KR20220167186A - 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법, 장치 및 시스템 - Google Patents

쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법, 장치 및 시스템 Download PDF

Info

Publication number
KR20220167186A
KR20220167186A KR1020210134913A KR20210134913A KR20220167186A KR 20220167186 A KR20220167186 A KR 20220167186A KR 1020210134913 A KR1020210134913 A KR 1020210134913A KR 20210134913 A KR20210134913 A KR 20210134913A KR 20220167186 A KR20220167186 A KR 20220167186A
Authority
KR
South Korea
Prior art keywords
sales
trend
growth
time
period
Prior art date
Application number
KR1020210134913A
Other languages
English (en)
Other versions
KR102617903B1 (ko
Inventor
최원규
김명구
정유현
조혜정
Original Assignee
카페24 주식회사
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 카페24 주식회사 filed Critical 카페24 주식회사
Publication of KR20220167186A publication Critical patent/KR20220167186A/ko
Application granted granted Critical
Publication of KR102617903B1 publication Critical patent/KR102617903B1/ko

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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • 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
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 양태는, 컴퓨팅 장치에서의 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법을 개시하고 있다. 상기 방법은, 복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하여 시계열 매출 분석 정보를 생성하는 단계, 상기 시계열 매출액 분석 정보에서 단위 기간별 매출액 증가율 산출하여 성장성 분석 기간에 대해 복수 개의 서로 다른 추세 영역을 결정하는 단계 및 상기 복수 개의 서로 다른 추세 영역 중 현재 추세 영역을 기반으로 상기 복수 개의 쇼핑몰 중 적어도 일부의 시계열 매출 성장성을 시각화하는 단계를 포함한다.

Description

쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법, 장치 및 시스템{METHOD, APPARATUS AND SYSTEM FOR VISUALIZING SEQUENTIAL SALES GROWTH RATIO FOR SHOPPING MALL}
본 발명은 시가고하 방법에 관한 것으로, 보다 상세하게는, 쇼핑몰의 성장성을 시각화하는 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, 시계열 매출 정보를 기반으로 쇼핑몰의 성장성을 분석하고 이를 시각화하는 방법을 제공하는 것이다.
상기한 목적을 달성하기 위한 본 발명의 일 양태에 따른, 컴퓨팅 장치에서의 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법은, 복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하여 시계열 매출 분석 정보를 생성하는 단계, 상기 시계열 매출액 분석 정보에서 단위 기간별 매출액 증가율 산출하여 성장성 분석 기간에 대해 복수 개의 서로 다른 추세 영역을 결정하는 단계 및 상기 복수 개의 서로 다른 추세 영역 중 현재 추세 영역을 기반으로 상기 복수 개의 쇼핑몰 중 적어도 일부의 시계열 매출 성장성을 시각화하는 단계를 포함할 수 있다.
상기 복수 개의 서로 다른 추세 영역을 결정하는 단계는, 상기 단위 기간별 매출액 증가율을 산출하는 단계, 상기 성장성 분석 기간의 시작 시점으로부터 개별 단위 기간의 기준 시점까지의 매출액에 대해, 상기 단위 기간별 매출액 증가율의 평균과 표준편차를 산출하는 단계, 개별 단위 기간의 기준 시점에 대해, 다음 단위 기간의 기준 시점의 단위 기간별 매출액 증가율을 상기 평균 및 상기 표준편차 기반의 기준 범위와 비교하는 단계 및 비교 결과, (i) 상기 기준 범위와 제 1 임계값 이상 차이가 나면 해당 기준 시점부터 신규 추세 영역으로 판단하고, (ii) 그렇지 않으면 해당 기준 시점을 이전 기준 시점과 동일 추세 영역으로 판단하는 단계를 포함할 수 있다.
현재 추세 기간에 대해, 상기 현재 추세 기간의 길이를 제 1 축으로, 상기 현재 추세 기간의 매출 증가액의 평균값을 제 2 축으로 하는 그래프에 개별 쇼핑몰을 포인트(point)로 하여 시각화할 수 있다.
상기 제 1 축 상의 제 2 임계값보다 크면서 상기 제 2 축 상의 제 3 임계값보다 큰 값을 갖는 영역에 배열된 쇼핑몰을 추출하여 안정적 성장몰로 판단할 수 있다.
상기 제 1 축 상의 제 4 임계값보다 작으면서 상기 제 2 축 상의 제 5 임계값보다 작은 값을 갖는 영역에 배열된 쇼핑몰을 추출하여 하락세 반전 쇼핑몰로 판단할 수 있다.
상기 제 1 축 상의 제 6 임계값보다 큰 값을 가지면서, 상기 제 2 축 상의 제 7 임계값보다 작은 값을 갖는 영역에 배열된 쇼핑몰을 추출하여 최근 급성장 쇼핑몰로 판단할 수 있다.
상기 포인트의 크기는 현재 매출액에 비례할 수 있다.
상기 포인트의 크기에 비례하여 추세 기간 평균 길이의 기준값을 설정하고 상기 포인트의 크기에 반비례하여 추세 기간 평균 증가율의 기준값을 설정하며, 개별 쇼핑몰에 대응하는 포인트의 위치를 상기 설정된 추세 기간 평균 길이의 기준값 및 추세 기간 평균 증가율의 기준값과 비교할 수 있다.
비교 결과, 상기 포인트의 위치가 상기 설정된 추세 기간 평균 길이의 기준값 및 추세 기간 평균 증가율의 기준값을 벗어나는 쇼핑몰을 추출하여, 특수 성장 쇼핑몰로 판단할 수 있다.
특정 포인트를 선택하면, 상기 선택된 특정 포인트에 대응하는 쇼핑몰의 매출 추세 상세 분석 정보가 표시되는 사용자 인터페이스를 제공할 수 있다.
상기 매출 추세 상세 분석 정보는, 해당 쇼핑몰의 시간에 따른, (i) 상기 시계열 매출 분석 정보, (ii) 상기 시계열 매출액 분석 정보를 기반으로 제 1 기간의 매출액의 이동평균(moving average)을 산출하여 생성되는 매출 추세 분석 정보, (iii) 상기 시계열 매출 분석 정보에서 상기 매출 추세 분석 정보를 뺄셈 연산한 값을 단위 기간별로 평균을 구함에 의해 생성되는 매출 계절성 분석 정보, 및 (iv) 상기 시계열 매출 분석 정보에서, 상기 매출 추세 분석 정보와 상기 매출 계절성 분석 정보를 합산한 값을 뺄셈 연산함에 의해 생성되는, 로컬(local) 매출 분석 정보 중 적어도 둘을 포함할 수 있다.
상기한 목적을 달성하기 위한 본 발명의 다른 양태에 따른, 쇼핑몰에 대한 시계열 매출 성장성 시각화 장치는, 복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하여 저장하는 저장부 및 상기 기간에 따른 매출액에 대한 정보를 획득하여 시계열 매출 분석 정보를 생성하고, 상기 시계열 매출액 분석 정보에서 단위 기간별 매출액 증가율 산출하여 성장성 분석 대상 기간에 대해 복수 개의 서로 다른 추세 영역을 결정하며, 상기 복수 개의 서로 다른 추세 영역 중 현재 추세 영역을 기반으로 상기 복수 개의 쇼핑몰 중 적어도 일부의 시계열 매출 성장성을 시각화하는 프로세서를 포함할 수 있다.
상기한 목적을 달성하기 위한 본 발명의 또 다른 양태에 따른, 쇼핑몰에 대한 시계열 매출 성장성 시각화 시스템은, 전자상거래와 연관된 복수 개의 쇼핑몰들의 기간에 따른 매출액과 관련된 정보를 제공하는, 쇼핑몰 운영 서버 및 상기 쇼핑몰 운영 서버로부터, 복수 개의 쇼핑몰들에 대해, 상기 기간에 따른 매출액에 대한 정보를 획득하여 시계열 매출 분석 정보를 생성하고, 상기 시계열 매출액 분석 정보에서 단위 기간별 매출액 증가율 산출하여 성장성 분석 대상 기간에 대해 복수 개의 서로 다른 추세 영역을 결정하며, 상기 복수 개의 서로 다른 추세 영역 중 현재 추세 영역을 기반으로 상기 복수 개의 쇼핑몰 중 적어도 일부의 시계열 매출 성장성을 시각화하는 성장몰 분석 장치를 포함할 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 획득하여 시계열 매출 분석 정보를 생성하고, 상기 시계열 매출액 분석 정보에서 단위 기간별 매출액 증가율 산출하여 성장성 분석 기간에 대해 복수 개의 서로 다른 추세 영역을 결정하며 그리고 상기 복수 개의 서로 다른 추세 영역 중 현재 추세 영역을 기반으로 상기 복수 개의 쇼핑몰 중 적어도 일부의 시계열 매출 성장성을 시각화하도록 구성될 수 있다.
쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법, 장치 및 시스템에 따르면, 온라인 쇼핑몰 각각에 대한 성장성을 정량적으로 정확하게 분석하고 이를 시각화함에 따라, 쇼핑몰 운영자의 매장 운영에 도움을 주고, 쇼핑몰 플랫폼 사업자의 개별 쇼핑몰 성장 관리에도 도움을 주어 전반적인 쇼핑몰의 매출을 증대시키고 판매 감소를 방지하는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 쇼핑몰 시계열 매출 성장성 분석 방법이 적용되는 시스템을 개략적으로 나타낸 블록도,
도 2는 본 발명의 일 실시예에 따른 쇼핑몰 시계열 매출 성장성 분석 방법을 구체적으로 나타낸 흐름도,
도 3은 도 2의 방법에 따라 생성된 시계열 매출 정보, 매출 추세 정보, 계절성 분석 정보 및 로컬 매출 분석 정보의 예시적인 모습을 나타낸 도면,
도 4는 본 발명의 일 실시예에 따른 쇼핑몰 시계열 매출 성장성 분석 방법에 따라 추세 영역을 구분하는 방법을 구체적으로 나타낸 상세흐름도,
도 5는 도 4의 방법에 따라 추세 영역을 구분하여 나타낸 쇼핑몰 추세 그래프의 예시적인 모습을 나타낸 도면,
도 6은 도 4의 방법에 따라 구분된 추세 영역 중 현재 추세 영역의 시계열 매출 성장성을 시각화하는 방법을 구체적으로 나타낸 상세흐름도,
도 7a 내지 도 7b는 도 6의 방법에 따라 상위 100개 쇼핑몰 중 적어도 일부의 시계열 매출 성장성을 예시적으로 시각화한 그래프,
도 8은 도 7a의 그래프 내 특정 영역에 배열된 쇼핑몰들의 성장성 판단 방법을 설명하기 위한 개념도,
도 9a 내지 도 9e는 도 6의 방법에 따라 전체 쇼핑몰 중 적어도 일부의 시계열 매출 성장성을 예시적으로 시각화한 그래프,
도 10은 본 발명의 일 실시예에 따른 쇼핑몰 시계열 매출 성장성 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 쇼핑몰 시계열 매출 성장성 분석 방법이 적용되는 시스템을 개략적으로 나타낸 블록도이다. 도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 쇼핑몰 시계열 매출 성장성 분석 시스템은 쇼핑몰(110-1~110-N) 및 쇼핑몰 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. 이는 쇼핑몰 운영 서버, 플랫폼 운영 서버 또는 운영 서버로 불릴 수 있다. 성장몰 분석 장치(120)는 플랫폼 운영 서버(미도시)와 동일 장치로 구현될 수도 있고, 플랫폼 운영 서버와 연동하는 별도 서버 장치로 구현될 수도 있다. 별도 장치로 운영될 때, 시간에 따른 매출 정보, 판매 이력 정보 등을 플랫폼 운영 서버로부터 획득할 수 있다. 성장몰 분석 장치(120)는 "서버" 또는 "서버 장치"로 불릴 수 있다.
성장몰 분석 장치(120)는 기간에 따른 매출액 정보를 획득하여, 이를 기반으로 시계열 매출 정보를 생성할 수 있다. 그리고는, 이를 기반으로 다양한 데이터 분석 툴을 사용하여, 매출 추세 정보, 매출 계절성 분석 정보 및 로컬(local) 매출 분석 정보를 생성한다. 이렇게 생성된 정보는 쇼핑몰 운영자 또는 쇼핑몰 플랫폼 관리자에게 제공되어, 개별 쇼핑몰들의 성장 과정에 적합한 쇼핑몰 운영 및 홍보 방법이 적절히 적용될 수 있도록 유도한다.
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 기간에 따른 매출 정보를 기반으로 다양한 성장 분석 정보를 산출하는 과정을 단말 내에서 수행하도록 제어할 수 있다. 즉, 별도의 서버 장치 없이 단말의 프로세서(미도시)가 다운받은 애플리케이션을 실행하여 성장 관련 정보를 산출 및 제공받을 수 있게 할 수 있다.
도 2는 본 발명의 일 실시예에 따른 쇼핑몰 시계열 매출 성장성 분석 방법을 구체적으로 나타낸 흐름도이다.
도 2를 참조하면, 서버는 기간에 따른 매출액 정보를 쇼핑몰 단말 및/또는 쇼핑몰 플랫폼 운영 서버로부터 획득할 수 있다(S210). 서버는 개별 쇼핑몰의 일별, 주별, 월별, 분기별, 반기별, 연도별 매출액, 매출 상세 정보를 획득할 수 있다. 또한, 상품별 매출 정보도 획득할 수 있다. 바람직하게는, 월별 매출액을 사용하는 것이 좋다.
그리고는, 획득된 정보를 기반으로 시계열 매출 (분석) 정보를 생성한다(S220). 시계열 매출 정보는 시간을 하나의 축으로 하고, 매출 정보(예를 들어, 매출액)를 다른 하나의 축으로 하는 그래프 형태로 생성될 수 있다.
시계열 매출 정보를 생성하고 나면, 서버는 일정한 기간을 정하여, 해당 기간마다 이동평균(moving average)을 산출하여 매출 추세 (분석) 정보를 생성한다(S230). 이때, 일정한 기간은 분기, 반기, 1년, 18개월, 2년, 3년 중 적어도 하나의 기간이 바람직하다. 이 매개 변수(일정한 기간)를 조절하여 추세 주기 및 계절성분이 급격하게 변할지 조절할 수 있다. 값이 작을수록 더 급격하게 변화한다.
그리고는, 서버는 시계열 매출 정보와 매출 추세 정보를 이용하여 매출의 계절성을 분석한 정보를 생성한다(S240). 이를 매출 계절성 (분석) 정보 또는 매출 주기성 (분석) 정보라고 부를 수 있다. 구체적으로, 서버는 시계열 매출 정보에서 매출 추세 정보를 뺀 값을 각 단위 기간별로(예를 들어, 월별로) 평균하여, 매출 계절성 분석 정보를 생성할 수 있다.
다음으로, 시계열 매출 정보와 매출 추세 정보, 그리고 계절성 분석 정보를 이용하여 로컬(local) 매출 분석 정보를 생성한다(S250). 이를 개별 매출 정보라고 부를 수 있다. 이는, 시계열 매출 정보에서 추세와 계절성 값을 뺄셈 연산함에 의해 산출될 수 있다.
도 3은 도 2의 방법에 따라 생성된 시계열 매출 정보, 매출 추세 정보, 계절성 분석 정보 및 로컬 매출 분석 정보의 예시적인 모습을 나타낸 도면이다.
도 3을 참조하면, 서버는 도 2의 방법에 따라 생성된 시계열 매출 정보, 매출 추세 정보, 계절성 분석 정보 및 로컬 매출 분석 정보를 동기화하여, 동일한 시간축 상에 병렬로 표시할 수 있다.
이러한 시계열 분해를 이용하여, 추세와 계절성의 강도를 측정할 수 있다. 추세가 강하게 나타나는 데이터에서는 계절성 데이터가 로컬(개별) 성분보다 훨씬 큰 변동성을 나타낸다. 반면, 추세가 거의 없거나 아예 없는 데이터의 경우, 계절성 성분의 강도가 작게 나타난다.
도 4는 본 발명의 일 실시예에 따른 쇼핑몰 시계열 매출 성장성 분석 방법에 따라 추세 영역을 구분하는 방법을 구체적으로 나타낸 상세흐름도이다.
도 4를 참조하면, 서버는 도 2의 분석 정보들을 이용하여 다른 형태의 매출 추세 분석 정보를 생성할 수 있다. 특히, 도 2의 단계(S230)에서 생성한 매출 추세 시계열 정보를 이용하는 것이 바람직할 수 있다. 다만, 반드시 매출 추세 시계열 정보를 이용해야만 하는 것은 아니고, 시계열 매출 정보에서 직접 월 매출액의 월별 증가율을 산출하여 추세 영역을 구분할 수도 있다.
서버는 월 매출액의 월별 증가율을 산출한다(S410). 본 실시예에서는, 단위 기간을 월로 설정하였는데, 10일, 20일, 2개월, 분기, 반기, 1년 등 다른 기간으로 설정해도 무방하다. 다른 단위 기간의 경우, 위 단계(S410)는 월별이 아니라 다른 단위 기간별 매출 증가율을 산출하는 것으로 대체될 수 있다. 이후의 단계들도 마찬가지다.
그리고는, 그래프의 좌측에서부터 해당 월까지의 데이터에 대해, 월별 매출액 증가율의 평균과 표준편차를 산출한다(S420).
평균과 표준편차를 산출하고 나면, 서버는 다음달의 매출증가율과, 앞서 단계(S420)에서 산출한 평균 및 표준편차를 이용하여 계산된 임계값을 비교한다(S430). 이때, 임계값은 평균에 일정 배수의 표준편차를 더하거나 뺀 값이 된다. 예를 들어, "평균 ± n*표준편차"가 임계값으로 산출될 수 있다. 이때, n은 2 내지 3의 값이 바람직하고, 보다 바람직하게는, 2.3이 적절할 수 있다. 위 범위를 임계범위로 설정한다.
그런다음, 다음달의 매출증가율이 상기 임계 범위 대비 이상치가 아니면(예를 들어, 평균 ± 2.3 표준편차 범위 내에 들어오면), 앞선 영역과 동일 추세 영역으로 인식하고, 다음달의 매출증가율이 이상치로 인식되면, 해당 월을 기점으로 새로운 추세 영역으로 인식한다(S440). 새로운 추세 영역으로 인식되면, 해당 월부터 새로운 구간을 개시한다.
도 5는 도 4의 방법에 따라 추세 영역을 구분하여 나타낸 쇼핑몰 추세 그래프의 예시적인 모습을 나타낸 도면이다.
도 5를 참조하면, 서버는, 약 2014년부터 2020년까지의 월 매출액 정보를 기반으로 월 매출액의 월별 증가율을 계산하여 도 4의 방법에 따라 3개의 추세영역으로 구분할 수 있다. 이때, 가장 좌측의 제 1 추세 영역의 증가율은 거의 "0"이고, 제 2 추세영역은 "+ 값"을, 그리고 제 3 추세영역은 "작은 - 값"의 추세 값을 가질 수 있다.
특히, 도 5의 실시예를 참조하면, 동일 구간으로 묶인 3개의 구간에 대해 각각 추세기간, 및 평균 성장률 등을 산출할 수 있다. 이에 따라 동일한 추세 영역은 "평균이 동일한 연속적인 영역"으로 정의할 수 있다. 이때, 개별 포인트(510)는 해당 월의 매출액(원)을 표시한 것이고, 선으로 표시되는 값은 해당 구간의 추세 값을 나타낸다. 더욱이, 서버는 서로 다른 추세 구간에 대해 서로 다른 시각적 표현을 적용시킬 수 있다. 즉, 제 1 추세 영역은 붉은 색으로, 제 2 추세 영역은 푸른 색으로, 제 3 추세 영역은 검은 색으로, 서로 다른 색상으로 표시할 수 있다.
본 발명의 일 실시예에 따르면, 도 5의 추세 그래프를 기반으로, 안정적 성장몰과 당장 대응이 필요한 성장몰을 추출할 수 있다. 도 5의 추세 그래프를 분석할 때, 추세기간이 길고 평균성장률이 높으면 안정적으로 성장하는 쇼핑몰이라 판단할 수 있다. 이에, 추세와 관련된 임계 길이를 설정하여, 개별 추세 기간의 평균 길이와 위 임계 길이를 비교하여, 개별 추세 기간의 평균 길이가 임계 길이보다 길면서, 최근 (또는 전체적인) 추세 기간의 평균 성장률이 임계 성장률보다 높으면, 해당 쇼핑몰을 안정적 성장몰로 판단할 수 있다. 반면, 개별 추세 기간의 평균 길이가 임계 길이보다 짧으면서, 최근 추세 기간의 성장률이 양수 값(+)에서 음수 값(-)으로 반전된 쇼핑몰(Turnover)을 추출하여 대응 필요 쇼핑몰로 판단할 수 있다.
도 6은 도 4의 방법에 따라 구분된 추세 영역 중 현재 추세 영역의 시계열 매출 성장성을 시각화하는 방법을 구체적으로 나타낸 상세흐름도이다.
도 6을 참조하면, 서버는 도 4의 매출 추세 정보를 로딩한다(S610). 그리고는, 로딩된 매출 추세 정보에서 서로 다른 추세 영역을 추출한다(S620). 그리고는, 추출된 추세 영역들 중 현재 추세 영역(가장 오른쪽의 가장 최근 구간)의 분석 정보를 기반으로 개별 쇼핑몰의 시계열 매출 성장성을 시각화할 수 있다(S630). 시각화 시, 서버는 현재 추세 기간의 길이를 제 1 축으로, 현재 추세 기간의 월매출 증가액의 평균값을 제 2 축으로 표시하여, 개별 쇼핑몰들의 시계열 성장성을 하나의 그래프 상에 시각화할 수 있다.
도 7a 내지 도 7b는 도 6의 방법에 따라 상위 100개 쇼핑몰 중 적어도 일부의 시계열 매출 성장성을 예시적으로 시각화한 그래프이다.
도 7a를 참조하면, 서버는, 현재 추세 영역의 길이를 가로축으로, 현재 추세 기간의 월매출 증가액의 평균값을 세로축으로 표시하며, 원의 크기를 현재 매출액(보다 정확히는 매출액 추세(18개월 평균))으로 표시할 수 있다. 그리고, 매출액 추세에 따라 크기뿐만 아니라 색상을 다르게 할 수도 있다.
도 7a의 실시예에서, 포인트(710)는 쇼핑몰 A에 관한 것으로, 해당 쇼핑몰은 최근 추세 영역이 60일보다 긴 길이를 가지면서, 0.05에 근접한 급격한 평균 매출 상승률을 기록하고 있는 것을 확인할 수 있다. 포인트(720)는 쇼핑몰 B에 관한 것으로, 최근 추세 영역이 20일보다 약간 긴 길이를 가지면서, -0.05보다 약간 낮은 평균 매출 증가율을 기록하고 있는 것을 확인할 수 있다.
본 발명의 실시예에 따르면, 서버는, 사용자 단말에서 포인트(710, 720)를 선택할 때, 해당 포인트에 대응하는 쇼핑몰의 상세 추세 분석 정보가 시각화되는 사용자 인터페이스를 제공할 수 있다.
도 7b는 도 7a의 포인트(710)에 대응하는 쇼핑몰 A의 상세 매출 추세 곡선을 나타낸 그래프이고, 도 7c는 도 7a의 포인트(720)에 대응하는 쇼핑몰 B의 상세 매출 추세 곡선을 나타낸 그래프이다. 상세 매출 추세 곡선은 도 4의 방법에 따라 생성된 추세 그래프와, 시계열 매출액 그래프, 계절성 분석 그래프 및 로컬 매출 분석 그래프 중 적어도 하나가 함께 표시될 수 있다. 특히, 개별 추세 구간마다 서로 다른 시각적 표현을 사용하여, 독립적인 추세 구간을 명확히 파악할 수 있도록 시각화하는 것이 바람직하다. 시작 시점은 붉은 색으로, 그 이후의 추세 구간은 푸른색과 초록색이 교번하며 표시되도록 할 수 있다.
도 8은 도 7a의 그래프 내 특정 영역에 배열된 쇼핑몰들의 성장성 판단 방법을 설명하기 위한 개념도이다.
도 8을 참조하면, 도 7a의 그래프 내에서 우측에 배열된 쇼핑몰은 추세가 오랫동안 지속된 안정적인 쇼핑몰이라 판단할 수 있다. 특히, 추세가 오래 지속되면서, 매출이 성장세를 보인다면, 안정적인 성장몰이라 파악할 수 있다. 따라서, 가로축의 임계값(x1)보다 우측에 존재하면서, 세로축 임계값(y1)보다 큰 매출 성장률을 갖는 제 1 영역(810)에 배열된 쇼핑몰들을 추출하여 안정적 성장몰로 판단할 수 있다. 반대로, 가로축의 임계값(x1)보다 우측에 존재하면서, 세로축의 특정 임계값(미도시)보다 낮은 매출 성장률을 갖는 쇼핑몰들은 하락세가 지속되고 있는 쇼핑몰로 판단할 수 있다.
또한, 그래프의 좌측 하단의 제 2 영역(820)에 배열된 쇼핑몰들은 하락세이면서, 하락세로 접어든 시점이 얼마 안 된 쇼핑몰로 판단할 수 있다. 이들은 가로축 임계값(x2)보다 작으면서, 세로축 임계값(y2)보다 작은 값을 갖는 영역에 배열된 쇼핑몰들이다. 이러한 쇼핑몰들은 신속한 턴오버를 위한 조치가 필요하기 때문에, 이와 관련된 프로세스로 진입할 수 있도록 하는 것이 바람직하다. 특히, 쇼핑몰 플랫폼 운영자에게는 쇼핑몰 필수 아이템의 지급 및 판매가 적절한 쇼핑몰들로 활용될 수 있다.
추가적으로, 그래프의 좌측 상단의 제 3 영역(830)에 배열된 쇼핑몰들은 최근 급성장하는 쇼핑몰이라고 판단할 수 있다. 이들은 가로축 임계값(x3)(이는 x2와 동일 값일 수 있으나, 반드시 그렇게 한정되어야 하는 것은 아님)보다 작으면서, 세로축 임계값(y3)보다 큰 값을 갖는 영역에 배열된 쇼핑몰들이다.
다른 예에서, 매출규모(원의 크기에 비례)를 기준으로 판단할 때, 매출이 클수록 사업이 분산되어 있기 때문에, 추세기간은 길어지는 경향이 있고, 매출 증가율을 감소하는 경향이 있다. 따라서, 서버는 매출규모에 대응하는 포인트의 크기에 비례하여, 추세 기간 평균 길이의 기준값(x1, x2, x3 중 적어도 하나)을 설정하고, 포인트의 크기에 반비례하여, 추세 기간 평균 증가율의 기준값(y1, y2, y3 중 적어도 하나)을 설정할 수 있다. 그리고는, 위와 같은 매출액 대비 비례 또는 반비례 관계의 기준값을 기반으로 영역들(810, 820, 830)을 지정하여, 개별 쇼핑몰의 성장성을 판단할 수 있다. 대체적으로, 매출이 큰 업체는 가로축 주변으로 가로로 긴 형태로 배열되고, 세로축으로는 얇게 분포될 수 있다. 큰 매출 규모를 갖는 다수의 분석 대상 업체들에 대해, 가로로 길면서 세로로 얇은 분포를 클러스터링 기법으로 적절히 군집화할 수 있다. 반대로, 매출이 작은 업체는 가로로는 짧게, 세로로는 길게 분포하는 형상을 갖는다. 서버는, 위와 같이 큰 매출 규모를 갖는 제 1 대상 업체들의 군집 및 작은 매출 규모를 갖는 제 2 대상 업체들의 군집을 각각 생성할 수 있다. 그리고는, 생성된 군집에서, 임계값 이상 벗어나는 업체들은 특이 업체로 추출할 수 있다. 도 7a의 실시예에서는, 포인트(710)의 쇼핑몰 A가 크기에 비해 장기간 그리고 높은 성장율을 보이고 있는 특이 업체로 추출될 수 있다.
전술한 바와 같이, 기준값(x1, x2, x3,y1, y2, y3 )은 매출액에 따라 또는 사용자의 설정에 따라 동적으로 변경될 수 있다. 한편, 서버는 이러한 기준값의 설정을 보다 적절한 수준으로 유지하기 위해, 인공지능 기반의 머신 러닝을 활용할 수 있다. 예를 들어, 기준값 중 하나에 따라 영역들(810, 820, 830)이 결정되는데, 영역들에 대응하는 특징들이 분석 시점 이후에도 이어지는지를 기반으로 머신 러닝을 통해 기준값을 정교화할 수 있다. 예를 들어, 영역(810)의 쇼핑몰들의 경우, 앞으로 안정적으로 매출이 증대될 것으로 예상되는데, 해당 영역의 쇼핑몰들이 실제 매출 증대를 얼마간 유지하는지를 관찰함에 의해 최적의 기준값을 설정할 수 있다. 즉, 기준값을 변경하면서 쇼핑몰들의 분석 시점 이후 매출을 관찰하고, 상기 이후 매출이 안정적으로 증대되는 정도를 보이는, 최적의 기준값을 결정하여 해당 값을 기준값으로 설정할 수 있다. 이때, 학습 데이터 셋은 (기준값(X1, Y1), 상기 기준값(X1, Y1)에 의해 영역(810)으로 분류된 쇼핑몰들의 이후 매출 증대 정도)가 될 수 있다. 영역(820, 830)에 대해서도 유사한 방식으로, 기준값을 변경하면서, 분석 시점 이후의 매출 턴오버 또는 매출 증가 정도를 분석하여 최적 기준값을 찾을 수 있다.
도 9a 내지 도 9e는 도 6의 방법에 따라 전체 쇼핑몰 중 적어도 일부의 시계열 매출 성장성을 예시적으로 시각화한 그래프이다.
도 9a를 참조하면, 다수의 업체가 60일 이하의 최근 추세 구간 길이를 갖는 것을 확인할 수 있다. 이에, 그 이상의 추세 기간 길이를 갖는 쇼핑몰을 찾아 장기적으로 성장하는 안정몰을 추출하여 효율적으로 관리하는 것이 바람직하다. 도 9b 내지 도 9e는 개별 쇼핑몰들의 추세 분석 상세 그래프이다. 이들 그래프를 보면, 다양한 형태의 쇼핑몰들의 매출 성장성을 확인할 수 있다.
도 10은 본 발명의 일 실시예에 따른 쇼핑몰 시계열 매출 성장성 분석 장치를 개략적으로 나타낸 블록도이다. 도 10에 도시된 바와 같이, 장치는, 통신부(1010), 프로세서(1020), 메모리(1030) 및 입출력 모듈(1040)을 포함할 수 있다.
도 10을 참조하면, 통신부(1010)는 무선 및/또는 유선 네트워크를 통해 쇼핑몰 운영자 단말 또는 쇼핑몰 플랫폼 서버와 같은 타 장치와 정보를 주고받기 위한 구성요소이다. 통신부(1010)는 유선 또는 무선 네트워크와 연관된 통신 장치를 포함한다. 통신부(1010)는 안테나를 포함할 수 있다.
프로세서(1020)는 통신부(1010)를 통해 수신되는 쇼핑몰의 판매 정보, 매출 정보 등을 획득하고, 프로그래밍된 바에 따라 시계열 매출 정보를 생성하고, 이를 바탕으로, 특정 기간의 이동평균을 산출하여 매출 추세 정보를 생성한다. 그리고는, 생성된 두 정보를 기반으로 매출 계절성 정보를 생성하고, 시계열 매출 정보에서 매출 추세 정보와 매출 계절성 정보 값을 뺄셈 연산하여 로컬 매출 정보를 생성한다. 그리고, 이를 시각화할 수 있다.
한편, 프로세서(1020)는 월 매출액의 월별 증가율을 기반으로 그래프 좌측 시점부터 해당 월까지의 데이터에 대해 월별 증가율 평균 및 표준편차를 산출하여, 다음 달 매출 증가율과 상기 산출된 평균 및 표준편차 기반의 임계범위와 비교함에 의해 이상치 여부를 판별하여, 신규 추세 영역과 동일 추세 영역을 구분한다. 그리고는 구분된 영역을 기반으로 전반적인 추세 구간을 결정할 수 있다. 프로세서(1020)는 이를 기반으로 안정적 성작성을 보이는 쇼핑몰 또는 반전몰 등을 추론하고, 추론 결과를 해당 쇼핑몰 운영자 또는 쇼핑몰 플랫폼 운영자(관리자)에게 제공할 수 있다.
메모리(1030)는 프로세서(1020)에서 수행해야 할 프로그램들과 연관된 명령어들을 저장하고 있으며, 프로세서(1020)에서 요구하는 각종 데이터를 저장하고 있는 저장장치이다. 메모리(1030)는 쇼핑몰의 판매 정보, 매출 정보, 특정 쇼핑몰에서의 상품 구매 회원 정보 및 쇼핑몰 회원들의 상품 구매 이력 정보를 저장하고 있을 수 있다. 메모리(1030)는 장치 내부의 로컬 메모리 또는 외부의 대용량 데이터베이스로써 구현될 수 있다.
입출력 모듈(1040)은 키보드, 마우스와 같은 정보 입력 수단 및 모니터, TV, 터치스크린과 같은 정보 출력 수단을 포함한다. 입출력 모듈(1040)은 안정몰, 반전몰 등을 결정하기 위한 임계값에 대한 설정을 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 (14)

  1. 컴퓨팅 장치에서의 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법에 있어서,
    복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하여 시계열 매출 분석 정보를 생성하는 단계;
    상기 시계열 매출액 분석 정보에서 단위 기간별 매출액 증가율 산출하여 성장성 분석 기간에 대해 복수 개의 서로 다른 추세 영역을 결정하는 단계; 및
    상기 복수 개의 서로 다른 추세 영역 중 현재 추세 영역을 기반으로 상기 복수 개의 쇼핑몰 중 적어도 일부의 시계열 매출 성장성을 시각화하는 단계를 포함하는, 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법.
  2. 제 1 항에 있어서, 상기 복수 개의 서로 다른 추세 영역을 결정하는 단계는,
    상기 단위 기간별 매출액 증가율을 산출하는 단계;
    상기 성장성 분석 기간의 시작 시점으로부터 개별 단위 기간의 기준 시점까지의 매출액에 대해, 상기 단위 기간별 매출액 증가율의 평균과 표준편차를 산출하는 단계;
    개별 단위 기간의 기준 시점에 대해, 다음 단위 기간의 기준 시점의 단위 기간별 매출액 증가율을 상기 평균 및 상기 표준편차 기반의 기준 범위와 비교하는 단계; 및
    비교 결과, (i) 상기 기준 범위와 제 1 임계값 이상 차이가 나면 해당 기준 시점부터 신규 추세 영역으로 판단하고, (ii) 그렇지 않으면 해당 기준 시점을 이전 기준 시점과 동일 추세 영역으로 판단하는 단계를 포함하는, 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법.
  3. 제 1 항에 있어서,
    현재 추세 기간에 대해, 상기 현재 추세 기간의 길이를 제 1 축으로, 상기 현재 추세 기간의 매출 증가액의 평균값을 제 2 축으로 하는 그래프에 개별 쇼핑몰을 포인트(point)로 하여 시각화하는, 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법.
  4. 제 3 항에 있어서,
    상기 제 1 축 상의 제 2 임계값보다 크면서 상기 제 2 축 상의 제 3 임계값보다 큰 값을 갖는 영역에 배열된 쇼핑몰을 추출하여 안정적 성장몰로 판단하는, 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법.
  5. 제 3 항에 있어서,
    상기 제 1 축 상의 제 4 임계값보다 작으면서 상기 제 2 축 상의 제 5 임계값보다 작은 값을 갖는 영역에 배열된 쇼핑몰을 추출하여 하락세 반전 쇼핑몰로 판단하는, 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법.
  6. 제 3 항에 있어서,
    상기 제 1 축 상의 제 6 임계값보다 큰 값을 가지면서, 상기 제 2 축 상의 제 7 임계값보다 작은 값을 갖는 영역에 배열된 쇼핑몰을 추출하여 최근 급성장 쇼핑몰로 판단하는, 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법.
  7. 제 3 항에 있어서,
    상기 포인트의 크기는 현재 매출액에 비례하는, 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법.
  8. 제 7 항에 있어서,
    상기 포인트의 크기에 비례하여 추세 기간 평균 길이의 기준값을 설정하고 상기 포인트의 크기에 반비례하여 추세 기간 평균 증가율의 기준값을 설정하며, 개별 쇼핑몰에 대응하는 포인트의 위치를 상기 설정된 추세 기간 평균 길이의 기준값 및 추세 기간 평균 증가율의 기준값과 비교하는, 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법.
  9. 제 8 항에 있어서,
    비교 결과, 상기 포인트의 위치가 상기 설정된 추세 기간 평균 길이의 기준값 및 추세 기간 평균 증가율의 기준값을 벗어나는 쇼핑몰을 추출하여, 특수 성장 쇼핑몰로 판단하는, 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법.
  10. 제 3 항에 있어서,
    특정 포인트를 선택하면, 상기 선택된 특정 포인트에 대응하는 쇼핑몰의 매출 추세 상세 분석 정보가 표시되는 사용자 인터페이스를 제공하는, 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법.
  11. 제 10 항에 있어서,
    상기 매출 추세 상세 분석 정보는, 해당 쇼핑몰의 시간에 따른, (i) 상기 시계열 매출 분석 정보, (ii) 상기 시계열 매출액 분석 정보를 기반으로 제 1 기간의 매출액의 이동평균(moving average)을 산출하여 생성되는 매출 추세 분석 정보, (iii) 상기 시계열 매출 분석 정보에서 상기 매출 추세 분석 정보를 뺄셈 연산한 값을 단위 기간별로 평균을 구함에 의해 생성되는 매출 계절성 분석 정보, 및 (iv) 상기 시계열 매출 분석 정보에서, 상기 매출 추세 분석 정보와 상기 매출 계절성 분석 정보를 합산한 값을 뺄셈 연산함에 의해 생성되는, 로컬(local) 매출 분석 정보 중 적어도 둘을 포함하는, 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법.
  12. 쇼핑몰에 대한 시계열 매출 성장성 시각화 장치에 있어서,
    복수 개의 쇼핑몰들에 대해, 기간에 따른 매출액에 대한 정보를 획득하여 저장하는 저장부; 및
    상기 기간에 따른 매출액에 대한 정보를 획득하여 시계열 매출 분석 정보를 생성하고, 상기 시계열 매출액 분석 정보에서 단위 기간별 매출액 증가율 산출하여 성장성 분석 대상 기간에 대해 복수 개의 서로 다른 추세 영역을 결정하며, 상기 복수 개의 서로 다른 추세 영역 중 현재 추세 영역을 기반으로 상기 복수 개의 쇼핑몰 중 적어도 일부의 시계열 매출 성장성을 시각화하는 프로세서를 포함하는, 쇼핑몰에 대한 시계열 매출 성장성 시각화 장치.
  13. 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 시스템에 있어서,
    전자상거래와 연관된 복수 개의 쇼핑몰들의 기간에 따른 매출액과 관련된 정보를 제공하는, 쇼핑몰 운영 서버; 및
    상기 쇼핑몰 운영 서버로부터, 복수 개의 쇼핑몰들에 대해, 상기 기간에 따른 매출액에 대한 정보를 획득하여 시계열 매출 분석 정보를 생성하고, 상기 시계열 매출액 분석 정보에서 단위 기간별 매출액 증가율 산출하여 성장성 분석 대상 기간에 대해 복수 개의 서로 다른 추세 영역을 결정하며, 상기 복수 개의 서로 다른 추세 영역 중 현재 추세 영역을 기반으로 상기 복수 개의 쇼핑몰 중 적어도 일부의 시계열 매출 성장성을 시각화하는 성장몰 분석 장치를 포함하는, 쇼핑몰에 대한 시계열 매출 성장성 시각화 시스템.
  14. 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 획득하여 시계열 매출 분석 정보를 생성하고;
    상기 시계열 매출액 분석 정보에서 단위 기간별 매출액 증가율 산출하여 성장성 분석 기간에 대해 복수 개의 서로 다른 추세 영역을 결정하며; 그리고
    상기 복수 개의 서로 다른 추세 영역 중 현재 추세 영역을 기반으로 상기 복수 개의 쇼핑몰 중 적어도 일부의 시계열 매출 성장성을 시각화하도록 구성된, 컴퓨터 판독 가능한 저장 매체.
KR1020210134913A 2021-06-11 2021-10-12 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법, 장치 및 시스템 KR102617903B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210076093 2021-06-11
KR1020210076093 2021-06-11

Publications (2)

Publication Number Publication Date
KR20220167186A true KR20220167186A (ko) 2022-12-20
KR102617903B1 KR102617903B1 (ko) 2023-12-27

Family

ID=84539013

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020210129585A KR20220167181A (ko) 2021-06-11 2021-09-30 성장몰 분석 방법, 장치 및 시스템
KR1020210134910A KR102617904B1 (ko) 2021-06-11 2021-10-12 쇼핑몰에 대한 시계열 매출 성장성 분석 방법, 장치 및 시스템
KR1020210134913A KR102617903B1 (ko) 2021-06-11 2021-10-12 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법, 장치 및 시스템

Family Applications Before (2)

Application Number Title Priority Date Filing Date
KR1020210129585A KR20220167181A (ko) 2021-06-11 2021-09-30 성장몰 분석 방법, 장치 및 시스템
KR1020210134910A KR102617904B1 (ko) 2021-06-11 2021-10-12 쇼핑몰에 대한 시계열 매출 성장성 분석 방법, 장치 및 시스템

Country Status (1)

Country Link
KR (3) KR20220167181A (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140120306A (ko) 2011-12-21 2014-10-13 무 시그마 비지니스 솔루션스 피브이티 엘티디 마케팅 믹스 솔루션 생성 시스템 및 방법
US20160306861A1 (en) * 2013-08-09 2016-10-20 Zoomdata, Inc. Real-time data visualization of streaming data
KR20170028231A (ko) * 2015-09-03 2017-03-13 사단법인 한국신용정보원 시장예측정보 제공방법 및 그 컴퓨터 프로그램
KR20180113111A (ko) * 2017-04-05 2018-10-15 주식회사 이랜드월드 키워드 검색량 기반 예측 정보 생성 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140120306A (ko) 2011-12-21 2014-10-13 무 시그마 비지니스 솔루션스 피브이티 엘티디 마케팅 믹스 솔루션 생성 시스템 및 방법
US20160306861A1 (en) * 2013-08-09 2016-10-20 Zoomdata, Inc. Real-time data visualization of streaming data
KR20170028231A (ko) * 2015-09-03 2017-03-13 사단법인 한국신용정보원 시장예측정보 제공방법 및 그 컴퓨터 프로그램
KR20180113111A (ko) * 2017-04-05 2018-10-15 주식회사 이랜드월드 키워드 검색량 기반 예측 정보 생성 장치 및 방법

Also Published As

Publication number Publication date
KR102617904B1 (ko) 2023-12-27
KR20220167185A (ko) 2022-12-20
KR20220167181A (ko) 2022-12-20
KR102617903B1 (ko) 2023-12-27

Similar Documents

Publication Publication Date Title
US8543473B2 (en) Business partner collaboration and buy analysis
US11580586B2 (en) Real-time recommendation monitoring dashboard
KR20200122687A (ko) 상품 판매량 예측 방법, 장치 및 시스템
US10467638B2 (en) Generating work products using work product metrics and predicted constituent availability
EP3281167A1 (en) Qualitatively planning, measuring, making effecient and capitalizing on marketing strategy
Kim et al. Evolution of open innovation by value-based network perspective: the case of Korean smart home industry
KR20210098289A (ko) 전자상거래와 연관된 쇼핑몰의 상품 진열 업데이트 방법 및 장치
Stahl et al. Analytics applications in fashion supply chain management—A review of literature and practice
CN117788115A (zh) 一种物品需求信息确定方法、装置、设备及存储介质
JP6193817B2 (ja) 需要予測装置およびプログラム
KR20220066695A (ko) 이미지 비젼 처리를 통하여 측정된 당도 정보를 포함하는 과일 정보 공유를 위한 정보 제공 방법 및 시스템
KR102617903B1 (ko) 쇼핑몰에 대한 시계열 매출 성장성을 시각화하는 방법, 장치 및 시스템
US11341448B2 (en) Systems and methods for cosmetics products retail displays
Zhao et al. A state‐feedback approach to inventory control: Analytical and empirical studies
JP6276655B2 (ja) 需要予測装置およびプログラム
CN115759401A (zh) 一种电力市场成员竞价行为预测标签生成方法和系统
US11568001B2 (en) Radial map data visualization
JP2022140404A (ja) データ処理のための方法、装置及び媒体
KR102415043B1 (ko) 상품 재고량 관리 방법, 장치 및 시스템
JP6151435B2 (ja) 倉庫収益シミュレーション装置
JP2011118642A (ja) サービス規模成長性分析システムおよび方法ならびにそのためのプログラム
Asiegbu Business intelligence-driven supply chain optimization in emerging markets: Pathways for African businesses
JP2011081451A (ja) 表示データ生成装置及びプログラム
Saha et al. Supply Chain Coordination under Stock‐and Price‐Dependent Selling Rates under Declining Market
Timokhovich et al. Role of analytics in strategic marketing

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