KR20190084458A - 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템 - Google Patents

매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템 Download PDF

Info

Publication number
KR20190084458A
KR20190084458A KR1020180002245A KR20180002245A KR20190084458A KR 20190084458 A KR20190084458 A KR 20190084458A KR 1020180002245 A KR1020180002245 A KR 1020180002245A KR 20180002245 A KR20180002245 A KR 20180002245A KR 20190084458 A KR20190084458 A KR 20190084458A
Authority
KR
South Korea
Prior art keywords
store
customer
customers
module
evaluation
Prior art date
Application number
KR1020180002245A
Other languages
English (en)
Other versions
KR102005289B1 (ko
Inventor
박준호
최홍채
강민경
김성권
김강인
Original Assignee
(주)소프트기획
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)소프트기획 filed Critical (주)소프트기획
Priority to KR1020180002245A priority Critical patent/KR102005289B1/ko
Publication of KR20190084458A publication Critical patent/KR20190084458A/ko
Application granted granted Critical
Publication of KR102005289B1 publication Critical patent/KR102005289B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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

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

Abstract

본 발명은 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템에 관한 것이다. 보다 상세하게는 고객의 매장 선호도와 타 고객과의 연관성을 산출하여 연관성이 높은 고객 간을 매칭시켜 취향이 유사한 고객들이 선호할만한 공통된 매장을 선별하여 추천할 수 있도록 함으로써 매장 측은 고객의 매장이용패턴을 제공받아 실질적으로 고객을 관리하는 데 사용할 수 있도록 하고, 고객은 자신의 선호도에 따라 선별된 매장정보를 제공받을 수 있도록 하는 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템에 관한 것이다.
이를 위해, 본 발명은 특정 매장을 방문한 고객이 제시된 평가항목별로 각 매장에 대해 평가한 결과값을 수집하여 고객의 선호 매장과 매장 취향에 관한 데이터를 확보하는 데이터 확보모듈; 데이터 확보모듈에 의해 다수의 고객으로부터 매장의 선호도 데이터를 수집하여 이를 기반으로 고객 간의 유사도를 분석하는 협업 필터링 모듈; 및 협업 필터링 모듈에 의해 분석된 데이터를 기반으로 고객과 매칭율이 높은 타 고객 간을 매칭시키되, 고객의 매장방문이력을 분석하여 타 고객의 선호 매장 중 방문하지 않았거나 고객이 평가하지 않은 매장만을 선택적으로 추천하도록 하는 매장추천모듈을 포함하고, 데이터 확보모듈은 매장 분위기, 서비스, 위생상태, 편의시설, 상품 질을 포함하는 매장 만족도 및 고객의 선호도에 관한 평가항목이 제공되고, 제공된 평가항목에 따라 고객의 매장 선호도 별로 평가할 수 있도록 하는 매장선호도 평가모듈과, 매장 상세 클릭 수, 페이지에 머문 시간, 쿠폰 사용, 상품구매를 포함하는 고객이 선호매장을 검색하면서 이루어진 행위에 관한 암묵적 지표를 지수화하는 암묵적 점수평가모듈을 포함하는 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템을 제공한다.

Description

매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템{A system of store recommendation services based on similarity between customers}
본 발명은 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템에 관한 것이다. 보다 상세하게는 고객의 매장 선호도와 타 고객과의 연관성을 산출하여 연관성이 높은 고객 간을 매칭시켜 취향이 유사한 고객들이 선호할만한 공통된 매장을 선별하여 추천할 수 있도록 함으로써 매장 측은 고객의 매장이용패턴을 제공받아 실질적으로 고객을 관리하는 데 사용할 수 있도록 하고, 고객은 자신의 선호도에 따라 선별된 매장정보를 제공받을 수 있도록 하는 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템에 관한 것이다.
일반적으로 유명한 맛집이나 카페, 펜션, 술집 등을 알아보기 위해서는 인터넷을 통해 카페나 블로그를 검색하여 다른 이용자의 방문후기를 확인하고 방문할 매장을 선택하곤 한다.
그러나, 카페나 블로그 등에 게재된 글들은 홍보성이 짙은 내용이 담겨 있는 글들이 많이 등록되어 있어 실제 고객이 직접 방문하고 다녀온 솔직한 후기를 제공받기 어려운 경우가 다수있다.
한편, 상품 또는 서비스 추천 시스템은 고객이 구매 가능성이 있는 상품 또는 서비스를 용이하게 찾도록 도와주는 시스템으로, 웹 및 모바일을 기반으로 한 쇼핑몰에서 이용되고 있다.
이와 관련된 선행기술문헌으로, 대한민국 등록특허공보 제1308926호(2013.9.23.공고)(이하, 선행기술문헌)이 공지되어 있다.
상기 선행기술문헌은 인기 어플리케이션 추천 기능을 제공하는 방송 서비스 시스템 및 방법에 관한 것으로, 방송 콘텐츠 별 인기 어플리케이션을 선정하는 단계, 선정된 인기 어플리케이션에 대한 추천정보를 고객 단말에 제공하여 화면에 표시하는 단계를 포함하고, 인기 어플리케이션 선정방식은 어플리케이션 별 방송 콘텐츠 이용 횟수 및 어플리케이션 별 방송 콘텐츠를 실시간으로 이용하고 있는 수를 기초로 하여 선정되는 것을 특징으로 한다.
상술한 바와 같이, 종래의 콘텐츠 추천방식은 위치 및 가격에 따라 추천되거나, 인기도에 의존하여 많은 고객들이 좋아하는 일반적인 콘텐츠가 추천된다. 이 경우, 너무 뻔한 콘텐츠가 추천되거나 동일한 콘텐츠가 자주 노출되어 고객에게 광고라고 인식될 우려가 있다.
본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로, 특히 고객의 매장 선호도와 유사한 타 고객과의 연관성을 산출하여 연관성이 높은 고객 간을 매칭시켜 취향이 유사한 고객들이 선호할만한 공통된 매장을 선별하여 추천할 수 있는 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템을 제공하는 데 그 목적이 있다.
상기 목적을 달성하기 위해 안출된 본 발명에 따른 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템은 특정 매장을 방문한 고객이 제시된 평가항목별로 각 매장에 대해 평가한 결과값을 수집하여 고객의 선호 매장과 매장 취향에 관한 데이터를 확보하는 데이터 확보모듈; 데이터 확보모듈에 의해 다수의 고객으로부터 매장의 선호도 데이터를 수집하여 이를 기반으로 고객 간의 유사도를 분석하는 협업 필터링 모듈; 및 협업 필터링 모듈에 의해 분석된 데이터를 기반으로 고객과 매칭율이 높은 타 고객 간을 매칭시키되, 고객의 매장방문이력을 분석하여 타 고객의 선호 매장 중 방문하지 않았거나 고객이 평가하지 않은 매장만을 선택적으로 추천하도록 하는 매장추천모듈을 포함하고, 데이터 확보모듈은 매장 분위기, 서비스, 위생상태, 편의시설, 상품 질을 포함하는 매장 만족도 및 고객의 선호도에 관한 평가항목이 제공되고, 제공된 평가항목에 따라 고객의 매장 선호도 별로 평가할 수 있도록 하는 매장선호도 평가모듈과, 매장 상세 클릭 수, 페이지에 머문 시간, 쿠폰 사용, 상품구매를 포함하는 고객이 선호매장을 검색하면서 이루어진 행위에 관한 암묵적 지표를 지수화하는 암묵적 점수평가모듈을 포함할 수 있다.
또한, 협업 필터링 모듈은 매장선호도 평가모듈로부터 평가된 값을 이용하여 고객 간에 공통된 방문매장을 평가한 값을 비교하되, 고객이 방문한 매장의 평가값과 타 고객의 매장평가값 중 각 평가항목별 평가값이 일치하는 갯수를 산출하여 매칭률을 도출하는 매장평가 매칭률 산출모듈, 고객 간에 공통으로 평가한 매장 데이터에 가중치를 부여하여 각 매장 별로 산출된 매칭률을 바탕으로 평균값을 도출하여 고객과 유사한 평가를 내린 타 고객 간의 유사도를 산출하는 유사도 산출모듈을 포함할 수 있다.
또한, 협업필터링 모듈에 의해 고객 간의 매칭분석이 완료되어 고객의 매장선호도와 유사한 타 고객 간의 매칭이 이루어질 경우 실시간으로 매칭정보를 제공하고, 매칭된 고객이 새로운 매장평가를 추가한 경우 알림을 송출하도록 하는 매칭정보 알림모듈; 매칭된 고객이 방문한 매장정보를 확인할 수 있도록 하는 매칭정보열람모듈; 타 고객이 방문한 매장목록정보를 토대로 고객 자신의 선호도를 반영하여 매장 컨텐츠를 재구성할 수 있도록 하되, 각 매장을 방문하고 좋았던 매장정보만을 선택적으로 취합하여 타 고객이 열람하여 매장방문 전 참고할 수 있도록 하는 매장 큐레이션 모듈을 더 포함할 수 있다.
본 발명에 의하면 고객의 매장 선호도와 유사한 타 고객과의 연관성을 산출하여 연관성이 높은 고객 간을 매칭시켜 취향이 유사한 고객들이 선호할만한 공통된 매장을 선별하여 추천할 수 있도록 함으로써 매장 측은 고객의 매장이용패턴을 제공받아 실질적으로 고객을 관리하는 데 사용할 수 있도록 하고, 고객은 자신의 선호도에 따라 선별된 매장정보를 제공받을 수 있도록 하는 데 그 효과가 있다.
또한, 본 발명에 의하면, 매장 분위기, 서비스, 위생상태, 편의시설, 상품 질을 포함하는 매장 만족도 및 고객의 선호도에 관한 평가항목에 따라 고객이 선택한 값에 따라 매장 선호도를 추출하는 매장선호도 평가모듈과, 매장 상세 클릭 수, 페이지에 머문 시간, 쿠폰 사용, 상품구매를 포함하는 고객이 선호매장을 검색하면서 이루어진 행위에 관한 암묵적 지표를 지수화하여 평가하는 암묵적 점수평가모듈을 구비하여 고객의 선호도 분석을 위한 데이터를 확보함으로써 추천신뢰도를 높일 수 있도록 하는 데 그 효과가 있다.
도 1은 본 발명의 바람직한 실시예에 따른 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템의 구성도,
도 2는 데이터 확보모듈의 구성도,
도 3은 협업필터링 모듈의 구성도,
도 4는 본 발명의 바람직한 실시예에 따른 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템의 고객 A와 고객 B 간의 매장평가 매칭률을 도출하는 방식을 설명하기 위한 도면, 및
도 5는 본 발명의 바람직한 실시예에 따른 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템의 고객 간 유사도 값 도출을 위하여 유사도 산출모듈의 방식을 설명하기 위한 도면이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성 요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.
도 1은 본 발명의 바람직한 실시예에 따른 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템의 구성도이고, 도 2는 데이터 확보모듈의 구성도이며, 도 3은 협업필터링 모듈의 구성도이고, 도 4는 본 발명의 바람직한 실시예에 따른 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템의 고객 A와 고객 B 간의 매장평가 매칭률을 도출하는 방식을 설명하기 위한 도면이며, 도 5는 본 발명의 바람직한 실시예에 따른 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템의 고객 간 유사도 값 도출을 위하여 유사도 산출모듈의 방식을 설명하기 위한 도면이다.
본 발명에 따른 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템은 취향이 유사한 고객 간에 유사한 매장 콘텐츠를 추천하는 맞춤형 매장 추천 서비스 시스템으로 고객의 매장 평가 데이터를 기반으로 고객 간 매장 선호도 데이터를 분석하여 매칭률을 산출하고, 산출된 값을 이용하여 취향이 유사한 고객의 선호 매장 콘텐츠를 선별한 후 공유하거나 추천해주는 서비스를 제공한다.
본 발명은 소비자가 매장에 표시하는 선호도와 매장과 소비자 사이에 발생하는 행위(매장방문, 매장평가, 정보열람, 리뷰작성, 문의, 상품 구매 등)의 데이터를 측정하여 이를 기반으로 고객 선호도에 따른 매장을 추천할 수 있도록 한다.
도 1 내지 도 3을 참조하면, 본 발명의 바람직한 실시예에 따른 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템(1000)은 데이터 확보모듈(100), 협업필터링 모듈(130), 매장추천모듈(160), 매칭정보 알림모듈(170), 매칭정보열람모듈(180), 매장 큐레이션 모듈(190)을 포함하여 구성된다.
이하, 데이터 확보모듈(100)부터 설명한다.
데이터 확보모듈(100)은 특정 매장을 방문한 고객이 제시된 평가항목별로 각 매장에 대해 평가한 결과값을 수집하여 고객의 선호 매장과 매장 취향에 관한 데이터를 확보하기 위한 모듈이다.
데이터 확보모듈(100)은 각 매장이 평가항목에 대해서 어떤 점수를 받을 수 있고, 그 매장의 전반적인 평가가 어떤지 등 매장에 관하여 평가된 결과를 지표화하는 데 이용하고, 특정 고객이 제시된 평가항목에 대해서 얼마나 중요하게 생각하고 있는 지 등 고객의 매장 취향을 분석하기 위한 데이터로서도 이용한다.
보다 구체적으로, 데이터 확보모듈()은 매장선호도 평가모듈(110), 암묵적 점수평가모듈(120)을 포함하여 구성된다.
매장선호도 평가모듈(110)은 매장 분위기, 서비스, 위생상태, 편의시설, 상품 질 등 고객이 매장을 방문하고 느낀 매장 만족도와 고객의 취향을 반영하여 선택한 값에 따라 매장 선호도를 추출한다.
예컨대, 매장선호도 평가모듈(110)에 의해 제시된 평가항목으로는 매장의 분위기, 사진이 잘 나오는 매장, 청결상태, 인테리어, 매장의 접근성, 직원서비스, 플레이팅, 가격대비 만족도, 주변경치, 혼자가기 좋은 곳, 이색 데이트하기 좋은 곳, 주차편의성, 번잡한 정도, 실내온도 등이 제공될 수 있다.
또한, 상기 제공된 평가항목 중 연관성이 있는 평가항목은 추후 협업 필터링 모듈(130) 작동 시에 연동되어 분석될 수 있다. 예컨대, 특정 고객이 "이 매장은 전반적으로 어땠나요?" 라는 질문에 대한 항목에 "최고점"으로 평가점을 주고, "가격대비 만족도는 어땠나요?" 라는 질문에 "최하점"이라는 평가점을 주었다면 해당 고객은 가성비라는 평가 기준에 대해 중요하게 생각하고 있지 않다는 고객의 취향을 분석할 수 있다.
암묵적 점수평가모듈(120)은 매장 상세 클릭 수, 페이지에 머문 시간, 쿠폰 사용, 상품구매 등 고객이 선호매장을 검색하면서 이루어진 고객의 행위에 관한 암묵적 지표를 지수화하여 평가한다.
암묵적 점수평가모듈(120)은 고객이 선호 매장을 검색하면서 이루어지는 사용자 행위를 지수화하여 선호도 측정을 위한 참고 데이터로서 이용되며, 사용자 바이어스를 줄이고, 일관성 있게 선호도가 도출될 수 있도록 한다.
또한, 매장선호도 평가모듈(110)과 암묵적 점수평가모듈(120)은 서로 연동되어 분석되되, 매장선호도 평가모듈(110)로부터 평가된 결과 데이터가 우선적으로 사용될 수 있다.
협업 필터링 모듈(130)은 다수의 고객으로부터 매장의 선호도 데이터를 수집하여 이를 기반으로 고객 간의 유사도를 분석하는 모듈로서, 보다 구체적으로, 협업 필터링 모듈(130)은 고객 간에 공통으로 평가한 매장에 대해서 각 항목 별 평가결과를 비교하여 일치여부를 판단하고, 이를 토대로 매장평가 매칭률을 산출하여 해당 매장에 대한 평가를 분석하고, 고객 간 각 매장 별로 산출된 매칭률로부터 평균값을 산출하여 유사도를 도출한다. 또한, 유사도가 일정값 이상인 고객들 간을 그룹화하여 데이터베이스에 저장하여 그룹화된 고객에게 신규 매장이 신설되어 업로드될 경우 공통된 매장을 추천할 수 있도록 한다.
보다 구체적으로, 협업 필터링 모듈(130)은 고객 간 매장평가 매칭률 산출모듈(140), 유사도 산출모듈(150)을 포함하여 구성된다.
매장평가 매칭률 산출모듈(140)은 매장 분위기, 서비스, 위생상태, 편의시설, 상품 질을 포함하는 매장 만족도 및 고객의 선호도에 관한 평가항목이 제공되고, 제공된 평가항목에 따라 고객의 매장 선호도 별로 평가할 수 있도록 한다.
매장평가 매칭률 산출모듈(140)은 매장선호도 평가모듈(110)로부터 평가된 값을 이용하여 고객이 방문한 매장의 평가값과 타 고객의 매장평가값을 비교하여 각 평가항목별 평가값이 일치하는 갯수를 산출하여 매칭률을 도출한다.
일 실시예로, 매장평가 매칭률 산출모듈(140)은 1개의 매장에 대해 2명의 고객이 한 세트를 이루는 구성으로 매장평가 매칭률이 이루어질 수 있다.
예컨대, 도 4는 고객 A와 고객 B 간의 매장평가 매칭률을 도출하기 위한 예시화면으로서, 도 4를 참조하면, 고객 A와 고객 B 간에 매장 1을 평가할 경우, 고객이 각 평가항목(분위기, 서비스, 위생상태, 편의시설, 상품의 질 등) 별로 평가한 값을 비교하여 일치여부를 분석한다.
그 다음, 고객 A와 고객 B 간에 일치하는 평가항목을 산출하여 전체 평가항목 중 일치하는 항목에 대한 비율을 퍼센트화하여 매장평가 매칭률을 산출하도록 한다.
이때, 매장평가 매칭률 산출모듈(140)에서 고객 간의 경우의 수만큼 비트 연산과 Hamming weight 알고리즘이 이용될 수 있으며, 매칭분석 시에는 spark가 이용될 수 있다. 여기서, 매장평가 매칭률 산출모듈(140)에서 산출 및 매칭분석 방식을 상기 알고리즘으로 한정하는 것은 아니다.
유사도 산출모듈(150)은 각 매장 별 산출된 매칭률을 바탕으로 고객과 유사한 평가를 내린 타 고객 간의 유사도를 산출하는 모듈로서, 매장평가 매칭률 산출모듈(140)에 의해 각 매장 별로 산출된 매칭률을 바탕으로 평균값을 도출하여 고객과 유사한 평가를 내린 타 고객 간의 유사도를 산출한다.
보다 구체적으로, 유사도 산출모듈(150)은 고객 별로 평가한 매장의 종류를 분석하여 고객 간에 공통으로 평가한 매장 데이터에 가중치를 부여하고, 매장평가 매칭률 산출모듈(140)에 의해 분석된 매칭률에 대해 평균값을 산출하여 고객 간의 유사도를 분석한다.
예컨대, 도 5는 고객 간 유사도 값 도출을 위하여 유사도 산출모듈(150)의 방식을 설명하기 위한 도면으로서, 도 5를 참조하면, 고객 A와 고객 B 간의 유사도를 도출하고자 할 경우에는 고객 A가 평가한 매장정보 및 고객 B가 평가한 매장정보 중 고객 A와 고객 B가 평가한 매장 중 공통으로 평가한 매장 데이터만을 선택적으로 추출한다. 예컨대, 고객 A와 고객 B가 평가한 매장 중 공통으로 평가한 매장이 30개일 경우에, 공통으로 평가한 매장에 가중치를 부여하고, 매장 1의 매칭률은 60%, 매장 2의 매칭률을 20%, 매장 3의 매칭률을 30%,,,매장 N의 매칭률은 60% 등 각 매장 별 평가매칭률을 산출한 후, 매장 1 내지 매장 N의 매칭률 평균값을 산출하면 약 63%의 유사도가 도출됨을 알 수 있다.
이때, 유사도 산출모듈(150)은 고객 간 공통으로 평가한 매장의 수에 가중치를 부여하여 각 매장의 매장평가 매칭율의 평균을 산출할 수 있다.
또한, 유사도 산출모듈(150)에 의해 산출이 이루어지기 위해 고객 선호도가 가장 유사한 순으로 머지소트(merge sort) 방식을 이용하여 고객정보를 추출할 수 있다.
종래의 추천방식은 콘텐츠의 인기도에 의존하여 다수의 고객이 좋아하는 일반적인 콘텐츠가 추천되어 너무 뻔한 컨텐츠가 추천되거나, 동일한 콘텐츠가 자주 노출되어 고객에게 광고성으로 인식될 우려가 있었으나, 본 발명에 따른 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템은 누적 데이터를 활용한 지능화 매칭 시스템에 의한 콘텐츠 추천 방식을 통해 고객의 취향이 유사한 고객 간을 상호 매칭하여 고객이 소비하지 않은 새로운 콘텐츠가 지속적으로 제공되되, 유사도에 기반한 다양한 매장을 추천받을 수 있도록 하는 효과가 있다.
매장추천모듈(160)은 협업 필터링 모듈(130)에 의해 분석된 데이터를 기반으로 고객과 매칭율이 높은 타 고객 간을 매칭시키되, 고객의 매장방문이력을 분석하여 타 고객의 선호 매장 중 방문하지 않았거나 고객이 평가하지 않은 매장을 추천하도록 한다.
또한, 매장추천모듈(160)은 적어도 둘 이상의 동일 방문 매장이 중첩되는 고객 간에 연관도가 높다고 추정하여 연관도에 따라 고객에게 우선적으로 매장을 추천한다.
또한 매장추천모듈(160)은 고객과 타 고객간의 매칭률이 높은 고객으로부터 매칭률이 낮은 고객이 방문한 매장 순으로 순차적으로 추천할 수 있다.
이때, 매장추천모듈(160)은 고객의 개인정보가 충분히 확보되었을 경우에는(다수 접속하여 매장평가를 수행한 고객) 개인화된 추천정보를 제시하며, 고객의 개인정보가 충분히 확보되지 않았을 경우에는(예컨대, 신규고객) 고객 방문횟수, 평점, 및 고객의 위치를 기반으로 선택된 매장 등 일반적인 추천을 제시하도록 한다.
또한, 매장추천모듈(160)은 유사도가 높은 고객들이 새롭게 방문한 매장이 있을 경우 실시간으로 추천하는 실시간 추천기능도 포함한다.
또한, 매장추천모듈(160)은 고객이 가장 많이 조회하고 있는 매장을 실시간으로 분석하여 랭킹형태로 보여줌으로써 실시간 매장순위를 제공할 수도 있도록 하는 실시간 매장순위 기능도 포함한다.
또한, 매장추천모듈(160)은 매칭율이 높은 기호 유사 고객들의 조회할 수 있도록 하는 조회기능도 포함된다.
매칭정보 알림모듈(170)은 신규 고객 매칭 시 실시간으로 매칭정보를 제공하고, 매칭된 고객이 새로운 매장평가를 추가한 경우 알림을 송출한다.
이때, 매칭정보 알림모듈(170)에 의해 송출된 알림을 확인하여 타 고객이 선호하는 고객 매장선호도가 마음에 들지 않을 경우 고객이 알림거부신호를 송출하면, 더이상 해당 고객의 매장정보는 노출되지 않을 수 있다.
매칭정보열람모듈(180)은 매칭된 고객의 매장정보를 확인할 수 있는 모듈로서, 매칭된 고객이 방문한 매장목록을 확인할 수 있도록 한다.
매장 큐레이션 모듈(190)은 다른 고객이 방문한 매장목록정보를 토대로 고객 자신의 선호도를 반영하여 매장 컨텐츠를 재구성할 수 있도록 하는 모듈로서, 각 매장을 방문하고 좋았던 매장정보만을 선택적으로 취합하여 큐레이션하여 타 고객이 열람하여 매장방문 전 참고할 수 있도록 한다.
매장 큐레이션 모듈(190)은 고객이 방문한 이력이 있는 매장정보만을 목록화하여 타 고객이 볼 수 있도록 노출시키고, 자신과 동일한 매장을 방문한 타 고객 간을 매칭하여 자동으로 매장 리스트를 공유할 수 있도록 하며, 고객 자신이 재구성한 매장정보가 포함된 콘텐츠의 선호도를 타 고객이 평가할 수 있도록 평가항목이 구성되며, 큐레이션된 매장을 지역, 업종, 테마에 따라 분류하여 목록화할 수도 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서, 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100 - 데이터 확보모듈
110- 매장선호도 평가모듈
120 - 암묵적 점수평가모듈
130 - 협업필터링 모듈
140 - 매장평가 매칭률 산출모듈
150 - 유사도 산출모듈
160 - 매장추천모듈
170 - 매칭정보 알림모듈
180 - 매칭정보열람모듈
190 - 매장 큐레이션 모듈
1000 - 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템

Claims (3)

  1. 특정 매장을 방문한 고객이 제시된 평가항목별로 각 매장에 대해 평가한 결과값을 수집하여 고객의 선호 매장과 매장 취향에 관한 데이터를 확보하는 데이터 확보모듈;
    데이터 확보모듈에 의해 다수의 고객으로부터 매장의 선호도 데이터를 수집하여 이를 기반으로 고객 간의 유사도를 분석하는 협업 필터링 모듈; 및
    협업 필터링 모듈에 의해 분석된 데이터를 기반으로 고객과 매칭율이 높은 타 고객 간을 매칭시키되, 고객의 매장방문이력을 분석하여 타 고객의 선호 매장 중 방문하지 않았거나 고객이 평가하지 않은 매장만을 선택적으로 추천하도록 하는 매장추천모듈
    을 포함하고,
    데이터 확보모듈은
    매장 분위기, 서비스, 위생상태, 편의시설, 상품 질을 포함하는 매장 만족도 및 고객의 선호도에 관한 평가항목이 제공되고, 제공된 평가항목에 따라 고객의 매장 선호도 별로 평가할 수 있도록 하는 매장선호도 평가모듈과,
    매장 상세 클릭 수, 페이지에 머문 시간, 쿠폰 사용, 상품구매를 포함하는 고객이 선호매장을 검색하면서 이루어진 행위에 관한 암묵적 지표를 지수화하는 암묵적 점수평가모듈
    을 포함하는 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템.
  2. 제1항에 있어서,
    협업 필터링 모듈은
    매장선호도 평가모듈로부터 평가된 값을 이용하여 고객 간에 공통된 방문매장을 평가한 값을 비교하되, 고객이 방문한 매장의 평가값과 타 고객의 매장평가값 중 각 평가항목별 평가값이 일치하는 갯수를 산출하여 매칭률을 도출하는 매장평가 매칭률 산출모듈,
    고객 간에 공통으로 평가한 매장 데이터에 가중치를 부여하여 각 매장 별로 산출된 매칭률을 바탕으로 평균값을 도출하여 고객과 유사한 평가를 내린 타 고객 간의 유사도를 산출하는 유사도 산출모듈
    을 포함하는 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템.
  3. 제2항에 있어서,
    협업필터링 모듈에 의해 고객 간의 매칭분석이 완료되어 고객의 매장선호도와 유사한 타 고객 간의 매칭이 이루어질 경우 실시간으로 매칭정보를 제공하고, 매칭된 고객이 새로운 매장평가를 추가한 경우 알림을 송출하도록 하는 매칭정보 알림모듈;
    매칭된 고객이 방문한 매장정보를 확인할 수 있도록 하는 매칭정보열람모듈;
    타 고객이 방문한 매장목록정보를 토대로 고객 자신의 선호도를 반영하여 매장 컨텐츠를 재구성할 수 있도록 하되, 각 매장을 방문하고 좋았던 매장정보만을 선택적으로 취합하여 타 고객이 열람하여 매장방문 전 참고할 수 있도록 하는 매장 큐레이션 모듈
    을 더 포함하는 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템.










KR1020180002245A 2018-01-08 2018-01-08 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템 KR102005289B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180002245A KR102005289B1 (ko) 2018-01-08 2018-01-08 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180002245A KR102005289B1 (ko) 2018-01-08 2018-01-08 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템

Publications (2)

Publication Number Publication Date
KR20190084458A true KR20190084458A (ko) 2019-07-17
KR102005289B1 KR102005289B1 (ko) 2019-07-31

Family

ID=67473909

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180002245A KR102005289B1 (ko) 2018-01-08 2018-01-08 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템

Country Status (1)

Country Link
KR (1) KR102005289B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210062897A (ko) * 2019-11-22 2021-06-01 이선희 마켓정보시스템 및 마켓정보 제공 방법
KR102353093B1 (ko) * 2021-02-04 2022-01-18 이현정 선택형 묶음 판매 방법
KR20220119875A (ko) * 2021-02-22 2022-08-30 김명락 위치 정보 및 카드 거래 정보를 기반으로 사용자의 유형분류 및 서비스추천 장치 및 방법
KR102466655B1 (ko) * 2021-07-30 2022-11-16 (주)미소정보기술 소상공인 및 사용자를 위한 메타버스 기반 게이미피케이션 서비스 방법 및 그 프로그램
CN117522528A (zh) * 2024-01-04 2024-02-06 厦门智数联科技有限公司 互联网数据检测分析方法和系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102442988B1 (ko) 2020-07-29 2022-09-13 백석대학교산학협력단 Cnn 학습 방식을 이용한 사용자 경험 기반 취향관계망 생성 시스템
KR102233522B1 (ko) * 2020-12-17 2021-03-29 신윤 카달로그　및 웹 페이지를 이용한 의류 제조관리 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150045539A (ko) * 2013-10-18 2015-04-29 에스케이플래닛 주식회사 매장 추천 시스템 및 방법
KR20160026739A (ko) * 2014-08-27 2016-03-09 주식회사 도브투래빗 쇼퍼와 상공인을 연계한 위치 추정 기반 스마트 샵 플랫폼 서비스 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150045539A (ko) * 2013-10-18 2015-04-29 에스케이플래닛 주식회사 매장 추천 시스템 및 방법
KR20160026739A (ko) * 2014-08-27 2016-03-09 주식회사 도브투래빗 쇼퍼와 상공인을 연계한 위치 추정 기반 스마트 샵 플랫폼 서비스 시스템 및 방법

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210062897A (ko) * 2019-11-22 2021-06-01 이선희 마켓정보시스템 및 마켓정보 제공 방법
KR102353093B1 (ko) * 2021-02-04 2022-01-18 이현정 선택형 묶음 판매 방법
KR20220119875A (ko) * 2021-02-22 2022-08-30 김명락 위치 정보 및 카드 거래 정보를 기반으로 사용자의 유형분류 및 서비스추천 장치 및 방법
KR102466655B1 (ko) * 2021-07-30 2022-11-16 (주)미소정보기술 소상공인 및 사용자를 위한 메타버스 기반 게이미피케이션 서비스 방법 및 그 프로그램
CN117522528A (zh) * 2024-01-04 2024-02-06 厦门智数联科技有限公司 互联网数据检测分析方法和系统
CN117522528B (zh) * 2024-01-04 2024-03-12 厦门智数联科技有限公司 互联网数据检测分析方法和系统

Also Published As

Publication number Publication date
KR102005289B1 (ko) 2019-07-31

Similar Documents

Publication Publication Date Title
KR102005289B1 (ko) 매장 및 고객 간의 유사도를 기반으로 한 매장 추천 서비스 제공 시스템
Boo et al. A model of customer-based brand equity and its application to multiple destinations
KR101846422B1 (ko) 빅데이터를 활용해 개인별 특성 및 선호도를 고려한 고객 맞춤형 온오프라인 연계 의류 추천 시스템
KR101509131B1 (ko) 온라인 판매자 평가정보 제공방법
JP4478479B2 (ja) 化粧品評価情報分析システム及び方法
KR101785106B1 (ko) 복수 점포 관리용 고객 충성도 점수 제공 시스템
Liu et al. Factors influencing consumers’ repurchase behavior on fresh food e-commerce platforms: An empirical study
KR20080058569A (ko) 자연어 처리기반의 여행 상품 검색 시스템 및 그 방법
KR20140073256A (ko) 상품 추천 서비스 제공 방법 및 장치
Ahmed et al. Unleashing the utilitarian motivations of online shopping among Indian youth
KR101979237B1 (ko) 쇼핑 정보 제공 방법 및 장치
Nurdianasari et al. Study on perceived online convenience and customer satisfaction toward behavioral intention in online shopping
Oghojafor et al. Choice of Shopping Outlets for Grocery Products and the Socio-Economic Profile of Female Consumers in Lagos Nigeria
KR100521752B1 (ko) 가맹점으로 회원 고객의 고객관리정보를 제공하는고객정보 제공시스템 및 그 방법
KR20150076291A (ko) 사용자 선호도 및 유전정보를 이용한 맞춤형 마케팅 방법 및 이를 위한 시스템
KR20010111913A (ko) 전자상거래에서 데이터베이스 마케팅을 위한 복합적필터링장치 및 방법
KR102442988B1 (ko) Cnn 학습 방식을 이용한 사용자 경험 기반 취향관계망 생성 시스템
JP2007213295A (ja) マーケティング支援装置
KR101983704B1 (ko) 개인화 알고리즘을 이용한 사이트 추천 방법 및 개인화 알고리즘 서버
JP6980573B2 (ja) 情報処理装置、情報処理方法、およびプログラム
JP2022006979A (ja) サーバシステム、その制御方法及びプログラム
CN111429179A (zh) 一种电商产品分类系统及其分类方法
Abitha Kumari J et al. Impact of consumer behavior pertaining to personalization of price in an e-commerce context
Poranki The Impact of Brand Awareness on Customer Satisfaction: A Case Study of Godfrey Phillips India Limited, India
CN112734539B (zh) 一种基于无线网络的数据管理系统及方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant