KR20150081383A

KR20150081383A - 사용자 로그 기반 상품 추천 방법, 이를 위한 시스템 및 장치

Info

Publication number: KR20150081383A
Application number: KR1020140000649A
Authority: KR
Inventors: 이채현
Original assignee: 에스케이플래닛 주식회사
Priority date: 2014-01-03
Filing date: 2014-01-03
Publication date: 2015-07-14
Also published as: KR101678660B1

Abstract

본 발명은 사용자 로그 기반 상품 추천 방법, 이를 위한 시스템 및 장치에 관한 것으로, 특히, 사용자들의 로그 기록들을 바탕으로 특정 상품과 관련성이 있는 추천 상품을 제공하기 위하여 이전의 상품 구매와 관련된 데이터를 수집하고, 각각의 사용자 별로 관련된 상품들 간의 연관 점수를 계산하고, 연관 점수를 동일한 상품 페어에 따라 구분하여 취합한 후, 취합된 상품 페어 간 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하고, 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공함으로써, 특정 상품과 관련된 신뢰성 있는 상품 추천이 가능하다. 또한, 사용자의 로그 기록들을 바탕으로 상품 추천을 제공하기 때문에, 사용자들의 의미 없는 로그에 대한 가중치를 낮추고, 추천 서비스의 품질을 높일 수 있다.

Description

사용자 로그 기반 상품 추천 방법, 이를 위한 시스템 및 장치{Method for recommend goods based user log data, system and apparatus thereof}

본 발명은 사용자 로그 기반 상품 추천 방법, 이를 위한 시스템 및 장치에 관한 것으로, 더욱 상세하게는 사용자들의 로그(Log) 기록들을 바탕으로 특정 상품과 관련성이 있는 추천 상품을 제공하기 위하여 이전의 상품 구매와 관련된 데이터를 수집하고, 각각의 사용자 별로 관련된 상품들 간의 연관 점수를 계산하고, 연관 점수를 동일한 상품 페어(Pair)에 따라 구분하여 취합한 후, 취합된 상품 페어 간 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하고, 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공하는 사용자 로그 기반 상품 추천 방법, 이를 위한 시스템 및 장치에 관한 것이다.

이동통신망의 발달과 단말기 사양의 발전에 따라 종래의 단순한 통신장치 또는 정보 제공 장치의 범주를 벗어나 이동통신단말기는 현대인의 필수 소지품이 되었고, 토탈 엔터테인먼트 기기로 진화해 가고 있는 추세에 있다.

일반적으로 이동통신단말기 또는 PC를 이용한 전자상거래 서비스는 온라인 쇼핑몰 사이트에서 판매하는 상품 정보를 고객들에게 제공하고, 고객들이 상품 정보를 확인한 후 자신이 원하는 상품을 구매하는 방식으로 이루어진다. 하지만 고객들은 방대한 양의 상품 정보가 존재하는 대형 쇼핑몰 사이트에서 자신이 선호하는 상품을 검색하는데 어려움을 겪게 된다.

이러한 상품 검색에 대한 어려움은 고객의 만족도와 재방문의 의지를 저하시키는 요인이 된다. 이에 따라, 전자상거래 서비스에서는 고객들에게 자신이 선호하는 상품들을 추천해주는 서비스를 제공한다.

하지만, 종래 상품 추천 방법은 협업 필터링(Collaborative Filtering)을 이용하여 해당 고객의 선호도와 비슷한 선호도를 가진 고객들의 정보를 기반으로 해당 고객이 선호하는 상품을 추천하기 때문에 사용자와 상품의 정보량이 많아질수록 계산의 복잡도가 증가하고, 새로운 사용자에 대한 추천이 불가능하다.

또한, 전자상거래 서비스를 사용하는 고객들을 나이와 성별에 따른 그룹으로 분류하고, 분류된 그룹 내에서 유사한 선호도를 가지는 고객들의 상품 유사도를 측정하고, 측정된 상품 유사도에 따라 대상 고객에게 상품을 추천하는 방식이 제공되고 있으나, 이는 단지 고객의 선호도를 바탕으로 이루어지는 것으로 추천 상품의 정확도 및 신뢰성이 떨어지는 문제가 있다.

따라서, 사용자들에게 보다 양질의 추천 상품을 제공하기 위한 방안이 필요하다.

한국공개특허 10-2010-0091669 A, 2010년 08월 19일 공개 (명칭: 전자상거래 서비스에서의 개인화 추천 시스템)

본 발명은 종래의 상품 추천 방법에 있어서, 해당 고객의 선호도와 비슷한 선호도를 가진 고객들을 기반으로 해당 고객이 선호하는 상품을 추천하거나, 고객의 나이와 성별에 따른 그룹으로 분류하여 상품 유사도에 따라 추천 상품을 제공하는 경우 추천 상품의 정확도 및 신뢰성이 떨어지는 문제점을 해결하기 위한 것으로, 본 발명의 목적은 상품 구매와 관련된 데이터를 수집하여 정렬하고, 정렬된 데이터를 이용하여 각각의 사용자 별로 관련된 상품들 간의 연관 점수를 계산하고, 연관 점수를 동일한 상품 페어에 따라 구분하여 취합하고, 취합된 상품 페어 간 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하고, 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공할 수 있는 사용자 로그 기반 상품 추천 방법, 이를 위한 시스템 및 장치를 제공하고자 한다.

상술한 바와 같은 목적을 달성하기 위한 본 발명의 실시 예에 따른 서비스장치는 적어도 하나의 단말기와 통신하여 사용자 로그 기반으로 추천 상품을 제공하기 위한 데이터를 송수신하는 서비스통신부 및 단말기로부터 다수의 상품에 대한 선택 이벤트 발생과 관련된 데이터를 수집하고, 수집된 데이터를 정렬하고, 정렬된 데이터를 이용하여 각각의 사용자 별로 특정 상품의 이전 유알엘(URL) 정보와 관련된 제1 점수, 상품들 간의 선택 이벤트 발생 시간차와 관련된 제2 점수, 상품과 관련된 이벤트 종류에 따라 정해지는 제3 점수를 연산하여 연관 점수를 계산하고, 연관 점수를 동일한 상품 페어에 따라 구분하여 취합하고, 취합된 상품 페어 간 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하고, 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공하도록 제어하는 서비스제어부를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 서비스장치에 있어서, 사용자 로그 기반으로 추천 상품을 제공하기 위하여 각각의 사용자 별로 특정 상품에 대한 연관 점수 및 연관 점수를 기반으로 결정되는 최종 점수를 저장하는 서비스저장부를 더 포함하는 것을 특징으로 한다.

본 발명의 실시 예에 따른 사용자 로그 기반 상품 추천 시스템은 서비스장치로부터 적어도 하나의 추천 상품에 대한 정보를 수신하고, 상품과 관련된 상품 확인, 장바구니 담기 또는 구매하기 중 적어도 하나의 선택 이벤트에 대한 입력 신호를 감지하고, 입력 신호에 따라 해당되는 상품에 대한 정보를 서비스장치로 전송하는 단말기 및 단말기로부터 선택 이벤트 발생과 관련된 데이터를 수집하고, 수집된 데이터를 정렬하고, 정렬된 데이터를 이용하여 각각의 사용자 별로 특정 상품의 이전 유알엘(URL) 정보와 관련된 제1 점수, 상품들 간의 선택 이벤트 발생 시간차와 관련된 제2 점수, 상품과 관련된 이벤트 종류에 따라 정해지는 제3 점수를 연산하여 연관 점수를 계산하고, 연관 점수를 동일한 상품 페어에 따라 구분하여 취합하고, 취합된 상품 페어 간 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하고, 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공하는 서비스장치를 포함하는 것을 특징으로 한다.

본 발명의 실시 예에 따른 사용자 로그 기반 상품 추천 방법은 서비스장치가 적어도 하나의 단말기로부터 다수의 상품에 대한 선택 이벤트 발생과 관련된 데이터를 수집하고, 수집된 데이터를 정렬하는 단계와, 서비스장치가 정렬된 데이터를 이용하여 각각의 사용자 별로 특정 상품의 이전 유알엘(URL) 정보와 관련된 제1 점수, 상품들 간의 선택 이벤트 발생 시간차와 관련된 제2 점수, 상품에 대한 이벤트 종류와 관련된 제3 점수를 연산하여 연관 점수를 계산하는 단계와, 서비스장치가 연관 점수를 동일한 상품에 따라 구분하여 취합하는 단계와, 서비스장치가 취합된 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하는 단계 및 서비스장치가 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공하는 단계를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 사용자 로그 기반 상품 추천 방법에 있어서, 선택 이벤트는 특정 상품에 대한 상품 확인, 장바구니 담기 또는 구매하기 중 적어도 하나의 사용자 행동인 것을 특징으로 한다.

또한, 본 발명에 따른 사용자 로그 기반 상품 추천 방법에 있어서, 정렬하는 단계는 서비스장치가 수집된 데이터 중에서 사용자 기준으로 일정 상품 수 이하의 선택 이벤트를 수행한 사용자의 데이터와, 상품 기준으로 일정 수 이하의 사용자에게 선택 이벤트를 받은 상품의 데이터를 삭제하는 단계를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 사용자 로그 기반 상품 추천 방법에 있어서, 정렬하는 단계는 서비스장치가 수집된 데이터를 정렬함에 있어 상품의 선택 이벤트를 요청한 시간 및 날짜 순으로 정렬하는 것을 특징으로 한다.

또한, 본 발명에 따른 사용자 로그 기반 상품 추천 방법에 있어서, 연관 점수를 계산하는 단계는 서비스장치가 특정 상품에 대한 정보를 확인할 수 있는 다수의 이전 유알엘 정보 중에서 특정 상품과 관련된 이전 유알엘 정보를 확인하고, 확인 결과, 무의미하게 선택된 이전 유알엘 정보인 경우, 사용자 행동에 대한 가중치를 낮게 적용하여 제1 점수를 계산하는 것을 특징으로 한다.

또한, 본 발명에 따른 사용자 로그 기반 상품 추천 방법에 있어서, 연관 점수를 계산하는 단계는 서비스장치가 특정 상품에 대한 선택 이벤트 발생 시간과, 특정 상품에 대한 선택 이벤트 발생 이후의 다음 상품에 대한 선택 이벤트 발생 시간차를 연산하여 제2 점수를 계산하는 것을 특징으로 한다.

또한, 본 발명에 따른 사용자 로그 기반 상품 추천 방법에 있어서, 연관 점수를 계산하는 단계는 서비스장치가 복수의 상품들에 대한 선택 이벤트 발생 시간차를 순차적으로 확인하고, 확인된 시간차가 큰 경우 상품들 간의 연관도가 낮은 것으로 판단하며, 시간차가 작은 경우의 상품들 보다 낮은 가중치를 부여하여 제2 점수를 계산하는 것을 특징으로 한다.

또한, 본 발명에 따른 사용자 로그 기반 상품 추천 방법에 있어서, 연관 점수를 계산하는 단계는 서비스장치가 상품과 관련된 이벤트 중 구매하기 이벤트가 발생하면, 제3 점수에 대한 가중치를 다른 이벤트 보다 높게 계산하는 것을 특징으로 한다.

또한, 본 발명에 따른 사용자 로그 기반 상품 추천 방법에 있어서, 연관 점수를 계산하는 단계는 서비스장치가 각각의 상품 별로 계산된 로그 점수를 연산하여 복수의 상품에 대한 페어 점수를 계산하는 것을 특징으로 한다.

또한, 본 발명에 따른 사용자 로그 기반 상품 추천 방법에 있어서, 연관 점수를 계산하는 단계는 서비스장치가 상품 간 페어 점수를 정규화하여 정규화 점수를 계산하고, 중복되는 상품 간 정규화 점수를 삭제하는 것을 특징으로 한다.

또한, 본 발명에 따른 사용자 로그 기반 상품 추천 방법에 있어서, 최종 점수를 결정하는 단계는 서비스장치가 정규화된 상품 간 페어 점수의 합을 각각의 상품을 선택 또는 구매한 사용자의 수로 나누어 상품 간 최종 점수를 계산하는 것을 특징으로 한다.

본 발명의 과제 해결을 위한 또 다른 수단으로서, 적어도 하나의 단말기로부터 다수의 상품 구매와 관련된 데이터를 수집하고, 수집된 데이터를 정렬하는 단계와, 정렬된 데이터를 이용하여 각각의 사용자 별로 특정 상품의 이전 유알엘 정보와 관련된 제1 점수, 상품들 간의 선택 이벤트 발생 시간차와 관련된 제2 점수, 상품에 대한 이벤트 종류와 관련된 제3 점수를 연산하여 연관 점수를 계산하는 단계와, 연관 점수를 동일한 상품에 따라 구분하여 취합하는 단계와, 취합된 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하는 단계 및 계산된 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공하는 단계를 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체를 제공한다.

본 발명에 따르면, 상품 구매와 관련된 데이터를 이용하여 각각의 사용자 별로 관련된 상품들 간의 연관 점수를 계산하고, 연관 점수를 동일한 상품 페어에 따라 구분하여 취합하고, 취합된 상품 페어 간 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 결정되는 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공하기 때문에 신뢰성 있고, 정확한 상품 추천이 가능하다.

또한, 사용자의 로그 기록들을 바탕으로 상품 추천을 제공하기 때문에, 사용자들의 의미 없는 로그에 대한 가중치를 낮추고, 추천 서비스의 품질을 높일 수 있다.

도 1은 본 발명의 실시 예에 따른 사용자 로그 기반 상품 추천 시스템에 대한 구성을 나타내는 도면이다.
도 2는 본 발명에 따른 단말기의 구성을 나타내는 블록도 이다.
도 3은 본 발명에 따른 서비스장치의 구성을 나타내는 블록도 이다.
도 4는 본 발명의 실시 예에 따라 사용자 로그 기반 상품 추천을 위한 서비스장치의 동작 방법을 설명하기 위한 흐름도이다.
도 5는 도 4의 연관 점수 계산 방법을 구체적으로 설명하기 위한 흐름도이다.
도 6은 본 발명의 실시 예에 따라 사용자 로그 기반 상품 추천을 위한 단말기의 동작 방법을 설명하기 위한 흐름도이다.
도 7a 내지 도 7e는 본 발명의 실시 예에 따른 사용자 로그 기반 상품 추천 방법을 설명하기 위한 예시도 이다.

이하 본 발명의 바람직한 실시 예를 첨부한 도면을 참조하여 상세히 설명한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.

이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위한 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.

이하에서는 본 발명의 실시 예에 따른 단말기는 통신망에 연결되어 사용자 로그 기반으로 추천 상품을 제공하기 위한 데이터를 송수신할 수 있는 이동통신단말기를 대표적인 예로서 설명하지만 단말기는 이동통신단말기에 한정된 것이 아니고, 모든 정보통신기기, 멀티미디어 단말기, 유선 단말기, 고정형 단말기 및 IP(Internet Protocol) 단말기 등의 다양한 단말기에 적용될 수 있다. 또한, 단말기는 휴대폰, PMP(Portable Multimedia Player), MID(Mobile Internet Device), 스마트폰(Smart Phone), 데스크톱(Desktop), 태블릿컴퓨터(Tablet PC), 노트북(Note book), 넷북(Net book) 및 정보통신 기기 등과 같은 다양한 이동통신 사양을 갖는 모바일(Mobile) 단말기일 때 유리하게 활용될 수 있다.

이하, 본 발명의 실시 예에 따른 사용자 로그 기반 상품 추천 시스템에 대해 설명한다.

도 1은 본 발명의 실시 예에 따른 사용자 로그 기반 상품 추천 시스템에 대한 구성을 나타내는 도면이다.

도 1을 참조하면, 본 발명에 따른 사용자 로그 기반 상품 추천 시스템(100)은 단말기(10), 서비스장치(20) 및 통신망(30)으로 구성된다.

본 발명에 따른 단말기(10)나 서비스장치(20)에 탑재되는 프로세서는 본 발명에 따른 방법을 실행하기 위한 프로그램 명령을 처리할 수 있다. 일 구현 예에서, 이 프로세서는 싱글 쓰레드(Single-threaded) 프로세서일 수 있으며, 다른 구현 예에서 본 프로세서는 멀티 쓰레드(Multi-threaded) 프로세서일 수 있다. 나아가 본 프로세서는 메모리 혹은 저장 장치 상에 저장된 명령을 처리하는 것이 가능하다.

통신망(30)은 단말기(10) 및 서비스장치(20) 사이의 데이터 전송 및 정보 교환을 위한 일련의 데이터 송수신 동작을 수행한다. 특히, 통신망(30)은 다양한 형태의 통신망이 이용될 수 있으며, 예컨대, 무선랜(WLAN, Wireless LAN), 와이파이(Wi-Fi), 와이브로(Wibro), 와이맥스(Wimax), 고속하향패킷접속(HSDPA, High Speed Downlink Packet Access) 등의 무선 통신방식 또는 이더넷(Ethernet), xDSL(ADSL, VDSL), HFC(Hybrid Fiber Coax), FTTC(Fiber to The Curb), FTTH(Fiber To The Home) 등의 유선 통신방식이 이용될 수 있다. 한편, 통신망(30)은 상기에 제시된 통신방식에 한정되는 것은 아니며, 상술한 통신 방식 이외에도 기타 널리 공지되었거나 향후 개발될 모든 형태의 통신 방식을 포함할 수 있다.

단말기(10)는 통신망(30)을 통해 서비스장치(20)와 연결되어 사용자 로그 기반으로 추천 상품을 제공하기 위한 모든 데이터를 송수신한다. 특히, 본 발명에 따른 단말기(10)는 서비스장치(20)로부터 추천 상품에 대한 정보를 수신한다. 그리고, 단말기(10)는 상품과 관련된 상품 확인, 장바구니 담기 또는 구매하기 등의 선택 이벤트에 대한 입력 신호를 감지하고, 입력 신호에 따라 해당되는 상품에 대한 정보를 서비스장치(20)로 전송한다.

서비스장치(20)는 통신망(30)을 통해 단말기(10)와 연결되어 사용자 로그 기반으로 추천 상품을 제공하기 위한 모든 데이터를 송수신한다. 특히, 본 발명에 따른 서비스장치(20)는 특정 상품과 관련성이 있는 추천 상품을 제공하기 위하여, 단말기(10)로부터 다수의 상품에 대한 선택 이벤트 발생과 관련된 데이터를 수집하고, 수집된 데이터를 정렬한다. 여기서, 데이터는 특정 상품을 선택하거나 구매와 관련된 정보를 포함하며, 시간 또는 날짜 순으로 정렬된다. 또한, 선택 이벤트는 특정 상품에 대한 상품 확인, 장바구니 담기 또는 구매하기 등의 사용자 행동이 될 수 있다.

서비스장치(20)는 정렬된 데이터를 이용하여 각각의 사용자 별로 관련된 상품들 간의 연관 점수를 계산한다. 즉, 서비스장치(20)는 정렬된 데이터를 이용하여 각각의 사용자 별로 특정 상품의 이전 유알엘(URL, Uniform Resource Locator) 정보와 관련된 제1 점수, 상품들 간의 선택 이벤트 발생 시간차와 관련된 제2 점수, 상품과 관련된 이벤트 종류에 따라 정해지는 제3 점수를 연산하여 연관 점수를 계산한다. 그리고, 서비스장치(20)는 연관 점수를 동일한 상품 별로 구분하여 취합한다. 이후, 서비스장치(20)는 취합된 상품 간 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하고, 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공한다.

이를 통해, 본 발명은 상품 구매와 관련된 데이터를 이용하여 각각의 사용자 별로 관련된 상품들 간의 연관 점수를 계산하고, 연관 점수를 동일한 상품 페어에 따라 구분하여 취합하고, 취합된 상품 페어 간 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 결정되는 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공하기 때문에 신뢰성 있고, 정확한 상품 추천이 가능하다. 또한, 사용자의 로그 기록들을 바탕으로 상품 추천을 제공하기 때문에, 사용자들의 의미 없는 로그에 대한 가중치를 낮추고, 추천 서비스의 품질을 높일 수 있다.

상술한 본 발명의 실시 예에 따른 사용자 로그 기반 추천 상품을 제공하기 위한 과정을 도 2 내지 도 7를 참조하여 보다 구체적으로 설명하도록 한다.

도 2는 본 발명에 따른 단말기의 구성을 나타내는 블록도 이다.

도 2를 참조하면, 본 발명에 따른 단말기(10)는 제어부(11), 입력부(12), 표시부(13), 저장부(14), 오디오처리부(15) 및 통신부(16)로 구성된다.

입력부(12)는 숫자 및 문자 정보 등의 다양한 정보를 입력 받고, 각종 기능을 설정 및 단말기(10)의 기능 제어와 관련하여 입력되는 신호를 제어부(11)로 전달한다. 또한, 입력부(12)는 사용자의 터치 또는 조작에 따른 입력 신호를 발생하는 키패드와 터치패드 중 적어도 하나를 포함하여 구성될 수 있다. 이때, 입력부(12)는 표시부(13)와 함께 하나의 터치패널(또는 터치스크린(touch screen))의 형태로 구성되어 입력과 표시 기능을 동시에 수행할 수 있다. 또한, 입력부(12)는 키보드, 키패드, 마우스, 조이스틱 등과 같은 입력 장치 외에도 향후 개발될 수 있는 모든 형태의 입력 수단이 사용될 수 있다. 특히, 본 발명에 따른 입력부(12)는 상품을 선택 또는 구매하기 위한 입력 신호를 감지하여 제어부(11)로 전달한다.

표시부(13)는 단말기(10)의 기능 수행 중에 발생하는 일련의 동작상태 및 동작결과 등에 대한 정보를 표시한다. 또한, 표시부(13)는 단말기(10)의 메뉴 및 사용자가 입력한 사용자 데이터 등을 표시할 수 있다. 여기서, 표시부(13)는 액정표시장치(LCD, Liquid Crystal Display), 초박막 액정표시장치(TFT-LCD, Thin Film Transistor LCD), 발광다이오드(LED, Light Emitting Diode), 유기 발광다이오드(OLED, Organic LED), 능동형 유기발광다이오드(AMOLED, Active Matrix OLED), 레티나 디스플레이(Retina Display), 플렉시블 디스플레이(Flexible display) 및 3차원(3 Dimension) 디스플레이 등으로 구성될 수 있다. 이때, 표시부(13)가 터치스크린(Touch screen) 형태로 구성된 경우, 표시부(13)는 입력부(12)의 기능 중 일부 또는 전부를 수행할 수 있다. 특히, 본 발명에 따른 표시부(13)는 상품 선택 또는 구매와 관련된 상품 정보를 출력한다. 또한, 표시부(13)는 서비스장치(20)로부터 제공되는 추천 상품에 대한 정보를 표시한다.

저장부(14)는 데이터를 저장하기 위한 장치로, 주 기억 장치 및 보조 기억 장치를 포함하고, 단말기(10)의 기능 동작에 필요한 응용 프로그램을 저장한다. 이러한 저장부(14)는 크게 프로그램 영역과 데이터 영역을 포함할 수 있다. 여기서, 단말기(10)는 사용자의 요청에 상응하여 각 기능을 활성화하는 경우, 제어부(11)의 제어 하에 해당 응용 프로그램들을 실행하여 각 기능을 제공하게 된다. 특히, 본 발명에 따른 저장부(14)는 단말기(10)를 부팅시키는 운영체제, 상품 선택 또는 구매를 위한 전자상거래 서비스를 제공하는 프로그램 등을 저장한다. 또한, 저장부(14)는 추천 상품에 대한 정보 및 상품 선택 또는 구매와 관련된 사용자 로그를 저장한다.

오디오처리부(15)는 오디오 신호를 재생하여 출력하기 위한 스피커(SPK) 또는 마이크(MIC)로부터 입력되는 오디오 신호를 제어부(11)에 전달하는 기능을 수행한다. 이러한 오디오처리부(15)는 마이크를 통해 입력되는 아날로그 형식의 오디오 신호를 디지털 형식으로 변환하여 제어부(11)에 전달할 수 있다. 또한, 오디오처리부(15)는 제어부(11)로부터 출력되는 디지털 형식의 오디오 신호를 아날로그 신호로 변환하여 스피커를 통해 출력할 수 있다. 특히, 본 발명에 따른 오디오처리부(15)는 어플리케이션의 실행에 따른 효과음 또는 실행음을 출력한다.

통신부(16)는 서비스장치(20)와 통신망(30)을 통해 데이터를 송수신하기 위한 기능을 수행한다. 여기서, 통신부(16)는 송신되는 신호의 주파수를 상승 변환 및 증폭하는 RF 송신 수단과 수신되는 신호를 저잡음 증폭하고 주파수를 하강 변환하는 RF 수신 수단 등을 포함한다. 이러한 통신부(16)는 무선통신 모듈(미도시) 및 유선통신 모듈(미도시) 중 적어도 하나를 포함할 수 있다. 그리고, 무선통신 모듈은 무선 통신 방법에 따라 데이터를 송수신하기 위한 구성이며, 단말기(10)가 무선 통신을 이용하는 경우, 무선망 통신 모듈, 무선랜 통신 모듈 및 무선팬 통신 모듈 중 어느 하나를 이용하여 데이터를 서비스장치(20)로 송수신할 수 있다. 또한, 유선통신 모듈은 유선으로 데이터를 송수신하기 위한 것이다. 유선통신 모듈은 유선을 통해 통신망(30)에 접속하여, 서비스장치(20)에 데이터를 송수신할 수 있다. 특히, 본 발명에 따른 통신부(16)는 서비스장치(20)와 통신하여 사용자 로그 기반으로 추천 상품을 제공하기 위한 데이터를 송수신한다.

제어부(11)는 운영 체제(OS, Operation System) 및 각 구성을 구동시키는 프로세스 장치가 될 수 있다. 특히, 본 발명의 실시 예에 따른 제어부(11)는 서비스장치(20)로부터 특정 상품과 관련된 추천 상품에 대한 정보를 수신한다. 그리고, 제어부(11)는 상품과 관련된 상품 확인, 장바구니 담기 또는 구매하기 중 적어도 하나의 선택 이벤트에 대한 입력 신호를 감지하고, 입력 신호에 따라 해당되는 상품에 대한 정보를 서비스장치(20)로 전송한다.

도 3은 본 발명에 따른 서비스장치의 구성을 나타내는 블록도 이다.

도 3을 참조하면, 본 발명의 실시 예에 따른 서비스장치(20)는 서비스제어부(21), 서비스저장부(22) 및 서비스통신부(23)으로 구성된다. 여기서, 서비스제어부(21)는 데이터 관리모듈(21a), 연관 점수 계산모듈(21b), 점수 취합모듈(21c), 최종 점수 결정모듈(21d) 및 상품 추천모듈(21e)을 포함하고, 서비스저장부(22)는 연관 점수(22a), 최종 점수(22b) 및 사용자 로그(22c)를 포함한다.

서비스통신부(23)는 통신망(30)을 통해 단말기(10)와 통신하여 사용자 로그 기반으로 추천 상품을 제공하기 위한 데이터를 송수신한다.

서비스저장부(22)는 서비스장치(20)의 기능 실행에 따른 모든 프로그램을 저장한다. 특히, 본 발명에 따른 서비스저장부(22)는 사용자 별로 상품 선택 또는 구매와 관련된 데이터를 수집하는 프로그램, 수집된 데이터를 정렬하는 프로그램, 정렬된 데이터를 기반으로 상품 간의 연관 점수를 계산하는 프로그램, 각각의 사용자 별로 동일한 상품에 대한 연관 점수를 취합하는 프로그램, 취합된 연관 점수를 연산하여 최종 점수를 결정하는 프로그램, 최종 점수를 적용하여 추천 상품을 제공하는 프로그램 등을 저장한다. 또한, 서비스저장부(22)는 연관 점수(22a), 최종 점수(22b) 및 상품 선택 또는 구매와 관련된 사용자 로그(22c)를 저장한다.

서비스제어부(21)는 운영 체제 및 각 구성을 구동시키는 프로세스 장치가 될 수 있다. 특히, 본 발명의 실시 예에 따른 서비스제어부(21)는 특정 상품과 관련된 추천 상품을 제공하기 위하여 단말기(10)로부터 상품 구매와 관련된 데이터를 수집하고, 수집된 데이터를 정렬한다. 여기서, 서비스제어부(21)는 수집된 데이터를 정렬함에 있어 상품을 선택하거나, 상품 구매를 요청한 시간 및 날짜 순으로 정렬한다. 한편, 서비스제어부(21)는 수집된 데이터 중에서 사용자 기준으로 일정 상품 수 이하의 선택 이벤트를 수행한 사용자의 데이터와, 상품 기준으로 일정 수 이하의 사용자에게 선택 이벤트를 받은 상품의 데이터를 무의미한 데이터로 간주하여 삭제한다. 이때, 선택 이벤트는 특정 상품에 대한 상품 확인, 장바구니 담기 또는 구매하기 등의 사용자 행동이 될 수 있다.

서비스제어부(21)는 정렬된 데이터를 이용하여 각각의 사용자 별로 관련된 상품들 간의 연관 점수를 계산한다. 이때, 서비스제어부(21)는 특정 상품의 이전 유알엘 정보와 관련된 제1 점수(ref_score), 상품들 간의 선택 이벤트 발생 시간차와 관련된 제2 점수(time_diff_score), 상품과 관련된 이벤트 종류에 따라 정해지는 제3 점수(action_score)를 연산하여 연관 점수에 대한 로그(Log) 점수를 계산한다.

여기서, 서비스제어부(21)는 제1 점수를 계산하기 위하여, 특정 상품에 대한 이전 유알엘 정보를 확인하는데, 이전 유알엘 정보는 판매 사이트의 메인 페이지, 서브(Sub) 카테고리 페이지, 검색 페이지, 외부 검색 엔진, 블로그 사이트, 뉴스 사이트, 각종 커뮤니티 사이트, 소셜 네트워크 서비스 사이트 등이 포함될 수 있다. 하지만, 본 발명의 실시 예에 따른 이전 유알엘 정보는 상기에 제시된 유알엘 정보에 한정되는 것이 아니고, 특정 상품을 검색하거나 확인할 수 있는 다양한 종류의 유알엘 정보가 포함될 수 있다. 즉, 서비스제어부(21)는 특정 상품을 확인할 수 있는 다수의 이전 유알엘 정보를 이용하여 사용자의 의도를 파악하고, 만약 사용자가 큰 의미 없이 상품을 클릭한 경우라면, 가중치를 낮게 적용하여 제1 점수를 계산한다. 예를 들어, 서비스제어부(21)는 이전 유알엘 정보가 판매 사이트의 메인 페이지인 경우에는 사용자가 무의미하게 또는 별 다른 생각 없이 또는 상품을 클릭할 수 있으므로, 이럴 경우에는 사용자 행동에 대한 가중치를 낮게 설정한다. 한편, 서비스제어부(21)는 이전 유알엘 정보가 판매 사이트의 서브 카테고리 페이지나 검색 페이지인 경우, 사용자가 특정 의도를 가지고 상품을 클릭하고 확인한 경우이므로, 이럴 경우에는 사용자 행동에 대한 가중치를 높게 설정한다. 이때, 각 사이트 별로 이를 자동화하기 위해, 하기의 <수학식 1>과 같은 방법을 사용한다.

또한, 서비스제어부(21)는 특정 상품에 대한 선택 이벤트 발생 시간과, 특정 상품에 대한 선택 이벤트 발생 이후의 다음 상품에 대한 선택 이벤트 발생 시간차를 연산하여 제2 점수를 계산한다. 즉, 서비스제어부(21)는 복수의 상품들에 대한 선택 이벤트 발생 시간차를 순차적으로 확인한다. 그리고, 서비스제어부(21)는 확인된 시간차가 큰 경우 상품들 간의 연관도가 낮은 것으로 판단하며, 시간차가 작은 경우의 상품들 보다 낮은 가중치를 부여하여 제2 점수를 계산한다.

또한, 서비스제어부(21)는 상품에 대한 이벤트 종류와 관련된 제3 점수를 계산한다. 즉, 서비스제어부(21)는 상품과 관련된 이벤트 중 구매하기 이벤트가 발생하면, 제3 점수에 대한 가중치를 다른 이벤트(상품 보기 또는 장바구니 담기) 보다 높게 계산한다.

이후, 서비스제어부(21)는 각각의 상품 별로 계산된 로그 점수를 연산하여 복수의 상품에 대한 페어(Pair) 점수를 계산한다. 그리고, 서비스제어부(21)는 상품 간 페어 점수를 정규화하여 정규화(Normalized) 점수를 계산하고, 중복되는 상품 간 정규화 점수를 삭제한다.

서비스제어부(21)는 연관 점수를 동일한 상품 별로 구분하여 취합한다. 그리고, 서비스제어부(21)는 취합된 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정한다. 이때, 서비스제어부(21) 사용자 별 연관 점수의 합을 각각의 상품을 선택 또는 구매한 사용자의 수로 나누어 상품 간 최종 점수를 계산한다. 그리고 나서, 서비스제어부(21)는 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공한다.

이와 같은 서비스장치(20)의 기능을 보다 효과적으로 수행하기 위하여 서비스제어부(21)는 데이터 관리모듈(21a), 연관 점수 계산모듈(21b), 점수 취합모듈(21c), 최종 점수 결정모듈(21d) 및 상품 추천모듈(21e)을 포함한다. 특히, 본 발명에 따른 데이터 관리모듈(21a)은 단말기(10)로부터 수집되는 상품 구매와 관련된 데이터를 시간 및 날짜 순으로 정렬하는 기능을 한다. 또한, 연관 점수 계산모듈(21b)은 데이터 관리모듈(21a)을 통해 정렬된 데이터를 이용하여 각각의 사용자 별로 관련된 상품들 간의 연관 점수를 계산하는 기능을 한다. 또한, 점수 취합모듈(21c)은 연관 점수 계산모듈(21b)을 통해 계산된 연관 점수를 동일한 상품 별로 구분하여 취합하는 기능을 한다. 또한, 최종 점수 결정모듈(21d)은 점수 취합모듈(21c)을 통해 취합된 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하는 기능을 한다. 또한, 상품 추천모듈(21e)은 최종 점수 결정모듈(21d)을 통해 결정된 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 수행한다.

또한, 상술한 바와 같이 구성되는 서비스장치(20)는 서버 기반 컴퓨팅 기반 방식 또는 클라우드 방식으로 동작하는 하나 이상의 서버로 구현될 수 있다. 특히, 사용자 로그 기반으로 추천 상품을 제공하기 위한 데이터는 인터넷 상의 클라우드 컴퓨팅 장치에 영구적으로 저장될 수 있는 클라우드 컴퓨팅(Cloud Computing) 기능을 통해 제공될 수 있다. 여기서, 클라우드 컴퓨팅은 데스크톱, 태블릿 컴퓨터, 노트북, 넷북 및 스마트폰 등의 디지털 단말기에 인터넷 기술을 활용하여 가상화된 IT(Information Technology) 자원, 예를 들어, 하드웨어(서버, 스토리지, 네트워크 등), 소프트웨어(데이터베이스, 보안, 웹 서버 등), 서비스, 데이터 등을 온 디맨드(On demand) 방식으로 서비스하는 기술을 의미한다.

한편, 단말기(10)나 서비스장치(20)에 탑재되는 메모리는 그 장치 내에서 정보를 저장한다. 일 구현예의 경우, 메모리는 컴퓨터로 판독 가능한 매체이다. 일 구현 예에서, 메모리는 휘발성 메모리 유닛 일 수 있으며, 다른 구현예의 경우, 메모리는 비휘발성 메모리 유닛 일 수도 있다. 일 구현예의 경우, 저장장치는 컴퓨터로 판독 가능한 매체이다. 다양한 서로 다른 구현 예에서, 저장장치는 예컨대 하드디스크 장치, 광학디스크 장치, 혹은 어떤 다른 대용량 저장장치를 포함할 수도 있다.

비록 본 명세서와 도면에서는 예시적인 장치 구성을 기술하고 있지만, 본 명세서에서 설명하는 기능적인 동작과 주제의 구현물들은 다른 유형의 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 본 발명에 따른 장치의 동작을 제어하기 위하여 혹은 이것에 의한 실행을 위하여 유형의 프로그램 저장매체 상에 인코딩된 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다. 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.

도 4는 본 발명의 실시 예에 따라 사용자 로그 기반 상품 추천을 위한 서비스장치의 동작 방법을 설명하기 위한 흐름도이고, 도 7a 내지 도 7e는 본 발명의 실시 예에 따른 사용자 로그 기반 상품 추천 방법을 설명하기 위한 예시도 이다.

도 4를 참조하면, 본 발명에 따른 서비스장치(20)는 S11 단계에서 단말기(10)로부터 상품 구매와 관련된 데이터를 수집하고, 수집된 데이터를 정렬한다. 여기서, 서비스장치(20)는 수집된 데이터를 정렬함에 있어 상품을 선택하거나, 상품 구매를 요청한 시간 및 날짜 순으로 정렬한다. 예를 들어, 도 7a에 도시된 바와 같이, 서비스장치(20)는 사용자(가)가 선택 또는 구매한 상품(A, B, C, B, E)에 대한 정보를 시간 및 날짜 순으로 정렬할 수 있다. 한편, 서비스장치(20)는 수집된 데이터 중에서 사용자 기준으로 일정 상품 수 이하의 선택 이벤트를 수행한 사용자의 데이터와, 상품 기준으로 일정 수 이하의 사용자에게 선택 이벤트를 받은 상품의 데이터를 무의미한 데이터로 간주하여 삭제한다.

서비스장치(20)는 S13 단계에서 정렬된 데이터를 이용하여 각각의 사용자 별로 관련된 상품들 간의 연관 점수를 계산한다. 본 발명에 따른 서비스장치(20)가 연관 점수를 계산하는 과정은 도 5를 통해 상세하게 설명하기로 한다. 예를 들어, 도 7b에 도시된 바와 같이, 서비스장치(20)는 사용자(가)가 선택 또는 구매한 상품(A, B, C, B, E)들 간의 연관 점수를 계산할 수 있는데, 이때, 상품들의 연관성(A와 B, A와 C, A와 B, A와 E, B와 C, B와 B, B와 E, C와 B, C와 E, B와 E)을 확인하기 위하여 연관 점수를 연산한다. 즉, 서비스장치(20)는 상품에 대한 정보를 확인할 수 있는 다수의 이전 유알엘 정보 중에서 상품과 관련된 이전 유알엘 정보를 확인하고, 확인 결과, 무의미하게 선택된 이전 유알엘 정보인 경우, 사용자 행동에 대한 가중치를 낮게 적용하여 제1 점수를 계산한다. 또한, 서비스장치(20)는 복수의 상품들에 대한 선택 이벤트 발생 시간차를 순차적으로 확인하고, 확인된 시간차가 큰 경우 상품들 간의 연관도가 낮은 것으로 판단하며, 시간차가 작은 경우의 상품들 보다 낮은 가중치를 부여하여 제2 점수를 계산한다. 또한, 서비스장치(20)는 상품과 관련된 이벤트 중 구매하기 이벤트가 발생하면, 제3 점수에 대한 가중치를 다른 이벤트 보다 높게 계산한다.

서비스장치(20)는 S15 단계에서 연관 점수를 동일한 상품 별로 구분하여 취합한다. 예를 들어, 도 7c에 도시된 바와 같이, 서비스장치(20)는 사용자(가, 나, 다, 라) 별로 구분하고, 각 사용자 별로 상품에 대한 선택 이벤트와 관련된 연관 점수를 확인할 수 있다. 즉, 서비스장치(20)는 사용자(가)와 관련된 상품(A, B, C, B, E)의 연관 점수, 사용자(나)와 관련된 상품(F, G, H, I, J)의 연관 점수, 사용자(다)와 관련된 상품(B, K, L, M, N, A)의 연관 점수 및 사용자(라)와 관련된 상품(A, O, P, B, Q, P, R, S, T, U)와 관련된 연관 점수를 계산하고, 각각의 연관 점수를 동일한 상품 별로 취합한다. 그리고, 도 7d에 도시된 바와 같이, 서비스장치(20)는 상품들 간의 연관성을 확인하기 위하여, 동일한 상품이 있는 사용자(가, 다, 라, 마)를 대상으로 공통의 상품(A, B)과 관련된 상품별 점수(a, b, c, d)를 취합한다(e). 여기서, 사용자(가)의 상품(A, B)의 점수가 1.41 이고, 사용자(다)의 상품(A, B)의 점수가 1.01 이고, 사용자(라)의 상품(A, B)의 점수가 1.02 이고, 사용자(마)의 상품(A, B)의 점수를 1.05 이라고 가정하면, 상품(A, B) 별 점수의 합은 4.49가 된다.

서비스장치(20)는 S17 단계에서 취합된 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정한다. 예를 들어, 도 7e에 도시된 바와 같이, 서비스장치(20) 사용자 별 상품에 대한 연관 점수의 합(e)을 각각의 상품을 선택 또는 구매한 사용자의 수(f+g)로 나누어 상품 간 최종 점수(h)를 계산한다. 즉, 상품(A, B)에 대한 점수의 합이 4.49이고, 상품(A)를 선택하거나 구매한 사용자 수(100명), 상품(B)를 선택하거나 구매한 사용자 수(400명) 이라고 가정하면, 상품 간 최종 점수는 0.009가 된다.

이후, 서비스장치(20)는 S19 단계에서 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공한다.

도 5는 도 4의 연관 점수 계산 방법을 구체적으로 설명하기 위한 흐름도이다.

도 5를 참조하면, 본 발명에 따른 서비스장치(20)는 S131 단계에서 시간 및 날짜 순으로 정렬된 데이터를 이용하여 각각의 사용자 별로 관련된 상품들 간의 연관 점수를 계산하는데, 해당 상품의 연관 점수를 계산하기 위해 참고하는 제1 점수(ref_score)와, 상품을 선택 또는 구매하는 시간과 관련된 제2 점수(time_diff_score)와, 상품을 선택 또는 구매하는 동작과 관련된 제3 점수(action_score)를 연산하여 연관 점수에 대한 로그(Log) 점수를 계산한다.

여기서, 서비스장치(20)는 특정 상품에 대한 이전 유알엘 정보를 확인하는데, 이전 유알엘 정보는 판매 사이트의 메인 페이지, 서브(Sub) 카테고리 페이지, 검색 페이지, 외부 검색 엔진, 블로그 사이트, 뉴스 사이트, 각종 커뮤니티 사이트, 소셜 네트워크 서비스 사이트 등이 포함될 수 있다. 하지만, 본 발명의 실시 예에 따른 이전 유알엘 정보는 상기에 제시된 유알엘 정보에 한정되는 것이 아니고, 특정 상품을 검색하거나 확인할 수 있는 다양한 종류의 유알엘 정보가 포함될 수 있다. 즉, 서비스장치(20)는 사용자가 특정 상품을 확인하기 이전 페이지의 유알엘을 확인하고, 사용자가 상품의 구매와 같은 특정한 의도를 가지고 여러 상품들을 확인한 경우, 해당 로그에 대한 가중치를 높여주고, 별다른 의도 없이 상품을 확인한 경우, 해당 로그에 대한 가중치를 낮게 적용하여 제 1 점수를 계산한다. 예를 들어, 서비스장치(20)는 이전 유알엘 정보가 판매 사이트의 메인 페이지인 경우에는 서브 카테고리 페이지 보다 낮은 가중치를 적용하고, 이전 유알엘 정보가 검색 페이지인 경우에는 서브 카테고리보다 높은 가중치를 적용하여 제1 점수를 계산한다. 즉, 서비스장치(20)는 이전 유알엘 페이지가 판매 사이트의 메인 페이지이면, 제1 점수로 가중치(0.1)을 부여하고, 이전 유알엘 페이지가 서브 카테고리 페이지이면, 제1 점수로 가중치(0.4)를 부여하고, 이전 유알엘 페이지가 검색 페이지이면, 제1 점수로 가중치(0.7)를 부여할 수 있다.

여기서, 서비스장치(20)는 제 1점수의 가중치를 계산할 때, 각 사이트 별로 관리자의 도움 없이 자동으로 가중치를 계산하기 위해 다음과 같은 방법을 사용한다. 먼저 사이트의 전체 사용자가 상품을 확인한 이벤트의 로그를 수집한 다음, 각 로그에서 "이전 유알엘" 수를 센다. 예를 들어, <표 1>은 도시된 바와 같이, 이전 유알엘 정보는 메인 페이지, 서버 카테고리 페이지, 검색 페이지 등으로 구분될 수 있으며, 상품 확인과 관련된 이벤트의 로그 수를 통해 이전 유알엘 수를 확인할 수 있다.

	이전 유알엘	구분	로그 수
A	http://book.11st.co.kr/	메인 페이지	10000
B	http://book.11st.co.kr/novel/	서브 카테고리 페이지	400
C	http://book.11st.co.kr/dictionary/	서브 카테고리 페이지	200
D	http://book.11st.co.kr/search/?q=토익	'토익'에 대한 검색 페이지	150
E	http://book.11st.co.kr/search/?q=수능	'수능'에 대한 검색 페이지	100

정렬을 한 다음, 로그 수에 대한 중간 값(median)을 찾는다. 상기의 예제에서는 중간 값이 200이 된다. 그리고, 제 1점수는 하기의 <수학식 1>에 의해 계산된다.

<표 2>는 이전 유알엘 정보, 메인 페이지/서비 카테고리 페이지/검색 페이지에 대한 정보, 로그 수 등을 상기의 <수학식 1>에 적용하여 계산된 제 1 점수를 나타낸다.

	이전 유알엘	로그 수	제 1 점수
A	http://book.11st.co.kr/	10000	0.020
B	http://book.11st.co.kr/novel/	400	0.333
C	http://book.11st.co.kr/dictionary/	200	0.500
D	http://book.11st.co.kr/search/?q=토익	150	0.571
E	http://book.11st.co.kr/search/?q=수능	100	0.667

<표 2>를 참조하면, 너무 많은 사용자들이 동일한 "이전 유알엘"을

통해 상품을 확인한 경우, 사용자가 별 의미 없이, 흥미 위주로 클릭했다고 판단하여 자동으로 가중치를 낮춰줄 수 있다. 이에 따라, 서비스장치(20)는 사용자가 상품을 확인했을 때, 이전 페이지가 메인 페이지인 경우(A), 사용자가 별 다른 의도 없이 클릭을 했다고 판단하여 낮은 가중치(0.020)를 적용하고, 이전 페이지가 검색 페이지인 경우(D, E), 사용자가 특정한 의도를 가지고 클릭했다고 판단하여 높은 가중치를 적용할 수 있게 된다.

또한, 서비스장치(20)는 특정 상품에 대한 선택 이벤트 발생 시간과, 특정 상품에 대한 선택 이벤트 발생 이후의 다음 상품에 대한 선택 이벤트 발생 시간차를 연산하여 제2 점수를 계산한다. 예를 들어, 사용자가 상품(A, B, C, B, E)에 대하여 시간 순으로 선택 이벤트를 발생한 경우, 각각의 상품의 선택 이벤트 발생 시간차에 따른 제2 점수는 <표 3>과 같이 나타낼 수 있다.

	선택 이벤트	선택 이벤트 발생 시간	시간차	제2 점수
A	상품 확인	2013년 8월 1일 13:10:10	-
B	상품 확인	2013년 8월 1일 13:12:30	140	0.99
C	상품 확인	2013년 8월 1일 13:13:40	210	0.99
B	구매하기	2013년 8월 1일 13:33:40	1410	0.98
E	상품 확인	2013년 8월 14일 13:10:10	1,123,410	0.07

<표 3>을 참고하면, 상품 A에 대한 선택 이벤트(상품 확인) 이후, 상품 B에 대한 선택 이벤트(상품 확인)가 발생할 때까지의 시간차는 140초이고, 상품 B에 대한 선택 이벤트(상품 확인) 이후, 상품 C에 대한 선택 이벤트(상품 확인)가 발생할 때까지의 시간차는 210초이고, 상품 C에 대한 선택 이벤트(상품 확인) 이후, 상품 B에 대한 선택 이벤트(구매하기)가 발생할 때까지의 시간차는 1410초이고, 상품 B에 대한 선택 이벤트(구매하기) 이후, 상품 E에 대한 선택 이벤트(상품 확인)가 발생할 때까지의 시간차는 1,123,410초이다. 여기서, 각각의 상품들 간의 시간차에 의한 제2 점수는 하기의 <수학식 2>에 의해 계산된다. 즉, 사용자가 이벤트를 수행한 시간의 차이가 큰 경우, 낮은 가중치를 적용하고, 비슷한 시간에 이벤트를 수행한 경우, 즉, 시간차가 작은 경우에는 높은 가중치를 적용한다.

또한, 서비스장치(20)는 제3 점수를 부여함에 있어서, 상품과 관련된 이벤트에 따라 가중치를 다르게 설정할 수 있다. 즉, 서비스장치(20)는 상품을 구매하지 않고, 상품 확인 또는 장바구니 담기 등의 선택 이벤트 만을 수행한 경우에는 낮은 가중치(1.0)을 부여하고, 실제로 상품을 구매하는 선택 이벤트인 경우에는 높은 가중치(1.5)를 부여할 수 있다. 한편, 본 발명의 실시 예에 따른 가중치의 수치는 제시된 수치에 한정되는 것이 아니고, 높은 가중치와 낮은 가중치를 구분하기 위한 것으로 다른 수치로 대치될 수 있다.

서비스장치(20)는 S133 단계에서 각각의 상품 별로 계산된 로그 점수를 연산하여 복수의 상품에 대한 페어(Pair) 점수를 계산한다. 예를 들어, 서비스장치(20)는 제1 점수, 제2 점수 및 제3 점수의 연산으로 계산된 연관 점수에 대한 로그 점수를 각각의 상품 별로 확인할 수 있으며, 각각의 상품들 간의 연관성을 판단하기 위하여 각각의 상품과 관련된 로그 점수를 곱하여 페어 점수를 계산할 수 있다. 그리고, 서비스장치(20)는 S135 단계에서 상품 간 페어 점수를 정규화하여 정규화(Normalized) 점수를 계산하고, 중복되는 상품 간 정규화 점수를 삭제한다.

하기의 <표 4>는 제1 점수, 제2 점수 및 제3 점수를 연산하여 연관 점수와 관련된 로그 점수를 획득하는 예시를 나타내는 표이다.

상품	제1 점수 (ref_score)	제2 점수 (time_diff_score)	제3 점수 (action_score)	로그(log) 점수
A	0.1	1.00	1.0	0.10
B	0.7	0.99	1.0	0.69
C	0.7	0.99	1.0	0.69
B	0.7	0.98	1.5	1.03
E	0.5	0.07	1.0	0.04

예를 들어, <표 4>를 살펴보면, 사용자가 상품(A)을 선택만 한 경우, 제1 점수(0.1), 제2 점수(1.00), 제3 점수(1.0)을 연산하여 로그 점수(0.1)가 부여될 수 있다. 또한, 사용자가 상품(B)을 선택만 한 경우, 제1 점수(0.7), 제2 점수(0.99), 제3 점수(1.0)을 연산하여 로그 점수(0.69)가 부여될 수 있다. 또한, 사용자가 상품(C)을 선택만 한 경우, 제1 점수(0.7), 제2 점수(0.99), 제3 점수(1.0)을 연산하여 로그 점수(0.69)가 부여될 수 있다. 또한, 사용자가 상품(E)을 선택만 한 경우, 제1 점수(0.5), 제2 점수(0.07), 제3 점수(1.0)을 연산하여 로그 점수(0.04)가 부여될 수 있다. 한편, 사용자가 상품(B)을 구매한 경우, 제1 점수(0.7), 제2 점수(0.99), 제3 점수(1.5)을 연산하여 로그 점수(1.03)가 부여될 수 있다.

하기의 <표 5>는 로그 점수를 연산하여 페어 점수를 획득하는 예시를 나타내는 표이다.

상품	로그(log) 점수	페어(pair) 점수
A	0.10	-
B	0.69	0.07
C	0.69	0.07
B	1.03	0.10
E	0.04	0.00

예를 들어, <표 5>를 살펴보면, 서비스장치(20)는 각각의 상품(A, B, E)에 대하여 페어 점수를 계산하는데, 상품(A와 B) 사이에는 각각의 로그 점수(0.10과 0.69)의 곱으로 연산하여 페어 점수(0.07)를 계산하고, 상품(A와 C) 사이에는 각각의 로그 점수(0.10과 0.69)의 곱으로 연산하여 페어 점수(0.07)를 획득하고, 상품(A와 B(구매)) 사이에는 각각의 로그 점수(0.10과 1.03)의 곱으로 연산하여 페어 점수(1.10)를 계산하고, 상품(A와 E) 사이에는 각각의 로그 점수(0.10과 0.04)의 곱으로 연산하여 페어 점수(0.00)를 계산할 수 있다.

하기의 <표 6>은 페어 점수를 정규화하여 정규화 점수를 획득하는 예시를 나타내는 표이다.

상품	페어(pair) 점수	정규화(normalized) 점수
A	-	-
B	0.07	1.28 (삭제)
C	0.07	1.28
B	0.10	1.41
E	0.00	1.02

예를 들어, <표 6>을 살펴보면, 서비스장치(20)는 각각의 페어 점수(0.07, 0.07, 0.10, 0,00)에 대한 정규화 분포를 통해 정규화 점수(1.28, 1.28, 1.14, 1.02)를 획득할 수 있다. 이때, 서비스장치(20)는 상품(A, B) 사이의 점수가 중복되는 경우, (상품 A와 B에 대한 점수 1.28, 상품 A와 B에 대한 점수 1.41) 중 정규화 점수의 높은 점수를 기준으로 하나의 정규화 점수만을 남기고, 나머지 정규화 점수들은 삭제할 수 있다.

도 6은 본 발명의 실시 예에 따라 사용자 로그 기반 상품 추천을 위한 단말기의 동작 방법을 설명하기 위한 흐름도이다.

도 6을 참조하면, 본 발명에 따른 단말기(10)는 S31 단계에서 서비스장치(20)로부터 특정 상품과 관련된 추천 상품에 대한 정보를 수신한다. 그리고, 단말기(10)는 S33 단계에서 상품의 상품 확인, 장바구니 담기 또는 구매하기 등의 선택 이벤트에 대한 입력 신호를 감지한다. 이후, 단말기(10)는 S35 단계에서 입력 신호에 따라 해당되는 상품에 대한 정보를 서비스장치(20)로 전송한다.

본 명세서에 설명된 각종 기술들의 구현들은 디지털 전자 회로조직으로, 또는 컴퓨터 하드웨어, 펌웨어, 소프트웨어로, 또는 그들의 조합들로 구현될 수 있다. 구현들은 데이터 처리 장치, 예를 들어 프로그램가능 프로세서, 컴퓨터, 또는 다수의 컴퓨터들의 동작에 의한 처리를 위해, 또는 이 동작을 제어하기 위해, 컴퓨터 프로그램 제품, 즉 정보 캐리어, 예를 들어 기계 판독가능 저장 장치(컴퓨터 판독가능 매체) 또는 전파 신호에서 유형적으로 구체화된 컴퓨터 프로그램으로서 구현될 수 있다. 상술한 컴퓨터 프로그램(들)과 같은 컴퓨터 프로그램은 컴파일된 또는 인터프리트된 언어들을 포함하는 임의의 형태의 프로그래밍 언어로 기록될 수 있고, 독립형 프로그램으로서 또는 모듈, 구성요소, 서브루틴, 또는 컴퓨팅 환경에서의 사용에 적절한 다른 유닛으로서 포함하는 포함하는 임의의 형태로 전개될 수 있다. 컴퓨터 프로그램은 하나의 사이트에서 하나의 컴퓨터 또는 다수의 컴퓨터들 상에서 처리되도록 또는 다수의 사이트들에 걸쳐 분배되고 통신 네트워크에 의해 상호연결되도록 전개될 수 있다.

방법 단계들은 온 입력(on input) 데이터를 동작시키고 출력을 발생시킴으로써 기능들을 수행하기 위해 컴퓨터 프로그램을 실행하는 하나 이상의 프로그램가능 프로세서들에 의해 수행될 수 있다. 방법 단계들은 또한 특수 목적 논리 회로조직, 예를 들어 FPGA(field programmable gate array) 또는 ASIC(application-specific integrated circuit)에 의해 수행될 수 있고, 장치는 이들로서 구현될 수 있다.

컴퓨터 프로그램의 처리에 적절한 프로세서들은 예로서, 범용 및 특수 목적 마이크로프로세서들 둘 다, 및 임의의 종류의 디지털 컴퓨터의 임의의 하나 이상의 프로세서들을 포함한다. 일반적으로, 프로세서는 판독 전용 메모리 또는 랜덤 액세스 메모리 또는 둘 다로부터 명령어들 및 데이터를 수신할 것이다. 컴퓨터의 요소들은 명령어들을 실행하는 적어도 하나의 프로세서 및 명령어들 및 데이터를 저장하는 하나 이상의 메모리 장치들을 포함할 수 있다. 일반적으로, 컴퓨터는 데이터를 저장하는 하나 이상의 대량 저장 장치들, 예를 들어 자기, 자기-광 디스크들, 또는 광 디스크들을 포함할 수 있거나, 이것들로부터 데이터를 수신하거나 이것들에 데이터를 송신하거나 또는 양쪽으로 되도록 결합될 수도 있다. 컴퓨터 프로그램 명령어들 및 데이터를 구체화하는데 적절한 정보 캐리어들은 예로서 반도체 메모리 장치들, 예를 들어, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 롬(ROM, Read Only Memory), 램(RAM, Random Access Memory), 플래시 메모리, EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM) 등을 포함한다. 프로세서 및 메모리는 특수 목적 논리 회로조직에 의해 보충되거나, 이에 포함될 수 있다.

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. 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.

마찬가지로, 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 패키징 될 수 있다는 점을 이해하여야 한다.

한편, 본 명세서와 도면에 개시된 본 발명의 실시 예들은 이해를 돕기 위해 특정 예를 제시한 것에 지나지 않으며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 자명한 것이다.

본 발명은 사용자들의 로그 기록들을 바탕으로 특정 상품과 관련성이 있는 추천 상품을 제공하기 위하여 이전의 상품 구매와 관련된 데이터를 수집하고, 각각의 사용자 별로 관련된 상품들 간의 연관 점수를 계산하고, 연관 점수를 동일한 상품 페어에 따라 구분하여 취합한 후, 상품 간 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하고, 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공한다. 이에 따라, 본 발명은 상품 구매와 관련된 데이터를 이용하여 각각의 사용자 별로 관련된 상품들 간의 연관 점수를 계산하고, 연관 점수를 동일한 상품 페어에 따라 구분하여 취합하고, 상품 간 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 결정되는 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공하기 때문에 신뢰성 있고, 정확한 상품 추천이 가능하다. 또한, 사용자의 로그 기록들을 바탕으로 상품 추천을 제공하기 때문에, 사용자들의 의미 없는 로그에 대한 가중치를 낮추고, 추천 서비스의 품질을 높일 수 있다. 이는 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있다.

10: 단말기 20: 서비스장치 30: 통신망
11: 제어부 12: 입력부 13: 표시부
14: 저장부 15: 오디오처리부 16: 통신부
21: 서비스제어부 22: 서비스저장부 23: 서비스통신부
21a: 데이터 관리모듈 21b: 연관 점수 계산모듈
21c: 점수 취합모듈 21d: 최종 점수 결정모듈
21e: 상품 추천모듈 22a: 연관 점수
22b: 최종 점수 22c: 사용자 로그
100: 사용자 로그 기반 상품 추천 시스템

Claims

적어도 하나의 단말기와 통신하여 사용자 로그 기반으로 추천 상품을 제공하기 위한 데이터를 송수신하는 서비스통신부; 및
상기 단말기로부터 다수의 상품에 대한 선택 이벤트 발생과 관련된 데이터를 수집하고, 상기 수집된 데이터를 정렬하고, 상기 정렬된 데이터를 이용하여 각각의 사용자 별로 특정 상품의 이전 유알엘(URL) 정보와 관련된 제1 점수, 상품들 간의 선택 이벤트 발생 시간차와 관련된 제2 점수, 상기 상품과 관련된 이벤트 종류에 따라 정해지는 제3 점수를 연산하여 연관 점수를 계산하고, 상기 연관 점수를 동일한 상품 페어에 따라 구분하여 취합하고, 상기 취합된 상품 페어 간 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하고, 상기 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공하도록 제어하는 서비스제어부;
를 포함하는 것을 특징으로 하는 서비스장치.
제1항에 있어서,
상기 사용자 로그 기반으로 추천 상품을 제공하기 위하여 각각의 사용자 별로 특정 상품에 대한 연관 점수 및 상기 연관 점수를 기반으로 결정되는 최종 점수를 저장하는 서비스저장부;
를 더 포함하는 것을 특징으로 하는 서비스장치.
서비스장치로부터 적어도 하나의 추천 상품에 대한 정보를 수신하고, 상기 상품과 관련된 상품 확인, 장바구니 담기 또는 구매하기 중 적어도 하나의 선택 이벤트에 대한 입력 신호를 감지하고, 상기 입력 신호에 따라 해당되는 상품에 대한 정보를 상기 서비스장치로 전송하는 단말기; 및
상기 단말기로부터 상기 선택 이벤트 발생과 관련된 데이터를 수집하고, 상기 수집된 데이터를 정렬하고, 상기 정렬된 데이터를 이용하여 각각의 사용자 별로 특정 상품의 이전 유알엘(URL) 정보와 관련된 제1 점수, 상품들 간의 선택 이벤트 발생 시간차와 관련된 제2 점수, 상기 상품과 관련된 이벤트 종류에 따라 정해지는 제3 점수를 연산하여 연관 점수를 계산하고, 상기 연관 점수를 동일한 상품 페어에 따라 구분하여 취합하고, 상기 취합된 상품 페어 간 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하고, 상기 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공하는 서비스장치;
를 포함하는 것을 특징으로 하는 사용자 로그 기반 상품 추천 시스템.
서비스장치가 적어도 하나의 단말기로부터 다수의 상품에 대한 선택 이벤트 발생과 관련된 데이터를 수집하고, 상기 수집된 데이터를 정렬하는 단계;
상기 서비스장치가 상기 정렬된 데이터를 이용하여 각각의 사용자 별로 특정 상품의 이전 유알엘(URL) 정보와 관련된 제1 점수, 상품들 간의 선택 이벤트 발생 시간차와 관련된 제2 점수, 상기 상품에 대한 이벤트 종류와 관련된 제3 점수를 연산하여 연관 점수를 계산하는 단계;
상기 서비스장치가 상기 연관 점수를 동일한 상품에 따라 구분하여 취합하는 단계;
상기 서비스장치가 상기 취합된 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하는 단계; 및
상기 서비스장치가 상기 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공하는 단계;
를 포함하는 것을 특징으로 하는 사용자 로그 기반 상품 추천 방법.
제4항에 있어서, 상기 선택 이벤트는
특정 상품에 대한 상품 확인, 장바구니 담기 또는 구매하기 중 적어도 하나의 사용자 행동인 것을 특징으로 하는 사용자 로그 기반 상품 추천 방법.
제4에 있어서, 상기 정렬하는 단계는
상기 서비스장치가 상기 수집된 데이터 중에서 사용자 기준으로 일정 상품 수 이하의 선택 이벤트를 수행한 사용자의 데이터와, 상품 기준으로 일정 수 이하의 사용자에게 선택 이벤트를 받은 상품의 데이터를 삭제하는 단계;
를 포함하는 것을 특징으로 하는 사용자 로그 기반 상품 추천 방법.
제4항에 있어서, 상기 정렬하는 단계는
상기 서비스장치가 상기 수집된 데이터를 정렬함에 있어 상품의 선택 이벤트를 요청한 시간 및 날짜 순으로 정렬하는 것을 특징으로 하는 사용자 로그 기반 상품 추천 방법.
제4항에 있어서, 상기 연관 점수를 계산하는 단계는
상기 서비스장치가 특정 상품에 대한 정보를 확인할 수 있는 다수의 이전 유알엘 정보 중에서 상기 특정 상품과 관련된 이전 유알엘 정보를 확인하고, 상기 확인 결과, 무의미하게 선택된 이전 유알엘 정보인 경우, 사용자 행동에 대한 가중치를 낮게 적용하여 상기 제1 점수를 계산하는 것을 특징으로 하는 사용자 로그 기반 상품 추천 방법.
제4항에 있어서, 상기 연관 점수를 계산하는 단계는
상기 서비스장치가 특정 상품에 대한 선택 이벤트 발생 시간과, 상기 특정 상품에 대한 선택 이벤트 발생 이후의 다음 상품에 대한 선택 이벤트 발생 시간차를 연산하여 상기 제2 점수를 계산하는 것을 특징으로 하는 사용자 로그 기반 상품 추천 방법.
제4항에 있어서, 상기 연관 점수를 계산하는 단계는
상기 서비스장치가 복수의 상품들에 대한 선택 이벤트 발생 시간차를 순차적으로 확인하고, 상기 확인된 시간차가 큰 경우 상기 상품들 간의 연관도가 낮은 것으로 판단하며, 시간차가 작은 경우의 상품들 보다 낮은 가중치를 부여하여 상기 제2 점수를 계산하는 것을 특징으로 하는 사용자 로그 기반 추천 방법.
제4항에 있어서, 상기 연관 점수를 계산하는 단계는
상기 서비스장치가 상기 상품과 관련된 이벤트 중 구매하기 이벤트가 발생하면, 상기 제3 점수에 대한 가중치를 다른 이벤트 보다 높게 계산하는 것을 특징으로 하는 사용자 로그 기반 추천 방법.
제4항에 있어서, 상기 연관 점수를 계산하는 단계는
상기 서비스장치가 각각의 상품 별로 계산된 로그 점수를 연산하여 복수의 상품에 대한 페어 점수를 계산하는 것을 특징으로 하는 사용자 로그 기반 상품 추천 방법.
제12항에 있어서, 상기 연관 점수를 계산하는 단계는
상기 서비스장치가 상기 상품 간 페어 점수를 정규화하여 정규화 점수를 계산하고, 중복되는 상품 간 정규화 점수를 삭제하는 것을 특징으로 하는 사용자 로그 기반 상품 추천 방법.
제4항에 있어서, 상기 최종 점수를 결정하는 단계는
상기 서비스장치가 정규화된 상품 간 페어 점수의 합을 각각의 상품을 선택 또는 구매한 사용자의 수로 나누어 상품 간 최종 점수를 계산하는 것을 특징으로 하는 사용자 로그 기반 상품 추천 방법.
적어도 하나의 단말기로부터 다수의 상품 구매와 관련된 데이터를 수집하고, 상기 수집된 데이터를 정렬하는 단계;
상기 정렬된 데이터를 이용하여 각각의 사용자 별로 특정 상품의 이전 유알엘(URL) 정보와 관련된 제1 점수, 상품들 간의 선택 이벤트 발생 시간차와 관련된 제2 점수, 상기 상품에 대한 이벤트 종류와 관련된 제3 점수를 연산하여 연관 점수를 계산하는 단계;
상기 연관 점수를 동일한 상품에 따라 구분하여 취합하는 단계;
상기 취합된 연관 점수와 해당 상품을 이용한 사용자 수를 연산하여 최종 점수를 결정하는 단계; 및
상기 계산된 최종 점수를 적용하여 다른 상품에 대한 추천 기능을 제공하는 단계를 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체.