KR20200043347A - 집단 지능을 이용한 상품 검증 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체 - Google Patents

Abstract

집단지능을 이용한 상품 검증 방법이 개시된다. 본 방법은 제1 유저의 추천에 대한 공감 여부를 나타내는 응답을 수신하는 단계, 추천에 대하여 제2 유저로부터 공감 응답이 수신되면, 제2 유저가 제1 유저에 대한 공감인으로 기 등록된 유저인지 판단하는 단계, 제2 유저가 기 등록된 공감인이 아닌 경우, 제2 유저가 기 설정된 조건을 만족하는지 여부에 따라 제2 유저를 제1 유저에 대한 공감인으로 등록시키거나 또는 등록시키지 않는 단계 및 제2 유저가 제1 유저에 대한 공감인으로 등록되면, 등록된 제2 유저의 공감 포인트를 확인하고, 확인된 제2 유저의 공감 포인트 보다 큰 값으로 제1 유저의 공감 포인트를 산출하는 단계를 포함한다. 여기서 공감 포인트는, 포인트 산출 대상인 유저가 타 유저들과의 관계에서 하향으로 몇 단계의 공감 관계를 형성하고 있는지에 따라 산출된 값일 수 있다.

Description

집단 지능을 이용한 상품 검증 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체{Method, server, program, computer readable recording medium for inspecting product using collective intelligence}

본 발명은 집단 지능을 이용한 상품 검증 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체에 관한 것으로, 보다 상세하게는 다수의 유저들 간의 상호 협동적인 참여와 소통이 만들어 내는 결과물인 집단 지능을 이용하여 상품에 대한 검증을 수행하는 상품 검증 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체에 관한 것이다.

전자 통신 기술의 발전에 따라 인터넷과 같이 동시에 다수의 유저(User)들이 접속할 수 있는 통신 환경이 조성되어 있고, 이와 동시에 다수의 유저들이 필요한 정보를 수집/습득할 수 있는 인터넷 검색 엔진도 발전해왔다. 이에 따라, 인터넷은 현대 생활에서 빼놓을 수 없는 주요한 정보 수집/습득의 채널로서 널리 이용되고 있다.

이러한 인터넷의 발전에 따라, 기존에 오프라인에서 수행되던 다양한 서비스들이 온라인에서 동일하게 수행되고 있다.

일 예로, 상품 판매자들은 온라인 쇼핑몰이라는 온라인 상의 가상 시장을 구축하여 온라인 상에서 자신이 판매하는 상품들에 대한 홍보, 광고, 판매 등을 수행하고 있다. 특히 모바일 환경이 발전함에 따라, 유저들은 오프라인 매장을 직접 방문하지 않고도, 자신의 스마트폰 등을 이용하여 인터넷에 접속하여 상품의 정보를 확인하고, 온라인 쇼핑몰이나 쇼핑 플랫폼을 통해 해당 상품을 구매할 수 있게 되었다.

최근에는 유저들에게 제품을 홍보하거나, 추천하기 위한 다양한 기법들이 개발되어 수행되고 있다. 이러한 홍보 기법 중 하나가 바이럴 마케팅(viral marketing)이다. 바이럴 마케팅은 누리꾼이 이메일이나 다른 전파 가능한 매체를 통해 자발적으로 어떤 기업이나 기업의 제품을 홍보하기 위해 널리 퍼뜨리는 입소문 마케팅 기법이다.

다만, 바이럴 마케팅 시장이 커짐에 따라, 일반 유저 보다 거짓으로 유저 반응 및 추천 정보를 조작하여 바이럴 효과를 내는 일을 수행하는 업체가 다수 생겨나서 올바른 상품 평가를 왜곡하게 되었고, 업체들의 무분별한 상품 홍보, 추천 등에 따라 온라인 상의 정보들에 대한 유저의 신뢰도는 갈수록 낮아지고 있다.

따라서, 상품 평가에 있어서 유저들이 참여하고 정당하고 신뢰가능한 정보를 생산하기 위한 기술이 필요하다.

본 발명은 상술한 필요성에 따라 안출된 것으로, 본 발명의 목적은 상품을 추천한 추천인의 신뢰도를 다수의 유저들 간의 상호 협동적인 참여와 소통(예를 들어, 추천인의 추천에 대하여 공감 응답, 비공감 응답, 공감 후 취소 응답 등을 통한 참여와 소통)에 따라 산출된 사용자 활동을 '공감 포인트'라는 값으로 수치화하여 제공하는 집단 지능을 이용한 상품 검증 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체를 제공함에 있다. 여기서, 공감 포인트는 해당 유저가 타 유저들과의 관계에서 하향으로 몇 단계의 공감 관계를 형성하고 있는지에 따라 산출된 값까지 포함하고, 이러한 공감 포인트를 이용하여 다차원적인 검증 시스템을 구현할 수 있다.

상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 집단지능을 이용한 상품 검증 방법은, 제1 유저의 추천에 대한 공감 여부를 나타내는 응답을 수신하는 단계, 상기 추천에 대하여 제2 유저로부터 공감 응답이 수신되면, 상기 제2 유저가 상기 제1 유저에 대한 공감인으로 기 등록된 유저인지 판단하는 단계, 상기 제2 유저가 기 등록된 공감인이 아닌 경우, 상기 제2 유저가 기 설정된 조건을 만족하는지 여부에 따라 상기 제2 유저를 상기 제1 유저에 대한 공감인으로 등록시키거나 또는 등록시키지 않는 단계, 상기 제2 유저가 상기 제1 유저에 대한 공감인으로 등록되면, 등록된 제2 유저의 공감 포인트를 확인하고, 상기 확인된 제2 유저의 공감 포인트 보다 큰 값으로 상기 제1 유저의 공감 포인트를 산출하는 단계를 포함하고, 상기 공감 포인트는, 포인트 산출 대상인 유저가 타 유저들과의 관계에서 하향으로 몇 단계의 공감 관계를 형성하고 있는지에 따라 산출된 값일 수 있다.

그리고, 상기 기 등록된 유저는, 상기 제1 유저의 추천에 대하여 소정 횟수 이상 공감 응답을 제공하여 공감인으로 미리 등록된 유저이고, 상기 등록시키거나 또는 등록시키지 않는 단계는, 상기 제2 유저가 상기 제1 유저의 추천에 공감 응답을 제공한 총 횟수가 상기 소정 횟수 이상인 경우, 상기 제2 유저를 상기 제1 유저에 대한 공감인으로 등록시키는 단계 및 상기 제2 유저가 상기 제1 유저의 추천에 공감 응답을 제공한 총 횟수가 상기 소정 횟수 미만인 경우, 상기 제2 유저를 상기 제1 유저에 대한 공감인으로 등록시키지 않는 단계를 포함할 수 있다.

또한, 상기 제2 유저가 상기 제1 유저에 대하여 기 등록된 공감인인 경우, 상기 제2 유저의 공감 포인트를 확인하는 단계를 더 포함하고, 상기 산출하는 단계는, 상기 제2 유저의 공감 포인트가 기존 공감 포인트에서 변경된 경우, 상기 변경된 제2 유저의 공감 포인트를 이용하여 상기 제1 유저의 공감 포인트를 갱신하는 단계 및 상기 제2 유저의 공감 포인트가 기존 공감 포인트에서 변경되지 않은 경우, 기존 공감 포인트가 반영된 제1 유저의 공감 포인트를 유지시키는 단계를 포함할 수 있다.

그리고, 상기 공감 여부를 나타내는 응답은 비공감 응답 및 공감 후 취소 응답 중 적어도 하나를 더 포함하며, 상기 제2 유저로부터 상기 비공감 응답 또는 상기 공감 후 취소 응답이 수신되면, 상기 제2 유저가 상기 제1 유저에 대한 공감인으로 기 등록된 유저인지 판단하는 단계, 상기 제2 유저가 기 등록된 공감인인 경우, 상기 제2 유저가 상기 제1 유저의 추천에 비공감 응답 또는 공감 후 취소 응답을 제공한 총 횟수에 따라 상기 타 유저를 공감인으로 유지시킬지 여부를 판단하는 단계 및 상기 제2 유저가 공감인에서 제외되는 경우, 상기 제외된 제2 유저의 공감 포인트를 반영하여 상기 제1 유저에 대한 공감 포인트를 산출하는 단계를 포함할 수 있다.

또한, 상기 제1 유저가 특정 상품을 추천하면, 상기 추천 상품을 상기 제1 유저를 기준으로 소정 단계의 공감 관계에 있는 유저들에게 알리는 단계를 더 포함할 수 있다.

그리고, 복수의 유저들 각각에 대하여 해당 유저를 기준으로 하향으로 형성된 타 유저들과의 공감 관계 정보를 저장하는 단계를 더 포함하고, 상기 공감 관계 정보는, 적어도 하나의 단계를 구비한 공감 관계에서 해당 단계에 속한 유저의 식별 정보를 포함할 수 있다.

또한, 상기 제2 유저가 상기 제1 유저에 대한 공감인으로 등록되는 경우, 상기 제1 유저에 대한 공감 관계 정보 중 제1 단계 공감 관계 영역에 상기 등록된 제2 유저의 공감 관계 정보를 추가하는 단계 및 상기 제2 유저가 상기 제1 유저에 대한 공감인에서 제외되는 경우, 상기 제1 유저에 대한 관계 네트워크 정보 중 제1 단계 관계 영역에서 상기 제외된 제2 유저의 공감 관계 정보를 삭제하는 단계를 더 포함할 수 있다.

그리고, 상기 제1 유저의 공감 포인트를 산출하는 단계는, 제1 시점을 기준으로, 공감인을 가지지 않은 상기 제2 유저가 공감인을 가지지 않은 제1 유저에 대한 공감인으로 등록되면, 상기 제1 유저의 공감 포인트를 제1 레벨로 산출하는 단계를 포함하고, 상기 제1 시점 이후인 제2 시점을 기준으로, 공감인을 가지지 않은 제3 유저가 상기 제2 유저에 대한 공감인으로 등록되면, 상기 제2 유저의 공감 포인트를 상기 제1 레벨로 갱신하고, 상기 제1 유저의 공감 포인트를 상기 제1 레벨 보다 한 단계 높은 제2 레벨로 갱신하는 단계를 더 포함할 수 있다.

또한, 상기 제2 시점 이후인 제3 시점을 기준으로, 상기 제3 유저가 상기 제2 유저에 대한 공감인에서 제외되면, 상기 제2 유저의 공감 포인트를 최하위 레벨로 갱신하고, 상기 제1 유저의 공감 포인트를 상기 제1 레벨로 갱신하는 단계를 더 포함할 수 있다.

한편, 상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 집단지능을 이용한 상품 검증 서버는, 제1 유저의 추천에 대한 공감 여부를 나타내는 응답을 수신하는 통신부, 상기 추천에 대하여 제2 유저로부터 공감 응답이 수신되면, 상기 제2 유저가 상기 제1 유저에 대한 공감인으로 기 등록된 유저인지 판단하고, 상기 제2 유저가 기 등록된 공감인이 아닌 경우, 상기 제2 유저가 기 설정된 조건을 만족하는지 여부에 따라 상기 제2 유저를 상기 제1 유저에 대한 공감인으로 등록시키거나 또는 등록시키지 않는 공감인 관리부 및 상기 제2 유저가 상기 제1 유저에 대한 공감인으로 등록되면, 등록된 제2 유저의 공감 포인트를 확인하고, 상기 확인된 제2 유저의 공감 포인트 보다 큰 값으로 상기 제1 유저의 공감 포인트를 산출하는 공감 포인트 관리부를 포함하고, 상기 공감 포인트는, 포인트 산출 대상인 유저가 타 유저들과의 관계에서 하향으로 몇 단계의 공감 관계를 형성하고 있는지에 따라 산출된 값일 수 있다.

그리고, 상기 제1 유저가 특정 상품을 추천하면, 상기 추천 상품을 상기 제1 유저를 기준으로 소정 단계의 공감 관계에 있는 유저들에게 알리는 추천 상품 안내부를 더 포함할 수 있다.

또한, 복수의 유저들 각각에 대하여 해당 유저를 기준으로 하향으로 형성된 타 유저들과의 공감 관계 정보를 관리하는 공감 관계 관리부를 더 포함하고, 상기 공감 관계 정보는, 적어도 하나의 단계를 구비한 공감 관계에서 해당 단계에 속한 유저의 식별 정보를 포함할 수 있다.

한편, 상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따르면, 집단지능을 이용한 상품 검증 방법을 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체를 더 포함할 수 있다.

또한, 상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따르면, 집단지능을 이용한 상품 검증 방법을 실행하기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 프로그램을 더 포함할 수 있다.

종래에는 무분별한 상품 홍보, 추천 등에 따라 온라인 상의 정보들에 대한 유저들의 신뢰도가 낮았다.

다만, 본 발명에 따르면 집단적인 지성으로 이용하여 특정 상품을 추천한 추천인의 신뢰도를 평가함으로써, 이러한 문제점을 해결할 수 있다. 구체적으로, 가장 가까운 1 단계 공감 관계에 있는 공감인들 뿐만 아니라, 다단계에 공감 관계를 형성한 사람일수록, 추천인의 가치가 높다. 예를 들어, 하부 평가가 좋은 사람(다단계에서 공감 관계를 형성한 사람)이 추천인에게 공감을 표현하는 경우, 그 사람의 공감은 하부 평가가 좋지 못한 사람(다단계에서 공감 관계를 형성하지 못한 사람)이 공감을 표현하는 것 보다 가치가 높다. 그렇기 때문에, 유저를 기준으로 하향으로 형성된 공감 관계의 단계가 커질수록 해당 유저가 표출한 공감의 신뢰도 또한 높아지고, 유저를 기준으로 하향으로 형성된 공감 관계의 단계가 작아질 수록 해당 유저가 표출한 공감의 신뢰도는 낮아질 수 있다. 또한, 추천인을 기준으로 하향으로 형성된 공감 관계의 단계가 커질 수록 해당 추천인의 추천의 신뢰도 또한 높아지고, 추천인을 기준으로 하향으로 형성된 공감 관계의 단계가 작아질 수록 해당 추천인의 추천의 신뢰도는 낮아질 수 있다. 이러한 본원 발명에 따르면, 다수의 유저들 간의 상호 협동적인 참여와 소통(예를 들어, 추천인의 추천에 대하여 공감 응답, 비공감 응답, 공감 후 취소 응답 등으로 통하여 참여와 소통)을 이용하여 특정 상품을 추천한 유저들의 신뢰도를 평가함으로써, 유저들의 올바르고 진실된 상품 홍보, 추천을 유도할 수 있고, 최종적으로는 온라인 상에 업로드되는 상품 홍보, 추천 등에 대한 신뢰도를 높일 수 있다.

또한, 상술한 본 발명의 다양한 실시 예에 따르면, 온라인 상에서 점증되는 홍보, 추천의 왜곡으로 인한 소비자의 선택권을 보호하면서, 우량 컨텐츠 추천 시스템을 구축할 수 있다.

도 1은 본 발명의 일 실시 예에 따른 집단지능을 이용한 상품 검증 시스템을 나타내는 블록도 이다.
도 2는 본 발명의 일 실시 예에 따른 집단지능을 이용한 상품 검증 시스템의 동작을 개략적으로 나타내는 타이밍도 이다.
도 3은 본 발명의 일 실시 예에 따른 집단지능을 이용한 상품 검증 서버를 나타내는 블록도 이다.
도 4는 본 발명의 일 실시 예에 따른 관리부를 보다 구체적으로 나타내는 블록도 이다.
도 5는 본 발명의 일 실시 예에 따른 공간 관계 정보를 설명하기 위한 개념도 이다.
도 6은 본 발명의 일 실시 예에 따른 공감 포인트 산출 방법을 나타내는 흐름도 이다.
도 7은 도 6에 따른 공감 포인트 산출 방법을 설명하기 위한 개념도 이다.
도 8 본 발명의 다른 실시 예에 따른 공감 포인트 산출 방법을 나타내는 흐름도 이다.
도 9는 도 8 에 따른 공감 포인트 산출 방법을 설명하기 위한 개념도 이다.
도 10은 본 발명의 또 다른 실시 예에 따른 공감 포인트 산출 방법을 나타내는 흐름도 이다.
도 11은 도 10에 따른 공감 포인트 산출 방법을 설명하기 위한 개념도 이다.
도 12는 본 발명의 일 실시 예에 따른 상품 검증 화면을 나타내는 도면 이다.
도 13은 본 발명의 다른 실시 예에 따른 온라인 상품 거래 시스템을 나타내는 블록도 이다.
도 14는 본 발명의 다른 실시 예에 따른 온라인 상품 거래를 위한 웹 페이지를 나타내는 도면 이다.

이하의 내용은 단지 본 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 본 발명의 원리를 구현하고 본 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시 예들은 원칙적으로, 본 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시 예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.

또한, 본 발명의 원리, 관점 및 실시 예들뿐만 아니라 특정 실시 예를 열거하는 모든 상세한 설명은 이러한 사항의 구조적 및 기능적 균등물을 포함하도록 의도되는 것으로 이해되어야 한다. 또한 이러한 균등물들은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 소자를 포함하는 것으로 이해되어야 한다.

따라서, 모든 흐름도, 상태 변환도, 의사 코드 등은 컴퓨터가 판독 가능한 매체에 실질적으로 나타낼 수 있고 컴퓨터 또는 프로세서가 명백히 도시되었는지 여부를 불문하고 컴퓨터 또는 프로세서에 의해 수행되는 다양한 프로세스를 나타내는 것으로 이해되어야 한다.

프로세서 또는 이와 유사한 개념으로 표시된 기능 블럭을 포함하는 도면에 도시된 다양한 소자의 기능은 전용 하드웨어뿐만 아니라 적절한 소프트웨어와 관련하여 소프트웨어를 실행할 능력을 가진 하드웨어의 사용으로 제공될 수 있다. 프로세서에 의해 제공될 때, 상기 기능은 단일 전용 프로세서, 단일 공유 프로세서 또는 복수의 개별적 프로세서에 의해 제공될 수 있고, 이들 중 일부는 공유될 수 있다.

또한, 명세서 및 청구범위에서 "제1", "제2", "제3" 및 "제4" 등의 용어는, 만약 있는 경우, 유사한 구성요소 사이의 구분을 위해 사용되며, 반드시 그렇지는 않지만 특정 순차 또는 발생 순서를 기술하기 위해 사용된다. 그와 같이 사용되는 용어는 여기에 기술된 본 발명의 실시예가, 예컨대, 여기에 도시 또는 설명된 것이 아닌 다른 시퀀스로 동작할 수 있도록 적절한 환경하에서 호환 가능한 것이 이해될 것이다. 마찬가지로, 여기서 방법이 일련의 단계를 포함하는 것으로 기술되는 경우, 여기에 제시된 그러한 단계의 순서는 반드시 그러한 단계가 실행될 수 있는 순서인 것은 아니며, 임의의 기술된 단계는 생략될 수 있고/있거나 여기에 기술되지 않은 임의의 다른 단계가 그 방법에 부가 가능할 것이다.

또한 명세서 및 청구범위의 "왼쪽", "오른쪽", "앞", "뒤", "상부", "바닥", "위에", "아래에" 등의 용어는, 설명을 위해 사용되는 것이며, 반드시 불변의 상대적 위치를 기술하기 위한 것은 아니다. 그와 같이 사용되는 용어는 여기에 기술된 본 발명의 실시예가, 예컨대, 여기에 도시 또는 설명된 것이 아닌 다른 방향으로 동작할 수 있도록 적절한 환경하에서 호환 가능한 것이 이해될 것이다. 여기서 사용된 용어 "연결된"은 전기적 또는 비 전기적 방식으로 직접 또는 간접적으로 접속되는 것으로 정의된다. 여기서 서로 "인접하는" 것으로 기술된 대상은, 그 문구가 사용되는 문맥에 대해 적절하게, 서로 물리적으로 접촉하거나, 서로 근접하거나, 서로 동일한 일반적 범위 또는 영역에 있는 것일 수 있다. 여기서 "일실시예에서"라는 문구의 존재는 반드시 그런 것은 아니지만 동일한 실시예를 의미한다.

또한 명세서 및 청구범위에서 '연결된다', '연결하는', '체결된다', '체결하는', '결합된다', '결합하는' 등과 이런 표현의 다양한 변형들의 지칭은 다른 구성요소와 직접적으로 연결되거나 다른 구성요소를 통해 간접적으로 연결되는 것을 포함하는 의미로 사용된다.

또한, 본 명세서에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.

또한 본 명세서에서 사용된 용어들은 실시예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprise)' 및/또는 '포함하는(comprising)'은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.

이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시 예를 상세히 설명하기로 한다. 이하

도 1은 본 발명의 일 실시 예에 따른 집단지능을 이용한 상품 검증 시스템을 나타내는 블록도 이다. 인터넷 등의 발달에 따라 다양한 상품 또는 서비스(이하, 상품이라 통칭함)들이 온라인 상에서 홍보, 추천되고 있고, 상품들의 추천, 홍보 등이 많아짐에 따라, 추천에 대한 신뢰도를 평가하여 제공하는 서비스에 대한 유저들의 요구가 증가하고 있다. 이를 위하여, 도 1에 도시된 상품 검증 시스템(1000)은 다수의 유저들 간의 상호 협동적인 참여와 소통이 만들어 내는 결과물인 집단 지능을 상품 추천인의 평가에 적용하여 추천인의 추천에 대한 검증이 가능하도록 하는 서비스를 제공할 수 있다. 이를 위하여, 집단지능을 이용한 상품 검증 시스템(1000)은 복수의 유저(User)들 각각이 구비한 단말 장치(200-1,..200-N : 200), 상품 검증 서버(100), 데이터 베이스(Data Base : DB)(300-1,..300-N : 300)를 포함할 수 있다.

여기서, 단말 장치(200-1,..200-N : 200)는 다수의 유저들 간의 상호 협동적인 참여와 소통을 가능하게 하기 위하여, 통신 기능을 구비한 장치, 예를 들어, 스마트 폰, 태블릿 컴퓨터, 노트북 컴퓨터, PDA(personal digital assistant), PMP(portable multimedia player), 웨어러블 디바이스(wearable device)로 구현될 수 있다.

이러한 단말 장치(200)를 이용하여 복수의 유저들 각각은 상품 검증 서버(100)에 접속하여 복수의 상품들을 확인한 후 자신이 추천하고자 하는 상품을 선택하고, 해당 상품을 추천 상품으로 등록시킬 수 있다.

또한, 복수의 유저들 각각은 단말 장치(200)를 이용하여 특정 유저의 상품 추천에 대한 평가를 수행할 수 있다. 구체적으로, 복수의 유저들 중 제1 유저가 단말 장치(200)를 이용하여 특정 상품에 대하여 추천을 하면, 타 유저들은 단말 장치(200)를 이용하여 상품 검증 서버(100)에 접속하고, 상품 검증 서버(100)에 제1 유저의 추천에 대하여 자신이 공감하는지 여부를 나타내는 공감 여부 응답을 제공할 수 있다. 여기서, 타 유저들이 제공할 수 있는 공감 여부를 나타내는 응답은 제1 유저의 추천에 공감한다는 의견을 나타내는 공감 응답, 제1 유저의 추천에 공감하지 않는다는 의견을 나타내는 비공감 응답, 제1 유저의 추천에 응답하지 않는 무응답 및 제1 유저의 추천에 공감하였으나 이를 취소한다는 의견을 나타내는 공감 후 취소 응답을 포함할 수 있다.

또한, 복수의 유저들 각각은 단말 장치(200)를 이용하여 특정 유저에 대한 평가를 확인할 수 있다. 구체적으로, 복수의 유저들 각각은 단말 장치(200)를 이용하여 상품 검증 서버(100)에 접속하고, 상품을 추천한 유저의 공감 관계 정보 및 공감 포인트를 확인할 수 있다. 여기서, 공감 관계 정보는 해당 유저를 기준으로 하향으로 형성된 타 유저들과의 공감 관계를 나타내는 데이터로, 공감 관계의 단계 정보 및 해당 단계에 속한 유저의 식별 정보를 포함할 수 있다. 그리고, 공감 포인트는 상품을 추천한 추천인의 신뢰도를 수치화한 값으로, 해당 유저가 타 유저들과의 관계에서 하향으로 몇 단계의 공감 관계를 형성하고 있는지에 따라 산출된 값일 수 있다.

한편, 데이터 베이스(Data Base : DB) 서버(300-1,..300-N : 300)는 집단지능을 이용한 상품 검증 시스템(1000)의 동작을 위한 다양한 데이터 및 프로그램을 저장할 수 있다. 구체적으로, 데이터 베이스 서버(300)는 평가 대상인 상품의 정보, 유저들이 추천한 상품의 정보, 상품 검증 서비스에 가입한 유저 정보, 집단에 속한 유저들 간의 공감 관계를 나타내는 공감 관계 정보, 공감 포인트 정보 등을 저장할 수 있다. 일 예로, 평가 대상이 책(book)인 경우, 데이터 베이스 서버(300)는 평가 대상인 책의 제목, 저자, 요약 등을 포함하는 상품 정보, 유저들이 추천한 책의 제목, 저자, 요약 등을 포함하는 추천 상품 정보를 저장할 수 있다.

한편, 도 1과 같이, 집단지능을 이용한 상품 검증 시스템(1000)이 복수의 데이터 베이스 서버를 구비하는 경우, 복수의 데이터 베이스(Data Base : DB) 서버는 저장하는 데이터의 종류에 따라 서로 구별될 수 있다. 일 예로, 제1 데이터 베이스 서버는 상품 정보 및 추천 상품 정보를 저장하고, 제2 데이터 베이스 서버는 유저 정보 및 공감 관계 정보를 저장하며, 제3 데이터 베이스 서버는 공감 포인트 정보를 저장할 수 있다.

한편, 상품 검증 서버(200)는 유저가 특정 상품을 추천하면 추천에 대한 타 유저의 공감 여부를 나타내는 응답을 수신할 수 있다. 그리고, 상품 검증 서버(200)는 수신된 응답을 기초로 상품을 추천한 유저의 공감 관계 정보를 생성하고, 상품을 추천한 유저의 공감 포인트를 산출하여 제공할 수 있다. 여기서, 공감 포인트는 해당 유저의 신뢰도를 평가하는 지수로 이용될 수 있고, 공감 관계 정보는 해당 유저의 정보 전달력을 평가하는 지수로 이용될 수 있다. 이러한 상품 검증 서버(200)의 동작에 대해서는 도 2를 참조하여 개략적으로 설명하기로 한다.

도 2는 본 발명의 일 실시 예에 따른 집단지능을 이용한 상품 검증 시스템의 동작을 개략적으로 나타내는 타이밍도 이다. 도 2를 참조하면, 복수의 상품들 중 제1 유저가 특정 상품을 추천하면(S101), 상품 검증 서버(200)는 해당 상품을 추천 상품으로 등록할 수 있다(S102). 일 예로, 복수의 유저들 중 제1 유저는 평가 대상인 복수의 상품들 중 적어도 하나를 선택하여 추천할 수 있다. 이 경우, 상품 검증 서버(200)는 제1 유저가 추천한 상품을 추천 상품으로 등록할 수 있다.

그리고, 상품 검증 서버(200)는 제1 유저의 추천에 대하여 제2 유저로부터 공감 여부를 나타내는 응답을 수신할 수 있다(S102). 여기서, 제2 유저는 집단에 속한 복수의 유저들 중 제1 유저를 포함하지 않는 유저의 집단일 수 있다. 다만, 이에 한정되는 것은 아니고, 구현 예에 따라서, 제2 유저는 제1 유저를 포함하는 유저의 집단일 수도 있다. 또한, 공감 여부를 나타내는 응답은 제1 유저의 추천에 공감한다는 의견을 나타내는 공감 응답, 제1 유저의 추천에 공감하지 않는다는 의견을 나타내는 비공감 응답, 제1 유저의 추천에 응답하지 않는 무응답 및 제1 유저의 추천에 공감하였으나 이를 취소한다는 의견을 나타내는 공감 후 취소 응답을 포함할 수 있다. 또한, 공감 여부를 나타내는 응답은 공감 응답, 비공감 응답, 무응답, 공감 후 취소 응답과 같이 응답의 종류를 나타내는 정보 뿐만 아니라 복수의 유저 각각을 식별 가능하게 하는 유저 ID(Identification), 유저 단말 장치(200)의 전화 번호, 유저 단말 장치(200)의 MAC 주소(Media Access Contorl Address), 유저 주민 등록 번호 등과 같은 유저 식별 정보를 포함할 수 있다.

그리고, 상품 검증 서버(200)는 응답을 제공한 제2 유저들 각각이 제1 유저에 대한 공감인으로 기 등록된 유저인지 판단할 수 있다(S104). 여기서, 기 등록된 유저는 제1 유저의 추천에 대하여 소정 횟수 이상 공감 응답을 제공하여 제1 유저에 대한 공감인으로 미리 등록된 유저일 수 있다. 구체적으로, 상품 검증 서버(200)는 유저 식별 정보를 기초로 응답을 제공한 제2 유저가 제1 유저에 대하여 공감인으로 기 등록된 유저인지 판단할 수 있다.

만약, 제2 유저가 기 등록된 공감인이 아닌 경우(S104:N), 상품 검증 서버(200)는 타 유저가 기 설정된 조건을 만족하는지 여부에 따라 타 유저를 제1 유저에 대한 공감인으로 등록시키거나 또는 등록시키지 않을 수 있다(S105).

그리고, 제2 유저가 제1 유저에 대한 공감인으로 등록되면, 상품 검증 서버(200)는 등록된 제2 유저의 공감 포인트를 확인하고(S106), 확인된 제2 유저의 공감 포인트 보다 큰 값으로 상기 제1 유저의 공감 포인트를 산출할 수 있다(S107). 여기서, 공감 포인트는, S107 단계의 포인트 산출 대상인 제1 유저가 집단에 속한 타 유저들과의 관계에서 하향으로 몇 단계의 공감 관계를 형성하고 있는지에 따라 산출된 값일 수 있다.

다만, 제2 유저가 제1 유저에 대하여 기 등록된 공감인인 경우(S104:Y), 제2 유저의 공감 포인트를 확인하고(S108), 확인된 공감 포인트가 기존 값에서 변경되었는지 여부에 따라 제1 유저의 공감 포인트의 갱신 여부를 판단할 수 있다(S109). 일 예로, 제2 유저의 공감 포인트가 기존 공감 포인트에서 변경된 경우, 변경된 제2 유저의 공감 포인트를 이용하여 상기 제1 유저의 공감 포인트를 갱신하고, 제2 유저의 공감 포인트가 기존 공감 포인트에서 변경되지 않은 경우, 기존 공감 포인트가 반영된 제1 유저의 공감 포인트를 유지시킬 수 있다.

이러한 동작을 가능하게 하는 상품 검증 서버(100)에 대해서는 이 후 도면을 참조하여 보다 구체적으로 설명하기로 한다.

도 3은 본 발명의 일 실시 예에 따른 집단지능을 이용한 상품 검증 서버를 나타내는 블록도 이다. 도 4는 본 발명의 일 실시 예에 따른 관리부를 보다 구체적으로 나타내는 블록도 이다. 도 3 내지 4를 참조하면, 상품 검증 서버(100)는 통신부(110), 저장부(120), 관리부(130), 추천 상품 안내부(140), 웹 페이지 생성부(150), 제어부(160)의 전부 또는 일부를 포함한다. 그리고, 관리부(130)는 상품 관리부(131), 공감인 관리부(132), 공감 관계 정보 관리부(133), 공감 포인트 관리부(134)의 전부 또는 일부를 포함할 수 있다.

통신부(110)는 상품 검증 서버(100)의 통신 기능을 수행한다. 구체적으로, 유저의 단말 장치(200)가 접속하면, 통신부(110)는 접속한 유저의 단말 장치(200)에 데이터를 전송하거나 또는 유저의 단말 장치(200)로부터 데이터를 수신할 수 있다. 특히, 유저들이 자신의 단말 장치(200)를 이용하여 상품 검증 서버(100)에 접속하여 제1 유저의 추천에 대한 공감 여부를 나타내는 응답을 입력하면, 통신부(110)는 입력된 공감 여부를 나타내는 응답을 수신할 수 있다. 또한, 유저들이 자신의 단말 장치(200)를 이용하여 상품 검증 서버(100)에 접속하여 공감 포인트 정보, 공감 관계 정보의 확인을 요청하면, 통신부(110) 요청한 유저의 단말 장치(200)에 공감 포인트 정보, 공감 관계 정보를 전송할 수 있다.

여기서, 통신부(110)는 근거리 통신망(LAN : Local Area Network) 및 인터넷망을 통해 무선 또는 유선방식으로 통신하는 유/무선 통신 모듈, USB(Universal Serial Bus)포트를 통하여 통신하는 USB 인터페이스 모듈, 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evoloution) 등과 같은 다양한 이동 통신 규격에 따라 이동 통신 망에 접속하여 통신하는 이동 통신 모듈, Wi-Fi, 블루투스(bluetooth) 등과 같은 근거리 무선 통신 모듈로 구현될 수 있다.

한편, 저장부(120)는 상품 검증 서버(100)의 동작에 필요한 다양한 데이터 및 어플리케이션을 저장하는 기능을 한다. 구체적으로, 저장부(120)는 유저 명칭, 유저 단말 장치(200)의 전화 번호, 유저 단말 장치(200)의 MAC 주소(Media Access Contorl Address), 유저 주민 등록 번호 등과 같은 서비스에 가입한 유저의 식별 정보를 저장할 수 있다. 일 예로, 저장부(120)는 아래 표 1과 같이 저장할 수 있다.

유저 명칭	전화 번호	주민등록번호	MAC 주소
A	010-XXXX-XXXX	801111-XXXXXXX	MAC Address 1
B	010-YYYY-YYYY	781221-YYYYYYY	MAC Address 2
C	010-ZZZZ-ZZZZ	791221-ZZZZZZZ	MAC Address 3

또한, 저장부(120)는 평가 대상인 복수의 상품들에 대한 정보 및 복수의 상품들 중 유저들이 추천한 추천 상품에 대한 정보를 저장할 수 있다. 일 예로, 상품이 책인 경우, 저장부(120)는 아래 표 2와 같이 저장할 수 있다.

책 제목	추천 여부	추천 유저 명칭
abc	O	A
def	X
fgh	O	B

또한, 저장부(120)는 복수의 유저들 각각에 대하여 해당 유저를 기준으로 하향으로 형성된 타 유저들과의 공감 관계를 나타내는 공감 관계 정보를 저장할 수 있다. 여기서, 공감 관계 정보는, 해당 유저를 기준으로 타 유저들과 멀고 가까움을 수치화하여 나타내는, 즉 해당 유저와 타 유저들 간의 공감 관계의 단계(또는 깊이)를 수치화하여 나타내는 데이터일 수 있다. 이러한 공감 관계 정보는, 해당 유저를 기준으로 가장 가까운 공감 관계인 제1 단계 공감 관계부터 공감 관계가 멀어질 수록 순차적으로 제2 단계 공감 관계,.. 제N 단계 공감 관계로 단계 값이 커지는 공감 관계의 단계 정보와, 해당 단계에 속한 유저의 식별 정보를 포함할 수 있다. 그리고, 본 발명의 일 실시 예에 공감 관계 정보는 공감이 향하는 방향 정보를 포함할 수 있다. 여기서, 해당 유저의 제1 단계 공감 관계에 속한 유저는 해당 유저의 추천에 대하여 소정 횟수 이상 공감 응답을 표시하여, 해당 유저의 공감인으로 등록된 유저일 수 있다.

또한, 유저들 간의 공감 관계는 양 유저들 모두가 서로 공감인으로 등록된 형태일 수도 있지만, 일 유저만이 타 유저의 공감인으로 등록된 형태일 수 있다. 예를 들어, A 유저와 B 유저는 서로에 대한 공감인으로 등록될 수 있다. 다만, 경우에 따라서, A 유저는 B 유저에 대한 공감인으로 등록될 수 있으나, B 유저는 A 유저에 대한 공감인으로 등록되지 않을 수 있다. 이에 따라, 본 발명의 일 실시 예에 따른 공감 관계 정보는 복수의 유저 각각에 대하여 생성될 수 있다. 그리고, 본 발명의 일 실시 예에 따른 공감 관계 정보는 생성의 기준이 되는 유저를 기준으로 하향으로 형성될 수 있다. 그리고, 본 발명의 일 실시 예에 공감 관계 정보는 공감이 향하는 방향 정보를 포함할 수 있다.

이러한 공감 관계 정보에 대해서는 도 5를 참조하여 보다 구체적으로 설명하기로 한다. 도 5를 참조하면, 일 예로, 집단은 A 유저, B 유저, C 유저, D 유저, E 유저, F 유저 6명으로 구성될 수 있다. 그리고, 공감 관계 정보는 유저들 간의 공감 관계를 선으로 연결하여 표출한 관계망의 형태로 구현될 수 있고, 관계망 생성의 기준이 되는 유저는 관계망의 정점에 위치할 수 있다.

D 유저, E 유저와 F 유저와 같이 각각에 대하여 등록된 공감인이 없는 경우, D 유저, E 유저와 F 유저 각각에 대한 공감 관계 정보는 도 5(a)와 같을 수 있다.

그리고, C 유저는 자신에게 등록된 공감인으로 D 유저와 E 유저를 가질 수 있다. 이 경우, C 유저는 가장 가까운 제1 단계 공감 관계에 있는 유저로 D 유저와 E 유저를 가질 수 있고, C 유저에 대한 공감 관계 정보는 도 5(b)와 같을 수 있다.

그리고, B 유저는 자신에게 등록된 공감인으로 C 유저를 가질 수 있다. 이 경우, B 유저는 가장 가까운 제1 단계 공감 관계에 있는 유저로 C 유저를 가질 수 있고, 제1 단계 다음으로 가까운 제2 단계 공감 관계에 있는 유저로 C 유저에 속한 D 유저와 E 유저를 가질 수 있다. 이 경우, B 유저에 대한 공감 관계 정보는 도 5(c)와 같을 수 있다.

그리고, A 유저는 자신에게 등록된 공감인으로 B 유저를 가질 수 있다. 이 경우, A 유저는 가장 가까운 제1 단계 공감 관계에 있는 유저로 B 유저를 가질 수 있고, 제1 단계 다음으로 가까운 제2 단계 공감 관계에 있는 유저로 C 유저를 가지며, 제2 단계 다음으로 가까운 제3 단계 공감 관계에 있는 유저로 D 유저와 E 유저를 가질 수 있다. 이 경우, A 유저에 대한 관계망은 도 5(d)와 같을 수 있다.

이와 같이, 저장부(120)는 복수의 유저들 각각에 대하여 해당 유저를 기준으로 하향으로 형성된 타 유저들과의 공감 관계 정보를 저장할 수 있다.

또한, 저장부(120)는 상기 관계망 정보 뿐만 아니라, 복수의 유저들 각각에 대하여 공감인으로 등록된 유저들의 정보를 저장할 수 있다. 일 예로, 도 5에 도시된 예에 따르면, 저장부(120)는 아래 표 3과 같이 저장할 수 있다.

유저 이름	등록된 공감인 이름
A	B
B	C
C	D, E
D
E
F

또한, 저장부(120)는 복수의 유저들 각각에 대하여 공감 포인트 정보를 저장할 수 있다. 여기서, 공감 포인트는 포인트 산출 대상인 유저가 타 유저들과의 관계에서 하향으로 몇 단계의 공감 관계를 형성하고 있는지에 따라 산출된 값일 수 있다. 일 예로, 도 5에 도시된 예에 따르면, 저장부(120)는 아래 표 4와 같이 저장할 수 있다.

유저 이름	공감 포인트
A	3
B	2
C	1
D, E, F	0

여기서, 저장부(120)는 RAM(Random Access Memory), 플레시 메모리, ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electronically Erasable and Programmable ROM), 레지스터, 하드디스크, 리무버블 디스크, 메모리 카드 등과 같은 내장된 형태의 저장소자는 물론, USB 메모리 등과 같은 착탈가능한 형태의 저장소자로 구현될 수도 있다.

이러한 저장부(120)는 상품 검증 서버(100) 내에 구현될 수 있고, 또는 도 1 내지 2에 도시된 300과 같이 상품 검증 서버(100)와 연결된 외부 데이터 베이스(DB) 서버 형태(300)로 구현될 수 있다.

한편, 상품 관리부(131)는 저장부(120)에 기저장된 상품 리스트 및 추천 상품 리스트를 관리할 수 있다. 일 예로, 상품 관리부(131)는 평가 대상인 상품들의 리스트를 생성하고, 저장부(120)에 저장된 표 1과 같은 상품 정보를 갱신 및 관리할 수 있다. 또한, 상품 관리부(130)는 유저들로부터 추천된 상품들을 포함하는 추천 상품 리스트를 생성하고, 저장부(120)에 저장된 표 1과 같은 추천 상품 정보를 갱신 및 관리할 수 있다.

공감인 관리부(132)는 복수의 유저들 각각에 대한 공감인을 관리할 수 있다. 구체적으로, 공감인 관리부(132)는 제1 유저의 추천에 대하여 소정 횟수 이상 공감 응답을 제공한 유저를 제1 유저에 대한 공감인으로 등록할 수 있다. 일 예로, 상품 추천에는 한번만 공감을 표현할 수 있고, 공감인 등록 조건이 공감 응답 세 번으로 설정된 경우, 제1 유저의 상품 추천 3건에 대하여 제2 유저가 모두 공감을 표현하면, 제2 유저는 제1 유저에 대한 공감인으로 등록될 수 있다.

또한, 공감인 관리부(132)는 제1 유저의 공감인으로 등록된 유저들 중 제1 유저의 추천에 대하여 소정 횟수 이상 비공감 응답을 제공한 유저를 제1 유저에 대한 공감인에서 제외시킬 수 있다. 일 예로, 공감인 유지 조건이 공감 응답 횟수에서 비공감 응답 횟수를 차감한 값이 3 미만으로 설정된 경우, 공감인 관리부(132)는 제1 유저의 공감인으로 등록된 제2 유저의 공감 응답을 표출한 횟수에서 비공감 응답을 표출한 횟수를 차감한 값이 3 미만인 경우, 제2 유저를 제1 유저에 대한 공감인에서 제외시킬 수 있다.

또한, 공감인 관리부(132)는 제1 유저의 공감인으로 등록된 유저들 중 제1 유저의 추천에 대하여 공감 후 취소를 소정 횟수 이상 제공한 유저를 제1 유저에 대한 공감인에서 제외시킬 수 있다. 일 예로, 공감인 유지 조건이 공감 응답 세 번 이상으로 설정된 경우, 공감인 관리부(132)는 제1 유저의 공감인으로 등록된 제2 유저가 공감을 이후에 취소함에 따라 총 공감 횟수가 3회 미만인 경우, 제2 유저를 제1 유저에 대한 공감인에서 제외시킬 수 있다.

한편, 공감인 관리부(132)는 등록 또는 제외된 공감인 정보를 저장부(120)에 저장된 표 3과 같은 데이터에서 갱신 및 관리할 수 있다.

또한, 공감 관계 정보 관리부(133)는 복수의 유저들 각각에 대하여 해당 유저를 기준으로 하향으로 형성된 타 유저들과의 공감 관계 정보를 관리할 수 있다. 구체적으로, 공감인 관리부(132)에서 생성된 공감인 정보를 기초로 복수의 유저 각각에 대한 공감 관계 정보를 갱신할 수 있다. 일 예로, 공감인 관리부(132)에서 제2 유저가 제1 유저에 대한 공감인으로 등록되는 경우, 유저 관계망 관리부(133)는 제1 유저에 대한 공감 관계 정보 중 제1 단계 공감 관계 영역에 공감인으로 등록된 제2 유저의 공감 관계 정보를 추가할 수 있다. 다른 예로, 공감인 관리부(132)에서 제2 유저가 상기 제1 유저에 대한 공감인에서 제외되는 경우, 유저 관계망 관리부(133)는 제1 유저에 대한 관계 네트워크 정보 중 제1 단계 관계 영역에서 상기 제외된 제2 유저의 관계 네트워크 정보를 삭제할 수 있다. 이러한 과정에 따라, 공감 관계 정보 관리부(133)는 도 5에 도시된 관계망을 관리 및 갱신할 수 있다.

공감 포인트 관리부(134)는 복수의 유저 각각에 대한 공감 포인트를 산출 및 관리할 수 있다. 여기서, 공감 포인트는, 포인트 산출 대상인 유저가 타 유저들과의 관계에서 하향으로 몇 단계의 공감 관계를 형성하고 있는지에 따라 산출된 값일 수 있다.

도 5와 같이 상품에 대한 평가를 수행하는 집단이 A 유저, B 유저, C 유저, D 유저, E 유저, F 유저 6명으로 구성된 경우를 예로 설명하기로 한다. 도 5(a)와 같이 D, E, F 유저 모두는 각각에 대하여 등록된 공감인이 없을 수 있다. 이 경우, 공감 포인트 관리부(134)는 D 유저, E 유저 및 F 유저 각각에 대한 공감 포인트를 최하위 레벨로 산출할 수 있다.

그리고, 도 5(b)와 같이, C 유저는 가장 가까운 제1 단계 공감 관계에 있는 유저로 D 유저와 E 유저를 가질 수 있다. 이 경우, 공감 포인트 관리부(134)는 C 유저를 기준으로 하향으로 형성된 공감 관계가 1 단계 공감 관계이기 때문에, 공감 포인트를 최하위 레벨 보다 한 단계 높은 제1 레벨로 산출할 수 있다.

그리고, 도 5(c)와 같이, B 유저는 가장 가까운 제1 단계 공감 관계에 있는 유저로 C 유저를 가질 수 있고, 제1 단계 다음으로 가까운 제2 단계 공감 관계에 있는 유저로 C 유저에 속한 D 유저와 E 유저를 가질 수 있다. 이 경우, 공감 포인트 관리부(134)는 B 유저를 기준으로 하향으로 형성된 공감 관계가 2 단계 공감 관계이기 때문에, 공감 포인트를 제1 레벨 보다 한 단계 높은 제2 레벨로 산출할 수 있다.

그리고, 도 5(d)와 같이, A 유저는 가장 가까운 제1 단계 공감 관계에 있는 유저로 B 유저를 가질 수 있고, 제1 단계 다음으로 가까운 제2 단계 공감 관계에 있는 유저로 C 유저를 가지며, 제2 단계 다음으로 가까운 제3 단계 공감 관계에 있는 유저로 D 유저와 E 유저를 가질 수 있다.이 경우, 공감 포인트 관리부(134)는 A 유저를 기준으로 하향으로 형성된 공감 관계가 3 단계 공감 관계이기 때문에, 공감 포인트를 제2 레벨 보다 한 단계 높은 제3 레벨로 산출할 수 있다.

한편, 공감 포인트 관리부(134)는 산출된 공감 포인트를 이용하여 저장부(120)에 저장된 표 4와 같은 공감 포인트 정보를 갱신 및 관리할 수 있다.

이러한 공감 포인트 관리부(134)에서 산출된 공감 포인트는 유저의 신뢰도를 수치화한 값으로 이용될 수 있다. 즉, 가장 가까운 1 단계 공감 관계에 있는 공감인들 뿐만 아니라, 다단계에 공감 관계를 형성한 사람일수록, 추천인의 가치가 높다. 예를 들어, 하부 평가가 좋은 사람(다단계에서 공감 관계를 형성한 사람)이 추천인에게 공감을 표현하는 경우, 그 사람의 공감은 하부 평가가 좋지 못한 사람(다단계에서 공감 관계를 형성하지 못한 사람)이 공감을 표현하는 것 보다 가치가 높다. 그렇기 때문에, 유저를 기준으로 하향으로 형성된 공감 관계의 단계가 커질수록 해당 유저가 표출한 공감의 신뢰도 또한 높아지고, 유저를 기준으로 하향으로 형성된 공감 관계의 단계가 작아질 수록 해당 유저가 표출한 공감의 신뢰도는 낮아질 수 있다. 또한, 추천인을 기준으로 하향으로 형성된 공감 관계의 단계가 커질 수록 해당 추천인의 추천의 신뢰도 또한 높아지고, 추천인을 기준으로 하향으로 형성된 공감 관계의 단계가 작아질 수록 해당 추천인의 추천의 신뢰도는 낮아질 수 있다.

한편, 추천 상품 안내부(140)는 유저의 추천에 따라 추천 상품이 등록되면, 해당 추천 상품을 복수의 유저들에게 안내할 수 있다. 일 예로, 제1 유저가 특정 상품을 추천하면, 추천 상품 안내부(170)는 추천 상품을 제1 유저를 기준으로 소정 단계 이내의 관계에 있는 유저들에게 알릴 수 있다. 일 예로, 추천 상품 안내부(170)는 제1 유저에 대한 공감 관계 정보를 이용하여 제1 유저로부터 제1 단계 공감 관계에 있는 유저들에게 추천 상품을 안내할 수 있다. 이 경우, 안내는 제1 유저로부터 제1 단계 공감 관계에 있는 유저들에게 제1 유저의 상품 추천이 있었음을 안내하는 메시지를 보내거나, 알림을 보내거나 하는 등으로 제1 유저의 추천 상품을 유저들에게 노출시킬 수 있다. 이에 따라, 제1 유저가 소정 단계 이내의 공감 관계를 맺은 유저들이 많아질 수록 제1 유저의 정보 전달력은 커질 수 있다.

다른 예로, 제1 유저가 특정 상품을 추천하면, 추천 상품 안내부(170)는 추천 상품을 추천 상품 리스트에 업로드할 수 있다. 이 경우, 복수의 유저들은 추천 상품 리스트를 확인함으로써, 추천 상품을 안내받을 수 있다.

한편, 웹 페이지 생성부(150)는 추천 상품에 대한 평가 정보를 제공할 수 있는 웹(WEB) 페이지를 생성하고, 생성된 웹 페이지를 서버(100)에 접속한 단말 장치(200)에 제공할 수 있다. 여기서, 추천 상품에 대한 평가 정보는 상품을 추천한 유저(추천인)에 대한 공감 포인트 및 공감 관계 정보 중 적어도 하나를 포함할 수 있다. 이에 따라, 추천 상품에 관심이 있는 유저들은 공감 포인트로부터 추천인 정보의 신뢰도를 평가하고, 공감 관계 정보로부터 추천인의 정보 전달력을 평가할 수 있다.

제어부(160)는 상품 검증 서버(100)의 전반적인 동작을 제어한다. 구체적으로, 제어부(170)는 통신부(110), 저장부(120), 관리부(130), 추천 상품 안내부(140), 웹 페이지 생성부(150)의 전부 또는 일부를 제어할 수 있다.

특히, 상품 추천에 대한 제2 유저의 공감 응답이 수신되면, 제어부(160)는 제2 유저가 제1 유저에 대한 공감인으로 기 등록된 유저인지 판단하도록 공감인 관리부(132)를 제어할 수 있다. 만약, 제2 유저가 기 등록된 공감인이 아닌 경우, 제어부(170)는 제2 유저가 제1 유저의 추천에 공감한 횟수에 따라 제2 유저를 제1 유저에 대한 공감인으로 등록시키거나 또는 등록시키지 않는 공감인 관리부(132)를 제어할 수 있다. 또한, 제2 유저가 제1 유저에 대한 공감인으로 등록되면, 제어부(170)는 등록된 제2 유저의 공감 포인트를 확인하고, 확인된 제2 유저의 공감 포인트 보다 큰 값으로 상기 제1 유저의 공감 포인트를 산출하는 공감 포인트 관리부(133)를 제어할 수 있다.

도 6는 본 발명의 일 실시 예에 따른 공감 포인트 산출 방법을 나타내는 흐름도 이다. 도 7은 도 6에 따른 방법을 설명하기 위한 개념도 이다. 도 6 내지 7을 참조하면, 먼저, 제1 유저의 추천에 대한 공감 여부를 나타내는 응답을 수신할 수 있다(S201). 여기서, 공감 여부를 나타내는 응답은 제1 유저의 추천에 공감한다는 의견을 나타내는 공감 응답, 제1 유저의 추천에 공감하지 않는다는 의견을 나타내는 비공감 응답, 제1 유저의 추천에 응답하지 않는 무응답 및 제1 유저의 추천에 공감하였으나 이를 취소한다는 의견을 나타내는 공감 후 취소 응답을 포함할 수 있다.

그리고, 제2 유저로부터 공감 응답이 수신되면, 제2 유저가 상기 제1 유저에 대한 공감인으로 기 등록된 유저인지 판단할 수 있다(S202). 여기서 기 등록된 유저는, 제1 유저의 추천에 대하여 소정 횟수 이상 공감 응답을 제공하여 공감인으로 미리 등록된 유저일 수 있다.

만약, 제2 유저가 기 등록된 공감인이 아닌 경우, 제2 유저가 기 설정된 조건을 만족하는지 여부에 따라 제2 유저를 제1 유저에 대한 공감인으로 등록시키거나 또는 등록시키지 않을 수 있다(S203). 여기서, S203 단계는, 제2 유저가 제1 유저의 추천에 공감 응답을 제공한 총 횟수가 소정 횟수 이상인 경우, 제2 유저를 제1 유저에 대한 공감인으로 등록시키는 단계와 제2 유저가 제1 유저의 추천에 공감 응답을 제공한 총 횟수가 소정 횟수 미만인 경우, 제2 유저를 제1 유저에 대한 공감인으로 등록시키지 않는 단계를 포함할 수 있다.

만약, 제2 유저가 상기 제1 유저에 대한 공감인으로 등록되면, 등록된 제2 유저의 공감 관계 정보를 제1 유저의 공감 관계 정보에 반영시킬 수 있다(S204). 구체적으로, 제2 유저가 제1 유저에 대한 공감인으로 등록되는 경우, 제1 유저에 대한 공감 관계 정보 중 제1 단계 공감 관계 영역에 등록된 제2 유저의 공감 관계 정보를 추가할 수 있다.

그리고, 등록된 제2 유저의 공감 포인트 보다 큰 값으로 제1 유저의 공감 포인트를 산출할 수 있다(S205). 일 예로, 제1 시점을 기준으로, 공감인을 가지지 않은 제2 유저가 공감인을 가지지 않은 제1 유저에 대한 공감인으로 등록되면, 제1 유저의 공감 포인트를 제1 레벨로 산출할 수 있다. 그리고, 제1 시점 이후인 제2 시점을 기준으로, 공감인을 가지지 않은 제3 유저가 제2 유저에 대한 공감인으로 등록되면, 제2 유저의 공감 포인트를 제1 레벨로 갱신하고, 제1 유저의 공감 포인트를 제1 레벨 보다 한 단계 높은 제2 레벨로 갱신할 수 있다.

이러한 도 6의 과정에 대해서는 도 7을 참조하여 보다 구체적으로 설명하기로 한다. 일 예로, 도 7(a)와 같이, 제1 시점을 기준으로, A 유저와 B 유저 모두는 각각에 대하여 등록된 공감인이 없을 수 있다. 이 경우, 공감 포인트 관리부(134)는 A 유저와 B 유저 각각에 대한 공감 포인트를 최하위 레벨로 산출할 수 있다.

이 후, A 유저가 상품을 추천하고, B 유저는 A 유저의 상품 추천에 공감 응답을 제공하여 A 유저에 대한 공감인으로 등록될 수 있다. 이 경우, 공감 관계 정보 관리부(133)는 A 유저의 제1 단계 공감 관계 영역에 B 유저의 공감 관계 정보를 추가하여 도 7(b)와 같은 관계망을 생성할 수 있다. 그리고, 공감 포인트 관리부(134)는 A 유저를 기준으로 하향으로 형성된 공감 관계가 1 단계 공감 관계이기 때문에, A 유저의 공감 포인트를 최하위 레벨 보다 한 단계 높은 제1 레벨로 산출할 수 있다.

이 후, B 유저가 상품을 추천하고, C 유저는 B 유저의 상품 추천에 공감 응답을 제공하여 B 유저에 대한 공감인으로 등록될 수 있다. 이 경우, 공감 관계 정보 관리부(133)는 B 유저의 제1 단계 공감 관계 영역에 C 유저의 공감 관계 정보를 추가하여 도 7(C)와 같은 관계망을 생성할 수 있다. 그리고, 공감 포인트 관리부(134)는 B 유저를 기준으로 하향으로 형성된 공감 관계가 1 단계 공감 관계이기 때문에, B 유저의 공감 포인트를 최하위 레벨 보다 한 단계 높은 제1 레벨로 산출할 수 있다.

그리고, 공감 관계 정보 관리부(133)는 A의 공감 관계 정보를 B의 공감 관계 정보의 변화를 기초로 갱신하여 도 7(d)와 같은 관계망을 생성할 수 있다. 그리고, 공감 포인트 관리부(133)는 A 유저를 기준으로 하향으로 형성된 공감 관계가 2 단계 공감 관계이기 때문에, A 유저의 공감 포인트를 제1 레벨 보다 한 단계 높은 제2 레벨로 갱신할 수 있다.

도 8은 본 발명의 다른 실시 예에 따른 공감 포인트 산출 방법을 나타내는 흐름도 이다. 도 9는 도 8에 따른 방법을 설명하기 위한 개념도 이다. 도 8 내지 9 를 참조하면, 먼저, 제1 유저의 추천에 대한 공감 여부를 나타내는 응답을 수신할 수 있다(S301). 그리고, 상기 추천에 대하여 제2 유저로부터 공감 응답이 수신되면, 상기 제2 유저가 상기 제1 유저에 대한 공감인으로 기 등록된 유저인지 판단할 수 있다(S302). 만약, 제2 유저가 상기 제1 유저에 대하여 기 등록된 공감인인 경우, 제2 유저의 공감 포인트를 확인할 수 있다(S303). 그리고, 제2 유저의 공감 포인트가 기존 공감 포인트에서 변경된 경우, 변경된 제2 유저의 공감 포인트를 이용하여 제1 유저의 공감 포인트를 갱신할 수 있다. 다만, 제2 유저의 공감 포인트가 기존 공감 포인트에서 변경되지 않은 경우, 공감 포인트가 반영된 제1 유저의 공감 포인트를 유지시킬 수 있다(S304).

이러한 도 8 과정에 대해서는 도 9를 참조하여 보다 구체적으로 설명하기로 한다. 일 예로, 도 9(a)와 같이, 제1 시점에 B 유저는 A 유저에 대한 공감인으로 등록된 상태일 수 있다. 제1 시점의 이 후인 제2 시점에 A 유저가 특정 상품을 추천하고, B 유저는 A 유저의 추천에 공감 응답을 표출할 수 있다. 이 경우, B 유저는 A 유저에 대한 공감인으로 이미 등록된 상태에서 공감을 표출한 것이기 때문에, 도 9(b)와 같이, A 유저의 공감 관계 정보에는 B 유저의 유저 관계망 정보가 반영된 상태로 변함이 없고, A 유저의 공감 포인트 또한 B 유저의 공감 포인트가 반영된 상태로 변함이 없다. 따라서, B 유저의 공감 포인트는 A 유저의 공감 포인트에 영향을 미치지 않을 수 있다.

한편, 도 8에서는 공감 포인트의 변경 여부에 따라 제어하는 것을 예로 설명하였으나, 이에 한정되는 것은 아니고, 제2 유저의 공감 관계 정보가 변경되었는지 여부에 따라 제어를 수행하거나 또는 제2 유저의 공감 포인트 및 공감 관계 정보 모두를 이용하여 제어를 수행할 수도 있다.

도 10은 본 발명의 또 다른 실시 예에 따른 공감 포인트 산출 방법을 나타내는 흐름도 이다. 도 11은 도 10에 따른 방법을 설명하기 위한 개념도 이다. 도 10 내지 11을 참조하면, 먼저, 제1 유저의 추천에 대한 공감 여부를 나타내는 응답을 수신할 수 있다(S401).

그리고, 제2 유저로부터 비공감 응답 또는 공감 후 취소 응답이 수신되면, 제2 유저가 제1 유저에 대한 공감인으로 기 등록된 유저인지 판단할 수 있다(S402).

만약, 제2 유저가 기 등록된 공감인인 경우, 제2 유저가 제1 유저의 추천에 비공감 응답 또는 공감 후 취소 응답을 제공한 총 횟수에 따라 제2 유저를 공감인으로 유지시킬지 여부를 판단할 수 있다(S403). 다만, 제2 유저가 기 등록된 공감인이 아닌 경우, 제2 유저의 비공감 응답 또는 공감 후 취소 응답은 제1 유저의 공감 포인트 및 공감 관계 정보에 영향을 미치지 않을 수 있다.

만약, 제2 유저가 제1 유저에 대한 공감인에서 제외되면, 제외된 제2 유저의 공감 관계 정보를 제1 유저의 공감 관계 정보에서 삭제시킬 수 있다(S404). 그리고, 제외된 제2 유저의 공감 포인트를 반영하여 제1 유저에 대한 공감 포인트를 산출할 수 있다(S405).

이러한 도 10 과정에 대해서는 도 11을 참조하여 보다 구체적으로 설명하기로 한다. 일 예로, 도 11(a)와 같이, 제1 시점을 기준으로, B 유저는 A 유저에 대한 공감인으로 등록되고, C 유저와 D 유저는 B 유저에 대한 공감인으로 등록되며, E 유저는 D 유저에 대한 공감인으로 등록된 상태일 수 있다. 이 후 A 유저가 특정 상품을 추천하고, B 유저는 A 유저의 추천에 비공감 응답을 표출할 수 있다. 만약, B 유저의 비공감 응답에 따라 B 유저가 A 유저에 대한 공감인에서 제외되어야 한다고 결정되면, 도 11(b)와 같이, B 유저의 유저 관계망 정보는 A 유저의 유저 관계망 정보에서 삭제될 수 있다. 그리고, A 유저의 공감 포인트는 B 유저의 유저 관계망 정보가 삭제됨에 따라 기존의 공감 포인트에서 최하위 레벨로 변경될 수 있다.

이러한 본원 발명에 따르면, 유저를 기준으로 하향으로 형성된 공감 관계의 단계가 커질수록 해당 유저가 표출한 공감의 신뢰도 또한 높아지고, 유저를 기준으로 하향으로 형성된 공감 관계의 단계가 작아질 수록 해당 유저가 표출한 공감의 신뢰도는 낮아질 수 있다. 또한, 추천인을 기준으로 하향으로 형성된 공감 관계의 단계가 커질 수록 해당 추천인의 추천의 신뢰도 또한 높아지고, 추천인을 기준으로 하향으로 형성된 공감 관계의 단계가 작아질 수록 해당 추천인의 추천의 신뢰도는 낮아질 수 있다. 이에 따라, 다수의 유저들 간의 상호 협동적인 참여와 소통(예를 들어, 추천인의 추천에 대하여 공감 응답, 비공감 응답, 공감 후 취소 응답 등으로 통하여 참여와 소통)을 이용하여 특정 상품을 추천한 유저들의 신뢰도를 평가함으로써, 유저들의 올바르고 진실된 상품 홍보, 추천을 유도할 수 있고, 최종적으로는 온라인 상에 업로드되는 상품 홍보, 추천 등에 대한 신뢰도를 높일 수 있다.

도 12는 본 발명의 일 실시 예에 따른 상품 검증 화면을 나타내는 도면 이다. 본 발명의 일 실시 예에 따른 웹 페이지 생성부(150)는 상품 검증을 위한 웹 페이지를 생성하고, 상품 검증 서버(100)에 접속한 단말 장치(200)에 해당 웹 페이지를 제공할 수 있다. 도 12를 참조하면, 상품 검증을 위한 웹 페이지는 상품 정보 표시를 위한 UI(User Interface) 영역(1201), 상품 평가 정보 표시를 위한 UI 영역(1202), 상품에 대한 공감 여부 응답을 위한 UI 영역(1203)를 포함할 수 있다.

여기서, 상품 정보 표시를 위한 UI(User Interface) 영역(1201)를 통하여 유저들은 해당 추천 상품의 상세 내용을 확인할 수 있다. 도 12를 참조하면, 상품이 도서인 경우, 책 제목, 저자, 추천인, 추천인 리뷰 등의 정보를 표시할 수 있다.

그리고, 도 12에 도시된 상품에 대한 공감 여부 응답을 위한 UI 영역(1203)을 통하여 유저들은 해당 상품 추천에 대한 유저들의 의견을 표출할 수 있다. 도 12를 참조하면, 표출 가능한 의견은 추천인의 추천에 공감한다는 의견을 나타내는 공감 응답, 추천인의 추천에 공감하지 않는다는 의견을 나타내는 비공감 응답, 추천인의 추천에 공감하였으나 이를 취소한다는 의견을 나타내는 공감 취소 응답을 포함할 수 있다. 만약, 유저가 UI 영역(1203)을 통하여 아무런 의견도 표시하지 않으면, 해당 응답은 무응답으로 처리될 수 있다.

그리고, 도 12에 도시된 상품 평가 정보 표시를 위한 UI 영역(1202)을 통하여 유저들은 해당 상품에 대한 추천인의 평가 정보를 확인할 수 있다. 도 12를 참조하면, 상품 평가 정보 표시를 위한 UI 영역(1202)은 추천인의 공감 포인트와 추천인의 공감 관계 정보를 표시할 수 있다. 여기서, 공감 포인트는 해당 유저의 신뢰도를 평가하는 지수로 이용될 수 있고, 공감 관계 정보는 해당 유저의 정보 전달력을 평가하는 지수로 이용될 수 있다.

한편, 이러한 본 발명의 일 실시 예에 따른 상품 검증 방법은 온라인 쇼핑몰에 적용될 수도 있다. 이에 대해서는 도 13 내지 14를 참조하여 보다 구체적으로 설명하기로 한다.

도 13은 본 발명의 다른 실시 예에 따른 온라인 상품 거래 서비스 시스템을 나타내는 블록도 이다. 이러한 도 13에 따른 온라인 상품 거래 서비스 시스템(2000)은 집단지능을 이용한 평가 시스템(1000)의 기능에 추가로 온라인 상품 거래 기능을 더 포함한다는 점에서 집단지능을 이용한 평가 시스템(1000)과 차이가 있을 수 있다. 이를 위하여, 온라인 상품 거래 서비스 시스템(2000)은 복수의 유저(User)들 각각이 구비한 단말 장치(200-1,..200-N : 200), 상품 검증 및 거래 서버(400), 데이터 베이스(Data Base : DB)(300-1,..300-N : 300)를 포함할 수 있다.

이러한 본 발명의 일 실시 예에 따른 상품 검증 및 거래 서버(400)는 상술한 상품 검증 서버(100)의 기능에 추가로 상품의 구매, 결제와 같은 거래 기능을 더 구비할 수 있다. 일 예로, 상품 검증 및 거래 서버(400)는 유저의 상품 구매 요청 및 구매 상품에 대한 결제 요청이 수신되면, 결제를 중계하는 VAN(Value Added Network) 및 PG(Payment Gateway) 등의 결제 중계 서버(300)와 연계하여 유저의 요청을 처리할 수 있다. 일 예로, 본 발명의 일 실시 예에 따른 상품 검증 및 거래 서버(400)는 온라인 쇼핑몰 기능을 제공하기 위하여, 도 14에 따른 온라인 상품 거래를 위한 웹 페이지를 접속한 유저의 단말 장치(200)에 제공할 수 있다.

도 14를 참조하면, 온라인 상품 거래를 위한 웹 페이지는 상품 정보 표시를 위한 UI(User Interface) 영역(1201), 상품 평가 정보 표시를 위한 UI 영역(1202), 상품에 대한 공감 여부 응답을 위한 UI 영역(1203), 상품 구매를 위한 UI 영역(1204)을 포함할 수 있다.

이 경우, 유저는 상품 정보 표시를 위한 UI(User Interface) 영역(1201)을 통하여 해당 상품의 상세 정보를 확인하고, 상품에 대한 공감 여부 응답을 위한 UI 영역(1203)을 통하여 추천인의 추천에 공감하는지 비공감하는지 등의 의견을 표출할 수 있다.

또한, 유저의 상품 구매시 중요한 부분은 추천인의 평가 정보인데, 유저는 상품 평가 정보 표시를 위한 UI 영역(1202)의 공감 포인트를 통하여 추천인의 신뢰도를 확인하고, 공감 관계 정보를 통하여 해당 유저의 정보 전달력을 확인할 수 있다. 그리고, 유저는 해당 상품의 추천이 신뢰도가 높다고 판단되면, 상품 구매를 위한 UI 영역(1204)을 통하여 해당 상품을 구매할 수 있다.

이러한 본원 발명에 따르면, 다수의 유저들 간의 상호 협동적인 참여와 소통(예를 들어, 추천인의 추천에 대하여 공감 응답, 비공감 응답, 공감 후 취소 응답 등으로 통하여 참여와 소통)을 이용하여 특정 상품을 추천한 유저들의 신뢰도를 평가함으로써, 유저들의 올바르고 진실된 상품 홍보, 추천을 유도할 수 있고, 최종적으로는 온라인 상에 업로드되는 상품 홍보, 추천 등에 대한 신뢰도를 높일 수 있다.

또한, 상술한 본 발명의 다양한 실시 예에 따르면, 온라인 상에서 점증되는 홍보, 추천의 왜곡으로 인한 소비자의 선택권을 보호하면서, 우량 컨텐츠 추천 시스템을 구축할 수 있다.

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 명세서를 통해 개시된 모든 실시예들과 조건부 예시들은, 본 발명의 기술 분야에서 통상의 지식을 가진 당업자가 독자가 본 발명의 원리와 개념을 이해하도록 돕기 위한 의도로 기술된 것으로, 당업자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다.

그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

또한, 상술한 본 발명의 다양한 실시 예들에 따른 방법들은 설치 데이터 형태로 구현되어 다양한 비일시적 판독 가능 매체(non-transitory computer readable medium)에 저장된 상태로 서버 또는 기기들에 제공될 수 있다. 이에 따라, 각 장치들은 설치 데이터가 저장된 서버 또는 기기에 접속하여, 상기 설치 데이터를 다운로드할 수 있다.

비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.

또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 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.

100 : 상품 검증 서버 110 : 통신부
120 : 저장부 130 : 관리부
131 : 상품 관리부 132 : 공감인 관리부
133 : 공감 관계 정보 관리부 134 : 공감 포인트 관리부
140 : 추천 상품 안내부 150 : 웹 페이지 생성부
160 : 제어부 200 : 유저 단말 장치
300 : 데이터 베이스 서버

Claims (1)

1. 집단지능을 이용한 상품 검증 방법에 있어서,
   제1 유저의 추천에 대한 공감 여부를 나타내는 응답을 수신하는 단계;
   상기 추천에 대하여 제2 유저로부터 공감 응답이 수신되면, 상기 제2 유저가 상기 제1 유저에 대한 공감인으로 기 등록된 유저인지 판단하는 단계;
   상기 제2 유저가 기 등록된 공감인이 아닌 경우, 상기 제2 유저가 기 설정된 조건을 만족하는지 여부에 따라 상기 제2 유저를 상기 제1 유저에 대한 공감인으로 등록시키거나 또는 등록시키지 않는 단계;
   상기 제2 유저가 상기 제1 유저에 대한 공감인으로 등록되면, 등록된 제2 유저의 공감 포인트를 확인하고, 상기 확인된 제2 유저의 공감 포인트를 고려하여 상기 제1 유저의 공감 포인트를 산출하는 단계;를 포함하고,
   상기 공감 포인트는, 포인트 산출 대상인 유저가 타 유저들과의 관계에서 하향으로 몇 단계의 공감 관계를 형성하고 있는지에 따라 산출된 값인 것을 특징으로 하는 집단지능을 이용한 상품 검증 방법.

Images