KR20220167181A - 성장몰 분석 방법, 장치 및 시스템 - Google Patents

Abstract

본 발명의 일 양태는, 컴퓨팅 장치에서의 성장몰 분석 방법을 개시하고 있다. 상기 방법은, 복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하는 단계, 제 1 기간 또는 제 2 기간의 매출순위를 기반으로, N개의 쇼핑몰들을 비교 대상 그룹으로 선정하는 단계(여기서, 상기 제 2 기간은 상기 제 1 기간 이후의 시간을 나타내고, N은 2 이상의 정수임) 및 상기 N개의 쇼핑몰들에 대해, 상기 제 1 기간 대비 상기 제 2 기간의 상대적인 매출순위를 기반으로, 개별 쇼핑몰의 쇼핑몰 성장성 지표를 산출하는 단계를 포함한다.

Description

성장몰 분석 방법, 장치 및 시스템{GROWING SHOPPING MALL ANALYSIS METHOD, APPARATUS, AND SYSTEM}

본 발명은 분석 방법에 관한 것으로, 보다 상세하게는, 쇼핑몰의 성장성을 분석하는 방법 및 시스템에 관한 것이다.

최근 컴퓨터와 인터넷의 발달에 힘입어, 온라인 매장을 갖고 있는 경우가 대부분이다. 특히 최근 등장하고 있는 비즈니스 모델인 자신의 온라인 매장만을 갖고 판매, 유통 등을 영위하고 있는 자영업자들이 꾸준히 증가하고 있다.

그러한 상황에서, 온라인 쇼핑몰의 운영자들은 기술, 디자인 영역 대행업체의 전문성 부족, 운영자의 마케팅 능력부족 또는 온라인 쇼핑몰 운영의 미숙 등 매출감소에 대한 다양한 요인의 파악이 있어야 함에도 불구하고 무엇이 문제인지를 인식하기도 전에 폐업을 하는 경우가 대부분이다.

따라서, 온라인 쇼핑몰이 초기, 중기 등 시간에 따라 안정적으로 성장하고 있는지 또는 감소세에 들어섰는지를 정확하게 파악하는 것은 문제의 신속한 처리에 매우 중요한 요소임에도 불구하고, 온라인 쇼핑몰 운영자가 이를 인식하기는 쉽지 않은 실정이다. 특히, 성장성이 좋은 쇼핑몰은 어느 쇼핑몰이고, 성장성이 좋지 않은 쇼핑몰은 어떤 쇼핑몰인지 파악하는 것은 온라인 쇼핑몰 플랫폼 서비스를 제공하는 사업자 입장에서도 매우 중요한 정보이다. 잘 성장하고 있는 쇼핑몰은 현재 상황을 잘 유지하라는 메시지를 전달하여 더 크게 성장하도록 지원하고, 성장성이 좋지 않은 쇼핑몰은 그에 대한 정보를 제공하여, 빠르게 현재 운영 상의 문제점을 개선하도록 독려해야 플랫폼 사업의 수익성도 높아지기 때문이다.

다만, 이러한 쇼핑몰의 성장성은 앞서 설명한 바와 같이, 시장영향도 받고, 기술의 영향도 받으며, 운영자 개인의 역량도 반영되기에, 다양한 지표의 분석이 필요함에도 이를 전문적으로 분석 및 컨설팅하는 기술이 없어, 플랫폼 서비스 사업자부터 쇼핑몰 운영자까지 문제점으로 부각되고 있는 실정이다.

상술한 문제점을 해결하기 위한 본 발명의 일 양태에 따른 목적은, 온라인 쇼핑몰의 시간에 따른 매출지표를 기반으로 쇼핑몰의 성장성을 분석하는 방법을 제공하는 것이다.

상기한 목적을 달성하기 위한 본 발명의 일 양태에 따른, 컴퓨팅 장치에서의 성장몰 분석 방법은, 복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하는 단계, 제 1 기간 또는 제 2 기간의 매출순위를 기반으로, N개의 쇼핑몰들을 비교 대상 그룹으로 선정하는 단계(여기서, 상기 제 2 기간은 상기 제 1 기간 이후의 시간을 나타내고, N은 2 이상의 정수임) 및 상기 N개의 쇼핑몰들에 대해, 상기 제 1 기간 대비 상기 제 2 기간의 상대적인 매출순위를 기반으로, 개별 쇼핑몰의 쇼핑몰 성장성 지표를 산출하는 단계를 포함할 수 있다.

상기 쇼핑몰 성장성 지표는, 상기 제 2 기간 내 매출순위와 상기 제 1 기간내 매출순위 간의 상대적 차이 값을 기반으로 산출되며, 상기 쇼핑몰 성장성 지표의 값이, 작을수록 높은 성장성을 가리키고, 클수록 낮은 성장성을 가리킬 수 있다.

상기 방법은, 상기 쇼핑몰 성장성 지표를 이용하여, 상기 쇼핑몰 성장성 지표가 임계값보다 작은 쇼핑몰을 추출하는 단계를 더 포함할 수 있다.

상기 제 1 기간과 상기 제 2 기간은 동일한 길이를 갖는 다른 시점의 시간일 수 있다.

상기 쇼핑몰 성장성 지표는, 상기 제 2 기간의 매출 순위를 기반으로 산출된 제 1 지표와 상기 제 2 기간의 매출순위에서 상기 제 1 기간의 매출순위를 뺀 값으로부터 산출된 제 2 지표 중 적어도 하나를 기반으로 산출될 수 있다.

상기 쇼핑몰 성장성 지표는, 상기 제 1 지표에 제 1 가중치를 부여하고, 상기 제 2 지표에 제 2 가중치를 부여하여 합산한 값에 의해 산출될 수 있다.

상기 제 2 지표가 상기 쇼핑몰 성장성 지표에 반영될 때, 상기 제 2 지표의 값은, 상기 상대적인 매출순위를 기반으로, 최상위 쇼핑몰에 대해 0의 값을, 최하위 쇼핑몰에 대해 M의 값(여기서, M은 0보다 큰 수임)을 부여하되, 상기 N개의 쇼핑몰들 중 상기 최상위 쇼핑몰과 상기 최하위 쇼핑몰을 제외한 나머지 쇼핑몰들에 대해서는, 그들의 상기 상대적인 매출순위가 상기 최상위 쇼핑몰 또는 상기 최하위 쇼핑몰과 얼마나 가까운지를 가지고 0과 M 사이의 값으로 상기 제 2 지표의 값이 산출될 수 있다.

상기 제 1 기간의 매출액과 상기 제 2 기간의 매출액의 차이값을 제 3 지표로 더 고려하여 상기 쇼핑몰 성장성 지표를 산출할 수 있다.

상기 N개의 쇼핑몰들 중 복수의 쇼핑몰들에 대해, 상기 제 1 지표 및 상기 제 2 지표 중 적어도 하나를 이용하여 산출된 상기 쇼핑몰 성장성 지표의 값이 동일할 때, 상기 제 3 지표를 추가적으로 반영하여 상기 쇼핑몰 성장성 지표를 산출할 수 있다.

상기 N개의 쇼핑몰은 동일 카테고리로 그룹화 가능한 경쟁 쇼핑몰들을 중심으로 선정할 수 있다.

상기 N개의 쇼핑몰은 상기 제 2 기간의 매출 순위를 기반으로 상위 N개에 속하는 쇼핑몰일 수 있다.

상기 방법은, 상기 쇼핑몰 성장성 지표를 시각화하는 단계를 더 포함하되, 상기 쇼핑몰 성장성 지표를 제 1 축으로, 상기 N 개의 선정된 쇼핑몰들 중 일부의 매출액을 제 2 축으로 하여, 상기 쇼핑몰 성장성 지표를 시각화할 수 있다.

상기 쇼핑몰 성장성 지표를 시각화할 때, 상기 N 개의 선정된 쇼핑몰들 중 하나의 쇼핑몰을 하나의 포인트로 표시하고, 상기 표시되는 포인트는 기간에 따라 서로 다른 색상으로 표시될 수 있다.

상기 제 1 축의 제 1 임계값보다 0에 가까운 방향에 위치하는 제 1 영역에 존재하면서, 시간이 지남에 따라 상기 제 2 축의 값이 제 3 임계값보다 더 커지는 포인트에 대응하는 쇼핑몰을 성장몰로 정의할 수 있다.

시간이 지남에 따라 상기 제 2 축의 값의 변화 값이 제 4 임계값보다 적으면서 상기 제 1 축의 값의 변화값이 0에서 멀어지는 방향으로 제 5 임계값보다 큰 값을 갖는 포인트에 대응하는 쇼핑몰을 쇠퇴몰로 정의할 수 있다.

상기 제 1 축 및 상기 제 2 축 중 적어도 하나에 대한 임계값을 기반으로 적어도 하나의 쇼핑몰을 선택하여 제 1 시각적 표현으로 표시하고, 상기 N 개의 쇼핑몰들 중 선택되지 않는 쇼핑몰들을 제 2 시각적 표현으로 표시할 수 있다.

상기한 목적을 달성하기 위한 본 발명의 다른 양태에 따른, 성장몰 분석 장치는, 복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하여 저장하는 저장부, 제 1 기간 및 제 2 기간의 매출순위를 기반으로, N개의 쇼핑몰들을 비교 대상 그룹으로 선정하고, 상기 N개의 쇼핑몰들에 대해, 상기 제 1 기간 대비 상기 제 2 기간의 상대적인 매출순위를 기반으로, 개별 쇼핑몰의 쇼핑몰 성장성 지표를 산출하는 프로세서를 포함하되, 상기 제 2 기간은 상기 제 1 기간 이후의 시간을 나타내고, N은 2 이상의 정수일 수 있다.

상기한 목적을 달성하기 위한 본 발명의 또 다른 양태에 따른, 전자상거래 시스템에서 성장몰을 분석하는 시스템은, 전자상거래와 연관된 복수 개의 쇼핑몰들의 기간에 따른 매출액과 관련된 정보를 제공하는, 쇼핑몰 운영 서버 및 상기 쇼핑몰 운영 서버로부터, 상기 복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하여 제 1 기간 또는 제 2 기간의 매출순위를 기반으로, N개의 쇼핑몰들을 비교 대상 그룹으로 선정하고, 상기 N개의 쇼핑몰들에 대해, 상기 제 1 기간 대비 상기 제 2 기간의 상대적인 매출순위를 기반으로, 개별 쇼핑몰의 쇼핑몰 성장성 지표를 산출하는 성장몰 분석 장치를 포함하되, 상기 제 2 기간은 상기 제 1 기간 이후의 시간을 나타내고, N은 2 이상의 정수일 수 있다.

상기한 목적을 달성하기 위한 본 발명의 다른 양태에 따른, 프로세서에 의해 실행 가능한 명령어들을 포함하는, 컴퓨터 판독 가능한 저장 매체는, 상기 명령어들은 상기 프로세서에 의해 실행되었을 때, 복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하고, 제 1 기간 또는 제 2 기간의 매출순위를 기반으로, N개의 쇼핑몰들을 비교 대상 그룹으로 선정하며(여기서, 상기 제 2 기간은 상기 제 1 기간 이후의 시간을 나타내고, N은 2 이상의 정수임), 그리고 상기 N개의 쇼핑몰들에 대해, 상기 제 1 기간 대비 상기 제 2 기간의 상대적인 매출순위를 기반으로, 개별 쇼핑몰의 쇼핑몰 성장성 지표를 산출하도록 구성될 수 있다.

본 발명의 성장몰 분석 방법 및 시스템에 따르면, 온라인 쇼핑몰 각각에 대한 성장성을 정량적으로 정확하게 분석함에 따라, 쇼핑몰 운영자의 매장 운영에 도움을 주고, 쇼핑몰 플랫폼 사업자의 쇼핑몰의 성장 관리에도 도움을 주어 전반적인 쇼핑몰의 매출을 증대시키고 판매 감소를 방지하는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 성장몰 분석 방법이 적용되는 시스템을 개략적으로 나타낸 블록도,
도 2는 본 발명의 일 실시예에 따른 성장몰 분석 방법을 구체적으로 나타낸 흐름도,
도 3은 본 발명의 일 실시예에 따른 성장몰 분석 방법에 따라 성장성이 높은 목을 추정하는 과정을 설명하기 위한 개념도,
도 4는 본 발명의 일 실시예에 따른 성장몰 분석 방법에 따라 산출된 쇼핑몰 성장성 지표와 매출액 상관 그래프를 기반으로 쇼핑몰의 성장성을 분석하는 방법을 설명하기 위한 개념도,
도 5는 매출액 상위 100개 쇼핑몰의 2016년 성장성 지표와 2019년 성장성 지표를 비교한 그래프,
도 6은 매출액 상위 500개 쇼핑몰의 2015년부터 2019년까지 시간에 따른 성장성 지표의 흐름을 나타낸 그래프,
도 7은 과거 대비 현재의 성장성 지표와 매출액과의 관계에 따른 성장 가능성을 설명하기 위한 개념도,
도 8은 상위 500개 성장성이 높은 쇼핑몰의 2016년부터 2019년까지 시간에 따른 성장성 지표의 흐름을 나타낸 그래프,
도 9는 본 발명의 일 실시예에 따른 성장몰 분석 장치를 개략적으로 나타낸 블록도이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 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.

제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.

도 1은 본 발명의 일 실시예에 따른 성장몰 분석 방법이 적용되는 시스템을 개략적으로 나타낸 블록도이다. 도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 성장몰 분석 시스템은 쇼핑몰(110-1~110-N) 및 성장몰 분석 장치(120)를 포함할 수 있다.

도 1을 참조하면, 쇼핑몰(110-1~110~N)은 인터넷을 통하여 상품 및/또는 서비스을 판매하는 쇼핑몰을 의미할 수 있고, 쇼핑몰과 연관된 정보를 취급하는 서버 또는 쇼핑몰의 운영자의 단말기를 포함한다. 단말은 스마트폰, PC 등의 컴퓨팅 디바이스를 포함할 수 있다.

본 발명의 실시예에 따르면, 복수 개의 쇼핑몰(110-1~110-N)은 통신망(미도시)을 통해 성장몰 분석 장치(120)와 연동할 수 있다. 쇼핑몰(110-1~110-N)은 쇼핑몰의 운영(매출 포함)과 관련된 정보를 성장몰 분석 장치(120)로 제공할 수 있다. 이때, 일별 매출 관련 정보, 월별 매출 관련 정보 등 기간별 매출 정보를 제공할 수 있다. 또한, 상품별 매출 현황과 관련된 자료 등도 제공할 수 있다. 복수 개의 쇼핑몰(110-1~110-N)은 쇼핑몰의 성장성 분석을 요청하는 장치를 포함할 수 있다.

성장몰 분석 장치(120)는 쇼핑몰(110-1~110-N) 중 적어도 하나로부터 기간에 따른 매출 정보를 수신하고, 이를 분석하여 분석 결과를 쇼핑몰(110-1~110-N)에게 제공하는 장치일 수 있다. 성장몰 분석 장치(120)는 컴퓨팅 장치로 구현될 수 있다. 여기서 말하는 컴퓨터 장치는 서버 급 컴퓨터 단말기로 구현될 수 있다. 상기 컴퓨터 장치는 통상적인 컴퓨터 단말이 가지는 입력 장치, 표시 장치, 네트워킹 장치, 하드디스크, 프로그램을 저장하는 메모리 및 메모리에 저장된 프로그램을 수행시키는 프로세서 등을 구비할 수 있다. 다만, 반드시 서버 급 컴퓨터 단말로 구현되어야 하는 것은 아니다. 성장몰 분석 장치(120)는 인터넷 쇼핑몰 플랫폼을 운영하는 사업자의 서버일 수 있다. 플랫폼 운영 서버(미도시)와 동일 장치로 구현될 수도 있고, 플랫폼 운영 서버와 연동하는 별도 서버 장치로 구현될 수도 있다. 성장몰 분석 장치(120)는 "서버" 또는 "서버 장치"로 불릴 수 있다.

성장몰 분석 장치(120)는 특정 기간 내에 매출순위를 기반으로 비교 그룹 N개(N은 자연수임)를 선정하고, 선정된 쇼핑몰에 대해 다음 기간 내 매출순위를 산출하여 두 기간의 매출순의의 변화를 성장 순위의 기초 정보로 하여, 쇼핑몰의 성장성 지표("쇼핑몰 성장성 지표"라 부를 수 있음)를 산출한다. 그리고는, 개별적으로 산출된 성장성 지표를 쇼핑몰들(110-1~110-N)에게 반환하여, 현재의 쇼핑몰의 성장성을 판단하도록 하고, 그에 따라 계속 쇼핑몰들(110-1~110-N)이 발전해 나갈 수 있도록 지원한다. 쇼핑몰 성장성 지표 값은, 작을수록 높은 성장성을 가리키고, 클수록 낮은 성장성을 가리키도록 설정하여 산출될 수 있다. 즉, 0에 가까운 값을 가질수록 높은 성장성을 갖는다고 볼 수 있다. 이에 따라, 쇼핑몰 성장성 지표의 값이 상대적으로 높은 쇼핑몰들은 현재 성장이 지체되고 있다고 판단할 수 있고, 성장 지체의 자체 원인을 고민해볼 필요가 있다. 종래까지는 이러한 분석지표가 지원되지 않아 쇼핑몰 운영자가 자신의 쇼핑몰이 현재 잘 성장하고 있는지를 파악할 수 있는 방법을 찾기 쉽지 않았는데, 본 발명의 일 실시예에 따른 성장성 분석 방법을 이용하여 성장 정도를 용이하게 파악할 수 있고, 이에 따라 쇼핑몰의 운영을 효율적으로 할 수 있다.

본 발명의 다른 실시예에 따르면, 쇼핑몰(110-1~110-N)과 연관된 단말은 성장몰 분석 장치(120)에서 제공하는 애플리케이션을 다운로드 받아, 성장몰 분석 장치(120)에서 수행하는 매출 정보를 기반으로 성장성 지표를 산출하는 과정을 단말 내에서 수행하도록 제어할 수 있다. 즉, 별도의 서버장치 없이 단말의 프로세서(미도시)가 다운받은 애플리케이션을 실행하여 성장성 지표를 산출 및 제공받을 수 있게 할 수 있다.

도 2는 본 발명의 일 실시예에 따른 성장몰 분석 방법을 구체적으로 나타낸 흐름도이다.

도 2를 참조하면, 서버는 가장 먼저, 개별 쇼핑몰들의 상품 판매 관련 정보(예를 들어, 기간 별 매출 정보)를 획득한다. 그리고는, 이를 기반으로 비교대상 그룹을 선정한다(S210). 기본적으로, 서버는 특정 기간을 정해 해당 기간의 매출액을 기반으로 매출순위 상위 N개를 선정한다. 이때, N개는 50개, 100개, 200개, 500개 등의 임의의 수일 수 있다. 그리고, 기간은 특정 연도가 될 수 있다. 예를 들어, 현재 시간을 기점으로 N개를 선정할 수 있다. 즉, 올해, 2021년의 매출액 순위 상위 500개가 비교대상 그룹으로 선정될 수 있다. 또는, 과거 2015년의 매출액 순위 상위 500개가 비교대상 그룹으로 선정될 수도 있다. 하위 500개도 대상이 될 수 있다. 다른 예에서, 쇼핑몰의 카테고리를 고려하여, 동일 카테고리의 쇼핑몰들이 선정대상이 될 수 있다. 예를 들어, 의류 관련 쇼핑몰을 필터링한 후, 그 중에서 특정 기간의 매출액을 기반으로 상위 N개를 비교대상 그룹으로 선정할 수 있다. 또 다른 예에서, 매출순위 상위 250개, 그리고 하위 250개를 합쳐 총 500개의 경쟁 쇼핑몰을 비교대상 그룹으로 선정할 수도 있다.

비교대상 그룹을 선정하고 나면, 서버는 비교대상 그룹 내의 쇼핑몰들에 대해 서로 다른 시간 구간(예를 들어, 다음 해)의 매출순위 정보를 획득한다(S220). 즉, 특정 연도의 매출순위 정보와 상기 특정 연도 이후의 매출 순위 정보, 적어도 둘 이상의 시간 구간에서의 매출 순위 정보를 획득한다. 예를 들어, 2015년의 매출순위를 획득하고 이후 2016년의 매출순위 정보를 획득할 수 있다. 이때, 매출액 정보도 함께 획득하는 것이 바람직하다. 또한, 반드시 1년을 매출액 및/또는 매출 순위 정보 획득의 단위로 선정해야만 하는 것은 아니다. 1개월, 분기, 및/또는 반기도 매출액 및/또는 매출 순위 정보 획득 및 그에 따른 성장성 지표 산출의 단위 기간이 될 수 있다.

매출순위 정보를 획득하고 나면, 서버는 단계(S220)에서 획득한 적어도 두 시간 구간의 상대적인 성장 순위를 성장성 지표로 산출한다(S230). 즉, 서버는 둘 이상의 시간 구간에서 최근 순위 대비 이전 순위의 매출순위의 차이 값을 기반으로 성장성 지표를 산출한다. 예를 들어, 2015년에 10위인 A 업체가 2016년에는 1위가 되었다면, 그 둘의 매출순위 차이값은 9(위)가 된다. B 업체의 경우, 2015년에는 4위였는데 2016년에 10위가 되었다면, 그 둘의 매출순위 차이값은 -6(위)이 된다. 이와 같이, 비교대상 그룹에 포함된 모든 쇼핑몰에 대해 위의 매출순위 차이값을 산출한 후, 산출된 값을 상대적으로 비교하여, 가장 높은 값을 가진 쇼핑몰을 성장지표 0으로 하고, 가장 낮은 값을 갖는 쇼핑몰을 성장지표 1의 값으로 산출할 수 있다. 최고점과 최저점 사이의 값을 갖는 쇼핑몰은 그 값이 최고점과 최저점 사이에 어느 지점에 위치하는지에 따라 해당 쇼핑몰의 성장지표를 산출한다.

연도별로 성장성 지표를 산출하고 나면, 이 값이 작은 업체 M개(M은 N보다 작은 자연수임)를 추출한다(S240). 추출된 업체는 성장성이 높은 업체로 해당 업체에 관련 정보를 제공할 수 있다. 또한, 이 값이 큰 업체를 M개 추출하여, 성장성이 낮은 업체로 판단하고, 관련 업체에 성장성 지표 정보를 제공할 수 있다. 또는, 성장성이 높은 M개 업체는 고성장몰 관리 프로세스(process)를 별도로 신설하여 쇼핑몰 서비스 플랫폼 서버에서 별도의 관리가 가능하도록 할 수 있다. 반대로, 낮은 성장성 지표를 갖는 업체는 저성장몰 관리 프로세스를 실행하여 별도 관리를 받도록 할 수 있다.

도 3은 본 발명의 일 실시예에 따른 성장몰 분석 방법에 따라 성장성이 높은 목을 추정하는 과정을 설명하기 위한 개념도이다.

도 3을 참조하면, 성장성 지표는 상대적인 매출 순위의 차이값에만 의존하여 산출될 수도 있지만, 그렇지 않고, 현재순위(이는, 최신 시간 구간의 순위로 대체되어 해석될 수 있음)와 상대적인 매출 순위의 차이 값의 조합에 의해 산출될 수도 있다. 즉, 현재순위에 대한 값이 가중치와 상대적인 매출순위의 차이값에 대한 가중치를 각각 부여하여 성장성 지표 값을 산출할 수도 있다. 가중치는 합쳐서 1이 되는 것이 바람직하다. 예를 들어, 0.5씩 부여될 수 있다. 또는, 0.6과 0.4, 0.7과 0.3 등 다양한 값으로 설정될 있다. 현재순위의 값을 성장성 지표의 값으로 환산할 때, 1위는 0의 값으로, 최하위는 1의 값으로 환산하며, 그 사이의 순위를 갖는 쇼핑몰들의 현재순위 기반 성장성 지표 값은 상대적으로 1위와 최하위 중 어느 쪽에 얼마나 가까운지를 가지고 0과 1 사이의 값을 갖게 된다. 100개의 쇼핑몰이 비교대상일 때, 1위는 0의 값을, 2위는 0.01의 값을, 3위는 0.02의 값을 가질 수 있다. 99위는 0.99의 값을, 100위는 1의 값을 가질 수 있다.

도 3의 실시예에서, 쇼핑몰(310)은 2018년 현재(또는 최신 시간 구간) 매출 순위가 1위이고, 2017년 대비 2018년의 매출순위 상승이 +25를 기록하고 있어, 성장성 지표는 0을 갖는다. 반면, 쇼핑몰(312)는 2018년 현재 매출 순위가 500개 비교대상그룹 중 최하위인 500위이고, 매출순위 상승은 -20을 기록하고 있어, 성장성 지표 1의 값을 갖게 된다. 다만, 이때, 상대적인 순위 지표만 가지고 성장성 지표를 산출한다면, -20의 매출순위 차이를 기록하고 있는 쇼핑몰(312)보다 -25의 매출순위 차이를 기록하고 있는 쇼핑몰(316)이 더 높은 성장성 지표를 가질 수 있다. 예를 들어, 1의 값을 가질 수 있다.

한편, 매출순위 차이가 성장성 지표에 반영될 때, 예를 들어, 최고점이 +25점이고, 최저점이 -25인 경우, +5의 성장성 지표를 갖는 쇼핑몰(314)의 매출순위 차이 가반 성장성 지표 값은 최고점과 최저점 사이의 값 중 어느 지점에 얼마나 가까운지를 기반으로 산출될 수 있다. 위 예에서, +5/(25-(-25))를 계산하여, 0.1의 값으로 산출될 수 있는 것이다. 특히, 이때, + 상대순위 값을 갖는 쇼핑몰과 - 상대순위 값을 갖는 쇼핑몰은 서로 다른 기준에서 계산이 되는 것이 바람직하다. + 상대순위 값을 갖는 쇼핑몰은 최고점으로부터 얼마나 떨어져 있는지를 기준으로 0에서 더하는 형태로 산출되고, - 상대순위 값을 갖는 쇼핑몰은 최하점으로부터 얼마나 떨어져 있는지를 기준으로 1에서 빼는 형태로 산출하는 것이 바람직하다.

다른 예에서, 현재 순위와 매출순위 상승분뿐만 아니라, 최근 시간 구간의 매출액도 성장성 지표에 영향을 미칠 수 있다. 이 역시, 일정한 가중치를 가지고 성장성 지표 산출의 하나의 팩터로 고려될 수 있다.

한편, 서버는 위와 같은 성장성 지표 산출 방법을 통해, 매 1년 단위로 성장성 지표를 산출하고, 상위 M개의 쇼핑몰을 추출할 수 있다. 도 3의 우측의 테이블을 보면, 상단에는, 2016년부터 2019년까지 가장 낮은 성장성 지표 값을 갖는 성장성 상위 3개 쇼핑몰이 표시되고, 반대로, 하단에는, 2016년부터 2019년까지 가장 높은 성장성 지표 값을 갖는 성장성 하위 3개 쇼핑몰이 표시된다. 서버는, 연도별 성장성 지표 값을 기반으로, 최근 일정 연도의 성장성 지표의 평균을 산출한 후, 평균이 낮은 쇼핑몰을 상위 성장 쇼핑몰로 추출할 수도 있다. 또는, 연도별 성장성 지표 값을 기반으로, 임계값보다 낮은 성장성 지표를 갖는 쇼핑몰들 중, 성장성 지표가 낮아지는 추세에 집중하여 상위 성장 쇼핑몰을 추출할 수도 있다. 이는 사용자 설정을 통해 임의로 설정할 수 있고, 추후 가변할 수 있다.

도 4는 본 발명의 일 실시예에 따른 성장몰 분석 방법에 따라 산출된 쇼핑몰 성장성 지표와 매출액 상관 그래프를 기반으로 쇼핑몰의 성장성을 분석하는 방법을 설명하기 위한 개념도이다.

도 4를 참조하면, 서버는 도 2 내지 도 3의 방법에 의해 산출된 쇼핑몰 성장성 지표와 매출액을 기반으로 2차원의 그래프를 생성하여 시각화할 수 있다. 이때, 서버는 시간 구간을 서로 다른 시각적 표현으로 구분하여 상기 2차원의 그래프 상에 표시할 수 있다. 서로 다른 시각적 표현은 서로 다른 형상, 색상, 크기, 채도, 명암 등을 서로 다르게 함으로써 이루어질 수 있다. 예를 들어, 특정 쇼핑몰의 2016년에 대응하는 포인트(point)는 붉은 색으로, 2017년은 푸른 색, 2018년은 노란 색, 그리고 2019년에 대응하는 포인트는 검정 색으로 표시하여 해당 쇼핑몰의 연도에 따른 성장성 지표의 값과 매출액을 시각화할 수 있다.

도 4의 실시예에 따르면, 서버는 성장성 지표에 대해 임계값(420)을 설정하고, 그보다 작은 성장성 지표 값을 갖는 성장몰 영역(빗금친 영역)을 설정할 수 있다. 임계값(420)은 0.2인 것이 바람직하다. 경우에 따라, 0.25, 0.15, 0.125, 0.1, 0.05 등으로 다르게 설정해도 무방하다. 해당 영역에 포함된 쇼핑몰은 모두(또는 적어도 일부) 성장몰이라고 해석할 수 있다. 이때, 상기 성장몰 영역에 포함되어 있으면서, 일정 시간 기간(예를 들어, 2016년부터 2019년까지)의 매출액이 임계 차이(Δs) 이상 나는 쇼핑몰을 최상위 성장몰이라고 분석할 수 있다. 임계 차이 값(Δs)은 약 5억으로 설정할 수 있다. 다만 반드시 이에 한정될 필요는 없고, 1억, 2억, 3억, 10억, 20억, 또는 10%, 20%, 30%, 50%, ... 100%의 상대 매출 성장 값으로 설정해도 무방하다.

한편, A 쇼핑몰의 포인트의 경우, 2016년도 포인트(410)와 2019년도 포인트(412)가 임계값(420)보다 작은 성장성 지표 값을 가져, 성장몰 영역에 존재하면서, 두 포인트(410, 412) 간의 차이값이 임계 차이(Δs) 이상 나는 것으로 판단되는데, 이 경우, 서버는 A 쇼핑몰을 최상위 성장몰로 분석할 수 있다. 본 실시예에서는, 두 포인트(410, 412)가 모두 성장몰 영역에 존재하는 것을 전제로 하여 최상위 성장몰을 선정하였는데, 반드시 그럴 필요는 없다. 다른 예에서, 최신 구간의 포인트(412)만 성장몰 영역에 존재하고, 매출액이 임계 차이(Δs) 이상 나는 것을 기반으로 최상위 성장몰로 판단할 수도 있다. 다만, 두 포인트(410, 412)가 모두 성장몰 영역에 존재한다면, 한 포인트(412)만 성장몰 영역에 존재하는 쇼핑몰보다 안정적인 성장몰이고 판단할 수 있다. 즉, 현재의 포인트(412) 또는 두 포인트(410, 412)가 성장몰 영역에 존재하는지를 기반으로 해당 쇼핑몰이 미래를 향해 성장성이 높음을 전망할 수 있고, 매출액 차이가 임계 차이값(Δs) 이상 나는 것을 기반으로 보다 명확하게 고성장성 쇼핑몰을 추출할 수 있다. 다른 예에서, 매출액이 임계값(미도시)보다 더 많아지는 쇼핑몰을 고성정성 쇼핑몰로 추출할 수 있다. 위와 같은 다양한 기준을 기반으로 추출된 성장성이 높은 쇼핑몰은 성장성 관련 지표 및 매출액 관련 분석 내용을 해당 쇼핑몰로 제공하여, 향후 현재와 같은 운영으로 고성장을 실제로 달성할 수 있도록 지원할 수 있다.

도 5는 매출액 상위 100개 쇼핑몰의 2016년 성장성 지표와 2019년 성장성 지표를 비교한 그래프이다.

도 5를 참조하면, 서버는, 현재 시점의 매출액을 기반으로 100개 상위 매출액을 갖는 쇼핑몰을 비교대상그룹으로 선정할 수 있다. 그리고는, 해당 쇼핑몰들에 대해, 2016년의 성장성 지표와 2019년의 성장성 지표를 도 4의 방법에 따라 시각화하여 비교한다. 서버는, 2016년 포인트(매출액 + 성장성 지표의 값 기반)는 붉은 색으로, 2019년 포인트는 푸른 색으로 표현할 수 있다. 도 5의 그래프에 잘 나타난 바와 같이, 2016년도 포인트에 매출액은 적으나, 성장성 지표의 값이 낮은 값을 갖는 쇼핑몰들이 2019년에 기준값 이상의 높은 매출액을 달성하고 있는 것을 확인할 수 있다.

도 6은 매출액 상위 500개 쇼핑몰의 2015년부터 2019년까지 시간에 따른 성장성 지표의 흐름을 나타낸 그래프이다.

도 6의 (a)를 참조하여, 현재(2019년)를 기점으로 매출액이 높은 상위 500개 쇼핑몰의 2015년 매출액 및 성장성 지표를 보면, 매출액은 적으나 성장성 지표의 값이 낮은 곳에 몰려 있는 것을 확인할 수 있다.

그리고, 도 6의 (b)를 참조하면, 2017년 기점으로 매출액과 성장성 지표가 같이 높아지는 것을 확인할 수 있고, 도 6의 (c)를 참조하면, 2019년 매출액은 9.5억을 넘게 형성되나, 성장성 지표는 0부터 1까지 고르게 분포하는 것을 확인할 수 있다. 즉, 매출액이 높아지면서 성장성 지표는 낮아지는 추세를 보이는 것으로 분석된다.

이와 같이, 서버는 매출액과 성장성 지표의 2차원 그래프에 시간 개념을 포인트의 시각적 표현과 동영상의 형태로 시각화할 수 있다. 시간에 따라 움직이는 동영상의 형태를 따름에 따라 동영상 파일 포맷(gif, mp4, webm, mkv, flv, avi, wmv asf, mpg, mpeg, m4v)으로 생성할 수 있다. 동영상이기 때문에, 해당 파일은, 쇼핑몰에 대응하는 포인트의 시각적 표현(예를 들어, 색상)이 시간이 지남에 따라 변화하고, 그 위치가 변화하여 최종 시간 구간의 포인트에 다달았을 때, 정지되면서 완료되는 형태로 재생될 수 있다.

한편, 서버는 눈에 띄는 시각적 표현(예를 들어, 하늘색, 푸른색, 남색으로 변화)의 포인트로 표시할 쇼핑몰을 선택할 수 있다. 예를 들어, 전체 비교대상그룹을 1500개로 설정하고, 매출액 또는 성장성 지표의 값을 기반으로 상위 100개, 200개, ... 500개만을 눈에 띄는 시각적 표현의 대상으로 선정하여 시각화를 위한 동영상을 생성할 수 있다. 이때, 선택되지 않았으나 비교대상그룹에 속한 쇼핑몰에 대응하는 포인트들은 회색과 같은 눈에 띄지 않는 색상으로 표현하여 배경(background)에 드러나도록 표시할 수 있다. 이를 통해, 전체 비교대상그룹의 포인트들이 어떻게 위치하고, 선택된 대상의 대형(formation)을 비교할 수 있다.

도 7은 과거 대비 현재의 성장성 지표와 매출액과의 관계에 따른 성장 가능성을 설명하기 위한 개념도이다.

도 5와 도 6의 그래프들에서, 시간이 지남에 따라 성장성이 낮아지는 쇼핑몰들의 2차원 그래프 상에서 포인트들의 변화가 패턴화됨을 알 수 있다. 이를 도 7의 그래프를 기반으로 설명하면, 초반 기간(예를 들어, 2016년)(점선으로 표시)에는 낮은 매출액 및 낮은 성장성 지표 값을 갖다가, 추후 매출액을 조금 늘어나는데 반해, 성장성 지표의 값이 커지는 것을 확인할 수 있다. 그러면, 현재(예를 들어, 2019년) 기점(실선으로 표시)에는 어느 정도 매출액에 고정되면서, 성장성 지표는 0.25부터 1까지 늘어선 형태로 포인트가 형성될 수 있다. 서버는 이러한 현상을 시간 개념을 더한 동영상 포맷의 파일로 생성하여 분석한다.

한편, 이때, 매출액 값의 변화가 많으면 크게 성장한 몰이라고 볼 수 있겠지만, 그 변화량도 제 1 임계값(미도시)보다 적으면서, 초반 기간(2016년)의 성장성 지표 대비 현재 기점(2019년)의 성장성 지표가 0에서 멀어지는 방향으로 제 2 임계값(미도시)보다 큰 값을 갖는 쇼핑몰들은 매출액 성장이 더디면서, 앞으로의 성장가능성도 높지 않은 쇠퇴 가능성이 높은 몰(쇠퇴몰)로 정의할 수 있다. 특히, 2016년(빗금친 영역)에서, 2019년(빗금친 영역)으로 변화된 쇼핑몰은 특히 성장성이 낮은 쇠퇴몰로 정의하는 것이 바람직하다. 이때, 제 1 임계값은 1억으로 설정할 수 있고, 제 2 임계값은 0.75로 설정할 수 있다. 이는 반드시 이에 한정되는 것은 아니고, 제 1 임계값은 5천만원, 2억, 3억 등으로 설정할 수 있고, 제 2 임계값도 0.5, 0.6, 0.7, 0.8, 0.9 등 다른 값으로 설정해도 무방하다. 제 1 임계값은 초반기간과 현재기점의 차이값이 아니라 현재기점의 절대적인 매출액으로 설정되도 되고, 제 2 임계값은 현재기점의 절대적인 성장성 지표의 값으로 설정되도 되고, 초반 기간과 현재 기점 간의 차이값으로 설정되도 된다.

도 8은 상위 500개 성장성이 높은 쇼핑몰의 2016년부터 2019년까지 시간에 따른 성장성 지표의 흐름을 나타낸 그래프이다.

도 8의 (a)를 참조하면, 최근 성장성이 높은 500개 쇼핑몰의 2016년도 매출액 및 성장성 지표 그래프 상의 포인트들은 모두 0에 가까운 성장성 지표를 갖지만, 그 수가 많지 않음을 확인할 수 있다.

도 8의 (b)를 참조하면, 2019년도 해당 쇼핑몰들은 모두 0에 가까운 성장성 지표를 갖으면서, 많은 수의 포인트로 대체된 것을 확인할 수 있다.

이와 같이, 성장성 지표를 기반으로 쇼핑몰의 성장성 정도를 분석할 때, 그 중에서도 일부만이 성장을 계속하는 것을 확인할 수 있고, 초기 성장성이 높은 쇼핑몰이 추후에도 성장성을 유지할 가능성이 있다는 것을 확인할 수 있다. 성장성 지표가 낮은 쇼핑몰이 갑자기 반등하는 경우도 있겠지만, 실제 분석상 그런 경우는 거의 발생되지 않음을 알 수 있다. 따라서, 본 발명의 일 실시예에 따른 성장몰 분석 방법에 따라 산출된 성장성 지표를 매출액과 비교하면서 시간에 따라 꾸준히 관찰하여 그 성장세를 유지하는 쇼핑몰을 추출하는 것은 쇼핑몰 플랫폼 운영에 있어 중요한 기능이 될 수 있다. 또한, 추출된 쇼핑몰은 성장몰로써, 조금 다른 프로세스의 관리가 실행되는 것이 바람직하다. 쇼핑몰과 관련된 유료 아이템의 할인, 또는 쇼핑몰 홍보 방법을 해당 쇼핑몰에 한해 맞춤형으로 제공하는 등, 높은 성장세의 쇼핑몰을 다양한게 지원하는 별도의 프로세스로 그들을 관리하는 것이 바람직할 수 있다.

도 9는 본 발명의 일 실시예에 따른 성장몰 분석 장치를 개략적으로 나타낸 블록도이다. 도 9에 도시된 바와 같이, 장치는, 통신부(910), 프로세서(920), 메모리(930) 및 입출력 모듈(940)을 포함할 수 있다.

도 9를 참조하면, 통신부(910)는 무선 및/또는 유선 네트워크를 통해 쇼핑몰 운영자 단말 또는 쇼핑몰 플랫폼 서버와 같은 타 장치와 정보를 주고받기 위한 구성요소이다. 통신부(910)는 유선 또는 무선 네트워크와 연관된 통신 장치를 포함한다. 통신부(910)는 안테나를 포함할 수 있다.

프로세서(920)는 통신부(910)를 통해 수신되는 쇼핑몰의 판매 정보, 매출 정보, 등을 획득하고, 프로그래밍된 바에 따라 쇼핑몰의 카테고리, 특정 기간의 매출액/매출 순위 등을 토대로 비교 대상 그룹을 선정하고, 선정된 비교 대상 그룹의 시간에 따른 매출 순위 및/또는 매출액의 변화를 기반으로 성장성 지표를 산출하고, 이를 시각화할 수 있다. 또한, 시각화한 그래프에서 매출액 및/또는 성장성 지표의 시간에 따른 변화에 기반하여, 고성장성 쇼핑몰 또는 쇠퇴몰 등을 추론하고, 추론 결과를 해당 쇼핑몰 운영자 또는 쇼핑몰 플랫폼 운영자(관리자)에게 제공할 수 있다.

메모리(930)는 프로세서(920)에서 수행해야 할 프로그램들과 연관된 명령어들을 저장하고 있으며, 프로세서(920)에서 요구하는 각종 데이터를 저장하고 있는 저장장치이다. 메모리(930)는 쇼핑몰의 판매 정보, 매출 정보, 매출 순위, 특정 쇼핑몰에서의 상품 구매 회원 정보 및 쇼핑몰 회원들의 상품 구매 이력 정보를 저장하고 있을 수 있다. 메모리(930)는 장치 내부의 로컬 메모리 또는 외부의 대용량 데이터베이스로써 구현될 수 있다.

입출력 모듈(940)은 키보드, 마우스와 같은 정보 입력 수단 및 모니터, TV, 터치스크린과 같은 정보 출력 수단을 포함한다. 입출력 모듈(940)은 성장성 지표 산출(가중치, 산출 방식 등) 및 산출된 성장성 지표의 분석 방법과 관련된 각종 설정값들(임계값, 임계 차이 등)을 변경하고 관련된 내용을 표시하는데 사용된다.

이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 시스템, 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예들에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기체(magnetic media), CD-ROM, DVD와 같은 광기록 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 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (19)

1. 컴퓨팅 장치에서의 성장몰 분석 방법에 있어서,
   복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하는 단계;
   제 1 기간 또는 제 2 기간의 매출순위를 기반으로, N개의 쇼핑몰들을 비교 대상 그룹으로 선정하는 단계, 여기서, 상기 제 2 기간은 상기 제 1 기간 이후의 시간을 나타내고, N은 2 이상의 정수임; 및
   상기 N개의 쇼핑몰들에 대해, 상기 제 1 기간 대비 상기 제 2 기간의 상대적인 매출순위를 기반으로, 개별 쇼핑몰의 쇼핑몰 성장성 지표를 산출하는 단계를 포함하는, 성장몰 분석 방법.
2. 제 1 항에 있어서,
   상기 쇼핑몰 성장성 지표는, 상기 제 2 기간 내 매출순위와 상기 제 1 기간내 매출순위 간의 상대적 차이 값을 기반으로 산출되며,
   상기 쇼핑몰 성장성 지표의 값이, 작을수록 높은 성장성을 가리키고, 클수록 낮은 성장성을 가리키는, 성장몰 분석 방법.
3. 제 1 항에 있어서,
   상기 쇼핑몰 성장성 지표를 이용하여, 상기 쇼핑몰 성장성 지표가 임계값보다 작은 쇼핑몰을 추출하는 단계를 더 포함하는, 성장몰 분석 방법.
4. 제 1 항에 있어서,
   상기 제 1 기간과 상기 제 2 기간은 동일한 길이를 갖는 다른 시점의 시간인, 성장몰 분석 방법.
5. 제 1 항에 있어서,
   상기 쇼핑몰 성장성 지표는, 상기 제 2 기간의 매출 순위를 기반으로 산출된 제 1 지표와 상기 제 2 기간의 매출순위에서 상기 제 1 기간의 매출순위를 뺀 값으로부터 산출된 제 2 지표 중 적어도 하나를 기반으로 산출되는, 성장몰 분석 방법.
6. 제 5 항에 있어서,
   상기 쇼핑몰 성장성 지표는, 상기 제 1 지표에 제 1 가중치를 부여하고, 상기 제 2 지표에 제 2 가중치를 부여하여 합산한 값에 의해 산출되는, 성장몰 분석 방법.
7. 제 5 항에 있어서,
   상기 제 2 지표가 상기 쇼핑몰 성장성 지표에 반영될 때, 상기 제 2 지표의 값은, 상기 상대적인 매출순위를 기반으로, 최상위 쇼핑몰에 대해 0의 값을, 최하위 쇼핑몰에 대해 M의 값(여기서, M은 0보다 큰 수임)을 부여하되,
   상기 N개의 쇼핑몰들 중 상기 최상위 쇼핑몰과 상기 최하위 쇼핑몰을 제외한 나머지 쇼핑몰들에 대해서는, 그들의 상기 상대적인 매출순위가 상기 최상위 쇼핑몰 또는 상기 최하위 쇼핑몰과 얼마나 가까운지를 가지고 0과 M 사이의 값으로 상기 제 2 지표의 값이 산출되는, 성장몰 분석 방법.
8. 제 5 항에 있어서,
   상기 제 1 기간의 매출액과 상기 제 2 기간의 매출액의 차이값을 제 3 지표로 더 고려하여 상기 쇼핑몰 성장성 지표를 산출하는, 성장몰 분석 방법.
9. 제 8 항에 있어서,
   상기 N개의 쇼핑몰들 중 복수의 쇼핑몰들에 대해, 상기 제 1 지표 및 상기 제 2 지표 중 적어도 하나를 이용하여 산출된 상기 쇼핑몰 성장성 지표의 값이 동일할 때, 상기 제 3 지표를 추가적으로 반영하여 상기 쇼핑몰 성장성 지표를 산출하는, 성장몰 분석 방법.
10. 제 1 항에 있어서,
    상기 N개의 쇼핑몰은 동일 카테고리로 그룹화 가능한 경쟁 쇼핑몰들을 중심으로 선정하는, 성장몰 분석 방법.
11. 제 1 항에 있어서,
    상기 N개의 쇼핑몰은 상기 제 2 기간의 매출 순위를 기반으로 상위 N개에 속하는 쇼핑몰인, 성장몰 분석 방법.
12. 제 1 항에 있어서,
    상기 쇼핑몰 성장성 지표를 시각화하는 단계를 더 포함하되,
    상기 쇼핑몰 성장성 지표를 제 1 축으로, 상기 N 개의 선정된 쇼핑몰들 중 일부의 매출액을 제 2 축으로 하여, 상기 쇼핑몰 성장성 지표를 시각화하는, 성장몰 분석 방법.
13. 제 12 항에 있어서,
    상기 쇼핑몰 성장성 지표를 시각화할 때, 상기 N 개의 선정된 쇼핑몰들 중 하나의 쇼핑몰을 하나의 포인트로 표시하고,
    상기 표시되는 포인트는 기간에 따라 서로 다른 색상으로 표시되는, 성장몰 분석 방법.
14. 제 12 항에 있어서,
    상기 제 1 축의 제 1 임계값보다 0에 가까운 방향에 위치하는 제 1 영역에 존재하면서, 시간이 지남에 따라 상기 제 2 축의 값이 제 3 임계값보다 더 커지는 포인트에 대응하는 쇼핑몰을 성장몰로 정의하는, 성장몰 분석 방법.
15. 제 12 항에 있어서,
    시간이 지남에 따라 상기 제 2 축의 값의 변화 값이 제 4 임계값보다 적으면서 상기 제 1 축의 값의 변화값이 0에서 멀어지는 방향으로 제 5 임계값보다 큰 값을 갖는 포인트에 대응하는 쇼핑몰을 쇠퇴몰로 정의하는, 성장몰 분석 방법.
16. 제 12 항에 있어서,
    상기 제 1 축 및 상기 제 2 축 중 적어도 하나에 대한 임계값을 기반으로 적어도 하나의 쇼핑몰을 선택하여 제 1 시각적 표현으로 표시하고, 상기 N 개의 쇼핑몰들 중 선택되지 않는 쇼핑몰들을 제 2 시각적 표현으로 표시하는, 성장몰 분석 방법.
17. 성장몰 분석 장치에 있어서,
    복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하여 저장하는 저장부,
    제 1 기간 및 제 2 기간의 매출순위를 기반으로, N개의 쇼핑몰들을 비교 대상 그룹으로 선정하고, 상기 N개의 쇼핑몰들에 대해, 상기 제 1 기간 대비 상기 제 2 기간의 상대적인 매출순위를 기반으로, 개별 쇼핑몰의 쇼핑몰 성장성 지표를 산출하는 프로세서를 포함하되,
    상기 제 2 기간은 상기 제 1 기간 이후의 시간을 나타내고,
    N은 2 이상의 정수인, 성장몰 분석 장치.
18. 전자상거래 시스템에서 성장몰을 분석하는 시스템에 있어서,
    전자상거래와 연관된 복수 개의 쇼핑몰들의 기간에 따른 매출액과 관련된 정보를 제공하는, 쇼핑몰 운영 서버; 및
    상기 쇼핑몰 운영 서버로부터, 상기 복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하여 제 1 기간 또는 제 2 기간의 매출순위를 기반으로, N개의 쇼핑몰들을 비교 대상 그룹으로 선정하고, 상기 N개의 쇼핑몰들에 대해, 상기 제 1 기간 대비 상기 제 2 기간의 상대적인 매출순위를 기반으로, 개별 쇼핑몰의 쇼핑몰 성장성 지표를 산출하는 성장몰 분석 장치를 포함하되,
    상기 제 2 기간은 상기 제 1 기간 이후의 시간을 나타내고,
    N은 2 이상의 정수인, 성장몰 분석 시스템.
19. 프로세서에 의해 실행 가능한 명령어들을 포함하는, 컴퓨터 판독 가능한 저장 매체로서, 상기 명령어들은 상기 프로세서에 의해 실행되었을 때,
    복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하고;
    제 1 기간 또는 제 2 기간의 매출순위를 기반으로, N개의 쇼핑몰들을 비교 대상 그룹으로 선정하며, 여기서, 상기 제 2 기간은 상기 제 1 기간 이후의 시간을 나타내고, N은 2 이상의 정수임; 그리고
    상기 N개의 쇼핑몰들에 대해, 상기 제 1 기간 대비 상기 제 2 기간의 상대적인 매출순위를 기반으로, 개별 쇼핑몰의 쇼핑몰 성장성 지표를 산출하도록 구성된, 컴퓨터 판독 가능한 저장 매체.

Images