KR102507508B1 - 바이럴 마케팅 방법 및 이를 지원하는 장치 - Google Patents
바이럴 마케팅 방법 및 이를 지원하는 장치 Download PDFInfo
- Publication number
- KR102507508B1 KR102507508B1 KR1020220057082A KR20220057082A KR102507508B1 KR 102507508 B1 KR102507508 B1 KR 102507508B1 KR 1020220057082 A KR1020220057082 A KR 1020220057082A KR 20220057082 A KR20220057082 A KR 20220057082A KR 102507508 B1 KR102507508 B1 KR 102507508B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- product
- specific
- user
- various embodiments
- Prior art date
Links
- 238000000034 method Methods 0.000 title abstract description 39
- 230000003612 virological effect Effects 0.000 title abstract description 12
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 34
- 230000004044 response Effects 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 8
- 230000007423 decrease Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 238000002716 delivery method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011017 operating method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
-
- 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
- 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
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
-
- 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
- G06Q30/0283—Price estimation or determination
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
Abstract
다양한 실시예들은 바이럴 마케팅 방법 및 이를 지원하는 장치에 대한 것이다.
Description
다양한 실시예들은 바이럴 마케팅 방법 및 이를 지원하는 장치에 대한 것이다.
최근에는 제품을 홍보하기 위한 다양한 마케팅 방법으로서 인터넷을 통한 광고 기법인 바이럴 마케팅(viral marketing)이 주목받기 시작하고 있다. 바이럴 마케팅은 기업이 직접 홍보를 하지 않고, 소비자의 이메일 또는 블로그 등과 같은 온라인 개인 매체를 통해 입에서 입으로 전해지는 광고라는 점에서 기존의 광고와 다르다. 이에 따라, 효과적인 바이럴 마케팅 방법이 요구되고 있다.
다양한 실시예들은 바이럴 마케팅 방법 및 이를 지원하는 장치를 제공할 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.
다양한 실시예들에 따르면, 전자 장치에 의하여 수행되는 방법이 제공될 수 있다.
다양한 실시예들에 따르면, 상기 방법은: 상기 전자 장치에 기초하여 운용되는 서비스 플랫폼에 가입된 복수의 사용자들 중 특정 제1 사용자의 요청에 대한 응답으로 상기 특정 제1 사용자가 상품을 추천하는 것과 관련된 태그 (tag) 정보를 생성; 및 상기 태그 정보를 상기 특정 제1 사용자에게 송신; 하는 것을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 태그 정보는: 상기 특정 제1 사용자로부터 (i) 상기 복수의 사용자들 중 상기 특정 제1 사용자를 제외한 제1 복수의 사용자들 중 하나 이상에게 전달 가능 또는 (ii) 상기 서비스 플랫폼에 미가입된 제2 복수의 사용자들 중 하나 이상에게 전달 가능 중 하나 이상이 만족되도록 생성ㅅ될 수 있다.
다양한 실시예들에 따르면, 상기 태그 정보는: 상기 상품에 대한 설명을 포함하는 상품 정보, 상기 상품과 관련된 가격 정보, 상기 상품이 판매됨에 따른 수수료의 분배와 관련된 분배 정보 및 상기 특정 제1 사용자와 관련된 특정 제1 사용자 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 가격 정보는 상기 상품의 가격에 대한 정보 및 상기 수수료에 대한 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 수수료는 상기 상품의 판매자로부터 설정될 수 있다.
다양한 실시예들에 따르면, 상기 상품이 상기 서비스 플랫폼 상에서 판매되는 판매 가격은 상기 상품의 가격과 상기 수수료의 합으로 설정될 수 있다.
다양한 실시예들에 따르면, 상기 분배 정보는: (i) 상기 수수료가 상기 서비스 플랫폼을 운용하는 사업자에게 분배되는 비율에 대한 제1 분배 비율 정보; (ii) 상기 상품의 구매자가 상기 제1 복수의 사용자들 또는 상기 제2 복수의 사용자들에 포함되는 경우 상기 수수료가 상기 구매자에게 분배되는 비율에 대한 제2 분배 비율 정보; 및 (iii) 상기 구매자가 상기 제1 복수의 사용자들 또는 상기 제2 복수의 사용자들에 포함되는 경우 상기 수수료가 상기 특정 제1 사용자에게 분배되는 비율에 대한 제3 분배 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 구매자가 상기 제1 복수의 사용자들 또는 상기 제2 복수의 사용자들에 포함되는 경우 상기 태그 정보에 포함된 상기 분배 정보에 기초하여: 상기 수수료와 상기 제2 분배 비율 정보에 따라 산출되는 금액을 상기 특정 제1 사용자에게 적립 및 상기 수수료와 상기 제3 분배 비율 정보에 따라 산출되는 금액을 상기 구매자에게 적립; 하는 것을 더 포함할 수 있다.
다양한 실시예들에 따르면, 상기 방법은: 상기 복수의 사용자들 중 특정 제2 사용자의 요청에 대한 응답으로, 상기 특정 제2 사용자와 관련된 정보가 입력됨에 대한 응답으로 획득되는 추천 모델의 출력에 기초하여 추천 상품 리스트를 획득; 상기 추천 상품 리스트를 포함하는 추천 상품 정보를 상기 특정 제2 사용자에게 송신; 하는 것을 더 포함할 수 있다.
다양한 실시예들에 따르면, 상기 추천 모델은, 상기 추천 모델의 획득을 위한 AI (artificial intelligence) 엔진에 기계 학습 (machine learning) 이 적용됨에 기초하여 미리 설정될 수 있다.
다양한 실시예들에 따르면, 상기 기계 학습은: - (a) 상기 추천 모델의 획득을 위한 훈련용 데이터에 기초하여 상기 AI 엔진을 학습; - (b) 학습된 AI 엔진의 검증을 위한 테스트용 데이터가 상기 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 (feedback) 정보를 획득; - (c) 상기 제1 피드백 정보에 기초하여 상기 AI 엔진을 업데이트; 및 - (d) 상기 (a) 내지 (c) 가 반복되되, 상기 (a) 내지 (c) 가 반복될 때 마다 초기값 0 인 카운트 값이 1씩 증가되고, 상기 카운트 값이 미리 설정된 카운트 임계값과 일치됨에 기초하여 종료; 됨에 기초하여 수행될 수 있다.
다양한 실시예들에 따르면, 상기 훈련용 데이터와 상기 테스트용 데이터는, 상기 추천 모델의 획득을 위한 학습용 데이터에 기초하여 획득될 수 있다.
다양한 실시예들에 따르면, 상기 학습용 데이터는, 상기 복수의 사용자들 각각의 상품 추천 이력에 대한 정보, 상기 복수의 사용자들 각각의 구매 이력에 대한 정보, 상기 상품 추천 이력에 대한 정보와 상기 구매 이력에 대한 정보 간의 관련성에 대한 정보, 상기 복수의 사용자들의 나이, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 관련성에 대한 정보는, 특정 제3 사용자의 특정 상품에 대한 구매가 특정 상품 추천으로부터 유래된 것인지 여부에 대한 평가 지표를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 평가 지표는, 상기 특정 상품 추천을 수신한 상기 특정 제3 사용자를 포함하는 복수의 수신자들 중 상기 특정 상품에 대한 구매를 수행한 수신자의 수, 상기 특정 상품에 대한 구매를 수행한 수신자가 상기 특정 상품 추천을 수신한 시점부터 상기 특정 상품에 대한 구매를 수행한 수신자의 상기 특정 상품에 대한 구매가 수행된 시점까지의 시간 간격과 관련된 가중치, 상기 특정 상품의 종류, 상기 특정 상품 추천을 송신한 사용자의 프로필 정보, 상기 특정 상품에 대한 구매를 수행한 수신자 중 상기 특정 상품에 대한 구매가 수행된 시점으로부터 미리 설정된 시간 내에 상기 특정 상품을 재구매한 수신자의 수, 상기 재구매한 수신자의 프로필 정보 및 상기 특정 상품의 가격에 기초하여 설정될 수 있다.
