KR102584387B1 - 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템 및 그 방법 - Google Patents

Abstract

본 발명은 백화점, 도심형 아울렛, 교외형 아울렛 등 다수의 다양한 오프라인 매점에서 해당 매점의 입점 브랜드에 대한 배후상권 범위 및 유동상권 범위 내의 고객의 행정동별 매출비중 및 구매빈도로부터 추출된 빅데이터를 분석하여 고객 특성 정의 및 유형을 구분함으로써, 오프라인 매점 입점의 현재 핵심고객 및 미래 핵심고객의 페르소나(persona)를 통해 목표 페르소나를 생성하기 위한 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템 및 그 방법에 관한 것이다.
본 발명에 따른 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템 및 그 방법은 현재 페르소나를 구매빈도로 정의하여 단순 고객수, 구매금액으로 정의하여 발생하는 문제점을 해소하고, 자주 방문하는 고객특성을 반영할 수 있어 오프라인 매점의 현상황을 객관적으로 진단할 수 있으며, 또한, 잠재 페르소나 정의를 통하여 요약된 상권 뷰를 확인할 수 있어, 방대한 양의 데이터 분석 없이 상권 정보를 한 눈에 볼 수 있으며, 또한, 상권의 객관적인 잠재 페르소나와 현재 고객 페르소나의 차이를 통해, 상권에서 놓치고 있는 고객군을 파악할 수 있으며, 또한, 목표 페르소나에 따른 데이터 기반 입점 브랜드 추천 결과를 제공하여 객관적인 MD 의사결정에 도움을 줄 수 있다.

Description

상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템 및 그 방법{ENTRY BRAND RECOMMENDATION SERVICE SYSTEM FOR CUSTOMIZED OFFLINE STORES OF COMMERCIAL DISTRICTS AND METHOD THEREOF}

본 발명은 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 백화점, 도심형 아울렛, 교외형 아울렛 등 다수의 다양한 오프라인 매점의 입점 브랜드에 대한 배후상권 범위 및 유동상권 범위 내의 고객의 행정동별 매출비중 및 구매빈도로부터 추출된 빅데이터를 분석하여 고객 특성 정의 및 유형을 구분함으로써, 다수의 다양한 오프라인 매점의 입점 브랜드에 대한 현재 핵심고객 및 미래 핵심고객의 페르소나(persona)를 통해 목표 페르소나를 생성하여, 특정 오프라인 매점의 입점 브랜드를 추천하기 위한 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템 및 그 방법에 관한 것이다.

과거 소매유통업은 오프라인 중심인 백화점, 도심형 아울렛, 교외형 아울렛 등이 주축을 이루었지만, 최근에는 온라인 쇼핑 시장이 급부상하고 있다.

이러한 온라인 쇼핑 시장의 급속한 성장의 원인 중 하나로는 고객 정보를 활용한 맞춤형 마케팅 활동이 중요한 역할을 하고 있다. 온라인 쇼핑몰은 일반적으로 회원가입 절차를 통한 고객의 인구통계학 정보의 파악이 가능하고, 개별 고객의 과거 구매 내역 및 상품 사용후기나 평가 등의 방대한 자료 축적이 용이하며, 이를 활용한 다양한 마케팅 기법의 적용이 가능하다는 특징을 갖고 있다.

이에 반해, 오프라인 매점의 경우 우편물 발송(DM), 텔레마케팅 등의 전통적인 마케팅 활동을 수행하고는 있지만, 온라인 대비 가용한 고객 정보 및 정보 전달 매체의 한계로 인해 마케팅 활동이 제한적이었다.

또한, 오프라인 매점에 방문하여 현재 쇼핑중인 고객에게 실시간으로 다양한 쇼핑 정보를 제공하기 위해서는, 안내 방송이나, 포스터, 현수막, 단체 문자 등 불특정 다수의 고객을 대상으로 한 마케팅 방식에 의존하고 있는 것이 일반적이다. 즉, 대형 매점 내에서는 다수의 고객이 존재하는 매점 특성상, 고객에 대한 일대일 마케팅을 적용하기가 어려우며, 이에 따라 고객에게 필요한 매점이나 상품에 대한 안내정보를 고객에게 직접 제공할 수 없었다. 이러한 이유로 오프라인 쇼핑 시장에서는 마케팅 활동의 범위가 주로 상품 간의 연관성 파악에 의한 진열 및 배치, 세트 상품 구성 등에 국한되어 왔다.

또한, 오프라인 매점은 물리적인 제약으로 오프라인 매점의 입점 브랜드에 대한 의사결정에 있어서 MD(Merchandiser)의 중요도가 높다. 또한, 한 번 MD를 진행하기 위해 투입되는 자원의 양도 온라인 스토어의 입/퇴점과 비교할 수 없을 정도로 크다.

그런데, 이러한 오프라인 매점의 입점 브랜드에 대한 의사결정의 대다수가 개인의 직관과 감에 의존하는 경우가 많으며, 이로 인한 불확실성 역시 높기 때문에, 보다 효과적이고 객관적으로 의사결정을 지원할 수 있는 시스템이 대두되어 왔다.

따라서 본 발명의 목적은 상기와 같은 문제를 해결하기 위해 안출된 것으로, 다수의 다양한 오프라인 매점의 입점 브랜드에 대한 배후상권 범위 및 유동상권 범위 내의 고객의 행정동별 매출비중 및 구매빈도로부터 추출된 빅데이터를 분석하여 고객 특성 정의 및 유형을 구분함으로써, 다수의 오프라인 매점의 입점 브랜드에 대한 현재 핵심고객 및 미래 핵심고객의 페르소나(persona)를 통해 목표 페르소나를 생성하여, 특정 오프라인 매점의 입점 브랜드를 추천함으로써, 오프라인 매점의 브랜드 입점 의사결정에 있어 개인의 직관에 의존하지 않고, 객관적으로 참고할 수 있는 추천 결과를 제공하고, 방대한 양의 상권/고객 데이터를 요약하여 MD의 방향을 설정할 수 있는 기준 데이터를 제공하며, 기존 성·연령대 정의를 통해 발생하는 상품의 실구매자와 브랜드 타겟 고객과의 차이를 완화하는 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템 및 그 방법을 제공하고자 하는 것이다.

본 발명에 따른 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템은 다수의 오프라인 매점에 가입한 가입 멤버들에 대한 가구유형 및 가구추정소득에 관한 데이터를 저장 및 업데이트하고, 상기 저장 및 업데이트된 가구유형 및 가구추정소득에 관한 데이터를 다수의 오프라인 매점의 구매 고객별 가구유형 및 가구추정소득에 매핑하며, 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터를 외부로 전달하는 메인 서버; 상기 다수의 오프라인 매점 중 임의의 한 특정 오프라인 매점에 설치되고, 상기 메인 서버로부터 전달된 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터를 전달받아 저장하며, 상기 특정 오프라인 매점의 브랜드를 구매한 브랜드 구매와 관련된 고객정보, 구매일수, 매출비중, 업태정보를 저장하며, 상기 저장된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 저장된 특정 오프라인 매점의 브랜드를 구매한 브랜드 구매와 관련된 고객정보, 구매일수, 매출비중, 업태정보를 외부로 전달하는 오프라인 매점 서버; 상기 메인 서버로부터 전달된 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 오프라인 매점 서버로부터 전달된 특정 오프라인 매점의 고객정보, 구매일수, 매출비중, 업태정보를 전달받으며, 상기 전달받은 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 특정 오프라인 매점의 고객정보, 구매일수, 매출비중, 업태정보를 결합하여 데이터를 가공하며, 상기 가공된 데이터를 외부로 전달하는 MD 어드바이저 단말; 및 상기 MD 어드바이저 단말로부터 전달된 상기 가공된 데이터에 기초하여 상기 특정 오프라인 매점의 업태별 상권 범위 기준 및 페르소나를 생성하는 페르소나 생성 서버를 포함하며, 상기 페르소나 생성 서버가 상기 특정 오프라인 매점의 목표 페르소나 및 브랜드 페르소나에 기초하여 상기 특정 오프라인 매점의 추천 브랜드 리스트를 생성하며, 상기 페르소나 생성 서버가 MZ 세대 페르소나를 생성하며, 상기 MZ 세대 페르소나는, 상기 페르소나 생성 서버가 상기 특정 오프라인 매점을 기준으로 최근 1년간 해당 매점을 이용한 MZ 세대의 구매빈도를 추출하고, 상기 페르소나 생성 서버가 상기 추출한 MZ 세대의 구매빈도를 8가지 가구유형 및 6가지 가구추정소득별로 분류하여 48개의 셀로 나타내며, 상기 페르소나 생성 서버가 브랜드 페르소나를 생성하며, 상기 브랜드 페르소나는, 상기 페르소나 생성 서버가 상기 특정 오프라인 매점에 입점한 브랜드를 기준으로 해당 브랜드를 구매한 구매고객의 브랜드별 구매빈도를 추출하며, 상기 페르소나 생성 서버가 상기 추출한 구매고객의 브랜드별 구매빈도를 상기 가구유형 및 가구추정소득별로 분류하여 상기 48개의 셀로 나타낸다.

또한, 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 방법은 메인 서버, 오프라인 매점 서버, MD 어드바이저 단말, 및 페르소나 생성 서버를 포함하는 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템에 의한 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 방법으로서, 상기 메인 서버가 다수의 오프라인 매점에 가입한 가입 멤버들에 대한 가구유형 및 가구추정소득에 관한 데이터를 저장 및 업데이트하고, 상기 저장 및 업데이트된 가구유형 및 가구추정소득에 관한 데이터를 다수의 오프라인 매점의 구매 고객별 가구유형 및 가구추정소득에 매핑하며, 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터를 외부로 전달하는 단계; 상기 오프라인 매점 서버가 상기 다수의 오프라인 매점 중 임의의 한 특정 오프라인 매점에 설치되고, 상기 메인 서버로부터 전달된 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터를 전달받아 저장하며, 상기 특정 오프라인 매점의 브랜드를 구매한 브랜드 구매와 관련된 고객정보, 구매일수, 매출비중, 업태정보를 저장하며, 상기 저장된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 저장된 특정 오프라인 매점의 브랜드를 구매한 브랜드 구매와 관련된 고객정보, 구매일수, 매출비중, 업태정보를 외부로 전달하는 단계; 상기 MD 어드바이저 단말이 상기 메인 서버로부터 전달된 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 오프라인 매점 서버로부터 전달된 특정 오프라인 매점의 고객정보, 구매일수, 매출비중, 업태정보를 전달받으며, 상기 전달받은 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 특정 오프라인 매점의 고객정보, 구매일수, 매출비중, 업태정보를 결합하여 데이터를 가공하며, 상기 가공된 데이터를 외부로 전달하는 단계; 상기 페르소나 생성 서버가 상기 MD 어드바이저 단말로부터 전달된 상기 가공된 데이터에 기초하여 상기 특정 오프라인 매점의 업태별 상권 범위 기준 및 페르소나를 생성하는 단계; 및, 상기 페르소나 생성 서버가 상기 특정 오프라인 매점의 목표 페르소나 및 브랜드 페르소나에 기초하여 상기 특정 오프라인 매점의 추천 브랜드 리스트를 생성하는 단계를 포함하며, 상기 페르소나 생성 서버가 상기 추천 브랜드 리스트를 생성하는 단계에서, 상기 특정 오프라인 매점의 목표 페르소나에서 상기 특정 오프라인 매점의 브랜드 페르소나를 차감하여 브랜드별 Gap 값을 계산할 시에, 전체 48개 셀 중 상위 30개 셀 값을 기준으로 계산된다.

상술한 바와 같이, 본 발명에 따른 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템 및 그 방법은 현재 페르소나를 구매빈도로 정의하여 단순 고객수, 구매금액으로 정의하여 발생하는 문제점을 해소하고, 자주 방문하는 고객특성을 반영할 수 있어 오프라인 매점의 현상황을 객관적으로 진단할 수 있다는 이점이 있다.

또한, 잠재 페르소나 정의를 통하여 요약된 상권 뷰를 확인할 수 있어, 방대한 양의 데이터 분석 없이 상권 정보를 한 눈에 볼 수 있다는 이점이 있다.

또한, 상권의 객관적인 잠재 페르소나와 현재 고객 페르소나의 차이를 통해, 상권에서 놓치고 있는 고객군을 파악할 수 있다는 이점이 있다.

또한, 목표 페르소나에 따른 데이터 기반 입점 브랜드 추천 결과를 제공하여 객관적인 MD 의사결정에 도움을 줄 수 있다는 이점이 있다.

도 1은 본 발명에 따른 상권 맞춤형 오프라인 매점의 입점 브랜드 추천 서비스 시스템의 개략적인 블록 구성도이다.
도 2a 내지 2c는 본 발명에 따른 상권 맞춤형 오프라인 매점의 배후/유동상권 범위 기준 설정을 도시한 그래프이다.
도 3a 및 3b는 본 발명에 따른 상권 맞춤형 오프라인 매점의 잠재 페르소나 생성 로직 및 생성된 잠재 페르소나를 확대 도시한 도시도이다.
도 4는 본 발명에 따른 상권 맞춤형 오프라인 매점의 현재 페르소나 진단 로직을 도시한 도시도이다.
도 5는 본 발명에 따른 상권 맞춤형 오프라인 매점의 목표 페르소나 로직을 도시한 도시도이다.
도 6은 본 발명에 따른 상권 맞춤형 오프라인 매점의 브랜드 페르소나 생성 로직을 도시한 도시도이다.
도 7은 본 발명에 따른 상권 맞춤형 오프라인 매점의 브랜드 추천 로직을 도시한 도시도이다.
도 8은 본 발명에 따른 상권 맞춤형 오프라인 매점의 입점 브랜드 추천 서비스 방법을 도시한 순서도이다.

이하, 도면을 참조한 실시 예들의 상세한 설명을 통하여 본 발명에 따른 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템 및 그 방법을 보다 상세히 기술하기로 한다. 본 발명을 설명함에 있어서 관련된 공지기술 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략될 것이다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 클라이언트나 운용자, 사용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

도면 전체에 걸쳐 같은 참조번호는 같은 구성 요소를 가리킨다.

도 1은 본 발명에 따른 상권 맞춤형 오프라인 매점의 입점 브랜드 추천 서비스 시스템의 개략적인 블록 구성도이며, 도 2a 내지 2c는 본 발명에 따른 상권 맞춤형 오프라인 매점의 배후/유동상권 범위 기준 설정을 도시한 그래프이며, 도 3a 및 3b는 본 발명에 따른 상권 맞춤형 오프라인 매점의 잠재 페르소나 생성 로직 및 생성된 잠재 페르소나를 확대 도시한 도시도이며, 도 4는 본 발명에 따른 상권 맞춤형 오프라인 매점의 현재 페르소나 진단 로직을 도시한 도시도이며, 도 5는 본 발명에 따른 상권 맞춤형 오프라인 매점의 목표 페르소나 로직을 도시한 도시도이며, 도 6은 본 발명에 따른 상권 맞춤형 오프라인 매점의 브랜드 페르소나 생성 로직을 도시한 도시도이며, 도 7은 본 발명에 따른 상권 맞춤형 오프라인 매점의 브랜드 추천 로직을 도시한 도시도이며, 도 8은 본 발명에 따른 상권 맞춤형 오프라인 매점의 입점 브랜드 추천 서비스 방법을 도시한 순서도이다.

이하, 도 1 내지 도 7을 참조하여, 본 발명에 따른 상권 맞춤형 오프라인 매점의 입점 브랜드 추천 서비스 시스템과, 배후/유동상권 범위 기준, 잠재 페르소나 생성 로직, 현재 페르소나 로직, 목표 페르소나 로직, 브랜드 페르소나 생성 로직, 및 브랜드 추천 로직을 살펴보고자 한다.

도 1에 도시된 바와 같이, 본 발명에 따른 상권 맞춤형 오프라인 매점의 입점 브랜드 추천 서비스 시스템은 메인 서버(110), 오프라인 매점 서버(120), MD 어드바이저 단말(130), 페르소나 생성 서버(140), 유저 포탈 서버(150), 및 사용자 단말(160)로 구성된다.

여기서, 페르소나는 오프라인 매점의 서비스를 사용 또는 사용할 것으로 예상되는 고객에 대한 속성을 오프라인 매점을 기준으로 정의한 것으로, 고객에 대해 가구유형(통계청 가계동향조사를 참조하고 이를 활용하여 가구 생애 주기로, 가구유형을 대학생, 직장인, 신혼ㆍ영유아, 초등학생(취학아동)자녀, 중고등학생(청소년)자녀, 성인자녀, 성인부모, 노인 등 8가지 유형으로 분류) 및 가구추정소득(오픈메이트 가구추정소득 기준을 참고하여, 가구 추정 소득을 2천만 이하, 2~4천만, 4~6천만, 6~8천만, 8천만~1억, 1억 이상의 6가지 유형으로 분류)을 기준으로 48(8x6)개 셀 유형으로 분류하여 고객을 정의한 개념이다.

또한, MD 어드바이저는 제품을 오프라인 매점에 입점시켜 판매가 이루어질 수 있도록 하기 위해 입점 방식 및 판매의 프로세스를 고려하여 어떻게 하면 더 많이 팔릴 수 있을 지를 기획하고 연구하는 사람을 의미한다.

한편, 메인 서버(110)는 다수의 오프라인 매점에 가입한 가입 멤버들에 대한 가구유형(대학생, 직장인, 신혼ㆍ영유아, 취학아동자녀, 청소년자녀, 성인자녀, 성인부모, 노인) 및 가구추정소득(2천만 이하, 2~4천만, 4~6천만, 6~8천만, 8천만~1억, 1억 이상)에 관한 데이터를 저장 및 업데이트하고, 상기 저장 및 업데이트된 가구유형 및 가구추정소득에 관한 데이터를 다수의 오프라인 매점의 구매 고객별 가구유형 및 가구추정소득에 매핑하며, 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터를 오프라인 매점 서버(120)로 전달한다.

또한, 오프라인 매점 서버(120)는 다수의 오프라인 매점 중 임의의 한 특정 오프라인 매점에 설치되고, 상기 메인 서버(110)로부터 전달된 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터를 전달받아 저장하며, 오프라인 매점 서버(120)에 저장된 특정 오프라인 매점의 브랜드를 구매한 브랜드 구매와 관련된 고객정보, 구매일수, 매출비중, 업태정보를 저장하며, 상기 저장된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 저장된 특정 오프라인 매점의 브랜드를 구매한 브랜드 구매와 관련된 고객정보, 구매일수, 매출비중, 업태정보를 MD 어드바이저 단말(130)로 전달한다.

또한, MD 어드바이저 단말(130)은 메인 서버(110)에서 전달받은 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 오프라인 매점 서버로부터 전달된 특정 오프라인 매점의 고객정보, 구매일수, 매출비중, 업태정보를 전달받으며, 상기 전달받은 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 특정 오프라인 매점의 고객정보, 구매일수, 매출비중, 업태정보를 결합하여 데이터를 가공하며, 상기 가공된 데이터를 페르소나 생성 서버(140)로 전달하여 특정 오프라인 매점의 업태별 상권 범위 기준(여기서, 업태별 상권 범위 기준은 거리별 누적 매출 비중과 거리별 평균 구매일수를 통해 산출함)을 생성하게 한다(도 2 참조).

또한, 페르소나 생성 서버(140)로부터 생성된 추천 브랜드 리스트를 전달받는 유저 포탈 서버(150); 및 유저 포탈 서버(150)로부터 추천 브랜드 리스트를 전달받는 사용자 단말(160)을 더 포함한다.

또 한편, 페르소나 생성 서버(140)는 잠재 페르소나를 생성하되, 잠재 페르소나는, 페르소나 생성 서버(140)가 특정 오프라인 매점을 기준으로 최근 1년간 해당 매점 반경 n km내의 배후 반경과 상기 해당 매점 반경 1 - n km내의 유동 반경내에 거주하는 고객의 매출 비중을 계산하여 배후 반경 및 유동 반경 매출 비중을 산출하고, 해당 매점의 배후 반경 및 유동 반경에 속하는 행정동별로 매출 비중을 계산하여 행정동별 매출 비중을 산출하며, 해당 매점의 가구추정소득별로 구매 고객 대비 구매빈도 값의 비율을 구하고 상기 구해진 구매빈도 값의 비율의 중위값인 구매빈도 비율 중위값을 산출하며, 산출한 구매빈도 비율 중위값에 해당 매점의 행정동별 가구추정소득별 고객수를 승산하여 해당 매점의 추정 구매빈도 비율 집합을 산출하며, 산출한 추정 구매빈도 비율 집합의 각각의 산출한 추정 구매빈도 비율 각각에 행정동별로 매출 비중을 승산하여 행정동별 매출 비중 가중치를 부여한 가중된 추정 구매빈도 비율을 산출하며, 산출한 가중된 추정 구매빈도 비율을 상기 가구유형, 가구추정소득, 배후 반경, 유동 반경, 및 가구추정소득별로 분류하여 분류된 추정 구매빈도 비율을 산출하며, 산출한 분류된 추정 구매빈도 비율에 배후 반경 및 유동 반경 매출 비중을 승산한후 가구유형 및 가구추정소득별로 분류하여 48개 셀 유형으로 나타내어진다. 여기서 n은 업태별로 상이하다(도 3a 및 3b 참조),

또한, 페르소나 생성 서버(140)는 현재 페르소나를 생성하되, 현재 페르소나는, 페르소나 생성 서버(140)가 특정 오프라인 매점의 구매 고객을 가구유형 및 가구추정소득으로 매핑하고, 특정 오프라인 매점을 기준으로 최근 1년간 해당 매점에서 구매한 구매 고객별 구매빈도를 추출하고, 상기 추출한 구매 고객별 구매빈도를 상기 매핑된 가구유형 및 가구추정소득으로 분류하여 48개 셀 유형으로 나타내어진다(도 4 참조).

또한, 페르소나 생성 서버(140)가 MZ 세대 페르소나를 생성하되, MZ 세대 페르소나는, 페르소나 생성 서버(140)가 특정 오프라인 매점을 기준으로 최근 1년간 해당 매점을 이용한 MZ 세대의 구매빈도를 추출하고, 추출한 MZ 세대의 구매빈도를 가구유형 및 가구추정소득별로 분류하여 48개 셀 유형으로 나타내어진다. 여기서, MZ 세대는 20~30대 고객을 대상으로 한다.

또한, 페르소나 생성 서버(140)가 우수고객 페르소나를 생성하되, 우수고객 페르소나는, 페르소나 생성 서버(140)가 특정 오프라인 매점을 기준으로 최근 1년간 해당 매점을 이용한 우수고객의 구매빈도를 추출하고, 추출한 우수고객의 구매빈도를 가구유형 및 가구추정소득별로 분류하여 상기 48개 셀 유형으로 나타내어진다. 여기서, 우수고객은 업태별로 상이하다.

또한, 페르소나 생성 서버가 목표 페르소나를 생성하되, 목표 페르소나는 페르소나 생성 서버(140)가 MZ 세대 페르소나에 잠재 페르소나에서 가구유형 및 가구추정소득별로 분류된 가구유형 중 대학생, 직장인, 신혼영유아, 성인자녀 가구유형의 비중을 승산하여 가중된 대학생, 직장인, 신혼영유아, 성인자녀 가구유형을 산출하고, 산출한 가중된 대학생, 직장인, 신혼영유아, 성인자녀 가구유형을 상기 가구유형 및 가구추정소득별로 재분류하며, 우수고객 페르소나에 잠재 페르소나에서 가구유형 및 가구추정소득별로 분류된 취학아동자녀, 청소년자녀, 성인부모, 노인 가구유형의 비중을 승산하여 가중된 취학아동자녀, 청소년자녀, 성인부모, 노인 가구유형을 산출하고, 산출한 가중된 취학아동자녀, 청소년자녀, 성인부모, 노인 가구유형을 상기 가구유형 및 가구추정소득별로 재분류하여 48개 셀 유형으로 나타내어진다(도 5 참조).

또한, 페르소나 생성 서버(140)가 브랜드 페르소나를 생성하되, 상기 브랜드 페르소나는, 페르소나 생성 서버(140)가 특정 오프라인 매점을 기준으로 최근 1년간 해당 매점에 입점한 브랜드를 기준으로 해당 브랜드를 구매한 구매고객의 브랜드별 구매빈도를 추출하며, 추출한 구매고객의 브랜드별 구매빈도를 가구유형 및 가구추정소득별로 분류하여 48개 셀 유형으로 나타내어진다(도 6 참조).

또한, 페르소나 생성 서버(140)가 특정 오프라인 매점의 브랜드 페르소나를 생성하는 경우에, MD 어드바이저 단말(130)은 생성된 특정 오프라인 매점의 브랜드 페르소나 및 목표 페르소나에 기초하여 특정 오프라인 매점의 추천 브랜드 리스트를 생성하게 한다. 이때, 페르소나 생성 서버(140)는 유클리디안 거리(Euclidean Distance) 공식을 활용하여 추천 브랜드 리스트를 생성한다(도 7 참조).

또한, 페르소나 생성 서버(140)로부터 특정 오프라인 매점의 추천 브랜드 리스트를 전달받은 MD 어드바이저 단말(130)은 전달받은 추천 브랜드 리스트를 유저 포탈 서버(150)에 전달한다.

또한, MD 어드바이저 단말(130)로부터 특정 오프라인 매점의 추천 브랜드 리스트를 전달받은 유저 포탈 서버(150)는 사용자 단말(160)에 추천 브랜드 리스트를 전달하여 사용자 단말(160)의 웹화면에 표시되게 하며, 사용자 단말(160)이 표시된 웹화면에 입력시킨 데이터를 출력한다.

이하에서는, 다수의 오프라인 매점 중 임의의 한 특정 오프라인 매점에만 적용하여 설명하고자 한다.

이제, 도 2a 내지 도 2c를 참조하여, 본 발명에 따른 상권 맞춤형 오프라인 매점의 배후/유동상권 범위 기준 설정을 살펴보고자 한다.

도 2a 내지 도 2c에 도시된 바와 같이, 본 발명에 따른 상권 맞춤형 오프라인 매점의 배후/유동상권 범위 기준 설정은 백화점, 도심형 아울렛, 및 교외형 아울렛의 배후상권/유동상권의 접근성을 확인할 수 있는 자료로 구매일수, 누적 매출 증가폭에 기초하여 설정된다.

여기서, 백화점의 배후상권은 백화점과 고객 거주지 간의 거리에 따른 평균 구매일수의 감소폭이 줄어드는 5km로 설정되며, 백화점의 유동상권은 백화점과 고객 거주지 간의 거리에 따른 누적 매출 증가폭이 줄어드는 9km로 설정된다.

또한, 도심형 아울렛의 배후상권은 도심형 아울렛과 고객 거주지 간의 거리에 따른 평균 구매일수의 감소폭이 줄어드는 7km로 설정되며, 도심형 아울렛의 유동상권은 도심형 아울렛과 고객 거주지 간의 거리에 따른 누적 매출 증가폭이 줄어드는 11km로 설정된다.

또한, 교외형 아울렛의 배후상권은 교외형 아울렛과 고객 거주지 간의 거리에 따른 평균 구매일수의 감소폭이 줄어드는 13km로 설정되며, 교외형 아울렛의 유동상권은 교외형 아울렛과 고객 거주지 간의 거리에 따른 누적 매출 증가폭이 줄어드는 25km로 설정된다.

이하, 도 3a 및 3b을 참조하여, 본 발명에 따른 상권 맞춤형 오프라인 매점의 잠재 페르소나 생성 로직을 살펴보고자 한다.

도 3a 및 3b에 도시된 바와 같이, 본 발명에 따른 상권 맞춤형 오프라인 매점의 잠재 페르소나 생성 로직은 도 2에 도시된 배후/유동상권 범위 내의 고객의 행정동별 매출비중 및 구매빈도에 기초하여 설정된다.

여기서, 잠재 페르소나는 메인 서버(110)에 저장된 데이터를 기반으로 오프라인 매점 별 배후/유동상권 범위 내의 잠재 고객을 파악하기 위한 것이다.

이하에서는, 예를 들어, 유동상권에 대한 잠재 페르소나는 제외하고, 배후상권에 대한 잠재 페르소나에 대해서만 설명하고자 한다.

먼저, 배후상권의 오프라인 매점의 매출비중 및 각 행정동의 매출비중을 계산한다.

이후, 각 행정동의 구매빈도에 각 행정동 매출비중을 가중치로 승산하여 계산한다.

그 후, 계산된 값의 총합에 배후상권의 오프라인 매점의 매출비중을 승산하여 계산함으로써, 배후상권의 오프라인 매점의 잠재 페르소나를 도출한다.

이후, 동일한 방법으로 유동상권의 오프라인 매점의 잠재 페르소나를 도출한다.

그 후, 도출된 배후상권의 오프라인 매점의 잠재 페르소나와 도출된 유동상권의 오프라인 매점의 잠재 페르소나를 합산하여 배후/유동상권의 오프라인 매점의 잠재 페르소나를 도출한다.

참고로, 도 3a에 적색원 내의 3개의 원으로 도시된 바와 같이, 배후상권 범위 내의 3개의 행정동에서의 고객의 각 행정동별 매출비중 및 구매빈도가 예를 들어, 각각 (0.5, 0.6), (0.25, 0.3), (0.25, 0.1)이며, 배후상권의 오프라인 매점의 매출비중이 0.6이라고 가정하면, 배후상권의 잠재 페르소나는 다음과 같이 도출된다.

배후상권 잠재 페르소나는 각 행정동 매출비중에 각 행정동 구매빈도를 승산하여 합산된 값을 구한 후, 합산된 값에 배후상권 매출비중을 승산하여 도출된다. 따라서, 배후상권 잠재 페르소나는 {0.5 x 0.6) + (0.25 x 0.3) + (0.25 x 0.1)} x 0.6으로 계산하여 도출된다.

도 3b에 도시된 바와 같은 오프라인 매점의 잠재 페르소나의 분석 결과는 오프라인 매점의 잠재적인 고객은 48개의 셀 유형 분류를 통해 소득 4~8천만 가구추정소득 고객과, 취학아동자녀/청소년자녀/성인자녀 가구유형 고객의 비중이 높다는 것을 보여준다.

이하, 도 4를 참조하여, 본 발명에 따른 상권 맞춤형 오프라인 매점의 현재 페르소나 진단 로직을 살펴보고자 한다.

도 4에 도시된 바와 같이, 본 발명에 따른 상권 맞춤형 오프라인 매점의 현재 페르소나 진단 로직은 페르소나 생성 서버(140)가 오프라인 매점의 현재 시점(현재 페르소나 진단 시점)의 고객의 구매를 대상으로 구매빈도를 계산하여 가구유형 및 가구추정소득에 기반하여 분류함으로써, 현재 페르소나를 생성하게 한다.

도 4에 도시된 바와 같은 오프라인 매점의 현재 페르소나의 분석 결과는 오프라인 매점의 현재 고객은 48개의 셀 유형 분류를 통해 소득 4~6천만 가구추정소득 고객과, 취학아동자녀/청소년자녀/성인자녀 가구유형 고객의 비중이 높다는 것을 보여준다.

이하, 도 5를 참조하여, 본 발명에 따른 상권 맞춤형 오프라인 매점의 목표 페르소나 로직을 살펴보고자 한다.

도 5에 도시된 바와 같이, 본 발명에 따른 상권 맞춤형 오프라인 매점의 목표 페르소나 로직은 페르소나 생성 서버(140)가 오프라인 매점의 현재 페르소나에 기초하여 현재의 핵심고객인 우수고객 페르소나 및 미래의 가치고객인 MZ 세대 페르소나를 생성하게 하고, 오프라인 매점의 잠재 페르소나에 기초하여 MZ 세대와 다른 세대의 비중을 생성하게 하게 한 후, 생성된 MZ 세대 페르소나에 생성된 MZ 세대 비중을 승산하고, 생성된 우수고객 페르소나에 다른 세대의 비중을 승산하여 합산함으로써, 목표 페르소나를 생성하게 한다.

이하, 도 6을 참조하여, 본 발명에 따른 상권 맞춤형 오프라인 매점의 브랜드 페르소나 생성 로직을 살펴보고자 한다.

도 6에 도시된 바와 같이, 본 발명에 따른 상권 맞춤형 오프라인 매점의 브랜드 페르소나 생성 로직은 페르소나 생성 서버(140)가 오프라인 매점의 개별 브랜드의 오프라인 매점별 구매빈도를 구매빈도를 계산하여 가구유형 및 가구추정소득에 기반하여 분류함으로써, 오프라인 매점별 브랜드 페르소나를 생성하게 하되, 생성된 오프라인 매점별 브랜드 페르소나를 합산함으로써, 오프라인 매점의 브랜드 페르소나를 생성하게 한다.

이하, 도 7을 참조하여, 본 발명에 따른 상권 맞춤형 오프라인 매점의 브랜드 추천 로직을 살펴보고자 한다.

도 7에 도시된 바와 같이, 본 발명에 따른 상권 맞춤형 오프라인 매점의 브랜드 추천 로직은 전술된 바와 같은 본 발명에 따른 상권 맞춤형 오프라인 매점의 목표 페르소나 로직에 의해 페르소나 생성 서버(140)가 생성한 오프라인 매점의 목표 페르소나에서 전술된 바와 같은 본 발명에 따른 상권 맞춤형 오프라인 매점의 브랜드 페르소나 로직에 의해 페르소나 생성 서버(140)가 생성한 오프라인 매점의 브랜드 페르소나를 차감함으로써, 브랜드별 Gap 값을 도출하되 유클리디안 거리(Euclidean Distance) 공식을 활용하여 도출한다.

여기서, 브랜드별 Gap 값을 계산할 시에 전체 48개 셀 중 상위 30개 셀 값을 기준으로 계산되며, 브랜드별 Gap 값의 계산 대상 브랜드는 최근 1년 간 기준 고객이 구매한 브랜드 중 일정 수준 이상의 브랜드를 대상으로 한다.

또한, 브랜드 별 Gap 값을 기준으로 예를 들어, 하기의 표 1과 같은 추천 브랜드 리스트가 추출된다.

이하, 도 8을 참조하여, 본 발명에 따른 상권 맞춤형 오프라인 매점의 입점 브랜드 추천 서비스 방법을 살펴보고자 한다.

도 8에 도시된 바와 같이, 본 발명에 따른 상권 맞춤형 오프라인 매점의 입점 브랜드 추천 서비스 방법은 메인 서버(110), 오프라인 매점 서버(120), MD 어드바이저 단말(130), 및 페르소나 생성 서버(140)를 포함하는 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템에 의한 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 방법으로서, 먼저, 메인 서버(110)가 오프라인 매점 서버(120)로 가구유형(대학생, 직장인, 신혼ㆍ영유아, 취학아동자녀, 청소년자녀, 성인자녀, 성인부모, 노인) 및 가구추정소득(2천만 이하, 2~4천만, 4~6천만, 6~8천만, 8천만~1억, 1억 이상)에 관한 데이터를 전달한다(S801).

이후, 오프라인 매점 서버(120)는 메인 서버(110)로부터 전달받은 가구유형 및 가구추정소득에 관한 데이터와 오프라인 매점 서버(120)에 저장된 구매 및 매출과 관련된 고객정보를 MD 어드바이저 단말(130)에 전달한다(S803).

그 후, MD 어드바이저 단말(130)은 오프라인 매점 서버(120)로부터 전달받은 가구유형 및 가구추정소득에 관한 데이터와 구매 및 매출과 관련된 고객정보, 구매일수, 매출비둥, 업태정보를 결합하여 데이터를 가공하고 가공된 데이터를 페르소나 생성 서버(140)로 전달하여 페르소나 데이터 및 업태별 상권 범위 기준을 생성하기를 지시한다(S805).

이후, MD 어드바이저 단말(130)로부터 가공된 데이터를 전달받은 페르소나 생성 서버(140)가 업태별 상권 범위 기준을 생성한다(S807).

그 후, 페르소나 생성 서버(140)가 생성된 업태별 상권 범위 기준을 MD 어드바이저 단말(130)로 전달한다(S809)

이후, 페르소나 생성 서버(140)로부터 생성된 업태별 상권 범위 기준을 전달받은 MD 어드바이저 단말(130)이 페르소나 생성 서버(140)에 잠재 페르소나 및 현재 페르소나를 생성하기를 지시한다(S811).

그 후, MD 어드바이저 단말(130)로부터 잠재 페르소나 및 현재 페르소나를 생성하기를 지시받은 페르소나 생성 서버(140)가 잠재 페르소나 및 현재 페르소나를 생성한다(S813). 여기서, 페르소나 생성 서버(140)는 생성된 페르소나 데이터 및 업태별 상권 범위 기준에 기초하여 잠재 페르소나를 생성하며, 오프라인 매점의 고객의 구매를 대상으로 구매빈도를 계산하여 현재 페르소나를 생성한다.

이후, 페르소나 생성 서버(140)가 생성된 잠재 페르소나 및 현재 페르소나를 MD 어드바이저 단말(130)로 전달한다(S815)

그 후, 페르소나 생성 서버(140)로부터 잠재 페르소나 및 현재 페르소나를 전달받은 MD 어드바이저 단말(130)이 페르소나 생성 서버(140)에 MZ 세대 페르소나 및 우수고객 페르소나를 생성하기를 지시하고, MZ 세대와 다른 세대의 비중을 생성하기를 지시한다(S817).

이후, MD 어드바이저 단말(130)로부터 MZ 세대 페르소나 및 우수고객 페르소나와, MZ 세대와 다른 세대의 비중을 생성하기를 지시받은 페르소나 생성 서버(140)가 MZ 세대 페르소나 및 우수고객 페르소나와, MZ 세대와 다른 세대의 비중을 생성한다(S819). 여기서, 페르소나 생성 서버(140)는 생성된 현재 페르소나에 기초하여 MZ 세대 페르소나 및 우수고객 페르소나를 생성하며, 생성된 잠재 페르소나에 기초하여 MZ 세대와 다른 세대의 비중을 생성한다.

그 후, 페르소나 생성 서버(140)가 생성된 MZ 세대 페르소나 및 우수고객 페르소나와, MZ 세대와 다른 세대의 비중을 MD 어드바이저 단말(130)로 전달한다(S821).

이후, 페르소나 생성 서버(140)로부터 생성된 MZ 세대 페르소나 및 우수고객 페르소나와, MZ 세대와 다른 세대의 비중을 전달받은 MD 어드바이저 단말(130)이 페르소나 생성 서버(140)에 목표 페르소나를 생성하기를 지시한다(S823).

그 후, MD 어드바이저 단말(130)로부터 목표 페르소나를 생성하기를 지시받은 페르소나 생성 서버(140)가 목표 페르소나를 생성한다(S825). 여기서, 페르소나 생성 서버(140)는 생성된 MZ 세대 페르소나에 생성된 MZ 세대 비중을 승산하고, 생성된 우수고객 페르소나에 다른 세대의 비중을 승산하여 합산함으로써 목표 페르소나를 생성한다.

이후, 페르소나 생성 서버(140)가 생성된 목표 페르소나를 MD 어드바이저 단말(130)로 전달한다(S827).

그 후, 페르소나 생성 서버(140)로부터 생성된 목표 페르소나를 전달받은 MD 어드바이저 단말(130)이 페르소나 생성 서버(140)에 브랜드 페르소나를 생성하기를 지시한다(S829).

이후, MD 어드바이저 단말(130)로부터 브랜드 페르소나를 생성하기를 지시받은 페르소나 생성 서버(140)가 브랜드 페르소나를 생성한다(S831). 여기서, 페르소나 생성 서버(140)는 오프라인 매점의 개별 브랜드의 오프라인 매점별 구매빈도를 계산하여 가구유형 및 가구추정소득에 기반하여 분류함으로써, 오프라인 매점별 브랜드 페르소나를 생성하게 하되, 생성된 오프라인 매점별 브랜드 페르소나를 합산함으로써, 오프라인 매점의 브랜드 페르소나를 생성한다.

그 후, 페르소나 생성 서버(140)가 생성된 브랜드 페르소나를 MD 어드바이저 단말(130)로 전달한다(S833).

이후, 페르소나 생성 서버(140)로부터 생성된 브랜드 페르소나를 전달받은 MD 어드바이저 단말(130)이 페르소나 생성 서버(140)에 추천 브랜드 리스트를 생성하기를 지시한다(S835).

그 후, MD 어드바이저 단말(130)로부터 추천 브랜드 리스트를 생성하기를 지시받은 페르소나 생성 서버(140)가 추천 브랜드 리스트를 생성한다(S837). 여기서, 페르소나 생성 서버(140)는 생성한 목표 페르소나에서 생성한 브랜드 페르소나를 차감함으로써, 브랜드별 Gap 값을 도출하되 유클리디안 거리(Euclidean Distance) 공식을 활용하여 도출되며, 도출된 브랜드별 Gap 값에 기초하여 추천 브랜드 리스트를 추출한다. 브랜드별 Gap 값을 계산할 시에 전체 48개 셀 중 상위 30개 셀 값을 기준으로 계산되며, 브랜드별 Gap 값의 계산 대상 브랜드는 최근 1년 간 기준 고객이 구매한 브랜드 중 일정 수준 이상의 브랜드를 대상으로 한다.

이후, 페르소나 생성 서버(140)가 추출된 추천 브랜드 리스트를 MD 어드바이저 단말(130)로 전달한다(S839).

그 후, 페르소나 생성 서버(140)로부터 추출된 추천 브랜드 리스트를 전달받은 MD 어드바이저 단말(130)이 전달받은 추출된 추천 브랜드 리스트를 유저 포탈 서버(150)에 전달한다(S841).

이후, MD 어드바이저 단말(130)로부터 추천 브랜드 리스트를 전달받은 유저 포탈 서버(150)가 전달받은 추천 브랜드 리스트를 사용자 단말(160)에 전달한다(S843).

그 후, 유저 포탈 서버(150)로부터 추천 브랜드 리스트를 전달받은 사용자 단말(160)이 추천 브랜드 리스트를 웹화면에 표시하고, 표시된 웹화면에 사용자 단말(160)로부터 입력된 데이터를 출력시킨다(S845).

비록, 본 발명의 실시예에선, 메인 서버 및 오프라인 매점 서버로 분리되었으나, 이에 제한되지 않고, 하나의 DB로 통합될 수 있음은 물론이다. 또한, 페르소나 생성 서버 및 유저 포탈 서버로 분리되었으나, 이에 제한되지 않고, 하나의 서버로 통합될 수 있음은 물론이다.

전술한 바와 같은 본 발명에 따른 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템 및 그 방법은 현재 페르소나를 구매빈도로 정의하여 단순 고객수, 구매금액으로 정의하여 발생하는 문제점을 해소하고, 자주 방문하는 고객특성을 반영할 수 있어 오프라인 매점의 현상황을 객관적으로 진단할 수 있으며, 또한, 잠재 페르소나 정의를 통하여 요약된 상권 뷰를 확인할 수 있어, 방대한 양의 데이터 분석 없이 상권 정보를 한 눈에 볼 수 있으며, 또한, 상권의 객관적인 잠재 페르소나와 현재 고객 페르소나의 차이를 통해, 상권에서 놓치고 있는 고객군을 파악할 수 있으며, 또한, 목표 페르소나에 따른 데이터 기반 입점 브랜드 추천 결과를 제공하여 객관적인 MD 의사결정에 도움을 줄 수 있다.

이상과 같이 본 발명은 양호한 실시 예에 근거하여 설명하였지만, 이러한 실시 예는 본 발명을 제한하려는 것이 아니라 예시하려는 것이므로, 본 발명이 속하는 기술분야의 숙련자라면 본 발명의 기술사상을 벗어남이 없이 위 실시 예에 대한 다양한 변화나 변경 또는 조절이 가능할 것이다. 그러므로, 본 발명의 보호 범위는 본 발명의 기술적 사상의 요지에 속하는 변화 예나 변경 예 또는 조절 예를 모두 포함하는 것으로 해석되어야 할 것이다.

110: 메인 서버 120: 오프라인 매점 서버
130: MD 어드바이저 단말 140: 페르소나 생성 서버
150: 유저 포탈 서버 160: 사용자 단말

Claims (14)

1. 다수의 오프라인 매점에 가입한 가입 멤버들에 대한 가구유형 및 가구추정소득에 관한 데이터를 저장 및 업데이트하고, 상기 저장 및 업데이트된 가구유형 및 가구추정소득에 관한 데이터를 다수의 오프라인 매점의 구매 고객별 가구유형 및 가구추정소득에 매핑하며, 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터를 외부로 전달하는 메인 서버;
   상기 다수의 오프라인 매점 중 임의의 한 특정 오프라인 매점에 설치되고, 상기 메인 서버로부터 전달된 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터를 전달받아 저장하며, 상기 특정 오프라인 매점의 브랜드를 구매한 브랜드 구매와 관련된 고객정보, 구매일수, 매출비중, 업태정보를 저장하며, 상기 저장된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 저장된 특정 오프라인 매점의 브랜드를 구매한 브랜드 구매와 관련된 고객정보, 구매일수, 매출비중, 업태정보를 외부로 전달하는 오프라인 매점 서버;
   상기 메인 서버로부터 전달된 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 오프라인 매점 서버로부터 전달된 특정 오프라인 매점의 고객정보, 구매일수, 매출비중, 업태정보를 전달받으며, 상기 전달받은 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 특정 오프라인 매점의 고객정보, 구매일수, 매출비중, 업태정보를 결합하여 데이터를 가공하며, 상기 가공된 데이터를 외부로 전달하는 MD 어드바이저 단말; 및
   상기 MD 어드바이저 단말로부터 전달된 상기 가공된 데이터에 기초하여 상기 특정 오프라인 매점의 업태별 상권 범위 기준 및 페르소나를 생성하는 페르소나 생성 서버를 포함하며,
   상기 페르소나 생성 서버가 상기 특정 오프라인 매점의 목표 페르소나 및 브랜드 페르소나에 기초하여 상기 특정 오프라인 매점의 추천 브랜드 리스트를 생성하며,
   상기 페르소나 생성 서버가 MZ 세대 페르소나를 생성하며,
   상기 MZ 세대 페르소나는,
   상기 페르소나 생성 서버가 상기 특정 오프라인 매점을 기준으로 최근 1년간 해당 매점을 이용한 MZ 세대의 구매빈도를 추출하고,
   상기 페르소나 생성 서버가 상기 추출한 MZ 세대의 구매빈도를 8가지 가구유형 및 6가지 가구추정소득별로 분류하여 48개의 셀로 나타내며,
   상기 페르소나 생성 서버가 브랜드 페르소나를 생성하며,
   상기 브랜드 페르소나는,
   상기 페르소나 생성 서버가 상기 특정 오프라인 매점에 입점한 브랜드를 기준으로 해당 브랜드를 구매한 구매고객의 브랜드별 구매빈도를 추출하며,
   상기 페르소나 생성 서버가 상기 추출한 구매고객의 브랜드별 구매빈도를 상기 가구유형 및 가구추정소득별로 분류하여 상기 48개의 셀로 나타낸 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템.
   
   
2. 청구항 1에 있어서,
   상기 페르소나 생성 서버로부터 생성된 상기 추천 브랜드 리스트를 전달받는 유저 포탈 서버; 및
   상기 유저 포탈 서버로부터 상기 추천 브랜드 리스트를 전달받는 사용자 단말을 더 포함하는 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템.
   
3. 청구항 2에 있어서,
   상기 가구유형은 통계청 가계동향조사에 기초하여 가구 생애 주기를 기준으로 대학생, 직장인, 신혼ㆍ영유아, 취학아동자녀, 청소년자녀, 성인자녀, 성인부모, 노인의 8가지 유형으로 분류하며,
   상기 가구추정소득은 오픈메이트 가구추정소득 기준에 기초하여, 2천만 이하, 2~4천만, 4~6천만, 6~8천만, 8천만~1억, 1억 이상의 6가지 유형으로 분류하며,
   상기 페르소나 생성 서버는 상기 8가지 가구유형 및 상기 6가지 가구추정소득에 기초하여 고객을 상기 48개의 셀로 정의하는 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템.
   
4. 청구항 3에 있어서,
   상기 페르소나 생성 서버는 현재 페르소나를 생성하며,
   상기 현재 페르소나는,
   상기 페르소나 생성 서버가 상기 특정 오프라인 매점의 구매 고객을 가구유형 및 가구추정소득으로 매핑하고,
   상기 페르소나 생성 서버가 상기 특정 오프라인 매점을 기준으로 최근 1년간 해당 매점에서 구매한 구매 고객별 구매빈도를 추출하고,
   상기 페르소나 생성 서버가 상기 추출한 구매 고객별 구매빈도를 상기 매핑된 가구유형 및 가구추정소득으로 분류하여 상기 48개의 셀로 나타낸 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템.
   
5. 청구항 4에 있어서,
   상기 페르소나 생성 서버는 잠재 페르소나를 생성하며,
   상기 잠재 페르소나는,
   상기 페르소나 생성 서버가 상기 특정 오프라인 매점을 기준으로 최근 1년간 해당 매점 반경 n km내의 배후 반경과 상기 해당 매점 반경 1 - n km내의 유동 반경내에 거주하는 고객의 매출 비중을 계산하여 배후 반경 및 유동 반경 매출 비중을 산출하고,
   상기 페르소나 생성 서버가 상기 해당 매점의 배후 반경 및 유동 반경에 속하는 행정동별로 매출 비중을 계산하여 행정동별 매출 비중을 산출하며,
   상기 페르소나 생성 서버가 상기 해당 매점의 가구추정소득별로 구매 고객 대비 구매빈도 값의 비율을 구하고 상기 구해진 구매빈도 값의 비율의 중위값인 구매빈도 비율 중위값을 산출하며,
   상기 페르소나 생성 서버가 상기 산출한 구매빈도 비율 중위값에 상기 해당 매점의 행정동별 가구추정소득별 고객수를 승산하여 상기 해당 매점의 추정 구매빈도 비율 집합을 산출하며,
   상기 페르소나 생성 서버가 상기 산출한 추정 구매빈도 비율 집합의 각각의 산출한 추정 구매빈도 비율 각각에 상기 행정동별로 매출 비중을 승산하여 행정동별 매출 비중 가중치를 부여한 가중된 추정 구매빈도 비율을 산출하며,
   상기 페르소나 생성 서버가 상기 산출한 가중된 추정 구매빈도 비율을 상기 가구유형, 가구추정소득, 배후 반경, 유동 반경, 및 가구추정소득별로 분류하여 분류된 추정 구매빈도 비율을 산출하며,
   상기 페르소나 생성 서버가 상기 산출한 분류된 추정 구매빈도 비율에 상기 배후 반경 및 유동 반경 매출 비중을 승산한후 상기 가구유형 및 가구추정소득별로 분류하여 상기 48개의 셀로 나타낸 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템.
   
6. 삭제
7. 청구항 5에 있어서,
   상기 페르소나 생성 서버가 우수고객 페르소나를 생성하며,
   상기 우수고객 페르소나는,
   상기 페르소나 생성 서버가 상기 특정 오프라인 매점을 기준으로 최근 1년간 해당 매점을 이용한 우수고객의 구매빈도를 추출하고,
   상기 페르소나 생성 서버가 상기 추출한 우수고객의 구매빈도를 상기 가구유형 및 가구추정소득별로 분류하여 상기 48개의 셀로 나타낸 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템.
   
8. 청구항 7에 있어서,
   상기 페르소나 생성 서버가 목표 페르소나를 생성하며,
   상기 목표 페르소나는,
   상기 페르소나 생성 서버가 상기 MZ 세대 페르소나에 상기 잠재 페르소나에서 상기 가구유형 및 가구추정소득별로 분류된 가구유형 중 대학생, 직장인, 신혼영유아, 성인자녀 가구유형의 비중을 승산하여 가중된 대학생, 직장인, 신혼영유아, 성인자녀 가구유형을 산출하고, 상기 산출한 가중된 대학생, 직장인, 신혼영유아, 성인자녀 가구유형을 상기 가구유형 및 가구추정소득별로 재분류하며,
   상기 페르소나 생성 서버가 상기 우수고객 페르소나에 상기 잠재 페르소나에서 상기 가구유형 및 가구추정소득별로 분류된 취학아동자녀, 청소년자녀, 성인부모, 노인 가구유형의 비중을 승산하여 가중된 취학아동자녀, 청소년자녀, 성인부모, 노인 가구유형을 산출하고, 상기 산출한 가중된 취학아동자녀, 청소년자녀, 성인부모, 노인 가구유형을 상기 가구유형 및 가구추정소득별로 재분류하여 상기 48개의 셀로 나타낸 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템.
   
9. 청구항 8에 있어서,
   상기 페르소나 생성 서버가 브랜드 페르소나를 생성하며,
   상기 브랜드 페르소나는,
   상기 페르소나 생성 서버가 상기 특정 오프라인 매점을 기준으로 최근 1년간 해당 매점에 입점한 브랜드를 기준으로 해당 브랜드를 구매한 구매고객의 브랜드별 구매빈도를 추출하며,
   상기 페르소나 생성 서버가 상기 추출한 구매고객의 브랜드별 구매빈도를 상기 가구유형 및 가구추정소득별로 분류하여 상기 48개의 셀로 나타낸 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템.
   
10. 메인 서버, 오프라인 매점 서버, MD 어드바이저 단말, 및 페르소나 생성 서버를 포함하는 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 시스템에 의한 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 방법으로서,
    상기 메인 서버가 다수의 오프라인 매점에 가입한 가입 멤버들에 대한 가구유형 및 가구추정소득에 관한 데이터를 저장 및 업데이트하고, 상기 저장 및 업데이트된 가구유형 및 가구추정소득에 관한 데이터를 다수의 오프라인 매점의 구매 고객별 가구유형 및 가구추정소득에 매핑하며, 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터를 외부로 전달하는 단계;
    상기 오프라인 매점 서버가 상기 다수의 오프라인 매점 중 임의의 한 특정 오프라인 매점에 설치되고, 상기 메인 서버로부터 전달된 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터를 전달받아 저장하며, 상기 특정 오프라인 매점의 브랜드를 구매한 브랜드 구매와 관련된 고객정보, 구매일수, 매출비중, 업태정보를 저장하며, 상기 저장된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 저장된 특정 오프라인 매점의 브랜드를 구매한 브랜드 구매와 관련된 고객정보, 구매일수, 매출비중, 업태정보를 외부로 전달하는 단계;
    상기 MD 어드바이저 단말이 상기 메인 서버로부터 전달된 상기 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 오프라인 매점 서버로부터 전달된 특정 오프라인 매점의 고객정보, 구매일수, 매출비중, 업태정보를 전달받으며, 상기 전달받은 매핑된 특정 오프라인 매점의 가구유형 및 가구추정소득에 관한 데이터와 상기 특정 오프라인 매점의 고객정보, 구매일수, 매출비중, 업태정보를 결합하여 데이터를 가공하며, 상기 가공된 데이터를 외부로 전달하는 단계;
    상기 페르소나 생성 서버가 상기 MD 어드바이저 단말로부터 전달된 상기 가공된 데이터에 기초하여 상기 특정 오프라인 매점의 업태별 상권 범위 기준 및 페르소나를 생성하는 단계; 및,
    상기 페르소나 생성 서버가 상기 특정 오프라인 매점의 목표 페르소나 및 브랜드 페르소나에 기초하여 상기 특정 오프라인 매점의 추천 브랜드 리스트를 생성하는 단계를 포함하며,
    상기 페르소나 생성 서버가 상기 추천 브랜드 리스트를 생성하는 단계에서,
    상기 특정 오프라인 매점의 목표 페르소나에서 상기 특정 오프라인 매점의 브랜드 페르소나를 차감하여 브랜드별 Gap 값을 계산할 시에, 전체 48개 셀 중 상위 30개 셀 값을 기준으로 계산되는 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 방법.
    
11. 청구항 10에 있어서,
    상기 MD 어드바이저 단말이 상기 페르소나 생성 서버로부터 생성된 추천 브랜드 리스트를 전달받으며, 상기 전달받은 추출된 추천 브랜드 리스트를 유저 포탈 서버에 전달하는 단계;
    상기 유저 포탈 서버가 상기 전달받은 추천 브랜드 리스트를 사용자 단말에 전달하는 단계; 및
    상기 사용자 단말이 상기 유저 포탈 서버로부터 전달받은 상기 추천 브랜드 리스트를 웹화면에 표시하고, 상기 표시된 웹화면에 상기 사용자 단말로부터 입력된 데이터를 출력시키는 단계를 더 포함하는 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 방법.
    
12. 청구항 11에 있어서,
    상기 페르소나 생성 서버가 상기 추천 브랜드 리스트를 생성하는 단계에서,
    상기 페르소나 생성 서버는 상기 목표 페르소나에서 상기 브랜드 페르소나를 차감함으로써 브랜드별 Gap 값을 도출하며, 상기 도출된 브랜드별 Gap 값에 기초하여 상기 추천 브랜드 리스트를 생성하는 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 방법.
    
13. 청구항 12에 있어서,
    상기 페르소나 생성 서버가 상기 추천 브랜드 리스트를 생성하는 단계에서,
    상기 브랜드별 Gap 값은 유클리디안 거리(Euclidean Distance) 공식을 활용하여 도출되는 상권 맞춤형 오프라인 매점 입점 브랜드 추천 서비스 방법.
14. 삭제

Images