KR20210083897A - Device and method for marketing advisor based on artificial intelligence - Google Patents

Device and method for marketing advisor based on artificial intelligence Download PDF

Info

Publication number
KR20210083897A
KR20210083897A KR1020190176655A KR20190176655A KR20210083897A KR 20210083897 A KR20210083897 A KR 20210083897A KR 1020190176655 A KR1020190176655 A KR 1020190176655A KR 20190176655 A KR20190176655 A KR 20190176655A KR 20210083897 A KR20210083897 A KR 20210083897A
Authority
KR
South Korea
Prior art keywords
marketing
customer
product
analysis
advisor
Prior art date
Application number
KR1020190176655A
Other languages
Korean (ko)
Inventor
김학부
Original Assignee
하트미디어(주)
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 하트미디어(주) filed Critical 하트미디어(주)
Priority to KR1020190176655A priority Critical patent/KR20210083897A/en
Publication of KR20210083897A publication Critical patent/KR20210083897A/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Abstract

The present invention relates to an artificial intelligence (AI) based marketing advisor apparatus and method. According to an embodiment of the present invention, a customer who is highly likely to purchase a product or a product with a high probability of being purchase by a customer can be automatically recommended by using deep learning, the use of CRM can be maximized even without CRM professional personnel or an organization by providing CRM marketing data suitable for marketing purposes. The AI based marketing advisor apparatus includes: a variable derivation unit which derives an analysis variable necessary for marketing by analyzing customer data; a similarity analysis unit which calculates a similarity score between a customer and a product based on the analysis variable; and a recommendation unit which recommends a customer or a product suitable for marketing purposes using the similarity score.

Description

AI 기반 마케팅 어드바이저 장치 및 방법 {DEVICE AND METHOD FOR MARKETING ADVISOR BASED ON ARTIFICIAL INTELLIGENCE}AI-based marketing advisor device and method {DEVICE AND METHOD FOR MARKETING ADVISOR BASED ON ARTIFICIAL INTELLIGENCE}

본 발명은 마케팅 어드바이저 기술에 관한 것으로, 더욱 상세하게는 AI 기반의 마케팅 어드바이저 장치 및 방법에 관한 것이다.The present invention relates to marketing advisor technology, and more particularly, to an AI-based marketing advisor device and method.

시장 조사 기관 IDC에 따르면 인공지능에 기반한 CRM이 전세계적으로 1조 1,000억 달러의 GDP 영향을 견인할 전망이고. 2021년까지 80만 개의 신규 일자리 생성을 초래할 것으로 전망하고 있다.According to market research firm IDC, artificial intelligence-based CRM is expected to drive a global GDP impact of $1.1 trillion. It is expected to create 800,000 new jobs by 2021.

CRM의 궁극적인 목표는 일대 일의 개인화 마케팅이다. 그러나 기업이 현장에서 실제 적용하기에는 비용이 너무 많이 든다는 단점이 있다. 특히 중소기업들은 CRM 시스템 도입 비용, CRM 전문인력부족, 전담조직 운영 부담, CRM 도입 비용 대비 효과에 대한 이해도 및 확신 부족 등의 이유로 CRM 도입 및 운영에 문제를 느끼고 있다. 또한 매스 마케팅과 개인화 마케팅의 간극을 메우기 위해 현재 대부분의 기업에서는 세분화(세그먼트:Segmentation) 마케팅을 하고 있는 실정이고, 중소 규모의 기업은 세분화 마케팅조차도 현실적으로 어렵다.The ultimate goal of CRM is one-to-one personalized marketing. However, there is a disadvantage that the cost is too high for a company to actually apply it in the field. In particular, small and medium-sized enterprises (SMEs) are experiencing problems with the introduction and operation of CRM due to the cost of CRM system introduction, lack of CRM experts, the burden of operating a dedicated organization, and lack of understanding and confidence in the cost-effectiveness of CRM introduction. In addition, in order to fill the gap between mass marketing and personalized marketing, most companies are currently conducting segmentation marketing, and even segmentation marketing is practically difficult for small and medium-sized companies.

더욱이 CRM은 소프트웨어만 제공한다고 해서 순조롭게 활용할 수 있는 것이 아니다. CRM은 운영하기 위해서는 가장 먼저, 기업의 실정에 맞는 마케팅 전략을 수립하고, 이 마케팅 전략을 달성하기 위해 필요한 CRM 전략을 수립하여야 하며, 이를 실행하기 위해 실향전략을 도출해야 한다. 이러한 과정에서 필요한 각종 마케팅 관련 통계 집계 및 분석, 고객 분석 등의 정보를 CRM 시스템에서 제공받아서 전략을 수립하게 된다. 이러한 전략 수립 업무 프로세스를 정립하여 제대로 조직체계를 갖추는 것은 중소기업 입장에서는 쉬운 일이 아니다. 뿐만 아니라 이러한 분석에 필요한 각종 데이터를 체계적으로 수집 및 저장, 정제, 보관 관리하는 비용도 만만치 않다.Moreover, CRM is not something that can be used smoothly just because it provides software. In order to operate CRM, first of all, a marketing strategy suitable for the situation of the company must be established, and a CRM strategy necessary to achieve this marketing strategy must be established, and to implement it, a realization strategy must be derived. In this process, information such as aggregation and analysis of various marketing-related statistics and customer analysis is provided from the CRM system to establish a strategy. It is not an easy task for SMEs to establish a proper organizational system by establishing such a strategy establishment work process. In addition, the cost of systematically collecting, storing, refining, and managing the various data required for such analysis is not too high.

기업 입장에서는 CRM 전문인력이나 조직이 없어도 CRM의 활용을 극대화할 수 있도록 수집한 데이터를 마케팅에 다각도로 활용될 수 있도록 분석, 추출, 제안해 줄 수 있는 자동화 기술이 간절히 필요하다.Companies desperately need automation technology that can analyze, extract, and suggest data collected so that it can be used in various ways in marketing to maximize the use of CRM even without CRM experts or organizations.

본 발명의 배경기술은 대한민국 공개특허 제 10-2018-0113121 호에 개시되어 있다.Background art of the present invention is disclosed in Korean Patent Laid-Open No. 10-2018-0113121.

본 발명은 딥 러닝을 이용한 추천 알고리즘을 구현해 마케팅 목적에 맞는 데이터를 자동 추출하는 AI 기반 마케팅 어드바이저 장치 및 방법을 제공한다.The present invention provides an AI-based marketing advisor apparatus and method for automatically extracting data suitable for marketing purposes by implementing a recommendation algorithm using deep learning.

본 발명은 딥러닝 알고리즘을 이용해 상품을 구매할 가능성이 높은 고객 또는 고객이 구매할 확률이 높은 상품을 추천하여 CRM 마케팅에 활용할 수 있는 AI 기반 마케팅 어드바이저 장치 및 방법을 제공한다.The present invention provides an AI-based marketing advisor device and method that can be used for CRM marketing by recommending a customer with a high probability of purchasing a product or a product with a high probability of purchasing a product using a deep learning algorithm.

본 발명의 일 측면에 따르면, AI 기반 마케팅 어드바이저 장치를 제공한다. According to one aspect of the present invention, an AI-based marketing advisor device is provided.

본 발명의 일 실시예에 따른 AI 기반 마케팅 어드바이저 장치는 상기 고객 데이터를 분석하여 마케팅에 필요한 분석 변수를 도출하는 변수 도출부, 상기 분석 변수를 기반으로 고객과 상품의 유사도 점수를 산출하는 유사도 분석부 및 상기 유사도 점수를 이용해 마케팅 목적에 맞는 고객 또는 상품을 추천하는 추천부를 포함할 수 있다.The AI-based marketing advisor device according to an embodiment of the present invention includes a variable derivation unit for deriving an analysis variable necessary for marketing by analyzing the customer data, and a similarity analysis unit for calculating a similarity score between a customer and a product based on the analysis variable and a recommender for recommending a customer or product suitable for marketing purposes using the similarity score.

본 발명의 다른 일 측면에 따르면, AI 기반 마케팅 어드바이저 방법 및 이를 실행하는 컴퓨터 프로그램이 기록된 컴퓨터가 판독 가능한 기록매체를 제공한다.According to another aspect of the present invention, there is provided an AI-based marketing advisor method and a computer-readable recording medium in which a computer program executing the method is recorded.

본 발명의 일 실시 예에 따른 AI 기반 마케팅 어드바이저 방법 및 이를 실행하는 컴퓨터 프로그램이 저장된 기록매체는 마케팅을 위한 분석에 필요한 고객 데이터를 수집하는 단계, 마케팅을 위한 분석 변수를 도출하는 단계, 상기 분석 변수를 기반으로 유사도를 산출하는 단계 및 상기 유사도를 기반으로 고객 또는 상품을 추천하는 단계를 포함할 수 있다.The recording medium storing the AI-based marketing advisor method and the computer program executing the method according to an embodiment of the present invention includes the steps of collecting customer data necessary for analysis for marketing, deriving analysis variables for marketing, the analysis variables It may include calculating a degree of similarity based on , and recommending a customer or product based on the degree of similarity.

본 발명의 일 실시 예에 따르면, 상품을 구매할 가능성이 높은 고객 또는 고객이 구매할 확률이 높은 상품을 딥러닝을 이용하여 자동으로 추천할 수 있다.According to an embodiment of the present invention, a customer with a high probability of purchasing a product or a product with a high probability of purchasing a product may be automatically recommended using deep learning.

또한, 본 발명의 일 실시 예에 따르면, 딥러닝을 이용한 추천 알고리즘을 구현하여 마케팅 목적에 맞는 CRM 마케팅 데이터를 제공하여 CRM 전문인력이나 조직이 없어도 CRM의 활용을 극대화할 수 있다.In addition, according to an embodiment of the present invention, by implementing a recommendation algorithm using deep learning to provide CRM marketing data suitable for marketing purposes, it is possible to maximize the use of CRM even without a CRM expert or organization.

도 1 및 도 2는 본 발명의 일 실시 예에 따른 AI 기반 마케팅 어드바이저 장치를 설명하기 위한 도면들.
도 3 내지 도 5는 본 발명의 일 실시 예에 따른 AI 기반 마케팅 어드바이저 장치를 설명하기 위한 예시들.
도6은 본 발명의 일 실시 예에 따른 AI 기반 마케팅 어드바이저 장치(10)가 마케팅 목적에 따른 결과를 도출하는 예시.
도7은 본 발명의 일 실시 예에 따른 AI 기반 마케팅 어드바이저 방법을 설명한 도면.
도 8및 도9는 본 발명의 일 실시 예에 따른 AI 기반 마케팅 어드바이저 장치가 마케팅의 목적에 따라 딥 러닝 기반 추천 모델을 생성하여 활용하는 예시들.1 and 2 are diagrams for explaining an AI-based marketing advisor device according to an embodiment of the present invention.
3 to 5 are examples for explaining an AI-based marketing advisor device according to an embodiment of the present invention.
6 is an example in which the AI-based marketing advisor device 10 according to an embodiment of the present invention derives a result according to a marketing purpose.
7 is a view for explaining an AI-based marketing advisor method according to an embodiment of the present invention.
8 and 9 are examples in which the AI-based marketing advisor device according to an embodiment of the present invention generates and utilizes a deep learning-based recommendation model according to the purpose of marketing.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서 및 청구항에서 사용되는 단수 표현은, 달리 언급하지 않는 한 일반적으로 "하나 이상"을 의미하는 것으로 해석되어야 한다.Since the present invention can have various changes and can have various embodiments, specific embodiments are illustrated in the drawings and will be described in detail through detailed description. However, this is not intended to limit the present invention to specific embodiments, and it should be understood to include all modifications, equivalents and substitutes included in the spirit and scope of the present invention. In describing the present invention, if it is determined that a detailed description of a related known technology may unnecessarily obscure the gist of the present invention, the detailed description thereof will be omitted. Also, as used herein and in the claims, the terms "a" and "a" and "a" are to be construed to mean "one or more" generally unless otherwise stated.

이하, 본 발명의 바람직한 실시 예를 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings, and in the description with reference to the accompanying drawings, the same or corresponding components are given the same reference numerals, and the overlapping description thereof will be omitted. do it with

도 1 및 도 2는 본 발명의 일 실시 예에 따른 AI 기반 마케팅 어드바이저 장치를 설명하기 위한 도면들이다.1 and 2 are diagrams for explaining an AI-based marketing advisor apparatus according to an embodiment of the present invention.

도 1 및 도 2를 참조하면, AI 기반 마케팅 어드바이저 장치(10)는 고객 데이터를 수집한다. 예를 들면, 기업이 사용하는 CRM 시스템에 있는 고객 DB, 매출정보 DB, AS정보 DB, 마케팅 DB등 내부적으로 저장된 고객의 정보를 수집한다. 또한 AI 기반 마케팅 어드바이저 장치(10)는 여러 SNS 분석 정보를 수집한다. AI 기반 마케팅 어드바이저 장치(10)는 수집한 데이터를 전처리 및 정제를 통해서 자동으로 고객 정보를 세분화한다. 예를 들면, 고객특성정보, 상품별 고객특성정보, 연령/지역/성별 고객특성정보, 소득/직업별 고객특성정보와 같이 다각도로 고객의 특성을 분석하고 세분화한다. AI 기반 마케팅 어드바이저 장치(10)는 고객 세분화 정보와 함께 상품별 특성, 시기별 특성, SNS 트렌드, 고객별 특성을 도출하여 추천 알고리즘을 구현하고 이용한다. AI 기반 마케팅 어드바이저 장치(10)는 고객이 구매할 가능성이 높은 상품을 추천하거나 해당 상품을 구매할 가능성이 높은 고객을 추출하여 추천한다. AI 기반 마케팅 어드바이저 장치(10)는 추출한 고객 또는 상품의 추천 정보를 마케팅에 활용할 수 있다. AI 기반 마케팅 어드바이저 장치(10)는 캠페인 등과 같은 마케팅 활동을 통해 수집한 데이터를 다시 학습 데이터로 이용하여 지속적으로 추천 기능을 강화할 수 있다. 1 and 2 , the AI-based marketing advisor device 10 collects customer data. For example, internally stored customer information such as customer DB, sales information DB, AS information DB, and marketing DB in the CRM system used by the company is collected. In addition, the AI-based marketing advisor device 10 collects various SNS analysis information. The AI-based marketing advisor device 10 automatically subdivides customer information through pre-processing and purification of the collected data. For example, customer characteristics are analyzed and subdivided in various ways such as customer characteristic information, customer characteristic information by product, customer characteristic information by age/region/gender, and customer characteristic information by income/occupation. The AI-based marketing advisor device 10 implements and uses a recommendation algorithm by deriving product-specific characteristics, time-specific characteristics, SNS trends, and customer-specific characteristics together with customer segmentation information. The AI-based marketing advisor device 10 recommends a product that a customer is likely to purchase or extracts and recommends a customer who is likely to purchase the product. The AI-based marketing advisor device 10 may use the extracted customer or product recommendation information for marketing. The AI-based marketing advisor device 10 may continuously strengthen the recommendation function by using data collected through marketing activities such as campaigns again as learning data.

AI 기반 마케팅 어드바이저 장치(10)는 변수 도출부(100), 유사도 분석부(200) 및 추천부(300)를 포함한다.The AI-based marketing advisor device 10 includes a variable derivation unit 100 , a similarity analysis unit 200 , and a recommendation unit 300 .

변수 도출부(100)는 수집된 데이터 항목을 분석하여 마케팅에 필요한 분석 변수를 도출한다. 또한 변수 도출부(100)는 마케팅에 영향을 미칠 만한 분석 변수들을 도출할 수 있다. 예를 들면, 상품별 특성, 시기별 특성, SNS 트렌드, 고객별 특성 등에서 분석 변수를 도출한다. 분석 변수는 일반 변수와 파생 변수이다.The variable derivation unit 100 analyzes the collected data items to derive analysis variables necessary for marketing. Also, the variable derivation unit 100 may derive analysis variables that may affect marketing. For example, analysis variables are derived from product-specific characteristics, period-specific characteristics, SNS trends, and customer-specific characteristics. Analysis variables are general variables and derived variables.

유사도 분석부(200)는 도출한 분석 변수를 기반으로 피어슨 유사도 방법을 적용하여 고객과 상품의 유사도를 산출한다. 유사도 분석부(200)는 고객과 상품의 유사도를 점수로 구현한다. 피어슨 유사도(Pearson Similarity)는 두 변수 간의 상관관계를 분석하는 방법으로 1에 가까울수록 가까운 관계로 정의한다. The similarity analysis unit 200 calculates the similarity between the customer and the product by applying the Pearson similarity method based on the derived analysis variable. The similarity analysis unit 200 implements the similarity between the customer and the product as a score. Pearson similarity is a method of analyzing the correlation between two variables, and the closer to 1, the closer the relationship is defined.

유사도 분석부(200)는 다음의 수학식 1을 이용하여 고객 기준의 유사도를 산출한다.The similarity analysis unit 200 calculates the similarity of the customer standard using Equation 1 below.

Figure pat00001
Figure pat00001

유사도 분석부(200)는 다음의 수학식 2을 이용하여 상품 기준의 유사도를 산출한다.The similarity analysis unit 200 calculates the similarity of the product standard by using Equation 2 below.

Figure pat00002
Figure pat00002

추천부(300)는 산출된 유사도 점수를 이용하여 k-최근접 이웃(KNN:k_Nearest Neighbor) 알고리즘에 상품 특성별 가중치를 적용하여 마케팅 목적에 맞는 고객 또는 상품으로 자동으로 추천한다. k-최근접 이웃(KNN:k_Nearest Neighbor) 알고리즘은 새로운 데이터가 주어졌을 때 기존 데이터 가운데 가장 가까운 k개의 이웃의 정보로 새로운 데이터를 예측하는 딥 러닝 방법이다. 추천부(300)는 마케팅의 목적에 맞게 추천 모델을 생성하고, 추천 모델을 통하여 고객 또는 상품을 추천한다.The recommendation unit 300 applies a weight for each product characteristic to a k-Nearest Neighbor (KNN:k_Nearest Neighbor) algorithm using the calculated similarity score to automatically recommend a customer or product suitable for marketing purposes. The k-Nearest Neighbor (KNN:k_Nearest Neighbor) algorithm is a deep learning method that predicts new data with information of k nearest neighbors among existing data when new data is given. The recommendation unit 300 generates a recommendation model according to the purpose of marketing, and recommends customers or products through the recommendation model.

도 3 내지 도 5는 본 발명의 일 실시 예에 따른 AI 기반 마케팅 어드바이저 장치를 설명하기 위한 예시들이다.3 to 5 are examples for explaining an AI-based marketing advisor device according to an embodiment of the present invention.

도 3은 변수 도출부(100)가 도출한 분석 변수의 예시이고, 도 4는 AI 기반 마케팅 어드바이저 장치가 산출한 유사도 점수의 예시이다.3 is an example of an analysis variable derived by the variable derivation unit 100, and FIG. 4 is an example of a similarity score calculated by the AI-based marketing advisor device.

도 5는 AI 기반 마케팅 어드바이저 장치가 구현한 k-최근접 이웃(KNN:k_Nearest Neighbor) 알고리즘의 구현 로직의 예시이다.5 is an example of the implementation logic of the k-nearest neighbor (KNN:k_Nearest Neighbor) algorithm implemented by the AI-based marketing advisor device.

도6은 본 발명의 일 실시 예에 따른 AI 기반 마케팅 어드바이저 장치(10)가 마케팅 목적에 따른 결과를 도출하는 예시이다.6 is an example in which the AI-based marketing advisor device 10 according to an embodiment of the present invention derives a result according to a marketing purpose.

도 6을 참조하면, AI 기반 마케팅 어드바이저 장치(10)는 마케팅 목적에 따라 특정 상품을 구매할 기능성이 높은 고객들을 추천할 수 있다. 또한 AI 기반 마케팅 어드바이저 장치(10)는 마케팅 목적에 따라 특정 고객이 구매할 확률이 높은 상품을 점수순으로 리스트업하여 추천할 수 있다. Referring to FIG. 6 , the AI-based marketing advisor device 10 may recommend customers with high functionality to purchase a specific product according to a marketing purpose. In addition, the AI-based marketing advisor device 10 may list up products with a high probability of purchase by a specific customer in order of score and recommend them according to the marketing purpose.

도7은 본 발명의 일 실시 예에 따른 AI 기반 마케팅 어드바이저 방법을 설명한 도면이다. 이하 설명하는 각 과정은 AI 기반 마케팅 어드바이저 장치를 구성하는 각 기능부가 수행하는 과정이나, 본 발명의 간결하고 명확한 설명을 위해 각 단계의 주체를 AI 기반 마케팅 어드바이저 장치(10)로 통칭하도록 한다.7 is a diagram illustrating an AI-based marketing advisor method according to an embodiment of the present invention. Each process described below is a process performed by each functional unit constituting the AI-based marketing advisor device, but for the sake of concise and clear explanation of the present invention, the subject of each step is collectively referred to as the AI-based marketing advisor device 10 .

도 7을 참조하면, 단계 S710에서 AI 기반 마케팅 어드바이저 장치(10)는 분석이 필요한 고객의 데이터를 수집한다.Referring to FIG. 7 , in step S710 , the AI-based marketing advisor device 10 collects customer data requiring analysis.

단계 S720에서 AI 기반 마케팅 어드바이저 장치(10)는 마케팅에 필요한 분석변수(Original Variable+Derived Variable)를 정의하고 도출한다.In step S720, the AI-based marketing advisor device 10 defines and derives an analysis variable (Original Variable + Derived Variable) required for marketing.

단계 S730에서 AI 기반 마케팅 어드바이저 장치(10)는 정의된 분석 변수를 기반으로 고객과 상품의 유사도 점수를 산출한다.In step S730, the AI-based marketing advisor device 10 calculates a similarity score between the customer and the product based on the defined analysis variables.

단계 S740에서 AI 기반 마케팅 어드바이저 장치(10)는 산출된 유사도 점수를 기반으로, k-최근접 이웃(KNN) 알고리즘에 상품 특성별 가중치를 적용하여 고객 또는 상품을 추천한다.In step S740, the AI-based marketing advisor device 10 recommends a customer or product by applying a weight for each product characteristic to a k-nearest neighbor (KNN) algorithm based on the calculated similarity score.

도 8및 도9는 본 발명의 일 실시 예에 따른 AI 기반 마케팅 어드바이저 장치가 마케팅의 목적에 따라 딥 러닝 기반 추천 모델을 생성하여 활용하는 예시들이다.8 and 9 are examples in which the AI-based marketing advisor device according to an embodiment of the present invention generates and utilizes a deep learning-based recommendation model according to the purpose of marketing.

도 8을 참조하면, AI 기반 마케팅 어드바이저 장치(10)는 마케팅 목적에 맞게 추천 모델을 구현할 수 있다. 예를 들면 마케팅 목적이 고객이 구매할 가능성이 있는 색다른 상품을 추천하는 것이라고 가정해 보자. 현실적으로 고객은 혜택이 없으면 상품에 대한 평점을 잘 남기지 않는다. 또한 고객에게 진부한 상품을 찾지 않는 성향이 있다. 하지만 고객은 자신의 성향에 전혀 어울리지 않는 상품 역시 구매를 꺼려한다. 이에 AI 기반 마케팅 어드바이저 장치(10)는 주문한 상품에 평점을 기록하지 않는 사용자의 숨겨진 니즈를 발견하여 고객이 구매할 가능성이 있는 색다른 상품을 추천하는 모델을 구현할 수 있다. 마케팅 목적이 구매할 가능성이 있는 색다른 상품을 추천하는 것이므로 AI 기반 마케팅 어드바이저 장치(10)는 상품들의 거리를 계산하여 고객이 주문한 상품에서 가장 떨어진 상품 3개를 추천하는 방식으로 추천 모델을 구현할 수 있다.Referring to FIG. 8 , the AI-based marketing advisor device 10 may implement a recommendation model for marketing purposes. For example, suppose your marketing objective is to recommend a different product that a customer is likely to buy. In reality, customers do not leave good ratings on products without benefits. They also tend not to look for banal products to customers. However, customers are reluctant to purchase products that do not suit their preferences at all. Accordingly, the AI-based marketing advisor device 10 may implement a model that recommends a different product that the customer is likely to purchase by discovering the hidden needs of the user who does not record a rating on the ordered product. Since the marketing purpose is to recommend a different product that is likely to be purchased, the AI-based marketing advisor device 10 may implement a recommendation model in a manner that calculates the distance between the products and recommends three products that are the most distant from the product ordered by the customer.

AI 기반 마케팅 어드바이저 장치(10)는 주문데이터, 상품데이터, 고객데이터를 입력값으로 하고, 출력값은 고객이 구매할 가능성이 있는 색다른 상품 3개를 추출하는 추천 알고리즘을 구현할 수 있다.The AI-based marketing advisor device 10 may implement a recommendation algorithm that takes order data, product data, and customer data as input values and extracts three different products that the customer is likely to purchase as an output value.

추천 알고리즘을 구현하는 방법으로 단계 S810에서 AI 기반 마케팅 어드바이저 장치(10)는 주문데이터, 상품데이터, 고객데이터를 입력값으로 한다.As a method of implementing the recommendation algorithm, the AI-based marketing advisor device 10 uses order data, product data, and customer data as input values in step S810.

단계 S820에서 AI 기반 마케팅 어드바이저 장치(10)는 상품 데이터와 상품설명 데이터를 자연어 처리하여 핵심어를 도출한다. AI 기반 마케팅 어드바이저 장치(10)는 도출한 핵심어 목록을 사용하여 임베딩 방식으로 상품에 대한 벡터 정보를 생성한다.In step S820, the AI-based marketing advisor device 10 derives key words by processing the product data and product description data in natural language. The AI-based marketing advisor device 10 generates vector information about the product in an embedding method using the derived keyword list.

단계 S830에서 AI 기반 마케팅 어드바이저 장치(10)는 벡터의 주성분 분석을 통하여 차원을 축소한다.In step S830, the AI-based marketing advisor device 10 reduces the dimension through the principal component analysis of the vector.

단계 S840에서 AI 기반 마케팅 어드바이저 장치(10)는 차원을 축소한 상품 벡터를 이용하여 상품에 대한 군집화를 실행한다.In step S840, the AI-based marketing advisor device 10 performs clustering on the products using the reduced-dimensional product vector.

단계 S850에서 AI 기반 마케팅 어드바이저 장치(10)는 동일한 상품 군집 내 해당 상품과 다른 상품들의 거리를 계산하여 가장 떨어진 상품 3개를 해당 상품과 연결된 목록으로 생성한다. AI 기반 마케팅 어드바이저 장치(10)가 가장 떨어진 상품 3개를 이용하는 이유는 마케팅의 목적이 고객이 구매할 가능성이 있는 색다른 상품을 추천하려는 것이다.In step S850, the AI-based marketing advisor device 10 calculates the distance between the corresponding product and other products in the same product cluster and generates the three most distant products as a list linked to the corresponding product. The reason why the AI-based marketing advisor device 10 uses the three most distant products is that the purpose of marketing is to recommend a different product that the customer is likely to purchase.

단계 S860에서 AI 기반 마케팅 어드바이저 장치(10)는 고객이 구매할 가능성이 있는 색다른 상품 추천 모델을 생성한다.In step S860, the AI-based marketing advisor device 10 generates a different product recommendation model that the customer is likely to purchase.

도 9를 참조하면, AI 기반 마케팅 어드바이저 장치(10)는 생성된 추천 모델을 이용해 고객이 구매할 가능성이 있는 색다른 상품을 추천할 수 있다.Referring to FIG. 9 , the AI-based marketing advisor device 10 may recommend a different product that the customer is likely to purchase using the generated recommendation model.

단계 S910에서 AI 기반 마케팅 어드바이저 장치(10)는 고객의 주문 데이터를 고객이 구매할 가능성이 있는 색다른 상품 추천 모델의 입력값으로 사용한다.In step S910, the AI-based marketing advisor device 10 uses the customer's order data as an input value of a different product recommendation model that the customer is likely to purchase.

단계 S920에서 AI 기반 마케팅 어드바이저 장치(10)는 고객이 구매할 가능성이 있는 색다른 상품 추천 모델로 딥 러닝하여 고객이 구매한 상품과 연결된 3개의 상품을 추천받는다.In step S920, the AI-based marketing advisor device 10 receives three product recommendations connected to the product purchased by the customer by deep learning with a different product recommendation model that the customer is likely to purchase.

단계 S920에서 AI 기반 마케팅 어드바이저 장치(10)는 고객이 구매할 가능성이 있는 색다른 상품 추천 모델을 통해 추천된 3개의 상품을 출력값으로 고객에게 제공할 수 있다. 이렇게 AI 기반 마케팅 어드바이저 장치(10)는 마케팅의 목적에 따라 딥 러닝 기반 추천 모델을 생성하여 활용할 수 있다.In step S920, the AI-based marketing advisor device 10 may provide the customer with three products recommended through a different product recommendation model that the customer is likely to purchase as output values. In this way, the AI-based marketing advisor device 10 may generate and utilize a deep learning-based recommendation model according to the purpose of marketing.

상술한 AI 기반 마케팅 어드바이저 방법은 컴퓨터가 읽을 수 있는 매체 상에 컴퓨터가 읽을 수 있는 코드로 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체는, 예를 들어 이동형 기록 매체(CD, DVD, 블루레이 디스크, USB 저장 장치, 이동식 하드 디스크)이거나, 고정식 기록 매체(ROM, RAM, 컴퓨터 구비형 하드 디스크)일 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체에 기록된 상기 컴퓨터 프로그램은 인터넷 등의 네트워크를 통하여 다른 컴퓨팅 장치에 전송되어 상기 다른 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 다른 컴퓨팅 장치에서 사용될 수 있다.The above-described AI-based marketing advisor method may be implemented as a computer-readable code on a computer-readable medium. The computer-readable recording medium may be, for example, a removable recording medium (CD, DVD, Blu-ray disk, USB storage device, removable hard disk) or a fixed recording medium (ROM, RAM, computer-equipped hard disk). can The computer program recorded in the computer-readable recording medium may be transmitted to another computing device through a network, such as the Internet, and installed in the other computing device, thereby being used in the other computing device.

이상에서, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위안에서라면, 그 모든 구성요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다.In the above, even though all the components constituting the embodiment of the present invention are described as being combined or operated in combination, the present invention is not necessarily limited to this embodiment. That is, within the scope of the object of the present invention, all the components may operate by selectively combining one or more.

도면에서 동작들이 특정한 순서로 도시되어 있지만, 반드시 동작들이 도시된 특정한 순서로 또는 순차적 순서로 실행되어야만 하거나 또는 모든 도시 된 동작들이 실행되어야만 원하는 결과를 얻을 수 있는 것으로 이해되어서는 안 된다. 특정 상황에서는, 멀티태스킹 및 병렬 처리가 유리할 수도 있다. 더욱이, 위에 설명한 실시 예 들에서 다양한 구성들의 분리는 그러한 분리가 반드시 필요한 것으로 이해되어서는 안 되고, 설명된 프로그램 컴포넌트들 및 시스템들은 일반적으로 단일 소프트웨어 제품으로 함께 통합되거나 다수의 소프트웨어 제품으로 패키지 될 수 있음을 이해하여야 한다.Although acts are shown in a specific order in the drawings, it should not be understood that the acts must be performed in the specific order or sequential order shown, or that all shown acts must be performed to obtain a desired result. In certain circumstances, multitasking and parallel processing may be advantageous. Moreover, the separation of the various components in the embodiments described above should not be construed as necessarily requiring such separation, and the described program components and systems may generally be integrated together into a single software product or packaged into multiple software products. It should be understood that there is

이제까지 본 발명에 대하여 그 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 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.So far, the present invention has been looked at focusing on the embodiments thereof. Those of ordinary skill in the art to which the present invention pertains will understand that the present invention can be implemented in a modified form without departing from the essential characteristics of the present invention. Therefore, the disclosed embodiments should be considered in an illustrative rather than a restrictive sense. The scope of the present invention is indicated in the claims rather than the foregoing description, and all differences within the scope equivalent thereto should be construed as being included in the present invention.

10: AI 기반 마케팅 어드바이저 장치
100: 변수 도출부
200: 유사도 분석부
300: 추천부10: AI-based Marketing Advisor Device
100: variable derivation unit
200: similarity analysis unit
300: recommendation

Claims (7)

AI 기반 마케팅 어드바이저 장치에 있어서,
상기 고객 데이터를 분석하여 마케팅에 필요한 분석 변수를 도출하는 변수 도출부;
상기 분석 변수를 기반으로 고객과 상품의 유사도 점수를 산출하는 유사도 분석부 및
상기 유사도 점수를 이용해 마케팅 목적에 맞는 고객 또는 상품을 추천하는 추천부를 포함하는 AI 기반 마케팅 어드바이저 장치.
In the AI-based marketing advisor device,
a variable derivation unit for deriving an analysis variable necessary for marketing by analyzing the customer data;
a similarity analysis unit that calculates a similarity score between a customer and a product based on the analysis variable; and
AI-based marketing advisor device including a recommender for recommending a customer or product suitable for marketing purposes using the similarity score.
 제1 항에 있어서,
상기 변수 도출부는
상기 고객 데이터에서 마케팅에 필요한 일반 변수와 파생 변수 중 하나 이상을 정의하는 AI 기반 마케팅 어드바이저 장치.
According to claim 1,
The variable derivation unit
An AI-based marketing advisor device that defines at least one of a general variable and a derived variable required for marketing in the customer data.
 제1 항에 있어서,
상기 추천부는
마케팅 목적에 맞는 추천 알고리즘을 생성하는 AI 기반 마케팅 어드바이저 장치.
According to claim 1,
The recommendation is
An AI-based marketing advisor device that generates a recommendation algorithm for marketing purposes.
 AI 기반 마케팅 어드바이저 방법에 있어서,
마케팅을 위한 분석에 필요한 고객 데이터를 수집하는 단계;
마케팅을 위한 분석 변수를 도출하는 단계;
상기 분석 변수를 기반으로 유사도를 산출하는 단계 및
상기 유사도를 기반으로 고객 또는 상품을 추천하는 단계를 포함하는 AI 기반 마케팅 어드바이저 방법.
In the AI-based marketing advisor method,
collecting customer data necessary for analysis for marketing;
deriving analysis variables for marketing;
calculating a similarity based on the analysis variable; and
AI-based marketing advisor method comprising the step of recommending a customer or product based on the similarity.
 제4항에 있어서,
상기 마케팅을 위한 분석 변수를 도출하는 단계는
상기 고객 데이터를 이용해 마케팅에 필요한 일반 변수와 파생 변수 중 어느 하나 이상을 정의하고 도출하는 AI 기반 마케팅 어드바이저 방법.
5. The method of claim 4,
The step of deriving analysis variables for the marketing is
An AI-based marketing advisor method that uses the customer data to define and derive any one or more of general and derived variables required for marketing.
 제4항에 있어서,
상기 유사도를 기반으로 고객 또는 상품을 추천하는 단계는
k-최근접 이웃 알고리즘을 이용하는 AI 기반 마케팅 어드바이저 방법.
5. The method of claim 4,
The step of recommending a customer or product based on the similarity
AI-based marketing advisor method using k-nearest neighbor algorithm.
 제4 항 내지 제 6 항에 AI기반 마케팅 어드바이저 방법 중 어느 하나를 실행하고 컴퓨터가 판독 가능한 기록매체에 기록된 컴퓨터 프로그램.

A computer program recorded in a computer-readable recording medium executing any one of the AI-based marketing advisor methods according to claims 4 to 6.
KR1020190176655A 2019-12-27 2019-12-27 Device and method for marketing advisor based on artificial intelligence KR20210083897A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190176655A KR20210083897A (en) 2019-12-27 2019-12-27 Device and method for marketing advisor based on artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190176655A KR20210083897A (en) 2019-12-27 2019-12-27 Device and method for marketing advisor based on artificial intelligence

Publications (1)

Publication Number Publication Date
KR20210083897A true KR20210083897A (en) 2021-07-07

Family

ID=76862197

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190176655A KR20210083897A (en) 2019-12-27 2019-12-27 Device and method for marketing advisor based on artificial intelligence

Country Status (1)

Country Link
KR (1) KR20210083897A (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102611482B1 (en) * 2022-09-26 2023-12-07 김보미 Method and system for providing marketing strategy model based on big data

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102611482B1 (en) * 2022-09-26 2023-12-07 김보미 Method and system for providing marketing strategy model based on big data

Similar Documents

Publication Publication Date Title
Bahnsen et al. A novel cost-sensitive framework for customer churn predictive modeling
US10860634B2 (en) Artificial intelligence system and method for generating a hierarchical data structure
Mishra et al. Business intelligence using data mining techniques and business analytics
Earley There is no AI without IA
Mahoto et al. An Intelligent Business Model for Product Price Prediction Using Machine Learning Approach.
Abakouy et al. Data-driven marketing: How machine learning will improve decision-making for marketers
KR20210083897A (en) Device and method for marketing advisor based on artificial intelligence
Suguna et al. Customer segment prognostic system by machine learning using principal component and linear discriminant analysis
Anusha et al. Segmentation of retail mobile market using HMS algorithm
KR20140146437A (en) Apparatus and method for forecasting business performance based on patent information
US20240062264A1 (en) Ai- backed e-commerce for all the top rated products on a single platform
KR20200103367A (en) Hybrid recommendation system and method
JP7153422B2 (en) Prediction of Concept Prediction for Medium
Jain et al. Application of association rule mining in a clothing retail store
Roselin et al. Customer Behaviour Analysis for Credit Card Proposers Based on Data Mining Techniques
Senanayake et al. Customer Churn Prediction: A Cognitive Approach
KR20220093738A (en) Device and method for product recommendation using deep learning
Sato et al. Using mixed integer optimisation to select variables for a store choice model
JP7227412B1 (en) Information processing system, computer program, and information processing method
Murugan et al. Unveiling The Evolution: Impact Of Artificial Intelligence On Consumer Buying Behaviors In Online Retail Purchase
Praveen et al. Big Mart Sales using Hybrid Learning Framework with Data Analysis
KR20190096534A (en) Method and apparatus for generating customer statistical analysis data
JP5974868B2 (en) Clustering program, clustering method, and clustering apparatus
Shukla et al. DERIV: Distributed in-memory brand perception tracking framework
Prasad et al. Targeted advertising in the online video space