KR101646312B1 - 개인행동기반 관심 대상 및 선호 분야 분석시스템 및 그 방법 - Google Patents

Abstract

본 발명은 개인행동기반 선호도 분석시스템에 관한 것으로, 개인단말기를 통해 유무선통신망을 거쳐 운영자 웹사이트에 접속하여 진행된 트랜잭션데이터를 근거로 관심대상 및 선호분야를 파악하는 개인행동기반 관심대상 및 선호분야 분석시스템에 있어서, 상기 트랜잭션데이터를 실시간으로 수집하여 상품별로 접속한 빈도수, 구매관련 연관성, 최신 조회 상품을 나타내는 최신성을 중심으로 개인의 상품과의 특성, 관심대상 및 선호 분야를 순위별로 높은 순위부터 표시하는 개인행동기반 관심대상 및 선호분야 분석 컴퓨터(서버)를 포함하는 것을 특징으로 하고, 상기 구매관련 연관성은 상기 운영자 웹사이트 특정접속 위치가 구매와 관련될수록 더 높은 가중치를 적용하는 것을 특징으로 한다.

Description

개인행동기반 관심 대상 및 선호 분야 분석시스템 및 그 방법{Personal Action-Based Interest and Preference Analysis Method and System}

본 발명은 개인행동을 근거로 해당 개인의 관심 대상 및 선호 분야(혹은 영역)를 분석하는 시스템에 관한 것으로, 보다 상세하게는 개인이 특정 서비스(시스템)를 이용하는 과정에서 발생하는 서비스(시스템) 이용로그 데이터를 기반으로 해당 개인의 서비스(시스템) 이용내역을 알아내고, 해당 개인의 서비스(시스템) 이용내역을 빈도수, 최신성, 및 관련성(혹은 관계성)의 관점에서 실시간 및 누적적으로 관찰하여, 개인의 이름, 성, 연령, 학력, 연봉 등의 개인적인 정보를 전혀 활용하지 않고, 또한 서비스(시스템) 분야에 상관없이 해당 개인의 관심대상 및 선호분야를 분석하여 판매, 마케팅, 서비스 등에 활용할 수 있도록 하는 개인행동기반 관심 대상 및 선호 분야를 분석하는 시스템에 관한 것이다.

현재 유무선 통신망의 발달 및 개인용 단말기의 발달로 인해 오프라인보다는 온라인상에서 책이나, 가전제품, 생활용품, 기타 식품 등 많은 상품들을 구매하고 있다.

이러한 구매활동을 위한 사이트를 운영하는 운영자 혹은 판매자의 입장에서는 고객들의 선호도를 파악하고자 하는 필요성이 많이 대두되고 있다.

한편 소비자의 입장에서도 시간상의 제약을 극복할 수 있는 온라인 구매를 많이 하고 있는 실정이며, 구매하기 전에 단순히 특정 물품을 검색하여 둘러보는 웹서핑을 많이 하고 있다.

따라서 판매자는 소비자의 소비성향 혹은 구매성향을 잘 파악하고 분석하고 대처해야 하는 실정인데, 실제로 이러한 과정은 특정 물품을 구매한 고객에게 재구매를 위한 광고를 이메일이나 우편으로 보내는게 대부분이었고, 추천을 통해 소개 받을 사람들에게 이메일이나 우편을 보내는 경우도 있었다. 이러다 보니 판매자 혹은 판매를 위해 판촉을 사전에 해야하는 광고회사 입장에서는 파악되지 않은 소비자를 상대로 무작위로 무차별적으로 광고를 하는 경우가 대부분이었다.

소비자가 구매를 하기까지의 단계를 살펴보면 관심단계를 거쳐 구매단계까지 가는게 보통이다.

그러나 현재까지는 소비자가 관심을 가지거나 특정 웹사이트에 접속하여 특징적인 어떤 행동을 하는 것에는 그 다지 관심을 기울이지 않았었다.

한편, 컴퓨터 관련 정보통신 기술의 발전으로 현재 관련 업계에서 빅테이터(BIG DATA)에 대한 논의가 활발히 진행되고 있으나 이에 대한 논의는 미비한 실정이다.

한편 스마트폰이 보급됨에따라 스마트폰상에서 다른 사람과 메시지를 주고받으며 소통하는 이른바 소셜네트워크용 프로그램(social network program)인 페이스북(facebook)과 같은 프로그램에서는 개개인의 입력데이터를 기반으로 서로 연관된타인들의 데이터(이를 테면 친구목록에 있는 사람들과 연관된 데이터)를 보여주는 프로그램도 있다. 그러나 이는 입력데이터를 기반으로 추론하는 수준으로 단순히 같은 그룹에 있는 사람들의 좋아하는 자료 보여주는 것이다. 이를 일종의 협업적 필터링(Collaboratory filtering)이라고 하는데, 보여진 데이터간의 연관 정확도는 떨어지며, 단순히 친구인 사람이 좋아하는 것을 나도 좋아할 거라고 추정하고, 친구가 '좋아요'(영어로 like) 클릭했던 걸 보여주는 것이며(일응 유용할 수도 있으나), 처음 방문한 사람도 제 친구목록에 있다면 라이크 한 것을 보여줄 수 있는 장점은 있으나 유의미한 정보라고 보기 힘들며, 이런 점에서 개인화의 정도에 있어서 의미있는 정보라고 하기에는 미미한 수준인 것이다.

[관련문헌정보]

1. 상품 추천 서비스 제공 시스템 및 방법 (특허출원번호 :10-2008-0049457 )

2. 구매패턴 기반 쇼핑 시스템 및 방법 (특허출원번호 : 10-2011-0005275)

본 발명의 목적은 개인행동을 근거로 해당 개인의 관심 대상 및 선호 분야를 분석하는 시스템에 관한 것으로, 보다 상세하게는 개인이 특정 서비스(시스템)를 이용하는 과정에서 발생하는 서비스(시스템) 이용로그 데이터를 기반으로 해당 개인의 서비스(시스템) 이용내역을 알아내고, 해당 개인의 서비스(시스템) 이용내역을 빈도수, 최신성, 및 관련성(혹은 관계성)의 관점에서 실시간 및 누적적으로 관찰하여, 개인의 이름, 성, 연령, 학력, 연봉 등의 개인적인 정보를 전혀 활용하지 않고, 또한 서비스(시스템) 분야에 상관없이 해당 개인의 관심대상 및 선호분야를 분석하여 판매, 마케팅, 서비스 등에 활용할 수 있도록 하는 개인행동기반 관심 대상 및 선호 분야 분석시스템을 제공함에 있다.

상기한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따르면, 개인행동기반 관심대상 및 선호분야 분석시스템은

하나 혹은 하나 이상의 개인단말기를 통해 유무선통신망을 거쳐 운영자 웹사이트에 접속하여 진행된 트랜잭션데이터를 근거로 선호도를 파악하는 개인행동기반 관심대상 및 선호분야 분석시스템에 있어서,

상기 트랜잭션데이터를 실시간으로 수집하여 세션별로 접속한 빈도수를 저장하고 계산하여 그 계산된 빈도수를 근거로, 해당 운영자 웹사이트에 접속했던 개인단말기 데이터와의 관계를 제1 표시데이터로 표시하고, 그 제1 표시데이터를 특정 세션별로 구분하여 실시간으로 집계하여 고객의 데이터와의 관계를 제2 표시데이터로 표시하고, 그 표시된 제2 표시데이터를 특정 세션별로 일별로 혹은 월별로 집계하여 고객의 데이터와의 관계를 제3 표시데이터로 구분하여 표시하는 개인행동기반 관심대상 및 선호분야 분석 컴퓨터(서버)를 포함하는 것을 특징으로 한다.

또한, 제 1 표시데이터는 특정고객, 특정상품, 특정고객의 특정 상품 접속 빈도수를 표시하는 데이터이고, 제 1 표시데이터는 특정고객에 대해 대응되는 특정상품의 수는 하나 이상이 표시되며, 특성상품의 수에 따른 특정고객의 특정 상품 접속 빈도수를 높은 순위부터 표시하는 데이터인 것을 특징으로 한다.

또한, 제2 표시데이터는 특정고객, 관심품목(대상 혹은 관심상품), 점수를 표시하는 데이터이고, 제2 표시데이터의 점수는 빈도, 관련성, 최신성을 적용하여 계산된 점수이며, 빈도(수)(Frequency)는 동일 상품 조회 횟수를 계산하고, 관련성(Relativity)은 경로, 행동별로 상품 관심도가 상이하다고 가정하여 구매와 관련될수록 더 높은 가중치를 적용하여 계산하고, 최신성(Recency)은 최근 조회 상품의 관심도가 더 높다고 가정하여 동일점수의 경우 최신 조회 상품을 우선 선정하도록 계산하여 계산된 점수를 총계한 값인 것을 특징으로 한다.

또한, 제 2 표시데이터는 특정고객 한 명에 대해 대응되는 관심 대상의 수는 하나 이상이 표시되며, 해당 관심 대상 각각에 대하여 계산된 제2 표시데이터의 점수가 표시되되, 관심 대상의 수의 총점이 높은 고객을 먼저 표시하는 것을 특징으로 한다.

또한, 제3 표시데이터는 특정고객, 선호 상품 카테고리, 점수를 표시하는 것을 특징으로 하되, 제3 표시데이터의 점수는 빈도(수), 최신성, 및 관련성을 적용하여 계산된 점수이며, 빈도(수)(Frequency)는 관심이 반복되는 상품의 선호도가 더 높다고 가정하여 1개월간 동일 관심 상품의 개수를 계산하고, 관련성(Relativity)은 상위 순위에 관심 상품의 선호도가 더 높다고 가정하여 상위 순위 관심 상품에 더 높은 가중치를 적용하여 계산하고, 최신성(Recency)은 최근 관심 대상의 선호도가 더 높다고 가정하여 동일점수의 경우 최신 관심 상품을 우선 선정하도록 계산하여 계산된 점수를 총계한 값인 것을 특징으로 한다.

또한, 제 3 표시데이터의 점수는 고객의 선호 분야 카테고리를 나타내며, 상기 고객의 선호 분야 카테고리는 하나 이상이고, 해당 고객의 선호 분야 카테고리에 표시된 제3 표시데이터의 점수는 총점이 높은 순위부터 상위에 표시하는 것을 특징으로 한다.

바람직하게는, 상기 개인행동기반 관심 대상 및 선호 영역 분석 컴퓨터(서버)는 상기 개인단말기와 유무선 통신망을 거치거나, 개인단말기 내부에서 직접적으로 통신모듈을 거쳐 통신하되,

서비스(시스템) 이용로그 데이터를 수집하는 데이터 수집 수단,

이용로그 데이터의 수집을 하는 과정을 이용자의 하나의 세션별로 구분하기 위한 세션의 시작과 종료를 판단하는 이용자의 세션 판단수단,

이용자의 세션별로 수집된 이용로그 데이터에 빈도수(Frequency), (구매) 관련성(Relativity), 최신성(Recency)을 중심으로 한 FRR 모델을 적용하는 관심 대상 분석을 위한 FRR 모델 적용수단,

상기 관심 대상 분석을 위한 FRR 모델 적용수단에 의해 얻어진 데이터를 통해 개인행동에 기반을 둔 관심 대상(상품으로만 제한되지 않으며, 이용자의 이용행위에 관계된 대상은 무엇이든 포함함)에 대한 관심도를 추출하여 관심도가 높은 순위부터 차례대로 낮은 순위까지 표시하는 관심 대상 표시수단,

이용자별 세션별로 수집된 관심 대상 순위 및 점수 데이터에 빈도수(Frequency), (구매) 관련성(Relativity), 최신성(Recency)을 중심으로 한 FRR 모델을 적용하는 선호 분야 분석을 위한 FRR 모델 적용수단,

상기 선호 분야 분석을 위한 FRR 모델 적용수단에 의해 얻어진 데이터를 통해 개인행동에 기반을 둔 선호 분야(상품의 카테고리나 색상으로만 제한되지 않으며, 이용자의 이용행위에 관계된 대상 정보가 보유하는 속성 정보는 무엇이든 포함함)에 대한 선호도를 추출하여 선호도가 높은 순위부터 차례대로 낮은 순위까지 표시하는 선호 분야 표시수단을 포함하는 관심 대상, 선호 영역 분석 프로그램 저장부를 포함하는 것을 특징으로 한다.

본 발명의 다른 측면에 따르면, 입력된 이용로그 데이터를 근거로 관심대상 및 선호분야를 파악하는 개인행동기반 관심대상 및 선호분야 분석시스템에 있어서,상기 트랜잭션데이터를 실시간으로 수집하여 세션별로 접속한 빈도수를 저장하고 계산하여 그 계산된 빈도수를 근거로, 해당 프로그램에 접속했던 개인 데이터와의 관계를 제1 표시데이터로 표시하고, 그 제1 표시데이터를 특정 세션별로 구분하여 실시간으로 집계하여 제2 표시데이터로 표시하고, 그 표시된 제2 표시데이터를 특정 세션별로 일별로 혹은 월별로 집계하여 고객 데이터와의 관계를 제3 표시데이터로 구분하여 표시하는 개인행동기반 관심대상 및 선호분야 분석 프로그램을 포함하는 것을 특징으로 하는 개인행동기반 관심대상 및 선호분야 분석시스템이 제공된다.

본 발명의 또 다른 측면에 따르면, 개인행동기반 관심대상 및 선호분야 분석시스템을 이용한 개인행동기반 관심대상 및 선호분야 분석방법에 있어서, 특정 사이트에 접속한 이용자 개인의 이용로그 데이터를 수집하여 표시하는 제1 단계, 해당 이용자의 세션의 종료를 판단하는 제2 단계, 이용로그 데이터를 기반으로 해당 이용자의 기초정보를 세션별로 구분하여 저장하는 제3 단계, 상기 저장된 데이터에 통해 점수를 부여하여 표시하고, 빈도(수)를 합하여 산출된 정보를 통해 관심대상 리스트를 생성하여 표시하는 제4 단계, 상기 관심대상 리스트를 세션별로 구분하여 저장하는 제5 단계, 상기 저장된 관심대상 리스트에 점수를 부여하여 표시하고, 빈도수를 합하여 산출된 정보를 속성정보와 함께 표시하여 속성별 선호분야 순위 및 속성별 선호분야를 나타내는 선호분야 리스트를 표시하는 제5 단계,를 포함하는 것을 특징으로 하는 개인행동기반 관심대상 및 선호분야 분석방법이 제공된다.

본 발명의 또 다른 측면에 따르면, 특정 단말에 내장되어 사용되는 것으로서, 해당 특정 단말내의 서비스(프로그램)의 이용시 발생되는 이용로그 데이터를 근거로 관심대상 및 선호분야를 파악하는 개인행동기반 관심대상 및 선호분야 분석프로그램이 내장된 단말에 있어서, 상기 트랜잭션데이터를 실시간으로 수집하여 세션별로 접속한 빈도수를 저장하고 계산하여 그 계산된 빈도수를 근거로, 해당 프로그램에 접속했던 개인 데이터와의 관계를 제1 표시데이터로 표시하고, 그 제1 표시데이터를 특정 세션별로 구분하여 실시간으로 집계하여 제2 표시데이터로 표시하고, 그 표시된 제2 표시데이터를 특정 세션별로 일별로 혹은 월별로 집계하여 고객별 데이터와의 관계를 제3 표시데이터로 구분하여 표시하는 개인행동기반 관심대상 및 선호분야 분석 프로그램을 포함하는 것을 특징으로 하는 개인행동기반 관심대상 및 선호분야 분석이 가능한 단말기가 제공된다.

이상 설명한 바와 같이 본 발명에 따른 개인행동기반 관심 대상 및 선호 분야 분석시스템에 의하면, 개인이 특정 서비스(시스템)을 이용하는 과정에서 발생하는 서비스(시스템) 이용로그 데이터를 기반으로 해당 개인의 서비스(시스템) 이용내역을 빈도(수), 관련성 및 최신성의 관점에서 실시간 및 누적적으로 관찰하여, 해당 개인의 관심 대상, 선호 영역을 분석하여 판매, 마케팅, 서비스 등에 활용할 수 있는 효과가 있다.

특히 본 발명은 개인의 이름, 성, 연령 학력, 연봉, 주소 등의 개인적인 정보를 전혀 활용하지 않는다는 점에서 개인정보 보안성이 높고, 상품판매 서비스 분야, 영상물 제공 서비스 분야, 디지털 콘텐츠 제공/판매 분야 등 서비스(시스템) 분야에 상관없이 어디든 적용이 가능하고, 전체 서비스(시스템) 이용고객의 데이터를 활용하는 통계적 분석 방식이 아닌, 관심 대상 및 선호 분야 분석 대상 개인의 서비스(시스템)의(혹은 개인 단말내에서의 동작시 해당 단말내에서의 서비스 프로그램의 이용시 발생되는 데이터인) 이용로그 데이터만을 활용하기 때문에 분석 대상 데이터의 양이 적은 특징을 가지고 있다.

도 1은 본 발명에 따른 개인행동기반 관심대상 및 선호분야 분석시스템의 개략적인 블록구성도이다.
도 2는 본 발명에 따른 개인행동기반 관심대상 및 선호분야 분석프로그램이 내장된 단말기의 개략적인 구성도이다.
도 3은 도 1의 개인행동기반 관심대상 및 선호분야 분석 컴퓨터(서버)의 구체적인 구성을 나타내는 블록구성도이다.
도 4 내지 6은 개인행동기반 관심대상 및 선호분야 분석 시스템의 기초정보 처리과정을 도식적으로 나타낸 도면이다.
도 7 및 도 8은 본 발명에 따른 개인행동기반 선호도 분석시스템의 개인정보 처리과정의 일예를 개략적으로 나타낸 설명도이다.
도 9는 본 발명에 따른 개인행동기반 선호도 분석시스템의 개략적인 흐름도이다.

이하 본 발명의 실시예에 따른 개인행동기반 관심 대상 및 선호 분야 분석시스템을 첨부도면을 참조로 상세히 설명한다.

도 1을 참조하면, 본 발명에 따른 개인행동기반 관심대상 및 선호 분야 분석시스템은 개인화 마케팅 솔루션에 중요한 사안인, 멀티 소스 시스템으로부터의 대용량 데이터 처리 환경 하에서 신속하게 유의한 관심 대상, 선호 분야 분석을 위해 서비스(시스템) 이용자 개인의 이용행위의 특성(Characteristic), 이용자 개인의 이용행위에 나타나는 관심(대상)(Interest), 이용자 개인의 반복적인 관심(대상)에 나타나는 선호(분야)(Preference)를 시계열적으로 분석하는 C-I-P 분석 모델이다.

본 발명에서는 C, I, P, 즉, 특성, 관심, 선호의 분석을 논리적으로 데이터에 근거해 수행한다. 즉 이용자 개인의 이용행위의 특성에 따른 정보에서 관심을 추출할 때, FRR 모델을 사용하게 된다. FRR 모델에 대해서는 이후에 설명하기로 한다.

