KR20100091669A - 전자상거래 서비스에서의 개인화 추천 시스템 - Google Patents

전자상거래 서비스에서의 개인화 추천 시스템 Download PDF

Info

Publication number
KR20100091669A
KR20100091669A KR1020090010972A KR20090010972A KR20100091669A KR 20100091669 A KR20100091669 A KR 20100091669A KR 1020090010972 A KR1020090010972 A KR 1020090010972A KR 20090010972 A KR20090010972 A KR 20090010972A KR 20100091669 A KR20100091669 A KR 20100091669A
Authority
KR
South Korea
Prior art keywords
product
customers
customer
information
database
Prior art date
Application number
KR1020090010972A
Other languages
English (en)
Inventor
강상길
고평관
Original Assignee
인하대학교 산학협력단
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 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020090010972A priority Critical patent/KR20100091669A/ko
Publication of KR20100091669A publication Critical patent/KR20100091669A/ko

Links

Images

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (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

전자상거래 서비스에서의 개인화 추천 시스템을 제공한다. 전자상거래 서비스에서의 개인화 추천 시스템은 전자상거래 서버에서 제공하는 웹페이지를 요청하는 고객들의 행동 패턴을 포착하여 고객 브라우징 로그 정보를 저장하고, 상기 웹페이지에서 상기 고객들에게 제공되는 각종 상품 정보를 저장하는 데이터베이스 및 상기 데이터베이스에 저장된 고객들의 행동 패턴을 분석하여 사용자와 기준치 이상으로 유사한 선호 패턴을 가지는 고객들의 그룹을 검색하고, 상기 검색된 그룹의 고객들이 요청한 상품 정보들을 대상 고객에게 추천하는 상품 추천 모듈을 포함한다.
Figure P1020090010972
전자상거래, 개인화, 상품, 추천

Description

전자상거래 서비스에서의 개인화 추천 시스템{PERSONALIZED RECOMMENDATION SYSTEM FOR E-COMMERCE SERVICE}
본 발명은 전자상거래 서비스에서의 개인화 추천 시스템에 관한 것으로, 더욱 상세하게는 전자상거래 서비스를 사용하는 고객들에 행동 패턴을 바탕으로 상품에 대한 평점을 계산한 결과에 따라 동일한 성별 및 연령대의 다른 고객들에 대한 상품의 선호도를 반영하여 대상 고객에게 상품 정보를 추천하는 개인화 추천 시스템에 관한 것이다.
일반적으로 전자상거래 서비스는 온라인 쇼핑몰 사이트에서 판매할 상품 정보를 고객들에게 제공하고, 고객들이 제공된 상품 정보를 확인한 후 자신이 원하는 상품을 구매하는 방식으로 이루어진다. 하지만 고객들은 방대한 양의 상품 정보가 존재하는 대형 쇼핑몰 사이트에서 자신이 선호하는 상품을 검색하는데 어려움을 겪게 된다. 이러한 상품 검색에 대한 어려움은 고객의 만족도와 재방문의 의지를 저하시키는 요인이 된다. 이러한 저하 요인을 극복하기 위해서 전자상거래 서비스에서는 고객들에게 자신이 선호하는 상품들을 추천해주는 방안이 연구되고 있다.
종래 상품 추천 방법은 협업 필터링(collaborative filtering)을 이용하여 해당 고객의 선호도와 비슷한 선호도를 가진 고객들을 기반으로 해당 고객이 선호하는 상품을 추천한다. 하지만 이러한 종래 상품 추천 방법에서 사용되는 협업 필터링은 사용자와 상품의 정보량이 많아질수록 계산의 복잡도가 증가하고, 새로운 사용자에 대한 추천이 불가능하다.
따라서, 전자상거래 서비스에서 고객들과 상품의 정보량이 많더라도 대상 고객이 선호하는 상품을 쉽게 검색할 수 있는 방안이 요청되고 있는 실정이다.
본 발명은 전자상거래 서비스를 사용하는 고객들을 나이와 성별에 따른 그룹으로 분류하고, 분류된 그룹 내에서 유사한 선호도를 가지는 고객들의 상품 유사도를 측정하고, 측정된 상품 유사도에 따라 대상 고객에게 상품을 추천하는 개인화 추천 시스템을 제공한다.
또한 본 발명은 전자상거래 서비스를 사용하는 고객들의 행동 패턴을 바탕으로 상품에 대한 잠재적인 평점을 계산함으로써 고객들의 상품에 대한 선호도를 반영하여 대상 고객에게 상품을 추천하는 개인화 추천 시스템을 제공한다.
본 발명의 일실시예에 따른 전자상거래 서비스에서의 개인화 추천 시스템은 전자상거래 서버에서 제공되는 웹페이지를 요청하는 고객들의 행동 패턴을 포착하여 고객 브라우징 로그 정보로 저장하고, 상기 웹페이지에서 상기 고객들에게 제공되는 각종 상품 정보를 저장하는 데이터베이스 및 상기 데이터베이스에 저장된 고객들의 행동 패턴을 분석하여 사용자와 기준치 이상으로 유사한 선호 패턴을 가지는 고객들의 그룹을 검색하고, 상기 검색된 그룹의 고객들이 요청한 상품 정보들을 대상 고객에게 추천하는 상품 추천 모듈을 포함한다.
본 발명에 따르면, 전자상거래 서비스를 사용하는 고객들을 나이와 성별에 따른 그룹으로 분류하고, 분류된 그룹 내에서 유사한 선호도를 가지는 고객들의 상 품 유사도를 측정하고, 측정된 상품 유사도에 따라 대상 고객에게 상품을 추천하는 개인화 추천 시스템을 제공함으로써 대상 고객의 개인별로 추천 상품에 대한 정확도를 높일 수 있다.
또한 본 발명에 따르면, 전자상거래 서비스를 사용하는 고객들의 행동 패턴을 바탕으로 상품에 대한 잠재적인 평점을 계산함으로써 고객들의 상품에 대한 선호도를 반영하여 대상 고객에게 상품을 추천하는 개인화 추천 시스템을 제공함으로써 상품의 선호도에 대해서 고객들에게 직접적인 대답을 요구하는 것에 대한 고객의 불편을 해소시킬 수 있다.
이하 첨부된 도면들을 참조하여 본 발명의 일실시예에 따른 전자상거래 서비스에서의 개인화 추천 시스템을 상세하게 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 전자상거래 서비스에서의 개인화 추천 시스템의 구조를 나타내는 도면이다.
도 1을 참조하면, 전자상거래 서버(100)는 개인화 쇼핑 포탈 서버로서 고객 단말기(110-1~110-n)를 통해 접속된 고객들이 요청한 전자상거래 서비스를 위한 웹페이지를 제공한다.
전자상거래 서버(100)는 상기 접속된 고객들이 소정의 웹페이지를 요청하면(S1), 상기 고객들에 대한 행동 패턴을 포착하여 데이터베이스(120)에 포함된 고객 브라우징 로그 데이터베이스(121)에 저장한다(S2). 즉, 전자상거래 서버(100)는 상기 웹페이지를 요청한 고객들에 대한 행동 패턴을 포착하고, 상기 포착된 행 동 패턴에 따른 고객 브라우징 정보를 고객 브라우징 로그 데이터베이스(121)에 저장한다.
데이터베이스(120)는 고객 브라우징 로그 데이터베이스(121) 및 상품 정보 데이터베이스(122)를 포함한다. 데이터베이스(120)는 전자상거래 서버(100)에 제공하는 웹페이지에 접속된 고객들의 행동 패턴에 따른 고객 브라우징 로그 정보를 고객 브라우징 로그 데이터베이스(121)에 저장한다. 또한 데이터베이스(120)는 전자상거래 서버(100)에서 제공되는 각종 상품 정보와 관련된 모든 정보들을 상품 정보 데이터베이스(122)에 저장한다. 일례로 상품 정보 데이터베이스(122)는 각 상품의 고유 아이디를 비롯한 상품과 관련된 각종 정보를 저장할 수 있다.
고객 브라우징 로그 데이터베이스(121)는 전자상거래 서버(100)에서 제공하는 웹페이지에 접속된 고객들의 행동 패턴으로부터 포착된 고객 브라우징 로그 정보를 저장한다. 일례로 상기 고객 브라우징 로그 정보는 고객의 아이디 및 트랜잭션 정보를 포함할 수 있다.
전자상거래 서버(100)에서 제공하는 웹페이지에 접속된 고객이 상품을 클릭하면, 타임스탬프 및 해당 상품의 아이디가 고객 브라우징 로그 데이터베이스(121)에 저장될 수 있다. 전자상거래 서버(100)는 상기 웹페이지에 접속된 고객들로부터 엄청난 양의 클릭 행동을 포착하지만 모든 클릭이 유효한 트랜잭션이 아니므로 불필요한 클릭 정보를 제거한 뒤 유효한 트랜잭션에 대해서만 고객 브라우징 로그 정보를 고객 브라우징 로그 데이터베이스(121)에 저장할 수 있다. 여기서, 상기 유효한 트랜잭션은 일정한 시간 내에 고객이 다른 웹페이지로 이동하는 것으로 정 의한다. 상기 유효한 트랜잭션은 전자상거래 서버(100)에서 제공하는 웹페이지에 상기 고객이 체류하는 체류 시간(stay)을 이용하여 수학식 1에 의해 결정될 수 있다.
Figure 112009008403176-PAT00001
여기서, S i 는 웹페이지i에 대한 고객의 체류 시간이고, t i 는 웹페이지i의 콘텐츠의 길이를 시간으로 계산한 평균 리딩 시간(reading time)이고,
Figure 112009008403176-PAT00002
는 유효성에 대한 오차범위이다. 예를 들어, f=1일 경우 트랜잭션이 유효함을 의미하고, f=0일 경우 트랜잭션이 유효하지 않음을 의미한다. 일례로 상기 고객의 체류 시간이 해당 웹페이지의 표준 리딩 시간보다 지나치게 긴 경우, 트랜잭션이 유효하지 않은 것으로 f=0를 고객 브라우징 로그 데이터베이스(121)에 저장한다. 이때, 상기 고객에 대한 유효한 트랜잭션은 세션을 기반으로 고객 브라우징 로그 데이터베이스(121)에 저장된다. 세션의 시작은 고객이 전자상거래 서버(100)에서 제공하는 웹페이지에 접속할 때이며, 세션의 종료는 정해진 시간 이상으로 긴 시간 동안에 응답이 없을 때이다.
상품 추천 모듈(130)은 고객 브라우징 로그 데이터베이스(121)에 저장된 데이터를 분석하고, 나이와 성별을 통해 대상 고객과 유사한 고객의 그룹을 검색한 다(S3). 즉, 상품 추천 모듈(130)은 고객 브라우징 로그 데이터베이스(121)에 저장된 고객 정보를 분석하여 상기 대상 고객의 나이와 성별을 기준으로 유사한 고객의 그룹을 검색한다. 일례로 상품 추천 모듈(130)은 고객 브라우징 로그 데이터베이스(121)에 저장된 고객 정보를 이용하여 상기 대상 고객의 나이가 비슷하고, 동일한 성별에 대응되는 고객들의 그룹을 검색할 수 있다. 이와 같이, 상품 추천 모듈(130)은 데이터베이스(120)에 포함된 고객 브라우징 로그 데이터베이스(121)에 저장된 고객 정보를 검색하여 상기 대상 고객에 대한 나이와 성별을 기준으로 상기 유사한 선호 패턴을 가지는 고객들의 그룹을 분류할 수 있다.
상품 추천 모듈(130)은 고객 브라우징 로그 데이터베이스(121)에 저장된 고객 정보를 분석한 결과 상기 대상 고객과 비슷한 선호도를 가진 고객 그룹(131)에 대한 고객들의 행동 패턴에 따라 상품 정보 데이터베이스(122)를 참조하여 상품 리스트(132)를 작성하고(S4), 상기 대상 고객에게 상품 리스트(132)에 포함된 상품 정보들 중 상위 N개의 상품(133)을 추천한다(S5).
전자상거래 서버(100)는 상품 추천 모듈(130)로부터 추천된 상품 리스트를 이용하여 상품 정보 데이터베이스(122)로부터 상기 상품 리스트에 포함된 상품 정보를 수집하고, 수집된 상품 정보를 웹페이지를 통해 접속된 고객 단말기(110-1~110-N)의 대상 고객에게 제공한다(S6).
상품 추천 모듈(130)은 상기 대상 고객에게 정해진 개수의 상품 정보를 제공하기 위한 상품 리스트를 전자상거래 서버(100)로 제공한다. 이때 상기 정해진 개수의 상품 정보를 추천하기 위해 상품 추천 모듈(130)은 전자상거래 서버(100)에 접속하는 고객들을 나이와 성별에 따라 분류한다. 일례로 상품 추천 모듈(130)은 고객들을 남녀 성별에 따라 분류하고, 상기 남녀 성별로 분류된 고객들을 0~14세, 15~24세, 25~34세, 35~44세, 45세 이상과 같은 나이에 따라 분류할 수 있다.
이와 같이, 본 발명의 일실시예에 따른 전자상거래 서비스에서의 개인화 추천 시스템은 비슷한 나이와 같은 성별인 경우 고객들의 행동이 비슷하다는 점을 고려하여 나이와 성별에 따라 고객들을 분류할 수 있다.
상품 추천 모듈(130)은 상품에 대해 대상 고객과 비슷한 선호 패턴을 가지는 고객의 그룹을 검색한다. 상기 대상 고객과 비슷한 선호 패턴을 가지는 고객의 그룹을 U k = {U 1k ,, U 2k ,, ... , U jk ,, ... , U mk }로 표현할 수 있다. 상기 U jk 는 고객k와 비슷한 선호 패턴을 가진 고객j를 의미하며, 고객j와 고객k의 선호도의 유사성은 p(j,k)로 표현되며, 수학식 2와 같이 교차 상호 계수(cross correlation coefficient)로 계산될 수 있다.
Figure 112009008403176-PAT00003
여기서, n은 대상 고객이 선호하는 상품의 개수이고, r ij 와 r ik 는 고객j와 고객k의 행동 패턴으로부터 측정된 상품i에 대한 평점이고, μ j 와μ k 는 각각 r ij , r ik 의 평균이다. 상품 추천 모듈(130)은 상기 상품i에 대한 평점을 계산하기 위해서 고객 브라우징 로그 데이터베이스(121)에 저장된 각 고객들의 트랜잭션을 분석하고, 상기 분석된 고객들의 행동 패턴에 따라 평점을 부여한다. 일례로 상기 고객들의 행동 패턴은 상품 구매, 장바구니에 상품 추가, 상품 정보 확인의 세 가지로 분류할 수 있다. 상기 상품 구매는 상기 고객들이 상품을 구매하는 행동 패턴이고, 상기 장바구니에 상품 추가는 상기 고객들이 구매하고자 하는 상품을 구매리스트인 장바구니에 추가하는 행동 패턴이고, 상기 상품 정보 확인은 고객들이 상품 정보를 확인하는 행동 패턴일 수 있다.
상품 추천 모듈(130)은 고객 브라우징 로그 데이터베이스(121)로부터 추출된 유효한 트랜잭션 정보에 기초하여 유효한 고객들의 행동 패턴을 분석하여 상기 고객들의 상품에 대한 평점을 부여할 수 있다.
상품 추천 모듈(130)은 고객j의 상품i에 대한 평점을 수학식 3과 같이 상품i에 대한 행동 패턴들의 합으로 계산할 수 있다.
Figure 112009008403176-PAT00004
여기서,
Figure 112009008403176-PAT00005
는 각각 고객j가 상품i에 대한 상품 구매, 장바구니에 상품 추가, 상품 정보 확인 행동이다.
일례로 상기 상품 구매에 대한 행동은 장바구니에 상품 추가에 대한 행동보다 고객이 상품에 더 많은 관심을 보이는 것이며, 상기 장바구니에 상품 추가에 대 한 행동은 상기 상품 정보 확인에 대한 행동보다 고객의 관심도가 높은 것일 수 있다. 다른 일례로 상기 상품 구매에 대한 행동은 상기 장바구니에 상품 추가 행동보다 더 적게 발생되며, 상기 상품 정보 확인에 대한 행동이 상기 상품 구매에 대한 행동 및 상기 장바구니에 상품 추가 행동보다 더 많이 발생될 수 있다. 그러므로, 상품 추천 모듈(130)은 상기 고객들의 행동 패턴에 따라 다른 가중치를 부여할 수 있다. 일례로 상품 추천 모듈(130)은 상기 상품 구매에 대한 행동 패턴에 제1 가중치를 부여하고, 상기 장바구니에 상품 추가에 대한 행동 패턴에 제2 가중치를 부여하고, 상기 상품 정보 확인에 대한 행동 패턴에 제3 가중치를 부여할 수 있다.
상품 추천 모듈(130)은 상기
Figure 112009008403176-PAT00006
의 값을 도 2에 도시된 것과 같은 고객 행동 분포를 통해 측정할 수 있다.
도 2는 본 발명의 일실시예에 따른 전자상거래 서비스에서의 고객 행동 분포도의 일례를 나타내는 도면이다.
도 2를 참조하면,
Figure 112009008403176-PAT00007
는 각각 고객의 상품 구매, 장바구니에 상품 추가, 상품 정보 확인에 대한 행동이다. 고객 행동 분포도는 각 고객의 행동에 대한 빈도수를 나타낸다.
상품 추천 모듈(130)은 상기 행동에 대한 빈도수를 역으로 취하면,
Figure 112009008403176-PAT00008
의 값을 계산할 수 있다. 이와 같이, 상품 추천 모듈(130)은 상기 상품에 대한 고객들의 행동 패턴의 빈도수에 따라 상기 고객들의 상품에 대한 평점을 계산할 수 있다.
상품 추천 모듈(130)은 수학식 4을 이용하여 고객j의 행동으로부터 측정된 상품i에 대한 평점rij을 계산할 수 있다.
Figure 112009008403176-PAT00009
여기서,
Figure 112009008403176-PAT00010
는 고객j가 상품i를 구매한 빈도수이고, 이는
Figure 112009008403176-PAT00011
와 같다.
상품 추천 모듈(130)은 고객 브라우징 로그 데이터베이스(121)로부터 추출된 유효한 트랜잭션 정보에 기초하여 유효한 고객들의 행동 패턴을 분석하여 상기 고객들의 상품에 대한 평점을 부여할 수 있다.
이와 같이, 본 발명의 일실시예에 따른 전자상거래 서비스에서의 개인화 추천 시스템은 고객들의 행동 패턴을 분석하여 상품의 잠재적인 평점을 계산함으로써 상품의 선호도에 대해 고객의 직접적인 답변을 요구하지 않으므로 고객들의 불편함을 해소할 수 있을 뿐만 아니라 고객의 행동 패턴을 통해 상품에 대한 선호도를 반영할 수 있다.
상품 추천 모듈(130)은 상기 고객들의 선호 유사도값을 이용하여 유사한 선호도를 가진 고객들에 대한 상품 리스트를 작성한다. 상품 추천 모듈(130)은 대상 고객에서 적절한 상품 리스트를 추천하기 위해 비슷한 선호도를 가진 고객들의 프로필을 검색한다. 이때 상품 추천 모듈(130)은 상기 검색된 비슷한 선호도를 가진 고객들이 선호하는 상품들에 대해 상품의 유사도를 측정한다. 상품i와 상품j의 유사도는 sim (i,j)로 표시되며, 수학식 5와 같이 계산된다.
Figure 112009008403176-PAT00012
여기서, m은 유사한 선호도를 가진 고객들의 수이고, r iu 와 r ju 는 고객u에 의한 상품i,j의 평점이고, μ i 와μ j 는 각각 r iu , r ju 의 평균값이다.
이와 같이, 본 발명의 일실시예에 따른 전자상거래 서비스에서의 개인화 추천 시스템은 대상 고객을 나이와 성별에 따른 그룹으로 나누고, 그룹 내에서 유사한 선호도를 가진 고객들을 검색하고, 검색된 고객들에 대한 상품의 유사도를 측정하고, 고객의 행동 패턴에 따라 상품의 평점을 계산함으로써 상품 추천에 대한 정확도를 높일 수 있다.
상품 추천 모듈(130)은 상기 계산된 유사도 값이 정해진 기준치 이상인 유사 상품을 상기 대상 고객에게 추천한다. 즉, 상품 추천 모듈(130)은 상기 대상 고객이 선호하는 상품과 비슷한 선호도를 가진 고객들에 대한 상품의 유사도를 계산한 후 상기 계산된 상품의 유사도가 기준치 이상인 상품들을 상기 대상 고객에게 추천한다.
이와 같이, 상품 추천 모듈(130)은 상기 유사도 값을 이용하여 기준치 이상 으로 유사한 선호도를 가진 고객 그룹에 포함된 고객들이 선호하는 상품들에 대한 상품 리스트를 작성하고, 상기 작성된 상품 리스트에서 결정된 순위에 따라 정해진 개수의 상품 정보를 상기 대상 고객에게 추천한다. 일례로 상품 추천 모듈(130)은 상기 작성된 상품 리스트에서 결정된 순위에 따라 정해진 상위 N개의 상품 정보를 상기 대상 고객에게 추천할 수 있다.
전자상거래 서버(100)는 상품 추천 모듈(130)을 통해 상품 리스트에서 상위 N개의 유사한 상품 정보를 추천된 상품 정보로 웹페이지를 통해 접속된 고객 단말기(110-1~110-n)의 대상 고객에게 제공한다.
따라서, 본 발명의 일실시예에 따른 전자상거래 서비스에서의 개인화 추천 시스템은 상품에 대한 고객들의 행동 패턴을 통해 상품의 평점을 계산하여 대상 고객과 유사한 선호도를 가지는 고객들에 대한 상품 리스트를 작성하고, 상품 리스트에서 상위 N개의 유사한 상품을 대상 고객에게 추천함으로써 대상 고객별로 자신이 선호하는 상품을 쉽게 파악할 수 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
도 1은 본 발명의 일실시예에 따른 전자상거래 서비스에서의 개인화 추천 시스템의 구조를 나타내는 도면이다.
도 2는 본 발명의 일실시예에 따른 전자상거래 서비스에서 고객 행동 분포도의 일례를 나타내는 도면이다.
<도면의 주요 부분에 대한 부호의 설명>
100: 전자상거래 서버 110-1~110-n: 고객 단말기
120: 데이터베이스 121: 고객 브라우징 로그 데이터베이스
122: 상품 정보 데이터베이스 130: 상품 추천 모듈

Claims (5)

  1. 전자상거래 서버에서 제공하는 웹페이지를 요청하는 고객들의 행동 패턴을 포착하여 고객 브라우징 로그 정보를 저장하고, 상기 웹페이지에서 상기 고객들에게 제공되는 각종 상품 정보를 저장하는 데이터베이스; 및
    상기 데이터베이스에 저장된 고객들의 행동 패턴을 분석하여 대상 고객과 기준치 이상으로 유사한 선호 패턴을 가지는 고객들의 그룹을 검색하고, 상기 검색된 그룹의 고객들에 대한 행동 패턴을 분석하여 상기 대상 고객과 유사한 선호도를 가진 고객들에 대한 상품 리스트를 작성한 후 상기 상품 리스트 중 정해진 개수의 상품 정보들을 상기 대상 고객에게 추천하는 상품 추천 모듈
    를 포함하는 전자상거래 서비스에서의 개인화 추천 시스템.
  2. 제1항에 있어서,
    상기 상품 추천 모듈은,
    상기 데이터베이스에 저장된 고객 정보를 검색하여 상기 대상 고객에 대한 나이와 성별을 기준으로 상기 유사한 선호 패턴을 가지는 고객들의 그룹을 분류하고, 상기 대상 고객과 동일 그룹으로 분류된 고객들의 행동 패턴에 따라 상품에 대한 평점을 부여하고, 상기 부여된 상품에 대한 평점에 따라 고객의 관심도를 계산하고, 상기 계산된 고객의 관심도가 일정 기준치 이상으로 유사한 고객들이 선호하는 상품들에 대해 유사도 값을 계산하고, 상기 계산된 유사도 값이 정해진 기준치 이상인 상품을 상기 대상 고객에게 추천하는 전자상거래 서비스에서의 개인화 추천 시스템.
  3. 제2항에 있어서,
    상기 데이터베이스는,
    상기 웹페이지를 요청한 고객들이 일정한 시간 내에 다른 웹페이지로 이동하는 유효한 트랜잭션 정보를 저장하는 고객 브라우징 로그 데이터베이스 및 상기 상품 정보를 저장하는 상품 정보 데이터베이스를 포함하고,
    상기 상품 추천 모듈은,
    상기 고객 브라우징 로그 데이터베이스로부터 추출된 유효한 트랜잭션 정보에 기초하여 유효한 고객들의 행동 패턴을 분석하여 상기 고객들의 상품에 대한 평점을 부여하고,
    상기 고객들의 상품에 대한 평점은,
    상기 상품에 대한 고객들의 행동 패턴의 빈도수에 따라 결정되는 전자상거래 서비스에서의 개인화 추천 시스템.
  4. 제2항에 있어서,
    상기 상품 추천 모듈은,
    상기 유사도 값을 이용하여 기준치 이상으로 유사한 선호도를 가진 고객 그룹에 포함된 고객들이 선호하는 상품들에 대한 상품 리스트를 작성하고, 상기 작성 된 상품 리스트에서 결정된 순위에 따라 정해진 개수의 상품 정보를 상기 대상 고객에게 추천하는 전자상거래 서비스에서의 개인화 추천 시스템.
  5. 제2항에 있어서,
    상기 고객들의 행동 패턴은,
    상기 고객들이 상품을 구매하는 행동 패턴, 상기 고객들이 구매하고자 상품을 구매리스트에 추가하는 행동 패턴 또는 상기 고객들이 상품 정보를 확인하는 행동 패턴을 포함하는 전자상거래 서비스에서의 개인화 추천 시스템.
KR1020090010972A 2009-02-11 2009-02-11 전자상거래 서비스에서의 개인화 추천 시스템 KR20100091669A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090010972A KR20100091669A (ko) 2009-02-11 2009-02-11 전자상거래 서비스에서의 개인화 추천 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090010972A KR20100091669A (ko) 2009-02-11 2009-02-11 전자상거래 서비스에서의 개인화 추천 시스템

Publications (1)

Publication Number Publication Date
KR20100091669A true KR20100091669A (ko) 2010-08-19

Family

ID=42756827

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090010972A KR20100091669A (ko) 2009-02-11 2009-02-11 전자상거래 서비스에서의 개인화 추천 시스템

Country Status (1)

Country Link
KR (1) KR20100091669A (ko)

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012031239A2 (en) * 2010-09-02 2012-03-08 Compass Labs, Inc. User interest analysis systems and methods
WO2014035048A1 (ko) * 2012-08-28 2014-03-06 에스케이플래닛 주식회사 아이템 추천 시스템 및 방법
KR101379503B1 (ko) * 2012-02-10 2014-03-28 (주) 케이솔버 상품 추천 시스템
WO2014051959A1 (en) * 2012-09-27 2014-04-03 Intuit Inc. Using financial transactions to generate recommendations
KR20140111225A (ko) * 2013-03-08 2014-09-18 심플렉스 인터넷 주식회사 전자상거래 추천 분석 시스템 및 추천 분석 방법
KR20140133663A (ko) * 2013-05-09 2014-11-20 에스케이플래닛 주식회사 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
KR20140133665A (ko) * 2013-05-09 2014-11-20 에스케이플래닛 주식회사 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
KR20150061082A (ko) * 2013-11-25 2015-06-04 에스케이플래닛 주식회사 신상정보 기반 상품 추천 시스템, 장치 및 방법
KR20150144916A (ko) * 2014-06-17 2015-12-29 오은석 소비자 프로파일링을 통한 맞춤형 쇼핑정보 제공 시스템 및 방법
KR20160037571A (ko) * 2014-09-29 2016-04-06 주식회사 포워드벤처스 실시간 구매 상품 정보 제공 방법, 시스템 및 기록매체
KR20160118195A (ko) 2016-09-30 2016-10-11 에스케이플래닛 주식회사 추천 아이템 제공 방법, 이를 위한 프로그램을 기록한 기록 매체 및 장치
KR20160119030A (ko) 2016-09-30 2016-10-12 에스케이플래닛 주식회사 사용자 로그 기반 상품 추천 방법, 이를 위한 시스템 및 장치
WO2017164684A1 (ko) * 2016-03-24 2017-09-28 김두환 Sms 및 영수증 기반의 가계부 기재 방법 및 장치
KR20170116924A (ko) * 2015-08-13 2017-10-20 정진호 상대 비교를 통한 상품 추천 서비스 방법 및 이를 위한 추천 서비스 장치와 프로그램
KR101863541B1 (ko) * 2017-01-24 2018-06-01 (주)바이앱스 쇼핑몰 이용자를 위한 맞춤형 이벤트 제공 방법 및 이에 사용되는 관리 서버
KR20180102826A (ko) 2017-03-08 2018-09-18 전천광 쌍방향 맞춤 전자상거래 시스템 및 방법
US10096051B2 (en) 2014-03-31 2018-10-09 Ebay Inc. Method and system to facilitate transactions
KR20190064042A (ko) 2017-11-30 2019-06-10 삼성에스디에스 주식회사 상황 인식 기반 추천 방법 및 그 장치
KR20190083561A (ko) * 2018-01-04 2019-07-12 국민대학교산학협력단 하이브리드 추천 장치 및 방법, 이를 기록한 기록매체
CN111461804A (zh) * 2019-01-18 2020-07-28 北京京东尚科信息技术有限公司 推荐尺码的方法和装置
CN112767076A (zh) * 2021-01-08 2021-05-07 上海义缘网络科技有限公司 基于大数据推荐算法的客户渠道引流系统
KR102347224B1 (ko) * 2021-06-28 2022-01-03 유민경 온라인 쇼핑의 소비 패턴을 통해 온라인 쇼핑몰의 상품 추천 서비스 제공 방법 및 시스템
KR20230108939A (ko) 2022-01-12 2023-07-19 주식회사 그린기프트 온라인 전자 상거래 시스템
KR102564355B1 (ko) * 2023-02-09 2023-08-07 주식회사 동아인터내셔널 고객 정보를 이용하여 온라인 마켓의 판매 상품을 추천하는 방법
CN116883061A (zh) * 2023-09-08 2023-10-13 北京中奥通宇科技股份有限公司 对数据进行实时分析的可调整智能选品系统
CN117194804A (zh) * 2023-11-08 2023-12-08 上海银行股份有限公司 一种适用于经营管理系统的引导性推荐方法及系统
CN117788074A (zh) * 2024-02-28 2024-03-29 深圳市多易得信息技术股份有限公司 一种基于ai大模型自动化销售阶段判断方法

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012031239A2 (en) * 2010-09-02 2012-03-08 Compass Labs, Inc. User interest analysis systems and methods
WO2012031239A3 (en) * 2010-09-02 2012-06-07 Compass Labs, Inc. User interest analysis systems and methods
KR101379503B1 (ko) * 2012-02-10 2014-03-28 (주) 케이솔버 상품 추천 시스템
WO2014035048A1 (ko) * 2012-08-28 2014-03-06 에스케이플래닛 주식회사 아이템 추천 시스템 및 방법
WO2014051959A1 (en) * 2012-09-27 2014-04-03 Intuit Inc. Using financial transactions to generate recommendations
KR20140111225A (ko) * 2013-03-08 2014-09-18 심플렉스 인터넷 주식회사 전자상거래 추천 분석 시스템 및 추천 분석 방법
KR20140133663A (ko) * 2013-05-09 2014-11-20 에스케이플래닛 주식회사 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
KR20140133665A (ko) * 2013-05-09 2014-11-20 에스케이플래닛 주식회사 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
KR20150061082A (ko) * 2013-11-25 2015-06-04 에스케이플래닛 주식회사 신상정보 기반 상품 추천 시스템, 장치 및 방법
US11379894B2 (en) 2014-03-31 2022-07-05 Ebay Inc. Method and system to facilitate transactions
US10096051B2 (en) 2014-03-31 2018-10-09 Ebay Inc. Method and system to facilitate transactions
US10803503B2 (en) 2014-03-31 2020-10-13 Ebay Inc. Method and system to facilitate transactions
KR20150144916A (ko) * 2014-06-17 2015-12-29 오은석 소비자 프로파일링을 통한 맞춤형 쇼핑정보 제공 시스템 및 방법
KR20160037571A (ko) * 2014-09-29 2016-04-06 주식회사 포워드벤처스 실시간 구매 상품 정보 제공 방법, 시스템 및 기록매체
KR20170116924A (ko) * 2015-08-13 2017-10-20 정진호 상대 비교를 통한 상품 추천 서비스 방법 및 이를 위한 추천 서비스 장치와 프로그램
WO2017164684A1 (ko) * 2016-03-24 2017-09-28 김두환 Sms 및 영수증 기반의 가계부 기재 방법 및 장치
KR20160118195A (ko) 2016-09-30 2016-10-11 에스케이플래닛 주식회사 추천 아이템 제공 방법, 이를 위한 프로그램을 기록한 기록 매체 및 장치
KR20160119030A (ko) 2016-09-30 2016-10-12 에스케이플래닛 주식회사 사용자 로그 기반 상품 추천 방법, 이를 위한 시스템 및 장치
KR101863541B1 (ko) * 2017-01-24 2018-06-01 (주)바이앱스 쇼핑몰 이용자를 위한 맞춤형 이벤트 제공 방법 및 이에 사용되는 관리 서버
KR20180102826A (ko) 2017-03-08 2018-09-18 전천광 쌍방향 맞춤 전자상거래 시스템 및 방법
KR20190064042A (ko) 2017-11-30 2019-06-10 삼성에스디에스 주식회사 상황 인식 기반 추천 방법 및 그 장치
KR20190083561A (ko) * 2018-01-04 2019-07-12 국민대학교산학협력단 하이브리드 추천 장치 및 방법, 이를 기록한 기록매체
CN111461804A (zh) * 2019-01-18 2020-07-28 北京京东尚科信息技术有限公司 推荐尺码的方法和装置
CN112767076A (zh) * 2021-01-08 2021-05-07 上海义缘网络科技有限公司 基于大数据推荐算法的客户渠道引流系统
KR102347224B1 (ko) * 2021-06-28 2022-01-03 유민경 온라인 쇼핑의 소비 패턴을 통해 온라인 쇼핑몰의 상품 추천 서비스 제공 방법 및 시스템
KR20230108939A (ko) 2022-01-12 2023-07-19 주식회사 그린기프트 온라인 전자 상거래 시스템
KR102564355B1 (ko) * 2023-02-09 2023-08-07 주식회사 동아인터내셔널 고객 정보를 이용하여 온라인 마켓의 판매 상품을 추천하는 방법
CN116883061A (zh) * 2023-09-08 2023-10-13 北京中奥通宇科技股份有限公司 对数据进行实时分析的可调整智能选品系统
CN116883061B (zh) * 2023-09-08 2023-12-01 北京中奥通宇科技股份有限公司 对数据进行实时分析的可调整智能选品系统
CN117194804A (zh) * 2023-11-08 2023-12-08 上海银行股份有限公司 一种适用于经营管理系统的引导性推荐方法及系统
CN117194804B (zh) * 2023-11-08 2024-01-26 上海银行股份有限公司 一种适用于经营管理系统的引导性推荐方法及系统
CN117788074A (zh) * 2024-02-28 2024-03-29 深圳市多易得信息技术股份有限公司 一种基于ai大模型自动化销售阶段判断方法

Similar Documents

Publication Publication Date Title
KR20100091669A (ko) 전자상거래 서비스에서의 개인화 추천 시스템
US10878480B2 (en) System and method for collecting and targeting visitor behavior
US10909608B2 (en) Merchant recommendations associated with a persona
KR101871747B1 (ko) 유사성향 기반 사용자-관광상품 추천 방법 및 시스템
Lu et al. BizSeeker: a hybrid semantic recommendation system for personalized government‐to‐business e‐services
WO2016101777A1 (zh) 用户兴趣数据分析和收集系统及其方法
US20140195893A1 (en) Method and Apparatus for Generating Webpage Content
US20070043583A1 (en) Reward driven online system utilizing user-generated tags as a bridge to suggested links
US20190019203A1 (en) Method for providing marketing management data for optimization of distribution and logistics and apparatus for the same
KR20100015479A (ko) 의도성 매칭
EP2817740A1 (en) Determining search result rankings based on trust level values associated with sellers
KR20160065429A (ko) 하이브리드 개인화 상품추천 방법
JP2018005662A (ja) 情報解析装置、情報解析方法、および情報解析プログラム
CN102957722A (zh) 一种用于生成个性化推荐的网络服务方法及其系统
Ghose et al. Surviving social media overload: Predicting consumer footprints on product search engines
KR20160070282A (ko) 쇼핑몰 사이트 제공 시스템, 쇼핑몰 사이트 제공 방법, 그 프로그램 및 이를 기록한 기록매체
CN103854206A (zh) 一种分析人群特征的方法和设备
KR20140133633A (ko) 검색 키워드 분석을 통한 온라인 쇼핑몰의 상품 노출 시스템 및 그 운영방법
KR102051311B1 (ko) 개인화 알고리즘을 이용하여 고객 로그 맞춤형 사이트를 추천하는 방법 및 개인화 알고리즘 서버
KR101013942B1 (ko) 추천 항목 제공 장치 및 방법
US20160307223A1 (en) Method for determining a user profile in relation to certain web content
KR102187135B1 (ko) 도서 추천 방법 및 이를 지원하는 서비스 장치
KR20210123598A (ko) 디바이스 독립적인 리그랩 기반의 개인화 컨텐츠 처리 방법 및 장치
CN106951459A (zh) 基于熵值法的改进协同过滤推荐算法
Kannan et al. Hyperlink analysis of e-commerce websites for business intelligence: exploring websites of top retail companies of Asia Pacific and USA

Legal Events

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