KR102605216B1 - 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법 및 시스템 - Google Patents
지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법 및 시스템 Download PDFInfo
- Publication number
- KR102605216B1 KR102605216B1 KR1020230114071A KR20230114071A KR102605216B1 KR 102605216 B1 KR102605216 B1 KR 102605216B1 KR 1020230114071 A KR1020230114071 A KR 1020230114071A KR 20230114071 A KR20230114071 A KR 20230114071A KR 102605216 B1 KR102605216 B1 KR 102605216B1
- Authority
- KR
- South Korea
- Prior art keywords
- industries
- information
- customer
- region
- processor
- Prior art date
Links
- 238000000034 method Methods 0.000 title description 23
- 238000007667 floating Methods 0.000 claims abstract description 51
- 238000012384 transportation and delivery Methods 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000003062 neural network model Methods 0.000 description 7
- 235000013305 food Nutrition 0.000 description 5
- 239000010410 layer Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 241000287828 Gallus gallus Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 235000013550 pizza Nutrition 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000011241 protective layer Substances 0.000 description 2
- 235000011888 snacks Nutrition 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000005341 toughened glass Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/18—Payment architectures involving self-service terminals [SST], vending machines, kiosks or multimedia terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/20—Point-of-sale [POS] network systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0254—Targeted advertisements based on statistics
-
- 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
- G06Q30/0268—Targeted advertisements at point-of-sale [POS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/40—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for devices for accepting orders, advertisements, or the like
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/57—Mechanical or electrical details of cameras or camera modules specially adapted for being embedded in other devices
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Multimedia (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Cash Registers Or Receiving Machines (AREA)
Abstract
지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 시스템은 서버, 키오스크 및/또는 POS(point of sales)기기를 포함하는 복수의 전자 장치들, 적어도 하나의 카메라, 복수의 센서들, 적어도 하나의 디스플레이 및 프로세서를 포함할 수 있다.
프로세서는 카메라를 이용하여 고객의 모습을 촬영하고, 촬영된 고객의 모습을 분석하여 성별 및 나이대를 포함하는 고객 정보를 획득하여 상기 서버로 전송하고, 주문된 메뉴, 주문량 및 매출을 포함하는 주문 정보를 획득하여 상기 서버로 전송하고, 복수의 센서들을 이용하여 유동인구 정보를 획득하고 서버로 전송할 수 있다.
프로세서는 고객 입력에 기반하여 제 1 지역을 선택하고, 서버를 이용하여 제 1 지역 내에 위치한 복수의 전자 장치들로부터 고객 정보 및 주문 정보를 수신하고, 제 1 지역 내에 위치한 센서들로부터 유동인구 정보를 수신하며, 제 1 지역에 대해 수신된 주문 정보 및 유동인구 정보에 기반하여 유동인구가 지정된 수를 초과하고 및 특정 메뉴에 대한 주문량도 지정된 수준을 초과하는 제 2 지역을 추천할 수 있다.
프로세서는 카메라를 이용하여 고객의 모습을 촬영하고, 촬영된 고객의 모습을 분석하여 성별 및 나이대를 포함하는 고객 정보를 획득하여 상기 서버로 전송하고, 주문된 메뉴, 주문량 및 매출을 포함하는 주문 정보를 획득하여 상기 서버로 전송하고, 복수의 센서들을 이용하여 유동인구 정보를 획득하고 서버로 전송할 수 있다.
프로세서는 고객 입력에 기반하여 제 1 지역을 선택하고, 서버를 이용하여 제 1 지역 내에 위치한 복수의 전자 장치들로부터 고객 정보 및 주문 정보를 수신하고, 제 1 지역 내에 위치한 센서들로부터 유동인구 정보를 수신하며, 제 1 지역에 대해 수신된 주문 정보 및 유동인구 정보에 기반하여 유동인구가 지정된 수를 초과하고 및 특정 메뉴에 대한 주문량도 지정된 수준을 초과하는 제 2 지역을 추천할 수 있다.
Description
본 문서는 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법 및 시스템에 관한 것으로 구체적으로는 키오스크를 통해 획득한 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법에 대한 것이다.
지역 상권은 소비자와 상인들 사이의 경제 활동과 상호 작용의 중심 역할을 한다. 지역 상권은 인구 밀도, 지리적 위치, 교통 접근성, 인프라 및 경쟁자의 분포를 포함하여 다양한 요인에 의해 형성될 수 있다. 지역 상권은 주변 지역에 주요한 경제적 영향을 미칠 수 있다.
키오스크(Kiosk)란 일반 대중들이 쉽게 이용할 수 있도록 공공장소에 설치되어 터치 스크린 등을 통해 고객에게 정보를 전달하거나 고객이 터치 스크린을통해 입력한 사항에 대해 결과를 표시하는 장치이다. 이러한 키오스크는 터치 스크린 등의 화면을 통해 GUI(graphice user interface) 고객 앱(application)을 제공하고, 고객은 GUI 화면을 직접 조작함으로써 다양한 정보를 제공받게 된다. 예를 들면, 터치 스크린을 통해 상품을 주문하거나, 주문한 상품에 대한 대금 결제를 수행하는 결제용 키오스크가 있다.
키오스크는 공공장소에 주로 설치된 터치스크린 정보전달 시스템을 이용한 마케팅 용도의 장치로, 원래 옥외에 설치된 천막 등을 뜻하는 말로 간이 판매대나 소형 매점을 의미하기도 한다. 최근에는 공공장소에서 무 인 자동화를 통해 주변 정보 안내나 교통 안내 등 일반 대중들이 쉽게 이용할 수 있는 무인 정보 단말기를 지칭 하기도 한다. 키오스크는 휴게점, 일반음식점, 잡화점, 무인 빨래방, 무인 세차장, 마트 셀프 계산대 등 다양한 용도 로 그 활용도가 급속히 늘어나고 있다.
비교 실시예에 따르면, 기관 보고서나 분석업체 보고서를 참고하여 상권을 분석하는 방법을 사용해왔으나, 분석 기관별로 자료를 정리하는데 시간이 소모되므로 정보를 최신화하는데 어려움을 겪을 수 있다.
본 문서에 따른 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법 및 시스템은 상권통합형 카메라를 포함하는 키오스크 또는 POS(Point Of Sales) 기기를 통해 이용자의 고유정보인 연령 정보, 성별 정보를 기존 상권의 다양한 데이터와 비교하여 추천 메뉴 정보와 가장 많이 관심을 보인 추천 메뉴 정보를 생성 한 후 상권 전체의 매장 중 추천 메뉴를 이용자 맞춤으로 제공하려는 목적을 갖는다.
본 문서에 따른 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법 및 시스템은 고객의 개인 정보(예: 성별 및 나이대)를 결정하고, 고객의 개인 정보에 기반한 추천 제품의 목록을 제공하려는 목적을 갖는다.
지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 시스템은 서버, 키오스크 및/또는 POS(point of sales)기기를 포함하는 복수의 전자 장치들, 적어도 하나의 카메라, 복수의 센서들, 적어도 하나의 디스플레이 및 프로세서를 포함할 수 있다.
프로세서는 카메라를 이용하여 고객의 모습을 촬영하고, 촬영된 고객의 모습을 분석하여 성별 및 나이대를 포함하는 고객 정보를 획득하여 상기 서버로 전송하고, 주문된 메뉴, 주문량 및 매출을 포함하는 주문 정보를 획득하여 상기 서버로 전송하고, 복수의 센서들을 이용하여 유동인구 정보를 획득하고 서버로 전송할 수 있다.
프로세서는 고객 입력에 기반하여 제 1 지역을 선택하고, 서버를 이용하여 제 1 지역 내에 위치한 복수의 전자 장치들로부터 고객 정보 및 주문 정보를 수신하고, 제 1 지역 내에 위치한 센서들로부터 유동인구 정보를 수신하며, 제 1 지역에 대해 수신된 주문 정보 및 유동인구 정보에 기반하여 유동인구가 지정된 수를 초과하고 및 특정 메뉴에 대한 주문량도 지정된 수준을 초과하는 제 2 지역을 추천할 수 있다.
본 문서에 따른 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법 및 시스템은 상권통합형 키오스크 또는 카메라를 포함하는 POS(Point Of Sales) 기기를 통해 이용자의 고유정보인 연령 정보, 성별 정보를 기존 상권의 다양한 데이터와 비교하여 추천 메뉴 정보와 가장 많이 관심을 보인 추천 메뉴 정보를 생성 한 후 상권 전체의 매장 중 추천 메뉴를 이용자 맞춤으로 제공할 수 있다.
본 문서에 따른 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법 및 시스템은 고객의 개인 정보(예: 성별 및 나이대)를 결정하고, 고객의 개인 정보에 기반한 추천 제품의 목록을 제공할 수 있다.
도 1은 일 실시예에 따른 사람의 특성을 인식하고 제품을 추천하는 시스템의 구성을 블록도로 도시한 것이다.
도 2a 및 도 2b는 일 실시예에 따른 전자 장치의 모습을 도시한 것이다.
도 3은 일 실시예에 따른 시스템의 카메라 센서 상에서 고객의 얼굴을 인식하는 실시예를 도시한 것이다.
도 4는 일 실시예에 따른 시스템의 카메라 센서 상에서 고객의 얼굴을 인식하고 고객 정보를 표시하는 과정을 도시한 것이다.
도 5a 내지 도 5d는 일 실시예에 따른 복수의 전자 장치들을 이용하여 특정 구역(zone) 내에서 복수의 고객들의 움직임을 감지하는 상황을 나타낸 것이다.
도 6은 일 실시예에 따른 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법을 순서도로 나타낸 것이다.
도 2a 및 도 2b는 일 실시예에 따른 전자 장치의 모습을 도시한 것이다.
도 3은 일 실시예에 따른 시스템의 카메라 센서 상에서 고객의 얼굴을 인식하는 실시예를 도시한 것이다.
도 4는 일 실시예에 따른 시스템의 카메라 센서 상에서 고객의 얼굴을 인식하고 고객 정보를 표시하는 과정을 도시한 것이다.
도 5a 내지 도 5d는 일 실시예에 따른 복수의 전자 장치들을 이용하여 특정 구역(zone) 내에서 복수의 고객들의 움직임을 감지하는 상황을 나타낸 것이다.
도 6은 일 실시예에 따른 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법을 순서도로 나타낸 것이다.
실시예들은 키오스크 형태의 제품으로 구현될 수 있다. 다만 이는 일 예시일 뿐 본 문서의 동작들이 적용되는 제품은 이것으로 한정되는 것은 아니다.
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 고객 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 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 인간두뇌의 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, 장면이해, 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.
기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경 망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다. 또는, 신경망 모델은 입력 데이터만 주어지는 경우에도 주어진 데이터 사이의 규칙성을 도출하여 그 관계를 학습할 수도 있다.
인공지능 학습모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다. 인공지능 학습모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 인공지능 학습모델은, 예를 들어, 인공 신경망 모델(Artificial Neural Network), 컨볼루션 신경망 모델(Convolution Neural Network: CNN) 등일 수 있다. 일 실시예로서, 인공지능 학습모델은, 지도학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방식에 따라 기계 학습될 수 있다. 기계 학습을 수행하기 위한 기계 학습 알고리즘에는, 의사결정트리(Decision Tree), 베이지안 망(Bayesian Network), 서포트 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neural Network), 에이다부스트(Ada-boost), 퍼셉트론(Perceptron), 유전자 프로그래밍(Genetic Programming), 군집화(Clustering) 등이 사용될 수 있다.
이중, CNN은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN은 2차원 구조 의 입력 데이터를 충분히 활용할 수 있다. 다른 딥러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. CNN은 또한 표준 역전달을 통해 훈련될 수 있다. CNN은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.
컨볼루션 네트워크는 묶인 파라미터들을 가지는 노드들의 집합들을 포함하는 신경 네트워크들이다. 사용 가능한 트레이닝 데이터의 크기 증가와 연산 능력의 가용성이, 구분적 선형 단위 및 드롭아웃 트레이닝과 같은 알고리즘 발전과 결합되어, 많은 컴퓨터 비전 작업들이 크게 개선되었다. 오늘날 많은 작업에 사용할 수 있는 데이터 세트들과 같은 엄청난 양의 데이터 세트에서는 초과 맞춤(outfitting)이 중요하지 않으며, 네트워크의 크기를 늘리면 테스트 정확도가 향상된다.
도 1은 일 실시예에 따른 사람의 특성을 인식하고 제품을 추천하는 시스템의 구성을 블록도로 도시한 것이다.
도 1에 따르면, 시스템(100)은 디스플레이(110), 센서(120), 프로세서(130) 및 메모리(140)를 포함할 수 있으며, 도시된 구성 중 일부가 생략 또는 치환 될 수도 있다. 시스템(100)은 예를 들어 키오스크를 포함할 수 있다.
일 실시예에 따르면, 디스플레이(110)의 크기와 형태는 시스템(100)의 디자인 및 사용 목적에 따라 달라질 수 있다. 디스플레이(110)는 터치 기능을 내장하여 고객이 손가락으로 화면을 터치하거나 스와이프(swipe)할 때 대응하여 명령을 입력받을 수 있다. 디스플레이(110)의 해상도는 화면에 표시되는 내용의 선명도와 질을 결정할 수 있다. 고해상도 디스플레이는 텍스트, 이미지 및 비디오 콘텐츠를 더 선명하게 표시할 수 있어 고객 경험(user experience)을 향상시킬 수 있다. 디스플레이(110)는 일상적인 사용 및 외부 환경으로부터의 보호를 위해 내구성 있는 보호층(예: 강화 유리)을 더 포함할 수 있다. 방호층은 화면에 물방울, 지문, 먼지 등이 달라붙는 것을 방지하며, 디스플레이(110)의 수명을 연장시킬 수 있다.
일 실시예에 따르면, 센서(120)는 지문 센서 및 카메라 센서를 포함할 수 있다. 지문 센서는 고객의 지문을 인식하여 DB(database) 상에 등록된 고객인지 검증하는데 사용될 수 있다. 카메라 센서는 고객의 얼굴, 키, 어깨 골격, 머리카락의 길이 등을 인식하는데 사용될 수 있다. 시스템(100)은 카메라 센서를 이용하여 고객의 모습과 관련된 정보(예: 얼굴, 키, 어깨 골격, 머리카락의 길이)를 획득하고, 이에 기반하여 고객에 대한 개인 정보(예: 나이대, 성별, 신장)를 결정할 수 있다.
또는 센서(120)는 카메라와 함께 지정된 영역 내의 유동 인구의 수나, 사람들의 이동 동선, 체류 위치 및 체류 시간에 대한 데이터를 획득하는데 사용될 수 있다.
일 실시예에 따르면, 프로세서(130)는 시스템(100)의 각 구성 요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 수행할 수 있는 구성으로서, 하나 이상의 프로세서들로 구성될 수 있다. 메모리(140)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(140)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다. 메모리(140)는 다양한 파일 데이터들을 저장할 수 있으며, 프로세서(130)의 동작에 따라 저장된 파일 데이터들은 업데이트 될 수 있다.
일 실시예에 따르면, 프로세서(130)는 프로그램을 실행하고, 시스템(100)을 제어할 수 있다. 프로세서(130)에 의하여 실행되는 프로그램의 코드는 메모리(130)에 저장될 수 있다. 프로세서(130)의 동작들은 메모리(140)에 저장된 인스트럭션들을 로딩(loading)함으로써 수행될 수 있다. 시스템(100)은 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.
일 실시예에 따르면, 프로세서(130)가 시스템(100)상에서 구현할 수 있는 연산 및 데이터 처리 기능에는 한정됨이 없을 것이나, 이하에서는 시스템(100)을 사용하는 고객의 개인 정보(예: 신장, 성별, 나이대 등)를 판단하고, 제품을 추천하는 방법에 대해 설명될 것이다.
도 2a 및 도 2b는 일 실시예에 따른 전자 장치의 모습을 도시한 것이다.
전자 장치는 예를 들어, 키오스크 또는 POS 기기를 포함할 수 있다.
전자 장치는 디스플레이(210) 상의 입력에 기반하여 고객이 선택한 메뉴의 종류 및 수량을 결정하고 서버 상으로 정보를 전송할 수 있다. 서버 관리자는 수신된 정보를 이용하여 고객의 주문 내역을 확인하고 주문 내역에 맞게 서비스를 제공할 수 있다.
전자 장치는 카메라(220)를 이용하여 고객의 모습을 촬영하고 고객의 개인 정보(예: 성별, 나이대, 신장)를 결정할 수 있다. 전자 장치는 카메라(220)를 계속 작동시켜 고객들의 움직임을 감지할 수도 있고, 또는 디스플레이(210) 상에 고객 입력이 감지됨에 기반하여 그 때부터 카메라(220)를 작동시킬 수도 있다.
일 실시예에 따르면, 프로세서(예: 도 1의 프로세서(130))는 디스플레이(210) 상에 고객 입력이 감지됨에 기반하여 카메라(220)를 이용하여 고객의 모습을 촬영하고, 촬영된 고객의 모습을 분석하여 고객의 얼굴, 키, 어깨 골격, 머리카락의 길이에 대한 정보를 획득하고, 고객의 얼굴, 키, 어깨 골격, 머리카락의 길이에 대한 정보에 기반하여 고객의 성별 및 나이대를 결정하고, 고객와 성별 및 나이대가 같은 다른 고객들의 제품 구매량 및 사용 후기 점수에 기반하여 고객에게 적합한 제품의 목록을 결정하고 디스플레이(210) 상에 표시할 수 있다.
시스템(100)은 카메라(220)외에 거리 측정 센서를 더 포함할 수 있다. 시스템(100)은 거리 측정 센서를 이용하여 전자 장치로부터 지정된 수준 이내로 접근한 고객에 대해 카메라(220)를 이용하여 촬영 또는 인식을 시작할 수 있다. 또는 시스템(100)은 디스플레이(210) 상에 입력이 감지됨에 기반하여 카메라(220)를 이용하여 촬영 또는 인식을 시작할 수 있다.
도 2b에서, 전자 장치는 예를 들어 POS(point of sales) 기기를 포함할 수 있다. 전자 장치는 카메라(250)를 포함할 수 있다. 전자 장치는 고객에게 디스플레이(240)를 표시하고, 245 방향으로 고객을 촬영할 수 있다. 전자 장치는 디스플레이(240) 상의 입력에 기반하여 고객의 주문 정보를 획득할 수 있다. 전자 장치는 카메라(250)로 촬영된 고객의 모습으로부터 고객의 성별 및 나이대를 포함하는 고객 정보를 획득할 수 있다.
도 3은 일 실시예에 따른 시스템의 카메라 상에서 고객의 얼굴을 인식하는 실시예를 도시한 것이다.
도 3에서 전자 장치는 디스플레이(310) 및 카메라(320)를 포함할 수 있다. 전자 장치는 카메라(320)를 이용하여 고객의 얼굴 및 신체 부분을 인식할 수 있다.
도 3의 그림 330은 고객의 얼굴을 인식하고 인식된 정보에 기반하여 고객의 개인 정보(예: 성별, 나이대, 신장)를 추론하는 상황을 도시한 것이다.
일 실시예에 따르면, 프로세서(예: 도 1의 프로세서(130))는 고객의 얼굴, 키, 어깨 골격, 머리카락의 길이에 대한 정보에 기반하여 고객의 나이대를 결정하고, 결정된 고객의 나이대와 동일한 나이대를 가진 다른 고객들의 제품 구매 기록을 수신할 수 있다. 프로세서(130)는 현재를 기준으로 지정된 기간(예: 3개월)동안 다른 고객들의 누적 구매량이 많은 순서대로 추천 제품으로 표시하고, 과거 특정 기간의 누적 구매량과 비교하여 현재를 기준으로 지정된 기간 동안의 누적 구매량이 제 1 수준(예: 50%)을 초과하여 증가한 제품은 인기 급상승 제품으로 표시할 수 있다. 현재를 기준으로 지정된 기간 동안 다른 고객들의 누적 구매량은 예를 들어, 현 시점을 기준으로 과거 3개월 동안의 누적 구매량을 의미할 수도 있고, 현 시점을 기준으로 과거 1개월 동안의 누적 구매량을 의미할 수도 있다. 과거 특정 기간의 누적 구매량은 예를 들어, 3개월 전 시점을 기준으로 6개월 전까지의 누적 구매량을 의미할 수도 있고, 3개월 전 시점을 기준으로 4개월 전까지의 누적 구매량을 의미할 수도 있다. 기준이 되는 현재 판매량 및 비교 대상이 되는 이전 판매량은 기간 설정에 따라 달라질 수 있다. 지정된 기간(예: 3개월) 및 지정된 수준(예: 50%)은 일 예시일 뿐 설정에 따라 달라질 수 있다.
프로세서(130)는 외부 서버로부터 동일한 나이대를 가진 다른 고객들의 제품 구매 기록을 수신할 수 있다. 외부 서버는 시스템(100)과 동일한 종류의 상품을 판매하는 다른 업체들의 키오스크 및 POS 기기에 대한 정보를 포함할 수 있다. 예를 들어, 시스템(100)이 음식료 업에 대한 카페에서 사용되는 경우 외부 서버는 다른 카페들에서 사용되는 복수의 키오스크들 및 POS 기기들로부터 고객 주문에 대한 정보를 획득할 수 있다.
프로세서(130)는 카메라(320)를 이용하여 고객이 30대 남성인 것으로 인식한 경우, 외부 서버로부터 30대 남성에 대응하는 카페 주문 기록들을 수신할 수 있다. 시스템(100)은 수신된 정보에 기반하여 30대 남성에게 추천할 수 있는 제품들의 리스트를 결정하고, 디스플레이(310) 상에 표시할 수 있다.
카페, 30대, 남성은 일 예시일 뿐 업종과 고객의 성별 및 나이대는 설정에 따라 달라질 수 있다. 외부 서버는 같은 프랜차이즈 업체의 키오스크들 및 POS 기기들인 경우, 같은 업종에 대한 정보를 제공하는 것으로 결정할 수 있다.
프로세서(130)는 현재를 기준으로 지정된 기간(예: 3개월)동안 다른 고객들의 누적 구매량이 많은 순서대로 추천 제품으로 표시하고, 과거 특정 기간의 누적 구매량과 비교하여 현재를 기준으로 지정된 기간 동안의 누적 구매량이 제 1 수준(예: 50%)을 초과하여 증가한 제품은 인기 급상승 제품으로 표시할 수 있다.
현재를 기준으로 지정된 기간 동안 다른 고객들의 누적 구매량은 예를 들어, 현 시점을 기준으로 과거 3개월 동안의 누적 구매량을 의미할 수도 있고, 현 시점을 기준으로 과거 1개월 동안의 누적 구매량을 의미할 수도 있다. 과거 특정 기간의 누적 구매량은 예를 들어, 3개월 전 시점을 기준으로 6개월 전까지의 누적 구매량을 의미할 수도 있고, 3개월 전 시점을 기준으로 4개월 전까지의 누적 구매량을 의미할 수도 있다. 기준이 되는 현재 판매량 및 비교 대상이 되는 이전 판매량은 기간 설정에 따라 달라질 수 있다. 지정된 기간(예: 3개월) 및 지정된 수준(예: 50%)은 일 예시일 뿐 설정에 따라 달라질 수 있다.
도 4는 일 실시예에 따른 시스템의 카메라 상에서 고객의 얼굴을 인식하고 고객 정보를 표시하는 과정을 도시한 것이다.
도 4에서, 시스템(예: 도 1의 시스템(100))은 카메라(예: 도 2의 카메라(220))를 이용하여 고객의 얼굴 및 신체 부위(예: 상체, 어깨)를 인식할 수 있다. 또는 시스템(100)은 적어도 하나의 센서(예: 도 1의 센서(120))로부터 수신한 정보에 기반하여 지정된 구역(zone)내에 위치한 사람의 수 및 유동 인구에 대한 정보를 결정할 수 있다. 이는 도 5a 내지 도 5d 에서 설명될 것이다.
도 4에서 시스템(100)은 카메라(220)를 이용하여 고객의 얼굴(410) 및 신체 부위를 인식할 수 있다. 카메라는 예를 들어, 비전 카메라 또는 열적외선 카메라를 포함할 수 있다. 시스템(100)은 주문을 입력하고 있는 고객 외에 뒤에서 지나가는 다른 고객들도 감지할 수 있다. 시스템(100)은 고객과의 거리에 기반하여 현재 시스템(100) 상으로 주문을 입력하고 있는 고객인지 아니면 지나가는 사람인지 구별할 수 있다. 또는 시스템(100)은 신체 크기에 기반하여 현재 시스템(100) 상으로 주문을 입력하고 있는 고객인지 아니면 지나가는 사람인지 구별할 수 있다.
고객이 키오스크 상에서 주문을 하는 경우 고객 입력을 위해 지정된 거리 이내로 접근할 수 있다. 고객이 키오스크를 기준으로 지정된 거리 이내로 접근하는 경우 고객의 신체 크기는 적어도 어느 수준 이상으로 측정될 수 있다. 반면, 멀리서 지나가는 사람의 경우 키오스크 상의 카메라에서 사람의 신체 크기를 측정할 수 있으나 거리가 멀어서 상대적으로 작게 측정될 수 있다. 프로세서(130)는 신체 크기가 특정 수준보다 작게 측정되는 경우 고객과의 거리를 측정하지 않고서도 지나가는 사람인 것으로 결정할 수 있다.
도 4의 그림 420은 시스템(100) 상에서 카메라(220)를 이용하여 고객의 개인 정보를 추론하고 표시하는 상황을 나타낸 것이다. 예를 들어, 시스템(100)은 고객의 성별이 여성(female)이며, 나이는 27세인 것으로 결정하고 디스플레이(예: 도 1의 디스플레이(110)) 상에 표시할 수 있다.
도 5a 내지 도 5d는 일 실시예에 따른 복수의 센서들을 이용하여 특정 구역(zone) 내에서 복수의 고객들의 움직임을 감지하는 상황을 나타낸 것이다.
시스템(예: 도 1의 시스템(100))은 통신 회로를 이용하여 복수의 센서들에서 측정된 정보를 수신할 수 있다.
시스템(100)상의 프로세서(예: 도 1의 프로세서(130))는 복수의 전자 장치들(500) 상에 포함된 카메라를 이용하여 고객의 모습을 촬영하고, 촬영된 고객의 모습을 분석하여 고객의 얼굴, 키, 어깨 골격, 머리카락의 길이에 대한 정보를 획득하고, 고객의 얼굴, 키, 어깨 골격, 머리카락의 길이에 대한 정보에 기반하여 고객의 성별 및 나이대를 결정하고, 결정된 고객의 성별 및 나이대에 대한 정보와 고객의 주문 내역에 대한 정보를 서버 상으로 실시간으로 업데이트할 수 있다.
복수의 센서들은 업소 내의 천장이나 또는 일부분에 부착되어 특정 영역(zone)(510)에 위치한 사람의 수 또는 지나다니는 유동 인구의 수를 결정하는데 사용될 수 있다.
또는 프로세서(130)는 업소 내에 설치된 복수의 센서들을 이용하여 특정 영역(zone)(510)에 위치한 사람의 수 또는 지나다니는 유동 인구의 수를 결정할 수 있다. 업소 내에 설치된 카메라는 키오스크나 POS 기기에 설치된 카메라와는 별도로 벽에 설치될 수 있으며, 센서(예: 도 1의 센서(120))와 함께 유동 인구의 수를 결정하는데 사용될 수 있다.
천장 또는 벽에 설치된 복수의 센서들은 상대적으로 높은 장소에서 전체적인 유동 인구를 감지하고, 사람들의 이동 동선, 체류 위치 및 체류 시간에 대한 데이터를 획득할 수 있다.
일 실시예에 따르면, 프로세서(130)는 업종 정보 및 프랜차이즈 정보가 일치하는 다른 키오스크들로부터 제품 판매와 관련된 고객 데이터를 수신하고, 수신된 고객 데이터에 기반하여 고객의 성별 및 나이대 별로 가장 많이 판매되는 제품을 결정할 수 있다. 프로세서(130)는 어느 하나의 키오스크에서 가장 많이 판매된 제품에 대해서 지정된 점수(예: 3점)를 부여하고 어느 하나의 키오스크에서 2번째로 많이 판매된 제품에 대해서는 상대적으로 낮은 점수(예: 1점)을 부여하며, 키오스크 별로 가장 많이 판매된 제품 및 2번째로 많이 판매된 제품에 대해 점수를 부여하고, 종합 점수를 계산할 수 있다. 지정된 점수(예: 3점)는 일 예시일 뿐 설정에 따라 달라질 수 있다. 다만, 가장 많이 판매된 제품에 대해서는 2번째로 많이 판매된 제품보다 상대적으로 높은 점수가 부여될 수 있다.
프로세서(130)는 종합 점수가 가장 높은 제품에 대해서는 지역 내 베스트 추천 제품인 것으로 결정하고, 해당하는 지역 내에 위치하는 키오스크들의 데이터베이스 상에 기록된 모든 고객 단말 상으로 지역 내 베스트 추천 제품의 광고 및 할인 쿠폰을 송신할 수 있다. 여기서 지역은 시스템(100)이 위치한 지점을 기준으로 지정된 거리(예: 반경 5km) 내의 지점들을 의미할 수 있다. 지정된 거리(예: 반경 5km)는 일 예시일뿐 설정에 따라 달라질 수 있다.
프로세서(130)는 시스템(100)이 위치한 지점을 기준으로 지정된 거리(예: 반경 5km) 내 키오스크들은 같은 지역 내의 키오스크들인 것으로 분류할 수 있다.
도 5b 내지 5d 에서, 프로세서(130)는 지정된 영역 내에서 복수의 센서들에 감지된 사람들의 수 및 사람들의 움직임을 감지할 수 있다.
일 실시예에 따르면, 프로세서(130)는 전자 장치로부터 지정된 거리 이내에서 물체가 감지되거나 및/또는 디스플레이 상에 입력이 감지됨에 기반하여 카메라를 이용하여 고객의 모습을 촬영하고, 촬영된 고객의 모습을 분석하여 성별 및 나이대를 포함하는 고객 정보를 획득하여 서버로 전송하고, 전자 장치에 대한 입력에 기반하여 주문된 메뉴, 주문량 및 매출을 포함하는 주문 정보를 획득하여 서버로 전송하고, 복수의 센서들을 이용하여 전자 장치의 위치로부터 지정된 영역 내의 유동인구의 수를 포함하는 유동인구 정보를 획득하고 서버로 전송할 수 있다.
프로세서(130)는 고객 입력에 기반하여 제 1 지역을 선택하고, 서버를 이용하여 제 1 지역 내에 위치한 복수의 전자 장치들로부터 각각 고객 정보 및 주문 정보를 수신하고, 제 1 지역 내에 위치한 센서(120)로부터 유동인구 정보를 수신할 수 있다.
프로세서(130)는 제 1 지역에 대해 수신된 주문 정보 및 유동인구 정보에 기반하여 유동인구가 지정된 수를 초과하고 및 특정 메뉴에 대한 주문량도 지정된 수준을 초과하는 제 2 지역을 추천할 수 있다.
제 1 지역은 상대적으로 더 큰 지역 단위를 의미하고, 제 2 지역은 제 1 지역 내에 포함되면서 제 1 지역보다는 상대적으로 작은 지역 단위를 의미할 수 있다. 예를 들어, 제 1 지역은 서울특별시, 경기도, 인천광역시와 같은 도나 광역시 단위의 지역을 의미할 수 있다. 제 2 지역은 강남구, 종로구, 서초구 같은 구 단위의 상대적으로 작은 지역을 의미할 수 있다. 제 1 지역 및 제 2 지역은 설정에 따라 달라질 수 있다.
일 실시예에 따르면, 프로세서(130)는 제 2 지역 내에서 유동인구는 지정된 값 미만이면서 매출은 지정된 값을 초과하는 복수의 전자 장치들을 선택하고, 선택된 복수의 전자 장치들이 설치된 업소들의 업종을 확인할 수 있다. 프로세서(130)는 확인된 업종들 내에서 중복되는 업종들을 확인하고 중복되는 수가 많은 순서대로 리스트를 작성하며, 리스트 상에서 지정된 수(예: 3개)의 상위 업종들을 인기 배달업종으로 추천할 수 있다.
특정 지역의 유동인구가 지정된 수준(예: 시간 당 1만명) 미만이면서 매출은 지정된 값(예: 월 100억)을 초과하는 경우 오프라인 상의 인구가 적지만 배달 주문이 활발한 지역으로 판단할 수 있다. 그래서 프로세서(130)는 유동인구는 지정된 값 미만이면서 매출은 지정된 값을 초과하는 복수의 전자 장치들을 기준으로 업종을 확인하고, 인기 배달업종으로 추천할 수 있다. 여기서 예시로 든 숫자들은 설정에 따라 달라질 수 있다.
프로세서(130)는 서버로부터 제 2 지역 내에서 인기 배달업종으로 추천된 상위 업종들에 대한 사업장의 수에 대한 정보를 수신하고, 사업장의 수가 가장 적은 순서대로 창업하기 좋은 업종으로 추천할 수 있다.
프로세서(130)는 사업장의 수가 적은 경우 경쟁자가 적은 것으로 판단하여 창업하기 좋은 것으로 결정할 수 있다.
프로세서(130)는 리스트 상에서 인기 배달업종으로 추천된 업종들(예: 치킨, 피자)에 대해 매출이 가장 많이 발생하는 고객의 성별 및 나이대를 결정하고, 결정된 성별 및 나이대의 고객층의 주문량이 많은 순서대로 업종 리스트를 제공하고, 제공된 업종 리스트 중 지정된 개수의 상위 업종들을 창업하기 좋은 업종으로 추천할 수 있다. 업종들에 대한 매출 정보 및 결정된 성별 및 나이대의 고객층의 주문량에 대한 정보는 서버로부터 수신될 수 있다.
예를 들어, 인기 배달업종으로 추천된 업종들(예: 치킨, 피자)에서 매출이 가장 많이 발생하는 고객의 성별 및 나이대는 20대 남성일 수 있다. 이 경우 20대 남성의 주문량이 가장 많은 순서대로 업종 리스트를 제공하고, 제공된 업종 리스트 중 지정된 개수(예: 상위 3개)의 상위 업종들을 창업하기 좋은 업종으로 추천할 수 있다. 추천된 업종들(예: 치킨, 피자) 및 20대 남성은 일 예시일 뿐 설정에 따라 달라질 수 있다.
프로세서(130)는 서버로부터 제 2 지역 내에서 창업하기 좋은 업종으로 추천된 상위 업종들에 대한 사업장의 수에 대한 정보를 수신하고, 사업장의 수가 가장 적은 순서대로 창업하기 좋은 업종으로 추천할 수 있다.
마찬가지로 프로세서(130)는 사업장의 수가 가장 적은 순서대로 경쟁이 적은 것으로 판단하고 창업하기 좋은 업종으로 추천할 수 있다.
도 6은 일 실시예에 따른 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법을 순서도로 나타낸 것이다.
도 6의 동작들은 도 1 내지 도 5d에서 설명된 시스템(예: 도 1의 시스템(100))을 이용하여 실행될 수 있다. 도 6의 각 동작의 순서가 변경될 수 있으며, 일부 동작이 생략될 수도 있고, 일부 동작들이 동시에 수행될 수도 있다.
동작 602에서, 프로세서(예: 도 1의 프로세서(130))는 고객의 모습을 촬영할 수 있다. 프로세서(130)는 전자 장치(예: 도 1의 시스템(100))로부터 지정된 거리 이내에서 물체가 감지되거나 및/또는 디스플레이(예: 도 2의 디스플레이(210)) 상에 입력이 감지됨에 기반하여 카메라(예: 도 2의 카메라(220))를 이용하여 고객의 모습을 촬영할 수 있다.
동작 604에서, 프로세서(130)는 촬영된 고객의 모습을 분석할 수 있다. 프로세서(130)는 촬영된 고객의 모습을 분석하여 고객의 얼굴, 키, 어깨 골격, 머리카락의 길이에 대한 정보를 획득할 수 있다. 프로세서(130)는 고객의 성별 및 나이대를 결정할 수 있다. 프로세서(130)는 고객의 얼굴, 키, 어깨 골격, 머리카락의 길이에 대한 정보에 기반하여 고객의 성별 및 나이대를 결정할 수 있다. 프로세서(130)는 결정된 고객의 성별 및 나이대에 대한 정보와 고객의 주문 내역에 대한 정보를 서버 상으로 실시간으로 업데이트할 수 있다. 프로세서(130)는 전자 장치에 대한 입력에 기반하여 주문된 메뉴, 주문량 및 매출을 포함하는 주문 정보를 획득하여 서버 상으로 전송할 수 있다.
동작 606에서, 프로세서(130)는 복수의 센서들을 이용하여 전자 장치의 위치로부터 지정된 영역 내의 유동인구의 수를 포함하는 유동인구 정보를 획득하고 서버로 전송할 수 있다.
동작 608에서, 프로세서(130)는 고객 입력에 기반하여 제 1 지역을 선택하고, 서버를 이용하여 제 1 지역 내에 위치한 복수의 전자 장치들로부터 각각 고객 정보 및 주문 정보를 수신하고, 제 1 지역 내에 위치한 복수의 센서들로부터 유동인구 정보를 수신할 수 있다. 제 1 지역은 고객에 의해 선택될 수 있다. 여기서 사용자는 창업을 위해 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 시스템을 이용하는 사람을 의미할 수 있다.
동작 610에서, 프로세서(130)는 제 1 지역에 대해 수신된 주문 정보 및 유동인구 정보에 기반하여 유동인구가 지정된 수를 초과하고 및 특정 메뉴에 대한 주문량도 지정된 수준을 초과하는 제 2 지역을 추천할 수 있다.
본 문서에 따른 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 시스템 및 방법은 유동인구 및 주문량에 기반하여 객관적으로 창업하기 좋은 지역을 추천할 수 있다. 여기서 창업하기 좋은 지역은 잠재 고객의 수가 많아 매출이 많이 발생할 가능성이 있는 지역을 의미할 수 있다.
제 1 지역은 상대적으로 더 큰 지역 단위를 의미하고, 제 2 지역은 제 1 지역 내에 포함되면서 제 1 지역보다는 상대적으로 작은 지역 단위를 의미할 수 있다. 예를 들어, 제 1 지역은 서울특별시, 경기도, 인천광역시와 같은 도나 광역시 단위의 지역을 의미할 수 있다. 제 2 지역은 강남구, 종로구, 서초구 같은 구 단위의 상대적으로 작은 지역을 의미할 수 있다. 제 1 지역 및 제 2 지역은 설정에 따라 달라질 수 있다.
일 실시예에 따르면, 프로세서(130)는 제 1 지역 내에서 유동 인구가 지정된 수를 초과하면서, 매출이 지정된 수준을 초과하는 업종들의 리스트를 생성하고, 리스트 상에서 지정된 개수의 상위 업종을 매장 내 식사 업종 중 인기 업종으로 추천할 수 있다. 유동 인구 및 매출에 대한 정보는 서버로부터 수신될 수 있다.
유동 인구가 지정된 수(예: 100만 명)를 초과하면서 매출이 지정된 수준(예: 월 1억)을 초과하는 경우 오프라인 인구가 많아 오프라인 매출이 높은 것으로 판단할 수 있다. 이 경우 프로세서(130)는 유동 인구가 지정된 수를 초과하면서, 매출이 지정된 수준을 초과하는 업종들의 리스트를 생성하고, 리스트 상에서 지정된 개수(예: 3개)의 상위 업종을 매장 내 식사 업종 중 인기 업종으로 추천할 수 있다. 지정된 수, 지정된 수준, 지정된 개수는 모두 일 예시일 뿐 설정에 따라 달라질 수 있다.
일 실시예에 따르면, 프로세서(130)는 서버를 이용하여 리스트 상에서 지정된 개수의 상위 업종에 대해 제 1 지역 내 사업장의 수에 대한 정보를 수신하고, 제 1 지역 내 사업장의 수가 적은 순서대로 창업하기 좋은 업종으로 추천할 수 있다. 프로세서(130)는 사업장의 수가 적은 경우 경쟁자가 적은 것으로 판단하여 창업하기 좋은 것으로 결정할 수 있다.
일 실시예에 따르면, 프로세서(130)는 리스트 상에서 지정된 개수(예: 3개)의 상위 업종에 대해 매출이 가장 많이 발생하는 고객의 성별 및 나이대를 결정하고, 결정된 성별 및 나이대의 고객층의 주문량이 많은 순서대로 업종 리스트를 제공하고, 제공된 업종 리스트 중 지정된 개수(예: 4개)의 상위 업종들을 고객 선호 업종으로 추천할 수 있다. 업종들에 대한 매출 정보 및 결정된 성별 및 나이대의 고객층의 주문량에 대한 정보는 서버로부터 수신될 수 있다.
예를 들어, 추천된 업종들(예: 분식, 중식)에서 매출이 가장 많이 발생하는 고객의 성별 및 나이대는 30대 남성일 수 있다. 이 경우 30대 남성의 주문량이 가장 많은 순서대로 업종 리스트를 제공하고, 제공된 업종 리스트 중 지정된 개수(예: 상위 3개)의 상위 업종들을 창업하기 좋은 업종으로 추천할 수 있다. 추천된 업종들(예: 분식, 중식) 및 30대 남성은 일 예시일 뿐 설정에 따라 달라질 수 있다.
일 실시예에 따르면, 프로세서(130)는 서버를 이용하여 고객 선호 업종에 대해 제 1 지역 내 사업장의 수에 대한 정보를 수신하고, 제 1 지역 내 사업장의 수가 적은 순서대로 창업하기 좋은 업종으로 추천할 수 있다. 프로세서(130)는 사업장의 수가 적은 경우 경쟁자가 적은 것으로 판단하여 창업하기 좋은 것으로 결정할 수 있다.
일 실시예에 따르면, 프로세서(130)는 획득된 유동인구 정보에 기반하여 제 2 지역 내에서 유동인구가 가장 적은 시간대 및 유동인구가 가장 많은 시간대를 결정하고, 유동인구가 가장 적은 시간대에는 온라인 및 어플리케이션 상에서 광고 노출을 늘리고, 유동인구가 가장 많은 시간대에는 오프라인 상에서 광고 노출을 할 수 있도록 가이드를 제공할 수 있다.
프로세서(130)는 제 1 영역 내에 위치한 적어도 하나의 센서(120)를 이용하여 사람들의 이동 동선, 체류 위치 및 체류 시간에 대한 데이터를 획득하여 서버 상으로 실시간으로 업데이트할 수 있다.
프로세서(130)는 업소 내에 설치된 카메라를 이용하여 특정 영역(zone)(510)에 위치한 사람의 수 또는 특정 영역(510)을 이동하는 유동 인구의 수를 결정할 수 있다. 업소 내에 설치된 카메라는 키오스크나 POS 기기에 설치된 카메라와는 별도로 벽에 설치될 수 있으며, 센서(예: 도 1의 센서(120))와 함께 유동 인구의 수를 결정하는데 사용될 수 있다.
키오스크나 POS 기기는 카메라의 높이가 상대적으로 낮아 개별적으로 고객의 성별이나 신장을 결정할 수 있으나 전체적인 유동 인구를 감지하기는 어려울 수 있다. 천장 또는 벽에 설치된 카메라는 센서(120)와 함께 상대적으로 높은 장소에서 전체적인 유동 인구를 감지하고, 사람들의 이동 동선, 체류 위치 및 체류 시간에 대한 데이터를 획득할 수 있다.
프로세서(130)는 제 1 영역(예: 도 5의 특정 영역(510))을 결정할 수 있다. 프로세서(130)는 지정된 시간(예: 10분) 동안 시스템(100) 주변을 지나는 사람들의 수가 지정된 수준(예: 100명)을 초과함에 기반하여 시스템(100)로부터 지정된 거리(예: 반경 5km) 이내의 영역(zone)을 제 1 영역으로 결정할 수 있다. 지정된 시간(예: 10분) 및 시스템(100) 주변을 지나는 사람들의 수에 대한 지정된 수준(예: 100명)은 일 예시일 뿐 이것으로 한정되는 것은 아니다. 지정된 시간(예: 10분) 및 지정된 수준(예: 100명)은 설정에 따라 달라질 수 있다.
프로세서(130)는 제 1 영역 내 위치한 전자 장치 및 카메라를 이용하여 정보를 획득할 수 있다. 프로세서(130)는 제 1 영역(zone) 내에 위치한 다른 전자 장치들을 이용하여 제 1 영역(zone) 내에서 주문을 하는 사람들의 성별 및 나이대에 대한 정보, 제 1 영역(zone) 내에서 가장 많이 팔리는 제품의 종류 및 업종에 대한 정보, 주문이 가장 많이 들어오는 시간대에 대한 정보 및 주문량에 대한 정보를 획득할 수 있다.
일 실시예에 따르면, 프로세서(130)는 외부 서버와 연결된 다른 전자 장치(예: 키오스크)들로부터 지정된 기간(예: 3개월) 동안 고객과 성별 및 나이대가 같은 다른 고객들의 제품 구매량에 대한 제 1 정보를 수신할 수 있다. 외부 서버와 연결된 다른 키오스크(또는 POS 기기)들은 특정 영역 외부에 위치한 키오스크(또는 POS 기기)들로서 프로세서(130)는 외부 서버를 이용하여 다른 지역의 제품 구매량에 대한 데이터를 수신할 수 있다. 프로세서(130)는 현재를 기준으로 지정된 기간(예: 3개월) 동안의 제품 구매량에 대한 데이터를 수신할 수 있다. 여기서 지정된 기간(예: 3개월)은 일 예시일 뿐 설정에 따라 달라질 수 있다. 예를 들어, 프로세서(130)는 현재로부터 1개월 동안의 제품 구매량에 대한 데이터를 수신할 수도 있다.
프로세서(130)는 실시간으로 제 1 영역 내에 위치하는 다른 키오스크들로부터 제품 구매량에 대한 정보를 제 2 정보를 수신하할 수 있다. 제 1 영역은 창업을 원하는 사용자가 타겟으로 하는 지역을 의미할 수 있다. 프로세서(130)는 제 1 정보 및 제 2 정보에 기반하여 고객의 성별 및 나이대에 대응하는 추천 제품들의 목록을 결정하고, 디스플레이(210) 상에 추천 제품들의 목록을 표시할 수 있다.
제 1 정보는 영역 제한 없이 외부 서버와 연동된 다른 모든 키오스크들로부터 수신되는 정보를 기반으로 선별된 정보를 의미할 수 있다. 제 1 정보는 모든 키오스크들로부터 정보를 수신하기 때문에 정보 처리에 시간이 상대적으로 오래 소요될 수 있으며, 지정된 기간을 정하여 분석을 수행할 수 있다. 제 1 정보는 표본(예: 키오스크 상에서 전송되는 데이터)이 많기 때문에 정확성이 상대적으로 높지만, 분석에 시간이 걸리므로 최신성이 떨어질 수 있다.
제 2 정보는 제 1 영역 내에 위치하는 다른 키오스크들로부터 수신되는 정보를 기반으로 선별된 정보를 의미할 수 있다. 제 2 정보는 대상이 되는 키오스크들이 적기 때문에 실시간으로 분석을 수행할 수 있다. 제 2 정보는 시스템(100)의 위치를 기준으로 주변의 키오스크들의 판매 정보를 분석하므로 지역 상권에 대한 관련성이 상대적으로 높으며, 최신성이 높은 장점이 있다.
일 실시예에 따르면, 프로세서(130)는 제 1 영역 내에 위치한 적어도 하나의 카메라를 이용하여 사람들의 이동 동선, 체류 위치 및 체류 시간에 대한 데이터를 획득하고, 획득한 데이터에 기반하여 제 1 영역을 포함하는 업소의 매대, 카운터 또는 테이블 중 적어도 하나를 포함하는 내부 물건의 위치를 결정하며, 사람들의 이동 동선을 방해하지 않으면서, 체류 시간이 가장 긴 장소에는 마진이 가장 많이 남는 제품의 매대를 배치하고, 체류 시간이 가장 짧은 장소에는 쉴 수 있는 공간을 배치하도록 가이드를 제공할 수 있다.
일 실시예에 따르면, 프로세서(130)는 주문이 가장 많이 들어오는 시간대에 대한 정보와 주문량에 대한 정보에 기반하여 창업 시 필요한 인원에 대한 가이드를 제공하고, 제 1 영역(zone) 내에서 가장 많이 팔리는 제품의 종류 및 업종에 대한 정보에 기반하여 창업 시 추천 업종 및 추천 제품에 대한 가이드를 제공할 수 있다.
일 실시예에 따르면, 프로세서(130)는 지정된 시간(예: 10분) 동안 다른 키오스크 주변을 지나는 사람들의 수가 지정된 수준(예: 100명)을 초과하는 경우 다른 키오스크 반경 5km 이내의 영역(zone)을 제 2 영역으로 결정할 수 있다.
프로세서(130)는 제 2 영역 내에 위치한 다른 키오스크들을 이용하여 제 2 영역(zone) 내에서 주문을 하는 사람들의 성별 및 나이대에 대한 정보, 제 2 영역(zone) 내에서 가장 많이 팔리는 제품의 종류 및 업종에 대한 정보, 주문이 가장 많이 들어오는 시간대에 대한 정보 및 주문량에 대한 정보를 획득할 수 있다.
프로세서(130)는 창업 시 목표로 하는 고객들의 성별 및 나이대에 대한 정보에 기반하여 제 1 영역 및 제 2 영역의 정보를 선별할 수 있다. 프로세서(130)는 제 1 영역 내에서 가장 많이 팔리는 제품 및 업종과 제 2 영역 내에서 가장 많이 팔리는 제품 및 업종을 비교하고, 비교 결과에 기반하여 창업 시 추천 업종 및 추천 제품에 대한 가이드를 제공할 수 있다.
일 실시예에 따르면, 프로세서(130)는 제 2 영역 내에서 가장 많이 팔리는 업종에 대해 제 1 영역 내에서는 제 2 영역 내에서 가장 많이 팔리는 업종에 대응하는 키오스크가 존재하지 않음에 기반하여 해당하는 업종을 선택하여 창업할 것을 추천할 수 있다.
일 실시예에 따르면, 프로세서(130)는 제 2 영역 내에서 가장 많이 팔리는 업종에 대해 제 1 영역 내에서는 제 2 영역 내에서 가장 많이 팔리는 업종에 대응하는 키오스크의 수가 지정된 개수(예: 3개) 미만임에 기반하여 해당하는 업종을 선택하여 창업할 것을 추천할 수 있다. 지정된 개수(예: 3개)는 일 예시일 뿐 창업할 것을 추천하기 위한 키오스크의 개수는 설정에 따라 달라질 수 있다.
프로세서(130)는 제 2 영역 내에서 가장 많이 팔리는 업종에 대해 제 1 영역 내에서는 상 제 2 영역 내에서 가장 많이 팔리는 업종에 대응하는 키오스크의 수가 지정된 개수(예: 10개)를 초과함에 기반하여 해당하는 업종으로 창업할 것을 추천하지 않을 수 있다.
Claims (10)
- 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 시스템에 있어서,
서버;
키오스크 및/또는 POS(point of sales)기기를 포함하는 복수의 전자 장치들;
적어도 하나의 카메라;
복수의 센서들;
적어도 하나의 디스플레이;
프로세서를 포함하고,
상기 프로세서는
상기 전자 장치로부터 지정된 거리 이내에서 물체가 감지되거나 및/또는 상기 디스플레이 상에 입력이 감지됨에 기반하여 카메라를 이용하여 고객의 모습을 촬영하고,
촬영된 고객의 모습을 분석하여 성별 및 나이대를 포함하는 고객 정보를 획득하여 상기 서버로 전송하고,
상기 전자 장치에 대한 입력에 기반하여 주문된 메뉴, 주문량 및 매출을 포함하는 주문 정보를 획득하여 상기 서버로 전송하고,
상기 복수의 센서들을 이용하여 상기 전자 장치의 위치로부터 지정된 영역 내의 유동인구의 수를 포함하는 유동인구 정보를 획득하고 상기 서버로 전송하며,
고객 입력에 기반하여 제 1 지역을 선택하고, 상기 서버를 이용하여 상기 제 1 지역 내에 위치한 복수의 전자 장치들로부터 각각 상기 고객 정보 및 상기 주문 정보를 수신하고, 상기 제 1 지역 내에 위치한 복수의 센서들로부터 상기 유동인구 정보를 수신하며,
상기 제 1 지역에 대해 수신된 상기 주문 정보 및 상기 유동인구 정보에 기반하여 유동인구가 지정된 수를 초과하고 및 특정 메뉴에 대한 주문량도 지정된 수준을 초과하는 제 2 지역을 추천하며,
상기 제 2 지역 내에서
유동인구는 지정된 값 미만이면서 매출은 지정된 값을 초과하는 복수의 전자 장치들을 선택하고,
상기 선택된 복수의 전자 장치들의 업종을 확인하며,
확인된 업종들 내에서 중복되는 업종들을 확인하고 중복되는 수가 많은 순서대로 리스트를 작성하며,
상기 리스트 상에서 지정된 수의 상위 업종들을 인기 배달업종으로 추천하고,
상기 서버로부터 상기 제 2 지역 내에서 인기 배달업종으로 추천된 상위 업종들에 대한 사업장의 수에 대한 정보를 수신하고,
사업장의 수가 가장 적은 순서대로 창업하기 좋은 업종으로 추천하며,
상기 리스트 상에서 인기 배달업종으로 추천된 업종들에 대해 매출이 가장 많이 발생하는 고객의 성별 및 나이대를 결정하고,
결정된 성별 및 나이대의 고객층의 주문량이 많은 순서대로 업종 리스트를 제공하고,
제공된 업종 리스트 중 지정된 개수의 상위 업종들을 창업하기 좋은 업종으로 추천하며,
상기 제 1 지역은 상대적으로 더 큰 지역 단위를 의미하고,
상기 제 2 지역은 상기 제 1 지역 내에 포함되면서 상기 제 1 지역보다는 상대적으로 작은 지역 단위를 의미하는 시스템.
- 삭제
- 삭제
- 삭제
- 제 1항에 있어서,
상기 프로세서는
상기 서버로부터 상기 제 2 지역 내에서 창업하기 좋은 업종으로 추천된 상위 업종들에 대한 사업장의 수에 대한 정보를 수신하고,
사업장의 수가 가장 적은 순서대로 창업하기 좋은 업종으로 추천하는 시스템.
- 제 1항에 있어서,
상기 프로세서는
상기 제 1 지역 내에서 유동 인구가 지정된 수를 초과하면서, 매출이 지정된 수준을 초과하는 업종들의 리스트를 생성하고,
상기 리스트 상에서 지정된 개수의 상위 업종을 매장 내 식사 업종 중 인기 업종으로 추천하며,
유동 인구 및 매출에 대한 정보는 상기 서버로부터 수신되는 시스템.
- 제 6항에 있어서,
상기 프로세서는
상기 서버를 이용하여 상기 리스트 상에서 지정된 개수의 상위 업종에 대해 상기 제 1 지역 내 사업장의 수에 대한 정보를 수신하고,
상기 제 1 지역 내 사업장의 수가 적은 순서대로 창업하기 좋은 업종으로 추천하는 시스템.
- 제 6항에 있어서,
상기 프로세서는
상기 리스트 상에서 지정된 개수의 상위 업종에 대해 매출이 가장 많이 발생하는 고객의 성별 및 나이대를 결정하고,
결정된 성별 및 나이대의 고객층의 주문량이 많은 순서대로 업종 리스트를 제공하고,
제공된 업종 리스트 중 지정된 개수의 상위 업종들을 고객 선호 업종으로 추천하며,
업종들에 대한 매출 정보 및 결정된 성별 및 나이대의 고객층의 주문량에 대한 정보는 상기 서버로부터 수신되는 시스템.
- 제 8항에 있어서,
상기 프로세서는
상기 서버를 이용하여 상기 고객 선호 업종에 대해 상기 제 1 지역 내 사업장의 수에 대한 정보를 수신하고,
상기 제 1 지역 내 사업장의 수가 적은 순서대로 창업하기 좋은 업종으로 추천하는 시스템.
- 제 1 항에 있어서,
상기 프로세서는
획득된 유동인구 정보에 기반하여 상기 제 2 지역 내에서 유동인구가 가장 적은 시간대 및 유동인구가 가장 많은 시간대를 결정하고,
유동인구가 가장 적은 시간대에는 온라인 및 어플리케이션 상에서 광고 노출을 늘리고,
유동인구가 가장 많은 시간대에는 오프라인 상에서 광고 노출을 할 수 있도록 가이드를 제공하는 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230114071A KR102605216B1 (ko) | 2023-08-30 | 2023-08-30 | 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230114071A KR102605216B1 (ko) | 2023-08-30 | 2023-08-30 | 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102605216B1 true KR102605216B1 (ko) | 2023-11-23 |
Family
ID=88974407
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230114071A KR102605216B1 (ko) | 2023-08-30 | 2023-08-30 | 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102605216B1 (ko) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110113520A (ko) * | 2010-04-09 | 2011-10-17 | 에스케이텔레콤 주식회사 | 존 기반 유동 인구에 따른 타겟 광고 제공 시스템 및 그 제공 방법 |
| KR20180005799A (ko) * | 2016-07-07 | 2018-01-17 | 전영준 | 실시간 상담 및 저장이 가능한 웹서비스 사용자의 검색행태에 기반한 능동형 프랜차이즈창업지원방법 |
| KR20200030044A (ko) * | 2018-04-12 | 2020-03-19 | (주)에어포스 | 유동인구 데이터와 pos데이터를 활용한 상권분석 빅데이터 시스템의 운영 방법 |
| KR20210020018A (ko) | 2018-06-13 | 2021-02-23 | 리제너론 파마슈티칼스 인코포레이티드 | 진행성 골화성 섬유이형성증의 설치류 모델 |
| KR20220116764A (ko) * | 2021-02-15 | 2022-08-23 | 주식회사 넥스트페이먼츠 | 사물인터넷 및 인공지능 기술을 활용한 상권 통합형 개인 맞춤 추천 키오스크 시스템과 이의 동작 방법 |
| KR20220168955A (ko) * | 2021-06-16 | 2022-12-26 | 주식회사 빅밸류 | 인공지능 기반 프랜차이즈 컨설팅 시스템 및 이에 의해 수행되는 대상 프랜차이즈의 신규 매장 개설에 대해 컨설팅하는 방법 |
-
2023
- 2023-08-30 KR KR1020230114071A patent/KR102605216B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110113520A (ko) * | 2010-04-09 | 2011-10-17 | 에스케이텔레콤 주식회사 | 존 기반 유동 인구에 따른 타겟 광고 제공 시스템 및 그 제공 방법 |
| KR20180005799A (ko) * | 2016-07-07 | 2018-01-17 | 전영준 | 실시간 상담 및 저장이 가능한 웹서비스 사용자의 검색행태에 기반한 능동형 프랜차이즈창업지원방법 |
| KR20200030044A (ko) * | 2018-04-12 | 2020-03-19 | (주)에어포스 | 유동인구 데이터와 pos데이터를 활용한 상권분석 빅데이터 시스템의 운영 방법 |
| KR20210020018A (ko) | 2018-06-13 | 2021-02-23 | 리제너론 파마슈티칼스 인코포레이티드 | 진행성 골화성 섬유이형성증의 설치류 모델 |
| KR20220116764A (ko) * | 2021-02-15 | 2022-08-23 | 주식회사 넥스트페이먼츠 | 사물인터넷 및 인공지능 기술을 활용한 상권 통합형 개인 맞춤 추천 키오스크 시스템과 이의 동작 방법 |
| KR20220168955A (ko) * | 2021-06-16 | 2022-12-26 | 주식회사 빅밸류 | 인공지능 기반 프랜차이즈 컨설팅 시스템 및 이에 의해 수행되는 대상 프랜차이즈의 신규 매장 개설에 대해 컨설팅하는 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Akerkar | Artificial intelligence for business | |
| US11341515B2 (en) | Systems and methods for sensor data analysis through machine learning | |
| US10956007B2 (en) | Electronic device and method for providing search result thereof | |
| KR102374861B1 (ko) | O2O(On-line to Off-line) 기반 고객 맞춤 정보를 제안하기 위한 시스템 및 방법 | |
| US11580648B2 (en) | System and method for visually tracking persons and imputing demographic and sentiment data | |
| Micu et al. | Assessing an on-site customer profiling and hyper-personalization system prototype based on a deep learning approach | |
| KR102586170B1 (ko) | 전자 장치 및 이의 검색 결과 제공 방법 | |
| Chan et al. | Applied artificial intelligence in business | |
| KR102633435B1 (ko) | Ai 딥러닝 알고리즘을 활용하여 유동 인구 분석을 수행하고 효율적인 공간 활용을 추천하는 방법 및 시스템 | |
| KR102552856B1 (ko) | 커머스 연계 콘텐츠 제공 플랫폼 서비스를 위한 키워드 추출 및 콘텐츠 템플릿 생성 자동화 방법, 장치 및 시스템 | |
| KR102530527B1 (ko) | 건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템 | |
| KR102605216B1 (ko) | 지역 상권 및 상점 데이터를 활용하여 프랜차이즈 업종을 추천하는 방법 및 시스템 | |
| KR102520597B1 (ko) | 시장 분석 및 업체 니즈를 고려한 제품 매칭 방법 | |
| KR102447426B1 (ko) | 초개인화를 위한 퍼스널 컬러와 타임라인 기반 행동 데이터를 분석하여 라이프스타일 가이드 정보를 추천하는 방법, 장치 및 시스템 | |
| KR102655761B1 (ko) | 사람의 특성을 인식하고 제품을 추천하는 전자 장치 및 전자 장치의 동작 방법 | |
| US20220058731A1 (en) | Methods and systems for updating a user interface based on level of user interest | |
| WO2021192190A1 (ja) | 人流予測システム、人流予測方法およびプログラム記録媒体 | |
| KR102633434B1 (ko) | 오프라인 상점 데이터 및 ai 딥러닝 알고리즘을 이용하여 프랜차이즈의 마케팅을 기획하는 방법 및 시스템 | |
| KR102632850B1 (ko) | 사진 또는 영상 인증에 기반하여 리워드를 제공하는 전자 장치 및 전자 장치의 동작 방법 | |
| KR102621308B1 (ko) | 별자리 기반 메타버스 추모관 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| JP2021105838A (ja) | 予測システム、予測方法、及びプログラム | |
| KR102619388B1 (ko) | 별자리 기반 메타버스 추모관 서비스 관련 접속에 따른 시각적 효과 구현 인터페이스 제공 방법, 장치 및 시스템 | |
| KR102625227B1 (ko) | 라이센스 유통 플랫폼 제공 방법, 장치 및 시스템 | |
| KR102619389B1 (ko) | 별자리 기반 메타버스 추모관 서비스의 인터페이스 제공 방법, 장치 및 시스템 | |
| KR102512371B1 (ko) | 온라인 의류 판매 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |