KR102430775B1 - 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법 - Google Patents

비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법 Download PDF

Info

Publication number
KR102430775B1
KR102430775B1 KR1020220016080A KR20220016080A KR102430775B1 KR 102430775 B1 KR102430775 B1 KR 102430775B1 KR 1020220016080 A KR1020220016080 A KR 1020220016080A KR 20220016080 A KR20220016080 A KR 20220016080A KR 102430775 B1 KR102430775 B1 KR 102430775B1
Authority
KR
South Korea
Prior art keywords
test
marketability
data
platform server
tester
Prior art date
Application number
KR1020220016080A
Other languages
English (en)
Inventor
채중규
김성도
양재원
김재훈
Original Assignee
주식회사 알파브라더스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 알파브라더스 filed Critical 주식회사 알파브라더스
Priority to KR1020220097149A priority Critical patent/KR102543094B1/ko
Priority to KR1020220097150A priority patent/KR102544104B1/ko
Application granted granted Critical
Publication of KR102430775B1 publication Critical patent/KR102430775B1/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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • 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
    • G06Q30/0203—Market surveys; Market polls

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)

Abstract

비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법을 제공한다. 상기 시스템에 포함된 통합 테스트 플랫폼 서버는, 적어도 하나의 프로세서(processor); 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함한다. 상기 적어도 하나의 동작은, 테스터 단말과 연동하여 테스터를 인증하고, 인증된 테스터를 미리 테스터 DB에 저장하는 단계; 외부의 SNS 플랫폼 서버와 연동하여 비즈니스 모델과 대응하는 복수의 최소 기능 제품(MVP, minimally viable product)들에 대한 시장성 테스트를 수행하는 단계; 상기 시장성 테스트에 기초하여 상기 복수의 최소 기능 제품들 중 적어도 하나를 선정하는 단계; 선정된 적어도 하나의 최소 기능 제품에 대응하는 복수의 테스터들을 선정하는 단계; 선정된 테스터들 중 적어도 일부의 테스터 단말과 연동하여 사용성 테스트와 기술성 테스트를 수행하는 단계; 및 상기 시장성 테스트, 상기 사용성 테스트, 및 상기 기술성 테스트에 따른 테스트 결과 데이터를 고객사 단말에 제공하는 단계를 포함한다.

