KR20230143089A - 과거 구매에 기초하여 제품을 선택 및 제시하기 위한 시스템 및 방법 - Google Patents

Abstract

개시된 실시예들은 사용자의 과거 구매 이력에 기초하여 관련 제품 검색 결과를 생성 및 제시하기 위한 시스템 및 방법을 제공한다. 과거의 구매 이력에 기초하여 제품 검색 결과를 생성 및 제시하기 위한 방법은 사용자 제품 검색 쿼리, 사용자와 연관된 과거 구매 데이터 세트 및 제품 카테고리의 계층적 목록을 포함하는 실험 데이터 세트를 검색하는 것을 포함한다. 이 방법은 머신 러닝 알고리즘을 사용하여, 복수의 속성 및 패턴에 기초하여 쿼리된 제품 카테고리의 목록을 결정하는 것을 더 포함한다. 이 방법은 사용자와 연관된 과거 제품 카테고리의 계층적 리스트를 생성하는 것을 더 포함한다. 이 방법은 사용자의 제품 쿼리와 연관된 제품 검색 결과의 목록을 생성하는 것을 더 포함한다. 이 방법은 사용자의 과거 구매 이력에 기초하여 제품 검색 결과의 목록을 순위 매김하고, 순위 매김된 제품 검색 결과의 목록을 사용자에게 제시하는 것을 더 포함한다.

Description

과거 구매에 기초하여 제품을 선택 및 제시하기 위한 시스템 및 방법{SYSTEMS AND METHODS FOR SELECTING AND PRESENTING PRODUCTS BASED ON PAST PURCHASES}

본 개시는 일반적으로 과거 구매에 기초하여 제품을 선택하여 사용자에게 제시하기 위한 컴퓨터화된 시스템 및 방법에 관한 것이다. 특히, 본 개시의 실시예는 사용자의 의도된 검색 쿼리 및 알맞은 제품 카테고리를 분석하고, 사용자의 과거 구매에 기초하여 제품을 선택 및 제시하는 것에 관련된 독창적이고 비전통적인 시스템에 관한 것이다.

전자 상거래 플랫폼은 일반적으로 특정 검색 스트링에 대해 각 사용자에게 균일한 검색 결과를 제공하는 경우가 많다. 일정한 간격으로 특정 제품(예를 들면, 치약의 특정 유형 또는 브랜드)을 구매하는 사용자는 일반적으로 구매하기 위해 매번 다시 해당 제품을 검색해야만 한다.

종래 기술에서 제품 선택하여 사용자에게 제시하는 것은 순전히 사용자의 원시(raw) 텍스트 입력에 기초하여 일반적으로 균일한 제품 검색 리스트를 생성하는 것으로 구성된다. 첫째, 이러한 단순화된 스트링 매칭 방법은 사용자의 검색에서 사용자가 진정으로 의도한 제품을 정확하게 식별하지 못하는 경우가 많아, 선택되어져 사용자에게 제시되는 제품이 관련성이 없거나 또는 부적절할 수 있다. 둘째, 종래의 제품 검색 유형은 관련 제품 카테고리의 계층 구조 내에서의 제품의 컨텍스트화 없이 독립적으로 수행되는 경우가 많아, 사용자에게 보다 의미 있는 제품 선택을 생성하는데 유용할 수 있는 일반 제품 카탈로그 내의 제품들 간의 상호 연결성을 취득할 수 없다. 셋째, 종래의 제품 검색은 제품에 대한 반복 구매 빈도나 사용자가 제품을 구매한 최근성(recency)과 같은 검색된 제품의 두드러진 속성을 고려하지 않는 경우가 많다. 이것은 단순히 이전에 구매한 제품의 구매를 빠르게 반복하고자 하는 사용자를 인식 또는 용이하게 하는 데 실패하는 결과를 초래하고, 대신 사용자가 자신이 선택할 제품을 찾기 위해 균일하게 제시되고, 순위가 매겨지지 않은 제품 리스트를 수동으로 탐색하게 한다. 이러한 비효율성은 불필요하게 사용자 구매 경험에 부담을 주거나 또는 불만을 줄 수 있다.

따라서 구매 의도 제품을 식별하기 위해 사용자 쿼리와 연관된 입력 데이터를 분석하고, 쿼리된 제품으로부터 관련 속성 및 패턴을 자동으로 추출하고, 머신 러닝 및 집계된 전체 사용자 데이터를 사용하여 잠재적인 계층적 제품 카테고리를 결정하고, 사용자의 과거 구매 이력에 기초하여 관련 제품 검색 결과를 생성하고, 그리고 과거 구매 이력에 기초하여 제품들을 선택하여 사용자에게 제시하기 위한 개선된 방법 및 시스템에 대한 필요성이 있다.

본 개시의 일 양태는 사용자 쿼리에 기초하여 제품 검색 결과를 생성 및 제시하기 위한 시스템에 관한 것이다. 컴퓨터 구현 시스템은 명령을 저장하는 하나 이상의 메모리를 포함할 수 있다. 컴퓨터 구현 시스템은 또한 동작들을 수행하기 위해 명령을 실행하도록 구성된 하나 이상의 프로세서를 포함할 수 있다. 동작들은 적어도 하나의 데이터 구조로부터, 사용자에 의한 제품 검색 쿼리, 사용자와 연관된 적어도 하나의 구매 데이터 이력 세트, 및 적어도 하나의 제품 카테고리의 계층적 리스트를 포함하는 적어도 하나의 실험 데이터 세트를 검색하는 것을 포함할 수 있다. 동작들은 적어도 하나의 머신 러닝 알고리즘을 사용하여, 제품 쿼리와 연관된 복수의 속성, 및 복수의 속성과 연관된 적어도 하나의 패턴을 결정하는 것을 더 포함할 수 있다. 동작들은 적어도 하나의 머신 러닝 알고리즘을 사용하여, 복수의 속성 및 적어도 하나의 패턴에 기초하여 퀴리된 제품 카테고리의 리스트를 생성하는 것을 더 포함할 수 있다. 동작들은 사용자의 구매 데이터 이력 및 실험 데이터를 사용하여, 사용자와 연관된 제품 카테고리 이력의 계층적 리스트를 생성하는 것을 더 포함할 수 있다. 동작들은 퀴리된 제품 카테고리의 리스트 및 제품 카테고리 이력의 리스트에 기초하여, 사용자의 제품 쿼리와 연관된 제품 검색 결과의 리스트를 생성하는 것을 더 포함할 수 있다. 동작들은 적어도 하나의 머신 러닝 알고리즘을 사용하여, 사용자의 제품 쿼리에 대한 관련성 메트릭에 기초하여 제품 검색 결과의 리스트를 순위 매기고; 그리고 순위 매김된 제품 검색 결과의 리스트를 사용자에게 제시하는 것을 더 포함할 수 있다.

본 개시의 또 다른 양태는 사용자 쿼리에 기초하여 제품 검색 결과를 생성 및 제시하기 위한 방법에 관한 것이다. 컴퓨터 구현 방법은 적어도 하나의 데이터 구조로부터, 사용자에 의한 제품 검색 쿼리, 사용자와 연관된 적어도 하나의 구매 데이터 이력 세트, 및 적어도 하나의 제품 카테고리의 계층적 리스트를 포함하는 적어도 하나의 실험 데이터 세트를 검색하는 것을 포함할 수 있다. 이 방법은 적어도 하나의 머신 러닝 알고리즘을 사용하여, 제품 쿼리와 연관된 복수의 속성, 복수의 속성과 연관된 적어도 하나의 패턴을 결정하는 것을 더 포함할 수 있다. 이 방법은 적어도 하나의 머신 러닝 알고리즘을 사용하여, 복수의 속성 및 적어도 하나의 패턴에 기초하여 퀴리된 제품 카테고리의 리스트를 생성하는 것을 더 포함할 수 있다. 이 방법은 사용자의 구매 데이터 이력 및 실험 데이터를 사용하여, 사용자와 연관된 제품 카테고리 이력의 계층적 리스트를 생성하는 것을 더 포함할 수 있다. 이 방법은 퀴리된 제품 카테고리의 리스트 및 제품 카테고리 이력의 리스트에 기초하여, 사용자의 제품 쿼리와 연관된 제품 검색 결과의 리스트를 생성하는 것을 더 포함할 수 있다. 이 방법은 적어도 하나의 머신 러닝 알고리즘을 사용하여, 사용자의 제품 쿼리에 대한 관련성 메트릭에 기초하여 제품 검색 결과의 리스트를 순위 매기고; 그리고 순위 매김된 제품 검색 결과의 리스트를 사용자에게 제시하는 것을 더 포함할 수 있다.

본 개시의 또 다른 양태는 사용자 쿼리에 기초하여 제품 검색 결과를 생성 및 제시하기 위한 시스템에 관한 것이다. 이 컴퓨터 구현 시스템은 명령을 저장하는 하나 이상의 메모리를 포함할 수 있다. 이 시스템은 동작들을 수행하기 위해 명령을 실행하도록 구성된 하나 이상의 프로세서를 포함할 수 있다. 동작들은 적어도 하나의 데이터 구조로부터, 텍스트 스트링을 포함하는 사용자에 의한 제품 검색 쿼리, 사용자와 연관된 적어도 하나의 구매 데이터 이력 세트, 및 집계된 사용자들의 세트로부터 수집된 적어도 하나의 제품 카테고리의 계층적 리스트를 포함하는 적어도 하나의 실험 데이터 세트를 검색하는 것을 포함할 수 있다. 동작들은 자연어 처리 알고리즘을 적용함으로써 제품 검색 쿼리를 표준화하는 것을 더 포함할 수 있다. 동작들은 사용자와 연관된 구매 데이터 이력에 대해 시스템이 이전에 액세스한 이력을 결정하고, 그리고, 이전에 액세스한 이력이 없다고 결정했을 때, 사용자와 연관된 구매 데이터 이력을 캐시 메모리에 저장하는 것을 더 포함할 수 있다. 동작들은 적어도 하나의 머신 러닝 알고리즘을 사용하여, 적어도 제품명, 가격 및 수량을 포함하는 제품 쿼리와 연관된 복수의 속성, 복수의 속성과 연관된 적어도 하나의 패턴을 결정하는 것을 더 포함할 수 있다. 동작들은 적어도 하나의 머신 러닝 알고리즘을 사용하여, 복수의 속성 및 적어도 하나의 패턴에 기초하여 퀴리된 제품 카테고리의 리스트를 생성하는 것을 더 포함할 수 있다. 동작들은 사용자의 구매 데이터 이력 및 실험 데이터를 사용하여, 사용자와 연관된 제품 카테고리 이력의 계층적 리스트를 생성하는 것을 더 포함할 수 있다. 동작들은 각 카테고리 내의 아이템에 대한 사용자의 과거 구매 빈도에 기초하여 제품 카테고리 이력의 계층적 리스트를 순위 매김하는 것을 더 포함할 수 있다. 동작들은 퀴리된 제품 카테고리의 리스트 및 제품 카테고리 이력의 리스트에 기초하여, 사용자의 제품 쿼리와 연관된 제품 검색 결과의 리스트를 생성하는 것을 더 포함할 수 있다. 동작들은 적어도 하나의 머신 러닝 알고리즘을 사용하여, 사용자의 제품 쿼리에 대한 관련성 메트릭에 기초하여 제품 검색 결과의 리스트를 순위 매기고―여기서, 관련성 메트릭은 적어도 사용자의 과거 구매 빈도 또는 최근성의 상태에 기초함―; 그리고 순위 매김된 제품 검색 결과의 리스트를 사용자에게 제시하는 것을 더 포함할 수 있다.

다른 시스템들, 방법들, 및 컴퓨터- 판독 가능 매체도 본 명세서에서 논의된다.

도 1a는 개시된 실시예에 따른, 배송, 운송, 및 물류 운영을 가능하게 하는 통신을 위한 컴퓨터 시스템을 포함하는 네트워크의 예시적인 실시예를 나타낸 개략적인 블록도이다.
도 1b는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 검색 요청을 만족시키는 하나 이상의 검색 결과를 포함하는 검색 결과 페이지(SRP; Search Result Page)의 샘플을 나타낸 도면이다.
도 1c는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 제품 및 제품에 대한 정보를 포함하는 싱글 상세 페이지(SDP; Single Detail Page)의 샘플을 나타낸 도면이다.
도 1d는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 가상의 쇼핑 장바구니에 아이템을 포함하는 장바구니 페이지의 샘플을 나타낸 도면이다.
도 1e는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라, 가상의 쇼핑 장바구니로부터 구매 및 배송에 관한 정보에 따른 아이템을 포함하는 주문 페이지의 샘플을 나타낸 도면이다.
도 2는 개시된 실시예에 따른, 개시된 컴퓨터 시스템을 활용하도록 구성된 예시적인 풀필먼트 센터의 개략적인 도면이다.
도 3은 사용자 쿼리에 기초하여 제품 검색 결과를 생성 및 제시하기 위한 예시적인 프로세스를 나타낸 흐름도이다.
도 4는 사용자의 과거 반복 구매 이력에 기초하여 제품 검색 결과를 생성 및 제시하기 위한 예시적인 프로세스의 개략적인 도면이다.

이어서 첨부된 도면을 참조하여 자세하게 설명된다. 가능하면, 다음의 설명에서 같거나 유사한 부분에 대해 참조되도록 도면에서 같은 도면 부호가 사용된다. 여기에 몇몇 예시적인 실시예가 설명되지만, 변경, 조정 및 다른 구현도 가능하다. 예를 들면, 도면 내의 구성 및 스텝에 대해 교체, 추가, 또는 변경이 이루어질 수 있고, 여기에 설명된 예시적인 방법은 개시된 방법에 대해 스텝을 교체, 순서 변경, 제거 또는 추가함으로써 변경될 수 있다. 따라서, 다음의 자세한 설명은 개시된 실시예 및 예시로 제한되는 것은 아니다. 대신에 본 발명의 적절한 범위는 청구범위에 의해 규정된다.

본 개시의 실시예는 과거 구매에 기초하여 제품을 선택하고 사용자에게 제시하도록 구성된 시스템 및 방법에 관한 것이다.

도 1a를 참조하면, 배송, 운송 및 물류 운영을 가능하게 하는 통신을 위한 컴퓨터 시스템을 포함하는 예시적인 시스템의 실시예를 나타낸 개략적인 블록도(100)가 도시되어 있다. 도 1a에 나타낸 바와 같이, 시스템(100)은 다양한 시스템을 포함할 수 있으며, 이들 각각은 하나 이상의 네트워크를 통해 서로 연결될 수 있다. 시스템은 (예를 들면, 케이블을 사용한) 직접 연결을 통해 서로 연결될 수 있다. 도시된 시스템은 배송 기관 기술(shipment authority technology, SAT) 시스템(101), 외부 프론트 엔드 시스템(103), 내부 프론트 엔드 시스템(카테고리의 상위 개수), 운송 시스템(107), 모바일 디바이스(107A, 107B, 107C), 판매자 포털(109), 배송 및 주문 트래킹(shipment and order tracking, SOT) 시스템(111), 풀필먼트 최적화(fulfillment optimization, FO) 시스템(113), 풀필먼트 메시징 게이트웨이(fulfillment messaging gateway, FMG)(115), 공급 체인 관리(supply chain management, SCM) 시스템(117), 창고 관리 시스템(119), 모바일 디바이스(119A, 119B, 119C)(풀필먼트 센터(fulfillment center, FC)(200) 내부에 있는 것으로 도시됨), 제3자 풀필먼트 시스템(121A, 121B, 121C), 풀필먼트 센터 인증 시스템(fulfillment center authorization system, FC Auth)(123), 및 노동 관리 시스템(labor management system, LMS)(125)을 포함한다.

일부 실시예에서, SAT 시스템(101)은 주문 상태와 배달 상태를 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SAT 시스템(101)은 주문이 약속된 배달 날짜(Promised Delivery Date, PDD)를 지났는지를 결정할 수 있고, 새로운 주문을 개시시키고, 배달되지 않은 주문의 아이템을 다시 배송하며, 배달되지 않은 주문을 취소하고, 주문 고객과 연락을 시작하는 것 등을 포함하는 적합한 조치를 취할 수 있다. SAT 시스템(101)은 또한, (특정 기간 동안 배송된 패키지의 개수와 같은) 출력, 및 (배송시 사용하기 위해 수신된 빈 카드보드 박스의 개수와 같은) 입력을 포함하는 다른 데이터를 감시할 수 있다. SAT 시스템(101)은 또한, 외부 프론트 엔드 시스템(103) 및 FO 시스템(113)과 같은 장치들 간의 (예를 들면, 저장 전달(store-and-forward) 또는 다른 기술을 사용하는) 통신을 가능하게 하는 시스템(100) 내의 상이한 장치들 사이의 게이트웨이로서 동작할 수 있다.

일부 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 사용자가 시스템(100) 내의 하나 이상의 시스템과 상호 동작할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 시스템(100)이 시스템의 프레젠테이션을 가능하게 하여 사용자가 아이템에 대한 주문을 할 수 있도록 하는 실시예에서, 외부 프론트 엔드 시스템(103)은 검색 요청을 수신하고, 아이템 페이지를 제시하며, 결제 정보를 요청하는 웹 서버로서 구현될 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 디바이스(예를 들면, 모바일 디바이스(102A) 또는 컴퓨터(102B))로부터 요청을 수신 및 처리하고, 이들 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공하도록 설계된 커스텀 웹 서버 소프트웨어를 실행할 수 있다.

일부 실시예에서, 외부 프론트 엔드 시스템(103)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 또는 결제 시스템 중 하나 이상을 포함할 수 있다. 일 양상에서, 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.

도 1b, 1c, 1d 및 1e에 의해 나타낸 단계들의 예시적인 세트는 외부 프론트 엔드 시스템(103)의 일부 동작을 설명하는 것에 도움이 될 것이다. 외부 프론트 엔드 시스템(103)은 프레젠테이션 및/또는 디스플레이를 위해 시스템(100) 내의 시스템 또는 디바이스로부터 정보를 수신할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 검색 결과 페이지(Search Result Page, SRP)(예를 들면, 도 1b), 싱글 디테일 페이지(Single Detail Page, SDP)(예를 들면, 도 1c), 장바구니 페이지(Cart page)(예를 들면, 도 1d), 또는 주문 페이지(예를 들면, 도 1e)를 포함하는 하나 이상의 웹페이지를 호스팅하거나 제공할 수 있다. (예를 들면, 모바일 디바이스(102A) 또는 컴퓨터(102B)를 사용하는) 사용자 디바이스는 외부 프론트 엔드 시스템(103)으로 이동하고 검색 박스에 정보를 입력함으로써 검색을 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 시스템(100) 내의 하나 이상의 시스템으로부터 정보를 요청할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 FO 시스템(113)으로부터 검색 요청을 만족하는 정보를 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 또한, (FO 시스템(113)으로부터) 검색 결과에 포함된 각 제품에 대한 약속된 배달 날짜(Promised Delivery Date) 또는 "PDD"를 요청하고 수신할 수 있다. 일부 실시예에서, PDD는 제품이 들어있는 패키지가 특정 기간 이내, 예를 들면, 하루의 끝(PM 11:59)까지 주문되면 언제 사용자가 원하는 장소에 도착할 것인지에 대한 추정 또는 제품이 사용자가 원하는 장소에 배달될 약속된 날짜를 나타낼 수 있다(PDD는 FO 시스템(113)과 관련하여 이하에서 더 논의된다).

외부 프론트 엔드 시스템(103)은 정보에 기초하여 SRP(예를 들면, 도 1b)를 준비할 수 있다. SRP는 검색 요청을 만족하는 정보를 포함할 수 있다. 예를 들면, 이는 검색 요청을 만족하는 제품의 사진을 포함할 수 있다. SRP는 또한, 각 제품에 대한 각각의 가격, 또는 각 제품, PDD, 무게, 크기, 오퍼(offer), 할인 등에 대한 개선된 배달 옵션에 관한 정보를 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들면, 네트워크를 통해) SRP를 요청 사용자 디바이스로 전송할 수 있다.

사용자 디바이스는 SRP에 나타낸 제품을 선택하기 위해, 예를 들면, 사용자 인터페이스를 클릭 또는 탭핑하거나, 다른 입력 디바이스를 사용하여 SRP로부터 제품을 선택할 수 있다. 사용자 디바이스는 선택된 제품에 관한 정보에 대한 요청을 만들어 내고 이를 외부 프론트 엔드 시스템(103)으로 전송할 수 있다. 이에 응답하여, 외부 프론트 엔드 시스템(103)은 선택된 제품에 관한 정보를 요청할 수 있다. 예를 들면, 정보는 각각의 SRP 상에 제품에 대해 제시된 것 이상의 추가 정보를 포함할 수 있다. 이는, 예를 들면, 유통 기한, 원산지, 무게, 크기, 패키지 내의 아이템 개수, 취급 지침, 또는 제품에 대한 다른 정보를 포함할 수 있다. 정보는 또한, (예를 들면, 이 제품 및 적어도 하나의 다른 제품을 구입한 고객의 빅 데이터 및/또는 머신 러닝 분석에 기초한) 유사한 제품에 대한 추천, 자주 묻는 질문에 대한 답변, 고객의 후기, 제조 업체 정보, 사진 등을 포함할 수 있다.

외부 프론트 엔드 시스템(103)은 수신된 제품 정보에 기초하여 SDP(Single Detail Page)(예를 들면, 도 1c)를 준비할 수 있다. SDP는 또한, "지금 구매(Buy Now)" 버튼, "장바구니에 추가(Add to Cart)" 버튼, 수량 필드, 아이템 사진 등과 같은 다른 상호 동작 요소를 포함할 수 있다. SDP는 제품을 오퍼하는 판매자의 리스트를 포함할 수 있다. 이 리스트는 최저가로 제품을 판매하는 것으로 오퍼하는 판매자가 리스트의 최상단에 위치하도록, 각 판매자가 오퍼한 가격에 기초하여 순서가 정해질 수 있다. 이 리스트는 또한 최고 순위 판매자가 리스트의 최상단에 위치하도록, 판매자 순위에 기초하여 순서가 정해질 수 있다. 판매자 순위는, 예를 들어, 약속된 PPD를 지켰는지에 대한 판매자의 과거 추적 기록을 포함하는, 복수의 인자에 기초하여 만들어질 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들면, 네트워크를 통해) SDP를 요청 사용자 디바이스로 전달할 수 있다.

요청 사용자 디바이스는 제품 정보를 나열하는 SDP를 수신할 수 있다. SDP를 수신하면, 사용자 디바이스는 SDP와 상호 동작할 수 있다. 예를 들면, 요청 사용자 디바이스의 사용자는 SDP의 "장바구니에 담기(Place in Cart)" 버튼을 클릭하거나, 이와 상호 동작할 수 있다. 이렇게 하면 사용자와 연계된 쇼핑 장바구니에 제품이 추가된다. 사용자 디바이스는 제품을 쇼핑 장바구니에 추가하기 위해 외부 프론트 엔드 시스템(103)으로 이러한 요청을 전송할 수 있다.

외부 프론트 엔드 시스템(103)은 장바구니 페이지(예를 들면, 도 1d)를 생성할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 가상의 "쇼핑 장바구니(shopping cart)"에 추가한 제품을 나열한다. 사용자 디바이스는 SRP, SDP, 또는 다른 페이지의 아이콘을 클릭하거나, 상호 동작함으로써 장바구니 페이지를 요청할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 장바구니에 추가한 모든 제품 뿐 아니라 각 제품의 수량, 각 제품의 품목당 가격, 관련 수량에 기초한 각 제품의 가격, PDD에 관한 정보, 배달 방법, 배송 비용, 쇼핑 장바구니의 제품을 수정(예를 들면, 수량의 삭제 또는 수정)하기 위한 사용자 인터페이스 요소, 다른 제품의 주문 또는 제품의 정기적인 배달 설정에 대한 옵션, 할부(interest payment) 설정에 대한 옵션, 구매를 진행하기 위한 사용자 인터페이스 요소 등과 같은 장바구니의 제품에 관한 정보를 나열할 수 있다. 사용자 디바이스의 사용자는 쇼핑 장바구니에 있는 제품의 구매를 시작하기 위해 사용자 인터페이스 요소(예를 들면, "지금 구매(Buy Now)"라고 적혀 있는 버튼)를 클릭하거나, 이와 상호 동작할 수 있다. 그렇게 하면, 사용자 디바이스는 구매를 시작하기 위해 이러한 요청을 외부 프론트 엔드 시스템(103)으로 전송할 수 있다.

외부 프론트 엔드 시스템(103)은 구매를 시작하는 요청을 수신하는 것에 응답하여 주문 페이지(예를 들면, 도 1e)를 생성할 수 있다. 일부 실시예에서, 주문 페이지는 쇼핑 장바구니로부터의 아이템을 재나열하고, 결제 및 배송 정보의 입력을 요청한다. 예를 들면, 주문 페이지는 쇼핑 장바구니의 아이템 구매자에 관한 정보(예를 들면, 이름, 주소, 이메일 주소, 전화번호), 수령인에 관한 정보(예를 들면, 이름, 주소, 전화번호, 배달 정보), 배송 정보(예를 들면, 배달 및/또는 픽업 속도/방법), 결제 정보(예를 들면, 신용 카드, 은행 송금, 수표, 저장된 크레딧), 현금 영수증을 요청하는 사용자 인터페이스 요소(예를 들면, 세금 목적) 등을 요청하는 섹션을 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 사용자 디바이스에 주문 페이지를 전송할 수 있다.

사용자 디바이스는 주문 페이지에 정보를 입력하고 외부 프론트 엔드 시스템(103)으로 정보를 전송하는 사용자 인터페이스 요소를 클릭하거나, 상호 동작할 수 있다. 그로부터, 외부 프론트 엔드 시스템(103)은 정보를 시스템(100) 내의 다른 시스템으로 전송하여 쇼핑 장바구니의 제품으로 새로운 주문을 생성하고 처리할 수 있도록 한다.

일부 실시예에서, 외부 프론트 엔드 시스템(103)은 판매자가 주문과 관련된 정보를 전송 및 수신할 수 있도록 추가로 구성될 수 있다.

일부 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자(예를 들면, 시스템(100)을 소유, 운영 또는 임대하는 조직의 직원)가 시스템(100) 내의 하나 이상의 시스템과 상호작용할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 시스템(100)이 사용자가 아이템에 대한 주문을 할 수 있게 하는 시스템의 프레젠테이션을 가능하게 하는 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자가 주문에 대한 진단 및 통계 정보를 볼 수 있게 하고, 아이템 정보를 수정하며, 또는 주문에 대한 통계를 검토할 수 있게 하는 웹 서버로서 구현될 수 있다. 예를 들면, 내부 프론트 엔드 시스템(105)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 내부 프론트 엔드 시스템(105)은 (도시되지 않은 다른 디바이스뿐 아니라) 시스템(100) 내에 나타낸 시스템 또는 디바이스로부터 요청을 수신 및 처리하고, 그러한 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공하도록 (설계된 커스텀 웹 서버 소프트웨어를 실행)할 수 있다.

일부 실시예에서, 내부 프론트 엔드 시스템(105)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 결제 시스템, 분석 시스템, 주문 모니터링 시스템 등 중 하나 이상을 포함할 수 있다. 일 양상에서, 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.

일부 실시예에서, 운송 시스템(107)은 시스템(100) 내의 시스템 또는 디바이스와 모바일 디바이스(107A-107C) 간의 통신을 가능하게 하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 운송 시스템(107)은 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 예를 들면, 일부 실시예에서, 모바일 디바이스(107A-107C)는 배달원에 의해 동작되는 디바이스를 포함할 수 있다. 정규직, 임시적 또는 교대 근무일 수 있는 배달원은 사용자에 의해 주문된 제품들이 들어 있는 패키지의 배달을 위해 모바일 디바이스(107A-107C)를 이용할 수 있다. 예를 들면, 패키지를 배달하기 위해, 배달원은 배달할 패키지와 배달할 위치를 나타내는 모바일 디바이스 상의 알림을 수신할 수 있다. 배달 장소에 도착하면, 배달원은 (예를 들면, 트럭의 뒤나 패키지의 크레이트에) 패키지를 둘 수 있고, 모바일 디바이스를 사용하여 패키지 상의 식별자와 관련된 데이터(예를 들면, 바코드, 이미지, 텍스트 스트링, RFID 태그 등)를 스캔하거나, 캡처하며, (예를 들면, 현관문에 놓거나, 경비원에게 맡기거나, 수령인에게 전달하는 것 등에 의해) 패키지를 배달할 수 있다. 일부 실시예에서, 배달원은 모바일 디바이스를 사용하여 패키지의 사진(들)을 찍거나 및/또는 서명을 받을 수 있다. 모바일 디바이스는, 예를 들면, 시간, 날짜, GPS 위치, 사진(들), 배달원에 관련된 식별자, 모바일 디바이스에 관련된 식별자 등을 포함하는 배달에 관한 정보를 포함하는 정보를 운송 시스템(107)에 전송할 수 있다. 운송 시스템(107)은 시스템(100) 내의 다른 시스템에 의한 접근을 위해 데이터베이스(미도시)에 이러한 정보를 저장할 수 있다. 일부 실시예에서, 운송 시스템(107)은 다른 시스템에 특정 패키지의 위치를 나타내는 트래킹 데이터를 준비 및 전송하기 위해 이러한 정보를 사용할 수 있다.

일부 실시예에서, 특정 사용자는, 한 종류의 모바일 디바이스를 사용할 수 있는 반면(예를 들면, 정규 직원은 바코드 스캐너, 스타일러스 및 다른 장치와 같은 커스텀 하드웨어를 갖는 전문 PDA를 사용할 수 있음), 다른 사용자는 다른 종류의 모바일 디바이스를 사용할 수 있다(예를 들면, 임시 또는 교대 근무 직원이 기성 휴대 전화 및/또는 스마트폰을 사용할 수 있음).

일부 실시예에서, 운송 시스템(107)은 사용자를 각각의 디바이스와 연관시킬 수 있다. 예를 들면, 운송 시스템(107)은 사용자(예를 들면, 사용자 식별자, 직원 식별자, 또는 전화번호에 의해 표현됨)와 모바일 디바이스(예를 들면, International Mobile Equipment Identity(IMEI), International Mobile Subscription Identifier(IMSI), 전화번호, Universal Unique Identifier(UUID), 또는 Globally Unique Identifier(GUID)에 의해 표현됨) 간의 연관성(association)을 저장할 수 있다. 운송 시스템(107)은, 다른 것들 중에 작업자의 위치, 작업자의 효율성, 또는 작업자의 속도를 결정하기 위해 데이터베이스에 저장된 데이터를 분석하기 위해 배달시 수신되는 데이터와 관련하여 이러한 연관성을 사용할 수 있다.

일부 실시예에서, 판매자 포털(109)은 판매자 또는 다른 외부 엔터티(entity)가 시스템(100) 내의 하나 이상의 시스템과 전자 통신할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 판매자는 판매자 포털(109)을 사용하여 시스템(100)을 통해 판매하고자 하는 제품에 대하여, 제품 정보, 주문 정보, 연락처 정보 등을 업로드하거나 제공하는 컴퓨터 시스템(미도시)을 이용할 수 있다.

일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객(예를 들면, 디바이스(102A-102B)를 사용하는 사용자)에 의해 주문된 제품들이 들어 있는 패키지의 위치에 관한 정보를 수신, 저장 및 포워딩하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객에 의해 주문된 제품들이 들어 있는 패키지를 배달하는 배송 회사에 의해 운영되는 웹 서버(미도시)로부터 정보를 요청하거나 저장할 수 있다.

일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 시스템(100)에 나타낸 시스템들로부터 정보를 요청하고 저장할 수 있다. 예를 들면, 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107)으로부터 정보를 요청할 수 있다. 전술한 바와 같이, 운송 시스템(107)은 사용자(예를 들면, 배달원) 또는 차량(예를 들면, 배달 트럭) 중 하나 이상과 연관된 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 또한, 풀필먼트 센터(예를 들면, 풀필먼트 센터(200)) 내부의 개별 제품의 위치를 결정하기 위해 창고 관리 시스템(WMS)(119)으로부터 정보를 요청할 수 있다. 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107) 또는 WMS(119) 중 하나 이상으로부터 데이터를 요청하고, 이를 처리하며, 요청시 디바이스(예를 들면, 사용자 디바이스(102A, 102B))로 제공할 수 있다.

일부 실시예에서, 풀필먼트 최적화(FO) 시스템(113)은 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103) 및/또는 배송 및 주문 트래킹 시스템(111))으로부터의 고객 주문에 대한 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. FO 시스템(113)은 또한, 특정 아이템이 유지 또는 저장되는 곳을 나타내는 정보를 저장할 수 있다. 예를 들면, 소정 아이템은 하나의 풀필먼트 센터에만 저장될 수 있는 반면, 소정 다른 아이템은 다수의 풀필먼트 센터에 저장될 수 있다. 또 다른 실시예에서, 특정 풀필먼트 센터는 아이템의 특정 세트(예를 들면, 신선한 농산물 또는 냉동 제품)만을 저장하도록 구성될 수 있다. FO 시스템(113)은 이러한 정보뿐 아니라 관련 정보(예를 들면, 수량, 크기, 수령 날짜, 유통 기한 등)를 저장한다.

FO 시스템(113)은 또한, 각 제품에 대해 대응하는 PDD(약속된 배달 날짜)를 계산할 수 있다. 일부 실시예에서, PDD는 하나 이상의 요소에 기초할 수 있다. 예를 들면, FO 시스템(113)은 제품에 대한 과거 수요(예를 들면, 그 제품이 일정 기간 동안 얼마나 주문되었는지), 제품에 대한 예측된 수요(예를 들면, 얼마나 많은 고객이 다가오는 기간 동안 제품을 주문할 것으로 예상되는지), 일정 기간 동안 얼마나 많은 제품이 주문되었는지를 나타내는 네트워크 전반의 과거 수요, 다가오는 기간 동안 얼마나 많은 제품이 주문될 것으로 예상되는지를 나타내는 네트워크 전반의 예측된 수요, 각각의 제품을 저장하는 각 풀필먼트 센터(200)에 저장된 제품의 하나 이상의 개수, 그 제품에 대한 예상 또는 현재 주문 등에 기초하여 제품에 대한 PDD를 계산할 수 있다.

일부 실시예에서, FO 시스템(113)은 주기적으로(예를 들면, 시간별로) 각 제품에 대한 PDD를 결정하고, 검색하거나 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로 전송하기 위해 이를 데이터베이스에 저장할 수 있다. 다른 실시예에서, FO 시스템(113)은 하나 이상의 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로부터 전자 요청을 수신하고 요구에 따라 PDD를 계산할 수 있다.

일부 실시예에서, 풀필먼트 메시징 게이트웨이(FMG)(115)는 FO 시스템(113)과 같은 시스템(100) 내의 하나 이상의 시스템으로부터 하나의 포맷 또는 프로토콜로 요청 또는 응답을 수신하고, 그것을 다른 포맷 또는 프로토콜로 변환하여, 변환된 포맷 또는 프로토콜로 된 요청 또는 응답을 WMS(119) 또는 제3자 풀필먼트 시스템(121A, 121B, 또는 121C)과 같은 다른 시스템에 포워딩하며, 반대의 경우도 가능한 컴퓨터 시스템으로서 구현될 수 있다.

일부 실시예에서, 공급 체인 관리(SCM) 시스템(117)은 예측 기능을 수행하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SCM 시스템(117)은, 예를 들어 제품에 대한 과거 수요, 제품에 대한 예측된 수요, 네트워크 전반의 과거 수요, 네트워크 전반의 예측된 수요, 각각의 풀필먼트 센터(200)에 저장된 제품 개수, 각 제품에 대한 예상 또는 현재 주문 등에 기초하여, 특정 제품에 대한 수요의 수준을 예측할 수 있다. 이러한 예측된 수준과 모든 풀필먼트 센터를 통한 각 제품의 수량에 응답하여, SCM 시스템(117)은 특정 제품에 대한 예측된 수요를 만족시키기에 충분한 양을 구매 및 비축하기 위한 하나 이상의 구매 주문을 생성할 수 있다.

일부 실시예에서, 창고 관리 시스템(WMS)(119)은 작업 흐름을 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, WMS(119)는 개개의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))로부터 개별 이벤트를 나타내는 이벤트 데이터를 수신할 수 있다. 예를 들면, WMS(119)는 패키지를 스캔하기 위해 이들 디바이스 중 하나를 사용한 것을 나타내는 이벤트 데이터를 수신할 수 있다. 풀필먼트 센터(200) 및 도 2에 관하여 이하에서 논의되는 바와 같이, 풀필먼트 프로세스 동안, 패키지 식별자(예를 들면, 바코드 또는 RFID 태그 데이터)는 특정 스테이지의 기계(예를 들면, 자동 또는 핸드헬드 바코드 스캐너, RFID 판독기, 고속 카메라, 태블릿(119A), 모바일 디바이스/PDA(119B), 컴퓨터(119C)와 같은 디바이스 등)에 의해 스캔되거나 판독될 수 있다. WMS(119)는 패키지 식별자, 시간, 날짜, 위치, 사용자 식별자, 또는 다른 정보와 함께 대응하는 데이터베이스(미도시)에 패키지 식별자의 스캔 또는 판독을 나타내는 각 이벤트를 저장할 수 있고, 이러한 정보를 다른 시스템(예를 들면, 배송 및 주문 트래킹 시스템(111))에 제공할 수 있다.

일부 실시예에서, WMS(119)는 하나 이상의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))와 시스템(100)과 연관된 하나 이상의 사용자를 연관시키는 정보를 저장할 수 있다. 예를 들면, 일부 상황에서, (파트 타임 또는 풀 타임 직원과 같은) 사용자는 모바일 디바이스(예를 들면, 모바일 디바이스는 스마트폰임)를 소유한다는 점에서, 모바일 디바이스와 연관될 수 있다. 다른 상황에서, 사용자는 임시로 모바일 디바이스를 보관한다는 점에서(예를 들면, 하루의 시작에서부터 모바일 디바이스를 대여받은 사용자가, 하루 동안 그것을 사용하고, 하루가 끝날 때 그것을 반납할 것임), 모바일 디바이스와 연관될 수 있다.

일부 실시예에서, WMS(119)는 시스템(100)과 연관된 각각의 사용자에 대한 작업 로그를 유지할 수 있다. 예를 들면, WMS(119)는 임의의 할당된 프로세스(예를 들면, 트럭에서 내리기, 픽업 구역에서 아이템을 픽업하기, 리비닝 월(rebin wall) 작업, 아이템 패킹하기), 사용자 식별자, 위치(예를 들면, 풀필먼트 센터(200)의 바닥 또는 구역), 직원에 의해 시스템을 통해 이동된 유닛의 수(예를 들면, 픽업된 아이템의 수, 패킹된 아이템의 수), 디바이스(예를 들면, 디바이스(119A-119C))와 관련된 식별자 등을 포함하는, 각 직원과 관련된 정보를 저장할 수 있다. 일부 실시예에서, WMS(119)는 디바이스(119A-119C)에서 작동되는 계시(timekeeping) 시스템과 같은 계시 시스템으로부터 체크-인 및 체크-아웃 정보를 수신할 수 있다.

일부 실시예에서, 제3자 풀필먼트(3PL) 시스템(121A-121C)은 물류 및 제품의 제3자 제공자와 관련된 컴퓨터 시스템을 나타낸다. 예를 들면, (도 2와 관련하여 이하에서 후술하는 바와 같이) 일부 제품이 풀필먼트 센터(200)에 저장되는 반면, 다른 제품은 오프-사이트(off-site)에 저장될 수 있거나, 수요에 따라 생산될 수 있으며, 또는 달리 풀필먼트 센터(200)에 저장될 수 없다. 3PL 시스템(121A-121C)은 FO 시스템(113)으로부터 (예를 들면, FMG(115)를 통해) 주문을 수신하도록 구성될 수 있으며, 고객에게 직접 제품 및/또는 서비스(예를 들면, 배달 또는 설치)를 제공할 수 있다. 일부 구현예에서, 하나 이상의 3PL 시스템(121A-121C)은 시스템(100)의 일부일 수 있지만, 다른 구현예에서는, 하나 이상의 3PL 시스템(121A-121C)이 시스템(100)의 외부에 있을 수 있다(예를 들면, 제3자 제공자에 의해 소유 또는 운영됨)일 수 있다.

일부 실시예에서, 풀필먼트 센터 인증 시스템(FC Auth)(123)은 다양한 기능을 갖는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 일부 실시예에서, FC Auth(123)는 시스템(100) 내의 하나 이상의 다른 시스템에 대한 단일-사인 온(single-sign on, SSO) 서비스로서 작동할 수 있다. 예를 들면, FC Auth(123)는 내부 프론트 엔드 시스템(105)을 통해 사용자가 로그인하게 하고, 사용자가 배송 및 주문 트래킹 시스템(111)에서 리소스에 액세스하기 위해 유사한 권한을 갖고 있다고 결정하며, 두 번째 로그인 프로세스 요구 없이 사용자가 그러한 권한에 액세스할 수 있게 한다. 다른 실시예에서, FC Auth(123)는 사용자(예를 들면, 직원)가 자신을 특정 작업과 연관시킬 수 있게 한다. 예를 들면, 일부 직원은 (디바이스(119A-119C)와 같은) 전자 디바이스를 갖지 않을 수 있으며, 대신 하루 동안 풀필먼트 센터(200) 내에서 작업들 사이 및 구역들 사이에서 이동할 수 있다. FC Auth(123)는 이러한 직원들이 상이한 시간 대에 수행 중인 작업과 속해 있는 구역을 표시할 수 있도록 구성될 수 있다.

일부 실시예에서, 노동 관리 시스템(LMS)(125)은 직원(풀-타임 및 파트-타임 직원을 포함함)에 대한 출근 및 초과 근무 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, LMS(125)는 FC Auth(123), WMS(119), 디바이스(119A-119C), 운송 시스템(107), 및/또는 디바이스(107A-107C)로부터 정보를 수신할 수 있다.

도 1a에 나타낸 특정 구성은 단지 예시일 뿐이다. 예를 들면, 도 1a는 FO 시스템(113)에 연결된 FC Auth 시스템(123)을 나타낸 반면, 모든 실시예가 이러한 특정 구성을 필요로 하는 것은 아니다. 실제로, 일부 실시예에서, 시스템(100) 내의 시스템은 인터넷, 인트라넷, WAN(Wide-Area Network), MAN(Metropolitan-Area Network), IEEE 802.11a/b/g/n 표준을 따르는 무선 네트워크, 임대 회선 등을 포함하는 하나 이상의 공공 또는 사설 네트워크를 통해 서로 연결될 수 있다. 일부 실시예에서, 시스템(100) 내의 시스템 중 하나 이상은 데이터 센터, 서버 팜 등에서 구현되는 하나 이상의 가상 서버로서 구현될 수 있다.

도 2는 풀필먼트 센터(200)를 나타낸다. 풀필먼트 센터(200)는 주문시 고객에게 배송하기 위한 아이템을 저장하는 물리적 장소의 예시이다. 풀필먼트 센터(FC)(200)는 다수의 구역으로 분할될 수 있으며, 각각이 도 2에 도시된다. 일부 실시예에서, 이러한 "구역(zones)"은 아이템을 수령하고, 아이템을 저장하고, 아이템을 검색하고, 아이템을 배송하는 과정의 상이한 단계 사이의 가상 구분으로 생각될 수 있다. 따라서, "구역"이 도 2에 나타나 있으나, 일부 실시예에서, 구역의 다른 구분도 가능하고, 도 2의 구역은 생략, 복제, 또는 수정될 수 있다.

인바운드 구역(203)은 도 1a의 시스템(100)을 사용하여 제품을 판매하고자 하는 판매자로부터 아이템이 수신되는 FC(200)의 영역을 나타낸다. 예를 들면, 판매자는 트럭(201)을 사용하여 아이템(202A, 202B)을 배달할 수 있다. 아이템(202A)은 자신의 배송 팔레트(pallet)를 점유하기에 충분히 큰 단일 아이템을 나타낼 수 있으며, 아이템(202B)은 공간을 절약하기 위해 동일한 팔레트 상에 함께 적층되는 아이템의 세트를 나타낼 수 있다.

작업자는 인바운드 구역(203)의 아이템을 수령하고, 선택적으로 컴퓨터 시스템(미도시)을 사용하여 아이템이 손상되었는지 및 정확한지를 체크할 수 있다. 예를 들면, 작업자는 아이템(202A, 202B)의 수량을 아이템의 주문 수량과 비교하기 위해 컴퓨터 시스템을 사용할 수 있다. 수량이 일치하지 않는다면, 해당 작업자는 아이템(202A, 202B) 중 하나 이상을 거부할 수 있다. 수량이 일치한다면, 작업자는 그 아이템들을 (예를 들면, 짐수레(dolly), 핸드트럭(handtruck), 포크리프트(forklift), 또는 수작업으로) 버퍼 구역(205)으로 운반할 수 있다. 버퍼 구역(205)은, 예를 들면, 예측된 수요를 충족시키기 위해 픽업 구역에 그 아이템이 충분한 수량만큼 있기 때문에, 픽업 구역에서 현재 필요하지 않은 아이템에 대한 임시 저장 영역일 수 있다. 일부 실시예에서, 포크리프트(206)는 버퍼 구역(205) 주위와 인바운드 구역(203) 및 드롭 구역(207) 사이에서 아이템을 운반하도록 작동한다. (예를 들면, 예측된 수요로 인해) 픽업 구역에 아이템(202A, 202B)이 필요하면, 포크리프트는 아이템(202A, 202B)을 드롭 구역(207)으로 운반할 수 있다.

드롭 구역(207)은 픽업 구역(209)으로 운반되기 전에 아이템을 저장하는 FC(200)의 영역일 수 있다. 픽업 동작에 할당된 작업자("피커(picker)")는 픽업 구역의 아이템(202A, 202B)에 접근하고, 픽업 구역에 대한 바코드를 스캔하며, 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A, 202B)과 관련된 바코드를 스캔할 수 있다. 그 다음 피커는 아이템을 (예를 들면, 카트에 놓거나 운반함으로써) 픽업 구역(209)에 가져갈 수 있다.

픽업 구역(209)은 아이템(208)이 저장 유닛(210)에 저장되는 FC(200)의 영역일 수 있다. 일부 실시예에서, 저장 유닛(210)은 물리적 선반, 책꽂이, 박스, 토트(tote), 냉장고, 냉동고, 저온 저장고 등 중 하나 이상을 포함할 수 있다. 일부 실시예에서, 픽업 구역(209)은 다수의 플로어로 편성될 수 있다. 일부 실시예에서, 작업자 또는 기계는, 예를 들면, 포크리프트, 엘리베이터, 컨베이어 벨트, 카트, 핸드트럭, 짐수레, 자동화된 로봇 또는 디바이스, 또는 수작업을 포함하는 다양한 방식으로 아이템을 픽업 구역(209)으로 운반할 수 있다. 예를 들면, 피커는 아이템(202A, 202B)을 드롭 구역(207)의 핸드트럭 또는 카트에 놓을 수 있으며, 아이템(202A, 202B)을 픽업 구역(209)으로 가져갈 수 있다.

피커는 저장 유닛(210) 상의 특정 공간과 같은 픽업 구역(209)의 특정 스팟에 아이템을 배치(또는 "적재(stow)")하라는 명령을 수신할 수 있다. 예를 들면, 피커는 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A)을 스캔할 수 있다. 디바이스는, 예를 들면, 통로, 선반 및 위치를 나타내는 시스템을 사용하여, 아이템(202A)을 적재해야 하는 위치를 나타낼 수 있다. 그 다음 디바이스는 그 위치에 아이템(202A)을 적재하기 전에 피커가 그 위치에서 바코드를 스캔하도록 할 수 있다. 디바이스는 도 1a의 WMS(119)와 같은 컴퓨터 시스템에 아이템(202A)이 디바이스(119B)를 사용하는 사용자에 의해 그 위치에 적재되었음을 나타내는 데이터를 (예를 들면, 무선 네트워크를 통해) 전송할 수 있다.

일단 사용자가 주문을 하면, 피커는 저장 유닛(210)으로부터 하나 이상의 아이템(208)을 검색하기 위해 디바이스(119B)에 명령을 수신할 수 있다. 피커는 아이템(208)을 검색하고, 아이템(208) 상의 바코드를 스캔하며, 운송 기구(214) 상에 놓을 수 있다. 일부 실시예에서, 운송 기구(214)가 슬라이드로서 표현되지만, 운송 기구는 컨베이어 벨트, 엘리베이터, 카트, 포크리프트, 핸드트럭, 짐수레, 카트 등 중 하나 이상으로서 구현될 수 있다. 그 다음 아이템(208)은 패킹 구역(211)에 도착할 수 있다.

패킹 구역(211)은 아이템이 픽업 구역(209)으로부터 수령되고 고객에게 최종 배송하기 위해 박스 또는 가방에 패킹되는 FC(200)의 영역일 수 있다. 패킹 구역(211)에서, 아이템을 수령하도록 할당된 작업자("리비닝 작업자(rebin worker)")는 픽업 구역(209)으로부터 아이템(208)을 수령하고, 그것이 어느 주문에 대응하는지를 결정할 것이다. 예를 들면, 리비닝 작업자는 아이템(208) 상의 바코드를 스캔하기 위해 컴퓨터(119C)와 같은 디바이스를 사용할 수 있다. 컴퓨터(119C)는 아이템(208)이 어느 주문과 관련이 있는지를 시각적으로 나타낼 수 있다. 이는, 예를 들면, 주문에 대응하는 월(216) 상의 공간 또는 "셀(cell)"을 포함할 수 있다. (예를 들면, 셀에 주문의 모든 아이템이 포함되어 있기 때문에) 일단 주문이 완료되면, 리비닝 작업자는 패킹 작업자(또는 "패커(packer)")에게 주문이 완료된 것을 알릴 수 있다. 패커는 셀로부터 아이템을 검색하고, 배송을 위해 이들을 박스 또는 가방에 놓을 수 있다. 그 다음 패커는, 예를 들면, 포크리프트, 카트, 짐수레, 핸드트럭, 컨베이어 벨트, 수작업 또는 다른 방법을 통해, 박스 또는 가방을 허브 구역(213)으로 보낼 수 있다.

허브 구역(213)은 패킹 구역(211)으로부터 모든 박스 또는 가방("패키지(packages)")을 수신하는 FC(200)의 영역일 수 있다. 허브 구역(213)의 작업자 및/또는 기계는 패키지(218)를 검색하고, 각 패키지가 배달 영역의 어느 부분으로 배달되도록 되어 있는지를 결정하며, 패키지를 적합한 캠프 구역(215)으로 보낼 수 있다. 예를 들면, 배달 영역이 2개의 작은 하위 영역을 갖는다면, 패키지는 2개의 캠프 구역(215) 중 하나로 보내질 것이다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해 (예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 패키지를 캠프 구역(215)으로 보내는 것은, 예를 들면, (우편 번호에 기초하여) 패키지가 향하는 지리적 영역의 부분을 결정하고, 지리적 영역의 부분과 관련된 캠프 구역(215)을 결정하는 것을 포함할 수 있다.

일부 실시예에서, 캠프 구역(215)은 루트 및/또는 서브-루트로 분류하기 위해 허브 구역(213)으로부터 패키지가 수령되는 하나 이상의 빌딩, 하나 이상의 물리적 공간, 또는 하나 이상의 영역을 포함할 수 있다. 일부 실시예에서, 캠프 구역(215)은 FC(200)로부터 물리적으로 분리되어 있는 반면, 다른 실시예에서는 캠프 구역(215)은 FC(200)의 일부를 형성할 수 있다.

캠프 구역(215)의 작업자 및/또는 기계는, 예를 들면, 목적지와 기존 루트 및/또는 서브-루트의 비교, 각각의 루트 및/또는 서브-루트에 대한 작업량의 계산, 하루 중 시간, 배송 방법, 패키지(220)를 배송하기 위한 비용, 패키지(220)의 아이템과 관련된 PDD 등에 기초하여 패키지(220)가 어느 루트 및/또는 서브-루트와 연관되어야 하는지를 결정할 수 있다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해 (예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 일단 패키지(220)가 특정 루트 및/또는 서브-루트에 할당되면, 작업자 및/또는 기계는 배송될 패키지(220)를 운반할 수 있다. 예시적인 도 2에서, 캠프 구역(215)은 트럭(222), 자동차(226), 배달원(224A, 224B)을 포함한다. 일부 실시예에서, 배달원(224A)이 트럭(222)을 운전할 수 있는데, 이 때 배달원(224A)은 FC(200)에 대한 패키지를 배달하는 풀-타임 직원이며, 트럭은 FC(200)를 소유, 임대 또는 운영하는 동일한 회사에 의해 소유, 임대, 또는 운행된다. 일부 실시예에서, 배달원(224B)이 자동차(226)를 운전할 수 있는데, 이 때 배달원(224B)은 필요에 따라(예를 들면, 계절에 따라) 배달하는 "플렉스(flex)" 또는 비상시적인 작업자이다. 자동차(226)는 배달원(224B)에 의해 소유, 임대 또는 운행될 수 있다.

도 3은 제품 검색을 위한 사용자 쿼리에 기초하여 제품 결과를 생성 및 제시하기 위한 주요 프로세스(300)의 개요를 나타낸다. 사용자 쿼리 데이터는 사용자가 구매하려는 제품과 관련된 데이터를 포함할 수 있지만 이에 국한되지 않는다. 사용자 쿼리 데이터 포맷은 문자 스트링, 이진 스트링, 숫자 데이터, 사용자 정의 SQL 서버 데이터 유형 또는 이들의 조합일 수 있지만 이에 국한되지 않는다. 일부 실시예에서, 도 3의 단계들은 외부 프론트 엔드 시스템(103)에 의해 동작될 수 있지만, 다른 실시예에서, 도 3의 단계들은 네트워크(100) 내 하나 이상의 다른 디바이스에 의해 동작될 수도 있다.

프로세스(300)는 사용자가 프론트 엔드 디바이스(예를 들면, 모바일 디바이스(102A) 또는 컴퓨터(102B))와 연관된 외부 프론트 엔드 시스템(103)에 구매 의도 제품에 대한 검색을 입력할 때 단계 301에서 시작한다. 하나 이상의 프로세서(예를 들면, 도 4의 구매 프로세서(404))는 프론트 엔드 디바이스(예를 들면, 모바일 디바이스(102A) 또는 컴퓨터(102B))와 연관된 외부 프론트 엔드 시스템(103)으로부터 제품 검색과 연관된 사용자 쿼리를 검색한다. 일부 실시예에서, 사용자 쿼리는 예를 들어 도 1b에서와 같이, 사용자가 양식에 정보를 입력하는 웹 페이지, 또는 고객 데이터가 데이터베이스에 저장하기 위해 업로드되는 업로드로부터의 것일 수 있다.

프로세스(300)는 이어 단계 302로 진행한다. 단계 302에서, 하나 이상의 프로세서(예를 들면, 프로세서(404))는 하나 이상의 데이터베이스(예를 들면, 도 4에 에서와 같이 구매 데이터베이스(405))에 저장된 적어도 하나의 데이터 구조로부터 사용자와 연관된 적어도 하나의 구매 데이터 이력 세트를 검색한다. 사용자 구매 데이터 이력은 제품 유형, 구매 거래 유형 또는 미리 정의된 시간 프레임에 의해 획정된 사용자가 행한 모든 과거 구매를 포함할 수 있지만 이에 국한되지 않는다. 구매 데이터 이력은 테이블, 어레이, 링크드 리스트를 포함하지만 이에 국한되지 않는 선형 데이터 구조 또는 그래프 데이터 구조 또는 트리 데이터 구조를 포함하지만 이에 국한되지 않는 비선형 데이터 구조에 저장될 수 있다. 데이터베이스의 유형은 MySQL 데이터베이스 또는 Cassandra와 같은 NoSQL 데이터베이스로 구성할 수 있지만 이에 국한되지 않는다.

또한 단계 302에서, 하나 이상의 프로세서(예를 들면, 프로세서(404))는 적어도 하나의 데이터 구조로부터 적어도 하나의 실험 데이터 세트를 검색한다. 실험 데이터 세트의 소스는 모든 사용자에 걸쳐 집계된 데이터 또는 과거 제품 구매와 관련된 모든 사용자의 서브세트로 구성될 수 있지만 이에 국한되지 않는다. 실험 데이터는 광범위한 카테고리(예를 들면, "생활용품(Household)" 또는 "구강(Dental)")에서 더 세분화된 카테고리(예를 들면, "치약", "미백 치약")에 이르기까지 계층적으로 구조화된 제품 카테고리 세트를 포함할 수 있지만 이에 국한되지 않는다.

프로세스(300)는 이어 단계 303으로 진행한다. 단계 303에서, 하나 이상의 프로세서(예를 들면, 프로세서(404))는 자연어 처리 기술을 사용하여 사용자 쿼리의 표준화 또는 정규화를 수행할 수 있다. 자연어 처리 기술은 텍스트 토큰화, 어간 추출(stemming) 및 표제어 추출(lemmatization)을 포함할 수 있지만 이에 국한되지 않는다. 예를 들어, 프로세서는 데이터베이스 검색을 용이하게 하기 위해 "tooth-paste" 또는 "tooth paste"로 구성되는 사용자 쿼리를 표준화된 형태인 "toothpaste(치약)"로 정규화할 수 있다. 하나 이상의 프로세서는 정규화된 사용자 쿼리를 분석하고 적어도 하나의 머신 러닝 모델을 사용하여 사용자 쿼리와 연관된 하나의 패턴과 적어도 하나의 속성 세트를 추출한다. 머신 러닝 모델은 적어도 하나의 머신 러닝 알고리즘에 기초한다. 머신 러닝 알고리즘은 예를 들어, 비터비 알고리즘(Viterbi algorithms), 나이브 베이즈 알고리즘(Naive Bayes algorithms), 뉴럴 네트워크 등 및/또는 사용자 쿼리 입력 데이터와 제품과 연관된 패턴 및 속성 간의 관계를 관찰하고 그 관찰 결과에 따라 구매 의도 제품과 연관된 적어도 하나의 패턴 및 속성 세트를 생성하도록 구성된 통합 차원 감소 기술(joint dimensionality reduction techniques)(예를 들면, 클러스터 정준 상관 분석(cluster canonical correlation analysis), 부분 최소 제곱법(partial least squares), 바이리니어 모델(bilinear models), 교차 양상 인자 분석(cross-modal factor analysis)을 포함할 수 있다. 적어도 하나의 머신 러닝 알고리즘은 예를 들어 지도 학습 방법(예를 들면, 경사 하강(gradient descent) 또는 확률적 경사 하강 최적화 방법)을 사용하여 훈련될 수 있다. 일부 실시예에서, 하나 이상의 머신 러닝 알고리즘은 범주(classification)들 간의 연관성에 기초하여, 맞춤형 지식을 사용하여 검증될 수 있는 초기 제품 속성 세트를 생성하도록 구성될 수 있다.

단계 303에서, 속성 세트는 사용자가 검색 쿼리 입력(예를 들면, "Colgate")을 통해 검색하고자 하는 제품의 브랜드명을 포함할 수 있지만 이에 국한되지 않는다. 속성 세트는 또한 제품 설명(예를 들면, "4.8oz 미백 치약") 또는 수량(예를 들면, "4-pack") 또는 제품 번호(예를 들면, "35000-30000A") 또는 이들의 임의 조합을 포함할 수 있지만 이에 국한되지 않는다. 속성 세트에 기초하는 적어도 하나의 패턴은 제품 속성 세트(예를 들면, "Colgate 미백 치약")에 기초한 사용자에 의한 구매 의도 제품과 연관된 패턴일 수 있다.

프로세스(300)는 이어 단계 304로 진행한다. 단계 304에서, 하나 이상의 프로세서는 사용자가 적어도 하나의 머신 러닝 모델 및 실험 데이터를 사용하여 검색하려고 의도한 쿼리된 제품의 적어도 하나의 패턴 및 속성에 기초하여 적어도 하나의 쿼리된 제품 카테고리 세트를 결정할 수 있다. 머신 러닝 모델은 적어도 하나의 머신 러닝 알고리즘에 기초한다. 머신 러닝 알고리즘은 예를 들어 비터비 알고리즘, 나이브 베이즈 알고리즘, 뉴럴 네트워크 등 및/또는 실험 데이터에 기초하여 계층적 제품 카테고리와 쿼리된 제품과 연관된 패턴 및 속성 간의 관계를 관찰하고 그 관찰 결과에 따라 구매 의도 제품과 연관된 제품 카테고리 세트를 생성하도록 구성된 통합 차원 감소 기술(예를 들면, 클러스터 정준 상관 분석, 부분 최소 제곱법, 바이리니어 모델, 교차 양상 인자 분석)을 포함할 수 있다. 적어도 하나의 머신 러닝 알고리즘은 예를 들어 지도 학습 방법(예를 들면, 경사 하강 또는 확률적 경사 하강 최적화 방법)을 사용하여 훈련될 수 있다. 일부 실시예에서, 하나 이상의 머신 러닝 알고리즘은 범주들 간의 연관성에 기초하여, 맞춤형 지식을 사용하여 검증될 수 있는 초기 제품 카테고리 세트를 생성하도록 구성될 수 있다. 예를 들어, 쿼리된 제품이 "Colgate 치약"로 결정되면, 쿼리된 제품 카테고리 세트는 "생활용품→구강→치약"을 포함할 수 있지만 이에 국한되지 않는다.

프로세스(300)는 이어 단계 305a로 진행한다. 단계 305a에서, 하나 이상의 프로세서는 머신 러닝 알고리즘을 사용하여, 사용자의 구매 데이터 이력 및 실험 데이터에 기초하여 사용자와 연관된 적어도 하나의 제품 카테고리 이력 세트를 결정한다. 머신 러닝 알고리즘은 예를 들어 비터비 알고리즘, 나이브 베이즈 알고리즘, 뉴럴 네트워크 등 및/또는 실험 데이터에 기초하여 계층적 제품 카테고리와 사용자 구매 데이터 이력 간의 관계를 관찰하고 그 관찰 결과에 따라 사용자와 연관된 제품 카테고리 이력 세트를 생성하도록 구성된 통합 차원 감소 기술(예를 들면, 클러스터 정준 상관 분석, 부분 최소 제곱법, 바이리니어 모델, 교차 양상 인자 분석)을 포함할 수 있다. 적어도 하나의 머신 러닝 알고리즘은 예를 들어 지도 학습 방법(예를 들면, 경사 하강 또는 확률적 경사 하강 최적화 방법)을 사용하여 훈련될 수 있다. 일부 실시예에서, 하나 이상의 머신 러닝 알고리즘은 범주들 간의 연관성에 기초하여, 맞춤 지식을 사용하여 검증될 수 있는 초기 제품 카테고리 이력 세트를 생성하도록 구성될 수 있다. 제품 카테고리 이력 세트는 제품 유형, 구매 거래 유형 또는 미리 정의된 시간 프레임으로 획정된 사용자의 구매 이력과 연관된 제품 카테고리 세트로 구성될 수 있지만 이에 국한되지 않는다. 예를 들어, 구매 데이터 이력에 기초한 사용자의 과거 구매들 내의 엔트리가 "모짜렐라", "silicone-free shampoo" 및 "Colgate 치약"을 포함하면, 대응하는 제품 카테고리 이력 세트가 "신선 제품→냉장 식품→유제품→치즈", "미용→헤어 케어 제품", "생활용품→구강→치약"을 포함할 수 있지만, 이에 국한되지 않는다.

단계 305c에서, 사용자의 구매 데이터 이력이 임의의 데이터베이스 레코드에 사전 액세스하거나 또는 임의의 데이터 구조에 이전에 저장한 적 없이 처음으로 액세스되는 것이면, 하나 이상의 프로세서는 단계 305b에서와 같이 이후의 반복 액세스를 용이하게 하기 위해 상기 구매 데이터 이력을 캐시 메모리(예를 들면, 도 4의 캐시(407))에 저장할 것이다.

프로세스(300)는 이어 단계 306으로 진행한다. 단계 306에서, 하나 이상의 프로세서는 머신 러닝 기술을 사용하여, 적어도 하나의 쿼리된 제품 카테고리 세트, 적어도 하나의 사용자 제품 카테고리 이력 세트, 및 실험 데이터로부터의 데이터에 기초하여 적어도 하나의 제품 탐색 결과의 리스트를 생성한다. 일부 실시예에서, 프로세서(들)는 제품 탐색 결과의 리스트를 결정하기 위해, 쿼리된 제품 카테고리 세트를 사용자 제품 카테고리 이력 세트와 매칭시킬 수 있다. 일부 실시예에서, 프로세서(들)는 퀴리된 제품 쿼리 세트를 실험 데이터 내의 제품 카테고리와 매칭시킬 수 있다. 일부 실시예에서, 구매 데이터 이력 또는 실험 데이터는 테이블, 어레이, 링크드 리스트를 포함하지만 이에 국한되지 않는 선형 데이터 구조 또는 그래프 데이터 구조 또는 트리 데이터 구조를 포함하지만 이에 국한되지 않는 비선형 데이터 구조에 저장될 수 있다. 일부 실시예에서, 구매 데이터 이력 또는 실험 데이터는 데이터베이스에 저장될 수 있다. 일부 실시예에서, 데이터베이스의 유형은 MySQL 데이터베이스 또는 Cassandra와 같은 NoSQL 데이터베이스로 구성할 수 있지만 이에 국한되지 않는다.

머신 러닝 알고리즘은 예를 들어 비터비 알고리즘, 나이브 베이즈 알고리즘, 뉴럴 네트워크 등 및/또는 쿼리된 제품 카테고리, 사용자 제품 카테고리 이력, 및 실험 데이터에 기초한 계층적 제품 카테고리 간의 관계를 관찰하고 사용자 쿼리와 연관된 제품 탐색 결과 세트를 생성하도록 구성된 통합 차원 감소 기술(예를 들면, 클러스터 정준 상관 분석, 부분 최소 제곱법, 바이리니어 모델, 교차 양상 인자 분석)을 포함할 수 있다. 적어도 하나의 머신 러닝 알고리즘은 예를 들어 지도 학습 방법(예를 들면, 경사 하강 또는 확률적 경사 하강 최적화 방법)을 사용하여 훈련될 수 있다. 일부 실시예에서, 하나 이상의 머신 러닝 알고리즘은 범주들 간의 연관성에 기초하여, 맞춤 지식을 사용하여 검증될 수 있는 초기 제품 카테고리 이력 세트를 생성하도록 구성될 수 있다. 예를 들어, 사용자 쿼리 "Colgate"에 기초하여, 상품 검색 결과의 리스트는 특정 날짜(예를 들면, "1/30/21")에 사용자가 구매했던 카테고리 "생활용품→구강→치약"에 있는 제품을 포함할 수 있다. 하나 이상의 프로세서는 적어도 하나의 관련성 메트릭에 기초하여 제품 검색 결과의 리스트를 순위 매김할 수 있다. 일부 실시예에서, 관련성 메트릭은 사용자가 구매를 위해 쿼리한 관심 제품과 동일한 카테고리에서 사용자가 과거에 제품을 구매한 빈도를 포함할 수 있지만, 이에 국한되지 않는다. 일부 실시예에서, 관련성 메트릭은 구매하기 위해 쿼리된 제품과 동일한 카테고리에서 사용자가 과거에 구매한 볼륨을 포함할 수 있다. 일부 실시예에서, 관련성 메트릭은 구매하기 위해 쿼리된 제품과 동일한 카테고리에 있는 제품의 최근성의 상태에 기초할 수 있다. 예를 들어, 하나 이상의 프로세서가 과거 구매 빈도에 기초하여 제품 검색 결과의 리스트를 순위 매김하기로 선택하면, 사용자가 과거에 가장 높은 빈도로 구매했던 제품(즉, 사용자가 가장 자주 구매한 제품)이 해당 리스트 내의 다른 제품들보다 상단 부분으로 올라갈 것이다. 또 다른 예시에서, 하나 이상의 프로세서가 과거 구매의 최근성에 기초하여 제품 검색 결과의 리스트를 순위 매김하기로 선택하면, 과거 구매 빈도가 가장 높고 또한 사용자가 가장 최근에 구매한 제품이 해당 리스트 내의 다른 제품들보다 상단 부분으로 올라갈 것이다.

프로세스(300)는 이어 단계 307로 진행한다. 단계 307에서, 하나 이상의 프로세서(예를 들면, 구매 프로세서(404))는 순위 매김된 제품 검색 결과 리스트를 외부 프론트 엔드 시스템(103)으로 전송한다. 외부 프론트 엔드 시스템(103)은 프리젠테이션을 위한 정보를 수신하고 및/또는 사용자에게 순위 매김된 제품 결과의 리스트를 표시할 수 있다. 시스템(103)은 구매 거래를 완료하기 위해 사용자가 정독할 수 있도록 도 1b에서와 같은 웹페이지 또는 외부 디바이스(예를 들면, 모바일 디바이스(102A) 또는 컴퓨터(102B))의 디스플레이 화면에 순위 매김된 제품 리스트를 제시 및/또는 표시할 수 있다. 관련성 메트릭에 기초하여 가장 순위가 높은 제품(예를 들면, 쿼리된 상품과 동일한 카테고리에서 사용자에 의한 과거 구매 빈도가 가장 높은 상품)들을 위로 올림으로써, 이 시스템 또는 방법은 사용자의 반복 구매 경험의 효율성을 향상시킨다.

도 4는 이전에 구매된 제품에 대한 사용자의 반복 구매에 대한 예시적인 프로세스를 나타낸다. 사용자(401)는 모바일 폰 또는 컴퓨터(예를 들면, 도 1a의 모바일 디바이스(102A) 또는 컴퓨터(102B))와 같은 외부 프론트 엔드 시스템(103)을 통해 구매 프로세스를 개시한다. 시스템(100)에 상주할 수 있는 하나 이상의 프로세서(예를 들면, 구매 프로세서(404))는 프론트 엔드 시스템(103)으로부터 사용자의 제품 쿼리를 검색한다. 하나 이상의 프로세서는 이어 데이터베이스로부터, 사용자와 연관된 구매 데이터 이력 세트(405)와 실험 데이터 세트를 검색한다, 사용자 쿼리(예를 들면, "Colgate")에 기초하여, 하나 이상의 프로세서는 머신 러닝 알고리즘을 사용하여 쿼리된 제품과 연관된 카테고리의 상위 개수(예를 들면, "Colgate"와 연관된 상위 50개 카테고리)를 생성한다. 하나 이상의 프로세서는, 데이터가 처음으로 액세스되는 것이면 캐시 메모리(407)에 구매 데이터 이력 세트를 저장하고 이후 액세스시 구매 데이터 이력의 데이터베이스 조회를 수행한다. 구매 데이터 이력 카테고리를 사용하여, 하나 이상의 프로세서가 머신 알고리즘을 사용하여 과거 구매 제품 카테고리, 쿼리된 제품 카테고리 및 실험 데이터에 기초하여 제품 검색 결과를 생성한다. 하나 이상의 프로세서는 적어도 하나의 관련성 메트릭(예를 들면, 빈도, 최근성, 수량/볼륨)에 기초하여 외부 프런트 엔드 시스템(103)(예를 들면, 도 1a에서와 같이 모바일 디바이스(102A) 또는 컴퓨터(102B))를 통해 사용자에게 제시되어질, 제품의 검색 결과 리스트의 순위를 생성한다.

본 개시는 그 특정 실시예를 참조하여 도시되고 설명되었지만, 본 개시는 다른 환경에서, 변경없이, 실시될 수 있음을 이해할 것이다. 전술한 설명은 예시의 목적으로 제시되었다. 그것은 개시된 정확한 형태나 실시예에 대해 총망라된 것이 아니며 이것으로 한정되는 것은 아니다. 개시된 실시예의 설명 및 실시를 고려하는 것으로부터 변경 및 조정이 통상의 기술자에게 명백할 것이다. 추가적으로, 비록 개시된 실시예의 형태가 메모리에 저장되는 것으로서 설명되었지만, 통상의 기술자는 이들 형태가 2차 저장 디바이스, 예를 들면, 하드디스크나 CD ROM, 또는 다른 형태의 RAM이나 ROM, USB 매체, DVD, 블루레이, 또는 다른 광 드라이브 매체와 같이, 다른 형태의 컴퓨터 판독 가능한 매체에 저장될 수도 있는 것을 이해할 것이다.

상술한 설명 및 개시된 방법에 기초한 컴퓨터 프로그램은 숙련된 개발자의 기술 내에 있다. 여러 프로그램 혹은 프로그램 모듈은 통상의 기술자에게 알려진 어느 기술을 이용하여 생성되거나, 또는 기존의 소프트웨어와 연결하여 설계될 수 있다. 예를 들면, 프로그램 섹션 혹은 프로그램 모듈은 닷넷 프레임워크, 닷넷 컴팩트 프레임워크(및 비주얼 베이식, C 등과 같은, 관련 언어), 자바, C++, 오브젝티브 C, HTML, HTML/AJAX 조합, XML, 또는 자바 애플릿이 포함된 HTML 내에서 혹은 그것들에 의해서 설계될 수 있다.

게다가, 여기에서는 예시적인 실시예가 설명되었지만, 본 개시에 기초하여 통상의 기술자가 이해할 수 있는 바와 같이, 일부 또는 모든 실시예의 범위는 동등한 요소, 변경, 생략, 조합(예로써, 여러 실시예에 걸치는 형태의 조합), 조정 및/또는 수정을 가질 수 있다. 청구범위 내의 제한 사항은 그 청구범위 내에 적용된 언어에 기초하여 폭넓게 이해되도록 하는 것이며, 응용의 수행 동안 혹은 본 명세서 내에 설명된 예시로 한정되는 것은 아니다. 그 예시는 비배타적으로 해석되도록 하기 위한 것이다. 추가로, 개시된 방법의 스텝은 어떤 다른 방법으로 변경되거나, 스텝을 재배열 및/또는 스텝을 삽입하거나 삭제하는 것을 포함할 수 있다. 그러므로, 설명 및 예시는 오직 예시적으로 고려되는 것이며, 진정한 범위 및 기술 사상은 다음의 청구범위 및 그 동등한 전체 범위에 의해 나타내지는 것으로 의도된다.

Claims (20)

1. 사용자 쿼리에 기초하여 제품 검색 결과를 생성 및 제시하기 위한 컴퓨터 구현 시스템으로서, 상기 시스템은:
   명령을 저장하는 메모리; 및
   동작들을 수행하기 위해 상기 명령을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
   상기 동작들은
   적어도 하나의 데이터 구조로부터,
   사용자에 의한 제품 검색 쿼리,
   상기 사용자와 연관된 적어도 하나의 구매 데이터 이력 세트, 및
   적어도 하나의 제품 카테고리의 계층적 리스트를 포함하는 적어도 하나의 실험 데이터 세트를 검색하고;
   적어도 하나의 머신 러닝 알고리즘을 사용하여,
   상기 제품 쿼리와 연관된 복수의 속성,
   상기 복수의 속성과 연관된 적어도 하나의 패턴을 결정하고,
   적어도 하나의 머신 러닝 알고리즘을 사용하여, 상기 복수의 속성 및 상기 적어도 하나의 패턴에 기초하여 퀴리된 제품 카테고리의 리스트를 생성하고;
   상기 사용자의 구매 데이터 이력 및 상기 실험 데이터를 사용하여, 상기 사용자와 연관된 제품 카테고리 이력의 계층적 리스트를 생성하고;
   상기 퀴리된 제품 카테고리의 리스트 및 상기 제품 카테고리 이력의 리스트에 기초하여, 상기 사용자의 제품 쿼리와 연관된 제품 검색 결과의 리스트를 생성하고;
   적어도 하나의 머신 러닝 알고리즘을 사용하여, 상기 사용자의 제품 쿼리에 대한 관련성 메트릭(relevancy metric)에 기초하여 상기 제품 검색 결과의 리스트를 순위 매기고; 그리고
   상기 순위 매김된 제품 검색 결과의 리스트를 상기 사용자에게 제시하는 것인, 컴퓨터 구현 시스템.
2. 청구항 1에 있어서,
   상기 적어도 하나의 실험 데이터 세트는 모든 사용자로부터 집계된 데이터에 기초하는 제품 카테고리 및 제품들의 계층적 리스트를 포함하는 컴퓨터 구현 시스템.
3. 청구항 1에 있어서,
   상기 제품 쿼리와 연관된 상기 복수의 속성은 적어도 제품명을 포함하는 컴퓨터 구현 시스템.
4. 청구항 1에 있어서,
   상기 제품 쿼리와 연관된 상기 복수의 속성은 가격 및 수량을 더 포함하는 컴퓨터 구현 시스템.
5. 청구항 1에 있어서,
   상기 사용자와 연관된 상기 구매 데이터 이력에 대해 상기 시스템이 이전에 액세스한 이력을 결정하고, 그리고, 이전에 액세스한 이력이 없다고 결정했을 때, 상기 사용자와 연관된 상기 구매 데이터 이력을 캐시 메모리에 저장하는 것을 더 포함하는 컴퓨터 구현 시스템.
6. 청구항 1에 있어서,
   상기 쿼리된 제품 카테고리의 리스트는 적어도 하나의 제품 카테고리를 포함하는 컴퓨터 구현 시스템.
7. 청구항 1에 있어서,
   상기 사용자와 연관된 상기 제품 카테고리 이력의 리스트는 각 카테고리 내의 아이템에 대한 상기 사용자의 과거 구매 빈도로 더 순위가 매겨지는 컴퓨터 구현 시스템.
8. 청구항 1에 있어서,
   상기 제품 검색 결과와 상기 사용자의 제품 쿼리 간의 상기 관련성 메트릭은 적어도 과거 구매 볼륨에 기초하는 컴퓨터 구현 시스템.
9. 청구항 1에 있어서,
   상기 제품 검색 결과와 상기 사용자의 제품 쿼리 간의 상기 관련성 메트릭은 적어도 최근성(recency)의 상태에 기초하는 컴퓨터 구현 시스템.
10. 청구항 1에 있어서,
    상기 사용자에게 상기 상품 검색 결과를 표시하는 순서는 각 상품 검색 결과의 상기 순위에 기초하는 컴퓨터 구현 시스템.
11. 사용자 쿼리에 기초하여 제품 검색 결과를 생성 및 제시하기 위한 컴퓨터 구현 방법으로서,
    적어도 하나의 데이터 구조로부터,
    사용자에 의한 제품 검색 쿼리,
    상기 사용자와 연관된 적어도 하나의 구매 데이터 이력 세트, 및
    적어도 하나의 제품 카테고리의 계층적 리스트를 포함하는 적어도 하나의 실험 데이터 세트를 검색하고;
    적어도 하나의 머신 러닝 알고리즘을 사용하여,
    상기 제품 쿼리와 연관된 복수의 속성,
    상기 복수의 속성과 연관된 적어도 하나의 패턴을 결정하고,
    적어도 하나의 머신 러닝 알고리즘을 사용하여, 상기 복수의 속성 및 상기 적어도 하나의 패턴에 기초하여 퀴리된 제품 카테고리의 리스트를 결정하고;
    상기 사용자의 구매 데이터 이력 및 상기 실험 데이터를 사용하여, 상기 사용자와 연관된 제품 카테고리 이력의 계층적 리스트를 생성하고;
    상기 퀴리된 제품 카테고리의 리스트 및 상기 제품 카테고리 이력의 리스트에 기초하여, 상기 사용자의 제품 쿼리와 연관된 제품 검색 결과의 리스트를 생성하고;
    적어도 하나의 머신 러닝 알고리즘을 사용하여, 상기 사용자의 제품 쿼리에 대한 관련성 메트릭에 기초하여 상기 제품 검색 결과의 리스트를 순위 매기고; 그리고
    상기 순위 매김된 제품 검색 결과의 리스트를 상기 사용자에게 제시하는 것을 포함하는, 컴퓨터 구현 방법.
12. 청구항 11에 있어서,
    상기 적어도 하나의 실험 데이터 세트는 모든 사용자로부터 집계된 데이터에 기초하는 제품 카테고리 및 제품들의 계층적 리스트를 포함하는 컴퓨터 구현 방법.
13. 청구항 11에 있어서,
    상기 제품 쿼리와 연관된 상기 복수의 속성은 적어도 제품명을 포함하는 컴퓨터 구현 방법.
14. 청구항 11에 있어서,
    상기 제품 쿼리와 연관된 상기 복수의 속성은 가격 및 수량을 더 포함하는 컴퓨터 구현 방법.
15. 청구항 11에 있어서,
    상기 사용자와 연관된 상기 구매 데이터 이력에 대해 시스템이 이전에 액세스한 이력을 결정하고, 그리고, 이전에 액세스한 이력이 없다고 결정했을 때, 상기 사용자와 연관된 상기 구매 데이터 이력을 캐시 메모리에 저장하는 것을 더 포함하는 컴퓨터 구현 방법.
16. 청구항 11에 있어서,
    상기 쿼리된 제품 카테고리의 리스트는 적어도 하나의 제품 카테고리를 포함하는 컴퓨터 구현 방법.
17. 청구항 11에 있어서,
    상기 사용자와 연관된 상기 제품 카테고리 이력의 리스트는 각 카테고리 내의 아이템에 대한 상기 사용자의 과거 구매 빈도로 더 순위가 매겨지는 컴퓨터 구현 방법.
18. 청구항 11에 있어서,
    상기 제품 검색 결과와 상기 사용자의 제품 쿼리 간의 상기 관련성 메트릭은 적어도 과거 구매 볼륨 또는 최근성의 상태에 기초하는 컴퓨터 구현 방법.
19. 청구항 11에 있어서,
    상기 제품 검색 결과와 상기 사용자의 제품 쿼리 간의 상기 관련성 메트릭은 적어도 최근성의 상태에 기초하는 컴퓨터 구현 방법.
20. 사용자 쿼리에 기초하여 제품 검색 결과를 생성 및 제시하기 위한 컴퓨터 구현 시스템으로서, 상기 시스템은:
    명령을 저장하는 메모리; 및
    동작들을 수행하기 위해 상기 명령을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고:
    상기 동작들은
    적어도 하나의 데이터 구조로부터,
    텍스트 스트링을 포함하는 사용자에 의한 제품 검색 쿼리,
    상기 사용자와 연관된 적어도 하나의 구매 데이터 이력 세트, 및
    집계된 사용자들의 세트로부터 수집된 적어도 하나의 제품 카테고리의 계층적 리스트를 포함하는 적어도 하나의 실험 데이터 세트를 검색하고;
    자연어 처리 알고리즘을 적용함으로써 상기 제품 검색 쿼리를 표준화하고;
    상기 사용자와 연관된 상기 구매 데이터 이력에 대해 상기 시스템이 이전에 액세스한 이력을 결정하고, 그리고, 이전에 액세스한 이력이 없다고 결정했을 때, 상기 사용자와 연관된 상기 구매 데이터 이력을 캐시 메모리에 저장하고;
    적어도 하나의 머신 러닝 알고리즘을 사용하여,
    적어도 제품명, 가격 및 수량을 포함하는 상기 제품 쿼리와 연관된 복수의 속성,
    상기 복수의 속성과 연관된 적어도 하나의 패턴을 결정하고,
    적어도 하나의 머신 러닝 알고리즘을 사용하여, 상기 복수의 속성 및 상기 적어도 하나의 패턴에 기초하여 퀴리된 제품 카테고리의 리스트를 생성하고;
    상기 사용자의 구매 데이터 이력 및 상기 실험 데이터를 사용하여, 상기 사용자와 연관된 제품 카테고리 이력의 계층적 리스트를 생성하고;
    각 카테고리 내의 아이템에 대한 상기 사용자의 과거 구매 빈도에 기초하여 상기 제품 카테고리 이력의 계층적 리스트를 순위 매기고;
    상기 퀴리된 제품 카테고리의 리스트 및 상기 제품 카테고리 이력의 리스트에 기초하여, 상기 사용자의 제품 쿼리와 연관된 제품 검색 결과의 리스트를 생성하고;
    적어도 하나의 머신 러닝 알고리즘을 사용하여, 상기 사용자의 제품 쿼리에 대한 관련성 메트릭에 기초하여 상기 제품 검색 결과의 리스트를 순위 매기고―여기서, 상기 관련성 메트릭은 적어도 상기 사용자의 과거 구매 빈도 또는 최근성의 상태에 기초함―; 그리고
    상기 순위 매김된 제품 검색 결과의 리스트를 상기 사용자에게 제시하는 것인, 컴퓨터 구현 시스템.

Images