WO2023022371A1 - 웹사이트별 파라미터 종류 및 기준값 도출 방법, 장치 및 프로그램 - Google Patents

웹사이트별 파라미터 종류 및 기준값 도출 방법, 장치 및 프로그램 Download PDF

Info

Publication number
WO2023022371A1
WO2023022371A1 PCT/KR2022/010079 KR2022010079W WO2023022371A1 WO 2023022371 A1 WO2023022371 A1 WO 2023022371A1 KR 2022010079 W KR2022010079 W KR 2022010079W WO 2023022371 A1 WO2023022371 A1 WO 2023022371A1
Authority
WO
WIPO (PCT)
Prior art keywords
users
attribute
website
user
rating
Prior art date
Application number
PCT/KR2022/010079
Other languages
English (en)
French (fr)
Inventor
홍승표
이종수
오채환
Original Assignee
(주)빅인사이트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)빅인사이트 filed Critical (주)빅인사이트
Publication of WO2023022371A1 publication Critical patent/WO2023022371A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • 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, apparatus, and computer program for deriving parameter types and reference values for each website. It relates to a parameter type for each website that derives a reference value for each group and a method and apparatus for deriving the reference value.
  • portal sites as well as websites specialized in providing online shopping malls are actively participating in the online shopping mall market.
  • Portal sites provide users with various contents such as news service, search service, and game service. Accordingly, Internet users' dependence on portal sites and their usage rates are increasing, which is expected to have a great impact on the online shopping mall market.
  • the problem to be solved by the present invention is to analyze the behavioral data of users accessing the website to determine the level of the users, group the users according to the level, and derive the reference value for each group. to provide the device.
  • a method for deriving parameter types and reference values for each website according to an embodiment of the present invention for solving the above problems includes obtaining behavioral data performed by users by accessing a website, and a user for each attribute of the behavioral data.
  • the method may include determining a grade of each of the attributes, grouping users according to a preset condition based on a grade for each attribute, and deriving a reference value for each group.
  • the step of determining the rating of each of the users determines the user's rating with a rating determined for each value of the behavioral data or determines the user's rating with a rating determined according to a range of values of the behavioral data. However, it may include determining a grade for each attribute of the behavioral data.
  • the step of determining the level of each of the users includes the step of listing the users according to a predetermined order for each behavioral data by attribute, and determining the level of the users by the level determined according to the number of users, the listed users It may include sequentially determining grades for each.
  • the step of determining the level of each of the users includes the step of listing the users according to a predetermined order for each behavioral data by attribute, and determining the level of the user with a grade determined according to a percentage range of the number of users. However, it may include sequentially determining ratings for the listed users.
  • the step of determining the grade of each of the users may include calculating an average value for each attribute of the behavioral data, assigning the lowest grade to a user having behavioral data less than the calculated average value, and Excluding the behavioral data of the user, calculating an average value for each attribute of the remaining behavioral data, and assigning a next lowest grade to a user having behavioral data less than the calculated average value.
  • the grouping may include creating a group assigned a grade for each attribute, and assigning the corresponding user to a group corresponding to a grade for each attribute of users.
  • the grouping may include generating a group in which an average value of ratings for each attribute is designated, converting users' ratings for each attribute into scores according to the rating, and calculating an average value, and corresponding to the calculated average value It may include assigning the corresponding user to a group to be selected.
  • the grouping may include generating a group in which a sum score of grades for each attribute is specified, converting a grade for each attribute of users into a score according to a grade according to a preset weight according to the attribute, and converting the converted Summing the scores, and assigning a corresponding user to a group corresponding to the calculated summed scores.
  • the grouping may include obtaining property information of the website, determining properties of behavioral data for grouping the users and importance of each property based on the property information of the website, Obtaining a rating for each attribute of the behavioral data, assigning a weight to the obtained rating for each attribute according to the determined importance, and assigning a weight to the obtained rating for each attribute based on the weighted attribute rating information to select users according to a predetermined condition. Grouping into groups may be included.
  • the step of deriving the reference value may include the step of deriving the reference value for each of the plurality of groups based on the obtained statistical value of the behavior data, and when the statistical value of the acquired behavior data changes, the plurality of The method may further include updating a reference value for each group of .
  • An apparatus for deriving parameter types and reference values for each website for solving the above problems includes a memory for storing one or more instructions, and a processor for executing the one or more instructions stored in the memory, The processor may perform a parameter type and reference value derivation method for each website by executing the one or more instructions.
  • a program for deriving parameter types and reference values for each website according to an embodiment of the present invention for solving the above problems is combined with a computer, which is hardware, so that a method for deriving parameter types and reference values for each website can be performed. It can be stored on a recording medium.
  • the present invention analyzes behavioral data of users accessing a website to determine user ratings, and may derive reference values for each group by grouping users according to the ratings.
  • the website may perform a campaign for inducing purchase suitable for each user by using a reference value for each group.
  • the convenience of operation can be greatly improved.
  • FIG. 1 is a diagram illustrating a system for deriving parameter types and reference values for each website according to an embodiment of the present invention.
  • FIG. 2 is a hardware configuration diagram of a reference value deriving device according to an embodiment of the present invention.
  • FIG. 3 is a diagram illustrating parameter types and reference value derivation methods for each website according to an embodiment of the present invention.
  • FIG. 4 is a diagram illustrating determining a user's rating according to an embodiment of the present invention.
  • FIG. 5 is a diagram illustrating determining a user's grade according to an embodiment of the present invention.
  • FIG. 6 is a diagram illustrating determining a user's rating according to another embodiment of the present invention.
  • FIG. 7 is a diagram illustrating grouping of users according to an embodiment of the present invention.
  • unit or “module” used in the specification means a hardware component such as software, FPGA or ASIC, and "unit” or “module” performs certain roles. However, “unit” or “module” is not meant to be limited to software or hardware.
  • a “unit” or “module” may be configured to reside in an addressable storage medium and may be configured to reproduce one or more processors.
  • a “unit” or “module” may refer to components such as software components, object-oriented software components, class components, and task components, processes, functions, properties, procedures, subroutines, segments of program code, drivers, firmware, microcode, circuitry, data, databases, data structures, tables, arrays and variables. Functions provided within components and “units” or “modules” may be combined into smaller numbers of components and “units” or “modules” or may be combined into additional components and “units” or “modules”. can be further separated.
  • a computer means any kind of hardware device including at least one processor, and may be understood as encompassing a software configuration operating in a corresponding hardware device according to an embodiment.
  • a computer may be understood as including a smartphone, a tablet PC, a desktop computer, a laptop computer, and user clients and applications running on each device, but is not limited thereto.
  • each step described in this specification is described as being performed by a computer, the subject of each step is not limited thereto, and at least a part of each step may be performed in different devices according to embodiments.
  • FIG. 1 is a diagram illustrating a system for deriving parameter types and reference values for each website according to an embodiment of the present invention.
  • a system for deriving parameter types and reference values for each website may include a reference value derivation device 100 , a user terminal 200 and an external server 300 .
  • parameter type and reference value derivation system for each website shown in FIG. 1 is according to an embodiment, and its components are not limited to the embodiment shown in FIG. 1, and may be added, changed, or deleted as necessary. can
  • the reference value deriving apparatus 100 may collect data on operations performed by users after accessing a website, and classify the collected data by attribute.
  • the reference value deriving apparatus 100 may rank the data classified by attribute based on a preset criterion, and group users according to a preset condition according to the rated rating.
  • the reference value derivation apparatus 100 may derive a reference value for each group based on statistical values such as a maximum value and a minimum value within the group.
  • the reference value deriving apparatus 100 may perform a campaign for inducing purchase suitable for each user by deriving a reference value for each group.
  • the user terminal 200 may access a website through a network, and may receive a campaign for inducing purchase from the reference value deriving device 100 .
  • the user terminal 200 may include at least one of a smart phone, a tablet PC, a desktop, and a laptop having a display on at least a portion of the user terminal 200, access a browser through the display, and the reference value derivation device 100 ) can be provided with customized campaigns. However, it is not limited thereto.
  • the external server 300 may be connected to the reference value derivation apparatus 100 through a network, and the reference value derivation apparatus 100 may store and manage various types of information for performing parameter types and reference value derivation methods for each website.
  • the external server 300 may receive and store various types of information and data generated as the reference value derivation apparatus 100 performs the parameter type and reference value derivation method for each website.
  • the external server 300 may be a storage server provided separately outside the reference value deriving apparatus 100 . Referring to FIG. 2 , the hardware configuration of the reference value deriving apparatus 100 will be described.
  • FIG. 2 is a hardware configuration diagram of a reference value deriving device according to an embodiment of the present invention.
  • the reference value deriving device 100 (hereinafter referred to as a computing device) according to an embodiment of the present invention loads one or more processors 110 and a computer program 151 executed by the processor 110. ) may include a memory 120, a bus 130, a communication interface 140, and a storage 150 for storing the computer program 151.
  • a computing device loads one or more processors 110 and a computer program 151 executed by the processor 110.
  • the reference value deriving device 100 may include a memory 120, a bus 130, a communication interface 140, and a storage 150 for storing the computer program 151.
  • FIG. 2 only components related to the embodiment of the present invention are shown. Therefore, those skilled in the art to which the present invention pertains can know that other general-purpose components may be further included in addition to the components shown in FIG. 2 .
  • the processor 110 controls the overall operation of each component of the computing device 100 .
  • the processor 110 includes a Central Processing Unit (CPU), a Micro Processor Unit (MPU), a Micro Controller Unit (MCU), a Graphic Processing Unit (GPU), or any type of processor well known in the art of the present invention. It can be.
  • CPU Central Processing Unit
  • MPU Micro Processor Unit
  • MCU Micro Controller Unit
  • GPU Graphic Processing Unit
  • the processor 110 may perform an operation for at least one application or program for executing a method according to embodiments of the present invention
  • the computing device 100 may include one or more processors.
  • the processor 110 may temporarily and/or permanently store signals (or data) processed in the processor 110 (RAM: Random Access Memory, not shown) and ROM (ROM: Read -Only Memory, not shown) may be further included.
  • the processor 110 may be implemented in the form of a system on chip (SoC) including at least one of a graphics processing unit, RAM, and ROM.
  • SoC system on chip
  • Memory 120 stores various data, commands and/or information. Memory 120 may load computer program 151 from storage 150 to execute methods/operations according to various embodiments of the present invention. When the computer program 151 is loaded into the memory 120, the processor 110 may perform the method/operation by executing one or more instructions constituting the computer program 151.
  • the memory 120 may be implemented as a volatile memory such as RAM, but the technical scope of the present disclosure is not limited thereto.
  • the bus 130 provides a communication function between components of the computing device 100 .
  • the bus 130 may be implemented in various types of buses such as an address bus, a data bus, and a control bus.
  • the communication interface 140 supports wired and wireless Internet communication of the computing device 100 . Also, the communication interface 140 may support various communication methods other than internet communication. To this end, the communication interface 140 may include a communication module well known in the art. In some embodiments, communication interface 140 may be omitted.
  • the storage 150 may non-temporarily store the computer program 151 .
  • the storage 150 may store various types of information necessary to provide the parameter type and reference value derivation method for each website.
  • the storage 150 may be a non-volatile memory such as read only memory (ROM), erasable programmable ROM (EPROM), electrically erasable programmable ROM (EEPROM), flash memory, or the like, a hard disk, a removable disk, or a device well known in the art. It may be configured to include any known type of computer-readable recording medium.
  • ROM read only memory
  • EPROM erasable programmable ROM
  • EEPROM electrically erasable programmable ROM
  • flash memory or the like, a hard disk, a removable disk, or a device well known in the art. It may be configured to include any known type of computer-readable recording medium.
  • Computer program 151 may include one or more instructions that when loaded into memory 120 cause processor 110 to perform methods/operations in accordance with various embodiments of the invention. That is, the processor 110 may perform the method/operation according to various embodiments of the present disclosure by executing the one or more instructions.
  • the computer program 151 includes the steps of obtaining behavioral data performed by users by accessing a website, determining a rating of each user for each attribute of the behavioral data, and determining a rating for each attribute. It may include one or more instructions for performing a method of deriving parameter types and reference values for each website, which includes grouping users based on a predetermined condition and deriving reference values for each group.
  • Steps of a method or algorithm described in connection with an embodiment of the present invention may be implemented directly in hardware, implemented in a software module executed by hardware, or implemented by a combination thereof.
  • a software module may include random access memory (RAM), read only memory (ROM), erasable programmable ROM (EPROM), electrically erasable programmable ROM (EEPROM), flash memory, hard disk, removable disk, CD-ROM, or It may reside in any form of computer readable recording medium well known in the art to which the present invention pertains.
  • Components of the present invention may be implemented as a program (or application) to be executed in combination with a computer, which is hardware, and stored in a medium.
  • Components of the present invention may be implemented as software programming or software elements, and similarly, embodiments may include various algorithms implemented as data structures, processes, routines, or combinations of other programming constructs, such as C, C++ , Java (Java), can be implemented in a programming or scripting language such as assembler (assembler). Functional aspects may be implemented in an algorithm running on one or more processors.
  • assembler assembler
  • FIG. 3 is a diagram illustrating parameter types and reference value derivation methods for each website according to an embodiment of the present invention.
  • the computing device 100 may acquire behavioral data performed by users by accessing a website (S100).
  • the computing device 100 may obtain clickstream (a record of actions performed by a user clicking a mouse on a web browser) information on a website, but is not limited thereto.
  • clickstream a record of actions performed by a user clicking a mouse on a web browser
  • the computing device 100 determines how often users visit the website, how long they stay on the website, how long it takes from visiting the website to the next visit, the time of the most recent visit, the frequency of purchasing products from the website, and the product. Behavioral data such as the amount purchased, the time taken from purchasing a product on the website to the next purchase, and the time of the most recent purchase can be acquired. Behavioral data acquired by the computing device 100 may be different depending on the type of website.
  • the goal is to increase sales, and in order to induce purchase behavior, user behavior can be classified with the following variables and parameter setting values, and accordingly, whether or not to carry out a campaign can be determined.
  • variable that can indicate the degree of interaction of the user on the website instead of the duration of the session in the website.
  • variables are representative variable combinations that can classify users, and it is possible to determine whether to perform a campaign by setting variables and parameter values representing user behavior. For example, if a product is viewed more than 3 times, it may be determined to carry out a campaign for the product.
  • the types of these parameters may be preset for each type of website, but according to embodiments, the computing device 100 may automatically determine the types of parameters to be collected based on website properties and user behavior information. there is.
  • the computing device 100 may analyze keywords or types of menus included in a website to determine whether products are sold on the corresponding website. In addition, even in the case of selling products, it is possible to determine whether the corresponding homepage has e-commerce as the main purpose by determining the type or number of products sold.
  • the computing device 100 analyzes the user's behavioral record to analyze the existence and frequency of the user's log-in, browsing of specific content, or direct writing, and also can analyze the user's behavior within the website. It is possible to analyze whether or not a person purchases a product or performs a payment activity and the frequency thereof. Through this, the computing device 100 may determine whether the corresponding website is an e-commerce site or a branding site. The computing device 100 may determine the type of parameter to be used in the corresponding website through this.
  • the website may have a plurality of properties. For example, a number of convergence websites, such as live commerce and SNS shopping, where branding, interaction, and product sales are all important, are emerging.
  • the computing device 100 may apply parameters to be applied to the corresponding website in a complex manner, but may determine a weight for each parameter according to the property of the website.
  • a higher weight may be assigned to a parameter related to interaction (branding).
  • weights may be set differently according to a user's input. For example, the frequency of interaction is higher than product purchase, but the user (manager) may want to increase the frequency of product purchase. In this case, when a user requests setting a mode for increasing product purchase frequency, the computing device 100 may assign a higher weight to the product purchase related parameter.
  • the computing device 100 may determine a rating of each user for each attribute of the behavioral data (S200).
  • the computing device 100 may classify the obtained behavioral data according to each attribute, determine a grade of users for each attribute, and determine a final grade of the user by combining the grades determined for each attribute.
  • the computing device 100 may determine a grade based on a preset value, but appropriate reference values for classifying users according to parameters may be different from each other. In addition, even for the same parameter, appropriate reference values for classifying users according to website properties may be different.
  • an average of 5 views may occur before purchasing a product
  • an average of 3 views may occur before purchasing a product.
  • the number of views for determining a user with a high possibility of purchasing a product for each website will be different.
  • a method of determining a rating reference value for each parameter for each website based on this concept will be described in detail.
  • the computing device 100 may list users according to a preset order for each behavioral data for each attribute. For example, the computing device 100 may list users in the order of users having a higher frequency of purchasing a product from a website. In addition, the computing device 100 may list users in the order of users having a higher amount of money for purchasing a product from the website. However, it is not limited thereto, and the users may be listed in the order of low frequency users or in the order of low amount of money.
  • FIG. 4 is a diagram illustrating determining a user's rating according to an embodiment of the present invention.
  • the computing device 100 may determine a user's grade based on a grade determined for each behavioral data value.
  • the grade determined for each attribute of the behavior data and for each value of the behavior data may be different.
  • the computing device 100 assigns a level 1 to a user who purchases a product 10 times, gives a level 2 to a user who purchases a product 9 times, and assigns a level 2 to a user who purchases a product 8 times.
  • 3 grades can be given.
  • the frequency and the rating according to the frequency are not limited thereto, and may be changed according to the setting of the website or the setting of the user.
  • the computing device 100 assigns a first grade to a user whose purchase amount is 100,000 won, and assigns a second grade to a user whose purchase amount is 90,000 won. In the case of a user with 80,000 won, 3 grades can be given.
  • the amount and the level according to the amount are not limited thereto, and may be changed according to the setting of the website or the setting of the user.
  • the computing device 100 may determine the level of the user according to the value of the behavioral data, and the level may be defined according to a plurality of values of the behavioral data. That is, the computing device 100 may assign a grade of 1 to a user whose purchase amount is 100,000 won, 90,000 won, or 80,000 won.
  • the computing device 100 may determine a user's grade with a grade determined according to a range of behavioral data values.
  • the range of the behavior data value for each attribute of the behavior data and the level determined according to the range may be different.
  • the computing device 100 assigns a grade 1 to users who purchase products 16 to 20 times, and assigns a grade 2 to users who purchase products 11 to 15 times. In the case of a user who purchases 6 to 10 times, a grade of 3 may be given.
  • the frequency range and the rank according to the frequency range are not limited thereto and may be changed according to the settings of the website or the user.
  • the computing device 100 assigns a first grade to a user whose purchase amount is 160,000 to 200,000 won, and a second grade to a user whose purchase amount is 110,000 to 150,000 won, In the case of a user whose purchase amount is 60,000 won to 100,000 won, a level 3 may be assigned.
  • the range of money and the rank according to the range of money are not limited thereto, and may be changed according to the setting of the website or the setting of the user.
  • the computing device 100 may determine a user's rating according to a range of behavioral data values.
  • FIG. 5 is a diagram illustrating determining a user's grade according to an embodiment of the present invention.
  • the computing device 100 may determine a user's grade with a grade determined according to the number of users. In this case, the number of users for each attribute of the behavioral data and the grade determined according to the number of users may be different. The computing device 100 may sequentially determine ranks of the listed users according to the preset number of users.
  • the computing device 100 assigns 1 grade to 10 users (users A to J) with the highest frequency of purchasing products, and 100 users with high frequency of purchasing products excluding the 10 users.
  • a grade of 2 may be given to
  • a grade of 3 may be given to 200 users who have a high frequency of purchasing the product, excluding the above 100 users.
  • the number of users and the rating according to the number of users are not limited thereto, and may be changed according to the setting of the website or the setting of the user.
  • the computing device 100 may list users in ascending order of product purchase frequency, and may determine a rank sequentially from a top user (user A). For example, a grade 1 may be given to 10 users sequentially from the top user, and a grade 2 may be sequentially assigned from the next user, that is, the 11th user.
  • the computing device 100 may determine a user rank according to the number of users.
  • the computing device 100 may determine a user's grade with a grade determined according to a percentage range of the number of users. In this case, a percentage range for the number of users for each attribute of the behavioral data and a grade determined according to the percentage range may be different.
  • the computing device 100 may sequentially determine ratings according to the number of users according to a preset percentage range for the listed users.
  • the computing device 100 assigns a grade 1 to users corresponding to the top 10% of all users, assigns a grade 2 to users corresponding to the top 10% to 30% of all users, and A grade of 3 may be assigned to users corresponding to 30% to 60%.
  • the percentage range of the number of users and the rating according to the percentage range are not limited thereto and may be changed according to the setting of the website or the setting of the user.
  • the computing device 100 may list users in the order of highest behavioral data to latest, and may sequentially assign a rating from a top user. However, it is not limited thereto.
  • FIG. 6 is a diagram illustrating determining a user's rating according to another embodiment of the present invention.
  • the computing device 100 may calculate an average value for each attribute of behavior data. For example, the computing device 100 may calculate an average value for the purchase price of the product.
  • the computing device 100 may assign the lowest grade (N grade) to a user having behavior data less than the calculated average value. For example, the computing device 100 may assign the lowest grade (N-1) to users (users H, I, and J) that are less than the average value.
  • the computing device 100 calculates an average value for each attribute of the remaining behavior data except for the behavior data of users (users H, I, and J) to which ratings have been assigned, and for users having behavior data less than the average value, the next may be given a lower rating.
  • the computing device 100 may calculate an average value of the behavioral data of the remaining users (users A to G), except for users to whom the N grade is assigned, and for users having behavioral data less than the calculated average value, the average value is calculated.
  • the next lowest grade (N-1) can be given.
  • the computing device 100 may assign a grade to all users by repeating this process, and in a state in which grades are granted up to grade 2, the computing device 100 may assign a grade 1 to the remaining users without calculating an average value any more.
  • the computing device 100 may extract the median value of the behavioral data, assign the lowest rating to users having behavioral data less than the median value, and re-calculate the median value of the remaining behavioral data excluding the users to whom the rating is assigned. After extraction, users with behavioral data below the median value may be given the next lowest rating.
  • the median value may be a value located in the middle of the maximum value and the minimum value of the behavioral data, or may be a user's behavioral data value corresponding to half of the total number of users.
  • the computing device 100 may extract 500 as a median value and assign a grade to users having behavioral data of less than 500.
  • the computing device 100 extracts the behavioral data of the 500th user as a median value, and extracts behavioral data less than the median value. You can assign ratings to users.
  • the computing device 100 may group users according to preset conditions based on ratings for each attribute (S300).
  • the computing device 100 may provide a campaign for inducing purchase suitable for each group by grouping users according to user behavior data.
  • the computing device 100 may provide a campaign, such as grouping users into a user group requiring purchase inducement and issuing discount tickets to users included in the corresponding group.
  • FIG. 7 is a diagram illustrating grouping of users according to an embodiment of the present invention.
  • the computing device 100 may create a group assigned a rank for each attribute.
  • the frequency of purchasing a product is a grade of 1
  • the price of a product is a grade of 1
  • the time taken from purchasing a product to the next purchase is a grade of 1.
  • a first group G1 can be created.
  • a grade of product purchase frequency is grade 1
  • a grade of product purchase amount is grade 1
  • a time elapsed from purchasing a product to the next purchase is grade 3.
  • a second group G2 can be created.
  • the frequency of purchasing a product is grade 5, the grade for the amount of product purchase is grade 5, and the time required from purchasing a product to the next purchase is grade 5.
  • a third group G3 can be created.
  • the computing device 100 may allocate a corresponding user to a group corresponding to a grade for each attribute of users. For example, the first user (A) has a level of 1 for the frequency of purchasing a product, a level of 1 for the purchase price of the product, and a level of time elapsed from purchasing the product to the next purchase is 1. may be graded. Accordingly, the computing device 100 may allocate the first user A to the first group G1. In addition, the second user (B) has a rating of 5 for the frequency of purchasing the product, a rating of 5 for the amount of product purchase, and a rating of 5 for the time taken from purchasing the product to the next purchase. may be graded. Accordingly, the computing device 100 may assign the second user B to the third group G3.
  • the computing device 100 may group users by allocating a user corresponding to a specified grade to a group assigned a grade by attribute, and a plurality of grades may be assigned to one group. That is, the first group (G1) has a grade of 1 to 2 for the frequency of purchasing the product, a grade of 1 to 2 for the amount of purchase, and after purchasing the product, until the next purchase It can be assigned as a grade 1 or grade 2 for the time taken.
  • the computing device 100 may create a group to which an average value of ratings for each attribute is specified. For example, the computing device 100 may generate a first group G1 with an average value of 10, a second group G2 with an average value of 9, and a third group G3 with an average value of 8. there is.
  • the computing device 100 may calculate an average value by converting a rating for each attribute of users into a score according to the rating. That is, scores according to grades may be preset as 10 points for grade 1, 9 points for grade 2, and 8 points for grade 3, and the computing device 100 converts each user's attribute grade into a score, An average value can be calculated.
  • the score according to each level is not limited thereto, and may be changed according to the setting of the website or the setting of the user.
  • the computing device 100 may allocate a corresponding user to a group corresponding to the calculated average value.
  • the third user (C) has a rating of 1 for the frequency of purchasing a product, a rating of 2 for the amount of product purchase, and a rating of 3 for the time elapsed from purchasing a product to the next purchase.
  • the computing device 100 may convert the score into 10 points, 9 points, and 8 points, respectively, according to the grade for each attribute, and calculate an average value for the converted scores. Accordingly, the computing device 100 may assign the third user to the second group G2.
  • the computing device 100 may group users by assigning a user corresponding to a group to which an average value of ratings for each attribute is designated, and a plurality of average values may be designated to one group. That is, the first group G1 may be designated as having an average rating of 8 to 10 points.
  • the computing device 100 may create a group to which sum scores of ratings for each attribute are specified. For example, the computing device 100 generates a first group G1 with a sum score of 30, a second group G2 with a sum score of 28, and a third group G3 with a sum score of 26. can create a first group G1 with a sum score of 30, a second group G2 with a sum score of 28, and a third group G3 with a sum score of 26.
  • the computing device 100 may convert a rating for each attribute of users into a score according to a preset weight according to the attribute.
  • the computing device 100 may set different weights for each attribute according to a purchase induction campaign. For example, when a campaign to give a product to a user who frequently visits a website is conducted, a weight for the frequency of website visits may be increased and a weight for staying time in the website may be decreased. That is, as the weight for each attribute is different, the converted score may be different even for the same 1st grade.
  • the computing device 100 may convert the grade for each attribute into a score according to the set weight and sum the converted scores.
  • the computing device 100 may allocate a corresponding user to a group corresponding to the calculated sum score. For example, when the total score of the first user A is 30, the computing device 100 may allocate the first user A to the first group.
  • the computing device 100 may group users by allocating a user corresponding to a group designated with a sum score for each attribute grade according to a weight, and a plurality of sum scores may be assigned to one group. there is. That is, the first group G1 may be designated as having a total score of 25 to 30 points.
  • the computing device 100 may derive reference values for each group (S400).
  • the computing device 100 may derive a reference value for each group based on statistical values such as a maximum value and a minimum value within the group.
  • the computing device 100 may perform a campaign for inducing purchase suitable for each user by deriving a reference value for each group.
  • the computing device 100 may determine the importance of each parameter for each website.
  • the types of parameters may include, but are not limited to, the number of views, dwell time, scroll length, number of clicks, number of page movements, member registration, subscription, product purchase information, and the like.
  • the computing device 100 may determine the importance of each parameter according to the attribute of each website.
  • the computing device 100 sets the type of parameters to be used and the importance of each parameter according to the properties of each website (eg, online shopping mall, portal site, branding page, etc.), and prioritizes and weights each parameter according to the importance. can be set.
  • the computing device 100 may collect information about users who visit a corresponding website, and group users into a plurality of groups in consideration of the importance of each parameter of the collected information.
  • the method of dividing users into a plurality of groups calculates the user's rating or score for each parameter based on each collected information, and reflects the weighted value according to the importance of each parameter to the calculated rating or score for each parameter.
  • a final grade or score can be calculated for As another example, clustering may be performed after applying a weight according to the importance of each parameter to the value of each parameter of the user.
  • the computing device 100 may analyze collected information to obtain an importance for each parameter. For example, the computing device 100 may compare a parameter of a user with a high purchase frequency or a purchase amount with a parameter of a user with a low purchase frequency or a purchase amount. As a result of the comparison, parameters with a small difference from each other may be parameters of low importance, and parameters with a high difference from each other may be parameters with high importance. Using this method, the computing device 100 may determine the importance of each parameter and whether or not to use it for classifying each parameter according to the importance.
  • the computing device 100 may obtain a criterion for calculating a grade for each parameter.
  • the computing device 100 may obtain reference values for classifying grades through relative evaluation based on statistical values for each parameter, and the reference values may be updated at regular intervals.
  • the computing device 100 may obtain data for inducing each user to a higher group according to the grouping result of each user. For example, the computing device 100 may obtain information about a reference value for each parameter necessary for the corresponding user to move to the next level according to the level of each user. For example, a reference value for going up to the next level for a first parameter is obtained, and a difference between the user's first parameter value and a reference value for going up to the next level is obtained to induce the user to perform a corresponding action. can In addition, by providing the user with information about the corresponding reward, the user can perform the corresponding action.
  • the computing device 100 may group users based on a plurality of parameters. For example, the computing device 100 may cluster users into a plurality of groups based on a plurality of parameter values.
  • the computing device 100 may analyze the attributes of each cluster. For example, a first group (cluster) is a user group that needs to induce a purchase, and a second group is a user group that needs to maintain a current purchase state. , the third group can be classified as a user group to induce additional purchase, but is not limited thereto.
  • the computing device 100 may perform reward payment or additional action inducement for each group according to the grouping result for the user. For example, the computing device 100 may provide rewards such as points to users belonging to the first group. In addition, the computing device 100 may provide a user belonging to the third group with information about an action necessary for belonging to the second group or the first group and compensation provided when belonging to the corresponding group.
  • the computing device 100 may operate in a form of inducing a user to perform an action required to perform a predetermined goal on the website and providing a reward accordingly.
  • goals may be set differently for each website, and may be set variably according to the user's behavior record. For example, when the statistics change from a website where product purchases occurred after an average of 5 inquiries to one where product purchases occurred after an average of 4 inquiries, the website may also have a different goal.
  • the computing device 100 may obtain information about a reaction according to a change in website setting, marketing, or compensation policy. For example, when rewards given to users belonging to the third group are different according to action induction, information about a probability of successful action induction of users or a change in the number of users in each group may be obtained. Through this, the computing device 100 may analyze and provide an effect according to a change in compensation, and may provide information on an optimal compensation setting to the user.
  • user ratings are determined by analyzing behavioral data of users accessing websites, parameters for each website are derived by grouping users according to ratings, and parameter types for each group are derived.
  • a reference value derivation method and apparatus can be realized.

Landscapes

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

Abstract

본 발명은 웹사이트에 접속하는 사용자들의 행동 데이터를 분석하여 사용자들의 등급을 결정하고, 등급에 따라 사용자들을 그룹핑하여 그룹별 기준값을 도출하는 웹사이트별 파라미터 종류 및 기준값 도출 방법 및 장치에 관한 것이다. 본 발명의 실시 예에 따른 웹사이트별 파라미터 종류 및 기준값 도출 방법은 사용자들이 웹사이트에 접속하여 수행하는 행동 데이터를 획득하는 단계와, 상기 행동 데이터의 각 속성별로 사용자들 각각의 등급을 결정하는 단계와, 각 속성별 등급을 기초로 사용자들을 기 설정된 조건에 따라 그룹핑하는 단계와, 그룹별로 기준값을 도출하는 단계를 포함한다.

Description

웹사이트별 파라미터 종류 및 기준값 도출 방법, 장치 및 프로그램
본 발명은 웹사이트별 파라미터 종류 및 기준값 도출 방법, 장치 및 컴퓨터 프로그램에 관한 것으로, 보다 자세하게는 웹사이트에 접속하는 사용자들의 행동 데이터를 분석하여 사용자들의 등급을 결정하고, 등급에 따라 사용자들을 그룹핑하여 그룹별 기준값을 도출하는 웹사이트별 파라미터 종류 및 기준값 도출 방법 및 장치에 관한 것이다.
온라인 산업의 발달과 비대면 서비스 수요의 증가로 인해, 유통(특히 소매업)의 중심이 오프라인에서 온라인으로 이동하고 있다. 이에 따라 다양한 크고 작은 온라인 쇼핑몰들이 서비스되고 있으며, 이에 소비자의 선택지가 늘어남과 동시에 온라인 쇼핑몰 사업자들의 경쟁 또한 치열해지고 있다.
특히, 최근에는 온라인 쇼핑몰을 전문적으로 제공하는 웹사이트뿐 아니라 포털 사이트가 온라인 쇼핑몰 시장에 적극적으로 참여하고 있다. 포털 사이트는 뉴스제공 서비스, 검색 서비스, 게임제공 서비스 등 다양한 컨텐츠를 이용자에게 제공한다. 이에 포털 사이트에 대한 인터넷 이용자의 의존도와 이용률은 갈수록 증가하는 추세이며, 이는 온라인 쇼핑몰 시장에도 큰 영향을 미칠 것으로 예상된다.
이에 따라 온라인 쇼핑몰과 포털 사이트를 포함하는 다양한 웹 기반 서비스들에 대한 대중의 관심 역시 높아지고 있고 이에 발맞추어 웹사이트 운영자와 이용자 모두가 윈윈 할 수 있도록, 웹사이트는 이용자가 웹사이트를 보다 적극적으로 활용하도록 이용자에게 적절한 보상을 하고 이용자는 그러한 보상을 받기 위해 보다 적극적으로 웹사이트를 활용하도록 하는 방안이 요구되고 있다.
본 발명이 해결하고자 하는 과제는 웹사이트에 접속하는 사용자들의 행동 데이터를 분석하여 사용자들의 등급을 결정하고, 등급에 따라 사용자들을 그룹핑하여 그룹별 기준값을 도출하는 웹사이트별 파라미터 종류 및 기준값 도출 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 실시 예에 따른 웹사이트별 파라미터 종류 및 기준값 도출 방법은 사용자들이 웹사이트에 접속하여 수행하는 행동 데이터를 획득하는 단계와, 상기 행동 데이터의 각 속성별로 사용자들 각각의 등급을 결정하는 단계와, 각 속성별 등급을 기초로 사용자들을 기 설정된 조건에 따라 그룹핑하는 단계와, 그룹별로 기준값을 도출하는 단계를 포함할 수 있다.
또한, 상기 사용자들 각각의 등급을 결정하는 단계는, 상기 행동 데이터의 값마다 결정되어 있는 등급으로 사용자의 등급을 결정하거나, 상기 행동 데이터 값의 범위에 따라 결정되어 있는 등급으로 사용자의 등급을 결정하되, 상기 행동 데이터의 속성별로 각각 등급을 결정하는 단계를 포함할 수 있다.
또한, 상기 사용자들 각각의 등급을 결정하는 단계는, 속성별 행동 데이터별로 기 설정된 순서에 따라 사용자들을 나열하는 단계와, 사용자의 수에 따라 결정되어 있는 등급으로 사용자의 등급을 결정하되, 나열된 사용자들에 대해 순차적으로 등급을 결정하는 단계를 포함할 수 있다.
또한, 상기 사용자들 각각의 등급을 결정하는 단계는, 속성별 행동 데이터별로 기 설정된 순서에 따라 사용자들을 나열하는 단계와, 사용자의 수에 대한 백분율 범위에 따라 결정되어 있는 등급으로 사용자의 등급을 결정하되, 나열된 사용자들에 대해 순차적으로 등급을 결정하는 단계를 포함할 수 있다.
또한, 상기 사용자들 각각의 등급을 결정하는 단계는, 행동 데이터의 속성별 평균값을 산출하는 단계와, 산출된 평균값 미만인 행동 데이터를 가지는 사용자에 대해 가장 낮은 등급을 부여하는 단계와, 등급이 부여된 사용자의 행동 데이터를 제외하고, 나머지 행동 데이터의 속성별 평균값을 산출하는 단계와, 산출된 평균값 미만인 행동 데이터를 가지는 사용자에 대해 그 다음으로 낮은 등급을 부여하는 단계를 포함할 수 있다.
또한, 상기 그룹핑하는 단계는, 각 속성별 등급이 지정된 그룹을 생성하는 단계와, 사용자들의 각 속성별 등급에 해당하는 그룹에 해당 사용자를 할당하는 단계를 포함할 수 있다.
또한, 상기 그룹핑하는 단계는, 각 속성별 등급의 평균값이 지정된 그룹을 생성하는 단계와, 사용자들의 각 속성별 등급을, 등급에 따른 점수로 전환하여 평균값을 산출하는 단계와, 산출된 평균값에 해당하는 그룹에 해당 사용자를 할당하는 단계를 포함할 수 있다.
또한, 상기 그룹핑하는 단계는, 각 속성별 등급의 합산 점수가 지정된 그룹을 생성하는 단계와, 사용자들의 각 속성별 등급을, 속성에 따라 기 설정된 가중치에 따라 등급에 따른 점수로 전환하고, 전환된 점수들을 합산하는 단계와, 산출된 합산 점수에 해당하는 그룹에 해당 사용자를 할당하는 단계를 포함할 수 있다.
또한, 상기 그룹핑하는 단계는, 상기 웹사이트의 속성 정보를 획득하는 단계, 상기 웹사이트의 속성 정보에 기초하여 상기 사용자들을 그룹핑하기 위한 행동 데이터의 속성 및 각 속성의 중요도를 결정하는 단계, 상기 결정된 행동 데이터의 속성별 등급을 획득하는 단계, 상기 획득된 속성별 등급에 상기 결정된 중요도에 따른 가중치를 부여하는 단계 및 상기 가중치가 부여된 속성별 등급 정보에 기초하여 사용자들을 기 설정된 조건에 따라 복수의 그룹으로 그룹핑하는 단계를 포함할 수 있다.
또한, 상기 기준값을 도출하는 단계는, 상기 획득되는 행동 데이터의 통계값에 기초하여 상기 복수의 그룹별 기준값을 도출하는 단계 및 상기 획득되는 행동 데이터의 통계값이 변화하는 경우, 이에 기초하여 상기 복수의 그룹별 기준값을 업데이트하는 단계를 더 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 일 실시 예에 따른 웹사이트별 파라미터 종류 및 기준값 도출 장치는 하나 이상의 인스트럭션을 저장하는 메모리와, 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 웹사이트별 파라미터 종류 및 기준값 도출 방법을 수행할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 일 실시 예에 따른 웹사이트별 파라미터 종류 및 기준값 도출 프로그램은 하드웨어인 컴퓨터와 결합하여, 웹사이트별 파라미터 종류 및 기준값 도출 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장될 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명은 웹사이트에 접속하는 사용자들의 행동 데이터를 분석하여 사용자들의 등급을 결정하고, 등급에 따라 사용자들을 그룹핑하여 그룹별 기준값을 도출할 수 있다.
또한, 웹사이트에서는 그룹별 기준값을 이용하여 각 사용자들에게 적합한 구매 유도를 위한 캠페인을 수행할 수 있다.
개시된 실시 예에 따르면, 서로 다른 다양한 홈페이지를 운영해야 하는 상황에서, 각각의 홈페이지의 사용자 등급을 부여하기 위한 파라미터의 종류 및 기준값을 자동으로 설정해줌으로써, 운영의 편의성을 크게 높일 수 있는 효과가 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시 예에 따른 웹사이트별 파라미터 종류 및 기준값 도출 시스템을 도시한 도면이다.
도 2는 본 발명의 실시 예에 따른 기준값 도출 장치의 하드웨어 구성도이다.
도 3은 본 발명의 실시 예에 따른 웹사이트별 파라미터 종류 및 기준값 도출 방법을 도시한 도면이다.
도 4는 본 발명의 실시 예에 따른 사용자의 등급을 결정하는 것을 나타내는 도면이다.
도 5는 본 발명의 실시 예에 따른 사용자의 등급을 결정하는 것을 나타내는 도면이다.
도 6은 본 발명의 다른 실시 예에 따른 사용자의 등급을 결정하는 것을 나타내는 도면이다.
도 7은 본 발명의 실시 예에 따른 사용자들을 그룹핑하는 것을 나타내는 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.
도 1은 본 발명의 실시 예에 따른 웹사이트별 파라미터 종류 및 기준값 도출 시스템을 도시한 도면이다.
도 1을 참조하면, 본 발명의 실시 예에 따른 웹사이트별 파라미터 종류 및 기준값 도출 시스템은 기준값 도출 장치(100), 사용자 단말(200) 및 외부 서버(300)를 포함할 수 있다.
여기서, 도 1에 도시된 웹사이트별 파라미터 종류 및 기준값 도출 시스템은 일 실시 예에 따른 것이고, 그 구성 요소가 도 1에 도시된 실시 예에 한정되는 것은 아니며, 필요에 따라 부가, 변경 또는 삭제될 수 있다.
기준값 도출 장치(100)는 사용자들이 웹사이트에 접속하여 수행하는 동작들에 대한 데이터를 수집하고, 수집된 데이터들을 속성별로 구분할 수 있다. 기준값 도출 장치(100)는 속성별로 구분된 데이터들에 대해 기 설정된 기준으로 등급을 매기고, 매겨진 등급에 따라 사용자들을 기 설정된 조건에 따라 그룹핑할 수 있다. 기준값 도출 장치(100)는 그룹별로 그룹 내 최대값, 최소값 등의 통계적 수치를 바탕으로 기준값을 도출할 수 있다.
기준값 도출 장치(100)는 그룹별 기준값을 도출함으로써 각 사용자들에게 적합한 구매 유도를 위한 캠페인을 수행할 수 있다.
사용자 단말(200)은 네트워크를 통해 웹사이트에 접속할 수 있으며, 기준값 도출 장치(100)로부터 구매 유도를 위한 캠페인을 제공받을 수 있다.
사용자 단말(200)은 사용자 단말(200)의 적어도 일부분에 디스플레이를 구비하는 스마트폰, 태블릿 PC, 데스크톱 및 노트북 중 적어도 하나를 포함할 수 있으며, 디스플레이를 통해 브라우저에 접속하고, 기준값 도출 장치(100)로부터 제공되는 맞춤형 캠페인을 제공받을 수 있다. 그러나, 이에 한정되지 않는다.
외부 서버(300)는 네트워크를 통해 기준값 도출 장치(100)와 연결될 수 있으며, 기준값 도출 장치(100)가 웹사이트별 파라미터 종류 및 기준값 도출 방법을 수행하기 위한 각종 정보를 저장 및 관리할 수 있다.
또한, 외부 서버(300)는 기준값 도출 장치(100)가 웹사이트별 파라미터 종류 및 기준값 도출 방법을 수행함에 따라 생성되는 각종 정보 및 데이터를 제공받아 저장할 수 있다. 예를 들어, 외부 서버(300)는 기준값 도출 장치(100) 외부에 별도로 구비되는 저장 서버일 수 있다. 도 2를 참조하여, 기준값 도출 장치(100)의 하드웨어 구성에 대해 설명하도록 한다.
도 2는 본 발명의 실시 예에 따른 기준값 도출 장치의 하드웨어 구성도이다.
도 2를 참조하면, 본 발명의 실시 예에 따른 기준값 도출 장치(100)(이하, 컴퓨팅 장치)는 하나 이상의 프로세서(110), 프로세서(110)에 의하여 수행되는 컴퓨터 프로그램(151)을 로드(Load)하는 메모리(120), 버스(130), 통신 인터페이스(140) 및 컴퓨터 프로그램(151)을 저장하는 스토리지(150)를 포함할 수 있다. 여기서, 도 2에는 본 발명의 실시예와 관련 있는 구성요소들만 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 2에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다.
프로세서(110)는 컴퓨팅 장치(100)의 각 구성의 전반적인 동작을 제어한다. 프로세서(110)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다.
또한, 프로세서(110)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있으며, 컴퓨팅 장치(100)는 하나 이상의 프로세서를 구비할 수 있다.
다양한 실시예에서, 프로세서(110)는 프로세서(110) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(110)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(120)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(120)는 본 발명의 다양한 실시예에 따른 방법/동작을 실행하기 위하여 스토리지(150)로부터 컴퓨터 프로그램(151)을 로드할 수 있다. 메모리(120)에 컴퓨터 프로그램(151)이 로드되면, 프로세서(110)는 컴퓨터 프로그램(151)을 구성하는 하나 이상의 인스트럭션들을 실행함으로써 상기 방법/동작을 수행할 수 있다. 메모리(120)는 RAM과 같은 휘발성 메모리로 구현될 수 있을 것이나, 본 개시의 기술적 범위가 이에 한정되는 것은 아니다.
버스(130)는 컴퓨팅 장치(100)의 구성 요소 간 통신 기능을 제공한다. 버스(130)는 주소 버스(address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.
통신 인터페이스(140)는 컴퓨팅 장치(100)의 유무선 인터넷 통신을 지원한다. 또한, 통신 인터페이스(140)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 통신 인터페이스(140)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다. 몇몇 실시예에서, 통신 인터페이스(140)는 생략될 수도 있다.
스토리지(150)는 컴퓨터 프로그램(151)을 비 임시적으로 저장할 수 있다. 컴퓨팅 장치(100)를 통해 웹사이트별 파라미터 종류 및 기준값 도출 방법을 수행하는 경우, 스토리지(150)는 웹사이트별 파라미터 종류 및 기준값 도출 방법을 제공하기 위하여 필요한 각종 정보를 저장할 수 있다.
스토리지(150)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.
컴퓨터 프로그램(151)은 메모리(120)에 로드될 때 프로세서(110)로 하여금 본 발명의 다양한 실시예에 따른 방법/동작을 수행하도록 하는 하나 이상의 인스트럭션들을 포함할 수 있다. 즉, 프로세서(110)는 상기 하나 이상의 인스트럭션들을 실행함으로써, 본 발명의 다양한 실시예에 따른 상기 방법/동작을 수행할 수 있다.
일 실시예에서, 컴퓨터 프로그램(151)은 사용자들이 웹사이트에 접속하여 수행하는 행동 데이터를 획득하는 단계와, 행동 데이터의 각 속성별로 사용자들 각각의 등급을 결정하는 단계와, 각 속성별 등급을 기초로 사용자들을 기 설정된 조건에 따라 그룹핑하는 단계와, 그룹별로 기준값을 도출하는 단계를 포함하는 웹사이트별 파라미터 종류 및 기준값 도출 방법을 수행하도록 하는 하나 이상의 인스트럭션을 포함할 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 이하, 도 3을 참조하여, 컴퓨팅 장치(100)가 제공하는 웹사이트별 파라미터 종류 및 기준값 도출 방법에 대해 설명하도록 한다.
도 3은 본 발명의 실시 예에 따른 웹사이트별 파라미터 종류 및 기준값 도출 방법을 도시한 도면이다.
도 3을 참조하면, 컴퓨팅 장치(100)는 사용자들이 웹사이트에 접속하여 수행하는 행동 데이터를 획득할 수 있다(S100).
예를 들어, 컴퓨팅 장치(100)는 웹사이트에 대한 사용자의 클릭스트림(Clickstream: 사용자가 웹 브라우저 상에서 마우스 클릭으로 이루어지는 행동에 대한 기록)정보를 획득할 수 있으나, 이에 제한되는 것은 아니다.
컴퓨팅 장치(100)는 사용자들이 웹사이트에 방문한 빈도, 웹사이트 내 체류시간, 웹사이트에 방문 후, 다음 방문까지 소요된 시간, 가장 최근에 방문한 시간, 웹사이트에서 제품을 구매한 빈도, 제품을 구매한 금액, 웹사이트에서 제품을 구매한 후, 다음 구매 시까지 소요된 시간, 가장 최근에 제품을 구매한 시간 등의 행동 데이터를 획득할 수 있다. 컴퓨팅 장치(100)가 획득하는 행동 데이터는 웹사이트의 종류에 따라 상이할 수 있다.
예를 들어, 전자상거래 웹사이트의 경우 매출 증대를 목표로 하며, 구매 행동 유도를 위해 아래와 같은 변수들과 파라미터 설정값으로 사용자 행동을 분류하고, 이에 따른 캠페인 수행여부 등을 결정할 수 있다.
R: Recency of Purchase(구매의 최근성)
F: Frequency of Purchase(구매빈도)
M: Monetary Value of Purchase(구매금액)
또한, 사용자의 상호작용 정도가 중요한 브랜딩 중심의 웹사이트의 경우 아래의 대표적인 변수들을 활용할 수 있다.
R: Recency of Session(방문의 최근성)
F: Frequency of Session(방문빈도)
D: Duration of Session(세션의 웹사이트 내 체류시간)
또한, 세션의 웹사이트 내 체류시간 대신 사용자의 웹사이트 내 상호작용 정도를 나타낼 수 있는 변수를 정의하여 사용하는 것 또한 가능하다.
E: Engagement Value of Session(세션의 상호작용 가치)
이와 같은 변수들은 사용자를 분류할 수 있는 대표적인 변수 조합으로, 사용자의 행동을 나타내는 변수와 파라미터값들을 설정하여 캠페인 수행여부를 결정할 수 있다. 예를 들어, 상품을 3회 이상 조회할 경우 해당 상품에 대한 캠페인을 수행할 것을 결정할 수 있다.
이와 같은 파라미터의 종류는 웹사이트의 유형별로 기 설정될 수 있으나, 실시 예에 따라 컴퓨팅 장치(100)는 웹사이트의 속성 및 사용자의 행동 정보에 기초하여 수집해야 할 파라미터의 종류를 자동으로 결정할 수도 있다.
예를 들어, 컴퓨팅 장치(100)는 웹사이트에 포함된 키워드나 메뉴의 종류를 분석하여, 해당 웹사이트에서 물건을 판매하는지 여부를 판단할 수 있다. 또한, 물건을 판매하는 경우에도 판매되는 물건의 종류나 개수를 판단하여, 해당 홈페이지가 전자상거래를 주요한 목적으로 하는지 여부를 결정할 수 있다.
또한, 컴퓨팅 장치(100)는 사용자의 행동 기록을 분석하여, 사용자가 로그인하거나 특정 콘텐츠를 열람하는 행위 혹은 직접 글을 남기는 행위의 존재여부 및 빈도를 분석할 수 있고, 또한 해당 웹사이트 내에서 사용자가 물건을 구매하거나 결제행위를 수행하는지 여부 및 그 빈도를 분석할 수 있다. 이를 통해, 컴퓨팅 장치(100)는 해당 웹사이트가 전자상거래 사이트인지, 혹은 브랜딩 사이트인지 여부를 판단할 수 있다. 컴퓨팅 장치(100)는 이를 통해 해당 웹사이트에서 이용될 파라미터의 종류를 결정할 수 있다.
실시 예에 따라서, 웹사이트는 복수의 속성을 가지고 있을 수 있다. 예를 들어, 최근에는 라이브커머스나 SNS 쇼핑처럼 브랜딩 및 상호작용과 제품 판매가 모두 중요한 융합형 웹사이트가 다수 등장하고 있다. 이 경우, 컴퓨팅 장치(100)는 해당 웹사이트에 적용하여야 할 파라미터를 복합적으로 적용하되, 웹사이트의 속성에 따라 각 파라미터에 대한 가중치를 결정할 수 있다.
예를 들어, 해당 웹사이트에서 제품 구매보다 상호작용의 빈도가 더 높을 경우, 상호작용(브랜딩) 관련 파라미터에 더 높은 가중치를 부여할 수 있다. 다른 예로, 사용자의 입력에 따라 가중치가 달리 설정될 수 있다. 예를 들어, 상호작용의 빈도가 제품 구매보다 높지만, 사용자(관리자)는 제품 구매빈도를 높이고자 할 수 있다. 이 경우, 사용자로부터 제품 구매빈도를 높이는 모드의 설정을 요청받으면, 컴퓨팅 장치(100)는 제품 구매 관련 파라미터에 더 높은 가중치를 부여할 수 있다.
컴퓨팅 장치(100)는 행동 데이터의 각 속성별로 사용자들 각각의 등급을 결정할 수 있다(S200). 컴퓨팅 장치(100)는 획득된 행동 데이터들을 각 속성별로 구분할 수 있고, 각 속성별로 사용자들의 등급을 결정하고, 각 속성별로 결정된 등급들을 조합하여 사용자의 최종 등급을 결정할 수 있다.
개시된 실시 예에서, 컴퓨팅 장치(100)는 기 설정된 값에 기반하여 등급을 결정할 수 있으나, 파라미터별로 사용자의 등급을 나누기 위한 적절한 기준값은 서로 상이할 수 있다. 또한, 같은 파라미터라 할지라도 웹사이트의 속성에 따라 사용자의 등급을 나누기 위한 적절한 기준값은 서로 상이할 수 있다.
예를 들어, 특정 웹사이트의 경우 제품을 구매하기까지 평균 5번의 조회가 발생하는데, 다른 웹사이트의 경우 제품을 구매하기까지 평균 3번의 조회가 발생할 수 있다. 이 경우, 각 웹사이트별로 제품 구매가능성이 높은 사용자를 판단하는 조회수는 상이할 것이다. 이하에서는, 이러한 개념에 기반하여 웹사이트별로 각 파라미터에 대한 등급 기준값을 결정하는 방법에 대하여 구체적으로 설명한다.
컴퓨팅 장치(100)는 속성별 행동 데이터별로 기 설정된 순서에 따라 사용자들을 나열할 수 있다. 예컨대, 컴퓨팅 장치(100)는 웹사이트에서 제품을 구매한 빈도에 대해 빈도수가 많은 사용자의 순서대로 사용자들을 나열할 수 있다. 또한, 컴퓨팅 장치(100)는 웹사이트에서 제품을 구매한 금액에 대해 금액이 높은 사용자의 순서대로 사용자들을 나열할 수 있다. 그러나, 이에 한정되지 않고, 빈도수가 낮은 사용자의 순서대로 나열하거나, 금액이 낮은 순서대로 사용자들을 나열할 수도 있다.
도 4는 본 발명의 실시 예에 따른 사용자의 등급을 결정하는 것을 나타내는 도면이다.
도 4를 참조하면, 본 발명의 제1실시 예에 따르면, 컴퓨팅 장치(100)는 행동 데이터 값마다 결정되어 있는 등급으로 사용자의 등급을 결정할 수 있다. 이때, 행동 데이터의 속성별로 행동 데이터의 값마다 결정되어 있는 등급은 상이할 수 있다.
예컨대, 컴퓨팅 장치(100)는 제품을 구매한 빈도수가 10회인 사용자의 경우 1등급을 부여하고, 제품을 구매한 빈도수가 9회인 사용자의 경우 2등급을 부여하고, 제품을 구매한 빈도수가 8회인 사용자의 경우 3등급을 부여할 수 있다. 그러나, 빈도수와, 빈도수에 따른 등급은 이에 한정되는 것이 아니라, 웹사이트의 설정 또는 사용자의 설정에 따라 변경될 수 있다.
또한, 컴퓨팅 장치(100)는 제품을 구매한 금액이 10만원인 사용자의 경우 1등급을 부여하고, 제품을 구매한 금액이 9만원인 사용자의 경우 2등급을 부여하고, 제품을 구매한 금액이 8만원인 사용자의 경우 3등급을 부여할 수 있다. 그러나, 금액과, 금액에 따른 등급은 이에 한정되는 것이 아니라, 웹사이트의 설정 또는 사용자의 설정에 따라 변경될 수 있다.
상기 기재한 바와 같이, 컴퓨팅 장치(100)는 행동 데이터의 값에 따라 사용자의 등급을 결정할 수 있으며, 등급은 복수의 행동 데이터의 값에 따라 정의될 수도 있다. 즉, 컴퓨팅 장치(100)는 제품을 구매한 금액이 10만원, 9만원, 8만원인 사용자에 대해 1등급을 부여할 수도 있다.
본 발명의 제2실시 예에 따르면, 컴퓨팅 장치(100)는 행동 데이터 값의 범위에 따라 결정되어 있는 등급으로 사용자의 등급을 결정할 수 있다. 이때, 행동 데이터의 속성별로 행동 데이터 값의 범위 및 범위에 따라 결정되어 있는 등급은 상이할 수 있다.
예컨대, 컴퓨팅 장치(100)는 제품을 구매한 빈도수가 16회 내지 20회인 사용자의 경우 1등급을 부여하고, 제품을 구매한 빈도수가 11회 내지 15회인 사용자의 경우 2등급을 부여하고, 제품을 구매한 빈도수가 6회 내지 10회인 사용자의 경우 3등급을 부여할 수 있다. 그러나, 빈도수 범위와, 빈도수 범위에 따른 등급은 이에 한정되는 것이 아니라, 웹사이트의 설정 또는 사용자의 설정에 따라 변경될 수 있다.
또한, 컴퓨팅 장치(100)는 제품을 구매한 금액이 16만원 내지 20만원인 사용자의 경우 1등급을 부여하고, 제품을 구매한 금액이 11만원 내지 15만원인 사용자의 경우 2등급을 부여하고, 제품을 구매한 금액이 6만원 내지 10만원인 사용자의 경우 3등급을 부여할 수 있다. 그러나, 금액 범위와, 금액 범위에 따른 등급은 이에 한정되는 것이 아니라, 웹사이트의 설정 또는 사용자의 설정에 따라 변경될 수 있다.
상기 기재한 바와 같이, 컴퓨팅 장치(100)는 행동 데이터 값의 범위에 따라 사용자의 등급을 결정할 수 있다.
도 5는 본 발명의 실시 예에 따른 사용자의 등급을 결정하는 것을 나타내는 도면이다.
도 5를 참조하면, 본 발명의 제3실시 예에 따르면, 컴퓨팅 장치(100)는 사용자의 수에 따라 결정되어 있는 등급으로 사용자의 등급을 결정할 수 있다. 이때, 행동 데이터의 속성별로 사용자의 수 및 사용자의 수에 따라 결정되어 있는 등급은 상이할 수 있다. 컴퓨팅 장치(100)는 나열된 사용자들에 대해 기 설정된 사용자의 수에 따라 순차적으로 등급을 결정할 수 있다.
예컨대, 컴퓨팅 장치(100)는 제품을 구매한 빈도수가 가장 높은 사용자 10명(사용자 A 내지 J)에 대해 1등급을 부여하고, 상기 10명을 제외하고, 제품을 구매한 빈도수가 높은 사용자 100명에 대해 2등급을 부여하고, 상기 100명을 제외하고, 제품을 구매한 빈도수가 높은 사용자 200명에 대해 3등급을 부여할 수 있다. 그러나, 사용자 수와, 사용자 수에 따른 등급은 이에 한정되는 것이 아니라, 웹사이트의 설정 또는 사용자의 설정에 따라 변경될 수 있다.
컴퓨팅 장치(100)는 제품을 구매한 빈도수가 높은 순서대로 사용자들을 나열할 수 있고, 상위 사용자(사용자 A)부터 순차적으로 등급을 결정할 수 있다. 예컨대, 상위 사용자부터 순차적으로 10명의 사용자에게 1등급을 부여하고, 그 다음 사용자, 즉 11번째 사용자부터 순차적으로 2등급을 부여할 수 있다.
상기 기재한 바와 같이, 컴퓨팅 장치(100)는 사용자의 수에 따라 사용자의 등급을 결정할 수 있다.
본 발명의 제4실시 예에 따르면, 컴퓨팅 장치(100)는 사용자의 수에 대한 백분율 범위에 따라 결정되어 있는 등급으로 사용자의 등급을 결정할 수 있다. 이때, 행동 데이터의 속성별로 사용자 수에 대한 백분율 범위 및 백분율 범위에 따라 결정되어 있는 등급은 상이할 수 있다. 컴퓨팅 장치(100)는 나열된 사용자들에 대해 기 설정된 백분율 범위에 따른 사용자 수에 따라 순차적으로 등급을 결정할 수 있다.
예컨대, 컴퓨팅 장치(100)는 전체 사용자의 상위 10%에 해당하는 사용자들에 대해 1등급을 부여하고, 전체 사용자의 상위 10% 내지 30%에 해당하는 사용자들에 대해 2등급을 부여하고, 상위 30% 내지 60%에 해당하는 사용자들에 대해 3등급을 부여할 수 있다. 그러나, 사용자 수의 백분율 범위와, 백분율 범위에 따른 등급은 이에 한정되는 것이 아니라, 웹사이트의 설정 또는 사용자의 설정에 따라 변경될 수 있다.
또한, 컴퓨팅 장치(100)는 행동 데이터가 큰 순서, 최신인 순서대로 사용자들을 나열할 수 있고, 상위 사용자부터 순차적으로 등급을 부여할 수 있다. 그러나, 이에 한정되는 것은 아니다.
도 6은 본 발명의 다른 실시 예에 따른 사용자의 등급을 결정하는 것을 나타내는 도면이다.
도 6을 참조하면, 컴퓨팅 장치(100)는 행동 데이터의 속성별로 평균값을 산출할 수 있다. 예컨대, 컴퓨팅 장치(100)는 제품을 구매한 금액에 대한 평균값을 산출할 수 있다.
컴퓨팅 장치(100)는 산출된 평균값 미만인 행동 데이터를 가지는 사용자에 대해 가장 낮은 등급(N등급)을 부여할 수 있다. 예컨대, 컴퓨팅 장치(100)는 평균값 미만인 사용자(사용자 H, I, J)에 가장 낮은 등급(N-1)을 부여할 수 있다.
또한, 컴퓨팅 장치(100)는 등급이 부여된 사용자(사용자 H, I, J)의 행동 데이터를 제외하고, 나머지 행동 데이터의 속성별 평균값을 산출하고, 평균값 미만인 행동 데이터를 가지는 사용자에 대해 그 다음으로 낮은 등급을 부여할 수 있다.
예컨대, 컴퓨팅 장치(100)는 N등급이 부여된 사용자들을 제외하고, 나머지 사용자들(사용자 A 내지 G)의 행동 데이터의 평균값을 산출할 수 있고, 산출된 평균값 미만인 행동 데이터를 가지는 사용자에 대해 그 다음으로 낮은 등급(N-1)을 부여할 수 있다.
컴퓨팅 장치(100)는 이러한 과정을 반복하여 전체 사용자에 대해 등급을 부여할 수 있으며, 2등급까지 부여된 상태에서, 남은 사용자들에 대해서는 더 이상 평균값을 산출하지 않고 1등급을 부여할 수 있다.
한편, 평균값을 산출하고, 평균값 미만 또는 이상인 사용자들에 대해 특정 등급을 부여하는 것으로 기재하였으나, 이에 한정되지 않고, 행동 데이터의 중앙값을 기초로 하여 등급을 부여할 수도 있다. 즉, 컴퓨팅 장치(100)는 행동 데이터의 중앙값을 추출하고, 중앙값 미만인 행동 데이터를 가지는 사용자들에게 가장 낮은 등급을 부여할 수 있고, 등급이 부여된 사용자들을 제외하고, 나머지 행동 데이터의 중앙값을 다시 추출하고, 중앙값 미만인 행동 데이터를 가지는 사용자들에게 그 다음으로 낮은 등급을 부여할 수 있다. 여기서, 중앙값은 행동 데이터들 중 최대값과 최소값의 중앙에 위치하는 값일 수 있고, 전체 사용자들의 수에서 절반의 위치에 해당하는 사용자의 행동 데이터 값일 수도 있다.
예컨대, 행동 데이터의 최대값이 1000이고, 최소값이 1인 경우, 컴퓨팅 장치(100)는 500을 중앙값으로 추출하고, 500미만의 행동 데이터를 가지는 사용자들에게 등급을 부여할 수 있다. 또한, 전체 사용자 수가 1000명이고, 전체 사용자의 행동 데이터를 기 설정된 순서에 따라 나열한 상태에서 컴퓨팅 장치(100)는 500번째에 해당하는 사용자의 행동 데이터를 중앙값으로 추출하고, 중앙값 미만의 행동 데이터를 가지는 사용자들에게 등급을 부여할 수 있다.
다시, 도 3을 참조하면, 컴퓨팅 장치(100)는 각 속성별 등급을 기초로 사용자들을 기 설정된 조건에 따라 그룹핑할 수 있다(S300). 컴퓨팅 장치(100)는 사용자의 행동 데이터에 따라 사용자들을 그룹핑함으로써, 그룹별로 적합한 구매 유도를 위한 캠페인을 제공할 수 있다. 예컨대, 컴퓨팅 장치(100)는 구매 유도가 필요한 사용자 그룹으로 사용자들을 그룹핑하고, 해당 그룹에 포함된 사용자들에게 할인 티켓을 발행하는 등의 캠페인을 제공할 수 있다.
도 7은 본 발명의 실시 예에 따른 사용자들을 그룹핑하는 것을 나타내는 도면이다.
도 7을 참조하면, 본 발명의 제1실시 예에 따르면, 컴퓨팅 장치(100)는 속성별 등급이 지정된 그룹을 생성할 수 있다. 예컨대, 컴퓨팅 장치(100)는 제품을 구매한 빈도에 대한 등급이 1등급이고, 제품을 구매한 금액에 대한 등급이 1등급이고, 제품을 구매한 후, 다음 구매 시까지 소요된 시간이 1등급인 제1그룹(G1)을 생성할 수 있다. 또한, 컴퓨팅 장치(100)는 제품을 구매한 빈도에 대한 등급이 1등급이고, 제품을 구매한 금액에 대한 등급이 1등급이고, 제품을 구매한 후, 다음 구매 시까지 소요된 시간이 3등급인 제2그룹(G2)을 생성할 수 있다. 또한, 컴퓨팅 장치(100)는 제품을 구매한 빈도에 대한 등급이 5등급이고, 제품을 구매한 금액에 대한 등급이 5등급이고, 제품을 구매한 후, 다음 구매 시까지 소요된 시간이 5등급인 제3그룹(G3)을 생성할 수 있다.
상기에서는 제1그룹(G1), 제2그룹(G2) 및 제3그룹(G3)에 대한 예시만 기재하였으나, 속성별 등급에 따라 그룹핑될 수 있는 모든 경우의 수로 그룹을 생성할 수 있다.
컴퓨팅 장치(100)는 사용자들의 각 속성별 등급에 해당하는 그룹에 해당 사용자를 할당할 수 있다. 예컨대, 제1사용자(A)가 제품을 구매한 빈도에 대한 등급이 1등급이고, 제품을 구매한 금액에 대한 등급이 1등급이고, 제품을 구매한 후, 다음 구매 시까지 소요된 시간이 1등급일 수 있다. 이에, 컴퓨팅 장치(100)는 제1사용자(A)를 제1그룹(G1)에 할당할 수 있다. 또한, 제2사용자(B)가 제품을 구매한 빈도에 대한 등급이 5등급이고, 제품을 구매한 금액에 대한 등급이 5등급이고, 제품을 구매한 후, 다음 구매 시까지 소요된 시간이 5등급일 수 있다. 이에, 컴퓨팅 장치(100)는 제2사용자(B)를 제3그룹(G3)에 할당할 수 있다.
상기 기재한 바와 같이, 컴퓨팅 장치(100)는 속성별 등급이 지정된 그룹에 지정된 등급에 해당하는 사용자를 할당함으로써 사용자들을 그룹핑할 수 있으며, 하나의 그룹에는 복수의 등급이 지정될 수도 있다. 즉, 제1그룹(G1)은 제품을 구매한 빈도에 대한 등급이 1등급 내지 2등급이고, 제품을 구매한 금액에 대한 등급이 1등급 내지 2등급이고, 제품을 구매한 후, 다음 구매 시까지 소요된 시간이 1등급 내지 2등급인 것으로 지정될 수 있다.
본 발명의 제2실시 예에 따르면, 컴퓨팅 장치(100)는 속성별 등급의 평균값이 지정된 그룹을 생성할 수 있다. 예컨대, 컴퓨팅 장치(100)는 평균값이 10인 제1그룹(G1)을 생성하고, 평균값이 9인 제2그룹(G2)을 생성하고, 평균값이 8인 제3그룹(G3)을 생성할 수 있다.
상기에서는 제1그룹(G1), 제2그룹(G2) 및 제3그룹(G3)에 대한 예시만 기재하였으나, 속성별 등급의 평균값으로 계산될 수 있는 모든 경우의 수로 그룹을 생성할 수 있다.
컴퓨팅 장치(100)는 사용자들의 각 속성별 등급을, 등급에 따른 점수로 전환하여 평균값을 산출할 수 있다. 즉, 1등급은 10점, 2등급은 9점, 3등급은 8점으로 등급에 따른 점수가 기 설정되어 있을 수 있고, 컴퓨팅 장치(100)는 각 사용자들의 속성별 등급을 각각 점수로 전환하여 평균값을 산출할 수 있다. 여기서, 각 등급에 따른 점수는 이에 한정되는 것이 아니라, 웹사이트의 설정 또는 사용자의 설정에 따라 변경될 수 있다.
컴퓨팅 장치(100)는 산출된 평균값에 해당하는 그룹에 해당 사용자를 할당할 수 있다. 예컨대, 제3사용자(C)가 제품을 구매한 빈도에 대한 등급이 1등급이고, 제품을 구매한 금액에 대한 등급이 2등급이고, 제품을 구매한 후, 다음 구매 시까지 소요된 시간이 3등급인 경우, 컴퓨팅 장치(100)는 각 속성별 등급에 따라 점수를 각각 10점, 9점, 8점으로 전환할 수 있고, 전환된 점수에 대한 평균값을 산출할 수 있다. 이에, 컴퓨팅 장치(100)는 제3사용자를 제2그룹(G2)에 할당할 수 있다.
상기 기재한 바와 같이, 컴퓨팅 장치(100)는 속성별 등급의 평균값이 지정된 그룹에 해당하는 사용자를 할당함으로써 사용자들을 그룹핑할 수 있으며, 하나의 그룹에는 복수의 평균값이 지정될 수도 있다. 즉, 제1그룹(G1)은 등급의 평균값이 8점 내지 10점인 것으로 지정될 수 있다.
본 발명의 제3실시 예에 따르면, 컴퓨팅 장치(100)는 속성별 등급의 합산 점수가 지정된 그룹을 생성할 수 있다. 예컨대, 컴퓨팅 장치(100)는 합산 점수가 30인 제1그룹(G1)을 생성하고, 합산 점수가 28인 제2그룹(G2)을 생성하고, 합산 점수가 26인 제3그룹(G3)을 생성할 수 있다.
상기에서는 제1그룹(G1), 제2그룹(G2) 및 제3그룹(G3)에 대한 예시만 기재하였으나, 속성별 등급의 합산 점수로 계산될 수 있는 모든 경우의 수로 그룹을 생성할 수 있다.
컴퓨팅 장치(100)는 사용자들의 각 속성별 등급을, 속성에 따라 기 설정된 가중치에 따라 점수로 전환할 수 있다. 컴퓨팅 장치(100)는 구매 유도 캠페인에 따라 속성별 가중치를 다르게 설정할 수 있다. 예컨대, 웹사이트에 자주 방문하는 사용자에 대해 상품을 주려는 캠페인을 진행 시, 웹사이트에 방문한 빈도에 대한 가중치를 증가시키고, 웹사이트 내 체류시간에 대한 가중치는 감소시킬 수 있다. 즉, 각 속성별로 가중치가 달라짐에 따라 동일한 1등급이더라도 전환된 점수는 상이할 수 있다.
컴퓨팅 장치(100)는 설정된 가중치에 따라 속성별 등급을 점수로 전환하고, 전환된 점수들을 합산할 수 있다. 컴퓨팅 장치(100)는 산출된 합산 점수에 해당하는 그룹에 해당 사용자를 할당할 수 있다. 예컨대, 제1사용자(A)의 합산 점수가 30인 경우 컴퓨팅 장치(100)는 제1사용자(A)를 제1그룹에 할당할 수 있다.
상기 기재한 바와 같이, 컴퓨팅 장치(100)는 가중치에 따른 속성별 등급의 합산 점수가 지정된 그룹에 해당하는 사용자를 할당함으로써 사용자들을 그룹핑할 수 있으며, 하나의 그룹에는 복수의 합산 점수가 지정될 수도 있다. 즉, 제1그룹(G1)은 등급의 합산 점수가 25점 내지 30점인 것으로 지정될 수 있다.
다시 도 3을 참조하면, 컴퓨팅 장치(100)는 그룹별로 기준값을 도출할 수 있다(S400). 컴퓨팅 장치(100)는 그룹별로 그룹 내 최대값, 최소값 등의 통계적 수치를 바탕으로 기준값을 도출할 수 있다. 컴퓨팅 장치(100)는 그룹별 기준값을 도출함으로써 각 사용자들에게 적합한 구매 유도를 위한 캠페인을 수행할 수 있다.
다양한 실시 예에서, 컴퓨팅 장치(100)는 웹사이트별로 각 파라미터의 중요도를 결정할 수 있다. 예를 들어, 파라미터의 종류는 조회수, 체류시간, 스크롤 길이, 클릭 횟수, 페이지 이동 횟수, 회원 가입, 구독, 제품 구매 정보 등을 포함할 수 있으나, 이에 제한되는 것은 아니다. 컴퓨팅 장치(100)는 각 웹사이트의 속성에 따라 각 파라미터의 중요도를 결정할 수 있다. 컴퓨팅 장치(100)는 각 웹사이트의 속성(예: 온라인 쇼핑몰, 포털 사이트, 브랜딩 페이지 등)에 따라 사용할 파라미터의 종류 및 각 파라미터의 중요도를 설정하고, 중요도에 따라 각 파라미터의 우선순위 및 가중치를 설정할 수 있다.
컴퓨팅 장치(100)는 해당 웹사이트를 방문하는 사용자들에 대한 정보를 수집하고, 수집된 정보들의 파라미터 각각의 중요도를 고려하여 사용자를 복수의 그룹으로 그룹핑할 수 있다. 사용자를 복수의 그룹으로 나누는 방법은, 각각의 수집된 정보에 기초하여 사용자의 파라미터별 등급이나 점수를 산출하고, 파라미터별로 산출된 등급이나 점수에, 각 파라미터별 중요도에 따른 가중치를 반영하여 해당 사용자에 대한 최종적인 등급이나 점수를 산출할 수 있다. 다른 예로, 사용자의 각 파라미터별 값에 각 파라미터별 중요도에 따른 가중치를 적용한 뒤 클러스터링을 수행할 수도 있다.
다양한 실시 예에서, 컴퓨팅 장치(100)는 각 파라미터별 중요도를 획득하기 위하여 수집되는 정보들을 분석할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 구매빈도 혹은 구매금액이 높은 사용자의 파라미터와, 구매빈도 혹은 구매금액이 낮은 사용자의 파라미터를 비교할 수 있다. 비교 결과 서로 차이가 적은 파라미터의 경우 중요도가 낮은 파라미터이고, 서로 차이가 높은 파라미터의 경우 중요도가 높은 파라미터일 수 있다. 이러한 방법을 이용하여, 컴퓨팅 장치(100)는 각 파라미터의 중요도 및 중요도에 따른 각 파라미터의 등급 구분을 위한 사용여부를 결정할 수 있다.
다양한 실시 예에서, 컴퓨팅 장치(100)는 각 파라미터별 등급을 산출하기 위한 기준을 획득할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 각 파라미터별 통계값에 기초한 상대평가를 통해 등급을 구분하기 위한 기준값을 획득할 수 있으며, 이 기준값은 일정 주기에 따라 업데이트될 수 있다.
또한, 컴퓨팅 장치(100)는 각 사용자의 그룹핑 결과에 따라, 각 사용자를 더 높은 그룹으로 유도하기 위한 데이터를 획득할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 각 사용자의 등급에 따라, 해당 사용자가 다음 등급으로 이동하기 위해 필요한 각 파라미터별 기준값에 대한 정보를 획득할 수 있다. 예를 들어, 제1 파라미터에 대해 다음 등급으로 올라가기 위한 기준값을 획득하고, 사용자의 제1 파라미터 값과 다음 등급으로 올라가기 위한 기준값 사이의 차를 획득하여 사용자로 하여금 해당 행동을 수행하도록 유도할 수 있다. 또한, 사용자에게 이에 따른 보상에 대한 정보를 제공하여, 사용자가 해당 행동을 수행하도록 할 수 있다.
다양한 실시 예에서, 컴퓨팅 장치(100)는 복수의 파라미터에 기반하여 사용자에 대한 그룹핑을 수행할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 복수의 파라미터 값에 기반하여 사용자를 복수의 그룹으로 클러스터링할 수 있다.
컴퓨팅 장치(100)는 각각의 클러스터의 속성을 분석할 수 있으며, 예를 들어 제1 그룹(클러스터)의 경우 구매 유도가 필요한 사용자 그룹으로, 제2 그룹의 경우 현재 구매상태를 유지해야 할 사용자 그룹으로, 제3 그룹의 경우 추가 구매를 유도해야 할 사용자 그룹으로 분류할 수 있으나, 이에 제한되는 것은 아니다.
컴퓨팅 장치(100)는 사용자에 대한 그룹핑 결과에 따라, 각 그룹에 대한 보상 지급 혹은 추가 행동 유도를 수행할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 제1 그룹에 속하는 사용자에게 포인트 등 보상을 지급할 수 있다. 또한, 컴퓨팅 장치(100)는 제3 그룹에 속하는 사용자에게 제2 그룹 혹은 제1 그룹에 속하기 위해 필요한 행동 및 해당 그룹으로 속할 경우 지급되는 보상에 대한 정보를 제공할 수 있다.
이러한 행동 유도의 경우, 사용자가 기 설정된 목표를 수행하기 위하여 필요한 기준과의 비교를 통해 수행될 수 있다. 예를 들어, 특정 온라인 쇼핑몰에서 통계적으로 제품을 5회 조회한 뒤 구매가 발생한다는 정보가 있을 경우, 그리고 특정 사용자가 제품을 3회 조회한 기록이 있을 경우, 해당 사용자에게 제품을 2회 더 조회할 시 보상을 지급하겠다는 정보를 제공할 수 있으나, 이에 제한되는 것은 아니다. 이와 같이, 컴퓨팅 장치(100)는 웹사이트에 기 설정된 목표를 수행하기 위하여 필요한 행동을 사용자가 수행하도록 유도하고, 이에 따른 보상을 지급하는 형태로 동작할 수 있다. 이러한 목표는 웹사이트별로 상이하게 설정될 수 있으며, 또한 사용자의 행동 기록에 따라 가변적으로 설정될 수 있다. 예를 들어, 평균 5회 조회 후 상품구매가 일어나던 웹사이트에서 평균 4회 조회 후 상품구매가 발생하는 것으로 통계가 변화하는 경우, 해당 웹사이트의 목표 또한 상이하게 설정될 수 있다.
실시 예에 따라서, 컴퓨팅 장치(100)는 웹사이트의 설정이나 마케팅, 보상정책의 변화에 따른 반응에 대한 정보를 획득할 수 있다. 예를 들어, 제3 그룹에 속한 사용자에게 행동 유도에 따라 지급되는 보상이 상이해진 경우, 이에 따른 사용자의 행동 유도가 성공할 확률 혹은 각 그룹별 사용자의 수 변화 등에 대한 정보를 획득할 수 있다. 이를 통해, 컴퓨팅 장치(100)는 보상의 변경에 따른 효과를 분석하여 제공할 수 있고, 사용자에게 최적의 보상 설정에 대한 정보를 제공할 수 있다.
전술한 바와 같이, 본 발명의 실시 예에 따르면 웹사이트에 접속하는 사용자들의 행동 데이터를 분석하여 사용자들의 등급을 결정하고, 등급에 따라 사용자들을 그룹핑하여 그룹별 기준값을 도출하는 웹사이트별 파라미터 종류 및 기준값 도출 방법 및 장치를 실현할 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

Claims (12)

  1. 컴퓨팅 장치에 의해 수행되는 방법에 있어서,
    사용자들이 웹사이트에 접속하여 수행하는 행동 데이터를 획득하는 단계;
    상기 행동 데이터의 각 속성별로 사용자들 각각의 등급을 결정하는 단계;
    각 속성별 등급을 기초로 사용자들을 기 설정된 조건에 따라 복수의 그룹으로 그룹핑하는 단계; 및
    상기 복수의 그룹별 기준값을 도출하는 단계; 를 포함하는, 웹사이트별 파라미터 종류 및 기준값 도출 방법.
  2. 제1항에 있어서,
    상기 사용자들 각각의 등급을 결정하는 단계는,
    상기 행동 데이터의 값마다 결정되어 있는 등급으로 사용자의 등급을 결정하거나, 상기 행동 데이터 값의 범위에 따라 결정되어 있는 등급으로 사용자의 등급을 결정하되, 상기 행동 데이터의 속성별로 각각 등급을 결정하는 단계; 를 포함하는, 웹사이트별 파라미터 종류 및 기준값 도출 방법.
  3. 제1항에 있어서,
    상기 사용자들 각각의 등급을 결정하는 단계는,
    속성별 행동 데이터별로 기 설정된 순서에 따라 사용자들을 나열하는 단계; 및
    사용자의 수에 따라 결정되어 있는 등급으로 사용자의 등급을 결정하되, 나열된 사용자들에 대해 순차적으로 등급을 결정하는 단계; 를 포함하는, 웹사이트별 파라미터 종류 및 기준값 도출 방법.
  4. 제1항에 있어서,
    상기 사용자들 각각의 등급을 결정하는 단계는,
    속성별 행동 데이터별로 기 설정된 순서에 따라 사용자들을 나열하는 단계; 및
    사용자의 수에 대한 백분율 범위에 따라 결정되어 있는 등급으로 사용자의 등급을 결정하되, 나열된 사용자들에 대해 순차적으로 등급을 결정하는 단계; 를 포함하는, 웹사이트별 파라미터 종류 및 기준값 도출 방법.
  5. 제1항에 있어서,
    상기 사용자들 각각의 등급을 결정하는 단계는,
    행동 데이터의 속성별 평균값을 산출하는 단계;
    산출된 평균값 미만인 행동 데이터를 가지는 사용자에 대해 가장 낮은 등급을 부여하는 단계;
    등급이 부여된 사용자의 행동 데이터를 제외하고, 나머지 행동 데이터의 속성별 평균값을 산출하는 단계; 및
    산출된 평균값 미만인 행동 데이터를 가지는 사용자에 대해 그 다음으로 낮은 등급을 부여하는 단계; 를 포함하는, 웹사이트별 파라미터 종류 및 기준값 도출 방법.
  6. 제1항에 있어서,
    상기 그룹핑하는 단계는,
    각 속성별 등급이 지정된 그룹을 생성하는 단계; 및
    사용자들의 각 속성별 등급에 해당하는 그룹에 해당 사용자를 할당하는 단계; 를 포함하는, 웹사이트별 파라미터 종류 및 기준값 도출 방법.
  7. 제1항에 있어서,
    상기 그룹핑하는 단계는,
    각 속성별 등급의 평균값이 지정된 그룹을 생성하는 단계;
    사용자들의 각 속성별 등급을, 등급에 따른 점수로 전환하여 평균값을 산출하는 단계; 및
    산출된 평균값에 해당하는 그룹에 해당 사용자를 할당하는 단계; 를 포함하는, 웹사이트별 파라미터 종류 및 기준값 도출 방법.
  8. 제1항에 있어서,
    상기 그룹핑하는 단계는,
    각 속성별 등급의 합산 점수가 지정된 그룹을 생성하는 단계;
    사용자들의 각 속성별 등급을, 속성에 따라 기 설정된 가중치에 따라 등급에 따른 점수로 전환하고, 전환된 점수들을 합산하는 단계; 및
    산출된 합산 점수에 해당하는 그룹에 해당 사용자를 할당하는 단계; 를 포함하는, 웹사이트별 파라미터 종류 및 기준값 도출 방법.
  9. 제1 항에 있어서,
    상기 그룹핑하는 단계는,
    상기 웹사이트의 속성 정보를 획득하는 단계;
    상기 웹사이트의 속성 정보에 기초하여 상기 사용자들을 그룹핑하기 위한 행동 데이터의 속성 및 각 속성의 중요도를 결정하는 단계;
    상기 결정된 행동 데이터의 속성별 등급을 획득하는 단계;
    상기 획득된 속성별 등급에 상기 결정된 중요도에 따른 가중치를 부여하는 단계; 및
    상기 가중치가 부여된 속성별 등급 정보에 기초하여 사용자들을 기 설정된 조건에 따라 복수의 그룹으로 그룹핑하는 단계; 를 포함하는, 웹사이트별 파라미터 종류 및 기준값 도출 방법.
  10. 제1 항에 있어서,
    상기 기준값을 도출하는 단계는,
    상기 획득되는 행동 데이터의 통계값에 기초하여 상기 복수의 그룹별 기준값을 도출하는 단계; 및
    상기 획득되는 행동 데이터의 통계값이 변화하는 경우, 이에 기초하여 상기 복수의 그룹별 기준값을 업데이트하는 단계; 를 더 포함하는, 웹사이트별 파라미터 종류 및 기준값 도출 방법.
  11. 하나 이상의 인스트럭션을 저장하는 메모리; 및
    상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,
    상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    제1항의 방법을 수행하는, 장치.
  12. 하드웨어인 컴퓨터와 결합되어, 제1항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램.
PCT/KR2022/010079 2021-08-18 2022-07-12 웹사이트별 파라미터 종류 및 기준값 도출 방법, 장치 및 프로그램 WO2023022371A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0109035 2021-08-18
KR1020210109035A KR102372997B1 (ko) 2021-08-18 2021-08-18 웹사이트별 파라미터 종류 및 기준값 도출 방법, 장치 및 프로그램

Publications (1)

Publication Number Publication Date
WO2023022371A1 true WO2023022371A1 (ko) 2023-02-23

Family

ID=80814417

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/010079 WO2023022371A1 (ko) 2021-08-18 2022-07-12 웹사이트별 파라미터 종류 및 기준값 도출 방법, 장치 및 프로그램

Country Status (2)

Country Link
KR (1) KR102372997B1 (ko)
WO (1) WO2023022371A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102372997B1 (ko) * 2021-08-18 2022-03-11 (주)빅인사이트 웹사이트별 파라미터 종류 및 기준값 도출 방법, 장치 및 프로그램

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020045626A (ko) * 2000-12-09 2002-06-20 김형주 고객 행동양식 분석에 의한 고객관리 시스템 및 개인화제공방법
KR20110042934A (ko) * 2009-10-20 2011-04-27 정인수 웹사이트 이용자의 온라인상에서의 활동에 적응적인 보상 방법 및 이를 위한 보상 서버
KR20110100030A (ko) * 2010-03-03 2011-09-09 주식회사 이든앤앨리스마케팅 마케팅 효과측정 시스템, 방법 및 그 프로그램이 기록된 기록매체
KR101827314B1 (ko) * 2016-08-04 2018-02-08 이철성 차별적 보상적립방식에 따른 광고 마케팅 방법
KR101975334B1 (ko) * 2018-02-05 2019-05-07 주식회사 텐스페이스 소셜네트워크의 분석을 통해 사용자를 평가하는 서버, 소셜네트워크의 분석을 통해 사용자를 평가하는 방법 및 시스템
KR102372997B1 (ko) * 2021-08-18 2022-03-11 (주)빅인사이트 웹사이트별 파라미터 종류 및 기준값 도출 방법, 장치 및 프로그램

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101958265B1 (ko) * 2012-08-21 2019-03-14 에스케이플래닛 주식회사 통합 플랫폼 기반의 마케팅정보 제공 방법, 이를 위한 시스템 및 이를 위한 서비스장치
KR102141565B1 (ko) * 2019-07-04 2020-08-05 (주)티케이101글로벌코리아 소셜 네트워킹 활동 정보 및 구매 패턴을 기반으로 멤버 등급 분할 마케팅 서비스를 제공하는 기법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020045626A (ko) * 2000-12-09 2002-06-20 김형주 고객 행동양식 분석에 의한 고객관리 시스템 및 개인화제공방법
KR20110042934A (ko) * 2009-10-20 2011-04-27 정인수 웹사이트 이용자의 온라인상에서의 활동에 적응적인 보상 방법 및 이를 위한 보상 서버
KR20110100030A (ko) * 2010-03-03 2011-09-09 주식회사 이든앤앨리스마케팅 마케팅 효과측정 시스템, 방법 및 그 프로그램이 기록된 기록매체
KR101827314B1 (ko) * 2016-08-04 2018-02-08 이철성 차별적 보상적립방식에 따른 광고 마케팅 방법
KR101975334B1 (ko) * 2018-02-05 2019-05-07 주식회사 텐스페이스 소셜네트워크의 분석을 통해 사용자를 평가하는 서버, 소셜네트워크의 분석을 통해 사용자를 평가하는 방법 및 시스템
KR102372997B1 (ko) * 2021-08-18 2022-03-11 (주)빅인사이트 웹사이트별 파라미터 종류 및 기준값 도출 방법, 장치 및 프로그램

Also Published As

Publication number Publication date
KR102372997B1 (ko) 2022-03-11

Similar Documents

Publication Publication Date Title
WO2019117331A1 (ko) 샵 분배 기능 및 인플루언서 마케팅 효율 분석 기능을 가지는 인플루언서 소셜 미디어 마케팅 서비스 제공 시스템 및 그 방법과 이를 구현하기 위한 프로그램이 저장된 기록매체
WO2023022371A1 (ko) 웹사이트별 파라미터 종류 및 기준값 도출 방법, 장치 및 프로그램
WO2012165924A2 (ko) 인터넷 검색의 키워드 광고를 이용하는 유효 키워드 선정 시스템 및 그 유효 키워드 선정 방법
US8799098B2 (en) Customized marketing
KR102362994B1 (ko) 보험 상품 추천 서비스 제공 방법, 장치 및 컴퓨터프로그램
WO2019168223A1 (ko) 몰입형 가상피팅 연계 서비스 제공 시스템 및 몰입형 가상피팅 연계 서비스 제공 방법
CN113076981A (zh) 数据处理方法及装置
JP3009391B1 (ja) 情報サービス提供装置及び推奨情報抽出提示方法
JP6312913B1 (ja) 情報処理装置、情報処理方法、および情報処理プログラム
EP2587446B1 (en) Information providing device, method of processing reward payment, reward payment processing program, and recording medium with reward payment processing program recorded theron
WO2023286970A1 (ko) 온라인 광고 대행 서버, 캠페인 정보에 포함된 운영 옵션 정보를 선택적으로 변경하는 온라인 광고 대행 방법 및 상기 방법을 실행하기 위한 컴퓨터 프로그램
WO2023224297A1 (ko) 플랫폼을 이용한 어플리케이션 기반의 네일 서비스 제공 방법 및 장치
JP7042767B2 (ja) 決定装置、決定方法および決定プログラム
WO2022250437A1 (ko) 컨텐츠 기반 커머스 플랫폼을 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
WO2021220406A1 (ja) 商品情報提供システム
JP7260439B2 (ja) 抽出装置、抽出方法及び抽出プログラム
JP7368897B1 (ja) 情報処理装置
JP7396743B1 (ja) 情報処理装置
JP7453191B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP7445708B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP7418379B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
WO2016122206A1 (ko) 맞춤체험기반 상품 커머스 서비스 방법
WO2022025465A1 (ko) 구매자 가치를 예측하는 영업기회정보 판매 서버 및 그 방법
KR102663802B1 (ko) 통신 시스템에서 광고 성과에 기반하여 광고 노출 운영 정보를 리밸런싱하기 위한 방법 및 장치
WO2022234949A1 (ko) 자동 광고 대행 서버, 광고 대상, 사용자, 또는 매체 정보에 대응하여 랜딩 페이지를 생성하여 제공하는 방법 및 상기 방법을 실행하기 위한 컴퓨터 프로그램

Legal Events

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

Ref document number: 22858611

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE