KR20020012748A - 전자상거래에서의 정보분석 장치 및 그를 이용한 정보분석방법 - Google Patents

전자상거래에서의 정보분석 장치 및 그를 이용한 정보분석방법 Download PDF

Info

Publication number
KR20020012748A
KR20020012748A KR1020000045937A KR20000045937A KR20020012748A KR 20020012748 A KR20020012748 A KR 20020012748A KR 1020000045937 A KR1020000045937 A KR 1020000045937A KR 20000045937 A KR20000045937 A KR 20000045937A KR 20020012748 A KR20020012748 A KR 20020012748A
Authority
KR
South Korea
Prior art keywords
information
customer
operation server
service operation
customers
Prior art date
Application number
KR1020000045937A
Other languages
English (en)
Inventor
김기열
Original Assignee
박규헌
주식회사 이네트
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 박규헌, 주식회사 이네트 filed Critical 박규헌
Priority to KR1020000045937A priority Critical patent/KR20020012748A/ko
Priority to US09/767,643 priority patent/US20010011235A1/en
Priority to JP2001019169A priority patent/JP2001250056A/ja
Publication of KR20020012748A publication Critical patent/KR20020012748A/ko

Links

Abstract

1. 청구범위에 기재된 발명이 속하는 기술분야
본 발명은 전자상거래 시스템에서의 정보분석 장치 및 그를 이용한 정보분석 방법에 관한 것임.
2. 발명이 해결하고자 하는 기술적 과제
본 발명은 서비스 제공 서버에서의 발생 가능한 모든 고객 행위를 수집하여, 일반화과정, 분석과정, 예측과정을 통해 고객들의 성향을 최대한 파악하여 서비스 제공 서버에서 재이용할 수 있도록 하기 위한, 정보분석 장치 및 그를 이용한 정보분석 방법을 제공하는데 그 목적이 있음.
3. 발명의 해결 방법의 요지
본 발명은 전자상거래 시스템에 적용되는 정보분석장치에 있어서, 서비스 운영 서버로부터 고객에 대한 다양한 정보를 수집하기 위한 수집수단; 상기 수집수단을 통해 수집된 정보를 통계적 방식이나 공동 필터링 등의 방식을 이용한 학습을 통하여 고객들에 대한 다양한 예측 정보를 산출해 내기 위한 학습수단; 및 상기 학습수단을 통해 산출된 다양한 예측정보를 상기 서비스 운영 서버의 해당 분야별로 보내주기 위한 생성수단을 포함함.
4. 발명의 중요한 용도
본 발명은 전자상거래 시스템 등에 이용됨.

Description

전자상거래에서의 정보분석 장치 및 그를 이용한 정보분석 방법{Apparatus For Analysis Of Information And Method For Analysis Of Information Using It in electronic commerce}
본 발명은 전자상거래 시스템에서의 정보분석 장치 및 그를 이용한 정보분석 방법에 관한 것이다.
인터넷이란 컴퓨터와 이들 컴퓨터를 연결한 컴퓨터통신망의 집합체로서 이들 컴퓨터에 축적된 정보를 공유 할 수 있는 시스템을 말하며, 이러한 인터넷은 전세계적인 통신망으로서 세계 어디서, 누구나가 접속하여 사용할 수 있다는 장점이 있다. 이러한 인터넷의 발달과 함께 전자상거래(EC : Electronic Commerce)가 급속도로 발전하고 있으며, 이를 위해 다양한 콘텐츠의 개발이 진행되고 있다.
전자상거래란 인터넷이나 PC 통신 등의 전자매체를 이용하여 신용카드 또는 전자 결제수단 등으로 유, 무형의 재화와 용역을 거래하는 것으로 이해될 수 있다.
이러한 전자상거래(EC)는 다시 기업간(B2B) 전자상거래와 기업과 소비자간(B2C) 전자상거래로 나뉠 수 있으며, 일반적으로 서적, 의류, 전자제품 등과 같이 형체가 있는 제품을 전자적 방법으로 주문하고 물리적인 운송 과정을 거쳐 수요자에게 배달되는 오프라인 거래와 소프트웨어, 영화, 음악 등과 같이 형체가 없는 제품을 전자적 방법으로 주문하고 전자적 전송(Download)으로 수용자에게 전달되는 온라인 거래로 구분할 수 있다.
즉, 인터넷을 이용한 전자상거래의 발달로 인해 소비자들은 보다 다양한 상품들을 보다 쉽게 구입할 수 있게 되었으며, 서비스 제공자 역시 보다 효과적인 광고방법을 이용하여 많은 소비자들에게 자신의 상품을 선전함으로써 매출의 증대를 가져오고 있다.
그러나, 전자상거래를 통해 서비스 제공자가 다양한 상품들을 보다 많은 소비자에게 광고할 수 있는 반면, 소비자 계층이 너무나 방대해 지고 있기 때문에 서비스 제공자들은 그러한 소비자들을 체계적으로 관리하기 위하여 고심하고 있다.
즉, 상기와 같은 종래의 전자상거래 시스템에 있어서는 어떤 소비자가 언제, 어떤 물건을 구경하고 어떠한 물건을 구입했는지에 대한 체계적인 관리를 서비스 운영자가 수행할 수 없다는 문제점이 있다.
이러한 문제점을 해결하기 위해 일부 시스템에서는 소비자들의 구매 이력 등을 데이터베이스화하여 이용하고 있으나, 그러한 시스템 역시 다양한 정보들을 체계적으로 가공하여 각 소비자별로 상품 구매를 예측하거나, 상품에 대한 관심도 등을 추출해 낼 수 있는 기능은 제공하지 못하고 있다.
즉, 쇼핑몰이나 웹페이지에서 소비자들에 대한 정보를 수집하기 위해 현재 주로 사용되고 있는 수집기는 웹 액세스 로그만을 분석하거나 제품에 대한 구매, 설문조사 정보만을 분석하고 있어 통합적인 고객접촉을 관리하기에는 역부족이라는 문제점이 있다.
또한, 종래의 추천 엔진(학습기)은 특정 정보만을 가지고 통계적 분석이나 공동 필터링을 통하여 추천하는 경우에는 정보의 부족으로 인하여 부정확한 추천결과가 나오게 되어 정확한 추천이 어려운 문제점이 있다.
본 발명은 상기 문제점을 해결하기 위한 것으로, 서비스 제공 서버에서의 발생 가능한 모든 고객 행위를 수집하여, 일반화과정, 분석과정, 예측과정을 통해 고객들의 성향을 최대한 파악하여 서비스 제공 서버에서 재이용할 수 있도록 하기 위한, 정보분석 장치 및 그를 이용한 정보분석 방법을 제공하는데 그 목적이 있다.
도 1 은 본 발명이 적용되는 전자상거래 시스템의 일실시예 구성도.
도 2 는 본 발명에 따른 정보분석 장치의 일실시예 구성도.
도 3 은 본 발명에 따른 정보분석 장치를 이용한 정보분석 방법의 일실시예 흐름도.
상기 목적을 달성하기 위한 본 발명은, 전자상거래 시스템에 적용되는 정보분석장치에 있어서, 서비스 운영 서버로부터 고객에 대한 다양한 정보를 수집하기 위한 수집수단; 상기 수집수단을 통해 수집된 정보를 통계적 방식이나 공동 필터링 등의 방식을 이용한 학습을 통하여 고객들에 대한 다양한 예측 정보를 산출해 내기 위한 학습수단; 및 상기 학습수단을 통해 산출된 다양한 예측정보를 상기 서비스운영 서버의 해당 분야별로 보내주기 위한 생성수단을 포함한다.
또한, 본 발명은 정보분석 장치를 이용한 정보분석 방법에 있어서, 서비스 운영 서버로부터 고객에 대한 다양한 정보를 수집하는 제 1 단계; 상기 제 1 단계로부터 수집된 정보를 통계적 방식이나 공동 필터링 등의 방식을 이용한 학습을 통하여 고객들에 대한 다양한 예측 정보를 산출해 내는 제 2 단계; 및 상기 제 2 단계를 통해 산출된 다양한 예측정보를 상기 서비스 운영 서버의 해당 분야별로 보내주는 제 3 단계를 포함한다.
이하, 도 1 내지 도 3 을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명한다.
도 1 은 본 발명이 적용되는 전자상거래 시스템의 일실시예 구성도이다.
도면에 도시된 바와 같이 본 발명이 적용되는 전자상거래 시스템은, 고객들이 네트워크에 접속하기 위한 고객 단말기(110), 본 발명에 따른 서비스를 제공하기 위한 서비스 제공 시스템(130) 및 고객 단말기(110)와 서비스 제공 시스템(130)을 하나의 통신망으로 접속해 주기 위한 인터넷과 같은 네트워크(120)로 구성되어 있다.
이때, 서비스 제공 시스템(130)은, 네트워크(120)를 통해 고객 단말기(110)와 접속하여 다양한 전자상거래를 제공하기 위한 서비스 운영 서버(140)와 상기 서비스 운영 서버(140)에 접속한 다양한 고객들에 대한 고객정보, 고객 Navigation 정보, 주문 및 배송정보들을 수집, 가공하여 고객들의 상품 관심도 및 구매를 예측하기 위한 정보분석 장치(150)로 구성되어 있다.
상기 서비스 운영 서버(140)는 고객들과 네트워크(120)를 통해 접속하기 위한 웹서버 및 상기 고객들에 대한 다양한 정보와 상품 정보를 관리하기 위한 데이터베이스로 구성되어 있다.
상기 정보분석 장치(150)는 상기 서비스 운영 서버(140)로부터 고객정보, 상품정보, 주문 및 배송정보, 고객 Navigation 정보등을 제공받아 그 정보를 체계적으로 가공하여, 고객별 상품구매 예측값, 고객별 상품 관심도, 고객별 상품 구매도 등의 가공된 정보를 상기 서비스 운영 서버(140)에 제공함으로써 고객들에게 더욱 다양한 서비스를 제공할 수 있도록 한다.
도 2 는 본 발명에 따른 정보분석 장치의 일실시예 구성도로서, 도 1 에 도시된 서비스 제공 시스템(130) 중 정보분석 장치(150)에 대한 상세 구성도이다.
도면에 도시된 바와 같이 정보분석 장치(150)는 서비스 운영 서버(140)로부터 입수되는 고객에 대한 다양한 정보를 수집하기 위한 수집부(210), 수집부(210)를 통해 수집된 정보를 분석/가공하여 예측결과 값과 분석 결과값을 산출해 내기 위한 학습부(220), 쇼핑몰(서비스 운영 서버(140))에서 제공하는 상품 추천 서비스나 마케팅 행위(CTI, Target Mailing)를 지원하기 위해 학습부(220)에서 학습된 데이터를 해당 분야별로 보내주기 위한 생성부(230), 상기 수집부(210)와 학습부(220)에서 전송된 데이터를 관리하기 위한 저장부(250) 및 상기 각 부(수집부, 학습부, 생성부, 저장부)간의 이동 데이터를 제어하기 위한 제어부(240)로 구성되어 있다.
먼저, 수집부(210)에 대하여 상세히 설명하면 다음과 같다.
수집부(210)는 쇼핑몰(서비스 운영 서버(140))에서 고객, 상품들의 기본 정보나 고객들의 행위(Navigation, 구매, 반품) 등의 정보를 저장부(250)로 가져오는 역할을 한다.
즉, 전자 쇼핑몰에서 One-to-One 마케팅을 구현하기 위해서는 고객의 다양한 행위를 종합적으로 수집하고 분석해서 합당한 예측(어떤 회원이 어떤 상품을 구입할 것인가?)을 할 수 있어야 하는데, 본 발명에 따른 수집부(210)는 고객의 상품조회, 웹페이지 네비게이션, 구매, 클레임 등의 모든 행위를 종합적으로 수집해서 분류하는 역할을 한다. 또한, 수집부(210)는 기존의 Web Log에서 얻기 힘든 고객별 행위 정보를 별도의 Log로 남기어 고객들의 페이지 접속시간, 접속횟수, 이동 경로 등을 얻을 수 있게 된다. 이밖에도 사용자별 구매횟수, 구매금액, 반품금액, 반품횟수, 검색어 등의 정보를 얻어 저장부(250)에 저장하는 역할을 한다.
이를 위해 수집부(210)는 수집기(수집에이전트(모듈))(211)와 수집제어기(212)로 나뉘어져 있는데, 수집기(수집에이전트)(이하, 간단히 "수집기"라함)(211)는 설정된 수집룰에 따라 수집제어기(212)의 제어대로 데이터를 수집하게 된다. 상기와 같이 수집기(211)와 수집제어기(212)를 분리함으로써 보다 확장성 있는 수집 정책을 수립할 수 있다.
수집부(210)의 작동 원리는 다음과 같다. 즉, 각 수집기(211)들을 설정 파일에 등록하면, 스케줄러에 의해 정해진 시간에 특정한 수집기가 설정된 수집룰에 따라 작동(즉, 수집부(210)는 여러 개의 수집기(211)로 이루어져 있음)되고, 수집기(211)는 자신의 수집룰에 따라 수집제어기(212)의 제어 의해 특정한 고객 행위 데이터를 수집해서 저장부(Analzer DB)(250)에 저장하게 되는 것이다.
상기한 본 발명에 따른 수집부(210)를 종래 기술과 비교하였을 때의 개선사항은 다음과 같다. 즉, 본 발명에 따른 수집부(210)는 전자 쇼핑몰에서 발생 가능한 모든 고객의 행위를 수집할 수 있을 뿐만 아니라, 이를 체계적으로 통합, 분류해서 이후 고객 데이터에 대한 분석을 용이하게 한다. 또한, 종래의 일부 제품의 경우, 고객 행위를 수집하기 위해서 쇼핑몰을 재구축할 것을 요구하는 반면 본 발명에 따른 정보분석 장치(150)의 수집부(210)는 수집대상이 되는 쇼핑몰을 전혀 수정하지 않거나 최소한의 수정만으로 모든 고객행위 정보를 수집할 수 있는 구조로 구성되어 있다.
다음으로, 학습부(220)에 대하여 상세히 설명하면 다음과 같다.
학습부(220)는 수집부(210)에 의해서 수집된 가공되지 않은 데이터(Raw Data)로부터 사용자들의 모든 행위(검색, 구매, Navigation)를 통계적 방식 등으로 분석하고, 사용자들의 행위 결과(회원의 상품 구매 횟수, 회원의 상품 클릭횟수, 회원의 상품 페이지에 머문 시간 등)를 통계적 방식이나 공동 필터링(Collaborative Filtering)등의 방식을 이용하여 사용자들의 앞으로의 행동을 예측하여 사용자별로 구매확률이 높은 상품이나 관심을 많이 보인 상품들을 추천하게 된다.
이를 위해 학습부(220)는 일반화기(Normalization(모듈))(221), 분석기(222), 예측기(223)로 구성되어 있다.
쇼핑몰(사이트)에서 얻은 고객들의 행위 데이터(고객의 상품 구매 횟수, 고객의 상품 클릭 수, 고객의 상품 페이지에 머문 시간 등)를 이용하여 고객의 상품 관심도, 구매도 등의 학습 결과를 얻기 위해서는 고객들의 행위 데이터들을 이용해야 하는데, 모든 행위 데이터들은 서로 의미가 달라 함께 학습할 수가 없기 때문에 일반화기 (Normalization(모듈))(221)는 각 행위데이터를 일정한 점수로 변화할 수 있도록 점수 범위를 설정해주고 설정된 범위에 따라서 행위 데이터의 값들을 점수화 하는 역할을 한다. 즉, 일반화기(221)는 고객들의 행위 데이터 중 최근 일정 기간의 데이터를 가져와 통계적 방법(표준정규분포 등의 방법)을 이용해서 각 행위데이터마다 일정 범위로 점수를 결정하여 매일마다 새로 저장되는 행위데이터를 점수화하여 일반화된 값들을 분석기(222)와 예측기(223)가 이용할 수 있게 해준다.
분석기(222)내의 통계분석모듈은 일반화기(221)에 의해서 계산된 값들을 통계적인 분석 방법을 통해서 주기나 주제(고객과 상품, 고객과 사이트, 고객과 상점 등)간의 관계(구매도, 판매도, 관심도 등)를 일정한 값으로 얻는다.
예측기(223)내의 공동필터링모듈은 사용자의 행위(Raw Data), 일반화기(221)(Normalization)에 의해서 계산된 결과, 분석기(222)에 의해서 계산된 결과 등을 이용하여 고객의 예상 행동을 계산하게 된다. 예측기(223)에서 사용되는 방식은 공동 필터링(Collaborative Filtering)으로 유사도 계산, 이웃집단 추출, 추출된 이웃집단을 이용하여 전자상거래 사이트에서 행동을 하지 않은 잠재적인 사용자들의 예상 행위를 예측하게 된다.
유사도 계산은 고객들이 지금까지 행동한 결과를 이용하여 비슷한 성향을 가지고 있는 고객을 추출하기 위해서 고객간의 관계를 계산하는 것이다. 이 계산은개별적인 고객의 행위 데이터를 이용해서 고객간의 상관 관계를 추출하는 것으로 통계적 분석 방법을 이용하게 된다.
이웃집단 추출은 유사도 계산 결과를 이용해서 비슷한 성향의 고객들을 추출하는 것을 말한다. 유사도 계산에 의해서 얻은 고객간의 유사도 값으로 이웃집단을 결정하게 되는데, 이웃집단을 결정하는 방식에도 유사도 값의 한계값(threshold)을 정하여 그 이상의 고객들만 이웃집단으로 결정하는 방식, 상위 30%만 이웃집단으로 결정하는 방식 등을 채택할 수 있다.
상기와 같은 공동필터링 등의 방법을 통하여 고객이 전자상거래 사이트에서 상품조회, 네비게이션, 구매 등의 행위를 하기 전에 고객이 어떤 행위를 할 것인가에 대한 예측정보를 추출한 후 이를 이용하여 고객에게 적합한 다양한 정보를 제공한다.
상기한 본 발명에 따른 학습부(220)를 종래 기술과 비교하였을 때의 개선 사항은 다음과 같다. 즉, 기존의 추천 엔진은 특정 정보만을 가지고 통계적 분석이나 공동 필터링을 이용하여 상품을 추천하였지만, 본 발명에 따른 정보분석장치(150)의 추천 엔진(학습부(220))은 해당 사이트에서 얻을 수 있는 모든 데이터를 이용하여 학습이 가능하며, 여러 데이터를 이용하여 학습 할 때, 데이터마다의 중요도를 판단하여 중요 데이터는 학습 결과에 더 영향을 줄 수 있도록 구성되어 있다. 또한, 특정 데이터만을 이용하여 공동 필터링을 하게 되는 경우 정보의 부족으로 인하여 부정확한 결과가 나오게 되어 정확한 추천이 불가능하게 되는데, 본 발명에 따른 정보분석장치(Analyzer)(150)에서는 이런 문제점을 해결하기 위해서 사이트에서 얻을 수 있는 사용자별의 행위(방문 페이지, 방문 시간, 방문 횟수)등을 이용하여 정보의 부족에 의한 부정확한 결과를 보완하였다.
마지막으로, 생성부(230)에 대하여 상세히 설명하면 다음과 같다.
생성부(230)는 생성기(231)에 의해서 쇼핑몰(사이트)에 추천 상품 데이터나 마케팅 행위(CTI, Target Mailing)를 지원하기 위해서 학습부(220)에 의해서 학습된 데이터를 해당 분야별로 데이터를 보내주는 역할을 하게 된다.
이를 위해 생성부(230)는 수집부(210)와 유사하게 생성기(생성기에이전트(생성기모듈))(231)와 생성제어기(232)로 나누어져 있는데, 생성기(생성기모듈)(이하, 간단히 "생성기"라함)(231)는 생성제어기(232)에 명시된 바대로 생성 데이터를 생성하게 된다. 상기와 같이 생성기(231)와 생성제어기(232)를 분리함으로써 보다 확장성 있는 구조를 지니게 된다.
생성부(230)의 작동 원리는 다음과 같다.
즉, 본 발명에 따른 분석장치(150)가 제공하는 서비스화면을 통해 생성제어기(232)에서 생성룰을 생성(생성룰은 본 발명에 따른 정보분석장치 저장부(250)의 데이터를 Merchant의 추천, Mail, CTI 등의 데이터로 옮기는 매칭룰로 구성되어 있음)하고, 스케쥴러에 의해 원하는 시간에 설정된 생성룰에 따라 생성기(231)가 작동해서 원하는 데이터를 생성하게 되는 것이다.
이때, 생성기(231)는 본 발명에 따른 정보분석장치(가칭 "Commerce21 Analyzer") (150)에 설치되거나, 서비스 운영(Merchant)서버(140)에 설치되어 작동하게 된다.
도 3 은 본 발명에 따른 정보분석 장치를 이용한 정보분석 방법의 일실시예 흐름도로서, 도 2 에 도시된 정보분석장치(150)에서의 수행과정을 나타낸 것이다.
즉, 도 2 에 도시된 바와 같이 정보분석장치(150)는 서비스 운영 서버(140)로부터 고객에 대한 다양한 정보를 수집하기 위한 수집부(210), 수집부(210)를 통해 수집된 정보를 분석/가공하여 예측결과 값과 분석 결과값을 산출해 내기 위한 학습부(220), 쇼핑몰(서비스 운영 서버(140))에 추천 상품 데이터나 마케팅 행위(CTI, Target Mailing)를 지원하기 위해 학습부(220)에서 학습된 데이터를 해당 분야별로 보내주기 위한 생성부(230), 상기 수집부(210)와 학습부(220)에서 전송된 데이터를 관리하기 위한 저장부(250) 및 상기 각 부(수집부, 학습부, 생성부, 저장부)간의 이동 데이터를 제어하기 위한 제어부(240)로 구성되어 있다.
본 발명에 따른 정보분석 방법의 실행과정 중 그 첫 번째 과정으로서, 수집부(210)에서의 실행과정에 대하여 상세히 설명하면 다음과 같다(302).
수집부(210)는 쇼핑몰(서비스 운영 서버(140))에서 고객, 상품들의 기본 정보나 고객들의 행위(Navigation, 구매, 반품) 등의 정보를 저장부(250)로 가져오는 역할을 한다.
이를 위해 수집부(210)는 수집기(211)와 수집제어기(212)로 나뉘어져 있는데, 수집기(211)는 수집제어기(212)에 명시된 바대로 데이터를 수집하게 된다.(S302)
즉, 각 수집기(211)들을 설정 파일에 등록하면, 스케줄러에 의해 정해진 시간에 특정한 수집기가 작동(수집기는 여러 개의 수집 에이전트로 이루어져 있음)되고, 수집기(211) 자신의 수집제어기(212)에 의해 특정한 고객 행위 데이터를 수집해서 저장부(Analzer DB)(250)에 저장하게 되는 것이다.
다음으로, 학습부(220)에서의 실행과정(S304 내지 S308)을 상세히 설명하면 다음과 같다.
학습부(220)는 수집부(210)에 의해서 수집된 가공되지 않은 데이터(Raw Data)로부터 사용자들의 모든 행위(검색, 구매, Navigation)를 통계적 방식 등으로 분석하고, 사용자들의 행위 결과(회원의 상품 구매 횟수, 회원의 상품 클릭횟수, 회원의 상품 페이지에 머문 시간 등)를 통계적 방식이나 공동 필터링(Collaborative Filtering)등의 방식을 이용하여 사용자들의 앞으로의 행동을 예측하여 사용자별로 구매확률이 높은 상품이나 관심을 많이 보인 상품들을 추천하게 된다(S304 내지 S308).
이를 위해 학습부(220)는 일반화기(Normalization)(221), 분석기(222), 예측기(223)로 구성되어 있다.
쇼핑몰(사이트)에서 얻은 고객들의 행위 데이터(고객의 상품 구매 횟수, 고객의 상품 클릭 수, 고객의 상품 페이지에 머문 시간 등)를 이용하여 고객의 상품 관심도, 구매도 등의 학습 결과를 얻기 위해서는 고객들의 행위 데이터들을 이용해야 하는데, 모든 행위 데이터들은 서로 의미가 달라 함께 학습할 수가 없기 때문에 일반화기 (Normalization(모듈))(221)는 각 행위데이터를 일정한 점수로 변화할 수 있도록 점수 범위를 설정해주고 설정된 범위에 따라서 행위 데이터의 값들을 점수화 하는 역할을 한다(S304).
분석기(222)내의 통계분석모듈은 일반화기(221)에 의해서 계산된 값들을 통계적인 분석 방법을 통해서 주기나 주제(고객과 상품, 고객과 사이트, 고객과 상점 등)간의 관련 관계(구매도, 판매도, 관심도 등)를 일정한 값으로 얻는다(S306).
예측기(223)내의 공동필터링모듈은 사용자의 행위(Raw Data), 일반화기(221)(Normalization)에 의해서 계산된 결과, 분석기(222)에 의해서 계산된 결과 등을 이용하여 고객의 예상 행동을 계산하여 고객에게 적합한 정보를 제공하게 된다(S308).
마지막으로, 생성부(230)에서의 실행과정에 대하여 상세히 설명하면 다음과 같다.
생성부(230)는 생성기(231)에 의해서 쇼핑몰(사이트)에 추천 상품 데이터나 마케팅 행위(CTI, Target Mailing)를 지원하기 위해서 학습부(220)에 의해서 학습된 데이터를 해당 분야별로 데이터를 보내주는 역할을 하게 된다(S310).
이를 위해 생성부(230)는 수집부(210)와 유사하게 생성기(231)와 생성제어기(232)로 나누어져 있는데, 생성기는 생성제어기(232)에 명시된 바대로 생성 데이터를 생성하게 된다.
즉, 본 발명에 따른 분석장치(150)가 제공하는 서비스화면을 통해 생성제어기(232)에서 생성룰을 생성(생성룰은 본 발명에 따른 정보분석장치 저장부(250)의 데이터를 Merchant의 추천, Mail, CTI 등의 데이터로 옮기는 매칭룰로 구성되어 있음)하고, 스케쥴러에 의해 원하는 시간에 설정된 생성룰에 따라 생성기(231)가 작동해서 원하는 데이터를 생성하게 되는 것이다.
이상에서 설명한 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어 본 발명의 기술적 사상을 벗어나지 않는 범위내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 한정되는 것이 아니다.
상기와 같은 본 발명은, 전자 쇼핑몰에서 발생 가능한 모든 고객의 행위를 수집할 수 있을 뿐만 아니라, 이를 체계적으로 통합, 분류해서 이후 고객 데이터에 대한 분석을 용이하게 할 수 있다는 우수한 효과가 있다.
또한, 본 발명은 수집대상이 되는 쇼핑몰을 전혀 수정하지 않거나 최소한의 수정만으로 모든 고객행위 정보를 수집할 수 있는 구조로 구성되어 있다는 우수한 효과가 있다.
또한, 본 발명은 해당 사이트에서 얻을 수 있는 모든 데이터를 이용하여 학습이 가능하며, 여러 데이터를 이용하여 학습을 할 때, 데이터마다의 중요도를 판단하여 중요 데이터는 학습 결과에 더큰 영향을 줄 수 있도록 하는 우수한 효과가 있다.
또한, 본 발명은 특정 데이터만을 이용하여 공동 필터링을 하게 되는 경우 정보의 부족으로 인하여 부정확한 결과가 나오게 되어 정확한 추천이 불가능하게 된다는 문제점을 해결하기 위해, 사이트에서 얻을 수 있는 사용자별의 행위(방문 페이지, 방문 시간, 방문 횟수)등을 이용하여 정보의 부족에 의한 부정확한 추천을 보완하여 정확한 추천정보를 고객에게 제공하는 우수한 효과가 있다.

Claims (8)

  1. 전자상거래 시스템에 적용되는 정보분석장치에 있어서,
    서비스 운영 서버로부터 고객에 대한 다양한 정보를 수집하기 위한 수집수단;
    상기 수집수단을 통해 수집된 정보를 통계적 방식이나 공동 필터링 등의 방식을 이용한 학습을 통하여 고객들에 대한 다양한 예측 정보를 산출해 내기 위한 학습수단; 및
    상기 학습수단을 통해 산출된 다양한 예측정보를 상기 서비스 운영 서버의 해당 분야별로 보내주기 위한 생성수단을 포함하는 정보분석 장치.
  2. 제 1 항에 있어서,
    상기 수집수단은,
    서비스 운영 서버로부터 일반 웹페이지 네비게이션 정보, 고객의 상품조회 정보, 구매 정보, 클레임 정보 등의 모든 고객 정보를 수집하기 위한 수집기; 및
    상기 수집기를 설정된 특정 수집룰에 의해 제어하기 위한 수집제어기를 포함하는 정보분석 장치.
  3. 제 1 항에 있어서,
    상기 학습수단은,
    상기 수집수단으로부터 전달받은 상기 서비스 운영 서버에서의 고객들의 행위 정보를 일정 범위의 점수로 일반화하기 위한 일반화기;
    상기 일반화기에 의해서 일반화된 값들을 통계적인 분석 방법을 통해서 주기나 주제간의 관계를 일정한 값으로 산출해 내기 위한 분석기; 및
    상기 분석기에 의해서 산출된 결과를 이용하여 고객의 예상 행위를 산출해내기 위한 예측기를 포함하는 정보분석 장치.
  4. 제 3 항에 있어서,
    상기 예측기에서 사용되는 방식은 공동 필터링으로 유사도 계산, 이웃집단 추출, 추출된 이웃집단을 이용하여 전자상거래 사이트에서 행동을 하지 않은 잠재적인 사용자들의 예상 행위를 예측하여 고객에게 적합한 정보를 제공하는 것을 특징으로 하는 정보분석장치.
  5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
    상기 생성수단은,
    상기 학습수단으로부터 학습된 정보를 상기 서비스 운영 서버의 해당 분야로 제공하기 위한 생성기; 및
    상기 생성기를 설정된 특정 생성룰에 의해 제어하기 위한 생성제어기를 포함하는 정보분석 장치.
  6. 정보분석 장치를 이용한 정보분석 방법에 있어서,
    서비스 운영 서버로부터 고객에 대한 다양한 정보를 수집하는 제 1 단계;
    상기 제 1 단계로부터 수집된 정보를 통계적 방식이나 공동 필터링 등의 방식을 이용한 학습을 통하여 고객들에 대한 다양한 예측 정보를 산출해 내는 제 2 단계; 및
    상기 제 2 단계를 통해 산출된 다양한 예측정보를 상기 서비스 운영 서버의 해당 분야별로 보내주는 제 3 단계를 포함하는 정보분석 방법.
  7. 제 6 항에 있어서,
    상기 제 2 단계는,
    상기 제 1 단계로부터 전달받은 상기 서비스 운영 서버에서의 고객들의 행위 정보를 일정 범위의 점수로 일반화하는 제 4 단계;
    상기 일반화된 값들을 통계적인 분석 방법을 통해서 주기나 주제간의 관계를 일정한 값으로 산출해 내는 제 5 단계; 및
    상기 제 5 단계를 통해 산출된 결과를 이용하여 고객의 예상 행동을 산출해 내는 제 6 단계를 포함하는 정보분석 방법.
  8. 제 7 항에 있어서,
    상기 제 6 단계에서 사용되는 방식은 공동 필터링으로 유사도 계산, 이웃집단 추출, 추출된 이웃집단을 이용하여 행동을 하지 않은 사용자들의 예상 행위를예측하여 고객에게 적합한 정보를 제공하는 것을 특징으로 하는 정보분석 방법.
KR1020000045937A 2000-01-29 2000-08-08 전자상거래에서의 정보분석 장치 및 그를 이용한 정보분석방법 KR20020012748A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020000045937A KR20020012748A (ko) 2000-08-08 2000-08-08 전자상거래에서의 정보분석 장치 및 그를 이용한 정보분석방법
US09/767,643 US20010011235A1 (en) 2000-01-29 2001-01-23 Apparatus for realizing personal shops in an electronic commerce business
JP2001019169A JP2001250056A (ja) 2000-01-29 2001-01-26 電子商取引での個人商店具現装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020000045937A KR20020012748A (ko) 2000-08-08 2000-08-08 전자상거래에서의 정보분석 장치 및 그를 이용한 정보분석방법

Publications (1)

Publication Number Publication Date
KR20020012748A true KR20020012748A (ko) 2002-02-20

Family

ID=19682301

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020000045937A KR20020012748A (ko) 2000-01-29 2000-08-08 전자상거래에서의 정보분석 장치 및 그를 이용한 정보분석방법

Country Status (1)

Country Link
KR (1) KR20020012748A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020021604A (ko) * 2000-09-14 2002-03-21 니시무라 준코 추장정보제공방법, 추장정보통신시스템, 추장정보송신장치및 기록매체
KR100373988B1 (ko) * 2000-08-17 2003-02-26 주식회사 드림캐스트 로그파일 분석방법과 분석시스템 및 이 방법을 기록한컴퓨터로 읽을 수 있는 기록매체
KR101346287B1 (ko) * 2012-03-02 2013-12-31 주식회사 랭크웨이브 데이터 지수 설정 방법 및 그 장치
KR20170019759A (ko) 2015-08-12 2017-02-22 에스케이플래닛 주식회사 사용자 장치, 서비스 제공 장치, 상품 추천 서버, 그를 포함하는 상품 추천 시스템, 그의 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08194741A (ja) * 1995-01-17 1996-07-30 Nippon Telegr & Teleph Corp <Ntt> 電子ショッピングサービスシステム
JPH10240828A (ja) * 1997-02-28 1998-09-11 Net Biretsuji Kk 広告配信サービスシステム
JPH11232330A (ja) * 1998-02-18 1999-08-27 Hitachi Ltd マーケティングシステム
US5956693A (en) * 1996-07-19 1999-09-21 Geerlings; Huib Computer system for merchant communication to customers
KR20000017788A (ko) * 1999-12-08 2000-04-06 서성호 인공지능 감성 데이터베이스 구축 및 활용 방법
KR20000024514A (ko) * 2000-02-17 2000-05-06 전성현 에이전시 웹브라우저
KR20000059024A (ko) * 2000-07-10 2000-10-05 정영일 인터넷 사용자의 성향예측 및 정보제공 시스템과 방법
KR20010096343A (ko) * 2000-04-18 2001-11-07 현진석 고객 성향 분석정보 획득 시스템 및 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08194741A (ja) * 1995-01-17 1996-07-30 Nippon Telegr & Teleph Corp <Ntt> 電子ショッピングサービスシステム
US5956693A (en) * 1996-07-19 1999-09-21 Geerlings; Huib Computer system for merchant communication to customers
JPH10240828A (ja) * 1997-02-28 1998-09-11 Net Biretsuji Kk 広告配信サービスシステム
JPH11232330A (ja) * 1998-02-18 1999-08-27 Hitachi Ltd マーケティングシステム
KR20000017788A (ko) * 1999-12-08 2000-04-06 서성호 인공지능 감성 데이터베이스 구축 및 활용 방법
KR20000024514A (ko) * 2000-02-17 2000-05-06 전성현 에이전시 웹브라우저
KR20010096343A (ko) * 2000-04-18 2001-11-07 현진석 고객 성향 분석정보 획득 시스템 및 방법
KR20000059024A (ko) * 2000-07-10 2000-10-05 정영일 인터넷 사용자의 성향예측 및 정보제공 시스템과 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100373988B1 (ko) * 2000-08-17 2003-02-26 주식회사 드림캐스트 로그파일 분석방법과 분석시스템 및 이 방법을 기록한컴퓨터로 읽을 수 있는 기록매체
KR20020021604A (ko) * 2000-09-14 2002-03-21 니시무라 준코 추장정보제공방법, 추장정보통신시스템, 추장정보송신장치및 기록매체
KR101346287B1 (ko) * 2012-03-02 2013-12-31 주식회사 랭크웨이브 데이터 지수 설정 방법 및 그 장치
KR20170019759A (ko) 2015-08-12 2017-02-22 에스케이플래닛 주식회사 사용자 장치, 서비스 제공 장치, 상품 추천 서버, 그를 포함하는 상품 추천 시스템, 그의 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체

Similar Documents

Publication Publication Date Title
US20200195737A1 (en) Clickstream analysis methods and systems related to determining actionable insights relating to a path to purchase
US9652433B2 (en) Clickstream analysis methods and systems related to improvements in online stores and media content
US5918014A (en) Automated collaborative filtering in world wide web advertising
US7594189B1 (en) Systems and methods for statistically selecting content items to be used in a dynamically-generated display
US20210027357A1 (en) Systems and methods for credit card selection based on a consumer&#39;s personal spending
Bose et al. Quantitative models for direct marketing: A review from systems perspective
US11216850B2 (en) Predictive platform for determining incremental lift
CN1981286A (zh) 确定搜索中的关键字值的方法和数据库搜索系统
KR101959808B1 (ko) 온라인 통합 관리 시스템
CN112561565A (zh) 一种基于行为日志的用户需求识别方法
Wei et al. Online shopping behavior analysis for smart business using big data analytics and blockchain security
US20060248033A1 (en) Data mining within a message handling system
KR102463084B1 (ko) 블록체인 결제 플랫폼 기반 유무선 광고 서비스 제공 시스템
KR101813003B1 (ko) 온라인 통합 관리 시스템
CN115222433A (zh) 一种信息推荐方法、装置及存储介质
US20230316106A1 (en) Method and apparatus for training content recommendation model, device, and storage medium
EP1218835A4 (en) MANAGE CONTENT DELIVERY TO USERS
KR20020012748A (ko) 전자상거래에서의 정보분석 장치 및 그를 이용한 정보분석방법
CN111460300B (zh) 网络内容推送方法、装置及存储介质
US20210397602A1 (en) Systems and methods for analyzing electronic data to determine faults in a transit system
JP7458879B2 (ja) 情報処理装置、情報処理方法および情報処理プログラム
JP2001338113A (ja) ネット収集データの自動分析方法およびネット収集データの自動分析システム
JP7453191B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
Rajapaksha et al. Recommendations to Increase the Customer Interaction of E-commerce Applications with Web Usage Mining
KR20000064077A (ko) 구매가망상품 도출시스템 및 그 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application