한편 상기 특성 데이터를 생성하기 위해 소요되는 서비스(시스템) 이용로그 데이터는 1) 개인의 식별정보, 2) 개인이 이용행위를 한 시각정보, 3) 이용행위에 관계된 대상 정보, 4) 구체적 이용행위 내역 정보를 알아내기에 필요한 기초정보를 문자와 기호로 포함하고 있다. 본 발명에서는 이러한 기초정보를 활용하여 이용자의 이용행위 내역을 알아내고, 이용자의 이용행위 특성 데이터를 생성한다.

1) 개인의 식별정보의 경우, 서비스(시스템)를 사용자 식별(사용자 로그인) 상태로 이용 중일 때는 해당 서비스(시스템)가 정의한 사용자 식별 코드 값을 개인의 식별정보로 사용하고, 사용자 비식별(사용자 비로그인) 상태로 이용 중일 때는 해당 서비스(시스템) 또는 해당 서비스(시스템)를 이용하는 단말기(개인 PC, 스마트폰, 태블릿 PC 등 각종 터미널 장비)를 영구히 특징적으로 구분할 수 있는 식별 코드 값을 사용한다.

4) 구체적 이용행위 내역 정보의 경우, 서비스(시스템)를 이용한 구체적인 내용을 말하며, "VOD 영상을 켜다", "음악을 틀다", "상품을 장바구니에 담다" 등이 그 구체적인 예가 된다.

3) 이용행위에 관계된 대상 정보의 경우, 상기 "VOD 영상을 켜다" 라는 구체적인 이용행위 내역 정보의 구체적 예에서 볼 때, "무한도전 25회"와 같이 이용자가 켠 구체적인 VOD 영상물을 말하는데, 구체적인 VOD 영상물의 구별을 위해 해당 서비스(시스템)가 정의한 VOD 영상물 식별 코드 값을 사용한다.

또한, 본 시스템이 분석해내는 개인의 '관심대상' 및 '선호분야'에 있어서, '관심대상'은 3) 이용행위에 관계된 대상 정보로 표현되는데, 본 시스템이 VOD 영상 서비스(시스템)에 적용된다면, 분석되는 개인의 관심대상은 '무한도전', '해를 품은달' 등 각각의 VOD 영상물로 표현된다. 그리고 이 경우 '선호분야'는 VOD 영상물이 보유하는 속성, 즉, 장르, 배우, 출시일 등에 있어서 '선호분야'가 표현된다. 예를 들어, 장르 '선호분야'는 '드라마', 배우 '선호분야'는 강호동, 그리고 출시일 '선호분야'는 '최근 3개월 내 출시'로 표현된다.

한편 본 발명에서는 특성 데이터로부터 추출한 데이터(이후 제1 표시데이터라고 함)에서 관심 데이터(이후 제2 표시데이터라고 칭함)를 추출하고, 이후 관심 데이터로부터 상위 개념인 선호 데이터(이후 제3 표시데이터라 칭함)를 추출하게 되며 각각 순위 리스트를 표시하게 된다. 이에 대한 설명은 이하에서 계속하기로 한다.

본 발명에 따른 개인행동기반 관심 대상 및 선호 분야 분석시스템은 하나 또는 하나 이상의 개인단말기(P1~Pn)를 통해 유무선통신망을 거쳐서 개인행동기반 관심대상 및 선호분야 컴퓨터(서버)(100)를 통해 수집되거나 해당 개인단말기 내부에서 개인단말기 내부에 내장된 개인행동기반 관심대상 및 선호영역 분석프로그램을 통해 직접적으로 수집된 서비스(시스템 혹은 프로그램)의 이용로그 데이터를 근거로 이용자의 관심 대상, 선호 영역(혹은 선호 분야)을 파악한다. 이때 수집된 데이터는 이용자 개인별 데이터가 독립적으로 처리되어 철저히 개인의 행동기반 개인의 관심대상 및 선호 분야에 대한 데이터로 처리되며, 여기서, 서로 다른 이용자의 데이터는 서로 영향을 주지 않으며 단지 리스트에 표시된다.

본 발명에 따른 개인행동기반 관심 대상, 선호 영역 분석시스템에 있어서,

상품 판매 서비스에 적용한 예를 든다면, 상기 이용로그 데이터를 실시간으로 수집하여 상품별로 접속한 빈도(수)(Frequency), (구매) 관련성(Relativity), 최신 조회 상품을 나타내는 최신성(Recency)을 중심으로 개인 이용행위의 특성, 관심 상품 및 선호 상품 카테고리 정보를 순위별로 내림차순으로 표시하는 개인행동기반 관심 대상 및 선호 영역 분석 컴퓨터(서버)(100)를 포함하는 것을 특징으로 한다.

또한 도 2를 참조하면, 관심대상 및 선호 영역 분석이 개인 단말기에서 수행될 수도 있는데, 이 경우는 개인행동기반 관심대상 및 선호분야 분석프로그램(100-1)이 특정 단말, 예를 들면 스마트폰, 탭, 노트북 등의 단말에 내장되어 사용가능하다. 즉, 해당 특정 단말에 내장되어 사용되는 것으로서, 해당 특정 단말내에 서비스 프로그램의 이용시 발생되는 이용로그 데이터를 근거로 관심대상 및 선호분야를 파악하는 개인행동기반 관심대상 및 선호분야 분석 프로그램(100-1)이 내장된 단말에 있어서, 해당 단말에서의 트랜잭션데이터를 실시간으로 수집하여 세션별로 접속한 빈도수를 저장하고 계산하여 그 계산된 빈도수를 근거로, 해당 프로그램에 접속했던 개인 데이터와의 관계를 제1 표시데이터로 표시하고, 그 제1 표시데이터를 특정 세션별로 구분하여 실시간으로 집계하여 제2 표시데이터로 표시하고, 그 표시된 제2 표시데이터를 특정 세션별로 일별로 혹은 월별로 집계하여 고객별 데이터와의 관계를 제3 표시데이터로 구분하여 표시하는 개인행동기반 관심대상 및 선호분야 분석 프로그램을 포함하는 것을 특징으로 한다. 이 경우 기능은 개인행동기반 관심대상 및 선호분야 분석 컴퓨터서버를 통해 수행하는 것과 동일하게 수행될 수 있다. 이러한 기능은 도 1 내지 도 6에 설명한 내용과 동일하므로 자세한 설명은 이하의 내용을 참조하기로 한다.

한편, 상기 (구매) 관련성(Relativity)은 구체적 이용행위 내역이 해당 서비스의 목표와 관련성이 높을수록, 예를 들어 쇼핑몰의 경우, 서비스의 목표가 구매라고 전제할 때, 이용자의 이용행위 내역이 구매와 관련될수록 더 높은 가중치를 적용하는 것을 특징으로 한다.

상기 개인행동기반 관심 대상 및 선호 영역 분석 컴퓨터(서버)(100)는

상기 개인단말기(P1~Pn)와 유무선 통신망을 거치거나, 개인단말기 내부에서 직접적으로 통신모듈(110) 및 제어부(120)를 거쳐 통신하되

서비스(시스템) 이용로그 데이터를 수집하는 데이터 수집 수단,

이용로그 데이터의 수집을 하는 과정을 이용자의 하나의 세션별로 구분하기 위한 세션의 시작과 종료를 판단하는 이용자의 세션 판단수단,

이용자의 세션별로 수집된 이용로그 데이터에 빈도수(Frequency), (구매) 관련성(Relativity), 최신성(Recency)을 중심으로 한 FRR 모델을 적용하는 관심 대상 분석을 위한 FRR 모델 적용수단,

상기 관심 대상 분석을 위한 FRR 모델 적용수단에 의해 얻어진 데이터를 통해 개인행동에 기반을 둔 관심 대상(상품으로만 제한되지 않으며, 이용자의 이용행위에 관계된 대상은 무엇이든 포함함)에 대한 관심도를 추출하여 관심도가 높은 순위부터 차례대로 낮은 순위까지 표시하는 관심 대상 표시수단,

이용자의 세션별로 수집된 관심 대상 순위 및 점수 데이터에 빈도수(Frequency), (구매) 관련성(Relativity), 최신성(Recency)을 중심으로 한 FRR 모델을 적용하는 선호 분야 분석을 위한 FRR 모델 적용수단,

상기 선호 분야 분석을 위한 FRR 모델 적용수단에 의해 얻어진 데이터를 통해 개인행동에 기반을 둔 선호 분야(상품의 카테고리나 색상으로만 제한되지 않으며, 이용자의 이용행위에 관계된 대상 정보가 보유하는 속성 정보는 무엇이든 포함함)에 대한 선호도를 추출하여 선호도가 높은 순위부터 차례대로 낮은 순위까지 표시하는 선호 분야 표시수단을 포함하는 관심 대상 및 선호 영역 분석 프로그램 저장부(130)를 포함하는 것을 특징으로 한다.

상기 제어부(120)는 장치 전반을 제어하되, 로그인 데이터의 관리, 저장, 및 데이터의 일시적 저장, 기타 웹서버와의 접속 일시적인 데이터의 저장등 본 발명의 개인행동기반 관심대상 및 선호분야 분석을 위한 전 과정의 데이터를 처리하며, 특정입력신호에 대응하는 기능 제어신호를 출력한다. 이러한 제어부(120)의 기능 중에서 일반적인 기능은 기타 종래의 컴퓨터 제어부(일종의 저장메모리를 포함하고 있는 CPU)의 기능과 유사하므로 자세한 설명은 생략하기로 하며, 본 발명의 내용을 중심으로 설명될 것이다.

상기 FRR 모델 적용수단은 내부적으로 구분되어 F(Frequency: 빈도수) 모델 적용수단, R(Relativity: 관련성) 모델 적용수단, R(Recency: 최신성) 모델 적용수단이 순차적으로 적용될 수 있다. 예를 들면 초기에는 F 모델 적용수단이 적용되고, 이후 RR 모델 적용수단이 동시에 혹은 순차적으로 적용될 수 있다.

본 발명에서는 관심 대상, 선호 영역을 나타내는 I, P 마다 순위와 점수 정보가 각각 만들어진다.

본 발명에서 가장 중요한 요소(Factor)는 빈도수(Frequency)이다.

또한 추가적으로 최신성(Recency)이 중요하다. 즉, 최신성이 높을수록 가중치가 높다. 최신에 검출된 상품코드가 더 점수가 더 높은 것이다.

또한 추가적으로 관련성(Relativity)이 중요하다. 쇼핑 서비스에 적용된 경우, 관련성은 구매 관련성이다. 개인이 개인 단말기를 통해 현재 열람(열람은 구체적 이용행위 중 하나의 예임)한 위치가 쇼핑활동 진행단계에서 구매단계에 더 근접한 것이면 가중치가 높게 된다. 즉, 메인화면에서 상품정보를 본 것과, 장바구니에 상품을 담은 것 중에서 장바구니에 상품을 담은 개인 데이터가 구매 프로세스에 더 근접하였기 때문에 높은 가중치를 부여받아 처리(혹은 계산)된다.

상기 빈도수, 관련성, 최신성은 각각의 영문자 첫 글자를 인용하여 FRR 모델이라고 하며, 빈도수가 제일 먼저 적용되며 이후 관련성, 최신성을 순차적으로 적용하여 처리될 수 있다. 그러나 이에 제한되지 않으며 빈도수 적용 후에 최신성을 적용하고 그 이후에 관련성을 파악하여 적용할 수도 있다.

일상생활에서도 특정 대상에 대해 관심이 계속되면 좋아한다고 생각할 수 있는 것처럼, 본 발명에서는 관심이 계속되는 것을 선호로 구분하여 관리하게 된다. 개인의 행동에 기반을 둔, 즉 개인의 현재 이용행위에 관계된 대상 정보(예를 들어, 상품, 컨텐츠 등) 데이터에 대하여 계속해서 통계를 내어 처리한다.

예를 들어, 개인이 특정사이트에 접속하여 클릭한 상품에 대한 상품코드가 계속해서 검출된다면 그에 대한 데이터를 계속처리하면서 순위와 점수 정보가 생성되고, 상위 순위에 있는 게 바로 관심(interest) 대상 리스트가 된다. 이러한 관심 대상 리스트가 누적적으로 관리된다. (개인별 세션별로 관심 대상 리스트가 순위와 점수 정보로 저장되어 관리된다).

따라서 본 발명에서는 빅데이터를 처리하기 위한 별도의 기술적 도움이나 방식 없이도 실시간으로 빅데이터의 처리가 가능하다.

어떤 사람이 관심(Interest)을 보이는 대상이 어떤 것인지를 파악할 때 본 발명에서는 관심 대상 순위 점수가 높은 것을 나타내는 관심 대상 순위 정보를 통해 파악할 수 있다. 이러한 관심이 반복적으로 나타나는 것은 당연히 일상생활에서도 보면 관심단계보다 더 정도가 심한 단계인 선호단계로 볼 수 있기에 선호(Preference)라는 요소로 선호 분야 순위 및 점수 정보를 정리하였다.

선호 분야 조사대상이 음원(혹은 음악), 상품, 여론조사 등 어떤 서비스(시스템) 분야의 것이더라도 개인의 서비스(시스템) 이용로그 데이터를 토대로 개인의 이용행위 특성, 관심 대상 순위 및 점수, 선호 분야 순위 및 점수 정보를 획득한다.

기존에는 상품에 대한 소비자의 선호도 조사는 조사 대상이 상품일 때, 운영자가 미리 정한 질문을 통해 하거나 정해진 방식으로 하기 때문에, 다른 대상에는 적용하기 힘든 것이었으나, 본 발명에서는 선호 영역을 파악함에 있어, 대상이 어떤 서비스(시스템)이든 상관없이 단계별로 빈도수, 관련성, 최신성을 기반으로 세분하여 쉽게 파악할 수 있다.

즉 본 발명에서의 관심 대상 및 선호 영역 분석은 그 방식에서도 기존의 어떤 방식과도 차별화된 방식이다. 본 발명에서는 개인의 행동기반으로 선호영역 파악이 단계별로 실시간으로 이루어진다. 먼저 이용행위의 특성 파악, 둘째로 관심 대상 파악, 셋째 마지막으로 선호 영역 파악을 한다. 이때 각각 개인의 서비스(시스템) 이용로그 데이터를 근거로 판단 및 계산 처리하여 각 단계별 순위 및 점수를 표시한다.

한편, 본 발명에 있어서, 관심 대상과 선호 영역 파악의 차이를 설명한다. 예를 들어, 개인이 100만원 가격의 삼성 에어컨 모델1과 110만원 가격의 삼성 에어컨 모델 C를 관심 대상으로 갖고 있다면, 상품 카테고리에 대한 선호 영역은 에어컨 또는 계절가전으로, 가격 선호 영역은 100만원~110만 원대로, 제조사 선호 영역은 삼성전자로 파악되는 방식이므로, 이런 점에서 관심 대상과 선호 영역은 차이가 있는 것이다. 즉, 선호 대상은 상품 레벨, 즉 이용자의 이용행위에 관계된 대상 정보 레벨의 의미이고, 예를 들어 음악 서비스의 경우 조용필의 노래 A, 노래 B, 및 노래 C가 상위 순위의 관심 대상으로 있다면, 이 사람의 가수 선호 영역의 상위 순위에 조용필이 존재하는 것을 선호 영역 파악으로 알 수 있게 되는 것이다.

참고로, 각 단계의 순위 및 점수에서 순위 정보를 살펴보면, 최근의 것이 더 높은 순위를 차지하도록 되어있다.

본 발명은 음악 서비스, 상품 판매 서비스, 영상 제공 서비스 등 다양한 서비스(시스템) 분야에 적용가능하게 된다. 본 발명에 따라 정해진 C-I-P 및 빈도수(Frequency), 최신성(Recency) 및 관련도(Relativity)는 실시간 입력되는 데이터의 처리가 가능하고 개인의 관심 대상, 선호 영역을 파악하는 정확도도 높다.

또한 기존의 선호도 조사에서는 개인정보를 이용하여 선호도를 뽑아낼 수 있으나, 본 발명에서는 나이, 성별, 인종, 이름, 학력, 재산, 주소 등과 같은 개인정보를 몰라도, 또한 로그인을 안 해도, 이용자 개인의 관심 대상, 선호 영역을 알 수 있다.

도 4 내지 6은 본 발명의 바람직한 실시예에 따른 개인행동기반 관심대상 및 선호분야 분석 시스템의 기초정보 처리과정을 도식적으로 나타낸 도면이다.

도 4 내지 도 6을 참조하면, 개인행동 기반 관심 대상 및 선호 분야 분석시스템은 개인(이용자 U1)이 특정 서비스(시스템)을 이용하는 과정에서 발생하는 서비스(시스템) 이용로그 데이터를 기반으로 해당 개인의 서비스(시스템) 이용내역을 알아내고, 해당 개인의 서비스(시스템) 이용내역을 근거로 관심대상 및 선호분야를 파악한다.

본 발명에 따른 개인행동 기반 관심 대상 및 선호 분야 분석 시스템에 있어서, 먼저, 상기 개인의 서비스(시스템) 이용로그 데이터를 수집하여 세션(서비스 이용시작으로부터 종료까지의 일련의 행위 단위)별로 해당 세션 내에서 해당 개인의 행위로 발생된 이용행위에 관계된 대상 정보별로 빈도수와 구체적 이용행위 내역 정보를 파악하여 저장하고, 세션 별로 개인의 일련의 이용행위를 시간 순으로 정리하여 저장하는데, 정리된 데이터는 개인의 식별정보로 개인이 이용행위를 한 시각정보 순으로 구체적 이용행위 내역 정보와 해당 이용행위에 관계된 대상 정보가 함께 나열되어 저장된다. 이렇게 정리된 서비스(시스템) 이용자의 세션마다 서비스 이용과 관련된 기초 데이터를 제1 표시데이터로 표시하고, 그 제1 표시데이터를 세션별로 구분하여 개인의 식별정보로 이용행위에 관계된 대상 정보를 나열하고 각 이용행위에 관계된 대상 정보별로 빈도(수)(Frequency)와 (구매) 관련성(Relativity) 즉, 구체적 이용행위 내역 정보를 고려하여 점수를 집계한다. 만약 관심대상 순위에서 점수가 동일할 경우, 최신성(Recency) 즉, 최근 이용행위에 관계된 대상 정보를 상위 우선순위로 집계한다.

도 4에서 표시된 기초정보의 항목으로는 개인의 식별정보, 개인이 이용행위를 한 시각정보, 이용행위에 관계된 대상정보, 및 구체적 이용행위 내역정보가 포함된다.

구체적 이용행위 내역정보의 예로는 '서비스 이용을 시작한다', '제품설명을 열람한다', '제품구매후기를 열람한다', '제품을 장바구니에 넣는다', '서비스 이용을 종료한다'와 같은 것을 포함한다.

한편 세션별로 구분된 제1 표시데이터의 내용으로는 항목으로 이용자 U1의 2013년 11월 1일 13시 24분~13시 30분까지의 세션에서, '개인이 이용행위를 한 시각정보', '이용행위에 관계된 대상정보', 및 '구체적 이용행위 내역정보'가 표시될 수 있다.

이렇게 정리된 서비스(시스템) 이용자 각각의 세션마다 내림차순의 상위순위 이용행위에 관계된 대상 정보 리스트와 점수 데이터를 제2 표시데이터로 표시하고, 그 표시된 제2 표시데이터를 기반으로 개인의 식별정보로 이용행위에 관계된 대상 정보가 보유하는 속성정보를 찾아 나열하고 각 속성정보별로 빈도(수)(Frequency)와 (구매) 관련성(Relativity) 점수 즉, 관심대상 리스트 내에서의 순위 및 점수 정보를 고려하여 선호분야 리스트별 순위 및 점수를 집계한다. 만약 선호분야 리스트 내에서 점수가 동일할 경우, 최신성(Recency) 즉, 최근 이용행위에 관계된 대상정보가 보유한 속성정보를 상위 우선순위로 집계한다.

즉, 도 5를 참조하면, 이용자 U1의 2013년 11월 1일 13시 24분~13시 30분까지의 세션에 대한 정보에서, 좌측하단부에 표시된 것은 구체적 이용행위 내역 정보 별 관련성 점수(예시)로서, 구체적 이용행위 내역과 (구매)관련성 점수 항목을 포함하는데, 서로 점수 항목이 다르다. 예를 들면, 항목별로 점수를 차별화하여 0.2,0.4,0.6,0.8,1.0, 및 1.2의 (구매)관련성 점수를 줄 수 있다.

또한, 도 5의 좌측 상단을 통해 표시된 내용은, 이용행위에 관계된 대상 정보, 빈도, 구체적 이용행위 내역을 고려한 관련성 점수, 및 소계(예시) 항목을 표시하였는데, 이전에 계산된 구체적 이용행위 내역을 고려한 관련성 점수와 빈도 점수를 합한 점수가 표시된다. 이후, 도 5의 좌측 하단에 표시된 내용은 제2 표시데이터로서 제2 표시데이터는 관심대상 순위, 이용행위에 관계된 대상 정보, 및 합계(예시) 항목을 포함한다. 즉 이용자 U1의 세션별 제2 표시데이터가 생성된다.

이렇게 정리된 서비스(시스템) 이용자별 이용행위에 관계된 대상 정보가 보유하는 속성정보별 선호분야 순위 리스트와 점수 데이터를 제3 표시 데이터로 구분하여 표시한다.

도 6을 참조하면, 이용자 U1의 이용행위에 관계된 대상정보가 보유한 속성정보별 제3 표시데이터 생성과정이 도시되었다. 즉, 이용자 U1의 세션별 관심대상 순위 리스트 및 점수(즉 도 4에서 제2 표시데이터)가 과거세션 부터 최근 세션까지 표시된다. 여기서 이용행위에 관계된 대상정보가 보유한 속성 정보를 표시하는데, 그 속성정보는 이용행위에 관계된 대상 정보 및 속성정보(예시)로서 카테고리, 색상 등을 표시하며, 아울러, 도 6 좌측 하단에 관심대상 순위별 관련성 점수(예시)항목을 표시하는데, 해당 관련성 점수(예시) 항목은 관심대상 순위 및 (구매)관련성 점수항목을 포함한다.

도 6의 우측 상단부에 표시된 자료는 세션 별 관심 대상 순위에 기록된 이용행위에 관계된 대상 정보, 빈도, 관심대상 순위, 소계(예시), 속성;카테고리, 속성;색상,..의 항목을 포함하여 표시하고 있다. 도 6의 우측 하단부에 제3 표시데이터가 표시되는데, 제3 표시데이터 항목으로는 속성;카테고리 선호분야 순위, 속성;카테고리 선호분야, 및 합계(예시) 항목을 포함하며, 속성을 다를 수 있으므로 속성;색상 선호분야 순위, 속성;색상선호분야, 및 합계(예시) 항목을 포함하여 표시된다. 상기 선호분야 순위에서 합계 점수가 동일할 경우, 최근 이용행위에 관계된 대상 정보가 보유한 속성 정보가 상위 우선순위로 집계된다. 또한 제3 표시 데이터는 카테고리, 색상 이외에도 이용행위에 관계된 대상 정보가 보유한 다양한 속성 기반의 선호분야 순위로 확대될 수 있다.

도 7 및 도 8은 본 발명에 따른 개인행동기반 관심 대상 및 선호 영역 분석시스템의 예시적인 설명도이다.

도 7 및 도 8을 참조하면, 개인화 마케팅 솔루션에 중요한 사항인, 멀티 소스 시스템의 대용량 데이터 처리 환경하에서 신속하게 유의한 이용행위의 특성을 파악하고, 관심 대상, 선호 분야 분석을 통해 고객별 이용행위의 특성(Characteristic), 관심(Interest) 및 선호(Preference)를 분석하는 C-I-P 분석모델이 제공되었다.

도 7의 좌측에 표시된 고객A는 특정 웹사이트에 접속하여 여러 가지 서비스 이용행위를 하게 되는데, 이러한 이용행위 과정에서 발생하는 이용로그 데이터는 유무선 통신망을 거치거나 내부적으로 통신모듈을 거쳐 개인행동기반 관심 대상 및 선호 영역 분석 컴퓨터(서버)(100)를 통해 처리된다.

이용자가 서비스(시스템) 이용행위를 하는 경우, 해당 이용행위의 특성이 특성(Characteristic)항목에 분석 및 표시된다. 이후 두 번째 단계에서는 유의한 수준의 특성이 파악된 관심(Interest)대상 정보를 순위와 점수로 나타낸다. 이후 세 번째 단계에서는 반복되는 관심을 선호라고 판단하여 선호(Preference)영역 정보를 순위와 점수로 나타낸다. 각 단계에서는 빈도수(Frequency), 관련성(Relativity) 및 최신성(Recency) 데이터를 사용한다.

상기 관심(Interest) 대상을 순위와 점수 정보로 나타내는데 사용된 빈도수, 최신성, 및 관련성에 대하여 구체적으로 살펴보면, 빈도수(Frequency)는 해당 상품과 관련된 서비스 (시스템) 이용행위(상품정보 조회하기, 상품 찜하기, 상품 장바구니에 넣기 등 쇼핑 활동에 포함된 행동)의 발생수이고, 최신성(Recency)은 최근 발생된 이용행위와 관련된 상품의 관심지수는 과거 발생한 동일 이용행위와 관련된 상품의 관심지수보다 높다. 또한 관련성(Relativity)은 구매와 연관성이 높은 이용행위의 관심지수가 그렇지 않은 경우보다 높다. 결국 관심 대상 순위 및 점수 정보는 이와 같은 세 가지 변수를 중심으로 높은 순위부터 낮은 순위까지 표시된다.

또한 상기 상품 카테고리 속성별 선호(Preference) 영역을 순위와 점수 정보로 나타내는데 사용된 빈도수, 최신성, 및 관련성에 대하여 구체적으로 살펴보면, 빈도수(Frequency)는 해당 상품이 관심 대상 순위에 표시되는 횟수이고, 최신성(Recency)은 최근 발생된 관심 상품의 상품 카테고리 선호지수는 과거 발생한 동일 관심 상품의 상품 카테고리 선호지수보다 높다. 또한 관련성(Relativity)은 구매와 연관성이 높은 상위 순위 관심 대상 상품의 상품 카테고리 선호지수가 그렇지 않은 경우보다 높다. 결국 상품 카테고리 속성별 선호 영역의 순위 및 점수 정보도 이와 같은 세 가지 변수를 중심으로 높은 순위부터 낮은 순위까지 표시된다.

도 8을 참조하면, C-I-P분석 모델에 근거하여, 쇼핑몰 이용 고객의 관심 대상 및 선호 분야 카테고리를 추론하는 과정을 예시적으로 설명한 것으로서, 각 단계별 FRR(빈도/연관성/최신성) 모델을 통해 고객의 관심 대상 목록과 고객의 선호 분야 카테고리가 분석 및 경신된다.

도시된 바와 같이, 초기 시계열 트랜잭션은 이용(hit)(log), 찜하기 log, 구매 log로 구분될 수 있다. 물론 이에 한정되는 것은 아니다.

도 8에서 처리되는 순서를 개략적으로 다시 설명하면, 서비스(시스템) 이용 데이터를 실시간으로 집계한다. 이를 통해 고객의 이용행위의 특성(C)을 알 수 있는 데이터를 집계할 수 있게 된다. 즉 고객(V로 표시됨), 상품(P로 표시됨), C는 특성을 표시하고 CC는 상품 카테고리(Product Category)를 나타낸다.

즉 본 발명에서는 서비스(시스템) 이용데이터 --> C:고객의 이용행위의 특성집계 --> I:고객 관심 상품 목록 --> P:고객 선호 분야(혹은 상품) 카테고리 순서로 수행되는데, 최초부터 C와 I 단계에서는 실시간으로 데이터가 집계되고, I에서 P를 수행할 때는 기간을 정하여 주기적으로 집계하여, 예를 들면 1개월 데이터를 표시한다(이에 제한되지 않음, 매일 데이터를 표시할 수도 있음).

도 8에서, C-I-P 모델에 대해 설명하면, 특성 C(Character)는 고객의 이용행위의 특성에 대한 통계적 집계를 나타낸다. 또한 관심 I(Interest)는 순위 집계 결과, 상위에 지속적으로 나타나는 대상이다. 또한 선호 P(Preference)는 관심 대상 중에서 반복적으로 관찰되는 대상이다.

관심 대상 분석을 위한 FRR 모델에서 상기 관심도(Interest)를 나타내는데 사용된 빈도(수), 최신성, 및 관련성에 대한 기준을 구체적으로 살펴보면, 빈도(수)(Frequency)는 자주 조회한 상품의 관심도가 더 높다고 기준을 두고 있으며, 계산은 동일 상품 조회 횟수를 점수화한다. 또한 관련성(Relativity)은 이용행위(예를 들면, 찜/조회 등)별로 상품 관심도가 상이하다는 기준을 두고 있으며, 계산은 구매와 관련될수록 더 높은 가중치를 적용하였다. 예를 들면 상품 찜하기가 단순 상품 정보보기보다 가중치가 더 높게 된다. 또한 최신성(Recency)은 최근 조회 상품의 관심도가 더 높다는 기준을 두고 있으며, 계산(산정)은 동일점수의 경우 최신 조회 상품을 우선 선정하였다.

또한, 선호 영역 분석을 위한 FRR 모델에서 상품 카테고리의 선호도(Preference)를 나타내는데 사용된 빈도(수), 관련성, 및 최신성에 대한 기준을 구체적으로 살펴보면, 빈도(수)(Frequency)는 관심이 반복되는 상품 카테고리의 선호도가 더 높다는 기준을 적용하며, 계산은 누적기간 동일 관심 상품 카테고리의 개수를 점수화 한다. 또한 관련성(Relativity)은 상위 순위에 관심 상품 카테고리의 선호도가 더 높다는 기준을 적용하며, 상위 순위 관심 상품에 더 높은 가중치를 적용하여 산정한다. 또한 최신성(Recency)은 최근 관심 상품의 선호도가 더 높다는 기준을 적용하며, 계산(산정)은 동일점수의 경우 최신 관심 상품을 우선 선정한다.

도 8에서 V1,V2는 각각 다른 고객(혹은 이용자)을 나타내는 것으로, V1의 C 데이터와, I 데이터 및 P 데이터가 좌우에서 우측으로 점수순으로 자동정렬되어 도시된 것으로, V1 고객을 예로 들면, V1고객에 대하여 수평으로 길게 표시된 중에서 C 데이터의 경우에는 횟수가 높은 순서부터 좌측에서 우측으로 도시된 것이며, I 데이터의 경우에는 관심 대상에 대한 점수가 높은 것부터 도시된 것이며, 마지막으로 P 데이터의 경우에는 선호 분야에 대한 점수가 높은 것부터 도시된 것이다. 고객 V2에 대하여도 동일한 방식으로 표시되며, 고객 V1과 V2의 데이터는 서로 별개이며 관리자 모드에서 표시된 것에 불과하고, 본 발명의 특징으로 한 개인 이용자 혹은 고객 V1의 C 데이터, I 데이터, 및 P 데이터를 자동적으로 집계하여 순서대로 표시하는 데 특징이 있다.

도 9는 본 발명에 따른 개인행동기반 관심대상 및 선호분야 분석시스템의 개략적인 흐름도이다.

도 9를 참조하면, 본 발명에 따른 개인행동기반 관심대상 및 선호분야 분석시스템에서 특정 사이트에 개인이 인터넷에 유무선으로 연결된 단말기(혹은 스마트폰을 포함함)를 통해 접속하면, 해당 접속데이터를 개인행동기반 관심대상 및 선호 영역 분석 컴퓨터(서버)(100)가 수집하게 된다(ST-10). 이때 데이터 수집은 데이터 수집수단에 의해 처리된다. 이후 이용자의 세션 판단수단에서 세션의 종료를 판단한다(ST-12). 한편 단계 ST-10에서 수집된 데이터는 특징 데이터로서 고객의 관심 대상에 대한 빈도수를 근거로 상위 랭킹이 표시되며, 고객의 관심대상이 여러개인 경우에는 여러개가 표시되며 빈도수 총점이 높은 순위부터 표시된다. 또한 상품이 여러개인 경우에는 빈도수가 높은 상품부터 차례대로 좌에서 우로 표시된다.

이후 관심대상 분석을 위한 FRR 모델 적용수단을 통해 FRR 모델 적용이 수행된다(ST-14). 관심대상 분석을 위한 FRR 모델 적용수단은 먼저 빈도수만으로 판단하여 수집된 데이터(트랜잭션 데이터)를 처리할 수 있다. 또한 빈도수,관련성, 및 최신성을 모두 적용하여 수집된 데이터(트랜잭션 데이터)를 처리할 수 있다. 최초 세션에 수집된 데이터는 빈도수가 가장 중요한 요소가 되며 관련성은 수치로 계산하면 0이 될 수도 있고(구매관련성이 없을 경우 수치 자체가 계산이 되지 않아 0이고, 가중치도 0이므로), 또한 최신성은 최초에는 모두 최신 데이터이기 때문에 수치적으로도 모두 동일한 수치이거나 0가 된다). 따라서 최초 세션데이터는 빈도수가 가장 중요한 데이터이고, 이후 세션의 데이터도 빈도수를 가장 중요한 데이터로 보아 관심대상 분석을 위한 FRR 모델 적용수단은 가장 먼저 판단하게 된다. 이후 계속되는 세션에서는 관련성 및 최신성 데이터는 일종의 데이터 보정(correction)역할을 수행하게 된다.

상기 관심대상 분석을 위한 FRR 모델 적용수단에 의해 처리된 데이터는 관심대상 표시수단에 의해 순위가 높은 순위부터 낮은 순위까지 차례대로 관심리스트가 생성되고 표시된다(ST-16). 이와 같은 관심대상 표시수단에 의해 표시되는 데이터의 종류에는 제한이 없다. 즉, 관심대상 표시수단에 의해 표시되는 탑 리스트는 만약 접속자가 영화소개 사이트에 접속한 경우에는 영화 중 특정 영화인 예를 들면, 멜로, 액션, 드라마 등의 관심도를 나타내는 것이다. 고객 개인에 대하여 표시되는 관심 대상의 예로서의 상품 목록 혹은 관심 대상은 하나 이상이 될 수 있다.

한편, 상기 관심대상 표시수단에 의해 표시된 탑 리스트(즉 관심 리스트, 상품인 경우 고객의 관심대상, 혹은 구체적으로 관심 상품 리스트)는 탑 리스트가 표시되는 하나의 세션이 종료될 때마다(ST-18) 선호영역 분석을 위한 FRR 모델 적용수단이 다시 적용된다(ST-20). 이를 통해 관심대상을 넘어 선호영역을 표시할 수 있다(ST-22). 이때 선호영역은 고객별 선호 상품 카테고리를 포함하며 해당 카테고리별 점수가(선호영역 분석을 위한 FRR 모델이 적용되어 계산된 점수) 함께 순위별로 표시된다. 고객의 선호 분야 카테고리를 하나 이상이 될 수 있다. 또한 특정 고객에 대하여 관심점수가 높은 상품부터 좌에서 우로 차례대로 표시된다.

즉, 관심도 탑 리스트에 상기 선호 영역(혹은 선호 분야) 분석을 위한 FRR 모델 적용수단을 적용하되 먼저 빈도수 F를 적용하여 탑 리스트에 검출되는 횟수를 계산하고,

이후 관련성 R을 적용하여 가중치를 적용하고 관련성을 계산하고,

이후 최신성 R을 적용하되, 만약 점수가 동일한 경우에는 최신에 것에 더 가중치를 부여하여 계산한다.

이와 같이 관심대상 리스트인 I 리스트에 선호영역 분석을 위한 FRR 모델 적용수단을 적용하여 선호 영역 리스트인 P 리스트를 선호영역 표시수단에 의해 표시한다. 여기서 P 리스트는 다수개가 존재할 수 있다. 또한 고객의 선호 분야 카테고리가 여러개인 경우에는 점수가 높은 선호 분야 카테고리가 먼저 좌측부터 우측으로 표시된다.

이상 설명한 바와 같이 본 발명에 따른 개인행동기반 관심대상 및 선호영역 분석시스템에 의하면, 특정 웹사이트 혹은 유무선 인터넷 접속이 가능한 영상정보화면에서 특정한 개인 단말기 혹은 개인 PC 혹은 태블릿 단말기를 통하여 송신되는 개인의 특정 (정보)화면에서의 특성 서비스(프로그램)를 이용하는 개인의 행동을 기반으로 한 전송신호(트랜잭션)를 실시간으로 특성(특징),관심(도), 및 선호(도)로 구분하여 고객의 관심대상의 탑리스트를 표시하되, 최초 고객의 특정 관심 대상에 대한 빈도수로 얻은 데이터를 근거로 빈도수외에 최신성, 및 관련성(혹은 관계성)을 가중치를 두어 계산하여 점수화하여 그 점수를 근거로 탑리스트를 표시함으로써 개인의 행동에 기반하여 분야(미술,음악,상품,기타 모든 분야에 적용가능)에 상관없이 실시간으로 개인의 관심 대상의 관심사를 넘어선 선호 분야를 분석할 수 있고 이를 통해 구매, 마케팅 등에 활용할 수 있는 효과가 있다.

본 발명의 실시예에서는 빈도수를 근거로 최초 특성데이터를 고객에 대하여 획득하여 탑리스트를 표시하였으나, 이에 제한되지 않으며, 빈도수 및 관련성을 근거로 데이터를 생성하여 탑리스트를 표시할 수도 있는데, 상품의 경우 각각의 구매 상품별로 웹사이트 상에서의 위치가 다르며 코드(예를 들면, 상품코드)가 다르기 때문에 운영자 컴퓨터(서버)에서 그 데이터를 수집하여 사용할 수 있게 된다.

110: 통신모듈
120: 제어부
130: 관심대상 및 선호 영역 분석 프로그램 저장부

Claims (32)

1. 하나 또는 하나 이상의 개인단말기를 통해 유무선통신망을 거쳐 운영자 웹사이트에 접속하여 진행된 트랜잭션데이터를 근거로 신속하게 유의한 관심 대상, 선호 분야 분석을 위해 서비스(시스템) 이용자 개인의 이용행위의 특성(Characteristic), 이용자 개인의 이용행위에 나타나는 관심(대상)(Interest), 이용자 개인의 반복적인 관심(대상)에 나타나는 선호(분야)(Preference)를 시계열적으로 분석하여 선호도를 파악하는 개인행동기반 관심대상 및 선호분야 분석시스템에 있어서,
   상기 트랜잭션데이터를 실시간으로 수집하여 세션별로 접속한 빈도수를 저장하고 계산하여 그 계산된 빈도수를 근거로, 해당 운영자 웹사이트에 접속했던 개인단말기 고객 데이터와의 관계를 제1 표시데이터로 표시하고, 그 제1 표시데이터를 특정 세션별로 구분하여 실시간으로 집계하여 고객 데이터와의 관계를 제2 표시데이터로 표시하고, 그 표시된 제2 표시데이터를 특정 세션별로 일별로 혹은 월별로 집계하여 고객 데이터와의 관계를 제3 표시데이터로 구분하여 표시하는 개인행동기반 관심대상 및 선호분야 분석 컴퓨터를 포함하고,
   상기 제2 표시데이터는 특정고객, 관심품목(대상 혹은 관심상품), 점수를 표시하고,
   상기 제2 표시데이터의 점수는 빈도, 관련성, 최신성을 적용하여 계산된 점수이며, 빈도(수)(Frequency)는 동일 상품 조회 횟수를 계산하고, 관련성(Relativity)은 경로, 행동별로 상품 관심도가 상이하다고 가정하여 구매와 관련될수록 더 높은 가중치를 적용하여 계산하고, 최신성(Recency)은 최근 조회 상품의 관심도가 더 높다고 가정하여 동일점수의 경우 최신 조회 상품을 우선 선정하도록 계산하여 계산된 점수를 총계한 값인 것을 특징으로 하고,
   상기 제 1 표시데이터는 특정고객, 특정상품, 특정고객의 특정 상품 접속 빈도수를 표시하는 데이터로서, 특정고객 한 명에 대해 대응되는 특정상품의 수는 하나 이상이 표시되며, 특성상품의 수에 따른 특정고객의 특정 상품 접속 빈도수를 높은 순위부터 표시하는 데이터이며,
   상기 제3 표시데이터는 특정고객, 선호 상품 카테고리, 점수를 표시하고,
   상기 제3 표시데이터의 점수는 빈도(수), 최신성, 및 관련성을 적용하여 계산된 점수이며, 빈도(수)(Frequency)는 관심이 반복되는 상품의 선호도가 더 높다고 가정하여 1개월간 동일 관심 상품의 개수를 계산하고, 관련성(Relativity)은 상위 순위에 관심 상품의 선호도가 더 높다고 가정하여 상위 순위 관심 상품에 더 높은 가중치를 적용하여 계산하고, 최신성(Recency)은 최근 관심 상품의 선호도가 더 높다고 가정하여 동일점수의 경우 최신 관심 상품을 우선 선정하도록 계산하여 계산된 점수를 총계한 값인 것을 특징으로 하여,
   특성 데이터로부터 추출한 제1 표시데이터에서 관심 데이터인 제2 표시데이터를 추출하고, 이후 제2 표시데이터로부터 선호 데이터인 제3 표시데이터를 추출하게 되며 각각 순위리스트를 표시하게 되는 것을 특징으로 하는 개인행동기반 관심대상 및 선호분야 분석시스템.
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 제 1 항에 있어서,
   제 2 표시데이터는 특정고객에 대해 대응되는 관심상품의 수는 하나 이상이 표시되며, 해당 관심상품 각각에 대하여 계산된 제2 표시데이터의 점수를 표시하되, 관심상품의 수의 총점이 높은 고객을 먼저 표시하는 것을 특징으로 하는 개인행동기반 관심대상 및 선호분야 분석시스템.
7. 삭제
8. 삭제
9. 제 1 항에 있어서,
   제 3 표시데이터의 점수는 고객의 선호 상품 카테고리를 나타내며, 상기 고객의 선호 상품 카테고리는 하나 이상이고, 해당 고객의 선호 상품 카테고리에 표시된 제3 표시데이터의 점수는 총점이 높은 순위부터 표시하는 것을 특징으로 하는 개인행동기반 관심대상 및 선호분야 분석시스템.
10. 제 1 항에 있어서, 상기 개인행동기반 관심 대상 및 선호 영역 분석 컴퓨터(서버)는 상기 개인단말기와 유무선 통신망을 거치거나, 개인단말기 내부에서 직접적으로 통신모듈을 거쳐 통신하되,
    서비스(시스템) 이용로그 데이터를 수집하는 데이터 수집 수단,
    이용로그 데이터의 수집을 하는 과정을 세션별로 구분하기 위한 세션의 시작과 종료를 판단하는 이용자별 세션 판단수단,
    세션별로 수집된 이용로그 데이터에 빈도수(Frequency), (구매) 관련성(Relativity), 최신성(Recency)을 중심으로 한 FRR 모델을 적용하는 관심 대상 분석을 위한 FRR 모델 적용수단,
    상기 관심 대상 분석을 위한 FRR 모델 적용수단에 의해 얻어진 데이터를 통해 개인행동에 기반을 둔 관심 대상(상품으로만 제한되지 않으며, 이용자의 이용행위에 관계된 대상은 무엇이든 포함함)에 대한 관심도를 추출하여 관심도가 높은 순위부터 차례대로 낮은 순위까지 표시하는 관심 대상 표시수단,
    이용자 세션별로 수집된 관심 대상 순위 및 점수 데이터에 빈도수(Frequency), (구매) 관련성(Relativity), 최신성(Recency)을 중심으로 한 FRR 모델을 적용하는 선호 분야 분석을 위한 FRR 모델 적용수단,
    상기 선호 분야 분석을 위한 FRR 모델 적용수단에 의해 얻어진 데이터를 통해 개인행동에 기반을 둔 선호 분야(상품의 카테고리나 색상으로만 제한되지 않으며, 이용자의 이용행위에 관계된 대상 정보가 보유하는 속성 정보는 무엇이든 포함함)에 대한 선호도를 추출하여 선호도가 높은 순위부터 차례대로 낮은 순위까지 표시하는 선호 분야 표시수단을 포함하는 관심 대상 및 선호 영역 분석 프로그램 저장부를 포함하는 것을 특징으로 하는 개인행동기반 관심대상 및 선호분야 분석시스템.
11. 신속하게 유의한 관심 대상, 선호 분야 분석을 위해 서비스(시스템) 이용자 개인의 이용행위의 특성(Characteristic), 이용자 개인의 이용행위에 나타나는 관심(대상)(Interest), 이용자 개인의 반복적인 관심(대상)에 나타나는 선호(분야)(Preference)를 시계열적으로 분석하여 선호도를 파악하는 개인행동기반 관심대상 및 선호분야 분석시스템에 있어서,
    이용자가 단말기를 통해 특정 운영자의 운영 서비스 시스템을 이용하는 과정에서 발생하는 서비스 시스템 이용로그 데이터를 수집하되, 수집된 이용자의 이용로그 데이터를 세션별로 구분하여 수집분석 하여 해당 이용자의 서비스 시스템 이용내역을 통해 관심대상을 파악하고, 해당 이용자의 계속되는 서비스 이용내역을 근거로 선호분야를 파악하고,
    상기 관심대상 파악은 세션별로 정리된 이용자의 구체적 이용행위 내역 정보 별 관련성 점수에 빈도(수)를 합하여 계산된 자료를 내림차순으로 정리한 제2 표시데이터로서, 이용자의 이용행위에 관계된 대상 정보와 관심대상 순위 및 합계 점수를 내림차순으로 표시하고,
    상기 개인 서비스 시스템 이용로그 데이터를 수집하여 세션(서비스 이용시작으로부터 종료까지의 일련의 행위 단위)별로 해당 세션 내에서 해당 개인의 행위로 발생된 이용행위에 관계된 대상 정보별로 빈도수와 구체적 이용행위 내역 정보를 파악하여 저장하고, 세션 별로 개인의 일련의 이용행위를 시간 순으로 정리하고, 정리된 데이터는 개인이 이용행위를 한 시각정보 순으로 구체적 이용행위 내역 정보와 해당 이용행위에 관계된 대상 정보가 함께 나열되어 저장되고, 정리된 서비스 시스템 각각의 세션마다 서비스 이용과 관련된 기초 데이터를 제1 표시데이터로 표시하고, 그 제1 표시데이터를 세션별로 구분하여 개인의 이용행위에 관계된 대상 정보를 나열하고 각 이용행위에 관계된 대상 정보별로 빈도(수)(Frequency)와 (구매) 관련성(Relativity) 정보를 고려하여 점수를 집계하여 표시하고,
    세션별로 구분된 제1 표시데이터의 내용으로는 항목으로 이용자 U1의 특정기간동안의 세션에서, 개인이 이용행위를 한 시각정보, 이용행위에 관계된 대상정보, 및 구체적 이용행위 내역정보를 포함하고,
    상기 선호분야 파악은 제2 표시데이터를 기반으로 개인 식별정보로 이용행위에 관계된 대상 정보가 보유하는 속성정보를 찾아 나열하고 각 속성정보별로 빈도(수)(Frequency)와 (구매) 관련성(Relativity) 점수를 합계하여 내림차순으로 표시한 제3 표시 데이터를 선호분야 리스트로 표시하고,
    특성 데이터로부터 추출한 제1 표시데이터에서 관심 데이터인 제2 표시데이터를 추출하고, 이후 제2 표시데이터로부터 선호 데이터인 제3 표시데이터를 추출하게 되며 각각 순위리스트를 표시하게 되는 것을 특징으로 하는 개인행동기반 관심대상 및 선호분야 분석시스템.
12. 삭제
13. 제 11 항에 있어서, 관심대상 순위에서 점수가 동일할 경우, 최신성(Recency) 즉, 최근 이용행위에 관계된 대상 정보를 상위 우선순위로 집계하는 것을 특징으로 하는 개인행동 기반 관심대상 및 선호 분야 분석 시스템.
14. 제 11 항에 있어서, 상기 이용로그 데이터는 개인의 식별정보, 개인이 이용행위를 한 시각정보, 이용행위에 관계된 대상정보, 및 구체적 이용행위 내역정보가 포함된 기초정보를 포함하는 것을 특징으로 하는 개인행동 기반 관심대상 및 선호 분야 분석 시스템.
15. 삭제
16. 삭제
17. 삭제
18. 제 11 항에 있어서,
    상기 선호분야 리스트 내에서 점수가 동일할 경우, 최신성(Recency) 즉, 최근 이용행위에 관계된 대상정보가 보유한 속성정보를 상위 우선순위로 집계하는 것을 특징으로 하는 개인행동 기반 관심대상 및 선호 분야 분석 시스템.
19. 신속하게 유의한 관심 대상, 선호 분야 분석을 위해 서비스(시스템) 이용자 개인의 이용행위의 특성(Characteristic), 이용자 개인의 이용행위에 나타나는 관심(대상)(Interest), 이용자 개인의 반복적인 관심(대상)에 나타나는 선호(분야)(Preference)를 시계열적으로 분석하는 개인행동기반 관심대상 및 선호분야 분석시스템을 이용한 개인행동기반 관심대상 및 선호분야 분석방법에 있어서,
    특정 사이트에 접속한 이용자 개인의 이용로그 데이터를 수집하여 표시하는 제1 단계,
    해당 이용자의 세션의 종료를 판단하는 제2 단계,
    이용로그 데이터를 기반으로 해당 이용자의 기초정보를 세션별로 구분하여 저장하는 제3 단계,
    상기 저장된 데이터에 통해 점수를 부여하여 표시하고, 빈도(수)를 합하여 산출된 정보를 통해 관심대상 리스트를 생성하여 표시하는 제4 단계,
    상기 관심대상 리스트를 세션별로 구분하여 저장하는 제5 단계,
    상기 저장된 관심대상 리스트에 점수를 부여하여 표시하고, 빈도수를 합하여 산출된 정보를 속성정보와 함께 표시하여 속성별 선호분야 순위 및 속성별 선호분야를 나타내는 선호분야 리스트를 표시하는 제6 단계,를 포함하고,
    상기 제 4 단계에서의 관심대상 리스트에는 이용자의 구체적 이용행위 내역 및 (구매)관련성 점수에 빈도수를 합하여 상위 랭킹이 표시되되, 관심대상 순위가 높은 순위가 표시되고,
    상기 제1 단계에서의 이용로그 데이터는 이용자의 개인의 식별정보, 개인이 이용행위를 한 시각정보, 이용행위에 관계된 대상 정보, 구체적 이용행위 내역정보를 포함하여, 최신자료를 상위 순위부터 차례대로 표시하고,
    상기 제6 단계에서의 선호분야 리스트는 상기 관심대상 리스트에서 관심대상 순위 항목과 (구매)관련성 점수가 표시된 관심대상 수위별 관련성 점수에 빈도(수)를 합하여 합계가 높은 순위부터 차례대로 내림차순으로 표시하되 선호 분야의 속성을 함께 나타내는 것을 특징으로 하는 개인행동기반 관심대상 및 선호분야 분석방법.
20. 삭제
21. 삭제
22. 삭제
23. 특정 단말에 내장되어 사용되는 것으로서, 해당 특정 단말내의 서비스의 이용시 발생되는 이용로그 데이터를 근거로 관심대상 및 선호분야를 파악하되 신속하게 유의한 관심 대상, 선호 분야 분석을 위해 서비스(시스템) 이용자 개인의 이용행위의 특성(Characteristic), 이용자 개인의 이용행위에 나타나는 관심(대상)(Interest), 이용자 개인의 반복적인 관심(대상)에 나타나는 선호(분야)(Preference)를 시계열적으로 분석하여 선호도를 파악하는 개인행동기반 관심대상 및 선호분야 분석 프로그램이 내장된 단말에 있어서,
    상기 트랜잭션데이터를 실시간으로 수집하여 세션별로 접속한 빈도수를 저장하고 계산하여 그 계산된 빈도수를 근거로, 해당 프로그램에 접속했던 개인 데이터와의 관계를 제1 표시데이터로 표시하고, 그 제1 표시데이터를 특정 세션별로 구분하여 실시간으로 집계하여 제2 표시데이터로 표시하고, 그 표시된 제2 표시데이터를 특정 세션별로 일별로 혹은 월별로 집계하여 고객별 데이터와의 관계를 제3 표시데이터로 구분하여 표시하는 개인행동기반 관심대상 및 선호분야 분석 프로그램을 포함하고,
    상기 제2 표시데이터는 이용자, 관심품목(대상 혹은 관심상품), 점수를 표시하고,
    상기 제2 표시데이터의 점수는 빈도, 관련성, 최신성을 적용하여 계산된 점수이며, 빈도(수)(Frequency)는 동일 상품 조회 횟수를 계산하고, 관련성(Relativity)은 경로, 행동별로 상품 관심도가 상이하다고 가정하여 구매와 관련될 수록 더 높은 가중치를 적용하여 계산하고, 최신성(Recency)은 최근 조회 상품의 관심도가 더 높다고 가정하여 동일점수의 경우 최신 조회 상품을 우선 선정하도록 계산하여 계산된 점수를 총계한 값인 것을 특징으로 하고,
    상기 제 1 표시데이터는 이용자데이터, 이용자의 특정 상품 접속 빈도수를 표시하는 데이터로서, 이용자에 대응되는 특정상품의 수는 하나 이상이 표시되며, 특성상품의 수에 따른 특정고객의 특정 상품 접속 빈도수를 높은 순위부터 표시하는 데이터인 것을 특징으로 하고,
    상기 제3 표시데이터는 이용자, 선호 상품 카테고리, 점수를 표시하는 것을 특징으로 하고, 상기 제3 표시데이터의 점수는 빈도(수), 최신성, 및 관련성을 적용하여 계산된 점수이며, 빈도(수)(Frequency)는 관심이 반복되는 상품의 선호도가 더 높다고 가정하여 일정기간동안 동일 관심 상품의 개수를 계산하고, 관련성(Relativity)은 상위 순위에 관심 상품의 선호도가 더 높다고 가정하여 상위 순위 관심 상품에 더 높은 가중치를 적용하여 계산하고, 최신성(Recency)은 최근 관심 상품의 선호도가 더 높다고 가정하여 동일점수의 경우 최신 관심 상품을 우선 선정하도록 계산하여 계산된 점수를 총계한 값인 것을 특징으로 하는 개인행동기반 관심대상 및 선호분야 분석이 가능한 단말기.
24. 삭제
25. 삭제
26. 삭제
27. 삭제
28. 제 23 항에 있어서,
    제 2 표시데이터는 이용자에 대응되는 관심상품의 수는 하나 이상이 표시되며, 해당 관심상품 각각에 대하여 계산된 제2 표시데이터의 점수를 표시하는 것을 특징으로 하는 개인행동기반 관심대상 및 선호분야 분석이 가능한 단말기.
29. 삭제
30. 삭제
31. 제 23 항에 있어서,
    제 3 표시데이터의 점수는 이용자 선호 상품 카테고리를 나타내며, 상기 이용자 선호 상품 카테고리는 하나 이상이고, 해당 이용자 선호 상품 카테고리에 표시된 제3 표시데이터의 점수는 총점이 높은 순위부터 상위에 표시하는 것을 특징으로 하는 개인행동기반 관심대상 및 선호분야 분석이 가능한 단말기.
32. 제 23 항에 있어서, 상기 개인행동기반 관심 대상 및 선호 영역 분석 프로그램은,
    서비스(시스템) 이용로그 데이터를 수집하는 데이터 수집 수단,
    이용로그 데이터의 수집을 하는 과정을 이용자별로 하나의 세션별로 구분하기 위한 세션의 시작과 종료를 판단하는 이용자별 세션 판단수단,
    이용자별 세션별로 수집된 이용로그 데이터에 빈도수(Frequency), (구매) 관련성(Relativity), 최신성(Recency)을 중심으로 한 FRR 모델을 적용하는 관심 대상 분석을 위한 FRR 모델 적용수단,
    상기 관심 대상 분석을 위한 FRR 모델 적용수단에 의해 얻어진 데이터를 통해 개인행동에 기반을 둔 관심 대상(상품으로만 제한되지 않으며, 이용자의 이용행위에 관계된 대상은 무엇이든 포함함)에 대한 관심도를 추출하여 관심도가 높은 순위부터 차례대로 낮은 순위까지 표시하는 관심 대상 표시수단,
    이용자별 세션별로 수집된 관심 대상 순위 및 점수 데이터에 빈도수(Frequency), (구매) 관련성(Relativity), 최신성(Recency)을 중심으로 한 FRR 모델을 적용하는 선호 분야 분석을 위한 FRR 모델 적용수단,
    상기 선호 분야 분석을 위한 FRR 모델 적용수단에 의해 얻어진 데이터를 통해 개인행동에 기반을 둔 선호 분야(상품의 카테고리나 색상으로만 제한되지 않으며, 이용자의 이용행위에 관계된 대상 정보가 보유하는 속성 정보는 무엇이든 포함함)에 대한 선호도를 추출하여 선호도가 높은 순위부터 차례대로 낮은 순위까지 표시하는 선호 분야 표시수단을 포함하는 것을 특징으로 하는 개인행동기반 관심대상 및 선호분야 분석이 가능한 단말기.

Images