WO2023132657A1 - 상품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램 - Google Patents

상품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램 Download PDF

Info

Publication number
WO2023132657A1
WO2023132657A1 PCT/KR2023/000228 KR2023000228W WO2023132657A1 WO 2023132657 A1 WO2023132657 A1 WO 2023132657A1 KR 2023000228 W KR2023000228 W KR 2023000228W WO 2023132657 A1 WO2023132657 A1 WO 2023132657A1
Authority
WO
WIPO (PCT)
Prior art keywords
product
data
keywords
keyword
social
Prior art date
Application number
PCT/KR2023/000228
Other languages
English (en)
French (fr)
Inventor
이현정
Original Assignee
이현정
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 이현정 filed Critical 이현정
Publication of WO2023132657A1 publication Critical patent/WO2023132657A1/ko

Links

Images

Classifications

    • 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
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/258—Heading extraction; Automatic titling; Numbering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems

Definitions

  • the present invention relates to a product trend prediction service providing device, and more particularly, to a product trend prediction service providing device, method and program capable of reflecting in real time a trend from a customer's perspective required in the market through content analysis and social data analysis. It is about.
  • a trend report contains various factors such as the color, shape, and social atmosphere of a particular product that will be popular in the market.
  • product manufacturers can design and manufacture products by setting a design direction and concept based on the trend report.
  • One object of the present invention to solve the problems described above is to extract tags and keywords from product data and social data, and analyze and predict product trends based on them, thereby real-time trends from the customer's perspective required in the market.
  • An apparatus for providing a product trend prediction service for solving the above problems is a product trend prediction service providing apparatus including a platform server that is communicatively connected to a user terminal and an external server, wherein the platform server comprises: , Communication unit that is communicatively connected to the user terminal and an external server to receive product data and social data; a pre-processing unit processing the product data and social data; a tag generating unit that classifies the processed product data and social data and generates tags corresponding thereto; a keyword extraction unit extracting keywords from the tags, product data, and social data; a product trend prediction unit that analyzes and predicts product trends based on the extracted keywords; and a control unit for controlling the communication unit, the pre-processing unit, the tag generation unit, the keyword extraction unit, and the product trend predicting unit, wherein the control unit collects the product data and social data through the communication unit to obtain information from the product data and social data.
  • Control the keyword extraction unit to extract a first keyword corresponding to product attributes, and process videos, still images, and text included in the product data and social data to generate at least one of unstructured data and structured data.
  • Controls the pre-processing unit controls the tag generation unit to automatically classify the unstructured data or structured data and generates a corresponding tag, controls the keyword extraction unit to extract a second keyword from the tag, and controls the extracted first, and controlling the product trend prediction unit to analyze and predict a product trend based on the second keyword.
  • the controller collects the product data through a product information input device, a brand site collection webbot, and a social network collection webbot, and collects the social data through the social network collection webbot.
  • a product information input device collects the product data through a product information input device, a brand site collection webbot, and a social network collection webbot, and collects the social data through the social network collection webbot.
  • control unit may use the content of the designated influencer, the contents of the first users connected to the designated influencer, and the contents of the designated influencer and the first users.
  • the social data may be collected from users' contents.
  • control unit generates a highlight capture image by highlight-capturing the video, detects a specific product from the highlight capture image, and performs the highlight capture on the detected specific product.
  • a specific product image may be extracted from the captured image, and structured data may be generated from the extracted specific product image.
  • control unit may extract audio from the video, convert the audio into text, and generate unstructured data based on the converted text.
  • control unit selects a media filter, a keyword filter, a product type, a central tag, and a related tag, and selects a product trend based on corresponding keywords. can be analyzed.
  • the control unit when a product trend prediction service request is received from the user terminal, the control unit generates a first keyword list related to a product type, a second keyword list related to a central tag, a third keyword list related to a related tag, and a fourth keyword list related to a product configuration method. transmitted to the user terminal, and upon receipt of completion of user keyword selection for the first to fourth keyword lists from the user terminal, the predicted product image and predicted product information of the predicted product trend corresponding to the user keyword selection are predicted popularity ranking It may be processed to be displayed separately and transmitted to the user terminal.
  • control unit selects keywords of interest based on the extracted first and second keywords, combines and configures the selected keywords of interest, sets a search condition based on the combined composite keyword, and sets the It is possible to search product trends with search conditions, analyze and predict the searched product trends.
  • a product trend prediction service providing method is a method performed by a platform server, comprising the steps of collecting product data and social data; extracting a first keyword corresponding to a product attribute from the product data and social data; generating at least one of unstructured data and structured data by processing videos, still images, and text included in the product data and social data; automatically classifying the unstructured data or the structured data and generating a corresponding tag; extracting a second keyword from the tag; and analyzing and predicting product trends based on the extracted first and second keywords.
  • the product data may be collected through a product information input device, a brand site collection webbot, and a social network collection webbot, and the social data may be collected through the social network collection webbot.
  • the collecting step when collecting the social data, the content of the designated influencer, the contents of the first users connected to the designated influencer, and the contents of the designated influencer and the first users are used. 2
  • the social data can be collected from the contents of users.
  • the step of generating at least one of the unstructured data and the structured data includes, when a video is included in the product data and social data, generating a highlight capture image by highlight capturing the video, and selecting a specific product from the highlight capture image.
  • a specific product image may be extracted from the highlight captured image, and structured data may be generated from the extracted specific product image.
  • the platform server extracts audio from the video, converts the audio into text, and generates unstructured data based on the converted text.
  • a media filter, a keyword filter, a product type, a central tag, and a related tag are selected, and the product is based on corresponding keywords.
  • a computer program providing a product trend prediction service providing method according to another embodiment of the present invention for solving the above problems is combined with a computer that is hardware and stored in a medium to perform any one of the above methods. .
  • the present invention by matching consumer needs and product characteristics, can increase market responsiveness in sales activities and execution of companies, such as new product planning and marketing activities.
  • FIG. 1 is a schematic diagram for explaining an apparatus for providing a product trend prediction service according to the present invention.
  • Figure 2 is a block diagram for explaining the platform server of Figure 1.
  • FIG. 3 is a diagram for explaining a process of providing a product trend prediction service of a platform server according to the present invention.
  • FIGS. 4 and 5 are diagrams for explaining a process of constructing a keyword combination for generating a search condition of a platform server according to the present invention.
  • 6 to 9 are flowcharts for explaining a product trend prediction service providing method according to the present invention.
  • FIG. 1 is a schematic diagram for explaining an apparatus for providing a product trend prediction service according to the present invention.
  • an apparatus for providing a product trend prediction service may include a platform server 300 that is communicatively connected to a user terminal 100 and an external server 200 through a network.
  • the user terminal 100 is a standing device such as a personal computer (PC), network TV (Network TV), hybrid broadcast broadband TV (HBBTV), smart TV (Smart TV), Internet Protocol TV (IPTV), and the like. ), and mobile devices (mobile devices or handheld devices) such as smart phones, tablet PCs, notebooks, and personal digital assistants (PDAs) may all be included.
  • PC personal computer
  • Network TV Network TV
  • HBBTV hybrid broadcast broadband TV
  • Smart TV Smart TV
  • IPTV Internet Protocol TV
  • mobile devices mobile devices or handheld devices
  • smart phones tablet PCs, notebooks, and personal digital assistants (PDAs) may all be included.
  • PDAs personal digital assistants
  • the network for communication connection between the user terminal 100, the external server 200, and the platform server 300 includes both wired and wireless networks, and between the user terminal 100 and the platform server 300 or external It collectively refers to a communication network supporting various communication standards or protocols for pairing or/and data transmission/reception between the server 200 and the platform server 300.
  • wired/wireless networks include all communication networks currently or to be supported in the future according to standards, and can support all one or more communication protocols therefor.
  • Such wired/wireless networks include, for example, Universal Serial Bus (USB), Composite Video Banking Sync (CVBS), Component (Component), S-Video (Analog), Digital Visual Interface (DVI), High Definition Multimedia Interface (HDMI), Networks for wired connections such as RGB and D-SUB, communication standards and protocols for them, Bluetooth, RFID (Radio Frequency Identification), infrared communication (IrDA: Infrared Data Association), UWB (Ultra Wideband), ZigBee (ZigBee), Digital Living Network Alliance (DLNA), Wireless LAN (WLAN) (Wi-Fi), Wireless broadband (Wibro), World Interoperability for Microwave Access (Wimax), High Speed Downlink Packet Access (HSDPA), LTE/LTE -A (Long Term Evolution/LTE-Advanced), it may be formed by a network for wireless connection such as Wi-Fi direct and a communication standard or protocol for it.
  • USB Universal Serial Bus
  • CVBS Composite Video Banking Sync
  • CVBS Component
  • the platform server 300 collects product data and social data from the user terminal 100 and the external server 200, extracts a first keyword corresponding to product attributes from the product data and social data, and extracts the product data and processing videos, still images, and text included in the social data to generate at least one of unstructured data and structured data, automatically classifying unstructured data or structured data, and generating a tag corresponding thereto, and generating a tag corresponding to the unstructured data or structured data.
  • a keyword may be extracted, and a product trend may be analyzed and predicted based on the extracted first and second keywords.
  • the platform server 300 may collect product data through a product information input device, a brand site collection webbot, and a social network collection webbot, and may collect social data through a social network collection webbot.
  • the platform server 300 collects social data
  • the content of the designated influencer the contents of the first users connected to the designated influencer, and the contents of the designated influencer and the first users are used.
  • 2 Social data may be collected from users' contents, which is only an example, but is not limited thereto.
  • the social data may include at least one of text written in the content, attached image, author, writing date, attached script, and information on connected users
  • the attached script may include a caption and connected users. They may include at least one of comments, subscriptions, and friends, which is only an example, but is not limited thereto.
  • the platform server 300 collects product data and social data, it checks whether text is included in the product data and social data, and if the text is included, a first keyword corresponding to a property of a specific product is generated from the text. can be extracted.
  • the platform server 300 collects product data and social data
  • a video is included in the product data and social data
  • the highlight capture video generates a highlight capture image
  • a specific product is detected from the highlight capture image.
  • a specific product image may be extracted from the highlight capture image, and structured data may be generated from the extracted specific product image.
  • the structured data generated from the extracted specific product image may include at least one of the color and pattern of the specific product, which is only an example, but is not limited thereto.
  • the platform server 300 may extract text from the highlight capture image when the highlight capture image is generated, and generate unstructured data based on the extracted text.
  • text extraction may extract text from a highlight capture image through optical character recognition, which is only one embodiment, but is not limited thereto.
  • the platform server 300 extracts audio from the video, converts the audio into text, and converts the converted text based on the video. Unstructured data can be generated.
  • the text conversion process may convert speech into text through speech-to-text (STT), which is only one embodiment, but is not limited thereto.
  • STT speech-to-text
  • the platform server 300 detects a specific product from the still image when a still image is included in the product data and social data, and stops the detected specific product.
  • a specific product image can be extracted from the image, and structured data can be generated from the extracted specific product image.
  • the structured data generated from the extracted specific product image may include at least one of the color and pattern of the specific product, which is only an example, but is not limited thereto.
  • the platform server 300 may extract text from a still image and generate unstructured data based on the extracted text.
  • text extraction may extract text from a still image through optical character recognition, which is only one embodiment, but is not limited thereto.
  • the platform server 300 may generate unstructured data from text when text is included in the product data and social data.
  • the platform server 300 may automatically classify unstructured data or structured data for each product category and generate a tag for each of the automatically classified unstructured data or structured data.
  • the platform server 300 when automatically classifying unstructured data or structured data, inputs the generated unstructured data or structured data into a pre-learned artificial intelligence model to automatically classify by product category.
  • the artificial intelligence model may include a machine learning model including a neural network.
  • the artificial intelligence model of the present invention may be pre-learned to automatically classify products by category based on unstructured data or structured data of product data and social data.
  • the artificial intelligence model of the present invention may be a deep neural network.
  • neural network may refer to a neural network including a plurality of hidden layers in addition to an input layer and an output layer.
  • Deep neural networks can reveal latent structures in data. In other words, it can identify the latent structure of a photo, text, video, sound, or music (e.g., what objects are in the photo, what the content and emotion of the text are, what the content and emotion of the audio are, etc.).
  • Deep neural networks include a convolutional neural network (CNN), a recurrent neural network (RNN), a restricted boltzmann machine (RBM), and a deep belief network (DBN). , Q network, U network, Siamese network, and the like.
  • the platform server 300 first classifies the tag for each product, secondly classifies the firstly classified tag for each part of each product, and places the secondly classified tag in a specific part of each product. It is possible to tertiarily classify for each feature and attribute, and create and store a tag tree based on the classified tags.
  • the platform server 300 may additionally classify and store the first keyword extracted from product data and social data and the second keyword extracted from tags by category.
  • the platform server 300 may firstly classify the first keyword extracted from the product data by brand, and secondarily classify and store the keywords for each brand classified by product.
  • the platform server 300 may classify and store the first keyword extracted from social data by category, social media, and product type.
  • classification by category may be classified by brand, analysis review, and reaction review, which is only one embodiment, but is not limited thereto.
  • classification by social media may be classified by Instagram and blog, which is only an example, but is not limited thereto.
  • the platform server 300 may classify and store the second keyword extracted from the tag by product type, by tag, and by frequency of appearance.
  • the platform server 300 selects a media filter, a keyword filter, a product type, a central tag, and a related tag to analyze the keywords corresponding thereto.
  • Product trends can be analyzed.
  • the media filter may include a brand filter, an analysis review filter, and a reaction review filter, which is only one embodiment, but is not limited thereto.
  • the platform server 300 may predict a corresponding product trend by selecting a product type, a central tag, a related tag, and a product configuration method.
  • the platform server 300 may store a predicted product image and predicted product information for the predicted product trend by predicted popularity ranking.
  • the platform server 300 may list a first keyword list related to a product type, a second keyword list related to a central tag, a third keyword list related to a related tag, and a fourth keyword list related to a product composition method.
  • the keyword list is transmitted to the user terminal and the completion of user keyword selection for the first to fourth keyword lists is received from the user terminal, the predicted product image and predicted product information of the predicted product trend corresponding to the user keyword selection are predicted popularity ranking It may be processed to be displayed separately and transmitted to the user terminal.
  • the platform server 300 transmits the first to fourth keyword lists to the user terminal, the first keywords related to the product type, the second keywords related to the central tag, the third keywords related to the related tag, and the product configuration First to fourth keyword lists may be generated so that method-related fourth keywords are listed in order of frequency of occurrence, and the generated first to fourth keyword lists may be transmitted to the user terminal.
  • the platform server 300 may visualize a predicted product image of a product trend predicted according to a user selection and transmit it to the user terminal to be displayed in the form of a related network. .
  • the platform server 300 when receiving a product trend prediction service request from the user terminal, visualizes the predicted product keyword of the product trend predicted corresponding to the user selection and transmits it to the user terminal to be displayed in the form of a related network. .
  • the platform server 300 when receiving completion of user keyword selection for the first to fourth keyword lists from the user terminal, configures the combination of the first to fourth keywords selected by the user, and predicts based on the combined composite keywords. It is possible to search the predicted product image and predicted product information of the product trend.
  • the platform server 300 selects keywords of interest based on the extracted first and second keywords, combines and configures the selected keywords of interest, sets search conditions based on the combined composite keywords, and sets the search You can search for product trends based on conditions, analyze and predict the product trends you have searched for.
  • the platform server 300 selects interest keywords based on the extracted first and second keywords to generate a first keyword list, selects issue keywords, and configures a combination of interest keywords and issue keywords to form a second keyword.
  • the platform server 300 selects keywords of interest based on the extracted first and second keywords to generate a first keyword list, selects keywords for the highlighted region and keywords for color, and selects keywords of interest and keywords for the highlighted region. Creating a combination or combining the keywords of interest and color keywords to create a second keyword list, selecting product category keywords and brand keywords to create a third keyword list by combining product category keywords and brand keywords, It is possible to set search conditions based on the list of second and third keywords, search for product trends based on the set search conditions, and analyze and predict the searched product trends.
  • the platform server 300 when the platform server 300 analyzes and predicts a searched product trend, it can search, analyze, and predict a product trend by inputting a search condition to a pre-learned artificial intelligence model.
  • the artificial intelligence model may include a machine learning model including a neural network.
  • the artificial intelligence model of the present invention may be pre-trained to search, analyze, and predict product trends based on search conditions.
  • the platform server 300 analyzes the product trend corresponding to the user question by inputting a user question about the product trend into a pre-learned artificial intelligence model. and predictable.
  • the artificial intelligence model when a user question about product trends is input, analyzes the user question, extracts and combines keywords corresponding to the user question, creates search conditions, and searches and analyzes product trends based on the search conditions. and can be predicted.
  • the artificial intelligence model may include a machine learning model including a neural network.
  • the artificial intelligence model of the present invention may be pre-trained to search, analyze, and predict product trends based on user questions about product trends.
  • the artificial intelligence model of the present invention may be a deep neural network.
  • a deep neural network may mean a neural network including a plurality of hidden layers in addition to an input layer and an output layer.
  • Deep neural networks can reveal latent structures in data. In other words, it can identify the latent structure of a photo, text, video, sound, or music (e.g., what objects are in the photo, what the content and emotion of the text are, what the content and emotion of the audio are, etc.).
  • Deep neural networks include a convolutional neural network (CNN), a recurrent neural network (RNN), a restricted boltzmann machine (RBM), and a deep belief network (DBN). , Q network, U network, Siamese network, and the like.
  • the present invention extracts tags and keywords from product data and social data, and analyzes and predicts product trends based on them, thereby reflecting trends from the customer's point of view required in the market in real time.
  • the present invention by matching consumer needs and product characteristics, can increase market responsiveness in sales activities and execution of companies, such as new product planning and marketing activities.
  • Figure 2 is a block diagram for explaining the platform server of Figure 1.
  • the platform server 300 of the present invention is connected to a user terminal and an external server to communicate with the communication unit 310 for receiving product data and social data, and pre-processing for processing product data and social data.
  • unit 320 tag generation unit 330 for classifying processed product data and social data and generating corresponding tags, keyword extraction unit 340 for extracting keywords from tags, product data and social data;
  • a product trend prediction unit 350 that analyzes and predicts product trends based on keywords, a database 360 that stores product data, social data, their tags and keywords, analyzed and predicted product trend information, and a communication unit 310 , a pre-processing unit 320, a tag generation unit 330, a keyword extraction unit 340, a database 360, and a control unit 370 that controls the product trend prediction unit 350.
  • the controller 370 controls the keyword extraction unit 340 to extract a first keyword corresponding to product attributes from the product data and social data when the product data and social data are collected through the communication unit 310, Controls the pre-processing unit 320 to generate at least one of unstructured data and structured data by processing videos, still images, and text included in product data and social data, and automatically classifies unstructured data or structured data to correspond accordingly. Controls the tag generation unit 330 to generate a tag, controls the keyword extraction unit 340 to extract a second keyword from the tag, and analyzes and predicts product trends based on the extracted first and second keywords.
  • the product trend prediction unit 350 may be controlled.
  • the keyword extraction unit 340 may extract a first keyword corresponding to a property of a specific product from the text when text is included in the collected product data and social data.
  • the pre-processing unit 320 when a video is included in the collected product data and social data, creates a highlight capture image by highlight-capturing the video, detects a specific product from the highlight capture image, and highlights the detected specific product.
  • a specific product image may be extracted from the captured image, and structured data may be generated from the extracted specific product image.
  • the preprocessor 320 may extract text from the highlight capture image and generate unstructured data based on the extracted text.
  • the preprocessor 320 may extract audio from the video, convert the audio into text, and generate unstructured data based on the converted text.
  • the preprocessing unit 320 detects a specific product from the still image when a still image is included in the collected product data and social data, extracts a specific product image from the still image for the detected specific product, , structured data can be created from the extracted specific product image.
  • the pre-processing unit 320 may extract text from the still image and generate unstructured data based on the extracted text.
  • the pre-processing unit 320 may generate unstructured data from text when text is included in product data and social data.
  • the tag generating unit 330 may automatically classify unstructured data or structured data by product category and generate a tag for each of the automatically classified unstructured data or structured data.
  • the tag generation unit 330 may input the generated unstructured data or structured data into a pre-learned artificial intelligence model to automatically classify each product category.
  • the product trend prediction unit 350 selects a media filter, a keyword filter, a product type, a central tag, and a related tag, and selects corresponding keywords. Based on this, product trends can be analyzed.
  • the product trend prediction unit 350 may predict a corresponding product trend by selecting a product type, a central tag, a related tag, and a product composition method. there is.
  • the product trend prediction unit 350 may store the predicted product image and predicted product information for the predicted product trend in the database 360 by predicted popularity ranking.
  • the product trend prediction unit 350 selects keywords of interest based on the extracted first and second keywords, combines and configures the selected keywords of interest, sets search conditions based on the combined and configured composite keywords, and sets Product trends can be searched with one search condition, and the searched product trends can be analyzed and predicted.
  • product trend prediction unit 350 predicts a product trend based on the extracted first and second keywords
  • the product trend corresponding to the user question is input by inputting a user question about the product trend into a pre-learned artificial intelligence model. can be analyzed and predicted.
  • FIG. 3 is a diagram for explaining a process of providing a product trend prediction service of a platform server according to the present invention.
  • the present invention may first collect product data through a product information input device, a brand site collection webbot, and a social network collection webbot, and then collect social data through the social network collection webbot.
  • a first keyword corresponding to a product attribute may be extracted from product data and social data through a keyword extractor.
  • At least one of unstructured data and structured data may be generated by processing videos, still images, and text included in product data and social data.
  • the present invention generates a highlight capture image by highlight capturing a video included in product data and social data, detects a specific product from the highlight capture image, and generates a specific product image from the highlight capture image for the detected specific product. It is possible to extract and create structured data from the extracted specific product image.
  • the present invention may extract text from a highlight capture image through optical character recognition and generate unstructured data based on the extracted text.
  • the present invention may extract audio from a video, convert the audio into text through speech-to-text (STT), and generate unstructured data based on the converted text.
  • STT speech-to-text
  • the present invention may generate unstructured data from text included in product data and social data.
  • unstructured data or structured data may be automatically classified for each product category, and a tag for each of the automatically classified unstructured data or structured data may be generated.
  • tags when tags are generated, the tags are firstly classified for each product, the firstly classified tags are secondarily classified for each part of each product, and the secondly classified tags are classified according to characteristics and characteristics of a specific part of each product.
  • a third classification is performed for each attribute, and a tag tree may be created and stored based on the classified tags.
  • a first keyword extracted from product data and social data and a second keyword extracted from tags may be additionally classified according to categories and stored.
  • the first keyword extracted from product data may be primarily classified by brand, and the keywords for each brand that are primarily classified may be secondarily classified and stored by product.
  • the present invention classifies and stores first keywords extracted from social data by category, social media, and product type, and classifies second keywords extracted from tags by product type, tag, and frequency of occurrence. and can be saved.
  • the present invention may select a media filter, a keyword filter, a product type, a central tag, and a related tag, and analyze product trends based on corresponding keywords.
  • a product trend corresponding thereto can be predicted by selecting a product type, a central tag, a related tag, and a product configuration method.
  • the predicted product image and predicted product information for the predicted product trend may be stored by predicted popularity ranking.
  • FIGS. 4 and 5 are diagrams for explaining a process of constructing a keyword combination for generating a search condition of a platform server according to the present invention.
  • the platform server of the present invention when a user selects specific keywords, configures a combination of user-selected keywords, predicts product images and predicts product trends predicted based on the combined composite keywords. You can search product information.
  • the platform server of the present invention selects keywords of interest based on keywords stored in the database through an artificial intelligence model that has pre-learned search conditions, configures a combination of the selected keywords of interest, and based on the combined composite keywords. You can set search conditions, search product trends with the set search conditions, and analyze and predict the searched product trends.
  • the present invention selects keywords of interest to generate a first keyword list, selects issue keywords to create a combination of keywords of interest and issue keywords to create a second keyword list, selects detailed attribute keywords, Creating a third keyword list by combining interest keywords, issue keywords, and detailed attribute keywords, selecting usability keywords and combining interest keywords, issue keywords, detailed attribute keywords, and usability keywords to create a fourth keyword list,
  • a search condition may be set based on the fourth keyword list, a product trend may be searched using the set search condition, and the searched product trend may be analyzed and predicted.
  • the present invention selects interest keywords to generate a first keyword list, and selects emphasis area keywords and color keywords to configure a combination of interest keywords and emphasis area keywords, or interest keywords and color keywords. to create a second keyword list, select product category keywords and brand keywords, create a third keyword list by combining product category keywords and brand keywords, and create a list of first, second, and third keywords. Based on this, search conditions can be set, product trends can be searched based on the set search conditions, and the searched product trends can be analyzed and predicted.
  • the present invention may analyze and predict a product trend corresponding to a user question through an artificial intelligence model that has pre-learned user question about product trend.
  • the artificial intelligence model when a user question about product trends is input, analyzes the user question, extracts and combines keywords corresponding to the user question, creates search conditions, and searches and analyzes product trends based on the search conditions. and can be predicted.
  • 6 to 9 are flowcharts for explaining a product trend prediction service providing method according to the present invention.
  • the present invention may collect product data and social data (S10).
  • the present invention may collect product data through a product information input device, a brand site collection webbot, and a social network collection webbot, and may collect social data through a social network collection webbot.
  • the present invention may extract a first keyword corresponding to product attributes from product data and social data (S20).
  • the present invention may check whether text is included in the product data and social data, and if the text is included, a first keyword corresponding to a property of a specific product may be extracted from the text.
  • At least one of unstructured data and structured data may be generated by processing videos, still images, and text included in product data and social data (S30).
  • the present invention generates a highlight capture image by highlight capturing the video when a video is included in the product data and social data, detects a specific product from the highlight capture image, and for the detected specific product, selects a specific product from the highlight capture image. Images can be extracted, and structured data can be created from the extracted specific product images.
  • the present invention when a still image is included in product data and social data, detects a specific product from the still image, extracts a specific product image from the still image for the detected specific product, and extracts the specific product image. You can generate structured data from
  • unstructured data when text is included in product data and social data, unstructured data may be generated from text.
  • unstructured data or structured data can be automatically classified and a corresponding tag can be created (S40).
  • the present invention may automatically classify unstructured data or structured data for each product category and create a tag for each of the automatically classified unstructured data or structured data.
  • the second keyword can be extracted from the tag (S50).
  • the present invention may analyze and predict product trends based on the extracted first and second keywords (S60).
  • the present invention may select a media filter, a keyword filter, a product type, a central tag, and a related tag, and analyze product trends based on corresponding keywords.
  • a product trend corresponding thereto may be predicted by selecting a product type, a central tag, a related tag, and a product configuration method.
  • a predicted product image and predicted product information for the predicted product trend may be stored according to predicted popularity rankings.
  • the present invention may check whether a product trend prediction service termination request is received (S70), and if the product trend prediction service termination request is received, the provision of the product trend prediction service may be terminated.
  • the present invention may automatically classify unstructured data or structured data to generate tags corresponding thereto, and then create a tag tree based on the tags.
  • unstructured data or structured data is automatically classified and a corresponding tag is created (S42).
  • the tags may be primarily classified for each product (S44).
  • the present invention may secondarily classify the primary classified tag for each part of each product (S46).
  • the tags classified secondarily may be thirdly classified according to characteristics and attributes of a specific part of each product (S47).
  • a tag tree may be created and stored based on the classified tags (S48).
  • a first keyword extracted from product data and social data and a second keyword extracted from tags may be additionally classified according to categories and stored.
  • the present invention may extract a first keyword from product data (S22) and extract a first keyword from social data (S26).
  • the present invention first classifies the first keyword extracted from the product data by brand (S23), secondarily classifies the keyword for each brand classified by product (S24), and stores the classified keywords. It can (S25).
  • the present invention may classify the first keyword extracted from social data by category, social media, and product type (S27), and store the classified keywords (S28).
  • classification by category may be classified by brand, analysis review, and response review, and classification by social media may be classified by Instagram and blog.
  • the second keyword extracted from the tag may be classified and stored according to product type, tag, and frequency of occurrence.
  • the present invention may provide a product trend prediction service corresponding to a user's keyword selection.
  • a product trend prediction service request may be received from a user terminal (S92).
  • a first keyword list related to product type when a product trend prediction service request is received from the user terminal, a first keyword list related to product type, a second keyword list related to center tag, a third keyword list related to related tag, and a fourth keyword list related to product composition method It can be created (S94).
  • the first to fourth keywords are listed in order of frequency of appearance, respectively, so that the first keywords related to the product type, the second keywords related to the central tag, the third keywords related to the related tag, and the fourth keywords related to the product composition method are respectively listed in order of frequency of appearance. You can create a keyword list.
  • the present invention may transmit the generated first to fourth keyword lists to the user terminal (S96).
  • the present invention may receive user keyword selection completion for the first to fourth keyword lists from the user terminal (S98).
  • the present invention may process the predicted product image and predicted product information of product trends predicted according to the user's keyword selection to be displayed according to predicted popularity rankings, and then transmitted to the user terminal (S99).
  • a predicted product image of a product trend predicted according to a user selection may be visualized and transmitted to the user terminal to be displayed in the form of a related network.
  • the predicted product keyword of the product trend predicted according to the user selection may be visualized and transmitted to the user terminal to be displayed in the form of a related network.
  • the first to fourth keywords selected by the user are combined and configured, and prediction is made based on the combined composite keywords. It is also possible to search the predicted product image and predicted product information of the product trend.
  • the present invention selects keywords of interest based on the first and second keywords, combines the selected keywords of interest, sets a search condition based on the combined keyword, and sets the search condition. Search for product trends, analyze and predict product trends.
  • the present invention extracts tags and keywords from product data and social data, and analyzes and predicts product trends based on them, thereby reflecting trends from the customer's point of view required in the market in real time.
  • the present invention by matching consumer needs and product characteristics, can increase market responsiveness in sales activities and execution of companies, such as new product planning and marketing activities.
  • the method according to an embodiment of the present invention described above may be implemented as a program (or application) to be executed in combination with a server, which is hardware, and stored in a medium.
  • the aforementioned program is C, C++, JAVA, machine language, etc. It may include a code coded in a computer language of. These codes may include functional codes related to functions defining necessary functions for executing the methods, and include control codes related to execution procedures necessary for the processor of the computer to execute the functions according to a predetermined procedure. can do. In addition, these codes may further include memory reference related codes for which location (address address) of the computer's internal or external memory should be referenced for additional information or media required for the computer's processor to execute the functions. there is. In addition, when the processor of the computer needs to communicate with any other remote computer or server in order to execute the functions, the code uses the computer's communication module to determine how to communicate with any other remote computer or server. It may further include communication-related codes for whether to communicate, what kind of information or media to transmit/receive during communication, and the like.
  • the storage medium is not a medium that stores data for a short moment, such as a register, cache, or memory, but a medium that stores data semi-permanently and is readable by a device.
  • examples of the storage medium include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage device, etc., but are not limited thereto. That is, the program may be stored in various recording media on various servers accessible by the computer or various recording media on the user's computer.
  • the medium may be distributed to computer systems connected through a network, and computer readable codes may be stored in a distributed manner.
  • 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.
  • platform server 310 communication unit

Abstract

본 개시는 상품 트렌드 예측 서비스 제공 장치에 관한 것으로, 상기 사용자 단말 및 외부 서버에 통신 연결되어 상품 데이터 및 소셜 데이터를 수신하는 통신부, 상기 상품 데이터 및 소셜 데이터를 가공 처리하는 전처리부, 상기 가공 처리된 상품 데이터 및 소셜 데이터를 분류하여 그에 상응하는 태그를 생성하는 태그 생성부, 상기 태그, 상품 데이터 및 소셜 데이터로부터 키워드를 추출하는 키워드 추출부, 상기 추출한 키워드를 기초로 상품 트렌드를 분석하여 예측하는 상품 트렌드 예측부 및 상기 통신부, 전처리부, 태그 생성부, 키워드 추출부 및 상품 트렌드 예측부를 제어하는 제어부를 포함한다.

Description

상품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램
본 발명은 상품 트렌드 예측 서비스 제공 장치에 관한 것으로, 보다 상세하게는 콘텐츠 분석 및 소셜 데이터 분석을 통해 시장에서 요구되는 고객 관점의 트렌드를 실시간으로 반영할 수 있는 상품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램에 관한 것이다.
일반적으로, 상품 트렌드는, 매우 빠르게 변화하는데, 이 변화에 영향을 미치는 인자는 다양하다.
이러한 상품 트렌드의 변화는, 올해 시장에서 성공한 상품이 내년의 성공을 보장할 수 없게 만든다.
이처럼, 상품 트렌드 예측이 매우 어렵기 때문에, 상품 제조사들은, 잘못된 트렌드 예측으로 인한 큰 손해가 발생하지 않도록 시장에서 유행할 상품 트렌드에 대한 연구에 많은 시간 및 비용을 지불하고 있다.
상품 제조사들은, 시장의 트렌드 예측을 위하여 상품 트렌드를 분석하고 연구하여 트렌드 보고서를 만들고 있다.
트렌드 보고서에는, 시장에서 유행할 특정 상품의 색상, 형태, 사회적 분위기 등 다양한 요소들이 담겨 있다.
그리고, 상품 제조사들은, 트렌드 보고서를 기초로 디자인 방향과 컨셉을 설정하여 상품을 디자인하고 제작할 수 있다.
하지만, 이러한 기존의 상품 트렌드 분석 방식은, 고객 관점에서 상품 트렌드를 분석하는 것이 아니라 주로 공급자 위주의 관점에서 상품 트렌드를 분석하기 때문에 정확한 상품 트렌드 예측이 어려운 문제가 있으며, 고객 니즈를 정확하게 파악하지 못하므로 신제품 기획 및 마케팅 활동이 비효율적이고 시장 대응력이 저하되는 문제들이 있었다.
따라서, 향후, 시장에서 요구되는 고객 관점의 트렌드를 실시간으로 반영할 수 있는 상품 트렌드 예측 서비스 제공 장치의 개발이 요구되고 있다.
상술한 바와 같은 문제점을 해결하기 위한 본 발명의 일 목적은, 상품 데이터 및 소셜 데이터로부터 태그 및 키워드를 추출하고, 이들을 기초로 상품 트렌드를 분석 및 예측함으로써, 시장에서 요구되는 고객 관점의 트렌드를 실시간으로 반영할 수 있는 상품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램을 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 실시예에 따른 상품 트렌드 예측 서비스 제공 장치는, 사용자 단말 및 외부 서버에 통신 연결되는 플랫폼 서버를 포함하는 상품 트렌드 예측 서비스 제공 장치에 있어서, 상기 플랫폼 서버는, 상기 사용자 단말 및 외부 서버에 통신 연결되어 상품 데이터 및 소셜 데이터를 수신하는 통신부; 상기 상품 데이터 및 소셜 데이터를 가공 처리하는 전처리부; 상기 가공 처리된 상품 데이터 및 소셜 데이터를 분류하여 그에 상응하는 태그를 생성하는 태그 생성부; 상기 태그, 상품 데이터 및 소셜 데이터로부터 키워드를 추출하는 키워드 추출부; 상기 추출한 키워드를 기초로 상품 트렌드를 분석하여 예측하는 상품 트렌드 예측부; 및 상기 통신부, 전처리부, 태그 생성부, 키워드 추출부 및 상품 트렌드 예측부를 제어하는 제어부를 포함하고, 상기 제어부는, 상기 통신부를 통해 상기 상품 데이터 및 소셜 데이터를 수집하면 상기 상품 데이터 및 소셜 데이터로부터 상품 속성에 상응하는 제1 키워드를 추출하도록 상기 키워드 추출부를 제어하고, 상기 상품 데이터 및 소셜 데이터에 포함되는 동영상, 정지영상 및 텍스트를 가공 처리하여 비정형 데이터 및 정형 데이터 중 적어도 어느 하나를 생성하도록 상기 전처리부를 제어하며, 상기 비정형 데이터 또는 정형 데이터를 자동 분류하여 그에 상응하는 태그를 생성하도록 상기 태그 생성부를 제어하고, 상기 태그로부터 제2 키워드를 추출하도록 상기 키워드 추출부를 제어하며, 상기 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 분석하고 예측하도록 상기 상품 트렌드 예측부를 제어하는 것을 특징으로 한다.
또한, 상기 제어부는, 상품 정보 입력기, 브랜드 사이트 수집 웹봇, 소셜 네트워크 수집 웹봇을 통해 상기 상품 데이터를 수집하고, 상기 소셜 네트워크 수집 웹봇을 통해 상기 소셜 데이터를 수집하는 것을 특징으로 하는 상품 트렌드 예측 서비스 제공 장치.
또한, 상기 제어부는, 상기 소셜 데이터를 수집할 때, 지정 인플루언서의 컨텐츠, 상기 지정 인플루언서와 연결된 제1 사용자들의 컨텐츠, 상기 지정 인플루언서 및 제1 사용자들의 컨텐츠를 사용하는 제2 사용자들의 컨텐츠로부터 상기 소셜 데이터를 수집할 수 있다.
또한, 상기 제어부는, 상기 상품 데이터 및 소셜 데이터에 동영상이 포함되면 상기 동영상을 하이라이트 캡쳐하여 하이라이트 캡쳐 이미지를 생성하고, 상기 하이라이트 캡쳐 이미지로부터 특정 상품을 검출하며, 상기 검출된 특정 상품에 대해 상기 하이라이트 캡쳐 이미지로부터 특정 상품 이미지를 추출하고, 상기 추출한 특정 상품 이미지로부터 정형 데이터를 생성할 수 있다.
또한, 상기 제어부는, 상기 상품 데이터 및 소셜 데이터에 동영상이 포함되면 상기 동영상으로부터 음성을 추출하여 상기 음성을 텍스트로 변환 처리하고, 상기 변환 처리된 텍스트를 기초로 비정형 데이터를 생성할 수 있다.
또한, 상기 제어부는, 상기 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 분석할 때, 미디어 필터, 키워드 필터, 상품 유형, 중심 태그, 연관 태그를 선택하여 그에 상응하는 키워드들을 기초로 상품 트렌드를 분석할 수 있다.
또한, 상기 제어부는, 사용자 단말로부터 상품 트렌드 예측 서비스 요청이 수신되면 상품 유형 관련 제1 키워드 목록, 중심 태그 관련 제2 키워드 목록, 연관 태그 관련 제3 키워드 목록 및 상품 구성 방식 관련 제4 키워드 목록을 상기 사용자 단말로 전송하고, 상기 사용자 단말로부터 상기 제1 내지 제4 키워드 목록에 대한 사용자 키워드 선택 완료를 수신하면 사용자 키워드 선택에 상응하여 예측되는 상품 트렌드의 예측 상품 이미지 및 예측 상품 정보를 예측 인기 순위별로 디스플레이되도록 가공 처리하여 상기 사용자 단말로 전송할 수 있다.
또한, 상기 제어부는, 상기 추출한 제1, 제2 키워드를 기초로 관심 키워드들을 선정하고, 상기 선정된 관심 키워드들을 조합 구성하며, 상기 조합 구성한 복합 키워드를 기초로 검색 조건을 설정하고, 상기 설정한 검색 조건으로 상품 트렌드를 검색하며, 상기 검색한 상품 트렌드를 분석하고 예측할 수 있다.
본 발명의 일 실시예에 따른 상품 트렌드 예측 서비스 제공 방법은, 플랫폼 서버에 의해 수행되는 방법으로, 상품 데이터 및 소셜 데이터를 수집하는 단계; 상기 상품 데이터 및 소셜 데이터로부터 상품 속성에 상응하는 제1 키워드를 추출하는 단계; 상기 상품 데이터 및 소셜 데이터에 포함되는 동영상, 정지영상 및 텍스트를 가공 처리하여 비정형 데이터 및 정형 데이터 중 적어도 어느 하나를 생성하는 단계; 상기 비정형 데이터 또는 정형 데이터를 자동 분류하여 그에 상응하는 태그를 생성하는 단계; 상기 태그로부터 제2 키워드를 추출하는 단계; 및 상기 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 분석하고 예측하는 단계를 포함한다.
또한, 상기 수집 단계는, 상품 정보 입력기, 브랜드 사이트 수집 웹봇, 소셜 네트워크 수집 웹봇을 통해 상기 상품 데이터를 수집하고, 상기 소셜 네트워크 수집 웹봇을 통해 상기 소셜 데이터를 수집할 수 있다.
또한, 상기 수집 단계는, 상기 소셜 데이터를 수집할 때, 지정 인플루언서의 컨텐츠, 상기 지정 인플루언서와 연결된 제1 사용자들의 컨텐츠, 상기 지정 인플루언서 및 제1 사용자들의 컨텐츠를 사용하는 제2 사용자들의 컨텐츠로부터 상기 소셜 데이터를 수집할 수 있다.
또한, 상기 비정형 데이터 및 정형 데이터 중 적어도 어느 하나를 생성하는 단계는, 상기 상품 데이터 및 소셜 데이터에 동영상이 포함되면 상기 동영상을 하이라이트 캡쳐하여 하이라이트 캡쳐 이미지를 생성하고, 상기 하이라이트 캡쳐 이미지로부터 특정 상품을 검출하며, 상기 검출된 특정 상품에 대해 상기 하이라이트 캡쳐 이미지로부터 특정 상품 이미지를 추출하고, 상기 추출한 특정 상품 이미지로부터 정형 데이터를 생성할 수 있다.
또한, 상기 플랫폼 서버는, 상기 상품 데이터 및 소셜 데이터에 동영상이 포함되면 상기 동영상으로부터 음성을 추출하여 상기 음성을 텍스트로 변환 처리하고, 상기 변환 처리된 텍스트를 기초로 비정형 데이터를 생성할 수 있다.
또한, 상기 예측 단계는, 상기 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 분석할 때, 미디어 필터, 키워드 필터, 상품 유형, 중심 태그, 연관 태그를 선택하여 그에 상응하는 키워드들을 기초로 상품 트렌드를 분석할 수 있다
상술한 과제를 해결하기 위한 본 발명의 다른 실시 예에 따른 상품 트렌드 예측 서비스 제공 방법을 제공하는 컴퓨터 프로그램은, 하드웨어인 컴퓨터와 결합되어 상술한 방법 중 어느 하나의 방법을 수행하기 위해 매체에 저장된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
상기와 같이 본 발명에 따르면, 상품 데이터 및 소셜 데이터로부터 태그 및 키워드를 추출하고, 이들을 기초로 상품 트렌드를 분석 및 예측함으로써, 시장에서 요구되는 고객 관점의 트렌드를 실시간으로 반영할 수 있다.
또한, 본 발명은, 소비자 니즈와 상품 특성을 매칭함으로써, 신제품 기획 및 마케팅 활동 등 기업의 영업 활동 및 실행에 있어 시장 대응력을 높일 수 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 발명에 따른 상품 트렌드 예측 서비스 제공 장치를 설명하기 위한 개략도이다.
도 2는, 도 1의 플랫폼 서버를 설명하기 위한 블럭 구성도이다.
도 3은, 본 발명에 따른 플랫폼 서버의 상품 트렌드 예측 서비스 제공 과정을 설명하기 위한 도면이다.
도 4 및 도 5는, 본 발명에 따른 플랫폼 서버의 검색 조건 생성을 위한 키워드 조합 구성 과정을 설명하기 위한 도면이다.
도 6 내지 9는, 본 발명에 따른 상품 트렌드 예측 서비스 제공 방법을 설명하기 위한 흐름도이다.
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.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
설명에 앞서 본 명세서에서 사용하는 용어의 의미를 간략히 설명한다. 그렇지만 용어의 설명은 본 명세서의 이해를 돕기 위한 것이므로, 명시적으로 본 발명을 한정하는 사항으로 기재하지 않은 경우에 본 발명의 기술적 사상을 한정하는 의미로 사용하는 것이 아님을 주의해야 한다.
도 1은, 본 발명에 따른 상품 트렌드 예측 서비스 제공 장치를 설명하기 위한 개략도이다.
도 1에 도시된 바와 같이, 본 발명에 따른 상품 트렌드 예측 서비스 제공 장치는, 사용자 단말(100) 및 외부 서버(200)에 네트워크를 통해 통신 연결되는 플랫폼 서버(300)를 포함할 수 있다.
여기서, 사용자 단말(100)은, PC(Personal Computer), 네트워크 TV(Network TV), HBBTV(Hybrid Broadcast Broadband TV), 스마트 TV(Smart TV), IPTV(Internet Protocol TV) 등과 같은 고정형 디바이스(standing device)와, 스마트 폰(Smart Phone), 태블릿 PC(Tablet PC), 노트북(Notebook), PDA(Personal Digital Assistant) 등과 같은 모바일 디바이스(mobile device or handheld device)가 모두 포함될 수 있다.
그리고, 사용자 단말(100)과 외부 서버(200) 및 플랫폼 서버(300) 사이를 통신 연결하는 네트워크는, 유/무선 네트워크를 모두 포함하는데, 사용자 단말(100)과 플랫폼 서버(300) 사이 또는 외부 서버(200)과 플랫폼 서버(300) 사이에서 페어링 또는/및 데이터 송수신을 위해 다양한 통신 규격 내지 프로토콜을 지원하는 통신 네트워크를 통칭한다.
이러한 유/무선 네트워크는, 규격에 의해 현재 또는 향후 지원될 통신 네트워크를 모두 포함하며, 그를 위한 하나 또는 그 이상의 통신 프로토콜들을 모두 지원 가능하다.
이러한 유/무선 네트워크에는 예컨대, USB(Universal Serial Bus), CVBS(Composite Video Banking Sync), 컴포넌트(Component), S-비디오(아날로그), DVI(Digital Visual Interface), HDMI(High Definition Multimedia Interface), RGB, D-SUB와 같은 유선 연결을 위한 네트워크와 그를 위한 통신 규격 내지 프로토콜과, 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(IrDA: infrared Data Association), UWB(Ultra Wideband), 지그비(ZigBee), DLNA(Digital Living Network Alliance), WLAN(Wireless LAN)(Wi-Fi), Wibro(Wireless broadband), Wimax(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access), LTE/LTE-A(Long Term Evolution/LTE-Advanced), Wi-Fi 다이렉트(direct)와 같은 무선 연결을 위한 네트워크와 그를 위한 통신 규격 내지 프로토콜에 의하여 형성될 수 있다.
그리고, 플랫폼 서버(300)는, 사용자 단말(100) 및 외부 서버(200)로부터 상품 데이터 및 소셜 데이터를 수집하고, 상품 데이터 및 소셜 데이터로부터 상품 속성에 상응하는 제1 키워드를 추출하며, 상품 데이터 및 소셜 데이터에 포함되는 동영상, 정지영상 및 텍스트를 가공 처리하여 비정형 데이터 및 정형 데이터 중 적어도 어느 하나를 생성하고, 비정형 데이터 또는 정형 데이터를 자동 분류하여 그에 상응하는 태그를 생성하며, 태그로부터 제2 키워드를 추출하고, 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 분석하고 예측할 수 있다.
여기서, 플랫폼 서버(300)는, 상품 정보 입력기, 브랜드 사이트 수집 웹봇, 소셜 네트워크 수집 웹봇을 통해 상품 데이터를 수집하고, 소셜 네트워크 수집 웹봇을 통해 소셜 데이터를 수집할 수 있다.
일 예로, 플랫폼 서버(300)는, 소셜 데이터를 수집할 때, 지정 인플루언서의 컨텐츠, 지정 인플루언서와 연결된 제1 사용자들의 컨텐츠, 지정 인플루언서 및 제1 사용자들의 컨텐츠를 사용하는 제2 사용자들의 컨텐츠로부터 소셜 데이터를 수집할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
예를 들면, 소셜 데이터는, 컨텐츠 내에 작성된 텍스트, 첨부 이미지, 작성자, 작성일, 첨부 스크립트, 연결된 사용자들의 정보 중 적어도 어느 하나를 포함할 수 있고, 첨부 스크립트는, 캡션을 포함할 수 있으며, 연결된 사용자들은, 댓글, 구독, 친구 중 적어도 어느 하나를 포함할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
그리고, 플랫폼 서버(300)는, 상품 데이터 및 소셜 데이터를 수집할 때, 상품 데이터 및 소셜 데이터에 텍스트가 포함되는지를 확인하고, 텍스트가 포함되면 텍스트로부터 특정 상품의 속성에 상응하는 제1 키워드를 추출할 수 있다.
다음, 플랫폼 서버(300)는, 상품 데이터 및 소셜 데이터를 수집할 때, 상품 데이터 및 소셜 데이터에 동영상이 포함되면 동영상을 하이라이트 캡쳐하여 하이라이트 캡쳐 이미지를 생성하고, 하이라이트 캡쳐 이미지로부터 특정 상품을 검출하며, 검출된 특정 상품에 대해 하이라이트 캡쳐 이미지로부터 특정 상품 이미지를 추출하고, 추출한 특정 상품 이미지로부터 정형 데이터를 생성할 수 있다.
일 예로, 추출한 특정 상품 이미지로부터 생성한 정형 데이터는, 특정 상품의 컬러 및 패턴 중 적어도 어느 하나를 포함할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
또한, 플랫폼 서버(300)는, 하이라이트 캡쳐 이미지가 생성되면 하이라이트 캡쳐 이미지로부터 텍스트를 추출하고, 추출한 텍스트를 기초로 비정형 데이터를 생성할 수 있다.
여기서, 텍스트 추출은, 하이라이트 캡쳐 이미지로부터 광학 문자 인식(Optical Character Recognition)를 통해 텍스트를 추출할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
또한, 플랫폼 서버(300)는, 상품 데이터 및 소셜 데이터를 수집할 때, 상품 데이터 및 소셜 데이터에 동영상이 포함되면 동영상으로부터 음성을 추출하여 음성을 텍스트로 변환 처리하고, 변환 처리된 텍스트를 기초로 비정형 데이터를 생성할 수 있다.
여기서, 텍스트 변환 처리는, STT(Speech-to-Text)를 통해 음성을 텍스트로 변환 처리할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
이어, 플랫폼 서버(300)는, 상품 데이터 및 소셜 데이터를 수집할 때, 상품 데이터 및 소셜 데이터에 정지영상(still image)이 포함되면 정지 영상으로부터 특정 상품을 검출하고, 검출된 특정 상품에 대해 정지 영상으로부터 특정 상품 이미지를 추출하며, 추출한 특정 상품 이미지로부터 정형 데이터를 생성할 수 있다.
일 예로, 추출한 특정 상품 이미지로부터 생성한 정형 데이터는, 특정 상품의 컬러 및 패턴 중 적어도 어느 하나를 포함할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
또한, 플랫폼 서버(300)는, 정지 영상으로부터 텍스트를 추출하고, 추출한 텍스트를 기초로 비정형 데이터를 생성할 수 있다.
여기서, 텍스트 추출은, 정지 영상으로부터 광학 문자 인식(Optical Character Recognition)를 통해 텍스트를 추출할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
다음, 플랫폼 서버(300)는, 상품 데이터 및 소셜 데이터를 수집할 때, 상품 데이터 및 소셜 데이터에 텍스트가 포함되면 텍스트로부터 비정형 데이터를 생성할 수 있다.
그리고, 플랫폼 서버(300)는, 비정형 데이터 또는 정형 데이터를 상품의 카테고리별로 자동 분류하고, 자동 분류된 각각의 비정형 데이터 또는 정형 데이터에 대한 태그를 생성할 수 있다.
여기서, 플랫폼 서버(300)는, 비정형 데이터 또는 정형 데이터를 자동 분류할 때, 생성한 비정형 데이터 또는 정형 데이터를 사전 학습한 인공지능 모델에 입력하여 상품의 카테고리별로 자동 분류할 수 있다.
일 예로, 인공지능 모델은, 뉴럴 네트워크를 포함하는 기계식 학습 모델을 포함할 수 있다.
즉, 본 발명의 인공지능 모델은, 상품 데이터 및 소셜 데이터의 비정형 데이터 또는 정형 데이터를 기초로 상품의 카테고리별로 자동 분류하도록 사전 학습될 수 있다.
또한, 본 발명의 인공지능 모델은, 딥 뉴럴 네트워크일 수 있다. 본 명세서에 걸쳐, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는, 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크 (CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있다.
다음, 플랫폼 서버(300)는, 태그를 생성하면 태그를 상품별로 1차 분류하고, 1차 분류된 태그를 각 상품의 부위별 2차 분류하며, 2차 분류된 태그를 각 상품의 특정 부위에 대한 특징 및 속성별로 3차 분류하고, 분류된 태그들을 기초로 태그 트리(tag tree)를 생성하여 저장할 수 있다.
이어, 플랫폼 서버(300)는, 상품 데이터 및 소셜 데이터로부터 추출된 제1 키워드와 태그들로부터 추출된 제2 키워드를 카테고리별로 추가 분류하여 저장할 수 있다.
여기서, 플랫폼 서버(300)는, 상품 데이터로부터 추출된 제1 키워드를 브랜드별로 1차 분류하고, 1차 분류된 각 브랜드에 대한 키워드를 상품별로 2차 분류하여 저장할 수 있다.
일 예로, 플랫폼 서버(300)는, 소셜 데이터로부터 추출된 제1 키워드를 카테고리별, 소셜매체별, 그리고 상품유형별로 분류하여 저장할 수 있다.
예를 들면, 카테고리별 분류는, 브랜드별, 분석리뷰별, 그리고 반응리뷰별로 분류될 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
그리고, 소셜 매체별 분류는, 인스타그램별 및 블로그별로 분류될 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
또한, 플랫폼 서버(300)는, 태그로부터 추출된 제2 키워드를 상품 유형별, 태그별, 그리고 출현빈도별로 분류하여 저장할 수 있다.
이어, 플랫폼 서버(300)는, 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 분석할 때, 미디어 필터, 키워드 필터, 상품 유형, 중심 태그, 연관 태그를 선택하여 그에 상응하는 키워드들을 기초로 상품 트렌드를 분석할 수 있다.
여기서, 미디어 필터는, 브랜드 필터, 분석리뷰 필터, 그리고 반응리뷰 필터를 포함할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
다음, 플랫폼 서버(300)는, 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 예측할 때, 상품 유형, 중심 태그, 연관 태그 및 상품 구성 방식을 선택하여 그에 상응하는 상품 트렌드를 예측할 수 있다.
여기서, 플랫폼 서버(300)는, 상품 트렌드가 예측되면 예측한 상품 트렌드에 대한 예측 상품 이미지 및 예측 상품 정보를 예측 인기 순위별로 저장할 수 있다.
또한, 플랫폼 서버(300)는, 사용자 단말로부터 상품 트렌드 예측 서비스 요청이 수신되면 상품 유형 관련 제1 키워드 목록, 중심 태그 관련 제2 키워드 목록, 연관 태그 관련 제3 키워드 목록 및 상품 구성 방식 관련 제4 키워드 목록을 사용자 단말로 전송하고, 사용자 단말로부터 제1 내지 제4 키워드 목록에 대한 사용자 키워드 선택 완료를 수신하면 사용자 키워드 선택에 상응하여 예측되는 상품 트렌드의 예측 상품 이미지 및 예측 상품 정보를 예측 인기 순위별로 디스플레이되도록 가공 처리하여 사용자 단말로 전송할 수 있다.
여기서, 플랫폼 서버(300)는, 제1 내지 제4 키워드 목록을 상기 사용자 단말로 전송할 때, 상품 유형 관련 제1 키워드들, 중심 태그 관련 제2 키워드들, 연관 태그 관련 제3 키워드들 및 상품 구성 방식 관련 제4 키워드들이 각각 출현빈도 순위별로 나열되도록 제1 내지 제4 키워드 목록을 생성하고, 생성한 제1 내지 제4 키워드 목록을 사용자 단말로 전송할 수 있다.
경우에 따라, 플랫폼 서버(300)는, 사용자 단말로부터 상품 트렌드 예측 서비스 요청이 수신되면 사용자 선택에 상응하여 예측되는 상품 트렌드의 예측 상품 이미지를 시각화하여 연관 네트워크 형태로 디스플레이되도록 사용자 단말로 전송할 수도 있다.
다른 경우로서, 플랫폼 서버(300)는, 사용자 단말로부터 상품 트렌드 예측 서비스 요청이 수신되면 사용자 선택에 상응하여 예측되는 상품 트렌드의 예측 상품 키워드를 시각화하여 연관 네트워크 형태로 디스플레이되도록 사용자 단말로 전송할 수도 있다.
그리고, 플랫폼 서버(300)는, 사용자 단말로부터 제1 내지 제4 키워드 목록에 대한 사용자 키워드 선택 완료를 수신하면 사용자가 선택한 제1 내지 제4 키워드들을 조합 구성하고, 조합 구성된 복합 키워드들을 기초로 예측되는 상품 트렌드의 예측 상품 이미지 및 예측 상품 정보를 검색할 수 있다.
또한, 플랫폼 서버(300)는, 추출한 제1, 제2 키워드를 기초로 관심 키워드들을 선정하고, 선정된 관심 키워드들을 조합 구성하며, 조합 구성한 복합 키워드를 기초로 검색 조건을 설정하고, 설정한 검색 조건으로 상품 트렌드를 검색하며, 검색한 상품 트렌드를 분석하고 예측할 수 있다.
일 예로, 플랫폼 서버(300)는, 추출한 제1, 제2 키워드를 기초로 관심 키워드들을 선정하여 제1 키워드 목록을 생성하고, 이슈 키워드들을 선정하여 관심 키워드와 이슈 키워드를 조합 구성하여 제2 키워드 목록을 생성하며, 세부 속성 키워드들을 선정하여 관심 키워드, 이슈 키워드 및 세부 속성 키워드를 조합 구성하여 제3 키워드 목록을 생성하고, 사용성 키워드들을 선정하여 관심 키워드, 이슈 키워드, 세부 속성 키워드 및 사용성 키워드를 조합 구성하여 제4 키워드 목록을 생성하며, 제4 키워드 목록을 기초로 검색 조건을 설정하고, 설정한 검색 조건으로 상품 트렌드를 검색하며, 검색한 상품 트렌드를 분석하고 예측할 수 있다.
다른 예로, 플랫폼 서버(300)는, 추출한 제1, 제2 키워드를 기초로 관심 키워드들을 선정하여 제1 키워드 목록을 생성하고, 강조 부위 키워드들 및 색상 키워드들을 선정하여 관심 키워드와 강조 부위 키워드를 조합 구성하거나 관심 키워드와 색상 키워드를 조합 구성하여 제2 키워드 목록을 생성하며, 상품 카테고리 키워드들 및 브랜드 키워드들을 선정하여 상품 카테고리 키워드와 브랜드 키워드를 조합 구성하여 제3 키워드 목록을 생성하고, 제1, 제2, 제3 키워드 목록을 기초로 검색 조건을 설정하고, 설정한 검색 조건으로 상품 트렌드를 검색하며, 검색한 상품 트렌드를 분석하고 예측할 수 있다.
또한, 플랫폼 서버(300)는, 검색한 상품 트렌드를 분석하고 예측할 때, 검색 조건을 사전 학습한 인공지능 모델에 입력하여 상품 트렌드를 검색 및 분석하고 예측할 수 있다.
일 예로, 인공지능 모델은, 뉴럴 네트워크를 포함하는 기계식 학습 모델을 포함할 수 있다.
즉, 본 발명의 인공지능 모델은, 검색 조건을 기초로 상품 트렌드를 검색 및 분석하고 예측하도록 사전 학습될 수 있다.
다음, 플랫폼 서버(300)는, 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 예측할 때, 상품 트렌드에 대한 사용자 질문을 사전 학습한 인공지능 모델에 입력하여 사용자 질문에 상응하는 상품 트렌드를 분석 및 예측할 수 있다.
여기서, 인공 지능 모델은, 상품 트렌드에 대한 사용자 질문이 입력되면 사용자 질문을 분석하고, 사용자 질문에 상응하는 키워드들을 추출 및 조합하여 검색 조건을 생성하며, 검색 조건을 기초로 상품 트렌드를 검색 및 분석하고 예측할 수 있다.
일 예로, 인공지능 모델은, 뉴럴 네트워크를 포함하는 기계식 학습 모델을 포함할 수 있다.
즉, 본 발명의 인공지능 모델은, 상품 트렌드에 대한 사용자 질문을 기초로 상품 트렌드를 검색 및 분석하고 예측하도록 사전 학습될 수 있다.
또한, 본 발명의 인공지능 모델은, 딥 뉴럴 네트워크일 수 있는데, 딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는, 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크 (CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있다.
이와 같이, 본 발명은, 상품 데이터 및 소셜 데이터로부터 태그 및 키워드를 추출하고, 이들을 기초로 상품 트렌드를 분석 및 예측함으로써, 시장에서 요구되는 고객 관점의 트렌드를 실시간으로 반영할 수 있다.
또한, 본 발명은, 소비자 니즈와 상품 특성을 매칭함으로써, 신제품 기획 및 마케팅 활동 등 기업의 영업 활동 및 실행에 있어 시장 대응력을 높일 수 있다.
도 2는, 도 1의 플랫폼 서버를 설명하기 위한 블럭 구성도이다.
도 2에 도시된 바와 같이, 본 발명의 플랫폼 서버(300)는, 사용자 단말 및 외부 서버에 통신 연결되어 상품 데이터 및 소셜 데이터를 수신하는 통신부(310), 상품 데이터 및 소셜 데이터를 가공 처리하는 전처리부(320), 가공 처리된 상품 데이터 및 소셜 데이터를 분류하여 그에 상응하는 태그를 생성하는 태그 생성부(330), 태그, 상품 데이터 및 소셜 데이터로부터 키워드를 추출하는 키워드 추출부(340), 추출한 키워드를 기초로 상품 트렌드를 분석하여 예측하는 상품 트렌드 예측부(350), 상품 데이터, 소셜 데이터, 그들의 태그 및 키워드, 분석 및 예측한 상품 트렌드 정보를 저장하는 데이터베이스(360), 그리고 통신부(310), 전처리부(320), 태그 생성부(330), 키워드 추출부(340), 데이터베이스(360) 및 상품 트렌드 예측부(350)를 제어하는 제어부(370)를 포함할 수 있다.
여기서, 제어부(370)는, 통신부(310)를 통해 상기 상품 데이터 및 소셜 데이터를 수집하면 상품 데이터 및 소셜 데이터로부터 상품 속성에 상응하는 제1 키워드를 추출하도록 키워드 추출부(340)를 제어하고, 상품 데이터 및 소셜 데이터에 포함되는 동영상, 정지영상 및 텍스트를 가공 처리하여 비정형 데이터 및 정형 데이터 중 적어도 어느 하나를 생성하도록 전처리부(320)를 제어하며, 비정형 데이터 또는 정형 데이터를 자동 분류하여 그에 상응하는 태그를 생성하도록 태그 생성부(330)를 제어하고, 태그로부터 제2 키워드를 추출하도록 키워드 추출부(340)를 제어하며, 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 분석하고 예측하도록 상품 트렌드 예측부(350)를 제어할 수 있다.
그리고, 키워드 추출부(340)는, 수집되는 상품 데이터 및 소셜 데이터에 텍스트가 포함되면 텍스트로부터 특정 상품의 속성에 상응하는 제1 키워드를 추출할 수 있다.
다음, 전처리부(320)는, 수집되는 상품 데이터 및 소셜 데이터에 동영상이 포함되면 동영상을 하이라이트 캡쳐하여 하이라이트 캡쳐 이미지를 생성하고, 하이라이트 캡쳐 이미지로부터 특정 상품을 검출하며, 검출된 특정 상품에 대해 하이라이트 캡쳐 이미지로부터 특정 상품 이미지를 추출하고, 추출한 특정 상품 이미지로부터 정형 데이터를 생성할 수 있다.
또한, 전처리부(320)는, 하이라이트 캡쳐 이미지가 생성되면 하이라이트 캡쳐 이미지로부터 텍스트를 추출하고, 추출한 텍스트를 기초로 비정형 데이터를 생성할 수 있다.
또한, 전처리부(320)는, 수집되는 상품 데이터 및 소셜 데이터에 동영상이 포함되면 동영상으로부터 음성을 추출하여 음성을 텍스트로 변환 처리하고, 변환 처리된 텍스트를 기초로 비정형 데이터를 생성할 수 있다.
또한, 전처리부(320)는, 수집되는 상품 데이터 및 소셜 데이터에 정지영상(still image)이 포함되면 정지 영상으로부터 특정 상품을 검출하고, 검출된 특정 상품에 대해 정지 영상으로부터 특정 상품 이미지를 추출하며, 추출한 특정 상품 이미지로부터 정형 데이터를 생성할 수 있다.
또한, 전처리부(320)는, 정지 영상으로부터 텍스트를 추출하고, 추출한 텍스트를 기초로 비정형 데이터를 생성할 수 있다.
또한, 전처리부(320)는, 상품 데이터 및 소셜 데이터에 텍스트가 포함되면 텍스트로부터 비정형 데이터를 생성할 수 있다.
그리고, 태그 생성부(330)는, 비정형 데이터 또는 정형 데이터를 상품의 카테고리별로 자동 분류하고, 자동 분류된 각각의 비정형 데이터 또는 정형 데이터에 대한 태그를 생성할 수 있다.
여기서, 태그 생성부(330)는, 비정형 데이터 또는 정형 데이터를 자동 분류할 때, 생성한 비정형 데이터 또는 정형 데이터를 사전 학습한 인공지능 모델에 입력하여 상품의 카테고리별로 자동 분류할 수도 있다.
이어, 상품 트렌드 예측부(350)는, 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 분석할 때, 미디어 필터, 키워드 필터, 상품 유형, 중심 태그, 연관 태그를 선택하여 그에 상응하는 키워드들을 기초로 상품 트렌드를 분석할 수 있다.
또한, 상품 트렌드 예측부(350)는, 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 예측할 때, 상품 유형, 중심 태그, 연관 태그 및 상품 구성 방식을 선택하여 그에 상응하는 상품 트렌드를 예측할 수 있다.
여기서, 상품 트렌드 예측부(350)는, 상품 트렌드가 예측되면 예측한 상품 트렌드에 대한 예측 상품 이미지 및 예측 상품 정보를 예측 인기 순위별로 데이터베이스(360)에 저장할 수 있다.
또한, 상품 트렌드 예측부(350)는, 추출한 제1, 제2 키워드를 기초로 관심 키워드들을 선정하고, 선정된 관심 키워드들을 조합 구성하며, 조합 구성한 복합 키워드를 기초로 검색 조건을 설정하고, 설정한 검색 조건으로 상품 트렌드를 검색하며, 검색한 상품 트렌드를 분석하고 예측할 수 있다.
또한, 상품 트렌드 예측부(350)는, 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 예측할 때, 상품 트렌드에 대한 사용자 질문을 사전 학습한 인공지능 모델에 입력하여 사용자 질문에 상응하는 상품 트렌드를 분석 및 예측할 수 있다.
도 3은, 본 발명에 따른 플랫폼 서버의 상품 트렌드 예측 서비스 제공 과정을 설명하기 위한 도면이다.
도 3에 도시된 바와 같이, 본 발명은, 먼저, 상품 정보 입력기, 브랜드 사이트 수집 웹봇, 소셜 네트워크 수집 웹봇을 통해 상품 데이터를 수집하고, 소셜 네트워크 수집 웹봇을 통해 소셜 데이터를 수집할 수 있다.
그리고, 본 발명은, 키워드 추출기를 통해 상품 데이터 및 소셜 데이터로부터 상품 속성에 상응하는 제1 키워드를 추출할 수 잇다.
이어, 본 발명은, 상품 데이터 및 소셜 데이터에 포함되는 동영상, 정지영상 및 텍스트를 가공 처리하여 비정형 데이터 및 정형 데이터 중 적어도 어느 하나를 생성할 수 있다.
여기서, 본 발명은, 상품 데이터 및 소셜 데이터에 포함되는 동영상을 하이라이트 캡쳐하여 하이라이트 캡쳐 이미지를 생성하고, 하이라이트 캡쳐 이미지로부터 특정 상품을 검출하며, 검출된 특정 상품에 대해 하이라이트 캡쳐 이미지로부터 특정 상품 이미지를 추출하고, 추출한 특정 상품 이미지로부터 정형 데이터를 생성할 수 있다.
또한, 본 발명은, 하이라이트 캡쳐 이미지로부터 광학 문자 인식(Optical Character Recognition)를 통해 텍스트를 추출하고, 추출한 텍스트를 기초로 비정형 데이터를 생성할 수 있다.
또한, 본 발명은, 동영상으로부터 음성을 추출하여 음성을 STT(Speech-to-Text)를 통해 텍스트로 변환 처리하고, 변환 처리된 텍스트를 기초로 비정형 데이터를 생성할 수 있다.
또한, 본 발명은, 상품 데이터 및 소셜 데이터에 포함된 텍스트로부터 비정형 데이터를 생성할 수 있다.
다음, 본 발명은, 비정형 데이터 또는 정형 데이터를 상품의 카테고리별로 자동 분류하고, 자동 분류된 각각의 비정형 데이터 또는 정형 데이터에 대한 태그를 생성할 수 있다.
그리고, 본 발명은, 태그를 생성하면 태그를 상품별로 1차 분류하고, 1차 분류된 태그를 각 상품의 부위별 2차 분류하며, 2차 분류된 태그를 각 상품의 특정 부위에 대한 특징 및 속성별로 3차 분류하고, 분류된 태그들을 기초로 태그 트리(tag tree)를 생성하여 저장할 수 있다.
이어, 본 발명은, 상품 데이터 및 소셜 데이터로부터 추출된 제1 키워드와 태그들로부터 추출된 제2 키워드를 카테고리별로 추가 분류하여 저장할 수 있다.
여기서, 본 발명은, 상품 데이터로부터 추출된 제1 키워드를 브랜드별로 1차 분류하고, 1차 분류된 각 브랜드에 대한 키워드를 상품별로 2차 분류하여 저장할 수 있다.
또한, 본 발명은, 소셜 데이터로부터 추출된 제1 키워드를 카테고리별, 소셜매체별, 그리고 상품유형별로 분류하여 저장하고, 태그로부터 추출된 제2 키워드를 상품 유형별, 태그별, 그리고 출현빈도별로 분류하여 저장할 수 있다.
다음, 본 발명은, 미디어 필터, 키워드 필터, 상품 유형, 중심 태그, 연관 태그를 선택하여 그에 상응하는 키워드들을 기초로 상품 트렌드를 분석할 수 있다.
그리고, 본 발명은, 상품 유형, 중심 태그, 연관 태그 및 상품 구성 방식을 선택하여 그에 상응하는 상품 트렌드를 예측할 수 있다.
이어, 본 발명은, 상품 트렌드가 예측되면 예측한 상품 트렌드에 대한 예측 상품 이미지 및 예측 상품 정보를 예측 인기 순위별로 저장할 수 있다.
도 4 및 도 5는, 본 발명에 따른 플랫폼 서버의 검색 조건 생성을 위한 키워드 조합 구성 과정을 설명하기 위한 도면이다.
도 4 및 도 5에 도시된 바와 같이, 본 발명의 플랫폼 서버는, 사용자가 특정 키워드들을 선택하면 사용자 선택 키워드들을 조합 구성하고, 조합 구성된 복합 키워드들을 기초로 예측되는 상품 트렌드의 예측 상품 이미지 및 예측 상품 정보를 검색할 수 있다.
경우에 따라, 본 발명의 플랫폼 서버는, 검색 조건을 사전 학습한 인공지능 모델을 통해 데이터베이스에 저장된 키워드들을 기초로 관심 키워드들을 선정하고, 선정된 관심 키워드들을 조합 구성하며, 조합 구성한 복합 키워드를 기초로 검색 조건을 설정하고, 설정한 검색 조건으로 상품 트렌드를 검색하며, 검색한 상품 트렌드를 분석하고 예측할 수 있다.
도 4와 같이, 본 발명은, 관심 키워드들을 선정하여 제1 키워드 목록을 생성하고, 이슈 키워드들을 선정하여 관심 키워드와 이슈 키워드를 조합 구성하여 제2 키워드 목록을 생성하며, 세부 속성 키워드들을 선정하여 관심 키워드, 이슈 키워드 및 세부 속성 키워드를 조합 구성하여 제3 키워드 목록을 생성하고, 사용성 키워드들을 선정하여 관심 키워드, 이슈 키워드, 세부 속성 키워드 및 사용성 키워드를 조합 구성하여 제4 키워드 목록을 생성하며, 제4 키워드 목록을 기초로 검색 조건을 설정하고, 설정한 검색 조건으로 상품 트렌드를 검색하며, 검색한 상품 트렌드를 분석하고 예측할 수 있다.
다른 예로, 도 5와 같이, 본 발명은, 관심 키워드들을 선정하여 제1 키워드 목록을 생성하고, 강조 부위 키워드들 및 색상 키워드들을 선정하여 관심 키워드와 강조 부위 키워드를 조합 구성하거나 관심 키워드와 색상 키워드를 조합 구성하여 제2 키워드 목록을 생성하며, 상품 카테고리 키워드들 및 브랜드 키워드들을 선정하여 상품 카테고리 키워드와 브랜드 키워드를 조합 구성하여 제3 키워드 목록을 생성하고, 제1, 제2, 제3 키워드 목록을 기초로 검색 조건을 설정하고, 설정한 검색 조건으로 상품 트렌드를 검색하며, 검색한 상품 트렌드를 분석하고 예측할 수도 있다.
또 다른 경우로서, 본 발명은, 상품 트렌드에 대한 사용자 질문을 사전 학습한 인공지능 모델을 통해 사용자 질문에 상응하는 상품 트렌드를 분석 및 예측할 수도 있다.
여기서, 인공 지능 모델은, 상품 트렌드에 대한 사용자 질문이 입력되면 사용자 질문을 분석하고, 사용자 질문에 상응하는 키워드들을 추출 및 조합하여 검색 조건을 생성하며, 검색 조건을 기초로 상품 트렌드를 검색 및 분석하고 예측할 수 있다.
도 6 내지 9는, 본 발명에 따른 상품 트렌드 예측 서비스 제공 방법을 설명하기 위한 흐름도이다.
도 6에 도시된 바와 같이, 본 발명은, 상품 데이터 및 소셜 데이터를 수집할 수 있다(S10).
여기서, 본 발명은, 상품 정보 입력기, 브랜드 사이트 수집 웹봇, 소셜 네트워크 수집 웹봇을 통해 상품 데이터를 수집하고, 소셜 네트워크 수집 웹봇을 통해 소셜 데이터를 수집할 수 있다.
그리고, 본 발명은, 상품 데이터 및 소셜 데이터로부터 상품 속성에 상응하는 제1 키워드를 추출할 수 있다(S20).
여기서, 본 발명은, 상품 데이터 및 소셜 데이터에 텍스트가 포함되는지를 확인하고, 텍스트가 포함되면 텍스트로부터 특정 상품의 속성에 상응하는 제1 키워드를 추출할 수 있다.
이어, 본 발명은, 상품 데이터 및 소셜 데이터에 포함되는 동영상, 정지영상 및 텍스트를 가공 처리하여 비정형 데이터 및 정형 데이터 중 적어도 어느 하나를 생성할 수 있다(S30).
여기서, 본 발명은, 상품 데이터 및 소셜 데이터에 동영상이 포함되면 동영상을 하이라이트 캡쳐하여 하이라이트 캡쳐 이미지를 생성하고, 하이라이트 캡쳐 이미지로부터 특정 상품을 검출하며, 검출된 특정 상품에 대해 하이라이트 캡쳐 이미지로부터 특정 상품 이미지를 추출하고, 추출한 특정 상품 이미지로부터 정형 데이터를 생성할 수 있다.
또한, 본 발명은, 상품 데이터 및 소셜 데이터에 정지영상(still image)이 포함되면 정지 영상으로부터 특정 상품을 검출하고, 검출된 특정 상품에 대해 정지 영상으로부터 특정 상품 이미지를 추출하며, 추출한 특정 상품 이미지로부터 정형 데이터를 생성할 수 있다.
또한, 본 발명은, 상품 데이터 및 소셜 데이터에 텍스트가 포함되면 텍스트로부터 비정형 데이터를 생성할 수 있다.
다음, 본 발명은, 비정형 데이터 또는 정형 데이터를 자동 분류하여 그에 상응하는 태그를 생성할 수 있다(S40).
여기서, 본 발명은, 비정형 데이터 또는 정형 데이터를 상품의 카테고리별로 자동 분류하고, 자동 분류된 각각의 비정형 데이터 또는 정형 데이터에 대한 태그를 생성할 수 있다.
그리고, 본 발명은, 태그로부터 제2 키워드를 추출할 수 있다(S50).
이어, 본 발명은, 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 분석하고 예측할 수 있다(S60).
여기서, 본 발명은, 미디어 필터, 키워드 필터, 상품 유형, 중심 태그, 연관 태그를 선택하여 그에 상응하는 키워드들을 기초로 상품 트렌드를 분석할 수 있다.
또한, 본 발명은, 상품 유형, 중심 태그, 연관 태그 및 상품 구성 방식을 선택하여 그에 상응하는 상품 트렌드를 예측할 수 있다.
또한, 본 발명은, 상품 트렌드가 예측되면 예측한 상품 트렌드에 대한 예측 상품 이미지 및 예측 상품 정보를 예측 인기 순위별로 저장할 수 있다.
다음, 본 발명은, 상품 트렌드 예측 서비스 종료 요청이 수신되는지를 확인하고(S70), 상품 트렌드 예측 서비스 종료 요청이 수신되면 상품 트렌드 예측 서비스 제공을 종료할 수 있다.
또한, 본 발명은, 비정형 데이터 또는 정형 데이터를 자동 분류하여 그에 상응하는 태그를 생성한 다음, 태그를 기초로 태그 트리를 생성할 수도 있다.
도 7에 도시된 바와 같이, 본 발명은, 비정형 데이터 또는 정형 데이터를 자동 분류하여 그에 상응하는 태그를 생성한다(S42).
그리고, 본 발명은, 태그를 상품별로 1차 분류할 수 있다(S44).
이어, 본 발명은, 1차 분류된 태그를 각 상품의 부위별 2차 분류할 수 있다(S46).
다음, 본 발명은, 2차 분류된 태그를 각 상품의 특정 부위에 대한 특징 및 속성별로 3차 분류할 수 있다(S47).
그리고, 본 발명은, 분류된 태그들을 기초로 태그 트리(tag tree)를 생성하여 저장할 수 있다(S48).
또한, 본 발명은, 상품 데이터 및 소셜 데이터로부터 추출된 제1 키워드와 태그들로부터 추출된 제2 키워드를 카테고리별로 추가 분류하여 저장할 수 있다.
도 8에 도시된 바와 같이, 본 발명은, 상품 데이터로부터 제1 키워드를 추출하고(S22), 소셜 데이터로부터 제1 키워드를 추출할 수 있다(S26).
이어, 본 발명은, 상품 데이터로부터 추출된 제1 키워드를 브랜드별로 1차 분류하고(S23), 1차 분류된 각 브랜드에 대한 키워드를 상품별로 2차 분류하며(S24), 분류한 키워드들을 저장할 수 있다(S25).
그리고, 본 발명은, 소셜 데이터로부터 추출된 제1 키워드를 카테고리별, 소셜매체별, 그리고 상품유형별로 분류하고(S27), 분류한 키워드들을 저장할 수 있다(S28).
여기서, 카테고리별 분류는, 브랜드별, 분석리뷰별, 그리고 반응리뷰별로 분류될 수 있고, 소셜 매체별 분류는, 인스타그램별 및 블로그별로 분류될 수 있다.
또한, 본 발명은, 태그로부터 추출된 제2 키워드를 상품 유형별, 태그별, 그리고 출현빈도별로 분류하여 저장할 수 있다.
다른 실시예로, 본 발명은, 사용자의 키워드 선택에 상응하여 상품 트렌드 예측 서비스를 제공할 수도 있다.
도 9에 도시된 바와 같이, 본 발명은, 사용자 단말로부터 상품 트렌드 예측 서비스 요청이 수신할 수 있다(S92).
이어, 본 발명은, 사용자 단말로부터 상품 트렌드 예측 서비스 요청이 수신되면 상품 유형 관련 제1 키워드 목록, 중심 태그 관련 제2 키워드 목록, 연관 태그 관련 제3 키워드 목록 및 상품 구성 방식 관련 제4 키워드 목록을 생성할 수 있다(S94).
여기서, 본 발명은, 상품 유형 관련 제1 키워드들, 중심 태그 관련 제2 키워드들, 연관 태그 관련 제3 키워드들 및 상품 구성 방식 관련 제4 키워드들이 각각 출현빈도 순위별로 나열되도록 제1 내지 제4 키워드 목록을 생성할 수 있다.
다음, 본 발명은, 생성한 제1 내지 제4 키워드 목록을 사용자 단말로 전송할 수 있다(S96).
그리고, 본 발명은, 사용자 단말로부터 제1 내지 제4 키워드 목록에 대한 사용자 키워드 선택 완료를 수신할 수 있다(S98).
이어, 본 발명은, 사용자 키워드 선택에 상응하여 예측되는 상품 트렌드의 예측 상품 이미지 및 예측 상품 정보를 예측 인기 순위별로 디스플레이되도록 가공 처리하여 사용자 단말로 전송할 수 있다(S99).
경우에 따라, 본 발명은, 사용자 단말로부터 상품 트렌드 예측 서비스 요청이 수신되면 사용자 선택에 상응하여 예측되는 상품 트렌드의 예측 상품 이미지를 시각화하여 연관 네트워크 형태로 디스플레이되도록 사용자 단말로 전송할 수도 있다.
다른 경우로서, 본 발명은, 사용자 단말로부터 상품 트렌드 예측 서비스 요청이 수신되면 사용자 선택에 상응하여 예측되는 상품 트렌드의 예측 상품 키워드를 시각화하여 연관 네트워크 형태로 디스플레이되도록 사용자 단말로 전송할 수도 있다.
또 다른 경우로서, 본 발명은, 사용자 단말로부터 제1 내지 제4 키워드 목록에 대한 사용자 키워드 선택 완료를 수신하면 사용자가 선택한 제1 내지 제4 키워드들을 조합 구성하고, 조합 구성된 복합 키워드들을 기초로 예측되는 상품 트렌드의 예측 상품 이미지 및 예측 상품 정보를 검색할 수도 있다.
또 다른 경우로서, 본 발명은, 제1, 제2 키워드를 기초로 관심 키워드들을 선정하고, 선정된 관심 키워드들을 조합 구성하며, 조합 구성한 복합 키워드를 기초로 검색 조건을 설정하고, 설정한 검색 조건으로 상품 트렌드를 검색하며, 검색한 상품 트렌드를 분석하고 예측할 수도 있다.
이와 같이, 본 발명은, 상품 데이터 및 소셜 데이터로부터 태그 및 키워드를 추출하고, 이들을 기초로 상품 트렌드를 분석 및 예측함으로써, 시장에서 요구되는 고객 관점의 트렌드를 실시간으로 반영할 수 있다.
또한, 본 발명은, 소비자 니즈와 상품 특성을 매칭함으로써, 신제품 기획 및 마케팅 활동 등 기업의 영업 활동 및 실행에 있어 시장 대응력을 높일 수 있다.
이상에서 전술한 본 발명의 일 실시예에 따른 방법은, 하드웨어인 서버와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 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.
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.
[부호의 설명]
100: 사용자 단말 200: 외부 서버
300: 플랫폼 서버 310: 통신부
320: 전처리부 330: 테그 생성부
340: 키워드 추출부 350: 상품 트렌드 예측부
360: 데이터베이스 370: 제어부

Claims (15)

  1. 사용자 단말 및 외부 서버에 통신 연결되는 플랫폼 서버를 포함하는 상품 트렌드 예측 서비스 제공 장치에 있어서,
    상기 플랫폼 서버는,
    상기 사용자 단말 및 외부 서버에 통신 연결되어 상품 데이터 및 소셜 데이터를 수신하는 통신부;
    상기 상품 데이터 및 소셜 데이터를 가공 처리하는 전처리부;
    상기 가공 처리된 상품 데이터 및 소셜 데이터를 분류하여 그에 상응하는 태그를 생성하는 태그 생성부;
    상기 태그, 상품 데이터 및 소셜 데이터로부터 키워드를 추출하는 키워드 추출부;
    상기 추출한 키워드를 기초로 상품 트렌드를 분석하여 예측하는 상품 트렌드 예측부; 및
    상기 통신부, 전처리부, 태그 생성부, 키워드 추출부 및 상품 트렌드 예측부를 제어하는 제어부를 포함하고,
    상기 제어부는,
    상기 통신부를 통해 상기 상품 데이터 및 소셜 데이터를 수집하면 상기 상품 데이터 및 소셜 데이터로부터 상품 속성에 상응하는 제1 키워드를 추출하도록 상기 키워드 추출부를 제어하고, 상기 상품 데이터 및 소셜 데이터에 포함되는 동영상, 정지영상 및 텍스트를 가공 처리하여 비정형 데이터 및 정형 데이터 중 적어도 어느 하나를 생성하도록 상기 전처리부를 제어하며, 상기 비정형 데이터 또는 정형 데이터를 자동 분류하여 그에 상응하는 태그를 생성하도록 상기 태그 생성부를 제어하고, 상기 태그로부터 제2 키워드를 추출하도록 상기 키워드 추출부를 제어하며, 상기 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 분석하고 예측하도록 상기 상품 트렌드 예측부를 제어하는 것을 특징으로 하는,
    상품 트렌드 예측 서비스 제공 장치.
  2. 제1항에 있어서,
    상기 제어부는,
    상품 정보 입력기, 브랜드 사이트 수집 웹봇, 소셜 네트워크 수집 웹봇을 통해 상기 상품 데이터를 수집하고, 상기 소셜 네트워크 수집 웹봇을 통해 상기 소셜 데이터를 수집하는 것을 특징으로 하는,
    상품 트렌드 예측 서비스 제공 장치.
  3. 제2항에 있어서,
    상기 제어부는,
    상기 소셜 데이터를 수집할 때, 지정 인플루언서의 컨텐츠, 상기 지정 인플루언서와 연결된 제1 사용자들의 컨텐츠, 상기 지정 인플루언서 및 제1 사용자들의 컨텐츠를 사용하는 제2 사용자들의 컨텐츠로부터 상기 소셜 데이터를 수집하는 것을 특징으로 하는 상품 트렌드 예측 서비스 제공 방법.
  4. 제1항에 있어서,
    상기 제어부는,
    상기 상품 데이터 및 소셜 데이터에 동영상이 포함되면 상기 동영상을 하이라이트 캡쳐하여 하이라이트 캡쳐 이미지를 생성하고, 상기 하이라이트 캡쳐 이미지로부터 특정 상품을 검출하며, 상기 검출된 특정 상품에 대해 상기 하이라이트 캡쳐 이미지로부터 특정 상품 이미지를 추출하고, 상기 추출한 특정 상품 이미지로부터 정형 데이터를 생성하는 것을 특징으로 하는,
    상품 트렌드 예측 서비스 제공 장치.
  5. 제4항에 있어서,
    상기 제어부는,
    상기 상품 데이터 및 소셜 데이터에 동영상이 포함되면 상기 동영상으로부터 음성을 추출하여 상기 음성을 텍스트로 변환 처리하고, 상기 변환 처리된 텍스트를 기초로 비정형 데이터를 생성하는 것을 특징으로 하는,
    상품 트렌드 예측 서비스 제공 장치.
  6. 제1항에 있어서,
    상기 제어부는,
    상기 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 분석할 때, 미디어 필터, 키워드 필터, 상품 유형, 중심 태그, 연관 태그를 선택하여 그에 상응하는 키워드들을 기초로 상품 트렌드를 분석하는 것을 특징으로 하는,
    상품 트렌드 예측 서비스 제공 장치.
  7. 제1항에 있어서,
    상기 제어부는,
    사용자 단말로부터 상품 트렌드 예측 서비스 요청이 수신되면 상품 유형 관련 제1 키워드 목록, 중심 태그 관련 제2 키워드 목록, 연관 태그 관련 제3 키워드 목록 및 상품 구성 방식 관련 제4 키워드 목록을 상기 사용자 단말로 전송하고, 상기 사용자 단말로부터 상기 제1 내지 제4 키워드 목록에 대한 사용자 키워드 선택 완료를 수신하면 사용자 키워드 선택에 상응하여 예측되는 상품 트렌드의 예측 상품 이미지 및 예측 상품 정보를 예측 인기 순위별로 디스플레이되도록 가공 처리하여 상기 사용자 단말로 전송하는 것을 특징으로 하는,
    상품 트렌드 예측 서비스 제공 장치.
  8. 제1항에 있어서,
    상기 제어부는,
    상기 추출한 제1, 제2 키워드를 기초로 관심 키워드들을 선정하고, 상기 선정된 관심 키워드들을 조합 구성하며, 상기 조합 구성한 복합 키워드를 기초로 검색 조건을 설정하고, 상기 설정한 검색 조건으로 상품 트렌드를 검색하며, 상기 검색한 상품 트렌드를 분석하고 예측하는 것을 특징으로 하는,
    상품 트렌드 예측 서비스 제공 장치.
  9. 플랫폼 서버에 의해 수행되는 방법으로,
    상품 데이터 및 소셜 데이터를 수집하는 단계;
    상기 상품 데이터 및 소셜 데이터로부터 상품 속성에 상응하는 제1 키워드를 추출하는 단계;
    상기 상품 데이터 및 소셜 데이터에 포함되는 동영상, 정지영상 및 텍스트를 가공 처리하여 비정형 데이터 및 정형 데이터 중 적어도 어느 하나를 생성하는 단계;
    상기 비정형 데이터 또는 정형 데이터를 자동 분류하여 그에 상응하는 태그를 생성하는 단계;
    상기 태그로부터 제2 키워드를 추출하는 단계; 및
    상기 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 분석하고 예측하는 단계를 포함하는 것을 특징으로 하는,
    상품 트렌드 예측 서비스 제공 방법.
  10. 제9항에 있어서,
    상기 수집 단계는,
    상품 정보 입력기, 브랜드 사이트 수집 웹봇, 소셜 네트워크 수집 웹봇을 통해 상기 상품 데이터를 수집하고, 상기 소셜 네트워크 수집 웹봇을 통해 상기 소셜 데이터를 수집하는 것을 특징으로 하는,
    상품 트렌드 예측 서비스 제공 방법.
  11. 제10항에 있어서,
    상기 수집 단계는,
    상기 소셜 데이터를 수집할 때, 지정 인플루언서의 컨텐츠, 상기 지정 인플루언서와 연결된 제1 사용자들의 컨텐츠, 상기 지정 인플루언서 및 제1 사용자들의 컨텐츠를 사용하는 제2 사용자들의 컨텐츠로부터 상기 소셜 데이터를 수집하는 것을 특징으로 하는,
    상품 트렌드 예측 서비스 제공 방법.
  12. 제9항에 있어서,
    상기 비정형 데이터 및 정형 데이터 중 적어도 어느 하나를 생성하는 단계는,
    상기 상품 데이터 및 소셜 데이터에 동영상이 포함되면 상기 동영상을 하이라이트 캡쳐하여 하이라이트 캡쳐 이미지를 생성하고, 상기 하이라이트 캡쳐 이미지로부터 특정 상품을 검출하며, 상기 검출된 특정 상품에 대해 상기 하이라이트 캡쳐 이미지로부터 특정 상품 이미지를 추출하고, 상기 추출한 특정 상품 이미지로부터 정형 데이터를 생성하는 것을 특징으로 하는,
    상품 트렌드 예측 서비스 제공 방법.
  13. 제12항에 있어서,
    상기 플랫폼 서버는,
    상기 상품 데이터 및 소셜 데이터에 동영상이 포함되면 상기 동영상으로부터 음성을 추출하여 상기 음성을 텍스트로 변환 처리하고, 상기 변환 처리된 텍스트를 기초로 비정형 데이터를 생성하는 것을 특징으로 하는,
    상품 트렌드 예측 서비스 제공 방법.
  14. 제9항에 있어서,
    상기 예측 단계는,
    상기 추출한 제1, 제2 키워드를 기초로 상품 트렌드를 분석할 때, 미디어 필터, 키워드 필터, 상품 유형, 중심 태그, 연관 태그를 선택하여 그에 상응하는 키워드들을 기초로 상품 트렌드를 분석하는 것을 특징으로 하는,
    상품 트렌드 예측 서비스 제공 방법.
  15. 하드웨어인 컴퓨터와 결합되어, 제9항의 방법을 실행시키기 위한 프로그램이 저장된 컴퓨터 판독 가능한 기록매체.
PCT/KR2023/000228 2022-01-06 2023-01-05 상품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램 WO2023132657A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220002111A KR102502575B1 (ko) 2022-01-06 2022-01-06 상품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램
KR10-2022-0002111 2022-01-06

Publications (1)

Publication Number Publication Date
WO2023132657A1 true WO2023132657A1 (ko) 2023-07-13

Family

ID=85328474

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/000228 WO2023132657A1 (ko) 2022-01-06 2023-01-05 상품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램

Country Status (2)

Country Link
KR (1) KR102502575B1 (ko)
WO (1) WO2023132657A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102619835B1 (ko) * 2023-07-13 2024-01-04 주식회사 이모셔널인사이트 데이터주체가 주도하고 통제하는 데이터베이스를 기반으로하는 유저 표출 구매 원인 및 욕구 통찰 방식의 정보 운용 솔루션 제공방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100025729A (ko) * 2008-08-28 2010-03-10 엔에이치엔비즈니스플랫폼 주식회사 동영상을 이용한 광고 방법 및 시스템
WO2020035934A1 (ja) * 2018-08-17 2020-02-20 株式会社ウフル Ｓｎｓ画像トレンド分析システム、ｓｎｓ画像トレンド分析方法、及びプログラム
KR102190897B1 (ko) * 2019-09-19 2020-12-15 (주)어반유니온 빅데이터기반 패션 트렌드 분석방법 및 장치
KR20210030178A (ko) * 2019-09-09 2021-03-17 권수희 이미지 및 텍스트 통합분석에 기반한 패션 트렌드 예측방법, 장치 및 프로그램
KR20210137264A (ko) * 2020-05-07 2021-11-17 (주)컨버전스스퀘어 빅데이터 기반 온라인 쇼핑몰 ai 키워드 추천 시스템 및 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102222159B1 (ko) 2020-07-02 2021-03-04 이주찬 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100025729A (ko) * 2008-08-28 2010-03-10 엔에이치엔비즈니스플랫폼 주식회사 동영상을 이용한 광고 방법 및 시스템
WO2020035934A1 (ja) * 2018-08-17 2020-02-20 株式会社ウフル Ｓｎｓ画像トレンド分析システム、ｓｎｓ画像トレンド分析方法、及びプログラム
KR20210030178A (ko) * 2019-09-09 2021-03-17 권수희 이미지 및 텍스트 통합분석에 기반한 패션 트렌드 예측방법, 장치 및 프로그램
KR102190897B1 (ko) * 2019-09-19 2020-12-15 (주)어반유니온 빅데이터기반 패션 트렌드 분석방법 및 장치
KR20210137264A (ko) * 2020-05-07 2021-11-17 (주)컨버전스스퀘어 빅데이터 기반 온라인 쇼핑몰 ai 키워드 추천 시스템 및 방법

Also Published As

Publication number Publication date
KR102502575B1 (ko) 2023-02-21

Similar Documents

Publication Publication Date Title
WO2019031714A1 (ko) 객체를 인식하는 방법 및 장치
WO2018117704A1 (en) Electronic apparatus and operation method thereof
WO2018128362A1 (en) Electronic apparatus and method of operating the same
WO2021003930A1 (zh) 客服录音的质检方法、装置、设备及计算机可读存储介质
WO2019059505A1 (ko) 객체를 인식하는 방법 및 장치
EP3545436A1 (en) Electronic apparatus and method of operating the same
EP3545487A1 (en) Electronic apparatus, controlling method of thereof and non-transitory computer readable recording medium
WO2021054588A1 (en) Method and apparatus for providing content based on knowledge graph
WO2018174443A1 (en) Electronic apparatus, controlling method of thereof and non-transitory computer readable recording medium
WO2014035199A1 (en) User interface apparatus in a user terminal and method for supporting the same
WO2023132657A1 (ko) 상품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램
EP3539056A1 (en) Electronic apparatus and operation method thereof
WO2018131875A1 (en) Display apparatus and method for providing service thereof
WO2019054792A1 (ko) 컨텐트를 제공하는 방법 및 단말기
WO2020180034A1 (ko) 사용자 선택 기반의 정보를 제공하는 방법 및 장치
WO2021091171A1 (en) Electronic device and method for controlling the same, and storage medium
WO2020130260A1 (en) Mobile terminal and method of operating the same
WO2020168606A1 (zh) 广告视频优化方法、装置、设备及计算机可读存储介质
WO2021006482A1 (en) Apparatus and method for generating image
WO2019107674A1 (en) Computing apparatus and information input method of the computing apparatus
WO2013036035A2 (ko) 객체 태깅을 위한 플랫폼 시스템 및 그 방법
WO2018164435A1 (en) Electronic apparatus, method for controlling the same, and non-transitory computer readable recording medium
WO2020149655A1 (ko) 장치 속성에 기반한 공유 데이터의 제공 방법 및 그 전자 장치
WO2011068315A4 (ko) 최대 개념강도 인지기법을 이용한 최적의 데이터베이스 선택장치 및 그 방법
WO2020209661A1 (en) Electronic device for generating natural language response and method thereof

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: 23737405

Country of ref document: EP

Kind code of ref document: A1