KR20230123397A - 라이브 커머스를 위한 데이터 분석을 수행하는 방법 및 그 시스템 - Google Patents
라이브 커머스를 위한 데이터 분석을 수행하는 방법 및 그 시스템 Download PDFInfo
- Publication number
- KR20230123397A KR20230123397A KR1020220058247A KR20220058247A KR20230123397A KR 20230123397 A KR20230123397 A KR 20230123397A KR 1020220058247 A KR1020220058247 A KR 1020220058247A KR 20220058247 A KR20220058247 A KR 20220058247A KR 20230123397 A KR20230123397 A KR 20230123397A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- chatting
- improvement
- keyword
- server
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000007405 data analysis Methods 0.000 title abstract description 3
- 230000015654 memory Effects 0.000 claims abstract description 11
- 230000006872 improvement Effects 0.000 claims description 162
- 239000000284 extract Substances 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 18
- 238000004519 manufacturing process Methods 0.000 claims description 15
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 20
- 238000011017 operating method Methods 0.000 abstract description 2
- 238000003062 neural network model Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000021615 conjugation Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/254—Management at additional data server, e.g. shopping server, rights management server
- H04N21/2542—Management at additional data server, e.g. shopping server, rights management server for selling goods, e.g. TV shopping
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
- H04N21/4312—Generation of visual interfaces for content selection or interaction; Content or additional data rendering involving specific graphical features, e.g. screen layout, special fonts or colors, blinking icons, highlights or animations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/47815—Electronic shopping
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
본 발명은 라이브 커머스를 위한 데이터 분석을 수행하는 방법 및 그 시스템에 관한 것이다.
또한 본 발명은 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버 및 동작 방법에 관한 것이다.
또한 본 발명은 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버 및 동작 방법에 관한 것이다.
Description
본 발명은 라이브 커머스를 위한 데이터 분석을 수행하는 방법 및 그 시스템에 관한 것이다.
또한 본 발명은 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버 및 동작 방법에 관한 것이다.
인터넷의 발달 및 스마트폰 등 전자기기의 발달과 함께 온라인 전자 상거래 산업이 성장을 거듭해 오고 있다. 라이브 커머스는 실시간 동영상 스트리밍을 통해 시청자들에게 상품을 소개하고 판매하는 이커머스 형태로, 소비자들은 인터넷 방송을 보면서 상품에 대한 정보를 접하고, 진행자와 시청자는 서로 의견을 교환할 수 있다. 라이브 커머스의 가장 큰 특징은 상호 소통이 가능하다는 것이다. 즉, 진행자가 상품의 정보를 시청자들에게 일방적으로 전달하는 것이 아니라, 채팅을 통해 시청자의 의견을 수렴할 수 있으며, 진행자는 시청자들의 의견에 대한 답변을 전달할 수도 있다. 따라서, 진행자들은 시청자들과의 채팅을 통해 소통함으로써 보다 효과적으로 상품을 소개하고 판매할 수 있다.
그러나, 라이브 커머스에서의 소통은 1 대 다수 혹은 소수 대 다수의 소통에 해당한다. 따라서, 실시간으로 이루어지는 라이브 커머스 방송에서 1 인 혹은 소수에 해당하는 진행자가 다수의 시청자들이 입력하는 수많은 채팅들을 일일이 확인하여 바로 대응하기에는 어려움이 있다는 문제가 있다. 즉, 실질적으로 진행자와 시청자들 사이의 상호 소통이 이루어지기 어려울 수 있다는 문제점이 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버를 제공하는데 있다.
다양한 실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
상기 목적을 달성하기 위하여 실시예들에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버는 적어도 하나의 프로세서(processor), 및 상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.
상기 적어도 하나의 단계는, 온라인 플랫폼 서버로부터 복수의 의류 상품을 판매하는 라이브 커머스 방송과 연관된 제1 채팅 데이터를 수신하는 단계, 상기 제1 채팅 데이터의 시간 데이터에 기초하여, 상기 제1 채팅 데이터로부터 상기 복수의 의류 상품 중 특정 의류 상품과 연관된 제2 채팅 데이터를 결정하는 단계, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 개선 제안(improvement proposal)을 나타내는 키워드(keyword)를 추출하는 단계, 상기 추출된 개선 제안을 나타내는 키워드에 기초하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 단계, 및 상기 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말을 통해 출력하는 단계를 포함할 수 있다. 여기서, 상기 제1 채팅 데이터는 시간 데이터, 텍스트 데이터 및 작성자 데이터를 포함할 수 있다.
상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 개선 제안을 나타내는 키워드를 추출하는 단계는, 상기 제2 채팅 데이터의 텍스트 데이터로부터 제1 키워드를 추출하는 단계, 및 상기 제2 채팅 데이터의 텍스트 데이터로부터 제2 키워드를 추출하는 단계를 포함하고, 상기 추출된 개선 제안을 나타내는 키워드에 기초하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 단계는, 상기 제1 키워드 및 제2 키워드를 조합하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 단계를 포함할 수 있다.
상기 특정 의류 상품에 대한 개선 제안 데이터는 제1 개선 제안 데이터 및 제2 개선 제안 데이터를 포함하고, 상기 적어도 하나의 단계는, 상기 사용자 단말로부터 상기 제1 개선 제안 데이터에 대한 사용자 승인이 수신되는 경우에, 의류 생산 서버로 상기 제1 개선 제안 데이터를 전송하는 단계를 더 포함할 수 있다.
상기 특정 의류 상품에 대한 개선 제안 데이터는 제1 개선 제안 데이터 및 제2 개선 제안 데이터를 포함하고, 상기 적어도 하나의 단계는, 상기 제1 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터 및 상기 제2 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터에 기초하여, 상기 제1 개선 제안 데이터 및 제2 개선 제안 데이터의 우선순위를 결정하는 단계를 더 포함하고, 상기 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말을 통해 출력하는 단계는, 상기 결정된 우선순위에 기초하여, 상기 제1 개선 제안 데이터 또는 상기 제2 개선 제안 데이터 중 적어도 하나를 상기 사용자 단말을 통해 출력하는 단계를 포함할 수 있다.
상기 적어도 하나의 단계는, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품의 방송에 대한 제안을 나타내는 키워드를 추출하는 단계, 상기 방송에 대한 제안을 나타내는 키워드에 기초하여, 상기 방송에 대한 제안 데이터를 생성하는 단계, 및 상기 방송에 대한 제안 데이터를 상기 사용자 단말을 통해 출력하는 단계를 더 포함할 수 있다.
상기 적어도 하나의 단계는, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 부정적 키워드를 추출하여, 상기 제2 채팅 데이터 중 부정적 채팅 데이터를 결정하는 단계, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 긍정적 키워드를 추출하여, 상기 제2 채팅 데이터 중 긍정적 채팅 데이터를 결정하는 단계 및 뉴럴 네트워크 모델을 이용하여, 상기 특정 의류 상품의 예상 판매 수량을 예측하는 단계를 더 포함하고, 상기 뉴럴 네트워크 모델은 상기 제2 채팅 데이터, 상기 부정적 채팅 데이터, 상기 긍정적 채팅 데이터 및 상기 개선 제안 데이터를 학습하여, 상기 특정 의류 상품의 예상 판매 수량을 예측할 수 있다.
상기 적어도 하나의 단계는, 상기 특정 의류 상품의 예상 판매 수량 및 상기 특정 의류 상품의 재고량에 기초하여, 상기 특정 의류 상품에 대한 할인율을 결정하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예는 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버에 있어서, 프로세서(processor); 및 상기 프로세서가 수행하는 명령어들(instructions)을 저장하는 메모리(memory); 를 포함하는, 서버를 제안한다.
상기 프로세서는: 온라인 플랫폼 서버로부터 복수의 의류 상품을 판매하는 라이브 커머스 방송과 연관된 제1 채팅 데이터를 수신하고(상기 제1 채팅 데이터는 시간 데이터, 텍스트 데이터 및 작성자 데이터를 포함하고), 상기 제1 채팅 데이터의 시간 데이터에 기초하여, 상기 제1 채팅 데이터로부터 상기 복수의 의류 상품 중 특정 의류 상품과 연관된 제2 채팅 데이터를 결정하고, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 개선 제안(improvement proposal)을 나타내는 키워드(keyword)를 추출하고, 상기 추출된 개선 제안을 나타내는 키워드에 기초하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하고, 상기 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말을 통해 출력할 수 있다.
상기 프로세서는: 상기 제2 채팅 데이터의 텍스트 데이터로부터 제1 키워드를 추출하고, 상기 제2 채팅 데이터의 텍스트 데이터로부터 제2 키워드를 추출하고, 상기 제1 키워드 및 제2 키워드를 조합하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성할 수 있다.
상기 특정 의류 상품에 대한 개선 제안 데이터는 제1 개선 제안 데이터 및 제2 개선 제안 데이터를 포함할 수 있다.
상기 프로세서는, 상기 사용자 단말로부터 상기 제1 개선 제안 데이터에 대한 사용자 승인이 수신되는 경우에, 상기 제1 개선 제안 데이터를 의류 생산 서버에게 전송할 수 있다.
상기 프로세서는: 상기 제1 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터 및 상기 제2 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터에 기초하여, 상기 제1 개선 제안 데이터 및 제2 개선 제안 데이터의 우선순위를 결정하고, 상기 결정된 우선순위에 기초하여, 상기 제1 개선 제안 데이터 또는 상기 제2 개선 제안 데이터 중 적어도 하나를 상기 사용자 단말을 통해 출력할 수 있다.
상기 프로세서는: 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품의 방송에 대한 제안을 나타내는 키워드를 추출하고, 상기 방송에 대한 제안을 나타내는 키워드에 기초하여, 상기 방송에 대한 제안 데이터를 생성하고, 상기 방송에 대한 제안 데이터를 상기 사용자 단말을 통해 출력할 수 있다.
본 발명은 라이브 커머스 방송의 채팅 데이터로부터 추출되는 시청자들의 개선 의견이 제공됨으로써, 사용자(예를 들어, 의류 상품 판매자, 생산자, 라이브 방송 진행자 등)는 라이브 커머스 방송의 시청자들로부터 입력된 수많은 채팅 데이터를 모두 일일이 확인하지 않아도, 채팅 데이터로부터 가공된 유용한 데이터들을 제공받을 수 있다. 즉, 판매자가 직접 별도로 소비자들의 의견 등을 취합하지 않아도 된다는 편의성을 제공할 수 있다.
실시예에 따르면, 사용자는 라이브 커머스 방송을 통해 실시간으로 입력되는 데이터인 채팅 데이터를 이용하여, 빠르게 변해가는 트렌드와 소비자의 수요를 실시간으로 반영한 의류 상품을 생산 및 판매함으로써 수익을 창출할 수 있다. 즉, 사용자는 별도로 소비자들의 의견 등을 취합한다 거나 완전히 새로운 디자인을 구상하는 과정들을 생략할 수 있으며, 이러한 과정들의 생략으로 인해, 현재 판매 중인 의류 상품을 개선/보완한 의류 상품을 빠르게 생산 및 판매할 수 있다.
실시예에 따르면, 사용자는 제공받은 개선 사항을 선택함으로써 원 클릭(one-click) 형태로 개선 사항을 반영한 의류 상품 제작을 요청할 수 있다. 이에 따라, 사용자들은 별도의 수고로움 없이 손쉽게 새로운 의류 상품을 제작 및 판매할 수 있다.
다양한 실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
다양한 실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 몇몇 실시예에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버를 설명하기 위한 도면이다.
도 2는 몇몇 실시예에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 하는 방법에 대한 순서도이다.
도 3은 몇몇 실시예에 따른 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 방법에 대한 도면이다.
도 4는 몇몇 실시예에 따른 특정 의류 상품에 대한 개선 제안 데이터가 출력되는 사용자 단말에 대한 도면이다.
도 5는 몇몇 실시예에 따른 의류 생산 서버로 개선 제안 데이터를 전송하는 방법에 대한 도면이다.
도 6은 몇몇 실시예에 따른 특정 의류 상품의 방송에 대한 제안 데이터를 생성하는 방법에 대한 도면이다.
도 7은 몇몇 실시예에 따른 라이브 커머스 방송의 채팅 데이터로부터 부정적 채팅 데이터 및 긍정적 채팅 데이터를 결정하는 방법에 대한 도면이다.
도 8은 몇몇 실시예에 따른 서버에 포함된 인공지능부의 예시이다.
도 9는 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버에 대한 하드웨어 구성도이다.
도 1은 몇몇 실시예에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버를 설명하기 위한 도면이다.
도 2는 몇몇 실시예에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 하는 방법에 대한 순서도이다.
도 3은 몇몇 실시예에 따른 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 방법에 대한 도면이다.
도 4는 몇몇 실시예에 따른 특정 의류 상품에 대한 개선 제안 데이터가 출력되는 사용자 단말에 대한 도면이다.
도 5는 몇몇 실시예에 따른 의류 생산 서버로 개선 제안 데이터를 전송하는 방법에 대한 도면이다.
도 6은 몇몇 실시예에 따른 특정 의류 상품의 방송에 대한 제안 데이터를 생성하는 방법에 대한 도면이다.
도 7은 몇몇 실시예에 따른 라이브 커머스 방송의 채팅 데이터로부터 부정적 채팅 데이터 및 긍정적 채팅 데이터를 결정하는 방법에 대한 도면이다.
도 8은 몇몇 실시예에 따른 서버에 포함된 인공지능부의 예시이다.
도 9는 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버에 대한 하드웨어 구성도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 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. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 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.
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 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 몇몇 실시예에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버를 설명하기 위한 도면이다.
도 1은 몇몇 실시예에 따라서 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버가 구동되는 방법의 예시를 나타낸다. 예를 들어, 서버(100)는 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버에 해당될 수 있다. 데이터베이스(102)는 서버(100)에 데이터를 제공하는 데이터베이스에 해당될 수 있다. 사용자 단말(104)은 서버(100)와 데이터를 송수신하는 사용자 단말에 해당될 수 있다. 서버(106)는 라이브 커머스 방송을 송출하는 온라인 플랫폼 서버에 해당될 수 있으며, 서버(100)와 서버(106)는 서로 간의 데이터를 송수신할 수 있다. 사용자 단말(108)은 서버(106)와 데이터를 송수신하는 사용자 단말에 해당될 수 있다. 도 1에 도시된 사용자 단말(104) 및 사용자 단말(108) 각각은 복수 개의 사용자 단말을 포함할 수 있으며, 서로 간의 데이터를 송수신할 수도 있다. 사용자 단말(104)과 사용자 단말(108)이 서버(100) 및 서버(106)를 통해 데이터를 송수신할 수 있음은 물론이다. 하지만 본 발명의 실시예는 이에 제한되지 않으며, 서버(100)가 구동되기 위하여 도시된 구성과 다른 구성들을 더 포함할 수도 있다.
몇몇 실시예에서, 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)는 데이터베이스(102), 사용자 단말(104) 및/또는 서버(106)와 데이터를 송수신할 수 있다. 여기에서 데이터베이스(102)는 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)에 포함될 수도 있다.
몇몇 실시예에서, 사용자 단말(104)은 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)를 이용하기 위해 사용자(예를 들어, 의류 상품 판매자, 제작자, 방송 진행자 등)가 소지하는 단말 또는 기기에 해당될 수 있다. 사용자 단말(108)은 라이브 커머스 온라인 플랫폼을 이용하기 위해 사용자(예를 들어, 라이브 커머스 방송 시청자, 소비자 등)가 소지하는 단말 또는 기기에 해당될 수 있다. 예를 들어, 사용자 단말(104) 및 사용자 단말(108)은 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등을 포함할 수 있다.
몇몇 실시예에서, 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)는 온라인 플랫폼 서버(106)를 통해 사용자 단말(108)로부터 입력된 채팅 데이터를 수신할 수 있다. 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)는 수신한 채팅 데이터에 대하여 적어도 하나의 단계를 수행할 수 있다. 서버(100)가 수행하는 적어도 하나의 단계는 라이브 커머스 방송의 채팅 데이터를 가공하여 제공하기 위한 단계이다. 예를 들어, 서버(100)는 온라인 플랫폼 서버(106)로부터 수신된 라이브 커머스 방송과 연관된 채팅 데이터를 이용하여 특정 의류 상품에 대한 개선 제안 데이터를 생성하고, 사용자 단말(104)에 제공할 수 있다. 여기서, 서버(100)의 개선 제안 데이터 생성은 데이터베이스(102)에 저장된 정보에 기초하여 수행될 수 있다.
이에 따라, 사용자 단말(104)을 사용하는 사용자(예를 들어, 의류 상품 판매자, 생산자, 라이브 방송 진행자 등)는 라이브 커머스 방송의 시청자들로부터 입력된 수많은 채팅 데이터를 모두 일일이 확인하지 않아도, 채팅 데이터로부터 가공된 유용한 데이터(예를 들어, 개선 제안 데이터)를 제공받을 수 있다. 사용자는 이렇게 제공받은 데이터로부터 시청자들의 의류 상품에 대한 의견을 인지할 수 있으며, 현재 판매 중인 의류 상품을 개선하여 생산 및 판매할 수 있다. 또한, 사용자는 라이브 커머스 방송을 통해 실시간으로 입력되는 데이터인 채팅 데이터를 이용하여, 빠르게 변해가는 트렌드와 소비자의 수요를 실시간으로 반영한 의류 상품을 생산 및 판매함으로써 수익을 창출할 수 있다.
도 2는 몇몇 실시예에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 하는 방법에 대한 순서도이다.
서버(100)(예를 들어, 서버의 프로세서)는 온라인 플랫폼 서버(106)로부터 라이브 커머스 방송과 연관된 제1 채팅 데이터를 수신할 수 있다(S210). 예를 들어, 서버(100)는 온라인 플랫폼 서버(106)로부터 복수의 의류 상품을 판매하는 특정 라이브 커머스 방송과 연관된 제1 채팅 데이터를 수신할 수 있다. 여기서, 라이브 커머스 방송과 연관된 제1 채팅 데이터는 해당 라이브 커머스 방송의 시청자들의 사용자 단말(108)로부터 수신된 하나 또는 복수의 채팅 데이터를 지칭할 수 있다. 즉, 의류 상품 판매자가 온라인 플랫폼을 통해 자신의 의류 상품을 판매 및 홍보하는 라이브 커머스 방송을 송출하는 경우, 서버(100)는 해당 라이브 커머스 방송에서 시청자들이 입력한 채팅 데이터들을 수신할 수 있다. 예를 들어, 서버(100)는 채팅 데이터를 라이브 커머스 방송 진행 중 실시간으로 수신할 수 있다. 다른 예로서, 서버(100)는 라이브 커머스 방송 종료 후 채팅 데이터를 일괄적으로 수신할 수 있다. 단계(S210)에서 수신되는 채팅 데이터는 시간 데이터, 텍스트 데이터 및 작성자 데이터를 포함할 수 있으나, 이에 한정되지 않는다.
그리고 나서, 서버(100)는 제1 채팅 데이터로부터 특정 의류 상품과 연관된 제2 채팅 데이터 결정할 수 있다(S220). 몇몇 실시예에서, 서버(100)는 제1 채팅 데이터의 시간 데이터에 기초하여, 제1 채팅 데이터로부터 복수의 의류 상품 중 특정 의류 상품과 연관된 제2 채팅 데이터를 결정할 수 있다. 즉, 서버(100)는 라이브 커머스 방송에서 방송 진행자(예를 들어, 쇼 호스트)가 특정 의류 상품을 소개하는 시간 구간에 시청자들의 사용자 단말(108)로부터 수신된 채팅을 해당 의류 상품과 연관된 제2 채팅 데이터로서 결정할 수 있다. 여기서, 제2 채팅 데이터는 제1 채팅 데이터로부터 추출된 데이터이므로, 제2 채팅 데이터 역시 시간 데이터, 텍스트 데이터 및 작성자 데이터를 포함할 수 있으나, 이에 한정되지 않는다.
그리고 나서, 서버(100)는 제2 채팅 데이터의 텍스트 데이터로부터 특정 의류 상품에 대한 개선 제안을 나타내는 키워드를 추출할 수 있다(S230). 이를 위해, 데이터베이스(102)에는 텍스트 데이터로부터 추출할 키워드에 대한 정보가 포함된 키워드 사전이 미리 저장될 수 있다. 이 경우, 서버(100)는 데이터베이스(102)에 미리 저장된 키워드 사전을 이용하여, 제2 채팅 데이터의 텍스트 데이터로부터 개선 제안을 나타내는 키워드를 추출할 수 있다. 추가적으로 또는 대안적으로, 서버(100)는 채팅 데이터의 텍스트 데이터로부터 키워드를 추출하도록 학습된 언어 모델(language model), 뉴럴 네트워크 모델(neural network model), 인공신경망 모델(artificial neural network model) 등을 이용하여, 채팅 데이터의 텍스트 데이터로부터 의류 상품에 대한 개선 제안을 나타내는 키워드를 추출할 수 있다.
그리고 나서, 서버(100)는 개선 제안을 나타내는 키워드에 기초하여, 특정 의류 상품에 대한 개선 제안 데이터를 생성할 수 있다(S240). 여기서, 개선 제안 데이터는 추출된 키워드를 포함하는 하나의 텍스트 데이터(예를 들어, 문장 데이터)에 해당할 수 있다. 몇몇 실시예에서, 서버(100)는 단계(S230)에서 추출된 키워드를 가공 및/또는 조합하여, 특정 의류 상품에 대한 하나 이상의 개선 제안 데이터를 생성할 수 있다. 추가적으로 또는 대안적으로, 서버(100)는 추출된 하나 이상의 키워드를 가공 및/또는 조합하여 개선 제안 데이터를 생성하도록 학습된 언어 모델, 뉴럴 네트워크 모델, 인공신경망 모델 등을 이용하여, 특정 의류 상품에 대한 하나 이상의 개선 제안 데이터를 생성할 수 있다.
단계(S230)에서 이용되는 모델(예를 들어, 언어 모델, 뉴럴 네트워크 모델, 인공신경망 모델 등)과 단계(S240)에서 이용되는 모델은 상이한 모델에 해당할 수 있다. 이와 달리, 단계(S230)에서 이용되는 모델과 단계(S240)에서 이용되는 모델은 동일한 모델에 해당할 수 있다. 이 경우, 서버(100)는 특정 의류 상품과 연관된 채팅 데이터의 텍스트 데이터가 해당 모델에 입력됨에 따라 출력되는 데이터에 기초하여, 특정 의류 상품에 대한 하나 이상의 개선 제안 데이터를 생성할 수 있다.
서버(100)는 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말(104)을 통해 출력할 수 있다(S250). 즉, 개선 제안 데이터는 서버(100)로부터 사용자 단말(104)에 전송되어, 사용자 단말(104)의 출력 장치를 통해 출력됨으로써 사용자에게 제공될 수 있다. 사용자는 이렇게 제공된 개선 제안 데이터를 기초로 특정 의류 상품을 보완 및 개선함으로써 보다 발전된 형태의 의류 상품을 생성 및 판매할 수 있다.
도 3은 몇몇 실시예에 따른 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 방법에 대한 도면이다.
도 3에 도시된 제1 표(310)는, 서버(100)가 온라인 플랫폼 서버(106)로부터 수신한 특정 라이브 커머스 방송의 복수의 채팅 데이터의 일례를 나타낼 수 있다. 채팅 데이터는 시간 데이터, 작성자 데이터 및 텍스트 데이터로 구성될 수 있으나, 이에 한정되지 않으며, 다른 구성을 더 포함할 수 있다. 또한, 도 3에서는 시각적 설명을 위하여 채팅 데이터를 표를 이용한 텍스트 형태로 도시하고 있으나, 이에 한정되지 않으며, 다양한 형태의 데이터로서 송수신, 저장 및/또는 출력될 수 있다.
서버(100)는, 도 3의 제1 표(310) 및 제2 표(320)에 도시된 바와 같이, 특정 라이브 커머스 방송의 채팅 데이터 중에서 특정 의류 상품이 소개된 시간인 25:00 부터 31:00 사이의 채팅 데이터를 특정 의류 상품과 연관된 채팅 데이터로서 추출할 수 있다. 여기서, 특정 의류 상품이 소개된 시간, 즉 방송 구간은 사용자에 의해 입력될 수 있으나, 이에 한정되지 않는다. 예를 들어, 서버(100)는 데이터베이스(102)로부터 특정 의류 상품이 소개된 방송 구간에 대한 정보를 수신할 수 있다. 다른 예로서, 서버(100)는 방송 구간 추출 알고리즘 등을 이용하여 특정 의류 상품이 소개된 방송 구간을 자동으로 결정할 수 있다.
그리고 나서, 서버(100)는 특정 의류 상품과 연관된 채팅 데이터의 텍스트 데이터로부터 개선 제안을 나타내는 키워드를 추출할 수 있다. 여기서, 키워드는 텍스트 데이터에 실제로 포함된 텍스트, 텍스트 데이터에 실제로 포함된 텍스트의 변형(예를 들어, 유의어, 활용어, 기본형 등) 및/또는 텍스트 데이터에 내포된 의도를 나타내는 텍스트에 해당할 수 있다. 서버(100)는 이렇게 추출된 키워드를 가공 및 조합하여, 제3 표(330)와 같은 복수의 개선 제안 데이터를 생성할 수 있다. 여기서, 개선 제안 데이터는 제2 채팅 데이터와의 연관 관계를 포함할 수 있다. 즉, 개선 제안 데이터는 복수의 채팅 데이터 중 어느 채팅 데이터로부터 도출된 것인지에 대한 정보를 포함할 수 있다.
몇몇 실시예에서, 서버(100)는 특정 의류 상품과 연관된 채팅 데이터의 텍스트 데이터로부터 제1 키워드 및 제2 키워드를 추출할 수 있다. 이를 위해, 제1 키워드에 대한 키워드 사전 및 제2 키워드에 대한 키워드 사전이 별도로 데이터베이스(102)에 저장될 수 있다. 또는, 제1 키워드를 추출하기 위한 모델(예를 들어, 언어 모델, 뉴럴 네트워크 모델, 인공신경망 모델 등)과 제2 키워드를 추출하기 위한 모델이 사용될 수 있다, 여기서, 제1 키워드는 메인 키워드에 해당하고 제2 키워드는 서브 키워드에 해당할 수 있으나, 이에 한정되지 않는다. 예를 들어, 제1 키워드는 의류 상품의 영역, 부분, 구성품, 기본 항목(예를 들어, 사이즈, 색상) 등을 포함하고, 제2 키워드는 제1 키워드에 대한 의견 내용, 수치, 구체적 항목 등을 포함할 수 있다.
그리고 나서, 서버(100)는 제1 키워드 및 제2 키워드를 조합하여 특정 의류 상품에 대한 개선 제안 데이터를 생성할 수 있다. 여기서, 제1 키워드 및 제2 키워드 각각은 하나 또는 복수의 키워드를 포함할 수 있다. 서버(100)는 추출된 제1 키워드 및 제2 키워드를 그대로 이용하여 조합할 수 있으나, 이에 한정되지 않는다. 예를 들어, 서버(100)는 추출된 키워드를 개선 제안 내용이 보다 직관적으로 드러날 수 있는 키워드로 가공하고 조합함으로써 개선 제안 데이터를 생성할 수 있다.
도 3의 제2 표(320)에 도시된 바와 같이, 서버(100)는 텍스트 데이터 '주머니가 있었으면..'로부터 '주머니'를 제1 키워드로서, '있었으면'을 제2 키워드로서 추출할 수 있다. 이 경우, 서버(100)는 키워드 '있었으면'을 제1 키워드에 대한 의견 내용을 나타내는 키워드 '추가'로 가공할 수 있다. 서버(100)는 이렇게 추출 및/또는 가공된 키워드를 조합하여, '주머니 추가'라는 개선 제안 데이터를 생성할 수 있다. 또한, 서버(100)는 텍스트 데이터 '분홍색은 없나요?!'로부터 '색상', '분홍색'을 제1 키워드로서, '추가'를 제2 키워드로서 추출하여 조합함으로써 '색상(분홍색) 추가'라는 개선 제안 데이터를 생성할 수 있다. 이와 마찬가지로, 서버(100)는 텍스트 데이터 '팔 너무 길어서 이상해요.'로부터 추출된 키워드(예를 들어, '팔', '길어', '이상' 등)를 가공 및/또는 조합하여, '팔 길이 수정'라는 개선 제안 데이터를 생성할 수 있다.
도 3에서는 개선 제안 데이터로서 텍스트 데이터를 도시하고 있으나, 이에 한정되지 않으며, 개선 제안 데이터는 수치 데이터, 이미지 데이터 등의 다양한 형태로 구성될 수 있다.
도 4는 몇몇 실시예에 따른 특정 의류 상품에 대한 개선 제안 데이터가 출력되는 사용자 단말에 대한 도면이다.
서버(100)는 특정 의류 상품에 대하여 복수의 개선 제안 데이터를 생성 및 출력할 수 있다. 이 경우, 서버(100)는 복수의 개선 제안 데이터 사이의 우선순위를 결정할 수 있다. 몇몇 실시예에서, 특정 의류 상품에 대하여 제1 개선 제안 데이터 및 제2 개선 제안 데이터가 생성되는 경우, 서버(100)가 제1 개선 제안 데이터와 연관된 채팅 데이터의 작성자 데이터 및 제2 개선 제안 데이터와 연관된 채팅 데이터의 작성자 데이터에 기초하여 제1 개선 제안 데이터 및 제2 개선 제안 데이터의 우선순위를 결정할 수 있다. 여기서, 작성자 데이터는 작성자의 기본 정보(예를 들어, 가입 정보, 연령대, 성별, 지역, 직업, 사이즈 등), 회원 등급(예를 들어, 온라인 플랫폼에서의 회원 등급, 각 의류 판매 업체 자체에서의 회원등급 등), 구매 이력, 채팅 이력, 시청 이력 등을 포함할 수 있으나, 이에 한정되지 않는다. 예를 들어, 상품 구매 이력이 다수일수록, 회원등급이 높을수록, 채팅 이력이 많을수록 및/또는 시청 이력이 많을수록 해당 작성자가 작성한 채팅 데이터로부터 도출된 개선 제안 데이터의 우선순위가 높게 결정될 수 있다. 추가적으로 또는 대안적으로, 연령대 및 성별이 특정 의류 상품의 타겟 연령대 및 타겟 성별과 가까울수록 및/또는 직업이 의류, 디자인 및/또는 패션과 연관성이 클수록 해당 작성자가 작성한 채팅 데이터로부터 도출된 개선 제안 데이터의 우선순위가 높게 결정될 수 있다.
도 3을 참조하면, 개선 제안 데이터 '팔 길이 수정'과 연관된 채팅 데이터의 작성자 D가 개선 제안 데이터 '주머니 추가'와 연관된 채팅 데이터의 작성자 B보다 회원 등급이 높고, 상품 구매 이력이 다수인 경우에, 개선 제안 데이터 '팔 길이 수정'이 개선 제안 데이터 '주머니 추가'보다 우선순위가 높게 결정될 수 있다. 개선 제안 데이터 '색상(분홍색) 추가'와 연관된 채팅 데이터의 작성자 C가 해당 의류 상품의 타겟 연령대에 해당하지 않는 경우에 개선 제안 데이터 '색상(분홍색) 추가'가 다른 개선 제안 데이터보다 우선순위가 낮게 결정될 수 있다.
몇몇 실시예에서, 이렇게 결정된 우선순위에 기초하여 제1 개선 제안 데이터 또는 제2 개선 제안 데이터 중 적어도 하나가 사용자 단말(104)을 통해 출력될 수 있다. 예를 들어, 사용자 단말(104)의 화면(display)에 제1 개선 제안 데이터가 제2 개선 제안 데이터보다 상위에 배치되어 출력될 수 있다. 다른 예로서, 사용자 단말(104)의 화면(display)에 제1 개선 제안 데이터만이 출력될 수 있다. 이를 위해, 서버(100)는 개선 제안 데이터들의 우선순위에 대한 정보를 함께 사용자 단말(104)로 전송할 수 있다. 도 4에 도시된 바와 같이, 사용자 단말(104)의 화면을 통해 대상 의류 상품(401)의 정보 및 우선순위에 따라 배치된 개선 제안 데이터들(402)이 출력될 수 있다.
도 5는 몇몇 실시예에 따른 의류 생산 서버로 개선 제안 데이터를 전송하는 방법에 대한 도면이다.
몇몇 실시예에서, 사용자는 복수의 개선 제안 데이터 중 일부의 개선 제안 데이터를 선택하고 승인할 수 있다. 도 4를 참조하면, 사용자는 사용자 단말(104)을 통해 출력된 개선 제안 데이터들(402) 중에서 개선 제안 데이터 '주머니 추가'를 선택(예를 들어, O 표시, 체크 표시, 클릭 등)할 수 있다. 그리고 나서, 사용자는 생산 요청 버튼(403)을 클릭함에 따라, 선택한 개선 제안 데이터에 대한 승인을 수행할 수 있다. 서버(100)는 사용자 단말(104)로부터 개선 제안 데이터에 대한 사용자 승인이 수신되는 경우에, 의류 생산 서버(510)로 개선 제안 데이터를 전송할 수 있다.
몇몇 실시예에서, 도 5를 참조하면, 서버(100)는 사용자 단말(104)로부터 개선 제안 데이터에 대한 사용자 승인이 수신되는 경우에 승인된 개선 제안 데이터를 의류 생산 서버(510)로 전송함으로써, 의류 생산 업체 등에 승인된 개선 제안 데이터가 반영된 의류 상품의 생산 및 구매를 요청할 수 있다. 여기서, 의류 생산 서버(510)는 의류를 생산하는 공장, 의류 생산 업체, 의류 디자인 업체, 의류 도매 업체 등의 서버 및/또는 사용자 단말에 해당할 수 있으나, 이에 한정되지 않는다. 즉, 사용자는 제공받은 개선 사항을 선택함으로써 원 클릭(one-click) 형태로 개선 사항을 반영한 의류 상품 제작을 요청할 수 있다. 이에 따라, 판매자들은 별도의 수고로움 없이 손쉽게 새로운 의류 상품을 제작 및 판매할 수 있다.
추가적으로, 서버(100)는 선택된 개선 제안 데이터에 기초하여, 개선된 의류 상품의 견적 가격을 산출하여 사용자 단말(104)을 통해 출력할 수 있다. 예를 들어, 서버(100)는 뉴럴 네트워크 모델을 이용하여, 개선 사항이 반영된 의류 상품의 생산 견적 가격을 예측할 수 있다. 여기서, 이용되는 뉴럴 네트워크 모델은 원단, 사이즈, 면적, 부속품, 디자인 데이터를 학습하여, 의류 상품의 생산 견적 가격을 예측하는 모델에 해당할 수 있다. 사용자는 이렇게 산출된 견적 가격을 참고하여 선택된 개선 제안 데이터의 승인 여부를 최종 결정할 수 있다.
도 6은 몇몇 실시예에 따른 특정 의류 상품의 방송에 대한 제안 데이터를 생성하는 방법에 대한 도면이다.
도 6에서는 시각적 설명을 위하여 채팅 데이터 및 방송에 대한 제안 데이터를 표를 이용한 텍스트 형태로 도시하고 있으나, 이에 한정되지 않으며, 다양한 형태의 데이터로서 송수신, 저장 및/또는 출력될 수 있다.
몇몇 실시예에서, 서버(100)는 특정 의류 상품과 연관된 채팅 데이터의 텍스트 데이터로부터 특정 의류 상품의 방송에 대한 제안을 나타내는 키워드를 추출할 수 있다. 이를 위해, 데이터베이스(102)에는 텍스트 데이터로부터 추출할 키워드에 대한 정보가 포함된 키워드 사전이 미리 저장될 수 있다. 이 경우, 서버(100)는 데이터베이스(102)에 미리 저장된 키워드 사전을 이용하여, 채팅 데이터의 텍스트 데이터로부터 방송에 대한 제안을 나타내는 키워드를 추출할 수 있다. 방송에 대한 제안을 나타내는 키워드를 추출하기 위해 이용되는 키워드 사전은 개선 제안을 나타내는 키워드를 추출하는데 이용되는 키워드 사전 및/또는 긍정적/부정적 키워드 사전과 상이한 별도의 사전에 해당할 수 있다. 추가적으로 또는 대안적으로, 서버(100)는 채팅 데이터의 텍스트 데이터로부터 키워드를 추출하도록 학습된 언어 모델, 뉴럴 네트워크 모델, 인공신경망 모델 등을 이용하여, 채팅 데이터의 텍스트 데이터로부터 방송에 대한 제안을 나타내는 키워드를 추출할 수 있다. 방송에 대한 제안을 나타내는 키워드를 추출하기 위해 이용되는 모델은 개선 제안을 나타내는 키워드를 추출하는데 이용되는 모델 및/또는 긍정적/부정적 키워드를 추출하는데 이용되는 모델과 상이한 별도의 모델에 해당할 수 있다. 여기서, 키워드는 텍스트 데이터에 실제로 포함된 텍스트, 텍스트 데이터에 실제로 포함된 텍스트의 변형(예를 들어, 유의어, 활용어, 기본형 등) 및/또는 텍스트 데이터에 내포된 의도를 나타내는 텍스트에 해당할 수 있다.
그리고 나서, 서버(100)는 추출된 방송에 대한 제안을 나타내는 키워드에 기초하여, 방송에 대한 제안 데이터를 생성하고 사용자 단말(104)을 통해 출력할 수 있다. 즉, 서버(100)는 방송에 대한 제안을 나타내는 키워드를 가공 및 조합하여, 방송에 대한 제안 데이터를 생성할 수 있다. 여기서, 방송에 대한 제안 데이터는 방송 시간, 의류 모델, 진행자, 매칭 상품, 할인 여부, 상품 가격 등에 대한 제안 사항을 지칭할 수 있으나, 이에 한정되지 않으며, 방송을 기획 및/또는 진행하는데 있어서 사용자가 참고할 수 있는 모든 사항을 지칭할 수 있다. 사용자(예를 들어, 의류 상품 판매자, 방송 진행자, 쇼 호스트 등)는 이렇게 출력된 방송에 대한 제안 데이터를 이용하여, 해당 의류 상품에 대한 다음 라이브 커머스 방송을 기획하거나 준비할 수 있다.
도 6의 제1 표(610) 및 제2 표(620)에 도시된 바와 같이, 특정 라이브 커머스 방송의 채팅 데이터가 수신되고, 수신된 채팅 데이터 중에서 특정 의류 상품이 소개된 시간인 25:00 부터 31:00 사이의 채팅 데이터가 추출될 수 있다. 도 6의 제3 표(630)에 도시된 바와 같이, 서버(100)는 채팅 데이터 '66 사이즈도 보여주세요.'에서 키워드 '66 사이즈' 및 키워드 '보여주세요'를 추출하여, '66 사이즈'라는 방송에 대한 제안 데이터를 생성할 수 있다. 또한, 서버(100)는 채팅 데이터 '청바지와 잘 어울릴까요?'에서 키워드 '청바지' 및 키워드 '어울릴까요'를 추출하여, 방송에 대한 제안 데이터 '청바지와 매칭'을 생성할 수 있다. 또한, 서버(100) 채팅 데이터 '상세 사이즈 알려주세요'에서 키워드 '상세 사이즈' 및 키워드 '알려주세요'를 추출하여, 방송에 대한 제안 데이터 '상세 사이즈 정보'를 생성할 수 있다. 이렇게 생성된 방송에 대한 제안 데이터는 사용자 단말(104)을 통해 사용자에게 제공될 수 있다. 사용자는 제공받은 제안 데이터를 고려하여 다음 방송에서, 해당 의류 상품에 대하여 66 사이즈 상품 및 모델을 출연시키거나, 해당 의류 상품을 청바지와 매칭하여 소개하거나, 해당 의류 상품의 상세 사이즈 정보를 소개할 수 있다.
도 7은 몇몇 실시예에 따른 채팅 데이터로부터 부정적 채팅 데이터 및 긍정적 채팅 데이터를 결정하는 방법에 대한 도면이다.
도 7에서는 시각적 설명을 위하여 채팅 데이터 및 방송에 대한 제안 데이터를 표를 이용한 텍스트 형태로 도시하고 있으나, 이에 한정되지 않으며, 다양한 형태의 데이터로서 송수신, 저장 및/또는 출력될 수 있다.
몇몇 실시예에서, 서버(100)는 채팅 데이터의 텍스트 데이터로부터 특정 의류 상품에 대한 부정적 키워드를 추출하여, 채팅 데이터 중 부정적 채팅 데이터를 결정할 수 있다. 이와 마찬가지로, 서버(100)는 채팅 데이터의 텍스트 데이터로부터 특정 의류 상품에 대한 긍정적 키워드를 추출하여, 채팅 데이터 중 긍정적 채팅 데이터를 결정할 수 있다. 이를 위해, 데이터베이스(102)에는 텍스트 데이터로부터 추출할 키워드에 대한 정보가 포함된 키워드 사전이 미리 저장될 수 있다. 이 경우, 서버(100)는 데이터베이스(102)에 미리 저장된 키워드 사전을 이용하여, 채팅 데이터의 텍스트 데이터로부터 부정적 키워드 및/또는 긍정적 키워드를 추출할 수 있다. 부정적 키워드 및/또는 긍정적 키워드를 추출하기 위해 이용되는 키워드 사전은 개선 제안을 나타내는 키워드를 추출하는데 이용되는 키워드 사전 및/또는 방송에 대한 제안을 나타내는 키워드를 추출하는데 이용되는 키워드 사전과 상이한 별도의 사전에 해당할 수 있다. 추가적으로 또는 대안적으로, 서버(100)는 채팅 데이터의 텍스트 데이터로부터 키워드를 추출하도록 학습된 언어 모델, 뉴럴 네트워크 모델, 인공신경망 모델 등을 이용하여, 채팅 데이터의 텍스트 데이터로부터 부정적 키워드 및/또는 긍정적 키워드를 추출할 수 있다. 부정적 키워드 및/또는 긍정적 키워드를 추출하기 위해 이용되는 모델은 개선 제안을 나타내는 키워드를 추출하는데 이용되는 모델 및/또는 방송에 대한 제안을 나타내는 키워드를 추출하는데 이용되는 모델과 상이한 별도의 모델에 해당할 수 있다.
도 7의 제1 표(710) 및 제2 표(720)에 도시된 바와 같이, 특정 라이브 커머스 방송의 채팅 데이터가 수신되고, 수신된 채팅 데이터 중에서 특정 의류 상품이 소개된 시간인 25:00 부터 31:00 사이의 채팅 데이터가 추출될 수 있다. 도 7의 제3 표(730)에 도시된 바와 같이, 서버(100)는 채팅 데이터에서 키워드 '이상해요' 및 키워드 '비싸다'를 추출하여, 채팅 데이터 중에서 부정적 채팅 데이터를 결정할 수 있다. 또한, 도 7의 제4 표(740)에 도시된 바와 같이, 서버(100)는 채팅 데이터에서 키워드 '실용적' 및 키워드 '따뜻'을 추출하여, 채팅 데이터 중에서 긍정적 채팅 데이터를 결정할 수 있다.
도 8은 몇몇 실시예에 따른 서버에 포함된 인공지능부의 예시이다.
몇몇 실시예에서, 서버(100)는 뉴럴 네트워크 모델(801)을 이용하여, 채팅 데이터, 부정적 채팅 데이터, 긍정적 채팅 데이터 및 개선 제안 데이터를 기초로 특정 의류 상품의 예상 판매 수량(803)을 예측할 수 있다. 여기서, 뉴럴 네트워크 모델(801)은 채팅 데이터, 부정적 채팅 데이터, 긍정적 채팅 데이터 및 개선 제안 데이터를 학습하여, 특정 의류 상품의 예상 판매 수량(803)을 예측하도록 학습된 모델에 해당할 수 있다. 예상 판매 수량을 예측하는데 기초가 되는 채팅 데이터, 부정적 채팅 데이터, 긍정적 채팅 데이터 및 개선 제안 데이터에는 현재 트렌드 및 실시간 소비자 의견이 반영되어 있으므로, 예상 판매 수량은 보다 정확하게 예측될 수 있다. 추가적으로, 서버(100)는 예상 판매 수량을 산출하기 위해 특정 의류 상품의 기본 정보, 판매 정보 등을 더 이용할 수 있다.
도 8을 참조하면, 뉴럴 네트워크 모델(801)은 개선 데이터의 생성, 긍정적 채팅 데이터 결정 및 부정적 채팅 데이터 결정 이후에 구현될 수 있다. 실시예들에 따른 뉴럴 네트워크 모델(801)은 인공지능 모델로 호칭될 수 있다. 이 도면에서 설명하는 인공지능부는 실시예들에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)에 포함될 수 있다. 실시예들에 따른 인공지능부에 사용되는 모델은 상술한 예시에 국한되지 않는다.
실시예들에 따른 인공지능부의 뉴럴 네트워크 모델은 하나 또는 그 이상의 은닉 레이어(hidden layer, 802) 들을 포함할 수 있다. 예를 들어, 하나 또는 그 이상의 은닉 레이어(hidden layer)들은 단순 선형으로 구성된 레이어일 수도 있고, CNN(Convolutional Neural Network), RNN(Recurrent Neural Network) 및/또는 LSTM(Long Short-Term Memory Model)로 구성된 레이어들의 집합일 수도 있다.
몇몇 실시예에 따른 뉴럴 네트워크 모델은 채팅 데이터, 부정적 채팅 데이터, 긍정적 채팅 데이터 및/또는 개선 제안 데이터와 같은 학습 데이터(800)를 학습하여 특정 의류 상품의 예상 판매 수량(803)을 출력하는 모델일 수 있다. 뉴럴 네트워크 모델(801)은 예상 판매 수량(803)을 예측하기 위해 특정 의류 상품의 기본 정보, 판매 정보와 같은 학습 데이터를 추가적으로 학습할 수 있다. 여기서, 기본 정보는 해당 의류 상품의 카테고리, 계절, 가격 등을 포함하고, 판매 정보는 판매 기간, 판매량, 판매량 증가/감소량, 재고량, 타겟 소비자 정보 등을 포함할 수 있다. 실시예들에 따른 학습 데이터는 데이터베이스(102)에 저장된 데이터 및/또는 서버(100)에 의하여 계산된 값에 대한 데이터를 포함한다. 즉, 실시예들에 따른 인공지능부는 상술한 학습 데이터(800)를 기반으로 특정 의류 상품의 예상 판매 수량(803)을 산출하고 예측할 수 있다. 여기서 예상 판매 수량(803)은 수치 데이터로 출력될 수 있다. 즉, 인공지능부는 학습 데이터(800)를 기반으로 특정 의류 상품의 예상 판매 수량을 예측할 수 있다.
몇몇 실시예에서, 서버(100)는 특정 의류 상품의 예상 판매 수량 및 특정 의류 상품의 재고량에 기초하여, 특정 의류 상품에 대한 할인율을 결정할 수 있다. 예를 들어, 서버(100)는 다음의 수학식을 이용하여 특정 의류 상품에 대한 할인율을 결정할 수 있다.
<수학식 1>
여기서, 은 할인율을 의미할 수 있으며, 이는 할인율을 산출하고자 하는 대상 의류 상품의 예상 판매 수량으로부터 도출될 수 있다. 는 현재 시점 에서의 대상 의류 상품의 재고량을 의미할 수 있으며, 은 임의의 자연수를 의미할 수 있다. 는 t 시점의 판매 수량을 의미할 수 있으며, 는 매우 작은 수 일 수 있다. 는 임의의 기간(예를 들어, 일주일, 3일, 한달, 3달 등)을 의미할 수 있으며, 대상 의류 상품의 전체 판매 기간보다 작거나 같을 수 있다. 여기서, 는 대상 의류 상품마다 상이하게 설정될 수 있다. 예를 들어, 대상 의류 상품이 계절 상품에 해당하는 경우에 는 대상 의류 상품이 판매된 계절에 해당하는 기간으로 설정될 수 있다. 서버(100)는 특정 의류 상품에 대하여 이렇게 결정된 할인율을 적용할 수 있다. 재고량과 예상 판매 수량에 기초하여 결정된 합리적인 할인 가격을 설정함으로써, 사용자는 의류 상품의 재고를 관리할 수 있다.
도 9는 도 1의 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버에 대한 하드웨어 구성도이다.
도 9를 참조하면, 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)는, 적어도 하나의 프로세서(processor, 110) 및/또는 적어도 하나의 프로세서(110)가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory, 120)를 포함할 수 있다.
적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.
또한, 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver, 130)를 포함할 수 있다. 또한, 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)에 포함된 각각의 구성 요소들은 버스(bus, 170)에 의해 연결되어 서로 통신을 수행할 수 있다.
몇몇 실시예에 따른 적어도 하나의 단계는, 온라인 플랫폼 서버로부터 복수의 의류 상품을 판매하는 라이브 커머스 방송과 연관된 제1 채팅 데이터를 수신하는 단계, 상기 제1 채팅 데이터의 시간 데이터에 기초하여, 상기 제1 채팅 데이터로부터 상기 복수의 의류 상품 중 특정 의류 상품과 연관된 제2 채팅 데이터를 결정하는 단계, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 개선 제안(improvement proposal)을 나타내는 키워드(keyword)를 추출하는 단계, 상기 추출된 개선 제안을 나타내는 키워드에 기초하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 단계, 및 상기 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말을 통해 출력하는 단계를 포함할 수 있다. 여기서, 상기 제1 채팅 데이터는 시간 데이터, 텍스트 데이터 및 작성자 데이터를 포함할 수 있다.
몇몇 실시예에 따른 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 개선 제안을 나타내는 키워드를 추출하는 단계는, 상기 제2 채팅 데이터의 텍스트 데이터로부터 제1 키워드를 추출하는 단계, 및 상기 제2 채팅 데이터의 텍스트 데이터로부터 제2 키워드를 추출하는 단계를 포함하고, 상기 추출된 개선 제안을 나타내는 키워드에 기초하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 단계는, 상기 제1 키워드 및 제2 키워드를 조합하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 단계를 포함할 수 있다.
몇몇 실시예에 따른 상기 특정 의류 상품에 대한 개선 제안 데이터는 제1 개선 제안 데이터 및 제2 개선 제안 데이터를 포함하고, 상기 적어도 하나의 단계는, 상기 사용자 단말로부터 상기 제1 개선 제안 데이터에 대한 사용자 승인이 수신되는 경우에, 의류 생산 서버로 상기 제1 개선 제안 데이터를 전송하는 단계를 더 포함할 수 있다.
몇몇 실시예에 따른 상기 특정 의류 상품에 대한 개선 제안 데이터는 제1 개선 제안 데이터 및 제2 개선 제안 데이터를 포함하고, 상기 적어도 하나의 단계는, 상기 제1 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터 및 상기 제2 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터에 기초하여, 상기 제1 개선 제안 데이터 및 제2 개선 제안 데이터의 우선순위를 결정하는 단계를 더 포함하고, 상기 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말을 통해 출력하는 단계는, 상기 결정된 우선순위에 기초하여, 상기 제1 개선 제안 데이터 또는 상기 제2 개선 제안 데이터 중 적어도 하나를 상기 사용자 단말을 통해 출력하는 단계를 포함할 수 있다.
몇몇 실시예에 따른 상기 적어도 하나의 단계는, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품의 방송에 대한 제안을 나타내는 키워드를 추출하는 단계, 상기 방송에 대한 제안을 나타내는 키워드에 기초하여, 상기 방송에 대한 제안 데이터를 생성하는 단계, 및 상기 방송에 대한 제안 데이터를 상기 사용자 단말을 통해 출력하는 단계를 더 포함할 수 있다.
몇몇 실시예에 따른 상기 적어도 하나의 단계는, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 부정적 키워드를 추출하여, 상기 제2 채팅 데이터 중 부정적 채팅 데이터를 결정하는 단계, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 긍정적 키워드를 추출하여, 상기 제2 채팅 데이터 중 긍정적 채팅 데이터를 결정하는 단계 및 뉴럴 네트워크 모델을 이용하여, 상기 특정 의류 상품의 예상 판매 수량을 예측하는 단계를 더 포함하고, 상기 뉴럴 네트워크 모델은 상기 제2 채팅 데이터, 상기 부정적 채팅 데이터, 상기 긍정적 채팅 데이터 및 상기 개선 제안 데이터를 학습하여, 상기 특정 의류 상품의 예상 판매 수량을 예측할 수 있다.
몇몇 실시예에 따른 상기 적어도 하나의 단계는, 상기 특정 의류 상품의 예상 판매 수량 및 상기 특정 의류 상품의 재고량에 기초하여, 상기 특정 의류 상품에 대한 할인율을 결정하는 단계를 더 포함할 수 있다.
실시예들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
Claims (1)
- 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버로서,
프로세서(processor); 및
상기 프로세서가 수행하는 명령어들(instructions)을 저장하는 메모리(memory); 를 포함하고,
상기 프로세서는:
온라인 플랫폼 서버로부터 복수의 의류 상품을 판매하는 라이브 커머스 방송과 연관된 제1 채팅 데이터를 수신하되, 상기 제1 채팅 데이터는 시간 데이터, 텍스트 데이터 및 작성자 데이터를 포함하고,
상기 제1 채팅 데이터의 시간 데이터에 기초하여, 상기 제1 채팅 데이터로부터 상기 복수의 의류 상품 중 특정 의류 상품과 연관된 제2 채팅 데이터를 결정하고,
상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 개선 제안(improvement proposal)을 나타내는 키워드(keyword)를 추출하고,
상기 추출된 개선 제안을 나타내는 키워드에 기초하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하고,
상기 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말을 통해 출력하고,
상기 프로세서는:
상기 제2 채팅 데이터의 텍스트 데이터로부터 제1 키워드 및 제2 키워드를 추출하고,
상기 제1 키워드 및 제2 키워드를 조합하여 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하되, 상기 특정 의류 상품에 대한 개선 제안 데이터는 제1 개선 제안 데이터 및 제2 개선 제안 데이터를 포함하고,
상기 사용자 단말로부터 상기 제1 개선 제안 데이터에 대한 사용자 승인이 수신되는 경우, 상기 제1 개선 제안 데이터를 의류 생산 서버에게 전송하고,
상기 프로세서는:
상기 제1 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터 및 상기 제2 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터에 기초하여, 상기 제1 개선 제안 데이터 및 제2 개선 제안 데이터의 우선순위를 결정하고,
상기 결정된 우선순위에 기초하여, 상기 제1 개선 제안 데이터 또는 상기 제2 개선 제안 데이터 중 적어도 하나를 상기 사용자 단말을 통해 출력하고,
상기 프로세서는:
상기 특정 의류 상품의 예상 판매 수량 및 상기 특정 의류 상품의 재고량에 기초하여, 상기 특정 의류 상품에 대한 할인율을 아래의 수학식을 토대로 결정하되,
[수학식]
은 상기 할인율을 의미하고, RT는 현재 시점 T에서의 대상 의류 상품의 재고량을 의미하고, N은 일주일, 3일, 한달, 3달 중 어느 하나에 상응하는 값이고, St는 t 시점의 판매 수량을 의미하고, 는 임의의 값에 상응하고, 는 대상 의류 상품이 판매된 계절에 해당하는 기간으로 설정되고,
상기 프로세서는 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품의 방송에 대한 제안을 나타내는 키워드를 추출하는, 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220058247A KR102620292B1 (ko) | 2022-02-16 | 2022-05-12 | 라이브 커머스를 위한 데이터 분석을 수행하는 방법 및 그 시스템 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220019895A KR102399716B1 (ko) | 2022-02-16 | 2022-02-16 | 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버 및 동작 방법 |
| KR1020220058247A KR102620292B1 (ko) | 2022-02-16 | 2022-05-12 | 라이브 커머스를 위한 데이터 분석을 수행하는 방법 및 그 시스템 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220019895A Division KR102399716B1 (ko) | 2022-02-16 | 2022-02-16 | 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버 및 동작 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230123397A true KR20230123397A (ko) | 2023-08-23 |
| KR102620292B1 KR102620292B1 (ko) | 2024-01-03 |
Family
ID=81801649
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220019895A KR102399716B1 (ko) | 2022-02-16 | 2022-02-16 | 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버 및 동작 방법 |
| KR1020220058247A KR102620292B1 (ko) | 2022-02-16 | 2022-05-12 | 라이브 커머스를 위한 데이터 분석을 수행하는 방법 및 그 시스템 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220019895A KR102399716B1 (ko) | 2022-02-16 | 2022-02-16 | 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버 및 동작 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102399716B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240007561A (ko) | 2022-07-08 | 2024-01-16 | 임재희 | 인공지능 기반으로 시장 특화된 언어를 번역 가능한 라이브 e-커머스 플랫폼 시스템 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170085200A (ko) | 2016-01-14 | 2017-07-24 | 김재일 | 모바일 실시간 방송과 채팅을 통해 쉬운 제품 판매를 위한 방법론 |
| KR101895001B1 (ko) * | 2017-07-13 | 2018-09-05 | (주)블루오션소프트 | 스마트폰기반 쌍방향 라이브방송 커머스 서비스 플랫폼 |
| KR20210050018A (ko) | 2019-10-25 | 2021-05-07 | 박채연 | 비디오 커머스를 활용한 농업, 축산업, 임업, 수산업 생산품 판매 시스템 및 이의 판매 방법 |
| KR20210090076A (ko) | 2020-01-09 | 2021-07-19 | 모비두 주식회사 | 라이브 방송 중 상품 등록 방법 및 이를 수행하는 방송 단말 |
| KR102282741B1 (ko) * | 2020-03-30 | 2021-07-27 | 서명교 | 뉴럴 네트워크를 기반으로 하는 ai 학습 모델을 이용하여 복수의 상품 추천 서비스를 제공하는 서버 |
| KR102297194B1 (ko) * | 2021-05-07 | 2021-09-06 | 김한진 | 온라인 투 오프라인(o2o) 기반의 상품 디자인 및 판매를 위한 전자 장치 및 그 동작 방법 |
-
2022
- 2022-02-16 KR KR1020220019895A patent/KR102399716B1/ko active IP Right Grant
- 2022-05-12 KR KR1020220058247A patent/KR102620292B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170085200A (ko) | 2016-01-14 | 2017-07-24 | 김재일 | 모바일 실시간 방송과 채팅을 통해 쉬운 제품 판매를 위한 방법론 |
| KR101895001B1 (ko) * | 2017-07-13 | 2018-09-05 | (주)블루오션소프트 | 스마트폰기반 쌍방향 라이브방송 커머스 서비스 플랫폼 |
| KR20210050018A (ko) | 2019-10-25 | 2021-05-07 | 박채연 | 비디오 커머스를 활용한 농업, 축산업, 임업, 수산업 생산품 판매 시스템 및 이의 판매 방법 |
| KR20210090076A (ko) | 2020-01-09 | 2021-07-19 | 모비두 주식회사 | 라이브 방송 중 상품 등록 방법 및 이를 수행하는 방송 단말 |
| KR102282741B1 (ko) * | 2020-03-30 | 2021-07-27 | 서명교 | 뉴럴 네트워크를 기반으로 하는 ai 학습 모델을 이용하여 복수의 상품 추천 서비스를 제공하는 서버 |
| KR102297194B1 (ko) * | 2021-05-07 | 2021-09-06 | 김한진 | 온라인 투 오프라인(o2o) 기반의 상품 디자인 및 판매를 위한 전자 장치 및 그 동작 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102620292B1 (ko) | 2024-01-03 |
| KR102399716B1 (ko) | 2022-05-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11995112B2 (en) | System and method for information recommendation | |
| Kumar et al. | Practice prize winner—creating a measurable social media marketing strategy: increasing the value and ROI of intangibles and tangibles for hokey pokey | |
| US11558489B2 (en) | Method and apparatus for real-time personalization | |
| KR101852581B1 (ko) | 이미지 평가 기법 | |
| US9495661B2 (en) | Embeddable context sensitive chat system | |
| US11875380B2 (en) | Method for matching influencers to brands and pairing influencer videos to products for intra-video transactions | |
| CN109783539A (zh) | 用户挖掘及其模型构建方法、装置及计算机设备 | |
| Shen et al. | A voice of the customer real-time strategy: An integrated quality function deployment approach | |
| CN109087162A (zh) | 数据处理方法、系统、介质和计算设备 | |
| US9639886B1 (en) | System and computer-readable medium for encoding user interfaces configured to render stylist suggestions | |
| CN113781149B (zh) | 信息推荐方法、装置、计算机可读存储介质及电子设备 | |
| CN114036398A (zh) | 内容推荐和排序模型训练方法、装置、设备以及存储介质 | |
| CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
| CN112384912A (zh) | 用户创建内容推荐和搜索 | |
| KR102620292B1 (ko) | 라이브 커머스를 위한 데이터 분석을 수행하는 방법 및 그 시스템 | |
| CN111523914B (zh) | 用户满意度的评测方法、装置、系统和数据显示平台 | |
| CN114461919A (zh) | 信息推荐的模型训练方法及装置 | |
| CN111787042A (zh) | 用于推送信息的方法和装置 | |
| CN112948602B (zh) | 一种内容显示方法、装置、系统、设备及存储介质 | |
| CN113655895A (zh) | 应用于输入法的信息推荐方法、装置及电子设备 | |
| CN113077295B (zh) | 基于用户终端的广告分级投放方法、用户终端和存储介质 | |
| US20230267507A1 (en) | Generating and handling optimized consumer segments | |
| CN113641900A (zh) | 信息推荐方法及装置 | |
| WO2024103620A1 (zh) | 内容生成方法、装置、计算机设备和存储介质 | |
| US12020281B2 (en) | Systems and methods for dynamic link redirection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |