KR102429391B1

KR102429391B1 - 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치 및 방법

Info

Publication number: KR102429391B1
Application number: KR1020220017407A
Authority: KR
Inventors: 정치훈; 장싸이렌
Original assignee: 주식회사 도파민팩토리
Priority date: 2021-09-27
Filing date: 2022-02-10
Publication date: 2022-08-04

Abstract

디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치 및 방법이 제공된다. 상기 장치는, 상품 판매를 위한 채널 별로 데이터 수집하는 데이터수집부, 상기 수집된 데이터를 스키마(schema) 통합 과정을 통해 통합 저장하는 데이터저장부, 상기 통합 저장된 데이터를 분석하는 데이터분석부 및 상기 분석된 데이터를 이용하여 판매자 별로 사입 상품을 추천하는 상품추천부를 포함한다.

Description

디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치 및 방법{APPARATUS AND METHOD FOR AUTOMATING SELLING PROCESS IN MULTI CHANNEL E-COMMERCE ENVIRONMENT BASED ON DIGITAL}

본 개시는 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치 및 방법에 관한 것이다.

이커머스 환경은 상품 판매자, 온라인 판매 채널, 소비자를 중심으로 마케팅, 유통 등의 다양한 이해관계자들이 활동하는 환경을 의미한다.

일반적으로 상품 판매자들은 상품을 보유하고 있으나 이커머스 환경에서 이루어지는 마케팅 환경에 대한 이해 부족과 진입의 어려움, 데이터 분석 능력의 한계 등이 맞물려 체계적인 이커머스 활동을 하는데 어려움을 겪고 있다.

공개특허공보 제10-2006-0054235호, 2006.05.22.

본 개시에 개시된 실시예는 멀티채널 이커머스(Multi-channel eCommerce) 환경에서 비즈니스 프로세스를 자동화하는데 있어서 필요한 데이터 수집, 분석, 의사결정지원 기술을 확보하기 위한 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치 및 방법을 제공하는 데 그 목적이 있다.

다만, 본 개시가 해결하고자 하는 과제는 상기된 바와 같은 과제로 한정되지 않으며, 또 다른 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 본 개시에 일 측면에 따른 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치는, 상품 판매를 위한 채널 별로 데이터 수집하는 데이터수집부, 상기 수집된 데이터를 스키마(schema) 통합 과정을 통해 통합 저장하는 데이터저장부, 상기 통합 저장된 데이터를 분석하는 데이터분석부 및 상기 분석된 데이터를 이용하여 판매자 별로 사입 상품을 추천하는 상품추천부를 포함하고, 상기 데이터분석부는, 상기 통합 저장된 데이터를 이용하여, 상품 수치화 분석, 분석 대상 그룹의 채널 별 상품 경쟁력 포지셔닝 분석 및 상품 별 판매 성과 시계열 분석을 수행하고, 상기 상품추천부는, 상기 분석된 결과에 기초하여, 판매자 별로 판매하고 있는 복수의 보유 상품 중에서 기 설정된 조건을 충족하는 보유 상품을 추출하여 상기 사입 상품으로 추천할 수 있다.

또한, 상기 데이터수집부는, 상기 채널 별로 각각의 특성에 맞게 설계된 수집모듈을 통해 상기 채널 별로 데이터를 크롤링(Crawling)할 수 있다.

또한, 상기 데이터저장부는, 상기 채널 별로 상이한 데이터 구조 분석을 통해 NoSQL DB에서 SQL DB로 데이터를 통합 저장할 수 있다.

또한, 상기 데이터저장부는, 상기 NoSQL DB에서 상기 SQL DB로 데이터를 통합 저장할 때, 파생 속성 또는 중복 속성을 갖는 필드, 수집할 때마다 값이 변하는 속성을 갖는 필드 및 모든 아이템이 같은 속성을 갖는 필드는 제거하고, 필드명은 다르지만 같은 값은 갖는 두 개의 필드 중 하나를 제거할 수 있다.

또한, 상기 데이터분석부는, 상기 상품 경쟁력 포지셔닝 분석 시에, m개의 상기 분석 대상 그룹 및 n개의 상기 채널을 조합하여 분석하고(여기서, m 및 n은 자연수), 상기 분석 대상 그룹은 개별 상품, 상품군, 브랜드 및 판매자를 포함할 수 있다.

또한, 상기 데이터분석부는, 상기 상품 별 판매 성과 시계열 분석 시에, 기 구축된 예측 모델을 이용하여 현재 시점을 기준으로 기 설정된 기간 동안 상품 별 판매 성과 추세를 예측할 수 있다.

또한, 상기 사입 상품에 대한 광고를 위한 키워드를 관리하는 키워드관리부를 더 포함하고, 상기 키워드관리부는, 상기 사입 상품에 부여된 키워드와 연관된 연관 키워드를 추출하여, 상기 연관 키워드의 적합성 분석을 통해 상기 연관 키워드의 목록을 생성할 수 있다.

또한, 상기 목록에 포함된 각각의 상기 연관 키워드에 대해 ROAS (Return On Ad Spend)를 측정하고, 전환률을 기준으로 상기 키워드를 필터링하여 상기 목록을 업데이트할 수 있다.

또한, 본 개시의 다른 측면에 따른 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 방법은, 상품 판매를 위한 채널 별로 데이터 수집하는 단계, 상기 수집된 데이터를 스키마(schema) 통합 과정을 통해 통합 저장하는 단계, 상기 통합 저장된 데이터를 분석하는 단계 및 상기 분석된 데이터를 이용하여 판매자 별로 사입 상품을 추천하는 단계를 포함하고, 상기 분석 단계는, 상기 통합 저장된 데이터를 이용하여, 상품 수치화 분석, 분석 대상 그룹의 채널 별 상품 경쟁력 포지셔닝 분석 및 상품 별 판매 성과 시계열 분석을 수행하고, 상기 추천 단계는, 상기 분석된 결과에 기초하여, 판매자 별로 판매하고 있는 복수의 보유 상품 중에서 기 설정된 조건을 충족하는 보유 상품을 추출하여 상기 사입 상품으로 추천할 수 있다.

이 외에도, 본 개시를 구현하기 위한 방법을 실행하기 위한 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 더 제공될 수 있다.

이 외에도, 본 개시를 구현하기 위한 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.

본 개시의 전술한 과제 해결 수단에 의하면, 다양한 채널에 대한 지속적인 데이터 수집 및 분석을 통해 각각의 채널의 실시간 현황을 파악하고, 해당 채널에 상품 판매 여부에 대한 객관적 정보를 판매자에게 제공하는 효과를 제공한다.

또한, 다양한 채널에서 지속적인 상품정보 수집 및 분석을 자동화하여 판매자가 보유한 상품이 개별 채널에서 가지는 포지션, 약점, 강점 등을 파악할 수 있게 되고, 경쟁력 확보를 위해 어떤 부분에서의 조정이 필요한지 데이터 기반 의사결정이 가능하다.

또한, 시장 전반에 걸쳐 개별 판매자의 포지션, 강점, 약점 등을 종합적으로 분석하는 것이 가능하게 되어 향후 전략 설정에 있어서 데이터 기반 의사결정이 가능하다.

또한, 데이터 분석 내용을 바탕으로 자동화된 마케팅 수행 및 성과 분석이 가능하게 되며, 이러한 마케팅 수행 및 성과 분석의 내용이 시각화되어 제공되므로 판매자가 쉽게 이해가 가능하고, 이에 따른 신속한 의사결정을 바탕으로 자동화 프로세스 진행이 가능하다.

또한, 데이터 수집 및 분석 기술을 바탕으로 자동화된 의사결정 프로세스 구축이 가능하다. 이를 통해 데이터로 명확히 결정이 가능한 부분은 자동화 프로세스를 진행하고, 사람의 고차원적 의사결정이 요구되는 상황에서는 시각화 기술을 활용한 데이터 제공 및 전략적 의사결정에 대한 추천이 가능하다.

또한, 의사결정자(판매자)의 의견을 정확하고 쉽게 반영하기 위한 실시간 인터렉티브 인사이트 시스템을 활용함으로써 프로세스적으로 일관적이고 객관적인 의사결정이 가능하다.

본 개시의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 개시에 따른 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 시스템을 설명하기 위한 도면이다.
도 2는 본 개시에 따른 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치의 개력적인 블록도이다.
도 3은 본 개시에 따른 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 방법의 개략적인 순서도이다.
도 4는 본 개시에 따른 데이터 수집을 설명하기 위한 도면이다.
도 5는 본 개시에 따른 데이터 분석을 설명하기 위한 도면이다.

본 개시 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 본 개시가 실시예들의 모든 요소들을 설명하는 것은 아니며, 본 개시가 속하는 기술분야에서 일반적인 내용 또는 실시예들 간에 중복되는 내용은 생략한다. 명세서에서 사용되는 ‘부, 모듈, 부재, 블록’이라는 용어는 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예들에 따라 복수의 '부, 모듈, 부재, 블록'이 하나의 구성요소로 구현되거나, 하나의 '부, 모듈, 부재, 블록'이 복수의 구성요소들을 포함하는 것도 가능하다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 간접적으로 연결되어 있는 경우를 포함하고, 간접적인 연결은 무선 통신망을 통해 연결되는 것을 포함한다.

또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

명세서 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.

제 1, 제 2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 전술된 용어들에 의해 제한되는 것은 아니다.

단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함한다.

각 단계들에 있어 식별부호는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다.

이하 첨부된 도면들을 참고하여 본 개시의 작용 원리 및 실시예들에 대해 설명한다.

본 명세서에서 '본 개시에 따른 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치(20)(이하, 자동화 장치)'는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 본 개시에 따른 자동화 장치는, 컴퓨터, 서버 장치 및 휴대용 단말기를 모두 포함하거나, 또는 어느 하나의 형태가 될 수 있다.

여기에서, 상기 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 태블릿 PC, 슬레이트 PC 등을 포함할 수 있다.

상기 서버 장치는 외부 장치와 통신을 수행하여 정보를 처리하는 서버로써, 애플리케이션 서버, 컴퓨팅 서버, 데이터베이스 서버, 파일 서버, 게임 서버, 메일 서버, 프록시 서버 및 웹 서버 등을 포함할 수 있다.

상기 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), WiBro(Wireless Broadband Internet) 단말, 스마트 폰(Smart Phone) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치와 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD) 등과 같은 웨어러블 장치를 포함할 수 있다

도 1은 본 개시에 따른 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 시스템을 설명하기 위한 도면이다.

도 1을 참조하면, 본 개시의 시스템(1)은 판매자 단말(10), 자동화 장치(20), 판매 채널(30)을 포함할 수 있다. 다만, 몇몇 실시예에서 시스템(1)은 도 1에 도시된 구성요소보다 더 적은 수의 구성요소나 더 많은 구성요소를 포함할 수도 있다.

본 개시에 따른 시스템(1)에서 발명의 주체는 컴퓨터 또는 서버가 적용 가능하며, 구체적으로는 자동화 장치(20)가 수행 주체가 될 수 있다. 그러나 이에 제한되지 않고, 판매자 단말(10), 판매 채널(30) 또는 외부 장치가 수행 주체가 될 수 있다.

본 개시에 따른 시스템(1)은 멀티채널 이커머스 환경에서, 각각의 판매 채널에서 데이터를 실시간으로 수집 및 분석하여, 데이터 분석 기반의 사입 자동화 및 마케팅 자동화가 가능하도록 할 수 있다.

본 개시에 따른 시스템(1)은 상기 사입 자동화 수행 결과 및 상기 마케팅 자동화 수행 결과를 분석하여 판매자에게 분석된 결과를 시각화하여 제공함으로써, 판매자가 상품 판매와 관련한 의사결정을 효율적으로 수행할 수 있도록 하고 이를 통해 지속적인 전략 수립이 가능하도록 할 수 있다.

판매자 단말(10)은 판매 채널을 통해 상품을 등록, 판매, 마케팅 등의 다양한 활동을 수행하는 개인 또는 업체가 사용하는 장치를 의미할 수 있다.

여기서, 판매자 단말(10)은 컴퓨터와 같은 정보처리수단이 적용될 수 있으며, 제어부와 같은 프로세서, 카메라와 같은 촬영 수단, 터치 스크린을 포함하는 입출력 수단을 포함하고, 통신 기능을 포함한 모든 장치를 의미할 수 있다. 즉, 스마트폰, 태블릿, PDA, 랩탑, 데스크탑 등과 같은 디바이스라면 무엇이든 적용이 가능하다.

자동화 장치(20)는 다양한 판매 채널(온라인 쇼핑몰)에 대한 데이터를 수집하고 분석하여 각 채널의 실시간 현황을 파악하고, 판매자에게 사입 상품 선정을 위한 객관적 정보를 제공하고, 판매자의 사입 상품에 대한 마케팅을 수행하기 위해 연관 키워드를 관리할 수 있다.

판매 채널(30)은 온라인에서 판매자와 소비자 간의 상품 거래가 자유롭게 이루어질 수 있도록 플랫폼을 제공해주는 국내 및 해외 웹 사이트를 의미할 수 있다. 예를 들어, 온라인 쇼핑몰, 오픈 마켓을 의미할 수 있다.

도 2는 본 개시에 따른 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치의 개력적인 블록도이다.

도 2를 참조하면, 자동화 장치(20)는 통신부(22), 메모리(24) 및 프로세서(26)를 포함할 수 있다. 다만, 몇몇 실시예에서 자동화 장치(20)는 도 2에 도시된 구성요소보다 더 적은 수의 구성요소나 더 많은 구성요소를 포함할 수도 있다.

자동화 장치(20)의 통신부(22)는 외부 장치와 통신을 가능하게 하는 하나 이상의 구성 요소를 포함할 수 있으며, 예를 들어, 유선통신 모듈, 무선통신 모듈, 근거리 통신 모듈, 위치정보 모듈 중 적어도 하나를 포함할 수 있다.

유선 통신 모듈은, 지역 통신(Local Area Network; LAN) 모듈, 광역 통신(Wide Area Network; WAN) 모듈 또는 부가가치 통신(Value Added Network; VAN) 모듈 등 다양한 유선 통신 모듈뿐만 아니라, USB(Universal Serial Bus), HDMI(High Definition Multimedia Interface), DVI(Digital Visual Interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 다양한 케이블 통신 모듈을 포함할 수 있다.

무선 통신 모듈은 와이파이(Wifi) 모듈, 와이브로(Wireless broadband) 모듈 외에도, GSM(global System for Mobile Communication), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), UMTS(universal mobile telecommunications system), TDMA(Time Division Multiple Access), LTE(Long Term Evolution), 4G, 5G, 6G 등 다양한 무선 통신 방식을 지원하는 무선 통신 모듈을 포함할 수 있다.

근거리 통신 모듈은 근거리 통신(Short range communication)을 위한 것으로서, 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있다.

자동화 장치(20)의 메모리(24)는 본 장치의 다양한 기능을 지원하는 데이터와, 프로세서(26)의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들을 저장할 수 있고, 본 장치에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 본 장치의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다.

이러한, 메모리(24)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 메모리(24)는 본 장치와는 분리되어 있으나, 유선 또는 무선으로 연결된 데이터베이스가 될 수도 있다.

자동화 장치(20)의 프로세서(26)는 상기 응용 프로그램과 관련된 동작 외에도, 통상적으로 자동화 장치(20)의 전반적인 동작을 제어할 수 있다. 프로세서(26)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(24)에 저장된 응용 프로그램을 구동함으로써, 판매자 단말(10)에 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.

또한, 프로세서(26)는 메모리(24)에 저장된 응용 프로그램을 구동하기 위하여, 도 2과 함께 살펴본 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(26)는 상기 응용 프로그램의 구동을 위하여, 프로세서(26)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작 시킬 수 있다.

도 2를 참조하면, 프로세서(26)는 데이터수집부(261), 데이터저장부(262), 데이터분석부(263), 상품추천부(264) 및 키워드관리부(265)를 포함할 수 있다. 다만, 몇몇 실시예에서 프로세서(26)는 도 2에 도시된 구성요소보다 더 적은 수의 구성요소나 더 많은 구성요소를 포함할 수도 있다.

프로세서(26)의 제어에 의해 데이터수집부(262)는 상품 판매를 위한 채널(판매 채널) 별로 데이터 수집할 수 있다. 프로세서(26)의 제어에 의해 데이터저장부(262)는 상기 수집된 데이터를 스키마(schema) 통합 과정을 통해 통합 저장할 수 있다.

멀티채널에서 데이터를 실시간으로 수집하는 것은 각 채널에서의 데이터를 오류 없이 정확하게 수집하고 이를 필터링 및 파싱하여 데이터베이스(DB)화 하는 것이 중요하다. 따라서, 본 개시에서는, 멀티채널 데이터 수집을 위해 각각의 채널에 맞게 설계된 수집모듈을 이용하여 각 채널로부터 데이터를 수집하고, 수집된 데이터를 NoSQL DB에 적제하는 과정을 수행한다. 그리고, NoSQL DB에 적제된 데이터는 직접적으로 활용이 가능하며, 효과적인 데이터 분석을 위해 SQL DB에 통합 저장하는 과정을 거친다. 구체적으로, 스키마(Schema) 통합 과정을 거쳐 SQL DB의 구성을 정의한 후 NoSQL DB에서 SQL DB로 데이터 통합 저장이 진행될 수 있다.

프로세서(26)의 제어에 의해 데이터분석부(263)는 상기 통합 저장된 데이터를 분석할 수 있다. 프로세서(26)의 제어에 의해 상품추천부(264)는 상기 분석된 데이터를 이용하여 판매자 별로 사입 상품을 추천할 수 있다.

사입 자동화를 위한 데이터 분석의 핵심은 상술한 바와 같이 실시간으로 수집되는 멀티채널 데이터를 통합하고, 이를 통해 성과에 대한 인사이트를 도출하는 것이다. 데이터 분석에 대한 준비 단계로서, 상품 객관적 수치화 단계, 시장에서 관심 그룹에 대한 포지셔닝 분석을 위한 시장 포지션 분석 단계, 매출 시계열 데이터를 기반으로 하는 향후 매출 성과 분석 단계가 포함될 수 있다.

프로세서(26)의 제어에 의해 키워드관리부(265)는 판매자의 사입 상품에 대한 광고를 위한 키워드를 관리할 수 있다.

이하에서, 도 3 내지 도 5를 참조하여 상기 자동화 장치(20)가 각각의 구성요소를 통해 멀티채널 이커머스 환경에서 판매 프로세스 자동화를 수행하는 방법에 대해서 상세히 설명하도록 한다.

도 3은 본 개시에 따른 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 방법의 개략적인 순서도이다.

도 4는 본 개시에 따른 데이터 수집을 설명하기 위한 도면이다.

도 5는 본 개시에 따른 데이터 분석을 설명하기 위한 도면이다.

도 3을 참조하면, 프로세서(26)의 제어에 의해 데이터수집부(262)는 상품 판매를 위한 채널 별로 데이터 수집할 수 있다(S110).

도 3을 참조하면, 프로세서(26)의 제어에 의해 데이터저장부(262)는 상기 수집된 데이터를 스키마(schema) 통합 과정을 통해 통합 저장할 수 있다(S120).

프로세서(26)의 제어에 의해 상기 데이터수집부(261)는 상기 채널 별로 각각의 특성에 맞게 설계된 수집모듈을 통해 상기 채널 별로 데이터를 크롤링(Crawling)할 수 있다.

상술한 바와 같이, 프로세서(26)의 제어에 의해 데이터수집부(261)는 멀티채널 데이터 수집을 위해 각각의 채널에 맞게 설계된 수집모듈을 이용하여 각 채널로부터 데이터를 크롤링하여 수집하고, 수집된 데이터를 NoSQL DB에 적제하는 과정을 수행한다. 여기서, 각 채널의 데이터 수집모듈은 Ecrawler 클래스로 정의하여 구현할 수 있다. 즉, 각 수집기는 Ecrawler의 하위 클래스 설계를 통해 개별 채널의 특성에 맞는 데이터 수집이 이루어지도록 구현될 수 있다.

각 채널의 데이터 수집모듈의 구조는 각 채널의 특성에 따라 설계되기 때문에 각각 상이할 수 있다. 즉, 각 채널의 카테고리 구조를 분석하고, 이를 데이터베이스화 하여 각 채널 별로 상이한 수집모듈을 설계할 수 있다.

도 4를 참조하면, 프로세서(26)의 제어에 의해 데이터수집부(261)는 3개의 판매 채널(NXXX, CXXX, GXXX)은 각각의 수집모듈(도 4에서는 수집기로 도시)을 통해 각 채널로부터 데이터를 수집할 수 있다. 각 채널에서 수집된 데이터는 NoSQL DB에 적제될 수 있다. 일 예로, 업로드 기능과 다운로드 기능을 가진 모듈을 활용하여 데이터를 적제할 수 있다. 구체적으로, 특정 채널(CXXX)에 대한 수집을 예시로 했을 때, 먼저 카테고리 수집 모듈을 실행하여 수집할 대상 카테고리를 목록화 할 수 있다. 그리고, 멀티 채널 데이터 수집 모듈을 통해 각 채널에 대한 데이터를 수집하고, NoSQL DB와 통신할 수 있는 모듈을 활용하여 NoSQL DB에서 데이터를 추출한 후 SQL DB에 통합 저장할 수 있다. 여기서, 판매 채널의 개수는 3개에 한정되는 것이 아니며, 수많은 판매 채널 각각에 대한 수집모듈을 통해 수많은 판매 채널 각각으로부터 데이터를 수집할 수 있다.

프로세서(26)의 제어에 의해 상기 데이터저장부(262)는 상기 채널 별로 상이한 데이터 구조 분석을 통해 NoSQL DB에서 SQL DB로 데이터를 통합 저장할 수 있다.

데이터를 통합하고 저장하여 높은 품질의 분석결과를 얻기 위해서는 동일 상품에 대해서 동일 식별자를 부여하고, 다른 상품에 대해서는 다른 식별자를 부여하는 카탈로그 생성 과정을 거쳐야한다. 상기 카탈로그 생성 과정은 우선 개별 채널에 대해서 카탈로그를 생성하는 로컬 카탈로그 생성 과정과, 이후 멀티 채널에 대한 각기 다른 카테고리를 병합하는 글로벌 카탈로그 생성 과정을 포함한다. 이러한 과정을 통해, 우선적으로 상품의 모델명을 추출하여 매칭을 수행하고, 이후 상품 속성 데이터에 대한 매칭을 통해 동일 상품 여부를 판단할 수 있다.

수집된 데이터를 기반으로 하는 데이터 분석의 정확성을 위해서는 각각의 상품이 가지고 있는 속성을 DB 내의 테이블 컬럼과 일치해야 한다. 이를 위해, 각 채널에 대한 속성 매칭을 기반으로 설정된 매칭 모듈을 이용할 수 있다.

또한, 상술한 바와 같이, 프로세서(26)의 제어에 의해 데이터저장부(262)는 MongoDB(NoSQL DB)에서 PostgreSQL DB(SQL DB)로 데이터 통합 과정을 수행한다. 상기 데이터 통합은 csv file 저장할 directory로 이동, mongoexport 입력, csv file 생성, PostgreSQL 실행, postgre processing, table 생성 및 속성 정의, postreSQL로 csv file import, table 생성 완료의 프로세스로 수행될 수 있다.

프로세서(26)의 제어에 의해 데이터저장부(262)는 MongoDB 상의 각 채널에 수집된 데이터를 통합된 스키마로 저장하기 위해서는 각 채널의 데이터의 구조를 분석하는 과정을 수행할 수 있다. 도 5에 도시된 바와 같이, 각 채널 별로 데이터 속성 구조가 상이하기 때문에, 채널 별 데이터에 대해서 특정 필드만을 추출하여 통합 저장할 수 있다. 구체적으로, 프로세서(26)의 제어에 의해 데이터저장부(262)는 MongoDB(NoSQL DB)의 데이터를 PostgreSQL DB(SQL DB)로 적제하는 과정에서 불필요한 필드를 제거하거나 필요한 필드만을 추출할 수 있다.

상기 프로세서(26)의 제어에 의해 데이터저장부(262)는 상기 NoSQL DB에서 상기 SQL DB로 데이터를 통합 저장할 때, 파생 속성 또는 중복 속성을 갖는 필드, 수집할 때마다 값이 변하는 속성을 갖는 필드 및 모든 아이템이 같은 속성을 갖는 필드는 제거하고, 필드명은 다르지만 같은 값은 갖는 두 개의 필드 중 하나를 제거할 수 있다.

예를 들어, 파생 속성 또는 중복 속성을 갖는 필드만을 제거하는 경우, categoryId와 categoryName은 동일하므로, 둘 중에 하나를 제거할 수 있다.

예를 들어, rank, id, category, opendate, adid, price, producttitle, reviewcount, imgurl, mallid, mallno, mallname, keepcount, scoreinfo, maker, brand는 필요한 필드로 추출할 수 있다.

도 3을 참조하면, 프로세서(26)의 제어에 의해 데이터분석부(263)는 상기 통합 저장된 데이터를 분석할 수 있다(S130).

프로세서(26)의 제어에 의해 상기 데이터분석부(263)는 상기 통합 저장된 데이터를 이용하여, 상품 수치화 분석, 분석 대상 그룹의 채널 별 상품 경쟁력 포지셔닝 분석 및 상품 별 판매 성과 시계열 분석을 수행할 수 있다.

- 상품 수치화 분석

데이터 기반 분석을 위해서는 각각의 데이터 속성을 데이터 분석이 가능한 형태로 가공하는 작업이 필요하다. 이를 위해, 특징공학(Feature Engineering) 과정을 거쳐 상품이 가지고 있는 정보들을 풍부하게 할 수 있다. 이미지 데이터의 경우, 색상값과 각 색상 간의 비율을 통해 분위기에 대한 특징을 표현하는 필드를 생성할 수 있다. 또한, 카테고리 별로 가격대를 지정하여 고가, 중가, 저가에 대한 분류 필드를 생성할 수 있다. 카테고리 데이터에 대해서는 해당 카테고리 값과 타겟 레이블 간의 연관성을 인코딩하기 위해 평균 인코딩(Mean Encoding) 방식을 활용하여 필드를 추가할 수 있다. 기타 분석 과정에서 상관관계 분석과 시각화를 바탕으로 추가적인 특징을 나타내는 필드를 추가함으로써 자동화 성능을 향상시킬 수 있다. 다차원 데이터에 대한 분석을 효과적으로 하기 위해, t-SNE 차원축소 기법을 활용한 시각화 기법을 통해 상관관계에 대한 분석을 수행할 수 있다.

- 분석 대상 그룹의 채널 별 상품 경쟁력 포지셔닝 분석

개별 상품, 상품군, 브랜드, 판매자(판매업체)가 각 채널에 대해 어느 정도의 경쟁력을 가지는지를 분석하기 위해서는 mxn개의 조합에 대한 분석이 필요하다.

구체적으로, 프로세서(26)의 제어에 의해 상기 데이터분석부(263)는 상기 상품 경쟁력 포지셔닝 분석 시에, m개의 상기 분석 대상 그룹 및 n개의 상기 채널을 조합하여 분석할 수 있다. 여기서, m 및 n은 자연수이다. 상기 분석 대상 그룹은 개별 상품, 상품군, 브랜드 및 판매자를 포함할 수 있다.

상기 분석 대상 그룹은 분석하고자 하는 대상의 범위 종류를 의미할 수 있다. 예를 들어, 개별 상품에 대한 분석만을 할 경우에 m은 1일 될 수 있고, 개별 상품, 개별 상품 주변 상품군, 판매자에 대한 분석을 할 경우에 m은 3이 될 수 있다. 또한, 이러한 그룹들이 각 채널에서 어느 정도의 경쟁력을 가지는지 분석하기 위해서는 채널 n개에 대한 분석을 각각 독립적으로 수행해야 하므로, mxn개의 분석이 지속적으로 이루어져야 한다.

이를 위해, 비지도학습 방법인 클러스터링 기술을 활용하고 해당 분석 대상 그룹이 어떤 클러스터에 속하는지, 또한 다른 클러스터와 어떤 차이를 보이는지를 분석하여 이를 수치화하고 포지셔닝 분석을 통해 경쟁력을 평가할 수 있다.

-상품 별 판매 성과 시계열 분석

프로세서(26)의 제어에 의해 상기 데이터분석부(263)는 상기 상품 별 판매 성과 시계열 분석 시에, 기 구축된 예측 모델을 이용하여 현재 시점을 기준으로 기 설정된 기간 동안 상품 별 판매 성과 추세를 예측할 수 있다.

여기서, 예측 모델은 상품 별 성과 데이터를 기반으로 하는 시계열 데이터 분석을 통해 구축될 수 있다. 성과 데이터는 매출 정보를 의미할 수 있다.

구체적으로, 프로세서(26)의 제어에 의해 데이터분석부(263)는 CTR(Click-through rate) 추론 어플리케이션, 전환률 추론 어플리케이션 및 이탈률 추론 어플리케이션을 이용하여 상품의 경쟁력을 예측할 수 있다. 이와 같이 예측 모델을 이용한 분석을 통해 상품의 성과가 지속적으로 증가할지, 감소할지 또는 유지될지를 예측할 수 있다.

도 3을 참조하면, 프로세서(26)의 제어에 의해 상품추천부(264)는 상기 분석된 데이터를 이용하여 판매자 별로 사입 상품을 추천할 수 있다(S140). 여기서, 사입 상품은 사입 진행이 필요한 상품으로, 사입 상품으로 추천되면 판매자는 해당 상품에 대한 사입을 진행할 수 있다.

프로세서(26)의 제어에 의해 상기 상품추천부(264)는 상기 분석된 결과에 기초하여, 판매자 별로 판매하고 있는 복수의 보유 상품 중에서 기 설정된 조건을 충족하는 보유 상품을 추출하여 상기 사입 상품으로 추천할 수 있다.

여기서, 기 설정된 조건은 상품의 경쟁력이 기준값 이상인지의 여부, 상품의 성과 지속 기간이 기준기간 이상인지의 여부를 포함할 수 있으며, 이에 제한되는 것은 아니다.

프로세서(26)의 제어에 의해 상품추천부(264)는 상기 분석된 결과를 기초로, 판매자가 판매하는 상품들 중에서 경쟁력이 기준값 이상인 상품을 추출하여 사입 상품으로 추천할 수 있다.

프로세서(26)의 제어에 의해 상품추천부(264)는 상기 분석된 결과를 기초로, 판매자가 판매하는 상품들 중에서 성과 지속 기간이 기준기간 이상인 상품을 추출하여 사입 상품으로 추천할 수 있다.

프로세서(26)의 제어에 의해 상품추천부(264)는 상기 분석된 결과를 기초로, 판매자가 판매하는 상품들 중에서 경쟁력이 기준값 이상이고 성과 지속 기간이 기준기간 이상인 상품을 추출하여 사입 상품으로 추천할 수 있다.

또한, 프로세서(26)의 제어에 의해 상품추천부(264)는 상기 분석된 결과를 기초로, 판매자의 특정 상품(예를 들어, 주력 상품)에 대해서 비교 대상 상품과의 비교를 통해 사입 상품으로 추천할 수 있다. 여기서, 비교 대상 상품은 상기 특정 상품과 유사한 종류 및 가격이 유사한 상품을 의미할 수 있지만, 그 기준은 이에 제한되는 것은 아니다. 구체적으로, 특성 상품에 대한 클릭률이 상기 비교 대상 상품의 클릭률에 대한 통계 범위 내에 포함되는 경우 상품추천부(264)는 해당 특정 상품을 사입 상품으로 추천할 수 있다.

도 3에 도시하지는 않았지만, 본 개시는 프로세서(26)의 제어에 의해 키워드관리부(265)가 사입 상품에 대한 광고를 위한 키워드를 관리하는 단계를 더 포함할 수 있다.

프로세서(26)의 제어에 의해 상기 키워드관리부(265)는 사입 상품으로 추천된 상품에 대해서 키워드 관리를 통해 광고 전략을 수행할 수 있다.

구체적으로, 프로세서(26)의 제어에 의해 상기 키워드관리부(265)는 상기 사입 상품에 부여된 키워드와 연관된 연관 키워드를 추출하여, 상기 연관 키워드의 적합성 분석을 통해 상기 연관 키워드의 목록을 생성할 수 있다. 이때, 적합성 분석은 NDCG(normalized Discounted Cumulative Gain)를 활용할 수 있으며, 이를 통해 연관 키워드들을 상기 사입 상품에 부여된 키워드와 관련성이 높은 순서대로 목록에 포함시킬 수 있다. 여기서, 적합성 분석에 활용되는 평가 방법은 NDCG에 한정되는 것이 아니며, 추천 시스템에 적용되는 다양한 평가 방법이 적합성 분석에 활용될 수 있다.

그리고, 프로세서(26)의 제어에 의해 상기 키워드관리부(265)는 상기 목록에 포함된 각각의 상기 연관 키워드에 대해 ROAS (Return On Ad Spend)를 측정하고, 전환률을 기준으로 상기 키워드를 필터링하여 상기 목록을 업데이트할 수 있다. 이렇게 업데이트된 목록에 기초하여 광고 전략을 수행함으로써, 높은 성과를 내는 키워드를 통한 광고 수행이 가능하다.

한편, 본 개시는 판매자 단말(10)로부터 해당 판매자가 보유한 전체 상품 중에서 판매자가 분석하고 싶은 상품(이하, 분석 대상 상품)을 선택받아, 해당 분석 대상 상품에 대한 경쟁력 정보를 시각화 정보로 제공할 수 있다.

구체적으로, 분석 대상 상품과 비교 대상이 되는 상품군에 대해서, 클러스터링 결과 데이터를 활용한 시각화 정보를 제공할 수 있다. 이때, 2d plotting(scatter plot)을 활용할 수 있다. 그리고, 판매자 단말(10)로부터 클러스터링 분석 결과를 통해 비교 대상이 될만한 상품들을 선택받으면, 해당 상품들의 통계(예를 들어, 평균가격에 대한 통계)와 상기 분석 대상 상품 간의 차이를 시각화 제공함으로써, 판매자가 자신의 분석 대상 상품이 비교 대상 상품들과 비교했을 때 어느 정도의 경쟁력이 있는지를 쉽게 확인할 수 있도록 할 수 있다.

도 3은 단계 S110 내지 단계 S140을 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 3에 기재된 순서를 변경하여 실행하거나 단계 S110 내지 단계 S140을 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 3은 시계열적인 순서로 한정되는 것은 아니다.

한편, 상술한 설명에서, S110 내지 단계 S140은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.

한편, 개시된 실시예들은 컴퓨터에 의해 실행 가능한 명령어를 저장하는 기록매체의 형태로 구현될 수 있다. 명령어는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 프로그램 모듈을 생성하여 개시된 실시예들의 동작을 수행할 수 있다. 기록매체는 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.

컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터에 의하여 해독될 수 있는 명령어가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다.

이상에서와 같이 첨부된 도면을 참조하여 개시된 실시예들을 설명하였다. 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자는 본 개시의 기술적 사상이나 필수적인 특징을 변경하지 않고도, 개시된 실시예들과 다른 형태로 본 개시가 실시될 수 있음을 이해할 것이다. 개시된 실시예들은 예시적인 것이며, 한정적으로 해석되어서는 안 된다.

1: 시스템
10: 판매자 단말
20: 자동화 장치
22: 통신부
24: 메모리
26: 프로세서
261: 데이터수집부
262: 데이터저장부
263: 데이터분석부
264: 상품추천부
265: 키워드관리부
30: 판매 채널

Claims

상품 판매를 위한 채널 별로 데이터 수집하는 데이터수집부;
상기 수집된 데이터를 스키마(schema) 통합 과정을 통해 통합 저장하는 데이터저장부;
상기 통합 저장된 데이터를 분석하는 데이터분석부; 및
상기 분석된 데이터를 이용하여 판매자 별로 사입 상품을 추천하는 상품추천부;를 포함하고,
상기 데이터분석부는,
상기 통합 저장된 데이터를 이용하여,
상품 수치화 분석, 분석 대상 그룹의 채널 별 상품 경쟁력 포지셔닝 분석 및 상품 별 판매 성과 시계열 분석을 수행하고,
상기 상품추천부는,
상기 분석된 결과에 기초하여, 판매자 별로 판매하고 있는 복수의 보유 상품 중에서 기 설정된 조건을 충족하는 보유 상품을 추출하여 상기 사입 상품으로 추천하고,
상기 데이터수집부는,
상기 채널 별로 각각의 특성에 맞게 설계된 수집모듈을 통해 상기 채널 별로 데이터를 크롤링(Crawling)하되, 상기 수집모듈은 상기 채널 별로 상이한 카테고리 구조 특성에 맞게 각각 설계되어 실행 시 수집할 대상 카테고리만을 목록화함으로써 상기 채널 별로 목록화된 카테고리에 대한 데이터만 크롤링되도록 하고,
상기 데이터저장부는,
상기 채널 별로 상이한 카테고리 구조 특성에 따라 상기 채널 별로 수집된 데이터를 NoSQL DB에서 SQL DB로 통합 저장할 때, 파생 속성 또는 중복 속성을 갖는 필드, 수집할 때마다 값이 변하는 속성을 갖는 필드 및 모든 아이템이 같은 속성을 갖는 필드는 제거하고, 필드명은 다르지만 같은 값은 갖는 두 개의 필드 중 하나를 제거하는, 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치.
삭제
삭제
삭제
제1 항에 있어서,
상기 데이터분석부는,
상기 상품 경쟁력 포지셔닝 분석 시에, m개의 상기 분석 대상 그룹 및 n개의 상기 채널을 조합하여 분석하고(여기서, m 및 n은 자연수),
상기 분석 대상 그룹은 개별 상품, 상품군, 브랜드 및 판매자를 포함하는, 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치.
제1 항에 있어서,
상기 데이터분석부는,
상기 상품 별 판매 성과 시계열 분석 시에, 기 구축된 예측 모델을 이용하여 현재 시점을 기준으로 기 설정된 기간 동안 상품 별 판매 성과 추세를 예측하는, 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치.
제1 항에 있어서,
상기 사입 상품에 대한 광고를 위한 키워드를 관리하는 키워드관리부;를 더 포함하고,
상기 키워드관리부는,
상기 사입 상품에 부여된 키워드와 연관된 연관 키워드를 추출하여, 상기 연관 키워드의 적합성 분석을 통해 상기 연관 키워드의 목록을 생성하는, 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치.
제7 항에 있어서,
상기 목록에 포함된 각각의 상기 연관 키워드에 대해 ROAS (Return On Ad Spend)를 측정하고, 전환률을 기준으로 상기 키워드를 필터링하여 상기 목록을 업데이트하는, 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치.
장치에 의해 수행되는 방법에 있어서,
상품 판매를 위한 채널 별로 데이터 수집하는 단계;
상기 수집된 데이터를 스키마(schema) 통합 과정을 통해 통합 저장하는 단계;
상기 통합 저장된 데이터를 분석하는 단계; 및
상기 분석된 데이터를 이용하여 판매자 별로 사입 상품을 추천하는 단계;를 포함하고,
상기 분석하는 단계는,
상기 통합 저장된 데이터를 이용하여, 상품 수치화 분석, 분석 대상 그룹의 채널 별 상품 경쟁력 포지셔닝 분석 및 상품 별 판매 성과 시계열 분석을 수행하고,
상기 추천하는 단계는,
상기 분석된 결과에 기초하여, 판매자 별로 판매하고 있는 복수의 보유 상품 중에서 기 설정된 조건을 충족하는 보유 상품을 추출하여 상기 사입 상품으로 추천하고,
상기 데이터 수집하는 단계는,
상기 채널 별로 각각의 특성에 맞게 설계된 수집모듈을 통해 상기 채널 별로 데이터를 크롤링(Crawling)하되, 상기 수집모듈은 상기 채널 별로 상이한 카테고리 구조 특성에 맞게 각각 설계되어 실행 시 수집할 대상 카테고리만을 목록화함으로써 상기 채널 별로 목록화된 카테고리에 대한 데이터만 크롤링되도록 하고,
상기 통합 저장하는 단계는,
상기 채널 별로 상이한 카테고리 구조 특성에 따라 상기 채널 별로 수집된 데이터를 NoSQL DB에서 SQL DB로 통합 저장할 때, 파생 속성 또는 중복 속성을 갖는 필드, 수집할 때마다 값이 변하는 속성을 갖는 필드 및 모든 아이템이 같은 속성을 갖는 필드는 제거하고, 필드명은 다르지만 같은 값은 갖는 두 개의 필드 중 하나를 제거하는, 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 방법.
컴퓨터와 결합되어, 제9 항의 방법을 실행하기 위해 컴퓨터 판독가능 기록 매체에 저장된 프로그램.