KR101873319B1 - 실시간 홍보 및 이벤트 제공시스템 - Google Patents

실시간 홍보 및 이벤트 제공시스템 Download PDF

Info

Publication number
KR101873319B1
KR101873319B1 KR1020160133727A KR20160133727A KR101873319B1 KR 101873319 B1 KR101873319 B1 KR 101873319B1 KR 1020160133727 A KR1020160133727 A KR 1020160133727A KR 20160133727 A KR20160133727 A KR 20160133727A KR 101873319 B1 KR101873319 B1 KR 101873319B1
Authority
KR
South Korea
Prior art keywords
information
merchant
event
review
customer
Prior art date
Application number
KR1020160133727A
Other languages
English (en)
Other versions
KR20180049276A (ko
Inventor
김민철
송원호
Original Assignee
주식회사 스위트케이
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 스위트케이 filed Critical 주식회사 스위트케이
Priority to KR1020160133727A priority Critical patent/KR101873319B1/ko
Publication of KR20180049276A publication Critical patent/KR20180049276A/ko
Application granted granted Critical
Publication of KR101873319B1 publication Critical patent/KR101873319B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0267—Wireless devices
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement
    • 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
    • G06Q30/0278—Product appraisal

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 실시예는 실시간 홍보 및 이벤트 제공시스템에 관한 것으로, 해결하고자 하는 기술적 과제는 고객이 원하는 지역에서 고객이 원하는 가맹점 정보나 이벤트 정보를 열람 및 수신받도록 하여 정보의 활용성 및 고객 편의성을 향상시키고, 가맹점주는 고객의 리뷰 평점 정보를 제공받아 보다 효율적인 홍보 및 이벤트 제공이 가능하도록 하는데 있다.
이를 위해 본 발명의 일 실시예는 홍보 및 이벤트 관리 어플리케이션이 설치되고, 상기 홍보 및 이벤트 관리 어플리케이션의 실행에 의하여 접속된 웹 상에서 현재 위치정보 또는 고객에 의하여 설정된 지역정보를 기초로 각종 가맹점정보를 검색하고, 각각의 가맹점에서 제공하는 홍보 및 이벤트 정보를 제공받으며, 상기 가맹점 방문후기를 등록하고, 상기 가맹점 방문후기에 대한 리뷰 평점정보를 제공받는 고객 단말; 홍보 및 이벤트 관리 어플리케이션이 설치되고, 상기 홍보 및 이벤트 관리 어플리케이션의 실행에 의하여 접속된 웹 상에서 가맹점 명함, 홍보 및 이벤트 정보를 등록하며, 해당 가맹점에 방문하거나 관심을 가지는 고객에 대한 고객 분석정보와, 상기 가맹점 방문 후기정보와 리뷰 평점 정보에 대한 리뷰 분석정보와, 상기 가맹점 정보와 홍보 및 이벤트 정보에 대한 검색 정보에 대한 검색 분석정보를 제공받는 가맹점 단말; 및 상기 고객 단말 및 가맹점 단말에 연동되어, 상기 홍보 및 이벤트 관리 어플리케이션, 가맹점 정보, 홍보 및 이벤트 정보, 리뷰 평점정보, 고객 분석정보, 리뷰 분석정보 및 검색 분석정보를 제공하거나 해당 정보를 전송받아 관리하되, 소정의 리뷰분석 알고리즘을 통하여 상기 리뷰 분석정보를 산출하는 관리 서버를 포함하는 실시간 홍보 및 이벤트 제공시스템을 개시한다.

