KR20120076477A - 상점 추천 방법 및 시스템 - Google Patents

상점 추천 방법 및 시스템 Download PDF

Info

Publication number
KR20120076477A
KR20120076477A KR1020100118266A KR20100118266A KR20120076477A KR 20120076477 A KR20120076477 A KR 20120076477A KR 1020100118266 A KR1020100118266 A KR 1020100118266A KR 20100118266 A KR20100118266 A KR 20100118266A KR 20120076477 A KR20120076477 A KR 20120076477A
Authority
KR
South Korea
Prior art keywords
store
terminal
recommendation
industry
score
Prior art date
Application number
KR1020100118266A
Other languages
English (en)
Inventor
김미연
최문일
정학진
Original Assignee
주식회사 케이티
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 주식회사 케이티 filed Critical 주식회사 케이티
Priority to KR1020100118266A priority Critical patent/KR20120076477A/ko
Publication of KR20120076477A publication Critical patent/KR20120076477A/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06QDATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce, e.g. shopping or e-commerce
    • G06Q30/02Marketing, e.g. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards; Price estimation or determination
    • G06Q30/0282Business establishment or product rating or recommendation

Abstract

단말에 온라인 상점을 추천하는 상점 추천 시스템은 단말로부터 상점 방문 정보를 포함하는 상점 관련 활동 정보를 수신하여 저장하는 모니터링부, 상점 관련 활동 정보를 기초로 각 상점의 선호 점수를 계산하여 단말의 선호 상점과 선호 업종을 추출하고, 선호 업종에 기초하여 유사 성향 그룹으로 분류하는 유사 성향 분석부, 단말이 포함된 유사 성향 그룹에서 선호하는 상점을 추출하여 단말에 제공하는 상점 추천부를 포함한다.

Description

상점 추천 방법 및 시스템{METHOD AND SYSTMEM FOR STORE RECOMMENDATION}
본 발명은 상점 추천 방법 및 시스템에 관한 것이다.
인터넷의 보급과 함께 전자 상거래의 보급이 급속히 진행되고 있으며, 단순히 상품을 사고 파는 상거래를 뛰어 넘어 전자 상거래 서비스 이용자에게 정보를 추천하여 구매력을 높이는 서비스가 제공되고 있다. 이를 위해 전자 상거래 서비스 제공자는 추천 시스템을 통해 이용자의 인터넷 활동을 기록하고 분석하여 이용자의 성향을 파악함으로써 이용자의 니즈에 부합하는 정보를 추천한다. 특히 소셜 네트워킹의 중요성이 부각되면서, 전자 상거래 서비스 제공자는 이용자와 관계를 맺고 있는 지인 또는 이용자와 유사 성향을 가진 다른 이용자의 인터넷 활동 기록의 분석을 통해 이러한 정보를 획득할 수 있다. 그러나 이와 같이 유사 성향의 이용자를 추출하기 위해서 추천 시스템은 이용자 사이의 선호 정보를 하나씩 비교해야 하는데 이는 정보 요청에 대한 응답이 실시간으로 필요한 인터넷 환경에는 부적할 수 있다.
본 발명이 해결하려는 과제는 서비스 이용자가 선호하는 상점 정보를 통해 이용자의 선호 업종을 추출하고, 선호 업종이 유사한 유사 성향 그룹을 추출하여 유사 성향 그룹의 선호 상점을 서비스 이용자에게 추천하는 방법 및 시스템을 제공하는 것이다.
본 발명의 한 실시예에 따른 단말에 온라인 상점을 추천하는 상점 추천 시스템으로서, 상기 단말로부터 상점 방문 정보를 포함하는 상점 관련 활동 정보를 수신하여 저장하는 모니터링부, 상기 상점 관련 활동 정보를 기초로 각 상점의 선호 점수를 계산하여 상기 단말의 선호 상점과 선호 업종을 추출하고, 상기 선호 업종에 기초하여 유사 성향 그룹으로 분류하는 유사 성향 분석부, 그리고 상기 단말이 포함된 유사 성향 그룹에서 선호하는 상점을 추출하여 상기 단말에 제공하는 상점 추천부를 포함한다.
상기 상점 관련 활동 정보는 상점 방문 횟수 정보, 상점 방문 시간 정보, 상점 내 관심 상품 정보, 평점 정보 및 리뷰 정보 중 적어도 하나를 포함할 수 있다.
상기 유사 성향 분석부는 상기 상점 관련 활동 정보에 가중치를 부여하여 상기 각 상점의 선호 점수를 계산할 수 있다.
상기 유사 성향 분석부는 상기 각 상점이 포함된 업종별로 각 업종에 포함된 상점의 선호 점수를 누적한 값을 구하고, 상기 누적한 값에 기초하여 상기 단말의 상기 선호 업종을 추출할 수 있다.
상기 유사 성향 분석부는 상기 누적한 값이 선호 업종을 결정하기 위한 기준 점수보다 큰 값을 가지는 업종을 상기 단말의 상기 선호 업종으로 추출할 수 있다.
상기 유사 성향 분석부는 상기 상점 추천 시스템을 이용하는 복수 단말의 선호 업종을 각각 분석하고, 상기 복수 단말 중 선호 업종이 기준 개수 이상 일치하는 적어도 두 단말을 상기 유사 성향 그룹으로 분류할 수 있다.
상기 상점 추천부는 상기 단말이 포함된 유사 성향 그룹에서 선호하는 상점별로 상기 단말의 선호 상점과 선호 업종에 기초하여 상점 추천 점수를 계산하고, 상기 상점 추천 점수에 따라 순서대로 상기 단말에 상점 추천 목록을 제공할 수 있다.
상기 상점 추천부는 상기 단말이 포함된 유사 성향 그룹에서 선호하는 상점 목록을 작성하고, 상기 상점 목록에서 상기 단말의 선호 상점을 제외하여 상기 상점 추천 목록을 작성하며, 상기 상점 추천 목록에 포함된 상점이 상기 단말의 선호 업종에 포함되어 있는지에 따라 가중치를 부여하여 상기 상점 추천 점수를 계산할 수 있다.
본 발명의 한 실시예에 따른 상점 추천 시스템이 단말에게 상점을 추천하는 방법으로서, 상기 단말로부터 상점 방문 정보를 포함하는 상점 관련 활동 정보를 수신하여 저장하는 단계, 상기 상점 관련 활동 정보를 기초로 각 상점의 선호 점수를 계산하는 단계, 상기 각 상점의 선호 점수에 기초하여 상기 단말의 선호 상점과 선호 업종을 추출하는 단계, 상기 선호 업종에 기초하여 상기 단말을 해당하는 유사 성향 그룹으로 분류하는 단계, 그리고 상기 유사 성향 그룹에서 선호하는 상점을 추출하여 상기 단말에 제공하는 단계를 포함한다.
상기 선호 업종을 추출하는 단계는 상기 각 상점이 포함된 업종별로 각 업종에 포함된 상점의 선호 점수를 누적한 값을 구하고, 상기 누적한 값이 선호 업종을 결정하기 위한 기준 점수보다 큰 값을 가지는 업종을 상기 선호 업종으로 추출할 수 있다.
상기 유사 성향 그룹으로 분류하는 단계는 상기 상점 추천 시스템을 이용하는 각 단말의 선호 업종을 분석하고 상기 각 단말 간의 선호 업종을 비교하여, 상기 각 단말의 선호 업종이 기준 개수 이상 일치하면 해당하는 단말을 상기 유사 성향 그룹으로 분류할 수 있다.
본 발명의 다른 실시예에 따른 상점 추천 시스템이 단말에게 상점을 추천하는 방법으로서, 상기 단말과 유사한 성향을 가지는 유사 성향 그룹에서 선호하는 상점을 추출하여 상점 목록을 작성하는 단계, 상기 상점 목록에서 상기 단말의 선호 상점을 제외하여 상점 추천 목록을 도출하는 단계, 상기 상점 추천 목록에 포함된 상점이 상기 단말의 선호 업종에 포함된 상점인지 판단하여 가중치를 부여하여 상점 추천 점수를 계산하는 단계, 그리고 상기 상점 추천 점수에 따라 상기 단말에 상기 상점 추천 목록을 제공하는 단계를 포함한다.
상기 유사 성향 그룹은 상기 단말과 선호 업종이 기준 개수 이상 일치하는 적어도 하나의 다른 단말이 포함된 그룹일 수 있다.
상기 상점 추천 점수를 계산하는 단계는 상기 상점 추천 목록에 포함된 상점이 상기 단말의 선호 업종에 포함되면 일정 점수를 가점하여 상기 상점 추천 점수를 계산할 수 있다.
상기 상점 추천 목록을 제공하는 단계는 상기 단말에서 상기 상점 추천 시스템에 관련된 클라이언트를 실행하면 상기 상점 추천 목록을 제공할 수 있다.
본 발명의 실시예에 따르면 유사 성향 그룹의 선호 상점을 미리 목록으로 작성할 수 있으므로, 유사 성향 그룹에 포함된 서비스 이용자에게 선호 상점을 빠르게 추천할 수 있으며, 또한 유사 성향 그룹의 선호 상점을 추천하므로 추천 상점에 대한 만족도를 높일 수 있다.
도 1은 본 발명의 한 실시예에 따른 상점 추천 시스템을 개략적으로 나타내는 블럭도이다.
도 2는 본 발명의 실시예에 따른 데이터 관계 구조를 나타내는 블럭도이다.
도 3은 본 발명의 한 실시예에 따른 상점 추천 시스템에서 유사 성향 그룹을 분류하여 상점을 추천하는 방법을 나타내는 흐름도이다.
도 4는 본 발명의 한 실시예에 따른 상점 추천 시스템에서 상점 추천 목록을 제공하는 방법을 나타내는 흐름도이다.
도 5a와 도 5b는 각각 본 발명의 한 실시예에 따른 선호 업종과 선호 상점의 대응 관계를 나타내는 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이제 도면을 참고하여 본 발명의 실시예에 따른 상점 추천 방법 및 시스템에 관하여 상세하게 설명한다.
도 1은 본 발명의 한 실시예에 따른 상점 추천 시스템을 개략적으로 나타내는 도면이다.
도 1을 참고하면, 상점 추천 시스템(100)은 단말(200, 210, 220, 230)로부터 수신한 상점 관련 활동 정보를 수신하여 저장하는 모니터링부(110), 단말(200-230)을 유사 성향 그룹으로 분류하는 유사 성향 분석부(120), 단말(200-230)에 상점을 추천하는 상점 추천부(130) 그리고 각종 정보를 저장하는 데이터베이스(140)를 포함한다.
모니터링부(110)는 단말(200-230)로부터 상점 방문 정보를 포함하는 상점 관련 활동 정보를 수신하여 데이터베이스(140)에 저장한다. 상점 관련 활동 정보는 단말(200-230)을 이용하는 이용자가 단말(200-230)을 통해 온라인 상점을 방문한 정보 등의 히스토리를 포함하며, 예를 들면 상점 방문 횟수 정보, 상점 방문 시간 정보, 상점 내 관심 상품 정보, 평점 정보, 리뷰 정보, 페이지 뷰 정보 그리고 추천 정보 등의 활동 정보를 포함한다.
유사 성향 분석부(120)는 단말(200-230)의 상점 관련 활동 정보를 기초로 각 상점의 선호 점수를 계산하여 각 단말(200-230)에 대응하는 선호 상점과 선호 업종을 추출하고, 선호 업종에 기초하여 유사 성향 그룹으로 분류한다. 이때 유사 성향 분석부(120)는 상점 관련 활동 정보에 가중치를 부여하여 각 상점의 선호 점수를 계산할 수 있다. 그리고 유사 성향 분석부(120)는 각 상점의 선호 점수를 해당하는 상점이 포함된 업종별로 누적하여 단말에 대응하는 선호 업종을 추출하는데, 업종별로 누적된 값이 선호 업종을 결정하기 위한 기준 점수보다 큰 값을 가지면 해당 업종을 선호 업종으로 추출할 수 있다. 이후 유사 성향 분석부(120)는 상점 추천 시스템을 이용하는 각 단말별로 대응하는 선호 업종을 분석하고, 유사 성향 분류 기준에 따라 이들 단말을 유사 성향 그룹으로 분류한다. 예를 들면, 유사 성향 분석부(120)는 유사 성향 분류 기준으로서 단말 사이에 선호 업종이 기준 개수 이상 일치하면 유사 성향으로 분류하도록 정할 수 있다. 그리고 유사 성향 분석부(120)는 유사 성향 그룹에 포함된 각 단말의 선호 업종과 선호 상점을 이용하여 유사 성향 그룹의 선호 상점을 추출할 수 있다. 이때 유사 성향 그룹의 선호 상점은 유사 성향 그룹에 포함된 각 단말의 선호 상점을 포함할 수 있다. 또한 유사 성향 분석부(120)는 각 선호 상점에 대한 유사 성향 그룹 내에서의 선호 점수를 상점 추천 점수를 계산하기 위한 기준 점수로 이용할 수 있다. 이때 각 선호 상점에 대한 유사 성향 그룹 내에서의 선호 점수는 해당 선호 상점에 대한 유사 성향 그룹에 포함된 단말의 평균적 선호 점수로 계산될 수 있다.
상점 추천부(130)는 단말(예를 들면, 200)이 포함된 유사 성향 그룹에서 선호하는 상점을 추출하여 단말(200)에 제공한다. 상점 추천부(130)는 단말(200)이 포함된 유사 성향 그룹에서 선호하는 상점별로 단말(200)의 선호 상점과 선호 업종에 기초하여 상점 추천 점수를 계산하고, 상점 추천 점수에 따라 순서대로 상점 추천 목록을 작성하여 단말(200)에 제공한다. 특히 상점 추천부(130)는 단말(200)이 포함된 유사 성향 그룹에서 선호하는 상점 목록을 작성하고, 상점 목록에서 단말(200)의 선호 상점을 제외하여 상점 추천 목록을 작성한다. 그리고 상점 추천부(130)는 상점 추천 목록에 포함된 상점이 단말(200)의 선호 업종에 포함되어 있는지에 따라 가중치를 부여하여 상점 추천 점수를 계산할 수 있다.
데이터베이스(140)는 업종 정보, 상점 정보 그리고 단말(200-230)로부터 수신한 상점 관련 활동 정보, 단말(200-230)의 이용자 정보, 그리고 각 단말별 선호 상점 및 선호 업종 정보를 저장한다. 데이터베이스(140)는 모니터링부(110), 유사 성향 분석부(120) 그리고 상점 추천부(130)와 연동하여 정보를 저장하고 저장한 정보를 제공한다. 다음에서 데이터베이스(140)에 저장된 데이터 사이의 관계 구조에 대해 살펴본다.
도 2는 본 발명의 실시예에 따른 데이터 관계 구조를 나타내는 도면이다.
도 2를 참고하면, 데이터베이스(140)는 상점 테이블(141), 업종 테이블(142), 단말(200-230)의 이용자 정보를 저장하는 이용자 테이블(143), 각 단말로부터 수신한 상점 관련 활동 정보 테이블(144), 각 단말 이용자와 상점의 관계 테이블(145) 그리고 각 단말 이용자와 업종의 관계 테이블(146)을 포함하며, 추가적으로 업종이나 상점을 재분류하여 단말(200-230)에 제공하는 별도의 카테고리를 만들 수 있도록 카테고리 테이블(147)을 더 포함할 수 있다.
상점 테이블(141)은 상점 추천 시스템(100)에서 단말(200-230)에 제공하는 상점 관련 정보를 저장하는 테이블이다. 상점 관련 정보는 상점의 상호명, 상점이 속한 업종, 전화번호, 위치 그리고 상점의 평점 정보를 포함할 수 있다.
업종 테이블(142)은 상점 테이블(141)에 포함된 상점을 분류하기 위한 테이블로서, 상점의 상위 개념을 업종으로 정의한다. 예를 들면, 복수의 일식 상점의 상위 개념인 일식 음식점을 업종명으로 저장할 수 있고 또는 각종 음식점의 상위 개념인 음식점을 업종명으로 저장할 수도 있다.
이용자 테이블(143)은 단말(200-230)에 상점 추천 시스템(100)과 연동하는 클라이언트를 설치한 이용자의 정보를 저장하는 테이블이다. 이용자 정보는 이용자명, 전화번호 그리고 연락처를 포함할 수 있다.
상점 관련 활동 정보 테이블(144)은 각 단말로부터 수신한 상점 관련 활동 정보를 저장하는 테이블로서, 이용자 테이블(143)에 대응되어 생성된다. 모니터링부(110)는 상점 관련 활동 정보를 단말(200-230)로부터 수신하여 상점 관련 활동 정보 테이블(144)에 기록한다. 상점 관련 활동 정보는 이용자명, 상호명, 활동 종류, 활동 시간 그리고 활동 내용으로 구성될 수 있다. 이용자명은 이용자 테이블(143)의 이용자명에 대응된다. 상호명은 상점 테이블(141)의 상호명에 대응된다. 활동 종류는 단말(200-230)에서 이용자가 상점 정보를 검색하는 클릭 활동, 상점 정보에 대한 의견을 기록하는 리뷰 활동, 상점 정보에 대한 점수를 기록하는 평점 활동, 상점 정보에 대한 질문을 기록하는 질문 활동, 상점 정보에 타인이 기록한 질문에 대한 답변을 기록하는 답변 활동 그리고 상점 정보를 자신과 친구 관계를 맺고 있는 다른 이용자에게 추천하는 추천 활동을 포함할 수 있다. 활동 시간은 이용자의 상점 관련 활동이 이루어진 시간이다. 활동 내용은 활동 종류에 포함된 활동을 수행한 결과 정보를 포함한다.
이용자와 상점의 관계 테이블(145)은 단말(200-230)에 대응하는 이용자의 상점 관련 활동 정보에 따라 이용자와 상점 사이의 관계 정보를 저장하는 테이블이다. 유사 성향 분석부(120)는 상점 관련 활동 정보를 분석하여 각 단말(200-230)에 대응하는 선호 상점을 추출하여 이용자와 상점의 관계 테이블(145)에 기록한다. 이용자와 상점의 관계 테이블(145)은 이용자명, 상호명, 클릭 횟수, 리뷰 횟수, 평점 횟수, 체크인 횟수, 질문 횟수, 답변 횟수, 추천 여부 그리고 상점 선호 점수를 포함한다. 이용자명은 이용자 테이블(143)의 이용자명에 대응된다. 상호명은 상점 테이블(141)의 상호명에 대응된다. 클릭 횟수는 이용자가 특정 상점을 검색하기 위한 클릭한 횟수이다. 리뷰 횟수는 이용자가 특정 상점의 리뷰를 작성한 횟수이다. 평점은 이용자가 특정 상점에 평점을 남긴 점수이다. 체크인 횟수는 이용자가 특정 상점에 체크인한 횟수이다. 질문 횟수는 이용자가 특정 상점에 질문한 횟수이다. 답변 횟수는 이용자의 특정 상점에 대해 답변한 횟수이다. 추천 여부는 이용자가 특정 상점을 자신과 관계를 맺고 있는 다른 이용자에게 추천했는지를 기록한 정보이다. 상점 선호 점수는 상점에 대한 클릭 횟수, 리뷰 횟수, 평점, 체크인 횟수, 질문 횟수, 답변 횟수, 추천 여부에 대해 각각 가중치를 부여하여 계산한 값이다. 상점 선호 점수는 유사 성향 분석부(120)에서 계산되어 이용자와 상점의 관계 테이블(145)에 기록된다.
이용자와 업종의 관계 테이블(146)은 단말(200-230)에 대응하는 이용자와 업종 사이의 관계 정보를 포함하는 테이블이다. 유사 성향 분석부(120)는 이용자와 상점의 관계 테이블(145)에 저장된 정보를 분석하여 이용자와 업종의 관계 테이블(146)에 그 정보를 기록한다. 이용자와 업종의 관계 테이블(146)은 이용자명, 업종명, 업종 선호 점수를 포함한다. 이용자명은 이용자 테이블(143)의 이용자명에 대응된다. 업종명은 업종 테이블(142)의 업종명에 대응된다. 업종 선호 점수는 유사 성향 분석부(120)에서 계산되어 이용자와 업종의 관계 테이블(146)에 기록된다.
카테고리 테이블(147)은 상점을 상위 개념인 업종별로 분류하는 대신에 원하는 항목에 따라 재분류할 수 있도록 하기 위한 정보를 저장하는 테이블로서 카테고리명을 포함한다. 상점 추천 시스템(100)은 업종과 상관없이 각종 상점을 포함하는 카테고리를 만들고, 카테고리 내에서 상점을 추천할 수 있다.
도 3은 본 발명의 한 실시예에 따른 상점 추천 시스템에서 유사 성향 그룹을 분류하여 상점을 추천하는 방법을 나타내는 흐름도이다.
도 3을 참고하면, 상점 추천 시스템(100)은 단말(200)로부터 상점 방문 정보를 포함하는 상점 관련 활동 정보를 수신하여 저장한다(S310). 상점 관련 활동 정보는 단말(200)을 이용하는 이용자가 단말(200)을 통해 온라인 상점을 방문한 정보 등의 히스토리를 포함한다.
상점 추천 시스템(100)은 상점 관련 활동 정보를 기초로 각 상점의 선호 점수를 계산한다(S320).
상점 추천 시스템(100)은 각 상점의 선호 점수에 기초하여 단말(200)에 대응하는 선호 상점과 선호 업종을 추출한다(S330). 이때 상점 추천 시스템(100)은 업종별로 해당 업종에 포함된 각 상점의 선호 점수를 누적한 값을 구하고, 누적한 값이 선호 업종을 결정하기 위한 기준 점수보다 큰 값을 가지는 업종을 선호 업종으로 추출한다.
상점 추천 시스템(100)은 선호 업종에 기초하여 단말(200)을 해당하는 유사 성향 그룹으로 분류한다(S340). 상점 추천 시스템(100)은 상점 추천 시스템(100)을 이용하는 각 단말(200-230)의 선호 업종을 분석하고, 각 단말(200-230) 간의 선호 업종을 비교하여, 각 단말(200-230)의 선호 업종이 기준 개수 이상 일치하면 해당하는 단말(예를 들면 200과 210)을 유사 성향 그룹으로 분류할 수 있다.
상점 추천 시스템(100)은 단말(200)이 포함된 유사 성향 그룹에서 선호하는 상점을 추출하여 단말(200)에 제공한다(S350). 상점 추천 시스템(100)은 유사 성향 그룹에 포함된 각 단말의 선호 업종과 선호 상점을 이용하여 유사 성향 그룹의 선호 상점을 추출할 수 있다. 그리고 상점 추천 시스템(100)은 유사 성향 그룹에서 선호하는 상점별로 단말(200)의 선호 상점과 선호 업종에 기초하여 상점 추천 점수를 계산하고, 상점 추천 점수에 따라 순서대로 단말(200)에 상점을 추천할 수 있다.
도 4는 본 발명의 한 실시예에 따른 상점 추천 시스템에서 상점 추천 목록을 제공하는 방법을 나타내는 흐름도이다.
도 4를 참고하면, 상점 추천 시스템(100)은 단말(200)과 유사한 성향을 갖는 유사 성향 그룹의 선호 상점을 추출하여 상점 목록을 작성한다(S410). 유사 성향 그룹은 단말(200)과 일정 개수 이상의 선호 업종이 일치하는 적어도 하나의 다른 단말(예를 들면, 210)이 포함된 그룹이다. 이때 상점 목록은 유사 성향 그룹에 포함된 각 단말의 선호 상점을 포함할 수 있다.
상점 추천 시스템(100)은 유사 성향 그룹에서 선호하는 상점 목록에 단말(200)의 선호 상점을 반영하여 상점 추천 목록을 작성한다(S420).
상점 추천 시스템(100)은 상점 추천 목록에 포함된 상점이 단말(200)의 선호 업종에 포함된 상점이면 가중치를 부여하여 상점 추천 점수를 계산한다(S430). 즉, 상점 추천 시스템(100)은 단말(200)의 선호 업종에 포함된 상점은 단말(200)의 선호 업종에 포함되지 않은 상점보다 일정 점수를 가점하여 상점 추천 점수를 계산한다. 상점 추천 시스템(100)은 각 선호 상점에 대한 유사 성향 그룹 내에서의 선호 점수를 상점 추천 점수를 계산하기 위한 기준 점수로 이용할 수 있다. 이때 각 선호 상점에 대한 유사 성향 그룹 내에서의 선호 점수는 해당 선호 상점에 대한 유사 성향 그룹에 포함된 단말의 평균적 선호 점수로 계산될 수 있다.
다음 상점 추천 시스템(100)은 상점 추천 점수에 따라 단말(200)에 상점 추천 목록을 제공한다(S440). 이때 상점 추천 시스템(100)은 단말(200)이 상점 추천 시스템에 관련된 클라이언트를 실행하면 자동으로 상점 추천 목록을 제공하거나 단말(200)이 추천을 요청하면 이를 제공할 수 있다.
도 5a와 도 5b는 각각 본 발명의 한 실시예에 따른 선호 업종과 선호 상점의 대응 관계를 나타내는 도면이다.
먼저 도 5a를 참고하면, 상점 추천 시스템(100)은 단말(200)의 상점 관련 활동 정보를 기초로 각 상점의 선호 점수를 계산하고, 업종별로 해당 업종에 포함된 각 상점의 선호 점수를 누적한 값이 선호 업종을 결정하기 위한 기준 점수보다 큰 값을 가지는 업종을 선호 업종(10, 30, 50, 70, 90)으로 추출한다. 그리고 상점 추천 시스템(100)은 각 선호 업종(10, 30, 50, 70, 90)에 선호 상점(11-13, 31-33, 51-53, 71-73, 91-93)을 대응시킨 정보를 생성한다.
다음 도 5b를 참고하면, 상점 추천 시스템(100)은 단말(210)의 상점 관련 활동 정보를 기초로 각 상점의 선호 점수를 계산하고, 업종별로 해당 업종에 포함된 각 상점의 선호 점수를 누적한 값이 선호 업종을 결정하기 위한 기준 점수보다 큰 값을 가지는 업종을 선호 업종(10, 40, 50, 70, 90)으로 추출한다. 그리고 상점 추천 시스템(100)은 각 선호 업종(10, 40, 50, 70, 90)에 선호 상점(11-14, 41-43, 51, 53, 71, 74, 75, 91, 92, 94, 95)을 대응시킨 정보를 생성한다.
상점 추천 시스템(100)은 단말(200, 210)의 선호 업종을 비교하여, 선호 업종이 기준 개수 이상 일치하면 해당하는 단말(200, 210)을 유사 성향 그룹으로 분류할 수 있다.
상점 추천 시스템(100)은 단말(200)에 상점을 추천하기 위해 단말(200)이 포함된 유사 성향 그룹의 선호 상점, 즉 단말(200, 210)의 선호 상점(11-14, 31-33, 41-43, 51-53, 71-75, 91-93) 목록을 추출하고, 이 목록에서 단말(200)의 선호 상점(11-13, 31-33, 51-53, 71-73, 91-93)을 제외한 상점 추천 목록, 즉 상점(14, 41-43, 74, 75, 94, 95)을 포함하는 상점 추천 목록을 작성한다. 또는 상점 추천 시스템(100)은 유사 성향 그룹의 상점 추천 목록을 추출할 때, 먼저 유사 성향 그룹에서 단말(200)을 제외한 나머지 단말의 선호 상점을 분석하여 선호 상점 목록을 추출하고, 선호 상점 목록에서 단말(200)의 선호 상점을 제외하여 상점 추천 목록을 추출할 수 있다.
상점 추천 시스템(100)은 상점 추천 목록에 포함된 상점(14, 41-43, 74, 75, 94, 95)의 상점 추천 점수를 계산한다. 이때 상점 추천 시스템(100)은 상점 추천 목록에 포함된 상점이 단말(200)의 선호 업종에 포함되면, 해당 상점의 유사 성향 그룹 내에서의 선호 점수에 일정 점수를 가점하여 상점 추천 점수를 계산한다. 즉, 상점 추천 시스템(100)은 상점 추천 목록에 포함된 상점(14, 74, 75, 94, 95)의 업종(10, 70, 90)이 단말(200)의 선호 업종(10, 30, 50, 70, 90)에 포함되므로, 각 상점(14, 74, 75, 94, 95)에 대한 유사 성향 그룹 내에서의 선호 점수에 일정 점수를 가점하여 각 상점((14, 74, 75, 94, 95)의 추천 점수를 계산한다. 이와 같이 상점 추천 시스템(100)이 가점을 부여하는 이유는 상점 추천 목록 중 단말(200)의 선호 업종에 포함되는 상점은 아직 단말(200)의 선호 상점은 아니지만, 이후 선호 상점이 될 가능성이 높은 상점이기 때문이다.
이후 상점 추천 시스템(100)은 상점 추천 점수에 따라 정렬된 상점(14, 41-43, 74, 75, 94, 95)의 정보를 단말(200)에 제공한다.
이상 살펴본 바와 같이, 상점 추천 시스템(100)은 유무선 인터넷 환경에서 단말 이용자의 상점 관련 활동 정보를 기반으로 선호 상점과 선호 업종을 추출하고, 선호 업종이 유사한 단말 이용자 그룹을 유사 성향 그룹으로 설정한 후, 유사 성향 그룹의 선호 상점을 추천한다. 이를 통해 상점 추천 시스템(100)은 유사 성향 그룹에 포함된 단말 이용자에게 선호 상점을 빠르게 추천할 수 있으며, 유사 성향 그룹의 선호 상점을 추천하므로 추천 상점에 대한 만족도를 높일 수 있다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (15)

  1. 단말에 온라인 상점을 추천하는 상점 추천 시스템으로서,
    상기 단말로부터 상점 방문 정보를 포함하는 상점 관련 활동 정보를 수신하여 저장하는 모니터링부,
    상기 상점 관련 활동 정보를 기초로 각 상점의 선호 점수를 계산하여 상기 단말의 선호 상점과 선호 업종을 추출하고, 상기 선호 업종에 기초하여 유사 성향 그룹으로 분류하는 유사 성향 분석부, 그리고
    상기 단말이 포함된 유사 성향 그룹에서 선호하는 상점을 추출하여 상기 단말에 제공하는 상점 추천부
    를 포함하는 상점 추천 시스템.
  2. 제1항에서,
    상기 상점 관련 활동 정보는
    상점 방문 횟수 정보, 상점 방문 시간 정보, 상점 내 관심 상품 정보, 평점 정보 및 리뷰 정보 중 적어도 하나를 포함하는 상점 추천 시스템.
  3. 제1항에서,
    상기 유사 성향 분석부는
    상기 상점 관련 활동 정보에 가중치를 부여하여 상기 각 상점의 선호 점수를 계산하는 상점 추천 시스템.
  4. 제1항에서,
    상기 유사 성향 분석부는
    상기 각 상점이 포함된 업종별로 각 업종에 포함된 상점의 선호 점수를 누적한 값을 구하고, 상기 누적한 값에 기초하여 상기 단말의 상기 선호 업종을 추출하는 상점 추천 시스템.
  5. 제4항에서,
    상기 유사 성향 분석부는
    상기 누적한 값이 선호 업종을 결정하기 위한 기준 점수보다 큰 값을 가지는 업종을 상기 단말의 상기 선호 업종으로 추출하는 상점 추천 시스템.
  6. 제1항에서,
    상기 유사 성향 분석부는
    상기 상점 추천 시스템을 이용하는 복수 단말의 선호 업종을 각각 분석하고, 상기 복수 단말 중 선호 업종이 기준 개수 이상 일치하는 적어도 두 단말을 상기 유사 성향 그룹으로 분류하는 상점 추천 시스템.
  7. 제1항에서,
    상기 상점 추천부는
    상기 단말이 포함된 유사 성향 그룹에서 선호하는 상점별로 상기 단말의 선호 상점과 선호 업종에 기초하여 상점 추천 점수를 계산하고, 상기 상점 추천 점수에 따라 순서대로 상기 단말에 상점 추천 목록을 제공하는 상점 추천 시스템.
  8. 제7항에서,
    상기 상점 추천부는
    상기 단말이 포함된 유사 성향 그룹에서 선호하는 상점 목록을 작성하고, 상기 상점 목록에서 상기 단말의 선호 상점을 제외하여 상기 상점 추천 목록을 작성하며, 상기 상점 추천 목록에 포함된 상점이 상기 단말의 선호 업종에 포함되어 있는지에 따라 가중치를 부여하여 상기 상점 추천 점수를 계산하는 상점 추천 시스템.
  9. 상점 추천 시스템이 단말에게 상점을 추천하는 방법으로서,
    상기 단말로부터 상점 방문 정보를 포함하는 상점 관련 활동 정보를 수신하여 저장하는 단계,
    상기 상점 관련 활동 정보를 기초로 각 상점의 선호 점수를 계산하는 단계,
    상기 각 상점의 선호 점수에 기초하여 상기 단말의 선호 상점과 선호 업종을 추출하는 단계,
    상기 선호 업종에 기초하여 상기 단말을 해당하는 유사 성향 그룹으로 분류하는 단계, 그리고
    상기 유사 성향 그룹에서 선호하는 상점을 추출하여 상기 단말에 제공하는 단계
    를 포함하는 상점 추천 방법.
  10. 제9항에서,
    상기 선호 업종을 추출하는 단계는
    상기 각 상점이 포함된 업종별로 각 업종에 포함된 상점의 선호 점수를 누적한 값을 구하고, 상기 누적한 값이 선호 업종을 결정하기 위한 기준 점수보다 큰 값을 가지는 업종을 상기 선호 업종으로 추출하는 상점 추천 방법.
  11. 제10항에서,
    상기 유사 성향 그룹으로 분류하는 단계는
    상기 상점 추천 시스템을 이용하는 각 단말의 선호 업종을 분석하고 상기 각 단말 간의 선호 업종을 비교하여, 상기 각 단말의 선호 업종이 기준 개수 이상 일치하면 해당하는 단말을 상기 유사 성향 그룹으로 분류하는 상점 추천 방법.
  12. 상점 추천 시스템이 단말에게 상점을 추천하는 방법으로서,
    상기 단말과 유사한 성향을 가지는 유사 성향 그룹에서 선호하는 상점을 추출하여 상점 목록을 작성하는 단계,
    상기 상점 목록에서 상기 단말의 선호 상점을 제외하여 상점 추천 목록을 도출하는 단계,
    상기 상점 추천 목록에 포함된 상점이 상기 단말의 선호 업종에 포함된 상점인지 판단하여 가중치를 부여하여 상점 추천 점수를 계산하는 단계, 그리고
    상기 상점 추천 점수에 따라 상기 단말에 상기 상점 추천 목록을 제공하는 단계
    를 포함하는 상점 추천 방법.
  13. 제12항에서,
    상기 유사 성향 그룹은 상기 단말과 선호 업종이 기준 개수 이상 일치하는 적어도 하나의 다른 단말이 포함된 그룹인 상점 추천 방법.
  14. 제12항에서,
    상기 상점 추천 점수를 계산하는 단계는
    상기 상점 추천 목록에 포함된 상점이 상기 단말의 선호 업종에 포함되면 일정 점수를 가점하여 상기 상점 추천 점수를 계산하는 상점 추천 방법.
  15. 제12항에서,
    상기 상점 추천 목록을 제공하는 단계는
    상기 단말에서 상기 상점 추천 시스템에 관련된 클라이언트를 실행하면 상기 상점 추천 목록을 제공하는 상점 추천 방법.
KR1020100118266A 2010-11-25 2010-11-25 상점 추천 방법 및 시스템 KR20120076477A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100118266A KR20120076477A (ko) 2010-11-25 2010-11-25 상점 추천 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100118266A KR20120076477A (ko) 2010-11-25 2010-11-25 상점 추천 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR20120076477A true KR20120076477A (ko) 2012-07-09

Family

ID=46710092

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100118266A KR20120076477A (ko) 2010-11-25 2010-11-25 상점 추천 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR20120076477A (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014051959A1 (en) * 2012-09-27 2014-04-03 Intuit Inc. Using financial transactions to generate recommendations
WO2014143352A1 (en) * 2013-03-12 2014-09-18 Mastercard International Incorporated Systems and methods for recommending merchants
KR20160064448A (ko) 2014-11-28 2016-06-08 이종찬 유사 집합의 예상 선호도 대비 기반 아이템 추천 제공 방법
KR20160064446A (ko) 2014-11-28 2016-06-08 이종찬 선호 점수를 이용한 협력적 필터링 기반 선호도 예측 방법
KR20160064447A (ko) 2014-11-28 2016-06-08 이종찬 협력적 필터링의 예측 선호도를 이용한 처음 사용자에 대한 추천 제공 방법
US9530151B2 (en) 2014-11-26 2016-12-27 Mastercard International Incorporated Method and system for recommending a merchant based on transaction data
WO2017026852A1 (ko) * 2015-08-13 2017-02-16 정진호 상대 비교를 통한 상품 추천 서비스 방법 및 이를 위한 추천 서비스 장치와 프로그램
KR20200045628A (ko) * 2018-10-23 2020-05-06 차민진 감성 기반의 카페 추천 정보를 제공하는 서버 및 이를 이용한 카페 추천 방법
KR20200121513A (ko) 2019-04-16 2020-10-26 경북대학교 산학협력단 동작 인식 기반 조작 장치 및 방법
WO2020263007A1 (ko) * 2019-06-28 2020-12-30 주식회사 미식의시대 사용자의 음식 메뉴 결제와 관련된 평가자에게 리워드를 제공하는 음식 메뉴 추천 서버 및 그 방법

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014051959A1 (en) * 2012-09-27 2014-04-03 Intuit Inc. Using financial transactions to generate recommendations
WO2014143352A1 (en) * 2013-03-12 2014-09-18 Mastercard International Incorporated Systems and methods for recommending merchants
US10438269B2 (en) 2013-03-12 2019-10-08 Mastercard International Incorporated Systems and methods for recommending merchants
US9530151B2 (en) 2014-11-26 2016-12-27 Mastercard International Incorporated Method and system for recommending a merchant based on transaction data
KR20160064446A (ko) 2014-11-28 2016-06-08 이종찬 선호 점수를 이용한 협력적 필터링 기반 선호도 예측 방법
KR20160064447A (ko) 2014-11-28 2016-06-08 이종찬 협력적 필터링의 예측 선호도를 이용한 처음 사용자에 대한 추천 제공 방법
KR20160064448A (ko) 2014-11-28 2016-06-08 이종찬 유사 집합의 예상 선호도 대비 기반 아이템 추천 제공 방법
WO2017026852A1 (ko) * 2015-08-13 2017-02-16 정진호 상대 비교를 통한 상품 추천 서비스 방법 및 이를 위한 추천 서비스 장치와 프로그램
KR101866514B1 (ko) * 2015-08-13 2018-06-12 정진호 상대 비교를 통한 상품 추천 서비스 방법 및 이를 위한 추천 서비스 장치와 프로그램
KR20200045628A (ko) * 2018-10-23 2020-05-06 차민진 감성 기반의 카페 추천 정보를 제공하는 서버 및 이를 이용한 카페 추천 방법
KR20200121513A (ko) 2019-04-16 2020-10-26 경북대학교 산학협력단 동작 인식 기반 조작 장치 및 방법
WO2020263007A1 (ko) * 2019-06-28 2020-12-30 주식회사 미식의시대 사용자의 음식 메뉴 결제와 관련된 평가자에게 리워드를 제공하는 음식 메뉴 추천 서버 및 그 방법

Similar Documents

Publication Publication Date Title
KR20120076477A (ko) 상점 추천 방법 및 시스템
US11087413B2 (en) Identity mapping between commerce customers and social media users
US20130332385A1 (en) Methods and systems for detecting and extracting product reviews
KR101871747B1 (ko) 유사성향 기반 사용자-관광상품 추천 방법 및 시스템
KR100961783B1 (ko) 인공지능에 기반한 제품 및 제품 벤더 추천 장치 및 방법, 그 기록 매체
JP5960887B1 (ja) 算出装置、算出方法及び算出プログラム
US20110087679A1 (en) System and method for cohort based content filtering and display
Tamaddoni et al. Comparing churn prediction techniques and assessing their performance: A contingent perspective
US20130204822A1 (en) Tools and methods for determining relationship values
US20150095105A1 (en) Industry graph database
JP5852218B1 (ja) 生成装置、生成方法及び生成プログラム
Scholz et al. Using PageRank for non-personalized default rankings in dynamic markets
WO2017028735A1 (zh) 选择及推荐展示对象的方法及装置
US8478702B1 (en) Tools and methods for determining semantic relationship indexes
US20160042428A1 (en) Personalized product recommendation based on brand personality scale
Baumann et al. The price of privacy
JP5061999B2 (ja) 解析装置、解析方法及び解析プログラム
KR101646312B1 (ko) 개인행동기반 관심 대상 및 선호 분야 분석시스템 및 그 방법
JP6329284B2 (ja) 生成装置、生成方法及び生成プログラム
US20140337101A1 (en) System and method for businesses to collect personality information from their customers
JP2016119076A (ja) 生成装置、生成方法及び生成プログラム
Iakovou et al. Customer behaviour analysis for recommendation of supermarket ware
JP4962950B2 (ja) ネットワーク上のユーザに対するレコメンデーションの方法、レコメンデーションサーバ及びプログラム
KR101865216B1 (ko) 사용자 선호 맞춤형 평가 관리 방법
JP6067169B2 (ja) 算出装置、算出方法及び算出プログラム

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination