KR20150000418A - 쇼핑객 헬퍼 - Google Patents

쇼핑객 헬퍼 Download PDF

Info

Publication number
KR20150000418A
KR20150000418A KR20140075062A KR20140075062A KR20150000418A KR 20150000418 A KR20150000418 A KR 20150000418A KR 20140075062 A KR20140075062 A KR 20140075062A KR 20140075062 A KR20140075062 A KR 20140075062A KR 20150000418 A KR20150000418 A KR 20150000418A
Authority
KR
South Korea
Prior art keywords
consumer
product
database
products
helper
Prior art date
Application number
KR20140075062A
Other languages
English (en)
Inventor
장-자끄 그리모
윌리엄 마틴
Original Assignee
다솔 시스템므
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 다솔 시스템므 filed Critical 다솔 시스템므
Publication of KR20150000418A publication Critical patent/KR20150000418A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—3D [Three Dimensional] animation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

일 실시형태에서, 방법은 개별 또는 소정의 소비자의 액션을 모니터링하는 단계 및 소비자에게 사적인 메모리에 저장된 데이터베이스를 유지하는 단계를 포함한다. 데이터베이스는 소비자의 선호도들의 표시 및 개별 소비자의 구매 이력을 가질 수 있다. 데이터베이스는 모니터링된 소비자의 액션에 기초할 수 있다. 방법은 유지된 데이터베이스에 기초하여 제안된 제품을 소비자에게, 제공하는 단계를 더 포함할 수 있다.

