WO2017069483A1 - 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템 - Google Patents

빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템 Download PDF

Info

Publication number
WO2017069483A1
WO2017069483A1 PCT/KR2016/011684 KR2016011684W WO2017069483A1 WO 2017069483 A1 WO2017069483 A1 WO 2017069483A1 KR 2016011684 W KR2016011684 W KR 2016011684W WO 2017069483 A1 WO2017069483 A1 WO 2017069483A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
persona
information
customer
unit
Prior art date
Application number
PCT/KR2016/011684
Other languages
English (en)
French (fr)
Inventor
김연태
이준희
Original Assignee
김연태
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 김연태 filed Critical 김연태
Publication of WO2017069483A1 publication Critical patent/WO2017069483A1/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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/80—2D [Two Dimensional] animation, e.g. using sprites
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour

Definitions

  • the present invention relates to an omnichannel marketing curation system based on big data, and more specifically, an online store and an offline store are organically combined and managed from an omni point of view. It is a big data-based omnichannel marketing curation system that can be viewed closely and accurately measure marketing effects for each customer group.
  • the sales data of each store is collected and reflected in the statistical system, or the developer changes the source of the analysis program. According to the modification, the analysis program had to be executed. According to this method, data collection is not only time-consuming, but it is also difficult to generate statistics on live sales data in the field due to the time taken for data collection. There is a difficult problem.
  • CCM customer relationship management
  • the present invention aims to drastically improve such a traditional marketing method and present a method for a user to easily know the data of the customer's response and the field that changes every moment.
  • the present invention is to solve the above-mentioned problems of the prior art, a large data platform for companies that operate online and offline stores at the same time, rather than the conventional formal expression method of the customer's reaction to the product and the customer's activity
  • An object of the present invention is to provide a big data-based omnichannel marketing curation system that can show the reflected realistic view in real time.
  • An object of the present invention is to provide an omnichannel marketing curation system based on predictable big data.
  • an object of the present invention is to provide a big data-based omnichannel marketing curation system that can newly configure an integrated marketing strategy by determining online and offline sales performance contributions from an omni-channel perspective.
  • Big data-based omni-channel marketing curation system of the present invention for achieving the above object,
  • Data collection unit for collecting the behavior log data of the customer in the online store and the customer visited the offline store;
  • a big data storage configured to process the log data collected by the data collector in real time and to store a large amount of data at high speed by applying a distributed storage module optimized for each data type and repetition pattern; Analyze the behavioral log data of the customer online / offline stored in the big data storage, convert the data into one of a plurality of predefined language expressions representing the degree of response of the customer to the product, and store the data in the big data storage.
  • a log language conversion unit A first property setting unit for receiving property information of a customer from a system user in order to group persons according to the property; Grouping customers corresponding to the attribute information input from the first attribute setting unit into one persona, generating one or more visualization information corresponding to a language expression indicating a degree of response to the grouped personas products, Persona generation unit for generating the moving line information that can know how the visualization information moves for the product purchase; And a data visualization providing unit that continuously reproduces time-phase visualization information and copper line information generated by the persona generator in response to a product of a target persona and an animation of a product purchase line.
  • the apparatus may further include an online store log collecting unit for recognizing a customer visiting the online store, collecting an activity history of a product of a customer searching, inquiring, and paying the product and transmitting the collected activity history to the data collecting unit.
  • an online store log collecting unit for recognizing a customer visiting the online store, collecting an activity history of a product of a customer searching, inquiring, and paying the product and transmitting the collected activity history to the data collecting unit.
  • the online store log collecting unit may determine whether a customer accessing the online store is connected to a PC or a mobile device, and transmits information indicating the connected device to the data collecting unit, and the data visualization providing unit may provide information about a product.
  • the data visualization providing unit may provide information about a product.
  • the mobile terminal may further include an offline store log collecting unit which collects the location and activity information of the customer who visited the offline store using the beacon sensor installed in the offline store and transmits the information to the data collection unit.
  • an offline store log collecting unit which collects the location and activity information of the customer who visited the offline store using the beacon sensor installed in the offline store and transmits the information to the data collection unit.
  • the data collection unit may receive payment related information including a payment time, a payment amount, and a purchase product history of a corresponding customer from an offline store sales terminal.
  • the log language conversion unit may parse the customer behavior log data in the customer online and offline stores and convert the vocabulary to one of a plurality of predefined language expressions according to the degree of customer loyalty.
  • the persona generator may further generate visualization information corresponding to a language expression indicating a degree of response to the related product of the persona.
  • the apparatus may further include a visualization rule storage unit configured to receive and store conditions, weights, and tracking ranges for generating the one or more visualization information, wherein the persona generator comprises one or more visualization information according to information stored in the visualization rule storage unit. You can create a variety of.
  • the persona generating unit may display the type of motion corresponding to the degree of reaction of the persona to be generated through the visualization information and the moving line information that shows how the persona moves to purchase the product according to the condition input by the user. It may include; motion script generator for variously designating according to.
  • the motion script generation unit may further include: a motion library connection unit for specifying the motion type and the moving line information of the persona; And a symbol designation unit for specifying information on the size and color of the persona to be generated through the visualization.
  • the size and color of the persona to be generated through the visualization may vary depending on the type of motion.
  • the method may further include a motion script storage unit configured to store the script information generated by the motion script generation unit according to each person's sixth principle, wherein the data visualization providing unit may use script information according to the sixth person's sixth principle stored in the motion script storage unit. To organize the slides, and combine the colors to play as an animation.
  • additional attribute information may be set, and according to the additional attribute information setting, a second attribute that variously displays a degree of response to a product of the persona using a change in color.
  • a setting and display unit wherein the persona generation unit regroups the personas according to the additional property information set in the second property setting and display unit, or further refines the grouped personas to generate visualization information and copper line information accordingly. Can be.
  • a non-player character is generated to simulate a reaction of a virtual target persona rather than using the behavior log data of the customer collected through the data collection unit, and the degree of reaction to the NPC product is determined.
  • a virtual persona simulation unit for generating one or more visualization information corresponding to the language expression to represent and generating copper line information for knowing how the NPC moves to purchase a product.
  • the data visualization providing unit further includes the virtual persona simulation. An animation of the reaction and the product purchase movement of the virtual target persona generated by the wealth can be provided.
  • the big data-based omnichannel marketing curation system According to the big data-based omnichannel marketing curation system according to the present invention, it is possible to easily know the customer reaction occurring in the online or offline sales site through an animation view.
  • the existence value of the offline store can be newly evaluated due to the integrated relationship between the omni-channel and the online store and the offline store. In other words, by quantitatively evaluating the contributions of each merchant in the company's sales, it is possible to dispel the fear of carnivalization.
  • FIG. 1 is a block diagram of a big data-based omnichannel marketing curation system according to the present invention.
  • Figure 2 is a block diagram showing how the big data-based omnichannel marketing curation system according to the present invention is connected to the online and offline stores.
  • FIG. 3 is a conceptual diagram of customer behavior log data of an online store and customer behavior log data of an offline store;
  • FIG. 4 is a conceptual diagram illustrating a state in which atypical / large data such as online behavior log data transmitted by a mobile device and a PC and offline store data transmitted from an offline store are stored in a big data system having real-time processing and horizontal scalability.
  • 5 is a data storage architecture for storing behavior log data of an online store customer and behavior log data of an offline store customer.
  • FIG. 6 shows the log data of the collected online and offline stores, analyzes in real time at the same time, dynamically generates personas according to attribute information set by Persona Synthesizer, and visualizes the reaction to the products of the persona.
  • FIG. 7 is a schematic diagram of the conceptual diagram of FIG. 6, wherein the online / offline behavioral log data is analyzed and languaged, and the personas are grouped to generate visualizations of the reaction of the persona's products as visualization information.
  • FIG. 8 is an exemplary diagram of animation on an analysis result finally provided by a data visualization provider.
  • 9 is an architecture of a data visualization providing unit.
  • FIG. 10 is an illustration of a palette for changing the properties of a persona and displaying the result of the reaction accordingly.
  • the big data-based omnichannel marketing curation system 100 includes a data collector 110, a big data storage unit 120, and a log language conversion unit 130.
  • a first property setting unit 140, a persona generator 160, and a data visualization providing unit 190, and a visualization rule storage unit 150, a motion script storage unit 170, a second property setting and display unit 180, the virtual persona simulation unit 195, an online store log collecting unit 200, and an offline store log collecting unit 300 are further included.
  • the omnichannel marketing curation system 100 based on big data is preferably targeted at companies that simultaneously operate online and offline stores.
  • a store is assumed to be a brand A store, and a persona summarizes and groups real-world customers (for example, customers visiting the online and offline stores of the A brand), and the products of the A brand.
  • the data collection unit 110 collects the behavior log data of the customer in the brand A online store and the behavior log data of the customer who visited the A brand offline store.
  • the online store log collecting unit 200 is connected to an online store site (server) of brand A to recognize a customer who visits the brand A online store, and searches and searches for products of the brand A. And collects the activity history for the goods of the customer to pay and transmits to the data collection unit (110).
  • a customer visiting a brand A online store enters his or her name, age, gender, address and other information and registers. You can search for and search for A brand products immediately after joining, or visit A brand online stores again. After signing up, you can search for the product in the login state at the next visit, or you can search, search and pay for the product in the non-login state.
  • Fingerprint technology enables the collection of log data from customers who search for products and retrieve items without logging in. Fingerprint technology is well known to those skilled in the art, so a detailed description thereof will be omitted.
  • the offline store log collecting unit 300 collects the location and activity information of the customer who visited the offline store A brand using the beacon sensor installed in the offline store A brand, and transmits it to the data collecting unit 110.
  • a digital signage 310 for promoting a product of the brand A may be installed in an A-brand offline store, and a raspberry Pi is connected to the digital signage 310.
  • the Raspberry Pi is a small computer and well known to those skilled in the art, and thus detailed description thereof will be omitted. Raspberry Pi comes with Linux and runs the Beacon app on Linux.
  • the customer visiting the store has a mobile device 320, the mobile device 320 is installed with an app that can receive a beacon signal.
  • the offline store log collection unit 300 may be executed on Linux mounted in the Raspberry Pi, or may be executed on a separate terminal in the A brand offline store.
  • the offline store log collecting unit 300 collects the visit of the customer, the location of the customer, and other activity information through the beacon signal receiving app installed on the mobile device 320 of the customer who visited the A-brand offline store, and collects the data. To send.
  • the data collector 110 receives payment related information including a payment time, a payment amount, and a purchase product history of the corresponding customer from the brand A offline store sales terminal 330.
  • the offline store sales terminal 330 may preferably use a point of sales (POS).
  • POS point of sales
  • the data collection unit 110 collects behavior log data of a customer crossing between an online store and an offline store.
  • the big data storage unit 120 stores a large amount of data at high speed by applying a distributed storage module optimized for each data type and repetition pattern by processing log data collected by the data collection unit 110 in real time.
  • the big data storage unit 120 is based on a Hadoop system for real-time atypical / large-scale data including data collected online through mobile devices and PCs and offline data, which are store data. To store at high speed.
  • the big data storage unit 120 includes a query processing layer, a stream pipeline layer, and a cluster management layer, and applies a distributed storage module optimized for each data type and repetition pattern (Polyglot Persistence) and writes.
  • the / read operation is designed specifically for data that does not occur. It also scales availability to maintain O (log n) performance.
  • the log language conversion unit 130 analyzes the online / offline behavior log data of the customer stored in the big data storage unit 120, and among the plurality of predefined language expressions representing the degree of response of the customer to the product. The data is converted into one and stored in the big data storage unit 120.
  • the log language conversion unit 130 includes a tokenizer, a lexer, and a parser, and parses and lexically interprets customer behavior log data in a brand A online and offline stores to identify customer loyalty.
  • a tokenizer e.g., a tokenizer, a lexer, and a parser, and parses and lexically interprets customer behavior log data in a brand A online and offline stores to identify customer loyalty.
  • a tokenizer e.g., a tokenizer, a lexer, and a parser, and parses and lexically interprets customer behavior log data in a brand A online and offline stores to identify customer loyalty.
  • a tokenizer e.g., a tokenizer, a lexer, and a parser, and parses and lexically interprets customer behavior log data in a brand A online and offline stores to identify customer loyalty.
  • a tokenizer e.g., a tokenizer, a lexer, and a parser, and
  • the conversion When a customer visits an A-brand offline store and purchases a product after searching for the product in the A-brand online store, the conversion is also called “Very good !” or “Good !”. However, if a customer visits an offline store after searching for a product in a brand A online store and does not purchase the product in both the online and offline stores, it may be called ⁇ bad. '' Of course, since the log data of such a specific customer is accumulated over time and changes in various ways, if the user does not purchase after searching for a product or visiting a store for a while, and later purchases, the log language conversion unit 130 May convert the customer's behavior log data into 'Bad' first and later into 'Good'.
  • the result converted into one of a plurality of language expressions predefined by the log language conversion unit 130 is stored and managed in the big data storage unit 120 for each customer.
  • the first attribute setting unit 140 receives the attribute information of the customer from the system user (or marketer) to group the personas according to the attribute.
  • the attribute information may correspond to information such as age, gender, region, and purchase product record.
  • RDF Triple is an ontology language used in the Semantic Web technology, which is well known to those skilled in the art, and thus detailed description thereof will be omitted. Of course, as we've seen above, it's a grouping of brand A's "autumn heating,” and the result is a "belt" from a related search.
  • the correlation between the A-brand online store and the offline store behavior of the persona may be tracked through the process of the log language conversion unit 130 and the first property setting unit 140. Through this, it is possible to predict future behavior whether to revisit A-brand offline store.
  • the persona generation unit 160 groups the customers corresponding to the attribute information input from the first property setting unit 140 into a single persona and corresponds to a language expression indicating the degree of response to the grouped persona products.
  • a language expression indicating the degree of response to the grouped persona products.
  • To generate one or more visualization information and to generate copper line information that knows how the visualization information moves to purchase a product.
  • language expressions correspond to 'Good !!' and 'Very good !!', and the motion of the persona is taken as visualization information corresponding to 'Good !' and 'Very good ! ”. have. If the language expression is ‘Bad’, the persona may be sitting or lying in motion. Additional speech bubbles are generated when Persona takes motion.
  • the persona generator 160 may further generate visualization information corresponding to the language expression indicating the degree of response to the related product of the persona. For example, if the persona's motion shown in FIG. 6 is for 'autumn heating,' the language indicates how the persona reacts to the associated product 'belt' and generates additional visualization information corresponding to the language expression. Can be.
  • the visualization rule storage unit 150 receives and stores conditions, weights, and tracking ranges for generating one or more visualization information. For example, the A brand offline store location limit, the weight of each offline store, the number of products to be displayed in the associated search, and the like.
  • the persona generator 160 generates one or more visualization information in various ways according to the information stored in the visualization rule storage 150.
  • the persona generator 160 may provide a motion type corresponding to the degree of reaction to the persona product to be generated through the visualization information and copper line information that knows how the persona moves to purchase the product by the user. It includes a motion script generation unit 161 for variously designating according to the input condition.
  • the motion script generation unit 161 may specify a motion library connection unit 163 for specifying the motion type and the moving line information of the persona and information on the size and color of the persona to be generated through visualization.
  • the symbol designation unit 165 is included.
  • the motion type refers to a sleeping state, a sitting state, a jogging state, a running state, and the like.
  • the copper line information refers to a state such as searching online and then moving to an offline store and paying at an offline or online store.
  • the size and color of the persona to be generated through the visualization may vary depending on the type of motion. For example, if the persona takes a running motion, the size is larger and the color is darker. If the persona takes a sitting motion, the size is small and the color is blurred.
  • the motion script storage unit 170 stores the script information generated by the motion script generation unit 161 according to six rules for each persona.
  • the data visualization providing unit 190 continuously reproduces the time zone visualization information and the copper line information generated by the persona generator 160 to provide an animation of the reaction of the target persona product and the movement of the product purchase.
  • the online store log collecting unit 200 determines whether the customer accessing the brand A online store is connected to the PC 340 or the mobile device 320, and provides the data collecting unit 110 with information indicating the connected device.
  • the data visualization providing unit 190 displays the connected device used by the target persona P when providing a response to the product in an animation. Since the PC 340 and the mobile device 320 have different OS types and the OS information of the corresponding device is also transmitted when accessing the online store, the online store log collection unit 200 collects data indicating what the connected device is. It may transmit to the unit 110. Referring to FIG. 8, the data visualization providing unit 190 is divided into the mobile device 320 and the PC 340 according to the information of the connected device transmitted to the data collecting unit 110.
  • the data visualization providing unit 190 constructs a slide by using the script information according to the persona or the grounding principle stored in the motion script storage unit 170, combines the colors, and reproduces the animation.
  • the persona who
  • When, When (Where), Where (Where), the line of interest crossing the online store and the offline store Interest items are autumn heating and belt (Why)
  • motion is The running state (What)
  • the connected device is a mobile device (How)
  • the data visualization provider 190 shows a video animation finally provided to the user.
  • Animations show customers and field data changing in real time. Specifically, it is possible to check what is the response of the persona copper and the product, the connected device, and what the payment method is. By expressing the time / logical relationship between events in dynamic motion, the user can intuitively understand.
  • the second attribute setting and display unit 180 may set additional attribute information in addition to the attribute information input from the first attribute setting unit 140, and change the color of the response of the persona's product according to the additional attribute information setting. Use to display variously.
  • the persona generator 160 regroups the personas according to the additional property information set in the second property setting and display unit 180, or further refines the grouped personas to generate visualization information and copper line information accordingly.
  • the second property setting and display unit 180 is divided into a setting unit 181 and a display unit 183.
  • the setting unit 181 may set a region and a character 182.
  • a man who is sensitive to fashion among various characters of the character 182 It can be set by adding 'as attribute information.
  • the persona is further embodied to provide an animation reflecting the visualization information and the moving line information, and the display unit 183 displays the degree of response to the more detailed persona product by changing the color, brightness, saturation, etc.
  • the user has an intuitive effect.
  • the virtual persona simulation unit 195 generates a non-player character (NPC) to simulate the reaction of the virtual target persona, rather than using the behavior log data of the customer collected through the data collection unit 110. And generate one or more visualization information corresponding to the language expression indicating the degree of response to the NPC's product, and generate copper line information that shows how the NPC moves to purchase the product.
  • the data visualization provider 190 provides an animation of a reaction to a product of a virtual target persona generated by the virtual persona simulation unit 195 and a product purchase movement line.
  • the method of generating and animate the visualization information of the virtual target persona is the same as the mechanism of providing the target persona described in detail above as an animation, and thus a detailed description thereof will be omitted.
  • the NPC represents a hypothetical non-existent customer and predicts how to react and move in the future, which is different from Personas, which grouped the actual customers who visited the A-brand online and offline stores discussed above.
  • a method of generating an NPC to simulate a reaction of a virtual target persona may be generated by a system user (or marketer) inputting attribute information through the first attribute setting unit 140 by manipulating a Persona Synthesizer (synthesizer), or Big An existing persona stored in the data storage unit 120 may be copied and generated.
  • the NPC virtual persona
  • the visualization rule storage unit 150 by inputting different conditions, weights, and tracking ranges for generating the NPC into the visualization rule storage unit 150, the NPC (virtual persona) may be simulated under conditions different from those in the real world.
  • the marketer may create a virtual target persona by inputting attribute information through Persona Synthesizer to simulate the marketing effect of brand A in Anyang. It can be created by copying Persona from Suwon. Anyang may have a different weighting of stores because it has a smaller population than Suwon.
  • the virtual persona simulation function can be used to simulate how the virtual customer reacts to the product and to move the product intuitively.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)

Abstract

본 발명은 온라인 및 오프라인 매장을 동시에 운영하는 기업을 대상으로 빅데이터 플랫폼을 통해 기존의 정형적인 표현 방식이 아닌 고객의 상품에 대한 반응 및 고객의 활동성이 반영된 현장감 있는 애니메이션 뷰(View)를 실시간에 가깝게 보여줄 수 있고, 온라인 매장과 오프라인 매장을 넘나드는 고객의 구매의사결정 과정을 추적함으로써, 고객이 왜 그 매장에서 그 물건을 구매했는지 이해할 수 있으며, 해당 상품에 대한 연관상품 검색 추적을 통해 고객의 미래행위를 예측할 수 있는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템을 제공하고자 한다.

Description

빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템
본 발명은 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템에 관한 것으로, 보다 상세하게는 온라인 매장과 오프라인 매장을 통합적(omni) 관점에서 유기적으로 결합하여 관리함으로써 회사의 매장 별 판매현황을 애니메이션으로 실시간에 가깝게 볼 수 있고, 고객 그룹별로 마케팅 효과를 정확하게 측정할 수 있는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템에 관한 것이다.
글로벌 유통기업들은 단순한 상품 판매 뿐만 아니라 차별화된 서비스 경험을 제공하는데 주력하며 경쟁력을 강화하고 있다. 기업의 마케터(marketer)들은 자신의 마케팅 전략이 효율적인지, 마케팅 전략에 따라 출시한 상품에 대한 고객들의 반응은 어떠한지 등에 대해 매우 중요하게 생각하며 마케팅 효과를 정확하게 예측하고 싶어한다.
전통적인 방법에 의하면, 온라인 또는 오프라인 매장에서 판매되고 있는 상품에 대한 고객의 반응을 알기 위해 각 매장 별 판매 데이터를 수집 후 통계 시스템에 반영하여 분석 프로그램을 실행하거나, 개발자가 분석 프로그램의 소스를 변경하여 그에 맞게 수정 후 분석 프로그램을 실행하는 과정을 거쳐야만 하였다. 이러한 방법에 의하면, 데이터 수집에도 시간이 오래 걸릴 뿐만 아니라 데이터 수집에 걸린 시간으로 인해 현장의 생생한 판매 데이터에 대한 통계를 내기도 어려운 문제가 있으며, 시스템에 적용 후 분석 프로그램을 통해 제시된 그래프 등도 알아보기 어려운 문제가 있다.
또한, 광고, 판촉 등으로 인해 고객이 해당 상품을 구매하였다고 할지라도 고객이 해당 매장에 또 와줄지 알 수가 없고 애써 마케팅을 해도 일회성 이벤트로 끝나게 되어, 고객의 미래 행위를 예측할 방법이 없다.
온라인 매장과 오프라인 매장을 동시에 운영하는 경우는 쇼루밍(Showrooming, 오프라인 매장에서 상품 비교 후 온라인 매장에서 최저가로 구매), 역쇼루밍(Reverse Showrooming, 온라인 매장에서 상품 비교 후 오프라인 매장에서 구매)에 대한 현실적인 분석이 어려운 문제가 있다.
나아가, 마케팅 데이터의 수집과 분석을 위한 CRM(Customer Relationship Management) 시스템 구축 및 운영을 위해서는 기간계 시스템(Legacy System)으로부터 데이터 추출, 정제, DW(Data Warehousing) 및 분석을 위해 많은 자금이 필요하고 활용 효과도 불투명 하다.
본 발명은 이와 같은 전통적인 마케팅 방식을 획기적으로 개선하여 시시각각으로 변하는 고객의 반응과 현장에 대한 데이터를 사용자가 쉽게 알 수 있는 방법을 제시하고자 한다.
본 발명은 상기의 종래 기술의 문제를 해결하기 위한 것으로, 온라인 및 오프라인 매장을 동시에 운영하는 기업을 대상으로 빅데이터 플랫폼을 통해 기존의 정형적인 표현 방식이 아닌 고객의 상품에 대한 반응 및 고객의 활동성이 반영된 현장감 있는 애니메이션 뷰(View)를 실시간에 가깝게 보여줄 수 있는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템을 제공하고자 함에 발명의 목적이 있다.
또한, 온라인 매장과 오프라인 매장을 넘나드는 고객의 구매의사결정 과정을 추적함으로써, 고객이 왜 그 매장에서 그 물건을 구매했는지 이해할 수 있고, 해당 상품에 대한 연관 상품 검색 추적을 통해 고객의 미래행위를 예측할 수 있는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템을 제공하고자 함에 발명의 목적이 있다.
또한, 실존하지 않는 가상적인 소비자 그룹을 생성하고, 상품에 대한 그들의 반응을 시뮬레이션 할 수 있는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템을 제공하고자 함에 발명의 목적이 있다.
나아가, 옴니채널(Omni-Channel) 관점에서 온라인과 오프라인의 매출실적 기여도 판단을 통해 통합 마케팅 전략을 새롭게 구성할 수 있는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템을 제공하고자 함에 발명의 목적이 있다.
마지막으로, 오픈 S/W 및 오픈 H/W의 사용으로 구축원가를 최소화하고 사용자(또는 마케터)의 간단한 조작만으로도 빅데이터 기반의 플랫폼을 활용할 수 있는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템을 제공하고자 함에 발명의 목적이 있다.
상기 목적을 달성하기 위한 본 발명의 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템은, 온라인 매장에서의 고객의 행위 로그 데이터와 오프라인 매장을 방문한 상기 고객의 행위 로그 데이터를 수집하는 데이터 수집부; 상기 데이터 수집부에서 수집된 로그 데이터를 실시간 처리하여 데이터 유형 및 반복 패턴별로 최적화된 분산 저장 모듈을 적용하여 대용량의 데이터를 고속으로 저장하는 빅데이터 저장부; 상기 빅데이터 저장부에 저장되는 상기 고객의 온라인/오프라인의 행위 로그 데이터를 분석하여, 이를 상품에 대한 고객의 반응 정도를 나타내는 기 정의된 복수의 언어 표현 중 하나로 변환하여 상기 빅데이터 저장부에 저장하는 로그 언어화 변환부; 속성에 따라 페르소나(persona)를 그룹화하기 위해 시스템 사용자로부터 고객의 속성 정보를 입력 받는 제1 속성 설정부; 상기 제1 속성 설정부에서 입력된 속성 정보에 해당하는 고객들을 하나의 페르소나(persona)로 그룹화하고, 그룹화된 페르소나의 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 하나 이상의 시각화 정보를 생성하고, 시각화 정보가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 생성하는 페르소나 생성부; 및 상기 페르소나 생성부에서 생성한 시간대 별 시각화 정보와 동선 정보를 연속적으로 재생시킴으로써 타겟(target) 페르소나의 상품에 대한 반응과 상품 구매의 동선을 애니메이션으로 제공하는 데이터 시각화 제공부;를 포함한다.
또한, 상기 온라인 매장을 방문하는 고객을 인식하고, 상품을 검색, 조회 및 결제하는 고객의 상품에 대한 행위 이력을 수집하여 상기 데이터 수집부로 전송하는 온라인 매장 로그 수집부;를 더 포함할 수 있다.
또한, 상기 온라인 매장 로그 수집부는 온라인 매장에 접속하는 고객이 PC 또는 모바일 기기 중 어느 것으로 접속하는지 판단하여, 접속 기기를 나타낼 수 있는 정보를 상기 데이터 수집부로 전송하고, 상기 데이터 시각화 제공부는 상품에 대한 반응을 애니메이션으로 제공할 때 타겟 페르소나가 사용하는 접속기기가 무엇인지 표시할 수 있다.
또한, 상기 오프라인 매장에 설치된 비콘 센서를 이용하여 오프라인 매장을 방문한 고객의 위치 및 활동 정보를 수집하여 상기 데이터 수집부로 전송하는 오프라인 매장 로그 수집부;를 더 포함할 수 있다.
또한, 상기 데이터 수집부는 오프라인 매장 판매 단말기로부터 해당 고객의 결제 시각, 결제 금액, 구매 상품내역을 포함하는 결제 관련 정보를 수신할 수 있다.
또한, 상기 로그 언어화 변환부는 고객온라인 및 오프라인 매장에서의 고객 행위 로그 데이터를 구문 분석하고 어휘 해석하여 고객 충성도의 정도에 따라 기 정의된 복수의 언어 표현 중 하나로 변환할 수 있다.
또한, 상기 페르소나 생성부는 해당 페르소나의 연관 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 시각화 정보를 추가 생성할 수 있다.
또한, 상기 하나 이상의 시각화 정보를 생성하기 위한 조건, 가중치 및 추적범위를 입력 받아 저장하는 시각화 룰 저장부;를 더 포함하고, 상기 페르소나 생성부는 상기 시각화 룰 저장부에 저장된 정보에 따라 하나 이상의 시각화 정보를 다양하게 생성할 수 있다.
또한, 상기 페르소나 생성부는 시각화 정보를 통해 생성될 페르소나의 상품에 대한 반응 정도에 해당하는 모션(motion) 종류와 페르소나가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 사용자에 의해 입력된 조건에 따라 다양하게 지정하기 위한 모션 스크립트 생성부;를 포함할 수 있다.
또한, 상기 모션 스크립트 생성부는 페르소나의 모션(motion) 종류와 동선 정보를 특정하기 위한 모션 라이브러리 연결부; 와 시각화를 통해 생성될 페르소나의 크기 및 색상에 관한 정보를 특정하기 위한 심볼 지정부;를 포함할 수 있다.
또한, 상기 시각화를 통해 생성될 페르소나의 크기 및 색상은 모션의 종류에 따라 달라질 수 있다.
또한, 상기 모션 스크립트 생성부에서 생성된 스크립트 정보를 페르소나 별로 육하원칙에 따라 저장하는 모션 스크립트 저장부;를 더 포함하고, 상기 데이터 시각화 제공부는 모션 스크립트 저장부에 저장된 페르소나 별 육하원칙에 따른 스크립트 정보를 이용하여 슬라이드를 구성하고, 색상을 결합하여 애니메이션으로 재생할 수 있다.
또한, 상기 제1 속성 설정부에서 입력되는 속성 정보 외에 추가적인 속성 정보를 설정할 수 있고, 추가적인 속성 정보 설정에 따라 해당 페르소나의 상품에 대한 반응 정도를 색채의 변화를 이용하여 다양하게 표시하는 제2 속성 설정 및 표시부;를 더 포함하고, 상기 페르소나 생성부는 상기 제2 속성 설정 및 표시부에서 설정된 추가적인 속성 정보에 따라 페르소나를 재그룹화 하거나, 그룹화된 페르소나를 더욱 구체화하여 그에 따라 시각화 정보와 동선 정보를 생성할 수 있다.
또한, 상기 데이터 수집부를 통해 수집된 고객의 행위 로그 데이터를 이용하는 것이 아닌 가상의 타겟(target) 페르소나의 반응을 시뮬레이션 하기 위해 NPC(Non-Player Character)를 생성하고, NPC의 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 하나 이상의 시각화 정보를 생성하며, NPC가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 생성하는 가상 페르소나 시뮬레이션부;를 더 포함하고, 상기 데이터 시각화 제공부는 상기 가상 페르소나 시뮬레이션부에서 생성한 가상의 타겟 페르소나의 상품에 대한 반응과 상품 구매 동선을 애니메이션으로 제공할 수 있다.
본 발명에 따른 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템에 의하면, 온라인 또는 오프라인 판매 현장에서 발생하는 고객 반응을 애니메이션 뷰(View)를 통해 쉽게 알 수 있다.
또한, 해당 기업의 무엇이 고객의 마음과 발걸음을 움직이게 했는지 알 수 있고, 소비자 그룹별로 재구매 확률을 예측할 수 있다.
또한, 실존하지 않는 가상의 소비자 그룹을 생성하고, 그들이 상품에 어떻게 반응하는지를 시뮬레이션 함으로써, 가상의 소비자에 대한 마케팅 효과를 예측할 수 있다.
또한, 온라인 매장과 오프라인 매장이 경쟁관계가 아닌 옴니채널(Omni-Channel)의 통합관계로 오프라인 매장의 존재가치가 새롭게 평가될 수 있다. 즉, 전사적 매출실적에서 가맹점별 기여도를 정량적으로 평가함으로써, 카니발리제이션(Cannibalization)의 우려를 불식시킬 수 있다.
나아가, 중소형 프렌차이즈 기업들이 최소화된 비용으로 유통망의 빅데이터(Big Data)를 실무에 활용하여 마케팅 효과를 정확하게 측정할 수 있는 플랫폼을 제공한다.
도 1은 본 발명에 따른 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템의 블록도.
도 2는 본 발명에 따른 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템이 온라인 및 오프라인 매장과 연결되는 모습을 나타낸 구성도.
도 3은 온라인 매장의 고객 행위 로그 데이터와 오프라인 매장의 고객 행위 로그 데이터에 대한 개념도.
도 4는 모바일기기 및 PC가 전송하는 온라인 행위 로그 데이터와 오프라인 매장으로부터 전송되는 오프라인 매장 데이터와 같은 비정형/대용량의 데이터를 실시간 처리 및 수평 확장성을 가진 빅데이터 시스템에 저장하는 모습을 나타낸 개념도.
도 5는 온라인 매장 고객의 행위 로그 데이터와 오프라인 매장 고객의 행위 로그 데이터를 저장하는 데이터 저장 아키텍처.
도 6은 수집된 온라인 및 오프라인 매장의 로그 데이터를 저장과 동시에 실시간으로 분석하고 페르소나 신디사이저(Persona Synthesizer)에 의해 설정된 속성 정보에 따라 페르소나를 동적으로 생성하고, 해당 페르소나의 상품에 대한 반응을 시각화 액션으로 재구성하는 모습을 나타낸 개념도.
도 7은 도 6의 개념도를 구조화 한 것으로서, 온라인/오프라인 행위 로그 데이터를 분석하여 언어화하고, 페르소나를 그룹화하여 해당 페르소나의 상품에 대한 반응을 시각화 정보로 생성하는 페르소나 생성 아키텍처.
도 8은 데이터 시각화 제공부가 최종적으로 제공하는 분석결과에 대한 애니메이션의 예시도.
도 9는 데이터 시각화 제공부의 아키텍처.
도 10은 페르소나의 속성을 변경하고 그에 따른 반응 결과를 표시하는 팔레트의 예시도.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시예를 참조하면 명확해질 것이다.
그러나, 본 발명은 이하에서 개시되는 실시예로 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다.
본 명세서에서 본 실시예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다.
그리고 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
따라서, 몇몇 실시예에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.
또한, 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하고, 본 명세서에서 사용된(언급된) 용어들은 실시예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.
본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함하며, '포함(또는, 구비)한다'로 언급된 구성 요소 및 동작은 하나 이상의 다른 구성요소 및 동작의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다.
또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.
이하에서는, 첨부도면을 참고하여 본 발명에 따른 실시 예를 보다 상세하게 설명한다.
도 1 및 도 2를 참조하면, 본 발명에 따른 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템(100)은 데이터 수집부(110), 빅데이터 저장부(120), 로그 언어화 변환부(130), 제1 속성 설정부(140), 페르소나 생성부(160) 및 데이터 시각화 제공부(190)를 포함하며, 시각화 룰 저장부(150), 모션 스크립트 저장부(170), 제2 속성 설정 및 표시부(180), 가상 페르소나 시뮬레이션부(195), 온라인 매장 로그 수집부(200) 및 오프라인 매장 로그 수집부(300)를 더 포함한다. 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템(100)은 온라인 및 오프라인 매장을 동시에 운영하는 기업을 대상으로 하는 것이 바람직하다. 이하에서 매장은 A브랜드 매장으로 가정하여 설명하며, 페르소나(persona)는 현실에 실존하는 고객(예를 들어, A 브랜드의 온라인 및 오프라인 매장을 방문하는 고객)들을 요약 및 그룹화하고, A 브랜드의 상품에 대한 반응 및 움직임을 표현하기 위한 단위를 말한다.
데이터 수집부(110)는 A 브랜드 온라인 매장에서의 고객의 행위 로그 데이터와 A 브랜드 오프라인 매장을 방문한 상기 고객의 행위 로그 데이터를 수집한다.
도 2 및 도 3을 참조하면, 온라인 매장 로그 수집부(200)는 A 브랜드의 온라인 매장 사이트(서버)에 연결되어 A 브랜드 온라인 매장을 방문하는 고객을 인식하고, A 브랜드의 상품을 검색, 조회 및 결제하는 고객의 상품에 대한 행위 이력을 수집하여 데이터 수집부(110)로 전송한다. A 브랜드 온라인 매장을 방문하는 고객은 이름, 나이, 성별, 주소 및 기타 정보를 입력하고 회원가입을 한다. 회원 가입 후 바로 A 브랜드의 상품을 검색, 조회할 수도 있고, 다음에 다시 A 브랜드 온라인 매장을 방문할 수도 있다. 회원 가입 후 다음 방문 시 로그인 상태에서 상품을 검색할 수도 있으며, 비 로그인 상태에서 상품을 검색, 조회 및 결제할 수도 있다. 핑거프린트(Finger Print)기술을 이용하면 비 로그인 상태에서 상품을 검색, 조회 등을 하는 고객의 로그 데이터의 수집이 가능하다. 핑거프린트 기술은 해당 기술분야의 당업자라면 잘 알 수 있는 내용이므로 자세한 설명은 생략한다.
오프라인 매장 로그 수집부(300)는 A 브랜드 오프라인 매장에 설치된 비콘 센서를 이용하여 A 브랜드 오프라인 매장을 방문한 고객의 위치 및 활동 정보를 수집하여 데이터 수집부(110)로 전송한다.
구체적으로는, A 브랜드 오프라인 매장에는 A 브랜드의 상품 홍보를 위한 디지털 사이니지(Digital Signage)(310)가 설치될 수 있으며, 디지털 사이니지(310)에 라즈베리파이(Raspberry Pi)가 연결된다. 라즈베리파이는 소형 컴퓨터이며 해당 기술분야의 당업자라면 잘 알 수 있는 내용이므로 자세한 설명은 생략한다. 라즈베리파이에는 리눅스가 탑재되고 리눅스 상에서 비콘(Beacon) 앱이 실행된다. A 브랜드 오프라인 매장을 고객이 방문하면 고객은 디지털 사이니지에서 홍보 중인 상품에 관심을 갖고, 디지털 사이니지로 접근하게 된다. 물론, 매장을 방문한 고객은 모바일 기기(320)를 가지고 있으며, 해당 모바일 기기(320)에는 비콘 신호를 수신할 수 있는 앱이 설치되어 있다. 오프라인 매장 로그 수집부(300)는 라즈베리파이에 탑재된 리눅스 상에서 실행될 수도 있고, A 브랜드 오프라인 매장에 있는 별도의 단말기 상에서 실행될 수도 있다. 오프라인 매장 로그 수집부(300)는 A 브랜드 오프라인 매장을 방문한 고객의 모바일 기기(320)에 설치된 비콘 신호 수신 앱을 통해 고객의 방문, 고객의 위치 및 기타 활동 정보를 수집하여 데이터 수집부(110)로 전송한다.
데이터 수집부(110)는 A 브랜드 오프라인 매장 판매 단말기(330)로부터 해당 고객의 결제 시각, 결제 금액, 구매 상품내역을 포함하는 결제 관련 정보를 수신한다. 오프라인 매장 판매 단말기(330)는 바람직하게는 POS(Point Of Sales, 점포판매시스템)를 사용할 수 있다. 고객이 A 브랜드 오프라인 매장을 방문하여 비콘 신호로 감지하였으나, 상품을 구매하지 않은 경우 데이터 수집부(110)는 결제 관련 정보를 수신하지 않는다.
이상에서 살펴본 바와 같이 데이터 수집부(110)는 온라인 매장과 오프라인 매장 사이를 넘나드는 고객의 행위 로그 데이터를 수집한다.
빅데이터 저장부(120)는 데이터 수집부(110)에서 수집된 로그 데이터를 실시간 처리하여 데이터 유형 및 반복 패턴별로 최적화된 분산 저장 모듈을 적용하여 대용량의 데이터를 고속으로 저장한다.
도 4를 참조하면, 빅데이터 저장부(120)는 모바일 기기, PC를 통해 온라인 상에서 수집된 데이터와 매장 데이터인 오프라인 데이터를 포함하는 비정형/대용량의 데이터를 하둡(Hadoop) 시스템을 기반으로 하여 실시간으로 고속 저장한다.
도 5를 참조하면, 빅데이터 저장부(120)는 질의 처리층, 스트림 파이프라인층, 클러스터 관리층으로 구성되며, 데이터 유형 및 반복 패턴별로 최적화된 분산 저장 모듈을 적용하며(Polyglot Persistence), write/read 오퍼레이션 중심으로그와 같이 업데이트가 발생하지 않는 데이터에 특화되어 설계된다. 또한, 가용성을 수평 확장하여 O(log n)의 성능을 유지한다.
로그 언어화 변환부(130)는 빅데이터 저장부(120)에 저장되는 고객의 온라인/오프라인의 행위 로그 데이터를 분석하여, 이를 상품에 대한 고객의 반응 정도를 나타내는 기 정의된 복수의 언어 표현 중 하나로 변환하여 빅데이터 저장부(120)에 저장한다.
도 6 및 도 7을 참조하면, 로그 언어화 변환부(130)는 Tokenizer, Lexer 및 Parser를 포함하여 구성되며, A 브랜드 온라인 및 오프라인 매장에서의 고객 행위 로그 데이터를 구문 분석하고 어휘 해석하여 고객 충성도의 정도에 따라 기 정의된 복수의 언어 표현 중 하나로 변환한다. 예를 들면, A 브랜드 온라인 매장에서 고객이 상품 검색 후 A 브랜드 오프라인 매장을 방문하였으나, 오프라인 매장에서 상품을 구매하지 않고, 온라인 매장에서 해당 상품을 구매하였으며, 그 후 해당 상품에 연관된 상품을 검색하는 경우는 로그 데이터의 분석 결과 고객의 충성도가 높은 것으로 판단하여 기 정의된 복수의 언어 표현 중 하나인 ‘Very good!!’ 이라고 변환한다. 고객이 A 브랜드 온라인 매장에서 상품 검색 후 A 브랜드 오프라인 매장을 방문하여 상품을 구매하는 경우도 ‘Very good!!’ 또는 ‘Good!!’ 이라고 변환한다. 그러나 고객이 A 브랜드 온라인 매장에서 상품 검색 후 오프라인 매장을 방문하고 온라인 및 오프라인 매장에서 모두 상품을 구매하지 않는 경우는 ‘Bad’라고 할 수 있다. 물론, 이와 같은 특정 고객의 로그 데이터는 시간이 지남에 따라 축적되며 다양하게 변하는 것이기 때문에 한동안은 상품 검색이나 매장 방문 후 구매를 하지 않고 있다가 나중에 구매를 하는 경우, 로그 언어화 변환부(130)는 고객의 행위 로그 데이터를 처음에는 ‘Bad’로 변환하였다가 나중에는 ‘Good’으로 변환할 수도 있다.
로그 언어화 변환부(130)에 의해 기 정의된 복수의 언어 표현 중 하나로 변환된 결과는 각 고객 별로 빅데이터 저장부(120)에 저장되어 관리된다.
제1 속성 설정부(140)는 속성에 따라 페르소나(persona)를 그룹화(Profiling)하기 위해 시스템 사용자(또는 마케터)로부터 고객의 속성 정보를 입력 받는다. 도 6을 참조하면, 속성 별로 그룹화 범위를 설정하는 Persona Synthesizer(신디사이저) 형태로 구현되어 사용자에게 조작의 편의성을 제공한다. 속성 정보는 연령, 성별, 지역, 구매 상품 기록 등의 정보가 해당할 수 있다. 예를 들면, ‘30대’, ‘남자’, ‘경기도 수원’, ‘가을 난방’으로 속성을 설정하여 페르소나를 그룹화(Profiling) 할 수 있다. 또한, RDF Triple을 이용하여 연관된 속성에 대해서도 지정이 가능하다. 예를 들면, ‘가을 난방’과 ‘벨트’가 연관될 수 있다. RDF Triple은 Semantic Web 기술에서 사용하는 온톨로지 언어로서 해당 기술분야의 당업자라면 잘 알 수 있는 내용이므로 자세한 설명을 생략한다. 물론, 위에서 살펴본 바와 같이 A 브랜드의 ‘가을 난방’에 대한 그룹화이며, 연관 검색을 통한 결과 ‘벨트’가 나온 것이다.
도 7을 참조하면, 로그 언어화 변환부(130)와 제1 속성 설정부(140)의 과정을 통해 해당 페르소나의 A 브랜드 온라인 매장 및 오프라인 매장 행위들 간에 상관관계를 추적할 수 있고, 연관 검색을 통해 A 브랜드 오프라인 매장을 재방문 할지에 대한 미래행위 예측이 가능하다.
페르소나 생성부(160)는 제1 속성 설정부(140)에서 입력된 속성 정보에 해당하는 고객들을 하나의 페르소나(persona)로 그룹화하고, 그룹화된 페르소나의 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 하나 이상의 시각화 정보를 생성하고, 시각화 정보가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 생성한다. 도 6을 참조하면, 언어 표현은 ‘Good!!’, ‘Very good!!”이 해당하고, ‘Good!!’, ‘Very good!!”에 대응하는 시각화 정보로서 페르소나가 달려가는 모션을 취하고 있다. 언어 표현이 ‘Bad’인 경우 페르소나는 앉아 있거나 누워있는 모션을 취하고 있을 것이다. 페르소나가 모션을 취할 때 말풍선이 추가로 생성된다.
페르소나 생성부(160)는 해당 페르소나의 연관 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 시각화 정보를 추가 생성할 수 있다. 예를 들어, 도 6에 나타난 페르소나의 모션이 ‘가을 난방’에 대한 것이라면, 해당 페르소나가 연관 상품인 ‘벨트’에 대해서는 어떻게 반응하는지를 언어로 나타내고, 언어 표현에 대응하는 시각화 정보를 추가로 생성할 수 있다.
시각화 룰 저장부(150)는 하나 이상의 시각화 정보를 생성하기 위한 조건, 가중치 및 추적범위를 입력 받아 저장한다. 예를 들면, A 브랜드 오프라인 매장 위치 한정, 각 오프라인 매장 별 가중치, 연관 검색으로 나타낼 상품 개수 제한 등이 해당한다.
페르소나 생성부(160)는 시각화 룰 저장부(150)에 저장된 정보에 따라 하나 이상의 시각화 정보를 조건에 따라 다양하게 생성한다.
구체적으로, 페르소나 생성부(160)는 시각화 정보를 통해 생성될 페르소나의 상품에 대한 반응 정도에 해당하는 모션(motion) 종류와 페르소나가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 사용자에 의해 입력된 조건에 따라 다양하게 지정하기 위한 모션 스크립트 생성부(161)를 포함한다.
도 7을 참조하면, 모션 스크립트 생성부(161)는 페르소나의 모션(motion) 종류와 동선 정보를 특정하기 위한 모션 라이브러리 연결부(163)와 시각화를 통해 생성될 페르소나의 크기 및 색상에 관한 정보를 특정하기 위한 심볼 지정부(165)를 포함한다. 모션의 종류는 잠자는 상태, 앉아있는 상태, 조깅하는 상태, 달리는 상태 등을 말하며, 동선 정보는 온라인으로 검색 후 오프라인 매장으로 이동 후 오프라인 또는 온라인 매장에서 결제하는 등의 상태를 말한다.
시각화를 통해 생성될 페르소나의 크기 및 색상은 모션의 종류에 따라 달라질 수 있다. 예를 들면, 해당 페르소나가 달려가는 모션을 취하는 경우 크기가 크고 색상이 진하게 나타내며, 페르소나가 앉아있는 모션을 취하는 경우 크기가 작고 색상이 흐리게 나타난다.
모션 스크립트 저장부(170)는 모션 스크립트 생성부(161)에서 생성된 스크립트 정보를 페르소나 별로 육하원칙에 따라 저장한다.
데이터 시각화 제공부(190)는 페르소나 생성부(160)에서 생성한 시간대 별 시각화 정보와 동선 정보를 연속적으로 재생시킴으로써 타겟(target) 페르소나의 상품에 대한 반응과 상품 구매의 동선을 애니메이션으로 제공한다.
온라인 매장 로그 수집부(200)는 A 브랜드 온라인 매장에 접속하는 고객이 PC(340) 또는 모바일 기기(320) 중 어느 것으로 접속하는지 판단하여, 접속 기기를 나타낼 수 있는 정보를 데이터 수집부(110)로 전송하고, 데이터 시각화 제공부(190)는 상품에 대한 반응을 애니메이션으로 제공할 때 타겟 페르소나(P)가 사용하는 접속기기가 무엇인지 표시한다. PC(340)와 모바일 기기(320)는 OS의 종류가 다르며 온라인 매장에 접속할 때 해당 기기의 OS 정보도 전송되기 때문에 온라인 매장 로그 수집부(200)는 접속 기기가 무엇인지를 나타내는 정보를 데이터 수집부(110)로 전송할 수 있다. 도 8을 참조하면, 데이터 수집부(110)로 전송된 접속 기기의 정보에 따라 데이터 시각화 제공부(190)가 모바일 기기(320)와 PC(340)로 구분하여 표시한 모습을 보여주고 있다.
데이터 시각화 제공부(190)는 모션 스크립트 저장부(170)에 저장된 페르소나 별 육하원칙에 따른 스크립트 정보를 이용하여 슬라이드를 구성하고, 색상을 결합하여 애니메이션으로 재생한다. 도 9를 참조하면, 해당 페르소나가(Who), 언제(When), 어느 지역에서(Where), 온라인 매장과 오프라인 매장을 넘나드는 동선을 가지고 관심 상품은 가을 난방과 벨트이며(Why), 모션은 러닝상태이고(What), 접속 기기는 모바일 기기이고(How) 등의 육하원칙에 따른 스크립트 정보를 이용하여 슬라이드를 구성 후 전경 요소와 후경 요소를 결합하고, 비트맵 바인더를 이용하여 색상을 색상을 입힌 후 출력버퍼를 통하여 재생되는 구조를 나타낸다. 도 8을 참조하면, 데이터 시각화 제공부(190)가 사용자에게 최종적으로 제공하는 동영상 애니메이션을 보여준다. 애니메이션을 통해 실시간으로 변하는 고객과 현장 데이터를 확인할 수 있다. 구체적으로, 해당 페르소나의 동선과 상품에 대한 반응, 접속기기는 무엇이며 결제수단은 무엇인지를 확인할 수 있다. 이벤트 간의 시간/논리적 선후 관계를 동적 모션으로 표현함으로써 사용자가 직관적으로 이해할 수 있다.
제2 속성 설정 및 표시부(180)는 제1 속성 설정부(140)에서 입력되는 속성 정보 외에 추가적인 속성 정보를 설정할 수 있고, 추가적인 속성 정보 설정에 따라 해당 페르소나의 상품에 대한 반응 정도를 색채의 변화를 이용하여 다양하게 표시한다. 페르소나 생성부(160)는 제2 속성 설정 및 표시부(180)에서 설정된 추가적인 속성 정보에 따라 페르소나를 재그룹화 하거나, 그룹화된 페르소나를 더욱 구체화하여 그에 따라 시각화 정보와 동선 정보를 생성한다.
도 9 및 도 10을 참조하면, 제2 속성 설정 및 표시부(180)는 설정부(181)와 표시부(183)로 나누어진다. 설정부(181)에서는 지역 및 캐릭터(182)를 설정할 수 있다. 제1 속성 설정부(140)에서 ‘30대’, ‘남자’, ‘경기도 수원’, ‘가을 난방’으로 속성을 설정한 경우, 캐릭터(182)에 있는 여러 특징의 캐릭터 중 ‘패션에 민감한 남자’를 속성 정보로 추가하여 설정할 수 있다. 추가 설정에 따라 페르소나가 더욱 구체화되어 그에 따라 시각화 정보와 동선 정보를 반영한 애니메니션을 제공하며, 표시부(183)는 더욱 구체화된 페르소나의 상품에 대한 반응 정도를 색상, 명도, 채도 등의 변화로 나타냄으로써, 사용자는 직관적으로 이해할 수 있는 효과가 있다.
가상 페르소나 시뮬레이션부(195)는 데이터 수집부(110)를 통해 수집된 고객의 행위 로그 데이터를 이용하는 것이 아니라, 가상의 타겟(target) 페르소나의 반응을 시뮬레이션 하기 위해 NPC(Non-Player Character)를 생성하고, NPC의 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 하나 이상의 시각화 정보를 생성하며, NPC가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 생성한다. 데이터 시각화 제공부(190)는 가상 페르소나 시뮬레이션부(195)에서 생성한 가상의 타겟 페르소나의 상품에 대한 반응과 상품 구매 동선을 애니메이션으로 제공한다. 가상의 타겟 페르소나의 시각화 정보를 생성하고 애니메이션으로 제공하는 방식은 위에서 자세하게 살펴본 타켓 페르소나를 애니메니션으로 제공하는 메커니즘과 동일하므로 자세한 설명은 생략한다.
NPC는 실존하지 않는 가상의 고객을 대표하며 미래에 어떻게 반응하고 움직일지를 예측하기 위한 것으로서, 위에서 살펴본 A 브랜드의 온라인 매장 및 오프라인 매장을 방문하는 실제 고객을 그룹화 한 페르소나와는 다른 것이다.
가상의 타겟 페르소나의 반응을 시뮬레이션 하기 위해 NPC를 생성하는 방법은 시스템 사용자(또는 마케터)가 Persona Synthesizer(신디사이저)를 조작하여 제1 속성 설정부(140)를 통해 속성 정보를 입력하여 생성하거나, 빅데이터 저장부(120)에 저장되어 있는 기존의 페르소나를 복사하여 생성할 수 있다. 또한, 시각화 룰 저장부(150)에 NPC를 생성하기 위한 조건, 가중치 및 추적범위를 달리하여 입력함으로써, 현실 세계에 실존하는 페르소나와는 다른 조건에서 NPC(가상 페르소나)를 시뮬레이션 할 수 있다.
예를 들면, A 브랜드의 매장이 경기도 수원에는 있으나, 안양에는 없는 경우 마케터는 안양지역의 A 브랜드의 마케팅 효과를 시뮬레이션 하기 위해 Persona Synthesizer를 통해 속성 정보를 입력하여 가상의 타겟 페르소나를 생성하거나, 기존의 수원지역의 페르소나를 복사하여 생성할 수 있다. 안양은 수원보다 인구수가 적은 관계로 매장의 가중치를 달리 할 수도 있다.
이와 같이 가상의 페르소나 시뮬레이션 기능을 이용하여 가상의 고객이 상품에 대해 어떻게 반응하고 움직일지를 시뮬레이션 함으로써, 마케팅 효과를 직관적으로 예측할 수 있다.
본 발명에 의하면, 온라인 또는 오프라인 판매 현장에서 발생하는 고객 반응을 애니메이션 뷰(View)를 통해 직관적으로 알 수 있다.
또한, 해당 기업의 무엇이 고객의 마음과 발걸음을 움직이게 했는지 알 수 있고, 소비자 그룹별로 재구매 확률을 예측할 수 있다.
본 발명은 상기한 특정의 바람직한 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 되는 것임은 자명하다.
100: 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템
110: 데이터 수집부 120: 빅데이터 저장부
130: 로그 언어화 변환부 140: 제1 속성 설정부
150: 시각화 룰 저장부 160: 페르소나 생성부
161: 모션 스크립트 생성부 163: 모션 라이브러리 연결부
165: 심볼 지정부 170: 모션 스크립트 저장부
180: 제2 속성 설정 및 표시부 190: 데이터 시각화 제공부
195: 가상 페르소나 시뮬레이션부 200: 온라인 매장 로그 수집부
210: 온라인 매장 웹 사이트 300: 오프라인 매장 로그 수집부
310: 디지털 사이니지 320: 모바일 기기
330: 오프라인 매장 판매 단말기 340: PC
P: 페르소나

Claims (14)

  1. 온라인 매장에서의 고객의 행위 로그 데이터와 오프라인 매장을 방문한 상기 고객의 행위 로그 데이터를 수집하는 데이터 수집부;
    상기 데이터 수집부에서 수집된 로그 데이터를 실시간 처리하여 데이터 유형 및 반복 패턴별로 최적화된 분산 저장 모듈을 적용하여 대용량의 데이터를 고속으로 저장하는 빅데이터 저장부;
    상기 빅데이터 저장부에 저장되는 상기 고객의 온라인/오프라인의 행위 로그 데이터를 분석하여, 이를 상품에 대한 고객의 반응 정도를 나타내는 기 정의된 복수의 언어 표현 중 하나로 변환하여 상기 빅데이터 저장부에 저장하는 로그 언어화 변환부;
    속성에 따라 페르소나(persona)를 그룹화하기 위해 시스템 사용자로부터 고객의 속성 정보를 입력 받는 제1 속성 설정부;
    상기 제1 속성 설정부에서 입력된 속성 정보에 해당하는 고객들을 하나의 페르소나(persona)로 그룹화하고, 그룹화된 페르소나의 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 하나 이상의 시각화 정보를 생성하고, 시각화 정보가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 생성하는 페르소나 생성부; 및
    상기 페르소나 생성부에서 생성한 시간대 별 시각화 정보와 동선 정보를 연속적으로 재생시킴으로써 타겟(target) 페르소나의 상품에 대한 반응과 상품 구매의 동선을 애니메이션으로 제공하는 데이터 시각화 제공부;를 포함하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  2. 제1항에 있어서,
    상기 온라인 매장을 방문하는 고객을 인식하고, 상품을 검색, 조회 및 결제하는 고객의 상품에 대한 행위 이력을 수집하여 상기 데이터 수집부로 전송하는 온라인 매장 로그 수집부;를 더 포함하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  3. 제2항에 있어서,
    상기 온라인 매장 로그 수집부는 온라인 매장에 접속하는 고객이 PC 또는 모바일 기기 중 어느 것으로 접속하는지 판단하여, 접속 기기를 나타낼 수 있는 정보를 상기 데이터 수집부로 전송하고,
    상기 데이터 시각화 제공부는 상품에 대한 반응을 애니메이션으로 제공할 때 타겟 페르소나가 사용하는 접속기기가 무엇인지 표시하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  4. 제1항에 있어서,
    상기 오프라인 매장에 설치된 비콘 센서를 이용하여 오프라인 매장을 방문한 고객의 위치 및 활동 정보를 수집하여 상기 데이터 수집부로 전송하는 오프라인 매장 로그 수집부;를 더 포함하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  5. 제4항에 있어서,
    상기 데이터 수집부는 오프라인 매장 판매 단말기로부터 해당 고객의 결제 시각, 결제 금액, 구매 상품내역을 포함하는 결제 관련 정보를 수신하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  6. 제1항에 있어서,
    상기 로그 언어화 변환부는 온라인 및 오프라인 매장에서의 고객 행위 로그 데이터를 구문 분석하고 어휘 해석하여 고객 충성도의 정도에 따라 기 정의된 복수의 언어 표현 중 하나로 변환하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  7. 제1항에 있어서,
    상기 페르소나 생성부는 해당 페르소나의 연관 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 시각화 정보를 추가 생성하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  8. 제1항에 있어서,
    상기 하나 이상의 시각화 정보를 생성하기 위한 조건, 가중치 및 추적범위를 입력 받아 저장하는 시각화 룰 저장부;를 더 포함하고,
    상기 페르소나 생성부는 상기 시각화 룰 저장부에 저장된 정보에 따라 하나 이상의 시각화 정보를 다양하게 생성하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  9. 제1항에 있어서,
    상기 페르소나 생성부는 시각화 정보를 통해 생성될 페르소나의 상품에 대한 반응 정도에 해당하는 모션(motion) 종류와 페르소나가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 사용자에 의해 입력된 조건에 따라 다양하게 지정하기 위한 모션 스크립트 생성부;를 포함하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  10. 제9항에 있어서,
    상기 모션 스크립트 생성부는
    페르소나의 모션(motion) 종류와 동선 정보를 특정하기 위한 모션 라이브러리 연결부; 와
    시각화를 통해 생성될 페르소나의 크기 및 색상에 관한 정보를 특정하기 위한 심볼 지정부;를 포함하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  11. 제10항에 있어서,
    상기 시각화를 통해 생성될 페르소나의 크기 및 색상은 모션의 종류에 따라 달라지는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  12. 제9항에 있어서,
    상기 모션 스크립트 생성부에서 생성된 스크립트 정보를 페르소나 별로 육하원칙에 따라 저장하는 모션 스크립트 저장부;를 더 포함하고,
    상기 데이터 시각화 제공부는 모션 스크립트 저장부에 저장된 페르소나 별 육하원칙에 따른 스크립트 정보를 이용하여 슬라이드를 구성하고, 색상을 결합하여 애니메이션으로 재생하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  13. 제1항에 있어서,
    상기 제1 속성 설정부에서 입력되는 속성 정보 외에 추가적인 속성 정보를 설정할 수 있고, 추가적인 속성 정보 설정에 따라 해당 페르소나의 상품에 대한 반응 정도를 색채의 변화를 이용하여 다양하게 표시하는 제2 속성 설정 및 표시부;를 더 포함하고,
    상기 페르소나 생성부는 상기 제2 속성 설정 및 표시부에서 설정된 추가적인 속성 정보에 따라 페르소나를 재그룹화 하거나, 그룹화된 페르소나를 더욱 구체화하여 그에 따라 시각화 정보와 동선 정보를 생성하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
  14. 제1항에 있어서,
    상기 데이터 수집부를 통해 수집된 고객의 행위 로그 데이터를 이용하는 것이 아닌 가상의 타겟(target) 페르소나의 반응을 시뮬레이션 하기 위해 NPC(Non-Player Character)를 생성하고, NPC의 상품에 대한 반응 정도를 나타내는 언어 표현에 대응하여 하나 이상의 시각화 정보를 생성하며, NPC가 상품 구매를 위해 어떻게 이동하는지 알 수 있는 동선 정보를 생성하는 가상 페르소나 시뮬레이션부;를 더 포함하고,
    상기 데이터 시각화 제공부는 상기 가상 페르소나 시뮬레이션부에서 생성한 가상의 타겟 페르소나의 상품에 대한 반응과 상품 구매 동선을 애니메이션으로 제공하는 것을 특징으로 하는 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템.
PCT/KR2016/011684 2015-10-19 2016-10-18 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템 WO2017069483A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2015-0145217 2015-10-19
KR1020150145217A KR101635090B1 (ko) 2015-10-19 2015-10-19 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템

Publications (1)

Publication Number Publication Date
WO2017069483A1 true WO2017069483A1 (ko) 2017-04-27

Family

ID=56352967

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2016/011684 WO2017069483A1 (ko) 2015-10-19 2016-10-18 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템

Country Status (3)

Country Link
US (1) US10657546B2 (ko)
KR (1) KR101635090B1 (ko)
WO (1) WO2017069483A1 (ko)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3451626B1 (en) * 2017-08-31 2021-11-17 FIMER S.p.A. Method and system for data stream processing
KR101958313B1 (ko) * 2017-12-20 2019-03-14 주식회사 얍컴퍼니 비가청 고주파 비콘 기반의 옴니채널 광고 플랫폼에 대한 프로모션 결과 데이터 통합 분석 처리 방법
JP2019125312A (ja) * 2018-01-19 2019-07-25 富士通株式会社 シミュレーションプログラム、シミュレーション方法およびシミュレーション装置
WO2019168220A1 (ko) * 2018-02-28 2019-09-06 조선대학교산학협력단 브랜드 퍼스낼리티 맵을 이용한 브랜드 퍼스낼리티 진단 방법 및 장치
CN108446380B (zh) * 2018-03-17 2021-07-30 上海锐垚科技有限公司 基于模块化信息存储结构提升产业质量水平的系统
US10819652B2 (en) * 2018-07-02 2020-10-27 Amazon Technologies, Inc. Access management tags
KR102128274B1 (ko) 2018-12-19 2020-06-30 주식회사 카케냐 페르소나와 딥-러닝 모델을 이용한 소셜네트워크상의 콘텐츠 추천 방법
WO2020162943A1 (en) * 2019-02-07 2020-08-13 Thogamalai Krishnakumar Arumugham Holistic intelligence and autonomous information system and method thereof
KR102285964B1 (ko) * 2019-06-11 2021-08-03 이현환 선호도 평가 방법 및 시스템
KR102237319B1 (ko) 2019-07-22 2021-04-07 주식회사 앱컴파니 맞춤형 상업정보 인공지능 검색 시스템
US12158903B2 (en) 2020-11-06 2024-12-03 Khoros, Llc Automated response engine to implement internal communication interaction data via a secured omnichannel electronic data channel and external communication interaction data
US20230030966A1 (en) * 2021-07-31 2023-02-02 Khoros, Llc Omnichannel data analysis
KR20240146430A (ko) 2023-03-29 2024-10-08 (주)플랜아이 초개인화 마케팅 시스템 및 방법
KR102745484B1 (ko) 2023-03-29 2024-12-20 (주)플랜아이 옴니채널 고객 경험데이터 관리 시스템 및 방법
CN117333275B (zh) * 2023-10-12 2024-03-19 中国农业银行股份有限公司江苏省分行 基于大数据的营销平台构建方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060053214A (ko) * 2004-08-23 2006-05-19 (주)리테일테크 Ｒｆｉｄ 기반의 쇼핑 패턴 분석 시스템 및 방법
KR20110054492A (ko) * 2009-11-17 2011-05-25 한국예술종합학교 산학협력단 사용자가 함께 만들어가는 스토리맵 서비스를 제공하는 시스템
JP2011107826A (ja) * 2009-11-13 2011-06-02 Intec Systems Institute Inc 行動情報抽出システム及び抽出方法
KR101422128B1 (ko) * 2013-11-06 2014-07-29 나동균 관심사 카테고리와 키워드 기반 고객 맞춤형 이커머스 제공시스템 및 방법
KR101462608B1 (ko) * 2014-04-11 2014-11-20 (주)세이퍼존 적응형 빅데이타 처리 기반 이상 징후 탐지 시스템

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090030780A1 (en) * 2006-01-03 2009-01-29 Ds-Iq, Inc. Measuring effectiveness of marketing campaigns presented on media devices in public places using audience exposure data
US8295542B2 (en) * 2007-01-12 2012-10-23 International Business Machines Corporation Adjusting a consumer experience based on a 3D captured image stream of a consumer response
US8195499B2 (en) * 2007-09-26 2012-06-05 International Business Machines Corporation Identifying customer behavioral types from a continuous video stream for use in optimizing loss leader merchandizing
US20090254531A1 (en) * 2008-04-03 2009-10-08 Walker Jay S Method and apparatus for collecting and categorizing data at a terminal
JP2011170565A (ja) * 2010-02-17 2011-09-01 Toshiba Tec Corp 顧客動向収集方法、装置及びプログラム
US9026476B2 (en) * 2011-05-09 2015-05-05 Anurag Bist System and method for personalized media rating and related emotional profile analytics
US20150058077A1 (en) * 2013-08-23 2015-02-26 Kobo Incorporated Reporting results of an ab type of test
KR101568396B1 (ko) 2013-10-02 2015-11-13 (주)휴먼웍스 온라인쇼핑몰의 매출향상을 위한 빅데이터 로그분석 기반 인공지능형 편집시스템과 편집방법
US20150120697A1 (en) * 2013-10-28 2015-04-30 Scalebase Inc. System and method for analysis of a database proxy
US9552611B2 (en) * 2013-12-02 2017-01-24 State Farm Mutual Automobile Insurance Company Systems and methods for modifying resources to manage loss events
KR20150080863A (ko) * 2014-01-02 2015-07-10 삼성테크윈 주식회사 히트맵 제공 장치 및 방법
KR20150090376A (ko) 2014-01-28 2015-08-06 주식회사 포스코아이씨티 소비패턴 기반의 마케팅 서비스 제공 시스템 및 마케팅 서비스 제공 방법
US10977662B2 (en) * 2014-04-28 2021-04-13 RetailNext, Inc. Methods and systems for simulating agent behavior in a virtual environment
US20160179087A1 (en) * 2014-09-12 2016-06-23 Joonyoung Lee Activity-centric contextual modes of operation for electronic devices

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060053214A (ko) * 2004-08-23 2006-05-19 (주)리테일테크 Ｒｆｉｄ 기반의 쇼핑 패턴 분석 시스템 및 방법
JP2011107826A (ja) * 2009-11-13 2011-06-02 Intec Systems Institute Inc 行動情報抽出システム及び抽出方法
KR20110054492A (ko) * 2009-11-17 2011-05-25 한국예술종합학교 산학협력단 사용자가 함께 만들어가는 스토리맵 서비스를 제공하는 시스템
KR101422128B1 (ko) * 2013-11-06 2014-07-29 나동균 관심사 카테고리와 키워드 기반 고객 맞춤형 이커머스 제공시스템 및 방법
KR101462608B1 (ko) * 2014-04-11 2014-11-20 (주)세이퍼존 적응형 빅데이타 처리 기반 이상 징후 탐지 시스템

Also Published As

Publication number Publication date
KR101635090B1 (ko) 2016-06-30
US10657546B2 (en) 2020-05-19
US20170109762A1 (en) 2017-04-20

Similar Documents

Publication Publication Date Title
WO2017069483A1 (ko) 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템
Guo et al. FlierMeet: a mobile crowdsensing system for cross-space public information reposting, tagging, and sharing
Yalçın et al. What is search engine optimization: SEO?
CN113590497A (zh) 业务服务的测试方法、装置、电子设备及存储介质
CN109155136A (zh) 从视频自动检测和渲染精彩场面的计算机化系统和方法
US10657543B2 (en) Targeted e-commerce business strategies based on affiliation networks derived from predictive cognitive traits
CN103842993A (zh) 用于上下文个性化搜索的系统和方法
CN102598039A (zh) 多模式在线广告和在线广告交换
CN104536980A (zh) 一种确定候评项的质量信息的方法与装置
CN108090568A (zh) 认知机器人学分析器
CN109710845A (zh) 资讯推荐方法、装置、计算机设备和可读存储介质
JP2008026972A (ja) ウェブサイト構築支援システム、ウェブサイト構築支援方法およびウェブサイト構築支援プログラム
KR20190136337A (ko) 소셜미디어 컨텐츠 기반 감정 분석 방법, 시스템 및 컴퓨터-판독가능 매체
US11250468B2 (en) Prompting web-based user interaction
WO2010041893A2 (ko) 광고 구매 히스토리에 기초하여 검색 광고용 키워드 페어를 생성하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
ES2618922T3 (es) Dispositivo de procesamiento de información, método de procesamiento de información, programa para dispositivo de procesamiento de información y medio de grabación
WO2024106829A1 (ko) 스포츠 이벤트 운영관리 플랫폼 서비스 제공 시스템
WO2017003015A1 (ko) 인터넷 광고 제공장치 및 방법
CN110019837A (zh) 用户画像的生成方法及装置、计算机设备及可读介质
CN110232277A (zh) 网页后门的检测方法、装置和计算机设备
CN111813816B (zh) 数据处理方法、装置、计算机可读存储介质和计算机设备
CN111507471A (zh) 一种模型训练方法、装置、设备及存储介质
Lian et al. Virtual Reality and Internet of Things‐Based Music Online Learning via the Graph Neural Network
Kiani et al. Evolution of Web Development Techniques in Modern Technology
WO2023286970A1 (ko) 온라인 광고 대행 서버, 캠페인 정보에 포함된 운영 옵션 정보를 선택적으로 변경하는 온라인 광고 대행 방법 및 상기 방법을 실행하기 위한 컴퓨터 프로그램

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: 16857741

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16857741

Country of ref document: EP

Kind code of ref document: A1