WO2016088921A1 - 자동 추천 기능을 갖는 소셜 커머스 기반의 상품 추천 시스템 및 방법 - Google Patents

자동 추천 기능을 갖는 소셜 커머스 기반의 상품 추천 시스템 및 방법 Download PDF

Info

Publication number
WO2016088921A1
WO2016088921A1 PCT/KR2014/011869 KR2014011869W WO2016088921A1 WO 2016088921 A1 WO2016088921 A1 WO 2016088921A1 KR 2014011869 W KR2014011869 W KR 2014011869W WO 2016088921 A1 WO2016088921 A1 WO 2016088921A1
Authority
WO
WIPO (PCT)
Prior art keywords
product
recommendation
recommended
information
recommended products
Prior art date
Application number
PCT/KR2014/011869
Other languages
English (en)
French (fr)
Inventor
김현조
한윤
김무진
Original Assignee
(주)위셔리
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)위셔리 filed Critical (주)위셔리
Priority to CN201480020792.7A priority Critical patent/CN106170816A/zh
Priority to PCT/KR2014/011869 priority patent/WO2016088921A1/ko
Publication of WO2016088921A1 publication Critical patent/WO2016088921A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor

Definitions

  • the following description relates to a technique for recommending a product and a method for recommending a product through a recommendation algorithm.
  • E-commerce has existed in various forms, such as exchanging documents between companies electronically or home shopping / home banking of PC communication, even before the Internet became popular.However, as the Internet became popular, e-commerce was considered to be related to transactions on the Internet. .
  • Consulting e-commerce means trading products in real time through a store opened as a homepage on the Internet. Commodities that are traded include services such as distance education and medical diagnostics, as well as realities such as electronic components. These products also include digital products such as news / audio / software, and their proportion in electronic commerce is increasing.
  • Broad e-commerce includes not only business transactions with consumers, but also related activities with all institutions involved in the transaction, such as suppliers, financial institutions, government agencies, and transportation agencies.
  • Intelligent service refers to a service that provides customized content according to user's personal information.
  • Conventional intelligent services provide some data by predicting a potential user's intention according to a user's usage history or usage pattern among data retrieved using a fixed classification system.
  • the data are the same and are recommended through some data reflecting the user's shaping. Accordingly, there is a need for a service that can recommend the most suitable product based on the abstract taste elements that the customer is currently choosing.
  • the social commerce based product recommendation system may provide a method of collecting product information in various ways.
  • a product recommendation method based on social commerce may be provided through a recommendation algorithm according to an embodiment.
  • the database for storing the image uploaded by the first user;
  • a recommendation product database that stores information about the plurality of recommendation products;
  • An information collecting unit collecting information on the plurality of recommended products by using at least two collection methods;
  • a recommendation unit to determine at least one recommendation product for a product corresponding to the uploaded image among the plurality of recommendation products using a preset recommendation algorithm;
  • an output unit configured to output an image corresponding to a recommendation product recommended by a second user and an image corresponding to at least one recommendation product recommended by the recommendation algorithm.
  • the information collecting unit based on the metadata for the recommended product may collect information on the plurality of recommended products from the public API.
  • each product unique ID (Unique ID) for the collected plurality of recommended products (Unique ID), the information on the plurality of recommended products periodically based on a pre-stored time Can be updated.
  • the information collecting unit receives information on the plurality of recommended products from an external database, and recognizes the information on the received plurality of recommended products in the social commerce based product recommendation system Can be standardized with data that can be.
  • the information collecting unit crawls the information on the plurality of recommended products, and can verify the information on the crawled plurality of recommended products through the validation test.
  • the recommendation unit converts the uploaded image into binary data and at least a product corresponding to the uploaded image among the plurality of recommended products recommended through the similarity of the converted binary data.
  • One recommendation product can be determined.
  • the recommendation unit generates metadata from a plurality of recommended products corresponding to the uploaded image, measures similarity including word repetition frequency and importance from the metadata, and measures the similarity. At least one recommendation product for a product corresponding to the uploaded image may be determined among the recommended recommendation products.
  • a social commerce-based product recommendation method may include: storing an image uploaded by a first user; Storing information about the plurality of recommended products; Collecting information on the plurality of recommended products using at least two collection methods; Determining at least one recommendation product for a product corresponding to the uploaded image among the plurality of recommendation products using a preset recommendation algorithm; And outputting an image corresponding to a recommendation product recommended by a second user and an image corresponding to at least one recommendation product recommended by the recommendation algorithm.
  • the step of collecting information on the plurality of recommended products using the at least two collection methods, the information on the plurality of recommended products from the public API based on the metadata for the recommended product It may include the step of collecting.
  • the collecting of the information on the plurality of recommended products using the at least two collection schemes may include receiving information on the plurality of recommended products from an external database and receiving the received information.
  • the method may include standardizing information on a plurality of recommendation products into data recognizable by the social commerce-based product recommendation system.
  • the collecting of the information on the plurality of recommended products by using the at least two collection methods may include crawling information on the plurality of recommended products and the crawled plurality of recommended products. Verifying the information about the data through validation.
  • determining at least one recommendation product for a product corresponding to the uploaded image among the plurality of recommendation products by using the preset recommendation algorithm may include converting the uploaded image into binary data. Determining at least one recommendation product for a product corresponding to the uploaded image among the plurality of recommended products recommended through the similarity of the converted binary data; And generating metadata from a plurality of recommended products corresponding to the uploaded image, measuring similarity including word repetition number and importance from the metadata, and among the plurality of recommended products recommended through the similarity. And determining at least one recommendation product for a product corresponding to the uploaded image.
  • the social commerce-based product recommendation system may collect information about recommended products through a public API, an external database, and a crawl, and may recommend a product based on the collected information.
  • the social commerce-based product recommendation system may measure similarity based on metadata, determine a recommendation product based on the similarity, and provide the user with a similar product.
  • FIG. 1 is a diagram illustrating an operation of a social commerce based product recommendation system according to an exemplary embodiment.
  • FIG. 2 is a block diagram illustrating a configuration of a social commerce based product recommendation system according to an exemplary embodiment.
  • FIG. 3 is a diagram illustrating a method of collecting information on a plurality of recommended products of a social commerce-based product recommendation system according to an embodiment.
  • FIG. 4 is a diagram illustrating that a product is recommended in a social commerce-based product recommendation system according to an exemplary embodiment.
  • FIG. 5 is a flowchart illustrating a product recommendation method of a social commerce based product recommendation system according to an exemplary embodiment.
  • FIG. 6 is a diagram illustrating an example for recommending a product in a social commerce-based product recommendation system according to an embodiment.
  • FIG. 7 is a diagram for describing another example of recommending a product in a social commerce-based product recommendation system according to an embodiment.
  • FIG. 1 is a diagram illustrating an operation of a social commerce based product recommendation system according to an exemplary embodiment.
  • the user 110 may upload an image through the web site 120 connected to the social commerce-based product recommendation system 130 and input a product to be extracted from the uploaded image. For example, a user can upload an image that contains a Hollywood actor's attire, and if you want to get information about shoes in a Hollywood actor's attire, the user can enter Hollywood from the uploaded image by typing "# shoes # flat". You can search for an actor's shoes.
  • the social commerce based product recommendation system 130 may store an image uploaded from the user 110 through a web site 120 in a database, and as the shoes are retrieved from the clothes of a Hollywood actor uploaded from the user 110. You can recognize the shoes that correspond to the Hollywood actor's attire.
  • the social commerce based product recommendation system 130 may collect information on the plurality of recommended products using at least two collection methods. For example, the social commerce based product recommendation system 130 may collect information on a plurality of recommended products through a public API called Taobao based on metadata about the recommended products. The social commerce based product recommendation system 130 may receive information on a plurality of recommended products from an external database. The social commerce-based product recommendation system 130 crawls information on a plurality of recommended products and verifies the information on the plurality of recommended products by validating the information on the plurality of crawled recommended products through validation. Can be received. The social commerce based product recommendation system 130 may store information about the plurality of recommended products in the recommendation product database.
  • the social commerce-based product recommendation system 130 may determine at least one recommendation product for a product corresponding to the uploaded image among the plurality of recommendation products by using a preset recommendation algorithm.
  • the social commerce based recommendation system 130 may convert the uploaded image into binary data, and at least one of a plurality of recommended products corresponding to the uploaded image among the plurality of recommended products through the similarity of the converted binary data. Recommend items can be determined.
  • the social commerce based recommendation system 130 generates metadata from a plurality of recommended products corresponding to the uploaded image, measures similarity including word repetition frequency and importance from the metadata, and recommends the plurality of recommended products through the similarity.
  • At least one recommendation product for a product corresponding to the uploaded image among the recommended products may be determined. For example, if the condition input from the uploaded image is "# shoes # flat", the similarity may be measured through the number of repetitions and the importance of the word for the input condition.
  • Social commerce-based product recommendation system may be operated from the time the image is uploaded by the user, it is performed in an asynchronous manner to prevent the delay caused by the API linkage when the recommended product is determined, Accuracy may be improved by determining a recommendation product having high similarity once again with respect to the determined recommendation product.
  • the information on the recommended product is updated, or data with low accuracy based on user feedback may be re-analyzed to increase accuracy.
  • the social commerce based product recommendation system 130 may include, for example, a recommendation product recommended by a user, at least one recommendation product recommended by a website operator connected with a social commerce based product recommendation system, and a recommendation algorithm. An image corresponding to the recommended product may be output.
  • the social commerce-based product recommendation system 130 may include an image or a recommendation algorithm corresponding to the first region for the image uploaded by the first user through the web site 120 and the recommendation product recommended by the second user.
  • a template including a second area for an image corresponding to at least one recommendation product recommended by the user may be provided.
  • the social commerce-based product recommendation system 130 may output at least one of a price for a recommendation product, a preference for a recommendation product, and a URL from which a recommendation product can be purchased through the website 120, and by a predetermined number. At least one recommendation product recommended by the recommendation algorithm may be output.
  • the social commerce-based product recommendation system (130) may refer to the name of the recommended product ONLY Women flat, the price of the recommended product price: $ 397, the preference 5 for the recommended product, and the site where the recommended product can be purchased www. You can output something like .aaa.com.
  • the social commerce-based product recommendation system 130 displays an image corresponding to at least one recommendation product recommended by a recommendation algorithm and a corresponding image corresponding to a recommendation product recommended by a user other than the user on the image uploaded by the user. You can overlay. When the user 110 places the cursor of the mouse on the uploaded image, for example, a recommendation product corresponding to the uploaded image may be overlaid.
  • the social commerce-based product recommendation system 130 may provide a method of outputting a plurality of images of a plurality of users in a tiled form and a method of vertically sorting and outputting a plurality of images of the plurality of users according to a user's selection. It may be output in a checkered or vertically aligned manner to the web site 120 by the user's selection.
  • FIG. 2 is a block diagram illustrating a configuration of a social commerce based product recommendation system according to an exemplary embodiment.
  • the social commerce-based product recommendation system 200 recommends a product through a preset recommendation algorithm and provides the recommended product to a user.
  • the database 210, the recommended product database 220, and the information collection unit 230 are provided. ),
  • the recommendation unit 240 and the output unit 250 may be included.
  • the database 210 may store an image uploaded by the first user.
  • a user using the social commerce product recommendation system may upload an image
  • the database 210 may store the uploaded image.
  • the user may include an operator who manages social commerce, a user who uses the social commerce, a user other than the user, and the like.
  • the recommendation product database 220 may store information on a plurality of recommended products.
  • the recommendation product database 220 may store information on a plurality of recommendation products collected from the information collector 230.
  • the recommended product database 220 may be periodically updated according to a predetermined time.
  • the information collector 230 may collect information on a plurality of recommended products using at least two collection methods.
  • the information collecting unit 230 may collect information on the plurality of recommended products from the public API based on the metadata of the recommended products, and each product unique identifier for the collected plurality of recommended products ( Unique ID) may be generated and information about a plurality of recommended products may be periodically updated according to a pre-stored time.
  • the information collecting unit 230 receives information about a plurality of recommended products from an external database, and standardizes the received information about the plurality of recommended products into data that can be recognized by a social commerce based product recommendation system. Can be.
  • the information collecting unit 230 may crawl information on the plurality of recommended products and verify the information on the crawled recommendation products through a validity test.
  • the recommendation unit 240 may determine at least one recommendation product for a product corresponding to the uploaded image among the plurality of recommendation products using a preset recommendation algorithm.
  • the recommendation unit 240 may convert the uploaded image into binary data, and determine at least one recommendation product for a product corresponding to the uploaded image among a plurality of recommended recommendation products through the similarity of the converted binary data.
  • the recommender 240 generates metadata from a plurality of recommended products corresponding to the uploaded image, calculates a similarity including a word repetition number and importance from the metadata, and recommends a plurality of recommended products through the similarity. At least one recommendation product for a product corresponding to the uploaded image may be determined.
  • the output unit 250 may output an image corresponding to the recommendation product recommended by the second user and an image corresponding to the at least one recommendation product recommended by the recommendation algorithm. For example, the output unit 250 recommends by an image and a recommendation algorithm corresponding to a recommendation product recommended by a social commerce operator, a user other than the user, an answerer answering the user's question, and a company recommending an external product.
  • the images corresponding to the at least one recommended product may be output at the same time, and the products recommended by each user may be output based on each user.
  • FIG. 3 is a diagram illustrating a method of collecting information on a plurality of recommended products of a social commerce-based product recommendation system according to an embodiment.
  • the social commerce based product recommendation system may collect information on a plurality of recommended products using at least two collection methods.
  • the social commerce based product recommendation system collects information on a plurality of recommended products, a method of collecting information on a plurality of recommended products from a public API, and information on a plurality of recommended products from an external database.
  • the method of collecting and crawling information about a plurality of recommended products can be used.
  • the API to be used in the web site can be written based on restful and Oauth.
  • the method of collecting information on a plurality of recommended products from the public API provided by external E-commerce may collect information on the plurality of recommended products from the public API based on metadata about the recommended product. For example, product data may be collected based on metadata about recommended products through a search API provided by TaoBao. In this case, each product unique ID may be generated for the collected recommended products, and the product data may be periodically updated according to a pre-stored time.
  • 3A is a diagram illustrating a method of collecting information on a plurality of recommended products from an external database.
  • the social commerce based product recommendation system may include a server that stores information about a plurality of recommended products, for example, a Suggestion Server 310, and may request information about the plurality of recommended products from an external database. have.
  • the Suggestion Server 310 may interwork by receiving data directly from an external database.
  • the external database may deliver product data for the request of the Suggestion Server 310.
  • the external database may have various forms according to the system design and provide a standard specification.
  • the external database may retrieve the requested product data from the customer company DB (eg, small business server) 320, the retrieved product data may be transferred to the product information view table 330, the product The information view table 330 may collect product data.
  • the product information view table 330 may standardize the product data so that it can be recognized by the social commerce-based product recommendation system.
  • the external database may have a built-in module.
  • the built-in module may retrieve the request received in the product information view table 330 and receive standardized product data for the request.
  • the embedded module may send the received standardized product data to the Suggestion Server 310.
  • 3B is a diagram illustrating a method of collecting information on a plurality of recommended products through crawling.
  • the social commerce-based product recommendation system may include a server for storing information on a plurality of recommended products, for example, a Suggestion Server 350, and the Suggestion Server 350 may include a customer web site (eg, Small business website (360) can be crawled. You can poll based on the product list page, and when there is new product information, you can crawl up to the product detail page. In this case, the crawled data may provide a client manager page that directly validates the client company.
  • the Suggestion Admin Website 370 can search and correct the collected data and register new data through the administrator page access authority received from the client company manager 380.
  • FIG. 4 is a diagram illustrating that a product is recommended in a social commerce-based product recommendation system according to an exemplary embodiment.
  • the social commerce based product recommendation system includes at least one recommendation product recommended by an image or recommendation algorithm corresponding to the first region 410 for an image uploaded by the first user and a recommendation product recommended by the second user.
  • a template that includes a second area 420 for an image corresponding to may be provided. Information may be transmitted and received between the user and the social commerce-based product recommendation system through a template including the first area 410 and the second area 420.
  • the social commerce based product recommendation system may collect and store information on a plurality of recommended products. For example, as described in FIG. 3, the social commerce-based product recommendation system may collect information on a plurality of recommended products through a public API called TAOBAO based on metadata about the recommended products, and the social commerce.
  • the based product recommendation system may collect information on a plurality of recommended products from an external database, and collect information on the plurality of recommended products by crawling information on the plurality of recommended products.
  • the social commerce-based product recommendation system may collect information on a plurality of recommended products by using at least two collection methods described above, and store information on the plurality of recommended products in the recommended product database. .
  • At least one recommendation product for a product corresponding to an uploaded image among a plurality of recommendation products may be determined using a preset recommendation algorithm.
  • the recommendation algorithm may be operated from a time point at which the image is uploaded by the user.
  • the recommendation algorithm may extract a standardized word according to a user's condition from a plurality of recommendation product lists as a query, and measure the similarity through the number of word repetitions and the importance of metadata of the extracted products.
  • the uploaded image may be converted into binary data, and the recommended product may be determined through the similarity of the converted binary data.
  • the similarity may be quantified, and recommendation products similar to the uploaded image may be determined through the quantified similarity.
  • the content may be copied to a My Room of the second user. have.
  • the second user may be followed by clicking the 'I WISH' button on the content including the image uploaded from the first user and the input question.
  • the social commerce-based product recommendation system may continuously synchronize not only the recommendation content added at the time of being followed by the second user but also the recommendation content added to the content from a plurality of users thereafter.
  • the plurality of users may follow content generated by the first user.
  • the recommendation content may be synchronized to each content, and the new recommendation product may be synchronized.
  • information about a new recommended product may be provided to a plurality of users who have followed the content.
  • the user may be provided with continuous updates regardless of the time when the user uploads a question about the product of interest by following the contents even if there is no recommendation product among the one or more recommended products currently output.
  • At least one recommendation product 430 recommended by an image and a recommendation algorithm corresponding to the recommendation product recommended by the second user may be output to the second region 420.
  • the recommendation product 430 recommended by the operator may be output, and other users other than the user may recommend similar recommendation products directly through the ADD SUGGESTION 420.
  • a predetermined number of recommendation products 430 may be output in the second area 420, and the recommendation product 430 may include at least one of a price for a recommendation product, a user preference for a recommendation product, and a url for purchasing a recommendation product.
  • the social commerce-based product recommendation system may output four recommendation products. The name of the recommendation product ONLY Women Whie Top, the recommendation product price: $ 297, the preference for the recommendation product 3, and the recommendation product to be purchased The output can be found at www.aaa.com.
  • the social commerce-based product recommendation system may provide a UI for purchasing the recommended product 430, and the user moves to a site where the user can purchase the recommended product 430 by clicking on a UI for purchasing the recommended product. And a detailed description of the recommended product 430.
  • the social commerce-based product recommendation system may recommend a recommendation product based on a user's preference.
  • FIG. 5 is a flowchart illustrating a product recommendation method of a social commerce based product recommendation system according to an exemplary embodiment.
  • the social commerce-based product recommendation system may store an image uploaded by the first user.
  • the social commerce-based product recommendation system may collect information on the plurality of recommended products using at least two collection methods.
  • the social commerce-based product recommendation system collects information on a plurality of recommended products.
  • the method of collecting information on a plurality of recommended products from a public API, and a plurality of recommended products from an external database. How to collect information about these and the method of collecting information about a plurality of recommended products through the crawl can be used.
  • the social commerce based product recommendation system may store information on the plurality of collected recommended products.
  • the social commerce-based product recommendation system may determine at least one recommendation product for a product corresponding to an uploaded image among a plurality of recommended products using a preset recommendation algorithm.
  • the social commerce based product recommendation system converts the uploaded image into binary data and determines at least one recommendation product for a product corresponding to the uploaded image from among the plurality of recommended products recommended through the similarity of the converted binary data. Can be.
  • the social commerce-based product recommendation system generates metadata from a plurality of recommended products corresponding to the uploaded image, measures similarity including word repetition frequency and importance from the metadata, and recommends the plurality of recommended products through the similarity. At least one recommendation product for a product corresponding to the uploaded image among the recommended products may be determined.
  • the social commerce-based product recommendation system may output an image corresponding to the recommendation product recommended by the second user and an image corresponding to the at least one recommendation product recommended by the recommendation algorithm.
  • FIG. 6 is a diagram illustrating an example for recommending a product in a social commerce-based product recommendation system according to an embodiment.
  • the social commerce based product recommendation system may install a program for linking the social commerce based product recommendation system to a web site where an e-commerce is made.
  • a toolbar function on the web site, a user can quickly search for a product and provide the user with a convenient shopping cart.
  • the social commerce-based product recommendation system may add two functions to apply a preference for a product or to recommend a product. For example, when a user mouses over a product 610 on an e-commerce web site, an I WISH 620 and a RECOMMEND 630 button may be output. In this case, when the user selects an I WISH 620 for the product, the product selected by the user may be output in connection with a social commerce-based product recommendation system.
  • the social commerce-based product recommendation system may output a selected product from a web site where an e-commerce is made, and output a detailed description of the product. For example, the manufacturer of the selected product, the type of the selected product, or a description of the selected product may be output. In addition, a description of the selected product may be entered and stored, or the description may be modified and stored.
  • FIG. 7 is a diagram for describing another example of recommending a product in a social commerce-based product recommendation system according to an embodiment.
  • the social commerce based product recommendation system may install a program for linking the social commerce based product recommendation system to a web site where an e-commerce is made.
  • a toolbar function on the web site, a user can quickly search for a product and provide the user with a convenient shopping cart.
  • the social commerce-based product recommendation system may add two functions to apply a preference for a product or to recommend a product. For example, when a user mouses over a product 710 on an e-commerce web site, an I WISH 720 and a RECOMMEND 730 button may be output. In this case, when the user selects a recommendation 720 for the product, the product selected by the user in connection with the social commerce-based product recommendation system may be output.
  • the social commerce-based product recommendation system may output a product selected from a web site on which e-commerce is performed.
  • the social commerce-based product recommendation system may further output an image that questioners ask about the product and upload the question.
  • a user may ask a question about an image uploaded, and contents 750 including a product uploaded to the question may be output.
  • the user may select at least one of the contents including the product uploaded for the question. Accordingly, the social commerce-based product recommendation system may recommend a product 710 selected on the website as a product recommended for the question. For example, the product 710 selected on the website may be recommended and output to the contents 750 including the product corresponding to the question.
  • the apparatus described above may be implemented as a hardware component, a software component, and / or a combination of hardware components and software components.
  • the devices and components described in the embodiments may be, for example, processors, controllers, arithmetic logic units (ALUs), digital signal processors, microcomputers, field programmable arrays (FPAs), It may be implemented using one or more general purpose or special purpose computers, such as a programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions.
  • the processing device may execute an operating system (OS) and one or more software applications running on the operating system.
  • the processing device may also access, store, manipulate, process, and generate data in response to the execution of the software.
  • OS operating system
  • the processing device may also access, store, manipulate, process, and generate data in response to the execution of the software.
  • processing device includes a plurality of processing elements and / or a plurality of types of processing elements. It can be seen that it may include.
  • the processing device may include a plurality of processors or one processor and one controller.
  • other processing configurations are possible, such as parallel processors.
  • the software may include a computer program, code, instructions, or a combination of one or more of the above, and configure the processing device to operate as desired, or process it independently or collectively. You can command the device.
  • Software and / or data may be any type of machine, component, physical device, virtual equipment, computer storage medium or device in order to be interpreted by or to provide instructions or data to the processing device. Or may be permanently or temporarily embodied in a signal wave to be transmitted.
  • the software may be distributed over networked computer systems so that they may be stored or executed in a distributed manner.
  • Software and data may be stored on one or more computer readable recording media.
  • the method according to the embodiment may be embodied in the form of program instructions that can be executed by various computer means and recorded in a computer readable medium.
  • the computer readable medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the program instructions recorded on the media may be those specially designed and constructed for the purposes of the embodiments, or they may be of the kind well-known and available to those having skill in the computer software arts.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tape, optical media such as CD-ROMs, DVDs, and magnetic disks, such as floppy disks.
  • Examples of program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like.
  • the hardware device described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템은, 제1 사용자에 의하여 업로드된 이미지를 저장하는 데이터베이스; 복수의 추천 상품들에 대한 정보를 저장하는 추천 상품 데이터베이스; 적어도 두 개의 수집 방식들을 이용하여 상기 복수의 추천 상품들에 대한 정보를 수집하는 정보 수집부; 미리 설정된 추천 알고리즘을 이용하여 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정하는 추천부; 및 제2 사용자에 의하여 추천된 추천 상품에 대응하는 이미지 및 상기 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품에 대응하는 이미지를 출력하는 출력부를 포함할 수 있다.

Description

자동 추천 기능을 갖는 소셜 커머스 기반의 상품 추천 시스템 및 방법
아래의 설명은 상품을 추천하는 기술에 관한 것으로, 추천 알고리즘을 통하여 상품을 추천하는 방법에 관한 것이다.
전자상거래는 인터넷이 보편화되기 이전에도 기업간 문서를 전자적 방식으로 교환하거나, PC통신의 홈쇼핑/홈뱅킹 등 다양한 형태로 존재해 왔으나, 인터넷이 대중화되면서 전자상거래는 인터넷상에서의 거래와 관련하여 생각하게 되었다. 협의의 전자상거래란 인터넷상에 홈페이지로 개설된 상점을 통해 실시간으로 상품을 거래하는 것을 의미한다. 거래되는 상품에는 전자부품과 같은 실물뿐 아니라, 원거리 교육이나 의학적 진단과 같은 서비스도 포함된다. 또한, 이러한 상품은 뉴스/오디오/소프트웨어와 같은 디지털 상품도 포함되며, 전자상거래에 있어 이들의 비중이 점차 높아지고 있다. 광의의 전자상거래는 소비자와의 거래뿐만 아니라 거래와 관련된 공급자, 금융기관, 정부기관, 운송기관 등과 같이 거래에 관련되는 모든 기관과의 관련행위를 포함한다.
지능형 서비스는 사용자의 개인 정보에 따라 맞춤형 컨텐츠를 제공하는 서비스를 의미한다. 종래의 지능형 서비스는 고정된 분류 체계를 이용하여 검색된 자료 중, 사용자의 사용 이력 또는 사용 패턴에 따라 잠재적인 사용자의 의도를 예측하여 일부 자료를 제공한다. 하지만 지능형 서비스는 분류 체계가 고정되어 있으므로 자료가 동일하고 사용자의 성형을 반영한 일부 자료를 통하여 추천되므로 지능형 서비스를 제공하는데 한계가 있다. 이에 따라 고객이 현재 선택하고자 하는 추상적인 취향 요소들에 기초하여 가장 적합한 상품을 추천할 수 있는 서비스가 필요하다.
일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템은 다양한 방법으로 상품 정보를 수집하는 방법을 제공할 수 있다.
일 실시예에 따른 추천 알고리즘을 통하여 소셜 커머스 기반의 상품 추천 방법을 제공할 수 있다.
일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템은, 제1 사용자에 의하여 업로드된 이미지를 저장하는 데이터베이스; 복수의 추천 상품들에 대한 정보를 저장하는 추천 상품 데이터베이스; 적어도 두 개의 수집 방식들을 이용하여 상기 복수의 추천 상품들에 대한 정보를 수집하는 정보 수집부; 미리 설정된 추천 알고리즘을 이용하여 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정하는 추천부; 및 제2 사용자에 의하여 추천된 추천 상품에 대응하는 이미지 및 상기 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품에 대응하는 이미지를 출력하는 출력부를 포함할 수 있다.
일측에 따르면, 상기 정보 수집부는, 상기 추천 상품에 대한 메타 데이터에 기초하여 공개 API로부터 상기 복수의 추천 상품들에 대한 정보를 수집할 수 있다.
또 다른 일측에 따르면, 상기 정보 수집부는, 상기 수집한 복수의 추천 상품들에 대한 각각의 상품 유니크 식별자(Unique ID)를 생성하고, 미리 저장된 시간에 따라 주기적으로 상기 복수의 추천 상품들에 대한 정보를 갱신할 수 있다.
또 다른 일측에 따르면, 상기 정보 수집부는, 외부의 데이터베이스로부터 상기 복수의 추천 상품들에 대한 정보를 수신하고, 상기 수신된 복수의 추천 상품들에 대한 정보를 상기 소셜 커머스 기반의 상품 추천 시스템에서 인식할 수 있는 데이터로 표준화할 수 있다.
또 다른 일측에 따르면, 상기 정보 수집부는, 상기 복수의 추천 상품들에 대한 정보를 크롤링하고, 상기 크롤링된 복수의 추천 상품들에 대한 정보를 유효성 검사를 통하여 검증할 수 있다.
또 다른 일측에 따르면, 상기 추천부는, 상기 업로드된 이미지를 바이너리 데이터로 변환하고, 상기 변환된 바이너리 데이터의 유사도를 통하여 추천된 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정할 수 있다.
또 다른 일측에 따르면, 상기 추천부는, 상기 업로드된 이미지에 대응하는 복수의 추천 상품들로부터 메타 데이터를 생성하고, 상기 메타 데이터로부터 단어 반복 횟수 및 중요도를 포함하는 유사도를 측정하고, 상기 유사도를 통하여 추천된 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정할 수 있다.
일 실시예에 따른 소셜 커머스 기반의 상품 추천 방법은, 제1 사용자에 의하여 업로드된 이미지를 저장하는 단계; 복수의 추천 상품들에 대한 정보를 저장하는 단계; 적어도 두 개의 수집 방식들을 이용하여 상기 복수의 추천 상품들에 대한 정보를 수집하는 단계; 미리 설정된 추천 알고리즘을 이용하여 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정하는 단계; 및 제2 사용자에 의하여 추천된 추천 상품에 대응하는 이미지 및 상기 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품에 대응하는 이미지를 출력하는 단계를 포함할 수 있다.
일측에 따르면, 상기 적어도 두 개의 수집 방식들을 이용하여 상기 복수의 추천 상품들에 대한 정보를 수집하는 단계는, 상기 추천 상품에 대한 메타 데이터에 기초하여 공개 API로부터 상기 복수의 추천 상품들에 대한 정보를 수집하는 단계를 포함할 수 있다.
또 다른 일측에 따르면, 상기 적어도 두 개의 수집 방식들을 이용하여 상기 복수의 추천 상품들에 대한 정보를 수집하는 단계는, 외부의 데이터베이스로부터 상기 복수의 추천 상품들에 대한 정보를 수신하고, 상기 수신된 복수의 추천 상품들에 대한 정보를 상기 소셜 커머스 기반의 상품 추천 시스템에서 인식할 수 있는 데이터로 표준화하는 단계를 포함할 수 있다.
또 다른 일측에 따르면, 상기 적어도 두 개의 수집 방식들을 이용하여 상기 복수의 추천 상품들에 대한 정보를 수집하는 단계는, 상기 복수의 추천 상품들에 대한 정보를 크롤링하고, 상기 크롤링된 복수의 추천 상품들에 대한 정보를 유효성 검사를 통하여 검증하는 단계를 포함할 수 있다.
또 다른 일측에 따르면, 상기 미리 설정된 추천 알고리즘을 이용하여 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정하는 단계는, 상기 업로드된 이미지를 바이너리 데이터로 변환하고, 상기 변환된 바이너리 데이터의 유사도를 통하여 추천된 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정하는 단계; 및 상기 업로드된 이미지에 대응하는 복수의 추천 상품들로부터 메타 데이터를 생성하고, 상기 메타 데이터로부터 단어 반복 횟수 및 중요도를 포함하는 유사도를 측정하고, 상기 유사도를 통하여 추천된 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정하는 단계를 포함할 수 있다.
일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템은 공개 API, 외부 데이터베이스 및 크롤링을 통하여 추천 상품들에 대한 정보를 수집할 수 있고, 수집된 정보를 바탕으로 상품을 추천할 수 있다.
일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템은 메타 데이터에 기반하여 유사도를 측정하고, 상기 유사도에 따라 추천 상품을 결정하여 사용자에게 제공함으로써 업로드된 이미지와 유사한 상품을 추천할 수 있다.
도 1은 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템의 동작을 나타낸 도면이다.
도 2는 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템의 구성을 나타낸 블록도이다.
도 3은 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템의 복수의 추천 상품들에 대한 정보를 수집하는 방법을 나타낸 도면이다.
도 4는 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템에서 상품이 추천된 것을 나타낸 도면이다.
도 5는 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템의 상품 추천 방법을 나타낸 흐름도이다.
도 6은 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템에서 상품을 추천하기 위한 예를 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템에서 상품을 추천하기 위한 또 다른 예를 설명하기 위한 도면이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
도 1은 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템의 동작을 나타낸 도면이다.
사용자(110)는 소셜 커머스 기반의 상품 추천 시스템(130)과 연결된 웹 사이트(120)를 통하여 이미지를 업로드할 수 있고, 업로드된 이미지로부터 추출하고자 하는 상품을 입력할 수 있다. 예를 들면, 사용자는 헐리우드 배우의 옷차림을 포함하고 있는 이미지를 업로드할 수 있고, 헐리우드 배우의 옷차림 중 신발에 대한 정보를 얻고 싶다면, 사용자는 "#신발#플랫"을 입력함으로써 업로드된 이미지로부터 헐리우드 배우의 신발을 검색할 수 있다. 소셜 커머스 기반의 상품 추천 시스템(130)은 웹 사이트(120)를 통하여 사용자(110)로부터 업로드된 이미지를 데이터베이스에 저장할 수 있고, 사용자(110)로부터 업로드된 헐리우드 배우의 옷차림 중 신발이 검색됨에 따라 헐리우드 배우의 옷차림에 대응하는 신발을 인식할 수 있다.
소셜 커머스 기반의 상품 추천 시스템(130)은 적어도 두 개의 수집 방식들을 이용하여 복수의 추천 상품들에 대한 정보를 수집할 수 있다. 예를 들면, 소셜 커머스 기반의 상품 추천 시스템(130)는 추천 상품에 대한 메타 데이터에 기초하여 Taobao 라는 공개 API를 통하여 복수의 추천 상품들에 대한 정보를 수집할 수 있다. 소셜 커머스 기반의 상품 추천 시스템(130)은 외부의 데이터베이스로부터 복수의 추천 상품들에 대한 정보를 수신할 수 있다. 소셜 커머스 기반의 상품 추천 시스템(130)은 복수의 추천 상품들에 대한 정보를 크롤링하고, 크롤링된 복수의 추천 상품들에 대한 정보를 유효성 검사를 통하여 검증을 통하여 복수의 추천 상품들에 대한 정보를 수신할 수 있다. 소셜 커머스 기반의 상품 추천 시스템(130)은 복수의 추천 상품들에 대한 정보를 추천 상품 데이터베이스에 저장할 수 있다.
소셜 커머스 기반의 상품 추천 시스템(130)은 미리 설정된 추천 알고리즘을 이용하여 복수의 추천 상품들 중 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정할 수 있다. 소셜 커머스 기반의 추천 시스템(130)은 업로드된 이미지를 바이너리 데이터로 변환할 수 있고, 변환된 바이너리 데이터의 유사도를 통하여 추천된 복수의 추천 상품들 중 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정할 수 있다. 소셜 커머스 기반의 추천 시스템(130)은 업로드된 이미지에 대응하는 복수의 추천 상품들로부터 메타 데이터를 생성하고, 메타 데이터로부터 단어 반복 횟수 및 중요도를 포함하는 유사도를 측정하고, 유사도를 통하여 추천된 복수의 추천 상품들 중 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정할 수 있다. 예를 들면, 업로드된 이미지로부터 입력된 조건이 "#신발#플랫"이라면, 입력된 조건에 대한 단어의 반복 횟수 및 중요도를 통하여 유사도를 측정할 수 있다.
일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템은 사용자에 의하여 이미지가 업로드된 시점부터 동작될 수 있고, 비동기 방식으로 수행되어 추천 상품이 결정될 때 API 연동으로 인하여 발생되는 지연을 방지할 수 있고, 결정된 추천 상품에 대하여 한번 더 유사도가 높은 추천 상품을 결정함으로써 정확도를 향상시킬 수 있다. 또한, 추천 상품에 대한 정보가 갱신되거나, 사용자의 피드백에 근거하여 정확도가 낮은 데이터는 재분석하여 정확도를 높일 수 있다.
소셜 커머스 기반의 상품 추천 시스템(130)은 예를 들면, 사용자에 의하여 추천된 추천 상품, 소셜 커머스 기반의 상품 추천 시스템과 연결된 웹 사이트 운영자로부터 추천된 추천 상품 및 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품에 대응하는 이미지를 출력할 수 있다. 이때, 소셜 커머스 기반의 상품 추천 시스템(130)은 웹 사이트(120)를 통하여 제1 사용자에 의하여 업로드된 이미지를 위한 제1 영역 및 제2 사용자에 의하여 추천된 추천 상품에 대응하는 이미지 또는 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품에 대응하는 이미지를 위한 제2 영역을 포함하는 템플릿을 제공할 수 있다.
소셜 커머스 기반의 상품 추천 시스템(130)은 추천 상품에 대한 가격, 추천 상품에 대한 선호도 및 추천 상품을 구매할 수 있는 URL 중 적어도 하나를 웹 사이트(120)를 통해 출력할 수 있고, 미리 결정된 개수만큼의 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품을 출력할 수 있다. 예를 들면, 소셜 커머스 기반의 상품 추천 시스템은(130) 웹 사이트를 통하여 추천 상품의 이름 ONLY Women flat, 추천 상품의 가격 price: $397, 추천 상품에 대한 선호도 5, 추천 상품을 구매할 수 있는 사이트 www.aaa.com과 같이 출력할 수 있다.
소셜 커머스 기반의 상품 추천 시스템(130)은 사용자에 의하여 업로드된 이미지 위에 사용자 이외의 사용자로부터 추천된 추천 상품에 대응하는 대응하는 이미지 및 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품에 대응하는 이미지를 오버레이할 수 있다. 사용자(110)는 업로드된 이미지에 예를 들면, 마우스의 커서를 올려놓을 경우, 업로드된 이미지에 대응하는 추천 상품이 오버레이될 수 있다.
소셜 커머스 기반의 상품 추천 시스템(130)은 사용자의 선택에 의하여 복수의 사용자들의 복수의 이미지들을 바둑판 형태로 출력하는 방식 및 복수의 사용자들의 복수의 이미지들을 수직적으로 정렬하여 출력하는 방식을 제공할 수 있고, 사용자의 선택에 의하여 웹 사이트(120)에 바둑판 형태 또는 수직적으로 정렬된 방식으로 출력될 수 있다.
도 2는 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템의 구성을 나타낸 블록도이다.
소셜 커머스 기반의 상품 추천 시스템(200)은 미리 설정된 추천 알고리즘을 통하여 상품을 추천하고, 추천된 상품을 사용자에게 제공하는 시스템으로서, 데이터베이스(210), 추천 상품 데이터베이스(220), 정보 수집부(230), 추천부(240) 및 출력부(250)를 포함할 수 있다.
데이터베이스(210)는 제1 사용자에 의하여 업로드된 이미지를 저장할 수 있다. 예를 들면, 소셜 커머스 상품 추천 시스템을 이용하는 사용자는 이미지를 업로드할 수 있고, 데이터베이스(210)는 업로드된 이미지를 저장할 수 있다. 이때, 사용자는 소셜 커머스를 관리하는 운영자, 소셜 커머스를 이용하는 이용자 및 사용자 이외의 다른 사용자 등을 포함할 수 있다.
추천 상품 데이터베이스(220)는 복수의 추천 상품들에 대한 정보를 저장할 수 있다. 추천 상품 데이터베이스(220)는 정보 수집부(230)로부터 수집된 복수의 추천 상품들에 대한 정보를 저장할 수 있다. 이때, 추천 상품 데이터베이스(220)는 미리 지정된 시간에 따라 주기적으로 업데이트될 수 있다.
정보 수집부(230)는 적어도 두 개의 수집 방식들을 이용하여 복수의 추천 상품들에 대한 정보를 수집할 수 있다. 이때, 정보 수집부(230)는 추천 상품에 대한 메타 데이터에 기초하여 공개 API로부터 복수의 추천 상품들에 대한 정보를 수집할 수 있으며, 수집한 복수의 추천 상품들에 대한 각각의 상품 유니크 식별자(Unique ID)를 생성하고, 미리 저장된 시간에 따라 주기적으로 복수의 추천 상품들에 대한 정보를 갱신할 수 있다. 정보 수집부(230)는 외부의 데이터베이스로부터 복수의 추천 상품들에 대한 정보를 수신하고, 수신된 복수의 추천 상품들에 대한 정보를 소셜 커머스 기반의 상품 추천 시스템에서 인식할 수 있는 데이터로 표준화할 수 있다. 정보 수집부(230)는 복수의 추천 상품들에 대한 정보를 크롤링하고, 크롤링된 복수의 추천 상품들에 대한 정보를 유효성 검사를 통하여 검증할 수 있다.
추천부(240)는 미리 설정된 추천 알고리즘을 이용하여 복수의 추천 상품들 중 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정할 수 있다. 추천부(240)는 업로드된 이미지를 바이너리 데이터로 변환하고, 변환된 바이너리 데이터의 유사도를 통하여 추천된 복수의 추천 상품들 중 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정할 수 있다. 추천부(240)는 업로드된 이미지에 대응하는 복수의 추천 상품들로부터 메타 데이터를 생성하고, 메타 데이터로부터 단어 반복 횟수 및 중요도를 포함하는 유사도를 축정하고, 유사도를 통하여 추천된 복수의 추천 상품들 중 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정할 수 있다.
출력부(250)는 제2 사용자에 의하여 추천된 추천 상품에 대응하는 이미지 및 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품에 대응하는 이미지를 출력할 수 있다. 예를 들면, 출력부(250)는 소셜 커머스 운영자, 사용자 이외의 다른 사용자, 사용자의 질문에 답하는 답변자 및 외부의 상품을 추천해주는 업체 등에 의하여 추천된 추천 상품에 대응하는 이미지 및 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품에 대응하는 이미지를 동시에 출력할 수 있으며, 각각의 사용자를 기준으로 각각의 사용자로부터 추천된 상품들이 출력될 수 있다.
도 3은 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템의 복수의 추천 상품들에 대한 정보를 수집하는 방법을 나타낸 도면이다.
소셜 커머스 기반의 상품 추천 시스템은 적어도 두 개의 수집 방식들을 이용하여 복수의 추천 상품들에 대한 정보를 수집할 수 있다. 소셜 커머스 기반의 상품 추천 시스템은 복수의 추천 상품들에 대한 정보를 수집 방법에 있어서, 공개 API로부터 복수의 추천 상품들에 대한 정보를 수집하는 방법, 외부의 데이터베이스로부터 복수의 추천 상품들에 대한 정보를 수집하는 방법 및 크롤링을 통하여 복수의 추천 상품들에 대한 정보를 수집하는 방법을 이용할 수 있다. 이때, 웹 사이트에서 사용될 API는 restful 및 Oauth을 기반으로 작성될 수 있다.
외부 E-commerce에서 제공하는 공개 API로부터 복수의 추천 상품들에 대한 정보를 수집하는 방법은 추천 상품에 대한 메타 데이터에 기초하여 공개 API로부터 복수의 추천 상품들에 대한 정보를 수집할 수 있다. 예를 들면, TaoBao가 제공하는 검색 API를 통하여 추천 상품에 대한 메타 데이터에 근거하여 상품 데이터를 수집할 수 있다. 이때, 수집한 복수의 추천 상품들에 대한 각각의 상품 유니크 식별자(Unique ID)를 생성하고, 미리 저장된 시간에 따라 주기적으로 상품 데이터에 대한 갱신을 수행할 수 있다.
도 3a는 외부의 데이터베이스로부터 복수의 추천 상품들에 대한 정보를 수집하는 방법을 나타낸 도면이다.
소셜 커머스 기반의 상품 추천 시스템은 복수의 추천 상품들에 대한 정보를 저장하는 서버, 예를 들면, Suggestion Server(310)을 포함할 수 있으며, 외부 데이터베이스에 복수의 추천 상품들에 대한 정보를 요청할 수 있다. 소셜 커머스 기반의 상품 추천 시스템에서 Suggestion Server(310)는 외부 데이터베이스로부터 직접 데이터를 수신하여 연동할 수 있다.
외부 데이터베이스는 Suggestion Server(310)의 요청에 대한 상품 데이터를 전달할 수 있다. 이때, 외부 데이터베이스는 시스템 설계에 따라 다양한 형태를 지닐 수 있고, 표준 명세를 제공할 수 있다. 예를 들면, 외부 데이터베이스는 고객사 DB(예를 들면, Small business server)(320)로부터 요청된 상품 데이터를 검색할 수 있고, 검색된 상품 데이터는 상품 정보 View table(330)로 전달될 수 있고, 상품 정보 View table(330)는 상품 데이터를 수집할 수 있다. 상품 정보 View table(330)은 상품 데이터를 표준화하여 소셜 커머스 기반의 상품 추천 시스템에서 인식할 수 있도록 할 수 있다.
또한, 외부 데이터베이스는 내장 모듈이 내장되어 있을 수 있다. 내장 모듈은 소셜 커머스 기반의 상품 추천 시스템으로부터 예정된 요청을 수신하였을 때, 상품 정보 View table(330)로 수신된 요청을 검색할 수 있고, 요청에 대한 표준화된 상품 데이터를 수신할 수 있다. 내장 모듈은 수신된 표준화된 상품 데이터를 Suggestion Server(310)로 송신할 수 있다.
도 3b는 크롤링을 통하여 복수의 추천 상품들에 대한 정보를 수집하는 방법을 나타낸 도면이다.
소셜 커머스 기반의 상품 추천 시스템은 복수의 추천 상품들에 대한 정보를 저장하는 서버, 예를 들면, Suggestion Server(350)을 포함할 수 있으며, Suggestion Server(350)은 고객사 웹 사이트(예를 들면, Small business website)(360)를 통해서 크롤링을 할 수 있다. 상품 목록 페이지를 기준으로 폴링(Polling)할 수 있으며, 새로운 상품 정보가 있을 경우에 제품 상세 페이지까지 크롤링할 수 있다. 이때, 크롤링된 데이터는 고객사에서 유효성을 직접 검증할 수 있는 고객사 관리자 페이지를 제공할 수 있다. Suggestion Admin Website(370)는 고객사 관리자(380)로부터 수신된 관리자 페이지 접근 권한을 통하여 수집된 데이터를 조회 및 보정하고, 신규 데이터를 등록할 수 있게 된다.
도 4는 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템에서 상품이 추천된 것을 나타낸 도면이다.
소셜 커머스 기반의 상품 추천 시스템은 제1 사용자에 의하여 업로드된 이미지를 위한 제1 영역(410) 및 제2 사용자에 의하여 추천된 추천 상품에 대응하는 이미지 또는 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품에 대응하는 이미지를 위한 제2 영역(420)을 포함하는 템플릿을 제공할 수 있다. 제1 영역(410) 및 제2 영역(420)을 포함하는 템플릿을 통하여 사용자와 소셜 커머스 기반의 상품 추천 시스템간에 정보를 송수신할 수 있다.
소셜 커머스 기반의 상품 추천 시스템은 복수의 추천 상품들에 대한 정보를 수집하고 저장할 수 있다. 예를 들면, 소셜 커머스 기반의 상품 추천 시스템은 도 3에서 설명한 바와 같이, 추천 상품에 대한 메타 데이터에 기초하여 TAOBAO라는 공개 API를 통하여 복수의 추천 상품들에 대한 정보를 수집할 수 있고, 소셜 커머스 기반의 상품 추천 시스템은 외부의 데이터베이스로부터 복수의 추천 상품들에 대한 정보를 수집할 수 있고, 복수의 추천 상품들에 대한 정보를 크롤링하여 복수의 추천 상품들에 대한 정보를 수집할 수 있다. 소셜 커머스 기반의 상품 추천 시스템은 앞서 설명한 방식 중 적어도 두 개의 수집 방식을 이용하여 복수의 추천 상품들에 대한 정보를 수집할 수 있고, 복수의 추천 상품들에 대한 정보를 추천 상품 데이터베이스에 저장할 수 있다.
소셜 커머스 기반의 상품 추천 시스템은 미리 설정된 추천 알고리즘을 이용하여 복수의 추천 상품들 중 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품이 결정될 수 있다. 이때, 사용자에 의하여 이미지가 업로드된 시점으로부터 추천 알고리즘이 동작될 수 있다. 예를 들면, 추천 알고리즘은 외부로부터 복수의 추천 상품 목록 중 사용자의 조건에 따른 표준화된 단어를 쿼리로 추출하고, 추출된 상품들의 메타 데이터의 단어 반복 횟수, 중요도 등을 통하여 유사도를 측정할 수 있다. 업로드된 이미지를 바이너리 데이터로 변환하고, 변환된 바이너리 데이터의 유사도를 통하여 추천 상품을 결정할 수 있다. 이때, 유사도는 수치화될 수 있으며, 수치화된 유사도를 통하여 업로드된 이미지와 유사한 추천 상품들이 결정될 수 있다.
또한, 소셜 커머스 기반의 상품 추천 시스템은 제1 사용자로부터 업로드된 이미지 및 입력된 질문을 포함하는 컨텐츠를 제2 사용자가 팔로우할 경우, 제2 사용자의 개인 공간(My Room)에 컨텐츠가 복사될 수 있다. 이때, 제2 사용자는 제1 사용자로부터 업로드된 이미지 및 입력된 질문을 포함한 컨텐츠에 대하여 '좋아요(I WISH)'버튼을 클릭함으로써 팔로우될 수 있다.
소셜 커머스 기반의 상품 추천 시스템은 제2 사용자로부터 팔로우된 시점에 이미 추가된 추천 내용뿐만 아니라 그 이후에 복수의 사용자로부터 컨텐츠에 입력되어 추가되는 추천 내용에 대해서도 지속적으로 동기화가 이루어질 수 있다. 예를 들면, 복수의 사용자는 제1 사용자에 의해 생성된 컨텐츠를 팔로우할 수 있다. 팔로우함으로써 생성된 각각의 사용자의 개인 공간에 복사된 컨텐츠 및 제1 사용자로부터 생성된 컨텐츠 중 적어도 하나의 컨텐츠에 추천 내용이 추가될 경우, 각각의 컨텐츠에 추천 내용을 동기화될 수 있으며, 새로운 추천 상품이 추가되는 경우에도 상기 컨텐츠를 팔로우한 복수의 사용자들에게 새로운 추천 상품에 대한 정보를 제공할 수 있다. 사용자는 현재 출력되는 적어도 하나의 추천 상품 중 마음에 드는 추천 상품이 없더라도, 상기 컨텐츠를 팔로우함으로써 관심 상품에 대하여 질문을 업로드한 시점과 상관없이 지속적인 업데이트를 제공받을 수 있다.
소셜 커머스 기반의 상품 추천 시스템은 제2 영역에(420)에 제2 사용자에 의하여 추천된 추천 상품에 대응하는 이미지 및 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품(430)이 출력될 수 있다. 예를 들면, 예를 들면, 운영자에 의하여 추천된 추천 상품(430)이 출력될 수 있고, ADD SUGGESTION(420)을 통하여 사용자 이외의 다른 사용자가 직접 유사한 추천 상품을 추천할 수 있다.
제2 영역(420)에는 미리 결정된 개수만큼의 추천 상품(430)이 출력될 수 있으며, 추천 상품(430)은 추천 상품에 대한 가격, 추천 상품에 대한 사용자 선호도 및 추천 상품을 구매가능한 url 중 적어도 하나를 출력할 수 있다. 예를 들면, 소셜 커머스 기반의 상품 추천 시스템은 4개의 추천 상품이 출력될 수 있으며, 추천 상품의 이름 ONLY Women Whie Top, 추천 상품의 가격 price: $297, 추천 상품에 대한 선호도 3, 추천 상품을 구매할 수 있는 사이트 www.aaa.com 와 같이 출력할 수 있다. 또한, 소셜 커머스 기반의 상품 추천 시스템은 추천 상품(430)을 구매할 수 있도록 UI를 제공할 수 있고, 사용자는 추천 상품을 구매할 수 있는 UI를 클릭함으로써 추천 상품(430)을 구매할 수 있는 사이트로 이동될 수 있고, 추천 상품(430)에 대한 상세한 설명을 볼 수 있다.
일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템은 사용자의 선호도에 기초하여 추천 상품을 추천할 수 있다.
도 5는 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템의 상품 추천 방법을 나타낸 흐름도이다.
단계(510)에서 소셜 커머스 기반의 상품 추천 시스템은 제1 사용자에 의하여 업로드된 이미지를 저장할 수 있다.
단계(520)에서 소셜 커머스 기반의 상품 추천 시스템은 적어도 두 개의 수집 방식들을 이용하여 복수의 추천 상품들에 대한 정보를 수집할 수 있다. 도 3을 참고하면, 소셜 커머스 기반의 상품 추천 시스템은 복수의 추천 상품들에 대한 정보를 수집 방법은 공개 API로부터 복수의 추천 상품들에 대한 정보를 수집하는 방법, 외부의 데이터베이스로부터 복수의 추천 상품들에 대한 정보를 수집하는 방법 및 크롤링을 통하여 복수의 추천 상품들에 대한 정보를 수집하는 방법을 이용할 수 있다. 소셜 커머스 기반의 상품 추천 시스템은 수집된 복수의 추천 상품들에 대한 정보를 저장할 수 있다.
단계(530)에서 소셜 커머스 기반의 상품 추천 시스템은 미리 설정된 추천 알고리즘을 이용하여 복수의 추천 상품들 중 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정할 수 있다. 소셜 커머스 기반의 상품 추천 시스템은 업로드된 이미지를 바이너리 데이터로 변환하고, 변환된 바이너리 데이터의 유사도를 통하여 추천된 복수의 추천 상품들 중 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정할 수 있다. 또한, 소셜 커머스 기반의 상품 추천 시스템은 업로드된 이미지에 대응하는 복수의 추천 상품들로부터 메타 데이터를 생성하고, 메타 데이터로부터 단어 반복 횟수 및 중요도를 포함하는 유사도를 측정하고, 유사도를 통하여 추천된 복수의 추천 상품들 중 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정할 수 있다.
단계(540)에서 소셜 커머스 기반의 상품 추천 시스템은 제2 사용자에 의하여 추천된 추천 상품에 대응하는 이미지 및 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품에 대응하는 이미지를 출력할 수 있다.
도 6은 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템에서 상품을 추천하기 위한 예를 설명하기 위한 도면이다.
소셜 커머스 기반의 상품 추천 시스템은 전자 상거래가 이루어지는 웹 사이트에 소셜 커머스 기반의 상품 추천 시스템을 연동시키기 위한 프로그램을 설치할 수 있다. 웹 사이트에는 툴바(Toolbar)기능을 제공함으로써 사용자가 상품을 빠르게 검색할 수 있고, 검색된 상품을 간편하게 장바구니에 보관할 수 있도록 제공할 수 있다.
소셜 커머스 기반의 상품 추천 시스템은 상품에 대한 선호도를 적용하거나 상품에 대하여 추천할 수 있는 두 가지 기능을 부가할 수 있다. 전자 상거래가 이루어지는 웹 사이트에서 예를 들면, 사용자가 상품(610)에 마우스를 올려놓았을 경우 I WISH(620), RECOMMEND(630) 버튼이 출력될 수 있다. 이때, 사용자가 상품에 대하여 좋아요(I WISH)(620)를 선택하였을 경우, 소셜 커머스 기반의 상품 추천 시스템과 연결되어 사용자가 선택한 상품이 출력될 수 있다. 소셜 커머스 기반의 상품 추천 시스템은 전자 상거래가 이루어지는 웹 사이트에서 선택된 상품을 출력할 수 있고, 상품에 대한 상세한 설명을 출력할 수 있다. 예를 들면, 선택된 상품에 대한 제조사, 선택된 상품의 종류 또는 선택된 상품에 대한 설명 등을 출력할 수 있다. 또한, 선택된 상품에 대한 설명을 기입하여 저장할 수 있으며, 설명을 수정하여 저장할 수도 있다.
도 7은 일 실시예에 따른 소셜 커머스 기반의 상품 추천 시스템에서 상품을 추천하기 위한 또 다른 예를 설명하기 위한 도면이다.
소셜 커머스 기반의 상품 추천 시스템은 전자 상거래가 이루어지는 웹 사이트에 소셜 커머스 기반의 상품 추천 시스템을 연동시키기 위한 프로그램을 설치할 수 있다. 웹 사이트에는 툴바(Toolbar)기능을 제공함으로써 사용자가 상품을 빠르게 검색할 수 있고, 검색된 상품을 간편하게 장바구니에 보관할 수 있도록 제공할 수 있다.
소셜 커머스 기반의 상품 추천 시스템은 상품에 대한 선호도를 적용하거나 상품에 대하여 추천할 수 있는 두 가지 기능을 부가할 수 있다. 전자 상거래가 이루어지는 웹 사이트에서 예를 들면, 사용자가 상품(710)에 마우스를 올려놓았을 경우 I WISH(720), RECOMMEND(730) 버튼이 출력될 수 있다. 이때, 사용자가 상품에 대하여 추천(RECOMMEND)(720)을 선택하였을 경우, 소셜 커머스 기반의 상품 추천 시스템과 연결되어 사용자가 RECOMMEND를 선택한 상품이 출력될 수 있다.
소셜 커머스 기반의 상품 추천 시스템은 전자 상거래가 이루어지는 웹 사이트에서 선택된 상품을 출력할 수 있다. 또한, 소셜 커머스 기반의 상품 추천 시스템은 질문자들이 상품에 대하여 질문을 하고, 질문에 대하여 업로드 하였던 이미지를 더 출력할 수 있다. 이때, 예를 들면, 사용자가 업로드하였던 이미지에 대하여 질문을 하고, 질문에 대하여 업로드하였던 상품을 포함하고 있는 컨텐츠(Contents)(750)들이 출력될 수 있다.
사용자는 질문에 대하여 업로드하였던 상품을 포함하고 있는 컨텐츠들 중 적어도 하나를 선택할 수 있다. 이에 따라 소셜 커머스 기반의 상품 추천 시스템은 질문에 대하여 업로드하였던 상품을 추천 상품으로 웹사이트에서 선택된 상품(710)을 추천할 수 있다. 예를 들면, 질문에 대응하는 상품을 포함하고 있는 컨텐츠(Contents)(750)에 웹사이트에서 선택된 상품(710)이 추천되어 출력될 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (12)

  1. 소셜 커머스 기반의 상품 추천 시스템에 있어서,
    제1 사용자에 의하여 업로드된 이미지를 저장하는 데이터베이스;
    복수의 추천 상품들에 대한 정보를 저장하는 추천 상품 데이터베이스;
    적어도 두 개의 수집 방식들을 이용하여 상기 복수의 추천 상품들에 대한 정보를 수집하는 정보 수집부;
    미리 설정된 추천 알고리즘을 이용하여 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정하는 추천부; 및
    제2 사용자에 의하여 추천된 추천 상품에 대응하는 이미지 및 상기 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품에 대응하는 이미지를 출력하는 출력부
    를 포함하는 소셜 커머스 기반의 상품 추천 시스템.
  2. 제1항에 있어서,
    상기 정보 수집부는,
    상기 추천 상품에 대한 메타 데이터에 기초하여 공개 API로부터 상기 복수의 추천 상품들에 대한 정보를 수집하는
    소셜 커머스 기반의 상품 추천 시스템.
  3. 제2항에 있어서,
    상기 정보 수집부는,
    상기 수집한 복수의 추천 상품들에 대한 각각의 상품 유니크 식별자(Unique ID)를 생성하고, 미리 저장된 시간에 따라 주기적으로 상기 복수의 추천 상품들에 대한 정보를 갱신하는
    소셜 커머스 기반의 상품 추천 시스템.
  4. 제1항에 있어서,
    상기 정보 수집부는,
    외부의 데이터베이스로부터 상기 복수의 추천 상품들에 대한 정보를 수신하고, 상기 수신된 복수의 추천 상품들에 대한 정보를 상기 소셜 커머스 기반의 상품 추천 시스템에서 인식할 수 있는 데이터로 표준화하는
    소셜 커머스 기반의 상품 추천 시스템.
  5. 제1항에 있어서,
    상기 정보 수집부는,
    상기 복수의 추천 상품들에 대한 정보를 크롤링하고, 상기 크롤링된 복수의 추천 상품들에 대한 정보를 유효성 검사를 통하여 검증하는
    소셜 커머스 기반의 상품 추천 시스템.
  6. 제1항에 있어서,
    상기 추천부는,
    상기 업로드된 이미지를 바이너리 데이터로 변환하고, 상기 변환된 바이너리 데이터의 유사도를 통하여 추천된 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정하는
    소셜 커머스 기반의 상품 추천 시스템.
  7. 제1항에 있어서,
    상기 추천부는,
    상기 업로드된 이미지에 대응하는 복수의 추천 상품들로부터 메타 데이터를 생성하고, 상기 메타 데이터로부터 단어 반복 횟수 및 중요도를 포함하는 유사도를 측정하고, 상기 유사도를 통하여 추천된 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정하는
    소셜 커머스 기반의 상품 추천 시스템.
  8. 소셜 커머스 기반의 상품 추천 방법에 있어서,
    제1 사용자에 의하여 업로드된 이미지를 저장하는 단계;
    복수의 추천 상품들에 대한 정보를 저장하는 단계;
    적어도 두 개의 수집 방식들을 이용하여 상기 복수의 추천 상품들에 대한 정보를 수집하는 단계;
    미리 설정된 추천 알고리즘을 이용하여 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정하는 단계; 및
    제2 사용자에 의하여 추천된 추천 상품에 대응하는 이미지 및 상기 추천 알고리즘에 의하여 추천된 적어도 하나의 추천 상품에 대응하는 이미지를 출력하는 단계
    를 포함하는 소셜 커머스 기반의 상품 추천 방법.
  9. 제8항에 있어서,
    상기 적어도 두 개의 수집 방식들을 이용하여 상기 복수의 추천 상품들에 대한 정보를 수집하는 단계는,
    상기 추천 상품에 대한 메타 데이터에 기초하여 공개 API로부터 상기 복수의 추천 상품들에 대한 정보를 수집하는 단계
    를 포함하는 소셜 커머스 기반의 상품 추천 방법.
  10. 제8항에 있어서,
    상기 적어도 두 개의 수집 방식들을 이용하여 상기 복수의 추천 상품들에 대한 정보를 수집하는 단계는,
    외부의 데이터베이스로부터 상기 복수의 추천 상품들에 대한 정보를 수신하고, 상기 수신된 복수의 추천 상품들에 대한 정보를 상기 소셜 커머스 기반의 상품 추천 시스템에서 인식할 수 있는 데이터로 표준화하는 단계
    를 포함하는 소셜 커머스 기반의 상품 추천 방법.
  11. 제8항에 있어서,
    상기 적어도 두 개의 수집 방식들을 이용하여 상기 복수의 추천 상품들에 대한 정보를 수집하는 단계는,
    상기 복수의 추천 상품들에 대한 정보를 크롤링하고, 상기 크롤링된 복수의 추천 상품들에 대한 정보를 유효성 검사를 통하여 검증하는 단계
    를 포함하는 소셜 커머스 기반의 상품 추천 방법.
  12. 제8항에 있어서,
    상기 미리 설정된 추천 알고리즘을 이용하여 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정하는 단계는,
    상기 업로드된 이미지를 바이너리 데이터로 변환하고, 상기 변환된 바이너리 데이터의 유사도를 통하여 추천된 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정하는 단계; 및
    상기 업로드된 이미지에 대응하는 복수의 추천 상품들로부터 메타 데이터를 생성하고, 상기 메타 데이터로부터 단어 반복 횟수 및 중요도를 포함하는 유사도를 측정하고, 상기 유사도를 통하여 추천된 상기 복수의 추천 상품들 중 상기 업로드된 이미지에 대응하는 상품에 대한 적어도 하나의 추천 상품을 결정하는 단계
    를 포함하는 소셜 커머스 기반의 상품 추천 방법.
PCT/KR2014/011869 2014-12-05 2014-12-05 자동 추천 기능을 갖는 소셜 커머스 기반의 상품 추천 시스템 및 방법 WO2016088921A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201480020792.7A CN106170816A (zh) 2014-12-05 2014-12-05 包含自动推荐功能的基于社交商务的产品推荐系统和方法
PCT/KR2014/011869 WO2016088921A1 (ko) 2014-12-05 2014-12-05 자동 추천 기능을 갖는 소셜 커머스 기반의 상품 추천 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2014/011869 WO2016088921A1 (ko) 2014-12-05 2014-12-05 자동 추천 기능을 갖는 소셜 커머스 기반의 상품 추천 시스템 및 방법

Publications (1)

Publication Number Publication Date
WO2016088921A1 true WO2016088921A1 (ko) 2016-06-09

Family

ID=56091854

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2014/011869 WO2016088921A1 (ko) 2014-12-05 2014-12-05 자동 추천 기능을 갖는 소셜 커머스 기반의 상품 추천 시스템 및 방법

Country Status (2)

Country Link
CN (1) CN106170816A (ko)
WO (1) WO2016088921A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110287406A (zh) * 2019-05-21 2019-09-27 深圳壹账通智能科技有限公司 渠道用户推荐方法、服务器及计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100687906B1 (ko) * 2005-12-31 2007-02-27 주식회사지앤지커머스 상품 추천 시스템 및 그 방법
KR20120114444A (ko) * 2011-03-28 2012-10-17 삼성전자주식회사 사용자 구매 정보 관리 및 제공 방법과 그 장치
US20130282486A1 (en) * 2012-04-18 2013-10-24 Bruno Rahle Structured information about nodes on a social networking system
KR20140026932A (ko) * 2012-08-24 2014-03-06 (주)에이엔비 사용자 성향 분석을 통한 맞춤형 쇼핑 정보 제공 시스템 및 방법
KR20140104612A (ko) * 2013-02-20 2014-08-29 에스케이플래닛 주식회사 관심 상품 목록 페이지 생성 방법, 이를 위한 장치 및 시스템

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8306872B2 (en) * 2008-08-08 2012-11-06 Nikon Corporation Search supporting system, search supporting method and search supporting program
CN102982472A (zh) * 2012-11-29 2013-03-20 何松 终端自动推荐相似商品的方法及装置
CN103198424B (zh) * 2013-03-29 2017-09-08 Tcl集团股份有限公司 一种基于智能显示设备的购物方法及装置
CN103412937B (zh) * 2013-08-22 2016-12-28 成都数之联科技有限公司 一种基于手持终端的搜索购物方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100687906B1 (ko) * 2005-12-31 2007-02-27 주식회사지앤지커머스 상품 추천 시스템 및 그 방법
KR20120114444A (ko) * 2011-03-28 2012-10-17 삼성전자주식회사 사용자 구매 정보 관리 및 제공 방법과 그 장치
US20130282486A1 (en) * 2012-04-18 2013-10-24 Bruno Rahle Structured information about nodes on a social networking system
KR20140026932A (ko) * 2012-08-24 2014-03-06 (주)에이엔비 사용자 성향 분석을 통한 맞춤형 쇼핑 정보 제공 시스템 및 방법
KR20140104612A (ko) * 2013-02-20 2014-08-29 에스케이플래닛 주식회사 관심 상품 목록 페이지 생성 방법, 이를 위한 장치 및 시스템

Also Published As

Publication number Publication date
CN106170816A (zh) 2016-11-30

Similar Documents

Publication Publication Date Title
CN1750001B (zh) 向库存内容项添加元数据
US20200097538A1 (en) Book analysis and recommendation
WO2015005717A1 (ko) 사용자 관심 기반의 상품정보 추천 시스템
CN111353862B (zh) 商品的推荐方法和装置、电子设备和存储介质
CN106462632B (zh) 具有内容规范层的媒体商店
KR20080045532A (ko) 상품 정보를 추천하는 방법 및 상기 방법을 수행하는시스템
WO2017099364A1 (ko) 쇼핑 정보를 관리하는 방법, 장치 및 컴퓨터 프로그램
JP2016095741A (ja) 情報提供装置、情報提供システム、情報提供プログラム
CN111415183B (zh) 用于处理访问请求的方法和装置
CN107632751B (zh) 信息显示方法和装置
US20200099621A1 (en) Sensing device management apparatus
US10163144B1 (en) Extracting data from a catalog
CN108933823A (zh) 用户触达方法和装置
JP5492047B2 (ja) 購買行動分析装置、購買行動分析方法、購買行動分析プログラム、購買行動分析システム及び制御方法
US20190019113A1 (en) Information provision method and information processing method
WO2016088921A1 (ko) 자동 추천 기능을 갖는 소셜 커머스 기반의 상품 추천 시스템 및 방법
WO2023140642A1 (ko) 라이브 커머스 플랫폼에서의 실시간 인스펙터를 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램
KR101698558B1 (ko) 컨텐츠에 링크 정보를 등록하는 서비스 방법 및 시스템
KR101618965B1 (ko) 검색 결과를 제공하기 위한 방법과 시스템, 기록 매체, 그리고 파일 배포 시스템
WO2016088920A1 (ko) 소셜 커머스 기반의 상품 추천 시스템 및 방법
WO2016204555A1 (ko) 이미지 코드를 이용한 광고 과금 방법과 시스템 및 기록매체
WO2018034509A1 (ko) 웹 브라우저에서 구현되는 웹사이트 제작 방법 및 시스템
US10003632B2 (en) User terminal apparatus, server apparatus and methods of providing, by the user terminal apparatus and the server apparatus, continuous play service
WO2019026635A1 (ja) マッチング処理装置
WO2016159484A1 (ko) 모바일 단말의 사용자 정보를 이용한 맞춤형 콘텐츠 공유 방법 및 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14907378

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205X DATED 11/08/2017)

122 Ep: pct application non-entry in european phase

Ref document number: 14907378

Country of ref document: EP

Kind code of ref document: A1