KR102444880B1

KR102444880B1 - 고객마다 다른 방향성의 마케팅을 제시하는 서버 및 동작 방법

Info

Publication number: KR102444880B1
Application number: KR1020220061631A
Authority: KR
Inventors: 신영희
Original assignee: 주식회사 디플랜360
Priority date: 2022-05-19
Filing date: 2022-05-19
Publication date: 2022-09-19

Abstract

본 발명의 일 실시예는, 적어도 하나의 프로세서(processor) 및 상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하는 서버에 있어서, 상기 적어도 하나의 단계는, 제1 사용자 단말로부터 서로 다른 제1 고객 데이터, 제2 고객 데이터 및 제3 고객 데이터를 포함하는 고객 데이터를 수신하는 단계; 상기 고객 데이터를 서로 다른 제1 각도 및 제2 각도를 포함하는 고객 방향성 데이터로 변환시키는 단계; 뉴럴 네트워크를 이용하여 상기 고객 방향성 데이터에 대한 결과 데이터를 예측하는 단계; 및 상기 결과 데이터를 상기 제1 사용자 단말에 제공하는 단계를 포함하는 것을 제안한다.

Description

고객마다 다른 방향성의 마케팅을 제시하는 서버 및 동작 방법{SERVER FOR PROVIDING ANOTHER DIRECTIONAL MARKETING TO CUSTOMER AND OPERATION METHODS THEREOF}

본 발명은 고객마다 다른 방향성의 마케팅을 제시하는 서버 및 동작 방법에 관한 것이다.

현대 사회에서 경제 생활을 영위함에 있어서 마케팅의 중요성은 날로 높아지고 있다. 특히, 스마트폰 사용으로 인하여 인터넷 사용이 급증함에 따라서 오프라인 마케팅보다 온라인 마케팅의 중요성이 커지고 있다. 불특정 다수에게 상품 정보가 제공되는 오프라인 마케팅과 달리 온라인 마케팅은 보다 많은 활성화 유저에게 정확하게 타겟팅되도록 상품의 정보를 제공하는 것이 중요하다.

상품은 계속해서 출시되고, 마케팅 업체들은 이러한 상품들에 대한 마케팅 계획을 즉각적으로 대응할 필요가 있다. 하지만, 기존의 마케팅 정보가 과도하게 많음에 따라서, 즉각적인 마케팅 계획을 세우는 것이 어려울 수 있다. 이에 따라서 기존의 마케팅 정보를 이용하여 마케팅 방법을 계획하는 것이 필요하다.

국내공개특허 제10-2020-0088577호 (2020.07.23) 국내공개특허 제10-2020-0097571호 (2020.08.19)

상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 고객마다 다른 방향성의 마케팅을 제시하는 서버를 제공하는데 있다. 즉, 필요로 하는 상품 및 고객과 유사한 방향성을 갖는 기존의 마케팅 정보를 예측하고, 예측된 마케팅 정보와 다른 방향성을 갖도록 설정함으로써, 기존과 다르면서 보다 효율적인 방법으로 마케팅을 계획할 수 있다.

다양한 실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.

상기 목적을 달성하기 위하여 실시예들에 따른 서버는 적어도 하나의 프로세서(processor) 및 상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.

상기 적어도 하나의 단계는, 제1 사용자 단말로부터 서로 다른 제1 고객 데이터, 제2 고객 데이터 및 제3 고객 데이터를 포함하는 고객 데이터를 수신하는 단계; 상기 고객 데이터를 서로 다른 제1 각도 및 제2 각도를 포함하는 고객 방향성 데이터로 변환시키는 단계; 뉴럴 네트워크를 이용하여 상기 고객 방향성 데이터에 대한 결과 데이터를 예측하는 단계; 및 상기 결과 데이터를 상기 제1 사용자 단말에 제공하는 단계를 포함하고, 상기 뉴럴 네트워크 모델은 데이터베이스에 저장된 기존 고객 방향성 데이터 및 외부 서버로부터의 마케팅 데이터로부터 추출된 특징 데이터를 학습하여 상기 결과 데이터를 예측할 수 있다.

상기 제1 각도는 상기 제1 및 제2 고객 데이터에 기초하여 생성되고, 상기 제2 각도는 상기 제2 및 제3 고객 데이터에 기초하여 생성되는, 상기 고객 데이터는 상기 제1 내지 제3 고객 데이터와 다른 제4 고객 데이터를 포함하고, 상기 고객 방향성 데이터는 상기 제1 각도 및 제2 각도와 다른 제3 각도를 포함하고, 상기 제3 각도는 상기 제1 내지 제4 고객 데이터 중 적어도 둘에 기초하여 생성될 수 있다.

상기 기존 고객 방향성 데이터는 서로 다른 제3 각도 및 제4 각도를 포함하고, 상기 결과 데이터를 예측하는 단계는, 상기 제1 각도 및 상기 제3 각도의 차이가 0도 이상 제5 각도 이하이고, 제2 각도 및 제4 각도의 차이가 0도 이상 제6 각도 이하인 경우에 상기 기존 고객 방향성 데이터를 상기 결과 데이터로 예측하는 단계; 및 상기 제1 각도 및 상기 제3 각도의 차이가 제5 각도 초과이고, 제2 각도 및 제4 각도의 차이가 제6 각도 초과인 경우에 상기 기존 고객 방향성 데이터를 상기 결과 데이터로 예측하지 않는 단계를 포함할 수 있다.

상기 결과 데이터를 예측하는 단계는, 제1 및 제2 기존 고객 방향성 데이터에 대한 하기 조건식을 만족하는 경우에, 상기 제1 기존 고객 방향성 데이터를 상기 결과 데이터로 예측하는 단계를 포함할 수 있다.

제1 기존 고객 방향성 데이터와 상기 고객 방향성 데이터의 상기 제1 각도의 차이는 Δa1이고, 상기 제2 각도의 차이는 Δb1이고, 제2 기존 고객 방향성 데이터와 싱기 고객 방향성 데이터의 상기 제1 각도의 차이는 Δa2이고, 상기 제2 각도의 차이는 Δb2이고, 각각의 유사성 지표는 W1 및 W2이고, W1이 W2보다 작다.

본 발명은 필요로 하는 상품 및 고객과 유사한 방향성을 갖는 기존의 마케팅 정보를 예측할 수 있다.

실시예에 따르면, 예측된 마케팅 정보와 다른 방향성을 갖도록 설정함으로써, 기존과 다르면서 보다 효율적인 방법으로 마케팅을 계획할 수 있다.

실시예에 따르면, 실시간으로 마케팅 정보를 고객에게 제공하고, 피드백 받음으로써 즉각적인 마케팅 방법의 수정이 가능할 수 있다.

다양한 실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.

다양한 실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 몇몇 실시예에 따른 고객마다 다른 방향성의 마케팅을 제시하는 서버를 설명하기 위한 도면이다.
도 2는 몇몇 실시예에 따른 결과 데이터 예측 방법에 대한 순서도이다.
도 3은 도 2의 결과 데이터 예측 방법을 설명하기 위한 도면이다.
도 4는 도 2의 고객 방향성 데이터 전환을 설명하기 위한 도면이다.
도 5는 몇몇 실시예에 따른 서버에 포함된 인공지능부의 예시이다.
도 6은 몇몇 실시예에 따른 결과 데이터 예측 방법에 대한 순서도이다.
도 7은 몇몇 실시예에 따른 실시간 마케팅 방법을 설명하기 위한 도면이다.
도 8은 도 1의 서버에 대한 하드웨어 구성도이다.

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, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 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.

삭제

도 1은 몇몇 실시예에 따른 고객마다 다른 방향성의 마케팅을 제시하는 서버를 설명하기 위한 도면이다.

도 1은 몇몇 실시예에 따라서 고객마다 다른 방향성의 마케팅을 제시하는 방법의 예시를 나타낸다. 예를 들어, 서버(100)는 고객에게 마케팅을 제시하는 서버에 해당할 수 있다. 제1 사용자 단말(210)과 제2 사용자 단말(220)은 서버(100)와 데이터를 송수신하는 사용자 단말에 해당할 수 있다. 여기서 제1 사용자 단말(210)은 고객이 소유하는 사용자 단말일 수 있고, 제2 사용자 단말(220)은 회사가 소유하는 사용자 단말일 수 있다. 여기서 고객은 제1 사용자 단말(210)을 통하여 마케팅을 의뢰하고, 실시간으로 마케팅을 피드백할 수 있다. 예를 들어, 고객은 마케팅을 필요로 하는 회사에 해당할 수 있다. 제2 사용자 단말(220)을 사용하는 회사는 전문적인 마케팅 방법을 제공하는 회사에 해당할 수 있다. 제2 사용자 단말(220)은 서버(100)에 대한 접근 권한을 가질 수 있다.

외부 서버(300)는 마케팅 데이터 등을 저장하는 서버에 해당할 수 있다. 예를 들어, 외부 서버(300)는 여러 사이트로부터 마케팅 데이터를 저장하는 서버에 해당할 수 있다. 즉, 외부 서버(300)는 여러 업체가 사용하는 마케팅 데이터를 수신하여 저장할 수 있다. 또한, 외부 서버(300)는 단순하게 마케팅 데이터가 아닌, 업체의 마케팅 결과물을 저장할 수도 있다. 이러한 마케팅 결과물이 가공됨으로써 마케팅 데이터가 생성될 수 있고, 가공된 마케팅 데이터는 서버(100)에 제공될 수 있다.

데이터 베이스(180)는 서버(100)에 데이터를 제공하는 데이터 베이스에 해당할 수 있다. 서버(100)는 도출된 데이터를 데이터 베이스(180)에 저장할 수 있다. 하지만 본 발명의 실시예는 이에 제한되지 않으며, 서버(100)가 구동되기 위하여 도시된 구성과 다른 구성들을 더 포함할 수도 있다.

몇몇 실시예에서, 서버(100)는 제1 사용자 단말(210), 제2 사용자 단말(220), 데이터 베이스(180) 및/또는 외부 서버(300)와 데이터를 송수신할 수 있다. 여기서 데이터 베이스(180)는 서버(100)에 포함될 수도 있다.

몇몇 실시예에서, 제1 사용자 단말(210) 및 제2 사용자 단말(220)은 서버(100)를 이용하기 위해 사용자가 소지하는 단말 또는 기기에 해당될 수 있다. 예를 들어, 제1 사용자 단말(210) 및 제2 사용자 단말(220)은 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) 등을 포함할 수 있다.

고객은 제1 사용자 단말(210)을 이용하여 서버(100)에 마케팅 요청 신호를 제공할 수 있다. 또한 고객은 제1 사용자 단말(210)을 이용하여 서버(100)에 고객에 대한 데이터를 제공할 수 있다. 회사는 제2 사용자 단말(220)을 이용하여 서버(100)를 제어할 수 있다. 서버(100)는 외부 서버(300)로부터 외부의 마케팅 데이터를 수집할 수 있다. 또한, 서버(100)는 데이터 베이스(180)에 저장된 과거의 데이터를 수집할 수 있다. 서버(100)는 마케팅 데이터 등을 이용하여 뉴럴 네트워크를 훈련시킬 수 있고, 훈련된 뉴럴 네트워크를 이용하여 고객 데이터에 기초하여 가장 유사한 마케팅 데이터를 예측할 수 있다. 서버(100)는 예측된 마케팅 데이터와 다른 방향성을 갖는 마케팅 데이터를 도출함으로써, 보다 효율적으로 고객에게 마케팅 데이터를 제공할 수 있다. 이에 대한 보다 상세한 내용은 도 2 이하의 도면들을 참조하여 보다 상세히 설명한다.

이하, 도 1 내지 도 5를 참조하여 서버(100)를 이용한 마케팅 데이터 제공 방법에 대하여 설명한다.

도 2는 몇몇 실시예에 따른 결과 데이터 예측 방법에 대한 순서도이다. 도 3은 도 2의 결과 데이터 예측 방법을 설명하기 위한 도면이다. 도 4는 도 2의 고객 방향성 데이터 전환을 설명하기 위한 도면이다. 도 5는 몇몇 실시예에 따른 서버에 포함된 인공지능부의 예시이다.

도 2 및 도 3을 참조하면, 고객은 서버(100)에 요청 신호(RQ) 및 고객 데이터(CD)를 제공할 수 있다(S1000). 고객은 제1 사용자 단말(210)을 통하여 서버(100)에 요청 신호(RQ) 및 고객 데이터(CD)를 제공할 수 있다. 고객은 제1 사용자 단말(210)에 고객 데이터(CD)를 입력할 수 있다.

요청 신호(RQ)는 마케팅을 요청하는 신호에 해당할 수 있다. 고객 데이터(CD)는 고객이 제공하는 고객의 업체 분류 정보, 고객이 원하는 서비스 분류 정보, 고객이 원하는 타겟 고객 분류 정보 등을 포함할 수 있다. 고객 데이터(CD)는 온라인 마케팅에 대한 데이터 뿐만이 아니라, 오프라인 마케팅에 대한 데이터 또한 포함할 수 있다. 하지만 본 발명의 실시예에서는 고객 데이터(CD)는 오프라인 마케팅에 대한 데이터인 것으로 설명한다. 제1 사용자 단말(210)에 입력된 고객 데이터(CD)는 서버(100)에 전달될 수 있고, 데이터 베이스(180)에 저장될 수 있다. 또한, 서버(100)는 요청 신호(RQ)에 응답하여 마케팅 방법 탐색을 수행할 수 있다.

이어서, 서버(100)는 외부 서버(300)로부터 마케팅 데이터(MD)를 수신할 수 있다(S1100). 외부 서버(300)는 여러 기업 또는 여러 사이트로부터 마케팅 데이터(MD)를 수집할 수 있다. 여기서 마케팅 데이터(MD)는 마케팅 대상인 업체 정보, 마케팅을 수행한 서비스 정보, 마케팅의 타겟 고객 정보 등을 포함할 수 있다. 또한 마케팅 데이터(MD)는 결과 데이터(RD)를 포함할 수 있다. 즉, 결과 데이터(RD)는 마케팅 데이터(MD)를 이용하여 마케팅을 수행한 결과에 대한 정보에 해당할 수 있다.

서버(100)는 외부 서버(300)로부터 수신한 마케팅 데이터(MD)를 그대로 사용할 수도 있으나, 마케팅 데이터(MD)를 가공하여 사용할 수도 있다. 즉, 마케팅 데이터(MD)는 서버(100)가 사용이 가능한 형태로 가공될 수 있다.

이어서, 서버(100)는 고객 데이터(CD) 및 마케팅 데이터(MD)로부터 특징 데이터(feature data)를 추출할 수 있다(S1200). 고객 데이터(CD)의 특징 데이터는 로우 데이터에 해당하는 고객 데이터(CD)를 가공한 결과에 해당할 수 있다. 또한 마케팅 데이터(MD)의 특징 데이터는 로우 데이터에 해당하는 마케팅 데이터(MD)를 가공한 결과에 해당할 수 있다. 이를 통해서 고객 데이터(CD) 및 마케팅 데이터(MD)는 뉴럴 네트워크(NN)에 의하여 학습될 수 있도록 처리될 수 있다.

서버(100)는 마케팅 데이터(MD) 및 기존에 저장된 고객 방향성 데이터(CDD')를 이용하여 뉴럴 네트워크(NN)를 훈련시킬 수 있다(S1300). 기존 고객 방향성 데이터(CDD')의 생성 방법에 대하여는 추후에 자세히 설명하도록 한다. 기존 고객 방향성 데이터(CDD')는 데이터 베이스(180)에 저장될 수 있다. 또한 마케팅 데이터(MD)는 특징 데이터가 추출된 마케팅 데이터(MD)에 해당할 수 있다. 여기서 마케팅 데이터(MD)는 결과 데이터(RD)를 포함할 수 있다.

도 5를 참조하면, 마케팅 데이터(MD)는 외부 업체 정보, 외부 서비스 정보, 외부 타겟 고객 정보 및 외부 마케팅 결과를 포함할 수 있다. 하지만 본 발명의 실시예는 이에 제한되지 않고, 마케팅 데이터(MD)는 다른 마케팅에 대한 정보를 포함할 수 있다. 기존 고객 방향성 데이터(CDD')는 기존에 데이터 베이스(180)에 저장된 데이터에 해당할 수 있다. 기존 고객 방향성 데이터(CDD')는 이전에 도출된 고객 데이터(CD)가 고객 방향성 데이터(CDD)로 변환된 결과에 해당할 수 있다. 해당 변환 방법은 추후에 자세히 설명하도록 한다. 기존 고객 방향성 데이터(CDD')는 업체 분류 정보, 서비스 분류 정보, 타겟 고객 분류 정보 및 고객 제공 정보를 포함할 수 있다. 하지만 본 발명의 실시예는 이에 제한되지 않고, 기존 고객 방향성 데이터(CDD')는 다른 정보들을 포함할 수도 있다.

실시예에 따른 뉴럴 네트워크 모델(601)은 인공지능 모델로 호칭될 수 있다. 이 도면에서 설명하는 인공지능부는 실시예들에 따른 서버(100)에 포함될 수 있다. 실시예들에 따른 인공지능부에 사용되는 모델은 상술한 예시에 국한되지 않는다.

실시예들에 따른 인공지능부의 뉴럴 네트워크 모델은 하나 또는 그 이상의 은닉 레이어(hidden layer, 602) 들을 포함할 수 있다. 예를 들어, 하나 또는 그 이상의 은닉 레이어(hidden layer)들은 단순 선형으로 구성된 레이어일 수도 있고, CNN(Convolutional Neural Network), RNN(Recurrent Neural Network) 및/또는 LSTM(Long Short-Term Memory Model)로 구성된 레이어들의 집합일 수도 있다.

실시예에 따른 뉴럴 네트워크 모델(NN)은 마케팅 데이터(MD) 및 기존 고객 방향성 데이터(CDD')를 학습하여 결과 데이터(RD')를 출력하는 모델일 수 있다. 실시예들에 따른 학습 데이터(600)는 데이터베이스(180)에 저장된 데이터 및/또는 서버(100)에 의하여 도출된 값에 대한 데이터를 포함한다. 즉, 실시예들에 따른 인공지능부는 상술한 학습 데이터(600)를 기반으로 결과 데이터(RD')를 예측할 수 있다. 즉, 서버(100)는 학습 데이터(600)를 이용하여 뉴럴 네트워크(NN)를 훈련시킴으로써, 추후에 마케팅 데이터(MD) 또는 고객 방향성 데이터(CDD)가 입력되는 경우에, 마케팅에 대한 결과 데이터(RD')를 예측할 수 있다. 여기서 결과 데이터(RD')는 고객 방향성 데이터(CDD)에 대하여 예측되는 마케팅의 결과 정보를 포함할 수 있다. 뉴럴 네트워크(NN)가 훈련됨으로써 보다 효율적인 마케팅 계획 설립이 가능할 수 있다.

다시 도 2 및 도 3을 참조하면, 서버(100)는 고객 데이터(CD)를 고객 방향성 데이터(CDD)로 변환시킬 수 있다(S1400). 도 4를 참조하면, 고객 데이터(CD)는 고객 방향성 데이터(CDD)로 변환될 수 있다.

먼저, 고객 데이터(CD)는 제1 고객 데이터(x1), 제2 고객 데이터(y1) 및 제3 고객 데이터(z1)를 포함할 수 있다. 예를 들어, 제1 고객 데이터(x1)는 업체 분류 정보를 의미할 수 있고, 제2 고객 데이터(y1)는 서비스 분류 정보를 의미할 수 있고, 제3 고객 데이터(z1)는 타겟 고객 분류 정보를 의미할 수 있다. 하지만 본 발명의 실시예는 이에 제한되지 않고, 제1 고객 데이터(x1), 제2 고객 데이터(y1) 및 제3 고객 데이터(z1)는 다른 정보를 포함할 수도 있다.

제1 고객 데이터(x1), 제2 고객 데이터(y1) 및 제3 고객 데이터(z1)는 3차원으로 표현될 수 있다. 제1 고객 데이터(x1)는 X축에 표현될 수 있고, 제2 고객 데이터(y1)는 Y축에 표현될 수 있고, 제3 고객 데이터(z1)는 Z축에 표현될 수 있다.

고객 데이터(CD)가 고객 방향성 데이터(CDD)로 변환됨에 따라서 고객 방향성 데이터(CDD)는 제1 각도(a)와 제2 각도(b)를 포함할 수 있다. 여기서 제1 각도(a)와 제2 각도(b)는 다음의 수학식 1 및 수학식 2로 표현될 수 있다.

<수학식 1>

<수학식 2>

즉 3차원에 해당하는 데이터인 고객 데이터(CD)는 2차원에 해당하는 고객 방향성 데이터(CDD)로 변환될 수 있다. 서버(100)는 이와 같이 고객 데이터(CD)를 고객 방향성 데이터(CDD)로 변환시킬 수 있다. 서로 다른 관련성을 갖는 고객 데이터(CD)에 포함되는 정보들을 서로 관련성을 갖는 고객 방향성 데이터(CDD)에 포함되는 정보들로 변환시킴으로써, 데이터가 보다 단순화될 수 있다. 또한 해당 고객 방향성 데이터(CDD)를 이용하여 결과 데이터(RD)가 예측될 수 있다.

본 발명의 실시예는 이에 제한되지 않고, 4차원에 해당하는 데이터인 고객 데이터(CD)가 3차원에 해당하는 고객 방향성 데이터(CDD)로 변환될 수도 있다. 서버(100)는 제1 고객 데이터(x1), 제2 고객 데이터(y1), 제3 고객 데이터(z1), 제4 고객 데이터를 포함하는 고객 데이터(CD)를 제1 각도(a), 제2 각도(b) 및 제3 각도(c)를 포함하는 고객 방향성 데이터(CDD)로 변환시킬 수 있다. 여기서 제3 각도(c)는 제3 고객 데이터(z1)와 제4 고객 데이터와 연관되어 계산될 수 있다.

다시 도 2 및 도 3을 참조하면, 서버(100)는 뉴럴 네트워크(NN)를 이용하여, 고객 방향성 데이터(CDD) 및 마케팅 데이터(MD)에 기초하여 결과 데이터(RD)를 조회할 수 있다(S1500). 여기서 뉴럴 네트워크(NN)는 기존 고객 방향성 데이터(CDD') 및 마케팅 데이터(MD)를 이용하여 훈련된 상기 뉴럴 네트워크(NN)에 해당한다. 서버(100)는 뉴럴 네트워크(NN)를 이용하여 고객 방향성 데이터(CDD)의 제1 각도(a) 및 제2 각도(b)와 기존 고객 방향성 데이터(CDD') 또는 마케팅 데이터(MD)로부터 도출된 제1 각도 및 제2 각도를 비교하여 마케팅 방법의 유사성을 판단할 수 있다. 즉, 서버(100)는 고객 방향성 데이터(CDD)와 유사한 마케팅 방법을 예측할 수 있다. 이에 따라서 서버(100)는 예측 마케팅 데이터(MD') 또는 예측 결과 데이터(RD')를 출력할 수 있다. 여기서 예측 마케팅 데이터(MD')는 기존 고객 방향성 데이터(CDD') 또는 마케팅 데이터(MD) 중에서 고객 방향성 데이터(CDD)와 가장 큰 유사성을 갖는 마케팅 방법에 해당할 수 있다. 이에 대하여 도 6을 참조하여 보다 상세한 설명을 하도록 한다.

도 6은 몇몇 실시예에 따른 결과 데이터 예측 방법에 대한 순서도이다.

도 6을 참조하면, 서버(100)는 변환된 고객 방향성 데이터(CDD)와 기존에 저장된 고객 방향성 데이터(CDD')를 비교할 수 있다(S1510). 여기서 Δa는 고객 방향성 데이터(CDD)와 기존 고객 방향성 데이터(CDD')에 대한 제1 각도(a)의 차이를 의미할 수 있다. 또한, Δb는 고객 방향성 데이터(CDD)와 기존 고객 방향성 데이터(CDD')에 대한 제2 각도(b)의 차이를 의미할 수 있다. θ1은 0도보다 큰 양의 값을 갖는 각도를 의미하며, θ2는 0도보다 큰 양의 값을 갖는 각도를 의미한다. θ1과 θ2는 서로 다른 값을 가질 수도 있고, 서로 같은 값을 가질 수도 있다.

Δa가 0도 이상 θ1 이하이고 Δb가 0도 이상 θ2 이하인 경우(S1520-Y)에, 서버(100)는 기존 고객 방향성 데이터(CDD')에 대하여 가중치 2점을 부여할 수 있다(S1521). Δa가 0도 이상 θ1 이하이고 Δb가 0도 이상 θ2 이하가 아닌 경우(S1520-N)에, 서버(100)는 다음 판단(S1530)을 수행할 수 있다.

Δa가 θ1 초과이고 Δb가 0도 이상 θ2 이하인 경우(S1530-Y)에, 서버(100)는 기존 고객 방향성 데이터(CDD')에 대하여 가중치 1점을 부여할 수 있다(S1531). Δa가 θ1 초과이고 Δb가 0도 이상 θ2 이하가 아닌 경우(S1530-N)에, 서버(100)는 다음 판단(S1540)을 수행할 수 있다.

Δa가 θ1 초과이고 Δb가 θ2 초과인 경우(S1540-Y)에, 서버(100)는 기존 고객 방향성 데이터(CDD')에 대하여 가중치 0점을 부여할 수 있다(S1541).

이에 따라서 서버(100)는 Δa 및 Δb를 비교하여 서로 다른 가중치를 기존 고객 방향성 데이터(CDD')에 대하여 부여할 수 있다. 서버(100)는 가장 큰 가중치를 갖는 기존 고객 방향성 데이터(CDD')를 뉴럴 네트워크(NN)를 이용하여 예측하여 도출할 수 있다. 또한, 뉴럴 네트워크(NN)는 상기 방법을 이용하여 훈련될 수도 있다.

또한, 도출된 가중치가 같지 않은 경우(S1550-N), 예를 들어, 복수의 기존 고객 방향성 데이터(CDD')에 부여된 가중치 중 하나만이 2점인 경우에, 서버(100)는 가중치가 큰 결과 데이터(RD')를 출력할 수 있다(S1570). 여기서 결과 데이터(RD')는 고객 방향성 데이터(CDD')에 연관된 마케팅 결과 데이터에 해당할 수 있다.

도출된 가중치가 같은 경우(S1550-Y), 서버(100)는 하기 수학식 3에 따라 계산된 유사성 지표(W)가 작은 결과 데이터(RD')를 출력할 수 있다(S1560).

<수학식 3>

여기서 제1 각도(a)의 차이 값과 제2 각도(b)의 차이 값에 대한 가중치를 다르게 가져감으로써 보다 정확하고 효율적으로 결과 데이터(RD')를 출력할 수 있다.

이에 따라서, 뉴럴 네트워크(NN)은 상기 내용과 같이 훈련될 수 있고, 고객 데이터(CD)가 입력되는 경우, 고객 방향성 데이터(CDD)로 변환된 후에, 뉴럴 네트워크(NN)를 통하여 결과 데이터(RD')가 예측될 수 있다. 이에 따라서 별도의 마케팅 방법 예측이 없이도 효율적이고 빠르게 고객 데이터(CD)에 최적화된 마케팅 데이터(MD) 및 결과 데이터(RD)가 예측될 수 있다.

다시 도 3을 참조하면 제1 단말기(210)는 서버(100)로부터 예측 마케팅 데이터(MD') 및 예측 결과 데이터(RD')를 수신할 수 있다. 고객은 제1 단말기(210)를 통하여 요청 신호(RQ)에 대한 응답을 수신하여 컨펌을 할 수 있다. 또한, 회사는 서버(100)로부터 출력된 예측 마케팅 데이터(MD') 및 예측 결과 데이터(RD')를 이용하여 보다 효율적으로 적합한 마케팅 계획을 세울 수 있다.

도 7은 몇몇 실시예에 따른 실시간 마케팅 방법을 설명하기 위한 도면이다.

도 1 내지 도 6을 참조하여 설명한 방법을 통해, 예측 마케팅 데이터(MD') 및 예측 결과 데이터(RD')가 생성될 수 있고, 회사는 예측 마케팅 데이터(MD') 및 예측 결과 데이터(RD')를 이용하여 마케팅을 진행할 수 있다. 마케팅이 진행됨에 따라서 고객 방향성 데이터(CDD) 및 결과 데이터(RD)가 업데이트될 수 있다. 이에 따라서 업데이트 마케팅 데이터(MD'')및 업데이트 결과 데이터(RD'')가 제1 단말기(210) 및 데이터 베이스(180)에 제공될 수 있다. 서버(100)는 업데이트 마케팅 데이터(MD'')및 업데이트 결과 데이터(RD'')이용하여 뉴럴 네트워크(NN)를 훈련시킬 수 있다. 고객은 업데이트 마케팅 데이터(MD'')및 업데이트 결과 데이터(RD'')에 대하여 피드백으로 요청 신호(RQ')를 서버(100)에 제공할 수 있다. 회사는 요청 신호(RQ')에 응답하여 실시간으로 마케팅을 변경할 수 있다. 이에 따라서 실시간으로 마케팅 방법 및 결과의 중계와 피드백이 수행될 수 있다.

도 8은 도 1의 서버에 대한 하드웨어 구성도이다.

도 8을 참조하면, 서버(100)는, 적어도 하나의 프로세서(processor, 110) 및/또는 적어도 하나의 프로세서(110)가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory, 120)를 포함할 수 있다.

적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 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) 중에서 적어도 하나로 구성될 수 있다.

또한, 서버(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver, 130)를 포함할 수 있다. 또한, 자재 이력 관리 서버(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 자재 이력 관리 서버(100)에 포함된 각각의 구성 요소들은 버스(bus, 170)에 의해 연결되어 서로 통신을 수행할 수 있다.

몇몇 실시예에 따른 적어도 하나의 단계는, 제1 사용자 단말로부터 서로 다른 제1 고객 데이터, 제2 고객 데이터 및 제3 고객 데이터를 포함하는 고객 데이터를 수신하는 단계; 상기 고객 데이터를 서로 다른 제1 각도 및 제2 각도를 포함하는 고객 방향성 데이터로 변환시키는 단계; 뉴럴 네트워크를 이용하여 상기 고객 방향성 데이터에 대한 결과 데이터를 예측하는 단계; 및 상기 결과 데이터를 상기 제1 사용자 단말에 제공하는 단계를 포함하고, 상기 뉴럴 네트워크 모델은 데이터베이스에 저장된 기존 고객 방향성 데이터 및 외부 서버로부터의 마케팅 데이터로부터 추출된 특징 데이터를 학습하여 상기 결과 데이터를 예측할 수 있다.

몇몇 실시예에 따른 상기 제1 각도는 상기 제1 및 제2 고객 데이터에 기초하여 생성되고, 상기 제2 각도는 상기 제2 및 제3 고객 데이터에 기초하여 생성되는, 상기 고객 데이터는 상기 제1 내지 제3 고객 데이터와 다른 제4 고객 데이터를 포함하고, 상기 고객 방향성 데이터는 상기 제1 각도 및 제2 각도와 다른 제3 각도를 포함하고, 상기 제3 각도는 상기 제1 내지 제4 고객 데이터 중 적어도 둘에 기초하여 생성될 수 있다.

몇몇 실시예에 따른 상기 기존 고객 방향성 데이터는 서로 다른 제3 각도 및 제4 각도를 포함하고, 상기 결과 데이터를 예측하는 단계는, 상기 제1 각도 및 상기 제3 각도의 차이가 0도 이상 제5 각도 이하이고, 제2 각도 및 제4 각도의 차이가 0도 이상 제6 각도 이하인 경우에 상기 기존 고객 방향성 데이터를 상기 결과 데이터로 예측하는 단계; 및 상기 제1 각도 및 상기 제3 각도의 차이가 제5 각도 초과이고, 제2 각도 및 제4 각도의 차이가 제6 각도 초과인 경우에 상기 기존 고객 방향성 데이터를 상기 결과 데이터로 예측하지 않는 단계를 포함할 수 있다.

몇몇 실시예에 따른 상기 결과 데이터를 예측하는 단계는, 제1 및 제2 기존 고객 방향성 데이터에 대한 하기 조건식을 만족하는 경우에, 상기 제1 기존 고객 방향성 데이터를 상기 결과 데이터로 예측하는 단계를 포함할 수 있다.

몇몇 실시예에 따른 제1 기존 고객 방향성 데이터와 상기 고객 방향성 데이터의 상기 제1 각도의 차이는 Δa1이고, 상기 제2 각도의 차이는 Δb1이고, 제2 기존 고객 방향성 데이터와 싱기 고객 방향성 데이터의 상기 제1 각도의 차이는 Δa2이고, 상기 제2 각도의 차이는 Δb2이고, 각각의 유사성 지표는 W1 및 W2이고, W1이 W2보다 작다.

실시예들은 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.

Claims

마케팅 서비스를 제공하는 서버에 있어서,
프로세서(processor); 및
상기 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory); 를 포함하고,
상기 프로세서는:
제1 사용자 단말로부터 서로 다른 제1 고객 데이터, 제2 고객 데이터 및 제3 고객 데이터를 포함하는 고객 데이터를 수신하고,
상기 고객 데이터를 서로 다른 제1 각도 및 제2 각도를 포함하는 고객 방향성 데이터로 변환시키고,
뉴럴 네트워크 모델을 이용하여 상기 고객 방향성 데이터에 대한 결과 데이터를 예측하고,
상기 결과 데이터를 상기 제1 사용자 단말에 제공하고,
상기 뉴럴 네트워크 모델은 데이터베이스에 저장된 기존 고객 방향성 데이터 및 외부 서버로부터의 마케팅 데이터로부터 추출된 특징 데이터를 학습하여 상기 결과 데이터를 예측하고,
상기 제1 각도는 상기 제1 및 제2 고객 데이터에 기초하여 생성되고, 상기 제2 각도는 상기 제2 및 제3 고객 데이터에 기초하여 생성되고,
상기 기존 고객 방향성 데이터는 서로 다른 제3 각도 및 제4 각도를 포함하고,
상기 프로세서는:
상기 제1 각도 및 상기 제3 각도의 차이가 0도 이상 제5 각도 이하이고, 제2 각도 및 제4 각도의 차이가 0도 이상 제6 각도 이하인 경우에 상기 기존 고객 방향성 데이터를 상기 결과 데이터로 예측하고,
상기 제1 각도 및 상기 제3 각도의 차이가 제5 각도 초과이고, 제2 각도 및 제4 각도의 차이가 제6 각도 초과인 경우에 상기 기존 고객 방향성 데이터를 상기 결과 데이터로 예측하지 않도록 제어하는, 서버.
삭제
삭제
제 1 항에 있어서,
상기 고객 데이터는 상기 제1 내지 제3 고객 데이터와 다른 제4 고객 데이터를 포함하고,
상기 고객 방향성 데이터는 상기 제1 각도 및 제2 각도와 다른 제3 각도를 포함하고,
상기 제3 각도는 상기 제1 내지 제4 고객 데이터 중 적어도 둘에 기초하여 생성되는, 서버.
삭제