KR102483987B1 - 오픈마켓 내 타겟 제품 및 타겟 시장에 대한 자동화 분석 방법 및 시스템 - Google Patents

Abstract

본 발명은 키워드 분석 방법에 관한 것으로서, 보다 상세하게는, 오픈마켓 내 타겟 제품 및 타겟 시장에 대한 자동화 분석 방법 및 시스템에 관한 것이다. 본 발명의 실시예에 따른 전자 장치에 의해 수행되는, 오픈마켓 내 타겟 제품 및 타겟 시장에 대한 자동화 분석 방법은, 이커머스 전체시장을 분석하는 단계 - 상기 이커머스 전체시장은 타겟 제품과 연관된 전체 카테고리의 규모로서, 고객사 제품군이 포함된 최상위 카테고리임 -; 제품 카테고리 시장 규모를 분석함으로써 상기 이커머스의 유효시장을 분석하는 단계 - 전체 유통 시장 대비 이커머스 시장 비율이 50% 미만인 경우 온라인을 통해 구매하는 소비 형태가 보편적이지 않다는 메시지를 보고서에 출력하고, 50% 이상인 경우 온라인 통해 구매하는 소비 형태가 보편적이라는 메시지를 보고서에 출력함 -; 상기 유효시장 내에서 1년 미만에 확보 가능한 시장 규모로서, 판매를 시작한지 1년 미만인 유효시장 내 경쟁사의 매출 합계인 수익시장을 분석하는 단계; 및 상기 이커머스 전체시장, 유효시장, 및 수익시장을 포함하는 보고서 파일을 생성하는 단계를 포함할 수 있다.

Description

오픈마켓 내 타겟 제품 및 타겟 시장에 대한 자동화 분석 방법 및 시스템{AUTOMATED ANALYSIS METHOD AND SYSTEM FOR TARGET ITEM AND TARGET MARKET IN OPEN MARKET}

본 발명은 키워드 분석 방법에 관한 것으로서, 보다 상세하게는, 오픈마켓 내 타겟 제품 및 타겟 시장에 대한 자동화 분석 방법 및 시스템에 관한 것이다.

최근 사회적으로 비대면 추세가 강화되고 있으며, 이러한 추세에 따라 온라인으로 상거래 분야가 더욱 성장하고 있다. 예컨대, 지난 10년 동안 전세계적으로 저명한 온라인 상거래 사이트인 아마존의 순 매출은 340억 달러에서 대략 2천억 달러로 대략 9배 증가하였으며, 최근의 재택근무의 비율이 많아질 수밖에 없는 사회적 상황과 함께 스마트폰 등 많은 기기의 발전이 많은 사람들의 쇼핑 습관에 영향을 미치고 있다는 점에서 인터넷을 통한 마케팅 분야는 점점 더 성장이 지속될 것이다.

특히, 도 1을 살펴보면, 전술한 아마존은 미국 이커머스 매출의 40%를 차지하는 최대 시장으로서, 2016-2021년 미국 전자상거래(이커머스) 시장의 연평균 성장률은 19.7%을 기록하였고, 2021년 시장 규모는 7,880억 달러로 전년 대비 19.3% 증가했으며, 올해도 꾸준한 성장세를 보일 것으로 예상된다. 한편, 이커머스 매출은 전체 유통 매출의 약 15%를 차지하고 있으며, 이처럼 오프라인 대비 상대적으로 낮은 점유율은 이커머스 시장이 여전히 성장할 여지가 있다는 것을 의미한다. 특히, 전세계 최대 이커머스 플랫폼인 '아마존 US'는 약 27억명의 월간 트래픽을 기록하며, 북미 이커머스 매출의 40.4%를 차지하고 있고, 이커머스 시장의 꾸준한 성장세와 아마존의 입지를 함께 고려한다면 여전히 높은 성장 가능성을 가진 시장이라고 말할 수 있다.

그러나, 과거 셀러들은 아마존에 론칭만 하면 큰 성공을 거둘 수 있을 것이라고 기대하였지만, 도 2를 살펴보면, 아마존 시장의 성장세만큼 그에 따라 판매 경쟁 강도 또한 높아지고 있는 실정이다. 또한, 전세계적인 물류 대란 및 인플레이션 등 외부 지각변동 또한 아마존 셀러에게 악재로 작용하고 있으며, 단순히 제품 론칭만으로도 비교적 쉽게 수익을 기대할 수 있었던 과거와는 달리, 오늘날 글로벌 셀링의 문턱은 높아지고 있는 실정이다.

특히 경쟁이 심화되고 있는 아마존에서, 아마존 시장에 적합하지 않은 제품으로 진출하는 경우, 플랫폼 정책 위반으로 인한 계정이 정지되는 경우, 아마존 진출 이후 사업 투자 및 인적 자원 관리가 미흡하여 유지가 되지 않는 경우, 외부 전문가의 도움없이 셀러가 직접 운영하면서 겪는 시행착오의 경우, 미국 현지 소비시장에 대한 전문지식이 부족한 경우 등과 같이 과반수 이상의 셀러들이 통상적으로 실수를 저지르는 경우가 부지기수이다.

이처럼 복잡해지는 아마존의 판매, 물류, 마케팅 정책과 생태계를 올바르게 이해하는 것이 승패를 결정짓는 중요 요소이며, 북미 시장, 아마존 시장, 관세법, 재무구조 등 핵심 요소를 다각적으로 면밀히 조사하여야 하고, 이를 위해 정치, 경제, 사회, 기술적 외부 환경 변경을 살피는 거시적 조사와, 북미 시장과 아마존 내 세분화된 시장을 단계별로 분석하는 심화 조사가 필수적이다. 즉, 아마존의 생태계에서 셀러로서 생존하기 위해서는 좋은 전략이 필요하다.

더욱이, 어느 시장에서의 경쟁 상황이 어떻게 발전되어갈지 정확하게 추측하기란 매우 어려운 일이며, 기업이 꼭 들어맞는 전략을 결정하기란 힘든 일이고, 이는 바로 다수의 기업 전략이 거의 부분 '조사'에 그치는 이유이기도 하다.

한편, 전술한 배경 기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공지기술이라 할 수 없다.

한국 등록 특허 제10-2127203호 한국 등록 특허 제10-2194273호 한국 등록 특허 제10-2412158호 한국 특허출원 공개 공보 제10-2013-0082882호

본 발명은 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명의 목적은 전술한 배경 기술에서 단순 '조사'를 넘어 실질적인 수익으로 창출할 수 있는 '전략'이 필수적이고, 이를 위해 시장 및 산업에 대한 거시적이고도 전문적인 지식을 제공하고, 비지니스 모델, 경쟁적 포지션, 지속적으로 변경하는 환경에 적응하는 실행 프로세스를 면밀히 아우르는 전략을 제공하는 데 있다.

특히, 본 발명은 단순히 글로벌 이커머스 시장에서 지금 당장 확보해야 하는 시장을 정의하고 이를 위해 반드시 만족시켜야 할 소비자의 수요를 분석하여 아마존에 최적화된 비지니스 모델을 도출하여 셀러에게 제공하는 것을 목표로 한다.

본 발명의 상기 및 다른 목적과 이점은 바람직한 실시예를 설명한 하기의 설명으로부터 분명해질 것이다.

본 발명의 실시예에 따른 전자 장치에 의해 수행되는, 오픈마켓 내 타겟 제품 및 타겟 시장에 대한 자동화 분석 방법은, 이커머스 전체시장을 분석하는 단계 - 상기 이커머스 전체시장은 타겟 제품과 연관된 전체 카테고리의 규모로서, 고객사 제품군이 포함된 최상위 카테고리임 -; 제품 카테고리 시장 규모를 분석함으로써 상기 이커머스의 유효시장을 분석하는 단계 - 전체 유통 시장 대비 이커머스 시장 비율이 50% 미만인 경우 온라인을 통해 구매하는 소비 형태가 보편적이지 않다는 메시지를 보고서에 출력하고, 50% 이상인 경우 온라인 통해 구매하는 소비 형태가 보편적이라는 메시지를 보고서에 출력함 -; 상기 유효시장 내에서 1년 미만에 확보 가능한 시장 규모로서, 판매를 시작한지 1년 미만인 유효시장 내 경쟁사의 매출 합계인 수익시장을 분석하는 단계; 및 상기 이커머스 전체시장, 유효시장, 및 수익시장을 포함하는 보고서 파일을 생성하는 단계를 포함할 수 있다.

일 실시예에 따르면, 상기 제품 카테고리 시장 규모를 분석함으로써 상기 이커머스의 유효시장을 분석하는 단계는, 상기 타겟 제품의 점유율 및 복수의 이커머스 플랫폼의 전체시장 금액에 기초하여, 특정 이커머스 플랫폼이 타겟 제품을 판매하는 데 가장 유리한지를 판단하는 단계; 및 각각의 점유율에 각각의 이커머스 플랫폼의 전체시장의 금액을 곱한 값이 큰 순서대로 플랫폼을 추천하는 메시지를 상기 보고서에 자동으로 추가하는 단계를 포함할 수 있다.

일 실시예에 따르면, 시장 조사 분석에서 성장률과 계절성을 분석하는 단계를 더 포함하고, 상기 성장률을 분석하는 것은, 성장률 그래프의 데이터에 저역통과필터(LPF)를 적용시킴으로써 처음 데이터와 마지막 데이터의 기울기에 기초하여 성장률의 상승, 하락, 또는 유지의 추세를 판단하는 것을 포함하고, 상기 계절성을 분석하는 것은, 3년 중 2년 이상 1을 초과하는 계절이 있다면, 상기 계절에 수요가 증가한 것으로 판단하는 것 - 상기 계절은 봄, 여름, 가을, 및 겨울을 포함함 -; 계절성 그래프의 값들을 이산 푸리에 변환(Discrete Fourier Transform)하여 얻어진 주파수 성분 값이 가장 높은 값을 계산하고, 가장 높은 주파수 성분 값이 10개월 내지 12개월 내에 포함되는지를 판단하는 것; 가장 높은 주파수 성분 값이 10개월 내지 12개월 내에 포함된다면, 타겟 제품은 계절성을 갖는 제품으로 판단하는 것; 및 상기 타겟 제품이 계절성을 가진다고 판단되는 경우, 상기 계절성 그래프에서 가장 큰 값을 갖는 계절을 해당 계절이라고 간주하는 것을 포함하고, 상기 계절성을 나타내기 위한 기준 값인 1은 데이터의 특징을 추출하여 특징들의 패턴을 파악하는 합성곱 신경망(convolutional neural network; CNN)의 딥러닝 학습을 거치고, 상기 딥러닝 학습에서 입력 데이터는, 계절성 그래프의 그래프 값, 그래프 값을 주파수로 분석한 이산 푸리에 변환(Discrete Fourier Transform)하여 얻어진 주파수 성분 값, 및 상기 타겟 제품의 카테고리의 매출액을 포함하고, 상기 기준 값 1은 상기 딥러닝 학습에 기초하여 기준 값이 변경되도록 구성될 수 있다.

일 실시예에 따르면, 시장 조사 분석에서 성장률과 계절성을 분석하는 단계를 더 포함하고, 상기 성장률을 분석하는 것은, 성장률 그래프의 데이터에 저역통과필터(LPF)를 적용시킴으로써 처음 데이터와 마지막 데이터의 기울기에 기초하여 성장률의 상승, 하락, 또는 유지의 추세를 판단하는 것을 포함하고, 상기 계절성을 분석하는 것은, 3년 중 2년 이상 1을 초과하는 계절이 있다면, 상기 계절에 수요가 증가한 것으로 판단하는 것 - 상기 계절은 봄, 여름, 가을, 및 겨울을 포함함 -; 계절성 그래프의 값들을 이산 푸리에 변환(Discrete Fourier Transform)하여 얻어진 주파수 성분 값이 가장 높은 값을 계산하고, 가장 높은 주파수 성분 값이 10개월 내지 12개월 내에 포함되는지를 판단하는 것; 가장 높은 주파수 성분 값이 10개월 내지 12개월 내에 포함된다면, 타겟 제품은 계절성을 갖는 제품으로 판단하는 것; 및 상기 타겟 제품이 계절성을 가진다고 판단되는 경우, 상기 계절성 그래프에서 가장 큰 값을 갖는 계절을 해당 계절이라고 간주하는 것을 포함할 수 있다.

일 실시예에 따르면, 상기 수익시장을 분석하는 단계는, 제3 사분위수(75% 백분점수)에서 제1 사분위수(25% 백분점수)를 뺌으로써 분포의 양끝 1/4을 제외한 범위인 사분범위(Interquartile Range: IQR)를 이용하여, 경쟁 제품 판매가의 사분위수를 계산하는 단계; 25% 백분 점수인 제1 사분위수(Q1)의 미만 범위를 저가, 25% 백분 점수인 제1 사분위수(Q1)와 75% 백분 점수인 제3 사분위수(Q3) 사이의 범위를 중가, 및 75% 백분점수 초과하는 제4 사분위수(Q4) 초과의 범위를 고가 가격 대로 분류하는 단계; 및 경쟁사 매출액의 제1 사분위수(Q1)와 제3 사분위수(Q3) 사이의 구간으로 판매 연도별 예상 매출액을 계산하는 단계를 더 포함할 수 있다.

본 발명에 따르면, 미국 이커머스 시장 동향을 파악하고 고유 방법론을 통해 예컨대 아마존 시장을 세분화하여, 아마존 진출 초기 1년 동안 매출이 발생하는 수익시장 도출하고, 아마존에서 현지 수요를 만족시킬 수 있는 고객사 제품의 차별점을 파악하고, 고객사가 진입 시기 별로 목표해야 하는 키워드를 분석할 수 있다.

또한, 본 발명에 따른 비지니스 캔버스와 시장조사 프로세스를 바탕으로 판매 및 운영 전략을 수립하여 고객사의 성공적이고도 효과적인 아마존 진출을 지원할 수 있다.

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

도 1은 아마존은 미국 이커머스 매출을 나타내는 도면이다.
도 2는 아마존 시장의 성장세 및 판매 경쟁도를 나타내는 도면이다.
도 3a은 본 발명의 일 실시예에 따른 시장 조사 분석 방법을 개략적으로 나타낸 도면이다.
도 3b은 본 발명의 일 실시예에 따른 시장 조사 분석 방법에서 성장률과 계절성을 분석한 그래프를 개략적으로 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 시장 조사 분석에 따른 전략 수립 방법을 개략적으로 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 PEST 분석을 설명하는 도면이다.
도 6은 본 발명에 따른 이커머스 진출 전략 수립 보고서를 자동으로 작성하는 방법에 관한 도면이다.
도 7은 본 발명에 따른 시장 가격대 구분 및 예상 매출액을 도출하는 방법에 관한 도면이다.
도 8은 본 발명에 따른 인공 신경망의 기본적인 개념을 간단히 나타낸 도면이다.
도 9는 본 발명에 따른 비즈니스 캔버스 모델을 간단히 나타낸 도면이다.

이하, 본 발명의 실시예와 도면을 참조하여 본 발명을 상세히 설명한다. 이들 실시예는 오로지 본 발명을 보다 구체적으로 설명하기 위해 예시적으로 제시한 것일 뿐, 본 발명의 범위가 이들 실시예에 의해 제한되지 않는다는 것은 통상의 기술자에 있어서 자명할 것이다.

또한, 달리 정의하지 않는 한, 본 명세서에서 사용되는 모든 기술적 및 과학적 용어는 본 발명이 속하는 기술 분야의 통상의 기술자에 의해 통상적으로 이해되는 바와 동일한 의미를 가지며, 상충되는 경우에는, 정의를 포함하는 본 명세서의 기재가 우선할 것이다.

도면에서 제안된 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. 그리고, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에서 기술한 "부"란, 특정 기능을 수행하는 하나의 단위 또는 블록을 의미한다.

각 단계들에 있어 식별부호(제1, 제2, 등)는 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. 즉, 각 단계들은 명기된 순서와 동일하게 실시될 수도 있고 실질적으로 동시에 실시될 수도 있으며 반대의 순서대로 실시될 수도 있다.

이하, 구체적인 실시예와 비교예를 통하여 본 발명의 구성 및 그에 따른 효과를 보다 상세히 설명하고자 한다. 그러나, 본 실시예는 본 발명을 보다 구체적으로 설명하기 위한 것이며, 본 발명의 범위가 이들 실시예에 한정되는 것은 아니다.

도 3a은 본 발명의 일 실시예에 따른 시장 조사의 분석 방법을 개략적으로 나타낸 도면이다. 도 3a을 참조하여 설명하면, 본 발명의 일 실시예에 따른 분석 방법은 다음의 단계로 수행될 수 있다.

S310 단계에서, 외부 환경을 분석할 수 있다. 이 때, 외부 환경을 분석하기 위해 PEST 분석이 이용될 수 있다. 본 발명의 일 실시예 따른 PEST 분석에서, 제품의 관련 산업을 둘러싼 거시 환경(즉, 외부 환경)에 영향을 끼치는 요인을 조사하여 고객사 제품이 미국에 진출 시 예상되는 기회 및 위협 요인을 분석할 수 있다.

시장을 분석하고 판매 전략을 도출하는 데 있어 가장 중요한 것은 제품이 시장에 진입하였을 때 실질적으로 초기에 공략 가능한 시장의 규모와 특성을 파악하는 것이다. 더 나아가, 최대로 달성 가능한 시장 규모를 예측하고 이를 위한 확장 전략을 짜는 것이 경쟁이 치열하지만 기회가 가득한 이커머스 시장(예컨대, 아마존)에서 생존하는 가장 빠르고 정확한 방법이라 할 수 있다. 초기에 확보 가능한 시장 규모를 파악하고 확장 전략을 세우는 것만큼 중요한 것은 미국 현지 이커머스 흐름을 이해하는 것이라고 할 수 있고, 결국 아마존도 이커머스의 전체 흐름에 따라 움직이므로 현지 이커머스 제품 시장의 동향을 고려하여 전략을 수립할 때 제품은 아마존뿐만 아니라 전체시장을 리딩하는 선두 제품이 될 수 있다.

이 때 아마존 시장은 규모에 따라 총 3단계(S320 내지 S340)로 구분될 수 있다.

S320 단계에서, 이커머스 전체시장을 분석할 수 있다. 예를 들어, 이커머스 전체시장은 타겟 제품과 연관된 아마존 전체 카테고리의 규모를 의미한다. 즉, 이커머스 전체시장은 아마존에서 고객사 제품군이 포함된 아마존 최상위 카테고리를 의미할 수 있다. 예컨대, 커피원두를 판매하는 고객사를 1차 분류인 'Food & Grocery'로 볼 수 있다. 추가적으로, 아마존의 주요 판매처가 되는 북미 시장을 전체시장으로 분석한다면, 다음과 같이 분석할 수 있다.

먼저, 시장 규모 및 전망 분석으로서, 북미 이커머스 전체시장, 아마존 카테고리 기준 유효시장, 제품 유형이 직접적으로 속하는 수익시장으로 제품 시장 규모를 세분화하여 시장별 연 매출 및 매출 비중을 파악할 수 있다.

이커머스 비중 분석으로서, 북미 전체 소매유통 시장 중 이커머스 시장 규모의 비중을 파악하여, 제품 구매 의도를 가진 소비자의 소비 형태를 분석하고 제품산업의 이커머스의 성장 가능성을 제시할 수 있다.

카테고리 점유율 분석으로서, 북미 이커머스와 아마존의 산업 카테고리별 점유율을 비교하여, 카테고리의 입지 조건을 비교 및 분석할 수 있다.

아마존 내 유효시장 규모 분석으로서, 활성화된 모든 리스팅의 데이터를 기초하여, 제품 카테고리 시장 규모를 파악할 수 있다.

예를 들어, 타겟 제품은 유통 카테고리 시장에 속하며, 해당 카테고리의 전체 유통 시장 규모는 5000억이고, 이 때 주목할 점은 전체 유통 시장 대비 이커머스 시장의 비율은 31%이고, 카테고리별 이커머스의 평균 비율이 31%인 점을 고려한다면, 제품이 속하는 시장의 이커머스 비율이 50%보다 낮으므로 이커머스 비율이 낮은 편이라고 분석할 수 있다. 이는 소비자들이 온라인을 통해서 구매하는 소비 형태가 보편이지 않다고 자동적으로 분석될 수 있다.

한편, 특정 이커머스 플랫폼(예컨대, 아마존, eBay 등)이 특정 제품을 판매하는 데 얼마나 유리한 시장인지를 분석할 수 있다. 예를 들어, 미국 전체 이커머스 시장 내 특정 제품이 속하는 카테고리는 20% 차지하는 반면, 진출하고자 하는 아마존 시장에서 카테고리의 점유율은 27%인 경우, 제품의 카테고리의 점유율을 미국 이커머스 시장과 아마존 시장을 각 비교해 본 결과 점유율 수치가 상이하고, 이는 해당 카테고리의 제품을 구매할 의도가 있는 소비자가 타 이커머스 플랫폼보다 아마존에서 많이 구매했음으로 시장을 분석할 수 있다. 이 경우, 수요적 측면에서 해당 카테고리에 속하는 제품은 타 이커머스 플랫폼 보다 아마존 플랫폼에 적합하다는 분석을 할 수 있다. 이 때, 적어도 3개 이상의 이커머스 시장에 대한 해당 카테고리의 점유율을 분석하고, 점유율에 해당 플랫폼의 전체시장의 금액을 곱한 값이 큰 순서대로 플랫폼을 추천하는 메시지를 보고서에 자동으로 추가할 수 있다.

S330 단계에서, 이커머스 유효시장을 분석할 수 있다. 예를 들어, 유효시장이란 제품과 가장 관련 있는 아마존 세부 카테고리 시장을 의미하며, 제품군에 관심있는 고객이 제품을 검색할 때 방문하게 될 가능성이 매우 높은 시장을 의미할 수 있다. 즉, 이커머스 유효시장은 고객사 제품이 속한 세부 카테고리를 의미할 수 있다. 예를 들어, 동일한 커피원두를 예시로 'Whole Coffee Beans' 카테고리를 이커머스 유효시장으로 간주할 수 있다(Food & Grocery > Beverages > Coffee > Whole Coffee Beans). 제품이 속한 카테고리의 시장 데이터를 추출하여 유효시장의 규모를 도출할 수 있고, 트렌드 및 시장의 구조를 분석할 수 있다.

이 때, 타겟 제품과 가장 관련 있는 아마존 세부 카테고리의 규모를 의미한다. 먼저 시장 규모를 도출하기 위해, 제품 카테고리의 아마존 데이터를 기반으로 월 매출액, 평균 판매가, 브랜드 수 및 리스팅 개수로 시장 규모를 파악할 수 있다.

트렌드 분석으로서, 복합 연평균 성장률(CAGR)을 적용하여 측정 기간의 유효시장 평균 성장률을 파악하는 한편, 중심 이동 평균 기법을 활용하여 시즌성을 평가할 수 있다. 시장을 제대로 이해하기 위해서는 시장의 성장률과 계절에 따른 제품 수요의 흐름을 진단하여 시장의 향후 성장 방향과 시즌 별 수요 변동을 예측하는 과정이 가장 먼저 이루어져야 하므로, 제품과 가장 관련 있는 키워드에 대한 검색량을 바탕으로 유효시장의 트렌드를 분석한다.

도 3b은 본 발명의 일 실시예에 따른 시장 조사 분석 방법에서 성장률과 계절성을 분석한 그래프를 개략적으로 나타낸 도면이다.

도 3b에서 성장률 그래프는 상승과 하락이 반복적으로 이루어지고 있는 다소 랜덤한 형태로 나타나는 경우가 많다. 이 때, 성장률 그래프의 데이터에 저역통과필터(LPF)를 적용시킴으로써 처음 데이터와 마지막 데이터의 기울기에 기초하여, 전반적인 성장률의 상승, 하락, 또는 유지 등의 추세를 확인할 수 있다. 예를 들어, 기울기가 양수이면 전반적으로 성장률이 상승한다고 판단할 수 있고, 기울기 값의 절대값이 일정한 값(예컨대, 0.5) 이내에 있다면, 성장률은 유지된다고 판단될 수 있다.

도 3b에서 계절성 그래프는 1을 기준으로 값이 그래프 상단에 위치한다면 해당 구간에는 시장 성장률보다 높은 검색량이 발생한 것이며, 1보다 하단에 위치한다면 해당 구간의 시장 성장률보다 낮은 검색량이 발생한 것이다. 예를 들어, 토너라는 제품은 8~9월에 다른 시기보다 높은 검색량을 보였으며 토너라는 제품의 특성 상 여름철 수요가 증가한 것으로 분석될 수 있다. 여기서, 3년 중 2년 이상 1을 초과하는 계절이 있다면, 해당 계절에 수요가 증가한 것으로 판단될 수 있다. 그러나, 본 발명자들은 1이라는 절대값을 기준으로 판단하는 과정에서 계절성 특징을 찾기 어려운 경우가 많았다. 이를 해결하기 위해, 계절성 그래프의 값들을 이산 푸리에 변환(Discrete Fourier Transform)하여 얻어진 주파수 성분 값이 가장 높은 값을 계산하고, 가장 높은 주파수 성분 값이 10개월 내지 12개월 내에 포함되는지를 판단할 수 있다. 만약, 가장 높은 주파수 성분 값이 10개월 내지 12개월 내에 포함된다면, 해당 제품은 계절성을 가진다고 볼 수 있다. 한편, 해당 제품이 계절성을 가진다고 판단되는 경우, 해당 계절이 어떤 계절인지는 계절성 그래프에서 가장 큰 값을 갖는 계절을 해당 계절이라고 간주할 수 있다. 계절은 봄, 여름, 가을, 및 겨울을 포함할 수 있다. 예를 들어, 도 3b에서 8월경에 가장 큰 값을 가지므로, 계절성에 해당하는 계절은 여름이라고 판단될 수 있다. 한편, 계절성 그래프의 기준이 되는 1이라는 절대값은 추후 설명될 딥러닝을 통해 해당 값이 조정될 수도 있다.

시장 구조 분석으로서, 제품 카테고리의 브랜드 점유율을 통해 집중도(Concentration Ratio)를 계산하여 시장 경쟁 정도를 분석함으로써 해당 카테고리에서 가장 잘 팔리는(Best Selling) 리스팅 10개를 분석하여 고객사 제품이 내세울 수 있는 차별점을 제안할 수 있다.

S340 단계에서, 수익시장을 분석할 수 있다. 이 때, 수익시장은 유효시장 내에서 초기(1년)에 확보 가능한 시장 규모를 의미한다. 즉, 수익시장은 판매를 시작한지 1년 미만인 유효시장 내 경쟁사의 매출 합계를 의미할 수 있다.

먼저, 시장 규모를 도출할 수 있다. 제품 카테고리에서 최근에 입점한 리스팅 중 경쟁 리스팅 중 수요가 많은 리스팅을 필터링하여 수익시장의 월 매출액, 평균 판매가, 브랜드 수 및 리스팅 개수를 통해 시장 규모를 파악할 수 있다.

경쟁 분석을 할 수 있다. 수익시장에 속한 경쟁 리스팅을 저가/중가/고가 시장으로 나누어 고객사 제품의 시장 내 위치와 향후 전략을 통해 목표로 삼아야 할 가격대 시장을 도출 또한, 경쟁 리스팅의 매출 분포 현황을 통해 귀사의 월 초기 예상 매출을 계산하고 TOP 10 리스팅을 분석하여 제품의 차별점을 분석할 수 있다.

소비자를 분석할 수 있다. 본 발명자들이 자체 개발한 솔루션 프로그램을 활용하여 경쟁 제품에 대한 소비자들의 실제 후기를 수집하고 키워드 별 빈도수를 파악하고 긍정/부정 후기로 나누어 제품 카테고리의 소비자의 수요와 특성을 분석할 수 있다.

수익성을 분석할 수 있다. 시장 환경 분석 내용을 바탕으로 항공과 해상 물류를 고려한 제품의 수익성을 상세히 분석하고, 이를 통해 고객사가 희망하는 판매가를 기준으로 아마존 사업의 순수익률을 도출할 수 있다.

도 4은 본 발명의 일 실시예에 따른 시장 조사 분석에 따른 전략 수립 방법을 개략적으로 나타낸 도면이다. 도 4를 참조하여 설명하면, 본 발명의 일 실시예에 따른 전략 수립 방법은 다음의 단계로 수행될 수 있다.

S410 단계에서, 판매할 제품을 분석할 수 있다. 예를 들어, 제품의 강점 및 차별점을 핵심제품(제품의 핵심기능), 유형제품(디자인, 기능, 브랜드, 품질, 포장), 확장제품(고객사가 갖춘 제품과 관련된 부가기능, 예컨대 보장, 보증, A/S)로 분류하여 판매 및 운영 전략의 제품의 핵심 가치를 도출할 수 있다.

S420 단계에서, 판매할 제품에 대한 키워드를 분석할 수 있다. 선두 경쟁 제품들이 검색 광고에 활용하고 있는 키워드를 파악하여 제품 진출 시기에 따라 집중 공략해야 할 키워드 제안할 수 있다.

S430 단계에서, 비지니스 모델을 분석할 수 있다. 예를 들어, 아마존 판매의 비지니스 모델을 도출하기 위해, 아마존 판매에 가장 중요한 문제 3가지를 도출하고 해결하기 위한 솔루션을 제시할 수 있다. 제품의 핵심 가치와 경쟁 우위를 바탕으로 마케팅 전략을 도출하고 이를 측정하기 위한 핵심 지표를 파악하고, 이를 바탕으로 아마존 진출 시 예상되는 초기 비용과 수익 흐름을 분석하여 아마존 전략 완성도 향상에 집중할 수 있다.

도 5는 본 발명의 일 실시예에 따른 PEST 분석을 설명하는 도면이다. 도 5는 도 3a에서 외부 환경 분석 단계(S310)의 일 실시예이다.

PEST 분석은 외부 환경 분석으로서, PEST 분석을 통해 기업의 미래 전략 수립에 영향을 주는 거시적 요소(정치(Political), 경제(Economic), 사회(Social), 기술(Technological))의 동향 및 변경을 파악할 수 있다. 이를 통해 현재의 현상들이 아마존 사업뿐만 아니라 미래 사업 방향성에 어떠한 영향을 미치는지를 분석할 수 있다.

도 6은 본 발명에 따른 이커머스 진출 전략 수립 보고서를 자동으로 작성하는 방법에 관한 도면이다.

S610 단계에서, 이커머스 시장 웹사이트에 타겟 제품에 대응하는 링크를 입력할 수 있다. 예를 들어, 이커머스 시장 웹사이트는 아마존 상의 타겟 제품에 대응하는 링크 주소일 수 있다.

S620 단계에서, 타겟 제품에 대응하는 링크의 웹사이트의 데이터에 기초하여, 경쟁사 아이템 정보를 스크래핑할 수 있다. 예를 들어, 아마존 제품 카테고리의 URL이 입력되면, 해당 카테고리의 첫번째 페이지부터 80페이지까지 제품 정보를 스크래핑한다. 이 때, 제품명, 가격, 리뷰 개수 등 기본적인 카탈로그 데이터 외에도 '판매 개수', '매출액' 데이터가 스크래핑될 수 있다. 한편, '판매 개수', '매출액' 데이터와 같은 데이터는 Helium10이라는 툴에 자동으로 입력시킴으로써 얻어질 수 있다(https://www.helium10.com).

S630 단계에서, 스크래핑된 정보에 기초하여, 타겟 제품의 시장(타겟 시장)을 분류하고 정의할 수 있다.

S640 단계에서, 타겟 시장에 대한 정보가 자동으로 생성될 수 있다.

S650 단계에서, 경쟁사 아이템 정보에 기초하여, 타겟 제품의 예상 매출을 자동으로 생성할 수 있다.

S660 단계에서, 경쟁사 아이템 정보에 기초하여, 비지니스 캔버스 모델에 따라 판매 전략 보고서를 자동으로 생성할 수 있다. 예컨대, 경쟁사 아이템 정보가 보고서에 추가될 수 있다.

도 7은 본 발명에 따른 시장 가격대 구분 및 예상 매출액을 도출하는 방법에 관한 도면이다.

S710 단계에서, 1년 이내 진출한 경쟁사 아이템 정보에 기초하여, 수익시장을 분석할 수 있다.

S720 단계에서, 사분범위(Interquartile Range: IQR)를 이용하여, 경쟁 제품 판매가의 사분위수를 계산할 수 있다. 여기서, IQR은 변산도의 일종으로 분포의 양끝 1/4을 제외한 범위를 의미하고, 이는 변산성의 정도를 분포의 중앙에 위치한 중앙값의 좌우로부터 동일한 백분율을 가진 두 점 사이의 거리에 의해 알아보려는 것이다. 사분범위를 구하기 위해서, 제3 사분위수(75% 백분점수)에서 제1 사분위수(25% 백분점수)를 뺀다. 만약 사분범위가 길면 보다 흩어진 분포이고, 짧으면 밀집된 분포임을 알 수 있다. 이러한 사분범위에 따른 분석은 자료의 극단적인 값들에 의한 영향을 덜 받을 수 있다.

S730 단계에서, 제1 사분위수(Q1, 25% 백분점수)의 미만 범위를 '저가', 제1 사분위수(Q1, 25% 백분점수)와 제3 사분위수(Q3, 75% 백분점수) 사이의 범위를 '중가', 제4 사분위수(Q4, 75% 백분점수 초과) 초과의 범위를 '고가' 가격 대로 분류할 수 있다. 이 때, 각 범위의 중앙값은 해당 가격대의 대표값으로 설정한다.

S740 단계에서, 판매 연도별 예상 매출액은 경쟁사 매출액의 제1 사분위수(Q1)와 제3 사분위수(Q3) 사이의 구간으로 계산될 수 있다.

딥러닝 알고리즘은 머신 러닝(machine learning) 알고리즘의 하나로 인간의 신경망을 본 따서 인공 신경망에서 발전된 모델링 기법을 의미한다. 인공 신경망은 도 8에 도시된 바와 같이 다층 계층 구조로 구성될 수 있다.

도 8은 인공 신경망의 기본적인 개념을 간단히 나타낸 도면이다.

도 8에 도시된 바와 같이, 인공 신경망(artificial neural network; ANN)은 입력 층, 출력 층, 그리고 위 입력 층과 출력 층 사이에 적어도 하나 이상의 중간 층(또는 은닉 층, hidden layer)을 포함하는 계층 구조로 구성될 수 있다. 딥러닝 알고리즘은, 이와 같은 다중 계층 구조에 기초하여, 층간 활성화 함수(activation function)의 가중치를 최적화(optimization)하는 학습을 통해 결과적으로 신뢰성 높은 결과를 도출할 수 있다.

본 발명에 적용 가능 딥러닝 알고리즘은, 심층 신경망(deep neural network; DNN), 합성곱 신경망(convolutional neural network; CNN), 순환 신경망(recurrent neural network; RNN) 등을 포함할 수 있다.

심층 신경망(deep neural network; DNN)은 기본적으로 기존 ANN 모델 내 중간 층(또는 은닉 층)을 많이 늘려서 학습의 결과를 향상시키는 것을 특징으로 한다. 일 예로, 위 DNN은 2개 이상의 중간 층을 이용하여 학습 과정을 수행하는 것을 특징으로 한다.

이에 따라, 컴퓨터는 스스로 분류 레이블을 만들어 내고 공간을 왜곡하고 데이터를 구분하는 과정을 반복하여 최적의 출력 값을 도출할 수 있다.

컨볼루션 신경망(convolutional neural network; CNN)은, 기존의 데이터에서 지식을 추출하여 학습 과정이 수행되는 기법과 달리, 데이터의 특징을 추출하여 특징들의 패턴을 파악하는 구조를 갖는 것을 특징으로 한다. 위 CNN은 컨볼루션(convolution) 과정과 풀링(pooling) 과정을 통해 수행될 수 있다. 다시 말해, 위 CNN은 컨볼루션 층과 풀링 층이 복합적으로 구성된 알고리즘을 포함할 수 있다. 여기서, 컨볼루션 층에서는 데이터의 특징을 추출하는 과정(일명, 컨볼루션 과정)이 수행된다. 위 컨볼루션 과정은 데이터에 각 성분의 인접 성분들을 조사해 특징을 파악하고 파악한 특징을 한 장으로 도출하는 과정으로써, 하나의 압축 과정으로써 파라미터의 개수를 효과적으로 줄일 수 있다. 풀링 층에서 컨볼루션 과정을 거친 레이어의 사이즈를 줄여주는 과정(일명, 풀링 과정)이 수행된다. 위 풀링 과정은 데이터의 사이즈를 줄이고 노이즈를 상쇄시키고 미세한 부분에서 일관적인 특징을 제공할 수 있다. 일 예로, 위 CNN은 정보 추출, 문장 분류, 얼굴 인식 등 여러 분야에 활용될 수 있다.

앞서 설명한 계절성을 나타내기 위한 기준 값인 1은 데이터의 특징을 추출하여 특징들의 패턴을 파악하는 CNN의 학습과정을 통해 좀 더 적합한 값으로 수렴할 수 있다. 여기서, 입력 데이터는, 계절성 그래프의 그래프 값, 그래프 값을 주파수로 분석한 이산 푸리에 변환(Discrete Fourier Transform)하여 얻어진 주파수 성분 값, 및 해당 제품의 카테고리의 매출액을 포함할 수 있다.

순환 신경망(recurrent neural network; RNN)은 반복적이고 순차적인 데이터(sequential data) 학습에 특화된 인공 신경망의 한 종류로써 내부에 순환구조를 갖는 것을 특징으로 한다. 위 RNN은 위 순환 구조를 이용하여 과거의 학습 내용에 가중치를 적용하여 현재 학습에 반영함으로써, 현재의 학습과 과거의 학습 간 연결을 가능하게 하고 시간에 종속된다는 특징을 갖는다. 위 RNN은 기존의 지속적이고 반복적이며 순차적인 데이터 학습의 한계를 해결한 알고리즘으로써, 음성 웨이브폼을 파악하거나 텍스트의 앞 뒤 성분을 파악하는 등에 활용될 수 있다.

순환 신경망을 통해 수익시장의 소비자를 분석할 수 있다. 순환 신경망에 입력값은 별점(0점~5점)과 해당 별점에 해당하는 리뷰 텍스트일 수 있다. 순환 신경망의 학습을 통해 별점이 높은 리뷰의 텍스트에 자주 등장하는 단어에 기초하여 특정 단어들이 리뷰에 긍정적 단어인지 부정적 단어인지를 판단할 수 있다. 예를 들어, 별점이 높은 리뷰 텍스트에서 "good", "useful" 등의 긍정적인 단어가 많이 등장하게 되면 해당 순환 신경망은 "good"이나 "useful" 등의 단어를 긍정적인 단어로 구별할 수 있게 될 수 있다. 한편, 별점이 낮은 경우에 "never", "do not buy"와 같은 구문이 많이 등장한다면 해당 단어 내지 구문을 부정적인 단어로 구별할 수 있다. 이를 통해, 별점과 리뷰 텍스트가 상이한 노이즈가 있는 데이터를 텍스트를 기준으로 판단할 수 있게 되므로, 조금 더 실질적으로 정확한 수익시장의 소비자 데이터를 얻을 수 있게 될 수 있다.

다만, 이는 본 발명에 적용 가능 구체적인 딥러닝 기법의 일 예시들에 불과하며, 실시예에 따라 다른 딥러닝 기법이 본 발명에 적용될 수도 있다.

본 발명에 따라 분석된 데이터에 기초하여, 아마존 맞춤화 비지니스 캔버스 모델을 제공할 수 있다. 여기서, 비즈니스 캔버스 모델은 비즈니스에 포함되어야 하는 9개의 주요 사업 요소를 한눈에 볼 수 있도록 만든 그래픽 템플릿이다. 캔버스를 만든 알렉산더 오스터왈더는 당시 사용되던 비즈니스 모델이란 용어에 대한 조사를 진행하였고, 비즈니스 모델에 관한 자료 및 실제 기업 모델 그리고 기업인, 교수 등의 전문가 들과의 인터뷰 등을 통해 수집된 자료를 바탕으로 비즈니스 모델을 9개의 핵심 요소로 재구성했다. 도 9를 살펴보면, 비즈니스 캔버스 모델은 고객(Customer Segments), 가치제안(Value Propositions), 채널(Channels), 고객관계(Customer Relationships), 수익(Revenue Streams), 핵심자원(Key Resources), 핵심활동(Key Activities), 핵심파트너(Key Partnerships), 및 비용구조(Cost Structure)의 9개의 핵심 요소를 포함할 수 있다.

결론적으로 비즈니스 모델은 기업이 어떻게 돈을 버는지 보여주는 것으로서, 비즈니스 모델 캔버스는 9개의 가장 중요한 비즈니스 영역으로 구성되어 있으며, 각 블록들의 유기적인 연결을 통해 어떻게 기업이 수익을 창출하는지 이해할 수 있도록 도와줄 수 있다.

본 명세서에서는 본 발명자들이 수행한 다양한 실시예 가운데 몇 개의 예만을 들어 설명하는 것이나 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고, 통상의 기술자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.

Claims (5)

1. 전자 장치에 의해 수행되는, 오픈마켓 내 타겟 제품 및 타겟 시장에 대한 자동화 분석 방법으로서,
   이커머스 전체시장을 분석하는 단계 - 상기 이커머스 전체시장은 타겟 제품과 연관된 전체 카테고리의 규모로서, 고객사 제품군이 포함된 최상위 카테고리임 -;
   제품 카테고리 시장 규모를 분석함으로써 상기 이커머스의 유효시장을 분석하는 단계 - 전체 유통 시장 대비 이커머스 시장 비율이 50% 미만인 경우 온라인을 통해 구매하는 소비 형태가 보편적이지 않다는 메시지를 보고서에 출력하고, 50% 이상인 경우 온라인 통해 구매하는 소비 형태가 보편적이라는 메시지를 보고서에 출력함 -;
   상기 유효시장 내에서 1년 미만에 확보 가능한 시장 규모로서, 판매를 시작한지 1년 미만인 유효시장 내 경쟁사의 매출 합계인 수익시장을 분석하는 단계; 및
   상기 이커머스 전체시장, 유효시장, 및 수익시장을 포함하는 보고서 파일을 생성하는 단계
   를 포함하고,
   상기 제품 카테고리 시장 규모를 분석함으로써 상기 이커머스의 유효시장을 분석하는 단계는,
   상기 타겟 제품의 점유율 및 복수의 이커머스 플랫폼의 전체시장 금액에 기초하여, 특정 이커머스 플랫폼이 타겟 제품을 판매하는 데 가장 유리한지를 판단하는 단계; 및
   각각의 점유율에 각각의 이커머스 플랫폼의 전체시장의 금액을 곱한 값이 큰 순서대로 플랫폼을 추천하는 메시지를 상기 보고서에 자동으로 추가하는 단계
   를 포함하고,
   상기 자동화 분석 방법은,
   시장 조사 분석에서 성장률과 계절성을 분석하는 단계
   를 더 포함하고,
   상기 성장률을 분석하는 것은, 성장률 그래프의 데이터에 저역통과필터(LPF)를 적용시킴으로써 처음 데이터와 마지막 데이터의 기울기에 기초하여 성장률의 상승, 하락, 또는 유지의 추세를 판단하는 것을 포함하고,
   상기 계절성을 분석하는 것은,
   3년 중 2년 이상 1을 초과하는 계절이 있다면, 상기 계절에 수요가 증가한 것으로 판단하는 것 - 상기 계절은 봄, 여름, 가을, 및 겨울을 포함함 -;
   계절성 그래프의 값들을 이산 푸리에 변환(Discrete Fourier Transform)하여 얻어진 주파수 성분 값이 가장 높은 값을 계산하고, 가장 높은 주파수 성분 값이 10개월 내지 12개월 내에 포함되는지를 판단하는 것;
   가장 높은 주파수 성분 값이 10개월 내지 12개월 내에 포함된다면, 타겟 제품은 계절성을 갖는 제품으로 판단하는 것; 및
   상기 타겟 제품이 계절성을 가진다고 판단되는 경우, 상기 계절성 그래프에서 가장 큰 값을 갖는 계절을 해당 계절이라고 간주하는 것
   을 포함하고,
   상기 계절성을 나타내기 위한 기준 값인 1은 데이터의 특징을 추출하여 특징들의 패턴을 파악하는 합성곱 신경망(convolutional neural network; CNN)의 딥러닝 학습을 거치고,
   상기 딥러닝 학습에서 입력 데이터는, 계절성 그래프의 그래프 값, 그래프 값을 주파수로 분석한 이산 푸리에 변환(Discrete Fourier Transform)하여 얻어진 주파수 성분 값, 및 상기 타겟 제품의 카테고리의 매출액을 포함하고,
   상기 기준 값인 1은 상기 딥러닝 학습에 기초하여 기준 값이 변경되도록 구성되는, 자동화 분석 방법.
2. 삭제
3. 삭제
4. 제1항에 있어서,
   이커머스 시장 웹사이트에 타겟 제품에 대응하는 링크를 입력하는 단계;
   상기 타겟 제품에 대응하는 링크의 웹사이트의 데이터에 기초하여, 경쟁사 아이템 정보를 스크래핑하는 단계; 및
   상기 경쟁사 아이템 정보를 상기 보고서에 추가하는 단계
   를 더 포함하고,
   상기 경쟁사 아이템 정보를 스크래핑하는 단계는, 제품 카테고리의 URL이 입력되면, 상기 제품 카테고리의 첫번째 페이지부터 80페이지까지 제품 정보를 스크래핑하는 단계를 포함하고,
   상기 제품 정보는 제품명, 가격, 리뷰 개수, 판매 개수, 및 매출액을 포함하고,
   상기 판매 개수 및 상기 매출액은 Helium10 툴에 자동으로 입력시킴으로써 얻어지는, 자동화 분석 방법.
5. 제4항에 있어서,
   상기 수익시장을 분석하는 단계는,
   제3 사분위수(75% 백분점수)에서 제1 사분위수(25% 백분점수)를 뺌으로써 분포의 양끝 1/4을 제외한 범위인 사분범위(Interquartile Range: IQR)를 이용하여, 경쟁 제품 판매가의 사분위수를 계산하는 단계;
   25% 백분 점수인 제1 사분위수(Q1)의 미만 범위를 저가, 25% 백분점수인 제1 사분위수(Q1)와 75% 백분 점수인 제3 사분위수(Q3) 사이의 범위를 중가, 및 75% 백분점수 초과하는 제4 사분위수(Q4) 초과의 범위를 고가 가격 대로 분류하는 단계; 및
   경쟁사 매출액의 제1 사분위수(Q1)와 제3 사분위수(Q3) 사이의 구간으로 판매 연도별 예상 매출액을 계산하는 단계
   를 더 포함하는, 자동화 분석 방법.

Images