KR20150027442A - 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치 - Google Patents

상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치 Download PDF

Info

Publication number
KR20150027442A
KR20150027442A KR20130105467A KR20130105467A KR20150027442A KR 20150027442 A KR20150027442 A KR 20150027442A KR 20130105467 A KR20130105467 A KR 20130105467A KR 20130105467 A KR20130105467 A KR 20130105467A KR 20150027442 A KR20150027442 A KR 20150027442A
Authority
KR
South Korea
Prior art keywords
recommendation
product
recommended
purchaser
products
Prior art date
Application number
KR20130105467A
Other languages
English (en)
Other versions
KR102146987B1 (ko
Inventor
김석우
Original Assignee
에스케이플래닛 주식회사
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 에스케이플래닛 주식회사 filed Critical 에스케이플래닛 주식회사
Priority to KR1020130105467A priority Critical patent/KR102146987B1/ko
Publication of KR20150027442A publication Critical patent/KR20150027442A/ko
Application granted granted Critical
Publication of KR102146987B1 publication Critical patent/KR102146987B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치를 개시한다. 즉, 구매자에게 추천하고자 하는 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하고, 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하여, 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출함으로써, 추천상품에 대한 신뢰도를 향상시켜 추천상품에 대한 실질적인 구매가 이루어지도록 유도할 수 있다.

Description

상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치{SYSTEM AND METHOD FOR PRODUCTS RECOMMENDATION SERVICE, AND APPARATUS APPLIED TO THE SAME}
본 발명은, 구매자에게 추천하고자 상기 추천상품들에 대하여, 상품카테고리 별로 책정되는 추천순위와, 상품카테고리 별로 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하기 위한 방안에 관한 것이다.
인터넷이나 모바일 포털 사이트에서는 구매자(혹은 구매를 위해 방문한 고객)가 방문하는 경우, 서비스페이지를 통해 구매자에게 적합한 추천상품을 결정하여 추천하는 상품 추천 서비스를 제공하고 있다.
이러한, 상품 추천 서비스를 제공함에 있어서, 무엇보다 중요한 것은 결정된 추천상품에 대하여, 구매자의 실질적인 구매가 이루어지도록 유도하는 것이다.
이와 같이, 추천상품에 대한 구매가 이루어지도록 유도하기 위해선, 추천상품에 대한 구매자의 추천상품에 대한 신뢰도를 향상시켜야만 한다.
이에, 추천상품에 대한 구매자의 신뢰도를 향상시키기 위한 구체적인 방안이 요구된다 할 것이다.
한편, 본 발명의 배경이 되는 기술은, 대한민국 공개특허공보 10-2013-0056767(2013.05.30)에 개시되어 있다.
본 발명은 상기한 사정을 감안하여 창출된 것으로서, 본 발명에서 도달하고자 하는 목적은, 구매자에게 추천하고자 하는 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하고, 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하여, 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출함으로써, 추천상품에 대한 신뢰도를 향상시켜 추천상품에 대한 실질적인 구매가 이루어지도록 유도하는데 있다.
상기 목적을 달성하기 위한 본 발명의 제 1 관점에 따른 상품추천장치는, 구매자에게 추천하고자 하는 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정부; 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인부; 및 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출부를 포함하는 것을 특징으로 한다.
보다 구체적으로, 상기 상품추천장치는, 상기 구매자에게 추천하고자 하는 추천상품들을 상기 적어도 두개의 상품카테고리 별로 분류하는 분류부를 더 포함하며, 상기 책정부는, 상기 구매자에 대한 추천도의 크기를 기초로, 상기 적어도 두개의 상품카테고리에 별로 분류된 추천상품들에 대한, 각 상품카테고리 내에서의 상기 추천순위를 책정하는 것을 특징으로 한다.
보다 구체적으로, 상기 적어도 두개의 상품카테고리에서의 상기 구매자의 상품구매비율은, 상기 추천점수를 산출하기 위한 가중치로서 적용되며, 상기 산출부는, 상기 적어도 두개의 상품카테고리에 별로 분류된 추천상품들 각각에 대하여, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용하여, 상기 가중치가 적용된 기본점수를 상기 추천점수로서 산출하는 것을 특징을 한다.
상기 목적을 달성하기 위한 본 발명의 제 2 관점에 따른 상품 추천 서비스 방법은, 구매자장치가 구매자에게 추천하고자 하는 추천상품들을 상품추천장치에 요청하는 요청단계; 상기 상품추천장치가 상기 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정단계; 상기 상품추천장치가 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인단계; 및 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출단계를 포함하는 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 제 3 관점에 따른 상품추천장치의 동작 방법은 구매자에게 추천하고자 하는 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정단계; 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인단계; 및 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출단계를 포함하는 것을 특징으로 한다.
보다 구체적으로, 상기 방법은, 상기 책정단계 이전에, 상기 구매자에게 추천하고자 하는 추천상품들을 상기 적어도 두개의 상품카테고리 별로 분류하는 분류단계를 더 포함하며, 상기 책정단계는, 상기 구매자에 대한 추천도의 크기를 기초로, 상기 분류단계에서 상기 적어도 두개의 상품카테고리에 별로 분류된 추천상품들에 대한, 각 상품카테고리 내에서의 상기 추천순위를 책정하는 것을 특징으로 한다.
보다 구체적으로, 상기 적어도 두개의 상품카테고리에서의 상기 구매자의 상품구매비율은, 상기 추천점수를 산출하기 위한 가중치로서 적용되며, 상기 산출단계는, 상기 적어도 두개의 상품카테고리에 별로 분류된 추천상품들 각각에 대하여, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용하여, 상기 가중치가 적용된 기본점수를 상기 추천점수로서 산출하는 것을 특징을 한다.
상기 목적을 달성하기 위한 본 발명의 제 4 관점에 따른 컴퓨터 판독 가능 매체는 구매자장치가 구매자에게 추천하고자 하는 추천상품들을 상품추천장치에 요청하는 요청단계; 상기 상품추천장치가 상기 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정단계; 상기 상품추천장치가 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인단계; 및 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출단계를 수행하기 위한 명령들을 포함하는 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 제 5 관점에 따른 상품 추천 서비스 시스템은, 구매자에 추천하고자 하는 추천상품을 상품추천장치에 요청하는 구매자장치; 및 상기 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하고, 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하여, 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 상품추천장치를 포함하는 것을 특징으로 한다.
이에, 본 발명의 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치에 의하면, 구매자에게 추천하고자 상기 추천상품들에 대하여, 상품카테고리 별로 책정되는 추천순위와, 상품카테고리 별로 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출함으로써, 추천상품에 대한 신뢰도를 향상시켜 추천상품에 대한 실질적인 구매가 이루어지도록 유도할 수 있다.
도 1은 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템의 개략적인 구성도.
도 2는 본 발명의 일 실시예에 따른 상품추천장치의 구성도.
도 3은 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템에서의 동작 흐름을 설명하기 위한 개략적인 순서도.
도 4는 본 발명의 일 실시예에 따른 상품추천장치에서의 동작 흐름을 설명하기 위한 개략적인 순서도.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예에 대하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템을 도시한 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템은, 상품추천장치(200)로부터 구매자에게 적합한 추천상품을 추천받는 구매자장치(100), 및 구매자에게 적합한 추천상품을 결정하여 추천하는 상품추천장치(200)를 포함하는 구성을 갖는다.
여기서, 구매자장치(100)는 예컨대, 모바일 웹 또는 인터넷을 통해 상품추천장치(200)에 접속하여 구매자에게 적합한 추천상품을 추천받기 위한 사용자 디바이스를 일컫는다.
예를 들어, 구매장치(100)는 스마트폰, 개인용컴퓨터, 노트북, 및 테블릿 PC, 등이 해당될 수 있으며, 이에 제한되는 것이 아닌 상품추천장치(200)에 접속 가능한 장치는 모두 포함될 수 있다.
그리고, 상품추천장치(200)는 구매자장치(100)를 통해 서비스페이지에 접속한 구매자를 대상으로 추천상품을 결정하여 추천하기 위한 서버를 일컫는다.
예를 들어, 서비스장치(200)는 인터넷이나 모바일 웹을 통해 서비스페이지에 접속한 구매자에게 상품을 판매함과 동시에 추천상품을 제공하거나, 또는 추천상품만을 제공하기 위한 별도의 서버로 구성될 수 있다.
여기서, 구매자에게 판매되는 상품의 경우 그 특성에 따라 예를 들어, 어플리케이션 상품과, 컨텐츠 상품으로 상품카테고리를 분류할 수 있으며, 나아가 상품의 세부적인 특성에 따라 다양한 상품카테고리(예: 게임, 학습, 영화, 드라마, 및 도서 등) 등으로 추가 분류할 수 있다.
한편, 본 발명의 일 실시예에 따르면, 상품추천장치(200)에서는 구매자에게 적합한 추천상품을 결정하여 추천하는 상품 추천 서비스를 제공하고 있다.
헌데, 상품 추천 서비스의 경우, 추천상품에 대한 구매자의 구매가 이루어지도록 유도하는 것이 무엇보다 중요함에도 불구하고, 실질적으로 추천상품에 대한 구매자의 구매가 이루어지지 않을 수 있다.
때문에, 추천상품에 대한 구매가 이루어지도록 유도하기 위한 해결 방안이 요구되며, 추천상품에 대한 구매자의 신뢰도를 향상시키는 것이 가장 근본적인 해결 방안이라 할 것이다.
이에, 본 발명의 일 실시예에서는 추천상품에 대한 구매자의 신뢰도를 향상시키기 위해서, 구매자가 선호하는 상품카테고리를 반영하여 추천상품을 결정하고, 결정된 추천상품의 추천하는 정도를 정량화한 추천점수를 제공하기 위한 방안을 제안하고자 하며, 이하에서는 이를 구체적으로 설명하기로 한다.
우선, 구매자장치(100)는 상품추천장치(200)에 접속하여 추천상품을 요청하는 기능을 수행한다.
보다 구체적으로, 구매자장치(100)는 인터넷 또는 모바일 웹을 통해 서비스장치(200)에 접속하여 예컨대, 구매자의 개인정보(예: ID / PW)를 상품추천장치(200)에 전달함으로써, 상품추천장치(200)로 하여금 상기 구매자의 개인정보를 기초로 구매자에 적합한 추천상품을 결정하여 구매자장치(100)에 제공할 수 있도록 한다.
그리고, 상품추천장치(200)는 구매자에게 추천하고자 하는 추천상품을 결정하는 기능을 수행한다.
보다 구체적으로, 상품추천장치(200)는 서비스페이지에 접속된 구매자장치(100)로부터 구매자의 개인정보가 수신되면, 수신된 개인정보를 기초로 구매자에게 추천하고자 하는 추천상품을 결정한다.
이때, 상품추천장치(200)는 예컨대, 구매자의 구매 이력을 바탕으로 연관상품을 확인하는 협업 필터링 알고리즘 (Collaborate Filtering), 구매연관 (Associate Rule) 방법, 및 사후 프로세싱 등을 포함하는 다양한 알고리즘을 적용하여 추천도를 산출함으로써, 구매자에게 추천하고자 하는 추천상품을 결정할 수 있다.
또한, 상품추천장치(200)는 추천상품들에 대하여 추천순위를 책정하는 기능을 수행한다.
보다 구체적으로, 상품추천장치(200)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 구매자에게 추천하고자 하는 추천상품들에 대하여 상품카테고리 별로 추천순위를 책정한다.
이때, 상품추천장치(200)는 상품카테고리(예: 게임, 유머, 생활, 교육, VOD, E-book, 영화, 음악) 별로 분류된 추천상품들 각각에 대한 추천도를 확인하고, 확인된 추천도의 크기가 큰 순서에 따라 각 상품카테고리 내에서의 추천순위를 책정할 수 있다.
또한, 상품추천장치(200)는 상품카테고리 별로 상품구매비율을 확인하는 기능을 수행한다.
보다 구체적으로, 상품추천장치(200)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인한다.
이때, 상품추천장치(200)는 구매자가 구매한 상품과 관련된 이력 정보인 상품구매이력을 기초로 상품카테고리 별로 구매자가 구매한 상품을 확인함으로써, 상품카테고리 별로 상품구매비율을 확인하게 된다.
또한, 상품추천장치(200)는 추천상품들 각각에 대한 추천점수를 산출한다.
보다 구체적으로, 상품추천장치(200)는 상품카테고리 별로 추천순위의 책정 및 상품구매비율의 확인이 완료되면, 각 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출한다.
이때, 상품추천장치(200)는 구매자가 선호하는 상품카테고리를 반영하기 위한 수단으로서, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용함으로써, 가중치가 적용된 기본점수를 각 추천상품에 대한 추천점수로서 산출하게 된다.
이하에서는, 도 2를 참조하여 본 발명의 일 실시예에 따른 상품추천장치(200)의 구성을 보다 구체적으로 설명하도록 한다.
즉, 본 발명의 일 실시예에 따른 상품추천장치(200)는 추천상품을 결정하는 결정부(210), 추천상품을 상품카테고리 별로 분류하는 분류부(220), 추천상품의 추천순위를 책정하는 책정부(230), 상품카테고리별 상품구매비율을 확인하는 확인부(240), 및 추천상품에 대한 추천점수를 산출하는 산출부(250)를 포함하는 구성을 갖는다.
여기서, 전술한 상품추천장치(200)의 각 구성 모두 또는 일부는, 프로세서에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다.
우선, 결정부(210)는 구매자에게 추천하고자 하는 추천상품을 결정하는 기능을 수행한다.
보다 구체적으로, 결정부(210)는 서비스페이지에 접속된 구매자장치(100)로부터 구매자의 개인정보가 수신되면, 수신된 개인정보를 기초로 구매자에게 추천하고자 하는 추천상품을 결정한다.
이때, 결정부(210)는 예컨대, 구매자의 구매 이력을 바탕으로 연관상품을 확인하는 협업 필터링 알고리즘 (Collaborate Filtering), 구매연관 (Associate Rule) 방법, 및 사후 프로세싱 등을 포함하는 다양한 알고리즘을 적용하여 추천도를 산출함으로써, 구매자에게 추천하고자 하는 추천상품을 결정하게 된다.
예를 들어, 결정부(210)는 신뢰도(Confidence) 연관규칙을 기초로 구매자에게 추천하고자 하는 추천상품들을 결정한 경우, 추천상품들 각각의 신뢰도를 구매자에 대한 추천도로서 산출하게 된다.
다른 예로서, 결정부(210)는 향상도(Lift) 연관규칙을 기초로 구매자와 관련된 M개의 연관상품들을 확인한 경우에는, 추천상품들 각각의 향상도를 구매자에 대한 추천도로서 산출한다.
그리고, 책정부(230)는 추천상품들에 대하여 추천순위를 책정하는 기능을 수행한다.
보다 구체적으로, 책정부(230)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 구매자에게 추천하고자 하는 추천상품들에 대하여 상품카테고리 별로 추천순위를 책정한다.
이를 위해, 책정부(230)는 분류부(220)로 하여금 구매자에게 추천하고자 하는 추천상품들을 상품카테고리(예: 게임, 유머, 생활, 교육, VOD, E-book, 영화, 음악) 별로 분류하도록 하고, 상품카테고리 별로 분류된 추천상품들에 대한, 각 상품카테고리 내에서의 추천순위를 책정하게 된다.
예를 들어, 책정부(230)는 상품카테고리 별로 분류된 추천상품들 각각에 대한 추천도를 확인하고, 확인된 추천도의 크기가 큰 순서에 따라 각 상품카테고리 내에서의 추천순위를 책정할 수 있다.
그리고, 확인부(240)는 상품카테고리 별로 상품구매비율을 확인하는 기능을 수행한다.
보다 구체적으로, 확인부(240)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인한다.
이때, 확인부(240)는 구매자가 구매한 상품과 관련된 이력 정보인 상품구매이력을 기초로 상품카테고리 별로 구매자가 구매한 상품을 확인함으로써, 상품카테고리 별로 상품구매비율을 확인하게 된다.
예를 들어, 확인부(240)는 다수의 상품카테고리 중에서 특정 상품카테고리(예: 영화)에서 구매자가 구매한 상품이 많은 경우, 상기 특정 상품카테고리의 상품구매비율이 다른 상품카테고리에 비해 큰 것으로 확인될 수 있다.
한편, 확인부(240)는 상품카테고리 별로 상품구매비율을 확인함에 있어서, 아래 [수식 1]과 같이 통해 실제 상품구매비율에, 임의의 가중치를 적용함으로써, 실질적인 상품구매비율의 크기를 조정하게 된다.
[수식 1]
f1(상품구매비율 크기) = 상품구매비율 * wt(가중치)
이처럼, 상품구매비율을 확인함에 있어서, 임의의 가중치를 적용하는 것은 예컨대, 마켓 또는 서비스 특성에 맞게 그 크기를 조정하기 위함이다.
그리고, 산출부(250)는 추천상품들 각각에 대한 추천점수를 산출한다.
보다 구체적으로, 산출부(250)는 상품카테고리 별로 추천순위의 책정 및 상품구매비율의 확인이 완료되면, 각 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출한다.
이때, 산출부(250)는 구매자가 선호하는 상품카테고리를 반영하기 위한 수단으로서, 상품카테고리 별로 확인되는 상품구매비율을 추천상품의 추천점수를 산출하기 위한 가중치로서 적용하게 된다.
예를 들어, 산출부(250)는 아래 [수식 2]와 같이, 상품카테고리에 별로 분류된 추천상품들 각각에 대하여, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용함으로써, 상기 가중치가 적용된 기본점수를 각 추천상품에 대한 추천점수로서 산출할 수 있다.
[수식 2]
f2(추천점수) = 기본점수(추천순위) * 해당 상품카테고리에서의 상품구매비율
한편, 산출부(250)는 각 추천상품에 대한 추천점수가 산출되면, 추천점수의 크기에 따라 내림차순으로 정렬하고, 각 추천상품의 추천점수를 구매자가 확인할 수 있도록 제공하게 된다.
여기서, 각 추천상품의 추첨점수는 추천상품의 추천하는 정도를 정량화하기 위한 정보로서, 식별이 용이하도록 예컨대, 0부터 100의 크기로 정규화하여 제공할 수 있다.
이상에서 살펴본 바와 같이, 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템에 따르면, 구매자에게 추천하고자 하는 추천상품들에 대하여, 상품카테고리 별로 추천순위를 책정하고, 상기 구매자의 상품구매이력을 기초로 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하여, 상품카테고리 별로 상기 추천상품들에 대하여 책정되는 추천순위와, 상품카테고리 별로 확인되는 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출함으로써, 구매자가 선호하는 상품카테고리를 반영하여 추천상품을 결정하고, 결정된 추천상품의 추천하는 정도를 정량화한 추천점수를 제공함에 따라 추천상품에 대한 구매자의 신뢰도를 향상시킬 수 있다.
이하에서는 도 3 및 도 4를 참조하여, 본 발명의 일 실시예에 따른 상품 추천 서비스 방법을 설명하도록 한다. 여기서, 설명의 편의를 위해 전술한 도 1 및 도 2에 도시된 구성은 해당 참조번호를 언급하여 설명하겠다.
우선, 도 3을 참조하여 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템에서의 동작 흐름을 설명하도록 한다.
먼저, 구매자장치(100)는 인터넷 또는 모바일 웹을 통해 서비스장치(200)에 접속하여 예컨대, 구매자의 개인정보(예: ID / PW)를 상품추천장치(200)에 전달함으로써, 상품추천장치(200)로 하여금 상기 구매자의 개인정보를 기초로 구매자에 적합한 추천상품을 결정하여 구매자장치(100)에 제공할 수 있도록 한다(S110).
이에, 상품추천장치(200)는 서비스페이지에 접속된 구매자장치(100)로부터 구매자의 개인정보가 수신되면, 수신된 개인정보를 기초로 구매자에게 추천하고자 하는 추천상품을 결정한다(S120).
이때, 상품추천장치(200)는 예컨대, 구매자의 구매 이력을 바탕으로 연관상품을 확인하는 협업 필터링 알고리즘 (Collaborate Filtering), 구매연관 (Associate Rule) 방법, 및 사후 프로세싱 등을 포함하는 다양한 알고리즘을 적용하여 추천도를 산출함으로써, 구매자에게 추천하고자 하는 추천상품을 결정할 수 있다.
그리고 나서, 상품추천장치(200)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 구매자에게 추천하고자 하는 추천상품들에 대하여 상품카테고리 별로 추천순위를 책정한다(S130).
이때, 상품추천장치(200)는 상품카테고리(예: 게임, 유머, 생활, 교육, VOD, E-book, 영화, 음악) 별로 분류된 추천상품들 각각에 대한 추천도를 확인하고, 확인된 추천도의 크기가 큰 순서에 따라 각 상품카테고리 내에서의 추천순위를 책정할 수 있다.
그리고, 상품추천장치(200)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인한다(S140).
이때, 상품추천장치(200)는 구매자가 구매한 상품과 관련된 이력 정보인 상품구매이력을 기초로 상품카테고리 별로 구매자가 구매한 상품을 확인함으로써, 상품카테고리 별로 상품구매비율을 확인하게 된다.
이후, 상품추천장치(200)는 상품카테고리 별로 추천순위의 책정 및 상품구매비율의 확인이 완료되면, 각 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하여 구매자장치에 제공한다(S150-S160).
이때, 상품추천장치(200)는 구매자가 선호하는 상품카테고리를 반영하기 위한 수단으로서, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용함으로써, 가중치가 적용된 기본점수를 각 추천상품에 대한 추천점수로서 산출하게 된다.
이하에서는 도 4를 참조하여 본 발명의 일 실시예에 따른 상품추천장치(200)의 동작을 구체적으로 설명하도록 한다.
먼저, 결정부(210)는 서비스페이지에 접속된 구매자장치(100)로부터 구매자의 개인정보가 수신되면, 수신된 개인정보를 기초로 구매자에게 추천하고자 하는 추천상품을 결정한다(S210).
이때, 결정부(210)는 예컨대, 구매자의 구매 이력을 바탕으로 연관상품을 확인하는 협업 필터링 알고리즘 (Collaborate Filtering), 구매연관 (Associate Rule) 방법, 및 사후 프로세싱 등을 포함하는 다양한 알고리즘을 적용하여 추천도를 산출함으로써, 구매자에게 추천하고자 하는 추천상품을 결정하게 된다.
그리고 나서, 책정부(230)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 구매자에게 추천하고자 하는 추천상품들에 대하여 상품카테고리 별로 추천순위를 책정한다(S220-S230).
이때, 책정부(230)는 분류부(220)로 하여금 구매자에게 추천하고자 하는 추천상품들을 상품카테고리(예: 게임, 유머, 생활, 교육, VOD, E-book, 영화, 음악) 별로 분류하도록 하고, 상품카테고리 별로 분류된 추천상품들에 대한, 각 상품카테고리 내에서의 추천순위를 책정하게 된다.
예를 들어, 책정부(230)는 상품카테고리 별로 분류된 추천상품들 각각에 대한 추천도를 확인하고, 확인된 추천도의 크기가 큰 순서에 따라 각 상품카테고리 내에서의 추천순위를 책정할 수 있다.
그런 다음, 확인부(240)는 추천상품에 대한 추천점수를 산출하기 위한 일환으로서 구매자가 구매한 상품과 관련된 이력 정보인 상품구매이력을 기초로 상품카테고리 별로 구매자가 구매한 상품을 확인함으로써, 상품카테고리 별로 상품구매비율을 확인한다(S240).
이때, 확인부(240)는 상품카테고리 별로 상품구매비율을 확인함에 있어서, 실제 상품구매비율에, 임의의 가중치를 적용함으로써, 실질적인 상품구매비율의 크기를 조정하게 된다.
이후, 산출부(250)는 상품카테고리 별로 추천순위의 책정 및 상품구매비율의 확인이 완료되면, 각 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출한다(S250).
이때, 산출부(250)는 상품카테고리에 별로 분류된 추천상품들 각각에 대하여, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 기본점수에 대한 가중치로서 적용함으로써, 상기 가중치가 적용된 기본점수를 각 추천상품에 대한 추천점수로서 산출한다.
그리고, 산출부(250)는 각 추천상품에 대한 추천점수가 산출되면, 추천점수의 크기에 따라 내림차순으로 정렬하고, 각 추천상품의 추천점수를 구매자가 확인할 수 있도록 제공하게 된다.
이상에서 살펴본 바와 같이, 본 발명의 일 실시예에 따른 상품 추천 서비스 방법에 따르면, 구매자에게 추천하고자 하는 추천상품들에 대하여, 상품카테고리 별로 추천순위를 책정하고, 상기 구매자의 상품구매이력을 기초로 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하여, 상품카테고리 별로 상기 추천상품들에 대하여 책정되는 추천순위와, 상품카테고리 별로 확인되는 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출함으로써, 구매자가 선호하는 상품카테고리를 반영하여 추천상품을 결정하고, 결정된 추천상품의 추천하는 정도를 정량화한 추천점수를 제공함에 따라 추천상품에 대한 구매자의 신뢰도를 향상시킬 수 있다.
한편, 여기에 제시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
지금까지 본 발명을 바람직한 실시 예를 참조하여 상세히 설명하였지만, 본 발명이 상기한 실시 예에 한정되는 것은 아니며, 이하의 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 또는 수정이 가능한 범위까지 본 발명의 기술적 사상이 미친다 할 것이다.
본 발명의 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치에 따르면, 구매자에게 추천하고자 상기 추천상품들에 대하여, 상품카테고리 별로 책정되는 추천순위와, 상품카테고리 별로 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출함으로써, 추천상품에 대한 신뢰도를 향상시킨다는 점에서 기존 기술의 한계를 뛰어 넘음에 따라 관련 기술에 대한 이용만이 아닌 적용되는 장치의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.
100: 구매자장치
200: 상품추천장치
210: 결정부 220: 분류부
230: 책정부 240: 확인부
250: 산출부

Claims (9)

  1. 구매자에게 추천하고자 하는 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정부;
    상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인부; 및
    상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출부를 포함하는 것을 특징으로 하는 상품추천장치.
  2. 제 1 항에 있어서,
    상기 상품추천장치는,
    상기 구매자에게 추천하고자 하는 추천상품들을 상기 적어도 두개의 상품카테고리 별로 분류하는 분류부를 더 포함하며,
    상기 책정부는,
    상기 구매자에 대한 추천도의 크기를 기초로, 상기 적어도 두개의 상품카테고리에 별로 분류된 추천상품들에 대한, 각 상품카테고리 내에서의 상기 추천순위를 책정하는 것을 특징으로 하는 상품추천장치.
  3. 제 1 항에 있어서,
    상기 적어도 두개의 상품카테고리에서의 상기 구매자의 상품구매비율은,
    상기 추천점수를 산출하기 위한 가중치로서 적용되며,
    상기 산출부는,
    상기 적어도 두개의 상품카테고리에 별로 분류된 추천상품들 각각에 대하여, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용하여, 상기 가중치가 적용된 기본점수를 상기 추천점수로서 산출하는 것을 특징을 하는 상품추천장치.
  4. 구매자장치가 구매자에게 추천하고자 하는 추천상품들을 상품추천장치에 요청하는 요청단계;
    상기 상품추천장치가 상기 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정단계;
    상기 상품추천장치가 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인단계; 및
    상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출단계를 포함하는 것을 특징으로 하는 상품 추천 서비스 방법.
  5. 구매자에게 추천하고자 하는 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정단계;
    상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인단계; 및
    상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출단계를 포함하는 것을 특징으로 하는 상품추천장치의 동작 방법.
  6. 제 5 항에 있어서,
    상기 방법은,
    상기 책정단계 이전에, 상기 구매자에게 추천하고자 하는 추천상품들을 상기 적어도 두개의 상품카테고리 별로 분류하는 분류단계를 더 포함하며,
    상기 책정단계는,
    상기 구매자에 대한 추천도의 크기를 기초로, 상기 분류단계에서 상기 적어도 두개의 상품카테고리에 별로 분류된 추천상품들에 대한, 각 상품카테고리 내에서의 상기 추천순위를 책정하는 것을 특징으로 하는 상품추천장치의 동작 방법.
  7. 제 5 항에 있어서,
    상기 적어도 두개의 상품카테고리에서의 상기 구매자의 상품구매비율은,
    상기 추천점수를 산출하기 위한 가중치로서 적용되며,
    상기 산출단계는,
    상기 적어도 두개의 상품카테고리에 별로 분류된 추천상품들 각각에 대하여, 각 상품카테고리 내에서의 상기 추천순위를 상기 추천점수를 산출하기 위한 기본점수로서 상정하고, 상기 기본점수에 해당 상품카테고리에서의 상기 구매자의 상품구매비율을 가중치로서 적용하여, 상기 가중치가 적용된 기본점수를 상기 추천점수로서 산출하는 것을 특징을 하는 상품추천장치의 동작 방법.
  8. 구매자장치가 구매자에게 추천하고자 하는 추천상품들을 상품추천장치에 요청하는 요청단계;
    상기 상품추천장치가 상기 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하는 책정단계;
    상기 상품추천장치가 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하는 확인단계; 및
    상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 산출단계를 수행하기 위한 명령들을 포함하는 것을 특징으로 하는 컴퓨터 판독 가능 매체.
  9. 구매자에 추천하고자 하는 추천상품을 상품추천장치에 요청하는 구매자장치; 및
    상기 추천상품들에 대하여, 적어도 두개의 상품카테고리에서의 추천순위를 책정하고, 상기 구매자의 상품구매이력을 기초로 상기 적어도 두개의 상품카테고리 각각에서의 상기 구매자의 상품구매비율을 확인하여, 상기 적어도 두개의 상품카테고리에서 상기 추천상품들에 대하여 책정되는 추천순위와, 상기 적어도 두개의 상품카테고리에서 확인된 상기 구매자의 상품구매비율을 기초로 상기 추천상품들 각각에 대한 추천점수를 산출하는 상품추천장치를 포함하는 것을 특징으로 하는 상품 추천 서비스 시스템.
KR1020130105467A 2013-09-03 2013-09-03 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치 KR102146987B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130105467A KR102146987B1 (ko) 2013-09-03 2013-09-03 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130105467A KR102146987B1 (ko) 2013-09-03 2013-09-03 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치

Publications (2)

Publication Number Publication Date
KR20150027442A true KR20150027442A (ko) 2015-03-12
KR102146987B1 KR102146987B1 (ko) 2020-08-24

Family

ID=53022773

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130105467A KR102146987B1 (ko) 2013-09-03 2013-09-03 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치

Country Status (1)

Country Link
KR (1) KR102146987B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018079939A1 (ko) * 2016-10-31 2018-05-03 에스케이플래닛 주식회사 카테고리 추천을 이용한 비로그인 사용자 메인 상품 추천 서버 및 방법
KR20190105746A (ko) * 2018-03-06 2019-09-18 세종대학교산학협력단 FP Growth를 이용한 제품 추천 방법 및 시스템
CN110689410A (zh) * 2019-09-29 2020-01-14 京东数字科技控股有限公司 数据处理方法、装置、设备及存储介质
KR102280223B1 (ko) 2020-03-06 2021-07-21 주식회사 해든앰앤씨 빅데이터 기반의 상품구매 의사결정 지원 서비스 제공 방법 및 이를 위한 시스템
KR20210143579A (ko) * 2020-05-20 2021-11-29 주식회사 에이비티아시아 큐레이션 기반 화장품 추천 시스템 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020066709A (ko) * 2001-02-13 2002-08-21 주식회사 코리아콤 상품추천방식을 이용한 전자상거래시스템 및 전자상거래운용방법
JP2013534340A (ja) * 2010-08-03 2013-09-02 アリババ・グループ・ホールディング・リミテッド 商品推薦システム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020066709A (ko) * 2001-02-13 2002-08-21 주식회사 코리아콤 상품추천방식을 이용한 전자상거래시스템 및 전자상거래운용방법
JP2013534340A (ja) * 2010-08-03 2013-09-02 アリババ・グループ・ホールディング・リミテッド 商品推薦システム

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018079939A1 (ko) * 2016-10-31 2018-05-03 에스케이플래닛 주식회사 카테고리 추천을 이용한 비로그인 사용자 메인 상품 추천 서버 및 방법
KR20180047489A (ko) * 2016-10-31 2018-05-10 에스케이플래닛 주식회사 카테고리 추천을 이용한 비로그인 사용자 메인 상품 추천 서버 및 방법
KR20190105746A (ko) * 2018-03-06 2019-09-18 세종대학교산학협력단 FP Growth를 이용한 제품 추천 방법 및 시스템
CN110689410A (zh) * 2019-09-29 2020-01-14 京东数字科技控股有限公司 数据处理方法、装置、设备及存储介质
CN110689410B (zh) * 2019-09-29 2021-09-03 京东数字科技控股有限公司 数据处理方法、装置、设备及存储介质
KR102280223B1 (ko) 2020-03-06 2021-07-21 주식회사 해든앰앤씨 빅데이터 기반의 상품구매 의사결정 지원 서비스 제공 방법 및 이를 위한 시스템
KR20210143579A (ko) * 2020-05-20 2021-11-29 주식회사 에이비티아시아 큐레이션 기반 화장품 추천 시스템 및 방법

Also Published As

Publication number Publication date
KR102146987B1 (ko) 2020-08-24

Similar Documents

Publication Publication Date Title
US20190347700A1 (en) Method, Apparatus, and Computer Program Product for Calculating a Provider Quality Score
US9870224B1 (en) Assessing quality of code in an open platform environment
US7908184B2 (en) Method of providing customized information of commodity for on-line shopping mall users
CN107111591A (zh) 在设备之间传送认证的会话和状态
AU2013246140B2 (en) Discovering spam merchants using product feed similarity
JP2007241983A (ja) ユーザの評判スコアを提供するレビュースコアリング方法およびシステム
KR20170094000A (ko) 고객들에 대한 디지털 쿠폰들의 서피싱
KR20150027442A (ko) 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
US20110246300A1 (en) Techniques to determe when an internet user is in-market for a specific product and determining general shopping preferences and habits of internet users
KR102199197B1 (ko) 신상정보 기반 상품 추천 시스템, 장치 및 방법
JP2016018408A (ja) 取引装置及びプログラム
US12045859B2 (en) Method and system for distribution of application program for promotion and marketing service
JP6856318B2 (ja) 購買支援システム、購買支援方法および購買支援プログラム
KR102179397B1 (ko) 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
WO2017166533A1 (zh) 一种衍生产品信息的推荐方法和装置
US10089665B2 (en) Systems and methods for evaluating a credibility of a website in a remote financial transaction
CN110648167A (zh) 对于用户生成的游戏内容的微支付补偿
KR101576211B1 (ko) 광고 보상 서비스 방법 및 장치
KR102167595B1 (ko) 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
JP6962839B2 (ja) 情報処理装置、情報処理方法、およびプログラム
US20210073861A1 (en) Uninstalled software application identification and processing via a computer-executable tool configured to identify unresolved program links
KR20150010050A (ko) 상품구매 ui 제공시스템 및 그 제공방법
US11042904B1 (en) Method and system for detecting application programs on mobile computing device
KR102108038B1 (ko) 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
KR101772665B1 (ko) 온라인 쇼핑몰 제공 방법 및 온라인 쇼핑몰 제공 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right