KR102626192B1 - 홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 시스템 - Google Patents

홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 시스템 Download PDF

Info

Publication number
KR102626192B1
KR102626192B1 KR1020230089292A KR20230089292A KR102626192B1 KR 102626192 B1 KR102626192 B1 KR 102626192B1 KR 1020230089292 A KR1020230089292 A KR 1020230089292A KR 20230089292 A KR20230089292 A KR 20230089292A KR 102626192 B1 KR102626192 B1 KR 102626192B1
Authority
KR
South Korea
Prior art keywords
information
broadcast
product
broadcast concept
home shopping
Prior art date
Application number
KR1020230089292A
Other languages
English (en)
Inventor
나하나
Original Assignee
나하나
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 나하나 filed Critical 나하나
Priority to KR1020230089292A priority Critical patent/KR102626192B1/ko
Application granted granted Critical
Publication of KR102626192B1 publication Critical patent/KR102626192B1/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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/254—Management at additional data server, e.g. shopping server, rights management server
    • H04N21/2542—Management at additional data server, e.g. shopping server, rights management server for selling goods, e.g. TV shopping

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

이동 단말; 및 상기 이동 단말로부터 홈쇼핑 방송을 통해 판매할 상품 정보를 입력 받고, 입력 받은 상품 정보에 대응하는 방송 컨셉 정보 및 코디 정보를 추출하여 제공하는 제어 서버;를 포함하는, 시스템을 개시한다.

Description

홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 시스템{HOME SHOPPING BROADCASTING CONCEPT CONSTRUCTING AND OUTFIT COORDINATION SYSTEM}
본 발명은 홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 시스템에 관한 것이다.
홈쇼핑이란 통신 판매의 하나로서 가정에서 다양한 통신 회선을 통하여 쇼핑을 할 수 있는 서비스이다. 홈쇼핑 이용자는 가정에 설치된 통신망을 통해 다양한 상품의 전시나 광고를 접할 수 있고, 상품을 주문, 결제하는 서비스를 제공받을 수 있다.
따라서, 홈쇼핑 서비스 이용자는 외출을 하지 않고 가정에서 인터넷 검색 또는 TV를 통해 필요한 상품 정보를 보고 구매하거나 영화 티켓, 항공권 등을 예매할 수 있다. 이러한 홈쇼핑은 상품을 눈으로 직접 볼 수 없으므로 상품에 대한 신뢰도가 떨어질 수 있으며, 구입한 상품의 사후 서비스가 제대로 이루어지지 않을 가능성이 있다.
하지만, 홈쇼핑 이용자는 외출을 하지 않고 집에서 상품을 선택하고 결제를 할 수 있고, 택배를 통해 물건을 받을 수 있으므로 시간이 절약되며, 오프라인보다 물건을 싸게 구매할 수 있는 장점이 있으므로 홈쇼핑 이용자가 증가하고 있는 추세이다.
홈쇼핑에는 현장감과 생동감이 중요한 요소로 작용하고 특히 상품에 대한 전문 지식이 있는 쇼호스트와 게스트들이 출연하여 그대로의 상황과 정보를 전달하고 공유하는 것이 중요하다.
하지만, 지금까지의 홈쇼핑 방송 구성에 있어서 다양한 쇼호스트들 중 상품을 제대로 판매할 수 있는 전문 쇼호스트를 선정하는 데에 어려움이 있었으며, 상품 특성에 맞는 홈쇼핑 방송컨셉 구성에 한계가 있었다.
본 발명의 일측면은 상품에 대응하여 출연자 등의 구성 계획을 수립하고, 방송 컨셉을 설정하는 시스템을 개시한다.
본 발명의 다른 측면은 상품군에 맞추어 출연자의 의상을 스타일링 한 코디 정보를 제공하는 시스템을 개시한다.
본 발명의 다른 측면은 홈쇼핑 채널의 세부 규정과 컨셉에 맞는 코디 정보를 제공하는 시스템을 개시한다.
본 발명의 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 시스템은 이동 단말; 및 상기 이동 단말로부터 홈쇼핑 방송을 통해 판매할 상품 정보를 입력 받고, 입력 받은 상품 정보에 대응하는 방송 컨셉 정보 및 코디 정보를 추출하여 제공하는 제어 서버;를 포함한다.
한편, 상기 제어 서버는, 상기 이동 단말을 통해 상품명, 제조사, 가격 및 상품 옵션을 포함하는 상품 정보를 입력 받고, 상품 정보가 해당하는 상품군을 패션/잡화, 이미용/속옷, 식품/주방, 생활/가전 및 보험/렌탈 중 어느 하나로 분류하는 상품 분류부; 상기 상품 분류부에서 식별한 상품군을 이용하여 방송에 출연할 전체 출연자 수, 쇼호스트 수, 쇼호스트, 게스트 수, 게스트 연령대 및 게스트 성별을 포함하는 방송 컨셉 정보를 추출하여 제공하는 방송 컨셉 정보 산출부; 및 상기 홈쇼핑 방송의 출연자의 의상 컬러, 의상 브랜드 및 의상 컬러 중 적어도 하나 이상을 포함하는 코디 정보를 추출하여 제공하는 코디 정보 산출부;를 포함하고,
상기 방송 컨셉 정보 산출부는, 상품군 별 방송 컨셉 정보를 매칭한 테이블을 미리 저장하고, 상기 상품 분류부에서 식별한 상품군에 해당하는 방송 컨셉 정보를 추출하여 제공하고,
상기 코디 정보 산출부는, 상품군, 상기 방송 컨셉 정보 및 홈쇼핑 채널 정보 중 적어도 하나 이상을 반영하여 코디 정보를 추출하되, 상기 상품군, 상기 방송 컨셉 정보 및 상기 홈쇼핑 채널 정보 중 적어도 하나 이상을 입력 데이터로 설정하고, 입력 데이터에 대하여 코디 정보의 출력을 위해 학습된 인공 신경망에 입력 데이터를 입력하고, 상기 인공 신경망으로부터 출력 데이터를 획득하고, 상기 출력 데이터를 상기 코디 정보로 추출하여 제공할 수 있다.
한편, 상기 제어 서버는, 상기 방송 컨셉 정보에 따라 홈쇼핑 방송을 진행한 이후 판매량, 목표 달성률 및 매진 달성 기간을 포함하는 평가 정보를 이용하여 상기 방송 컨셉 정보를 평가하는 방송 컨셉 정보 평가부;를 더 포함하고,
상기 방송 컨셉 정보 평가부는, 아래 수학식 1에 상기 평가 정보 및 상기 방송 컨셉 정보에 포함되는 전체 출연자 수, 쇼호스트 수 및 게스트 수를 적용하여 방송 컨셉 평가 점수를 산출하고, 상기 방송 컨셉 평가 점수가 소정 점수 이하인 경우, 방송 컨셉 정보에 저장된 쇼호스트의 수를 1명 증가하여 수정하고, 방송 컨셉 정보 평가 점수가 소정 점수를 초과하는 경우, 방송 컨셉 정보에 저장된 게스트의 수를 1명 감소시켜 수정할 수 있다.
[수학식 1]
(수학식 1에서 ptotal은 전체 출연자의 수, p1은 쇼호스트의 수, p2는 게스트의 수, s는 판매량, a는 목표 달성률, t는 매진 달성 기간을 의미한다.)
상술한 본 발명의 일 측면에 따르면, 홈쇼핑 방송에 있어서 상품군에 대응하여 방송 컨셉을 설정해줌으로써, 방송 구성을 용이하게 하고, 나아가 상품 판매량을 높일 수 있다.
도 1은 본 발명의 일 실시예에 따른 시스템의 개념도이다.
도 2는 본 발명의 일 실시예에 따른 관리 서버의 개념도이다.
도 3은 본 발명의 다른 실시예에 따른 관리 서버의 개념도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계 및 동작은 하나 이상의 다른 구성요소, 단계 및 동작의 존재 또는 추가를 배제하지 않는다.
도 1은 본 발명의 일 실시예에 따른 시스템의 개념도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 시스템(1)은 제어 서버(100) 및 이동 단말(200)을 포함할 수 있다.
제어 서버(100)는 본 발명에 따른 홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 서비스를 제공할 수 있다.
제어 서버(100)는 본 발명에 따른 서비스를 제공하기 위한 자체 서버이거나 클라우드 서버일 수도 있고 분산된 노드들의 p2p(peer-to-peer) 집합일 수 있다.
제어 서버(100)는 일반적인 컴퓨터가 갖는 연산, 저장, 참조, 입출력, 제어 기능 중 어느 하나 이상을 수행할 수 있고, 입력 데이터를 바탕으로 후술할 인공 신경망을 포함할 수 있다.
제어 서버(100)는 프로세서 및 메모리를 포함할 수 있다. 프로세서는 본 발명에 따른 홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 서비스를 수행할 수 있고, 이를 수행할 수 있는 장치들을 포함할 수 있다. 프로세서는 프로그램을 실행하거나 제어 서버(100)를 제어할 수도 있다. 프로세서에 의해 실행되는 프로그램 코드는 메모리에 저장될 수 있다. 메모리는 본 발명에 따른 홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 서비스를 수행하기 위한 관련 정보들을 저장하거나 방법을 구현하기 위한 프로그램을 저장할 수 있다. 메모리는 휘발성 메모리거나 비휘발성 메모리일 수 있다.
제어 서버(100)는 네트워크를 이용하여 외부 장치에 데이터를 발신하거나 외부 장치로부터 데이터를 수신할 수 있다.
제어 서버(100)는 인공 신경망을 학습시킬 수 있고, 학습이 완료된 인공 신경망을 이용할 수도 있다. 프로세서는 메모리에 저장된 인공 신경망을 학습시키거나 실행할 수 있고, 메모리는 학습 완료된 인공 신경망을 저장할 수 있다. 인공 신경망을 학습시키는 전자 장치와 이용하는 전자 장치는 동일할 수 있지만 별개일 수도 있다.
인공지능은 인간의 뇌의 기능을 일부 구현한 컴퓨터 시스템으로, 스스로 학습하고 추측하고 판단할 수 있다. 학습을 진행할수록 답을 추출할 확률이 높아질 수 있다. 인공지능은 학습과 그것을 이용한 요소 기술들로 구성될 수 있다. 인공지능의 학습은 입력 데이터를 바탕으로 특징을 분류와 학습을 하는 알고리즘 기술이고, 요소 기술들은 학습 알고리즘을 이용하여 인간의 뇌의 기능을 일부 구현하는 기술일 수 있다.
인공지능은 확률적으로 여러 답이 나올 수 있는 문제에 접근하기 쉬운 기술로써 어떠한 입력 데이터에 따르는 최적의 주기와 방법, 계획 등을 논리적이고 확률적으로 추론할 수 있다. 인공지능의 추론 기술은 입력 데이터를 판단하고 최적화 예측, 지식과 확률 기반 추론, 선호 기반 계획 등을 포함할 수 있다.
인공신경망은 기계학습 분야의 학습 알고리즘 중 하나로 뇌의 뉴런과 시냅스의 연결을 프로그램으로 구현한 것이다. 인공신경망은 프로그램으로 신경망의 구조를 만든 다음 학습시켜 원하는 기능을 가지게 할 수 있다. 오차가 존재할 수 있지만 거대한 데이터를 바탕으로 학습하여 입력 데이터를 가지고 적절한 출력 데이터를 출력할 수 있다. 통계적으로 좋은 결과를 얻었던 출력 데이터를 획득할 수 있고 인간의 추론과 유사하다는 장점이 있다.
제어 서버(100)는 빅데이터를 기반으로 구축된 인공지능 알고리즘을 이용하여 판매할 상품에 대응하여 방송 컨셉 설정 정보를 산출할 수 있으며, 이를 위해 미리 학습된 다수의 인공 신경망을 포함할 수 있다.
네트워크는 대용량, 장거리 음성 및 데이터 서비스가 가능한 대형 통신망의 고속 기간 망인 통신망이며, 인터넷(Internet) 또는 고속의 멀티미디어 서비스를 제공하기 위한 차세대 유선 및 무선 망일 수 있다.
네트워크가 이동통신망일 경우 동기식 이동 통신망일 수도 있고, 비동기식 이동 통신망일 수도 있다. 비동기식 이동 통신망의 일 실시 예로서, WCDMA(Wideband Code Division Multiple Access) 방식의 통신망을 들 수 있다. 이 경우 도면에 도시되진 않았지만, 네트워크는 RNC(Radio Network Controller)을 포함할 수 있다. 한편, WCDMA망을 일 예로 들었지만, 3G LTE망, 4G망 그 밖의 5G 등 차세대 통신망, 그 밖의 IP를 기반으로 한 IP망일 수 있다.
이동 단말(200)은 데스크탑 컴퓨터, 랩탑, 태블릿, 스마트폰 등 네트워크를 통해 데이터를 주고받을 수 있는 단말이면 모두 포함될 수 있다.
이동 단말(200)은 본 발명에 따른 서비스를 수행하기 위하여 컴퓨터가 가지는 연산 기능, 저장 기능, 참조 기능, 입출력 기능, 제어 기능 중 어느 하나 이상을 포함할 수 있다.
이동 단말(200)은 본 발명에 따른 서비스를 제공받기 위하여 웹사이트에 접속하거나 애플리케이션을 설치할 수 있다. 이동 단말(200)은 웹사이트 또는 애플리케이션을 통하여 데이터를 주고받을 수 있다.
네트워크는 대용량, 장거리 음성 및 데이터 서비스가 가능한 대형 통신망의 고속 기간 망인 통신망이며, 인터넷(Internet) 또는 고속의 멀티미디어 서비스를 제공하기 위한 차세대 유선 및 무선 망일 수 있다.
네트워크가 이동통신망일 경우 동기식 이동 통신망일 수도 있고, 비동기식 이동 통신망일 수도 있다. 비동기식 이동 통신망의 일 실시 예로서, WCDMA(Wideband Code Division Multiple Access) 방식의 통신망을 들 수 있다. 이 경우 도면에 도시되진 않았지만, 네트워크(300)는 RNC(Radio Network Controller)을 포함할 수 있다. 한편, WCDMA망을 일 예로 들었지만, 3G LTE망, 4G망 그 밖의 5G 등 차세대 통신망, 그 밖의 IP를 기반으로 한 IP망일 수 있다.
이와 같은 본 발명의 일 실시예에 다른 시스템(1)은 홈쇼핑 방송에 있어서 상품군에 대응하여 방송 컨셉을 설정해줌으로써, 방송 구성을 용이하게 하고, 나아가 상품 판매량을 높일 수 있다.
도 2는 본 발명의 일 실시예에 따른 제어 서버의 개념도이다.
도 2를 참조하면, 제어 서버(100)는 상품 분류부(110), 방송 컨셉 정보 산출부(120) 및 코디 정보 산출부(130)를 포함할 수 있다.
상품 분류부(110)는 홈쇼핑 방송을 통해 판매할 상품 정보를 입력 받고, 입력 받은 상품의 상품군을 식별할 수 있다.
예를 들면, 상품 분류부(110)는 이동 단말(200)을 통해 담당자로부터 상품 정보를 입력 받을 수 있다. 상품 정보는 상품명, 제조사, 가격, 상품 옵션 등이 포함될 수 있다.
상품 분류부(110)는 상품 정보가 해당하는 상품군을 식별할 수 있다. 본 실시예에서 상품군은 패션/잡화, 이미용/속옷, 식품/주방, 생활/가전 및 보험/렌탈로 나뉠 수 있다.
방송 컨셉 정보 산출부(120)는 상품 분류부(110)에서 식별한 상품군을 이용하여 방송 컨셉 정보를 산출할 수 있다. 방송 컨셉 정보는 방송에 출연하여 해당 상품을 판매할 적어도 하나 이상의 출연자의 구성으로, 예컨대, 전체 출연자 수, 쇼호스트, 쇼호스트의 수, 게스트 수, 게스트 연령대, 게스트 성별 등을 포함할 수 있다.
예를 들면, 방송 컨셉 정보 산출부(120)는 상품군 별 방송 컨셉 정보를 매칭한 테이블을 미리 저장하고, 상품 분류부(110)에서 식별한 상품군에 해당하는 방송 컨셉 정보를 추출하여 제공할 수 있다.
코디 정보 산출부(130)는 홈쇼핑 방송의 출연자의 코디 정보를 추출하여 제공할 수 있다. 코디 정보는 의상 컬러, 의상 브랜드, 의상 이미지 등을 포함할 수 있다.
코디 정보 산출부(130)는 상품군, 방송 컨셉 정보 및 홈쇼핑 채널 정보 중 적어도 하나 이상을 반영하여 코디 정보를 추출할 수 있다. 여기에서, 홈쇼핑 채널 정보는 홈쇼핑 채널 별 의상 세부 규정, 선호 컨셉 등을 포함할 수 있다.
예를 들면, 코디 정보 산출부(130)는 인공지능 신경망을 이용하여 코디 정보를 산출할 수 있다.
코디 정보 산출부(130)는 상품군, 방송 컨셉 정보 및 홈쇼핑 채널 정보 중 적어도 하나 이상을 입력 데이터로 설정하고, 입력 데이터에 대하여 코디 정보의 출력을 위해 학습된 인공 신경망에 입력 데이터를 입력할 수 있다.
코디 정보 산출부(130)는 인공 신경망으로부터 출력 데이터를 획득하고, 출력 데이터를 코디 정보로 추출할 수 있다.
본 실시예에서 코디 정보 산출부(130)는 기계 학습 알고리즘의 수행을 위하여 미리 학습된 다수의 인공 신경망을 포함할 수 있다. 기계 학습으로 입력 데이터를 바탕으로 출력 데이터를 출력하고 이것의 결과를 이용해 스스로 학습할 수도 있고 이로 인해 스스로 데이터 처리 능력이 향상될 수 있다. 인공 신경망은 입력 데이터를 바탕으로 특징을 추출하고 규칙성을 추측하여 결과데이터를 출력할 수 있고 이러한 과정이 쌓일수록 결과 데이터의 신뢰도가 높아지게 된다.
본 실시예에서 인공 신경망은 상품군, 방송 컨셉 정보 및 홈쇼핑 채널 정보에 대하여 코디 정보를 출력하는 알고리즘일 수 있다. 인공 신경망은 빅데이터를 그대로 입력 데이터로 하거나 불필요한 데이터를 정리하는 처리 과정을 거친 후 입력 데이터로 하여 최상의 출력 데이터를 추론할 수 있다.
인공지능 기계 학습 모델은 학습 종류에 따라 Super Viser Learning(지도학습), UnSuper Viser Learning(비지도 학습), Semisupervised learning(반지도 학습), Reinforcement Learning(강화 학습) 등이 있다. 그리고 기계 학습 알고리즘으로 Decision Tree(의사 결정 트리), K-Nearest Neightbor, Artificial Neural Network(인공 신경망), Support Vector Machine, Ensemble Learning, Gradient Descent(기울기 하강법), Na
Figure 112023075759619-pat00002
ve Bayes Classifier, Hidden Markov Model, K-Means Clustering 등이 사용될 수 있다.
인공 신경망은 수많은 인공 뉴런들을 몇 개의 층으로 쌓고 연결할 수 있다. 인공 신경망의 입력 데이터에는 상품군, 방송 컨셉 정보 및 홈쇼핑 채널 정보 중 적어도 하나 이상을 포함할 수 있다. 인공 신경망은 입력 데이터에 포함될 수 있는 여러 입력 값들에 대해 미리 학습된 상태일 수 있다. 인공 신경망은 사용자가 입력하는 데이터에 따른 제어 신호를 추론하여 출력 데이터를 출력할 수 있다.
인공 신경망은 학습방식 중 하나인 reinforcement learning(강화 학습)에 따라 학습되는 인공 신경망일 수 있다. 강화 학습은 보수와 제한을 설정하여 점차 올바른 결과를 획득할 확률을 올려가는 방식이다.
인공 신경망은 Convelutional Neural Network(CNN, 합성곱 신경망)이나 Recurrent Neural Network(RNN, 순환 신경망)에 기반하여 모델링될 수도 있다.
이와 같이 코디 정보 산출부(130)는 코디 정보를 추출하여 이동 단말(200)을 통해 담당자에게 제공할 수 있다.
도 3은 본 발명의 다른 실시예에 따른 제어 서버의 개념도이다.
도 3을 참조하면, 제어 서버(101)는 상품 분류부(110), 방송 컨셉 정보 산출부(120) 및 코디 정보 산출부(130)에 더하여 방송 컨셉 정보 평가부(140)를 더 포함할 수 있다.
상품 분류부(110), 방송 컨셉 정보 산출부(120) 및 코디 정보 산출부(130)에 대한 설명은 상술한 것으로 대체한다.
방송 컨셉 정보 평가부(140)는 방송 컨셉 정보에 따라 홈쇼핑 방송을 진행한 뒤, 평가 정보를 이용하여 방송 컨셉 정보를 평가할 수 있다. 평가 정보는 판매량, 목표 달성률, 매진 달성 기간 등을 포함할 수 있다.
예를 들면, 방송 컨셉 정보 평가부(140)는 아래 수학식 1에 평가 정보 및 방송 컨셉 정보를 적용하여 방송 컨셉 정보 평가 점수를 산출할 수 있다.
[수학식 1]
수학식 1에서 ptotal은 전체 출연자의 수, p1은 쇼호스트의 수, p2는 게스트의 수, s는 판매량, a는 목표 달성률, t는 매진 달성 기간을 의미한다.
예를 들면, Sc=466.25로 산출될 수 있으며, 이때, 방송 컨셉 정보 평가부(140)는 방송 컨셉 정보 평가 점수가 소정 점수(예를 들면, 500점) 이하인 경우, 쇼호스트의 전문성 미달로 인해 목표 달성률이 부족한 것으로 간주하여 방송 컨셉 정보에 저장된 쇼호스트의 수를 1명 증가하여 수정할 수 있다. 또한, 방송 컨셉 정보 평가부(140)는 방송 컨셉 정보 평가 점수가 소정 점수를 초과하는 경우, 게스트로 인해 집중도가 감소하는 것으로 간주하여 방송 컨셉 정보에 저장된 게스트의 수를 1명 감소시켜 수정할 수 있다.
이와 같이 방송 컨셉 정보 평가부(140)는 방송 평가 정보를 반영하여 출연자 수를 조절함으로써 방송 컨셉 구성의 부족한 점을 보완할 수 있도록 한다.
도 4는 본 발명의 또 다른 실시예에 따른 제어 서버의 개념도이다.
도 4를 참조하면, 제어 서버(102)는 상품 분류부(110), 방송 컨셉 정보 산출부(120), 코디 정보 산출부(130) 및 방송 컨셉 정보 평가부(140)에 더하여 코디 정보 평가부(150)를 더 포함할 수 있다.
상품 분류부(110), 방송 컨셉 정보 산출부(120), 코디 정보 산출부(130) 및 방송 컨셉 정보 평가부(140)에 대한 설명은 상술한 것으로 대체한다.
코디 정보 평가부(150)는 동일한 상품군을 판매하는 이전 홈쇼핑 방송의 코디 정보와 비교하여 현재 산출한 코디 정보를 평가할 수 있다.
예를 들면, 코디 정보 평가부(150)는 아래 수학식 2를 이용하여 코디 정보 평가 점수를 산출할 수 있다.
[수학식 2]
수학식 2에서 N은 소정 기간 동안 동일한 상품군의 홈쇼핑 방송 횟수, Bn은 n번째 산출한 코디 정보 중 의상 브랜드에 부여된 브랜드 식별 넘버, Cn은 n번째 산출한 코디 정보 중 의상 컬러에 부여된 컬러 식별 넘버, In은 n번째 산출한 코디 정보 중 이미지에 부여된 이미지 식별 넘버, B0, C0 및 I0는 현재 산출한 코디 정보에 각각 부여된 식별 넘버를 의미한다.
예를 들면, 으로 산출될 수 있다.
수학식 2에 따르면, 이전 홈쇼핑 방송에서의 코디 정보와의 유사 정도를 확인할 수 있으며, 수학식 2에 따른 코디 평가 점수가 소정 점수(예를 들면, 30점) 이하인 경우, 강화 학습은 보수와 제한을 재 설정하여 점차 올바른 결과를 획득할 확률을 올릴 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
1: 홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 시스템
100: 제어 서버
200: 이동 단말

Claims (3)

  1. 이동 단말; 및
    상기 이동 단말로부터 홈쇼핑 방송을 통해 판매할 상품 정보를 입력 받고, 입력 받은 상품 정보에 대응하는 방송 컨셉 정보 및 코디 정보를 추출하여 제공하는 제어 서버;를 포함하고,
    상기 제어 서버는,
    상기 이동 단말을 통해 상품명, 제조사, 가격 및 상품 옵션을 포함하는 상품 정보를 입력 받고, 상품 정보가 해당하는 상품군을 패션/잡화, 이미용/속옷, 식품/주방, 생활/가전 및 보험/렌탈 중 어느 하나로 분류하는 상품 분류부;
    상기 상품 분류부에서 식별한 상품군을 이용하여 방송에 출연할 전체 출연자 수, 쇼호스트 수, 쇼호스트, 게스트 수, 게스트 연령대 및 게스트 성별을 포함하는 방송 컨셉 정보를 추출하여 제공하는 방송 컨셉 정보 산출부; 및
    상기 홈쇼핑 방송의 출연자의 의상 컬러, 의상 브랜드 및 의상 컬러 중 적어도 하나 이상을 포함하는 코디 정보를 추출하여 제공하는 코디 정보 산출부;를 포함하고,
    상기 방송 컨셉 정보 산출부는,
    상품군 별 방송 컨셉 정보를 매칭한 테이블을 미리 저장하고, 상기 상품 분류부에서 식별한 상품군에 해당하는 방송 컨셉 정보를 추출하여 제공하고,
    상기 코디 정보 산출부는,
    상품군, 상기 방송 컨셉 정보 및 홈쇼핑 채널 정보 중 적어도 하나 이상을 반영하여 코디 정보를 추출하되, 상기 상품군, 상기 방송 컨셉 정보 및 상기 홈쇼핑 채널 정보 중 적어도 하나 이상을 입력 데이터로 설정하고, 입력 데이터에 대하여 코디 정보의 출력을 위해 학습된 인공 신경망에 입력 데이터를 입력하고, 상기 인공 신경망으로부터 출력 데이터를 획득하고, 상기 출력 데이터를 상기 코디 정보로 추출하여 제공하고,
    상기 제어 서버는,
    상기 방송 컨셉 정보에 따라 홈쇼핑 방송을 진행한 이후 판매량, 목표 달성률 및 매진 달성 기간을 포함하는 평가 정보를 이용하여 상기 방송 컨셉 정보를 평가하는 방송 컨셉 정보 평가부;를 더 포함하고,
    상기 방송 컨셉 정보 평가부는,
    아래 수학식 1에 상기 평가 정보 및 상기 방송 컨셉 정보에 포함되는 전체 출연자 수, 쇼호스트 수 및 게스트 수를 적용하여 방송 컨셉 평가 점수를 산출하고, 상기 방송 컨셉 평가 점수가 소정 점수 이하인 경우, 방송 컨셉 정보에 저장된 쇼호스트의 수를 1명 증가하여 수정하고, 방송 컨셉 정보 평가 점수가 소정 점수를 초과하는 경우, 방송 컨셉 정보에 저장된 게스트의 수를 1명 감소시켜 수정하는, 시스템.
    [수학식 1]

    (수학식 1에서 ptotal은 전체 출연자의 수, p1은 쇼호스트의 수, p2는 게스트의 수, s는 판매량, a는 목표 달성률, t는 매진 달성 기간을 의미한다.)
  2. 삭제
  3. 삭제
KR1020230089292A 2023-07-10 2023-07-10 홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 시스템 KR102626192B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230089292A KR102626192B1 (ko) 2023-07-10 2023-07-10 홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230089292A KR102626192B1 (ko) 2023-07-10 2023-07-10 홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 시스템

Publications (1)

Publication Number Publication Date
KR102626192B1 true KR102626192B1 (ko) 2024-01-16

Family

ID=89719356

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230089292A KR102626192B1 (ko) 2023-07-10 2023-07-10 홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 시스템

Country Status (1)

Country Link
KR (1) KR102626192B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100537563B1 (ko) * 2005-05-19 2005-12-19 주식회사 현대홈쇼핑 티비 홈쇼핑방송과 인터넷 홈쇼핑방송간의 실시간데이터연동시스템 및 그 방법
KR20110033876A (ko) * 2009-09-25 2011-04-01 최창묵 인터넷상의 모든 사이버공간에서 간단하게 광고구현(송출)이 가능한 프로그램구성 또는 운영시스템
KR101895001B1 (ko) * 2017-07-13 2018-09-05 (주)블루오션소프트 스마트폰기반 쌍방향 라이브방송 커머스 서비스 플랫폼
KR20220169083A (ko) * 2021-06-18 2022-12-27 주식회사 커넥트마인드 콘텐츠 중심의 글로벌 라이브커머스 방송 통합 플랫폼

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100537563B1 (ko) * 2005-05-19 2005-12-19 주식회사 현대홈쇼핑 티비 홈쇼핑방송과 인터넷 홈쇼핑방송간의 실시간데이터연동시스템 및 그 방법
KR20110033876A (ko) * 2009-09-25 2011-04-01 최창묵 인터넷상의 모든 사이버공간에서 간단하게 광고구현(송출)이 가능한 프로그램구성 또는 운영시스템
KR101895001B1 (ko) * 2017-07-13 2018-09-05 (주)블루오션소프트 스마트폰기반 쌍방향 라이브방송 커머스 서비스 플랫폼
KR20220169083A (ko) * 2021-06-18 2022-12-27 주식회사 커넥트마인드 콘텐츠 중심의 글로벌 라이브커머스 방송 통합 플랫폼

Similar Documents

Publication Publication Date Title
WO2018208578A1 (en) Autonomous learning platform for novel feature discovery
US10949000B2 (en) Sticker recommendation method and apparatus
WO2019109724A1 (zh) 一种推荐物品的方法和装置
KR102468827B1 (ko) 인공지능 기반 상품 소싱 및 카테고리 맞춤형 리뷰 분석 서비스 제공 방법, 장치 및 시스템
KR102490009B1 (ko) 인공지능 기반 인플루언서 연계 제품 구매 및 판매 플랫폼 서비스 제공 방법, 장치 및 시스템
Alshmrany Adaptive learning style prediction in e-learning environment using levy flight distribution based CNN model
CN115034836B (zh) 一种模型训练方法及相关装置
KR102626573B1 (ko) 인공지능 기반 소비자 피부 유형에 따른 화장품 추천시스템
KR102592129B1 (ko) 인공지능에 기반한 사용자 맞춤형 의류 추천시스템
KR20220075623A (ko) 구매상품 리뷰 큐레이션 및 라이브커머스를 통한 상품 구매 방법, 장치 및 프로그램
KR102601446B1 (ko) 인공지능 모델을 활용한 인플루언서 기반 판매 제품매칭 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102626192B1 (ko) 홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 시스템
KR102552856B1 (ko) 커머스 연계 콘텐츠 제공 플랫폼 서비스를 위한 키워드 추출 및 콘텐츠 템플릿 생성 자동화 방법, 장치 및 시스템
CN108614845A (zh) 基于媒体文件的行为预估方法和装置
KR102659929B1 (ko) 온라인 판매 시스템
KR102614905B1 (ko) 스타일 커머스 플랫폼 시스템
KR102624926B1 (ko) 소비자 기호 반영 컨텐츠 제공 및 제작 시스템
KR102536172B1 (ko) 인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102615605B1 (ko) 사용자 상호 작용 기반 스타일링 추천 및 라이프스타일아이템 판매 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102636063B1 (ko) 웹기반 메타버스 플랫폼 시스템
KR102619891B1 (ko) 인공지능 모델 기반 커머스 제품 연계 콘텐츠의 시청패턴을 고려한 사용자 맞춤형 제품 큐레이션 서비스 제공 방법, 장치 및 시스템
KR102474282B1 (ko) 리뷰 영상 기반의 제품 구매 서비스 제공 방법 및 장치
KR102533115B1 (ko) 사용자 단말에게 제품 구매를 위한 제품 관련 정보 제공 방법
KR102662214B1 (ko) 사용자 개인 성향에 기반한 진주를 포함하는 쥬얼리 제품 추천 방법
KR102643697B1 (ko) 인공지능 모델을 활용한 인플루언서 및 브랜드사 간의 매칭 및 큐레이션 플랫폼 서비스 제공 방법, 장치 및 시스템

Legal Events

Date Code Title Description
GRNT Written decision to grant