KR102653508B1 - 개인의 취향을 반영하여 팬시 제품을 추천해주고 이를 추적하여 재구매를 유도하는 방법 및 시스템 - Google Patents

Abstract

팬시 제품 추천 방법이 개시된다. 일실시예에 따른 팬시 제품 추천 방법은, 사용자로부터 개인 정보 및 구매 정보를 입력받는 단계; 취향 점수 산출 모델을 이용하여 상기 개인정보 및 구매 정보에 기초하여 취향 점수를 산출하는 단계; 상품 추천 모델을 이용하여 상기 취향 점수에 기초하여 추천 상품을 출력하는 단계; 및 상기 구매 정보 및 유행 트랜드에 기초하여 상기 추천 상품을 표시하는 단계를 포함하고, 상기 개인 정보는 사용자의 성별, 나이, 거주 지역, SNS 정보, 사용자가 직접 입력한 항목별 선호도 중 적어도 일부를 포함하고, 상기 구매 정보는 사용자가 구입한 상품 종류, 구매 시기, 구매 빈도, 사용자가 작성한 리뷰, 사용자가 등록한 평점, 웹사이트 방문 기록, 웹페이지 체류 기간, 상품 클릭 여부, 검색 로그 중 적어도 일부를 포함하고, 상기 상품 추천 모델은 사용자 유사도 및 상품 유사도 중 적어도 어느 하나를 이용하는 협업 필터링 모델을 포함한다.

Description

개인의 취향을 반영하여 팬시 제품을 추천해주고 이를 추적하여 재구매를 유도하는 방법 및 시스템{A method and system that recommends fancy products that reflect individual tastes and tracks them to encourage repurchase}

아래 실시예들은 개인의 취향을 반영하여 팬시 제품을 추천해주고 이를 추적하여 재구매를 유도하는 기술에 관한 것이다.

온라인 상거래가 발달하면서, 사용자들은 블로그, SNS, 상품 리뷰 게시판 등 다양한 방식을 통하여 상품에 대한 의견을 공유하고 있다. 그에 따라 사용자들은 상품을 구매하기 위해 온라인 상에 게재된 상품에 대한 다양한 의견을 참고하여 구매를 결정하곤 한다. 그러나 이러한 온라인 상에 게재된 상품에 대한 각각의 의견들은 글을 읽는 사용자 개인의 취향이나 선호도를 반영하지 못할 뿐만 아니라, 상품에 대한 신뢰도를 얻기 위해 수 많은 방대한 정보의 바다에서 적절한 글을 선택하고 읽어야 하므로 구매를 결정하기까지 너무 많은 시간이 소요되는 문제점이 있었다.

이를 해결하기 위해 최근 다양한 분야의 온라인 쇼핑몰에서 사용자의 취향을 반영하여 상품을 추천해주는 서비스를 제공하고 있다. 상품 추천 서비스는 사용자의 패턴을 분석하여 사용자에게 가장 적합한 기능을 추천함으로써 사용자의 구매를 돕기 위한 것이지만 추천의 형태가 단순하고 세분화되지 못하여 획일적인 구매 패턴을 양산하거나, 객관적이지 못한 정보를 바탕으로 하거나 사용자의 선호도를 고려하지 않아 사용자의 다양한 니즈를 만족시키지 못하는 경우가 있다.

이와 같은 문제를 해결하기 위해, 본 발명에서는 사용자의 취향을 반영하여 상품을 추천하고 상품 구매 주기에 따라 재구매를 유도하기 위한 방법 및 시스템을 제공한다.

한국등록특허공보, 제10-1177768호 한국등록특허공보, 제10-2471571호 한국특허출원공개공보, 제10-2023-0086099호 한국등록특허공보, 제10-2556324호

실시예들은 상술한 문제를 해결하기 위해, 사용자의 취향을 반영하여 상품을 추천하고 상품 구매 주기에 따라 재구매를 유도하기 위한 방법 및 시스템을 제공한다.

보다 상세하게는, 사용자 정보에 기초하여 산출된 취향 점수와 구매 정보에 기초하여 추천 상품을 출력함으로써 사용자의 취향을 반영한 상품을 추천할 수 있을 뿐만 아니라, 사용자가 상품을 재구매해야 하는 시기를 예측하여 미리 추천 상품을 제공할 수 있으므로 사용자의 추천 상품에 대한 만족도를 높일 수 있고, 사용자가 상품을 구매하는 데 소요되는 시간을 절약하여 효율적인 의사 결정에 도움을 줄 수 있다.

본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제는 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

사용자로부터 개인 정보 및 구매 정보를 입력받는 단계; 취향 점수 산출 모델을 이용하여 상기 개인정보 및 구매 정보에 기초하여 취향 점수를 산출하는 단계; 상품 추천 모델을 이용하여 상기 취향 점수에 기초하여 추천 상품을 출력하는 단계; 및 상기 구매 정보 및 유행 트랜드에 기초하여 상기 추천 상품을 표시하는 단계를 포함하고, 상기 개인 정보는 사용자의 성별, 나이, 거주 지역, SNS 정보, 사용자가 직접 입력한 항목별 선호도 중 적어도 일부를 포함하고, 상기 구매 정보는 사용자가 구입한 상품 종류, 구매 시기, 구매 빈도, 사용자가 작성한 리뷰, 사용자가 등록한 평점, 웹사이트 방문 기록, 웹페이지 체류 기간, 상품 클릭 여부, 검색 로그 중 적어도 일부를 포함하고, 상기 상품 추천 모델은 사용자 유사도 및 상품 유사도 중 적어도 어느 하나를 이용하는 협업 필터링 모델인 팬시 제품 추천 방법.

상기 취향 점수를 산출하는 단계는, 상기 구입한 상품의 종류, 상기 구매 빈도 및 상기 상품 클릭 여부에 기초하여 항목 별 선호 점수를 산출하는 단계; 상기 사용자의 성별, 상기 나이 및 상기 거주 지역에 기초하여, 사용자의 성별, 나이 및 거주 지역에 따른 구매 경향성을 대변하는 글로벌 가중치를 결정하는 단계; 상기 사용자가 직접 입력한 항목별 선호도에 기초하여 사용자의 선호도를 대변하는 로컬 가중치를 결정하는 단계; 상기 글로벌 가중치 및 상기 로컬 가중치를 반영하여 개인 가중치를 결정하는 단계; 및 상기 항목별 선호 점수에 상기 개인 가중치를 부여하여 상기 취향 점수를 산출하는 단계를 포함하는 팬시 제품 추천 방법.

상기 개인 가중치를 결정하는 단계는, 상기 항목별 선호 점수의 각 항목에 대하여 상기 글로벌 가중치와 상기 로컬 가중치를 상이한 비율로 반영하는 단계를 포함하는 팬시 제품 추천 방법.

상기 구매 정보 및 유행 트랜드에 기초하여 상기 추천 상품을 표시하는 단계는, 상기 구매 정보에 새로운 상품 정보가 포함된 경우, 상기 추천 상품을 표시하는 단계; 상기 구매 정보에 새로운 상품 정보가 포함되지 않은 경우, 상품의 사용 기간과 상기 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간보다 짧은 지 판단하는 단계; 상기 상품의 사용 기간과 상기 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간보다 짧은 경우, 상기 추천 상품을 표시하는 단계; 상기 상품의 사용 기간과 상기 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간보다 긴 경우, 유행 트랜드가 변화했는지 여부를 판단하는 단계; 상기 유행 트랜드가 변화한 경우, 상기 추천 상품을 표시하는 단계; 및 상기 유행 트랜드가 변화하지 않은 경우, 상기 취향 점수에 기초하여 추천 상품을 출력하는 단계를 다시 실행하는 단계를 포함하는 팬시 제품 추천 방법.

상기 유행 트랜드가 변화했는지 여부를 판단하는 단계는, 상품 판매량, 상품 리뷰 개수, 상품 클릭 횟수 및 상품 검색량 중 적어도 일부에 기초하여 상품의 종류 별로 트랜드 변화를 감지하도록 학습된 트랜드 변화 감지 모델을 이용하여, 특정 상품의 연 평균 상품 판매량, 상품 리뷰 개수, 상품 클릭 횟수 및 상품 검색량과 기 설정된 기간의 상품 판매량, 상품 리뷰 개수, 상품 클릭 횟수 및 상품 검색량을 비교하여 변화량을 연산하는 단계; 및 상기 변화량이 기 설정된 변화량보다 큰 경우, 상기 유행 트랜드가 변화한 것으로 결정하는 단계를 포함하는 팬시 제품 추천 방법.

사용자로부터 개인 정보 및 구매 정보를 입력 받고, 추천 상품을 표시하는 컴퓨팅 장치; 및 상기 개인 정보 및 구매 정보에 기초하여 상기 추천 상품을 출력하는 서버를 포함하고, 상기 서버는, 취향 점수 산출 모델을 이용하여 상기 구매 정보에 기초한 항목별 선호 점수를 산출하고, 상기 개인 정보에 기초한 개인 가중치를 결정하고, 상기 항목별 선호 점수에 상기 개인 가중치를 반영하여 취향 점수를 산출하는 산출부; 사용자 유사도 및 상품 유사도 중 적어도 어느 하나를 이용하는 협업 필터링 모델인 상품 추천 모델을 이용하여 상기 취향 점수에 기초한 추천 상품을 출력하는 추천부; 및 상기 구매 정보 및 유행 트랜드에 기초하여 상기 추천 상품 표시여부를 결정하는 출력부를 포함하고, 상기 개인 정보는, 사용자의 성별, 나이, 거주 지역, SNS 정보, 사용자가 직접 입력한 항목별 선호도 중 적어도 일부를 포함하고, 상기 구매 정보는, 사용자가 구입한 상품 종류, 구매 시기, 구매 빈도, 사용자가 작성한 리뷰, 사용자가 등록한 평점, 웹사이트 방문 기록, 웹페이지 체류 기간, 상품 클릭 여부, 검색 로그 중 적어도 일부를 포함하는 팬시 제품 추천 시스템.

상기 산출부는, 상기 구입한 상품의 종류, 상기 구매 빈도 및 상기 상품 클릭 여부에 기초하여 상기 항목 별 선호 점수를 산출하고, 상기 사용자의 성별, 상기 나이 및 상기 거주 지역에 기초하여 사용자의 성별, 나이 및 거주 지역에 따른 구매 경향성을 대변하는 글로벌 가중치를 결정하고, 상기 사용자가 직접 입력한 항목별 선호도에 기초하여 사용자의 선호도를 대변하는 로컬 가중치를 결정하고, 상기 글로벌 가중치 및 상기 로컬 가중치를 이용하여 개인 가중치를 결정하는 팬시 제품 추천 시스템.

상기 산출부는, 상기 항목별 선호 점수의 각 항목에 대하여 상기 글로벌 가중치와 상기 로컬 가중치를 상이한 비율로 반영하는 팬시 제품 추천 시스템.

상기 산출부는, 상기 항목별 선호 점수의 각 항목에 대하여 상기 글로벌 가중치와 상기 로컬 가중치가 전혀 상이한 값을 가지는 경우, 상기 글로벌 가중치는 무시하고, 상기 로컬 가중치만 이용하여 상기 개인 가중치를 결정하고, 상기 항목별 선호 점수의 각 항목에 대하여 상기 글로벌 가중치와 상기 로컬 가중치의 차이가 기 설정된 범위 내에 있는 경우, 상기 글로벌 가중치와 상기 로컬 가중치를 동일한 비율로 반영하여 상기 항목에 대한 개인 가중치를 결정하는 팬시 제품 추천 시스템.

상기 출력부는, 상기 구매 정보에 새로운 상품 정보가 포함된 경우 상기 추천 상품을 표시하고, 상기 구매 정보에 새로운 상품 정보가 포함되지 않은 경우 상품의 사용 기간과 상기 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간보다 짧은 지 판단하고, 상기 상품의 사용 기간과 상기 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간보다 짧은 경우 상기 추천 상품을 표시하고, 상기 상품의 사용 기간과 상기 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간보다 긴 경우 유행 트랜드가 변화했는지 여부를 판단하고, 상기 유행 트랜드가 변화한 경우 상기 추천 상품을 표시하고, 상기 트랜드 변화 감지 모델은, 상기 상품 판매량, 상품 리뷰 개수, 상품 클릭 횟수 및 상품 검색량 중 적어도 일부에 기초하여 상품의 종류 별로 트랜드 변화를 감지하도록 학습된 모델로서, 특정 상품의 연 평균 상품 판매량, 상품 리뷰 개수, 상품 클릭 횟수 및 상품 검색량과 기 설정된 기간의 상품 판매량, 상품 리뷰 개수, 상품 클릭 횟수 및 상품 검색량을 비교하여 변화량을 연산하고, 상기 변화량이 기 설정된 변화량보다 큰 경우 상기 유행 트랜드가 변화한 것으로 결정하는 팬시 제품 추천 시스템.

상기 출력부는, 상기 추천 상품을 메일 또는 문자 메시지의 방법으로 사용자에게 제공하거나, 상기 컴퓨팅 장치가 팝업 또는 알람의 방법으로 사용자에게 상기 추천 상품을 제공하도록 표시 명령을 생성하는 팬시 제품 추천 시스템.

일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.

실시예들은 사용자 정보에 기초하여 산출된 취향 점수와 구매 정보에 기초하여 추천 상품을 출력함으로써 사용자의 취향을 반영한 상품을 추천할 수 있으므로 사용자의 추천 상품에 대한 만족도를 높일 수 있다.

실시예들은 사용자가 상품을 재구매해야 하는 시기를 예측하여 미리 추천 상품을 제공할 수 있으므로 사용자가 상품을 구매하는 데 소요되는 시간을 절약하여 효율적인 의사 결정에 도움을 줄 수 있다.

도 1은 일실시예에 따른 팬시 제품 추천 시스템을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 컴퓨팅 장치를 설명하기 위한 도면이다.
도 3은 일실시예에 따른 팬시 제품 추천 서버를 설명하기 위한 도면이다.
도 4는 일실시예에 따른 팬시 제품 추천 방법을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 취향 점수 산출 방법을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 장치의 구성의 예시도이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.

도 1은 일실시예에 따른 팬시 제품 추천 시스템을 설명하기 위한 도면이다. 도 1을 비롯한 이하의 설명에서, 팬시 제품은 임의의 디자인을 포함하는 상품을 의미할 수 있다. 팬시 제품은 디자인이 강조되는 상품을 의미할 수도 있다. 팬시 제품은 문구 용품, 리빙 용품, 장식품, 소품, 주방 용품, 욕실 용품, 악세서리, 잡화 등을 포함할 수 있으며, 팬시 제품은 어떤 하나의 상품 종류로 제한되지 않는다. 이하에서 팬시 제품은 상품으로 지칭될 수 있다.

도 1을 참조하면, 팬시 제품 추천 시스템(100)은 컴퓨팅 장치(110), 팬시 제품 추천 서버(120) 및 네트워크(130)를 포함할 수 있다.

컴퓨팅 장치(110)는 네트워크(130)에 접속할 수 있는 모든 장치를 포함할 수 있다. 예를 들어, 컴퓨팅 장치(110)는 스마트폰, 태블릿, PC, 노트북, 가전 디바이스, 카메라 및 웨어러블 장치 등을 포함할 수 있다. 도 1에서 컴퓨팅 장치(110)는 하나만 도시되나, 복수의 컴퓨팅 장치(110)가 네트워크(130)와 연결될 수 있다.

일 실시예에서, 컴퓨팅 장치(110)는 팬시 제품 추천 서버(120)로부터 추천 상품을 제공받을 수 있다. 컴퓨팅 장치(110)는 팬시 제품 추천 서버(120)로부터 제공받은 추천 상품을 표시할 수 있다. 복수의 컴퓨팅 장치(110)가 네트워크(130)와 연결될 경우, 복수의 컴퓨팅 장치(110) 각각은 팬시 제춤 추천 서버(120)로부터 서로 다른 추천 상품을 제공받을 수 있고, 서로 다른 추천 상품을 표시할 수 있다.

컴퓨팅 장치(110)는 사용자에 의해 입력된 개인 정보 및 구매 정보를 수신할 수 있고, 네트워크(130)를 통해 팬시 제품 추천 서버(120) 및/또는 저장부(122)로 전송할 수 있다.

개인 정보는 사용자의 성별, 나이, 거주 지역, SNS 정보 중 적어도 일부를 포함할 수 있다. 개인 정보는 사용자가 직접 입력한 선호도를 더 포함할 수 있다. 선호도는 설문조사 형식으로 사용자로부터 입력될 수 있다. 예를 들어, 선호도는 선호 색상, 선호 무늬, 선호 크기, 선호 제품 중 적어도 일부에 대하여 사용자가 직접 입력한 값일 수 있다.

구매 정보는 사용자가 구입한 상품 종류, 구매 시기, 구매 빈도, 사용자가 작성한 리뷰, 사용자가 등록한 평점, 웹사이트 방문 기록, 웹페이지 체류 기간, 상품 클릭 여부, 검색 로그 중 적어도 일부를 포함할 수 있다. 그러나, 상술한 개인 정보 및 구매 정보에 포함되는 파라미터들은 설명을 위한 예시에 불과하며 본 발명의 실시 예가 이에 한정되는 것은 아니다.

팬시 제품 추천 서버(120)는 네트워크(130)를 통해 컴퓨팅 장치(110)에 추천 상품을 제공하기 위한 컴퓨팅 자원을 제공할 수 있다. 팬시 제품 추천 서버(120)는 클라우드 기반의 시스템으로 구현될 수 있으며, 내부에 다양한 서버, 장치, 디바이스, 단말 등을 포함할 수 있다. 예를 들어, 팬시 제품 추천 서버(120)는 애플리케이션 서버, 제어 서버, 데이터 수집 서버, 데이터 저장 서버, 데이터 처리 서버, API(Application Programming Interface) 제공 서버, 데이터 표시 서버, 특정 기능을 제공하기 위한 서버 등 다양한 종류의 서버를 포함할 수 있다. 팬시 제품 추천 서버(120)는 단일 시스템으로 구성되어 데이터 수집, 데이터 저장, 데이터 처리, API 제공, 데이터 표시 등의 프로세스를 수행할 수 있다. 그러나 이에 제한되지 않으며, 팬시 제품 추천 서버(120)는 복수의 서버들이 동시에 프로세스를 처리할 수도 있다.

팬시 제품 추천 서버(120)는 컴퓨팅 장치(110)를 통해 입력되는 개인 정보 및 구매 정보를 수집할 수 있다. 팬시 제품 추천 서버(120)는 개인 정보 및 구매 정보에 기초하여 취향 점수를 산출할 수 있고, 취향 점수에 기초하여 추천 상품을 출력할 수 있다.

팬시 제품 추천 서버(120)는 저장부(122)를 포함할 수 있다. 저장부(122)는 팬시 제품 추천 시스템(100)에 필요한 데이터를 저장할 수 있다. 저장부(122)는 팬시 제품 추천 서버(120)의 일부일 수 있으나 이에 제한되지 않으며, 팬시 제품 추천 서버(120)와 분리되어 운용될 수도 있다. 저장부(122)는 컴퓨팅 장치(110)로부터 수신한 개인 정보 및 구매 정보를 저장할 수 있다. 저장부(122)에 저장된 정보는 필요에 따라 팬시 제품 추천 서버(120)에 제공될 수 있며, 팬시 제품 추천 서버(120)에서 추천 상품을 제공하는 과정에서 사용될 수 있다.

네트워크(130)는 인터넷(internet), 인트라넷(intranet), 엑스트라넷(extranet), LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 등 컴퓨팅 장치(110), 팬시 제품 추천 서버(120) 및 저장부(122)가 접속할 수 있는 모든 네트워크를 포함할 수 있다.

도 2는 일실시예에 따른 컴퓨팅 장치를 설명하기 위한 도면이다.

컴퓨팅 장치(110)는 입출력 모듈(111), 저장 모듈(112), 제어 모듈(113) 및 통신 모듈(114)을 포함할 수 있다. 상기 구성들은 컴퓨팅 장치(110)를 구현하기위해 필요한 필수적인 구성들은 아니며, 본 명세서의 컴퓨팅 장치(110)는 더 많은 구성 또는 더 적은 구성을 포함할 수 있다.

입출력 모듈(111)은 사용자로부터 정보를 수신하는 입력부와 사용자에게 정보를 제공하는 출력부를 포함할 수 있다. 입력부는 키보드, 마우스 및 터치 스크린과 같은 입력 장치를 포함할 수 있다. 입력부는 사용자로부터 개인 정보 및 구매 정보를 수신할 수 있다. 출력부는 디스플레이 장치 및 스피커와 같은 출력 장치를 포함할 수 있다. 출력부는 사용자에게 추천 상품을 제공할 수 있다.

저장 모듈(112)은 컴퓨팅 장치(110)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 저장 모듈(112)은 소프트웨어 및/또는 프로그램을 저장할 수 있다. 상기 프로그램은 커널, 미들웨어, 어플리케이션 인터페이스(application programming interface), 어플리케이션을 포함할 수 있다. 상기 커널, 미들웨어, 또는 어플리케이션 인터페이스의 적어도 일부는, 운영 시스템(operating system, OS)일 수 있다. 저장 모듈(112)은 제어 모듈(113)과 전기적으로 연결될 수 있고, 제어 모듈(113)에서 수행되는 적어도 하나의 코드(Code)를 저장할 수 있다.

저장 모듈(112)은 다양한 형태의 저장 장치를 통칭할 수 있다. 저장 모듈(112)은 내장 메모리 또는 외장 메모리를 포함할 수 있다.

내장 메모리는 휘발성 메모리 및 비휘발성 메모리 중 적어도 하나를 포함할 수 있다. 휘발성 메모리는 DRAM(dynamic RAM), SRAM(static RAM) 및 SDRAM(synchronous dynamic RAM) 중 적어도 하나를 포함할 수 있다. 비휘발성 메모리는 OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, 플래시 메모리, 하드 드라이브, 또는 솔리드 스테이트 드라이브(solid state drive(SSD)) 중 적어도 하나를 포함할 수 있다.

외장 메모리는 플래시 드라이브(flash drive) 및 메모리 스틱(memory stick) 중 적어도 어느 하나를 포함할 수 있다. 플래시 드라이브는 CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital), MMC(multi-media card) 등을 포함할 수 있다. 외장 메모리는 다양한 인터페이스를 통하여 컴퓨팅 장치(110)와 기능적으로 및/또는 물리적으로 연결될 수 있다.

제어 모듈(113)은 하나 이상의 프로세서로 구현될 수 있다. 제어 모듈(113)은 컴퓨팅 장치(110)의 구성들을 제어할 수 있다. 제어 모듈(113)은 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 포함할 수 있다. 제어 모듈(113)은 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.

제어 모듈(113)은 입출력 모듈(111)을 통해 입력되는 고객 정보 및 구매 정보를 통신 모듈(114)을 통해 팬시 제품 추천 서버(120)로 전송하도록 컴퓨팅 장치(110)를 제어할 수 있다. 제어 모듈(113)은 팬시 제품 추천 서버(120)로부터 수신한 추천 상품을 사용자에게 제공할 수 있다. 제어 모듈(113)은 추천 상품을 사용자에게 표시하도록 입출력 모듈(111)을 제어할 수 있다. 제어 모듈(113)은 추천 상품을 알람, 팝업 등의 방법으로 표시하도록 입출력 모듈(111)을 제어할 수 있다. 제어 모듈(113)은 팬시 제품 추천 서버(120)로부터 수신한 출력 명령에 기초하여 추천 상품을 표시할 수 있다.

실시 예에 따라, 팬시 제품 추천 서버(120)가 출력부(125)를 포함하지 않는 경우, 제어 모듈(113)은 후술하는 출력부(125)의 동작을 수행할 수 있다. 예를 들어, 제어 모듈(113)은 팬시 제품 추천 서버(120)로부터 수신한 추천 상품을 출력할지 여부에 대하여 추가적으로 연산한 후 입출력 모듈(111)을 통해 추천 상품을 표시할 수 있다. 이 때, 제어 모듈(113)은 추천 상품을 알람, 팝업, 메일링, 문자 메시지 등의 방법으로 표시하도록 입출력 모듈(111)을 제어할 수 있다. 출력부(125)의 동작은 도 3의 설명에서 후술한다.

통신 모듈(114)은 이동 통신, 근거리 통신 등을 수행하기 위한 모듈을 포함할 수 있고, 유무선 통신을 수행하기 위한 모듈을 포함할 수 있다. 통신 모듈(114)은 제어 모듈(113)의 제어에 따라 동작할 수 있다. 통신 모듈(114)은 팬시 제품 추천 서버(120), 저장부(122), 및/또는 네트워크(130)와 통신하기 위한 모듈일 수 있다. 통신 모듈(114)을 통해 컴퓨팅 장치(110)로부터 입력된 고객 정보 및 구매 정보가 팬시 제품 추천 서버(120)에 전송될 수 있다.

예를 들어, 무선 통신은 LTE(long term evolution), LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(wireless broadband), 또는 GSM(global system for mobile communications) 등 중 적어도 하나를 사용하는 셀룰러 통신을 포함할 수 있다. 무선 통신은 WiFi(wireless fidelity), LiFi(light fidelity), WiGig(wireless gigabit alliance), 블루투스(Bluetooth), 블루투스 저전력(BLE, Bluetooth low energy), 지그비(Zigbee), NFC(near field communication), 자력 시큐어 트랜스미션(magnetic secure transmission), 라디오 프리퀀시(RF, radio frequency), 또는 보디 에어리어 네트워크(BAN, body area network) 중 적어도 하나를 포함할 수도 있다.

예를 들어, 유선 통신은 USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard 232), 전력선 통신(power line communication), 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있다.

본 명세서에서, 컴퓨팅 장치(110)가 상술한 구성들을 포함하는 것으로 설명하나, 구현 예에 따라서는, 컴퓨팅 장치(110)는 클라우드 기반의 시스템으로 구현되어, 데이터 수집, 데이터 처리, 데이터 저장, 데이터 표시 및 API 제공 등을 수행하는 서버 또는 장치를 별도로 포함할 수 있다.

도 3은 일실시예에 따른 팬시 제품 추천 서버를 설명하기 위한 도면이다.

팬시 제품 추천 서버(120)는 통신부(121), 저장부(122), 산출부(123), 추천부(124) 및 출력부(125)를 포함할 수 있다. 상기 구성들은 팬시 제품 추천 서버(120)를 구현하기위해 필요한 필수적인 구성들은 아니며, 본 명세서의 팬시 제품 추천 서버(120)는 더 많은 구성 또는 더 적은 구성을 포함할 수 있다.

통신부(121)는 이동 통신, 근거리 통신 등을 수행하기 위한 모듈을 포함할 수 있고, 유무선 통신을 수행하기 위한 모듈을 포함할 수 있다. 통신부(121)는 컴퓨팅 장치(110) 및/또는 네트워크(130)와 통신하기 위한 구성일 수 있다. 통신부(121)는 컴퓨팅 장치(110)로부터 네트워크(130)를 통해 전송된 개인 정보 및 구매 정보를 수신할 수 있다.

저장부(122)는 산출부(123), 추천부(124) 및 출력부(125)와 전기적으로 연결될 수 있고, 산출부(123), 추천부(124) 및 출력부(125)에서 수행되는 적어도 하나의 코드(Code)를 저장할 수 있다. 저장부(122)는 다양한 형태의 저장 장치를 통칭할 수 있다. 저장부(122)는 내장 메모리 또는 외장 메모리를 포함할 수 있다.

저장부(122)는 네트워크(130)를 통해 수신한 개인 정보 및 구매 정보를 저장할 수 있다. 저장부(122)는 인공 지능, 머신 러닝, 인공 신경망을 이용하여 연산을 수행하는데 필요한 정보를 저장할 수 있다. 저장부(122)는 다양한 인공 지능 모델을 저장할 수 있다. 예를 들어, 저장부(122)는 취향 점수 산출 모델, 상품 추천 모델 및 트랜드 변화 감지 모델을 포함할 수 있다. 저장부(122)에 저장된 인공지능 모델들은 새로운 입력 데이터에 대하여 결과 값을 추론할 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.

산출부(123)는 취향 점수 산출 모델을 이용하여 개인 정보 및 구매 정보에 기초하여 취향 점수를 산출할 수 있다. 취향 점수 산출 모델은 개인 정보 및 구매 정보에 기초하여 취향 점수를 산출하는 인공지능 모델일 수 있다. 취향 점수 산출 모델은 개인 정보 및 구매 정보를 분석하여 항목별 선호 점수 및 취향 점수를 산출하는 알고리즘을 포함할 수 있다.

산출부(123)는 취향 점수 산출 모델을 이용하여 구매 정보에 기초한 항목별 선호 점수를 산출할 수 있다. 산출부(123)는 사용자가 구입한 상품 종류, 구매 시기, 구매 빈도, 사용자가 작성한 리뷰, 사용자가 등록한 평점, 웹사이트 방문 기록, 웹페이지 체류 기간, 상품 클릭 여부, 검색 로그 중 적어도 일부를 이용하여 항목별 선호 점수를 산출할 수 있다. 선호 점수가 산출되는 항목은 선호 색상, 선호 무늬, 선호 크기, 선호 제품군 중 적어도 일부를 포함할 수 있다.

예를 들어, 산출부(123)는 빨강, 주황, 노랑, 초록, 파랑, 보라, 분홍, 검정, 하양 각각에 대하여 선호 색상 점수를 산출할 수 있다. 선호 색상 점수는 사용자가 구입한 상품의 종류, 구매 빈도 및 상품 클릭 여부에 기초하여 산출될 수 있다. 산출부(123)는 사용자가 구입한 상품의 종류 및 구매 빈도에 기초한 점수에 상품 클릭 여부를 가중치로 부여하여 선호 색상 점수를 산출할 수 있다. 예를 들어, 사용자가 노랑이 포함된 상품을 5회, 하양이 포함된 상품을 5회 구매하고, 노랑이 포함된 상품만 클릭해 본 경우, 산출부(123)는 선호 색상 점수를 노랑 7점, 하양 3점, 그 외의 색상은 0점으로 결정할 수 있다. 그러나 이에 제한되지 않으며, 산출부(123)는 사용자가 작성한 리뷰, 사용자가 등록한 평점, 웹사이트 방문 기록, 웹페이지 체류 기간 및 검색 로그를 더 이용하여 선호 색상 점수를 산출할 수도 있다. 또한, 빨강, 주황, 노랑, 초록, 파랑, 보라, 분홍, 검정, 하양은 실시 예에 불과하며, 이보다 세분화하여 선호 색상 점수를 구분하거나 일부를 통합하여 선호 색상 점수를 구분할 수 있다.

예를 들어, 산출부(123)는 민무늬, 꽃무늬, 도형, 캐릭터 각각에 대하여 선호 무늬 점수를 산출할 수 있다. 선호 무늬 점수는 사용자가 구입한 상품의 종류, 구매 빈도 및 상품 클릭 여부에 기초하여 산출될 수 있다. 산출부(123)는 사용자가 구입한 상품의 종류 및 구매 빈도에 기초한 점수에 상품 클릭 여부를 가중치로 부여하여 선호 무늬 점수를 산출할 수 있다. 예를 들어, 사용자가 캐릭터가 포함된 상품을 7회, 민무늬인 상품을 3회 구매하고, 캐릭터가 포함된 상품과 민무늬인 상품을 동일한 횟수만큼 클릭한 경우, 산출부(123)는 선호 무늬 점수를 캐릭터 7점, 민무늬 3점, 그 외의 무늬는 0점으로 결정할 수 있다. 그러나 이에 제한되지 않으며, 산출부(123)는 사용자가 작성한 리뷰, 사용자가 등록한 평점, 웹사이트 방문 기록, 웹페이지 체류 기간 및 검색 로그를 더 이용하여 선호 색상 점수를 산출할 수도 있다. 또한, 산출부(123)는 캐릭터의 종류 별, 무늬의 크기 별로 선호 무늬 점수를 세분화하여 산출할 수도 있다. 민무늬, 꽃무늬, 도형, 캐릭터로의 구분은 실시 예에 불과하며, 이보다 세분화하여 선호 무늬 점수를 구분하거나 일부를 통합하여 선호 무늬 점수를 구분할 수 있다.

예를 들어, 산출부(123)는 소형, 중형, 대형, 특대형 각각에 대하여 선호 크기 점수를 산출할 수 있다. 소형, 중형, 대형, 특대형의 기준은 사용자가 기 설정한 값일 수 있다. 예를 들어, 가로 및 세로의 크기가 모두 10cm 이하인 상품은 소형, 가로 및 세로의 크기가 모두 20 cm 이하인 상품은 중형, 가로 및 세로의 크기가 모두 50 cm 이하인 상품은 대형, 가로 및 세로의 크기 중 적어도 하나라도 50 cm 이상인 상품은 특대형으로 구분할 수 있다. 선호 크기 점수는 사용자가 구입한 상품의 종류, 구매 빈도 및 상품 클릭 여부에 기초하여 산출될 수 있다. 산출부(123)는 사용자가 구입한 상품의 종류 및 구매 빈도에 기초한 점수에 상품 클릭 여부를 가중치로 부여하여 선호 크기 점수를 산출할 수 있다. 예를 들어, 사용자가 소형 상품만 10회 구매하고, 대형 상품을 5회 검색한 경우, 산출부(123)는 선호 크기 점수를 소형 10점, 그 외의 크기는 0점으로 결정할 수 있다. 그러나 이에 제한되지 않으며, 산출부(123)는 사용자가 작성한 리뷰, 사용자가 등록한 평점, 웹사이트 방문 기록, 웹페이지 체류 기간 및 검색 로그를 더 이용하여 선호 색상 점수를 산출할 수도 있다. 소형, 중형, 대형, 특대형으로의 구분은 실시 예에 불과하며, 이보다 세분화하여 선호 크기 점수를 구분하거나 일부를 통합하여 선호 크기 점수를 구분할 수 있다

산출부(123)는 개인 정보에 기초한 글로벌 가중치를 산출할 수 있다. 글로벌 가중치는 사용자의 성별, 나이 및 거주 지역에 기초한 가중치일 수 있다. 글로벌 가중치는 사용자의 성별, 나이 및 거주 지역에 따른 구매 경향성을 대변하는 값일 수 있다. 글로벌 가중치는 선호 색상 점수, 선호 무늬 점수, 선호 크기 점수 각각에 대한 가중치를 포함할 수 있다. 글로벌 가중치는 특정 성별, 나이 및 거주 지역에 따른 색상, 무늬 및 크기의 선호도를 대변하는 값일 수 있다.

실시 예에 따라, 산출부(123)는 취향 점수 산출 모델을 이용하여 글로벌 가중치를 산출할 수 있다. 산출부(123)는 저장부(122)에 저장된 다양한 사용자의 성별, 나이 및 거주 지역에 따른 구매 정보를 분석하여 특정 사용자의 성별, 나이 및 거주 지역에 따른 글로벌 가중치를 산출할 수 있다. 산출부(123)는 저장부(122)에 저장된 다양한 사용자의 성별, 나이 및 거주 지역에 따른 구매 정보의 통계에 기초하여 특정 사용자의 성별, 나이 및 거주 지역에 따른 선호 색상 점수, 선호 무늬 점수, 선호 크기 점수 각각에 대한 가중치를 산출할 수 있다. 예를 들어, 사용자가 한국에 사는 10대 여성인 경우, 산출부(123)는 다른 색상보다 노랑 및 분홍에 더 높은 가중치를 부여하고, 다른 무늬보다 캐릭터 무늬에 더 높은 가중치를 부여할 수 있다. 그러나 이에 제한되지 않으며, 다른 실시 예에서, 글로벌 가중치는 사용자에 의해 입력되는 값일 수 있다.

산출부(123)는 사용자가 직접 입력한 선호도에 기초하여 로컬 가중치를 산출할 수 있다. 로컬 가중치는 설문조사 형식으로 사용자가 직접 입력한 데이터에 기초한 가중치일 수 있다. 로컬 가중치는 선호 색상 점수, 선호 무늬 점수, 선호 크기 점수 각각에 대한 가중치를 포함할 수 있다. 예를 들어, 산출부(123)는 사용자가 입력한 색상, 무늬 및 크기 각각에 대한 선호도를 이용하여 선호 색상 점수, 선호 무늬 점수, 선호 크기 점수 각각에 대한 가중치를 산출할 수 있다. 예를 들어, 사용자가 검정 및 하양에 색상 선호도를 높게 부여하고, 민무늬에 무늬 선호도를 높게 부여한 경우, 산출부(123)는 다른 색상보다 검정과 하양에 더 높은 가중치를 부여하고, 다른 무늬보다 민무늬에 더 높은 가중치를 부여할 수 있다.

산출부(123)는 글로벌 가중치와 로컬 가중치를 이용하여 개인 가중치를 결정할 수 있다. 개인 가중치는 선호 색상 점수, 선호 무늬 점수, 선호 크기 점수 각각에 대한 가중치를 포함할 수 있다. 산출부(123)는 선호 색상 점수, 선호 무늬 점수, 선호 크기 점수 각각에 대하여 글로벌 가중치와 로컬 가중치의 반영 비율을 다르게 하여 개인 가중치를 결정할 수 있다.

일 실시 예에서, 산출부(123)는 선호 색상 점수에 대한 글로벌 가중치와 로컬 가중치가 전혀 다른 가중치 값을 가지는 경우, 글로벌 가중치는 무시하고 로컬 가중치로만 선호 색상 점수에 대한 개인 가중치를 결정할 수 있다. 예를 들어, 글로벌 가중치가 없는 색상에 대하여 로컬 가중치가 높다면 로컬 가중치에 의하여만 선호 색상 점수에 대한 가중치를 결정할 수 있다.

일 실시 예에서, 산출부(123)는 선호 색상 점수에 대한 글로벌 가중치와 로컬 가중치의 차이가 기 설정된 범위 내에 있는 경우, 글로벌 가중치와 로컬 가중치의 반영 비율을 동일하게 하여 선호 색상 점수에 대한 개인 가중치를 결정할 수 있다. 산출부(123)는 항목별 선호 점수에 결정된 개인 가중치를 부여하여 취향 점수를 산출할 수 있다. 실시 예에 따라, 가중치를 연산하는 동작은 생략될 수 있다. 이 경우, 산출부(123)는 항목별 선호 점수를 취향 점수로 결정할 수 있다.

실시 예에 따라, 산출부(123)는 취향 점수 산출 모델을 이용하여 개인 가중치를 산출할 수 있다. 글로벌 가중치, 로컬 가중치 및 개인 가중치는 저장부(122)에 저장될 수 있다. 산출부(123)는 새로운 개인 정보 및 구매 정보가 입력될 때마다 저장부(122)에 저장된 글로벌 가중치, 로컬 가중치 및 개인 가중치 중 적어도 하나를 업데이트할 수 있다.

추천부(124)는 상품 추천 모델을 이용하여 취향 점수에 기초한 추천 상품을 출력할 수 있다. 상품 추천 모델은 취향 점수에 기초하여 적절한 상품을 추천하도록 학습된 인공지능 모델일 수 있다. 추천부(124)는 상품 추천 모델을 이용하여 웹사이트에 게재된 상품들의 색상, 무늬, 크기를 분석할 수 있고, 분석 결과를 저장부(122)에 저장할 수 있다. 추천부(124)는 상품 추천 모델을 이용하여 취향 점수와 유사한 분석 값을 갖는 상품을 추천 상품으로 출력할 수 있다. 추천부(124)는 사용자가 검색하고 있는 상품 종류에 대한 추천 상품을 출력할 수 있다. 추천부(124)는 일정 주기마다 사용자가 구매한 상품 종류에 대한 추천 상품을 출력할 수 있다.

실시 예에 따라, 상품 추천 모델은 협업 필터링(Collaborative filtering) 모델일 수 있다. 협업 필터링 모델은 사용자로부터 얻은 정보에 기초하여 사용자의 관심 상품을 예측하는 모델로서, 사용자 유사도 및 상품 유사도 중 적어도 하나를 이용하여 추천 상품을 출력할 수 있다. 협업 필터링 모델이 사용자 유사도를 이용하는 경우, 유사한 취향 점수를 갖는 사용자들을 그룹화 한 후, 해당 그룹 내 다른 사용자의 구매 정보를 이용하여 추천 상품을 제공할 수 있다. 협업 필터링 모델이 상품 유사도를 이용하는 경우, 일정 기간 내 구매가 많은 상품들을 그룹화한 후 특정 사용자가 특정 상품을 구매하면 해당 그룹 내 다른 상품을 추천 상품으로 제공할 수 있다.

출력부(125)는 추천부(124)에서 출력된 추천 상품을 구매 정보, 상품 사용 기간, 유행 트랜드 중 적어도 하나에 기초하여 사용자에게 추천 상품을 제공할 수 있다. 출력부(125)는 메일링, 문자 메시지 등의 방법으로 컴퓨팅 장치(110)에 추천 상품을 표시할 수 있다. 출력부(125)는 컴퓨팅 장치(110)가 알람, 팝업 등의 방법으로 추천 상품을 표시하도록 하는 출력 명령을 생성할 수 있다. 출력 명령은 네트워크(130)를 통해 컴퓨팅 장치(110)로 전송될 수 있다.

출력부(125)는 사용자의 구매 정보에 새로운 상품 정보가 포함되어 있는 경우, 추천 상품을 출력하는 명령을 생성할 수 있고, 그에 따라 컴퓨팅 장치(110)는 추천 상품을 알람 또는 팝업의 방식으로 사용자에게 표시할 수 있다. 사용자의 구매 정보에 새로운 상품 정보가 포함되어 있는 경우, 출력부(125)는 추천 상품을 포함하는 내용의 메일 또는 문자 메시지를 사용자에게 전송할 수 있다.

출력부(125)는 사용자의 구매 정보에 새로운 상품 검색 정보가 포함되어 있지 않은 경우, 상품 사용 기간과 해당 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간보다 짧은 지 판단할 수 있다. 상품 사용 기간은 상품 구매 일자로부터 현재까지의 기간을 의미할 수 있다. 해당 상품의 평균 사용 주기는 사용자에 의해 입력되는 값일 수 있다. 해당 상품의 평균 사용 주기는 해당 상품군의 사용 주기를 분석하여 출력부(125)에서 연산되는 값일 수도 있다. 예를 들어, 출력부(125)는 해당 상품군의 사용 주기의 평균을 연산하여 평균 사용 주기를 산출할 수 있다. 평균 사용 주기는 제품의 종류에 따라 다른 값을 가질 수 있다. 예를 들어, 다이어리의 평균 사용 주기는 1년이고, 볼펜의 평균 사용 주기는 3개월일 수 있다. 재구매 기간은 사용자에 의해 입력되는 값일 수 있다. 재구매 기간은 제품의 종류에 따라 다른 값을 가질 수 있다. 예를 들어, 다이어리의 재구매 기간은 2개월이고, 볼펜의 재구매 기간은 1개월일 수 있다.

상품 사용 기간과 해당 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간보다 짧은 경우, 출력부(125)는 추천 상품을 출력하는 명령을 생성할 수 있고, 그에 따라 컴퓨팅 장치(110)는 추천 상품을 알람 또는 팝업의 방식으로 사용자에게 표시할 수 있다. 사용자의 구매 정보에 새로운 상품 정보가 포함되어 있는 경우, 출력부(125)는 추천 상품을 포함하는 내용의 메일 또는 문자 메시지를 사용자에게 전송할 수 있다.

예를 들어, 사용자가 다이어리를 구매한지 11개월이 경과했고, 다이어리의 평균 사용 주기가 1년이며, 사용자가 입력한 다이어리의 재구매 기간이 2개월이라면, 상품 사용 기간과 다이어리의 평균 사용 주기의 차이가 1개월으로 2개월인 재구매 기간보다 작은 값을 가지게 된다. 따라서, 출력부(125)는 다이어리에 관련된 추천 상품을 출력하도록 할 수 있다.

상품 사용 기간과 해당 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간과 같거나 긴 경우, 출력부(125)는 유행 트랜드가 변화했는지 판단할 수 있다. 출력부(125)는 트랜드 변화 감지 모델을 이용하여 상품 종류 별로 트랜드를 감지할 수 있다. 트랜드 변화 감지 모델은 다양한 사용자의 구매 정보에 기초하여 상품의 종류 별로 트랜드를 감지하고 변화 여부를 출력할 수 있다. 예를 들어, 트랜드 변화 감지 모델은 상품 판매량, 상품 리뷰 개수, 상품 클릭 횟수 및 상품 검색량에 기초하여 상품의 종류 별로 트랜드 변화를 감지할 수 있다. 트랜드 변화 감지 모델은 특정 상품의 연 평균 상품 판매량, 상품 리뷰 개수, 상품 클릭 횟수 및 상품 검색량과 비교하여 기 설정된 기간의 상품 판매량, 상품 리뷰 개수, 상품 클릭 횟수 및 상품 검색량이 기 설정된 변화량 이상 증가했다면 트랜드가 변화한 것으로 결정할 수 있다. 기 설정된 기간 및 기 설정된 변화량은 사용자에 의해 입력된 값일 수 있다. 예를 들어, 기 설정된 기간은 7일이고, 기 설정된 변화량은 30%일 수 있다.

유행 트랜드가 변화한 경우, 출력부(125)는 추천 상품을 출력하는 명령을 생성할 수 있고, 그에 따라 컴퓨팅 장치(110)는 추천 상품을 알람 또는 팝업의 방식으로 사용자에게 표시할 수 있다. 사용자의 구매 정보에 새로운 상품 정보가 포함되어 있는 경우, 출력부(125)는 추천 상품을 포함하는 내용의 메일 또는 문자 메시지를 사용자에게 전송할 수 있다.

유행 트랜드가 변화하지 않은 경우, 출력부(125)는 추천 상품을 출력하는 명령을 생성하지 않을 수 있다.

본 명세서에서, 팬시 제품 추천 서버(120)가 상술한 구성들을 포함하는 것으로 설명하나, 구현 예에 따라서는, 팬시 제품 추천 서버(120)는 클라우드 기반의 시스템으로 구현되어, 데이터 수집, 데이터 처리, 데이터 저장, 데이터 표시 및 API 제공 등을 수행하는 서버 또는 장치를 별도로 포함할 수 있다.

도 4는 일실시예에 따른 팬시 제품 추천 방법을 설명하기 위한 도면이다. 도 5는 일실시예에 따른 취향 점수 산출 방법을 설명하기 위한 도면이다. 이하에서는 도 4 및 도 5를 함께 설명한다.

도 4를 참조하면, 팬시 제품 추천 방법(S100)은 단계들(S110 내지 S170)을 포함할 수 있다.

단계(S110)에서, 팬시 제품 추천 시스템(100)은 사용자로부터 개인 정보 및 구매 정보를 입력받을 수 있다. 개인 정보는 사용자의 성별, 나이, 거주 지역, SNS 정보, 사용자가 직접 입력한 선호도 중 적어도 일부를 포함할 수 있다. 구매 정보는 사용자가 구입한 상품 종류, 구매 시기, 구매 빈도, 사용자가 작성한 리뷰, 사용자가 등록한 평점, 웹사이트 방문 기록, 웹페이지 체류 기간, 상품 클릭 여부, 검색 로그 중 적어도 일부를 포함할 수 있다.

단계(S120)에서, 팬시 제품 추천 시스템(100)은 개인 정보 및 구매 정보에 기초하여 취향 점수를 산출할 수 있다. 팬시 제품 추천 시스템(100)은 개인 정보 및 구매 정보를 분석하여 항목별 선호 점수 및 취향 점수를 산출하는 알고리즘을 포함하는 취향 점수 산출 모델을 이용하여 취향 점수를 산출할 수 있다. 도 5를 참조하면, 단계(S120)는 단계들(S121 내지 S124)을 포함할 수 있다.

단계(S121)에서, 팬시 제품 추천 시스템(100)은 구매 정보에 기초하여 항목별 선호 점수를 산출할 수 있다. 팬시 제품 추천 시스템(100)은 취향 점수 산출 모델을 이용하여 항목별 선호 점수를 산출할 수 있다. 선호 점수가 산출되는 항목은 선호 색상, 선호 무늬, 선호 크기, 선호 제품군 중 적어도 일부를 포함할 수 있다. 예를 들어, 팬시 제품 추천 시스템(100)은 빨강, 주황, 노랑, 초록, 파랑, 보라, 분홍, 검정, 하양 각각에 대하여 선호 색상 점수를 산출하고, 민무늬, 꽃무늬, 도형, 캐릭터 각각에 대하여 선호 무늬 점수를 산출하고, 소형, 중형, 대형, 특대형 각각에 대하여 선호 크기 점수를 산출할 수 있다.

선호 색상 점수, 선호 무늬 점수 및 선호 크기 점수는 사용자가 구입한 상품의 종류, 구매 빈도 및 상품 클릭 여부에 기초하여 산출될 수 있다. 팬시 제품 추천 시스템(100)은 사용자가 구입한 상품의 종류 및 구매 빈도에 기초한 점수에 상품 클릭 여부를 가중치로 부여하여 항목별 선호 점수를 산출할 수 있다. 그러나 이에 제한되지 않으며, 팬시 제품 추천 시스템(100)는 사용자가 작성한 리뷰, 사용자가 등록한 평점, 웹사이트 방문 기록, 웹페이지 체류 기간 및 검색 로그를 더 이용하여 항목별 선호 점수를 산출할 수도 있다.

단계(S122)에서, 팬시 제품 추천 시스템(100)은 개인 정보에 기초하여 글로벌 가중치를 결정할 수 있다. 글로벌 가중치는 사용자의 성별, 나이 및 거주 지역에 기초한 가중치로서, 사용자의 성별, 나이 및 거주 지역에 따른 구매 경향성을 대변하는 값일 수 있다. 글로벌 가중치는 선호 색상 점수, 선호 무늬 점수, 선호 크기 점수 각각에 대한 가중치를 포함할 수 있다.

팬시 제품 추천 시스템(100)은 취향 점수 산출 모델을 이용하여 글로벌 가중치를 산출할 수 있다. 취향 점수 산출 모델은 다양한 사용자의 성별, 나이 및 거주 지역에 따른 구매 정보를 분석하여 특정 사용자의 성별, 나이 및 거주 지역에 따른 글로벌 가중치를 산출하도록 학습된 인공지능 모델일 수 있다. 취향 점수 산출 모델은 다양한 사용자의 성별, 나이 및 거주 지역에 따른 구매 정보의 통계에 기초하여 특정 사용자의 성별, 나이 및 거주 지역에 따른 선호 색상 점수, 선호 무늬 점수, 선호 크기 점수 각각에 대한 가중치를 산출할 수 있다. 그러나 이에 제한되지 않으며, 다른 실시 예에서, 글로벌 가중치는 사용자에 의해 입력되는 값일 수 있다.

단계(S123)에서, 팬시 제품 추천 시스템(100)은 글로벌 가중치와 로컬 가중치에 기초하여 개인 가중치를 결정할 수 있다. 로컬 가중치는 설문조사 형식으로 사용자가 직접 입력한 데이터에 기초한 가중치일 수 있다. 예를 들어, 취향 점수 산출 모델은 사용자가 입력한 색상, 무늬 및 크기 각각에 대한 선호도를 이용하여 선호 색상 점수, 선호 무늬 점수, 선호 크기 점수 각각에 대한 로컬 가중치를 산출할 수 있다.

취향 점수 산출 모델은 글로벌 가중치와 로컬 가중치를 이용하여 개인 가중치를 결정할 수 있다. 개인 가중치는 선호 색상 점수, 선호 무늬 점수, 선호 크기 점수 각각에 대한 가중치를 포함할 수 있다. 취향 점수 산출 모델은 선호 색상 점수, 선호 무늬 점수, 선호 크기 점수 각각에 대하여 글로벌 가중치와 로컬 가중치의 반영 비율을 다르게 반영하여 개인 가중치를 결정할 수 있다.

일 실시 예에서, 취향 점수 산출 모델은 선호 색상 점수에 대한 글로벌 가중치와 로컬 가중치가 전혀 다른 가중치 값을 가지는 경우, 글로벌 가중치는 무시하고 로컬 가중치로만 선호 색상 점수에 대한 개인 가중치를 결정할 수 있다. 예를 들어, 글로벌 가중치가 0인 색상에 대하여 로컬 가중치가 높게 부여되어 있다면 로컬 가중치에 의하여만 선호 색상 점수에 대한 개인 가중치를 결정할 수 있다.

일 실시 예에서, 취향 점수 산출 모델은 선호 색상 점수에 대한 글로벌 가중치와 로컬 가중치의 차이가 기 설정된 범위 내에 있는 경우, 글로벌 가중치와 로컬 가중치의 반영 비율을 동일하게 하여 선호 색상 점수에 대한 개인 가중치를 결정할 수 있다.

일 실시 예에서, 취향 점수 산출 모델은 선호 색상 점수에 대하여는 글로벌 가중치와 로컬 가중치를 동일한 비율로 반영하고, 선호 무늬 점수에 대하여는 글로벌 가중치를 로컬 가중치보다 높은 비율로 반영하여 개인 가중치를 결정할 수 있다.

글로벌 가중치, 로컬 가중치 및 개인 가중치는 저장부(122)에 저장될 수 있다. 팬시 제품 추천 시스템(100)는 새로운 개인 정보 및 구매 정보가 입력될 때마다 저장부(122)에 저장된 글로벌 가중치, 로컬 가중치 및 개인 가중치 중 적어도 하나를 업데이트할 수 있다.

단계(S124)에서, 팬시 제품 추천 시스템(100)은 항목별 선호 점수에 개인 가중치를 부여하여 취향 점수를 산출할 수 있다. 취향 점수 산출 모델은 항목별 선호 점수에 결정된 개인 가중치를 부여하여 취향 점수를 산출할 수 있다. 실시 예에 따라, 가중치를 연산하는 동작은 생략될 수 있다. 이 경우, 팬시 제품 추천 시스템(100)은 항목별 선호 점수를 취향 점수로 결정할 수 있다.

단계(S130)에서, 팬시 제품 추천 시스템(100)은 취향 점수에 기초하여 추천 상품을 출력할 수 있다. 팬시 제품 추천 시스템(100)은 상품 추천 모델을 이용하여 취향 점수에 기초한 추천 상품을 출력할 수 있다. 상품 추천 모델은 취향 점수에 기초하여 적절한 상품을 추천하도록 학습된 인공지능 모델일 수 있다.

상품 추천 모델은 웹사이트에 게재된 상품들의 색상, 무늬, 크기를 분석할 수 있고, 취향 점수와 유사한 분석 값을 갖는 상품을 추천 상품으로 출력할 수 있다. 상품 추천 모델은 사용자가 검색하고 있는 상품 종류에 대한 추천 상품을 출력할 수 있다. 상품 추천 모델은 일정 주기마다 사용자가 구매한 상품 종류에 대한 추천 상품을 출력할 수 있다.

상품 추천 모델은 협업 필터링(Collaborative filtering) 모델일 수 있다. 상품 추천 모델은 사용자 유사도 및 상품 유사도 중 적어도 하나를 이용하여 추천 상품을 출력할 수 있다. 상품 추천 모델은 유사한 취향 점수를 갖는 사용자들을 그룹화 한 후, 해당 그룹 내 다른 사용자의 구매 정보를 이용하여 추천 상품을 출력할 수도 있고, 일정 기간 내 구매가 많은 상품들을 그룹화한 후 특정 사용자가 특정 상품을 구매하면 해당 그룹 내 다른 상품을 추천 상품으로 출력할 수도 있다.

단계(S140)에서, 팬시 제품 추천 시스템(100)은 구매 정보에 새로운 상품 정보가 포함되어 있는지 여부를 판단할 수 있다.

단계(S150)에서, 팬시 제품 추천 시스템(100)은 구매 정보에 새로운 상품 정보가 포함되어 있는 경우, 추천 상품을 사용자에게 표시할 수 있다. 팬시 제품 추천 시스템(100)은 팝업, 알람, 메일링, 문자 메시지 등의 방법으로 사용자에게 추천 상품을 표시할 수 있다.

단계(S160)에서, 팬시 제품 추천 시스템(100)은 구매 정보에 새로운 상품 정보가 포함되어 있지 않은 경우, 사용자의 구매 정보에 새로운 상품 검색 정보가 포함되어 있지 않은 경우, 상품 사용 기간과 해당 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간보다 짧은 지 판단할 수 있다. 상품 사용 기간은 상품 구매 일자로부터 현재까지의 기간을 의미할 수 있다. 해당 상품의 평균 사용 주기는 사용자에 의해 입력되는 값일 수 있다. 해당 상품의 평균 사용 주기는 해당 상품군의 사용 주기의 평균값을 연산하여 산출된 값이거나 사용자에 의해 입력된 값일 수 있다. 평균 사용 주기는 제품의 종류에 따라 다른 값을 가질 수 있다.

상품 사용 기간과 해당 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간보다 짧은 경우, 팬시 제품 추천 시스템(100)은 추천 상품을 사용자에게 표시할 수 있다(S150).

단계(S170)에서, 팬시 제품 추천 시스템(100)은 상품 사용 기간과 해당 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간과 같거나 긴 경우, 유행 트랜드가 변화했는지 판단할 수 있다 팬시 제품 추천 시스템(100)은 트랜드 변화 감지 모델을 이용하여 상품 종류 별로 트랜드를 감지할 수 있다. 트랜드 변화 감지 모델은 다양한 사용자의 구매 정보에 기초하여 상품의 종류 별로 트랜드를 감지하고 변화 여부를 출력할 수 있다.

예를 들어, 트랜드 변화 감지 모델은 상품 판매량, 상품 리뷰 개수, 상품 클릭 횟수 및 상품 검색량에 기초하여 상품의 종류 별로 트랜드 변화를 감지할 수 있다. 트랜드 변화 감지 모델은 특정 상품의 연 평균 상품 판매량, 상품 리뷰 개수, 상품 클릭 횟수 및 상품 검색량과 비교하여 기 설정된 기간의 상품 판매량, 상품 리뷰 개수, 상품 클릭 횟수 및 상품 검색량이 기 설정된 변화량 이상 증가했다면 트랜드가 변화한 것으로 결정할 수 있다. 기 설정된 기간 및 기 설정된 변화량은 사용자에 의해 입력된 값일 수 있다. 예를 들어, 기 설정된 기간은 7일이고, 기 설정된 변화량은 30%일 수 있다.

유행 트랜드가 변화한 경우, 팬시 제품 추천 시스템(100)은 추천 상품을 사용자에게 표시할 수 있다(S150). 유행 트랜드가 변화하지 않은 경우, 팬시 제품 추천 시스템(100)은 추천 상품을 사용자에게 표시하지 않고, 단계(S130)을 다시 수행할 수 있다.

도 6은 일실시예에 따른 장치의 구성의 예시도이다.

일실시예에 따른 장치(200)는 프로세서(201) 및 메모리(202)를 포함한다. 일실시예에 따른 장치(200)는 상술한 서버 또는 단말일 수 있다. 프로세서(201)는 도 1 내지 도 3을 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 3을 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(202)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(202)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(201)는 프로그램을 실행하고, 장치(200)를 제어할 수 있다. 프로세서(201)에 의하여 실행되는 프로그램의 코드는 메모리(202)에 저장될 수 있다. 장치(200)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (4)

1. 사용자로부터 개인 정보 및 구매 정보를 입력받는 단계;
   취향 점수 산출 모델을 이용하여 상기 개인정보 및 구매 정보에 기초하여 취향 점수를 산출하는 단계;
   상품 추천 모델을 이용하여 상기 취향 점수에 기초하여 추천 상품을 출력하는 단계; 및
   상기 구매 정보 및 유행 트랜드에 기초하여 상기 추천 상품을 표시하는 단계를 포함하고,
   상기 개인 정보는 사용자의 성별, 나이, 거주 지역, SNS 정보, 사용자가 직접 입력한 항목별 선호도 중 적어도 일부를 포함하고,
   상기 구매 정보는 사용자가 구입한 상품 종류, 구매 시기, 구매 빈도, 사용자가 작성한 리뷰, 사용자가 등록한 평점, 웹사이트 방문 기록, 웹페이지 체류 기간, 상품 클릭 여부, 검색 로그 중 적어도 일부를 포함하고,
   상기 상품 추천 모델은 사용자 유사도 및 상품 유사도 중 적어도 어느 하나를 이용하는 협업 필터링 모델이고,
   상기 추천 상품을 표시하는 단계는,
   상기 구매 정보에 새로운 상품 정보가 포함된 경우, 상기 추천 상품을 표시하는 단계;
   상기 구매 정보에 새로운 상품 정보가 포함되지 않은 경우, 상품의 사용 기간과 상기 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간보다 짧은 지 판단하는 단계;
   상기 상품의 사용 기간과 상기 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간보다 짧은 경우, 상기 추천 상품을 표시하는 단계;
   상기 상품의 사용 기간과 상기 상품의 평균 사용 주기의 차이가 기 설정된 재구매 기간보다 긴 경우, 유행 트랜드가 변화했는지 여부를 판단하는 단계;
   상기 유행 트랜드가 변화한 경우, 상기 추천 상품을 표시하는 단계; 및
   상기 유행 트랜드가 변화하지 않은 경우, 상기 취향 점수에 기초하여 추천 상품을 출력하는 단계를 다시 실행하는 단계를 포함하는 팬시 제품 추천 방법.
   
2. 제1항에 있어서,
   상기 취향 점수를 산출하는 단계는,
   상기 구입한 상품의 종류, 상기 구매 빈도 및 상기 상품 클릭 여부에 기초하여 항목 별 선호 점수를 산출하는 단계;
   상기 사용자의 성별, 상기 나이 및 상기 거주 지역에 기초하여, 사용자의 성별, 나이 및 거주 지역에 따른 구매 경향성을 대변하는 글로벌 가중치를 결정하는 단계;
   상기 사용자가 직접 입력한 항목별 선호도에 기초하여 사용자의 선호도를 대변하는 로컬 가중치를 결정하는 단계;
   상기 글로벌 가중치 및 상기 로컬 가중치를 반영하여 개인 가중치를 결정하는 단계; 및
   상기 항목별 선호 점수에 상기 개인 가중치를 부여하여 상기 취향 점수를 산출하는 단계를 포함하고,
   상기 개인 가중치를 결정하는 단계는,
   상기 항목별 선호 점수의 각 항목에 대하여 상기 글로벌 가중치와 상기 로컬 가중치를 상이한 비율로 반영하는 단계를 포함하는 팬시 제품 추천 방법.
   
3. 제2항에 있어서,
   상기 개인 가중치를 결정하는 단계는,
   상기 항목별 선호 점수의 각 항목에 대하여 상기 글로벌 가중치와 상기 로컬 가중치를 상이한 비율로 반영하는 단계를 포함하는 팬시 제품 추천 방법.
   
   
   
4. 삭제