KR20190081571A - 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버 - Google Patents

온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버 Download PDF

Info

Publication number
KR20190081571A
KR20190081571A KR1020170184199A KR20170184199A KR20190081571A KR 20190081571 A KR20190081571 A KR 20190081571A KR 1020170184199 A KR1020170184199 A KR 1020170184199A KR 20170184199 A KR20170184199 A KR 20170184199A KR 20190081571 A KR20190081571 A KR 20190081571A
Authority
KR
South Korea
Prior art keywords
data
recommendation
online sales
online
sales channel
Prior art date
Application number
KR1020170184199A
Other languages
English (en)
Other versions
KR102000076B1 (ko
Inventor
김형섭
이효준
Original Assignee
주식회사 플레이오토
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 플레이오토 filed Critical 주식회사 플레이오토
Priority to PCT/KR2017/015771 priority Critical patent/WO2019132084A1/ko
Priority to KR1020170184199A priority patent/KR102000076B1/ko
Publication of KR20190081571A publication Critical patent/KR20190081571A/ko
Application granted granted Critical
Publication of KR102000076B1 publication Critical patent/KR102000076B1/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • G06Q30/0619—Neutral agent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • G06Q30/06—Buying, selling or leasing transactions

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Computational Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 서버에 관한 것으로서, 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법은, 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 단계, 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 단계, 획득된 수집 데이터를 기초로 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 단계, 복수개의 그룹들을 기초로 협업 필터링을 이용하기 위한 추천모델을 생성하고, 협업 필터링을 이용하여 추천모델 별로 입력 데이터 간의 유사도를 분석하는 단계 및 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하는 단계를 포함할 수 있다.

Description

온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버{METHOD AND SERVER FOR RECOMMENDING ONLINE SALES CHANNEL ON ONLINE SHOPPINGMALL INTERGRATED MANAGEMENT SYSTEM}
본 발명은 온라인 쇼핑몰 통합 관리 시스템에서 판매자에게 온라인 판매채널을 추천하는 방법 및 이를 위한 서버에 관한 것으로, 더욱 상세하게는 온라인 판매채널 별 상품 카테고리를 기초로 점수를 산정하고 산정된 점수를 바탕으로 협업 필터링을 이용하여 유사도를 분석함으로써 판매자에게 알맞은 판매채널을 추천하도록 하는 방법 및 이를 위한 시스템에 관한 것이다.
정보통신 기술의 발달로 인해 사람들의 소비 패턴은 점점 오프라인 상의 상품 구매에서 온라인 쇼핑몰을 이용한 상품 구매로 변화하고 있고 그에 따라 다양한 형태의 온라인 쇼핑몰(예를 들어, 오픈마켓, 소셜커머스 등등)이 생겨나고 있다.
이렇게 다양한 형태의 온라인 쇼핑몰을 통해 상품을 공급하기 위해서는 판매자는 각각의 쇼핑몰에 로그인하여 상품을 일일이 등록하고, 재고나 상품의 가격 등 상품정보가 변경될 경우 상품이 등록된 각각의 쇼핑몰에 로그인하여 일일이 상품의 정보를 변경해야 하는 불편함이 있고, 하루에도 수회씩 쇼핑몰에 로그인하여 자신의 상품에 대한 주문정보를 조회하고, 주문에 맞춰 배송한 후에는 다시 각각의 쇼핑몰에 로그인하여 택배회사와 송장번호를 일일이 하나씩 입력해야 하는 과정이 필요하다.
이러한 번거로움 및 문제를 해결하기 위해 온라인 쇼핑몰에 입점해 있는 업체들의 상품관리를 하는 전문적인 인터넷 쇼핑몰 통합 관리 시스템이 개발되었고 판매자의 상품관리를 비롯하여 주문관리, 문의관리, 통계관리 등의 서비스가 제공되고 있다.
한편, 전술한 인터넷 쇼핑몰 통합 관리 시스템 및 이와 유사한 형태의 종래 여러 온라인 상품관리 시스템들은 사용자로부터 수집된 데이터를 이용하여 사용자에게 다양한 서비스를 제공하기 위한 기술개발의 노력을 계속해서 진행하고 있다. 시스템을 통해 관리되고 있는 오픈마켓들의 가격 변동 현황을 모니터링(대한민국 등록특허공보 제10-1753481호)하거나 시스템을 통해 관리되는 경쟁업체의 가격정보를 분석(대한민국 공개특허공보 제10-2017-0034527호)하는 등의 서비스가 그 예이다.
그러나, 사용자에게 실질적으로 도움이 될 수 있는 서비스 중 사용자로부터 수집된 데이터를 이용하여 사용자가 현재 판매하고 있는 판매채널의 정보를 분석하여 매출이 우수할 확률이 높은 판매채널의 카테고리를 추천하는 방식의 기술은 제대로 개발되어 제공되고 있지 못한 실정이다.
1. 대한민국 등록특허공보 제10-1753481호 (2017.06.28) 2. 대한민국 공개특허공보 제10-2017-0034527호 (2017.03.29)
본 발명은 전술한 바와 같은 기술개발의 노력 및 실정에 부합하기 하기 위해 개발된 것으로서, 사용자들로부터 수집된 데이터 간의 유사도를 종합적으로 분석하여 사용자 각각에게 높은 신뢰도의 판매채널을 추천하는 방법 및 이를 위한 서버를 제공함에 목적이 있다.
또한, 본 발명은 판매자가 현재 판매하고 있는 판매채널 및 상품을 분석하여 판매자의 실정에 맞게 매출이 우수할 확률이 높은 판매채널을 추천하는 방법 및 이를 위한 서버를 제공함에 목적이 있다.
본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법은, 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 단계, 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 단계, 획득된 수집 데이터를 기초로 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 단계, 복수개의 그룹들을 기초로 협업 필터링을 이용하기 위한 추천모델을 생성하고, 협업 필터링을 이용하여 추천모델 별로 입력 데이터 간의 유사도를 분석하는 단계 및 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정될 수 있다.
본 발명의 일 실시예에 따른 추천모델은 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함할 수 있다.
본 발명의 일 실시예에 따른 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하는 단계에서는, 추천모델 별로 입력 데이터 간의 유사도를 기준으로 상위 N개(N은 자연수)의 온라인 판매채널들의 상품 카테고리들이 추천 데이터로서 저장되며, 복수개의 제 1 모델들 각각에만 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고, 복수개의 제 1 모델들 중 어느 하나와 제 2 모델 모두에 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공될 수 있다.
본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하기 위한 서버는, 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 데이터 획득부, 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 데이터 분류부, 획득된 수집 데이터를 기초로 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 데이터 가공부, 복수개의 그룹들을 기초로 협업 필터링을 이용하기 위한 추천모델을 생성하고, 협업 필터링을 이용하여 추천모델 별로 입력 데이터 간의 유사도를 분석하는 데이터 분석부 및 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하기 위한 데이터 추천부를 포함할 수 있다.
본 발명의 일 실시예에 따른 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정될 수 있다.
본 발명의 일 실시예에 따른 추천모델은 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함할 수 있다.
본 발명의 일 실시예에 따른 데이터 추천부에서는 추천모델 별로 입력 데이터 간의 유사도를 기준으로 상위 N개(N은 자연수)의 온라인 판매채널들의 상품 카테고리들이 추천 데이터로서 저장되며, 복수개의 제 1 모델들 각각에만 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고, 복수개의 제 1 모델들 중 어느 하나와 제 2 모델 모두에 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공될 수 있다.
한편, 본 발명의 일 실시예에 의하면, 전술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다.
본 발명의 일 실시예로서 제공되는 판매채널 추천 방법 및 이를 위한 서버를 이용하면, 협업 필터링을 기반으로 하여 사용자들의 판매 정보를 분석함으로써, 사용자의 기호 및 판매실정에 부합하도록 매출이 우수할 확률이 높은 판매채널을 추천할 수 있어 사용자에게 신뢰도가 높은 결과를 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 시스템에서의 온라인 판매채널을 추천하는 방법을 나타낸 순서도이다.
도 2는 본 발명의 일 실시예에 따라 수집 데이터를 소정의 프로그래밍 언어를 통해 분석한 결과를 나타낸 그래프이다.
도 3은 본 발명의 일 실시예에 따른 (a) 온라인 판매채널의 상품 카테고리 별 평균 가격대를 나타낸 그래프, (b) 판매수량 및 판매가격 별 상품 카테고리를 나타낸 그래프이다.
도 4는 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 시스템에서의 온라인 판매채널을 추천하기 위한 시스템의 구성을 나타낸 블록도이다.
도 5는 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 시스템에서의 온라인 판매채널을 추천하기 위한 서버의 구성을 나타낸 블록도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 시스템에서의 온라인 판매채널을 추천하는 방법을 나타낸 순서도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법은, 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 단계(S100), 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 단계(S200), 획득된 수집 데이터를 기초로 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 단계(S300), 복수개의 그룹들을 기초로 협업 필터링을 이용하기 위한 추천모델을 생성하고, 협업 필터링을 이용하여 추천모델 별로 입력 데이터 간의 유사도를 분석하는 단계(S400) 및 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하는 단계(S500)를 포함할 수 있다.
본 발명의 일 실시예에 따라 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 과정은 1차적으로 온라인 쇼핑몰 통합 관리 시스템의 쇼핑몰 통합 관리 데이터베이스(500)를 통해 판매자들 및 온라인 판매채널 공급자들로부터 상품에 대한 기초적인 데이터를 획득하는 단계를 포함할 수 있다. 상품에 대한 로우(RAW) 데이터에는 상품을 판매하고 있는 온라인 판매채널, 해당 온라인 판매채널의 상품 카테고리(대분류, 중분류, 소분류), 연관키워드, 상품명, 상품코드, 상품등록일, 판매가격, 원가, 판매수량, 판매자의 ID 등 판매 상품을 특정할 수 있는 정보가 포함될 수 있다. 상품에 대한 로우 데이터를 획득하는 단계를 거친 후에는 상품에 대한 로우 데이터로부터 판매자의 아이디(ID), 온라인 판매채널, 온라인 판매채널의 상품 카테고리(대분류), 판매가격 및 판매수량이 포함된 수집 데이터를 획득할 수 있다.
또한, 전술하였듯이 수집 데이터는 쇼핑몰 통합 관리 데이터베이스(500)를 통해 로우 데이터 획득 후 로우 데이터로부터 추출할 수도 있으나 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널 추천 서버(400)에서 직접 판매자의 아이디, 온라인 판매채널, 온라인 판매채널의 상품 카테고리, 판매가격 및 판매수량이 포함된 수집 데이터를 획득할 수도 있다.
도 2는 본 발명의 일 실시예에 따라 수집 데이터를 소정의 프로그래밍 언어를 통해 분석한 결과를 나타낸 그래프이며, 도 3은 본 발명의 일 실시예에 따른 (a) 온라인 판매채널의 상품 카테고리 별 평균 가격대를 나타낸 그래프, (b) 판매수량 및 판매가격 별 상품 카테고리를 나타낸 그래프이다.
본 발명의 일 실시예에 따라 수집 데이터를 획득하면 획득된 수집 데이터를 기초로 복수개의 그룹으로 분류할 수 있는데, 이때 복수개의 그룹으로 분류하는 기준은 다음과 같은 데이터 분석 과정을 통해 추출할 수 있다.
도 2를 참조하면, 수집 데이터에 포함된 온라인 판매채널의 상품 카테고리와 각 상품 카테고리에 속한 상품의 판매가격에 대한 정보를 기초로 온라인 판매채널의 상품 카테고리 별 상품의 판매가격을 소정의 프로그래밍 언어를 이용하여 분석하면, 각 상품 카테고리에 포함된 상품의 판매 가격이 넓게 분포되어 있음을 확인할 수 있으며 대부분 낮은 가격대에 몰려있음을 확인할 수 있다. 따라서, 온라인 판매채널의 상품 카테고리 별 상품의 판매가격 그래프 분석을 통해 분류 기준을 설정하는 것은 어려움을 알 수 있다. 이때, 소정의 프로그래밍 언어는 오픈소스 프로그램으로 빅데이터 통계/데이터 마이닝 및 그래프를 위한 언어를 말하며, 이에 해당하는 프로그래밍 언어로는 R 등이 있다.
반면, 도 3의 (a)를 참조하면 온라인 판매채널의 상품 카테고리 별 상품의 평균 가격대를 소정의 프로그래밍 언어를 이용하여 분석한 그래프의 결과는 상품 카테고리 별 상품의 판매가격을 분석한 그래프의 결과보다 Y축의 분포값이 명확하게 결정되어 있음을 확인할 수 있다. 즉, 상품의 평균 가격대 값은 각 상품 카테고리에 일대일로 대응되며 상품의 평균 가격대 값이 일정한 영역에서 분포되어 있음을 확인할 수 있으므로, 이를 통해 복수개의 그룹으로 분류하기 위한 알맞은 기준을 설정할 수 있다.
전술한 온라인 판매채널의 상품 카테고리 별 상품의 평균 가격대를 분석한 그래프의 결과를 기초로 하여 획득된 수집 데이터를 복수개의 그룹으로 분류하면, 온라인 판매채널의 상품 카테고리들을 평균 가격대가 가장 높은 순서에 따라 복수개의 그룹으로 분류할 수 있다. 예를 들어, 평균 가격대가 가장 높은 상품 카테고리부터 가장 낮은 상품 카테고리까지 총 4개의 그룹으로 분류할 수 있으며, 구체적으로 상위 25%까지 포함된 그룹은 Q1, 상위 25%에서 상위 50%가 포함된 그룹은 Q2, 상위 50%에서 상위 75%가 포함된 그룹은 Q3, 상위 75%에서 상위 100%가 포함된 그룹은 Q4로 분류할 수 있다.
또한, 도 3의 (b)를 참조하면 판매수량 및 판매가격 별 온라인 판매채널의 상품 카테고리를 소정의 프로그래밍 언어를 이용하여 분석한 그래프의 결과는 그 분포가 낮은 판매수량 및 낮은 판매가격으로 치우쳐진 비대칭분포(Right Skewed Distribution) 임을 알 수 있다. 즉, 온라인 판매채널의 상품 카테고리는 각 데이터 요소 별로 비대칭분포를 이루고 있음을 알 수 있으므로 이를 통해 후술할 데이터 가공 시 판매력 점수의 추정과 관련하여 추정을 위한 가중치 값을 어떤 식으로 부여할 지를 결정할 수 있다.
본 발명의 일 실시예에 따른 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정될 수 있다. 판매력 점수는 사용자가 현재 사용 중인 온라인 판매채널의 상품 카테고리에 대한 것이며, 판매력 점수 추정을 위한 제 1 점수 및 제 2 점수는 각각 다음과 같은 [식 1]에 기초하여 추정할 수 있다.
[식 1]
Figure pat00001
판매 수량에 기초한 제 1 점수의 경우, Xavg는 사용자의 해당 상품 카테고리의 평균 판매수량, Xm은 전체 사용자의 해당 상품 카테고리의 전체 판매수량의 중앙값(Median), Xh는 전체 사용자의 해당 상품 카테고리의 최대 판매수량, Xl은 전체 사용자의 해당 상품 카테고리의 최소 판매수량을 의미한다.
판매 가격에 기초한 제 2 점수의 경우, Xavg는 사용자의 해당 상품 카테고리의 평균 판매가격, Xm은 전체 사용자의 해당 상품 카테고리의 전체 판매가격의 중앙값(Median), Xh는 전체 사용자의 해당 상품 카테고리의 최고 판매가격, Xl은 전체 사용자의 해당 상품 카테고리의 최저 판매가격을 의미한다.
전술하였듯이 온라인 판매채널의 상품 카테고리가 비대칭분포를 형성하므로 중앙값에서 많이 벗어나는 값에 가중치를 두도록 [식 1]을 결정하였으며, 최종적인 판매력 점수는 [식 1]로부터 추정된 제 1 점수 및 제 2 점수의 곱을 통해 추정될 수 있다.
본 발명의 일 실시예에 따르면 데이터 간의 유사도 분석은 협업 필터링을 이용하여 할 수 있다. 여기서 협업 필터링이란 많은 사용자들로부터 얻은 기호정보에 따라 사용자들의 관심사들을 자동적으로 예측하게 해주는 방법을 말한다. 본 발명의 일 실시예에 따른 협업 필터링으로는 빅데이터 처리를 위한 오픈소스 병렬분산 처리 솔루션 및 플랫폼인 아파치 스파크(Apache Spark)에서 제공하는 사용자 기반 협업 필터링이 이용될 수 있다. 아파치 스파크에서 제공하는 사용자 기반 협업 필터링에서는 사용자, 항목, 점수와 같은 세가지 입력을 요구하는데, 이에 대응될 수 있도록 수집 데이터를 판매자의 아이디, 현재 사용자가 판매하고 있는 온라인 판매채널의 카테고리 및 판매력 점수를 포함하는 입력 데이터로 가공할 수 있다. 여기서는 아파치 스파크에서 제공하는 사용자 기반 협업 필터링에 대해서 설명하였으나, 본 발명의 실시를 위한 협업 필터링은 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면 협업 필터링을 이용하기 위해 추천모델을 생성하는데, 이때 추천모델은 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함할 수 있다. 예를 들어, 4개의 그룹으로 분류된 경우, 제 1 모델로서 평균 가격대에 따라 분류한 Q1의 데이터에 기반하여 생성된 모델 M1, Q2의 데이터에 기반하여 생성된 모델 M2, Q3의 데이터에 기반하여 생성된 모델 M3, Q4의 데이터에 기반하여 생성된 모델 M4가 데이터 분석부에서 생성될 수 있으며, Q1, Q2, Q3 및 Q4의 데이터가 모두 합쳐진 데이터에 기반하여 생성된 모델 M5가 데이터 분석부에서 생성될 수 있다.
본 발명의 일 실시예에 따라 생성된 복수개의 제 1 모델들 및 제 2 모델 각각 입력 데이터 간의 유사도를 협업 필터링을 통해 온라인 판매채널의 상품 카테고리와 판매력 점수를 기초로 하여 분석할 수 있으며, 각 추천모델 별로 분석된 결과가 유사도가 높은 순서에 따라 데이터베이스(500)에 저장될 수 있다.
본 발명의 일 실시예에 따른 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하는 단계(S500)에서는, 추천모델 별로 입력 데이터 간의 유사도를 기준으로 상위 N개의 온라인 판매채널들의 상품 카테고리들이 추천 데이터로서 저장되며, 복수개의 제 1 모델들 각각에만 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고, 복수개의 제 1 모델들 중 어느 하나와 제 2 모델 모두에 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공될 수 있다. 이 때, N은 자연수이다.
전술한 실시예에 따라 복수개의 제 1 모델들이 M1, M2, M3 및 M4로 4개이고 제 2 모델이 M5인 경우, 각 추천모델 별로 입력 데이터 간의 유사도를 기준으로 상위 10개의 온라인 판매채널들의 상품 카테고리들이 추천 데이터로서 저장될 수 있다. 예를 들어, 저장되는 추천 데이터는 다음의 [표 1]과 같이 나타낼 수 있다.
[표 1]
Figure pat00002
[표 1]을 참조하면, 각 추천모델 별로 저장되는 추천 데이터에는 입력 데이터 간의 유사도가 높은 순서에 따라 정렬된 온라인 판매채널 및 그 온라인 판매채널의 상품 카테고리가 포함될 수 있다. M3와 같이 온라인 판매채널을 추천받고자 하는 판매자가 판매하고 있는 상품의 카테고리에 속하지 않는 카테고리들이 포함된 모델의 경우 추천 데이터가 저장되지 않을 수 있으며, 판매자가 판매하고 있는 상품의 카테고리에 속하지 않는 카테고리인지 여부는 유사도 분석 과정을 통해 판단할 수 있다.
본 발명의 일 실시예에 따라 추천모델 별로 저장된 추천 데이터는 온라인 판매채널을 추천받고자 하는 판매자의 판매자 디바이스(100)를 통해 출력되어 제공될 수 있다. 예를 들어, [표 1] 및 [표 2]를 참조하면 판매자에게 추천 데이터가 제공될 시, M1, M2, M3 및 M4에만 포함되어 저장된 추천 데이터는 추천이라는 텍스트와 함께 판매자 디바이스(100)를 통해 출력되어 제공될 수 있으며, M1, M2, M3 및 M4 중 어느 하나에 포함되고 더불어 M5에도 포함되어 저장된 추천 데이터는 강력추천이라는 텍스트와 함께 판매자 디바이스(100)를 통해 출력되어 제공될 수 있다. 옥션/생활용품의 경우 M1에 포함되고 M5에도 포함되므로 강력추천이라는 텍스트와 함께 출력될 수 있으며, 옥션/PC의 경우 M4에만 포함되고 M5에는 포함되지 않으므로 추천이라는 텍스트와 함께 출력될 수 있다.
또한, [표 2]를 참조하면 판매자에게 추천 데이터가 제공될 시, 판매자 디바이스(100)를 통해 온라인 판매채널, 온라인 판매채널의 상품 카테고리를 포함하는 추천 데이터와 추천 또는 강력추천 텍스트를 비롯하여 예상매출이 출력될 수 있다. 예상매출은 입력 데이터 간의 유사도를 분석할 때 온라인 판매채널의 상품 카테고리에서 현재 판매되고 있는 상품별 판매가격 및 판매수량을 종합하여 추정할 수 있다.
[표 2]
Figure pat00003
더불어, 판매자에게 추천 데이터가 제공될 시 온라인 판매채널 또는 온라인 판매채널의 상품 카테고리 중 적어도 하나에 대한 정보가 출력될 수 있다. 즉, 전술한 바와 같이 온라인 판매채널 및 그 상품 카테고리가 동시에 출력될 수도 있으며, 온라인 판매채널만 출력되거나 그 상품 카테고리만 출력될 수 있다. 이를 통해 사용자는 온라인 판매채널 또는 온라인 판매채널의 상품 카테고리 중 추천받고자 하는 정보를 선택적으로 제공받을 수 있다.
전술한 전체 과정들은 새로운 판매자 및 상품에 대한 로우 데이터가 수집되는 경우 추천모델에 반영하기 위해 소정의 시간 간격마다 반복적으로 수행될 수 있으며, 소정의 시간 간격은 매초, 매분, 매시간, 매일, 매주 또는 매월일 수 있다.
도 4는 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 시스템에서의 온라인 판매채널을 추천하기 위한 시스템의 구성을 나타낸 블록도이다.
도 4를 참조하면, 판매자 디바이스(100) 및 온라인 판매채널 공급자 서버(200)에서는 판매채널 추천에 필요한 로우 데이터 및 수집 데이터를 네트워크(300)를 통해 온라인 판매채널 추천 서버(400) 및 쇼핑몰 통합 관리 데이터베이스(500)로 전송할 수 있으며, 쇼핑몰 통합 관리 데이터베이스(500)에는 온라인 쇼핑몰 통합 관리에 필요한 모든 데이터가 저장될 수 있다. 온라인 판매채널 추천 서버(400)의 데이터 저장능력을 적절히 조절하기 위해 쇼핑몰 통합 관리 데이터베이스를 통해 모든 데이터를 저장 및 관리하며 필요에 따라 온라인 판매채널 추천 서버(400)와 쇼핑몰 통합 관리 데이터베이스(500)간에 정보를 송수신할 수 있다. 여기서 말하는 판매자 디바이스(100)에는 스마트폰, PDA, PMP 등을 포함하는 모바일 기기 및 컴퓨터 등이 포함될 수 있다.
도 5는 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 시스템에서의 온라인 판매채널을 추천하기 위한 서버의 구성을 나타낸 블록도이다.
도 5를 참조하면, 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하기 위한 서버는, 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 데이터 획득부(410), 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 데이터 분류부(420), 획득된 수집 데이터를 기초로 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 데이터 가공부(430), 복수개의 그룹들을 기초로 협업 필터링을 이용하기 위한 추천모델을 생성하고, 협업 필터링을 이용하여 추천모델 별로 입력 데이터 간의 유사도를 분석하는 데이터 분석부(440) 및 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하기 위한 데이터 추천부(450)를 포함할 수 있다.
본 발명의 일 실시예에 따른 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정될 수 있다.
본 발명의 일 실시예에 따른 추천모델은 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함할 수 있다.
본 발명의 일 실시예에 따른 데이터 추천부에서는 추천모델 별로 입력 데이터 간의 유사도를 기준으로 상위 N개의 온라인 판매채널들의 상품 카테고리들이 추천 데이터로서 저장되며, 복수개의 제 1 모델들 각각에만 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고, 복수개의 제 1 모델들 중 어느 하나와 제 2 모델 모두에 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공될 수 있다.
본 발명의 일 실시예에 따른 시스템과 관련하여서는 전술한 방법에 대한 내용이 적용될 수 있다. 따라서, 시스템과 관련하여, 전술한 방법에 대한 내용과 동일한 내용에 대하여는 설명을 생략하였다.
한편, 본 발명의 일 실시예에 의하면, 전술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다. 다시 말해서, 전술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터 판독 가능 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터 판독 가능 매체에 여러 수단을 통하여 기록될 수 있다. 본 발명의 다양한 방법들을 수행하기 위한 실행 가능한 컴퓨터 프로그램이나 코드를 기록하는 기록 매체는, 반송파(carrier waves)나 신호들과 같이 일시적인 대상들은 포함하는 것으로 이해되지는 않아야 한다. 상기 컴퓨터 판독 가능 매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, DVD 등)와 같은 저장 매체를 포함할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 판매자 디바이스 200: 온라인 판매채널 공급자 서버
300: 유무선 네트워크 400: 온라인 판매채널 추천 서버
410: 데이터 획득부 420: 데이터 분류부
430: 데이터 가공부 440: 데이터 분석부
450: 데이터 추천부 460: 제어부
470: 통신부 500: 쇼핑몰 통합 관리 데이터베이스

Claims (9)

  1. 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법에 있어서,
    판매자들 및 온라인 판매채널 공급자들로부터 상기 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 단계;
    상기 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상기 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 단계;
    상기 획득된 수집 데이터를 기초로 상기 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 상기 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 단계;
    상기 복수개의 그룹들을 기초로 상기 협업 필터링을 이용하기 위한 추천모델을 생성하고, 상기 협업 필터링을 이용하여 상기 추천모델 별로 상기 입력 데이터 간의 유사도를 분석하는 단계; 및
    상기 온라인 판매채널을 추천받고자 하는 판매자에게 상기 분석의 결과를 기초로 추천 데이터를 제공하는 단계를 포함하는 온라인 판매채널을 추천하는 방법.
  2. 제 1 항에 있어서,
    상기 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정되는 것을 특징으로 하는 온라인 판매채널을 추천하는 방법.
  3. 제 1 항에 있어서,
    상기 추천모델은 상기 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 상기 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함하는 것을 특징으로 하는 온라인 판매채널을 추천하는 방법.
  4. 제 3 항에 있어서,
    상기 온라인 판매채널을 추천받고자 하는 판매자에게 상기 분석의 결과를 기초로 추천 데이터를 제공하는 단계에서는,
    상기 추천모델 별로 상기 입력 데이터 간의 유사도를 기준으로 상위 N개(N은 자연수)의 온라인 판매채널들의 상품 카테고리들이 상기 추천 데이터로서 저장되며,
    상기 복수개의 제 1 모델들 각각에만 상기 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 상기 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고,
    상기 복수개의 제 1 모델들 중 어느 하나와 상기 제 2 모델 모두에 상기 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력추천이라는 텍스트와 함께 상기 온라인 판매채널을 추천받고자 하는 판매자에게 제공되는 것을 특징으로 하는 온라인 판매채널을 추천하는 방법.
  5. 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하기 위한 서버에 있어서,
    판매자들 및 온라인 판매채널 공급자들로부터 상기 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 데이터 획득부;
    상기 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상기 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 데이터 분류부;
    상기 획득된 수집 데이터를 기초로 상기 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 상기 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 데이터 가공부;
    상기 복수개의 그룹들을 기초로 상기 협업 필터링을 이용하기 위한 추천모델을 생성하고, 상기 협업 필터링을 이용하여 상기 추천모델 별로 상기 입력 데이터 간의 유사도를 분석하는 데이터 분석부; 및
    상기 온라인 판매채널을 추천받고자 하는 판매자에게 상기 분석의 결과를 기초로 추천 데이터를 제공하기 위한 데이터 추천부를 포함하는 온라인 판매채널을 추천하기 위한 서버.
  6. 제 5 항에 있어서,
    상기 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정되는 것을 특징으로 하는 온라인 판매채널을 추천하기 위한 서버.
  7. 제 5 항에 있어서,
    상기 추천모델은 상기 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 상기 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함하는 것을 특징으로 하는 온라인 판매채널을 추천하기 위한 서버.
  8. 제 7 항에 있어서,
    상기 데이터 추천부에서는 상기 추천모델 별로 상기 입력 데이터 간의 유사도를 기준으로 상위 N개(N은 자연수)의 온라인 판매채널들의 상품 카테고리들이 상기 추천 데이터로서 저장되며,
    상기 복수개의 제 1 모델들 각각에만 상기 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 상기 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고,
    상기 복수개의 제 1 모델들 중 어느 하나와 상기 제 2 모델 모두에 상기 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력 추천이라는 텍스트와 함께 상기 온라인 판매채널을 추천받고자 하는 판매자에게 제공되는 것을 특징으로 하는 온라인 판매채널을 추천하기 위한 서버.
  9. 제 1 항 내지 제 4 항 중 어느 한 항의 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
KR1020170184199A 2017-12-29 2017-12-29 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버 KR102000076B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/KR2017/015771 WO2019132084A1 (ko) 2017-12-29 2017-12-29 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버
KR1020170184199A KR102000076B1 (ko) 2017-12-29 2017-12-29 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170184199A KR102000076B1 (ko) 2017-12-29 2017-12-29 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버

Publications (2)

Publication Number Publication Date
KR20190081571A true KR20190081571A (ko) 2019-07-09
KR102000076B1 KR102000076B1 (ko) 2019-07-16

Family

ID=67067762

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170184199A KR102000076B1 (ko) 2017-12-29 2017-12-29 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버

Country Status (2)

Country Link
KR (1) KR102000076B1 (ko)
WO (1) WO2019132084A1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113191799A (zh) * 2020-09-25 2021-07-30 汪洋 基于大数据的商场智能导购系统
KR102297669B1 (ko) * 2021-02-23 2021-09-03 이민형 제조사 및 유통사 간 연결을 위한 매칭 서비스 제공 시스템
KR102429391B1 (ko) * 2021-09-27 2022-08-04 주식회사 도파민팩토리 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치 및 방법
KR102446869B1 (ko) * 2021-06-02 2022-09-22 정일웅 온라인 판매시스템
KR20220137401A (ko) * 2021-04-02 2022-10-12 주식회사 바이럴픽 오픈 마켓 데이터베이스 구축 및 서비스 제공 장치
KR102505103B1 (ko) 2022-05-11 2023-03-03 주식회사 서클플랫폼 온라인 커머스 데이터 기반의 큐레이션 서비스를 제공하는 방법 및 장치
KR20230041166A (ko) * 2021-09-17 2023-03-24 주식회사 파이베리 온라인 경매 진행 서버 및 이를 이용한 온라인 경매 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062784A (zh) * 2019-12-18 2020-04-24 贵州电力交易中心有限责任公司 一种电力用户交易智能双向推荐系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140156449A1 (en) * 2012-12-02 2014-06-05 Embl Retail Inc. Method and apparatus for item recommendation
KR20140133663A (ko) * 2013-05-09 2014-11-20 에스케이플래닛 주식회사 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
KR20160135895A (ko) * 2015-05-18 2016-11-29 주식회사 아이티빌리지 빅 데이터 분석 기반의 상품 판매 허브 시스템
KR20170034527A (ko) 2015-09-21 2017-03-29 이승욱 웹로그를 이용한 경쟁업체의 가격정보 분석방법
KR101753481B1 (ko) 2015-09-30 2017-07-04 이승욱 오픈 마켓별 가격변동 자동 모니터링 및 변경 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8301512B2 (en) * 2009-10-23 2012-10-30 Ebay Inc. Product identification using multiple services
KR20140031416A (ko) * 2012-08-27 2014-03-13 에스케이플래닛 주식회사 협업 필터링 기반의 아이템 추천 시스템과 방법 및 이를 지원하는 장치
KR20160015657A (ko) * 2014-07-31 2016-02-15 씨온드림 주식회사 집단지성을 통한 개인화 맞춤 정보 제공 시스템 및 이를 위한 제공 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140156449A1 (en) * 2012-12-02 2014-06-05 Embl Retail Inc. Method and apparatus for item recommendation
KR20140133663A (ko) * 2013-05-09 2014-11-20 에스케이플래닛 주식회사 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
KR20160135895A (ko) * 2015-05-18 2016-11-29 주식회사 아이티빌리지 빅 데이터 분석 기반의 상품 판매 허브 시스템
KR20170034527A (ko) 2015-09-21 2017-03-29 이승욱 웹로그를 이용한 경쟁업체의 가격정보 분석방법
KR101753481B1 (ko) 2015-09-30 2017-07-04 이승욱 오픈 마켓별 가격변동 자동 모니터링 및 변경 시스템

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113191799A (zh) * 2020-09-25 2021-07-30 汪洋 基于大数据的商场智能导购系统
KR102297669B1 (ko) * 2021-02-23 2021-09-03 이민형 제조사 및 유통사 간 연결을 위한 매칭 서비스 제공 시스템
KR20220137401A (ko) * 2021-04-02 2022-10-12 주식회사 바이럴픽 오픈 마켓 데이터베이스 구축 및 서비스 제공 장치
KR102446869B1 (ko) * 2021-06-02 2022-09-22 정일웅 온라인 판매시스템
KR20230041166A (ko) * 2021-09-17 2023-03-24 주식회사 파이베리 온라인 경매 진행 서버 및 이를 이용한 온라인 경매 방법
KR102429391B1 (ko) * 2021-09-27 2022-08-04 주식회사 도파민팩토리 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치 및 방법
KR102505103B1 (ko) 2022-05-11 2023-03-03 주식회사 서클플랫폼 온라인 커머스 데이터 기반의 큐레이션 서비스를 제공하는 방법 및 장치

Also Published As

Publication number Publication date
WO2019132084A1 (ko) 2019-07-04
KR102000076B1 (ko) 2019-07-16

Similar Documents

Publication Publication Date Title
KR102000076B1 (ko) 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버
Kirby-Hawkins et al. An investigation into the geography of corporate e-commerce sales in the UK grocery market
Irfan et al. Prediction of quality food sale in mart using the AI‐based TOR method
US9892195B2 (en) Providing information via a network
KR100961783B1 (ko) 인공지능에 기반한 제품 및 제품 벤더 추천 장치 및 방법, 그 기록 매체
US20200273054A1 (en) Digital receipts economy
US9536002B2 (en) Digital consumer data model and customer analytic record
US20140304075A1 (en) Methods and systems for transmitting live coupons
WO2010008928A1 (en) Systems and methods for providing a consumption network
CN106170817A (zh) 用于不可替代资产的推荐系统
WO2017059788A1 (zh) 一种信息推荐方法、装置和系统
KR101639656B1 (ko) 광고 제공 방법 및 서버 장치
Lee et al. Applying geo-social networking and the theory of inventive problem-solving in service innovation and evaluation
CA3125641A1 (en) Smart basket for online shopping
KR20190081671A (ko) 온라인 쇼핑몰 통합 관리 시스템에서의 유사상품을 검색하는 방법 및 그 서버
JP2018045505A (ja) 判定装置、判定方法および判定プログラム
Novotová Exploring customer loyalty to fashion brands on facebook fan pages
Ahmadinia et al. Primary analysis of information distribution at walkbase Company: Developing an information strategy
JP2020035409A (ja) 特性推定装置、特性推定方法、及び特性推定プログラム等
KR102398338B1 (ko) Ｕｘ기반의 중소기업 포털 서비스 시스템
CN111460300B (zh) 网络内容推送方法、装置及存储介质
Liao et al. Data mining analytics investigate WeChat users’ behaviours: online social media and social commerce development
Hung Using Cloud Services to Develop Marketing Information System Applications
KR102286661B1 (ko) 채팅을 기반으로 한 주문형 쇼핑 큐레이션 장치
Ramkumar et al. Big data analytics and its application in E-commerce

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant