KR20180103908A

KR20180103908A - 지리적 지역 히트맵을 생성하기 위한 시스템, 방법, 및 디바이스

Info

Publication number: KR20180103908A
Application number: KR1020187020568A
Authority: KR
Inventors: 루오카이 시옹
Original assignee: 알리바바 그룹 홀딩 리미티드
Priority date: 2016-01-20
Filing date: 2017-01-20
Publication date: 2018-09-19
Also published as: SG11201804556YA; CN106991576A; US20170206204A1; JP2019508766A; WO2017127592A1; CN106991576B; TW201727558A

Abstract

본 개시내용의 실시예들은 지리적 지역 히트맵을 생성하기 위한 방법 및 장치를 제공한다. 일 실시예에서, 방법은: 하나 이상의 사용자로부터 링크된 데이터를 수신하는 단계 - 링크된 데이터는 하나 이상의 사용자와 연관된 서비스 특징 데이터 및 하나 이상의 사용자와 연관된 위치 서비스 데이터를 포함함 - ; 링크된 데이터 및 식별될 지리적 지역에 기초하여 하나 이상의 사용자로부터 후보 사용자들을 추출하는 단계; 링크된 데이터에 기초하여 사용자 분포 밀도를 결정하는 단계 - 사용자 분포 밀도는 식별될 지리적 지역 내의 후보 사용자들의 전체 수를 포함함 - ; 및 식별될 지리적 지역의 사용자 분포 밀도를 디스플레이하는 단계를 포함한다.

Description

지리적 지역 히트맵을 생성하기 위한 시스템, 방법, 및 디바이스

관련 출원들에 대한 상호 참조

본 출원은 2016년 1월 20일자로 출원된 "지리적 지역 히트맵 표현을 위한 방법 및 장치"라는 제목의 중국 출원 번호 제201610038914.6호 및, 2017년 1월 19일자로 출원된 "지리적 지역 히트맵을 생성하기 위한 시스템, 방법 및 디바이스"라는 제목의 미국 출원 번호 제15/409,660호의 우선권의 이익을 주장하고, 이들은 그 전체가 본 명세서에 참조로서 통합된다.

기술 분야

본 개시내용은 데이터 프로세싱의 기술 분야, 특히 지리적 지역 히트맵(geographic area heat map)을 생성하기 위한 시스템들, 방법들, 및 디바이스들에 관한 것이다.

데이터의 처리 및 응용은 현재의 컴퓨터 기술들에서 중요한 주제들이다. 현재, 가장 대표적인 응용은 클라우드 서비스들이 마이닝된 데이터의 심층적인 응용들을 제공하기 위해 빅데이터와 함께 데이터 마이닝(mining)을 구현하는 클라우드 컴퓨팅 서비스들의 분야이다.

일 예로 데이터 기반 부지 선정(data-driven site selection)을 사용하여, 상인이 상점을 위한 부지를 선정할 때, 상인은 종종 비즈니스 지구 또는 지역의 인구 흐름뿐만 아니라 지구 또는 지역의 인구 구조에 대한 지식을 원한다. 클라우드 애플리케이션들은 빅데이터를 분석하여 지역이 상점을 개설하기 위한 상인의 요구 사항들을 충족시키는지 여부를 결정한다.

미리 선정된 지역에 대한 인구 흐름 추정을 이용하는 기존의 상점 부지 선정 방법들은 많은 현장 조사들을 필요로 한다. 상이한 시간 프레임들에서의 인구 흐름 데이터는 조사 및 기록을 통해 얻어진다. 특히, 인구 흐름을 조사하기 위한 현재의 기술들은 다양한 기간들 및 식별된 연령 카테고리들에 대한 흐름 데이터의 기록을 포함한다. 예를 들어, 편의점의 주요 기간은 제1 기간(07:00-09:00), 제2 기간(11:00-13:00), 제3 기간(17:00-19:00), 및 제4 기간(21:00-23:00)이다. 마찬가지로, 연령 카테고리들은 7-13세, 13-17세, 및 17-40세의 연령으로 나뉠 수 있다. 평일과 4번의 가장 최근 휴일들에 대한 이들 4개의 기간들 동안의 인구 흐름 데이터의 평균값은 부지를 선정하기 위한 참고 자료로 사용될 수 있다.

현재의 기술들에 따르면, 지역의 인구 흐름과 인구 분포가 분석될 수 있더라도, 많은 인적 자원들이 소모되어야 하고, 관심 특징 데이터(interest feature data)가 상점의 개설에 상당한 영향을 미침에도 불구하고 조사 대상자의 관심 특징 데이터(예를 들어, 인구 통계 정보, 사용자 관심 등)는 통합될 수 없다. 예를 들어, 조사 대상자의 많은 부분이 애완 동물들을 소유하고 있는 것으로 알려졌다면, 이것은 애완 동물 상점의 개설에 직접적인 영향을 미친다. 게다가, 지역의 인구 흐름과 인구 구조가 단기간에 조사되었다면, 얻은 결과가 모든 상황을 나타내지 않을 수 있다. 또한, 수작업으로 조사된 지역들은 반드시 제한적이며, 모든 비즈니스 구역 또는 각각의 지역의 모든 인구 통계 정보를 다룰 수는 없다. 따라서, 오늘날까지 데이터 취득 및 처리 및 데이터의 응용들은 중요한 프로젝트들이다.

전술한 문제점들과 관련하여, 지리적 지역 히트맵을 생성하기 위한 시스템들, 방법들 및 디바이스들이 전술한 문제점들을 해결하거나 적어도 부분적으로 해결하기 위해 개시된다.

일 실시예에서, 본 개시내용은 지리적 지역 히트맵을 생성하기 위한 방법을 설명한다. 방법은 하나 이상의 사용자로부터 링크된 데이터(linked data)를 수신하는 단계 - 링크된 데이터는 하나 이상의 사용자와 연관된 서비스 특징 데이터 및 하나 이상의 사용자와 연관된 위치 서비스 데이터를 포함함 - ; 링크된 데이터 및 식별될 지리적 지역에 기초하여 하나 이상의 사용자로부터 후보 사용자들을 추출하는 단계; 링크된 데이터에 기초하여 사용자 분포 밀도를 결정하는 단계 - 사용자 분포 밀도는 식별될 지리적 지역 내의 후보 사용자들의 전체 수를 포함함 - ; 및 식별될 지리적 지역의 사용자 분포 밀도를 디스플레이하는 단계를 포함한다.

다른 실시예에서, 본 개시내용은 지리적 지역 히트맵을 생성하기 위한 장치를 설명한다. 장치는 하나 이상의 프로세서, 및 컴퓨터 실행가능 명령어들을 그 안에 저장하는 비일시적 메모리를 포함하고, 컴퓨터 실행가능 명령어들은 프로세서에 의해 실행될 때 장치로 하여금 하나 이상의 사용자로부터 링크된 데이터를 수신하게 하고 - 링크된 데이터는 하나 이상의 사용자와 연관된 서비스 특징 데이터 및 하나 이상의 사용자와 연관된 위치 서비스 데이터를 포함함 - ; 링크된 데이터 및 식별될 지리적 지역에 기초하여 하나 이상의 사용자로부터 후보 사용자들을 추출하게 하고; 링크된 데이터에 기초하여 사용자 분포 밀도를 결정하게 하고 - 사용자 분포 밀도는 식별될 지리적 지역 내의 후보 사용자의 전체 수를 포함함 - ; 식별될 지리적 지역의 사용자 분포 밀도를 디스플레이하게 한다.

본 개시내용의 일 실시예에 따른 사용자의 서비스 특징 데이터는 전자 상거래 플랫폼(e-commerce platform)을 통해 수집될 수 있음에 유의해야 한다. 따라서, 특정 지역의 인구 흐름을 수작업으로 조사하고 관찰하는 작업을 피할 수 있다. 사용자의 위치 서비스 데이터는 이동 단말기를 통해 수집될 수 있다. 이동 단말기는 사용자에 의해 휴대될 수 있기 때문에, 사용자의 위치 서비스 데이터, 예를 들어 사용자가 위치하는 경도 및 위도가 자동으로 수집될 수 있다. 다른 디바이스들과 관련하여, 이동 단말기는 휴대 가능하고 포괄적인 명백한 이점을 갖는다.

도 1은 본 개시내용의 일부 실시예들에 따른 지리적 지역 히트맵을 생성하기 위한 방법을 예시하는 흐름도이다.
도 2는 본 개시내용의 일부 실시예들에 따른 많은 양의 사용자 데이터에 기초한 상점 부지 선정 프로세스의 개략도이다.
도 3은 본 개시내용의 일부 실시예들에 따른 많은 양의 사용자 데이터에 기초한 상점 부지 선정 프로세스의 개략도이다.
도 4는 본 개시내용의 일부 실시예들에 따른 지리적 지역 히트맵을 생성하기 위한 방법을 예시하는 흐름도이다.
도 5는 본 개시내용의 일부 실시예들에 따른 단말기에 의한 사용자 분포 밀도의 쿼리(query)를 예시하는 프로세스 다이어그램이다.
도 6은 본 개시내용의 일부 실시예들에 따른 맵에서의 사용자 분포 밀도를 표현하는 히트맵의 예시이다.
도 7은 본 개시내용의 일부 실시예들에 따른 지리적 지역 히트맵을 생성하기 위한 디바이스의 블록도이다.
도 8은 본 개시내용의 일부 실시예들에 따른 지리적 지역 히트맵을 생성하기 위한 디바이스의 블록도이다.

본 명세서에 설명된 도면들은 본 개시내용에 대한 추가적인 이해를 제공하기 위해 사용되며, 본 출원의 일부를 구성한다. 본 개시내용의 예시적인 실시예들 및 그들의 설명들은 본 개시내용을 부적절하게 제한하는 것이 아니라 본 개시내용의 설명을 의도한다.

도 1은 본 개시내용의 일부 실시예들에 따른 지리적 지역 히트맵을 생성하기 위한 방법을 예시하는 흐름도이다.

일부 실시예들에서, 도 1에 예시된 방법은 사용자의 기본 정보 및 "관심 특징"을 모두 나타내는 많은 양의 관련 데이터를 사용함으로써 특정 지리적 지역의 사용자들의 다수의 "방문 조건들"을 결정한다. 설명될 바와 같이, 방법은 특정 지리적 지역에 관한 관련 정보를 제공한다. 예시된 방법의 응용은 상점에 대한 위치를 선정하는 상인의 예를 사용하여 아래에서 설명된다. 이들 예들은 실시예들의 범위를 제한하는 것으로 해석되어서는 안 된다.

단계(101)에서, 방법은 하나 이상의 사용자와 연관된 링크된 데이터를 수신한다. 본 명세서에서 보다 상세하게 설명된 바와 같이, 링크된 데이터는 서비스 특징 데이터와 위치 서비스 데이터의 조합을 포함할 수 있다. 일 실시예에서, 서비스 특징 데이터는 사용자에 의해 액세스된 온라인 서비스들에 관한 데이터를 포함할 수 있고, 위치 서비스 데이터는 사용자에 의해 방문된 위치들에 관한 데이터를 포함할 수 있다.

링크된 데이터를 수신하는 단계는 다음의 하위단계들(sub-steps)을 포함할 수 있다.

하위단계(S11)에서, 방법은 하나 이상의 사용자로부터 서비스 특징 데이터를 수신한다. 일 실시예에서, 서비스 특징 데이터는 각각의 사용자의 기본 정보의 기본 서비스 특징 데이터를 표현하는 데이터 및 각각의 사용자의 관심 특징의 행동 서비스 특징 데이터를 포함할 수 있다. 비제한적인 예로서, 기본 서비스 특징 데이터는 사용자의 나이, 취미들, 키, 예상 경력 등을 표현하는 데이터를 포함할 수 있다.

일부 실시예들에서, 하위단계(S11)는 다음의 하위단계들을 포함할 수 있다.

하위단계(S11-11)에서, 방법은 서비스 플랫폼에 의해 수집된 하나 이상의 사용자의 서비스 데이터를 수신할 수 있으며, 여기서 서비스 데이터는 기본 서비스 특징 데이터 및 행동 서비스 데이터를 포함한다.

하위단계(S11-12)에서, 방법은 하나 이상의 사용자의 행동 서비스 데이터에 기초하여 행동 서비스 특징 데이터를 생성할 수 있다.

하위단계(S11-13)에서, 방법은 하나 이상의 사용자의 서비스 특징 데이터로서 기본 서비스 특징 데이터 및 행동 서비스 특징 데이터를 결합할 수 있다.

일부 실시예들에서, 서비스 플랫폼은 전자 상거래 플랫폼일 수 있으며, 사용자의 기본 서비스 특징 데이터 및 사용자의 행동 서비스 데이터(예를 들어, 수집, 구매, 클릭, 및 검색)는 전자 상거래 플랫폼의 데이터 취득 시스템을 사용하여 데이터센터에 저장된다. 하나 이상의 차원에 따라, 이 데이터는 사용자 행동 정보 데이터센터 및 기본 사용자 정보 데이터센터로 나누어질 수 있다.

일 실시예에서, 행동 서비스 데이터는 사용자의 관심 특징을 반영할 수 있는 행동 서비스 특징 데이터를 얻기 위해 미리 설정된 규칙들에 따라 추가로 처리될 수 있다.

일 실시예에서, 하위단계(S11-12)는 다음의 하위단계들을 포함할 수 있다.

하위단계(S11-12-11)에서, 방법은 하나 이상의 사용자의 행동 서비스 특징 데이터에 기초하여 미리 설정된 서비스 특징 데이터를 트레이닝(training)함으로써 가중치를 얻을 수 있다.

하위단계(S11-12-12)에서, 방법은 하나 이상의 사용자의 행동 서비스 특징 데이터로서 미리 설정된 인자의 값보다 큰 가중치를 갖는 미리 설정된 서비스 특징 데이터를 사용할 수 있다.

일 실시예에서, 사용자의 행동 서비스 데이터에 기초하여, 사용자의 제1 행동 서비스 특징 데이터가 공식화(formulate)된다. 다음으로, 각각의 사용자의 행동 서비스 특징 데이터에 대응하는 가중치를 추출하기 위해 로지스틱 회귀(logistic regression)를 사용하여 데이터 모델링이 수행될 수 있다. 마지막으로, 행동 서비스 특징 데이터가 사용자의 관심 특징을 반영하는 행동 서비스 특징 데이터의 역할을 할 수 있는지가 가중치에 따라 결정된다.

로지스틱 회귀(logistic regression)는 일반적인 기계 학습 방법이며, 사건의 가능성, 예를 들어 사용자가 상품을 구매할 가능성, 환자가 질병을 앓고 있을 가능성, 및 광고가 사용자에 의해 클릭될 가능성을 추정하는 데 사용된다. 앞서 말한 "가능성"은 수학에서의 "확률"이 아니라는 점에 유의해야 하고; 로지스틱 회귀의 결과는 수학적 정의에서의 확률 값이 아니므로, 따라서 확률 값으로 직접 사용될 수 없다.

구체적으로, 미리 설정된 행동 서비스 특징 데이터에 대하여, 각각의 행동 서비스 특징 데이터에 대응하는 가중치를 얻기 위해 로지스틱 회귀 모델에 따라 각각의 사용자의 행동 서비스 특징 데이터에 기초하여 트레이닝이 수행된다. 다음으로, 사용자의 행동 서비스 특징 데이터를 가중치에 따라 시퀀싱(sequence)하고, 사용자의 행동 서비스 특징 데이터의 역할을 하기 위해 특정 인자 값보다 큰 가중치를 갖는 행동 서비스 특징 데이터는 선별(screen)된다.

본 개시내용의 실시예들을 구현할 때, 다른 데이터 모델들 및 다른 방식들이 또한 사용자의 행동 서비스 특징 데이터를 얻기 위해 사용될 수 있다는 것에 유의해야 한다. 임의의 특정 예들은 본 개시내용의 실시예들을 제한하는 것으로 의도되지 않는다.

일 실시예에서, 데이터센터에 저장될 서비스 특성 데이터에 따라, 기본 키(primary key)로서 사용자 식별자(예를 들어, 사용자 ID)를 갖는 사용자 프로필 테이블이 저장될 수 있다.

사용자 프로필 테이블은 사용자의 기본 서비스 특징 데이터(예를 들어, 연령 및 성별)를 포함하며, 사용자의 행동 서비스 특징 데이터(예를 들어, 신장, 체중, 및 예상 경력과 같은 정보)를 더 포함한다. 또한, 사용자 프로필 테이블은 사용자의 소비 습관 및 관심 특징을 반영하는 관련 차원들의 정보, 예를 들어 사용자가 애완 동물을 소유하고 있는지에 대한 예상, 사용자가 스포츠를 좋아하는지에 대한 예상, 사용자의 소비 수준, 및 예상 소득 수준과 같은 정보를 더 포함한다.

물론, 기본 서비스 특징 데이터는 행동 서비스 특징 데이터와 명확하게 구별되지 않으며, 둘은 겹칠 수 있고; 또는 행동 서비스 특징 데이터는 서비스 특징 데이터로부터 기본 서비스 특징 데이터를 제거하고 행동 서비스 데이터를 트레이닝함으로써 얻어지며; 이는 본 개시내용의 실시예들에 제한되지 않는다는 것에 유의해야 한다.

하위단계(S12)에서, 방법은 하나 이상의 사용자로부터 위치 서비스 데이터를 수신할 수 있다. 일 실시예에서, 하위단계(S12)는 이동 단말기에 의해 수집된 하나 이상의 사용자의 위치 서비스 데이터를 수신하는 단계를 포함할 수 있다.

일부 실시예들에서, 이동 단말기는 사용자에 의해 운반될 수 있는 핸드헬드(handheld) 디바이스(예를 들어, 스마트 폰)이다. 따라서, 본 개시내용의 일 실시예에 따르면, 사용자의 위치 기반 서비스(Location Based Service; LBS) 데이터는, 사용자와 관련되고 특정 데이터베이스에 저장된, LBS 데이터, 즉, 위치 서비스 데이터를 형성하기 위해 이동 단말기의 데이터 취득 모듈을 이용하여 수집될 수 있다.

구체적으로, 사용자 LBS 데이터를 저장하는 데이터베이스에서의 데이터 테이블은 사용자 ID를 기본 키로 사용할 수 있고, 이에 따라 경도, 위도, 관심 지점(Point of Interest; POI), 및 취득 시간과 같은 사용자의 콘텐츠를 저장한다.

LBS 데이터는 위치 서비스 데이터가 모바일 디바이스 또는 모바일 네트워크 폰 단말기에 의해 정기적으로 수집되는 애플리케이션에 의해 수집되므로, 이를 바탕으로 데이터가 제공된다는 것에 유의해야 한다(예를 들어, 네비게이션 시스템). 일 실시예에 따르면, 위치 서비스 데이터는 사용자의 쿼리 의도를 보다 잘 표현할 수 있으므로, 쿼리의 동작 시간을 더 짧게 하기 위해, 위치 서비스 데이터를 사용하여 사용자의 POI를 분석하고 추측하는 것은 불필요한 동작들을 효과적으로 피할 수 있다. 일부 실시예들에서, 사용자에 의해 예상되는 콘텐츠가 정확하게 추정될 수 있다면, 스크린 크기에 의해 초래되는 제한들이 감소된다.

현재, LBS 데이터와 연관되고 널리 사용되는 예는 지리 정보 시스템(Geographic Information System; "GIS")이다. GIS에서의 데이터는 실제로 엔티티(entity)를 표현한다. 위치 기반 서비스는 사용자에게 더 나은 서비스들을 제공하기 위해, GIS에 저장된 객관적인 공간 데이터 외에, 더 많은 정보를 필요로 한다. 따라서, 사용자 POI의 개념을 GIS에 도입할 필요가 있다. 각각의 POI는 사용자에게 유용하거나 사용자를 관심 있게 만들 수 있는 지리적 지역 내에서의 지점을 가리키며, 종종 경도 및 위도로 표현된다. 따라서, 본 개시내용의 일 실시예에 따르면, 이동 단말기에 의해 수집된 위치 서비스 데이터에 기초하여, 사용자가 위치하는 경도 및 위도가 얻어질 수 있다.

하위단계(S13)에서, 방법은 링크된 데이터를 얻기 위해 하나 이상의 사용자에 따라 서비스 특징 데이터 및 위치 서비스 데이터를 링크시킬 수 있다.

일 실시예에서, 서비스 특징 데이터 및 위치 서비스 데이터는 개별적으로 대응하는 사용자 식별자를 가지며; 단계(S13)는 링크된 데이터와 동일한 사용자 식별자를 갖는 하나 이상의 사용자에 따라 서비스 특징 데이터와 위치 서비스 데이터를 병합하는 단계를 포함할 수 있다.

일 실시예에서, 서비스 특징 데이터와 사용자의 LBS 데이터 간의 연관 관계는 사용자 ID에 따라 설정될 수 있다. 예를 들어, 동일한 사용자 ID를 갖는 서비스 특징 데이터 및 LBS 데이터에 각각 대응하는 데이터 테이블들은 서비스 특징 데이터와 LBS 데이터 사이의 교차점(intersection), 즉, 서비스 특징 데이터와 LBS 데이터 사이의 링크된 데이터를 얻기 위해 합쳐질 수 있다.

단계(102)에서, 방법은 하나 이상의 사용자의 링크된 데이터에 기초하여, 식별될 지리적 지역에 기초하여 하나 이상의 사용자로부터 후보 사용자들을 추출한다.

일 실시예에서, 단계(102)는 다음의 하위단계들을 포함할 수 있다.

하위단계(S21)에서, 방법은 식별될 지리적 지역으로서 미리 설정된 맵 데이터에서 사용자에 의해 선정된 지리적 지역을 수신하여 사용한다.

하위단계(S22)에서, 방법은 사용자에 의해 제출된 특징 선별 조건(feature screening condition)을 수신한다.

하위단계(S23)에서, 방법은 하나 이상의 사용자의 위치 서비스 데이터에 기초하여, 식별될 지리적 지역 내의 사용자들을 식별하고, 서비스 특징 데이터가 후보 사용자들의 역할을 하기 위한 특징 선별 조건을 충족할 수 있는 사용자들을 식별한다.

일 실시예에서, 미리 설정된 맵 데이터에서 사용자에 의해 선정된 지리적 지역은 식별될 지리적 지역으로 사용될 수 있고, 그 다음에 조건을 만족하는 후보 사용자들은 사용자에 의해 제출된 특징 선별 조건에 기초하여 식별될 지리적 지역에 추가로 위치된다.

일 실시예에서, 하위단계(S21)는 다음의 하위단계들을 포함할 수 있다.

하위단계(S21-11)에서, 방법은 사용자에 의해 입력된 경도 및 위도, 그리고 반경을 수신한다.

하위단계(S21-12)에서, 방법은 경도 및 위도, 그리고 반경에 기초하여 미리 설정된 맵 데이터에서 지리적 지역을 원으로 표시한다.

하위단계(S21-13)에서, 방법은 식별될 지리적 지역으로서 지리적 지역을 사용한다.

일 실시예에서, 하위단계(S21-11)는 다음의 하위단계를 포함한다.

하위단계(S21-11-11)에서, 방법은 사용자에 의해 입력된 POI 및 반경을 수신하고, 여기서 POI는 대응하는 경도 및 위도를 갖는다.

일 실시예에서, 위치 서비스 데이터는 사용자에 대응하는 경도 및 위도를 포함할 수 있고, 하위단계(S23)는 다음의 하위단계들을 포함할 수 있다.

하위단계(S23-11)에서, 방법은 식별될 지리적 지역 내의 위치 서비스 데이터에서 경도 및 위도를 식별한다. 하위단계(S23-12)에서, 방법은 경도 및 위도에 대응하는 사용자들을 후보 사용자들로 선정한다. 하위단계(S23-13)에서, 방법은 후보 사용자들 중에서 서비스 특징 데이터가 특징 선별 조건과 일치하는 사용자들의 위치를 찾는다. 하위단계(S23-14)에서, 방법은 특징 선별 조건과 일치하는 사용자들을 후보 사용자들로 결정한다.

일 실시예에서, 식별될 지리적 지역은 상인이 상점을 개설할 것을 고려하고 있는 지역일 수 있다.

일 예로서 상점을 개설하기 위한 지역을 선정하는 상인을 사용하여, 상인이 상점이 개설될 것으로 예상되는 지역을 원으로 표시한다고 가정하면, 상점을 개설하기 위한 지역이 특정 POI 및 반경을 입력함으로써 원으로 표시되거나, 또는 특정 경도, 위도, 및 반경에 기초하여 원으로 표시된다. 우리의 지역 경계인 지리적 지역을 원으로 표시하거나 다른 방법으로 범위를 정하는 동작은 사용자 인터페이스를 통해 맵 상에서 사용자에 의해 직관적으로 수행될 수 있다. 상인에 의해 제공된 상점을 개설하기 위한 지역은 기초 데이터를 추가로 쿼리하기 위한 선별 조건이다.

상점을 개설하기 위한 지역이 결정된 후, 상인은 개설될 상점의 유형에 따라 상점 유형과 일치하는 서비스 특징 데이터의 모집단을 선정하고, 상인에 의해 입력된 모집단의 서비스 특징 데이터는 기초 데이터를 쿼리하기 위한 선별 조건이다. 게다가, 상인은 쿼리하기 위한 선별 조건의 역할을 하기 위해 특정 기간을 추가로 입력할 수 있다.

일 실시예에서, 상점을 개설하기 위한 지역의 기간 동안 모집단에 의한 방문 조건을 디스플레이하도록 연속적인 시간 데이터가 입력될 수 있다.

상인은 하나 이상의 쿼리 조건을 입력할 수 있으며, 조건들의 수는 본 개시내용의 실시예들에서 제한되지 않는다는 것에 유의해야 한다.

단계(103)에서, 방법은 후보 사용자들과 연관된 링크된 데이터에 기초하여 사용자 분포 밀도를 결정한다.

일 실시예에서, 사용자 분포 밀도는 지리적 지역의 사용자 분포 조건들을 반영할 수 있다. 구체적으로, 사용자 분포 밀도는 지리적 지역에 대한 사용자들의 양의 특정 값, 및 특정 조건을 충족시키는 지역의 사용자 양의 값을 포함한다. 또한, 사용자 분포 밀도는 지리적 지역의 다른 관련 정보, 예를 들어 POI, 및 지리적 지역의 경도 및 위도 값과 같은 정보를 반영할 수 있는 파라미터들을 더 포함할 수 있다.

일 실시예에서, 사용자 분포 밀도는 각각의 후보 사용자들에 대한 경도 및 위도를 포함하고, 단계(103)는 후보 사용자들에 존재하는 사용자 식별자에 대응하는 경도 및 위도를 링크된 데이터로부터 추출하는 단계를 더 포함할 수 있다.

일 실시예에서, 쿼리된 데이터 패킷은 POI, 경도 및 위도 값, 지리적 지역의 카운트 값(예를 들어, 이 경도 및 위도의 지역에 포함된 사용자 양의 특정 값), 및 유사한 메트릭들(metrics)을 포함한다. 이 정보에 기초하여 히트맵이 그려질 수 있다(예를 들어, 히트맵은 미리 설정된 맵의 맵 API 플러그인(plugin)에 기초하여 그려질 수 있다). 히트맵은 경도 및 위도, 및 인구 카운트 값으로 구성되며, 색상 밝기 또는 다른 대비되는 시각적 표현을 사용하여 지역의 특정 인구의 밀도 정도를 반영할 수 있다.

단계(104)에서, 방법은 식별될 지리적 지역의 사용자 분포 밀도를 디스플레이한다.

일 실시예에서, 단계(104)는 식별될 지리적 지역의 사용자 분포 밀도를 미리 설정된 맵 데이터에서 디스플레이하는 단계를 더 포함할 수 있다.

일 실시예에서, 획득된 사용자 분포 밀도(예를 들어 POI, 경도 및 위도 값, 및 지리적 지역의 카운트 값)는 맵 API 플러그인에 기초하여 미리 설정된 맵에 입력될 수 있으며, 다음으로 히트맵 모드에서 사용자 분포 밀도를 반영할 수 있다. 따라서, 상인으로서의 사용자는 식별될 지리적 지역의 인구 분포 상태를 직관적으로 이해할 수 있다.

일 실시예에서, 식별될 복수의 지리적 지역들이 존재할 수 있으며, 방법은 미리 설정된 맵 데이터에서 상이한 색상들로 식별될 지리적 지역들을 각각 마킹하는 단계를 더 포함할 수 있다.

일부 실시예들에서, 식별될 복수의 지리적 지역들이 필요할 때, 각각의 식별될 지리적 지역들은 상이한 색상들로 마킹되거나, 또는 상이한 짙고 밝은 색상들로 마킹될 수 있다. 이는 본 개시내용의 실시예들에 제한되지 않는다.

일 실시예에서, 획득된 서비스 특징 데이터 및 하나 이상의 사용자의 위치 서비스 데이터에 따라, 서비스 특징 데이터 및 위치 서비스 데이터는 링크된 데이터를 얻기 위해 사용자에 따라 연관되고, 다음으로 링크된 데이터에 기초하여 식별될 지리적 지역에 대한 후보 사용자들이 결정되고, 사용자 분포 밀도는 후보 사용자들에 대응하는 링크된 데이터에 기초하여 얻어진다. 사용자 분포 밀도는 식별될 지리적 지역의 사용자 양을 반영할 수 있다.

일 실시예에서, 사용자는 특징 선별 조건을 입력할 수 있고, 특징 선별 조건에 일치하는 서비스 특징 데이터에 대응하는 사용자들을 후보 사용자들에 대응하는 링크된 데이터에서 찾아낼 수 있으며, 다음으로 사용자들에 대응하는 링크된 데이터에 기초하여 사용자 분포 밀도를 얻을 수 있다. 이 때 획득된 사용자 분포 밀도는 특징 선별 조건을 충족시키는 식별될 지리적 지역에서의 사용자 양을 반영할 수 있다. 본 개시내용의 본 실시예는, 예를 들어, 상인의 상점 부지 선정을 위해, 상인이 상점을 개설할 것을 예상하는 지역에서 상점 유형을 충족시키는 사용자 양을 제공할 수 있다. 따라서, 상인은 상점이 그 지역에서 개설될 수 있는지 여부 또는 상점이 개설될 필요가 있는지 여부를 결정할 수 있으며, 그렇게 함으로써 상인에게 좋은 경험 효과들을 제공한다.

일 실시예에서, 사용자 분포 밀도를 얻기 위해, 각각의 지리적 지역의 사용자 양은 맵 플러그인을 이용하여 대응하는 맵에 입력함으로써 히트맵의 형태로 상인에게 제시될 수 있고, 그렇게 함으로써 사용자를 위해 더 나은 쿼리 경험 및 시각적 효과들을 가져올 수 있다.

일 예로서 상점을 개설하기 위한 지역을 선정하는 상인을 사용하여, 상점을 개설하기 위한 지역을 선정하는 상인은 다음의 단계들을 포함하도록 간략하게 요약될 수 있다:

1. 관심 특징에 따라 사용자를 분류하기 위해, 전자 상거래 플랫폼 상에서 사용자의 서비스 데이터를 수집함으로써 사용자의 서비스 특징 데이터를 획득하는 단계;

2. 이동 단말기에 의해 수집된 사용자의 위치 서비스 정보에 따라, 맵에서 대응하는 서비스 특징 데이터를 갖는 사용자를 표현하는 단계; 및

3. 맵 상의 사용자 분포에 따라, 특정 특성들을 갖는 상이한 기간들 동안 및 상이한 모집단들의, 인구 밀도들 및 분포 특징들에 더 기초하여 상인의 오프라인 상점 부지 선정을 지시하는 단계.

해당 기술분야의 통상의 기술자가 개시된 실시예들을 더 잘 이해할 수 있도록, 실시예들은 상점을 개설하기 위한 지역을 선정하는 상인의 예를 사용하여 아래에서 설명된다.

구체적으로, 일부 실시예들에서, 많은 전자 상거래 사용자들의 서비스 데이터에 기초하여 사용자들의 서비스 특징 데이터가 추출되고, 특정 서비스 특징 데이터를 갖는 사용자들의 LBS 데이터는 히트맵으로 동시에 표현된다.

도 2 및 도 3에 도시된 바와 같이 본 개시내용에 따른 많은 양의 사용자 데이터에 기초한 상점 부지 선정 프로세스의 다이어그램을 참조하면, 도 2로부터 프로세스가 두 개의 핵심 프로세싱 부분들을 갖는다는 점을 알 수 있다: 첫 번째 부분은 데이터 계층에서 많은 양의 사용자들에 대한 서비스 특징 데이터를 추출하고, 사용자들의 서비스 특징 데이터 및 사용자들의 LBS 데이터를 연관시키는 단계이며; 두 번째 부분은 응용 계층에서 히트맵 모드로 맵 상에 상이한 서비스 특징들을 갖는 사용자들을 표현하는 단계이다.

이 예에서, 많은 양의 전자 상거래 사용자 데이터 및 LBS 데이터에 기초한 상점 부지 선정 방법은 구체적으로 다음의 단계들을 포함한다:

I. 많은 양의 전자 상거래 사용자 데이터 및 LBS 데이터를 링크시키는 데이터 계층에서의 프로세싱:

a) 전자 상거래 플랫폼의 데이터 취득 시스템으로, 사용자의 기본 서비스 특징 정보와 수집, 구매, 클릭, 및 특정 데이터센터로의 로케이팅(locating)과 같은 행동 서비스 데이터를 저장하는 단계. 이 데이터는, 차원에 따라, 사용자 행동 정보 기반 데이터센터와 사용자 기본 정보 기반 데이터센터로 나누어진다.

b) 사용자의 행동 서비스 데이터에 기초하여, 사용자의 미리 설정된 행동 서비스 특징 데이터를 먼저 공식화함으로써 각각의 사용자의 행동 서비스 특징 데이터의 가중치를 추출하고, 로지스틱 회귀를 사용하여 데이터 모델링을 수행하는 단계.

c) 행동 서비스 특징 데이터의 가중치를 시퀀싱하고, 사용자의 관심 특징을 나타내기 위해, 사용자의 행동 서비스 특징 데이터의 역할을 하기 위해 특정 인자 값보다 큰 가중치를 갖는 특징을 선별하는 단계. 일 실시예에서, 서비스 특징 데이터에 따라, 사용자 ID를 기본 키로 사용하는 사용자 프로필 테이블(user profile table)이 형성될 수 있고 데이터센터에 저장될 수 있다. 사용자 프로필 테이블은 사용자의 기본 특징 정보, 예를 들어, 나이 및 성별을 포함하며; 또한 행동 서비스 특징 데이터, 예를 들어 신장, 체중, 및 예상 경력과 같은 정보를 포함한다. 게다가, 사용자 프로필 테이블은 또한 사용자의 소비 습관 및 관심 특징의 관련 차원들의 정보, 예를 들어, 사용자가 애완 동물을 소유하고 있는지 여부의 예상, 사용자가 스포츠를 좋아하는지에 대한 예상, 소비 수준, 및 예상 소득 수준 등을 포함한다.

d) 사용자의 LBS 정보를 포함하는 데이터베이스를 형성하기 위해 이동 단말기의 데이터 취득 모듈에 기초하여 사용자의 LBS 데이터를 수집하는 단계. 사용자의 LBS 정보 테이블은 사용자 ID를 기본 키로 사용하며, 구체적으로는 경도, 위도, POI, 및 취득 시간과 같은 정보를 포함할 수 있다.

e) 사용자 ID에 따라 사용자의 LBS 데이터와 서비스 특징 데이터와 연결한다. 서비스 특징 데이터와 사용자의 LBS 데이터를 연관시키기 위해 두 개의 데이터 테이블들이 결합된다.

II. 맵에 대한 웹 서비스를 설정하는 응용 계층에서의 프로세싱:

a) 상인은 상점이 개설될 것이라 예상되는 지역을 원으로 표시하고, 그 지역은 특정 POI 및 반경을 사용하여 원으로 표시되거나, 특정 경도, 위도, 및 반경에 기초하여 원으로 표시된다. 동작은 맵 상에서 직관적으로 수행될 수 있다. 상인에 의해 제공된 지역 정보는 기초 데이터를 쿼리하기 위한 선별 조건의 역할을 한다.

b) 개설될 상점의 유형에 따라 상점 유형과 일치하는 서비스 특징 데이터에 대응하는 모집단을 원으로 표시한다. 상인에 의해 원으로 표시된 모집단의 특징은 기초 데이터를 쿼리하기 위한 선별 조건의 역할을 한다. 한편, 상인은 쿼리하기 위한 선별 조건의 역할을 하기 위하여 특정 기간과 같은 데이터를 이용할 수 있다.

c) a) 및 b)에서 전술한 선별 조건을 사용하여 링크된 데이터를 쿼리하며, 여기서, 쿼리된 데이터는 POI, 경도 및 위도 값, 및 카운트 값(이 경도 및 위도의 지역에 포함되는 사람들의 특정 수)을 구체적으로 포함할 수 있다. 히트맵은 이 데이터를 사용하여 그려질 수 있다(히트맵은 맵 애플리케이션 또는 소프트웨어의 맵 API 플러그인을 사용하여 그려질 수 있다). 히트맵은 경도 및 위도, 및 인구 카운트 값에 대한 정보로 구성된다. 지역의 특정 모집단의 밀도 정도는 히트맵의 색상 밝기 또는 상이한 색상들에 기초하여 반영된다.

d) 상인은 시스템에 의해 제공된 인구 정보에 따라 상점을 위한 부지를 선정한다. 예를 들어, 소유자가 주로 스포츠 브랜드들을 판매하는 경우, 상점을 개설하기 위해 미리 선정된 여러 지역에 따라, 소유자는 먼저 경도 및 위도, 또는 POI 및 반경을 사용하여 지역을 원으로 표시하며, 그 다음에 서비스 특징 데이터를 사용하여 모집단을 원으로 표시한다(예를 들어, 상인이 가장 관련 있다고 여기는 18 내지 24세 또는 25 내지 29세의 소비자 그룹을 원으로 표시함). 그 결과, 모집단은 맵 상에 해당 연령 그룹 정보를 입력한 다음 맵 상에서 쿼리 서비스를 클릭함으로써 히트맵 모드로 맵 상에 표현될 수 있다. 상인은 여러 상이한 후보 지역들의 색상 밝기 또는 색상들을 비교할 수 있고, 상인의 제품 성향을 만족시키는 후보 지역들 내의 인구 밀도에 따라, 상점을 개설하기 위한 바람직한 지역이 될 높은 인구 밀도의 지역을 선정할 수 있다.

본 개시내용의 실시예들은 다수의 온라인 사용자들의 행동 데이터에 기초하여 오프라인 상점 부지 선정의 지시 작업을 창조적으로 제공함으로써, 특정 지역의 인구 흐름을 수작업으로 조사하고 관찰하는 작업을 절약한다. 또한 특정 특성들을 가진 인구는 맵 상에서 히트맵 모드로 더 표현될 수 있다. 따라서, 상인은 상인에 의해 선정된 특정 지역에서 상이한 서비스 특징들을 갖는 인구들의 분포를 직관적으로 이해할 수 있다.

위에 개시된 개시내용의 실시예들은 전자 상거래 플랫폼의 클라우드 서버(cloud server)에서 구현될 수 있다. 대안적인 실시예들에서, 본 개시내용의 일부분들은 또한 이동 단말기에서 부분적으로 실행될 수 있고 클라우드 서버에서 부분적으로 실행될 수 있다. 그러나, 상대적으로 말하면, 사용자의 관련 데이터는 바람직하게는 데이터 프로세싱 효율을 향상시키기 위해 클라우드 서버에 의해 집합적으로 프로세싱되어야 한다.

본 개시내용의 일 실시예에 따른 클라우드 서버는 콘텐츠 푸싱 기능(content pushing function)을 더 가질 수 있다. 예를 들어, 상인에 대한 히트맵을 표현한 후에, 클라우드 서버는 사용자 분포 밀도에 따라, 사용자 분포 밀도와 일치하는 상인 정보에 대한 정보를 더 푸시할 수 있다. 예를 들어, 상점을 개설하기 위한 조건을 충족하는 특징들을 갖는 200명의 사람들이 있고, 상점을 개설하기 위한 요구사항들이 만족된다고 가정하면, 상점이 개설될 수 있는 선정된 부지가 프롬프트(prompt)될 수 있다.

도 4는 본 개시내용의 일부 실시예들에 따른 지리적 지역 히트맵을 표현하기 위한 방법을 예시하는 흐름도이다.

단계(201)에서, 방법은 특정 단말기에서 사용자 분포 밀도 취득 요청을 특정 서버에 전송하며, 여기서 요청은 식별될 지리적 지역을 포함한다.

일부 실시예들에서, 특정 서버는 하나 이상의 사용자의 링크된 데이터를 수집한다. 구체적으로, 링크된 데이터는 하나 이상의 사용자에 대응하는 서비스 특징 데이터 및 위치 서비스 데이터를 포함한다. 위치 서비스 데이터는 경도 및 위도를 포함한다.

도 5에 예시된 바와 같이, 사용자는 지리적 지역이 상점을 개설하는 데 적합한지를 알고 싶어할 수 있으므로, 사용자는 단말기를 사용하여 경도 및 위도(또는 POI)를 입력하고, 경도 및 위도(또는 POI)를 운송하는 취득 요청을 클라우드 서비스 제공자에 의해 특정된 특정 서버에 전송한다. 특정 서버는 미리 설정된 맵 데이터에서 경도 및 위도(또는 POI)에 따라 식별될 지리적 지역을 결정한다.

단계(202)에서, 방법은 식별될 지리적 지역에 따라 특정 서버에 의해 피드백된 사용자 분포 밀도를 수신한다.

서버가 식별될 지리적 지역을 결정한 후에, 식별될 지리적 지역 내의 사용자 분포 밀도가 획득되고 대응하는 단말기에 피드백된다. 사용자 분포 밀도는 지리적 지역의 카운트 값, POI, 및 경도 및 위도 값을 포함할 수 있다.

도 4로 돌아가서, 일 실시예에서, 요청은 서비스 특징 데이터를 포함할 수 있고; 단계(202)는 식별될 지리적 지역 및 서비스 특징 데이터에 따라 특정 서버에 의해 피드백된 사용자 분포 밀도를 수신하는 단계를 더 포함할 수 있다.

또한, 취득 요청을 제출할 때, 특징 선별 조건의 역할을 하기 위해, 사용자의 관심 특징 및/또는 기본 정보를 반영할 수 있는 서비스 특징 데이터가 또한 동시에 제출될 수 있다. 서버는 서비스 특징 데이터 및 식별될 지리적 지역에 따라 사용자 분포 밀도를 얻는다. 사용자 분포 밀도는 지리적 지역의 카운트 값, POI, 및 경도 및 위도 값, 및 서비스 특징 데이터를 충족시키는 사용자들의 수를 포함한다.

단계(203)에서, 방법은 특정 단말기에서, 식별될 지리적 지역의 사용자 분포 밀도를 표현한다.

도 6은 본 개시내용의 일부 실시예들에 따른 맵에서의 사용자 분포 밀도를 표현하는 히트맵의 예시이다.

도 6에 예시된 바와 같이, 사용자 분포 밀도가 서버에 의해 얻어질 때, 사용자 분포 밀도는 히트맵으로서 특정 단말기에 전송되어 디스플레이될 수 있다. 따라서, 사용자는 요구사항들을 만족시키는 식별될 지리적 지역의 사용자 분포 조건을 직관적으로 이해할 수 있다.

도 6에 도시된 바와 같이, 맵 상에 식별될 여러 지리적 지역들이 존재한다. 상인이 입력하는 것을 용이하게 하기 위해, 하나 이상의 드롭다운 메뉴들(dropdown menus)에서 사용자에 의해 인구 선별 조건이 선정될 수 있다. 상인이 성별, 연령, 및 학력과 같은 인구 선별 조건들을 결정하면, 서버는 인구 선별 조건들에 따라 사용자 분포 밀도를 계산하고, 히트맵 모드에서 맵에 사용자 분포 밀도를 표현한다. 상인이 선별하는 것을 허용하기 위해, 인구 선별 조건들을 충족시키고 식별될 각각의 지리적 지역을 반영할 수 있는 활동 수준(activity level)이 사용자 분포 밀도에 따라 추가로 획득될 수 있고, 향상된 사용자 경험을 제공할 수 있다.

대안적인 실시예들에서, 키워드는 인구 선별 조건의 역할을 하도록 입력될 수 있고, 그렇게 함으로써 모집단을 보다 정확하게 원으로 표시할 수 있다.

위에 예시된 바와 같이, 사용자는 식별될 지리적 지역의 사용자 분포 밀도를 얻을 수 있다. 사용자 분포 밀도에 따라, 사용자는 식별될 지리적 지역의 사용자 분포 조건을 결정할 수 있고, 식별될 지리적 지역의 조건을 충족시키는 사용자 분포 조건을 결정할 수 있다.

일 예로서 새로운 상점 주소를 선정하는 상인을 사용하여, 설명된 실시예들을 사용함으로써, 상인이 상점을 개설할 것을 예상하는 지역에서 상점 유형을 충족시키는 사용자 양이 제공될 수 있다. 따라서, 상인은 상점이 지리적 지역에서 개설될 수 있는지 여부 또는 상점이 개설될 필요가 있는지 여부를 결정할 수 있고, 그렇게 함으로써 상인에게 신뢰성 있는 인구 메트릭들을 제공한다.

명료함을 위해, 이전에 설명된 방법 실시예들은 액션들의 일련의 조합들로서 설명된다. 그러나, 해당 기술분야의 통상의 기술자는 몇몇 단계들이 다른 시퀀스들에서 구현될 수 있거나 동시에 구현될 수 있기 때문에 개시내용의 실시예들이 설명된 액션들의 시퀀스에 의해 제한되지 않는다는 것을 이해할 것이다. 또한, 해당 기술분야의 통상의 기술자는 명세서에 설명된 실시예들이 예시적인 실시예들로서 제공되며, 특정 액션들이 본 개시내용의 실시예들에 모두 필요한 것은 아님을 이해할 것이다.

도 7은 본 개시내용의 일부 실시예들에 따른 지리적 지역 히트맵을 생성하기 위한 디바이스의 블록도이다.

디바이스는 하나 이상의 사용자로부터 링크된 데이터를 수신하도록 구성된 링크된 데이터 취득 모듈(301)을 포함한다. 일 실시예에서, 링크된 데이터 취득 모듈(301)은 다음의 하위모듈(sub-module)들을 포함할 수 있다.

(1) 하나 이상의 사용자로부터 서비스 특징 데이터를 수신하도록 구성된 서비스 특징 데이터 취득 하위모듈.

일 실시예에서, 서비스 특징 데이터 취득 하위모듈은 다음의 유닛들: 서비스 플랫폼에 의해 수집된 하나 이상의 사용자의 서비스 데이터를 수신하도록 구성된 서비스 특징 데이터 취득 유닛 - 서비스 데이터는 기본 서비스 특징 데이터 및 행동 서비스 데이터를 포함함 - ; 하나 이상의 사용자의 행동 서비스 데이터에 기초하여 행동 서비스 특징 데이터를 생성하도록 구성된 행동 서비스 특징 데이터 생성 유닛; 및 기본 서비스 특징 데이터 및 행동 서비스 특징 데이터를 하나 이상의 사용자의 서비스 특징 데이터로 조직(organize)하도록 구성된 서비스 특징 데이터 조직 유닛을 포함할 수 있다.

일 실시예에서, 행동 서비스 특징 데이터 생성 유닛은 다음의 하위유닛(sub-unit)들: 가중치를 얻기 위해 하나 이상의 사용자의 행동 서비스 특징 데이터에 기초하여 미리 설정된 서비스 특징 데이터를 트레이닝하도록 구성된 서비스 특징 데이터 가중치 획득 하위유닛; 및 하나 이상의 사용자의 행동 서비스 특징 데이터로서 미리 설정된 인자의 값보다 큰 가중치를 갖는 미리 설정된 서비스 특징 데이터를 사용하도록 구성된 행동 서비스 특징 데이터 결정 하위유닛을 포함할 수 있다.

(2) 하나 이상의 사용자로부터 위치 서비스 데이터를 수신하도록 구성된 위치 서비스 데이터 취득 하위모듈.

일 실시예에서, 위치 서비스 데이터 취득 하위모듈은 이동 단말기에 의해 수집된 하나 이상의 사용자의 위치 서비스 데이터를 취득하도록 구성된 위치 서비스 데이터 취득 유닛을 포함할 수 있다.

(3) 링크된 데이터를 획득하기 위해 하나 이상의 사용자에 따라 서비스 특징 데이터 및 위치 서비스 데이터를 링크하도록 구성된 링크된 데이터 획득 하위모듈.

일 실시예에서, 서비스 특징 데이터 및 위치 서비스 데이터는 개별적으로 대응하는 사용자 식별자를 가지며; 링크된 데이터 취득 모듈(301)은 링크된 데이터와 동일한 사용자 식별자를 갖는 서비스 특징 데이터와 위치 서비스 데이터를 병합하도록 구성된 데이터 병합 유닛을 포함할 수 있다.

디바이스는, 하나 이상의 사용자의 링크된 데이터에 기초하여, 식별될 지리적 지역에 따라 후보 사용자들을 추출하도록 구성된 후보 사용자 추출 모듈(302)을 더 포함한다.

일 실시예에서, 후보 사용자 추출 모듈(302)은 다음의 하위모듈들: 미리 설정된 맵 데이터에서 사용자에 의해 선정된 지리적 지역을 식별될 지리적 지역으로 사용하도록 구성된 식별될 지리적 지역 선정 하위모듈; 사용자에 의해 제출된 특징 선별 조건을 수신하도록 구성된 특징 선별 조건 수신 하위모듈; 및 하나 이상의 사용자의 위치 서비스 데이터에 기초하여, 식별될 지리적 지역 내의 사용자들을 찾아내고, 서비스 특징 데이터가 후보 사용자들의 역할을 하기 위해 특징 선별 조건을 충족시킬 수 있는 사용자들을 찾아내도록 구성된 후보 사용자 로케이팅 하위모듈을 포함할 수 있다.

일 실시예에서, 식별될 지리적 지역 선정 하위모듈은 다음의 유닛들: 사용자에 의해 입력된 경도 및 위도, 및 반경을 수신하도록 구성된 경도 및 위도, 및 반경 수신 유닛; 경도 및 위도, 및 반경에 기초하여 현재 맵 데이터 내에 지리적 지역을 원으로 표시하도록 구성된 지리적 지역 원 표시 유닛; 및 지리적 지역을 식별될 지리적 지역으로 사용하도록 구성된 식별될 지리적 지역 결정 유닛을 포함할 수 있다.

일 실시예에서, 경도 및 위도, 및 반경 수신 유닛은 사용자에 의해 입력된 POI 및 반경을 수신하도록 구성된 POI 및 반경 수신 하위유닛을 포함할 수 있고, 여기서 POI는 대응하는 경도 및 위도를 갖는다.

일 실시예에서, 위치 서비스 데이터는 사용자에 대응하는 경도 및 위도를 포함할 수 있으며; 후보 사용자 로케이팅 하위모듈은 다음의 하위모듈들: 식별될 지리적 지역 내의 위치 서비스 데이터에서의 경도 및 위도를 찾아내도록 구성된 경도 및 위도 로케이팅 유닛; 경도 및 위도에 해당하는 사용자들을 후보 사용자들로 사용하도록 구성된 후보 사용자 결정 유닛; 후보 사용자들 중, 서비스 특징 데이터가 특징 선별 조건과 일치하는 사용자들을 찾아내도록 구성된 일치 사용자 로케이팅 유닛; 및 특징 선별 조건과 일치하는 사용자들을 후보 사용자들로서 결정하도록 구성된 후보 사용자 결정 유닛을 포함할 수 있다.

디바이스는 후보 사용자들과 연관된 링크된 데이터에 기초하여 사용자 분포 밀도를 결정하도록 구성된 사용자 분포 밀도 획득 모듈(303)을 더 포함한다.

일 실시예에서, 사용자 분포 밀도는 후보 사용자들의 경도 및 위도를 포함하고; 사용자 분포 밀도 획득 모듈(303)은 링크된 데이터로부터 후보 사용자들의 사용자 식별자에 대응하는 경도 및 위도를 추출하도록 구성된 경도 및 위도 추출 하위모듈을 포함할 수 있다.

디바이스는 식별될 지리적 지역의 사용자 분포 밀도를 표현하도록 구성된 사용자 분포 밀도 표현 모듈(304)을 더 포함한다.

일 실시예에서, 사용자 분포 밀도 표현 모듈(304)은 미리 설정된 맵 데이터에서 식별될 지리적 지역의 사용자 분포 밀도를 표현하도록 구성된 히트맵 표현 하위모듈을 포함할 수 있다.

일 실시예에서, 식별될 복수의 지리적 지역들이 존재하며, 디바이스는 미리 설정된 맵 데이터에서 상이한 색상들로 식별될 지리적 지역들을 각각 마킹하도록 구성된 분포 밀도 색상 마킹 모듈을 더 포함할 수 있다.

일 실시예에서, 서비스 플랫폼은 전자 상거래 플랫폼일 수 있고; 이동 단말기는 스마트폰일 수 있으며; 사용자 분포 밀도는 식별될 지리적 지역의 특정 사용자 양을 포함할 수 있다.

도 8은 본 개시내용의 일부 실시예들에 따른 지리적 지역 히트맵을 생성하기 위한 디바이스의 블록도이다.

디바이스는 특정 서버에 사용자 분포 밀도 취득 요청을 전송하도록 구성된 취득 요청 송신 모듈(401)을 포함하며, 여기서 요청은 식별될 지리적 지역을 포함한다.

디바이스는 식별될 지리적 지역에 따라 특정 서버에 의해 피드백되는 사용자 분포 밀도를 수신하도록 구성된 사용자 분포 밀도 수신 모듈(402)을 포함한다.

일 실시예에서, 요청은 서비스 특징 데이터를 더 포함할 수 있고, 사용자 분포 밀도 수신 모듈(402)은 식별될 지리적 지역 및 서비스 특징 데이터에 따라 특정 서버에 의해 피드백되는 사용자 분포 밀도를 수신하도록 구성된 사용자 분포 밀도 수신 하위모듈을 포함할 수 있다.

디바이스는, 특정 단말기에서, 식별될 지리적 지역의 사용자 분포 밀도를 표현하도록 구성된 사용자 분포 밀도 디스플레이 모듈(403)을 포함한다.

디바이스 실시예들은 방법 실시예들과 실질적으로 유사하므로 단지 간략하게 설명되고, 따라서, 연관된 부분에 대해 방법 실시예들을 참조할 수 있다.

본 명세서의 실시예들은 모두 점진적인 방식으로 설명된다. 각각의 실시예들의 설명은 다른 실시예들과의 차이점들에 초점을 맞추고, 각각의 실시예들 중에서 동일하거나 유사한 부분들을 서로 참조할 수 있다.

해당 기술분야의 통상의 기술자는 본 개시내용의 실시예들이 방법, 디바이스, 또는 컴퓨터 프로그램 제품으로서 제공될 수 있음을 이해해야 한다. 따라서, 본 개시내용의 실시예들은 하드웨어 실시예, 전체 소프트웨어 실시예, 또는 소프트웨어와 하드웨어를 결합한 실시예의 형태를 사용할 수 있다. 또한, 본 개시내용의 실시예들은 컴퓨터 이용가능한 프로그램 코드를 포함하는 하나 이상의 컴퓨터 이용가능한 저장 매체들(자기 디스크 저장소, CD-ROM, 또는 광학 메모리를 포함하지만 이에 한정되지는 않음) 상에 구현된 컴퓨터 프로그램 제품의 형태를 사용할 수 있다.

전형적인 구성에서, 컴퓨터 디바이스는 하나 이상의 프로세서(CPU), 입력/출력 인터페이스, 네트워크 인터페이스, 및 메모리를 포함한다. 메모리는 컴퓨터 판독가능 매체들의 휘발성 메모리, 랜덤 액세스 메모리(RAM), 및/또는 비휘발성 메모리, 예를 들어, 판독 전용 메모리(ROM) 또는 플래시 메모리(플래시 RAM)와 같은 모드들을 포함할 수 있다. 메모리는 컴퓨터 판독가능 매체들의 예이다. 컴퓨터 판독가능 매체들은 영구적이고 휘발성인, 이동식 및 고정식 매체들을 포함하며, 임의의 방법 또는 기술로 정보 저장소를 구현할 수 있다. 정보는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 다른 데이터일 수 있다. 컴퓨터 저장 매체의 예들로는 상 변화 메모리(PRAM), 정적 랜덤 액세스 메모리(SRAM), 동적 랜덤 액세스 메모리(DRAM), 랜덤 액세스 메모리(RAM)의 다른 유형들, 판독 전용 메모리(ROM), 전기적으로 소거 가능한 프로그램가능 판독 전용 메모리(EEPROM), 플래시 메모리, 또는 다른 메모리 기술들, CD-ROM(compact disc-read only memory), DVD(digital versatile disc), 또는 다른 광학 저장소들 및 자기 카세트 테이프들을 포함하지만, 이에 제한되지는 않는다. 테이프 저장소, 디스크 저장소, 다른 자기 메모리 디바이스들, 또는 임의의 다른 비전송 매체는 컴퓨팅 디바이스에 의해 액세스될 수 있는 정보를 저장하는 데 사용될 수 있다. 본 명세서의 정의에 따르면, 컴퓨터 판독가능 매체들은 변조된 데이터 신호(modulated data signal) 또는 반송파(carrier wave)와 같은 일시적 매체들(transitory media)(일시적 매체들)을 포함하지 않는다.

본 개시내용의 실시예들은 본 개시내용의 실시예들에서 방법, 디바이스(시스템), 및 컴퓨터 프로그램 제품의 흐름도들 및/또는 블록도들을 참조하여 설명된다. 컴퓨터 프로그램 명령어들은 흐름도들 및/또는 블록도들 내의 각각의 프로세스 및/또는 블록, 및 흐름도들 및/또는 블록도들 내의 프로세스들 및/또는 블록들의 조합을 구현할 수 있다는 것을 이해해야 한다. 이들 컴퓨터 프로그램 명령어들은 기계를 생성하기 위해 범용 컴퓨터, 전용 컴퓨터, 내장형 프로세서, 또는 다른 프로그램가능 데이터 프로세싱 디바이스의 프로세서에 제공될 수 있고, 그에 의해 흐름도들 내의 하나 이상의 프로세스 및/또는 블록도들 내의 하나 이상의 블록에서 특정된 기능들을 구현하도록 구성된 장치는 범용 컴퓨터 또는 다른 프로그램가능 데이터 프로세싱 디바이스의 프로세서에 의해 실행되는 명령어에 기초하여 생성되게 된다.

또한, 컴퓨터 판독가능 메모리에 저장된 명령어들이 명령 장치를 포함하는 제품을 생성하도록, 이들 컴퓨터 프로그램 명령어들은 컴퓨터 또는 다른 프로그램가능 데이터 프로세싱 디바이스를 특정 방식으로 작동하도록 안내할 수 있는 컴퓨터 판독가능 메모리에 저장되며, 명령 장치는 흐름도들 내의 하나 이상의 프로세스 및/또는 블록도들 내의 하나 이상의 블록에서 특정된 기능들을 구현한다.

또한, 컴퓨터에 의해 구현되는 프로세싱을 생성하기 위해 일련의 동작 단계들이 컴퓨터 또는 다른 프로그램가능 데이터 프로세싱 디바이스 상에서 수행되도록, 이들 컴퓨터 프로그램 명령어들은 컴퓨터 또는 다른 프로그램가능 데이터 프로세싱 디바이스에 로딩될 수 있으며, 컴퓨터 또는 다른 프로그램가능 데이터 프로세싱 디바이스 상에서 실행된 명령어들은 흐름도들 내의 하나 이상의 프로세스 및/또는 블록도들 내의 하나 이상의 블록에서 특정된 기능들을 구현하기 위한 단계를 제공한다.

비록 본 개시내용의 실시예들 중 바람직한 실시예들이 설명되었지만, 해당 기술분야의 통상의 기술자가 기본적인 발명의 개념을 아는 한, 해당 기술분야의 통상의 기술자는 이들 실시예들에 추가적인 변경들 및 수정들을 가할 수 있다. 따라서, 청구 범위는 바람직한 실시예들을 포함하기 위해 설명되도록 의도되고, 모든 변경들 및 수정들은 본 개시내용의 실시예들의 범위 내에 있다.

마지막으로, 본 명세서에서 제1 및 제2와 같은 관계 용어들은 오직 엔티티 또는 동작을 다른 엔티티 또는 동작과 구별하기 위해서만 사용되며, 이 엔티티들 또는 동작들 사이의 임의의 실제 관계 또는 시퀀스를 요구하거나 암시하는 것은 아니라는 점에 더 유의해야 한다. 또한, "포함하다", "포괄하다", 및 그의 임의의 변형들은 비배타적인 포함을 포함하도록 의도된다. 따라서, 일련의 요소들을 포함하는 프로세스, 방법, 객체, 또는 디바이스와 관련하여, 프로세스, 방법, 객체, 또는 디바이스는 이러한 요소들을 포함할 뿐만 아니라, 명시적으로 특정되지 않은 다른 요소들을 포함하거나, 프로세스, 방법, 객체, 또는 디바이스의 고유한 요소들을 포함할 수도 있다. 달리 특정하지 않는 한, "…를 포함한다(include a/an...)"에 의해 한정되는 요소는 그 요소를 포함하는 프로세스, 방법, 물품, 또는 디바이스 내에 존재하는 다른 동일한 요소들을 배제하지 않는다.

전술한 내용은 본 개시내용에 제공된 지리적 지역 히트맵을 표현하는 방법 및 지리적 지역 히트맵을 표현하는 디바이스를 상세히 소개한다. 본 개시내용은 본 개시내용의 이론 및 구현 방법을 설명하기 위해 구체적인 예들을 사용한다. 실시예들에 대해 전술한 설명은 단지 본 개시내용의 방법 및 핵심 사상을 설명하는 데 도움을 주기 위해 사용된 것이다. 한편, 해당 기술분야의 통상의 기술자라면, 본 개시내용의 사상에 따라, 구체적인 구현 방식들 및 구현 방식들의 응용들을 변경할 수 있다. 요약하면, 이 명세서의 내용은 본 개시내용의 한정으로서 이해되어서는 안 된다.

Claims

방법으로서,
하나 이상의 사용자와 연관된 링크된 데이터(linked data)를 수신하는 단계 - 상기 링크된 데이터는 상기 하나 이상의 사용자와 연관된 서비스 특징 데이터 및 상기 하나 이상의 사용자와 연관된 위치 서비스 데이터를 포함함 - ;
상기 링크된 데이터 및 식별될 지리적 지역(geographic area)에 기초하여 상기 하나 이상의 사용자로부터 후보 사용자들을 추출하는 단계;
상기 후보 사용자들과 연관된 링크된 데이터에 기초하여 사용자 분포 밀도를 결정하는 단계; 및
상기 식별될 지리적 지역의 상기 사용자 분포 밀도를 디스플레이하는 단계
를 포함하는 방법.
제1항에 있어서,
상기 링크된 데이터를 수신하는 단계는:
서비스 플랫폼에 의해 수집된 상기 하나 이상의 사용자의 서비스 데이터를 수신하는 단계 - 상기 서비스 데이터는 기본 서비스 특징 데이터 및 행동 서비스 데이터를 포함함 - ;
상기 행동 서비스 데이터에 기초하여 행동 서비스 특징 데이터를 생성하는 단계; 및
상기 서비스 특징 데이터로서 상기 기본 서비스 특징 데이터와 상기 행동 서비스 특징 데이터를 결합하는 단계
를 더 포함하는, 방법.
제2항에 있어서,
상기 행동 서비스 데이터에 기초하여 행동 서비스 특징 데이터를 생성하는 단계는:
가중치(weight)를 얻기 위해 상기 행동 서비스 특징 데이터에 기초하여, 미리 설정된 서비스 특징 데이터를 트레이닝(training)하는 단계; 및
미리 설정된 인자보다 큰 가중치를 갖는 상기 미리 설정된 서비스 특징 데이터를 상기 행동 서비스 특징 데이터로서 사용하는 단계
를 포함하는, 방법.
제1항에 있어서,
상기 후보 사용자들을 추출하는 단계는:
상기 식별될 지리적 지역으로서 사용자에 의해 선정된 지리적 지역을 수신하는 단계;
상기 사용자에 의해 제출된 특징 선별 조건(feature screening condition)을 수신하는 단계;
상기 위치 서비스 데이터에 기초하여, 상기 식별될 지리적 지역 내의 사용자들의 제1 하위세트(subset)를 식별하는 단계;
상기 서비스 특징 데이터에 기초하여, 사용자들의 제2 하위세트를 식별하는 단계 - 사용자들의 상기 제2 하위세트 내의 각각의 사용자는 상기 특징 선별 조건을 만족시키는 서비스 특징 데이터와 연관됨 - ; 및
사용자들의 상기 제1 및 제2 하위세트에 기초하여 후보 사용자들의 세트를 식별하는 단계
를 포함하는, 방법.
제4항에 있어서,
상기 식별될 지리적 지역으로서 사용자에 의해 선정된 지리적 지역을 수신하는 단계는:
상기 사용자로부터 경도, 위도, 및 반경을 수신하는 단계;
상기 경도, 위도, 및 반경에 기초하여 원형의 지리적 지역을 식별하는 단계; 및
원으로 표시된 상기 지리적 지역을 상기 식별될 지리적 지역으로 사용하는 단계
를 포함하는, 방법.
제5항에 있어서,
상기 사용자로부터 경도, 위도, 및 반경을 수신하는 단계는, 상기 사용자로부터 관심 지점(point of interest) 및 반경을 수신하는 단계를 포함하고, 상기 관심 지점은 경도 및 위도와 연관되는, 방법.
제4항에 있어서,
상기 위치 서비스 데이터는 각각의 사용자와 연관된 경도 및 위도를 포함하고, 상기 위치 서비스 데이터에 기초하여, 상기 식별될 지리적 지역 내의 사용자들의 제1 하위세트를 식별하는 단계는:
상기 식별될 지리적 지역 내의 상기 위치 서비스 데이터에서 경도 및 위도를 식별하는 단계; 및
상기 위도 및 경도에 대응하는 사용자들을 상기 후보 사용자들로 선정하는 단계
를 포함하는, 방법.
제1항에 있어서,
상기 사용자 분포 밀도는 상기 후보 사용자들 각각에 대한 경도 및 위도를 포함하고, 상기 링크된 데이터에 기초하여 사용자 분포 밀도를 결정하는 단계는, 상기 링크된 데이터로부터, 상기 후보 사용자들로부터 선정된 사용자 식별자에 대응하는 경도 및 위도를 추출하는 단계를 포함하는, 방법.
제1항에 있어서,
상기 식별될 지리적 지역의 상기 사용자 분포 밀도를 디스플레이하는 단계는, 미리 설정된 맵 데이터에서, 상기 식별될 지리적 지역의 상기 사용자 분포 밀도를 디스플레이하는 단계를 포함하는, 방법.
제9항에 있어서,
상기 식별될 지리적 지역은 복수의 지리적 지역들을 포함하고, 상기 방법은 상기 미리 설정된 맵 데이터에서, 상기 복수의 지리적 지역들을 상이한 색상들로 각각 마킹하는 단계를 더 포함하는, 방법.
장치로서,
하나 이상의 프로세서들; 및
컴퓨터 실행가능 명령어들을 그 안에 저장하는 비일시적 메모리(non-transitory memory)
를 포함하고, 상기 컴퓨터 실행가능 명령어들은 상기 프로세서에 의해 실행될 때, 상기 장치로 하여금
하나 이상의 사용자와 연관된 링크된 데이터를 수신하고 - 상기 링크된 데이터는 상기 하나 이상의 사용자와 연관된 서비스 특징 데이터 및 상기 하나 이상의 사용자와 연관된 위치 서비스 데이터를 포함함 - ;
상기 링크된 데이터 및 식별될 지리적 지역에 기초하여 상기 하나 이상의 사용자로부터 후보 사용자들을 추출하고;
상기 후보 사용자들과 연관된 링크된 데이터에 기초하여 사용자 분포 밀도를 결정하고;
상기 식별될 지리적 지역의 상기 사용자 분포 밀도를 디스플레이
하게 하는, 장치.
제11항에 있어서,
상기 장치로 하여금 링크된 데이터를 수신하게 하는 상기 명령어들은, 상기 장치로 하여금:
서비스 플랫폼에 의해 수집된 하나 이상의 사용자의 서비스 데이터를 수신하고 - 상기 서비스 데이터는 기본 서비스 특징 데이터 및 행동 서비스 데이터를 포함함 - ;
상기 행동 서비스 데이터에 기초하여 행동 서비스 특징 데이터를 생성하고;
상기 서비스 특징 데이터로서 상기 기본 서비스 특징 데이터 및 행동 서비스 특징 데이터를 결합
하게 하는 명령어들을 더 포함하는, 장치.
제12항에 있어서,
상기 장치로 하여금 상기 행동 서비스 데이터에 기초하여 행동 서비스 특징 데이터를 생성하게 하는 상기 명령어들은, 상기 장치로 하여금:
가중치를 얻기 위해 상기 행동 서비스 특징 데이터에 기초하여, 미리 설정된 서비스 특징 데이터를 트레이닝하고;
미리 설정된 인자보다 큰 가중치를 갖는 미리 설정된 서비스 특징 데이터를 상기 행동 서비스 특징 데이터로서 사용
하게 하는 명령어들을 더 포함하는, 장치.
제11항에 있어서,
상기 장치로 하여금 후보 사용자들을 추출하게 하는 상기 명령어들은, 상기 장치로 하여금:
상기 식별될 지리적 지역으로서 사용자에 의해 선정된 지리적 지역을 수신하고;
상기 사용자에 의해 제출된 특징 선별 조건을 수신하고;
상기 위치 서비스 데이터에 기초하여, 상기 식별될 지리적 지역 내의 사용자들의 제1 하위세트를 식별하고;
상기 서비스 특징 데이터에 기초하여, 사용자들의 제2 하위세트를 식별하고 - 사용자들의 상기 제2 하위세트 내의 각각의 사용자는 상기 특징 선별 조건을 만족시키는 서비스 특징 데이터와 연관됨 - ;
사용자들의 상기 제1 및 제2 하위세트에 기초하여 후보 사용자들의 세트를 식별
하게 하는 명령어들을 더 포함하는, 장치.
제14항에 있어서,
상기 장치로 하여금 상기 식별될 지리적 지역으로서 사용자에 의해 선정된 지리적 지역을 수신하게 하는 상기 명령어들은, 상기 장치로 하여금:
상기 사용자로부터 경도, 위도, 및 반경을 수신하고;
상기 경도, 위도, 및 반경에 기초하여 원형의 지리적 지역을 식별하고;
원으로 표시된 상기 지리적 지역을 상기 식별될 지리적 지역으로 사용
하게 하는 명령어들을 더 포함하는, 장치.
제15항에 있어서,
상기 장치로 하여금 상기 사용자로부터 경도, 위도, 및 반경을 수신하게 하는 상기 명령어들은, 상기 장치로 하여금, 상기 사용자로부터 관심 지점 및 반경을 수신하게 하는 명령어들을 더 포함하고, 상기 관심 지점은 경도 및 위도와 연관되는, 장치.
제14항에 있어서,
상기 위치 서비스 데이터는 각각의 사용자와 연관된 경도 및 위도를 포함하고, 상기 장치로 하여금, 상기 위치 서비스 데이터에 기초하여, 상기 식별될 지리적 지역 내의 사용자들의 제1 하위세트를 식별하게 하는 상기 명령어들은, 상기 장치로 하여금:
상기 식별될 지리적 지역 내의 상기 위치 서비스 데이터에서 경도 및 위도를 식별하고;
상기 경도 및 위도에 대응하는 사용자들을 상기 후보 사용자들로 선정
하게 하는 명령어들을 더 포함하는, 장치.
제11항에 있어서,
상기 사용자 분포 밀도는 상기 후보 사용자들 각각에 대한 경도 및 위도를 포함하고, 상기 장치로 하여금 상기 링크된 데이터에 기초하여 사용자 분포 밀도를 결정하게 하는 상기 명령어들은, 상기 장치로 하여금, 상기 링크된 데이터로부터, 상기 후보 사용자들로부터 선정된 사용자 식별자에 대응하는 경도 및 위도를 추출하게 하는 명령어들을 더 포함하는, 장치.
제11항에 있어서,
상기 장치로 하여금 상기 식별될 지리적 지역의 상기 사용자 분포 밀도를 디스플레이하게 하는 명령어들은, 상기 장치로 하여금, 미리 설정된 맵 데이터에서, 상기 식별될 지리적 지역의 상기 사용자 분포 밀도를 디스플레이하게 하는 명령어들을 더 포함하는, 장치.
제19항에 있어서,
상기 식별될 지리적 지역은 복수의 지리적 지역들을 포함하고, 상기 명령어들은, 상기 장치로 하여금, 상기 미리 설정된 맵 데이터에서, 상기 복수의 지리적 지역들을 상이한 색상들로 각각 마킹하게 하는 명령어들을 더 포함하는, 장치.