다양한 실시예들에 따르면, 상기 시간 간격의 길이가 커질수록 상기 가중치는 작아질 수 있다.
다양한 실시예들에 따르면, 상기 시간 간격의 길이가 작아질수록 상기 가중치는 커질 수 있다.
다양한 실시예들에 따르면, 상기 방법은 상기 추천 상품 정보에 대한 응답으로 상기 특정 제2 사용자로부터 상기 서비스 플랫폼 상에서 판매되는 복수의 상품들 중 상기 추천 상품 리스트에 포함되지 않은 하나 이상의 상품에 대한 구매가 수행되고 상기 추천 상품 리스트에 포함된 모든 상품에 대한 구매가 수행되지 않은 경우: 상기 특정 제2 사용자로부터 구매된 상기 하나 이상의 상품에 대한 정보를 포함하는 제2 피드백 정보를 생성; 및 상기 제2 피드백 정보에 기초하여 상기 추천 모델을 업데이트; 하는 것을 더 포함할 수 있다.
다양한 실시예들에 따르면, 상기 태그 정보는 QR (Quick Response) 코드에 대응될 수 있다.
다양한 실시예들에 따르면, 상기 QR 코드는 상기 QR 코드를 수신한 수신자가 상기 QR 코드를 통하여 상기 서비스 플랫폼 상의 상기 추천된 상품의 구매를 위한 웹 (web) 페이지로 접속 가능하도록 설정될 수 있다.
다양한 실시예들에 따르면, 상기 수신자가 상기 제2 복수의 사용자들에 포함됨 및 상기 수신자로부터 상기 서비스 플랫폼에 대한 신규 가입 요청이 수신된 경우, 상기 서비스 플랫폼에 대한 가입을 위한 웹 페이지가 표시되고, 상기 가입을 위한 웹 페이지에 포함된 추천인 입력란에 상기 특정 제1 사용자 정보에 기초하여 식별되는 상기 특정 제1 사용자의 ID (identifier) 가 자율적으로 (autonomously) 입력될 수 있다.
다양한 실시예들에 따르면, 전자 장치가 제공될 수 있다.
다양한 실시예들에 따르면, 상기 전자 장치는: 메모리 (memory); 및 상기 메모리와 연결된 하나 이상의 프로세서 (processor) 를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 프로세서는: 상기 전자 장치에 기초하여 운용되는 서비스 플랫폼에 가입된 복수의 사용자들 중 특정 제1 사용자의 요청에 대한 응답으로 상기 특정 제1 사용자가 상품을 추천하는 것과 관련된 태그 (tag) 정보를 생성; 및 상기 태그 정보를 상기 특정 제1 사용자에게 송신; 하도록 설정될 수 있다.
다양한 실시예들에 따르면, 상기 태그 정보는: 상기 특정 제1 사용자로부터 (i) 상기 복수의 사용자들 중 상기 특정 제1 사용자를 제외한 제1 복수의 사용자들 중 하나 이상에게 전달 가능 또는 (ii) 상기 서비스 플랫폼에 미가입된 제2 복수의 사용자들 중 하나 이상에게 전달 가능 중 하나 이상이 만족되도록 생성될 수 있다.
다양한 실시예들에 따르면, 상기 태그 정보는: 상기 상품에 대한 설명을 포함하는 상품 정보, 상기 상품과 관련된 가격 정보, 상기 상품이 판매됨에 따른 수수료의 분배와 관련된 분배 정보 및 상기 특정 제1 사용자와 관련된 특정 제1 사용자 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 하나 이상의 프로세서 (processor) 가 동작을 수행하도록 하는 하나 이상의 인스트럭션 (instruction)을 저장하는 비-휘발성 (non-transitory) 프로세서-판독 가능 매체 (processor-readable medium) 가 제공될 수 있다.
다양한 실시예들에 따르면, 상기 동작은: 상기 하나 이상의 프로세서를 포함하는 전자 장치에 기초하여 운용되는 서비스 플랫폼에 가입된 복수의 사용자들 중 특정 제1 사용자의 요청에 대한 응답으로 상기 특정 제1 사용자가 상품을 추천하는 것과 관련된 태그 (tag) 정보를 생성; 및 상기 태그 정보를 상기 특정 제1 사용자에게 송신; 하는 것을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 태그 정보는: 상기 특정 제1 사용자로부터 (i) 상기 복수의 사용자들 중 상기 특정 제1 사용자를 제외한 제1 복수의 사용자들 중 하나 이상에게 전달 가능 또는 (ii) 상기 서비스 플랫폼에 미가입된 제2 복수의 사용자들 중 하나 이상에게 전달 가능 중 하나 이상이 만족되도록 생성될 수 있다.
다양한 실시예들에 따르면, 상기 태그 정보는: 상기 상품에 대한 설명을 포함하는 상품 정보, 상기 상품과 관련된 가격 정보, 상기 상품이 판매됨에 따른 수수료의 분배와 관련된 분배 정보 및 상기 특정 제1 사용자와 관련된 특정 제1 사용자 정보를 포함할 수 있다.
상술한 다양한 실시예들은 다양한 실시예들 중 일부에 불과하며, 본 개시의 다양한 실시예들의 기술적 특징들이 반영된 여러 가지 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 상세한 설명을 기반으로 도출되고 이해될 수 있다.
다양한 실시예들에 따르면, 바이럴 마케팅 방법 및 이를 지원하는 장치가 제공될 수 있다.
다양한 실시예들에 따르면, 바이럴 마케팅에 참여한 서비스 플랫폼 이용자에게 리워드 (reward) 가 부여되어, 서비스 플랫폼 이용자의 바이럴 마케팅에 대한 참여 의욕이 증대될 수 있으며, 바이럴 마케팅이 효과적으로 수행될 수 있다.
다양한 실시예들에 따르면, 서비스 플랫폼 이용자의 지속적인 바이럴 마케팅 참여로 판매자가 자신의 유통망을 구축할 수 있게 되어 판매자의 수익 창출 증대가 기대될 수 있다.
다양한 실시예들에 따르면, 인공지능에 기초하여 서비스 플랫폼 이용자를 위한 추천 상품이 높은 정확도로 추천될 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 다양한 실시예들에 따른 서비스 제공을 위한 장치의 동작 방법이 구현될 수 있는 서비스 시스템을 설명하기 위한 도면이다.
도 2는 다양한 실시예들에 따른 제1 디바이스 및/또는 제2 디바이스의 구성을 도시한 도면이다.
도 3 은 다양한 실시예들에 따른 사용자 디바이스와 서버의 동작 방법의 일 예를 나타낸 도면이다.
도 4 는 다양한 실시예들에 따른 사용자 디바이스의 동작 방법의 일 예를 나타낸 도면이다.
도 5 는 다양한 실시예들에 따른 서버의 동작 방법의 일 예를 나타낸 도면이다.
도 6 은 다양한 실시예들에 따른 태그 정보의 일 예를 나타낸 도면이다.
도 7 은 다양한 실시예들에 따른 수수료 분배의 일 예를 나타낸 도면이다.
도 8 은 다양한 실시예들에 따른 AI (artificial intelligence) 엔진을 획득하는 과정을 나타낸 도면이다.
도 9는 다양한 실시예들에 따른 AI 엔진을 획득하는 전자 장치의 동작 방법을 도시한 도면이다.
도 1은 다양한 실시예들에 따른 서비스 제공을 위한 장치의 동작 방법이 구현될 수 있는 서비스 시스템을 설명하기 위한 도면이다.
도 2는 다양한 실시예들에 따른 제1 디바이스 및/또는 제2 디바이스의 구성을 도시한 도면이다.
도 3 은 다양한 실시예들에 따른 사용자 디바이스와 서버의 동작 방법의 일 예를 나타낸 도면이다.
도 4 는 다양한 실시예들에 따른 사용자 디바이스의 동작 방법의 일 예를 나타낸 도면이다.
도 5 는 다양한 실시예들에 따른 서버의 동작 방법의 일 예를 나타낸 도면이다.
도 6 은 다양한 실시예들에 따른 태그 정보의 일 예를 나타낸 도면이다.
도 7 은 다양한 실시예들에 따른 수수료 분배의 일 예를 나타낸 도면이다.
도 8 은 다양한 실시예들에 따른 AI (artificial intelligence) 엔진을 획득하는 과정을 나타낸 도면이다.
도 9는 다양한 실시예들에 따른 AI 엔진을 획득하는 전자 장치의 동작 방법을 도시한 도면이다.
이하의 실시예들은 다양한 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
1. 서비스 시스템 구현
도 1은 다양한 실시예들에 따른 서비스 제공을 위한 장치의 동작 방법이 구현될 수 있는 서비스 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 다양한 실시예들에 따른 서비스 시스템은 다양한 종류의 장치들에 구현될 수 있다. 다양한 실시예들에 대한 설명에서, 다양한 실시예들에 따른 서비스 시스템은 전자 장치에 의하여 구현될 수 있다. 예를 들어, 서비스 시스템은 제1 디바이스(100) 및/또는 제2 디바이스(200) 에 구현될 수 있다. 달리 말해, 제1 디바이스(100) 및/또는 제2 디바이스(200)는 각각의 장치에 구현된 서비스 시스템을 기반으로, 다양한 실시예들에 따른 동작을 수행할 수 있다. 한편, 다양한 실시예들에 따른 서비스 시스템은, 상기 도 1에 도시된 바에 국한되지 않고, 더 다양한 장치들 및/또는 서버들에 구현될 수도 있을 것이다.
다양한 실시예들에 따른 제1 디바이스(100)는 서비스 시스템 및/또는 서비스 시스템에 의하여 운용되는 서비스 플랫폼을 이용하고자 하는 고객이 보유한 스마트 디바이스 등이 제1 디바이스(100)가 될 수 있으며, 이 경우, 후술되는 다양한 실시예들에 따른 동작은 스마트 디바이스에 동작 가능한 어플리케이션 형태로 구현될 수 있다. 다만, 다양한 실시예들에 따른 제1 디바이스(100)가 이에 국한되는 것은 아니다.
다양한 실시예들에 따른 제2 디바이스(200)는, 제1 디바이스(100)들과 무선 및/또는 유선 통신을 수행하며, 대단위의 저장 용량을 갖는 데이터베이스를 포함하는 장치일 수 있다. 예를 들어, 제2 디바이스(200)는 복수 개의 제1 디바이스(100)들과 연동될 수도 있다. 도시되지는 않았으나, 제2 디바이스를 제어/관리하기 위한 별도의 디바이스가 마련될 수도 있다.
다양한 실시예들에 따른 서비스 시스템은 동작을 위한 다양한 모듈들을 포함할 수 있다. 서비스 시스템에 포함된 모듈들은 서비스 시스템이 구현되는(또는, 물리적 장치에 포함되는) 물리적 장치(예: 제1 디바이스(100) 및/또는 제2 디바이스(200))가 지정된 동작을 수행할 수 있도록 구현된 컴퓨터 코드 내지는 하나 이상의 인스트럭션 (instruction) 일 수 있다. 다시 말해, 서비스 시스템이 구현되는 물리적 장치는 복수 개의 모듈들을 컴퓨터 코드 형태로 메모리에 저장하고, 메모리에 저장된 복수 개의 모듈들이 실행되는 경우 복수 개의 모듈들은 물리적 장치가 복수 개의 모듈들에 대응하는 지정된 동작들을 수행하도록 할 수 있다.
도 2는 다양한 실시예들에 따른 제1 디바이스 및/또는 제2 디바이스의 구성을 도시한 도면이다.
도 2를 참조하면, 제1 디바이스 및/또는 제2 디바이스는 입/출력부(210), 통신부(220), 데이터베이스(230) 및 프로세서(240)를 포함할 수 있다.
입/출력부(210)는 사용자 입력을 받거나 또는 사용자에게 정보를 출력하는 각종 인터페이스나 연결 포트 등일 수 있다. 입/출력부(210)는 입력 모듈과 출력 모듈로 구분될 수 있는데, 입력 모듈은 사용자로부터 사용자 입력을 수신한다. 사용자 입력은 키 입력, 터치 입력, 음성 입력을 비롯한 다양한 형태로 이루어질 수 있다. 이러한 사용자 입력을 받을 수 있는 입력 모듈의 예로는 전통적인 형태의 키패드나 키보드, 마우스는 물론, 사용자의 터치를 감지하는 터치 센서, 음성 신호를 입력 받는 마이크, 영상 인식을 통해 제스처 등을 인식하는 카메라, 사용자 접근을 감지하는 조도 센서나 적외선 센서 등으로 구성되는 근접 센서, 가속도 센서나 자이로 센서 등을 통해 사용자 동작을 인식하는 모션 센서 및 그 외의 다양한 형태의 사용자 입력을 감지하거나 입력 받는 다양한 형태의 입력 수단을 모두 포함하는 포괄적인 개념이다. 여기서, 터치 센서는 디스플레이 패널에 부착되는 터치 패널이나 터치 필름을 통해 터치를 감지하는 압전식 또는 정전식 터치 센서, 광학적인 방식에 의해 터치를 감지하는 광학식 터치 센서 등으로 구현될 수 있다. 이외에도 입력 모듈은 자체적으로 사용자 입력을 감지하는 장치 대신 사용자 입력을 입력 받는 외부의 입력 장치를 연결시키는 입력 인터페이스(USB 포트, PS/2 포트 등)의 형태로 구현될 수도 있다. 또 출력 모듈은 각종 정보를 출력해 사용자에게 이를 제공할 수 있다. 출력 모듈은 영상을 출력하는 디스플레이, 소리를 출력하는 스피커, 진동을 발생시키는 햅틱 장치 및 그 외의 다양한 형태의 출력 수단을 모두 포함하는 포괄적인 개념이다. 이외에도 출력 모듈은 상술한 개별 출력 수단을 연결시키는 포트 타입의 출력 인터페이스의 형태로 구현될 수도 있다.
일 예로, 디스플레이 형태의 출력 모듈은 텍스트, 정지 영상, 동영상을 디스플레이 할 수 있다. 디스플레이는 액정 디스플레이(LCD: Liquid Crystal Display), 발광 다이오드(LED: light emitting diode) 디스플레이, 유기 발광 다이오드(OLED: Organic Light Emitting Diode) 디스플레이, 평판 디스플레이(FPD: Flat Panel Display), 투명 디스플레이(transparent display), 곡면 디스플레이(Curved Display), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 홀로그래픽 디스플레이(holographic display), 프로젝터 및 그 외의 영상 출력 기능을 수행할 수 있는 다양한 형태의 장치를 모두 포함하는 광의의 영상 표시 장치를 의미하는 개념이다. 이러한 디스플레이는 입력 모듈의 터치 센서와 일체로 구성된 터치 디스플레이의 형태일 수도 있다.
통신부(220)는 외부 기기와 통신할 수 있다. 따라서, 제1 디바이스 및/또는 제2 디바이스는 통신부를 통해 외부 기기와 정보를 송수신할 수 있다. 예를 들어, 제1 디바이스 및/또는 제2 디바이스는 통신부를 이용해 서비스 시스템에 저장 및 생성된 정보들이 공유되도록 외부 기기와 통신을 수행할 수 있다.
여기서, 통신, 즉 데이터의 송수신은 유선 또는 무선으로 이루어질 수 있다. 이를 위해 통신부는 LAN(Local Area Network)를 통해 인터넷 등에 접속하는 유선 통신 모듈, 이동 통신 기지국을 거쳐 이동 통신 네트워크에 접속하여 데이터를 송수신하는 이동 통신 모듈, 와이파이(Wi-Fi) 같은 WLAN(Wireless Local Area Network) 계열의 통신 방식이나 블루투스(Bluetooth), 직비(Zigbee)와 같은 WPAN(Wireless Personal Area Network) 계열의 통신 방식을 이용하는 근거리 통신 모듈, GPS(Global Positioning System)과 같은 GNSS(Global Navigation Satellite System)을 이용하는 위성 통신 모듈 또는 이들의 조합으로 구성될 수 있다. 통신에 사용되는 무선 통신 기술은 저전력 통신을 위한 NB-IoT (Narrowband Internet of Things) 를 포함할 수 있다. 이때, 예를 들어 NB-IoT 기술은 LPWAN (Low Power Wide Area Network) 기술의 일례일 수 있고, LTE Cat (category) NB1 및/또는 LTE Cat NB2 등의 규격으로 구현될 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 다양한 실시예들에 따른 무선 기기에서 구현되는 무선 통신 기술은 LTE-M 기술을 기반으로 통신을 수행할 수 있다. 이때, 일 예로, LTE-M 기술은 LPWAN 기술의 일례일 수 있고, eMTC (enhanced Machine Type Communication) 등의 다양한 명칭으로 불릴 수 있다. 예를 들어, LTE-M 기술은 1) LTE CAT 0, 2) LTE Cat M1, 3) LTE Cat M2, 4) LTE non-BL(non-Bandwidth Limited), 5) LTE-MTC, 6) LTE Machine Type Communication, 및/또는 7) LTE M 등의 다양한 규격 중 적어도 어느 하나로 구현될 수 있으며 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 다양한 실시예들에 따른 무선 기기에서 구현되는 무선 통신 기술은 저전력 통신을 고려한 지그비(ZigBee), 블루투스(Bluetooth) 및 저전력 광역 통신망(Low Power Wide Area Network, LPWAN) 중 적어도 어느 하나를 포함할 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 일 예로 ZigBee 기술은 IEEE 802.15.4 등의 다양한 규격을 기반으로 소형/저-파워 디지털 통신에 관련된 PAN(personal area networks)을 생성할 수 있으며, 다양한 명칭으로 불릴 수 있다.
데이터베이스(230)는 각종 정보를 저장할 수 있다. 데이터베이스는 데이터를 임시적으로 또는 반영구적으로 저장할 수 있다. 예를 들어, 데이터베이스에는 제1 디바이스 및/또는 제2 디바이스를 구동하기 위한 운용 프로그램(OS: Operating System), 웹 사이트를 호스팅하기 위한 데이터나 점자 생성을 위한 프로그램 내지는 어플리케이션(예를 들어, 웹 어플리케이션)에 관한 데이터 등이 저장될 수 있다. 또, 데이터베이스는 상술한 바와 같이 모듈들을 컴퓨터 코드 형태로 저장할 수 있다.
데이터베이스(230)의 예로는 하드 디스크(HDD: Hard Disk Drive), SSD(Solid State Drive), 플래쉬 메모리(flash memory), 롬(ROM: Read-Only Memory), 램(RAM: Random Access Memory) 등이 있을 수 있다. 이러한 데이터베이스는 내장 타입 또는 탈부착 가능한 타입으로 제공될 수 있다.
프로세서(240)는 제1 디바이스(100) 및/또는 제2 디바이스(200)의 전반적인 동작을 제어한다. 이를 위해 프로세서(340)는 각종 정보의 연산 및 처리를 수행하고 제1 디바이스 및/또는 제2 디바이스의 구성요소들의 동작을 제어할 수 있다. 예를 들어, 프로세서(340)는 서비스 제공을 위한 프로그램 내지 어플리케이션을 실행시킬 수 있을 것이다. 프로세서(240)는 하드웨어 소프트웨어 또는 이들의 조합에 따라 컴퓨터나 이와 유사한 장치로 구현될 수 있다. 하드웨어적으로 프로세서(240)는 전기적인 신호를 처리하여 제어 기능을 수행하는 전자 회로 형태로 제공될 수 있으며, 소프트웨어적으로는 하드웨어적인 프로세서(240)를 구동시키는 프로그램 형태로 제공될 수 있다. 한편, 이하의 설명에서 특별한 언급이 없는 경우에는 제1 디바이스 및/또는 제2 디바이스의 동작은 프로세서(240)의 제어에 의해 수행되는 것으로 해석될 수 있다. 즉, 서비스 시스템에 구현되는 모듈들이 실행되는 경우, 모듈들은 프로세서(240)가 제1 디바이스 및/또는 제2 디바이스를 이하의 동작들을 수행하도록 제어하는 것으로 해석될 수 있다.
요약하면, 다양한 실시예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 다양한 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.
하드웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 이하에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 예를 들어, 소프트웨어 코드는 메모리에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리는 상기 프로세서 내부 또는 외부에 위치할 수 있으며, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.
2. 다양한 실시예들에 따른 장치의 구성/동작
이하에서는, 상기와 같은 기술적 사상에 기초하여 다양한 실시예들에 대해 보다 상세히 설명한다. 이하에서 설명되는 다양한 실시예들은 상호 배척되지 않는 한 전부 또는 일부가 결합되어 또 다른 다양한 실시예들을 구성할 수도 있으며, 이는 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있다.
이하에서 설명되는 다양한 실시예들에 대해서는 앞서 설명한 제 1 절의 내용들이 적용될 수 있다. 예를 들어, 이하에서 설명되는 다양한 실시예들에서 정의되지 않은 동작, 기능, 용어 등은 제 1 절의 내용들에 기초하여 수행되고 설명될 수 있다.
특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, A/B/C 는 A 및/또는 B 및/또는 C 를 의미할 수 있다.
특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, A 초과/이상인 것은 A 이상/초과인 것으로 대체될 수 있다.
특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, B 미만/이하인 것은 B 이하/미만인 것으로 대체될 수 있다.
이하에서는, 다양한 실시예들에 따른 제1 디바이스(100)의 일 구현 예에 따른 사용자 디바이스가 설명되나, 이외에도 유사한 기능을 수행하는 다른 장치들도 제1 디바이스가 될 수 있다. 예를 들어, 제1 디바이스는 단말, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 태블릿 PC, 전자북 단말기, 디지털방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), PC (personal computer) 등이 있을 수 있으나, 이에 한정되는 것은 아니다.
이하에서는, 다양한 실시예들에 따른 제2 디바이스(200)의 일 구현 예에 따른 서버가 설명되나, 이외에도 유사한 기능을 수행하는 다른 장치들도 제2 디바이스가 될 수 있다.
특별히 달리 언급되지 않은 한, 이하의 다양한 실시예들에 대한 설명에서 이용/획득/출력/표시되는 정보 등은 제1 디바이스 및/또는 제2 디바이스가 직접 식별/획득한 정보이거나, 제1 디바이스 및/또는 제2 디바이스에 포함된 데이터베이스에 저장된 정보이거나, 서버 및/또는 기타 외부 기기로부터 제1 디바이스 및/또는 제2 디바이스가 수신 받은 정보 중 하나 이상일 수 있다.
특별히 달리 언급되지 않는 한, 다양한 실시예들에 대한 설명에서 상품은 다양한 실시예들에 따른 서비스 플랫폼에 따른 판매 대상이 되는 물품 및/또는 제품 및/또는 서비스를 포함할 수 있다.
특별히 달리 언급되지 않는 한, 다양한 실시예들에 대한 설명에서 “송신” 은 특정 디바이스 간에 특정 정보가 직접 전달되는 것 뿐만 아니라, 특정 정보가 메신저 등을 통하여 전달되는 것, 특정 정보가 방송 (broadcast) 되는 것, 특정 정보가 SNS(Social Networking Service), 소셜 미디어(Social Media), 기타 웹 페이지 등에 특정 사용자로부터 게시되고, 다른 사용자가 이를 열람하는 것 등을 모두 포함할 수 있다.
특별히 달리 언급되지 않는 한, 다양한 실시예들에 대한 설명에서 “사용자” 는 “사용자 디바이스” 로 대체될 수 있다.
2.1. 태그 (tag) 정보 기반 서비스
도 3 은 다양한 실시예들에 따른 사용자 디바이스와 서버의 동작 방법의 일 예를 나타낸 도면이다.
도 4 는 다양한 실시예들에 따른 사용자 디바이스의 동작 방법의 일 예를 나타낸 도면이다.
도 5 는 다양한 실시예들에 따른 서버의 동작 방법의 일 예를 나타낸 도면이다.
도 3 내지 도 5 를 참조하면, 다양한 실시예들에 따른 동작 301, 401, 501 에서, 사용자 기기는 태그 정보 생성 요청을 송신할 수 있으며, 서버는 이를 수신할 수 있다.
다양한 실시예들에 따른 동작 303, 503 에서, 서버는 태그 정보를 생성할 수 있다.
다양한 실시예들에 따른 동작 305, 405, 505 에서 서버는 태그 정보를 송신/제공할 수 있으며, 사용자 기기는 이를 수신할 수 있다.
다양한 실시예들에 따른 각 동작에서의 보다 구체적인 내용은 후술되는 다양한 실시예들에 대한 설명에 의하여 보충/수행/이해될 수 있다.
다양한 실시예들에 따르면, 태그 정보 요청 및/또는 태그 정보 생성 요청은 서버에 기초하여 운용되는 서비스 플랫폼에 가입된 복수의 사용자들 중 특정 제1 사용자에 의하여 요청될 수 있다.
다양한 실시예들에 따르면, 태그 정보는 특정 제1 사용자가 특정 상품을 추천하는 것과 관련될 수 있다. 다양한 실시예들에 따르면, 태그 정보는 특정 제1 사용자로부터 서비스 플랫폼에 가입된 복수의 사용자들 중 특정 제1 사용자를 제외한 제1 복수의 사용자들 중 하나 이상에게 전달 가능하도록 생성될 수 있다. 및/또는, 다양한 실시예들에 따르면, 태그 정보는 특정 제1 사용자로부터 서비스 플랫폼에 미가입된/가입되지 않은 제2 복수의 사용자들 중 하나 이상에게 전달 가능 중 하나 이상이 만족되도록 생성될 수 있다.
다양한 실시예들에 따르면, 특정 제1 사용자로부터 태그 정보를 수신한 수신자는 태그 정보를 통하여 서비스 플랫폼 상에 특정 제1 사용자로부터 추천된 상품의 판매를 위한 웹 (web) 페이지로 접속할 수 있다. 및/또는, 다양한 실시예들에 따르면, 특정 제1 사용자로부터 태그 정보를 수신한 수신자는 이를 제3자에게 포워딩할 수도 있다. 및/또는, 다양한 실시예들에 따르면, 태그 정보를 수신한 제3자는 이를 또 다른 제3자에게 포워딩할 수도 있다.
도 6 은 다양한 실시예들에 따른 태그 정보의 일 예를 나타낸 도면이다.
도 6 을 참조하면, 예를 들어, 제1 사용자가 서비스 플랫폼에 대응되는 웹 페이지에 접속할 수 있다. 예를 들어, 웹 페이지에 로그인된 제1 사용자는 특정 상품의 구매/판매를 위한 웹 페이지에 접속할 수 있다. 예를 들어, 제1 사용자가 접속한 특정 상품의 구매/판매를 위한 웹 페이지는 특정 상품의 사진, 특정 상품의 상품명, 특정 상품의 판매 가격, 베네핏 (benefit, 보다 상세한 내용은 도 7 을 참조하여 후술되는 다양한 실시예들에 대한 설명을 참조할 수 있다.), 상품 원산지, 상품 제조자, 배송 방법 등을 포함하는 상품 설명, 상품 구매 요청을 위한 UI/UX (user interface, user experience), 로그 아웃을 위한 UI/UX 및 상품 태그 생성 요청을 위한 UI/UX 를 포함할 수 있다.
예를 들어, 제1 사용자의 터치 입력 등에 기초하여 상품 태그 생성 요청을 위한 UI/UX 를 통하여 태그 정보 생성 요청이 서버로 전달될 수 있다. 예를 들어, 태그 정보는 QR (Quick Response) 코드에 대응될 수 있다. 예를 들어, 태그 정보는 QR 코드의 형태로 생성될 수 있으나, 다양한 실시예들이 이에 제한되는 것은 아니다.
다양한 실시예들에 따르면, 태그 정보는 상품 정보, 분배 정보 및 제1 사용자 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상품 정보는 상품에 대한 설명을 포함할 수 있다. 예를 들어, 상품 정보는 웹 페이지 상에 표시되는 상품 사진, 상품명, 상품 가격, 상품 설명 중 하나 이상에 대응되는 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 분배 정보는 상품이 판매됨에 따른 수수료의 분배와 관련된 정보를 포함할 수 있다. 보다 상세한 내용은 도 7 을 참조하여 후술되는 다양한 실시예들에 대한 설명을 참조할 수 있다.
다양한 실시예들에 따르면, 제1 사용자 정보는 태그 정보의 생성을 요청한 (태그 정보에 의하여 추천되는 특정 상품을 추천하는) 제1 사용자와 관련된 정보를 포함할 수 잇다.
예를 들어, 제1 사용자는 태그 정보를 제2 사용자에게 송신/전달할 수 있다. 예를 들어, 태그 정보가 송신/전달되는 것은 태그 정보가 제1 사용자로부터 제2 사용자에게 직접 전달/송신되거나, 및/또는 태그 정보가 제1 사용자로부터 제3자를 거쳐 제2 사용자에게 전달/송신되거나, 및/또는 태그 정보가 제1 사용자로부터 방송되고 제2 사용자가 이를 수신하거나, 및/또는 태그 정보가 제1 사용자로부터 SNS, 소셜 미디어, 기타 웹 페이지 등에 게시되고 제2 사용자로부터 열람된 경우를 모두 포함할 수 있으며, 이에 제한되지 않는다.
예를 들어, 태그 정보를 수신한 제2 사용자는 태그 정보를 통하여 제1 사용자로부터 추천된 특정 상품의 구매/판매를 위한 웹 페이지에 접속할 수 있다. 예를 들어, 로그인 되지 않은 제2 사용자가 접속한 특정 상품의 구매/판매를 위한 웹 페이지는 특정 상품의 사진, 특정 상품의 상품명, 특정 상품의 판매 가격, 베네핏, 상품 원산지, 상품 제조자, 배송 방법 등을 포함하는 상품 설명, 상품 구매 요청을 위한 UI/UX, 회원 가입을 위한 UI/UX 및 상품 태그 생성 요청을 위한 UI/UX 를 포함할 수 있다.
예를 들어, 제2 사용자가 서비스 플랫폼에 가입된 경우, 제2 사용자는 로그인 UI/UX (미도시) 를 통하여 로그인을 수행할 수 있다.
예를 들어, 제2 사용자가 서비스 플랫폼에 미가입/가입되지 않은 경우, 제2 사용자는 회원 가입을 위한 UI/UX 를 통하여 서비스 플랫폼에 대한 신규 가입을 요청할 수 있다. 예를 들어, 신규 가입이 요청되면 서비스 플랫폼에 대한 가입을 위한 웹 페이지가 제2 사용자의 사용자 디바이스에 표시될 수 있다. 예를 들어, 서비스 플랫폼에 대한 가입을 위한 웹 페이지에는 추천인 입력란이 포함될 수 있다. 예를 들어, 태그 정보에 포함된 제1 사용자 정보에 기초하여, 제1 사용자의 ID (identifier) 가 식별될 수 있으며, 식별된 제1 사용자의 ID 가 추천인 입력란에 자율적으로 (autonomously) 입력될 수 있다.
도 7 은 다양한 실시예들에 따른 수수료 분배의 일 예를 나타낸 도면이다.
도 7 을 참조하면, 다양한 실시예들에 대한 설명에서 판매 가격은 상품 가격과 수수료를 포함할 수 있다. 예를 들어, 상품이 서비스 플랫폼/웹 페이지 상에서 판매되는 판매 가격은 상품 가격과 수수료의 합일 수 있으나, 이에 제한되는 것은 아니다.
다양한 실시예들에 따르면, 상품 가격과 수수료는 서비스 플랫폼 및/또는 웹 페이지를 통하여 상품을 판매하고자 하는 판매자로부터 설정될 수 있다.
다양한 실시예들에 따르면, 태그 정보에 포함된 분배 정보는 제1 분배 비율 정보, 제2 분배 비율 정보 및 제3 분배 비율 정보를 포함할 수 있다. 예를 들어, 제1 분배 비율 정보, 제2 분배 비율 정보 및 제3 분배 비율 정보 각각은 퍼센트 (%) 단위로 설정될 수 있으며, 제1 분배 비율 정보, 제2 분배 비율 정보 및 제3 분배 비율 정보의 합은 100% 가 될 수 있으나 이에 제한되는 것은 아니다.
다양한 실시예들에 따르면, 제1 분배 비율 정보는 수수료가 서비스 플랫폼을 운용하는 사업자에게 분배되는 비율에 대한 정보일 수 있다.
다양한 실시예들에 따르면, 제2 분배 비율 정보는 태그 정보를 수신한 자 (도 6 에서 설명된 제2 사용자) 가 태그 정보를 통하여 상품을 구매한 경우, 이러한 구매자에게 수수료가 분배되는 비율에 대한 정보일 수 있다.
다양한 실시예들에 따르면, 제3 분배 비율 정보는 제2 분배 비율 정보는 태그 정보를 수신한 자 (도 6 에서 설명된 제2 사용자) 가 태그 정보를 통하여 상품을 구매한 경우, 태그 정보를 송신한 자 (도 6 에서 설명된 제1 사용자) 에게 수수료가 분배되는 비율에 대한 정보일 수 있다.
예를 들어, 수수료가 10,000 원 발생되었고, 제1 분배 비율 정보에 따른 비율이 30%, 제2 분배 비율 정보에 따른 비율이 50%, 제3 분배 비율 정보에 따른 비율이 20% 인 경우, 사업자에게 3,000원, 구매자에게 5,000원, 태그 정보 송신자에게 2,000원이 분배될 수 있다. 예를 들어, 구매자 및/또는 태그 정보 송신자에게 분배되는 금액은 구매자 ID 및/또는 태그 정보 송신자 ID 에 마일리지가 적립되는 형태로 분배될 수 있다.
다양한 실시예들에 따르면, 제1 분배 비율 정보는 서비스 플랫폼을 운용하는 사업자로부터 설정될 수 있다. 다양한 실시예들에 따르면, 제2 분배 비율 정보 및/또는 제3 분배 비율 정보는 상품의 판매자로부터 설정될 수 있다.
다양한 실시예들에 따르면, 도 6 에서 설명된 베네핏은 제2 분배 비율 정보 및/또는 제3 분배 비율 정보를 포함할 수 있으며, 바람직하게는 제2 분배 비율 정보를 포함할 수 있다.
상술된 다양한 실시예들에 따라 복수의 사용자들이 다양한 실시예들에 따른 서비스 플랫폼을 사용하면서, 복수의 사용자들이 서비스 플랫폼을 사용한 이력 등은 빅 데이터 (big data) 를 구성할 수 있다. 다양한 실시예들에 따르면, 구성된 빅 데이터에 기반한 학습을 통하여 생성되는 인공지능에 기반한 서비스가 제공될 수도 있다. 보다 상세한 설명은 후술된다.
2.2. 인공지능 기반 서비스
인공지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계 학습(딥러닝) 및 기계 학습을 활용한 요소 기술들로 구성된다.
기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소 기술은 딥러닝 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
이하의 설명에서는 서버 디바이스(100)가 AI 엔진 획득 동작을 수행함을 전제로 다양한 실시예들에 대하여 설명하였으나, 다양한 실시예들에 따르면, 서버 디바이스(100) 외부의 다른 서버 디바이스가 AI 엔진 획득 동작을 수행할 수도 있다. 또는, 다양한 실시예들에 따르면, 복수의 사용자 디바이스(200)들 및/또는 복수의 서버 디바이스(100)들이 마련되어, 복수의 사용자 디바이스(200)들 및/또는 복수의 서버 디바이스(100)들 간에 AI 엔진 획득 동작의 각 동작이 분배되어, 별개로 실시될 수도 있다.
도 8 은 다양한 실시예들에 따른 AI (artificial intelligence) 엔진을 획득하는 과정을 나타낸 도면이다.
도 8 를 참조하면, 예를 들어, 서버 디바이스(100)는, 학습용 데이터를 수집할 수 있다. 예를 들어, 학습용 데이터는, 상기 복수의 사용자들 각각의 상품 추천 이력에 대한 정보, 상기 복수의 사용자들 각각의 구매 이력에 대한 정보, 상기 상품 추천 이력에 대한 정보와 상기 구매 이력에 대한 정보 간의 관련성에 대한 정보, 상기 복수의 사용자들의 나이, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보를 포함할 수 있다.
예를 들어, 관련성에 대한 정보는, 특정 제3 사용자의 특정 상품에 대한 구매가 특정 상품 추천으로부터 유래된 것인지 여부에 대한 평가 지표를 포함할 수 있다.
예를 들어, 평가 지표는, 특정 상품 추천을 수신한 특정 사용자를 포함하는 복수의 수신자들 중 상기 특정 상품에 대한 구매를 수행한 수신자의 수, 특정 상품에 대한 구매를 수행한 수신자가 특정 상품 추천을 수신한 시점부터 특정 상품에 대한 구매를 수행한 수신자의 특정 상품에 대한 구매가 수행된 시점까지의 시간 간격과 관련된 가중치, 특정 상품의 종류, 특정 상품 추천을 송신한 사용자의 프로필 정보, 특정 상품에 대한 구매를 수행한 수신자 중 특정 상품에 대한 구매가 수행된 시점으로부터 미리 설정된 시간 내에 특정 상품을 재구매한 수신자의 수, 재구매한 수신자의 프로필 정보 및 특정 상품의 가격에 기초하여 설정될 수 있다. 예를 들어, 시간 간격의 길이가 커질수록 상기 가중치는 작아지고, 시간 간격의 길이가 작아질수록 상기 가중치는 커질 수 있다.
예를 들어, 학습 데이터는 훈련용 데이터 및 테스트용 데이터를 포함할 수 있다. 예를 들어, 서버 디바이스(100)는, 학습 데이터를 훈련용 데이터 및 테스트용 데이터로 분류할 수 있다. 예를 들어, 훈련용 데이터는 모델을 학습시키는데 활용되고, 테스트용 데이터는 학습된 모델을 검증 및 업데이트 하는데 활용될 수 있다.
예를 들어, 서버는, 훈련용 데이터에 기초하여 AI 엔진을 학습 시킬 수 있다. 예를 들어, AI 엔진은 인공지능 알고리즘을 기반으로 학습될 수 있는 인공 지능 엔진일 수 있다. 예를 들어, AI 엔진은 심층 신경망(DNN:Deep Neural Network)을 포함할 수도 있다. 예를 들어, 인공 지능 엔진은 CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 이에 한정되는 것은 아니다.
예를 들어, 서버 디바이스(100)는 학습된 모델에 기초하여 테스트용 데이터에 대한 가공 데이터를 획득할 수 있다.
예를 들어, 서버 디바이스(100)는 가공 데이터에 대한 피드백 정보를 획득할 수 있다.
예를 들어, 피드백 정보는, 서버 디바이스(100) 관리자로부터 입력될 수 있다.
또 다른 예시로, 추천 상품 정보에 대한 응답으로 특정 제2 사용자로부터 서비스 플랫폼 상에서 판매되는 복수의 상품들 중 추천 상품 리스트에 포함되지 않은 하나 이상의 상품에 대한 구매가 수행되고 추천 상품 리스트에 포함된 모든 상품에 대한 구매가 수행되지 않은 경우: 특정 제2 사용자로부터 구매된 하나 이상의 상품에 대한 정보를 포함하는 제2 피드백 정보를 생성; 및 제2 피드백 정보에 기초하여 상기 추천 모델을 업데이트하는 동작이 수행될 수도 있다.
예를 들어, 서버 디바이스(100)는, 피드백에 기초하여 학습된 모델을 업데이트할 수 있다.
예를 들어, 서버 디바이스(100)는 피드백에 기초하여 학습된 모델의 특성 (예를 들어, CNN 의 특성) 을 수정하고, 수정된 모델에 기초하여 피드백을 획득하여 업데이트 하는 과정을 반복할 수 있다.
예를 들어, 서버 디바이스(100)는 반복 횟수가 미리 설정된 임계값 (예를 들어, 7-9회) 에 도달하면, 동작을 종료하고 학습된 모델을 AI 엔진으로서 획득할 수 있다.
도 9는 다양한 실시예들에 따른 AI 엔진을 획득하는 전자 장치의 동작 방법을 도시한 도면이다.
도 9 을 참조하면, 예를 들어, 동작 691 에서, 서버 디바이스(100)는, 학습용 데이터를 처리함에 기초하여 획득된 훈련용 데이터 및 테스트용 데이터 중 훈련용 데이터에 기초하여 모델을 학습시킬 수 있다.
예를 들어, 동작 903 에서, 서버 디바이스(100)는, 테스트용 데이터가 학습된 모델로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 정보를 획득할 수 있다.
예를 들어, 동작 905 에서, 서버 디바이스(100)는, 제1 피드백 정보에 기초하여 모델을 업데이트할 수 있다.
예를 들어, 동작 907 에서, 서버 디바이스(100)는, 동작 601 내지 동작 605 가 반복된 횟수를 미리 설정된 임계값 (N_TH) 과 비교할 수 있다.
예를 들어, 서버 디바이스(100)는, 반복된 횟수가 미리 설정된 임계값과 일치하지 않으면 (즉, 반복된 횟수가 미리 설정된 임계값 미만이면), 동작 601 로 돌아가, 동작 601 내지 동작 605 을 재수행할 수 있다.
예를 들어, 서버 디바이스(100)는, 반복된 횟수가 미리 설정된 임계값과 일치하면, 프로세스를 종료할 수 있다.
상기 설명한 제안 방식에 대한 일례들 또한 다양한 실시예들 중 하나로 포함될 수 있으므로, 일종의 제안 방식들로 간주될 수 있음은 명백한 사실이다. 또한, 상기 설명한 제안 방식들은 독립적으로 구현될 수도 있지만, 일부 제안 방식들의 조합 (또는 병합) 형태로 구현될 수 도 있다.
다양한 실시예들은 그 기술적 아이디어 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 다양한 실시예들의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 다양한 실시예들의 등가적 범위 내에서의 모든 변경은 다양한 실시예들의 범위에 포함된다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.
Claims (5)
- 전자 장치에 있어서,
메모리(memory); 및 상기 메모리와 연결된 프로세서(processor); 를 포함하고,
상기 프로세서는:
상기 전자 장치에 기초하여 운용되는 서비스 플랫폼에 가입된 복수의 사용자들 중 특정 제1 사용자의 요청에 대한 응답으로 상기 특정 제1 사용자가 상품을 추천하는 것과 관련된 태그(tag) 정보를 생성하고,
상기 태그 정보를 상기 특정 제1 사용자에게 송신하되,
상기 태그 정보는:
- 상기 특정 제1 사용자로부터 (i) 상기 복수의 사용자들 중 상기 특정 제1 사용자를 제외한 제1 복수의 사용자들 중 하나 이상에게 전달 가능 또는 (ii) 상기 서비스 플랫폼에 미가입된 제2 복수의 사용자들 중 하나 이상에게 전달 가능 중 하나 이상이 만족되도록 생성되고,
- 상기 상품에 대한 설명을 포함하는 상품 정보, 상기 상품과 관련된 가격 정보, 상기 상품이 판매됨에 따른 수수료의 분배와 관련된 분배 정보 및 상기 특정 제1 사용자와 관련된 특정 제1 사용자 정보를 포함하고,
상기 프로세서는:
상기 복수의 사용자들 중 특정 제2 사용자의 요청에 대한 응답으로, 상기 특정 제2 사용자와 관련된 정보가 입력됨에 대한 응답으로 획득되는 추천 모델의 출력에 기초하여 추천 상품 리스트를 획득하고,
상기 추천 상품 리스트를 포함하는 추천 상품 정보를 상기 특정 제2 사용자에게 송신하도록 설정되고,
상기 추천 모델은, 상기 추천 모델의 획득을 위한 AI(artificial intelligence) 엔진에 기계 학습(machine learning)이 적용됨에 기초하여 미리 설정되고,
상기 기계 학습은:
- (a) 상기 추천 모델의 획득을 위한 훈련용 데이터에 기초하여 상기 AI 엔진을 학습;
- (b) 학습된 AI 엔진의 검증을 위한 테스트용 데이터가 상기 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 (feedback) 정보를 획득;
- (c) 상기 제1 피드백 정보에 기초하여 상기 AI 엔진을 업데이트; 및
- (d) 상기 (a) 내지 (c) 가 반복되되, 상기 (a) 내지 (c) 가 반복될 때 마다 초기값 0 인 카운트 값이 1 씩 증가 되고, 상기 카운트 값이 미리 설정된 카운트 임계값과 일치됨에 기초하여 종료;
됨에 기초하여 수행되고,
상기 훈련용 데이터와 상기 테스트용 데이터는, 상기 추천 모델의 획득을 위한 학습용 데이터에 기초하여 획득되고,
상기 학습용 데이터는, 상기 복수의 사용자들 각각의 상품 추천 이력에 대한 정보, 상기 복수의 사용자들 각각의 구매 이력에 대한 정보, 상기 상품 추천 이력에 대한 정보와 상기 구매 이력에 대한 정보 간의 관련성에 대한 정보, 상기 복수의 사용자들의 나이, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보를 포함하고,
상기 관련성에 대한 정보는, 특정 제3 사용자의 특정 상품에 대한 구매가 특정 상품 추천으로부터 유래된 것인지 여부에 대한 평가 지표를 포함하고,
상기 평가 지표는, 상기 특정 상품 추천을 수신한 상기 특정 제3 사용자를 포함하는 복수의 수신자들 중 상기 특정 상품에 대한 구매를 수행한 수신자의 수, 상기 특정 상품에 대한 구매를 수행한 수신자가 상기 특정 상품 추천을 수신한 시점부터 상기 특정 상품에 대한 구매를 수행한 수신자의 상기 특정 상품에 대한 구매가 수행된 시점까지의 시간 간격과 관련된 가중치, 상기 특정 상품의 종류, 상기 특정 상품 추천을 송신한 사용자의 프로필 정보, 상기 특정 상품에 대한 구매를 수행한 수신자 중 상기 특정 상품에 대한 구매가 수행된 시점으로부터 미리 설정된 시간 내에 상기 특정 상품을 재구매한 수신자의 수, 상기 재구매한 수신자의 프로필 정보 및 상기 특정 상품의 가격에 기초하여 설정되고,
상기 시간 간격의 길이가 커질수록 상기 가중치는 작아지고,
상기 시간 간격의 길이가 작아질수록 상기 가중치는 커지는, 전자 장치. - 제 1 항에 있어서,
상기 가격 정보는 상기 상품의 가격에 대한 정보 및 상기 수수료에 대한 정보를 포함하고,
상기 수수료는 상기 상품의 판매자로부터 설정되고,
상기 상품이 상기 서비스 플랫폼 상에서 판매되는 판매 가격은 상기 상품의 가격과 상기 수수료의 합으로 설정되고,
상기 분배 정보는:
(i) 상기 수수료가 상기 서비스 플랫폼을 운용하는 사업자에게 분배되는 비율에 대한 제1 분배 비율 정보와,
(ii) 상기 상품의 구매자가 상기 제1 복수의 사용자들 또는 상기 제2 복수의 사용자들에 포함되는 경우 상기 수수료가 상기 구매자에게 분배되는 비율에 대한 제2 분배 비율 정보와,
(iii) 상기 구매자가 상기 제1 복수의 사용자들 또는 상기 제2 복수의 사용자들에 포함되는 경우 상기 수수료가 상기 특정 제1 사용자에게 분배되는 비율에 대한 제3 분배 비율 정보를 포함하는, 전자 장치. - 제 2 항에 있어서,
상기 프로세서는:
상기 구매자가 상기 제1 복수의 사용자들 또는 상기 제2 복수의 사용자들에 포함되는 경우 상기 태그 정보에 포함된 상기 분배 정보에 기초하여: 상기 수수료와 상기 제2 분배 비율 정보에 따라 산출되는 금액을 상기 특정 제1 사용자에게 적립 및 상기 수수료와 상기 제3 분배 비율 정보에 따라 산출되는 금액을 상기 구매자에게 적립하도록 설정되는, 전자 장치. - 삭제
- 삭제
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220057082A KR102507508B1 (ko) | 2022-05-10 | 2022-05-10 | 바이럴 마케팅 방법 및 이를 지원하는 장치 |
| PCT/KR2023/006003 WO2023219326A1 (ko) | 2022-05-10 | 2023-05-03 | 바이럴 마케팅 방법 및 이를 지원하는 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220057082A KR102507508B1 (ko) | 2022-05-10 | 2022-05-10 | 바이럴 마케팅 방법 및 이를 지원하는 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102507508B1 true KR102507508B1 (ko) | 2023-03-08 |
Family
ID=85508285
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220057082A KR102507508B1 (ko) | 2022-05-10 | 2022-05-10 | 바이럴 마케팅 방법 및 이를 지원하는 장치 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102507508B1 (ko) |
| WO (1) | WO2023219326A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023219326A1 (ko) * | 2022-05-10 | 2023-11-16 | 조민호 | 바이럴 마케팅 방법 및 이를 지원하는 장치 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009053788A (ja) | 2007-08-24 | 2009-03-12 | Hideki Yamashita | 広告閲覧者がお金を受け取るインターネット広告システム |
| KR20100032967A (ko) | 2008-09-19 | 2010-03-29 | (주)이노버스 | 바이럴 마케팅 분석 방법 및 그 시스템 |
| JP2011028645A (ja) | 2009-07-28 | 2011-02-10 | Gqoo:Kk | 広告コンテンツ検索装置および広告コンテンツ検索プログラム |
| KR102237540B1 (ko) * | 2019-10-15 | 2021-04-07 | 주식회사 한상 | 상품 거래 중개 시스템 및 그 구동방법 |
| KR20210094272A (ko) * | 2020-01-21 | 2021-07-29 | 주식회사 큐브릭코퍼레이션 | 인플루언서 기반 마켓 플랫폼 시스템 및 이를 이용한 인플루언서 기반 마켓 플랫폼 제공방법 |
| KR102375820B1 (ko) * | 2021-08-23 | 2022-03-18 | 주식회사 글로벌유케이 | 해외 제품에 대한 온라인 전자 상거래 플랫폼 제공 방법 및 장치 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210034272A (ko) * | 2019-09-20 | 2021-03-30 | 장주성 | 리셀러가 있는 오픈마켓 플랫폼 시스템 및 이를 이용한 전자상거래 방법 |
| KR102324302B1 (ko) * | 2021-05-26 | 2021-11-11 | (주)피삼십일 | 온라인 플랫폼을 통한 미디어 컨텐츠 제공 방법 및 이를 지원하는 장치 |
| KR102507508B1 (ko) * | 2022-05-10 | 2023-03-08 | 조민호 | 바이럴 마케팅 방법 및 이를 지원하는 장치 |
-
2022
- 2022-05-10 KR KR1020220057082A patent/KR102507508B1/ko active IP Right Grant
-
2023
- 2023-05-03 WO PCT/KR2023/006003 patent/WO2023219326A1/ko unknown
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009053788A (ja) | 2007-08-24 | 2009-03-12 | Hideki Yamashita | 広告閲覧者がお金を受け取るインターネット広告システム |
| KR20100032967A (ko) | 2008-09-19 | 2010-03-29 | (주)이노버스 | 바이럴 마케팅 분석 방법 및 그 시스템 |
| JP2011028645A (ja) | 2009-07-28 | 2011-02-10 | Gqoo:Kk | 広告コンテンツ検索装置および広告コンテンツ検索プログラム |
| KR102237540B1 (ko) * | 2019-10-15 | 2021-04-07 | 주식회사 한상 | 상품 거래 중개 시스템 및 그 구동방법 |
| KR20210094272A (ko) * | 2020-01-21 | 2021-07-29 | 주식회사 큐브릭코퍼레이션 | 인플루언서 기반 마켓 플랫폼 시스템 및 이를 이용한 인플루언서 기반 마켓 플랫폼 제공방법 |
| KR102375820B1 (ko) * | 2021-08-23 | 2022-03-18 | 주식회사 글로벌유케이 | 해외 제품에 대한 온라인 전자 상거래 플랫폼 제공 방법 및 장치 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023219326A1 (ko) * | 2022-05-10 | 2023-11-16 | 조민호 | 바이럴 마케팅 방법 및 이를 지원하는 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023219326A1 (ko) | 2023-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11544744B2 (en) | Systems, devices, and methods for autonomous communication generation, distribution, and management of online communications | |
| CN109804428B (zh) | 计算代理的合成语音选择 | |
| Chong et al. | Predicting online product sales via online reviews, sentiments, and promotion strategies: A big data architecture and neural network approach | |
| US10162816B1 (en) | Computerized system and method for automatically transforming and providing domain specific chatbot responses | |
| CN108604315B (zh) | 使用深度学习模型识别实体 | |
| US11657371B2 (en) | Machine-learning-based application for improving digital content delivery | |
| US11587143B2 (en) | Neural contextual bandit based computational recommendation method and apparatus | |
| US11188950B2 (en) | Audience expansion for online social network content | |
| KR102535791B1 (ko) | 이미지 데이터에 적어도 부분적으로 기초하여 액션을 수행하기 위한 에이전트 결정 | |
| US10255282B2 (en) | Determining key concepts in documents based on a universal concept graph | |
| US20190303835A1 (en) | Entity representation learning for improving digital content recommendations | |
| CN108475384B (zh) | 在物理位置自动配送客户协助 | |
| US20160063560A1 (en) | Accelerating engagement of potential buyers based on big data analytics | |
| US20130346877A1 (en) | Recommended content for an endorsement user interface | |
| US10909606B2 (en) | Real-time in-venue cognitive recommendations to user based on user behavior | |
| US20180314756A1 (en) | Online social network member profile taxonomy | |
| US20190362025A1 (en) | Personalized query formulation for improving searches | |
| US20200218770A1 (en) | Incenting online content creation using machine learning | |
| CN112163676A (zh) | 多任务服务预测模型训练方法、装置、设备以及存储介质 | |
| KR102507508B1 (ko) | 바이럴 마케팅 방법 및 이를 지원하는 장치 | |
| CN112150184A (zh) | 点击率预估方法及其系统、计算机系统及计算机可读介质 | |
| Bratton | Social media marketing | |
| KR102491607B1 (ko) | 인공 지능 기반 미술 작품 가격 예측 방법 및 장치 | |
| US20140032665A1 (en) | Activity-based content selection | |
| US11669887B1 (en) | Learning engine-based navigation system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |