KR102566897B1 - 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법, 장치 및 시스템 - Google Patents

Abstract

본 발명의 일실시예는 의약품, 의료소모품 및 의료장비 등 의료와 관련한 제품/상품을 도소매 온라인을 기반으로 유통할 수 있고, 판매 데이터를 기반으로 상품별 향후 수요량을 예측하며, 주요 의약품 등의 유통량을 검증하여 의약품의 밀거래/불법거래 및 오남용 등을 방지할 수 있는, 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법, 장치 및 시스템에 관한 것이다.

Description

의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법, 장치 및 시스템{METHOD, APPARATUS AND SYSTEM FOR PROVIDING ONLINE E-COMMERCE SERVICE FOR WHOLESALE AND RETAIL SALES OF MEDICINES AND MEDICAL CONSUMABLES}

아래 실시예들은 의약품, 의료소모품 및 의료장비 등 의료와 관련한 제품/상품을 도소매 온라인을 기반으로 유통할 수 있고, 판매 데이터를 기반으로 상품별 향후 수요량을 예측하며, 주요 의약품 등의 유통량을 검증하여 의약품의 밀거래/불법거래 및 오남용 등을 방지할 수 있는, 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법, 장치 및 시스템에 관한 것이다.

의약품, 의료소모품 및 의료장비는 다수의 영업사원들에 의해 직접 영업 방식으로 계약되어 유통되고 있다.

이러한 거래 현실에서는 품질이 더 좋거나 가격/마진율이 더 높은 제품을 직접 선택하거나 공급받기 어려우며, 이러한 한계점은 결국 소비자에게 더 좋은 품질의 의료 서비스를 받지 못하도록 제한하는 원인이 될 수 있다.

따라서, 병원, 약국, 의약품 도매처, 소비자 등에게 직/간접적으로 의약품, 의료소모품 및 의료장비를 소정의 전자상거래를 기반으로 유통시킬 수 있는 플랫폼이 필요하다.

KR 10-2021-0050084 A KR 10-2022-0074009 A

본 발명의 일실시예가 해결하고자 하는 과제는, 전술한 종래 의약품 유통망의 한계점을 극복하기 위하여, 의약품, 의료소모품 및 의료장비를 소정의 전자상거래를 기반으로 유통할 수 있고, 유통량을 기반으로 수요량을 예측함으로써 재고를 최적화시킬 수 있는 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법, 장치 및 시스템을 제공하는 것이다.

일실시예에 따르면, 장치에 의해 수행되는, 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법에 있어서, 의약품, 의료기기 또는 의료소모품인 상품의 입고 정보를 기록하는 단계; 상기 상품의 재고를 기록하는 단계; 상기 입고 정보의 입고 가격을 기반으로, 제1 마진율을 적용한 제1 판매 가격을 산출하는 단계; 상기 제1 판매 가격을 기반으로, 상기 상품을 판매중인 물품으로 등록하는 단계; 상기 상품의 판매 정보를 기록하는 단계; 상기 판매 정보가 소정의 기간 이상 누적된 상품에 대해, 누적된 상기 판매 정보를 기반으로 상품의 품목별 수요량을 예측하는 단계; 상기 제1 판매 가격 및 상품의 품목별 수요량을 기반으로, 제2 판매 가격을 산출하는 단계; 상기 상품의 품목별 수요량이 예측되지 않은 상품에 대해 상기 제1 판매 가격을 제3 판매 가격으로 지정하는 단계; 상기 상품의 품목별 수요량이 예측된 상품에 대해 상기 제2 판매 가격을 제3 판매 가격으로 지정하는 단계; 및 상기 제3 판매 가격을 기반으로, 상기 상품의 소비자가를 갱신하는 단계;를 포함하는, 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법을 제공한다.

또한, 상기 제2 판매 가격을 산출하는 단계는: 누적된 상기 판매 정보로부터, 상품의 품목별 월별 판매량을 산출하는 단계; 상기 상품의 품목별 월별 판매량의 제1 평균값을 산출하는 단계; 상기 제1 평균값이 원점이 되도록 상기 상품의 품목별 월별 판매량을 오프셋(offset)하여 제1 조정 판매량을 산출하는 단계; 상기 제1 조정 판매량에 대한 제1 제곱평균제곱근(RMS; Root Mean Square)을 산출하는 단계; 상기 제1 조정 판매량 중, 절댓값이 제1 제곱평균제곱근 이상인 값들을 추출한 제2 조정 판매량을 추출하는 단계; 상기 제2 조정 판매량에 대한 제2 제곱평균제곱근을 산출하는 단계; 상기 제2 조정 판매량 중, 절댓값이 제2 제곱평균제곱근 이상인 값들을 추출한 제3 조정 판매량을 추출하는 단계; 상기 제3 조정 판매량에 대한 제3 제곱평균제곱근을 산출하는 단계; 예측된 상기 상품의 품목별 수요량에서 상기 제1 평균값을 차감한 조정 수요량을 산출하는 단계; 상기 조정 수요량이 양수이고 상기 제3 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 2배 내지 3배인 제2 마진율을 적용하여 제2 판매 가격을 산출하는 단계; 상기 조정 수요량이 양수이고 상기 제3 제곱평균제곱근 미만이며 제2 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 1.2배 내지 1.5배인 제3 마진율을 적용하여 제2 판매 가격을 산출하는 단계; 상기 조정 수요량의 절댓값이 상기 제1 제곱평균제곱근 미만인 경우: 상기 제1 마진율을 적용하여 제2 판매 가격을 산출하는 단계; 상기 조정 수요량이 음수이고 상기 조정 수요량의 절댓값이 상기 제3 제곱평균제곱근 미만이며 제2 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 0.3배 내지 0.7배인 제4 마진율을 적용하여 제2 판매 가격을 산출하는 단계; 상기 조정 수요량이 음수이고 상기 조정 수요량의 절댓값이 상기 제3 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 0배 내지 0.1배인 제5 마진율을 적용하여 제2 판매 가격을 산출하는 단계; 및 상기 조정 수요량의 절댓값이 상기 제1 제곱평균제곱근 이상이며 상기 제2 제곱평균제곱근 미만인 경우: 기존 제1 판매 가격 또는 제2 판매 가격을 제2 판매 가격으로 유지하는 단계;를 포함할 수 있다.

그리고, 상기 상품의 품목별 수요량을 예측하는 단계는: 월(month)을 '열'로, 상기 상품의 품목명을 '행'으로, 상기 상품의 전년도 월별 판매량인 제1 월별 판매량을 '값'으로 하는 제1 행렬을 생성하는 제1 예측 단계; 상기 제1 행렬을 기반으로, 상기 상품의 제1 월별 판매량에 대한 K-Means 클러스터링으로 상기 상품의 품목들을 군집화하는 제2 예측 단계; 상품의 제1 군집별로 제1 월별 평균 판매량을 산출하는 제3 예측 단계; 상기 제1 월별 평균 판매량을 보간하여 소정의 제1 함수를 생성하고, 상기 제1 함수를 미분하여 제1 월별 변화율을 산출하는 제4 예측 단계; 상기 제1 월별 변화율을 기반으로, 제1 월별 변화율이 음수인 제1 기간들 및 제2 군집들을 추출하는 제5 예측 단계; 상기 제1 군집들 중, 상기 제1 기간들에 대응하는 제1 월별 변화율이 양수인 제3 군집들을 추출하는 제6 예측 단계; 상기 제2 군집과 제3 군집을 1대1 매칭시키는 제7 예측 단계; 매칭된 제2 군집 및 제3 군집에 대하여, '상기 제2 군집의 제1 월별 변화율 대비 상기 제3 군집의 제1 월별 변화율'을 소정의 제1 비율로 산출하는 제8 예측 단계; 상기 상품의 금년도 월별 판매량인 제2 월별 판매량을 읽어오는 제9 예측 단계; 상기 제2 월별 판매량 중, '상기 제1 기간에 대응하는 최근 1개월인 제3 기간'에 대한 제2 군집의 제1 비교 대상 판매량을 읽어오는 제10 예측 단계; 상기 제2 군집에 대한 제1 비율 값이 존재하는 제3 군집에 대하여, 상기 제1 비교 대상 판매량 및 제1 비율을 기반으로 상기 상품별 제1 예상 판매량을 산출하는 제11 예측 단계; 상기 제3 기간에 대한 '상기 제1 군집 중, 상기 제1 비교 대상 판매량이 존재하지 않는 제4 군집'의 제2 비교 대상 판매량을 읽어오는 제12 예측 단계; 상기 제2 비교 대상 판매량 및 제1 월별 변화율을 기반으로, 상기 상품별 제2 예상 판매량을 산출하는 제13 예측 단계; 및 상기 제1 예상 판매량 및 제2 예상 판매량을 병합하여, 상기 품목별 수요량을 산출하는 제14 예측 단계;를 포함할 수 있다.

아울러, 상기 상품의 상품 정보를 입력받는 단계; 상기 상품의 처방 정보를 수신하는 단계; 상기 상품의 고유번호를 소정의 해시함수에 입력하여 해시값을 산출하는 단계; 상기 해시값을 기반으로 소정의 대체 불가능 토큰(Non-Fungible Token; NFT)을 블록체인 상에 생성하는 단계; 상기 상품의 입고 정보, 판매 정보 또는 처방 정보가 입력될 때마다, 상기 상품에 대응하는 대체 불가능 토큰을 제1 지갑에서 제2 지갑으로 또는 제2 지갑에서 제1 지갑으로 트랜잭션하는 단계; 및 상기 트랜잭션에 포함된 입고 정보, 판매 정보 및 처방 정보를 기반으로, 상기 상품의 유통량을 검증하는 단계;를 포함할 수 있다.

또한, 상기 상품의 품목별 수요량을 예측하는 단계는: 상기 판매 정보가 소정의 기간 이상 누적되지 않은 상품에 대해 신규 상품의 수요량을 예측하는 단계;를 더 포함하고, 상기 신규 상품의 수요량을 예측하는 단계는: 상기 제1 군집별로 제1 태그를 지정하는 단계; 상기 판매 정보가 기록된 제1 기존 상품의 제1 이미지를 등록하는 단계; 소셜 네트워크 서비스로부터 상기 신규 상품의 제품명이 태깅된 게시물을 크롤링하는 단계; 상기 게시물로부터 제2 이미지 및 제2 태그를 추출하는 단계; 이미지 유사도 판단 인공지능 모델에 상기 제1 이미지를 학습시키는 단계; 상기 이미지 유사도 판단 인공지능 모델에 상기 제2 이미지를 입력하여, 상기 제1 기존 상품 중 상기 신규 상품과 이미지 유사도가 가장 높은 제2 기존 상품을 추출하는 단계; 상기 제1 군집들 중, 상기 제2 기존 상품이 포함된 제5 군집을 지정하는 단계; 텍스트 유사도 판단 인공지능 모델에 상기 제1 태그를 학습시키는 단계; 상기 텍스트 유사도 판단 인공지능 모델에 상기 제2 태그를 입력하여, 상기 제1 군집들 중 상기 신규 상품과 텍스트 유사도가 가장 높은 제6 군집을 추출하는 단계; 상기 제5 군집의 제1 월별 평균 판매량을 상기 신규 상품의 제1 월별 평균 판매량에 대입하는 단계; 상기 제6 군집을 상기 신규 상품의 제1 군집으로 지정하는 단계; 및 상기 신규 상품에 대해 상기 제4 예측 단계 내지 제14 예측 단계를 수행하는 단계;를 포함할 수 있다.

일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.

일실시예에 따르면, 전자상거래를 기반으로 상품(의약품, 의료소모품 및 의료장비)을 유통할 수 있다.

또한, 상품의 유통량/판매량 데이터를 기반으로, 향후 수요량을 예측할 수 있다.

그리고, 상품별 수요량을 기반으로 상품의 가격/마진율을 조정함으로써, 악성재고를 방지하고, 이익을 최대화할 수 있다.

아울러, 상품들의 유통 과정을 블록체인을 기반으로 기록함으로써, 관리 대상 상품(향정신성 의약품 등)의 유통량을 추적할 수 있다.

또한, 기존 유통 데이터가 없어 유통량/판매량을 기반으로 수요량을 예측할 수 없는 신규 상품에 대해서도, 유사한 상품의 SNS 데이터 등을 기반으로 수요량을 예측할 수 있다.

도 1은 본 발명의 일실시예에 따른 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법을 나타낸 순서도이다.
도 2는 본 발명의 일실시예에 따른 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법의 제2 판매 가격을 산출하는 단계를 나타낸 순서도이다.
도 3은 본 발명의 일실시예에 따른 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법의 상품의 품목별 수요량을 예측하는 단계를 나타낸 순서도이다.
도 4는 본 발명의 일실시예에 따른 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법의 유통량을 검증하는 과정을 나타낸 순서도이다.
도 5는 본 발명의 일실시예에 따른 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법의 상품의 품목별 수요량을 예측하는 단계에서 사용되는 제1 행렬을 나타낸 도면이다.
도 6은 본 발명의 일실시예에 따른 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법의 상품의 품목별 수요량을 예측하는 단계에서 산출된 제1 군집별 제1 월별 평균 판매량을 나타낸 도면이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.

인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.

인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.

일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.

일실시예에 따르면, 장치에 의해 수행되는, 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법에 있어서, 의약품, 의료기기 또는 의료소모품인 상품의 입고 정보를 기록하는 단계(S100); 상기 상품의 재고를 기록하는 단계(S200); 상기 입고 정보의 입고 가격을 기반으로, 제1 마진율을 적용한 제1 판매 가격을 산출하는 단계(S300); 상기 제1 판매 가격을 기반으로, 상기 상품을 판매중인 물품으로 등록하는 단계(S400); 상기 상품의 판매 정보를 기록하는 단계(S500); 상기 판매 정보가 소정의 기간 이상 누적된 상품에 대해, 누적된 상기 판매 정보를 기반으로 상품의 품목별 수요량을 예측하는 단계(S600); 상기 제1 판매 가격 및 상품의 품목별 수요량을 기반으로, 제2 판매 가격을 산출하는 단계(S700); 상기 상품의 품목별 수요량이 예측되지 않은 상품에 대해 상기 제1 판매 가격을 제3 판매 가격으로 지정하는 단계(S800); 상기 상품의 품목별 수요량이 예측된 상품에 대해 상기 제2 판매 가격을 제3 판매 가격으로 지정하는 단계(S900); 및 상기 제3 판매 가격을 기반으로, 상기 상품의 소비자가를 갱신하는 단계(S1000);를 포함하는, 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법을 제공한다.

의약품, 의료기기 또는 의료소모품인 상품의 입고 정보를 기록하는 단계(S100);에서는, 제조자(제조사) 또는 공급자(유통사)로부터 입고되는 의약품, 의료기기 또는 의료소모품인 '상품'별로, 어떤 상품이 언제 얼마나 누구로부터 얼마에 입고되었는지를 데이터베이스에 기록한다.

상기 상품의 재고를 기록하는 단계(S200);에서는, 상기 입고 정보와 후술하는 판매 정보를 기반으로 상품별 현재 수량(재고)를 산출/기록한다.

상기 입고 정보의 입고 가격을 기반으로, 제1 마진율을 적용한 제1 판매 가격을 산출하는 단계(S300);에서는, 상품별로 입고(구매)된 가격인 입고 가격에, 상품별로 다르게 지정되거나 소정의 상품 카테고리별로 다르게 지정된 제1 마진율을 적용하여 제1 판매 가격을 산출한다.

예를 들어, A 상품의 입고 가격이 10000원이고 제1 마진율이 15%인 경우, 제1 판매 가격은 11500원으로 산출될 수 있다.

상기 제1 판매 가격을 기반으로, 상기 상품을 판매중인 물품으로 등록하는 단계(S400);에서는, 소정의 전자상거래 플랫폼(인터넷 쇼핑몰)에 상기 상품을 제1 판매 가격으로 등록하고 판매 가능한 상태로 전환한다.

상기와 같은 전자상거래 플랫폼을 구축하는 것은 공지기술의 영역이므로 이에 대한 상세한 설명은 생략한다.

상기 상품의 판매 정보를 기록하는 단계(S500);에서는, 상기 전자상거래 플랫폼에서 상품들이 판매될 때마다, 어느 상품이 언제 얼마에 얼마나 판매되었는지를 데이터베이스에 기록한다.

상기 판매 정보가 소정의 기간 이상 누적된 상품에 대해, 누적된 상기 판매 정보를 기반으로 상품의 품목별 수요량을 예측하는 단계(S600);에서는, 소정의 기간, 예를 들어 수개월 이상 판매량이 누적 기록된 상품에 대해, 상품의 판매 정보(유통량/판매량)를 기반으로 향후(이번 달 또는 다음 달)의 수요량을 예측한다.

상기 제1 판매 가격 및 상품의 품목별 수요량을 기반으로, 제2 판매 가격을 산출하는 단계(S700);에서는, 전술한 제1 마진율 또는/및 제1 판매 가격을 상기 상품의 품목별 수요량을 기반으로 변동/조정시킨 제2 판매 가격을 산출한다.

상기 상품의 품목별 수요량이 예측되지 않은 상품에 대해 상기 제1 판매 가격을 제3 판매 가격으로 지정하는 단계(S800);에서는, 신규 상품이어서 누적된 판매 정보가 존재하지 않는 상품에 대해, 지정된 마진율인 제1 마진율에 의해 산출된 제1 판매 가격을 최종/현재 판매 가격인 제3 판매 가격으로 지정한다.

상기 상품의 품목별 수요량이 예측된 상품에 대해 상기 제2 판매 가격을 제3 판매 가격으로 지정하는 단계(S900);에서는, 수요량을 기반으로 변동/조정된 제2 판매 가격을 최종/현재 판매 가격인 제3 판매 가격으로 지정한다.

상기 제3 판매 가격을 기반으로, 상기 상품의 소비자가를 갱신하는 단계(S1000);에서는, 상기 전자상거래 플랫폼에서 판매되는 상품별 소비자가를 상기 제3 판매 가격으로 갱신한다.

또한, 상기 제2 판매 가격을 산출하는 단계(S700)는: 누적된 상기 판매 정보로부터, 상품의 품목별 월별 판매량을 산출하는 단계(S710); 상기 상품의 품목별 월별 판매량의 제1 평균값을 산출하는 단계(S720); 상기 제1 평균값이 원점이 되도록 상기 상품의 품목별 월별 판매량을 오프셋(offset)하여 제1 조정 판매량을 산출하는 단계(S730); 상기 제1 조정 판매량에 대한 제1 제곱평균제곱근(RMS; Root Mean Square)을 산출하는 단계; 상기 제1 조정 판매량 중, 절댓값이 제1 제곱평균제곱근 이상인 값들을 추출한 제2 조정 판매량을 추출하는 단계(S750); 상기 제2 조정 판매량에 대한 제2 제곱평균제곱근을 산출하는 단계(S760); 상기 제2 조정 판매량 중, 절댓값이 제2 제곱평균제곱근 이상인 값들을 추출한 제3 조정 판매량을 추출하는 단계(S770); 상기 제3 조정 판매량에 대한 제3 제곱평균제곱근을 산출하는 단계(S780); 예측된 상기 상품의 품목별 수요량에서 상기 제1 평균값을 차감한 조정 수요량을 산출하는 단계(S790); 상기 조정 수요량이 양수이고 상기 제3 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 2배 내지 3배인 제2 마진율을 적용하여 제2 판매 가격을 산출하는 단계(S701); 상기 조정 수요량이 양수이고 상기 제3 제곱평균제곱근 미만이며 제2 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 1.2배 내지 1.5배인 제3 마진율을 적용하여 제2 판매 가격을 산출하는 단계(S702); 상기 조정 수요량의 절댓값이 상기 제1 제곱평균제곱근 미만인 경우: 상기 제1 마진율을 적용하여 제2 판매 가격을 산출하는 단계(S703); 상기 조정 수요량이 음수이고 상기 조정 수요량의 절댓값이 상기 제3 제곱평균제곱근 미만이며 제2 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 0.3배 내지 0.7배인 제4 마진율을 적용하여 제2 판매 가격을 산출하는 단계(S704); 상기 조정 수요량이 음수이고 상기 조정 수요량의 절댓값이 상기 제3 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 0배 내지 0.1배인 제5 마진율을 적용하여 제2 판매 가격을 산출하는 단계(S705); 및 상기 조정 수요량의 절댓값이 상기 제1 제곱평균제곱근 이상이며 상기 제2 제곱평균제곱근 미만인 경우: 기존 제1 판매 가격 또는 제2 판매 가격을 제2 판매 가격으로 유지하는 단계(S706);를 포함할 수 있다.

누적된 상기 판매 정보로부터, 상품의 품목별 월별 판매량을 산출하는 단계(S710);에서는, 상기 소정의 기간(수 개월 이상, 수 년간) 누적된 판매 정보를 기반으로, 각 상품들이 품목별로 몇 월에 얼마만큼이 판매되었는지를 산출한다.

이 때, 수 년간 누적된 데이터를 기반으로, 수 년간 각 월의 판매량을 평균값을 산출할 수 있다. 예를 들어, 어떤 상품의 2018년 내지 2022년의 1월 판매량을 평균하여 1월의 판매량을 산출하고, 2018 내지 2022년의 9월 판매량을 평균하여 9월 판매량을 산출할 수 있다.

상기 상품의 품목별 월별 판매량의 제1 평균값을 산출하는 단계(S720);에서는, 각 상품의 품목별로, 월별 판매량, 즉 1월 내지 12월 각각의 판매량을 합산한 뒤 평균을 산출하여, 해당 상품의 전체 평균 판매량인 제1 평균값을 산출한다.

상기 제1 평균값이 원점이 되도록 상기 상품의 품목별 월별 판매량을 오프셋(offset)하여 제1 조정 판매량을 산출하는 단계(S730);에서는, 기준이 되는 중앙 값인 제1 평균값을 기반으로 위/아래(양/음)로 상기 상품의 품목별 월별 판매량이 배치되도록 상기 상품의 품목별 월별 판매량을 오프셋한다. 다시말해, 제1 평균값이 원점(x축; y=0)이 되고, 이를 중심으로 양수, 0 또는 음수가 되도록 제1 조정 판매량이 산출된다.

예를 들어, 어떤 상품의 1월 판매량이 100, 2월 판매량이 200, 3월 판매량이 250이었고, 제1 평균값이 200이었다면, 제1 조정 판매량은 1월에 -100, 2월에 0, 3월에 +50으로 산출된다.

상기 제1 조정 판매량에 대한 제1 제곱평균제곱근(RMS; Root Mean Square)을 산출하는 단계;에서는, 상기 제1 평균값을 중심으로 양 방향(양수, 음수)으로 분산된 제1 조정 판매량을 기반으로, 제1 제곱평균제곱근을 산출한다.

상기 제1 조정 판매량 중, 절댓값이 제1 제곱평균제곱근 이상인 값들을 추출한 제2 조정 판매량을 추출하는 단계(S750);에서는, 제1 조정 판매량 중, 제1 조정 판매량의 절댓값이 '양수 값인 제1 제곱평균제곱근의 값' 이상인 값들을 추출한다.

상기 제2 조정 판매량에 대한 제2 제곱평균제곱근을 산출하는 단계(S760);에서는, 상기 제1 판매량을 중심으로 양 방향(양수, 음수)으로 분산된 제2 조정 판매량을 기반으로, 제2 제곱평균제곱근을 산출한다.

상기 제2 조정 판매량 중, 절댓값이 제2 제곱평균제곱근 이상인 값들을 추출한 제3 조정 판매량을 추출하는 단계(S770);에서는, 제2 조정 판매량 중, 제2 조정 판매량의 절댓값이 '양수 값인 제2 제곱평균제곱근의 값' 이상인 값들을 추출한다.

상기 제3 조정 판매량에 대한 제3 제곱평균제곱근을 산출하는 단계(S780);에서는, 상기 제1 판매량을 중심으로 양 방향(양수, 음수)으로 분산된 제3 조정 판매량을 기반으로, 제3 제곱평균제곱근을 산출한다.

예측된 상기 상품의 품목별 수요량에서 상기 제1 평균값을 차감한 조정 수요량을 산출하는 단계(S790);에서는, 상기 조정 판매량들, 제곱평균제곱근들과 상기 수요량을 비교하기 위하여, 각 상품별 수요량으로부터 제1 평균값을 차감하여 오프셋한다.

이하, 6가지 조건에 따라 제2 판매 가격을 산출하는 과정을 설명한다.

상기 조정 수요량이 양수이고 상기 제3 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 2배 내지 3배인 제2 마진율을 적용하여 제2 판매 가격을 산출하는 단계(S701);에서는, 조정 수요량이 양수이므로 기존 데이터보다 더 많은 수요가 예측되었으며, 그 값이 제3 제곱평균제곱근 이상이므로 증가량이 매우 큰 것으로 판단할 수 있다. 따라서, 마진율을 2배 내지 3배(소수점, 즉 2.2배, 2.6배 등을 포함)로 증가시켜 판매할 수 있다.

상기 조정 수요량이 양수이고 상기 제3 제곱평균제곱근 미만이며 제2 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 1.2배 내지 1.5배인 제3 마진율을 적용하여 제2 판매 가격을 산출하는 단계(S702);에서는, 조정 수요량이 양수이므로 기존 데이터보다 더 많은 수요가 예측되었으며, 그 값이 제2 제곱평균제곱근 이상이므로 증가량이 조금 큰 것으로 판단할 수 있다. 따라서, 마진율을 1.2배 내지 1.5배로 증가시켜 판매할 수 있다.

상기 조정 수요량의 절댓값이 상기 제1 제곱평균제곱근 미만인 경우: 상기 제1 마진율을 적용하여 제2 판매 가격을 산출하는 단계(S703);에서는, 조정 수요량이 + 제1 제곱평균제곱근과 - 제1 제곱평균제곱근 사이의 범위에 해당하므로 기존 데이터와 유사한 수요가 예측되는 것으로 판단할 수 있다. 따라서, 기본 수치인 제1 마진율을 그대로 적용하여 판매할 수 있다.

상기 조정 수요량이 음수이고 상기 조정 수요량의 절댓값이 상기 제3 제곱평균제곱근 미만이며 제2 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 0.3배 내지 0.7배인 제4 마진율을 적용하여 제2 판매 가격을 산출하는 단계(S704);에서는, 조정 수요량이 음수이므로 기존 데이터보다 더 적은 수요가 예측되었으며, 그 절댓값이 제2 제곱평균제곱근 이상이므로 감소량이 조금 큰 것으로 판단할 수 있다. 따라서, 마진율을 0.3배 내지 0.7배로 감소시켜 판매할 수 있다.

상기 조정 수요량이 음수이고 상기 조정 수요량의 절댓값이 상기 제3 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 0배 내지 0.1배인 제5 마진율을 적용하여 제2 판매 가격을 산출하는 단계(S705);에서는, 조정 수요량이 음수이므로 기존 데이터보다 더 적은 수요가 예측되었으며, 그 절댓값이 제3 제곱평균제곱근 이상이므로 감소량이 매우 큰 것으로 판단할 수 있다. 따라서, 마진율을 0배 내지 0.1배로 감소시켜 판매할 수 있다.

상기 조정 수요량의 절댓값이 상기 제1 제곱평균제곱근 이상이며 상기 제2 제곱평균제곱근 미만인 경우: 기존 제1 판매 가격 또는 제2 판매 가격을 제2 판매 가격으로 유지하는 단계(S706);에서는, 조정 수요량이 상술한 다른 조건에 해당하지 않는 경우에는 가장 최근에 산출되었던 제1 판매 가격 또는 제2 판매 가격을 제2 판매 가격으로 유지하여, 현재의 판매 추세를 유지할 수 있다.

그리고, 상기 상품의 품목별 수요량을 예측하는 단계(S600)는: 월(month)을 '열'로, 상기 상품의 품목명을 '행'으로, 상기 상품의 전년도 월별 판매량인 제1 월별 판매량을 '값'으로 하는 제1 행렬을 생성하는 제1 예측 단계(S601); 상기 제1 행렬을 기반으로, 상기 상품의 제1 월별 판매량에 대한 K-Means 클러스터링으로 상기 상품의 품목들을 군집화하는 제2 예측 단계(S602); 상품의 제1 군집별로 제1 월별 평균 판매량을 산출하는 제3 예측 단계(S603); 상기 제1 월별 평균 판매량을 보간하여 소정의 제1 함수를 생성하고, 상기 제1 함수를 미분하여 제1 월별 변화율을 산출하는 제4 예측 단계(S604); 상기 제1 월별 변화율을 기반으로, 제1 월별 변화율이 음수인 제1 기간들 및 제2 군집들을 추출하는 제5 예측 단계(S605); 상기 제1 군집들 중, 상기 제1 기간들에 대응하는 제1 월별 변화율이 양수인 제3 군집들을 추출하는 제6 예측 단계(S606); 상기 제2 군집과 제3 군집을 1대1 매칭시키는 제7 예측 단계(S607); 매칭된 제2 군집 및 제3 군집에 대하여, '상기 제2 군집의 제1 월별 변화율 대비 상기 제3 군집의 제1 월별 변화율'을 소정의 제1 비율로 산출하는 제8 예측 단계(S608); 상기 상품의 금년도 월별 판매량인 제2 월별 판매량을 읽어오는 제9 예측 단계(S609); 상기 제2 월별 판매량 중, '상기 제1 기간에 대응하는 최근 1개월인 제3 기간'에 대한 제2 군집의 제1 비교 대상 판매량을 읽어오는 제10 예측 단계(S610); 상기 제2 군집에 대한 제1 비율 값이 존재하는 제3 군집에 대하여, 상기 제1 비교 대상 판매량 및 제1 비율을 기반으로 상기 상품별 제1 예상 판매량을 산출하는 제11 예측 단계(S611); 상기 제3 기간에 대한 '상기 제1 군집 중, 상기 제1 비교 대상 판매량이 존재하지 않는 제4 군집'의 제2 비교 대상 판매량을 읽어오는 제12 예측 단계(S612); 상기 제2 비교 대상 판매량 및 제1 월별 변화율을 기반으로, 상기 상품별 제2 예상 판매량을 산출하는 제13 예측 단계(S613); 및 상기 제1 예상 판매량 및 제2 예상 판매량을 병합하여, 상기 품목별 수요량을 산출하는 제14 예측 단계(S614);를 포함할 수 있다.

월(month)을 '열'로, 상기 상품의 품목명을 '행'으로, 상기 상품의 전년도 월별 판매량인 제1 월별 판매량을 '값'으로 하는 제1 행렬을 생성하는 제1 예측 단계(S601);에 따라 생성된 제1 행렬의 예시가 도 5에 도시되어 있다.

상기 제1 행렬은 소정의 데이터베이스 또는 스프레드시트의 형태로 저장될 수 있다.

상기 제1 행렬을 기반으로, 상기 상품의 제1 월별 판매량에 대한 K-Means 클러스터링으로 상기 상품의 품목들을 군집화하는 제2 예측 단계(S602);에서는, 상기 제1 행렬을 군집화하며, 제1 행렬에 포함된 상품별 판매량 데이터를 기반으로 상기 상품들을 군집화할 수 있다.

예를 들어, 서로 비슷한 판매량 변화 추이를 나타내는 A 제품과 B 제품은 서로 같은 군집에 소속될 수 있다.

도 5에는 각 상품별(품목별)로 산출된 클러스터가 표기되어 있다.

상품의 제1 군집별로 제1 월별 평균 판매량을 산출하는 제3 예측 단계(S603);에서는 다수개 생성된 제1 군집들 각각에 대하여, 각 제1 군집에 속하는 상품들의 월별 판매량(작년 1년간의 데이터 또는 n년간 누적된 평균 데이터)을 평균하여 상기 제1 월별 평균 판매량을 산출할 수 있다.

예를 들어, 0번 군집에 속하는 A, B, C 상품의 1월 판매량이 각각 30, 50, 70이었다면, 0번 군집의 1월 평균 판매량이 50으로 산출되며, 이러한 산출 과정을 각 군집별로 및 각 월별로 반복하게 된다.

상기 제1 월별 평균 판매량을 보간하여 소정의 제1 함수를 생성하고, 상기 제1 함수를 미분하여 제1 월별 변화율을 산출하는 제4 예측 단계(S604);에서는, 도 6에 도시된 바와 같이 각 제1 군집별로 산출된 제1 월별 평균 판매량을 각 제1 군집마다 보간하여 각 제1 군집에 대한 제1 함수들을 생성한다.

상기 제1 군집별로 생성된 상기 제1 함수에 따른 그래프가 도 6 (a)에 도시되어 있다.

한편, 산출된 제1 함수들을 각 군집별로 각각 미분하여, 월별 판매량의 변화율인 제1 월별 변화율을 산출한다.

상기 제1 월별 변화율을 기반으로, 제1 월별 변화율이 음수인 제1 기간들 및 제2 군집들을 추출하는 제5 예측 단계(S605);에서는, 어떤 기간(수개월)에서 제1 월별 변화율이 음수인, 즉 월별 판매량이 감소 추세에 있는 제1 기간들을 각 군집별로 추출하고, 제1 기간이 존재하는 제1 군집들을 제2 군집으로 지정한다.

다시말해, 월별 판매량이 감소하지 않는 제1 군집은, 제2 군집으로 지정되지 않는다.

상기 제1 군집들 중, 상기 제1 기간들에 대응하는 제1 월별 변화율이 양수인 제3 군집들을 추출하는 제6 예측 단계(S606);에서는, 상기 제1 기간들과 동일한 기간 동안에 제1 월별 변화율이 양수인, 즉 월별 판매량이 증가 추세에 있는 제1 군집들을 제3 군집들로 지정한다.

다시말해, 상기 제2 군집에 포함되는 상품들의 유행이 다했거나 계절 등의 특성에 따라 월별 판매량이 감소하는 동안에, 이와는 반대로 유행이 시작하거나 계절 등의 특성에 따라 월별 판매량이 증가하는 군집을 제3 군집들로 추출한다.

상기 제2 군집과 제3 군집을 1대1 매칭시키는 제7 예측 단계(S607);에서는, 추출된 제2 군집들 및 제3 군집들 중, 서로 연관관계가 있는 군집들을 서로 매칭시킨다.

예를 들어, 도 6 (a)에 도시된 제1 군집들 중 일부 제1 군집들만을 표기한 도 6 (b)에서, 주황색으로 표기된 제2 군집이 5월에서 6월 사이의 기간동안에 판매량이 감소하고 있고, 이와는 반대로 연두색으로 표기된 제3 군집이 5월에서 6월 사이의 기간동안에 판매량이 증가하고 있으므로, 주황색 제2 군집과 연두색 제3 군집을 서로 매칭시킬 수 있다.

매칭된 제2 군집 및 제3 군집에 대하여, '상기 제2 군집의 제1 월별 변화율 대비 상기 제3 군집의 제1 월별 변화율'을 소정의 제1 비율로 산출하는 제8 예측 단계(S608);에서는, 매칭된 군집들의 제1 월별 변화율이 어느 정도의 비율을 가지는지를 산출한다.

예를 들어, 제2 군집의 제1 월별 변화율(기울기)이 -15이고 제3 군집의 제1 월별 변화율이 3인 경우, 제1 비율은 3/-15 = -1/5 = -0.2로 산출될 수 있다.

상기 제1 비율은 매칭된 어느 쌍의 제2 군집의 판매량 감소에 비해 제3 군집의 판매량 증가가 어느 정도의 비율을 가지는지를 설명하는 값으로, 어떤 제2 군집의 판매량이 매우 급격하게 감소할 때 그에 매칭된 제3 군집의 판매량은 완만하게 증가하는 추세인 것으로 산출되는 경우, 이(제1 비율)를 기반으로 제3 군집의 수요량을 예측할 수 있다.

상기 상품의 금년도 월별 판매량인 제2 월별 판매량을 읽어오는 제9 예측 단계(S609);에서는, 금년도(산출 시점으로부터 1년 전까지의 데이터) 실제 판매량을 상품의 품목별로 상기 판매 정보로부터 읽어온다.

상기 제2 월별 판매량 중, '상기 제1 기간에 대응하는 최근 1개월인 제3 기간'에 대한 제2 군집의 제1 비교 대상 판매량을 읽어오는 제10 예측 단계(S610);에서는, 상기 제2 월별 판매량 중, 이번달(산출 시점으로부터 1개월 전까지의 데이터 또는 지난달 데이터 또는 월말인 경우 이번달 데이터) 데이터를 읽어와서 상기 제1 비교 대상 판매량으로 지정한다.

상기 제2 군집에 대한 제1 비율 값이 존재하는 제3 군집에 대하여, 상기 제1 비교 대상 판매량 및 제1 비율을 기반으로 상기 상품별 제1 예상 판매량을 산출하는 제11 예측 단계(S611);에서는, 어떤 군집의 유행이 종료할 때 새로이 유행이 시작되는 군집인 제3 군집에 대하여, 제3 군집과 매칭된 제2 군집에 대해 산출된 제1 비교 대상 판매량에 상기 제1 비율(의 절댓값)을 반영하여 상기 제1 예상 판매량을 산출할 수 있다.

예를 들어, 제2 군집의 제1 비교 대상 판매량이 500개로 산출되었고, 제3 군집의 이번달 판매량이 300개로 산출되었을 때, 제3 군집의 제2 군집에 대한 제1 비율 값이 -0.7인 경우, 상기 제1 예상 판매량은 500*0.7인 350개를 상기 300개에 더한 값인 650개로 산출될 수 있다.

상기 제3 기간에 대한 '상기 제1 군집 중, 상기 제1 비교 대상 판매량이 존재하지 않는 제4 군집'의 제2 비교 대상 판매량을 읽어오는 제12 예측 단계(S612);에서는, 매칭된 다른 군집이 존재하지 않아 유행의 추이를 파악하기 어려운 군집들인 제4 군집에 대해 수요량을 예측하기 위하여, 상기 제4 군집의 상기 제2 월별 판매량 중, 이번달(산출 시점으로부터 1개월 전까지의 데이터 또는 지난달 데이터 또는 월말인 경우 이번달 데이터) 데이터를 읽어와서 상기 제2 비교 대상 판매량으로 지정한다.

상기 제2 비교 대상 판매량 및 제1 월별 변화율을 기반으로, 상기 상품별 제2 예상 판매량을 산출하는 제13 예측 단계(S613);에서는, 다른 군집과의 관계가 판별되지 않았으므로 작년의 판매량 변화율을 기반으로 올해의 판매량 변화율을 추정하고, 이를 토대로 다음 달 예상 판매량인 제2 예상 판매량을 산출한다.

상기 제1 예상 판매량 및 제2 예상 판매량을 병합하여, 상기 품목별 수요량을 산출하는 제14 예측 단계(S614);에서는, 매칭된 제3 군집들에 대해 산출된 제1 예상 판매량들과, 매칭되지 않은 제4 군집들에 대해 산출된 제2 예상 판매량들의 데이터를 병합함으로써, 모든 제1 군집들에 대한 수요량을 산출한다.

아울러, 상기 상품의 상품 정보를 입력받는 단계(S1100); 상기 상품의 처방 정보를 수신하는 단계(S1200); 상기 상품의 고유번호를 소정의 해시함수에 입력하여 해시값을 산출하는 단계(S1300); 상기 해시값을 기반으로 소정의 대체 불가능 토큰(Non-Fungible Token; NFT)을 블록체인 상에 생성하는 단계; 상기 상품의 입고 정보, 판매 정보 또는 처방 정보가 입력될 때마다, 상기 상품에 대응하는 대체 불가능 토큰을 제1 지갑에서 제2 지갑으로 또는 제2 지갑에서 제1 지갑으로 트랜잭션하는 단계; 및 상기 트랜잭션에 포함된 입고 정보, 판매 정보 및 처방 정보를 기반으로, 상기 상품의 유통량을 검증하는 단계(S1600);를 포함할 수 있다.

상기 상품의 상품 정보를 입력받는 단계(S1100);에서는, 상기 상품의 고유번호, 품명, 카테고리, 특별 관리 대상 여부, 구매자의 자격인증 여부 등의 데이터를 관리자로부터 입력받는다.

상기 상품의 처방 정보를 수신하는 단계(S1200);에서는, 상기 상품을 구매한 구매자(병원, 약국 등)가 해당 상품을 판매(의약품인 경우 처방)했을 때, 해당 처방 정보를 병원이나 약국의 단말기로부터 수신한다.

상기 상품의 고유번호를 소정의 해시함수에 입력하여 해시값을 산출하는 단계(S1300);에서는, 상기 상품 정보를 기반으로, 상품의 고유번호를 해시화한다. 해시함수로는 공지된 다양한 함수들 중 어느 하나를 채택할 수 있다.

상기 해시값을 기반으로 소정의 대체 불가능 토큰(Non-Fungible Token; NFT)을 블록체인 상에 생성하는 단계;에서는, 상기 각 상품들을 상품의 고유번호를 기반으로 NFT화한다. 이에 따라, 각 상품들은 상품의 고유번호마다 판매/처방/유통 이력들이 관리될 수 있다.

상기 상품의 입고 정보, 판매 정보 또는 처방 정보가 입력될 때마다, 상기 상품에 대응하는 대체 불가능 토큰을 제1 지갑에서 제2 지갑으로 또는 제2 지갑에서 제1 지갑으로 트랜잭션하는 단계;에서는, 지정된 어느 제1 지갑과, 상기 제1 지갑과는 다른 주소를 가지는 제2 지갑을 기반으로, 판매 정보 또는 처방 정보가 입력될 때마다 대체 불가능 토큰을 서로 트랜잭션한다.

상기 트랜잭션에 포함된 입고 정보, 판매 정보 및 처방 정보를 기반으로, 상기 상품의 유통량을 검증하는 단계(S1600);에서는, 상기 트랜잭션에 포함된 데이터를 기반으로, NFT를 소정의 블록체인 기반 서버리스 데이터베이스로써 활용할 수 있다.

여기서, 상기 상품의 유통량을 검증하는 것은, 입고량 대비 출고량, 구매량 대비 처방량 등을 서로 비교/대조하는 것으로, 각 상품별로 지정된 오차 범위를 초과하는 차이가 발생하는 경우 이를 알림으로써 의약품의 불법 유통 등을 방지할 수 있다.

또한, 상기 상품의 품목별 수요량을 예측하는 단계(S600)는: 상기 판매 정보가 소정의 기간 이상 누적되지 않은 상품에 대해 신규 상품의 수요량을 예측하는 단계;를 더 포함하고, 상기 신규 상품의 수요량을 예측하는 단계는: 상기 제1 군집별로 제1 태그를 지정하는 단계; 상기 판매 정보가 기록된 제1 기존 상품의 제1 이미지를 등록하는 단계; 소셜 네트워크 서비스로부터 상기 신규 상품의 제품명이 태깅된 게시물을 크롤링하는 단계; 상기 게시물로부터 제2 이미지 및 제2 태그를 추출하는 단계; 이미지 유사도 판단 인공지능 모델에 상기 제1 이미지를 학습시키는 단계; 상기 이미지 유사도 판단 인공지능 모델에 상기 제2 이미지를 입력하여, 상기 제1 기존 상품 중 상기 신규 상품과 이미지 유사도가 가장 높은 제2 기존 상품을 추출하는 단계; 상기 제1 군집들 중, 상기 제2 기존 상품이 포함된 제5 군집을 지정하는 단계; 텍스트 유사도 판단 인공지능 모델에 상기 제1 태그를 학습시키는 단계; 상기 텍스트 유사도 판단 인공지능 모델에 상기 제2 태그를 입력하여, 상기 제1 군집들 중 상기 신규 상품과 텍스트 유사도가 가장 높은 제6 군집을 추출하는 단계; 상기 제5 군집의 제1 월별 평균 판매량을 상기 신규 상품의 제1 월별 평균 판매량에 대입하는 단계; 상기 제6 군집을 상기 신규 상품의 제1 군집으로 지정하는 단계; 및 상기 신규 상품에 대해 상기 제4 예측 단계(S604) 내지 제14 예측 단계(S614)를 수행하는 단계;를 포함할 수 있다.

'상기 상품 중, 상기 판매 정보가 기록되지 않은 신규 상품'의 수요량을 예측하는 단계;에서, 상기 '신규 상품'이란, 기존에 판매된 이력이 전혀 없어서 기존의 판매 추이 등의 데이터가 없거나 부족하고, 이에 따라 해당 신규 상품이 어느 군집에 해당하는지를 파악할 수 없는 상품을 의미한다.

상기 제1 군집별로 제1 태그를 지정하는 단계;에서는, 신규 상품 이외의 상품인 기존 상품들의 제1 군집들 각각에 대해 소정의 제1 태그를 지정한다.

예를 들어, 진통제 위주의 상품들이 포함된 군집에는 #진통, #소염, #해열, #통증, #두통, #치통 등의 제1 태그가 지정될 수 있다. 이러한 제1 태그들은 전술한 입고 정보나 판매 정보 등을 기반으로 지정될 수 있다.

상기 판매 정보가 기록된 제1 기존 상품의 제1 이미지를 등록하는 단계;에서는, 상기 상품 중 기존에 판매된 이력이 충분한 제1 기존 상품들의 사진을 상기 입고 정보 또는 판매 정보로부터 취득하거나 사진을 직접 촬영하여 제1 이미지를 등록할 수 있다.

소셜 네트워크 서비스로부터 상기 신규 상품의 제품명이 태깅된 게시물을 크롤링하는 단계;에서는, 상기 신규 상품들의 제품명을 기반으로 인스타그램 등의 SNS로부터 게시물의 내용, 태그, 댓글 및 첨부된 이미지를 수집할 수 있다.

상기 게시물로부터 제2 이미지 및 제2 태그를 추출하는 단계;에서는 수집된 상기 게시물로부터 제품의 사진인 제2 이미지 및 제품과 관련한 태그인 제2 태그를 추출할 수 있다.

여기서, 부적합하거나 정확도가 낮은 데이터 등은 소정의 인공지능 알고리즘에 의해 제거되거나, 데이터 분류 작업자에 의해 직접 분류되어 입력될 수도 있다.

이미지 유사도 판단 인공지능 모델에 상기 제1 이미지를 학습시키는 단계;에서는, 상품들의 이미지 유사도를 판단할 수 있도록 다수개의 제1 이미지를 학습하여 소정의 이미지 유사도 판단 인공지능 모델을 생성한다.

상기 이미지 유사도 판단 인공지능 모델에 상기 제2 이미지를 입력하여, 상기 제1 기존 상품 중 상기 신규 상품과 이미지 유사도가 가장 높은 제2 기존 상품을 추출하는 단계;에서는, 신규 상품의 제2 이미지와 가장 비슷한 이미지(외관)를 가지는 제2 기존 상품을 추출한다.

상기 제1 군집들 중, 상기 제2 기존 상품이 포함된 제5 군집을 지정하는 단계;에서는, 상기 제2 기존 상품이 소속된 제1 군집을 제5 군집으로써 지정한다.

텍스트 유사도 판단 인공지능 모델에 상기 제1 태그를 학습시키는 단계;에서는, 상품들의 텍스트(태그) 유사도를 판단할 수 있도록 다수개의 제1 태그를 학습하여 소정의 텍스트 유사도 판단 인공지능 모델을 생성한다.

상기 텍스트 유사도 판단 인공지능 모델에 상기 제2 태그를 입력하여, 상기 제1 군집들 중 상기 신규 상품과 텍스트 유사도가 가장 높은 제6 군집을 추출하는 단계;에서는, 신규 상품의 제2 태그와 가장 비슷한 태그(설명, 제품 특징 등)를 가지는 제1 군집인 제6 군집을 추출한다.

상기 제5 군집의 제1 월별 평균 판매량을 상기 신규 상품의 제1 월별 평균 판매량에 대입하는 단계;에서는, 상기 제5 군집의 제1 월별 평균 판매량을, 상기 신규 상품의 지난달 판매량으로 추정하여 대입한다.

상기 제6 군집을 상기 신규 상품의 제1 군집으로 지정하는 단계;에서는, 상기 신규 상품을 제6 군집에 소속시킨다(별도로 K-Means Clustering 등을 수행하지 않고, 군집 데이터를 직접 입력/지정/수정한다).

상기 신규 상품에 대해 상기 제4 예측 단계(S604) 내지 제14 예측 단계(S614)를 수행하는 단계;에서는, 추정된 상기 신규 상품의 지난달 판매량과, 추정된 상기 신규 상품의 제1 군집(제6 군집)을 기반으로 전술한 수요량 예측 단계들을 수행함으로써, 누적된 판매량 데이터가 없거나 부족한 신규 상품의 수요량을 예측할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

S100 : 상품의 입고 정보를 기록하는 단계
S200 : 상품의 재고를 기록하는 단계
S300 : 제1 판매 가격을 산출하는 단계
S400 : 상품을 판매중인 물품으로 등록하는 단계
S500 : 상품의 판매 정보를 기록하는 단계
S600 : 상품의 품목별 수요량을 예측하는 단계
S601 : 제1 예측 단계
S602 : 제2 예측 단계
S603 : 제3 예측 단계
S604 : 제4 예측 단계
S605 : 제5 예측 단계
S606 : 제6 예측 단계
S607 : 제7 예측 단계
S608 : 제8 예측 단계
S609 : 제9 예측 단계
S610 : 제10 예측 단계
S611 : 제11 예측 단계
S612 : 제12 예측 단계
S613 : 제13 예측 단계
S614 : 제14 예측 단계
S700 : 제2 판매 가격을 산출하는 단계
S710 : 상품의 품목별 월별 판매량을 산출하는 단계
S720 : 제1 평균값을 산출하는 단계
S730 : 제1 조정 판매량을 산출하는 단계
S740 : 제1 제곱평균제곱근을 산출하는 단계
S750 : 제2 조정 판매량을 추출하는 단계
S760 : 제2 제곱평균제곱근을 산출하는 단계
S770 : 제3 조정 판매량을 추출하는 단계
S780 : 제3 제곱평균제곱근을 산출하는 단계
S790 : 조정 수요량을 산출하는 단계
S701 : 제2 마진율을 적용하여 제2 판매 가격을 산출하는 단계
S702 : 제3 마진율을 적용하여 제2 판매 가격을 산출하는 단계
S703 : 상기 제1 마진율을 적용하여 제2 판매 가격을 산출하는 단계
S704 : 제4 마진율을 적용하여 제2 판매 가격을 산출하는 단계
S705 : 제5 마진율을 적용하여 제2 판매 가격을 산출하는 단계
S706 : 기존 제1 판매 가격 또는 제2 판매 가격을 제2 판매 가격으로 유지하는 단계
S800 : 제1 판매 가격을 제3 판매 가격으로 지정하는 단계
S900 : 제2 판매 가격을 제3 판매 가격으로 지정하는 단계
S1000 : 상품의 소비자가를 갱신하는 단계
S1100 : 상품의 상품 정보를 입력받는 단계
S1200 : 상품의 처방 정보를 수신하는 단계
S1300 : 해시값을 산출하는 단계
S1400 : 대체 불가능 토큰을 블록체인 상에 생성하는 단계
S1500 : 대체 불가능 토큰을 트랜잭션하는 단계
S1600 : 상품의 유통량을 검증하는 단계

Claims (3)

1. 삭제
2. 장치에 의해 수행되는, 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법에 있어서,
   의약품, 의료기기 또는 의료소모품인 상품의 입고 정보를 기록하는 단계;
   상기 상품의 재고를 기록하는 단계;
   상기 입고 정보의 입고 가격을 기반으로, 제1 마진율을 적용한 제1 판매 가격을 산출하는 단계;
   상기 제1 판매 가격을 기반으로, 상기 상품을 판매중인 물품으로 등록하는 단계;
   상기 상품의 판매 정보를 기록하는 단계;
   상기 판매 정보가 소정의 기간 이상 누적된 상품에 대해, 누적된 상기 판매 정보를 기반으로 상품의 품목별 수요량을 예측하는 단계;
   상기 제1 판매 가격 및 상품의 품목별 수요량을 기반으로, 제2 판매 가격을 산출하는 단계;
   상기 상품의 품목별 수요량이 예측되지 않은 상품에 대해 상기 제1 판매 가격을 제3 판매 가격으로 지정하는 단계;
   상기 상품의 품목별 수요량이 예측된 상품에 대해 상기 제2 판매 가격을 제3 판매 가격으로 지정하는 단계; 및
   상기 제3 판매 가격을 기반으로, 상기 상품의 소비자가를 갱신하는 단계;를 포함하고,
   상기 제2 판매 가격을 산출하는 단계는:
   누적된 상기 판매 정보로부터, 상품의 품목별 월별 판매량을 산출하는 단계;
   상기 상품의 품목별 월별 판매량의 제1 평균값을 산출하는 단계;
   상기 제1 평균값이 원점이 되도록 상기 상품의 품목별 월별 판매량을 오프셋(offset)하여 제1 조정 판매량을 산출하는 단계;
   상기 제1 조정 판매량에 대한 제1 제곱평균제곱근(RMS; Root Mean Square)을 산출하는 단계;
   상기 제1 조정 판매량 중, 절댓값이 제1 제곱평균제곱근 이상인 값들을 추출한 제2 조정 판매량을 추출하는 단계;
   상기 제2 조정 판매량에 대한 제2 제곱평균제곱근을 산출하는 단계;
   상기 제2 조정 판매량 중, 절댓값이 제2 제곱평균제곱근 이상인 값들을 추출한 제3 조정 판매량을 추출하는 단계;
   상기 제3 조정 판매량에 대한 제3 제곱평균제곱근을 산출하는 단계;
   예측된 상기 상품의 품목별 수요량에서 상기 제1 평균값을 차감한 조정 수요량을 산출하는 단계;
   상기 조정 수요량이 양수이고 상기 제3 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 2배 내지 3배인 제2 마진율을 적용하여 제2 판매 가격을 산출하는 단계;
   상기 조정 수요량이 양수이고 상기 제3 제곱평균제곱근 미만이며 제2 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 1.2배 내지 1.5배인 제3 마진율을 적용하여 제2 판매 가격을 산출하는 단계;
   상기 조정 수요량의 절댓값이 상기 제1 제곱평균제곱근 미만인 경우: 상기 제1 마진율을 적용하여 제2 판매 가격을 산출하는 단계;
   상기 조정 수요량이 음수이고 상기 조정 수요량의 절댓값이 상기 제3 제곱평균제곱근 미만이며 제2 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 0.3배 내지 0.7배인 제4 마진율을 적용하여 제2 판매 가격을 산출하는 단계;
   상기 조정 수요량이 음수이고 상기 조정 수요량의 절댓값이 상기 제3 제곱평균제곱근 이상인 경우: 상기 제1 마진율의 0배 내지 0.1배인 제5 마진율을 적용하여 제2 판매 가격을 산출하는 단계; 및
   상기 조정 수요량의 절댓값이 상기 제1 제곱평균제곱근 이상이며 상기 제2 제곱평균제곱근 미만인 경우: 기존 제1 판매 가격 또는 제2 판매 가격을 제2 판매 가격으로 유지하는 단계;를 포함하는,
   의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법
3. 장치에 의해 수행되는, 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법에 있어서,
   의약품, 의료기기 또는 의료소모품인 상품의 입고 정보를 기록하는 단계;
   상기 상품의 재고를 기록하는 단계;
   상기 입고 정보의 입고 가격을 기반으로, 제1 마진율을 적용한 제1 판매 가격을 산출하는 단계;
   상기 제1 판매 가격을 기반으로, 상기 상품을 판매중인 물품으로 등록하는 단계;
   상기 상품의 판매 정보를 기록하는 단계;
   상기 판매 정보가 소정의 기간 이상 누적된 상품에 대해, 누적된 상기 판매 정보를 기반으로 상품의 품목별 수요량을 예측하는 단계;
   상기 제1 판매 가격 및 상품의 품목별 수요량을 기반으로, 제2 판매 가격을 산출하는 단계;
   상기 상품의 품목별 수요량이 예측되지 않은 상품에 대해 상기 제1 판매 가격을 제3 판매 가격으로 지정하는 단계;
   상기 상품의 품목별 수요량이 예측된 상품에 대해 상기 제2 판매 가격을 제3 판매 가격으로 지정하는 단계; 및
   상기 제3 판매 가격을 기반으로, 상기 상품의 소비자가를 갱신하는 단계;를 포함하고,
   상기 상품의 품목별 수요량을 예측하는 단계는:
   월(month)을 '열'로, 상기 상품의 품목명을 '행'으로, 상기 상품의 전년도 월별 판매량인 제1 월별 판매량을 '값'으로 하는 제1 행렬을 생성하는 제1 예측 단계;
   상기 제1 행렬을 기반으로, 상기 상품의 제1 월별 판매량에 대한 K-Means 클러스터링으로 상기 상품의 품목들을 군집화하는 제2 예측 단계;
   상품의 제1 군집별로 제1 월별 평균 판매량을 산출하는 제3 예측 단계;
   상기 제1 월별 평균 판매량을 보간하여 소정의 제1 함수를 생성하고, 상기 제1 함수를 미분하여 제1 월별 변화율을 산출하는 제4 예측 단계;
   상기 제1 월별 변화율을 기반으로, 제1 월별 변화율이 음수인 제1 기간들 및 제2 군집들을 추출하는 제5 예측 단계;
   상기 제1 군집들 중, 상기 제1 기간들에 대응하는 제1 월별 변화율이 양수인 제3 군집들을 추출하는 제6 예측 단계;
   상기 제2 군집과 제3 군집을 1대1 매칭시키는 제7 예측 단계;
   매칭된 제2 군집 및 제3 군집에 대하여, '상기 제2 군집의 제1 월별 변화율 대비 상기 제3 군집의 제1 월별 변화율'을 소정의 제1 비율로 산출하는 제8 예측 단계;
   상기 상품의 금년도 월별 판매량인 제2 월별 판매량을 읽어오는 제9 예측 단계;
   상기 제2 월별 판매량 중, '상기 제1 기간에 대응하는 최근 1개월인 제3 기간'에 대한 제2 군집의 제1 비교 대상 판매량을 읽어오는 제10 예측 단계;
   상기 제2 군집에 대한 제1 비율 값이 존재하는 제3 군집에 대하여, 상기 제1 비교 대상 판매량 및 제1 비율을 기반으로 상기 상품별 제1 예상 판매량을 산출하는 제11 예측 단계;
   상기 제3 기간에 대한 '상기 제1 군집 중, 상기 제1 비교 대상 판매량이 존재하지 않는 제4 군집'의 제2 비교 대상 판매량을 읽어오는 제12 예측 단계;
   상기 제2 비교 대상 판매량 및 제1 월별 변화율을 기반으로, 상기 상품별 제2 예상 판매량을 산출하는 제13 예측 단계; 및
   상기 제1 예상 판매량 및 제2 예상 판매량을 병합하여, 상기 품목별 수요량을 산출하는 제14 예측 단계;를 포함하는,
   의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법