WO2019132084A1 - 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버 - Google Patents

온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버 Download PDF

Info

Publication number
WO2019132084A1
WO2019132084A1 PCT/KR2017/015771 KR2017015771W WO2019132084A1 WO 2019132084 A1 WO2019132084 A1 WO 2019132084A1 KR 2017015771 W KR2017015771 W KR 2017015771W WO 2019132084 A1 WO2019132084 A1 WO 2019132084A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
recommendation
online sales
sales channel
online
Prior art date
Application number
PCT/KR2017/015771
Other languages
English (en)
French (fr)
Inventor
이효준
남형진
Original Assignee
주식회사 플레이오토
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 주식회사 플레이오토 filed Critical 주식회사 플레이오토
Publication of WO2019132084A1 publication Critical patent/WO2019132084A1/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
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • G06Q30/0619—Neutral agent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

Definitions

  • the present invention relates to a method of recommending an online sales channel to a seller in an online shopping mall integrated management system and a server therefor, and more particularly, to a method and system for estimating a score based on a merchandise category per online sales channel,
  • the present invention relates to a system and method for recommending a sales channel suitable for a seller by analyzing the degree of similarity using filtering.
  • the seller logs in each shopping mall and registers the goods one by one, and when the goods information such as the stock or the price of the goods is changed, the seller logs in each shopping mall in which the goods are registered, There is an inconvenience to change the information of the product. After logging in the shopping mall several times a day to inquire about the order information of the commodity of the commodity, and after delivering according to the order, log in to each shopping mall again, To be entered one by one.
  • a professional integrated shopping mall management system that manages products of online shopping mall companies has been developed and services such as merchandise management, order management, inquiry management and statistical management are provided .
  • the present invention has been developed in order to meet the efforts and developments of the technology as described above, and a method for recommending a highly reliable sales channel to each user by comprehensively analyzing the similarities among data collected from users,
  • the purpose is to provide a server.
  • a method for recommending an online sales channel in an online shopping mall integrated management system includes acquiring collection data for recommendation of an online sales channel from sellers and online sales channel providers, Classifying merchandise categories of online sales channels into a plurality of groups based on an average price range for each merchandise category based on the data, calculating merchandise categories of online sales channels currently being sold by sellers based on the collected collected data Estimating the sales force score of the user, processing the acquired collected data as input data for collaborative filtering, generating a recommendation model for using collaborative filtering based on a plurality of groups, Analyzing the degree of similarity between the data and the online version I can recommend the seller to receive the channel, including the steps of providing a referral on the basis of the results of the analysis.
  • a selling power score according to an embodiment of the present invention can be estimated as a product of a first score based on the sales quantity and a second score based on the selling price.
  • the recommendation model may include a plurality of first models generated to correspond to data of each of a plurality of groups and a second model generated based on data obtained by combining all the plurality of groups have.
  • the product categories of the online sales channels are stored as the recommendation data and the product category of the online sales channels included as the recommendation data only in each of the plurality of first models is provided to the seller who wants to receive the online sales channel together with the text of recommendation,
  • the merchandise category of the online sales channel included as the recommendation data in any one of the plurality of first models and the second model may be provided to the seller who desires to receive the online sale channel together with the text of strong recommendation.
  • a server for recommending an online sales channel in an online shopping mall integrated management system includes a data acquisition unit for acquiring collected data for recommendation of an online sales channel from sellers and online sales channel providers, A data classifying unit for classifying the product categories of the online sales channels into a plurality of groups based on the average price band for each of the product categories based on the acquired collected data, A data processing unit for estimating a sales force score for product categories of the plurality of groups and processing the acquired collected data as input data for collaborative filtering, a recommendation model for using collaborative filtering based on a plurality of groups, The input data of each recommended model Can recommend the seller to receive the data analysis unit and the online sales channel analysis of the data also includes a recommendation to provide a referral on the basis of the results of the analysis.
  • a selling power score according to an embodiment of the present invention can be estimated as a product of a first score based on the sales quantity and a second score based on the selling price.
  • the recommendation model may include a plurality of first models generated to correspond to data of each of a plurality of groups and a second model generated based on data obtained by combining all the plurality of groups have.
  • the product categories of the top N (N is a natural number) online sales channels are stored as recommendation data based on the similarity between the input data for each recommendation model,
  • the merchandise category of the online sales channel included only as the recommendation data is provided to the seller who wants to receive the online sales channel together with the text of recommendation and is included as recommendation data in either one of the plurality of first models and the second model
  • the merchandise category of the online sales channel may be provided to the seller who wants to receive the online sales channel along with the text of the strong recommendation.
  • a computer-readable recording medium storing a program for causing a computer to execute the above-described method.
  • the sales channel recommendation method and the server provided as one embodiment of the present invention, by analyzing the sales information of the users based on the collaboration filtering, the probability that the sales will be excellent so as to match the taste of the user and the sales situation It is possible to recommend a high sales channel, thereby providing a user with a highly reliable result.
  • FIG. 1 is a flowchart illustrating a method of recommending an online sales channel in an online shopping mall integration system according to an embodiment of the present invention.
  • FIG. 2 is a graph illustrating a result of analyzing collected data through a predetermined programming language according to an embodiment of the present invention.
  • FIG. 3 is a graph showing (a) a graph showing an average price range of each product category of an online sales channel, and (b) a product category according to a sales quantity and a selling price, according to an embodiment of the present invention.
  • FIG. 4 is a block diagram illustrating a system for recommending an online sales channel in an online shopping mall integration system according to an embodiment of the present invention.
  • FIG. 5 is a block diagram illustrating a configuration of a server for recommending an online sales channel in an online shopping mall integration system according to an embodiment of the present invention.
  • a method for recommending an online sales channel in an online shopping mall integrated management system includes acquiring collection data for recommendation of an online sales channel from sellers and online sales channel providers, Classifying merchandise categories of online sales channels into a plurality of groups based on an average price range for each merchandise category based on the data, calculating merchandise categories of online sales channels currently being sold by sellers based on the collected collected data Estimating the sales force score of the user, processing the acquired collected data as input data for collaborative filtering, generating a recommendation model for using collaborative filtering based on a plurality of groups, Analyzing the degree of similarity between the data and the online version Can the seller to receive recommendations channel comprises providing a referral on the basis of the results of the analysis.
  • a selling power score according to an embodiment of the present invention can be estimated as a product of a first score based on the sales quantity and a second score based on the selling price.
  • the recommendation model may include a plurality of first models generated to correspond to data of each of a plurality of groups and a second model generated based on data obtained by combining all the plurality of groups have.
  • the product categories of the online sales channels are stored as the recommendation data and the product category of the online sales channels included as the recommendation data only in each of the plurality of first models is provided to the seller who wants to receive the online sales channel together with the text of recommendation,
  • the merchandise category of the online sales channel included as the recommendation data in any one of the plurality of first models and the second model may be provided to the seller who desires to receive the online sale channel together with the text of strong recommendation.
  • a server for recommending an online sales channel in an online shopping mall integrated management system includes a data acquisition unit for acquiring collected data for recommendation of an online sales channel from sellers and online sales channel providers, A data classifying unit for classifying the product categories of the online sales channels into a plurality of groups based on the average price band for each of the product categories based on the acquired collected data, A data processing unit for estimating a sales force score for product categories of the plurality of groups and processing the acquired collected data as input data for collaborative filtering, a recommendation model for using collaborative filtering based on a plurality of groups, The input data of each recommended model Can recommend the seller to receive the data analysis unit and the online sales channel analysis of the data also includes a recommendation to provide a referral on the basis of the results of the analysis.
  • a selling power score according to an embodiment of the present invention can be estimated as a product of a first score based on the sales quantity and a second score based on the selling price.
  • the recommendation model may include a plurality of first models generated to correspond to data of each of a plurality of groups and a second model generated based on data obtained by combining all the plurality of groups have.
  • the product categories of the top N (N is a natural number) online sales channels are stored as recommendation data based on the similarity between the input data for each recommendation model,
  • the merchandise category of the online sales channel included only as the recommendation data is provided to the seller who wants to receive the online sales channel together with the text of recommendation and is included as recommendation data in either one of the plurality of first models and the second model
  • the merchandise category of the online sales channel may be provided to the seller who wants to receive the online sales channel along with the text of the strong recommendation.
  • a computer-readable recording medium storing a program for causing a computer to execute the above-described method.
  • FIG. 1 is a flowchart illustrating a method of recommending an online sales channel in an online shopping mall integration system according to an embodiment of the present invention.
  • a method for recommending an online sales channel in an online shopping mall integrated management system includes acquiring collected data for recommendation of an online sales channel from sellers and online sales channel providers (S200) of sorting the product categories of the on-line sales channels into a plurality of groups on the basis of the average price band of each product category based on the obtained collected data (S200).
  • RAW data for a product includes an online sales channel that sells a product, a product category (a major category, a sub category, a small category), a related keyword, a product name, a product code, a product registration date, a sale price, a cost, Quantity, ID of the seller, and the like.
  • the collected data including the ID of the seller, the online sales channel, the product category of the online sales channel (the major category), the sale price, Can be obtained.
  • the collected data may be extracted from the row data after acquisition of the row data through the shopping mall integrated management database 500, but may be directly obtained from the sellers and the online sales channel providers at the online sales channel recommendation server 400, An online sales channel, a product category of an online sales channel, a selling price, and a sales quantity.
  • FIG. 2 is a graph showing a result of analyzing collected data through a predetermined programming language according to an embodiment of the present invention.
  • FIG. 3 is a graph showing the average (a) A graph showing the price range, and (b) a graph showing the product category by the sales quantity and the selling price.
  • the acquired data may be classified into a plurality of groups based on the acquired collected data.
  • the criteria to be classified into the plurality of groups may be extracted through the following data analysis process .
  • a sales price of a product of each product category of an online sales channel is divided into a predetermined programming language, a sales price of a product, , It can be confirmed that the selling price of the products included in each product category is widely distributed, and it can be confirmed that the prices are mostly in a low price range. Therefore, it is difficult to set the classification criterion through the analysis of the sales price graph of the commodity by the commodity category of the online sales channel.
  • a predetermined programming language is an open source program, which is a language for large data statistics / data mining and graphs, and R is a programming language corresponding thereto.
  • the result of analyzing the average price range of each product category of the online sales channel by using a predetermined programming language is larger than the result of analyzing the selling price of each product category It can be confirmed that the distribution value of the Y axis is clearly determined. That is, it can be confirmed that the average price range value of a product corresponds to each product category on a one-to-one basis, and the average price range value of the product is distributed in a certain region, so that an appropriate criterion for classification into a plurality of groups can be set.
  • the collected data is classified into a plurality of groups based on the result of the analysis of the average price range of the goods by the product category of the online sales channel, And can be classified into a plurality of groups. For example, you can categorize into four groups, from the highest average price category to the lowest product category. Specifically, the group with the highest 25% is Q1, the group with the highest 25% to the top 50% Q2 in the upper 50%, Q3 in the upper 75%, Q4 in the upper 75%.
  • the result of the analysis of the product category of the on-line sales channel by the sales quantity and the sales price using a predetermined programming language shows that the distribution is shifted to a low sales quantity and a low sales price It can be seen that this is a right skewed distribution.
  • the product category of the online sales channel has an asymmetric distribution for each data element, so that it is possible to determine how to assign the weight value for estimation with respect to the estimation of the sales force score at the time of data processing have.
  • a selling power score according to an embodiment of the present invention can be estimated as a product of a first score based on the sales quantity and a second score based on the selling price.
  • the sales force score is for the product category of the online sales channel currently used by the user, and the first and second scores for estimating the sales force score can be estimated based on the following Equation 1, respectively.
  • X avg is the average sales volume of the user of the product category
  • X m is a median value (Median)
  • X h of the total sales quantity for all the users of the item category is product of users of the X l represents the minimum sales quantity of the corresponding product category of the entire user.
  • X avg is the average selling price of the user of the product category
  • X m is the median of the total price for all the users of the product category (Median)
  • X h is the product of the total user The highest selling price of the category
  • X l is the lowest selling price of the corresponding product category of the entire user.
  • [formula 1] is determined so that the product category of the online sales channel forms an asymmetric distribution, so that the weight is deviated from the median value.
  • the final sales force score is calculated from the first score and the second score . ≪ / RTI >
  • collaborative filtering is a method of automatically predicting users' interests according to preference information obtained from many users.
  • the collaborative filtering according to an exemplary embodiment of the present invention may employ user-based collaborative filtering provided by Apache Spark, an open source parallel distributed processing solution and platform for processing large data.
  • User-based collaborative filtering provided by Apache Spark requires three inputs such as user, item, and score. In order to be able to respond to this, the collected data must include the ID of the seller, the category of the online sales channel currently sold by the user, It can be processed into input data that includes.
  • the user-based collaborative filtering provided by Apache Spark has been described here, the collaborative filtering for implementing the present invention is not limited thereto.
  • a recommendation model is generated to use collaborative filtering.
  • the recommendation model includes a plurality of first models generated so as to correspond to data of a plurality of groups, And a second model generated based on the data.
  • the model M4 generated based on the data of the generated models M3 and Q4 can be generated in the data analysis unit and the model M5 generated based on the data in which the data of all of Q1, Q2, Q3, and Q4 are combined, Lt; / RTI >
  • the degree of similarity between input data of a plurality of first models and second models generated according to an embodiment of the present invention can be analyzed based on a product category and a sales force score of an online sales channel through collaborative filtering,
  • the analyzed results for each model can be stored in the database 500 in the order of high similarity.
  • step S500 of providing the recommendation data based on the analysis result to the seller who wants to receive the online sales channel according to an embodiment of the present invention,
  • the merchandise category of the online sales channel included in the plurality of first models as recommendation data is provided to the seller who wants to receive the online sales channel together with the text of recommendation
  • the product category of the online sales channel included as recommendation data in either one of the models and the second model may be provided to the seller who desires to receive the online sales channel together with the text of strong recommendation.
  • N is a natural number.
  • the recommendation data to be stored can be expressed as shown in [Table 1].
  • the recommendation data stored for each recommendation model may include an online sales channel arranged in the order of high degree of similarity between input data and a product category of the online sales channel.
  • the referral data may not be stored and may be a category that does not belong to the category of products sold by the seller Whether or not it can be judged through the similarity analysis process.
  • the recommendation data stored for each recommendation model may be output through the seller device 100 of the seller who wants to receive the online sales channel.
  • the recommendation data stored only in M1, M2, M3, and M4 is sent to the seller device 100
  • recommended data stored in any one of M1, M2, M3, and M4 and also included in M5 may be output and provided through the seller device 100 together with the text " Strong recommendation ".
  • Auction / Household goods are included in M1 and included in M5, so they can be output along with the text of strong recommendation. In case of Auction / PC, they are included only in M4 and not included in M5.
  • the recommendation data when the recommendation data is provided to the seller, the recommendation data including the online sales channel, the merchandise category of the online sales channel, the recommendation or the strong recommendation text, Can be output.
  • Estimated sales can be estimated by totaling sales prices and sales quantities of products currently sold in the product category of the online sales channel when analyzing the similarity between the input data.
  • the recommendation data when the recommendation data is provided to the seller, information on at least one of the online sale channel or the product category of the online sale channel may be output. That is, as described above, the online sales channel and the product category may be simultaneously output, only the online sales channel may be output, or only the product category may be output. Accordingly, the user can selectively receive information to be recommended among the product category of the online sales channel or the online sales channel.
  • the entire processes described above may be repeatedly performed at predetermined time intervals to reflect in the recommendation model when raw data for new merchandise and merchandise are collected, and the predetermined time interval may be every second, every hour, every day, every week It can be monthly.
  • FIG. 4 is a block diagram illustrating a system for recommending an online sales channel in an online shopping mall integration system according to an embodiment of the present invention.
  • the seller device 100 and the online sales channel provider server 200 transmit the raw data and the collected data required for the sales channel recommendation to the online sales channel recommendation server 400 and the shopping mall integrated management To the database 500, and the shopping mall integrated management database 500 may store all data necessary for integrated management of the online mall. In order to appropriately adjust the data storage capacity of the online sales channel recommendation server 400, all data is stored and managed through the shopping mall integrated management database, and if necessary, the online sales channel recommendation server 400 and the shopping mall integrated management database 500 Information can be transmitted and received.
  • the seller device 100 may include a mobile device including a smart phone, a PDA, a PMP, and a computer.
  • FIG. 5 is a block diagram illustrating a configuration of a server for recommending an online sales channel in an online shopping mall integration system according to an embodiment of the present invention.
  • a server for recommending an online sales channel in an online shopping mall integrated management system includes collection data for recommendation of an online sales channel from sellers and online sales channel providers
  • a recommendation model for using collaborative filtering is generated, and a recommendation model
  • Each may be the seller seeking like data analysis unit 440, and online sales channel for analyzing the degree of similarity between the input data contains data like portion 450 for providing recommendation data on the basis of the result of the analysis.
  • a selling power score according to an embodiment of the present invention can be estimated as a product of a first score based on the sales quantity and a second score based on the selling price.
  • the recommendation model may include a plurality of first models generated to correspond to data of each of a plurality of groups and a second model generated based on data obtained by combining all the plurality of groups have.
  • the product categories of the top N online sales channels are stored as recommendation data on the basis of the similarity between input data for each recommendation model, and only the plurality of first models are included as recommendation data
  • the merchandise category of the online sales channel is provided to the seller who wants to receive the online sales channel together with the text of recommendation, and the merchandise of the online sales channel included as the recommendation data in both the first model and the second model Categories can be provided to sellers who want to get an online sales channel along with the text Strongly Recommend.
  • a computer-readable recording medium storing a program for causing a computer to execute the above-described method.
  • the above-described method can be implemented in a general-purpose digital computer that can be created as a program that can be executed in a computer and operates the program using a computer-readable medium.
  • the structure of the data used in the above-described method can be recorded on a computer-readable medium through various means. Recording media that record executable computer programs or code for carrying out the various methods of the present invention should not be understood to include transient objects such as carrier waves or signals.
  • the computer-readable medium may comprise a storage medium such as a magnetic storage medium (e.g., ROM, floppy disk, hard disk, etc.), optical readable medium (e.g., CD ROM, DVD, etc.).

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Computational Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 서버에 관한 것으로서, 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법은, 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 단계, 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 단계, 획득된 수집 데이터를 기초로 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 단계, 복수개의 그룹들을 기초로 협업 필터링을 이용하기 위한 추천모델을 생성하고, 협업 필터링을 이용하여 추천모델 별로 입력 데이터 간의 유사도를 분석하는 단계 및 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하는 단계를 포함할 수 있다.

Description

온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버
본 발명은 온라인 쇼핑몰 통합 관리 시스템에서 판매자에게 온라인 판매채널을 추천하는 방법 및 이를 위한 서버에 관한 것으로, 더욱 상세하게는 온라인 판매채널 별 상품 카테고리를 기초로 점수를 산정하고 산정된 점수를 바탕으로 협업 필터링을 이용하여 유사도를 분석함으로써 판매자에게 알맞은 판매채널을 추천하도록 하는 방법 및 이를 위한 시스템에 관한 것이다.
정보통신 기술의 발달로 인해 사람들의 소비 패턴은 점점 오프라인 상의 상품 구매에서 온라인 쇼핑몰을 이용한 상품 구매로 변화하고 있고 그에 따라 다양한 형태의 온라인 쇼핑몰(예를 들어, 오픈마켓, 소셜커머스 등등)이 생겨나고 있다.
이렇게 다양한 형태의 온라인 쇼핑몰을 통해 상품을 공급하기 위해서는 판매자는 각각의 쇼핑몰에 로그인하여 상품을 일일이 등록하고, 재고나 상품의 가격 등 상품정보가 변경될 경우 상품이 등록된 각각의 쇼핑몰에 로그인하여 일일이 상품의 정보를 변경해야 하는 불편함이 있고, 하루에도 수회씩 쇼핑몰에 로그인하여 자신의 상품에 대한 주문정보를 조회하고, 주문에 맞춰 배송한 후에는 다시 각각의 쇼핑몰에 로그인하여 택배회사와 송장번호를 일일이 하나씩 입력해야 하는 과정이 필요하다.
이러한 번거로움 및 문제를 해결하기 위해 온라인 쇼핑몰에 입점해 있는 업체들의 상품관리를 하는 전문적인 인터넷 쇼핑몰 통합 관리 시스템이 개발되었고 판매자의 상품관리를 비롯하여 주문관리, 문의관리, 통계관리 등의 서비스가 제공되고 있다.
한편, 전술한 인터넷 쇼핑몰 통합 관리 시스템 및 이와 유사한 형태의 종래 여러 온라인 상품관리 시스템들은 사용자로부터 수집된 데이터를 이용하여 사용자에게 다양한 서비스를 제공하기 위한 기술개발의 노력을 계속해서 진행하고 있다. 시스템을 통해 관리되고 있는 오픈마켓들의 가격 변동 현황을 모니터링(대한민국 등록특허공보 제10-1753481호)하거나 시스템을 통해 관리되는 경쟁업체의 가격정보를 분석(대한민국 공개특허공보 제10-2017-0034527호)하는 등의 서비스가 그 예이다.
그러나, 사용자에게 실질적으로 도움이 될 수 있는 서비스 중 사용자로부터 수집된 데이터를 이용하여 사용자가 현재 판매하고 있는 판매채널의 정보를 분석하여 매출이 우수할 확률이 높은 판매채널의 카테고리를 추천하는 방식의 기술은 제대로 개발되어 제공되고 있지 못한 실정이다.
본 발명은 전술한 바와 같은 기술개발의 노력 및 실정에 부합하기 하기 위해 개발된 것으로서, 사용자들로부터 수집된 데이터 간의 유사도를 종합적으로 분석하여 사용자 각각에게 높은 신뢰도의 판매채널을 추천하는 방법 및 이를 위한 서버를 제공함에 목적이 있다.
또한, 본 발명은 판매자가 현재 판매하고 있는 판매채널 및 상품을 분석하여 판매자의 실정에 맞게 매출이 우수할 확률이 높은 판매채널을 추천하는 방법 및 이를 위한 서버를 제공함에 목적이 있다.
본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법은, 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 단계, 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 단계, 획득된 수집 데이터를 기초로 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 단계, 복수개의 그룹들을 기초로 협업 필터링을 이용하기 위한 추천모델을 생성하고, 협업 필터링을 이용하여 추천모델 별로 입력 데이터 간의 유사도를 분석하는 단계 및 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정될 수 있다.
본 발명의 일 실시예에 따른 추천모델은 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함할 수 있다.
본 발명의 일 실시예에 따른 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하는 단계에서는, 추천모델 별로 입력 데이터 간의 유사도를 기준으로 상위 N개(N은 자연수)의 온라인 판매채널들의 상품 카테고리들이 추천 데이터로서 저장되며, 복수개의 제 1 모델들 각각에만 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고, 복수개의 제 1 모델들 중 어느 하나와 제 2 모델 모두에 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공될 수 있다.
본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하기 위한 서버는, 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 데이터 획득부, 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 데이터 분류부, 획득된 수집 데이터를 기초로 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 데이터 가공부, 복수개의 그룹들을 기초로 협업 필터링을 이용하기 위한 추천모델을 생성하고, 협업 필터링을 이용하여 추천모델 별로 입력 데이터 간의 유사도를 분석하는 데이터 분석부 및 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하기 위한 데이터 추천부를 포함할 수 있다.
본 발명의 일 실시예에 따른 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정될 수 있다.
본 발명의 일 실시예에 따른 추천모델은 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함할 수 있다.
본 발명의 일 실시예에 따른 데이터 추천부에서는 추천모델 별로 입력 데이터 간의 유사도를 기준으로 상위 N개(N은 자연수)의 온라인 판매채널들의 상품 카테고리들이 추천 데이터로서 저장되며, 복수개의 제 1 모델들 각각에만 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고, 복수개의 제 1 모델들 중 어느 하나와 제 2 모델 모두에 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공될 수 있다.
한편, 본 발명의 일 실시예에 의하면, 전술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다.
본 발명의 일 실시예로서 제공되는 판매채널 추천 방법 및 이를 위한 서버를 이용하면, 협업 필터링을 기반으로 하여 사용자들의 판매 정보를 분석함으로써, 사용자의 기호 및 판매실정에 부합하도록 매출이 우수할 확률이 높은 판매채널을 추천할 수 있어 사용자에게 신뢰도가 높은 결과를 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 시스템에서의 온라인 판매채널을 추천하는 방법을 나타낸 순서도이다.
도 2는 본 발명의 일 실시예에 따라 수집 데이터를 소정의 프로그래밍 언어를 통해 분석한 결과를 나타낸 그래프이다.
도 3은 본 발명의 일 실시예에 따른 (a) 온라인 판매채널의 상품 카테고리 별 평균 가격대를 나타낸 그래프, (b) 판매수량 및 판매가격 별 상품 카테고리를 나타낸 그래프이다.
도 4는 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 시스템에서의 온라인 판매채널을 추천하기 위한 시스템의 구성을 나타낸 블록도이다.
도 5는 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 시스템에서의 온라인 판매채널을 추천하기 위한 서버의 구성을 나타낸 블록도이다.
본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법은, 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 단계, 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 단계, 획득된 수집 데이터를 기초로 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 단계, 복수개의 그룹들을 기초로 협업 필터링을 이용하기 위한 추천모델을 생성하고, 협업 필터링을 이용하여 추천모델 별로 입력 데이터 간의 유사도를 분석하는 단계 및 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정될 수 있다.
본 발명의 일 실시예에 따른 추천모델은 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함할 수 있다.
본 발명의 일 실시예에 따른 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하는 단계에서는, 추천모델 별로 입력 데이터 간의 유사도를 기준으로 상위 N개(N은 자연수)의 온라인 판매채널들의 상품 카테고리들이 추천 데이터로서 저장되며, 복수개의 제 1 모델들 각각에만 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고, 복수개의 제 1 모델들 중 어느 하나와 제 2 모델 모두에 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공될 수 있다.
본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하기 위한 서버는, 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 데이터 획득부, 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 데이터 분류부, 획득된 수집 데이터를 기초로 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 데이터 가공부, 복수개의 그룹들을 기초로 협업 필터링을 이용하기 위한 추천모델을 생성하고, 협업 필터링을 이용하여 추천모델 별로 입력 데이터 간의 유사도를 분석하는 데이터 분석부 및 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하기 위한 데이터 추천부를 포함할 수 있다.
본 발명의 일 실시예에 따른 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정될 수 있다.
본 발명의 일 실시예에 따른 추천모델은 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함할 수 있다.
본 발명의 일 실시예에 따른 데이터 추천부에서는 추천모델 별로 입력 데이터 간의 유사도를 기준으로 상위 N개(N은 자연수)의 온라인 판매채널들의 상품 카테고리들이 추천 데이터로서 저장되며, 복수개의 제 1 모델들 각각에만 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고, 복수개의 제 1 모델들 중 어느 하나와 제 2 모델 모두에 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공될 수 있다.
한편, 본 발명의 일 실시예에 의하면, 전술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 시스템에서의 온라인 판매채널을 추천하는 방법을 나타낸 순서도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법은, 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 단계(S100), 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 단계(S200), 획득된 수집 데이터를 기초로 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 단계(S300), 복수개의 그룹들을 기초로 협업 필터링을 이용하기 위한 추천모델을 생성하고, 협업 필터링을 이용하여 추천모델 별로 입력 데이터 간의 유사도를 분석하는 단계(S400) 및 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하는 단계(S500)를 포함할 수 있다.
본 발명의 일 실시예에 따라 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 과정은 1차적으로 온라인 쇼핑몰 통합 관리 시스템의 쇼핑몰 통합 관리 데이터베이스(500)를 통해 판매자들 및 온라인 판매채널 공급자들로부터 상품에 대한 기초적인 데이터를 획득하는 단계를 포함할 수 있다. 상품에 대한 로우(RAW) 데이터에는 상품을 판매하고 있는 온라인 판매채널, 해당 온라인 판매채널의 상품 카테고리(대분류, 중분류, 소분류), 연관키워드, 상품명, 상품코드, 상품등록일, 판매가격, 원가, 판매수량, 판매자의 ID 등 판매 상품을 특정할 수 있는 정보가 포함될 수 있다. 상품에 대한 로우 데이터를 획득하는 단계를 거친 후에는 상품에 대한 로우 데이터로부터 판매자의 아이디(ID), 온라인 판매채널, 온라인 판매채널의 상품 카테고리(대분류), 판매가격 및 판매수량이 포함된 수집 데이터를 획득할 수 있다.
또한, 전술하였듯이 수집 데이터는 쇼핑몰 통합 관리 데이터베이스(500)를 통해 로우 데이터 획득 후 로우 데이터로부터 추출할 수도 있으나 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널 추천 서버(400)에서 직접 판매자의 아이디, 온라인 판매채널, 온라인 판매채널의 상품 카테고리, 판매가격 및 판매수량이 포함된 수집 데이터를 획득할 수도 있다.
도 2는 본 발명의 일 실시예에 따라 수집 데이터를 소정의 프로그래밍 언어를 통해 분석한 결과를 나타낸 그래프이며, 도 3은 본 발명의 일 실시예에 따른 (a) 온라인 판매채널의 상품 카테고리 별 평균 가격대를 나타낸 그래프, (b) 판매수량 및 판매가격 별 상품 카테고리를 나타낸 그래프이다.
본 발명의 일 실시예에 따라 수집 데이터를 획득하면 획득된 수집 데이터를 기초로 복수개의 그룹으로 분류할 수 있는데, 이때 복수개의 그룹으로 분류하는 기준은 다음과 같은 데이터 분석 과정을 통해 추출할 수 있다.
도 2를 참조하면, 수집 데이터에 포함된 온라인 판매채널의 상품 카테고리와 각 상품 카테고리에 속한 상품의 판매가격에 대한 정보를 기초로 온라인 판매채널의 상품 카테고리 별 상품의 판매가격을 소정의 프로그래밍 언어를 이용하여 분석하면, 각 상품 카테고리에 포함된 상품의 판매 가격이 넓게 분포되어 있음을 확인할 수 있으며 대부분 낮은 가격대에 몰려있음을 확인할 수 있다. 따라서, 온라인 판매채널의 상품 카테고리 별 상품의 판매가격 그래프 분석을 통해 분류 기준을 설정하는 것은 어려움을 알 수 있다. 이때, 소정의 프로그래밍 언어는 오픈소스 프로그램으로 빅데이터 통계/데이터 마이닝 및 그래프를 위한 언어를 말하며, 이에 해당하는 프로그래밍 언어로는 R 등이 있다.
반면, 도 3의 (a)를 참조하면 온라인 판매채널의 상품 카테고리 별 상품의 평균 가격대를 소정의 프로그래밍 언어를 이용하여 분석한 그래프의 결과는 상품 카테고리 별 상품의 판매가격을 분석한 그래프의 결과보다 Y축의 분포값이 명확하게 결정되어 있음을 확인할 수 있다. 즉, 상품의 평균 가격대 값은 각 상품 카테고리에 일대일로 대응되며 상품의 평균 가격대 값이 일정한 영역에서 분포되어 있음을 확인할 수 있으므로, 이를 통해 복수개의 그룹으로 분류하기 위한 알맞은 기준을 설정할 수 있다.
전술한 온라인 판매채널의 상품 카테고리 별 상품의 평균 가격대를 분석한 그래프의 결과를 기초로 하여 획득된 수집 데이터를 복수개의 그룹으로 분류하면, 온라인 판매채널의 상품 카테고리들을 평균 가격대가 가장 높은 순서에 따라 복수개의 그룹으로 분류할 수 있다. 예를 들어, 평균 가격대가 가장 높은 상품 카테고리부터 가장 낮은 상품 카테고리까지 총 4개의 그룹으로 분류할 수 있으며, 구체적으로 상위 25%까지 포함된 그룹은 Q1, 상위 25%에서 상위 50%가 포함된 그룹은 Q2, 상위 50%에서 상위 75%가 포함된 그룹은 Q3, 상위 75%에서 상위 100%가 포함된 그룹은 Q4로 분류할 수 있다.
또한, 도 3의 (b)를 참조하면 판매수량 및 판매가격 별 온라인 판매채널의 상품 카테고리를 소정의 프로그래밍 언어를 이용하여 분석한 그래프의 결과는 그 분포가 낮은 판매수량 및 낮은 판매가격으로 치우쳐진 비대칭분포(Right Skewed Distribution) 임을 알 수 있다. 즉, 온라인 판매채널의 상품 카테고리는 각 데이터 요소 별로 비대칭분포를 이루고 있음을 알 수 있으므로 이를 통해 후술할 데이터 가공 시 판매력 점수의 추정과 관련하여 추정을 위한 가중치 값을 어떤 식으로 부여할 지를 결정할 수 있다.
본 발명의 일 실시예에 따른 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정될 수 있다. 판매력 점수는 사용자가 현재 사용 중인 온라인 판매채널의 상품 카테고리에 대한 것이며, 판매력 점수 추정을 위한 제 1 점수 및 제 2 점수는 각각 다음과 같은 [식 1]에 기초하여 추정할 수 있다.
[식 1]
Figure PCTKR2017015771-appb-I000001
판매 수량에 기초한 제 1 점수의 경우, Xavg는 사용자의 해당 상품 카테고리의 평균 판매수량, Xm은 전체 사용자의 해당 상품 카테고리의 전체 판매수량의 중앙값(Median), Xh는 전체 사용자의 해당 상품 카테고리의 최대 판매수량, Xl은 전체 사용자의 해당 상품 카테고리의 최소 판매수량을 의미한다.
판매 가격에 기초한 제 2 점수의 경우, Xavg는 사용자의 해당 상품 카테고리의 평균 판매가격, Xm은 전체 사용자의 해당 상품 카테고리의 전체 판매가격의 중앙값(Median), Xh는 전체 사용자의 해당 상품 카테고리의 최고 판매가격, Xl은 전체 사용자의 해당 상품 카테고리의 최저 판매가격을 의미한다.
전술하였듯이 온라인 판매채널의 상품 카테고리가 비대칭분포를 형성하므로 중앙값에서 많이 벗어나는 값에 가중치를 두도록 [식 1]을 결정하였으며, 최종적인 판매력 점수는 [식 1]로부터 추정된 제 1 점수 및 제 2 점수의 곱을 통해 추정될 수 있다.
본 발명의 일 실시예에 따르면 데이터 간의 유사도 분석은 협업 필터링을 이용하여 할 수 있다. 여기서 협업 필터링이란 많은 사용자들로부터 얻은 기호정보에 따라 사용자들의 관심사들을 자동적으로 예측하게 해주는 방법을 말한다. 본 발명의 일 실시예에 따른 협업 필터링으로는 빅데이터 처리를 위한 오픈소스 병렬분산 처리 솔루션 및 플랫폼인 아파치 스파크(Apache Spark)에서 제공하는 사용자 기반 협업 필터링이 이용될 수 있다. 아파치 스파크에서 제공하는 사용자 기반 협업 필터링에서는 사용자, 항목, 점수와 같은 세가지 입력을 요구하는데, 이에 대응될 수 있도록 수집 데이터를 판매자의 아이디, 현재 사용자가 판매하고 있는 온라인 판매채널의 카테고리 및 판매력 점수를 포함하는 입력 데이터로 가공할 수 있다. 여기서는 아파치 스파크에서 제공하는 사용자 기반 협업 필터링에 대해서 설명하였으나, 본 발명의 실시를 위한 협업 필터링은 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면 협업 필터링을 이용하기 위해 추천모델을 생성하는데, 이때 추천모델은 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함할 수 있다. 예를 들어, 4개의 그룹으로 분류된 경우, 제 1 모델로서 평균 가격대에 따라 분류한 Q1의 데이터에 기반하여 생성된 모델 M1, Q2의 데이터에 기반하여 생성된 모델 M2, Q3의 데이터에 기반하여 생성된 모델 M3, Q4의 데이터에 기반하여 생성된 모델 M4가 데이터 분석부에서 생성될 수 있으며, Q1, Q2, Q3 및 Q4의 데이터가 모두 합쳐진 데이터에 기반하여 생성된 모델 M5가 데이터 분석부에서 생성될 수 있다.
본 발명의 일 실시예에 따라 생성된 복수개의 제 1 모델들 및 제 2 모델 각각 입력 데이터 간의 유사도를 협업 필터링을 통해 온라인 판매채널의 상품 카테고리와 판매력 점수를 기초로 하여 분석할 수 있으며, 각 추천모델 별로 분석된 결과가 유사도가 높은 순서에 따라 데이터베이스(500)에 저장될 수 있다.
본 발명의 일 실시예에 따른 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하는 단계(S500)에서는, 추천모델 별로 입력 데이터 간의 유사도를 기준으로 상위 N개의 온라인 판매채널들의 상품 카테고리들이 추천 데이터로서 저장되며, 복수개의 제 1 모델들 각각에만 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고, 복수개의 제 1 모델들 중 어느 하나와 제 2 모델 모두에 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공될 수 있다. 이 때, N은 자연수이다.
전술한 실시예에 따라 복수개의 제 1 모델들이 M1, M2, M3 및 M4로 4개이고 제 2 모델이 M5인 경우, 각 추천모델 별로 입력 데이터 간의 유사도를 기준으로 상위 10개의 온라인 판매채널들의 상품 카테고리들이 추천 데이터로서 저장될 수 있다. 예를 들어, 저장되는 추천 데이터는 다음의 [표 1]과 같이 나타낼 수 있다.
[표 1]
Figure PCTKR2017015771-appb-I000002
[표 1]을 참조하면, 각 추천모델 별로 저장되는 추천 데이터에는 입력 데이터 간의 유사도가 높은 순서에 따라 정렬된 온라인 판매채널 및 그 온라인 판매채널의 상품 카테고리가 포함될 수 있다. M3와 같이 온라인 판매채널을 추천받고자 하는 판매자가 판매하고 있는 상품의 카테고리에 속하지 않는 카테고리들이 포함된 모델의 경우 추천 데이터가 저장되지 않을 수 있으며, 판매자가 판매하고 있는 상품의 카테고리에 속하지 않는 카테고리인지 여부는 유사도 분석 과정을 통해 판단할 수 있다.
본 발명의 일 실시예에 따라 추천모델 별로 저장된 추천 데이터는 온라인 판매채널을 추천받고자 하는 판매자의 판매자 디바이스(100)를 통해 출력되어 제공될 수 있다. 예를 들어, [표 1] 및 [표 2]를 참조하면 판매자에게 추천 데이터가 제공될 시, M1, M2, M3 및 M4에만 포함되어 저장된 추천 데이터는 추천이라는 텍스트와 함께 판매자 디바이스(100)를 통해 출력되어 제공될 수 있으며, M1, M2, M3 및 M4 중 어느 하나에 포함되고 더불어 M5에도 포함되어 저장된 추천 데이터는 강력추천이라는 텍스트와 함께 판매자 디바이스(100)를 통해 출력되어 제공될 수 있다. 옥션/생활용품의 경우 M1에 포함되고 M5에도 포함되므로 강력추천이라는 텍스트와 함께 출력될 수 있으며, 옥션/PC의 경우 M4에만 포함되고 M5에는 포함되지 않으므로 추천이라는 텍스트와 함께 출력될 수 있다.
또한, [표 2]를 참조하면 판매자에게 추천 데이터가 제공될 시, 판매자 디바이스(100)를 통해 온라인 판매채널, 온라인 판매채널의 상품 카테고리를 포함하는 추천 데이터와 추천 또는 강력추천 텍스트를 비롯하여 예상매출이 출력될 수 있다. 예상매출은 입력 데이터 간의 유사도를 분석할 때 온라인 판매채널의 상품 카테고리에서 현재 판매되고 있는 상품별 판매가격 및 판매수량을 종합하여 추정할 수 있다.
[표 2]
Figure PCTKR2017015771-appb-I000003
더불어, 판매자에게 추천 데이터가 제공될 시 온라인 판매채널 또는 온라인 판매채널의 상품 카테고리 중 적어도 하나에 대한 정보가 출력될 수 있다. 즉, 전술한 바와 같이 온라인 판매채널 및 그 상품 카테고리가 동시에 출력될 수도 있으며, 온라인 판매채널만 출력되거나 그 상품 카테고리만 출력될 수 있다. 이를 통해 사용자는 온라인 판매채널 또는 온라인 판매채널의 상품 카테고리 중 추천받고자 하는 정보를 선택적으로 제공받을 수 있다.
전술한 전체 과정들은 새로운 판매자 및 상품에 대한 로우 데이터가 수집되는 경우 추천모델에 반영하기 위해 소정의 시간 간격마다 반복적으로 수행될 수 있으며, 소정의 시간 간격은 매초, 매분, 매시간, 매일, 매주 또는 매월일 수 있다.
도 4는 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 시스템에서의 온라인 판매채널을 추천하기 위한 시스템의 구성을 나타낸 블록도이다.
도 4를 참조하면, 판매자 디바이스(100) 및 온라인 판매채널 공급자 서버(200)에서는 판매채널 추천에 필요한 로우 데이터 및 수집 데이터를 네트워크(300)를 통해 온라인 판매채널 추천 서버(400) 및 쇼핑몰 통합 관리 데이터베이스(500)로 전송할 수 있으며, 쇼핑몰 통합 관리 데이터베이스(500)에는 온라인 쇼핑몰 통합 관리에 필요한 모든 데이터가 저장될 수 있다. 온라인 판매채널 추천 서버(400)의 데이터 저장능력을 적절히 조절하기 위해 쇼핑몰 통합 관리 데이터베이스를 통해 모든 데이터를 저장 및 관리하며 필요에 따라 온라인 판매채널 추천 서버(400)와 쇼핑몰 통합 관리 데이터베이스(500)간에 정보를 송수신할 수 있다. 여기서 말하는 판매자 디바이스(100)에는 스마트폰, PDA, PMP 등을 포함하는 모바일 기기 및 컴퓨터 등이 포함될 수 있다.
도 5는 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 시스템에서의 온라인 판매채널을 추천하기 위한 서버의 구성을 나타낸 블록도이다.
도 5를 참조하면, 본 발명의 일 실시예에 따른 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하기 위한 서버는, 판매자들 및 온라인 판매채널 공급자들로부터 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 데이터 획득부(410), 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 데이터 분류부(420), 획득된 수집 데이터를 기초로 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 데이터 가공부(430), 복수개의 그룹들을 기초로 협업 필터링을 이용하기 위한 추천모델을 생성하고, 협업 필터링을 이용하여 추천모델 별로 입력 데이터 간의 유사도를 분석하는 데이터 분석부(440) 및 온라인 판매채널을 추천받고자 하는 판매자에게 분석의 결과를 기초로 추천 데이터를 제공하기 위한 데이터 추천부(450)를 포함할 수 있다.
본 발명의 일 실시예에 따른 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정될 수 있다.
본 발명의 일 실시예에 따른 추천모델은 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함할 수 있다.
본 발명의 일 실시예에 따른 데이터 추천부에서는 추천모델 별로 입력 데이터 간의 유사도를 기준으로 상위 N개의 온라인 판매채널들의 상품 카테고리들이 추천 데이터로서 저장되며, 복수개의 제 1 모델들 각각에만 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고, 복수개의 제 1 모델들 중 어느 하나와 제 2 모델 모두에 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력 추천이라는 텍스트와 함께 온라인 판매채널을 추천받고자 하는 판매자에게 제공될 수 있다.
본 발명의 일 실시예에 따른 시스템과 관련하여서는 전술한 방법에 대한 내용이 적용될 수 있다. 따라서, 시스템과 관련하여, 전술한 방법에 대한 내용과 동일한 내용에 대하여는 설명을 생략하였다.
한편, 본 발명의 일 실시예에 의하면, 전술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다. 다시 말해서, 전술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터 판독 가능 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터 판독 가능 매체에 여러 수단을 통하여 기록될 수 있다. 본 발명의 다양한 방법들을 수행하기 위한 실행 가능한 컴퓨터 프로그램이나 코드를 기록하는 기록 매체는, 반송파(carrier waves)나 신호들과 같이 일시적인 대상들은 포함하는 것으로 이해되지는 않아야 한다. 상기 컴퓨터 판독 가능 매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, DVD 등)와 같은 저장 매체를 포함할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (9)

  1. 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법에 있어서,
    판매자들 및 온라인 판매채널 공급자들로부터 상기 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 단계;
    상기 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상기 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 단계;
    상기 획득된 수집 데이터를 기초로 상기 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 상기 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 단계;
    상기 복수개의 그룹들을 기초로 상기 협업 필터링을 이용하기 위한 추천모델을 생성하고, 상기 협업 필터링을 이용하여 상기 추천모델 별로 상기 입력 데이터 간의 유사도를 분석하는 단계; 및
    상기 온라인 판매채널을 추천받고자 하는 판매자에게 상기 분석의 결과를 기초로 추천 데이터를 제공하는 단계를 포함하는 온라인 판매채널을 추천하는 방법.
  2. 제 1 항에 있어서,
    상기 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정되는 것을 특징으로 하는 온라인 판매채널을 추천하는 방법.
  3. 제 1 항에 있어서,
    상기 추천모델은 상기 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 상기 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함하는 것을 특징으로 하는 온라인 판매채널을 추천하는 방법.
  4. 제 3 항에 있어서,
    상기 온라인 판매채널을 추천받고자 하는 판매자에게 상기 분석의 결과를 기초로 추천 데이터를 제공하는 단계에서는,
    상기 추천모델 별로 상기 입력 데이터 간의 유사도를 기준으로 상위 N개(N은 자연수)의 온라인 판매채널들의 상품 카테고리들이 상기 추천 데이터로서 저장되며,
    상기 복수개의 제 1 모델들 각각에만 상기 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 상기 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고,
    상기 복수개의 제 1 모델들 중 어느 하나와 상기 제 2 모델 모두에 상기 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력추천이라는 텍스트와 함께 상기 온라인 판매채널을 추천받고자 하는 판매자에게 제공되는 것을 특징으로 하는 온라인 판매채널을 추천하는 방법.
  5. 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하기 위한 서버에 있어서,
    판매자들 및 온라인 판매채널 공급자들로부터 상기 온라인 판매채널의 추천을 위한 수집 데이터를 획득하는 데이터 획득부;
    상기 획득된 수집 데이터를 기초로 온라인 판매채널들의 상품 카테고리들을 상기 상품 카테고리들 별 평균 가격대를 기준으로 복수개의 그룹들로 분류하는 데이터 분류부;
    상기 획득된 수집 데이터를 기초로 상기 판매자들이 현재 판매하고 있는 온라인 판매채널들의 상품 카테고리들에 대한 판매력 점수를 추정하고, 상기 획득된 수집 데이터를 협업 필터링을 위한 입력 데이터로 가공하는 데이터 가공부;
    상기 복수개의 그룹들을 기초로 상기 협업 필터링을 이용하기 위한 추천모델을 생성하고, 상기 협업 필터링을 이용하여 상기 추천모델 별로 상기 입력 데이터 간의 유사도를 분석하는 데이터 분석부; 및
    상기 온라인 판매채널을 추천받고자 하는 판매자에게 상기 분석의 결과를 기초로 추천 데이터를 제공하기 위한 데이터 추천부를 포함하는 온라인 판매채널을 추천하기 위한 서버.
  6. 제 5 항에 있어서,
    상기 판매력 점수는 판매수량에 기초한 제 1 점수와 판매가격에 기초한 제 2 점수의 곱으로 추정되는 것을 특징으로 하는 온라인 판매채널을 추천하기 위한 서버.
  7. 제 5 항에 있어서,
    상기 추천모델은 상기 복수개의 그룹들 각각의 데이터에 대응되도록 생성된 복수개의 제 1 모델들 및 상기 복수개의 그룹들 전체가 합쳐진 데이터에 기반하여 생성된 제 2 모델을 포함하는 것을 특징으로 하는 온라인 판매채널을 추천하기 위한 서버.
  8. 제 7 항에 있어서,
    상기 데이터 추천부에서는 상기 추천모델 별로 상기 입력 데이터 간의 유사도를 기준으로 상위 N개(N은 자연수)의 온라인 판매채널들의 상품 카테고리들이 상기 추천 데이터로서 저장되며,
    상기 복수개의 제 1 모델들 각각에만 상기 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 추천이라는 텍스트와 함께 상기 온라인 판매채널을 추천받고자 하는 판매자에게 제공되고,
    상기 복수개의 제 1 모델들 중 어느 하나와 상기 제 2 모델 모두에 상기 추천 데이터로서 포함된 온라인 판매채널의 상품 카테고리는 강력 추천이라는 텍스트와 함께 상기 온라인 판매채널을 추천받고자 하는 판매자에게 제공되는 것을 특징으로 하는 온라인 판매채널을 추천하기 위한 서버.
  9. 제 1 항 내지 제 4 항 중 어느 한 항의 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
PCT/KR2017/015771 2017-12-29 2017-12-29 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버 WO2019132084A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0184199 2017-12-29
KR1020170184199A KR102000076B1 (ko) 2017-12-29 2017-12-29 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버

Publications (1)

Publication Number Publication Date
WO2019132084A1 true WO2019132084A1 (ko) 2019-07-04

Family

ID=67067762

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/015771 WO2019132084A1 (ko) 2017-12-29 2017-12-29 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버

Country Status (2)

Country Link
KR (1) KR102000076B1 (ko)
WO (1) WO2019132084A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062784A (zh) * 2019-12-18 2020-04-24 贵州电力交易中心有限责任公司 一种电力用户交易智能双向推荐系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113191799A (zh) * 2020-09-25 2021-07-30 汪洋 基于大数据的商场智能导购系统
KR102297669B1 (ko) * 2021-02-23 2021-09-03 이민형 제조사 및 유통사 간 연결을 위한 매칭 서비스 제공 시스템
KR102609449B1 (ko) * 2021-04-02 2023-12-05 주식회사 인핸스 오픈 마켓 데이터베이스 구축 및 서비스 제공 장치
KR102446869B1 (ko) * 2021-06-02 2022-09-22 정일웅 온라인 판매시스템
KR102665288B1 (ko) * 2021-09-17 2024-05-09 주식회사 파이베리 온라인 경매 진행 서버 및 이를 이용한 온라인 경매 방법
KR102429391B1 (ko) * 2021-09-27 2022-08-04 주식회사 도파민팩토리 디지털 기반의 멀티채널 이커머스 환경에서 판매 프로세스 자동화 장치 및 방법
KR102505103B1 (ko) 2022-05-11 2023-03-03 주식회사 서클플랫폼 온라인 커머스 데이터 기반의 큐레이션 서비스를 제공하는 방법 및 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130297437A1 (en) * 2009-10-23 2013-11-07 Ebay Inc. Product identification using multiple services
KR20140031416A (ko) * 2012-08-27 2014-03-13 에스케이플래닛 주식회사 협업 필터링 기반의 아이템 추천 시스템과 방법 및 이를 지원하는 장치
KR20140133663A (ko) * 2013-05-09 2014-11-20 에스케이플래닛 주식회사 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
KR20160015657A (ko) * 2014-07-31 2016-02-15 씨온드림 주식회사 집단지성을 통한 개인화 맞춤 정보 제공 시스템 및 이를 위한 제공 방법
KR20160135895A (ko) * 2015-05-18 2016-11-29 주식회사 아이티빌리지 빅 데이터 분석 기반의 상품 판매 허브 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140156449A1 (en) * 2012-12-02 2014-06-05 Embl Retail Inc. Method and apparatus for item recommendation
KR20170034527A (ko) 2015-09-21 2017-03-29 이승욱 웹로그를 이용한 경쟁업체의 가격정보 분석방법
KR101753481B1 (ko) 2015-09-30 2017-07-04 이승욱 오픈 마켓별 가격변동 자동 모니터링 및 변경 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130297437A1 (en) * 2009-10-23 2013-11-07 Ebay Inc. Product identification using multiple services
KR20140031416A (ko) * 2012-08-27 2014-03-13 에스케이플래닛 주식회사 협업 필터링 기반의 아이템 추천 시스템과 방법 및 이를 지원하는 장치
KR20140133663A (ko) * 2013-05-09 2014-11-20 에스케이플래닛 주식회사 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
KR20160015657A (ko) * 2014-07-31 2016-02-15 씨온드림 주식회사 집단지성을 통한 개인화 맞춤 정보 제공 시스템 및 이를 위한 제공 방법
KR20160135895A (ko) * 2015-05-18 2016-11-29 주식회사 아이티빌리지 빅 데이터 분석 기반의 상품 판매 허브 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062784A (zh) * 2019-12-18 2020-04-24 贵州电力交易中心有限责任公司 一种电力用户交易智能双向推荐系统

Also Published As

Publication number Publication date
KR20190081571A (ko) 2019-07-09
KR102000076B1 (ko) 2019-07-16

Similar Documents

Publication Publication Date Title
WO2019132084A1 (ko) 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버
WO2019157928A1 (zh) 一种获取多标签用户画像的方法和装置
WO2019205950A1 (zh) 用户数据收集系统和信息推送方法
WO2017200234A1 (ko) 유동인구 패턴정보 기반의 미래입점객수 예측방법 및 장치
JP5357432B2 (ja) 情報処理装置、情報処理方法、およびプログラム
KR102042047B1 (ko) 정형 및 비정형의 빅데이터를 이용한 마케팅 서비스 시스템 및 방법
CN104254851A (zh) 用于向用户推荐内容的方法和系统
WO2011096776A2 (ko) 온라인 정보매칭을 이용한 상거래 시스템 및 그 서비스 방법
CN109064265A (zh) 基于网络平台的购车推荐方法及系统
CN112215448A (zh) 分配客服的方法和装置
WO2014010916A1 (ko) 오프라인 거래정보를 이용한 전자상거래 중개 시스템 및 방법
CN113077317A (zh) 基于用户数据的物品推荐方法、装置、设备及存储介质
CN114581175A (zh) 商品推送方法、装置、存储介质及电子设备
WO2014185651A2 (ko) 요청자의 니즈를 반영한 문화 예술 창작물 통합 관리 서비스 제공방법
KR20190081671A (ko) 온라인 쇼핑몰 통합 관리 시스템에서의 유사상품을 검색하는 방법 및 그 서버
CN112783468A (zh) 目标对象的排序方法和排序装置
CN106447459A (zh) 一种根据商品属性自动分类的方法
KR20220013600A (ko) 멀티미디어 콘텐츠 내 상품 정보 처리 장치 및 그 방법
WO2019225869A1 (ko) 판매 지원 마케팅 시스템
CN111460300B (zh) 网络内容推送方法、装置及存储介质
WO2022191392A1 (ko) 창작물 거래 시스템
WO2023033216A1 (ko) 상품 판매 서비스에서 카트 페이지를 제공하는 방법 및 이를 위한 전자 장치
Kalra et al. Ballparking the urban placeness: A case study of analyzing starbucks posts on instagram
WO2021153867A1 (ko) 검색 키워드를 이용한 오픈마켓 통합 관리 시스템
CN114155004A (zh) 客户管理方法及装置

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: 17936681

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: 17936681

Country of ref document: EP

Kind code of ref document: A1