KR20170072644A - 상담정보 및 군집화에 기반한 금융상품추천장치 및 방법 - Google Patents

Abstract

본 발명의 일 실시 예는, 기존 고객의 상담정보와 기존 고객이 보유한 금융상품의 보유량 및 보유패턴을 기초로 신규 고객에게 추천하기에 가장 적절한 금융상품을 결정하는 금융상품추천장치를 개시한다.

Description

상담정보 및 군집화에 기반한 금융상품추천장치 및 방법 {Apparatus and method for recommending financial instruments based on consultation information and data clustering}

본 발명은 상담기록 및 군집화에 기반한 금융상품추천장치 및 방법에 관한 것으로서, 보다 상세하게는 상담기록이 유사한 고객의 보유상품과 미리 설정된 기준에 따라 같은 군집으로 속할 수 있는 고객의 보유상품을 기초로 하여 신규 고객에게 추천할 수 있는 상품을 특정할 수 있는 금융상품추천장치 및 방법에 관한 것이다.

금융기관과 고객간에 이루어지는 금융거래는 일회성으로 끝나기 쉬운 일반적인 물품거래와는 달리 지속적인 특성을 가지며, 일반적으로 고객은 금융기관과 거래를 하기에 앞서서 창구마다 배치된 상담원과 상담을 하게 된다.

또한, 최근 음성 및 화상을 기록할 수 있는 기기의 발달과 더불어 금융기관은 고객와 상담원과의 대화를 수집하기 위해서 상담과정을 여러가지 방법을 통해 기록한다. 그동안 상담과정을 기록한 데이터는 주로 상담원이 고객에게 상담원칙을 준수하면서 상담에 응했는지 여부 및 고객이 상담원에게 불법행위를 하는 순간의 포착을 위한 데이터로서만 활용되어왔다.

군집화는 서로 유사하거나 서로 관련이 있는 항목끼리 묶어서 그룹을 형성하는 것을 의미한다. 일반적으로 금융기관은 금융상품에 대한 정보를 금융상품의 특성별로 묶어서 분류한다.

다만, 고객은 금융상품에 가입(또는 금융상품을 구매)할 때 동일한 특성을 갖는 금융상품을 여러 개 가입하기보다는, 주로 고객이 처한 상황에 따라서 그 상황의 특성별로 금융상품에 가입하게 되며, 고객이 서로 다른 특성을 갖는 여러 상품에 가입하는 패턴은 누적된 과거 고객의 상품 가입 정보를 통해 구축되어 다음 고객이 가입할 것으로 예상할 때 필요한 또 하나의 정보로 활용될 수 있다.

대한민국 공개특허 제2015-0018487호(2015년 2월 23일 공개), (대면상담녹음 데이터를 관리하기 위한 시스템 및 방법), 요약, 도 1, 청구항 1

본 발명이 해결하고자 하는 기술적 과제는, 상담기록 및 군집화를 동시에 고려하여 고객에게 추천할 상품을 결정하는 상담기록 및 군집화에 기반한 금융상품추천 장치 및 방법을 제공하는 데에 있다.

상기 기술적 과제를 해결하기 위한 본 발명의 일 실시 예에 따른 상담정보 및 군집화에 기반한 금융상품추천장치는, 기존 고객별 상담정보 및 기존 고객별 보유금융상품정보를 포함하는 기존고객정보를 저장하는 기존고객정보데이터베이스; 신규 고객의 상담정보 및 보유금융상품정보를 수신하는 신규고객정보수신부; 상기 수신된 상담정보와 상기 기존 고객별 상담정보를 비교하여 기설정된 유사도보다 높은 상담유사도를 갖는 기존 고객의 상담정보를 파악하고, 상기 기존고객정보데이터베이스로부터 상기 파악된 기존 고객의 상담정보에 대응하는 기존 고객의 보유금융상품정보인 제1금융상품후보를 추출하는 제1금융상품후보추출부; 상기 기존 고객별 보유금융상품정보를 기설정된 분류기준을 기초로 적어도 두 개 이상의 군집으로 분류하고, 상기 수신된 보유금융상품정보가 상기 분류된 군집 중 어느 군집에 속하는지 판단하여, 상기 수신된 보유금융상품정보가 속한 군집에서 기존 고객의 대표보유금융상품정보인 제2금융상품후보를 추출하는 제2금융상품후보추출부; 및 상기 제1금융상품후보 및 제2금융상품후보를 비교한 결과를 기초로 상기 제1금융상품후보 및 제2금융상품후보에 공통적으로 포함된 추천금융상품을 출력하는 추천금융상품출력부;를 포함한다.

상기 장치에 있어서, 상기 제1금융상품후보추출부는, 상기 기존 고객별 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 적어도 두 가지 이상의 정보를, 상기 수신된 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 상기 두 가지 이상의 정보와 대응되는 정보와 비교한 결과를 기초로 상담유사도를 산출할 수 있다.

상기 장치에 있어서, 상기 제1금융상품후보추출부는, 상기 수신된 상담정보에 포함된 단어정보를 추출하고, 상기 추출된 단어정보를 상기 기존 고객별 상담정보에 포함된 단어정보와 비교하여 단어유사도를 산출하는 단어유사도산출부; 상기 수신된 상담정보에 포함된 문장길이정보를 추출하고, 상기 추출된 문장길이정보를 상기 기존 고객별 상담정보에 포함된 문장길이정보와 비교하여 문장길이유사도를 산출하는 문장길이유사도산출부; 상기 수신된 상담정보에 포함된 형태소정보를 추출하고, 상기 추출된 형태소정보를 상기 기존 고객별 상담정보에 포함된 형태소정보와 비교하여 형태소유사도를 산출하는 형태소유사도산출부; 및 상기 단어유사도, 문장길이유사도 및 형태소유사도에 미리 설정된 가중치를 적용하여 상기 상담유사도를 산출하는 상담유사도산출부;를 포함할 수 있다.

상기 장치에 있어서, 상기 제2금융상품후보추출부는, 상기 기존 고객별 보유금융상품정보에서 가장 많은 기존 고객이 보유하고 있는 인기금융상품을 파악하는 인기금융상품파악부; 및 상기 인기금융상품을 가장 많이 보유하고 있는 기존 고객을 파악하고, 상기 파악된 기존 고객이 상기 인기금융상품을 보유한 수를 기초로 상기 분류기준을 설정하는 분류기준설정부;를 포함할 수 있다.

상기의 기술적 과제를 해결하기 위한 본 발명의 다른 일 실시 예에 따른 상담정보 및 군집화에 기반한 금융상품추천방법은, 신규 고객의 상담정보 및 보유금융상품정보를 수신하는 신규고객정보수신단계; 기존 고객별 상담정보 및 기존 고객별 보유금융상품정보를 포함하는 기존고객정보를 저장하는 기존고객정보데이터베이스를 참조하여, 상기 수신된 상담정보와 상기 기존 고객별 상담정보를 비교하는 상담정보비교단계; 상기 수신된 상담정보와 상기 기존 고객별 상담정보를 비교한 결과를 기초로, 기설정된 유사도보다 높은 상담유사도를 갖는 기존 고객의 상담정보를 파악하고, 상기 기존고객정보데이터베이스로부터 상기 파악된 기존 고객의 상담정보에 대응하는 기존 고객의 보유금융상품정보인 제1금융상품후보를 추출하는 제1금융상품후보추출단계; 상기 기존 고객별 보유금융상품정보를 기설정된 분류기준을 기초로 적어도 두 개 이상의 군집으로 분류하고, 상기 수신된 보유금융상품정보가 상기 분류된 군집 중 어느 군집에 속하는지 판단하여, 상기 수신된 보유금융상품정보가 속한 군집에서 기존 고객의 대표보유금융상품정보인 제2금융상품후보를 추출하는 제2금융상품후보추출단계; 및 상기 제1금융상품후보 및 제2금융상품후보를 비교한 결과를 기초로 상기 제1금융상품후보 및 제2금융상품후보에 공통적으로 포함된 추천금융상품을 출력하는 추천금융상품출력단계;를 포함한다.

상기 방법에 있어서, 상기 제1금융상품후보추출단계는, 상기 기존 고객별 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 적어도 두 가지 이상의 정보를, 상기 수신된 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 상기 두 가지 이상의 정보와 대응되는 정보와 비교한 결과를 기초로 상담유사도를 산출할 수 있다.

상기 방법에 있어서, 상기 제1금융상품후보추출단계는, 상기 수신된 상담정보에 포함된 단어정보를 추출하고, 상기 추출된 단어정보를 상기 기존 고객별 상담정보에 포함된 단어정보와 비교하여 단어유사도를 산출하는 단어유사도산출단계; 상기 수신된 상담정보에 포함된 문장길이정보를 추출하고, 상기 추출된 문장길이정보를 상기 기존 고객별 상담정보에 포함된 문장길이정보와 비교하여 문장길이유사도를 산출하는 문장길이유사도산출단계; 상기 수신된 상담정보에 포함된 형태소정보를 추출하고, 상기 추출된 형태소정보를 상기 기존 고객별 상담정보에 포함된 형태소정보와 비교하여 형태소유사도를 산출하는 형태소유사도산출단계; 및 상기 단어유사도, 문장길이유사도 및 형태소유사도에 미리 설정된 가중치를 적용하여 상기 상담유사도를 산출하는 상담유사도산출부;를 포함할 수 있다.

상기 방법에 있어서, 상기 제2금융상품후보추출단계는, 상기 기존 고객별 보유금융상품정보에서 가장 많은 기존 고객이 보유하고 있는 인기금융상품을 파악하는 인기금융상품파악단계; 및 상기 인기금융상품을 가장 많이 보유하고 있는 기존 고객을 파악하고, 상기 파악된 기존 고객이 상기 인기금융상품을 보유한 수를 기초로 상기 분류기준을 설정하는 분류기준설정단계;를 포함할 수 있다.

상기의 기술적 과제를 해결하기 위해, 본 발명은 상담정보 및 군집화에 기반한 금융상품추천방법을 실행시키기 위한 프로그램을 저장하고 있는 컴퓨터 판독가능한 기록매체를 제공할 수 있다.

전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해 질 것이다.

본 발명에 따르면, 고객의 상담기록 및 군집화된 상품에 대한 정보를 활용하여 신규 고객에게 추천할 상품을 종래의 금융상품추천방식보다 더 정확하게 결정할 수 있다.

도 1은 본 발명에 따른 상담정보 및 군집화에 기반한 상품추천장치의 일 예에 대한 블록도를 도시한 도면이다.
도 2는 기존고객정보데이터베이스에 저장되는 기존 고객별 상담정보 및 기존 고객별 보유금융상품정보의 일 예를 도시한 도면이다.
도 3a 내지 도 3e는 케이-평균 알고리즘에 따라 기존 고객별 보유금융상품정보를 적어도 두 개 이상의 군집으로 분류하는 일 예를 도식적으로 나타낸 도면이다.
도 4는 본 발명에 따른 상담정보 및 군집화에 기반한 금융상품추천방법의 일 예에 대한 흐름도를 도시한 도면이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다.

이하, 첨부된 도면을 참조하여 본 발명의 실시 예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.

이하의 실시 예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다.

이하의 실시 예에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는한, 복수의 표현을 포함한다.

이하의 실시 예에서, 포함하다 또는 가지다 등의 용어는 명세서 상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징을 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다.

어떤 실시 예가 달리 구현 가능한 경우에 특정한 공정 순서는 설명되는 순서와 다르게 수행될 수도 있다. 예를 들어, 연속하여 설명되는 두 공정이 실질적으로 동시에 수행될 수도 있고, 설명되는 순서와 반대의 순서로 진행될 수 있다.

도 1은 본 발명에 따른 상담정보 및 군집화에 기반한 상품추천장치의 일 예에 대한 블록도를 도시한 도면이다.

도 1을 참조하면, 본 발명에 따른 상담정보 및 군집화에 기반한 상품추천장치(100)는 기존고객정보데이터베이스(110), 신규고객정보수신부(130), 제1금융상품후보추출부(150), 제2금융상품후보추출부(170) 및 추천금융상품출력부(190)를 포함한다.

기존고객정보데이터베이스(110)는 기존 고객별 상담정보 및 기존 고객별 보유금융상품정보를 포함한다.

여기서 기존 고객은 미리 설정된 날짜이전에 본 발명에 따른 상품추천장치를 사용하는 금융기관(이하, 본 금융기관)과 거래를 시작한 고객을 의미한다.

기존 고객별 상담정보는 기존 고객이 본 금융기관에 금융상품에 대해서 상담했던 내용을 의미한다. 이때, 기존 고객은 적어도 한 명 이상이며, 기존 고객별 상담정보는 기존 고객의 수와 대응된다. 즉, 동일한 기존 고객이 본 금융기관과 복수에 걸쳐 상담을 진행했다면, 미리 설정된 값에 따라 가장 최초의 상담내용 또는 가장 최근의 상담내용이 기존 고객별 상담정보가 될 수 있다.

기존 고객이 본 금융기관에 직접 방문하여 상담하거나, 전화를 통해서 상담하고 나면, 그 상담한 내용이 기존고객정보데이터베이스(110)에 그 기존 고객의 상담정보로 저장된다.

기존 고객별 상담정보에는 기존 고객의 이름, 기존 고객의 일련번호(주민등록번호), 기존 고객이 문의한 사항 등이 포함될 수 있으며, 이에 대한 도식적인 설명은 도 2를 통해 후술하기로 한다.

기존 고객별 보유금융상품정보는 기존 고객이 본 금융기관에 대한 금융상품을 얼마나 보유하고 있는지를 나타내는 정보이다. 일 예로서, A라는 기존 고객이 입출식계좌 4개를 보유하고, 적립식계좌를 1개 보유하고 있다면, 입출식계좌 4개 및 적립식계좌 1개가 기존 고객 A의 보유금융상품정보가 될 수 있다.

도 2는 기존고객정보데이터베이스에 저장되는 기존 고객별 상담정보 및 기존 고객별 보유금융상품정보의 일 예를 도시한 도면이다.

도 2를 참조하면, 기존 고객별 상담정보에는 기존 고객이 문의한 사항과 상담결과가 포함되어 있으며, 보유금융상품정보에는 보유금융상품종류 및 그 보유금융상품종류에 대한 수량이 포함되어 있다는 알 수 있다.

도 2를 참조하여 설명하면, 기존 고객 갑(甲)이 자유입출식계좌 개설을 문의했으며, 그에 대응하여 상담원은 꿈나무예금통장을 추천하고, 갑(甲)은 상담원의 추천을 받아들여서 꿈나무예금통장에 가입한 것을 알 수 있다.

이어서, 도 2를 참조하여 설명하면, 기존 고객 갑(甲)은 입출식계좌를 2개 보유하고 있다는 것을 알 수 있다. 설명의 용이함을 위해서, 도 2에서 보유금융상품종류가 고객마다 하나씩만 대응되어 있으며, 실제로 본 발명이 구현되는 경우에는 기존 고객 갑(甲)이 입출식계좌 2개뿐만 아니라, 거치식계좌 1개, 신탁계좌 2개를 보유하고 있다는 것에 대한 보유금융상품정보가 기존고객정보데이터베이스(110)에 포함될 수 있다.

도 1의 블록도로 돌아와서 설명을 이어하기로 한다.

신규고객정보수신부(130)는 신규 고객의 상담정보 및 보유금융상품정보를 수신한다. 여기서, 신규 고객은 기존 고객과 대비되는 정보로서, 전술한 미리 설정된 날짜 이후에 본 금융기관과 거래를 하기 시작한 고객을 의미한다.

신규 고객의 상담정보는 기존 고객별 상담정보와 대비되는 정보로서, 신규 고객의 문의사항, 신규 고객의 문의사항에 따른 결과 등을 포함한다. 신규 고객의 보유금융상품정보는 신규 고객의 보유금융상품종류 및 그 보유금융상품의 수량을 포함한다.

제1금융상품후보추출부(150)는 기존고객정보데이터베이스(110)에 저장된 기존 고객별 상담정보와 신규고객정보수신부(130)가 수신한 신규 고객의 상담정보를 비교하여 상담유사도를 산출하고, 그 상담유사도가 기설정된 유사도보다 높은 기존 고객의 상담정보를 파악하여, 그 기존 고객의 상담정보에 대응하는 기존 고객의 보유금융상품정보를 추출한다.

여기서, 제1금융상품후보추출부(150)가 추출하는 기존 고객의 보유금융상품정보는 제1금융상품후보라고 호칭하기로 한다.

먼저, 제1금융상품후보추출부(150)는 기존고객정보데이터베이스(110)에 저장된 기존 고객별 상담정보를 신규고객정보수신부(130)가 수신한 신규 고객의 상담정보와 비교한다. 제1금융상품후보추출부(150)는 적어도 기존 고객의 수만큼 기존 고객별 상담정보와 신규 고객의 상담정보를 비교하게 되며, 상담정보에 포함된 정보의 종류가 다양할수록 그 종류의 수에 따라 더 많은 비교를 수행하게 된다.

이어서, 제1금융상품후보추출부(150)는 양 상담정보를 비교한 결과를 기초로 상담유사도를 산출한다. 상담유사도가 높을수록, 기존 고객의 상담정보와 신규 고객의 상담정보가 서로 유사하다는 것을 의미한다. 기존 고객별 상담정보 및 신규 고객의 상담정보는 모두 문자로 표현될 수 있는 정보이고, 본 발명이 프로그램을 통해 구현될 경우에는 이진수(binary number)형태로 상담정보에 포함된 각 문자를 표현하여 나타낼 수 있다.

즉, 양 상담정보가 서로 유사한지 여부는 수치화하여 표현하는 것이 가능하며, 수치화된 상담유사도는 기설정된 유사도와 비교된다. 제1금융상품후보추출부(150)는 상담유사도가 기설정된 유사도보다 더 높은 경우, 그 기존 고객이 누구인지 특정하고, 그 기존 고객의 보유금융상품정보를 추출하게 된다.

상담유사도는 다양한 방법을 통해 산출될 수 있으며, 그에 따라 제1금융상품후보추출부(150)는 기존 고객의 보유금융상품정보를 추출하거나 추출하지 않을 수 있다.

도 2를 참조하여 설명하면, 기존 고객 갑(甲)의 상담정보와 신규 고객 A의 상담정보를 비교하여 산출한 상담유사도가 기설정된 유사도보다 높다면, 제1금융상품후보추출부(150)는 기존고객정보데이터베이스(110)로부터 입출식계좌 2개라는 정보를 추출한다.

선택적 실시 예로서, 제1금융상품후보추출부(150)는 기존 고객별 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 적어도 두 가지 이상의 정보를, 신규 고객의 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 기존 고객별 상담정보의 두 가지 이상의 정보와 대응되는 정보와 비교한 결과를 기초로 상담유사도를 산출할 수도 있다.

먼저, 본 선택적 실시 예에 따르면, 기존 고객별 상담정보는 단어정보, 문장길이정보, 형태소정보를 포함한다. 여기서, 단어정보는 본 금융기관과 기존 고객과의 상담내용에 포함된 단어에 대한 정보를 의미한다. 단어정보에는 상담내용에 포함된 단어의 종류, 종류별 단어의 수 등이 포함될 수 있다. 도 2를 참조하여 예를 들면, 단어정보는 자유입출식계좌, 꿈나무예금통장 등이 될 수 있다.

이어서, 문장길이정보는 본 금융기관과 기존 고객과의 상담내용을 문자열로 표현할 경우, 그 문자열의 길이를 의미하고, 형태소정보는 기존 고객과의 상담내용을 형태소단위로 분리하고, 그 분리한 형태소에 대한 정보를 의미한다. 도 2를 참조하여 예를 들면, 갑(甲)의 상담정보에 포함된 문자길이정보는 문의사항과 상담원대응내의 문자길이인 20(공백문자포함)이 될 수 있고, 갑(甲)의 상담정보에 포함된 형태소정보는 자유, 입출식, 계좌, 꿈, 개설, 꿈, 나무, 예금, 통장, 추천 등이 될 수 있다.

제1금융상품후보추출부(150)는 기존 고객별 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 적어도 두 가지 이상의 정보를 추출한 후, 그 추출한 정보와 대응되는 정보를 신규 고객의 상담정보에서 추출한다.

일 예로서, 제1금융상품후보추출부(150)가 먼저 기존 고객별 상담정보에 포함된 단어정보 및 형태소정보를 추출하였다면, 이어서 제1금융상품후보추출부(150)는 신규 고객별 상담정보에 포함된 단어정보 및 형태소정보를 추출한다.

제1금융상품후보추출부(150)는 전 단계를 통해 추출한 기존 고객의 상담정보 및 신규 고객의 상담정보를 서로 비교하여 상담유사도를 산출하고, 그 상담유사도가 기설정된 유사도보다 높으면, 그 상담유사도에 대한 기존 고객의 보유금융상품정보(제1금융상품후보)를 추출한다.

본 발명은 상담정보에서 단어정보, 문장길이정보, 형태소정보 중 적어도 두 가지 이상을 추출하여 상담유사도를 산출함으로써, 다양한 상담내용이 존재할 경우에도 기존 고객의 상담내용과 신규 고객의 상담내용의 유사한 정도를 종래보다 더 객관적으로 파악할 수 있게 된다.

다른 선택적 실시 예로서, 제1금융상품후보추출부(150)는 단어유사도산출부(151), 문장길이유사도산출부(153), 형태소유사도산출부(155) 및 상담유사도산출부(157)를 포함할 수 있다.

단어유사도산출부(151)는 신규고객정보수신부(130)가 수신한 신규 고객의 상담정보에 포함된 단어정보를 추출하고, 신규 고객의 상담정보의 단어정보를 기존 고객의 상담정보의 단어정보와 비교하여 단어유사도를 산출한다. 여기서 단어유사도란, 신규 고객의 상담정보에 포함된 단어와 기존 고객의 상담정보에 포함된 단어가 얼마나 유사한 지를 나타내는 척도이다.

단어정보에는 단어의 종류, 단어의 개수가 포함되므로, 단어유사도산출부(151)는 신규 고객의 상담정보에 포함된 단어의 종류 및 종류별 단어의 개수를 기존 고객의 상담정보에 포함된 단어의 종류 및 종류별 단어의 개수와 비교하여, 비교한 결과를 기초로 단어유사도를 산출할 수 있다.

일 예로서, 기존 고객의 상담정보에 "입출식계좌"라는 단어가 포함되고, 신규 고객의 상담정보에 "입출식계좌"라는 단어가 포함되어 있으면, 양 상담정보를 비교하여 산출된 단어유사도는 1이 되고, 기존 고객의 상담정보에 "적립식계좌"라는 단어가 2개 포함되고, 신규 고객의 상담정보에 "적립식계좌"라는 단어가 1개 포함되어 있으면, 양 상담정보를 비교하여 산출된 단어유사도는 1/2이 될 수 있다.

단어유사도산출부(151)는 전술한 예뿐만 아니라 다른 방법을 통해 산출할 수도 있으며, 본 발명은 단어유사도를 산출하는 방법을 특정한 방법으로 제한하지 않는다.

문장길이유사도산출부(153)는 신규고객정보수신부(130)가 수신한 신규 고객의 상담정보에 포함된 문장길이정보를 추출하고, 신규 고객의 상담정보의 문장길이정보를 기존 고객의 상담정보의 단어정보와 비교하여 문장길이유사도를 산출한다. 여기서 문장길이유사도란, 신규 고객의 상담정보의 문장길이와 기존 고객의 상담정보의 문장길이가 얼마나 비슷한 지를 나타내는 척도이다.

일반적으로 고객이 본 금융기관과 상담한 내용이 많을 경우, 상담정보의 양도 증가하게 되며, 그 고객에 대한 문장길이정보도 증가하는 경향을 갖는다. 고객이 본 금융기관과 상담하는 경향은 그 고객만의 고유한 정보가 될 수 있으므로, 본 발명은 고객의 단어정보뿐만 아니라 문장길이정보도 상담정보로 활용하는 것을 특징으로 한다. 일반적으로, 문장길이유사도산출부(153)는 양 상담정보간에 문자 수의 차이가 적으면 적을수록, 양 상담정보간에 문자 수의 차이가 많을 때보다 문장길이유사도를 더 높게 산출하는 경향을 갖는다.

문장길이유사도산출부(153)가 문장길이유사도를 산출하는 또 다른 선택적 실시 예로서, 문장길이유사도산출부(153)는 상담정보를 구성하는 문자열을 이진수(binary number)로 변환하고, 변환된 이진수 값들간의 유클리디안 거리(Euclicean Distance)를 이용하여 문장길이유사도를 산출할 수 있다.

이때, 문자열을 구성하는 각각의 문자(letter)마다 고유한 이진수가 대응되어 있으며, 문장길이유사도산출부(153)는 기존 고객의 상담정보에 포함된 문자길이정보와 신규 고객의 상담정보에 포함된 문자길이정보가 추출되면, 그 양 정보를 비교하여 문장길이유사도를 산출할 수 있다. 본 실시 예에 따르면, 단순히 문장의 길이뿐만 아니라 전체적인 문장 구조 및 품사의 변화 등에 따라 문장길이유사도를 산출하게 된다.

즉, 본 선택적 예에 따르면, 15개의 문자로 이루어진 문장과 10개의 문자로 이루어진 문장을 비교하여 산출한 문장길이유사도가, 25개의 문자로 이루어진 문장과 24개의 문자로 이루어진 문장을 비교하여 산출한 문장길이유사도보다 더 클 수도 있다. 본 선택적 실시 예는 레벤스테인 알고리즘(Levenstein algorithm)에 의해 구현될 수도 있으며, 레벤스테인 알고리즘은 이미 공지의 기술이므로, 이를 구현하기 위한 상세한 설명은 생략하기로 한다.

본 발명이 레벤스테인 알고리즘에 의해 구현될 경우, 문자길이유사도가 높으면 높을수록, 기존 고객의 문자길이정보와 신규 고객의 문자길이정보의 차이가 크다는 것을 의미하므로, 전술한 다른 예와의 통일성을 위해서, 높은 문자길이유사도는 낮게, 낮은 문자길이유사도는 높게, 반전시키는 과정이 추가로 수행될 수 있다.

형태소유사도산출부(155)는 신규고객정보수신부(130)가 수신한 신규 고객의 상담정보에 포함된 형태소정보를 추출하고, 신규 고객의 상담정보의 형태소정보를 기존 고객의 상담정보의 형태소정보와 비교하여 형태소유사도를 산출한다. 여기서 형태소유사도란, 신규 고객의 상담정보에 포함된 형태소정보와 기존 고객의 상담정보에 포함된 형태소정보가 얼마나 비슷한 지를 나타내는 척도이다.

먼저, 형태소유사도산출부(155)는 상담정보를 구성하는 문자열을 입력값으로 받아서, 형태소분석사전(미도시)을 기초로 하여 형태소별로 분리한다. 여기서, 형태소분석사전(미도시)은 형태소유사도산출부(155)에 포함되어 있는 사전으로서, 형태소관련정보를 저장하고 있다.

예를 들어, 형태소유사도산출부(155)가 형태소분석사전(미도시)으로서 한나눔(Hannanum) 형태소 분석기에 내장된 사전을 이용한다면, 상담정보를 구성하는 한글문자열은 형태소의 각각의 의미에 따라 96가지의 형태소로 세분화될 수 있다. 한글 및 한나눔 형태소 분석기는 일 예에 불과하며, 본 발명은 상담정보를 구성하는 언어 및 상담정보를 구성하는 문자열을 형태소로 분리하기 위한 형태소사전을 특정한 것으로 한정하지 않는다.

형태소유사도산출부(155)는 분리된 형태소를 기반으로 형태소마다 각각 형태소점수를 부여하고, 기존 고객의 상담정보의 형태소점수의 합과 신규 고객의 상담정보의 형태소점수의 합을 비교한다. 이때, 형태소마다 대응되는 형태소점수는 형태소분석사전(미도시)과 대응되는 형태소점수사전(미도시)에 의해 결정될 수 있다.

최종적으로, 형태소유사도산출부(155)는 기존 고객의 상담정보의 형태소점수의 합과 신규 고객의 상담정보의 형태소점수의 합을 비교한 결과를 기초로 형태소유사도를 산출한다.

상담유사도산출부(157)는 전술한 과정을 통해 산출된 단어유사도, 문장길이유사도 및 형태소유사도에 미리 설정된 가중치를 적용하여 상담유사도를 산출한다.

상담유사도를 산출하기 위해서 세 가지의 유사도에 적용되는 각 유사도에 대한 가중치는, 상담유사도산출부(157)가 기존 고객의 상담정보와 신규 고객의 상담정보가 얼마나 유사한지 상담유사도라는 값으로 나타낼 때, 단어유사도, 문장길이유사도, 형태소유사도가 그 상담유사도에서 얼마나 많은 비중을 차지하는지 나타내는 값으로 이해할 수 있다. 예를 들어, 단어유사도의 가중치가 0.6, 문장길이유사도의 가중치가 0.3, 형태소유사도의 가중치가 0.1라면, 최종적으로 상담유사도를 결정할 때에 가장 많이 반영된 것은 단어유사도가 된다.

또한, 각 유사도에 대한 가중치는 각각 다른 형태로 산출되는 단어유사도, 문장길이유사도, 형태소유사도를 적절한 값으로 변경시켜주는 값으로도 정의될 수 있다. 예를 들어, 단어유사도의 가중치가 0.01, 문장길이유사도의 가중치가 10이고, 단어유사도가 500, 문장길이유사도가 2라면, 각 가중치는 세 자리 정수형태로 산출되는 단어유사도와 한 자리 정수형태로 산출되는 문장길이유사도의 자릿수를 맞추기 위한 값이 된다.

수학식 1은 상담유사도산출부(157)가 상담유사도를 산출하기 위해 이용하는 수학식의 일 예를 나타낸다. 수학식 1은 상담유사도산출부(157)가 상담유사도를 산출하기 위해서 이용하는 수학식의 일 예일 뿐이므로, 실시 예에 따라서 상담유사도산출부(157)가 이용하는 수학식은 달라질 수 있다.

수학식 1에서 Z는 상담유사도, A는 단어유사도, B는 문장길이유사도, C는 형태소유사도를 의미한다. 수학식 1과 같이, 각각의 유사도에 적용되는 가중치는 다양한 값이 될 수 있으며, 이미 결정된 가중치가 각 유사도에 덧셈으로 적용될 지, 곱셈으로 적용될 지에 대한 것도 특정한 방법으로 한정되어 있지 않다.

본 발명에서 상담유사도산출부(157)가 상담유사도를, 1차적으로 각각의 세부적인 유사도를 산출하고, 2차적으로 그 유사도에 가중치를 적용하여 합산하는 방식으로 산출하는 이유는 각각의 유사도만으로는 기존 고객의 상담정보와 신규 고객의 상담정보의 유사성을 정확하게 파악하기 어렵기 때문이다.

보다 구체적으로 설명하면, 단어유사도의 경우, 기존 고객의 상담정보에서 전혀 출현하지 않은 단어가 신규 고객의 상담정보에서 출현했을 때에, 양 단어의 의미가 동일하거나 극히 유사하더라도 그 단어에 대한 단어유사도는 0이 나올 수 밖에 없다.

즉, 기존 고객의 상담정보 및 신규 고객의 상담정보 모두 상담원의 기록에 의존하는 정보인데, 상담원이 일괄적으로 단어를 통일하여 작성하지 않을 경우, 단어유사도산출부(151)는 기존 고객의 상담정보와 신규 고객의 상담정보가 서로 유사한데도 불구하고, 양 상담정보는 서로 유사하지 않다는 것을 의미하는 단어유사도를 산출할 수 밖에 없는 한계점이 있는데, 단어유사도에 대한 가중치는 그런 한계점을 보완해주는 값이다.

상담원이 같은 상담내용을 두 번에 걸쳐서 기록할 때, 한 상담내용은 요약하여 기록하고, 한 상담내용은 풀어서 기록했다면, 양 상담내용이 같더라도 문장길이의 차이로 인해 문장길이유사도산출부(153)가 문장길이유사도를 미리 정해진 값보다 낮게 산출하는 한계점이 있는데, 문장길이유사도에 대한 가중치는 그런 한계점을 보완해주는 값이다.

여기서, 미리 정해진 값은 문장길이유사도와 비교되기 위해 문장길이유사도산출부(153)에 미리 저장되어 있는 값이다. 형태소유사도에 대한 가중치도 전술한 단어유사도에 대한 가중치 및 문장길이유사도에 대한 가중치와 동일한 맥락에서 이해될 수 있을 것이다.

전술한 것과 또 다른 선택적 실시 예로서, 제1금융상품후보추출부(150)는 기설정된 상담유사도보다도 높은 상담유사도 중에서 가장 높은 상담유사도를 갖는 기존 고객이 복수인 경우, 그 기존 고객의 상담정보를 파악하고, 기존고객정보데이터베이스(110)로부터 그 기존 고객들의 상담정보에 대응하는 기존 고객의 보유금융상품정보를 신규 고객의 보유금융상품정보와 비교한 후, 신규 고개의 보유금융상품정보와 가장 유사한 보유금융상품정보를 제1금융상품후보로 추출할 수도 있다.

본 선택적 실시 예에 따르면, 상담정보의 유사도를 제1순위로 하여 기존 고객을 결정하고, 그 기존 고객이 복수라면 그 기존 고객의 보유금융상품정보를 제2순위로 하여, 신규 고객과 가장 비슷한 기존 고객에 대한 정보만을 추출할 수 있게 된다. 이 과정에서 추출된 기존 고객의 보유금융상품정보는 제1금융상품후보로서, 후술하는 제2금융상품후보와 비교되어, 추천금융상품을 결정하는 요인이 된다.

제2금융상품후보추출부(170)는 기존고객정보데이터베이스(110)에 저장된 기존 고객별 보유금융상품정보를 기설정된 분류기준을 기초로 적어도 두 개 이상의 군집으로 분류하고, 신규 고객의 보유금융상품정보가 전술한 과정에서 분류된 군집 중 어느 군집에 속하는지 판단하여, 보유금융상품정보가 속한 군집에서 기존 고객의 대표보유금융상품정보인 제2금융상품후보를 추출한다.

먼저, 제2금융상품후보추출부(170)는 기존고객정보데이터베이스(110)에 저장된 기존 고객별 보유금융상품정보를 기설정된 분류기준을 기초로 적어도 두 개 이상의 군집으로 분류한다.기존고객정보데이터베이스에는 적어도 두 명 이상의 기존 고객에 대한 보유금융상품정보가 저장되어 있으며,기존고객정보데이터베이스에 저장된 모든 기존 고객의 보유금융상품정보가 동일하지 않은 이상, 기존 고객별 보유금융상품정보는 적어도 두 개 이상의 군집으로 분류될 수 있다.

여기서, 제2금융상품후보추출부(170)가 기존 고객별 보유금융상품정보를 적어도 두 개 이상의 군집으로 분류하기 위한 기설정된 분류기준은 여러 가지가 있을 수 있다. 첫 번째 예로서, 제2금융상품후보추출부(170)는 기존 고객별 보유금융상품정보를 구성하는 구성항목의 개수를 기초로, 기존 고객별 보유금융상품정보를 적어도 두 개 이상의 군집으로 분류할 수 있다.

이 첫 번째 예에 따르면, 기존고객정보데이터베이스(110)에 갑(甲)과 병(丙)이라는 기존 고객이 입출식 계좌, 적립식 계좌, 수익증권 계좌를 보유하고 있고, 을(乙)이라는 기존 고객이 입출식 계좌, 수익증권 계좌를 보유하고 있다는 정보가 저장되어 있다면, 제2금융상품후보추출부(170)는 기존 고객별 보유금융상품정보를 갑(甲)과 병(丙)이 속한 군집과 을(乙)이 속한 군집, 이상 2개의 군집으로 분류하게 된다.

기설정된 분류기준의 두 번째 예로서, 제2금융상품후보추출부(170)는 기존 고객별 보유금융상품정보를 구성하는 구성항목 중 한 가지의 구성항목의 값을 기초로 하여, 기존 고객별 보유금융상품정보를 적어도 두 개 이상의 군집으로 분류할 수 있다.

이 두 번째 예에 따르면, 기존고객정보데이터베이스(110)에 정(丁)이라는 기존 고객이 가장 많은 4개의 입출식 계좌를 가지고 있고, 무(戊)라는 기존 고객이 입출식 계좌를 하나도 가지고 있지 않고, 그 외에 다양한 기존 고객의 입출식 계좌에 대한 정보가 저장되어 있다면, 제2금융상품후보추출부(170)는 기존 고객별 보유금융상품정보를 입출식 계좌가 0개인 고객 내지 4개인 고객이 각각의 군집에 속할 수 있도록, 5개의 군집으로 분류하게 된다.

기설정된 분류기준의 세 번째 예로서, 제2금융상품후보추출부(170)는 케이- 평균 알고리즘(K-means algorithm)을 기초로, 기존 고객별 보유금융상품정보를 적어도 두 개 이상의 군집으로 분류할 수 있다.

케이-평균 알고리즘을 적용할 때에 군집의 숫자를 입력하게 되는데, 그 군집의 숫자는 전술한 첫 번째 예와 두 번째 예에 따라서 기존 고객별 보유금융상품정보를 구성하는 구성항목의 개수 또는 기존 고객별 보유금융상품정보를 구성하는 구성항목 중 한 가지의 구성항목의 값이 될 수 있다.

즉, 첫 번째 예에 따르면, 기존 고객별 보유금융상품정보에 포함된 구성항목은 입출식 계좌, 적립식 계좌, 수익증권 계좌, 이상 3가지이므로, 군집의 개수는 제2금융상품후보추출부(170)에 의해 3개로 결정될 수 있고, 두 번째 예에 따르면, 입출식 계좌라는 구성항목의 값(0개~4개)에 따라 군집의 개수는 제2금융상품후보추출부(170)에 의해 5개로 결정될 수 있다.

특히, 구성항목의 값에 따라 군집의 개수를 결정할 때에는 대다수의 기존 고객들이 통상적으로 보유하고 있는 입출식 계좌에 대한 값을 군집의 개수로 하는 것이 바람직하나, 본 발명을 활용하는 관리자가 합리적인 결과유도를 위해 다른 구성항목에 대한 값을 군집의 개수로 설정하더라도, 본 발명의 범주를 벗어나는 것은 아니다.

도 3a 내지 도 3e는 케이-평균 알고리즘에 따라 기존 고객별 보유금융상품정보를 적어도 두 개 이상의 군집으로 분류하는 일 예를 도식적으로 나타낸 도면이다.

도 3a 내지 도 3e를 참조하면, 제2금융상품후보추출부(170)가 기존 고객별 보유금융상품정보를 2차원 좌표값으로 나타내고, 초기 가중 벡터(중심벡터)를 결정한 후, 세대를 거듭해가면서 가중 벡터를 갱신하고, 그 가중 벡터를 중심으로 하는 군집을 결정하는 것을 알 수 있다.

여기서, 제2금융상품후보추출부(170)가 기존 고객별 보유금융상품정보를 2차원 좌표값으로 나타낼 때, 각 좌표값은 금융기관이 보유하고 있는 각각의 금융상품에 대한 점수를 기초로 변환된 값일 수 있다. 도 3a를 참조하여 설명하면, 적립식 상품을 보유할 수 있는 개수는 0개, 1개, 2개 등 0을 포함한 자연수만 가능하므로, 적립식 상품에 대한 좌표값도 0을 포함한 자연수만 가능할 것으로 추측될 수 있으나, 각각의 금융상품이 금융기관에게 가져다주는 수익이 다를 수 있으므로, 그 값에 따라 각각의 금융상품마다 가중치가 매겨져 있다고 가정하면, 그 가중치를 적용하여 산출된 기존 고객별 적립식상품에 대한 좌표값은 도 3a에 도시된 것과 같이 자연수형태가 아닐 수 있다.

도 3a 내지 도 3e에서, 군집의 수인 k는 초기 가중 벡터 값과 동일하게 3으로 설정되었으며, 전술한 것과 같이 군집의 수는 기존 고객들이 보유하고 있는 입출식 계좌의 종류의 수가 될 수 있다. 예를 들면, 입출식 계좌를 가장 많이 가진 기존 고객이 2개를 가지고 있고, 입출식 계좌를 가장 적게 보유한 기존 고객은 입출식 계좌를 하나도 가지고 있지 않다면, 군집의 수는 3이 될 수 있다.

도 3a부터 설명하면, 초기 가중 벡터는 기존 고객별 보유금융상품정보의 평균 값에 정규 분포(예를 들어 가우시안(Gaussian) 정규분포)를 따르는 작은 무작위 값을 더한 값들로 결정되고, 초기 가중 벡터의 수는 군집의 수인 k값과 일치한다.

기존 고객별 보유금융상품정보는 케이-평균 알고리즘에서 입력벡터가 된다. 즉, 본 발명의 실시 예에서, 입력벡터의 개수는 기존 고객의 숫자와 동일하게 되므로, 이하에서는 하나의 입력벡터는 한 명의 기존 고객에 대한 보유금융상품정보를 호칭하는 것으로 간주한다.

도 3b를 이어서 설명하면, 도 3b는 제2금융상품후보추출부(170)가 모든 입력 벡터를 순회하면서, 각각의 입력 벡터에서 가장 가까운 가중 벡터에 그 입력 벡터를 할당하는 것을 반복하여, 1차적으로 3개의 군집을 형성한 것을 도시한 도면이다. 입력 벡터와 가중 벡터간의 거리는 유클리안 거리(Eucliean distance) 등과 같은 방식을 통해 산출할 수 있으며, 특정한 한 가지의 방법으로 한정하지 않는다.

이하, 설명의 편의성을 위해서, 도 3b의 군집 분류 상태를 제1에포크(epoch)라고 호칭하기로 하고, 이와 유사하게 도 3c 내지 도 3e의 군집 분류 상태를 제2에포크 내지 제4에포크로 호칭하기로 한다.

제1에포크에서는 입력벡터들이 제1군집, 제2군집, 제3군집으로 나뉘어 있으며, 제1군집은 제1가중벡터 내지 제3가중벡터 중 제1가중벡터에, 제2군집은 제1가중벡터 내지 제3가중벡터 중 제2가중벡터에, 제3군집은 제1가중벡터 내지 제3가중벡터 중 제3가중벡터에 가장 가깝게 위치한 입력벡터들로 구성되어 있다.

최초로 결정된 초기 가중 벡터의 무작위성 때문에 제1에포크에서는 입력벡터들이 각각의 좌표값에 따라 나뉘어져 있다고 보기 어려우므로, 제2금융상품후보추출부(170)는 에포크의 숫자를 늘려가면서 입력벡터들을 적어도 두 개 이상의 군집으로 나누는 것을 반복한다.

일단, 제1에포크에서 3개의 군집이 결정되면, 제2금융상품후보추출부(170)는 검증값을 계산한다. 여기서, 검증값은 에포크의 숫자를 늘려서 입력벡터들을 새로운 군집으로 분류할 필요가 있는지 여부를 파악하기 위한 기준을 의미한다.

수학식 2은 검증값을 구하기 위해 사용되는 수학식의 일 예를 나타낸다. 수학식 2에서, P는 검증값을 의미하고, β는 군집내부거리 가중치, γ는 군집사이거리 가중치를 의미한다. 또한, 수학식 2에서 군집내부거리는 각 군집의 중심과 그 군집에 할당된 입력 벡터들간의 거리를 더한 값이고, 군집사이거리는 하나의 군집의 중심과 나머지 군집의 중심간의 거리를 더한 값을 의미한다.

수학식 2에서 각 군집의 중심은 다음 에포크에서의 가중 벡터를 의미하고, 군집내부거리 가중치 β, 군집사이거리 가중치 γ는 합리적인 결과유도를 위해 적절하게 변경될 수 있는 값이다.

결국, 수학식 2의 형태에 따라서, 에포크의 숫자가 늘어남에 따라서 검증값 P는 차차 줄어들게 되며, 검증값 P가 더 이상 줄지 않게 될 때, 제2금융상품후보추출부(170)는 군집의 분류를 중지하고, 그 때의 군집을 최종 군집으로서 추출하게 된다.

제2금융상품후보추출부(170)가 군집의 분류를 중지하는 시점의 다른 예로서, 군집에 속한 입력벡터의 구성이 전혀 변하지 않게 되면, 군집의 분류가 포화된 것으로 간주하여, 제2금융상품후보추출부(170)는 군집의 분류를 중지하고 그 때의 군집을 최종 군집으로 추출한다.

이어서, 제2금융상품후보추출부(170)는 신규 고객의 보유금융상품정보를 입력벡터로 대응시켰을 때, 그 입력벡터가 추출된 최종 군집 중 어느 군집에 속하는지 파악한다.

최종적으로, 제2금융상품후보추출부(170)는 그 신규 고객에 대한 입력벡터가 어느 군집에 속하는지 파악하였다면, 그 군집의 대표값을 제2금융상품후보로서 추출한다. 여기서 군집의 대표값은 군집에 속한 입력벡터에 대응되는 값으로서, 어느 한 기존 고객의 보유금융상품정보가 될 수 있다. 다른 일 예로서, 제2금융상품후보추출부(170)는 군집의 대표값으로서 군집의 중심값(평균값)을 추출할 수도 있다.

도 3c 내지 도 3e는 제2에포크 내지 제4에포크 때의 군집의 분류 상태를 도식적으로 나타낸다. 에포크의 숫자가 늘어날수록, 가중 벡터가 더 정교하게 수정됨에 따라 도 3d 및 도 3e에서의 각 군집에 대한 가중 벡터는 차이가 거의 없는 벡터가 된다. 케이-평균 알고리즘은 널리 알려진 분류방법이므로, 도 3c 내지 도 3e의 결과를 얻기 위해 필요한 더 이상의 설명은 생략하기로 한다.

선택적 실시 예로서, 제2금융상품후보추출부(170)는 인기금융상품파악부(171) 및 분류기준설정부(173)를 포함할 수도 있다.

먼저, 인기금융상품파악부(171)는 기존 고객별 보유금융상품정보에서 가장 많은 기존 고객이 보유하고 있는 인기금융상품을 파악한다. 예를 들어, 기존고객정보데이터베이스(110)에 저장된 100명의 기존 고객 중, 99명의 기존 고객이 이미 '입출식 계좌'를 보유하고 있다면, 인기금융상품파악부(171)는 '한마음 적립식 통장'을 인기금융상품으로 파악한다.

이어서, 분류기준설정부(173)는 인기금융상품파악부(171)에 의해 인기금융상품이 파악되면, 그 인기금융상품을 가장 많이 보유하고 있는 기존 고객을 파악하고, 그 기존 고객이 인기금융상품을 보유한 수를 기초로 분류기준을 설정한다.

예를 들어, 인기금융상품이 입출식 계좌이고, 입출식 계좌를 가장 많이 보유하고 있는 기존 고객이 보유한 입출식 계좌의 수가 5라면, 분류기준은 숫자 5를 기초로 하여 설정된다. 즉, 제2금융상품후보추출부(170)는 기존 고객별 보유금융상품정보를 5개의 군집으로 분류하게 된다. 다른 예로서, 인기금융상품이 적립식 계좌이고,

본 선택적 실시 예에 따르면, 군집의 숫자를 무작위로 정하지 않고, 적어도 두 명이상인 기존 고객들이 가장 많이 갖고 있는 금융상품(인기금융상품)을 하나의 요소로 하여 군집을 분류하게 되므로, 기존 고객을 적절한 개수의 군집으로 분류할 수 있게 된다.

도 1로 돌아와서 설명을 이어서 하기로 한다.

추천금융상품출력부(190)는 제1금융상품후보 및 제2금융상품후보를 비교한 결과를 기초로 제1금융상품후보 및 제2금융상품후보에 공통적으로 포함된 추천금융상품을 출력한다.

먼저, 추천금융상품출력부(190)는 제1금융상품후보추출부(150)가 추출한 제1금융상품후보와 제2금융상품후보추출부(170)가 추출한 제2금융상품후보를 비교한다. 이어서, 추천금융상품출력부(190)는 전단계에서 양 금융상품후보를 비교하여 중복되는 금융상품을 특정하고, 그 특정한 금융상품을 추천금융상품으로서 출력한다.

본 발명은 전술한 과정으로 통해서, 1차적으로 신규고객이 상담했던 내용과 유사한 상담을 했던 기존 고객의 보유상품정보를 추출하고, 2차적으로 군집화를 통해 신규 고객의 상품보유경향과 유사한 상품보유경향을 갖는 기존 고객의 보유상품정보를 추출하여, 양 상품정보에서 공통적으로 나타나는 금융상품을 신규 고객에 대한 추천금융상품으로 출력시킬 수 있게 하여, 신규 고객이 정확히 필요로 하는 금융상품을 신규 고객에게 추천해줄 수 있다.

기존 고객과 신규 고객의 상담정보의 유사성만을 고려하여 추천금융상품을 결정할 경우, 전혀 다른 상품을 보유한 두 고객(기존 고객 및 신규 고객)이 비슷한 유형의 상담을 했다는 것만으로, 두 고객이 똑같은 금융상품을 필요로 할 것이라는 결론을 내리게 된다. 또한, 기존 고객과 신규 고객의 보유상품경향의 유사성만을 고려하여 추천금융상품을 결정할 경우, 전혀 다른 고민을 가진 두 고객(기존 고객 및 신규 고객)이 비슷한 금융상품을 보유했다는 것만으로, 신규 고객이 기존 고객이 갖고 있으면서 신규 고객에게는 없는 금융상품을 필요로 할 것이라는 결론을 내리게 된다.

본 발명에 따르면, 신규 고객이 무엇을 고민하는지 기존 고객의 상담정보를 기초로 파악하고, 동시에 신규 고객의 금융상품의 보유현황을 기초로 다수의 기존 고객들의 금융상품보유경향을 비추어서 어떤 경향성을 갖는지 파악하여, 그 파악한 결과를 종합적으로 분석하여 신규 고객에게 추천할 금융상품을 출력할 수 있게 되어, 1차적으로 본 발명을 활용하는 금융기관이 신규 고객에게 맞춤형 상품을 추천할 수 있게 되고, 2차적으로 사용되지 않은 채 축적되기만 하는 상담정보를 활용할 수 있게 된다.

선택적 실시 예로서, 추천금융상품출력부(190)는 제1금융상품후보 및 제2금융상품후보를 비교하여 양 금융상품후보에 공통적으로 포함된 금융상품 중 신규 고객이 보유하지 않은 상품(이하, 미보유금융상품)만을 추출하고, 미보유금융상품이 복수일 경우, 미보유금융상품 중 가장 신규 고객에게 도움이 될 만한 금융상품을 우선하여 출력할 수도 있다.

즉, 본 선택적 실시 예에서는 미보유금융상품에 우선순위를 부여하여 신규 고객에게 순차적으로 출력함으로써, 신규 고객이 최우선적으로 가입하거나 신청해야 하는 금융상품을 명확히 알 수 있도록 할 수 있다. 미보유금융상품에 우선순위를 부여하기 위해서, 추천금융상품출력부(190)는 제1금융상품후보 및 제2금융상품후보를 비교하여, 가장 많이 중복되는 상품에 가장 높은 우선 순위를 부여하고, 그 다음으로 중복되는 상품에, 그 다음의 우선 순위를 부여하는 방식 등을 이용할 수 있다.

이하에서는, 본 선택적 실시 예의 설명을 용이하게 하기 위해서 직접적인 예를 들어서 설명하기로 한다. 신규 고객은 금융상품 A종류를 3개, B종류를 4개, C종류를 5개 가입하고 있다고 가정한다. 즉, 신규 고객은 보유금융상품정보를 괄호로 묶어 나타내면, (3, 4, 5)로 나타낼 수 있다.

또한, 제1금융상품후보추출부(150)에 의해 추출된 기존 고객의 보유금융상품후보를 위와 같이 나타내면, (4, 8, 5)로, 제2금융상품후보추출부(170)에 의해 추출된 기존 고객의 보유금융상품후보를 위와 같이 나타내면, (5, 6, 6)으로 나타낼 수 있고, 숫자가 큰 값은 작은 값을 포함한다고 가정한다. 즉, 기존 고객은 신규 고객이 보유하고 있는 금융상품을 모두 갖고 있다.

위와 같은 가정에서, 본 발명의 선택적 실시 예와 다른 실시 예에 따르면, 추천금융상품출력부(190)는 추천금융상품은 (4, 6, 5)가 된다. 금융기관은 신규 고객에게 신규 고객이 안 갖고 있는 A나 B를 추천하면 될 것이다.

반면, 본 발명의 선택적 실시 예에 따라서, 추천금융상품 중에서도 우선순위를 부여하고, 우선순위는 기존 고객과 신규 고객의 보유금융상품정보의 차이가 작을수록 높다고 가정하면, 제1순위 추천금융상품은 금융상품 A, 제2순위 추천금융상품은 금융상품 B가 될 수 있다. 금융기관이 신규 고객에게 한정적인 자원 및 시간을 들여서 효율적인 광고만을 해야한다면, 본 선택적 실시 예에 따라 신규 고객에게 가장 필요한 상품만을 추천하는 것이 가장 좋은 결과를 나타낼 것이다.

도 4는 본 발명에 따른 상담정보 및 군집화에 기반한 금융상품추천방법의 일 예에 대한 흐름도를 도시한 도면이다.

도 4에 도시된 금융상품추천방법은, 도 1에 따른 상담정보 및 군집화에 기반한 금융상품추천장치에 의해 실현될 수 있으며, 명세서의 간명화를 위해서 도 1에서 설명한 것과 중복되는 설명은 생략하기로 한다.

먼저, 신규고객정보수신부는 신규 고객의 상담정보 및 보유금융상품정보를 수신한다(S410).

이어서, 제1금융상품후보추출부는 기존고객정보데이터베이스에 저장된 기존 고객별 상담정보와 신규고객정보수신부가 수신한 신규 고객의 상담정보를 비교하여 상담유사도를 산출한다(S420). 기존고객정보데이터베이스는 기존 고객별 상담정보 및 기존 고객별 보유금융상품정보를 포함한다.

단계 S420의 선택적 실시 예로서, 제1금융상품후보추출부(150)는 기존 고객별 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 적어도 두 가지 이상의 정보를 추출한 후, 그 추출한 정보와 대응되는 정보를 신규 고객의 상담정보에서 추출한다.

단계 S420의 다른 선택적 실시 예로서, 제1금융상품후보추출부(150)는 기존 고객별 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 적어도 두 가지 이상의 정보를, 신규 고객의 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 기존 고객별 상담정보의 두 가지 이상의 정보와 대응되는 정보와 비교한 결과를 기초로 상담유사도를 산출할 수도 있다.

본 발명은 상담정보에서 단어정보, 문장길이정보, 형태소정보 중 적어도 두 가지 이상을 추출하여 상담유사도를 산출함으로써, 다양한 상담내용이 존재할 경우에도 기존 고객의 상담내용과 신규 고객의 상담내용의 유사한 정도를 종래보다 더 객관적으로 파악할 수 있게 된다.

제1금융상품후보추출부는 단계 S420에서 산출한 상담유사도가 기설정된 유사도보다 높은 기존 고객의 상담정보를 파악하여, 그 기존 고객의 상담정보에 대응하는 기존 고객의 보유금융상품정보를 추출한다(S430). 여기서, 제1금융상품후보추출부가 추출하는 기존 고객의 보유금융상품정보는 제1금융상품후보라고 호칭하기로 한다.

제2금융상품후보추출부는 기존고객정보데이터베이스에 저장된 기존 고객별 보유금융상품정보를 기설정된 분류기준을 기초로 적어도 두 개 이상의 군집으로 분류하고, 신규 고객의 보유금융상품정보가 전술한 과정에서 분류된 군집 중 어느 군집에 속하는지 판단하여, 보유금융상품정보가 속한 군집에서 기존 고객의 대표보유금융상품정보인 제2금융상품후보를 추출한다(S440).

여기서, 제2금융상품후보추출부가 기존 고객별 보유금융상품정보를 적어도 두 개 이상의 군집으로 분류하기 위한 기설정된 분류기준은 여러 가지가 있을 수 있다. 예를 들어, 제2금융상품후보추출부는 기존 고객별 보유금융상품정보를 구성하는 구성항목의 개수를 기초로, 기존 고객별 보유금융상품정보를 적어도 두 개 이상의 군집으로 분류하거나, 기존 고객별 보유금융상품정보를 구성하는 구성항목 중 한 가지의 구성항목의 값을 기초로 하여, 기존 고객별 보유금융상품정보를 적어도 두 개 이상의 군집으로 분류할 수 있다.

제2금융상품후보추출부가 기존 고객별 보유금융상품정보를 적어도 두 개 이상의 군집으로 분류하기 위한 기설정된 분류기준으로서, 케이-평균 알고리즘을 이용할 수 있음을 도 3a 내지 도 3e를 통해 전술한 바 있다.

추천금융상품출력부는 제1금융상품후보 및 제2금융상품후보를 비교한 결과를 기초로 제1금융상품후보 및 제2금융상품후보에 공통적으로 포함된 금융상품이 있는지 여부를 판단한다(S450).

이어서, 추천금융상품출력부는 단계 S450에서 양 금융상품후보를 비교하여 중복되는 금융상품을 특정하고, 그 특정한 금융상품을 추천금융상품으로서 출력한다(S460). 단계 S460에서 추천금융상품출력부는 단계 S450에서 양 금융상품후보를 비교했을 때, 중복되는 금융상품이 없으면, 추천금융상품이 없다는 메시지를 출력할 수도 있다.

본 발명은 전술한 과정으로 통해서, 1차적으로 신규고객이 상담했던 내용과 유사한 상담을 했던 기존 고객의 보유상품정보를 추출하고, 2차적으로 군집화를 통해 신규 고객의 상품보유경향과 유사한 상품보유경향을 갖는 기존 고객의 보유상품정보를 추출하여, 양 상품정보에서 공통적으로 나타나는 금융상품을 신규 고객에 대한 추천금융상품으로 출력시킬 수 있게 하여, 신규 고객이 정확히 필요로 하는 금융상품을 신규 고객에게 추천해줄 수 있다.

기존 고객과 신규 고객의 상담정보의 유사성만을 고려하여 추천금융상품을 결정할 경우, 전혀 다른 상품을 보유한 두 고객(기존 고객 및 신규 고객)이 비슷한 유형의 상담을 했다는 것만으로, 두 고객이 똑같은 금융상품을 필요로 할 것이라는 결론을 내리게 된다. 또한, 기존 고객과 신규 고객의 보유상품경향의 유사성만을 고려하여 추천금융상품을 결정할 경우, 전혀 다른 고민을 가진 두 고객(기존 고객 및 신규 고객)이 비슷한 금융상품을 보유했다는 것만으로, 신규 고객이 기존 고객이 갖고 있으면서 신규 고객에게는 없는 금융상품을 필요로 할 것이라는 결론을 내리게 된다.

본 발명에 따르면, 신규 고객이 무엇을 고민하는지 기존 고객의 상담정보를 기초로 파악하고, 동시에 신규 고객의 금융상품의 보유현황을 기초로 다수의 기존 고객들의 금융상품보유경향을 비추어서 어떤 경향성을 갖는지 파악하여, 그 파악한 결과를 종합적으로 분석하여 신규 고객에게 추천할 금융상품을 출력할 수 있게 되어, 1차적으로 본 발명을 활용하는 금융기관이 신규 고객에게 맞춤형 상품을 추천할 수 있게 되고, 2차적으로 사용되지 않은 채 축적되기만 하는 상담정보를 활용할 수 있게 된다.

단계 S460의 선택적 실시 예로서, 추천금융상품출력부는 제1금융상품후보 및 제2금융상품후보를 비교하여 양 금융상품후보에 공통적으로 포함된 금융상품 중 신규 고객이 보유하지 않은 상품(이하, 미보유금융상품)만을 추출하고, 미보유금융상품이 복수일 경우, 미보유금융상품 중 가장 신규 고객에게 도움이 될 만한 금융상품을 우선하여 출력할 수도 있다.

즉, 본 선택적 실시 예에서는 미보유금융상품에 우선순위를 부여하여 신규 고객에게 순차적으로 출력함으로써, 신규 고객이 최우선적으로 가입하거나 신청해야 하는 금융상품을 명확히 알 수 있도록 할 수 있다. 미보유금융상품에 우선순위를 부여하기 위해서, 추천금융상품출력부는 제1금융상품후보 및 제2금융상품후보를 비교하여, 가장 많이 중복되는 상품에 가장 높은 우선 순위를 부여하고, 그 다음으로 중복되는 상품에, 그 다음의 우선 순위를 부여하는 방식 등을 이용할 수 있다.

이상 설명된 본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 나아가, 매체는 네트워크 상에서 전송 가능한 형태로 구현되는 무형의 매체를 포함할 수 있으며, 예를 들어 소프트웨어 또는 애플리케이션 형태로 구현되어 네트워크를 통해 전송 및 유통이 가능한 형태의 매체일 수도 있다.

한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.

본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, "필수적인", "중요하게" 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.

본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다. 마지막으로, 본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.

100 : 상담정보 및 군집화에 기반한 상품추천장치
110 : 기존고객정보데이터베이스
130 : 신규고객정보수신부
150 : 제1금융상품후보추출부
170 : 제2금융상품후보추출부
190 : 추천금융상품출력부

Claims (9)

1. 기존 고객별 상담정보 및 기존 고객별 보유금융상품정보를 포함하는 기존고객정보를 저장하는 기존고객정보데이터베이스;
   신규 고객의 상담정보 및 보유금융상품정보를 수신하는 신규고객정보수신부;
   상기 수신된 상담정보와 상기 기존 고객별 상담정보를 비교하여 기설정된 유사도보다 높은 상담유사도를 갖는 기존 고객의 상담정보를 파악하고, 상기 기존고객정보데이터베이스로부터 상기 파악된 기존 고객의 상담정보에 대응하는 기존 고객의 보유금융상품정보인 제1금융상품후보를 추출하는 제1금융상품후보추출부;
   상기 기존 고객별 보유금융상품정보를 기설정된 분류기준을 기초로 적어도 두 개 이상의 군집으로 분류하고, 상기 수신된 보유금융상품정보가 상기 분류된 군집 중 어느 군집에 속하는지 판단하여, 상기 수신된 보유금융상품정보가 속한 군집에서 기존 고객의 대표보유금융상품정보인 제2금융상품후보를 추출하는 제2금융상품후보추출부; 및
   상기 제1금융상품후보 및 제2금융상품후보를 비교한 결과를 기초로 상기 제1금융상품후보 및 제2금융상품후보에 공통적으로 포함된 추천금융상품을 출력하는 추천금융상품출력부;를 포함하는 상담정보 및 군집화에 기반한 금융상품추천장치.
2. 제1항에 있어서,
   상기 제1금융상품후보추출부는,
   상기 기존 고객별 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 적어도 두 가지 이상의 정보를, 상기 수신된 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 상기 두 가지 이상의 정보와 대응되는 정보와 비교한 결과를 기초로 상담유사도를 산출하는 것을 특징으로 하는 상담정보 및 군집화에 기반한 금융상품추천장치.
3. 제1항에 있어서,
   상기 제1금융상품후보추출부는,
   상기 수신된 상담정보에 포함된 단어정보를 추출하고, 상기 추출된 단어정보를 상기 기존 고객별 상담정보에 포함된 단어정보와 비교하여 단어유사도를 산출하는 단어유사도산출부;
   상기 수신된 상담정보에 포함된 문장길이정보를 추출하고, 상기 추출된 문장길이정보를 상기 기존 고객별 상담정보에 포함된 문장길이정보와 비교하여 문장길이유사도를 산출하는 문장길이유사도산출부;
   상기 수신된 상담정보에 포함된 형태소정보를 추출하고, 상기 추출된 형태소정보를 상기 기존 고객별 상담정보에 포함된 형태소정보와 비교하여 형태소유사도를 산출하는 형태소유사도산출부; 및
   상기 단어유사도, 문장길이유사도 및 형태소유사도에 미리 설정된 가중치를 적용하여 상기 상담유사도를 산출하는 상담유사도산출부;를 포함하는 것을 특징으로 하는 상담정보 및 군집화에 기반한 금융상품추천장치.
4. 제1항에 있어서,
   상기 제2금융상품후보추출부는,
   상기 기존 고객별 보유금융상품정보에서 가장 많은 기존 고객이 보유하고 있는 인기금융상품을 파악하는 인기금융상품파악부; 및
   상기 인기금융상품을 가장 많이 보유하고 있는 기존 고객을 파악하고, 상기 파악된 기존 고객이 상기 인기금융상품을 보유한 수를 기초로 상기 분류기준을 설정하는 분류기준설정부;를 포함하는 상담정보 및 군집화에 기반한 금융상품추천장치.
5. 신규 고객의 상담정보 및 보유금융상품정보를 수신하는 신규고객정보수신단계;
   기존 고객별 상담정보 및 기존 고객별 보유금융상품정보를 포함하는 기존고객정보를 저장하는 기존고객정보데이터베이스를 참조하여, 상기 수신된 상담정보와 상기 기존 고객별 상담정보를 비교하는 상담정보비교단계;
   상기 수신된 상담정보와 상기 기존 고객별 상담정보를 비교한 결과를 기초로, 기설정된 유사도보다 높은 상담유사도를 갖는 기존 고객의 상담정보를 파악하고, 상기 기존고객정보데이터베이스로부터 상기 파악된 기존 고객의 상담정보에 대응하는 기존 고객의 보유금융상품정보인 제1금융상품후보를 추출하는 제1금융상품후보추출단계;
   상기 기존 고객별 보유금융상품정보를 기설정된 분류기준을 기초로 적어도 두 개 이상의 군집으로 분류하고, 상기 수신된 보유금융상품정보가 상기 분류된 군집 중 어느 군집에 속하는지 판단하여, 상기 수신된 보유금융상품정보가 속한 군집에서 기존 고객의 대표보유금융상품정보인 제2금융상품후보를 추출하는 제2금융상품후보추출단계; 및
   상기 제1금융상품후보 및 제2금융상품후보를 비교한 결과를 기초로 상기 제1금융상품후보 및 제2금융상품후보에 공통적으로 포함된 추천금융상품을 출력하는 추천금융상품출력단계;를 포함하는 상담정보 및 군집화에 기반한 금융상품추천방법.
6. 제5항에 있어서,
   상기 제1금융상품후보추출단계는,
   상기 기존 고객별 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 적어도 두 가지 이상의 정보를, 상기 수신된 상담정보에 포함된 단어정보, 문장길이정보, 형태소정보 중 상기 두 가지 이상의 정보와 대응되는 정보와 비교한 결과를 기초로 상담유사도를 산출하는 것을 특징으로 하는 상담정보 및 군집화에 기반한 금융상품추천방법.
7. 제5항에 있어서,
   상기 제1금융상품후보추출단계는,
   상기 수신된 상담정보에 포함된 단어정보를 추출하고, 상기 추출된 단어정보를 상기 기존 고객별 상담정보에 포함된 단어정보와 비교하여 단어유사도를 산출하는 단어유사도산출단계;
   상기 수신된 상담정보에 포함된 문장길이정보를 추출하고, 상기 추출된 문장길이정보를 상기 기존 고객별 상담정보에 포함된 문장길이정보와 비교하여 문장길이유사도를 산출하는 문장길이유사도산출단계;
   상기 수신된 상담정보에 포함된 형태소정보를 추출하고, 상기 추출된 형태소정보를 상기 기존 고객별 상담정보에 포함된 형태소정보와 비교하여 형태소유사도를 산출하는 형태소유사도산출단계; 및
   상기 단어유사도, 문장길이유사도 및 형태소유사도에 미리 설정된 가중치를 적용하여 상기 상담유사도를 산출하는 상담유사도산출부;를 포함하는 것을 특징으로 하는 상담정보 및 군집화에 기반한 금융상품추천방법.
8. 제5항에 있어서,
   상기 제2금융상품후보추출단계는,
   상기 기존 고객별 보유금융상품정보에서 가장 많은 기존 고객이 보유하고 있는 인기금융상품을 파악하는 인기금융상품파악단계; 및
   상기 인기금융상품을 가장 많이 보유하고 있는 기존 고객을 파악하고, 상기 파악된 기존 고객이 상기 인기금융상품을 보유한 수를 기초로 상기 분류기준을 설정하는 분류기준설정단계;를 포함하는 상담정보 및 군집화에 기반한 금융상품추천방법.
9. 제5항 내지 제8항 중 어느 한 항에 따른 방법을 실행시키기 위한 프로그램을 저장하고 있는 컴퓨터 판독가능한 기록매체.

Images