KR20230137861A - 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법 및 장치 - Google Patents

Abstract

본 발명은 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법 및 장치를 제공한다. 상기 방법은, 사용자 단말로부터 사용자가 구매하길 원하는 의류 또는 사용자가 구매하길 원하는 의류와 관련된 정보를 입력받는 단계, 상기 사용자의 위치에 기초하여 상기 사용자가 구매하길 원하는 의류를 구매할 수 있는 오프라인 매장의 정보를 상기 사용자 단말로 제공하는 단계, 상기 사용자 단말로부터 상기 오프라인 매장에 방문 예정 시간을 수신하는 단계 및 매장 단말로 상기 방문 예정 시간에 드라이브 스루 방식, 매장 픽업 방식 또는 매장 피팅 방식으로 상기 사용자에게 상기 사용자가 구매하길 원하는 의류를 제공할 수 있도록 상품 준비를 요청하는 단계를 포함한다.

Description

고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법 및 장치{METHOD AND APPARATUS FOR PROVIDING OFFLINE PURCHASE SERVICE PROVIDING CONVENIENCE OF PURCHASE THROUGH CUSTOMIZED PREPARATION}

본 발명은 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법 및 장치에 관한 것이다.

현재 패션에 대한 관심이 높아짐에 따라, 많은 사람들은 다양한 의류 아이템을 보유하고 있으며, 또한 의류 아이템 구매에 대한 욕구도 높아져 온라인 쇼핑 또는 오프라인 쇼핑과 관련한 산업 또는 서비스가 다양하게 발전 또는 제공되고 있다. 사람들은 원하는 의류 아이템을 상황 또는 선호에 따라 선택적으로 온라인으로 구매하거나, 오프라인으로 구매함으로써 구매 욕구를 충족시킬 수 있다.

그러나, 종래의 온라인 쇼핑의 경우, 구매자가 온라인을 통해 제공되는 정보, 즉, 상품 이미지 정보, 판매자의 상품 설명 및 구매자들의 상품 리뷰 등을 참고하여 신중하게 구매를 결정한다고 해도, 막상 실제로 받아보는 상품이 온라인을 통해 제공된 정보와는 큰 차이가 있어 구매 실패를 경험하게 되는 경우가 빈번하였다. 또한, 구매 실패에 따른 반품 및 교환 과정 역시 번거롭고 시간과 노력이 소모된다는 문제점도 있다.

한편, 종래의 오프라인 쇼핑의 경우, 온라인 쇼핑과 다르게 오프라인 매장에서 구매자가 상품을 직접 체험한 후 구입하기 때문에 구매자의 기대와 실제 경험의 차이가 크지 않아 쇼핑에 대한 만족도가 높다. 그러나, 오프라인을 통한 구매는 많은 시간이 소비되기 때문에, 구매자의 신체적, 시간적 제약이 있다는 문제점이 있다. 구체적으로, 구매자가 오프라인 매장까지 이동하는 시간과, 원하는 상품을 고르기 위해 상품을 탐색하는 시간 등과 같이 구매자는 상품 구매를 위해 많은 시간을 할애해야 하며, 그럼에도 불구하고 원하는 것을 찾지 못하거나 사지 못하는 경우가 빈번하게 발생하였다. 이는, 구매자로 하여금 시간을 낭비한 기분이 들게 하여 해당 오프라인 매장에 대한 경험을 부정적으로 기억하게 하고 재방문에 대해 거부감을 느끼게 할 수 있다는 문제점이 있다.

따라서, 온라인 쇼핑과 오프라인 쇼핑의 문제점은 해소하면서, 온라인 쇼핑과 오프라인 쇼핑의 장점만 취하여 사용자가 효율적인 쇼핑을 할 수 있도록 하는 방안이 필요하다.

대한민국 공개특허공보 제10-2016-0064379호, 2016.06.08.

상술한 바와 같은 문제점을 해결하기 위한 본 발명은 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법 및 장치를 제공하는 것을 그 목적으로 한다.

본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법은, 사용자 단말로부터 사용자가 구매하길 원하는 의류 또는 사용자가 구매하길 원하는 의류와 관련된 정보를 입력받는 단계, 상기 사용자의 위치에 기초하여 상기 사용자가 구매하길 원하는 의류를 구매할 수 있는 오프라인 매장의 정보를 상기 사용자 단말로 제공하는 단계, 상기 사용자 단말로부터 상기 오프라인 매장에 방문 예정 시간을 수신하는 단계 및 매장 단말로 상기 방문 예정 시간에 드라이브 스루 방식, 매장 픽업 방식 또는 매장 피팅 방식으로 상기 사용자에게 상기 사용자가 구매하길 원하는 의류를 제공할 수 있도록 상품 준비를 요청하는 단계를 포함한다.

본 발명에서, 상기 사용자가 구매하길 원하는 의류를 입력받는 단계는, 상기 사용자의 보유 의류와 관련한 보유 의류 정보를 기초로 추출된 구매 추천 상품을 상기 사용자가 구매하길 원하는 의류로 입력받는 것일 수 있다.

본 발명에서, 상기 방법은, 상기 보유 의류 정보 중 사용 이력 정보를 이용하여 제1 구매 추천 상품을 추출하는 단계 및 상기 보유 의류 정보 중 의류 속성 정보를 이용하여 제2 구매 추천 상품을 추출하는 단계를 더 포함할 수 있다.

본 발명에서, 상기 사용 이력 정보는, 상기 보유 의류의 구매일 및 착용 횟수를 포함하고, 상기 제1 구매 추천 상품을 추출하는 단계는, 상기 착용 횟수가 기 설정된 기준 횟수보다 많고 상기 구매일로부터 경과된 기간이 기 설정된 기준 기간을 초과하는 보유 의류에 대해 상기 제1 구매 추천 상품으로 추출하는 것일 수 있다.

본 발명에서, 상기 제2 구매 추천 상품을 추출하는 단계는, 상기 의류 속성 정보를 기초로 상기 사용자의 의류 취향을 분석하는 단계, 상기 사용자의 의류 취향과 유사한 의류 취향을 가진 다른 사용자들을 추출하는 단계 및 상기 다른 사용자들의 보유 의류 정보를 기초로 상기 제2 구매 추천 상품을 추출하는 단계를 포함할 수 있다.

본 발명에서, 상기 제1 구매 추천 상품 및 상기 제2 구매 추천 상품이 모두 상기 사용자가 구매하길 원하는 의류로 입력된 경우, 상기 오프라인 매장의 정보를 제공하는 단계는, 상기 사용자의 위치를 기준으로 상기 제1 구매 추천 상품을 구매할 제1 오프라인 매장의 정보를 제공하는 단계 및 상기 제1 오프라인 매장의 위치를 기준으로 상기 제2 구매 추천 상품을 구매할 제2 오프라인 매장의 정보를 제공하는 단계를 포함할 수 있다.

본 발명에서, 상기 방법은, 서비스 플랫폼과 연계된 오프라인 매장 별로 각 매장의 보유 상품의 종류 및 재고 정보를 수신하는 단계를 더 포함할 수 있다.

본 발명에서, 상기 사용자가 상기 드라이브 스루 방식 또는 상기 매장 픽업 방식으로 상기 구매하길 원하는 의류를 제공받는 경우, 서비스 플랫폼에서 상기 구매하길 원하는 의류에 대한 결제가 미리 수행되고, 상기 사용자가 상기 매장 피팅 방식으로 상기 구매하길 원하는 의류를 제공받는 경우, 상기 구매하길 원하는 의류를 피팅한 후 구매가 결정되면 상기 서비스 플랫폼에서 상기 구매하길 원하는 의류에 대한 결제가 수행될 수 있다.

상술한 과제를 해결하기 위한 본 발명의 다른 면에 따른 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 장치는, 하나 이상의 인스트럭션을 저장하는 메모리 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하며, 상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써, 사용자 단말로부터 사용자가 구매하길 원하는 의류 또는 사용자가 구매하길 원하는 의류와 관련된 정보를 입력받는 단계, 상기 사용자의 위치에 기초하여 상기 사용자가 구매하길 원하는 의류를 구매할 수 있는 오프라인 매장의 정보를 상기 사용자 단말로 제공하는 단계, 상기 사용자 단말로부터 상기 오프라인 매장에 방문 예정 시간을 수신하는 단계 및 매장 단말로 상기 방문 예정 시간에 기초하여 드라이브 스루 방식, 매장 픽업 방식 또는 매장 피팅 방식으로 상기 사용자에게 상기 구매 추천 상품을 제공할 수 있도록 상품 준비를 요청하는 단계를 수행한다.

이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 장치, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.

상기와 같은 본 발명에 따르면, 사용자가 보유하고 있는 의류들에 기초하여, 보유 의류들 중에서 재구매가 필요한 의류(구매 필요 상품)를 추출해내고, 해당 의류를 구매할 수 있는 오프라인 매장들을 제시해 줌으로써, 사용자가 오프라인에서 패션 아이템을 신속하게 구매할 수 있도록 할 수 있다.

또한, 사용자가 보유하고 있는 의류들에 기초하여 사용자의 특성(즉, 취향, 선호도 등)을 정확하게 분석함으로써, 사용자의 특성을 고려한 개인 맞춤 코디를 추천할 수 있다.

또한, 다수 사용자들의 보유 의류 정보를 수집하고 분석하여 각 사용자별 특성(즉, 취향, 선호도 등)을 판별하고, 이를 통해 서로 동일하거나 유사한 특성을 가진 사용자들을 그룹화함으로써, 각 그룹 내 사용자들의 선호 코디 패턴을 파악할 수 있다. 또한, 각 그룹 내 사용자들의 경우 동일하거나 유사한 특성을 가지므로, 동일한 그룹 또는 인접 그룹 내 사용자들의 선호 코디를 이용하여, 상기 사용자의 구매 필요 상품과 어울리는 패션 아이템을 추출하고, 이를 추천 상품으로 추출하여 사용자에게 제시함으로써 개인화된 맞춤 코디 추천이 가능하다.

또한, 구매 필요 상품을 구매할 수 있는 오프라인 매장과 연계하여 추천 상품을 구매할 수 있는 오프라인 매장을 함께 제시해 줌으로써, 사용자는 구매 필요한 상품과 함께 추천 상품도 신속하게 구매할 수 있어 효율적인 오프라인 쇼핑을 할 수 있다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명에 따른 오프라인 구매를 위한 개인화된 추천 서비스 제공을 위한 시스템을 개략적으로 나타내는 도면이다.
도 2는 본 발명에 따른 구매 필요 상품에 대한 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법의 순서도이다.
도 3은 본 발명에 따른 추천 상품에 대한 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법의 순서도이다.
도 4는 도 3의 단계 S210의 구체적인 방법의 순서도이다.
도 5은 도 3의 단계 S220의 구체적인 방법의 순서도이다.
도 6은 본 발명에 따른 사용자간 유사정도를 나타내는 다차원 공간과 그 공간 내에서 사용자들의 유사정도에 따라 그룹화하여 사용자 그룹을 생성하는 과정의 예시를 도시한 도면이다.
도 7은 본 발명에 따른 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법을 수행하는 장치의 구성을 개략적으로 나타내는 도면이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

본 발명은 상기 종래의 온라인 쇼핑 또는 오프라인 쇼핑의 문제점들을 해결하기 위하여, 오프라인 쇼핑을 통해 직접 경험의 가치를 제공하면서, 상품 구매까지 많은 시간이 소비된다는 오프라인 쇼핑의 페인 포인트(pain point)를 해소하기 위해 구매자의 구매 경험에 대한 다양한 정보를 수집하고 분석함으로써 구매자에게 필요한 상품을 제시 및 추천해주고, 해당 상품을 구매할 수 있는 오프라인 매장 정보까지 함께 제시해줄 수 있다. 이에 따라, 구매자는 오프라인 쇼핑을 통해, 온라인 쇼핑으로는 경험할 수 없는 직접 경험의 가치를 획득하면서, 자신에게 필요한 또는 자신의 취향에 맞는 상품과, 해당 상품을 구매할 수 있는 오프라인 매장 정보를 함께 제공받아 오프라인을 통해서도 신속하고 효율적인 쇼핑을 할 수 있도록 한다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.

도 1은 본 발명에 따른 오프라인 구매를 위한 개인화된 추천 서비스 제공을 위한 시스템을 개략적으로 나타내는 도면이다.

도 2는 본 발명에 따른 구매 필요 상품에 대한 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법의 순서도이다.

도 3은 본 발명에 따른 추천 상품에 대한 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법의 순서도이다.

도 4는 도 3의 단계 S210의 구체적인 방법의 순서도이다.

도 5은 도 3의 단계 S220의 구체적인 방법의 순서도이다.

도 6은 본 발명에 따른 사용자간 유사정도를 나타내는 다차원 공간과 그 공간 내에서 사용자들의 유사정도에 따라 그룹화하여 사용자 그룹을 생성하는 과정의 예시를 도시한 도면이다.

도 7은 본 발명에 따른 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법을 수행하는 장치의 구성을 개략적으로 나타내는 도면이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 오프라인 구매를 위한 개인화된 추천 서비스 제공을 위한 시스템(1)(이하, 시스템)은 서버(10), 사용자 단말(20), 오프라인 매장 단말(30) 및 통신망(40)을 포함하여 구성될 수 있다.

본 발명에 따른 시스템(1)에서 발명의 주체는 컴퓨팅 장치 또는 서버 장치가 적용 가능하며, 구체적으로는 서버(10)가 수행 주체가 될 수 있지만, 이에 제한되지 않고 경우에 따라 사용자 단말(20) 또는 오프라인 매장 단말(30)이 시스템(1) 수행 주체가 될 수도 있다.

서버(10)는 본 발명의 실시예에 따른 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법을 제공하기 위한 컴퓨팅 장치로서, 사용자 단말(20)을 통해 사용자들에게 자신이 보유한 의류를 기초로 개인 맞춤 추천 서비스를 제공하기 위한 다양한 기능을 수행할 수 있다. 설명의 편의상 도 1에서는 하나의 서버(10)를 이용하는 것으로 도시하였으나, 본 발명의 실시예에 따른 시스템(1)은 하나 이상의 서버를 포함하여 구성될 수 있다. 또한, 서버(10)는 클라우드 서버로 구성될 수도 있다.

사용자 단말(20)은 서버(10)를 통해서 제공되는 사용자 보유 의류에 기초한 개인 맞춤 추천 서비스를 이용하는 사용자(즉, 클라이언트)의 단말 장치로서, 예컨대 스마트 폰, 태블릿 PC, 데스크 탑, 노트북, 스마트 TV 등과 같은 각종 컴퓨팅 장치일 수 있다.

사용자 단말(20)은 사용자 보유 의류에 기초한 개인 맞춤 추천 서비스를 제공하는 애플리케이션을 포함할 수 있다. 따라서, 사용자는 사용자 단말(20)의 애플리케이션을 통해 사용자 보유 의류에 기초한 개인 맞춤 추천 서비스를 제공받을 수 있다.

여기서, 사용자는 상기 개인 맞춤 추천 서비스를 제공받아, 오프라인 매장에서 상품을 구매하는 구매자를 의미할 수 있다.

오프라인 매장 단말(30)은 서버(10)가 사용자에게 제공하는 상기 개인 맞춤 추천 서비스와 연계된 오프라인 매장의 단말 장치로서, 예컨대 스마트 폰, 태블릿 PC, 데스크 탑, 노트북, 스마트 TV 등과 같은 각종 컴퓨팅 장치일 수 있다.

오프라인 매장 단말(30)은 서버(10)로 매장 위치와, 보유 상품의 종류 및 보유 상품의 재고 정보 등 오프라인 매장과 관련된 각종 정보를 제공할 수 있다.

서버(10)는 연계된 각 오프라인 매장의 보유 상품의 종류 및 재고 정보를 기반으로 사용자에게 추천된 상품을 구매할 수 있는 최적의 오프라인 매장을 추천할 수 있다.

서버(10)는 오프라인 매장(30)으로부터 제공된 보유 상품의 재고 정보를 실시간 업데이트할 수 있다. 예를 들어, 서버(10)는 연계 오프라인 매장의 직원에게 제공되는 재고 입력 애플리케이션을 통해 보유 상품의 이미지와 재고 정보를 입력받을 수 있다. 이를 통해, 영세상인들은 오프라인 매장에서 신규 인프라 투자 없이 간편 재고 물품 입력 서비스(즉, 재고 입력 애플리케이션)를 활용해서 온라인상의 서버(10)에 재고 정보 등과 같은 정보를 업로드할 수 있다. 또한, 예를 들어, 서버는 연계된 각 오프라인 매장의 재고 관리프로그램과 연동됨에 따라 재고 정보를 실시간으로 획득할 수 있다.

통신망(40)은 서버(10), 사용자 단말(20) 및 오프라인 매장 단말(30) 간 다양한 정보를 송수신할 수 있도록 한다. 통신망(40)은 다양한 형태의 통신망이 이용될 수 있으며, 예컨대, WLAN(Wireless LAN), 와이파이(Wi-Fi), 와이브로(Wibro), 와이맥스(Wimax), HSDPA(High Speed Downlink Packet Access) 등의 무선 통신방식 또는 이더넷(Ethernet), xDSL(ADSL, VDSL), HFC(Hybrid Fiber Coax), FTTC(Fiber to The Curb), FTTH(Fiber To The Home) 등의 유선 통신방식이 이용될 수 있다.

그러나, 통신망(40)은 상기에 제시된 통신방식에 한정되는 것은 아니며, 상술한 통신방식 이외에도 기타 널리 공지되었거나 향후 개발될 모든 형태의 통신 방식을 포함할 수 있다.

이하에서는 시스템(1)에 포함된 서버(10), 사용자 단말(20) 및 오프라인 매장 단말(30)을 이용하여, 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법을 제공하는 구체적인 과정에 관해 설명하도록 한다.

도 2를 참조하면, 본 발명의 일 실시예에 따른 서버(10)가 수행하는 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법은, 사용자 단말로부터 사용자의 보유 의류와 관련한 보유 의류 정보를 획득하는 단계(S110), 상기 보유 의류 정보에 기초하여 상기 보유 의류에 대한 사용 정보를 추출하는 단계(S120), 상기 사용 정보에 기초하여 상기 보유 의류 중 구매 필요 상품을 추출하는 단계(S130), 상기 구매 필요 상품에 대한 적어도 하나의 제1 오프라인 매장을 검색하는 단계(S140) 및 제1 검색 결과를 상기 사용자 단말로 제공하는 단계(S150)를 포함할 수 있다. 이하, 각 단계에 대한 상세한 설명을 기재한다.

서버(10)는 사용자 단말(20)로부터 사용자의 보유 의류와 관련한 보유 의류 정보를 획득할 수 있다(S110).

여기서, 보유 의류는 사용자의 기 보유 의류 물품으로서, 사용자가 보유하고 있는 자신의 의류 및 의류와 관련된 다양한 의류 아이템을 모두 포괄하는 의미로 사용한다. 예를 들어, 사용자의 보유 의류에는 상의, 하의, 겉옷, 속옷 등의 옷과, 그 외의 신발, 가방, 모자, 액세서리 등이 포함될 수 있다.

일 실시예로, 사용자 단말(20)은 사용자로부터 사용자 자신이 보유하고 보유 의류와 관련한 보유 의류 정보를 직접 입력받을 수 있다. 여기서, 보유 의류 정보는 보유 의류의 종류, 색상, 형태 및 모양(이미지), 소재, 직물 패턴, 가격, 크기, 착용 횟수, 구매일 등을 포함할 수 있다. 이 경우, 서버(10)는 사용자로부터 직접 입력된 보유 의류 정보를 사용자 단말(20)을 통해 획득할 수 있다.

이때, 보유 의류 정보 중 보유 의류의 종류, 색상, 형태 및 모양(이미지), 소재, 직물 패턴, 가격, 크기, 구매일 등은 고정된 정보로서, 최초에 입력된 값이 그대로 유지될 수 있다. 반면, 보유 의류 정보 중 착용 횟수 등은 변동되는 정보로서, 최초에 입력된 값은 기본값(예를 들어, 0)이고, 사용자가 해당 의류를 착용할 때마다 업데이트될 수 있다.

예를 들어, 사용자는 보유 의류 중에서 특정 보유 의류를 착용한 경우, 사용자 단말(20)에 포함된 상기 애플리케이션을 통해 착용 날짜와 함께 착용한 보유 의류를 선택하면, 해당 보유 의류의 착용 횟수가 1회 증가하여 업데이트될 수 있다.

다른 실시예로, 사용자 단말(20)은 사용자로부터 사용자의 보유 의류 정보를 이미지(사진, 영상 등)로 입력받을 수 있다. 예를 들어, 사용자는 옷, 신발, 가방 등의 보유 의류를 카메라를 통해 촬영한 사진이나 영상을 사용자 단말(20)에 입력할 수 있다. 이 경우, 서버(10)는 사용자 단말(20)로부터 사용자의 보유 의류 정보를 포함하고 있는 이미지를 획득하고, 획득된 이미지로부터 의류에 대한 정보(예컨대, 보유 의류의 종류, 색상, 형태 및 모양(이미지), 소재, 직물 패턴, 크기 등)를 인식하여 해당 사용자의 보유 의류 정보를 획득할 수 있다. 예를 들어, 서버(10)는 딥러닝(예컨대, CNN; convolution neural network) 기반의 객체 검출(Object Detection) 알고리즘을 사용하여, 사용자 단말(20)로부터 획득된 이미지에서 보유 의류의 종류, 색상, 형태 및 모양(이미지), 소재, 직물 패턴, 크기 등의 정보를 인식하고, 인식된 정보를 해당 사용자의 보유 의류 정보로서 획득할 수 있다. 이때, 보유 의류 정보 중 구매일은 보유 의류 정보가 입력된 날짜로 기본 설정될 수 있고, 이후 사용자에 의해 실제 구매한 날짜로 수정될 수 있다.

또 다른 실시예로, 사용자 단말(20)은 의류에 제공된 의류 상품 코드 정보(예컨대, 바코드, QR 코드 등)를 인식하고, 인식된 의류 상품 코드 정보로부터 제조사, 상품 정보(보유 의류의 종류, 색상, 형태 및 모양(이미지), 소재, 직물 패턴, 가격, 크기 등)를 획득할 수 있다. 또는, 사용자 단말(20)은 의류에 제공된 의류 상품 코드 정보를 인식하고, 인식된 의류 상품 코드 정보를 서버(10)로 전송할 수 있다.

이때, 서버(10)는 의류 상품 정보를 저장하고 관리하는 데이터베이스를 구축하여 둘 수 있다. 이 경우, 서버(10)는 사용자 단말(20)로부터 의류 상품 코드 정보를 획득하면, 구축되어 있는 데이터베이스로부터 의류 상품 코드 정보에 대응하는 제조사 및 상품 정보(보유 의류의 종류, 색상, 형태 및 모양(이미지), 소재, 직물 패턴, 가격, 크기 등)를 조회함으로써, 사용자의 보유 의류 정보를 획득할 수 있다. 또한, 서버(10)는 데이터베이스를 구축함에 있어서, 의류 제조사나 판매사로부터 의류 상품 정보를 획득하여 이를 데이터베이스화할 수 있다. 이때, 보유 의류 정보 중 구매일은 보유 의류 정보가 입력된 날짜로 기본 설정될 수 있고, 이후 사용자에 의해 실제 구매한 날짜로 수정될 수 있다.

또 다른 실시예로, 사용자가 의류나 의류 관련 아이템을 온라인 쇼핑몰과 같은 의류 판매사에서 구매한 경우, 사용자 단말(20)은 사용자가 구매한 의류나 의류 관련 아이템에 관한 정보를 해당 의류 판매사로부터 획득하고, 이를 서버(10)로 전송할 수 있다. 예를 들어, 사용자 단말(20)은 사용자가 구매한 의류나 의류 관련 아이템에 관한 이미지 정보를 해당 의류 판매사로부터 획득하여, 이를 서버(10)로 전송할 수 있다. 또는, 사용자 단말(20)은 사용자가 구매한 의류나 의류 관련 아이템에 관한 식별정보(예컨대, 해당 의류 판매사의 식별정보 및 의류 상품에 대한 식별 정보 등)를 획득하고, 이 식별정보를 서버(10)로 전송할 수 있다. 이때 서버(10)는 식별정보를 기초로 해당 의류 판매사로부터 해당 의류나 의류 관련 아이템 정보를 획득할 수도 있다.

상술한 바와 같이, 서버(10)는 다양한 방식으로 사용자 단말(20)을 통해서 사용자가 보유하고 있는 의류의 보유 의류 정보를 획득할 수 있다. 이와 같이 각 사용자로부터 획득된 보유 의류 정보는 빅데이터로서 사용될 수 있다.

일 실시예로, 서버(10)는 각 사용자로부터 사용자의 보유 의류 정보를 수집하고 이를 용도에 따라 분석하고 가공하여 사용하기 위해서, 빅데이터 파이프라인을 구축할 수도 있다. 또한, 서버(10)는 각 사용자로부터 수집된 사용자의 보유 의류 정보를 용도에 따라 분석하고 활용하기 위해서, 인공지능 기술, 예컨대 머신러닝, 딥러닝 등을 이용할 수 있다. 이때, 서버(10)는 각 사용자로부터 수집된 사용자의 보유 의류 정보를 학습데이터로 사용하여 학습을 수행하고 학습모델을 구축할 수도 있다. 이와 같이 사용자의 보유 의류 정보를 빅데이터로서 활용하거나 학습데이터로서 활용함에 있어서, 본 발명의 일 실시예에 따른 시스템(1)은 서버(10) 이외에 별도의 서버를 구성하여 이용할 수도 있다.

이와 같이, 각 사용자로부터 획득된 보유 의류 정보를 빅데이터로서 활용하여, 서버(10)는 개인 맞춤 추천 서비스를 이용하는 사용자들에게 각각의 상황, 보유 의류, 선호, 취향 등에 맞는 코디를 추천하는 맞춤 서비스를 제공할 수 있다.

서버(10)는 단계 S110에서 획득된 상기 보유 의류 정보에 기초하여 사용자의 보유 의류에 대한 사용 정보를 추출할 수 있다(S120).

여기서, 사용 정보는 상기 보유 의류의 착용 횟수 및 구매일을 포함할 수 있다. 즉, 서버(10)는 상기 보유 의류 정보 중에서 착용 횟수와 구매일을 사용 정보로 활용할 수 있다.

실시예에 따라, 서버(10)는 일정 주기(예컨대, 매일, 매주, 매월 등)마다 사용자들의 사용자 단말(20)로부터 보유 의류 정보를 획득하고, 이를 기반으로 일정 주기마다 획득된 사용자의 보유 의류 정보를 반영하여, 사용자의 보유 의류 정보에 대한 사용 정보를 갱신할 수 있다.

서버(10)는 단계 S120에서 추출된 상기 사용 정보에 기초하여 상기 보유 의류 중 구매 필요 상품을 추출할 수 있다(S130).

구체적으로, 서버(10)는 사용자의 보유 의류 중에서 상기 착용 횟수가 미리 설정된 기준 횟수 이상이고, 상기 구매일과 현재 날짜 사이의 기간(즉, 구매일로부터 경과된 기간)이 미리 설정된 기준 기간 이상인 보유 의류를 구매 필요 상품으로 추출할 수 있다.

기준 횟수가 100회이고, 기준 기간이 5년인 경우를 예로 들면, 보유 의류 A의 착용 횟수가 20회, 구매일로부터 경과된 기간이 3년이고, 보유 의류 B의 착용 횟수가 10회, 구매일로부터 경과된 기간이 1년이고, 보유 의류 C의 착용 횟수가 120회이고, 기준 기간이 5년인 경우, 서버(10)는 보유 의류 C를 구매 필요 상품으로 추출할 수 있다.

실시예에 따라, 서버(10)는 구매일로부터 경과된 기간이 상기 기준 기간을 넘지 않아도 착용 횟수가 미리 설정된 최대 횟수 이상이면, 해당 보유 의류를 구매 필요 상품으로 추출할 수 있다. 예를 들어, 사용자가 보유 의류 A를 구매한지 5년이 되지 않았음에도 착용 횟수가 최대 횟수, 예를 들어 200회를 넘었다면, 서버(10)는 보유 의류 A를 구매 필요 상품으로 추출할 수 있다.

실시예에 따라, 서버(10)는 착용 횟수가 기준 횟수를 넘지 않아도 구매일로부터 경과된 기간이가 미리 설정된 최대 기간 이상이면, 해당 보유 의류를 구매 필요 상품으로 추출할 수 있다. 예를 들어, 사용자가 보유 의류 A를 착용한 횟수가 100회를 넘지 않음에도 구매한지가 최대 기간, 예를 들어 8년을 넘었다면, 서버(10)는 보유 의류 A를 구매 필요 상품으로 추출할 수 있다.

이렇게 서버(10)는 사용자의 보유 의류 중에서 착용 횟수 또는 구매일에 기초하여 재구매가 필요한 것으로 판단되는 의류를 구매 필요 상품으로 추출하여 사용자에게 제시함으로써 사용자에게 개인 맞춤 추천 서비스를 제공할 수 있다.

한편, 서버(10)는 사용 정보에 기초하여 상기 보유 의류 중에서 폐기 필요 상품을 추출하여 사용자에게 제시할 수 있다.

구체적으로, 서버(10)는 상기 구매일로부터 경과된 기간이 상기 최대 기간 이상이고 착용 횟수가 미리 설정된 최소 횟수 이하이면 해당 보유 의류를 폐기 필요 상품으로 추출하여 사용자에게 제시할 수 있다. 예를 들어, 사용자가 보유 의류 A를 구매한지가 최대 기간, 예를 들어 8년이 넘었는데도 착용한 횟수가 최소 횟수, 예를 들어 10회를 넘지 않았다면, 서버(10)는 보유 의류 A를 폐기 필요 상품으로 추출할 수 있다. 이에 따라, 사용자는 자신의 취향에 맞지 않는(자주 입지 않는) 보유 의류를 처분할 수 있다.

상기에서는 서버(10)가 하나의 구매 필요 상품과 폐기 필요 상품을 추출하는 것으로 설명하였지만, 이에 제한되지 않고 구매 필요 상품과 폐기 필요 상품은 복수개가 추출될 수도 있다.

서버(10)는 단계 S130에서 추출된 상기 구매 필요 상품에 대한 적어도 하나의 제1 오프라인 매장을 검색할 수 있다(S140).

실시예에 따라, 서버(10)는 상기 사용자의 현재 위치와의 거리에 기초하여, 상기 적어도 하나의 제1 오프라인 매장을 사용자와의 거리가 가까운 순서에 따라 정렬할 수 있다.

이때, 서버(10)는 상기 개인 맞춤 추천 서비스와 연계된 수많은 오프라인 매장 중에서 상기 구매 필요 상품을 보유한 오프라인 매장을 제1 오프라인 매장으로 추출할 수 있다. 즉, 서버(10)는 상기 구매 필요 상품을 보유하지 않은 오프라인 매장은 제1 오프라인 매장으로 추출하지 않는다.

이렇게 추출된 제1 오프라인 매장은 각각 사용자의 위치로부터 거리가 가까운 순서대로 정렬되어 검색되게 된다.

예를 들어, 제1 오프라인 매장 A, B, C는 모두 상기 구매 필요 상품 A를 보유하고 있는데, 제1 오프라인 매장 A는 사용자의 위치와의 거리가 1km이고, 제1 오프라인 매장 B는 사용자의 위치와의 거리가 5km이고, 제1 오프라인 매장 C는 사용자의 위차와의 거리가 0.8km라면, 서버(10)는 산출된 거리가 가장 짧은 순서대로, 즉 제1 오프라인 매장 C, A, B의 순서로 정렬할 수 있다.

실시예에 따라, 단계 S130에서 서버(10)가 복수의 구매 필요 상품을 추출한 경우, 서버(10)는 상기 사용자의 현재 위치와의 거리에 기초하여, 상기 적어도 하나의 제1 오프라인 매장을 사용자와의 거리가 가까운 순서에 따라 정렬하고, 상기 복수의 구매 필요 상품에 각각에 대한 재고 정보에 기초하여, 상기 사용자와의 거리가 가까운 순서에 따라 정렬된 상기 적어도 하나의 제1 오프라인 매장을 상기 복수의 구매 필요 상품 중 재고가 있는 구매 필요 상품의 개수가 많은 순서에 따라 재정렬할 수 있다.

이때, 서버(10)는 상기 개인 맞춤 추천 서비스와 연계된 수많은 오프라인 매장 중에서 상기 복수의 구매 필요 상품 중 적어도 하나의 구매 필요 상품을 보유한 오프라인 매장을 제1 오프라인 매장으로 추출할 수 있다. 즉, 서버(10)는 상기 복수의 구매 필요 상품을 아무것도 보유하지 않은 오프라인 매장은 제1 오프라인 매장으로 추출하지 않는다.

이렇게 추출된 제1 오프라인 매장은 각각 사용자의 위치로부터 거리가 가까운 순서대로 정렬되어 검색되게 된다. 구체적으로, 산출되는 사용자의 위치와의 거리가 가까운 순서대로 점수가 부여되고, 점수가 높은 순서대로 정렬될 수 있다.

예를 들어, 제1 오프라인 매장 A, B, C는 모두 상기 복수의 구매 필요 상품 중 적어도 하나를 보유하고 있는데, 제1 오프라인 매장 A는 사용자의 위치와의 거리가 1km이고, 제1 오프라인 매장 B는 사용자의 위치와의 거리가 5km이고, 제1 오프라인 매장 C는 사용자의 위차와의 거리가 0.8km라면, 서버(10)는 산출된 거리가 가장 짧은 제1 오프라인 매장 C에 3점을 부여하고, 산출된 거리가 두번째로 짧은 제1 오프라인 매장 A에 2점을 부여하고, 산출된 거리가 가장 먼 제1 오프라인 매장 B에 1점을 부여하여, 부여된 점수가 높은 제1 오프라인 매장 C, A, B의 순서로 정렬할 수 있다.

그리고 이렇게 거리를 기준으로 정렬된 3개의 제1 오프라인 매장은 상기 복수의 구매 필요 상품 중에서 재고가 있는 구매 필요 상품의 개수가 많은 순서에 따라 재정렬되게 된다. 구체적으로, 제1 오프라인 매장 A, B, C 각각에 부여된 점수에 상기 재고가 있는 구매 필요 상품의 개수에 따른 가중치를 부여하여 최종 점수를 산출하고, 산출된 최종 점수가 높은 순서대로 재정렬될 수 있다.

즉, 구매 필요 상품이 5개(A, B, C, D, E) 추출된 경우, 제1 오프라인 매장 A는 5개의 구매 필요 상품 중에서 구매 필요 상품 A, B, C, D, E에 대한 재고를 전부 보유하고 있고, 제1 오프라인 매장 B는 5개의 구매 필요 상품 중에서 구매 필요 상품 A, B, C에 대한 재고를 보유하고 있고, 제1 오프라인 매장 C는 구매 필요 상품 A에 대한 재고만을 보유하고 있다면, 제1 오프라인 매장 A, B, C 각각의 재고가 있는 구매 필요 상품의 개수는 5개, 3개, 1개이므로, 이에 기초하여 가중치가 부여될 수 있다.

예를 들어, 제1 오프라인 매장 A는 사용자의 위치와의 거리가 1km이고, 제1 오프라인 매장 B는 사용자의 위치와의 거리가 5km이고, 제1 오프라인 매장 C는 사용자의 위차와의 거리가 0.8km임에 따라 제1 오프라인 매장 C, A, B의 순서로 정렬되었고 제1 오프라인 매장 C, A, B 각각에 3점, 2점, 1점이 부여된 경우, 제1 오프라인 매장 A는 상기 재고가 있는 구매 필요 상품의 개수가 5개이고, 제1 오프라인 매장 B는 상기 재고가 있는 구매 필요 상품의 개수가 3개이고, 제1 오프라인 매장 C는 상기 재고가 있는 구매 필요 상품의 개수가 1개이므로, 상기 재고가 있는 구매 필요 상품의 개수가 가장 많은 제1 오프라인 매장 A에 가중치가 3점 부여되고, 상기 재고가 있는 구매 필요 상품의 개수가 두번째로 많은 제1 오프라인 매장 B에 가중치 2점이 부여되고, 상기 재고가 있는 구매 필요 상품의 개수가 가장 적은 제1 오프라인 매장 C에는 가중치가 1점 부여될 수 있다. 이에 따라, 제1 오프라인 매장 A, B, C의 산출된 최종 점수가 각각 6점, 2점, 3점이므로, 상기 C, A, B의 순서에서 A, C, B의 순서로 재정렬될 수 있다.

이때, 산출된 최종 점수가 동일한 제1 오프라인 매장에 대해서는, 사용자의 위치와의 거리가 더 짧은 제1 오프라인 매장을 우선순위로 결정할 수 있다.

실시예에 따라, 서버(10)는 제1 오프라인 매장 검색 시, 매장 영업 시간을 더 고려할 수도 있다. 구체적으로, 현재 시간을 기준으로 영업 시간이 많이 남은 순서대로 제1 오프라인 매장을 정렬할 수도 있다.

서버(10)는 단계 S130에서 검색된 결과(제1 검색 결과)를 상기 사용자 단말(20)로 제공할 수 있다(S150).

사용자는 사용자 단말(20)을 통해 구매 필요 상품과, 구매 필요 상품을 구매할 수 있는 제1 오프라인 매장을 확인하여, 자신의 위치에서 가까운 곳에 위치한 매장을 찾아가 상품을 구매할 수 있다. 이를 통해, 사용자는 오프라인 쇼핑을 통해 직접 가치는 경험하면서, 구매 필요 상품에 대한 추천을 통해 상품을 따로 탐색할 필요 없이 바로 구매하면 되므로 보다 효율적으로 오프라인 쇼핑을 할 수 있다.

한편, 본 발명은 상기 검색된 제1 오프라인 매장 중 상기 사용자 단말(20)에 의해 선택된 제1 오프라인 매장의 상기 구매 필요 상품의 진열 정보를 상기 사용자 단말(20)로 제공하는 단계를 더 포함할 수 있다.

구체적으로, 서버(10)는 검색된 제1 오프라인 매장 중에서 사용자 단말(20)로부터 특정 제1 오프라인 매장을 선택받아, 선택된 특정 제1 오프라인 매장에서 상기 구매 필요 상품이 진열된 위치 정보를 사용자 단말(20)로 제공하여, 사용자가 제1 오프라인 매장에 방문하여 바로 구매 필요 상품을 찾을 수 있도록 할 수 있다.

이때, 상기 진열 정보는 서버(10)가 제1 오프라인 매장 단말(30)로부터 미리 제공받을 수 있다.

또한, 본 발명은 상기 검색된 제1 오프라인 매장 중 상기 사용자 단말(20)에 의해 선택된 제1 오프라인 매장에 대한 방문 예정 시간을 상기 사용자 단말(20)로부터 입력받는 단계를 더 포함할 수 있다.

구체적으로, 구매 필요 상품의 오프라인 구입을 위해 제1 오프라인 매장을 추천받은 사용자는 제1 오프라인 매장의 방문 예정 시간을 설정하여, 매장 방문 시 구입 예정인 상품을 바로 수령할 수 있다. 예를 들어, 본 발명의 개인 맞춤 추천 서비스에 연계된 제1 오프라인 매장은 사용자의 방문 예약에 따라 상품 포장을 미리 한 후 드라이브 스루(Drive Through) 방식으로 상품을 전달할 수 있다. 이를 위해, 사용자는 서비스플랫폼에서 구매 필요 상품에 대한 결제를 미리 수행할 수 있다.

실시예에 따라, 서버(10)는 사용자에게 입고 알람 서비스를 제공할 수 있다. 서버(10)에 의해 검색된 제1 오프라인 매장이 아닌, 사용자가 원하는 오프라인 매장에 상기 구매 필요 상품의 재고가 없는 경우, 사용자는 구매 필요 상품에 대한 입고 알람 서비스를 신청할 수 있다. 이후, 해당 오프라인 매장에 구매 필요 상품이 입고되면, 사용자 단말(20)로 메시지 등의 형태로 입고 알람이 제공되고, 이때 사용자는 사용자 단말(20)을 통해 해당 오프라인 매장에 대한 방문 예정 시간을 입력하면 매장 방문 시 구입 예정인 구매 필요 상품을 바로 수령할 수 있게 된다.

도 3을 참조하면, 본 발명의 일 실시예에 따른 서버(10)가 수행하는 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법은, 상기 보유 의류 정보에 기초하여, 상기 보유 의류에 대한 특성 정보를 분석하는 단계(S210), 상기 분석 결과에 기초하여 사용자간 유사 정도를 나타내는 다차원 공간 상에 상기 사용자를 특정하는 단계(S220), 상기 다차원 공간 상에서 상기 사용자와 인접한 공간에 위치한 사용자 그룹 내 보유 의류 정보를 기초로, 상기 구매 필요 상품과 어울리는 상품(이하, 추천 상품)을 추천하는 단계(S230), 상기 추천 상품에 대한 적어도 하나의 제2 오프라인 매장을 검색하는 단계(S240) 및 제2 검색 결과를 상기 사용자 단말로 제공하는 단계(S250)를 더 포함할 수 있다. 이하, 각 단계에 대한 상세한 설명을 기재한다.

서버(10)는 단계 S110에서 획득된 사용자의 상기 보유 의류 정보에 기초하여, 상기 보유 의류에 대한 특성 정보를 분석할 수 있다(S210).

구체적으로, 도 4를 참조하면, 서버(10)는 상기 보유 의류 정보로부터 의류의 속성을 나타내는 적어도 하나의 의류 팩터를 추출하고(S212), 상기 적어도 하나의 의류 팩터를 기반으로 상기 보유 의류 정보에 대한 특성 정보를 분석하여, 상기 사용자의 특성값을 산출할 수 있다(S214).

여기서, 의류 팩터는, 의류 또는 의류와 관련된 의류 아이템의 속성을 나타내는 정보를 의미할 수 있다. 예컨대 보유 의류의 종류, 색상, 형태 및 모양(이미지), 소재, 직물 패턴, 가격, 크기, 브랜드명 등을 의류 팩터로 이용할 수 있다.

일 실시예로, 서버(10)는 사용자의 보유 의류 정보로부터 의류 속성을 나타내는 적어도 하나의 의류 팩터를 추출할 수 있다. 그리고, 서버(10)는 추출된 적어도 하나의 의류 팩터를 기반으로 사용자의 보유 의류 정보에 대한 특성 정보를 분석하고, 사용자의 특성값을 산출할 수 있다.

예를 들어, 서버(10)가 사용자가 보유한 보유 의류 A로부터 옷의 종류, 색상, 형태 및 모양(이미지), 소재를 의류 팩터로 추출하고, 사용자가 보유한 보유 의류 B로부터 옷의 종류, 색상, 형태 및 모양(이미지), 가격, 브랜드명을 의류 팩터로 추출한 경우, 보유 의류 A에 대한 4개의 의류 팩터와 보유 의류 B에 대한 5개의 의류 팩터를 기초로 사용자가 보유하고 있는 보유 의류들에 대한 특성 정보를 분석하여 이에 대한 특성값을 산출할 수 있다.

여기서, 특성 정보는 각 사용자가 보유하고 있는 전체 보유 의류들을 분석함으로써 파악할 수 있는 정보로서, 의류에 대한 취향 정보, 의류에 대한 선호 스타일, 어떤 종류의 의류나 의류 아이템을 좋아하는지 등을 나타내는 선호도 정보 등을 대표할 수 있는 정보일 수 있다.

또한, 특성값은 사용자의 보유 의류에 대한 특성 정보를 대표하는 하나의 값으로 표현될 수도 있고, 하나의 값이 아닌 벡터나 매트릭스 형태의 다차원 값으로 표현될 수도 있다. 만일, 특성값이 의류 팩터에 기초하여 다차원 값으로 표현되는 경우, 각 사용자들에 대한 다차원의 특성값이 모여, 높은 차수의 다차원 공간에 배치될 수 있다. 다차원 공간에 대해서는 후술하도록 한다.

즉, 서버(10)는 각 사용자로부터 사용자의 보유 의류 정보를 획득하여 특성 정보를 분석함으로써, 각 사용자의 취향 및 선호 스타일 등을 파악할 수 있다.

본 발명에서는 실시예에 따라 사용자의 보유 의류 정보에 대한 특성 정보를 분석함에 있어서, 서버(100가 소셜 데이터를 이용할 수 있다.

서버(10)는 사용자 단말(20)를 통해 소셜 데이터를 획득할 수 있다. 이때, 소셜 데이터는 소셜 미디어(예컨대, 소셜네트워크서비스(SNS), 블로그, 트위터 등) 및 사용자들로부터 획득될 수 있는 다양한 정보를 포함할 수 있다.

예컨대, 사용자가 소셜 미디어를 통해 게시한 게시물, 타인의 게시물에 대한 댓글, 반응정보(예컨대, 좋아요 클릭 정보 등) 등을 소셜 데이터로 획득할 수 있다. 또한, 사용자와 연관 있는 다른 사용자들(예컨대, 사용자의 지인들)이 소셜 미디어를 통해 게시한 게시물, 타인의 게시물에 대한 댓글, 반응정보(예컨대, 좋아요 클릭 정보 등) 등을 소셜 데이터로 획득할 수 있다. 또한, 소셜 미디어를 통해 게시되는 의류 및 의류 아이템과 관련된 다양한 정보를 소셜 데이터로 획득할 수 있다. 또한, 의류와 직접적인 관련성은 없으나, 간접적으로 영향을 미칠 수 있는 날씨 정보 등을 소셜 데이터로 획득할 수도 있다.

또한, 소셜 데이터는, 각 개별 사용자가 스스로 코디한 결과물에 대한 별점 피드백 데이터 또는 추천 코디에 대한 만족도 별점 데이터를 포함할 수 있다. 일 실시예로, 서버(10)는 사용자와 연계된 소셜 데이터를 획득하고, 획득된 사용자와 연계된 소셜 데이터를 반영하여 사용자의 보유 의류 정보에 대한 특성 정보를 분석할 수 있다.

즉, 서버(10)는 단계 S110에서 획득된 사용자의 보유 의류 정보와 함께 상기 소셜 데이터를 데이터 마이닝(data mining)하여, 사용자의 보유 의류 정보에 대한 특성 정보를 분석할 수 있다.

이와 같이 사용자 자신이 보유한 의류 정보뿐만 아니라 사용자와 연계된 소셜 데이터를 이용함으로써, 사용자의 취향을 보다 정밀하게 분석할 수 있다. 또한, 다양한 소셜 데이터를 마이닝함으로써 최신 트렌드를 반영한 사용자의 취향을 고려할 수 있다.

서버(10)는 단계 S210에서 분석된 결과에 기초하여 사용자간 유사 정도를 나타내는 다차원 공간 상에 상기 사용자를 특정할 수 있다(S220).

구체적으로, 도 5를 참조하면, 서버(10)는 상기 다차원 공간 상에서 상기 특성값에 대응하는 좌표정보를 획득하고(S222), 상기 획득된 좌표정보에 상기 사용자를 특정할 수 있다(S224).

여기서, 다차원 공간은, 사용자간 유사정도를 나타내기 위한 공간으로서, 각 사용자의 특성 정보를 바탕으로 서로 유사한 특성 정보를 가지고 있는 사용자들을 동일하거나 유사한 공간에 맵핑하여 나타낼 수 있는 다차원 좌표 공간을 의미할 수 있다.

일 실시예로, 서버(10)는 다차원 공간 상에서 사용자의 특성 정보(즉, 특성값)에 대응하는 좌표정보를 획득할 수 있고, 획득된 좌표정보에 사용자를 맵핑할 수 있다.

도 6을 참조하면, 서버(10)는 각 사용자의 보유 의류 정보를 기초로 분석된 특성 정보를 이용하여, 각 사용자를 다차원 공간(300, 400) 상의 특정한 위치로 각각 맵핑할 수 있다. 도 6의 다차원 공간(300, 400) 상에 도시된 각 점이 다차원 공간(300, 400) 상의 특정한 위치로 맵핑된 각 사용자를 나타내는 것이다.

이때, 서버(10)는 다차원 공간(300, 400) 상의 특정한 위치로 맵핑된 각 사용자 간의 유사정도(즉, 취향, 선호 스타일 등의 특성 정보)를 기초로 적어도 하나의 사용자 그룹(310, 410)을 생성할 수 있다.

일 실시예로, 서버(10)는 적어도 하나의 사용자 단말(20)로부터 획득된 적어도 하나의 사용자에 대한 보유 의류 정보를 기초로, 적어도 하나의 사용자 각각에 대한 특성 정보를 분석할 수 있다. 서버(10)는 적어도 하나의 사용자 각각에 대한 특성 정보에 대응하는 다차원 공간(300, 400) 상에서의 좌표정보를 각각 산출하고, 각각 산출된 좌표정보에 각 사용자를 맵핑할 수 있다. 서버(10)는 다차원 공간(300, 400) 상에 맵핑된 적어도 하나의 사용자 각각의 특성 정보를 기초로, 서로 유사한 특성 정보를 나타내는 사용자들을 그룹화하여 적어도 하나의 사용자 그룹(310, 410)을 생성할 수 있다.

즉, 동일한 사용자 그룹(310, 410) 내에 있는 사용자들은 서로 동일하거나 유사한 특성 정보(예컨대, 취향, 선호 스타일 등)을 가지는 것으로 이해될 수 있다. 예컨대, 동일한 사용자 그룹(310, 410) 내에 있는 사용자들은 서로 동일하거나 유사한 의류나 의류 아이템을 보유하고 있을 수 있다.

다차원 공간 상에서 사용자 그룹을 생성함에 있어서, 서버(10)는 클러스터링(clustering), 협업 필터링(collaborative filtering) 등의 인공지능(즉, 데이터 학습 기반의 머신러닝, 딥러닝 등) 기술을 적용하여 서로 유사한 특성을 가지는 사용자들을 그룹핑할 수 있다.

또한, 다차원 공간 상에서 사용자 그룹을 생성함에 있어서, 서버(10)는 매개변수 모델 기반(Parametric Model-based) 형태로 다차원 공간(300) 상에 사용자들을 맵핑시킬 수도 있고, 그래프 기반(Graph-based) 형태로 다차원 공간(400) 상에 사용자들을 맵핑시킬 수도 있다.

상기 매개변수 모델 기반 형태나 그래프 기반 형태는 하나의 예로서 언급된 것일 뿐이며, 본 발명의 실시예에서는 상기 예시된 형태에 국한되지 않으며 다양한 형태로 맵핑되거나 구성될 수 있다.

도 6에 도시된 바와 같이, 서버(10)는 다수의 사용자들을 대상으로 서로 동일하거나 유사한 특성 정보를 갖는 사용자들을 그룹화하여 분류한 다차원 공간을 미리 구축하여 둘 수 있다. 이후, 서버(10)는 새로운 사용자로부터 보유 의류 정보를 획득하거나, 기존 사용자로부터 새로운 보유 의류 정보를 획득하면, 이에 대한 특성 정보를 분석하여 미리 구축된 다차원 공간 상의 특정한 위치로 해당 사용자를 맵핑시킨 다음, 맵핑된 위치를 기초로 해당 사용자를 다차원 공간 내 동일하거나 유사한 특성 정보를 가지는 사용자 그룹으로 그룹화할 수 있다.

일 실시예로, 서버(10)는 기존 사용자의 사용자 단말(20)로부터 새로운 보유 의류 정보를 획득한 경우, 기존 보유 의류 정보와 함께 새로운 보유 의류 정보를 반영하여 해당 사용자의 보유 의류 정보에 대한 특성 정보를 갱신할 수 있다. 이 경우, 서버(10)는 갱신된 특성 정보를 기초로, 다차원 공간 상에서 갱신된 특성 정보에 대응하는 좌표정보를 산출하고, 산출된 좌표정보로 해당 사용자의 위치를 변경할 수 있다. 이때, 다차원 공간 상에서 사용자의 위치가 변경됨에 따라 기존의 사용자 그룹이 아닌 다른 사용자 그룹으로 그룹화될 수도 있다. 이와 같은 경우, 사용자의 특성(즉, 취향이나 선호 스타일 등)이 변경된 것임을 유추할 수 있다.

또한, 서버(10)는 일정 주기(예컨대, 매일, 매주, 매월 등)마다 사용자들의 사용자 단말(20)로부터 보유 의류 정보를 획득하고, 이를 기반으로 일정 주기마다 획득된 사용자의 보유 의류 정보를 반영하여, 사용자의 보유 의류 정보에 대한 특성 정보를 갱신할 수 있다. 그리고, 서버(10)는 일정 주기마다 갱신된 특성 정보를 기초로, 다차원 공간 상에 사용자의 위치를 변경하여, 주기적으로 패션 취향 변화를 반영할 수 있다.

서버(10)는 단계 S220에서 사용자를 다차원 공간 상에 특정한 결과에 기초하여 다차원 공간 상에서 상기 사용자와 인접한 공간에 위치한 사용자 그룹 내 보유 의류 정보를 기초로, 상기 구매 필요 상품과 어울리는 상품(이하, 추천 상품)을 추천할 수 있다(S230).

일 실시예로, 서버(10)는 다차원 공간 상에서 생성된 적어도 하나의 사용자 그룹 중 사용자와 인접한 공간에 위치한 사용자 그룹을 검출하고, 검출된 사용자 그룹 내 사용자들의 보유 의류 정보를 기초로, 상기 구매 필요 상품과 유사한 의류를 추출하고, 상기 검출된 사용자 그룹 내 사용자들이 상기 추출된 유사한 의류와 함께 코디했던 의류를 획득할 수 있다. 그리고, 서버(10)는 상기 획득된 의류를 상기 추천 상품으로 선별하여 사용자에게 추천할 수 있다.

다른 실시예로, 서버(10)는 다차원 공간 상에서 생성된 적어도 하나의 사용자 그룹 중 사용자와 인접한 공간에 위치한 사용자 그룹을 검출하고, 검출된 사용자 그룹 내 사용자들의 보유 의류 정보를 기초로, 상기 구매 필요 상품과 유사한 의류를 추출하고, 상기 검출된 사용자 그룹 내 사용자들이 부여한 상기 추출된 유사한 의류와 함께 매칭된 코디에 대한 별점 피드백 데이터 또는 만족도 별점 데이터에 기초하여, 별점이 높은 코디에서 상기 추출된 유사한 의류와 함께 코디되었던 의류를 획득할 수 있다. 그리고, 서버(10)는 상기 획득된 의류를 상기 추천 상품으로 선별하여 사용자에게 추천할 수 있다.

이때, 검출된 사용자 그룹은 사용자와 동일한 사용자 그룹일 수도 있고, 또는 사용자의 그룹과 인접하고 있는 인접 사용자 그룹일 수도 있다.

다차원 공간 상에서 생성된 각 사용자 그룹은 서로 동일하거나 유사한 특성 정보를 가진 사용자들로 이루어진 그룹이다. 따라서, 동일한 사용자 그룹 또는 서로 인접하고 있는 사용자 그룹들 내의 사용자들은 동일하거나 유사한 의류나 의류 아이템을 보유하고 있을 확률이 높다. 따라서, 서버(10)는 다차원 공간 상에서 해당 사용자와 인접한 거리에 있는 다른 사용자들이 보유하고 있는 의류를 이용하여, 사용자가 현재 구매가 필요한 상품과 어울리는 의류(코디)를 추천할 확률이 높아질 수 있다.

상기에서는 서버(10)가 하나의 추천 상품을 추천하는 것으로 설명하였지만, 이에 제한되지 않고 추천 상품은 복수개가 추천될 수도 있다.

서버(10)는 단계 S230에서 추천된 상기 추천 상품에 대한 적어도 하나의 제2 오프라인 매장을 검색할 수 있다(S240).

실시예에 따라, 서버(10)는 상기 제1 오프라인 매장과의 거리에 기초하여, 상기 적어도 하나의 제2 오프라인 매장을 제1 오프라인 매장과의 거리가 가까운 순서에 따라 정렬할 수 있다.

이때, 서버(10)는 상기 개인 맞춤 추천 서비스와 연계된 수많은 오프라인 매장 중에서 상기 추천 상품을 보유한 오프라인 매장을 제2 오프라인 매장으로 추출할 수 있다. 즉, 서버(10)는 상기 추천 상품을 보유하지 않은 오프라인 매장은 제2 오프라인 매장으로 추출하지 않는다.

이렇게 추출된 제2 오프라인 매장은 각각 상기 선택된 제1 오프라인 매장의 위치로부터 거리가 가까운 순서대로 정렬되어 검색되게 된다.

예를 들어, 제2 오프라인 매장 A, B, C는 모두 상기 추천 상품 A를 보유하고 있는데, 제2 오프라인 매장 A는 제1 오프라인 매장의 위치와의 거리가 0.5km이고, 제2 오프라인 매장 B는 제1 오프라인 매장의 위치와의 거리가 2km이고, 제2 오프라인 매장 C는 제1 오프라인 매장의 위치와의 거리가 5km라면, 서버(10)는 산출된 거리가 가장 짧은 순서대로, 즉 제2 오프라인 매장 A, B, C의 순서로 정렬할 수 있다.

실시예에 따라, 단계 S230에서 서버(10)가 복수의 추천 상품을 추천한 경우, 서버(10)는 상기 제1 오프라인 매장과의 거리에 기초하여, 상기 적어도 하나의 제2 오프라인 매장을 제1 오프라인 매장과의 거리가 가까운 순서에 따라 정렬하고, 상기 복수의 추천 상품 각각에 대한 재고 정보에 기초하여, 상기 제1 오프라인 매장과의 거리가 가까운 순서에 따라 정렬된 상기 적어도 하나의 제2 오프라인 매장을 상기 복수의 추천 상품 중 재고가 있는 추천 상품의 개수가 많은 순서에 따라 재정렬할 수 있다.

이때, 서버(10)는 상기 개인 맞춤 추천 서비스와 연계된 수많은 오프라인 매장 중에서 상기 복수의 추천 상품 중 적어도 하나의 추천 상품을 보유한 오프라인 매장을 제2 오프라인 매장으로 추출할 수 있다. 즉, 서버(10)는 상기 복수의 추천 상품을 아무것도 보유하지 않은 오프라인 매장은 제2 오프라인 매장으로 추출하지 않는다.

이렇게 추출된 제2 오프라인 매장은 각각 사용자에 의해 선택된 제1 오프라인 매장의 위치로부터 거리가 가까운 순서대로 정렬되어 검색되게 된다. 구체적으로, 산출되는 제1 오프라인 매장의 위치와의 거리가 가까운 순서대로 점수가 부여되고, 점수가 높은 순서대로 정렬될 수 있다.

예를 들어, 제2 오프라인 매장 A, B, C는 모두 상기 복수의 추천 상품 중 적어도 하나를 보유하고 있는데, 제2 오프라인 매장 A는 제1 오프라인 매장의 위치와의 거리가 0.5km이고, 제2 오프라인 매장 B는 제1 오프라인 매장의 위치와의 거리가 2km이고, 제2 오프라인 매장 C는 제1 오프라인 매장의 위치와의 거리가 5km라면, 서버(10)는 산출된 거리가 가장 짧은 제2 오프라인 매장 A에 3점을 부여하고, 산출된 거리가 두번째로 짭은 제2 오프라인 매장 B에 2점을 부여하고, 산출된 거리가 가장 먼 제2 오프라인 매장 C에 1점을 부여하여, 부여된 점수가 높은 제2 오프라인 매장 A, B, C의 순서로 정렬할 수 있다.

그리고 이렇게 거리를 기준으로 정렬된 3개의 제2 오프라인 매장은 상기 복수의 추천 상품 중에서 재고가 있는 추천 상품의 개수가 많은 순서에 따라 재정렬되게 된다. 구체적으로, 제2 오프라인 매장 A, B, C 각각에 부여된 점수에 상기 재고가 있는 추천 상품의 개수에 따른 가중치를 부여하여 최종 점수를 산출하고, 산출된 최종 점수가 높은 순서로 재정렬될 수 있다.

즉, 추천 상품이 5개(A, B, C, D, E) 추천된 경우, 제2 오프라인 매장 A는 5개의 추천 상품 중에서 추천 상품 A에 대한 재고만을 보유하고 있고, 제2 오프라인 매장 B는 5개의 추천 상품 중에서 추천 상품 A, B, C, D, E에 대한 재고를 전부 보유하고 있고, 제2 오프라인 매장 C는 5개의 추천 상품 중에서 추천 상품 A, B, C에 대한 재고를 보유하고 있다면, 제2 오프라인 매장 A, B, C 각각의 재고가 있는 추천 상품의 개수는 1개, 5개, 3개이므로, 이에 기초하여 가중치가 부여될 수 있다.

예를 들어, 제2 오프라인 매장 A는 제1 오프라인 매장의 위치와의 거리가 0.5km이고, 제2 오프라인 매장 B는 제1 오프라인 매장의 위치와의 거리가 2km이고, 제2 오프라인 매장 C는 제1 오프라인 매장의 위치와의 거리가 5km임에 따라 제2 오프라인 매장 A, B, C의 순서로 정렬되었고 제2 오프라인 매장 A, B, C 각각에 3점, 2점, 1점이 부여된 경우, 제2 오프라인 매장 A는 상기 재고가 있는 추천 상품의 개수가 1개이고, 제2 오프라인 매장 B는 상기 재고가 있는 추천 상품의 개수가 5개이고, 제2 오프라인 매장 C는 상기 재고가 있는 추천 상품의 개수가 3개라면, 상기 재고가 있는 추천 상품의 개수가 가장 많은 제2 오프라인 매장 B에 가중치가 3점 부여되고, 상기 재고가 있는 추천 상품의 개수가 두번째로 많은 제2 오프라인 매장 C에 가중치 2점이 부여되고, 상기 재고가 있는 추천 상품의 개수가 가장 적은 제2 오프라인 매장 A에는 가중치가 1점 부여될 수 있다. 이에 따라, 제2 오프라인 매장 A, B, C의 산출된 최종 점수가 각각 3점, 6점, 2점이므로, 상기 A, B, C의 순서에서 B, A, C의 순서로 재정렬될 수 있다.

이때, 산출된 최종 점수가 동일한 제2 오프라인 매장에 대해서는, 제1 오프라인 매장의 위치와의 거리가 더 짧은 제2 오프라인 매장을 우선순위로 결정할 수 있다.

실시예에 따라, 서버(10)는 제2 오프라인 매장 검색 시, 매장 영업 시간을 더 고려할 수도 있다. 구체적으로, 현재 시간을 기준으로 영업 시간이 많이 남은 순서대로 제1 오프라인 매장을 정렬할 수도 있다.

상기에서는, 제2 오프라인 매장 검색 시, 제1 오프라인 매장의 위치와의 거리를 기준으로 정렬되는 것으로 설명하였지만, 실시예에 따라, 제2 오프라인 매장도 제1 오프라인 매장과 마찬가지로 사용자의 현재 위치와의 거리를 기준으로 정렬되어 검색될 수 있다.

서버(10)는 단계 S240에서 검색된 결과(제2 결과)를 상기 사용자 단말로 제공할 수 있다(S250).

사용자는 사용자 단말(20)을 통해 추천 상품과, 추천 상품을 구매할 수 있는 제2 오프라인 매장을 확인하여, 제1 오프라인 매장에서 구매 필요 상품을 구매하고, 제1 오프라인 매장과 가까운 제2 오프라인 매장도 방문하여 추천 상품을 구매할 수 있다. 이를 통해, 사용자는 구매가 필요한 상품을 구매하면서, 해당 상품과 어울리만한 상품(서비스플랫폼에서 개인 맞춤 추천된 코디)을 이동을 최소화하면서 함께 구매할 수 있어 보다 효율적으로 오프라인 쇼핑을 할 수 있다.

본 발명에 따라, 구매 필요 상품 구매를 위한 제1 오프라인 매장과 추천 상품 구매를 위한 제2 오프라인 매장은 상이할 수 있지만, 동일할 수도 있다. 즉, 사용자는 인접한 제1 오프라인 매장과 제2 오프라인 매장에서 각각 구매 필요 상품과 추천 상품을 구매할 수도 있지만, 제1 오프라인 매장과 제2 오프라인 매장이 동일한 경우 하나의 오프라인 매장에서 구매 필요 상품과 추천 상품을 함께 구매할 수도 있다.

한편, 본 발명은 상기 검색된 제2 오프라인 매장 중 상기 사용자 단말(20)에 의해 선택된 제2 오프라인 매장의 상기 추천 상품의 진열 정보를 상기 사용자 단말(20)로 제공하는 단계를 더 포함할 수 있다.

구체적으로, 서버(10)는 검색된 제2 오프라인 매장 중에서 사용자 단말(20)로부터 특정 제2 오프라인 매장을 선택받아, 선택된 특정 제2 오프라인 매장에서 상기 추천 상품이 진열된 위치 정보를 사용자 단말(20)로 제공하여, 사용자가 제2 오프라인 매장에 방문하여 바로 추천 상품을 찾을 수 있도록 할 수 있다.

이때, 상기 진열 정보는 서버(10)가 제2 오프라인 매장 단말(30)로부터 미리 제공받을 수 있다.

또한, 본 발명은 상기 검색된 제2 오프라인 매장 중 상기 사용자 단말(20)에 의해 선택된 제2 오프라인 매장에 대한 방문 예정 시간을 상기 사용자 단말(20)로부터 입력받는 단계를 더 포함할 수 있다.

구체적으로, 추천 상품의 오프라인 구입을 위해 제2 오프라인 매장을 추천받은 사용자는 제2 오프라인 매장의 방문 예정 시간을 설정하여, 매장 방문 시 구입 예정인 상품을 바로 수령할 수 있다. 예를 들어, 본 발명의 개인 맞춤 추천 서비스에 연계된 제2 오프라인 매장은 사용자의 방문 예약에 따라 상품 포장을 미리 한 후 드라이브 스루(Drive Through) 방식으로 상품을 전달할 수 있다. 이를 위해, 사용자는 서비스플랫폼에서 추천 상품에 대한 결제를 미리 수행할 수 있다.

실시예에 따라, 서버(10)는 사용자에게 입고 알람 서비스를 제공할 수 있다. 서버(10)에 의해 검색된 제2 오프라인 매장이 아닌, 사용자가 원하는 오프라인 매장에 상기 추천 상품의 재고가 없는 경우, 사용자는 추천 상품 입고 에 대한 알람 서비스를 신청할 수 있다. 이후, 해당 오프라인 매장에 추천 상품이 입고되면, 사용자 단말(20)로 메시지 등의 형태로 입고 알람이 제공되고, 이때 사용자는 사용자 단말(20)을 통해 해당 오프라인 매장에 대한 방문 예정 시간을 입력하면 매장 방문 시 구입 예정인 추천 상품을 바로 수령할 수 있게 된다.

한편, 본 발명은 상기 사용자의 상기 보유 의류 중 상기 추천 상품과 유사한 보유 의류가 있는지 판단하는 단계 및 유사한 보유 의류가 있는 것으로 판단된 경우, 상기 유사한 보유 의류와 상기 구매 필요 상품과의 코디 점수를 제공하는 단계를 더 포함할 수 있다.

서버(10)는 사용자의 보유 의류 중에서 단계 S230에서 추천된 추천 상품과 유사한 보유 의류가 있는지의 여부를 상기 각 사용자로부터 획득된 보유 의류 정보를 빅데이터로 활용하여 구축된 상기 학습모델을 이용하여 판단할 수 있다.

유사한 보유 의류가 없는 것으로 판단된 경우, 서버(10)는 상술한 바와 같이 추천 상품에 대한 제2 오프라인 매장을 검색하여 사용자 단말(20)로 제공(단계 S240 및 S250)할 수 있다.

반면에, 유사한 보유 의류가 있는 것으로 판단된 경우, 서버(10)는 상기 추천 상품과 유사한 보유 의류를 상기 구매 필요 상품과 매칭한 코디 점수를 사용자 단말(20)로 제공할 수 있다.

이때, 코디 점수는 상기 추천 상품과 상기 구매 필요 상품이 매칭된 코디에 대해 다른 사용자들로부터 입력된 별점 피드백 데이터 또는 만족도 별점 데이터에 기초하여 산출되는 점수일 수 있다.

사용자는 추천 상품과 유사한 자신의 보유 의류와 상기 구매 필요 상품을 매칭한 코디 점수가 높다면 상기 구매 필요 상품에 대한 구매 의사가 커질 수 있고, 이후 구매 필요 상품을 구매한 뒤에, 추천 상품과 유사한 보유 의류와 함께 코디하여 착장해볼 수도 있다.

또한, 본 발명은 상기 사용자 단말로부터 구매 희망 상품의 이미지 정보를 획득하는 단계 및 상기 보유 의류 정보 및 상기 구매 희망 상품의 이미지 정보에 기초하여, 상기 사용자 단말로 코디 추천을 제공하는 단계를 더 포함할 수도 있다.

구체적으로, 사용자가 예정에 없이 오프라인 매장에 방문해서 마음에 드는 의류를 발견한 경우, 해당 의류(구매 희망 상품)를 사용자 단말(20)을 통해 촬영하여 서버(10)로 제공하면, 서버(10)는 사용자의 보유 의류 정보에 기초하여, 사용자의 보유 의류 중 구매 희망 상품과 어울리는 보유 의류를 추출하여 코디 추천 서비스를 제공할 수 있다.

이에 따라, 사용자는 자신이 보유한 의류 중 구매 희망 상품과 어울리는 의류가 있는지를 사전에 파악할 수 있고, 추천된 코디에 따라 구매 희망 상품을 착용함으로써 구매에 대한 만족도가 높아질 수 있다.

또는, 사용자는 오프라인 매장의 직원에게 사용자 단말(20)을 통해 보유 의류 정보(애플리케이션에 등록된 사용자의 보유 의류의 이미지)를 보여주고, 직원으로부터, 해당 매장에서 상기 보유 의류와 어울리는 상품을 추천받아볼 수도 있다.

또는, 사용자는 오프라인 매장의 직원에게 사용자 단말(20)을 통해 서비스플랫폼이 추천해준 코디를 보여주고, 해당 추천 코디에 대한 직원의 의견을 참고하여 추천 코디에 매칭된 상품의 구매를 결정할 수도 있다.

상술한 바에 따라, 본 발명은 오프라인 쇼핑을 통해 직접 경험의 가치를 제공하면서, 상품 구매까지 많은 시간이 소비된다는 오프라인 쇼핑의 페인 포인트(pain point)를 해소하기 위해 구매자의 구매 경험에 대한 다양한 정보를 수집하고 분석함으로써 구매자에게 필요한 상품을 제시 및 추천해주고, 해당 상품을 구매할 수 있는 오프라인 매장 정보까지 함께 제시해줄 수 있다.

또한, 사용자가 오프라인 매장에 방문하여 코디된 옷을 착장해보고 구매하거나, 매장에서 어울리는 옷을 추천 받거나 발견하여 기보유 옷과 어울리는지 코디 점수를 계산해서 미리 적합도를 보고 판단해봄으로써 착장 등의 시간이 많이 걸리는 과정을 최소화하고 오프라인 구매 경험을 향상시켜 소비자의 구매 만족도를 향상시키고 재방문율을 높일 수 있다.

도 2 내지 도 5는 단계 S110 내지 단계 S224을 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 2 내지 도 5에 기재된 순서를 변경하여 실행하거나 는 단계 S110 내지 단계 S224 중 하나 이상의 단계를 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 2 내지 도 5은 시계열적인 순서로 한정되는 것은 아니다.

이상에서 전술한 본 발명의 일 실시예에 따른 방법은, 하드웨어인 서버와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.

도 7은 본 발명에 따른 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법을 수행하는 장치(500)의 구성을 개략적으로 나타내는 도면이다.

도 7을 참조하면, 프로세서(510)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.

일 실시예에 따른 프로세서(510)는 메모리(520)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 도 1 내지 도 6과 관련하여 설명된 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법 을 수행한다.

프로세서(510)는 메모리(520)에 저장된 하나 이상의 인스트럭션을 실행함으로써 사용자 단말로부터 사용자 단말로부터 사용자의 보유 의류와 관련한 보유 의류 정보를 획득하는 단계, 상기 보유 의류 정보에 기초하여 상기 보유 의류에 대한 사용 정보를 추출하는 단계, 상기 사용 정보에 기초하여 상기 보유 의류 중 구매 필요 상품을 추출하는 단계, 상기 구매 필요 상품에 대한 적어도 하나의 제1 오프라인 매장을 검색하는 단계 및 제1 검색 결과를 상기 사용자 단말로 제공하는 단계를 수행할 수 있다.

프로세서(510)는 메모리(520)에 저장된 하나 이상의 인스트럭션을 실행함으로써 상기 보유 의류 정보에 기초하여, 상기 보유 의류에 대한 특성 정보를 분석하는 단계, 상기 분석 결과에 기초하여 사용자간 유사 정도를 나타내는 다차원 공간 상에 상기 사용자를 특정하는 단계, 상기 다차원 공간 상에서 상기 사용자와 인접한 공간에 위치한 사용자 그룹 내 보유 의류 정보를 기초로, 상기 구매 필요 상품과 어울리는 상품(이하, 추천 상품)을 추천하는 단계, 상기 추천 상품에 대한 적어도 하나의 제2 오프라인 매장을 검색하는 단계 및 제2 검색 결과를 상기 사용자 단말로 제공하는 단계를 수행할 수 있다.

한편, 프로세서(510)는 프로세서(510) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(510)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.

메모리(520)에는 프로세서(510)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(520)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.

이상에서 전술한 본 발명의 일 실시예에 따른 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법은, 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.

상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.

상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 측정자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

1: 시스템
10: 서버
20: 사용자 단말
30: 오프라인 매장 단말
40: 통신망
500: 장치
510: 프로세서
520: 메모리

Claims (10)

1. 서버에 의해 수행되는 방법에 있어서,
   사용자 단말로부터 사용자가 구매하길 원하는 의류 또는 사용자가 구매하길 원하는 의류와 관련된 정보를 입력받는 단계;
   상기 사용자의 위치에 기초하여 상기 사용자가 구매하길 원하는 의류를 구매할 수 있는 오프라인 매장의 정보를 상기 사용자 단말로 제공하는 단계;
   상기 사용자 단말로부터 상기 오프라인 매장에 방문 예정 시간을 수신하는 단계; 및
   매장 단말로 상기 방문 예정 시간에 드라이브 스루 방식, 매장 픽업 방식 또는 매장 피팅 방식으로 상기 사용자에게 상기 사용자가 구매하길 원하는 의류를 제공할 수 있도록 상품 준비를 요청하는 단계;를 포함하는, 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법.
2. 제1항에 있어서,
   상기 사용자가 구매하길 원하는 의류를 입력받는 단계는,
   상기 사용자의 보유 의류와 관련한 보유 의류 정보를 기초로 추출된 구매 추천 상품을 상기 사용자가 구매하길 원하는 의류로 입력받는 것인, 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법.
3. 제2항에 있어서,
   상기 보유 의류 정보 중 사용 이력 정보를 이용하여 제1 구매 추천 상품을 추출하는 단계; 및
   상기 보유 의류 정보 중 의류 속성 정보를 이용하여 제2 구매 추천 상품을 추출하는 단계;를 더 포함하는, 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법.
4. 제3항에 있어서,
   상기 사용 이력 정보는, 상기 보유 의류의 구매일 및 착용 횟수를 포함하고,
   상기 제1 구매 추천 상품을 추출하는 단계는,
   상기 착용 횟수가 기 설정된 기준 횟수보다 많고 상기 구매일로부터 경과된 기간이 기 설정된 기준 기간을 초과하는 보유 의류에 대해 상기 제1 구매 추천 상품으로 추출하는 것인, 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법.
5. 제3항에 있어서,
   상기 제2 구매 추천 상품을 추출하는 단계는,
   상기 의류 속성 정보를 기초로 상기 사용자의 의류 취향을 분석하는 단계;
   상기 사용자의 의류 취향과 유사한 의류 취향을 가진 다른 사용자들을 추출하는 단계; 및
   상기 다른 사용자들의 보유 의류 정보를 기초로 상기 제2 구매 추천 상품을 추출하는 단계;를 포함하는, 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법.
6. 제3항에 있어서,
   상기 제1 구매 추천 상품 및 상기 제2 구매 추천 상품이 모두 상기 사용자가 구매하길 원하는 의류로 입력된 경우,
   상기 오프라인 매장의 정보를 제공하는 단계는,
   상기 사용자의 위치를 기준으로 상기 제1 구매 추천 상품을 구매할 제1 오프라인 매장의 정보를 제공하는 단계; 및
   상기 제1 오프라인 매장의 위치를 기준으로 상기 제2 구매 추천 상품을 구매할 제2 오프라인 매장의 정보를 제공하는 단계;를 포함하는, 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법.
7. 제1항에 있어서,
   서비스 플랫폼과 연계된 오프라인 매장 별로 각 매장의 보유 상품의 종류 및 재고 정보를 수신하는 단계;를 더 포함하는, 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법.
8. 제1항에 있어서,
   상기 사용자가 상기 드라이브 스루 방식 또는 상기 매장 픽업 방식으로 상기 구매하길 원하는 의류를 제공받는 경우, 서비스 플랫폼에서 상기 구매하길 원하는 의류에 대한 결제가 미리 수행되고,
   상기 사용자가 상기 매장 피팅 방식으로 상기 구매하길 원하는 의류를 제공받는 경우, 상기 구매하길 원하는 의류를 피팅한 후 구매가 결정되면 상기 서비스 플랫폼에서 상기 구매하길 원하는 의류에 대한 결제가 수행되는, 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법.
9. 하드웨어인 컴퓨터와 결합되어, 제1항 내지 제8항 중 어느 한 항의 방법을 실행하는 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 기록매체.
10. 하나 이상의 인스트럭션을 저장하는 메모리; 및
    상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서;를 포함하며,
    상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써,
    사용자 단말로부터 사용자가 구매하길 원하는 의류 또는 사용자가 구매하길 원하는 의류와 관련된 정보를 입력받는 단계;
    상기 사용자의 위치에 기초하여 상기 사용자가 구매하길 원하는 의류를 구매할 수 있는 오프라인 매장의 정보를 상기 사용자 단말로 제공하는 단계;
    상기 사용자 단말로부터 상기 오프라인 매장에 방문 예정 시간을 수신하는 단계; 및
    매장 단말로 상기 방문 예정 시간에 기초하여 드라이브 스루 방식, 매장 픽업 방식 또는 매장 피팅 방식으로 상기 사용자에게 상기 구매 추천 상품을 제공할 수 있도록 상품 준비를 요청하는 단계;를 수행하는, 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 장치.