KR20190048303A - Goods Recommendation Method Conisdering User's Chracter Using User's Big Data in Network, and Managing Server Used Therein - Google Patents

Goods Recommendation Method Conisdering User's Chracter Using User's Big Data in Network, and Managing Server Used Therein Download PDF

Info

Publication number
KR20190048303A
KR20190048303A KR1020170143148A KR20170143148A KR20190048303A KR 20190048303 A KR20190048303 A KR 20190048303A KR 1020170143148 A KR1020170143148 A KR 1020170143148A KR 20170143148 A KR20170143148 A KR 20170143148A KR 20190048303 A KR20190048303 A KR 20190048303A
Authority
KR
South Korea
Prior art keywords
user
information
shopping mall
shopping
management server
Prior art date
Application number
KR1020170143148A
Other languages
Korean (ko)
Other versions
KR102075038B1 (en
Inventor
최재원
Original Assignee
(주)이노티브아이엔씨
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 (주)이노티브아이엔씨 filed Critical (주)이노티브아이엔씨
Priority to KR1020170143148A priority Critical patent/KR102075038B1/en
Publication of KR20190048303A publication Critical patent/KR20190048303A/en
Application granted granted Critical
Publication of KR102075038B1 publication Critical patent/KR102075038B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06Q30/0255—Targeted advertisements based on user history
    • G06Q30/0256—User search
    • 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
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Disclosed are a method for recommending a customized product for each user using big data of a user on a network and a management server used therefor. According to the present invention, the method is implemented through processes of: allowing a management server to receive shopping mall use information of a user from a plurality of online shopping mall management servers; allowing the management server to search for shopping mall use information of a plurality of other users including shopping related activity information identical with shopping related activity information of the user included in the shopping mall use information of the user; and allowing the management server to create recommendation product information for the user based on the shopping related activity information included in the searched shopping mall use information of the other users. According to the present invention, a customized product for each user can be recommended in consideration of a shopping tendency of a shopping mall user.

Description

네크워크 상의 사용자의 빅데이터를 이용한 사용자별 맞춤형 상품 추천 방법 및 이에 사용되는 관리 서버{Goods Recommendation Method Conisdering User's Chracter Using User's Big Data in Network, and Managing Server Used Therein}[TECHNICAL FIELD] The present invention relates to a method of recommending a personalized product using a user's large data on a network and a management server used therefor,

본 발명은 네크워크 상의 사용자의 빅데이터를 이용한 사용자별 맞춤형 상품 추천 방법 및 이에 사용되는 관리 서버에 관한 것으로, 더욱 상세하게는 쇼핑몰 이용자의 쇼핑 성향을 고려한 사용자 맞춤형 상품 추천을 가능토록 하는 네크워크 상의 사용자의 빅데이터를 이용한 사용자별 맞춤형 상품 추천 방법 및 이에 사용되는 관리 서버에 관한 것이다. The present invention relates to a customized product recommendation method using a user's big data on a network and a management server used therefor. More particularly, the present invention relates to a method of recommending a customized product, A customized product recommendation method for each user using big data, and a management server used for the method.

일반적으로 온라인 쇼핑몰은 MD(Merchandiser)가 추천하는 상품들을 메인 페이지(main web page), 상품리스트 페이지 등에 게시하는 방식을 통해서 온라인 쇼핑몰 방문자들에게 추천 상품들을 노출한다.In general, an online shopping mall exposes recommendation products to online shopping mall visitors through a method of posting merchandise recommended by an MD (Merchandiser) on a main web page, a product list page, and the like.

그러나 이와 같은 종래 기술에 따른 온라인 쇼핑몰에서의 상품추천 방식은 오프라인 쇼핑몰에서의 상품 추천과는 달리 방문 고객의 특성을 고려하여 추천되는 것이 아니라, 고객의 관심과는 무관하게 MD가 추천하는 상품들이 일방적으로 추천된다.However, unlike product recommendation in the offline shopping mall, the product recommendation method according to the related art is not recommended in consideration of the characteristics of the visiting customer, but the products recommended by the MD are unilateral Is recommended.

즉, 종래 기술에 의하면 온라인 쇼핑몰 방문자의 쇼핑 성향 또는 관심과 무관한 상품들이 일방적으로 추천되기 때문에, 온라인 쇼핑몰 방문자의 상품 구매율은 1% ~ 1.5% 정도에 불과한 것으로 알려져 있다.That is, according to the related art, since products unrelated to the shopping propensity or interest of the online shopping mall visitors are unilaterally recommended, it is known that the purchase rate of the online shopping mall visitors is only about 1% to 1.5%.

따라서, 본 발명의 목적은, 쇼핑몰 이용자의 쇼핑 성향을 고려한 사용자 맞춤형 상품 추천을 가능토록 하는 네크워크 상의 사용자의 빅데이터를 이용한 사용자별 맞춤형 상품 추천 방법 및 이에 사용되는 관리 서버를 제공함에 있다.Accordingly, it is an object of the present invention to provide a customized product recommendation method using a user's big data on a network, which enables a user-customized product recommendation taking into account shopping propensity of a shopping mall user, and a management server used therefor.

상기 목적을 달성하기 위한 본 발명에 따른 사용자의 빅데이터를 이용한 사용자별 맞춤형 상품 추천 방법은, (a) 관리 서버가, 적어도 하나의 온라인 쇼핑몰 운영 서버로부터 사용자의 쇼핑몰 이용 정보를 수신하는 단계; (b) 상기 관리 서버가, 사용자의 쇼핑몰 이용 정보에 포함된 사용자의 쇼핑 관련 활동 정보와 동일한 쇼핑 관련 활동 정보가 포함된 적어도 하나의 다른 사용자의 쇼핑몰 이용 정보를 검색하는 단계; 및 (c) 상기 관리 서버가, 검색된 상기 다른 사용자의 쇼핑몰 이용 정보에 포함된 쇼핑 관련 활동 정보에 기초하여 상기 사용자를 위한 추천 상품 정보를 생성하는 단계를 포함한다.According to another aspect of the present invention, there is provided a method of recommending a customized product using a user's Big Data according to the present invention, the method comprising the steps of: (a) receiving a shopping mall utilization information of a user from at least one online shopping mall management server; (b) the management server retrieving shopping mall usage information of at least one other user including shop-related activity information that is the same as the shopping-related activity information of the user included in the shopping mall usage information of the user; And (c) generating, by the management server, recommended product information for the user based on the shopping related activity information included in the shopping mall utilization information of the searched other user.

바람직하게는, 상기 쇼핑몰 이용 정보에는 사용자 단말기의 고유번호 또는 사용자의 이메일 주소 정보가 포함되어 있는 것을 특징으로 한다.Preferably, the shopping mall use information includes a unique number of the user terminal or e-mail address information of the user.

또한, 상기 쇼핑 관련 활동 정보는, 상기 사용자의 검색 상품 정보, 구매 상품 정보, 접속 쇼핑몰 정보, 상품 검색 키워드 정보, 검색 상품의 카테고리 정보, 구매 대기 상품 정보, 및 상품 리뷰 정보 중 적어도 하나인 것을 특징으로 한다.The shopping-related activity information is at least one of search product information of the user, purchase product information, connection shopping mall information, product search keyword information, category information of a search product, purchase waiting product information, and product review information .

한편, 본 발명에 따른 관리 서버는, 적어도 하나의 온라인 쇼핑몰 운영 서버로부터 사용자의 쇼핑몰 이용 정보를 수신하는 수신부; 사용자의 쇼핑몰 이용 정보에 포함된 사용자의 쇼핑 관련 활동 정보와 동일한 쇼핑 관련 활동 정보가 포함된 적어도 하나의 다른 사용자의 쇼핑몰 이용 정보를 검색하는 검색부; 및 상기 검색부가 검색한 상기 다른 사용자의 쇼핑몰 이용 정보에 포함된 쇼핑 관련 활동 정보에 기초하여 상기 사용자를 위한 추천 상품 정보를 생성하는 생성부를 포함한다.Meanwhile, the management server according to the present invention includes: a receiving unit for receiving shopping mall utilization information of a user from at least one online shopping mall management server; A search unit for searching at least one other user's shopping mall usage information including shopping shopping related activity information of the user included in the shopping mall usage information of the user; And a generating unit for generating recommended product information for the user based on shopping related activity information included in shopping mall utilization information of the other user searched by the searching unit.

바람직하게는, 상기 쇼핑몰 이용 정보에는 사용자 단말기의 고유번호 또는 사용자의 이메일 주소 정보가 포함되어 있는 것을 특징으로 한다.Preferably, the shopping mall use information includes a unique number of the user terminal or e-mail address information of the user.

또한, 상기 쇼핑 관련 활동 정보는, 상기 사용자의 검색 상품 정보, 구매 상품 정보, 접속 쇼핑몰 정보, 상품 검색 키워드 정보, 검색 상품의 카테고리 정보, 구매 대기 상품 정보, 및 상품 리뷰 정보 중 적어도 하나인 것을 특징으로 한다.The shopping-related activity information is at least one of search product information of the user, purchase product information, connection shopping mall information, product search keyword information, category information of a search product, purchase waiting product information, and product review information .

본 발명에 따르면, 쇼핑몰 이용자의 쇼핑 성향을 고려한 사용자 맞춤형 상품 추천이 가능하게 된다. INDUSTRIAL APPLICABILITY According to the present invention, it is possible to recommend a user-customized product in consideration of a shopping tendency of a shopping mall user.

도 1은 본 발명의 일 실시예에 따른 사용자의 빅데이터를 이용한 사용자별 맞춤형 상품 추천 시스템의 구성도,
도 2는 본 발명의 일 실시예에 따른 사용자의 빅데이터를 이용한 사용자별 맞춤형 상품 추천 방법을 실행하는 관리 서버의 구조를 나타내는 기능 블록도, 및
도 3은 본 발명의 일 실시예에 따른 사용자의 빅데이터를 이용한 사용자별 맞춤형 상품 추천 방법의 실행 과정을 설명하는 절차 흐름도이다. 1 is a configuration diagram of a customized product recommendation system for each user using big data of a user according to an embodiment of the present invention;
2 is a functional block diagram illustrating a structure of a management server for executing a user-customized product recommendation method using big data of a user according to an embodiment of the present invention, and FIG.
FIG. 3 is a flowchart illustrating a process of performing a customized product recommendation method for each user using the user's big data according to an exemplary embodiment of the present invention.

이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다. 도면들 중 동일한 구성요소들은 가능한 한 어느 곳에서든지 동일한 부호들로 나타내고 있음에 유의해야 한다. 또한 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.Hereinafter, the present invention will be described in detail with reference to the drawings. It is to be noted that the same elements among the drawings are denoted by the same reference numerals whenever possible. In the following description, well-known functions or constructions are not described in detail since they would obscure the invention in unnecessary detail.

도 1은 본 발명의 일 실시예에 따른 사용자의 빅데이터를 이용한 사용자별 맞춤형 상품 추천 시스템의 구성도이다. 도 1을 참조하면, 본 발명의 일 실시예에 따른 사용자의 빅데이터를 이용한 사용자별 맞춤형 상품 추천 시스템은 사용자 단말기(50), 관리 서버(100), 및 복수의 쇼핑몰 운영 서버(200)를 포함한다.1 is a configuration diagram of a customized product recommendation system for each user using big data of a user according to an embodiment of the present invention. Referring to FIG. 1, a customized product recommendation system using a user's Big Data according to an embodiment of the present invention includes a user terminal 50, a management server 100, and a plurality of shopping mall management servers 200 do.

쇼핑몰 운영 서버(200)는 온라인 쇼핑몰을 운영하는 운영자가 설치 및 관리하는 서버로서, 해당 쇼핑몰의 방문 고객인 사용자의 쇼핑몰 이용 정보가 저장되어 있다.The shopping mall management server 200 is a server installed and managed by an operator who operates an online mall, and stores shopping mall usage information of a user who is a visiting customer of the shopping mall.

본 발명을 실시함에 있어서, 쇼핑몰 운영 서버(200)에 저장되어 있는 사용자의 쇼핑몰 이용 정보에는 사용자의 식별 정보로서 사용자 단말기(50)의 고유번호 및/또는 사용자의 이메일 주소 정보가 포함되어 있고, 사용자의 쇼핑몰 이용 정보에는 또한 사용자의 쇼핑 관련 활동 정보가 포함되어 있음이 바람직할 것이다.In carrying out the present invention, the shopping mall usage information of the user stored in the shopping mall management server 200 includes the unique number of the user terminal 50 and / or the email address information of the user as identification information of the user, It is preferable that the shopping mall usage information of the user also includes shopping related activity information of the user.

한편, 사용자의 쇼핑 관련 활동 정보에는 사용자의 검색 상품 정보(예를 들어, 내가 본 상품 정보 또는 최근 본 상품 정보), 사용자의 구매 상품 정보(예를 들어, 사용자의 최근 상품 구매 내역), 사용자의 접속 쇼핑몰 정보(예를 들어, 해당 쇼핑몰 운영 서버(200)의 URL 정보), 사용자의 상품 검색 키워드 정보, 사용자 검색 상품의 카테고리 정보, 사용자의 구매 대기 상품 정보(예를 들어, 장바구니에 담아놓은 상품), 및 사용자의 상품 리뷰 정보(예를 들어, 사용자가 쇼핑몰 운영 서버(200)에 접속하여 기록한 구매 상품에 대한 상품평 내용)이 포함됨이 바람직할 것이다.On the other hand, the shopping related activity information of the user includes information on the search product of the user (for example, the product information of the user or the latest product information), the purchase information of the user (for example, (For example, the URL information of the shopping mall management server 200), the keyword information of the user's product search keyword, the category information of the user search product, the purchase waiting article information of the user (for example, ), And user's product review information (for example, the content of a product review for a purchased product connected to the shopping mall management server 200 by the user).

즉, 도 1에서의 복수의 쇼핑몰 운영 서버(200)는 각각 자신이 운영하는 온라인 쇼핑몰의 고객인 사용자들에 대해 상기와 같은 사용자 쇼핑몰 이용 정보를 저장하게 된다.That is, the plurality of shopping mall management servers 200 in FIG. 1 store the above-described user mall usage information for users who are customers of the online mall, which is operated by each of them.

한편, 관리 서버(100)는, 온라인 쇼핑몰을 이용하기 위하여 쇼핑몰 운영 서버(200)에 접속하는 스마트 폰, PC 등의 사용자 단말기(50)에 설치되는 어플리케이션 프로그램을 제작하여 각 쇼핑몰 운영자에게 공급하는 어플리케이션 프로그램 제작자가 설치 및 운영하는 서버이다.On the other hand, the management server 100 creates an application program installed in the user terminal 50 such as a smart phone or a PC connected to the shopping mall management server 200 to use the online mall, It is a server installed and operated by the program creator.

이와 같은 관리 서버(100)는 쇼핑몰 운영 서버(200)의 운영자들과의 협약을 통해 각 쇼핑몰 운영 서버(200)로부터 주기적으로 해당 쇼핑몰 사용자들의 쇼핑몰 이용 정보를 수신하고, 이를 기초로 하여 빅 데이터 분석을 통해 사용자별 맞춤형 상품을 추천하는 기능을 수행한다.The management server 100 periodically receives the shopping mall usage information of the corresponding shopping mall users from each shopping mall management server 200 through an agreement with the operators of the shopping mall management server 200, And recommends a customized product for each user through the user interface.

구체적으로, 관리 서버(100)는 특정 사용자의 쇼핑몰 이용 정보에 포함된 해당 사용자의 쇼핑 관련 활동 정보와 동일한 쇼핑 관련 활동 정보가 포함되어 있는 다른 사용자들의 쇼핑몰 이용 정보를 검색하며, 검색된 쇼핑몰 이용 정보에 포함되어 있는 쇼핑 관련 활동 정보에 기초하여 해당 사용자를 위한 추천 상품 정보를 생성한다.Specifically, the management server 100 searches for shopping mall usage information of other users, which include the same shopping activity information as the shopping mall activity information included in the shopping mall usage information of the specific user, And generates recommended product information for the user based on the shopping related activity information included therein.

사용자 단말기(50)는 사용자가 온라인 쇼핑몰을 이용하기 위해 사용하는 스마트 폰, PC 등의 통신 단말기로서 관리 서버(100)가 생성한 사용자 맞춤형 추천 상품 정보를 관리 서버(100)로부터 수신하게 된다.The user terminal 50 receives the user-customized recommendation product information generated by the management server 100 from the management server 100 as a communication terminal such as a smart phone or a PC used by a user to use the online shopping mall.

도 2는 본 발명의 일 실시예에 따른 사용자의 빅데이터를 이용한 사용자별 맞춤형 상품 추천 방법을 실행하는 관리 서버(100)의 구조를 나타내는 기능 블록도이다. 도 2를 참조하면, 본 발명의 일 실시예에 따른 사용자별 맞춤형 상품 추천 방법을 실행하는 관리 서버(100)는 수신부(110), 저장부(130), 검색부(150), 생성부(170), 및 송신부(190)를 포함한다.FIG. 2 is a functional block diagram illustrating a structure of a management server 100 that executes a customized product recommendation method using a user's big data according to an exemplary embodiment of the present invention. Referring to FIG. 2, a management server 100 executing a customized product recommendation method according to an exemplary embodiment of the present invention includes a receiving unit 110, a storage unit 130, a searching unit 150, a generating unit 170 ), And a transmitting unit 190.

관리 서버(100)의 수신부(110)는 복수의 온라인 쇼핑몰 운영 서버(200)로부터 주기적으로 사용자의 쇼핑몰 이용 정보를 수신하며, 저장부(130)는 주기적으로 수신된 사용자의 쇼핑몰 이용 정보를 수신 주기별로 구분하여 저장한다.The receiving unit 110 of the management server 100 periodically receives shopping mall usage information from the plurality of online shopping mall management servers 200. The storage unit 130 stores the shopping mall usage information of the user periodically received, Respectively.

한편, 관리 서버(100)의 검색부(150)는 특정 사용자의 쇼핑몰 이용 정보에 포함된 사용자의 쇼핑 관련 활동 정보와 동일한 쇼핑 관련 활동 정보가 포함된 다른 사용자의 쇼핑몰 이용 정보를 검색하며, 생성부(170)는 검색부(150)가 검색한 다른 사용자의 쇼핑몰 이용 정보에 포함되어 있는 쇼핑 관련 활동 정보에 기초하여 해당 사용자를 위한 추천 상품 정보를 생성한다.On the other hand, the search unit 150 of the management server 100 searches for shopping mall usage information of another user including the shopping related activity information that is the same as the shopping related activity information of the user included in the shopping mall utilization information of the specific user, The controller 170 generates recommended product information for the user based on the shopping related activity information included in the shopping mall usage information of the other user searched by the search unit 150. [

한편, 관리 서버(100)의 송신부(190)는 해당 사용자의 쇼핑몰 이용 정보에 포함되어 있는 사용자 단말기(50)의 고유번호 또는 사용자의 이메일 주소 정보를 기초로 하여, 사용자별 맞춤형 추천 상품 정보를 사용자 단말기(50)로 송신하는 기능을 수행한다.On the other hand, the transmitting unit 190 of the management server 100 transmits the customized recommended product information for each user to the user terminal 50 based on the unique number of the user terminal 50 or the email address information of the user, To the terminal (50).

도 3은 본 발명의 일 실시예에 따른 사용자의 빅데이터를 이용한 사용자별 맞춤형 상품 추천 방법의 실행 과정을 설명하는 절차 흐름도이다. 이하에서는 도 1 내지 도 3을 참조하여, 본 발명의 일 실시예에 따른 사용자별 맞춤형 상품 추천 방법의 실행 과정을 설명하기로 한다.FIG. 3 is a flowchart illustrating a process of performing a customized product recommendation method for each user using the user's big data according to an exemplary embodiment of the present invention. Hereinafter, with reference to FIG. 1 to FIG. 3, a description will be made of a process of performing a customized product recommendation method for each user according to an embodiment of the present invention.

먼저, 관리 서버(100)는 복수의 쇼핑몰 운영 서버(200)로부터 주기적으로 해당 쇼핑몰 사용자들의 쇼핑몰 이용 정보를 수신하며, 수신된 쇼핑몰 이용 정보를 각 쇼핑몰별로 저장부(130)에 저장하되, 쇼핑몰 이용 정보의 수신 주기별로 구분하여 저장함이 바람직할 것이다(S310).First, the management server 100 periodically receives shopping mall usage information of corresponding shopping mall users from a plurality of shopping mall management servers 200, stores the received mall usage information in the storage unit 130 for each shopping mall, It is preferable that the information is divided and stored according to the reception cycle of the information (S310).

한편, 관리 서버(100)의 저장부(130)에 상기와 같이 저장되는 복수의 쇼핑몰에서의 사용자들의 쇼핑몰 이용 정보인 빅 데이터 분석을 통해 특정 사용자를 위한 맞춤형 상품을 추천하기 위해서, 관리 서버(100)의 검색부(150)는 해당 사용자의 쇼핑몰 이용 정보에 포함되어 있는 쇼핑 관련 활동 정보와 동일한 쇼핑 관련 활동 정보가 포함되어 있는 다른 사용자들의 쇼핑몰 이용 정보를 저장부(130)를 통해 검색한다(S330).In order to recommend a customized product for a specific user through analysis of big data, which is shopping mall usage information of users in a plurality of shopping malls stored as described above, in the storage unit 130 of the management server 100, Searches through the storage unit 130 of the shopping mall usage information of other users including the shopping related activity information that is the same as the shopping related activity information included in the shopping mall usage information of the corresponding user ).

이후, 관리 서버(100)의 생성부(170)는 검색된 다른 사용자의 쇼핑몰 이용 정보에 포함되어 있는 쇼핑 관련 활동 정보에 기초하여 상기 특정 사용자를 위한 추천 상품 정보를 생성한다(S350).Then, the generating unit 170 of the management server 100 generates recommended product information for the specific user based on the shopping-related activity information included in the retrieved shopping mall utilization information of the other user (S350).

한편, 전술한 S330 단계 및 S350 단계를 보다 구체적으로 설명하면, 먼저 쇼핑 관련 활동 정보가 사용자의 검색 상품 정보(예를 들어, 내가 본 상품 정보 또는 최근 본 상품 정보)인 경우에는 관리 서버(100)의 검색부(150)는 동일한 검색 상품 정보가 포함되어 있는 다른 사용자의 쇼핑몰 이용 정보를 검색하며, 관리 서버(100)의 생성부(170)는 검색된 다른 사용자의 쇼핑몰 이용 정보에 포함되어 있는 쇼핑 관련 활동 정보에서의 다른 검색 상품 정보(즉, 동일한 쇼핑 성향을 갖고 있는 다른 사용자의 검색 상품정보)를 상기 특정 사용자를 위한 맞춤형 추천 상품 정보로서 생성한다.If the shopping related activity information is the search goods information of the user (for example, the merchandise information or the recent merchandise information), the management server 100 determines whether the shop- The search unit 150 of the management server 100 searches the shopping mall usage information of other users including the same search product information and the generation unit 170 of the management server 100 searches for shopping mall usage information (I.e., search product information of other users having the same shopping tendency) in the activity information as customized recommended product information for the specific user.

또한, 쇼핑 관련 활동 정보가 사용자의 구매 대기 상품 정보(예를 들어, 장바구니에 담아놓은 상품)인 경우에는 관리 서버(100)의 검색부(150)는 동일한 구매 대기 상품 정보가 포함되어 있는 다른 사용자의 쇼핑몰 이용 정보를 검색하며, 관리 서버(100)의 생성부(170)는 검색된 다른 사용자의 쇼핑몰 이용 정보에 포함되어 있는 쇼핑 관련 활동 정보에서의 다른 구매 대기 상품 정보(즉, 동일한 쇼핑 성향을 갖고 있는 다른 사용자의 구매 대기 상품 정보)를 상기 특정 사용자를 위한 맞춤형 추천 상품 정보로서 생성한다.If the shopping related activity information is the purchase waiting article information of the user (for example, a product placed in a shopping cart), the search unit 150 of the management server 100 searches for another user And the generating unit 170 of the management server 100 searches for shopping mall usage information of other shopping mall usage information included in the shopping mall usage information of the searched other users Purchase waiting product information of another user) as customized recommended product information for the specific user.

아울러, 쇼핑 관련 활동 정보가 사용자의 상품 검색 키워드 정보인 경우에는 관리 서버(100)의 검색부(150)는 동일한 상품 검색 키워드 정보가 포함되어 있는 다른 사용자의 쇼핑몰 이용 정보를 검색하고, 검색된 다른 사용자의 쇼핑몰 이용 정보에 포함되어 있는 쇼핑 관련 활동 정보에서의 다른 검색 키워드 정보(즉, 동일한 쇼핑 성향을 갖고 있는 다른 사용자의 검색 키워드 정보)를 기초로 하여 상품 정보를 검색하며, 관리 서버(100)의 생성부(170)는 상기 다른 검색 키워드 정보를 기초로 검색된 상품 정보를 상기 특정 사용자를 위한 맞춤형 추천 상품 정보로서 생성한다.When the shopping related activity information is the product search keyword information of the user, the search unit 150 of the management server 100 searches the shopping mall usage information of other users including the same goods search keyword information, Searches for product information based on other search keyword information (i.e., search keyword information of another user having the same shopping tendency) in the shopping related activity information included in the shopping mall utilization information of the management server 100 The generation unit 170 generates the product information searched based on the other search keyword information as the customized recommended product information for the specific user.

또한, 쇼핑 관련 활동 정보가 사용자의 검색 상품의 카테고리 정보(예를 들어, 가방)인 경우에는 관리 서버(100)의 검색부(150)는 동일한 검색 상품 카테고리 정보(예를 들어, 가방)가 포함되어 있는 다른 사용자의 쇼핑몰 이용 정보를 검색하며, 관리 서버(100)의 생성부(170)는 검색된 다른 사용자의 쇼핑몰 이용 정보에 포함되어 있는 쇼핑 관련 활동 정보에서의 다른 검색 상품의 카테고리 정보(예를 들어, 구두)에 포함되는 상품 정보를 상기 특정 사용자를 위한 맞춤형 추천 상품 정보로서 생성한다.When the shopping related activity information is category information (e.g., bag) of the user's search product, the search unit 150 of the management server 100 includes the same search item category information (e.g., bag) And the generation unit 170 of the management server 100 retrieves category information of other search products in the shopping related activity information included in the retrieved shopping mall utilization information of the other users For example, as information for customized recommendation for the specific user.

아울러, 쇼핑 관련 활동 정보가 사용자의 접속 쇼핑몰 정보(예를 들어, 해당 쇼핑몰 운영 서버(200)의 URL 정보)인 경우에는 관리 서버(100)의 검색부(150)는 동일한 접속 쇼핑몰 정보가 포함되어 있는 다른 사용자의 쇼핑몰 이용 정보를 1차적으로 검색하며, 1차 검색된 상기 다른 사용자의 식별 정보(예를 들어, 사용자 단말기의 고유번호)가 포함되어 있는 쇼핑몰 이용 정보(즉, 다른 쇼핑몰 이용 정보)를 2차적으로 검색한다.In addition, when shopping related activity information is user's shopping mall information (for example, URL information of the shopping mall management server 200), the search unit 150 of the management server 100 includes the same shopping mall information (E.g., other shopping mall usage information) including the identification information of the other user (for example, the unique number of the user terminal) searched first, and the mall usage information Secondarily search.

그 다음, 관리 서버(100)는 2차 검색된 쇼핑몰 이용 정보에 포함되어 있는 쇼핑몰 접속 정보(즉, 다른 사용자가 접속한 다른 쇼핑몰로의 접속 정보)를 통해 다른 쇼핑몰에 접속한 다음, 상기 특정 사용자(상품을 추천하려고 하는 사용자)의 쇼핑 관련 활동 정보에 포함되어 있는 검색 키워드를 통해 상기 다른 쇼핑몰에서의 판매 상품을 3차적으로 검색한다.Then, the management server 100 accesses another shopping mall through the shopping mall access information (i.e., access information to another shopping mall accessed by another user) included in the secondary shopping mall usage information, The third party searches for the sale item in the other shopping mall through the search keyword included in the shopping-related activity information of the user who is going to recommend the product.

이에 관리 서버(100)의 생성부(170)는 상기 2차 검색된 쇼핑몰 이용 정보에 포함되어 있는 해당 쇼핑몰의 접속 쇼핑몰 정보(즉, 다른 쇼핑몰의 접속 정보)와 상기 3차 검색된 다른 쇼핑몰에서의 판매 상품 정보를 결합한 정보를 상기 특정 사용자를 위한 맞춤형 추천 상품 정보로서 생성한다.Accordingly, the generation unit 170 of the management server 100 determines whether the shopping mall information of the corresponding shopping mall (i.e., the access information of the other shopping mall) included in the secondary shopping mall utilization information, Information as the customized recommended product information for the specific user.

아울러, 쇼핑 관련 활동 정보가 사용자의 상품 리뷰 정보(예를 들어, 사용자가 쇼핑몰 운영 서버(200)에 접속하여 기록한, 구매 상품에 대한 사이즈 정보 및 상품평["나이키 운동화를 7사이즈로 구매했는데 제게 잘 맞더라구요." 또는 "나이키 운동화 8사이즈로 구매했는데 약간 작아서 반품했어요."])인 경우에는, 관리 서버(100)의 생성부(170)는 해당 사용자가 기록한 상품평 내용에 대한 텍스트 분석 결과를 추가적으로 반영하여 사용자를 위한 맞춤형 추천 상품 정보를 생성할 수도 있을 것이다.In addition, if the shopping related activity information is information on the user's merchandise review (for example, the size information and the merchandise review information on the purchased merchandise, which the user has accessed and connected to the shopping mall management server 200 and purchased, ), Or the "I bought it with Nike sneaker 8 size but returned it because it is slightly smaller"], the generation unit 170 of the management server 100 adds the text analysis result of the product review content recorded by the user And may generate customized recommendation product information for the user.

구체적으로 설명하면, 먼저 관리 서버(100)의 생성부(170)는 상기 예시와 같은 상품평에 대한 텍스트 분석을 통해 해당 사용자를 위한 최적 사이즈 정보를 산출한다.Specifically, first, the generation unit 170 of the management server 100 calculates optimum size information for the user through text analysis on the product review as shown in the above example.

예를 들어, 관리 서버(100)의 생성부(170)는 특정 사이즈 정보(7사이즈)와 긍정적 키워드 정보(맞아요, 편해요 등)가 함께 기록된 경우에는 해당 사이즈 정보(7사이즈)는 적합한 사이즈 정보(최적 사이즈 정보)인 것으로 판단하며, 특정 사이즈 정보(8사이즈)와 부정적 키워드 정보(불편해요, 작아요, 커요, 아파요 등)이 함께 기록된 경우에는 해당 사이즈 정보(8사이즈)는 부적합한 것으로 판단한다.For example, when the specific size information (size 7) and the positive keyword information (right, comfort, etc.) are recorded together, the generation unit 170 of the management server 100 stores the size information (size 7) (8 sizes) and negative keyword information (uncomfortable, small, curly, sick, etc.) are recorded together, it is determined that the size information (size 8) is inappropriate .

이후, 관리 서버(100)의 생성부(170)는 상술한 방법들에 의해 생성된 구매 추천 상품 정보(예를 들어, 운동화)와 해당 사용자의 상기 상품 리뷰 정보에 포함되어 있는 사용자의 구매 상품 정보(예를 들어, 운동화)가 일치하는지 여부를 판단하며, 양자가 일치하는 경우에 관리 서버(100)의 생성부(170)는 해당 사용자의 상품평 텍스트 분석을 통해 산출한 최적 사이즈 정보를 추천 상품 정보(예를 들어, 운동화)에 결합함으로써 추천 상품 정보를 갱신하여 생성한다.Then, the generating unit 170 of the management server 100 receives the purchase recommendation information (e.g., sneaker) generated by the above-described methods and the purchase product information of the user included in the product review information of the user (For example, sneakers). If the two match, the generating unit 170 of the management server 100 determines the optimum size information calculated through analysis of the product review text of the user as recommended product information (For example, sneakers) to update recommended product information.

한편, 운동화 등의 신발 제품은 동일한 사이즈(예를 들면, 7)의 제품인 경우라도 브랜드의 종류별로 실제 크기가 상이한 경우가 있기 때문에, 관리 서버(100)의 생성부(170)는 이와 같은 제품 브랜드의 특성까지 고려하여 해당 사용자를 위한 최적 사이즈 정보를 산출함이 바람직할 것이다.On the other hand, even when a shoe product such as a sneaker is of the same size (for example, 7), the actual size may differ for each brand, so that the generation unit 170 of the management server 100 determines, It is preferable to calculate the optimum size information for the user by considering the characteristics of the user.

이를 위해서 관리 서버(100)의 저장부(130)에는 하기 표 1에서와 같이 제품의 실제 크기별 사이즈 번호를 제품 브랜드 종류에 따라 정리한 맵핑 테이블 정보가 저장됨이 바람직할 것이다.For this purpose, it is desirable that the storage unit 130 of the management server 100 stores the mapping table information in which the size number of the actual size of the product according to the product brand type is stored as shown in Table 1 below.

CMCM 나이키Nike 아디다스Adidas 뉴밸런스New Balance 2424 66 5.55.5 6.56.5 2525 77 6.56.5 7.57.5 2626 88 7.57.5 8.58.5 2727 99 8.58.5 9.59.5

한편, 관리 서버(100)의 생성부(170)는 상술한 방법들에 의해 생성된 구매 추천 상품 정보에 포함되어 있는 브랜드 정보(예를 들면, 아디다스)가 해당 사용자의 상품 리뷰 정보에 포함되어 있는 브랜드 정보(예를 들면, 나이키)와 상이한 경우에는 최초 산출된 최적 사이즈 정보(예를 들어, 7)를 상기 표 1에 기초하여 구매 추천 브랜드를 고려한 맞춤형 최적 사이즈 정보(예를 들어, 6.5)로 수정하게 된다.On the other hand, the generation unit 170 of the management server 100 determines whether or not the brand information (for example, adidas) included in the purchase recommendation product information generated by the above-described methods is included in the product review information of the user (For example, 7) based on the table 1, customized optimal size information considering the purchase recommendation brand (for example, 6.5) To be corrected.

관리 서버(100)의 생성부(170)는 상기와 같이 수정 산출된 최적 사이즈 정보를 기 생성된 추천 상품 정보에 결합함으로써 추천 상품 정보를 갱신하여 생성한다.The generation unit 170 of the management server 100 updates the recommended product information by combining the optimal size information corrected and calculated as described above with the previously generated recommended product information.

상술한 방법에 의해 생성된 사용자 맞춤형 추천 상품 정보는 관리 서버(100)의 저장부(130)에 저장되며, 관리 서버(100)의 송신부(190)는 해당 사용자의 식별 정보인 사용자 단말기(50)의 고유번호(전화번호, 기기번호 등) 또는 사용자의 이메일 주소 정보에 기초하여 사용자 단말기(50)로 상기 추천 상품 정보를 송신한다(S370).The customized recommendation product information generated by the above method is stored in the storage unit 130 of the management server 100 and the transmission unit 190 of the management server 100 stores the user- And transmits the recommendation information to the user terminal 50 based on the unique number (phone number, device number, etc.) of the user or e-mail address information of the user (S370).

한편, 본 발명을 실시함에 있어서, 관리 서버(100)의 생성부(170)는 사용자 맞춤형 추천 상품 정보를 생성함에 있어서, 상술한 바와 같은 다양한 쇼핑 관련 활동 정보를 동시에 반영하여 추천 상품 정보를 생성할 수도 있을 것이다.Meanwhile, in implementing the present invention, the generating unit 170 of the management server 100 generates the recommended product information by simultaneously reflecting the various shopping-related activity information as described above in generating the customized recommended product information It might be.

본 발명에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises" or "having" and the like are used to specify that there is a feature, a number, a step, an operation, an element, a component or a combination thereof described in the specification, But do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.

이상에서는 본 발명의 바람직한 실시예 및 응용예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예 및 응용예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the present invention.

50: 사용자 단말기, 100: 관리 서버,
200: 쇼핑몰 운영 서버.50: user terminal, 100: management server,
200: Store operation server.

Claims (2)

(a) 관리 서버가, 적어도 하나의 온라인 쇼핑몰 운영 서버로부터 사용자의 쇼핑몰 이용 정보를 수신하는 단계;
(b) 상기 관리 서버가, 사용자의 쇼핑몰 이용 정보에 포함된 사용자의 쇼핑 관련 활동 정보와 동일한 쇼핑 관련 활동 정보가 포함된 적어도 하나의 다른 사용자의 쇼핑몰 이용 정보를 검색하는 단계; 및
(c) 상기 관리 서버가, 검색된 상기 다른 사용자의 쇼핑몰 이용 정보에 포함된 쇼핑 관련 활동 정보에 기초하여 상기 사용자를 위한 추천 상품 정보를 생성하는 단계
를 포함하는 사용자별 맞춤형 상품 추천 방법.
(a) the management server receiving the shopping mall utilization information of the user from at least one online shopping mall management server;
(b) the management server retrieving shopping mall usage information of at least one other user including shop-related activity information that is the same as the shopping-related activity information of the user included in the shopping mall usage information of the user; And
(c) generating, by the management server, recommended product information for the user based on shopping related activity information included in shopping mall utilization information of the searched other user
The method comprising the steps of:
적어도 하나의 온라인 쇼핑몰 운영 서버로부터 사용자의 쇼핑몰 이용 정보를 수신하는 수신부;
사용자의 쇼핑몰 이용 정보에 포함된 사용자의 쇼핑 관련 활동 정보와 동일한 쇼핑 관련 활동 정보가 포함된 적어도 하나의 다른 사용자의 쇼핑몰 이용 정보를 검색하는 검색부; 및
상기 검색부가 검색한 상기 다른 사용자의 쇼핑몰 이용 정보에 포함된 쇼핑 관련 활동 정보에 기초하여 상기 사용자를 위한 추천 상품 정보를 생성하는 생성부
를 포함하는 관리 서버.
A receiving unit for receiving shopping mall usage information of a user from at least one online shopping mall operating server;
A search unit for searching at least one other user's shopping mall usage information including shopping shopping related activity information of the user included in the shopping mall usage information of the user; And
A shopping mall usage information of the other user searched by the search unit;
≪ / RTI >
KR1020170143148A 2017-10-31 2017-10-31 Goods Recommendation Method Conisdering User's Chracter Using User's Big Data in Network, and Managing Server Used Therein KR102075038B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170143148A KR102075038B1 (en) 2017-10-31 2017-10-31 Goods Recommendation Method Conisdering User's Chracter Using User's Big Data in Network, and Managing Server Used Therein

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170143148A KR102075038B1 (en) 2017-10-31 2017-10-31 Goods Recommendation Method Conisdering User's Chracter Using User's Big Data in Network, and Managing Server Used Therein

Publications (2)

Publication Number Publication Date
KR20190048303A true KR20190048303A (en) 2019-05-09
KR102075038B1 KR102075038B1 (en) 2020-02-07

Family

ID=66545974

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170143148A KR102075038B1 (en) 2017-10-31 2017-10-31 Goods Recommendation Method Conisdering User's Chracter Using User's Big Data in Network, and Managing Server Used Therein

Country Status (1)

Country Link
KR (1) KR102075038B1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102167347B1 (en) 2020-03-30 2020-10-19 주식회사 지에스아이티엠 Online shopping system using artificial intelligence
KR102167345B1 (en) 2020-03-30 2020-10-19 주식회사 지에스아이티엠 Online shopping system using artificial intelligence
KR102534794B1 (en) * 2022-11-27 2023-05-26 주식회사 뉴리스 Online product sourcing and sales analysis system using big data

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021215758A1 (en) * 2020-04-23 2021-10-28 오드컨셉 주식회사 Recommended item advertising method, apparatus, and computer program
KR102404511B1 (en) 2022-02-17 2022-06-07 주식회사 로원홀딩스 Method, device and system for recommending customized product information based on artificial intelligence

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090123398A (en) * 2008-05-28 2009-12-02 경희대학교 산학협력단 System and method for providing product recommendation service
KR20170051931A (en) * 2015-11-03 2017-05-12 케이티하이텔 주식회사 Method of recommending items at online shopping malls, based on clients' offline activity data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090123398A (en) * 2008-05-28 2009-12-02 경희대학교 산학협력단 System and method for providing product recommendation service
KR20170051931A (en) * 2015-11-03 2017-05-12 케이티하이텔 주식회사 Method of recommending items at online shopping malls, based on clients' offline activity data

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102167347B1 (en) 2020-03-30 2020-10-19 주식회사 지에스아이티엠 Online shopping system using artificial intelligence
KR102167345B1 (en) 2020-03-30 2020-10-19 주식회사 지에스아이티엠 Online shopping system using artificial intelligence
KR102534794B1 (en) * 2022-11-27 2023-05-26 주식회사 뉴리스 Online product sourcing and sales analysis system using big data

Also Published As

Publication number Publication date
KR102075038B1 (en) 2020-02-07

Similar Documents

Publication Publication Date Title
KR102075038B1 (en) Goods Recommendation Method Conisdering User's Chracter Using User's Big Data in Network, and Managing Server Used Therein
JP5945369B2 (en) Method and system for recommending target article information
US20140025609A1 (en) Methods and Arrangements For Creating Customized Recommendations
US10198524B1 (en) Dynamic categories
JP2018524738A (en) Method and apparatus for providing business object information
CN106415644A (en) Dynamic content item creation
US20190213663A1 (en) Virtual cart optimization tool
JP2009087154A (en) Information distribution device, information distribution system and information distribution method
JP2013257793A (en) Commodity diversification recommendation device, and method and program for the same
JP2018112905A (en) Food ordering system, food ingredient ordering device and food ingredient ordering method
US10445813B2 (en) Tap walls that recommend products based on in-store and out-of-store interactions of anonymous users
CA2963538A1 (en) Method and system for disseminating information over a communication network
US8498979B1 (en) System and method for semantic analysis of social network user activities
US20160005084A1 (en) Systems, methods, and computer program products for user-specific product related activity
JP5797872B1 (en) Information processing apparatus, information processing method, and information processing program
KR20140031429A (en) Item recommend system and method thereof, apparatus supporting the same
JP2018181135A (en) Recommendation system, recommendation method, and recommendation program
JP5385071B2 (en) E-mail delivery system and e-mail delivery method in e-commerce
JP2009217852A (en) Server and method for providing information
JP5046663B2 (en) Product information providing system, product information providing server, product information providing program
JP2014074961A (en) Commercial product recommendation device, method and program
JP2009087155A (en) Information providing system, information providing device and information providing method
JP2010092364A (en) Item management system, item management device, and item management method for acquiring information about user's real life
JP6027468B2 (en) Recommendation information acquisition apparatus, recommendation information acquisition method, and recommendation information provision system
JP2003331069A (en) Method and system for supporting system construction

Legal Events

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