KR20010111913A - Complex filtering apparatus and method for database marketing in electronic commerce - Google Patents
Complex filtering apparatus and method for database marketing in electronic commerce Download PDFInfo
- Publication number
- KR20010111913A KR20010111913A KR1020000032690A KR20000032690A KR20010111913A KR 20010111913 A KR20010111913 A KR 20010111913A KR 1020000032690 A KR1020000032690 A KR 1020000032690A KR 20000032690 A KR20000032690 A KR 20000032690A KR 20010111913 A KR20010111913 A KR 20010111913A
- Authority
- KR
- South Korea
- Prior art keywords
- item
- database
- consumer
- preference
- calculating
- Prior art date
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 238000007621 cluster analysis Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000000611 regression analysis Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06Q50/60—Business processes related to postal services
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 웹상에서 각 소비자의 선호도에 부합되는 일군의 상품 및 정보를 추천하여 주도록 한 전자상거래에서 데이터 베이스 마케팅을 위한 복합적 필터링장치 및 방법에 관한 것으로, 이러한 본 발명은 소비자가 선택한 웹 사이트의 아이템란을 보여주는 HTML과, 상기 HTML에서 보여주고 있는 아이템란을 클릭할 경우 상품 및 서비스정보를 상세하게 보여주거나 추천 아이템을 소비자에게 제공하여주는 머천트서버와, 상기 머천트서버에서 제공되는 아이템중 소비자의 취향에 맞게 아이템을 추천하도록 하기 위하여 데이터를 수집하는 프론트모듈과, 상기 프론트모듈로부터 수집된 데이터를 축적, 분석하여 소비자의 선호도에 부합되게 데이터베이스화하는 데이터베이스와, 상기 프론트모듈과 데이터베이스로부터 추출한 데이터를 컬래버러티브필터링과 컨텐츠베이스드필터링 알고리즘을 복합적용하여 개별 소비자의 선호도에 따라 구매할 확률이 가장 높은 아이템을 제공하는 하이브리드필터링으로 구성된다.The present invention relates to a complex filtering device and method for database marketing in an electronic commerce to recommend a group of products and information that match each consumer's preferences on the web, the present invention is an item of a website selected by the consumer HTML that shows the, and a merchant server that shows the product and service information in detail when clicking the item column shown in the HTML or provide a recommended item to the consumer, among the items provided by the merchant server according to the consumer's taste A front module that collects data to recommend items, a database that accumulates and analyzes data collected from the front module, and makes a database in accordance with consumer preferences, and collects data extracted from the front module and the database. filter And applying complex content-based filtering algorithms are configured into a hybrid filter that the probability of purchase in accordance with the preferences of the individual consumer provides the highest item.
Description
본 발명은 전자상거래에 관한 것으로서, 보다 상세하게는 웹상에서 각 소비자의 선호도에 부합되는 일군의 아이템(상품 및 서비스정보)를 추천하여 주도록 한 전자상거래에서 데이터베이스 마케팅을 위한 복합적 필터링장치 및 방법에 관한 것이다.The present invention relates to electronic commerce, and more particularly, to a complex filtering device and method for database marketing in electronic commerce to recommend a group of items (product and service information) corresponding to each consumer's preferences on the web. will be.
현대 사회는 정보 통신 기술이 발전함에 따라 인터넷을 이용한 정보 통신 분야가 급격한 발전을 이루고 있다. 이러한 인터넷을 이용한 정보 통신의 발전에 따라 물품을 구입하기 위해서는 그 물품을 판매하는 상점에 직접 가야만 했었지만 컴퓨터 또는 인터넷 TV를 통한 인터넷 접속에 의해 각각의 가정 또는 직장등에서도 가능해 졌다.In the modern society, as the information and communication technology develops, the field of information and communication using the Internet is rapidly developing. With the development of information and communication using the Internet, it was necessary to go directly to the store that sells the goods in order to purchase the goods, but it is also possible in each home or workplace by internet access through a computer or an internet TV.
이와 같이, 전자 상거래란 컴퓨터등을 통한 네트위크를 통해 일정의 물품 또는 서비스를 구입하는 재화나 서비스의 거래에 있어서 그 전부 또는 일부가 전자문서 교환등 전자적 방식에 의해 처리되는 거래를 말하는 것으로서, 현실 세계에서 이루어지는 상거래와 유사한 형태를 갖는다.As described above, the electronic commerce refers to a transaction in which all or part of the transactions of goods or services are purchased through a network through a computer or the like through electronic methods such as electronic document exchange. It has a form similar to that of commerce.
전자 상거래는 물건 또는 서비스를 제공하는 가상 상점(CYBER MALL, 이하 쇼핑몰 이라함)과 쇼핑몰에서 물건 또는 서비스를 구매하는 소비자등이 전자 상거래에서 거래의 주체가 된다.In electronic commerce, a virtual shop (CYBER MALL, hereinafter referred to as a shopping mall) that provides goods or services and a consumer who purchases goods or services in the shopping mall become subjects of transactions in the electronic commerce.
상술한 구성을 갖는 전자상거래에서 쇼핑몰 운영자는 소비자들의 구매를 돕기 위해 상품에 대한 정보를 쇼핑몰 사이트에 게시하거나 전자우편에 담아 소비자들에게 배포한다.In the electronic commerce having the above-described configuration, the shopping mall operator posts information about a product on a shopping mall site or distributes the information to consumers by e-mail to help consumers purchase.
또한, 소비자가 구매를 하기 위해서는 쇼핑몰 운영자로부터 전송된 전자 우편을 참고하거나 직접 쇼핑몰 사이트에 접속하여 상품에 대한 정보를 검색하게 된다. 이때 쇼핑몰 사이트는 가장 인기있는 상품이나 정보만을 우선적으로 제시하기 때문에 직접 접속하는 경우에는 소비자가 원하는 상품을 찾기 위해 검색하는 과정이 복잡하여 구매를 포기하거나 전자우편을 참고하는 경우에는 소비자의 다양한 욕구를 만족시킬 수 없어 직접 구매행위로 연결시키기가 어렵고 또한 무분별한 전자우편의 발송은 오히려 고객에게 불쾌감을 주는 문제점이 있었다.In addition, in order to make a purchase, a consumer may refer to an e-mail transmitted from a shopping mall operator or directly access a shopping mall site to search for information about a product. At this time, since the shopping mall site presents only the most popular products or information, the process of searching for the products that consumers want is complex when directly accessing them. It is difficult to connect to direct buying behavior because it cannot be satisfied, and the indiscriminate sending of e-mail has a problem that is rather unpleasant to customers.
본 발명은 상기한 종래 기술에 따른 문제점을 해결하기 위하여 안출한 것으로 본 발명의 목적은, 웹상에서 생성되는 각종 개인 정보(나이, 성별, 취미, 성격 등) 및 과거 구매정보를 축적, 분석하여 소비자에게 맞는 아이템을 추천하여 주도록 한 전자상거래에서 데이터베이스 마케팅을 위한 복합적 필터링장치 및 방법을 제공함에 있다.The present invention has been made in order to solve the above problems according to the prior art, an object of the present invention, by accumulating and analyzing various personal information (age, gender, hobbies, personality, etc.) and past purchase information generated on the Web, consumers The present invention provides a complex filtering device and method for database marketing in an electronic commerce that recommends an item suitable for the user.
상기한 목적을 달성하기 위한 본 발명에 따른 전자상거래에서 데이터베이스 마케팅을 위한 복합적 필터링장치의 특징은, 소비자가 선택한 웹 사이트의 아이템란을 보여주는 HTML과, 상기 HTML에서 보여주고 있는 아이템란을 클릭할 경우 상품 및 서비스정보를 상세하게 보여주거나 추천 아이템을 소비자에게 제공하여주는 머천트서버와, 상기 머천트서버에서 제공되는 아이템중 소비자의 취향에 맞게 아이템을 추천하기 위한 데이터를 수집하는 프론트모듈과, 상기 프론트모듈에서 수집된 데이터를 축척, 분석하여 소비자의 선호도에 부합되게 데이터 베이스화하는 데이터베이스와, 상기 프론트모듈과 데이터베이스로부터 출력되는 데이터를 컬래버러티브필터링과 컨텐츠베이스드필터링 알고리즘을 복합적용하여 개별 소비자의 선호도에 따라 구매할 확률이 가장 높은 아이템을 제공하는 하이브리드필터링과, 상기 하이브리드필터링의 동작 상태를 관리하는 접속관리자와, 상기 접속관리자의 관리하는 클라이언트와, 상기 데이터베이스에 데이타화된 소비자의 선호도가 가장높은 아이템을 상기 프론트모듈을 통해 출력하는 내용작성기와, 상기 내용작성기로부터 출력되는 아이템을 전자우편을 통해 소비자에게 제공하는 메일에이전트를 포함하여 구성된다.A feature of the complex filtering device for database marketing in the e-commerce according to the present invention for achieving the above object is, HTML showing the item column of the Web site selected by the consumer, and when clicking the item column shown in the HTML product and Merchant server that shows the service information in detail or provides a recommendation item to the consumer, Front module for collecting data for recommending items according to the taste of the consumer among the items provided by the merchant server, Collecting in the front module It is possible to purchase data according to the preferences of individual consumers by applying a combination of a database that scales and analyzes the collected data to a database according to consumer preferences, and the data output from the front module and the database by using a combination of collaborative filtering and content-based filtering algorithms.A hybrid filtering providing the most probable item, a connection manager managing an operation state of the hybrid filtering, a client managing the connection manager, and an item having the highest preference of the consumer data recorded in the database. It includes a content creator to output through the module and a mail agent for providing the item output from the content creator to the consumer via e-mail.
또한, 상기한 목적을 달성하기 위한 본 발명에 따른 전자상거래에서 데이터 베이스 마케팅을 위한 복합적 필터링방법의 특징은, 아이템에 대한 정보를 얻기 위해 머천트서버로 재화나 용역의 거래가 전자적으로 거래되는 전자상거래에서 개인정보를 입력하는 단계와, 이어, 하이브리드필터링의 컬래버러티브필티링과 컨텐츠베이스드필터링을 통해 사용자가 아이템에 대해서 가지는 호감정도에 대한 표본을 사용자에게 제시할 수 있도록 입력된 개인정보를 비교/분석하고 그로부터 도출된 정보, 즉 표본 아이템을 데이터베이스에 저장하는 단계와, 전자상거래 사이트에서 이루어지는 상기 사용자들의 활동들(상품검색, 장바구니담기, 구매, 구매취소, 아이템 선호도 등)에 대한 자료를 수집, 가공하여 데이테베이스에 저장하는 단계와, 상기 각 사용자의 아이템 선호도와 아이템 구성요소의 관계를 설명하기 위한 요인들로부터 1차 아이템 선호도를 계산하는 단계와, 상기 단계에서 계산된 1차 아이템 선호도에서 사용자와 다른 사용자들과의 오차를 계산하는 단계와, 상기 오차를 이용하여 사용자들 사이의 피어슨 상관계수를 이용하여 사용자들 사이의 유사함을 계산하는 단계와, 상기 오차의 결과치로 나타나는 아이템에 대하여 다른 사용자들이 그 아이템에 대해서 가지는 오차들의 평균값과 계산된 유사값을 이용하여 예측오차값을 계산하는 단계와, 상기 아이템 선호도가 축적되어 있지 않은 아이템에 대하여 1차 예측 아이템 선호도와 예측오차값을 계산하여 각 아이템에 대한 최종 선호도를 계산하여 저장하는 단계와, 상기 각 사용자에 대하여 아이템 선호도가 가장 높은 아이템을 테이터베이스로부터 추출하여 사용자에게 추천하는 단계와, 상기 추천된 상품 및 서비스를 머천트서버를 통해 보여주거나 혹은 내용작성기 및 메일에이전트를 통해 전자우편으로 발송하는 단계를 포함하여 이루어진다.In addition, a feature of the complex filtering method for database marketing in the electronic commerce according to the present invention for achieving the above object is, in the electronic commerce transactions transactions of goods or services electronically with a merchant server to obtain information about the item Inputting personal information, and then comparing the inputted personal information to present the user with a sample of the degree of affinity for the item through collaborative filtering and content-based filtering of hybrid filtering. Analyzing and deriving the information derived therefrom, i.e., storing a sample item in a database, collecting data on the activities of the users (product search, shopping cart, purchase, cancellation, item preference, etc.) on the e-commerce site, Processing and storing the data in the database; Calculating primary item preferences from factors for explaining the relationship between item preferences and item components, calculating an error between a user and other users in the primary item preferences calculated in the step; Calculating the similarity between users using the Pearson correlation coefficient between the users using the error, and calculating the similarity with the average value of the errors that other users have about the item for the item resulting from the error. Calculating a predicted error value using a value, calculating a first predicted item preference and a predicted error value for an item for which the item preferences are not accumulated, calculating and storing a final preference for each item, and Database with the highest item preference for each user Extracting from the service provider and recommending the user to the user, and displaying the recommended goods and services through a merchant server or sending an e-mail through a content composer and a mail agent.
도 1은 본 발명에 따른 전자상거래에서 데이터베이스 마케팅을 위한 복합적 필터링장치를 나타낸 블록구성도,1 is a block diagram showing a complex filtering device for database marketing in an electronic commerce according to the present invention,
도 2는 본 발명에 따른 전자상거래에서 데이터베이스 마케팅을 위한 복합적 필터링방법을 나타낸 흐름도이다.2 is a flowchart illustrating a complex filtering method for database marketing in an electronic commerce according to the present invention.
<도면의 주요 부분에 대한 부호의 설명><Explanation of symbols for the main parts of the drawings>
10 : HTML, 12 : 머천트서버,10: HTML, 12: Merchant Server,
14 : 프론트모듈, 16 : 데이터베이스,14: front module, 16: database,
18 : 컬래버러티브필터링, 20 : 컨텐츠베이스드필터링,18: collaborative filtering, 20: content based filtering,
22 : 하이브리드필터링.22: Hybrid filtering.
이하, 본 발명에 따른 전자상거래에서 데이터베이스 마케팅을 위한 복합적 필터링장치 및 방법의 실시예를 첨부한 도면을 참조하여 설명하면 다음과 같다.Hereinafter, an embodiment of a complex filtering device and method for database marketing in an e-commerce according to the present invention will be described with reference to the accompanying drawings.
도 1은 본 발명에 따른 전자상거래에서 데이터베이스 마케팅을 위한 복합적 필터링장치를 나타낸 블록구성도이다.1 is a block diagram showing a complex filtering device for database marketing in an electronic commerce according to the present invention.
도 1에 도시된 바와 같이, 소비자가 선택한 웹 사이트(예를 들어, LG홈쇼핑, 삼구쇼핑, 다음, 다음테크등)의 아이템(상품 및 서비스정보)란을 보여주는 HTML(Hypertext markup language)(10)과, 상기 HTML(10)에서 보여주고 있는 아이템란을 클릭할 경우 상기 아이템을 상세하게 보여주거나 추천 아이템을 소비자에게 제공하여주는 머천트서버(12)와, 상기 머천트서버(12)에서 제공되는 아이템에 대해서 소비자의 취향에 맞게(호감정도) 상품 및 서비스정보를 추천하도록 하기 위하여 개인 정보(나이, 성별, 취미, 성격 등) 및 개인의 과거 구매정보를 수집하는 프론트모듈(14)과, 상기 프론트모듈(14)에 수집된 데이터를 축척, 분석하여 소비자의 선호도에 부합되게 데이터베이스화하는 데이터베이스(16)와, 상기 프론트모듈(14)과 데이터베이스(16)로부터 출력되는 데이터를 컬래버러티브필터링(Collaborative Filtering)(18)과 컨텐츠베이스드필터링(Content-based Filtering)(20) 알고리즘을 복합적용(각 사용자의 아이템 선호도와 아이템의 구성요소의 관계를 설명하기 위한 수식1의 모형을 이용하여, 그 요인들이 아이템 선호도에 얼마나 영향을 미치는지를 계산한 후, 실제 아이템 선호도가 관측된 데이터들에 대해서 수식2의 계산식을 이용하여 오차를 계산하고, 아이템 선호도를 관측할 수 없는 데이터에 대하여 수식3의 계산식을 이용하여 결측치에 대한 오차를 예측한 후, 수식4의 계산식을 이용하여 최종적인 2차아이템 선호도를 계산.As shown in FIG. 1, a hypertext markup language (HTML) 10 showing an item (product and service information) column of a website selected by a consumer (for example, LG Home Shopping, Samgu Shopping, Daum, Daum Tech, etc.) And a merchant server 12 that displays the item in detail or provides a recommended item to a consumer when the item column shown in the HTML 10 is clicked, and an item provided by the merchant server 12. Front module 14 for collecting personal information (age, gender, hobbies, personality, etc.) and personal past purchase information in order to recommend product and service information according to the taste of consumers (degree of preference), and the front module ( 14) accumulate and analyze the data collected in the database and database the data according to the consumer's preference, and output the data output from the front module 14 and the database 16. Applying multiple algorithms of Collaborative Filtering (18) and Content-based Filtering (20) (Model of Equation 1 to explain the relationship between item preferences and elements of each user) After calculating how the factors affect the item preference, calculate the error using the formula of Equation 2 with respect to the data observed the actual item preference, and to the data that can not observe the item preference After predicting the error of missing values using the formula of Equation 3, the final secondary item preference is calculated using the formula of Equation 4.
: 1차 아이템 선호도 예측값. : Primary item preference prediction value.
: 아이템 선호도를 결정짓는 구성요소. A component that determines item preference.
: 모수. : Parameter.
: 실제 아이템 선호도와 추정된 아이템 선호도 사이의 오차값. : Error value between actual item preference and estimated item preference.
: 실제 아이템 선호도. : Actual item preference.
: 추정된 아이템 선호도. : Estimated item preference.
: 오차 결과치에 대한 추정치. : Estimated error result.
: 사용자 오차의 평균값. : Average value of user error.
: 오차의 유사함을 나타내는 가중치(피어슨 상관계수). : Weight (Pearson's correlation coefficient) indicating similarity of error.
: 가중치의 합을 정규화 시키는 상수값. : Constant that normalizes the sum of weights.
: 아이템에 대한 오차. : Error on the item.
: 아이템에 대한 오차의 평균. : Average of the error for the item.
: 2차 아이템 선호도. : Secondary item preference.
: 1차 아이템 선호도. : Primary item preference.
: 오차 결과치에 대한 추정치.)하여 개별 소비자의 선호도에 따라 구매할 확률이 가장 높은 아이템을 제공하는 하이브리드필터링(Hybrid Filtering)(22)과, 상기 하이브리드필터링(22)의 동작 상태를 관리하는 접속관리자(24)와, 상기 접속관리자(24)가 관리하는 클라이언트(26)와, 상기 데이터베이스(16)에 데이타화된 소비자의 선호도가 가장높은 아이템을 상기 프론트모듈(14)을 통해 출력하는 내용작성기(28)와, 상기 내용작성기(28)로부터 출력되는 아이템을 전자우편을 통해소비자에게 제공하는 메일에이전트(30)로 구성된다. A hybrid filtering 22 that provides an item most likely to be purchased according to an individual consumer's preference, and an access manager managing an operation state of the hybrid filtering 22. 24, a content creator 28 for outputting, through the front module 14, the client 26 managed by the connection manager 24 and the item with the highest preference of the consumer, which is data recorded in the database 16. ) And a mail agent 30 that provides the consumer with an item output from the content creator 28 via e-mail.
상기 하이브리드필터링(22)의 컬래버러티브필터링(Collaborative Filtering)(18)은, 소비자들이 아이템에 대하여 가지는 선호도를 수집한 것을 바탕으로 피어슨 상관관계, significance weightung, selecting neighborhoods등의 방법을 이용, 아직 소비자가 체크하지 못한 아이템에 대한 선호도를 예측할 수 있다.The Collaborative Filtering 18 of the hybrid filtering 22 uses Pearson correlation, significance weightung, selecting neighborhoods, etc. based on collecting the preferences that consumers have for the item. Can predict a preference for an item that has not been checked.
상기 하이브리드필터링(22)의 컨텐츠베이스드필터링(Content-based Filtering)(20)은, 어떤 아이템에 대한 선호도를 결정하는 X변수(컨텐츠)를 이용하여, 전통적인 통계 방법인 중회귀모형에 기반을 두어 소비자가 각 아이템에 대하여 가지는 선호도를 예측할 수 있다.The content-based filtering 20 of the hybrid filtering 22 uses an X variable (content) that determines a preference for an item, based on a traditional regression model, which is a traditional statistical method. Predict the preferences that consumers have for each item.
특히, 상기 하이브리드필터링(22)은 컬래버러티브필터링(Collaborative Filtering)(18)과 컨텐츠베이스드필터링(Content-based Filtering)(20)을 결합, 포괄한 것으로, 상기 하이브리드필터링(22)에서 컬래버러티브필터링(Collaborative Filtering)(18) 부분을 시행하지 않으면 컨텐츠베이스드필터링(Content-based Filtering)(20)과 동일한 결과가 도출된다.In particular, the hybrid filtering 22 combines and encompasses collaborative filtering 18 and content-based filtering 20, and the hybrid filtering in the hybrid filtering 22. Failure to implement Collaborative Filtering 18 results in the same results as Content-based Filtering 20.
또한, 상기 하이브리드필터링(22)에서 컨텐츠베이스드필터링(Content-based Filtering)(20) 부분을 시행하지 않으면 컬래버러티브필터링(Collaborative Filtering)(18)과 동일한 결과가 도출된다.In addition, if content-based filtering 20 is not implemented in the hybrid filtering 22, the same result as that of collaborative filtering 18 is obtained.
이와 같이 구성된 전자상거래에서 데이터베이스 마케팅을 위한 복합적 필터링장치의 동작을 설명하면 다음과 같다.The operation of the complex filtering device for database marketing in the e-commerce configured as described above is as follows.
먼저, 소비자가 원하는 웹 사이트에 접속한후, 재화나 용역(이하, 아이템)의거래가 전자적으로 거래되는 전자상거래에서 개인정보(나이, 성별, 취미, 성격, 기타등등)를 입력한다.First of all, after accessing a web site desired by a consumer, personal information (age, gender, hobbies, personality, etc.) is input in an electronic commerce where a transaction of goods or services (hereinafter, items) is electronically traded.
이어, 소비자는 머천트서버(12)에서 제공하는 상품 및 서비스정보(음반, 서적, 비디오, 일반상거래, 영화, 식당, 여행목적지등)란을 클릭한다.The consumer then clicks on the product and service information (record, book, video, general commerce, movie, restaurant, travel destination, etc.) provided by the merchant server 12.
상기 소비자의 개인정보는 프론트모듈(14)을 통해 데이터베이스(16)에 저장되고 하이브리드필터링(Hybrid Filtering)(22)의 컬래버러티브필터링(Collaborative Filtering)(18)과 컨텐츠베이스드필터링(Content-based Filtering)(20) 알고리즘이 복합적용되어 개별 소비자의 선호도에 따라 구매할 확률이 가장 높은 상품 및 서비스정보가 추가된다.The personal information of the consumer is stored in the database 16 through the front module 14, and the collaborative filtering 18 and the content-based filtering of the hybrid filtering 22 are performed. The filtering (20) algorithm is applied in combination to add product and service information that is most likely to be purchased according to the preferences of individual consumers.
이때, 구매할 확률이 가장 높은 상품 및 서비스정보는 데이터베이스(16)에 저장되거나 프론트모듈(14) 및 머천트서버(12)를 통해 소비자에게 보여지게 된다. 즉, 사용자가 아이템에 대해서 가지는 호감정도(이하, 아이템 선호도)에 대한 표본이 사용자에게 제시된다.At this time, the product and service information with the highest probability of purchasing are stored in the database 16 or shown to the consumer through the front module 14 and the merchant server 12. In other words, a sample of the degree of preference (hereinafter, item preference) that the user has for the item is presented to the user.
이어서, 소비자는 추천된 상품 및 서비스를 구매하기 위해 예를들어, "장바구니 담기"등을 클릭하고 쇼핑몰과 소비자와의 상품 대금 입금을 위한 절차와 입금 확인에 따라 쇼핑몰에서 상품을 소비자에게 배송 함에 의해 전자상거래가 완료된다.The consumer then clicks, for example, "add to cart" to purchase the recommended goods and services, and delivers the product to the consumer in the shopping mall in accordance with the procedure and payment confirmation for the payment of the goods between the shopping mall and the consumer. E-commerce is complete.
이와 같은 동작과 상응하는 본 발명에 따른 전자상거래에서 데이터 베이스 마케팅을 위한 복합적 필터링방법에 대하여 첨부한 도 2를 참조하여 설명하면 다음과 같다.A complex filtering method for database marketing in an electronic commerce according to the present invention corresponding to such an operation will be described with reference to FIG. 2.
먼저, 소비자가 상품 및 서비스에 대한 정보를 얻기 위해 머천트서버(12)등으로 구현된 웹 사이트에 접속한 후 개인정보(나이, 성별, 취미, 성격 등)를 입력한다(S101).First, a consumer accesses a web site implemented by a merchant server 12 or the like to obtain information on goods and services, and then inputs personal information (age, gender, hobby, personality, etc.) (S101).
이어, 하이브리드필터링(22)의 컬래버러티브필티링(18)과 컨텐츠베이스드필터링(20)을 통해 사용자가 아이템에 대해서 가지는 호감정도에 대한 표본을 사용자에게 제시할 수 있도록 입력된 개인정보를 비교/분석하고 그로부터 도출된 정보, 즉 표본 아이템을 데이터베이스(16)에 저장한다(S103).Subsequently, the inputted personal information is compared so that the user can present a sample of the degree of affinity that the user has for the item through the collaborative filter filtering 18 and the content-based filtering 20 of the hybrid filtering 22. Analyze and store information derived therefrom, that is, sample item in database 16 (S103).
또한, 전자상거래에서 사용자가 아이템을 얻기 위해 이루어지는 활동들(예컨대: 상품검색, 장바구니담기, 구매, 구매취소, 아이템 선호도 등)에 대한 자료를 수집, 가공하여 데이터베이스(16)에 저장한다(S107).In addition, data about activities (e.g., product search, shopping cart, purchase, cancel purchase, item preference, etc.) performed by the user in order to obtain an item in the e-commerce are collected, processed, and stored in the database 16 (S107). .
그리고, 각 사용자의 아이템 선호도와 아이템의 구성요소의 관계를 설명하기 위한 요인들을 추출하고 그 요인들이 아이템 선호도에 얼마나 영향을 미치는가 하는 1차 아이템 선호도 요인을 수식1의 모형을 이용하여 계산한다(S109).Then, factors for explaining the relationship between the item preference of each user and the component of the item are extracted, and the primary item preference factor, which affects how much the factors affect the item preference, is calculated using the model of Equation 1 (S109). ).
여기서, 상기 계산은 사용자의 표본 아이템 선호도와 구매활동 데이터를 통해서 이루어지며, 사용자에 대한 표본 아이템 선호도와 구매활동 데이터가 없을 경우, 다음의 방법으로 계산한다.Here, the calculation is performed through the user's sample item preference and purchase activity data. If there is no sample item preference and purchase activity data for the user, the calculation is performed by the following method.
첫째, 다른 사용자의 아이템 선호도에 대한 평균값을 이용하여 계산,First, using the average value of other users' item preferences,
둘째, 사용자의 개인정보와 특정 아이템 요인에 대하여 회귀분석방법을 적용하여 계산,Second, the regression analysis method is applied to the user's personal information and specific item factors.
셋째, 사용자의 개인정보와 특정 아이템 요인에 대하여 군집분석방법을 이용하여 계산,Third, using the cluster analysis method for the user's personal information and specific item factors,
이어, 상기 단계에서 계산된 1차 아이템 선호도와 실제 아이템 선호도가 관측된 데이터들에 대해서 수식2의 계산식을 이용하여 오차를 계산한다.(S109).Subsequently, an error is calculated using the calculation formula of Equation 2 with respect to the data of the primary item preference and the actual item preference calculated in the above step (S109).
그리고, 상기 오차를 이용하여 사용자들 사이의 피어슨 상관계수를 이용하여 사용자들 사이의 유사함을 계산한다(S111).Then, the similarity between the users is calculated using the Pearson correlation coefficient between the users using the error (S111).
또한, 상기 오차의 결과치로 나타나는 아이템에 대하여 다른 사용자들이 그 아이템에 대해서 가지는 오차들의 평균값과 계산된 유사값을 수식3의 계산식을 이용하여 예측오차값을 계산한다(S113).Also, for the item represented as the result of the error, a prediction error value is calculated using the calculation formula of Equation 3 from the average value of the errors that other users have with respect to the item and the calculated similarity value (S113).
그리고, 아이템 선호도가 축적되어 있지 않은 아이템에 대하여 1차 예측 아이템 선호도와 예측오차값의 합을 수식4의 계산식을 이용하여 각 아이템에 대한 최종 선호도를 계산하여 저장한다(S115).Then, the final preference for each item is calculated and stored by using the calculation formula of Equation 4 as the sum of the first prediction item preference and the prediction error value for the item for which the item preference is not accumulated (S115).
그런후에, 각 사용자에 대하여 아이템 선호도가 가장 높은 아이템(상품 및 서비스)을 테이터베이스로부터 추출하여 사용자에게 추천한다(S117).Thereafter, an item (product and service) having the highest item preference for each user is extracted from the database and recommended to the user (S117).
이에따라, 상기 추천된 상품 및 서비스를 머천트서버(12)를 통해 보여주거나 혹은 내용작성기(28) 및 메일에이전트(30)를 통해 전자우편으로 발송한다(S119).Accordingly, the recommended goods and services are shown through the merchant server 12 or sent via e-mail through the content composer 28 and the mail agent 30 (S119).
이상에서 상기한 바와 같이 본 발명은, 개별 소비자 정보와 소비성향을 분석하여 구매할 확률이 가장 높은 상품 및 서비스정보를 추천해 주기 때문에 실질적인매출 증대를 기대할 수 있다.As described above, the present invention can expect substantial increase in sales because it analyzes individual consumer information and consumption tendency and recommends product and service information having the highest probability of purchase.
또한, 쇼핑몰 사이트를 방문하는 소비자의 소비 성향이나 구매형태를 실시간으로 분석하여 선호도가 높은 상품정보를 예측하여 제공해 주기 때문에 쇼핑시간이 단축됨과 아울러 편리하게 쇼핑몰을 이용할 수 있는 효과가 있다.In addition, by analyzing the consumption propensity or purchase type of consumers visiting the shopping mall site in real time to predict and provide high-preferred product information, the shopping time is shortened and the shopping mall can be conveniently used.
특히, 본 발명은 현재 소비자의 특성을 정확히 파악하여 소비자의 필요에 부합하는 개인화된 정보나 상품, 서비스를 제공함으로써 소비자 만족을 극대화할 수 있고 이를 바탕으로 소비자와의 양방향 커뮤니케이션 채널을 확보하여 소비자의 생활 가치를 극대화하는 효과가 있다.In particular, the present invention can maximize the consumer satisfaction by providing personalized information, products, and services that meet the needs of consumers by accurately understanding the characteristics of the current consumer, and based on this, secure a two-way communication channel with the consumer to It is effective in maximizing life value.
또한, 개별 소비자의 정보를 실시간으로 분석함으로써 소비자의 필요에 맞는 핀-포인트 커뮤니케이션(pin-point communication)을 통해 각 소비자의 특성에 맞는 차별적 마케팅 전략을 구사할 수 있는 효과가 있다.In addition, by analyzing the information of individual consumers in real time, there is an effect that can use a differentiated marketing strategy according to the characteristics of each consumer through pin-point communication according to the needs of the consumer.
그리고, 음반, 서적, 비디오 및 일반 전자상거래 뿐만 아니라 영화, 여행등의 추천시스템을 요구하는 정보제공 사이트에도 접목이 가능하다.In addition, it can be applied to information providing sites that require a recommendation system such as film, travel, as well as records, books, videos and general electronic commerce.
Claims (3)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020000032690A KR20010111913A (en) | 2000-06-14 | 2000-06-14 | Complex filtering apparatus and method for database marketing in electronic commerce |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020000032690A KR20010111913A (en) | 2000-06-14 | 2000-06-14 | Complex filtering apparatus and method for database marketing in electronic commerce |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20010111913A true KR20010111913A (en) | 2001-12-20 |
Family
ID=45932762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020000032690A KR20010111913A (en) | 2000-06-14 | 2000-06-14 | Complex filtering apparatus and method for database marketing in electronic commerce |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20010111913A (en) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030058660A (en) * | 2001-12-31 | 2003-07-07 | 주식회사 케이티 | The method of Collaborative Filtering using content references of users in Personalization System |
KR100477206B1 (en) * | 2002-07-04 | 2005-03-22 | 성균관대학교산학협력단 | Customer adaptive contents filtering for E-Commerce system and Method for as the same |
WO2007105909A1 (en) * | 2006-03-16 | 2007-09-20 | Nhn Corporation | Method for targeting web advertisement clickers based on click pattern by using a collaborative filtering system with neural networks and system thereof |
KR100792701B1 (en) * | 2006-03-16 | 2008-01-08 | 엔에이치엔(주) | Method for targeting web advertisement clickers based on click pattern by using a collaborative filtering system and system thereof |
KR100792700B1 (en) * | 2006-03-17 | 2008-01-08 | 엔에이치엔(주) | Method for targeting web advertisement clickers based on click pattern by using a collaborative filtering system with neural networks and system thereof |
WO2013032199A1 (en) * | 2011-08-26 | 2013-03-07 | 주식회사 네오위즈인터넷 | User-based recommendation engine for recommending a highly-associated item |
CN112036971A (en) * | 2019-06-04 | 2020-12-04 | 上海博泰悦臻网络技术服务有限公司 | Vehicle-mounted machine shopping pushing method based on collaborative filtering, server and client |
CN115587853A (en) * | 2022-10-24 | 2023-01-10 | 广州易海创腾信息科技有限公司 | Business portrait analysis method and system combining electronic commerce and big data |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09231264A (en) * | 1996-02-23 | 1997-09-05 | Hitachi Ltd | On-line shopping support method and system |
JPH1166160A (en) * | 1997-08-15 | 1999-03-09 | Nippon Telegr & Teleph Corp <Ntt> | Method and system for marketing |
US5956693A (en) * | 1996-07-19 | 1999-09-21 | Geerlings; Huib | Computer system for merchant communication to customers |
KR19990075188A (en) * | 1998-03-18 | 1999-10-15 | 윤종용 | Active Product Information Providing System and Operation Method in Home Shopping Service through Internet Network |
US6009410A (en) * | 1997-10-16 | 1999-12-28 | At&T Corporation | Method and system for presenting customized advertising to a user on the world wide web |
KR20000012639A (en) * | 1999-12-15 | 2000-03-06 | 조승현 | Instant and active product information supply system and operating method thereof in ppl(home shopping) service through animation service using internet network |
KR20000023993A (en) * | 2000-01-05 | 2000-05-06 | 이경환 | Operating system for supplying a shopping mall service in internet |
KR20010053738A (en) * | 1999-12-01 | 2001-07-02 | 고재영 | The composition and method of operation system for using e-mail marketing |
-
2000
- 2000-06-14 KR KR1020000032690A patent/KR20010111913A/en not_active Application Discontinuation
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09231264A (en) * | 1996-02-23 | 1997-09-05 | Hitachi Ltd | On-line shopping support method and system |
US5956693A (en) * | 1996-07-19 | 1999-09-21 | Geerlings; Huib | Computer system for merchant communication to customers |
JPH1166160A (en) * | 1997-08-15 | 1999-03-09 | Nippon Telegr & Teleph Corp <Ntt> | Method and system for marketing |
US6009410A (en) * | 1997-10-16 | 1999-12-28 | At&T Corporation | Method and system for presenting customized advertising to a user on the world wide web |
KR19990075188A (en) * | 1998-03-18 | 1999-10-15 | 윤종용 | Active Product Information Providing System and Operation Method in Home Shopping Service through Internet Network |
KR20010053738A (en) * | 1999-12-01 | 2001-07-02 | 고재영 | The composition and method of operation system for using e-mail marketing |
KR20000012639A (en) * | 1999-12-15 | 2000-03-06 | 조승현 | Instant and active product information supply system and operating method thereof in ppl(home shopping) service through animation service using internet network |
KR20000023993A (en) * | 2000-01-05 | 2000-05-06 | 이경환 | Operating system for supplying a shopping mall service in internet |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030058660A (en) * | 2001-12-31 | 2003-07-07 | 주식회사 케이티 | The method of Collaborative Filtering using content references of users in Personalization System |
KR100477206B1 (en) * | 2002-07-04 | 2005-03-22 | 성균관대학교산학협력단 | Customer adaptive contents filtering for E-Commerce system and Method for as the same |
WO2007105909A1 (en) * | 2006-03-16 | 2007-09-20 | Nhn Corporation | Method for targeting web advertisement clickers based on click pattern by using a collaborative filtering system with neural networks and system thereof |
KR100792701B1 (en) * | 2006-03-16 | 2008-01-08 | 엔에이치엔(주) | Method for targeting web advertisement clickers based on click pattern by using a collaborative filtering system and system thereof |
KR100792700B1 (en) * | 2006-03-17 | 2008-01-08 | 엔에이치엔(주) | Method for targeting web advertisement clickers based on click pattern by using a collaborative filtering system with neural networks and system thereof |
WO2013032199A1 (en) * | 2011-08-26 | 2013-03-07 | 주식회사 네오위즈인터넷 | User-based recommendation engine for recommending a highly-associated item |
KR101320094B1 (en) * | 2011-08-26 | 2013-10-18 | 주식회사 네오위즈인터넷 | User based recommendation engiine recommending highly associated item |
CN112036971A (en) * | 2019-06-04 | 2020-12-04 | 上海博泰悦臻网络技术服务有限公司 | Vehicle-mounted machine shopping pushing method based on collaborative filtering, server and client |
CN115587853A (en) * | 2022-10-24 | 2023-01-10 | 广州易海创腾信息科技有限公司 | Business portrait analysis method and system combining electronic commerce and big data |
CN115587853B (en) * | 2022-10-24 | 2024-04-05 | 广州易海创腾信息科技有限公司 | Business portrayal analysis method and system combining electronic commerce and big data |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10970770B2 (en) | Item recommendations | |
Ho et al. | Timing of adaptive web personalization and its effects on online consumer behavior | |
Liao et al. | Stage antecedents of consumer online buying behavior | |
US8510178B2 (en) | Computer-based analysis of seller performance | |
US8230089B2 (en) | On-site dynamic personalization system and method | |
Greer et al. | Web personalization: The impact of perceived innovation characteristics on the intention to use personalization | |
US20020065797A1 (en) | System, method and computer program for automated collaborative filtering of user data | |
Thirumalai et al. | Customization strategies in electronic retailing: Implications of customer purchase behavior | |
US20130138507A1 (en) | Predictive modeling for e-commerce advertising systems and methods | |
US20110082718A1 (en) | Analyzing Patterns within Transaction Data | |
US20130204701A1 (en) | Apparatus, system and methods for marketing targeted products to users of social media | |
KR20100091669A (en) | Personalized recommendation system for e-commerce service | |
WO2008134707A2 (en) | Product affinity engine and method | |
WO2001037162A2 (en) | Interest based recommendation method and system | |
KR20020072939A (en) | Method of Supporting Personalized Purchasing Decision Using Dialogue Mining Engine and Drawing out Marketing Information in Internet Shopping Agent | |
KR20010111913A (en) | Complex filtering apparatus and method for database marketing in electronic commerce | |
KR101813003B1 (en) | On-line Integrated Management System | |
CN112288569A (en) | Data processing method and device | |
JP2002092284A (en) | Marketing system utilizing network | |
Somya et al. | A novel approach to collect and analyze market customer behavior data on online shop | |
KR101907545B1 (en) | Method for targeting visitors using real-time context and method for recommending goods or contests using the same | |
Chaturvedi et al. | Establishing a framework for analyzing market power in electronic commerce: An empirical study | |
Khairial et al. | The Effect of Online Shopping Convenience on Customer Satisfaction, Behavioral Intention, and Electronic Word of Mouth (E-WOM) | |
KUMARI et al. | EURASIAN JOURNAL OF BUSINESS AND ECONOMICS | |
Hadaya et al. | Online Purchasing of Simple Retail Goods: The Impact of e-Service Quality as Provided by Electronic Commerce Functionalities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |