KR20200123726A

KR20200123726A - 금융컨텐츠 설계시스템 및 금융컨텐츠 설계방법

Info

Publication number: KR20200123726A
Application number: KR1020190121698A
Authority: KR
Inventors: 이승찬
Original assignee: 주식회사 바넷정보기술
Priority date: 2019-04-22
Filing date: 2019-10-01
Publication date: 2020-10-30
Also published as: KR102296404B1; KR102296404B9

Abstract

본 발명의 바람직한 실시예에 따르면, 사용자 단말과 네트워크 연결된 금융컨텐츠 설계서버 및 2 이상의 금융컨텐츠 정보가 저장된 데이터 베이스를 포함하는 금융컨텐츠 설계시스템에서 이뤄지는 금융컨텐츠 설계방법으로서, 1) 상기 금융컨텐츠 설계서버가 사용자 단말로부터 입력된 사용자 개인 정보를 수신하는 단계; 2) 상기 금융컨텐츠 설계서버가 상기 사용자 개인 정보를 기초로 미리 설정된 유사도 결정방법에 의해 사용자와 상기 데이터 베이스에 저장된 각각의 고객그룹과의 유사도를 결정하는 단계; 3) 상기 금융컨텐츠 설계서버가 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 제1 금융컨텐츠 추천정보를 생성하고, 상기 제1 금융컨텐츠 추천정보를 상기 사용자 단말로 제공하는 단계; 4) 상기 금융컨텐츠 설계서버가 상기 제1 금융컨텐츠 추천정보에 대한 응답 정보를 상기 사용자 단말로부터 수신하는 단계; 및 5) 상기 금융컨텐츠 설계서버가 상기 응답 정보에 기초하여 제2 금융컨텐츠 추천정보를 생성하고 이를 상기 사용자 단말로 제공하는 단계;를 포함하는 금융컨텐츠 설계방법이 제공된다.

Description

금융컨텐츠 설계시스템 및 금융컨텐츠 설계방법 {Planning system and method of financial contents}

본 발명은 금융컨텐츠 설계시스템 및 금융컨텐츠 설계방법에 관한 것으로, 상세하게는 2 이상의 미리 설정된 고객그룹 정보와 사용자의 입력 정보에 기초하여 사용자와 고객그룹간의 유사도를 결정하고, 상기 유사도를 기초로 사용자에게 적합한 금융컨텐츠를 추천하며, 추천받은 금융컨텐츠에 대한 사용자의 반응(응답)을 고려하여 금융컨텐츠를 다시 추천하도록 하는 금융컨텐츠 설계시스템 및 금융컨텐츠 설계방법에 관한 것이다.

경제발전 및 정보통신 기술의 발전에 따라, 은행의 예금, 적금은 물론, 신용카드, 보험 등 수를 헤아릴 수 없이 많은 금융컨텐츠(금융상품)가 생성 및 소멸되고 있으며, 이러한 수많은 금융컨텐츠 가운데 소비자들이 자신에게 적합한 금융컨텐츠를 찾아내고 비교 및 선택하는 과정은 큰 어려움을 수반한다.

특히 자신에게 적합하다고 생각하여 선택한 금융컨텐츠마져도 자신의 경제적 상황이나 신용 등에 따라 실제 선택(가입)이 어려운 경우도 비일비재하므로, 현실적으로 소비자 스스로 적절한 금융컨텐츠를 선택하는 것은 쉽지 않은 일이다.

이러한 현실을 반영하여 수많은 금융컨텐츠 중에서 소비자에게 적절한 금융컨텐츠를 설계(추천)하고 소비자가 선택할 수 있도록 도와주는 여러 기술들이 개발되고 있다.

금융컨텐츠 설계와 관련된 종래기술 중에서 대한민국 공개특허 제10-2015-0018753호의 사용자 맞춤형 카드추천 서비스 제공방법 및 제공장치, 사용자 맞춤형 카드추천 서비스 제공방법을 수행하기 위한 컴퓨터 프로그램 및 컴퓨터 판독가능 기록매체가 있다.

상기 종래기술은 소비패턴입력 인터페이스를 사용자 단말로 제공하고, 소비패턴정보에 따라 1400여 개의 모든 카드의 할인/적립 등의 혜택값을 계산하여 원 단위까지 전수조사하고, 전수조사한 카드를 사용자 혜택가격이 큰 순서대로 나열함으로써, 할인/적립 등의 혜택이 가장 많은 카드를 추천함으로써 사용자(소비자)가 자신의 소비패턴에 최적화된 카드 정보를 확인하고, 신청할 수 있도록 구성된다.

그러나 상기 종래기술은 혜택값으로 분류하기 힘든 금융컨텐츠에 대해서는 사용자에게 혼란을 야기할 수 있다는 문제가 있으며, 사용자 본인에 의한 입력이나 소비패턴에 의존함으로써 사용자의 금융컨텐츠와 관련한 다양한 개인정보들을 스스로 모두 입력하거나 금융회사 등에 자신의 소비패턴을 제공하지 않으면 적절한 금융컨텐츠를 추천받을 수 없다는 문제점이 있다.

또한 상기 종래기술은 추천받은 금융컨텐츠를 선택 및 가입한 후에 다시 추천을 요청하거나 또는 추천받은 금융컨텐츠 대신 다른 금융컨텐츠를 추천 받으려 할 때 사용자에게 적절한 금융컨텐츠를 어떻게 추천하도록 설계할 것인지에 대해 고려하지 않는다는 문제가 있다.

본 발명은 이러한 종래의 문제점을 해결하기 위한 것으로, 사용자가 자신의 개인정보를 전부 입력하지 않고 일부만 입력하더라도 사용자에게 최적화된 금융컨텐츠를 다양한 방면으로 추천하며, 사용자의 응답에 기초하여 사용자에게 더욱 적절한 금융컨텐츠를 자동으로 추천하도록 설계하는 데 그 목적이 있다.

이러한 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따르면, 사용자 단말과 네트워크 연결된 금융컨텐츠 설계서버 및 2 이상의 금융컨텐츠 정보가 저장된 데이터 베이스를 포함하는 금융컨텐츠 설계시스템에서 이뤄지는 금융컨텐츠 설계방법으로서-상기 데이터 베이스는 2 이상의 고객그룹 정보를 포함하며, 각각의 고객그룹 정보는 적어도 하나 이상의 금융컨텐츠 정보와 매칭 가능하도록 구성됨-, 1) 상기 금융컨텐츠 설계서버가 사용자 단말로부터 입력된 사용자 개인 정보를 수신하는 단계; 2) 상기 금융컨텐츠 설계서버가 상기 사용자 개인 정보를 기초로 미리 설정된 유사도 결정방법에 의해 사용자와 상기 데이터 베이스에 저장된 각각의 고객그룹과의 유사도를 결정하는 단계-상기 각각의 고객그룹은 기존 사용자들의 사용자 개인 정보를 기초로 미리 설정된 클러스터링 알고리즘에 의해 기존 사용자들을 미리 분류한 것임-; 3) 상기 금융컨텐츠 설계서버가 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 제1 금융컨텐츠 추천정보를 생성하고, 상기 제1 금융컨텐츠 추천정보를 상기 사용자 단말로 제공하는 단계; 4) 상기 금융컨텐츠 설계서버가 상기 제1 금융컨텐츠 추천정보에 대한 응답 정보를 상기 사용자 단말로부터 수신하는 단계; 및 5) 상기 금융컨텐츠 설계서버가 상기 응답 정보에 기초하여 제2 금융컨텐츠 추천정보를 생성하고 이를 상기 사용자 단말로 제공하는 단계;를 포함하는 금융컨텐츠 설계방법이 제공된다.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 2) 단계 이전에, 상기 금융컨텐츠 설계서버가 상기 사용자 개인 정보를 기초로 사용자의 운용 가능한 자산(資産)을 산정하는 단계;를 더 포함하며, 상기 제2 금융컨텐츠 추천정보는 상기 응답 정보와 사용자의 운용 가능한 자산을 기초로 생성되는 것을 특징으로 한다.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 응답 정보는 상기 제1 금융컨텐츠 추천정보에 포함된 제1 금융컨텐츠 정보의 선택에 따른 금융컨텐츠 가입정보 및 금융컨텐츠 추천 요청정보이며, 상기 제2 금융컨텐츠 추천정보는 상기 사용자의 운용 가능한 자산에서 상기 제1 금융컨텐츠의 미리 결정된 평가액을 차감한 금액을 기초로 생성되는 것을 특징으로 한다.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 응답 정보는 상기 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠 정보를 선택하지 않음에 따른 금융컨텐츠 재추천 요청정보이며, 상기 제2 금융컨텐츠 추천정보는 상기 사용자의 운용 가능한 자산에서 상기 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠 중 미리 결정된 평가액이 가장 작은 금융컨텐츠의 평가액을 차감한 금액을 기초로 생성되는 것을 특징으로 한다.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 응답 정보는 상기 제1 금융컨텐츠 추천정보에 포함된 제1 금융컨텐츠 정보의 선택에 따른 금융컨텐츠 가입정보 및 금융컨텐츠 추천 요청정보이며, 상기 제2 금융컨텐츠 추천정보는, 상기 금융컨텐츠 설계서버가 상기 응답 정보에 포함된 제1 금융컨텐츠 정보의 선택에 따른 금융컨텐츠 가입정보가 포함된 사용자 개인 정보를 기초로 미리 설정된 유사도 결정방법에 의해 사용자와 상기 데이터 베이스에 저장된 각각의 고객그룹과의 유사도를 결정하는 단계와, 상기 금융컨텐츠 설계서버가 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 제2 금융컨텐츠 추천정보를 생성하는 단계를 거쳐 생성되며, 상기 유사도 결정시 상기 제1 금융컨텐츠가 매칭 가능한 고객그룹에 양의 유사도 가중치를 부여하는 것을 특징으로 한다.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 응답 정보는 상기 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠 정보를 선택하지 않음에 따른 금융컨텐츠 재추천 요청정보이며, 상기 제2 금융컨텐츠 추천정보는, 상기 금융컨텐츠 설계서버가 상기 사용자 개인 정보를 기초로 미리 설정된 유사도 결정방법에 의해 사용자와 상기 데이터 베이스에 저장된 각각의 고객그룹과의 유사도를 결정하는 단계와, 상기 금융컨텐츠 설계서버가 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 제2 금융컨텐츠 추천정보를 생성하는 단계를 거쳐 생성되며, 상기 유사도 결정시 상기 제1 금융컨텐츠 추천정보에 포함된 각각의 금융컨텐츠가 매칭 가능한 고객그룹에 음의 유사도 가중치를 부여하는 것을 특징으로 한다.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 클러스터링 알고리즘은 하기의 식 1을 만족하는 것을 특징으로 한다.

[식 1]

RSS는 미리 설정된 클러스터링 알고리즘의 목적함수(전체 분산), K는 고객그룹의 수,

는 고객그룹에 속한 각각의 데이터의 중심벡터,

는 고객그룹에 속한 데이터의 집합,

는 고객그룹에 속한 특정 데이터의 벡터임.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 유사도 결정방법은 하기의 식 2를 만족하는 것을 특징으로 한다.

[식 2]

G는 고객그룹의 데이터, U는 상기 사용자의 데이터이며,

는 고객그룹 벡터와 사용자 벡터가 이루는 각임.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 3) 단계는, 3-1) 상기 금융컨텐츠 설계서버가 미리 설정된 의사결정 방법에 의해 금융컨텐츠 정보를 분류하는 단계; 3-2) 상기 금융컨텐츠 설계서버가 상기 분류된 금융컨텐츠 정보를 기초로 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 추출하는 단계; 및 3-3) 상기 금융컨텐츠 설계서버가 상기 추출된 금융컨텐츠 정보로 금융컨텐츠 추천정보를 생성하는 단계;를 포함하는 것을 특징으로 한다.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 사용자 개인 정보는 사용자의 이미지 정보를 포함하며, 상기 2) 단계 이전에, 상기 금융컨텐츠 설계서버가 상기 사용자의 이미지 정보를 미리 설정된 이미지 분석방법으로 분석하는 단계; 및 상기 분석된 결과를 기초로 문자화된 사용자 개인 정보를 더욱 생성하는 단계;를 포함하는 것을 특징으로 한다.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 사용자의 이미지 정보는 사용자의 외관 형상을 포함하며, 상기 이미지 분석방법은 상기 사용자의 외관 형상과 기존 사용자들의 외관 형상을 비교하여 유사여부를 판단하는 것이며, 상기 문자화된 사용자 개인 정보는 상기 사용자와 유사한 외관을 갖는 기존 사용자의 개인 정보에 기초하여 생성되는 것을 특징으로 한다.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 사용자의 이미지 정보는 사용자의 얼굴 형상을 포함하며, 상기 이미지 분석방법은 관상학에 기초하여 상기 사용자의 얼굴 형상을 분석하여 사용자의 관상 정보를 추출하는 것이며, 상기 문자화된 사용자 개인 정보는 상기 사용자의 관상 정보에 기초하여 생성되는 것을 특징으로 한다.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 사용자의 이미지 정보는 사용자의 손금 형상을 포함하며, 상기 이미지 분석방법은 수상학에 기초하여 상기 사용자의 손금 형상을 분석하여 사용자의 손금 정보를 추출하는 것이며, 상기 문자화된 사용자 개인 정보는 상기 사용자의 손금 정보에 기초하여 생성되는 것을 특징으로 한다.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 3) 단계 이전에, 상기 금융컨텐츠 설계서버에서 CB(Credit Bereau) 서버로 상기 사용자의 CB 정보를 요청하는 단계;를 더욱 포함하며, 상기 3) 단계에서 생성되는 금융컨텐츠 추천정보는 상기 사용자의 CB 정보에 포함된 사용자의 신용상태를 반영하여 생성되는 것을 특징으로 한다.

또다른 본 발명의 바람직한 실시예에 따르면, 사용자 개인 정보를 입력하는 기능 및 금융컨텐츠 추천정보를 표시하는 기능을 포함하여 수행하는 사용자 단말; 2 이상의 금융컨텐츠 정보 및 적어도 하나 이상의 금융컨텐츠 정보와 매칭 가능하도록 구성된 고객그룹 정보를 포함하여 저장하는 데이터 베이스; 및 상기 사용자 단말과 네트워크 연결되고, 상기 입력된 사용자 개인 정보를 수신하는 기능, 상기 사용자 개인 정보를 기초로 미리 설정된 유사도 결정방법에 의해 사용자와 상기 데이터 베이스에 저장된 각각의 고객그룹과의 유사도를 결정하는 기능, 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 제1 금융컨텐츠 추천정보를 생성하는 기능, 상기 제1 금융컨텐츠 추천정보에 대한 응답 정보를 상기 사용자 단말로부터 수신하고 상기 응답 정보에 기초하여 제2 금융컨텐츠 추천정보를 생성하는 기능 및 상기 제1, 제2 금융컨텐츠 추천정보를 상기 사용자 단말로 제공하는 기능을 포함하여 수행하는 금융컨텐츠 설계서버;를 포함하는 금융컨텐츠 설계시스템이 제공된다.

또다른 본 발명의 바람직한 실시예에 따르면, 상기 금융컨텐츠 설계서버는 사용자의 운용 가능한 자산을 산정하는 기능을 더욱 포함하여 수행하며, 상기 제2 금융컨텐츠 추천정보는 상기 산정된 사용자의 운용 가능한 자산을 기초로 생성되는 것을 특징으로 한다.

본 발명은 사용자가 자신의 개인정보를 모두 입력하지 않더라도 사용자에게 적합한 최선의 금융컨텐츠를 용이하게 선택할 수 있도록 금융컨텐츠를 추천할 수 있으며, 특히 사용자의 선택에 의해 추천된 금융컨텐츠 가입 후 다른 금융컨텐츠 추천 요청시나 추천받은 금융컨텐츠가 아닌 다른 금융컨텐츠 추천 요청시 사용자의 의사가 효과적으로 반영될 수 있다는 장점이 있다.

또한 본 발명은 사용자의 이미지 정보를 분석하여 사용자 맞춤형 금융컨텐츠를 더욱 추천할 수 있다는 장점이 있다.

또한 본 발명은 개인의 신용상태 등을 선제적으로 판단할 수 있도록 함으로써 사용자가 가입 불가능한 금융컨텐츠를 선택하는 오류가 발생하지 않으며, 신속하게 금융컨텐츠를 선택할 수 있다는 장점이 있다.

도 1은 본 발명의 일실시예에 따른 금융컨텐츠 설계시스템의 구성도이다.
도 2는 본 발명의 일실시예에 따른 사용자 개인 정보의 구성 모식도이다.
도 3a 및 도 3b는 본 발명의 일실시예에 따른 금융컨텐츠 설계방법의 순서도이다.
도 4는 본 발명의 일실시예에 따른 클러스터링 알고리즘을 설명하는 모식도이다.
도 5는 본 발명의 일실시예에 따른 클러스터링 알고리즘에 의해 분류된 고객그룹의 예시도이다.
도 6은 본 발명의 일실시예에 따른 유사도 결정방법을 설명하는 모식도이다.
도 7a 및 도 7b는 본 발명의 일실시예에 따른 의사결정 방법을 설명하는 모식도이다.
도 8은 본 발명의 일실시예에 따른 금융컨텐츠 추천정보의 예시도이다.
도 9 내지 도 11은 본 발명의 또다른 실시예에 따른 사용자의 이미지 정보를 이용하여 문자화된 사용자 개인 정보를 생성하는 방법을 설명하기 위한 도면이다.
도 12는 본 발명의 또다른 실시예에 따른 문자화된 사용자 개인 정보 생성 방법의 순서도이다.
도 13은 본 발명의 또다른 실시예에 따른 금융컨텐츠 설계방법의 순서도이다.

이하에서는 본 발명의 실시예를 첨부된 도면을 참조하여 상세히 설명한다. 그러나 본 발명을 설명함에 있어 공지의 구성을 구체적으로 설명함으로 인하여 본 발명의 기술적 사상을 흐리게 하거나 불명료하게 하는 경우에는 위 공지의 구성에 관하여는 그 설명을 생략하기로 한다.

도 1은 본 발명의 일실시예에 따른 금융컨텐츠 설계시스템(10)의 구성도이다.

본 발명의 일실시예에 따른 금융컨텐츠 설계시스템(10)은, 사용자 단말(300)과 데이터 베이스(200) 및 금융컨텐츠 설계서버(100)를 포함하여 이뤄진다.

상기 사용자 단말(300)은 사용자 개인 정보를 입력하는 기능 및 후술하는 제1 금융컨텐츠 추천정보, 제2 금융컨텐츠 추천정보를 표시하는 기능을 포함하여 수행한다.

상기 사용자 단말(300)은 컴퓨터, 노트북, 스마트폰, 태블릿 등으로 이해될 수 있으며, 상기 사용자 개인 정보 및 선택사항 등을 입력하는 입력수단(320)과 상기 사용자 개인 정보에 기초하여 생성되는 각각의 금융컨텐츠 추천정보를 표시하는 표시수단(340)을 포함한다.

상기 입력수단(320) 및 표시수단(340)은 터치입력 가능한 터치스크린 등의 형태로 일체 형성될 수도 있다.

상기 데이터 베이스(200)는 다양한 금융컨텐츠와 관련된 정보가 저장될 수 있다. 상기 데이터 베이스(200)는 2 이상의 금융컨텐츠 정보, 적어도 하나 이상의 금융컨텐츠 정보와 매칭 가능하도록 구성된 고객그룹 정보 및 상기 사용자 단말(300)로부터 입력된 사용자 개인 정보를 저장할 수 있다.

상기 데이터 베이스(200)는 도 1에 도시된 바와 같이 상기 금융컨텐츠 설계서버(100)와 별도 설치되어 전기적으로 연결될 수 있고, 상기 금융컨텐츠 설계서버(100)의 내부에 메모리 형태로 구비될 수도 있으며, 상기 금융컨텐츠 설계서버(100)와 네트워크 연결되는 형태로 구비될 수도 있다.

상기 고객그룹 정보는 각각의 고객그룹에 관한 정보로, 상기 각각의 고객그룹은 기존 사용자들의 사용자 개인 정보를 기초로 미리 설정된 클러스터링 알고리즘에 의해 기존 사용자들을 미리 분류하여 형성된다. 각각의 고객그룹은 적어도 한 명 이상의 기존 사용자로 이뤄지며, 기존 사용자들이 가입한 금융컨텐츠나 해당 고객그룹에 가장 적합한 것으로 금융컨텐츠 설계사 또는 컴퓨터 등에 의해 추천되거나 신규 생성된 금융컨텐츠 등이 매칭될 수 있다. 상기 클러스터링 알고리즘에 대한 자세한 설명은 후술한다.

상기 금융컨텐츠 설계서버(100)는 상기 사용자 단말(300)과 네트워크 연결되고, 상기 입력된 사용자 개인 정보를 수신하는 기능, 상기 사용자 개인 정보를 기초로 미리 설정된 유사도 결정방법에 의해 사용자와 상기 데이터 베이스(200)에 저장된 각각의 고객그룹과의 유사도를 결정하는 기능, 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 제1 금융컨텐츠 추천정보를 생성하는 기능, 상기 제1 금융컨텐츠 추천정보에 대한 응답 정보를 상기 사용자 단말(300)로부터 수신하고 상기 응답 정보에 기초하여 제2 금융컨텐츠 추천정보를 생성하는 기능 및 상기 제1 금융컨텐츠 추천정보와 제2 금융컨텐츠 추천정보를 상기 사용자 단말(300)로 제공하는 기능을 포함하여 수행한다.

예를 들어, 상기 금융컨텐츠 설계서버(100)는, 도 1에 도시된 바와 같이, 서버의 전반적인 관리 기능을 수행하는 운영 모듈, 상기 사용자 단말(300)로부터 입력된 사용자 개인 정보를 수신하고 이를 상기 데이터 베이스(200)에 저장 및 관리하는 사용자 개인 정보 관리 모듈, 상기 사용자 개인 정보에 기초하여 후술하는 미리 설정된 클러스터링 알고리즘에 의해 미리 분류되는 2 이상의 고객그룹 정보를 관리하는 고객그룹 정보 관리 모듈, 상기 데이터 베이스(200)에 저장된 금융컨텐츠 정보를 관리하고 신규 생성된 금융컨텐츠 정보가 상기 데이터 베이스(200)에 저장되도록 하는 금융컨텐츠 정보 관리 모듈, 후술하는 사용자의 이미지 정보를 분석하고 문자화된 사용자 개인 정보를 더욱 생성하는 이미지 정보 분석 모듈을 포함하여 이뤄질 수 있다. 상기 금융컨텐츠 정보 관리 모듈은 상기 제1 금융컨텐츠 추천정보 및/또는 제2 금융컨텐츠 추천정보를 생성하며, 상기 데이터 베이스(200)는 상기 금융컨텐츠 정보, 사용자 개인 정보 이외에도 각각의 사용자에게 제공되는 제1 금융컨텐츠 추천정보 및/또는 제2 금융컨텐츠 추천정보를 더욱 저장할 수 있다.

또한, 상기 금융컨텐츠 설계서버(100)는 사용자의 운용 가능한 자산을 산정하는 기능을 더욱 포함하여 수행하고, 상기 제2 금융컨텐츠 추천정보는 사용자의 제1 금융컨텐츠 추천정보에 대한 응답 정보를 기초로 생성되며, 상기 응답 정보와 더불어 사용자의 운용 가능한 자산 정보를 기초로 생성될 수도 있다.

일예로, 상기 사용자 개인 정보는 사용자의 외관 형상, 사용자의 얼굴 형상, 사용자의 손바닥 형상 중 적어도 어느 하나의 형상을 포함하는 사용자의 이미지 정보를 더욱 포함한다.

이 경우 상기 금융컨텐츠 설계서버(100)는 상기 사용자의 이미지 정보를 미리 설정된 이미지 분석방법으로 분석하고, 상기 분석된 결과를 기초로 문자화된 사용자 개인 정보를 생성하는 기능을 더욱 포함하여 수행한다.

상기 사용자의 이미지 정보는 입력 누락이나 입력할 수 있는 개인 정보가 적음 등으로 인해 상기 금융컨텐츠 추천을 위해 필요한 사용자 개인 정보가 적절히 확보되지 않은 경우 상기 사용자 개인 정보를 보완하는 역할을 하며, 이와 관련한 자세한 설명은 후술한다.

도 2는 본 발명의 일실시예에 따른 사용자 개인 정보의 구성 모식도, 도 3a 및 도 3b는 본 발명의 일실시예에 따른 금융컨텐츠 설계방법의 순서도이다.

본 발명의 일실시예에 따른 금융컨텐츠 설계방법은 사용자 단말(300)과 네트워크 연결된 금융컨텐츠 설계서버(100) 및 2 이상의 금융컨텐츠 정보가 저장된 데이터 베이스(200)를 포함하는 금융컨텐츠 설계시스템(10)에서 이뤄진다.

우선, 상기 금융컨텐츠 설계서버(100)가 사용자 단말(300)로부터 입력된 사용자 개인 정보를 수신한다(S1 단계).

상기 S1 단계 이전에, 상기 사용자 단말(300)이 상기 금융컨텐츠 설계서버(100)로 금융컨텐츠 추천을 요청하는 단계 및 상기 금융컨텐츠 설계서버(100)가 상기 사용자 단말(300)로 해당 사용자의 사용자 개인 정보 입력을 요청하는 단계가 더 포함될 수 있다.

또한 상기 S1 단계 이전에, 상기 사용자 단말(300)이 상기 금융컨텐츠 설계서버(100)로 가입 및 로그인하는 단계가 더 포함될 수 있으며, 상기 가입 단계에서 상기 사용자 단말(300)로부터 입력되는 사용자 개인 정보가, 상기 가입 단계 또는 로그인 단계에서 자동으로 상기 금융컨텐츠 설계서버(100)로 제공될 수 있다.

도 4는 본 발명의 일실시예에 따른 클러스터링 알고리즘을 설명하는 모식도이다.

상기 사용자 개인 정보가 금융컨텐츠 설계서버(100)로 수신되면, 다음으로 상기 금융컨텐츠 설계서버(100)가 상기 사용자 개인 정보를 기초로 미리 설정된 유사도 결정방법에 의해 사용자와 상기 데이터 베이스(200)에 저장된 각각의 고객그룹과의 유사도를 결정한다(S2 단계).

전술한 바와 같이, 상기 각각의 고객그룹은 기존 사용자들의 사용자 개인 정보를 기초로 미리 설정된 클러스터링 알고리즘에 의해 기존 사용자들을 미리 분류한 것이다.

일예로, 상기 클러스터링 알고리즘은 하기의 식 1을 만족한다.

[식 1]

는 고객그룹에 속한 각각의 데이터의 중심벡터,

는 고객그룹에 속한 데이터의 집합,

는 고객그룹에 속한 특정 데이터의 벡터이다.

상기 데이터는 상기 사용자 개인 정보를 구성하는 것으로, 사용자 개인 정보의 2 이상의 요소(예, 나이, 가입된 보험상품)가 공간 좌표상에 표시되는 패턴 형태로 구성될 수 있다.

상기 클러스터링 알고리즘은 유사한 금융컨텐츠에 가입(예, 예금 보유)되어 있는 기존 사용자들을 그룹화하여 2 이상의 고객그룹으로 분류할 수 있다.

상기 RSS는 상기 클러스터링 알고리즘에 의해 분류되는 각각의 고객그룹의 중심이 해당 고객그룹에 속한 데이터를 얼마나 잘 표현했는가에 대한 척도(Residual Sum of Squares)를 나타내는 것으로, 식 1과 같이 각각의 고객그룹에 속하는 모든 데이터에 대하여 각각의 데이터와 중심까지의 제곱거리의 합으로 표현할 수 있다.

예를 들어, 도 4에 도시된 바와 같이, 공간 좌표상에 사용자 개인 정보의 2 이상의 요소가 패턴 형태로 입력된 후 임의의 2 이상의 데이터가 선택되어 각각의 데이터 사이에 임의 중심선이 설정되며, 상기 임의 중심선을 기준으로 2 이상의 고객그룹으로 그룹화된다.

상기 그룹화된 각각의 고객그룹의 중심점이 선택되고 각각의 중심점 사이에 새로운 중심선이 설정되면 상기 새로운 중심선을 기준으로 새롭게 그룹화가 이뤄진다.

상기 새롭게 그룹화된 각각의 고객그룹의 새로운 중심점이 선택되고 각각의 새로운 중심점 사이에 설정되는 중심선을 기준으로 그룹화가 이뤄지게 되는 과정은 더 이상의 새로운 중심선(또는 중심점)이 설정되지 않을 때까지 반복하여 수행된다.

만일 더 이상의 새로운 중심선이 설정되지 않으면 상기 클러스터링 알고리즘이 종료되고 그 상태에서 각각의 고객그룹이 확정되며, 확정된 고객그룹 정보가 상기 데이터 베이스(200)에 저장된다.

상기 고객그룹 정보는 새롭게 추가되는 사용자 개인 정보에 기초하여 상기 클러스터링 알고리즘에 의해 변경될 수 있으며, 누적 저장된 사용자 수가 많을수록 상기 고객그룹 정보의 변경 정도가 작아진다.

상기 클러스터링 알고리즘은 각각의 데이터들과 그 데이터가 속하는 고객그룹의 중심과의 평균 유클리디안(Euclidean) 거리를 최소화하도록 구성된다. 상기 고객그룹의 중심점은 해당 고객그룹에 속한 데이터의 평균 또는 중심(centroid)으로 이해될 수 있으며, 상기 고객그룹에 속한 각각의 데이터의 중심벡터

는 다음과 같이 정의된다.

[식 2]

는 고객그룹에 속한 데이터의 집합,

는 고객그룹에 속한 특정 데이터의 벡터임.

상기 클러스터링 알고리즘은 일예로, 주어진 데이터를 K개의 클러스터로 묶는 K-평균 알고리즘(K-means algorithm)과 유사한 알고리즘으로 이해될 수 있다.

도 5는 본 발명의 일실시예에 따른 클러스터링 알고리즘에 의해 분류된 고객그룹의 예시도이다.

일예로, 도 5에 도시된 바와 같이, 기존 사용자들의 사용자 개인 정보는 상기 클러스터링 알고리즘에 의해 4개의 고객그룹으로 분류되고, 각각의 고객그룹이 성별, 연령, 임금 및 투자성향 특성에 의해 프로파일링될 수 있다.

상기 각각의 고객그룹은 상기 프로파일링을 통해 금융컨텐츠 추천을 요청한 고객(사용자)의 특징을 파악하고 금융컨텐츠 추천정보를 생성하는데 활용된다.

도 6은 본 발명의 일실시예에 따른 유사도 결정방법을 설명하는 모식도이다.

본 발명의 일실시예에 따른 상기 유사도 결정방법은 하기의 식 3을 만족한다.

[식 3]

G는 고객그룹의 데이터, U는 상기 사용자의 데이터이며,

는 고객그룹 벡터와 사용자 벡터가 이루는 각임.

상기 유사도 결정방법은 각각의 고객그룹과 상기 사용자의 유사도(Similarity)를 결정(측정)하기 위해 이용되는 것으로, 코사인 유사도를 사용함으로써 벡터 계산이 아니므로 계산의 복잡성이 낮고, 데이터의 출현 빈도(예, 사용자 개인 정보의 특정 요소의 포함 빈도)가 핵심이 되므로 각각의 사용자 개인 정보의 양에 차이가 있더라도 유사도를 용이하게 판단할 수 있다는 장점이 있다.

도 6에 도시된 바와 같이, 고객그룹 G1과 사용자 U 사이의 유사도를 결정하려면, 상기 수식 3의 G는 상기 고객그룹 G1의 데이터가 되고, 상기 수식 3의 U는 상기 사용자 U의 데이터가 되며, 상기 수식 3의

는 상기 고객그룹 G1 벡터와 사용자 U 벡터가 이루는 각인

이 된다.

상기 유사도는 -1 내지 1 사이의 값을 가지며, -1인 경우에는 상기 고객그룹 G1과 사용자 U가 정반대(전혀 일치하지 않는) 데이터를 가지는 것으로, 1인 경우에는 상기 고객그룹 G1과 사용자 U가 동일(완전히 일치하는) 데이터를 가지는 것으로 이해될 수 있다.

상기 결정되는 유사도에 기초하여 상기 사용자가 어느 고객그룹에 해당하는지 또는 어느 고객그룹과 가장 유사한지를 결정할 수 있으며, 이를 기초로 해당하는 고객그룹과 매칭 가능한 금융컨텐츠 정보 또는 가장 유사한 고객그룹과 매칭 가능한 금융컨텐츠 정보를 이용하여 제1 금융컨텐츠 추천정보가 생성될 수 있다.

도 7a 및 도 7b는 본 발명의 일실시예에 따른 의사결정 방법을 설명하는 모식도이다.

도 3a에 도시된 바와 같이, 상기 유사도 결정방법에 의해 상기 사용자와 각각의 고객그룹 간의 유사도가 결정되면, 상기 금융컨텐츠 설계서버(100)가 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 제1 금융컨텐츠 추천정보를 생성하고, 상기 제1 금융컨텐츠 추천정보를 사용자 단말(300)로 제공한다(S3 단계).

일예로, 상기 S3 단계는, 상기 금융컨텐츠 설계서버(100)가 미리 설정된 의사결정 방법에 의해 금융컨텐츠 정보를 분류하는 S31 단계와, 상기 금융컨텐츠 설계서버(100)가 상기 분류된 금융컨텐츠 정보를 기초로 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 추출하는 S32 단계 및 상기 금융컨텐츠 설계서버(100)가 상기 추출된 금융컨텐츠 정보로 제1 금융컨텐츠 추천정보를 생성하는 S33 단계를 포함한다.

상기 S31 단계에서, 도 7a에 도시된 바와 같이, 각각의 금융컨텐츠 정보는 여러 개의 특성을 기준으로 분류될 수 있다.

예를 들어, 특성 A의 임계값1은 프로파일링된 고객그룹의 연령이 50대 이상인지 여부, 임계값2는 80대 이상인지 여부로 설정될 수 있으며, 특성 B의 임계값1은 하나 이상의 신용카드 가입(유지) 여부로 설정될 수 있으며, 특성 D의 임계값1은 남성인지 여부로 설정될 수 있다.

만일 금융컨텐츠를 추천받기 희망하는 사용자와 유사도가 높은 고객그룹의 프로파일링된 특성이 40대인 남성이고, 2개 이상의 신용카드에 가입해 있다면, 상기 사용자는 특성 A, 특성 B 및 특성 F에 해당하는 것으로 이해될 수 있다. 이 경우 상기 금융컨텐츠 설계서버(100)는 S32 단계에서 특성 A, 특성 B 및 특성 F를 모두 만족하는 (매칭 가능한) 금융컨텐츠 정보를 추출하고, 추출된 금융컨텐츠 정보를 이용하여 제1 금융컨텐츠 추천정보를 생성하게 되며, 도 7b에 도시된 바와 같이, 프래티넘 신용카드, 저축 보험, 절세 예금, 자유적금, 담보대출, 파생 투자 등의 금융컨텐츠로 이뤄진 제1 금융컨텐츠 추천정보가 상기 사용자 단말(300)에 제공된다.

일예로, 상기 의사결정 방법은 의사결정 나무 기법을 기반으로 금융컨텐츠 정보를 분류하도록 설정될 수 있으며, 상기 의사결정 나무 기법은 몇 개의 입력 변수(사용자 개인 정보)를 바탕으로 목표 변수(제1 금융컨텐츠 추천정보)의 값을 예측하는 데이터 마이닝을 위해 일반적으로 사용되는 공지의 의사나무 결정 학습법으로 이해될 수 있다.

도 8은 본 발명의 일실시예에 따른 제1 금융컨텐츠 추천정보의 예시도이다.

상기 제1 금융컨텐츠 추천정보는 상기 금융컨텐츠 설계서버(100)로부터 상기 사용자 단말(300)로 제공된다.

사용자는 사용자 단말(300)을 통해 상기 제1 금융컨텐츠 추천정보에 포함된 하나의 금융컨텐츠를 결정하거나 2 이상의 금융컨텐츠 중에서 하나 이상의 금융컨텐츠를 선택할 수 있다.

상기 금융컨텐츠 설계서버(100)는 상기 사용자 단말(300)에 선택 입력된 금융컨텐츠의 가입 전반에 관한 절차를 수행하는 기능을 더 포함할 수 있다.

일예로, 상기 제1 금융컨텐츠 추천정보는 상기 유사도가 가장 높은 고객그룹에 매칭된 금융컨텐츠 정보를 포함하여 이뤄지며, 유사도가 그 다음으로 높은 고객그룹에 매칭된 금융컨텐츠 정보가 순차로 더욱 배열, 표시되도록 구성될 수도 있다.

본 실시예에 따른 금융컨텐츠 설계서버(100)가, 도 8에 도시된 바와 같이, 각각의 금융컨텐츠 종류(예, 신용카드, 보험 등)에 따라 제1 금융컨텐츠 추천정보를 형성하되 유사도 1순위, 유사도 2순위 및 유사도 3순위에 해당하는 금융컨텐츠 정보를 순차로 배치하도록 하는 경우, 사용자가 자신에게 적절한 금융컨텐츠 정보를 한눈에 파악하여 선택할 수 있도록 한다.

사용자는 사용자 단말(300)에 표시된 상기 제1 금융컨텐츠 추천정보 중 하나 이상의 금융컨텐츠 정보를 선택하거나 모든 금융컨텐츠 정보를 선택하지 않을 수 있으며, 사용자의 의사 결정에 따른 상기 제1 금융컨텐츠 추천정보에 대한 응답 정보(예, 제1 금융컨텐츠 추천정보의 선택/비선택 정보)는 사용자 단말(300)을 통해 상기 금융컨텐츠 설계서버(100)로 전달된다(S4 단계).

예를 들어, 사용자는 상기 제1 금융컨텐츠 추천정보 중 하나의 금융컨텐츠 정보(예, 제1 금융컨텐츠 정보)를 선택하고, 정해진 가입절차에 따라 해당 금융컨텐츠(예, 제1 금융컨텐츠)에 가입할 수 있다.

이 경우, 해당 사용자에게는 상기 가입이 이뤄진 제1 금융컨텐츠가 아닌 또다른 금융컨텐츠를 추천하는 것이 바람직하며, 사용자 단말(300)을 통해 상기 제1 금융컨텐츠 가입정보를 포함한 응답 정보가 상기 금융컨텐츠 설계서버(100)로 전달된다.

반면, 사용자는 상기 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠를 선택하지 않을 수 있으며, 상기 제1 금융컨텐츠 추천정보의 비선택(비채택)에 따른 응답 정보가 상기 금융컨텐츠 설계서버(100)로 전달된다.

즉, 사용자가 자신에게 추천된 금융컨텐츠 중 하나를 선택하여 가입할 수도 있고, 추천된 금융컨텐츠 중에서 가입하고자 하는 적절한 금융컨텐츠를 찾을 수 없어서 추천 받기를 그만두거나 또다른 금융컨텐츠 추천을 요청할 수도 있으며, 각각의 경우에 따른 응답 정보를 상기 금융컨텐츠 설계서버(100)가 수신하게 된다.

상기 금융컨텐츠 설계서버(100)는 사용자의 금융컨텐츠 재추천 요청에 따라(또는 일정시간 경과 후 자동으로) 상기 응답 정보에 기초하여 제2 금융컨텐츠 추천정보를 생성하며, 생성된 제2 금융컨텐츠 추천정보를 상기 사용자 단말(300)로 제공한다(S5 단계).

본 발명의 일실시예에 따른 상기 제2 금융컨텐츠 추천정보는 상기 응답 정보와 사용자의 운용 가능한 자산(資産)을 기초로 생성된다. 이를 위해, 도 3b에 도시된 바와 같이 상기 S2 단계 이전에, 상기 금융컨텐츠 설계서버(100)가 상기 사용자 개인 정보를 기초로 사용자의 운용 가능한 자산(資産)을 산정하는 단계(SB2 단계)가 더 포함된다.

상기 사용자의 운용 가능한 자산은 사용자가 예금, 적금, 보험 등의 금융컨텐츠에 가입하여 일정 금액을 일정 기간동안 금융기관에 제공할 수 있는 사용자의 재산으로 이해될 수 있으며, 예를 들어, 사용자의 월급이나 예금 등일 수 있다.

상기 사용자의 운용 가능한 자산 산정은 상기 금융컨텐츠 설계서버(100)에 의해 여러 자산 평가 방법을 통해 자동으로 이뤄질 수도 있고, 사용자가 입력한 자산 내역의 단순 추출이나 별도의 사용자 입력을 통해 이뤄질 수도 있다.

상기 제1 금융컨텐츠 추천정보가 사용자 단말을 통해 수신된 사용자 개인 정보와 상기 유사도 결정방법에 의해 결정된 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 자동으로 생성되는 것에 반해, 상기 제2 금융컨텐츠 추천정보는 사용자의 응답(선택 여부)과 운용 가능한 사용자의 자산 상태에 기초하여 생성된다.

사용자가 제1 금융컨텐츠 추천정보를 제공 받고 상기 제1 금융컨텐츠 추천정보에서 특정 금융컨텐츠(예, 제1 금융컨텐츠)를 선택하여 가입을 하거나, 상기 제1 금융컨텐츠 추천정보를 모두 선택하지 않고 또다른 금융컨텐츠에 대한 추천을 요청하는 것은 모두 사용자의 의사가 개입된 것이므로, 사용자의 반응에 따른 적절한 금융컨텐츠를 추천할 수 있도록 하는 것이 바람직하다.

따라서, 본 실시예에 따른 금융컨텐츠 설계방법(제2 금융컨텐츠 추천)은, 사용자 자신의 자산 상태를 고려하여 선택을 하는 사용자의 의사를 고려하여, 실제 운용 가능한 사용자의 자산을 산정하고 해당 자산의 범위 내에서 가입 가능한 금융컨텐츠를 추천하도록 구성된다.

일예로, 상기 응답 정보는 상기 제1 금융컨텐츠 추천정보에 포함된 제1 금융컨텐츠 정보의 선택에 따른 금융컨텐츠 가입정보이다. 즉, 상기 금융컨텐츠 가입정보는 사용자가 제1 금융컨텐츠 정보를 선택하고 해당 금융컨텐츠(제1 금융컨텐츠)에 가입한 정보를 의미하며, 사용자가 또다른 금융컨텐츠에 가입하고자 하는 추천 요청정보를 더욱 포함한다.

사용자가 상기 제1 금융컨텐츠 추천정보에 포함된 제1 금융컨텐츠를 선택하고, 상기 제1 금융컨텐츠에 정해진 가입절차에 따라 가입이 이뤄지면, 상기 금융컨텐츠 설계서버(100)는 상기 사용자의 운용 가능한 자산에서 상기 제1 금융컨텐츠의 미리 결정된 평가액을 차감한 금액을 기초로 제2 금융컨텐츠 추천정보를 생성한다.

상기 '평가액'은 금융컨텐츠를 금액으로 구분한 것으로, 금융컨텐츠가 예금인 경우 월 납입금액, 신용카드인 경우 해당 금융컨텐츠가 매칭된 고객그룹의 평균(연 또는 월) 사용금액, 대출인 경우 매월 갚아야 하는 이자(또는 이자와 원금) 등으로 이해될 수 있다.

일예로, 상기 제1 금융컨텐츠의 미리 결정된 평가액은 매월 제1 금융컨텐츠를 유지하기 위해 납부(제공)해야 하는 금액일 수 있으며, 다른 예로, 제1 금융컨텐츠 유지를 위해 필요한 총 금액일 수도 있다.

사용자가 제1 금융컨텐츠에 가입하는 경우, 사용자는 매월, 정기적, 또는 일시적으로 일정 금액을 납부, 예치 또는 상환해야 하므로, 이러한 평가액을 상기 사용자의 운용 가능한 자산에서 차감한 상태에서 사용자가 실제 가입 가능한 제2 금융컨텐츠를 추천하도록 하는 것이 바람직하다. 이때 상기 금융컨텐츠 설계서버(100)는 상기 사용자의 운용 가능한 자산에서 제1 금융컨텐츠의 미리 결정된 평가액을 차감한 금액(사용자의 운용 가능한 자산으로 재설정된 금액)을 기초로, 상기 유사도에 따른 금융컨텐츠 설계방법을 이용하여 제2 금융컨텐츠 추천정보를 생성할 수 있다.

다른 예로, 상기 응답 정보는 상기 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠 정보를 선택하지 않음에 따른 금융컨텐츠 재추천 요청정보이며, 상기 제2 금융컨텐츠 추천정보는 상기 사용자의 운용 가능한 자산에서 상기 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠 중 미리 결정된 평가액이 가장 작은 금융컨텐츠의 평가액을 차감한 금액을 기초로 생성된다.

사용자는 상기 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠 정보에서 가입할만한 금융컨텐츠를 발견하지 못하는 경우, 도 3b에 도시된 바와 같이, 다른 금융컨텐츠를 추천받지 않고 종료를 선택할 수 있으며, 다른 금융컨텐츠를 추천하도록 요청할 수도 있다.

만일 사용자가 다른 금융컨텐츠를 추천하도록 요청하는 경우, 이러한 사용자는 추천된 금융컨텐츠가 공격적 성향의 컨텐츠이거나(예, 고위험 고소득 컨텐츠) 자신의 운용 가능한 자산에 비해 부담해야 할 금액이 적지 않은 경우가 많으므로, 해당 사용자를 위해서 다른 금융컨텐츠를 추천할 때 제1 금융컨텐츠 추천정보에 포함된 금융컨텐츠의 평가액에 대한 고려가 필요하다.

예를 들어, 사용자의 운용 가능한 자산이 월 100만원이고, 상기 제1 금융컨텐츠 추천정보에 포함된 금융컨텐츠의 미리 결정된 평가액이 각각 월 40만원, 월 30만원, 월 25만원인 경우, 상기 사용자의 운용 가능한 자산에서 제1 금융컨텐츠 추천정보에 포함된 금융컨텐츠 중 미리 결정된 평가액이 가장 작은 금융컨텐츠의 평가액을 차감한 금액인 월 75만을 기초로, 상기 유사도에 따른 금융컨텐츠 설계방법을 이용하여 제2 금융컨텐츠 추천정보를 생성할 수 있다. 이 때, 상기 금융컨텐츠 설계서버(100)는 상기 제2 금융컨텐츠 추천정보에 상기 제1 금융컨텐츠 추천정보에서 포함된 금융컨텐츠 정보가 중복하여 추천되지 않도록 제어(예, 삭제)하는 것이 바람직하다.

다른 예로, 추천하고자 하는 금융컨텐츠의 종류에 따라 상기 평가액의 차감 범위는 조절될 수 있으며(예, 미리 결정된 평가액이 가장 큰 금융컨텐츠의 평가액 차감), 사용자와 유사도가 높은 그룹이 공격적인 투자 성향이 높은 경우에는 오히려 미리 결정된 평가액을 사용자의 운용 가능한 자산에 합산하고, 이를 기초로 제2 금융컨텐츠 추천정보를 생성하도록 하는 것도 가능하다.

본 발명의 다른 실시예에 따른 상기 제2 금융컨텐츠 추천정보는, 전술한 각각의 고객그룹과의 유사도 결정방법을 이용하여 생성되며, 제1 금융컨텐츠 추천정보에 대한 사용자의 응답 정보에 기초하여 유사도 조절을 통해 생성되도록 구성될 수 있다.

즉, 본 실시예에 따른 제2 금융컨텐츠 추천정보는, 제1 금융컨텐츠 추천정보 내의 금융컨텐츠를 선택하여 가입하였는지 여부에 따라 다르게 구성되는 응답 정보에 기초하여 생성되며, 상기 유사도 조절 과정은 각각의 고객그룹과의 유사도 결정방법 이용시 양(+) 또는 음(-)의 유사도 가중치를 부여하는 것일 수 있다. 상기 제 2 금융컨텐츠 추천정보는 이러한 유사도 가중치가 반영된 유사도 순위에 따라 가장 유사도 순위가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 포함하도록 구성된다.

일예로, 사용자가 제1 금융컨텐츠 정보를 선택 및 가입한 경우, 상기 응답 정보는 상기 제1 금융컨텐츠 추천정보에 포함된 제1 금융컨텐츠 정보의 선택에 따른 금융컨텐츠 가입정보 및 금융컨텐츠 추천 요청정보를 포함한다.

이 경우, 상기 제2 금융컨텐츠 추천정보는, 상기 금융컨텐츠 설계서버(100)가 상기 응답 정보에 포함된 제1 금융컨텐츠 정보의 선택에 따른 금융컨텐츠 가입정보가 포함된 사용자 개인 정보를 기초로 미리 설정된 유사도 결정방법에 의해 사용자와 상기 데이터 베이스(200)에 저장된 각각의 고객그룹과의 유사도를 결정하는 단계와, 상기 금융컨텐츠 설계서버(100)가 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 제2 금융컨텐츠 추천정보를 생성하는 단계를 거쳐 생성된다. 상기 금융컨텐츠 설계서버(100)는 상기 유사도 결정시 상기 제1 금융컨텐츠가 매칭 가능한 고객그룹에 양의 유사도 가중치를 부여한다.

예를 들어, 제1 금융컨텐츠 추천정보 생성시 사용자 개인 정보가 고객그룹 G1과 가장 유사도가 높아서(예, 0.9) 제1 금융컨텐츠 추천정보가 고객그룹 G1에 매칭 가능한 금융컨텐츠 정보로 이뤄지고, 사용자가 제1 금융컨텐츠 추천정보에 포함된 제1 금융컨텐츠를 선택 및 가입한 경우, 제1 금융컨텐츠 가입 정보가 상기 사용자 개인 정보에 더욱 포함됨으로써 사용자 개인 정보의 갱신이 이뤄진다.

갱신된 사용자 개인 정보를 이용하여 각각의 고객그룹과의 유사도를 결정하면 기존의 고객그룹 G1과의 유사도가 변경되어 더 높은 유사도 혹은 더 낮은 유사도를 갖게 된다.

만일 유사도 가중치가 반영되지 않는다면, 고객그룹 G1과의 유사도가 0.75, 고객그룹 G2와의 유사도가 0.8로써 고객그룹 G2의 유사도가 가장 높은 경우, 고객그룹 G2에 매칭 가능한 금융컨텐츠 정보를 이용하여 제2 금융컨텐츠 추천정보가 생성된다. 그러나 유사도 가중치를 0.1로 설정한 경우, 상기 고객그룹 G1에 양의 유사도 가중치를 부여하면 유사도가 0.85가 되므로, 고객그룹 G1이 가장 높은 유사도를 갖게 된다. 따라서 고객그룹 G1에 매칭 가능한 금융컨텐츠 정보를 이용하여 제2 금융컨텐츠 추천정보가 생성되며, 사용자의 의사가 제2 금융컨텐츠 추천정보에 반영된다. 이러한 사용자 의사의 반영(유사도 가중치 부여)은 상기 제1 금융컨텐츠가 매칭 가능한 다른 고객그룹에도 적용될 수 있다.

다만, 상기 제2 금융컨텐츠 추천정보에는 사용자가 이미 가입한 제1 금융컨텐츠 정보가 제외되도록 하는 것이 바람직하다.

다른 예로, 사용자가 상기 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠 정보를 선택하지 않은 경우, 상기 응답 정보는 상기 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠 정보를 선택하지 않음에 따른 금융컨텐츠 재추천 요청정보를 포함한다.

이 경우, 상기 제2 금융컨텐츠 추천정보는, 상기 금융컨텐츠 설계서버(100)가 상기 사용자 개인 정보를 기초로 미리 설정된 유사도 결정방법에 의해 사용자와 상기 데이터 베이스(200)에 저장된 각각의 고객그룹과의 유사도를 결정하는 단계와, 상기 금융컨텐츠 설계서버(100)가 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 제2 금융컨텐츠 추천정보를 생성하는 단계를 거쳐 생성된다. 상기 유사도 결정시, 상기 금융컨텐츠 설계서버(100)는 상기 제1 금융컨텐츠 추천정보에 포함된 각각의 금융컨텐츠가 매칭 가능한 고객그룹에 음의 유사도 가중치를 부여한다.

예를 들어, 제1 금융컨텐츠 추천정보 생성시 사용자 개인 정보가 고객그룹 G1과 가장 유사도가 높아서(예, 0.9) 제1 금융컨텐츠 추천정보가 고객그룹 G1에 매칭 가능한 금융컨텐츠 정보로 이뤄지고, 사용자가 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠를 선택하지 않은 경우, 사용자 개인 정보의 갱신은 이뤄지지 않는다.

만일 고객그룹 G2와의 유사도가 0.85로써 고객그룹 G1의 유사도가 가장 높은 경우 다시 고객그룹 G1에 매칭 가능한 금융컨텐츠 정보를 이용하여 제2 금융컨텐츠 추천정보가 생성되어야 한다는 문제가 있다. 그러나 유사도 가중치를 0.1로 설정한 경우, 상기 고객그룹 G1에 음의 유사도 가중치를 부여하면 고객그룹 G1의 유사도가 0.8이 되므로 고객그룹 G2가 가장 높은 유사도(0.85)를 갖게 된다. 따라서 고객그룹 G2에 매칭 가능한 금융컨텐츠 정보를 이용하여 제2 금융컨텐츠 추천정보가 생성되며, 사용자의 의사가 제2 금융컨텐츠 추천정보에 반영된다. 이러한 사용자 의사의 반영(유사도 가중치 부여)은 상기 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠 정보가 매칭 가능한 다른 고객그룹에도 적용될 수 있다.

다만, 상기 제2 금융컨텐츠 추천정보에는 사용자에게 이미 추천된 금융컨텐츠 정보를 제외되도록 하는 것이 바람직하다.

도 9 내지 도 11은 본 발명의 또다른 실시예에 따른 사용자의 이미지 정보를 이용하여 문자화된 사용자 개인 정보를 생성하는 방법을 설명하기 위한 도면, 도 12는 본 발명의 또다른 실시예에 따른 문자화된 사용자 개인 정보 생성 방법의 순서도이다.

본 발명의 일실시예에 따르면, 상기 S1 단계에서 상기 사용자 개인 정보는 사용자의 이미지 정보를 포함하며, 상기 S2 단계 이전에, 상기 금융컨텐츠 설계서버(100)가 상기 사용자의 이미지 정보를 미리 설정된 이미지 분석방법으로 분석하는 단계(S11 단계) 및 상기 분석된 결과를 기초로 문자화된 사용자 개인 정보를 더욱 생성하는 단계(S12 단계)를 포함한다.

일예로, 상기 사용자의 이미지 정보는 사용자의 외관 형상(NUI)을 포함하며, 도 9에 도시된 바와 같이, 상기 이미지 분석방법은 상기 사용자의 외관 형상(NUI)과 기존 사용자들의 외관 형상(OUI1, OUI2, OUI3)을 비교하여 유사여부를 판단하는 것이다.

상기 문자화된 사용자 개인 정보는 상기 사용자와 유사한 외관을 갖는 기존 사용자의 개인 정보에 기초하여 생성된다.

일예로, 상기 외관 형상의 비교는 인공지능(Artificial Intelligence)에 의한 사진 분석으로 이해될 수 있다.

예를 들어, 본 발명에 따른 금융컨텐츠 설계서버(100)가 딥러닝(deep learning)을 통해 수많은 사람에 대한 사진 정보를 분석하도록 구성된 인공지능 서버와 연동하여 상기 인공지능 서버에 사용자의 이미지 정보를 제공하면, 상기 인공지능 서버에서 사용자의 이미지 정보와 기 저장된 기존 사용자의 이미지 정보를 비교하여 유사여부를 판단하고, 판단된 정보에 기초하여 상기 사용자의 이미지 정보와 가장 유사한 기존 사용자의 이미지 정보를 상기 금융컨텐츠 설계서버(100)로 제공하게 된다.

상기 금융컨텐츠 설계서버(100)는 상기 인공지능 서버로부터 제공된 기존 사용자의 이미지 정보에 기초하여 상기 데이터 베이스(200)에서 해당 기존 사용자의 사용자 개인 정보를 추출할 수 있으며, 상기 기존 사용자의 사용자 개인 정보 중 일부의 정보를 문자화하여 상기 사용자의 사용자 개인 정보로 추가할 수 있다.

일예로, 상기 사용자의 이미지 정보는 사용자의 얼굴 형상을 포함하며, 상기 이미지 분석방법은 관상학에 기초하여 상기 사용자의 얼굴 형상을 분석하여 사용자의 관상 정보를 추출하는 것이며, 상기 문자화된 사용자 개인 정보는 상기 사용자의 관상 정보에 기초하여 생성된다.

상기 관상학(觀相學)은 사람의 외양, 특히 얼굴의 형상을 통해 사람의 성격, 재물운 등을 파악하는 것이다.

상기 금융컨텐츠 설계서버(100)는 사용자의 얼굴 형상을 관상학에 기초하여 분석할 수 있으며, 눈동자의 색이나 크기, 눈썹의 길이, 귀의 크기와 모양, 코의 크기와 모양, 입의 크기와 두께, 인중의 길이 등을 분석하여 사용자의 관상에 따른 개인 정보를 생성할 수 있다.

일예로, 관상학적으로 넓고 평평한 미간을 가지고 있는 사용자는 지혜와 배려심이 있고 계획된 지출로 돈을 모으고 있는 것으로 분석되므로, '위험회피형 투자성향'으로 문자화된 사용자 개인 정보를 생성하여 상기 사용자 개인 정보에 추가되도록 할 수 있다.

또다른 예로, 상기 사용자의 이미지 정보는 사용자의 손금 형상을 포함하며, 상기 이미지 분석방법은 수상학에 기초하여 상기 사용자의 손금 형상을 분석하여 사용자의 손금 정보를 추출하는 것이며, 상기 문자화된 사용자 개인 정보는 상기 사용자의 손금 정보에 기초하여 생성된다.

수상학(手相學)은 사람의 손에 형성된 손금을 분석하여 사람의 성격이나 미래를 평가하고자 하는 것이다.

상기 금융컨텐츠 설계서버(100)는 사용자의 손금 형상을 수상학에 기초하여 분석할 수 있으며, 손금의 형태(감정선, 두뇌선, 생명선, 운명선 등)나 손과 손가락의 형상 등을 분석하여 사용자의 손금에 따른 개인 정보를 생성할 수 있다.

예를 들어, 상기 감정선은 정서적 안정, 연애운, 우울증과 심장 건강을 나타내며, 상기 두뇌선은 학습 스타일, 의사소통 접근법, 지적 활동과 학문에 대한 욕구 등을 나타낸다. 상기 생명선은 신체의 건강한 정도를 판단할 수 있으며, 운명선은 외부 환경에 의해 사람의 삶의 변화 정도를 나타낸다.

일예로, 도 11에 도시된 바와 같이, 수상학적으로 생명선(P)이 짧고 희미하면 다른 사람에게 휘둘리기 쉬움을 나타내므로, 이러한 손금을 갖는 사용자는 '리스크 높음'으로 문자화된 사용자 개인 정보를 생성하여 상기 사용자 개인 정보에 추가되도록 할 수 있다.

이러한 관상학, 수상학 등에 기초하여 분석된 사용자의 이미지 정보는 사용자의 개인 정보와 정확히 일치하지 않을 수 있으나, 사용자 스스로 자신의 성향을 분석하기 어렵거나 사용자 개인 정보를 일부 누락하는 등으로 인해 입력된 사용자 개인 정보만으로는 사용자에게 적절한 금융컨텐츠 추천정보를 제공하기 어려울 때, 상기 관상학 등에 의한 이미지 정보의 분석을 통해 사용자 개인 정보를 추가할 수 있으므로 사용자 맞춤형 금융컨텐츠 추천정보가 제공될 수 있도록 하는 것이다.

도 13은 본 발명의 또다른 실시예에 따른 금융컨텐츠 설계방법의 순서도이다.

본 발명의 또다른 실시예에 따르면, 상기 S3 단계 이전에, 상기 금융컨텐츠 설계서버(100)에서 CB(Credit Bereau) 서버로 상기 사용자의 CB 정보를 요청하는 단계;를 더욱 포함하며, 상기 S3 단계에서 생성되는 금융컨텐츠 추천정보는 상기 사용자의 CB 정보에 포함된 사용자의 신용상태를 반영하여 생성된다.

상기 CB 서버는 개인의 신용을 평가하는 신용평가회사 중 어느 하나에 구비되는 서버로, 일예로 코리아크레딧뷰로(Korea Credit Bureau)에 구비되는 서버일 수 있다. 상기 사용자의 CB 정보는 사용자의 신용 상태와 관련된 정보를 포함한다.

상기 CB 서버는 은행, 신용카드사, 보험사 등 금융회사나 공공기관으로부터 개인신용정보를 수집하여 사용자의 CB 정보로 가공하며, 상기 금융컨텐츠 설계서버(100)의 요청에 따라 이를 제공하도록 구성된다.

상기 금융컨텐츠 설계서버(100)가 상기 CB 서버로부터 사용자의 CB 정보를 제공받으면, 상기 사용자의 신용 상태가 자동으로 분류될 수 있다.

다양한 금융컨텐츠 중에서 사용자의 신용상태가 일정 레벨 이하인 경우, 사용자가 가입할 수 없는 금융컨텐츠가 존재한다. 만일 사용자 개인 정보에 기초하여 생성되는 금융컨텐츠 추천정보에 상기 사용자가 가입할 수 없는 금융컨텐츠가 포함되는 경우 상기 사용자가 해당 금융컨텐츠를 선택하더라도 사용자의 가입이 불가능하게 된다. 이 경우 다른 금융컨텐츠를 선택하는데 따른 시간과 노력이 소요되므로 이러한 번거로움을 미연에 방지하기 위해 선제적으로 사용자의 신용상태를 파악하여 상기 금융컨텐츠 추천정보에서 사용자의 신용상태에 따라 가입이 불가능한 금융컨텐츠 정보를 제거함으로써 사용자에게 적절한 금융컨텐츠가 추천될 수 있다.

이상에서 본 발명은 구체적인 실시예를 참조하여 상세히 설명하였으나, 상기 실시예는 본 발명을 이해하기 쉽도록 하기 위한 예시에 불과한 것이므로, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 치환, 부가 및 변형된 실시 형태들 역시 하기의 청구범위에 의하여 정해지는 본 발명의 보호범위에 속한다고 할 것이다.

10: 금융컨텐츠 설계시스템 100: 금융컨텐츠 설계서버
200: 데이터 베이스 300: 사용자 단말

Claims

사용자 단말과 네트워크 연결된 금융컨텐츠 설계서버 및 2 이상의 금융컨텐츠 정보가 저장된 데이터 베이스를 포함하는 금융컨텐츠 설계시스템에서 이뤄지는 금융컨텐츠 설계방법으로서-상기 데이터 베이스는 2 이상의 고객그룹 정보를 포함하며, 각각의 고객그룹 정보는 적어도 하나 이상의 금융컨텐츠 정보와 매칭 가능하도록 구성됨-,
1) 상기 금융컨텐츠 설계서버가 사용자 단말로부터 입력된 사용자 개인 정보를 수신하는 단계;
2) 상기 금융컨텐츠 설계서버가 상기 사용자 개인 정보를 기초로 미리 설정된 유사도 결정방법에 의해 사용자와 상기 데이터 베이스에 저장된 각각의 고객그룹과의 유사도를 결정하는 단계-상기 각각의 고객그룹은 기존 사용자들의 사용자 개인 정보를 기초로 미리 설정된 클러스터링 알고리즘에 의해 기존 사용자들을 미리 분류한 것임-;
3) 상기 금융컨텐츠 설계서버가 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 제1 금융컨텐츠 추천정보를 생성하고, 상기 제1 금융컨텐츠 추천정보를 상기 사용자 단말로 제공하는 단계;
4) 상기 금융컨텐츠 설계서버가 상기 제1 금융컨텐츠 추천정보에 대한 응답 정보를 상기 사용자 단말로부터 수신하는 단계; 및
5) 상기 금융컨텐츠 설계서버가 상기 응답 정보에 기초하여 제2 금융컨텐츠 추천정보를 생성하고 이를 상기 사용자 단말로 제공하는 단계;를 포함하는 금융컨텐츠 설계방법.
제1항에 있어서,
상기 2) 단계 이전에,
상기 금융컨텐츠 설계서버가 상기 사용자 개인 정보를 기초로 사용자의 운용 가능한 자산(資産)을 산정하는 단계;를 더 포함하며,
상기 제2 금융컨텐츠 추천정보는 상기 응답 정보와 사용자의 운용 가능한 자산을 기초로 생성되는 것을 특징으로 하는 금융컨텐츠 설계방법.
제2항에 있어서,
상기 응답 정보는 상기 제1 금융컨텐츠 추천정보에 포함된 제1 금융컨텐츠 정보의 선택에 따른 금융컨텐츠 가입정보 및 금융컨텐츠 추천 요청정보이며,
상기 제2 금융컨텐츠 추천정보는 상기 사용자의 운용 가능한 자산에서 상기 제1 금융컨텐츠의 미리 결정된 평가액을 차감한 금액을 기초로 생성되는 것을 특징으로 하는 금융컨텐츠 설계방법.
제2항에 있어서,
상기 응답 정보는 상기 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠 정보를 선택하지 않음에 따른 금융컨텐츠 재추천 요청정보이며,
상기 제2 금융컨텐츠 추천정보는 상기 사용자의 운용 가능한 자산에서 상기 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠 중 미리 결정된 평가액이 가장 작은 금융컨텐츠의 평가액을 차감한 금액을 기초로 생성되는 것을 특징으로 하는 금융컨텐츠 설계방법.
제1항에 있어서,
상기 응답 정보는 상기 제1 금융컨텐츠 추천정보에 포함된 제1 금융컨텐츠 정보의 선택에 따른 금융컨텐츠 가입정보 및 금융컨텐츠 추천 요청정보이며,
상기 제2 금융컨텐츠 추천정보는,
상기 금융컨텐츠 설계서버가 상기 응답 정보에 포함된 제1 금융컨텐츠 정보의 선택에 따른 금융컨텐츠 가입정보가 포함된 사용자 개인 정보를 기초로 미리 설정된 유사도 결정방법에 의해 사용자와 상기 데이터 베이스에 저장된 각각의 고객그룹과의 유사도를 결정하는 단계와, 상기 금융컨텐츠 설계서버가 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 제2 금융컨텐츠 추천정보를 생성하는 단계를 거쳐 생성되며,
상기 유사도 결정시 상기 제1 금융컨텐츠가 매칭 가능한 고객그룹에 양의 유사도 가중치를 부여하는 것을 특징으로 하는 금융컨텐츠 설계방법.
제1항에 있어서,
상기 응답 정보는 상기 제1 금융컨텐츠 추천정보에 포함된 모든 금융컨텐츠 정보를 선택하지 않음에 따른 금융컨텐츠 재추천 요청정보이며,
상기 제2 금융컨텐츠 추천정보는,
상기 금융컨텐츠 설계서버가 상기 사용자 개인 정보를 기초로 미리 설정된 유사도 결정방법에 의해 사용자와 상기 데이터 베이스에 저장된 각각의 고객그룹과의 유사도를 결정하는 단계와, 상기 금융컨텐츠 설계서버가 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 제2 금융컨텐츠 추천정보를 생성하는 단계를 거쳐 생성되며,
상기 유사도 결정시 상기 제1 금융컨텐츠 추천정보에 포함된 각각의 금융컨텐츠가 매칭 가능한 고객그룹에 음의 유사도 가중치를 부여하는 것을 특징으로 하는 금융컨텐츠 설계방법.
제1항에 있어서,
상기 클러스터링 알고리즘은 하기의 식 1을 만족하는 것을 특징으로 하는 금융컨텐츠 설계방법.
[식 1]

RSS는 미리 설정된 클러스터링 알고리즘의 목적함수(전체 분산), K는 고객그룹의 수,
는 고객그룹에 속한 각각의 데이터의 중심벡터,
는 고객그룹에 속한 데이터의 집합,
는 고객그룹에 속한 특정 데이터의 벡터임.
제1항에 있어서,
상기 유사도 결정방법은 하기의 식 2를 만족하는 것을 특징으로 하는 금융컨텐츠 설계방법.
[식 2]

G는 고객그룹의 데이터, U는 상기 사용자의 데이터이며,
는 고객그룹 벡터와 사용자 벡터가 이루는 각임.
제1항에 있어서,
상기 3) 단계는,
3-1) 상기 금융컨텐츠 설계서버가 미리 설정된 의사결정 방법에 의해 금융컨텐츠 정보를 분류하는 단계;
3-2) 상기 금융컨텐츠 설계서버가 상기 분류된 금융컨텐츠 정보를 기초로 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 추출하는 단계; 및
3-3) 상기 금융컨텐츠 설계서버가 상기 추출된 금융컨텐츠 정보로 금융컨텐츠 추천정보를 생성하는 단계;를 포함하는 것을 특징으로 하는 금융컨텐츠 설계방법.
제1항에 있어서,
상기 사용자 개인 정보는 사용자의 이미지 정보를 포함하며,
상기 2) 단계 이전에,
상기 금융컨텐츠 설계서버가 상기 사용자의 이미지 정보를 미리 설정된 이미지 분석방법으로 분석하는 단계; 및
상기 분석된 결과를 기초로 문자화된 사용자 개인 정보를 더욱 생성하는 단계;를 포함하는 것을 특징으로 하는 금융컨텐츠 설계방법.
제10항에 있어서,
상기 사용자의 이미지 정보는 사용자의 외관 형상을 포함하며,
상기 이미지 분석방법은 상기 사용자의 외관 형상과 기존 사용자들의 외관 형상을 비교하여 유사여부를 판단하는 것이며,
상기 문자화된 사용자 개인 정보는 상기 사용자와 유사한 외관을 갖는 기존 사용자의 개인 정보에 기초하여 생성되는 것을 특징으로 하는 금융컨텐츠 설계방법.
제10항에 있어서,
상기 사용자의 이미지 정보는 사용자의 얼굴 형상을 포함하며,
상기 이미지 분석방법은 관상학에 기초하여 상기 사용자의 얼굴 형상을 분석하여 사용자의 관상 정보를 추출하는 것이며,
상기 문자화된 사용자 개인 정보는 상기 사용자의 관상 정보에 기초하여 생성되는 것을 특징으로 하는 금융컨텐츠 설계방법.
제10항에 있어서,
상기 사용자의 이미지 정보는 사용자의 손금 형상을 포함하며,
상기 이미지 분석방법은 수상학에 기초하여 상기 사용자의 손금 형상을 분석하여 사용자의 손금 정보를 추출하는 것이며,
상기 문자화된 사용자 개인 정보는 상기 사용자의 손금 정보에 기초하여 생성되는 것을 특징으로 하는 금융컨텐츠 설계방법.
제1항에 있어서,
상기 3) 단계 이전에,
상기 금융컨텐츠 설계서버에서 CB(Credit Bereau) 서버로 상기 사용자의 CB 정보를 요청하는 단계;를 더욱 포함하며,
상기 3) 단계에서 생성되는 금융컨텐츠 추천정보는 상기 사용자의 CB 정보에 포함된 사용자의 신용상태를 반영하여 생성되는 것을 특징으로 하는 금융컨텐츠 설계방법.
사용자 개인 정보를 입력하는 기능 및 금융컨텐츠 추천정보를 표시하는 기능을 포함하여 수행하는 사용자 단말;
2 이상의 금융컨텐츠 정보 및 적어도 하나 이상의 금융컨텐츠 정보와 매칭 가능하도록 구성된 고객그룹 정보를 포함하여 저장하는 데이터 베이스; 및
상기 사용자 단말과 네트워크 연결되고, 상기 입력된 사용자 개인 정보를 수신하는 기능, 상기 사용자 개인 정보를 기초로 미리 설정된 유사도 결정방법에 의해 사용자와 상기 데이터 베이스에 저장된 각각의 고객그룹과의 유사도를 결정하는 기능, 상기 사용자와 유사도가 높은 고객그룹에 매칭 가능한 금융컨텐츠 정보를 이용하여 제1 금융컨텐츠 추천정보를 생성하는 기능, 상기 제1 금융컨텐츠 추천정보에 대한 응답 정보를 상기 사용자 단말로부터 수신하고 상기 응답 정보에 기초하여 제2 금융컨텐츠 추천정보를 생성하는 기능 및 상기 제1, 제2 금융컨텐츠 추천정보를 상기 사용자 단말로 제공하는 기능을 포함하여 수행하는 금융컨텐츠 설계서버;를 포함하는 금융컨텐츠 설계시스템.
제15항에 있어서,
상기 금융컨텐츠 설계서버는 사용자의 운용 가능한 자산(資産)을 산정하는 기능을 더욱 포함하여 수행하며,
상기 제2 금융컨텐츠 추천정보는 상기 응답 정보와 사용자의 운용 가능한 자산을 기초로 생성되는 것을 특징으로 하는 금융컨텐츠 설계시스템.