KR102605658B1 - 인공지능 기반 정기배송 재구독률 향상을 위한 개인맞춤상품 추천 및 가맹업체 제품 추천 시스템 - Google Patents

인공지능 기반 정기배송 재구독률 향상을 위한 개인맞춤상품 추천 및 가맹업체 제품 추천 시스템 Download PDF

Info

Publication number
KR102605658B1
KR102605658B1 KR1020230129170A KR20230129170A KR102605658B1 KR 102605658 B1 KR102605658 B1 KR 102605658B1 KR 1020230129170 A KR1020230129170 A KR 1020230129170A KR 20230129170 A KR20230129170 A KR 20230129170A KR 102605658 B1 KR102605658 B1 KR 102605658B1
Authority
KR
South Korea
Prior art keywords
product
purchase
customer
information
artificial intelligence
Prior art date
Application number
KR1020230129170A
Other languages
English (en)
Inventor
강민재
Original Assignee
주식회사 지오벤처스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 지오벤처스 filed Critical 주식회사 지오벤처스
Priority to KR1020230129170A priority Critical patent/KR102605658B1/ko
Application granted granted Critical
Publication of KR102605658B1 publication Critical patent/KR102605658B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 인공지능 기반 정기배송 재구독률 향상을 위한 개인맞춤상품 추천 및 가맹업체 제품 추천 시스템에 관한 것으로 구체적으로는 인공지능 기반으로 고객의 니즈에 맞는 개인 맞춤상품을 추천함으로서 재구독률을 높이기 위한 시스템을 제공하기 위한 것이다.
본 발명은 고객으로부터 받은 설문데이터와 기존고객들의 데이터를 인공지능 기반으로 분석하여 소비자가 더 선호할 수 있는 상품으로 구성된 구독제품을 추천함으로서 구독률을 향상시키는 효과가 있다.
또한 고객의 제품구매성향 데이터를 분석하여 고객의 구매성향이 바뀜에 따라 구독하는 상품 중 변경이 필요한 상품의 변경제품을 추천하므로서 고객의 니즈에 더욱 부합하는 제품을 제공하는 효과가 있다.

Description

인공지능 기반 정기배송 재구독률 향상을 위한 개인맞춤상품 추천 및 가맹업체 제품 추천 시스템{Artificial intelligence-based regular delivery to improve re-subscription rate, personalized product recommendation and affiliate product recommendation system}
본 발명은 인공지능 기반 정기배송 재구독률 향상을 위한 개인맞춤상품 추천 및 가맹업체 제품 추천 시스템에 관한 것으로 구체적으로는 인공지능 기반으로 고객의 니즈에 맞는 개인 맞춤상품을 추천함으로서 재구독률을 높이기 위한 시스템을 제공하기 위한 것이다.
화장지, 생수, 기저귀 등과 같이 일상적으로 소비되는 생필품의 경우 소비자가 대량으로 구매하여 가정 또는 사무실에 비치하여 두고 사용하기에 불편함이 따른다. 그렇다고 매번 필요할 때마다 구매하는 것 역시 구매할 때마다 상품을 고르고 일일이 주문을 해야 하는 번거로움이 있을 뿐만 아니라, 주문 시점과 받는 시점과의 간격으로 인해 당장 써야 할 물건이 없게 되는 상황에 이르곤 한다.
최근, 이러한 불편함을 해소하기 위하여 온라인 쇼핑몰에서는 한번의 주문을 통하여 고객이 원하는 상품을 일정 수량만큼 일정 주기마다(예컨대 매달 정해진 날짜에) 배송하여 주는 정기배송 서비스를 제공하고 있다. 구체적으로, 고객이 온라인 쇼핑몰을 통하여 상품과 해당 상품의 수량을 선정하고, 주문서 페이지에서 정기배송일, 배송지, 결제정보 등의 정기배송 주문정보를 입력하여 정기배송을 요청하면, 온라인 쇼핑몰에서는 고객이 입력한 정기배송 주문정보에 따라 정해진 날짜에 자동으로 주문 및 결제를 처리하여 해당 상품이 고객에게 정기적으로 배송이 될 수 있도록 한다.
하지만 정기배송구독률을 이어가기 위해서는 소비자의 선호와 니즈에 맞는 제품으로 구성해야하나 이에 어려움이 있는 실정이다.
한국공개특허공보 제10-2022-0079249호 (2022.06.13)
본 발명의 목적은 고객으로부터 받은 설문데이터와 기존고객들의 데이터를 인공지능 기반으로 분석하여 소비자가 더 선호할 수 있는 상품으로 구성된 구독제품을 추천함으로서 구독률을 향상시키도록 하는 것이다.
또한 고객의 제품구매성향 데이터를 분석하여 고객의 구매성향이 바뀜에 따라 구독하는 상품 중 변경이 필요한 상품의 변경제품을 추천하므로서 고객의 니즈에 더욱 부합하는 제품을 제공하는 목적이 있다.
상기와 같은 문제를 해결하기 위해 본 발명은 사전에 등록된 설문을 토대로 작성된 작성된 설문정보를 고객단말기(200)로부터 수집하고, 제품구매내역정보를 수집하여 데이터베이스화하여 빅데이터로 형성하고, 수집된 설문 정보와 빅데이터화된 제품구매내역정보를 토대로 인공지능 기반으로 고객 맞춤 상품을 추천하기 위한 상품정기구독서버(100)와, 상기 상품정기구독서버(100)로 접속하기 위한 고객단말기(200)를 포함하고, 상기 상품정기구독서버(100)의 제품구매내역정보는 구매시간정보, 제품내역정보, 설정된기간 내 판매추이, 제품재구매율, 제품페이지클릭대비구매율을 포함하는 것을 특징으로 하는 인공지능 기반 정기배송 재구독률 향상을 위한 개인 맞춤상품 추천 시스템을 제공한다.
본 발명은 고객으로부터 받은 설문데이터와 기존고객들의 데이터를 인공지능 기반으로 분석하여 소비자가 더 선호할 수 있는 상품으로 구성된 구독제품을 추천함으로서 구독률을 향상시키는 효과가 있다.
또한 고객의 제품구매성향 데이터를 분석하여 고객의 구매성향이 바뀜에 따라 구독하는 상품 중 변경이 필요한 상품의 변경제품을 추천하므로서 고객의 니즈에 더욱 부합하는 제품을 제공하는 효과가 있다.
도 1은 본 발명의 전체적인 구성도이다.
도 2는 본 발명의 상품정기구독서버(100)의 세부구성도이다.
도 3은 본 발명의 실시예를 나타낸 도면이다.
도 4은 본 발명의 순서도이다.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.
이하에서 언급되는 "사용자 단말"은 네트워크를 통해 서버나 타 단말에 접속할 수 있는 컴퓨터나 휴대용 단말기로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop) 등을 포함하고, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000,W-CDMA(W-Code Division Multiple Access), LTE(Long Term Evolution) 단말 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 또한, "네트워크"는 근거리 통신망(Local Area Network;LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선네트워크나 이동 통신망(mobile radio communication network) 또는 위성 통신망 등과 같은 모든 종류의 무선네트워크로 구현될 수 있다.
본 발명은 인공지능 기반 정기배송 재구독률 향상을 위한 개인 맞춤상품 추천 시스템에 관한 것으로 구체적으로는 인공지능 기반으로 고객의 니즈에 맞는 개인 맞춤상품을 추천함으로서 재구독률을 높이기 위한 시스템을 제공하기 위한 것이다.
도 1은 본 발명의 인공지능 기반 정기배송 재구독률 향상을 위한 개인 맞춤상품 추천 시스템의 전체구성도로서 본 발명은 상품정기구독서버(100)와 고객단말기(200)로 구성된다.
도 2는 본 발명의 상품정기구독서버(100)의 세부구성도이다.
상품정기구독서버(100)는 사전에 등록된 설문을 토대로 작성된 작성된 설문정보를 고객단말기(200)로부터 수집하고, 제품구매내역정보를 수집하여 데이터베이스화하여 빅데이터로 형성하고, 수집된 설문 정보와 빅데이터화된 제품구매내역정보를 토대로 인공지능 기반으로 고객 맞춤 상품을 추천하기 위한 것이다.
상기 상품정기구독서버(100)는 설문정보수집부(110), 고객데이터수집부(120), 상품추천부(130), 변경상품추천부(140), 상품공유보상부(150), 가맹업체추천부(160)를 포함하여 구성된다.
설문정보수집부(110)는 사전에 등록된 설문을 고객단말기(200)로 제공하고 작성된 설문정보를 수집하기 위한 것이다.
고객데이터수집부(120)는 구매시간정보, 제품내역정보, 설정된기간 내 판매추이, 제품재구매율, 제품페이지클릭대비구매율을 포함하는 제품구매내역정보를 수집하여 데이터베이스화하여 빅데이터로 형성하기 위한 것이다.
즉 구매시간정보, 제품내역정보, 설정된 기간 내 판매추이, 제품재구매율, 제품페이지클릭대비구매율을 포함하는 제품구매내역정보를 수집하여 빅데이터로 형성하되, 데이터는 시간별, 구매종류별 등으로 나뉘어 저장될 수 있다.
상품추천부(130)는 설문정보수집부를 통해 수집된 설문 정보와 고객데이터수집부를 통해 빅데이터화된 제품구매내역정보를 토대로 인공지능 기반으로 고객 맞춤 상품을 추천하기 위한 것이다.
인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시 각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.
상기 상품추천부(130)는 상품페이지관심도를 계산하여 맞춤 상품 추천에 반영하는 것을 포함하며 이는 [수학식 1]을 통하여 계산될 수 있다. 즉 상품페이지를 바라보는 집중도를 통하여 고객이 어느 정도 관심을 가지는지를 수치화하여 객관적으로 분석할 수 있으며 이를 통해 고객이 관심도를 높게 가지는 상품을 더욱 더 잘 추천할 수 있도록 하기 위한 것이다.
Figure 112023106891734-pat00001
여기서 N은 상품페이지관심도, d는 페이지평균유지지속시간 길이, p는 특정 집중도유지총시간, Uh는 적어도 두번 이상 중복적으로 지속된 특정집중도유지시간, lh는 h번째 중복 검출된 특정집중도의 중복 검출영역수, Bi는 i번째 특정집중도유지시간, q는 특정집중도의 생성 빈도수, z는 적어도 두곳 이상의 영역에서 특정집중도가 중복 검출된 빈도수의 총 합이다.
여기서 페이지평균유지지속시간와 특정집중도유지시간은 모두 시간 기준으로 하며 바람직하게는 초단위 기준으로 할 수 있다.
또한 특정집중도는 고객이 고객단말기(200)를 통해 상품정기구독서버(100)에 접속하여 바라보는 화면을 통해 추출된 눈의 위치를 통하여 분석된 것으로, 특정 위치에 눈이 위치할 경우 집중하고 있는 것으로 판단하여 특정집중도에 해당된다고 판단할 수 있다.
예를 들어 특정상품 페이지에 유입되는 고객의 페이지평균유지지속시간 길이가 180초이고, 고객이 해당 상품페이지로 들어와서 상품을 볼 때 특정 집중도유지총시간이 100초이며, 특정집중도가 총 3번 지속되었고, 1번째 측정된 특정집중도유지 시간은 10초, 1번째 측정된 특정집중도유지 시간은 8초, 1번째 측정된 특정집중도유지 시간은 15초, 적어도 두 곳 이상에서 중복 검출된 특정집중도는 총 1회이고, 중복 검출된 특정집중도 유지시간은 15초, 중복 검출 영역의 수가 2개라고 가정하면 상품페이지관심도가 다음과 같이 산출된다.
Figure 112023106891734-pat00002
즉 상품페이지관심도 N은 7.51으로 산출되며 이렇게 산출된 상품페이지 관심도는 고객이 해당 상품페이지에 얼마나 집중했는지를 수치화된 값으로 계산함으로서 객관적으로 분석이 가능하여 해당 상품페이지에 관심도가 어느정도 있는지 파악함으로서 고객의 선호도를 보다 명확하게 분석할 수 있다.
변경상품추천부(140)는 분석된 제품구매성향을 토대로 인공지능기반으로 구성상품 중 변경이 필요한 상품을 변경할 수 있도록 변경상품을 추천하기 위한 것이다.
상기 변경상품추천부(140)는 제품구매성향분석부(141)를 더 포함한다.
상기 제품구매성향분석부(141)는 고객단말기(100)로부터 고객의 인터넷검색패턴 및 제품구매내역을 제공받아 제품구매성향을 분석하기 위한 것이다.
구체적으로는 제품구매성향을 토대로 고객이 구매하는 유사한 종류의 제품을 패턴화시켜 군집화하며 특정 패턴의 제품의 구입빈도수를 분석한다. 또한 고객의 제품을 구매하는 주기를 분석하여 고객의 구매성향변화상황을 분석하여 제품구매성향을 분석하도록 한다.
또한 상기 변경상품추천부(140)는 K상품에 대한 소정 문항의 구매만족도설문 문항에 대한 답변을 고객단말기(200)로부터 제공받고, 판매자가 예상하는 K상품의 예상만족도스코어를 제공받아 실만족도지표값을 제공할 수 있으며, 판매자가 고객의 니즈를 얼마나 정확히 파악하고 판매할 상품을 선택하는지에 대한 척도를 수치적으로 나타낸 것을 의미한다. 다시 말해, 하기 [수학식 2]에서 계산된 실만족도지표값이 낮은 값이 나오면 판매자가 고객의 니즈에 대한 파악정도가 높은 것으로 판단할 수 있으며 만족도지표값이 높은 값이 나오면 이에 대한 대책을 빠르게 마련 할 수 있도록 하는 것이다.
상기 실만족도지표값은 [수학식 2]를 통하여 계산할 수 있다.
Figure 112023106891734-pat00003
여기서 Mi는 실만족도지표값이며, σW는 예상만족도스코어의 분산값, σR는 구매만족도설문 답변 점수의 분산값, m은 설문문항 전체 개수, c는 각 설문문항에 부여된 넘버값을 의미한다. 또한 c=1,2,...,m이며, m>1이다.
예를 들면, 나머지 값은 동일하고 예상만족도스코어를 달리 설정했을때 실만족도지표값 Mi을 산출하면 아래와 같다.
(예시 1)
m이 4, σW이 32.8, σR이 각각 7.2, 6.1, 8.1, 7일때 수학식 1을 통하여 실만족도지표값 Mi을 산출하면 아래와 같다.
Figure 112023106891734-pat00004
(예시 2)
m이 4, σW이 28, σR이 각각 7.2, 6.1, 8.1, 7일때 수학식 1을 통하여 실만족도지표값 Mi을 산출하면 아래와 같다.
Figure 112023106891734-pat00005
상기 계산식에 의해 실만족도지표값 Mi은 예시 1에서 1.08이며, 예시 2에서 0.99임을 확인할 수 있다.
이를 통해 계산된 실만족도지표값은 기준값 대비 높은지, 낮은지 여부를 판단할 수도 있으며 계산된 수치들을 상대비교하여 판단할 수 있다.
이와 같이 계산된 실만족도지표값을 통해 사전에 설정된 기준값을 대비 얼마나 높은지 낮은지를 판단할 수있으며 기준값 대비 또는 상대비교하여 낮은 값이라면 고객의 니즈에 부합하는 상품이라 판단하여 이후 K상품의 추천빈도를 늘리거나 특정상품이 상위노출되도록 설정할 수 있으며, 설정된 기준값 또는 상대비교한 값 보다 높은 경우 K상품을 대체하는 다른 상품을 판매할 수 있도록 한다.
상품공유보상부(150)는 고객단말기(200)를 통해 외부사이트에 공유된 상품공유정보 대비 공유 상품 판매전환율을 분석하여 보상예상정보를 제공하기 위한 것이다.
상기 상품공유보상부(150)는 상품공유를 컨텐츠로 하는 경우 공유된 컨텐츠가 노출된 범위 내에서 조회된 비율을 계산할 수 있다. 즉 컨텐츠가 게시된 페이지로 얼마나 접속이 이어지는지에 대한 클릭율과 클릭된 상품을 구매하는 숫자, 비율등을 계산하여 고객에게 보상을 제공할 수 있다.
보상을 제공하는 방법을 보상가중치를 부여하여 고객에게 얼마나 보상이 되는지에 대한 보상예상정보를 제공하는 방법이 있을 수 있다.
즉 일예를 들자면, 상기 상품공유보상부(150)는 상품공유게시물 개수, 상품 판매가격, 상품판매 개수, 상품판매페이지방문연결수 등을 통하여 보상가중치를 부여하고, 부여된 보상가중치에 따라 상품보상액수를 예측하는 정보인 보상예상정보를 제공한다.
보상 가중치는 상품공유게시물 개수 대비 상품판매 개수를 분석하여 기설정된 기준에 따른 보상가중치를 부여하되, 공유게시물 대비 구매전환율이 높은 제품에 대해 더 높은 보상가중치를 부여할 수 있도록 함으로서 구매전환율이 높은 제품에 대한 상품 공유 게시물을 공유하는 것에 집중할 수 있도록 하는 효과가 있다.
또 보상 가중치는 상품공유게시물 개수 대비 상품판매페이지방문수를 분석하여 기설정된 기준에 따른 부여하되, 상품공유게시물 생성에 집중할 수 있도록 하는 효과가 있다.
또 연속적으로 설정된 기준보다 높은 보상가중치를 받는 경우 그에 따른 보상이 지급되도록 할 수 있다.
이를 통하여 사용자가 사용하는 상품을 적극적으로 홍보함으로서 홍보한 내용을 보고 구매까지 이어지게 되면 보상을 해주되, 보상가중치를 부여함으로서 홍보에 동기를 부여할 수 있으므로 판매자와 고객 모두 이익을 얻을 수 있는 효과가 있다.
가맹업체추천부(160)는 고객정보를 기초로하여 고객의 위치에서 가까운 거리의 가맹업체의 제품정보를 추천하기 위한 것이다.
상기 가맹업체추천부(160)는 타고객후기,전문가분석 등을 데이터베이스화하여 형성된 빅데이터에 의해 제공되는 것이거나 인공지능 기반으로 필터링이 되어 제공되는 것으로 고객이 쉽게 접근할 수 있도록 고객이 위치한 곳에서 설정된 거리 내에 위치하는 가맹업체만을 추천하는 것이 바람직하다.
이는 가맹업체와도 서로 협력함으로서 이익을 얻을 수 있는 구조를 제시할 수 있으며, 또 고객입장에서 좀 더 니즈에 부합하는 업체와 제품을 추천받을 수 있어 신뢰도가 올라가는 효과가 있다.
도 3은 본 발명의 실시예를 나타낸 도면이다.
소비자가 전송한 설문정보를 설문정보수집부로 수집하고(n1), 수집된 설문 정보와 고객데이터수집부를 통해 빅데이터화된 제품구매내역정보를 토대로 인공지능 기반으로 고객 맞춤 상품을 추천하며(n2), 이를 확인한 소비자(고객)가 구독서비스를 신청하는 경우 정기구매제품을 제공받을 수 있다(n3).
또한 소비자는 다른 소비자에게 사용하고 있는 상품을 공유할 수 있으며(n4), 공유된 상품이 구매로 이어지는 경우 이에 대한 보상을 제공받을 수 있다.
도 4를 참고하여 인공지능 기반 정기배송 재구독률 향상을 위한 개인 맞춤상품 추천 방법은 다음과 같다.
상기 인공지능 기반 정기배송 재구독률 향상을 위한 개인 맞춤상품 추천 시스템을 토대로 한 본 발명의 개인 맞춤 상품 추천 방법은 고객데이터수집단계(S1), 설문정보수집단계(S2), 인공지능분석단계(S3), 상품추천단계(S4), 변경상품추천단계(S5)를 포함하여 진행된다.
S1)고객데이터수집단계
고객데이터수집단계(S1)는 매시간정보, 제품내역정보, 설정된기간 내 판매추이, 제품재구매율, 제품페이지클릭대비구매율을 포함하는 제품구매내역정보를 수집하여 데이터베이스화하여 빅데이터로 형성하는 단계이다.
즉 고객데이터수집단계(S1)는 상품정기구독서버(100)의 고객데이터수집부(120)를 통하여 빅데이터를 형성할 수 있다.
S2)설문정보수집단계
설문정보수집단계(S2)는 사전에 등록된 설문을 고객단말기(200)로 제공하고 작성된 설문정보를 수집하는 단계이다.
상기 설문정보수집단계(S2)는 설문정보수집부(110)를 통하여 설문정보를 수집할 수 있다.
S3)인공지능분석단계
인공지능분석단계(S3)는 설문정보수집단계(S2)를 통해 수집된 설문 정보와 고객데이터수집단계(S1)를 통해 빅데이터화된 제품구매내역정보를 토대로 인공지능 기반으로 분석하는 단계이다.
상기 인공지능분석단계(S3)는 상품추천부(130)를 통하여 설문 정보와 제품구매내역정보를 토대로 인공지능 기반으로 분석할 수 있으며 인공지능 기반 분석을 통해 고객에게 가장 최적의 상품을 추천할 수 있도록 한다.
S4)상품추천단계
상품추천단계(S4)는 분석된 정보를 토대로 고객 맞춤 상품을 추천하는 단계이다.
상품추천단계(S4)는 상기 인공지능분석단계(S3)를 통해 인공지능 기반 분석된 고객 맞춤 상품을 추천할 수 있으며 상품추천부(130)에서 진행될 수 있다.
또한 상기 인공지능 기반 정기배송 재구독률 향상을 위한 개인 맞춤상품 추천 방법은 변경상품추천단계(S5), 상품공유보상단계(S6), 가맹업체추천단계(S7)가 각각 진행될 수 있다.
S5)변경상품추천단계
변경상품추천단계(S5)는 분석된 제품구매성향을 토대로 인공지능기반으로 구성상품 중 변경이 필요한 상품을 변경할 수 있도록 변경상품을 추천하는 단계이다.
즉 변경상품추천부(140)를 통해 진행되는 것으로 고객단말기(100)로부터 고객의 인터넷검색패턴 및 제품구매내역을 제공받아 제품구매성향을 분석하기 위한 것이다.
구체적으로는 제품구매성향을 토대로 고객이 구매하는 유사한 종류의 제품을 패턴화시켜 군집화하며 특정 패턴의 제품의 구입빈도수를 분석한다. 또한 고객의 제품을 구매하는 주기를 분석하여 고객의 구매성향변화상황을 분석하여 제품구매성향을 분석하도록 한다.
S6)상품공유보상단계
상품공유보상단계(S6)는 고객이 소지한 고객단말기를 통해 외부사이트에 공유된 상품공유정보 대비 공유 상품 판매전환율을 분석하여 보상예상정보를 제공하는 단계이다.
상기 상품공유보상단계(S6)는 상품공유보상부(150)를 통해 이루어지며, 상품공유를 컨텐츠로 하는 경우 공유된 컨텐츠가 노출된 범위 내에서 조회된 비율을 계산할 수 있다. 즉 컨텐츠가 게시된 페이지로 얼마나 접속이 이어지는지에 대한 클릭율과 클릭된 상품을 구매하는 숫자, 비율등을 계산하여 고객에게 보상을 제공할 수 있다.
보상을 제공하는 방법을 보상가중치를 부여하여 고객에게 얼마나 보상이 되는지에 대한 보상예상정보를 제공하는 방법이 있을 수 있다.
즉 일예를 들자면, 상기 상품공유보상부(150)는 상품공유게시물 개수, 상품 판매가격, 상품판매 개수, 상품판매페이지방문연결수 등을 통하여 보상가중치를 부여하고, 부여된 보상가중치에 따라 상품보상액수를 예측하는 정보인 보상예상정보를 제공한다.
보상 가중치는 상품공유게시물 개수 대비 상품판매 개수를 분석하여 기설정된 기준에 따른 보상가중치를 부여하되, 공유게시물 대비 구매전환율이 높은 제품에 대해 더 높은 보상가중치를 부여할 수 있도록 함으로서 구매전환율이 높은 제품에 대한 상품 공유 게시물을 공유하는 것에 집중할 수 있도록 하는 효과가 있다.
또 보상 가중치는 상품공유게시물 개수 대비 상품판매페이지방문수를 분석하여 기설정된 기준에 따른 부여하되, 상품공유게시물 생성에 집중할 수 있도록 하는 효과가 있다.
또 연속적으로 설정된 기준보다 높은 보상가중치를 받는 경우 그에 따른 보상이 지급되도록 할 수 있다.
이를 통하여 사용자가 사용하는 상품을 적극적으로 홍보함으로서 홍보한 내용을 보고 구매까지 이어지게 되면 보상을 해주되, 보상가중치를 부여함으로서 홍보에 동기를 부여할 수 있으므로 판매자와 고객 모두 이익을 얻을 수 있는 효과가 있다.
S7)가맹업체추천단계
가맹업체추천단계(S7)는 고객정보를 기초로하여 고객의 위치에서 가까운 거리의 가맹업체의 제품정보를 추천하는 단계이다.
상기 가맹업체추천단계(S7)는 가맹업체추천부(160)를 통해 이루어질 수 있으며, 타고객후기,전문가분석 등을 데이터베이스화하여 형성된 빅데이터에 의해 제공되는 것이거나 인공지능 기반으로 필터링이 되어 제공되는 것으로 고객이 쉽게 접근할 수 있도록 고객이 위치한 곳에서 설정된 거리 내에 위치하는 가맹업체만을 추천하는 것이 바람직하다.
이는 가맹업체와도 서로 협력함으로서 이익을 얻을 수 있는 구조를 제시할 수 있으며, 또 고객입장에서 좀 더 니즈에 부합하는 업체와 제품을 추천받을 수 있어 신뢰도가 올라가는 효과가 있다.
이상과 같은 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
100 상품정기구독서버
110 설문정보수집부
120 상품추천부
130 고객데이터수집부
131 제품구매내역수집부
140 변경상품추천부
141 제품구매경향분석부
150 상품공유보상부
160 가맹업체추천부

Claims (2)

  1. 사전에 등록된 설문을 토대로 작성된 작성된 설문정보를 고객단말기(200)로부터 수집하고, 제품구매내역정보를 수집하여 데이터베이스화하여 빅데이터로 형성하고, 수집된 설문 정보와 빅데이터화된 제품구매내역정보를 토대로 인공지능 기반으로 고객 맞춤 상품을 추천하기 위한 상품정기구독서버(100)와,
    상기 상품정기구독서버(100)로 접속하기 위한 고객단말기(200)를 포함하고,

    상기 상품정기구독서버(100)의 제품구매내역정보는
    구매시간정보, 제품내역정보, 설정된기간 내 판매추이, 제품재구매율, 제품페이지클릭대비구매율을 포함하고,

    상품정기구독서버(100)는
    사전에 등록된 설문을 고객단말기(200)로 제공하고 작성된 설문정보를 수집하는 설문정보수집부(110)와,
    구매시간정보, 제품내역정보, 설정된기간 내 판매추이, 제품재구매율, 제품페이지클릭대비구매율을 포함하는 제품구매내역정보를 수집하여 데이터베이스화하여 빅데이터로 형성하기 위한 고객데이터수집부(120)와,
    설문정보수집부를 통해 수집된 설문 정보와 고객데이터수집부를 통해 빅데이터화된 제품구매내역정보를 토대로 인공지능 기반으로 고객 맞춤 상품을 추천하기 위한 상품추천부(130)와,
    분석된 제품구매성향을 토대로 인공지능기반으로 구성상품 중 변경이 필요한 상품을 변경할 수 있도록 변경상품을 추천하기 위한 변경상품추천부(140)와,
    고객정보를 기초로하여 고객의 위치에서 가까운 거리의 가맹업체의 제품정보를 추천하기 위한 가맹업체추천부(160)를 포함하고,
    변경상품추천부(140)는
    고객단말기(100)로부터 고객의 인터넷검색패턴 및 제품구매내역을 제공받아 제품구매성향을 분석하기 위한 제품구매성향분석부(141)를 더 포함하는 것을 특징으로 하고,

    상기 상품추천부(130)는 하기 수학식1을 통해 상품페이지관심도를 계산하여 맞춤 상품 추천에 반영하는 것을 포함하며,
    [수학식 1]은

    (여기서 N은 상품페이지관심도, d는 페이지평균유지지속시간 길이, p는 특정 집중도유지총시간, Uh는 적어도 두번 이상 중복적으로 지속된 특정집중도유지시간, lh는 h번째 중복 검출된 특정집중도의 중복 검출영역수, Bi는 i번째 특정집중도유지시간, q는 특정집중도의 생성 빈도수, z는 적어도 두곳 이상의 영역에서 특정집중도가 중복 검출된 빈도수의 총 합이다.)
    인 것을 특징으로 하고,

    상기 변경상품추천부(140)는
    특정 상품에 대한 소정 문항의 구매만족도설문 문항에 대한 답변을 고객단말기(200)로부터 제공받고, 판매자가 예상하는 특정 상품의 예상만족도스코어를 제공받아 실만족도지표값을 제공하되,
    [수학식 2]은

    (여기서 Mi는 실만족도지표값이며, σW는 예상만족도스코어의 분산값, σR는 구매만족도설문 답변 점수의 분산값, m은 설문문항 전체 개수, c는 각 설문문항에 부여된 넘버값을 의미한다. 또한 c=1,2,...,m이며, m>1이다.) 인 것을 특징으로 하는 인공지능 기반 정기배송 재구독률 향상을 위한 개인맞춤상품 추천 및 가맹업체 제품 추천 시스템.
  2. 제1항에 있어서,
    상기 고객데이터수집부(120)는
    구매시간정보, 제품내역정보, 설정된 기간 내 판매추이, 제품재구매율, 제품페이지클릭대비구매율을 포함하는 제품구매내역정보를 수집하여 빅데이터로 형성하되, 박데이터는 시간별, 구매종류별로 나뉘어 저장되는 것을 특징으로 하는 인공지능 기반 정기배송 재구독률 향상을 위한 개인맞춤상품 추천 및 가맹업체 제품 추천 시스템.
KR1020230129170A 2023-05-30 2023-09-26 인공지능 기반 정기배송 재구독률 향상을 위한 개인맞춤상품 추천 및 가맹업체 제품 추천 시스템 KR102605658B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230129170A KR102605658B1 (ko) 2023-05-30 2023-09-26 인공지능 기반 정기배송 재구독률 향상을 위한 개인맞춤상품 추천 및 가맹업체 제품 추천 시스템

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020230069477A KR102585731B1 (ko) 2023-05-30 2023-05-30 인공지능 기반 정기배송 재구독률 향상을 위한 개인 맞춤상품 추천 시스템
KR1020230129170A KR102605658B1 (ko) 2023-05-30 2023-09-26 인공지능 기반 정기배송 재구독률 향상을 위한 개인맞춤상품 추천 및 가맹업체 제품 추천 시스템

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020230069477A Division KR102585731B1 (ko) 2023-05-30 2023-05-30 인공지능 기반 정기배송 재구독률 향상을 위한 개인 맞춤상품 추천 시스템

Publications (1)

Publication Number Publication Date
KR102605658B1 true KR102605658B1 (ko) 2023-11-24

Family

ID=88291891

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020230069477A KR102585731B1 (ko) 2023-05-30 2023-05-30 인공지능 기반 정기배송 재구독률 향상을 위한 개인 맞춤상품 추천 시스템
KR1020230129170A KR102605658B1 (ko) 2023-05-30 2023-09-26 인공지능 기반 정기배송 재구독률 향상을 위한 개인맞춤상품 추천 및 가맹업체 제품 추천 시스템

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020230069477A KR102585731B1 (ko) 2023-05-30 2023-05-30 인공지능 기반 정기배송 재구독률 향상을 위한 개인 맞춤상품 추천 시스템

Country Status (1)

Country Link
KR (2) KR102585731B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118313906B (zh) * 2024-06-11 2024-08-20 杭州字节方舟科技有限公司 一种个性化产品推荐方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100961782B1 (ko) * 2009-05-28 2010-06-07 주식회사 모임 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체
KR20200048183A (ko) * 2018-10-29 2020-05-08 채대성 상품의 신뢰도를 고려한 온라인 상품 추천 방법 및 장치
KR20220019335A (ko) * 2020-08-10 2022-02-17 건국대학교 글로컬산학협력단 신발 추천 장치 및 방법
KR20220079249A (ko) 2020-12-04 2022-06-13 주식회사 더제이스마케팅컴퍼니 소비자 수요를 예측하고 이를 반영한 정기배송 방법 및 시스템
KR20220122414A (ko) * 2021-02-26 2022-09-02 김택진 인공지능 기반 유저와 판매자의 마이데이터를 활용하여 정기구독 플랫폼에서 큐레이팅 서비스를 제공하는 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100961782B1 (ko) * 2009-05-28 2010-06-07 주식회사 모임 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체
KR20200048183A (ko) * 2018-10-29 2020-05-08 채대성 상품의 신뢰도를 고려한 온라인 상품 추천 방법 및 장치
KR20220019335A (ko) * 2020-08-10 2022-02-17 건국대학교 글로컬산학협력단 신발 추천 장치 및 방법
KR20220079249A (ko) 2020-12-04 2022-06-13 주식회사 더제이스마케팅컴퍼니 소비자 수요를 예측하고 이를 반영한 정기배송 방법 및 시스템
KR20220122414A (ko) * 2021-02-26 2022-09-02 김택진 인공지능 기반 유저와 판매자의 마이데이터를 활용하여 정기구독 플랫폼에서 큐레이팅 서비스를 제공하는 방법

Also Published As

Publication number Publication date
KR102585731B1 (ko) 2023-10-10

Similar Documents

Publication Publication Date Title
Su et al. A method for discovering clusters of e-commerce interest patterns using click-stream data
US10296961B2 (en) Hybrid recommendation system
US8666844B2 (en) Intelligent performance-based product recommendation system
KR102001337B1 (ko) 빅데이터 및 ａｉ를 이용한 피부 타입 맞춤형 서비스 통합제공시스템
EP1727063A1 (en) Systems for user profiling and search results filtering based on propensity modelling
Winter A laboratory experiment of individual attitude response to advertising exposure
KR20100091669A (ko) 전자상거래 서비스에서의 개인화 추천 시스템
AU2002224386A1 (en) Intelligent performance-based product recommendation system
KR102605658B1 (ko) 인공지능 기반 정기배송 재구독률 향상을 위한 개인맞춤상품 추천 및 가맹업체 제품 추천 시스템
Scholz et al. Using PageRank for non-personalized default rankings in dynamic markets
Huseynov et al. Incorporating biometric data in models of consumer choice
KR20190067619A (ko) 스마트기기 신체분석과 연동된 헬스케어 정보제공 및 제품구독 서비스 제공 방법
Parasuraman et al. A management-oriented model for allocating sales effort
Razavi et al. Determinants of online hotel room prices: comparing supply-side and demand-side decisions
Song et al. The effects of incorporating compensatory choice strategies in Web-based consumer decision support systems
WO2015155689A1 (en) Methods, platforms and systems for paying persons for use of their personal intelligence profile data
KR20210084037A (ko) 상품 정보 제공 방법 및 장치
KR101873319B1 (ko) 실시간 홍보 및 이벤트 제공시스템
Erdiyana et al. Social Media Influencers’ Role on Brand Engagement, Value, and Consumers' Intention to Buy Muslim Fashion
Jiménez-Rodríguez et al. Influence of computer knowledge and level of education on Spanish citizens’ propensity to use E-commerce
KR102628704B1 (ko) 고객 니즈 맞춤형 상품 추천 및 상품공유 보상예상정보 제공 시스템
KR102585758B1 (ko) 상품공유율 향상을 위한 상품보상 시스템
KR20230071269A (ko) 빅데이터 기반 인공지능 기계학습을 이용한 맞춤형 화장품을 제공하는 시스템 및 방법
KR101641725B1 (ko) 음식쿠폰 추천 시스템
Swart The effect of lifestyle and perceived value on the purchase intention of consumers in the cellular industry

Legal Events

Date Code Title Description
A107 Divisional application of patent
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant