객들은 지속적으로 상점을 재방문하게 되고 상점의 매출은 상승하게 된다. 예를 들어 첫방문에 할인 0%, 두번째 2%, 세번째 3% 할인으로 고객이 제공 받을 수 있도록 중복 할인을 제공하며, 기본 할인율이 5%라면 앞의 추가 할인을 더해서 받게 된다. 즉, 5%(5+0) -> 7%(5+2) -> 10%(5+2+3)식으로 계산될 수 있으며, 이런 추가 할인율은 기제공한 고객정보 및 통계정보를 인공지능 알고리즘을 이용하여 분석해서 나온 결과로써 사용자 별로 달라지게 된다.

또한 같은 상점을 방문하는 경우뿐 아니라 연계된 상점을 방문하는 경우에도 추가 할인율이 적용되며, 결론적으로 인공지능 알고리즘은 고객이 계속해서 연계상점을 재방문 하도록 점점 할인율을 높혀서 제공하도록 최적화된 연계할인율을 산출하며, 상점단말기에서는 고객에게 제공하는 최대할인율을 설정하여, 최대할인율을 초과하지 않는 범위에서 인공지능에 의한 최적화된 연계할인율이 산출되도록 할 수도 있다.

이를 위해 사용되는 Hybrid GRU-CNN 인공지능 알고리즘은 상술한 할인율 결정 파라미터 데이터를 최대한 활용하기 위한 Hybrid GRU-CNN 신경망 모델이며, 특히 CNN 모델이 있는 GRU 모델에서 GRU 모듈은 과거 데이터의 동적 변화를 모델링하는 데 사용될 수 있다.

더 나은 머신러닝 학습 잠재력을 위한 시퀀스 데이터로드 시간 순서 데이터(통계 DB에서 제공되는 통계정보)와 CNN 모듈을 사용하여 시공간 행렬 및 시공간 행렬 매핑 특징 벡터를 사용할 수 있다.

또한, Hybrid GRU-CNN 신경망은 두 신경망을 결합하려면 시간을 잘 처리할 수 있는 GRU 모듈의 장점인 시퀀스 데이터와 CNN 모듈의 장점인 고차원 데이터 처리에 이상적인 Hybrid GRU-CNN 신경망이 될 수 있고, 이에 대한 Hybrid GRU-CNN 신경망은 도 12에 도시하고 있다.

Hybrid GRU-CNN의 프레임 워크 신경망은 GRU 모듈과 CNN 모듈로 구성되고, 입력은 시간 순서의 정보이고, 수집된 할인율 결정 파라미터나 광고 추천 결정 파라미터 데이터 및 시공간 행렬체계의 출력은 미래 부하에 대한 예측이다.

도 12를 참조하여 구체적으로 살펴보면, CNN 모듈의 측면에서 처리에 능숙하고, 시공간 행렬과 같은 2 차원 데이터 이미지의 CNN 모듈은 로컬 특징을 추출하기 위해 연계할인율을 결정하기 위한 가중치 데이터를 행렬화하고, 효과적인 결정값을 얻을 수 있으며, 복합 가중치데이터에는 도 13에 도시된 고객선호 가중치, 추천 적합 가중치 등이 포함될 수 있다.

여기서, 컨볼루션 레이어와 풀링 레이어를 통해 CNN 모듈의 구조는 두 개의 컨볼루션을 포함한다. 이 때 레이어 및 병합 작업, 각 컨볼루션 레이어 컨볼루션 연산과 풀링 연산을 포함할 수 있다.

또한, 두 번째 풀링 작업 후 고차원 데이터는 1차원 데이터로 평면화되고 CNN 모듈의 출력은 완전히 연결된 레이어다.

GRU 모듈의 입력은 시간 순서 데이터이고, GRU 모듈에는 많은 게이트 반복 단위가 포함되어 있으며, 이 모든 게이트 반복 단위로 완전히 연결된 레이어를 이루게 된다. 마지막으로 최적화된 연계할인율을 산정하기 위한 신경망의 예측 결과는 모든 뉴런의 평균값을 계산하여 얻을 수 있게 된다.

또한, 이와 같은 Hybrid GRU-CNN 신경망은 도 13의 복합형 추천 알고리즘이 될 수 있으며, 상점 정보, 고객정보, 상권정보, 환경정보(상권, 지리적 정보 등)를 수집하여 복합형 추천 알고리즘인 Hybrid GRU-CNN 신경망의 입력변수로 사용하고, 고객선호 가중치, 추천 적합 가중치(상권 특성, 업종 특성 등)에 따라 평균값을 계산한 결정값인 최적화된 연계할인율을 산출하고 산출된 연계할인율을 근거로 연계하기 적합한 최적 상점을 추천할 수 있도록 한다.

나아가, 최적화된 연계할인 상점이나 상점에 광고 추천시 알고리즘의 입력변수인 최초 통계정보가 없는 경우, 콜드 스타트(Cold start)를 이용하여 해당 고객과 유사한 조건을 검색하여 가장 유사한 조건의 고객에게 제공된 연계할인 상점을 추천하도록 서비스를 제공할 수도 있다.

추천되는 조건은 고객정보를 기초로 수행되며, 이를 위해 수집되는 정보는 상권 특성(학교, 직장 근처 등), 고객 특성(나이, 성향, 관심, 취미, 이용한 상점, 이용 시간 등), 업종 특성(음식점, 카페 등) 등이 포함될 수 있다. 여기서 가상 유사한 조건은 상술한 수집 정보들의 일치되거나 유사한 정보의 갯수가 가장 많은 조건이 될 수 있다.

또한, 유사 조건에 적용되는 추천 알고리즘 방식은 유사도 분석을 이용한 인공지능 알고리즘을 활용할 수 있으며, 유사도 계산 방식 이외에 상호 작용 행렬의 차원을 줄이고 k 개의 잠재 구성 요소가 있는 두 개 이상의 작은 행렬로 근사하며, 해당 행과 열을 곱하면 사용자 별 항목의 등급을 예측할 수 있는 행렬인수분해(matrix factorization) 방법을 활용할 수도 있다.

또한 자주 소비되는 항목이 그래프의 가장자리와 연결되는 연관 규칙(association rule)이나, 마이닝 규칙(mining rule)을 활용하여 가능한 빈번 항목 집합의 상태 공간을 탐구하고 빈번하지 않은 검색 공간의 분기를 제거하며, 자주 사용되는 항목 집합은 규칙을 생성하는 데 사용되며 이러한 규칙은 추천(권장) 사항을 생성할 수도 있다.

예를 들면, 관리서버(300)에서 휴대단말기(100)로 추천되는 연계할인 상점 추천 서비스를 제공하기 위해 고객정보를 최초에 수집하고, 수집된 고객정보에 기반하여 가장 연령대에 적합한 연계할인 상점을 추천해주거나 고객의 연령, 성별, 취미, 관심사 등을 고려하여 연관 규칙을 생성하고, 이에 부합되는 연계할인 상점을 추천해줄 수도 있다.

나아가 추천부(340)는 고객이 특정 상점에 연계되어 있는 연계 상점을 이용하면 상점 상품에 대해 할인 받도록 상점 간 연계 할인 서비스를 제공하고, 연계할인 상점 조회시 고객의 스마트폰에 실행된 연계할인 관리앱의 화면 상단에 노출되어야 고객 방문율이 높아지도록 연계 상점이 특정 상점에 자신의 광고를 게재하도록 서비스를 제공하고, 광고 제공 후 연계 상점에 대한 광고 수익을 특정 상점에게 일정 비율 배분하도록 제공하고, 상기 특정 상점 및 연계 상점은 상점단말기에서 실행되는 연계할인 관리앱을 통하여 광고 내용, 광고금액, 기간, 지역, 고객을 분류하여 광고 설정을 수행할 수 있도록 제공하는 기능을 더 포함할 수 있다.

또한, 최적화된 연계할인율 추천과 마찬가지로, 인공지능 알고리즘을 활용하여 빅데이터로 수집된 연계할인 상점과 고객의 상점 이용 내역에 대한 통계정보를 기반으로 해당 상점에 관련된 연계할인 상점에 대한 광고를 추천해줄 수 있도록 상술한 할인율 결정 파라미터와 유사하게, 광고 추천 파라미터도 설정할 수 있다.

예를 들면 연계할인 상점으로 지정된 카페의 경우, 주변 연계할인 상점인 매운 음식(갈비찜, 떡볶이)을 제공하는 음식점을 이용하고 카페에 오는 경우가 많다면 해당 음식점에 카페의 광고를 제공하도록 하며, 광고의 제공 형태는 휴대단말기(100)에서 실행된 연계할인 관리앱에서 연계할인 상점 조회시 해당 상점이나 상점 메뉴가 이미지 등으로 노출되는 형태로 제공될 수 있다. 또한 이러한 광고 노출에 따른 광고 수익은 상술한 바와 같이 결제승인부(330)에 의해 연계 상점 간 광고 게재에 따른 광고 수익 분배를 결정할 수 있다.

보안관리부(350)는 관리서버(300)로부터 고객정보, 상점 상품, 결제, 연계할인율, 광고 수익 배분율 등에 대한 정보를 블록체인 서버(500)를 이용하여 블록체인 기반으로 여러 시스템에 분산하여 저장 및 관리할 수 있다.

블록체인 서버(500)는 도 10을 참조하면, 다수의 노드로 구성되며, 이들 중 복수의 노드에 고객의 결제정보인 지역화폐 거래내역 및 광고 수익 배분 내역 등에 대해서 분산되어 블록의 형태로 저장된다. 결제에 의해 해당 내역이 생성될 때 마다, 블록의 형태로 추가되며, 나중에 생성되는 블록에는 이전에 생성된 블록의 해시값이 포함되어 있다.

블록체인 서버(500)에 저장된 사용자의 지역화폐 생성내역 및 거래내역과 DBMS에 저장된 사용자의 지역화폐 결제에 대한 거래내역, 광고 수익 배분 내역은 주기적으로 또는 어떤 이벤트(사용자의 지역화폐 생성내역, 거래내역 또는 상점 간 광고 수익 배분 내역이 새로 생기는 경우)가 있으면 서로 동기화된다.

이외에도 고객정보, 상점, 상품, 연계할인율에 대한 정보도 블록체인 네트워크를 통해 분산 저장 및 관리될 수 있으며, 보안성이 강화되어 안전한 결제 및 정보 보호가 이루어질 수 있게 한다.

나아가, 블록체인 서버(500)를 통해 분산 저장 관리되는 정보들은 머클 트리(merkle trees) 구조에 의해 저장이 이루어질 수 있다.

가령, 도 12를 참조하면, 각각의 결제에 대한 거래 내역을 최하위 자식 노드에 해쉬값을 포함하여 저장하고, 머클 트리의 최상위 레벨인 머클 루트(부모 노드)에는 최하위 자식 노드와 이어지는 경로 상에 있는 중간 노드에 해시값을 공유하도록 해싱(hashing)하여 저장하게 된다.

이를 통해 저장된 거래 내역의 진위 여부를 판단할 때, 고객의 휴대단말기(100)에 복사된 결제 정보에 포함된 거래 내역과 블록체인 서버(500)에 저장된 거래 내역을 비교하게 되고, 머클 트리의 경로를 따라 해싱된 해쉬값만을 비교하여 이루어지게 된다.

이때, 머클 트리의 경로 상에서 비교 연산이 이루어짐에 따라 모든 노드의 블록에 대한 비교 연산을 수행하지 않아도 되기 때문에, 비교적 쉬운 연산량으로 진위 여부를 판단할 수 있으며, 거래의 위변조도 쉽고 빠르게 찾아낼 수 있으며, 용량이 작은 휴대단말기(100)에서도 쉽게 거래를 검증할 수 있게 된다.

또한 관리서버(300)는 연계할인 상점 추천 및 결제 등의 서비스를 제공하기 위한 고객정보, 상점 상품에 대한 정보, 할인정보 등을 저장하는 서비스 DB(360)와, 상술한 인공지능 알고리즘을 수행하기 위한 예측모델, 수익모델, 추천모델들을 복수로 저장하여 관리하는 모델 DB(361)와, 고객의 이용내역(상점 이용내역, 결제 내역 등)을 제공하는 통계 DB(362)를 더 포함한다.

모델 DB(361)는 인공지능 알고리즘을 수행하기 위한 예측모델, 수익모델, 추천모델 들을 복수로 저장하여 관리함에 따라, 연계할인 상점 추천, 광고 추천, 고객 수요 예측 등 학습 내용에 따라 사용되는 알고리즘이 달라질 수 있으며, 복수의 알고리즘을 사용할 수도 있다. 여기서 사용되는 인공지능 알고리즘은 앞서 언급한 Hybrid GRU-CNN 외에도, 필요에 따라 RNN(Recursive Neural Network), SVM(support vector machine), CNN(Convolutional Neural Network) 신경망 등이 더 포함될 수 있다.

도 3은 본 발명의 일 실시예에 따른 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 방법에서 고객이 최적화된 연계할인 서비스를 제공받는 과정에 대한 순서도이다.

먼저, 고객이 소지한 휴대단말기(100)에 실행된 연계할인 관리앱으로 관리서버(300)에서 제공하는 연계할인 상품(상점) 또는 서비스를 조회한다(S102).

연계할인 관리앱에서 등록된 지역화폐의 QR 코드로 조회한 연계할인 상품 또는 서비스에 대한 주문을 요청할 수 있는데, 조회되는 연계할인 상품(상점)은 최적화된 연계할인율에 따라 우선순위 목록 형태로 제공될 수 있다(S104, S106).

여기서 최적화된 연계할인율은 상술한 바와 같은 인공지능 알고리즘을 기반으로 산출될 수 있으며, 연계할인율은 연계 할인받을 상점들의 연계 네트워크(상점 간 이용 횟수, 상점 간 거리, 프랜차이즈, 계열사 상점, 상점 간 상호 지정 및 공공시설 연계 설정, 패밀리 상점 설정 중 적어도 어느 하나에 따라 단일 또는 중복 적용)에 따라 달라지기 때문에, 상점들 간의 이러한 구체적 요소들을 고려하여 최적화된 연계할인율 도출할 수 있으며, 데이터가 많을수록 최적화된 연계할인율 산정에 소요되는 연산량이 늘어날 수 있다.

또한 이때, 전화 배달 주문의 경우, 휴대단말기(100)로 등록된 휴대전화번호를 입력 요청하고, 관리서버(300)의 DB에 저장된 고객정보에 포함된 휴대전화번호와 비교하여 인증을 수행함으로써, 주문이 이루어질 수도 있다.

이후 연계할인 관리앱으로부터 상기 주문 요청을 받은 관리서버(300)는 해당 상품 또는 서비스에 대한 QR 코드를 승인하고, 설정된 연계 할인율에 따라 할인율을 적용하여 결제 승인이 이루어진다(S108).

결제 승인한 관리서버(300)에서 상점단말기(200) 및 상기 주문 요청한 휴대단말기(100)로 결제 승인 완료 알림을 전송한다.

또한 결제 승인이 이루어지면, 해당 연계 할인 상품이나 서비스에 설정된 쿠폰 형태의 연계할인권이 발급되며, 연계할인 관리앱을 통하여 제공된다(S110).

연계할인권을 통해서 상점 간 연계할인이 중복 적용되어 할인율이 상승할 수 있으며, 지역사회 활성화에 기여할 수 있는 이점이 있다.

또한, 결제내역 및 상점 이용내역을 통계정보로서, 관리서버의 통계 DB(362)에 저장되어 빅데이터 기반의 인공지능 알고리즘 적용시 활용될 수 있다(S112).

나아가 결제 서비스를 제공하기 전에 휴대단말기(100)에서 상기 상점 간 연계할인 서비스를 제공받기 위해 고객정보를 제공받아 등록하는 과정과, 연계할인 관리앱에서 연계할인 상품 또는 서비스 결제를 위한 지역화폐를 등록하는 과정이 선행되어 이루어질 수 있다.

도 4는 본 발명의 일 실시예에 따른 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 방법에서 연계할인 상점간에 최적화된 광고 추천 과정에 대한 순서도이다.

먼저, 관리서버(300)에서는 연계할인 상점에 대한 최적화된 광고를 추천하도록 하기 위한 광고 설정이 이루어질 수 있다.

광고 설정에는 광고 추천 파라미터가 적용될 수 있는데, 상권 특성(학교, 직장 근처 등), 고객(성향, 관심, 취미, 이용한 상점 등), 업종(음식점, 카페 등) 등을 변수로 하는 파라미터가 될 수 있으며, 특히 연계되는 상점간 특성에 따라 제공되는 광고가 달라지도록 설정될 수 있다(S202).

예를 들어 연계할인 상점으로 지정된 카페의 경우, 주변 연계할인 상점인 매운 음식(갈비찜, 떡볶이)을 제공하는 음식점을 이용하고 카페에 오는 경우가 많다면 해당 음식점에 카페의 광고를 제공하도록 하며, 광고의 제공 형태는 휴대단말기(100)에서 실행된 연계할인 관리앱에서 연계할인 상점 조회시 해당 상점에 노출되는 형태로 제공될 수 있다.

설정된 광고는 고객(상점 이용객)이 소지한 휴대단말기에서 연계할인 관리앱을 통하여 연계할 상품(상점)을 검색시 표시(노출)되는 형태로 제공되며, 이때의 광고 수익은 상점 간 연계에 따라 배분이 이루어질 수 있다(S204 ~ S210).

예를 들면 상점 A의 상점단말기를 통하여 상점 B의 광고 게재에 대한 광고비용 결제요청정보를 제공받고, 상점 B의 상점단말기로 광고 비용을 지불하도록 요청할 수 있으며, 지불된 광고 비용에 대해 일정 부분 연계서비스 수수료를 수납하고, 나머지 금액에 대해서 상점 A의 광고 수익으로 재분배하도록 하여 연계할인 상점의 광고 게재에 따른 수익을 배분하여 공유하도록 할 수 있다. 또한 최초의 상점(상품) 광고 비용 산정시에는 광고 노출 시간이나 광고 노출 횟수에 비례하여 광고 비용이 증가하도록 설정될 수 있다.

산출된 광고 비용, 광고 배분 내역 등에 대한 통계 데이터는 통계 DB에 제공되고, 이후 다시 인공지능 알고리즘의 수익 모델을 기반으로 한 광고 추천시 재활용될 수도 있다(S212).

또한, 본 발명의 일실시예에 따른 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 방법의 동작 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 본 발명을 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, SSD(Solid State Drive) 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.

또한 본 발명에서 사용되는 컴퓨터 또는 컴퓨터 프로그램과 같은 구성은 이동통신 단말기의 형태가 스마트폰과 같이 변형되며, 컴퓨팅 파워가 획기적으로 커짐에 따라, 스마트폰 또는 스마트폰에서 실행되는 애플리케이션과 같은 의미로도 사용될 수 있다.

100 ; 휴대단말기
200 ; 상점단말기
300 ; 관리서버
310 ; 고객등록부
320 ; 연계할인부
330 ; 결제승인부
340 ; 추천부
350 ; 보안관리부
360 ; 서비스 DB
361 ; 모델 DB
362 ; 통계 DB
400 ; 통신망
500 ; 블록체인서버

Claims

상점에 위치한 상점단말기로부터 접속되어 연계 할인 상점 및 연계 할인 대상의 상품을 등록받고, 상점 간 연계 할인 서비스를 제공하기 위해 고객이 소지한 휴대단말기에서 실행된 연계할인 관리앱과 연동하며, 상기 휴대단말기에 실행된 연계할인 관리앱을 통하여 등록된 연계 할인 상점을 조회 가능하도록 제공하는 관리서버를 포함하며,
상기 관리서버는
고객이 특정 상점에 연계되어 있는 연계 상점을 이용하면 상점 상품에 대해 할인 받도록 상점 간 연계 할인 서비스를 제공하고, 고객의 스마트폰에 실행된 연계할인 관리앱의 화면에 상점 조회시 특정 상점에서 다른 연계할인 상점의 광고를 제공하도록 서비스를 제공하며,
고객정보 및 연계할인 제공 내역 등에 대한 통계정보를 수집하고, 인공지능 추천 알고리즘을 이용하여 해당 고객에게 연계할인 상점을 추천할 수 있도록 제공하되, 통계정보를 기반으로 한 빅데이터를 활용하여 연계할인 상점의 연계 할인율을 최적화하여, 최적화된 연계 할인율을 제공하는 연계할인 상점을 추천하고, 연계할인 상점에 적합한 광고를 제공하도록 추천하는 것을 특징으로 하며,
상기 관리서버는
고객정보, 상점 상품, 결제, 연계할인율에 대한 정보를 블록체인 서버를 이용하여 블록체인 기반으로 여러 시스템에 분산하여 저장 및 관리하는 보안관리부를 더 포함하며,
상기 보안관리부는 고객정보, 상점 상품, 결제, 연계할인율, 광고 수익 배분율 등에 대한 정보를 블록체인 서버를 이용하여 블록체인 기반으로 여러 시스템에 분산하여 저장 및 관리하며,
상기 블록체인 서버는 다수의 노드로 구성되며, 이들 중 복수의 노드에 고객의 결제정보인 지역화폐 거래내역 및 광고 수익 배분 내역 등에 대해서 분산되어 블록의 형태로 저장되며,
결제에 의해 해당 내역이 생성될 때 마다, 블록의 형태로 추가되며, 나중에 생성되는 블록에는 이전에 생성된 블록의 해시값이 포함되며,
블록체인 서버에 저장된 사용자의 지역화폐 생성내역 및 거래내역과 DBMS에 저장된 사용자의 지역화폐 결제에 대한 거래내역, 광고 수익 배분 내역은 주기적으로 또는 어떤 이벤트 발생시 서로 동기화되며,
블록체인 서버를 통해 분산 저장 관리되는 정보들은 머클 트리(merkle trees) 구조에 의해 저장되며,
각각의 결제에 대한 거래 내역을 최하위 자식 노드에 해쉬값을 포함하여 저장하고, 머클 트리의 최상위 레벨인 머클 루트(부모 노드)에는 최하위 자식 노드와 이어지는 경로 상에 있는 중간 노드에 해시값을 공유하도록 해싱(hashing)하여 저장하며,
저장된 거래 내역의 진위 여부를 판단할 때, 고객의 휴대단말기에 복사된 결제 정보에 포함된 거래 내역과 블록체인 서버에 저장된 거래 내역을 비교하게 되고, 머클 트리의 경로를 따라 해싱된 해쉬값만을 비교하여 이루어지는 것을 특징으로 하는 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템.
제1항에 있어서,
상기 관리서버는
휴대단말기에서 상점 간 연계할인 서비스를 제공받기 위해 고객정보를 제공받아 등록하거나, 상기 상점단말기에서 상점 상품을 등록하기 위해 상점 간 연계할인 서비스를 고객에 제공하기 위해 상점 등록하는 고객등록부;
결제승인부의 결제 요청시 해당 상품 또는 서비스에 설정된 상점 간 연계 할인율을 적용하는 연계할인부;
휴대단말기에 등록된 지역화폐의 바코드나 QR 코드를 제공받아 해당 코드 승인 여부에 따라 결제 승인을 수행하는 결제승인부;
고객정보 및 연계할인 제공 내역 등에 대한 통계정보를 수집한 후에 인공지능 추천 알고리즘을 이용하여 해당 고객에게 연계할인 상점을 추천할 수 있도록 제공할 수 있으며, 통계정보를 기반으로 한 빅데이터 및 인공지능 알고리즘을 활용하여 연계할인 상점의 연계 할인율을 최적화하여, 최적화된 연계 할인율을 제공하는 연계할인 상점을 추천하며, 연계할인 상점에 적합한 광고를 제공하도록 추천하는 추천부
를 더 포함하는 것을 특징으로 하는 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템.
삭제
제2항에 있어서,
상기 추천부는
고객이 특정 상점에 연계되어 있는 연계 상점을 이용을 위해, 연계할인 상점 조회시 연계할인 관리앱의 화면에 노출되도록 연계 상점이 특정 상점에 연계 상점의 광고를 게재하도록 서비스를 제공하되,
인공지능 알고리즘을 활용하여 빅데이터로 수집된 연계할인 상점과 고객의 상점 이용 내역에 대한 통계정보를 기반으로 해당 상점에 관련된 연계할인 상점에 대한 광고를 추천해줄 수 있도록 서비스를 제공하고,
광고 제공 후 연계 상점에 대한 광고 수익을 특정 상점에게 배분하도록 제공하고,
상기 특정 상점 및 연계 상점은 상점단말기에서 실행되는 연계할인 관리앱을 통하여 광고 내용, 광고금액, 기간, 지역, 고객을 분류하여 광고 설정을 수행할 수 있도록 제공하는 기능을 더 포함하는 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템.
제2항에 있어서,
상기 추천부는
통계정보를 기반으로 한 빅데이터 및 인공지능 알고리즘을 활용하여 연계할인 상점의 연계할인율을 최적화하도록 하는 연계할인 상점들을 추천하는 경우에는 상점 할인율에 따라서 고객 방문율에 차이가 발생하고, 할인율이 높을수록 상점의 수익률이 낮아지기 때문에 연계할인 상점 간 적정 연계 할인율을 찾도록 최적화된 연계 할인율을 산출하기 위한 기준값이 설정되며,
상기 인공지능 알고리즘은 RNN(Recursive Neural Network), SVM(support vector machine), CNN(Convolutional Neural Network) 신경망, GRU-CNN Hybrid 신경망 알고리즘 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템.
고객이 소지한 휴대단말기에 실행된 연계할인 관리앱으로 관리서버와 연동하여 연계할인 상품 또는 서비스를 조회하는 단계;
상기 관리서버는 조회되는 연계할인 상품(상점)에 대하여 최적화된 연계할인율에 따라 우선순위 목록 형태로 제공되는 단계;
상기 휴대단말기는 상기 연계할인 관리앱에서 등록된 코드로 조회한 연계할인 상품 또는 서비스에 대한 주문을 요청하는 단계;
상기 연계할인 관리앱으로부터 상기 주문을 요청 받은 관리서버는 해당 상품 또는 서비스에 대한 코드를 승인하고, 설정된 연계할인 할인율에 따라 할인율을 적용하여 결제 승인하는 단계를 포함하되,
상기 관리서버는
고객정보 및 연계할인 제공 내역 등에 대한 통계정보를 수집하고, 인공지능 추천 알고리즘을 이용하여 해당 고객에게 연계할인 상점을 추천할 수 있도록 제공하되, 통계정보를 기반으로 한 빅데이터를 활용하여 연계할인 상점의 연계 할인율을 최적화하여, 최적화된 연계 할인율을 제공하는 연계할인 상점을 추천하고, 연계할인 상점에 적합한 광고를 제공하도록 추천하는 것을 특징으로 하는 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 방법.
제6항에 있어서,
상기 관리서버는 연계할인 상점에 대한 최적화된 광고를 추천하기 위한 광고 설정이 이루어지는 단계;
설정된 광고 추천 알고리즘에 따라 고객(상점 이용객)이 소지한 휴대단말기에서 연계할인 관리앱을 통하여 연계할 상품(상점)을 검색시 표시되는 형태로 제공되는 단계;
연계 상점 간 광고 제공에 따라 광고 수익 배분이 이루어지도록 광고 비용 산정하는 단계;
광고 비용에 따라 연계할인 상점 간 수익 배분이 이루어지는 단계
를 더 포함하는 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 방법.
제7항에 있어서,
상기 광고 설정에는 광고 추천 파라미터가 적용되고, 상기 광고 추천 파라미터는 상권 특성, 고객 특성, 업종 특성을 변수로 하는 파라미터가 되며, 파라미터를 고려하여 연계되는 상점간 특성에 따라 제공되는 광고가 달라지도록 설정되는 것을 특징으로 하는 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 방법.
제8항에 있어서,
특정 상점의 상점단말기는 관리서버로부터 연계할인 상점의 광고 게재에 대한 광고비용 결제요청정보를 제공받고, 연계할인 상점의 상점단말기로 해당 광고 비용을 대신 지불하도록 요청하며, 지불된 광고 비용에 대해 일정 부분 연계서비스 수수료를 관리서버에 수납하고, 나머지 금액에 대해서 상기 특정 상점의 광고 수익으로 재분배하도록 하여 연계할인 상점 광고 게재에 따른 수익을 배분하여 공유하도록 하는 것을 특징으로 하는 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 방법.
제6항에 있어서,
상기 상점단말기는
일정기간 이내 고객 재방문시 추가 할인율을 제공하도록 설정할 수 있으며,
해당 상점 또는 해당 상점과 연계되는 연계할인 상점을 재방문시마다 일정 비율을 누적하여 추가로 중복 할인을 제공하며,
상기 추가 할인율은 기제공한 고객정보 및 통계정보를 인공지능 알고리즘을 이용하여 분석해서 나온 결과로써 사용자 별로 달라지도록 설정되는 것을 특징으로 하는 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 방법.
제6항 내지 제10항 중 어느 한 항의 AI를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 방법을 수행하는 컴퓨터로 읽을 수 있는 저장매체에 저장된 컴퓨터 프로그램.