KR102565448B1 - 인공지능 기반의 맞춤형 고객 관리 시스템 및 방법 - Google Patents

인공지능 기반의 맞춤형 고객 관리 시스템 및 방법 Download PDF

Info

Publication number
KR102565448B1
KR102565448B1 KR1020220179995A KR20220179995A KR102565448B1 KR 102565448 B1 KR102565448 B1 KR 102565448B1 KR 1020220179995 A KR1020220179995 A KR 1020220179995A KR 20220179995 A KR20220179995 A KR 20220179995A KR 102565448 B1 KR102565448 B1 KR 102565448B1
Authority
KR
South Korea
Prior art keywords
information
customer
marketing
platform
import
Prior art date
Application number
KR1020220179995A
Other languages
English (en)
Inventor
정현웅
윤종수
Original Assignee
(주)와이오엘
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 (주)와이오엘 filed Critical (주)와이오엘
Priority to KR1020220179995A priority Critical patent/KR102565448B1/ko
Application granted granted Critical
Publication of KR102565448B1 publication Critical patent/KR102565448B1/ko

Links

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
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • 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
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0831—Overseas transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute

Landscapes

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

Abstract

본 발명은 인공지능 기반의 맞춤형 고객 관리 시스템 및 방법에 관한 것으로, 해결하고자 하는 과제는 플랫폼 내에서 방치된 다양한 고객들의 정보를 취합하여 각각의 특성과 사용패턴을 파악하고, 파악된 고객특성과 사용패턴을 고객의 유형을 국가 및 품목 별로 그룹화하여 설문조사를 통해 고객 간의 유사성을 찾아 맞춤형 정보를 제공하는데 있다.
일례로, 수출입화물서비스 플랫폼으로부터 고객 별 플랫폼등록정보 및 플랫폼사용정보 중 적어도 하나를 포함한 플랫폼고객정보를 수집하는 플랫폼고객정보 수집부; 고객별특성 및 플랫폼사용패턴에 따른 1차 클러스터링 분석을 수행하여 상기 플랫폼고객정보를 다수의 고객유형 세그먼트로 분류하고, 상기 고객유형 세그먼트 별 설문조사 응답정보를 기반으로 상기 고객유형 세그먼트에 대한 2차 클러스터링 분석을 수행하여 다수의 계층유형그룹을 생성하는 클러스터링 분석부; 및 상기 계층유형그룹 별로 매칭되는 수출입화물서비스에 대한 마케팅 전략 컨텐츠를 생성하는 마케팅 컨텐츠 생성부를 포함하는 인공지능 기반의 맞춤형 고객 관리 시스템을 개시한다.

Description

인공지능 기반의 맞춤형 고객 관리 시스템 및 방법{SYSTEM AND METHOD FOR CUSTOMIZING CUSTOMER MANAGEMENT BASED ON ARTIFICIAL INTELLIGENCE}
본 발명의 실시예는 인공지능 기반의 맞춤형 고객 관리 시스템 및 방법에 관한 것이다.
일반적으로 수출입화물서비스 플랫폼은 고객의 다양한 수출입품목에 대한 정보 관리 및 운임 제공 등 다양한 서비스를 제공하고 있다.
이러한 수출입화물서비스 플랫폼을 사용하는 고객의 등록정보, 플랫폼이용정보, 견적정보 등 사용자들에 대한 정보들이 해당 플랫폼 내에서 점차 누적되고 있으나, 대부분 이러한 고객의 플랫폼정보들은 방치된 채로 아무런 활용도 하지 않고 있는 실정이다.
이에 따라, 플랫폼 내에서 방치된 고객들의 정보를 의미 있게 활용하여 각각의 고객들의 특성을 파악하고, 해당 플랫폼의 가치를 높여 고객 맞춤형 서비스를 제공해야 할 필요가 있다.
공개특허공보 제10-2021-0010170호(공개일자: 2021년01월27일) 공개특허공보 제10-2022-0063350호(공개일자: 2022년05월17일) 공개특허공보 제10-2021-0108007호(공개일자: 2021년09월02일)
본 발명의 실시예는, 플랫폼 내에서 방치된 다양한 고객들의 정보를 취합하여 각각의 특성과 사용패턴을 파악하고, 파악된 고객특성과 사용패턴을 고객의 유형을 국가 및 품목 별로 그룹화하여 설문조사를 통해 고객 간의 유사성을 찾아 맞춤형 정보를 제공할 수 있는 인공지능 기반의 맞춤형 고객 관리 시스템 및 방법을 제공한다.
본 발명의 일 실시예에 따른 인공지능 기반의 맞춤형 고객 관리 시스템은, 수출입화물서비스 플랫폼으로부터 고객 별 플랫폼등록정보 및 플랫폼사용정보 중 적어도 하나를 포함한 플랫폼고객정보를 수집하는 플랫폼고객정보 수집부; 고객별특성 및 플랫폼사용패턴에 따른 1차 클러스터링 분석을 수행하여 상기 플랫폼고객정보를 다수의 고객유형 세그먼트로 분류하고, 상기 고객유형 세그먼트 별 설문조사 응답정보를 기반으로 상기 고객유형 세그먼트에 대한 2차 클러스터링 분석을 수행하여 다수의 계층유형그룹을 생성하는 클러스터링 분석부; 및 상기 계층유형그룹 별로 매칭되는 수출입화물서비스에 대한 마케팅 전략 컨텐츠를 생성하는 마케팅 컨텐츠 생성부를 포함한다.
또한, 상기 플랫폼등록정보는 수출입화물서비스를 이용하기 위해 고객이 등록한 고객등록정보를 포함하고, 상기 플랫폼사용정보는 수출입화물서비스 플랫폼의 로그정보 및 견적정보를 포함할 수 있다.
또한, 상기 클러스터링 분석부는, 상기 플랫폼고객정보에 대한 데이터 정규화(MinMaxScaler)를 통한 전처리를 수행하는 데이터 전처리 수행부; 미리 구축된 K평균 군집화(K-means Clustering) 분석모델을 이용하여 상기 플랫폼고객정보를 고객별특성 및 플랫폼사용패턴에 따른 다수의 고객유형 세그먼트로 분류하는 고객유형 세그먼트 분류부; 미리 구축된 컨조인트(Conjoint) 분석모델을 이용하여 고객이 선호하는 수출입화물서비스들에 대한 유사성을 파악하기 위한 설문조사정보를 생성하는 설문조사정보 생성부; 상기 계층유형그룹 별로 상기 설문조사정보에 따른 설문조사를 수행하고, 상기 계층유형그룹 별로 설문응답정보를 수신하여 취합하는 설문조사 수행부; 및 미리 구축된 계층적 군집화(Hierarchical clustering) 분석모델을 이용하여 상기 설문응답정보의 유형 별로 상기 고객유형 세그먼트를 트리 형태의 하위계층으로 순차 분류하여 다수의 계층유형그룹을 생성하는 계층유형그룹 생성부를 포함할 수 있다.
또한, 상기 마케팅 컨텐츠 생성부는, 현재 제공 가능한 수출입화물서비스정보와 상기 계층유형그룹 별 유형정보를 비교하여 각 유형정보와 매칭되는 수출입화물서비스정보를 추출하는 수출입화물서비스정보 추출부; 및 미리 구축된 딥러닝 모델을 통해 상기 계층유형그룹의 유형정보와 상기 수출입화물서비스정보를 조합하여 상기 계층유형그룹 별로 마케팅 전략 컨텐츠를 결정하는 마케팅 전략 컨텐츠 결정부를 포함할 수 있다.
또한, 상기 맞춤형 고객 관리 시스템은, 상기 마케팅 전략 컨텐츠에 따른 마케팅 메시지를 생성하여 상기 계층유형그룹 별 고객으로 전달하는 마케팅 활동부를 더 포함할 수 있다.
또한, 상기 마케팅 전략 컨텐츠 및 각 마케팅 전략 컨텐츠에 해당하는 상기 수출입화물서비스정보에 각각 마케팅식별코드를 할당하고, 상기 마케팅 메시지를 수신하는 고객의 ID정보와 상기 마케팅식별코드를 매칭하는 마케팅식별코드 관리부; 수출입화물서비스 플랫폼을 통해 수출입화물서비스를 이용한 경우 해당 고객의 상기 ID정보와 매칭된 마케팅식별코드 및 해당 수출입화물서비스에 할당된 마케팅식별코드를 비교하고, 서로 동일한 마케팅식별코드가 존재하는지를 확인하는 마케팅식별코드 확인부; 및 서로 동일한 마케팅식별코드가 존재하는 경우 해당 고객에 대한 운임할인서비스를 제공하는 운임할인서비스 제공부를 더 포함할 수 있다.
본 발명의 다른 실시예에 따른 인공지능 기반의 맞춤형 고객 관리 방법은, 플랫폼고객정보 수집부가, 수출입화물서비스 플랫폼으로부터 고객 별 플랫폼등록정보 및 플랫폼사용정보 중 적어도 하나를 포함한 플랫폼고객정보를 수집하는 플랫폼고객정보 수집 단계; 클러스터링 분석부가, 고객별특성 및 플랫폼사용패턴에 따른 1차 클러스터링 분석을 수행하여 상기 플랫폼고객정보를 다수의 고객유형 세그먼트로 분류하고, 상기 고객유형 세그먼트 별 설문조사 응답정보를 기반으로 상기 고객유형 세그먼트에 대한 2차 클러스터링 분석을 수행하여 다수의 계층유형그룹을 생성하는 클러스터링 분석 단계; 및 상기 계층유형그룹 별로 매칭되는 수출입화물서비스에 대한 마케팅 전략 컨텐츠를 생성하는 마케팅 컨텐츠 생성 단계를 포함한다.
또한, 상기 플랫폼등록정보는 수출입화물서비스를 이용하기 위한 고객정보를 포함하고, 상기 플랫폼사용정보는 수출입화물서비스 플랫폼의 로그정보 및 견적정보를 포함할 수 있다.
또한, 상기 클러스터링 분석 단계는, 상기 플랫폼고객정보에 대한 데이터 정규화(MinMaxScaler)를 통한 전처리를 수행하는 데이터 전처리 수행 단계; 미리 구축된 K평균 군집화(K-means Clustering) 분석모델을 이용하여 상기 플랫폼고객정보를 고객별특성 및 플랫폼사용패턴에 따른 다수의 고객유형 세그먼트로 분류하는 고객유형 세그먼트 분류 단계; 미리 구축된 컨조인트(Conjoint) 분석모델을 이용하여 고객이 선호하는 수출입화물서비스들에 대한 유사성을 파악하기 위한 설문조사정보를 생성하는 설문조사정보 생성 단계; 상기 계층유형그룹 별로 상기 설문조사정보에 따른 설문조사를 수행하고, 상기 계층유형그룹 별로 설문응답정보를 수신하여 취합하는 설문조사 수행 단계; 및 미리 구축된 계층적 군집화(Hierarchical clustering) 분석모델을 이용하여 상기 설문응답정보의 유형 별로 상기 고객유형 세그먼트를 트리 형태의 하위계층으로 순차 분류하여 다수의 계층유형그룹을 생성하는 계층유형그룹 생성 단계를 포함할 수 있다.
또한, 상기 마케팅 컨텐츠 생성 단계는, 현재 제공 가능한 수출입화물서비스정보와 상기 계층유형그룹 별 유형정보를 비교하여 각 유형정보와 매칭되는 수출입화물서비스정보를 추출하는 수출입화물서비스정보 추출 단계; 및 미리 구축된 딥러닝 모델을 통해 상기 계층유형그룹의 유형정보와 상기 수출입화물서비스정보를 조합하여 상기 계층유형그룹 별로 마케팅 전략 컨텐츠를 결정하는 마케팅 전략 컨텐츠 결정 단계를 포함할 수 있다.
또한, 상기 맞춤형 고객 관리 방법은, 마케팅 활동부가, 상기 마케팅 전략 컨텐츠에 따른 마케팅 메시지를 생성하여 상기 계층유형그룹 별 고객으로 전달하는 마케팅 활동 단계를 더 포함할 수 있다.
또한, 마케팅식별코드 관리부가, 상기 마케팅 전략 컨텐츠 및 각 마케팅 전략 컨텐츠에 해당하는 상기 수출입화물서비스정보에 각각 마케팅식별코드를 할당하고, 상기 마케팅 메시지를 수신하는 고객의 ID정보와 상기 마케팅식별코드를 매칭하는 마케팅식별코드 관리 단계; 마케팅식별코드 확인부가, 수출입화물서비스 플랫폼을 통해 수출입화물서비스를 이용한 경우 해당 고객의 상기 ID정보와 매칭된 마케팅식별코드 및 해당 수출입화물서비스에 할당된 마케팅식별코드를 비교하고, 서로 동일한 마케팅식별코드가 존재하는지를 확인하는 마케팅식별코드 확인 단계; 및 운임할인서비스 제공부가, 서로 동일한 마케팅식별코드가 존재하는 경우 해당 고객에 대한 운임할인서비스를 제공하는 운임할인서비스 제공 단계를 더 포함할 수 있다.
본 발명에 따르면, 플랫폼 내에서 방치된 다양한 고객들의 정보를 취합하여 각각의 특성과 사용패턴을 파악하고, 파악된 고객특성과 사용패턴을 고객의 유형을 국가 및 품목 별로 그룹화하여 설문조사를 통해 고객 간의 유사성을 찾아 맞춤형 정보를 제공할 수 있는 인공지능 기반의 맞춤형 고객 관리 시스템 및 방법을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반의 맞춤형 고객 관리 시스템의 개요도이다.
도 2는 본 발명의 일 실시예에 따른 인공지능 기반의 맞춤형 고객 관리 시스템의 전체 구성을 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 클러스터링 분석부의 구성을 나타낸 블록도이다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 클러스터링 분석 방법을 설명하기 위해 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 마케팅 컨텐츠 생성부의 구성을 나타낸 블록도이다.
도 7은 본 발명의 일 실시예에 따른 마케팅 컨텐츠 생성 및 마케팅 활동 방법을 설명하기 위해 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 플랫폼고객정보 및 마케팅 전략 컨텐츠의 일례를 나타낸 도면이다.
도 9는 본 발명의 일 실시예에 따른 마케팅식별코드 관리, 마케팅식별코드 확인 및 운임할인서비스 제공 방법을 설명하기 위해 나타낸 도면이다.
도 10은 본 발명의 다른 실시예에 따른 인공지능 기반의 맞춤형 고객 관리 방법의 전체 구성을 나타낸 순서도이다.
도 11은 본 발명의 다른 실시예에 따른 클러스터링 분석 단계의 구성을 나타낸 순서도이다.
도 12는 본 발명의 다른 실시예에 따른 마케팅 컨텐츠 생성 단계의 구성을 나타낸 순서도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반의 맞춤형 고객 관리 시스템의 개요도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 인공지능 기반의 맞춤형 고객 관리 시스템(1000)은 고객관리서버(10), 수출입화물서비스 플랫폼 서버(20) 및 고객통신단말(30) 중 적어도 하나를 포함하는 형태로 구현될 수 있다.
좀 더 구체적으로, 고객관리서버(10)는, 수출입화물서비스 플랫폼 서버(20) 및 고객통신단말(30)과 각각 연결되어, 수출입화물서비스 플랫폼 서버(20)로부터 플랫폼고객정보(플랫폼등록정보(고객등록정보) 및 플랫폼사용정보(로그정보, 견적정보))를 수집하고, 수집된 정보를 기반으로 클러스터링을 통한 분류 및 고객의 특징 및 사용패턴을 파악하고, 설문조사정보를 기반으로 고객에 맞는 마케팅 전략 정보를 생성하는 서비스를 제공할 수 있다.
상기 고객관리서버(10)는, 하드웨어적으로 통상적인 웹 서버와 동일한 구성을 가지며, 소프트웨어적으로는 Java, Python, JavaScript, Php, C, C++ 등과 같은 다양한 형태의 언어를 통해 구현되어 여러 가지 기능을 하는 프로그램 모듈을 포함할 수 있다. 또한, 일반적인 서버용 하드웨어에 윈도우(window), 리눅스(linux), 유닉스(unix), 매킨토시(macintosi), 안드로이드(Android), 아이오에스(iOS) 등의 운영 체제에 따라 다양하게 제공되고 있는 웹 서버 프로그램을 이용하여 구현될 수 있다.
상기 고객통신단말(30)은, 수출입화물서비스 플랫폼 서버(20)를 통해 다양한 수출입화물서비스를 제공 받을 수 있으며, 이러한 서비스 제공을 받기 위해 필요한 다양한 정보를 해당 플랫폼에 입력 및 등록하기 위한 전용 프로그램(예를 들어, 어플리케이션 관리 프로그램)이 설치 또는 탑재되거나, 수출입화물서비스 플랫폼 서버(20)의 웹 브라우저를 통해 웹 사이트에 접속하는 방식을 통해 무역 계약에 유용한 미래 해상운임 예측 서비스를 제공받을 수 있도록 구현될 수 있다.
이러한 고객통신단말(30)은, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 여기서, 웹 브라우저는 웹(WWW: world wide web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(hypertext mark-up language)로 서술된 하이퍼텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 크롬(chrome), 엣지(edge), 사파리(safari) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(application)을 의미하며, 즉 모바일 단말(스마트폰)에서 실행되는 어플리케이션을 포함할 수 있다.
한편, 고객관리서버(10)와 고객통신단말(30) 간을 연결하는 인터넷 네트워크의 통신망의 일 예로는, 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced), 5G 등)에 따라 구축된 이동 통신망을 포함할 수 있으나, 특별히 한정하는 것은 아니다. 또한, 유선 통신망의 일 예로는, LAN(Local Area Network), WAN(Wide Area Network)등의 폐쇄형 네트워크일 수 있으며, 인터넷과 같은 개방형 네트워크인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 네트워크 구조를 의미한다.
도 2는 본 발명의 일 실시예에 따른 인공지능 기반의 맞춤형 고객 관리 시스템의 전체 구성을 나타낸 블록도이고, 도 3은 본 발명의 일 실시예에 따른 클러스터링 분석부의 구성을 나타낸 블록도이고, 도 4 및 도 5는 본 발명의 일 실시예에 따른 클러스터링 분석 방법을 설명하기 위해 나타낸 도면이고, 도 6은 본 발명의 일 실시예에 따른 마케팅 컨텐츠 생성부의 구성을 나타낸 블록도이고, 도 7은 본 발명의 일 실시예에 따른 마케팅 컨텐츠 생성 및 마케팅 활동 방법을 설명하기 위해 나타낸 도면이고, 도 8은 본 발명의 일 실시예에 따른 플랫폼고객정보 및 마케팅 전략 컨텐츠의 일례를 나타낸 도면이며, 도 9는 본 발명의 일 실시예에 따른 마케팅식별코드 관리, 마케팅식별코드 확인 및 운임할인서비스 제공 방법을 설명하기 위해 나타낸 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 인공지능 기반의 맞춤형 고객 관리 시스템(1000)은 플랫폼고객정보 수집부(100), 클러스터링 분석부(200), 마케팅 컨텐츠 생성부(300), 마케팅 활동부(400), 마케팅식별코드 관리부(500), 마케팅식별코드 확인부(600) 및 운임할인서비스 제공부(700) 중 적어도 하나를 포함할 수 있다.
상기 플랫폼고객정보 수집부(100)는, 수출입화물서비스 플랫폼 서버(20)의 데이터베이스로부터 고객 별 플랫폼등록정보 및 플랫폼사용정보 중 적어도 하나를 포함한 플랫폼고객정보를 주기적으로 수집할 수 있다. 본 실시예에서 플랫폼등록정보는 수출입화물서비스를 이용하기 위해 고객이 플랫폼에 등록한 고객등록정보를 포함할 수 있으며, 예를 들어 해당 플랫폼의 가입일, 고객의 지역, 고객이 취급하는 상품종류 등을 포함할 수 있다. 플랫폼사용정보는 수출입화물서비스 플랫폼의 로그정보 및 견적정보를 포함할 수 있으며, 예를 들어 견적정보에는 수출입 국가구간, 운임비, 가격만족도 등을 포함할 수 있고, 로그정보에는 플랫폼 방문 횟수, 누적 견적액 등을 포함할 수 있다.
상기 클러스터링 분석부(200)는, 고객별특성 및 플랫폼사용패턴에 따른 1차 클러스터링 분석을 수행하여 플랫폼고객정보를 다수의 고객유형 세그먼트로 분류하고, 고객유형 세그먼트 별 설문조사 응답정보를 기반으로 고객유형 세그먼트에 대한 2차 클러스터링 분석을 수행하여 다수의 계층유형그룹을 생성할 수 있다.
이를 위해 클러스터링 분석부(200)는 도 3에 도시된 바와 같이, 데이터 전처리 수행부(210), 고객유형 세그먼트 분류부(220), 설문조사정보 생성부(230), 설문조사 수행부(240) 및 계층유형그룹 생성부(250) 중 적어도 하나를 포함할 수 있다.
상기 데이터 전처리 수행부(210)는, 플랫폼고객정보에 대한 데이터 정규화(MinMaxScaler)를 통한 전처리를 수행할 수 있다. 즉, 도 4에 도시된 바와 같이 가입일, 고객의 지역, 고객이 취급하는 상품종류 등을 포함하는 고객등록정보, 플랫폼 방문 횟수, 누적 견적액 등을 포함하는 로그정보, 및 수출입 국가구간, 운임비, 가격만족도 등을 포함하는 견적정보 등은 각기 상이한 데이터 값을 갖는 정보로서, 이러한 각각의 데이터 값(음수도 예외 없음)을 '0~1' 사이의 값으로 변환함으로써 후속 처리가 수월하도록 해당 정보에 대한 데이터 전처리를 수행할 수 있다.
상기 고객유형 세그먼트 분류부(220)는, 미리 구축된 K평균 군집화(K-means Clustering) 분석모델을 이용하여 플랫폼고객정보를 고객별특성 및 플랫폼사용패턴에 따른 다수의 고객유형 세그먼트로 분류할 수 있다.
좀 더 구체적으로 설명하면, 정규화된 고객등록데이터, 로그데이터, 견적데이터 등을 고객의 특성과 플랫폼의 사용패턴에 따라서 각각의 고객들을 다수의 유형 세그먼트로 분류 또는 군집화할 수 있다. 이때, 세그먼트 분류 또는 군집화를 위해 K평균 군집화(K-means Clustering) 분석모델을 이용하는데, K평균 군집화에서 "K"는 주어진 데이터로부터 그룹화 할 그룹, 즉 클러스터의 수를 의미하고, "Means"은 각 클러스터의 중심과 데이터들의 평균 거리를 의미한다. 이러한 K평균 군집화 과정은 정규화된 플랫폼고객정보에 관한 데이터 셋에서 K　개의 도심(centroid)을 임의로 지정하고, 각 데이터들을 가장 가까운 도심이 속한 그룹에 할당한 후, 해당 과정에서 할당된 결과를 바탕으로 새로운 도심을 지정하며, 이러한 과정을 반복 수행하여 더 이상 도심이 변하지 않을 때까지 반복함으로써, 도 4에 도시된 바와 같이 플랫폼고객정보가 각각의 도심을 중심으로 형성되는 다수의 유형 세그먼트들(Type 1, 2, 3, 4)로 분류될 수 있으며, 이러한 클러스터링을 통해 고객별특성 및 플랫폼사용패턴이 대략적으로 파악될 수 있다.
상기 설문조사정보 생성부(230)는, 미리 구축된 컨조인트(Conjoint) 분석모델을 이용하여 고객이 선호하는 수출입화물서비스들에 대한 유사성을 파악하기 위한 설문조사정보를 생성할 수 있다. 컨조인트 분석은 수출입화물서비스가 갖고 있는 각각의 속성에 고객이 부여하는 가치(효용)와 그에 따른 선호도를 추정함으로써, 각각 고객이 어떤 서비스를 선호 또는 선택할지를 예측하고, 특정 서비스를 선호하는 고객 사이의 유사성을 파악할 수 있는 다양한 설문항목들을 생성하여 설문조사정보를 구성할 수 있다.
상기 설문조사 수행부(240)는, 계층유형그룹 별로 각각의 고객들을 대상으로 설문조사정보를 제공하고, 그에 따른 설문조사를 수행하여 각 고객들로부터 설문응답정보를 수신할 수 있다. 설문조사정보는 고객통신단말(30)로 제공되고, 설문조사는 고객통신단말(30)에 설치된 전용 어플리케이션 또는 웹 브라우저를 통해 진행될 수 있으며, 설문조사완료 시 해당 응답정보는 계층유형그룹 별로 수집 및 취합될 수 있다.
상기 계층유형그룹 생성부(250)는, 미리 구축된 계층적 군집화(Hierarchical clustering) 분석모델을 이용하여 설문응답정보의 유형 별로 고객유형 세그먼트를 트리 형태의 하위계층으로 순차 분류하여 다수의 계층유형그룹을 생성할 수 있다.
좀 더 구체적으로, 계층적 군집화 분석모델은 유사한 관측치끼리 묶어나가는 알고리즘으로, 필요한 정밀도가 얻어지는 수준의 군집 수 K까지 순차적으로 분류를 이어나갈 수 있으며, 이러한 과정에서 덴드로그램(Dendrogram)이라는 트리 구조의 계층적 군집 결과를 시각적으로 얻을 수 있다.
예를 들어, 도 5에 도시된 바와 같이 군집화된 다수의 고객유형 세그먼트의 각 고객을 설문조사응답의 유형(A, B, C, D) 별 하위계층으로 계층 구조를 생성할 수 있으며, 미리 설정된 군집 수 K에 이를 때까지 계층적 군집화 프로세스를 진행할 수 있다. 여기서, 유형 A는 '베트남 수입', 유형 B는 '미국 수출'이라는 국가 유형을 포함할 수 있고, 유형 C는 '화장품 운송', 유형 D는 '참깨 운송'이라는 품목 유형을 포함할 수 있으며, 이는 설문조사응답에 대한 일례일 뿐 본 실시예에서는 이러한 내용만을 설문조사응답유형으로 한정하지는 않는다.
상기 마케팅 컨텐츠 생성부(300)는, 계층유형그룹 별로 매칭되는 수출입화물서비스에 대한 마케팅 전략 컨텐츠를 생성할 수 있다.
이를 위해 마케팅 컨텐츠 생성부(300)는 도 6에 도시된 바와 같이, 수출입화물서비스정보 추출부(310) 및 마케팅 전략 컨텐츠 결정부(320) 중 적어도 하나를 포함할 수 있다.
상기 수출입화물서비스정보 추출부(310)는, 현재 제공 가능한 수출입화물서비스정보와 계층유형그룹의 설문응답정보를 비교하여 설문응답정보와 매칭되는 수출입화물서비스정보를 추출할 수 있다. 즉, 계층유형그룹의 설문응답정보를 구성하는 핵심키워드(또는 대표키워드)와 수출입화물서비스정보를 구성하는 핵심키워드(또는 대표키워드) 간을 비교하고, 일치하는 키워드 간을 연결하여 설문응답정보와 수출입화물서비스정보를 매칭하고, 매칭된 수출입화물서비스정보의 내용을 추출할 수 있다.
본 실시예에서 수출입화물서비스정보는 수출입화물서비스 플랫폼을 통해 현재 제공할 수 있는 서비스에 관한 정보로, 예를 들어, 계절 별, 월 별, 국가 별 향후 예상운임정보 예측 서비스와, 수출입화물 운송 경로 최적화 서비스 등을 포함할 수 있다.
상기 향후 예상운임정보 예측 서비스는, 해외운송비용과 관련된 데이터를 가공하고, 딥러닝 기술을 활용해 등락 추세를 분석하여 현재시점에서 향후 해외운송비에 대한 상승과 하락을 예측해주는 서비스일 수 있다.
상기 수출입화물 운송 경로 최적화 서비스는, 고객의 수출입 국가(출발지, 도착지 정보 포함)에 기초하여 운송 가능한 경로 맵을 생성하고, 생성된 운송 경로 맵을 기반으로 다양한 경로탐색 알고리즘을 실행하여 최소 운송 비용 및 시간에 따른 최적의 수출입화물 운송경로 탐색하여 그 결과를 제공해주는 서비스일 수 있다.
상기 마케팅 전략 컨텐츠 결정부(320)는, 미리 구축된 딥러닝 모델을 통해 계층유형그룹에 각각 구성되는 적어도 하나의 공통속성정보와, 추출된 수출입화물서비스정보를 조합하여 계층유형그룹 별로 마케팅 전략 컨텐츠를 결정할 수 있다.
예를 들어, 도 5에 도시된 바와 같이, 계층유형그룹 A의 공통속성정보 중 '계절'에 대한 속성정보에는 '여름에 냉방기 수출'이라는 내용이 있고, 이와 매칭되는 수출입화물서비스정보에는 '여름철 예상운임제공서비스'라는 항목이 있는 경우, 딥러닝 모델을 통해 이들의 내용을 조합하여 '여름이 오기 전 경쟁력 있는 운임과 향후 예상운임을 보냄'이라는 내용의 추천 마케팅 전략을 결정 또는 생성할 수 있다.
또한, 도 5에 도시된 바와 같이, 계층유형그룹 B의 공통속성정보 중 '화물 타입'에 대한 속성정보에는 '냉장 컨테이너'이라는 내용과, '계절'에 대한 속성정보에는 '여름'이라는 내용이 있고, 이와 매칭되는 수출입화물서비스정보에는 '여름철 냉장 컨테이너 운임제공서비스'라는 항목이 있는 경우, 딥러닝 모델을 통해 이들의 내용을 조합하여 '여름에 냉장 컨테이너 운임을 메일로 발송'이라는 내용의 추천 마케팅 전략을 결정 또는 생성할 수 있다.
또한, 도 5에 도시된 바와 같이, 계층유형그룹 C의 공통속성정보 중 '화물 타입'에 대한 속성정보에는 '수량 LCL 화물'이라는 내용이 있고, '계절'에 대한 속성정보는 무관할 경우 이와 매칭되는 수출입화물서비스정보에는 '지역 별 최저운임제공서비스'라는 항목이 있는 경우, 딥러닝 모델을 통해 이들의 내용을 조합하여 '해당 지역의 경쟁력 있는 운임을 매월 발송'이라는 내용의 추천 마케팅 전략을 결정 또는 생성할 수 있다.
또한, 도 5에 도시된 바와 같이, 계층유형그룹 D의 공통속성정보 중 '계절'에 대한 속성정보에는 '봄, 가을 수출'이라는 내용이 있고, '품목'에 대한 속성정보에는 '화학제품'이라는 내용이 있고, 이와 매칭되는 수출입화물서비스정보에는 '봄, 가을 시즌 화학물질 통관정보 및 예상운임제공서비스'라는 항목이 있는 경우, 딥러닝 모델을 통해 이들의 내용을 조합하여 '봄, 가을에 걸쳐 현지 화학물질 통관정보와 예상운임을 보냄'이라는 내용의 추천 마케팅 전략을 결정 또는 생성할 수 있다.
상기 마케팅 활동부(400)는, 마케팅 전략 컨텐츠에 따른 마케팅 메시지를 생성하여 계층유형그룹 별 고객으로 전달할 수 있다.
예를 들어, 계층유형그룹 A에 속한 고객들을 대상으로 "여름 시즌 최저운임정보와 예상운임정보 서비스"라는 내용 또는 해당 내용에 관한 실질적인 정보나 데이터를 마케팅 메시지를 통해 제공할 수 있다.
또한, 계층그룹유형 B에 속한 고객들을 대상으로 "여름에 냉장 컨테이너 운임정보 안내서비스"라는 내용 또는 해당 내용에 관한 실질적인 정보나 데이터를 마케팅 메시지를 통해 제공할 수 있다.
또한, 계층그룹유형 C에 속한 고객들을 대상으로 "지역 별 최저가 운임정보 안내서비스"라는 내용 또는 해당 내용에 관한 실질적인 정보나 데이터를 마케팅 메시지를 통해 제공할 수 있다.
또한, 계층그룹유형 D에 속한 고객들을 대상으로 "화학물질 통관정보 및 운임정보 안내서비스"라는 내용 또는 해당 내용에 관한 실질적인 정보나 데이터를 마케팅 메시지를 통해 제공할 수 있다.
상기 마케팅식별코드 관리부(500)는, 마케팅 전략 컨텐츠 및 각 마케팅 전략 컨텐츠에 해당하는 수출입화물서비스정보에 각각 마케팅식별코드를 할당하고, 마케팅 메시지를 수신하는 고객의 ID정보와 마케팅식별코드를 매칭할 수 있다.
예를 들어, 계층그룹유형 B에 속한 고객들을 대상으로 보낸 해당 마케팅 전략 컨텐츠에 대하여 마케팅식별코드 '#a12c71'를 할당함으로써 해당 메시지를 수신한 고객의 ID정보와 마케팅식별코드 '#a12c71'를 매칭하고, 해당 마케팅 메시지에 포함되어 있는 수출입화물서비스 항목에 대해서도 '#a12c71'를 할당할 수 있다.
상기 마케팅식별코드 확인부(600)는, 수출입화물서비스 플랫폼을 통해 수출입화물서비스를 이용한 경우 해당 고객의 ID정보와 매칭된 마케팅식별코드 및 해당 수출입화물서비스에 할당된 마케팅식별코드를 비교하고, 서로 동일한 마케팅식별코드가 존재하는지를 확인할 수 있다.
예를 들어, 해당 메시지를 받은 고객이 자신의 ID로 해당 플랫폼 내에서 특정 수출입화물서비스를 이용할 때(예를 들어 결제 시), 해당 ID정보와 매칭된 마케팅식별코드가 수출입화물서비스 항목에 대하여 할당된 마케팅식별코드 '#a12c71'와 일치하는 것이 있는지를 확인한 후, 일치하는 마케팅식별코드 '#a12c71'가 존재하는 경우, 해당 고객이 자신이 받은 마케팅 정보를 보고 새로운 수출입화물서비스를 이용하는 것으로 판단할 수 있다.
상기 운임할인서비스 제공부(700)는 서로 동일한 마케팅식별코드가 존재하는 경우 해당 고객에 대한 운임할인서비스를 제공할 수 있다. 즉, 해당 고객이 자신이 받은 마케팅 정보를 보고 새로운 수출입화물서비스를 이용하는 경우에 해당되므로, 그에 상응하는 운임비 할인 혜택을 제공하거나, 그에 준하는 다양한 혜택을 제공할 수 있다.
도 10은 본 발명의 다른 실시예에 따른 인공지능 기반의 맞춤형 고객 관리 방법의 전체 구성을 나타낸 순서도이고, 도 11은 본 발명의 다른 실시예에 따른 클러스터링 분석 단계의 구성을 나타낸 순서도이며, 도 12는 본 발명의 다른 실시예에 따른 마케팅 컨텐츠 생성 단계의 구성을 나타낸 순서도이다.
도 10 참조하면, 본 발명의 일 실시예에 따른 인공지능 기반의 맞춤형 고객 관리 방법(S1000)은 플랫폼고객정보 수집 단계(S100), 클러스터링 분석 단계(S200), 마케팅 컨텐츠 생성 단계(S300), 마케팅 활동 단계(S400), 마케팅식별코드 관리 단계(S500), 마케팅식별코드 확인 단계(S600) 및 운임할인서비스 제공 단계(S700) 중 적어도 하나를 포함할 수 있다.
상기 플랫폼고객정보 수집 단계(S100)는, 수출입화물서비스 플랫폼 서버(20)의 데이터베이스로부터 고객 별 플랫폼등록정보 및 플랫폼사용정보 중 적어도 하나를 포함한 플랫폼고객정보를 주기적으로 수집할 수 있다.
본 실시예에서 플랫폼등록정보는 수출입화물서비스를 이용하기 위해 고객이 플랫폼에 등록한 고객등록정보를 포함할 수 있으며, 예를 들어 해당 플랫폼의 가입일, 고객의 지역, 고객이 취급하는 상품종류 등을 포함할 수 있다. 플랫폼사용정보는 수출입화물서비스 플랫폼의 로그정보 및 견적정보를 포함할 수 있으며, 예를 들어 견적정보에는 수출입 국가구간, 운임비, 가격만족도 등을 포함할 수 있고, 로그정보에는 플랫폼 방문 횟수, 누적 견적액 등을 포함할 수 있다.
상기 클러스터링 분석 단계(S200)는, 고객별특성 및 플랫폼사용패턴에 따른 1차 클러스터링 분석을 수행하여 플랫폼고객정보를 다수의 고객유형 세그먼트로 분류하고, 고객유형 세그먼트 별 설문조사 응답정보를 기반으로 고객유형 세그먼트에 대한 2차 클러스터링 분석을 수행하여 다수의 계층유형그룹을 생성할 수 있다.
이를 위해 클러스터링 분석 단계(S200)는 도 11에 도시된 바와 같이, 데이터 전처리 수행 단계(S210), 고객유형 세그먼트 분류 단계(S220), 설문조사정보 생성 단계(S230), 설문조사 수행 단계(S240) 및 계층유형그룹 생성 단계(S250) 중 적어도 하나를 포함할 수 있다.
상기 데이터 전처리 수행 단계(S210)는, 플랫폼고객정보에 대한 데이터 정규화(MinMaxScaler)를 통한 전처리를 수행할 수 있다. 즉, 도 4에 도시된 바와 같이 가입일, 고객의 지역, 고객이 취급하는 상품종류 등을 포함하는 고객등록정보, 플랫폼 방문 횟수, 누적 견적액 등을 포함하는 로그정보, 및 수출입 국가구간, 운임비, 가격만족도 등을 포함하는 견적정보 등은 각기 상이한 데이터 값을 갖는 정보로서, 이러한 각각의 데이터 값(음수도 예외 없음)을 '0~1' 사이의 값으로 변환함으로써 후속 처리가 수월하도록 해당 정보에 대한 데이터 전처리를 수행할 수 있다.
상기 고객유형 세그먼트 분류 단계(S220)는, 미리 구축된 K평균 군집화(K-means Clustering) 분석모델을 이용하여 플랫폼고객정보를 고객별특성 및 플랫폼사용패턴에 따른 다수의 고객유형 세그먼트로 분류할 수 있다.
좀 더 구체적으로 설명하면, 정규화된 고객등록데이터, 로그데이터, 견적데이터 등을 고객의 특성과 플랫폼의 사용패턴에 따라서 각각의 고객들을 다수의 유형 세그먼트로 분류 또는 군집화할 수 있다. 이때, 세그먼트 분류 또는 군집화를 위해 K평균 군집화(K-means Clustering) 분석모델을 이용하는데, K평균 군집화에서 "K"는 주어진 데이터로부터 그룹화 할 그룹, 즉 클러스터의 수를 의미하고, "Means"은 각 클러스터의 중심과 데이터들의 평균 거리를 의미한다. 이러한 K평균 군집화 과정은 정규화된 플랫폼고객정보에 관한 데이터 셋에서 K　개의 도심(centroid)을 임의로 지정하고, 각 데이터들을 가장 가까운 도심이 속한 그룹에 할당한 후, 해당 과정에서 할당된 결과를 바탕으로 새로운 도심을 지정하며, 이러한 과정을 반복 수행하여 더 이상 도심이 변하지 않을 때까지 반복함으로써, 도 4에 도시된 바와 같이 플랫폼고객정보가 각각의 도심을 중심으로 형성되는 다수의 유형 세그먼트들(Type 1, 2, 3, 4)로 분류될 수 있으며, 이러한 클러스터링을 통해 고객별특성 및 플랫폼사용패턴이 대략적으로 파악될 수 있다.
상기 설문조사정보 생성 단계(S230)는, 미리 구축된 컨조인트(Conjoint) 분석모델을 이용하여 고객이 선호하는 수출입화물서비스들에 대한 유사성을 파악하기 위한 설문조사정보를 생성할 수 있다. 컨조인트 분석은 수출입화물서비스가 갖고 있는 각각의 속성에 고객이 부여하는 가치(효용)와 그에 따른 선호도를 추정함으로써, 각각 고객이 어떤 서비스를 선호 또는 선택할지를 예측하고, 특정 서비스를 선호하는 고객 사이의 유사성을 파악할 수 있는 다양한 설문항목들을 생성하여 설문조사정보를 구성할 수 있다.
상기 설문조사 수행 단계(S240)는, 계층유형그룹 별로 각각의 고객들을 대상으로 설문조사정보를 제공하고, 그에 따른 설문조사를 수행하여 각 고객들로부터 설문응답정보를 수신할 수 있다. 설문조사정보는 고객통신단말(30)로 제공되고, 설문조사는 고객통신단말(30)에 설치된 전용 어플리케이션 또는 웹 브라우저를 통해 진행될 수 있으며, 설문조사완료 시 해당 응답정보는 계층유형그룹 별로 수집 및 취합될 수 있다.
상기 계층유형그룹 생성 단계(S250)는, 미리 구축된 계층적 군집화(Hierarchical clustering) 분석모델을 이용하여 설문응답정보의 유형 별로 고객유형 세그먼트를 트리 형태의 하위계층으로 순차 분류하여 다수의 계층유형그룹을 생성할 수 있다.
좀 더 구체적으로, 계층적 군집화 분석모델은 유사한 관측치끼리 묶어나가는 알고리즘으로, 필요한 정밀도가 얻어지는 수준의 군집 수 K까지 순차적으로 분류를 이어나갈 수 있으며, 이러한 과정에서 덴드로그램(Dendrogram)이라는 트리 구조의 계층적 군집 결과를 시각적으로 얻을 수 있다.
예를 들어, 도 5에 도시된 바와 같이 군집화된 다수의 고객유형 세그먼트의 각 고객을 설문조사응답의 유형(A, B, C, D) 별 하위계층으로 계층 구조를 생성할 수 있으며, 미리 설정된 군집 수 K에 이를 때까지 계층적 군집화 프로세스를 진행할 수 있다. 여기서, 유형 A는 '베트남 수입', 유형 B는 '미국 수출'이라는 국가 유형을 포함할 수 있고, 유형 C는 '화장품 운송', 유형 D는 '참깨 운송'이라는 품목 유형을 포함할 수 있으며, 이는 설문조사응답에 대한 일례일 뿐 본 실시예에서는 이러한 내용만을 설문조사응답유형으로 한정하지는 않는다.
상기 마케팅 컨텐츠 생성 단계(S300)는, 계층유형그룹 별로 매칭되는 수출입화물서비스에 대한 마케팅 전략 컨텐츠를 생성할 수 있다.
이를 위해 마케팅 컨텐츠 생성 단계(S300)는 도 12에 도시된 바와 같이, 수출입화물서비스정보 추출 단계(S310) 및 마케팅 전략 컨텐츠 결정 단계(S320) 중 적어도 하나를 포함할 수 있다.
상기 수출입화물서비스정보 추출 단계(S310)는, 현재 제공 가능한 수출입화물서비스정보와 계층유형그룹의 설문응답정보를 비교하여 설문응답정보와 매칭되는 수출입화물서비스정보를 추출할 수 있다. 즉, 계층유형그룹의 설문응답정보를 구성하는 핵심키워드(또는 대표키워드)와 수출입화물서비스정보를 구성하는 핵심키워드(또는 대표키워드) 간을 비교하고, 일치하는 키워드 간을 연결하여 설문응답정보와 수출입화물서비스정보를 매칭하고, 매칭된 수출입화물서비스정보의 내용을 추출할 수 있다.
본 실시예에서 수출입화물서비스정보는 수출입화물서비스 플랫폼을 통해 현재 제공할 수 있는 서비스에 관한 정보로, 예를 들어, 계절 별, 월 별, 국가 별 향후 예상운임정보 예측 서비스와, 수출입화물 운송 경로 최적화 서비스 등을 포함할 수 있다.
상기 향후 예상운임정보 예측 서비스는, 해외운송비용과 관련된 데이터를 가공하고, 딥러닝 기술을 활용해 등락 추세를 분석하여 현재시점에서 향후 해외운송비에 대한 상승과 하락을 예측해주는 서비스일 수 있다.
상기 수출입화물 운송 경로 최적화 서비스는, 고객의 수출입 국가(출발지, 도착지 정보 포함)에 기초하여 운송 가능한 경로 맵을 생성하고, 생성된 운송 경로 맵을 기반으로 다양한 경로탐색 알고리즘을 실행하여 최소 운송 비용 및 시간에 따른 최적의 수출입화물 운송경로 탐색하여 그 결과를 제공해주는 서비스일 수 있다.
상기 마케팅 전략 컨텐츠 결정 단계(S320)는, 미리 구축된 딥러닝 모델을 통해 계층유형그룹에 각각 구성되는 적어도 하나의 공통속성정보와, 추출된 수출입화물서비스정보를 조합하여 계층유형그룹 별로 마케팅 전략 컨텐츠를 결정할 수 있다.
예를 들어, 도 5에 도시된 바와 같이, 계층유형그룹 A의 공통속성정보 중 '계절'에 대한 속성정보에는 '여름에 냉방기 수출'이라는 내용이 있고, 이와 매칭되는 수출입화물서비스정보에는 '여름철 예상운임제공서비스'라는 항목이 있는 경우, 딥러닝 모델을 통해 이들의 내용을 조합하여 '여름이 오기 전 경쟁력 있는 운임과 향후 예상운임을 보냄'이라는 내용의 추천 마케팅 전략을 결정 또는 생성할 수 있다.
또한, 도 5에 도시된 바와 같이, 계층유형그룹 B의 공통속성정보 중 '화물 타입'에 대한 속성정보에는 '냉장 컨테이너'이라는 내용과, '계절'에 대한 속성정보에는 '여름'이라는 내용이 있고, 이와 매칭되는 수출입화물서비스정보에는 '여름철 냉장 컨테이너 운임제공서비스'라는 항목이 있는 경우, 딥러닝 모델을 통해 이들의 내용을 조합하여 '여름에 냉장 컨테이너 운임을 메일로 발송'이라는 내용의 추천 마케팅 전략을 결정 또는 생성할 수 있다.
또한, 도 5에 도시된 바와 같이, 계층유형그룹 C의 공통속성정보 중 '화물 타입'에 대한 속성정보에는 '수량 LCL 화물'이라는 내용이 있고, '계절'에 대한 속성정보는 무관할 경우 이와 매칭되는 수출입화물서비스정보에는 '지역 별 최저운임제공서비스'라는 항목이 있는 경우, 딥러닝 모델을 통해 이들의 내용을 조합하여 '해당 지역의 경쟁력 있는 운임을 매월 발송'이라는 내용의 추천 마케팅 전략을 결정 또는 생성할 수 있다.
또한, 도 5에 도시된 바와 같이, 계층유형그룹 D의 공통속성정보 중 '계절'에 대한 속성정보에는 '봄, 가을 수출'이라는 내용이 있고, '품목'에 대한 속성정보에는 '화학제품'이라는 내용이 있고, 이와 매칭되는 수출입화물서비스정보에는 '봄, 가을 시즌 화학물질 통관정보 및 예상운임제공서비스'라는 항목이 있는 경우, 딥러닝 모델을 통해 이들의 내용을 조합하여 '봄, 가을에 걸쳐 현지 화학물질 통관정보와 예상운임을 보냄'이라는 내용의 추천 마케팅 전략을 결정 또는 생성할 수 있다.
상기 마케팅 활동 단계(S400)는, 마케팅 전략 컨텐츠에 따른 마케팅 메시지를 생성하여 계층유형그룹 별 고객으로 전달할 수 있다.
예를 들어, 계층유형그룹 A에 속한 고객들을 대상으로 "여름 시즌 최저운임정보와 예상운임정보 서비스"라는 내용 또는 해당 내용에 관한 실질적인 정보나 데이터를 마케팅 메시지를 통해 제공할 수 있다.
또한, 계층그룹유형 B에 속한 고객들을 대상으로 "여름에 냉장 컨테이너 운임정보 안내서비스"라는 내용 또는 해당 내용에 관한 실질적인 정보나 데이터를 마케팅 메시지를 통해 제공할 수 있다.
또한, 계층그룹유형 C에 속한 고객들을 대상으로 "지역 별 최저가 운임정보 안내서비스"라는 내용 또는 해당 내용에 관한 실질적인 정보나 데이터를 마케팅 메시지를 통해 제공할 수 있다.
또한, 계층그룹유형 D에 속한 고객들을 대상으로 "화학물질 통관정보 및 운임정보 안내서비스"라는 내용 또는 해당 내용에 관한 실질적인 정보나 데이터를 마케팅 메시지를 통해 제공할 수 있다.
상기 마케팅식별코드 관리 단계(S500)는, 마케팅 전략 컨텐츠 및 각 마케팅 전략 컨텐츠에 해당하는 수출입화물서비스정보에 각각 마케팅식별코드를 할당하고, 마케팅 메시지를 수신하는 고객의 ID정보와 마케팅식별코드를 매칭할 수 있다.
예를 들어, 계층그룹유형 B에 속한 고객들을 대상으로 보낸 해당 마케팅 전략 컨텐츠에 대하여 마케팅식별코드 '#a12c71'를 할당함으로써 해당 메시지를 수신한 고객의 ID정보와 마케팅식별코드 '#a12c71'를 매칭하고, 해당 마케팅 메시지에 포함되어 있는 수출입화물서비스 항목에 대해서도 '#a12c71'를 할당할 수 있다.
상기 마케팅식별코드 확인 단계(S600)는, 수출입화물서비스 플랫폼을 통해 수출입화물서비스를 이용한 경우 해당 고객의 ID정보와 매칭된 마케팅식별코드 및 해당 수출입화물서비스에 할당된 마케팅식별코드를 비교하고, 서로 동일한 마케팅식별코드가 존재하는지를 확인할 수 있다.
예를 들어, 해당 메시지를 받은 고객이 자신의 ID로 해당 플랫폼 내에서 특정 수출입화물서비스를 이용할 때(예를 들어 결제 시), 해당 ID정보와 매칭된 마케팅식별코드가 수출입화물서비스 항목에 대하여 할당된 마케팅식별코드 '#a12c71'와 일치하는 것이 있는지를 확인한 후, 일치하는 마케팅식별코드 '#a12c71'가 존재하는 경우, 해당 고객이 자신이 받은 마케팅 정보를 보고 새로운 수출입화물서비스를 이용하는 것으로 판단할 수 있다.
상기 운임할인서비스 제공 단계(S700)는 서로 동일한 마케팅식별코드가 존재하는 경우 해당 고객에 대한 운임할인서비스를 제공할 수 있다. 즉, 해당 고객이 자신이 받은 마케팅 정보를 보고 새로운 수출입화물서비스를 이용하는 경우에 해당되므로, 그에 상응하는 운임비 할인 혜택을 제공하거나, 그에 준하는 다양한 혜택을 제공할 수 있다.
이상에서 설명한 것은 본 발명에 의한 인공지능 기반의 맞춤형 고객 관리 시스템 및 방법을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.
1000: 맞춤형 고객 관리 시스템
100: 플랫폼고객정보 수집부
200: 클러스터링 분석부
210: 데이터 전처리 수행부
220: 고객유형 세그먼트 분류부
230: 설문조사정보 생성부
240: 설문조사 수행부
250: 계층유형그룹 생성부
300: 마케팅 컨텐츠 생성부
310: 수출입화물서비스정보 추출부
320: 마케팅 전략 컨텐츠 결정부
400: 마케팅 활동부
500: 마케팅식별코드 관리부
600: 마케팅식별코드 확인부
700: 운임할인서비스 제공부
S1000: 맞춤형 고객 관리 방법
S100: 플랫폼고객정보 수집 단계
S200: 클러스터링 분석 단계
S210: 데이터 전처리 수행 단계
S220: 고객유형 세그먼트 분류 단계
S230: 설문조사정보 생성 단계
S240: 설문조사 수행 단계
S250: 계층유형그룹 생성 단계
S300: 마케팅 컨텐츠 생성 단계
S310: 수출입화물서비스정보 추출 단계
S320: 마케팅 전략 컨텐츠 결정 단계
S400: 마케팅 활동 단계
S500: 마케팅식별코드 관리 단계
S600: 마케팅식별코드 확인 단계
S700: 운임할인서비스 제공 단계

Claims (10)

  1. 수출입화물서비스 플랫폼으로부터 고객 별 플랫폼등록정보 및 플랫폼사용정보 중 적어도 하나를 포함한 플랫폼고객정보를 수집하는 플랫폼고객정보 수집부;
    고객별특성 및 플랫폼사용패턴에 따른 1차 클러스터링 분석을 수행하여 상기 플랫폼고객정보를 다수의 고객유형 세그먼트로 분류하고, 상기 고객유형 세그먼트 별 설문조사 응답정보를 기반으로 상기 고객유형 세그먼트에 대한 2차 클러스터링 분석을 수행하여 다수의 계층유형그룹을 생성하는 클러스터링 분석부;
    현재 제공 가능한 수출입화물서비스정보와 상기 계층유형그룹 별 유형정보를 비교하여 각 유형정보와 매칭되는 수출입화물서비스정보를 추출하는 수출입화물서비스정보 추출부; 및 미리 구축된 딥러닝 모델을 통해 상기 계층유형그룹의 유형정보와 상기 수출입화물서비스정보를 조합하여 상기 계층유형그룹 별로 마케팅 전략 컨텐츠를 결정하는 마케팅 전략 컨텐츠 결정부를 포함하고, 상기 계층유형그룹 별로 매칭되는 수출입화물서비스에 대한 마케팅 전략 컨텐츠를 생성하는 마케팅 컨텐츠 생성부;
    상기 마케팅 전략 컨텐츠에 대한 정보나 데이터를 포함하는 마케팅 메시지를 생성하여 상기 계층유형그룹 별 고객으로 전달하는 마케팅 활동부;
    상기 마케팅 전략 컨텐츠 및 각 마케팅 전략 컨텐츠에 해당하는 상기 수출입화물서비스정보에 각각 마케팅식별코드를 할당하고, 상기 마케팅 메시지를 수신하는 고객의 ID정보와 상기 마케팅식별코드를 매칭하는 마케팅식별코드 관리부;
    수출입화물서비스 플랫폼을 통해 수출입화물서비스를 이용한 경우 해당 고객의 상기 ID정보와 매칭된 마케팅식별코드 및 해당 수출입화물서비스에 할당된 마케팅식별코드를 비교하고, 서로 동일한 마케팅식별코드가 존재하는지를 확인하는 마케팅식별코드 확인부; 및
    서로 동일한 마케팅식별코드가 존재하는 경우 해당 고객에 대한 운임할인서비스를 제공하는 운임할인서비스 제공부를 포함하는 것을 특징으로 하는 인공지능 기반의 맞춤형 고객 관리 시스템.
  2. 제1 항에 있어서,
    상기 플랫폼등록정보는 수출입화물서비스를 이용하기 위해 고객이 등록한 고객등록정보를 포함하고,
    상기 플랫폼사용정보는 수출입화물서비스 플랫폼의 로그정보 및 견적정보를 포함하는 것을 특징으로 하는 인공지능 기반의 맞춤형 고객 관리 시스템.
  3. 제1 항에 있어서,
    상기 클러스터링 분석부는,
    상기 플랫폼고객정보에 대한 데이터 정규화(MinMaxScaler)를 통한 전처리를 수행하는 데이터 전처리 수행부;
    미리 구축된 K평균 군집화(K-means Clustering) 분석모델을 이용하여 상기 플랫폼고객정보를 고객별특성 및 플랫폼사용패턴에 따른 다수의 고객유형 세그먼트로 분류하는 고객유형 세그먼트 분류부;
    미리 구축된 컨조인트(Conjoint) 분석모델을 이용하여 고객이 선호하는 수출입화물서비스들에 대한 유사성을 파악하기 위한 설문조사정보를 생성하는 설문조사정보 생성부;
    상기 계층유형그룹 별로 상기 설문조사정보에 따른 설문조사를 수행하고, 상기 계층유형그룹 별로 설문응답정보를 수신하여 취합하는 설문조사 수행부; 및
    미리 구축된 계층적 군집화(Hierarchical clustering) 분석모델을 이용하여 상기 설문응답정보의 유형 별로 상기 고객유형 세그먼트를 트리 형태의 하위계층으로 순차 분류하여 다수의 계층유형그룹을 생성하는 계층유형그룹 생성부를 포함하는 것을 특징으로 하는 인공지능 기반의 맞춤형 고객 관리 시스템.
  4. 삭제
  5. 삭제
  6. 플랫폼고객정보 수집부가, 수출입화물서비스 플랫폼으로부터 고객 별 플랫폼등록정보 및 플랫폼사용정보 중 적어도 하나를 포함한 플랫폼고객정보를 수집하는 플랫폼고객정보 수집 단계;
    클러스터링 분석부가, 고객별특성 및 플랫폼사용패턴에 따른 1차 클러스터링 분석을 수행하여 상기 플랫폼고객정보를 다수의 고객유형 세그먼트로 분류하고, 상기 고객유형 세그먼트 별 설문조사 응답정보를 기반으로 상기 고객유형 세그먼트에 대한 2차 클러스터링 분석을 수행하여 다수의 계층유형그룹을 생성하는 클러스터링 분석 단계;
    현재 제공 가능한 수출입화물서비스정보와 상기 계층유형그룹 별 유형정보를 비교하여 각 유형정보와 매칭되는 수출입화물서비스정보를 추출하는 수출입화물서비스정보 추출 단계; 및 미리 구축된 딥러닝 모델을 통해 상기 계층유형그룹의 유형정보와 상기 수출입화물서비스정보를 조합하여 상기 계층유형그룹 별로 마케팅 전략 컨텐츠를 결정하는 마케팅 전략 컨텐츠 결정 단계를 포함하고, 상기 계층유형그룹 별로 매칭되는 수출입화물서비스에 대한 마케팅 전략 컨텐츠를 생성하는 마케팅 컨텐츠 생성 단계;
    마케팅 활동부가, 상기 마케팅 전략 컨텐츠에 대한 정보나 데이터를 포함하는 마케팅 메시지를 생성하여 상기 계층유형그룹 별 고객으로 전달하는 마케팅 활동 단계;
    마케팅식별코드 관리부가, 상기 마케팅 전략 컨텐츠 및 각 마케팅 전략 컨텐츠에 해당하는 상기 수출입화물서비스정보에 각각 마케팅식별코드를 할당하고, 상기 마케팅 메시지를 수신하는 고객의 ID정보와 상기 마케팅식별코드를 매칭하는 마케팅식별코드 관리 단계;
    마케팅식별코드 확인부가, 수출입화물서비스 플랫폼을 통해 수출입화물서비스를 이용한 경우 해당 고객의 상기 ID정보와 매칭된 마케팅식별코드 및 해당 수출입화물서비스에 할당된 마케팅식별코드를 비교하고, 서로 동일한 마케팅식별코드가 존재하는지를 확인하는 마케팅식별코드 확인 단계; 및
    운임할인서비스 제공부가, 서로 동일한 마케팅식별코드가 존재하는 경우 해당 고객에 대한 운임할인서비스를 제공하는 운임할인서비스 제공 단계를 포함하는 것을 특징으로 하는 인공지능 기반의 맞춤형 고객 관리 방법.
  7. 제6 항에 있어서,
    상기 플랫폼등록정보는 수출입화물서비스를 이용하기 위한 고객정보를 포함하고,
    상기 플랫폼사용정보는 수출입화물서비스 플랫폼의 로그정보 및 견적정보를 포함하는 것을 특징으로 하는 인공지능 기반의 맞춤형 고객 관리 방법.
  8. 제6 항에 있어서,
    상기 클러스터링 분석 단계는,
    상기 플랫폼고객정보에 대한 데이터 정규화(MinMaxScaler)를 통한 전처리를 수행하는 데이터 전처리 수행 단계;
    미리 구축된 K평균 군집화(K-means Clustering) 분석모델을 이용하여 상기 플랫폼고객정보를 고객별특성 및 플랫폼사용패턴에 따른 다수의 고객유형 세그먼트로 분류하는 고객유형 세그먼트 분류 단계;
    미리 구축된 컨조인트(Conjoint) 분석모델을 이용하여 고객이 선호하는 수출입화물서비스들에 대한 유사성을 파악하기 위한 설문조사정보를 생성하는 설문조사정보 생성 단계;
    상기 계층유형그룹 별로 상기 설문조사정보에 따른 설문조사를 수행하고, 상기 계층유형그룹 별로 설문응답정보를 수신하여 취합하는 설문조사 수행 단계; 및
    미리 구축된 계층적 군집화(Hierarchical clustering) 분석모델을 이용하여 상기 설문응답정보의 유형 별로 상기 고객유형 세그먼트를 트리 형태의 하위계층으로 순차 분류하여 다수의 계층유형그룹을 생성하는 계층유형그룹 생성 단계를 포함하는 것을 특징으로 하는 인공지능 기반의 맞춤형 고객 관리 방법.
  9. 삭제
  10. 삭제
KR1020220179995A 2022-12-21 2022-12-21 인공지능 기반의 맞춤형 고객 관리 시스템 및 방법 KR102565448B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220179995A KR102565448B1 (ko) 2022-12-21 2022-12-21 인공지능 기반의 맞춤형 고객 관리 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220179995A KR102565448B1 (ko) 2022-12-21 2022-12-21 인공지능 기반의 맞춤형 고객 관리 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102565448B1 true KR102565448B1 (ko) 2023-08-08

Family

ID=87560479

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220179995A KR102565448B1 (ko) 2022-12-21 2022-12-21 인공지능 기반의 맞춤형 고객 관리 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102565448B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200036173A (ko) * 2018-09-28 2020-04-07 주식회사 알스피릿 사용자 그루핑 및 그룹별 선호 기계학습 분석 알고리즘을 추천하는 방법 및 장치
KR20210010170A (ko) 2019-07-19 2021-01-27 조충근 빅데이터 기반 정보수집과 인공지능 솔루션을 이용한 개인 맞춤형 여행 및 테마여행 추천방법
KR20210108007A (ko) 2020-02-25 2021-09-02 에이지스쿼드 주식회사 소셜 미디어 전략 관리 시스템
KR20220063350A (ko) 2020-11-10 2022-05-17 서대호 마케팅 정보 제공 방법 및 마케팅 정보 제공 장치
KR102451099B1 (ko) * 2021-06-29 2022-10-07 주식회사 소프트자이온 인공지능 기반의 사용자 니즈 추론을 통한 구매 유도 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200036173A (ko) * 2018-09-28 2020-04-07 주식회사 알스피릿 사용자 그루핑 및 그룹별 선호 기계학습 분석 알고리즘을 추천하는 방법 및 장치
KR20210010170A (ko) 2019-07-19 2021-01-27 조충근 빅데이터 기반 정보수집과 인공지능 솔루션을 이용한 개인 맞춤형 여행 및 테마여행 추천방법
KR20210108007A (ko) 2020-02-25 2021-09-02 에이지스쿼드 주식회사 소셜 미디어 전략 관리 시스템
KR20220063350A (ko) 2020-11-10 2022-05-17 서대호 마케팅 정보 제공 방법 및 마케팅 정보 제공 장치
KR102451099B1 (ko) * 2021-06-29 2022-10-07 주식회사 소프트자이온 인공지능 기반의 사용자 니즈 추론을 통한 구매 유도 시스템 및 방법

Similar Documents

Publication Publication Date Title
Jahani et al. Improving official statistics in emerging markets using machine learning and mobile phone data
Çavdar et al. Airline customer lifetime value estimation using data analytics supported by social network information
CN109255564B (zh) 一种取件点地址推荐方法及装置
CN111581506B (zh) 基于协同过滤的航班推荐方法及系统
CN110046889B (zh) 一种异常行为主体的检测方法、装置及服务器
KR102162765B1 (ko) 인공지능 기반 고객이탈관리 자동화 시스템 및 방법과, 이를 위한 컴퓨터 프로그램
KR20180128147A (ko) 모바일 컨텍스트 정보 기반의 음식점 추천방법 및 그를 위한 장치
CN114595850A (zh) 基于机器学习的政务预约服务推荐方法
US20030204436A1 (en) Survey data gathering
CN110472057B (zh) 话题标签的生成方法及装置
JP7092194B2 (ja) 情報処理装置、判定方法、及びプログラム
KR102565448B1 (ko) 인공지능 기반의 맞춤형 고객 관리 시스템 및 방법
CN113537878A (zh) 包裹派送方法、装置、设备及存储介质
KR102565446B1 (ko) 인공지능 기반의 해상 운임 예측 및 맞춤형 고객 관리 시스템
Alonso-Lorenzo et al. Language independent big-data system for the prediction of user location on Twitter
Wang et al. A Comparative Study on Contract Recommendation Model: Using Macao Mobile Phone Datasets
CN109902129A (zh) 基于大数据分析的保险代理人归类方法及相关设备
CN113516302B (zh) 业务风险分析方法、装置、设备及存储介质
US10346448B2 (en) System and method for classifying an alphanumeric candidate identified in an email message
JP7194562B2 (ja) 情報処理方法及び情報処理システム
Patel et al. Explainable prediction of Qcodes for NOTAMs using column generation
CN113822477A (zh) 快件拦截处理方法、装置、设备及存储介质
CN112380443A (zh) 导乘推荐方法、装置、计算机设备和存储介质
CN113743838A (zh) 目标用户识别方法、装置、计算机设备和存储介质
CN111523034B (zh) 一种应用程序的处理方法、装置、设备及介质

Legal Events

Date Code Title Description
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant