KR20230015135A - 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템 - Google Patents

Abstract

빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템이 제공되며, 상품 종류, 가격, 위치 및 영업시간을 포함하는 상점 데이터를 업로드하고, 프로모션할 이벤트를 업로드할 때 타겟 정보를 입력하여 이벤트가 타겟팅된 고객에게 전달되도록 요청하는 적어도 하나의 가맹점 단말, 사용자 위치를 포함하는 사용자 정보를 입력하여 등록한 후 적어도 하나의 카테고리 내 적어도 하나의 키워드를 선택하고, 사용자 정보 및 적어도 하나의 키워드가 타겟 정보에 대응하는 경우 이벤트를 안내받는 사용자 단말 및 적어도 하나의 가맹점 단말로부터 상점 데이터를 업로드받을 때, 판매하는 상품에 대응하는 카테고리 및 키워드를 선택받아 상점 데이터와 매핑되도록 저장하는 데이터베이스화부, 적어도 하나의 가맹점 단말에서 이벤트를 진행할 때 타겟 정보를 입력받는 이벤트진행부, 사용자 정보가 타겟 정보에 대응하고 사용자 단말에서 선택한 카테고리 및 키워드가 가맹점 단말의 카테고리 및 키워드에 대응하는 경우, 이벤트를 사용자 단말로 전송하는 홍보부를 포함하는 홍보 서비스 제공 서버를 포함한다.

Description

빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템{SYSTEM FOR PROVIDING BIGDATA BASED LOCAL STORE EVENT PROMOTION SERVICE}

본 발명은 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템에 관한 것으로, 지역상점의 이벤트를 빅데이터의 분석으로 추출된 타겟 고객층에게 제공할 수 있는 플랫폼을 제공한다.

빅데이터를 이용한 위치정보 서비스(Location Based Service)가 지속적으로 발전하고 있다. 네비게이션의 측면에서는 지도 API 서비스부터 선박 항해정보에 이르기까지 서비스의 범위가 확대되었고, 시스템 응용정보로서는 각 위치에 대한 SNS와 블로그 검색 기록에까지 확장되고 있다. 스마트폰의 도입 초기에는 지도정보 API 이외의 수익모델에 대해 부정적인 인식이 있었으나 점점 지도 주변정보와 안전서비스, 엔터테인먼트의 다양한 분야에서 새로운 서비스가 출현하며 융합영역의 LBS 산업이 확대되고 있고, 한국인터넷진흥원에서도 위치정보에 대한 규제혁신을 통한 산업 활성화 방안을 발표하였으며, 지원 체계 목표 2020을 수립 및 법과 제도적인 개선을 통해서 신규 LBS사업의 준비와 더불어 사업의 도약기까지 지원하는 체계를 정비하고 있다. 이를 통해 서비스의 출시부터 네트워킹, 홍보, 마케팅과 같은 서비스 확대의 측면까지 지원함으로서 신규 LBS 스타트업의 발전할 수 있는 발판 마련의 준거가 되고 있다.

이때, 오프라인 상점을 LBS 기반으로 상품 정보를 등록하고 고객에게 전송할 수 있는 플랫폼이 연구 및 개발되었는데, 이와 관련하여, 선행기술인 한국등록특허 제10-1946817호(2019년02월12일 공고) 및 한국등록특허 제10-1968219호(2019년04월18일 공고)에는, 고객 단말에서 지역상점의 상품정보를 수신할 때 가격비교를 통하여 최저가 상품을 구매할 수 있도록 하고, 상점별 NFC 스티커, 이벤트, 할인 및 무료쿠폰을 포함한 정보를 사용자 단말로 전송하는 구성과, 사용자 단말로부터 위치로그를 히스토리 로그로 수신하고 사용자 단말의 이벤트 정보를 전송한 후 피드백 정보를 수신하며 피드백 정보를 제공한 사용자 단말 중 어느 하나의 사용자 단말을 추출하여 당첨자로 선정하는 구성이 각각 개시되어 있다.

다만, 전자의 경우 오프라인 상점은 임대료 및 직원고용비용이 기본적으로 가장 큰 비중을 차지하는 항목이기 때문에 소위 미끼상품인 할인상품 이외에는 마진을 남겨야만 하고 나머지 항목에 대해서까지 온라인 상점과 같이 최저가 경쟁을 할 수는 없는 현실적인 상황을 전혀 고려하지 않고 있다. 후자의 경우에도 가장 오래 체류한 사용자 중 조건이 맞는 사람만을 이벤트 당첨자로 선정하는 구성을 개시하고 있으나, 이는 오프라인 상점에 이미 들어온 사람의 로열티를 확보하는 구성일 뿐, 신규고객을 오프라인 상점으로 유인하는 구성이 전혀 아니다. 지역상점을 운영하는 소상공인의 경우 이벤트로 손님을 끌고자 하지만 마땅한 방법이나 자본이 부족하여 전단지를 돌리거나 지역신문이나 인터넷에 쿠폰을 제공하는 정도에 그치고 있다. 이에, 신규고객을 유입시키기 위한 이벤트를 고객에게 홍보할 때 구매할 가능성이 큰 고객을 추출하여 타겟 홍보를 수행할 수 있는 플랫폼의 연구 및 개발이 요구된다.

본 발명의 일 실시예는, 가맹점 단말에서 이벤트를 등록하는 것 뿐만 아니라 고객인 사용자의 사용자 단말에서 이벤트를 제안하고 가맹점 단말에서 수락하는 상호제안을 실시함으로써 가맹점은 추가 고객을 확보할 수 있고 고객은 합리적인 소비를 할 수 있도록 하며, 사용자 단말로부터 카테고리 및 키워드를 설정받고, 가맹점 단말로부터 지역상점을 등록받을 때 카테고리 및 키워드를 함께 설정받으며, 가맹점 단말에서 이벤트의 홍보를 의뢰할 때 타겟 정보를 수신하여 카테고리 및 키워드가 공통된 사용자 단말 중 타겟 정보에 대응하는 사용자 정보를 보유한 사용자 단말을 추출하여 마이크로타겟팅을 실시함으로써, 실제 지역상점에 방문할 가능성 및 지역상점에서 구매할 가능성이 높은 고객을 상대로 이벤트를 홍보할 수 있고, 접근성이 생명인 지역상점의 이벤트를 사용자 단말의 현위치에 대응하여 제공함으로써 사용자가 자주 다니는 이동경로 상에 이벤트를 사용자가 받아볼 수 있도록 하고, 할인된 금액을 누적시켜 제공함으로써 알뜰소비를 유도함과 동시에 지역상권을 활성화시킬 수 있는, 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 방법을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 상품 종류, 가격, 위치 및 영업시간을 포함하는 상점 데이터를 업로드하고, 프로모션할 이벤트를 업로드할 때 타겟 정보를 입력하여 이벤트가 타겟팅된 고객에게 전달되도록 요청하는 적어도 하나의 가맹점 단말, 사용자 위치를 포함하는 사용자 정보를 입력하여 등록한 후 적어도 하나의 카테고리 내 적어도 하나의 키워드를 선택하고, 사용자 정보 및 적어도 하나의 키워드가 타겟 정보에 대응하는 경우 이벤트를 안내받는 사용자 단말 및 적어도 하나의 가맹점 단말로부터 상점 데이터를 업로드받을 때, 판매하는 상품에 대응하는 카테고리 및 키워드를 선택받아 상점 데이터와 매핑되도록 저장하는 데이터베이스화부, 적어도 하나의 가맹점 단말에서 이벤트를 진행할 때 타겟 정보를 입력받는 이벤트진행부, 사용자 정보가 타겟 정보에 대응하고 사용자 단말에서 선택한 카테고리 및 키워드가 가맹점 단말의 카테고리 및 키워드에 대응하는 경우, 이벤트를 사용자 단말로 전송하는 홍보부를 포함하는 홍보 서비스 제공 서버를 포함한다.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 가맹점 단말에서 이벤트를 등록하는 것 뿐만 아니라 고객인 사용자의 사용자 단말에서 이벤트를 제안하고 가맹점 단말에서 수락하는 상호제안을 실시함으로써 가맹점은 추가 고객을 확보할 수 있고 고객은 합리적인 소비를 할 수 있도록 하며, 사용자 단말로부터 카테고리 및 키워드를 설정받고, 가맹점 단말로부터 지역상점을 등록받을 때 카테고리 및 키워드를 함께 설정받으며, 가맹점 단말에서 이벤트의 홍보를 의뢰할 때 타겟 정보를 수신하여 카테고리 및 키워드가 공통된 사용자 단말 중 타겟 정보에 대응하는 사용자 정보를 보유한 사용자 단말을 추출하여 마이크로타겟팅을 실시함으로써, 실제 지역상점에 방문할 가능성 및 지역상점에서 구매할 가능성이 높은 고객을 상대로 이벤트를 홍보할 수 있고, 접근성이 생명인 지역상점의 이벤트를 사용자 단말의 현위치에 대응하여 제공함으로써 사용자가 자주 다니는 이동경로 상에 이벤트를 사용자가 받아볼 수 있도록 하고, 할인된 금액을 누적시켜 제공함으로써 알뜰소비를 유도함과 동시에 지역상권을 활성화시킬 수 있다.

도 1은 본 발명의 일 실시예에 따른 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 홍보 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 빅데이터 기반 지역상점 이벤트 홍보 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체 지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.

본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.

본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템(1)은, 적어도 하나의 사용자 단말(100), 홍보 서비스 제공 서버(300), 적어도 하나의 가맹점 단말(400)을 포함할 수 있다. 다만, 이러한 도 1의 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.

이때, 도 1의 각 구성요소들은 일반적으로 네트워크(Network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 적어도 하나의 사용자 단말(100)은 네트워크(200)를 통하여 홍보 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 홍보 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100) 및 적어도 하나의 가맹점 단말(400)과 연결될 수 있다. 또한, 적어도 하나의 가맹점 단말(400)은, 네트워크(200)를 통하여 홍보 서비스 제공 서버(300)와 연결될 수 있다.

여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.

적어도 하나의 사용자 단말(100)은, 빅데이터 기반 지역상점 이벤트 홍보 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 사용자 정보, 카테고리 및 키워드를 입력 및 설정하고, GPS 데이터를 실시간 또는 주기적으로 홍보 서비스 제공 서버(300)로 업로드하는 사용자의 단말일 수 있다. 이때, 사용자 단말(100)은, 적어도 하나의 가맹점 단말(400)의 이벤트 정보를 수신하는 단말일 수 있고 참석여부를 홍보 서비스 제공 서버(300)을 경유하여 가맹점 단말(400)로 전송하는 단말일 수 있다. 또, 사용자 단말(100)은 O2O(Online to Offline) 서비스를 이용하여 플랫폼 내에서 결제를 한 후 오프라인 가맹점에서 상품을 픽업하는 사용자의 단말일 수도 있고, 배달 플랫폼과 연동하여 배달을 요청하는 사용자의 단말일 수도 있다.

여기서, 적어도 하나의 사용자 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 사용자 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 사용자 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

홍보 서비스 제공 서버(300)는, 빅데이터 기반 지역상점 이벤트 홍보 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 홍보 서비스 제공 서버(300)는, 적어도 하나의 가맹점 단말(400)로부터 가맹점 주소, 상품, 가격, 영업시간, 이벤트 정보 등을 업로드받아 저장하고, 카테고리 및 키워드를 설정받는 서버일 수 있다. 또한, 홍보 서비스 제공 서버(300)는 사용자 단말(100)의 카테고리 및 키워드에 대응하는 가맹점 단말(400)의 이벤트를 추출한 후 사용자 단말(100)로 전송하여 홍보를 하는 서버일 수 있다. 그리고, 홍보 서비스 제공 서버(300)는 사용자 단말(100)에서 역으로 이벤트를 제안하는 경우, 이를 적어도 하나의 가맹점 단말(400)로 브로드캐스팅하고, 수락하는 가맹점 단말(400)이 존재하는 경우 이를 사용자 단말(100)로 전달하여 예약을 하도록 하는 서버일 수 있다. 또, 홍보 서비스 제공 서버(300)는 노쇼를 방지하기 위하여 패널티를 설정하거나 일방적인 리뷰나 별점 뿐만 아니라 상호 리뷰 및 별점을 부여할 수 있도록 하는 서버일 수 있다. 그리고, 홍보 서비스 제공 서버(300)는 사용자 단말(100)의 결제 기록이나 이동 패턴 등을 수집하고 빅데이터를 구축한 후 사용자가 구매를 할 만한 상품을 판매하는 지역상점의 이벤트를 추출하여 사용자 단말(100)로 전송하거나 지역상점을 추천하는 서버일 수 있다.

여기서, 홍보 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.

적어도 하나의 가맹점 단말(400)은, 빅데이터 기반 지역상점 이벤트 홍보 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하는 지역상점의 단말일 수 있다. 가맹점 단말(400)은, 지역상점의 주소, 영업시간, 상품, 가격, 이벤트, 타겟 정보 등을 입력하는 단말일 수 있다. 그리고, 가맹점 단말(400)은 이벤트가 역으로 제안되었을 때 수락여부를 결정하고 홍보 서비스 제공 서버(300)로 통지하는 단말일 수 있다. 또한, 가맹점 단말(400)은, 이벤트 예약이 홍보 서비스 제공 서버(300)로부터 전달된 경우 이벤트 고객의 예상도착시간에 결제한 상품을 화면에 출력하는 단말일 수 있다.

여기서, 적어도 하나의 가맹점 단말(400)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 가맹점 단말(400)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 가맹점 단말(400)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

도 2는 도 1의 시스템에 포함된 홍보 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3 및 도 4는 본 발명의 일 실시예에 따른 빅데이터 기반 지역상점 이벤트 홍보 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.

도 2를 참조하면, 홍보 서비스 제공 서버(300)는, 데이터베이스화부(310), 이벤트진행부(320), 홍보부(330), LBS부(340), 상호제안부(350), 패널티부(360), 평판관리부(370), 빅데이터화부(380), 추천부(390), 현위치홍보부(391), 비선호반영부(393) 및 참여독려부(395)를 포함할 수 있다.

본 발명의 일 실시예에 따른 홍보 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 사용자 단말(100) 및 적어도 하나의 가맹점 단말(400)로 빅데이터 기반 지역상점 이벤트 홍보 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 사용자 단말(100) 및 적어도 하나의 가맹점 단말(400)은, 빅데이터 기반 지역상점 이벤트 홍보 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 적어도 하나의 사용자 단말(100) 및 적어도 하나의 가맹점 단말(400)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: World Wide Web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(Hyper Text Mark-up Language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(Chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(Application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(App)을 포함한다.

도 2를 참조하면, 데이터베이스화부(310)는, 적어도 하나의 가맹점 단말(400)로부터 상점 데이터를 업로드받을 때, 판매하는 상품에 대응하는 카테고리 및 키워드를 선택받아 상점 데이터와 매핑되도록 저장할 수 있다. 적어도 하나의 가맹점 단말(400)은, 상품 종류, 가격, 위치 및 영업시간을 포함하는 상점 데이터를 업로드하고, 프로모션할 이벤트를 업로드할 때 타겟 정보를 입력하여 이벤트가 타겟팅된 고객에게 전달되도록 요청할 수 있다. 예를 들어, 가맹점은 요가원이고, 요가, 필라테스, 플라잉요가 등의 수업을 참여할 수 있는 회원권을 판매하고 싶다면, 카테고리에 운동, 키워드에 요가, 필라테스, 플라잉요가 등으로 등록할 수 있다. 그리고, 회원권을 1 회, 1 달, 3 달, 6 개월 또는 1 년 등으로 원 가격을 등록할 수 있고, 현재 이벤트, 즉 프로모션 가격은 얼마인지도 함께 기재할 수 있다.

이벤트진행부(320)는, 적어도 하나의 가맹점 단말(400)에서 이벤트를 진행할 때 타겟 정보를 입력받을 수 있다. 예를 들어, 상술한 요가원이라면 성별이 타겟 정보일 수 있다. 타겟 정보를 설정하지 않는 경우, 가맹점이 위치한 지역이 타겟 정보로 설정될 수 있다. 이때에는 [지역+카테고리+키워드]의 조건만 맞는다면 이 조건에 맞는 사용자 단말(100)로 이벤트 정보를 전송할 수 있다. 만약, 성별이 추가되는 경우, [지역+카테고리+키워드+성별]의 조건이 맞는 경우 사용자 단말(100)로 이벤트 정보를 전송할 수 있다. 하지만 너무 조건이 다수여서 대상자를 찾을 수 없다면 카테고리나 키워드는 제거하고 지역의 조건만 맞는다면 이벤트 정보를 전송할 수도 있다. 사용자가 명시적 정보인 카테고리나 키워드를 잘못 설정하거나 자신이 무엇에 관심이 있는지 잘 모르거나, 귀찮아서 스킵하는 경우도 존재할 수 있기 때문이다. 이때, 사용자 단말(100)에서 스팸과 같이 이벤트 정보를 꺼버리지 않고 기 설정된 시간 동안 드래그하거나 멈추면서 보았다면 명시적 정보는 아니더라도 암시적 정보로 키워드나 카테고리를 설정할 수도 있다.

홍보부(330)는, 사용자 정보가 타겟 정보에 대응하고 사용자 단말(100)에서 선택한 카테고리 및 키워드가 가맹점 단말(400)의 카테고리 및 키워드에 대응하는 경우, 이벤트를 사용자 단말(100)로 전송할 수 있다. 사용자 단말(100)은, 사용자 위치를 포함하는 사용자 정보를 입력하여 등록한 후 적어도 하나의 카테고리 내 적어도 하나의 키워드를 선택하고, 사용자 정보 및 적어도 하나의 키워드가 타겟 정보에 대응하는 경우 이벤트를 안내받을 수 있다.

LBS(Location Based Service)부(340)는, 사용자 단말(100)의 GPS 로그를 수집하여 이동경로 데이터를 누적하여 사용자 단말(100)과 매핑하여 저장하고, 이동경로 데이터로부터 각 요일별 및 시간별 이동패턴 데이터를 추출하며, 이동패턴 데이터 내 경로에 위치한 적어도 하나의 가맹점 단말(400)을 추출하여 적어도 하나의 가맹점 단말(400)에서 제공하는 이벤트를 사용자 단말(100)로 전송할 수 있다. 이때, 사용자 단말(100)에서 출근이나 등교시간이 언제인지, 퇴근이나 하교시간이 언제인지를 파악하는 것은 중요하다. 집과 회사(학교)가 정해져있다면 이동경로는 이미 정해진 것이지만, 현재 등교나 출근을 하는 시간인지 또는 하교나 퇴근을 하는 시간에 따라 사용자가 어떤 것을 사는지도 달라지기 때문이다. 만약 출근을 하는 시간이라면 출근에 정신이 없는 와중에 이벤트 알림 메시지가 왔지만, 자신과 전혀 관계없는 메시지가 온다면 스팸 메시지와 다를 바가 없다.

또 출근을 하는 과정에서 필요한 상품이 추천되어야지, 예를 들어 부대찌개와 같이 점심 상품이 정신없는 출근시간에 안내된다면 타이밍이 맞지 않아 이 또한 스팸메시지로 전락한다. 출근시간대에 사용자가 자주 사는 아이템, 예를 들어 출근경로에 있는 커피나 도너츠를 추천해주고 "커피를 사면 도너츠가 공짜"와 같이 사용자가 바쁜 시간을 쪼개어 새로운 곳을 가 볼만한 위험부담 상쇄요소가 있어야 가게 된다. 또 각종 이벤트에 참여하려면 앱 다운로드, 설치, 본인인증 등 복잡한 과정을 거치게 되어 사람들이 이벤트에 참여하기를 꺼리는 이유 중 하나이므로 이러한 복잡한 과정 없이 이벤트 메시지 내 QR 코드 등을 보여주면 상술한 과정은 전제되지 않도록 할 수도 있다.

상호제안부(350)는, 사용자 단말(100)에서 이벤트의 타겟 정보를 제안하는 경우, 타겟 정보를 적어도 하나의 가맹점 단말(400)로 전송하고, 적어도 하나의 가맹점 단말(400)에서 제안을 수락하는 경우 사용자 단말(100)로 수락 이벤트를 전달할 수 있다. 예를 들어, 사용자 A는 대학 정시합격통보를 받은 고 3 학생이다. 대학교에 가기 전에 헤어스타일도 정리하고 싶고 염색도 하고 싶고 친구들과 영화도 보고 싶고 여행도 가고 싶다. 이 경우 사용자 A는 헤어숍, 영화관, 펜션 등의 가맹점에 고 3 학생 특별할인이벤트를 해주면 자신이 가겠다는 제안을 할 수 있다. 이때, 헤어숍, 영화관, 펜션의 점주가 승낙을 할 경우, 사용자 A는 할인된 가격으로 헤어, 영화, 펜션을 예약할 수 있다.

패널티부(360)는, 적어도 하나의 가맹점 단말(400)에서 수락한 후 사용자 단말(100)의 사용자가 적어도 하나의 가맹점을 방문하지 않는 경우 노쇼 처리하고 사용자 단말(100)의 제안을 기 설정된 기간 동안 정지시킬 수 있다. 사용자가 제안을 하였고, 이에 대한 준비나 승낙을 하고 예약까지 받았는데 사용자가 오지 않는다면 점주는 계약에 이르는데 소요된 비용에 대한 위험부담이나 기회비용에 대응하는 손해를 입게 된다. 이에 따라, 패널티에 대응하는 금액을 차감하거나 제안을 하지 못하거나 노쇼가 몇 퍼센트인지를 가맹점주가 확인한 후 수락 여부를 결정할 수 있도록 할 수 있다.

평판관리부(370)는, 사용자 단말(100)과 적어도 하나의 가맹점 단말(400)로부터 상호 간 리뷰 및 평점을 수신하여 누적할 수 있다. 최근 리뷰 먹튀, 외상 사기, 환불 갑질 등 다양한 사회적 이슈가 떠오르고 있지만 각 기업들은 고객의 눈치를 보느라고 가맹점의 편에 서지 않는다. 이에 따라, 상호 평판을 잘 관리할 수 있도록 고객이 가맹점을 평가하는 것 이외에도, 가맹점도 고객을 평가할 수 있도록 한다.

빅데이터화부(380)는, 복수의 사용자 단말(100)의 결제 가맹점의 위치, 결제 시간, 결제 요일, 결제 금액 및 결제 품목을 포함하는 결제 데이터에 대응하는 로우 데이터(Raw Data)를 병렬 및 분산하여 저장하고, 저장된 로우 데이터 내에 포함된 비정형(Unstructed) 데이터, 정형(Structured) 데이터 및 반정형 데이터(Semi-structured)를 정제하고, 메타 데이터로 분류를 포함한 전처리를 실시하며, 전처리된 데이터를 데이터 마이닝(Data Mining)을 포함하는 분석을 실시할 수 있다. 이때, 사용자 단말(100)은 서로 다른 주체에 귀속된 복수의 사용자 단말(100)일 수 있다.

이때, 빅데이터화부(380)는, 하둡(Hadoop)과 같은 빅데이터 분산처리 시스템을 통하여 디스크의 입출력 분산과 네트워크 입력과 출력에 대한 부하를 분산시킬 수 있고, 데이터 리밸런싱을 통하여 데이터 노드에 대한 재배치를 수행하여 스토리지의 안정적 확장과 시스템적 적용성을 높일 수도 있다. 또, 빅데이터화부(380)는, 네트워크 토폴로지를 기반으로 하여 데이터의 안정성을 확보할 수 있고, 메타 데이터에 대해서 네임노드에서 중앙 집중적 분석 과정을 제공함으로써 데이터 가용성을 확보하고, 데이터 노드에 이슈가 발생하더라도 데이터 손실 문제를 최소화시킬 수도 있다. 분산처리 서비스에서 스토리지 서버의 기능을 넘어서 최적화된 분석 처리와 연관된 맵리듀스를 적용하는 경우 최고의 성능적용이 가능하다. 특히 하둡 맵리듀스를 이용하는 경우, 맵 태스크 혹은 리듀스 태스크 중의 태스크는 서로간의 중첩을 없앨 수 있고, 자신만의 데이터를 분석하고 처리하므로 중첩이 없는 병렬처리 시스템을 제공할 수 있다. 또한 블록단위로 데이터가 처리되고 복제 및 저장되므로 동일한 형태의 키값으로 데이터 형태를 관리하므로 데이터의 일관성을 유지하고 맵리듀스 과정에서의 최상의 결과를 낼 수 있다.

추천부(390)는, 복수의 사용자 단말(100)의 결제 데이터에 기반한 빅데이터로부터 암시적 피드백(Implicit Feedback)을 이용한 단일클래스 협업필터링(One Class Collaborative Filtering)을 이용하여 복수의 사용자 단말(100)로 적어도 하나의 가맹점 단말(400)의 이벤트를 추천할 수 있다.

추천기술은 크게 콘텐츠 기반 방법과 협업필터링 기반으로 분류될 수 있는데, 먼저, 콘텐츠 기반 방법은 각 사용자가 선호하는 상품과 유사한 콘텐츠를 가지는 상품을 추천하기 위해, 각 도메인에서 제공되는 상품들의 콘텐츠 정보를 활용한다. 반면, 협업필터링 기반 방법은 각 사용자의 취향과 유사한 취향을 갖는 이웃 사용자들이 선호하는 상품을 추천하기 위해, 사용자들이 상품에 매긴 피드백 정보 를 활용한다. 이때, 상품들의 콘텐츠 정보는 도메인에 따라 다양한 형태를 가질 수 있는 반면, 상품들에 대한 사용자의 피드백 정보는 여러 도메인에서 일관적인 형태를 가진다. 다양한 도메인에 보편적으로 적용이 가능하다는 협업필터링 기반 방법들의 이점으로 인해, 추천 도메인에서는 협업필터링 기반 방법이 다수 사용되고 있다.

이러한 협업필터링 기반 방법들에서 활용하는 사용자의 피드백 정보는 크게 명시적 피드백(Explicit Feedback)과 암시적 피드백(Implicit Feedback) 으로 구분될 수 있다. 먼저, 명시적 피드백은 각 사용자가 각 상품에 대한 구체적인 선호 정도, 예를 들어 평점 등을 통하여 직접 나타내는 다중-클래스의 피드백을 의미하는 반면, 암시적 피드백은 각 상품에 대한 각 사용자의 행동 유무, 예를 들어, 구매, 클릭, 드래그 등만을 포함하는 단일-클래스의 피드백을 의미한다. 명시적 피드백은 암시적 피드백에 비해 사용자의 상품에 대한 구체적인 선호도를 파악하는데 유리하지만, 사용자들에게 추가적인 행동을 요구한다. 이러한 이유로, 최근에는 암시적 피드백만을 활용하는 협업필터링 기반 방법들에 대한 연구가 활발히 수행되어오고 있다. 이에 따라, 본 발명의 일 실시예는 협업필터링을 이용할 때, 사용자의 암시적 피드백만으로 사용자들의 구체적인 선호도를 정확히 추론해내고, 이를 바탕으로 추천을 제공할 수 있도록 한다. 물론, 명시적 피드백을 완전히 배제하는 것은 아니고 이를 함께 이용 또는 명시적 피드백만을 단독으로 이용하는 것도 가능함은 자명하다 할 것이다.

단일클래스 협업필터링 기반 방법은, 사용자들의 암시적 피드백을 학습하는 방식에 따라 크게 Point-Wise 학습 방식과 Pair-Wise 학습 방식으로 나뉜다. 본 발명의 일 실시예에서는, Point-Wise 학습 방식의 단일클래스 협업필터링 기반 방법인 WRMF(Weighted Regularized Matrix Factorization), NeuMF(Neural Matrix Factorization), Pair-Wise 학습 방식의 단일클래스 협업필터링 기반 방법인 BPR(Bayesian Personalized Ranking), GBPR(Group Bayesian Personalized Ranking), CoFiSet(Collaborative Filtering via Learning Pairwise Preferences over Item-Sets), M-BPR(BPR with Multi-Yype Pair-Wise Preferences)를 이용하고, 데이터셋을 이용한 테스트로 각 방법의 추천정확도를 바탕으로 어느 방법을 적용할 것인지를 결정할 수 있도록 한다.

<Point-Wise 학습 방식의 OCCF 기반 방법>

Point-Wise 학습 방식은 사용자의 피드백 유무에 따라 각 상품들에 절대적인 선호도를 설정하는데, 예를 들어, 피드백이 존재하는 상품의 경우 1, 그렇지 않은 경우 0 등과 같이, 모델이 절대적인 선호도와 예측된 선호도 간의 차이를 최소화하는 방향으로 학습을 수행한다.

<WRMF>

단일-클래스의 피드백에서 사용자들이 피드백을 주지 않은 것은 모두 동일하게 선호하지 않는 것으로 간주하는 것의 한계를 완화하기 위해 WRMF가 도입되었다. 구체적으로, WRMF는 각 사용자가 피드백을 준 상품들의 선호도를 1로, 피드백을 주지 않은 상품들의 선호도를 0으로 설정된 사용자-상품 평점 행렬을 구성하고, 이들 선호도에 대해 상대적인 가중치를 부여한다. 그 후, 평점 행렬을 두 개의 저차원 행렬인 사용자 잠재 요인 벡터와 상품 잠재 요인 벡터로 분해한다. 다음으로, 이러한 두 벡터들 간의 점곱(Dot Product)을 통해 모든 상품들에 대한 모든 사용자의 예측 선호도 값을 갖는 예측 평점 행렬을 구성한다.

그 후, WRMF은 평점 행렬과 예측 평점 행렬간의 오차 제곱의 평균이 최소화되도록 사용자 잠재 요인 벡터와 상품 잠재 요인 벡터를 업데이트한다. 이러한 업데이트를 위해, WRMF은 wALS(weighted Alternating Least Square)을 이용할 수 있다. 최종적으로, 학습된 사용자 잠재 요인 벡터와 상품 잠재 요인 벡터로 얻어진 예측 평점 행렬을 기반으로 각 사용자가 피드백을 주지 않은 상품들에 대한 선호도를 예측한다.

<NeuMF>

점곱 기반의 학습이 사용자와 상품 간의 선형 관계만을 고려한다는 한계를 완화하기 위해, WRMF를 딥러닝을 이용하여 확장한 것이 NeuMF이다. NeuMF는 WRMF와 동일하게 각 사용자가 피드백을 준 상품들의 선호도를 1로, 피드백을 주지 않은 상품는들의 선호도를 0으로 설정한다. 그 후, 사용자의 잠재 요인 벡터와 상품의 잠재 요인 벡터가 주어지면, NeuMF는 이들을 다층 퍼셉트론(Multi-Layer Perceptron)의 입력으로 이용한다. 그 후, 다층 퍼셉트론에 의해 출력되는 값을 해당 상품에 대한 해당 사용자의 예측 선호도로 간주한다.

그 후, NeuMF는 backpropagation을 통해 사용자 잠재 요인 벡터와 상품 잠재 요인 벡터 V를 업데이트한다. 최종적으로, 학습된 사용자 잠재 요인 벡터와 상품 잠재 요인 벡터 간의 다층 퍼셉트론 연산을 통해 각 사용자가 피드백을 주지 않은 상품들에 대한 선호도를 예측한다. 딥러닝 기술을 통해 사용자와 상품 간 복잡한 비선형 관계를 정확하게 포착함으로써, NeuMF는 각 사용자의 취향을 좀 더 정확하게 파악하여 추천의 정확도를 향상시킬 수 있다.

<Pair-Wise 학습 방식의 OCCF 기반 방법>

Pair-Wise 학습 방식은 사용자가 피드백을 준 상품을 피드백을 주지 않은 상품보다 선호한다는 가정을 바탕으로, 모델이 이러한 상품들 간의 상대적인 선호도 차이를 최대화하는 방향으로 학습을 수행한다. Pair-Wise 학습 방식을 수행하는 OCCF은, BPR, GBPR, CoFiSet, 그리고 M-BPR를 포함한다.

<BPR>

BPR은 각 사용자가 피드백을 준 단일 상품이 피드백을 주지 않은 단일 상품보다 선호한다는 Pair-Wise 선호도(Pair-Wise preference, 이하 PP) 가정을 바탕으로 한다. 구체적인 BPR의 학습 과정은 먼저 BPR은 한 명의 추천 대상 사용자를 샘플링 하고, 해당 사용자가 피드백을 준 상품들과 피드백을 주지 않은 상품들 중 각각 하나씩을 샘플링 한다. 그 후, 해당 사용자의 잠재 요인 벡터와 피드백을 준 상품의 잠재 요인 벡터/피드백을 주지 않은 상품의 잠재 요인 벡터 간의 점곱을 통하여 두 상품들에 대한 선호도를 예측한다. 다음으로, BPR은 피드백을 준 상품의 예측 선호도와 피드백을 주지 않은 상품의 예측 선호도 간의 차이가 최대화되도록, 해당되는 사용자와 상품들의 잠재 요인 벡터들을 업데이트한다. 이러한 과정을 반복적으로 수행함으로써 모든 사용자들과 상품들의 잠재 요인 벡터들을 업데이트한다. 최종적으로, 앞서 살펴본 WRMF, NeuMF와 동일한 방식으로 각 사용자가 피드백을 주지 않은 상품들에 대한 선호도를 예측한다..

<GBPR>

GBPR은, BPR에서의 단일 상품 단위의 선호도 차이를 활용하는 한계를 완화하기 위해, 즉, 한 사용자가 피드백을 준 단일 상품이 피드백을 주지 않은 단일 상품보다 항상 선호한다는 가정의 불확실성을 완화하기 위해, 사용자 그룹 선호도의 개념을 도입한 방법이다. 구체적인 GBPR의 학습 과정은 BPR과 동일하게, GBPR은 먼저 한 명의 추천 대상 사용자를 샘플링하고, 해당 사용자가 피드백을 준 상품들과 피드백을 주지 않은 상품들 중 각각 하나씩을 샘플링한다. 그 후, GBPR은 샘플링된 피드백을 준 상품에 공통으로 피드백을 준 이웃 사용자들을 추가적으로 샘플링한다. 이때, 샘플링되는 이웃 사용자의 수는 하이퍼-파라미터로 주어진다. 그 후, 샘플링된 사용자들이 공통으로 피드백을 준 상품에 대한 그룹 예측 선호도와 피드백을 주지 않은 상품의 예측 선호도의 차이가 최대화되도록, 해당되는 사용자와 상품들의 잠재 요인 벡터들을 업데이트한다. 그 이후의 과정은 BPR과 동일하게 수행된다.

<CoFiSet>

CoFiSet은, BPR 가정의 한계를 완화하기 위해 사용자 그룹 선호도의 개념이 아닌 상품 그룹 선호도 개념을 도입한 것인데, CoFiSet의 학습 과정은 먼저, 한 명의 추천 대상 사용자를 샘플링하고, 해당 사용자가 피드백을 준 상품들과 피드백을 주지 않은 상품들 중 각각 특정 개수씩 샘플링한다. 이때, GBPR과 동일하게 샘플링되는 상품의 수는 하이퍼-파라미터로 주어진다. 그 후, 사용자가 피드백을 준 상품들에 대한 그룹 예측 선호도와 피드백을 주지 않은 상품들에 대한 그룹 예측 선호도의 차이가 최대화되도록, 해당되는 사용자와 상품들의 잠재 요인 벡터들을 업데이트한다. 그 이후의 과정은 BPR과 GBPR과 동일하게 수행된다.

<M-BPR>

M-BPR은 Pair-Wise 학습 방식에서, 각 사용자는 피드백을 주지 않은 상품 모두에 대해 동일한 부정적 선호의 정도를 가지며, 각 사용자가 피드백을 준 상품을 피드백을 주지 않은 상품보다 항상 선호한다는 한계를 지적 및 개선하기 위한 방법이다. 첫 번째 한계를 완화하기 위해 사용자가 피드백을 주지 않은 상품들을 부정적 선호도를 갖는 부정적 상품(Uninteresting Items)과 선호하는지/선호하지 않는지 알 수 없는 중립적 상품(Unknown Items) 으로 구분하였다. 그 후, 이러한 피드백을 주지 않은 상품의 두 가지 유형과 피드백을 준상품을 모두 활용하여 다중-유형 Pair-Wise 선호도를 정의하고, 이를 학습에 이용하는 방법이다.

구체적인 M-BPR과 M-BPR(G)의 학습 과정은 먼저, 각 사용자가 피드백을 주지 않은 상품들에 대한 선호도를 기존 OCCF 기반 방법으로 대략적으로 예측한다. 그 후, 대략적으로 예측된 선호도를 바탕으로 각 사용자가 피드백을 주지 않은 상품들을 중립적 상품과 부정적 상품으로 구분한다. 다음으로, 각 사용자가 피드백을 준 상품인 긍정적 상품, 중립적 상품 그리고 부정적 상품을 활용하여 다중-유형 Pair-Wise 선호도를 정의하고 학습한다. 여기서 PP1은 긍정적 상품이 피드백을 주지 않은 상품보다 선호됨, PP2는 긍정적 상품이 중립적 상품보다 선호됨, PP3는 긍정적 상품이 부정적 상품보다 선호됨, PP4는 중립적 상품이 부정적 상품보다 선호됨을 의미한다. PP(G)는 각 PP에 상품 그룹 선호도 개념을 도입한 것을 의미한다. 여기서, M-BPR(G)는 긍정적 상품, 중립적 상품, 부정적 상품 각각에 그룹 선호도의 개념을 적용한다. 그 이후 과정은 BPR과 GBPR과 동일하게 수행된다. 이러한 방법들을 빅데이터에 각각 적용한 후 테스트를 진행하여 가장 높은 정확도를 보이는 방법을 이용하여 협업필터링 추천으로 제공할 수 있다. 물론, 상술한 방법 이외에도 다양한 추천 방법이 이용될 수 있음은 자명하다 할 것이다.

현위치홍보부(391)는, 사용자 단말(100)의 현재 위치를 GPS를 이용하여 추출하고, 현재 위치에서 이벤트를 제공하는 적어도 하나의 가맹점 단말(400)의 이벤트를 사용자 단말(100)로 전송하여 화면에 팝업되도록 설정할 수 있다. 예를 들어, 집에 이미 도착해서 샤워를 하고 누웠는데 200m 거리에 있는 아이스크림 행사 이벤트를 한다면, 사용자는 웬만해선 나가려고 하지 않을 수 있다. 이미 들어왔고 내일 출근을 해야 하며 벌써 샤워를 마쳤는데 걸으면 또 샤워를 해야하고 100m도 걷기에 먼 거리인데 200m를 걷지 않으려 할 수 있다. 이에 따라 사용자가 밖에 나갔을 때 그 위치에 있는 이벤트를 소개하거나 또는 현재 사용자가 활동을 하는 시간인 때 현위치와 가장 가까우면서도 사용자가 좋아할만한 아이템을 판매하는 이벤트를 사용자에게 제공해야 사용자가 해당 가게로 갈 수 있다. 대신 사용자와 관계없는 상품에 대한 이벤트에 대해서 사용자에게 계속하여 팝업을 보도록 안내를 한다면, 즉 고객을 귀찮게 하거나 부담스럽게 한다면, 이 앱 또한 사용자에 의해 삭제될 가능성이 높다. 이에 따라, 사용자의 구매이력, 패턴 등을 고려하여 이벤트 메시지를 보낼 수 있도록 설정되는 것이 바람직하다.

비선호반영부(393)는, 사용자 단말(100)에서 적어도 하나의 가맹점 단말(400)에 대한 부정적 피드백이 수신된 경우, 사용자 단말(100)로 비선호 키워드를 요청하고, 비선호 키워드가 포함된 적어도 하나의 가맹점 단말(400)의 이벤트를 사용자 단말(100)로 전송하지 않도록 설정할 수 있다. 가족이나 연인 또는 친구관계에서도 좋아하는 것을 해주는 것이 배려가 아니라, 상대방이 싫어하는 것을 하지 않는 것이 배려라는 말도 있듯이, 사용자가 명시적으로 거부 의사를 밝혔음에도 계속하여 동일한 특성의 아이템이나 상품을 추천하는 것은, 사용자가 애플리케이션을 삭제하게 만드는 지름길이다. 즉, 좋아하는 것을 계속 분석 및 발굴하여 추천하는 것도 중요하지만, 싫어하는 것을 추천하지 않는 것도 중요하다. 예를 들어, 현재 넷플릭스의 경우 "좋아요" 또는 "싫어요" 두 가지의 피드백을 가지고 피드백을 간편하게 했지만 이와 동시에 "싫어요"를 한 이유가 무엇인지, "좋아요"한 이유가 무엇인지를 정확하게 판단하지 못하기 때문에 자의적으로 사용자의 호불호를 판단하여 이상한 드라마를 추천해주는 오류에 빠졌다.

예를 들어, 사용자 A는 블루필름과 같이 블루 필터링이 씌워져있어서 명도나 채도가 낮고 어두워서 잘 보이지 않는 컬러의 영화를 싫어한다. 이때, 영화 B는 명도나 채도가 낮아서 사용자 A는 영화 B를 싫다고 했지만, 넷플릭스는 영화 B의 장르, 영화주인공, 스토리라인 등이 사용자 A와 맞지 않다고 생각하고 다음 영화 C를 추천할 때 장르, 영화주인공, 스토리라인은 변경했지만 또 명도와 채도가 낮은 컬러감을 가지는 영화를 추천했다. 이때, 사용자 A는 답답함을 느끼기 시작하고 이러한 상황이 반복되면 사용자 A는 넷플릭스를 잘 보지 않거나 심지어는 탈퇴해버린다. 이에 따라, 본 발명의 일 실시예에서는, 사용자로부터 어떠한 점이 싫은지에 대한 키워드를 입력받거나 태그를 선택받고, 이러한 키워드나 태그를 특성(Feature)이나 자질로 가지는 가맹점이나 상품을 추천하지 않을 수 있다.

참여독려부(395)는, 사용자 단말(100)에서 수신된 이벤트에 참여의사를 밝힌 경우, 사용자 단말(100)의 위치가 이벤트를 주최한 가맹점의 주소와 일치하면 사용자 단말(100)로 이벤트 참여 팝업을 전송하고, 이벤트 참여 팝업이 출력된 시각 후 기 설정된 시간 이내에 가맹점에서 결제를 하는 경우 추가할인을 제공할 수 있다.

본 발명의 일 실시예에서는, 실시간으로 유입되는 이동정보 데이터를 분석하여 해당 고객이 기존에 작성하였던 상점의 평점과 그 상점에 대해 작성하였던 SNS와 상점 방문 정보를 분석과정을 우선 수행할 수도 있다. 이 정보를 바탕으로 고객과 유사한 구매 취향을 갖는 고객의 데이터를 대조하여 유사도가 기 설정된 기준값 이상인 경우에 해당 고객에서 추천하는 절차를 다시 수행할 수 있다. 이때 해당 고객이 이 정보와 다르게 이동 정보가 향후에 기록되게 되는 예외상황이 발생하면 이 부분에 대해 피드백 과정이 수행된다. 피드백 과정에서는 실제 고객이 X%이상 방문할 것으로 추측되었으나 실제로는 이동하지 않거나 다른 상점에 방문한 경우를 분석한다. 이 분석을 위해 사용자가 다른 상점에 방문한 이력이 있을 경우, 해당 상점에 정보 요청을 보내서 특정 상황에 대한 것인지에 대한 정보를 수집한다. 추가적인 정보를 수집할 경우, 고객정보 이슈가 발생할 수 있으므로 관계되는 정보는 수집하지 않고 단순한 방문상의 특이사항의 유무만 수집하도록 한다. 이를 통해 사용자들은 사용자임과 동시에 이 시스템을 구성하는 정보 제공자로서 작용하게 되는 것이며 경로상의 정보 제공 알고리즘을 통해 초기에 추천된 정보가 이후에 어떻게 구성될지에 대해 결정하는 후기 과정을 별도로 거치도록 구현될 수 있다.

<상점 정보등록 및 추천>

상점 업주, 가맹점 단말(400)은 직접 정보를 등록한 후 상점과 관계된 정보와 사용자의 피드백 정보가 수집되는 과정을 거치게 된다. 사용자 데이터 분석과정에서 매출에 도움이 될 수 있는 요소가 확인되면 프로모션을 수정하고 재수행하여 검증과 판매량 증가를 도모한다. 각 상점의 SNS 데이터를 분석하고 IBM 왓슨(Watson)의 감정분석 API에 입력하여 긍정의 비율을 산출하여 이 값을 각 상점에 제공하여 피드백의 한 데이터로서 사용한다. 또한 분석의 결과로 나온 사항은 데이터 정규화에 다시 적용하여 보다 정확한 분석을 유도한다. 예를 들어 “눈오는 날에 따뜻한 유자차 할인 프로모션을 저녁에 수행하면 매출 증대에 효과가 있다”라는 결과에 대해 날씨, 기온 인자에 대해 결측치나 오류가 포함된 데이터가 있지 않는지 재확인하고 다른 후보군의 요인이 없는지 확인하고 재분석을 수행한다.

사용자에게 상점 추천에 관련해서는 협업필터링 분석기법을 사용하여 유사한 구매이력을 가진 사용자의 정보를 통해 상점 홍보정보를 푸시, 문자 등의 방법으로 제공하게 된다. ① 유클리드 거리기법을 통해 사용자를 제외한 전체 사용자의 구매성향에 대한 유사도 테이블을 구성한다. ② 상점을 유형화한 테이블을 구성하고 평점 데이터와 SNS 데이터의 수치화한 점수를 포함한다. ③ 사용자간의 유사도 분석을 수행하여 추측점수(유사도 * 타인의 평점)을 추정한다. ④ 상품 업데이트가 잘 되지 않거나 특정 상품을 재고처리를 위한 특판과 같은 상황에 대해 예외처리를 수행하여 데이터의 노이즈를 제거한다. ⑤ 추측평점의 총합을 구하여 모든 사람의 평점을 준비한다. 이 데이터를 통해 기존 구매이력이 없는 사람도 사용할 수 있도록 한다.

<연동정보 처리>

외부 연동시의 안정성과 편의성을 위하여 Restful API방식, SOAP방식의 두 가지 방식을 이용할 수 있다. 우선 사용자의 스마트폰에서 이동정보와 위치정보를 확인하여 이동할 목적지에 대한 경로정보를 확인한다. 실제 사용자의 이동시에 정보를 안정적으로 지원받음과 동시에 중앙처리서버에서 보다 정확한 사용자의 특성 및 경로의 추천상점의 분석이 필요하다. 이를 위해 SNS와 비콘 정보를 추가적으로 도입할 수 있으며, 특히 SNS정보는 페이스북, 트위터와 같은 일상적인 SNS 정보 뿐아니라, 각 상점에서 제공하는 홈페이지에서의 고객이 남긴 코멘트도 동시에 수집할 수 있도록 각 상점 시스템과의 데이터 연동을 수행하도록 한다. 이를 통해 중앙서버에서는 각 상점의 데이터와 시간단위로 지속적으로 연동하며 이동정보와 동시에 기록된 데이터가 있을 경우에 이를 검증 및 처리 데이터로 활용하게 된다. 또한 사용자로부터 수집할 수 있는 직관적인 데이터에 추가로 웹 크롤링을 통해 수집할 수 있는 각 지역의 다양한 상점과 특성들, 장단점들과 고객의 선호도에 대한 다양한 정보들을 수집하고 정형 데이터 포맷으로 정제할 수 있다.

이 정보들을 일단위로 분석모듈에서 데이터 분석을 수행하여 개별 사용자의 이동데이터에 정보로서 제공할 수 있는 항목에 대해서는 선별하여 향후에 이용할 수 있도록 한다. 이를 위해 정성적인 데이터 분석이 필요하며, 크롤링으로 수집해서 자동 분석된 데이터에 대해 특정 지역의 사용자들에게 리스트에 대한 평점을 요청하고 사용자들에게는 포인트로서 보상을 수행하여 검증을 시행할 수 있다. 이를 통해 만들어진 최종적인 상점, 정보리스트를 분석과 제공에 사용할 수 있다.

이하, 상술한 도 2의 홍보 서비스 제공 서버의 구성에 따른 동작 과정을 도 3 및 도 4를 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.

도 3을 참조하면, (a) 홍보 서비스 제공 서버(300)는 적어도 하나의 가맹점 단말(400)로부터 위치, 상품, 가격 등을 업로드받고, 고유식별코드를 부여하여 각 데이터를 매핑하여 저장함으로써 데이터베이스를 구축한다. 그리고, (b) 홍보 서비스 제공 서버(300)는, 이벤트 내용, 이벤트 기간을 수집하여 등록받고, (c) 타겟 정보와 일치하는 정보를 가지는 사용자 단말(100)을 추출한 후, 이벤트 메시지를 브로드캐스팅한다. 그리고, (d) 선결제를 하고 주문을 해놓은 경우 홍보 서비스 제공 서버(300)는 가맹점 단말(400)로 이벤트 고객이 몇 시에 도착할 예정이니 어떠한 상품을 준비하라는 메시지를 전달하면, 가맹점에서는 해당 상품을 몇 시까지 준비를 해놓을 수 있다.

도 4의 (a)를 참조하면, 홍보 서비스 제공 서버(300)는 사용자의 로그를 누적하여 빅데이터를 구축하여 사용자에게 더 정확한 추천을 할 수 있도록 학습 및 테스트를 진행하여 모델링을 하고, (b) 사용자 단말(100)에서 이벤트의 제안을 하는 경우 홍보 서비스 제공 서버(300)는 가맹점 단말(400)로 전달한 후 승낙 여부를 확인하여 사용자 단말(100)에서 확정을 할 수 있도록 한다. 그리고, (c) LBS를 제공하기 위하여 이동패턴을 수집하고 이동경로에 위치한 가맹점을 추출한 후 사용자의 선호도에 매칭되는 가맹점의 이벤트를 추출하여 사용자 단말(100)로 팝업 메시지를 전송할 수 있다.

이와 같은 도 2 내지 도 4의 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5는 본 발명의 일 실시예에 따른 도 1의 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 5를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 5에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.

도 5를 참조하면, 홍보 서비스 제공 서버는, 적어도 하나의 가맹점 단말로부터 상점 데이터를 업로드받을 때, 판매하는 상품에 대응하는 카테고리 및 키워드를 선택받아 상점 데이터와 매핑되도록 저장하고(S5100), 적어도 하나의 가맹점 단말에서 이벤트를 진행할 때 타겟 정보를 입력받는다(S5200).

또한, 홍보 서비스 제공 서버는, 사용자 정보가 타겟 정보에 대응하고 사용자 단말에서 선택한 카테고리 및 키워드가 가맹점 단말의 카테고리 및 키워드에 대응하는 경우, 이벤트를 사용자 단말로 전송한다(S5300).

상술한 단계들(S5100~S5300)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S5100~S5300)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.

이와 같은 도 5의 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5를 통해 설명된 일 실시예에 따른 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.

전술한 본 발명의 일 실시예에 따른 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (10)

1. 상품 종류, 가격, 위치 및 영업시간을 포함하는 상점 데이터를 업로드하고, 프로모션할 이벤트를 업로드할 때 타겟 정보를 입력하여 상기 이벤트가 타겟팅된 고객에게 전달되도록 요청하는 적어도 하나의 가맹점 단말;
   사용자 위치를 포함하는 사용자 정보를 입력하여 등록한 후 적어도 하나의 카테고리 내 적어도 하나의 키워드를 선택하고, 상기 사용자 정보 및 적어도 하나의 키워드가 상기 타겟 정보에 대응하는 경우 상기 이벤트를 안내받는 사용자 단말; 및
   상기 적어도 하나의 가맹점 단말로부터 상점 데이터를 업로드받을 때, 판매하는 상품에 대응하는 카테고리 및 키워드를 선택받아 상기 상점 데이터와 매핑되도록 저장하는 데이터베이스화부, 상기 적어도 하나의 가맹점 단말에서 이벤트를 진행할 때 타겟 정보를 입력받는 이벤트진행부, 상기 사용자 정보가 상기 타겟 정보에 대응하고 상기 사용자 단말에서 선택한 카테고리 및 키워드가 상기 가맹점 단말의 카테고리 및 키워드에 대응하는 경우, 상기 이벤트를 상기 사용자 단말로 전송하는 홍보부를 포함하는 홍보 서비스 제공 서버;
   를 포함하는 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템.
   
2. 제 1 항에 있어서,
   상기 홍보 서비스 제공 서버는,
   상기 사용자 단말의 GPS 로그를 수집하여 이동경로 데이터를 누적하여 상기 사용자 단말과 매핑하여 저장하고, 상기 이동경로 데이터로부터 각 요일별 및 시간별 이동패턴 데이터를 추출하며, 상기 이동패턴 데이터 내 경로에 위치한 적어도 하나의 가맹점 단말을 추출하여 상기 적어도 하나의 가맹점 단말에서 제공하는 이벤트를 상기 사용자 단말로 전송하는 LBS(Location Based Service)부;
   를 더 포함하는 것을 특징으로 하는 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템.
   
3. 제 1 항에 있어서,
   상기 홍보 서비스 제공 서버는,
   상기 사용자 단말에서 이벤트의 타겟 정보를 제안하는 경우, 상기 타겟 정보를 상기 적어도 하나의 가맹점 단말로 전송하고, 상기 적어도 하나의 가맹점 단말에서 상기 제안을 수락하는 경우 상기 사용자 단말로 수락 이벤트를 전달하는 상호제안부;
   를 더 포함하는 것을 특징으로 하는 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템.
   
4. 제 3 항에 있어서,
   상기 홍보 서비스 제공 서버는,
   상기 적어도 하나의 가맹점 단말에서 수락한 후 상기 사용자 단말의 사용자가 적어도 하나의 가맹점을 방문하지 않는 경우 노쇼 처리하고 상기 사용자 단말의 제안을 기 설정된 기간 동안 정지시키는 패널티부;
   를 더 포함하는 것을 특징으로 하는 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템.
   
5. 제 3 항에 있어서,
   상기 홍보 서비스 제공 서버는,
   상기 사용자 단말과 상기 적어도 하나의 가맹점 단말로부터 상호 간 리뷰 및 평점을 수신하여 누적하는 평판관리부;
   를 더 포함하는 것을 특징으로 하는 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템.
   
6. 제 1 항에 있어서,
   상기 사용자 단말은 서로 다른 주체에 귀속된 복수의 사용자 단말이고,
   상기 홍보 서비스 제공 서버는,
   상기 복수의 사용자 단말의 결제 가맹점의 위치, 결제 시간, 결제 요일, 결제 금액 및 결제 품목을 포함하는 결제 데이터에 대응하는 로우 데이터(Raw Data)를 병렬 및 분산하여 저장하고, 상기 저장된 로우 데이터 내에 포함된 비정형(Unstructed) 데이터, 정형(Structured) 데이터 및 반정형 데이터(Semi-structured)를 정제하고, 메타 데이터로 분류를 포함한 전처리를 실시하며, 상기 전처리된 데이터를 데이터 마이닝(Data Mining)을 포함하는 분석을 실시하는 빅데이터화부;
   를 더 포함하는 것을 특징으로 하는 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템.
   
7. 제 6 항에 있어서,
   상기 홍보 서비스 제공 서버는,
   상기 복수의 사용자 단말의 결제 데이터에 기반한 빅데이터로부터 암시적 피드백(Implicit Feedback)을 이용한 단일클래스 협업필터링(One Class Collaborative Filtering)을 이용하여 상기 복수의 사용자 단말로 상기 적어도 하나의 가맹점 단말의 이벤트를 추천하는 추천부;
   를 더 포함하는 것을 특징으로 하는 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템.
   
8. 제 1 항에 있어서,
   상기 홍보 서비스 제공 서버는,
   상기 사용자 단말의 현재 위치를 GPS를 이용하여 추출하고, 상기 현재 위치에서 상기 이벤트를 제공하는 적어도 하나의 가맹점 단말의 이벤트를 상기 사용자 단말로 전송하여 화면에 팝업되도록 설정하는 현위치홍보부;
   를 더 포함하는 것을 특징으로 하는 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템.
   
9. 제 1 항에 있어서,
   상기 홍보 서비스 제공 서버는,
   상기 사용자 단말에서 상기 적어도 하나의 가맹점 단말에 대한 부정적 피드백이 수신된 경우, 상기 사용자 단말로 비선호 키워드를 요청하고, 상기 비선호 키워드가 포함된 적어도 하나의 가맹점 단말의 이벤트를 상기 사용자 단말로 전송하지 않도록 설정하는 비선호반영부;
   를 더 포함하는 것을 특징으로 하는 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템.
   
10. 제 1 항에 있어서,
    상기 홍보 서비스 제공 서버는,
    상기 사용자 단말에서 수신된 이벤트에 참여의사를 밝힌 경우, 상기 사용자 단말의 위치가 상기 이벤트를 주최한 가맹점의 주소와 일치하면 상기 사용자 단말로 이벤트 참여 팝업을 전송하고, 상기 이벤트 참여 팝업이 출력된 시각 후 기 설정된 시간 이내에 상기 가맹점에서 결제를 하는 경우 추가할인을 제공하는 참여독려부;
    를 더 포함하는 것을 특징으로 하는 빅데이터 기반 지역상점 이벤트 홍보 서비스 제공 시스템.
    
    
    
    
    

Images