KR102543152B1 - 가상 화폐에 기반한 메타버스 쇼핑몰을 운영하기 위한 장치 및 방법 - Google Patents

가상 화폐에 기반한 메타버스 쇼핑몰을 운영하기 위한 장치 및 방법 Download PDF

Info

Publication number
KR102543152B1
KR102543152B1 KR1020220096167A KR20220096167A KR102543152B1 KR 102543152 B1 KR102543152 B1 KR 102543152B1 KR 1020220096167 A KR1020220096167 A KR 1020220096167A KR 20220096167 A KR20220096167 A KR 20220096167A KR 102543152 B1 KR102543152 B1 KR 102543152B1
Authority
KR
South Korea
Prior art keywords
user
shopping mall
cluster
paid
neural network
Prior art date
Application number
KR1020220096167A
Other languages
English (en)
Inventor
하영주
하용훈
하서연
Original Assignee
하영주
하용훈
하서연
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 하영주, 하용훈, 하서연 filed Critical 하영주
Priority to KR1020220096167A priority Critical patent/KR102543152B1/ko
Application granted granted Critical
Publication of KR102543152B1 publication Critical patent/KR102543152B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/04—Payment circuits
    • G06Q20/06—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme
    • G06Q20/065—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
    • G06Q20/36—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using electronic wallets or electronic money safes
    • G06Q20/367—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using electronic wallets or electronic money safes involving electronic purses or money safes
    • G06Q20/3678—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using electronic wallets or electronic money safes involving electronic purses or money safes e-cash details, e.g. blinded, divisible or detecting double spending
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/0214—Referral reward systems
    • 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
    • G06Q30/0236—Incentive or reward received by requiring registration or ID from user
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 개시는 가상 화폐에 메타버스 쇼핑몰을 운영하는 쇼핑몰 운영 서버에 관한 것이다. 본 개시에 따르면, 쇼핑몰 운영 서버의 동작 방법은 사용자 단말로부터 회원 식별자를 수신하는 단계, 상기 회원 식별자의 수신에 대응하여, 사용자가 시간 구간 동안 쇼핑몰을 사용한 이력에 관련된 사용자 정보를 획득하는 단계, 상기 사용자 정보에 기반하여, 상기 사용자가 유료 회원인지 여부를 식별하는 단계, 상기 사용자가 유료 회원인 것으로 식별된 경우, 인공 신경망을 이용하여, 상기 사용자 정보로부터 상기 사용자가 상기 쇼핑몰의 매출에 기여하는 정도를 지시하는 기여 레벨을 결정하는 단계, 상기 기여 레벨이 미리 설정된 임계 레벨 이상인 경우, 상기 사용자 단말에 유료 회원 여부에 관한 식별 결과를 송신하고 상기 사용자의 가상 지갑에 가상 화폐를 지급하는 단계, 및 상기 기여 레벨이 상기 임계 레벨 보다 작은 경우, 상기 사용자 단말에 유료 회원 여부에 관한 식별 결과를 송신하는 단계를 포함할 수 있다.

Description

가상 화폐에 기반한 메타버스 쇼핑몰을 운영하기 위한 장치 및 방법{APPARATUS AND METHOD FOR OPERATING A METAVERSE SHOPPING MALL BASED ON VIRTUAL CURRENCY}
본 개시(disclosure)는 일반적으로 가상 화폐를 이용하여 물품 구매가 가능한 메타버스 쇼핑몰을 운영하기 위한 장치 및 방법에 관한 것으로, 보다 구체적으로 인공 신경망을 이용하여 사용자가 쇼핑몰의 매출에 기여하는 정도를 확인하고 보상을 지급하기 위한 장치 및 방법에 관한 것이다.
핀테크(fintech)란 금융(finance)과 기술(technology)의 합성어로 IT 기술에 기반한 새로운 형태의 금융 관련 서비스를 지시한다. 핀테크 산업은 금융 고객의 관점에서 보면 수수료 절감, 서비스 이용 용이성 증대 및 손쉬운 서비스 이용이 가능하여 다양한 금융 서비스에 접목할 수 있는 새로운 산업이다. 핀테크 기술이 발전함에 따라 가상 화폐를 이용한 금융 서비스에 관한 수요자가 요구가 증대되고 있으며, 가상 화폐의 활용을 촉진하는 법 제도 아래에서 가상 화폐와 그 기초가 되고 있는 기술을 활용한 금융 서비스가 진화하고 있다.
최근, 가상 화폐를 보유한 사용자가 가상 화폐를 이용하여 물품 대금을 지급하는 메타버스 쇼핑몰에 관한 관심이 집중되고 있다. 사용자는 메타버스 쇼핑몰에 접속하고 가상 화폐를 이용하여 물품을 직접 구매하고, 쇼핑몰을 운영하는 관리자는 이에 대응하여 물품 유통을 관리하는 방식의 물품 거래가 최근 활발히 진행되고 있다.
종래에 따르면, 가상 화폐에 기반한 메타버스 쇼핑몰을 운영하는 관리자는 보다 많은 회원을 유치하기 위하여 여러 모델을 제시하고 있다. 메타버스 쇼핑몰을 운영하는 관리자는 이벤트를 통해 가입자에게 혜택을 제공하거나, 광고를 통해 여러 매체에 홍보함으로써 메타버스 쇼핑몰의 매출을 키우기 위하여 노력하고 있다. 그러나, 관리자가 이벤트의 대상자를 선별하거나 관리자가 직접 광고하는 방식은 사용자의 사용 내용에 관한 다양한 변수를 충분히 고려하지 못하며, 그에 따른 다양한 문제를 발생시킬 수 있다. 이에 대응하여 최근, 가상 화폐를 도입하면서도 관리자의 쇼핑몰 운영 부담을 감소시키고 구매자에게 더 좋은 혜택이 돌아갈 수 있게 하는 방식의 연구 및 개발이 요구되고 있다.
가상 화폐에 기반한 메타버스 쇼핑몰은 사용자의 구매액에 따라 사용자의 회원 종류를 확인하고, 회원 종류에 따라 차등하여 리워드를 지급하는 방식으로 운영된다. 그러나, 쇼핑몰의 매출은 회비, 로그인 횟수, 쇼핑몰 접속 기간, 광고 시청 시간 등 다양한 요소들에 따라 결정되며, 사용자의 구매액만으로 결정되지 않는다. 이에 대응하여, 쇼핑몰이 효율적으로 운영될 수 있도록, 사용자 별로 가상 화폐에 기반한 쇼핑몰의 매출에 기여하는 정도를 정확하게 파악하고 리워드를 지급하기 위한 기술 개발이 요구되고 있다.
삭제
특허문헌 0001 한국 공개특허 제10-2019-0041398호 특허문헌 0002 한국 공개특허 제10-2020-0137818호 특허문헌 0003 한국 등록특허 제10-1886977호
상술한 바와 같은 논의를 바탕으로, 본 개시(disclosure)는 가상 화폐를 이용하여 물품을 구매하는 메타버스 쇼핑몰을 운영하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는 쇼핑몰 사용자들이 쇼핑몰의 매출에 기여하는 정도에 기반하여 사용자에게 보상을 지급하는 방식을 통해 쇼핑몰을 운영하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는 비지도 학습에 기반하는 인공 신경망을 이용하여 쇼핑몰 사용자들을 클러스터(cluster) 별로 분류하여 관리하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는 분류된 클러스터에 관한 가중치들과 쇼핑몰의 매출액과 관련된 클러스터 지수를 이용하여 사용자 지수를 결정하고, 사용자 지수와 홍보 지수를 통해 사용자가 쇼핑몰의 매출에 기여하는 정도에 관한 기여 레벨을 결정하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는 기여 레벨에 따라 사용자들에게 리워드(Reward)와 코인백(Coinback)을 사용자의 전자 지갑에 지급하기 위한 장치 및 방법을 제공한다.
본 개시의 다양한 실시 예들에 따르면, 가상 화폐에 기반한 메타버스 쇼핑몰을 운영하는 쇼핑몰 운영 서버의 동작 방법은 사용자 단말로부터 회원 식별자를 수신하는 단계, 상기 회원 식별자의 수신에 대응하여, 사용자가 시간 구간 동안 쇼핑몰을 사용한 이력에 관련된 사용자 정보를 획득하는 단계, 상기 사용자 정보에 기반하여, 상기 사용자가 유료 회원인지 여부를 식별하는 단계, 상기 사용자가 유료 회원인 것으로 식별된 경우, 인공 신경망을 이용하여, 상기 사용자 정보로부터 상기 사용자가 상기 쇼핑몰의 매출에 기여하는 정도를 지시하는 기여 레벨을 결정하는 단계, 상기 기여 레벨이 미리 설정된 임계 레벨 이상인 경우, 상기 사용자 단말에 유료 회원 여부에 관한 식별 결과를 송신하고 상기 사용자의 전자 지갑에 가상 화폐를 지급하는 단계, 및 상기 기여 레벨이 상기 임계 레벨 보다 작은 경우, 상기 사용자 단말에 유료 회원 여부에 관한 식별 결과를 송신하는 단계를 포함하고, 상기 사용자 정보는 상기 사용자의 상기 쇼핑몰에 관한 납부 회비, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 구매액, 주변 홍보 내역을 포함할 수 있다.
다른 일 실시 예에 따르면, 상기 인공 신경망은 비지도 학습(unsupervised learning)을 이용하여, 사용자들의 상기 쇼핑몰에 관한 납부 회비, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 구매액으로 구성된 학습 입력 데이터로부터 상기 사용자들을 복수의 클러스터들(clusters)로 분류하도록 학습된 인공 신경망을 포함하고, 쇼핑몰 운영 서버가 상기 기여 레벨을 결정하는 단계는, 상기 인공 신경망에 기반하여, 상기 복수의 클러스터들 각각에 대응되는 기준점들과 상기 사용자 정보에 대응되는 특징점을 결정하고, 상기 특징점에 가장 가까운 근접 기준점에 대응되는 클러스터를 해당 클러스터로 결정하는 단계, 상기 해당 클러스터에 포함된 사용자 그룹의 구매액과 상기 쇼핑몰의 매출액 사이의 상관 관계에 관한 클러스터 지수를 결정하는 단계, 상기 클러스터 지수, 및 상기 해당 클러스터에서 상기 사용자 정보에 포함된 요소들 별 가중치들을 이용하여, 사용자 지수를 결정하는 단계, 및 상기 사용자 지수, 및 상기 주변 홍보 내역에 따라 산출되는 홍보 지수를 이용하여, 상기 사용자의 기여 레벨을 결정하는 단계를 포함할 수 있다.
다른 일 실시 예에 따르면, 쇼핑몰 운영 서버의 동작 방법은 상기 사용자 정보에 대응되는 특징점을 포함하여, 상기 해당 클러스터에 포함된 특징점들의 평균 값으로부터 상기 해당 클러스터의 신규 기준점을 결정하는 단계, 및 상기 신규 기준점과 상기 근접 기준점의 차이가 임계 값 이상인 경우, 상기 인공 신경망의 클러스터의 기준점을 상기 신규 기준점으로 갱신하는 단계를 더 포함할 수 있다.
다른 일 실시 예에 따르면, 쇼핑몰 운영 서버가 상기 전자 지갑에 가상 화폐를 지급하는 단계는 상기 쇼핑몰의 상기 시간 구간 동안의 매출 정보와 상기 사용자를 추천인으로 등록한 내역에 관한 추천인 정보를 획득하는 단계, 상기 매출 정보와 추천인 정보에 기반하여, 상기 사용자에게 지급될 리워드 총액 및 코인백 총액을 결정하는 단계, 및 상기 리워드 총액 및 코인백 총액에 대응되는 가상 화폐를 상기 전자 지갑으로 에어드랍(airdrop)하는 단계를 포함할 수 있다.
본 발명의 다양한 각각의 측면들 및 특징들은 첨부된 청구항들에서 정의된다. 종속 청구항들의 특징들의 조합들(combinations)은, 단지 청구항들에서 명시적으로 제시되는 것뿐만 아니라, 적절하게 독립항들의 특징들과 조합될 수 있다.
또한, 본 개시에 기술된 임의의 하나의 실시 예(any one embodiment) 중 선택된 하나 이상의 특징들은 본 개시에 기술된 임의의 다른 실시 예 중 선택된 하나 이상의 특징들과 조합될 수 있으며, 이러한 특징들의 대안적인 조합이 본 개시에 논의된 하나 이상의 기술적 문제를 적어도 부분적으로 경감시키거나, 본 개시로부터 통상의 기술자에 의해 식별될 수 있는(discernable) 기술적 문제를 적어도 부분적으로 경감시키고, 나아가 실시 예의 특징들(embodiment features)의 이렇게 형성된 특정한 조합(combination) 또는 순열(permutation)이 통상의 기술자에 의해 양립 불가능한(incompatible) 것으로 이해되지만 않는다면, 그 조합은 가능하다.
본 개시에 기술된 임의의 예시 구현(any described example implementation)에 있어서 둘 이상의 물리적으로 별개의 구성 요소들은 대안적으로, 그 통합이 가능하다면 단일 구성 요소로 통합될 수도 있으며, 그렇게 형성된 단일한 구성 요소에 의해 동일한 기능이 수행된다면, 그 통합은 가능하다. 반대로, 본 개시에 기술된 임의의 실시 예(any embodiment)의 단일한 구성 요소는 대안적으로, 적절한 경우, 동일한 기능을 달성하는 둘 이상의 별개의 구성 요소들로 구현될 수도 있다.
본 발명의 특정 실시 예들(certain embodiments)의 목적은 종래 기술과 관련된 문제점 및/또는 단점들 중 적어도 하나를, 적어도 부분적으로, 해결, 완화 또는 제거하는 것에 있다. 특정 실시 예들(certain embodiments)은 후술하는 장점들 중 적어도 하나를 제공하는 것을 목적으로 한다.
본 개시의 다양한 실시 예들에 따른 장치 및 방법은 가상 화폐를 이용하여 물품을 구매하는 메타버스 쇼핑몰을 효율적으로 운영할 수 있게 한다.
또한, 본 개시의 다양한 실시 예들에 따른 장치 및 방법은 쇼핑몰 사용자들이 쇼핑몰의 매출에 기여하는 정도에 따라 사용자에게 보상을 지급하는 방식으로 쇼핑몰을 운영할 수 있게 한다.
또한, 본 개시의 다양한 실시 예들에 따른 장치 및 방법은 비지도 학습에 기반하는 인공 신경망을 이용하여 쇼핑몰 사용자들을 클러스터 별로 분류하여 관리할 수 있게 한다.
또한, 본 개시의 다양한 실시 예들에 따른 장치 및 방법은 클러스터에 관한 가중치들과 쇼핑몰의 매출액과 관련된 클러스터 지수를 이용하여 사용자 지수를 결정하고, 사용자 지수와 홍보 지수를 통해 사용자가 쇼핑몰의 매출에 기여하는 정도에 관한 기여 레벨을 결정할 수 있게 한다.
또한, 본 개시의 다양한 실시 예들에 따른 장치 및 방법은 기여 레벨에 따라 사용자들에게 리워드와 코인백을 전자 지갑에 지급할 수 있게 한다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 본 개시의 다양한 실시 예들에 따른, 메타버스 쇼핑몰을 운영하기 위한 쇼핑몰 운영 시스템을 도시한다.
도 2는 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템에서, 쇼핑몰 운영 서버의 하드웨어적 구성을 도시한다.
도 3은 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템에서, 인공 신경망을 이용하여 데이터를 처리하는 과정에 관한 모식도를 도시한다.
도 4는 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템에서, 인공 신경망이 비지도 학습을 이용하여 사용자에 대응되는 해당 클러스터를 결정하는 방법을 설명하기 위한 예시 그래프를 도시한다.
도 5는 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템에서, 쇼핑몰 운영 서버가 기여 레벨을 결정하는 방법에 관한 모식도를 도시한다.
도 6은 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템에서, 쇼핑몰 운영 서버의 전체 동작에 관한 흐름도를 도시한다.
도 7은 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템에서, 쇼핑몰 운영 서버의 동작 방법에 관한 흐름도를 도시한다.
도 8은 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템에서, 쇼핑몰 운영 서버가 기여 레벨을 결정하는 방법에 관한 흐름도를 도시한다.
본 개시에서 사용되는 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 개시에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 개시에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 개시에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 개시에서 정의된 용어일지라도 본 개시의 실시 예들을 배제하도록 해석될 수 없다.
이하에서 설명되는 본 개시의 다양한 실시 예들에서는 하드웨어적인 접근 방법을 예시로서 설명한다. 하지만, 본 개시의 다양한 실시 예들에서는 하드웨어와 소프트웨어를 모두 사용하는 기술을 포함하고 있으므로, 본 개시의 다양한 실시 예들이 소프트웨어 기반의 접근 방법을 제외하는 것은 아니다.
이하 본 개시는 가상 화폐를 이용하여 물품을 구매하는 메타버스 쇼핑몰을 운영하기 위한 장치 및 방법에 관한 것이다. 구체적으로, 본 개시는 인공 신경망을 이용하여 쇼핑몰 사용자들이 쇼핑몰의 매출에 기여하는 정도를 확인하고 보상을 지급함으로써, 쇼핑몰을 관리하기 위한 기술을 설명한다.
아래에서는 첨부한 도면을 참조하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 다양한 실시예들을 상세히 설명한다. 그러나 본 개시의 기술적 사상은 다양한 형태로 변형되어 구현될 수 있으므로 본 명세서에서 설명하는 실시예들로 제한되지 않는다. 본 명세서에 개시된 실시예들을 설명함에 있어서 관련된 공지 기술을 구체적으로 설명하는 것이 본 개시의 기술적 사상의 요지를 흐릴 수 있다고 판단되는 경우 그 공지 기술에 대한 구체적인 설명을 생략한다. 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
본 명세서에서 어떤 요소가 다른 요소와 "연결"되어 있다고 기술될 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라 그 중간에 다른 요소를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 어떤 요소가 다른 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 요소 외에 또 다른 요소를 배제하는 것이 아니라 또 다른 요소를 더 포함할 수 있는 것을 의미한다.
일부 실시예들은 기능적인 블록 구성들 및 다양한 처리 단계들로 설명될 수 있다. 이러한 기능 블록들의 일부 또는 전부는 특정 기능을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 본 개시의 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 본 개시의 기능 블록이 수행하는 기능은 복수의 기능 블록에 의해 수행되거나, 본 개시에서 복수의 기능 블록이 수행하는 기능들은 하나의 기능 블록에 의해 수행될 수도 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다.
또한, 본 개시에서, 특정 조건의 만족(satisfied), 충족(fulfilled) 여부를 판단하기 위해, 초과 또는 미만의 표현이 사용되었으나, 이는 일 예를 표현하기 위한 기재일 뿐 이상 또는 이하의 기재를 배제하는 것이 아니다. '이상'으로 기재된 조건은 '초과', '이하'로 기재된 조건은 '미만', '이상 및 미만'으로 기재된 조건은 '초과 및 이하'로 대체될 수 있다.
도 1은 본 개시의 다양한 실시 예들에 따른, 메타버스 쇼핑몰을 운영하기 위한 쇼핑몰 운영 시스템(100)을 도시한다.
쇼핑몰 운영 시스템(100)은 사용자에 관한 물품 구매 서비스를 지원하는 시스템을 지시한다. 특히, 본 개시에 따른 쇼핑몰 운영 시스템(100)은 확장된 가상 세계의 공간, 즉 메타버스(metaverse)를 이용하여, 물품을 유통시키는 공간을 제공하는 서비스를 지시할 수 있다. 쇼핑몰 운영 시스템(100)에 따르면, 사용자는 가상 화폐를 이용하여 메타버스 쇼핑몰 상에서 거래되는 물품을 구매할 수 있고, 판매자는 메타버스 쇼핑몰을 통해 구매자에게 물품을 제공할 수 있다. 또한, 메타버스 쇼핑몰을 관리하는 관리자는 메타버스 쇼핑몰의 공간을 제공하고, 물품 거래가 원활하게 진행되도록 쇼핑몰 회원을 모집하고 관리할 수 있다. 본 개시의 일 실시 예에 따르면, 쇼핑몰 운영 시스템(100)은 사용자 단말(110), 관리자 장치(130), 쇼핑몰 운영 서버(150), 및 네트워크(170)를 포함할 수 있다.
사용자 단말(110)은 메타버스 공간에서 물품을 거래하는 구매자, 판매자가 사용하는 단말을 지시한다. 사용자 단말(110)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말을 포함할 수 있다. 본 개시의 일 실시 예에 따르면, 사용자 단말(110)은 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(personal digital assistants), PMP(portable multimedia player), 태블릿 PC를 지시할 수 있다. 사용자 단말(110)은 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 관리자 장치(130), 및 쇼핑몰 운영 서버(150) 중 적어도 하나와 통신을 수행할 수 있다.
관리자 장치(130)는 메타버스 쇼핑몰을 관리하는 관리자가 이용하는 단말을 지시한다. 관리자는 관리자 장치(130)를 이용하여 쇼핑몰 운영에 관한 전반적인 사항들을 관리할 수 있다. 즉, 관리자 장치(130)는 구매자나 판매자가 메타버스 쇼핑몰을 원활하게 이용할 수 있도록 메타버스 쇼핑몰 인터페이스를 제어할 수 있다.
쇼핑몰 운영 서버(150)는 관리자 장치(130)의 제어에 따라 메타버스 쇼핑몰을 사용자에게 제공하는 컴퓨팅 장치를 지시한다. 쇼핑몰 운영 서버(150)는 사용자 단말(110), 관리자 장치(130) 중 적어도 하나와 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공할 수 있다. 쇼핑몰 운영 서버(150)는 쇼핑몰 이용자로 가입한 사용자들에 관한 사용자 정보를 데이터베이스(database)에 저장할 수 있고, 사용자 정보에 따라 사용자에게 메타버스 쇼핑 공간을 제공할 수 있다.
본 개시의 일 실시 예에 따르면, 쇼핑몰 운영 서버(150)는 사용자의 회원 종류를 결정할 수 있다. 본 개시의 일 실시 예에 따르면, 쇼핑몰 운영 서버(150)는 사용자가 쇼핑몰을 사용한 이력에 관한 사용자 정보를 확인하고, 사용자가 유료 회원인지 또는 무료 회원인지 여부를 결정할 수 있다. 또한, 사용자가 유료 회원인 경우에서, 쇼핑몰 운영 서버(150)는 사용자가 쇼핑몰의 매출 기여에 관련된 소정의 조건들을 만족하는 경우, 가상 화폐 형태의 리워드 및 코인백을 사용자에게 지급할 수 있다.
즉, 쇼핑몰 운영 서버(150)는 사용자가 쇼핑몰의 매출에 기여하는 정도에 기반하여 사용자에게 적절한 보상을 지급함으로써 쇼핑몰을 운영할 수 있다. 여기서, 쇼핑몰 운영 서버(150)는 인공지능 기계학습 모델을 통해 동작할 수 있다. 쇼핑몰 운영 서버(150)는 기계학습 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 기계학습 모델은 인공지능 기계 학습을 통해 생성될 수 있다. 기계 학습 알고리즘은, 예를 들어, 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 준지도 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있다. 본 개시에 따른 쇼핑몰 운영 서버(150)에 탑재되는 인공 신경망은 데이터에 관한 명시적인 정답 없이 학습을 진행하는 비지도 학습에 기반한 인공 신경망을 포함할 수 있다. 쇼핑몰 운영 서버(150)는 비지도 학습에 기반한 인공 신경망을 이용하여 사용자의 쇼핑몰 사용 이력에 관한 사용자 정보로부터 사용자가 쇼핑몰의 매출에 기여하는 정도를 확인할 수 있고, 그에 따라 사용자에게 가상 화폐를 통해 적절한 보상을 지급함으로써 쇼핑몰을 운영할 수 있다.
쇼핑몰 운영 시스템(100)에 따르면, 사용자는 유료 회원과 무료 회원으로 구분될 수 있다. 유료 회원은 쇼핑몰에 가상 화폐 형태의 회비를 납부한 고객이며, 무료 회원은 회비를 납부하지 않은 고객을 지시할 수 있다. 여기서, 회비는 관리자가 설정한 금액에 대응되는 가상 화폐를 지시할 수 있고, 가상 화폐는 메타버스 쇼핑몰에서 현금으로 구매하거나 현금으로 판매될 수 있다. 본 개시의 일 실시 예에 따르면, 회비는 2,000 코인, 5,000 코인, 10,000 코인, 30,000 코인, 50,000 코인 중 하나로 결정될 수 있으며, 회비의 크기는 관리자의 설정에 따라 변경될 수 있다.
쇼핑몰 운영 서버(150)는 사용자가 유료 회원을 유지하기 위한 조건으로서, 미리 설정된 시간 구간마다 메타버스 쇼핑몰에 일정 횟수 이상 로그인 하고, 일정 시간 동안 쇼핑몰에 접속하여, 일정 시간 동안 광고를 시청하고, 일정 금액 이상을 구매하는 조건을 설정할 수 있다. 또한, 쇼핑몰 운영 서버(150)는 유료 회원에게 지급하는 매출액 대비 리워드의 비율, 리워드 총액 대비 회비의 비율, 및 정지 계정을 일반 계정으로 전환하기 위한 조건을 설정할 수 있다. 여기서, 시간 구간, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 일정 금액에 관한 조건과 매출액 대비 리워드 비율, 리워드 총액 대비 회비의 비율은 관리자의 설정에 따라 변경될 수 있다. 본 개시의 일 실시 예에 따르면, 쇼핑몰 운영 서버(150)는 24시간 마다 메타버스 쇼핑몰에 1회 이상 로그인 하여, 3분 이상 접속을 유지하여, 10회분 이상에 대응되는 시간 동안 광고를 시청하고, 한달에 납부 회비의 10% 이상에 해당하는 금액으로 쇼핑하는 사용자를 유료 회원으로 유지시키고, 매출액에서 비용을 공제한 이익의 40%를 리워드로 지급할 수 있다. 또한, 쇼핑몰 운영 서버(150)는 사용자가 받은 리워드 총액이 납부한 회비의 120%에 도달하면 사용자의 유료 회원 자격을 소멸시킬 수 있다.
쇼핑몰 운영 서버(150)는 유료 회원을 유지하기 위한 조건을 만족시키지 못하는 사용자에 관한 보상 지급을 중단할 수 있으며, 2주 동안 쇼핑몰에 온라인으로 접속하지 않은 사용자의 계정을 정지 계정으로 변경할 수 있으며, 사용자가 정지 계정을 일반 계정으로 전환하기 위한 조건을 만족하는 경우 정지 계정을 일반 계정으로 변경할 수 있다. 본 개시의 일 실시 예에 따르면, 쇼핑몰 운영 서버(150)는 정지 계정의 유료 회원이 쇼핑몰에 접속하여 일정 시간 동안 접속을 유지하거나, 패널티를 지불한 경우, 정지 계정을 일반 계정으로 전환하고 리워드를 에어드랍 할 수 있다.
이후, 쇼핑몰 운영 서버(150)는 유료 회원인 사용자에 관하여, 사용자가 쇼핑몰의 매출에 기여하는 정도에 관한 기여 레벨을 결정하고, 기여 레벨이 미리 설정된 임계 레벨 이상인 경우 가상 화폐 형태의 리워드와 코인백을 지급할 수 있다. 본 개시의 일 실시 예에 따르면, 쇼핑몰 운영 서버(150)는 사용자의 기여 레벨이 임계 레벨 이상인 경우, 사용자가 납부한 회비의 비율로 전일 쇼핑몰의 매출액에서 비용을 공제한 이익의 일정 금액을, 다음날에 리워드로 지급할 수 있다. 즉, 쇼핑몰 운영 서버(150)는 전일 0시부터 24시까지 발생한 쇼핑몰의 매출액에서 비용을 공제한 이익의 일정 부분을, 기여 레벨 요건을 충족한 유료 회원에게 리워드로 지급할 수 있다. 또한, 쇼핑몰 운영 서버(150)는 사용자를 추천인으로 등록한 추천인 신규 회원의 수에 기반하여, 신규 회원이 납부한 회비의 일정 부분을 코인백으로 지급할 수 있다.
구체적으로, 쇼핑몰 운영 서버(150)는 제1 유료 회원의 직접 홍보에 따라 제2 유료 회원이 메타버스 쇼핑몰에 가입한 경우, 제2 유료 회원이 납부한 회비의 제1 비율에 해당하는 금액을 제1 유료 회원에게 에어드랍 할 수 있다. 동일한 방법으로 쇼핑몰 운영 서버(150)는 제2 유료 회원의 홍보에 따라 제3 유료 회원이 메타버스 쇼핑몰에 가입한 경우, 제3 유료 회원이 납부한 회비의 제2 비율에 해당하는 금액을 제2 유료 회원에게 에어드랍 할 수 있다. 여기서, 홍보에 따라 추천인이 지급받는 회비의 비율은 관리자의 설정에 따라 변경될 수 있다. 일 예에 따르면, 순차적인 홍보에 따라 제1 유료 회원 내지 제6 유료 회원이 메타버스 쇼핑물에 가입한 경우, 제1 비율 내지 제5 비율은 각각 5%, 3%, 2%, 1%, 1%로 결정될 수 있다. 쇼핑몰 운영 서버(150)는 리워드 및 코인백 지급을 통해 사용자에게 보상을 지급할 수 있다.
도 1에 도시된 바와 같이, 쇼핑몰 운영 시스템(100)의 구성요소들은 네트워크(170)를 통해 연결될 수 있다. 본 개시의 일 실시 예에 따르면, 네트워크(170)는 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 RF, 3GPP(3rd generation partnership project) 네트워크, LTE(long term evolution) 네트워크, 5GPP(5rd generation partnership project) 네트워크, WIMAX(world interoperability for microwave access) 네트워크, 인터넷(internet), LAN(local area network), Wireless LAN(wireless local area network), WAN(wide area network), PAN(personal area network), 블루투스 (bluetooth) 네트워크, NFC 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(digital multimedia broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
도 2는 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템(100)에서, 쇼핑몰 운영 서버(150)의 하드웨어 구성(200)을 도시한다. 이하 사용되는 '??부', '??기' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 쇼핑몰 운영 서버(150)는 메모리(210), 프로세서(220), 통신부(230), 및 입출력 인터페이스(240)를 포함할 수 있다.
메모리(210)는 쇼핑몰 운영 서버(150)의 동작을 위한 기본 프로그램, 응용 프로그램, 설정 정보 등의 데이터를 일시적 또는 영구적으로 저장한다. 메모리(210)는 RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있으나, 본 발명이 이에 한정되는 것은 아니다. 이러한 소프트웨어 구성요소들은 드라이브 메커니즘(drive mechanism)을 이용하여 메모리(210)와 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체를 포함할 수 있다. 실시예에 따라서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 통신부(230)를 통해 메모리(210)에 로딩될 수도 있다. 또한, 메모리(210)는 프로세서(220)의 요청에 따라 저장된 데이터를 제공할 수 있다. 본 개시의 일 실시 예에 따르면, 메모리(210)는 사용자가 시간 구간 동안 쇼핑몰을 사용한 이력에 관련된 사용자 정보를 저장할 수 있다.
프로세서(220)는 가상 화폐에 기반한 메타버스 쇼핑몰을 운영하는 쇼핑몰 운영 서버(150)의 전반적인 동작들을 제어한다. 예를 들어, 프로세서(220)는 통신부(230)를 통해 신호가 송신 및 수신되도록 제어할 수 있다. 또한, 프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신부(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다. 예를 들어, 프로세서(220)는 쇼핑몰 운영 서버(150)가 후술하는 다양한 실시 예들에 따른 동작들을 수행하도록 제어할 수 있다.
본 개시의 일 실시 예에 따르면, 프로세서(220)는 사용자 단말(110)로부터 회원 식별자를 수신하고, 회원 식별자의 수신에 대응하여, 사용자가 시간 구간 동안 쇼핑몰을 사용한 이력에 관련된 사용자 정보를 획득하고, 사용자 정보에 기반하여 사용자가 유료 회원인지 여부를 식별하고, 사용자가 유료 회원인 것으로 식별된 경우, 인공 신경망을 이용하여 사용자 정보로부터 사용자가 쇼핑몰의 매출에 기여하는 정도를 지시하는 기여 레벨을 결정하고, 기여 레벨이 미리 설정된 임계 레벨 이상인 경우, 사용자 단말에 유료 회원 여부에 관한 식별 결과를 송신하고 사용자의 전자 지갑에 가상 화폐를 지급하고, 기여 레벨이 임계 레벨 보다 작은 경우, 사용자 단말에 유료 회원 여부에 관한 식별 결과를 송신할 수 있다. 여기서, 사용자 정보는 사용자의 쇼핑몰에 관한 납부 회비, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 구매액, 주변 홍보 내역을 포함할 수 있다.
통신부(230)는 무선 채널을 통해 신호를 송수신하기 위한 기능들을 수행한다. 통신부(230)의 전부 또는 일부는 송신부, 수신부, 송수신부로 지칭될 수 있다. 통신부(230)는 통신망을 통해 쇼핑몰 운영 서버(150)와 적어도 하나의 다른 노드가 서로 통신하기 위한 기능을 제공할 수 있다. 본 개시의 일 실시 예에 따르면, 쇼핑몰 운영 서버(150)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 요청 신호를 생성한 경우, 요청 신호는 통신부(230)의 제어에 따라 통신망을 통해 적어도 하나의 다른 노드로 전달될 수 있다. 역으로, 적어도 하나의 다른 노드의 프로세서의 제어에 따라 제공되는 제어 신호나 명령, 콘텐츠, 파일 등이 통신부(230)를 통해 쇼핑몰 운영 서버(150)로 수신될 수 있다. 본 개시의 일 실시 예에 따르면, 통신부(230)는 사용자 단말(110)에 유료 회원 여부에 관한 식별 결과를 송신할 수 있다.
입출력 인터페이스(240)는 입출력 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 이때 입력 장치는 예를 들어 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 이미지를 표시하기 위한 디스플레이부 등과 같은 장치의 형태로 구비될 수 있다.
쇼핑몰 운영 서버(150)는 사용자가 미리 설정된 시간 구간 동안 쇼핑몰을 사용한 이력에 관한 사용자 정보를 저장할 수 있다. 쇼핑몰 운영 서버(150)는 사용자 단말(110)로부터 회원 식별자를 수신하고, 회원 식별자 수신에 대응하여 사용자 정보를 추출할 수 있다. 이후, 쇼핑몰 운영 서버(150)는 사용자 정보를 이용하여 사용자가 유료 회원인지 여부를 확인하고, 유료 회원인 경우 사용자가 쇼핑몰의 매출에 기여하는 정도에 관한 기여 레벨을 결정할 수 있다. 쇼핑몰 운영 서버(150)는 사용자의 기여 레벨이 임계 레벨 이상인 경우, 사용자 단말(110)에 사용자의 회원 등급에 관한 식별 결과를 송신하고 사용자의 전자 지갑에 가상 화폐 형태의 보상을 지급할 수 있다. 반면, 쇼핑몰 운영 서버(150)는 사용자가 유료 회원이 아니거나, 사용자의 기여 레벨이 임계 레벨 보다 작은 경우, 사용자 단말(110)에 보상을 지급하지 않고, 사용자의 회원 등급에 관한 식별 결과를 송신할 수 있다.
도 3은 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템(100)에서, 인공 신경망(320)을 이용하여 데이터를 처리하는 과정에 관한 모식도(300)를 도시한다. 도 3은 쇼핑몰 운영 서버(150)의 인공 신경망(320)이 사용자 정보로부터 사용자들을 복수의 분류하도록 학습하는 과정을 예시한다.
쇼핑몰 운영 서버(150)는 인공 신경망(320)을 이용하여 사용자 정보로부터 사용자가 쇼핑몰의 매출에 기여하는 정도를 지시하는 기여 레벨을 결정할 수 있다. 여기서, 인공 신경망(320)은 비지도 학습을 이용하여, 사용자 정보에 관한 학습 입력 데이터(310)로부터 사용자들을 복수의 클러스터들(clusters)(330)로 분류하도록 학습된 인공 신경망을 지시할 수 있다.
학습 입력 데이터(310)는 사용자들 각각에 관한 쇼핑몰 사용 이력에 관련된 정보를 지시할 수 있다. 쇼핑몰 운영 서버(150)는 사용자들 각각에 관하여 사용자의 쇼핑몰에 관한 납부 회비, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 구매액, 주변 홍보 내역에 관한 사용자 정보를 저장할 수 있다. 이에 대응하여, 학습 입력 데이터(310)는 복수의 사용자들 각각에 관하여, 쇼핑몰에 관한 납부 회비, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 구매액에 관한 정보를 포함할 수 있고, 인공 신경망(320)에 입력될 수 있다.
인공 신경망(320)은 입력 레이어(321), 적어도 하나의 히든 레이어(323) 및 출력 레이어(325)를 포함할 수 있다. 학습 입력 데이터(310)는 인공 신경망(320)의 입력 레이어(321)에 입력되고, 적어도 하나의 히든 레이어(323), 및 출력 레이어(325)를 통과하여 출력될 수 있다. 즉, 인공 신경망(320)은 비지도 학습을 이용하여, 사용자들의 쇼핑몰에 관한 납부 회비, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 구매액으로 구성된 학습 입력 데이터(310)를 입력 받고, 사용자들을 복수의 클러스터들(330)로 분류할 수 있다.
복수의 클러스터들(330)은 인공 신경망(320)의 출력에 따라 분류된 데이터 셋을 지시한다. 인공 신경망(320)은 사용자들의 구매 특징에 기반하여 군집화 분류를 수행함으로써, 사용자들을 클러스터들에 따라 분류할 수 있다. 그에 따라, 인공 신경망(320)의 분류에 따라 복수의 클러스터들(330)이 생성될 수 있다. 본 개시의 일 실시 예에 따르면, 제1 클러스터는 쇼핑몰 납부 회비 비중이 높은 클러스터, 제2 클러스터는 로그인 횟수 비중이 높은 클러스터, 제3 클러스터는 쇼핑몰 접속 시간 비중이 높은 클러스터, 제4 클러스터는 광고 시청 시간 비중이 높은 클러스터, 제5 클러스터는 구매액 비중이 높은 클러스터를 지시할 수 있다.
쇼핑몰 운영 서버(150)는 학습된 인공 신경망(320)을 이용하여, 사용자 정보를 입력 받고, 사용자가 속하는 클러스터에 관한 해당 클러스터를 결정할 수 있다. 이후, 쇼핑몰 운영 서버(150)는 클러스터 분류 이후에 클러스터 지수, 사용자 지수, 및 홍보 지수에 따라 사용자의 기여 레벨을 결정할 수 있다. 인공 신경망(320)이 사용자 정보로부터 해당 클러스터를 결정하는 구체적인 방법은 도 4에서 상세히 설명된다.
도 4는 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템(100)에서, 인공 신경망(320)이 비지도 학습을 이용하여 사용자에 대응되는 해당 클러스터를 결정하는 방법을 설명하기 위한 예시 그래프(400)를 도시한다.
도 4를 참고하면, 쇼핑몰 운영 서버(150)는 사용자 단말(110)로부터의 회원 식별자 수신에 대응하여, 사용자의 쇼핑몰 사용 이력에 관한 사용자 정보를 획득할 수 있다. 여기서, 사용자 정보는 사용자의 쇼핑몰에 관한 납부 회비, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 구매액에 관한 요소들을 포함할 수 있다. 다만, 설명의 편의를 위하여, 도 4는 사용자 정보에 포함된 요소가 두 개인 경우를 예시한다. 즉, x1과 x2 각각은 납부 회비, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 구매액 중 하나를 지시할 수 있다.
쇼핑몰 운영 서버(150)는 인공 신경망(320)을 이용하여 사용자 정보를 입력 받고, 사용자에게 대응되는 해당 클러스터를 결정할 수 있다. 이를 위하여, 인공 신경망(320)은 사용자를 제1 클러스터 내지 제3 클러스터(411 내지 413) 중 어느 하나로 분류하도록 미리 학습되어 있을 수 있다. 제1 클러스터 내지 제3 클러스터(411 내지 413) 각각은 사용자들의 사용자 정보에 포함된 요소들에 따라 클러스터의 결정 기준이 되는 기준점을 포함할 수 있다. 도 4를 참고하면, 제1 클러스터(411)는 기준점(431)을 포함할 수 있다.
인공 신경망(320)은 사용자 정보를 입력 받고, 사용자 정보에 대응되는 특징점(433)을 결정할 수 있다. 이후, 인공 신경망(320)은 특징점(433)과 기준점들 사이의 거리를 비교하여 근접 기준점을 결정할 수 있다. 인공 신경망(320)은 특징점(433)과 가장 거리가 가까운 근접 기준점이 포함된 클러스터를 해당 클러스터로 결정할 수 있다. 도 4를 참고하면, 제1 클러스터(411)의 기준점(431)이 특징점(433)에 가장 가까운 근접 기준점으로 결정될 수 있고, 인공 신경망(320)은 기준점(431)이 포함된 제1 클러스터(411)를 해당 클러스터로 결정할 수 있다.
추가적으로, 인공 신경망(320)은 사용자 정보를 학습 데이터로 추가하여 인공 신경망을 업데이트 할 수 있다. 본 개시의 일 실시 예에 따르면, 인공 신경망(320)은 사용자 정보에 대응되는 특징점을 포함하여, 해당 클러스터에 포함된 특징점들의 평균 값으로부터 해당 클러스터의 신규 기준점을 결정하고, 신규 기준점과 근접 기준점의 차이가 임계 값 이상인 경우, 인공 신경망의 클러스터의 기준점을 신규 기준점으로 갱신할 수 있다.
도 5는 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템(100)에서, 쇼핑몰 운영 서버(150)가 기여 레벨을 결정하는 방법에 관한 모식도(500)를 도시한다.
도 5를 참고하면, 쇼핑몰 운영 서버(150)는 미리 학습된 인공 신경망(320), 제1 연산부(510), 및 제2 연산부(520)를 이용하여 사용자 정보로부터 기여 레벨을 결정할 수 있다.
인공 신경망(320)은 사용자 정보를 입력 받고, 사용자에 대응되는 해당 클러스터를 출력할 수 있다. 본 개시의 일 실시 예에 따르면, 인공 신경망(320)은 사용자의 쇼핑몰에 관한 납부 회비, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 구매액을 입력 받고, 사용자와 유사한 성향으로 판단되는 그룹에 관한 해당 클러스터를 결정할 수 있다. 또한, 쇼핑몰 운영 서버(150)는 결정된 해당 클러스터에 포함된 사용자 그룹의 구매액과 쇼핑몰의 매출액 사이의 상관 관계에 관한 해당 클러스터 지수를 결정할 수 있다. 쇼핑몰 운영 서버(150)는 쇼핑몰 전체 매출액에서 해당 클러스터에 포함된 사용자들이 기여하는 매출액의 비율을 고려하여 해당 클러스터 지수를 결정할 수 있다. 본 개시의 일 실시 예에 따르면, 쇼핑몰 전체 매출액에서 납부 회비 비중이 높은 제1 클러스터에 포함된 사람들이, 로그인 횟수 비중이 높은 제2 클러스터에 포함된 사람들 보다 매출액 상승에 높은 기여를 하는 경우, 제1 클러스터의 클러스터 지수가 제2 클러스터 지수보다 높도록 설정될 수 있다. 이후, 해당 클러스터를 지시하는 정보와 해당 클러스터에 관한 해당 클러스터 지수가 제1 연산부(510)로 전달될 수 있다.
제1 연산부(510)는 해당 클러스터를 지시하는 정보와 해당 클러스터 지수로부터 사용자 지수를 연산할 수 있다. 클러스터들 각각에서, 사용자 정보에 포함된 요소들 각각에 대응되는 가중치들이 상이하게 결정될 수 있다. 이에 대응하여, 제1 연산부(510)는 해당 클러스터에서 사용자 정보에 포함된 요소들 각각에 가중치들을 적용하고, 가중치가 적용된 지수에 해당 클러스터 지수를 추가하여, 사용자 지수를 결정할 수 있다. 또한, 쇼핑몰 운영 서버(150)는 사용자 정보에 포함된 주변 홍보 내역에 따라 홍보 지수를 산출할 수 있다. 쇼핑몰 운영 서버(150)는 사용자가 SNS(social network service), 오프라인 이벤트 등을 통해 쇼핑몰을 홍보한 내역을 수치화 하여 홍보 지수를 결정할 수 있다. 이후, 사용자 지수와 홍보 지수가 제2 연산부(520)로 전달될 수 있다.
제2 연산부(520)는 사용자 지수와 홍보 지수를 이용하여 사용자의 기여 레벨을 결정할 수 있다. 제2 연산부(520)는 사용자 지수에 제1 가중치를 적용하고 홍보 지수에 제2 가중치를 적용하여 더함으로써, 사용자가 쇼핑몰의 매출에 기여하는 정도를 지시하는 기여 레벨을 결정할 수 있다.
도 5를 참고하면, 쇼핑몰 운영 서버(150)는 단순하게 사용자의 구매 총액을 기준으로 기여 레벨을 결정하지 않고, 인공 신경망(320)을 통해 쇼핑몰에 관한 납부 회비, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 사용자가 물품을 구매한 구매액을 통해 사용자를 해당 클러스터로 구분하고, 해당 클러스터에 따른 요소 별 가중치와 해당 클러스터 지수를 종합적으로 고려하여 사용자 지수를 결정하고, 사용자 지수에 추가적으로, 표면상으로 산출하기 어려운 홍보 지수까지 고려하여 기여 레벨을 결정할 수 있다. 즉, 쇼핑몰 운영 서버(150)는 인공 신경망(320), 제1 연산부(510), 및 제2 연산부(520)를 이용하여, 쇼핑몰의 매출에 기여하는 정도에 관한 기여 레벨을 정밀하게 결정함으로써, 사용자에게 보다 많은 혜택을 제공하고 관리자에게 보다 많은 이득을 제공할 수 있다.
도 6은 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템(100)에서, 쇼핑몰 운영 서버(150)의 전체 동작에 관한 흐름도(600)를 도시한다. 도 6은 쇼핑몰 운영 서버(150)가 프로세서(220)를 이용하여 동작하는 방법을 예시한다.
도 6을 참고하면 단계(601)에서, 쇼핑몰 운영 서버(150)는 사용자 단말로부터 회원 식별자를 수신한다. 쇼핑몰 운영 서버(150)는 사용자가 쇼핑몰의 회원인지 여부를 확인하기 위하여 사용자 단말(110)로부터 회원 식별자를 수신할 수 있다.
단계(603)에서, 쇼핑몰 운영 서버(150)는 사용자 정보를 획득한다. 쇼핑몰 운영 서버(150)는 회원 식별자의 수신에 대응하여 사용자가 회원인지 여부를 확인하고, 메모리(210)에서 사용자의 쇼핑몰 사용 내역에 관한 사용자 정보를 추출할 수 있다.
단계(605)에서, 쇼핑몰 운영 서버(150)는 사용자가 유료 회원인지 여부를 식별한다. 쇼핑몰 운영 서버(150)는 사용자가 회비를 납부한지 여부를 확인할 수 있다. 구체적으로, 쇼핑몰 운영 서버(150)는 사용자가 회비를 납부한 경우 사용자를 유료 회원인 것으로 식별하고 단계(607)로 진행하여 기여 레벨을 결정할 수 있다. 반면, 쇼핑몰 운영 서버(150)는 사용자가 회비를 납부하지 않은 경우, 단계(613)으로 진행하여 유료 회원 여부에 관한 식별 결과를 사용자 단말(110)에 송신할 수 있다.
단계(607)에서, 쇼핑몰 운영 서버(150)는 기여 레벨을 결정한다. 쇼핑몰 운영 서버(150)는 사용자가 유료 회원인 것으로 식별된 경우, 인공 신경망(320)을 이용하여 사용자 정보를 입력 받고 기여 레벨을 결정할 수 있다.
단계(609)에서, 쇼핑몰 운영 서버(150)는 기여 레벨이 임계 레벨 이상인지 여부를 식별한다. 쇼핑몰 운영 서버(150)는 기여 레벨이 미리 설정된 임계 레벨 이상인 경우, 단계(611)로 진행하여 사용자의 전자 지갑에 가상 화폐를 지급할 수 있다. 반면, 쇼핑몰 운영 서버(150)는 기여 레벨이 임계 레벨 보다 작은 경우, 단계(613)으로 진행하여 사용자 단말(110)에 유료 회원 여부에 관한 식별 결과를 송신할 수 있다.
단계(613)에서, 쇼핑몰 운영 서버(150)는 사용자가 유료 회원이 아닌 경우, 사용자 단말(110)에 유료 회원이 아님을 지시하는 식별 결과를 송신할 수 있다. 또한, 쇼핑몰 운영 서버(150)는 사용자가 유료 회원이지만 기여 레벨이 임계 레벨 보다 작은 경우, 사용자에게 유료 회원임을 지시하는 식별 결과에 추가로, 기여 레벨에 따라 리워드를 지급할 수 없음을 지시하는 정보를 송신할 수 있다.
도 7은 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템(100)에서, 쇼핑몰 운영 서버(150)의 동작 방법에 관한 흐름도(700)를 도시한다. 도 7은 쇼핑몰 운영 서버(150)가 프로세서(220)를 이용하여 동작하는 방법을 예시한다.
도 7을 참고하면 단계(701)에서, 쇼핑몰 운영 서버(150)는 사용자 단말로부터 회원 식별자를 수신한다. 사용자는 사용자 단말(110)로부터 회원 식별자를 수신함으로써, 사용자가 쇼핑몰의 회원인지 여부를 확인할 수 있다.
단계(703)에서, 쇼핑몰 운영 서버(150)는 회원 식별자의 수신에 대응하여, 사용자가 시간 구간 동안 쇼핑몰을 사용한 이력에 관련된 사용자 정보를 획득한다. 쇼핑몰 운영 서버(150)는 회원 식별자의 수신에 대응하여 사용자의 회원 번호를 확인할 수 있다. 이후, 쇼핑몰 운영 서버(150)는 메모리(210)로부터 사용자의 쇼핑몰 사용 내역에 관한 사용자 정보를 추출할 수 있다. 본 개시의 일 실시 예에 따르면, 시간 구간은 24시간을 지시할 수 있다. 본 개시의 일 실시 예에 따르면, 사용자 정보는 사용자의 쇼핑몰에 관한 납부 회비, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 구매액, 주변 홍보 내역을 포함할 수 있다.
단계(705)에서, 쇼핑몰 운영 서버(150)는 사용자 정보에 기반하여, 사용자가 유료 회원인지 여부를 식별한다. 쇼핑몰 운영 서버(150)는 사용자 정보로부터 사용자가 유료 회원인지 여부를 식별할 수 있다. 본 개시의 일 실시 예에 따르면, 쇼핑몰 운영 서버(150)는 사용자가 회비를 납부한 경우 유료 회원으로 식별하고, 사용자가 회비를 납부하지 않은 경우 유료 회원이 아닌 것으로 식별할 수 있다.
단계(707)에서, 쇼핑몰 운영 서버(150)는 사용자가 유료 회원인 것으로 식별된 경우, 인공 신경망을 이용하여, 사용자 정보로부터 사용자가 쇼핑몰의 매출에 기여하는 정도를 지시하는 기여 레벨을 결정한다. 쇼핑몰 운영 서버(150)는 비지도 학습에 기반하는 인공 신경망을 이용하여 사용자 정보로부터 사용자가 쇼핑몰의 매출에 기여하는 정도에 관한 기여 레벨을 결정할 수 있다. 기여 레벨을 결정하는 구체적인 동작 과정은 도 8에서 상세히 설명된다.
단계(709)에서, 쇼핑몰 운영 서버(150)는 기여 레벨이 미리 설정된 임계 레벨 이상인 경우, 사용자 단말에 유료 회원 여부에 관한 식별 결과를 송신하고 사용자의 전자 지갑에 가상 화폐를 지급한다. 쇼핑몰 운영 서버(150)는 사용자가 유료 회원이고, 사용자의 기여 레벨이 임계 레벨 이상인 경우, 보상을 지급할 수 있다.
본 개시의 일 실시 예에 따르면, 쇼핑몰 운영 서버(150)는 쇼핑몰의 시간 구간 동안의 매출 정보와 사용자를 추천인으로 등록한 내역에 관한 추천인 정보를 획득하고, 매출 정보와 추천인 정보에 기반하여, 사용자에게 지급될 리워드 총액 및 코인백 총액을 결정하고, 리워드 총액 및 코인백 총액에 대응되는 가상 화폐를 전자 지갑으로 에어드랍(airdrop)할 수 있다.
단계(711)에서, 쇼핑몰 운영 서버(150)는 기여 레벨이 임계 레벨 보다 작은 경우, 사용자 단말에 유료 회원 여부에 관한 식별 결과를 송신한다. 본 개시의 일 실시 예에 따르면, 쇼핑몰 운영 서버(150)는 사용자가 유료 회원이 아닌 경우, 유료 회원이 아님을 지시하는 식별 결과를 사용자 단말(110)에 송신할 수 있다. 본 개시의 일 실시 예에 따르면, 사용자가 유료 회원이지만 사용자의 기여 레벨이 임계 레벨 보다 작은 경우, 사용자 단말에 유료 회원임을 지시하는 식별 결과와 함께, 사용자의 기여 레벨이 임계 레벨 보다 낮음을 지시하는 식별 결과를 송신할 수 있다.
도 8은 본 개시의 다양한 실시 예들에 따른 쇼핑몰 운영 시스템(100)에서, 쇼핑몰 운영 서버(150)가 기여 레벨을 결정하는 방법에 관한 흐름도(800)를 도시한다. 도 8은 쇼핑몰 운영 서버(150)가 프로세서(220)를 이용하여 동작하는 방법을 예시한다.
도 8을 참고하면 단계(801)에서, 쇼핑몰 운영 서버(150)는 인공 신경망에 기반하여, 복수의 클러스터들 각각에 대응되는 기준점들과 사용자 정보에 대응되는 특징점을 결정하고, 특징점에 가장 가까운 근접 기준점에 대응되는 클러스터를 해당 클러스터로 결정한다. 본 개시의 일 실시 예에 따르면, 쇼핑몰 운영 서버(150)는 미리 학습된 인공 신경망을 이용하여 사용자에 대응되는 해당 클러스터를 결정할 수 있다. 구체적으로, 쇼핑몰 운영 서버(150)는 사용자 정보에 포함된 요소들을 이용하여 특징점을 결정하고, 클러스터들 각각에 대응되는 기준점들과 특징점의 거리를 비교하여 해당 클러스터를 결정할 수 있다.
단계(803)에서, 쇼핑몰 운영 서버(150)는 해당 클러스터에 포함된 사용자 그룹의 구매액과 쇼핑몰의 매출액 사이의 상관 관계에 관한 클러스터 지수를 결정한다. 쇼핑몰 운영 서버(150)는 해당 클러스터가 결정된 이후에, 해당 클러스터에 포함된 사용자들의 매출액과 쇼핑몰의 매출액 사이의 상관 관계를 이용하여 클러스터 지수를 결정할 수 있다.
단계(805)에서, 쇼핑몰 운영 서버(150)는 클러스터 지수, 및 해당 클러스터에서 사용자 정보에 포함된 요소들 별 가중치들을 이용하여, 사용자 지수를 결정한다. 클러스터들 각각에서, 사용자 정보에 포함된 요소들 각각에 대응되는 가중치들이 상이하게 결정될 수 있으며, 쇼핑몰 운영 서버(150)는 해당 클러스터에서 사용자 정보에 포함된 요소들 각각에 가중치들을 적용하고, 가중치가 적용된 지수에 해당 클러스터 지수를 추가하여, 사용자 지수를 결정할 수 있다.
단계(807)에서, 쇼핑몰 운영 서버(150)는 사용자 지수, 및 주변 홍보 내역에 따라 산출되는 홍보 지수를 이용하여, 사용자의 기여 레벨을 결정한다. 쇼핑몰 운영 서버(150)는 사용자가 쇼핑몰을 홍보한 내역을 수치화 하여 홍보 지수를 결정할 수 있다. 이후, 쇼핑몰 운영 서버(150)는 사용자 지수에 제1 가중치를 적용하고 홍보 지수에 제2 가중치를 적용하여 더함으로써, 사용자가 쇼핑몰의 매출에 기여하는 정도를 지시하는 기여 레벨을 결정할 수 있다.
추가로, 쇼핑몰 운영 서버(150)는 입력된 사용자 정보에 기반하여 인공 신경망을 업데이트 할 수 있다. 본 개시의 일 실시 예에 따르면, 쇼핑몰 운영 서버(150)는 사용자 정보에 대응되는 특징점을 포함하여, 해당 클러스터에 포함된 특징점들의 평균 값으로부터 해당 클러스터의 신규 기준점을 결정하고, 신규 기준점과 근접 기준점의 차이가 임계 값 이상인 경우, 인공 신경망의 클러스터의 기준점을 신규 기준점으로 갱신할 수 있다.
본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합의 형태로 구현될(implemented) 수 있다.
소프트웨어로 구현하는 경우, 하나 이상의 프로그램(소프트웨어 모듈)을 저장하는 컴퓨터 판독 가능 저장 매체가 제공될 수 있다. 컴퓨터 판독 가능 저장 매체에 저장되는 하나 이상의 프로그램은, 전자 장치(device) 내의 하나 이상의 프로세서에 의해 실행 가능하도록 구성된다(configured for execution). 하나 이상의 프로그램은, 전자 장치로 하여금 본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들을 실행하게 하는 명령어(instructions)를 포함한다.
이러한 프로그램(소프트웨어 모듈, 소프트웨어)은 랜덤 액세스 메모리 (random access memory), 플래시(flash) 메모리를 포함하는 불휘발성(non-volatile) 메모리, 롬(read only memory, ROM), 전기적 삭제가능 프로그램가능 롬(electrically erasable programmable read only memory, EEPROM), 자기 디스크 저장 장치(magnetic disc storage device), 컴팩트 디스크 롬(compact disc-ROM, CD-ROM), 디지털 다목적 디스크(digital versatile discs, DVDs) 또는 다른 형태의 광학 저장 장치, 마그네틱 카세트(magnetic cassette)에 저장될 수 있다. 또는, 이들의 일부 또는 전부의 조합으로 구성된 메모리에 저장될 수 있다. 또한, 각각의 구성 메모리는 다수 개 포함될 수도 있다.
또한, 프로그램은 인터넷(Internet), 인트라넷(Intranet), LAN(local area network), WAN(wide area network), 또는 SAN(storage area network)과 같은 통신 네트워크, 또는 이들의 조합으로 구성된 통신 네트워크를 통하여 접근(access)할 수 있는 부착 가능한(attachable) 저장 장치(storage device)에 저장될 수 있다. 이러한 저장 장치는 외부 포트를 통하여 본 개시의 실시 예를 수행하는 장치에 접속할 수 있다. 또한, 통신 네트워크상의 별도의 저장장치가 본 개시의 실시 예를 수행하는 장치에 접속할 수도 있다.
상술한 본 개시의 구체적인 실시 예들에서, 개시에 포함되는 구성 요소는 제시된 구체적인 실시 예에 따라 단수 또는 복수로 표현되었다. 그러나, 단수 또는 복수의 표현은 설명의 편의를 위해 제시한 상황에 적합하게 선택된 것으로서, 본 개시가 단수 또는 복수의 구성 요소에 제한되는 것은 아니며, 복수로 표현된 구성 요소라 하더라도 단수로 구성되거나, 단수로 표현된 구성 요소라 하더라도 복수로 구성될 수 있다.
한편 본 개시의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 개시의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 개시의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.
110 사용자 단말 130 관리자 장치
150 쇼핑몰 운영 서버 170 네트워크
210 메모리 220 프로세서
230 통신부 240 입출력 인터페이스
310 학습 입력 데이터 320 인공 신경망
321 입력 레이어 323 히든 레이어
325 출력 레이어 330 복수의 클러스터들
411 내지 413 제1 클러스터 내지 제3 클러스터
431 기준점 433 특징점
510 제1 연산부 520 제2 연산부

Claims (4)

  1. 가상 화폐에 메타버스 쇼핑몰을 운영하는 쇼핑몰 운영 서버의 동작 방법에 있어서,
    사용자 단말로부터 회원 식별자를 수신하는 단계;
    상기 회원 식별자의 수신에 대응하여, 사용자가 시간 구간 동안 쇼핑몰을 사용한 이력에 관련된 사용자 정보를 획득하는 단계;
    상기 사용자 정보에 기반하여, 상기 사용자가 유료 회원인지 여부를 식별하는 단계;
    상기 사용자가 유료 회원인 것으로 식별된 경우, 인공 신경망을 이용하여, 상기 사용자 정보로부터 상기 사용자가 상기 쇼핑몰의 매출에 기여하는 정도를 지시하는 기여 레벨을 결정하는 단계;
    상기 기여 레벨이 미리 설정된 임계 레벨 이상인 경우, 상기 사용자 단말에 유료 회원 여부에 관한 식별 결과를 송신하고 상기 사용자의 가상 지갑에 가상 화폐를 지급하는 단계; 및
    상기 기여 레벨이 상기 임계 레벨 보다 작은 경우, 상기 사용자 단말에 유료 회원 여부에 관한 식별 결과를 송신하는 단계를 포함하고,
    상기 사용자 정보는 상기 사용자의 상기 쇼핑몰에 관한 납부 회비, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 구매액, 주변 홍보 내역을 포함하고,
    상기 인공 신경망은 비지도 학습(unsupervised learning)을 이용하여, 사용자들의 상기 쇼핑몰에 관한 납부 회비, 로그인 횟수, 쇼핑몰 접속 시간, 광고 시청 시간, 구매액으로 구성된 학습 입력 데이터로부터 상기 사용자들을 복수의 클러스터들(clusters)로 분류하도록 학습된 인공 신경망을 포함하고,
    상기 기여 레벨을 결정하는 단계는,
    상기 인공 신경망을 이용하여, 상기 사용자 정보를 입력 받고, 상기 복수의 클러스터들 중에서 상기 사용자가 속하는 해당 클러스터를 결정하는 단계;
    상기 쇼핑몰의 전체 매출액에서 상기 해당 클러스터에 포함된 사용자들이 기여하는 매출액의 비율에 기반하여, 상기 해당 클러스터에 대응되는 해당 클러스터 지수를 결정하는 단계;
    상기 해당 클러스터에 따라, 상기 사용자 정보에 포함된 요소들 각각에 가중치들을 적용하고, 상기 가중치들이 적용된 지수에 해당 클러스터 지수를 추가하여 사용자 지수를 결정하는 단계; 및
    상기 사용자 지수, 및 상기 주변 홍보 내역에 따라 산출되는 홍보 지수를 홍보 지수를 이용하여 상기 사용자의 기여 레벨을 결정하는 단계를 포함하고,
    상기 사용자 정보에 포함된 요소들 각각에 대응되는 가중치들은 상이하고,
    상기 해당 클러스터를 결정하는 단계는,
    상기 인공 신경망에 기반하여, 상기 복수의 클러스터들 각각에 대응되는 기준점들과 상기 사용자 정보에 대응되는 특징점을 결정하고, 상기 특징점에 가장 가까운 근접 기준점에 대응되는 클러스터를 상기 해당 클러스터로 결정하는 단계를 포함하는 방법.
  2. 삭제
  3. 청구항 1에 있어서,
    상기 사용자 정보에 대응되는 특징점을 포함하여, 상기 해당 클러스터에 포함된 특징점들의 평균 값으로부터 상기 해당 클러스터의 신규 기준점을 결정하는 단계; 및
    상기 신규 기준점과 상기 근접 기준점의 차이가 임계 값 이상인 경우, 상기 인공 신경망의 클러스터의 기준점을 상기 신규 기준점으로 갱신하는 단계를 더 포함하는 방법.
  4. 청구항 1에 있어서,
    상기 가상 지갑에 가상 화폐를 지급하는 단계는,
    상기 쇼핑몰의 상기 시간 구간 동안의 매출 정보와 상기 사용자를 추천인으로 등록한 내역에 관한 추천인 정보를 획득하는 단계;
    상기 매출 정보와 추천인 정보에 기반하여, 상기 사용자에게 지급될 리워드 총액 및 코인백 총액을 결정하는 단계; 및
    상기 리워드 총액 및 코인백 총액에 대응되는 가상 화폐를 상기 가상 지갑으로 에어드랍(airdrop)하는 단계를 포함하는 방법.
KR1020220096167A 2022-08-02 2022-08-02 가상 화폐에 기반한 메타버스 쇼핑몰을 운영하기 위한 장치 및 방법 KR102543152B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220096167A KR102543152B1 (ko) 2022-08-02 2022-08-02 가상 화폐에 기반한 메타버스 쇼핑몰을 운영하기 위한 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220096167A KR102543152B1 (ko) 2022-08-02 2022-08-02 가상 화폐에 기반한 메타버스 쇼핑몰을 운영하기 위한 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102543152B1 true KR102543152B1 (ko) 2023-06-14

Family

ID=86744690

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220096167A KR102543152B1 (ko) 2022-08-02 2022-08-02 가상 화폐에 기반한 메타버스 쇼핑몰을 운영하기 위한 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102543152B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101886977B1 (ko) 2017-10-30 2018-08-08 반종우 회원제 쇼핑몰 운영 시스템 및 방법
KR20190041398A (ko) 2017-10-12 2019-04-22 윤성원 매출포인트에 대응하는 가상화폐가 채굴되는 플랫폼장치
KR102150953B1 (ko) * 2019-05-02 2020-09-02 최윤호 블록체인을 이용한 리워드 제공 통합 로그인 방법 및 장치
KR102186201B1 (ko) * 2020-06-12 2020-12-03 구병준 온라인 쇼핑몰을 관리하는 방법 및 온라인 쇼핑몰 서버
KR20200137818A (ko) 2019-05-31 2020-12-09 주식회사 구하다 블록체인 기반의 쇼핑몰에서 커뮤니티 운영 방법 및 그 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190041398A (ko) 2017-10-12 2019-04-22 윤성원 매출포인트에 대응하는 가상화폐가 채굴되는 플랫폼장치
KR101886977B1 (ko) 2017-10-30 2018-08-08 반종우 회원제 쇼핑몰 운영 시스템 및 방법
KR102150953B1 (ko) * 2019-05-02 2020-09-02 최윤호 블록체인을 이용한 리워드 제공 통합 로그인 방법 및 장치
KR20200137818A (ko) 2019-05-31 2020-12-09 주식회사 구하다 블록체인 기반의 쇼핑몰에서 커뮤니티 운영 방법 및 그 시스템
KR102186201B1 (ko) * 2020-06-12 2020-12-03 구병준 온라인 쇼핑몰을 관리하는 방법 및 온라인 쇼핑몰 서버

Similar Documents

Publication Publication Date Title
Milošević et al. Early churn prediction with personalized targeting in mobile social games
US20200349641A1 (en) System and method for determining credit and issuing a business loan using tokens and machine learning
JP2020522832A (ja) 信用力があると判定された消費者にローンを発行するシステムおよび方法
US11386490B1 (en) Generating graphical user interfaces comprising dynamic credit value user interface elements determined from a credit value model
WO2022246010A1 (en) Digital asset management
US20210201404A1 (en) Dynamically determining real-time offers
US20230079195A1 (en) Non-fungible-token-based commerce attribute
US20210192496A1 (en) Digital wallet reward optimization using reverse-engineering
US20230139364A1 (en) Generating user interfaces comprising dynamic base limit value user interface elements determined from a base limit value model
US20200311703A1 (en) Methods and systems for kiosk device
US11386476B2 (en) Methods and systems for notifying users of new applications
US20210141637A1 (en) Methods and systems for generating application build recommendations
KR102543152B1 (ko) 가상 화폐에 기반한 메타버스 쇼핑몰을 운영하기 위한 장치 및 방법
US11107112B1 (en) System for correlation based on resource usage
US20220067676A1 (en) System for resource presentment and allocation based on historical data usage
US11514516B2 (en) Banking operation support system, banking operation support method, and banking operation support program
TW202025067A (zh) 訂單結帳裝置、記錄媒體以及訂單結帳方法
JP7366218B1 (ja) 情報処理装置、方法及びプログラム
CN114510650B (zh) 一种异构社交网络风控处理方法及系统
US11893614B2 (en) Systems and methods for balancing online stores across servers
JP7317066B2 (ja) 情報処理装置、情報処理方法及びプログラム
US11922491B1 (en) Generating dynamic base limit value user interface elements determined from a base limit value model
US20210256486A1 (en) Computer Based System and Method for Controlling Third Party Transacting Through a single Interface
US20210256516A1 (en) Computer-based system and method for targeting financial goals via electronic code or coupon auctions
KR102485489B1 (ko) 선불식 장기상품의 거래 플랫폼 서비스 제공 방법, 장치 및 시스템

Legal Events

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