KR20220090823A - 매장 통합 시스템 기반의 메뉴 추천 방법 및 이를 위한 장치 - Google Patents
매장 통합 시스템 기반의 메뉴 추천 방법 및 이를 위한 장치 Download PDFInfo
- Publication number
- KR20220090823A KR20220090823A KR1020200181718A KR20200181718A KR20220090823A KR 20220090823 A KR20220090823 A KR 20220090823A KR 1020200181718 A KR1020200181718 A KR 1020200181718A KR 20200181718 A KR20200181718 A KR 20200181718A KR 20220090823 A KR20220090823 A KR 20220090823A
- Authority
- KR
- South Korea
- Prior art keywords
- menu
- customer
- store
- integrated
- order
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000010354 integration Effects 0.000 title claims abstract description 29
- 238000004891 communication Methods 0.000 claims description 11
- 235000013305 food Nutrition 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 8
- 239000002075 main ingredient Substances 0.000 claims description 8
- 235000015097 nutrients Nutrition 0.000 claims description 8
- 235000021316 daily nutritional intake Nutrition 0.000 claims description 7
- 235000019633 pungent taste Nutrition 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000010411 cooking Methods 0.000 claims description 4
- 235000018823 dietary intake Nutrition 0.000 claims description 4
- 235000019600 saltiness Nutrition 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000000306 recurrent effect Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 15
- 230000002776 aggregation Effects 0.000 description 6
- 238000004220 aggregation Methods 0.000 description 6
- 239000000470 constituent Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 235000019640 taste Nutrition 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 235000013312 flour Nutrition 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 241000287828 Gallus gallus Species 0.000 description 1
- 235000013334 alcoholic beverage Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000021185 dessert Nutrition 0.000 description 1
- 235000011850 desserts Nutrition 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 235000012149 noodles Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000015277 pork Nutrition 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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]
- G06Q30/0641—Shopping interfaces
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Nutrition Science (AREA)
- Human Resources & Organizations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cash Registers Or Receiving Machines (AREA)
Abstract
본 발명의 일 실시예에 따른 매장 통합 시스템 기반의 메뉴 추천 방법에 있어서, 통합 서버가, 고객이 방문한 복수의 매장들에 구비된 고객 기기로부터 상기 고객의 주문 메뉴 데이터를 수집하는 단계; 상기 통합 서버가, 상기 주문 메뉴 데이터를 분석하여 상기 고객의 선호 메뉴 예측 모델을 구축하는 단계; 상기 고객의 매장 방문 알림을 상기 고객이 현재 방문 중인 매장에 구비된 고객 기기로부터 수신하는 단계로서, 상기 매장 방문 알림은, 상기 고객의 식별 정보 및 상기 고객이 방문한 매장의 식별 정보를 포함함; 상기 통합 서버가, 상기 선호 메뉴 예측 모델에 상기 고객이 상기 현재 방문 중인 매장에 대하여 저장되어 있는 메뉴를 입력하여 상기 현재 방문 중인 매장의 메뉴 중 상기 고객이 선호할 메뉴 후보를 예측하는 단계; 상기 통합 서버가, 기설정된 최종 메뉴 선택 조건을 고려하여 상기 예측된 메뉴 후보 중 최종 추천 메뉴를 결정하는 단계; 및 상기 통합 서버가, 상기 결정된 최종 추천 메뉴를 상기 현재 방문 중인 매장에 구비된 고객 기기로 전송하는 단계; 를 포함할 수 있다.
Description
본 명세서는 매장 통합 시스템 기반의 메뉴 추천 방법 및 이를 위한 장치를 제안한다.
최근 주문 자동화 시스템 도입 및 발전에 따라, 고객은 휴대용 단말기를 이용하여 메뉴를 주문할 수 있으며, 직원 역시 휴대용 단말기를 통해 주문을 접수할 수 있게 되었다.
그러나 이러한 주문 자동화 시스템은 다양한 식성을 가진 고객 개별적으로 개인화된 추천 메뉴를 제공하지 않으며, 메뉴 추천을 원하는 고객에 대하여 베스트 메뉴(가장 많이 판매되는 메뉴), 이벤트 메뉴(현재 진행 중인 이벤트와 관련된 메뉴), 혹은 고객 전체를 대상으로 일괄적으로 선정된 추천 메뉴 등과 같이 모든 고객에게 일률적으로 동일한 메뉴를 추천하는 기능만을 갖는다. 그 결과, 실질적으로 메뉴 추천 기능은 무용화되며, 고객은 자신의 입맛에 맞지 않는 메뉴를 잘못 주문하게 된 결과 매장에 대한 만족도가 불필요하게 감소된다는 문제점이 발생한다.
이러한 문제점을 해결하기 위해, 최근에는 고객별 메뉴 선호 성향을 파악하여 메뉴를 추천하려는 여러 가지 기술적 시도들이 있으나, 이 역시 하나의 매장에만 한정되므로, 정확도가 떨어질 뿐 아니라 적용 범위도 매우 제한된다는 문제점을 갖는다.
상술한 문제점을 해결하기 위해, 본 명세서에서는 하나의 매장에 국한되지 않고 기설정된 범위 내에 위치한 복수의 매장들을 통합하여 데이터를 수집 및 관리함으로써, 정확도 높은 고객별 개인 선호 메뉴를 예측하여 메뉴를 추천하고, 매장간의 경계를 허물어 자유롭게 메뉴 주문을 가능하도록 하기 위한 매장 통합 시스템을 제안하고자 함이 목적이다.
본 발명의 일 실시예에 따른 매장 통합 시스템 기반의 메뉴 추천 방법에 있어서, 통합 서버가, 고객이 방문한 복수의 매장들에 구비된 고객 기기로부터 상기 고객의 주문 메뉴 데이터를 수집하는 단계; 상기 통합 서버가, 상기 주문 메뉴 데이터를 분석하여 상기 고객의 선호 메뉴 예측 모델을 구축하는 단계; 상기 고객의 매장 방문 알림을 상기 고객이 현재 방문 중인 매장에 구비된 고객 기기로부터 수신하는 단계로서, 상기 매장 방문 알림은, 상기 고객의 식별 정보 및 상기 고객이 방문한 매장의 식별 정보를 포함함; 상기 통합 서버가, 상기 선호 메뉴 예측 모델에 상기 고객이 상기 현재 방문 중인 매장에 대하여 저장되어 있는 메뉴를 입력하여 상기 현재 방문 중인 매장의 메뉴 중 상기 고객이 선호할 메뉴 후보를 예측하는 단계; 상기 통합 서버가, 기설정된 최종 메뉴 선택 조건을 고려하여 상기 예측된 메뉴 후보 중 최종 추천 메뉴를 결정하는 단계; 및 상기 통합 서버가, 상기 결정된 최종 추천 메뉴를 상기 현재 방문 중인 매장에 구비된 고객 기기로 전송하는 단계; 를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 고객의 선호 메뉴를 정확하게 파악하여 고객이 원하는 메뉴를 추천하므로 업셀링(Upselling)이 가능하며, 고객이 비선호하는 메뉴 주문으로 인하여 발생할 수 있는 불필요한 불만족을 사전에 방지할 수 있다는 효과가 있다.
또한, 본 발명의 일 실시예에 따르면, 고객이 원하는 다양한 메뉴를 원하는 장소에서 자유롭게 섭취할 수 있으므로, 매장 이용 만족도가 향상되며, 각 매장은 자신이 전문적으로 판매하는 메뉴를 타매장의 전문 판매 메뉴와 세트로 판매할 수 있으므로, 양자간 업셀링 효과를 볼 수 있다는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 매장 통합 시스템에 대한 개념도이다.
도 2는 본 발명의 일 실시예에 따른 매장 통합 시스템도이다.
도 3은 본 발명의 일 실시예에 따른 매장 통합 시스템 기반의 메뉴 추천 방법을 예시한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 연락처 입력창을 출력하는 고객 기기를 예시한 도면이다.
도 5는 본 발명의 일 실시예에 따라 주문 메뉴 데이터로부터 특징 추출하는 실시예를 예시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 최종 추천 메뉴를 제공하는 고객 기기를 예시한 도면이다.
도 7은 본 발명의 제1 실시예에 따른 매장 통합 메뉴 주문 방법에 대한 고객 기기를 예시한 도면이다.
도 8은 본 발명의 일 실시예에 따른 음식 통합 메뉴 주문 방법에 대한 직원 기기를 예시한 도면이다.
도 9는 본 발명의 제2 실시예에 따른 매장 통합 메뉴 주문 방법에 대한 고객 기기를 예시한 도면이다.
도 10은 본 발명의 제2 실시예에 따른 음식 통합 메뉴 주문 방법에 대한 직원 기기를 예시한 도면이다.
도 11은 본 발명의 일 실시예에 따른 통합 서버의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 매장 통합 시스템도이다.
도 3은 본 발명의 일 실시예에 따른 매장 통합 시스템 기반의 메뉴 추천 방법을 예시한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 연락처 입력창을 출력하는 고객 기기를 예시한 도면이다.
도 5는 본 발명의 일 실시예에 따라 주문 메뉴 데이터로부터 특징 추출하는 실시예를 예시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 최종 추천 메뉴를 제공하는 고객 기기를 예시한 도면이다.
도 7은 본 발명의 제1 실시예에 따른 매장 통합 메뉴 주문 방법에 대한 고객 기기를 예시한 도면이다.
도 8은 본 발명의 일 실시예에 따른 음식 통합 메뉴 주문 방법에 대한 직원 기기를 예시한 도면이다.
도 9는 본 발명의 제2 실시예에 따른 매장 통합 메뉴 주문 방법에 대한 고객 기기를 예시한 도면이다.
도 10은 본 발명의 제2 실시예에 따른 음식 통합 메뉴 주문 방법에 대한 직원 기기를 예시한 도면이다.
도 11은 본 발명의 일 실시예에 따른 통합 서버의 블록도이다.
이하 설명하는 기술은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 이하 설명하는 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 이하 설명하는 기술의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 해당 구성요소들은 상기 용어들에 의해 한정되지는 않으며, 단지 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 이하 설명하는 기술의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다. 예를 들어, 'A 및/또는 B'는 'A 또는 B 중 적어도 하나'의 의미로 해석될 수 있다. 또한, '/'는 '및' 또는 '또는'으로 해석될 수 있다.
본 명세서에서 사용되는 용어에서 단수의 표현은 문맥상 명백하게 다르게 해석되지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함한다" 등의 용어는 설시된 특징, 개수, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 의미하는 것이지, 하나 또는 그 이상의 다른 특징들이나 개수, 단계 동작 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 배제하지 않는 것으로 이해되어야 한다.
도면에 대한 상세한 설명을 하기에 앞서, 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다.
또, 방법 또는 동작 방법을 수행함에 있어서, 상기 방법을 이루는 각 과정들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 과정들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 명세서에서 매장은, 다양한 음식을 판매하는 음식점, 카페뿐 아니라, 베이커리, PC방, 마트, 백화점, 노래방, 독서실, 시장 등과 같은 다양한 업종의 영업 매장을 의미할 수 있다. 따라서, 본 명세서에서 제안되는 시스템/방법은 업종에 구애받지 않고 각 매장별로 판매하는 상품/서비스에 대해 동일/유사하게 적용될 수 있음은 물론이다.
도 1은 본 발명의 일 실시예에 따른 매장 통합 시스템에 대한 개념도이다.
본 명세서에서 제안하는 매장 통합 시스템(100)은 기본적으로 하나의 매장이 아닌, 기설정된 반경/범위 내에 위치한 복수의 매장들(120~180)(특히, 매장 통합 시스템에 가입되어 있는 복수의 매장들)을 대상으로 한다. 즉, 본 명세서에서 제안하는 매장 통합 시스템을 통해, 매장들(120~180)간의 경계를 허물어 이들(120~180)을 하나의 공동체로서 통합적으로 운영/관리함을 전제로 한다.
따라서, 본 명세서에서 제안하는 매장 통합 시스템(100)은 데이터 수집량이 월등히 많아 원하는 목적의 통계/정보 도출이 용이하며, 판매 가능한 메뉴 범위가 확장되므로 소비자(110) 입장에서는 음식 만족도가 올라가며, 판매자 입장에서는 메뉴간 시너지 효과로 업셀링 효과를 볼 수 있다.
이하에서는, 기술적 측면에서의 매장 통합 시스템(100) 구성에 대해 상세히 살펴본다.
도 2는 본 발명의 일 실시예에 따른 매장 통합 시스템도이다.
매장 통합 시스템(200)에 포함된 서버 및 기기는 모두 본 명세서에서 제안되는 실시예를 수행/실행 가능하도록 구현된 어플리케이션/프로그램이 사전에 설치되어 실행 중인 전자 서버/기기에 해당할 수 있다. 따라서, 이하에서 별도로 설명하지 않더라도, 본 명세서에서 제안되는 실시예는 상기 어플리케이션/프로그램이 실행 중인 서버/기기(210~230)를 통해 수행/실행되는 것으로 해석될 수 있으며, 각 서버/기기(210~230)의 동작은 상기 어플리케이션/프로그램의 동작/기능으로 해석될 수 있다.
도 2를 참조하면, 매장 통합 시스템(200)은, 통합 서버(210), 복수의 직원 기기(220-1~220-N) 및 복수의 고객 기기(230-1~230-N)를 포함할 수 있다.
통합 서버(210)는 상기 어플리케이션/프로그램을 운영/관리/제어하며, 본 명세서에서 제안된 실시예를 주체적으로 수행하는 서버/기기에 해당할 수 있다. 통합 서버(210)는 본 명세서에서 제안된 실시예를 수행하기 위해 매장 통합 시스템(200)에 포함된 기기(220, 230)와 통신을 수행하여 데이터를 수집할 뿐만 아니라, 이들을 제어할 수 있다.
직원 기기(220-1~220-N)는 각 매장에 배치되어 고객으로부터 메뉴를 주문받거나 주문을 접수하고, 결제를 수행하는 등 매장 직원 업무와 관련된 기능을 제공하는 기기에 해당할 수 있으며, 예를 들어, POS(Point of sales) 기기, 키오스크, 태블릿 PC(Personal Computer), 휴대폰, IoT(Internet of Things) 기기, 웨어러블 기기 등이 이에 해당할 수 있다. 따라서, 직원 기기(220-1~220-N)는 각 매장 별로 1대 이상 구비되어 있음을 전제로 하며, 그 결과 매장과 직원 기기는 1:N(N은 자연수)의 관계를 갖는다. 본 도면에는 설명의 편의를 위해 각 매장 별 1대의 직원 기기(220-1~220-N)가 구비된 경우를 예시하였으나, 이에 한정되지 않는다.
특히, 직원 기기(220-1~220-N)는, 고객별 메뉴 주문 및 결제 내역을 수집하고, 수집한 데이터를 통합 서버(210)로 전송하는 역할을 수행한다. 통합 서버(210)는 이렇게 수집한 데이터를 분석/학습하여, 고객별 선호 메뉴를 예측하기 위한 분류기를 모델링할 수 있으며, 이에 대해서는 도 3 및 5를 참조하여 이하에서 후술한다.
고객 기기(230-1~230-N)는 매장 내의 각 테이블별 혹은 매장 입구에 배치되어 고객으로부터 직접 메뉴를 주문/입력받기 위한 기기에 해당할 수 있으며, 예를 들어, 키오스크, 태블릿 PC(Personal Computer), 휴대폰, IoT(Internet of Things) 기기, 웨어러블 기기, 사용자 기기 등이 이에 해당할 수 있다. 여기서 사용자 장치는 고객이 소유/휴대하고 있는 기기를 의미하는 것으로, 매장 통합 시스템이 구현된 어플리케이션/프로그램이 별도 설치된 기기에 해당할 수 있다. 고객 기기(230-1~230-N) 역시 각 매장 별로 1대 이상 구비되어 있음을 전제로 하며, 그 결과 매장과 고객 기기(230-1~230-N) 간에도 1:N(N은 자연수)의 관계를 갖는다.
특히, 고객 기기(230-1~230-N)는 통합 서버(210)에 의해 제공되는 고객별 선호 메뉴 예측 모델을 이용하여 고객별 맞춤형 추천 메뉴를 제공할 수 있으며, 실시예에 따라 메뉴 주문, 결제 기능 등과 같은 다양한 주문 관련 기능을 추가로 제공할 수 있다.
동일한 매장의 직원 기기(220-1~220-N) 및 고객 기기(230-1~230-N)는, 실시예에 따라 통합되어 하나의 기기로 구현되거나, 별도의 기기로서 분리되어 구현될 수 있다.
도 3은 본 발명의 일 실시예에 따른 매장 통합 시스템 기반의 메뉴 추천 방법을 예시한 순서도이다.
본 순서도와 관련하여 실시예에 따라 적어도 하나의 단계가 제외되거나 새로운 단계가 부가될 수 있다. 본 순서도의 동작 주체는 통합 서버이다.
도 3을 참조하면, 통합 서버는 우선 고객이 방문한 복수의 매장들에 구비된 고객 기기로부터 고객의 주문 메뉴 데이터를 수집할 수 있다(S301). 주문 메뉴 데이터는 해당 고객이 주문한 메뉴와 관련된 데이터를 의미하는 것으로, 주문 메뉴 데이터에는 해당 고객이 방문한 매장, 주문한 메뉴, 주문 메뉴의 가격, 음식 종류, 주성분, 주재료, 영양분, 매운 정도, 단 정도, 신 정도, 짠 정도, 조리 방법, 주문 메뉴에 대한 만족도, 비주문 메뉴 등에 관한 다양한 주문 메뉴 관련 정보가 포함되어 있을 수 있다. 주문 메뉴 데이터는 고객의 연락처, E-MAIL 계정, SNS(Social Networking Service) 계정, ID/PW, 생체 인식 정보(예를 들어, 지문, 홍채, 안면, 목소리 인식 정보 등) 등 고객을 식별할 수 있는 고객 식별 정보를 기반으로 생성 및 수집될 수 있다.
도 4는 본 발명의 일 실시예에 따른 연락처 입력창을 출력하는 고객 기기를 예시한 도면이다.
도 4를 참조하면, 고객 기기(410)는 고객에게 메뉴를 추천하기 전 혹은 메뉴를 주문받기 전 연락처 입력창을 출력하여 고객의 개인 연락처 정보를 입력받을 수 있다. 고객 기기(410)는 이렇게 입력받은 연락처 정보를 주문 메뉴 데이터를 식별하는 데 사용할 수 있으며, 입력받은 연락처 정보에 대응하여 고객의 주문 메뉴 데이터를 생성하여 통합 서버로 전송할 수 있다. 통합 서버 역시 연락처 정보를 각 데이터를 식별하기 위한 용도로 사용할 수 있다.
본 도면에는 고객의 식별 정보로서 연락처 정보를 입력받는 경우를 대표로 예시하였으나 이에 한정되지 않으며, 매장 통합 시스템은 E-MAIL 계정, SNS(Social Networking Service) 계정, ID/PW, 생체 인식 정보(예를 들어, 지문, 홍채, 안면, 목소리 인식 정보 등)과 같이 고객을 식별할 수 있는 다양한 정보를 식별 정보로서 입력받을 수 있으며, 주문 메뉴 데이터를 식별하고 본 명세서에서 제안하는 다양한 매장 통합 시스템 서비스를 제공하는 데 사용할 수 있다.
다시 도 3을 참조하면, 다음으로 통합 서버는 고객 기기로부터 수신한 주문 메뉴 데이터를 분석하여 고객의 선호 메뉴 예측 모델을 구축할 수 있다(S302). 보다 상세하게는, 통합 서버는 머신 러닝을 기반으로 각 고객별 선호 메뉴 예측 모델을 구축할 수 있으며, 이에 대해서는 도 5를 참조하여 이하에서 상세히 후술한다.
도 5는 본 발명의 일 실시예에 따라 주문 메뉴 데이터로부터 특징 추출하는 실시예를 예시한 도면이다.
도 5를 참조하면, 통합 서버는 주문 메뉴 데이터에 포함된 주문 메뉴를 머신 러닝을 기반으로 분석/학습하여 주문 메뉴들에 공통된 특징/패턴을 추출하여 선호 메뉴 예측 모델을 구축할 수 있다.
이를 위해 우선, 통합 서버는 주문 메뉴 데이터에 포함된 주문 메뉴간 공통되는 특징/패턴을 추출할 수 있으며, 이때 공통되는 특징/패턴은 주문 메뉴의 가격, 음식 종류, 주성분, 주재료, 영양분, 매운 정도, 단 정도, 신 정도, 짠 정도, 조리 방법 중 적어도 하나를 기초로 추출될 수 있다. 예를 들어, 도 5에 도시한 바와 같이, 고객(510)이 주문한 내역이 짬뽕, 스파게티, 우동, 볶음밥, 제육 덮밥, 닭발 등인 경우, 이들로부터 공통적인 특징/패턴으로서 요리 종류(면 요리), 주재료(밀가루), 매운 맛 정도(매우 매움) 등의 특징/패턴을 추출할 수 있다.
특징 추출 시, 머신 러닝 기술이 사용될 수 있으며, 머신 러닝 기술의 예로는, kNN(k-Nearest Neighborhood), 결정 트리(Decision Tree), 랜덤 포레스트(Random Forest), Naive Bayes, SVM(Support vector Machine), RNNs(Recurrent Neural Networks), DNNs(Deep Neural Networks), CNNs(Convolutional Neural Networks) 등이 있을 수 있다.
다음으로, 통합 서버는 추출한 특징/패턴을 기반으로 분류 기준을 확립할 수 있다. 예를 들어, 도 5의 실시예의 경우, 분류 기준은 면 요리인지 여부, 밀가루가 주재료인지 여부, 매운 맛의 정도가 매운 매운 정도인지 여부 등으로 확립될 수 있다.
다음으로, 통합 서버는 이렇게 확립된 분류 기준을 머신 러닝 기반의 분류기(classifier)에 학습/훈련시킴으로써 선호 메뉴 예측 모델을 구축할 수 있다. 따라서, 분류 기준을 학습/훈련한 분류기, 즉 선호 메뉴 예측 모델은, 매장의 다양한 메뉴들을 입력 데이터로 인식할 수 있으며, 이들을 학습/훈련한 분류 기준에 따라 고객(510)의 선호 메뉴 및 비선호 메뉴로 분류하여 출력 데이터로서 출력하는 동작을 수행할 수 있다. 매장의 메뉴들에 대한 특징 데이터(예를 들어, 각 메뉴의 가격, 음식 종류, 주성분, 주재료, 영양분, 매운 정도, 단 정도, 신 정도, 짠 정도, 조리 방법, 만족도, 인기도 등)는 사전에 매장 운영자/직원으로부터 직원 기기 및/또는 고객 기기를 통해 입력될 수 있으며, 입력된 특징 데이터는 통합 서버에 저장되어 관리될 수 있다.
나아가, 본 도면에는 도시하지 않았으나, 통합 서버는 주문 메뉴 데이터에 포함된 주문 메뉴간 공통되는 특징/패턴뿐 아니라, 비주문 메뉴간 공통되는 특징/패턴도 추가로 추출하여 분류기에 학습/훈련시킬 수 있다. 이러한 동작을 통해, 선호 메뉴 예측 모델의 예측 정확도는 더 향상될 수 있다.
다시 도 3을 참조하면, 다음으로 통합 서버는 고객의 매장 방문 알림을 고객이 현재 방문 중인 매장에 구비된 고객 기기로부터 수신할 수 있다(S303). 이때 통합 서버로 수신되는 매장 방문 알림에는, 고객의 식별 정보 및 상기 고객이 방문한 매장의 식별 정보가 포함되어 있을 수 있다. 고객 기기가 고객의 식별 정보를 획득하는 방법은 도 4를 참조하여 상술한 실시예와 같으며, 매장의 식별 정보는 고객 기기에 사전에 저장되어 있을 수 있다.
다음으로, 통합 서버는 S302 단계에서 구축한 선호 메뉴 예측 모델에 고객이 현재 방문 중인 매장의 메뉴를 입력하여 해당 고객의 선호 메뉴 후보를 예측할 수 있다(S304). 다음으로, 통합 서버는 기설정된 최종 메뉴 선택 조건을 고려하여 예측된 메뉴 후보 중 최종 추천 메뉴를 결정할 수 있다(S305). 이렇듯, 본 발명의 일 실시예에 따른 통합 서버는 선호 메뉴 예측 모델에 따라 예측된 선호 메뉴를 바로 최종 추천 메뉴로 결정하는 것이 아니라, 미리 설정되어 있는 최종 메뉴 선택 조건을 추가로 고려하여 예측된 선호 메뉴 중에서도 최종 추천 메뉴를 결정/선택하는 동작을 수행함으로써 보다 현재 고객의 요구에 부합하는 메뉴를 추천하는 동작을 수행한다.
예를 들어, 고객이 선호하는 메뉴가 짜장면이고, 실제 선호 메뉴 예측 모델을 통해 짜장면이 선호 메뉴로 예측되었다 하더라도, 고객이 바로 어제 점심 메뉴로 짜장면을 먹었던 경우에는 어제와 중복되는 메뉴인 짜장면을 오늘 다시 주문할 가능성은 높지 않다. 또는, 이번 주 혹은 오늘 하루 동안 고객이 섭취한 영양소가 1일 영양 섭취 기준과 부합하지 않아 영양 불균형이 발생한 경우, 고객의 선호 메뉴 중에서도 이왕이면 영양 기준과 부합하는 메뉴를 추천하는 것이 고객의 건강 측면에서 매우 유용할 수 있다. 또는, 예측되는 선호 메뉴 중 현재 방문 중인 매장에서 할인/프로모션 행사를 하는 메뉴가 존재하는 경우, 해당 메뉴를 적극적으로 추천하는 것이 고객에게 더 유용할 수 있다.
상술한 경우들을 모두 고려하여, 본 명세서의 매장 통합 시스템은 단순히 고객의 선호 메뉴를 예측해서 추천한다기 보다, 최근까지의 메뉴 주문 내역을 모두 고려하여 현재 고객에 대한 맞춤형 메뉴를 추천함으로써 메뉴 추천 기능에 대한 고객의 만족도를 향상시킬 수 있다.
이를 위해, 최종 메뉴 선택 조건은, 고객이 최근 기설정된 기간동안 주문한 메뉴 내역, 1일 영양 섭취 기준, 현재 방문 중인 매장에 행사 중인 메뉴가 있는지 여부 및 고객과 기설정된 비율 이상으로 유사한 주문 메뉴 특징을 갖는 타고객의 주문 내역 중 적어도 하나를 포함하도록 설정될 수 있다. 최종 메뉴 선택 조건은, 매장 사장/직원에 의해 선택적으로 설정/활성화되거나, 새로운 조건이 부여될 수도 있으며, 상술한 실시예에 한정되는 것은 아니다.
일 실시예로서, 최종 메뉴 선택 조건이 고객이 최근 기설정된 기간동안 주문한 메뉴 내역을 포함하는 경우, 통합 서버는 예측된 메뉴 후보 중 최근 기설정된 기간동안 주문한 메뉴 내역과 중복되는 메뉴는 최종 추천 메뉴 결정 시 제외할 수 있다.
그리고/또는 다른 실시예로서, 최종 메뉴 선택 조건이 고객이 최근 기설정된 기간동안 주문한 메뉴 내역 및 1일 영양 섭취 기준을 포함하는 경우, 통합 서버는 최근 기설정된 기간동안 주문한 메뉴 내역을 기초로 고객의 영양 섭취 현황을 산출할 수 있다. 나아가, 통합 서버는 영양 섭취 현황을 1일 영양 섭취 기준과 비교하여 고객에 대하여 결핍되어 있는 영양소를 추출하고, 예측된 메뉴 후보 중 결핍된 영양소가 다량 함유되어 있는 메뉴를 최종 추천 메뉴로 결정할 수 있다.
그리고/또는 다른 실시예로서, 최종 메뉴 선택 조건이 현재 방문 중인 매장에 행사 중인 메뉴가 있는지 여부를 포함하는 경우, 통합 서버는 예측된 메뉴 후보 중 행사/프로모션/홍보 중인 메뉴가 포함되어 있는 경우, 행사/프로모션/홍보 중인 메뉴를 최종 추천 메뉴로 결정할 수 있다.
그리고/또는 다른 실시예로서, 최종 메뉴 선택 조건이 타고객의 주문 내역을 포함하는 경우, 통합 서버는 현재 방문 중인 매장에 방문했던 타고객 중, 고객과 기설정된 비율 이상으로 매칭되는 주문 메뉴 특징을 갖는 타고객을 추출할 수 있다. 주문 메뉴 특징으로는, S302 단계의 선호 메뉴 예측 모델 구축을 위해 추출된 특징/패턴이 사용될 수 있다. 나아가, 통합 서버는 추출된 타고객이 현재 방문 중인 매장에서 주문한 메뉴를 추출하고, 예측된 메뉴 후보 중 추출한 메뉴를 최종 추천 메뉴로 결정할 수 있다.
상술한 실시예 외에도 다양한 조건이 매장 통합 시스템 관리자, 매장 운영자/직원에 의해 최종 메뉴 선택 조건으로 설정될 수 있으며, 상술한 실시예에 제한되는 것은 아니다.
다시 도 3을 참조하면, 마지막으로 통합 서버는 S304 단계에서 결정된 최종 추천 메뉴를 현재 고객이 방문 중인 매장에 구비된 고객 기기로 전송할 수 있다(S306). 고객 기기는 통합 서버로부터 수신한 최종 추천 메뉴를 고객에게 제공하여 고객의 메뉴 주문을 유도/가이드할 수 있다.
도 6은 본 발명의 일 실시예에 따른 최종 추천 메뉴를 제공하는 고객 기기를 예시한 도면이다.
도 6(a) 내지 6(c)에 도시한 바와 같이, 고객 기기(610-1~610-3)는 최종 추천 메뉴에 대한 정보와 함께 이를 바로 주문할 수 있도록 주문 명령 아이콘을 함께 출력할 수 있다. 고객은 최종 추천 메뉴를 주문하고자 하는 경우, 해당 아이콘에 대한 선택/터치 입력을 수행할 수 있으며, 주문 입력을 수신한 고객 기기(610-1~610-3)는 주문된 메뉴에 대한 데이터(즉, 주문 메뉴 데이터)를 직원 기기 및 통합 서버에 전송할 수 있다.
나아가, 고객 기기(610-1~610-3)는 최종 추천 메뉴와 함께 최종 메뉴 선택에 사용된 최종 메뉴 선택 조건에 대한 정보도 본 도면에 도시한 바와 같이 간략하게 제공하여 추천 메뉴의 주문을 가이드/유도할 수 있다.
앞서 상술하였듯, 본 명세서는 매장간의 경계를 허물고 특정 매장에 국한되지 않는 매장 통합 메뉴 추천/주문 시스템을 제안하고자 함이 목적이다. 따라서, 앞서 제안하였듯, 본 발명의 일 실시예에 따른 매장 통합 시스템 기반의 메뉴 추천 방법에 따르면, 고객이 방문중인 현매장뿐 아니라 타매장에 대한 메뉴 주문 내역까지 모두 고려하여 정확도 높은 고객별 맞춤 메뉴 추천이 가능하게 된다.
이와 같은 맥락으로, 이하에서는 메뉴 추천뿐 아니라 메뉴 주문도 매장간 경계를 허물어 통합적으로 가능한 매장 통합 메뉴 주문 시스템에 대해서 제안하고자 한다. 이에 대해서는 도 7 내지 10을 참조하여 이하에서 상세히 후술한다.
도 7은 본 발명의 제1 실시예에 따른 매장 통합 메뉴 주문 방법에 대한 고객 기기를 예시한 도면이고, 도 8은 본 발명의 일 실시예에 따른 음식 통합 메뉴 주문 방법에 대한 직원 기기를 예시한 도면이다.
도 7을 참조하면, 고객 기기(710)는 고객이 현재 방문 중인 매장의 메뉴뿐 아니라, 타매장의 메뉴 추천 및 메뉴 주문 기능을 제공할 수 있다. 이때 추천/주문 가능한 타매장은 고객의 방문이 용이하도록 현재 방문 중인 매장으로부터 기설정된 범위 이내의 가까운 매장으로 제한될 수 있다. 또한, 추천/주문 가능한 타매장은 현매장과 사전에 일정한 계약 등으로 사전 연계되어 있는 매장으로서, 매장간 연계 정보는 통합 서버에 사전에 저장되어 있을 수 있다.
이렇듯 타매장의 메뉴를 추천하는 이유는, 현매장에서는 판매되지 않는 메뉴이지만 현매장에서 판매 중인 메뉴와 관련성이 깊어 고객이 다음으로 주문할 확률이 높은 메뉴(예를 들어, 디저트, 후식 음료, 주류 등)를, 고객이 현매장에서 미리 주문할 수 있도록 함으로써, 고객의 주문 편의를 도모함과 동시에, 타매장으로의 유입을 유도함으로써 타매장의 홍보 및 업셀링 효과를 보기 위함이다. 이때 타매장의 메뉴 추천에도 도 3의 최종 메뉴 선택 실시예가 동일하게 사용/적용될 수 있으며, 단지 선호 메뉴 예측 모델에 타매장의 메뉴가 입력된다는 점에서만 차이점을 갖는다.
타매장은 현매장으로부터 유입되는 고객 수(또는 주문 수)에 따라 일정 비용을 현매장에 지불하는 방식의 계약 체결도 가능하며, 이를 통해 현매장은 부가적인 수입 창출도 가능하다.
이를 위해, 현매장의 고객 기기(710)는 고객으로부터 타매장의 메뉴를 주문받기 위한 메뉴 주문 인터페이스를 고객에게 제공할 수 있으며, 고객으로부터 메뉴 주문 인터페이스를 통해 수신한 메뉴 선택 및 주문 입력을 현매장의 직원 기기 및 통합 서버로 전송할 수 있다. 통합 서버는 선택 및 주문 입력을 타매장의 직원 기기로 전송할 수 있다.
통합 서버로부터 선택 및 주문 입력을 수신한 타매장의 직원 기기(810-1)는, 도 8(a)에 도시한 바와 같이, 주문이 접수된 현매장에 관한 정보, 주문 번호, 주문 메뉴, 주문 개수 등과 같은 주문 정보를 출력할 수 있다. 타매장의 운영자/직원은 직원 기기(810-1)에 출력된 주문 정보에 기초하여 메뉴를 준비할 수 있다.
나아가, 타매장의 직원 기기(810-1)는 현매장의 결제 정보를 기반으로 타매장으로의 고객 도착 시간을 예측하고, 예측 시간을 타매장에 제공할 수 있다. 고객이 도착하기도 전에 지나치게 주문 메뉴가 빨리 준비되는 경우, 음식이 식거나 녹게되어 음식 맛이 저하되는 문제가 발생할 수 있다. 이를 방지하기 위해, 통합 서버는 주문 고객이 타매장으로 도착하기까지의 예상 시간을 도출하고, 이에 대한 정보를 타매장에 제공함으로써 고객 도착 시간에 맞춰 주문 메뉴가 준비될 수 있도록 할 수 있다.
보다 상세하게는, 통합 서버는 현매장에 구비된 직원 기기 또는 고객 기기가 타매장에 메뉴를 주문한 고객의 결제를 수행할 수 있다. 결제 완료는, 매장 통합 시스템에게 있어서 곧 고객이 타매장으로 이동할 것으로 해석/인식될 수 있다. 결제 완료 시, 현매장의 직원 기기 또는 고객 기기는 결제 완료 메시지를 통합 서버로 전송할 수 있다. 통합 서버는 현매장으로부터 타매장까지의 거리를 도출하고, 고객이 현매장으로부터 타매장까지 도보로 이동하는 데 걸리는 시간을 계산할 수 있다. 나아가, 통합 서버는 계산한 시간을 고객 도착 예상 시간으로서 타매장의 직원 기기(810-2)로 전송할 수 있으며, 직원 기기(810-2)는 도 8(b)에 도시한 바와 같이, 고객 도착 예상 시간을 대응되는 주문 정보와 함께 출력할 수 있다.
도 9는 본 발명의 제2 실시예에 따른 매장 통합 메뉴 주문 방법에 대한 고객 기기를 예시한 도면이고, 도 10은 본 발명의 제2 실시예에 따른 음식 통합 메뉴 주문 방법에 대한 직원 기기를 예시한 도면이다.
도 9를 참조하면, 현매장의 고객 기기(910)는 현매장이 판매중인 메뉴와 타매장이 판매중인 메뉴를 하나의 세트로서 그룹핑하여 추천하여 이에 대해 주문을 받을 수 있다. 하나의 세트로 그룹핑되는 메뉴는, 매장 통합 시스템의 관리자 혹은 현/타매장의 운영자에 의해 직접 특정 메뉴로 설정되거나(가격도 직접 설정), 도 3에서 상술한 최종 추천 메뉴 선택 실시예에 따라 결정된 현/타매장의 최종 추천 메뉴들로 자동 설정될 수 있다. 자동 설정되는 경우, 각 세트별 가격은 메뉴 가격을 합한 총 가격의 기설정된 비율(예를 들어, 10%)만큼 할인된 가격으로 자동 책정되어 제공될 수 있다.
이를 위해, 현매장의 고객 기기(910)는 고객으로부터 세트 메뉴를 주문받기 위한 메뉴 주문 인터페이스를 고객에게 제공할 수 있으며, 고객으로부터 메뉴 주문 인터페이스를 통해 수신한 세트 선택 및 주문 입력을 현매장의 직원 기기 및 통합 서버로 전송할 수 있다. 통합 서버는 선택 및 주문 입력을 타매장의 직원 기기로 전송할 수 있다.
통합 서버로부터 선택 및 주문 입력을 수신한 타매장의 직원 기기(1010)는, 도 10에 도시한 바와 같이, 주문이 접수된 현매장에 관한 정보, 주문 번호, 주문 메뉴, 주문 개수 등과 같은 주문 정보를 출력할 수 있다. 타매장의 운영자/직원은 직원 기기(1010)에 출력된 주문 정보에 따라 메뉴를 준비하여 현매장으로 배달할 수 있다.
본 실시예는 고객이 현매장에서 전문적으로 판매하는 메뉴(예를 들어, 커피)를 타매장에서 전문적으로 판매하는 메뉴(예를 들어, 케이크)와 함께 곁들여 먹고 싶은 경우, 현매장의 경치 혹은 내부 분위기에 따라 메뉴를 현매장에서 먹고 싶은 경우, 타매장에 현재 자리가 없어 이동할 수 없는 경우 등에 용이하게 적용될 수 있다.
따라서, 통합 서버는 주문 메뉴 데이터를 기반으로 하여 각 매장의 테이블별 점유 현황을 실시간으로 예측할 수 있으며, 각 매장(특히, 연계된 매장별)의 테이블 점유 현황을 각 매장의 고객 기기(미도시)로 전송할 수 있다. 고객 기기는 각 매장별 테이블 점유 현황을 고객에게 제공할 수 있으며, 고객은 이를 기초로 어느 곳에서 음식을 먹을 것인지를 결정하여 메뉴를 선택/주문할 수 있다.
한편, 매장 통합 시스템의 특성에 따를 때, 매장 통합 시스템에 가입되어 있는 매장들간 방문/이용/주문 횟수에 따른 적립 혜택이 상호간 공유될 수 있다. 예를 들어, 1회 주문당 1개의 쿠폰이 적립되며, 10회 주문 시 50%의 할인 혜택이 주어지는 것으로 매장 통합 시스템에 설정되어 있는 경우, 고객이 A 매장에 5회, B 매장에 5회 주문(즉, 서로 다른 매장에 주문)했더라도 A 및 B 매장이 매장 통합 시스템에 가입되어 있는 이상, 10회 방문한 것으로 보고 50%의 할인 혜택이 고객에게 주어지게 되는 것이다.
도 11은 본 발명의 일 실시예에 따른 통합 서버의 블록도이다.
도 11을 참조하면, 통합 서버는 프로세서(1110), 통신 유닛(1120) 및 메모리유닛(1130)을 포함할 수 있다.
프로세서(1110)는 본 명세서에서 제안된 실시예를 수행하기 위해 적어도 하나의 구성/유닛을 제어할 수 있다. 따라서, 본 명세서에서 통합 서버는 프로세서(1110)로 대체되어 설명될 수 있다. 프로세서(1110)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), AP(Application Processor), AP(Application Processor) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 적어도 하나 포함하여 구성될 수 있다. 프로세서(1110)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 어플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다. 특히, 프로세서(1110)는 메모리 유닛(1130)에 저장된 다양한 어플리케이션을 실행하고, 통합 서버 내부의 데이터를 프로세싱할 수 있다.
통신 유닛(1120)은 적어도 하나의 유/무선 통신 프로토콜을 사용하여 통신을 수행, 데이터/신호/정보를 송신/수신할 수 있다. 특히, 통합 서버는 통신 유닛(1120)을 이용하여 통합 시스템에 포함된 다른 구성(즉, 복수의 고객 기기, 복수의 직원 기기 등)와 통신을 수행할 수 있다.
메모리 유닛(1130)은 비디오, 오디오, 사진, 동영상, 어플리케이션, 프로그램 등 다양한 디지털 데이터를 저장할 수 있다. 메모리 유닛(1130)은 플래시 메모리, HDD(Hard Disk Drive), SSD(Solid State Drive), 클라우드, 데이터 베이스 등의 다양한 디지털 데이터 저장 공간을 나타낸다.
본 발명에 따른 실시예는 다양한 수단, 예를 들어, 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 본 발명의 일 실시예는 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
또한, 펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 일 실시예는 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차, 함수 등의 형태로 구현되어, 다양한 컴퓨터 수단을 통하여 판독 가능한 기록매체에 기록될 수 있다. 여기서, 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
아울러, 본 발명에 따른 장치나 단말은 하나 이상의 프로세서로 하여금 앞서 설명한 기능들과 프로세스를 수행하도록 하는 명령에 의하여 구동될 수 있다. 예를 들어 그러한 명령으로는, 예컨대 JavaScript나 ECMAScript 명령 등의 스크립트 명령과 같은 해석되는 명령이나 실행 가능한 코드 혹은 컴퓨터로 판독 가능한 매체에 저장되는 기타의 명령이 포함될 수 있다. 나아가 본 발명에 따른 장치는 서버 팜(Server Farm)과 같이 네트워크에 걸쳐서 분산형으로 구현될 수 있으며, 혹은 단일의 컴퓨터 장치에서 구현될 수도 있다.
또한, 본 발명에 따른 장치에 탑재되고 본 발명에 따른 방법을 실행하는 컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일 되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.
설명의 편의를 위하여 각 도면을 나누어 설명하였으나, 각 도면에 서술되어 있는 실시예들을 병합하여 새로운 실시예를 구현하도록 설계하는 것도 가능하다. 또한, 본 발명은 상술한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상술한 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
또한, 이상에서는 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 명세서는 상술한 특정의 실시예에 한정되지 아니하며, 청구 범위에서 청구하는 요지를 벗어남이 없이 당해 명세서가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 명세서의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.
200: 매장 통합 시스템
210: 통합 서버
220: 직원 기기
230: 고객 기기
210: 통합 서버
220: 직원 기기
230: 고객 기기
Claims (15)
- 매장 통합 시스템 기반의 메뉴 추천 방법에 있어서,
통합 서버가, 고객이 방문한 복수의 매장들에 구비된 고객 기기로부터 상기 고객의 주문 메뉴 데이터를 수집하는 단계;
상기 통합 서버가, 상기 주문 메뉴 데이터를 분석하여 상기 고객의 선호 메뉴 예측 모델을 구축하는 단계;
상기 고객의 매장 방문 알림을 상기 고객이 현재 방문 중인 매장에 구비된 고객 기기로부터 수신하는 단계로서, 상기 매장 방문 알림은, 상기 고객의 식별 정보 및 상기 고객이 방문한 매장의 식별 정보를 포함함;
상기 통합 서버가, 상기 선호 메뉴 예측 모델에 상기 고객이 상기 현재 방문 중인 매장에 대하여 저장되어 있는 메뉴를 입력하여 상기 현재 방문 중인 매장의 메뉴 중 상기 고객이 선호할 메뉴 후보를 예측하는 단계;
상기 통합 서버가, 기설정된 최종 메뉴 선택 조건을 고려하여 상기 예측된 메뉴 후보 중 최종 추천 메뉴를 결정하는 단계; 및
상기 통합 서버가, 상기 결정된 최종 추천 메뉴를 상기 현재 방문 중인 매장에 구비된 고객 기기로 전송하는 단계; 를 포함하는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 제 1 항에 있어서,
상기 선호 메뉴 예측 모델은 머신 러닝을 기반으로 구축되는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 제 2 항에 있어서,
상기 선호 메뉴 예측 모델을 구축하는 단계는,
상기 고객의 주문 메뉴 데이터로부터 주문 메뉴간 공통된 특징을 추출하는 단계;
상기 추출한 특징을 기반으로 분류 기준을 확립하는 단계; 및
상기 확립한 분류 기준을 상기 머신 러닝 기반의 분류기에 훈련(training)시킴으로써 상기 선호 메뉴 예측 모델을 구축하는 단계; 를 포함하는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 제 3 항에 있어서,
상기 머신 러닝은, kNN(k-Nearest Neighborhood), 결정 트리(Decision Tree), 랜덤 포레스트(Random Forest), Naive Bayes, SVM(Support vector Machine), RNNs(Recurrent Neural Networks), DNNs(Deep Neural Networks) 및 CNNs(Convolutional Neural Networks) 중 적어도 하나에 해당하는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 제 3 항에 있어서,
상기 공통된 특징은, 상기 주문 메뉴의 가격, 음식 종류, 주성분, 주재료, 영양분, 매운 정도, 단 정도, 신 정도, 짠 정도, 조리 방법 중 적어도 하나를 기초로 추출되는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 제 1 항에 있어서,
상기 최종 메뉴 선택 조건은,
상기 고객이 최근 기설정된 기간동안 주문한 메뉴 내역, 1일 영양 섭취 기준, 상기 현재 방문 중인 매장에 행사 중인 메뉴가 있는지 여부 및 상기 고객과 기설정된 비율 이상으로 유사한 주문 메뉴 특징을 갖는 타고객의 주문 내역 중 적어도 하나를 포함하는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 제 6 항에 있어서,
상기 최종 메뉴 선택 조건이 상기 고객이 최근 기설정된 기간동안 주문한 메뉴 내역을 포함하는 경우, 상기 최종 추천 메뉴를 결정하는 단계는,
상기 예측된 메뉴 후보 중 상기 최근 기설정된 기간동안 주문한 메뉴 내역과 중복되는 메뉴가 있는 경우, 상기 최종 추천 메뉴 결정 시 상기 중복되는 메뉴는 상기 예측된 메뉴 후보에서 제외하여 결정하는 단계; 를 포함하는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 제 6 항에 있어서,
상기 최종 메뉴 선택 조건이 상기 고객이 최근 기설정된 기간동안 주문한 메뉴 내역 및 상기 1일 영양 섭취 기준을 포함하는 경우, 상기 최종 추천 메뉴를 결정하는 단계는,
상기 최근 기설정된 기간동안 주문한 메뉴 내역을 기초로 고객의 영양 섭취 현황을 산출하는 단계;
상기 영양 섭취 현황을 상기 1일 영양 섭취 기준과 비교하여 결핍된 영양소를 추출하는 단계; 및
상기 예측된 메뉴 후보 중 상기 영양소가 다량 함유되어 있는 메뉴를 상기 최종 추천 메뉴로 결정하는 단계; 를 포함하는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 제 6 항에 있어서,
상기 최종 메뉴 선택 조건이 상기 현재 방문 중인 매장에 행사 중인 메뉴가 있는지 여부를 포함하는 경우, 상기 최종 추천 메뉴를 결정하는 단계는,
상기 예측된 메뉴 후보 중 상기 행사 중인 메뉴가 포함되어 있는 경우, 상기 행사 중인 메뉴를 상기 최종 추천 메뉴로 결정하는 단계; 를 포함하는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 제 6 항에 있어서,
상기 최종 메뉴 선택 조건이 상기 타고객의 주문 내역을 포함하는 경우,
상기 현재 방문 중인 매장에 방문했던 타고객 중, 상기 고객과 상기 기설정된 비율 이상으로 매칭되는 주문 메뉴 특징을 갖는 타고객을 추출하는 단계;
상기 타고객이 상기 현재 방문 중인 매장에서 주문한 메뉴를 추출하는 단계; 및
상기 예측된 메뉴 후보 중 상기 추출한 메뉴가 포함되어 있는 경우, 상기 추출한 메뉴를 상기 최종 추천 메뉴로 결정하는 단계; 를 포함하는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 제 1 항에 있어서,
상기 고객 기기가 적어도 하나의 타매장의 메뉴를 주문받기 위한 메뉴 주문 인터페이스를 상기 고객에게 제공하는 단계;
상기 고객 기기가 상기 고객으로부터 특정 타매장의 메뉴에 대한 선택 및 주문 입력을 수신하는 단계;
상기 고객 기기가 상기 선택 및 주문 입력을 상기 통합 서버로 전송하는 단계; 및
상기 통합 서버가 상기 특정 타매장의 직원 기기로 상기 선택 및 주문 입력을 전송하는 단계; 를 포함하는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 제 11 항에 있어서,
상기 타매장은 상기 현재 방문 중인 매장으로부터 기설정된 반경 내에 위치한 매장으로 제한되는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 제 12 항에 있어서,
상기 현재 방문 중인 매장에 구비된 직원 기기 또는 상기 고객 기기가 상기 고객이 주문한 메뉴에 대한 결제를 수행하는 단계;
상기 결제 완료 시, 상기 직원 기기 또는 상기 고객 기기가 상기 결제 완료 메시지를 상기 통합 서버로 전송하는 단계;
상기 통합 서버는 상기 현재 방문 중인 매장으로부터 상기 특정 타매장까지의 거리를 도출하고, 상기 고객이 상기 현재 방문 중인 매장으로부터 상기 특정 타매장까지 도보로 이동하는 데 걸리는 시간을 계산하는 단계; 및
상기 계산한 시간을 상기 특정 타매장의 직원 기기로 전송하는 단계; 를 포함하는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 제 1 항에 있어서,
동일한 매장의 직원 기기 및 고객 기기는 통합되어 하나의 기기로 구현되거나, 별도의 기기로서 분리되어 구현되는, 매장 통합 시스템 기반의 메뉴 추천 방법. - 매장 통합 시스템 기반으로 메뉴를 추천하는 통합 서버에 있어서,
적어도 하나의 통신 프로토콜을 사용하여 통신을 수행하는, 통신 유닛;
데이터를 저장하는, 메모리 유닛; 및
상기 통신 유닛 및 상기 메모리 유닛을 제어하는, 프로세서; 를 포함하되,
상기 프로세서는,
고객이 방문한 복수의 매장들에 구비된 고객 기기로부터 상기 고객의 주문 메뉴 데이터를 수집하고,
상기 주문 메뉴 데이터를 분석하여 상기 고객의 선호 메뉴 예측 모델을 구축하고,
상기 선호 메뉴 예측 모델에 상기 고객이 현재 방문 중인 매장의 메뉴를 입력하여 상기 현재 방문 중인 매장의 메뉴 중 상기 고객이 선호할 메뉴 후보를 예측하고,
기설정된 최종 메뉴 선택 조건을 고려하여 상기 예측된 메뉴 후보 중 최종 추천 메뉴를 결정하고,
상기 결정된 최종 추천 메뉴를 상기 현재 방문 중인 매장에 구비된 고객 기기로 전송하는, 통합 서버.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200181718A KR102553847B1 (ko) | 2020-12-23 | 2020-12-23 | 매장 통합 시스템 기반의 메뉴 추천 방법 및 이를 위한 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200181718A KR102553847B1 (ko) | 2020-12-23 | 2020-12-23 | 매장 통합 시스템 기반의 메뉴 추천 방법 및 이를 위한 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220090823A true KR20220090823A (ko) | 2022-06-30 |
| KR102553847B1 KR102553847B1 (ko) | 2023-07-10 |
Family
ID=82215198
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200181718A KR102553847B1 (ko) | 2020-12-23 | 2020-12-23 | 매장 통합 시스템 기반의 메뉴 추천 방법 및 이를 위한 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102553847B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115736162A (zh) * | 2022-11-21 | 2023-03-07 | 河南农业大学 | 基于数据智能分析的预制菜肴制备方法及系统 |
| KR102530527B1 (ko) * | 2022-12-28 | 2023-05-09 | 주식회사 로보그램인공지능로봇연구소 | 건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템 |
| KR20240027419A (ko) | 2022-08-23 | 2024-03-04 | 주식회사 만나플래닛 | 통합 매장 관리 시스템 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140148130A (ko) * | 2013-06-21 | 2014-12-31 | 동아대학교 산학협력단 | 개인별 메뉴추천 시스템 및 방법 |
| KR20190083925A (ko) * | 2018-01-05 | 2019-07-15 | 주식회사 기업서비스연구소 | 도로변 매장 연계 주문 시스템 및 방법 |
| KR20190104487A (ko) * | 2019-08-21 | 2019-09-10 | 엘지전자 주식회사 | 인공지능 기반의 사용자 상태에 따른 식품 추천 방법 및 그 장치 |
| KR20190114718A (ko) * | 2018-11-02 | 2019-10-10 | 주식회사 커넥위드 | 선호 메뉴 기반 음식점 추천 방법 및 장치 |
| KR20200054592A (ko) * | 2018-11-12 | 2020-05-20 | 박성용 | 사용자 위치와 정보를 기반으로 한 개인별 맛집 추천 시스템 및 방법. |
| KR20200119657A (ko) * | 2019-04-10 | 2020-10-20 | 최상식 | 건강관리를 고려한 메뉴 기반 식재료 주문 시스템 및 방법 |
-
2020
- 2020-12-23 KR KR1020200181718A patent/KR102553847B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140148130A (ko) * | 2013-06-21 | 2014-12-31 | 동아대학교 산학협력단 | 개인별 메뉴추천 시스템 및 방법 |
| KR20190083925A (ko) * | 2018-01-05 | 2019-07-15 | 주식회사 기업서비스연구소 | 도로변 매장 연계 주문 시스템 및 방법 |
| KR20190114718A (ko) * | 2018-11-02 | 2019-10-10 | 주식회사 커넥위드 | 선호 메뉴 기반 음식점 추천 방법 및 장치 |
| KR20200054592A (ko) * | 2018-11-12 | 2020-05-20 | 박성용 | 사용자 위치와 정보를 기반으로 한 개인별 맛집 추천 시스템 및 방법. |
| KR20200119657A (ko) * | 2019-04-10 | 2020-10-20 | 최상식 | 건강관리를 고려한 메뉴 기반 식재료 주문 시스템 및 방법 |
| KR20190104487A (ko) * | 2019-08-21 | 2019-09-10 | 엘지전자 주식회사 | 인공지능 기반의 사용자 상태에 따른 식품 추천 방법 및 그 장치 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240027419A (ko) | 2022-08-23 | 2024-03-04 | 주식회사 만나플래닛 | 통합 매장 관리 시스템 |
| CN115736162A (zh) * | 2022-11-21 | 2023-03-07 | 河南农业大学 | 基于数据智能分析的预制菜肴制备方法及系统 |
| KR102530527B1 (ko) * | 2022-12-28 | 2023-05-09 | 주식회사 로보그램인공지능로봇연구소 | 건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102553847B1 (ko) | 2023-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230161449A1 (en) | Learning user interface | |
| KR20220090823A (ko) | 매장 통합 시스템 기반의 메뉴 추천 방법 및 이를 위한 장치 | |
| US10592959B2 (en) | Systems and methods for facilitating shopping in a physical retail facility | |
| US20190385107A1 (en) | System and Method for Integrating Business Operations | |
| US20180174188A1 (en) | Systems and methods for customizing content of a billboard | |
| US20180137461A1 (en) | Enterprise-accessible customer locker | |
| US20180300788A1 (en) | Vector-based characterizations of products and individuals with respect to personal partialities such as a propensity to behave as a first adopter | |
| US20170300936A1 (en) | Systems and methods for assessing purchase opportunities | |
| CA3027866A1 (en) | Vector-based characterizations of products and individuals with respect to customer service agent assistance | |
| JP2009086941A (ja) | 飲食店用メニュー表示装置 | |
| US20180060893A1 (en) | Correlating consumption and activity patterns | |
| JP2022012060A (ja) | 品揃管理支援方法、プログラム及び品揃管理支援システム | |
| US20240176460A1 (en) | Learning user interface | |
| JP2023132150A (ja) | 情報処理装置およびプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |