KR20140072427A

KR20140072427A - Method and apparatus to recommend products reflecting characteristics of users

Info

Publication number: KR20140072427A
Application number: KR1020120139662A
Authority: KR
Inventors: 윤영선; 김제민; 서동훈; 박세윤
Original assignee: 에스케이플래닛 주식회사
Priority date: 2012-12-04
Filing date: 2012-12-04
Publication date: 2014-06-13
Also published as: KR102097045B1

Abstract

According to the present invention, disclosed is a product recommendation server. The server includes a purchase information collecting unit which collects purchase information of a buyer and other buyers who have a history of purchasing the same product as that of the buyer; a same purchase relation analysis unit which analyzes the same purchase relation between the buyer and other buyers based on the collected purchase information; a product evaluation score calculation unit which calculates an evaluation score for each of products which other buyers have purchased based on the analyzed same purchase relation; and a recommendation product selection unit which selects products to be recommended to the buyer among the products which other buyers have purchased based on the calculated evaluation score for each product.

Description

[0001] METHOD AND APPARATUS TO RECOMMEND PRODUCTS REFLECTING CHARACTERISTICS OF USERS [0002]

본 발명은 상품 추천 방법에 관한 것으로서, 보다 상세하게는 구매자의 취향이나 소비행태를 분류해낼 수 있는 정보를 수집하여 분석한 후, 추천 리스트에 반영하는 방법에 관한 것이다.The present invention relates to a product recommendation method, and more particularly, to a method for collecting and analyzing information that can classify a buyer's taste or consumption behavior, and then reflecting the information on a recommendation list.

전통적인 오프라인 마켓 및 인터넷이나 모바일 포털 사이트에 입점한 쇼핑몰 혹은 온라인 마켓에서는 구매 고객 (혹은 구매를 위해 방문한 고객)이 마켓을 방문했을 때 첫 페이지에서 또는 특정 상품을 클릭하여 살펴보는 동안에 다양한 방법으로 고객에게 상품을 추천하고 있다. 예를 들어, 그 쇼핑몰에서 가장 인기 있는 상품을 추천하는 방법, 방문자의 과거 구매이력이 있는 경우 그 구매 이력을 분석하여 고객의 관심 분야를 유추한 후 추천하는 방법, 고객이 살펴보는 상품과 가장 유사한 상품을 추천하는 방법, 또는 살펴보는 상품과 같이 많이 팔린 상품을 추천하는 방법 등이 현재 많이 사용하고 있는 방법들이다.In a traditional offline market and a shopping mall or online marketplace on the Internet or a mobile portal site, when a purchaser (or a customer visiting for a purchase) visits the market, We recommend product. For example, the most popular products in the shopping mall are recommended. If there is a past purchase history of the visitor, the purchase history is analyzed to infer the customer's interest field, and the recommendation method is most similar to the product How to recommend a product or how to recommend a product that is sold, such as a product to look at are the methods that are currently in use.

즉, 단순 판매 횟수에 따른 인기도 추천, 쇼핑몰 이용자의 구매 이력이나 클릭 로그를 분석하여 사전 정의된 상품들의 특징들 속에서 어떤 상품이 어떤 상품과 유사한지를 계산한 후 그 유사도(연관도)에 따른 추천 등이 일반적이었다. 예를 들어 특정가격 대의 이어폰을 보고 있는 고객에게 가격대가 비슷한 상품을 보여준다 거나, 같은 브랜드의 다른 이어폰을 보여 주는 방식이었다.In other words, by analyzing the purchase history or click log of the shopping mall user by referring to the popularity recommendation according to the number of simple sales, it is possible to calculate which product is similar to which product in the characteristics of the predefined product, . For example, it shows customers who are looking at earphones at a certain price, products that have a similar price range, or other earphones of the same brand.

이러한 종래 방식은 고객별로 특화된 취향(예: 이어폰을 살 때 고려하는 특징 중 음질이 뛰어난 제품에 관심)이나 소비행태(예: 고가의 제품보다는 가격대비 성능비를 따지는 고객)를 반영하는 데 한계가 있어, 고객의 특성을 반영한 개인 맞춤형 추천과는 거리가 있었다.These conventional methods have limitations in reflecting customer-specific tastes (for example, those interested in sound quality among the characteristics considered when buying earphones) or consumption behavior (for example, customers who pay for price performance rather than expensive ones) , And personalized recommendations that reflect customer characteristics.

따라서, 이러한 한계를 극복하면서도 고객의 구매이력, 상품의 메타 정보 중 고객의 취향이나 소비행태를 분류해낼 수 있는 정보를 수집하여 분석한 후 추천 리스트에 반영하는 개인 맞춤형 추천 방법이 요청된다.Therefore, a personalized recommendation method is required that collects and analyzes information that can classify the customer's taste or consumption behavior among the customer's purchase history and product meta information while overcoming such limitations, and reflects on the recommendation list.

본 명세서는 상품 추천 방법 및 그에 사용되는 장치를 제안하는 것에 그 목적이 있다. 보다 구체적으로는 특정 구매자 및 타 구매자의 구매정보를 분석하여 취향, 소비행태에 맞춘 추천 상품을 제시하는 방법 및 장치를 제공하는 것에 목적이 있다.It is an object of the present invention to propose a product recommendation method and apparatus used therefor. And more particularly, to a method and apparatus for analyzing purchase information of a specific purchaser and other purchasers to provide a recommendation commodity suitable for a taste and a consumption behavior.

본 명세서는 일 실시예로서 상품추천 서버를 제공한다. 상기 서버는 상기 서버는 구매자 및 상기 구매자와 공통된 상품을 구매한 이력이 있는 타 구매자의 구매정보를 수집하는 구매정보 수집부와; 상기 수집된 구매정보를 기반으로 상기 구매자 및 상기 타 구매자와의 공통구매 관계를 분석하는 공통구매관계 분석부와; 상기 분석된 공통구매 관계를 기반으로 상기 타 구매자가 구매한 각 상품별 평가점수를 계산하는 상품평가점수 계산부와; 상기 계산된 각 상품별 평가점수를 기반으로 상기 타 구매자가 구매한 상품 중에서 상기 구매자에게 추천할 상품을 선정하는 추천상품 선정부를 포함할 수 있다.The present specification provides an article recommendation server as an embodiment. The server includes a purchase information collecting unit for collecting purchase information of a purchaser and other purchasers having a history of purchasing a commodity common to the purchaser; A common purchase relationship analyzing unit for analyzing a common purchase relationship with the purchaser and the other purchaser based on the collected purchase information; A merchandise score calculation unit for calculating the score of each product purchased by the other purchaser based on the analyzed common purchase relationship; And a recommended product selection unit for selecting a product to be recommended to the buyer among the products purchased by the other buyer based on the calculated evaluation score for each product.

상기 구매자 및 상기 타 구매자는 기 정의된 상품 구매시기, 상품 카테고리 또는 상품 구매횟수에 대한 조건 중 하나 이상을 만족하는 구매자일 수 있다.The purchaser and the other purchaser may be purchasers satisfying at least one of conditions of the predefined commodity purchase period, the commodity category, or the number of commodity purchases.

상기 상품평가점수 계산부는 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치를 곱하여 상기 상품에 대한 기본평가점수를 계산하며, 상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정될 수 있다.The product score calculation unit calculates a basic evaluation score of the product by multiplying the sales frequency of the product purchased by the other purchaser by a common purchase weight, and the common purchase weight is calculated by multiplying the common purchase weight by the purchase price Can be determined according to the number of times.

상기 상품평가점수 계산부는 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 구매영향력지수를 곱하여 상기 상품에 대한 기본평가점수를 계산하며,The product score calculation unit calculates a basic score of the product by multiplying the number of sales of the product purchased by the other purchaser by the common purchase weight and the purchase influence index of the other purchaser,

상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정되고,The common purchase weight is determined according to the number of times that the purchaser and the other purchaser purchase the same commodity,

상기 구매영향력 지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, 또는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출될 수 있다.The purchasing power influence index is calculated based on the number of purchases of the paid goods commonly purchased by the purchaser and other purchasers, the total purchase amount of the paid goods, or the number of purchases of the free goods commonly purchased by the purchaser and other buyers Based on the above.

상기 구매영향력 지수는 하기 수학식을 사용하여 산출되고,The purchase influence index is calculated using the following equation,

여기서

는 구매영향력지수 산출 대상인 구매자 A의 구매영향력지수이고,here

Is the purchasing power influence index of purchaser A, which is the target of calculating the purchasing influence index,

상기

는 구매영향력지수 산출 대상인 구매자 A와 다른 구매자 B가 공통적으로 구매한 유료 상품의 개수이고, 상기

는 상기 구매자 A와 상기 다른 구매자 B가 공통적으로 구매한 유료 상품의 가격 총액이고,remind

Is the number of paid goods commonly purchased by the purchaser A and the buyer B other than the buyer A,

Is the total price of the paid goods commonly purchased by the buyer A and the other buyer B,

상기

는 무료 상품의 총 구매 횟수에 따라 구분된 하나 이상의 구매구간이고, 상기

는 상기 구매구간마다 부여된 구매 횟수 가중치이고, 상기

는 상기 구매구간에서 상기 구매자와 다른 구매자가 공통적으로 구매한 무료 상품의 구매 횟수이고,remind

Is one or more purchase periods divided according to the total number of purchase of free goods,

Is a purchase number weight assigned to each purchase section,

Is the number of purchases of the free goods commonly purchased by the buyer and the buyer in the purchase interval,

상기

는 상기 유료상품 구매가 상기 구매영향력지수에 기여하는 기여 가중치이고, 상기

는 상기 무료상품 구매가 상기 구매영향력지수에 기여하는 기여가중치이다.remind

Is a contribution weight in which the purchase of the paid goods contributes to the purchase influence index,

Is a contribution weight in which the free goods purchase contributes to the purchase influence index.

상기 상품평가점수 계산부는 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 수용수준지수를 곱하여 상기 상품에 대한 기본평가점수를 계산하며,The product score calculation unit may calculate a basic score of the product by multiplying the number of sales of the product purchased by the other purchaser by a common purchase weight and an acceptance level index of the other purchaser,

상기 수용수준지수는 상기 구매자의 상품 구매시점을 반영한 구매영향력지수를 기반으로 산출되며,The acceptance level index is calculated based on the purchase influence index reflecting the purchase point of the buyer,

상기 구매영향력지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, The purchasing power influence index includes a number of purchases of the paid goods commonly purchased by the purchaser and other buyers, a total purchase amount of the paid goods,

또는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출될 수 있다.Or the number of purchases of free goods commonly purchased by the buyer and other buyers.

상기 수용수준지수는 하기 수학식을 사용하여 산출되고,The acceptance level index is calculated using the following equation,

여기서 상기

는 수용수준지수 산출 대상인 구매자 A의 수용수준지수이고, `상기

는 상품출시일을 기준으로 구분한 소정의 구매구간(k)에서 계산한 구매영향력지수이고, 상기

는 상기 구매구간 별로 설정된 가중치이며,Here,

Is the acceptance level index of buyer A, which is the target of calculating the acceptance level index,

Is a purchase influence index calculated at a predetermined purchase interval (k) divided on the basis of a product release date,

Is a weight value set for each purchase interval,

여기서

상기

는 상기 구매구간마다 부여된 구매 횟수 가중치이고, 상기

Is a purchase number weight assigned to each purchase section,

상기

는 상기 무료상품 구매가 상기 구매영향력지수에 기여하는 기여 가중치이다.remind

상기 상품의 판매 횟수는, 해당 상품이 속하는 카테고리의 상품을 소정의 기준 이상으로 구매한 구매자에게 상기 상품이 판매된 횟수일 수 있다.The number of sales of the commodity may be the number of times the commodity is sold to the purchaser who purchased the commodity of the category to which the commodity belongs at a predetermined standard or more.

상기 평가점수는 상기 기본평가점수에 카테고리 가중치, 구매영향력 가중치 및 수용수준 가중치 중 어느 하나 이상을 곱하여 계산되며,The evaluation score is calculated by multiplying the basic evaluation score by at least one of a category weight, a purchase influence weight, and an acceptance level weight,

상기 카테고리 가중치는 상기 구매자가 구매한 상품이 속하는 상품 카테고리와 상기 타 구매자가 구매한 상품이 속하는 상품 카테고리의 유사도에 따라 결정되고,The category weight is determined according to the degree of similarity between the product category to which the product purchased by the buyer belongs and the product category to which the product purchased by the other buyer belongs,

상기 구매영향력 가중치는 상기 구매자의 구매영향력 지수와 상기 타 구매자의 구매영향력 지수 간의 유사도에 따라 결정되고,The purchasing influence weight is determined according to the degree of similarity between the buying influence index of the purchaser and the purchasing influence index of the other purchaser,

상기 수용수준 가중치는 상기 구매자의 수용수준지수와 상기 타 구매자의 수용수준지수 간의 유사도에 따라 결정되고, 상기 수용수준지수는 상기 구매자의 상품 구매시점을 반영한 구매영향력지수를 기반으로 산출되며, 상기 구매영향력지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, 또는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출될 수 있다.Wherein the acceptance level weight is determined based on a degree of similarity between the acceptance level index of the buyer and an acceptance level index of the other buyer, the acceptance level index is calculated based on a purchase influence index reflecting the buyer's purchase point of time, The influential index is calculated based on at least one of the number of purchases of the paid goods commonly purchased by the buyer and the other purchasers, the total purchase amount of the paid goods, or the number of purchases of the free goods commonly purchased by the buyer and other buyers . &Lt; / RTI >

본 명세서는 다른 실시예로서 구매자에게 상품을 추천하는 방법를 제공한다. 상기 방법은 상기 구매자 및 상기 구매자와 공통된 상품을 구매한 이력이 있는 타 구매자의 구매 정보를 수집하고, 상기 수집된 구매정보를 기반으로 상기 구매자 및 상기 타 구매자와의 공통구매 관계를 분석하는 단계와; 상기 분석된 공통구매 관계를 기반으로 상기 타 구매자가 구매한 각 상품별 평가점수를 계산하는 단계와; 상기 계산된 각 상품별 평가점수를 기반으로 상기 타 구매자가 구매한 상품 중에서 상기 구매자에게 추천할 상품을 선정하는 단계를 포함할 수 있다.This specification provides, as another embodiment, a method for recommending a product to a buyer. The method includes collecting purchase information of another purchaser having a history of purchasing a commodity common to the purchaser and the purchaser, analyzing a common purchasing relationship with the purchaser and the other purchaser based on the collected purchase information, ; Calculating an evaluation score for each product purchased by the other purchaser based on the analyzed common purchase relationship; And selecting a product to be recommended to the buyer among the products purchased by the other buyer based on the calculated evaluation score of each product.

상기 평가점수를 계산하는 단계는, 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치를 곱하여 상기 상품에 대한 기본평가점수를 계산하는 단계이며, 상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정될 수 있다.Wherein the step of calculating the evaluation score is a step of calculating a basic evaluation score for the product by multiplying the sales number of the product purchased by the other purchaser by a common purchase weight, And can be determined according to the number of times the same item is purchased.

상기 평가점수를 계산하는 단계는, 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 구매영향력지수를 곱하여 상기 상품에 대한 기본평가점수를 계산하는 단계이며,Calculating the evaluation score is a step of calculating a basic evaluation score for the product by multiplying the number of sales of the product purchased by the other purchaser by the common purchase weight and the purchasing influence index of the other purchaser,

상기 구매영향력 지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, The purchasing power influence index includes a number of purchases of the paid goods commonly purchased by the purchaser and other buyers, a total purchase amount of the paid goods,

여기서

상기

는 상기 구매구간마다 부여된 구매 횟수 가중치이고, 상기

Is a purchase number weight assigned to each purchase section,

상기

상기 평가점수를 계산하는 단계는,The step of calculating the evaluation score includes:

상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 수용수준지수를 곱하여 상기 상품에 대한 기본평가점수를 계산하는 단계이며,Calculating a basic evaluation score for the product by multiplying the sales count of the product purchased by the other purchaser by the common purchase weight and the acceptance level index of the other purchaser,

여기서 상기

는 상기 구매구간 별로 설정된 가중치이며,Here,

Is a weight value set for each purchase interval,

여기서

상기

는 상기 구매구간마다 부여된 구매 횟수 가중치이고, 상기

Is a purchase number weight assigned to each purchase section,

상기

본 명세서의 실시예들은 구매자들의 구매 이력을 분석하고 추천 상품을 제시하는 과정에 있어서, 유사한 구매 행동을 갖는 타 구매자가의 구매 경향을 반영하여 소비자의 기호에 보다 맞춤화된 상품을 추천할 수 있는 효과가 있다. 더 나아가 본 명세서의 실시예들은 고객의 구매영향력 지수에 따른 차등 광고나 상품 추천에 적극 활용될 수 있는 효과도 성취할 수 있다.Embodiments of the present invention can be applied to a method of analyzing purchasing history of purchasers and presenting a recommended product by reflecting the purchasing tendency of other purchasers having similar purchasing behavior and recommending more customized products to consumers' . Furthermore, the embodiments of the present invention can also achieve the effect of being actively utilized in the differential advertisement and product recommendation according to the purchasing influence index of the customer.

도 1a 및 도 1b는 본 발명의 일 실시예에 따른 상품추천 방법을 나타낸 흐름도 및 공통구매 관계 분석의 예시도이다.
도 2는 본 발명의 일 실시예에 따른 상품평가점수 계산 방법을 설명하는 예시도이다.
도 3은 본 발명의 일 실시예에 따른 상품추천 서버의 블록도이다.FIGS. 1A and 1B are flowcharts illustrating a method of recommending a product according to an embodiment of the present invention and examples of common purchase relationship analysis.
2 is an exemplary diagram for explaining a method for calculating a merchandise score according to an embodiment of the present invention.
3 is a block diagram of a product recommendation server according to an embodiment of the present invention.

본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 명세서에서 사용되는 기술적 용어는 본 명세서에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다.It is noted that the technical terms used herein are used only to describe specific embodiments and are not intended to limit the invention. It is also to be understood that the technical terms used herein are to be interpreted in a sense generally understood by a person skilled in the art to which the present invention belongs, Should not be construed to mean, or be interpreted in an excessively reduced sense.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings, wherein like reference numerals refer to like or similar elements throughout the several views, and redundant description thereof will be omitted. In the following description, well-known functions or constructions are not described in detail since they would obscure the invention in unnecessary detail.

도 1a 및 도 1b는 본 발명의 일 실시예에 따른 상품추천 방법을 나타낸 흐름도 및 공통구매 관계 분석의 예시도이다.FIGS. 1A and 1B are flowcharts illustrating a method of recommending a product according to an embodiment of the present invention and examples of common purchase relationship analysis.

먼저, 도 1a는 본 발명의 일 실시예에 따른 상품추천 방법을 나타낸 흐름도이다. 상기 상품추천 방법은 상품추천 서버(이하, 서버)에 의해 수행된다. 상기 서버는 내부 또는 외부 장치로부터 다수 구매자의 구매정보를 수집한다(S210). 상기 구매정보는 각 구매자 별 구매 상품(유료/무료)의 종류, 구매 시기, 구매 금액 등의 정보를 포함한다.1A is a flowchart illustrating a product recommendation method according to an embodiment of the present invention. The product recommendation method is performed by a product recommendation server (hereinafter referred to as a server). The server collects purchase information of a plurality of purchasers from an internal or external device (S210). The purchase information includes information such as the type of purchased goods (paid / free of charge) for each buyer, the purchase timing, and the purchase amount.

이때 상기 서버는 구매한 상품의 종류를 한정하는 카테고리, 특정 상품의 누적 판매횟수, 구매 시기 등의 조건이 부가될 수 있다. 예를 들면, 생활 가전(카테고리 조건) 중 1달 동안(기간 조건) 최소 10번 이상(누적 판매 횟수 조건) 판매된 상품을 대상으로 상기 구매정보를 수집할 수 있다.At this time, the server may add a category defining a type of the purchased commodity, a cumulative sales number of the specific commodity, a purchase time, and the like. For example, the purchasing information can be collected for products sold at least 10 times (cumulative sales count condition) for one month in the household appliances (category conditions) (period conditions).

상기 서버는 상기 구매정보를 바탕으로 구매자 간의 공통구매 관계를 분석할 수 있다(S220). 즉, 다수 구매자가 공통적으로 구매한 유료/무료 상품의 개수, 구매 금액 등의 관계를 분석할 수 있다. 여기서 상기 공통구매 관계를 가시적으로 나타내는 다이어그램을 ‘그래프 네트워크(Graph Network)’라 칭한다. 상기 ‘그래프 네트워크’는 노드(node)와 엣지(edge)로 구성되며, 상기 노드(node)는 구매자를 나타내고, 상기 엣지(edge)는 두 구매자가 공통적으로 구매한 상품에 대한 구매정보를 나타낸다. 도 1b는 상기 ‘그래프 네트워크’의 예시도이다.The server can analyze the common purchasing relationship between buyers based on the purchase information (S220). That is, it is possible to analyze the relationship between the number of paid / free merchandise purchased by a plurality of purchasers and the purchase amount. Here, the diagram that visually shows the common purchase relationship is referred to as a 'graph network'. The 'graph network' is composed of a node and an edge, the node represents a buyer, and the edge represents purchase information for a product commonly purchased by two buyers. 1B is an illustration of the 'graph network'.

도 1b를 참조하여 보면, 상기 서버는 두 구매자가 소정의 기간 동안 공통으로 구매한 상품의 개수를 유료와 무료의 경우로 각각 나누어 집계하고, 공통적으로 구매된 상품에 지출한 총 금액을 엣지(Edge)의 파라미터(parameter)로 처리한다. 여기서, 상기 파라미터는 (유료상품 개수, 무료상품 개수, 구매금액)으로 구성될 수 있다.Referring to FIG. 1B, the server compares the number of products purchased by two buyers in common for a predetermined period of time, and the total amount of money spent on the commodities that are commonly purchased is divided into edge ) As a parameter. Here, the parameter may be composed of (number of paid goods, number of free goods, purchased amount).

예를 들어 2012년 6월 1일부터 30일 간의 구매정보를 분석한 결과, 구매자 A와 B가 총 5개의 같은 상품 a, b, c, d, e를 구매하였다고 가정한다. 또한 같은 기간에 구매자 A와 C가 총 7개의 상품 a, c, e, f, g, h, i를 구매하였다고 가정하자. For example, from the analysis of purchase information from June 1 to 30, 2012, it is assumed that buyers A and B purchased a total of five identical goods a, b, c, d, and e. Also assume that buyers A and C purchased a total of seven goods a, c, e, f, g, h, i in the same period.

상품 a의 가격은 1000원, b는 5000원, c는 10000원, i는 3000원이고, 상품 d, e, f, g 및 h는 무료(0원)일 때, 구매자 A와 B를 노드(node)로 하는 엣지(edge)가 형성되며, 두 노드(node)간 엣지(edge)의 파라미터는 (3, 2, 16000)이 된다. 한편 구매자 A와 C를 노드(node)로 하는 엣지(edge)에서, 두 노드(node)간 엣지(edge)의 파라미터는 (3, 4, 14000)이 된다.The prices of goods a, b, and c are 5,000, 5,000, 10,000, and 3,000 won, respectively. When goods d, e, f, g and h are free (0 won) node, and the edge parameter between the two nodes is (3, 2, 16000). On the other hand, at the edge where buyer A and node C are nodes, the edge parameter between two nodes becomes (3, 4, 14000).

여기서 가격을 나타내는 수가 큰 경우에는 스케일 다운(Scale down)을 위해 Log 값을 사용할 수도 있다. 예컨대, log₁₀(구매금액+10)을 구매금액 대신 사용한다. 이 경우 (3, 2, log₁₀(16010))과 (3, 4, log₁₀(14010))이 A-B 및 A-C 각각의 엣지(edge) 파라미터가 된다. (이러한 예시가 도 1b에 도시되어 있다.)Here, if the number indicating the price is large, a log value may be used for scaling down. For example, log ₁₀ (purchase amount + ₁₀ ) is used instead of purchase amount. In this case (3, 2, log ₁₀ (16010)) and (3, 4, log ₁₀ (14010)) are the edge parameters of AB and AC, respectively. (An example of which is shown in FIG. 1B).

상기 그래프 네트워크 분석시에, 두 노드(node)간 공통 구매한 상품의 개별 가격이 소정의 범위에 포함될 경우만 분석에 포함시킬 수 있다. 예를 들어, 1만원 미만의 상품들 만을 대상으로 하여 상기 그래프 네트워크 분석을 수행하거나, 또는 50원에서 5000원 사이 가격의 상품들 만을 대상으로 하여 상기 그래프 네트워크 분석을 수행할 수도 있다. 이러한 제한은 소수의 고가 상품이 상기 분석에 지나치게 큰 영향을 주는 것을 방지하는 데에 도움이 될 수 있다.In the graph network analysis, only the case where the individual price of the commodity purchased jointly between two nodes is included in the predetermined range can be included in the analysis. For example, the graph network analysis may be performed only on products of less than 10,000 won, or the graph network analysis may be performed on products of 50 yen to 5000 yen price only. This restriction can help prevent a small number of high priced products from having too much of an impact on the analysis.

상기의 방법을 통해 상기 서버는 모든 구매자간 공통 구매이력을 기반으로 공통구매 관계를 분석한다.Through the above method, the server analyzes the common purchase relationship based on the common purchasing history between all purchasers.

다음으로 상기 서버는 구매자에게 추천할 상품을 평가한다. 본 명세서에서 개시하는 방법에서 상기 서버는 어느 한 구매자에게 추천할 상품을 선정하기 위하여 공통구매 관계가 있는 타 구매자가 구매한 상품에 대한 평가점수를 계산하는 과정을 수행한다(S230).Next, the server evaluates a product to be recommended to the buyer. In the method disclosed in the present specification, the server performs a process of calculating an evaluation score for a product purchased by another buyer having a common purchase relationship to select a product to be recommended to a buyer (S230).

상품추천 서버는 상품에 대한 평가점수 계산을 위하여 상기에서 설명한 공통구매 관계분석을 좀 더 상세히 수행하게 된다. 이하에서는 도 2를 참조하여 공통구매 관계분석과 평가점수 계산방법을 설명한다.The commodity recommendation server performs the common purchase relationship analysis described above in more detail in order to calculate the score of the commodity. Hereinafter, common purchase relationship analysis and evaluation score calculation methods will be described with reference to FIG.

도 2는 본 발명의 일 실시예에 따른 공통구매 관계분석 및 상품평가점수 계산 방법을 설명하는 예시도이다.2 is an exemplary diagram illustrating a common purchase relationship analysis and a product evaluation score calculation method according to an embodiment of the present invention.

상품추천 서버는 공통구매 관계 분석 대상자로 선정된 구매자들을 노드(node)로 하는 공통구매 관계도(그래프 네트워크)를 생성한다. 도 1b에서 설명한 것과 같이 엣지(edge)는 두 노드(node) 간에 공통으로 구매한 상품이 있는 경우에 생성된다. 엣지(edge)에 수반되는 파라미터는 공통구매 횟수(유료와 무료 상품을 나누어 집계 또는 함께 집계)와 공통구매 금액(혹은 공통구매 금액에 Log와 같은 특정 함수 값을 취한 값)을 포함할 수 있다.The commodity recommendation server generates a common purchasing relationship diagram (graph network) in which the purchasers selected as the common purchasing relationship analysis subject are nodes. As described with reference to FIG. 1B, an edge is generated when there is a commodity that is commonly purchased between two nodes. The parameters associated with the edge may include a common purchase count (aggregated or aggregated pay and free goods) and a common purchase price (or a value obtained by taking a specific function value such as Log in the common purchase amount).

특정 노드(node)에서 엣지(edge)로 직접 연결되어 있는 노드(node)들을 ‘경로(Shortest Path) 길이가 1인 이웃(Neighbors)’이라 칭하고, 경로 길이가 1인 이웃에 경로 길이 1로 연결된 이웃을 ‘경로 길이가 2인 이웃’이라 칭한다. (k가 1보다 큰 양의 정수라면, 특정 노드(node)의 경로 길이가 k인 이웃들은, 경로 길이가 k-1인 이웃들이 경로 길이가 1인 이웃을 모두 포함한 경우이다.) 이하에서는 편의상 경로 길이가 1인 이웃만 고려하며, 여타의 수식어를 생략한 ‘이웃’이라고 칭한다.A node directly connected to an edge from a specific node is referred to as a 'Neighborhood with a shortest path length of 1', and a node with a path length of 1 is connected to a neighbor with a path length of '1' The neighbors are called 'neighbors with a path length of 2'. (If k is a positive integer greater than 1, neighbors with a path length k of a particular node will have neighbors with a path length of k-1 and all neighbors with a path length of 1.) Only neighbors with a path length of 1 are considered, and other neighbors are omitted.

상품추천 서버는 각 노드(node)별로 공통구매 관계도(그래프 네트워크) 상의 이웃들과 엣지(edge)로 이루어진 공통구매 관계(또는 서브-그래프)를 기반으로 각 노드(node)별로 상품추천 리스트를 생성할 수 있다. 예를 들어 “X”라는 노드(node)의 이웃으로 A, B, C 세 노드(node) 가 있다고 가정하면, 그들로 이루어지는 공통구매 관계는 도 2의 (a)와 같다.The commodity recommendation server generates a commodity recommendation list for each node based on a common purchase relationship (or sub-graph) composed of edges and neighbors on a common purchase relationship diagram (graph network) for each node. can do. For example, assuming that there are three nodes A, B, and C as neighbors of a node "X", the common purchasing relationship therebetween is as shown in FIG.

도 2의 (a)에 도시한 공통구매 관계에서 모든 노드 “X, A, B, C”에 영향력 지표(구매력 기반의 영향력 지표)와 영향력 지표에 따른 레벨값, 카테고리 선호도(구매이력을 분석하여 카테고리 별 구매상품 분포에 따라 상위에 해당하는 카테고리를 하나 이상 선정)를 계산하면, 위의 공통구매 관계에서 “X”노드(node)의 이웃 노드(node)들의 영향력 지수 BPI(Buying Power Index, 구매영향력 지수)와 ALI(Adoption Level Index, 수용수준 지수; 상품의 출시일 대비 구매자의 구매일을 고려한 구매력 영향력 지수)가 결합되어 도 2의 (b)와 같은 Sub-graph가 생긴다. 도 2의 (b)에서 BPI_X와 ALI_X는 각각 노드(node) X의 BPI값 및 ALI값을 나타낸다.(Purchasing power-based influential index) and level value and category preference (by analyzing the purchasing history) according to the influential index on all the nodes "X, A, B, C" in the common purchasing relationship shown in FIG. (Buying Power Index, Purchasing Power Index) of neighboring nodes of the "X" node in the above common purchase relationship, And a purchasing power influence index in consideration of the buyer's purchasing date with respect to the date of purchase) together with the sub-graph as shown in FIG. 2 (b). In FIG. 2B, BPI_X and ALI_X indicate the BPI value and the ALI value of the node X, respectively.

여기서 구매영향력 지수 BPI와 ALI는 아래와 같이 계산될 수 있다. 먼저 구매영향력 지수 BPI를 계산하는 과정을 설명한다.Here, the purchasing influence index BPI and ALI can be calculated as follows. First, the process of calculating the purchase influence index BPI will be described.

상기 구매영향력지수를 산출하기 위해 상품추천 서버는 특정 구매자(도 2의 경우 X) 및 타 구매자(도 2의 경우 A, B, C)에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액을 기반으로 제1 지수를 계산하고; 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수를 기반으로 제2 지수를 계산하고; 상기 제1 지수 및 상기 제2 지수를 소정의 비율로 합산하여 구매영향력지수를 산출할 수 있다.In order to calculate the purchasing power influence index, the commodity recommendation server compares the number of purchases of the paid commodities commonly purchased by a specific purchaser (X in FIG. 2) and other purchasers (A, B, and C in FIG. 2) Calculating a first exponent based on the total purchase amount of; Calculating a second index based on the number of purchases of free goods commonly purchased by the buyer and other buyers; The purchasing power influence index can be calculated by summing the first index and the second index at a predetermined ratio.

상기 제1 지수는 유료상품 구매가 상기 구매영향력지수에 반영되는 지수로서, 하기 수학식 1과 같이 계산될 수 있다.The first index is an index that reflects the purchase of the paid product in the purchase influence index, and can be calculated as Equation (1).

여기서 상기

는 상기 구매자 A와 상기 다른 구매자 B가 공통적으로 구매한 유료 상품의 가격 총액이다. 상기 수학식 1에서 다른 구매자 B는 1인만을 지칭하는 것이 아니고, 구매영향력지수 산출 대상인 구매자 A 이외의 모든 구매자를 의미한다. 즉, 구매자 A와 공통 구매정보가 있는 모든 구매자에 대하여 상기 제1 지수가 계산된다. Here,

Is the total price of the paid merchandise purchased by the purchaser A and the other purchaser B in common. In the above Equation (1), the other buyer B does not refer to only one person but refers to all buyers other than the buyer A to which the purchase impact index is calculated. That is, the first index is calculated for Buyer A and for all buyers with common purchase information.

도 1b의 예에서 상기 제1 지수는 아래와 같이 계산된다.In the example of FIG. 1B, the first index is calculated as follows.

구매자 A와 B의 관계에서, A와 B가 공통으로 구매한 유료상품의 개수는 3개이고, 공통으로 구매한 유료 상품의 가격 총액은 16000원이다. 또한 구매자 A와 C의 관계에서, A와 C가 공통으로 구매한 유료상품의 개수는 3개이고, 공통으로 구매한 유료 상품의 가격 총액은 14000원 이다. 이에 따라 상기 제1 지수는

와 같이 계산된다.In the relationship between the buyer A and the buyer B, the number of paid goods purchased by A and B in common is 3, and the total price of the paid goods purchased in common is 16,000 won. Also, in relation to buyer A and C, the number of paid products purchased by A and C in common is three, and the total price of the paid product purchased in common is 14,000 won. Accordingly, the first index

.

여기서 유료상품 구매총액의 scale을 조절하기 위해 Log 함수를 사용했지만, 기타 적절하다고 판단되는 수준의 다른 함수를 사용할 수도 있다. 예를 들어, 상품의 가격 분포에 따라 가격 구간을 나누어 각 구간의 대표 값을 부여할 수도 있고, 또는 가격의 영향도를 높이기 위해서 가격을 Scale up 하는 함수를 사용할 수 있다. 그 외에도 음이 아닌 실수에 대해 정의되고, 양의 실수를 입력 값으로 갖는 증가함수(increasing function)에 상기 유료상품 구매총액을 입력하여 그 결과값을 기반으로 상기 제1 지수를 계산할 수도 있다.Here we use the Log function to scale the total amount of the paid product purchase, but we can use other functions that we think are appropriate. For example, it is possible to assign a representative value of each section by dividing the price section according to the price distribution of the commodity, or to scale up the price to increase the influence of the price. In addition to this, it is also possible to calculate the first index based on the result of inputting the total amount of purchased goods in an increasing function having a positive real number as an input value, which is defined for a non-negative real number.

다음으로, 상기 제2 지수는 무료상품 구매가 상기 구매영향력지수에 반영되는 지수로서, 무료 상품의 총 구매 횟수에 따라 부여된 구매 횟수 가중치를 상기 무료 상품의 구매 횟수에 적용하여 계산될 수 있다.Next, the second index may be calculated by applying the weight of the number of purchases given according to the total number of purchases of free goods to the number of purchases of the free goods, where the free goods purchase is reflected in the purchase power index.

상기 제2 지수는 하기 수학식 2과 같이 계산될 수 있다.The second exponent may be calculated as: < EMI ID = 2.0 >

여기서 상기

는 상기 구매구간마다 부여된 구매 횟수 가중치이고, 상기

는 상기 구매구간에서 상기 구매자와 다른 구매자가 공통적으로 구매한 무료 상품의 구매 횟수이다. 상기 수학식 2는 각 구매 구간에서 각각 계산되어 합산된다.Here,

Is a purchase number weight assigned to each purchase section,

Is the number of purchases of the free goods that the purchaser and other buyers purchased in common during the purchase interval. Equation (2) is calculated and summed in each purchase period.

도 1b의 예에서 상기 제2 지수는 아래와 같이 계산된다.In the example of FIG. 1B, the second index is calculated as follows.

구매자 A와 B의 관계에서, A와 B가 공통으로 구매한 무료상품의 개수는 2개(d, e)이다. 또한 구매자 A와 C의 관계에서, A와 C가 공통으로 구매한 무료상품의 개수는 4개(e, f, g, h)이다. 각 무료상품의 총 구매 횟수에 따라 부여된 구매 횟수 가중치가 모두 1이라면, 이에 따라 상기 제2 지수는

와 같이 계산된다.In the relationship between buyer A and buyer B, the number of free goods purchased jointly by A and B is two (d, e). Also, in the relationship between buyers A and C, the number of free goods purchased by A and C is four (e, f, g, h). If all of the purchasing frequency weights given in accordance with the total number of purchases of each free goods are all 1,

.

만약, 무료상품 d와 e는 구매 횟수 가중치가 1.2인 구간의 상품이고, f는 1.4, g와 h가 1.6인 구간의 상품이었다면, 이에 따라 상기 제2 지수는

와 같이 계산된다.If the free goods d and e are goods in the period in which the purchasing frequency weight is 1.2, f is 1.4, and g and h are products in the interval of 1.6,

.

상기와 같이 제1 지수와 제2 지수가 계산되면, 상기 서버는 상기 제1 지수 및 상기 제2 지수를 소정의 비율로 합산하여 구매영향력지수를 산출할 수 있다. 즉, 상기 제1 지수 및 상기 제2 지수 각각이 구매영향력에 기여하는 정도에 따라 부여된 기여 가중치를 상기 제1 지수 및 상기 제2 지수 각각에 반영하고, 상기 가중치가 반영된 상기 제1 지수 및 상기 제2 지수를 합산하여 상기 구매자의 구매영향력지수를 산출할 수 있다. 상기 구매영향력지수는 하기 수학식 3과 같이 계산될 수 있다.When the first index and the second index are calculated as described above, the server may calculate the purchasing power index by summing the first index and the second index at a predetermined ratio. That is, the contribution index assigned according to the degree of contribution of each of the first index and the second index to the influence of purchasing is reflected on each of the first index and the second index, and the first index and the second index, The buyer's purchasing power index can be calculated by adding the second index. The purchasing power influence index can be calculated as shown in Equation (3).

여기서

는 구매영향력지수 산출 대상인 구매자 A의 구매영향력지수이고, 상기

는 상기 제1 지수가 구매영향력지수에 기여하는 기여 가중치이고, 상기

는 상기 제2 지수가 구매영향력지수에 기여하는 기여 가중치이다. 예컨대 유료상품의 기여 가중치가 70%, 무료상품의 기여 가중치가 30%라면, 제1 지수의 기여 가중치

는 0.7이고, 제2 지수의 기여 가중치는 0.3이 된다.here

Is the purchasing power influence index of the purchaser A as the purchase impact index calculation target,

Is a contribution weight in which the first index contributes to the purchase influence index,

Is a contribution weight in which the second index contributes to the purchasing power influence index. For example, if the contribution weight of the paid product is 70% and the contribution weight of the free product is 30%, the contribution weight of the first index

Is 0.7, and the contribution weight of the second index is 0.3.

가 0.7인 경우, 도 1b의 예에서 상기 구매영향력지수는 아래와 같이 계산된다.

Is 0.7, the purchase influence index in the example of FIG. 1B is calculated as follows.

(무료상품 d, e, f, g, h는 모두 구매 횟수 가중치가 1인 구간의 상품인 경우)(The free items d, e, f, g, and h are all the products of the section where the number of purchases is one)

또는

or

(무료상품 d와 e는 구매 횟수 가중치가 1.2인 구간의 상품이고, f는 1.4, g와 h가 1.6인 구간의 상품인 경우) (The free goods d and e are goods in the section where the number of purchase times is 1.2, f is 1.4, and g and h are goods in the section with 1.6)

상품추천 서버는 상기 단계를 통해 각 구매자 별로 구매영향력지수를 산출할 수 있다. 또한 상기 서버는 산출된 구매영향력지수를 내림차순으로 정렬하여 미리 정해 놓은 구간 값(레벨 값)을 부여할 수도 있다. 예를 들어, 구간 값의 범위가 1 ~ 5 라고 정해졌고 각 구간 값을 정률적으로 배분한다면, 최상위 20% 구매력 영향력 지표 값을 갖는 사용자는 구간 값 1을 부여 받고, 차상위 20% 구매력 영향력 지표값을 갖는 사용자는 구간 값 2를 받는 식으로 모든 사용자에게 구간 값을 부여할 수 있다. 이런 구매력 영향력 구간 값이 구매력 영향력 지수보다 간단하고, 등급화 되어있어, 구매영향력지수 값 대신 마케팅 등에 활용될 수도 있다.The commodity recommendation server can calculate the purchasing power influence index for each purchaser through the above steps. In addition, the server may assign a predetermined interval value (level value) by sorting the calculated purchase influence index in descending order. For example, if the interval value is set to 1 to 5 and the interval value is distributed in a decentralized manner, the user having the highest 20% purchasing power influence index value is given the interval value 1, and the next highest 20% The user having the interval value 2 can give the interval value to all users in a manner of receiving the interval value 2. Such a purchasing power influence interval value is simpler than the purchasing power influence index and is graded so that it can be used for marketing instead of the purchasing influence index value.

구매영향력지수를 산출할 때, 상기 서버는 구매자의 구매 성향을 반영하여 산출할 수 있다. 즉, 상품의 출시일 대비 구매자의 구매일을 고려하여, 구매자가 초기 수용자(Early adopter)인지 여부를 파악하는 것이다. 다시 말해 소정의 기간 별로 산출한 구매영향력 지수 각각에 상품의 구매시점에 따라 부여된 구매 시점 가중치를 반영하고, 상기 가중치가 부여된 기간 별 구매영향력 지수를 합산하여 상품의 초기 수용수준을 나타내는 수용수준 지수(adoption level index)를 산출하는 것이다. 수용수준 지수 산출의 일 예는 하기 수학식 4와 같다.When calculating the purchase influence index, the server can calculate the buyer's purchase propensity. That is, it is determined whether or not the purchaser is an early adopter considering the purchase date of the purchaser with respect to the release date of the commodity. In other words, each purchasing influence index calculated for each predetermined period reflects the purchasing time weight given at the time of purchase of the commodity, and the acceptance level indicating the initial acceptance level of the commodity And to calculate the adoption level index. An example of the reception level index calculation is shown in Equation (4).

여기서 상기

는 상기 구매구간 별로 설정된 가중치이다. 상기 소정의 구매구간(k)은 출시일을 기산점으로 몇 개의 구간(m개)으로 나눈 구간 각각에서 계산한(k가 1부터 m까지 변할 때의) 구매자 A의 BPI 값이다.Here,

Is a weight value set for each purchase interval. The predetermined purchase interval k is the BPI value of the buyer A calculated when k is changed from 1 to m calculated in each interval obtained by dividing the release date by several intervals (m) as a start point.

이러한 구매성향 반영 방법의 일 예는, 상기 구매영향력지수 산출에서 두 구매자 간의 엣지(edge)를 형성할 때, 공통적으로 구매한 상품을 “상품 출시일로부터 어느 기간 안에 포함되는 경우”와 같이 제한하여 분석하는 방법일 수 있다. 도 1b를 이용하여 ALI를 설명하면 아래와 같다.One example of such a method of reflecting the purchase propensity is that when an edge is formed between two purchasers in the calculation of the purchase impact index, a commonly purchased commodity is limited to "when the commodity is included in a certain period from the commodity release date" Lt; / RTI > The ALI will be described below with reference to FIG. 1B.

구매자 A와 B가 총 5개의 같은 상품 a, b, c, d, e를 구매하였고, A와 C는 총 7개의 같은 상품 a, c, e, f, g, h, i를 구매한 것으로 가정한다. 또한 상품 a의 가격은 1000원, b는 5000원, c는 10000원, i는 3000원이고 d, e, f, g, h는 무료(0원)라고 가정한다. 여기서 상품 a, b, f, g는 출시일로부터 1주 내에 구매되었고, 상품 c, d, e, h, i는 출시 1주 후에서 2주 사이에 구매했다고 추가로 가정한다. 그러면 출시 후 1주 내에 상품을 구매한 경우로 그래프 네트워크를 형성한다면, 노드(node) A와 B 사이의 엣지(edge) 생성에 포함되는 상품은 a와 b가 되어 A와 B간 엣지(edge)의 파라미터는 (2,0,log₁₀(1000+5000+10))이 된다. 출시 후 2주 내에 구매된 상품의 경우에 A와 B간 엣지(edge)의 파라미터는 상품 a, b, c, d, e가 모두 포함되므로 (3, 2, log₁₀(16010))이 된다. Buyers A and B purchased five identical goods a, b, c, d and e, and A and C were supposed to purchase a total of seven goods a, c, e, f, g, do. Also assume that the price of product a is 1,000 won, b is 5000 won, c is 10,000 won, i is 3000 won and d, e, f, g, h are free (0 won). It is further assumed that products a, b, f, and g were purchased within one week from the date of launch and products c, d, e, h, and i purchased between one week and two weeks after launch. If a product is purchased within one week after launch, if the graph network is formed, the products included in the edge generation between node A and node B become a and b, (2, 0, log ₁₀ (1000 + 5000 + 10)). In the case of a product purchased within two weeks after its release, the edge parameter between A and B is (3, 2, log ₁₀ (16010)) because it includes all products a, b, c, d and e.

노드(node) A와 C에 대해서도 같은 분석을 하면, 출시 후 1주 내에 노드(node) A와 C 사이의 엣지(edge)에 포함되는 상품은 a, f, g가 되어 A와 C간 엣지(edge)의 파라미터는 (1,2,log₁₀(1000+10))이 된다. 출시 후 2주 내에 상품을 구매한 경우의 A와 C간 엣지(edge)의 파라미터는 상품 a, c, e, f, g, h, i가 모두 포함되므로 (3, 4, log₁₀(14010))이 된다.If the same analysis is performed for nodes A and C, the products included in the edge between nodes A and C within one week after the release become a, f, and g, and the edge between A and C edge) parameters are (1,2, log ₁₀ (1000 + 10)). (3, 4, log ₁₀ (14010)), since the parameters of the edge between A and C when the product is purchased within two weeks after the launch are all included in the products a, c, e, f, g, h, ).

위의 분석에 신규 상품을 구매한 경우에 가중치를 더 주는 방식을 채택하면, (구매일이 출시일로부터 1주 내인 경우에 가중치(

)를 1.5, 2주 내인 경우 가중치를 1.2로 둔다고 가정), 구매자 A의 수용수준 지수(ALI, Adoption Level Index)는 아래와 같이 구해진다.In the above analysis, when a new product is purchased and a weighted value is added to it (if the purchase date is within one week from the date of release,

) Is 1.5, and if the weight is within two weeks, the weight is set to 1.2), Buyer A's Admission Level Index (ALI) is obtained as follows.

ALI(A) = 1.5*(구매 일이 상품의 출시일로부터 1주 내인 경우의 A의 BPI 값) + 1.2*(구매 일이 상품의 출시일로부터 2주 내인 경우의 A의 BPI 값)ALI (A) = 1.5 * (BPI value of A when the date of purchase is within one week from the date of release of the product) + 1.2 * (BPI value of A when the date of purchase is within two weeks from the date of release of the product)

구매일이 상품의 출시일로부터 1주 이내인 경우 A의 BPI 값은

이고, 출시일로부터 2주 이내인 경우 그래프 네트워크 상에서의 A의 BPI 값은

이 된다.If the purchase date is within one week from the date of release of the product, the BPI value of A

, And within two weeks from the release date, the BPI value of A on the graph network is

.

다시 도 2로 돌아와서 설명하면, 상기의 설명과 같이 BPI와 API를 계산한 후, 노드(node) X와 이웃 A, B, C 간의 엣지(edge)에 공통구매 횟수에 따른 가중치(W_XA, W_XB, W_XC), 카테고리 가중치(I_XA, I_XB, I_XC), BPI 유사도 (또는 BPI 레벨 유사도)에 따라 결정된 구매영향력 가중치(B_XA, B_XB, B_XC), ALI 유사도 (또는 ALI 레벨 유사도)에 따라 결정된 수용수준 가중치(A_XA, A_XB, A_XC)를 공통구매 관계도에 나타내면 도 2의 (c)와 같은 그래프를 얻게 된다. 이로써 추천 상품평가 점수를 계산하기 위한 기초 작업이 완료된다.Referring back to FIG. 2, after calculating the BPI and the API as described above, weights (W_XA, W_XB, and W_XA) according to the number of common purchases are added to the edge between the node X and neighbors A, B, (B_XA, B_XB, B_XC), ALI similarity (or ALI level similarity) determined according to the BPI similarity (or BPI level similarity), the category weight (I_XA, I_XB, I_XC) A_XA, A_XB, and A_XC) are shown in the common purchasing relationship diagram, a graph like FIG. 2 (c) is obtained. This completes the basic work for calculating the recommended product evaluation score.

다음으로 상품추천 서버는 상기 분석된 공통구매 관계를 기반으로 상기 타 구매자가 구매한 상품에 대한 평가점수를 계산한다(S230). 이를 위하여 상기 서버는 특정 구매자(도 2의 X)와 공통구매 관계가 있는 타 구매자(이웃 노드, 도 2의 A, B, C)들이 구매한 상품에 점수를 부여하여 정렬한 후, 특정 구매자(X)가 구매한 상품을 제외하고 최상위 상품부터 추천상품 리스트에 포함시킬 수 있다.Next, the commodity recommendation server calculates an evaluation score for the commodity purchased by the other purchaser based on the analyzed common purchase relationship (S230). To this end, the server assigns scores to products purchased by other buyers (neighboring nodes A, B, and C in FIG. 2) having a common purchase relationship with a specific buyer (X in FIG. 2) X) can be included in the list of recommended products from the top-level products except for the purchased products.

아래는 상품에 평가점수를 부여하는 여러 실시예에 대한 설명이다.The following is an explanation of various embodiments in which an evaluation score is given to a product.

우선 타 구매자가 구매한 상품에 기본평가점수를 부여한다. 예를 들어 타 구매자 A의 구매 이력에 상품 a가 있고, 분석기간 중 상품 a가 판매된 횟수를 Sa로 가정한다. 이 판매 횟수 Sa에 공통구매 횟수에 따른 공통구매 가중치 W_XA를 곱한 값이 타 구매자 A와의 관계에서 상품 a의 기본평가점수(BV(a), Base Value of a)가 된다. 즉, BV(a)= Sa * W_XA 이다. 이때 상기 공통구매 가중치는 두 구매자가 공통적으로 구매한 상품의 개수에 따라 정해질 수 있다. (예컨대 공통 구매한 상품의 개수가 많을수록 가중치를 크게 줄 수 있다.) 마찬가지로 상품 a의 구매이력이 있는 타 구매자 B와의 관계에서, 상품 a의 기본평가점수 BV(a)는 Sa * W_XB가 되고, 상품 a를 구매한 모든 타 구매자와의 관계에서 상품 a의 기본평가점수가 각각 계산되며, 최종적으로 상품 a의 구매이력이 있는 모든 타 구매자와의 관계에서 계산된 기본평가점수가 합산되어 상품a의 기본평가 점수가 결정된다. 같은 방식으로 타 구매자가 구매한 상품 b, c, … 에 대한 기본평가점수도 계산될 수 있다.First, a basic score is given to a product purchased by another buyer. For example, assume that there is a product a in the purchasing history of another buyer A, and Sa the number of times the product a is sold during the analysis period. The value obtained by multiplying the sales number Sa by the common purchase weight W_XA corresponding to the number of common purchases becomes the base evaluation score (BV (a), Base Value of a) of the product a in relation to other buyers A. That is, BV (a) = Sa * W_XA. At this time, the common purchase weight can be determined according to the number of products that are commonly purchased by the two buyers. (For example, the larger the number of products purchased in common, the larger the weight can be given). Similarly, in relation to another purchaser B having the purchase history of the product a, the basic rating score BV (a) of the product a is Sa * W_XB, The basic evaluation score of the product a is calculated in relation to all the other purchasers purchasing the product a, and the basic evaluation scores calculated in relation to all the other purchasers having the purchase history of the product a finally are added, The base score is determined. In the same way, items bought by other buyers b, c, ... The base score for the.

한편, 타 구매자가 구매한 상품 a에 대한 기본평가점수로 상품 a의 판매횟수, 공통구매 가중치 및 타 구매자의 구매영향력지수(BPI)를 곱한 값을 사용할 수도 있다. 즉, BV(a)= Sa * W_XA * BPI(A) + Sa * W_XB * BPI(B) + Sa * W_XC * BPI(C) + … 로 계산될 수 있다. 같은 방식으로 타 구매자가 구매한 상품 b, c, … 에 대한 기본평가점수도 계산될 수 있다.On the other hand, a value obtained by multiplying the number of sales of the product a, the common purchase weight, and the purchase influence index (BPI) of another buyer by the basic rating score of the product a purchased by another buyer may be used. Sa * W_XA * BPI (A) + Sa * W_XB * BPI (B) + Sa * W_XC * BPI (C) + Lt; / RTI > In the same way, items bought by other buyers b, c, ... The base score for the.

또는 타 구매자가 구매한 상품 a에 대한 기본평가점수로 상품 a의 판매횟수, 공통구매 가중치 및 타 구매자의 수용수준지수(ALI)를 곱한 값을 사용할 수도 있다. 즉, BV(a)= Sa * W_XA * ALI(A) + Sa * W_XB * ALI(B) + Sa * W_XC * ALI(C) + … 로 계산될 수 있다. 같은 방식으로 타 구매자가 구매한 상품 b, c, … 에 대한 기본평가점수도 계산될 수 있다.Or a value obtained by multiplying the number of sales of the product a, the common purchase weight, and the acceptance level index (ALI) of another buyer as the basic evaluation score of the product a purchased by the other buyer. That is, BV (a) = Sa * W_XA * ALI (A) + Sa * W_XB * ALI (B) + Sa * W_XC * ALI Lt; / RTI > In the same way, items bought by other buyers b, c, ... The base score for the.

상기와 같이 이웃(A, B, C) 구매자가 구매한 상품들에 대한 기본평가점수를 결정한 후, 다음의 실시예들과 같이 각 상품들의 (최종)평가점수를 계산할 수 있다.After determining the basic evaluation score for the products purchased by the buyer of the neighbor (A, B, C) as described above, the (final) evaluation score of each product can be calculated as in the following embodiments.

제1 실시예: 구매자(노드) X의 모든 이웃 A, B, C가 구매한 상품에 대해 기본평가점수(BV)를 계산하고 내림차순으로 정렬한 후, 구매자 X가 구매한 상품을 제외한 n개의 상품을 선정하면 하나의 추천상품 리스트가 생성된다. 이 방법은 대상 고객과 구매 이력이 비슷한 사람들의 구매내역에 기반하여 상품을 추천하는 방법이다.First Embodiment: A basic evaluation score (BV) is calculated for products purchased by all neighbors A, B, and C of a buyer (node) X and sorted in descending order. Then, n products A list of recommended products is generated. This method is to recommend products based on purchases of people who have similar purchasing histories to the target customers.

제2 실시예: 구매자(노드) X와 카테고리 선호도가 같은 타 구매자(이웃)가 구매한 상품에 더 큰 가중치를 두어 평가점수를 부여하는 방식이다. 각 구매자(노드)의 구매이력을 보고 어떤 카테고리 상품을 많이 샀는지 파악하여 카테고리 선호도를 파악할 수 있다.The second embodiment is a method of assigning a greater weight to products purchased by other buyers (neighbors) having the same category preference as that of the buyer (node) X to give evaluation scores. By viewing the purchasing history of each purchaser (node), it is possible to grasp the category preference by knowing which category commodity has been bought a lot.

일 예로, 구매자 X와 같은 카테고리 선호도를 갖는 이웃 A와 카테고리 선호도가 다른 이웃 B와 C가 있다면, A와의 카테고리 가중치(I_XA)를 1보다 큰 값으로 두고(예; 1.2), I_XB와 I_XC는 1로 둔다. 이 경우 상품 a의 기본 값 BV(a)에 카테고리 가중치를 곱하여 구매자 X와 카테고리 선호도가 같은 타 구매자(A)가 구매한 상품에는 더 큰 가중치가 부여돼 높은 평가점수가 계산된다. 즉, 구매자 X의 카테고리 선호도가 고려된 상품 a의 평가점수(Category Weighted Value of a)는 CWV(a)=I_XA * BV(a) 가 된다. 제1 실시예와 마찬가지로 모든 이웃 A, B, C가 구매한 상품에 대하여 카테고리 선호도가 고려된 평가점수(CWV)를 계산하고 내림차순으로 정렬한 후, 구매자 X가 구매한 상품을 제외한 n개의 상품을 선정하면 추천상품 리스트가 작성된다.For example, if there is a neighbor category B with a category preference of C and a neighbor category B with a category preference of C such as Buyer X, then the category weight (I_XA) with A is set to a value greater than 1 (eg 1.2), I_XB and I_XC are set to 1 . In this case, since the basic value BV (a) of the commodity a is multiplied by the category weight, the commodity purchased by the other buyer (A) having the same category preference as that of the buyer X is given a larger weight and a high score is calculated. That is, the Category Weighted Value of a product a in which the category preference of the buyer X is considered is CWV (a) = I_XA * BV (a). Similarly to the first embodiment, the evaluation scores (CWV) in which category preferences are considered are calculated for the products purchased by all the neighbors A, B and C, and sorted in descending order. Then, n products When selected, a list of recommended products is created.

제3 실시예: 구매자(노드) X와 구매영향력 지수가 비슷한 경우 타 구매자(이웃)가 구매한 상품에 더 큰 가중치를 두어 평가점수를 부여하는 방식이다. 상술한 구매영향력 지수(BPI)는 일정 기간 동안 구매에 지출한 누적 금액과 구매횟수를 반영하여 계산되기 때문에, BPI가 유사한 구매자는 지출 금액과 구매 횟수가 유사한 구매자로 유추할 수 있으며, 양자의 구매 행태가 유사하다고 볼 수 있다.Third Embodiment: In the case where the purchaser (node) X is similar to the purchasing influence index, the other purchaser (neighbor) gives a greater weight to the purchased goods to give the evaluation score. Since the purchase influence index (BPI) described above is calculated by reflecting the cumulative amount spent for purchasing and the number of purchases for a certain period of time, the buyer having a similar BPI can be regarded as a buyer having a similar amount of expenditure and the number of purchases, Behavior is similar.

이 방식은 상품의 평가점수를 계산하는데 있어서 BPI 유사도 (또는 BPI 레벨 유사도)에 따라 결정된 구매영향력 가중치를 기본평가점수(BV(a))에 곱하여 계산한다. 즉, 구매자 X와 이웃 A가 BPI 또는 BPI 레벨이 같다면, A와의 구매영향력 가중치 B_XA를 1보다 큰 값으로 두고(예; 1.2), BPI 또는 BPI 레벨이 다른 이웃 B와 C 와의 구매영향력 가중치 B_XB와 B_XC는 1로 둔다. 상품 a가 이웃 A의 구매이력에 포함되어 있는 경우, 구매자 X의 구매영향력 가중치가 고려된 상품 a의 평가점수(BPI Weighted Value of a)는 BWV(a)= B_XA * BV(a)가 된다. 제1 실시예와 마찬가지로 모든 이웃 A, B, C가 구매한 상품에 대하여 구매영향력 가중치가 고려된 평가점수(BWV)를 계산하고 내림차순으로 정렬한 후, 구매자 X가 구매한 상품을 제외한 n개의 상품을 선정하면 추천상품 리스트가 작성된다.This method is calculated by multiplying the basic rating score (BV (a)) by the purchasing influence weight determined according to the BPI similarity (or BPI level similarity) in calculating the evaluation score of the product. That is, if Buyer X and Neighbor A have the same BPI or BPI level, the purchasing influence weight B_XA with A is set to a value larger than 1 (for example, 1.2), and the purchasing influence weight B_XB of the neighboring B and C having different BPI or BPI levels And B_XC are set to one. (A) = B_XA * BV (a), when the product a is included in the purchase history of the neighbor A, the evaluation score (BPI Weighted Value of a) of the product a in which the purchasing influence weight of the purchaser X is taken into consideration is BWV As in the first embodiment, the evaluation score (BWV) in which the purchasing influence weight is taken into account is calculated for all the products purchased by the neighbors A, B, and C, and sorted in descending order. A recommended product list is created.

제4 실시예: 구매자(노드) X와 수용수준 지수(ALI)가 비슷한 경우 타 구매자(이웃)가 구매한 상품에 더 큰 가중치를 두어 평가점수를 부여하는 방식이다. 상품의 평가점수를 계산하는데 있어서 ALI 유사도 (또는 ALI 레벨 유사도)에 따라 결정된 수용수준 가중치를 기본평가점수(BV(a))에 곱하여 계산한다. 상품 a가 이웃 A의 구매이력에 포함되어 있는 경우, 구매자 X의 수용수준 가중치가 고려된 상품 a의 평가점수(ALI Weighted Value of a)는 AWV(a)= A_XA * BV(a) 가 된다. Fourth Embodiment: In the case where the buyer (node) X is similar to the reception level index (ALI), the other buyer (neighbor) gives a greater weight to the purchased product to give the evaluation score. In calculating the score of a product, the acceptance level weight determined according to the ALI similarity (or ALI level similarity) is calculated by multiplying the base score (BV (a)). (A) = A_XA * BV (a) when the product a is included in the purchase history of the neighbor A, and the evaluation score (ALI Weighted Value of a) of the product a in which the acceptance level weight of the buyer X is taken into consideration is AWV

필요에 따라 상기 제2 실시예와 상기 제3 실시예를 같이 적용할 수 있고, 상기 제2 실시예와 상기 제4 실시예를 같이 적용할 수도 있다. 즉, 카테고리 가중치와 BPI 가중치를 같이 반영하는 경우 및 카테고리 가중치와 ALI 가중치를 같이 반영하는 경우가 모두 가능하다. The second embodiment and the third embodiment may be applied as necessary, and the second embodiment and the fourth embodiment may be applied together. That is, both the category weighting and the BPI weighting are reflected together, and both the category weighting and the ALI weighting are reflected.

카테고리 가중치와 BPI 가중치를 같이 반영하는 경우 상품 a의 평가점수는 CBWV(a)= B_XA * I_XA * BV(a) 가 된다. 여기서 CBWV(a)는 Category & BPI Weighted Value of a 이다.When the category weight and the BPI weight are reflected together, the evaluation score of the product a becomes CBWV (a) = B_XA * I_XA * BV (a). Here, CBWV (a) is the Category & BPI Weighted Value of a.

카테고리 가중치와 ALI 가중치를 같이 반영하는 경우 상품 a의 평가점수는 CAWV(A)= A_XA * I_XA * BV(a) 가 된다. 여기서 CAWV(a)는 Category & ALI Weighted Value of a 이다.When the category weight and the ALI weight are reflected together, the evaluation score of the product a becomes CAWV (A) = A_XA * I_XA * BV (a). Here, CAWV (a) is Category & ALI Weighted Value of a.

또는 상기 제3 실시예와 상기 제4 실시예를 같이 적용하여 BPI 가중치와 ALI 가중치를 같이 반영하는 방법도 가능하며, 상기 제2 실시예, 상기 제3 실시예 및 상기 제4 실시예를 모두 같이 적용하는 방법도 가능하다.Alternatively, a method of reflecting the BPI weight and the ALI weight together by applying the third embodiment and the fourth embodiment may also be used. In the second embodiment, the third embodiment and the fourth embodiment, It is also possible to apply it.

제5 실시예: 상기 제1 실시예 내지 제4 실시예에서는 상품의 기초평가점수(BV)을 계산할 때 그 상품의 분석 기간 동안의 총 판매 횟수(Sa)를 고려했지만, 그 대신 그 상품이 분류된 카테고리의 특정 구매자(예; Power User)들에게 판매된 횟수만 고려하여 계산한 후 추천 리스트를 생성할 수 있다. 즉, 해당 상품이 속하는 카테고리의 상품을 소정의 기준 이상으로 구매한 구매자에게 상기 상품이 판매된 횟수만을 상기 기초평가점수 산정에 반영할 수도 있다.Fifth Embodiment In the first to fourth embodiments, when the basic evaluation score (BV) of a product is calculated, the total number of sales (Sa) during the analysis period of the product is considered, but instead, (E.g., Power Users) in the category, and then generate a recommendation list. That is, only the number of times the product is sold may be reflected in the calculation of the basic evaluation score to the buyer who purchases the product of the category to which the product belongs at a predetermined criterion or more.

다음으로 상품추천 서버는 상기 계산된 평가점수를 기반으로 추천상품을 선정한다(S240). 예를 들어, 상기 여러 실시예에서 계산된 평가점수가 높은 상품들을 추천상품으로 선정하고, 이를 사용자에게 제공한다. 이때 하나의 상품을 추천대상 구매자와 공통적으로 구매한 타 구매자가 다수라면, 그 상품의 평가점수는 각각의 타 구매자 별로 다르게 계산될 수 있다. 이 경우, 해당 상품의 최종 평가점수는 각각의 타 구매자별로 계산된 평가점수를 모두 합한 값으로 계산되고, 계산된 값의 크기로 정렬한 후 추천대상 구매자가 구매한 상품은 추천리스트에서 제외하고 정렬된 순서대로 추천하게 된다.
Next, the product recommendation server selects a recommendation product based on the calculated evaluation score (S240). For example, products having a high evaluation score calculated in the above embodiments are selected as recommended products and provided to the user. At this time, if there are a large number of other buyers who commonly purchase one product as a recommendation target buyer, the evaluation score of the product may be calculated differently for each other buyer. In this case, the final evaluation score of the product is calculated as the sum of the evaluation scores calculated for each of the other buyers. After sorting by the calculated value size, the product purchased by the recommendation target buyer is excluded from the recommendation list In order of recommendation.

도 3은 본 발명의 일 실시예에 따른 상품추천 서버의 블록도이다.3 is a block diagram of a product recommendation server according to an embodiment of the present invention.

상기 상품추천 서버(100)는 구매정보 수집부(101), 공통구매관계 분석부(102), 상품평가점수 계산부(103), 추천상품 선정부(104)를 포함하여 구성될 수 있으며, 저장부를 더 포함할 수도 있다. 상기 상품추천 서버(100)는 도 1 내지 도 2에서 설명한 방법들을 수행할 수 있다. 이를 구체적으로 설명하면 다음과 같다.The product recommendation server 100 may include a purchase information collection unit 101, a common purchase relationship analysis unit 102, a product evaluation score calculation unit 103 and a recommended product selection unit 104, And the like. The product recommendation server 100 may perform the methods described with reference to FIGS. This will be described in detail as follows.

상기 구매정보 수집부(101)는 내부 또는 외부 장치(10)로부터 다수 구매자의 구매정보를 수집할 수 있다. 상기 구매정보는 각 구매자 별 구매 상품, 구매 시기, 구매 금액 등의 정보를 포함한다. 또한 상기 구매자는 기 정의된 상품 구매시기, 상품 카테고리 또는 상품 구매횟수에 대한 조건 중 하나 이상을 만족하는 구매자일 수 있다.The purchase information collection unit 101 may collect purchase information of a plurality of purchasers from the internal or external device 10. [ The purchase information includes information such as a purchase item, a purchase date, and a purchase amount for each buyer. Further, the purchaser may be a purchaser who satisfies at least one of conditions of the predefined commodity purchase period, the commodity category, or the number of commodity purchases.

상기 공통구매관계 분석부(102)는 상기 구매정보 수집부(101)에 의해 수집된 상기 구매정보를 기반으로 상기 구매자 및 상기 타 구매자와의 공통구매 관계를 분석한다. 상기 공통구매 관계는 다수 구매자간의 공통구매 이력으로부터 산출된 구매영향력지수(BPI), 수용수준 지수(ALI) 등일 수 있다.The common purchase relationship analyzing unit 102 analyzes a common purchase relationship with the buyer and the other purchaser based on the purchase information collected by the purchase information collecting unit 101. The common purchase relationship may be a purchasing influence index (BPI), an acceptance level index (ALI), or the like calculated from a common purchase history among a plurality of purchasers.

상기 상품평가점수 계산부(103)는 상기 분석된 공통구매 관계를 기반으로 상기 타 구매자가 구매한 상품에 대한 평가점수를 계산한다.The product score calculation unit 103 calculates an evaluation score of the product purchased by the other buyer based on the analyzed common purchase relationship.

이때 상기 상품평가점수 계산부(103)는 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치를 곱하여 상기 상품에 대한 기본평가점수를 계산할 수 있으며, 상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정된다. 상기 상품의 판매 횟수는, 해당 상품이 속하는 카테고리의 상품을 소정의 기준 이상으로 구매한 구매자에게 상기 상품이 판매된 횟수일 수 있다.In this case, the merchandise score calculation unit 103 may calculate the basic score of the merchandise by multiplying the number of sales of the merchandise purchased by the other merchant by the common purchase weight, Is determined by the number of times the same item is purchased. The number of sales of the commodity may be the number of times the commodity is sold to the purchaser who purchased the commodity of the category to which the commodity belongs at a predetermined standard or more.

또는 상기 상품평가점수 계산부(103)는 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 구매영향력지수를 곱하여 상기 상품에 대한 기본평가점수를 계산할 수 있다. 이때, 상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정되고,Alternatively, the product score calculation unit 103 may calculate a basic evaluation score of the product by multiplying the number of sales of the product purchased by the other purchaser by the common purchase weight and the purchase influence index of the other purchaser. At this time, the common purchase weight is determined according to the number of times the purchaser and the other purchaser purchase the same commodity,

상기 구매영향력 지수는 하기 수학식을 사용하여 산출될 수 있고,The purchasing power influence index can be calculated using the following equation,

여기서

상기

는 상기 구매구간마다 부여된 구매 횟수 가중치이고, 상기

Is a purchase number weight assigned to each purchase section,

상기

또는 상기 상품평가점수 계산부(103)는 상기 타 구매자가 구매한 상품의 판매 횟수에 공통구매 가중치 및 상기 타 구매자의 수용수준지수를 곱하여 상기 상품에 대한 기본평가점수를 계산할 수 있다. 이때, 상기 공통구매 가중치는 상기 구매자와 상기 타 구매자가 동일한 상품을 구매한 횟수에 따라 결정되고, 상기 수용수준지수는 상기 구매자의 상품 구매시점을 반영한 구매영향력지수를 기반으로 산출되며, 상기 구매영향력지수는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매금액, 또는 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 무료 상품의 구매 횟수 중 어느 하나 이상을 기반으로 산출될 수 있다.Alternatively, the product score calculation unit 103 may calculate a basic evaluation score for the product by multiplying the number of sales of the product purchased by the other purchaser by the common purchase weight and the acceptance level index of the other purchaser. In this case, the common purchase weight is determined according to the number of times the purchaser and the other purchaser purchase the same product, and the acceptance level index is calculated based on the purchasing influence index reflecting the purchase point of time of the purchaser, The index is based on at least one of the number of purchases of the paid goods commonly purchased by the buyer and the other purchasers, the total purchase amount of the paid goods, or the number of purchases of the free goods commonly purchased by the buyer and other buyers . &Lt; / RTI >

상기 수용수준지수는 하기 수학식을 사용하여 산출될 수 있고,The acceptance level index can be calculated using the following equation,

여기서 상기

는 상기 구매구간 별로 설정된 가중치이며,Here,

Is a weight value set for each purchase interval,

여기서

상기

는 상기 구매구간마다 부여된 구매 횟수 가중치이고, 상기

Is a purchase number weight assigned to each purchase section,

상기

위에서 상기 상품의 판매 횟수는, 해당 상품이 속하는 카테고리의 상품을 소정의 기준 이상으로 구매한 구매자에게 상기 상품이 판매된 횟수일 수 있다.The number of sales of the commodity may be the number of times the commodity is sold to the purchaser who purchased the commodity of the category to which the commodity belongs at a predetermined standard or more.

또한 상기 평가점수는 상기 기본평가점수에 카테고리 가중치, 구매영향력 가중치 및 수용수준 가중치 중 어느 하나 이상을 곱하여 계산될 수 있으며,The evaluation score may be calculated by multiplying the basic evaluation score by at least one of a category weight, a purchase influence weight, and an acceptance level weight,

상기 카테고리 가중치는 상기 구매자가 구매한 상품이 속하는 상품 카테고리와 상기 타 구매자가 구매한 상품이 속하는 상품 카테고리의 유사도에 따라 결정되고, The category weight is determined according to the degree of similarity between the product category to which the product purchased by the buyer belongs and the product category to which the product purchased by the other buyer belongs,

상기 추천상품 선정부(104)는 상기 계산된 평가점수를 기반으로 상기 타 구매자가 구매한 상품 중에서 상기 구매자에게 추천할 상품을 선정한다. 예를 들어, 도 1 내지 도 2에서 설명한 여러 실시예에서 계산된 평가점수가 높은 상품들을 추천상품으로 선정하고, 이를 사용자에게 제공한다. 이때 하나의 상품을 추천대상 구매자와 공통적으로 구매한 타 구매자가 다수라면, 그 상품의 평가점수는 각각의 타 구매자 별로 다르게 계산될 수 있다. 이 경우, 해당 상품의 최종 평가점수는 각각의 타 구매자별로 계산된 평가점수를 모두 합한 값으로 계산되고, 계산된 값의 크기로 정렬한 후 추천대상 구매자가 구매한 상품은 추천리스트에서 제외하고 정렬된 순서대로 추천하게 된다.The recommended product selection unit 104 selects a product to be recommended to the buyer among the products purchased by the other buyer based on the calculated evaluation score. For example, in the various embodiments described with reference to FIGS. 1 and 2, products having a high evaluation score calculated are selected as recommended products and provided to the user. At this time, if there are a large number of other buyers who commonly purchase one product as a recommendation target buyer, the evaluation score of the product may be calculated differently for each other buyer. In this case, the final evaluation score of the product is calculated as the sum of the evaluation scores calculated for each of the other buyers. After sorting by the calculated value size, the product purchased by the recommendation target buyer is excluded from the recommendation list In order of recommendation.

이와 같이, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다.Thus, those skilled in the art will appreciate that the present invention may be embodied in other specific forms without departing from the spirit or essential characteristics thereof. It is therefore to be understood that the embodiments described above are to be considered in all respects only as illustrative and not restrictive.

예컨대, 본 발명에 따른 상품추천 서버(100)나 사용자 단말은 메모리에 의하여 정보를 저장할 수 있는데, 일 구현예의 경우 메모리는 컴퓨터로 판독 가능한 매체이다. 일 구현예에서 메모리는 휘발성 메모리 유닛일 수 있으며, 다른 구현예의 경우 메모리는 비휘발성 메모리 유닛일 수 있다. 또한, 메모리는 예컨대 하드디스크 장치, 광학디스크 장치, 혹은 어떤 다른 대용량 저장 장치를 포함할 수도 있다.For example, the product recommendation server 100 or the user terminal according to the present invention may store information by means of a memory, in one embodiment the memory is a computer-readable medium. In one implementation, the memory may be a volatile memory unit, and in other embodiments the memory may be a non-volatile memory unit. The memory may also include, for example, a hard disk device, an optical disk device, or any other mass storage device.

상품추천 서버(100)나 사용자 단말은 또한 예컨대 이더넷 카드와 같은 하나 이상의 네트워크 인터페이스 장치, 예컨대 RS-232 포트와 같은 직렬 통신 장치 및/또는 예컨대 802.11 카드와 같은 무선 인터페이스 장치를 외부 입출력 장치로서 포함할 수 있다. 다른 구현예에서, 이러한 입출력 장치는 다른 입출력 장치로 출력 데이터를 전송하고 입력 데이터를 수신하도록 구성된 드라이버 장치, 예컨대 키보드, 프린터 및 디스플레이 장치 등을 포함할 수 있다.The product recommendation server 100 or the user terminal may also include one or more network interface devices, such as an Ethernet card, for example, a serial communication device such as an RS-232 port and / or a wireless interface device such as an 802.11 card as an external input / output device . In other implementations, such input / output devices may include driver devices configured to transmit output data to other input / output devices and receive input data, such as keyboards, printers, display devices, and the like.

상품추천 서버(100)는 실행 시 하나 이상의 처리 장치로 하여금 전술한 기능과 프로세스를 수행하도록 하는 명령에 의하여 실현될 수 있다. 예를 들어 그러한 명령으로는, 예컨대 JavaScript나 ECMAScript 명령 등의 스크립트 명령과 같은 해석되는 명령이나 실행 가능한 코드 혹은 컴퓨터로 판독 가능한 매체에 저장되는 기타의 명령이 포함될 수 있다.The commodity recommendation server 100 can be realized by an instruction that causes one or more processing apparatuses to perform the above-described functions and processes at the time of execution. Such instructions may include, for example, interpreted instructions such as script commands, such as JavaScript or ECMAScript commands, or other instructions stored in executable code or computer readable media.

본 발명에 따른 상품추천 서버(100)는 서버 팜(Server Farm)과 같이 네트워크에 걸쳐서 분산형으로 구현될 수 있으며, 혹은 단일의 컴퓨터 장치로 구현될 수 있다.The product recommendation server 100 according to the present invention may be implemented in a distributed manner over a network, such as a server farm, or may be implemented as a single computer device.

본 명세서에서 설명하는 기능적인 동작과 주제의 구현물들은 디지털 전자 회로로 구현되거나, 본 명세서에서 개시하는 구조 및 그 구조적인 등가물들을 포함하는 컴퓨터 소프트웨어, 펌웨어 혹은 하드웨어로 구현되거나, 이들 중 하나 이상의 결합으로 구현 가능하다. 본 명세서에서 설명하는 주제의 구현물들은 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 처리 시스템의 동작을 제어하기 위하여 혹은 이것에 의한 실행을 위하여 유형의 프로그램 저장매체 상에 인코딩된 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다.Implementations of the functional operations and the subject matter described herein may be implemented in digital electronic circuitry, or may be implemented in computer software, firmware, or hardware, including the structures disclosed herein, and structural equivalents thereof, It can be implemented. Implementations of the subject matter described herein may be implemented as one or more computer program products, i. E. One or more modules relating to computer program instructions encoded on a type of program storage medium for execution by, or control of, the operation of the processing system Can be implemented.

컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장 장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조성물 혹은 이들 중 하나 이상의 조합일 수 있다.The computer-readable medium can be a machine-readable storage device, a machine-readable storage substrate, a memory device, a composition of matter that affects the machine readable propagation type signal, or a combination of one or more of the foregoing.

본 명세서에서 “시스템”이나 “장치"라 함은 예컨대 프로그래머블 프로세서, 컴퓨터 혹은 다중 프로세서나 컴퓨터를 포함하여 데이터를 처리하기 위한 모든 기구, 장치 및 기계를 포괄한다. 처리 시스템은, 하드웨어에 부가하여, 예컨대 프로세서 펌웨어를 구성하는 코드, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 체제 혹은 이들 중 하나 이상의 조합 등 요청 시 컴퓨터 프로그램에 대한 실행 환경을 형성하는 코드를 포함할 수 있다.The term " system " or " device "encompasses any apparatus, apparatus, and machine for processing data, including, for example, a programmable processor, a computer or multiple processors or computers. A code that forms the processor firmware, a protocol stack, a database management system, an operating system, or a combination of one or more of these, for example, code that forms an execution environment for a computer program upon request.

컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.A computer program (also known as a program, software, software application, script or code) may be written in any form of programming language, including compiled or interpreted language, a priori or procedural language, Components, subroutines, or other units suitable for use in a computer environment. A computer program does not necessarily correspond to a file in the file system. The program may be stored in a single file provided to the requested program, or in multiple interactive files (e.g., a file storing one or more modules, subprograms, or portions of code) (E.g., one or more scripts stored in a markup language document). A computer program may be deployed to run on multiple computers or on one computer, located on a single site or distributed across multiple sites and interconnected by a communications network.

한편, 컴퓨터 프로그램 명령어와 데이터를 저장하기에 적합한 컴퓨터로 판독 가능한 매체는, 예컨대 EPROM, EEPROM 및 플래시메모리 장치와 같은 반도체 메모리 장치, 예컨대 내부 하드디스크나 외장형 디스크와 같은 자기 디스크, 자기광학 디스크 및 CD-ROM과 DVD-ROM 디스크를 포함하여 모든 형태의 비휘발성 메모리, 매체 및 메모리 장치를 포함할 수 있다. 프로세서와 메모리는 특수 목적의 논리 회로에 의해 보충되거나, 그것에 통합될 수 있다.On the other hand, computer readable media suitable for storing computer program instructions and data include semiconductor memory devices such as, for example, EPROM, EEPROM and flash memory devices, such as magnetic disks such as internal hard disks or external disks, Non-volatile memory, media and memory devices, including ROM and DVD-ROM disks. The processor and memory may be supplemented by, or incorporated in, special purpose logic circuits.

본 명세서에서 설명한 주제의 구현물은 예컨대 데이터 서버와 같은 백엔드 컴포넌트를 포함하거나, 예컨대 어플리케이션 서버와 같은 미들웨어 컴포넌트를 포함하거나, 예컨대 사용자가 본 명세서에서 설명한 주제의 구현물과 상호 작용할 수 있는 웹 브라우저나 그래픽 유저 인터페이스를 갖는 클라이언트 컴퓨터와 같은 프론트엔드 컴포넌트 혹은 그러한 백엔드, 미들웨어 혹은 프론트엔드 컴포넌트의 하나 이상의 모든 조합을 포함하는 연산 시스템에서 구현될 수도 있다. 시스템의 컴포넌트는 예컨대 통신 네트워크와 같은 디지털 데이터 통신의 어떠한 형태나 매체에 의해서도 상호 접속 가능하다.Implementations of the subject matter described herein may include, for example, a back-end component such as a data server, or may include a middleware component, such as an application server, or may be a web browser or a graphical user, for example a user, who may interact with an implementation of the subject- Front-end components such as client computers with interfaces, or any combination of one or more of such back-end, middleware, or front-end components. The components of the system may be interconnected by any form or medium of digital data communication, such as, for example, a communications network.

본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 마찬가지로, 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.While the specification contains a number of specific implementation details, it should be understood that they are not to be construed as limitations on the scope of any invention or claim, but rather on the description of features that may be specific to a particular embodiment of a particular invention Should be understood. Likewise, the specific features described herein in the context of separate embodiments may be implemented in combination in a single embodiment. Conversely, various features described in the context of a single embodiment may also be implemented in multiple embodiments, either individually or in any suitable subcombination. Further, although the features may operate in a particular combination and may be initially described as so claimed, one or more features from the claimed combination may in some cases be excluded from the combination, Or a variant of a subcombination.

또한, 본 명세서에서는 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 시스템 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 시스템들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징될 수 있다는 점을 이해하여야 한다It is also to be understood that although the present invention is described herein with particular sequence of operations in the drawings, it is to be understood that it is to be understood that it is to be understood that all such illustrated acts have to be performed or that such acts must be performed in their particular order or sequential order, Can not be done. In certain cases, multitasking and parallel processing may be advantageous. Also, the separation of the various system components of the above-described embodiments should not be understood as requiring such separation in all embodiments, and the described program components and systems will generally be integrated together into a single software product or packaged into multiple software products It should be understood that

이와 같이, 본 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하려는 의도가 아니다. 따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.As such, the present specification is not intended to limit the invention to the specific terminology presented. Thus, while the present invention has been described in detail with reference to the above examples, those skilled in the art will be able to make adaptations, modifications, and variations on these examples without departing from the scope of the present invention. The scope of the present invention is defined by the appended claims rather than the detailed description and all changes or modifications derived from the meaning and scope of the claims and their equivalents are to be construed as being included within the scope of the present invention do.

100 : 상품추천 서버
101 : 구매정보 수집부
102 : 공통구매관계 분석부
103 : 상품평가점수 계산부
104 : 추천상품 선정부100: Commodity recommendation server
101: Purchasing information collecting section
102: Common purchase relationship analysis section
103: commodity score calculation unit
104: Suggested goods selection

Claims

A purchase information collecting unit for collecting purchase information of a purchaser and other purchasers having a history of purchasing a commodity common to the purchaser;
A common purchase relationship analyzer for analyzing a common purchase relationship with the purchaser and the other purchaser based on the collected purchase information;
A merchandise score calculating unit for calculating an score of each product purchased by the other purchaser based on the analyzed common purchase relationship; And
And a recommended product selection unit for selecting a product to be recommended to the buyer among the products purchased by the other buyer based on the calculated evaluation score of each product.

The method according to claim 1,
Wherein the purchaser and the other purchaser are purchasers satisfying at least one of a predefined time of purchase of a commodity, a category of a commodity, or a number of times of purchase of a commodity.

The method according to claim 1,
The product score calculation unit may calculate a basic score of the product by multiplying the number of sales of the product purchased by the other purchaser by a common purchase weight,
Wherein the common purchase weight is determined according to the number of times that the purchaser and the other purchaser purchase the same commodity.

The method according to claim 1,
The product score calculation unit calculates a basic score of the product by multiplying the number of sales of the product purchased by the other purchaser by the common purchase weight and the purchase influence index of the other purchaser,
The common purchase weight is determined according to the number of times that the purchaser and the other purchaser purchase the same commodity,
The purchasing power influence index includes a number of purchases of the paid goods commonly purchased by the purchaser and other buyers, a total purchase amount of the paid goods,
Or the number of purchases of free goods commonly purchased by the buyer and other buyers.

5. The method of claim 4,
The purchase influence index is calculated using the following equation,

here

Is the purchasing power influence index of purchaser A, which is the target of calculating the purchasing influence index,
remind

Is the total price of the paid goods commonly purchased by the buyer A and the other buyer B,
remind

Is a purchase number weight assigned to each purchase section,

Is the number of purchases of the free goods commonly purchased by the buyer and the buyer in the purchase interval,
remind

Is a contribution weight that the free goods purchase contributes to the purchase influence index.

The method according to claim 1,
The product score calculation unit may calculate a basic score of the product by multiplying the number of sales of the product purchased by the other purchaser by a common purchase weight and an acceptance level index of the other purchaser,
The common purchase weight is determined according to the number of times that the purchaser and the other purchaser purchase the same commodity,
The acceptance level index is calculated based on the purchase influence index reflecting the purchase point of the buyer,
The purchasing power influence index includes a number of purchases of the paid goods commonly purchased by the purchaser and other buyers, a total purchase amount of the paid goods,
Or the number of purchases of free goods commonly purchased by the buyer and other buyers.

The method according to claim 6,
The acceptance level index is calculated using the following equation,

Here,

Is a weight value set for each purchase interval,
The purchase influence index is calculated using the following equation,

here

Is a purchase number weight assigned to each purchase section,

8. The method according to any one of claims 3 to 7,
Wherein the number of sales of the product is the number of times the product is sold to a buyer who purchased the product of the category to which the product belongs at a predetermined standard or more.

8. The method according to any one of claims 3 to 7,
The evaluation score is calculated by multiplying the basic evaluation score by at least one of a category weight, a purchase influence weight, and an acceptance level weight,
The category weight is determined according to the degree of similarity between the product category to which the product purchased by the buyer belongs and the product category to which the product purchased by the other buyer belongs,
The purchasing influence weight is determined according to the degree of similarity between the buying influence index of the purchaser and the purchasing influence index of the other purchaser,
Wherein the acceptance level weight is determined based on a degree of similarity between the acceptance level index of the buyer and an acceptance level index of the other buyer, the acceptance level index is calculated based on a purchase influence index reflecting the buyer's purchase point of time, The influential index is calculated based on at least one of the number of purchases of the paid goods commonly purchased by the buyer and the other purchasers, the total purchase amount of the paid goods, or the number of purchases of the free goods commonly purchased by the buyer and other buyers Based on the number of servers.

As a method for recommending a product to a buyer,
Collecting purchase information of another buyer having a history of purchasing a product common to the buyer and the buyer and analyzing a common purchase relationship with the buyer and the other buyer based on the collected purchase information;
Calculating an evaluation score for each product purchased by the other purchaser based on the analyzed common purchase relationship;
And selecting a product to be recommended to the buyer from among the products purchased by the other buyer based on the calculated evaluation score of each product.

11. The method of claim 10,
The step of calculating the evaluation score includes:
Calculating a basic evaluation score for the product by multiplying the sales number of the product purchased by the other purchaser by a common purchase weight,
Wherein the common purchase weight is determined according to the number of times the purchaser and the other purchaser purchase the same item.

11. The method of claim 10,
The step of calculating the evaluation score includes:
And calculating a basic evaluation score of the product by multiplying the sales count of the product purchased by the other purchaser by the common purchase weight and the purchasing influence index of the other purchaser,
The common purchase weight is determined according to the number of times that the purchaser and the other purchaser purchase the same commodity,
The purchasing power influence index includes a number of purchases of the paid goods commonly purchased by the purchaser and other buyers, a total purchase amount of the paid goods,
Or the number of purchases of free goods commonly purchased by the purchaser and other purchasers.

13. The method of claim 12,
The purchase influence index is calculated using the following equation,

here

Is a purchase number weight assigned to each purchase section,

11. The method of claim 10,
The step of calculating the evaluation score includes:
Calculating a basic evaluation score for the product by multiplying the sales count of the product purchased by the other purchaser by the common purchase weight and the acceptance level index of the other purchaser,
The common purchase weight is determined according to the number of times that the purchaser and the other purchaser purchase the same commodity,
The acceptance level index is calculated based on the purchase influence index reflecting the purchase point of the buyer,
The purchasing power influence index includes a number of purchases of the paid goods commonly purchased by the purchaser and other buyers, a total purchase amount of the paid goods,
Or the number of purchases of free goods commonly purchased by the purchaser and other purchasers.

12. The method of claim 11,
The acceptance level index is calculated using the following equation,

Here,

here

Is the number of paid goods commonly purchased by the purchaser A and the buyer B other than the purchaser A who are to be subjected to the purchase impact index calculation,

Is a purchase number weight assigned to each purchase section,

The method according to any one of claims 11 to 15,
The evaluation score is calculated by multiplying the basic evaluation score by at least one of a category weight, a purchase influence weight, and an acceptance level weight,
The category weight is determined according to the degree of similarity between the product category to which the product purchased by the buyer belongs and the product category to which the product purchased by the other buyer belongs,
The purchasing influence weight is determined according to the degree of similarity between the buying influence index of the purchaser and the purchasing influence index of the other purchaser,
Wherein the acceptance level weight is determined based on a degree of similarity between the acceptance level index of the buyer and an acceptance level index of the other buyer, the acceptance level index is calculated based on a purchase influence index reflecting the buyer's purchase point of time, The influence index is calculated by dividing at least one of the number of purchases of the paid goods commonly purchased by the purchaser and the other purchasers, the total purchase amount of the paid goods, or the number of purchases of the free goods commonly purchased by the buyer and other buyers . &Lt; / RTI >

17. A computer-readable medium having instructions for performing the steps of any of claims 10 to 16.