KR102608849B1 - 고객사 데이터의 정확도 향상을 위한 ｃａｄ 프로그램 판매영업 관리 서비스 제공 시스템 - Google Patents

Abstract

고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템이 제공되며, 고객사명, 영업담당자, 유통사, 제품, 제품분류, 계약형태, 수량, 구매예정일, 진행상태 및 영업기간을 포함하는 세일즈 정보를 입력하는 사용자 단말 및 사용자 단말로부터 세일즈 정보를 입력받는 데이터베이스화부, 세일즈 정보를 이용하여 B2B(Busniess to Business) 거래의 CRM(Customer Relationship Management)을 수행하도록 고객사 데이터를 누적 및 저장하는 저장부, 고객사 데이터에 기반하여 고객사를 기 설정된 그룹으로 분류하는 분류부, 분류된 그룹의 기 설정된 특징(Feature)에 기반하여 CRM을 수행하는 관리부를 포함하는 관리 서비스 제공 서버를 포함한다.

Description

고객사 데이터의 정확도 향상을 위한 ＣＡＤ 프로그램 판매영업 관리 서비스 제공 시스템{SYSTEM FOR PROVIDING CAD PROGRAM BUSINESS SALES MANAGEMENT SERVICE FOR IMPROVING ACCURACY OF CLIENT DATA}

본 발명은 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템에 관한 것으로, 고객사 데이터를 B2B 영업단계별로 저장함으로써 고객사 데이터의 정확도를 향상시킬 수 있는 시스템을 제공한다.

B2B 시장은 B2C 시장에 비해 전체 시장규모 측면과 단위당 거래량에 있어서 매우 큰 비중을 차지한다. 이러한 이유로 구매의사결정이 B2C 구매에 비해 복잡하고 긴 프로세스를 지니고, 영업사원 개인의 판매성향을 결정하는 성격유형에 있어서도 B2B 영업에서는 영업사원의 개방성이 중요하며, B2C 영업에서는 친화성과 성실성이 보다 중요한 것으로 분석되었다. 전략적 측면에서도 B2B 영업에서는 조직적 측면과 개인 측면 모두를 고려해야 하며, 가치 기반 영업, 고객관계 관리, 고객 세분화 등의 판매 전략을 함께 고려해야하는 복잡성이 존재한다. B2B 영업의 특성을 포함하여 최근에는 기술 발전과 환경의 변화에도 주목해야 한다. 4차 산업 혁명을 중심으로 한 디지털 기술의 발전은 영업조직과 영업사원 개인에게도 많은 변화를 가져오고 있는데, 그 중심에 IT 기업의 영업이 존재한다.

이때, 영업기회의 기한을 모니터링하기 위하여 ERP를 구축하거나 B2B 거래에서 고객관계관리를 수행하는 방법이 연구 및 개발되었는데, 이와 관련하여, 선행기술인 한국등록특허 제10-2476031호(2022년12월09일 공고) 및 한국등록특허 제10-2369876호(2022년03월04일 공고)에는, 기업이 고객사로부터 수주할 기회인 영업기회정보를 획득한 후 영업기회정보로 생성할 때, 수주에 대응하는 매출이 발생되었는지를 파악하는 정보, 매출대금계산서 발행날짜 및 결제여부를 이용하여 모니터링하는 구성과, B2B 간 거래를 위한 CRM을 진행할 때, 고객사의 업태, 업종, 매출액, 거래이력, 파트너사 및 평가점수를 이용하여 등록기업으로 등록하고, 거래처 검색요청에 따라 검색결과를 제공하며, AI 기반 중개 플랫폼을 이용하여 사업체 간 거래처를 발굴하고 매칭받을 수 있도록 하는 구성이 각각 개시되어 있다.

다만, 전자의 경우 영업기회정보를 매출발생여부로 파악하므로 B2B 영업의 특유의 복잡다단한 단계를 모두 파악 및 모니터링할 수 없다. 후자의 경우에도 B2B 거래를 중개하는 중개 플랫폼의 구성만을 개시할 뿐 판매관리를 수행하는 구성이 아니다. IT 영업은 B2B 영업의 대표적인 형태를 띠고 있으며, 기술 컨설팅을 중심으로 한 고객에게 가치를 제공하는 영업적 특성을 지니고 있다. 이러한 관점에서 볼 때 IT B2B 영업은 인공지능, 빅데이터 등을 중심으로 한 4차 산업 시대 이전부터 가치 기반 영업을 진행해온 대표적인 분야라고 할 수 있다. 이에, 고객관계관리를 위하여 IT 영업의 각 단계를 정확히 파악함으로써 고객사 데이터의 정확도를 향상시킬 수 있는 시스템의 연구 및 개발이 요구된다.

본 발명의 일 실시예는, 고객사명, 영업담당자, 유통사, 제품, 제품분류, 계약형태, 수량, 구매예정일, 진행상태 및 영업기간을 포함하는 세일즈 정보를 영업사원인 사용자 단말로부터 수신하여 등록함으로써, 고객사에게 판매된 제품은 무엇인지, 구매는 언제 예정되어 있는지, 영업기간은 며칠이 지났는지, 현재 진행단계 및 상태는 무엇인지를 파악함으로써 B2B 거래의 고객관계관리(Customer Relationship Management)를 수행할 때 가장 기본이 되는 고객사 데이터의 정확도를 높일 수 있도록 하는, 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 고객사명, 영업담당자, 유통사, 제품, 제품분류, 계약형태, 수량, 구매예정일, 진행상태 및 영업기간을 포함하는 세일즈 정보를 입력하는 사용자 단말 및 사용자 단말로부터 세일즈 정보를 입력받는 데이터베이스화부, 세일즈 정보를 이용하여 B2B(Busniess to Business) 거래의 CRM(Customer Relationship Management)을 수행하도록 고객사 데이터를 누적 및 저장하는 저장부, 고객사 데이터에 기반하여 고객사를 기 설정된 그룹으로 분류하는 분류부, 분류된 그룹의 기 설정된 특징(Feature)에 기반하여 CRM을 수행하는 관리부를 포함하는 관리 서비스 제공 서버를 포함한다.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 고객사명, 영업담당자, 유통사, 제품, 제품분류, 계약형태, 수량, 구매예정일, 진행상태 및 영업기간을 포함하는 세일즈 정보를 영업사원인 사용자 단말로부터 수신하여 등록함으로써, 고객사에게 판매된 제품은 무엇인지, 구매는 언제 예정되어 있는지, 영업기간은 며칠이 지났는지, 현재 진행단계 및 상태는 무엇인지를 파악함으로써 B2B 거래의 고객관계관리(Customer Relationship Management)를 수행할 때 가장 기본이 되는 고객사 데이터의 정확도를 높일 수 있도록 한다.

도 1은 본 발명의 일 실시예에 따른 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 관리 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체 지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.

본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.

본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템(1)은, 적어도 하나의 사용자 단말(100), 관리 서비스 제공 서버(300), 적어도 하나의 관리자 단말(400)을 포함할 수 있다. 다만, 이러한 도 1의 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.

이때, 도 1의 각 구성요소들은 일반적으로 네트워크(Network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 적어도 하나의 사용자 단말(100)은 네트워크(200)를 통하여 관리 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 관리 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100), 적어도 하나의 관리자 단말(400)과 연결될 수 있다. 또한, 적어도 하나의 관리자 단말(400)은, 네트워크(200)를 통하여 관리 서비스 제공 서버(300)와 연결될 수 있다.

여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.

적어도 하나의 사용자 단말(100)은, 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 판매영업 관리를 위한 데이터를 입력하는 영업관리, 판매관리, 기획, 마케팅 등의 담당자의 단말일 수 있다.

여기서, 적어도 하나의 사용자 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 사용자 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 사용자 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

관리 서비스 제공 서버(300)는, 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 관리 서비스 제공 서버(300)는, 사용자 단말(100)로부터 데이터를 입력받고, 이를 관리자 단말(400)에서 조회할 수 있도록 하며, 입력된 데이터를 검증하여 고객사 데이터의 정확도를 높이는 서버일 수 있다.

여기서, 관리 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.

적어도 하나의 관리자 단말(400)은, 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 사용자, 고객사, 파트너사를 관리하는 관리자의 단말일 수 있다.

여기서, 적어도 하나의 관리자 단말(400)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 관리자 단말(400)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 관리자 단말(400)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

도 2는 도 1의 시스템에 포함된 관리 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3 및 도 4는 본 발명의 일 실시예에 따른 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.

도 2를 참조하면, 관리 서비스 제공 서버(300)는, 데이터베이스화부(310), 저장부(320), 분류부(330), 관리부(340), 자동파악부(350), 데이터불일치확인부(360), 이슈알람부(370), 이슈분석부(380), 리스크관리부(391), 독촉부(393) 및 군집화부(395)를 포함할 수 있다.

본 발명의 일 실시예에 따른 관리 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 사용자 단말(100) 및 적어도 하나의 관리자 단말(400)로 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 사용자 단말(100) 및 적어도 하나의 관리자 단말(400)은, 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 적어도 하나의 사용자 단말(100) 및 적어도 하나의 관리자 단말(400)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: World Wide Web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(Hyper Text Mark-up Language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(Chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(Application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(App)을 포함한다.

도 2를 참조하면, 데이터베이스화부(310)는, 사용자 단말(100)로부터 세일즈 정보를 입력받을 수 있다. 사용자 단말(100)은, 고객사명, 영업담당자, 유통사, 제품, 제품분류, 계약형태, 수량, 구매예정일, 진행상태 및 영업기간을 포함하는 세일즈 정보를 입력할 수 있다. 구매예정일은 30일 이내, 60일 이내 및 90일 이내 중 어느 하나로 선택되도록 옵션이 제공되고, 영업기간은, 5일 이내, 10일 이내 및 90일 경과 중 어느 하나로 선택되도록 옵션이 제공되고, 진행단계는, 승인대기, 진행불가, 진행중, 발주대기, 발주불가, 완료, 실패 및 협의 중 어느 하나로 선택되도록 옵션이 제공될 수 있다. 물론, 옵션은 나열된 것들로 한정되지 않고 열거되지 않은 이유로 배제되지 않는다.

저장부(320)는, 세일즈 정보를 이용하여 B2B(Busniess to Business) 거래의 CRM(Customer Relationship Management)을 수행하도록 고객사 데이터를 누적 및 저장할 수 있다. 기업의 글로벌 비즈니스 환경변화로 인해 장기적인 경쟁력을 확보함에 있어서 고객만족이 갖고 있는 중요성은 매우 크다고 할 수 있다. CRM 시스템을 구축하여 운영하고 있는 기업들의 사업성과 상당부분이 공급체인 파트너십을 통해서 발생한다는 것을 고려할 때, 효과적인 파트너십의 관리 전략은 CRM 시스템을 성공적으로 수행되기 위한 선결조건이라고 할 수 있다. 기업의 CRM 만족도는 장기적인 거래관계 유지를 통해 기업 가치를 향상시키는 것과 관계가 있으며 거래건수, 거래단가, 거래기간 등을 증가시키고, 고객기업의 단순한 증가 목적에서 벗어나 파트너로서 고객기업에 대한 접근은 직접적인 마케팅 원가절감, 향상된 판매력, 더 효과적인 마케팅, 고객확보 및 보유비용의 절감 등의 긍정적인 효과를 발생시킨다. 또한, 고객의 요구에 신속하게 대응함으로써 고객에 대한 성과를 높일 수 있기 때문에 주문 처리의 정확성이 향상되고 제품에 대한 반품율이 감소하여 재고관리 비용, 구매비용, 간접비용 등의 절감을 가져오고 업무처리 및 판매계획수립기간, 리드타임 등을 단축시켜 고객만족을 증진시키게 된다.

고객 기업을 대상으로 한 전략적 고객관계 관리는 시간적 효용과 비용적인 효용 등 기업의 운영성과를 향상시키고, 그 결과 고객의 만족은 기업의 제품이나 서비스를 이용한 후 어느 정도 긍정적인 경험이나 평가를 내리게 되며, 이러한 긍정적인 평가들은 사업성과를 향상시키게 되어 고객만족이 고객클레임, 제품신뢰성 그리고 고객과의 관계 향상으로 나타나게 된다. 고객만족과 사업성과를 나타내는 대표적인 수익성 지표와의 관계를 살펴본 결과, 고객만족도가 높아지면 고객수익성이 향상되고, 이러한 결과는 고객충성도가 높은 기존고객이 반복구매를 하는 기간에서 그 기업의 수익이 증가하였다는 것을 의미하는 것으로 공급체인 관점으로 이를 확대시켜 보면, 공급체인 파트너 기업 간 조직적인 연계와 자원공유가 강화될수록 공급체인 통합의 효과로 기업의 사업성과에 긍정적인 영향을 미친다. 이렇게 각 거래의 전, 중 및 후에 이르는 각 단계 및 상태를 입력하고 고객사 데이터를 누적하여 저장하는 경우, 고객사가 무엇을 원하는지, 어떠한 프로파일을 가지고 있는지, 선호도 및 특징은 무엇인지를 파악할 수 있게 된다. 이러한 자산은 이후 CRM을 통하여 기업의 이윤을 증대시키는 요인으로 작용하게 된다.

분류뷰(330)는, 고객사 데이터에 기반하여 고객사를 기 설정된 그룹으로 분류할 수 있다. 이는 후술할 AHP를 통하여 각 고객사의 우선순위, 선호도, IT 선정요인 등을 파악할 수 있는 자료로 이용될 수 있다.

관리부(340)는, 분류된 그룹의 기 설정된 특징(Feature)에 기반하여 CRM을 수행할 수 있다. 이는 군집화부(395)에서 상세히 설명한다.

자동파악부(350)는, 적어도 하나의 업종별 및 규모별 고객사의 선호도를 AHP(Analytic Hierarchy Process)로 그룹핑 및 우선순위를 정렬하고, 새로운 고객사의 견적요청이 존재하는 경우 새로운 고객사의 업종 및 규모에 따라 선호도 및 우선순위를 추출하여 견적을 제공하도록 할 수 있다. 이때, 각 국가기관, 교육기관, 공기업, 사기업 등의 분류와, 사기업 중에서도 대기업, 중기업 및 소기업, 또 기업의 업종, 예를 들어, 제조업, 건축업, 차량부품생산업 등 다양한 분류에 따라 서비스에 대한 의뢰를 하는 고객사를 각 그룹별로 나누고, 각 그룹에서 가장 중요하게 생각하는 선정요인은 무엇이 있는지에 대한 데이터를 누적하고 체계적이고 효과적인 의사결정을 위하여 AHP(Analytic Hierarchy Process)를 진행할 수도 있다. 이 경우, 고객사가 대기업 그룹에 속한다면, 이에 따른 우선순위를 도출하여 서비스를 제공할 때 우선순위를 두어 추출할 수 있고, 고객사가 중소기업 그룹에 속한다면, 역시 이에 따른 우선순위를 도출하여 서비스를 제공할 때 우선순위를 두어 추출할 수 있다.

AHP는 요인들 간의 쌍대비교(Pairwise Comparison)를 통해 평가자의 지식, 경험 및 직관을 포착하여 대안들 사이에서 우선순위를 결정한다. 이후 이론의 명확성과 적용의 간편성, 범용성이라는 특징으로 인해 의사결정 분야에서 널리 응용되어 왔다. 분석에서는 상위 계층에 있는 요소들에 기여하는 하위계층 요소들을 쌍대 비교하여 행렬을 작성한다. 여기서, 서로 다른 수치 척도를 사용하여 실제 거리와 상대적 거리감 사이의 관계를 분석하는 조사를 통해 1 내지 9 점 사이의 척도가 실제치에 가장 근접한 결과를 나타냄을 확인한 이후, 주로 9 점 척도를 이용해왔다. 그리하여 작성된 쌍대비교행렬 A는 수학식 1과 같이 행렬의 대각을 중심으로 역수의 형태를 취한다.

여기서 aij는 wi/wj(i,j=1,…, n)이고, wi는 요소 i의 중요도이며, aij=1/aji, aii=1, ∀i에 대해서이다. 행렬을 구성하는 요소 aij는 수익창출 기여요인 i와 j간의 상대적 중요도를 나타내는데, 비교 대상이 되는 요소들 간 상대적인 중요도 wi와 wj의 비율로 구성된다. 위 행렬의 모든 요소를 나타내면 수학식 2와 같이 나타낼 수 있다.

수학식 2는 선형대수론의 고유치 문제(EigenValue Method)와 같아진다. 그런데 평가자가 정확한 선호도 w를 모르기 때문에 실제적으로는 행렬 A를 A′으로 가정하고, 수학식 3으로 추정치 w′을 추정하여 계층마다 정규화된 우선순위 벡터(Priority Vector)를 산출한다.

여기서 λmax는 행렬 A′의 가장 큰 고유치이다. 추가로 수학식 4와 같이 일관성비율(Consistency Ratio, CR)을 구하여 응답의 일관성 정도를 검증한다.

여기서, RI는 난수지수(Random Index)이다.

마지막으로 각 계층에서의 가중치를 종합하여 종합적인 중요도 벡터를 산출하고, 이후 다수 평가자의 평가치를 통합한다. 통합을 위한 여러 방법이 제안되었는데 어느 방법을 사용하여도 큰 차이가 없는 것으로 알려져 있다. 본 발명의 일 실시예에서는, 수학식 5와 같이 각자의 쌍대비교행렬을 계산하여 최대 고유치에 해당하는 고유벡터를 구한 다음, 항목별로 평가자들의 고유벡터 값들을 산술평균하여 통합된 가중치를 구할 수 있다. 다만, 이 방법에 한정된 것은 아니다.

상술한 AHP를 선정요인 및 구성요소에 적용하는 경우, 각 고객사(클라이언트) 그룹별로 어떠한 부분을 중요하게 생각하는지, 어떤 구성요소를 우선적으로 고려하여 서비스를 제공해야 하는지에 대한 정보를 추출할 수 있고, 고객사가 우선순위를 지정하지 않더라도 고객사 그룹에 맞는 서비스를 제공할 수 있게 된다.

데이터불일치확인부(360)는, 사용자 단말(100)로부터 입력된 세일즈 정보와 사용자 단말(100)의 이동 단말 또는 고정 단말로부터 수집된 세일즈 정보 간을 비교한 후, 사용자 단말(100)로부터 입력된 세일즈 정보가 이동 단말 또는 고정 단말로부터 수집된 세일즈 정보와 다른 경우, 사용자 단말(100)로 확인을 요청할 수 있다. 예를 들어, 고객사에서 B 담당자에게 입금을 했다고 했는데, B 담당자는 미수금으로 입력한 경우, 이메일, 문자, 메신저, 입출금내역 등의 수집될 수 있는 정보와, B 담당자가 입력한 정보가 다를 경우, B 담당자에게 잘못 입력을 한 것은 아닌지에 대하여 질의함으로써 데이터불일치를 해소하고 검증하도록 할 수 있다. ERP를 도입하는 경우 소극적 및 적극적인 저항이 있기 마련인데, 이렇게 실수로 잘못 입력을 하거나 입력하는 것을 깜박하는 경우가 발생할 수도 있다. 이에 따라, 이메일 등을 통하여 고객사에서 전달한 의사표시 및 확인된 입출금 내역과, 실제 업로드된 고객사 데이터 간 불일치가 발생하는 경우 고객사에서 의사표시를 잘못한 것인지, 담당자가 입력을 잘못한 것인지를 빠르게 파악하도록 할 수 있다.

이슈알람부(370)는, 고객사의 대표자명 또는 상호명으로 실시간 검색을 수행한 후, 고객사의 기 누적된 이슈 외 새로운 이슈가 적어도 하나의 매체로부터 수집된 경우, 사용자 단말(100)로 알람을 전송할 수 있다.

고객사파악부(380)는, 새로운 이슈에 대한 키워드 또는 태그를 고객사 데이터에 매핑되도록 저장하여 히스토리 로그(History Log)로 저장할 수 있다.

이슈분석부(390)는, 새로운 이슈에 대한 텍스트 마이닝 중 감성분석을 수행한 후, 새로운 이슈의 긍정(Positive), 중립(Neutral) 및 부정(Negative) 여부를 파악하여 키워드 또는 태그에 감정라벨을 부착할 수 있다. 이때, 감정라벨은 단순히 리뷰나 댓글의 텍스트에서 사람의 감성을 나타내는 것 뿐만 아니라, 뉴스기사나 언론에서 해당 기업(고객사)에 대한 언급을 할 때 사용하는 단어가 부정적인지, 긍정적인지 또는 중립적인지에 따라서도 구분할 수 있다. 이를 위한 라이브러리를 별도로 구축한다면 가장 바람직하겠지만 기 구축된 라이브러리를 이용하는 것도 가능하다. 감성지표의 분석은 외부 데이터로 수집한 뉴스 데이터를 이용할 수 있다. 뉴스 데이터는 기사의 제목과 본문 등으로 이루어져 있다. 경제 분야의 기사들은 기업에 대한 단순한 정보를 포함하기도 하지만 특정 기업에 대한 대중들의 인식과 같은 감정적인 정보를 포함하고 있다. 기사의 제목은 주로 내용 전체를 아우를 수 있는 핵심적인 내용을 담고 있는 텍스트 데이터이지만, 짧은 문장으로 구성되는 특징 때문에 감성을 파악하기에는 부족하다. 본문 내용의 경우는 모든 정보가 포함되어 있어 상대적으로 긴 텍스트 데이터로 나타나며, 감성정보를 파악할 수 있는 다양한 정보들이 포함되어 있다. 하지만 부가적인 정보를 많이 포함하고 있어 핵심이 되는 내용만 찾아 감성정보를 파악하기에는 어려움이 존재한다.

본 발명의 일 실시예에서는 이러한 문제점을 해결하고 적절한 감성지표를 추출하기 위해 기사의 본문을 요약하고, 요약된 핵심 문장들로부터 감성을 추출할 수 있다. 뉴스 데이터의 제목과 본문 내용을 요약하고 감성을 추출하기 위해 KakaoBrain의 Pororo 모델을 이용할 수 있다. Pororo는 Platform Of neuRal mOdels for natuRal language prOcessing의 약자로 자연어처리 오픈 소스이며, 자연어 처리와 음성에 관련된 여러 태스크를 수행한다. Pororo의 요약 기능을 활용하여 기사를 요약하고, 요약된 정보를 기반으로 감성 분석 기능을 통해 수치화된 감성정보를 추출한다. 감성 분석의 결과는 긍정(Positive)과 부정(Negative)으로 나타나며 긍정과 부정의 수치 합은 1이다. 즉 Positive는 0과 1 사이의 값을 가지며, Negative는 1-Positive로 표현이 가능하다. 물론, 상술한 모델 이외에도 다양한 모델을 이용할 수 있다.

리스크관리부(391)는, 고객사의 새로운 이슈가 재정(Financial) 이슈이고, 감성분석의 결과가 부정적 감정라벨인 경우, 고객사 데이터에 재정위기 태그를 부착시키고 사용자 단말(100) 및 관리자 단말(400)로 안내할 수 있다. 덧붙여서, 신용정보 표본DB 원격분석시스템에서 제공하는 기업신용정보를 분석하여 기업의 채무불이행을 예측할 수도 있다. 사업자 구분에 따라 분석대상을 나누고 표본DB에서 제공하는 기업신용정보의 활용에 따라 데이터셋을 구성하고, 다양한 기계학습기법을 모수 추정 방식에 따라 모수적 방법론, 비모수적 방법론, 준모수적 방법론으로 구분하여 예측성과를 비교할 수 있고, 이를 이용하여 기업부실 예측을 시도할 수 있다. 다만, 기업신용정보는 주기적으로 수집되기 때문에 실시간성을 반영할 수 없으므로, 상술한 실시간 이슈분석과 함께 이용하도록 할 수 있다. 이때, 기계학습 기법을 기반으로 기업신용정보 표본DB의 분석 방향성을 살펴보기 위해 첫째, 분석정보의 활용에 따라 실험을 구성할 수 있다. 표본DB 원격분석시스템에서 제공하는 원시데이터에 대한 활용과 대출코드 및 연체사유를 기준으로 구성한 가공데이터의 활용에 대한 유의성을 확인할 수 있고, 차주의 특성정보와 그 확장의 성격을 지닌 기술신용평가 정보의 반영 등 데이터 활용에 따라 네 가지 실험을 수행할 수 있다.

둘째, 데이터 특성을 반영한 탐색적 데이터 분석(Exploratory Data Analysis, EDA)와 데이터 처리(Data Processing)를 수행할 수 있다. 채무불이행 예측의 경우 소수 비정상 클래스에 대한 예측을 수행하는 문제에 해당한다. 따라서 소수 클래스가 보이는 특성을 최대한 반영한 학습 수행을 위해 재표본추출(Resampling) 외에도 원-핫 인코딩(One-Hot Encoding), 특성 공학(Feature Engineering), 스케일링(Scaling) 등 다양한 기법을 적용하여 모형에 적합 시 데이터의 특성을 최대한 반영하도록 설정할 수 있다. 셋째, 기계학습 베이스라인으로 활용되는 9 가지 지도학습 알고리즘을 모수 추정 방식에 따라 구분할 수 있고, 비모수적 방식의 방법론 중 트리(Tree)를 활용한 알고리즘을 별도로 구분하여 총 네 가지 그룹의 알고리즘에 대한 실험 성능을 추출할 수 있다. 모수적(Parametric) 기법과 비모수적(non-Parametric) 기법, 트리계열(Tree-based)의 알고리즘, 준모수적(Semi-Parametric) 기법 등 각 알고리즘이 소속된 그룹 간 비교를 수행하고, 데이터 활용에 더욱 적합한 알고리즘의 유형을 파악할 수 있다.

독촉부(393)는, 재정위기 태그가 부착되고 미수금이 존재하는 경우 관리자 단말(400)로 미수금을 안내하고, 기 구축된 RPA(Robotic Process Automation)에서 기 구축된 독촉절차를 진행하도록 설정할 수 있다. 예를 들어, 지급명령을 신청할 수 있도록 RPA에서 관리자 단말(400)로 지급명령신청서를 작성하는 방법을 안내하거나 그 포맷을 전달할 수도 있고, 유무선 독촉 및 현장방문을 하도록 관리자 단말(400)로 안내를 하거나, 지급명령신청 후 확정까지 시간이 소요되므로 그 기간 내에 가압류를 신청하도록 관리자 단말(400)로 절차를 안내하고, 채무자 재산조사 및 강제집행 등을 안내하고, 채권추심 등의 절차를 안내할 수 있다.

군집화부(395)는, 복수의 고객사의 고객사 데이터를 유사한 특징으로 그룹핑하는 군집화(Clustering)를 수행할 수 있다. 고객사는 복수의 주체에 귀속된 복수의 고객사일 수 있다. 예를 들어, K-평균 알고리즘은 보유하고 있는 데이터를 K 개의 군집화로 처리하는 알고리즘으로, 각 군집별 거리 차이의 분산을 최소화하는 방법으로 동작한다. 자율학습의 일종으로 꼬리표(라벨, 태그)가 달려 있지 않은 입력 데이터에 꼬리표를 달아주는 기능을 수행한다. K-평균 알고리즘은 분할법으로 보유중인 데이터를 여러 패턴(그룹)으로 구분하는 방법이다. 패턴을 구분하는 과정은 거리 기반의 그룹 간 비유사도(Dissimilarity)와 같은 비용함수(Cost Function)를 최소화하는 방식으로 이루어지며, 이 과정에서 같은 그룹 내 데이터 오브젝트끼리의 유사도는 증가하고, 다른 그룹에 있는 데이터 유사도는 감소하게 되며, 각 그룹의 중심 오브젝트(Centroid) 그룹 내의 데이터 오브젝트와의 거리의 제곱합을 비용 함수로 정하고, 이 함수값을 최소화하는 방향으로 각 데이터 오브젝트의 소속 그룹을 업데이트 해 줌으로써 군집화를 수행한다.

K-평균 알고리즘은 상대적으로 효율적인 방법이나 클러스터 수(K 개)를 미리 지 정해야하며 최종 결과는 초기화에 민감하며 종종 로컬 최적 조건에서 종료된다. 하지만 현재까지 최적의 클러스터 수를 찾을 수 있는 글로벌 이론적 방법은 없다. 실용적인 접근법은 여러 실행의 결과를 다른 K와 비교하고 미리 정의된 기준에 따라 최상의 결과를 선택하는 것이다. 일반적으로 큰 K는 오류를 줄일 수 있지만 과다 적합의 리스크를 증가시킨다. 최적의 클러스터 수(K 개)를 도출하기 위한 방법론으로 Elbow 기법 등이 제시되고 있다. 제곱 오류 합계(The Sum of Squared Error)의 계산으로 그래프를 그려낼 수 있으며, 클러스터의 각 구성원과 중심의 제곱거리의 합으로 이하 수학식 6과 같이 정의된다.

Elbow 기법은 클러스터 수의 함수로 설명된 분산 비율을 조사한다. 클러스터 수를 증가해 보면서 데이터 모델링이 더 이상 향상되지 않는 지점을 도출한다. 즉, 어느 시점에서는 한계 이득이 감소하여 급격한 그래프 각도를 만들어 낸다. 보유중인 다량의 고객사 데이터를 이용하여 취합하여 군집화를 실시할 수 있다. 이 외에도 상술한 군집화 알고리즘인 K-평균을 그대로 이용할 수도 있는데 이는 이하 수학식 7과 같이 정의될 수 있다.

이때, J는 목적함수(Objective Function), k는 군집의 개수(Number of Clusters), n은 경우의 수(Number of Cases), xi는 i의 경우, ||xi(j)-cj||2는 거리함수(Distance Function), cj는 j 클러스트의 중심점(Centroid)을 의미한다. 수학식 2를 기준으로 이하 표 1과 같은 순서로 클러스터링을 수행할 수 있다.

순서	내용
제 1 단계	k가 사전 정의된 k개의 그룹으로 데이터를 클러스터링
제 2 단계	무작위로 k점을 클러스터 중심으로 선택
제 3 단계	유클리드 거리 함수에 따라 객체를 가장 가까운 클러스터 센터에 지정
제 4 단계	각 클러스터의 모든 오브젝트의 중심 또는 평균을 계산
제 5 단계	연속적인 라운드에서 동일한 포인트가 각 클러스터에 할당될 때까지 제 2 단계 내지 제 4 단계를 반복

이하, 상술한 도 2의 관리 서비스 제공 서버의 구성에 따른 동작 과정을 도 3 및 도 4를 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.

도 3을 참조하면, (a) 관리 서비스 제공 서버(300)는 적어도 하나의 사용자 단말(100)로부터 고객사 데이터를 수집하여 데이터베이스화할 수 있다. 그리고, (b)와 같이 업로드된 고객사 데이터가 정확한 것인지의 여부를 파악하고 만약 데이터의 불일치가 존재하는 경우 사용자 단말(100)로 확인을 요청할 수 있다. 또, (c)와 같이 고객사의 이슈를 수집한 후 분석하여 재정적이면서 부정적 이슈가 존재하는 경우 관리자 단말(400)로 알람을 전송하고, RPA에서 미수금을 받지 못할 수 있는 경우의 리스크 관리를 수행하도록 한다.

본 발명의 일 실시예에 따른 판매영업 프로그램의 메인화면은 도 4a와 같을 수 있고, 이 화면에서 제품별 영업등록가능건수를 대시보드로 요약하여 보여주게 된다. 이 화면에서 승인대기를 선택하는 경우 도 4b와 같이 승인대기인 리스트를 출력하게 되고, 이 화면에서 영업완료를 선택하는 경우 도 4c와 같이 영업완료인 리스트를 출력하게 된다. 예정일 10일 전을 누르게 되면 도 4d와 같이 기한(Due)이 임박해오는 리스트를 보여주게 된다. 도 4e와 같이 고객사 정보를 등록할 수 있고, Sales Report의 Sales 조회 항목을 선택하면 도 4f와 같은 화면이 출력되게 된다. 도 4g와 같이 영업은 했지만 아직 구매하지 않은 잠재고객, 즉 미구매 고객사를 별도로 관리할 수 있으며, 도 4h와 같이 기술지원조회 및 도 4i와 같이 기술지원요청에 따른 결과는 어떻게 되었는지를 입력 및 확인할 수 있다.

도 4j부터는 관리자 화면인데, 도 4j 내지 도 4m과 같이 관리자는 파트너 관리, 회사 관리, 파트너 직원 등록, 고객 관리를 수행할 수 있고, 도 4m과 같이 Sales 요청관리, Sales 내역조회 등을 통하여 각 영업사원인 사용자가 현재 어떤 기업과 어떤 단계의 영업을 진행중인지를 확인할 수 있도록 한다. 도 4o와 같이 게시판, 자료실 및 공지사항을 관리할 수 있고, 도 4p와 같이 메뉴관리를 수행할 수 있으며, 도 4q와 같이 파트너별 그룹을 관리할 수 있다. 도 4r과 같이 통합코드를 생성, 추가, 삭제, 변경 등을 수행할 수도 있다.

이와 같은 도 2 내지 도 4의 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5는 본 발명의 일 실시예에 따른 도 1의 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 5를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 5에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.

도 5를 참조하면, 관리 서비스 제공 서버는, 사용자 단말로부터 세일즈 정보를 입력받는다(S5100).

그리고, 관리 서비스 제공 서버는, 세일즈 정보를 이용하여 B2B(Busniess to Business) 거래의 CRM(Customer Relationship Management)를 수행하도록 고객사 데이터를 누적 및 저장하고(S5200), 고객사 데이터에 기반하여 고객사를 기 설정된 그룹으로 분류한다(S5300).

또한, 관리 서비스 제공 서버는, 분류된 그룹의 기 설정된 특징(Feature)에 기반하여 CRM을 수행한다(S5400).

상술한 단계들(S5100~S5400)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S5100~S5400)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.

이와 같은 도 5의 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5를 통해 설명된 일 실시예에 따른 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.

전술한 본 발명의 일 실시예에 따른 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (10)

1. 고객사명, 영업담당자, 유통사, 제품, 제품분류, 계약형태, 수량, 구매예정일, 진행상태 및 영업기간을 포함하는 세일즈 정보를 입력하는 사용자 단말; 및
   상기 사용자 단말로부터 세일즈 정보를 입력받는 데이터베이스화부, 상기 세일즈 정보를 이용하여 B2B(Busniess to Business) 거래의 CRM(Customer Relationship Management)을 수행하도록 고객사 데이터를 누적 및 저장하는 저장부, 상기 고객사 데이터에 기반하여 고객사를 기 설정된 그룹으로 분류하는 분류부, 상기 분류된 그룹의 기 설정된 특징(Feature)에 기반하여 상기 CRM을 수행하는 관리부, 적어도 하나의 업종별 및 규모별 고객사의 선호도를 AHP(Analytic Hierarchy Process)로 그룹핑 및 우선순위를 정렬하고, 새로운 고객사의 견적요청이 존재하는 경우 상기 새로운 고객사의 업종 및 규모에 따라 선호도 및 우선순위를 추출하여 견적을 제공하도록 하는 자동파악부, 상기 사용자 단말로부터 입력된 세일즈 정보와 상기 사용자 단말의 이동 단말 또는 고정 단말로부터 수집된 세일즈 정보 간을 비교한 후, 상기 사용자 단말로부터 입력된 세일즈 정보가 상기 이동 단말 또는 고정 단말로부터 수집된 세일즈 정보와 다른 경우, 상기 사용자 단말로 확인을 요청하는 데이터불일치확인부, 상기 고객사의 새로운 이슈가 재정(Financial) 이슈이고, 이슈분석부에서 수행된 감성분석의 결과가 부정적 감정라벨인 경우, 상기 고객사 데이터에 재정위기 태그를 부착시키고 상기 사용자 단말 및 관리자 단말로 안내하는 리스크관리부를 포함하는 관리 서비스 제공 서버;
   를 포함하며,
   상기 리스크관리부는,
   추가로 신용정보 표본DB 원격분석시스템에서 제공하는 기업신용정보를 분석하여 기업의 채무불이행을 예측하고, 사업자 구분에 따라 분석대상을 나누고 표본DB에서 제공하는 기업신용정보의 활용에 따라 데이터셋을 구성하고, 복수의 기계학습기법을 모수 추정 방식에 따라 모수적 방법론, 비모수적 방법론, 및 준모수적 방법론으로 구분하여 예측성과를 비교하고, 비교 결과를 이용하여 기업부실 예측을 시도하고,
   상기 기업신용정보의 경우 주기적으로 수집됨에 따라 실시간성을 반영할 수 없으므로, 이슈분석부에서의 실시간 이슈분석과 함께 이용하도록 하고,
   상기 기계학습 기법을 기반으로 기업신용정보 표본DB의 분석 방향성을 살펴보기 위해, 분석정보의 활용에 따라 실험을 구성하는 제1 과정, 데이터 특성을 반영한 탐색적 데이터 분석(Exploratory Data Analysis, EDA)과 데이터 처리(Data Processing)를 수행하는 제2 과정, 및 실험 성능을 추출하는 제3 과정을 수행하되,
   상기 제1 과정의 수행시, 표본DB 원격분석시스템에서 제공하는 원시데이터에 대한 활용과 대출코드 및 연체사유를 기준으로 구성한 가공데이터의 활용에 대한 유의성을 확인하고, 차주의 특성정보와 그 확장의 성격을 지닌 기술신용평가 정보의 반영을 포함하여 데이터 활용에 따라 실험을 수행하고,
   상기 제2 과정의 수행시, 채무불이행 예측의 경우 소수 비정상 클래스에 대한 예측을 수행하는 문제에 해당하므로, 소수 클래스가 보이는 특성을 반영한 학습 수행을 위해 재표본추출(Resampling), 원-핫 인코딩(One-Hot Encoding), 특성 공학(Feature Engineering), 및 스케일링(Scaling) 기법을 적용하여 모형에 적합 시 데이터의 특성이 반영되도록 설정하고,
   상기 제3 과정의 수행시, 기계학습 베이스라인으로 활용되는 복수개의 지도학습 알고리즘을 모수 추정 방식에 따라 구분하고, 비모수적 방식의 방법론 중 트리(Tree)를 활용한 알고리즘을 별도로 구분하여 총 네 가지 그룹의 알고리즘에 대한 실험 성능을 추출하되, 모수적(Parametric) 기법과 비모수적(non-Parametric) 기법, 트리계열(Tree-based)의 알고리즘, 및 준모수적(Semi-Parametric) 기법을 포함한 복수의 알고리즘 각각이 소속된 그룹 간 비교를 수행하여 데이터 활용에 적합한 알고리즘의 유형을 파악하며,
   상기 데이터불일치확인부는,
   고객사에서 B 담당자에게 입금을 했다고 하나 B 담당자가 미수금으로 입력함에 따라 이메일, 문자, 메신저 및 입출금내역으로부터 수집되는 정보와, B 담당자가 입력한 정보가 다를 경우, 상기 수집되는 정보와 실제 업로드된 고객사 데이터 간 불일치의 발생에 대하여 고객사에서 의사표시를 잘못한 것인지, 담당자가 입력을 잘못한 것인지에 대한 빠른 파악이 가능하도록, 상기 B 담당자에게 잘못 입력을 한 것이 아닌지에 대한 질의를 함으로써 데이터불일치에 대한 해소 및 검증이 이루어지도록 하고,
   상기 수집되는 정보는 고객사에서 전달한 의사표시 및 확인된 입출금 내역에 관한 정보를 포함하고,
   상기 자동파악부는,
   각 국가기관, 교육기관, 공기업, 및 사기업의 분류와, 사기업 중에서도 대기업, 중기업, 소기업, 및 제조업과 건축업과 차량부품생산업을 포함하는 기업의 업종의 분류에 따라 서비스에 대한 의뢰를 하는 고객사를 각 그룹별로 나누고, 각 그룹에서 가장 중요하게 생각하는 선정요인이 무엇이 있는지에 대한 선정요인 관련 데이터를 누적하고 효과적 의사결정을 위하여 상기 AHP(Analytic Hierarchy Process)를 진행하며,
   상기 AHP를 진행하는 경우, 고객사가 대기업 그룹에 속하면, 대기업 그룹에 속함에 따른 우선순위를 도출하여 서비스를 제공할 때 상기 우선순위를 두어 추출하여 상기 견적을 제공하도록 하고,
   상기 AHP를 진행할 때, 요인들 간의 쌍대비교(Pairwise Comparison)를 통해 평가자의 지식, 경험 및 직관을 포착하여 대안들 사이에서 우선순위를 결정하고, 분석에서 상위 계층에 있는 요소들에 기여하는 하위계층 요소들을 쌍대 비교하여 행렬을 작성하고, 상기 분석에서 서로 다른 수치 척도를 사용하여 실제 거리와 상대적 거리감 사이의 관계를 분석하는 조사를 통해 1 내지 9 점 사이의 척도가 실제치에 가장 근접한 결과를 나타냄을 확인함에 따라 9 점 척도를 이용하며, 상기 작성된 쌍대비교행렬 A이 하기 수학식 1과 같이 행렬의 대각을 중심으로 역수의 형태를 취하도록 하고,
   [수학식 1]
   
   상기 수학식 1에서, aij는 wi/wj(i,j=1,…, n)이고, wi는 요소 i의 중요도이고, aij=1/aji, aii=1이고, 행렬을 구성하는 요소 aij는 수익창출 기여요인 i와 j간의 상대적 중요도를 나타내며 비교 대상이 되는 요소들 간 상대적인 중요도 wi와 wj의 비율로 구성되고,
   이후, 평가자가 정확한 선호도 w를 모르기 때문에 상기 수학식 1의 행렬 A를 A′으로 가정하고, 하기 수학식 2로 추정치 w′을 추정하여 계층마다 정규화된 우선순위 벡터를 산출하고,
   [수학식 2]
   
   상기 수학식 2에서 λmax는 행렬 A′의 가장 큰 고유치이고,
   추가로 하기 수학식 3과 같이 일관성비율(Consistency Ratio, CR)을 구하여 응답의 일관성 정도를 검증하고,
   [수학식 3]
   
   상기 수학식 3에서 RI는 난수지수(Random Index)이고,
   이후, 각 계층에서의 가중치를 종합하여 종합적인 중요도 벡터를 산출하고, 이후 다수 평가자의 평가치를 통합하고, 통합 수행시 각자의 쌍대비교행렬을 계산하여 최대 고유치에 해당하는 고유벡터를 구한 다음, 항목별로 평가자들의 고유벡터 값들을 산술평균하여 통합된 가중치를 구하는 방법을 이용하고,
   상기 AHP를 선정요인 및 구성요소에 적용함에 따라, 각 고객사 그룹별로 중요하게 생각하는 부분 및 우선적으로 고려하고자 하는 구성요소가 고려된 제공해야 하는 서비스에 대한 정보를 추출 가능하고, 고객사가 우선순위를 지정하지 않더라도 고객사 그룹에 맞는 서비스의 제공이 가능하도록 하는 것인, 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템.
   
2. 삭제
3. 제 1 항에 있어서,
   상기 구매예정일은 30일 이내, 60일 이내 및 90일 이내 중 어느 하나로 선택되도록 옵션이 제공되고,
   상기 영업기간은, 5일 이내, 10일 이내 및 90일 경과 중 어느 하나로 선택되도록 옵션이 제공되고,
   상기 진행상태는, 승인대기, 진행불가, 진행중, 발주대기, 발주불가, 완료, 실패 및 협의 중 어느 하나로 선택되도록 옵션이 제공되는 것을 특징으로 하는 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템.
   
4. 삭제
5. 제 1 항에 있어서,
   상기 관리 서비스 제공 서버는,
   상기 고객사의 대표자명 또는 상호명으로 실시간 검색을 수행한 후, 상기 고객사의 기 누적된 이슈 외 새로운 이슈가 적어도 하나의 매체로부터 수집된 경우, 상기 사용자 단말로 알람을 전송하는 이슈알람부;
   를 더 포함하는 것을 특징으로 하는 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템.
   
6. 제 5 항에 있어서,
   상기 관리 서비스 제공 서버는,
   상기 새로운 이슈에 대한 키워드 또는 태그를 상기 고객사 데이터에 매핑되도록 저장하여 히스토리 로그(History Log)로 저장하는 고객사파악부;
   를 더 포함하는 것을 특징으로 하는 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템.
   
7. 제 5 항에 있어서,
   상기 관리 서비스 제공 서버는,
   상기 새로운 이슈에 대한 텍스트 마이닝 중 감성분석을 수행한 후, 상기 새로운 이슈의 긍정(Positive), 중립(Neutral) 및 부정(Negative) 여부를 파악하여 키워드 또는 태그에 감정라벨을 부착하는 이슈분석부;
   를 더 포함하는 것을 특징으로 하는 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템.
   
8. 삭제
9. 제 1 항에 있어서,
   상기 관리 서비스 제공 서버는,
   상기 재정위기 태그가 부착되고 미수금이 존재하는 경우 상기 관리자 단말로 미수금을 안내하고, 기 구축된 RPA(Robotic Process Automation)에서 기 구축된 독촉절차를 진행하도록 설정하는 독촉부;
   를 더 포함하는 것을 특징으로 하는 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템.
   
10. 제 1 항에 있어서,
    상기 고객사는 복수의 주체에 귀속된 복수의 고객사이고,
    상기 관리 서비스 제공 서버는,
    상기 복수의 고객사의 고객사 데이터를 유사한 특징으로 그룹핑하는 군집화(Clustering)를 수행하는 군집화부;
    를 더 포함하는 것을 특징으로 하는 고객사 데이터의 정확도 향상을 위한 CAD 프로그램 판매영업 관리 서비스 제공 시스템.
    

Images