KR102658414B1 - Ict기반 수출입 지원 시스템 - Google Patents

Ict기반 수출입 지원 시스템 Download PDF

Info

Publication number
KR102658414B1
KR102658414B1 KR1020230066700A KR20230066700A KR102658414B1 KR 102658414 B1 KR102658414 B1 KR 102658414B1 KR 1020230066700 A KR1020230066700 A KR 1020230066700A KR 20230066700 A KR20230066700 A KR 20230066700A KR 102658414 B1 KR102658414 B1 KR 102658414B1
Authority
KR
South Korea
Prior art keywords
product
customer terminal
data
information
analyzed
Prior art date
Application number
KR1020230066700A
Other languages
English (en)
Inventor
정병준
박만려
박새연
황천군
김신덕
김은희
Original Assignee
(주)비제이로지스
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 (주)비제이로지스 filed Critical (주)비제이로지스
Priority to KR1020230066726A priority Critical patent/KR102603779B1/ko
Application granted granted Critical
Publication of KR102658414B1 publication Critical patent/KR102658414B1/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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0831—Overseas transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
    • 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
    • G06Q30/0206—Price or cost determination based on market factors
    • 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]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

일실시예에 따르면, ICT기반 수출입 지원 시스템에 있어서, ICT기반 수출입 지원 시스템을 제공하기 위한 서버를 포함하는 시스템이 제공된다.

Description

ICT기반 수출입 지원 시스템{ICT-based Export-Import Support System}
본 발명은 ICT기반 수출입 지원 시스템을 제공하기 위한 기술에 관한 것이다.
중국 전자상거래 사이트를 통한 B2B 수입셀러 규모는 매년 가파르게 증가하고 있지만 국가간의 무역임에도 불구하고 수입통관시 가장 기초인 수입신고 제출서류 작성에 대한 이해도는 많이 부족한 상황이다.
중국 전자상거래 사이트를 이용하는 B2B 수입화주는 해당물품을 국내로 반입하는 과정에서 “관세법 245조”에 따라 세관에 수입신고를 해야하는데 이때 수입신고 서류 작성이 미흡하여 관세납부의 기준인 과세요건(납세의무자,과세표준,과세물건,세율)결정에 많은 오류가 발생하고 있다.
수입신고의 오류로 인하여, 관세법 38조 신고납부의 부과와 징수의 오류로 인한 관세행정 질서유지 및 관세확보가 어렵고, 미흡한 수입신고로 관세법 270조(관세포탈죄 등), 제270조의2(가격조작죄), 제 276조(허위신고죄 등) 위반으로 인한 행정처벌 및 형사처벌 등의 불이익을 당할 수 있다는 문제가 발생할 수 있으며, 마지막으로, 제264조(과세자료의 요청) 해당기관의 서류제출 및 증명의 불투명성이 발생할 수 있다.
또한, 중국 전자상거래 사이트에서 구매한 수입 화물은, 현지 배송 대행지 창고로 입고되고, 배송 대행지에서 콘솔 컨테이너의 스페이스를 할당받아 선적을 하는 수동적인 방식을 이용하고 있다.
그러나 이러한 수동적인 선적 시스템은 컨테이너 스페이스를 미리 확보하기 어려워 선적 대기시간이 길어짐에 따라 전체 DELIVERY TIME(운송시간)의 손실을 가져오게 되고, 또한, 수동적인 선적 시스템은 수입셀러의 DELIVERY TIME(운송시간) 예측을 어렵게하여 불필요한 재고의 발생과 판매량 수급조절이 용이하지 않을 수 있다.
또한, 중국은 세계 최대의 소비 시장으로서, 한국에서 생산한 상품에 대한 호감도가 높은 편이다. 특히, 먹거리 및 유아동 등의 분야의 상품에 있어서는 안전을 선호하는 구매 계층을 대상으로 시장성이 매우 높다.
이러한 중국 시장의 국내 상품 선호 및 수요에 힘입어, 많은 업체들이 중국 온라인 쇼핑몰에 국내 상품의 판매를 계획하지만, 중국 온라인 쇼핑몰에 국내 제품 판매를 계획하여도 중국내 판매정보(최저가,최고가,가장많이 팔린가격대/팬매개수 등) 접근 및 분석이 용이하지 않아, 판매를 위한 수요예측 및 시장성 판단이 매우 힘들기에 수출 기획이 어려운 문제점이 있었다.
한국공개특허 제10-2001-0099447호 한국공개특허 제10-2022-0167146호 한국등록특허 제10-1996403호 한국등록특허 제10-2531250호
일실시예에 따르면, ICT기반 수출입 지원 시스템에 있어서, ICT기반 수출입 지원 시스템을 제공하기 위한 서버를 포함하는 시스템을 제공하기 위한 것을 그 목적으로 한다.
또한, 상기 서버는, 웹사이트를 운용하고, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 주기적으로 제1 데이터를 수집하되, 상기 제1 데이터는, 다수 상품의 상품명, 브랜드, 모델명 및 제조사를 포함하는 상품 정보와, 상기 다수 상품의 과거 최저가 데이터, 과거 최고가 데이터, 과거 단위시간 별 최대 판매량에 해당되는 가격 데이터, 및 과거 판매량 데이터를 포함하는 판매 정보를 포함하고, 제1 인공지능 모델을, 상기 제1 데이터를 학습데이터로 학습시키되, 주기적으로 수집하는 제1 데이터를 추가하여 재학습시키고, 제2 인공지능 모델을, 제2 데이터를 학습데이터로 학습시키되, 주기적으로 다수의 고객 단말을 통해 새로 획득하는 제2 데이터를 추가하여 재학습시키고, 상기 제2 데이터는, 고객 단말을 통해 획득한 과거 수출 상품의 상품명, 브랜드, 모델명 및 제조사를 포함하는 수출 상품 정보와, 상기 과거 수출 상품의 단위 중량 당 부대비용 또는 단위 수량 당 부대비용을 포함하고, 상기 서버는, 상기 웹사이트를 통해 고객 단말이 접속되면, 상기 고객 단말에 수입신고 제출서류 자동 생성 메뉴, 물류 예약 및 조회 메뉴, 및 상품분석 및 수요예측 메뉴 중 하나가 선택 가능한 인터페이스를 제공하고, 고객 단말을 통해 수입신고 제출서류 자동 생성 메뉴가 선택되면, 구매 내역 정보를 수집할 전자 상거래 사이트 정보 및 상기 전자 상거래 사이트 로그인 정보를 입력받기 위한 인터페이스를 제공하고, 고객 단말을 통해, 전자 상거래 사이트 정보 및 로그인 정보를 획득하면, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 상기 획득한 전자 상거래 사이트에서 구매 내역 정보를 수집하고, 상기 수집한 구매 내역 정보를 바탕으로, C.I.(Commercial Invoice) 및 P.L.(Packing List)을 생성하기 위한 제3 데이터를 추출하고, 산업통상자원부 API를 활용하여, 상기 수집한 구매 내역 정보에 포함되는 구매 상품의 HS Code를 획득하고, 고객 단말을 통해 접속된 계정 정보에 포함되는 과거 수입 정보와, 상기 수집한 구매 내역 정보 및 상기 수집한 구매 내역 정보에 포함되는 구매 상품의 HS Code를 비교하여, 동일 상품 간 HS Code 일치 여부를 확인하고, 동일 상품 간 HS Code가 일치하면, 상기 일치한 HS Code를 상기 제3 데이터에 추가하고, 배송 대행업체에 상기 수집한 구매 내역 정보에 포함되는 구매 상품이 입고되어, 상기 배송 대행업체를 통해 상기 구매 상품의 부피, 중량 및 Shipping mark가 입력되면, 웹 크롤링 또는 상기 배송 대행업체 API를 활용하여, 입고된 구매 상품에 대한 부피, 중량 및 Shipping mark를 포함하는 제4 데이터를 획득하고, 상기 제3 데이터와, 상기 제4 데이터를 바탕으로, C.I. 및 P.L.을 생성하고, 고객 단말 및 통관 대행 담당자 단말에, 상기 생성한 C.I. 및 P.L.을 송출하고, 고객 단말을 통해 물류 예약 및 조회 메뉴가 선택되면, 상기 웹사이트를 통해 상기 고객 단말에, 물류 업체의 월 또는 분기별 콘솔 컨테이너 스페이스 실시간 예약 현황을 제공하고, 고객 단말을 통해, 콘솔 컨테이너 스페이스 예약에 필요한 정보를 획득하기 위한 인터페이스를 제공하고, 콘솔 컨테이너 스페이스 예약에 필요한 정보를 획득하면, 결제 인터페이스를 제공하고, 고객 단말을 통해 결제가 완료되면, 상기 물류 업체에, 상기 콘솔 컨테이너 스페이스 예약에 필요한 정보를 전송하여 예약을 완료하고, 고객 단말을 통해 상품분석 및 수요예측 메뉴가 선택되면, 분석할 상품의 이미지 또는 검색 키워드를 획득하기 위한 인터페이스를 제공하고, 고객 단말을 통해, 분석할 상품의 이미지 또는 검색 키워드를 획득하면, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 상기 획득한 상품의 이미지 또는 검색 키워드를 바탕으로 검색한 검색 결과를 수집하고, 상기 웹사이트에, 고객 단말을 통해, 상기 검색 결과에 포함되는 상품 중 분석할 상품이 선택되기 위한 인터페이스를 제공하고, 고객 단말을 통해 분석할 상품이 선택되면, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 상기 분석할 상품의 상품명, 브랜드, 모델명 및 제조사를 포함하는 상품 정보를 수집하고, 상기 제1 인공지능 모델에, 상기 분석할 상품의 상품 정보를 입력하여, 상기 분석할 상품의 최저가 추이, 최고가 추이, 단위시간 별 최대 판매량에 해당될 가격 추이, 판매량 추이를 예측한 제1 결과를 획득하고, 상기 제2 인공지능 모델에, 상기 분석할 상품의 상품 정보를 입력하여, 상기 분석할 상품의 단위 중량 당 부대비용 또는 단위 수량 당 부대비용을 예측한 제2 결과를 획득하고, 상기 웹사이트를 통해 상기 고객 단말에, 상기 제1 결과를 시각화한 데이터 및 상기 제2 결과를 제공하는 시스템을 제공할 수 있다.
또한, 상기 제1 인공지능 모델은, LSTM(Long Short-Term Memory) 또는 GRU(Gated Recurrent Unit)를 기반으로 하고, 상기 제2 인공지능 모델은, 다층 퍼셉트론(Multilayer Perceptron)을 기반으로 하고, 상기 서버는, 고객 단말을 통해 접속된 계정 정보에 포함되는 과거 수입 정보와, 상기 수집한 구매 내역 정보 및 상기 수집한 구매 내역 정보에 포함되는 구매 상품의 HS Code를 비교하여, 동일 상품 간 HS Code 일치 여부를 확인한 이후에, 동일 상품 간 HS Code가 일치하지 않으면, 고객 단말에 HS Code 직접 검색 및 입력 인터페이스를 제공하고, 고객 단말을 통해 HS Code를 획득하면, 상기 제3 데이터에 추가하는 시스템을 제공할 수 있다.