Description

쇼핑객 헬퍼{SHOPPER HELPER}
관련 출원
본 출원은 대리인 관리번호 제 4148.1037-000 호의, Jean Jacques Grimaud 에 의한 발명의 명칭이 "Symbiotic Helper" 인 미국 특허출원 제 13/494,223 호에 관한 것이고, 이것은 그 전체가 참조로서 포함된다.
일반적으로, 리테일러 (retailer) 들은 제조자들 및 공급자들로부터의 데이터를 사용하여 그들이 제공하는 제품들 및 서비스들에 대한 제품 정보 및 사양을 관리한다. 그들은 또한, 2 개의 방식들 중 하나로 소비자 데이터를 획득 및 사용한다. 제 1 의 종래의 방식에서, 리테일러들은 세그먼트들로 이미 합쳐져 있는 하나 이상의 빅 데이터 (big data) 소스들로부터 데이터를 획득할 수 있다. 그들은 획득된 데이터를 사용하여 제품 또는 서비스 클러스터들 또는 세그먼트들을 생성하고, 그 후 생성된 클러스터들 또는 세그먼트들을 분석하고 소비자 세그먼트의 미래 구매들을 예측할 수 있다. 획득된 데이터는 소셜 네트워킹 사이트들 또는 개인 데이터의 다른 소스들로부터의 소비자의 개인 데이터, 또는 구매 데이터 및/또는 (예를 들어, 셀룰러 네트워크, 검색 엔진, 및/또는 맵핑 또는 지오로케이션 회사로부터의) 로케이션-기반 레코드들을 포함할 수도 있는데, 이들 중 어느 하나 또는 전부는 규칙들이 필요할 때 소스에서 종합된다.
두 번째 방법에서, 리테일러들은 또한 Enliken, Intelius, Spokeo 등과 같은 어그리게이터 (aggregator) 들로부터 개인 데이터를 획득할 수 있고, 그 개인 데이터를 미래의 구매들 또는 바램들을 예측하는데 사용할 수 있다. 리테일러는 또한, 개인 데이터 (예를 들어, 주소, 나이 등), 거래 데이터, 및/또는 희망 리스트들을 포함하고, 고객들로부터 수집된 그 자체로, 개인 데이터를 단독으로 또는 다른 획득된 데이터와 조합하여 사용할 수도 있다.
매장 내 및 온라인 쇼핑 경험들 양자를 제공하기 위한 종래의 접근은 스토어 내에서 또는 웹사이트 상에서 가능한 한 많은 시간을 소비자가 소비하는 것을 야기한다. 많은 리테일러들은, 쇼핑객이 쇼핑 경험에서 더 많은 시간을 소비하는 것이 소비자에 의한 추가의 시간 소비된 쇼핑의 결과로서 더 많은 판매들을 생성하기 위한 유일한 방법이라고 믿는다.
오늘 날, 이용 가능한 빅 데이터의 품질은, 데이터를 획득하고, 저장하며, 프로세싱하는 리테일러의 비용들이 빅 데이터의 사용의 이득보다 더 대단하다는 것을 보장하기에 불충분하다. 구매 행위와의 상관이 소정 세그먼트에서 확립될 수 있으나, 인과 관계가 명확해지는 것으로부터 멀어지고 결과들의 적합한 사용이 의심스러워질 수 있다. 또한, 소비자들은 구매를 하기 위해 필요한 정보 이상을 리테일러들과 퍼스널을 공유하거나 데이터를 식별하는 것에 점점 민감해지고 있다. 일부 경우들에서, 소비자가 미래의 접촉을 화나거나 거슬리는 것으로서 감지하는 경우 소비자는 허위 데이터 (false data) 를 입력하여 리테일러로부터 미래의 접촉을 방지할 수도 있다.
정부 및 단체들은 또한, 개인적으로 식별 가능한 정보 및 재무 정보의 가끔의 데이터 누설들로 인해 소비자 데이터의 획득 및 저장을 규제하는 것에 더 개입되고 있고, 리테일러들 및 다른 온라인 엔티티들에게 프라이버시 규칙들을 구현하도록 강요하는 것을 고려하고 있다. 또한, 증가하는 수의 소비자들은 스마트폰들 및 모바일 디바이스들 상에서 국부적으로 개인 데이터를 관리하고, 그 데이터를 필요에 따라 거래들에서 사용하는데, 이것은 덜 이용 가능한 데이터를 리테일러에게 제공한다. 소비자들에 관한 덜 이용 가능한 데이터로, 리테일러는 그 소비자들에게 정확한 제품 추천들을 제공하는 어려움을 가질 수 있다. 리테일러들은 또한, 데이터 크런칭 (data crunching) 을 통해 쇼핑객 서비스를 향하여 그들의 자산들을 재정비할 수도 있다.
따라서, 본 발명의 일 실시형태에서, 구매 헬퍼 (또는 쇼핑 헬퍼) 는 소비자로 하여금, 가능한 한 빨리 리테일러로부터 그 또는 그녀가 원하는 것이 무엇인지를 찾게 하여 원하는 제품들의 후보 리스트 (short list) 를 더 빠르게 리턴하게 한다. 구매 헬퍼 (purchasing helper) 는 그들을 더 효율적으로 만듦으로써 쇼핑 세션들을 단축시키고 소비자에게 만족스러운 구매를 더욱 초래할 가능성이 많다.
일 실시형태에서, 본 발명은 리테일러로 하여금 지능형 제안들로 쇼핑객들을 돕게 하도록 하는 컴퓨터 프로그램들 또는 시스템들에 관한 것이다. "구매 헬퍼" 또는 "쇼핑 헬퍼" 는 독립형 컴퓨터 프로그램, 착용 가능 컴퓨터, 네트워크 접속 컴퓨터 프로그램, 및 온라인 쇼핑 웹사이트, 및/또는 모바일 애플리케이션으로서 구현될 수도 있다.
3 개의 데이터 유형들은 소비자의 미래 구매를 표시할 수 있다. 데이터의 제 1 유형은 의도된 사용, 콘텍스트 및 환경 데이터이다. 이 데이터는 소비자의 특정 목표들을 달성하기 위해 제품이 사용되는 용도, 로케이션, 방식, 및 기간을 정의한다. 소비자가 제품에서 그 또는 그녀의 요구를 알지 못할 수도 있기 때문에, 소비자의 특정 목표들 및 이들 목표들을 달성하기 위한 요건은 완전하게 정의되지 않을 수도 있다. 소비자가 제품 또는 제품의 가상 표현과 상호작용하게 되기 때문에, 소비자는 쇼핑 전이나 쇼핑 동안에 그 또는 그녀의 요구를 알게 될 수 있다.
소비자는 데이터의 제 1 유형을 구매 헬퍼에게 제공한다. 구매 헬퍼는 구매될 제품의 사용법, 콘텍스트 및 환경을 이해하기 위해 소비자 적응 질문들을 질의하도록 구성된다. 질문들은 제품 슈퍼카테고리 및 제품 카테고리에 의해 변한다. 구매 헬퍼가 소비자에 관한 정보를 획득함에 따라, 질문들의 성질 및 빈도수는 조정 또는 자동으로 조정될 수 있다 (예를 들어, 구매 헬퍼가 소비자에 관해 더 많이 알면 감소된다).
데이터의 제 2 유형은 제품의 사양이다. 제품의 사양은 제품의 치수들, 물리적 속성들, 감정적 속성들 및 기능들을 포함한다.
데이터의 제 3 유형은 제품의 거래 속성들이다. 거래 속성들은 가격, 유닛 당 가격, 지불 모드, 배달 모드, 배달 시간, 편의 등을 포함한다. 통상적으로, 리테일러는 제품의 사양 및 제품의 거래 속성들을 쇼핑 헬퍼에게 제공하지만, (예를 들어, 검색 또는 콘텐트 종합 시스템으로부터) 인터넷/클라우드가 또한 사양 및 거래 속성들을 제공할 수 있다. 그러나, 소정의 경우들에서, 소비자는 제품의 사양 또는 거래 속성들을 제공할 수 있다. 일부 경우들에서, 거래 속성들은 제품의 사양 또는 다수의 제품들의 구성, 예를 들어 제품이 제품들의 세트로서 언제 팔리는지에 의존할 수도 있다.
다른 제품 추천 시스템은 소비자가 구매하는 것을 돕도록 소비자에게 질문하지 않는다. 차라리, 그들은 사용자의 액션들을 고려하고 이들 액션들을 추천된 제품들로 맵핑하도록 시도한다. 예를 들어, 리테일러는 최근에 책들을 구매했던 사용자에게 책들을 추천한다. 다른 예로써, 리테일러는 최근에 노래들을 구매했던 사용자에게 노래들을 추천한다. 리테일러는 네트워크의 그 인터넷/클라우드 단 (end) 상에 이들 추천 시스템들을 배치한다. 리테일러는 제품을 구매한 소비자가 아닌, 각각의 추천 시스템을 관리한다.
제품 추천 시스템들은 예를 들어 웹사이트에 대한 증가된 수익을 측정하는 메트릭을 사용함으로써 사용자들의 대형 집단으로부터의 데이터에 기초하여 제품들을 추천한다. 그들은 또한, 웹사이트를 방문하는 모든 사용자들을 위해 단일 모델을 이용하고, 또는 그들이 다수의 모델들을 사용하는 경우 인구의 일부분들의 대형 인구통계 자료에 기초하여 모델들을 정의한다. 그러나, 그들은 각각의 개별 사용자에 대해 적응된 모델들을 이용하지 않는다.
교육 환경에서, 적응적 사용자 모델들은 학생 학습을 용이하게 하고 학생에게 주어진 테스트들의 콘텐트를 개선한다. 학습 엔진들은 사용자의 액션들에 기초하여 사용자 모델을 자동으로 적응시킨다. 그러나, 이들 학습 엔진들은 긍정 오류 (false positive) 를 생성할 수 있고, 이는 그 학습 맵에 대한 허위의 학습 경로들로 학생들을 이끈다.
구매 헬퍼는 상이한 솔루션을 소비자에게 제공한다. 구매 헬퍼의 사용자 모델은 각각의 소비자에게 특정되게 된다. 소정 경우들에서, 소비자는 그 또는 그녀 자신을 위해서만 쇼핑한다. 다른 경우들에서, 소비자는 다수의 소비자들, 예를 들어 그 또는 그녀 가정 내의 다른 소비자들을 위해 쇼핑한다.
소비자의 구매들은, 일반적으로 세트로서 구입한 액세서리들, 도자기 등과 같은 구매들을 제외하고 서로 독립적이다. 통상적으로, 소비자는 년 당 150 내지 200 개의 고유한 제품들을 구매하고, 이들 중 대부분은 서로 독립적이다. 반대로, 교육 과정들은 지식 'bricks' 의 모음집이고, 이들 각각은 다음 과정 레벨로 진행하기 위해 이전의 브릭의 이해를 필요로 한다. 통상의 추천 시스템들은 제품 또는 제품들의 소정 카테고리에 묶이는 경향이 있고, 개인에게 적응되는 대신에 큰 집단에게 추천을 제공하도록 설계된다.
구매 헬퍼는 소비자에게 질문들, 특히 의도된 사용, 구매 콘텍스트 및 환경에 관련된 질문들을 제기하여, 개별 소비자의 구매를 위한 요건을 더 잘 이해할 수 있다. 현재 추천 시스템들은 의도된 구매에 관해 소비자에게 질문하지 않는다; 그들은 제품 사양 및 거래 속성들에 관심이 있다.
일반적으로, 소비자는 그 또는 그녀의 구매를 위해 다수의 제품들 중에서 선택한다. 이들 제품들 중 일부는 소비자에 의해 발견될 수 있는 한편, 나머지들은 구매 헬퍼에 의해 발견될 수 있다. 소비자는 제품을 축소시키거나 구매할지 여부, 및 어느 아이템을 구매할지를 결정한다. 교육 적응 모델과 구매 헬퍼를 대조하기 위해, 다중-선택 시험을 공부하는 학생은 그/그녀에게 제시된 다중 선택들의 제한된 세트 중에서 정확한 대답을 선택해야 한다. 학생은 제시된 다중 선택들 외에 추가의 대답들을 찾거나 입력할 그 또는 그녀 자신의 능력이 없다. 반대로, 구매 헬퍼의 소비자는 리테일러에 의해 제시된 초기 제품들 외에 추가의 제품들을 찾을 수 있다.
통상의 리테일러 웹사이트들 및 웹사이트 애플리케이션들은 페이지들 상에 제품들의 콜렉션들을 디스플레이한다. 각각의 페이지는 제품들의 리스트의 제품을 보여준다. 통상적으로, 리테일러 웹사이트는 단지, 페이지 당 정의된 수의 제품들의 2D 표현들을 디스플레이한다. 페이지들에 제품들을 디스플레이하는 것은 동일한 페이지의 상부 및 하부 상에 콜렉션의 제품들을 선택 및 비교하거나 상이한 페이지들로부터 제품들을 비교하는 것을 어렵게 만든다.
제품들의 콜렉션들은 또한, 가상 스토어들에서 디스플레이될 수 있다. 가상 스토어는 콜렉션의 제품들 중 대부분에 대해 동일한 제품의 다수의 경우들을 갖는 실제 스토어를 도시하는 스토어의 3D 표현이다. 이들 가상 스토어 표현들은 또한, 퍼니처 (furniture) 를 더 보여주는데, 이 퍼니처는 제품들의 콜렉션을 보기 위해 시각적 장애물을 생성하고 콜렉션의 제품들을 사용자가 선택하는 것을 도울 뿐 아니라, 물리적 환경에 사용자가 가상 환경을 관련되게 만들도록 단지 기능한다.
일 실시형태에서, 구매 헬퍼는 3 차원 (3D) 으로 콜렉션의 각 제품을 제시한다. 이 콜렉션은 임의의 퍼니처 또는 픽스처 (fixture) 를 제시하지 않고 단일 평면 상에 디스플레이될 수 있다. 사용자 인터페이스는 콜렉션의 제품들의 연속적인 균일 뷰를 가능하게 하는, 줌, 팬 및 피치 커맨드들에 응답할 수 있다. 사용자는 기준 (예를 들어, 속성들) 을 사용하여 제품들을 필터링함으로써 또는 제품들의 일부를 마킹함으로써 이들 제품들의 서브세트를 선택할 수 있다. 각각의 제품은 그 외부, 또는 그 내부의 단면을 관찰하도록 3 개 축들의 자유도에 따라 선택, 조작, 및 회전될 수 있다. 제품은 또한, 제품 피처들, 예컨대 힌지, 서랍, 또는 트위스팅 노브 (twisting knob) 등을 조작함으로써 조작될 수 있다. 구매 헬퍼는 또한, 오디오를 재생하고, 경보들을 설정하며, 음성 인식, 음성 합성, 및 자연 언어를 수행할 수 있다.
일 실시형태에서, 방법은 소비자의 액션을 모니터링하는 단계 및 소비자에게 사적인 메모리에 저장된 데이터베이스를 유지하는 단계를 포함할 수 있다. 데이터베이스는 소비자의 선호도들의 표시 및 소비자의 구매 이력을 가질 수 있다. 데이터베이스는 소비자의 모니터링된 액션에 기초할 수 있다. 방법은 유지된 데이터베이스에 기초하여 소비자에게, 제안된 제품을 제공하는 단계를 더 포함할 수 있다.
다른 실시형태에서, 방법은 소비자로 하여금 데이터베이스의 적어도 일부를 선택하게 하고, 또한 소비자로 하여금 데이터베이스의 일부를 제 3 자와 공유하게 하는 단계를 포함할 수 있다.
추가의 실시형태에서, 방법은 복수의 이용 가능한 제품들 각각의 제품 카테고리에 대한 트리를 구축함으로써 (예를 들어, 가정 내의) 소비자의 식별자, 복수의 이용 가능한 제품들, 및/또는 구매 이력에 기초하여 데이터베이스를 초기화하는 단계를 포함할 수 있다.
또 다른 실시형태에서, 방법은 제품의 카테고리의 적어도 하나의 속성의 선택을 가능하게 할 수 있다. 데이터베이스를 유지하는 것은 소비자에 의해 선택된 적어도 하나의 속성들의 순서에 기초하여 트리를 변경함으로써 데이터베이스를 유지하는 단계를 포함할 수 있다.
다른 실시형태에서, 방법은 복수의 제품들을 랭킹 (ranking) 하는 단계를 포함할 수 있다. 각각의 제품은 사양들 및 거래 속성들과 연관될 수 있다. 랭킹은 소비자의 과거 관찰된 액션, 각 제품의 사양, 표시된 소비자의 요구, 및/또는 각 제품의 거래 속성에 기초할 수 있다. 표시된 소비자의 요구는 제품 사용법, 사용의 콘텍스트, 및 사용의 환경의 관점에 있을 수 있다. 방법은 사용자 선택에 응답하여, 소비자에 의해 선택된 제품에 기초하여 데이터베이스를 조정하는 단계를 더 포함할 수 있다. 거래 속성은 제품의 가격, 제품 유닛당 가격, 제품의 지불 모드, 제품의 배달 모드, 제품의 배달 기간, 및/또는 제품의 배달 제공자를 포함할 수 있다.
또 다른 실시형태에서, 방법은 가상 스토어의 일부로서 단일 평면에서 3 차원으로 제품들의 콜렉션의 표현을 제시하는 단계를 더 포함할 수 있다. 방법은 콜렉션의 표현의 주밍 (zooming), 패닝 (panning), 및 피치 조작 중 적어도 하나를 가능하게 하는 단계를 더 포함할 수 있다. 방법은 추가적으로, 콜렉션의 각 제품의 선택, 옮김 (translation), 회전, 및 피처들의 조작 중 적어도 하나를 가능하게 하는 단계를 포함할 수 있다. 표현을 제시하는 단계는 표현을 머리 착용 컴퓨터에 제시하는 단계를 포함할 수 있다.
다른 실시형태에서, 데이터베이스를 유지하는 것은 하나 이상의 제 3 자와 소비자의 액티비티들을 모니터링하는 백그라운드 프로세스에 의해 수행될 수 있다.
추가의 실시형태에서, 방법은 소비자에게 질문을 발행하여 소비자의 요구를 결정하는 단계를 포함할 수 있다. 방법은 추가적으로, 이 질문에 응답하여 소비자의 요구를 나타내는 대답을 수신하는 단계를 포함할 수 있다. 제안된 제품을 제공하는 것은 대답, 제안된 제품의 사양, 및/또는 제안된 제품의 거래 속성들에 기초할 수 있다.
다른 실시형태에서, 시스템은 소비자에게 사적인 메모리를 포함한다. 시스템은 소비자의 액션을 모니터링하도록 구성된 사용자 인터페이스 모듈을 더 포함할 수 있다. 시스템은 추가적으로, 소비자에게 사적인 메모리에 저장된 데이터베이스를 유지하도록 구성된 유지 모듈을 포함할 수 있다. 데이터베이스는 소비자의 선호도들의 표시 및 소비자의 구매 이력을 가질 수 있다. 데이터베이스는 소비자의 모니터링된 액션에 기초할 수 있다. 시스템은 유지된 데이터베이스에 기초하여 소비자에게, 제안된 제품을 제공하도록 구성된 제품 제안 모듈을 더 포함할 수 있다.
상기는 첨부된 도면들에서 예시된 바와 같은, 본 발명의 예시의 실시형태들의 다음의 더 상세한 설명으로부터 명백해질 것이고, 도면들에서 유사한 참조 부호들은 상이한 도면들 전체에서 동일한 부분들을 지칭한다. 도면들은 반드시 스케일링되지 않으며, 대신에 본 발명의 예시의 실시형태들 상에 강조가 배치된다.
도 1 은 사용자 디바이스와 인터페이싱하는 리테일러의 예시의 실시형태를 나타내는 블록도이다.
도 2 는 복수의 리테일러들과 인터페이싱하기 위해 사용자 디바이스를 사용하는 사용자의 예시의 실시형태를 나타내는 블록도이다.
도 3 은 본 발명의 예시의 실시형태를 나타내는 도면이다.
도 4 는 본 발명에 의해 이용된 구매 헬퍼의 예시의 실시형태를 나타내는 블록도이다.
도 5 는 본 발명의 실시형태에 따른 소비자 결정 트리의 예시의 실시형태를 나타내는 블록도이다.
도 6 은 소비자 결정 트리의 서브세트의 도면이다.
도 7 은 본 발명의 예시의 실시형태에 의해 이용된 프로세스를 나타내는 흐름도이다.
도 8 은 본 발명에 의해 이용된 프로세스의 예시의 실시형태를 나타내는 흐름도이다.
도 9 는 본 발명의 실시형태들이 구현될 수도 있는 컴퓨터 네트워크 또는 유사한 프로세싱 환경을 나타낸다.
도 10 은 도 9 의 컴퓨터 시스템에서 컴퓨터의 예시의 내부 구조 (예를 들어, 클라이언트 프로세서/디바이스 또는 서버 컴퓨터들) 의 도면이다.
본 발명의 예시의 실시형태들의 설명은 다음과 같다.
일 실시형태에서, 구매 헬퍼 (예를 들어, "구매 헬퍼" 또는 "쇼핑 헬퍼") 는 변화하는 소비자 습관들에 적응하는 비동기식 소비자 모델이다. 구매 헬퍼는 온라인 (또는 오프라인) 리테일러 정보, 매장 내 (in-store) 정보, 및 추가의 온라인 정보 (예를 들어, 소비자 정보) 에 기초하여 소비자에게 제품들을 추천한다. 구매 헬퍼는 또한, 다양한 기술들, 예컨대 QR 코드들, RFID, 음성 인식, 음성 합성, 및 다른 하드웨어-구동 기술, 예컨대 GoogleTM 글래스와 같은 위어러블 컴퓨팅 디바이스 (wearable computing device) 를 이용하여, 그 사용자 인터페이스를 제공하고 데이터를 수집한다.
구매 헬퍼는 카테고리들 및/또는 액티비티들, 구매 의도들, 다른 값들 (예를 들어, 제품이 만들어진 곳), 또는 다른 카테고리 기준에 따라 소비자 관심들을 추적할 수 있다. 상품들 또는 서비스들의 카테고리에 관련된 정보, 또는 구매 의도들과의 동조와 같은 다른 외부 자극들이 또한, 사용되어 소비자를 도울 수도 있다.
구매 헬퍼는 임의의 수의 아이템들, 예컨대 우선순위, 선택, 기회, 구매 계획, 시간 관리, 리스크 또는 안전 요소들, 및/또는 제어 느낌들에 기초하여 소비자가 제품들/서비스들을 찾고/찾거나 제품들/서비스들을 선택하는 것을 도울 수 있다.
구매 헬퍼는 (1) 리테일러를 통해 소비자의 구매 이력을 액세스하고; (2) 구매 이력에 대한 콘텍스트를 제공하며; (3) 제품들의 카테고리들 및 슈퍼카테고리들을 사전-종합 (pre-populate) 함으로써 초기화된다. 소비자가 제품들을 구매할 때, 구매 헬퍼는 저장된 정보를 조정한다. 그러나, 구매 헬퍼는 또한, 소비자가 구매를 하지 않을 때에도 저장된 정보를 조정한다. 즉, 구매 헬퍼는 사용자가 특정 제품을 고려했고 그것을 구매하기를 선택하지 않았다는 것을 나타내는 대신에, 사용자가 그 특정 제품을 구매하지 않는 경우에도 저장된 정보를 조정한다. 초기화는 시간이 경과함에 따라 리테일러에 의해 제공 또는 팔린 제품들/서비스들의 리스트를 디지털 형태로 저장하는 것을 포함한다. 구매 헬퍼는 슈퍼카테고리에 의해, 그리고 카테고리에 의한 이들 내에서 구매되었던 제품들/서비스들의 명칭들 및 3D 표현들 (적용 가능한 경우) 을 열거한다. 슈퍼카테고리는 디스크립터에 의해 그룹화된 제품들의 세트이다. 디스크립터는 폭넓은 카테고리, 예컨대 "책들" 또는 "홈 앤 가든" 과 같은 스토어의 섹션일 수 있다. 슈퍼카테고리는 또한, 카테고리들 또는 서브-카테고리들을 포함할 수 있다. 카테고리들은 또한, 디스크립터에 의해 그룹화된다. 카테고리의 디스크립터는 슈퍼카테고리의 디스크립터보다 더 좁을 수 있다. 예를 들어, 슈퍼카테고리가 "책들" 이면, 이 슈퍼카테고리 내의 카테고리들은 "비-소설", "소설", "역사", "회고록", "과학 소설", "판타지" 및 "역사 소설" 을 포함할 수 있다.
구매 헬퍼는 또한, 제품/서비스의 표시된 의도된 수령인(들)(예를 들어, 소비자 그 또는 그녀 자신, 소비자의 가족, 아이, 또는 친구들 등)에 기초하여 특정 소비자에게 보여지는 디스플레이된 제품들/서비스들을 조직화할 수도 있다. 구매 헬퍼는 또한, 지정된 이력 주기 동안 이루어진 구매들의 각각의 슈퍼카테고리 또는 카테고리에 대한 소비자 결정 트리를 저장한다. 소비자에 의해 이루어진 각각의 구매에 대해, 구매 헬퍼는 대응하는 소비자 결정 트리를 역으로 횡단한다. 이 분석 동안, 구매 헬퍼는 각각의 구매 동안 이루어진 소비자를 선택하고, 그 들을 이력 정규화된 분포에 비교한다. 구매 헬퍼는 또한, 리테일러가 판매용으로 제공하는 것을 멈춘 제품들/서비스들이 어떤 것인지를 결정하고, 이미 구매되었던 또는 구매에 이용 가능할 수도 있는 대체 제품들을 결정하고 이 대체 제품들로 이들 제품들/서비스들을 대체하고자 시도한다.
구매 헬퍼는, (1) 통일 상품 코드 (Universal Product Code; UPC) 및 다른 제품 식별자들, 예컨대 유럽 상품 코드 (European Article Number; EAN) 또는 국제 상품 코드 (International Article Number; EAN); (2) 제품/서비스 타이틀들; (3) 브랜드 명칭들; (4) 공급자 정보; (5) 제품/서비스 디스크립션들; (6) 종합 정보; (7) 서브-종합 정보; (8) 소비자 결정 트리 정보; (9) 제품 치수들; (10) 제품 무게들; (11) 제품/서비스 성질; (12) 표현 정보; (13) 제품 색상들; (14) 제품 크기들; (15) 제품/서비스 추천 가격들; 및 (16) 제품/서비스 카테고리들을 포함하는, 리테일러로부터의 제품-특정 데이터를 저장하기 위해 데이터베이스를 이용한다.
구매 헬퍼는 또한, (1) 제품의 패키징을 발견 또는 인식하는 것; (2) 제품의 콘텐츠 (예를 들어, 소재, 부품, 조립 설명, 배달 정보, 조립-후 이미지들) 를 결정하는 것; (3) 어소트먼트 (assortment) 및 소비자 결정 트리를 기술하는 것; 및/또는 (4) 쇼핑 리스트 상에 남아 있는 제품들을 기술하는 것을 용이하게 하도록 소비자에게 제품들의 3D 모델 표현들을 제시한다. 구매 헬퍼는 또한, 의류, 장식품 (예를 들어, 램프들, 창문 채양들, 또는 다른 내부 또는 외부 데코레이션들), 및/또는 모터들과 같은 제품들의 주문제작 (customization) 을 용이하게 하도록 3D 모델들을 사용할 수도 있다. 구매 헬퍼는 또한, 3D 인쇄 디바이스에 3D 모델들을 제공하여 3D 모델에 의해 표현된 물리적 표시를 생성할 수도 있다.
구매 헬퍼는 또한, 제품/서비스 디스크립션들로부터 제품/서비스 사양들을 생성하여 더 좋은 쇼핑 경험을 용이하게 한다. 예를 들어, 제품/서비스 사양들을 이용할 수 없는 경우, 구매 헬퍼는 키워드들에 대한 디스크립션을 텍스트 마이닝 (text-mining) 함으로써 제품의 사양들을 생성할 수 있다.
일 실시형태에서, 구매 헬퍼의 데이터는 사전-종합된다. 이것은, 리테일러에 의해 제공된 구매 이력 및/또는 소비자 결정 트리를 사용하여 구매 이력 분석을 자동화하는 것을 용이하게 한다. 특히, 데이터는 소비자 개인적일 수도 있고 또는 더 일반적일 수도 있다. 구매 헬퍼는 또한, 예컨대 온라인 데이터베이스로부터, UPC 코드들에 기초하여 제품들의 3D 표현들을 추가할 수도 있다. 더욱이, 구매 헬퍼는 리테일러에 대한 소비자의 태도를 결정 및 저장할 수도 있다. 리테일러에 대한 태도는 리테일러에서 제품들의 가격들, 어소트먼트의 심도, 제품들의 품질, 환불 또는 교환 정책들, 정시 배달 비율들, 신뢰, 제공된 정보의 적합성 (예를 들어, 스팸 이메일 부족), 기업 책임, 및/또는 친환경 또는 지속가능성에 관한 것일 수도 있다.
구매 헬퍼에 의해 사용된 추가 데이터는 콘텍스트-특정 기준 또는 슈퍼카테고리들, 예컨대 섹션들을 포함한다. 슈퍼카테고리들의 예들은 책, 영화, 음악 및 게임, 일렉트로닉스 & 컴퓨터, 홈 & 가든, 주택 개조 & 도구, 건강 & 뷰티 케어, 장난감, 키즈 & 베이비, 옷, 신발 & 액세서리, 스포츠 & 아웃도어, 모터, 수집 대상물 & 아트 및 산업 & 과학을 포함할 수 있다. 그러나, 다른 슈퍼카테고리들 (또는 섹션들) 이 리테일러에 의해 제공될 수 있다.
구매 헬퍼는 또한, 소비자의 쇼핑 리스트 상의 각각의 제품/서비스에 대한 수령인의 식별자 또는 섬네일 (thumbnail) 을 보여줄 수 있다. 소비자는 필요에 따라 식별자를 변경할 수 있다.
구매 헬퍼는 또한, 소비자로 하여금 배달 모드들을 설정하게 한다. 예를 들어, 소비자는 구매된 제품들/서비스들을 스토어에서 픽업할 수도 있거나, 출하된 제품들을 가질 수도 있다.
구매 헬퍼의 온라인 및/또는 매장 내 사용은 다른 자극들, 예컨대 사용 중인 제품들/서비스들의 비디오들, 향기 등에 의해 강화될 수 있다. 구매 헬퍼는 사용자의 요구 및 제품들의 3D 모델들의 이용 가능성에 기초하여 2D 또는 3D 로 제품들을 보여줄 수 있다.
인터넷은 대형 콜렉션으로부터 제품들을 비교하고 선택하기 위한 최선의 매체가 아닌, 웹페이지를 이용한다. 예를 들어, 사용자는 아이템이 있는 페이지의 상단으로부터 그것의 하단까지의 제품을 비교하는데 어려움을 가질 수 있고, 별개의 페이지들 상에 디스플레이된 제품들을 비교하는데 더욱 더 어려움을 가질 수 있다. 명사들 및 형용사들로 제품 검색들을 좁히는 것은 페이지들을 필터링하는 것을 도울 수 있지만, 소비자는 정확한 추가의 검색 용어들을 선택하여 가능한 원하는 제품을 오버필터링하는 것을 방지해야 한다.
3D-스토어는 완전한 CAD 제품 및 그 CAD 에 묶인 그 서브어셈블리들의 3D 표현들을, 그들을 위치시키기 위한 회전 테이블을 이용함으로써 표시할 수 있다. 이러한 회전 테이블은 가상의 어셈블리 표현을 제시할 수 있으나, 아이템들의 배향은 줄곧 사용자를 면해야할 (user-facing) 필요가 있기 때문에 아이템들을 적절히 표현하는 것을 실패할 수 있다. 이것은 "회전판 (lazy susan)" 접근으로서 설명될 수 있다. 턴테이블 (turntable) 은 스토어 내에서와 같이 "소비자에게 제시" 의 개념을 갖지 않는다. 또한, 대형 콜렉션은 턴테이블에 대해 너무 많은 아이템들을 포함한다.
스토어는 제품들을 위한 물리적 선반 공간 및 매장 면적을 갖는다. 구매 헬퍼는 그들이 사용자에게 친숙하기 때문에 이들 개념들을 보유해야할 필요가 있다. 구매 헬퍼는 제품들을 카테고리화하는데 있어서 이들 개념들을 사용한다. 가시적인 "소비자 결정 트리" 는 적절한 추가의 검색어를 선택하는 복잡성을 제거한다. 선형 곤돌라 옆 또는 플로어 상에서의 네비게이팅은 소비자에게 단순하다. 제품 헬퍼가 곤돌라의 표현 상에 제품들의 2D 이미지들을 제시하는 경우가 존재할 수 있지만, 이 제품 헬퍼는 일반적으로 가능한 언제든지 3D 네비게이션 개념을 사용한다.
도 1 은 사용자 디바이스 (104) 와 인터페이싱하는 리테일러 (110) 의 예시의 실시형태를 나타내는 블록도 (100) 이다. 사용자 디바이스 (104) 는 퍼스널 컴퓨터 또는 모바일 디바이스, 예컨대 태블릿 또는 스마트폰일 수 있다. 사용자 디바이스 (104) 는 예를 들어 WiFi, 4G, 이더넷, 또는 다른 네트워킹 프로토콜에 의해 네트워크 (108) 에 접속된다. 사용자 (102) 는 사용자 디바이스 (104) 를 이용하여 리테일러 (110) 의 웹사이트에 액세스한다. 사용자 (102) 와의 상호작용에 응답하는 사용자 디바이스 (104) 는 네트워크 (108) 를 통해 웹사이트 네비게이션 데이터 (106) 를 리테일러 (110) 로 포워딩한다. 웹사이트 네비게이션 데이터 (106) 에 기초하여, 리테일러 (110) 는 리테일러-특정 사용자 어카운트 데이터 파일 (118) 을 업데이트한다. 리테일러 (110) 는 리테일러-특정 사용자 어카운트 데이터 파일 (118) 을 사용하여 사용자 (110) 와의 미래의 상호작용들을 개인화한다. 리테일러 (110) 는 또한, 빅 데이터 (112) 를 이용하여 종합 소비자 데이터 (114) 를 수신한다. 종합 소비자 데이터 (114) 는 사용자 (102) 에게 특정된 임의의 정보를 포함하지 않는다. 그러나, 리테일러 (110) 는 사용자 (102) 에 의한 액션들을, 일반 대중으로부터의 종합 소비자 데이터 (114) 에 그 액션들을 비교함으로써 해석할 수 있다. 리테일러 (110) 는 그 후, HTML 웹사이트 데이터 (116) 를 사용자 디바이스 (104) 로 리턴한다.
도 2 는 복수의 리테일러들 (210a-c) 과 인터페이싱하기 위해 사용자 디바이스 (204) 를 사용하는 사용자 (202) 의 예시의 실시형태를 나타내는 블록도 (200) 이다. 사용자 디바이스 (204) 는 소비자 정보 모델 (222) 에 기초하여 가상 스토어 (220) 를 디스플레이한다. 사용자 디바이스 (204) 는 프라이버시 정보에 기초하여 개인 데이터 (224a-c) 를 각각의 리테일러들 (210a-c) 에게 네트워크 (208) 를 통해 포워딩하도록 구성된다. 프라이버시 정보는, 사용자 (202) 가 각각의 특정 리테일러 (224a-c) 와 공유될 수 있다는 것을 나타내는 데이터의 셀렉션들이다.
이 방식으로, 개인 데이터의 제 1 세트 (224a) 는 리테일러 #1 (210a) 에게 포워딩될 수 있고, 개인 데이터의 제 2 세트 (224b) 는 리테일러 #2 (210b) 로 전송될 수 있으며, 개인 데이터의 제 3 세트 (224c) 는 리테일러 #3 (210c) 로 전송될 수 있다. 개인 데이터의 세트들 (224a-c) 에 응답하여, 각각의 리테일러는 제품 데이터 (226a-c) 를 사용자 디바이스 (204) 로 리턴한다. 사용자 디바이스 (204) 는 가상 스토어 (220) 에서 사용자 (202) 에게 리테일러들 #1-3 (210a-c) 에서 이용 가능한 관련 제품들을 제시할 수 있다. 제품 데이터 (226a-c) 를 사용자에게 제시하는 가상 스토어 (220) 에 응답하여, 사용자 (202) 는 제안된 제품들 중 하나를 선택 및 구매할 수 있고, 또는 구매하려는 상이한 제품을 네비게이팅할 수 있다. 사용자 (202) 에 의한 구매에 기초하여, 사용자 디바이스 (204) 는 소비자 정보 모델 (222) 을 업데이트할 수 있다. 이것은 리테일러들에게 전송된 개인 데이터의 세트들 (224) 을 업데이트하고, 또한 가상 스토어 (220) 의 경험을 사용자 (202) 에게 맞춘다.
도 3 은 본 발명의 예시의 실시형태를 나타내는 도면 (300) 이다. 도 2 의 사용자 (202) 와 같은 소비자 (302) 는 구매 헬퍼 (304) 를 이용한다. 소비자 (302) 는 소비자의 상태 (314) 를 구매 헬퍼 (304) 에 입력한다. 소비자의 상태 (314) 는 소비자 (302) 의 제품에 대한 필요성, 소비자 (302) 의 버젯, 또는 소비자 (302) 의 구매에 영향을 줄 수 있는 임의의 팩터를 포함한다. 소비자 (302) 는 각종 기법들, 예컨대 키보드 상의 수동 입력, 마우스, 또는 터치스크린, 음성 입력, 음성 합성, 자연 언어 이해, 또는 이미지 분석에 의해 소비자의 상태 (314) 를 입력할 수 있다. 반대로, 구매 헬퍼 (304) 는 센서들을 통해, 그리고 예를 들어 쇼핑 헬퍼 애플리케이션 외부에서 어느 URL 들을 방문했는지를 체크함으로써 소비자 (104) 에 의한 다른 애플리케이션들의 사용을 통해, 소비자 (302) 의 액티비티를 모니터링한다. 구매 헬퍼 (304) 는 또한, 다른 소스들로부터 다른 자극들 (312) 을 수신할 수 있다. 구매 헬퍼 (304) 는 그 후, 공유된 정보 (306) 를 리테일러에게 전송함으로써 도 2 의 리테일러들 (210a-c) 과 같은 리테일러 (310) 와 인터페이싱한다. 공유된 정보 (306) 는 구매 헬퍼 (304) 의 소비자 정보 모델로부터의 정보일 수 있다. 이에 응하여, 리테일러 (310) 는 그 제품들에 관한 공유된 정보 (308) 로 구매 헬퍼 (304) 에게 답할 수 있다. 구매 헬퍼 (304) 는 그 후, 제품 제안들 및 랭크 제품 리스트들을 소비자 (302) 에게 나타낼 수 있다. 구매 헬퍼 (304) 는 제품 제안들 및 랭크된 제품 리스트들을 제공된 어시스턴스 (assistance)(316) 로서 소비자에게 전송한다.
도 4 는 본 발명에 의해 이용된 구매 헬퍼의 예시의 실시형태를 나타내는 블록도 (400) 이다. 초기화 모듈 (402) 은 소비자 ID(들)(404), 액티비티 리스트 (406), 및 구매 이력 (408) 을 수신하도록 구성된다. 액티비티 리스트 (406) 는 제품들의 슈퍼카테고리들 및/또는 카테고리들의 리스트 (410) 를 포함한다. 소비자 조사 모듈 (416) 은 사용자 입력 (418) 에 기초하여 소비자 조사 정보 (414) 를 생성한다. 초기화 모듈 (402) 은 또한, 소비자 조사 정보 (414) 를 수신하고 소비자 ID(들)(404) 의 각각의 소비자에 대한 다수의 소비자 결정 트리들 (412) 을 생성한다. 소비자 ID(들)(404) 의 각 소비자에 대해, 구매 헬퍼는 다수의 소비자 결정 트리들, 제품들의 열거된 카테고리들 (410) 의 슈퍼 카테고리들 각각에 대한 하나의 소비자 결정 트리를 생성한다.
소비자 ID 들 (404) 의 각각의 소비자에 대해, 그리고 각각의 소비자에 대한 각각의 슈퍼카테고리에 대해 개별의 소비자 결정 트리들 (412) 을 갖는 것은 구매 헬퍼로 하여금 각각의 카테고리에 대한 각각의 특정 구매를 구체적으로 소비자의 어느 결정들이 진행하는지를 결정하게 한다. 이것은 소비자의 쇼핑 경험의 더 큰 개인화를 초래한다. 추가로, 소비자 결정 트리들을 개별화하는 것은 가정을 대표하여 단일 소비자에 의해 선택이 이루어지는 경우 이 가정을 전체로서 포함하여, 가정 내 각 소비자에 대해 구매 헬퍼가 구성되는 것을 가능하게 한다. 예를 들어, 다수의 사람 및/또는 어린이가 있는 가정은 각각의 소비자에 대한 상이한 제품 구매 결정 프로세스들을 가질 수 있다. 개별화 및 카테고리화된 소비자 결정 트리는 구매를 하는 각 소비자에 대해 별개의 제품 추천들을 유지하여, 미래의 추천들에서의 더 많은 정확도를 이끈다.
쇼핑 경험을 시작하기 위해, 소비자는 제품의 일반 명칭, 제품의 브랜드 명칭, 또는 제품의 카테고리를 입력 또는 선택함으로써 쇼핑 리스트를 생성한다. 예를 들어, 소비자는 원하는 제품 브랜드 명칭을 입력할 수도 있다. 구매 헬퍼는 부분적으로 입력된 제품 정보에 기초하여 명칭들 또는 제품들의 잠재적인 매치를 제안하기 위해 자동-완성 (auto-complete) 방법을 이용할 수도 있다. 소비자가 이전에 특정 브랜드를 구매하였으면, 구매 헬퍼는 이용 가능한 또는 적용 가능한 경우 전체 제품/서비스 명칭들 및/또는 대응하는 3D 표현들로 그 브랜드와 연관된 이전에 구매했던 제품들/서비스들을 디스플레이할 수 있다. 소비자는 그 후, 원하는 제품/서비스를 선택할 수 있다. 소비자가 디스플레이된 제품들/서비스들 중 어느 하나를 원하지 않으면, 구매 헬퍼는 브랜드 및 그 대응하는 3D 표현들과 연관된 모든 제품들/서비스들을 디스플레이한다. 소비자가 최종 제품이 선택될 때까지 각각의 스텝을 확인 또는 정정하는 동안 구매 헬퍼는 소비자 결정 트리를 따라 걷는다. 구매 헬퍼는 카테고리 검색에 대해 유사한 방식으로 작업한다.
소비자 결정 트리들 (412) 이 초기화 모듈 (402) 에 의해 생성된 후에, 유지 모듈 (420) 은 소비자 결정 트리들 (412) 을 진행중에 업데이트한다. 유지 모듈 (420) 은 또한, 소비자 조사 모듈 (416) 로부터 소비자 조사 정보 (412) 를 수신한다. 일 실시형태에서, 구매 헬퍼의 계속된 사용 후에, 소비자에게 묻는 질문들이 더 적게 남아 있기 때문에 소비자 조사 모듈 (416) 은 덜 빈번하게 이용된다. 유지 모듈은 또한, 진행중인 구매 액티비티 (422) 를 수신한다. 소비자 조사 정보 (414) 및 진행중인 구매 액티비티 (422) 양자 모두에 기초하여, 유지 모듈 (420) 은 소비자 결정 트리들 (412) 을 업데이트하여 업데이트된 소비자 결정 트리 (424) 를 생성한다.
도 5 는 본 발명의 일 실시형태에 따른 소비자 결정 트리 (502) 의 예시의 실시형태를 나타내는 도면 (500) 이다. 소비자 결정 트리 (502) 는 슈퍼카테고리 노드 레벨 (504), 카테고리 노드 레벨 (506), 속성 레벨 (508), 및 제품 노드 레벨 (510) 을 포함한다. 슈퍼카테고리 노드 레벨 (504) 은 카테고리의 폭 넓은 레벨이고, 여기서 카테고리 노드 레벨 (506) 은 슈퍼카테고리 내에서 제품들을 설명하는 레벨이다. 속성 레벨 (508) 은 제품들의 속성들, 예컨대 브랜드, 크기, 무게, 또는 가격을 포함한다. 제품 노드 레벨 (510) 은 제품들 그 자체들을 포함한다.
사용자가 제품을 선택하는 경우, 제품은 소비자 결정 트리 (502) 의 선택된 제품 (512) 이다. 구매 헬퍼는 그 후, 선택된 제품 (512) 으로부터 슈퍼카테고리 노드 (504) 로 역 트리 워크 (514) 를 실행한다. 역 트리 워크 (514) 는 선택된 제품 (512) 으로 네비게이팅하는데 있어서 사용자의 결정 프로세스를 나타낸다. 이 역 트리 워크는 사용자가 선택된 제품 (512) 을 얻기 위해 선택하는 속성들 및 카테고리들을 나타낸다. 이것은, 구매 헬퍼가 선택된 제품 (512) 을 선택하는데 있어서 사용자에게 어느 속성들 및 카테고리들이 중요한지를 결정하게 한다. 사용자에게 중요한 속성들을 학습함으로써, 구매 헬퍼는 이 특정 구매에서 사용자가 선택했던 이들 속성들에 기초하여 제품들을 추천할 수 있다.
도 6 은 소비자 결정 트리의 서브세트 (602) 의 도면 (600) 이다. 소비자 결정 트리의 서브세트 (602) 는 속성 레벨 내의 각종 속성들을 보여준다. 소비자 결정 트리의 속성 레벨은 1 개보다 많은 계층 레벨일 수 있다. 예를 들어, 속성 레벨은 성능 레벨 (604), 브랜드 레벨 (606), 색상 레벨 (608), 및 크기 레벨 (610) 을 포함할 수 있다. 트리는 또한, 소정 실시형태들에서 동일한 계층 레벨 상에 다수의 상이한 속성들을 가질 수 있다. 소비자 결정 트리의 서브세트 (602) 는 제품 레벨 (612) 을 더 포함한다.
도 7 은 본 발명의 예시의 실시형태에 의해 이용된 프로세스를 나타내는 흐름도 (700) 이다. 구매 헬퍼는 먼저, 소비자 ID 를 로딩한다 (702). 각각의 소비자 ID 에 대해, 구매 헬퍼는 각각의 슈퍼카테고리에 대한 소비자 결정 트리를 생성한다 (704). 구매 헬퍼는 그 후, 초기화될 더 많은 소비자 ID 들이 있는지를 결정한다 (706). 더 많은 소비자 ID 들이 있으면, 구매 헬퍼는 다음의 소비자 ID 를 로딩하고 (708), 그 후 그 다음 소비자 ID 의 각각의 슈퍼카테고리에 대한 소비자 결정 트리들을 생성한다 (704). 초기화될 더 많은 소비자 ID 들이 존재하지 않으면, 구매 헬퍼는 그 구매의 콘텍스트에 대해 소비자에게 선택적으로 질의한다 (710). 구매의 콘텍스트는 사용자의 요구, 제품의 의도된 사용, 가격 파라미터들, 크기 파라미터들 또는 잠재적 구매에 관한 다른 정보와 같은 정보를 포함한다.
구매 헬퍼는 그 후, 소비자가 제품의 속성들을 선택하게 한다 (712). 구매 헬퍼는 그 후, 제안된 제품들을 소비자에게 제시한다 (714). 제안된 제품들은 특정 헬퍼, 과거의 구매 정보, 및 구매 헬퍼에 의해 생성된 소비자 결정 트리에 의해 밝혀진 소비자 콘텍스트에 기초한다. 그 후, 구매 헬퍼는 구매되도록 소비자로부터 선택된 제품을 수신한다 (716). 선택된 제품에 기초하여, 구매 헬퍼는 선택된 제품 및 선택적으로 조사에 대한 대답들에 기초하여 소비자 결정 트리를 변경한다 (718).
도 8 은 본 발명에 의해 이용된 프로세스의 일 실시형태를 나타내는 흐름도 (800) 이다. 구매 헬퍼는 소비자의 요구 및 제품 카테고리를 수신한다 (802). 그 후, 구매 헬퍼는 소비자 결정 트리, 소비자의 요구 및 소비자에 의해 선택된 제품에 기초하여 제품들의 리스트를 랭크한다 (804). 구매 헬퍼는 그 후, 랭크된 순서로 (선택적으로 3D 로) 소비자에게 제품들을 제시한다 (806). 구매 헬퍼는 그 후, 사용자로부터 선택된 제품을 수신한다 (808). 구매 헬퍼는, 선택된 제품이 랭크된 순서에 제시된 제품들의 최상위 랭크된 제품인지 여부를 결정한다 (810). 선택된 제품이 최상위 랭크된 제품이면 (810), 구매 헬퍼는 구매를 완료한다 (814). 그렇지 않으면, 구매 헬퍼는 선택된 제품들이 최상위 랭크된 제품이어야 하고 선택된 제품 위에 랭크된 모든 제품들은 선택된 제품 보다 우측 하단에 있어야 한다는 사실을 반영하도록 소비자 결정 트리를 조정한다 (812). 그 후, 구매 헬퍼는 구매를 완료한다 (814). 일 실시형태에서, 구매 헬퍼는 소비자가 상이한 순서로 속성들을 선택함으로써 그 또는 그녀 자신의 소비자 결정 트리를 구성하게 하는 사용자 인터페이스를 제시할 수 있다; 예를 들어, 브랜드가 기능을 선행할 수도 있고 또는 색상이 브랜드를 선행할 수도 있다. 이 경우, 소비자에 의해 구성 또는 변경된 소비자 결정 트리 구조는 진행중인 트리 구조가 되고, 이전 구매들 및 구매 없는 제품 평가들은 새로운 트리 구조로 다시 구성될 수도 있다.
도 9 는 본 발명의 실시형태들이 구현될 수도 있는 컴퓨터 네트워크 또는 유사한 디지털 프로세싱 환경을 나타낸다.
클라이언트 컴퓨터(들)/디바이스들 (50) 및 서버 컴퓨터(들)(60) 은 프로세싱, 저장, 및 응용 프로그램들을 실행하는 입/출력 디바이스들 등을 제공한다. 클라이언트 컴퓨터(들)/디바이스들 (50) 은 또한, 다른 클라이언트 디바이스들/프로세스들 (50) 및 서버 컴퓨터(들)(60) 을 포함하는 다른 컴퓨팅 디바이스들에 통신 네트워크 (70) 를 통해 연결될 수 있다. 통신 네트워크 (70) 는 서로 통신하기 위한 원격 액세스 네트워크, 글로벌 네트워크 (예를 들어, 인터넷), 전세계적인 컴퓨터들의 컬렉션, 근거리 또는 광역 네트워크들, 및 각각의 프로토콜들 (TCP/IP, Bluetooth® 등) 을 현재 사용하는 게이트웨이들의 일부일 수 있다. 다른 전자 디바이스/컴퓨터 네트워크 아키텍처들이 적합하다.
도 10 은 도 9 의 컴퓨터 시스템에서의 컴퓨터의 예시의 내부 구조 (예를 들어, 클라이언트 프로세서/디바이스 (50) 또는 서버 컴퓨터들 (60)) 의 도면이다. 각각의 컴퓨터 (50, 60) 는 시스템 버스 (79) 를 포함하고, 여기서 버스는 컴퓨터 또는 프로세싱 시스템의 컴포넌트들 간의 데이터 전송에 사용된 하드웨어 라인들의 세트이다. 시스템 버스 (79) 는 본질적으로, 엘리먼트들 간에 정보의 전송을 가능하게 하는 컴퓨터 시스템의 상이한 엘리먼트들 (예를 들어, 프로세서, 디스크 스토리지, 메모리, 입/출력 포트들, 네트워크 포트들 등) 을 접속하는 공유된 전선관이다. 각종 입력 및 출력 디바이스들 (예를 들어, 키보드, 마우스, 디스플레이들, 프린터들, 스피커들, 센서들 등) 을 컴퓨터 (50, 60) 에 접속하기 위한 I/O 디바이스 인터페이스 (82) 가 시스템 버스 (79) 에 연결된다. 네트워크 인터페이스 (86) 는 컴퓨터로 하여금 네트워크 (예를 들어, 도 9 의 네트워크 (70)) 에 연결된 각종 다른 디바이스들을 접속하게 한다. 메모리 (90) 는 본 발명의 실시형태를 구현하는데 사용된 컴퓨터 소프트웨어 명령들 (92) 및 데이터 (94) 에 대한 휘발성 스토리지를 제공한다 (예를 들어, 구조 생성 모듈, 연산 모듈, 및 상기 상세한 조합 모듈 코드). 디스크 스토리지 (95) 는 본 발명의 일 실시형태를 구현하는데 사용된 컴퓨터 소프트웨어 명령들 (92) 및 데이터 (94) 에 대한 비휘발성 스토리지를 제공한다. 중앙 처리 장치 (84) 는 또한, 시스템 버스 (79) 에 연결되고 컴퓨터 명령들의 실행을 제공한다.
일 실시형태에서, 프로세서 루틴들 (92 및 94) 은 본 발명의 시스템에 대한 소프트웨어 명령들의 적어도 일부를 제공하는 비일시적 컴퓨터 판독가능 매체 (예를 들어, 착탈형 저장 매체, 예컨대 하나 이상의 DVD-ROM, CD-ROM, 디스켓들, 테이프들 등) 를 포함하는, 컴퓨터 프로그램 제품 (일반적으로 92 로 참조됨) 이다. 컴퓨터 프로그램 제품 (92) 은 본 기술에 잘 알려져 있는 바와 같이 임의의 적합한 소프트웨어 인스톨레이션 절차에 의해 인스톨될 수 있다. 다른 실시형태에서, 소프트웨어 명령들의 적어도 일부는 또한, 케이블 통신 및/또는 무선 접속을 통해 다운로드될 수도 있다. 다른 실시형태들에서, 본 프로그램들은 전파 매체 상의 전파된 신호 (예를 들어, 무선 파, 적외선 파, 레이저 파, 음파, 또는 인터넷 또는 다른 네트워크(들)과 같은 글로벌 네트워크를 통해 전파된 전자 파) 에 포함된 컴퓨터 프로그램 전파 신호 제품이다. 이러한 캐리어 매체 또는 신호들은 본 발명의 루틴들/프로그램 (92) 에 대한 소프트웨어 명령들의 적어도 일부를 제공하도록 이용될 수도 있다.
대안의 실시형태들에서, 전파된 신호는 전파된 매체 상에서 운반된 아날로그 반송파 또는 디지털 신호이다. 예를 들어, 전파된 신호는 글로벌 네트워크 (예를 들어, 인터넷), 전자통신 네트워크, 또는 다른 네트워크를 통해 전파된 디지털화된 신호일 수도 있다. 일 실시형태에서, 전파된 신호는 밀리초, 초, 분, 또는 더 긴 주기 동안 네트워크를 통해 패킷들로 전송된 소프트웨어 애플리케이션에 대한 명령들과 같은, 일 기간 동안 전파 매체를 통해 송신되는 신호이다.
모든 특허들, 공개된 출원들 및 본원에 인용된 레퍼런스들의 교시들은, 그 전체가 참조로서 포함된다.
본 발명은 그 예시의 실시형태들을 참조하여 특별히 도시 및 설명되었으나, 형태 및 상세들에서의 다양한 변화들이 첨부된 청구범위에 포괄된 본 발명의 범위로부터 벗어남 없이 그 안에서 이루어질 수도 있다는 것이 당업자에 의해 이해될 것이다.

Claims (20)

  1. 소비자의 액션을 모니터링하는 단계;
    상기 소비자에게 사적인 메모리에 저장된 데이터베이스를 유지하는 단계로서, 상기 데이터베이스는 상기 소비자의 선호도들의 표시 및 상기 소비자의 구매 이력을 갖고, 상기 데이터베이스는 모니터링된 상기 소비자의 액션에 기초하는, 상기 데이터베이스를 유지하는 단계; 및
    유지된 상기 데이터베이스에 기초하여 상기 소비자에게, 제안된 제품을 제공하는 단계를 포함하는, 방법.
  2. 제 1 항에 있어서,
    상기 소비자로 하여금, 상기 데이터베이스의 적어도 일부를 선택하게 하는 단계; 및
    상기 소비자로 하여금, 상기 데이터베이스의 상기 일부를 제 3 자와 공유하게 하는 단계를 더 포함하는, 방법.
  3. 제 1 항에 있어서,
    상기 복수의 이용 가능한 제품들 각각의 제품 카테고리에 대한 트리를 구축함으로써 상기 소비자의 식별자, 복수의 이용 가능한 제품들, 및 상기 구매 이력 중 적어도 하나에 기초하여 상기 데이터베이스를 초기화하는 단계를 더 포함하는, 방법.
  4. 제 1 항에 있어서,
    제품의 카테고리의 적어도 하나의 속성의 선택을 가능하게 하는 단계를 더 포함하고,
    상기 데이터베이스를 유지하는 단계는 상기 소비자에 의해 선택된 상기 적어도 하나의 속성들의 순서에 기초하여 상기 트리를 변경함으로써 상기 데이터베이스를 유지하는 단계를 포함하는, 방법.
  5. 제 1 항에 있어서,
    복수의 제품들을 랭크하는 단계로서, 각각의 제품은 사양 및 거래 속성과 연관되고, 상기 랭크하는 단계는 상기 소비자의 과거 관찰된 액션, 각 제품의 사양, 상기 소비자의 표시된 요구들, 및 각 제품의 거래 속성 중 적어도 하나에 기초하는, 상기 복수의 제품들을 랭크하는 단계; 및
    사용자 선택에 응답하여, 상기 소비자에 의해 선택된 제품에 기초하여 상기 데이터베이스를 조정하는 단계를 더 포함하는, 방법.
  6. 제 4 항에 있어서,
    상기 거래 속성은 상기 제품의 가격, 상기 제품 유닛당 가격, 상기 제품의 지불 모드, 상기 제품의 배달 모드, 상기 제품의 배달 기간, 및 상기 제품의 배달 제공자 중 적어도 하나를 포함하는, 방법.
  7. 제 1 항에 있어서,
    가상 스토어의 일부로서 단일 평면에서 3 차원으로 제품들의 콜렉션의 표현을 제시하는 단계;
    상기 콜렉션의 상기 표현의 주밍 (zooming), 패닝 (panning), 및 피치 조작 중 적어도 하나를 가능하게 하는 단계; 및
    상기 콜렉션의 각 제품의 선택, 옮김 (translation), 회전, 및 피처들의 조작 중 적어도 하나를 가능하게 하는 단계를 더 포함하는, 방법.
  8. 제 7 항에 있어서,
    상기 표현을 제시하는 단계는 상기 표현을 머리 착용 컴퓨터에 제시하는 단계를 포함하는, 방법.
  9. 제 1 항에 있어서,
    상기 데이터베이스를 유지하는 단계는 하나 이상의 제 3 자로 상기 소비자의 액티비티들을 모니터링하는 백그라운드 프로세스에 의해 수행되는, 방법.
  10. 제 1 항에 있어서,
    상기 소비자에게, 상기 소비자의 요구를 결정하기 위한 질문을 발행하는 단계; 및
    상기 질문에 응답하여, 상기 소비자의 요구를 나타내는 대답을 수신하는 단계를 더 포함하고,
    상기 제안된 제품을 제공하는 단계는 상기 대답, 상기 제안된 제품의 사양, 및 상기 제안된 제품의 거래 속성들 중 적어도 하나에 기초하는, 방법.
  11. 소비자에게 사적인 메모리;
    상기 소비자의 액션을 모니터링하도록 구성된 사용자 인터페이스 모듈;
    상기 소비자에게 사적인 상기 메모리에 저장된 데이터베이스를 유지하도록 구성된 유지 모듈로서, 상기 데이터베이스는 상기 소비자의 선호도들의 표시 및 상기 소비자의 구매 이력을 갖고, 상기 데이터베이스는 모니터링된 상기 소비자의 액션에 기초하는, 상기 유지 모듈; 및
    유지된 상기 데이터베이스에 기초하여 상기 소비자에게, 제안된 제품을 제공하도록 구성된 제품 제안 모듈을 포함하는, 시스템.
  12. 제 11 항에 있어서,
    상기 소비자로 하여금, 상기 데이터베이스의 적어도 일부를 선택하게 하도록 구성되고, 상기 소비자로 하여금, 상기 데이터베이스의 상기 일부를 제 3 자와 공유하게 하도록 또한 구성된 사용자 인터페이스 모듈을 더 포함하는, 시스템.
  13. 제 11 항에 있어서,
    상기 복수의 이용 가능한 제품들 각각의 제품 카테고리에 대한 트리를 구축함으로써 상기 소비자의 식별자, 복수의 이용 가능한 제품들, 및 상기 구매 이력 중 적어도 하나에 기초하여 상기 데이터베이스를 초기화하도록 구성된 초기화 모듈을 더 포함하는, 시스템.
  14. 제 11 항에 있어서,
    제품의 카테고리의 적어도 하나의 속성의 선택을 가능하게 하도록 구성된 사용자 인터페이스 모듈을 더 포함하고,
    상기 유지 모듈은 또한, 상기 소비자에 의해 선택된 상기 적어도 하나의 속성들의 순서에 기초하여 상기 트리를 변경하도록 구성되는, 시스템.
  15. 제 11 항에 있어서,
    복수의 제품들을 랭크하도록 구성된 랭킹 모듈로서, 각각의 제품은 사양 및 거래 속성과 연관되고, 상기 랭크하는 것은 상기 소비자의 과거 관찰된 액션, 각 제품의 사양, 및 각 제품의 거래 속성 중 적어도 하나에 기초하는, 상기 랭킹 모듈을 더 포함하고,
    상기 유지 모듈은 또한, 사용자 선택에 응답하여, 상기 소비자에 의해 선택된 제품에 기초하여 상기 데이터베이스를 조정하도록 구성되는, 시스템.
  16. 제 14 항에 있어서,
    상기 거래 속성은 상기 제품의 가격, 상기 제품 유닛당 가격, 상기 제품의 지불 모드, 상기 제품의 배달 모드, 상기 제품의 배달 기간, 및 상기 제품의 배달 제공자 중 적어도 하나를 포함하는, 시스템.
  17. 제 11 항에 있어서,
    가상 스토어의 일부로서 단일 평면에서 3 차원으로 제품들의 콜렉션의 표현을 제시하고, 상기 콜렉션의 상기 표현의 주밍, 패닝, 및 피치 조작 중 적어도 하나를 가능하게 하며, 상기 콜렉션의 각 제품의 선택, 옮김, 회전, 및 피처들의 조작 중 적어도 하나를 가능하게 하도록 구성된 사용자 인터페이스 모듈을 더 포함하는, 시스템.
  18. 제 17 항에 있어서,
    상기 사용자 인터페이스 모듈은 또한, 상기 표현을 머리 착용 컴퓨터에 제시하도록 구성되는, 시스템.
  19. 제 11 항에 있어서,
    상기 유지 모듈은 또한, 하나 이상의 제 3 자로 상기 소비자의 액티비티들을 모니터링하는 백그라운드 프로세스를 이용함으로써 상기 데이터베이스를 유지하도록 구성되는, 시스템.
  20. 제 11 항에 있어서,
    상기 소비자에게 상기 소비자의 요구를 결정하기 위한 질문을 발행하고, 상기 질문에 응답하여, 상기 소비자의 요구를 나타내는 대답을 수신하도록 구성된 지능형 에이전트 모듈을 더 포함하고,
    상기 제품 제안 모듈은 또한, 상기 대답, 상기 제안된 제품의 사양, 및 상기 제안된 제품의 거래 속성들 중 적어도 하나에 기초하여 상기 제안된 제품을 제공하도록 구성되는, 시스템.
KR20140075062A 2013-06-20 2014-06-19 쇼핑객 헬퍼 KR20150000418A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/922,591 US10074121B2 (en) 2013-06-20 2013-06-20 Shopper helper
US13/922,591 2013-06-20

Publications (1)

Publication Number Publication Date
KR20150000418A true KR20150000418A (ko) 2015-01-02

Family

ID=50735923

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20140075062A KR20150000418A (ko) 2013-06-20 2014-06-19 쇼핑객 헬퍼

Country Status (6)

Country Link
US (1) US10074121B2 (ko)
EP (1) EP2816523A1 (ko)
JP (1) JP2015005287A (ko)
KR (1) KR20150000418A (ko)
CN (1) CN104240108A (ko)
CA (1) CA2854342A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10783440B2 (en) 2016-05-12 2020-09-22 Electronics And Telecommunications Research Institute Method and system for generating a knowledge library after analysis of a user data request
US11188965B2 (en) 2017-12-29 2021-11-30 Samsung Electronics Co., Ltd. Method and apparatus for recommending customer item based on visual information

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9824601B2 (en) 2012-06-12 2017-11-21 Dassault Systemes Symbiotic helper
US9460455B2 (en) * 2013-01-04 2016-10-04 24/7 Customer, Inc. Determining product categories by mining interaction data in chat transcripts
US10074121B2 (en) 2013-06-20 2018-09-11 Dassault Systemes Shopper helper
US20150363543A1 (en) * 2014-06-13 2015-12-17 Rockwell Automation Technologies, Inc. Systems and methods for designing an industrial automation system
US20160125501A1 (en) * 2014-11-04 2016-05-05 Philippe Nemery Preference-elicitation framework for real-time personalized recommendation
BR112018008982B1 (pt) * 2015-11-06 2023-04-11 Avery Dennison Retail Information Services Llc Sistema de etiqueta de informações ou etiqueta de cuidados e sistema que permite que objetos se tornem um sistema de informação
US10339564B2 (en) * 2016-02-16 2019-07-02 Oracle International Corporation System and method for providing an adaptively ordered presentation of objects
US10963893B1 (en) 2016-02-23 2021-03-30 Videomining Corporation Personalized decision tree based on in-store behavior analysis
US11393007B2 (en) 2016-03-31 2022-07-19 Under Armour, Inc. Methods and apparatus for enhanced product recommendations
US10635841B2 (en) 2017-02-23 2020-04-28 OPTO Interactive, LLC Method of managing proxy objects
US11978004B2 (en) * 2017-04-24 2024-05-07 Panasonic Intellectual Property Management Co., Ltd. Intellectual productivity evaluation device and intellectual productivity evaluation method
CN110163704A (zh) * 2018-02-12 2019-08-23 阿里巴巴集团控股有限公司 推荐信息的方法和系统
US11004449B2 (en) * 2018-11-29 2021-05-11 International Business Machines Corporation Vocal utterance based item inventory actions
US11182809B2 (en) * 2019-04-01 2021-11-23 Paypal, Inc. Dynamic information probing for classifying an item
US20240112237A1 (en) * 2022-09-29 2024-04-04 At&T Intellectual Property I, L.P. Using decision trees to provide a guided e-commerce experience

Family Cites Families (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7042345B2 (en) 1996-09-25 2006-05-09 Christ G Ellis Intelligent vehicle apparatus and method for using the apparatus
US6070149A (en) 1998-07-02 2000-05-30 Activepoint Ltd. Virtual sales personnel
US6175803B1 (en) 1998-08-04 2001-01-16 Ford Global Technologies, Inc. Vehicle navigation route generation with user selectable risk avoidance
JP2000281204A (ja) 1999-03-31 2000-10-10 Fuji Electric Co Ltd 在庫管理システム
AU2001217891A1 (en) 2000-07-17 2002-01-30 Catalina Marketing International, Inc. Method and system for providing a shopping list based upon purchase history
US7343328B1 (en) 2000-12-08 2008-03-11 Black & Decker Inc. Networked product selection system and method for its use
JP2002342354A (ja) * 2001-05-16 2002-11-29 Sharp Corp 商品情報検索システム、商品情報検索装置、エージェントインタフェースプログラムおよびエージェントインタフェースプログラムを記録した記録媒体
JP2002366621A (ja) 2001-06-05 2002-12-20 Komatsu Noriko 店舗経営指導情報提供方法およびそのサーバのプログラム
US7827055B1 (en) * 2001-06-07 2010-11-02 Amazon.Com, Inc. Identifying and providing targeted content to users having common interests
WO2005031521A2 (en) 2003-09-22 2005-04-07 Offshore Safety Lp Offshore environment computer-based safety training system and methods
US7680694B2 (en) * 2004-03-11 2010-03-16 American Express Travel Related Services Company, Inc. Method and apparatus for a user to shop online in a three dimensional virtual reality setting
JP2005321639A (ja) 2004-05-10 2005-11-17 Daiki Sound Kk 音楽コンテンツの配信方法、音楽コンテンツ配信システム及び音楽コンテンツ再生用プログラム
WO2006058292A2 (en) 2004-11-29 2006-06-01 Purdue Research Foundation Methods for retrieving shapes and drawings
US7249708B2 (en) * 2005-02-04 2007-07-31 The Procter & Gamble Company Household management systems and methods
JP4747622B2 (ja) 2005-03-18 2011-08-17 オムロン株式会社 情報処理装置、情報処理方法、制御プログラム、制御プログラムを記録した記録媒体、および情報処理システム
US20090201288A1 (en) 2005-04-04 2009-08-13 Amir Fischer Rendering 3D Computer Graphics Using 2D Computer Graphics Capabilities
US20100171826A1 (en) 2006-04-12 2010-07-08 Store Eyes, Inc. Method for measuring retail display and compliance
JP2008052449A (ja) * 2006-08-23 2008-03-06 Synapse Communications Kk 対話型エージェントシステム及び方法
JP2008117113A (ja) 2006-11-02 2008-05-22 Fresh Remix Kk 画像生成装置および方法、画像生成プログラム
US20090138113A1 (en) 2006-11-27 2009-05-28 Designin Corporation Systems, methods, and computer program products for home and landscape design
JP2008242938A (ja) 2007-03-28 2008-10-09 Toppan Printing Co Ltd 三次元ｃｇ画像による陳列シミュレーションシステム
US8630924B2 (en) 2007-08-31 2014-01-14 Accenture Global Services Limited Detection of stock out conditions based on image processing
US8165924B2 (en) * 2007-11-27 2012-04-24 Sony Corporation Virtual shopping center
JP2009187482A (ja) 2008-02-08 2009-08-20 Nippon Sogo System Kk 棚割再現方法、棚割再現プログラム、棚割評価方法、棚割評価プログラム及び記録媒体
US7685023B1 (en) 2008-12-24 2010-03-23 International Business Machines Corporation Method, system, and computer program product for virtualizing a physical storefront
US8049621B1 (en) 2009-05-28 2011-11-01 Walgreen Co. Method and apparatus for remote merchandise planogram auditing and reporting
US20110029382A1 (en) * 2009-07-30 2011-02-03 Runu, Inc. Automated Targeting of Information to a Website Visitor
CN102053971B (zh) * 2009-10-30 2013-08-28 日电（中国）有限公司 用于面向排序的协同过滤的推荐方法和设备
US20110115909A1 (en) 2009-11-13 2011-05-19 Sternberg Stanley R Method for tracking an object through an environment across multiple cameras
US20110214082A1 (en) * 2010-02-28 2011-09-01 Osterhout Group, Inc. Projection triggering through an external marker in an augmented reality eyepiece
CN102650991A (zh) * 2011-02-25 2012-08-29 苏州工业园区辰烁软件科技有限公司 一种基于用户喜好的商品推荐方法及系统
US20120223943A1 (en) * 2011-03-01 2012-09-06 Joshua Allen Williams Displaying data for a physical retail environment on a virtual illustration of the physical retail environment
US8715438B2 (en) 2011-04-22 2014-05-06 Apple Inc. Gimbal press
US8762226B2 (en) * 2011-05-04 2014-06-24 Etsy, Inc. Item discovery tools and methods for shopping in an electronic commerce environment
CN102789462B (zh) * 2011-05-18 2015-12-16 阿里巴巴集团控股有限公司 一种项目推荐方法及系统
US9058612B2 (en) * 2011-05-27 2015-06-16 AVG Netherlands B.V. Systems and methods for recommending software applications
US9836747B2 (en) 2011-06-21 2017-12-05 Simon Borrero System and method for shopping goods, virtualizing a personalized storefront
US20130041778A1 (en) * 2011-08-13 2013-02-14 The Owl Wizard Ltd. Method and system for improving a product recommendation made for matching a consumer wish list
US9256902B2 (en) * 2012-04-09 2016-02-09 Sears Brands, L.L.C. Non-transitory computer-readable media for presenting product recommendations
US8941645B2 (en) 2012-05-11 2015-01-27 Dassault Systemes Comparing virtual and real images in a shopping experience
US9152226B2 (en) * 2012-06-15 2015-10-06 Qualcomm Incorporated Input method designed for augmented reality goggles
US10074121B2 (en) 2013-06-20 2018-09-11 Dassault Systemes Shopper helper

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10783440B2 (en) 2016-05-12 2020-09-22 Electronics And Telecommunications Research Institute Method and system for generating a knowledge library after analysis of a user data request
US11188965B2 (en) 2017-12-29 2021-11-30 Samsung Electronics Co., Ltd. Method and apparatus for recommending customer item based on visual information

Also Published As

Publication number Publication date
US10074121B2 (en) 2018-09-11
JP2015005287A (ja) 2015-01-08
CA2854342A1 (en) 2014-12-20
CN104240108A (zh) 2014-12-24
US20140379524A1 (en) 2014-12-25
EP2816523A1 (en) 2014-12-24

Similar Documents

Publication Publication Date Title
US10074121B2 (en) Shopper helper
Reinartz et al. The impact of digital transformation on the retailing value chain
Hoyer et al. Transforming the customer experience through new technologies
US10373230B2 (en) Computer-implemented method for recommendation system input management
US11037222B1 (en) Dynamic recommendations personalized by historical data
Park et al. Do augmented and virtual reality technologies increase consumers’ purchase intentions? The role of cognitive elaboration and shopping goals
US20030167222A1 (en) Method and apparatus for marketing within a complex product space
Murray et al. Personalization without interrogation: Towards more effective interactions between consumers and feature-based recommendation agents
US11321761B2 (en) Computer-implemented method for recommendation system input management
CN109597973A (zh) 一种文案信息的推荐、生成方法和装置
KR101677128B1 (ko) 화장품 성분정보를 이용한 상품 탐색 모바일 애플리케이션
CA2869053C (en) Method and system for creating step by step projects
KR101665980B1 (ko) 상품 추천 시스템
CN110599291A (zh) 商家买家多种市场高效精准融合智能电商运营系统和方法
Semerádová et al. Website quality and shopping behavior: Quantitative and qualitative evidence
US8782099B2 (en) Graphical objects bonding society system and method of operation for a game
Tung et al. Attributes of apparel tablet catalogs: value proposition comparisons
KR100433242B1 (ko) 인공지능 추론엔진을 이용한 상품 추천 시스템 및 방법,그 프로그램 소스를 기록한 기록매체
Daraghmi et al. Pmr: Personalized mobile restaurant system
KR20020078714A (ko) 상품 사용 평가에 의한 사용자 구매지원 시스템
US20210366020A1 (en) System and method for a personalised look-book creation in real-time
Ruiz et al. Augmented Reality as a Marketing Strategy for the Positioning of a Brand
JP7348241B2 (ja) 情報処理装置、情報処理方法および情報処理プログラム
Cahier et al. Towards Open Information Retrieval
JP7354191B2 (ja) 情報処理装置、情報処理方法および情報処理プログラム

Legal Events

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