Description

비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법{INTEGRATED TEST PLATFORM SYSTEM FOR PROVIDING MARKETABILITY, USABILITY AND TECHNICALITY TESTS ABOUT BUSINESS MODEL AND THE OPERATING METHOD THEREOF}
본 발명은 비즈니스 모델에 대한 성공 가능성을 극대화할 수 있는 테스트 플랫폼 기술에 관한 것으로, 더욱 상세하게는 비즈니스 모델과 관련된 상품 또는 서비스에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법에 관한 것이다.
창업 후 5년 이후까지 영업을 지속중인 중소기업은 약 29% 수준으로서 다수의 중소기업은 5년도 영업을 지속하지 못하고 폐업하고 있는 실정이다. 이러한 중소 규모의 창업기업이 실패할 확률을 낮추기 위해서는 창업기업이 출시하려는 비즈니스 모델의 시장성, 사용성, 및 기술성을 정밀하고 체계적으로 검증할 수 있는 테스트가 필요하다.
비즈니스 모델은 타겟 고객을 대상으로 제품이나 서비스를 제공하고, 이에 대한 대가를 얻을 수 있는 수단과 그 인프라를 모두 포함하는 개념으로서, 이러한 비즈니스 모델의 성공 가능성을 미리 확인하고 검증할 수 있는 테스트가 필요하지만 규모가 작은 기업이 이를 정밀하고 체계적으로 진행하기는 어렵다.
일부 규모가 큰 기업의 경우, 출시할 제품이나 서비스를 확정한 후, 전문 테스터를 고용하고, 이를 대상으로 제품이나 서비스에 대한 성능 테스트와 기술성 테스트를 진행하기도 하지만, 대부분 자사 내부의 기능 테스트 수준에 머무르고 있어, 상당히 폐쇄적인 테스트 결과가 도출되며 이로인해 테스트 신뢰도가 크게 떨어지는 문제가 있다.
따라서, 이러한 기능 테스트 수준에서 벗어나, 비즈니스 모델을 구성하는 제품이나 서비스가 시장에서 어느정도 영향력을 주고 관심을 끌수 있는지를 평가하는 시장성 테스트, 제품이나 서비스에 대한 고객의 만족도와 편의성 등을 평가하는 사용성 테스트, 및 제품이나 서비스의 완성도를 평가하는 기술성 테스트를 모두 아우르는 통합 테스트가 진행될 필요가 있다.
또한, 기존에 일부 소수의 내부 사용자나 전문가를 대상으로하는 폐쇄적인 형태에서 벗어나 실제로 잠재고객이 될 가능성이 높은 테스터와 전문적인 지식을 가진 테스터 모두를 대상으로 자유롭게 테스트에 참여가 가능한 개방적인 테스트를 통한 테스트 신뢰도 재고의 필요성도 높다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법을 제공하는데 있다.
상기 목적을 달성하기 위한 본 발명의 일 측면은, 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 서버를 제공한다.
상기 통합 테스트 플랫폼 서버는, 적어도 하나의 프로세서(processor); 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함한다.
상기 적어도 하나의 동작은, 테스터 단말과 연동하여 테스터를 인증하고, 인증된 테스터를 미리 테스터 DB에 저장하는 단계; 외부의 SNS 플랫폼 서버와 연동하여 비즈니스 모델과 대응하는 복수의 최소 기능 제품(MVP, minimally viable product)들에 대한 시장성 테스트를 수행하는 단계; 상기 시장성 테스트에 기초하여 상기 복수의 최소 기능 제품들 중 적어도 하나를 선정하는 단계; 선정된 적어도 하나의 최소 기능 제품에 대응하는 복수의 테스터들을 선정하는 단계; 선정된 테스터들 중 적어도 일부의 테스터 단말과 연동하여 사용성 테스트와 기술성 테스트를 수행하는 단계; 및 상기 시장성 테스트, 상기 사용성 테스트, 및 상기 기술성 테스트에 따른 테스트 결과 데이터를 고객사 단말에 제공하는 단계를 포함한다.
상기 복수의 기능 제품들 중 적어도 하나를 선정하는 단계는, 상기 비즈니스 모델에 따른 상품이나 서비스에 포함된 다수의 구성요소들 각각을 필수 구성요소와 부가 구성요소 중 하나로 분류하고, 분류된 필수 구성요소 및 적어도 하나의 부가 구성요소로 구성된 복수의 최소 기능 제품들을 선정하는 단계를 포함한다.
상기 시장성 테스트를 수행하는 단계는, 상기 복수의 최소 기능 제품들 각각에 대응하는 광고 데이터를 상기 SNS 플랫폼 서버에 제공하고, 상기 SNS 플랫폼 서버로부터 상기 광고 데이터에 대응하는 시장 반응 데이터를 수집하는 단계; 및 수집된 시장 반응 데이터에 기반하여 상기 광고 데이터에 대응하는 최소 기능 제품의 시장성 테스트 결과 데이터를 생성하는 단계를 포함한다.
상기 시장 반응 데이터는, 상기 광고 데이터가 상기 SNS 플랫폼 서버를 통해 상기 SNS 플랫폼 서버의 이용자에게 노출된 노출횟수, 상기 이용자가 해당 광고 데이터에 따른 링크(link)를 선택한 횟수, 상기 광고 데이터에 따른 링크를 통해 상품이나 서비스를 구매를 한 횟수, 및 상기 광고 데이터에 따른 링크를 통해 제공되는 설문에 응답한 횟수 중 적어도 하나를 포함한다.
상기 사용성 테스트와 기술성 테스트를 수행하는 단계는, 등록된 테스터들 중에서 선정된 제1 테스터들 각각의 테스터 단말에 설문 데이터를 전송하고, 상기 설문 데이터에 대한 응답에 해당하는 사용자 반응 데이터를 수신하는 단계; 수신된 상기 사용자 반응 데이터에 기초하여 NPS(Net Promoter Score) 지수를 산출하는 단계; 및 산출된 상기 NPS 지수를 포함하는 사용성 테스트 결과 데이터를 생성하는 단계를 포함한다.
상기 NPS 지수를 산출하는 단계 이후에, 상기 NPS 지수를 이용하여 입력 벡터를 생성하는 단계; 미리 수집된 훈련 데이터를 이용하여 미리 지도학습된 딥러닝 기반의 인공신경망에 상기 입력 벡터를 입력하는 단계; 상기 인공신경망의 출력에 기초하여 상기 비즈니스 모델에 대응하는 추천 고객층을 결정하는 단계; 및 결정된 상기 추천 고객층을 상기 고객사 단말에 제공하는 단계;를 포함한다.
상기 인공신경망은, 상기 인공신경망의 출력값과 훈련 출력값을 이용하여 미리 정의된 손실함수(loss function)를 연산하고, 연산된 손실함수의 결과값이 최소화되도록 상기 인공신경망을 구성하는 파라미터들을 조정하되, 상기 손실함수(E)는 하기 수학식으로 정의되고,
Figure 112022013895385-pat00001
Figure 112022013895385-pat00002
상기 수학식에서, N은 상기 인공신경망의 입력층에 입력된 훈련 데이터의 개수이고, ti 는 i번째로 사용된 훈련 데이터의 훈련출력값이고, hj는 상기 인공신경망의 은닉층의 연결강도를 구성하는 파라미터들 중 j번째 파라미터이고, wji는 i번째로 사용된 훈련 데이터의 훈련입력값이 상기 입력층에 입력되었을 때, 상기 입력층의 출력값으로서 상기 은닉층의 j번째 파라미터와 연산되는 출력값이다.
상기 목적을 달성하기 위한 본 발명의 다른 측면은, 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 서버의 동작 방법을 제공한다.
상기 동작 방법은, 테스터 단말과 연동하여 테스터를 인증하고, 인증된 테스터를 미리 테스터 DB에 저장하는 단계; 외부의 SNS 플랫폼 서버와 연동하여 비즈니스 모델과 대응하는 복수의 최소 기능 제품(MVP, minimally viable product)들에 대한 시장성 테스트를 수행하는 단계; 상기 시장성 테스트에 기초하여 상기 복수의 최소 기능 제품들 중 적어도 하나를 선정하는 단계; 선정된 적어도 하나의 최소 기능 제품에 대응하는 복수의 테스터들을 선정하는 단계; 선정된 테스터들 중 적어도 일부의 테스터 단말과 연동하여 사용성 테스트와 기술성 테스트를 수행하는 단계; 및 상기 시장성 테스트, 상기 사용성 테스트, 및 상기 기술성 테스트에 따른 테스트 결과 데이터를 고객사 단말에 제공하는 단계를 포함한다.
상기 목적을 달성하기 위한 본 발명의 다른 측면은, 전술한 동작 방법을 실행시키기 위한 프로그램이 기록되고, 컴퓨터에 의해 읽혀질 수 있는, 비일시적 기록매체를 제공한다.
상기 목적을 달성하기 위한 본 발명의 다른 측면은, 통합 테스트 플랫폼 서버의 동작 방법을 실행시키기 위하여 비일시적 기록매체에 기록된 컴퓨터 프로그램을 제공한다.
상기 목적을 달성하기 위한 본 발명의 다른 측면은, 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템을 제공한다.
상기 통합 테스트 플랫폼 시스템은, 비즈니스 모델에 대한 테스트를 요청하는 고객사 단말; 상기 테스트 요청에 따른 테스트 결과 보고 데이터를 생성하고, 상기 테스트 결과 보고 데이터를 상기 고객사 단말에 제공하는 통합 테스트 플랫폼 서버; 및 상기 통합 테스트 플랫폼 서버에 미리 등록된 테스터의 테스터 단말;을 포함한다.
상기 통합 테스트 플랫폼 서버는, 적어도 하나의 프로세서(processor); 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함한다.
상기 적어도 하나의 동작은, 테스터 단말과 연동하여 테스터를 인증하고, 인증된 테스터를 미리 테스터 DB에 저장하는 단계; 외부의 SNS 플랫폼 서버와 연동하여 비즈니스 모델과 대응하는 복수의 최소 기능 제품(MVP, minimally viable product)들에 대한 시장성 테스트를 수행하는 단계; 상기 시장성 테스트에 기초하여 상기 복수의 최소 기능 제품들 중 적어도 하나를 선정하는 단계; 선정된 적어도 하나의 최소 기능 제품에 대응하는 복수의 테스터들을 선정하는 단계; 선정된 테스터들 중 적어도 일부의 테스터 단말과 연동하여 사용성 테스트와 기술성 테스트를 수행하는 단계; 및 상기 시장성 테스트, 상기 사용성 테스트, 및 상기 기술성 테스트에 따른 테스트 결과 데이터를 고객사 단말에 제공하는 단계를 포함한다.
상기와 같은 본 발명에 따른 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 이용한 통합 테스트 플랫폼 시스템 및 그 동작 방법을 이용할 경우에는 단편적인 애플리케이션 오류 테스트에서 벗어나 비즈니스 모델 전체의 성공 가능성을 테스트할 수 있는 통합 테스트를 제공할 수 있다.
또한, 시장성 테스트를 기반으로 사용성 테스트와 기술성 테스트를 전체적으로 진행하기 때문에 시장성공 가능성이 높은 최소 기능 제품을 대상으로 사용성과 기술성을 확인할 수 있는 장점이 있다.
또한, 개방된 SNS 플랫폼 서버와 연동하여 시장성 테스트를 진행하기 때문에 기존의 폐쇄된 내부 테스트 형태의 테스트로는 확인하기 어려운 시장 반응을 미리 확인하고, 이를 통해 비즈니스 모델의 종합적인 컨설팅과 솔루션을 제공할 수 있다.
도 1은 일 실시예에 따른 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 이용한 통합 테스트 플랫폼 시스템을 나타낸 개요도이다.
도 2는 일 실시예에 따른 통합 테스트 플랫폼 서버의 기능적 블록을 예시적으로 나타낸 도면이다.
도 3은 일 실시예에 따른 시장성 테스트부의 동작을 설명하기 위한 예시도이다.
도 4는 일 실시예에 따른 사용성 테스트부의 동작을 설명하기 위한 예시도이다.
도 5는 일 실시예에 따른 사용성 테스트 결과 데이터를 위한 사용자 반응 데이터의 예시도이다.
도 6은 일 실시예에 따른 NPS 지수를 산출하기 위한 개념도이다.
도 7은 일 실시예에 따른 추천 고객 선정부의 동작을 설명하기 위한 개념도이다.
도 8은 일 실시예에 따른 기술성 테스트부의 동작을 설명하기 위한 예시도이다.
도 9는 기술성 테스트부의 세부 동작 일 예를 설명하기 위한 개념도이다.
도 10은 일 실시예에 따른 통합 테스트 플랫폼 서버의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 11은 본 발명의 일 실시예에 따른 통신 과정에서 적용될 수 있는 무선 통신 시스템을 나타낸 도면이다.
도 12는 도 11에 따른 무선 통신 시스템에서 기지국을 나타낸 도면이다.
도 13은 도 11에 따른 무선 통신 시스템에서 단말을 나타낸 도면이다.
도 14는 도 11에 따른 무선 통신 시스템에서 통신 인터페이스를 나타낸 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 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.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 일 실시예에 따른 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 이용한 통합 테스트 플랫폼 시스템을 나타낸 개요도이다.
도 1을 참조하면, 통합 테스트 플랫폼 시스템(1000)은, 비즈니스 모델에 대한 테스트를 요청하는 고객사 단말(200), 고객사 단말(200)의 테스트 요청에 따른 테스트 결과 보고 데이터를 생성하고, 생성된 테스트 결과 보고 데이터를 고객사 단말(200)에 제공하는 통합 테스트 플랫폼 서버(100), 통합 테스트 플랫폼 서버(100)에 미리 등록되고, 통합 테스트 플랫폼 서버(100)와 연동하여 사용성 테스트와 기능성 테스트를 수행하는 테스터 단말(300), 및 통합 테스트 플랫폼 서버(100)와 연동하여 시장성 테스트를 수행하는 SNS 플랫폼 서버(400)를 포함할 수 있다.
고객사 단말(200)은, 각종 민간 스타트업이나 중소기업, 공공기관 등에서 운영하는 운영 서버나 그 관계자의 사용자 단말로서, 통합 테스트 플랫폼 서버(100)에 비즈니스 모델에 대한 테스트를 요청하고, 테스트 결과 보고 데이터를 수신하고, 수신된 테스트 결과 보고 데이터를 열람할 수 있다.
고객사 단말(200)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.
여기서, 비즈니스 모델에 대한 테스트는, 해당 비즈니스 모델에 대한 시장의 반응을 예상하는 시장성 테스트, 해당 비즈니스 모델과 관련하여 출시하려는 제품이나 서비스에 사용되는 소프트웨어 기반의 애플리케이션(또는 프로그램)에 대한 사용자 만족도를 예상하는 사용성 테스트, 및 해당 애플리케이션에 대한 오류를 검증하는 기능성 테스트를 포함할 수 있다.
통합 테스트 플랫폼 서버(100)는, 비즈니스 모델에 대응하는 복수의 최소 기능 제품들(MVP, minimally viable product)을 선정할 수 있다.
최소 기능 제품이란, 최소한의 노력과 개발로 완성 가능한 상품이나 서비스로서, 가장 초기 단계 버전을 의미한다.
일 실시예에서, 통합 테스트 플랫폼 서버(100)는, 비즈니스 모델에 따른 상품이나 서비스에 포함된 다수의 구성요소들 각각을 필수 구성요소와 부가 구성요소 중 하나로 분류하고, 필수 구성요소 및 적어도 하나의 부가 구성요소로 구성된 복수의 최소 기능 제품들을 선정할 수 있다.
예를 들어, 비즈니스 모델에 따른 서비스가 환자를 대상으로 케어식단을 정기배송하는 서비스라고 할 때, 케어 식단을 코칭 또는 결정하는 서비스, 케어식단에 포함되어야 하는 영양소를 코칭 또는 결정하는 서비스가 구성요소로 포함될 수 있으며, 이 중에서 케어 식단을 코칭 또는 결정하는 서비스는 필수 구성요소로, 케어 식단에 포함되어야 하는 영양소를 코칭 또는 결정하는 서비스는 부가 구성요소로 결정될 수 있다.
이를 위해, 통합 테스트 플랫폼 서버(100)는, 상품이나 서비스에 포함된 다수의 구성요소들을 고객사 단말(200)로부터 제공받고, 제공받은 다수의 구성요소들 각각에 대응하는 필수 구성요소와 부가 구성요소를 식별기호로서 부여하여 내부 저장소에 저장하고, 통합 테스트 플랫폼 서버(100)는, 부여된 식별기호에 따라 필수 구성요소와 적어도 하나의 부가 구성요소를 포함하는 최소 기능 제품들을 선정할 수 있다.
다른 일 실시예에서, 고객사 단말(200)을 통해 특정 비즈니스 모델 또는 그 비즈니스 모델과 대응하는 서비스나 상품을 제공받으면, 통합 테스트 플랫폼 서버(100)는, 제공받은 서비스나 상품을 관리자에게 표시하고, 관리자의 입력을 통해 복수의 최소 기능 제품들을 선정할 수도 있다.
통합 테스트 플랫폼 서버(100)는, 선정된 최소 기능 제품들 각각에 대응하는 광고 데이터를 생성할 수 있다. 예를 들어, 통합 테스트 플랫폼 서버(100)는, 최소 기능 제품들 각각에 대응하는 주제 및 설명(description)을 텍스트 데이터로서 수집하고, 수집된 주제 및 설명을 미리 정의된 광고 템플릿들 중 하나에 입력하여 광고 데이터를 생성할 수 있다. 이때, 통합 테스트 플랫폼 서버(100)는, 고객사 단말(200)을 통해 제공받은 비즈니스 모델 또는 그 비즈니스 모델에 대응하는 서비스나 상품에 대한 텍스트 데이터로부터 주제 및 설명을 수집할 수 있다.
예를 들어, 광고 템플릿이란, 주제와 설명이 삽입될 위치와 크기가 미리 정의된 이미지 형태의 데이터일 수 있다. 통합 테스트 플랫폼 서버(100)는, 주제 및 설명에 따른 텍스트 데이터에서 핵심 키워드를 선정하고, 선정된 핵심 키워드를 태그로 갖는 광고 템플릿을 선정하고, 선정된 광고 템플릿에 수집된 주제와 설명을 입력하여 광고 데이터를 생성할 수 있다.
통합 테스트 플랫폼 서버(100)는, 최소 기능 제품마다 각각 생성된 광고 데이터를 SNS 플랫폼 서버(400)에 제공하고, SNS 플랫폼 서버(400)로부터 광고 데이터에 대응하는 시장 반응 데이터를 수집하고, 수집된 시장 반응 데이터에 기반하여 광고 데이터에 대응하는 최소 기능 제품의 시장성 테스트 결과 데이터를 생성할 수 있다.
예를 들어, SNS 플랫폼 서버(400)는, 인스타그램(instagram), 네이버(Naver), 다음(Daum), 구글(Google), 아마존(Amazon), 카카오(Kakao) 등에서 서비스하는 SNS(Social Network Service)의 운영 서버일 수 있다.
예를 들어, 시장 반응 데이터는, 광고 데이터가 SNS 플랫폼 서버(400)를 통해 SNS 플랫폼 서버(400)의 이용자에게 노출된 노출횟수, SNS 플랫폼 서버(400)의 이용자가 해당 광고 데이터에 따른 링크(link)를 선택한 횟수, 광고 데이터에 따른 링크를 통해 상품이나 서비스를 구매를 한 횟수, 및 광고 데이터에 따른 링크를 통해 제공되는 설문에 응답한 횟수 중 적어도 하나를 포함할 수 있다.
통합 테스트 플랫폼 서버(100)는, 시장 반응 데이터를 기반으로 최소 기능 제품들 각각에 대응하는 시장성 테스트 결과 데이터를 생성할 수 있다.
예를 들어, 시장성 테스트 결과 데이터는, 노출 횟수와 링크를 선택한 횟수를 이용하여 산출되는 관심도, 링크를 선택한 횟수와 구매를 한 횟수를 이용하여 산출되는 구매도, 및 구매를 한 횟수와 설문에 응답한 횟수를 이용하여 산출되는 관여도를 포함할 수 있다.
통합 테스트 플랫폼 서버(100)는, 시장성 테스트 결과 데이터를 기반으로, 시장 반응이 가장 좋은 것으로 판단되는 최소 기능 제품을 선정할 수 있다. 통합 테스트 플랫폼 서버(100)는, 선정된 최소 기능 제품에 대응하는 기능부들로 구성된 애플리케이션에 대하여 사용성 테스트 및 기능성 테스트를 수행할 수 있다.
구체적으로, 통합 테스트 플랫폼 서버(100)는, 미리 통합 테스트 플랫폼 서버(100)에 등록된 테스터들 중에서, 선정된 최소 기능 제품에 적합한 복수의 테스터들을 선정하고, 선정된 테스터들 각각의 테스터 단말(300)과 연동하여 사용성 테스트 및 기능성 테스트를 수행할 수 있다.
테스터 단말(300)은, 비즈니스 모델에 대한 테스터로 참여하길 원하는 사용자의 단말로서, 여기서의 사용자는 일반 소비자, 소프트웨어 개발 경력자, 소프트웨어에 관심이 있는 학생이나 강사, 경력단절 여성, 기타 자격증 소지자 등을 포함할 수 있다.
테스터 단말(300)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.
이를 위해, 통합 테스트 플랫폼 서버(100)는, 테스터 단말(300)을 통해 테스터에 대응하는 상세 프로필 정보를 획득하고, 획득된 상세 프로필 정보를 기반으로 테스터를 분류하여 테스터 DB(500)에 저장할 수 있다.
여기서, 테스터 DB(500)는, 미리 정의된 인증 절차에 따라 인증이 완료된 테스터에 대한 상세 프로필 정보를 저장하는 데이터베이스로서, 통합 테스트 플랫폼 서버(100)의 내부 저장소 형태로 구현된 데이터베이스이거나, 통합 테스트 플랫폼 서버(100)와 연동하여 열람 가능하도록 구현된 분산 데이터베이스, 클라우드 기반 데이터베이스 등을 포함할 수 있다.
통합 테스트 플랫폼 서버(100)는, 선정된 최소 기능 제품에 적합한 것으로 선정된 테스터들을 대상으로 사용성 테스트와 기술성 테스트를 수행하고, 사용성 테스트 결과 데이터 및 기술성 테스트 결과 데이터를 생성할 수 있다.
통합 테스트 플랫폼 서버(100)는, 생성된 사용성 테스트 결과 데이터와 기술성 테스트 결과 데이터, 및 시장성 테스트 결과 데이터를 포함하는 테스트 결과 보고 데이터를 생성하고, 생성된 테스트 결과 보고 데이터를 고객사 단말(200)에 제공할 수 있다.
도 2는 일 실시예에 따른 통합 테스트 플랫폼 서버의 기능적 블록을 예시적으로 나타낸 도면이다.
도 2를 참조하면, 통합 테스트 플랫폼 서버(100)는, 테스터 단말(300)과 연동하여 테스터를 인증하고, 인증된 테스터를 미리 테스터 DB(500)에 저장하는 테스터 등록부(101); 외부의 SNS 플랫폼 서버(400)와 연동하여 비즈니스 모델과 대응하는 복수의 최소 기능 제품들에 대한 시장성 테스트를 수행하고, 수행된 시장성 테스트에 따른 시장성 테스트 결과 데이터를 생성하고, 생성된 시장성 테스트 결과 데이터에 기초하여 복수의 최소 기능 제품들 중 적어도 하나를 선정하는 시장성 테스트부(102); 테스터 DB(500)에 등록된 테스터들 중에서, 선정된 적어도 하나의 최소 기능 제품에 대응하는 복수의 테스터들을 선정하는 테스터 선정부(103); 선정된 복수의 테스터들 중 적어도 일부의 테스터 단말(300)과 연동하여 사용성 테스트를 수행하고, 수행된 사용성 테스트에 따른 사용성 테스트 결과 데이터를 생성하는 사용성 테스트부(104); 사용성 테스트 결과 데이터에 기초하여 비즈니스 모델에 대응하는 추천 고객을 선정하는 추천 고객 선정부(105); 및 선정된 복수의 테스터들 중 적어도 일부의 테스터 단말(300)과 연동하여 기술성 테스트를 수행하고, 수행된 기술성 테스트에 따른 기술성 테스트 결과 데이터를 생성하는 기술성 테스트부(106);를 포함할 수 있다.
테스터 등록부(101)는, 테스터 단말(300)을 통해 테스터에 대응하는 상세 프로필 정보를 획득하고, 획득된 상세 프로필 정보를 기반으로 테스터를 인증하고, 인증된 테스터를 상세 프로필 정보에 따라 분류하여 테스터 DB(500)에 저장할 수 있다.
시장성 테스트부(102)는, 상품이나 서비스에 포함된 다수의 구성요소들을 고객사 단말(200)로부터 제공받고, 제공받은 다수의 구성요소들 각각에 대응하는 필수 구성요소와 부가 구성요소를 식별기호로서 부여하여 내부 저장소에 저장하고, 부여된 식별기호에 따라 필수 구성요소와 적어도 하나의 부가 구성요소를 포함하는 최소 기능 제품들을 선정할 수 있다.
시장성 테스트부(102)는, 선정된 최소 기능 제품들 각각에 대응하는 광고 데이터를 SNS 플랫폼 서버(400)에 제공하고, SNS 플랫폼 서버(400)로부터 광고 데이터에 대응하는 시장 반응 데이터를 수집하고, 수집된 시장 반응 데이터에 기반하여 광고 데이터에 대응하는 최소 기능 제품의 시장성 테스트 결과 데이터를 생성할 수 있다.
통합 테스트 플랫폼 서버(100)는, 선정된 복수의 테스터들 중 적어도 일부의 테스터 단말(300)과 연동하여 인터뷰 테스트를 수행하고, 수행된 인터뷰 테스트에 따른 인터뷰 테스트 결과 데이터를 생성하는 인터뷰 테스트부(107)를 더 포함할 수 있다.
일 실시예에서 인터뷰 테스트부(107)는, 복수의 테스터들 중 적어도 일부의 테스터 단말(300) 및 통합 테스트 플랫폼 서버(100)의 관리자가 소지하는 관리자 단말(미도시) 사이의 다대일 또는 일대일 통신 채널을 생성하고, 생성된 다대일 또는 일대일 통신 채널을 통해 온라인상의 원격 인터뷰를 위한 화상 회의 또는 음성 통신을 수행할 수 있다.
예를 들어, 인터뷰 테스트부(107)는, 관리자 단말과 다수의 테스터 단말(300)들 사이에 다대일 통신 채널을 생성하고, 생성된 다대일 통신 채널을 통해 관리자 단말의 관리자와 테스터 단말(300)들 각각의 테스터 사이에 표적집단심층면접(FGI, Focus Group Discussion)이 수행되도록 지원할 수 있다.
또한, 인터뷰 테스트부(107)는, 관리자 단말과 하나의 테스터 단말(300) 사이에 일대일 통신 채널을 생성하고, 생성된 일대일 통신 채널을 통해 관리자 단말의 관리자와 테스터 단말(300)의 테스터 사이에 1:1 심층 면접(IDI, In Depth Interview)이 수행되도록 지원할 수도 있다.
인터뷰 테스트부(107)는, 표적집단심층면접 또는 1:1 심층 면접에 따른 화상 및/또는 음성 데이터를 저장하고, 저장된 화상 및/또는 음성 데이터를 관리자 단말에게 제공하고, 관리자 단말로부터 제공된 입력에 기초하여 인터뷰 테스트 결과 데이터를 생성할 수 있다.
다른 일 실시예에서 인터뷰 테스트부(107)는, 저장된 화상 및/또는 음성 데이터에서 핵심 키워드를 추출하고, 추출된 핵심 키워드에 기초하여 인터뷰 테스트 결과 데이터를 생성할 수도 있다.
도 3은 일 실시예에 따른 시장성 테스트부의 동작을 설명하기 위한 예시도이다.
도 3을 참조하면, 시장성 테스트부(102)는, SNS 플랫폼 서버(400)와 연동하여 시장 반응 데이터를 수집할 수 있다.
여기서, 시장 반응 데이터는, 광고 데이터가 SNS 플랫폼 서버(400)를 통해 SNS 플랫폼 서버(400)의 이용자에게 노출된 노출횟수, SNS 플랫폼 서버(400)의 이용자가 해당 광고 데이터에 따른 링크(link)를 선택한 횟수, 광고 데이터에 따른 링크를 통해 상품이나 서비스를 구매를 한 횟수, 및 광고 데이터에 따른 링크를 통해 제공되는 설문에 응답한 횟수 중 적어도 하나를 포함할 수 있다.
시장성 테스트부(102)는, 시장 반응 데이터를 기반으로 최소 기능 제품들 각각에 대응하는 시장성 테스트 결과 데이터를 생성할 수 있다.
예를 들어, 시장성 테스트 결과 데이터는, 노출 횟수와 링크를 선택한 횟수를 이용하여 산출되는 관심도, 링크를 선택한 횟수와 구매를 한 횟수를 이용하여 산출되는 구매도, 및 구매를 한 횟수와 설문에 응답한 횟수를 이용하여 산출되는 관여도를 포함할 수 있다.
구체적으로, 관심도는, 노출 횟수 대비 링크를 선택한 횟수의 비율로 정의될 수 있다. 구매도는, 링크를 선택한 횟수 대비 구매를 한 횟수의 비율로 정의될 수 있다. 관여도는, 구매를 한 횟수 대비 설문에 응답한 횟수의 비율로 정의될 수 있다.
이때, 시장성 테스트 결과 데이터는, SNS 플랫폼 서버(400)의 이용자에 대한 성별, 연령층, 및 직업군 등에 따라 개별적으로 산출된 관심도, 구매율, 및 관여도를 포함할 수 있다.
일 실시예에서, 시장성 테스트부(102)는, 비즈니스 모델에 대하여 미리 정의된 타겟 고객층과 매칭되는 성별, 연령층, 및 직업군을 선정하고, 선정된 성별, 연령층, 및 직업군에 대하여 산출된 관심도, 구매율, 및 관여도를 이용하여 최소 기능 제품들 중 적어도 하나의 최소 기능 제품을 선정할 수 있다. 즉, 여기서 선정되는 적어도 하나의 최소 기능 제품은 시장 반응이 타겟 고객층에 대하여 가장 우수한 제품일 수 있다.
구체적인 구현례에서, 시장성 테스트부(102)는, 관심도, 구매율, 및 관여도를 서로 곱한 값이 가장 높은 최소 기능 제품을 선정할 수 있다.
다른 일 예에서, 시장성 테스트부(102)는, 관심도, 구매율, 및 관여도의 합산값이 가장 높은 최소 기능 제품을 선정할 수도 있다.
다른 일 예에서, 시장성 테스트부(102)는, 관심도가 가장 높은 순서로 적어도 세개의 최소 기능 제품들을 일차로 선정하고, 일차로 선정된 최소 기능 제품들 중에서 구매율이 가장 높은 순서로 적어도 두개의 최소 기능 제품들을 이차로 선정하고, 선정된 최소 기능 제품들 중에서 관여도가 가장 높은 순서로 적어도 하나의 최소 기능 제품을 최종적으로 선정할 수도 있다.
다른 일 예에서, 시장성 테스트부(102)는, 관심도, 구매율, 및 관여도를 이용하여 하기 수학식 1에 따라 연산된 시장 반응도(f(k))가 가장 큰 순서로 적어도 하나의 최소 기능 제품을 선정할 수도 있다.
Figure 112022013895385-pat00003
수학식 1에서, f(k)는, 임의의 k번째 최소 기능 제품과 대응하는 타겟 고객층과 매칭하여 산출된 시장 반응도이고, ITRk는 k번째 최소 기능 제품과 대응하는 관심도이고, ITRi는 i번째 최소 기능 제품과 대응하는 관심도이고, PRk는 k번째 최소 기능 제품과 대응하는 구매율이고, PRi는 i번째 최소 기능 제품과 대응하는 구매율이고, RRk는 k번째 최소 기능 제품과 대응하는 관여도이고, RRi는 i번째 최소 기능 제품과 대응하는 관여도이고, n은 최소 기능 제품들의 개수다.
한편, 전술한 시장성 테스트부(102)의 동작은 예시적인 것으로 이외에도 다양한 방식으로 관심도, 구매율, 및 관여도를 이용하여 최소 기능 제품을 선정할 수도 있는 것으로 해석되어야 한다.
도 4는 일 실시예에 따른 사용성 테스트부의 동작을 설명하기 위한 예시도이다. 도 5는 일 실시예에 따른 사용성 테스트 결과 데이터를 위한 사용자 반응 데이터의 예시도이다. 도 6은 일 실시예에 따른 NPS 지수를 산출하기 위한 개념도이다.
테스터 선정부(103)는, 테스터 DB(500)에 등록된 테스터들 중에서, 선정된 적어도 하나의 최소 기능 제품에 대응하고 사용성 테스트를 수행하기에 적합한 복수의 제1 테스터들을 선정할 수 있다. 여기서, 제1 테스터들은 일반 테스터로 지칭될 수 있다.
일 실시예에서, 테스터 선정부(103)는, 등록된 테스터들 중에서 관심도가 가장 높은 성별, 연령층, 및 직업군에 대응하는 테스터들, 구매율이 가장 높은 성별, 연령층, 및 직업군에 대응하는 테스터들, 및 관여도가 가장 높은 성별, 연령층, 및 직업군에 대응하는 테스터들을 각각 미리 설정된 임계수치 이상 포함시켜 제1 테스터들을 선정할 수 있다.
다른 일 실시예에서, 테스터 선정부(103)는, 전술한 시장 반응도가 가장 높은 성별, 연령층, 및 직업군에 대응하는 테스터들을 제1 테스터들로 선정할 수도 있다.
이때, 테스터 선정부(103)는, 등록된 테스터들 중에서 휴대폰 기종이 미리 설정된 필터링 테이블에 매칭되는 휴대폰 기종을 가진 테스터들을 제외하고 제1 테스터들을 선정할 수 있다. 즉, 휴대폰 기종이 호환 불가능하거나 지원불가능한 테스터들을 제외할 수 있다.
선정된 제1 테스터들의 테스터 단말(300)에는 선정된 적어도 하나의 최소 기능 제품에 대응하는 애플리케이션이 미리 배포되어 설치될 수 있다.
사용성 테스트부(104)는, 제1 테스터들의 테스터 단말(300)에 설치된 상기 애플리케이션의 동작 상태를 모니터링하고, 제1 테스터들의 테스터 단말(300)에 설문 데이터를 전송하고, 제1 테스터들의 테스터 단말(300)로부터 설문 데이터에 대한 응답에 해당하는 사용자 반응 데이터를 수신할 수 있다.
즉, 도 4를 참조하면 사용성 테스트부(104)는, 설문 데이터에 대한 테스터 단말(300)에서의 설문 진행률을 실시간으로 모니터링하고, 사용자 반응 데이터의 수신 여부를 주기적으로 또는 실시간으로 체크할 수 있다.
도 5를 참조하면, 사용자 반응 데이터는, 애플리케이션에 대한 기능적 만족도, 심미적 만족도, 경제적 만족도, 사회적 만족도, 및 종합 만족도 각각에 대한 평점을 지시할 수 있다. 예시적으로, 평점은 0 내지 10 사이의 값으로 정의될 수 있다.
사용성 테스트부(104)는, 기능적 만족도, 심미적 만족도, 경제적 만족도, 사회적 만족도, 및 종합 만족도 각각에 대응하는 NPS(Net Promoter Score) 지수를 산출할 수 있다. NPS 지수는 고객 만족도 또는 고객의 충성도를 나타내는 지표로서 활용될 수 있다.
구체적으로 사용성 테스트부(104)는, 기능적 만족도에 대응하는 평점을, 미리 설정된 제1 기준값(제1 기준값은 6일 수 있음) 이내로 입력한 제1 테스터들을 비추천고객으로 결정하고, 제2 기준값(제2 기준값은 8일 수 있음) 초과로 입력한 제1 테스터들을 추천고객으로 결정하고, 제1 기준값을 초과하고 제2 기준값 이내로 입력한 제1 테스터들을 중립고객으로 결정할 수 있다.
다음으로, 사용성 테스트부(104)는, 제1 테스터들 중 추천 고객의 비율에서 제1 테스터들 중 비추천고객의 비율을 차분한 값을 기능적 만족도에 대응하는 NPS 지수로 산출할 수 있다.
사용성 테스트부(104)는, 기능적 만족도 이외에도 심미적 만족도, 경제적 만족도, 사회적 만족도, 및 종합 만족도에 대해서 같은 방식으로 NPS 지수를 산출할 수 있으며, 중복 설명은 생략한다.
사용성 테스트부(104)는, 산출된 기능적 만족도, 심미적 만족도, 경제적 만족도, 사회적 만족도, 및 종합 만족도 각각에 대응하는 NPS(Net Promoter Score) 지수를 사용성 테스트 결과 데이터로 생성할 수 있다.
도 7은 일 실시예에 따른 추천 고객 선정부의 동작을 설명하기 위한 개념도이다.
일 실시예에서, 추천 고객 선정부(105)는, 사용자 반응 데이터를 기반으로 추천 고객층을 선정할 수 있다.
구체적으로, 추천 고객 선정부(105)는, 사용자 반응 데이터에 포함된 이벤트 동작들을 기반으로 추천 고객층을 선정할 수 있다. 이벤트 동작들 각각은 광고 데이터를 통한 전체 페이지 조회, 상품 페이지 조회, 주문 페이지 조회, 회원가입 완료, 장바구니에 상품 담기, 결제 요청 페이지 조회, 결제 요청, 및 결제 완료 중 적어도 하나를 포함할 수 있다.
다른 일 실시예에서 추천 고객 선정부(105)는, 사용성 테스트부(104)에 의해 산출된 NPS 지수를 기반으로 추천 고객층을 선정할 수 있다.
구체적으로, 추천 고객 선정부(105)는, 기능적 만족도, 심미적 만족도, 경제적 만족도, 사회적 만족도, 및 종합 만족도 각각에 대응하는 NPS(Net Promoter Score) 지수를 이용하여 입력 벡터를 생성하고, 생성된 입력 벡터를 미리 지도학습된 딥러닝 기반의 인공신경망(10)에 입력하고, 인공신경망(10)의 출력에 기초하여 추천 고객층을 결정할 수 있다.
일 실시예에 따른 딥러닝 기반의 인공신경망(10)은, 미리 수집된 훈련 데이터를 이용하여 지도학습된다. 이때, 훈련 데이터는, 미리 등록된 테스터들 중에서 시장에 출시된 제품의 실제 고객이 된 테스터들이 해당 제품에 대응하는 애플리케이션의 테스트 단계에서 제출했었던 기능적 만족도, 심미적 만족도, 경제적 만족도, 사회적 만족도, 및 종합 만족도 각각에 대응하는 NPS(Net Promoter Score) 지수를 이용하여 생성된 입력 벡터를 훈련 입력값으로 하고, 해당 실제 고객이 된 테스터의 상세 프로필 정보에 의해 지시되는 성별, 나이, 및 직업군 등에 대응하는 출력 벡터를 훈련 출력값으로 할 수 있다.
여기서 훈련 출력값은 성별, 나이, 및 직업군에 대응하는 출력 벡터들을 지시하도록 미리 정의된 벡터 변환 테이블을 참조하여 결정될 수 있다.
딥러닝 기반의 인공신경망(10)은, 훈련 입력값을 입력받았을 때 얻어지는 출력값을 훈련 출력값과 비교하고, 비교 결과에 따라 인공신경망(10)을 구성하는 파라미터들을 조정(tuning)하는 방식으로 지도학습될 수 있다.
구체적으로, 딥러닝 기반의 인공신경망(10)은, 인공신경망(10)의 출력값과 훈련 출력값을 이용하여 미리 정의된 손실함수(loss function)를 연산하고, 연산된 손실함수의 결과값이 최소화되도록 인공신경망(10)을 구성하는 파라미터들을 조정할 수 있다.
이때, 손실함수는 크로스 엔트로피(Cross Entropy) 함수일 수 있다.
도 7을 참조하면, 인공 신경망(10)은, 입력 벡터(X)를 입력받고, 입력받은 입력 벡터의 성분값 개수(차원의 수)와 동일한 개수(N)의 입력 노드들로 구성되는 입력층(11), 입력층(11)으로부터 전달받은 출력값들을 이용하여 산출된 출력 벡터(Y`)를 출력층(13)에 전달하는 은닉층(12), 및 출력 벡터(Y`)에 활성화 함수를 적용하여 출력 벡터(Y`)에 대응하는 확률(p)을 결정하고, 결정된 확률(p)이 가장 높은 출력 벡터(Y`)를 출력하는 출력층(13)을 포함할 수 있다. 본 발명에서 인공 신경망(10)을 구성하는 노드들 각각은 본 발명이 속하는 기술분야에서 흔히 사용하는 표현인 뉴런(neuron)이라는 용어로도 혼용하여 지칭될 수 있다.
구체적으로, 인공 신경망(10)은, 훈련 입력값으로 제공된 입력 벡터(X)를 입력받으면, 은닉층(12)의 출력으로서 획득되는 출력 벡터(Y`)와 훈련 출력값 사이의 손실함수(loss function)를 연산하고, 연산된 손실함수의 결과값이 최소화되도록 지도학습된다.
예를 들어, 손실 함수(H(Y,Y`))는, 크로스 엔트로피(Cross Entropy) 함수일 수 있다. 출력 벡터(Y`)와 훈련출력값(Y) 사이의 크로스 엔트로피(H(Y,Y`))는 다음의 수학식 2와 같이 정의될 수 있다.
Figure 112022013895385-pat00004
수학식 2에서 Ym은 훈련출력값(Y)의 m(m은 1 이상의 자연수)번째 성분이고, Y`m은 출력 벡터(Y`)의 m번째 성분일 수 있으며, Q는 출력벡터의 차원 수이다.
입력층(11)은 입력 벡터(X)를 입력받고, 입력받은 입력 벡터(X)의 성분들 각각에 대하여, 입력 노드들과 대응하는 하나 이상의 연결 강도값들을 적용하여 은닉층(12)에 전달할 수 있다.
예를 들어, 입력 노드들 각각에 대응하는 하나 이상의 연결 강도값들은 N×M의 크기를 갖는 제1 연결강도 행렬(WN×M)로 표현할 수 있다. 이때, N은 입력노드들과 동일한 개수일 수 있고, M은 N보다 1/10 배 이하로 충분히 작게 설정된다. 제1 연결강도 행렬(WN×M)은 임의의 초기값으로 설정된 후 지도학습을 통해 지속적으로 갱신되는 파라미터일 수 있다.
종합하면, 입력층(11)은 입력받은 입력 벡터(X)에 제1 연결강도 행렬(WN×M)을 행렬곱 연산하여 얻어진 중간 연산 벡터(X`)을 은닉층(12)에 전달할 수 있다.
은닉층(12)은, 입력층(11)으로부터 전달받은 중간 연산 벡터(X`)에서 획득되는 특징 벡터(feature vector, F)에 은닉 노드들 각각에 대응하는 하나 이상의 연결 강도를 적용하여 출력 벡터(Y`)를 생성하고, 생성된 출력 벡터(Y`)를 출력층(13)에 전달할 수 있다.
예를 들어, 은닉층(12)은, 중간 연산 벡터(X`)로부터 아래 수학식 3을 만족하는 대각 행렬(diagonal matrix)인 특징 벡터(F)를 획득할 수 있다.
Figure 112022013895385-pat00005
수학식 3에서, R는 대각 행렬인 특징 벡터(F)와 중간 연산 벡터(X) 사이에 수학식 3에 따른 관계를 가역적으로 만족시키는 행렬로서, 좌표변환행렬에 해당한다. 수학식 3에 따른 연산은 대각화 연산의 하나로 지칭될 수 있으며, 통상의 기술자에게 쉽게 이해될 수 있으므로 구체적인 설명은 생략한다.
이때, 은닉 노드들 각각에 대응하는 하나 이상의 연결 강도값들은 M×Q의 크기를 갖는 제2 연결강도 행렬(UM×Q)로 표현할 수 있다. 즉, 제2 연결강도 행렬(UM×Q)은 M개의 차원으로 사상된 특징 벡터(F)를 다시 Q개의 차원으로 늘린다. Q는 M보다 10배 이상 충분히 큰 값으로 설정된다.
한편, 제2 연결강도 행렬(UM×Q)의 초기값은 임의의 값으로 설정된 후, 특징 벡터(F)와 제2 연결강도 행렬(UM×Q) 사이의 행렬곱 연산하여 생성된 출력 벡터(Y`)가 훈련출력값(Y)이 되도록 지속적으로 갱신될 수 있다. 즉, 제2 연결강도 행렬(UM×Q)도 훈련 데이터를 지속적으로 지도학습함에 따라 갱신되는 파라미터일 수 있다.
즉, 은닉층(12)은, 입력층(11)으로부터 전달받은 중간 연산 벡터(X`)를 특징 벡터(F)로 변환하고, 특징 벡터(F)에 대하여 연결강도를 적용하여 출력 벡터(Y`)를 생성하므로, 마치 CNN(convolutional neural network)의 특징 추출을 담당하는 컨볼루셔널 레이어와 유사한 기능을 은닉층(12)에서 수행하도록 구성할 수 있다.
출력층(13)은, 은닉층(12)으로부터 전달받은 출력 벡터(Y`)에 활성화 함수를 적용함으로써 출력 벡터(Y`)에 대응하는 확률(p)을 결정하고, 결정된 확률(p)이 가장 높은 출력 벡터(Y`)를 출력할 수 있다. 활성화 함수는 다양한 범위를 가지는 값들을 0과 1 사이의 값으로 확대 또는 축소함으로써 확률로 변환하는 효과가 있다. 예를 들어, 활성화 함수는, ReLU 함수 또는 Softmax 함수일 수 있으나 이에 한정되는 것은 아니다.
본 발명의 일 실시예에서 은닉층(12)은, 동일한 개수의 뉴런들을 가지며, 서로 다르고 순차적으로 연결된 복수의 은닉층들로 구성될 수 있다. 예를 들어, 은닉층(12)은 서로 다르고 순차적으로 연결된 제1 은닉층, 제2 은닉층, 제3 은닉층, 및 제4 은닉층으로 구성될 수 있다. 이때, 제1 내지 제4 은닉층은 선형 레이어(linear layer)일 수 있으며, 제1 내지 제4 은닉층들 중에서 적어도 하나는 밀집 레이어(dense layer)일 수 있다. 여기서 선형 레이어 또는 밀집 레이어의 지정은 구글의 텐서플로우(Tensorflow)에서 미리 정의된 함수를 통해 간단하게 설정될 수 있으므로 설명은 생략한다.
또한, 제1 내지 제4 은닉층들 중에서 적어도 하나는 은닉층들의 개수와 은닉층들 각각이 갖는 뉴런들의 수에 따라 결정되는 확률(p)에 따라 드랍아웃(drop out)이 적용될 수 있다.
본 발명의 일 실시예에서, 드랍아웃이란, 해당 계층을 구성하는 뉴런들 중에서 확률(p)에 따라 무작위로 선택된 적어도 일부의 뉴런들의 가중치를 0 또는 미리 정의된 상수로 설정함으로써 해당 일부의 뉴런들을 비활성화하거나 방해하도록 구성하는 것을 의미할 수 있다.
예를 들어, 제1 은닉층이 768개의 뉴런들로 구성되고, 확률(p)이 0.2인 경우, 768개의 뉴런들 중 무작위로 선택된 20%의 뉴런들(즉, 768/5 개의 뉴런들)에 대한 가중치가 0 또는 미리 정의된 상수로 설정될 수 있다.
예를 들어, 확률(p)는 다음의 수학식 4와 같이 설정될 수 있다.
Figure 112022013895385-pat00006
수학식 3에서 NRn은 제1 내지 제4 은닉층들에 포함된 뉴런들의 평균 개수일 수 있고, HDn은 은닉층들의 전체 개수로서 제1 내지 제4 은닉층들로 구성될 경우 4일 수 있다.
이처럼, 제1 내지 제4 은닉층들 중에서 적어도 하나에 대하여 드랍아웃을 적용할 경우, 은닉층들의 수와 각 뉴런들의 수가 증가함에 따라 발생할 수 있는 과적합 경향성을 보상하거나 상쇄할 수 있어 더 높은 예측 효과를 가져오는 데 도움이 될 수 있다.
일 실시예에서, 제1 내지 제4 은닉층들 중에서 제1 은닉층 및 제3 은닉층 내지 제4 은닉층 각각은 서로 동일한 뉴런들의 수로 구성될 수 있다. 예를 들어, 각각 768개의 뉴런들로 구성될 수 있다.
이때, 제1 은닉층 뒤에 연결되는 제2 은닉층을 구성하는 뉴런들의 수는 다른 은닉층들 각각이 갖는 뉴런들의 수보다 적어도 4 배이상 클 수 있다. 제2 은닉층을 구성하는 뉴런들의 수를 다른 은닉층들 각각이 갖는 뉴런들의 수보다 기준치 이상 크게 설정할 경우, 인공 신경망(10)이 과적합되는 경향성이 줄어들 수 있는 장점이 있다.
한편, 훈련출력값을 훈련 출력값은 성별, 나이, 및 직업군에 대응하는 출력 벡터들을 지시하도록 미리 정의된 벡터 변환 테이블을 참조하여 결정하는 경우, 성별, 나이, 및 직업군이 다양할수록 벡터 변환 테이블에 의해 매우 많은 수의 출력 벡터들이 정의되므로, 인공신경망(10)이 분류하도록 학습해야하는 클래스의 갯수가 매우 많고 이로 인해 전술한 크로스-엔트로피 기반의 손실함수를 사용하는 경우 연산 부하가 증가하고 정확도가 낮아질 수 있다.
이러한 문제를 해결하기 위하여, 본 발명의 다른 실시예에 따른 손실 함수는, 다음의 수학식 5와 같이 정의될 수도 있다.
Figure 112022013895385-pat00007
Figure 112022013895385-pat00008
수학식 5에서, N은 입력층(11)에 입력된 훈련 데이터의 개수이고, ti 는 i번째로 사용된 훈련 데이터의 훈련출력값이고, hj는 은닉층(12)의 제2 연결강도 행렬(UM×Q)을 구성하는 파라미터들 중 j번째 파라미터이고, wji는 i번째로 사용된 훈련 데이터의 훈련입력값이 입력층(11)에 입력되었을 때, 입력층(11)의 출력값으로서 은닉층(12)의 j번째 파라미터와 연산되는 출력값일 수 있다.
위의 수학식 5에 따른 실시예에 따르면, 손실함수에 시그모이드 함수(where 이하 식)에 확률 변환을 곧바로 반영하는 형태로 재구성하고 있기 때문에, 크로스-엔트로피 기반의 손실함수를 사용할 때보다 파라미터 보정 속도가 크게 빨라질 수 있는 장점이 있다.
도 8은 일 실시예에 따른 기술성 테스트부의 동작을 설명하기 위한 예시도이다. 도 9는 기술성 테스트부의 세부 동작 일 예를 설명하기 위한 개념도이다.
테스터 선정부(103)는, 테스터 DB(500)에 등록된 테스터들 중에서, 선정된 적어도 하나의 최소 기능 제품에 대응하고 기술성 테스트를 수행하기에 적합한 복수의 제2 테스터들을 선정할 수 있다. 여기서, 제2 테스터들 각각은 전문 테스터로 지칭될 수 있다.
일 실시예에서, 테스터 선정부(103)는, 등록된 테스터들 중에서 직업군 또는 경력이 개발자에 속하는 테스터들을 제2 테스터들로 선정할 수 있다. 구체적인 구현례로, 테스터 선정부(103)는, 직업군이 개발자에 해당하고, 경력이 개발자로서 미리 설정된 년수 이상인 테스터들을 제2 테스터들로 선정할 수 있다.
도 8을 참조하면, 기술성 테스트부(106)는, 제2 테스터들 각각의 테스터 단말(300)에 미리 설치된 애플리케이션의 동작을 모니터링하고, 애플리케이션의 결함 데이터를 수집할 수 있다.
구체적으로, 기술성 테스트부(106)는, 미리 애플리케이션에 대한 기능부들 각각의 리스트를 테스터 단말(300)에 제공할 수 있고, 제2 테스터들 각각은 테스터 단말(300)을 이용하여 리스트에 포함된 기능부들 중 결함이 확인된 기능부에 대응하는 리포트 데이터를 기술성 테스트부(106)에 제공할 수 있다.
예를 들어, 리포트 데이터는 해당 기능부의 동작상 결함을 나타내는 동영상 또는 사진을 포함할 수 있다. 그 밖에도 리포트 데이터는 해당 기능부의 동작상 결함을 설명하는 텍스트를 포함할 수 있다.
기술성 테스트부(106)는, 리포트 데이터를 고객사 단말(200)에 제공함으로써 고객사 단말(200)의 고객이 리포트 데이터를 열람하고 이를 기반으로 애플리케이션에 대한 수정 배포를 진행할 수 있도록 지원할 수 있다.
일 실시예에서, 기술성 테스트부(106)는, 리포터 데이터를 기반으로 제2 테스터가 제공한 동영상이나 사진 중에서 결함 의심 데이터를 선별하고, 선별된 결함 의심 데이터를 고객사 단말(200)에 제공할 수 있다.
도 9를 참조하면, 기술성 테스트부(106)는, 동작상 결함을 나타내는 사진 또는 동영상을 구성하는 다수의 영상 프레임들을 포함하는 결함 이미지를 해당 기능부와 대응하는 정상 동작 이미지와 비교할 수 있다.
여기서, 정상 동작 이미지는 기능부마다 각각 적어도 하나 이상씩 미리 정의되어 관리자를 통해 입력됨으로써 기술성 테스트부(106)가 관리할 수 있다.
구체적으로, 기술성 테스트부(106)는, 결함 이미지와 정상 동작 이미지 각각에서 텍스트 영역을 검출하고, 검출된 텍스트 영역을 상호간에 비교하여 동일한 텍스트가 있는 영역들을 제거할 수 있다.
다음으로, 기술성 테스트부(106)는, 동일한 테스트가 있는 영역이 각각 제거된 결함 이미지와 정상 동작 이미지를 픽셀 단위로 서로 차분하여 차분 이미지를 생성할 수 있다. 여기서, 차분은 동일한 위치에 있는 픽셀의 픽셀값(R 화소값, G 화소값, B 화소값)끼리 서로 차분하는 동작을 의미할 수 있다.
기술성 테스트부(106)는, 차분 이미지를 구성하는 픽셀들 각각의 픽셀값을 모두 더한 합산값을 산출하고, 산출된 합산값이 미리 설정된 임계값 이상인 경우 해당하는 결함 이미지를 결함 의심 데이터로서 결정할 수 있다.
기술성 테스트부(106)는, 차분 이미지를 구성하는 픽셀들 각각의 픽셀값을 모두 더한 합산값을 산출하고, 산출된 합산값이 미리 설정된 임계값 미만인 경우 해당하는 결함 이미지를 결함 의심 데이터에 포함되지 않도록 제외시킬 수 있다.
즉, 전술한 바와 같이 결함 이미지와 정상 동작 이미지에서 동일한 텍스트 영역을 제거한 나머지 부분을 차분하여 생성된 차분 이미지를 기반으로 결함 의심 데이터를 선별하여 고객사에 제공함으로써, 결함 상태가 가장 잘 포착된 결함 이미지를 가장 먼저 고객사가 검토하고 결함 유무를 확인할 수 있어 결함 사항에 대해 신속히 대응할 수 있는 장점이 있다.
도 10은 일 실시예에 따른 통합 테스트 플랫폼 서버의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 10을 참조하면, 통합 테스트 플랫폼 서버(100)는, 적어도 하나의 프로세서(110), 및 적어도 하나의 프로세서(110)가 적어도 하나의 동작(operatopn)을 수행하도록 지시하는 명령어들(instructions)을 저장할 수 있다.
여기서 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다.
메모리(120)는 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중 하나일 수 있다.
통합 테스트 플랫폼 서버(100)는, 전술한 적어도 하나의 동작을 처리하기 위한 초기 데이터, 임시 데이터, 중간 처리 데이터, 처리 결과 데이터 등을 저장하기 위한 저장 장치(160)를 더 포함할 수 있다. 저장 장치(160)는, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), 또는 각종 메모리 카드(예를 들어, micro SD 카드) 등일 수 있다.
또한, 통합 테스트 플랫폼 서버(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(130)를 포함할 수 있다. 또한, 통합 테스트 플랫폼 서버(100)는, 입력 인터페이스 장치(140), 출력 인터페이스 장치(150) 등을 더 포함할 수 있다. 통합 테스트 플랫폼 서버(100)에 포함된 각각의 구성 요소들은 버스(bus)(170)에 의해 연결되어 서로 통신을 수행할 수 있다.
도 11은 본 발명의 일 실시예에 따른 통신 과정에서 적용될 수 있는 무선 통신 시스템을 나타낸 도면이다. 도 12는 도 11에 따른 무선 통신 시스템에서 기지국을 나타낸 도면이다. 도 13은 도 11에 따른 무선 통신 시스템에서 단말을 나타낸 도면이다. 도 14는 도 11에 따른 무선 통신 시스템에서 통신 인터페이스를 나타낸 도면이다.
이하에서는 본 발명에 따른 통합 테스트 플랫폼 시스템(1000)에 포함된 각종 서버 및 단말들 사이의 통신을 지원하는 무선 통신 네트워크 시스템의 일례를 구체적으로 예를 들어 설명한다. 다음 설명에서, 제1 노드(장치)는 앵커/도너 노드 또는 앵커/도너 노드의 CU(centralized unit) 일 수 있고, 제2 노드(장치)는 앵커/도너 노드 또는 릴레이 노드의 DU(distributed unit) 일 수 있다.
무선 통신 시스템에서 무선 채널을 사용하는 노드의 일부로 기지국(base station, BS), 단말, 서버 등이 포함될 수 있다.
기지국은 단말 및 단말에 무선 액세스를 제공하는 네트워크 인프라이다. 기지국은 신호가 전송될 수 있는 거리에 따라 소정의 지리적 영역으로 정의된 커버리지를 갖는다.
기지국은 "기지국"과 마찬가지로 "액세스 포인트(access point, AP)", "이노드비(enodeb, eNB)", "5 세대(5th generation, 5G) 노드", "무선 포인트(wireless point)", "송/수신 포인트(transmission/reception point, TRP)" 지칭될 수 있다.
기지국, 단말 및 단말은 밀리미터 파(millimeter wave, mmWave) 대역(예: 28GHz, 30GHz, 38GHz, 60GHz)으로 무선 신호를 송수신할 수 있다. 이때, 채널 이득 향상을 위해 기지국, 단말 및 단말은 빔포밍을 수행할 수 있다. 빔포밍은 송신 빔포밍 및 수신 빔포밍을 포함할 수 있다. 즉, 기지국, 단말 및 단말은 송신 신호와 수신 신호에 지향성을 부여할 수 있다. 이를 위해 기지국, 단말 및 단말은 빔 탐색 절차 또는 빔 관리 절차를 통해 서빙 빔을 선택할 수 있다. 그 후, 통신은 서빙 빔을 운반하는 자원과 준 동일위치(quasi co-located) 관계에 있는 자원을 사용하여 수행될 수 있다.
첫 번째 안테나 포트 및 두 번째 안테나 포트는 첫 번째 안테나 포트의 심볼이 전달되는 채널의 대규모 속성이 두 번째 안테나 포트의 심볼이 전달되는 채널에서 유추될 수 있는 경우 준 동일위치 위치에 있는 것으로 간주된다. 대규모 속성은 지연 확산, 도플러 확산, 도플러 시프트, 평균 이득, 평균 지연 및 공간 Rx 파라미터 중 하나 이상을 포함할 수 있다.
이하에서는 상술한 무선 통신 시스템에서 기지국을 예시한다. 이하에서 사용되는 "-모듈(module)", "-부(unit)"또는 "-er"라는 용어는 적어도 하나의 기능 또는 동작을 처리하는 유닛을 의미할 수 있으며, 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다.
기지국은 무선 통신 인터페이스, 백홀 통신 인터페이스, 저장부(storage unit 및 컨트롤러을 포함할 수 있다.
무선 통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 무선 통신 인터페이스는 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행할 수 있다. 예를 들어, 데이터 전송에서, 무선 통신 인터페이스은 전송 비트 스트림을 인코딩 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신 시 무선 통신 인터페이스는 베이스 밴드 신호를 복조 및 디코딩하여 수신 비트 스트림을 재구성한다.
무선 통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 무선 통신 인터페이스은 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행할 수 있다. 예를 들어, 데이터 전송에서, 무선 통신 인터페이스은 전송 비트 스트림을 인코딩 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신 시 무선 통신 인터페이스은 베이스 밴드 신호를 복조 및 디코딩하여 수신 비트 스트림을 재구성한다.
또한, 무선 통신 인터페이스는 베이스 대역 신호를 RF(Radio Frequency) 대역 신호로 상향 변환하고, 변환된 신호를 안테나를 통해 전송한 후 안테나를 통해 수신된 RF 대역 신호를 베이스 대역 신호로 하향 변환한다. 이를 위해, 무선 통신 인터페이스은 송신 필터(transmission filter), 수신 필터(reception filter), 증폭기(amplifier), 믹서(mixer), 발진기(oscillator), 디지털-아날로그 컨버터(digital-to-analog convertor, DAC), 아날로그-디지털 컨버터(analog-to-digital convertor, ADC) 등을 포함할 수 있다. 또한, 무선 통신 인터페이스는 복수의 송수신 경로를 포함할 수 있다. 또한, 무선 통신 인터페이스는 복수의 안테나 요소를 포함하는 적어도 하나의 안테나 어레이를 포함할 수 있다.
하드웨어 측면에서 무선 통신 인터페이스는 디지털 유닛과 아날로그 유닛을 포함할 수 있고, 아날로그 유닛은 동작 전력, 동작 주파수 등에 따라 복수의 서브 유닛을 포함할 수 있다. 디지털 유닛은 적어도 하나의 프로세서(예를 들어, 디지털 신호 프로세서(digital signal processor, DSP))로 구현될 수 있다.
무선 통신 인터페이스는 전술한 바와 같이 신호를 송수신한다. 따라서, 무선 통신 인터페이스는 "송신기(transmitter)", "수신기(receiver)"또는 "트랜시버(transceiver)"로 지칭될 수 있다. 또한, 이하의 설명에서 무선 채널을 통해 수행되는 송수신은 전술한 바와 같이 무선 통신 인터페이스에서 수행되는 처리를 포함하는 의미로 사용될 수 있다.
백홀 통신 인터페이스는 네트워크 내의 다른 노드와 통신을 수행하기위한 인터페이스를 제공한다. 즉, 백홀 통신 인터페이스는 다른 노드로 전송되는 비트 스트림을 변환하고, 예를 들어, 다른 액세스 노드, 다른 기지국, 상위 노드 또는 기지국으로부터의 코어 네트워크는 물리적 신호로, 다른 노드로부터 수신된 물리적 신호를 비트 스트림으로 변환한다.
저장부는 기본 프로그램, 어플리케이션, 기지국의 동작을 위한 설정 정보 등의 데이터를 저장한다. 저장부는 휘발성 메모리, 비 휘발성 메모리 또는 휘발성 메모리와 비 휘발성 메모리의 조합을 포함할 수 있다.
컨트롤러는 기지국의 전반적인 동작을 제어한다. 예를 들어, 컨트롤러는 무선 통신 인터페이스 또는 백홀 통신 인터페이스를 통해 신호를 송수신한다. 또한 컨트롤러는 저장부에 데이터를 기록하고 기록된 데이터를 읽는다. 컨트롤러는 통신 규격에서 요구하는 프로토콜 스택의 기능을 수행할 수 있다. 다른 구현에 따르면, 프로토콜 스택은 무선 통신 인터페이스에 포함될 수 있다. 이를 위해 컨트롤러는 적어도 하나의 프로세서를 포함할 수 있다.
일 실시 예에 따르면 컨트롤러는 본 발명의 실시 예에 따른 동작을 수행하도록 기지국을 제어할 수 있다.
다양한 실시 예에 따르면, 무선 통신 시스템의 도너 노드는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 동작 가능하게 결합된 트랜시버를 포함하고, 상기 릴레이 노드에 액세스하는 단말에 대한 복수의 라디오 베어러에 관한 상기 도너 노드와 관련된 제1 정보를 포함하는 제1 메시지를 릴레이 노드로 전송하도록 구성되고; 상기 릴레이 노드로부터 상기 단말에 대한 복수의 라디오 베어러에 관한 상기 릴레이 노드와 관련된 제2 정보를 포함하는 제2 메시지를 수신하고; 단말에 대한 데이터를 릴레이 노드로 전송할 수 있다. 데이터는 제1 정보 및 제2 정보에 기초하여 복수의 라디오 베어러를 통해 단말로 전송될 수 있다.
다양한 실시 예에 따르면, 복수의 라디오 베어러 중 라디오 베어러는 복수의 라디오 베어러를 통합시킬 수 있다. 적어도 하나의 프로세서는 또한 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러 및 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정하도록 구성되고; 또는 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러를 결정할 수 있다.
다양한 실시 예에 따르면, 제1 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 접속하는 단말의 종류를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대한 정보; 릴레이 노드에 액세스하는 단말에 의해 전달된 라디오 베어러에 대한 정보; 도너 노드와 릴레이 노드 사이의 라디오 베어러에 대해 설정된 터널에 대한 정보; 통합된 다중 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 도너 노드 측면의 주소에 대한 정보; 릴레이 노드 측의 주소에 대한 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대응하는 표시 정보; 릴레이 노드에 액세스하는 단말에 대해 새로운 주소를 라디오 베어러에 할당하도록 릴레이 노드를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러의 데이터를 전송하는 릴레이 노드가 사용할 수 없는 주소 정보 목록; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 의해 승인된 라디오 베어러에 대한 정보; 릴레이 노드에 의해 승인되지 않은 라디오 베어러에 대한 정보; 릴레이 노드에 의해 부분적으로 승인된 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 릴레이 노드가 생성한 릴레이 노드에 접속하는 단말의 구성 정보; 릴레이 노드 측의 주소에 대한 정보; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 통합된 다중 라디오 베어러에 대한 정보를 더 포함할 수 있다.
다양한 실시 예에 따르면, 도너 노드는 도너 노드의 중앙 유닛을 포함하고, 릴레이 노드는 도너 노드의 분산 유닛을 포함할 수 있다.
다양한 실시 예에 따르면, 무선 통신 시스템의 릴레이 노드는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 동작 가능하게 결합된 트랜시버를 포함하고, 도너 노드로부터, 릴레이 노드에 액세스하는 단말에 대한 복수의 라디오 베어러에 관한 도너 노드와 관련된 제1 정보를 포함하는 제1 메시지를 수신하도록 구성되고; 단말에 대한 복수의 라디오 베어러에 관한 릴레이 노드와 관련된 제2 정보를 포함하는 제2 메시지를 도너 노드로 전송하고; 도너 노드로부터 단말기에 대한 데이터를 수신할 수 있다. 데이터는 제1 정보 및 제2 정보에 기초하여 복수의 라디오 베어러를 통해 단말로 전송될 수 있다.
다양한 실시 예에 따르면, 복수의 라디오 베어러 중 라디오 베어러는 복수의 라디오 베어러를 통합시킬 수 있다. 적어도 하나의 프로세서는 또한 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러 및 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정하도록 구성되고; 또는 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정할 수 있다.
다양한 실시 예에 따르면, 제1 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 접속하는 단말의 종류를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대한 정보; 릴레이 노드에 액세스하는 단말에 의해 전달된 라디오 베어러에 대한 정보; 도너 노드와 릴레이 노드 사이의 라디오 베어러에 대해 설정된 터널에 대한 정보; 통합된 다중 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 도너 노드 측면의 주소에 대한 정보; 릴레이 노드 측의 주소에 대한 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대응하는 표시 정보; 릴레이 노드에 액세스하는 단말에 대해 새로운 주소를 라디오 베어러에 할당하도록 릴레이 노드를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러의 데이터를 전송하는 릴레이 노드가 사용할 수 없는 주소 정보 목록; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 의해 승인된 라디오 베어러에 대한 정보; 릴레이 노드에 의해 승인되지 않은 라디오 베어러에 대한 정보; 릴레이 노드에 의해 부분적으로 승인된 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 릴레이 노드가 생성한 릴레이 노드에 접속하는 단말의 구성 정보; 릴레이 노드 측의 주소에 대한 정보; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 통합된 다중 라디오 베어러에 대한 정보를 더 포함할 수 있다.
다양한 실시 예에 따르면, 도너 노드는 도너 노드의 중앙 유닛을 포함하고, 릴레이 노드는 도너 노드의 분산 유닛을 포함할 수 있다.
이하에서는 상술한 무선 통신 시스템에서 단말의 구성요소를 도시한다. 이하에서는 설명하는 단말의 구성요소는 무선 통신 시스템에서 지원하는 범용적인 단말의 구성요소로서 전술한 내용들에 따른 단말의 구성요소와 병합되거나 통합될 수 있고, 일부 중첩되거나 상충되는 범위에서 앞서 도면을 참조하여 설명한 내용이 우선적용되는 것으로 해석될 수 있다. 이하에서 사용되는 "-모듈", "-유닛"또는 "-er"라는 용어는 적어도 하나의 기능을 처리하는 유닛을 의미할 수 있다.
단말은 통신 인터페이스, 저장부 및 컨트롤러를 포함한다.
통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 통신 인터페이스는 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행한다. 예를 들어, 데이터 전송에서 통신 인터페이스는 전송 비트 스트림을 인코딩 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신시 통신 인터페이스는 베이스 대역 신호를 복조 및 복호화하여 수신 비트 스트림을 재구성한다. 또한, 통신 인터페이스는 베이스 대역 신호를 RF 대역 신호로 상향 변환하고, 변환된 신호를 안테나를 통해 전송한 후 안테나를 통해 수신된 RF 대역 신호를 기저 대역 신호로 하향 변환한다. 예를 들어, 통신 인터페이스는 송신 필터(transmission filter), 수신 필터(reception filter), 증폭기(amplifier), 믹서(mixer), 발진기(oscillator), 디지털-아날로그 컨버터(digital-to-analog convertor, DAC), 아날로그-디지털 컨버터(analog-to-digital convertor, ADC) 등을 포함할 수 있다.
또한, 통신 인터페이스는 복수의 송수신 경로를 포함할 수 있다. 또한, 통신 인터페이스는 복수의 안테나 요소를 포함하는 적어도 하나의 안테나 어레이를 포함할 수 있다. 하드웨어 측에서 무선 통신 인터페이스는 디지털 회로 및 아날로그 회로(예를 들어, radio frequency integrated circuit, RFIC)를 포함할 수 있다. 디지털 회로는 적어도 하나의 프로세서(예: DSP)로 구현될 수 있다. 통신 인터페이스는 복수의 RF 체인을 포함할 수 있다. 통신 인터페이스는 빔포밍을 수행할 수 있다.
통신 인터페이스는 전술한 바와 같이 신호를 송수신한다. 따라서, 통신 인터페이스는 "송신기(transmitter)", "수신기(receiver)"또는 "트랜시버(transceiver)"로 지칭될 수 있다. 또한, 이하의 설명에서 무선 채널을 통해 수행되는 송수신은 전술한 바와 같이 통신 인터페이스에서 수행되는 처리를 포함하는 의미로 사용될 수 있다.
저장부는 단말기의 동작을 위한 기본 프로그램, 어플리케이션, 설정 정보 등의 데이터를 저장한다. 저장부는 휘발성 메모리, 비 휘발성 메모리 또는 휘발성 메모리와 비 휘발성 메모리의 조합을 포함할 수 있다. 또한, 저장부는 컨트롤러의 요청에 따라 저장된 데이터를 제공한다.
컨트롤러는 단말의 전반적인 동작을 제어한다. 예를 들어, 컨트롤러는 통신 인터페이스를 통해 신호를 송수신한다. 또한 컨트롤러는 저장부에 데이터를 기록하고 기록된 데이터를 읽는다. 컨트롤러는 통신 규격에서 요구하는 프로토콜 스택의 기능을 수행할 수 있다. 다른 구현에 따르면, 프로토콜 스택은 통신 인터페이스에 포함될 수 있다. 이를 위해, 컨트롤러는 적어도 하나의 프로세서 또는 마이크로 프로세서를 포함하거나 프로세서의 일부를 재생할 수 있다. 또한, 통신 인터페이스 또는 컨트롤러의 일부를 통신 프로세서(communication processor, CP)라고 할 수 있다.
본 발명의 일 실시 예에 따르면, 컨트롤러는 본 발명의 실시 예에 따른 동작을 수행하도록 단말을 제어할 수 있다.
이하에서는 무선 통신 시스템에서 통신 인터페이스를 예시한다.
통신 인터페이스는 인코딩 및 변조 회로, 디지털 빔포밍 회로, 복수의 전송 경로 및 아날로그 빔포밍 회로를 포함한다.
인코딩 및 변조 회로는 채널 인코딩을 수행한다. 채널 인코딩을 위해 low-density parity check(LDPC) 코드, 컨볼루션 코드 및 폴라 코드 중 적어도 하나가 사용될 수 있다. 인코딩 및 변조 회로는 성상 매핑(constellation mapping)을 수행함으로써 변조 심볼을 생성한다.
디지털 빔포밍 회로는 디지털 신호(예를 들어, 변조 심볼)에 대한 빔 형성을 수행한다. 이를 위해, 디지털 빔포밍 회로는 빔포밍 가중 값에 의해 변조 심볼을 다중화한다. 빔포밍 가중치는 신호의 크기 및 문구를 변경하는데 사용될 수 있으며, "프리코딩 매트릭스(precoding matrix)"또는 "프리코더(precoder)"라고 할 수 있다. 디지털 빔포밍 회로는 디지털 빔포밍된 변조 심볼을 복수의 전송 경로로 출력한다. 이때, 다중 안테나 기술(multiple input multiple output, MIMO) 전송 방식에 따라 변조 심볼이 다중화 되거나 동일한 변조 심볼이 복수의 전송 경로에 제공될 수 있다.
복수의 전송 경로는 디지털 빔포밍된 디지털 신호를 아날로그 신호로 변환한다. 이를 위해, 복수의 전송 경로 각각은 인버스 고속 푸리에 변환(inverse fast fourier transform, IFFT) 계산 유닛, 순환 전치(cyclic prefix, CP) 삽입 유닛, DAC 및 상향 변환 유닛을 포함할 수 있다. CP 삽입 부는 직교 주파수 분할 다중화(orthogonal frequency division multiplexing, OFDM) 방식을 위한 것으로 다른 물리 계층 방식(예: 필터 뱅크 다중 반송파(a filter bank multi-carrier): FBMC) 적용시 생략될 수 있다. 즉, 복수의 전송 경로는 디지털 빔포밍을 통해 생성된 복수의 스트림에 대해 독립적인 신호 처리 프로세스를 제공한다. 그러나, 구현에 따라 복수의 전송 경로의 일부 요소는 공통적으로 사용될 수 있다.
아날로그 빔포밍 회로는 아날로그 신호에 대한 빔포밍을 수행한다. 이를 위해, 디지털 빔포밍 회로는 빔포밍 가중 값에 의해 아날로그 신호를 다중화한다. 빔포밍된 가중치는 신호의 크기와 문구를 변경하는데 사용된다. 보다 구체적으로, 복수의 전송 경로와 안테나 사이의 연결 구조에 따라, 아날로그 빔포밍 회로는 다양한 방식으로 구성될 수 있다. 예를 들어, 복수의 전송 경로 각각은 하나의 안테나 어레이에 연결될 수 있다. 다른 예에서, 복수의 전송 경로는 하나의 안테나 어레이에 연결될 수 있다. 또 다른 예에서, 복수의 전송 경로는 하나의 안테나 어레이에 적응적으로 연결될 수 있거나 2개 이상의 안테나 어레이에 연결될 수 있다.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 통합 테스트 플랫폼 서버
101: 테스터 등록부
102: 시장성 테스트부
103: 테스터 선정부
104: 사용성 테스트부
105: 추천 고객 선정부
106: 기술성 테스트부
107: 인터뷰 테스트부
200: 고객사 단말
300: 테스터 단말
400: SNS 플랫폼 서버
500: 테스터 DB

Claims (11)

  1. 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 서버로서,
    적어도 하나의 프로세서(processor); 및
    상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고,
    상기 적어도 하나의 동작은,
    테스터 단말과 연동하여 테스터를 인증하고, 인증된 테스터를 미리 테스터 DB에 저장하는 단계;
    외부의 SNS 플랫폼 서버와 연동하여 비즈니스 모델과 대응하는 복수의 최소 기능 제품(MVP, minimally viable product)들에 대한 시장성 테스트를 수행하는 단계;
    상기 시장성 테스트에 기초하여 상기 복수의 최소 기능 제품들 중 적어도 하나를 선정하는 단계;
    선정된 적어도 하나의 최소 기능 제품에 대응하는 복수의 테스터들을 선정하는 단계;
    선정된 테스터들 중 적어도 일부의 테스터 단말과 연동하여 사용성 테스트와 기술성 테스트를 수행하는 단계; 및
    상기 시장성 테스트, 상기 사용성 테스트, 및 상기 기술성 테스트에 따른 테스트 결과 데이터를 고객사 단말에 제공하는 단계를 포함하되,
    상기 시장성 테스트를 수행하는 단계는,
    상기 복수의 최소 기능 제품들 각각에 대응하는 광고 데이터를 상기 SNS 플랫폼 서버에 제공하고, 상기 SNS 플랫폼 서버로부터 상기 광고 데이터에 대응하는 시장 반응 데이터를 수집하는 단계; 및
    수집된 시장 반응 데이터에 기반하여 상기 광고 데이터에 대응하는 최소 기능 제품의 시장성 테스트 결과 데이터를 생성하는 단계를 포함하고,
    상기 시장 반응 데이터는,
    상기 광고 데이터가 상기 SNS 플랫폼 서버를 통해 상기 SNS 플랫폼 서버의 이용자에게 노출된 노출횟수, 상기 이용자가 해당 광고 데이터에 따른 링크(link)를 선택한 횟수, 상기 광고 데이터에 따른 링크를 통해 상품이나 서비스를 구매를 한 횟수, 및 상기 광고 데이터에 따른 링크를 통해 제공되는 설문에 응답한 횟수를 포함하고,
    상기 시장성 테스트 결과 데이터는,
    상기 노출횟수 대비 상기 링크를 선택한 횟수의 비율로 정의되는 관심도;
    상기 링크를 선택한 횟수 대비 상기 구매를 한 횟수의 비율로 정의되는 구매도; 및
    상기 구매를 한 횟수 대비 상기 설문에 응답한 횟수의 비율로 정의되는 관여도;를 포함하고,
    상기 시장성 테스트에 기초하여 상기 복수의 최소 기능 제품들 중 적어도 하나를 선정하는 단계는,
    상기 관심도, 상기 구매도, 및 상기 관여도를 이용하여 하기 수학식에 따라 연산된 시장 반응도(f(k))가 가장 큰 순서로 적어도 하나의 최소 기능 제품을 선정하되,
    Figure 112022061226049-pat00025

    상기 수학식에서, f(k)는, 임의의 k번째 최소 기능 제품과 대응하는 타겟 고객층과 매칭하여 산출된 시장 반응도이고, ITRk는 k번째 최소 기능 제품과 대응하는 관심도이고, ITRi는 i번째 최소 기능 제품과 대응하는 관심도이고, PRk는 k번째 최소 기능 제품과 대응하는 구매도이고, PRi는 i번째 최소 기능 제품과 대응하는 구매도이고, RRk는 k번째 최소 기능 제품과 대응하는 관여도이고, RRi는 i번째 최소 기능 제품과 대응하는 관여도이고, n은 최소 기능 제품들의 개수인, 통합 테스트 플랫폼 서버.
  2. ◈청구항 2은(는) 설정등록료 납부시 포기되었습니다.◈
    청구항 1에서,
    상기 복수의 기능 제품들 중 적어도 하나를 선정하는 단계는,
    상기 비즈니스 모델에 따른 상품이나 서비스에 포함된 다수의 구성요소들 각각을 필수 구성요소와 부가 구성요소 중 하나로 분류하고, 분류된 필수 구성요소 및 적어도 하나의 부가 구성요소로 구성된 복수의 최소 기능 제품들을 선정하는 단계를 포함하는, 통합 테스트 플랫폼 서버.
  3. 삭제
  4. 삭제
  5. 청구항 1에서,
    상기 사용성 테스트와 기술성 테스트를 수행하는 단계는,
    등록된 테스터들 중에서 선정된 제1 테스터들 각각의 테스터 단말에 설문 데이터를 전송하고, 상기 설문 데이터에 대한 응답에 해당하는 사용자 반응 데이터를 수신하는 단계;
    수신된 상기 사용자 반응 데이터에 기초하여 NPS(Net Promoter Score) 지수를 산출하는 단계; 및
    산출된 상기 NPS 지수를 포함하는 사용성 테스트 결과 데이터를 생성하는 단계를 포함하는, 통합 테스트 플랫폼 서버.
  6. ◈청구항 6은(는) 설정등록료 납부시 포기되었습니다.◈
    청구항 5에서,
    상기 NPS 지수를 산출하는 단계 이후에,
    상기 NPS 지수를 이용하여 입력 벡터를 생성하는 단계;
    미리 수집된 훈련 데이터를 이용하여 미리 지도학습된 딥러닝 기반의 인공신경망에 상기 입력 벡터를 입력하는 단계;
    상기 인공신경망의 출력에 기초하여 상기 비즈니스 모델에 대응하는 추천 고객층을 결정하는 단계; 및
    결정된 상기 추천 고객층을 상기 고객사 단말에 제공하는 단계;를 포함하는, 통합 테스트 플랫폼 서버.
  7. ◈청구항 7은(는) 설정등록료 납부시 포기되었습니다.◈
    청구항 6에서,
    상기 인공신경망은,
    상기 인공신경망의 출력값과 훈련 출력값을 이용하여 미리 정의된 손실함수(loss function)를 연산하고, 연산된 손실함수의 결과값이 최소화되도록 상기 인공신경망을 구성하는 파라미터들을 조정하되,
    상기 손실함수(E)는 하기 수학식으로 정의되고,
    Figure 112022013895385-pat00009

    Figure 112022013895385-pat00010

    상기 수학식에서, N은 상기 인공신경망의 입력층에 입력된 훈련 데이터의 개수이고, ti 는 i번째로 사용된 훈련 데이터의 훈련출력값이고, hj는 상기 인공신경망의 은닉층의 연결강도를 구성하는 파라미터들 중 j번째 파라미터이고, wji는 i번째로 사용된 훈련 데이터의 훈련입력값이 상기 입력층에 입력되었을 때, 상기 입력층의 출력값으로서 상기 은닉층의 j번째 파라미터와 연산되는 출력값인, 통합 테스트 플랫폼 서버.
  8. 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 서버의 동작 방법으로서,
    테스터 단말과 연동하여 테스터를 인증하고, 인증된 테스터를 미리 테스터 DB에 저장하는 단계;
    외부의 SNS 플랫폼 서버와 연동하여 비즈니스 모델과 대응하는 복수의 최소 기능 제품(MVP, minimally viable product)들에 대한 시장성 테스트를 수행하는 단계;
    상기 시장성 테스트에 기초하여 상기 복수의 최소 기능 제품들 중 적어도 하나를 선정하는 단계;
    선정된 적어도 하나의 최소 기능 제품에 대응하는 복수의 테스터들을 선정하는 단계;
    선정된 테스터들 중 적어도 일부의 테스터 단말과 연동하여 사용성 테스트와 기술성 테스트를 수행하는 단계; 및
    상기 시장성 테스트, 상기 사용성 테스트, 및 상기 기술성 테스트에 따른 테스트 결과 데이터를 고객사 단말에 제공하는 단계를 포함하고,
    상기 시장성 테스트를 수행하는 단계는,
    상기 복수의 최소 기능 제품들 각각에 대응하는 광고 데이터를 상기 SNS 플랫폼 서버에 제공하고, 상기 SNS 플랫폼 서버로부터 상기 광고 데이터에 대응하는 시장 반응 데이터를 수집하는 단계; 및
    수집된 시장 반응 데이터에 기반하여 상기 광고 데이터에 대응하는 최소 기능 제품의 시장성 테스트 결과 데이터를 생성하는 단계를 포함하고,
    상기 시장 반응 데이터는,
    상기 광고 데이터가 상기 SNS 플랫폼 서버를 통해 상기 SNS 플랫폼 서버의 이용자에게 노출된 노출횟수, 상기 이용자가 해당 광고 데이터에 따른 링크(link)를 선택한 횟수, 상기 광고 데이터에 따른 링크를 통해 상품이나 서비스를 구매를 한 횟수, 및 상기 광고 데이터에 따른 링크를 통해 제공되는 설문에 응답한 횟수를 포함하고,
    상기 시장성 테스트 결과 데이터는,
    상기 노출횟수 대비 상기 링크를 선택한 횟수의 비율로 정의되는 관심도;
    상기 링크를 선택한 횟수 대비 상기 구매를 한 횟수의 비율로 정의되는 구매도; 및
    상기 구매를 한 횟수 대비 상기 설문에 응답한 횟수의 비율로 정의되는 관여도;를 포함하고,
    상기 시장성 테스트에 기초하여 상기 복수의 최소 기능 제품들 중 적어도 하나를 선정하는 단계는,
    상기 관심도, 상기 구매도, 및 상기 관여도를 이용하여 하기 수학식에 따라 연산된 시장 반응도(f(k))가 가장 큰 순서로 적어도 하나의 최소 기능 제품을 선정하되,
    Figure 112022061226049-pat00026

    상기 수학식에서, f(k)는, 임의의 k번째 최소 기능 제품과 대응하는 타겟 고객층과 매칭하여 산출된 시장 반응도이고, ITRk는 k번째 최소 기능 제품과 대응하는 관심도이고, ITRi는 i번째 최소 기능 제품과 대응하는 관심도이고, PRk는 k번째 최소 기능 제품과 대응하는 구매도이고, PRi는 i번째 최소 기능 제품과 대응하는 구매도이고, RRk는 k번째 최소 기능 제품과 대응하는 관여도이고, RRi는 i번째 최소 기능 제품과 대응하는 관여도이고, n은 최소 기능 제품들의 개수인, 통합 테스트 플랫폼 서버의 동작 방법.
  9. 청구항 7에 따른 방법을 실행시키기 위한 프로그램이 기록되고, 컴퓨터에 의해 읽혀질 수 있는, 비일시적 기록매체.
  10. 통합 테스트 플랫폼 서버에서, 청구항 7에 따른 방법을 실행시키기 위하여 비일시적 기록매체에 기록된 컴퓨터 프로그램.
  11. 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템으로서,
    비즈니스 모델에 대한 테스트를 요청하는 고객사 단말;
    상기 테스트 요청에 따른 테스트 결과 보고 데이터를 생성하고, 상기 테스트 결과 보고 데이터를 상기 고객사 단말에 제공하는 통합 테스트 플랫폼 서버; 및
    상기 통합 테스트 플랫폼 서버에 미리 등록된 테스터의 테스터 단말;을 포함하고,
    상기 통합 테스트 플랫폼 서버는,
    적어도 하나의 프로세서(processor); 및
    상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고,
    상기 적어도 하나의 동작은,
    테스터 단말과 연동하여 테스터를 인증하고, 인증된 테스터를 미리 테스터 DB에 저장하는 단계;
    외부의 SNS 플랫폼 서버와 연동하여 비즈니스 모델과 대응하는 복수의 최소 기능 제품(MVP, minimally viable product)들에 대한 시장성 테스트를 수행하는 단계;
    상기 시장성 테스트에 기초하여 상기 복수의 최소 기능 제품들 중 적어도 하나를 선정하는 단계;
    선정된 적어도 하나의 최소 기능 제품에 대응하는 복수의 테스터들을 선정하는 단계;
    선정된 테스터들 중 적어도 일부의 테스터 단말과 연동하여 사용성 테스트와 기술성 테스트를 수행하는 단계; 및
    상기 시장성 테스트, 상기 사용성 테스트, 및 상기 기술성 테스트에 따른 테스트 결과 데이터를 고객사 단말에 제공하는 단계를 포함하고,
    상기 시장성 테스트를 수행하는 단계는,
    상기 복수의 최소 기능 제품들 각각에 대응하는 광고 데이터를 상기 SNS 플랫폼 서버에 제공하고, 상기 SNS 플랫폼 서버로부터 상기 광고 데이터에 대응하는 시장 반응 데이터를 수집하는 단계; 및
    수집된 시장 반응 데이터에 기반하여 상기 광고 데이터에 대응하는 최소 기능 제품의 시장성 테스트 결과 데이터를 생성하는 단계를 포함하고,
    상기 시장 반응 데이터는,
    상기 광고 데이터가 상기 SNS 플랫폼 서버를 통해 상기 SNS 플랫폼 서버의 이용자에게 노출된 노출횟수, 상기 이용자가 해당 광고 데이터에 따른 링크(link)를 선택한 횟수, 상기 광고 데이터에 따른 링크를 통해 상품이나 서비스를 구매를 한 횟수, 및 상기 광고 데이터에 따른 링크를 통해 제공되는 설문에 응답한 횟수를 포함하고,
    상기 시장성 테스트 결과 데이터는,
    상기 노출횟수 대비 상기 링크를 선택한 횟수의 비율로 정의되는 관심도;
    상기 링크를 선택한 횟수 대비 상기 구매를 한 횟수의 비율로 정의되는 구매도; 및
    상기 구매를 한 횟수 대비 상기 설문에 응답한 횟수의 비율로 정의되는 관여도;를 포함하고,
    상기 시장성 테스트에 기초하여 상기 복수의 최소 기능 제품들 중 적어도 하나를 선정하는 단계는,
    상기 관심도, 상기 구매도, 및 상기 관여도를 이용하여 하기 수학식에 따라 연산된 시장 반응도(f(k))가 가장 큰 순서로 적어도 하나의 최소 기능 제품을 선정하되,
    Figure 112022061226049-pat00027

    상기 수학식에서, f(k)는, 임의의 k번째 최소 기능 제품과 대응하는 타겟 고객층과 매칭하여 산출된 시장 반응도이고, ITRk는 k번째 최소 기능 제품과 대응하는 관심도이고, ITRi는 i번째 최소 기능 제품과 대응하는 관심도이고, PRk는 k번째 최소 기능 제품과 대응하는 구매도이고, PRi는 i번째 최소 기능 제품과 대응하는 구매도이고, RRk는 k번째 최소 기능 제품과 대응하는 관여도이고, RRi는 i번째 최소 기능 제품과 대응하는 관여도이고, n은 최소 기능 제품들의 개수인, 통합 테스트 플랫폼 시스템.
KR1020220016080A 2022-02-07 2022-02-08 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법 KR102430775B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020220097149A KR102543094B1 (ko) 2022-02-07 2022-08-04 비즈니스 모델에 대한 최소 기능 제품에 기반하여 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법
KR1020220097150A KR102544104B1 (ko) 2022-02-07 2022-08-04 인공신경망을 이용하여 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR1020220015606 2022-02-07
KR20220015606 2022-02-07
KR1020220015912 2022-02-08
KR20220015912 2022-02-08

Related Child Applications (2)

Application Number Title Priority Date Filing Date
KR1020220097149A Division KR102543094B1 (ko) 2022-02-07 2022-08-04 비즈니스 모델에 대한 최소 기능 제품에 기반하여 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법
KR1020220097150A Division KR102544104B1 (ko) 2022-02-07 2022-08-04 인공신경망을 이용하여 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법

Publications (1)

Publication Number Publication Date
KR102430775B1 true KR102430775B1 (ko) 2022-08-10

Family

ID=82846931

Family Applications (5)

Application Number Title Priority Date Filing Date
KR1020220016080A KR102430775B1 (ko) 2022-02-07 2022-02-08 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법
KR1020220097150A KR102544104B1 (ko) 2022-02-07 2022-08-04 인공신경망을 이용하여 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법
KR1020220097149A KR102543094B1 (ko) 2022-02-07 2022-08-04 비즈니스 모델에 대한 최소 기능 제품에 기반하여 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법
KR1020230040862A KR102546760B1 (ko) 2022-02-07 2023-03-29 비즈니스 모델에 대한 표적집단심층면접과 1:1 심층면접을 지원하는 통합 테스트 플랫폼 시스템 및 그 동작 방법
KR1020230054055A KR102566441B1 (ko) 2022-02-07 2023-04-25 비즈니스 모델에 대응하는 애플리케이션에 대한 결함 의심 데이터를 제공하는 기술성 테스트를 포함하는 통합 테스트 플랫폼 시스템 및 그 동작 방법

Family Applications After (4)

Application Number Title Priority Date Filing Date
KR1020220097150A KR102544104B1 (ko) 2022-02-07 2022-08-04 인공신경망을 이용하여 비즈니스 모델에 대한 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법
KR1020220097149A KR102543094B1 (ko) 2022-02-07 2022-08-04 비즈니스 모델에 대한 최소 기능 제품에 기반하여 시장성, 사용성 및 기술성 테스트를 제공하기 위한 통합 테스트 플랫폼 시스템 및 그 동작 방법
KR1020230040862A KR102546760B1 (ko) 2022-02-07 2023-03-29 비즈니스 모델에 대한 표적집단심층면접과 1:1 심층면접을 지원하는 통합 테스트 플랫폼 시스템 및 그 동작 방법
KR1020230054055A KR102566441B1 (ko) 2022-02-07 2023-04-25 비즈니스 모델에 대응하는 애플리케이션에 대한 결함 의심 데이터를 제공하는 기술성 테스트를 포함하는 통합 테스트 플랫폼 시스템 및 그 동작 방법

Country Status (1)

Country Link
KR (5) KR102430775B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102644026B1 (ko) * 2023-06-16 2024-03-06 주식회사 킨스텍 Ai 기반의 고독사 관리 시스템 및 이에 포함된 제어박스

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101214649B1 (ko) * 2011-07-01 2012-12-24 부산대학교 산학협력단 판매 실적에 기반한 다빈도 패키지 상품개발 지원 시스템 및 방법
KR20170083216A (ko) * 2016-01-08 2017-07-18 이강하 통합 혁신형 창업 플랫폼 시스템
KR101933379B1 (ko) * 2017-04-07 2018-12-28 김형욱 재고 및 반품이 최소화되는 온라인 오디션 쇼핑 시스템 및 그 운영방법
KR102203355B1 (ko) * 2020-01-21 2021-01-18 김종호 상품 체험에 따른 체험정보 추출 시스템 및 방법
JP2021077221A (ja) * 2019-11-12 2021-05-20 株式会社野村総合研究所 顧客満足度推定装置および顧客満足度推定方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101214649B1 (ko) * 2011-07-01 2012-12-24 부산대학교 산학협력단 판매 실적에 기반한 다빈도 패키지 상품개발 지원 시스템 및 방법
KR20170083216A (ko) * 2016-01-08 2017-07-18 이강하 통합 혁신형 창업 플랫폼 시스템
KR101933379B1 (ko) * 2017-04-07 2018-12-28 김형욱 재고 및 반품이 최소화되는 온라인 오디션 쇼핑 시스템 및 그 운영방법
JP2021077221A (ja) * 2019-11-12 2021-05-20 株式会社野村総合研究所 顧客満足度推定装置および顧客満足度推定方法
KR102203355B1 (ko) * 2020-01-21 2021-01-18 김종호 상품 체험에 따른 체험정보 추출 시스템 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102644026B1 (ko) * 2023-06-16 2024-03-06 주식회사 킨스텍 Ai 기반의 고독사 관리 시스템 및 이에 포함된 제어박스

Also Published As

Publication number Publication date
KR102546760B1 (ko) 2023-06-23
KR102543094B1 (ko) 2023-06-13
KR102544104B1 (ko) 2023-06-16
KR102566441B1 (ko) 2023-08-14

Similar Documents

Publication Publication Date Title
KR102540203B1 (ko) 쇼호스트 추천기능을 제공하는 라이브 스트리밍 중계 서비스 제공 장치, 시스템, 방법 및 프로그램
KR102345551B1 (ko) 공간 대여 플랫폼을 제공하기 위한 시스템 및 방법
KR102420629B1 (ko) 광고주 서비스를 제공하기 위한 방법 및 시스템
KR102405464B1 (ko) 비대면 온라인 교육 서비스를 제공하는 방법 및 장치
KR102527243B1 (ko) 인공신경망 기반의 제품추천모델을 지원하는 온라인 전자 상거래 플랫폼 제공 방법 및 장치
KR102539102B1 (ko) 반려동물 미용공간 관리 서비스 제공 장치, 시스템, 방법 및 프로그램
KR102566441B1 (ko) 비즈니스 모델에 대응하는 애플리케이션에 대한 결함 의심 데이터를 제공하는 기술성 테스트를 포함하는 통합 테스트 플랫폼 시스템 및 그 동작 방법
KR20230055338A (ko) 평점기반 수리기사 매칭을 제공하는 원스톱 온라인 수리 서비스 제공 장치, 시스템, 방법 및 프로그램
KR102385924B1 (ko) 맞춤형 상품 제공 방법
KR102308876B1 (ko) 비대면으로 b2b 기반의 수출 상담회를 운영하기 위한 시스템
KR102616267B1 (ko) Ai 기반 웹빌더를 제공하기 위한 운영서버 및 그 동작방법
KR102560678B1 (ko) 사용자의 선호도에 기초한 맞춤형 상품 제공 방법
KR102524647B1 (ko) 분양 마케팅 지원 서비스 제공 장치, 시스템, 방법 및 프로그램
KR102562358B1 (ko) 사용자를 위한 광고 대행 방법
KR102485469B1 (ko) Nft 기반의 헤어샵 관리 서비스 제공 장치, 시스템, 방법 및 프로그램
KR102527962B1 (ko) 사용자의 쇼핑을 위한 제품 추천 및 배송 알고리즘 생성 방법
KR102584567B1 (ko) 영상을 이용한 부동산 중개 플랫폼 서비스 제공 장치, 시스템, 방법 및 프로그램
KR20230071043A (ko) 공유 주방 서비스 제공 장치, 시스템, 방법 및 프로그램
KR20230032857A (ko) 재무 역량 진단 및 상담 진행을 위한 장치, 방법 및 시스템

Legal Events

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