또한, 상기 서버는, 고객 단말을 통해 물류 예약 및 조회 메뉴가 선택되면, 상기 웹사이트를 통해 상기 고객 단말에, 물류 업체의 월 또는 분기별 콘솔 컨테이너 스페이스 실시간 예약 현황을 제공하기 이전에, 웹 크롤링 또는 물류 업체 API를 활용하여, 복수의 물류 업체의 예약 현황을 수집하고, 상기 수집한 복수의 물류 업체의 콘솔 컨테이너 스페이스를 통합하여, 통합 콘솔 컨테이너 스페이스의 월 또는 분기별 예약 현황을 생성하는 시스템을 제공할 수 있다.
또한, 상기 서버는, 상기 제1 결과를 시각화한 데이터 및 상기 제2 결과를 제공한 이후에, 상기 웹사이트에, 고객 단말을 통해, 분석할 상품의 원가, 마진율 및 수출 계획 시기를 입력받기 위한 인터페이스를 제공하고, 고객 단말을 통해, 분석할 상품의 원가, 마진율 및 수출 계획 시기를 입력받으면, 상기 제1 결과에 포함되는, 단위시간 별 최대 판매량에 해당될 가격 추이 중에서, 상기 수출 계획 시기의 최대 판매량에 해당될 가격인 제5 데이터를 추출하고, [수학식 1]을 바탕으로 고객 단말을 통해 선택된 분석할 상품의 추천 판매가를 산출하고,
[수학식 1]
Figure 112023057421895-pat00001
R.S.P.는 추천 판매가(Recommended Selling Price)이고, C는 원가이며, M은 마진율이고, P_m는 상기 제5 데이터이고, C_anc 제2 결과이고, 상기 웹사이트를 통해, 고객 단말에, 상기 산출한 추천 판매가를 제공하는 시스템을 제공할 수 있다.
상기와 같이, 본 발명에 따른 ICT기반 수출입 지원 시스템을 제공함으로써, 전자 상거래 사이트에서 고객의 구매 내역 정보를 수집하고, 배송 대행업체에서 입력한 입고 상품 정보를 수집하여, 수입신고 제출서류를 자동으로 생성할 수 있고, 과거 주문한 상품 기록과 비교하여 HS Code를 검증할 수 있으며, 물류 업체의 월 또는 분기별 콘솔 컨테이너 스페이스의 예약 서비스를 제공할 수 있고, 중국 전자 상거래 사이트에서 판매하고자 하는 상품의 판매 예측 분석 결과를 제공할 수 있으며, 추천 판매가를 산출할 수 있는 효과가 있다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
일실시예에 따르면, ICT기반 수출입 지원 시스템에 있어서, ICT기반 수출입 지원 시스템을 제공하기 위한 서버를 포함하는 시스템을 제공하기 위한 것을 그 목적으로 한다.
또한, 상기 서버는, 웹사이트를 운용하고, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 주기적으로 제1 데이터를 수집하되, 상기 제1 데이터는, 다수 상품의 상품명, 브랜드, 모델명 및 제조사를 포함하는 상품 정보와, 상기 다수 상품의 과거 최저가 데이터, 과거 최고가 데이터, 과거 단위시간 별 최대 판매량에 해당되는 가격 데이터, 및 과거 판매량 데이터를 포함하는 판매 정보를 포함하고, 제1 인공지능 모델을, 상기 제1 데이터를 학습데이터로 학습시키되, 주기적으로 수집하는 제1 데이터를 추가하여 재학습시키고, 제2 인공지능 모델을, 제2 데이터를 학습데이터로 학습시키되, 주기적으로 다수의 고객 단말을 통해 새로 획득하는 제2 데이터를 추가하여 재학습시키고, 상기 제2 데이터는, 고객 단말을 통해 획득한 과거 수출 상품의 상품명, 브랜드, 모델명 및 제조사를 포함하는 수출 상품 정보와, 상기 과거 수출 상품의 단위 중량 당 부대비용 또는 단위 수량 당 부대비용을 포함하고, 상기 서버는, 상기 웹사이트를 통해 고객 단말이 접속되면, 상기 고객 단말에 수입신고 제출서류 자동 생성 메뉴, 물류 예약 및 조회 메뉴, 및 상품분석 및 수요예측 메뉴 중 하나가 선택 가능한 인터페이스를 제공하고, 고객 단말을 통해 수입신고 제출서류 자동 생성 메뉴가 선택되면, 구매 내역 정보를 수집할 전자 상거래 사이트 정보 및 상기 전자 상거래 사이트 로그인 정보를 입력받기 위한 인터페이스를 제공하고, 고객 단말을 통해, 전자 상거래 사이트 정보 및 로그인 정보를 획득하면, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 상기 획득한 전자 상거래 사이트에서 구매 내역 정보를 수집하고, 상기 수집한 구매 내역 정보를 바탕으로, C.I.(Commercial Invoice) 및 P.L.(Packing List)을 생성하기 위한 제3 데이터를 추출하고, 산업통상자원부 API를 활용하여, 상기 수집한 구매 내역 정보에 포함되는 구매 상품의 HS Code를 획득하고, 고객 단말을 통해 접속된 계정 정보에 포함되는 과거 수입 정보와, 상기 수집한 구매 내역 정보 및 상기 수집한 구매 내역 정보에 포함되는 구매 상품의 HS Code를 비교하여, 동일 상품 간 HS Code 일치 여부를 확인하고, 동일 상품 간 HS Code가 일치하면, 상기 일치한 HS Code를 상기 제3 데이터에 추가하고, 배송 대행업체에 상기 수집한 구매 내역 정보에 포함되는 구매 상품이 입고되어, 상기 배송 대행업체를 통해 상기 구매 상품의 부피, 중량 및 Shipping mark가 입력되면, 웹 크롤링 또는 상기 배송 대행업체 API를 활용하여, 입고된 구매 상품에 대한 부피, 중량 및 Shipping mark를 포함하는 제4 데이터를 획득하고, 상기 제3 데이터와, 상기 제4 데이터를 바탕으로, C.I. 및 P.L.을 생성하고, 고객 단말 및 통관 대행 담당자 단말에, 상기 생성한 C.I. 및 P.L.을 송출하고, 고객 단말을 통해 물류 예약 및 조회 메뉴가 선택되면, 상기 웹사이트를 통해 상기 고객 단말에, 물류 업체의 월 또는 분기별 콘솔 컨테이너 스페이스 실시간 예약 현황을 제공하고, 고객 단말을 통해, 콘솔 컨테이너 스페이스 예약에 필요한 정보를 획득하기 위한 인터페이스를 제공하고, 콘솔 컨테이너 스페이스 예약에 필요한 정보를 획득하면, 결제 인터페이스를 제공하고, 고객 단말을 통해 결제가 완료되면, 상기 물류 업체에, 상기 콘솔 컨테이너 스페이스 예약에 필요한 정보를 전송하여 예약을 완료하고, 고객 단말을 통해 상품분석 및 수요예측 메뉴가 선택되면, 분석할 상품의 이미지 또는 검색 키워드를 획득하기 위한 인터페이스를 제공하고, 고객 단말을 통해, 분석할 상품의 이미지 또는 검색 키워드를 획득하면, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 상기 획득한 상품의 이미지 또는 검색 키워드를 바탕으로 검색한 검색 결과를 수집하고, 상기 웹사이트에, 고객 단말을 통해, 상기 검색 결과에 포함되는 상품 중 분석할 상품이 선택되기 위한 인터페이스를 제공하고, 고객 단말을 통해 분석할 상품이 선택되면, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 상기 분석할 상품의 상품명, 브랜드, 모델명 및 제조사를 포함하는 상품 정보를 수집하고, 상기 제1 인공지능 모델에, 상기 분석할 상품의 상품 정보를 입력하여, 상기 분석할 상품의 최저가 추이, 최고가 추이, 단위시간 별 최대 판매량에 해당될 가격 추이, 판매량 추이를 예측한 제1 결과를 획득하고, 상기 제2 인공지능 모델에, 상기 분석할 상품의 상품 정보를 입력하여, 상기 분석할 상품의 단위 중량 당 부대비용 또는 단위 수량 당 부대비용을 예측한 제2 결과를 획득하고, 상기 웹사이트를 통해 상기 고객 단말에, 상기 제1 결과를 시각화한 데이터 및 상기 제2 결과를 제공하는 시스템을 제공할 수 있다.
또한, 상기 제1 인공지능 모델은, LSTM(Long Short-Term Memory) 또는 GRU(Gated Recurrent Unit)를 기반으로 하고, 상기 제2 인공지능 모델은, 다층 퍼셉트론(Multilayer Perceptron)을 기반으로 하고, 상기 서버는, 고객 단말을 통해 접속된 계정 정보에 포함되는 과거 수입 정보와, 상기 수집한 구매 내역 정보 및 상기 수집한 구매 내역 정보에 포함되는 구매 상품의 HS Code를 비교하여, 동일 상품 간 HS Code 일치 여부를 확인한 이후에, 동일 상품 간 HS Code가 일치하지 않으면, 고객 단말에 HS Code 직접 검색 및 입력 인터페이스를 제공하고, 고객 단말을 통해 HS Code를 획득하면, 상기 제3 데이터에 추가하는 시스템을 제공할 수 있다.
또한, 상기 서버는, 고객 단말을 통해 물류 예약 및 조회 메뉴가 선택되면, 상기 웹사이트를 통해 상기 고객 단말에, 물류 업체의 월 또는 분기별 콘솔 컨테이너 스페이스 실시간 예약 현황을 제공하기 이전에, 웹 크롤링 또는 물류 업체 API를 활용하여, 복수의 물류 업체의 예약 현황을 수집하고, 상기 수집한 복수의 물류 업체의 콘솔 컨테이너 스페이스를 통합하여, 통합 콘솔 컨테이너 스페이스의 월 또는 분기별 예약 현황을 생성하는 시스템을 제공할 수 있다.
또한, 상기 서버는, 상기 제1 결과를 시각화한 데이터 및 상기 제2 결과를 제공한 이후에, 상기 웹사이트에, 고객 단말을 통해, 분석할 상품의 원가, 마진율 및 수출 계획 시기를 입력받기 위한 인터페이스를 제공하고, 고객 단말을 통해, 분석할 상품의 원가, 마진율 및 수출 계획 시기를 입력받으면, 상기 제1 결과에 포함되는, 단위시간 별 최대 판매량에 해당될 가격 추이 중에서, 상기 수출 계획 시기의 최대 판매량에 해당될 가격인 제5 데이터를 추출하고, [수학식 1]을 바탕으로 고객 단말을 통해 선택된 분석할 상품의 추천 판매가를 산출하고,
[수학식 1]
Figure 112023057421895-pat00002
R.S.P.는 추천 판매가(Recommended Selling Price)이고, C는 원가이며, M은 마진율이고, P_m는 상기 제5 데이터이고, C_anc 제2 결과이고, 상기 웹사이트를 통해, 고객 단말에, 상기 산출한 추천 판매가를 제공하는 시스템을 제공할 수 있다.
일실시예에 따르면, 본 발명에 따른 ICT기반 수출입 지원 시스템을 제공함으로써, 전자 상거래 사이트에서 고객의 구매 내역 정보를 수집하고, 배송 대행업체에서 입력한 입고 상품 정보를 수집하여, 수입신고 제출서류를 자동으로 생성할 수 있는 효과가 있다.
또한, 과거 주문한 상품 기록과 비교하여 HS Code를 검증할 수 있다.
또한, 물류 업체의 월 또는 분기별 콘솔 컨테이너 스페이스의 예약 서비스를 제공할 수 있다.
또한, 중국 전자 상거래 사이트에서 판매하고자 하는 상품의 판매 예측 분석 결과를 제공할 수 있다.
또한, 추천 판매가를 산출 수 있는 효과가 있다.
한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 ICT기반 수출입 지원 시스템의 구성을 개략적으로 나타낸 개념도이다.
도 2는 일실시예에 따른 인공지능 모델을 학습시키고, 고객 단말에 복수의 메뉴를 제공하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 수입신고 제출서류 자동 생성 메뉴 선택 시 동작 과정을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 물류 예약 및 조회 메뉴 선택 시 동작 과정을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 상품분석 및 수요예측 메뉴 선택 시 동작 과정을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 HS Code 불일치 시 동작 과정을 설명하기 위한 도면이다.
도 7은 일실시예에 따른 콘솔 컨테이너 스페이스 통합 예약 현황을 생성하는 과정을 설명하기 위한 도면이다.
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 ICT기반 수출입 지원 시스템의 구성을 개략적으로 나타낸 개념도이고, 도 2는 일실시예에 따른 인공지능 모델을 학습시키고, 고객 단말에 복수의 메뉴를 제공하는 과정을 설명하기 위한 순서도이며, 도 3은 일실시예에 따른 수입신고 제출서류 자동 생성 메뉴 선택 시 동작 과정을 설명하기 위한 도면이고, 도 4는 일실시예에 따른 물류 예약 및 조회 메뉴 선택 시 동작 과정을 설명하기 위한 도면이이며, 도 5는 일실시예에 따른 상품분석 및 수요예측 메뉴 선택 시 동작 과정을 설명하기 위한 도면이고, 도 6은 일실시예에 따른 HS Code 불일치 시 동작 과정을 설명하기 위한 도면이이며, 도 7은 일실시예에 따른 콘솔 컨테이너 스페이스 통합 예약 현황을 생성하는 과정을 설명하기 위한 도면이다.
일실시예로서, 도 1을 참조하면, 본 발명에 따른 ICT기반 수출입 지원 시스템은, ICT기반 수출입 지원 시스템을 제공하기 위한 서버(100)를 포함할 수 있다.
일실시예로서 서버(100)는, 고객 단말, 통관 대행 담당자 단말, 물류 업체 서버, 산업통상자원부 서버, 배송 대행업체 단말 또는 서버, 및 전자 상거래 사이트 서버와 네트워크를 통해 데이터를 주고 받을 수 있다. 고객 단말, 통관 대행 담당자 단말, 물류 업체 서버, 및 전자 상거래 사이트 서버는 다수 일 수 있다.
서버(100)는, 본 발명에 따른 ICT기반 수출입 지원 시스템의 동작을 위해 필요한 데이터들을 다수의 단말 및 서버와 네트워크를 통해 획득할 수 있다. 물류 업체 서버, 산업통상자원부 서버, 배송 대행업체 단말 또는 서버, 및 전자 상거래 사이트 서버에서 필요한 정보를 수집하기 위하여, 웹 크롤링 또는 각 업체 또는 기관에서 제공하는 오픈 API를 활용할 수 있다.
도 2을 참조하면, 일실시예로서 S201 단계에서 서버는, 웹사이트를 운용할 수 있다. 서버는 웹사이트 운용에 필요한 프로세스와 데이터를 데이터베이스에 저장할 수 있다.
서버는, 상기 웹사이트를 통해, 고객 단말에 수입신고 제출서류 자동 생성 서비스와, 물류 예약 및 조회 서비스, 및 상품분석 및 수요예측 서비스 중 하나를 제공할 수 있다. 또한, 상기 웹사이트를 통해 인터페이스를 제공하여 고객 단말에서 입력하는 데이터를 획득할 수 있다.
일실시예로서 S202 단계에서 서버는, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 주기적으로 제1 데이터를 수집할 수 있다.
제1 데이터는, 다수 상품의 상품명, 브랜드, 모델명 및 제조사를 포함하는 상품 정보와, 상기 다수 상품의 과거 최저가 데이터, 과거 최고가 데이터, 과거 단위시간 별 최대 판매량에 해당되는 가격 데이터, 및 과거 판매량 데이터를 포함하는 판매 정보를 포함할 수 있다.
일실시예로서 S203 단계에서 서버는, 제1 인공지능 모델을, 상기 제1 데이터를 학습데이터로 학습시키되, 주기적으로 수집하는 제1 데이터를 추가하여 재학습시킬 수 있다. 제1 데이터는 한 달 주기 또는 2주 주기로 수집할 수도 있다.
기학습된 제1 인공지능 모델을 활용하면, 분석하고 싶은 상품의 상품 정보를 입력하여, 분석할 상품의 예측 최저가 추이, 예측 최고가 추이, 단위시간 별 최대 판매량에 해당될 것으로 예측되는 가격의 추이, 및 예측 판매량 추이를 획득할 수 있을 것이다.
일실시예로서 S204 단계에서 서버는, 제2 인공지능 모델을, 제2 데이터를 학습데이터로 학습시킬 수 있다. 또한, 주기적으로 다수의 고객 단말을 통해 새로 획득하는 제2 데이터를 추가하여 재학습시킬 수 있다. 제2 데이터는 한 달 주기 또는 2주 주기 또는 다수의 고객 단말을 통해 획득될 때마다 상기 제2 인공지능 모델을 재학습시킬 수 있다.
제2 데이터는, 고객 단말을 통해 획득한 과거 수출 상품의 상품명, 브랜드, 모델명 및 제조사를 포함하는 수출 상품 정보와, 상기 과거 수출 상품의 단위 중량 당 부대비용 또는 단위 수량 당 부대비용을 포함할 수 있다.
단위 중량은 1kg, 100kg, 1t 등 고객의 수출 규모에 따라 설정될 수 있다. 단위 수량은 500개, 1천개, 5천개 등 고객의 수출 규모에 따라 설정될 수 있다. 고객 단말을 통해 단위 중량 및 단위 수량을 획득하기 위해서, 상기 웹사이트에 단위 중량 획득 인터페이스를 더 제공할 수도 있다.
또한, 기학습된 제2 인공지능 모델을 활용하면, 분석하고 싶은 상품의 상품 정보를 입력하여, 분석할 상품의 단위 중량 당 부대비용 또는 단위 수량 당 부대비용을 예측한 값을 획득할 수 있다.
일실시예로서 상기 제1 인공지능 모델은, LSTM(Long Short-Term Memory) 또는 GRU(Gated Recurrent Unit)를 기반으로 할 수 있다.
LSTM은, RNN(순환신경망)의 변형 구조로서, 장기 의존성 문제를 해결하기 위해 고안되었다. LSTM은 기본적으로 셀(Cell)이라고 불리는 상태 정보를 유지하고 조절하며 주요 구성 요소로는, 현재 입력에 대한 중요도를 결정하는 Input Gate, 이전 상태에서 어떤 정보를 삭제할 것인지 결정하는 Forget Gate, 장기 상태 정보를 유지하는 Cell State, 및 현재 입력과 이전 상태를 기반으로 셀의 상태를 얼마나 공유할 것인지 결정하는 Output Gate가 있다.
LSTM은 장기 의존성을 학습할 수 있도록 하며, 입력 데이터의 긴 시퀀스에 대한 정보를 장기적으로 기억할 수 있다.
GRU는, 마찬가지로 장기 의존성 문제를 해결하기 위해 고안되고, LSTM과 달리 GRU는 셀 상태를 사용하지 않고, 은닉 상태와 게이트 역할을 하는 업데이트 게이트와 리셋 게이트만 사용한다. 현재 입력과 이전 상태를 기반으로 은닉 상태를 얼마나 업데이트할 것인지 결정하는 Update Gate, 이전 상태의 정보를 얼마나 잊을 것인지 결정하는 Reset Gate, 및 현재 상태의 정보를 표현하는 Hidden State를 주요 구성 요소로 가질 수 있다.
GRU는 LSTM에 비해 더 간단한 구조를 가지며, 계산 비용이 적고 학습 속도가 빠르다는 장점이 있다.
상기 제2 인공지능 모델은, 다층 퍼셉트론(Multilayer Perceptron)을 기반으로 할 수 있다. 다층 퍼셉트론은 인공신경망의 한 종류로, 제2 인공지능 모델에서 단위 중량 당 부대비용 또는 단위 수량 당 부대비용을 예측하기 위해 사용될 수 있다. 다층 퍼셉트론의 Input Layer는 예측에 사용될 특성 데이터를 받을 수 있다. 예를 들면, 상품에 대한 특성 데이터로는 단위 중량, 단위 수량 등이 포함될 수 있다. Input Layer의 각 노드는 특성 데이터의 값을 나타내며, 각 노드는 입력 데이터와 연결된 가중치를 가지고 있다. Hidden Layers는 Input Layer와 Output Layer 사이에 위치한 중간 층으로서, 다층 퍼셉트론은 여러 Hidden Layers를 가질 수 있다. Hidden Layers의 각 노드는 Input Layer의 값과 연결된 가중치를 가지고 있으며, 활성화 함수를 통해 출력값을 계산할 수 있다. Hidden Layers는 Input Layer에서 받은 특성 데이터를 조합하고 비선형 변환을 수행하여 복잡한 패턴을 학습하는 역할을 한다.
또한, 다층 퍼셉트론의 Output Layer는, 예측 결과를 출력하는 레이어로서, 단위 중량 당 부대비용 또는 단위 수량 당 부대비용을 예측하는 문제에서는 Output Layer의 노드 수는 1개 이상이 될 수 있다. Output Layer의 노드는 Hidden Layers에서 받은 값과 연결된 가중치를 가지고 있으며, 활성화 함수를 통해 최종 예측 값을 계산할 수 있다.
다층 퍼셉트론은 초기에 임의의 가중치로 시작하고, 학습 데이터를 이용하여 가중치를 조정해가며 학습한다. 역전파(backpropagation) 알고리즘을 사용하여 출력과 실제 값 사이의 오차를 계산하고, 이 오차를 사용하여 가중치를 업데이트한다. 이 과정은 학습 데이터를 반복적으로 사용하여 오차를 최소화하는 방향으로 가중치를 조정하면서 수행될 수 있다.
일실시예로서 S205 단계에서 서버는, 상기 웹사이트를 통해 고객 단말이 접속되면, 상기 고객 단말에 수입신고 제출서류 자동 생성 메뉴, 물류 예약 및 조회 메뉴, 및 상품분석 및 수요예측 메뉴 중 하나가 선택 가능한 인터페이스를 제공할 수 있다.
도 3을 참조하면, 일실시예로서 S301 단계에서 서버는, 고객 단말을 통해 수입신고 제출서류 자동 생성 메뉴가 선택되면, 구매 내역 정보를 수집할 전자 상거래 사이트 정보 및 상기 전자 상거래 사이트 로그인 정보를 입력받기 위한 인터페이스를 제공할 수 있다.
일실시예로서 S302 단계에서 서버는, 고객 단말을 통해, 전자 상거래 사이트 정보 및 로그인 정보를 획득하면, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 상기 획득한 전자 상거래 사이트에서 구매 내역 정보를 수집할 수 있다.
일실시예로서 S303 단계에서 서버는, 상기 수집한 구매 내역 정보를 바탕으로, C.I.(Commercial Invoice) 및 P.L.(Packing List)을 생성하기 위한 제3 데이터를 추출할 수 있다.
C.I. 생성에는 판매자 및 구매자 정보(판매자와 구매자의 상호, 주소, 연락처 등의 정보), 송장 번호 및 날짜(송장의 고유 번호와 발행 날짜), 제품 정보(각 제품의 명칭, 모델명 또는 번호, 수량, 단가, 총 가격 등), 운송 조건(운송 방법, 출발지 및 도착지, 인도 조건, 운송비 등의 정보), 지불 조건(지불 방법 및 기한 등의 정보), 원산지 정보(제품의 원산지 국가 또는 지역에 대한 정보), 기타 특정 국가에서 요구되는 추가적인 정보나 서식에 따른 내용 등이 요구될 수 있다.
상기 수집한 구매 내역 정보에 송장 번호 및 날짜, 제품 정보, 원산지 정보 등 C.I.에 입력될 수 있는 일부 정보가 포함되므로, 필요한 정보를 추출하여 데이터베이스에 저장할 수 있다. 또한, 구매자 정보는 고객 단말을 통해 접속된 계정 정보에 포함될 수 있으므로, 해당 구매자 정보도 C.I. 생성에 활용될 수 있다.
P.L.에는 포장 번호 및 날짜(포장 명세서의 고유 번호와 작성 날짜), 출하 및 도착 정보(출하지와 도착지 주소, 특히 포장된 제품이 도착할 곳의 상세한 정보), 제품 정보(각 제품의 명칭, 수량, 중량, 부피, 포장 방법 등의 정보), 포장 상태(각 제품의 포장 상태를 설명하는 정보), 운송 세부 사항(운송에 필요한 세부 사항, 예를 들어 컨테이너 번호, 팔레트 수 등), 기타 특정 국가에서 요구되는 추가적인 정보나 서식에 따른 내용이 요구될 수 있다.
상기 수집한 구매 내역 정보에 출하 및 도착 정보, 제품 정보 등 P.L.을 생성하기 위해 필요한 정보가 일부 포함되므로 해당 정보를 추출하여 데이터베이스에 저장할 수 있다.
일실시예로서 S304 단계에서 서버는, 산업통상자원부 API를 활용하여, 상기 수집한 구매 내역 정보에 포함되는 구매 상품의 HS Code를 획득할 수 있다.
또한, 일실시예로서 S305 단계에서 서버는, HS Code 기입의 오류를 피하기 위하여, 고객 단말을 통해 접속된 계정 정보에 포함되는 과거 수입 정보와, 상기 수집한 구매 내역 정보 및 상기 수집한 구매 내역 정보에 포함되는 구매 상품의 HS Code를 비교하여, 동일 상품 간 HS Code 일치 여부를 확인할 수 있다.
고객이 이전에 수입한 상품을 재수입하는 경우에는, 동일 상품의 HS Code를 비교하기 용이할 것이다.
일실시예로서 S306 단계에서 서버는, 동일 상품 간 HS Code가 일치하면, 상기 일치한 HS Code를 상기 제3 데이터에 추가할 수 있다.
또한, 일실시예로서 S307 단계에서 서버는, 배송 대행업체에 상기 수집한 구매 내역 정보에 포함되는 구매 상품이 입고되어, 상기 배송 대행업체를 통해 상기 구매 상품의 부피, 중량 및 Shipping mark가 입력되면, 웹 크롤링 또는 상기 배송 대행업체 API를 활용하여, 입고된 구매 상품에 대한 부피, 중량 및 Shipping mark를 포함하는 제4 데이터를 획득할 수 있다.
일실시예로서 S308 단계에서 상기 서버는, 상기 제3 데이터와, 상기 제4 데이터를 바탕으로, C.I. 및 P.L.을 생성할 수 있다. 다음으로 S309 단계에서 상기 서버는, 고객 단말 및 통관 대행 담당자 단말에, 상기 생성한 C.I. 및 P.L.을 송출할 수 있다.
생성한 C.I. 및 P.L.의 미기입란은 고객 단말이나 통관 대행 담당자 단말에 의해 추가될 수 있다.
도 4을 참조하면, 일실시예로서 S401 단계에서 서버는, 고객 단말을 통해 물류 예약 및 조회 메뉴가 선택되면, 상기 웹사이트를 통해 상기 고객 단말에, 물류 업체의 월 또는 분기별 콘솔 컨테이너 스페이스 실시간 예약 현황을 제공할 수 있다. 예약 일자를 선택하기 위한 달력에 콘솔 컨테이너 스페이스 중 예약이 가능한 스페이스의 예시를 시각화하여 제공할 수도 있다. 예를 들어, 전체 콘솔 컨테이너 스페이스와, 예약 완료된 스페이스, 및 예약 가능한 스페이스의 현황을 한 눈에 확인할 수 있도록 원 그래프로 제공할 수도 있다.
일실시예로서 S402 단계에서 서버는, 고객 단말을 통해, 콘솔 컨테이너 스페이스 예약에 필요한 정보를 획득하기 위한 인터페이스를 제공할 수 있다. 콘솔 컨테이너 스페이스 예약을 위해, 예약일자, 상품 무게, 부피, 수량 등을 고객 단말을 통해 입력받을 수 있다.
일실시예로서, 서버는 전자 상거래 사이트에서 수집한 구매 내역 정보를 이용하여, 자동으로 예약 정보를 생성할 수도 있다.
일실시예로서 S403 단계에서 서버는, 콘솔 컨테이너 스페이스 예약에 필요한 정보를 획득하면, 결제 인터페이스를 제공할 수 있다. 결제 금액은 물류 업체에서 제공하는 결제 금액 산정 기준을 바탕으로 결정될 수 있다.
일실시예로서 S404 단계에서 서버는, 고객 단말을 통해 결제가 완료되면, 상기 물류 업체에, 상기 콘솔 컨테이너 스페이스 예약에 필요한 정보를 전송하여 예약을 완료할 수 있다.
도 5을 참조하면, 일실시예로서 S50 단계에서 서버는,
일실시예로서 S501 단계에서 서버는, 고객 단말을 통해 상품분석 및 수요예측 메뉴가 선택되면, 분석할 상품의 이미지 또는 검색 키워드를 획득하기 위한 인터페이스를 제공할 수 있다.
일실시예로서 S502 단계에서 서버는, 고객 단말을 통해, 분석할 상품의 이미지 또는 검색 키워드를 획득하면, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 상기 획득한 상품의 이미지 또는 검색 키워드를 바탕으로 검색한 검색 결과를 수집할 수 있다.
일실시예로서 S503 단계에서 서버는, 상기 웹사이트에, 고객 단말을 통해, 상기 검색 결과에 포함되는 상품 중 분석할 상품이 선택되기 위한 인터페이스를 제공할 수 있다.
일실시예로서 S504 단계에서 서버는, 고객 단말을 통해 분석할 상품이 선택되면, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 상기 분석할 상품의 상품명, 브랜드, 모델명 및 제조사를 포함하는 상품 정보를 수집할 수 있다.
일실시예로서 S505 단계에서 서버는, 상기 제1 인공지능 모델에, 상기 분석할 상품의 상품 정보를 입력하여, 상기 분석할 상품의 최저가 추이, 최고가 추이, 단위시간 별 최대 판매량에 해당될 가격 추이, 판매량 추이를 예측한 제1 결과를 획득할 수 있다.
단위시간 별 최대 판매량에 해당될 가격 추이는, 매일, 매주, 매달 최대 판매량을 갖는 상품의 가격을 바탕으로 예측되는 가격일 수 있다.
일실시예로서 S506 단계에서 서버는, 상기 제2 인공지능 모델에, 상기 분석할 상품의 상품 정보를 입력하여, 상기 분석할 상품의 단위 중량 당 부대비용 또는 단위 수량 당 부대비용을 예측한 제2 결과를 획득할 수 있다.
이로써 고객은 수출하고자 하는 상품의 예측 부대비용을 미리 확인하여, 사업성을 판단하여 손해를 방지할 수 있다.
일실시예로서 S507 단계에서 서버는, 상기 웹사이트를 통해 상기 고객 단말에, 상기 제1 결과를 시각화한 데이터 및 상기 제2 결과를 제공할 수 있다. 제1 결과는 꺾은 선 그래프로 나타내는 것이 바람질할 수도 있다.
도 6을 참조하면, 일실시예로서 S601 단계에서 서버는, 고객 단말을 통해 접속된 계정 정보에 포함되는 과거 수입 정보와, 상기 수집한 구매 내역 정보 및 상기 수집한 구매 내역 정보에 포함되는 구매 상품의 HS Code를 비교하여, 동일 상품 간 HS Code 일치 여부를 확인(S305)한 이후에, 동일 상품 간 HS Code가 일치하지 않으면, 고객 단말에 HS Code 직접 검색 및 입력 인터페이스를 제공할 수 있다.
또한, 상기 과거 수입 정보에 동일한 상품이 존재하지 않으면, HS Code를 수동으로 검색하여 입력할 수 있는 인터페이스를 제공할 수 있다.
일실시예로서 S602 단계에서 서버는, 고객 단말을 통해 HS Code를 획득하면, 상기 제3 데이터에 추가할 수 있다.
도 7을 참조하면, 일실시예로서 S701 단계에서 서버는, 고객 단말을 통해 물류 예약 및 조회 메뉴가 선택되면, 상기 웹사이트를 통해 상기 고객 단말에, 물류 업체의 월 또는 분기별 콘솔 컨테이너 스페이스 실시간 예약 현황을 제공하기 이전(S205)에, 웹 크롤링 또는 물류 업체 API를 활용하여, 복수의 물류 업체의 예약 현황을 수집할 수 있다.
또한, 일실시예로서 S702 단계에서 서버는, 상기 수집한 복수의 물류 업체의 콘솔 컨테이너 스페이스를 통합하여, 통합 콘솔 컨테이너 스페이스의 월 또는 분기별 예약 현황을 생성할 수 있다.
이로 인해, 고객은 복수의 물류 업체의 예약 가능한 콘솔 컨테이너 스페이스를 확인하고 손쉽게 예약할 수 있다.
일실시예로서 서버는, 상기 제1 결과를 시각화한 데이터 및 상기 제2 결과를 제공한 이후에, 상기 웹사이트에, 고객 단말을 통해, 분석할 상품의 원가, 마진율 및 수출 계획 시기를 입력받기 위한 인터페이스를 제공할 수 있다.
서버는, 고객 단말을 통해, 분석할 상품의 원가, 마진율 및 수출 계획 시기를 입력받으면, 상기 제1 결과에 포함되는, 단위시간 별 최대 판매량에 해당될 가격 추이 중에서, 상기 수출 계획 시기의 최대 판매량에 해당될 가격인 제5 데이터를 추출할 수 있다.
또한, 서버는, [수학식 1]을 바탕으로 고객 단말을 통해 선택된 분석할 상품의 추천 판매가를 산출할 수 있다.
[수학식 1]
Figure 112023057421895-pat00003
상기 [수학식 1]에서, R.S.P.는 추천 판매가(Recommended Selling Price)이고, C는 원가이며, M은 마진율이고, P_m는 상기 제5 데이터이고, C_anc 제2 결과일 수 있다.
원가(C), 마진율(M), 제5 데이터(P_m) 및 제2 결과가 증가하면 추천 판매가는 증가할 수 있다. 원가(C), 마진율(M), 수출 계획 시기의 최대 판매량에 해당될 가격인 제5 데이터(P_m) 및 단위 중량 당 부대비용 또는 단위 수량 당 부대비용을 예측한 값인 제2 결과(C_anc)를 고려하여, 해당 상품의 판매가를 결정할 수 있다. 일반적으로 원가, 마진율, 최대 판매량에 해당될 것으로 예측되는 가격, 부대비용이 증가할수록 판매가를 높게 책정해야 한다.
또한, 상기 웹사이트를 통해, 고객 단말에, 상기 산출한 추천 판매가를 제공할 수 있다.
일실시예로, 서버는, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여 수집한, 분석할 상품의 상품명, 브랜드, 모델명 및 제조사를 포함하는 상품 정보에서, 분석할 상품이 전자 상거래 사이트에 등록된 수를 추출할 수 있다.
또한, 서버는, [수학식 2]를 바탕으로 특정 상품의 사업성 판단 점수를 산출할 수 있다.
[수학식 2]
Figure 112023057421895-pat00004
상기 [수학식 2]에서, B.V.S.는 사업성 판단 점수이고, S_p는 분석할 상품의 예측 판매량이며, R.S.P.는 분석할 상품의 추천 판매가이고, P_m은 제5 데이터이며, N_rp는 분석할 상품이 전자 상거래 사이트에 등록된 수일 수 있다.
상기 [수학식 2]에서, 분석할 상품의 예측 판매량(S_p)이 커질수록 사업성 판단 점수가 커질 수 있고, 분석할 상품의 추천 판매가(R.S.P.)가, 수출 계획 시기의 최대 판매량에 해당될 가격(P_m)보다 작을수록, 전자 상거래 사이트에 등록된 동일 상품의 가격대에 비해 가격 경쟁력이 높다는 의미이므로, 사업성 판단 점수는 커질 수 있다. 또한, 분석할 상품이 전자 상거래 사이트에 등록된 수(N_rp)가 클수록 경쟁 상품의 수가 많다는 의미이므로, 사업성 판단 점수는 작아질 수 있다.
또한, 상기 웹사이트를 통해, 고객 단말에, 상기 산출한 사업성 판단 점수를 제공할 수 있다.
또한, 일실시예로 서버는, 상기 웹사이트를 통해 상기 고객 단말에, 상기 제1 결과를 시각화한 데이터 및 상기 제2 결과를 제공하는 경우에, 상기 제1 결과를 시각화한 데이터 상에 수출 비추천 영역과 수출 추천 영역을 더 표시할 수 있다.
상기 산출한 추천 판매가가, 제1 결과를 시각화한 데이터 상의 단위시간 별 최대 판매량에 해당될 가격 추이보다 낮은 값이면 수출 추천 영역, 제1 결과를 시각화한 데이터 상의 단위시간 별 최대 판매량에 해당될 가격 추이보다 높은 값이면 수출 비추천 영역으로 표시할 수 있다.
예를 들어, 추천 판매가가 100위안이고, 최대 판매량에 해당될 것으로 예측되는 가격이 90위안이면 판매가 어려울 수 있다.
또한, 일실시예로 서버는, 제1 결과를 시각화한 데이터를 제공하기 위하여, 시각화 라이브러리를 활용하되, 상기 시각화 라이브러리는, Matplotlib, Seaborn, Plotly, Bokeh, 및 Plotnine 중 하나일 수 있다.
Matplotlib는 파이썬에서 가장 기본적이고 널리 사용되는 시각화 라이브러리로서, 다양한 그래프와 차트를 생성할 수 있으며, 선 그래프, 막대 그래프, 산점도 등을 표현할 수 있다.
Seaborn는 Matplotlib의 상위 레벨 인터페이스로, 보다 간결하고 멋진 시각화를 제공한다. 또한, Seaborn은 통계적 그래픽 기능을 강화하고, 막대 그래프, 박스 플롯, 히스토그램 등 다양한 종류의 그래프를 지원하는 라이브러리이다.
Plotly는 웹 기반 그래프 생성이 가능하며, 인터랙티브한 기능과 애니메이션을 제공할 수 있다. Plotly를 사용하면 차트를 확대, 축소, 필터링, 호버링 등의 인터랙션을 쉽게 추가할 수 있다.
Bokeh는 인터랙티브한 시각화를 위한 라이브러리로, 웹사이트에 적합한 그래프를 제공할 수 있다. JavaScript 기반으로 작동하며, 대용량 데이터를 처리하고 다중 도구창 및 인터랙션을 생성할 수 있다.
마지막으로 Plotnine은 R의 ggplot2 라이브러리를 기반으로 한 파이썬 패키지로, 문법적으로 일관성 있는 그래픽을 생성하는 데 사용된다. ggplot2와 유사한 문법을 사용하며, 선 그래프, 막대 그래프, 상자 그림 등을 생성할 수 있다.
상기와 같이, 본 발명에 따른 ICT기반 수출입 지원 시스템을 제공함으로써, 전자 상거래 사이트에서 고객의 구매 내역 정보를 수집하고, 배송 대행업체에서 입력한 입고 상품 정보를 수집하여, 수입신고 제출서류를 자동으로 생성할 수 있고, 과거 주문한 상품 기록과 비교하여 HS Code를 검증할 수 있으며, 물류 업체의 월 또는 분기별 콘솔 컨테이너 스페이스의 예약 서비스를 제공할 수 있고, 중국 전자 상거래 사이트에서 판매하고자 하는 상품의 판매 예측 분석 결과를 제공할 수 있으며, 추천 판매가를 산출할 수 있는 효과가 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.
100: 서버

Claims (5)

  1. ICT기반 수출입 지원 시스템에 있어서,
    ICT기반 수출입 지원 시스템을 제공하기 위한 서버를 포함하며,
    상기 서버는,
    웹사이트를 운용하고,
    웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 주기적으로 제1 데이터를 수집하되, 상기 제1 데이터는, 다수 상품의 상품명, 브랜드, 모델명 및 제조사를 포함하는 상품 정보와, 상기 다수 상품의 과거 최저가 데이터, 과거 최고가 데이터, 과거 단위시간 별 최대 판매량에 해당되는 가격 데이터, 및 과거 판매량 데이터를 포함하는 판매 정보를 포함하고,
    상기 서버는 주기적으로 제2 데이터를 수집하되, 상기 제2 데이터는, 고객 단말을 통해 획득한 과거 수출 상품의 상품명, 브랜드, 모델명 및 제조사를 포함하는 수출 상품 정보와, 상기 과거 수출 상품의 단위 중량 당 부대비용 또는 단위 수량 당 부대비용을 포함하고,
    상기 서버는,
    상기 웹사이트를 통해 고객 단말이 접속되면, 상기 고객 단말에 수입신고 제출서류 자동 생성 메뉴, 물류 예약 및 조회 메뉴, 및 상품분석 및 수요예측 메뉴 중 하나가 선택 가능한 인터페이스를 제공하고,
    고객 단말을 통해 수입신고 제출서류 자동 생성 메뉴가 선택되면, 구매 내역 정보를 수집할 전자 상거래 사이트 정보 및 상기 전자 상거래 사이트 로그인 정보를 입력받기 위한 인터페이스를 제공하고,
    고객 단말을 통해, 전자 상거래 사이트 정보 및 로그인 정보를 획득하면, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 상기 획득한 전자 상거래 사이트에서 구매 내역 정보를 수집하고,
    수집한 상기 구매 내역 정보를 바탕으로, C.I.(Commercial Invoice) 및 P.L.(Packing List)을 생성하기 위한 제3 데이터를 추출하고,
    산업통상자원부 API를 활용하여, 상기 수집한 구매 내역 정보에 포함되는 구매 상품의 HS Code를 획득하고,
    고객 단말을 통해 접속된 계정 정보에 포함되는 과거 수입 정보와, 상기 수집한 구매 내역 정보 및 상기 수집한 구매 내역 정보에 포함되는 구매 상품의 HS Code를 비교하여, 동일 상품 간 HS Code 일치 여부를 확인하고,
    동일 상품 간 HS Code가 일치하면, 일치한 HS Code를 상기 제3 데이터에 추가하고,
    배송 대행업체에 상기 수집한 구매 내역 정보에 포함되는 구매 상품이 입고되어, 상기 배송 대행업체를 통해 상기 구매 상품의 부피, 중량 및 Shipping mark가 입력되면, 웹 크롤링 또는 상기 배송 대행업체의 API를 활용하여, 입고된 구매 상품에 대한 부피, 중량 및 Shipping mark를 포함하는 제4 데이터를 획득하고,
    상기 제3 데이터와, 상기 제4 데이터를 바탕으로, C.I. 및 P.L.을 생성하고,
    고객 단말 및 통관 대행 담당자 단말에, 상기 생성한 C.I. 및 P.L.을 송출하고,
    고객 단말을 통해 물류 예약 및 조회 메뉴가 선택되면, 상기 웹사이트를 통해 상기 고객 단말에, 물류 업체의 월 또는 분기별 콘솔 컨테이너 스페이스 실시간 예약 현황을 제공하고,
    고객 단말을 통해, 콘솔 컨테이너 스페이스 예약에 필요한 정보를 획득하기 위한 인터페이스를 제공하고,
    콘솔 컨테이너 스페이스 예약에 필요한 정보를 획득하면, 결제 인터페이스를 제공하고,
    고객 단말을 통해 결제가 완료되면, 상기 물류 업체에, 상기 콘솔 컨테이너 스페이스 예약에 필요한 정보를 전송하여 예약을 완료하고,
    고객 단말을 통해 상품분석 및 수요예측 메뉴가 선택되면, 분석할 상품의 이미지 또는 검색 키워드를 획득하기 위한 인터페이스를 제공하고,
    고객 단말을 통해, 분석할 상품의 이미지 또는 검색 키워드를 획득하면, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 획득한 상기 상품의 이미지 또는 검색 키워드를 바탕으로 검색한 검색 결과를 수집하고,
    상기 웹사이트에, 고객 단말을 통해, 상기 검색 결과에 포함되는 상품 중 분석할 상품이 선택되기 위한 인터페이스를 제공하고,
    고객 단말을 통해 분석할 상품이 선택되면, 웹 크롤링 또는 전자 상거래 사이트 API를 활용하여, 상기 분석할 상품의 상품명, 브랜드, 모델명 및 제조사를 포함하는 상품 정보를 수집하고,
    상기 분석할 상품의 상품 정보를 입력하여, 상기 분석할 상품의 최저가 추이, 최고가 추이, 단위시간 별 최대 판매량에 해당될 가격 추이, 판매량 추이를 예측한 제1 결과를 획득하고,
    상기 분석할 상품의 상품 정보를 입력하여, 상기 분석할 상품의 단위 중량 당 부대비용 또는 단위 수량 당 부대비용을 예측한 제2 결과를 획득하고,
    상기 웹사이트를 통해 상기 고객 단말에, 상기 제1 결과를 시각화한 데이터 및 상기 제2 결과를 제공하며,
    상기 서버는,
    고객 단말을 통해 접속된 계정 정보에 포함되는 과거 수입 정보와, 상기 수집한 구매 내역 정보 및 상기 수집한 구매 내역 정보에 포함되는 구매 상품의 HS Code를 비교하여, 동일 상품 간 HS Code 일치 여부를 확인한 이후에,
    동일 상품 간 HS Code가 일치하지 않으면, 고객 단말에 HS Code 직접 검색 및 입력 인터페이스를 제공하고,
    고객 단말을 통해 HS Code를 획득하면, 상기 제3 데이터에 추가하며,
    상기 서버는,
    고객 단말을 통해 물류 예약 및 조회 메뉴가 선택되면, 상기 웹사이트를 통해 상기 고객 단말에, 물류 업체의 월 또는 분기별 콘솔 컨테이너 스페이스 실시간 예약 현황을 제공하기 이전에,
    웹 크롤링 또는 물류 업체 API를 활용하여, 복수의 물류 업체의 예약 현황을 수집하고,
    수집한 상기 복수의 물류 업체의 콘솔 컨테이너 스페이스를 통합하여, 통합 콘솔 컨테이너 스페이스의 월 또는 분기별 예약 현황을 생성하며,
    상기 서버는,
    상기 제1 결과를 시각화한 데이터 및 상기 제2 결과를 제공한 이후에,
    상기 웹사이트에, 고객 단말을 통해, 분석할 상품의 원가, 마진율 및 수출 계획 시기를 입력받기 위한 인터페이스를 제공하고,
    고객 단말을 통해, 분석할 상품의 원가, 마진율 및 수출 계획 시기를 입력받으면, 상기 제1 결과에 포함되는, 단위시간 별 최대 판매량에 해당될 가격 추이 중에서, 상기 수출 계획 시기의 최대 판매량에 해당될 가격인 제5 데이터를 추출하고,
    [수학식 1]을 바탕으로 고객 단말을 통해 선택된 분석할 상품의 추천 판매가를 산출하고,
    [수학식 1]
    Figure 112024011764942-pat00005

    R.S.P.는 추천 판매가(Recommended Selling Price)이고, C는 원가이며, M은 마진율이고, P_m는 상기 제5 데이터이고, C_anc 제2 결과이고,
    상기 웹사이트를 통해, 고객 단말에, 산출한 상기 추천 판매가를 제공하는, 시스템.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
KR1020230066700A 2023-05-12 2023-05-24 Ict기반 수출입 지원 시스템 KR102658414B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230066726A KR102603779B1 (ko) 2023-05-12 2023-05-24 수입신고 제출서류 자동 생성 시스템

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020230061623 2023-05-12
KR20230061623 2023-05-12

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020230066726A Division KR102603779B1 (ko) 2023-05-12 2023-05-24 수입신고 제출서류 자동 생성 시스템

Publications (1)

Publication Number Publication Date
KR102658414B1 true KR102658414B1 (ko) 2024-04-17

Family

ID=90876225

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230066700A KR102658414B1 (ko) 2023-05-12 2023-05-24 Ict기반 수출입 지원 시스템

Country Status (1)

Country Link
KR (1) KR102658414B1 (ko)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010099447A (ko) 2001-09-28 2001-11-09 이계철 수출입 화물정보 통합 관리 시스템 및 그 관리방법
KR20160115756A (ko) * 2015-03-26 2016-10-06 삼성에스디에스 주식회사 물류 서비스 제공 시스템 및 방법
KR101996403B1 (ko) 2018-09-20 2019-07-03 주식회사 케이엘넷 수출입 물류지원시스템
KR102111373B1 (ko) * 2019-08-21 2020-05-15 주식회사 이투마스 수출입 신고 방법 및 장치
KR20200131549A (ko) * 2019-05-14 2020-11-24 카페24 주식회사 인공지능 모델을 이용한 상품 판매량 예측 방법, 장치 및 시스템
KR20220076012A (ko) * 2020-11-30 2022-06-08 푸드팡 주식회사 Ｂ２ｂ 시장을 위한 인공지능 기반 판매가격 결정 서비스 제공 시스템
KR20220167146A (ko) 2021-06-11 2022-12-20 김정환 블록체인 기반 스마트컨트랙트를 이용한 수출입 자동화 서비스 제공 시스템
KR102531250B1 (ko) 2023-02-20 2023-05-11 김경수 수출입 물류 관리시스템

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010099447A (ko) 2001-09-28 2001-11-09 이계철 수출입 화물정보 통합 관리 시스템 및 그 관리방법
KR20160115756A (ko) * 2015-03-26 2016-10-06 삼성에스디에스 주식회사 물류 서비스 제공 시스템 및 방법
KR101996403B1 (ko) 2018-09-20 2019-07-03 주식회사 케이엘넷 수출입 물류지원시스템
KR20200131549A (ko) * 2019-05-14 2020-11-24 카페24 주식회사 인공지능 모델을 이용한 상품 판매량 예측 방법, 장치 및 시스템
KR102111373B1 (ko) * 2019-08-21 2020-05-15 주식회사 이투마스 수출입 신고 방법 및 장치
KR20220076012A (ko) * 2020-11-30 2022-06-08 푸드팡 주식회사 Ｂ２ｂ 시장을 위한 인공지능 기반 판매가격 결정 서비스 제공 시스템
KR20220167146A (ko) 2021-06-11 2022-12-20 김정환 블록체인 기반 스마트컨트랙트를 이용한 수출입 자동화 서비스 제공 시스템
KR102531250B1 (ko) 2023-02-20 2023-05-11 김경수 수출입 물류 관리시스템

Similar Documents

Publication Publication Date Title
US11538086B2 (en) Recommender systems and methods using cascaded machine learning models
Nepal et al. Bayesian belief network-based framework for sourcing risk analysis during supplier selection
Sana Price sensitive demand with random sales price–a newsboy problem
US8170925B1 (en) Computer-implemented methods and systems for automatic merchandising
CN109767032A (zh) 一种基于数据分析的企业财务运营数字化管理优化系统
Christen et al. Value-based pricing in digital platforms: A machine learning approach to signaling beyond core product attributes in cross-platform settings
US20210334782A1 (en) Method and system for negotiating, generating, documenting, and fulfilling vendor financing opportunities
Jauhari et al. A fuzzy periodic review integrated inventory model involving stochastic demand, imperfect production process and inspection errors
WO2021066902A1 (en) Determining fraud risk indicators using different fraud risk models for different data phases
CN111406272A (zh) 具有增强的批准控制的配置价格报价
KR20210070593A (ko) 상품을 예약 구매하는 방법 및 시스템
CN114757630B (zh) 仓储管理模型确定方法、装置及计算机设备
Fang et al. [Retracted] Cross‐Border E‐Commerce Supply Chain Risk Evaluation with FUZZY‐ISM Model
KR101784454B1 (ko) 쇼핑 서비스 제공 장치, 방법 및 컴퓨터 판독 가능한 기록 매체
KR102658414B1 (ko) Ict기반 수출입 지원 시스템
CA3169819C (en) Systems and methods for automated product classification
KR102603779B1 (ko) 수입신고 제출서류 자동 생성 시스템
Dütting et al. Machine learning for optimal economic design
KR102675291B1 (ko) 물류 관리 서비스를 제공하기 위한 방법 및 장치
KR102581372B1 (ko) 휴대폰 판매 중개 관리 시스템
US20230078260A1 (en) Systems and methods for providing recommendations of computer applications based on similarity
US20140019305A1 (en) Cloud-driven Social-network Platform focused on Pattern Analysis
Ren et al. Anticipatory shipping versus emergency shipment: data-driven optimal inventory models for online retailers
KR102643223B1 (ko) 유통 및 공사 서비스 제공을 위한 프로젝트 별 매입 및 매출 관리 기능 erp 시스템 운용 방법
US20230259692A1 (en) Systems and methods for computer generation of a modifiable product description

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant