KR20220015860A

KR20220015860A - 인공 지능 코디네이터 플랫폼의 방법과 시스템

Info

Publication number: KR20220015860A
Application number: KR1020200096444A
Authority: KR
Inventors: 권혁민
Original assignee: 권혁민
Priority date: 2020-07-31
Filing date: 2020-07-31
Publication date: 2022-02-08

Abstract

서비스 이용자가 구매하고 싶은 패션 상품을 모바일, PC의 카메라를 이용해 촬영 또는 저장된 패션 상품을 업로드 하면 유사 이미지 검색을 통해 유사 상품의 쇼핑 목록을 리스트로 이용자에게 플랫폼을 통해 제공하거나 또는 TPO(시간.장소.상황)를 선택하고 TPO에 맞는 패션 상품의 이미지를 여러 장 제안해 선택 또는 또래 집단이나 최근 트랜드한 패션 상품 이미지를 여러 장 제안해 원하는 이미지를 선택하면 유사 이미지 검색을 통해 유사 상품의 쇼핑 목록을 리스트로 제공한다.
플랫폼에는 입점 브랜드나 상품이 나열되어 있지 않으며 원하는 상품을 입력할 경우에 원하는 상품을 찾아 쇼핑 리스트로 제안하는 플랫폼이다.
판매자 입장에서는 고객이 원하는 상품과 유사한 상품을 제안하는 것으로 구매 전환의 가능성이 높다.
이용자가 제공한 원하는 상품 정보는 구매 전환을 위한 필수 정보로 정보 가치가 높으며 이에 대한 보상이 따른다. 고객 관심 정보에 대한 보상이다.
플랫폼은 고객이 원하는 상품 정보를 이미지로 선택하도록 하고 인공지능을 활용해 유사한 상품을 판별해 추천 상품 리스트를 생성 고객에게 제안하고 원하는 상품이 있는 경우 해당 상품의 온라인 쇼핑몰로 연결한다.
초기 플랫폼 활성화를 위해 상품 리스트를 수집해 제공한다. 판매를 원하는 누구든 자신의 상품 이미지를 업로드, 판매 경로 URL입력시 유사 상품 검색 서비스를 위한 상품 후보로 이용자 고객에게 제공될 수 있다.
판매 참여를 위해 상품 이미지 업로드시 사전 학습된 인공지능을 통한 상품 판별 결과를 패션 카테고리 체계대로 결과를 보여준다. 직접 입력할 항목을 인공지능으로 대체하고 동일한 관점으로 상품을 분류해 이용자에게 정확한 분류 기준을 제공한다. 인공 지능 판단 결과가 오분류라고 판단될 경우 결과 값을 변경하게 하며 오분류 값은 전이 학습을 통한 재학습 재료로 사용해 인공지능의 정확도 향상에 기여된다.
본 발명은 플랫폼 서비스 이용자는 수많은 상품을 찾아 다니는 것이 아니라 원하는 상품 이미지만으로 유사한 브랜드 상품 리스트를 제안 받게 되며 이런 관심 정보 등록에 대해 구매 완료 시 보상을 받게 된다. 판매자는 고객의 구매 희망 상품을 알고 제안했기에 구매 성공율이 높다. 플랫폼 사업자는 핵심 인공 지능의 개선을 사전 데이터 선처리의 비용 발생 없이 진전시킬 수 있다. 이용자와 판매자가 많아 질수록 더 많은 자발적 상품의 등록은 빅데이터 수집을 대체하게 된다. 또한 구매 연결 가능성이 높은 요인을 분석해 고객의 구매 만족도 향상과 판매자의 효과적 마케팅 집행을 지원할 수 있다.

Description

인공 지능 코디네이터 플랫폼의 방법과 시스템 { Methods and systems of the A.I(Artificial Intelligence) coordinator platform }

본 발명의 실시 예는 고객이 상품 사진을 업로드 또는 제안된 상품 사진을 선택하면 가장 유사한 상품을 찾아 온라인 쇼핑몰로 연결해 주는 것과 판매자가 자신의 상품을 등록하고 인터넷 판매 주소를 저장하면 유사한 이미지일 경우 연결해 준다. 고객의 핵심 정보 제공에 대해 판매자는 정보 이용 보상이 따른다. 고객은 많은 상품을 찾아 다니지 않아도 되고 판매자도 불특정 고객 마케팅이 아닌 원하는 고객만 대상으로 직접 마케팅이 가능한 인공 지능 코디네이터 플랫폼의 방법과 시스템에 관한 것이다.

인공지능의 발전으로 패션 상품의 이미지 만으로도 유사한 이미지를 판별하고 유사도 판단이 가능하며, 빅데이터 수집과 데이터 처리 기술의 발전으로 다양한 패션 상품을 수집, 저장해 다양한 패션 상품 중 유사한 이미지를 찾아 제공하는 서비스가 가능하다.

소비자는 수많은 상품을 찾아 다니지 않아도 자신이 원하는 스타일의 상품 이미지 등록만으로도 유사한 상품의 리스트를 받아 볼 수 있다.

고객 구매 희망 상품 정보는 구매 성공에 있어 가치가 높은 정보로 구매 성공 시 정보 사용에 대한 보상을 판매자는 이용자에게 제공한다.

이용자 판매자간 이런 보상 체계는 BLOCK CHAIN 기반에 기록되어 관리되어 투명성을 높인다.

판매자로 자신의 등록 상품을 등록할 때 이미 인공지능 분류 기술로 패션 카테고리 분류 체계에 맞는 대-중-소 판단을 제공하지만 등록 시 승인 절차를 통해 오.분류라고 판단 시 수정해 확정할 수 있다. 이런 경우에 인공 지능의 재.학습 DATA로 전이 학습으로 인공지능의 정확도를 높이는 방법이 된다. 플랫폼에 장착된 인공지능의 정확도 향상을 위한 선순환 연결 고리가 가능하다.

초기 시장 형성과 고객 서비스를 위해 브랜드 상품 정보를 수집해 제공하고 판매자의 간편한 상품 등록 환경으로 자발적 상품 등록을 확대해 상호 규모의 상승 작용을 만들어 플랫폼 성장의 선순환 동력이 되도록 한다.

본 발명은 서비스 이용자가 수많은 상품 정보를 검색하는 현재 플랫폼 구매 환경을 인공 지능 코디네이터를 통해 구매 희망 상품을 쇼핑 상품 리스트로 제공해 과다 정보로부터 원하는 정보에 손쉽게 접근하도록 해 구매 편의성을 획기적으로 개선하고자 한다.

판매자는 누구나 참여해 고객이 원하는 유사한 상품이라면 고객에게 제안될 수 있으며, 구매 가능성이 높은 고객을 연결 받을 수 있다.

구매하고자 희망하는 상품 이미지는 판매자 입장에서 고급 정보이며 이에 대한 보상을 하더라도 구매 전환율이 높다면 어떤 마케팅 채널 보다도 선호될 수 있다.

정보 이용에 대한 보상을 제공자인 이용자가 받도록 해서 정보 소유권에 따른 보상을 이용자에게 준다.

판매자 유사 이미지 검색 상품군 등록의 절차를 최소화하고 번잡한 상품 등록의 과정을 인공지능 통해 판별한 결과 값을 우선 제공하고 등록 확정시 오.분류라고 판단되면 수정해 확정하도록 한다.

플랫폼의 인공 지능 진화를 위해 자발적 참여자의 오.분류 확인의 개선 과정을 진화의 순환 고리로 시스템화 한다. 반응 데이터가 누적되면 트랜드 제안, 또래 집단 선호 상품, 브랜드등의 맞춤 추천으로 개인화된 고객서비스를 지원한다.

상기한 바와 같은 목적을 달성하기 위한 본 발명에 따른 인공 지능 코디네이터 플랫폼의 방법과 시스템은 패션관련 온라인 판매 플랫폼과 SNS상을 통해 수집되는 문자,숫자,이미지 수집/저장부 : 수집된 정보중 패션 이미지 데이터는 패션 분류 체계로 학습된 인공 지능 모델을 통한 인공지능 이미지 판별부 : 수집된 문자,숫자데이터에 패션 복종, 아이템, 구분자별 집계와 순위를 위한 문자,숫자 데이터 가공부 : 이미지와 문자 숫자의 원천 데이터와 가공 데이터 연결과 사용자별 필터 적용을 위한 구분자를 구성하는 분석 원천 데이터 저장/관리부 : 고객의 관심 상품과 제안한 판매자의 연결과 구매가 성공되었을 때 기록,저장 관리 하는 고객 관심 등록,판매자 연결부 ; 이용자가 구매 희망하는 상품을 직접 등록 또는 TPO, 또래 집단 선호 상품, 핫 트랜드로 제안해 원하는상품 이미지를 선택하도록 하는 고객 희망 추천 상품 등록, 상품 추천, 구매 연결부 ; 패션 이미지와 온라인 판매 URL을 직접 등록하고 관리하는 판매자 상품 등록/관리부 : 고객의 관심 상품과 제안한 판매자의 연결과 구매가 성공되었을 때 기록,저장 관리 하는 고객 관심 등록, 판매자 연결부 ; 고객 조회 패션 이미지와 유사한 상품을 제안한 경우 선택한 상품, 인터넷 쇼핑몰로 연결한 목록을 저장하는 고객, 판매자 반응 데이터 저장부 : 고객별로 선호하는 브랜드, 또는 패션 유형을 분석, 연령, 성별, 지역별등의 고객군별로 상품 선택의 유형을 분석하는 고객, 판매자 반응 데이터 분석부를 포함하는 것을 특징으로 한다.

또한, 상기 문자, 숫자, 이미지 수집/저장부는, 패션 상품별 상품명, 가격, 실제 가격, 판매수량, 재고 정보, 고객 반응 ( 댓글,리트윗,추천 ) 등의 정보를 관계형 데이터 베이스 구조의 테이블 형태의 문자,숫자 추출/저장 모듈 ; 패션 상품의 이미지는 테이블 형태의 데이터와 연결하기 위한 연결자 ( PRIMARY KEY ) 를 파일명으로 한 이미지 추출/저장 모듈 ; 을 포함할 수 있다.

또한, 상기 인공지능 이미지 판별부는, 이미지 판별을 위한 판별 목표값을 패션에 적합한 라벨값으로 분류한 목표값을 분류 체계로 관리하기 위한 지도학습 라벨 관리 모듈 ; Faster RCNN 모델을 사용. 데이터의 선처리와 머신러닝 학습을 위한 머신러닝 CNN 학습 모듈 ; 목표값의 정확도를 높이기 위한 오답된 이미지의 재 학습과 전이 학습 과정을 포함한 머신러닝 CNN 재학습 모듈; 을 포함할 수 있다.

또한, 상기 문자, 숫자 데이터 가공부는, 수집된 원천 정보를 분석을 위한 기본 단위로 처리하는 분류 체계별 가공 모듈 ; 수집은 브랜드 단위, 유명인(파워 블로그, 파워 유투버, 파워 SNS 유저) 단위로 구분 또는 동일 기준으로 묶어서 분류할 수 있는 수집 단위별 순위화 모듈 ; 을 포함할 수 있다.

또한, 상기 분석 원천 데이터 저장/관리부는 , 위 상기 이미지 판별부와 문자,숫자 데이터 가공부의 결과를 연결자 ( PRIMARY KEY )로 통합하는 이미지,문자,숫자 연결 모듈 ; 연결된 데이터를 정기, 동일 관점으로 데이터 베이스 처리화 하는 분석 항목 관리 모듈 ; 사용자별로 타겟팅 하고자 하는 구분자와 아이템 정보에 접근하도록 하는 사용자 권한 모듈 ; 을 포함할 수 있다.

또한, 상기 고객 희망 상품 등록, 상품 추천, 구매 연결부는, 고객이 구매를 희망하는 상품을 이미지를 등록, 원하는 상품을 선택하도록 하고 등록된 희망 상품과 유사한 상품을 쇼핑 추천 리스트로 지원한다.

고객이 상품을 직접 촬영 또는 저장된 상품을 업로드해서 원하는 상품을 직접 등록하는 희망 상품 등록 모듈 ; ,플랫폼을 통해 TPO, 또래 집단 선호 상품, 핫 트랜드의 이미지를 제공받아 선택해 구매 희망 상품을 등록하는 희망 상품 선택 모듈 ; 등록된 상품에 따라 유사도 판단을 통해 고객에게 제공되는 쇼핑 추천 리스트를 제공 하는 추천 상품 조회,연결 모듈 ; 을 포함할 수 있다.

또한, 상기 판매자 상품 등록/관리부는, 패션 이미지와 온라인 판매 URL을 직접 등록하고 관리한다. (2개 합칠 것 ) 판매자가 상품을 서비스 이용자에게 노출하기 위해 등록하고 등록된 사진은 플랫폼내 인공지능을 통해 판별한 결과값을 제공하여 이를 보고 판매자가 확인, 확정하는 사진 관리/확정 모듈 ; 판매자가 등록된 사진을 재 조회 하고 관리할 수 있도록 하는 사진 등록 이력 저장 모듈 ; 고객에게 제공한 상품과 구매가 이뤄진 상품을 관리하는 구매 연결을 관리 하는 구매 연결 관리 모듈; 을 포함할 수 있다.

또한 고객 관심 등록, 판매자 연결부는 , 고객의 구매 상품 등록에 대한 정보 제공에 대한 보상을 위해 고객 관심 정보와 구매 연결이 된 판매자 이력 정보를 투명한 BLOCK CHAIN에 이력을 관리한다. 고객 관심 등록 관리 이력 (710) , 판매자 등록 관리 이력(720), 고객-판매자 구매 성공 이력(730)을 포함한다.

고객이 원하는 상품 이력을 저장, 관리하는 고객 관심 등록 관리 이력 모듈 ; 고객이 원한 상품과 유사해 고객에게 제공되어진 판매자와 판매자의 제품이 저장, 관리 하는 판매자 등록 관리 이력 모듈 ; 고객에게 제공된 쇼핑 리스트에서 선택되어 구매가 성공한 구매 이력을 관리하는 고객-판매자 구매 성공 이력 모듈; 을 포함할 수 있다.

또한, 상기 고객, 판매자 반응 데이터 저장부는, 고객 조회 패션 이미지와 유사한 상품을 제안한 경우 선택한 상품, 인터넷 쇼핑몰로 연결한 목록을 저장한다. 고객이 조회한 상품 사진을 관리하는 고객 조회 관리 모듈 ; 판매자가 등록한 상품 사진을 관리하는 판매자 등록 관리 모듈 ; 고객이 조회하고 온라인 쇼핑몰로 연결한 데이터를 관리하는 판매자 연결 기록 관리 모듈 ; 을 포함할 수 있다.

또한, 상기 고객, 판매자 반응 데이터 분석부는, 고객별로 선호하는 브랜드, 또는 패션 유형을 분석, 연령, 성별, 지역별등의 고객군별로 상품 선택의 유형을 분석한다. 고객의 성별, 연령별에 따라 구분 집계되어 분석, 관리 되는 고객 특징별 분석 모듈 ; 판매자 연결도와 복종, 컨셉 특징에 따라 구분 집계되어 분석, 관리 되는 판매자 분석 모듈 ; 고객과 판매자의 구매 연결 또는 추천 고객과 판매자를 교차로 분석해 구분 집계되어 분석, 관리 되는 고객 X 판매자 교차 분석 모듈 ; 을 포함할 수 있다.

패션 사업에 BIG.DATA와 인공지능을 적용해 인공지능 코디네이터 서비스를 제공 고객의 구매 편의성의 개선 효과와 고객 정보 사용에 대한 고객 정보 권리를 인정해 보상하는 소비자 정보 주권 확보 효과와 플랫폼의 인공 지능 진전을 위한 선순환 피드백 고리가 가능한 도구라는 점에서 혁신, 선진, 창의성을 가진다.

판매자는 고객이 원하는 것을 정확하게 알고 제안하기에 구매 전환율을 높일 새로운 마케팅 채널이 될 수 있다.

판매자의 상품 등록 과정중 확정 절차를 통한 확인의 과정으로 인공지능 분류의 오류를 판매자가 확인하며 이 과정은 재학습을 통해 플랫폼 구성의 인공지능의 진전을 기대할 수 있다. 현재 인공지능의 가장 큰 난제가 결과값의 결정과 데이터의 수집과 결과갑의 라벨링 부분으로 이 부분을 해결할 획기적 대안이 된다.

또한 서비스 이용자. 판매자의 규모 증가에 따라 누적될 반응 데이터는 트랜드 현황 파악, 트랜드 예측, 판매자 제안, 또래 집단 선호 상품 분석으로 고객 개별화 서비스가 된다.

도 1은 본 발명에 따른 인공지능 코디네이터 플랫폼의 방법과 시스템에 대한 구성도이다.
도 2은 본 발명에 따른 문자,숫자,이미지 수집/저장부의 구성도이다.
도 3은 본 발명에 따른 인공지능 이미지 판별부의 구성도이다.
도 4은 본 발명에 따른 문자,숫자 데이터 가공부의 구성도 이다.
도 5은 본 발명에 따른 분석 원천 데이터 저장/관리부의 구성도이다.
도 6은 본 발명에 따른 고객 희망 상품 등록, 상품 추천,구매 연결부의 구성도이다.
도 7은 본 발명에 따른 판매자 상품 등록/관리부의 구성도이다.
도 8은 본 발명에 따른 고객 관심 등록, 판매자 연결부이다.
도면 9은 본 발명에 따른 고객,판매자 반응 데이터 저장부이다.
도면 10 본 발명에 따른 고객, 판매자 반응 데이터 분석부이다.
도면 11 본 발명에 따른 인공지능 코디네이터 플랫폼의 방법과 시스템의 개념도이다.
도면 12 본 발명에 따른 이용자 희망 상품 등록 방법에 대한 가시화 예시도이다.
도면 13 본 발명에 따른 판매자 상품 등록 / 관리부의 가시화 예시도 이다.
도면 14 본 발명에 따른 따른 패션 카테고리 분류 체계도이다.

이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 상세히 설명한다. 우선 도면들 중 동일한 구성요소 들은 가능한 동일한 참조 부호를 나타내고 있음에 유의해야 한다.

도 1은 본 발명의 실시 예에 따른 인공 지능 코디네이터 플랫폼의 방법과 시스템 제공 장치의 구성도이다.

본 발명에 따른 인공 지능 코디네이터 플랫폼의 방법과 시스템은 도1에 도시된 바와 같이, 문자,숫자,이미지 수집/저장부(100) , 인공지능 이미지 판별부(200) , 문자,숫자 데이터 가공부(300) , 분석 원천 데이터 저장/관리부(400) , 고객 희망 상품 등록, 상품 추천, 구매 연결부 (500) , 판매자 상품 등록/관리부(600), 고객 관심 등록,판매자 연결 (700), 고객,판매자 반응 데이터 저장부(800), 고객,판매자 반응 데이터 분석부(900) 을 포함한다.

이런 서비스를 가시화하면 도 11, 인공 지능 코디네이터 플랫폼의 방법과 시스템의 개념도와 같다.

도 2은 본 발명에 따른 문자, 숫자, 이미지 수집/저장부의 구성도이다.

본 발명에 따른 문자, 숫자, 이미지 수집/저장부는 도2에 도시된 바와 같이 , 문자,숫자 추출/저장 모듈 (110), 이미지 추출/저장 모듈(120)을 포함한다.

상기 문자, 숫자, 이미지 수집/저장부는 빅데이터를 그 특징에 따라 이미지와 문자, 숫자로 구분해 수집, 저장한다.

도 3은 본 발명에 따른 인공지능 이미지 판별부의 구성도이다.

본 발명에 따른 인공지능 이미지 판별부는 도3에 도시된 바와 같이 지도학습 라벨 관리 모듈 (210), 머신러닝 이미지 인식 합성곱 신경망 ( CNN : Convolutional Neural Network ) 학습 모듈 (220) , 머신러닝 CNN( Convolutional Neural Network ) 재학습 모듈 (230)을 포함한다.

상기 지도학습 라벨 관리 모듈 (210)은 인공지능 이미지 판별 학습을 위한 머신러닝의 지도학습에 라벨값(목표값)으로 사용된다. 이미지를 입력 받았을 때 분류체계에 따라 판단하도록 지도학습이 되며 이 라벨값은 패션에 적합한 기준으로 정리한다.

라벨값은 카테고리 체계인 대-중-소 분류체계와 동일하며 그 체계는 도 14. 패션 카테고리 분류체계도와 같다.

상기 머신러닝 CNN( Convolutional Neural Network ) 학습 모듈 (220)은 인공 지능을 통한 판별 모델은 대 1개, 중 4개, 소 13개로 각각 구분해 학습 한다. 이미지 한장을 판단하기 위해 대-중-소 단계로 이미지를 분류한다. 대분류에서 outer 분류시 중분류 단계에서는 COAT,JACKET

,JUMPER,JUMPER_ PARKA,VEST중 한가지로 분류되며 만약 COAT로 분류되었다면 COAT안에 소 분류중 분류하게 된다. 결국 범주에 따라 판별을 좁혀 가면서 인공지능을 통한 이미지 정확도를 높이는 것이다.

상기 머신러닝 CNN 재학습 모듈 (230)은 판단의 결과가 사람이 판단할 때 다른 경우에 오 분류된 이미지는 별도로 다시 인공 지능의 전이 학습 자료로 다시 사용한다.

판매자 상품 등록/관리부(600) 구성도의 사진 관리/확정 모듈 (610) 을 통해 오.분류 판단한 이미지는 머신러닝 CNN 재.학습 모듈 (230)의 재.학습 데이터로 활용된다.

도 4은 본 발명에 따른 문자, 숫자 데이터 가공부의 구성도이다.

본 발명에 따른 문자, 숫자 데이터 가공부는 도4에 도시된 바와 같이 분류 체계별 가공 모듈 (310) , 수집 단위별 순위화 모듈 (320)을 포함한다.

상기 분류 체계별 가공 모듈 (310) 은 패션 카테고리 분류 체계 ( 대-중-소 )로 각 분류마다 스타일수, 판매수량,재고 수량, 고객 반응 정보( 좋아요,댓글,리트윗) 등의 합계와 크기에 따른 순위를 사전 구성한다.

상기 수집 단위별 순위화 모듈 (320) 은 수집 데이터가 브랜드, 판매자, 컨셉별, 임의 그룹핑별로 스타일수, 판매 수량, 재고 수량, 고객 반응 정보( 좋아요,댓글,리트윗) 등의 합계와 크기에 따른 순위를 사전 구성한다.

도 5은 본 발명에 따른 분석 원천 데이터 저장/관리부의 구성도이다.

본 발명에 따른 분석 원천 데이터 저장/관리부는 도5에 도시된 바와 같이 이미지, 문자, 숫자 연결 모듈 (410) , 분석 항목 관리 모듈 (420) , 사용자 권한 모듈 (430)을 포함한다.

상기 이미지, 문자, 숫자 연결 모듈 (410)은 데이터의 성질에 따라 이미지 판별부 (200)과 문자,숫자,데이터 가공부(300) 을 통해 나온 결과를 연결자 ( PRIMARY KEY ) 로 연결하여 데이터를 통합한다.

상기 분석 항목 관리 모듈 (420)은 이 서비스와 시스템 이용자에 맞도록 분석의 단위를 결정하는 것이다. 이용자의 요구에 특정 상품의 아이템만 분류할 경우 또는 특정 브랜드, 특정 복종만을 대상으로 핵심 경쟁 범위로 분석하도록 구성한다.

상기 사용자 권한 모듈 (430)은 제공할 서비스의 종류중 이용자가 사용하고자 하는 항목만 서비스 항목으로 제공되어 지도록 구성하는 것이다. 상기 분석 항목 관리 모듈 (420)을 사용자별로 관리한다. 이때 권한과 권한의 기간을 같이 관리하도록 구성한다.

도 6은 본 발명에 따른 고객 희망 상품 등록, 상품 추천,구매 연결부이다. .

본 발명에 따른 고객 희망 상품 등록, 상품 추천,구매 연결부는 도6에 도시된 바와 같이 희망 상품 등록 모듈 (510) , 희망 상품 선택 모듈 (520) , 추천 상품 조회,연결 모듈 (530)을 포함한다

이런 서비스도는 도12. 이용자 희망 상품 등록 방법에 대한 가시화 예시도와 같다.

상기 희망 상품 등록 모듈 (510)은. 고객이 상품을 직접 촬영 또는 저장된 상품을 업로드해서 원하는 상품을 등록하는 희망 상품 등록 모듈을 포함한다.

상기 희망 상품 선택 모듈 (520)은, 플랫폼을 통해 TPO ( 생일,파티,졸업,입학,데이트,관람,출근등 )를 선택하면 TPO에 맞는 이미지를 여러 장 보여주고 선택, 또래 집단이 선호하는 상품을 보여주고 선택 , 핫 트랜드의 이미지를 여러 장 보여주고 선택해 구매 희망 상품을 등록하는 희망 상품 선택 모듈을 포함한다.

상기 추천 상품 조회, 연결 모듈 (530)은, 등록된 상품에 따라 유사도 판단을 통해 고객에게 제공되는 쇼핑 추천 리스트를 제공하는 추천 상품 조회, 연결 모듈을 포함한다.

도 7은 본 발명에 판매자 상품 등록/관리부의 구성도이다.

본 발명에 따른 패션 판매자 관리부는 도7에 도시된 바와 같이 사진 관리/확정 모듈 (610), 사진 등록 이력 저장 모듈 (620) , 구매 연결 관리 모듈 (630) 을 포함한다.

인공지능의 지도 학습은 타겟값 (라벨 )이 정확도 이미지가 필요하다. 이에 대한 학습 데이터가 참여자를 통해 직접 수집되고 조정되기에 머신러닝 학습을 위한 사전 데이터 처리의 과정을 단축할 수 있으며 규모가 증가할수록 인공지능 정확도를 향상의 기회를 만든다.

이런 서비스는 도13. 판매자 상품 등록/관리부의 가시화 예시도와 같다.

상기 사진 관리/확정 모듈 (610)은, 판매를 목적으로 상품을 등록하기 위해 이미지 업로드, 상품의 패션 카테고리 값 확정과 인터넷 상품 판매의 URL을 입력하는 과정을 판매자가 직접 진행하는 사진 관리와 등록 사진은 판매자 등록 편의성을 위해 제품의 패션 카테고리 (대-증-소) 분류는 사전 정의된 패션 카테고리로 머신러닝으로 학습된 인공지능을 통해 결과값을 주고 해당 카테고리 안에서 수정하도록 한다. 본 발명에 따른 도13. 패션 카테고리 분류 체계도에 따라 분류한다. 결과가 오.분류라고 생각되는 경우에 직접 적합한 패션 카테고리로 변경 후 확정하는 사진 확정의 사진 관리 /확정 모듈을 포함한다.

상기 사진 등록 이력 저장 모듈 (620)은 판매자가 등록한 패션 상품의 사진과 등록 정보의 이력을 관리하는 사진 등록 이력 저장 모듈로 구성한다.

상기 구매 연결 관리 모듈 (630)은 고객에게 제공한 상품과 구매가 이뤄진 상품을 관리하는 구매 연결 관리 모듈을 포함한다.

도 8은 본 발명에 따른 고객 관심 등록, 판매자 연결부의 구성도이다.

본 발명에 따른 고객 관심 등록, 판매자 연결부는 도8에 도시된 바와 같이 고객 관심 등록 관리 이력 (710) , 판매자 등록 관리 이력(720), 고객-판매자 구매 성공 이력(730)을 포함한다.

상기 고객 관심 등록 관리 이력 (710)은 고객의 구매 상품 등록에 대한 정보 제공에 대한 보상을 위해 고객 관심 정보와 구매 연결이 된 판매자 이력 정보를 투명한 BLOCK CHAIN에 이력을 관리한다. 이중 고객의 관심 정보를 등록 관리하는 고객 관심 등록 관리 이력 모듈을 포함한다.

상기 판매자 등록 관리 이력 모듈 (720)은 고객이 원한 상품과 유사도를 비교해 유사도가 높은 상품을 고객에게 제공한 상품의 판매자와 판매자의 제품이 저장,관리하는 판매자 등록 관리 이력 모듈을 포함한다.

성가 고객-판매자 구매 성공 이력(730)은 고객에게 제공된 쇼핑 리스트에서 선택되어 구매가 성공한 구매 이력을 관리하는 고객-판매자 구매 성공 이력 모듈을 포함한다.

도 9은 본 발명에 따른 고객, 판매자 반응 데이터 저장부의 구성도이다.

본 발명에 따른 고객, 판매자 반응 데이터 저장부는 도9에 도시된 바와 같이 고객 조회 관리 모듈 (810) , 판매자 등록 관리 모듈 (820) , 판매자 연결 기록 관리 모듈 (830)을 포함한다.

상기 고객 조회 관리 모듈 (810)은, 고객의 특징 (성별, 연령)을 포함해 연결 이력을 관리하는 고객 조회 관리 모듈을 포함한다.

상기 판매자 등록 관리 모듈 (820)은, 판매를 목적으로 상품 등록에 참여한 판매자를 패션 복종, 컨셉, 참여도에 따라 관리하는 판매자 등록 관리 모듈을 포함한다.

상기 판매자 연결 기록 관리 모듈 (830)은 고객의 유사 이미지 조회 후 인터넷 쇼핑몰로 연결한 이력을 관리하는 판매자 연결 기록 관리 모듈로 구성한다.

도 10은 본 발명에 따른 고객, 판매자 반응 데이터 분석부의 구성도이다.

본 발명에 따른 고객, 판매자 반응 데이터 분석부는 도8에 도시된 바와 같이 고객 특징별 분석 모듈 (910) , 판매자 분석 모듈 (920) , 고객 X 판매자 교차 분석 모듈 (930)을 포함하다.

고객의 성별, 연령대의 데이터와 브랜드, 컨셉에 따른 선호도 분석은 트랜드 현황 확인과 트랜드 예측, 또래 집단 선호 상품 추천, 적합한 판매자 연결 서비스를 위한 분석 결과를 제공한다.

상기 고객 특징별 분석 모듈 (910)은, 고객의 특징(성별, 연령) 에 따라 선택의 유형을 분석 하는 고객 특징별 분석 모듈을 포함한다.

상기 판매자 분석 모듈 (920)은, 판매자별로 등록한 상품의 유형, 패션 복종, 컨셉, 이용자 연결 정도를 분석 하는 판매자 분석 모듈을 포함 한다.

상기 고객 X 판매자 교차 분석 모듈 (930)은 고객과 판매자별로 반응 정도를 분석하는 고객 X 판매자 교차 분석 모듈로 구성한다.

100:문자,숫자,이미지 수집/저장부 110:문자,숫자 추출/저장 모듈
120:이미지 추출/저장 모듈 200:인공지능 이미지 판별부
210:지도학습 라벨 관리 모듈 220:머신러닝 CNN 학습 모듈
230:머신러닝 CNN 재학습 모듈 300:문자,숫자 데이터 가공부
310:분류 체계별 가공 모듈 320:수집 단위별 순위화 모듈
400:분석 원천 데이터 저장/관리부 410:이미지,문자,숫자 연결 모듈
420:분석 항목 관리 모듈 430:사용자 권한 모듈
500: 고객 희망 상품 등록, 상품 추천,구매 연결부
510:희망 상품 등록 모듈 520:희망 상품 선택 모듈
530:추천상품 조회,연결 모듈 600:판매자 상품 등록/관리부
610:사진 관리/확정모듈 620: 사진 등록 이력 저장 모듈
630:구매 연결 관리 모듈 700: 관심 등록,판매자 연결부
710:고객 관심 등록,관리 이력 720:판매자 등록 관리 이력
730:고객,판매자 구매 성공 이력 800: 고객,판매자 반응 데이터 저장부
810:고객 조회 관리 모듈 820:판매자 등록 관리부
830:판매자 연결 기록 관리부 900:고객,판매자 반응 데이터 분석부
910:고객 특징별 분석 모듈 920:판매자 분석 모듈
930:고객X판매자 교차 분석 모듈

Claims

패션 빅데이터를 데이터의 성질에 따라 구분 저장하는 문자,숫자,이미지 수집/저장부 ; 수집된 데이터 중 이미지의 판별을 통해 이미지 분류 값을 판별하는 인공지능 이미지 판별부 ; 수집된 데이터 중 텍스트 마이닝 기법이나 사칙 연산이 가능한 데이터에 대한 문자, 숫자 데이터 가공부 ; 수집된 데이터를 연결자 ( PRIMARY KEY )로 결합 저장하고 사용 환경을 반영한 분석 원천 데이터 저장/관리부 ; 이용자가 구매 희망하는 상품을 직접 등록 또는 TPO, 또래 집단 선호 상품, 핫 트랜드로 제안해 원하는상품 이미지를 선택하도록 하는 고객 희망 상품 등록, 상품 추천,구매 연결부 : 패션 이미지와 온라인 판매 URL을 직접 등록하고 관리하는 판매자 상품 등록/관리부 ; 고객의 관심 상품과 제안한 판매자의 연결과 구매가 성공되었을 때 기록,저장 관리 하는 고객 관심 등록,판매자 연결부 ; 고객 조회 패션 이미지와 유사한 상품을 제안한 경우 선택한 상품, 인터넷 쇼핑몰로 연결한 목록을 저장하는 고객, 판매자 반응 데이터 저장부 ; 고객별로 선호하는 브랜드, 또는 패션 유형을 분석, 연령, 성별, 지역별등의 고객군별로 상품 선택의 유형을 분석하는 고객, 판매자 반응 데이터 분석부를 포함하는 것을 특징으로 하는 이용자와 판매자의 자발적 참여로 선순환 연결되는 온라인 플랫폼의 방법과 시스템 의 방법과 장치이다.
문자, 숫자, 이미지 수집/저장부(100)는, 패션 이커머스 플랫폼 또는 패션 연관 SNS에서 상품명, 상품 관련 정보와 판매량, 고객 반응 정보 ( 댓글,댓글수, …) 등의 문자,숫자 추출/저장 모듈 (110), 상품의 이미지 정보를 추출, 저장하는 이미지 추출/저장 모듈(120)을 포함한다.
상기 인공지능 이미지 판별부(200)는 , 지도학습 라벨 관리 모듈 (210), 머신러닝 CNN 학습 모듈 (220) , 머신러닝 CNN 재학습 모듈 (230)을 포함한다. 지도 학습에 있어 목표값(라벨)을 패션 카데고리 분류체계에 맞도록 분류 기준을 만들고 대-중-소의 흐름을 관리하는 하는 지도학습 라벨 관리 모듈 (210) , 라벨에 맞는 데이터 사진을 다양한 환경과 조건에서 촬영한 이미지를 수집. 머신러닝 학습전 가공하는 선처리 과정을 포함, 실제 머신러닝의 학습 과정을 진행하는 머신러닝 CNN 학습 모듈 (220) , 학습결과를 TEST를 통해 정확도를 높이기 위한 재학습의 과정을 포함한 머신러닝 CNN 재학습 모듈 (230)을 포함한다.
상기 문자, 숫자 데이터 가공부(300)는, 분류 체계별 가공 모듈 (310) , 수집 단위별 순위화 모듈 (320)을 포함한다. 패션 관련 수집된 문자, 숫자 정보는 패션 분류(대-중-소) 체계와 데이터 출처. 브랜드 단위별로 분석을 빠르게 수행하기 위한 사전 집계가 필요하다. 이런 분류,출처,단위별로 사전 데이터를 집계, 가공 선 처리하는 분류 체계별 가공 모듈 (310) , 또한 고객 반응에 따른 규모별, 상품 스타일수별로 우선순위와 비중, 누적 비중을 사전에 선 집계하는 수집 단위별 순위화 모듈 (320)을 포함한다
상기 분석 원천 데이터 저장/관리부(400)는, 이미지, 문자, 숫자 연결 모듈 (410) , 분석 항목 관리 모듈 (420) , 사용자 권한 모듈 (430)을 포함한다. 문자와 숫자 처리부를 통해 추가된데이터와 와 이미지 처리부로 이미지 별로 분류 코드화 된 데이터를 연결자 ( PRIMARY KEY )로 결합하는 이미지,문자,숫자 연결 모듈 (410) , 사용자는 분석을 경쟁자를 압축하거나 상품의 아이템 단위만 집중해 볼 필요성이 있다. 사용자가 원하는 브랜드 또는 상품 단위를 따로 분석 집계할 수 있는 분석 항목 관리 모듈 (420) , 데이터를 통해 제공할 서비스중 고객이 원하는 서비스를 고객의 선택 제공 받도록 사용자별 서비스 사용 항목에 대한 권한을 관리하는 사용자 권한 모듈 (430)을 포함한다
상기 고객 희망 상품 등록, 상품 추천, 구매 연결부 (500) , 희망 상품 등록 모듈(510) , 희망 상품 선택 모듈 (520) , 추천 상품 조회,연결 모듈 (530)을 포함한다.
고객이 상품을 직접 촬영 또는 저장된 상품을 업로드해서 원하는 상품을 직접 등록 하는 희망 상품 등록 모듈 (510) ,플랫폼을 통해 TPO, 또래 집단 선호 상품, 핫 트랜드의 이미지를 제공받아 선택해 구매 희망 상품을 등록하는 희망 상품 선택 모듈 (520) , 등록된 상품에 따라 유사도 판단을 통해 고객에게 제공되는 쇼핑 추천 리스트를 제공하는 추천 상품 조회 ,연결 모듈 (530)을 포함한다.
상기 판매자 상품 등록/관리부 (600)는, 사진 관리, 확정 모듈 (610) , 사진 등록 이력 저장 모듈(620) , 구매 연결 관리 모듈(630)을 포함한다.
판매를 목적으로 상품을 등록 시 패션 카테고리 (대-증-소)에 따라 자동으로 분류해 판매자가 확인후 최종 확정하고 결과가 오.분류인 경우에 직접 적합한 패션 카테고리로 변경 후 확정하는 사진 관리, 확정 모듈 (610) , 등록한 패션 상품의 사진과 등록 정보의 이력을 관리하는 사진 등록 이력 저장 모듈 (620) , 고객에게 제공한 상품과 구매가 이뤄진 상품을 관리하는 구매 연결 관리 모듈 (630) 을 포함한다.
상기 고객 관심 등록, 판매자 연결부 (700)는 , 고객 관심 등록 관리 이력 (710) , 판매자 등록 관리 이력 (720), 고객-판매자 구매 성공 이력(730)을 포함한다.
고객이 원하는 상품 이력을 저장, 관리하는 고객 관심 등록 관리 이력 (710) , 고객이 원한 상품과 유사해 고객에게 제공되어진 판매자와 판매자의 제품이 저장,관리하는 판매자 등록 관리 이력 (720) , 고객에게 제공된 쇼핑 리스트에서 선택되어 구매가 성공한 구매 이력을 관리하는 고객-판매자 구매 성공 이력(730) 을 포함한다.
상기 고객, 판매자 반응 데이터 저장부 (800)는, 고객 조회 관리 모듈 (810) , 판매자 등록 관리 모듈 (820) , 판매자 연결 기록 관리 모듈 (830)을 포함한다. 고객의 특징(성별,연령) 을 포함해 연결 이력을 관리 하는 고객 조회 관리 모듈 (810) , 판매를 목적으로 상품 등록에 참여한 판매자를 관리 하는 판매자 등록 관리 모듈 (820) , 고객의 유사 이미지 조회 후 인터넷 쇼핑몰로 연결한 이력을 관리 하는 판매자 연결 기록 관리 모듈 (830) 을 포함한다.
상기 고객, 판매자 반응 데이터 분석부 (900)는, 고객 특징별 분석 모듈 (910) , 판매자 분석 모듈 (920) , 고객 X 판매자 교차 분석 모듈 (930)을 포함한다. 고객의 특징(성별,연령) 에 따라 선택의 유형을 분석 하는 고객 특징별 분석 모듈 (910) , 판매자별로 등록한 상품의 유형, 연결 정도를 분석 하는 판매자 분석 모듈 (920) , 고객과 판매자별로 반응 정도를 분석 하는 고객 X 판매자 교차 분석 모듈 (930) 을 포함한다.