KR102545502B1 - 옴니채널 마케팅 분석 장치 및 방법 - Google Patents

옴니채널 마케팅 분석 장치 및 방법 Download PDF

Info

Publication number
KR102545502B1
KR102545502B1 KR1020210010842A KR20210010842A KR102545502B1 KR 102545502 B1 KR102545502 B1 KR 102545502B1 KR 1020210010842 A KR1020210010842 A KR 1020210010842A KR 20210010842 A KR20210010842 A KR 20210010842A KR 102545502 B1 KR102545502 B1 KR 102545502B1
Authority
KR
South Korea
Prior art keywords
customer
offline
information
store
marketing
Prior art date
Application number
KR1020210010842A
Other languages
English (en)
Other versions
KR20220107771A (ko
Inventor
최원석
Original Assignee
프로젝트렌트 유한회사
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 프로젝트렌트 유한회사 filed Critical 프로젝트렌트 유한회사
Priority to KR1020210010842A priority Critical patent/KR102545502B1/ko
Publication of KR20220107771A publication Critical patent/KR20220107771A/ko
Application granted granted Critical
Publication of KR102545502B1 publication Critical patent/KR102545502B1/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
    • G06Q30/02—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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

오프라인 매장에서 발생하는 마케팅 효과를 오프라인 및 온라인에서 측정하기 위한 옴니채널 마케팅 분석 장치 및 방법이 개시된다. 일 실시예에 따른 오프라인 매장을 통한 특정 브랜드의 마케팅 효과를 옴니채널을 이용하여 분석하는 방법은 오프라인 매장에 설치된 하나 이상의 고객 정보 수집 장치로부터 오프라인 고객 정보를 수신하는 단계; 오프라인 고객 정보를 기초로 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보 중 적어도 하나를 추출하는 단계; 추출된 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보 중 적어도 하나에 기초하여 오프라인 마케팅의 효과를 분석하는 단계를 포함할 수 있다.

Description

옴니채널 마케팅 분석 장치 및 방법{Apparatus and method for omnichannel marketing analysis}
마케팅 효과를 분석하기 위한 기술로서 특히, 오프라인 매장에서 발생하는 마케팅 효과를 오프라인 및 온라인에서 측정하기 위한 옴니채널 마케팅 분석 장치 및 방법에 관한 것이다.
최근 소셜미디어와 모바일 기술의 발전으로 인하여 소비자들은 다양한 채널을 이용하여 제품 및 서비스를 구매하고 있으며, 이러한 구매 형태의 변화에 따라 온라인과 오프라인이 결합된 옴니채널 마케팅에 대한 연구가 진행되고 있다.
이를 위한 하나의 방안으로써 현재 오프라인 매장에 설치된 센서 장치를 이용하여 고객의 정보를 획득하고 이를 분석하여 마케팅 전략을 수립하는 기술이 연구되고 있다. 공개특허 제10-2019-0088813호의 경우, 매장 외 상황, 매장 내 상황, 매장 방문 고객 및 매장 상품 매출을 분석하여, 분석된 매장 외 상황에 연계하여 매장 상품 매출을 분석하고, 분석된 매장 내 상황에 연계하여 매장 상품 매출을 분석하며, 분석된 매장 방문 고객에 연계하여 매장 상품 매출을 분석하는 방법 및 오프라인 매장의 다양한 상황들을 분석하고, 분석한 상황들을 연계한 마케팅 분석을 자동으로 수행하는 방법에 대하여 개시하고 있다. 그러나, 이러한 기술은 오프라인 매장에서 발생한 마케팅 효과를 오프라인 매장에 획득한 정보를 이용하여 분석할 뿐, 오프라인 매장의 마케팅 효과를 온라인을 통하여 분석하는 방법을 제시하지 못하고 있다.
이에 따라, 본 발명에서는 오프라인 매장에서 수행한 마케팅이 온라인 매장에 주는 효과를 분석하는 방법 및 오프라인 매장에서 획득된 고객 행동 및 외형 정보를 기초로 분석된 온라인 매장의 구매 패턴 정보를 이용하여 오프라인 매장 마케팅 전략을 수립하는 옴니채널 마케팅 분석 방법에 대한 기술을 제시한다.
오프라인 매장에서 발생하는 마케팅 효과를 오프라인 및 온라인에서 측정하기 위한 옴니채널 마케팅 분석 장치 및 방법을 제공하는데 목적이 있다.
일 양상에 따르면, 오프라인 매장을 통한 특정 브랜드의 마케팅 효과를 옴니채널을 이용하여 분석하는 방법은 오프라인 매장에 설치된 하나 이상의 고객 정보 수집 장치로부터 오프라인 고객 정보를 수신하는 단계; 오프라인 고객 정보를 기초로 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보 중 적어도 하나를 추출하는 단계; 추출된 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보 중 적어도 하나에 기초하여 오프라인 마케팅의 효과를 분석하는 단계를 포함할 수 있다.
하나 이상의 고객 정보 수집 장치는 카메라, 비콘, POS(Point Of Sales) 시스템 중 적어도 하나일 수 있다.
오프라인 고객의 행동 정보는 오프라인 고객이 외부에서 매장을 주시하는 시간, 오프라인 고객의 매장 진입 여부, 오프라인 고객의 매장 진입 비율, 오프라인 고객이 특정 제품을 주시하는 시간, 오프라인 고객이 구매한 제품 정보 및 고객이 매장에 체류한 시간 중 적어도 하나이며, 오프라인 고객의 외형 분석 정보는 오프라인 고객의 헤어, 의류, 액세서리 중 적어도 하나에 대한 오프라인 고객 스타일 정보, 오프라인 고객의 연령 정보 및 오프라인 고객의 성별 정보 중 적어도 하나일 수 있다.
오프라인 마케팅의 효과를 분석하는 단계는 오프라인 고객이 외부에서 매장을 주시하는 시간이 소정 시간 이상인 경우, 오프라인 고객의 매장 진입하는 경우, 오프라인 고객이 특정 제품을 주시하는 시간 또는 매장에 체류하는 시간이 소정 시간 이상인 경우 및 오프라인 고객이 특정 제품을 구매한 경우 중 적어도 하나가 발생하면 오프라인 마케팅이 작동한 것으로 결정할 수 있다.
오프라인 매장을 통한 특정 브랜드의 마케팅 효과를 옴니채널을 이용하여 분석하는 방법은 특정 브랜드의 온라인 매장 데이터 베이스에 저장된 온라인 고객 정보 및 소셜 네트워크 서비스(Social Network Service, SNS) 데이터 베이스에 저장된 특정 브랜드에 대한 정보 중 적어도 하나를 수신하는 단계를 더 포함할 수 있으며, 오프라인 마케팅의 효과를 분석하는 단계는 온라인 고객 정보 및 특정 브랜드에 대한 정보 중 적어도 하나에 더 기초하여 오프라인 마케팅의 효과를 분석할 수 있다.
오프라인 마케팅의 효과를 분석하는 단계는 특정 브랜드의 온라인 매장 데이터 베이스로부터 수신한 온라인 고객 정보 및 소셜 네트워크 서비스(Social Network Service, SNS) 데이터 베이스로부터 수신한 특정 브랜드에 대한 정보 중 적어도 하나에 더 기초하여 오프라인 마케팅의 효과를 분석할 수 있다.
오프라인 매장을 통한 특정 브랜드의 마케팅 효과를 옴니채널을 이용하여 분석하는 방법은 특정 브랜드의 온라인 매장 데이터 베이스로부터 온라인 고객의 방문 증가율, 방문 지속률, 구매 성향, 구매 패턴, 구매 증가율 및 구매 지속률 중 적어도 하나에 대한 정보를 수신하는 단계를 더 포함하며, 오프라인 마케팅의 효과를 분석하는 단계는 온라인 고객의 방문 증가율, 방문 지속률, 구매 증가율, 구매 지속률 및 구매 패턴 중 적어도 하나에 더 기초하여 오프라인 마케팅이 작동한 것인지 여부를 결정할 수 있다.
오프라인 매장을 통한 특정 브랜드의 마케팅 효과를 옴니채널을 이용하여 분석하는 방법은 회원가입 정보 또는 소셜 네트워크 서비스(Social Network Service, SNS) 데이터 베이스로부터 특정 브랜드에 대한 고객 생성 데이터를 수신하는 단계; 및 고객 생성 데이터에 포함된 특정 브랜드에 대한 텍스트 데이터, 음성 데이터 및 영상 데이터 중 적어도 하나를 분석하여 고객 생성 데이터가 특정 브랜드에 대한 긍정적 정보를 포함하는지 또는 부정적 정보를 포함하는지 여부를 분석하여 브랜드 긍정/부정 변화율을 분석하는 단계를 더 포함하며, 오프라인 마케팅의 효과를 분석하는 단계는 고객 생성 데이터를 분석하여 특정 브랜드 또는 특정 상품에 대한 고객 생성 데이터의 증가율 및 브랜드 긍정/부정 변화율 중 적어도 하나에 더 기초하여 오프라인 마케팅이 작동한 것인지 여부를 결정할 수 있다.
오프라인 매장을 통한 특정 브랜드의 마케팅 효과를 옴니채널을 이용하여 분석하는 방법은 오프라인 매장에 설치된 인터페이스 장치를 통하여 오프라인 고객에게 특정 브랜드의 온라인 매장용 쿠폰을 발행하는 단계; 고객이 온라인 매장에서 온라인 매장용 쿠폰을 사용하는 경우, 온라인 매장 데이터 베이스로부터 온라인 매장용 쿠폰을 사용한 온라인 고객의 정보를 수신하는 단계; 및 온라인 고객의 정보를 기초로 온라인 매장용 쿠폰을 발급받은 오프라인 고객에 대한 오프라인 고객의 외형 분석 정보를 보정하는 단계를 더 포함할 수 있다.
오프라인 매장을 통한 특정 브랜드의 마케팅 효과를 옴니채널을 이용하여 분석하는 방법은 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보 중 적어도 하나와 특정 브랜드의 온라인 매장 데이터 베이스로부터 수신한 온라인 고객 정보 및 소셜 네트워크 서비스 데이터 베이스로부터 수신한 특정 브랜드에 대한 정보 중 적어도 하나에 대한 상관 관계를 분석하는 단계; 상관 관계에 기초하여 특정 브랜드에 긍정적인 반응이 높은 특정 고객 집단의 특징을 추출하는 단계를 더 포함할 수 있다.
오프라인 매장을 통한 특정 브랜드의 마케팅 효과를 옴니채널을 이용하여 분석하는 방법은 하나 이상의 오프라인 매장으로부터 각각의 오프라인 매장에 설치된 하나 이상의 고객 정보 수집 장치를 통하여 오프라인 고객 정보를 수신하는 단계; 하나 이상의 오프라인 매장 각각에 대한 오프라인 고객 정보를 분석하여 특정 고객 집단의 특징을 만족하는 고객의 수 및 고객의 비율 중 적어도 하나를 분석하는 단계; 및 분석한 고객의 수 및 고객의 비율 중 적어도 하나에 기초하여 특정 브랜드에 적합한 상권 및 오프라인 매장 내 전략 중 적어도 하나를 분석하는 단계를 더 포함할 수 있다.
오프라인 매장을 통한 마케팅 효과를 오프라인 및 온라인 데이터를 이용하여 분석함으로써 분석의 정확도를 높일 수 있다.
또한, 오프라인 및 온라인을 결합하여 분석한 결과를 기초로 오프라인 및 온라인 매장의 마케팅 전략을 수립할 수 있다.
도 1은 일 실시예에 따른 옴니채널 마케팅 분석 방법을 도시한 흐름도이다.
도 2는 다른 실시예에 따른 옴니채널 마케팅 분석 방법을 도시한 흐름도이다.
도 3은 일 실시예에 따른 옴니채널 마케팅 분석 장치 및 시스템의 구성도이다.
도 4는 일 예에 따른 옴니채널 마케팅 분석 시스템을 설명하기 위한 예시도이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세하게 설명한다. 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로, 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하, 옴니채널 마케팅 분석 장치 및 방법의 실시예들을 도면들을 참고하여 자세히 설명한다.
도 1은 일 실시예에 따른 옴니채널 마케팅 분석 방법을 도시한 흐름도이다.
도 1을 참조하면, 오프라인 매장을 통한 특정 브랜드의 마케팅 효과를 옴니채널을 이용하여 분석하기 위하여 옴니채널 마케팅 분석 장치는 오프라인 매장에 설치된 하나 이상의 고객 정보 수집 장치로부터 오프라인 고객 정보를 수신할 수 있다(110).
일 예에 따르면, 옴니채널은 소비자가 온라인, 오프라인, 모바일 등 다양한 경로를 넘나들며 상품을 검색하고 구매할 수 있도록 온라인-오프라인 채널을 유기적으로 통합한 것일 수 있다.
일 실시예에 따르면, 하나 이상의 고객 정보 수집 장치는 카메라, 비콘, POS(Point Of Sales) 시스템 중 적어도 하나일 수 있다.
일 예로, 카메라는 안면인식 기술인 피플 카운팅, 열감지 히트맵, 아이트래킹 기술을 이용한 고객의 성향, 반응 정보 등을 수집할 수 있다. 일 예로, 비콘은 고객 단말기의 Wi-Fi 정보를 인식하고 고객 유입 트래픽 및 상권 정보 등을 수집할 수 있다. 일 예로, POS 시스템은 고객의 구매 정보, 매출 및 재고 정보 등을 수집할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 오프라인 고객 정보를 기초로 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보 중 적어도 하나를 추출할 수 있다(120).
일 실시예에 따르면, 오프라인 고객의 행동 정보는 오프라인 고객이 외부에서 매장을 주시하는 시간, 오프라인 고객의 매장 진입 여부, 오프라인 고객의 매장 진입 비율, 오프라인 고객이 특정 제품을 주시하는 시간, 오프라인 고객이 구매한 제품 정보 및 고객이 매장에 체류한 시간 중 적어도 하나일 수 있다.
일 실시예에 따르면, 오프라인 고객의 외형 분석 정보는 오프라인 고객의 헤어, 의류, 액세서리 중 적어도 하나에 대한 오프라인 고객 스타일 정보, 오프라인 고객의 연령 및 오프라인 고객의 성별 중 적어도 하나일 수 있다.
일 예에 따르면, 옴니채널 마케팅 분석 장치는 카메라를 통해 고객의 이미지 정보를 수신할 수 있다. 일 예로, 옴니채널 마케팅 분석 장치는 고객의 이미지 정보를 분석하여 고객의 헤어 길이, 헤어 색상, 헤어 형태 등의 헤어 스타일 정보를 추출할 수 있다. 다른 예로, 옴니채널 마케팅 분석 장치는 고객의 이미지 정보를 분석하여 고객의 연령 또는 성별을 추정할 수 있다. 옴니채널 마케팅 분석 장치는 고객의 이미지 정보로부터 추출되거나 추정된 정보를 기초로 오프라인 고객의 외형 분석 정보를 생성할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 추출된 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보 중 적어도 하나에 기초하여 오프라인 마케팅의 효과를 분석할 수 있다(130).
일 예에 따르면, 옴니채널 마케팅 분석 장치는 카메라를 통하여 고객이 오프라인 매장 외부에서 매장을 주시하거나, 매장에 진입하는 것을 감지할 수 있다. 이를 통하여 옴니채널 마케팅 분석 장치는 오프라인 매장에 입점한 브랜드의 마케팅 효과가 해당 고객에게 발생한 것으로 판단할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치는 카메라를 통하여 고객이 오프라인 매장을 주시하는 시간을 측정하여 해당 오프라인 매장에 입점 된 브랜드에 대한 마케팅 효과를 수치화 할 수 있다. 또한, 옴니채널 마케팅 분석 장치는 해당 오프라인 매장에 진입한 고객의 숫자 또는 비율 등을 기초로 입점 된 브랜드에 대한 마케팅 효과를 수치화 할 수 있다.
다른 예에 따르면, 옴니채널 마케팅 분석 장치는 비콘을 통하여 고객이 오프라인 매장 외부에서 머물거나, 매장에 진입하는 것을 감지할 수 있다. 이를 통하여 옴니채널 마케팅 분석 장치는 오프라인 매장에 입점한 브랜드에 대한 마케팅 효과가 발생한 것으로 판단할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치는 비콘을 통하여 고객이 오프라인 매장 외부에 머문 시간을 측정하여 해당 오프라인 매장에 입점 된 브랜드에 대한 마케팅 효과를 수치화 할 수 있다. 또한, 옴니채널 마케팅 분석 장치는 해당 오프라인 매장에 진입한 고객의 숫자 또는 비율 등을 기초로 입점 된 브랜드에 대한 마케팅 효과를 수치화 할 수 있다.
또 다른 예에 따르면, 옴니채널 마케팅 분석 장치는 POS 시스템을 통하여 얻어진 구매 정보, 매출 정보 등을 이용하여 해당 매장에 입점 된 브랜드에 대한 마케팅 효과를 수치화 할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 오프라인 고객이 외부에서 매장을 주시하는 시간이 소정 시간 이상인 경우, 오프라인 고객의 매장 진입하는 경우, 오프라인 고객이 특정 제품을 주시하는 시간 또는 체류하는 시간이 소정 시간 이상인 경우 및 오프라인 고객이 특정 제품을 구매한 경우 중 적어도 하나가 발생하면 오프라인 마케팅이 작동한 것으로 결정할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치는 카메라를 통하여 고객이 오프라인 매장을 주시하는 시간을 측정하여 소정 시간 이상 주시한 경우에 해당 오프라인 매장에 입점 된 브랜드에 대한 마케팅 효과가 발생한 것으로 결정할 수 있으며, 주시한 시간에 따라 마케팅 효과를 수치화 할 수 있다. 또한, 옴니채널 마케팅 분석 장치는 해당 오프라인 매장에 진입한 고객의 숫자 또는 비율 등을 기초로 입점 된 브랜드에 대한 마케팅 효과를 수치화 할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치는 카메라를 통하여 오프라인 고객이 특정 제품을 주시하는 시간이 소정 시간 이상인 경우에 해당 제품에 대한 마케팅 효과가 발생한 것으로 결정할 수 있으며, 주시한 시간에 따라 마케팅 효과를 수치화 할 수 있다.
도 2는 다른 실시예에 따른 옴니채널 마케팅 분석 방법을 도시한 흐름도이다.
도 2를 참조하면, 오프라인 매장을 통한 특정 브랜드의 마케팅 효과를 옴니채널을 이용하여 분석하기 위하여 옴니채널 마케팅 분석 장치는 오프라인 매장에 설치된 하나 이상의 고객 정보 수집 장치로부터 오프라인 고객 정보를 수신할 수 있다(210).
일 예에 따르면, 옴니채널은 소비자가 온라인, 오프라인, 모바일 등 다양한 경로를 넘나들며 상품을 검색하고 구매할 수 있도록 온라인-오프라인 채널을 유기적으로 통합한 것일 수 있다.
일 실시예에 따르면, 하나 이상의 고객 정보 수집 장치는 카메라, 비콘, POS(Point Of Sales) 시스템 중 적어도 하나일 수 있다.
일 예로, 카메라는 안면인식 기술인 피플 카운팅, 열감지 히트맵, 아이트래킹 기술을 이용한 고객의 성향, 반응 정보 등을 수집할 수 있다. 일 예로, 비콘은 고객 단말기의 Wi-Fi 정보를 인식하고 고객 유입 트래픽 및 상권 정보 등을 수집할 수 있다. 일 예로, POS 시스템은 고객의 구매 정보, 매출 및 재고 정보 등을 수집할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 오프라인 고객 정보를 기초로 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보 중 적어도 하나를 추출할 수 있다(220).
일 실시예에 따르면, 오프라인 고객의 행동 정보는 오프라인 고객이 외부에서 매장을 주시하는 시간, 오프라인 고객의 매장 진입 여부, 오프라인 고객의 매장 진입 비율, 오프라인 고객이 특정 제품을 주시하는 시간, 오프라인 고객이 구매한 제품 정보 및 고객이 매장에 체류한 시간 중 적어도 하나일 수 있다.
일 실시예에 따르면, 오프라인 고객의 외형 분석 정보는 오프라인 고객의 헤어, 의류, 액세서리 중 적어도 하나에 대한 오프라인 고객 스타일 정보, 오프라인 고객의 연령 및 오프라인 고객의 성별 중 적어도 하나일 수 있다.
일 예에 따르면, 옴니채널 마케팅 분석 장치는 카메라를 통해 고객의 이미지 정보를 수신할 수 있다. 일 예로, 옴니채널 마케팅 분석 장치는 고객의 이미지 정보를 분석하여 고객의 헤어 길이, 헤어 색상, 헤어 형태 등의 헤어 스타일 정보, 입고 있는 의류의 색상, 브랜드, 형태 등의 의류 정보, 신발, 가방, 안경, 시계, 반지 등의 액세서리 정보를 추출할 수 있다. 다른 예로, 옴니채널 마케팅 분석 장치는 고객의 이미지 정보를 분석하여 고객의 연령 또는 성별을 추정할 수 있다. 옴니채널 마케팅 분석 장치는 고객의 이미지 정보로부터 추출되거나 추정된 정보를 기초로 오프라인 고객의 외형 분석 정보를 생성할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 특정 브랜드의 온라인 매장 데이터 베이스에 저장된 온라인 고객 정보 및 소셜 네트워크 서비스(Social Network Service, SNS) 데이터 베이스에 저장된 특정 브랜드에 대한 정보 중 적어도 하나를 수신할 수 있다(230).
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 특정 브랜드의 온라인 매장 데이터 베이스로부터 온라인 고객의 방문 증가율, 방문 지속률, 구매 성향, 구매 패턴, 구매 증가율 및 구매 지속률 중 적어도 하나에 대한 정보를 수신할 수 있다. 구매 패턴은 라이프스타일 별로 구분될 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 온라인 고객의 방문 증가율, 방문 지속률, 구매 증가율, 구매 지속률 및 구매 패턴 중 적어도 하나에 더 기초하여 오프라인 마케팅이 작동한 것인지 여부를 결정할 수 있다. 구매 패턴은 라이프스타일 별 특정 상품 또는 특정 컨텐츠에 대한 선호도일 수 있다. 라이프스타일 구분은 소비자의 외형에 대한 영상 정보를 인공 신경망으로 분석하여 도출된 특정 유사점을 기준으로 소비 성향을 유추하여 구분하는 것일 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 구매 패턴 정보를 기초로 오프라인 매장의 마케팅 전략을 수립할 수 있다. 일 예로, 구매 패턴 정보는 특정 상품 또는 특정 컨텐츠에 대한 선호도를 오프라인 매장으로부터 획득된 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보를 기초로 분류한 정보일 수 있다.
일 예에 따르면, 옴니채널 마케팅 분석 장치는 구매 패턴 정보를 기초로 특정 제품 및 특정 컨텐츠를 입점할 오프라인의 상권 특성, 상품 구성, 마케팅 수단, 상품 배치 등의 마케팅 전략을 수립할 수 있다.
일 예로, 특정 제품을 오프라인 매장에 입점하는 경우, 해당 제품에 대한 선호도가 높은 고객에 대한 오프라인 고객의 행동 정보를 이용하여 제품의 오프라인 매장 전략을 수립할 수 있다. 일 예를 들어, 오프라인 고객의 행동 정보를 이용하여 해당 제품을 선호하는 고객들의 외부에서 매장을 주시하는 시간, 오프라인 고객의 매장 진입 여부, 오프라인 고객의 매장 진입 비율, 오프라인 고객이 특정 제품을 주시하는 시간 및 고객이 매장에 체류한 시간 중 적어도 하나를 이용하여 제품의 배치, 디스플레이 등의 전략을 수립할 수 있다.
일 예로, 특정 제품을 오프라인 매장에 입점하는 경우, 해당 제품에 대한 선호도가 높은 고객에 대한 오프라인 고객의 외형 분석 정보를 이용하여 제품의 오프라인 매장 전략을 수립할 수 있다. 일 예를 들어, 오프라인 고객의 외형 분석 정보를 이용하여 해당 제품을 선호하는 고객들의 헤어, 의류, 액세서리 중 적어도 하나에 대한 오프라인 고객 스타일 정보, 오프라인 고객의 연령 및 오프라인 고객의 성별 중 적어도 하나를 이용하여 입점할 매장의 상권 전략을 수립할 수 있다.
일 예에 따르면, 옴니채널 마케팅 분석 장치는 오프라인 매장에 특정 브랜드가 입점 된 전후의 온라인 매장에 대한 정보를 비교할 수 있다. 일 예로, 옴니채널 마케팅 분석 장치는 특정 브랜드에 대한 온라인 매장의 고객 방문 증가율, 특정 고객의 방문 지속 횟수, 특정 고객의 방문 지속률, 특정 고객의 구매량 및 구매 금액 변동률, 온라인 매장 전체의 매출 변동률 중 적어도 하나를 포함하는 온라인 매장에 대한 정보를 기초로 오프라인 매장에 특정 브랜드가 입점 됨으로써 발생하는 마케팅 효과를 추정할 수 있다.
일 예를 들어, 특정 브랜드가 오프라인 매장에 입점 후 온라인 매장의 고객의 방문이 10% 증가하며 온라인 매장의 매출이 5% 증가하는 경우, 옴니채널 마케팅 분석 장치는 오프라인 매장을 통한 마케팅의 효과가 발생한 것으로 판단할 수 있다. 또한, 옴니채널 마케팅 분석 장치는 소정의 분석 알고리즘을 이용하여 각각의 증가 수치와 마케팅의 효과에 대한 상관관계를 분석하여 마케팅 효과를 수치적으로 계산할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 회원 가입 정보 또는 소셜 네트워크 서비스(Social Network Service, SNS) 데이터 베이스로부터 특정 브랜드에 대한 고객 생성 데이터를 수신할 수 있다.
일 예에 따르면, 특정 브랜드에 대한 고객 생성 데이터는 특정 브랜드 또는 특정 브랜드에 포함된 제품이나 서비스를 언급하는 텍스트 데이터, 특정 브랜드의 매장, 상표 또는 제품 등을 촬영한 이미지 또는 영상 데이터, YouTube나 팟캐스트 등의 개인 방송에서 표현되는 특정 브랜드에 대한 이미지 또는 음성 데이터 중 적어도 하나일 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 고객 생성 데이터에 포함된 특정 브랜드에 대한 텍스트 데이터, 음성 데이터 및 영상 데이터 중 적어도 하나를 분석하여 특정 브랜드에 대한 데이터의 증가량, 데이터의 지속성 등을 추출할 수 있다.
일 예로, 옴니채널 마케팅 분석 장치는 SNS 데이터 베이스로부터 텍스트 데이터를 수신할 수 있으며, 텍스트 데이터에서 특정 브랜드명, 특정 브랜드의 제품명 또는 특정 브랜드 제품의 모델명 등의 데이터를 추출할 수 있으며, 추출된 데이터의 양을 기초로 해당 브랜드에 대한 데이터의 증가율 또는 지속률 등을 계산할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 고객 생성 데이터에 포함된 특정 브랜드에 대한 텍스트 데이터, 음성 데이터 및 영상 데이터 중 적어도 하나를 분석하여 고객 생성 데이터가 특정 브랜드 또는 특정 상품에 대한 긍정적 정보를 포함하는지 또는 부정적 정보를 포함하는지 여부를 분석하여 브랜드 긍정/부정 변화율을 분석할 수 있다.
일 예로, 옴니채널 마케팅 분석 장치는 SNS 데이터 베이스로부터 텍스트 데이터를 수신할 수 있다. 또한, 옴니채널 마케팅 분석 장치는 텍스트 데이터에서 특정 브랜드명, 특정 브랜드의 제품명 또는 특정 브랜드 제품의 모델명 등을 검색할 수 있으며, 검색된 결과를 이용하여 해당 데이터가 포함된 문장 또는 검색된 단어의 앞뒤 단어 등을 함께 추출할 수 있다. 이후, 옴니채널 마케팅 분석 장치는 추출된 문장 또는 단어 등을 분석하여 해당 데이터가 특정 브랜드에 대한 긍정적인 표현인지 또는 부정적인 표현인지 여부를 결정할 수 있다.
일 예로, 옴니채널 마케팅 분석 장치는 긍정적인 표현 또는 부정적인 표현에 대한 학습 데이터로 학습된 하나 이상의 인공 신경망을 포함할 수 있으며, 추출된 문장 또는 단어 등을 인공 신경망에 입력하여 데이터가 특정 브랜드에 대한 긍정적인 표현인지 또는 부정적인 표현인지 여부를 판단할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 고객 생성 데이터를 분석하여 특정 브랜드에 대한 고객 생성 데이터의 증가율 및 브랜드 긍정/부정 변화율 중 적어도 하나에 더 기초하여 오프라인 마케팅이 작동한 것인지 여부를 결정할 수 있다. 일 예로, 긍정적인 표현이 증가하는 경우, 옴니채널 마케팅 분석 장치는 오프라인 매장을 통한 특정 브랜드의 마케팅이 효과가 있는 것으로 판단할 수 있다. 또한, 옴니채널 마케팅 분석 장치는 긍정적인 표현의 증가 정도 또는 지속 정도 등을 수치화 하여 마케팅의 효과를 정량적으로 계산할 수 있다.
반면, 다른 예로, 부정적인 표현이 증가하는 경우, 옴니채널 마케팅 분석 장치는 오프라인 매장을 통한 특정 브랜드의 마케팅이 효과가 없거나 역효과가 나타나는 것으로 판단할 수 있다. 또한, 옴니채널 마케팅 분석 장치는 부정적인 표현의 증가 정도 또는 지속 정도 등을 수치화 하여 마케팅의 효과를 정량적으로 계산할 수 있다.
또 다른 예로, 옴니채널 마케팅 분석 장치는 긍정적인 표현 및 부정적인 표현의 증가 정도 또는 지속 정도 등 결합하여 함께 수치화 함으로써 마케팅의 효과를 정량적으로 계산할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 추출된 오프라인 고객의 행동 정보, 오프라인 고객의 외형 분석 정보, 온라인 고객 정보 및 특정 브랜드에 대한 정보 중 적어도 하나에 기초하여 오프라인 마케팅의 효과를 분석할 수 있다(240).
일 예에 따르면, 옴니채널 마케팅 분석 장치는 카메라를 통하여 고객이 오프라인 매장 외부에서 매장을 주시하거나, 매장에 진입하는 것을 감지할 수 있다. 일 예를 들어, 옴니채널 마케팅 분석 장치는 카메라를 통하여 고객이 오프라인 매장을 주시하는 시간을 측정하여 오프라인 고객의 행동 정보를 생성할 수 있다. 또한, 옴니채널 마케팅 분석 장치는 해당 오프라인 매장에 진입한 고객의 숫자 또는 비율 기초로 오프라인 고객의 행동 정보를 생성할 수 있다.
다른 예에 따르면, 옴니채널 마케팅 분석 장치는 비콘을 통하여 고객이 오프라인 매장 외부에서 머물거나, 매장에 진입하는 것을 감지할 수 있다. 일 예를 들어, 옴니채널 마케팅 분석 장치는 비콘을 통하여 고객이 오프라인 매장 외부에 머문 시간을 측정하여 오프라인 고객의 행동 정보를 생성할 수 있다. 또한, 옴니채널 마케팅 분석 장치는 해당 오프라인 매장에 진입한 고객의 숫자 또는 비율 등을 기초로 오프라인 고객의 행동 정보를 생성할 수 있다.
또 다른 예에 따르면, 옴니채널 마케팅 분석 장치는 POS 시스템을 통하여 얻어진 구매 정보, 매출 정보 등을 기초로 오프라인 고객의 행동 정보를 생성할 수 있다.
일 예에 따르면, 옴니채널 마케팅 분석 장치는 고객의 이미지 정보로부터 추출되거나 추정된 정보를 기초로 오프라인 고객의 외형 분석 정보를 생성할 수 있다
일 예에 따르면, 옴니채널 마케팅 분석 장치는 오프라인 매장을 통해 얻어진 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보와 온라인 고객 정보 및 특정 브랜드에 대한 정보와의 관계를 분석하여 오프라인 마케팅의 효과를 분석할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치는 오프라인 매장을 통해 얻어진 오프라인 고객의 행동 정보와 온라인 매장의 방문율의 관계를 분석할 수 있다. 일 예로, 옴니채널 마케팅 분석 장치는 매장을 주시하는 고객의 수와 온라인 매장의 방문율의 관계, 고객이 매장을 주시하는 시간과 온라인 매장의 방문율의 관계 및 매장에 진입하는 고객의 수와 온라인 매장의 방문율의 관계를 분석하여 각각의 경우가 실제 온라인 매장에 방문하는 고객의 수에 미친 영향 등을 분석할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치는 오프라인 매장을 통해 얻어진 오프라인 고객의 외형 분석 정보와 온라인 매장의 방문율의 관계를 분석할 수 있다. 일 예로, 오프라인 매장에 방문하는 연령별 고객의 수와 온라인 매장의 방문율의 관계, 오프라인 매장에 방문하는 고객의 성별과 온라인 매장의 방문율의 관계, 오프라인 매장에 방문하는 고객의 스타일과 온라인 매장의 방문율의 관계를 분석하여 각각의 경우가 실제 온라인 매장에 방문하는 고객의 수에 미친 영향 등을 분석할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치는 오프라인 매장을 통해 얻어진 오프라인 고객의 행동 정보와 특정 브랜드에 대한 고객 생성 데이터의 증가율 및 브랜드 긍정/부정 변화율의 관계를 분석할 수 있다. 일 예로, 옴니채널 마케팅 분석 장치는 매장을 주시하는 고객의 수와 특정 브랜드에 대한 고객 생성 데이터의 증가율의 관계, 고객이 매장을 주시하는 시간과 특정 브랜드에 대한 고객 생성 데이터의 증가율의 관계 및 매장에 진입하는 고객의 수와 특정 브랜드에 대한 고객 생성 데이터의 증가율의 관계를 분석하여 각각의 경우가 SNS상에서 발생시킨 마케팅 효과를 분석할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치는 오프라인 매장을 통해 얻어진 오프라인 고객의 외형 분석 정보와 특정 브랜드에 대한 고객 생성 데이터의 증가율 및 브랜드 긍정/부정 변화율의 관계를 분석할 수 있다. 일 예로, 오프라인 매장에 방문하는 연령별 고객의 수와 특정 브랜드에 대한 고객 생성 데이터의 증가율의 관계, 오프라인 매장에 방문하는 고객의 성별과 특정 브랜드에 대한 고객 생성 데이터의 증가율의 관계, 오프라인 매장에 방문하는 고객의 스타일과 특정 브랜드에 대한 고객 생성 데이터의 증가율의 관계를 분석하여 각각의 경우가 SNS상에서 발생시킨 마케팅 효과를 분석할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 오프라인 매장에 설치된 인터페이스 장치를 통하여 오프라인 고객에게 특정 브랜드의 온라인 매장용 쿠폰을 발행할 수 있다.
일 예로, 온라인 매장용 쿠폰은 사용자 단말에 발생될 수 있다. 이를 위하여, 고객은 인터페이스 장치를 통하여 사용자 단말에 대한 정보를 입력할 수 있으며, 옴니채널 마케팅 분석 장치는 수신한 사용자 단말에 대한 정보를 이용하여 해당 사용자 단말에 온라인 매장용 쿠폰을 발행할 수 있다. 일 예로, 고객은 인터페이스 장치에 사용자 단말의 전화 번호를 입력할 수 있으며, 옴니채널 마케팅 분석 장치는 해당 전화 번호에 고유 번호가 기재된 텍스트 데이터, 이미지 데이터 등을 전송할 수 있다.
일 예에 따르면, 옴니채널 마케팅 분석 장치는 온라인 매장용 쿠폰을 발행하며, 해당 쿠폰의 고유 번호에 오프라인 고객 정보, 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보를 매칭시킬 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 고객이 온라인 매장에서 온라인 매장용 쿠폰을 사용하는 경우, 온라인 매장 데이터 베이스로부터 온라인 매장용 쿠폰을 사용한 온라인 고객의 정보를 수신하며, 온라인 고객의 정보를 기초로 온라인 매장용 쿠폰을 발급받은 오프라인 고객에 대한 오프라인 고객의 외형 분석 정보를 보정할 수 있다.
일 예를 들어, 온라인 매장용 쿠폰을 발급받은 고객은 온라인 매장에 방문할 수 있으며, 해당 온라인 매장용 쿠폰을 사용하여 제품을 구매하기 위하여 온라인 매장에 가입을 할 수 있다. 또는, 이미 온라인 매장에 가입되어 있는 고객의 경우, 로그인을 수행 후 발급받은 온라인 매장용 쿠폰을 사용할 수 있다. 이러한 경우, 옴니채널 마케팅 분석 장치는 발급한 온라인 매장용 쿠폰의 고유 번호와 온라인 매장 데이터 베이스에 저장된 온라인 고객 정보를 매칭시킬 수 있다.
이후, 옴니채널 마케팅 분석 장치는 온라인 매장용 쿠폰의 고유 번호에 매칭된 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보와 온라인 매장 데이터 베이스에 저장된 온라인 고객 정보를 비교하여 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보를 보정할 수 있다. 예를 들어, 온라인 매장용 쿠폰의 고유 번호에 매칭된 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보는 해당 고객이 25세 여성으로 식별되어 있는 반면, 실제 온라인 매장 데이터 베이스에 저장된 온라인 고객 정보는 해당 고객이 30세 여성으로 저장되어 있는 경우, 옴니채널 마케팅 분석 장치는 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보를 30세 여성으로 보정할 수 있다.
추가적으로, 옴니채널 마케팅 분석 장치는 보정된 정보를 이용하여 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보를 생성하는 알고리즘을 수정하거나 학습시킬 수 있다. 예를 들어, 옴니채널 마케팅 분석 장치는 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보를 생성하기 위한 하나 이상의 인공 신경망을 포함할 수 있다. 이러한 경우, 옴니채널 마케팅 분석 장치는 온라인 매장용 쿠폰의 고유 번호에 매칭된 오프라인 고객 정보와 온라인 매장 데이터 베이스에 저장된 온라인 고객 정보를 이용하여 새로운 학습 데이터를 생성 후 인공 신경망을 학습시킬 수 있다.
추가적 실시예에 따르면, 옴니채널 마케팅 분석 장치는 온라인 매장용 쿠폰을 발급받은 고객이 아닌 다른 사용자의 온라인 매장용 쿠폰 사용을 방지하기 위하여 고객 인증을 수행할 수 있다. 예를 들어, 옴니채널 마케팅 분석 장치는 온라인 매장용 쿠폰 사용 요청 시 온라인 매장용 쿠폰 발행 시 등록한 사용자 단말의 전화 번호를 이용하여 인증 번호를 전송하고, 해당 인증 번호를 입력 받음으로써 고객 인증을 수행할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보 중 적어도 하나와 특정 브랜드의 온라인 매장 데이터 베이스로부터 수신한 온라인 고객 정보 및 소셜 네트워크 서비스 데이터 베이스로부터 수신한 특정 브랜드에 대한 정보 중 적어도 하나에 대한 상관 관계를 분석하여 특정 브랜드에 긍정적인 반응이 높은 특정 고객 집단의 특징을 추출할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치는 오프라인 매장에 방문하는 고객의 연령별 비율과 온라인 매장에 방문하는 고객의 증가율에 대한 상관 관계를 분석할 수 있다. 다른 예를 들어, 옴니채널 마케팅 분석 장치는 오프라인 매장에 방문하는 헤어 스타일 및 의류 스타일을 소정 기준으로 분류 후 해당 분류별 고객의 비율과 온라인 매장에 방문하는 고객의 증가율에 대한 상관 관계를 분석할 수 있다. 또 다른 예를 들어, 옴니채널 마케팅 분석 장치는 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보를 결합한 소정의 기준을 기초로 고객을 분류한 후 분류된 고객의 비율과 소셜 네트워크 서비스 상에서 특정 브랜드에 대한 긍정적인 정보의 증가량의 상관 관계를 분석할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치는 상관 관계를 분석하여 특정 브랜드에 긍정적인 반응이 높은 특정 고객 집단의 특징을 추출할 수 있다. 예를 들어, 옴니채널 마케팅 분석 장치는 특정 브랜드에 대하여 “20세~35세, 여성, 캐주얼 의류, 운동화”로 대표되는 고객 집단의 특징을 추출할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 하나 이상의 오프라인 매장으로부터 각각의 오프라인 매장에 설치된 하나 이상의 고객 정보 수집 장치를 통하여 오프라인 고객 정보를 수신하고 분석하여 특정 고객 집단의 특징을 만족하는 고객의 수 및 고객의 비율 중 적어도 하나를 분석할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치는 오프라인 “제 1 매장, 제 2 매장, 제 3 매장” 으로부터 각각의 오프라인 매장에 설치된 하나 이상의 고객 정보 수집 장치를 통하여 오프라인 고객 정보를 수신할 수 있다. 이후, 옴니채널 마케팅 분석 장치는“제 1 매장, 제 2 매장, 제 3 매장”의 오프라인 고객 정보를 수신하여 해당 매장 별 고객의 특성을 분석할 수 있다.
일 예로, 옴니채널 마케팅 분석 장치는 제 1 매장에 대한 오프라인 고객 정보를 분석하여 “20대 여성=15%, 30대 여성=20%, 40대 여성=17%, 50대 이상 여성=5%, 20대 남성=10%, 30대 남성=15%, 40대 남성=10%, 50대 이상 남성=8%”와 같이 고객의 연령 및 성별 특징을 분석할 수 있다. 다른 예로, 옴니채널 마케팅 분석 장치는 제 1 매장에 대한 오프라인 고객 정보를 분석하여 “캐주얼 55%, 정장=15%, 교복=20%, 기타=10%”, “운동화=40%, 구두=35%, 샌들=20%, 기타=5%”와 같이 고객의 의류 및 신발에 대한 특징을 분석할 수 있다. 또 다른 예로, 옴니채널 마케팅 분석 장치는 제 2 매장 및 제 3 매장에 대하여 분석할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 분석한 고객의 수 및 고객의 비율 중 적어도 하나에 기초하여 특정 브랜드에 적합한 상권 및 오프라인 매장 내 전략 중 적어도 하나를 분석할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치는 위에서 설명한 바와 같이 특정 브랜드에 대하여 “20세~35세, 여성, 캐주얼 의류, 운동화”로 대표되는 고객 집단의 특징을 추출할 수 있다. 또한, 옴니채널 마케팅 분석 장치는 제 1 매장 내지 제 3 매장에 대한 고객의 특징을 분석할 수 있다. 이후, 옴니채널 마케팅 분석 장치는 고객 집단의 특징을 만족시키는 오프라인 매장을 결정할 수 있다.
예를 들어, 제 1 매장의 고객 특성이 “20대 여성=15%, 30대 여성=20%, 40대 여성=17%, 50대 이상 여성=5%, 20대 남성=10%, 30대 남성=15%, 40대 남성=10%, 50대 이상 남성=8%” “캐주얼 55%, 정장=15%, 교복=20%, 기타=10%”“운동화=40%, 구두=35%, 샌들=20%, 기타=5%”이며, 제 2 매장의 고객 특성이 “20대 여성=10%, 30대 여성=10%, 40대 여성=15%, 50대 이상 여성=20%, 20대 남성=15%, 30대 남성=10%, 40대 남성=10%, 50대 이상 남성=10%” “캐주얼 25%, 정장=70%, 교복=5%, 기타=10%”“운동화=20%, 구두=55%, 샌들=20%, 기타=5%” 이며, 제 3 매장의 고객 특성이 “20대 여성=15%, 30대 여성=5%, 40대 여성=20%, 50대 이상 여성=15%, 20대 남성=10%, 30대 남성=15%, 40대 남성=10%, 50대 이상 남성=10%” “캐주얼 20%, 정장=60%, 교복=20%, 기타=10%”“운동화=30%, 구두=55%, 샌들=10%, 기타=5%”인 경우, 옴니채널 마케팅 분석 장치는 특정 브랜드에 긍정적인 반응이 높은 고객 집단인 “20세~35세, 여성, 캐주얼 의류, 운동화”에 해당하는 고객이 많이 분포하는 제 1 매장을 적합한 매장으로 결정할 수 있다.
도 3은 일 실시예에 따른 옴니채널 마케팅 분석 장치 및 시스템의 구성도이다.
도 3을 참조하면, 옴니채널 마케팅 분석 장치(310)는 외부 장치와 통신을 위한 통신부(311), 사용자의 입력을 수신하여 데이터를 출력하기 위한 인터페이스부(313) 및 데이터 분석을 위한 분석부(315)를 포함할 수 있다.
일 실시예에 따르면, 분석부(315)는 통신부(311)를 제어하여 오프라인 매장에 설치된 하나 이상의 고객 정보 수집 장치(320)로부터 오프라인 고객 정보를 수신할 수 있다.
일 실시예에 따르면, 하나 이상의 고객 정보 수집 장치(320)는 카메라(321), 비콘(323), POS(Point Of Sales) 시스템(325) 중 적어도 하나일 수 있다.
일 예로, 카메라(321)는 안면인식 기술인 피플 카운팅, 열감지 히트맵, 아이트래킹 기술을 이용한 고객의 성향, 반응 정보 등을 수집할 수 있다. 일 예로, 비콘(323)은 고객 단말기의 Wi-Fi 정보를 인식하고 고객 유입 트래픽 및 상권 정보 등을 수집할 수 있다. 일 예로, POS 시스템(325)은 고객의 구매 정보, 매출 및 재고 정보 등을 수집할 수 있다.
일 실시예에 따르면, 분석부(315)는 오프라인 고객 정보를 기초로 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보 중 적어도 하나를 추출할 수 있다.
일 예에 따르면, 분석부(315)는 카메라(321)를 통해 고객의 이미지 정보를 수신할 수 있다. 일 예로, 분석부(315)는 고객의 이미지 정보를 분석하여 고객의 헤어 길이, 헤어 색상, 헤어 형태 등의 헤어 스타일 정보, 입고 있는 의류의 색상, 브랜드, 형태 등의 의류 정보, 신발, 가방, 안경, 시계, 반지 등의 액세서리 정보를 추출할 수 있다. 다른 예로, 분석부(315)는 고객의 이미지 정보를 분석하여 고객의 연령 또는 성별을 추정할 수 있다. 분석부(315)는 고객의 이미지 정보로부터 추출되거나 추정된 정보를 기초로 오프라인 고객의 외형 분석 정보를 생성할 수 있다.
일 실시예에 따르면, 분석부(315)는 통신부(311)를 제어하여 특정 브랜드의 온라인 매장 데이터 베이스(330)에 저장된 온라인 고객 정보 및 소셜 네트워크 서비스(Social Network Service, SNS) 데이터 베이스(340)에 저장된 특정 브랜드에 대한 정보 중 적어도 하나를 수신할 수 있다.
일 실시예에 따르면, 분석부(315)는 특정 브랜드의 온라인 매장 데이터 베이스로부터 온라인 고객의 방문 증가율, 방문 지속률, 구매 증가율 및 구매 지속률 중 적어도 하나에 대한 정보를 수신할 수 있다.
일 실시예에 따르면, 분석부(315)는 온라인 고객의 방문 증가율, 방문 지속률, 구매 증가율 및 구매 지속률 중 적어도 하나에 더 기초하여 오프라인 마케팅이 작동한 것인지 여부를 결정할 수 있다.
일 예에 따르면, 분석부(315)는 오프라인 매장에 특정 브랜드가 입점 된 전후의 온라인 매장에 대한 정보를 비교할 수 있다. 일 예로, 분석부(315)는 특정 브랜드에 대한 온라인 매장의 고객 방문 증가율, 특정 고객의 방문 지속 횟수, 특정 고객의 방문 지속률, 특정 고객의 구매량 및 구매 금액 변동률, 온라인 매장 전체의 매출 변동률 중 적어도 하나를 포함하는 온라인 매장에 대한 정보를 기초로 오프라인 매장에 특정 브랜드가 입점 됨으로써 발생하는 마케팅 효과를 추정할 수 있다.
일 예를 들어, 특정 브랜드가 오프라인 매장에 입점 후 온라인 매장의 고객의 방문이 10% 증가하며 온라인 매장의 매출이 5% 증가하는 경우, 분석부(315)는 오프라인 매장을 통한 마케팅의 효과가 발생한 것으로 판단할 수 있다. 또한, 분석부(315)는 소정의 분석 알고리즘을 이용하여 각각의 증가 수치와 마케팅의 효과에 대한 상관관계를 분석하여 마케팅 효과를 수치적으로 계산할 수 있다.
일 실시예에 따르면, 분석부(315)는 소셜 네트워크 서비스(Social Network Service, SNS) 데이터 베이스(340)로부터 특정 브랜드에 대한 고객 생성 데이터를 수신할 수 있다.
일 예에 따르면, 특정 브랜드에 대한 고객 생성 데이터는 특정 브랜드 또는 특정 브랜드에 포함된 제품이나 서비스를 언급하는 텍스트 데이터, 특정 브랜드의 매장, 상표 또는 제품 등을 촬영한 이미지 또는 영상 데이터, YouTube나 팟캐스트 등의 개인 방송에서 표현되는 특정 브랜드에 대한 이미지 또는 음성 데이터 중 적어도 하나일 수 있다.
일 실시예에 따르면, 분석부(315)는 고객 생성 데이터에 포함된 특정 브랜드에 대한 텍스트 데이터, 음성 데이터 및 영상 데이터 중 적어도 하나를 분석하여 특정 브랜드에 대한 데이터의 증가량, 데이터의 지속성 등을 추출할 수 있다.
일 예로, 분석부(315)는 SNS 데이터 베이스(340)로부터 텍스트 데이터를 수신할 수 있으며, 텍스트 데이터에서 특정 브랜드명, 특정 브랜드의 제품명 또는 특정 브랜드 제품의 모델명 등의 데이터를 추출할 수 있으며, 추출된 데이터의 양을 기초로 해당 브랜드에 대한 데이터의 증가율 또는 지속률 등을 계산할 수 있다.
일 실시예에 따르면, 분석부(315)는 고객 생성 데이터에 포함된 특정 브랜드에 대한 텍스트 데이터, 음성 데이터 및 영상 데이터 중 적어도 하나를 분석하여 고객 생성 데이터가 특정 브랜드에 대한 긍정적 정보를 포함하는지 또는 부정적 정보를 포함하는지 여부를 분석하여 브랜드 긍정/부정 변화율을 분석할 수 있다.
일 예로, 분석부(315)는 SNS 데이터 베이스(340)로부터 텍스트 데이터를 수신할 수 있다. 또한, 분석부(315)는 텍스트 데이터에서 특정 브랜드명, 특정 브랜드의 제품명 또는 특정 브랜드 제품의 모델명 등을 검색할 수 있으며, 검색된 결과를 이용하여 해당 데이터가 포함된 문장 또는 검색된 단어의 앞뒤 단어 등을 함께 추출할 수 있다. 이후, 분석부(315)는 추출된 문장 또는 단어 등을 분석하여 해당 데이터가 특정 브랜드에 대한 긍정적인 표현인지 또는 부정적인 표현인지 여부를 결정할 수 있다.
일 예로, 분석부(315)는 긍정적인 표현 또는 부정적인 표현에 대한 학습 데이터로 학습된 하나 이상의 인공 신경망을 포함할 수 있으며, 추출된 문장 또는 단어 등을 인공 신경망에 입력하여 데이터가 특정 브랜드에 대한 긍정적인 표현인지 또는 부정적인 표현인지 여부를 판단할 수 있다.
일 실시예에 따르면, 분석부(315)는 고객 생성 데이터를 분석하여 특정 브랜드에 대한 고객 생성 데이터의 증가율 및 브랜드 긍정/부정 변화율 중 적어도 하나에 더 기초하여 오프라인 마케팅이 작동한 것인지 여부를 결정할 수 있다. 일 예로, 긍정적인 표현이 증가하는 경우, 분석부(315)는 오프라인 매장을 통한 특정 브랜드의 마케팅이 효과가 있는 것으로 판단할 수 있다. 또한, 분석부(315)는 긍정적인 표현의 증가 정도 또는 지속 정도 등을 수치화 하여 마케팅의 효과를 정량적으로 계산할 수 있다.
반면, 다른 예로, 부정적인 표현이 증가하는 경우, 분석부(315)는 오프라인 매장을 통한 특정 브랜드의 마케팅이 효과가 없거나 역효과가 나타나는 것으로 판단할 수 있다. 또한, 분석부(315)는 부정적인 표현의 증가 정도 또는 지속 정도 등을 수치화 하여 마케팅의 효과를 정량적으로 계산할 수 있다.
또 다른 예로, 분석부(315)는 긍정적인 표현 및 부정적인 표현의 증가 정도 또는 지속 정도 등 결합하여 함께 수치화 함으로써 마케팅의 효과를 정량적으로 계산할 수 있다.
일 실시예에 따르면, 분석부(315)는 추출된 오프라인 고객의 행동 정보, 오프라인 고객의 외형 분석 정보, 온라인 고객 정보 및 특정 브랜드에 대한 정보 중 적어도 하나에 기초하여 오프라인 마케팅의 효과를 분석할 수 있다.
일 예에 따르면, 분석부(315)는 카메라(321)를 통하여 고객이 오프라인 매장 외부에서 매장을 주시하거나, 매장에 진입하는 것을 감지할 수 있다. 일 예를 들어, 분석부(315)는 카메라(321)를 통하여 고객이 오프라인 매장을 주시하는 시간을 측정하여 오프라인 고객의 행동 정보를 생성할 수 있다. 또한, 분석부(315)는 해당 오프라인 매장에 진입한 고객의 숫자 또는 비율 기초로 오프라인 고객의 행동 정보를 생성할 수 있다.
다른 예에 따르면, 분석부(315)는 비콘(323)을 통하여 고객이 오프라인 매장 외부에서 머물거나, 매장에 진입하는 것을 감지할 수 있다. 일 예를 들어, 분석부(315)는 비콘(323)을 통하여 고객이 오프라인 매장 외부에 머문 시간을 측정하여 오프라인 고객의 행동 정보를 생성할 수 있다. 또한, 분석부(315)는 해당 오프라인 매장에 진입한 고객의 숫자 또는 비율 등을 기초로 오프라인 고객의 행동 정보를 생성할 수 있다.
또 다른 예에 따르면, 분석부(315)는 POS 시스템(325)을 통하여 얻어진 구매 정보, 매출 정보 등을 기초로 오프라인 고객의 행동 정보를 생성할 수 있다.
일 예에 따르면, 분석부(315)는 고객의 이미지 정보로부터 추출되거나 추정된 정보를 기초로 오프라인 고객의 외형 분석 정보를 생성할 수 있다
일 예에 따르면, 분석부(315)는 오프라인 매장을 통해 얻어진 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보와 온라인 고객 정보 및 특정 브랜드에 대한 정보와의 관계를 분석하여 오프라인 마케팅의 효과를 분석할 수 있다.
일 예를 들어, 분석부(315)는 오프라인 매장을 통해 얻어진 오프라인 고객의 행동 정보와 온라인 매장의 방문율의 관계를 분석할 수 있다. 일 예로, 분석부(315)는 매장을 주시하는 고객의 수와 온라인 매장의 방문율의 관계, 고객이 매장을 주시하는 시간과 온라인 매장의 방문율의 관계 및 매장에 진입하는 고객의 수와 온라인 매장의 방문율의 관계를 분석하여 각각의 경우가 실제 온라인 매장에 방문하는 고객의 수에 미친 영향 등을 분석할 수 있다.
일 예를 들어, 분석부(315)는 오프라인 매장을 통해 얻어진 오프라인 고객의 외형 분석 정보와 온라인 매장의 방문율의 관계를 분석할 수 있다. 일 예로, 분석부(315)는 오프라인 매장에 방문하는 연령별 고객의 수와 온라인 매장의 방문율의 관계, 오프라인 매장에 방문하는 고객의 성별과 온라인 매장의 방문율의 관계, 오프라인 매장에 방문하는 고객의 스타일과 온라인 매장의 방문율의 관계를 분석하여 각각의 경우가 실제 온라인 매장에 방문하는 고객의 수에 미친 영향 등을 분석할 수 있다.
일 예를 들어, 분석부(315)는 오프라인 매장을 통해 얻어진 오프라인 고객의 행동 정보와 특정 브랜드에 대한 고객 생성 데이터의 증가율 및 브랜드 긍정/부정 변화율의 관계를 분석할 수 있다. 일 예로, 분석부(315)는 매장을 주시하는 고객의 수와 특정 브랜드에 대한 고객 생성 데이터의 증가율의 관계, 고객이 매장을 주시하는 시간과 특정 브랜드에 대한 고객 생성 데이터의 증가율의 관계 및 매장에 진입하는 고객의 수와 특정 브랜드에 대한 고객 생성 데이터의 증가율의 관계를 분석하여 각각의 경우가 SNS상에서 발생시킨 마케팅 효과를 분석할 수 있다.
일 예를 들어, 분석부(315)는 오프라인 매장을 통해 얻어진 오프라인 고객의 외형 분석 정보와 특정 브랜드에 대한 고객 생성 데이터의 증가율 및 브랜드 긍정/부정 변화율의 관계를 분석할 수 있다. 일 예로, 분석부(315)는 오프라인 매장에 방문하는 연령별 고객의 수와 특정 브랜드에 대한 고객 생성 데이터의 증가율의 관계, 오프라인 매장에 방문하는 고객의 성별과 특정 브랜드에 대한 고객 생성 데이터의 증가율의 관계, 오프라인 매장에 방문하는 고객의 스타일과 특정 브랜드에 대한 고객 생성 데이터의 증가율의 관계를 분석하여 각각의 경우가 SNS상에서 발생시킨 마케팅 효과를 분석할 수 있다.
일 실시예에 따르면, 분석부(315)는 오프라인 매장에 설치된 인터페이스 장치(미도시)를 통하여 오프라인 고객에게 특정 브랜드의 온라인 매장용 쿠폰을 발행할 수 있다.
일 예로, 온라인 매장용 쿠폰은 사용자 단말에 발생될 수 있다. 이를 위하여, 고객은 인터페이스 장치를 통하여 사용자 단말에 대한 정보를 입력할 수 있으며, 분석부(315)는 수신한 사용자 단말에 대한 정보를 이용하여 해당 사용자 단말에 온라인 매장용 쿠폰을 발행할 수 있다. 일 예로, 고객은 인터페이스 장치에 사용자 단말의 전화 번호를 입력할 수 있으며, 분석부(315)는 해당 전화 번호에 고유 번호가 기재된 텍스트 데이터, 이미지 데이터 등을 전송할 수 있다.
일 예에 따르면, 분석부(315)는 온라인 매장용 쿠폰을 발행하며, 해당 쿠폰의 고유 번호에 오프라인 고객 정보, 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보를 매칭시킬 수 있다.
일 실시예에 따르면, 분석부(315)는 고객이 온라인 매장에서 온라인 매장용 쿠폰을 사용하는 경우, 온라인 매장 데이터 베이스로부터 온라인 매장용 쿠폰을 사용한 온라인 고객의 정보를 수신하며, 온라인 고객의 정보를 기초로 온라인 매장용 쿠폰을 발급받은 오프라인 고객에 대한 오프라인 고객의 외형 분석 정보를 보정할 수 있다.
일 예를 들어, 온라인 매장용 쿠폰을 발급받은 고객은 온라인 매장에 방문할 수 있으며, 해당 온라인 매장용 쿠폰을 사용하여 제품을 구매하기 위하여 온라인 매장에 가입을 할 수 있다. 또는, 이미 온라인 매장에 가입되어 있는 고객의 경우, 로그인을 수행 후 발급받은 온라인 매장용 쿠폰을 사용할 수 있다. 이러한 경우, 분석부(315)는 발급한 온라인 매장용 쿠폰의 고유 번호와 온라인 매장 데이터 베이스에 저장된 온라인 고객 정보를 매칭시킬 수 있다.
이후, 분석부(315)는 온라인 매장용 쿠폰의 고유 번호에 매칭된 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보와 온라인 매장 데이터 베이스에 저장된 온라인 고객 정보를 비교하여 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보를 보정할 수 있다. 예를 들어, 온라인 매장용 쿠폰의 고유 번호에 매칭된 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보는 해당 고객이 25세 여성으로 식별되어 있는 반면, 실제 온라인 매장 데이터 베이스에 저장된 온라인 고객 정보는 해당 고객이 30세 여성으로 저장되어 있는 경우, 분석부(315)는 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보를 30세 여성으로 보정할 수 있다.
추가적으로, 분석부(315)는 보정된 정보를 이용하여 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보를 생성하는 알고리즘을 수정하거나 학습시킬 수 있다. 예를 들어, 분석부(315)는 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보를 생성하기 위한 하나 이상의 인공 신경망을 포함할 수 있다. 이러한 경우, 분석부(315)는 온라인 매장용 쿠폰의 고유 번호에 매칭된 오프라인 고객 정보와 온라인 매장 데이터 베이스에 저장된 온라인 고객 정보를 이용하여 새로운 학습 데이터를 생성 후 인공 신경망을 학습시킬 수 있다.
도 4는 일 예에 따른 옴니채널 마케팅 분석 시스템을 설명하기 위한 예시도이다.
도 4를 참조하면, 옴니채널 마케팅 분석 시스템은 옴니채널 마케팅 분석 장치(410)를 포함하며, 옴니채널 마케팅 분석 장치(410)는 하나 이상의 매장(420(a)~420(c))로부터 오프라인 고객 정보를 수신할 수 있다. 또한, 옴니채널 마케팅 분석 장치(410)는 특정 브랜드의 온라인 매장 데이터 베이스(430)에 저장된 온라인 고객 정보 및 소셜 네트워크 서비스(Social Network Service, SNS) 데이터 베이스(440)에 저장된 특정 브랜드에 대한 정보 중 적어도 하나를 수신할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치(410)는 하나 이상의 매장(420(a)~420(c))로부터 수신한 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보 중 적어도 하나와 특정 브랜드의 온라인 매장 데이터 베이스(430)로부터 수신한 온라인 고객 정보 및 소셜 네트워크 서비스 데이터 베이스(440)로부터 수신한 특정 브랜드에 대한 정보 중 적어도 하나에 대한 상관 관계를 분석하여 특정 브랜드에 긍정적인 반응이 높은 특정 고객 집단의 특징을 추출할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치(410)는 오프라인 매장에 방문하는 고객의 연령별 비율과 온라인 매장에 방문하는 고객의 증가율에 대한 상관 관계를 분석할 수 있다. 다른 예를 들어, 옴니채널 마케팅 분석 장치(410)는 오프라인 매장에 방문하는 헤어 스타일 및 의류 스타일을 소정 기준으로 분류 후 해당 분류별 고객의 비율과 온라인 매장에 방문하는 고객의 증가율에 대한 상관 관계를 분석할 수 있다. 또 다른 예를 들어, 옴니채널 마케팅 분석 장치(410)는 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보를 결합한 소정의 기준을 기초로 고객을 분류한 후 분류된 고객의 비율과 소셜 네트워크 서비스 상에서 특정 브랜드에 대한 긍정적인 정보의 증가량의 상관 관계를 분석할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치(410)는 상관 관계를 분석하여 특정 브랜드에 긍정적인 반응이 높은 특정 고객 집단의 특징을 추출할 수 있다. 예를 들어, 옴니채널 마케팅 분석 장치(410)는 특정 브랜드에 대하여 “20세~35세, 여성, 캐주얼 의류, 운동화”로 대표되는 고객 집단의 특징을 추출할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치(410)는 하나 이상의 오프라인 매장(420(a)~420(c))로부터 각각의 오프라인 매장에 설치된 하나 이상의 고객 정보 수집 장치를 통하여 오프라인 고객 정보를 수신하고 분석하여 특정 고객 집단의 특징을 만족하는 고객의 수 및 고객의 비율 중 적어도 하나를 분석할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치(410)는 오프라인 “제 1 매장(420(a)), 제 2 매장(420(b)), 제 3 매장(420(c))” 으로부터 각각의 오프라인 매장에 설치된 하나 이상의 고객 정보 수집 장치를 통하여 오프라인 고객 정보를 수신할 수 있다. 이후, 옴니채널 마케팅 분석 장치(410)는 “제 1 매장(420(a)), 제 2 매장(420(b)), 제 3 매장(420(c))”의 오프라인 고객 정보를 수신하여 해당 매장 별 고객의 특성을 분석할 수 있다.
일 예로, 옴니채널 마케팅 분석 장치(410)는 제 1 매장(420(a))에 대한 오프라인 고객 정보를 분석하여 “20대 여성=15%, 30대 여성=20%, 40대 여성=17%, 50대 이상 여성=5%, 20대 남성=10%, 30대 남성=15%, 40대 남성=10%, 50대 이상 남성=8%”와 같이 고객의 연령 및 성별 특징을 분석할 수 있다. 다른 예로, 옴니채널 마케팅 분석 장치(410)는 제 1 매장(420(a))에 대한 오프라인 고객 정보를 분석하여 “캐주얼 55%, 정장=15%, 교복=20%, 기타=10%”“운동화=40%, 구두=35%, 샌들=20%, 기타=5%”와 같이 고객의 의류 및 신발에 대한 특징을 분석할 수 있다. 또 다른 예로, 옴니채널 마케팅 분석 장치(410)는 제 2 매장(420(b)) 및 제 3 매장(420(c))에 대하여 분석할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치(410)는 분석한 고객의 수 및 고객의 비율 중 적어도 하나에 기초하여 특정 브랜드에 적합한 상권 및 오프라인 매장 내 전략 중 적어도 하나를 분석할 수 있다.
일 예를 들어, 옴니채널 마케팅 분석 장치(410)는 위에서 설명한 바와 같이 특정 브랜드에 대하여 “20세~35세, 여성, 캐주얼 의류, 운동화”로 대표되는 고객 집단의 특징을 추출할 수 있다. 또한, 옴니채널 마케팅 분석 장치는 제 1 매장(420(a)) 내지 제 3 매장(420(c))에 대한 고객의 특징을 분석할 수 있다. 이후, 옴니채널 마케팅 분석 장치(410)는 고객 집단의 특징을 만족시키는 오프라인 매장을 결정할 수 있다.
예를 들어, 제 1 매장(420(a))의 고객 특성이 “20대 여성=15%, 30대 여성=20%, 40대 여성=17%, 50대 이상 여성=5%, 20대 남성=10%, 30대 남성=15%, 40대 남성=10%, 50대 이상 남성=8%” “캐주얼 55%, 정장=15%, 교복=20%, 기타=10%”“운동화=40%, 구두=35%, 샌들=20%, 기타=5%”이며, 제 2 매장(420(b))의 고객 특성이 “20대 여성=10%, 30대 여성=10%, 40대 여성=15%, 50대 이상 여성=20%, 20대 남성=15%, 30대 남성=10%, 40대 남성=10%, 50대 이상 남성=10%” “캐주얼 25%, 정장=70%, 교복=5%, 기타=10%”“운동화=20%, 구두=55%, 샌들=20%, 기타=5%”이며, 제 3 매장(420(c))의 고객 특성이 “20대 여성=15%, 30대 여성=5%, 40대 여성=20%, 50대 이상 여성=15%, 20대 남성=10%, 30대 남성=15%, 40대 남성=10%, 50대 이상 남성=10%” “캐주얼 20%, 정장=60%, 교복=20%, 기타=10%”“운동화=30%, 구두=55%, 샌들=10%, 기타=5%”인 경우, 옴니채널 마케팅 분석 장치(410)는 특정 브랜드에 긍정적인 반응이 높은 고객 집단인 “20세~35세, 여성, 캐주얼 의류, 운동화”에 해당하는 고객이 많이 분포하는 제 1 매장(420(a))을 적합한 매장으로 결정할 수 있다.
일 실시예에 따르면, 옴니채널 마케팅 분석 장치는 사용자 단말로부터 위치 정보를 수신할 수 있으며, 수신한 위치 정보를 기반으로 소정 범위 내에 위치한 오프라인 매장의 정보를 제공할 수 있다.
일 예로, 옴니채널 마케팅 분석 장치는 고객의 위치 정보에 기초하여 현재 운영중인 오프라인 매장에 대한 위치정보, 판매중인 제품에 대한 정보 등을 제공하거나, 해당 매장에서 사용할 수 있는 쿠폰 및 이벤트 정보 등을 전송할 수 있다.
일 예에 따르면, 옴니채널 마케팅 분석 장치는 사용자 단말로부터 고객이 선택한 오프라인 매장 정보, 다운로드 받은 쿠폰 정보 및 고객이 검색한 오프라인 매장, 브랜드 또는 제품에 대한 정보를 수신할 수 있다.
본 발명의 일 양상은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 상기의 프로그램을 구현하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 작성되고 실행될 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 범위는 전술한 실시 예에 한정되지 않고 특허 청구범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.
310, 410: 옴니채널 마케팅 분석 장치
311: 통신부
313: 인터페이스부
315: 분석부
320, 420: 고객 정보 수집 장치
330, 430: 온라인 매장 데이터 베이스
340, 440: 소셜 네트워크 서비스(Social Network Service, SNS) 데이터 베이스

Claims (10)

  1. 오프라인 매장에 설치된 하나 이상의 고객 정보 수집 장치로부터 수신한 데이터를 기초로 오프라인 매장을 통한 특정 브랜드의 마케팅 효과를 옴니채널을 이용하여 분석하는 옴니채널 마케팅 분석 장치가 동작하는 방법에 있어서,
    오프라인 매장에 설치된 하나 이상의 고객 정보 수집 장치로부터 오프라인 고객 정보를 수신하는 단계;
    상기 오프라인 고객 정보를 기초로 오프라인 고객의 행동 정보 및 오프라인 고객의 외형 분석 정보 중 적어도 하나를 추출하는 단계;
    상기 특정 브랜드의 온라인 매장 데이터 베이스에 저장된 온라인 고객 정보, 소셜 네트워크 서비스(Social Network Service, SNS) 데이터 베이스에 저장된 상기 특정 브랜드에 대한 정보 및 소셜 네트워크 서비스 데이터 베이스에 저장된 상기 특정 브랜드에 대한 고객 생성 데이터를 중 적어도 하나를 수신하는 단계;
    상기 고객 생성 데이터에 포함된 상기 특정 브랜드에 대한 텍스트 데이터, 음성 데이터 및 영상 데이터 중 적어도 하나를 분석하여 상기 고객 생성 데이터가 상기 특정 브랜드에 대한 긍정적 정보를 포함하는지 또는 부정적 정보를 포함하는지 여부를 분석하여 브랜드 긍정/부정 변화율을 분석하는 단계; 및
    상기 추출된 오프라인 고객의 행동 정보, 오프라인 고객의 외형 분석 정보, 상기 온라인 고객 정보 및 상기 특정 브랜드에 대한 정보 중 적어도 하나에 기초하여 오프라인 마케팅의 효과를 분석하는 단계를 포함하며,
    상기 오프라인 마케팅의 효과를 분석하는 단계는
    상기 고객 생성 데이터를 분석하여 상기 특정 브랜드에 대한 고객 생성 데이터의 증가율 및 브랜드 긍정/부정 변화율 중 적어도 하나에 더 기초하여 오프라인 마케팅이 작동한 것인지 여부를 결정하는, 옴니채널 마케팅 분석 방법.
  2. 제 1 항에 있어서,
    상기 하나 이상의 고객 정보 수집 장치는 카메라, 비콘, POS(Point Of Sales) 시스템 중 적어도 하나인, 옴니채널 마케팅 분석 방법.
  3. 제 1 항에 있어서,
    상기 오프라인 고객의 행동 정보는 오프라인 고객이 외부에서 매장을 주시하는 시간, 오프라인 고객의 매장 진입 여부, 오프라인 고객의 매장 진입 비율, 오프라인 고객이 특정 제품을 주시하는 시간, 오프라인 고객이 구매한 제품 정보 및 고객이 매장에 체류한 시간 중 적어도 하나이며,
    상기 오프라인 고객의 외형 분석 정보는 오프라인 고객의 헤어, 의류, 액세서리 중 적어도 하나에 대한 오프라인 고객 스타일 정보, 오프라인 고객의 연령 정보 및 오프라인 고객의 성별 정보 중 적어도 하나인, 옴니채널 마케팅 분석 방법.
  4. 제 3 항에 있어서,
    상기 오프라인 마케팅의 효과를 분석하는 단계는
    상기 오프라인 고객이 외부에서 매장을 주시하는 시간이 소정 시간 이상인 경우, 오프라인 고객의 매장 진입하는 경우, 오프라인 고객이 특정 제품을 주시하는 시간 또는 매장에 체류하는 시간이 소정 시간 이상인 경우 및 오프라인 고객이 특정 제품을 구매한 경우 중 적어도 하나가 발생하면 오프라인 마케팅이 작동한 것으로 결정하는, 옴니채널 마케팅 분석 방법.
  5. 삭제
  6. 제 1 항에 있어서,
    상기 특정 브랜드의 온라인 매장 데이터 베이스로부터 온라인 고객의 방문 증가율, 방문 지속률, 구매 증가율 및 구매 지속률 중 적어도 하나에 대한 정보를 수신하는 단계를 더 포함하며,
    상기 오프라인 마케팅의 효과를 분석하는 단계는
    상기 온라인 고객의 방문 증가율, 방문 지속률, 구매 증가율 및 구매 지속률 중 적어도 하나에 더 기초하여 오프라인 마케팅이 작동한 것인지 여부를 결정하는, 옴니채널 마케팅 분석 방법.
  7. 삭제
  8. 제 1 항에 있어서,
    오프라인 매장에 설치된 인터페이스 장치를 통하여 오프라인 고객에게 상기 특정 브랜드의 온라인 매장용 쿠폰을 발행하는 단계;
    상기 고객이 온라인 매장에서 상기 온라인 매장용 쿠폰을 사용하는 경우, 온라인 매장 데이터 베이스로부터 상기 온라인 매장용 쿠폰을 사용한 온라인 고객의 정보를 수신하는 단계; 및
    상기 온라인 고객의 정보를 기초로 상기 온라인 매장용 쿠폰을 발급받은 오프라인 고객에 대한 오프라인 고객의 외형 분석 정보를 보정하는 단계를 더 포함하는, 옴니채널 마케팅 분석 방법.
  9. 제 1 항에 있어서,
    상기 오프라인 고객의 행동 정보 및 상기 오프라인 고객의 외형 분석 정보 중 적어도 하나와 상기 특정 브랜드의 온라인 매장 데이터 베이스로부터 수신한 온라인 고객 정보 및 소셜 네트워크 서비스 데이터 베이스로부터 수신한 상기 특정 브랜드에 대한 정보 중 적어도 하나에 대한 상관 관계를 분석하는 단계;
    상기 상관 관계에 기초하여 상기 특정 브랜드에 긍정적인 반응이 높은 특정 고객 집단의 특징을 추출하는 단계를 더 포함하는, 옴니채널 마케팅 분석 방법.
  10. 제 9 항에 있어서,
    하나 이상의 오프라인 매장으로부터 각각의 오프라인 매장에 설치된 하나 이상의 고객 정보 수집 장치를 통하여 오프라인 고객 정보를 수신하는 단계;
    상기 하나 이상의 오프라인 매장 각각에 대한 오프라인 고객 정보를 분석하여 특정 고객 집단의 특징을 만족하는 고객의 수 및 고객의 비율 중 적어도 하나를 분석하는 단계; 및
    상기 분석한 고객의 수 및 고객의 비율 중 적어도 하나에 기초하여 상기 특정 브랜드를 입점할 상권 및 상기 특정 브랜드에 적용할 오프라인 매장 내 전략 중 적어도 하나를 결정하는 단계를 더 포함하는, 옴니채널 마케팅 분석 방법.
KR1020210010842A 2021-01-26 2021-01-26 옴니채널 마케팅 분석 장치 및 방법 KR102545502B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210010842A KR102545502B1 (ko) 2021-01-26 2021-01-26 옴니채널 마케팅 분석 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210010842A KR102545502B1 (ko) 2021-01-26 2021-01-26 옴니채널 마케팅 분석 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20220107771A KR20220107771A (ko) 2022-08-02
KR102545502B1 true KR102545502B1 (ko) 2023-06-20

Family

ID=82845768

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210010842A KR102545502B1 (ko) 2021-01-26 2021-01-26 옴니채널 마케팅 분석 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102545502B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102483987B1 (ko) * 2022-08-05 2023-01-04 주식회사 컨택틱 오픈마켓 내 타겟 제품 및 타겟 시장에 대한 자동화 분석 방법 및 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101775995B1 (ko) 2016-09-09 2017-09-19 이상엽 정보 분석 장치 및 정보 분석 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130011257A (ko) * 2011-07-21 2013-01-30 에스케이플래닛 주식회사 소셜 네트워크 서비스 기반 상품 정보 추천 시스템 및 그 서비스 방법
KR20180104961A (ko) * 2017-03-14 2018-09-27 주식회사 에그락 고객 행동 기반의 오프라인 쇼핑몰 매장 추천 시스템 및 매장 추천 방법
KR20200103144A (ko) * 2019-02-08 2020-09-02 이승준 소비자의 소비 행태 및 비정형적 정보를 활용한 빅데이터 기반의 마케팅 캠페인 플랫폼

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101775995B1 (ko) 2016-09-09 2017-09-19 이상엽 정보 분석 장치 및 정보 분석 방법

Also Published As

Publication number Publication date
KR20220107771A (ko) 2022-08-02

Similar Documents

Publication Publication Date Title
US10395262B2 (en) Systems and methods for sensor data analysis through machine learning
Ngai et al. Machine learning in marketing: A literature review, conceptual framework, and research agenda
Brito et al. Customer segmentation in a large database of an online customized fashion business
US20210157869A1 (en) Information sending method, apparatus and system, and computer-readable storage medium
JP6226846B2 (ja) 情報分析装置、情報分析方法および情報分析プログラム
KR101846422B1 (ko) 빅데이터를 활용해 개인별 특성 및 선호도를 고려한 고객 맞춤형 온오프라인 연계 의류 추천 시스템
US20100153174A1 (en) Generating Retail Cohorts From Retail Data
Currans Issues in trip generation methods for transportation impact estimation of land use development: A review and discussion of the state-of-the-art approaches
JP7271529B2 (ja) 自動化されたアトリビューションモデリングおよび測定
KR102321987B1 (ko) 온라인 쇼핑몰 관리 시스템 및 방법
US9424590B2 (en) Method and system for real time targeted advertising in a retail environment
US20190287187A1 (en) Method and system for making a targeted offer to an audience
CN108876430B (zh) 一种基于人群特征的广告推送方法、电子设备及存储介质
US20140156394A1 (en) Targeted Advertisement Generation For Travelers
CN110766454A (zh) 门店的顾客到访信息收集方法以及门店子系统架构
KR20190113245A (ko) 안면 정보를 이용한 서비스 방법
KR102545502B1 (ko) 옴니채널 마케팅 분석 장치 및 방법
Shimizu et al. Fashion intelligence system: An outfit interpretation utilizing images and rich abstract tags
KR101742767B1 (ko) 위치 정보 서비스 기반 광고 방법 및 서버
CN114391159A (zh) 数字人类学和人种学系统
Ghose et al. Nudging mobile customers with real-time social dynamics
Kobayashi et al. Product recommendation based on analysis of aesthetic elements used to customer’s favorite products
CN115063178A (zh) 目标群体对于业务场景敏感程度的确定方法及其装置
KR102405503B1 (ko) 소비 데이터와 소셜 데이터를 이용한 소비동향 예측 지수 생성 방법과 이를 적용한 소비동향 예측 지수 생성 시스템 및 이를 위한 컴퓨터 프로그램
KR20150061716A (ko) 광고효과 분석 장치 및 분석 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant