KR20180052307A - 맞춤 이벤트 생성을 통한 영업점 관리 서버 - Google Patents

맞춤 이벤트 생성을 통한 영업점 관리 서버 Download PDF

Info

Publication number
KR20180052307A
KR20180052307A KR1020160149472A KR20160149472A KR20180052307A KR 20180052307 A KR20180052307 A KR 20180052307A KR 1020160149472 A KR1020160149472 A KR 1020160149472A KR 20160149472 A KR20160149472 A KR 20160149472A KR 20180052307 A KR20180052307 A KR 20180052307A
Authority
KR
South Korea
Prior art keywords
information
branch
independent
relative
comparison
Prior art date
Application number
KR1020160149472A
Other languages
English (en)
Other versions
KR101921908B1 (ko
Inventor
이현아
이희경
Original Assignee
주식회사 에스피씨클라우드
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 주식회사 에스피씨클라우드 filed Critical 주식회사 에스피씨클라우드
Priority to KR1020160149472A priority Critical patent/KR101921908B1/ko
Publication of KR20180052307A publication Critical patent/KR20180052307A/ko
Application granted granted Critical
Publication of KR101921908B1 publication Critical patent/KR101921908B1/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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • 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
    • G06Q30/0261—Targeted advertisements based on user location
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 개시에 따른 영업점 관리 서버가 개시된다. 상기 서버는 영업점 포스(POS) 단말 및 영업점 서버 중 적어도 하나로부터 상기 영업점의 상태에 관련한 영업점 정보를 수신하는 수신부, 수신한 상기 영업점 정보를 사전 설정된 기준치, 또는 과거 영업점 정보와 비교하여 상기 영업점의 상태에 관련한 독립적 비교정보를 생성하는 독립적 비교부, 상기 영업점 정보와 유사 점포 정보―상기 유사 점포 정보는 상기 영업점과 유사한 판매 환경의 유사 점포의 상태에 관련한 정보를 포함함―를 비교하여 상기 영업점의 상태에 관련한 상대적 비교정보를 생성하는 상대적 비교부, 상기 상대적 비교정보 및 상기 독립적 비교정보 중 적어도 하나에 기초하여 상기 영업점의 상태의 원인에 관련한 분석정보를 생성하는 분석부 및 상기 분석정보에 기초하여 맞춤 이벤트를 생성하는 이벤트 생성부를 포함할 수 있다.

Description

맞춤 이벤트 생성을 통한 영업점 관리 서버{STORE MANAGEMENT SERVER FOR CREATING EVENT}
본 개시는 점포 관리 서버에 관한 것으로, 보다 구체적으로 점포에 대한 맞춤 이벤트를 생성하는 점포 관리 서버에 관한 것이다.
경제가 발전함에 따라 개인 소득이 늘어나면서 외식, 미용, 숙박, 물품 구입 등등 다방면에서 소비가 증대되고 있다. 이러한 상황에서 영업점들은 매출 증대를 위해 서로 고객 및 재방문 하는 충성도 높은 단골 고객 확보를 위한 홍보 및 마케팅 방법을 찾고자 하는 노력을 다양하게 전개하고 있다.
종래에 영업점은 방문한 고객의 재방문을 유도하기 위해 영업점의 정보가 표시되어있는 명함, 기념품 등을 프런트에 비치하여 고객에게 제공하고 쿠폰 증정, 포인트 적립 카드, 고객카드 발급 등을 통한 고객 마케팅을 다양하게 시행하고 있다.
대한민국 특허공보 KR20020056853에서는 적립금 기능과 즉석복권 기능을 포함하는 다기능 쿠폰을 개시하고 있다. 특히, 배경기술에서 일반 코드와 특수 코드를 서버에 입력한 시간을 기준으로 일치 여부를 확인하여 보안을 강화하고 있다.
하지만 이러한 방법들은 영업점에 대한 분석 없이 마케팅으로 사용되기 때문에 어떤 이벤트가 점포의 상황에 가장 적절한지에 대한 고민 없이 이뤄지는 경우가 다수 존재하고 있다. 그리고 이벤트에 대한 피드백도 매출의 증감으로 단순 평가하는 경향이 있다.
또한, 영업점 분석을 통해 진단을 내려주는 일부 컨설턴트들도 영업점에 영향을 미치는 모든 환경 요인에 대해 분석을 하고, 연관성을 찾는 일이 너무 많은 시간과 노력을 요구하여 어려움을 느끼는 것이 사실이다.
따라서, 영업점별 분석을 통해 맞춤 이벤트를 생성할 수 있는 서버에 대한 필요성이 당업계에 존재할 수 있다.
본 개시은 전술한 배경기술에 대응하여 안출된 것으로, 점포에 대한 맞춤 이벤트를 생성하는 영업점 관리 서버를 제공하기 위함이다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따른 영업점 관리 서버가 개시된다. 상기 영업점 관리 서버는 영업점 포스(POS) 단말 및 영업점 서버 중 적어도 하나로부터 상기 영업점의 상태에 관련한 영업점 정보를 수신하는 수신부, 수신한 상기 영업점 정보를 사전 설정된 기준치, 또는 과거 영업점 정보와 비교하여 상기 영업점의 상태에 관련한 독립적 비교정보를 생성하는 독립적 비교부, 상기 영업점 정보와 유사 점포 정보―상기 유사 점포 정보는 상기 영업점과 유사한 판매 환경의 유사 점포의 상태에 관련한 정보를 포함함―를 비교하여 상기 영업점의 상태에 관련한 상대적 비교정보를 생성하는 상대적 비교부, 상기 상대적 비교정보 및 상기 독립적 비교정보 중 적어도 하나에 기초하여 상기 영업점의 상태의 원인에 관련한 분석정보를 생성하는 분석부 및 상기 분석정보에 기초하여 맞춤 이벤트를 생성하는 이벤트 생성부를 포함할 수 있다.
대안적으로, 상기 유사 점포는 상기 영업점과 업종, 지리적 위치, 매장 크기, 매출, 고객 및 제품 중 적어도 하나의 항목에 대한 관련성을 가지는 타점포일 수 있다.
대안적으로, 상기 영업점 정보는 상기 영업점의 업종 정보, 지리적 위치 정보, 매출 정보, 고객 정보 및 제품 정보 중 적어도 하나를 항목으로 포함하고, 그리고 상기 유사 점포 정보는 상기 유사 점포의 업종 정보, 지리적 위치 정보, 매출 정보, 고객 정보 및 제품 정보 중 적어도 하나를 항목으로 포함할 수 있다.
대안적으로, 상기 독립적 비교부는 상기 과거 영업점 정보와 상기 영업점 정보 간의 각각의 항목의 수치를 각각 비교하여 사전 설정된 기준 변화량 이상의 변화량을 갖는 항목을 독립 문제 항목으로 결정하고, 상기 독립 문제 항목에 영향을 미치는 하나 이상의 요소에 대한 정보를 포함하는 독립 변화 요소 정보―상기 독립 변화 요소 정보는 상기 비교 시점의 시간 정보, 일자 정보, 요일 정보, 날씨 정보, 정책 정보, 고객 정보, 제품 정보 및 과거 이벤트 정보 중 적어도 하나를 포함함―를 생성하고, 상기 분석부는 상기 독립 문제 항목과 상기 독립 변화 요소 정보의 연관성을 분석하여, 상기 독립 문제 항목의 원인에 관련한 독립 원인 정보를 포함하는 분석정보를 생성하고, 그리고 상기 과거 영업점 정보는 상기 비교 시점보다 이전의 시점으로부터 사전 설정된 기간 동안에 해당하는 영업점 정보를 포함할 수 있다.
대안적으로, 상기 상대적 비교부는 동일한 기간 동안의 상기 영업점 정보와 상기 유사 점포 정보의 각각의 항목의 수치를 각각 비교하여 사전 설정된 기준값 이상의 차이값을 갖는 항목을 상대 문제 항목으로 결정하고, 상기 상대 문제 항목에 영향을 미치는 하나 이상의 요소에 대한 정보를 포함하는 상대 변화 요소 정보― 상기 상대 변화 요소 정보는 상기 비교 시점의 시간 정보, 일자 정보, 요일 정보, 날씨 정보, 정책 정보, 고객 정보, 제품 정보 및 과거 이벤트 정보 중 적어도 하나를 포함함―를 생성하고, 그리고 상기 분석부는 상기 상대 문제 항목과 상기 상대 변화 요소 정보의 연관성을 분석하여, 상기 상대 문제 항목의 원인에 관련한 상대 원인 정보를 포함하는 분석정보를 생성할 수 있다.
대안적으로, 상기 사전 설정된 기준값은 상기 영업점과 상기 유사 점포의 상대적 규모 정보에 기초하여 결정될 수 있다.
대안적으로, 상기 상대적 비교부는 인근 지역에 신규 유사 점포가 생성되는 경우, 상기 신규 유사 점포의 생성 시점 이전 영업점 정보와 상기 신규 유사 점포의 생성 시점 이후 영업점 정보를 비교하여, 상기 신규 유사 점포의 생성에 관련한 경쟁 비교정보를 생성하고, 그리고 상기 분석부는 상기 경쟁 비교정보에 기초하여 상기 영업점의 상태의 원인에 관련한 경쟁 분석정보를 생성할 수 있다.
대안적으로, 고객 단말의 위치 정보를 통해 상기 영업점으로부터 사전 설정된 거리 이내의 고객 단말에게 상기 맞춤 이벤트를 제공하기 위하여, 상기 영업점으로부터 사전 설정된 거리에 사전 설정된 형상의 가상 울타리(virtual fence)를 설정하고, 상기 고객 단말이 상기 가상의 울타리 내부에 위치하는 경우 상기 고객 단말에 상기 맞춤 이벤트를 제공하는 이벤트 제공부를 더 포함할 수 있다.
대안적으로, 상기 가상 울타리는 GPS 위치정보, Wi-Fi 정보 및 블루투스 정보 중 적어도 하나에 기초하여 생성될 수 있다.
대안적으로, 상기 수신부는 상기 맞춤 이벤트에 대한 피드백 정보―대상 고객에 대한 상기 맞춤 이벤트의 도달율, 참여율, 선호도, 설문조사 결과 및 상기 영업점 정보의 변화량 중 적어도 하나를 포함함―를 추가적으로 수신하고, 그리고 상기 분석부는 상기 상대적 비교정보 및 상기 독립적 비교정보 중 적어도 하나와 상기 피드백 정보에 기초하여 상기 영업점의 상태의 원인에 관련한 보정된 분석정보를 생성할 수 있다.
본 개시의 일 실시예에 따른 하나 이상의 프로세서에 의해 실행되는 복수의 명령들을 포함하는, 컴퓨터-판독 가능 저장 매체에 저장된 프로그램이 개시된다. 상기 컴퓨터-판독가능 저장 매체에 저장된 컴퓨터 프로그램은 수신부에서 영업점 포스(POS) 단말 및 영업점 서버 중 적어도 하나로부터 상기 영업점의 상태에 관련한 영업점 정보를 수신하도록 하는 명령, 독립적 비교부에서 수신한 상기 영업점 정보를 사전 설정된 기준치, 또는 과거 영업점 정보와 비교하여 상기 영업점의 상태에 관련한 독립적 비교정보를 생성하도록 하는 명령, 상대적 비교부에서 상기 영업점 정보와 유사 점포 정보―상기 유사 점포 정보는 상기 영업점과 유사한 판매 환경의 유사 점포의 상태에 관련한 정보를 포함함―를 비교하여 상기 영업점의 상태에 관련한 상대적 비교정보를 생성하도록 하는 명령, 분석부에서 상기 상대적 비교정보 및 상기 독립적 비교정보 중 적어도 하나에 기초하여 상기 영업점의 상태의 원인에 관련한 분석정보를 생성하도록 하는 명령 및 이벤트 생성부에서 상기 분석정보에 기초하여 맞춤 이벤트를 생성하도록 하는 명령을 포함할 수 있다.
본 개시의 일 실시예에 따른 맞춤 이벤트를 생성하여 영업점을 관리하는 방법이 개시된다. 상기 방법은 수신부에서 영업점 포스(POS) 단말 및 영업점 서버 중 적어도 하나로부터 상기 영업점의 상태에 관련한 영업점 정보를 수신하는 단계, 독립적 비교부에서 수신한 상기 영업점 정보를 사전 설정된 기준치, 또는 과거 영업점 정보와 비교하여 상기 영업점의 상태에 관련한 독립적 비교정보를 생성하는 단계, 상대적 비교부에서 상기 영업점 정보와 유사 점포 정보―상기 유사 점포 정보는 상기 영업점과 유사한 판매 환경의 유사 점포의 상태에 관련한 정보를 포함함―를 비교하여 상기 영업점의 상태에 관련한 상대적 비교정보를 생성하는 단계, 분석부에서 상기 상대적 비교정보 및 상기 독립적 비교정보 중 적어도 하나에 기초하여 상기 영업점의 상태의 원인에 관련한 분석정보를 생성하는 단계 및 이벤트 생성부에서 상기 분석정보에 기초하여 맞춤 이벤트를 생성하는 단계를 포함할 수 있다.
본 개시는 맞춤 이벤트를 생성하는 영업점 관리 서버를 제공할 수 있다.
도 1은 본 개시의 일 실시예에 따른 서버의 블록 구성도(Block diagram)이다.
도 2는 본 개시의 일 실시예에 따른 독립적 비교와 분석에 관련한 예시도이다.
도 3은 본 개시의 일 실시예에 따른 상대적 비교와 분석에 관련한 예시도이다.
도 4는 본 개시의 일 실시예에 따른 신규 유사 점포 생성에 따른 경쟁 비교 및 분석에 관련한 예시도이다.
도 5는 본 개시의 일 실시예에 따른 맞춤 이벤트의 대상 고객 선정의 예시를 도시한다.
도 6은 본 개시의 일 실시예에 따른 보정된 분석정보의 생성 예시도이다.
도 7은 본 개시의 일 실시예에 따른 다양한 정보들 간의 관계도이다.
도 8은 본 개시의 일 실시예에 따른 맞춤 이벤트 생성 방법의 순서도(Flow chart)이다.
다양한 실시예들이 이제 도면을 참조하여 설명되며, 전체 도면에서 걸쳐 유사한 도면번호는 유사한 구성요소를 나타내기 위해서 사용된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다. 다른 예들에서, 공지된 구조 및 장치들은 실시예들의 설명을 용이하게 하기 위해서 블록 다이어그램 형태로 제공된다.
본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정, 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있고, 일 컴포넌트는 하나의 컴퓨터 내에 로컬화될 수 있고, 또는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통한 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.
제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
도 1은 본 개시의 일 실시예에 따른 서버의 블록 구성도(Block diagram)이다.
본 개시의 일 실시예에 따라, 서버(100)는 수신부(110), 독립적 비교부(120), 상대적 비교부(130), 분석부(140), 이벤트 생성부(150) 및 이벤트 제공부(160)를 포함할 수 있다.
수신부(110)는 영업점 포스(POS) 단말 및 영업점 서버 중 적어도 하나로부터 영업점의 상태에 관련한 영업점 정보를 수신할 수 있다.
본 개시의 일 실시예에서 영업점 정보(200)는 영업점의 업종 정보, 지리적 위치 정보, 매출 정보, 고객 정보 및 제품 정보 중 적어도 하나를 항목으로 포함할 수 있다.
보다 구체적으로, 영업점 정보는 영업점(1000)의 상태에 관련한 하나 이상의 항목으로 이루어진 정보를 포함할 수 있다. 그리고, 영업점 정보(200)는 시간에 따른 가변성이 낮은 항목, 즉, 시간 경과에 따라 변하지 않는 일반속성 항목을 포함할 수 있다. 예를 들어, 영업점 정보(200)는 "한국표준산업분류의 숙박 및 음식점업에 해당하는 I코드"를 업종 정보로 포함할 수 있다. 또한, 영업점 정보는 "지하철역 출구 도보 2분 이내 및 1층"이라는 지리적 위치를 영업점(1000)의 지리적 위치 정보로 포함할 수 있다. 또한, 영업점 정보(200)는 시간에 따른 가변성이 높은 항목, 즉, 시간 경과에 따라 변화가 있는 시변속성 항목을 포함할 수 있다. 예를 들어, 영업점 정보(200)는 "일매출 70만원 및 월매출 2,000만원"을 매출 정보로 포함할 수 있다. 또한, 영업점 정보는 "단골 점포 등록 고객 수 100명 및 일 평균 방문 횟수 2회"를 고객 정보로 포함할 수 있다. 전술한 영업점 정보의 기재들은 예시일뿐, 본 개시는 이에 제한되지 않는다. 예를 들어, 영업점 정보(200)는 제품 정보에 관련한 재고량, 회전율 등을 더 포함할 수 있다. 또한, 상기 영업점 정보는 일반속성 항목 및 시변속성 항목을 모두 포함할 수 있다.
또한, 본 개시의 일 실시예에 따른 수신부(110)는 영업점 포스 단말, 영업점 서버 및 사용자 중 적어도 하나로부터 유사 점포 정보(300)를 1회 이상 수신할 수 있다. 그리고, 수신부(110)는 수신한 유사 점포 정보를 상대적 비교부(130)에 제공할 수 있다. 따라서, 상대적 비교부(130)는 수신부(110)로부터 제공받은 유사 점포 정보를 통해 유사 점포 정보(300)를 생성하거나, 또는 유사 점포 정보를 업데이트할 수 있다. 전술한 수신부의 유사 점포 정보 수신은 기재일뿐, 본 개시는 이에 제한되지 않는다. 예를 들어, 유사 점포 정보(300)는 상대적 비교부(130)에 사전에 저장되어 있을 수 있고, 주기적으로 갱신이 될 수 있다.
본 개시의 일 실시예에 따른 수신부(110)는 맞춤 이벤트(900)에 대한 피드백 정보를 추가적으로 수신할 수 있다. 여기서 피드백 정보(800)는 대상 고객에 대한 맞춤 이벤트의 도달율, 참여율, 선호도, 설문조사 결과 및 영업점 정보의 변화향 중 적어도 하나를 포함할 수 있다. 또한, 상기 수신부는 수신한 피드백 정보(800)를 분석부(140)에 제공할 수 있다.
독립적 비교부(120)는 영업점 정보를 사전 설정된 기준치, 또는 과거 영업점 정보와 비교하여 영업점(1000)의 상태에 관련한 독립적 비교정보(500)를 생성할 수 있다. 이와 관련된 독립적 비교부의 자세한 동작은 도 2를 참조하여 후술한다.
또한, 본 개시의 일 실시예에 따른 독립적 비교부(120)는 영업점 정보(200)의 항목 간의 연산, 또는 비교를 통해서 영업점에 관련한 새로운 데이터를 생성할 수 있다. 그리고, 여기서 새로운 데이터는 기존의 영업점 정보 항목에 포함되지 않는 새로운 항목일 수 있다. 또한, 새로운 데이터는 기존의 영업점 정보 항목에 신규 항목으로 추가될 수 있다.
예를 들어, 수신부(110)로부터 제공받은 영업점 정보(200)가 "일평균 매출 100만원"이라는 매출 정보의 일평균 매출 항목과 "일평균 방문고객 수 50명"이라는 고객 정보의 일평균 방문고객 수라는 항목을 포함할 수 있다. 이러한 경우, 독립적 비교부(120)는 (일평균 매출/일평균 방문고객 수)=(100만원/50명)을 연산하여 고객 1인당 평균매출에 해당하는 "객단가 2만원"를 생성할 수 있다. 또한, 독립적 비교부(120)는 상기 객단가 항목을 신규 항목으로써 영업점 정보(200)에 포함시킬 수 있다. 전술한 독립적 비교부(120)의 동작은 예시일뿐, 본 개시는 이에 제한되지 않는다.
상대적 비교부(130)는 영업점 정보를 유사 점포 정보(300)를 비교하여 상기 영업점의 상태에 관련한 상대적 비교정보(600)를 생성할 수 있다. 여기서 유사 점포 정보는 영업점(1000)과 유사한 판매 환경의 유사 점포의 상태에 관련한 정보를 포함할 수 있다. 이와 관련된 상대적 비교부의 자세한 동작은 도 3를 참조하여 후술한다.
본 개시의 일 실시예에 따른 유사 점포는 영업점(1000)과 업종, 지리적 위치, 매장의 크기, 매출, 고객 및 제품 중 적어도 하나의 항목에 대한 관련성을 가지는 타점포일 수 있다. 보다 구체적으로, 유사 점포는 상기 유사 점포에 해당하는 유사 점포 정보(300)가 영업점 정보(200)와 하나 이상의 항목을 동일하게 포함하는 점포일 수 있다. 그리고, 상기 유사 점포는 유사 점포 정보와 영업점 정보가 서로 동일하게 포함하는 상기 항목에서 관련성을 가지는 점포일 수 있다.
즉, 영업점 정보(200)에 포함되는 업종 정보, 지리적 위치 정보, 매출 정보, 고객 정보 및 제품 정보 증 적어도 하나는 유사 점포 정보(300)에 포함되어 유사 점포의 판단에 사용될 수 있다. 예를 들어, 영업점 정보(200)가 "도매 및 소매업, G코드"을 업종 정보로 포함할 수 있다. 이러한 경우, 임의의 점포에 대한 정보가 업종 정보를 포함하고, 유사 점포 정보(300)의 업종 정보가 "도매 및 소매업, G코드"이면, 상기 임의의 점포는 영업점(1000)과 동일한 항목에서 관련성을 가지는 유사 점포일 수 있다. 전술한 유사 점포에 대한 유사 여부 판단은 예시일뿐, 본 개시는 이에 제한되지 않는다.
또 다른 예시로써, 영업점(1000)의 점포 분류가 편의점이고, 임의의 점포의 분류가 소매업(예컨대, 슈퍼마켓)일 수 있다. 또한, 영업점 정보 및 임의의 점포에 대한 정보가 월 매출액 및 점포의 규모 항목을 동일하게 포함할 수 있다. 이러한 경우, 상기 두 정보 간의 월 매출액의 규모가 10% 미만의 오차 범위 내에 존재하고, 점포의 규모 차이가 2배 미만이면, 상기 임의의 점포는 상기 영업점(1000)의 유사 점포일 수 있다. 전술한 유사 점포에 대한 유사 여부 판단 및 수치의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.
또한, 본 개시의 일 실시예에 따른 상대적 비교부(130)는 인근 지역에 신규 유사 점포가 생성되는 경우, 신규 유사 점포의 생성 시점 이전의 영업점 정보(200)와 생성 시점 이후의 영업점 정보를 비교하여, 상기 신규 유사 점포의 생성에 관련한 경쟁 비교정보(650)를 생성할 수 있다. 이와 관련된 상대적 비교부의 자세한 동작은 도 4를 참조하여 후술한다.
분석부(140)는 독립적 비교정보(500) 및 상대적 비교정보(600) 중 적어도 하나에 기초하여 영업점의 상태의 원인에 관련한 분석정보(700)를 생성할 수 있다. 보다 구체적으로, 분석부(140)는 독립적 비교정보 및 상대적 비교정보 중 적어도 하나를 분석하여 영업점(1000)의 상태에 영향을 미치는 요소를 선정할 수 있다. 또한, 분석부(140)는 선정된 상기 요소의 변화에 따라 영업점 정보(200)가 어떻게 변하는지를 예측 및 분석할 수 있다.
본 개시의 일 실시예에 따른 분석부(140)는 독립적 비교정보 및 상대적 비교정보 중 적어도 하나와 피드백 정보(800)에 기초하여 보정된 분석정보(701)를 생성할 수 있다. 보다 구체적으로, 분석부는 피드백 정보를 바탕으로 수행된 맞춤 이벤트(900)에 대한 평가를 수행할 수 있다. 또한, 상기 분석부는 상기 맞춤 이벤트에 대한 평가를 반영하여, 다음 맞춤 이벤트를 생성할 수 있다. 즉, 분석부(140)는 생성된 맞춤 이벤트에 대한 피드백 정보를 지속적으로 수집할 수 있다. 또한, 분석부는 대상 고객의 반응이 맞춤 이벤트의 의도와 일치하는 것, 또는 대상 고객의 반응이 긍정적인 맞춤 이벤트를 반영하여 보정된 분석정보(701)를 생성할 수 있다. 이와 관련한, 분석부의 자세한 동작은 도 6을 참조하여 후술한다.
이벤트 생성부(150)는 분석정보(700)에 기초하여 맞춤 이벤트(900)를 생성할 수 있다. 또한, 이벤트 생성부는 보정된 분석정보(701)에 기초하여 맞춤 이벤트를 생성할 수도 있다. 보다 구체적으로, 이벤트 생성부는 분석정보(700)가 포함하는 정보와 연관된 결과를 맞춤 이벤트로 선정할 수 있다.
본 개시의 일 실시예에 따른 서버(100)는 도 1에 도시된 바와 같이, 이벤트 제공부(160)를 포함할 수 있다. 이벤트 제공부는 영업점(1000)으로부터 사전 설정된 거리에 사전 설정된 형상의 하나 이상의 가상 울타리(virtual fence)(1001, 1002, 1003)를 설정할 수 있다. 여기서 가상 울타리는 GPS 등과 같은 위치정보, Wi-Fi 및 블루투스 등과 같은 무선 인터넷을 통한 위치 서비스를 기반으로 생성될 수 있다. 그리고 고객 단말이 상기 가상 울타리 내부에 위치하는 경우, 상기 고객 단말에 맞춤 이벤트(900)를 제공할 수 있다.
따라서, 본 개시의 일 실시예에 따른 영업점 관리 서버는 영업점(1000)에 대한 독립적인 분석 및 상대적인 분석을 모두 반영하여 객관적인 분석을 수행할 수 있다. 또한, 객관적인 분석을 기초로 자동적으로 상기 영업점에 맞춤형 이벤트를 생성해주기 때문에 영업점을 관리하는 사용자(예컨대, 점주)의 보다 전문적이고 편리한 영업점 관리를 제공할 수 있다. 또한, 피드백 정보를 이용하여 고객들의 반응을 분석정보에 재반영함으로써 연속적으로 영업점을 관리하는 경우, 점차 높은 성공확률을 가질 수 있는 맞춤 이벤트를 제공할 수 있다.
도 2는 본 개시의 일 실시예에 따른 독립적 비교와 분석에 관련한 예시도이다.
본 개시의 일 실시예에 따른 독립적 비교부(120)는 영업점 정보를 사전 설정된 기준치와 비교하여 영업점 상태에 관련한 독립적 비교정보(500)를 생성할 수 있다. 여기서 독립적 비교정보는 영업점 정보(200)를 영업점(1000)에 대한 정보 또는 기준치와 비교하여 생성될 수 있다. 이에 따라, 독립적 비교정보는 상기 영업점(1000)에 대한 타점포의 영향이 제외된 절대적인 평가의 기초일 수 있다. 또한, 독립적 비교정보(500)는 독립 문제 항목(510) 및 독립 변화 요소 정보(530)를 포함할 수 있다.
보다 구체적으로, 여기서 영업점 정보(200)는 하나 이상의 항목을 포함하는 영업점(1000)의 상태와 관련한 정보일 수 있다. 또한, 독립적 비교부는 하나 이상의 항목 각각마다 사전 설정된 기준치를 설정할 수 있다. 여기서 사전 설정된 기준치는 상기 영업점에 대해서 사용자가 임의로 설정한 영업점의 항목별 목표값, 또는 영업점 서버로부터 수신된 타 점포들의 항목별 평균값일 수 있다.
예를 들어, 독립적 비교부(120)의 사전 설정된 기준치가 사용자가 임의로 설정한 영업점(1000)의 월간 목표값 "월 매출 1,000만원, 회전율 2회/일 및 순이익율 20%"일 수 있다. 그리고, 영업점 포스 단말로부터 수신한 영업점 정보(200)는 "월 매출 800만원, 회전율 1.7회/일 및 순이익율 14%"일 수 있다. 이러한 경우, 독립적 비교부(120)는 상기 영업점 정보와 사전 설정된 기준치를 비교하여 "월 매출 200만원 부족, 회전율 0.3회/일 부족 및 순이익율 6% 부족"이라는 독립적 비교정보(500)를 생성할 수 있다. 전술한 독립적 비교부의 비교와 수치의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.
또한, 본 개시의 일 실시예에 따른 독립적 비교부(120)는 영업점 정보를 과거 영업점 정보와 비교하여 영업점 상태에 관련한 독립적 비교정보(500)를 생성할 수 있다. 여기서 과거 영업점 정보(210)는 영업점 정보와 과거 영업점 정보를 비교하는 시점 이전의 시점으로부터 사전 설정된 기간 동안에 해당하는 영업점 정보를 포함할 수 있다.
보다 구체적으로, 과거 영업점 정보는 영업점 정보(200)와는 서로 다른 기간 동안의 영업점(1000)의 업종 정보, 지리적 위치 정보, 매출 정보, 고객 정보 및 제품 정보 중 적어도 하나를 항목으로 포함할 수 있다. 또한, 과거 영업점 정보(210)는 비교 시점 이전의 특정 시점으로부터 사전 설정된 기간 동안에 해당하는 영업점 정보를 포함할 수 있다. 예를 들어, 과거 영업점 정보는 비교 시점의 전년도 1분기에 해당하는 영업점 정보, 또는 비교 시점의 직전달에 해당하는 영업점 정보일 수 있다. 전술한 과거 영업점 정보의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다. 예를 들어, 영업점 정보가 특정 시점으로부터 1년 동안의 영업점 정보를 포함하는 경우, 과거 영업점 정보는 상기 특정 시점으로부터 1년 전까지의 영업점 정보를 포함할 수도 있다.
또한, 본 개시의 일 실시예에 따른 독립적 비교부는 영업점 정보(200)와 과거 영업점 정보(210) 간의 각각의 항목의 수치를 각각 비교하여 변화량이 사전 설정된 기준 변화량 이상인지 여부를 판별할 수 있다. 그리고 상기 독립적 비교부는 변화량이 기준 변화량 이상인 항목을 독립 문제 항목(510)으로 결정할 수 있다. 그리고 이와 관련하여, 상기 독립적 비교부는 독립 변화 요소 정보(530)를 생성할 수 있다. 여기서 독립 변화 요소 정보(530)는 독립 문제 항목에 영향을 미치는 하나 이상의 요소에 대한 정보를 포함할 수 있다. 그리고, 상기 독립 변화 요소 정보는 비교 시점의 시간 정보, 일자 정보, 요일 정보, 날씨 정보, 정책 정보, 고객 정보, 제품 정보 및 과거 이벤트 정보 중 적어도 하나를 포함할 수 있다. 전술한 독립 변화 요소 정보의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.
예를 들어, 영업점(1000)의 업종이 전통음식점이고, 과거 영업점 정보(210)는 전년도 동일한 분기의 영업점 정보일 수 있다. 따라서, 독립적 비교부(120)는 2016년 1월 1일부터 2016년 3월 31일까지의 영업점 정보(200)와 2015년 1월 1일부터 2015년 3월 31일까지의 영업점 정보, 즉, 과거 영업점 정보(210)를 비교할 수 있다. 여기서 영업점 정보 및 과거 영업점 정보가 공통적으로 포함하는 항목들은 "재고율", "광고비" 및 "월 매출액"일 수 있다. 그리고 상기 과거 영업점 정보 상의 상기 항목들의 평균이 "재고율 2%, 광고비 70만원 및 월 매출액 400만원"일 수 있다. 또한, 상기 영업점 정보(200) 상의 상기 항목들의 평균이 "재고율 5%, 광고비 120만원 및 월 매출액 380만원"일 수 있다. 이에 따라, 독립적 비교부(120)는 과거 영업점 정보(210)와 영업점 정보를 비교하여, 각 항목마다 사전 설정된 기준 변화량 이상 변화했는지 여부를 파악할 수 있다. 그 결과, 상기 독립적 비교부(120)는 2015년도 대비 2016년에는 "재고율"에 대한 항목이 기준 변화량 이상 변화했다는 것을 기초로 "재고율"항목을 독립 문제 항목(510)으로 결정할 수 있다. 또한, 상기 "재고율" 항목에 영상을 미치는 독립 변화 요소 정보(530)를 생성할 수 있다. 따라서, 독립적 비교부(120)는 독립 문제 항목(510) 및 독립 변화 요소 정보(530)를 포함하는 독립적 비교정보(500)를 생성할 수 있다. 전술한 독립적 비교부의 동작 및 수치의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에 따른 분석부(140)는 독립적 비교정보에 기초하여 영업점(1000)의 상태의 원인에 관련한 분석정보(700)를 생성할 수 있다. 보다 구체적으로, 분석부(140)는 독립 문제 항목(510)과 독립 변화 요소 정보(530)의 연관성을 분석하여 분석정보(700)를 생성할 수 있다. 그리고, 상기 분석정보는 독립 문제 항목의 원인에 관련한 독립 원인 정보(710)를 포함할 수 있다.
예를 들어, 전술한 예시에서 분석부(140)는 독립적 비교정보(500)에 포함된 상기 독립 문제 항목 "재고율" 및 상기 독립 변화 요소 정보(530) 간의 연관성을 분석할 수 있다. 그리고, 독립 변화 요소 정보 중 상기 "재고율" 항목에 가장 많은 영향을 미치는 요소 "날씨" 및 "시간"를 독립 원인 정보(710)로 결정할 수 있다. 따라서, 분석부(140)는 상기 독립 문제 항목 "재고율"이 사전 설정된 기준 변화량 이상의 변화를 보인 원인이 독립 원인 정보(710) "날씨" 및 "시간"라는 분석정보(700)를 생성할 수 있다. 전술한 분석부 동작의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.
따라서, 본 개시의 일 실시예에 따른 영업점 관리 서버는 영업점(1000)에 대한 절대적인 분석 및 상대적인 분석을 모두 반영하여 객관적인 분석을 수행할 수 있다. 또한, 객관적인 분석을 기초로 자동적으로 상기 영업점에 맞춤형 이벤트를 생성해주기 때문에 영업점을 관리하는 사용자(예컨대, 점주)의 보다 전문적이고 편리한 영업점 관리를 제공할 수 있다. 또한, 피드백 정보를 이용하여 고객들의 반응을 분석정보에 재반영함으로써 연속적으로 영업점을 관리하는 경우, 점차 높은 성공확률을 가질 수 있는 맞춤 이벤트를 제공할 수 있다.
도 3은 본 개시의 일 실시예에 따른 상대적 비교와 분석에 관련한 예시도이다.
본 개시의 일 실시예에 따른 상대적 비교부(130)는 영업점 정보(200)를 유사 점포 정보(300)와 비교하여 영업점의 상태에 관련한 상대적 비교정보를 생성할 수 있다. 여기서 상대적 비교정보는 영업점 정보(200)를 유사 점포 정보(300)와 비교하여 생성될 수 있다. 이에 따라, 상대적 비교정보(600)는 자점을 제외한 타점포의 영향을 반영한 영업점(1000)에 대한 상대적인 평가의 기초일 수 있다. 또한, 상대적 비교정보는 상대 문제 항목(610) 및 상대 변화 요소 정보(630)를 포함할 수 있다.
또한, 본 개시의 일 실시예에 따른 상대적 비교부(130)는 신규 유사 점포의 생성 시점(240)을 기준으로 하는 신규 유사 점포의 생성 시점 이전 영업점 정보(230)와 신규 유사 점포의 생성 시점 이후 영업점 정보(250) 간의 비교를 통해 상대적 비교정보(600)를 생성할 수 있다. 이와 관련한 내용은 도 4를 참조하여 후술한다.
본 개시의 일 실시예에 따른 유사 점포는 영업점(1000)과 업종, 지리적 위치, 매장의 크기, 매출, 고객 및 제품 중 적어도 하나의 항목에 대한 관련성을 가지는 타점포일 수 있다. 보다 구체적으로, 유사 점포는 상기 유사 점포에 해당하는 유사 점포 정보(300)가 영업점 정보(200)와 하나 이상의 항목을 동일하게 포함하는 점포일 수 있다. 그리고, 상기 유사 점포는 유사 점포 정보와 영업점 정보가 서로 동일하게 포함하는 상기 항목에서 관련성을 가지는 점포일 수 있다.
즉, 영업점 정보(200)에 포함되는 업종 정보, 지리적 위치 정보, 매출 정보, 고객 정보 및 제품 정보 증 적어도 하나는 유사 점포 정보(300)에 포함되어 유사 점포의 판단에 사용될 수 있다. 예를 들어, 영업점 정보(200)가 "도매 및 소매업, G코드"을 업종 정보로 포함할 수 있다. 이러한 경우, 임의의 점포에 대한 정보가 업종 정보를 포함하고, 유사 점포 정보(300)의 업종 정보가 "도매 및 소매업, G코드"이면, 상기 임의의 점포는 영업점(1000)과 동일한 항목에서 관련성을 가지는 유사 점포일 수 있다. 전술한 유사 점포에 대한 유사 여부 판단은 예시일뿐, 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에 따른 상대적 비교부(130)는 동일한 기간 동안의 영업점 정보(200)와 유사 점포 정보(300)의 각각의 항목의 수치를 각각 비교하여 차이값이 사전 설정된 기준값 이상인지 여부를 판별할 수 있다. 그리고 상기 상대적 비교부는 차이값이 기준값 이상인 항목을 상대 문제 항목(610)으로 결정할 수 있다. 그리고 이와 관련하여, 상기 상대적 비교부는 상대 변화 요소 정보(630)를 생성할 수 있다. 여기서 상대 변화 요소 정보는 상대 문제 항목에 영향을 미치는 하나 이상의 요소에 대한 정보를 포함할 수 있다. 그리고, 상대 변화 요소 정보(630)는 비교 시점의 시간 정보, 일자 정보, 요일 정보, 날씨 정보, 정책 정보, 고객 정보, 제품 정보 및 과거 이벤트 정보 중 적어도 하나를 포함할 수 있다. 전술한 상대 변화 요소 정보의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.
예를 들어, 영업점(1000)이 제과제빵 매장인 경우, 유사 점포는 1km 거리 이내에 존재하는 동일한 업종의 제과제빵 매장일 수 있다. 따라서, 상대적 비교부(130)는 2016년 1월 1일부터 2016년 3월 31일까지의 영업점 정보(200)와 동일한 기간의 유사 점포 정보(300)를 비교할 수 있다. 여기서 영업점 정보 및 유사 점포 정보가 공통적으로 포함하는 항목이 "분기 순수익", "분기당 방문고객 수" 및 "객단가"일 수 있다. 그리고 상기 영업점 정보(200) 상의 상기 항목들은 "분기 순수익 2천만원, 분기당 방문고객 수 2,000명 및 객단가 7,000원"일 수 있다. 또한, 상기 유사 점포 정보(300) 상의 상기 항목들은 "순수익 3천만원, 분기당 방문고객 수 2,700명 및 객단가 9,000원"일 수 있다. 이에 따라, 상대적 비교부(130)는 영업점 정보(200)와 유사 점포 정보(300)를 비교하여, 각 항목마다의 차이값이 사전 설정된 기준값 이상인지 여부를 파악할 수 있다. 그 결과, 상기 상대적 비교부(130)는 영업점(1000)은 유사 점포에 비해 "객단가"에 대한 항목이 기준값 이상 차이가 난다는 것을 기초로 "객단가"항목을 상대 문제 항목(610)으로 결정할 수 있다. 또한, 상기 "객단가" 항목에 영상을 미치는 상대 변화 요소 정보(630)를 생성할 수 있다. 따라서, 상대적 비교부(130)는 상대 문제 항목(610) 및 상대 변화 요소 정보(630)를 포함하는 상대적 비교정보(600)를 생성할 수 있다. 전술한 상대적 비교부의 동작 및 수치의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에 따른 분석부(140)는 상대적 비교정보에 기초하여 영업점(1000)의 상태의 원인에 관련한 분석정보(700)를 생성할 수 있다. 보다 구체적으로, 분석부(140)는 상대 문제 항목(610)과 상대 변화 요소 정보(630)의 연관성을 분석하여 분석정보(700)를 생성할 수 있다. 그리고, 상기 분석정보는 상대 문제 항목의 원인에 관련한 상대 원인 정보(730)를 포함할 수 있다.
예를 들어, 전술한 예시에서 분석부(140)는 상대적 비교정보(600)에 포함된 상기 상대 문제 항목 "객단가" 및 상기 상대 변화 요소 정보(630) 간의 연관성을 분석할 수 있다. 그리고, 상대 변화 요소 정보 중 상기 "객단가" 항목에 가장 많은 영향을 미치는 요소 "쿠폰사용의 최소한도값" 및 "제품 구성"을 상대 원인 정보(730)로 결정할 수 있다. 따라서, 분석부(140)는 상기 상대 문제 항목 "객단가"이 사전 설정된 기준값 이상의 차이를 보인 원인이 상대 원인 정보(730) "쿠폰사용의 최소한도값" 및 "제품 구성"라는 분석정보(700)를 생성할 수 있다. 전술한 분석부 동작의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.
따라서, 본 개시의 일 실시예에 따른 영업점 관리 서버는 영업점(1000)에 대한 절대적인 분석 및 상대적인 분석을 모두 반영하여 객관적인 분석을 수행할 수 있다. 또한, 객관적인 분석을 기초로 자동적으로 상기 영업점에 맞춤형 이벤트를 생성해주기 때문에 영업점을 관리하는 사용자(예컨대, 점주)의 보다 전문적이고 편리한 영업점 관리를 제공할 수 있다. 또한, 피드백 정보를 이용하여 고객들의 반응을 분석정보에 재반영함으로써 연속적으로 영업점을 관리하는 경우, 점차 높은 성공확률을 가질 수 있는 맞춤 이벤트를 제공할 수 있다.
본 개시의 일 실시예에 따른 사전 설정된 기준값은 영업점(1000)과 유사 점포의 상대적 규모 정보에 기초하여 결정될 수 있다. 보다 구체적으로, 상대적 비교부(130)는 유사 점포 정보(300)와 영업점 정보(200)에 동일하게 포함된 하나 이상의 항목을 기준으로 보정치를 생성할 수 있다. 여기서 보정치는 상기 상대적 비교부가 영업점(1000)과 유사 점포의 규모 차이와 상관 없이 동일한 기준으로 비교할 수 있도록 구성될 수 있다. 또한, 상기 보정치는 영업점 정보(200) 및 유사 점포 정보(300)에 포함된 각 항목의 수치를 조정할 수 있는 값일 수 있다. 그리고, 상기 보정치 생성의 기준이 되는 항목은 점포의 규모와 관련한 정보를 포함할 수 있다. 예를 들어, 상기 항목은 매출액, 점포 면적, 좌석 수, 종업원 수, 일 평균 방문 고객 수 및 재고량 중 적어도 하나의 정보를 포함할 수 있다. 전술한 점포의 규모와 정보를 포함하는 항목의 나열은 예시일뿐, 본 개시는 이에 제한되지 않는다.
예를 들어, 전술한 예시에서 영업점 정보(200) 및 유사 점포 정보(300)는 "점포 면적"이라는 항목을 추가로 더 포함할 수 있다. 따라서, 상대적 비교부(130)는 영업점(1000)의 "점포 면적 30m^2" 및 유사 점포의 "점포 면적 45m^2"에 기초하여 보정치 2/3를 생성할 수 있다. 따라서, 전술한 예시에서 상대적 비교부는 상기 유사 점포 정보(300) 상의 상기 항목들은 "순수익 3천만원 및 분기당 방문고객 수 2,700명"에 보정치를 곱 연산한 "순수익 2천만원 및 분기당 방문고객 수 1,800명"을 생성할 수 있다. 그리고, 상기 상대적 비교부(130)는 보정된 유사 점포 정보와 영업점 정보(200)를 비교하여 상대적 비교정보(600)를 생성할 수 있다. 따라서, 상대적 비교부가 유사 점포와의 규모와는 상관없이 동일한 기준으로 유사 점포 정보(300)와 영업점 정보(200)를 비교할 수 있는 효과를 제공할 수 있다.
도 4는 본 개시의 일 실시예에 따른 신규 유사 점포 생성에 따른 경쟁 비교 및 분석에 관련한 예시도이다.
본 개시의 일 실시예에 따른 상대적 비교부(130)는 영업점(1000)의 인근 지역에 신규 유사 점포가 생성되는 경우, 신규 유사 점포의 생성 시점(240)을 기준으로 하는 신규 유사 점포의 생성 시점 이전 영업점 정보(230)와 신규 유사 점포의 생성 시점 이후 영업점 정보(250) 간의 비교를 통해 상대적 비교정보(600)를 생성할 수 있다. 여기서 상대적 비교정보는 경쟁 비교정보(650)를 포함할 수 있다.
보다 구체적으로, 수신부(110)는 수신한 유사 점포 정보를 상대적 비교부(130)에 제공할 수 있다. 그리고 상대적 비교부(130)는 상기 유사 점포 정보를 1회 이상 제공받아 유사 점포 정보(300)를 누적, 또는 갱신할 수 있다. 이에 따라, 상대적 비교부(130)는 유사 점포 정보를 누적/갱신하며, 영업점(1000)으로부터 사전 설정된 거리에 이내에 또는, 사전 설정된 지역 내에 신규 유사 점포가 생성되는 시점을 저장할 수 있다. 여기서 신규 유사 점포의 생성 시점(240)은 수신부(110)가 유사 점포 정보를 수신한 시점, 또는 상기 유사 점포 정보 상에 기록된 유사 점포의 생성 시점일 수 있다. 상기 점포의 생성이란, 점포가 상업활동의 시작, 또는 점포 부지의 매입일 수 있다. 전술한 유사 점포 정보의 출처는 예시일뿐, 본 개시는 이에 제한되지 않는다. 예를 들어, 유사 점포 정보(300)는 상대적 비교부(130)에 사전에 저장되어 있고, 수동적으로 갱신이 될 수도 있다.
또한, 상대적 비교부(130)는 신규 유사 점포의 생성 시점(240)을 기준으로 상기 신규 유사 점포의 생성 시점 이전 영업점 정보(230) 및 신규 유사 점포의 생성 이후 영업점 정보(200)를 결정할 수 있다. 예를 들어, 상대적 비교부가 비교하고자 하는 기간이 3개월인 경우, 신규 유사 점포의 생성 시점(240)을 기준으로 3개월 전부터 상기 신규 유사 점포의 생성 시점까지 해당하는 영업점 정보가 신규 유사 점포의 생성 시점 이전 영업점 정보(230)일 수 있다. 또한, 상기 신규 유사 점포의 생성 시점으로부터 3개월 후의 시점까지 해당하는 영업점 정보가 신규 유사 점포의 생성 시점 이후 영업점 정보(250)일 수 있다. 전술한 비교 기간의 수치 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.
그리고, 상대적 비교부(130)는 신규 유사 점포의 생성 시점 이전 영업점 정보(230)와 신규 유사 점포의 생성 시점 이후 영업점 정보(250)를 비교하여 경쟁 비교정보를 생성할 수 있다. 여기서 경쟁 비교정보(650)는 신규 유사 점포의 생성 시점(240) 전후로 영업점 정보(200)에서 발견되는 변화에 대한 정보를 포함한다.
예를 들어, 신규 유사 점포의 생성 시점(240)은 2016년 1월 1일일 수 있다. 또한, 상대적 비교부(130)가 비교하기로 결정된 기간이 6개월일 수 있다. 이에 따라, 신규 유사 점포의 생성 시점 이전 영업점 정보(230)는 2015년 7월 1일부터 2015년 12월 31일까지의 영업점 정보일 수 있다. 또한, 신규 유사 점포의 생성 시점 이후 영업점 정보(250)는 2016년 1월 1일부터 2016년 6월 31일까지의 영업점 정보일 수 있다. 그리고, 상대적 비교부(130)는 2015년 7월 1일부터 2015년 12월 31일까지의 영업점 정보(230)와 2016년 1월 1일부터 2016년 6월 31일까지의 영업점 정보(250)를 비교 할 수 있다. 여기서 상기 두 영업점 정보가 공통적으로 포함하는 항목이 "고객 연령층", "월 매출액" 및 "단골 고객 수"일 수 있다. 그리고 상기 신규 유사 점포의 생성 시점 이전 영업점 정보(230) 상의 상기 항목들의 평균은 각각 "35세, 월 매출액 600만원 및 100명"일 수 있다. 또한, 상기 신규 유사 점포 생성 시점 이후 영업점 정보(200) 상의 상기 항목들의 평균은 각각 "40세, 월 매출액 450만원 및 80명"일 수 있다. 이에 따라, 상대적 비교부(130)는 상기 두 영업점 정보를 비교하여, "고객 연령층"이 높아지고, "월 매출액" 및 "단골 고객 수"가 하락하는 것을 기초로 상대적 비교정보(600)를 생성할 수 있다. 따라서, 상대적 비교부(130)는 경쟁 비교정보(650)를 생성할 수 있다. 전술한 상대적 비교부의 동작 및 수치의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에 따른 분석부(140)는 상대적 비교정보에 기초하여 영업점(1000)의 상태의 원인에 관련한 분석정보(700)를 생성할 수 있다. 보다 구체적으로, 분석부(140)는 경쟁 비교정보(650)에 기초하여 분석정보(700)를 생성할 수 있다. 그리고, 상기 분석정보는 영업점(1000)의 상태의 원인에 관련한 경쟁 분석정보(750)를 포함할 수 있다.
예를 들어, 전술한 예시에서 분석부(140)는 상대적 비교정보(600)에 포함된 경쟁 비교정보(650)를 분석할 수 있다. 보다 구체적으로, 분석부는 "월 매출액" 및 "단골 고객 수"가 하락하면서, "고객 연령층"이 증가함을 분석함으로써, 유출된 단골 고객 및 일반 고객들의 연령대가 평균적으로 낮은 연령을 지니고 있음을 도출 할 수 있다. 따라서, 상기 분석부(140)는 상기 도출된 분석정보, 즉 경쟁 분석정보(750)를 생성할 수 있다. 전술한 분석부 동작의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에 따른 분석부(140)는 독립적 비교정보(500) 및 상대적 비교정보(600)에 기초하여 분석정보(700)를 생성할 수 있다.
예를 들어, 독립적 비교부(120)가 독립적 비교정보(500)를 생성할 수 있다. 여기서 독립적 비교정보는 독립 문제 항목(510) "단골 고객 수"와 독립 변화 요소 정보(530)를 포함할 수 있다. 또한, 상대적 비교부(130)가 상대적 비교정보(600)를 생성할 수 있다. 여기서 상대적 비교정보는 상대 문제 항목(610) "객단가"와 상대 변화 요소 정보(630)를 포함할 수 있다. 그리고, 분석부(140)는 상기 독립적 비교정보 및 상대적 비교정보를 모두 반영하여 분석정보를 생성할 수 있다. 여기서 분석정보(700)는 독립 원인 정보(710) "서비스" 및 상대 원인 정보(730) "마케팅 비용"를 포함할 수 있다. 전술한 분석부(140)의 동작 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.
따라서, 본 개시의 일 실시예에 따른 영업점 관리 서버는 영업점(1000)에 대한 절대적인 분석 및 상대적인 분석을 모두 반영하여 객관적인 분석을 수행할 수 있다. 또한, 객관적인 분석을 기초로 자동적으로 상기 영업점에 맞춤형 이벤트를 생성해주기 때문에 영업점을 관리하는 사용자(예컨대, 점주)의 보다 전문적이고 편리한 영업점 관리를 제공할 수 있다. 또한, 피드백 정보를 이용하여 고객들의 반응을 분석정보에 재반영함으로써 연속적으로 영업점을 관리하는 경우, 점차 높은 성공확률을 가질 수 있는 맞춤 이벤트를 제공할 수 있다.
도 5는 본 개시의 일 실시예에 따른 맞춤 이벤트의 대상 고객 선정의 예시를 도시한다.
본 개시의 일 실시예에 따른 서버(100)는 이벤트 생성부를 포함할 수 있다. 이벤트 생성부(150)는 분석정보(700)에 기초하여 맞춤 이벤트(900)를 생성할 수 있다. 보다 구체적으로, 이벤트 생성부는 분석부(140)가 분석을 통해 영업점(1000)의 상태의 원인에 관련한 분석정보를 제공받을 수 있다. 여기서 분석정보(700)는 독립 원인 정보(710), 상대 원인 정보(730) 및 경쟁 분석정보(750) 중 적어도 하나를 포함할 수 있다. 따라서, 이벤트 생성부(150)는 독립 원인 정보(710), 상대 원인 정보(730) 및 경쟁 분석정보(750) 중 적어도 하나에 기초한 맞춤 이벤트를 생성할 수 있다.
여기서 맞춤 이벤트(900)는 분석정보 생성에 기초가 된 하나 이상의 독립 문제 항목(510), 또는 하나 이상의 상대 문제 항목(610)에 영향을 미칠 수 있는 이벤트를 포함한다. 즉, 맞춤 이벤트는 독립 변화 요소 정보(530), 또는 상대 변화 요소 정보(630)를 조절하여 하나 이상의 문제 항목들을 의도한 방향으로 변화시키도록 구성될 수 있다.
예를 들어, 분석정보(700)는 독립 원인 정보(710)로써 "쿠폰사용의 최소한도값" 및 "제품 구성"을 포함할 수 있다. 또한, 상기 분석정보는 상대 원인 정보(730)로써 "서비스" 및 "마케팅 비용"을 포함할 수 있다. 따라서, 이벤트 생성부(150)는 상기 독립 원인 정보 및 상대 원인 정보에 기초하여, 연관성이 있는 원인 정보 "쿠폰사용의 최소한도값", "서비스" 및 "마케팅 비용"을 조절하는 맞춤 이벤트(900)를 생성할 수 있다. 따라서, 이벤트 생성부(150)는 기존의 발행되는 쿠폰사용의 최소한도값보다 높은 최소한도값을 가지고, 대신 쿠폰의 할인액을 높이도록 구성된 맞춤 이벤트를 생성할 수 있다. 전술한 이벤트 생성부(150) 동작의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다. 예를 들어, 제품의 구성을 단품에서 다수로 변경하여 개당 단가를 올리는 맞춤 이벤트를 생성할 수도 있다.
또한, 본 개시의 일 실시예에 따른 이벤트 생성부(150)는 분석정보(700)에 포함된 경쟁 분석정보(750)에 기초하여 맞춤 이벤트를 생성할 수 있다. 이에 따라, 이벤트 생성부는 경쟁 비교정보(650)를 변화시킬 수 있도록 구성된 맞춤 이벤트를 생성할 수 있다. 즉, 이벤트 생성부는 영업점(1000)이 신규 유사 점포 생성에 따른 변화를 만회할 수 있도록 하거나, 또는 신규 유사 점포 생성에 따른 변화를 장려하도록 하는 맞춤 이벤트를 생성할 수 있다.
예를 들어, 분석정보(700)는 경쟁 분석정보(750)로써 "연령대가 낮은 고객들이 신규 유사 점포 생성 시점부터 유출되고 있다"라는 정보를 포함할 수 있다. 따라서, 이벤트 생성부(150)는 상기 경쟁 분석정보(750)에 기초하여, 신규 유사 점포 생성에 따른 변화를 만회할 수 있는 맞춤 이벤트(900)를 생성할 수 있다. 따라서, 이벤트 생성부(150)는 학생들에게 할인 혜택을 주는 연령대 한정 맞춤 이벤트를 생성하여 낮은 연령대의 고객을 유치할 수 있다. 또는, 이벤트 생성부(150)는 고객들의 연령대를 높일 수 있는 고급화 전략 맞춤 이벤트를 생성할 수 있다. 전술한 맞춤 이벤트 생성의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에 따른 서버(100)는 이벤트 제공부를 포함할 수 있다. 이벤트 제공부(160)는 영업점(1000)으로부터 사전 설정된 거리에 사전 설정된 형상의 하나 이상의 가상 울타리(Virtual fence)를 설정할 수 있다. 그리고, 가상 울타리(1001) 내부에 위치하는 대상 고객의 단말에 맞춤 이벤트(900)를 제공할 수 있다.
여기서 대상 고객은 영업점(1000)에 단골로 등록한 고객, 단말의 위치 정보 제공에 동의한 고객 및 단말이 상기 가상 울타리(1001) 내부에 위치하고 있는 고객 중 적어도 하나에 포함되는 고객일 수 있다. 그리고, 단말은 PC(personal computer), 노트북(note book), 모바일 단말기(mobile terminal), 스마트 폰(smart phone), 태블릿 PC(tablet pc)등을 포함할 수 있으며, 유/무선 네트워크에 접속할 수 있는 모든 종류의 단말을 포함할 수 있다.
본 개시의 일 실시예에 따른 가상 울타리(1001, 1002, 1003)는 GPS 위치 정보, Wi-Fi 정보 및 블루투스 정보 중 적어도 하나에 기초하여 생성될 수 있다.
보다 구체적으로, 이벤트 제공부(160)는 GPS 정보, Wi-Fi 정보, 비콘(Beacon) 정보 및 블루투스 정보에 기초한 저장된 영업점의 위치를 기준으로 사전 설정된 거리에 사전 설정된 형상의 하나 이상의 가상 울타리(1001, 1002, 1003)를 설정할 수 있다. 여기서 가상 울타리의 형상은 일정한 직경을 가진 원, 정사각형 등의 사용자 임의의 도형이 될 수 있으며, 경우에 따라서 특정 지역의 경계선으로 구성된 형상일 수도 있다. 또한, 본 개시의 일 실시예에 따라 가상 울타리는 복수 개의 Wi-Fi존, 블루투스 존을 그룹핑하여 생성된 불규칙한 도형 형상일 수도 있다. 이에 따라, 이벤트 제공부(160)는 고객 단말의 GPS 위치정보, 고객 단말이 Wi-Fi AP(access point), 블루투스 비콘 등에 접속하는지 여부에 기초하여 가상 울타리 내부에 위치한 고객 및 상기 고객의 출입현황을 수집, 또는 인식할 수 있다.
본 개시의 일 실시예에 따른 이벤트 제공부(160)는 영업점의 포스 단말 또는 점주 단말(예를 들어, 점주의 스마트폰 등)이 사용자에게 가상 울타리(1001, 1002, 1003)를 시각적으로 표시할 수 있도록 하는 정보를 전달할 수 있다. 또한, 이벤트 제공부(160)는 영업점의 포스 말 또는 점주 단말로부터 수신된 가상 울타리의 형상 및 직경을 변경하고자 하는 입력을 에 기초하여, 가상 울타리의 형상 및 직경을 변경할 수 있다.
예를 들어, 이벤트 제공부(160)는 영업점(1000)을 중심으로 설정된 가상 울타리(1001, 1002, 1003)가 3개 존재하는 경우, 영업점의 포스 단말 또는 점주 단말의 사용자에게 도 5에서 도시되는 바와 같이 유저 인터페이스(UI)가 표시되도록 할 수 있다. 그리고, 이벤트 제공부(160)는 상기 사용자로부터 2km의 직경을 가지고, 가장 바깥에 위치하도록 설정된 최외각 가상 울타리(1003)를 확장하고자 하는 입력의 수신에 기초하여 최외곽 가상 울타리(1003)를 확장 할 수 있다. 이에 따라, 상기 이벤트 제공부는 상기 최외각 가상 울타리(1003)의 직경을 10km로 변경할 수 있다. 전술한 가상 울타리 설정의 변경 방법은 예시일뿐, 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에 따른 이벤트 제공부(160)는 수신부(110)로부터 맞춤 이벤트(900)의 대상이 되는 대상 고객, 또는 상기 대상 고객의 단말에 관련한 정보를 제공받을 수 있다. 또한, 이벤트 제공부(160)는 수신부로부터 전체 고객, 또는 전체 고객의 단말에 관련한 정보를 제공받을 수도 있다. 그리고, 상기 이벤트 제공부가 대상 고객 또는 대상 고객의 단말을 선별할 수 있다. 전술한 대상 고객, 또는 대상 고객의 단말의 출처 및 선별은 예시일뿐, 본 개시는 이에 제한되지 않는다. 예를 들어, 대상 고객, 또는 대상 고객의 단말에 관련한 정보는 이벤트 제공부(160)에 사전에 저장되어 있을 수 있다.
예를 들어, 수신부(110)는 영업점 서버로부터 영업점(1000)에 관련한 어플리케이션에서 상기 영업점(1000)을 단골 지점으로 선택한 고객들의 명단을 수신할 수 있다. 또한, 상기 수신부는 수신한 상기 명단을 이벤트 제공부(160)로 제공할 수 있다. 따라서, 이벤트 제공부(160)는 이벤트 생성부(150)에서 분석정보(700)에 기초하여 생성된 맞춤 이벤트가 연령, 또는 직업에 관한 이벤트일 경우, 조건에 해당하는 고객들에게만 어플리케이션을 통한 푸시 메시지로 맞춤 이벤트(900)를 제공할 수 있다. 전술한 이벤트 제공 방법은 예시일뿐, 본 개시는 이에 제한되지 않는다.
또 다른 예시에서, 이벤트 제공부(160)는 상기 명단의 고객 중 가상 울타리(1001, 1002, 1003) 내부에서 위치 기반 체크인을 하거나, 또는 무선 네트워크를 통해 영업점 서버에 접속하는 고객을 대상 고객으로 선정할 수 있다. 따라서, 상기 이벤트 제공부는 개인정보 제공에 따른 제약이 많은 푸시(Push) 형태의 마케팅 대신 고객이 능동적으로 맞춤 이벤트를 제공받을 수 있는 풀(Pull) 형태의 접근 방식을 사용할 수도 있다. 전술한 이벤트 제공 방법은 다른 예시일뿐, 본 개시는 이에 제한되지 않는다.
또한, 본 개시의 일 실시예에 따른 이벤트 제공부(160)는 설정된 하나 이상의 가상 울타리(1001, 1002, 1003)를 통해 맞춤 이벤트의 대상 고객을 선정하거나, 맞춤 이벤트를 변경할 수 있다. 보다 구체적으로, 이벤트 제공부(160)는 각각의 가상 울타리가 서로 상이한 구역을 포함하도록 설정할 수 있다. 그리고, 상기 각각의 가상 울타리 경계를 기준으로, 고객 중 대상 고객을 선정하거나 또는 맞춤 이벤트의 내용을 변경할 수 있다.
예를 들어, 이벤트 제공부(160)는 도 5에 도시되는 바와 같이, 비콘 정보를 기초로 생성된 3차 가상 울타리(1001), Wi-Fi 정보를 기초로 생성된 2차 가상 울타리(1002) 및 GPS 정보를 기초로 생성된 1차 가상 울타리(1003)를 설정할 수 있다. 또한, 상기 이벤트 제공부(160)는 상기 1차 가상 울타리 내부에 위치한 고객의 단말 정보를 수신부로부터 제공받을 수 있다. 따라서, 이벤트 제공부는 고객의 단말에 영업점(1000)의 위치 및 방향을 포함하는 SMS 문자 메시지를 전송할 수 있다. 또한, 추가적으로, 이벤트 제공부가 상기 고객의 단말이 2차 가상 울타리 내부에 진입함을 수신부로부터 제공 받은 경우, 상기 이벤트 제공부는 맞춤 이벤트(900)의 포스터를 포함하는 SMS 문자 메시지를 추가 전송할 수 있다. 그리고, 상기 고객의 단말이 3차 가상 울타리 내부에 진입하는 경우, 이벤트 제공부(160)는 상기 맞춤 이벤트(900)에 해당하는 할인 쿠폰 및 사은품을 제공할 수 있다. 이와 같이, GPS, Wi-Fi 및 블루투스 등의 수신 거리에 기초하여 가상 울타리의 경계 지점이 설정될 수 있다. 따라서, 이벤트 제공부(160)는 고객 단말이 영업점에 가까워 질수록(예를 들어, GPS 정보에 따라 설정된 범위의 가상 울타리(1003)에서 Wi-Fi 정보에 따라 설정된 범위의 가상 울타리(1001)쪽으로 진입 하는 경우) 각각의 울타리의 경계지점에서 추가적인 이벤트를 제공할 수 있다. 반대로, 이벤트 제공부는 고객 단말이 영업점에서 멀어질수록 고객을 영업점으로 유인하기 위하여 각각의 울타리의 경계지점에서 추가적인 이벤트를 고객 단말에게 제공할 수도 있다. 전술한 이벤트 제공부(160)의 동작은 예시일뿐, 본 개시는 이에 제한되지 않는다. 예를 들어, 고객의 위치가 3차 가상 울타리(1001)에서 2차 가상 울타리(1002)로 영업점(1000)과 멀어지는 경우, 이벤트 제공부(160)는 상기 고객을 유치하기 위한 신규 맞춤 이벤트를 제공할 수도 있다.
따라서, 본 개시의 일 실시예에 따른 영업점 관리 서버는 영업점(1000)에 대한 절대적인 분석 및 상대적인 분석을 모두 반영하여 객관적인 분석을 수행할 수 있다. 또한, 객관적인 분석을 기초로 자동적으로 상기 영업점에 맞춤형 이벤트를 생성해주기 때문에 영업점을 관리하는 사용자(예컨대, 점주)의 보다 전문적이고 편리한 영업점 관리를 제공할 수 있다. 또한, 피드백 정보를 이용하여 고객들의 반응을 분석정보에 재반영함으로써 연속적으로 영업점을 관리하는 경우, 점차 높은 성공확률을 가질 수 있는 맞춤 이벤트를 제공할 수 있다.
본 개시의 일 실시예에 따른 이벤트 제공부(160)는 고객 단말에 맞춤 이벤트(900)를 제공할 수 있다. 보다 구체적으로, 이벤트 제공부(160)는 네트워크를 통해 맞춤 이벤트를 고객 단말에 송신할 수 있다. 여기서 송신 방법은 SMS 문자 메시지, 또는 어플리케이션을 통한 푸시 메시지 등의 방법을 포함할 수 있다. 이하에서는 네트워크에 대해서 설명한다. 상기 네트워크는 단일 네트워크일 필요는 없다. 상기 네트워크는 다수의 컴퓨팅 장치 사이에 통신이 가능하게 하는 LAN, WAN, 인트라넷이나 인터넷 또는 이러한 것들의 결합일 수 있다. 더욱이, 네트워크는 무선, 유선, 또는 무선 유선 결합 연결을 포함할 수 있다. 추가적으로, 보안을 강화하기 위해 VPN 등의 기술이 사용될 수 있다.
보다 상세히, 여기서 제시되는 네트워크는 공중전화 교환망(PSTN:Public Switiched Telephone Network), xDSL(x Digital Subscriber Line), RADSL(Rate Adaptive DSL), MDSL(Multi Rate DSL), VDSL(Very High Speed DSL), FTTH(Fibers to the home), PLC(Power Line Communication), UADSL(Universal Asymmetric DSL), HDSL(High Bit Rate DSL) 및 근거리 통신망(LAN) 등과 같은 다양한 유선 통신 시스템들을 사용할 수 있다.
또한, 여기서 제시되는 상기 네트워크는 CDMA(Code Division Multi Access), TDMA(Time Division Multi Access), FDMA(Frequency Division Multi Access), OFDMA(Orthogonal Frequency Division Multi Access), SC-FDMA(Single Carrier-FDMA) 및 다른 시스템들과 같은 다양한 무선 통신 시스템들을 사용할 수 있다.
본 개시의 일 실시예에 따른 네트워크는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN:Personal Area Network), 근거리 통신망(WAN:Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW:World Wide Web)일 수 있으며, 적외선(IrDA:Infrared Data Assoication), RFID(Radio Frequency Identification), UWB(Ultra Wideband), ZigBee, Beacon 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다.
도 6은 본 개시의 일 실시예에 따른 보정된 분석정보의 생성 예시도이다.
본 개시의 일 실시예에 따른 분석부(140)는 독립적 비교정보(500) 및 상대적 비교정보(600) 중 적어도 하나와 피드백 정보(800)에 기초하여 영업점의 상태의 원인에 관련한 보정된 분석정보(701)를 생성할 수 있다.
보다 구체적으로, 수신부(110)는 맞춤 이벤트(900)에 대한 피드백 정보를 추가적으로 수신할 수 있다. 여기서 피드백 정보(800)는 대상 고객에 대한 맞춤 이벤트(900)의 도달율, 참여율, 선호도, 설문조사 결과 및 상기 영업점 정보(200)의 변화량 중 적어도 하나를 포함할 수 있다. 전술한 피드백 정보의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다. 그리고, 분석부(140)는 상기 피드백 정보를 독립적 비교정보(500) 또는 상대적 비교정보(600) 중 적어도 하나와 연관시켜 보정된 분석정보(701)를 생성할 수 있다. 또한, 상기 분석부(140)는 피드백 정보를 바탕으로 수행된 맞춤 이벤트(900)에 대한 평가를 저장할 수 있다. 즉, 분석부(140)는 생성된 맞춤 이벤트에 대한 피드백 정보를 지속적으로 수집할 수 있다. 또한, 분석부는 수행된 맞춤 이벤트의 의도가 대상 고객의 반응과 일치하는 것, 또는 대상 고객의 긍적적인 반응을 받은 맞춤 이벤트에 대한 반영하여 보정된 분석정보(701)를 생성할 수 있다.
그리고, 본 개시의 일 실시예에 따른 이벤트 생성부(150)는 피드백 정보가 포함하는 상기 맞춤 이벤트(900)에 대한 평가를 반영하여, 다음 맞춤 이벤트를 생성할 수 있다. 또한, 상기 이벤트 생성부는 분석정보(700)보다 보정된 분석정보(701)에 우선적으로 기초하여 맞춤 이벤트를 생성할 수 있다.
예를 들어, 이벤트 생성부(150)가 시간대별 다른 품목의 할인 행사를 진행하는 맞춤 이벤트(900)를 생성할 수 있다. 보다 구체적으로, 상기 맞춤 이벤트는 정오부터 18시까지 아이스크림 품목의 할인 및 18시부터 자정까지 도시락 품목의 할인을 포함할 수 있다. 또한, 이벤트 제공부(160)가 상기 이벤트를 영업점 주위의 2km 이내의 가상 울타리(1001, 1002, 1003) 내부에 위치한 고객의 단말 상의 어플리케이션 푸시 메시지로 상기 맞춤 이벤트를 제공할 수 있다. 그리고, 수신부(110)는 대상 고객들이 상기 푸시 메시지를 확인하는 비율, 즉 도달율에 대한 피드백 정보(800)를 수신할 수 있다. 상기 도달율이 30% 미만인 경우, 분석부(140)는 상기 피드백 정보에 기초하여 대상 고객들이 상기 맞춤 이벤트에 관심이 없다는 것을 반영한 보정된 분석정보(701)를 생성할 수 있다. 따라서, 이벤트 생성부(150)는 대상 고객들이 보다 관심을 갖도록 하는 신규 맞춤 이벤트를 새로 생성할 수 있다. 전술한 피드백 정보에 기초한 보정은 예시일뿐, 본 개시는 이에 제한되지 않는다.
따라서, 본 개시의 일 실시예에 따른 영업점 관리 서버는 영업점(1000)에 대한 절대적인 분석 및 상대적인 분석을 모두 반영하여 객관적인 분석을 수행할 수 있다. 또한, 객관적인 분석을 기초로 자동적으로 상기 영업점에 맞춤형 이벤트를 생성해주기 때문에 영업점을 관리하는 사용자(예컨대, 점주)의 보다 전문적이고 편리한 영업점 관리를 제공할 수 있다. 또한, 피드백 정보를 이용하여 고객들의 반응을 분석정보에 재반영함으로써 연속적으로 영업점을 관리하는 경우, 점차 높은 성공확률을 가질 수 있는 맞춤 이벤트를 제공할 수 있다.
도 7은 본 개시의 일 실시예에 따른 다양한 정보들 간의 관계도이다.
본 개시의 일 실시예에 따른 영업점 정보(200)는 영업점의 업종 정보, 지리적 위치 정보, 매출 정보, 고객 정보 및 제품 정보 중 적어도 하나를 항목으로 포함할 수 있다.
보다 구체적으로, 영업점 정보는 하나 이상의 항목으로 이루어진 영업점(1000)의 상태에 관련한 정보를 포함할 수 있다. 여기서 영업점 정보(200)는 일반속성 항목(예컨대, 업종 정보 및 지리적 위치 정보 등) 및 시변속성 항목(예컨대, 매출 정보, 고객 정보 및 제품 정보 등) 중 적어도 하나를 포함할 수 있다. 즉, 영업점 정보는 시간에 따른 가변성이 낮은 항목 및 시간에 따른 가변성이 높은 항목 중 적어도 하나를 포함할 수 있다.
본 개시의 일 실시예에 따른 유사 점포는 영업점(1000)과 업종, 지리적 위치, 매장의 크기, 매출, 고객 및 제품 중 적어도 하나의 항목에 대한 관련성을 가지는 타점포일 수 있다.
보다 구체적으로, 유사 점포는 상기 유사 점포에 해당하는 유사 점포 정보(300)가 영업점 정보(200)와 하나 이상의 항목을 동일하게 포함하는 점포일 수 있다. 그리고, 상기 유사 점포는 유사 점포 정보와 영업점 정보가 서로 동일하게 포함하는 상기 항목에서 관련성을 가지는 점포일 수 있다. 즉, 영업점 정보(200)에 포함되는 업종 정보, 지리적 위치 정보, 매출 정보, 고객 정보 및 제품 정보 증 적어도 하나는 유사 점포 정보(300)에 포함되어 유사 점포의 판단에 사용될 수 있다.
전술한 영업점 정보 및 유사 점포 정보는 수신부(110)가 영업점 포스 단말 및 영업점 서버 중 적어도 하나로부터 수신하거나, 또는 사전에 서버(100)에 데이터베이스로 수집되어 저장된 정보를 포함할 수 있다. 또한, 상기 영업점 정보(200) 및 유사 점포 정보(300)는 독립적 비교부(120), 또는 상대적 비교부(130)로 제공되어 독립적 또는 상대적 비교의 기초가 될 수 있다.
본 개시의 일 실시예에 따른 독립적 비교정보(500)는 독립 변화 요소 정보(530)를 포함할 수 있다. 그리고, 상기 독립 변화 요소 정보는 하나 이상의 독립 문제 항목(510)에 영향을 미치는 하나 이상의 요소에 대한 정보를 포함할 수 있다.
보다 구체적으로, 본 개시의 일 실시예에 따른 독립적 비교정보(500)는 독립적 비교부(120)가 사전 설정한 기준치와 영업점 정보(200)를 비교하여 생성될 수 있다. 여기서 사전 설정된 기준치는 상기 영업점에 대해서 사용자가 임의로 설정한 영업점의 항목별 목표값, 또는 영업점 서버로부터 수신된 타 점포들의 항목별 평균값일 수 있다.
또한, 본 개시의 다른 일 실시예에 따른 독립적 비교정보(500)는 독립적 비교부가 과거 영업점 정보(210)와 영업점 정보를 비교하여 생성될 수 있다. 여기서 과거 영업점 정보(210)는 영업점 정보와 과거 영업점 정보를 비교하는 시점 이전의 시점으로부터 사전 설정된 기간 동안에 해당하는 영업점 정보를 포함할 수 있다.
이에 따라, 독립적 비교정보는 상기 영업점(1000)에 대한 타점포의 영향이 제외된 절대적인 평가의 기초일 수 있다. 또한, 독립적 비교정보(500)는 독립 문제 항목(510) 및 독립 변화 요소 정보(530)를 포함할 수 있다.
본 개시의 일 실시예에 따른 상대적 비교정보(600)는 상대 변화 요소 정보(630) 및 경쟁 비교정보(650) 중 적어도 하나를 포함할 수 있다. 그리고, 상기 상대 변화 요소 정보(630)는 하나 이상의 상대 문제 항목(610)에 영향을 미치는 하나 이상의 요소에 대한 정보를 포함할 수 있다. 여기서 상대적 비교정보는 영업점 정보(200)를 유사 점포 정보(300)와 비교하여 생성될 수 있다.
본 개시의 일 실시예에 따른 유사 점포는 영업점(1000)과 업종, 지리적 위치, 매장의 크기, 매출, 고객 및 제품 중 적어도 하나의 항목에 대한 관련성을 가지는 타점포일 수 있다. 보다 구체적으로, 유사 점포는 상기 유사 점포에 해당하는 유사 점포 정보(300)가 영업점 정보(200)와 하나 이상의 항목을 동일하게 포함하는 점포일 수 있다. 그리고, 상기 유사 점포는 유사 점포 정보와 영업점 정보가 서로 동일하게 포함하는 상기 항목에서 관련성을 가지는 점포일 수 있다.
또한, 본 개시의 다른 일 실시예에 따른 상대적 비교정보(600)는 상대적 비교부가 신규 유사 점포의 생성 시점 이전 영업점 정보와 신규 유사 점포의 생성 시점 이후 영업점 정보를 비교하여 경쟁 비교정보(650)를 생성할 수 있다.
이에 따라, 상대적 비교정보(600)는 자점을 제외한 타점포의 영향을 반영한 영업점(1000)에 대한 상대적인 평가의 기초일 수 있다. 또한, 상대적 비교정보는 상대 문제 항목(610) 및 상대 변화 요소 정보(630)를 포함할 수 있다.
이와 같이, 전술한 독립적 비교정보(500) 및 상대적 비교정보(600)는 각기 독립적 비교부(120), 또는 상대적 비교부(130)에서 각기 생성될 수 있다. 또한, 상기 독립적 비교정보 및 상대적 비교정보는 분석부(140)로 제공될 수 있다. 따라서, 분석부(140)가 분석정보(700)를 생성함에 있어서 독립/상대 문제 항목 및 상기 문제 항목에 영향을 미치는 요소들에 대한 정보, 즉, 독립/상대 변화 요소 정보를 제공할 수 있다.
본 개시의 일 실시예에 따른 분석정보(700) 및 보정된 분석정보(701)는 독립 원인 정보(710), 상대 원인 정보(730) 및 경쟁 분석정보 중 적어도 하나를 포함할 수 있다. 그리고, 분석부(140)는 상기 피드백 정보를 독립적 비교정보(500) 또는 상대적 비교정보(600) 중 적어도 하나와 연관시켜 보정된 분석정보(701)를 생성할 수 있다. 또한, 상기 분석부(140)는 피드백 정보를 바탕으로 수행된 맞춤 이벤트(900)에 대한 평가를 저장할 수 있다 여기서 피드백 정보(800)는 대상 고객에 대한 맞춤 이벤트(900)의 도달율, 참여율, 선호도, 설문조사 결과 및 상기 영업점 정보(200)의 변화량 중 적어도 하나를 포함할 수 있다. 전술한 피드백 정보의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다. 즉, 분석부(140)는 생성된 맞춤 이벤트에 대한 피드백 정보를 지속적으로 수집할 수 있다. 또한, 분석부는 수행된 맞춤 이벤트의 의도가 대상 고객의 반응과 일치하는 것, 또는 대상 고객의 긍적적인 반응을 받은 맞춤 이벤트에 대한 반영하여 보정된 분석정보(701)를 생성할 수 있다. 전술한 분석정보 및 보정된 분석정보는 이벤트 생성부(150)에 제공되어 맞춤 이벤트(900)의 생성에 있어서 기초가 될 수 있다.
도 8은 본 개시의 일 실시예에 따른 맞춤 이벤트 생성 방법의 순서도(Flow chart)이다.
수신부(110)가 영업점 포스 단말 및 영업점 서버 중 적어도 하나로부터 영업점(1000)의 상태에 관련한 영업점 정보(200)를 수신할 수 있다(1101).
본 개시의 일 실시예에 따른 영업점 정보(200)는 영업점의 업종 정보, 지리적 위치 정보, 매출 정보, 고객 정보 및 제품 정보 중 적어도 하나를 항목으로 포함할 수 있다. 보다 구체적으로, 영업점 정보는 하나 이상의 항목으로 이루어진 영업점(1000)의 상태에 관련한 정보를 포함할 수 있다. 그리고, 영업점 정보(200)는 시간에 따른 가변성이 낮은 항목, 즉, 시간 경과에 따라 변하지 않는 일반속성 항목을 포함할 수 있다. 또한, 영업점 정보(200)는 시간에 따른 가변성이 높은 항목, 즉, 시간 경과에 따라 변화가 있는 시변속성 항목을 포함할 수 있다. 상기 영업점 정보는 일반속성 항목 및 시변속성 항목을 모두 포함할 수 있다.
또한, 본 개시의 일 실시예에 따른 수신부(110)는 영업점 포스 단말, 영업점 서버 및 사용자 중 적어도 하나로부터 유사 점포 정보(300)를 1회 이상 수신할 수 있다. 그리고, 수신부(110)는 수신한 유사 점포 정보를 상대적 비교부(130)에 제공할 수 있다. 따라서, 상대적 비교부(130)는 수신부(110)로부터 제공받은 유사 점포 정보를 통해 유사 점포 정보(300)를 생성하거나, 또는 유사 점포 정보를 업데이트할 수 있다. 전술한 수신부의 유사 점포 정보 수신은 기재일뿐, 본 개시는 이에 제한되지 않는다. 예를 들어, 유사 점포 정보(300)는 상대적 비교부(130)에 사전에 저장되어 있을 수 있고, 주기적으로 갱신이 될 수 있다.
독립적 비교부(120)가 수신한 상기 영업점 정보를 사전 설정된 기준치, 또는 과거 영업점 정보(210)와 비교하여 상기 영업점의 상태에 관련한 독립적 비교정보(500)를 생성할 수 있다(1102).
본 개시의 일 실시예에 따른 독립적 비교부(120)는 영업점 정보를 사전 설정된 기준치와 비교하여 영업점 상태에 관련한 독립적 비교정보(500)를 생성할 수 있다. 여기서 독립적 비교정보는 영업점 정보(200)를 영업점(1000)에 대한 정보 또는 기준치와 비교하여 생성될 수 있다. 또한, 독립적 비교정보(500)는 독립 문제 항목(510) 및 독립 변화 요소 정보(530)를 포함할 수 있다.
또한, 본 개시의 일 실시예에 따른 독립적 비교부(120)는 영업점 정보를 과거 영업점 정보와 비교하여 영업점 상태에 관련한 독립적 비교정보(500)를 생성할 수 있다. 여기서 과거 영업점 정보(210)는 영업점 정보와 과거 영업점 정보를 비교하는 시점 이전의 시점으로부터 사전 설정된 기간 동안에 해당하는 영업점 정보를 포함할 수 있다. 이에 따라, 독립적 비교정보는 상기 영업점(1000)에 대한 타점포의 영향이 제외된 절대적인 평가의 기초일 수 있다.
상대적 비교부(130)가 영업점 정보(200)와 유사 점포 정보(300)를 비교하여 영업점의 상태에 관련한 상대적 비교정보(600)를 생성할 수 있다(1103). 여기서 유사 점포 정보는 영업점(1000)과 유사한 판매 환경의 유사 점포의 상태에 관련한 정보를 포함할 수 있다.
본 개시의 일 실시예에 따른 상대적 비교부(130)는 영업점 정보(200)를 유사 점포 정보(300)와 비교하여 영업점의 상태에 관련한 상대적 비교정보를 생성할 수 있다. 여기서 상대적 비교정보는 영업점 정보(200)를 유사 점포 정보(300)와 비교하여 생성될 수 있다. 또한, 상대적 비교정보는 상대 문제 항목(610) 및 상대 변화 요소 정보(630)를 포함할 수 있다.
본 개시의 일 실시예에 따른 상대적 비교부(130)는 영업점(1000)의 인근 지역에 신규 유사 점포가 생성되는 경우, 신규 유사 점포의 생성 시점(240)을 기준으로 하는 신규 유사 점포의 생성 시점 이전 영업점 정보(230)와 신규 유사 점포의 생성 시점 이후 영업점 정보(250) 간의 비교를 통해 상대적 비교정보(600)를 생성할 수 있다. 여기서 상대적 비교정보는 경쟁 비교정보(650)를 포함할 수 있다. 이에 따라, 상대적 비교정보(600)는 자점을 제외한 타점포의 영향을 반영한 영업점(1000)에 대한 상대적인 평가의 기초일 수 있다.
전술한 독립적 비교정보 생성 및 상대적 비교정보 생성은 반드시 순차적으로만 수행되는 것은 아니다. 본 개시의 실시예에 따라 독립적 비교정보(500) 생성 및 상대적 비교정보(600) 생성 중 하나만 생성될 수 있다. 또한, 상대적 비교정보의 생성이 독립적 비교정보의 생성보다 먼저 수행될 수도 있다.
분석부(140)가 상대적 비교정보 및 상기 독립적 비교정보 중 적어도 하나에 기초하여 영업점(1000)의 상태의 원인에 관련한 분석정보(700)를 생성할 수 있다(1104).
본 개시의 일 실시예에 따른 분석부(140)는 독립적 비교정보에 기초하여 영업점(1000)의 상태의 원인에 관련한 분석정보(700)를 생성할 수 있다. 보다 구체적으로, 분석부(140)는 독립 문제 항목(510)과 독립 변화 요소 정보(530)의 연관성을 분석하여 분석정보(700)를 생성할 수 있다. 그리고, 상기 분석정보는 독립 문제 항목의 원인에 관련한 독립 원인 정보(710)를 포함할 수 있다.
본 개시의 일 실시예에 따른 분석부(140)는 상대적 비교정보에 기초하여 영업점(1000)의 상태의 원인에 관련한 분석정보(700)를 생성할 수 있다. 보다 구체적으로, 분석부(140)는 상대 문제 항목(610)과 상대 변화 요소 정보(630)의 연관성을 분석하여 분석정보(700)를 생성할 수 있다. 그리고, 상기 분석정보는 상대 문제 항목의 원인에 관련한 상대 원인 정보(730)를 포함할 수 있다.
이벤트 생성부(150)가 분석정보(700)에 기초하여 맞춤 이벤트(900)를 생성할 수 있다(1105).
본 개시의 일 실시예에 따른 서버(100)는 이벤트 생성부를 포함할 수 있다. 이벤트 생성부(150)는 분석정보(700)에 기초하여 맞춤 이벤트(900)를 생성할 수 있다. 보다 구체적으로, 이벤트 생성부는 분석부(140)가 분석을 통해 영업점(1000)의 상태의 원인에 관련한 분석정보를 제공받을 수 있다. 여기서 분석정보(700)는 독립 원인 정보(710), 상대 원인 정보(730) 및 경쟁 분석정보(750) 중 적어도 하나를 포함할 수 있다. 따라서, 이벤트 생성부(150)는 독립 원인 정보(710), 상대 원인 정보(730) 및 경쟁 분석정보(750) 중 적어도 하나에 기초한 맞춤 이벤트를 생성할 수 있다.
여기서 맞춤 이벤트(900)는 분석정보 생성에 기초가 된 하나 이상의 독립 문제 항목(510), 또는 하나 이상의 상대 문제 항목(610)에 영향을 미칠 수 있는 이벤트를 포함한다. 즉, 맞춤 이벤트는 독립 변화 요소 정보(530), 또는 상대 변화 요소 정보(630)를 조절하여 하나 이상의 문제 항목들을 의도한 방향으로 변화시키도록 구성될 수 있다.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 정보 및 신호들이 임의의 다양한 상이한 기술들 및 기법들을 이용하여 표현될 수 있다는 것을 이해할 것이다. 예를 들어, 위의 설명에서 참조될 수 있는 데이터, 지시들, 명령들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 결합에 의해 표현될 수 있다.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 "소프트웨어"로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.
여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 "제조 물품"은 임의의 컴퓨터-판독가능 장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다. 용어 "기계-판독가능 매체"는 명령(들) 및/또는 데이터를 저장, 보유, 및/또는 전달할 수 있는 무선 채널 및 다양한 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.
제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

Claims (12)

  1. 영업점 관리 서버로서,
    영업점 포스(POS) 단말 및 영업점 서버 중 적어도 하나로부터 상기 영업점의 상태에 관련한 영업점 정보를 수신하는 수신부;
    수신한 상기 영업점 정보를 사전 설정된 기준치, 또는 과거 영업점 정보와 비교하여 상기 영업점의 상태에 관련한 독립적 비교정보를 생성하는 독립적 비교부;
    상기 영업점 정보와 유사 점포 정보―상기 유사 점포 정보는 상기 영업점과 유사한 판매 환경의 유사 점포의 상태에 관련한 정보를 포함함―를 비교하여 상기 영업점의 상태에 관련한 상대적 비교정보를 생성하는 상대적 비교부;
    상기 상대적 비교정보 및 상기 독립적 비교정보 중 적어도 하나에 기초하여 상기 영업점의 상태의 원인에 관련한 분석정보를 생성하는 분석부; 및
    상기 분석정보에 기초하여 맞춤 이벤트를 생성하는 이벤트 생성부;
    를 포함하는,
    영업점 관리 서버.
  2. 제 1 항에 있어서,
    상기 유사 점포는,
    상기 영업점과 업종, 지리적 위치, 매장 크기, 매출, 고객 및 제품 중 적어도 하나의 항목에 대한 관련성을 가지는 타점포인,
    영업점 관리 서버.
  3. 제 1 항에 있어서,
    상기 영업점 정보는,
    상기 영업점의 업종 정보, 지리적 위치 정보, 매출 정보, 고객 정보 및 제품 정보 중 적어도 하나를 항목으로 포함하고, 그리고
    상기 유사 점포 정보는,
    상기 유사 점포의 업종 정보, 지리적 위치 정보, 매출 정보, 고객 정보 및 제품 정보 중 적어도 하나를 항목으로 포함하는,
    영업점 관리 서버.
  4. 제 3 항에 있어서,
    상기 독립적 비교부는,
    상기 과거 영업점 정보와 상기 영업점 정보 간의 각각의 항목의 수치를 각각 비교하여 사전 설정된 기준 변화량 이상의 변화량을 갖는 항목을 독립 문제 항목으로 결정하고, 상기 독립 문제 항목에 영향을 미치는 하나 이상의 요소에 대한 정보를 포함하는 독립 변화 요소 정보―상기 독립 변화 요소 정보는 상기 비교 시점의 시간 정보, 일자 정보, 요일 정보, 날씨 정보, 정책 정보, 고객 정보, 제품 정보 및 과거 이벤트 정보 중 적어도 하나를 포함함―를 생성하고,
    상기 분석부는,
    상기 독립 문제 항목과 상기 독립 변화 요소 정보의 연관성을 분석하여, 상기 독립 문제 항목의 원인에 관련한 독립 원인 정보를 포함하는 분석정보를 생성하고, 그리고
    상기 과거 영업점 정보는,
    상기 비교 시점보다 이전의 시점으로부터 사전 설정된 기간 동안에 해당하는 영업점 정보를 포함하는,
    영업점 관리 서버.
  5. 제 1 항에 있어서,
    상기 상대적 비교부는,
    동일한 기간 동안의 상기 영업점 정보와 상기 유사 점포 정보의 각각의 항목의 수치를 각각 비교하여 사전 설정된 기준값 이상의 차이값을 갖는 항목을 상대 문제 항목으로 결정하고, 상기 상대 문제 항목에 영향을 미치는 하나 이상의 요소에 대한 정보를 포함하는 상대 변화 요소 정보― 상기 상대 변화 요소 정보는 상기 비교 시점의 시간 정보, 일자 정보, 요일 정보, 날씨 정보, 정책 정보, 고객 정보, 제품 정보 및 과거 이벤트 정보 중 적어도 하나를 포함함―를 생성하고, 그리고
    상기 분석부는,
    상기 상대 문제 항목과 상기 상대 변화 요소 정보의 연관성을 분석하여, 상기 상대 문제 항목의 원인에 관련한 상대 원인 정보를 포함하는 분석정보를 생성하는,
    영업점 관리 서버.
  6. 제 5 항에 있어서,
    상기 사전 설정된 기준값은,
    상기 영업점과 상기 유사 점포의 상대적 규모 정보에 기초하여 결정되는,
    영업점 관리 서버.
  7. 제 1 항에 있어서,
    상기 상대적 비교부는,
    인근 지역에 신규 유사 점포가 생성되는 경우,
    상기 신규 유사 점포의 생성 시점 이전 영업점 정보와 상기 신규 유사 점포의 생성 시점 이후 영업점 정보를 비교하여, 상기 신규 유사 점포의 생성에 관련한 경쟁 비교정보를 생성하고, 그리고
    상기 분석부는,
    상기 경쟁 비교정보에 기초하여 상기 영업점의 상태의 원인에 관련한 경쟁 분석정보를 생성하는,
    영업점 관리 서버.
  8. 제 1 항에 있어서,
    고객 단말의 위치 정보를 통해 상기 영업점으로부터 사전 설정된 거리 이내의 고객 단말에게 상기 맞춤 이벤트를 제공하기 위하여, 상기 영업점으로부터 사전 설정된 거리에 사전 설정된 형상의 가상 울타리(virtual fence)를 설정하고, 상기 고객 단말이 상기 가상의 울타리 내부에 위치하는 경우 상기 고객 단말에 상기 맞춤 이벤트를 제공하는 이벤트 제공부;
    를 더 포함하는,
    영업점 관리 서버.
  9. 제 8 항에 있어서,
    상기 가상 울타리는,
    GPS 위치정보, Wi-Fi 정보 및 블루투스 정보 중 적어도 하나에 기초하여 생성되는,
    영업점 관리 서버.
  10. 제 1 항에 있어서,
    상기 수신부는,
    상기 맞춤 이벤트에 대한 피드백 정보―대상 고객에 대한 상기 맞춤 이벤트의 도달율, 참여율, 선호도, 설문조사 결과 및 상기 영업점 정보의 변화량 중 적어도 하나를 포함함―를 추가적으로 수신하고, 그리고
    상기 분석부는,
    상기 상대적 비교정보 및 상기 독립적 비교정보 중 적어도 하나와 상기 피드백 정보에 기초하여 상기 영업점의 상태의 원인에 관련한 보정된 분석정보를 생성하는,
    영업점 관리 서버.
  11. 하나 이상의 프로세서에 의해 실행되는 복수의 명령들을 포함하는, 컴퓨터-판독 가능 저장 매체에 저장된 프로그램으로서,
    상기 컴퓨터 프로그램은,
    수신부에서 영업점 포스(POS) 단말 및 영업점 서버 중 적어도 하나로부터 상기 영업점의 상태에 관련한 영업점 정보를 수신하도록 하는 명령;
    독립적 비교부에서 수신한 상기 영업점 정보를 사전 설정된 기준치, 또는 과거 영업점 정보와 비교하여 상기 영업점의 상태에 관련한 독립적 비교정보를 생성하도록 하는 명령;
    상대적 비교부에서 상기 영업점 정보와 유사 점포 정보―상기 유사 점포 정보는 상기 영업점과 유사한 판매 환경의 유사 점포의 상태에 관련한 정보를 포함함―를 비교하여 상기 영업점의 상태에 관련한 상대적 비교정보를 생성하도록 하는 명령;
    분석부에서 상기 상대적 비교정보 및 상기 독립적 비교정보 중 적어도 하나에 기초하여 상기 영업점의 상태의 원인에 관련한 분석정보를 생성하도록 하는 명령; 및
    이벤트 생성부에서 상기 분석정보에 기초하여 맞춤 이벤트를 생성하도록 하는 명령;
    을 포함하는,
    컴퓨터-판독 가능 저장 매체에 저장된 프로그램.
  12. 맞춤 이벤트를 생성하여 영업점을 관리하는 방법에 있어서,
    수신부에서 영업점 포스(POS) 단말 및 영업점 서버 중 적어도 하나로부터 상기 영업점의 상태에 관련한 영업점 정보를 수신하는 단계;
    독립적 비교부에서 수신한 상기 영업점 정보를 사전 설정된 기준치, 또는 과거 영업점 정보와 비교하여 상기 영업점의 상태에 관련한 독립적 비교정보를 생성하는 단계;
    상대적 비교부에서 상기 영업점 정보와 유사 점포 정보―상기 유사 점포 정보는 상기 영업점과 유사한 판매 환경의 유사 점포의 상태에 관련한 정보를 포함함―를 비교하여 상기 영업점의 상태에 관련한 상대적 비교정보를 생성하는 단계;
    분석부에서 상기 상대적 비교정보 및 상기 독립적 비교정보 중 적어도 하나에 기초하여 상기 영업점의 상태의 원인에 관련한 분석정보를 생성하는 단계; 및
    이벤트 생성부에서 상기 분석정보에 기초하여 맞춤 이벤트를 생성하는 단계;
    를 포함하는,
    맞춤 이벤트를 생성하여 영업점을 관리하는 방법.
KR1020160149472A 2016-11-10 2016-11-10 맞춤 이벤트 생성을 통한 영업점 관리 서버 KR101921908B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160149472A KR101921908B1 (ko) 2016-11-10 2016-11-10 맞춤 이벤트 생성을 통한 영업점 관리 서버

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160149472A KR101921908B1 (ko) 2016-11-10 2016-11-10 맞춤 이벤트 생성을 통한 영업점 관리 서버

Publications (2)

Publication Number Publication Date
KR20180052307A true KR20180052307A (ko) 2018-05-18
KR101921908B1 KR101921908B1 (ko) 2018-11-26

Family

ID=62453952

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160149472A KR101921908B1 (ko) 2016-11-10 2016-11-10 맞춤 이벤트 생성을 통한 영업점 관리 서버

Country Status (1)

Country Link
KR (1) KR101921908B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109858683A (zh) * 2019-01-07 2019-06-07 北京三快在线科技有限公司 确定店铺的营业状态的方法、装置、电子设备及存储介质
KR20200019461A (ko) * 2018-08-14 2020-02-24 케빈랩 주식회사 에너지 관리에 의한 영업 관리 시스템
KR20200061010A (ko) * 2018-11-23 2020-06-02 주식회사 케이투마케팅 판촉관리대행시스템 및 그 방법
KR20220046170A (ko) * 2020-10-07 2022-04-14 티오더 주식회사 매장 운영 정보를 이용한 매장 운영 지원 장치 및 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200019461A (ko) * 2018-08-14 2020-02-24 케빈랩 주식회사 에너지 관리에 의한 영업 관리 시스템
KR20200061010A (ko) * 2018-11-23 2020-06-02 주식회사 케이투마케팅 판촉관리대행시스템 및 그 방법
CN109858683A (zh) * 2019-01-07 2019-06-07 北京三快在线科技有限公司 确定店铺的营业状态的方法、装置、电子设备及存储介质
CN109858683B (zh) * 2019-01-07 2024-01-26 北京三快在线科技有限公司 确定店铺的营业状态的方法、装置、电子设备及存储介质
KR20220046170A (ko) * 2020-10-07 2022-04-14 티오더 주식회사 매장 운영 정보를 이용한 매장 운영 지원 장치 및 방법

Also Published As

Publication number Publication date
KR101921908B1 (ko) 2018-11-26

Similar Documents

Publication Publication Date Title
Srinivasan et al. Do promotions benefit manufacturers, retailers, or both?
Hernant et al. Now what? Evaluating the sales effects of introducing an online store
Li et al. Online versus bricks-and-mortar retailing: a comparison of price, assortment and delivery time
Feichtinger et al. Dynamic optimal control models in advertising: recent developments
Solnet et al. An untapped gold mine? Exploring the potential of market basket analysis to grow hotel revenue
Wu et al. A randomized pricing decision support system in electronic commerce
KR101921908B1 (ko) 맞춤 이벤트 생성을 통한 영업점 관리 서버
Lenartowicz et al. Practices and performance of small retail stores in developing economies
Kaur et al. Influence of technological advances and change in marketing strategies using analytics in retail industry
US20130325596A1 (en) Commerce System and Method of Price Optimization using Cross Channel Marketing in Hierarchical Modeling Levels
US20130325554A1 (en) Commerce System and Method of Optimizing Profit for Retailer from Price Elasticity of Other Retailers
Madhani Enhancing customer lifetime value in fast fashion retailing with RFID initiatives
CN111492385A (zh) 停车管理系统
Bogomolova et al. Exploring the incidence and antecedents of buying an FMCG brand and UPC for the first time
Petković et al. Digital economy and (non) incremental changes in tourism and retail business model
Smith et al. A two-stage sales forecasting procedure using discounted least squares
Milman et al. A comparison of consumer attitudes toward dynamic pricing strategies in the theme park context
Hüseyinoğlu Drivers for channel integration and omnichannel strategy: Evidence from the leading grocery retailer in Turkey
US20130254055A1 (en) Commerce System and Method of Learning Consumer Behavior Based on Prior and Current Transactions
KR101876808B1 (ko) 인터넷 쇼핑몰 관리 방법
Tang et al. Estimating future room occupancy fluctuations to optimize hotel revenues
Beck et al. The pricing for same-day arrival guests in the hotel industry
Ehsani et al. Consumer segmentation based on location and timing dimensions using big data from business-to-customer retailing marketplaces
Ko et al. Creative service design for airline's extra revenue
Mathur et al. Key technological advancements in retail

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant