KR102530146B1 - 중계 서비스 시스템 - Google Patents

중계 서비스 시스템 Download PDF

Info

Publication number
KR102530146B1
KR102530146B1 KR1020210187143A KR20210187143A KR102530146B1 KR 102530146 B1 KR102530146 B1 KR 102530146B1 KR 1020210187143 A KR1020210187143 A KR 1020210187143A KR 20210187143 A KR20210187143 A KR 20210187143A KR 102530146 B1 KR102530146 B1 KR 102530146B1
Authority
KR
South Korea
Prior art keywords
product
purchaser
server
information
products
Prior art date
Application number
KR1020210187143A
Other languages
English (en)
Inventor
양승우
Original Assignee
주식회사 남도마켓
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 남도마켓 filed Critical 주식회사 남도마켓
Priority to KR1020210187143A priority Critical patent/KR102530146B1/ko
Application granted granted Critical
Publication of KR102530146B1 publication Critical patent/KR102530146B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0222During e-commerce, i.e. online transactions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0226Incentive systems for frequent usage, e.g. frequent flyer miles programs or point systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0605Supply or demand aggregation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0641Shopping interfaces

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명에서는 중계 서비스 시스템이 개시된다. 상기 중계 서비스 시스템은, 하나의 상거래 구역 내에 집약적으로 위치하는 다수의 매입처와 다수의 구매자 간의 상거래를 중계하기 위한 서버를 포함하는 중계 서비스 시스템으로서, 서버는, 서버 상에 등록된 상품에 대한 온라인 구매활동에 관계된 포인트의 누적 및 차감 및 매입처의 오프라인 매장에서의 구매활동에 관계된 포인트의 누적 및 차감을 통합적으로 관리하되, 각각의 매입처와 각각의 구매자 간의 일대일 관계에서 누적 및 차감되도록 포인트를 관리해준다.
본 발명에 의하면, 온라인 및 오프라인 상의 구매활동으로 발생된 포인트를, 각각의 구매활동에 관계된 매입처와 구매자 간의 일대일 관계에서 누적, 차감 및 관리해줌으로써, 하나의 상거래 구역에 위치하는 다수의 매입처와 다수의 구매자 사이에서 재구매율이 높은 일대일의 단골 관계를 형성 및 유지할 수 있고, 온라인 상의 상거래 채널에 의해 다수의 구매자에 대해 통합적으로 관리되는 포인트가 아닌, 각각의 매입처와 구매자 간의 일대일 관계에서 포인트를 관리해줌으로써, 각각의 매입처와 구매자 간의 일대일 관계를 재구매율이 높은 관계로 형성하고 유지하는데 도움을 줄 수 있으며, 상거래 채널이 아닌 각각의 매입처에 대한 인지도를 높이는데 기여할 수 있는 중계 서비스 시스템이 제공될 수 있다.

Description

중계 서비스 시스템{Commercial intermediate System}
본 발명은 중계 서비스 시스템에 관한 것으로, 보다 구체적으로, 하나의 상거래 구역에 집약적으로 위치하는 다수의 매입처와 다수의 구매자 간의 상거래 중계 서비스를 제공하는 서버를 포함하는 중계 서비스에 관한 것이다.
최근 온라인을 통하여 상품 또는 서비스의 거래가 이루어지는 전자 상거래(electronic commerce)가 활발하게 이루어지고 있으며, 이에 따라, 종래 시장과 같은 하나의 상거래 구역에서 오프라인 매장을 운용하는 매입처로서는 오프라인 상의 구매자뿐만 아니라, 온라인을 통하여 다수의 구매자와의 접촉할 수 있는 기회를 확대할 필요성이 증대되고 있고, 온라인 상거래 채널을 이용하는 온라인 상의 구매자를 오프라인 상의 매장으로 유도하여, 온라인 상거래 채널과 함께, 하나의 상거래 구역에 위치하는 각각의 오프라인 매장에 대한 구매자의 인지도를 높일 필요성이 대두되고 있으며, 이를 통한 시장과 같은 상거래 구역에 대한 활성화와 더불어, 국내외의 저명도가 있는 남대문 시장과 같은 상거래 구역에 대한 쇼핑체험을 하나의 관광 상품화할 수 있는 새로운 중계 서비스 시스템에 대한 연구가 필요한 실정이다.
본 발명의 일 실시형태는, 온라인 및 오프라인 상의 구매활동으로 발생된 포인트를, 각각의 구매활동에 관계된 매입처와 구매자 간의 일대일 관계에서 누적, 차감 및 관리해줌으로써, 하나의 상거래 구역에 위치하는 다수의 매입처와 다수의 구매자 사이에서 재구매율이 높은 일대일의 단골 관계를 형성 및 유지할 수 있고, 온라인 상의 상거래 채널에 의해 다수의 구매자에 대해 통합적으로 관리되는 포인트가 아닌, 각각의 매입처와 구매자 간의 일대일 관계에서 포인트를 관리해줌으로써, 각각의 매입처와 구매자 간의 일대일 관계를 재구매율이 높은 관계로 형성하고 유지하는데 도움을 줄 수 있으며, 상거래 채널이 아닌 각각의 매입처에 대한 인지도를 높이는데 기여할 수 있는 중계 서비스 시스템을 포함한다.
상기와 같은 목적 및 그 밖의 목적을 달성하기 위하여, 본 발명의 중계 서비스 시스템은,
하나의 상거래 구역 내에 집약적으로 위치하는 다수의 매입처와 다수의 구매자 간의 상거래를 중계하기 위한 서버를 포함하는 중계 서비스 시스템으로서,
상기 서버는,
상기 서버 상에 등록된 상품에 대한 온라인 구매활동에 관계된 포인트의 누적 및 차감; 및
상기 매입처의 오프라인 매장에서의 구매활동에 관계된 포인트의 누적 및 차감을 통합적으로 관리하되,
각각의 매입처와 각각의 구매자 간의 일대일 관계에서 누적 및 차감되도록 포인트를 관리해줄 수 있다.
예를 들어, 상기 서버는, 개별적인 구매활동에 관계된 구매자의 계정 정보 및 매입처의 계정 정보와 연계하여, 각각의 포인트를 저장할 수 있다.
예를 들어, 상기 서버에는 각각의 구매활동에 관계된 포인트가 기록된 포인트 데이터가 저장되며,
상기 포인트 데이터는, 각각의 구매활동에 관계된 매입처의 계정 정보가 기록된 매입처 인덱스와, 각각의 구매활동에 관계된 구매자의 계정 정보가 기록된 구매자 인덱스를 포함할 수 있다.
예를 들어, 상기 서버는, 서버에 로그인한 계정 타입에 따라,
i) 포인트 데이터의 매입처 인덱스를 검색하여, 해당되는 매입처와 연계되어 저장되어 있는 일군의 포인트 데이터에 근거하여 포인트 내역을 총괄적으로 표시해주되,
일군의 포인트 데이터 각각의 구매자 인덱스에 근거하여 각각의 구매자 별로 포인트 내역을 구분하여 표시해주고,
ii) 포인트 데이터의 구매자 인덱스를 검색하여, 해당되는 구매자와 연계되어 저장되어 있는 일군의 포인트 데이터에 근거하여 포인트 내역을 총괄적으로 표시해주되,
일군의 포인트 데이터 각각의 매입처 인덱스에 근거하여 각각의 매입처 별로 포인트 내역을 구분하여 표시해줄 수 있다.
예를 들어, 상기 서버는, 각각의 매입처의 위치 정보와 함께, 각각의 매입처 마다 누적된 포인트 내역을 표시해줄 수 있다.
예를 들어, 상기 서버는, 상기 매입처의 위치 정보와 함께, 포인트 내역의 상세 정보와 연결되는 문자 하이퍼링크를 표시해줄 수 있다.
예를 들어, 상기 문자 하이퍼링크는, 위치 정보가 표시된 매입처에 대해 누적된 포인트의 총합을 나타내는 문자열로 표시될 수 있다.
본 발명의 일 실시형태에 따른 중계 서비스 시스템에 의하면, 온라인 및 오프라인 상의 구매활동으로 발생된 포인트를, 각각의 구매활동에 관계된 매입처와 구매자 간의 일대일 관계에서 누적, 차감 및 관리해줌으로써, 하나의 상거래 구역에 위치하는 다수의 매입처와 다수의 구매자 사이에서 재구매율이 높은 일대일의 단골 관계를 형성 및 유지할 수 있고, 온라인 상의 상거래 채널에 의해 다수의 구매자에 대해 통합적으로 관리되는 포인트가 아닌, 각각의 매입처와 구매자 간의 일대일 관계에서 포인트를 관리해줌으로써, 각각의 매입처와 구매자 간의 일대일 관계를 재구매율이 높은 관계로 형성하고 유지하는데 도움을 줄 수 있으며, 상거래 채널이 아닌 각각의 매입처에 대한 인지도를 높이는데 기여할 수 있다.
도 1에는, 본 발명의 일 실시형태에 따른 근거리 집송을 위한 클러스터링에서 근거리 집송과 원거리 배송을 설명하기 위한 도면이 도시되어 있다.
도 2에는, 본 발명의 일 실시형태에 따른 근거리 집송에서 클러스터링되는 집송 단위를 설명하기 위한 도면이 도시되어 있다.
도 3a에는, 본 발명의 일 실시형태에서, 매입처의 위치에 해당되는 집송대상상품의 위치 정보와 부피 정보에 근거한 클러스터링을 예시적으로 보여주는 도면이 도시되어 있다.
도 3b에는, 본 발명과 대비되는 비교예에서, 매입처의 위치에 해당되는 집송대상상품의 위치 정보와 부피 정보로부터 지역 최대(local maximum)를 집송 중심으로 하는 클러스터링의 문제를 보여주는 도면이 도시되어 있다.
도 4에는, 본 발명의 일 실시형태에서, 매입처의 위치에 해당되는 집송대상상품의 위치 정보와 부피 정보에 근거하여, 근거리 집송을 위한 클러스터링을 설명하기 위한 도면이 도시되어 있다.
도 5a에는, 본 발명의 일 실시형태에서, 매입처의 위치에 해당되는 집송대상상품의 위치 정보와 부피 정보에 근거하여, 1차 집송 중심과, 1차 집송 단위를 설정하고, 순차적으로 2차 집송 중심과 2차 집송 단위를 설정하는 클러스터링을 예시적으로 보여주는 도면이 도시되어 있다.
도 5b에는, 도 5a에 도시된 바와 같이, 집송 중심과 집송 단위를 순차적으로 설정하는 클러스터링에서, 순차적으로 후순위 클러스터링에서 넓은 영역에 산포하는 경량 상품들이 하나의 집송 단위로 설정되는 것을 방지하기 위한 집송 단위의 재분류를 설명하기 위한 도면이 도시되어 있다.
도 6에는 매입처의 위치와 무관하게, 상품 자체의 정보로부터 상품 선택이 개시되는 제1 선택 경로를 설명하기 위한 도면이 도시되어 있다.
도 7에는 매입처의 위치 정보로부터 상품 선택이 개시되는 제2 선택 경로를 설명하기 위한 도면이 도시되어 있다.
도 8에는 도 7에 도시된 제2 선택 경로에서 제공되는 상품 리스트(링크 정보)가 각각의 매입처 마다 웹 문서의 형태로 저장되어 있는 서버를 모식적으로 도시한 도면이 도시되어 있다.
도 9에는 테마 상품 별 매입처 위치로부터 상품 선택이 개시되는 또 다른 제2 선택 경로를 설명하기 위한 도면이 도시되어 있다.
도 10에는 비공개로 설정된 상품의 상거래 중계를 위하여 구현된 웹의 일 실시형태를 보여주는 도면이 도시되어 있다.
도 11에는 비공개로 설정된 상품의 공개를 위한 매입처와 구매자 간의 일대일 관계를 설명하기 위한 도면이 도시되어 있다.
도 12a 내지 도 12c에는 귀걸이와 같은 액서서리류에서, 외형적인 특성에 따라 분류될 수 있는 서로 다른 클래스를 예시적으로 보여주는 도면들이 도시되어 있다.
도 13에는 비공개 상품의 외형이 갖는 특성으로서 다수의 속성들과 클래스 레이블 간의 상관관계를 분석하는 회귀 알고리즘을 구현하는 인공지능의 신경망 모델을 설명하기 위한 도면이 도시되어 있다.
도 14에는 비공개 상품의 상품 이미지 자체를 입력으로 하여, 비공개 상품이 속할 확률을 예측하는 합성곱 신경망 모델을 설명하기 위한 도면이 도시되어 있다.
도 15a 내지 도 15c에는 합성곱 신경망 모델에 포함된 필터의 예시들로서, 동일한 상품 카테고리에 속하는 각각의 클래스의 외형 특징을 추출할 수 있는 특성 맵을 생성하도록, 각각의 클래스의 외형 특징을 따라 높은 값의 가중치를 갖는 필터들을 예시적으로 보여주는 도면들이 도시되어 있다.
도 16에는 구매자의 선호도의 급격한 변동에 따른 제1, 제2 군의 지표후보상품의 추출을 보여주는 도면이 도시되어 있다.
도 17에는 일군의 지표후보상품 이미지를 입력으로 하여 트랜드지표상품 이미지를 출력하는 서버의 일련의 프로세스를 보여주는 도면이 도시되어 있다.
도 18에는 트랜드지표상품의 선정에 적합한 패션 아이템의 일 실시형태로서, 다양한 아동복을 보여주는 사진들이 예시되어 있다.
도 19a 내지 도 19c에는 매입처와 구매자 간의 일대일 관계에서 누적, 차감 및 관리되는 포인트에 대해 설명하기 위한 도면들이 도시되어 있다.
도 20에는 서버에 저장되어 있는 포인트 데이터의 구조와 오프라인의 구매활동과 관계된 포인트의 등록을 설명하기 위한 도면이 도시되어 있다.
도 21a 및 도 21b에는 서버에 로그인한 계정 타입에 따라 매입처 및 구매자의 포인트 내역이 매입처 및 구매자의 웹 상에 표시되는 예시를 보여주는 도면이 도시되어 있다.
이하, 첨부된 도면을 참조하여, 본 발명의 바람직한 일 실시형태에 관한 중계 서비스 시스템에 대해 설명하기로 하되, 본 발명의 중계 서비스 시스템의 다양한 측면에 따른 근거리 집송을 위한 클러스터링, 매입처의 위치에 기반한 상품의 선택, 소형 패션 아이템의 모방 방지를 위한 비공개 설정, 구매자의 선호도 급변에 따른 트랜드 변화 감지 및 매입처와 구매자의 일대일 관계에서 누적, 차감 및 관리되는 포인트에 대해 순차적으로 설명하기로 한다.
<근거리 집송>
먼저, 도 1 내지 도 5b를 참조하여, 근거리 집송을 위한 클러스터링에 대해 설명하기로 한다.
도 1에는, 본 발명의 일 실시형태에 따른 근거리 집송을 위한 클러스터링에서 근거리 집송과 원거리 배송을 설명하기 위한 도면이 도시되어 있다.
도 2에는, 본 발명의 일 실시형태에 따른 근거리 집송에서 클러스터링되는 집송 단위(U)를 설명하기 위한 도면이 도시되어 있다.
도 3a에는, 본 발명의 일 실시형태에서, 매입처의 위치에 해당되는 집송대상상품의 위치 정보와 부피 정보에 근거한 클러스터링을 예시적으로 보여주는 도면이 도시되어 있다.
도 3b에는, 본 발명과 대비되는 비교예에서, 매입처의 위치에 해당되는 집송대상상품의 위치 정보와 부피 정보로부터 지역 최대(local maximum)를 집송 중심(C)으로 하는 클러스터링의 문제를 보여주는 도면이 도시되어 있다.
도 4에는, 본 발명의 일 실시형태에서, 매입처의 위치에 해당되는 집송대상상품의 위치 정보와 부피 정보에 근거하여, 근거리 집송을 위한 클러스터링을 설명하기 위한 도면이 도시되어 있다.
도 5a에는, 본 발명의 일 실시형태에서, 매입처의 위치에 해당되는 집송대상상품의 위치 정보와 부피 정보에 근거하여, 1차 집송 중심(C)과, 1차 집송 단위(U)를 설정하고, 순차적으로 2차 집송 중심(C)과 2차 집송 단위(U)를 설정하는 클러스터링을 예시적으로 보여주는 도면이 도시되어 있다.
도 5b에는, 도 5a에 도시된 바와 같이, 집송 중심(C)과 집송 단위(U)를 순차적으로 설정하는 클러스터링에서, 순차적으로 후순위 클러스터링에서 넓은 영역에 산포하는 경량 상품들이 하나의 집송 단위(U)로 설정되는 것을 방지하기 위한 집송 단위(U)의 재분류를 설명하기 위한 도면이 도시되어 있다.
도 1 및 도 2를 참조하면, 본 발명의 일 실시형태에 따른 근거리 집송을 위한 클러스터링은, 구매자와 매입처 간의 상거래 중개 서비스를 제공하는 서버에 의해 수행될 수 있으며, 상기 서버는, 다수의 매입처에 대한 위치 정보와 다수의 매입처로부터 집송대상상품의 부피 정보를 취합하여, 서로 다른 매입처로부터의 집송대상상품을 근거리 기준으로 1회 집송에 적합한 누적 부피의 집송 단위(U)로 클러스터링할 수 있는 근거리 집송을 위한 클러스터링을 제공할 수 있다.
본 발명의 일 실시형태에서, 집송 단위(U)란, 집송 중심(C)을 기준으로 근거리에 위치한 일군의 집송대상상품의 집단을 의미할 수 있으며, 이들 집송 단위(U)로 분류된 일군의 집송대상상품은 1회의 집송에 적합한 누적 부피를 가질 수 있다. 여기서, 누적 부피란, 집송 단위(U)로 분류된 일군의 집송대상상품들의 전체 부피를 의미할 수 있다.
본 발명의 일 실시형태에서, 상기 집송 단위(U)는 집송 중심(C)으로부터의 거리를 기준으로 근거리에 배치된 일군의 집송대상상품을 포함할 수 있으며, 예를 들어, 집송 중심(C)이란 다수의 집송대상상품들 중에서 상대적으로 큰 부피를 갖는 상품을 의미할 수 있으며, 본 발명의 일 실시형태에서, 집송 단위(U)를 집송 중심(C), 그러니까, 상대적으로 부피가 큰 상품을 중심으로 집송 단위(U)를 구분하는 것은, 상대적으로 부피가 큰 상품을 중심으로 집송 단위(U)를 구분함으로써, 부피가 큰 상품과 부피가 작은 상품을 함께 집송 단위(U)로 묶어서 1회 집송의 효율성을 높이기 위한 구성이다. 예를 들어, 본 발명의 일 실시형태는 각각 서로 다른 집송대상상품을 제공하는 다수의 매입처가 하나의 상거래 구역에 집약적으로 위치하는 근거리 집송 시스템에 관한 것으로, 남대문 시장과 같은 하나의 상거래 구역으로 인식될 수 있는 지역에 기반하여 남대문 시장에 산재하는 다수의 매입처로부터 서로 다른 집송대상상품을 취합하여 하나의 집송지로 집결시킨 후, 집송지로부터 원거리에 산재하는 다수의 구매자들에게 집송대상상품을 배송할 수 있으며, 이런 의미에서, 본 발명의 일 실시형태에서 근거리 집송이란 원거리 배송의 전단계에 해당될 수 있으며, 서로 다른 매입처로부터 서로 다른 집송대상상품을 하나의 집송지에 집결시킨 후에, 집송지로부터 원거리의 구매자들에게 배송을 개시함으로써, 배송의 효율성을 높일 수 있으며, 예를 들어, 서버 운용자로부터 하나의 집송지로부터 다양한 원거리 배송지로서의 배송을 의뢰받은 배송자로서도, 하나의 집송지로부터 다수의 상품에 대한 배송을 개시할 수 있으므로, 배송 비용을 절감할 수 있고, 결과적으로 구매 비용의 절감으로 이어질 수 있다.
이와 같이, 본 발명의 일 실시형태는, 원거리 배송 이전의 단계로서, 근거리 집송을 위한 클러스터링을 제공하므로, 1회의 집송 단위(U)가 상대적으로 크지 않고, 예를 들어, 바이크와 같은 소형 운송수단을 이용하여 1회의 집송 단위(U)가 제한될 수 있으며, 별도의 소형 운송수단을 이용하므로, 무게에 따른 제한 보다는 부피에 따른 제한이 수반될 수 있다. 예를 들어, 본 발명의 일 실시형태에서, 바이크와 같은 소형 운송수단을 이용할 경우, 1회의 집송 단위(U)로 묶을 수 있는 부피의 총량은 대략 60L로 설정될 수 있으며, 최대 90L까지 설정될 수 있다. 본 명세서에 첨부된 도면들에서는 1회의 집송 단위(U)로 묶을 수 있는 부피의 총량을 60L로 설정한 경우의 예시적인 집송 단위(U) 클러스터링을 도시하고 있다.
본 발명의 일 실시형태에서는, 부피가 큰 상품을 집송 중심(C)으로 하여 집송 중심(C)으로부터 근거리에 위치한 집송대상상품을 하나의 집송 단위(U)로 분류함으로써, 상대적으로 부피가 큰 상품과 부피가 작은 상품을 혼합하여 하나의 집송 단위(U)로 묶어서 1회 집송 단위(U)에 제한되는 부피의 총량(60L)을 효과적으로 활용할 수 있다. 예를 들어, 상대적으로 큰 부피의 상품 사이 사이에 작은 부피의 상품이 끼워져 채워지는 방식으로, 1회의 집송 단위(U)로 운송 가능한 부피를 효율적으로 활용할 수 있으며, 본 발명의 일 실시형태에서는 상대적으로 큰 부피의 집송 중심(C)과 함께, 집송 중심(C)으로부터 근거리에 위치한 상대적으로 작은 부피의 집송대상상품을 함께 묶어서 집송 내지는 운송의 효율성을 높일 수 있다.
본 발명의 일 실시형태에서, 매입처의 위치 정보와 집송대상상품의 부피 정보를 입수하여, 집송 단위(U)를 분류할 수 있으며, 예를 들어, 매입처와 구매자 간을 상거래를 중계하는 서버를 통하여 집송 단위(U)를 분류하는 클러스터링이 수행될 수 있다. 여기서, 매입처의 위치 정보는 집송대상상품의 위치 정보에 해당될 수 있으며, 본 발명의 일 실시형태에서는 매입처의 위치 정보 내지는 집송대상상품의 위치 정보는, 매입처의 GPS의 좌표 정보를 포함할 수 있으며, 2차원 GPS 좌표 정보를 포함할 수 있다.
도 3a 내지 도 5b를 참조하면, 본 명세서에 첨부된 도면들에서는 2차원 좌표를 표시하는 일정 간격의 메쉬 상에, 집송대상상품의 부피를 표시하고 있다. 본 발명의 일 실시형태에서는, 2차원 좌표로 표현되는 집송대상상품의 위치 정보를 취득할 수 있으며, 여기서, 2차원 좌표란 다수의 매입처가 집약적으로 위치한 각각의 건물 위치를 의미할 수 있다. 예를 들어, 하나의 GPS 좌표 상에서 나타나는 위치 정보는, 각각의 매입처의 위치 정보라기 보다는, 다수의 매입처가 함께 위치하는 건물 위치를 의미할 수 있다. 이에, 본 발명에서 집송대상상품의 위치 정보는 해당되는 집송대상상품을 등록한 매입처의 위치 정보 내지는 해당되는 매입처가 위치하는 건물 위치를 의미할 수 있다. 본 발명의 일 실시형태에서, 상기 서버는 각각의 집송대상상품을 등록한 매입처의 위치 정보로서, 매입처가 위치하는 건물 위치를 저장하고 있을 수 있으며, 이에 따라, 다수의 집송대상상품이 하나의 위치, 그러니까, 하나의 건물 위치 내지는 하나의 건물 위치를 나타내는 GPS 좌표 상에 매칭될 수 있으며, 이때, 상기 서버는 동일한 위치(건물 위치) 상에 매칭된 다수의 집송대상상품의 부피 총량을 합산하여, 합산된 부피의 단일 집송대상상품으로 취급하여, 후술하는 집송 단위(U)의 클러스터링(2차원 클러스터링)을 수행할 수 있다. 다만, 본 발명의 다양한 실시형태에서, 상기 서버가 동일한 위치(건물 위치) 상에 매칭된 다수의 집송대상상품을 부피 합산된 단일 집송대상상품으로 취급하는 것은, 부피 합산된 단일 집송대상상품의 부피가 하나의 집송 단위(U)에 제한된 부피 총량(예를 들어, 60L)를 초과하지 않는다는 전제 하에서 부피 합산된 단일 집송대상상품으로 취급할 수 있으며, 이와 달리, 합산된 단일 집송대상상품의 부피가 하나의 집송 단위(U)에 제한된 부피 총량(60L)을 초과할 경우, 단일 집송대상상품은 적어도 둘 이상의 집송 단위(U)를 형성할 수 있으므로, 하나의 집송 단위(U)에 제한된 부피 총량(60L)까지를 하나의 집송 단위(U) 또는 둘 이상의 집송 단위(U)로 묶고(후술하는 레벨 좌표에 근거한 1차원 클러스터링), 나머지 부피 총량을 넘지 않는 다수의 집송대상상품을 단일 집송대상상품으로 취급하여, 후술하는 집송 단위(U)의 클러스터링(2차원 클러스터링)을 수행할 수 있다.
본 발명의 다양한 실시형태에서는 후술하는 바와 같은 2차원의 GPS 좌표에 근거한 집송 단위(U)의 클러스터링(2차원 클러스터링)과 함께, 하나의 위치(건물 위치)에 매칭된 제한 부피(60L)를 넘는 다수의 집송대상상품에 대해, 레벨 좌표를 도입하여, 1차원의 레벨 좌표에 따라 근거리에 위치하는 집송대상상품을 제한 부피(60L)까지 하나의 집송 단위(U)로 묶고(1차원 클러스터링), 집송 단위(U)를 제외한 나머지 집송대상상품에 대해 해당되는 2차원 좌표에 위치하는 단일의 집송대상상품으로 취급하여, 후술하는 2차원 클러스터링을 수행할 수 있다.
본 발명의 일 실시형태에서는 하나의 상거래 구역에 속하는 다수의 매입처의 위치 정보를 서버에 저장하여 둘 수 있으며, 구매자로부터의 매입 정보를 입수하여, 매입처의 위치 정보와 함께, 매입 정보에 기록된 매입 상품, 그러니까, 집송대상상품의 정보를 서로 매칭시킬 수 있다. 예를 들어, 상기 서버로서는 각각의 매입 정보로부터 집송대상상품의 위치 정보(매입처의 위치 정보)와 부피 정보를 파악할 수 있으며, 예를 들어, 매입 대상 상품의 개별 부피와 함께 수량 정보를 승산하는 방식으로 각각의 매입처로부터 집송대상상품의 부피를 산출할 수 있다.
상기 서버는 사용자의 요청에 의하거나 또는 집송이 개시되는 것으로 사전에 지정된 지정 시간 이전에, 집송대상상품의 위치 정보와 부피 정보를 이용하여 집송 중심(C)을 설정하고, 설정된 집송 중심(C)으로부터 근거리에 기반하여 집송 단위(U)를 분류할 수 있으며, 사전에 설정된 집송 단위(U)의 부피 제한(60L)을 넘지 않는 한도에 이르기까지 집송 중심(C)의 근거리로부터 원거리를 향하여 거리(L)를 증가시키면서 인접한 집송대상상품을 동일한 하나의 집송 단위(U)로 분류하는 클러스터링을 수행할 수 있다.
상기 서버는 근거리 집송이 이루어지는 하나의 상거래 구역을 대상으로, 다수의 집송대상상품의 위치 정보와 부피 정보를 이용하여, 집송 중심(C)을 설정할 수 있는데, 본 발명의 일 실시형태에서는, 다수의 집송대상상품의 부피 대소관계에 따라 순차적으로 집송 중심(C)과 각각의 집송 중심(C)을 갖는 집송 단위(U)를 설정해줄 수 있다.
도 3a를 참조하면, 본 발명의 일 실시형태에 따른 근거리 집송을 위한 클러스터링에서는 각각의 집송 중심(C)과 각각의 집송 중심(C)을 센터로 하는 집송 단위(U)가 순차적으로 설정되는 프로세스를 통하여, 각각의 집송 중심(C)과 각각의 집송 중심(C)을 센터로 하는 집송 단위(U)가 순차적으로 설정될 수 있으며, 예를 들어, 1차 집송 중심(C1)과 1차 집송 중심(C1)을 센터로 하는 1차 집송 단위(U1)가 우선적으로 설정되고, 1차 집송 단위(U1)를 제외한 나머지 다른 집송대상상품 중에서 2차 집송 중심(C2)과 2차 집송 중심(C2)을 센터로 하는 2차 집송 단위(U2)가 설정되며, 그 후에, 1차 집송 단위(U1)와 2차 집송 단위(U2)를 제외한 나머지 다른 집송대상상품 중에서 3차 집송 중심(C, 미도시)과 3차 집송 중심(C, 미도시)을 센터로 하는 3차 집송 단위(U)가 설정될 수 있다. 이와 같이, 본 발명의 일 실시형태에서는, 하나의 상거래 구역을 대상으로 다수의 집송 중심(C)을 한번에 설정한 후에, 각각의 집송 중심(C)을 센터로 하는 집송 단위(U)를 설정하기 보다는, 이전 단계에서 설정된 집송 단위(U)를 제외한 나머지 집송대상상품을 대상으로, 집송 중심(C)과 해당되는 집송 중심(C)을 센터로 하는 집송 단위(U)를 설정하는 방식으로 순차적으로 집송 중심(C)과 집송 단위(U)를 설정함으로써, 클러스터링에 소요되는 연산 부담과 연산 시간을 단축할 수 있다. 도 3b를 참조하면, 본 발명과 대비되는 비교예에서는 근거리 집송이 이루어지는 하나의 상거래 구역에 대해 다수의 집송 중심(C)을 한번에 설정하고, 각각의 집송 중심(C)을 센터로 하는 각각의 집송 단위(U)를 분류할 수 있으나, 각각의 집송 개시 시간까지의 매입 정보에 근거하는 다수의 집송대상상품의 위치는 임의적으로 산포될 수 있기 때문에, 2차원적인 위치에 따른 다수의 집송대상상품의 부피의 변화가 형성하는 2차원적인 구배(예를 들어, 2차원적인 구배의 도함수)를 이용하여 다수의 집송대상상품의 부피가 형성하는 지역 최대(local maximum)를 산출하고 각각의 지역 최대를 집송 중심(C)으로 산출하는 방식을 이용할 경우, 각각의 집송 중심(C)이 서로 인접하게 설정되면서, 각각의 집송 중심(C)을 센터로 하는 집송 단위(U)로 묶기에 부피의 과부족이 빈번하게 발생될 수 있으며, 역으로 각각의 집송 중심(C)이 너무 멀리 설정되면서, 각각의 집송 중심(C)을 센터로 하는 집송 단위(U)로 묶을 경우, 서로 이웃하는 집송 단위(U) 사이에 어떠한 집송 단위(U)에도 속하지 않는 다수의 집송대상상품이 존재할 수 있는 등과 같은 비효율적인 클러스터링이 수행될 개연성이 높을 수 있다.
도 3a에 도시된 바와 같이, 본 발명의 일 실시형태에서는 다수의 집송대상상품에 대해, 부피의 대소관계에 따라 가장 큰 부피의 집송대상상품을 1차 집송 중심(C1)으로 설정하고, 1차 집송 중심(C1)을 센터로 하는 1차 집송 단위(U1)를 설정한 후에, 차순위로 부피가 큰 집송대상상품을 2차 집송 대상으로 설정하고, 2차 집송 중심(C2)을 센터로 하는 2차 집송 단위(U2)를 설정하는 방식으로, 순차적으로 부피의 대소관계에 따라 집송 중심(C)과 집송 단위(U)를 설정하는 방식의 클러스터링을 수행할 수 있다.
도 4를 참조하면, 본 발명의 일 실시형태에서, 각각의 집송 중심(C)은 전단계에서 설정된 집송 단위(U)를 제외한 나머지 집송대상상품을 대상으로, 가장 부피가 큰 상품을 집송 중심(C)으로 설정하고, 각각의 집송 중심(C)을 센터로 하여, 각각의 집송 중심(C)으로부터의 거리(L)에 근거하여, 근거리로부터 원거리 방향으로 가면서 사전에 설정된 집송 단위(U)의 한계 부피(60L)가 채워질 때까지 인접한 집송대상상품을 동일한 집송 단위(U)로 묶는 클러스터링을 반복하면서 하나의 집송 단위(U)를 설정해줄 수 있다.
도 5a를 참조하면, 본 발명의 일 실시형태에서는, 부피의 대소관계에 따라 전단계에서 설정된 집송 단위(U)를 제외한 나머지 다른 상품 중에서 가장 부피가 큰 상품을 집송 중심(C)으로 설정하면서 클러스터링을 수행하기 때문에, 클러스터링의 후반에서는 점차로 넓은 영역에 산포하는 비교적 부피가 적은 상품들이 하나의 집송 단위(U)로 묶이게 되며, 결과적으로 모든 집송배송상품이 각각의 집송 단위(U)로 분류될 때까지 클러스터링이 수행될 수 있다. 예를 들어, 본 발명의 일 실시형태에서, 클러스터링의 전반에서 설정된 선순위 집송 단위(U)에서는 비교적 부피가 큰 상품을 중심으로 근거리에 배치된 상품들에 대한 운송을 고려할 수 있으며, 이러한 선순위 집송 단위(U)에 대해, 상기 서버로서는 서버의 운용자로 하여금 부피가 큰 중량 상품의 근거리 운송에 적합한 운송 자원을 배분할 것을 요청할 수 있다. 한편, 클러스터링의 후반에서 설정된 후순위 집송 단위(U)에서는 비교적 부피가 작은 경량 상품을 중심으로 원거리에 배치된 상품들에 대한 운송을 고려할 수 있으며, 이러한 후순위 집송 단위(U)에 대해, 상기 서버로서는 서버의 운용자로 하여금 부피가 작은 경량 상품의 원거리 운송에 적합한 운송 자원을 배분할 것을 요청할 수 있다.
도 5a를 참조하면, 본 발명의 일 실시형태에서는, 위치적으로 근거리에 집중적으로 배치된 다수의 매입처를 포함하는 하나의 상거래 구역을 대상으로 집송대상상품의 클러스터링을 수행하며, 본 발명의 일 실시형태에서와 같이, 클러스터링의 후반에서 비교적 넓은 영역에 걸쳐서 산재하는 부피가 작은 경량 상품이 하나의 집송 단위(U)로 묶이더라도, 집송의 효율에 큰 영향을 주지 않을 수 있다. 예를 들어, 클러스터링의 후반에서 설정된 후순위 집송 단위(U)에 대해서는, 상기 서버는 서버의 운용자로 하여금 경량 상품을 신속하게 집송지로 운송할 수 있는 운송 자원을 배분할 것을 요청할 수 있다.
본 발명의 일 실시형태에서는 집송대상상품의 부피의 대소관계를 고려하여 집송 중심(C)을 설정하고, 집송 중심(C)으로부터 근거리에 근거한 클러스터링이 수행될 수 있으며, 도 4에 도시된 바와 같이, 본 발명의 다양한 실시형태에서는 집송대상상품의 집송 단위(U)가 클러스터링의 진행에 따라 점차적으로 넓은 영역으로 확대되는 것을 막기 위하여, 집송대상상품의 부피에 근거하여 집송 중심(C)을 설정하되, 집송 단위(U)가 사전에 설정된 제한 거리(Lmax)를 초과할 경우, 집송 중심(C)으로부터 제한 거리(Lmax)가 초과된 상품을 제외하고 집송 단위(U)를 설정하는 방식으로 제한 거리를 초과하는 상품끼리 같은 집송 단위(U)로 묶이는 것을 피할 수 있다. 예를 들어, 클러스터링의 후반에서, 전단계에서 설정된 집송 단위(U)를 배제한 집송대상상품 중에서 가장 부피가 큰 상품을 집송 중심(C)으로 설정하고, 설정된 집송 중심(C)으로부터 원거리 방향을 따라 전진하면서 인접한 집송대상상품을 하나의 집송 단위(U)로 묶되, 이러한 클러스터링을 사전에 설정된 집송 단위(U)의 한계 부피(60L)까지 진행하면서 점진적으로 집송 중심(C)으로부터 원거리에 배치된 상품들을 하나의 집송 단위(U)로 묶을 수 있다. 이때, 상기 서버로서는 집송 중심(C)으로부터의 거리(L)에 따라 각각의 상품을 하나의 집송 단위(U)로 묶어 가면서, 각각의 상품의 부피 정보와 위치 정보를 확인할 수 있고, 각각의 상품의 부피 정보와 위치 정보가 집송 단위(U)의 조건에 부합하는지 여부에 대해 판단하고, 그 판단 결과에 따라 각각의 상품을 집송 단위(U)로 묶을 수도 있고, 해당 집송 단위(U)의 확장을 중단하고, 해당 집송 단위(U)로의 클러스터링을 중단하고 해당 집송 단위(U)를 확정할 수 있다. 예를 들어, 본 발명의 다양한 실시형태에서는, 집송 중심(C)으로부터의 거리 제한(Lmax)을 초과하는 상품(특정 상품)을 해당되는 집송 단위(U2)로 설정할 수도 있고(도 5a 참조), 또는 거리 제한(Lmax)을 초과하는 상품을 해당되는 집송 단위(U)에서 배제할 수도 있으며(도 4 참조), 이 경우, 거리 제한(Lmax)을 초과하는 상품은, 거리 제한(Lmax)을 초과하는 상품과 최인접한 다른 이웃한 상품이 속한 다른 집송 단위(U1)로 분류할 수 있으며(도 5a 참조), 거리 제한(Lmax)을 초과하는 상품과 최인접한 다른 이웃한 상품이 속한 다른 집송 단위(U1)는 거리 제한(Lmax)을 초과하는 상품을 추가로 포함하면서 제한 부피(60L)를 초과할 수도 있다.
또한, 거리 제한을 초과하는 상품(특정 상품)이 포착된 집송 단위(U)에 대해서는, 예를 들어, 집송 중심(C)으로부터 원거리 방향으로 전진하면서 한계 부피를 채울 때까지 각각의 상품을 집송 단위(U)로 묶는 클러스터링을 진행하면서, 집송 중심(C)으로부터의 거리가 거리 제한(Lmax)을 초과하는 상품이 포착된 집송 단위(U)에 대해서는, 해당되는 상품을 해당되는 집송 단위(U)로 분류할 것인지의 여부에 대한 판단과는 별개로, 현재까지 집송 단위(U)로 묶인 부피와 한계 부피(60L) 간의 차이에 따라 하나의 집송 단위(U)로 묶기에 비효율적이라고 판단될 정도로 한계 부피(60L)에 비하여 상대적으로 부피가 적은 집송 단위(U)에 대해서는 집송 단위(U)를 해제하고, 해당되는 집송 단위(U)로 분류된 각각의 상품과 최인접한 다른 이웃한 상품이 속한 집송 단위(U)로 분류할 수 있다.
본 발명의 일 실시형태에서, 상기 집송 중심(C)으로부터 거리 제한(Lmax)을 초과하는 상품이 포착된 집송 단위(U)에 대해, 현재까지 집송 단위(U)로 묶인 부피가 한계 부피(60L)의 절반(1/2) 이하에 해당될 경우, 하나의 집송 단위(U)로 묶기에 비효율적이라고 판단하여 집송 단위(U)를 해제하고, 해당되는 집송 단위(U)로 분류된 각각의 상품과 최인접한 다른 이웃한 상품이 속한 집송 단위(U)로 분류할 수 있다.
본 발명의 일 실시형태에서 집송 단위(U)의 조건으로는 이하와 같은 조건을 사전에 설정해둘 수 있고, 집송 단위(U)의 클러스터링을 수행하는 서버로서는 각각의 집송 단위(U)에 대한 클러스터링에서 각각의 상품을 해당 집송 단위(U)로 묶을지의 여부에 대한 판단의 근거로 사전에 설정된 집송 단위(U)의 조건을 조회할 수 있다.
1) 부피 조건(60L):
클러스터링 이전에 사용자에 의해 설정된 하나의 집송 단위(U)의 한계 부피(60L)이며, 한계 부피(60L)까지 각각의 집송 단위(U)를 채우도록 집송 중심(C)으로부터 원거리 방향으로 해당되는 상품을 동일한 집송 단위(U)로 묶을 수 있다.
2) 거리 조건(Lmax):
클러스터링 이전에 사용자에 의해 설정된 집송 중심(C)으로부터의 한계 거리(Lmax)이며, 특히, 클러스터링의 후반에서 설정되는 후순위 집송 단위(U)에서 하나의 집송 단위(U)로 분류된 상품 간의 거리, 보다 구체적으로 집송 중심(C)으로부터 거리가 사전에 설정된 한계 거리(Lmax)를 초과할 경우, 1) 부피 조건(60L)을 만족하더라도, 부피 조건과는 별개로 집송 중심(C)으로부터 한계 거리(Lmax)를 초과하는 상품에 대해서는 하나의 집송 단위(U)로 묶지 않을 수 있다. 본 명세서를 통하여, 집송 중심(C)으로부터 각각의 상품까지의 거리라든가 또는 이웃한 상품 간의 거리란 최단 거리를 의미하는 것으로 유클리드 거리에 해당될 수 있다.
참고로, 1) 부피 조건(60L) 및 2) 거리 조건(Lmax)에 대해, 본 발명의 일 실시형태에 따른 클러스터링에서는, 1) 부피 조건(60L)과 2) 거리 조건(Lmax)이 모두 만족하는 상품에 한하여 동일한 집송 단위(U)로 분류되는 것은 아니며, 예를 들어, 본 발명의 다양한 실시형태에서, 최종적으로 분류된 집송 단위(U)에서 각각의 집송 단위(U)는 1) 부피 조건(60L)만을 만족하고 2) 거리 조건(Lmax)을 만족하지 않을 수도 있으며, 이와 달리, 2) 거리 조건(Lmax)만을 만족하고 1) 부피 조건(60L)은 만족하지 않을 수도 있으며, 또는 이와 달리, 1) 부피 조건(60L)과 2) 거리 조건(Lmax)을 모두 만족하지 않을 수도 있다.
1) 부피 조건(60L)만 만족하고 2) 거리 조건(Lmax)을 만족하지 않는 상품이 동일한 집송 단위(U)로 분류되는 경우로서, 예를 들어, 클러스터링의 후반에 설정된 후순위 집송 단위(U)에서 집송 중심(C)으로부터 제한 거리(Lmax)를 초과한 상품에 대해서도, 동일한 집송 단위(U)로 분류할 수도 있다. 이 경우, 서버로서는 서버의 운용자로 하여금 비교적 경량 상품의 원거리 배송에 적합한 운송 자원의 배분을 요청할 수 있다.
2) 거리 조건(Lmax)만 만족하고 1) 부피 조건(60L)을 만족하지 않는 상품이 동일한 집송 단위(U)로 분류되는 경우로서, 후순위 집송 단위(U)의 부피와 한계 부피(60L) 간의 비교에 따라 하나의 집송 단위(U)로 분류하기에 비효율적이라고 판단될 정도로, 부피가 상대적으로 적은 집송 단위(U)에 대해서는 집송 단위(U)를 해제하고, 해제된 집송 단위(U)의 상품들을 최인접한 다른 이웃한 집송 단위(U)로 분류함으로써, 해당되는 집송 단위(U)의 부피는 한계 부피(60L)를 넘을 수도 있으며(예를 들어, 도 5a에서 집송 단위 U1), 이 경우, 2) 거리 조건(Lmax)을 만족하되, 1) 부피 조건(60L)을 만족하지 않을 수 있으며, 1) 부피 조건(60L)과 2) 거리 조건(Lmax)을 모두 만족하지 않을 수도 있다.
이와 같이, 본 발명의 일 실시형태에 따른 클러스터링에서는 1) 부피 조건(60L)의 만족 여부와, 2) 거리 조건(Lmax)의 만족 여부에 따라 해당되는 상품을 동일한 집송 단위(U)로 분류할 것인지의 여부가 달라질 수 있으며, 예를 들어, 1) 부피 조건(60L)과 2) 거리 조건(Lmax)을 모두 만족하는 상품은 동일한 집송 단위(U)로 분류될 수 있으나, 1) 부피 조건(60L)을 만족하지 않는 상품이나 2) 거리 조건(Lmax)을 만족하지 않는 상품의 경우에도, 운송 자원의 배분을 달리하거나 또는 이웃한 다른 집송 단위(U)에서의 클러스터링에 따라 결과적으로 동일한 집송 단위(U)로 분류될 수 있다.
본 발명의 일 실시형태에서, 1) 부피 조건(60L)을 만족하더라도 2) 거리 조건(Lmax)을 만족하지 않는 경우 내지는 2) 거리 조건(Lmax)을 만족하지 않아서 2) 거리 조건(Lmax)에 따라 집송 단위(U)가 결정된 경우, 특히, 클러스터링 후반에 설정된 후순위 집송 단위(U)에 대해, 별도의 연산을 통하여 각각의 집송 단위(U)가 1) 부피 조건에서 설정된 한계 부피(60L)와의 차이에 따라, 예를 들어, 후순위 집송 단위(U)의 부피가 하나의 집송 단위(U)로 묶기에는 비효율적이라고 판단될 정도로 상대적으로 작아서 한계 부피(60L)와의 차이가 큰 경우에는 후순위 집송 단위(U)를 유지하기 보다는 후순위 집송 단위(U)의 설정을 해제하고 대신에, 각각의 상품을 최인접한 다른 이웃한 상품이 속한 집송 단위(U)로 배분할 수도 있으며(도 5a의 화살표 참조), 이 경우, 집송 단위(U)로 설정된 한계 부피(60L)를 초과함에도 불구하고, 운송 자원의 배분을 통하여 한계 부피(60L)를 초과하는 초과 부피를 수용할 수도 있다(도 5a의 집송 단위 U1 참조).
본 발명의 다양한 실시형태에서, 1) 부피 조건(60L)은 만족하지만, 2) 거리 조건(Lmax)을 만족하지 않는 경우 내지는 2) 거리 조건(Lmax)을 만족하지 않아서 2) 거리 조건(Lmax)에 따라 집송 단위(U)가 결정된 경우, 특히, 클러스터링 후반에 설정된 후순위 집송 단위(U)에 대해, 후순위 집송 단위(U) 자체는 유지하되, 해당되는 후순위 집송 단위(U)의 센터를 형성하는 집송 중심(C)으로부터의 한계 거리를 넘어선 집송대상상품(특정 상품)에 대해서만, 후순위 집송 단위(U)으로부터 배제하고, 해당되는 특정 상품과 최인접한 다른 이웃한 상품이 속한 집송 단위(U)로 배분할 수 있다(도 5a의 화살표 참조).
본 발명의 다양한 실시형태에서, 1) 부피 조건(60L)은 만족하지만, 2) 거리 조건(Lmax)을 만족하지 않는 경우 내지는 2) 거리 조건(Lmax)을 만족하지 않아서 2) 거리 조건(Lmax)에 따라 집송 단위(U)가 결정된 경우에, 집송 단위(U)를 유지할 수도 있고(예를 들어, 도 5a의 집송 단위 U2 참조, 경량 부피의 근거리 집송에 해당되는 운송 자원의 배분을 요청), 또는 집송 단위(U) 자체는 유지하되, 한계 거리(Lmax)를 초과하는 특정 상품에 대해서만 최인접한 다른 이웃한 상품이 속한 집송 단위(U)로 배분할 수도 있으며(도 5a의 화살표 참조), 집송 단위(U)로 묶기에는 비효율적이라고 할 정도로 집송 단위(U)의 부피가 상대적으로 작아서 한계 부피와의 차이가 큰 집송 단위(U)는 해제하고 해제된 집송 단위(U)에 속하는 각각의 상품을 최인접한 다른 이웃한 상품이 속한 집송 단위(U)로 배분할 수 있으며(도 5a의 화살표 참조, 이로 인한 집송 단위 U의 한계 부피 60L를 초과하는 초과 부피를 고려한 운송 자원의 배분을 요청), 또는 도 5b에 도시된 바와 같은 집송 단위(U)의 재분류가 수행될 수도 있다.
도 5b에 도시된 바와 같이, 2) 거리 조건(Lmax)에 따라 집송 단위(U)가 결정된 경우, 해당되는 집송 단위(U)를 포함하여, 전단계에서 설정된 집송 단위(U)를 해제하고, 집송 단위(U)의 분류를 다시 수행하는 집송 단위(U)의 재분류가 수행될 수 있으며, 집송 단위(U)의 최초 분류와는 다른 프로세스로 진행함으로써, 클러스터링의 후반에서 설정된 후순위 집송 단위(U)가 넓은 영역에 산재하는 경량의 상품을 포함하는 문제를 해소할 수 있다. 예를 들어, 도 5a 및 도 5b에 도시된 바와 같이, 최초 분류에서 2) 거리 조건(Lmax)에 따라 집송 중심(C)으로부터 한계 거리(Lmax)를 초과하게 된 상품(특정 상품)을 새로운 집송 중심(C1, 특정 집송 중심 C1)으로 설정하고, 새롭게 설정된 집송 중심(C1, 특정 집송 중심 C1)을 센터로 하는 집송 단위(U1, 특정 집송 단위 U1)를 설정할 수 있으며, 이렇게 특정 집송 단위(U1)로 설정된 상품을 제외하고 즉, 특정 집송 단위(U1)에 속하는 상품을 배제한 나머지 다른 상품에 대해 최초 분류와 실질적으로 동일하게 가장 큰 부피의 상품을 집송 중심(C2)으로 설정하고, 설정된 집송 중심(C2)을 센터로 하는 집송 단위(U2)를 설정할 수 있다. 이때, 본 발명의 다양한 실시형태에서, 도 5a에 도시된 바와 같은 최초 분류에서 2) 거리 조건(Lmax)에 따라 집송 중심(C)으로부터 한계 거리(Lmax)를 초과하는 상품을 특정 상품으로 인식하고, 도 5b에 도시된 바와 같은 재분류에서는 인식된 특정 상품을 특정 집송 중심(C1)으로 설정하고 특정 집송 단위(U1)를 설정하는 방식으로 집송 단위(U)의 재분류를 수행할 경우, 최초 분류에서 특정 상품은 다수로 인식될 수 있으며, 예를 들어, 최초 분류에서 모든 집송대상상품에 대한 분류를 종료한 이후에, 재분류를 수행함으로서, 최초 분류에서 나올 수 있는 최대 개수의 특정 상품을 산출하도록 유도할 수 있으며(특정 상품을 산출하기 위한 전처리 클러스터링), 최대 개수의 특정 상품 중에서 부피의 대소관계에 근거한 순차적인 클러스터링을 적용하여, 1차 집송 중심(C1)은 최대 개수의 특정 상품 중에서 가장 부피가 큰 상품으로 설정하고, 설정된 1차 집송 중심(C1)으로부터 원거리 방향으로 한계 부피를 채울 때까지 인접한 상품을 동일한 1차 집송 단위(U1)로 설정할 수 있으며, 1차 집송 단위(U1)를 배제한 나머지 특정 상품들 중에서 차순위로 부피가 큰 특정 상품을 2차 집송 중심(C2)으로 설정하고, 설정된 2차 집송 중심(C2)으로부터 원거리 방향으로 한계 부피를 채울 때까지 인접한 상품을 동일한 2차 집송 단위(U2)로 설정하는 방식을 따라, 최대 개수의 특정 상품들 중에서 부피의 대소관계에 따라 집송 중심(C)을 설정할 수 있고, 특정 상품들이 모두 분류된 이후에는 전단계의 특정 상품들을 집송 중심(C)을 센터로 하는 집송 단위(U)를 배제한 나머지 다른 상품들에 대해서는 최초 분류에서와 실질적으로 동일하게 부피의 대소관계에 의하여 가장 큰 부피를 갖는 상품을 3차 집송 중심(C)으로 설정하고 해당되는 집송 중심(C)을 센터로 하는 3차 집송 단위(U)의 설정을 이어갈 수 있다.
참고로, 본 명세서를 통하여, 집송 중심(C)을 센터로 하는 집송 단위(U)를 설정한다는 것은, 위치적으로 상기 집송 중심(C)이 집송 단위(U)의 중심 위치에 해당된다는 것을 의미하는 것은 아니며, 상기 집송 중심(C)을 원점으로 하고, 집송 중심(C)으로부터 근거리에 기반하여(근거리로부터 원거리를 향하여 전진하면서) 각각의 상품을 동일한 집송 단위(U)로 묶는다는 것을 의미하고, 이런 의미에서, 상기 집송 중심(C)은 클러스터링의 센터에 해당된다고 할 수 있다.
<위치 기반 상품 선택>
이하에서는 도 6 내지 도 8을 참조하여, 매입처의 위치에 기반한 상품의 선택에 대해 설명하기로 한다.
도 6에는 매입처의 위치와 무관하게, 상품 자체의 정보로부터 상품 선택이 개시되는 제1 선택 경로를 설명하기 위한 도면이 도시되어 있다.
도 7에는 매입처의 위치 정보로부터 상품 선택이 개시되는 제2 선택 경로를 설명하기 위한 도면이 도시되어 있다.
도 8에는 도 7에 도시된 제2 선택 경로에서 제공되는 상품 리스트(링크 정보)가 각각의 매입처 마다 웹 문서의 형태로 저장되어 있는 서버를 모식적으로 도시한 도면이 도시되어 있다.
도 9에는 테마 상품 별 매입처 위치로부터 상품 선택이 개시되는 또 다른 제2 선택 경로를 설명하기 위한 도면이 도시되어 있다.
도 7을 참조하면, 본 발명의 일 실시형태에서, 구매자와 매입처 사이에서 상거래 중계 서비스를 수행하는 서버는, 하나의 상거래 구역을 대상으로 중계 서비스를 제공할 수 있으며, 이때, 상기 서버는 하나의 상거래 구역에 위치하는 다수의 매입처의 위치 정보에 기반하여, 해당되는 상거래 구역에 대한 거리뷰와 함께, 상거래 구역 내에 위치하는 각각의 매입처의 상품 정보를 함께 제공할 수 있다.
본 발명의 일 실시형태에서, 상기 서버는 서버에 접속된 구매자의 단말에 대해 HTML(HyperText Markup Language)이나 XML(Extensible Markup Language)과 같은 문서 형태의 파일(웹 문서)을 전송해줄 수 있고, 구매자의 단말 상에서 구동되는 웹 브라우저와 같은 애플리케이션을 통하여 서버가 중계하는 상거래 구역의 거리뷰 상에, 매입처의 위치 정보와 각각의 매입처에서 취급하는 상품 정보를 서로 매칭시켜서 표시해줄 수 있다. 본 발명의 일 실시형태에서는, 서버가 중계하는 상거래 구역에 대한 거리뷰 상에 매입처의 상품 정보를 서로 매칭시켜서 표시해줌으로써, 서버가 중계하는 상거래 구역을 직접 방문하지 않더라도, 해당 상거래 구역에 대한 가상의 쇼핑체험을 제공할 수 있으며, 상거래 구역으로부터 멀리 떨어진 원격지의 구매자들, 예를 들어, 해외 구매자들에게 가상의 쇼핑체험을 제공함으로써, 서버가 중계하는 상거래 구역, 예를 들어, 남대문 시장과 같은 저명한 상거래 구역에 대한 관심도를 높일 수 있고, 온라인 상으로 제공되는 가상의 쇼핑체험은 해당 상거래 구역에 대한 매출 증대로 이어질 수 있으며, 서버의 상거래 중계를 통한 온라인 매출의 증대 뿐만 아니라, 해당 상거래 구역에 대한 직접 방문을 유도하여, 오프라인 매출의 증대로 이어질 수 있다.
본 발명의 일 실시형태에서, 상기 서버는, 서버에 접속된 구매자의 단말로 HTML과 같은 웹 문서를 전송해줄 수 있으며, 상기 구매자의 단말 상에서 구동되는 웹 브라우저와 같은 애플리케이션을 통하여 구매자의 단말 상에, 상거래 구역의 거리뷰를 제공해줄 수 있다. 이때, 상기 서버는, 상기 상거래 구역의 거리뷰 상에 설정된 특정 영역 또는 거리뷰 상에 표시된 웹 요소(ex. 방향 표시와 같은 이미지 하이퍼링크 또는 문자열과 같은 문자 하이퍼링크, 이하 웹 요소)에서 발생되는 클릭 이벤트(onclick 또는 mouseover)에 따라, 하이퍼링크에 연결되어 있는 웹 문서를 참조하고, 웹 문서의 링크 정보를 참조하여, 퓨 포인트가 이동된 새로운 거리뷰를 제공하거나 또는 하이퍼링크에 연결되어 있는 상품 정보를 구매자의 단말 상에 표시해줄 수 있다.
예를 들어, 본 발명의 일 실시형태에에서, 상기 서버는, 서버에 저장된 웹 문서를 참조하여, z-index와 같은 우선순위에 따라 하위 레이어로서 거리뷰를 제공하는 이미지 또는 동영상과 같은 멀티 미디어 콘텐츠를 실행할 수 있으며, 상위 레이어로서 거리뷰와 중첩되면서 거리뷰의 특정 영역 또는 거리뷰 상에 겹쳐지게 표시되는 웹 요소(방향 표시와 같은 이미지 하이퍼링크 또는 문자열과 같은 문자 하이퍼링크)를 포함하는 상위 레이어를, 하위 레이어의 거리뷰 상에 겹쳐지도록 배열하고, 상위 레이어에 설정된 특정 영역 또는 웹 요소에서 발생되는 클릭 이벤트에 따라 새로운 뷰 포인트에 따라 거리뷰를 갱신하거나 또는 거리뷰에 표시된 매입처의 상품을 거리뷰가 표시된 탭 상에 겹쳐지게 출력해주거나 또는 새로운 탭 상에 표시해줄 수 있다.
본 발명의 일 실시형태에서는, 다수의 매입처의 이미지를 포함하는 상거래 구역에 대한 거리뷰를 제공하면서, 각각의 매입처의 이미지 상에 설정된 특정 영역 또는 각각의 매입처의 이미지 상에 겹쳐지게 표시된 웹 요소로부터 발생되는 클릭 이벤트(onclick 또는 mouseover)에 따라 해당되는 매입처의 상품 리스트를 제공할 수 있으며, 이러한 상품 리스트는, 매입처의 이미지 상에 겹쳐지게 표시된 웹 요소의 클릭 이벤트에 따라 해당 매입처의 다수의 상품 이미지를 포함할 수 있으며, 매입처와 대응되는 웹 요소에 링크된 웹 문서를 참조한 서버에 의해 구매자의 단말 상에 표시될 수 있다.
본 발명의 일 실시형태에서, 상기 서버는 클릭 이벤트가 발생된 매입처 이미지와 연결된 웹 문서를 참조하여, 해당되는 매입처의 상품 리스트를 제공할 수 있다. 도 8을 참조하면, 상기 서버에는 각각의 매입처에 대응하여 각각의 매입처의 상품 리스트(링크 정보)가 삽입된 웹 문서가 매입처 마다 저장되어 있을 수 있다. 상기 서버에는 각각의 매입처 마다 상품 리스트(링크 정보)가 삽입된 웹 문서가 저장될 수 있으며, 각각의 매입처로서는 자신의 상품 리스트(링크 정보)가 삽입된 웹 문서의 편집을 통하여, 상품 이미지(이미지 하이퍼링크)의 배열 방식이나 새로운 상품 이미지의 추가, 오래되거나 또는 매출이 저조한 상품 이미지의 삭제와 같은 수정이 보다 자유롭게 이루어질 수 있다. 본 발명의 일 실시형태에서는, 거리뷰와 같은 매입처의 위치 정보로부터 개시되는 제2 선택 경로에서 제공되는 상품의 간략 정보에 대한 링크 정보가 포함된 웹 문서가 저장되어 있을 수 있고, 상기 웹 문서의 수정 권한은, 상기 서버에 로그인한 계정 타입에 따라, 각각의 매입처 마다에 부여될 수 있다(도 8 참조).
도 7을 참조하면, 본 발명의 일 실시형태에서, 상기 서버는 상품 리스트의 링크 정보가 삽입된 웹 문서를 참조하여, 상품 리스트로서 하나 상품 이미지로 표현되는 이미지 하이퍼링크가 다수의 행과 열로 구획된 셀 마다 테이블 형태로 배열된 웹을 구매자의 단말 상에 표시해줄 수 있다. 예를 들어, 본 발명의 일 실시형태에서, 상기 상품 리스트란 거리뷰 상에서 클릭 이벤트가 발생된 매입처의 상품 리스트로서, 둘 이상 다수의 상품이 함께 하나의 윈도 상에 표시될 수 있으며, 본 발명의 다양한 실시형태에서 상기 윈도 상에서 테이블 형태와 같이 하나의 윈도의 분할된 영역 마다 각각의 상품 이미지(상품 이미지로 표현된 이미지 하이퍼링크)가 표시될 수 있다.
본 발명의 일 실시형태에서, 상기 서버는 각각의 상품 이미지로 표현되는 이미지 하이퍼링크에 대한 클릭 이벤트에 따라, 각각의 이미지 하이퍼링크와 연결되어 있는 상품 정보를 제공할 수 있으며, 예를 들어, 상기 서버는 각각의 상품 이미지로 표현되는 하이퍼링크와 연결되어 있는 각각의 상품 정보(링크 정보)가 삽입된 웹 문서를 참조하여, 해당되는 상품 정보를, 구매자의 단말 상에 표시해줄 수 있다. 즉, 상기 서버는, 해당되는 매입처의 상품 리스트 상에서, 각각의 상품 이미지로 표현되는 이미지 하이퍼링크에서 발생된 클릭 이벤트(onclick 또는 mouseover)에 따라 각각의 이미지 하이퍼링크와 연결된 해당 상품 정보가 구매자의 단말 상에 표시되도록 할 수 있다.
후술하는 바와 같이, 본 발명의 일 실시형태에서, 각각의 매입처의 상품 리스트에 포함된 상품은, 서버에 등록되어 있는 상품 정보의 유형에 따라, 상세 정보가 등록되어 있는 제1 군의 상품과, 상세 정보가 아닌 간략 정보만이 등록되어 있는 제2 군의 상품으로 분류될 수 있다. 이하에서는 제1, 제2 군의 상품에 대해 보다 구체적으로 설명하기로 한다.
도 7을 참조하면, 본 발명의 일 실시형태에서, 상거래 구역의 거리뷰 상에서 매입처의 위치 정보와 매칭시켜 정보가 제공되는 상품은, 서버에 등록된 정보의 유형이 서로 다른 제1, 제2 군의 상품을 포함할 수 있다. 상기 제1 군의 상품 정보로서, 상기 서버에는 제1 군의 상품에 대한 상세 정보가 저장되어 있을 수 있으며, 상기 제2 군의 상품 정보로서, 상기 서버에는 제2 군의 상품에 대한 상세 정보가 아닌, 제2 군의 상품에 대한 간략 정보만이 저장되어 있을 수 있다.
본 발명의 일 실시형태에서, 상기 서버(서버의 데이터 베이스)에는 서로 다른 다수의 매입처로부터 등록된 다수의 상품 정보들이 저장되어 있을 수 있으며, 상기 상품 정보로는 상세 정보를 포함하는 제1 군의 상품 정보와 상품의 상세 정보가 아닌 간략 정보만을 포함하는 제2 군의 상품 정보를 포함할 수 있다.
본 명세서를 통하여, 제1 군의 상품이란, 서버가 중계하는 상거래 상품 중에서 상세 정보가 서버에 등록되어 있으며, 상세 정보가 표시되거나 또는 적어도 버튼 타입이나 책갈피 타입과 같은 상품의 상세 정보에 관한 링크가 표시된 웹을 통하여 구매 요청이 이루어질 수 있는 상품을 의미할 수 있으며, 상기와 같이 상세 정보와 연관된 웹 상에는 구매 요청으로서의 클릭 이벤트에 따라 구매 절차와 연결되는 구매 버튼이 제공될 수 있다.
본 발명의 일 실시형태에서, 상기 제1 군의 상품은, 매입처의 위치 정보와 무관하게, 예를 들어, 매입처의 위치가 표시된 거리뷰를 통하지 않고, 상품 자체의 정보로부터 상품 선택이 개시되는 제1 선택 경로에 의하거나(도 6 참조) 또는 이와 달리, 매입처의 위치 정보(예를 들어, 매입처의 위치가 표시된 거리뷰)로부터 상품 선택이 개시되는 제2 선택 경로에 의하여, 상품 선택이 이루어질 수 있다(도 7 참조). 여기서, 제1, 제2 선택은 선택의 우선순위를 의미하지 않으며, 상품 선택이 매입처의 위치와 무관하게 상품 자체의 정보로부터 개시되거나(제1 선택, 도 6 참조) 또는 매입처의 위치 정보(예를 들어, 매입처의 위치가 표시된 거리뷰)로부터 개시되는(제2 선택, 도 7 참조) 선택 경로 상의 차이가 있을 수 있으며, 제1 군의 상품은 제1, 제2 선택이라는 두 가지의 선택 경로를 따라 선택된 후에 구매가 이루어질 수 있다.
본 발명의 일 실시형태에서, 상품의 선택은, 매입처의 위치 정보에 근거하지 않은 상품 자체의 정보로부터 개시되는 제1 선택 및 매입처의 위치 정보로부터 개시되는 제2 선택이라는 두 가지의 서로 다른 선택 경로를 따라 이루어질 수 있으며, 제1 선택 경로 및 제2 선택 경로에 대해서는 후에 보다 구체적으로 설명하기로 한다.
본 명세서를 통하여, 제2 상품이란, 서버가 중계하는 상거래 상품 중에서 상품의 상세 정보가 아닌 간략 정보만이 서버에 등록되어 있으며, 상품의 간략 정보가 표시되거나 또는 버튼 타입이나 책갈피 타입과 같은 상품의 간략 정보에 관한 링크가 표시된 웹을 통하여 구매 요청이 이루어질 수 있는 상품을 의미할 수 있으며, 상기와 같이 상품의 간략 정보와 연관된 웹 상에는 사용자의 구매 요청으로서 클릭 이벤트에 따라 구매 절차가 개시될 수 있는 구매 버튼이 제공될 수 있다. 본 발명의 일 실시형태에서, 상기 제2 상품은, 매입처의 위치 정보(예를 들어, 매입처의 위치가 표시된 거리뷰)에 근거하지 않은 상품 자체의 정보로부터 상품 선택이 개시되는 제1 선택 경로(도 6 참조)에 의하지 않고, 매입처의 위치 정보로부터 상품 선택이 개시되는 제2 선택 경로(도 7 참조)에 의해 선택된 후에 구매가 이루어질 수 있다.
도 6을 참조하면, 본 발명의 일 실시형태에서, 서버에 접속된 구매자의 단말 상에 표시되는 웹 상에는 매입처의 위치 정보와 무관하게 상품 정보가 배열될 수 있으며, 예를 들어, 구매자의 질의 문자(검색어)에 따라 서버(서버의 데이터 베이스)로부터 검색된 다수의 상품 정보가 행 및/또는 열을 따라 분할된 셀을 갖는 테이블 형식(또는 리스트 형식) 또는 하나의 윈도에 분할된 다수의 프레임을 갖는 프레임 세트의 형식으로 배열될 수 있으며, 각각의 분할된 셀 또는 프레임은 클릭 이벤트에 따라 해당되는 상품의 상세 정보를 포함하는 새로운 웹으로 링크될 수 있다. 예를 들어, 본 발명의 일 실시형태에서, 서버에 접속한 구매자의 단말 상에는 서버로부터 수신된 웹 문서가 제공하는 웹이 구현될 수 있으며, 상기 웹 상으로 구현되는 폼(FORM)과 서버 측의 CGI(common Gateway Interface)을 통하여 입수된 구매자의 검색어에 응답하여 제공되는 상품 중에서 구매자로부터 선택된 상품에 대한 구매 요청이 이루어지는 경우와 같이, 매입처의 위치 정보에 근거하지 않고 상품의 구매 요청이 이루어지는 경우가 있을 수 있으며, 이러한 경우를 매입처의 위치에 무관하게 상품 자체의 정보로부터 상품 선택이 개시되는 제1 선택 경로라고 칭할 수 있다. 이와 같이, 본 발명의 일 실시형태에서는 매입처의 위치 정보와 무관하게, 상품 자체의 정보로부터 개시되는 제1 선택 경로 상에서, 매입처의 위치 정보, 그러니까, 매입처의 위치가 표시된 거리뷰는 제공되지 않을 수 있고, 상품의 선택은 매입처의 위치 정보와 무관하게 상품 자체의 정보로부터 개시될 수 있다.
상기 제1 군의 상품은, 상품 자체의 정보로부터 개시되는 제1 선택 경로(도 6 참조)를 따라 선택될 수 있고, 이와 달리, 매입처의 위치 정보로부터 개시되는 제2 선택 경로(도 7 참조)를 따라 선택될 수도 있다. 예를 들어, 상기 제1 상품은 매입처의 위치가 표시된 거리뷰 상에서 매입처의 상품 리스트와 연결되는 하이퍼링크를 통하여 상품의 상세 정보를 확인하는 제2 선택 경로를 따라 선택될 수도 있다. 이때, 상기 서버에는 제1 군의 상품의 상세 정보가 저장되어 있을 수 있고, 상기 제1 군의 상품의 상세 정보는 제1, 제2 선택 경로(도 6 및 도 7 참조)에서 동일한 콘텐츠로 제공될 수 있다. 예를 들어, 제1 선택 경로를 따라 구매자의 질의 문자(검색어)에 따라 검색된 일군의 상품 리스트에는 각각의 상품에 대한 상세 정보로 안내하는 링크 정보가 연결되어 있을 수 있고(도 6 참조), 제2 선택 경로를 따라 각각의 매입처 위치와 링크된 상품 리스트에도 각각의 상품에 대한 상세 정보로 안내하는 링크 정보가 연결될 수 있으며(도 7 참조), 제1, 제2 선택 경로를 통하여 입수되는 상품의 상세 정보는 동일한 콘텐츠(동일한 콘텐츠- 또는 이의 링크 정보가 삽입된 웹 문서)와 연결되어 있을 수 있으며, 제1, 제2 선택 경로(도 6, 도 7 참조)와 무관하게 동일한 상품의 상세 정보가 제공될 수 있다.
상기 제2 군의 상품은, 상품 자체의 정보로부터 개시되는 제1 선택 경로(도 6 참조)를 따라서는 선택될 수 없고, 매입처의 위치 정보(예를 들어, 매입처의 위치가 표시된 거리뷰)로부터 개시되는 제2 선택 경로(도 7 참조)를 따라 선택될 수 있다. 예를 들어, 상기 제2 상품은 매입처의 위치가 표시된 거리뷰 상에서 매입처의 상품 리스트와 연결되는 하이퍼링크를 통하여 상품의 간략 정보를 확인하는 제2 선택 경로(도 7 참조)를 따라 선택될 수 있다. 이때, 상기 서버에는 제2 군의 상품의 상세 정보가 아닌, 제2 군의 상품의 간략 정보가 저장되어 있을 수 있고, 상기 제2 군의 상품의 간략 정보는 거리뷰 상에 표시된 매입처의 이미지 하이퍼링크를 통하여 해당 매입처의 상품 리스트가 출력된 후에, 상품 리스트 중에 표시된 개별 상품의 이미지 하이퍼링크를 통하여 구매자의 단말 상에 표시될 수 있으며, 예를 들어, 상기 간략 정보로는, 해당 상품의 이미지와 함께 가격 정보나 매입처의 전화번호와 같은, 구매를 위한 필수 정보가 제공될 수 있다(도 7 참조).
본 발명의 일 실시형태에서는, 상기 서버는 매입처로부터 등록된 상품의 상세 정보를 웹 상에 표시하여 해당 상품의 상거래를 중계할 수 있다. 이때, 상기 매입처로서는 해당 상품에 대한 이미지를 포함하여 상품의 제조처, 상품의 소재와 같은 상세 정보를 서버에 등록하기 위한 번거로움이 있을 수 있으며, 또한, 새로운 상품의 등록시 해당 상품에 대한 구매자의 선호도를 파악하기 어려운 점과 상기와 같은 새로운 상품 등록의 번거로움 때문에, 새로운 상품의 등록을 주저할 수 있다. 본 발명의 일 실시형태에서는, 제1 군의 상품에 대한 중계와는 달리, 제2 군의 상품은 상품 이미지와 함께 간략 정보, 예를 들어, 구매를 위한 필수 정보만을 등록시키면 되고, 또한, 자신의 매입처에 할당된 전용의 웹 내지는 웹 문서의 수정을 통하여 새로운 상품을 간단하게 등록시킬 수 있으며(서버에 로그인한 계정의 타입에 따라 수정 권한이 부여됨, 도 8 참조), 서버에 제1 군의 상품으로 등록하기 이전에, 구매자의 선호도를 가늠해볼 수 있다는 점에서, 예를 들어, 매입처로서는 거리뷰로부터 개시되는 제2 선택 경로(도 7 참조)를 통하여 상품의 판매가 증가할 경우, 제1 군의 상품으로 상품의 상세 정보와 함께 서버에 등록하여(제1 선택 경로, 도 6 참조), 상품의 거래를 촉진할 수도 있는 등, 제1 군의 상품으로 상품의 상세 정보와 함께 등록하기 이전에(제1 선택 경로, 도 6 참조), 상품의 간략 정보만으로 거리뷰와 같은 제2 선택 경로(제2 선택 경로, 도 7 참조)를 통하여 상품의 판매를 개시할 수 있다. 또한, 서버의 웹 상에서 상품의 상세 정보와 함께 등록되어 있는 제1 군의 상품의 경우에는 유연한 가격 정책 보다는 보다 보수적인 가격 정책을 유지할 수 있고, 가격의 변동은 서버의 운영자의 신뢰도에 영향을 줄 수도 있지만, 거리뷰 상에서 매입처의 이미지 하이퍼링크를 통하여 제공되는 제2 군의 상품의 경우에는 구매에 필수적인 간략 정보만이 제공되며, 매입처 자신이 관리하는 웹 또는 웹 문서를 통하여 수시로 변동될 수 있는 보다 유연한 가격 정책이 가능하며, 제1 군의 상품으로 서버에 등록하기 전에, 판매량을 고려하여 제2 군의 상품에 대한 적정의 가격을 가늠해볼 수도 있다.
본 발명의 일 실시형태에서는, 제1, 제2 군의 상품의 분류는, 제1 군의 상품으로 등록 이전에, 제2 군의 상품으로의 등록을 유도함으로써, 결과적으로, 제1 군의 상품으로의 등록을 유도할 수 있기 때문에, 서버의 운영자 측으로서도 등록시의 번거로움에도 불구하고 상품의 등록을 촉진시킬 수 있다.
도 8을 참조하면, 거리뷰 상에 표시된 매입처 이미지의 하이퍼링크를 통하여 연결된 상품 리스트(링크 정보)가 삽입된 웹 문서는 각각의 매입처 마다 개별적으로 할당될 수 있으며, 매입처로서는 자신에게 할당된 웹 문서의 편집을 통하여 상품 이미지(이미지 하이퍼링크)의 배열 방식이나 새로운 상품 이미지의 추가, 오래되거나 또는 매출이 저조한 상품 이미지의 삭제와 같은 수정이 보다 자유롭게 이루어질 수 있다.
본 발명의 일 실시형태에서는 서버에 접속한 구매자의 단말로 수신된 웹 문서의 폼(FORM)과 서버 측의 CGI(common Gateway Interface)를 통하여 회원 등록, 회원 로그인 등과 같은 인증이 이루어질 수 있으며, 여기서, 회원으로서는 서버가 상거래를 중계하는 양편의 매입처 회원과 구매자 회원을 모두 포괄할 수 있다. 예를 들어, 매입처 회원으로 인증된 회원은, 매입처 회원 마다 할당된 전용의 웹 또는 웹 문서를 통하여 자신의 상품을 보다 유연하게 웹 상에 진열할 수 있으며, 제1, 제2 군의 상품을 상품의 정보와 함께, 서버에 등록, 갱신할 수 있다.
도 9를 참조하면, 매입처의 위치 정보로부터 상품 선택이 개시되는 제2 선택 경로의 다른 실시형태로서, 서버가 상거래를 중계하는 상거래 구역의 전체뷰와 함께, 테마 상품별 매입처를 구매자의 단말 상에 표시해줄 수 있으며, 예를 들어, 구매자의 요청에 따라 택일적으로 선택된 제1 테마 상품을 취급하는 일군의 매입처를 일괄적으로 표시해줄 수 있으며, 예를 들어, 상거래 구역의 전체뷰 상에 제1 테마 상품을 취급하는 일군의 매입처를 일괄적으로 표시해줄 수 있다. 또한, 상기 서버는 구매자의 요청에 따라 택일적으로 선택된 제2 테마 상품을 취급하는 또 다른 일군의 매입처를 상거래 구역의 전체뷰 상에 일괄적으로 표시해줄 수 있다.
예를 들어, 상기 서버는 윈도를 분할하여 상부 프레임에는 상거래 구역의 전체뷰를 제공하면서 하단 프레임에는 각종의 테마를 선택 가능한 라디오 버튼으로 표시한 웹을, 구매자의 단말 상에 표시해줄 수 있다. 이때, 라디어 버튼으로 택일적으로 선택 가능하게 표시된 서로 다른 테마 상품, 예를 들어, 제1 테마 상품, 제2 테마 상품 중 택일적인 선택에 따라, 상기 서버는 선택된 제1 테마 상품을 취급하는 일군의 매입처를 상부 프레임 상의 전체뷰와 중첩되게 표시해줄 수 있다.
예를 들어, 본 발명의 일 실시형태에에서, 상기 서버는, 서버에 저장된 웹 문서를 참조하여, 원도를 분할하는 상부 프레임에는 상거래 구역에 대한 전체뷰를 제공하는 이미지와 같은 멀티 미디어 콘텐츠를 실행할 수 있으며, 하부 프레임에는 서로 다른 테마 상품에 대한 선택 가능한 라디오 버튼을 표시해줄 수 있으며, 상기 웹 문서에는 서로 다른 테마 상품에 대한 각각의 라디오 버튼과 연결되는 링크 정보가 삽입되어 있을 수 있다.
라디오 버튼의 선택 입력에 따라 상기 서버는 z-index와 같은 우선순위에 따라 하위 레이어로서 전체뷰를 제공하는 이미지와 같은 멀티 미디어 콘텐츠를 실행할 수 있으며, 상위 레이어로서 선택된 라디오 버튼과 링크된 웹 문서를 구현하여 해당되는 테마 상품을 취급하는 매입처 위치를 표시해주는 웹 요소(도트 표시와 같은 이미지 하이퍼링크)를 포함하는 상위 레이어를 하위 레이어의 전체뷰 상에 겹쳐지도록 배열하고, 상위 레이어의 이미지 하이퍼링크에서 발생되는 클릭 이벤트에 따라 전체뷰에 표시된 매입처의 위치 상에 해당되는 매입처의 상품(또는 테마 상품)을 전체뷰가 표시된 탭(윈도) 상에 겹쳐지게 표시해주거나 또는 새로운 탭(윈도) 상에 표시해줄 수 있다. 예를 들어, 본 발명의 일 실시형태에서, 상기 서버에는 각각의 테마 상품 별로 각 테마 상품을 취급하는 일군의 매입처의 위치가 도트와 같은 이미지 하이퍼링크로 표시된 웹을 구현하기 위한 각각의 웹 문서가 저장되어 있을 수 있다. 그리고, 각각의 매입처 위치를 나타내는 이미지 하이퍼링크의 클릭 이벤트에 따라 각각의 매입처의 상품 리스트, 그러니까, 거리뷰에 표시된 매입처의 이미지 하이퍼링크를 클릭하여 제공되는 상품 리스트가 동일하게 출력되거나 또는 각각의 매입처의 상품 중에서 선택된 테마 상품만을 이미지 하이퍼링크의 형태로 배열한 테마 상품 리스트가 출력될 수도 있다.
<소형 패션 아이템에 대한 모방 방지를 위한 비공개 설정>
이하에서는 도 10 내지 도 15c를 참조하여, 소형 패션 아이템에 대한 모방 방지를 위한 비공개 설정에 대해 설명하기로 한다.
도 10에는 비공개로 설정된 상품의 상거래 중계를 위하여 구현된 웹의 일 실시형태를 보여주는 도면이 도시되어 있다.
도 11에는 비공개로 설정된 상품의 공개를 위한 매입처와 구매자 간의 일대일 관계를 설명하기 위한 도면이 도시되어 있다.
도 12a 내지 도 12c에는 귀걸이와 같은 액서서리류에서, 외형적인 특성에 따라 분류될 수 있는 서로 다른 클래스를 예시적으로 보여주는 도면들이 도시되어 있다.
도 13에는 비공개 상품의 외형이 갖는 특성으로서 다수의 속성들과 클래스 레이블 간의 상관관계를 분석하는 회귀 알고리즘을 구현하는 인공지능의 신경망 모델을 설명하기 위한 도면이 도시되어 있다.
도 14에는 비공개 상품의 상품 이미지 자체를 입력으로 하여, 비공개 상품이 속할 확률을 예측하는 합성곱 신경망 모델을 설명하기 위한 도면이 도시되어 있다.
도 15a 내지 도 15c에는 합성곱 신경망 모델에 포함된 필터의 예시들로서, 동일한 상품 카테고리에 속하는 각각의 클래스의 외형 특징을 추출할 수 있는 특성 맵을 생성하도록, 각각의 클래스의 외형 특징을 따라 높은 값의 가중치를 갖는 필터들을 예시적으로 보여주는 도면들이 도시되어 있다.
도 10을 참조하면, 본 발명의 일 실시형태에 의하면, 상기 서버는, 상품의 이미지 자체는 공개하지 않도록 비공개로 설정하고, 상품의 이미지 대신에, 유사한 이미지를 공개하여 해당 상품의 대강의 이미지를 파악할 수 있도록 하는 비공개 설정 상품에 대한 상거래를 중계할 수 있다. 예를 들어, 상기 서버는, 비공개 상품에 대해, 해당 상품의 매입처(매입처 회원)과 구매자 간의 일대일 관계(도 11 참조)에 근거하여, 일반 회원을 대상으로는 상품 이미지 자체를 공개하지 않고 유사한 이미지를 공개하며, 매입처(매입처 회원)와 구매자 간의 일대일 관계(도 11 참조)에서 상대적으로 높은 등급이 설정된 구매자, 예를 들어, 매입처와의 신뢰도가 축적되어 상품 복제의 우려가 상대적으로 적은 구매자를 대상으로는 상품 자체의 이미지를 공개할 수 있다.
도 11을 참조하면, 본 발명의 일 실시형태에서는, 해당 상품의 매입처(매입처 회원)와 구매자 간의 일대일 관계에 따라, 해당 상품의 이미지를 공개함으로써, 상품의 복제, 특히 외형 자체로서 상품의 구매 가치가 결정될 수 있는 패션 아이템 또는 신속한 복제가 이루어질 수 있는 액서서리류와 같은 소형 패션 아이템에서, 상품의 복제가 차단될 수 있으며, 매입처로서는 복제 상품으로 인한 경쟁 관계의 출현과 이로 인한 매출의 감소를 막을 수 있다.
본 발명의 일 실시형태에서, 비공개 상품에 대한 공개를 위한 전제조건으로서, 매입처와 구매자 간의 일대일 관계란, 회원 가입이나 회원 인증과 같은 객관적인 데이터에 근거하지 않고, 매입처와 구매자 사이에서 쌍방의 동의에 의해 설정된 상대적인 관계를 의미하는 것이며, 예를 들어, 객관적인 데이터의 입력과 입력된 데이터에 대한 서버 측으로부터 인증에 의하지 않고, 매입처와 구매자 간의 동의에 근거하여 서버에 저장되어 있는 매입처와 구매자 간의 일대일 관계를 의미할 수 있다. 예를 들어, 상기 일대일 관계란, 매입처와 구매자 간의 친소 관계에 따라, 일촌, 이웃, 친구와 같은 상이한 표현으로 웹 상에 표시될 수 있으나, 이들의 일대일 관계는 친소 관계에 따라 등급이 부여될 수 있으며, 예를 들어, 이러한 일대일 관계의 등급이란 특정된 매입처와 특정된 구매자 간의 쌍방의 동의에 의하여 서버에 등록될 수 있으며, 이와 같은 일대일 관계의 등급은 특정된 매입처(매입처 회원)과 특정된 구매자(구매자 회원) 간의 일대일 관계에서 설정된 것이고, 예를 들어, 서버에 등록되어 있는 우수 회원과 같은 특정 회원 자체에 대해 객관적으로 설정되어 있는, 그러니까, 해당 회원의 구매 데이터와 같은 객관적인 데이터에 근거하여 설정되는 등급과는 다른 것이다. 본 발명의 일 실시형태에서, 비공개 상품에 대한 공개 여부는, 서버 측에 가입된 회원 여부 또는 회원의 인증 여부와는 다른 것이며, 본 발명에서는 해당 상품의 매입처와의 일대일 관계에 따라 일반 회원 구매자를 상대로는 비공개 상품의 이미지를 공개하지 않으며, 해당 상품의 매입처와의 일대일 관계가 높은 등급으로 설정된 회원에 대해서만 비공개 상품의 이미지를 공개할 수 있다.
본 발명의 일 실시형태에서, 비공개 상품을 등록한 매입처로서는 외형 공개를 통하여 해당 상품이 신속하게 복제되어 해당 상품과의 경쟁 관계가 형성되는 것을 차단할 수는 있으나, 상품 이미지의 공개가 제한적인 인적 범위 내에서 이루어짐으로써 해당 상품의 매출이 제한될 수 있다. 이에 따라, 본 발명의 일 실시형태에서는, 비공개로 설정된 상품이라도, 일반 회원을 대상으로 유사한 이미지와 함께, 해당 상품의 매입처와의 일대일 관계에 따라 공개 여부가 결정된다는 취지의 공지를 웹 상에 더불어 표시해줄 수 있으며, 비공개 상품의 이미지를 확인할 수 없는 일반 회원이더라도, 추후 해당 상품의 매입처와의 일대일 접촉을 통하여 비공개 상품의 구매 및 소매 시장에서 상품 복제에 의한 경쟁 관계에서 벗어나 독과점과 같은 유리한 시장을 형성할 수 있다. 예를 들어, 본 발명의 일 실시형태에서, 상기 서버는 도매상으로 분류되는 매입처와 소매상으로 분류되는 구매자 간의 상품 거래를 중계할 수 있으며, 본 명세서를 통하여 구매자란 개인 회원이라기 보다는 소매상에 해당되는 사업자 회원일 수 있으므로, 비공개 상품을 통하여 시장성이 우수한 상품을 취급하기 위한 목적으로, 비공개 상품의 매입처와의 일대일 접촉 등을 통하여 비공개 상품의 구매를 추진할 수 있으므로, 본 발명에서는 비공개로 설정된 상품에 대해서도, 유사한 이미지의 공개를 통하여 상품의 대강을 파악할 수 있도록 하고, 상품의 매입처와의 일대일 접촉을 유도할 수 있다.
본 발명의 일 실시형태에서, 비공개 상품에 대해, 일반 회원을 대상으로 공개될 수 있는 유사 이미지로서는 동일한 상품 카테고리 내에서 분류된 서로 다른 클래스에 속할 확률을 산출하고, 해당 상품과 같은 클래스에 속할 확률이 상대적으로 높은 같은 클래스의 전형적인 이미지와 함께, 산출된 확률을 함께 공개할 수 있다. 본 발명의 일 실시형태에서는 해당 상품이 속하는 상품 카테고리 내에서 상품의 외형에 따라 클래스를 분류하고, 분류된 클래스에 속할 확률을 산출하여, 상대적으로 높은 확률의 클래스 내지는 해당되는 클래스의 전형적인 이미지를 공개할 수 있다.
본 발명의 일 실시형태에서, 상품 이미지 자체는 비공개로 설정하고, 유사 이미지를 공개하는 비공개 상품으로는, 상품의 외형으로 구매 가치가 결정될 수 있는 패션 아이탬 이면서, 비교적 단기간 내에 복제 가능한 액서서리류와 같은 소형 패션 아이템에 해당될 수 있고, 또한, 동일한 상품 카테고리에 속하는 다수의 상품들이 몇가지의 외형적인 특징(속성)을 공유하는 클래스로 분류 가능한 패션 아이템에 해당될 수 있다. 예를 들어, 귀걸이와 같은 액서서리류에서는, 부착 위치(귀)에 달라붙는 형태의 스터드(stud) 또는 버튼(button) 타입의 귀걸이(도 12a)와, 부착 위치(귀)로부터 아래로 매달려 흔들리도록 일 라인 형태로 길게 늘어지는 드롭(drop) 또는 댕글(dangle) 타입의 귀걸이(도 12b)와, 부착 위치(귀)로부터 아래로 매달려 흔들리도록 원형, 삼각형 등과 같은 폐루프 형태로 길게 늘어지는 링(ring) 또는 후프(hoop) 타입의 귀걸이(도 12c)로 분류될 수 있다.
본 발명의 일 실시형태에서는 수학적 모델 내지는 인공지능의 신경망 모델을 이용하여, 비공개로 설정된 상품이 동일한 카테고리 내에서 분류된 다수의 클래스에 속할 확률을 산출하고, 예를 들어, 상대적으로 높은 확률로 분류된 클래스의 전형적인 이미지를, 해당되는 비공개 상품과 유사한 이미지로 웹 상에 표시해줄 수 있다. 이때, 동일한 상품 카테고리에 속하는 다수의 클래스로서, 스터드(stud) 또는 버튼(button) 타입의 귀걸이(도 12a), 드롭(drop) 또는 댕글(dangle) 타입의 귀걸이(도 12b), 링(ring) 또는 후프(hoop) 타입의 귀걸이(도 12c)는, 클래스 0, 클래스 1, 클래스 2와 같이 정수로 인코딩되거나 또는 원-핫 인코딩(one-hot encoding)을 통하여 수학적 모델 내지는 인공지능의 신경망 모델에 인코딩될 수 있다.
본 발명의 일 실시형태에서는, 상기 서버는 동일한 상품 카테고리에 속하는 상품의 외형이 갖는 특성으로서 다수의 속성(길이, 폭과 같은 수치적인 형상 인자)을 입력(입력 벡터)으로 하거나(회귀 알고리즘, 도 13 참조) 또는 상품 이미지 자체를 입력으로 하고, 클래스 레이블을 예측(합성곱 신경망, 도 14 참조)할 수 있는 수학적 모델 내지는 인공지능의 신경망 모델을 포함하여, 비공개 상품이 동일한 상품 카테고리 내에서 분류된 각각의 클래스에 속할 확률을 산출할 수 있다.
도 13을 참조하면, 본 발명의 일 실시형태에서는 비공개 상품의 외형이 갖는 특성으로서 다수의 속성(길이, 폭과 같은 수치적인 형상 인자)들과 클래스 레이블(예를 들어, 각각 서로 다른 타입의 귀걸이) 간의 상관관계를 분석하는 회귀 알고리즘을 이용할 수 있으며, 이러한 회귀 알고리즘은 인공지능의 신경망 모델로 구현될 수 있다. 예를 들어, 상기 회귀 알고리즘에서는 상품의 외형이 갖는 다수의 속성(x)의 선형 조합으로부터 해당 상품이 각각의 클래스에 속할 확률을 예측할 수 있으며, 예를 들어, 상기 다수의 속성(x)의 선형 조합에서 각각의 속성에 부가되는 가중치(w)의 값은 신경망 모델의 학습을 통하여 산출될 수 있다. 본 발명의 일 실시형태에서, 상기 다수의 속성(x)의 선형 조합이란, 각각의 속성들과, 각각의 속성들의 조합을 포함할 수 있으며, 예를 들어, 각각의 속성들 자신의 곱과 임의로 선택된 둘 이상 다수의 속성들의 곱을 포함할 수 있다.
보다 구체적으로, 상기 인공지능의 신경망 모델은, 동일한 상품 카테고리에 속하는 상품의 외형이 갖는 다수의 속성(길이, 폭과 같은 수치적인 형상 인자)이 어레이 형태로 배열된 입력 벡터(x)와, 학습된 가중치 벡터(w, 또는 학습된 가중치 행렬)의 선형 결합에 활성화 함수, 예를 들어, 이진 분류에서의 시그모이드(sigmoid) 함수 또는 다중 분류에서의 소프트 맥스(softmax) 함수와 같은 활성화 함수를 적용한 출력으로서 각각의 클래스에 속할 확률을 각각의 열 위치 마다 표시해주는 원-핫 벡터 형태의 1차원 배열로 출력해줄 수 있다.
도 13을 참조하면, 본 발명의 일 실시형태에서, 비공개 상품이 속할 확률이 높은 클래스를 산출하기 위한 인공지능의 신경망 모델로는, 상품의 외형이 갖는 다수의 속성(길이, 폭과 같은 수치적인 형상 인자)이 어레이 형태로 배열된 입력 벡터(x)와 학습된 가중치 벡터(w, 또는 학습된 가중치 행렬)의 선형 결합 또는 이들의 선형 결합에 적용되는 활성화 함수를 포함하는 뉴런을 단일층 형태로 포함하는 단일층 신경망 모델이 적용되거나 또는 상기 입력 벡터가 입력되는 입력층(x), 상기 입력층(x)과 완전 연결되어 있는 은닉층(z), 상기 은닉층(z)과 완전 연결되어 있는 출력층(y)과 같은 다층의 뉴런을 포함하는 심층 신경망 모델이 적용될 수 있다. 본 발명의 일 실시형태에서, 상기 학습된 가중치 벡터(또는 학습된 가중치 행렬)는, 사전에 준비된 학습 데이터 세트로서, 동일한 상품 카테고리 내에서 분류된 클래스 중에서 클래스 레이블이 타켓으로 주어진 상품의 속성(길이, 폭과 같은 수치적인 형상 인자)을 입력 벡터(x)로 하는 신경망 모델의 출력으로서의 예측 클래스 레이블과 주어진 타켓 레이블 사이의 오차 내지는 비용 함수를 최소화하기 위한 편도 함수를 계산해주는 역전파알고리즘을 적용하여 가중치 벡터(w, 또는 가중치 행렬)를 1에포크(epoch) 마다 갱신할 수 있으며, 예를 들어, 본 발명의 일 실시형태에서는 하나의 학습 데이터 마다 갱신(확률적 경사 하강법, stochastic gradient desent)하거나 또는 여러 개의 학습 데이터 마다 갱신(미니 배치 경사 하강법, minibatch gradient descent)하는 방식으로 학습된 가중치 벡터(w, 또는 가중치 행렬)을 얻을 수 있다.
본 발명의 일 실시형태에서, 비공개 상품이 속할 확률이 높은 클래스를 산출하기 위한 인공지능의 신경망 모델로는, 상품의 외형이 갖는 다수의 속성(길이, 폭과 같은 수치적인 형상 인자)과 각각의 클래스에 속할 확률 간의 상관관계를 분석하는 회귀 알고리즘 대신에, 상품 이미지 자체로 입력되는 합성곱 신경망 모델이 적용될 수 있다.
도 14를 참조하면, 상기 합성곱 신경망 모델은, 다수의 필터를 포함하는 합성곱층과, 합성곱층으로부터 산출된 특성 맵의 크기를 줄이기 위한 풀링층(최대 풀링 max pooling, 평균 풀링 average pooling)을 교대로 포함할 수 있으며, 최종적으로 행열 형태의 2차원과 깊이 차원을 갖는 3차원의 특성 맵을 1차원 형태로 펼치는 플래트닝(flattening)과 상기 플래트닝된 1차원 특성 백터와 완전 연결되어 있는 출력층을 포괄하는 밀집층을 통하여, 각각의 클래스에 속할 확률이 원 핫 벡터의 형태로 출력될 수 있다.
예를 들어, 상기 합성곱층은 다수의 필터를 포함할 수 있으며, 비공개 상품의 이미지 데이터로서 R,G,B 이미지 데이터(이미지 데이터의 각 요소로서 픽셀 값) 상에 다수의 필터(필터의 각 요소로서 가중치 w)가 합성곱(convolusion) 되어, 행열의 2차원 크기는 줄어들면서 깊이 차원이 증가한 형태의 특성 맵이 생성될 수 있으며, 비공개 상품의 이미지 데이터의 주변을 따라 0으로 패딩하는 세임 패딩(same padding)을 적용하는 방식으로, 각각의 행열 위치에 따른 픽셀 값의 정보가 위치에 따라 편중되지 않도록 할 수 있고, 이 경우 특성 맵의 행열 크기를 유지할 수도 있으며, 이와 달리, 비공개 상품의 이미지 데이터 자체로 특성 맵을 생성하는 밸리드 패딩(valid padding)을 적용할 수도 있으며, 이 경우, 특성 맵의 행열 크기가 줄어들 수 있다.
예를 들어, 상기 합성곱층에서는 비공개 상품의 2차원 이미지 데이터 상에서 사전에 설정된 스트라이드(stride)에 해당되는 픽셀의 개수만큼 필터를 이동시키면서 서로 대응되는 행과 열의 위치의 픽셀 값과 필터의 가중치의 선형 조합을 산출하여 특성 맵을 생성할 수 있으며, 예를 들어, 비공개 상품의 이미지 데이터의 픽셀 값과 필터의 가중치(w)의 선형 조합에 활성화 함수(렐루 함수, ReLu)를 적용하는 방식으로 특성 맵을 생성할 수 있다. 본 발명의 일 실시형태에서, 상기 합성곱층에서는 3x3 크기 또는 5x5 크기를 갖는 필터가 적용될 수 있다.
상기 풀링층은 합성곱층으로부터 생성된 특성 맵의 크기를 줄이기 위하여, 최대 풀링(max pooling)이나 평균 풀링(average pooling)이 적용될 수 있으며, 합성곱층의 스트라이드(stride)를 늘리기 보다는 풀링층을 적용함으로써, 특성 맵의 크기를 줄이면서도 더 나은 성능을 발휘할 수 있다. 상기 밀집층은 행열의 2차원과 깊이 차원을 갖는 3차원의 특성 맵을 1차원 특성 벡터로 플래트닝(flattening)하고, 1차원 특성 벡터를 형성하는 다수의 요소들에 대한 선형 조합 내지는 선형 조합에 활성화 함수를 적용함으로써, 비공개 상품과 같은 상품 카테고리 내에서 분류된 각각의 클래스에 속할 확률을 산출할 수 있으며, 예를 들어, 각각의 클래스에 속할 확률이 서로 다른 열 위치(인덱스 위치)로 표시되는 원-핫 벡터의 형태의 1차원 배열을 얻을 수 있다.
본 발명의 일 실시형태에서, 합성곱층에서 적용되는 필터의 가중치(w)는, 다수의 학습 데이터를 포함하는 학습 데이터 세트와 각각의 학습 데이터 마다 주어지는 타켓 클래스 레이블을 이용하여 학습될 수 있으며, 예를 들어, 합성곱 신경망 모델로부터 예측되는 예측 클래스 레이블과 주어진 타켓 레이블 사이의 오차 내지는 비용 함수를 최소화하기 위한 편도 함수를 계산해주는 역전파알고리즘을 적용하여 필터의 가중치를 1에포크(epoch) 마다 갱신할 수 있다.
도 15a 내지 도 15c를 참조하면, 상기 합성곱층에서는 다수의 필터가 적용될 수 있으며, 동일한 상품 카테고리에 속하는 각각의 클래스의 외형 특징을 추출할 수 있는 특성 맵을 생성하도록, 각각의 필터는 각각의 클래스의 외형 특징을 따라 높은 값의 가중치를 갖는 다수의 필터가 적용될 수 있다. 예를 들어, 동일한 상품 카테고리에 속하는 다수의 클래스로서, 버튼(button) 타입의 귀걸이(도 12a 참조)를 분류하기 위해서는 버튼 형태를 따라 높은 가중치를 갖는 필터(도 15a 참조)를 적용함으로써, 버튼 타입의 이미지 데이터(입력 값)와의 합성곱을 통하여 해당 영역에서 높은 출력 값을 갖는 특성 맵을 생성할 수 있다(도 15a). 또한, 드롭(drop) 타입의 귀걸이(도 12b 참조)를 분류하기 위해서는 수직 방향을 따라 높은 가중치를 갖는 필터(도 15b 참조)를 적용함으로서, 드롭 타입의 이미지 데이터(입력 값)와의 합성곱을 통하여 해당 영역에서 높은 출력 값을 갖는 특성 맵을 생성할 수 있다(도 15b). 유사하게, 링(ring) 타입의 귀걸이(도 12c)를 분류하기 위해서는 중앙의 중공을 둘러싸는 폐루프를 따라 높은 가중치를 갖는 필터(도 15c)를 적용함으로서, 링 타입의 이미지 데이터(입력 값)와의 합성곱을 통하여 해당 영역에서 높은 출력 값을 갖는 특성 맵을 생성할 수 있다(도 15c). 다만, 본 발명의 일 실시형태에 따라 이미지 분류를 위한 합성곱 신경망은 다수의 합성곱층을 포함할 수 있으며, 다수의 합성곱층에서 적용되는 필터는 비공개 상품의 전체적인 이미지로부터 이미지 일부를 활성화시킬 수 있으며, 입력층에 가까운 합성곱층은 시각적인 정보나 패턴을 인식할 수 있고, 입력층으로부터 출력층으로 가면서 보다 고차원적인 개념을 인식할 수 있기 때문에, 앞서 설명된 바와 같이 각각의 필터 마다 하나의 클래스에 해당되는 외형 특징을 인식하는 것은, 본 발명의 다양한 실시형태 중에서 일 실시형태에 해당될 수 있다.
이와 같이, 본 발명의 일 실시형태에서는 회귀 알고리즘이 구현된 신경망 모델을 이용하거나 또는 합성곱 신경망 모델을 이용하여, 비공개 상품이 각각의 클래스에 속할 확률을 예측할 수 있으며, 정규화된 확률 값으로 0.5 이상의 확률로 예측된 클래스를 비공개 상품이 속하는 클래스로 판단하고, 해당되는 클래스의 전형적인 이미지와 함께 예측 확률을 공개할 수 있다. 예를 들어, 비공개 상품이 드롭 타입의 귀걸이(도 12b 참조)에 해당되는 경우에, 본 발명의 일 실시형태에 따른 회귀 알고리즘이 구현된 신경망 모델 또는 합성곱 신경망 모델은, 해당되는 비공개 상품이 드롭 타입의 클래스(도 12b 참조)에 속할 확률을 거의 1에 가까운 확률로 예측할 수 있으며, 반면에 버튼 타입의 클래스(도 12a 참조)에 속할 확률이나 링 타입의 클래스(도 12c 참조)에 속할 확률은 거의 0에 가까운 확률로 예측할 수 있고, 이에 따라, 상기 서버는 비공개 상품의 이미지 자체는 공개하지 않되, 비공개 상품의 외형에 관한 최소한의 정보로서, 유사 이미지를 제공할 수 있으며, 이때, 상기 비공개 상품에 대한 유사 이미지로는 상대적으로 높은 확률(정규화된 0.5 이상의 확률)로 예측된 클래스에 속하는 전형적인 이미지를 유사 이미지로 공개할 수 있다. 본 발명의 다른 실시형태에서는 정규화된 0.5 이상의 확률이 아닌, 0.3 이상의 확률로 예측된 클래스에 속하는 전형적인 이미지를 상기 비공개된 상품에 대한 유사 이미지로 공개할 수 있다. 만일, 비공개 상품에 대한 유사 이미지로서, 정규화된 0.5 이상의 확률로 예측된 클래스만을 유사 이미지로 공개할 경우, 어느 하나의 유사 이미지만이 공개될 수 있으며, 또한, 정규화된 0.5 이상의 확률로 예측된 클래스가 없는 경우, 예를 들어, 어느 둘 이상 클래스의 속성을 공유하는 상품의 경우에는 각각의 클래스에 속할 확률이 실질적으로 정규화된 0.5 이상으로 산출될 가능성이 적기 때문에, 본 발명의 일 실시형태에서는 비공개로 설정된 상품에 대해, 정규화된 0.3 이상의 확률로 예측된 클래스에 속하는 전형적인 이미지를 유사 이미지로 공개할 수 있다.
예를 들어, 상기 서버에는 각각의 클래스에 속하는 전형적인 이미지를 저장하고 있을 수 있으며, 이러한 전형적인 이미지는 각각의 클래스를 분류하는 외형 특징을 명확하게 갖고 있으므로, 신경망 모델이 각각의 상품의 외형 특징을 명확하게 인식할 수 있도록, 신경망 모델의 학습 데이터로 활용될 수 있다.
<구매자의 선호도 급변에 따른 트랜드 변화 감지>
이하에서는 도 16 및 도 17을 참조하여, 구매자의 선호도의 급변에 따른 트랜드 변화를 감지하는 서버의 일련의 프로세스에 대해 설명하기로 한다.
도 16에는 구매자의 선호도의 급격한 변동에 따른 제1, 제2 군의 지표후보상품의 추출을 보여주는 도면이 도시되어 있다.
도 17에는 일군의 지표후보상품 이미지를 입력으로 하여 트랜드지표상품 이미지를 출력하는 서버의 일련의 프로세스를 보여주는 도면이 도시되어 있다.
도 16 및 도 17을 함께 참조하면, 본 발명의 일 실시형태에서, 상기 서버는 주기적으로 구매자의 선호도를 산출하고, 산출된 구매자의 선호도로부터 구매자의 선호도가 급격하게 변동되는 일군의 상품을 지표후보상품으로 인식하고, 이들 지표후보상품 중에서 공통적인 특징을 갖는 상품을 트랜드지표상품으로 선정하여, 서버 상에 상품을 등록하는 매입처를 대상으로 트랜드지표상품을 공개할 수 있다. 본 발명의 일 실시형태에서는 구매자의 선호도를 좌우하는 경향으로서, 계절 변화나 날씨 변화와 같은 환경 요인이나 질병의 대유행과 같은 생활 트랜드의 변화, 영화, 드라마의 인기에 따른 패션의 유행 등과 같은 구매자의 선호도를 좌우하는 경향을 파악하여, 이러한 변화에 민감하게 대응할 수 있도록 트랜드지표상품을 공개할 수 있다. 본 발명의 일 실시형태에서는, 구매자의 선호도를 좌우하는 경향 자체를 공개하기 보다는 일군의 트랜드지표상품을 공개함으로써, 서버의 오류적인 판단에 따른 매입처의 피해를 예방할 수 있고, 또한, 서버의 과도한 연산 부담을 줄일 수 있다.
본 발명의 일 실시형태에서, 상기 서버는 일 단위 또는 주 단위와 같은 일정한 주기를 두고 구매자의 선호도를 산출할 수 있다. 본 발명의 일 실시형태에서, 구매자의 선호도란, 구매자의 구매가 이루어진 구매 순위를 의미할 수 있으며, 또는 상기 구매 순위와 함께, 구매자의 질의에 기반한 검색 순위를 함께 고려한 종합적인 개별 상품에 대한 구매자의 관심을 수량적으로 파악한 것으로 이해될 수 있다.
상기 서버는 주기적으로 산출되는 구매자의 선호도에 근거하여 현재의 구매자의 선호도와 직전에 산출된 구매자의 선호도 사이의 순위 변동을 산출할 수 있고, 산출된 순위 변동에서 급격한 변화, 예를 들어, 급격한 순위의 상승이나 급격한 순위의 하락을 보이는 일군의 상품을 지표후보상품으로 인식할 수 있다. 본 발명의 일 실시형태에서, 상기 서버는 일군의 지표후보상품 중에서 공통적인 특징을 공유하는 상품을 트랜드지표상품으로 추출할 수 있다.
본 발명의 일 실시형태에서, 상기 서버는 트랜드지표상품의 공통적인 특징 자체를 추출하기 보다는, 트랜드지표상품 자체를 추출할 수 있으며, 이에 따라, 상기 서버로서는 일군의 지표후보상품들 중에서 공통적인 특징을 공유하는 상품들을 추출할 수 있다.
본 발명의 일 실시형태에서는, 패션 아이템에 속하는 상품에 대해서는 상품의 외형 자체로 구매 가치가 결정될 수 있으므로, 일군의 지표후보상품의 외형적인 특징을 분석하여, 이들 지표후보상품들 중에서 외형적인 특징을 공유하는 상품을 추출하여, 트랜드지표상품으로 선정할 수 있다. 예를 들어, 본 발명의 일 실시형태에서, 상기 트랜드지표상품은 상품 카테고리 단위로 선정될 수 있으며, 귀걸이와 같이, 외형 자체로 구매 가치가 결정되는 패션 아이템 이면서 외형적인 특징으로부터 클래스의 분류가 명확할 수 있는 소형 패션 아이템(즉, 액서서리류)에 속하는 상품 카테고리로서, 귀걸이라는 하나의 상품 카테고리에서 트랜드지표상품을 선정할 수 있다.
예를 들어, 귀걸이의 상품 카테고리에서는, 외형적인 특징에 근거하여, 부착 위치(귀)에 달라붙는 형태의 스터드(stud) 또는 버튼(button) 타입의 귀걸이(도 12a 참조)와, 부착 위치(귀)로부터 아래로 매달려 흔들리도록 일 라인 형태로 길게 늘어지는 드롭(drop) 또는 댕글(dangle) 타입의 귀걸이(도 12b 참조)와, 부착 위치(귀)로부터 아래로 매달려 흔들리도록 원형, 삼각형 등과 같은 폐루프 형태로 길게 늘어지는 링(ring) 또는 후프(hoop) 타입의 귀걸이(도 12c 참조)라는 서로 다른 클래스로 분류될 수 있으며, 이렇게 분류된 각각의 클래스를 구분하여 인식하도록 학습된 합성곱 신경망을 통하여, 일군의 지표후보상품 중에서 공유되는 외형 특징을 갖는 상품을 추출하여 이들을 트랜드지표상품으로 선정할 수 있다.
도 14를 참조하면, 상기 서버는, 일군의 지표후보상품의 이미지 데이터를 입력으로 하여, 특성 맵(feature map) 또는 특성 맵을 1차원적으로 배열한 어레이 형태의 특성 벡터(feature vector)를 생성할 수 있으며, 상기 서버는 이러한 상품의 외형 특징을 포함하는 특성 맵 또는 특성 벡터를 생성하기 위하여 인공지능의 신경망 모델을 포함할 수 있고, 본 발명의 일 실시형태에서, 합성곱 신경망 모델을 포함할 수 있다.
예를 들어, 상기 합성곱 신경망 모델은 다수의 필터를 포함하는 합성곱층과, 합성곱층으로부터 산출된 특성 맵의 크기를 줄이기 위한 풀링층(최대 풀링 max pooling, 평균 풀링 average pooling)을 교대로 포함할 수 있으며, 최종적으로 행열 형태의 2차원과 깊이 차원을 갖는 3차원의 특성 맵을 1차원 형태로 펼치는 플래트닝(flattening)과 상기 플래트닝(flattening)된 1차원 특성 백터와 완전 연결되어 있는 출력층을 포괄하는 밀집층을 통하여, 각각의 클래스에 속할 확률이 원 핫 벡터의 형태로 출력될 수 있다.
예를 들어, 상기 합성곱층은 다수의 필터를 포함할 수 있으며, 지표후보상품의 이미지 데이터로서 R,G,B 이미지 데이터(이미지 데이터의 각 요소로서 픽셀 값)에 다수의 필터(필터의 각 요소로서 가중치, w)가 합성곱(convolution) 되어, 행열의 2차원 크기는 줄어들면서 깊이 차원이 증가한 형태의 특성 맵이 생성될 수 있으며, 지표후보상품의 이미지 데이터 주변을 따라 0으로 패딩하는 세임 패딩(same padding)을 적용하는 방식으로, 각각의 행열 위치에 따른 픽셀 값의 정보가 위치에 따라 편중되지 않도록 할 수 있고, 이 경우 특성 맵의 행열 크기를 유지할 수 있으며, 이와 달리, 비공개 상품의 이미지 데이터 자체로 특성 맵을 생성하는 밸리드 패딩(valid padding)을 적용할 수도 있으며, 이 경우, 특성 맵의 행열 크기가 줄어들 수 있다.
예를 들어, 상기 합성곱층에서는 비공개 상품의 2차원 이미지 데이터 상에서 사전에 설정된 스트라이드(stride)에 해당되는 픽셀의 개수만큼 필터를 이동시키면서 서로 대응되는 행과 열의 위치의 픽셀 값과 필터의 가중치(w)의 선형 조합을 산출하여 특성 맵을 생성할 수 있으며, 예를 들어, 지표후보상품의 이미지 데이터의 픽셀 값과 필터의 가중치(w)의 선형 조합에 활성화 함수(렐루 함수 ReLu 함수)를 적용하는 방식으로 특성 맵을 생성할 수 있다. 본 발명의 일 실시형태에서, 상기 합성곱층에서는 3x3 크기 또는 5x5 크기를 갖는 필터가 적용될 수 있다.
상기 풀링층은 합성곱층으로부터 생성된 특성 맵의 크기를 줄이기 위하여, 최대 풀링(max pooling)이나 평균 풀링(average pooling)이 적용될 수 있으며, 합성곱층의 스트라이드(stride)를 늘리기 보다는 풀링층을 적용함으로써, 특성 맵의 크기를 줄이면서도 더 나은 성능을 발휘할 수 있다. 상기 밀집층은 행열의 2차원과 깊이 차원을 갖는 3차원의 특성 맵을 1차원 특성 벡터로 플래트닝(flattening)하고, 1차원 특성 벡터를 형성하는 다수의 요소들에 대한 선형 조합 내지는 선형 조합에 활성화 함수를 적용함으로써, 지표후보상품과 같은 상품 카테고리 내에서 분류된 각각의 클래스에 속할 확률을 산출할 수 있으며, 예를 들어, 각각의 클래스에 속할 확률이 서로 다른 열 위치로 표시되는 원-핫 벡터의 형태의 1차원 배열을 얻을 수 있다.
본 발명의 일 실시형태에서, 상기 합성곱층에 포함되는 필터의 가중치(w)는, 다수의 학습 데이터를 포함하는 학습 데이터 세트와 각각의 학습 데이터 마다 주어지는 타켓 클래스 레이블을 이용하여 학습될 수 있으며, 예를 들어, 합성곱 신경망 모델로부터 예측되는 예측 클래스 레이블과 주어진 타켓 클래스 레이블 사이의 오차 내지는 비용 함수를 최소화하기 위한 편도 함수를 계산해주는 역전파알고리즘을 적용하여 필터의 가중치를 1에포크(epoch) 마다 갱신할 수 있다.
도 15a 내지 도 15c를 참조하면, 상기 합성곱층은 다수의 필터를 포함할 수 있으며, 동일한 상품 카테고리에 속하는 각각의 클래스의 외형 특징을 인식할 수 있는 특성 맵을 생성하도록, 각각의 필터는 각각의 클래스의 외형 특징을 따라 높은 값의 가중치(w)를 가질 수 있다. 예를 들어, 동일한 상품 카테고리에 속하는 다수의 클래스로서, 버튼(button) 타입의 귀걸이(도 12a)를 분류하기 위해서는 버튼 형태를 따라 높은 가중치(w)를 갖는 필터(도 15a)를 적용함으로써, 버튼 타입의 이미지 데이터(입력 값)와의 합성곱을 통하여 해당 영역에서 높은 출력 값을 갖는 특성 맵을 생성할 수 있다. 또한, 드롭(drop) 타입의 귀걸이(도 12b)를 분류하기 위해서는 수직 방향을 따라 높은 가중치(w)를 갖는 필터(도 15b)를 적용함으로서, 드롭 타입의 이미지 데이터(입력 값)와의 합성곱을 통하여 해당 영역에서 높은 출력 값을 갖는 특성 맵을 생성할 수 있다. 유사하게, 링(ring) 타입의 귀걸이(도 12c)를 분류하기 위해서는 중앙의 중공을 둘러싸는 폐루프를 따라 높은 가중치(w)를 갖는 필터(도 15c)를 적용함으로서, 링 타입의 이미지 데이터(입력 값)와의 합성곱을 통하여 해당 영역에서 높은 출력 값을 갖는 특성 맵을 생성할 수 있다. 다만, 본 발명의 일 실시형태에 따라 이미지 분류를 위한 합성곱 신경망은 다수의 합성곱층을 포함할 수 있으며, 다수의 합성곱층에서 적용되는 필터는 지표후보상품의 전체적인 이미지로부터 이미지 일부를 활성화시킬 수 있으며, 입력층에 가까운 합성곱층은 시각적인 정보나 패턴을 인식할 수 있고, 입력층으로부터 출력층으로 가면서 보다 고차원적인 개념을 인식할 수 있기 때문에, 앞서 설명된 바와 같이 각각의 필터 마다 하나의 클래스에 해당되는 외형 특징을 인식하는 것은, 본 발명의 다양한 실시형태 중에서 일 실시형태에 해당될 수 있다. 다만, 본 발명의 일 실시형태에서 상기 서버는 복잡한 패턴을 인식하기 보다는 귀걸이와 같은 비교적 외형 특징의 구분이 뚜렷한 단순화된 패턴을 인식하여, 귀걸이의 상품 카테고리 내에서 서로 다른 클래스를 분류할 수 있으며, 서버의 연산 부담을 고려하여 합성곱층의 개수를 최소화시킬 수 있고, 이에 따라, 합성곱층에 포함되는 각각의 필터는 각각의 클래스의 외형 특징을 인식할 수 있다.
도 16을 참조하면, 본 발명의 일 실시형태에서, 상기 서버는 주기적으로 구매자의 선호도를 산출하고, 현재의 선호도와 직전의 선호도의 차이에 해당되는 순위 변동이 상대적으로 큰 상품을 지표후보상품으로 인식할 수 있으며, 취합된 일군의 지표후보상품의 이미지 데이터를 입력으로 하는 합성곱 모델의 출력으로서, 해당되는 지표후보상품이 각각의 클래스에 속할 확률을 산출할 수 있다. 이때, 일군의 지표후보상품 중에서 합성곱 모델의 출력으로 산출되는 각각의 클래스에 속할 확률이 유사한 서로 다른 지표후보상품을, 트랜드지표상품으로 선정할 수 있다. 예를 들어, 본 발명의 일 실시형태에서, 상기 합성곱 모델의 출력은, 각각의 클래스에 속할 확률이 각각의 클래스에 해당되는 인덱스(열 위치)에 표시되는 1차원 벡터(특성 벡터)의 형태로 출력될 수 있으며(도 17 참조, 특성 벡터 Y1: (y11, y12, y13), 특성 벡터 Y2: (y21, y22, y23)에서, 각각의 클래스 0에 속할 확률 y11, y21, 클래스 1에 속할 확률 y12, y22, 클래스 2에 속할 확률 y13, y23), 본 발명의 일 실시형태에서는 일군의 지표후보상품 중에서 합성곱 모델의 출력에 해당되는 특성 벡터(Y1,Y2, 도 17)가 서로 유사한 서로 다른 지표후보상품을 트랜드지표상품으로 선정할 수 있다. 예를 들어, 본 발명의 일 실시형태에서, 상기 1차원 특성 벡터(Y1,Y2, 도 17)에서 각각의 열 위치에는 각각의 인덱스에 해당되는 클래스에 속할 확률이 표시될 수 있으며, 각각의 클래스에 속할 확률이 서로 유사한 서로 다른 지표후보상품을 트랜드지표상품으로 선정할 수 있다. 본 발명의 일 실시형태에서, 상기 서버는 일군의 지표후보상품의 이미지 데이터를 입력으로 하는 합성곱 모델의 출력으로 산출되는 1차원 특성 벡터(Y1,Y2, 도 17) 간의 유클리드 거리(S)를 산출하는 방식으로, 서로 다른 지표후보상품 사이에서 외형 특징이 공유되는지 여부를 판단할 수 있으며, 예를 들어, 서로 다른 지표후보상품의 특성 벡터(Y1,Y2, 도 17) 간의 유클리드 거리(S)가 일정한 수준 보다 인접한 경우에는 이들 지표후보상품이 외형 특징을 공유하는 것으로 판단하고, 이들 서로 다른 지표후보상품을 트랜드지표상품으로 선정할 수 있다.
앞서 설명된 바와 같은 트랜드지표상품은 각각의 상품 카테고리 별로 선정될 수 있으며, 예를 들어, 외형 자체로서 구매 가치가 결정되면서 외형적인 특징으로부터 클래스의 분류가 명확할 수 있는 패션 아이템으로서, 귀걸이와 같은 소형 액서서리류(도 12a 내지 도 12c 참조) 또는 평면적인 디자인이 외형적인 특징을 결정하는 아동복(도 18)이나 티셔츠와 같은 의류에서도 적용될 수 있으며, 예를 들어, 디자인 요소에서 색상을 제외한 전형적인 몇 가지의 디자인, 그러니까, 민 무늬, 스트라이프 무늬, 체크 무늬, 프릴 장식과 같은 몇 가지의 전형적인 디자인을 인식할 수 있도록 학습된 합성곱 신경망 모델을 통하여 출력되는 각각의 클래스에 속할 확률 내지는 각각의 클래스에 속할 확률이 각각의 클래스의 인덱스에 표시되는 1차원 특성 벡터(Y1,Y2, 도 17)를 이용하고, 서로 다른 후보지표상품 간의 유클리드 거리(S)와 기준 값을 서로 비교하는 방식으로, 서로 다른 후보지표상품 사이에서 외형적인 특징이 공유되는지의 여부를 판단할 수 있다.
도 16 및 도 17을 참조하면, 본 발명의 일 실시형태에서는, 구매자의 선호도가 급격하게 변동되는 일군의 상품을 지표후보상품으로 인식하고, 이들 일군의 지표후보상품 중에서 공통적인 특징을 갖는 상품을 트랜드지표상품으로 선정할 수 있는데, 여기서, 구매자의 선호도가 급격하게 변동하는 일군의 상품이란, 구매자의 선호도가 급격하게 상승하는 제1 군의 지표후보상품과, 구매자의 선호도가 급격하게 하락하는 제2 군의 지표후보상품을 포함할 수 있으며, 이들 제1 군의 지표후보상품 중에서 공통적인 특징, 주로 외형적으로 공통적인 특징을 갖는 제1 군의 지표후보상품은 제1 군의 트랜드지표상품으로 선정할 수 있고, 제1 군의 지표후보상품과는 별개로, 제2 군의 지표후보상품 중에서 공통적인 특징을 갖는 제2 군의 지표후보상품은 제2 군의 트랜드지표상품으로 선정할 수 있다. 이때, 상기 제1, 제2 군의 지표후보상품의 외형적인 특징은, 제1, 제2 군의 지표후보상품 이미지를 입력으로 하여, 서버의 합성곱 모델로부터 특성 맵 또는 특성 벡터(Y1,Y2, 도 17)를 추출하고, 서로 다른 특성 맵 또는 특성 벡터(Y1,Y2, 도 17) 간의 유클리드 거리(S, 도 17)를 산출(유사도 산출)할 수 있는데, 이때, 제1 군의 지표후보상품 사이에서 유사도를 산출하여, 그 결과에 따라 제1 군의 트랜드지표상품을 선정하며, 제1 군의 트랜드지표상품과는 별개로, 제2 군의 지표후보상품 사이에서 유사도를 산출하여, 그 결과에 따라 제2 군의 트랜드지표상품을 선정할 수 있다. 이와 같이, 본 발명의 일 실시형태에서, 유사도의 산출은 제1 군의 지표후보상품 사이에서만, 그리고, 제2 군의 지표후보상품 사이에서만 이루어지고, 제1 군의 지표후보상품과 제2 군의 지표후보상품 사이에 교차하여 유사도 산출이 이루어지지 않는다. 제1 군의 트랜드지표상품은, 구매자의 선호도가 급격하게 상승하는 상품이고, 반대로, 제2 군의 트랜드지표상품은, 구매자의 선호도가 급격하게 하락하는 상품이므로, 매입처로서는 해당되는 트랜드의 상품에 대해 서로 다른 대응을 할 필요가 있기 때문이다.
<매입처와 구매자 간의 일대일 관계 포인트>
이하에서는 도 19a 내지 도 21b를 참조하여, 매입처와 구매자의 일대일 관계에서 누적, 차감 및 관리되는 포인트에 대해 설명하기로 한다.
도 19a 내지 도 19c에는 매입처와 구매자 간의 일대일 관계에서 누적, 차감 및 관리되는 포인트에 대해 설명하기 위한 도면들이 도시되어 있다.
도 20에는 서버에 저장되어 있는 포인트 데이터의 구조와 오프라인의 구매활동과 관계된 포인트의 등록을 설명하기 위한 도면이 도시되어 있다.
도 21a 및 도 21b에는 서버에 로그인한 계정 타입에 따라 매입처 및 구매자의 포인트 내역이 매입처 및 구매자의 웹 상에 표시되는 예시를 보여주는 도면이 도시되어 있다.
도 19a 내지 도 21b를 참조하면, 본 발명의 일 실시형태에서, 상기 서버는 매입처 각각으로부터 개별적으로 제공되며, 매입처 단위로 개별적으로 누적 및 차감되는 매입처 단위로 포인트 내역을 관리해줄 수 있다. 예를 들어, 본 발명의 일 실시형태에서 상기 서버는 구매 상품을 등록한 매입처와 구매자 간의 일대일 관계(도 19a 내지 도 19c)에서 누적 및 차감되는 포인트 내역을 관리해줄 수 있으며, 예를 들어, 상기 포인트 내역은 각각의 개별적인 구매활동에 관계된 구매자의 계정 정보 및 매입처의 계정 정보와 연계되어 저장될 수 있으며, 상기 포인트 내역은 각각의 개별적인 구매활동으로 누적 또는 차감되는 포인트 정보가 누적된 총합으로 이해될 수 있다. 예를 들어, 본 발명의 일 실시형태에서 포인트 내역이란 하나의 구매활동으로 누적 또는 차감되는 포인트 정보를 시계열적으로 누적시킨 정보를 의미할 수 있다.
본 발명의 일 실시형태에서, 상기 서버는 하나의 상거래 구역에 대한 상거래 중계 서비스를 제공할 수 있으며, 서버가 상거래를 중계하는 대상은 하나의 상거래 구역에 국한할 수 있으며, 이에 따라 상기 서버 상에 상품을 등록하는 매입처 수는 제한적일 수 있다. 만일 본 발명에서와 달리, 지역적으로 하나의 상거래 구역으로 묶여 있는 매입처를 대상으로 상거래 중계 서비스를 제공하지 않고, 지역적인 경계가 없이 서버 상에 가입된 매입처 회원을 대상으로 상거래 중계 서비스를 제공할 경우, 매출 규모가 적은 많은 수의 매입처 회원에 대해 일대일로 포인트 내역을 관리하는 것은, 서버의 메모리 자원이 낭비되고, 포인트 내역의 관리의 효율성이 떨어지게 되므로, 본 발명의 일 실시형태에서는 지역적으로 하나의 상거래 구역을 대상으로 중계 서비스를 제공하면서, 상거래 구역에 오프라인 매장을 갖고 있는 상대적으로 적은 수의 매입처 회원을 대상으로 포인트 내역을 일대일(도 19a 내지 도 19c)로 관리해줄 수 있으며, 후술하는 바와 같이, 각각의 매입처 회원의 온라인 거래 및 오프라인 거래로 발생되는 개별 포인트를 누적/차감하면서 포인트 내역을 관리하므로, 각각의 매입처 회원의 매출 규모가 포인트의 활성화를 위한 적정 수준 이상으로 유지될 수 있으며, 포인트의 활용이 활성화된다는 점에서, 포인트 내역의 관리의 효율성이 향상될 수 있다.
도 20에 도시된 바와 같이, 본 발명의 일 실시형태에서, 상기 서버 상에 상품을 등록하는 매입처는 하나의 상거래 구역 내에서 각각 오프라인 매장을 운용할 수 있으며, 상기 서버로서는 서버 상에 등록된 상품에 대한 온라인 구매를 통하여 취득된 포인트와 함께, 서버를 통하지 않고 오프라인 매장에서의 오프라인 구매를 통하여 취득된 포인트를 함께 누적하여 포인트 내역으로 통합 관리해줄 수 있으며, 누적된 포인트 역시 서버 상에 등록된 상품에 대한 온라인 구매 및 오프라인 매장에서의 오프라인 구매에서 활용될 수 있으며, 누적된 포인트만큼 결제 금액에서 차감될 수 있다. 상기 서버로서는 온라인 구매시에는 상품을 구매한 구매자의 정보와 해당 상품을 등록한 매입처의 정보를 확인할 수 있으며, 이에 따라 각각의 구매활동을 통하여 누적 및 차감되는 포인트 내역을 각각의 구매자와 매입처의 일대일의 관계(도 19a 내지 도 19c)에서 관리해줄 수 있다. 다만, 상기 서버로서는 각각의 매입처의 오프라인 매장에서 이루어지는 구매활동은 확인할 수 없기 때문에, 서버에 로그인한 매입처(매입처 회원)의 계정 정보에 따라 해당되는 구매활동을 통한 개별 포인트의 누적 및 차감이 서버 상에 등록될 수 있으며, 해당되는 매입처 자신에 의해 등록되는 포인트의 누적 및 차감은, 포인트의 누적 및 차감이 이루어지는 구매자 회원에게 통보되거나, 예를 들어, 구매자 회원의 등록 정보를 조회한 서버에 의해 구매자 회원의 단말, 예를 들어, 휴대폰과 같은 모바일 기기를 포함하는 컴퓨팅 장치를 통하여 해당되는 구매자 회원에게 통보되거나 또는 추후 서버에 로그인한 구매자(구매자 회원)의 계정 정보에 따라, 해당되는 구매자의 포인트 내역으로 표시될 수 있다.
상기 서버로서는, 매입처(매입처 회원)의 오프라인 매장에서 이루어지는 구매활동으로 인하여, 매입처 회원이 개별적으로 구매활동에 참여한 구매자를 대상으로 포인트의 누적 및 차감을 등록한다고 하더라도, 이러한 매입처 회원에 의한 직접적인 수작업에 의한 포인트의 누적 및 차감의 등록에 대한 오류를 확인할 수 없으며, 또한, 각각의 매입처 회원으로서도 직접적인 포인트의 누적 및 차감의 등록이 번거로울 수 있기 때문에, 해당되는 구매활동으로 발급된 거래 영수증을 통하여 직접적인 수작업을 피할 수 있으며, 직접적인 수작업으로 인한 등록의 오류를 막을 수 있다. 예를 들어, 상기 매입처 회원은 자신의 오프라인 매장에서 이루어진 구매활동으로 인하여 발급되는 영수증을 스캔하는 방식으로, 예를 들어, 영수증에 기록된 코드(1차원 바코드 또는 2차원 QR 코드)를 스캔하는 방식으로, 직접적인 수작업을 피할 수 있다.
도 20을 참조하면, 본 발명의 일 실시형태에서, 상기 서버에는, 각각의 구매활동과 연계되는 개별 포인트 마다 각각의 구매활동에 참여한, 그러니까, 매입처의 상품 등록 및 등록된 상품의 구매라는 일련의 구매활동에 관계된 매입처와 구매자 간의 일대일의 관계가 저장될 수 있다. 예를 들어, 상기 서버에 저장되어 있는 포인트 내역이란 포인트의 누적 또는 차감이 발생된 하나의 구매활동과 관계된 매입처의 계정 정보와 구매자의 계정 정보가 함께 연계되어 개별 포인트 별로 생성된 포인트 데이터의 총합에 해당될 수 있고, 각각의 개별 포인트 별로 저장되어 있는 포인트 데이터에는 해당되는 포인트를 지급한 매입처의 계정 정보와 해당되는 포인트가 적립된 구매자의 계정 정보가 서로 다른 인덱스(매입처 인덱스와 구매자 인덱스)로 저장되어 있을 수 있다. 도 21a를 참조하면, 서버에 로그인한 계정 정보에 따라 해당되는 회원의 포인트 내역이 회원의 단말 내지는 웹 상에 표시될 수 있으며, 상기 서버는 계정 타입에 따라 포인트 데이터의 매입처 인덱스를 검색하여, 해당되는 매입처와 연계되어 있는 포인트 내역을 총괄적으로 표시해주면서, 해당되는 포인트 데이터의 구매자 인덱스를 검색하여, 각각의 구매자 별로 포인트 내역을 구분하여 표시해줄 수 있다. 유사하게, 도 20b를 참조하면, 상기 서버는 서버에 로그인한 계정 정보에 따라 해당되는 회원의 포인트 내역이 회원의 단말 내지는 웹 상에 표시될 수 있으며, 상기 서버는 계정 타입에 따라 포인트 데이터의 구매자 인덱스를 검색하여, 해당되는 구매자와 연계되어 있는 포인트 내역을 총괄적으로 표시해주면서, 해당되는 포인트 데이터의 매입처 인덱스를 검색하여, 각각의 매입처 별로 포인트 내역을 구분하여 표시해줄 수 있다. 이때, 상기 구매자 회원에 대해 제공되는 포인트 내역은, 구매자 회원의 구매활동으로 인하여 누적 또는 차감된 개별 포인트의 총합을 의미할 수 있으나, 모든 매입처에 대해 누적 또는 차감된 포인트를 하나의 항목으로 표시해주기 보다는, 예를 들어, 각각의 매입처에 대해 누적 또는 차감된 포인트를 개별적으로 표시해줄 수 있으며, 예를 들어, 서로 다른 매입처에 대해 누적 또는 차감된 포인트를 각각 별개의 항목으로 표시해줄 수 있으며, 구매자 회원에 대해 각각의 매입처에 대해 사용 가능한 포인트를 개별적으로 표시해줌으로써, 해당되는 구매자 회원의 향후의 구매활동의 참조 자료로 제공할 수 있다.
다시 말하면, 도 21a를 참조하면, 상기 서버는, 서버에 로그인한 계정 타입에 따라, 포인트 데이터의 매입처 인덱스를 검색하여, 해당되는 매입처와 연계되어 저장되어 있는 일군의 포인트 데이터에 근거하여 포인트 내역을 총괄적으로 표시해주되, 상기 일군의 포인트 데이터 각각의 구매자 인덱스에 근거하여 각각의 구매자 별로 포인트 내역을 구분하여 표시해줄 수 있다. 유사하게, 도 21b를 참조하면, 상기 서버는, 서버에 로그인한 계정 타입에 따라, 포인트 데이터의 구매자 인덱스를 검색하여, 해당되는 구매자와 연계되어 저장되어 있는 일군의 포인트 데이터에 근거하여 포인트 내역을 총괄적으로 표시해주되, 상기 일군의 포인트 데이터 각각의 매입처 인덱스에 근거하여 각각의 매입처 별로 포인트 내역을 구분하여 표시해줄 수 있다.
본 발명의 일 실시형태에서, 상기 서버가 개별적인 매입처와 개별적인 구매자의 일대일 관계(도 19a 내지 도 19c)에서 포인트 내역을 관리한다는 것은, 하나의 구매활동에 관계된 매입처에 대해 누적된 포인트는, 해당되는 매입처로부터의 향후 구매활동에 활용될 수 있으며, 해당되는 매입처로부터의 향후 구매활동 시에만 포인트의 차감을 통한 할인 혜택이 제공된다는 것을 의미하는 것이며, 이에 따라, 구매자로서는 향후 구매활동에서 차감 가능한 포인트가 누적된 매입처를 확인하는 것이 필요할 수 있다. 본 발명의 일 실시형태에서, 개별적인 구매자와 개별적인 매입처의 일대일 관계에서 포인트 내역을 관리한다는 것은, 서버 상의 온라인 구매활동에 대해 범용적인 포인트를 지급하고, 향후의 온라인 구매활동에서 지급된 포인트의 차감이 가능한 것과는 차이가 있으며, 본 발명의 일 실시형태에서는, 각각의 개별적인 구매자와 개별적인 매입처의 일대일 관계(도 19a 내지 도 19c)에서 포인트 내역을 관리하면서, 온라인 구매와 오프라인 구매에서 누적 또는 차감되는 개별 포인트를 통합적으로 관리하고, 개별 포인트 마다 해당되는 개별 포인트를 지급한 매입처만을 대상으로 하는 온라인 및 오프라인 구매에서, 해당되는 매입처를 대상으로 누적된 포인트를 한계로 포인트 차감을 통한 할인 혜택이 제공될 수 있다는 것이다.
본 발명의 일 실시형태에서, 상기 서버는 서버에 로그인한 계정 정보의 타입에 따라 구매자 회원에 대해, 포인트 내역을 출력해줄 수 있으며, 예를 들어, 포인트 내역을 형성하는 개별 포인트 정보가 기록된 포인트 데이터를 참조하여 포인트 내역을 산출하며, 산출된 포인트 내역을 구매자 회원의 단말 또는 웹 상에 표시해줄 수 있다. 이때, 상기 서버는 해당되는 구매자 회원의 단말 또는 웹 상에 포인트 내역을 표시해주면서, 각각의 매입처 마다 각각의 포인트 내역을 산출하여 개별적인 포인트 내역을 출력해줄 수 있다.
도 21b를 참조하면, 본 발명의 일 실시형태에서, 현재까지 구매활동이 이루어진 각각의 매입처 마다 각각의 포인트 내역을 표시해주는 방식으로, 상기 서버는 각각의 매입처의 위치 정보와 관계 없이 각각의 매입처 마다 누적된 포인트 내역을 표시해줄 수 있고, 또는 도 7에 도시된 바와 같이, 각각의 매입처의 위치 정보와 함께, 각각의 매입처 마다 누적된 포인트 내역(0P,100P,1000P)을 표시해줄 수도 있다. 예를 들어, 상기 서버는 상거래 중계 서비스를 제공하는 상거래 구역에 대한 거리뷰를 제공하면서, 거리뷰 상에서 매입처의 위치 정보와 각각의 매입처에 대해 누적된 포인트 내역을 서로 매칭시켜서 표시해줄 수 있다. 예를 들어, 상기 서버는 중계 서비스를 제공하는 상거래 구역에 대한 거리뷰와 함께, 거리뷰 내에서 각각의 매입처의 위치 정보를 표시해줌으로써, 서버가 중계하는 상거래 구역을 직접 방문하지 않더라도 가상의 쇼핑체험을 제공할 수 있으며, 예를 들어, 거리뷰 상에서 각각의 매입처의 상품 정보(링크 정보)가 삽입된 웹 문서에 대한 하이퍼링크를 표시해주고, 해당되는 하이퍼링크에 대한 클릭 이벤트(onclick 또는 mouseover)에 따라 해당되는 매입처의 상품 정보를 표시해주는 웹을 회원의 단말 상에 표시해줄 수 있다.
도 7을 참조하면, 본 발명의 일 실시형태에서는, 서버가 중계하는 상거래 구역에 대한 거리뷰와 함께, 거리뷰 상에 표시되는 매입처의 위치 정보로서, 매입처의 이미지 상에 설정된 특정 영역 또는 매입처의 이미지 상에 표시된 웹 요소(해당 매입처의 상호와 같은 문자 하이퍼링크 또는 매입처를 상징하는 기호나 도형을 포함하는 해당 매입처의 상표와 같은 이미지 하이퍼링크)에서 발생되는 클릭 이벤트에 따라 해당되는 매입처의 상품 정보(선택 가능한 상품 이미지에 대한 이미지 하이퍼링크)를 표시해주는 방식으로, 각각의 매입처의 위치 정보(매입처의 위치가 표시된 거리뷰)로부터 상품 선택이 개시되는 제2 선택 경로에 의해 상품 선택이 이루어질 수 있다. 참고로, 본 발명의 일 실시형태에서, 구매자 회원의 선택에 따라, 매입처의 위치 정보와 무관하게, 예를 들어, 매입처의 위치 정보가 표시된 거리뷰를 통하지 않고, 상품 자체의 정보로부터 상품 선택이 개시되는 제1 선택 경로(도 6 참조)에 의하거나 또는 이와 달리, 매입처의 위치 정보, 예를 들어, 매입처의 위치 정보가 표시된 거리뷰로부터 상품 선택이 개시되는 제2 선택 경로(도 7 참조)에 의하여, 상품 선택이 이루어질 수 있으며, 상기 제2 선택 경로(도 7 참조)에서 구매자의 단말 또는 웹 상에서 표시되는 거리뷰 상에는 각각의 매입처의 위치 정보와 함께, 각각의 매입처에 대한 포인트 내역(0P,100P,1000P)으로서, 향후 구매활동에서 차감될 수 있는 포인트의 누적이 함께 표시될 수 있으며, 구매자로서는 누적 포인트가 상대적으로 많은, 그러니까, 자신이 구매활동이 집중된 매입처를 선택하여 우선적으로 향후 구매활동을 고려할 수 있으며, 누적된 포인트의 차감을 통하여 할인 혜택을 제공받을 수 있다.
예를 들어, 본 발명의 일 실시형태에서, 상기 서버는 서버에 저장된 웹 문서를 참조하여, z-index와 같은 우선순위에 따라 하위 레이어로서 거리뷰를 제공하는 이미지 또는 동영상과 같은 멀티 미디어 콘텐츠를 제공할 수 있으며, 상위 레이어로서 거리뷰와 중첩되면서 거리뷰의 특정 영역 또는 거리뷰 상에 겹쳐지게 표시되는 웹 요소로서, 해당되는 매입처의 상호와 같은 문자 하이퍼링크 또는 매입처의 상표와 같은 이미지 하이퍼링크를 표시해줄 수 있고, 이와 함께, 각각의 매입처에 대해 누적되어 차감 가능한 포인트 내역(0P,100P,1000P)을 거리뷰 상에 중첩되게 표시되는 매입처의 위치 상에 표시해줄 수 있으며, 이러한 포인트에 관한 표시는 포인트 내역 정보, 그러니까, 매입처와 구매자 간의 일대일 관계(도 19a 내지 도 19c)로 저장되어 있는 포인트 내역(0P,100P,1000P)의 상세 정보와 연결된 하이퍼링크(예를 들어, 포인트의 총합에 관한 문자열과 같은 문자 하이퍼링크, 0P,100P,1000P)로 표시될 수 있으며, 포인트에 관한 하이퍼링크에서 발생된 클릭 이벤트에 따라 포인트 데이터로부터 포인트 내역(0P,100P,1000P)의 상세 정보가 산출되면서 포인트 내역(0P,100P,1000P)의 상세 정보가 웹 상에 표시될 수 있다. 예를 들어, 본 발명의 일 실시형태에서, 상기 서버는, 상거래 구역의 거리뷰 상에서 매입처의 위치 정보와 함께, 포인트 내역(0P,100P,1000P)의 상세 정보와 연결된 문자 하이퍼링크(0P,100P,1000P)를 표시해줄 수 있으며, 상기 문자 하이퍼링크(0P,100P,1000P)는, 위치 정보가 표시된 매입처에 대해 누적된 포인트의 총합을 표시해주는 문자열로 표시될 수 있다.
도 9를 참조하면, 본 발명의 일 실시형태에서, 서버가 상거래를 중계하는 상거래 구역의 전체뷰와 함께, 테마 상품별 매입처 위치를 표시해줄 수 있으며, 예를 들어, 상기 서버는 윈도를 분할하여 상부 프레임에는 상거래 구역의 전체뷰를 제공하면서, 하부 프레임에는 각종의 테마를 선택 가능한 라디오 버튼으로 표시된 웹을, 구매자의 단말 상에 표시해줄 수 있다. 이때, 라디오 버튼으로 택일적으로 선택 가능하게 표시된 서로 다른 테마 상품의 선택에 따라, 상기 서버는 z-index와 같은 우선순위에 따라 하위 레이어로서 전체뷰를 제공하는 이미지와 같은 멀티 미디어 콘텐츠를 제공할 수 있으며, 상위 레이어로서 선택된 라디오 버튼에 연결된 웹 문서를 구현하여, 선택된 테마 상품을 취급하는 매입처 위치를 표시해주는 웹 요소(도트 표시와 같은 이미지 하이퍼링크)를 포함하는 상위 레이어를 하위 레이어의 전체뷰 상에 겹쳐지도록 배열하고, 상위 레이어의 이미지 하이퍼링크에서 발생되는 클릭 이벤트에 따라 전체뷰에 표시된 매입처의 위치 상에 해당되는 매입처의 상품(선택된 테마 상품)을 전체뷰가 표시된 탭(윈도) 상에 겹쳐지게 표시해주거나 또는 전체뷰가 표시된 탭(윈도)과 다른 새로운 탭(윈도) 상에 표시해줄 수 있다. 이때, 하위 레이어로 표시되는 전체뷰 상에 겹쳐지게 표시되는 상위 레이어에는, 선택된 매입처의 위치를 표시해주는 이미지 하이퍼링크와 함께, 각각의 해당되는 매입처 마다 누적되어 차감 가능한 포인트의 총합에 관한 문자열과 같은 문자 하이퍼링크(100P,500P,1000P)를 표시해줄 수 있으며, 상기 포인트에 관한 문자 하이퍼링크(100P,500P,1000P)에서 발생된 클릭 이벤트에 따라 해당되는 매입처 및 구매자의 일대일 관계(도 19a 내지 도 19c)로 저장되어 있는 포인트 데이터로부터 포인트 내역(100P,500P,1000P)의 상세 정보가 산출되면서 포인트 내역(100P,500P,1000P)의 상세 정보가 구매자의 웹 상에 표시될 수 있다.
본 발명은 첨부된 도면에 도시된 실시예를 참고로 설명되었으나, 이는 예시적인 것에 불과하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 수 있을 것이다.
U: 집송 단위 C: 집송 중심
U1: 1차 집송 단위 C1: 1차 집송 중심
U2: 2차 집송 단위 C2: 2차 집송 중심

Claims (7)

  1. 하나의 상거래 구역 내에 집약적으로 위치하는 다수의 매입처와 다수의 구매자 간의 상거래를 중계하기 위한 서버를 포함하는 중계 서비스 시스템으로서,
    상기 서버는,
    상기 서버 상에 등록된 상품에 대한 온라인 구매활동에 관계된 포인트의 누적 및 차감; 및
    상기 매입처의 오프라인 매장에서의 구매활동에 관계된 포인트의 누적 및 차감을 통합적으로 관리하되,
    각각의 매입처와 각각의 구매자 간의 일대일 관계에서 누적 및 차감되도록 포인트를 관리해주며,
    상기 서버는 상품의 상세 정보가 저장되어 있는 제1 군의 상품에 대해, 제1 군의 상품 각각의 매입처의 위치 정보와 무관하게 상품 자체의 상세 정보로부터 상품 선택이 개시되는 제1 선택 경로 및 하나의 상거래 구역에 대한 거리뷰 상에 표시된 매입처의 위치 정보로부터 상품 선택이 개시되는 제2 선택 경로를 제공하는 한편으로, 상품의 간략 정보만이 저장되어 있는 제2 군의 상품에 대해, 상기 제2 선택 경로를 제공하고,
    상기 제2 선택 경로 상에서 제공되는 거리뷰 상에는 각각의 매입처의 위치 정보와 함께, 각각의 매입처와 구매자 간의 일대일 관계에서 누적 및 차감되는 포인트를 표시해주며,
    상기 서버에는, 상기 제2 선택 경로에서 제공되는 상품의 간략 정보에 대한 링크 정보가 포함된 웹 문서가 저장되어 있으며,
    상기 웹 문서의 수정 권한은, 상기 서버에 로그인한 계정 타입에 따라, 각각의 매입처 마다에 부여되는 것을 특징으로 하는, 중계 서비스 시스템.
  2. 제1항에 있어서,
    상기 서버는, 개별적인 구매활동에 관계된 구매자의 계정 정보 및 매입처의 계정 정보와 연계하여, 각각의 포인트를 저장하는 것을 특징으로 하는, 중계 서비스 시스템.
  3. 제2항에 있어서,
    상기 서버에는 각각의 구매활동에 관계된 포인트가 기록된 포인트 데이터가 저장되며,
    상기 포인트 데이터는, 각각의 구매활동에 관계된 매입처의 계정 정보가 기록된 매입처 인덱스와, 각각의 구매활동에 관계된 구매자의 계정 정보가 기록된 구매자 인덱스를 포함하는 것을 특징으로 하는, 중계 서비스 시스템.
  4. 제3항에 있어서,
    상기 서버는, 서버에 로그인한 계정 타입에 따라,
    i) 포인트 데이터의 매입처 인덱스를 검색하여, 해당되는 매입처와 연계되어 저장되어 있는 일군의 포인트 데이터에 근거하여 포인트 내역을 총괄적으로 표시해주되,
    일군의 포인트 데이터 각각의 구매자 인덱스에 근거하여 각각의 구매자 별로 포인트 내역을 구분하여 표시해주고,
    ii) 포인트 데이터의 구매자 인덱스를 검색하여, 해당되는 구매자와 연계되어 저장되어 있는 일군의 포인트 데이터에 근거하여 포인트 내역을 총괄적으로 표시해주되,
    일군의 포인트 데이터 각각의 매입처 인덱스에 근거하여 각각의 매입처 별로 포인트 내역을 구분하여 표시해주는 것을 특징으로 하는, 중계 서비스 시스템.
  5. 삭제
  6. 제1항에 있어서,
    상기 서버는, 상기 매입처의 위치 정보와 함께, 포인트 내역의 상세 정보와 연결되는 문자 하이퍼링크를 표시해주는 것을 특징으로 하는, 중계 서비스 시스템.
  7. 제6항에 있어서,
    상기 문자 하이퍼링크는, 위치 정보가 표시된 매입처에 대해 누적된 포인트의 총합을 나타내는 문자열로 표시되는 것을 특징으로 하는, 중계 서비스 시스템.
KR1020210187143A 2021-12-24 2021-12-24 중계 서비스 시스템 KR102530146B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210187143A KR102530146B1 (ko) 2021-12-24 2021-12-24 중계 서비스 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210187143A KR102530146B1 (ko) 2021-12-24 2021-12-24 중계 서비스 시스템

Publications (1)

Publication Number Publication Date
KR102530146B1 true KR102530146B1 (ko) 2023-05-08

Family

ID=86381180

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210187143A KR102530146B1 (ko) 2021-12-24 2021-12-24 중계 서비스 시스템

Country Status (1)

Country Link
KR (1) KR102530146B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002024944A (ja) * 2000-06-30 2002-01-25 Toshiba Corp ポイント管理方法およびシステム、コンテンツ受信装置ならびにプログラムを記憶した記憶媒体
KR20060063047A (ko) * 2004-12-07 2006-06-12 정준용 온라인 오프라인 통합 로그인 시스템에 의해 취득된고객정보를 통합 관리하기 위한 방법
JP2010210846A (ja) * 2009-03-10 2010-09-24 Dainippon Printing Co Ltd 地図サービスサーバ,地図サービス方法及び店舗データ統合処理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002024944A (ja) * 2000-06-30 2002-01-25 Toshiba Corp ポイント管理方法およびシステム、コンテンツ受信装置ならびにプログラムを記憶した記憶媒体
KR20060063047A (ko) * 2004-12-07 2006-06-12 정준용 온라인 오프라인 통합 로그인 시스템에 의해 취득된고객정보를 통합 관리하기 위한 방법
JP2010210846A (ja) * 2009-03-10 2010-09-24 Dainippon Printing Co Ltd 地図サービスサーバ,地図サービス方法及び店舗データ統合処理方法

Similar Documents

Publication Publication Date Title
CN106022814A (zh) 运用自适性机器学习以提供建议的系统和方法
US11756100B2 (en) Method and system for secure management of inventory and profile information
KR20200019955A (ko) 상점내 소비자 행동 이벤트 메타데이터 집성, 데이터 해석을 위한 데이터 검증 및 인공 지능 분석 및 연관된 액션 트리거링을 위한 시스템
CA3107914A1 (en) Populating catalog data with item properties based on segmentation and classification models
US20210350391A1 (en) Methods and systems for providing a personalized user interface
US20180130119A1 (en) Product tagging and purchasing method and system
KR102461863B1 (ko) 개인화 스타일링 추천 시스템 및 방법
Sugumaran et al. Recommendations to improve dead stock management in garment industry using data analytics
KR102077630B1 (ko) Pos 및 영상 기반의 상권 분석 시스템 및 방법
KR102518389B1 (ko) 고객 빅데이터를 활용한 상품 추천 방법, 장치 및 시스템
KR102538398B1 (ko) 빅데이터 기반의 그룹 단위의 상품 추천 방법, 장치 및 시스템
AU2013286819B2 (en) Methods, systems or computer programs for logistic planning based on proximity constraints and/or price optimization
KR20230137861A (ko) 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법 및 장치
KR102530146B1 (ko) 중계 서비스 시스템
KR102574927B1 (ko) 중계 서비스 시스템
KR20220001616A (ko) 통합 고객 식별자 생성을 기반으로 하는 고객 빅데이터 구축 방법, 장치 및 시스템
KR20230097536A (ko) 중계 서비스 시스템
KR20230097530A (ko) 중계 서비스 시스템
KR20230101069A (ko) 중계 서비스 시스템
KR20230101067A (ko) 중계 서비스 시스템
KR20230097543A (ko) 중계 서비스 시스템
KR20230101070A (ko) 중계 서비스 시스템
KR20230101068A (ko) 중계 서비스 시스템
KR20230097503A (ko) 중계 서비스 시스템
Sharawi et al. Utilization of data visualization for knowledge discovery in modern logistic service companies

Legal Events

Date Code Title Description
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant