WO2022215766A1 - 정회원전환예측장치 및 방법 - Google Patents

정회원전환예측장치 및 방법 Download PDF

Info

Publication number
WO2022215766A1
WO2022215766A1 PCT/KR2021/004274 KR2021004274W WO2022215766A1 WO 2022215766 A1 WO2022215766 A1 WO 2022215766A1 KR 2021004274 W KR2021004274 W KR 2021004274W WO 2022215766 A1 WO2022215766 A1 WO 2022215766A1
Authority
WO
WIPO (PCT)
Prior art keywords
learning
counseling
student
unit
conversion
Prior art date
Application number
PCT/KR2021/004274
Other languages
English (en)
French (fr)
Inventor
김선경
최인화
양예슬
박윤곤
전승욱
윤성준
Original Assignee
주식회사 아이스크림에듀
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 아이스크림에듀 filed Critical 주식회사 아이스크림에듀
Publication of WO2022215766A1 publication Critical patent/WO2022215766A1/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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Definitions

  • the present invention relates to a method and apparatus for predicting the probability that free trial service students or students currently using a learning application will register or re-register a learning application.
  • the apparatus for predicting membership conversion includes a pre-processing unit for configuring each student's learning information as a dataset for each experience date during the free trial period of the learning application; a machine learning unit for predicting a conversion probability value at which the student will convert the use of the learning application to a fee by performing machine learning using a plurality of decision trees on a parallel or sequence basis using the dataset configured for each experience date; a priority determination unit for judging the priority of a student to be consulted according to the conversion probability value of each of a plurality of students using the learning application during the free trial period; and a counseling unit that improves the possibility of converting the use of the learning application to a fee by changing the counseling method according to the student's priorities.
  • the priority determining unit classifies the priorities of the plurality of students into high, middle, and low based on the conversion probability value of each of the plurality of students who used the learning application during the free trial period. characterized.
  • the priority is high or the priority is high or It is characterized in that the consultation is performed based on the identified items by identifying whether they are low.
  • the counseling unit further comprises a promotion unit that promotes the students whose priorities are classified as high.
  • the counseling unit conducts counseling to encourage attendance for students whose priority is low due to low attendance for a preset period after the free trial period starts. do.
  • the counseling unit conducts counseling to encourage students whose performance rate is less than or equal to the first reference value for a preset period after the free trial period starts to reach the second reference value.
  • the method for predicting membership conversion includes: configuring each student's learning information as a dataset for each experience date during the free trial period of the learning application in the pre-processing unit;
  • the machine learning unit performs machine learning using multiple decision trees based on parallel or sequence using the dataset configured for each experience date to predict the conversion probability value at which the student will convert the use of the learning application to a fee. step; judging the priority of the students according to the conversion probability value of each of a plurality of students using the learning application during the free trial period in the priority determination unit; and changing the counseling method in the counseling unit according to the student's priorities to improve the possibility of converting the use of the learning application to a fee.
  • the active member conversion prediction method classifies the students assigned to the counselor based on the probability of paying the learning application and gives priority, so that the counselor gives priority to a certain student during counseling It has the effect of making it possible to understand what should be kept.
  • the method for predicting membership conversion is a counselor classifying students based on priorities in order to provide standardized counseling services to students, and providing standardized learning counseling data for each student. It has the effect of compensating for the differences in counseling for each group.
  • FIG. 1 shows a configuration diagram of a learning counseling system as a preferred embodiment of the present invention.
  • FIG. 2 shows an internal configuration diagram of an active member conversion prediction apparatus 200 as a preferred embodiment of the present invention.
  • 4 to 5 show examples of storing and managing data such as daily attendance rate change and daily performance rate change as learning counseling data in the learning counseling server for each conversion probability value as a preferred embodiment of the present invention.
  • FIG. 6 shows an example of a work board used by a counselor to perform counseling with a student who uses experiential learning as a preferred embodiment of the present invention.
  • FIG. 7 to 8 show an example of a counseling board provided to a counselor's terminal as a preferred embodiment of the present invention.
  • FIG 9 shows an example of the AI life record tab 910c of the counseling information area constituting the counseling board as another preferred embodiment of the present invention.
  • 10 to 11 show an example of a counseling board provided to a counselor's terminal as another preferred embodiment of the present invention.
  • the apparatus for predicting membership conversion includes a pre-processing unit for configuring each student's learning information as a dataset for each experience date during the free trial period of the learning application; a machine learning unit for predicting a conversion probability value at which the student will convert the use of the learning application to a fee by performing machine learning using a plurality of decision trees on a parallel or sequence basis using the dataset configured for each experience date; a priority determination unit for judging the priority of a student to be consulted according to the conversion probability value of each of a plurality of students using the learning application during the free trial period; and a counseling unit that improves the possibility of converting the use of the learning application to a fee by changing the counseling method according to the student's priorities.
  • FIG. 1 shows a configuration diagram of a learning counseling system as a preferred embodiment of the present invention.
  • the learning counseling system includes a server 100 , counselor terminals 141 , 143 , 145 , and student terminals 151 , 153 , 155 , 157 .
  • the server 100 includes a learning counseling server 110 , a learning server 120 , and a payment server 130 , and may further include other servers.
  • the counselor terminals 141, 143, and 145 and the student terminals 151, 153, 155, and 157 include PCs, computers, terminals, notebooks, smart phones, handheld devices, wearable devices, and the like.
  • the counselor terminals 141, 143, and 145 and the student terminals 151, 153, 155, and 157 may also include terminals implemented in the form of devices having a processor, a memory, and a communication unit.
  • the learning counseling system provides the learning counseling data of students using the learning server 120 to the counselor terminals 141, 143, and 145.
  • the students (151, 153, 155, 157) who use the learning application by accessing the learning server 120 are learning history data, the students (151, 153) that the student learned in the learning application for a preset period. , 155, 157) learning patterns, students (151, 153, 155, 157) parents' interest in learning application services, learning counseling data including information on the probability of paying for other learning applications, etc. It can be given to (141, 143, 145).
  • FIG. 2 shows an internal configuration diagram of an active member conversion prediction apparatus 200 as a preferred embodiment of the present invention.
  • the regular membership conversion prediction device 200 includes a preprocessor 210 , a machine learning unit 220 , a priority determination unit 230 , and a consultation unit 240 .
  • the preprocessor 210 configures the learning information of each student as a dataset for each experience date during the free trial period of the learning application.
  • An example of a data set is referenced in FIGS. 3 (a) to (c).
  • Learning information includes the performance rate during the free trial period, attendance rate during the free trial period, the planned learning time for performing the learning content planned to be used among the learning contents provided by the learning application during the free trial period, and the learning application during the free trial period.
  • the unplanned learning time for performing the learning content used without a plan is included, and the performance rate includes the ratio of the number of actual learning executions among the number of learning plans planned to be used during the free trial period.
  • the learning information may further include the number of problems solved by the student among the problems provided by the learning application, the number of correct problems among the number of problems solved, the gender of the student, and the number of times the message function provided by the learning application is used.
  • the dataset may further include information related to students in addition to the learning information.
  • the student-related information may include a grade, gender, an imported promotional channel, a first log-in day, a log-in time at the time of the first log-in, and the like.
  • the machine learning unit 220 predicts a conversion probability value for converting the use of a learning application to a fee by performing machine learning using a plurality of decision trees on a parallel or sequence basis using a dataset configured for each experience date.
  • the machine learning unit 220 uses the dataset to provide the attendance rate, the cumulative number of plans, the cumulative number of executions, the performance rate, the planned learning time, the unplanned learning time, the number of times of messenger use in the learning application, and the learning application among the learning information of the students using the dataset.
  • the problems to be solved the number of problems solved by the student, the number of correct problems among the solved problems, etc. are identified, and the change in experience day-by-day is machine-learned to predict the conversion probability value.
  • the machine learning unit 220 uses an ensemble model.
  • Ensemble-based machine learning models have a low risk of overfitting because they utilize multiple decision trees on a parallel or sequence basis.
  • the machine learning unit 220 designates the level of pruning when using the ensemble model using the grid search method as hyperparameters.
  • the machine learning unit 220 performs machine learning by selecting a bagging-based random forest and a boosting-based Xgboost model as representative among the ensemble techniques.
  • the priority determination unit 230 determines the priority of each student according to the conversion probability value of each of a plurality of students using the learning application during the free trial period. As for the priority, students with a conversion probability value greater than or equal to the first reference value have priority (higher priority), students whose conversion probability value exceeds the second reference value and less than the first reference value are given priority (middle), and students with a conversion probability value less than or equal to the second reference value have priority. You can group by rank.
  • the counseling unit 240 analyzes the change in the value of each dataset of each student by experience date to determine which item of the learning information constituting the dataset is high or low in the priority. Consultation can be performed based on the identified items. That is, the counseling unit 240 improves the possibility of converting the use of the learning application to a fee by changing the counseling method according to the student's priorities. Referring to FIG. 7 for a counseling board used to identify each student's learning information in the counseling unit 240 and record counseling details.
  • the consultation unit 240 After confirming the priority determined by the priority determination unit 230, the consultation unit 240 analyzes the change in the data set value of each student by experience date to determine the priority due to some item of the learning information constituting the data set. Find out if it is high or low. In addition, counseling can be performed by using the identified items as learning counseling data.
  • the counseling unit 240 may promote through the promotion unit in order to induce conversion to regular membership for students corresponding to the priority.
  • the counseling unit 240 further uses the learning counseling data as shown in Table 1 so that the counselor can understand whether the conversion probability value is high or low due to which item of learning information for each student.
  • Table 1 shows only some of the learning information, and other learning information may be included.
  • the counseling unit 240 may use the learning counseling data that the conversion probability value does not fall below a preset value only when the attendance rate standard reaches 85% by the third day of the first experience day. In this case, the counseling unit 240 may conduct a consultation to encourage the attendance rate with respect to the students whose priorities are classified as low because the attendance rate is low for a preset period after the free trial period starts. Referring further to Table 1, the counseling unit 240 may conduct counseling to encourage students whose performance rate is less than or equal to the first reference value for a preset period after the free trial period starts to reach the second reference value.
  • the conversion probability value may exceed 50% when the standard of the number of executions is 10 by the third day of the first experience day, but if the number of executions of Kim Home Run is 5, the counseling unit 240 gives the number of executions to Kim Home Run by 10 Counseling can be done to encourage you to increase it.
  • the counseling unit 240 may hold the accumulated information on the characteristics of each group in the upper, middle, and lower priority groups as learning counseling data in the learning counseling server.
  • the counseling unit 240 may have information that the planned learning time value among the learning information has a clear difference between the group in which the conversion probability value is predicted to be 40% or less and the group predicted to be 50% or more.
  • the group in which the conversion probability value is predicted to be 40% or less may have information that the unplanned learning time is much larger than the group in which the conversion probability value is predicted to be 50% or more.
  • the counseling unit 240 may encourage an increase in the number of executions of the planned learning.
  • FIG. 3(a) shows an example in which the number of lessons planned for the first day of experience among students' learning information and the number of lessons actually performed are displayed as a dataset.
  • 3( b ) shows an example in which the number of learning planned by the students up to the third day of experience and the number of learning actually performed by the students are displayed as a dataset.
  • 3( c ) shows an example in which the number of lessons planned by the students up to the k-day experience and the number of learning actually performed by the students are displayed as a dataset.
  • the preprocessor can reflect the difference information between the experience k day and the experience k+1 day by composing the dataset for each experience day.
  • 4 to 5 show examples of storing and managing data such as daily attendance rate change and daily performance rate change as learning counseling data in the learning counseling server for each conversion probability value as a preferred embodiment of the present invention.
  • the difference in performance between the group with a conversion probability value of 40% or less and the group with a conversion probability value of 50% or more widens by 30% or more from the first day of the first day of experience in which a student using free experiential learning uses a learning application, and the difference is It can be seen that it is continuously maintained. Since the performance rate is greatly increased from the beginning of the first day of experience, it may be a major point of counseling to encourage the counseling unit 240 to achieve a performance rate of at least 60 to 70% within 3 days of the first day of experience.
  • FIG. 6 shows an example of a work board used by a counselor to perform counseling with a student who uses experiential learning as a preferred embodiment of the present invention.
  • the work board includes a work counting unit 610 , a conversion prediction unit 620 , a login record unit 630 , and a member list area 640 .
  • the task counting unit 610 counts and displays the number of essential tasks to be processed by the counselor on the day.
  • the task counting unit 610 deducts the number of tasks by '1' whenever the counselor performs a task, and when the number of tasks becomes '0', the task to be processed by the counselor on the day is completed.
  • the conversion prediction unit 620 displays the distribution of students corresponding to the upper (upper), middle (middle), and lower (lower) priorities. Referring to FIG. 6 , the conversion prediction unit 620 displays the students corresponding to the upper priority level as 'good', the number of students corresponding to this number 17, and the students corresponding to the middle priority level. Mark as 'retain' and mark 10 corresponding students as 'Encourage', and mark 10 corresponding students as 'Encourage'.
  • the log-in record 630 displays a record of access by students or parents to the learning application.
  • the task history unit 640 displays details of essential tasks to be processed by the counselor on the day. For example, the task details of 'consultation reservation' are displayed, and the number '7' of the task details of 'consultation reservation' is also displayed.
  • the member list area 650 may display a list of students associated with the list displayed on the conversion prediction unit 620 or a list related to the work history displayed on the task history unit 660 is clicked. For example, when the counselor clicks '17 good students', information about 17 students is displayed in the member list area 650 .
  • the consultation board 700 is divided into left and right forms 710 and 720, and the consultation information area 710 is provided on the left side of the consultation board, and the consultation recording area 720 is provided on the right side of the consultation board. It is implemented so that consultation information inquiry and consultation record can be performed on a single screen. Also, the consultation information area 710 and the consultation recording area 720 may each include a plurality of tabs.
  • the consultation board 700 includes a plurality of fixed tabs 710a, 710b, 710c, 720a, 720b, 720c, and a consultation information area 710 and a consultation recording area 720. It can be implemented as a "T"-shaped layout divided into left and right.
  • Steping board with T-shaped layout has the advantage of being able to simultaneously check learning counseling data, including student information of students and probability of payment for learning applications, while the counselor records the counseling history while consulting with students or parents. have.
  • Counselors can use the counseling board 700 provided on a single screen to receive learning counseling data necessary for counseling with students or parents, and at the same time record the counseling history with students or parents on the counseling board 700 .
  • the counseling information area 710 may include a student information tab 710a, a learning plan tab 710b and an AI life record tab 710c.
  • the consultation record area 720 includes a consultation record tab 720a for recording consultation details at the time of performing a consultation, a consultation history tab 720b for recording consultation details in chronological order, and a consultation An excellent counseling script tab 720c may be provided that provides an excellent counseling script tab that the teacher can refer to when consulting with the student or the student's parent.
  • the student information tab 710a provides bibliographic information of students or parents.
  • the learning plan tab 710b provides an interface for recording a plan for the student to perform learning provided by the learning application. In addition, it provides information such as the number of times a student has visited, the history of learning, and the performance rate, which indicates the percentage of the student's self-planned learning.
  • the AI life record tab 710c displays the student's learning information identified while the student uses the learning application for a preset period. Learning information is generated based on the learning history data and log records identified in the process of using the learning application, and includes the student's strengths and points for improvement. In addition, the AI life record tab 710c includes questions related to the content the student has learned in the learning application for a preset period.
  • the AI life record tab 710c may further provide information on the probability that the student will pay for the learning application based on what the student has learned in the learning application for a preset period. And, based on the student's learning information and the probability information that the student will pay for the learning application, it is possible to further provide information about the improvement points necessary for the student.
  • the counselor may consult with the student by using the learning information provided by the AI life record tab 710c and the probability information to pay the learning application as learning counseling data.
  • the consultation information area 710 and the consultation recording area 720 are provided with scroll bars 712 and 722, respectively, and the scroll bar 712 of the consultation information area 710 and the consultation recording area ( The scroll bar 722 of 720 operates independently.
  • the scroll bar 712 of the counseling information area 710 and the plurality of tabs 710a and 710b constituting the counseling information area 710 , 710c) can be used.
  • the scroll bar 712 of the consultation information area 710 moves up and down in each of the plurality of tabs 710a, 710b, and 710c constituting the consultation information area 710 .
  • Steps use a plurality of tabs 720a, 720b, 720c constituting the counseling record area 720 when performing a record when consulting with a student or a student's parent, checking the counseling record history, or when a standardized counseling script is needed. Available.
  • the scroll bar 722 of the consultation recording area 720 moves up and down in each of the plurality of tabs 720a, 720b, and 720c constituting the consultation recording area 720 .
  • the counselor records the contents of the consultation in the consultation record area 720 when consulting with the student or the student's parent, and at the same time inquires a plurality of tabs 710a, 710b, 710c constituting the consultation information area 710, In order to check the contents of each of the tabs 710a, 710b, and 710c, the scroll bar 712 of the consultation information area 710 may be used.
  • FIG. 8 shows an example of the 8 AI life record tab 910c constituting the counseling information details 910 of the counseling board 800 as a preferred embodiment of the present invention.
  • a consultation record area 820 is displayed on the right side of the consultation information details 810 .
  • the AI life record tab 810c provides an AI analysis unit 830 and an AI consultation unit 840 .
  • the AI analysis unit 830 analyzes the student's strengths 832 and the student's weaknesses 834 by analyzing the information that the student uses the learning application for a preset period 812 , and provides them.
  • the AI analysis unit 830 represents the student's learning period, the time spent learning in the learning application during the learning period, the content used by the student in the learning application, and the number of learning performed compared to the number of planned learning plans by the student. It is possible to provide standardized analysis results for each student through analysis of the rate, the ratio of the number of correct questions among the number of questions solved by the student, the study of the incorrect answer notes in which the student recorded the wrong question, and the student's learning status by subject.
  • the AI analysis unit 830 shows 'performance is 100%' (832a) and 'average score + 20 improved' (832b). In addition, it provides information such as 'I did not review the incorrect notes' (834a), 'Do not skip the problems and solve them all' (834b), and 'Lack of learning math operations' (834c) as the student's shortcomings.
  • AI counseling unit 840 for a period of 202*.04.06 to 202*.04.12 days (812) among the concepts learned by the student in the learning application, the content that the counselor will ask the student from the concept (850) and the problem (860) format can be provided. For example, if a student says 'Mathematics Unit 4. When the 'fraction' content is learned (850a), the counselor may ask the student about the concept of "divisor" 850b and 850c in the course of consulting with the student. In addition, during the period of 202*.04.06 to 202*.04.12 days (812), among the concepts learned by the student in the learning application, the interface 870 calls the problem that the student needs re-review or lacks incorrect note review.
  • the problem After calling the problem through, the problem can be used as learning counseling data when consulting with the student.
  • the counselor uses all of the queries provided by the AI counseling unit 840 as learning counseling data in the counseling process, press the 'AI recommendation counseling completion' button 880 to end the use of the learning counseling data provided by the AI life record.
  • AI life record tab 910c shows an example of the AI life record tab 910c of the counseling information area constituting the counseling board as another preferred embodiment of the present invention.
  • AI life record tab 910c in addition to the content presented in FIG. 8, the probability of paying the machine-learning learning application based on the learning history data collected while the student uses the learning application for a certain period, log data using the learning application, etc. can provide more information about
  • 10 to 11 show an example of a counseling board provided to a counselor's terminal as another preferred embodiment of the present invention.
  • the consultation board 1000 includes a tab area 1010 in which a plurality of tabs are displayed, a content area 1020 for displaying contents related to a corresponding tab when a tab is selected, a quick menu 1030 and a scroll bar 1040 .
  • the content area 1020 performs substantially the same functions as the consultation information area 710 of FIG. 7 and the quick menu 1030 of the consultation recording area 720 of FIG. 7 .
  • the tab area 1010 only the tabs 710a, 710b, and 710c displayed in the consultation information area 710 are displayed, and in the quick menu 1030, the tabs 720a, 720b displayed in the consultation recording area 720, 720c) is displayed.
  • the counseling record tab FIGS. 11 and 1130
  • the counseling history tab FIGS. 11 and 1140
  • the essential counseling script tab FIGS. 11 and 1150
  • the counselor may select a tab to be inquired from among a plurality of tabs in the tab area 1010 .
  • the counselor is the student information tab (refer to FIGS. 7 and 710a), the learning plan tab (refer to FIGS. 7 and 710b), and the AI life record tab (refer to FIGS. 7 and 710c) of the AI life record tab (refer to FIGS. 7 and 710c). Note) can be selected.
  • the content corresponding to the tab is displayed in the content area 1020 .
  • the content area 1160 displays the student's learning information identified while the student uses the learning application for a preset period.
  • the quick menu 1120 moves together with the position of the scroll 1110. . Then, the details written in the tab area 1100 are changed to identification information such as the name, grade, gender, etc. of the student inquired by the counselor. Even when the counselor moves the scroll 1110 up and down, the tab area 1100 moves along with the movement of the position of the scroll 1110 in order to continuously check the identity information such as the student's name, grade, and gender. .
  • the counselor may activate the quick menu 1120 by clicking the quick menu 1120 when checking the content area 1160 while grasping the student's learning information, etc., to record a consultation, or to check the counseling history or essential counseling script.
  • Methods according to an embodiment of the present invention may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium.
  • the computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the program instructions recorded on the medium may be specially designed and configured for the present invention, or may be known and available to those skilled in the art of computer software.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 바람직한 일 실시예로서, 정회원전환예측장치는 학습어플리케이션의 무료체험기간동안 체험일자마다 구성된 데이터셋을 이용하여 병렬 또는 시퀀스 기반으로 다수의 의사결정 나무를 활용하는 기계학습을 수행하여 전환확률값을 예측하는 기계학습부; 상기 전환확률값에 따라 상담을 수행할 학생의 우선순위를 판단하는 우선순위판단부; 및 상기 학생의 우선순위에 따라 상담방식을 변경하여 상기 학습어플리케이션의 이용을 유료로 전환할 가능성을 개선시키는 상담부;를 포함하는 것을 특징으로 한다.

Description

정회원전환예측장치 및 방법
본 발명은 무료 체험 서비스 학생들 또는 현재 학습어플리케이션을 이용하고 있는 학생들이 학습어플리케이션을 등록하거나 재등록할 확률을 예측하는 방법 및 장치에 관한 것이다.
학습어플리케이션을 이용하는 전체 무료 체험 서비스 이용자들의 니즈를 파악하기 위해서는 상당한 상담 인력이 요구된다. 상담 교사들은 개개인의 니즈를 파악하고, 학습어플리케이션에서 이용한 내역등을 파악할 때 많은 시간이 소요된다. 또한 방대한 데이터를 해석함에 있어 상담 교사마다 상이한 판단을 적용할 수 있어 표준화된 상담 서비스를 제공하기 어려운 문제가 있다. 그리고, 무료 체험 서비스 이용자들 중 어떤 학생에게 우선순위를 두어 상담을 수행해야 될지 모르기 때문에 상담 효율이 떨어지는 문제가 있다.
본 발명의 바람직한 일 실시예에서는 무료 체험 서비스 이용자들이 정회원으로 전환할 확률을 예측하여 상담교사들에게 제공함으로써, 상담의 우선순위를 파악하여 효과적인 상담을 수행하고자 한다. 또한 우선순위에 따라 상담 전략을 달리하여 정회원을 유치하는 비율을 개선시키고자 한다.
본 발명의 바람직한 일 실시예에서는 표준화된 학습정보 가공 방법과 상담보드 제공을 통해 상담교사들이 단일 화면에서도 무료 체험 서비스 이용자들 개개인에 대한 정보를 용이하게 파악하고자 한다.
본 발명의 바람직한 일 실시예로서, 정회원전환예측장치는 학습어플리케이션의 무료체험기간동안 체험일자마다 학생 각각의 학습정보를 데이터셋으로 구성하는 전처리부; 상기 체험일자마다 구성된 데이터셋을 이용하여 병렬 또는 시퀀스 기반으로 다수의 의사결정 나무를 활용하는 기계학습을 수행하여 상기 학생이 상기 학습어플리케이션의 이용을 유료로 전환할 전환확률값을 예측하는 기계학습부; 상기 무료체험기간동안 상기 학습어플리케이션을 이용한 다수의 학생들 각각의 상기 전환확률값에 따라 상담을 수행할 학생의 우선순위를 판단하는 우선순위판단부; 및 상기 학생의 우선순위에 따라 상담방식을 변경하여 상기 학습어플리케이션의 이용을 유료로 전환할 가능성을 개선시키는 상담부;를 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 상기 우선순위판단부는 상기 무료체험기간동안 상기 학습어플리케이션을 이용한 다수의 학생들 각각의 전환확률값을 기초로 상기 다수의 학생들의 우선순위를 상, 중, 하로 분류하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 상기 상담부는 상기 우선순위 확인한 후, 체험일자별 학생 각각의 데이터셋 값의 변화를 분석하여 상기 데이터셋을 구성하는 학습정보 중 어떤 항목으로 인하여 상기 우선순위가 높거나 낮은지 파악하여 파악된 항목을 기초로 상담을 수행하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 상기 상담부는 상기 우선순위가 상(上)으로 분류된 학생들에 대해서는 프로모션을 진행하는 프로모션부;를 더 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 상기 상담부는 무료체험기간이 시작된 후 기설정된 기간 동안 출석률이 낮아 상기 우선순위가 하(下)로 분류된 학생들에 대해서는 출석률을 독려하는 상담을 진행하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 상기 상담부는 무료체험기간이 시작된 후 기설정된 기간 동안 수행률이 제 1기준값 이하인 학생들에 대해서는 제 2 기준값에 도달하도록 독려하는 상담을 진행하는 것을 특징으로 한다.
본 발명의 또 다른 바람직한 일 실시예로서, 정회원전환예측방법은 전처리부에서 학습어플리케이션의 무료체험기간동안 체험일자마다 학생 각각의 학습정보를 데이터셋으로 구성하는 단계; 기계학습부에서 상기 체험일자마다 구성된 데이터셋을 이용하여 병렬 또는 시퀀스 기반으로 다수의 의사결정 나무를 활용하는 기계학습을 수행하여 상기 학생이 상기 학습어플리케이션의 이용을 유료로 전환할 전환확률값을 예측하는 단계; 우선순위판단부에서 상기 무료체험기간동안 상기 학습어플리케이션을 이용한 다수의 학생들 각각의 상기 전환확률값에 따라 학생의 우선순위를 판단하는 단계; 및 상담부에서 상기 학생의 우선순위에 따라 상담방식을 변경하여 상기 학습어플리케이션의 이용을 유료로 전환할 가능성을 개선시키는 단계;를 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 정회원전환예측방법은 상담교사에게 배정된 학생들을 학습어플리케이션을 결제할 확률을 기초로 분류하고, 우선순위를 부여함으로써, 상담교사가 상담시 어느 학생에게 우선순위를 두어야 하는지 파악이 가능하게 하는 효과가 있다.
본 발명의 바람직한 일 실시예로서, 정회원전환예측방법은 상담교사가 학생들에게 표준화된 상담 서비스를 제공하기 위해, 우선순위에 기초하여 학생들을 분류하고, 학생들 마다 표준화된 학습상담데이터를 제공하여 상담교사들마다 상담의 편차를 보완하는 효과가 있다.
도 1 은 본 발명의 바람직한 일 실시예로서, 학습상담시스템의 구성도를 도시한다.
도 2 는 본 발명의 바람직한 일 실시예로서, 정회원전환예측장치(200)의 내부 구성도를 도시한다.
도 3(a) 내지 (c)는 본 발명의 바람직한 일 실시예로서, 전처리부에서 학습정보를 데이터셋으로 구성하는 일 예를 도시한다.
도 4 내지 5는 본 발명의 바람직한 일 실시예로서, 전환확률값 별로 일차별 출석률 변화, 일차별 수행률 변화 등의 데이터를 학습상담데이터로 학습상담서버에 저장하여 관리하는 예를 도시한다.
도 6 은 본 발명의 바람직한 일 실시예로서, 상담교사가 체험학습을 이용하는 학생과 상담을 수행하기 위해 이용하는 업무보드의 일 예를 도시한다.
도 7 내지 8는 본 발명의 바람직한 일 실시예로서, 상담교사 단말기에 제공되는 상담보드의 일 예를 도시한다.
도 9는 본 발명의 또 바람직한 일 실시예로서, 상담보드를 구성하는 상담정보영역의 AI생활기록부탭(910c)의 일 예를 도시한다.
도 10 내지 11은 본 발명의 또 다른 바람직한 일 실시예로서, 상담교사 단말기에 제공되는 상담보드의 일 예를 도시한다.
본 발명의 바람직한 일 실시예로서, 정회원전환예측장치는 학습어플리케이션의 무료체험기간동안 체험일자마다 학생 각각의 학습정보를 데이터셋으로 구성하는 전처리부; 상기 체험일자마다 구성된 데이터셋을 이용하여 병렬 또는 시퀀스 기반으로 다수의 의사결정 나무를 활용하는 기계학습을 수행하여 상기 학생이 상기 학습어플리케이션의 이용을 유료로 전환할 전환확률값을 예측하는 기계학습부; 상기 무료체험기간동안 상기 학습어플리케이션을 이용한 다수의 학생들 각각의 상기 전환확률값에 따라 상담을 수행할 학생의 우선순위를 판단하는 우선순위판단부; 및 상기 학생의 우선순위에 따라 상담방식을 변경하여 상기 학습어플리케이션의 이용을 유료로 전환할 가능성을 개선시키는 상담부;를 포함하는 것을 특징으로 한다.
이하 도면을 참고하여 설명한다.
도 1 은 본 발명의 바람직한 일 실시예로서, 학습상담시스템의 구성도를 도시한다.
학습상담시스템은 서버(100), 상담교사단말기(141, 143, 145), 그리고 학생단말기(151, 153, 155, 157)을 포함한다. 서버(100)는 학습상담서버(110), 학습서버(120) 및 결제 서버(130)를 포함하고, 이 외의 다른 서버를 더 포함할 수 있다. 상담교사단말기(141, 143, 145) 및 학생단말기(151, 153, 155, 157)는 PC, 컴퓨터, 단말기, 노트북, 스마트폰, 핸드헬드 장치, 웨어러블 장치 등을 포함한다. 상담교사단말기(141, 143, 145) 및 학생단말기(151, 153, 155, 157)는 또한 프로세서와 메모리 및 통신부를 구비한 장치의 형태로 구현된 단말기를 포함할 수 있다.
본 발명의 바람직한 일 실시예로서 학습상담시스템은 상담교사단말기(141, 143, 145)에 학습서버(120)를 이용하는 학생들의 학습 학습상담데이터를 제공한다. 학습상담서버(110)에서는 학습서버(120)에 접속하여 학습어플리케이션을 이용하는 학생(151, 153, 155, 157)들이 기설정된 기간동안 학생이 학습어플리케이션에서 학습한 학습내역데이터, 학생(151, 153, 155, 157)들의 학습 패턴, 학생(151, 153, 155, 157)들의 학부모의 학습어플리케이션 서비스에 대한 관심도, 그 외 학습어플리케이션을 결제할 확률에 대한 정보 등을 포함하는 학습상담데이터를 상담교사(141, 143, 145)에게 제공할 수 있다.
도 2 는 본 발명의 바람직한 일 실시예로서, 정회원전환예측장치(200)의 내부 구성도를 도시한다.
정회원전환예측장치(200)는 전처리부(210), 기계학습부(220), 우선순위판단부(230) 및 상담부(240)를 포함한다.
전처리부(210)는 학습어플리케이션의 무료체험기간동안 체험일자마다 학생 각각의 학습정보를 데이터셋으로 구성한다. 데이터셋의 일 예는 도 3(a) 내지 (c)를 참고한다.
학습정보는 무료체험기간동안의 수행률, 무료체험기간동안의 출석률, 무료체험기간동안 학습어플리케이션에서 제공하는 학습컨텐츠 중 이용하고자 계획한 학습컨텐츠를 수행한 계획학습시간, 무료체험기간동안 학습어플리케이션에서 제공하는 학습컨텐츠 중 계획없이 이용한 학습컨텐츠를 수행한 미계획학습시간을 포함하고, 수행률은 무료체험기간동안 이용하고자 계획한 학습계획수 중 실제 수행한 학습수행수의 비율을 포함한다. 학습정보는 또한 학습어플리케이션에서 제공하는 문제 중 학생이 푼 문제수, 푼 문제수 중 맞은 문제수, 학생의 성별, 상기 학습어플리케이션에서 제공하는 메시지 기능을 이용한 횟수를 더 포함할 수 있다. 데이터셋은 상기 학습정보외에 학생과 관련된 정보를 더 포함할 수 있다. 학생과 관련된 정보는 학년, 성별, 유입된 홍보 채널, 첫 로그인 요일, 첫 로그인 시점의 로그인 시간 등을 포함할 수 있다.
기계학습부(220)는 체험일자마다 구성된 데이터셋을 이용하여 병렬 또는 시퀀스 기반으로 다수의 의사결정 나무를 활용하는 기계학습을 수행하여 학습어플리케이션의 이용을 유료로 전환할 전환확률값을 예측한다.
기계학습부(220)는 데이터셋을 이용하여 학생의 학습정보 중 출석률, 누적계획수, 누적수행수, 수행률, 계획학습시간, 미계획학습시간, 학습어플리케이션 내 메신저 이용횟수, 학습어플리케이션에서 제공하는 문제들 중 학생이 푼 문제수, 상기 푼 문제수 중 맞은문제 수 등을 파악하고 체험일차별 변화량을 기계학습하여 전환확률값을 예측한다.
본 발명의 바람직한 일 실시예로서, 기계학습부(220)는 앙상블 모델을 이용한다. 앙상블 기반 기계학습 모델은 병렬 혹은 시퀀스 기반으로 다수의 의사결정 나무를 활용하기 때문에 과적합 위험이 낮다. 기계학습부(220)는 그리드 서치 방법을 이용하여 앙상블 모델 이용시 가지치기의 수준 등을 하이퍼파라미터로 지정한다.
기계학습부(220)는 앙상블 기법 중 배깅(Bagging) 기반 랜덤 포레스트와 부스팅 기반 Xgboost 모델을 대표적으로 선정해서 기계학습을 진행한다.
우선순위판단부(230)는 무료체험기간동안 학습어플리케이션을 이용한 다수의 학생들 각각의 전환확률값에 따라 학생들 각각의 학생의 우선순위를 판단한다. 우선순위는 전환확률값이 제 1 기준값 이상인 학생들은 우선순위 상(上), 전환확률값이 제 2 기준값 초과 제 1 기준값 미만인 학생들은 우선순위 중(中), 그리고 전환확률값이 제 2 기준값 이하인 학생들은 우선순위 하(下)로 그룹핑할 수 있다.
상담부(240)는 학생의 우선순위를한 후, 체험일자별 학생 각각의 데이터셋 값의 변화를 분석하여 상기 데이터셋을 구성하는 학습정보 중 어떤 항목으로 인하여 상기 우선순위가 높거나 낮은지 파악하여 파악된 항목을 기초로 상담을 수행할 수 있다. 즉, 상담부(240)는 학생의 우선순위에 따라 상담방식을 변경하여 상기 학습어플리케이션의 이용을 유료로 전환할 가능성을 개선시킨다. 상담부(240)에서 학생 개개인의 학습정보를 파악하고, 상담 내역을 기록하기 위해 이용하는 상담보드는 도 7을 참고한다.
상담부(240)는 우선순위판단부(230)에서 판단된 우선순위를 확인한 후, 체험일자별 학생 각각의 데이터셋 값의 변화를 분석하여 데이터셋을 구성하는 학습정보 중 어떤 항목으로 인하여 우선순위가 높거나 낮은지 파악한다. 그리고, 파악된 항목을 학습상담데이터로 이용하여 상담을 수행할 수 있다.
일 예로서, 상담부(240)는 우선순위 상에 해당하는 학생들에게는 정회원 전환을 유도하기 위해 프로모션부를 통해 프로모션을 진행할 수 있다.
본 발명의 또 다른 바람직한 일 실시예로서, 상담부(240)는 또한 학생별로 학습 정보 중 어떤 항목으로 인해 전환확률값이 높은지, 낮은지를 상담교사가 이해할 수 있도록 표 1과 같은 학습상담데이터를 더 이용할 수 있다. 다만, 표 1은 학습정보 중 일부만을 표시한 것으로, 다른 학습정보가 포함될 수 있음을 유의하여야 한다.
이름 학년 체험일차 전환 확률값 출석률 출석률기준 수행수 수행수 기준
홍길동 3 3 67% 90% 85% 10 10
김홈런 2 3 45% 50% 85% 5 10
표 1을 참고하면, 상담부(240)는 체험일차 3일차까지 출석률기준이 85%에 도달하여야지 전환확률값이 기설정된 값 이하로 떨어지지 않는다는 학습상담데이터를 이용할 수 있다. 이 경우, 상담부(240)는 무료체험기간이 시작된 후 기설정된 기간 동안 출석률이 낮아 상기 우선순위가 하(下)로 분류된 학생들에 대해서는 출석률을 독려하는 상담을 진행할 수 있다. 표 1을 더 참고하면, 상담부(240)는 무료체험기간이 시작된 후 기설정된 기간 동안 수행률이 제 1기준값 이하인 학생들에 대해서는 제 2 기준값에 도달하도록 독려하는 상담을 진행할 수 있다. 예를 들어, 체험일차 3일차까지 수행수 기준이 10일 때 전환확률값이 50%를 초과할 수 있으나, 김홈런의 수행수가 5에 해당하는 경우 상담부(240)에서는 김홈런에게 수행수를 10까지 늘리도록 독려하는 상담을 진행할 수 있다.
본 발명의 바람직한 일 실시예로서, 상담부(240)는 우선순위 상, 중, 하 그룹별 특성에 대해 누적된 정보를 학습상담서버에 학습상담데이터로 보유하고 있을 수 있다. 예를 들어, 상담부(240)는 전환확률값이 40% 이하로 예측되는 그룹과 50% 이상으로 예측되는 그룹간에 학습정보 중 계획된학습시간 값이 확연한 차이를 지닌다는 정보를 보유하고 있을 수 있다. 전환확률값이 40% 이하로 예측되는 그룹은 미계획된 학습시간이 전환확률값이 50% 이상으로 예측되는 그룹보다 훨씬 크다는 정보를 보유하고 있을 수 있다. 상담부(240)는 이상의 학습상담데이터를 이용하여 무료체험서비스를 이용하고 있는 특정 학생의 전환확률값이 40% 이하로 예측되는 경우, 계획된 학습을 수행하는 수행수를 늘리도록 독려할 수 있다.
도 3(a) 내지 (c)는 본 발명의 바람직한 일 실시예로서, 전처리부에서 학습정보를 데이터셋으로 구성하는 일 예를 도시한다.
도 3(a)는 학생들의 학습정보 중 체험1일차에 계획한 학습의 개수와 실제 수행한 학습의 개수를 데이터셋으로 표시한 일 예를 나타낸다. 도 3(b)는 학생들이 체험3일차까지 계획한 학습의 개수와 실제 수행한 학습의 개수를 데이터셋으로 표시한 일 예를 나타낸다. 도 3(c)는 학생들이 체험k일차까지 계획한 학습의 개수와 실제 수행한 학습의 개수를 데이터셋으로 표시한 일 예를 나타낸다. 전처리부는 체험일차별로 데이터셋을 구성함으로써, 체험k일차와 체험 k+1일차의 차이정보를 반영할 수 있다.
도 4 내지 5는 본 발명의 바람직한 일 실시예로서, 전환확률값 별로 일차별 출석률 변화, 일차별 수행률 변화 등의 데이터를 학습상담데이터로 학습상담서버에 저장하여 관리하는 예를 도시한다.
도 4를 참고하면 무료체험학습을 이용하는 학생이 학습어플리케이션에 최초로 로그인한 후 체험일차 2일차부터 전환확률값이 40%이하인 그룹과 전환확률값 50%이상의 그룹의 출석률 차이가 발생하는 것을 알 수 있다.
도 5를 참고하면, 무료체험학습을 이용하는 학생이 학습어플리케이션을 이용하는 체험일차 1일차부터 전환확률값이 40%이하인 그룹과 전환확률값 50%이상의 그룹의 수행률차이가 30%이상 벌어지고, 그 차이가 지속적으로 유지되는 것을 알 수 있다. 수행률의 경우 체험일차 초반부터 큰 폭으로 벌어지므로, 체험일차 3일 이내에 상담부(240)에서는 수행률이 최소 60~70% 수준이 되도록 독려하는 것이 상담의 주요 포인트가 될 수 있다.
도 6 은 본 발명의 바람직한 일 실시예로서, 상담교사가 체험학습을 이용하는 학생과 상담을 수행하기 위해 이용하는 업무보드의 일 예를 도시한다.
업무보드는 업무카운팅부(610), 전환예측부(620), 로그인기록부(630), 그리고 회원리스트영역(640)을 포함한다.
업무카운팅부(610)는 상담교사가 당일 처리해야할 필수 업무의 개수를 카운팅하여 표시한다. 업무카운팅부(610)는 상담교사가 업무를 수행할 때마다 업무의 개수를 '1' 단위로 차감하고, 업무의 개수가 '0'이 되면 상담교사가 당일 처리해야할 업무가 마무리 된다.
전환예측부(620)는 우선순위 상(上),중(中),그리고 하(下)에 해당하는 학생들의 분포를 표시한다. 도 6을 참고하면, 전환예측부(620)는 우선순위 상(上)에 해당하는 학생들을 '양호'로 표시하고 이에 해당하는 학생의 숫자 17명, 우선순위 중(中)에 해당하는 학생들을 '유지'로 표시하고 해당하는 학생의 숫자 10명, 그리고 우선순위 하(下)에 해당하는 학생들을 '독려'로 표시하고 해당하는 학생의 숫자 10명을 표시한다.
로그인기록부(630)는 학습어플리케이션에 학생들 또는 학부모들이 접속한 기록을 표시한다.
업무내역부(640)는 상담교사가 당일 처리해야할 필수 업무의 상세내역을 표시한다. 예를 들어, '상담예약'이라는 업무 상세내역을 표시하고, '상담예약'이라는 업무 상세내역의 개수 '7'을 함께 표시한다.
회원리스트영역(650)은 전환예측부(620)에 표시된 리스트 또는 업무내역부(660)에 표시된 업무내역과 관련된 리스트를 클릭하면, 그와 연관된 학생들 리스트를 표시할 수 있다. 예를 들어, 상담교사가 '양호 17명'를 클릭할 경우, 회원리스트영역(650)에 17명의 학생 정보가 표시된다.
도 7 내지 8은 본 발명의 바람직한 일 실시예로서, 상담보드(700)의 일 예를 도시한다.
본 발명의 바람직한 일 실시예로서, 상담보드(700)는 좌우로 분할된 형태(710, 720)이고, 상기 상담보드 좌측에 상담정보영역(710)이, 우측에 상담기록영역(720)이 제공되어 단일 화면에서 상담정보조회와 상담기록이 수행될 수 있도록 구현된다. 또한, 상담정보영역(710)과 상담기록영역(720)은 각각 복수의 탭을 구비할 수 있다.
본 발명의 바람직한 일 실시예로서, 상담보드(700)는 고정된 형태의 복수의 탭(710a, 710b, 710c, 720a, 720b, 720c)과 상담정보영역(710) 및 상담기록영역(720)의 좌우로 분할된 "T"자형 레이아웃으로 구현될 수 있다. T자형 레이아웃의 상담보드는 상담교사가 학생 또는 학부모와 상담을 하면서 상담 내역을 기록하는 동안에도 학생의 학생정보, 학습어플리케이션을 결제할 확률 정보 등을 포함하는 학습상담데이터를 동시에 확인할 수 있는 이점이 있다. 상담교사는 단일 화면에 제공되는 상담보드(700)를 이용하여 학생 또는 학부모와 상담할 때 필요한 학습상담데이터를 제공받고, 동시에 상담보드(700)에 학생 또는 학부모와의 상담 내역을 기록할 수 있다.
본 발명의 바람직한 일 실시예로서, 상담정보영역(710)은 학생정보탭(710a), 학습계획탭(710b) 그리고 AI생활기록부탭(710c)을 구비할 수 있다. 본 발명의 바람직한 일 실시예로서, 상담기록영역(720)은 상담을 수행하는 시점의 상담내역을 기록하는 상담기록탭(720a), 상담내역을 시간순으로 기록하는 상담히스토리탭(720b), 그리고 상담교사가 학생 또는 학생의 학부모와 상담시 참고할 수 있는 우수상담스크립트탭을 제공하는 우수상담스크립트탭(720c)을 구비할 수 있다.
학생정보탭(710a)은 학생 또는 학부모의 서지정보를 제공한다. 학습계획탭(710b)은 학생이 학습어플리케이션에서 제공하는 학습을 수행할 계획을 기록하는 인터페이스를 제공한다. 또한 학생이 방문한 횟수와 학습한 내역, 학생이 스스로 계획한 학습 중 수행한 계획의 비율을 나타내는 수행률 등의 정보를 제공한다. AI생활기록부탭(710c)는 학생이 기설정된 기간동안 학습어플리케이션을 이용하면서 파악한 학생의 학습정보가 표시된다. 학습정보는 학습어플리케이션을 이용하는 과정에서 파악된 학습내역데이터, 로그기록 등을 바탕으로 생성되며, 학생의 장점 및 개선점을 포함한다. 또한, AI생활기록부탭(710c)은 기설정된 기간동안 학생이 학습어플리케이션에서 학습한 내용과 관련한 질문을 포함한다. AI생활기록부탭(710c)은 또한 기설정된 기간동안 학생이 학습어플리케이션에서 학습한 내용을 기초로 학습어플리케이션을 결제할 확률 정보를 더 제공할 수 있다. 그리고, 해당 학생이 학습어플리케이션을 결제할 확률 정보와 학생의 학습정보를 기초로 학생에게 필요한 개선점 정보를 더 제공할 수 있다. 상담교사는 AI생활기록부탭(710c)에서 제공하는 학습정보, 학습어플리케이션을 결제할 확률정보를 학습상담데이터로 활용하여 학생과 상담을 수행할 수 있다.
본 발명의 바람직한 일 실시예로서, 상담정보영역(710)과 상담기록영역(720)은 각각 스크롤바(712, 722)를 구비하고, 상담정보영역(710)의 스크롤바(712)와 상담기록영역(720)의 스크롤바(722)는 독립적으로 동작한다.
상담교사는 학생 또는 학생의 학부모와 상담하는 과정에서 학생의 학습 정보를 파악하고자 할 때 상담정보영역(710)의 스크롤바(712) 및 상담정보영역(710)을 구성하는 복수의 탭(710a, 710b, 710c)을 이용할 수 있다. 이 경우 상담정보영역(710)의 스크롤바(712)는 상담정보영역(710)을 구성하는 복수의 탭(710a, 710b, 710c) 각각에서 상하로 동작한다.
상담교사는 학생 또는 학생의 학부모와 상담시 기록을 수행하거나, 상담기록히스토리를 확인하거나 또는 표준화된 상담스크립트가 필요할 때에는 상담기록영역(720)을 구성하는 복수의 탭(720a, 720b, 720c)을 이용할 수 있다. 이 경우 상담기록영역(720)의 스크롤바(722)는 상담기록영역(720)을 구성하는 복수의 탭(720a, 720b, 720c) 각각에서 상하로 동작한다.
상담교사는 학생 또는 학생의 학부모와 상담시 상담기록영역(720)에 상담 내용을 기록하면서도, 동시에 상담정보영역(710)을 구성하는 복수의 탭(710a, 710b, 710c)을 조회하고, 복수의 탭(710a, 710b, 710c) 각각의 내용을 확인하기 위하여 상담정보영역(710)의 스크롤바(712)를 이용할 수 있다.
도 8은 본 발명의 바람직한 일 실시예로서, 상담보드(800)의 상담정보내역(910)을 8구성하는 8AI생활기록부탭(910c)의 일 예를 도시한다. 상담정보내역(810)의 우측에는 상담기록영역(820)이 표시된다.
AI생활기록부탭(810c)는 AI분석부(830), AI상담부(840)를 제공한다. AI분석부(830)는 기설정된 기간(812)동안 학생이 학습어플리케이션을 이용한 정보를 분석하여 학생의 장점(832)과 학생의 단점(834)을 분석하여 제공한다.
이를 위하여, AI분석부(830)는 학생의 학습기간, 학습기간 중 학습어플리케이션에서 학습을 수행한 시간, 학생이 학습어플리케이션에서 이용한 컨텐츠, 학생이 계획한 학습계획수 대비 수행한 학습 수를 나타내는 수행률, 학생이 푼 문제수 중 맞은 문제수의 비율, 학생이 틀린 문제를 기록한 오답노트에 대한 학습, 학생의 과목별 학습 현황 등에 대한 분석을 통해 학생마다 표준화된 분석 결과를 제공할 수 있다.
도 9를 참고하면, AI분석부(830)는 202*.04.06에서 202*.04.12일의 기간 동안(812) 학생의 장점으로 '수행률이 100%입니다'(832a)와 '평균점수가 +20 향상되었어요'(832b)라는 정보를 제공한다. 또한 학생의 단점으로 '오답노트를 복습하지 않았어요'(834a), '문제를 건너뛰지 말고, 모두 풀어주세요'(834b), 그리고 '수학 연산 학습이 부족합니다'(834c)라는 정보를 제공한다.
AI상담부(840)는 202*.04.06에서 202*.04.12일의 기간 동안(812) 학생이 학습어플리케이션에서 학습한 개념 중 상담교사가 학생에게 질문할 컨텐츠를 개념(850)과 문제(860) 형식으로 제공할 수 있다. 예를 들어, 학생이 '수학 4단원. 분수' 컨텐츠를 학습한 경우(850a), 상담교사는 학생과 상담하는 과정에서 "약수"의 개념(850b, 850c)에 대하여 학생에게 질문할 수 있다. 또한, 202*.04.06에서 202*.04.12일의 기간 동안(812) 학생이 학습어플리케이션에서 학습한 개념 중 학생이 재복습이 필요하거나 오답노트 복습 등이 결여된 문제를 호출하는 인터페이스(870)를 통해 문제를 호출한 후, 해당 문제를 학생과 상담시에 학습상담데이터로 이용할 수 있다. 상담교사는 상담과정에서 AI상담부(840)에서 제공하는 질의를 학습상담데이터로 모두 이용한 경우, 'AI추천상담완료' 버튼(880)을 눌러 AI생활기록부에서 제공하는 학습상담데이터 활용을 종료할 수 있다.
도 9는 본 발명의 또 바람직한 일 실시예로서, 상담보드를 구성하는 상담정보영역의 AI생활기록부탭(910c)의 일 예를 도시한다. AI생활기록부탭(910c)은 도 8에서 제시한 내용에 더하여 학생이 일정기간 학습어플리케이션을 이용하는 동안 수집한 학습내역데이터, 학습어플리케이션을 이용한 로그데이터 등을 기초로 기계학습된 학습어플리케이션을 결제할 확률에 대한 정보를 더 제공할 수 있다.
도 10 내지 11은 본 발명의 또 다른 바람직한 일 실시예로서, 상담교사 단말기에 제공되는 상담보드의 일 예를 도시한다.
상담보드(1000)는 복수의 탭이 표시되는 탭 영역(1010), 탭을 선택하는 경우 해당 탭과 관련된 내용을 표시하는 내용영역(1020), 퀵메뉴(1030) 및 스크롤바(1040)를 포함한다.
본 발명의 바람직한 일 실시예로서, 내용영역(1020)은 도 7의 상담정보영역(710)과 퀵메뉴(1030)는 도 7의 상담기록영역(720)과 실질적으로 동일한 기능을 수행한다. 그리고, 탭 영역(1010)에는 상담정보영역(710)에 표시되는 탭들만(710a, 710b, 710c)이 표시되고, 퀵메뉴(1030)에는 상담기록영역(720)에 표시되는 탭들(720a, 720b, 720c)이 표시된다. 예를 들어, 상담기록탭(도 11, 1130), 상담히스토리탭(도 11, 1140) 그리고 필수상담스크립트탭(도 11, 1150)이다. 상담교사는 탭 영역(1010)에서 복수의 탭 중 조회하고자 하는 탭을 선택할 수 있다. 예를 들어, 상담교사는 학생정보탭(도 7, 710a 참고), 학습계획탭(도 7, 710b 참고) 그리고 AI생활기록부탭(도 7, 710c 참고) 중 AI생활기록부탭(도 7, 710c 참고)을 선택할 수 있다.
상담교사가 탭 영역(1010)에서 복수의 탭 중 조회하고자 하는 탭을 선택하면, 탭에 해당하는 내용이 내용영역(1020)에 표시된다. 도 11을 참고하면, 상담교사가 AI생활기록부탭(도 7, 710c 참고)을 선택한 경우, 내용영역(1160)에는 학생이 기설정된 기간동안 학습어플리케이션을 이용하면서 파악한 학생의 학습정보가 표시된다.
본 발명의 또 다른 바람직한 일 실시예로서, 상담보드는 상담교사가 내용영역(1160)을 확인하기 위하여 스크롤(1110)을 이동시키는 경우, 퀵메뉴(1120)가 스크롤(1110)의 위치와 함께 이동한다. 그리고, 탭 영역(1100)에 기재된 내역은 상담교사가 조회한 학생의 이름, 학년, 성별 등과 같은 신원정보로 변경된다. 상담교사가 스크롤(1110)을 상하로 이동시키는 경우에도 학생의 이름, 학년, 성별 등의 신원정보를 계속하여 확인하기 위해, 탭 영역(1100)은 스크롤(1110)의 위치 이동에 따라 함께 이동한다. 상담교사는 내용영역(1160)을 확인하면서 학생의 학습정보 등을 파악하다가, 상담을 기록해야 되거나, 상담 히스토리 또는 필수상담스크립트를 확인해야 하는 경우 퀵메뉴(1120)를 클릭하여 활성화 시킬 수 있다.
본 발명에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "이루어지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
본 발명의 실시 예에 따른 방법들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

Claims (15)

  1. 학습어플리케이션의 무료체험기간동안 체험일자마다 학생 각각의 학습정보를 데이터셋으로 구성하는 전처리부;
    상기 체험일자마다 구성된 데이터셋을 이용하여 병렬 또는 시퀀스 기반으로 다수의 의사결정 나무를 활용하는 기계학습을 수행하여 상기 학생이 상기 학습어플리케이션의 이용을 유료로 전환할 전환확률값을 예측하는 기계학습부;
    상기 무료체험기간동안 상기 학습어플리케이션을 이용한 다수의 학생들 각각의 상기 전환확률값에 따라 상담을 수행할 학생의 우선순위를 판단하는 우선순위판단부; 및
    상기 학생의 우선순위에 따라 상담방식을 변경하여 상기 학습어플리케이션의 이용을 유료로 전환할 가능성을 개선시키는 상담부;를 포함하는 것을 특징으로 하는 정회원전환예측장치.
  2. 제 1 항에 있어서, 상기 학습정보는
    상기 무료체험기간동안의 수행률, 상기 무료체험기간동안의 출석률, 상기 무료체험기간동안 상기 학습어플리케이션에서 제공하는 학습컨텐츠 중 이용하고자 계획한 학습컨텐츠를 수행한 계획학습시간, 상기 무료체험기간동안 상기 학습어플리케이션에서 제공하는 학습컨텐츠 중 계획없이 이용한 학습컨텐츠를 수행한 미계획학습시간을 포함하고, 상기 수행률은 상기 무료체험기간동안 이용하고자 계획한 학습계획수 중 실제 수행한 학습수행수의 비율인 것을 특징으로 하는 정회원전환예측장치.
  3. 제 1 항에 있어서, 상기 기계학습부는
    앙상블 모델을 이용하는 것을 특징으로 하는 정회원전환예측장치.
  4. 제 3 항에 있어서, 상기 기계학습부는
    배깅(bagging)기반 랜덤 포레스트 또는 Xgboost 모델을 이용하는 것을 특징으로 하는 정회원전환예측장치.
  5. 제 3 항에 있어서,
    그리드 서치를 더 이용하는 것을 특징으로 하는 정회원전환예측장치.
  6. 제 1 항에 있어서, 상기 우선순위판단부는
    상기 무료체험기간동안 상기 학습어플리케이션을 이용한 다수의 학생들 각각의 전환확률값을 기초로 상기 다수의 학생들의 우선순위를 상, 중, 하로 분류하는 것을 특징으로 하는 정회원전환예측장치.
  7. 제 1 항에 있어서, 상기 상담부는
    상기 우선순위 확인한 후, 체험일자별 학생 각각의 데이터셋 값의 변화를 분석하여 상기 데이터셋을 구성하는 학습정보 중 어떤 항목으로 인하여 상기 우선순위가 높거나 낮은지 파악하여 파악된 항목을 기초로 상담을 수행하는 것을 특징으로 하는 정회원전환예측장치.
  8. 제 6 항에 있어서, 상기 상담부는
    상기 우선순위가 상(上)으로 분류된 학생들에 대해서는 프로모션을 진행하는 프로모션부;를 더 포함하는 것을 특징으로 하는 정회원전환예측장치.
  9. 제 6 항에 있어서, 상기 상담부는
    무료체험기간이 시작된 후 기설정된 기간 동안 출석률이 낮아 상기 우선순위가 하(下)로 분류된 학생들에 대해서는 출석률을 독려하는 상담을 진행하는 것을 특징으로 하는 정회원전환예측장치.
  10. 제 6 항에 있어서, 상기 상담부는
    무료체험기간이 시작된 후 기설정된 기간 동안 수행률이 제 1기준값 이하인 학생들에 대해서는 제 2 기준값에 도달하도록 독려하는 상담을 진행하는 것을 특징으로 하는 정회원전환예측장치.
  11. 제 2 항에 있어서, 상기 학습정보는
    상기 학습어플리케이션에서 제공하는 문제 중 학생이 푼 문제수, 상기 푼 문제수 중 맞은 문제수, 상기 학생의 성별, 상기 학습어플리케이션에서 제공하는 메시지 기능을 이용한 횟수를 더 포함하는 것을 특징으로 하는 정회원전환예측장치.
  12. 전처리부에서 학습어플리케이션의 무료체험기간동안 체험일자마다 학생 각각의 학습정보를 데이터셋으로 구성하는 단계;
    기계학습부에서 상기 체험일자마다 구성된 데이터셋을 이용하여 병렬 또는 시퀀스 기반으로 다수의 의사결정 나무를 활용하는 기계학습을 수행하여 상기 학생이 상기 학습어플리케이션의 이용을 유료로 전환할 전환확률값을 예측하는 단계; 및
    우선순위판단부에서 상기 무료체험기간동안 상기 학습어플리케이션을 이용한 다수의 학생들 각각의 상기 전환확률값에 따라 학생의 우선순위를 판단하는 단계;
    상담부에서 상기 학생의 우선순위에 따라 상담방식을 변경하여 상기 학습어플리케이션의 이용을 유료로 전환할 가능성을 개선시키는 단계;를 포함하는 것을 특징으로 하는 정회원전환예측방법.
  13. 제 12 항에 있어서, 상기 상담부는
    상기 우선순위 확인한 후, 체험일자별 학생 각각의 데이터셋 값의 변화를 분석하여 상기 데이터셋을 구성하는 학습정보 중 어떤 항목으로 인하여 상기 우선순위가 높거나 낮은지 파악하여 파악된 항목을 기초로 상담을 수행하는 것을 특징으로 하는 정회원전환예측방법.
  14. 제 12 항에 있어서, 상기 상담부는
    상기 우선순위가 상(上)으로 분류된 학생들에 대해서는 프로모션을 진행하고, 무료체험기간이 시작된 후 기설정된 기간 동안 출석률이 낮아 상기 우선순위가 하(下)로 분류된 학생들에 대해서는 출석률을 독려하는 상담을 진행하는 것을 특징으로 하는 정회원전환예측방법.
  15. 제 12 내지 제 14 항 중 어느 한 항에 기재된 정회원예측방법을 실행하기 위한 프로그램을 기록한 것을 특징으로 하는 컴퓨터 기록 매체.
PCT/KR2021/004274 2021-04-05 2021-04-06 정회원전환예측장치 및 방법 WO2022215766A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210044296A KR102607384B1 (ko) 2021-04-05 2021-04-05 정회원전환예측장치 및 방법
KR10-2021-0044296 2021-04-05

Publications (1)

Publication Number Publication Date
WO2022215766A1 true WO2022215766A1 (ko) 2022-10-13

Family

ID=83545352

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/004274 WO2022215766A1 (ko) 2021-04-05 2021-04-06 정회원전환예측장치 및 방법

Country Status (2)

Country Link
KR (1) KR102607384B1 (ko)
WO (1) WO2022215766A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002196657A (ja) * 2000-12-25 2002-07-12 Namco Ltd 体験学習提供システム、方法及びプログラム
KR20070109590A (ko) * 2006-05-12 2007-11-15 주식회사 케이티프리텔 어플리케이션 서비스 무료 체험 지원 방법 및 장치
JP2008065754A (ja) * 2006-09-11 2008-03-21 Seminet Tv:Kk 講座学習システム及び記録媒体
KR20120001987A (ko) * 2010-06-30 2012-01-05 에스케이 텔레콤주식회사 학습 관리 서비스 시스템 및 방법
KR20180096323A (ko) * 2017-02-21 2018-08-29 주식회사 넥슨코리아 서비스 재이용을 유도하기 위한 방법 및 이를 수행하기 위한 장치

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102108541B1 (ko) 2018-07-12 2020-05-08 농협은행(주) 상담사 스케쥴 관리 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002196657A (ja) * 2000-12-25 2002-07-12 Namco Ltd 体験学習提供システム、方法及びプログラム
KR20070109590A (ko) * 2006-05-12 2007-11-15 주식회사 케이티프리텔 어플리케이션 서비스 무료 체험 지원 방법 및 장치
JP2008065754A (ja) * 2006-09-11 2008-03-21 Seminet Tv:Kk 講座学習システム及び記録媒体
KR20120001987A (ko) * 2010-06-30 2012-01-05 에스케이 텔레콤주식회사 학습 관리 서비스 시스템 및 방법
KR20180096323A (ko) * 2017-02-21 2018-08-29 주식회사 넥슨코리아 서비스 재이용을 유도하기 위한 방법 및 이를 수행하기 위한 장치

Also Published As

Publication number Publication date
KR102607384B1 (ko) 2023-11-29
KR20220138293A (ko) 2022-10-12

Similar Documents

Publication Publication Date Title
CN103581283B (zh) 用于控制支持中心的方法和系统
CN107645562A (zh) 数据传输处理方法、装置、设备及系统
WO2018212394A1 (ko) 기계 학습 프레임워크를 운용하는 방법, 장치 및 컴퓨터 프로그램
WO2022072739A1 (en) Method and system for dynamic adaptive routing of deferrable work in a contact center
US9940361B2 (en) Intelligent presence server systems and methods
Ma et al. Performance assessment in an interactive call center workforce simulation
CN114138639A (zh) 机器人流程自动化的管理系统及方法
US20140337377A1 (en) Managing support team inquiries
JP2007265134A (ja) モチベーション管理システム
Bean et al. Implementing a network for electronic surveillance reporting from public health reference laboratories: an international perspective.
WO2022215766A1 (ko) 정회원전환예측장치 및 방법
CN1906627A (zh) 用于评估知识传播的有效性的基于计算机的数据处理系统和方法
JPH11289389A (ja) 相談システム
WO2022215773A1 (ko) Ai학습장치 및 ai학습계획을 제공하는 방법
WO2022215765A1 (ko) 학습상담서버에서 상담교사에게 학습상담데이터를 제공방법 및 이를 수행하는 컴퓨터 기록매체
CN109819024A (zh) 基于数据分析的信息推送方法、装置、存储介质及终端
WO2015093651A1 (en) Method and system for managing a wordgraph
WO2021107386A1 (ko) 확정치 및 추정치 기반의 데이터 정량화 방법
JP2021165887A (ja) 情報共有サポートシステム
Zai et al. Queuing theory to guide the implementation of a heart failure inpatient registry program
WO2022244952A1 (ko) 자격증과 연관되는 콘텐츠를 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
WO2023167497A1 (ko) 시장 설명 이벤트 추출 방법 및 시스템
WO2016117913A1 (ko) 문제 공유 기반의 경영 지원 방법, 이를 수행하는 경영 지원 서버, 이를 저장하는 기록매체
KR20050057485A (ko) 분석결과 제공 방법, 분석결과 제공 시스템
US20240005254A1 (en) System and method for identifying and utilizing agent working from home impact score

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: 21936111

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: 21936111

Country of ref document: EP

Kind code of ref document: A1