Description

실시간 홍보 및 이벤트 제공시스템{SYSTEM FOR PROVIDING REAL TIME ADVERTISING AND EVENT SERVICE FOR SMALL BUSINESS OWNERS}
본 발명의 일 실시예는 실시간 홍보 및 이벤트 제공시스템에 관한 것이다.
일반적으로 오프라인 상점, 특히, 소상인들이 운영하는 상점들의 주된 고객들은 주로 상점 주변에서 거주(또는 일을)하거나 상점 주변을 지나가는 사람들이 많다. 또는 그 상점들의 상품이나 서비스에 만족하여 지속적으로 찾아오는 단골손님들이다. 소규모의 오프라인 상점들도 할인 행사나 사은품 행사 등을 자주 열어, 재고도 줄이면서 고객에게 홍보도 하는 이벤트 마케팅을 시도하고 있다. 식품점이나 음식점, 유행에 민감한 패션 상점 등 재고관리가 필요한 상점들이 보다 적극적으로 이벤트를 통한 마케팅 방법을 이용하고 있다.
이벤트를 통한 적극적인 마케팅은 효과적이나 그 이벤트를 고객에게 알리는 방법은 매우 제한적이다. 예를 들어, 상점의 광고를 실은 광고 전단지를 상점 주변에서 지나가는 행인들에게 나누어주거나, 지역 광고지에 광고 또는 이벤트를 게재하는 방법들이 이용되고 있다. 그러나 이벤트는 일정한 기간 내에 치르기 때문에, 신속성이 떨어지는 광고 전단지나 지역 광고지 등의 광고 방식은 그 한계를 가지고 있다.
최근 통신망의 발달 및 보급이 확대되면서 인터넷 또는 무선 통신망을 이용한 지역 광고도 발달되고 있다. 예를 들어, 오프라인 상점주가 자신만의 전용 웹사이트를 직접 개설하여 홍보하거나, 포털 사이트 등의 지역정보 서비스에 자신의 상점을 등록하여 홍보하고 있다. 전자는 상점주가 자신만의 광고나 이벤트를 원하는 대로 제공할 수 있는 장점이 있는 반면, 구축비용이 많이 들고 방문자가 적어 효과가 적다는 문제점이 있다. 후자는 포털 사이트의 방문자들에게 홍보할 수 있다는 장점이 있는 반면, 자신만의 광고나 이벤트를 적극적으로 제공하기에 매우 제한이 많다는 단점이 있다.
공개특허공보 제10-2014-0122477호 (공개일자: 2014. 10. 20)
본 발명의 일 실시예는 고객이 원하는 지역에서 고객이 원하는 가맹점 정보나 이벤트 정보를 열람 및 수신받도록 하여 정보의 활용성 및 고객 편의성을 향상시키고, 가맹점주는 고객의 리뷰 평점 정보를 제공받아 보다 효율적인 홍보 및 이벤트 제공이 가능하도록 하는 실시간 홍보 및 이벤트 제공시스템을 제공한다.
본 발명의 다른 과제들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 의한 실시간 홍보 및 이벤트 제공시스템은 홍보 및 이벤트 관리 어플리케이션이 설치되고, 상기 홍보 및 이벤트 관리 어플리케이션의 실행에 의하여 접속된 웹 상에서 현재 위치정보 또는 고객에 의하여 설정된 지역정보를 기초로 각종 가맹점정보를 검색하고, 각각의 가맹점에서 제공하는 홍보 및 이벤트 정보를 제공받으며, 상기 가맹점 방문후기를 등록하고, 상기 가맹점 방문후기에 대한 리뷰 평점정보를 제공받는 고객 단말; 홍보 및 이벤트 관리 어플리케이션이 설치되고, 상기 홍보 및 이벤트 관리 어플리케이션의 실행에 의하여 접속된 웹 상에서 가맹점 명함, 홍보 및 이벤트 정보를 등록하며, 해당 가맹점에 방문하거나 관심을 가지는 고객에 대한 고객 분석정보와, 상기 가맹점 방문 후기정보와 리뷰 평점 정보에 대한 리뷰 분석정보와, 상기 가맹점 정보와 홍보 및 이벤트 정보에 대한 검색 정보에 대한 검색 분석정보를 제공받는 가맹점 단말; 및 상기 고객 단말 및 가맹점 단말에 연동되어, 상기 홍보 및 이벤트 관리 어플리케이션, 가맹점 정보, 홍보 및 이벤트 정보, 리뷰 평점정보, 고객 분석정보, 리뷰 분석정보 및 검색 분석정보를 제공하거나 해당 정보를 전송받아 관리하되, 소정의 리뷰분석 알고리즘을 통하여 상기 리뷰 분석정보를 산출하는 관리 서버를 포함할 수 있다.
상기 고객 분석정보는 상기 가맹점을 기준으로 일정 반경 내에 위치하는 주변 고객정보, 상기 가맹점 명함정보, 가맹점 정보와 홍보 및 이벤트 정보를 검색한 관심 고객정보, 상기 이벤트 정보를 기초로 해당 이벤트에 참여하거나 상기 가맹점으로 제공된 쿠폰을 사용한 구매 고객정보, 소정 일자 및 시간대에 주변 고객, 관심 고객 및 구매 고객의 평균정보, 상기 홍보 및 이벤트 정보와 소정 기간 내에 홍보 및 이벤트 정보를 열람 또는 다운로드한 고객의 수에 관한 홍보/이벤트 현황 및 성과정보를 포함할 수 있다.
상기 리뷰 분석정보는 상기 가맹점 방문 후기의 등록 건수정보, 상기 리뷰 평점정보, 일별 리뷰 평점 추이정보, 성별 또는 연령별 리뷰 등록 비율정보, 방문 유형별 리뷰 등록 비율정보, 방문시기별 리뷰 등록 비율정보, 세부 항목별 평점정보를 포함할 수 있다.
상기 고객 단말은 상기 검색된 각종 가맹점 정보를 상기 위치정보 또는 지역정보를 기초로 거리순으로 정렬하거나, 해당 가맹점들의 리뷰 평점정보를 기초로 리뷰평점순으로 정렬하여 표시할 수 있다.
상기 관리 서버는 상기 고객의 위치정보를 기초로 소정 반경 내에 위치한 가맹점들의 이벤트 정보를 실시간으로 제공할 수 있다.
상기 리뷰 분석 정보는 리뷰 평점 산출 엔진에 의하여 산출되는 가맹점 조건부 기대치, 관찰 신호값, 리뷰평점정보를 포함하고, 상기 가맹점 조건부 기대치는 리뷰평가를 수행하는 고객 n까지의 정보가 주어졌을 때 n번째 고객의 평가시의 기대치로서,
Figure 112016099865288-pat00001
에 의하여 산출되고,
이때, n번째 고객이 관찰한 신호값(
Figure 112016099865288-pat00002
)은
Figure 112016099865288-pat00003
(여기서,
Figure 112016099865288-pat00004
은 개인의 엄격함 변수,
Figure 112016099865288-pat00005
은 개별평점,
Figure 112016099865288-pat00006
은 가중치,
Figure 112016099865288-pat00007
,
Figure 112016099865288-pat00008
은 분산,
Figure 112016099865288-pat00009
은 고객의 평가시의 기대치)에 의하여 산출될 수 있다.
상기 개인의 엄격함 변수(
Figure 112016099865288-pat00010
)를 결정짓는 요소는 평가자가 기존에 평가한 평가의 개수(
Figure 112016099865288-pat00011
), 그 평가자가 일정 기간 동안에 제출한 평가의 개수(
Figure 112016099865288-pat00012
), 그 평가자와 평가대상 가맹점 사이의 적합도(matching)의 차이(
Figure 112016099865288-pat00013
), 그 평가자와 평가대상 가맹점 사이의 방문 다양성의 지표(
Figure 112016099865288-pat00014
) 및 그 평가자가 평가대상 가맹점을 방문한 시간 간격(
Figure 112016099865288-pat00015
) 지수의 산술적 합
Figure 112016099865288-pat00016
(여기서
Figure 112016099865288-pat00017
는 상수, α는 계수)
으로 결정될 수 있다.
상기 개별평점
Figure 112016099865288-pat00018
은
Figure 112016099865288-pat00019
(여기서,
Figure 112016099865288-pat00020
은 개인의 엄격함 변수,
Figure 112016099865288-pat00021
,
Figure 112016099865288-pat00022
는 가중치,
Figure 112016099865288-pat00023
은 신호입력값,
Figure 112016099865288-pat00024
은 기존에 방문한 사람들이 평가한 평점에 대한 개별평점 정보(
Figure 112016099865288-pat00025
) 및 신호입력값(
Figure 112016099865288-pat00026
)을 고려한 가맹점의 참품질에 대한 예측값)
으로 결정될 수 있다.
본 발명의 일 실시예에 따른 실시간 홍보 및 이벤트 제공시스템은 고객이 원하는 지역에서 고객이 원하는 가맹점 정보나 이벤트 정보를 열람 및 수신받도록 하여 정보의 활용성 및 고객 편의성을 향상시키고, 가맹점주는 고객의 리뷰 평점 정보를 제공받아 보다 효율적인 홍보 및 이벤트 제공이 가능하도록 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 실시간 홍보 및 이벤트 제공시스템을 개략적으로 나타내는 블럭도이다.
도 2는 도 1의 관리 서버를 개략적으로 나타내는 블럭도이다.
도 3은 본 발명의 일 실시예에 따른 실시간 홍보 및 이벤트 제공시스템에서 가맹점 단말로 제공하는 웹 페이지의 항목의 일 예를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 실시간 홍보 및 이벤트 제공시스템에서 고객 단말로 제공하는 웹 페이지의 항목의 일 예를 나타내는 도면이다.
도 5a 내지 5i는 도 1의 가맹점 단말에서 홍보 및 이벤트 관리 어플리케이션이 실행되는 상태를 나타내는 도면이다.
도 6a 내지 6l은 도 1의 고객 단말에서 홍보 및 이벤트 관리 어플리케이션이 실행되는 상태를 나타내는 도면이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 발명의 일 실시예에 따른 실시간 홍보 및 이벤트 제공시스템을 개략적으로 나타내는 블록도이고, 도 2는 도 1의 관리 서버를 개략적으로 나타내는 블록도이며, 도 3은 본 발명의 일 실시예에 따른 실시간 홍보 및 이벤트 제공시스템에서 가맹점 단말로 제공하는 웹 페이지의 항목의 일 예를 나타내는 도면이고, 도 4는 본 발명의 일 실시예에 따른 실시간 홍보 및 이벤트 제공시스템에서 고객 단말로 제공하는 웹 페이지의 항목의 일 예를 나타내는 도면이며, 도 5a 내지 5i는 도 1의 가맹점 단말에서 홍보 및 이벤트 관리 어플리케이션이 실행되는 상태를 나타내는 도면이고, 도 6a 내지 6l은 도 1의 고객 단말에서 홍보 및 이벤트 관리 어플리케이션이 실행되는 상태를 나타내는 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 실시간 홍보 및 이벤트 제공시스템은 고객 단말(10), 가맹점 단말(20) 및 관리 서버(30)를 포함한다.
상기 고객 단말(10)은 본 실시간 홍보 및 이벤트 제공 서비스를 제공받기를 원하는 고객이 사용하는 단말 장치로서, 스마트폰, 태블릿 PC 등과 같이 무선망(또는 이동통신망)의 네트워크 기능이 구비된 휴대용 단말기기를 포함할 수 있다. 물론, 상기 고객 단말(10)은 어플리케이션 실행이 가능하고, 위치 정보 생성 및 수집이 가능한 휴대용 단말기기여야 한다.
도 4에 도시된 바와 같이, 이러한 고객 단말(10)은 홍보 및 이벤트 관리 어플리케이션이 설치되고, 홍보 및 이벤트 관리 어플리케이션의 실행에 의하여 접속된 웹 상에서 현재 위치정보 또는 고객에 의하여 설정된 지역정보를 기초로 각종 가맹점정보를 검색하고, 각각의 가맹점에서 제공하는 홍보 및 이벤트 정보를 제공받으며, 가맹점 방문후기를 등록하고, 가맹점 방문후기에 대한 리뷰 평점정보를 제공받는다.
상기 고객 단말(10)은 상기 검색된 각종 가맹점 정보를 위치정보 또는 지역정보를 기초로 거리순으로 정렬하거나, 해당 가맹점들의 리뷰 평점정보를 기초로 리뷰평점순으로 정렬하여 표시할 수 있다.
도 6a 내지 6l를 참조하여, 상기 고객 단말(10)에서 홍보 및 이벤트 관리 어플리케이션이 실행되는 상태에 대하여 차례대로 살펴보기로 한다.
우선, 도 6a에 도시된 바와 같이, 홍보 및 이벤트 관리 어플리케이션의 실행에 의하여 접속된 웹의 홈 페이지 상에는 메뉴 슬라이드, 메뉴 탭 메뉴, 스토어 목록 정보가 표시된다. 이때, 메뉴 슬라이드는 메뉴 리스트 영역을 슬라이드하여 열람가능하고, 메뉴 탭 메뉴는 메인 화면 탭 메뉴로 구성되어 화면을 스와이프(swipe)하여 다음 탭 메뉴(즉 페이지)로 이동 가능하며, 스토어 목록은 스토어 대표 이미지, 가맹점명, 현재 위치로부터의 거리, 업종, 대표메뉴(품목), 즐겨찾기 추가 여부로 구성되어, 해당 스토어 선택시 스토어 상세 페이지로 이동할 수 있도록 구성되어 있다.
또한, 도 6b에 도시된 바와 같이, 고객은 화면 상에 검색, 검색어 입력, 최근 검색어 메뉴를 통하여 원하는 가맹점이나 해당 가맹점 정보를 검색할 수 있다.
또한, 도 6c에 도시된 바와 같이, 고객은 화면 상에서 지역/정렬 기준을 설정할 수 있는 데, 이를 위하여 화면 상에는 지역 설정, 정렬기준, 지역설정 팝업, 정렬기준 선택팝업 등의 메뉴가 표시된다. 이때, 지역설정에서는 현재 위치 아이콘 선택시 현재 위치 정보를 제공하고, 지역선택 영역 선택시 지역 설정 팝업을 노출하고, 정렬기준에서는 정렬 기준 선택 영역 선택시 정렬 기준 설정 팝업을 노출하며, 지역 설정 팝업에서는 시/도 버튼 선택시 시/도 선택하단 피커(picker)를 노출하고, 시/군/구 버튼 선택시 시/군/구 선택 하단 피커를 노출하며, 정렬 기준 선택 팝업에서는 거리순, 리뷰 평점순으로 구성되어, 정렬기준선택시 바로 적용되며 팝업이 닫히도록 구성된다.
또한, 도 6d에 도시된 바와 같이, 고객은 화면 상에서 가맹점 상세 메뉴(즉, 스토어 상세)를 이용할 수 있는 데, 이를 위하여 화면 상에서는 스토어 상세, 즐겨찾는 가게 등록, 스토어 기본 정보, 명함 SNS 공유, 전화 연결, 1:1 문의, 홈페이지 연결, 이벤트, 리뷰 항목이 표시된다. 이때, 스토어 상세 메뉴에서는 스토어를 선택시 바로 스토어 상세 페이지로 이동하고, 스토어 기본 정보에서는 가맹점 관리자가 등록한 명함 정보 제공하며, 명함 미등록시에는 프로필 정보를 제공하고, 1:1 문의에서는 채팅이 가능(도 6e 참조)하며, 이벤트에서는 해당 스토어의 현재 진행중인 이벤트를 노출하거나, 진행중인 이벤트가 없는 경우 문구를 노출하고, 리뷰에서는 해당 스토어에 대한 리뷰 정보를 제공할 수 있다.
또한, 도 6f에 도시된 바와 같이, 고객은 스토어 상세에서 쿠폰 상태에 따른 버튼(다운로드전, 다운?드 완료, 쿠폰 사용 완료, 기간 만료)을 조작하여 쿠폰에 대한 정보를 열람할 수 있다.
또한, 도 6g에 도시된 바와 같이, 고객은 스토어 상세에서 리뷰 등록, 스토어 리뷰 평점 메뉴를 제공받을 수 있고, 이때 리뷰등록에서 리뷰등록 페이지로 이동하며, 스토어 리뷰 평점에서는 전체 리뷰 평점 및 상세 항목에 대한 평점 정보를 제공받을 수 있다.
또한, 도 6h에 도시된 바와 같이, 고객은 리뷰리스트에서, 리뷰, 리뷰작성, 스토어 리뷰 평점, 리뷰 정렬기준, 리뷰 목록 정보를 제공받을 수 있다. 이때, 리뷰에서는 스토어 상세페이지의 전체리뷰보기 버튼 선택시 해당 스토어의 리뷰 페이지로 이동하고, 리뷰 작성에서 해당 스토어에 대한 리뷰를 작성하며 스토어 리뷰 평점에서 전체 리뷰 평점 및 상세 항목에 대한 평점 정보를 제공하고, 리뷰 정렬 기준에서는 최신 등록순, 높은 평점순, 낮은 평점순으로 리뷰를 정렬하여 표시하며, 리뷰 목록에서 디폴트 노출개수가 10개이면, 화면 최하단 스크롤시 10개를 추가 로딩하여 노출시키게 된다.
또한, 도 6i에 도시된 바와 같이, 고객이 리뷰를 등록하고, 도 6j에 도시된 바와 같이, 이벤트 페이지의 위치보기 아이콘을 선택하여 해당 스토어의 위치를 확인할 수 있으며, 도 6k에 도시된 바와 같이, 이벤트 상세 정보를 확인하고, 도 6l에 도시된 바와 같이, 원하는 쿠폰 정보와 사용 정보를 확인할 수 있다.
상기 가맹점 단말(20)은 네트워크 기능이 구비된 일반 PC, 휴대용 단말기(스마트폰, 태블릿 PC)를 포함하는 컴퓨터 단말기기를 보유하고 있는 중소상공인 업체의 점주 또는 관리인이 보유하는 단말기기이다. 이때, 중소상공인 업체는 식당, 의류점, 화장품점, 미용실, 서점 등과 같이 업종에 상관없이 물리적 공간을 갖는 점포를 포함할 수 있다.
도 3에서와 같이, 이러한 가맹점 단말(20)은 홍보 및 이벤트 관리 어플리케이션이 설치되고, 홍보 및 이벤트 관리 어플리케이션의 실행에 의하여 접속된 웹 상에서 가맹점 명함, 홍보 및 이벤트 정보를 등록하며, 해당 가맹점에 방문하거나 관심을 가지는 고객에 대한 고객 분석정보와, 가맹점 방문 후기정보와 리뷰 평점 정보에 대한 리뷰 분석정보와, 가맹점 정보와 홍보 및 이벤트 정보에 대한 검색 정보에 대한 검색 분석정보를 제공받는다.
도 5a 내지 5i를 참조하여, 도 1의 가맹점 단말(20)에서 홍보 및 이벤트 관리 어플리케이션이 실행되는 상태를 설명하기로 한다.
우선, 가맹점 단말(20)은 관리 서버(30)에 접속하여 조회일 설정한 다음, 우리가게 주변고객(즉, 해당 기간내 GPS를 통해 매장 주변 500m 내에 있는 매장에서 쿠폰을 사용한 고객), 관심고객(즉, 이벤트, 홍보 전단, 가게 명함을 조회하거나 다운로드 및 사용, 해당 가게를 즐겨찾는 가게에 추가한 고객), 구매고객(즉, 쿠폰을 사용한 고객), 동요일 시간대별 고객수 평균추이, 이벤트 현황(즉, 기간에 상관없이 현재 진행중/종료된 이벤트 수 노출), 이벤트 성과(즉, 해당 기간내 이벤트 열람/다운로드 수 노출), 홍보전단성과, 리뷰등록건수, 리뷰평점, 일별리뷰 평점추이, 홈페이지 방문자수, 신규방문자수, 홈페이지 방문횟수, 페이지뷰, 신규방문과 재방문 수 등에 관한 정보를 제공받을 수 있다.
또한, 가맹점 이벤트 등록, 이벤트 검색(즉, 진행상태, 조회기간), 이벤트 목록추천 이벤트, 이벤트 기간, 이벤트 성과, 홍보 전단 등록/수정, 홍보전단 성과, 가맹점 명함 등록/수정, 각종 알림 정보를 등록하거나 제공받을 수 있다.
상기 관리 서버(30)는 가맹점 단말(20) 및 고객 단말(10)과 네트워크 연결되어 인터페이스 환경의 구축을 위한 어플리케이션을 제공하면서 본 실시간 홍보 및 이벤트 제공 서비스를 제공하는 업체의 서버 장치이다. 즉, 상기 관리 서버(30)는 고객 단말(10) 및 가맹점 단말(20)에 연동되어, 홍보 및 이벤트 관리 어플리케이션, 가맹점 정보, 홍보 및 이벤트 정보, 리뷰 평점정보, 고객 분석정보, 리뷰 분석정보 및 검색 분석정보를 제공하거나 해당 정보를 전송받아 관리하되, 소정의 리뷰분석 알고리즘을 통하여 리뷰 분석정보를 산출한다. 또한, 상기 관리 서버(30)는 고객의 위치정보를 기초로 소정 반경 내에 위치한 가맹점들의 이벤트 정보를 실시간으로 제공한다.
이때, 상기 네트워크는 유무선 환경의 통신 네트워크로서, 다양한 인터페이스 환경, 네트워크 환경 및 플랫폼 환경에서 구축될 수 있다. 예를 들어, 가맹점 단말(20)은 웹브라우저를 통해 관리 서버(30)가 웹 상에서 제공하는 홈페이지에 접속하여 홍보 및 이벤트 관리 어플리케이션을 제공받을 수 있고, 또한 가맹점 단말(10)은 무선망(또는 이동통신망)을 통해 설치된 홍보 및 이벤트 관리 어플리케이션에 의해 관리 서버(30)로부터 본 실시간 홍보 및 이벤트 제공 서비스를 제공받을 수 있다.
이러한 관리 서버(30)는 도 2에 도시된 바와 같이, 통신부(310), 회원인증부(320), 고객정보 분석부(330), 리뷰정보 분석부(340), 검색정보 분석부(350), 리뷰분석정보 산출부(360), 결제 처리부(370) 및 저장부(380)를 포함한다.
상기 통신부(310)는 유무선 환경의 통신 네트워크로 연결된 고객 단말(10) 및 가맹점 단말(20)로부터 홍보 및 이벤트 관리 어플리케이션, 가맹점 정보, 홍보 및 이벤트 정보, 리뷰 평점정보, 고객 분석정보, 리뷰 분석정보 및 검색 분석정보를 제공하거나 해당 정보를 전송받는다.
상기 회원인증부(320)는 무선 네트워크로 연결되어 관리 서버(30)가 제공하는 웹 페이지에 접속한 회원 가입한 고객 단말(10) 및 가맹점 단말(20)로부터 수신되는 고객 고유정보(ID 및 패스워드)를 저장부에 미리 저장하고 있는 회원 정보와 비교하고, 비교 결과 매칭여부에 따라 접속된 고객 및 가맹점의 본 실시간 홍보 및 이벤트 제공 서비스 이용을 허락한다.
상기 고객정보 분석부(330)는 가맹점을 기준으로 일정 반경 내에 위치하는 주변 고객정보, 가맹점 명함정보, 가맹점 정보와 홍보 및 이벤트 정보를 검색한 관심 고객정보, 이벤트 정보를 기초로 해당 이벤트에 참여하거나 가맹점으로 제공된 쿠폰을 사용한 구매 고객정보, 소정 일자 및 시간대에 주변 고객, 관심 고객 및 구매 고객의 평균정보, 홍보 및 이벤트 정보와 소정 기간 내에 홍보 및 이벤트 정보를 열람 또는 다운로드한 고객의 수에 관한 홍보/이벤트 현황 및 성과정보를 포함하는 고객정보를 미리 설정된 분석 프로그램에 의하여 분석한다.
상기 고객정보 분석부(330)는 분석된 고객정보를 저장부(380)에 제공하여 저장 및 관리하도록 할 수 있다.
상기 리뷰정보 분석부(340)는 가맹점 방문 후기의 등록 건수정보, 리뷰 평점정보, 일별 리뷰 평점 추이정보, 성별 또는 연령별 리뷰 등록 비율정보, 방문 유형별 리뷰 등록 비율정보, 방문시기별 리뷰 등록 비율정보, 세부 항목별 평점정보를 포함하는 리뷰정보를 미리 설정된 분석 프로그램에 의하여 분석한다. 이와 같이 분석된 리뷰 정보는 저장부(380)에 제공되어 저장 및 관리된다.
상기 검색정보 분석부(350)는 홈페이지 방문자 분석을 위한 장치로서, 홈페이지 방문자수, 신규 방문자수, 홈페이지 방문횟수, 페이지뷰, 신규방문과 재방문, 일별 방문 분포, 요일별 방문 분포, 시간대별 방문 분포, 인기 페이지 등의 정보를 미리 설정된 분석 프로그램에 의하여 분석한다. 이와 같이 분석된 검색정보는 저장부(380)에 제공되어 저장 및 관리된다.
상기 리뷰분석정보 산출부(360)는 리뷰 평점 산출 엔진에 의하여 산출되는 가맹점 조건부 기대치, 관찰 신호값, 리뷰평점정보를 포함한다.
이하에서는, 리뷰 평점 산출 엔진에 의하여 가맹점 조건부 기대치, 관찰 신호값, 리뷰평점정보를 산출하는 과정을 보다 상세하게 설명하기로 한다.
평가자 그룹의 고려(
Figure 112016099865288-pat00027
,
Figure 112016099865288-pat00028
)
가맹점 만족도에 대한 평가자는 등록평가자와 미등록평가자로 구분하고 등록평가자는 다시 우수평가자와 일반평가자로 나누어 고려한다.
등록평가자(registered reviewer)(첨자 re로 구분)는 웹 사이트에 고객 정보를 입력하여 아이디를 부여받고 로그인한 평가자를 말하고, 미등록평가자(not-registered reviewer)(첨자 nr로 구분)는 고객 정보의 입력없이 현장에서 즉석으로 평가를 작성한 평가자를 말한다.
등록평가자는 다시 우수평가자(elite reviewer)(첨자 -e로 구분)와 일반평가자(non-elite reviewer)(첨자 ne로 구분)로 나뉘며, 이를 구분하는 기준은 평가의 숫자이다. 가맹점에 대한 평가를 작성할 당시 기존에 평가를 한 횟수가 많은 사람은 평가참여의 적극성이 있는 것으로 보아 우수평가자로 구분한 것이며, 기존에 평가횟수가 적은 사람은 평가참여의 적극성이 없는 것으로 보아 일반평가자로 정의한다. 구분의 기준이 되는 평가의 숫자는 데이터베이스에 보관된 고객 정보를 사용하여 아래에 소개될 모형에 포함된 여러 변수들에 대한 파라미터(parameter) 값들을 추정했을 때 통계학적으로 가장 많은 변수들이 유의해지는 수준에서 결정한다.
한편 신축 가맹점에 대한 평가처럼 초기에 평가자가 많지 않아 평가자 자료가 축적되어 있지 않을 때는 기존의 방법과 같이 단순평균 방법을 사용하여 평균평점을 계산하며 이후에 평가자에 대한 자료가 축적되어 전술한 평가자 각 그룹(우수그룹, 일반그룹, 미등록그룹) 당 평가가 10개 ~ 30개 이상이 되면 각 평가자에 대한 파라미터들을 추정함으로써 최적집계 방법을 사용할 수 있게 된다.
이렇게 정의될 수 있는 우수평가자, 일반평가자, 미등록평가자들이 각각 가맹점을 방문한 후 얻게 되는 가맹점 품질에 대한 평가신호의 정확성을 분산(
Figure 112016099865288-pat00029
)으로, 기존 평가자들의 평가에 대한 관심도를 가중치(
Figure 112016099865288-pat00030
)로 측정한다. 이러한 가맹점 품질에 대한 평가신호의 정확성 지표로서의 분산(
Figure 112016099865288-pat00031
)과 기존 평가자들의 평가에 대한 관심도 지표로서의 가중치(
Figure 112016099865288-pat00032
)를 구하는 까닭은 예를 들어, 우수평가자는 일반평가자에 비해 평판(기존 평가자들의 평가)을 꼼꼼히 읽어보는 것과 같이 기존 평가자들의 평가에 대해 관심이 많고(
Figure 112016099865288-pat00033
) 신호의 정확성이 더 높다(
Figure 112016099865288-pat00034
)고 판단되기 때문에 이러한 차이를 반영하고자 함이다.
한편 일반평가자와 미등록평가자를 비교하면, 미등록평가자는 일반평가자에 비해 평판에 관심이 적을 것으로 예상되는데(
Figure 112016099865288-pat00035
) 그 까닭은 미등록평가자는 웹사이트에서 평점을 매기지 않고 가맹점 방문시에 현장에서 평점을 매기므로 기존 평가자의 평가보다 자신이 현장에서 직접 관찰한 신호에 더 높은 가중치를 줄 것으로 기대되기 때문에 그러한 차이를 반영하기 위함이다. 반면에 신호의 정확성은 사전적으로 어느 그룹이 더 높을지 정해지지 않는다.
평가자의 엄격함(
Figure 112016099865288-pat00036
)의 고려
평가자의 개인별 프로파일 자료를 사용하여 엄격함(stringency) 변수(
Figure 112016099865288-pat00037
)를 만들어 낸다. 이렇게 개인별 엄격함 변수(
Figure 112016099865288-pat00038
)를 계산하는 이유는 가맹점 관찰 후 발견하는 품질에 대한 객관적인 신호 이외에도 개인적으로 성향에 따라, 과거 경험에 따라 실제 가맹점의 실제의 참품질보다 더 높게 혹은 더 낮게 평가할 수 있기 때문이다. 예를 들어 가맹점을 여러 다양한 목적(예를 들어 가족/친구/사업 등)으로 방문한 경험이 있는 평가자는 새로운 종류의 가맹점에 대해서 반감이 적어 비교적 후하게 평가하는 반면, 가맹점을 하나의 목적, 예컨대 가족 목적으로만 가맹점을 방문했던 평가자는 사업 목적으로 가맹점을 방문할 경우 필요한 서비스를 제공받지 못하는 것으로 인해 가맹점에 대해서 매우 박하게 평가를 할 수 있는 것과 같은 개인적 경험 내지 성향을 고려한 변수이다.
본 발명에서 이러한 평가자의 엄격함 변수에 영향을 미칠 수 있는 요소로서 다음 5가지 요소이다.
첫 번째로, 기존에 그 평가자가 평가한 평가의 개수(
Figure 112016099865288-pat00039
)이다. 이는 기존에 많은 가맹점을 방문한 경험이 있는 사람과 그렇지 않은 사람의 평가가 다를 수 있음을 고려한 것이다.
두 번째는 일정 단위기간 동안에 제출한 평가의 개수(
Figure 112016099865288-pat00040
)이다. 이를 통해 얼마나 자주 평가를 하는 사람인지를 알 수 있다. 예를 들어, 10개월간 2개의 평가를 하는 사람과 일주일간 2개의 평가를 하는 사람을 다르게 취급할 수 있다. 계산식은 총 평가의 개수를 첫 평가 이후 지나간 날짜수로 나눈 수, 즉 일간 평균 평가수이다. 예를 들어, 10일간 2개의 평가를 남긴 사람은 2/10=0.2의 값을 가지며, 100일간 2개의 평가를 남긴 사람은 2/100=0.02의 값을 가지고, 100일간 3개의 평가를 남긴 사람은 3/100=0.03의 값을 가진다. 오직 하나의 평가만을 남긴 사람은 하나 이상의 평가를 남긴 사람들의 평균값으로 대체한다. 일간 평균 평가수가 작은 사람은 가맹점을 매우 드물게 방문하는 사람이고, 반대로 높은 사람은 자주 가맹점에 방문하는 사람으로 볼 수 있다. 이론적으로 생각해 보면 가맹점을 드물게 방문하는 사람은 가맹점에 대한 평가가 후하고 가맹점을 자주 방문해서 비교의 기회가 많은 사람은 가맹점의 평가가 매우 박할 수가 있는 것을 고려하기 위함이다.
세 번째는, 평가자와 제품 사이의 적합도(matching) 차이(
Figure 112016099865288-pat00041
)이다. 이 차이를 계산함으로써 평가자와 제품 사이에 얼마나 매칭(matching)이 잘 되었는지를 판단할 수 있다. 먼저 개별 가맹점의 특징값을 산정한다. 예를 들어, 가맹점에 방문하는 목적이 (가족/커플/친구/솔로/사업) 등으로 분류가 된다고 가정하자. 세 명의 방문객이 어떤 가맹점에 방문했을 때 그 목적으로 두 명이 가족을, 한 명이 친구로 표시했다면 그‘가맹점의 특징값’은 (0.66/0/0.33/0/0)이 된다. 이때 어떤 방문객(V1)이 그 가맹점(A)을 방문하게 되면 그 가맹점(A)의 산정된 특징값이 방문객(V1)의 아이디에 기록이 되고, 그 방문객(V1)이 다른 가맹점(B)을 방문하게 되면 그 가맹점(B)의 특징값을 기존의 가맹점(A)의 특징값과 합산해서 평균 특징값을 계산한다. 이것이‘그 방문객(V1) 개인의 가맹점 적합도 특징값’이 된다. 여기서 그 방문객(V1)이 새롭게 가맹점(C)을 방문할 때 그 방문객(V1) 개인의 특징값과 가맹점의 특징값의 차이의 제곱들을 모두 더한 값이
Figure 112016099865288-pat00042
값이다. 이 값이 크다는 것은 평가자(V1)가 방문한 가맹점이 그 평가자(V1)가 그 전까지 방문했던 가맹점들의 성향에 비추어볼 때 많이 다르다는 것을 의미하고, 작다는 것은 평가자의 기존 가맹점 방문 성향과 매우 유사하다는 것을 의미한다.
네 번째로, 평가자가 그 동안 얼마나 다양한 가맹점을 경험하였는지에 대한 다양성 지표(
Figure 112016099865288-pat00043
)를 만들 수 있다. 이는 평가자가 기존에 방문했던 가맹점들의 각 특징값, 즉 (가족/커플/친구/솔로/사업)에 해당하는 각 점수들의 분산값을 구한 후 이 값들을 모두 합한 후 제곱근을 취하여 계산한다. 이 다양성 지표가 크면 평가자는 다양한 목적으로 가맹점을 방문하는 것이고, 이 지표가 작으면 평가자는 비교적 동일한 목적으로 가맹점을 방문하는 것이다.
다섯 번째로, 시간(
Figure 112016099865288-pat00044
)도 중요한 변수이다. 경험적으로 시간이 지남에 따라 평균등급은 하락하는 경향이 있다. 이 현상의 원인에 대한 해석은 다양한데, 그 한 예로서 최근의 평가자가 초기의 평가자보다 더 엄격한 경향이 있기 때문이다.
평가자의 개별평점(
Figure 112016099865288-pat00045
) 산출모형
평가자는 가맹점을 방문한 후 다음과 같은 공식을 사용하여 평점을 매기는 것으로 모형화한다.
Figure 112016099865288-pat00046
(여기서,
Figure 112016099865288-pat00047
은 개인의 엄격함 변수,
Figure 112016099865288-pat00048
,
Figure 112016099865288-pat00049
는 가중치,
Figure 112016099865288-pat00050
은 신호입력값,
Figure 112016099865288-pat00051
은 기존에 방문한 사람들이 평가한 평점에 대한 개별평점 정보(
Figure 112016099865288-pat00052
) 및 신호입력값(
Figure 112016099865288-pat00053
)을 고려한 가맹점의 참품질에 대한 예측값)
즉, 사전에 웹사이트에서 기존에 방문한 사람들이 평가한 평점에 대한 정보(
Figure 112016099865288-pat00054
) 및 이번에 새롭게 방문해서 관찰한 신호값(
Figure 112016099865288-pat00055
)를 사용하여 평가한 가맹점의 참 품질에 대한 예측값
Figure 112016099865288-pat00056
에
Figure 112016099865288-pat00057
의 가중치를 주고, 본인이 새롭게 관찰해서 얻은 신호값에
Figure 112016099865288-pat00058
의 가중치를 주어서 계산한 후 개인별 엄격함 변수(
Figure 112016099865288-pat00059
)를 포함하여 최종적으로 자신의 평점
Figure 112016099865288-pat00060
을 매긴다고 가정한다.
이와 같은 모형을 좀 더 이해하기 쉽게 설명하면 다음과 같다.
즉, 평가자 본인이 자신이 이용한 가맹점에 대한 개별평점
Figure 112016099865288-pat00061
을 매길 때, 본인이 알고 있는 정보는 ① 본인의 타입(우수평가자인가 혹은 일반평가자인가), ② 그에 따른
Figure 112016099865288-pat00062
값, ③ 엄격함
Figure 112016099865288-pat00063
, ④ 평가자가 관찰한 가맹점의 품질에 대한 신호값
Figure 112016099865288-pat00064
, ⑤
Figure 112016099865288-pat00065
, 즉, 기존의 평가와 내가 관찰한 정보를 종합했을 때 가맹점의 참품질에 대한 예측값이다.
그러나 본 발명에 따른 시스템이 알고 있는 것은 ① 평가자의 타입(우수평가자인가 혹은 일반평가자인가) 및 평가자의 개인정보, 기존 평가자의 평가
Figure 112016099865288-pat00066
뿐이며 이 정보로부터 통계학적인 과정을 거쳐서 ② 평가자의
Figure 112016099865288-pat00067
값, ③ 엄격함
Figure 112016099865288-pat00068
, ④ 평가자가 관찰한 가맹점의 품질에 대한 신호값
Figure 112016099865288-pat00069
⑤
Figure 112016099865288-pat00070
등을 모두 사후적으로 계산해내는 것이다.
다음으로 평가자는 위 식(1)에서와 같이
Figure 112016099865288-pat00071
에 주어진 공식대로 평점을 매기는 것으로 가정한다. 평가자 본인이 스스로 매긴 값이
Figure 112016099865288-pat00072
이지만 마구잡이로 매기는 것이 아니라 공식에 의해 시스템적으로 매기는 것으로 가정한다. ‘평가자 본인이 스스로 매기는 것’과 ‘공식에 의해 시스템적으로 매기는 것’ 의 두 문장이 모순이 아닌데 이에 대한 이해는 경제학적 사고방식으로 설명될 수 있다. 즉, 경제학에서는 개인이 자유롭게 의사결정을 내리지만 아무렇게나 결정하는 것이 아니라 일정한 합리성 하에서 논리적으로, 공식을 염두에 두고 결정을 한다고 가정한다. 간단한 예를 들면 우유나 과자를 살 때 집 앞에 있는 편의점에서 사지 않고 굳이 멀리 있는 이마트까지 차를 타고 가서 사는 이유를 설명하기 위해서 이마트의 물건 가격, 교통비, 시간, 쇼핑의 즐거움, 폭넓은 선택의 자유, 편의점의 물건 가격, 편리함 등을 x, y, z 등의 변수로 표현하여 부등호가 이마트쪽이 더 클 때 이마트를 방문하는 결정을 내린다고 모형화하는 것이다. 따라서 소비자의 선택은 자유이고 스스로 결정을 내리는 것이지만, 그 결정은 아무렇게나 마구잡이가 아니라 소비자의 생각과 행동을 묘사하는 일정한 ‘공식’에 의해 결정된다고 보는 것이 경제학에서의 기본 분석방법이다.
이러한 관점에서 다시 평가자 본인이 개별평점
Figure 112016099865288-pat00073
을 매기는 수식으로 돌아가
Figure 112016099865288-pat00074
을 구성하는 수식의 내용을 살펴보면, 기본적으로 평가자는 가맹점의 품질에 대한 평가를 하기를 원한다. 이때 평가자에게는 두 가지 목표가 있을 수 있다. 하나는 방문한 가맹점에 대해서 남들이 뭐라 하든 신경쓰지 않고 자신이 느끼고 경험한 바를 솔직하게 평가하는 것입니다. 이것이
Figure 112016099865288-pat00075
이다. 쉬운 예로
Figure 112016099865288-pat00076
은 가맹점의 서비스에 큰 감동을 받았다던가, 반대로 서비스가 엉망이라서 무척 화가 났다던가 하는 경우에 감각적으로 느끼는 바에 따른 평가이다. 다른 하나는 일종의 공공서비스처럼 다른 사람들에게 가맹점의 참품질을 알리는 것을 사명처럼 여기는 것으로, 기존 평가자들의 평점 정보(
Figure 112016099865288-pat00077
)도 참고하고 본인이 직접 관찰한 가맹점의 품질정보(신호,
Figure 112016099865288-pat00078
)를 종합하여 가맹점의 참품질에 대한 최선의 예측치
Figure 112016099865288-pat00079
를 계산해 내는 것이다. 평가자의 최종적인 평가
Figure 112016099865288-pat00080
는 이 두 목표 사이의 가중평균으로 결정한다. 따라서 공공서비스적인 정신에 두는 가중치를
Figure 112016099865288-pat00081
라고 하고, 다른 사람이 뭐라 하건 자기 감정을 솔직하게 표현하는 것에 두는 가중치를
Figure 112016099865288-pat00082
로 해서 가중평균을 구한다. 여기에 개인적인 엄격함에 대한 조정을 해서 최종적인 평점
Figure 112016099865288-pat00083
을 결정하는 것이다. 이 모형에 따르면 우수평가자는 일반평가자에 비해
Figure 112016099865288-pat00084
가 크다. 즉, 가맹점의 참품질에 대한 최선의 예측치에 더 큰 가중치를 두는 것으로 그 이유로 가맹점의 참품질을 알고자 할 때 우수평가자를 더 중요시 하는 것이다.
가맹점의 참품질 (
Figure 112016099865288-pat00085
)
다음으로 가맹점의 t시점에서의 참품질(true quality) (
Figure 112016099865288-pat00086
)는 다음과 같은 식에 의해 변한다고 모형화한다.
Figure 112016099865288-pat00087
(여기서
Figure 112016099865288-pat00088
는 품질에 영향을 미치는 변수)
여기서
Figure 112016099865288-pat00089
는 정규분포를 따른다고 가정한다. 즉, 현재의 가맹점의 참품질(
Figure 112016099865288-pat00090
)은 이전의 기(期)의 가맹점의 참품질에 새롭게 발생한 변수(
Figure 112016099865288-pat00091
)가 영향을 미쳐서 결정된다고 가정한다. 이 새로운 변수(
Figure 112016099865288-pat00092
)에는 예를 들어 가맹점 식당 웨이터의 사소한 서빙 실수도 포함되고, 새로운 가맹점 지배인의 경영철학에 따른 종업원들의 서비스 마인드의 변화 등도 포함되며 가맹점 설비 등에 대한 제도(법령)의 강화와 같은 비예측적 변수의 발생도 이에 해당한다. 만약 새로운 변화가 계속해서 전혀 발생하지 않는다면(
Figure 112016099865288-pat00093
, t=1,2,...) 참품질의 값도 변화가 없을 것이지만 이는 비현실적인 가정이다.
가맹점 참품질의 변화를 위와 같이 모형화할 때 시간의 변화에 따른 참품질의 변화분(분산)은 다음과 같이 표현된다.
Figure 112016099865288-pat00094
.
즉, 가맹점의 참품질은 시간이 지날수록(
Figure 112016099865288-pat00095
) 변화분(
Figure 112016099865288-pat00096
)이 누적되어 참품질의 값이 처음부터 크게 달라지게 된다. 따라서 평가자들의 평가로부터 가맹점의 참품질을 알고자 할 때 n-1번째 평가자 이후에 시간이 많이 지난 후 n번재 평가자가 평가를 남기게 되면 n-1번째 평가 이후로 가맹점의 품질이 크게 변했을 것이므로 상대적으로 n-1번째 평가자보다 n번째 평가자에게 더 높은 가중치를 주어야 할 것이다.
평가자의 관찰 신호(
Figure 112016099865288-pat00097
)
본 발명에서 평가자가 가맹점의 품질에 대하여 평가하는 신호값인
Figure 112016099865288-pat00098
은 예를 들어 가맹점이 썩 나쁘지 않을 경우 평가자가 관찰한 가맹점의 점수는 “이 정도면 별 4개(
Figure 112016099865288-pat00099
)는 되겠네”와 같은 주관적 판단이다. 이 판단은 평가자 본인은 알고 있지만 시스템 분석자의 입장에서는 모르는 값이며 분석자가 알 수 있는 값은 평가자가 최종적으로 매기는 평점인
Figure 112016099865288-pat00100
과 평가자의 개인정보뿐이다. 따라서 최적집계분석을 하기 위해서는 시스템은
Figure 112016099865288-pat00101
과 평가자의 개인정보로부터 평가자의
Figure 112016099865288-pat00102
을 ‘사후적으로’ 계산해 내는 것이다.
한편, n번째 평가자가 관찰한 신호는 다음과 같은 식으로 표현될 수 있다.
Figure 112016099865288-pat00103
(여기서
Figure 112016099865288-pat00104
은 신호값,
Figure 112016099865288-pat00105
은 평가대상 가맹점의 참품질값,
Figure 112016099865288-pat00106
은 신호값에 영향을 미치는 변수)
여기서 신호값에 영향을 미치는 변수(
Figure 112016099865288-pat00107
)는 정규분포를 따른다고 가정하고, 그것의 조건부 분산인
Figure 112016099865288-pat00108
이 바로 앞서 언급한 n번째 평가자의 신호의 정확성이다. 이 분산이 작다는 것은 n번째 평가자가 가맹점의 참품질에 대한 신호를 정확하게 포착한다는 의미이고, 분산이 크다는 것은 신호를 정확하게 포착하지 못한다는 의미이다.
Figure 112016099865288-pat00109
은 n-1번째까지 평가자들의 평가 정보(
Figure 112016099865288-pat00110
)를 사용하여 계산한 n번째 평가 당시의 가맹점의 품질에 대한 기대치로서 통계학적으로 조건부 기대치 혹은 예측치이다.
신호(
Figure 112016099865288-pat00111
)의 분산 혹은 신호의 정확성이 언급되는 이유는 다음과 같다. 즉, 평가자가 평가한 가맹점의 품질에 대한 평가값(신호값)인
Figure 112016099865288-pat00112
은
Figure 112016099865288-pat00113
라고 말할 수 있는데(
Figure 112016099865288-pat00114
=신호값,
Figure 112016099865288-pat00115
=가맹점의 참품질,
Figure 112016099865288-pat00116
은 가맹점의 참품질에 영향을 미치는 에러) 평가자가 예를 들어 가맹점 구석구석을 잘 살피지 못해서(에러
Figure 112016099865288-pat00117
이 발생) 참품질과 약간 다른 평가를 내릴 수 있기 때문이다. 우수평가자는 구석구석을 잘 살펴서 참품질을 더 잘 알 수 있기 때문에 더 작은
Figure 112016099865288-pat00118
값을 갖게 되고 따라서
Figure 112016099865288-pat00119
의 분산, 다시 말해서 신호의 분산이 작게, 즉 신호의 정확성이 높아진다. 반면 일반평가자는 구석구석을 잘 못보기 때문에 에러
Figure 112016099865288-pat00120
가 크게 되고
Figure 112016099865288-pat00121
의 분산도 커지고 다시 말해서 신호의 정확성이 낮아지게 된다.
최적집계 알고리즘 모델
위와 같이 본 발명에 따른 최적집계 알고리즘을 도출하기 위한 변수들 모형의 정의가 주어졌을 때, 최적집계방법을 사용하여 가맹점의 참품질을 구하기 위해서는 데이터에 입력된 데이터를 사용하여 몇 가지 파라미터 값들을 계산하여야 한다.
먼저 우수평가자, 일반평가자, 미등록평가자들의 평판에 대한 관심도인
Figure 112016099865288-pat00122
,
Figure 112016099865288-pat00123
, 등과 신호의 정확성인
Figure 112016099865288-pat00125
,
Figure 112016099865288-pat00126
,
Figure 112016099865288-pat00127
, 그리고 개인별 엄격함인
Figure 112016099865288-pat00128
,
Figure 112016099865288-pat00129
을 구해야 한다. (미등록평가자는 로그인하여 개인 정보를 입력하지 않으므로
Figure 112016099865288-pat00130
을 계산하지 않는다) 개인별 엄격함은 앞서 언급한 다섯 가지 항목이 있으므로 이들 항목들의 합산으로 계산한다. 즉, 각 항목에 해당하는 계수값을 계산한다.
Figure 112016099865288-pat00131
(여기서
Figure 112016099865288-pat00132
는 상수이고 α는 계수).
이러한 계수값은 통계학적 추정모형(estimation model) 중에 최우추정법(Maximum Likelihood Estimation Method)을 사용하여 구할 수 있다. 일반적으로 평균이
Figure 112016099865288-pat00133
이고 분산이
Figure 112016099865288-pat00134
인 정규분포를 따르는 확률변수의 확률밀도함수는 다음과 같이 표현된다.
Figure 112016099865288-pat00135
이 식은 파라미터인
Figure 112016099865288-pat00136
와
Figure 112016099865288-pat00137
이 주어졌을 때
Figure 112016099865288-pat00138
의 확률밀도함수값을 계산하는 식이다. 그런데 이 식을 거꾸로 해석해서 데이터인
Figure 112016099865288-pat00139
가 주어졌을 때 파라미터가
Figure 112016099865288-pat00140
와
Figure 112016099865288-pat00141
일 확률(우도, likelihood)을 나타내는 식으로 볼 수도 있다. 이 해석에 착안해서 주어진 데이터를 가장 잘 설명하는, 혹은 주어진 데이터를 만들어냈음직한 그럴 듯한 파라미터
Figure 112016099865288-pat00142
와
Figure 112016099865288-pat00143
를 찾는 방법이 최우추정법이다. 이 식은 실제 참값인
Figure 112016099865288-pat00144
와
Figure 112016099865288-pat00145
를 대입했을 경우 이 함수식이 최대값을 갖고, 다른 파라미터값을 대입하게 되면 함수값이 작아지게 된다. 따라서 데이터의 실제 참값인
Figure 112016099865288-pat00146
와
Figure 112016099865288-pat00147
를 찾기 위해서는 위 함수값을 최대화하는
Figure 112016099865288-pat00148
와
Figure 112016099865288-pat00149
를 찾으면 된다. 이 방법은 보통 수치최적화(numerical optimization) 방법에서 예를 들면 newton-raphson algorithm등과 같은 알고리즘을 사용하여 최대값을 찾아내게 된다. 위 식은 데이터가 하나 있을 경우의 식이고 데이터가 N개 있을 경우에는 벡타와 행렬을 사용하여 다음과 같은 식으로 표현된다.
Figure 112016099865288-pat00150
여기서
Figure 112016099865288-pat00151
,
Figure 112016099865288-pat00152
는
Figure 112016099865288-pat00153
열벡터이고,
Figure 112016099865288-pat00154
는
Figure 112016099865288-pat00155
행렬이며,
Figure 112016099865288-pat00156
은 벡터
Figure 112016099865288-pat00157
를 전치(transpose)한 것이다.
최우추정법을 사용하여 모형의 파라미터를 추정하면 다음과 같다. 특별히 모형의 오차항인
Figure 112016099865288-pat00158
이 정규분포를 따른다는 가정을 사용하여 우도함수(likelihood function)을 만들고 이 우도함수를 최대화하도록 앞서 열거한 파라미터 값들을 구한다. 이때 주의할 점은 우도함수는 본래 평점 자료
Figure 112016099865288-pat00159
를 사용한다. 하지만 실제 계산과정에서 참 파라미터 값을 계산하는데 시간이 오래 걸리고 계산 결과도 오차가 큰 현상이 발견되어서
Figure 112016099865288-pat00160
대신에 그 차이인
Figure 112016099865288-pat00161
데이터를 사용하여 우도함수를 추정하도록 한다. 그리고 또한
Figure 112016099865288-pat00162
를 직접 사용하면 우도함수식이 매우 복잡해지므로 그 대신에 신호의 차이인
Figure 112016099865288-pat00163
를 사용하여 우도함수를 계산한다. 둘 사이의 관계는 위의 식 (1)로부터
Figure 112016099865288-pat00164
와
Figure 112016099865288-pat00165
에 대한 전환식(자코비안 행렬)을 계산하여 얻는다. 정리하면,
Figure 112016099865288-pat00166
이라 하고,
Figure 112016099865288-pat00167
을 분산행렬이라고 할 때 파라미터값들은 다음 함수를 최대화(최우추정법)함으로써 구한다.
Figure 112016099865288-pat00168
여기서 N은 평가자의 총 숫자이고, 통계학적으로 N 대신에 N-1을 사용하는 것이 더 좋다고 알려져 있으므로 N-1을 사용한다.
Figure 112016099865288-pat00169
은 변수
Figure 112016099865288-pat00170
를
Figure 112016099865288-pat00171
에 대해 미분한 편미분 행렬인 자코비안(Jacobian) 행렬이다. 이 행렬 역시 위의 식(1)을 사용하여 편미분을 적용함으로써 계산한다.
최우추정법에 의해 파라미터 값들을 구했다면 이제 최적집계 방법을 사용한 가맹점의 참품질을 계산하여야 한다. 최적집계에 의한 참품질은 평가자들의 평가들이 모두 주어졌을 때 가맹점의 품질에 대한 기대치,
즉
Figure 112016099865288-pat00172
의 값을 구함으로써 얻을 수 있다. 여기서
Figure 112016099865288-pat00173
은 평가자 n까지의 정보가 모두 주어졌을 때 n번째 평가자 때의 품질의 조건부 기대치(conditional expectation)를 의미한다. 이때
Figure 112016099865288-pat00174
와
Figure 112016099865288-pat00175
의 에러항들이 모두 정규분포를 따르므로
Figure 112016099865288-pat00176
의 조건부 기대치와 분산은 이변량 정규분포(bivariate normal distribution)에 대해 잘 알려진 통계학의 결과를 사용하여 다음과 같은 평균
Figure 112016099865288-pat00177
과 분산
Figure 112016099865288-pat00178
의 일반식을 얻을 수 있다.
Figure 112016099865288-pat00179
Figure 112016099865288-pat00180
여기서
Figure 112016099865288-pat00181
이고
Figure 112016099865288-pat00182
이다.
Figure 112016099865288-pat00183
은 앞서 정의한 각 그룹별 신호의 정확성을 나타내는 분산이다. 우수평가자는
Figure 112016099865288-pat00184
를 갖고, 일반평가자는
Figure 112016099865288-pat00185
, 그리고 미등록평가자는
Figure 112016099865288-pat00186
의 값을 가지게 된다.
위의 식을 보면 가맹점의 참품질인
Figure 112016099865288-pat00187
은
Figure 112016099865288-pat00188
과
Figure 112016099865288-pat00189
의 가중평균으로 계산된다. 여기서
Figure 112016099865288-pat00190
에는
Figure 112016099865288-pat00191
까지의 모든 정보가 포함되어 있고,
Figure 112016099865288-pat00192
에는 n번째 평가자의 정보만 있으므로 ‘일반적으로’
Figure 112016099865288-pat00193
의 가중치가
Figure 112016099865288-pat00194
의 가중치보다 더 크다. 하지만
Figure 112016099865288-pat00195
의 가중치에는 이 포함되어 있는데, 이는 앞에서 언급한 바와 같이 n-1번째 평가자 이후부터 n번째 평가자까지의 시간 동안 가맹점의 품질이 얼마나 변했는가를 측정하는 부분이다. 따라서 만약에 n-1번째 이후 n번째 평가자까지 많은 시간이 흘러서 가맹점의 품질이 변했다면 비록
Figure 112016099865288-pat00197
에 기존 평가자들의 모든 정보가 포함되어 있다 하더라도 이번에 새로운 n번째 평가자의 신호인
Figure 112016099865288-pat00198
에 최근 가맹점에 대한 정보가 많이 포함되어 있을 것으로
Figure 112016099865288-pat00199
에 대한 가중치가 상대적으로 더 커질 수도 있다.
위의 식에서
Figure 112016099865288-pat00200
을 구하기 위해서는
Figure 112016099865288-pat00201
을 알아야 한다. 이 값은 평가자의 평점
Figure 112016099865288-pat00202
이 주어지고, 주어진 평가자의 프로파일에 따라
Figure 112016099865288-pat00203
이 계산되어졌을 때 다음 두 식(1)(2)의 연립방정식에 의해 다음과 같이 계산한다.
Figure 112016099865288-pat00204
(2)
Figure 112016099865288-pat00205
(3)
즉,
Figure 112016099865288-pat00206
이고, 이 식을 정리해서
Figure 112016099865288-pat00207
을 좌변으로 넘기면 다음과 같은 식을 얻게 된다.
Figure 112016099865288-pat00208
이렇게 구한
Figure 112016099865288-pat00209
을 사용하여 최적집계 방식에 의한 평균평점을 계산할 수가 있다.
상기 결제 처리부(370)는 관리 서버(30)에서 고객 또는 가맹점에게 제공된 본 실시간 홍보 및 이벤트 제공 서비스의 사용 횟수에 따른 결과를 통해 가맹점에 비용을 청구하고 결제를 처리한다.
상기 저장부(380)는 고객 단말(10) 및 가맹점 단말(20)로부터 제공된 회원 정보, 고객정보 분석부(330), 리뷰정보 분석부(340) 및 검색정보 분석부(350)에 의하여 분석된 각종 분석정보, 리뷰분석정보 산출부(360)에 의하여 산출된 리뷰 분석정보, 결제 처리부(370)에 의하여 결제처리된 결제정보를 저장하는 장치로서, RAM, ROM, EEPROM(Electrically Erasable and Programmable Read Only Memory), SDRAM(Synchronous Dynamic Random Access Memory) 또는 HDD로 구성될 수 있으나, 이에 의해 저장부의 종류가 한정되는 것은 아니다.
이러한 저장부(380)는 가맹점에 관련된 정보를 저장하는 가맹점 정보 DB(381), 고객에 관한 정보를 저장하는 고객 정보 DB(382), 각종 분석정보를 저장하는 분석정보 DB(383), 고객 단말(10) 또는 가맹점 단말(20)로 제공되는 홍보 및 이벤트 관리 어플리케이션 정보를 저장하는 어플리케이션 정보 DB(384)를 포함할 수 있다.
이상에서 설명한 것은 본 발명에 의한 실시간 홍보 및 이벤트 제공시스템을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.
10: 고객 단말 20: 가맹점 단말
30: 관리 서버 310: 통신부
320: 회원인증부 330: 고객정보 분석부
340: 리뷰정보 분석부 350: 검색정보 분석부
360: 리뷰분석정보 산출부 370: 결제 처리부
380: 저장부 381: 가맹점 정보 DB
382: 고객 정보 DB 383: 분석정보 DB
384: 어플리케이션 정보 DB

Claims (8)

  1. 홍보 및 이벤트 관리 어플리케이션이 설치되고, 상기 홍보 및 이벤트 관리 어플리케이션의 실행에 의하여 접속된 웹 상에서 현재 위치정보 또는 고객에 의하여 설정된 지역정보를 기초로 각종 가맹점정보를 검색하고, 각각의 가맹점에서 제공하는 홍보 및 이벤트 정보를 제공받으며, 가맹점 방문후기를 등록하고, 상기 가맹점 방문후기에 대한 리뷰 평점정보를 제공받는 고객 단말;
    홍보 및 이벤트 관리 어플리케이션이 설치되고, 상기 홍보 및 이벤트 관리 어플리케이션의 실행에 의하여 접속된 웹 상에서 가맹점 명함, 홍보 및 이벤트 정보를 등록하며, 해당 가맹점에 방문하거나 관심을 가지는 고객에 대한 고객 분석정보와, 상기 가맹점 방문 후기정보와 리뷰 평점 정보에 대한 리뷰 분석정보와, 상기 가맹점 정보와 홍보 및 이벤트 정보에 대한 검색 정보에 대한 검색 분석정보를 제공받는 가맹점 단말; 및
    상기 고객 단말 및 가맹점 단말에 연동되어, 상기 홍보 및 이벤트 관리 어플리케이션, 가맹점 정보, 홍보 및 이벤트 정보, 리뷰 평점정보, 고객 분석정보, 리뷰 분석정보 및 검색 분석정보를 제공하거나 해당 정보를 전송받아 관리하되, 소정의 리뷰분석 알고리즘을 통하여 상기 리뷰 분석정보를 산출하는 관리 서버를 포함하고,
    상기 관리 서버가 산출하는 상기 리뷰 분석 정보는 평가가 그룹에 따른 가중치, 개인의 엄격함, 평가자의 개별평점 및 가맹점의 참품질을 고려하여 리뷰 평점 산출 엔진에 의하여 산출되는 가맹점 조건부 기대치, 관찰 신호값, 리뷰평점정보를 포함하고,
    상기 가맹점 조건부 기대치는 리뷰평가를 수행하는 고객 n까지의 정보가 주어졌을 때 n번째 고객의 평가시의 기대치로서,
    Figure 112018043414212-pat00261

    에 의하여 산출되고,
    이때, n번째 고객이 관찰한 신호값(
    Figure 112018043414212-pat00262
    )은
    Figure 112018043414212-pat00263

    (여기서,
    Figure 112018043414212-pat00264
    은 개인의 엄격함 변수,
    Figure 112018043414212-pat00265
    은 개별평점,
    Figure 112018043414212-pat00266
    은 가중치,
    Figure 112018043414212-pat00267
    ,
    Figure 112018043414212-pat00268
    은 분산,
    Figure 112018043414212-pat00269
    은 고객의 평가시의 기대치)
    에 의하여 산출되고,

    상기 개인의 엄격함 변수(
    Figure 112018043414212-pat00270
    )를 결정짓는 요소는 평가자가 기존에 평가한 평가의 개수(
    Figure 112018043414212-pat00271
    ), 그 평가자가 일정 기간 동안에 제출한 평가의 개수(
    Figure 112018043414212-pat00272
    ), 그 평가자와 평가대상 가맹점 사이의 적합도(matching)의 차이(
    Figure 112018043414212-pat00273
    ), 그 평가자와 평가대상 가맹점 사이의 방문 다양성의 지표(
    Figure 112018043414212-pat00274
    ) 및 그 평가자가 평가대상 가맹점을 방문한 시간 간격(
    Figure 112018043414212-pat00275
    ) 지수의 산술적 합
    Figure 112018043414212-pat00276

    (여기서
    Figure 112018043414212-pat00277
    는 상수, α는 계수)
    으로 결정되며,

    상기 개별평점
    Figure 112018043414212-pat00278
    은
    Figure 112018043414212-pat00279

    (여기서,
    Figure 112018043414212-pat00280
    은 개인의 엄격함 변수,
    Figure 112018043414212-pat00281
    ,
    Figure 112018043414212-pat00282
    는 가중치,
    Figure 112018043414212-pat00283
    은 신호입력값,
    Figure 112018043414212-pat00284
    은 기존에 방문한 사람들이 평가한 평점에 대한 개별평점 정보(
    Figure 112018043414212-pat00285
    ) 및 신호입력값(
    Figure 112018043414212-pat00286
    )을 고려한 가맹점의 참품질에 대한 예측값)
    으로 결정되며,

    시간 t시점에서의 가맹점의 참품질(
    Figure 112018043414212-pat00287
    )은,
    Figure 112018043414212-pat00288

    (여기서
    Figure 112018043414212-pat00289
    는 품질에 영향을 미치는 변수로서 가맹점 식당 웨이터의 서빙 실수, 새로운 가맹점 지배인의 경영철학에 따른 종업원들의 서비스 마인드 변화, 가맹점 설비에 대한 제도의 강화를 포함)
    으로 결정되고,

    n번째 평가자가 관찰한 평가자의 관찰 신호(
    Figure 112018043414212-pat00290
    )는,
    Figure 112018043414212-pat00291

    (여기서
    Figure 112018043414212-pat00292
    은 신호값,
    Figure 112018043414212-pat00293
    은 평가대상 가맹점의 참품질값,
    Figure 112018043414212-pat00294
    은 신호값에 영향을 미치는 변수)
    으로 결정되며,

    상기 가맹점 단말은 상기 관리 서버에 접속하여 조회일 설정한 다음, 해당 기간내 GPS를 통해 매장 주변 500m 내에 있는 매장에서 쿠폰을 사용한 우리가게 주변고객에 관한 정보를 제공받는 것는 것을 특징으로 하는 실시간 홍보 및 이벤트 제공시스템.
  2. 제1항에 있어서,
    상기 고객 분석정보는 상기 가맹점을 기준으로 일정 반경 내에 위치하는 주변 고객정보, 상기 가맹점 명함정보, 가맹점 정보와 홍보 및 이벤트 정보를 검색한 관심 고객정보, 상기 이벤트 정보를 기초로 해당 이벤트에 참여하거나 상기 가맹점으로 제공된 쿠폰을 사용한 구매 고객정보, 소정 일자 및 시간대에 주변 고객, 관심 고객 및 구매 고객의 평균정보, 상기 홍보 및 이벤트 정보와 소정 기간 내에 홍보 및 이벤트 정보를 열람 또는 다운로드한 고객의 수에 관한 홍보/이벤트 현황 및 성과정보를 포함하는 것을 특징으로 하는 실시간 홍보 및 이벤트 제공시스템.
  3. 제1항에 있어서,
    상기 리뷰 분석정보는 상기 가맹점 방문 후기의 등록 건수정보, 상기 리뷰 평점정보, 일별 리뷰 평점 추이정보, 성별 또는 연령별 리뷰 등록 비율정보, 방문 유형별 리뷰 등록 비율정보, 방문시기별 리뷰 등록 비율정보, 세부 항목별 평점정보를 포함하는 것을 특징으로 하는 실시간 홍보 및 이벤트 제공시스템.
  4. 제1항에 있어서,
    상기 고객 단말은 상기 검색된 각종 가맹점 정보를 상기 위치정보 또는 지역정보를 기초로 거리순으로 정렬하거나, 해당 가맹점들의 리뷰 평점정보를 기초로 리뷰평점순으로 정렬하여 표시하는 것을 특징으로 하는 실시간 홍보 및 이벤트 제공시스템.
  5. 제1항에 있어서,
    상기 관리 서버는 상기 고객의 위치정보를 기초로 소정 반경 내에 위치한 가맹점들의 이벤트 정보를 실시간으로 제공하는 것을 특징으로 하는 실시간 홍보 및 이벤트 제공시스템.
  6. 삭제
  7. 삭제
  8. 삭제
KR1020160133727A 2016-10-14 2016-10-14 실시간 홍보 및 이벤트 제공시스템 KR101873319B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160133727A KR101873319B1 (ko) 2016-10-14 2016-10-14 실시간 홍보 및 이벤트 제공시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160133727A KR101873319B1 (ko) 2016-10-14 2016-10-14 실시간 홍보 및 이벤트 제공시스템

Publications (2)

Publication Number Publication Date
KR20180049276A KR20180049276A (ko) 2018-05-11
KR101873319B1 true KR101873319B1 (ko) 2018-07-03

Family

ID=62185526

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160133727A KR101873319B1 (ko) 2016-10-14 2016-10-14 실시간 홍보 및 이벤트 제공시스템

Country Status (1)

Country Link
KR (1) KR101873319B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102030408B1 (ko) * 2019-02-26 2019-10-10 주식회사 에스비에스씨 온라인 단말기를 이용한 로컬점포에 대한 온라인 마케팅 방법 및 그 방법을 실행하기 위한 애플리케이션이 탑재된 컴퓨터 판독가능한 기록매체
KR102122608B1 (ko) * 2019-11-26 2020-06-15 주식회사 립페이 블록체인 간편결제 플랫폼 기반 ｏ２ｏ 소비패턴 맞춤형 상점 노출 서비스 제공 방법
KR102138301B1 (ko) * 2020-05-06 2020-07-27 유정환 Pos 기반 고객 마케팅 시스템
KR102604824B1 (ko) * 2023-05-09 2023-11-22 주식회사 집쇼코리아 증강 현실을 포함하는 체험 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016071699A (ja) * 2014-09-30 2016-05-09 凸版印刷株式会社 広告効果分析装置、及び広告効果分析方法
US20160267500A1 (en) 2012-10-23 2016-09-15 Google Inc. Obtaining event reviews

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160267500A1 (en) 2012-10-23 2016-09-15 Google Inc. Obtaining event reviews
JP2016071699A (ja) * 2014-09-30 2016-05-09 凸版印刷株式会社 広告効果分析装置、及び広告効果分析方法

Also Published As

Publication number Publication date
KR20180049276A (ko) 2018-05-11

Similar Documents

Publication Publication Date Title
Reinartz et al. The impact of digital transformation on the retailing value chain
Ghose et al. Modeling consumer footprints on search engines: An interplay with social media
Jaiswal et al. Influence of the determinants of online customer experience on online customer satisfaction
KR102345945B1 (ko) 맞춤형 현장 정보 교환을 제공하기 위한 방법 및 시스템
Mallapragada et al. Exploring the effects of “What”(product) and “Where”(website) characteristics on online shopping behavior
Chintagunta Inertia and variety seeking in a model of brand-purchase timing
KR101871747B1 (ko) 유사성향 기반 사용자-관광상품 추천 방법 및 시스템
US10366396B2 (en) Vector-based characterizations of products and individuals with respect to customer service agent assistance
Su et al. A method for discovering clusters of e-commerce interest patterns using click-stream data
RU2541890C2 (ru) Системы, устройства и способы использования контекстной информации
KR20200014852A (ko) 맞춤형 현장 정보 교환을 제공하기 위한 방법 및 시스템
US20170300946A1 (en) Vector-based characterizations of products
Adhikari Differentiating subjective and objective attributes of experience products to estimate willingness to pay price premium
KR101873319B1 (ko) 실시간 홍보 및 이벤트 제공시스템
JP2013239160A (ja) 情報提供システム、情報提供方法、及び情報提供プログラム
US20180174223A1 (en) Rules-based audio interface
WO2017181019A1 (en) Virtual-reality apparatus
US20170186065A1 (en) System and Method of Product Selection for Promotional Display
KR20140137883A (ko) 카드 사용 정보를 이용한 정보 제공 방법 및 장치
Hussein et al. Multichannel behaviour in the retail industry: evidence from an emerging market
Ghose et al. Surviving social media overload: Predicting consumer footprints on product search engines
Razavi et al. Determinants of online hotel room prices: comparing supply-side and demand-side decisions
Najar et al. Mediating role of guest’s attitude toward the impact of UGC benefits on purchase intention of restaurants; Extending social action and control theories
Pahwa et al. Role of Data mining in analyzing consumer’s online buying behavior
Kasem et al. An assessment of the factors affecting the consumer satisfaction on online purchase in Dhaka City, Bangladesh

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant