KR101998400B1 - 빅데이터를 이용한 모바일 커머스 정보 추천 시스템 및 방법 - Google Patents

빅데이터를 이용한 모바일 커머스 정보 추천 시스템 및 방법 Download PDF

Info

Publication number
KR101998400B1
KR101998400B1 KR1020170097674A KR20170097674A KR101998400B1 KR 101998400 B1 KR101998400 B1 KR 101998400B1 KR 1020170097674 A KR1020170097674 A KR 1020170097674A KR 20170097674 A KR20170097674 A KR 20170097674A KR 101998400 B1 KR101998400 B1 KR 101998400B1
Authority
KR
South Korea
Prior art keywords
user
image
recommendation
mobile
product
Prior art date
Application number
KR1020170097674A
Other languages
English (en)
Other versions
KR20190013277A (ko
Inventor
도해용
Original Assignee
(주)레드테이블
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)레드테이블 filed Critical (주)레드테이블
Priority to KR1020170097674A priority Critical patent/KR101998400B1/ko
Publication of KR20190013277A publication Critical patent/KR20190013277A/ko
Application granted granted Critical
Publication of KR101998400B1 publication Critical patent/KR101998400B1/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
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
    • G06Q20/32—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices
    • G06Q20/322—Aspects of commerce using mobile devices [M-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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/387—Payment using discounts or coupons
    • 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
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 모바일 커머스 서비스에 관한 것으로서, 보다 상세하게는 국가별 사용자의 특성을 고려하여 모바일 커머스 상점 또는 상품의 랭킹 정보 또는 추천 정보를 제공할 수 있는 모바일 커머스 정보 추천 시스템 및 방법에 관한 것이다. 본 발명의 실시예에 따른 모바일 커머스 정보 추천 시스템 및 방법에 따르면, 빅데이터를 바탕으로 커머스 상점 또는 상품의 랭킹을 분석하고, 사용자의 특성을 반영하여 커머스 상점이나 상품을 추천함으로써, 사용자의 편의성을 높이고 모바일 커머스 서비스의 활성화를 도모할 수 있는 효과가 있다.

Description

빅데이터를 이용한 모바일 커머스 정보 추천 시스템 및 방법 {SYSTEM AND METHOD FOR RECOMMENDING MOBILE COMMERCE INFORMATION USING BIG DATA}
본 발명은 모바일 커머스 서비스에 관한 것으로서, 보다 상세하게는 국가별 사용자의 특성을 고려하여 모바일 커머스 상점 또는 상품의 랭킹 정보 또는 추천 정보를 제공할 수 있는 모바일 커머스 정보 추천 시스템 및 방법에 관한 것이다.
IT 기술과 인터넷과 같은 네트워크 기술이 발달함에 따라 전자상거래 서비스가 확산되고 있다. 전자 상거래는 일반적으로 기업과 기업 사이의 거래 (B2B ; Business to Business), 기업과 개인 사이의 거래 (B2C ; Business to Customer), 개인과 개인 사이의 거래 (C2C ; Customer to Customer) 및 기업과 정부 사이의 거래 (B2G ; Business to Government)로 구분할 수 있는데, 여기에는 유선 또는 무선으로 연결된 네트워크 시스템을 통해서 이루어지는 금전의 이동 뿐만 아니라, 물건의 구매와 배송과 마케팅, 서비스 제공 등의 일련의 행위가 포함될 수 있다.
특히, 요즘은 스마트폰의 보급과 함께 모바일 단말기에 다양한 어플리케이션을 설치하여 사용하는 사용자가 급증하고 있다. 이로 인해, 모바일 단말기를 이용한 전자상거래(커머스) 서비스도 널리 제공되고 있는 실정이다. 그러나, 모바일 단말기를 이용한 커머스의 경우, 결제가 이루어지는 상점에 대한 대량의 빅데이터를 분석하는데 한계가 있고, 특히 복수 국가의 사용자를 대상으로 하는 모바일 커머스 서비스의 경우에는 국가별 사용자의 언어나 관습, 성향, 감성 등의 차이로 인해 효율적인 서비스의 제공에 어려움이 있다.
예를 들어, 등록특허공보 제 10-0993818 호 (웹 크롤링 시스템 및 그 방법)은 우선 순위에 따라 시드 페이지(seed page)로부터 일반 웹사이트까지 분석 대상을 확장해 나가는 방법을 개시하고 있으나, 모바일 커머스 서비스에 필수적인 빅데이터 처리의 효율성을 제공하지 못하는 문제가 있다. 또한, 등록특허공보 제 10-0975502 호 (블로그 포스트의 랭킹 판단 방법 및 시스템) 는 블로그의 포스트에 권위 점수를 부여함으로써 포스트 랭킹을 산출하는 방법을 개시하고 있으나, 커머스 서비스 제공 상점에 대한 사용자의 만족도 또는 국가별 성향을 반영하지 못하는 문제가 있다. 또한, 공개특허공보 제 10-2008-0002187 호 (개인 감성 및 상황 변화에 따른 맞춤형 감성 서비스 시스템 및 그 방법) 는 특정 질문에 대한 사용자의 대답을 이용하여 고객의 감성을 분석하는 방법을 개시하고 있으나, 모바일 커머스 상점에 특화된 분석 방법을 제시하지 못하고 있다. 또한, 등록특허공보 제 10-0963996 호 (감성에 기반한 개인별 제품 추천 장치 및 방법, 그 기록 매체) 는 날씨나 지역에 따라 사용자의 감성을 예측하여 제품을 추천하는 방법을 개시하고 있으나, 국가별 사용자의 성향을 제대로 반영하기 어려운 문제가 있다.
등록특허공보 제 10-0993818 호 (2010.11.12) 등록특허공보 제 10-0975502 호 (2010.08.11) 공개특허공보 제 10-2008-0002187 호 (2008.01.04) 등록특허공보 제 10-0963996 호 (2010.06.15)
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로서, 사용자의 특성을 고려하여 모바일 커머스 상점 또는 상품의 랭킹 정보 또는 추천 정보를 제공할 수 있는 모바일 커머스 정보 추천 시스템 및 방법을 제공하는데 그 목적이 있다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 모바일 커머스 정보 추천 방법은 사용자의 모바일 단말기 및 상점의 POS 단말기와 연동된 커머스 서버에서 모바일 커머스 서비스를 제공하는 방법에 있어서, 통신 네트워크를 통하여 모바일 커머스에 관련된 빅데이터를 수집하는 단계와, 상기 빅데이터를 바탕으로 모바일 커머스 상점 또는 상품에 대한 브랜드 이미지와 사용자의 개인 이미지를 비교하여 추천 지수를 산출하는 단계와, 상기 추천 지수를 바탕으로 특정 사용자에 대한 추천 상점 또는 추천 상품을 선별하는 단계와, 상기 추천 상점 또는 추천 상품에 대한 정보를 상기 사용자의 모바일 단말기로 제공하는 단계와, 상기 사용자의 모바일 단말기로부터 구매하고자 하는 상품 및 상점 정보를 포함하는 구매 요청을 수신하는 단계와, 상기 구매 요청에 따라 모바일 상품권 또는 주문 정보를 사용자의 모바일 단말기로 전송하는 단계와, 상기 모바일 상품권 또는 주문 정보가 사용된 상점을 대상으로 정산을 진행하는 단계를 포함할 수 있다.
상기 빅데이터를 수집하는 단계는 크롤러(crawler), 포커스드 크롤러(focused crawler), 토피컬 크롤러(topical crawler), 및 래퍼 기반 웹 크롤러(wrapper crawler) 중 적어도 하나를 이용할 수 있다.
상기 빅데이터를 수집하는 단계는 모바일 커머스와 관련없는 데이터를 제거하는 정제 단계와, 분석에 사용되지 않는 문자나 기호, 또는 숫자를 제거하는 전처리 단계와, 명사를 중심으로 단어를 추출하는 추출 단계를 더 포함할 수 있다.
상기 추출 단계는 모바일 커머스 상점의 명칭, 상품 명칭, 지역 명칭, 추천 숫자, 평가 점수, 매출액, 및 가격 중 적어도 하나 이상의 명사를 추출할 수 있다.
상기 브랜드 이미지는 세련(Sophistication), 성실(Sincerity), 강인(Ruggedness), 흥분(Excitement), 및 능력(Competence)의 5가지 요소를 바탕으로 평가가 이루어질 수 있다.
상기 5가지 요소는 그 하부에 세부적인 속성 및 특성을 추가적으로 포함할 수 있다.
상기 개인 이미지는 실제 이미지 또는 이상적 이미지를 포함할 수 있다.
상기 추천 지수를 산출하는 단계는 상기 브랜드 이미지와 상기 실제 이미지 사이의 차이에 대한 합계를 기준으로 할 수 있다.
상기 추천 지수를 산출하는 단계는 상기 브랜드 이미지와 상기 이상적 이미지 사이의 차이에 대한 합계를 기준으로 할 수 있다.
상기 추천 지수를 산출하는 단계는 사용자의 국가나 지역, 또는 사용자의 성향에 따른 가중치를 부여하여 산출될 수 있다.
상기 추천 상점 또는 추천 상품을 선별하는 단계는 상기 추천 지수가 가장 작은 값 또는 가장 큰 값의 상점이나 상품을 선별할 수 있다.
상기 모바일 커머스 정보 추천 방법은 수집된 빅데이터로부터 만족도 및 영향력을 분석하여 모바일 커머스 상점 또는 상품에 대한 랭킹 정보를 생성하는 단계를 더 포함할 수 있다.
상기 만족도는 상품의 품질(Quality of Food), 서비스의 품질(Quality of Service), 및 분위기 품질(Quality of Atmosphere) 중 적어도 하나 이상을 기준으로 평가가 이루어질 수 있다.
상기 영향력은 사용자가 모바일 커머스 상품을 얼마나 최근에 구매하였는지를 나타내는 최근성, 얼마나 자주 상품을 구매하였는지를 나타내는 빈도성, 및 해당 상품의 인기가 언제까지 유지되는지를 나타내는 유행성 중 적어도 하나 이상을 이용하여 평가가 이루어질 수 있다.
상기 랭킹 정보를 생성하는 단계는 사용자에 대한 모바일 커머스 상점의 영향력에 대한 합계와, 복수의 사용자에 의해 평가된 만족도의 평균값을 더해서 산출할 수 있다.
상기 랭킹 정보는 상기 만족도의 평균값에 가중치를 부여하여 산출할 수 있다.
상기 가중치는 사용자의 국가 또는 지역의 언어, 관습, 성향, 또는 감성에 따라 달리 부여될 수 있다.
또한, 본 발명의 모바일 커머스 정보 추천 시스템은 사용자의 모바일 단말기 및 상점의 POS 단말기와 연동하여, 모바일 커머스 서비스를 제공하는 시스템에 있어서, 통신 네트워크를 통하여 모바일 커머스에 관련된 빅데이터를 수집하고 처리하는 빅데이터 모듈과, 상기 빅데이터를 바탕으로 모바일 커머스 상점 또는 상품에 대한 브랜드 이미지와 사용자의 개인 이미지를 비교하여 추천 상점 또는 추천 상품을 선별하는 추천 모듈과, 상기 추천 상점 또는 추천 상품의 정보를 사용자의 모바일 단말기로 제공하고, 상기 사용자의 모바일 단말기로부터 구매하고자 하는 상품 및 상점 정보를 포함하는 구매 요청을 수신하며, 상기 구매 요청에 따라 모바일 상품권 또는 주문 정보를 사용자의 모바일 단말기로 전송하고, 상기 모바일 상품권 또는 주문 정보가 사용된 상점을 대상으로 정산을 진행하는 결제 모듈을 포함할 수 있다.
상기 추천 모듈은 상기 브랜드 이미지와 상기 사용자의 개인 이미지 차이에 대한 합계를 기준으로 추천 지수를 산출할 수 있다.
상기 브랜드 이미지는 세련(Sophistication), 성실(Sincerity), 강인(Ruggedness), 흥분(Excitement), 및 능력(Competence)의 5가지 요소를 바탕으로 평가가 이루어질 수 있다.
상기 개인 이미지는 실제 이미지 또는 이상적 이미지를 포함할 수 있다.
상기 추천 지수는 사용자의 국가나 지역, 또는 사용자의 성향에 따른 가중치를 부여하여 산출될 수 있다.
상기 모바일 커머스 정보 추천 시스템은 수집된 빅데이터로부터 만족도 및 영향력을 분석하여 상점 또는 상품에 대한 랭킹 정보를 생성하는 콘텐츠 분석 모듈을 더 포함할 수 있다.
상기 콘텐츠 분석 모듈은 사용자에 대한 모바일 커머스 상점의 영향력에 대한 합계와, 복수의 사용자에 의해 평가된 만족도의 평균값을 더해서 랭킹 정보를 산출할 수 있다.
상기 랭킹 정보는 상기 만족도의 평균값에 가중치를 부여하여 산출할 수 있다.
상기 가중치는 사용자의 국가 또는 지역의 언어, 관습, 성향, 또는 감성에 따라 달리 부여될 수 있다.
또한, 본 발명의 모바일 커머스 정보 추천 방법은 사용자의 모바일 단말기 및 상점의 POS 단말기와 연동된 커머스 서버에서 모바일 커머스 서비스를 제공하는 방법에 있어서, 통신 네트워크를 통하여 모바일 커머스에 관련된 빅데이터를 수집하는 단계와, 상기 빅데이터를 바탕으로 모바일 커머스 상점 또는 상품에 대한 브랜드 이미지와 사용자의 개인 이미지를 비교하여 추천 지수를 산출하는 단계와, 상기 추천 지수를 바탕으로 특정 사용자에 대한 추천 상점 또는 추천 상품을 선별하는 단계와, 상기 추천 상점 또는 추천 상품에 대한 정보를 상기 사용자의 모바일 단말기로 제공하는 단계를 포함할 수 있다.
또한, 본 발명의 모바일 커머스 정보 추천 프로그램은 사용자의 모바일 단말기 및 상점의 POS 단말기와 연동하여, 모바일 커머스 서비스를 제공하는 서버에서, 통신 네트워크를 통하여 모바일 커머스에 관련된 빅데이터를 수집하는 단계와, 상기 빅데이터를 바탕으로 모바일 커머스 상점 또는 상품에 대한 브랜드 이미지와 사용자의 개인 이미지를 비교하여 추천 지수를 산출하는 단계와, 상기 추천 지수를 바탕으로 특정 사용자에 대한 추천 상점 또는 추천 상품을 선별하는 단계와, 상기 추천 상점 또는 추천 상품에 대한 정보를 상기 사용자의 모바일 단말기로 제공하는 단계를 수행하기 위하여 매체에 저장될 수 있다.
본 발명의 실시예에 따른 모바일 커머스 정보 추천 시스템 및 방법에 따르면, 빅데이터를 바탕으로 커머스 상점 또는 상품의 랭킹을 분석하고, 사용자의 특성을 반영하여 커머스 상점이나 상품을 추천함으로써, 사용자의 편의성을 높이고 모바일 커머스 서비스의 활성화를 도모할 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 모바일 커머스 시스템의 전체 구성도,
도 2는 본 발명의 실시예에 따른 커머스 서버의 내부 시스템을 나타낸 도면,
도 3은 본 발명의 실시예에 따른 모바일 커머스 방법에 있어서, 빅데이터 시스템의 데이터 처리 과정을 나타낸 흐름도,
도 4는 본 발명의 실시예에 따른 모바일 커머스 시스템에 있어서, 콘텐츠 시스템의 개념도,
도 5는 본 발명의 실시예에 따른 모바일 커머스 방법에 있어서, 국가별로 제공되고 있는 제3의 결제 시스템을 통하여 모바일 결제가 이루어지는 과정을 나타낸 도면,
도 6은 본 발명의 실시예에 따른 모바일 커머스 방법에 있어서, 커머스 서버를 통하여 직접 모바일 결제가 이루어지는 과정을 나타낸 도면,
도 7은 본 발명의 실시예에 따른 모바일 커머스 시스템에 있어서, 추천 시스템의 내부 구성도,
도 8은 본 발명의 실시예에 따른 모바일 커머스 시스템에 있어서, 브랜드 이미지를 평가하기 위한 세부 정보를 나타낸 도면,
도 9는 본 발명의 실시예에 따른 모바일 커머스 서버의 소프트웨어 구성 예시도이다.
여기서 사용되는 전문용어는 단지 특정 실시예를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다. 명세서에서 사용되는 "포함하는"의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특정 특성, 영역, 정수, 단계, 동작, 요소, 성분 및/또는 군의 존재나 부가를 제외시키는 것은 아니다.
다르게 정의하지는 않았지만, 여기에 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 보통 사용되는 사전에 정의된 용어들은 관련 기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.
이하, 첨부한 도면에 의하여 본 발명의 바람직한 실시예를 자세히 설명하도록 한다.
도 1은 본 발명의 실시예에 따른 모바일 커머스 시스템의 전체 구성도를 나타낸 것이다. 도 1을 참조하면, 본 발명의 모바일 커머스 시스템은 본 명세서에 기술된 기능 및 특징을 용이하게 할 수 있는 모바일 단말기(100)와 통신 네트워크(200), 커머스 서버(300) 및 상점의 POS (Point-Of-Sale) 단말기(400)를 포함할 수 있다. 여기에서, 상점은 음식을 판매하는 식당 뿐만 아니라, 의류나 기타 여러가지 상품을 판매하는 온라인 또는 오프라인 가게가 다양하게 포함될 수 있다.
모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)는 본 발명의 기능들을 수행하기 위하여, 임의의 수 또는 조합으로 이루어진 프로세서, 컨트롤러, 집적 회로, 프로그램 가능한 논리 회로, 또는 그 밖에 데이터베이스와 신호 처리 장치를 포함할 수 있으며, 이 밖에 하나 이상의 메모리, 송신기와 수신기, 디스플레이, 및 여러가지 장치와 통신이 가능한 통신 모듈을 포함할 수 있다. 또한, 지정된 알고리즘을 통하여 데이터 연산을 수행하고, 그 결과를 디스플레이를 통해 외부에서 인식할 수 있도록 표시하는 컴퓨터 프로그램과, 이를 사용자가 조작할 수 있도록 구현된 사용자 인터페이스 (UI ; User Interface)를 포함할 수 있다.
컴퓨터 프로그램은 본 발명의 전자 화폐 거래 방법에 있어서, 각 단계들을 수행하기 위해 모바일 단말기(100)와 커머스 서버(300), POS 단말기(400)에서 실행가능한 복수의 코드 세그먼트(Code Segment)를 포함한다. 이 때, 모바일 커머스 방법의 각 단계는 도면에 도시된 순서에 따라 수행될 수도 있지만, 명시적으로 언급하지 않은 한 각 단계가 상이한 순서로 수행될 수 있다. 또한, 일부의 단계들은 동시에 수행될 수 있으며, 일부 단계는 선택적으로 수행될 수도 있다.
모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)는 인터넷 서비스, 전자 메일 서비스, 데이터 전송 서비스와 같은 하나 이상의 범용 컴퓨팅 자원에 액세스 가능한 전자 장치를 포함할 수 있다. 또한, 통신 네트워크(200)를 통하여 온라인 자원에 액세스하는 사용자 특유의 정보를 저장하는 사용자 데이터베이스를 포함할 수 있으며, 데이터베이스는 본 발명의 모바일 커머스 방법을 구현하는데 필요한 그 밖의 정보와 데이터를 저장할 수 있다.
모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)는 프로세서와 관련된 메모리를 포함하는 임의의 디바이스 또는 장비를 포함할 수 있다. 프로세서는 운영 체제를 구현할 수 있고, 명령어, 소프트웨어 코드, 실행파일(executable), 애플리케이션, 앱 등으로 알려져 있는 컴퓨터 프로그램을 실행할 수 있다. 프로세서는 마이크로 컨트롤러, FPGA(Field Programmable Gate Array), 기타, 또는 이들의 조합들을 포함할 수 있다. 메모리는 컴퓨터 프로그램을 저장하거나 보유할 수 있고, 텍스트, 데이터베이스, 그래픽, 오디오, 비디오, 이들의 조합, 및 기타 데이터를 저장할 수 있다. 메모리는 컴퓨터로 판독가능한 매체 또는 컴퓨터로 판독가능한 저장 매체라고 지칭될 수 있고, RAM(Random Access Memory), ROM(Read Only Memory), 플래시 드라이브, 플로피 디스크, 하드 디스크, 콤팩트 디스크(CDROM), DVD(Digital Video Disc) 등과 같은 광 저장 매체, 또는 이들의 조합을 포함할 수 있다. 모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)는 이러한 메모리와 함께 복수의 하드 디스크, 네트워크 접속 저장소(network attached storage), 또는 별도의 저장소 네트워크(storage network)를 포함하는 파일 저장소(file store)를 추가로 포함할 수 있다.
모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)는 구체적으로는 이동 통신 디바이스(무선 디바이스를 포함함), 워크 스테이션, 데스크톱 컴퓨터, 랩톱 컴퓨터, 팜톱 컴퓨터, 태블릿 컴퓨터, PDA(portable digital assistant), 스마트폰, 스캐너, 키오스크, 프린터, 또는 이들의 조합들을 포함할 수 있다.
모바일 단말기(100)의 다양한 실시예들은 휴대폰, 핸드폰, 스마트폰, 노트북 등의 음성 또는 데이터 통신 디바이스들을 포함할 수 있다.
모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)는 시각적 그래픽, 영상, 텍스트 등을 디스플레이하는 음극선관, 액정 디스플레이, 플라즈마, 또는 터치 스크린과 같은 전자 디스플레이를 가질 것이다. 실시예에 따라, 본 발명의 컴퓨터 프로그램은 전자 디스플레이를 통해 디스플레이되는 GUI(Graphical User Interface)를 통해 상호작용 및 통신을 용이하게 한다. GUI는 사용자(즉, 소비자, 커머스 사업자 대표, 또는 관리자)의 정보를 사용자 제어 인터페이스에 제공하기 위해 디스플레이 영역(display area)들을 터치하거나 가리키는 것에 의해 전자 디스플레이와 상호작용할 수 있게 한다.
또한, 모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)는 디지털 영상 또는 비디오를 촬영하거나, 저장 및 전송할 수 있도록, 디지털 카메라, 비디오 카메라, 광학 스캐너 등과 같은 광학 디바이스를 포함할 수 있다.
모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)는 한 명 이상의 사용자들이 정보 및 명령들을 상호 공유할 수 있도록 사용자 제어 인터페이스를 포함할 수 있다. 사용자 제어 터페이스는 버튼, 키보드, 스위치, 스크롤 휠, 마이크와 같은 음성 인식 요소, 및 마우스, 터치패드, 트랙볼(tracking ball), 및 스타일러스와 같은 포인팅 디바이스와 같은 하나 이상의 기능 입력들을 포함할 수 있다. 사용자 제어 인터페이스는 또한 가청 명령어들(audible instructions) 및 피드백을 제공하기 위한 스피커를 포함할 수 있다. 또한, 사용자 제어 인터페이스는 사용자 또는 다른 전자 장치와 원격으로 인터페이스할 수 있게 하기 위해, 통신 구성요소, 이동식 메모리, 데이터 송수신기, 또는 송신기와 같은, 유선 또는 무선 데이터 전송 요소를 포함할 수 있다.
통신 네트워크(200)는 유선 또는 무선일 수 있고, 서버, 라우터, 스위치, 무선 수신기 및 송신기 등은 물론, 전기 전도성 케이블 또는 광 케이블을 포함할 수 있다. 통신 네트워크(200)는 또한 LAN(local area network), MAN(metro area network), 또는 WAN(wide area network)은 물론, 인터넷, 또는 다른 클라우드 네트워크를 포함할 수 있다. 게다가, 통신 네트워크(200)는 셀룰러 또는 이동 전화 네트워크는 물론, 일반 전화 네트워크(landline phone network), PSTN(public switched telephone network), 광 섬유 네트워크 등을 포함할 수 있다.
모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)는 모두 통신 네트워크(200)에 연결될 수 있다. 모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)는 통신 네트워크(200)를 통해 다른 모바일 단말기(100)나 POS 단말기(400) 등과 통신할 수 있을 것이다. 커머스 서버(300)와 POS 단말기(400)는 유선 또는 무선의 통신 네트워크(200)로 연결될 수 있다. 모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)는 유선 또는 무선 연결을 설정하기 위한 적절한 구성요소들을 포함할 수 있다.
본 발명의 컴퓨터 프로그램은 모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)에서 실행될 수 있다. 이와 같이, 프로그램, 코드, 또는 명령어들의 제1 부분은 제1의 모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)에서 실행될 수 있는 반면, 프로그램, 코드, 또는 명령어들의 제2 부분은 제2의 모바일 단말기(100)와 커머스 서버(300) 및 POS 단말기(400)에서 실행될 수 있다. 일부 실시예에서, 프로그램, 코드, 또는 명령어들의 다른 부분들은 다른 전자 장치에서 실행될 수도 있다. 예를 들어, 각각의 사용자에 특유한 정보가 커머스 서버(300)의 메모리에 저장될 수 있고, 따라서 각각의 사용자에 특유한 정보가 하나 이상의 모바일 단말기(100)를 통해 컴퓨터 프로그램을 사용하여 사용자 또는 관리자에 의해 원격적으로 액세스 가능하다. 본 발명의 실시예에서, 본 발명을 구현하는 정보의 일부분이 커머스 서버(300)에 저장될 수 있는 반면, 다른 부분의 정보는 하나 이상의 모바일 단말기(100)에 저장될 수 있다. 컴퓨터 프로그램에 의해 또는 컴퓨터 프로그램을 사용하여 수행되는 것으로 본 명세서에 기술되는 다양한 동작들, 분석들, 및 계산들이 실제로는 컴퓨터 프로그램의 일부분들을 독립적으로 또는 협력하여 실행하는, 모바일 단말기(100), 커머스 서버(300) 또는 POS 단말기(400)와 같은, 하나 이상의 컴퓨터들, 프로세서들, 또는 다른 디바이스들에 의해 수행될 수 있다.
본 발명의 실시예에서, 컴퓨터 프로그램은 사용자의 모바일 단말기(100)에 설치된 독립형 프로그램으로 또는 통신 네트워크(200)를 통해 사용자의 모바일 단말기(100)에 의해 액세스 가능한 웹 액세스 가능 프로그램으로 구현될 수 있다. 독립형 프로그램의 경우, 컴퓨터 프로그램의 다운로드 가능한 버전이 커머스 서버(300)에, 적어도 부분적으로 저장될 수 있다. 사용자는 컴퓨터 프로그램의 적어도 일부분을 통신 네트워크(200)를 통해 모바일 단말기(100)에 다운로드할 수 있다. 본 발명의 실시예에서, 컴퓨터 프로그램은, 모바일 단말기(100)에 대한 앱과 같은, 어플리케이션일 수 있다. 컴퓨터 프로그램이 다운로드된 후에, 프로그램은 모바일 단말기(100)에 실행가능한 형식(executable format)으로 설치될 수 있다. 실행가능한 형태의 프로그램은 사용자가, 모바일 앱 또는 웹 사이트와 같은, 전자 자원을 통해 본 발명의 실시예에 액세스하도록 허용한다. 웹 액세스 가능 컴퓨터 프로그램의 경우, 사용자는 간단히 모바일 단말기(100)를 사용하여 통신 네트워크(200)를 통해 컴퓨터 프로그램에 액세스할 수 있다.
도 2는 본 발명의 실시예에 따른 커머스 서버의 내부 시스템을 나타낸 도면이다. 도 2를 참조하면, 본 발명의 커머스 서버(300)는 빅데이터 시스템(310), 콘텐츠 시스템(320), 결제 시스템(330), 추천 시스템(340), 및 커뮤니케이션 시스템(350)을 포함할 수 있다.
빅데이터 시스템(310)은 모바일 커머스와 관련한 비정형 빅데이터, 정형 빅데이터, 및 매출 빅데이터를 수집하고 처리하는 기능을 담당한다. 구체적으로 비정형 빅데이터는 상품이나 서비스에 대한 사용자의 추천 데이터를 대상으로 할 수 있으며, 웹을 통해 수집되고, 정제하여 처리된다. 정형 빅데이터는 모바일 어플리케이션을 통해 수집하는 소비자의 구매 행동 데이터를 대상으로 할 수 있다. 매출 빅데이터는 모바일 거래를 통해 발생하는 상점의 매출 데이터를 대상으로 한다. 특히, 본 발명의 모바일 커머스 시스템은 복수 국가의 사용자를 대상으로 모바일 커머스 서비스를 제공하기 때문에, 여러 국가의 온라인 웹페이지에 산재되어 있는 빅데이터를 수집하고 처리하는 것이 필요하다.
콘텐츠 시스템(320)은 본 발명의 모바일 커머스 서비스를 제공하는 상점에 대한 랭킹 분석을 위하여 관련 콘텐츠를 분석하는 기능을 담당한다. 상점의 랭킹 분석을 위해서 상점에 대한 사용자의 만족도와 상점 및 사용자의 영향력 수치를 활용할 수 있다.
결제 시스템(330)은 사용자가 모바일 단말기(100)를 이용하여 상점에서 거래를 하고, 구매 상품에 대한 모바일 결제를 할 수 있도록 한다. 본 발명의 모바일 커머스 시스템은 여러 국가의 사용자를 대상으로 할 수 있으므로, 각 국가에서 기존에 이용되고 있는 모바일 결제 시스템 또는 모바일 쇼핑몰과 연동할 수 있도록 구현하는 것이 바람직하다.
추천 시스템(340)은 사용자의 특성을 반영하여 사용자에게 모바일 커머스를 제공하는 상점 또는 상품을 추천하는 기능을 담당한다. 이를 위해서, 모바일 커머스 상점의 브랜드 이미지를 측정하고, 사용자의 개인 이미지와 비교하여 그 차이를 반영하여 추천 상점이나 상품을 선정할 수 있다. 이 때, 사용자의 국가 또는 지역의 언어, 관습, 성향, 또는 감성에 따라 가중치를 달리 부여하는 것이 가능할 것이다.
커뮤니케이션 시스템(350)은 사용자가 모바일 단말기(100)에 설치된 어플리케이션을 이용하여 다른 사용자와 모바일 커머스 상점이나 상품에 대한 대화나 채팅을 할 수 있도록 지원하는 부분이다. 본 발명의 모바일 커머스 시스템은 복수 국가의 사용자를 대상으로 하기 때문에, 여러 국가에서 사용되고 있는 SNS와 연동되도록 구현하는 것이 바람직하다. 예를 들어, 공통 소프트웨어 모듈 서버를 마련하고, 이를 통해 다양한 SNS가 연동되도록 할 수 있다.
도 3은 본 발명의 실시예에 따른 모바일 커머스 방법에 있어서, 빅데이터 시스템의 데이터 처리 과정을 나타낸 흐름도이다.
도 3을 참조하면, 빅데이터 시스템(310)은 트위터, 페이스북 등의 SNS에 실시간으로 게재되는 데이터를 수집하는 것이 바람직하다. 따라서, 자연어를 정형화하고 모바일 커머스 상점과 관련하여 의미있는 단어들을 선별하여 추출하고 이를 데이터베이스화 하는 것이 효과적이다. 예를 들어, 모바일 결제가 가능한 식당을 대상으로 하는 경우에는 사용자들이 음식점과 관련하여 사용하는 키워드(예를 들어, 맛집, 식당 명칭, 상품, 추천 수, 평가 점수, 매출액, 가격 등)를 입력하는 경우에, 관련 질문과 후보 답변을 선별하여 보여줄 수 있을 것이다.
한편, 정형화된 데이터 뿐만 아니라 모바일 커머스 상점과 관련하여 웹사이트나 블로그를 대상으로 사용자가 작성한 비정형 데이터를 분석하여, 필요한 데이터만 추출하여 수집하는 것도 가능하다. 이러한 데이터 수집을 위해서 웹 크롤링 기법을 사용할 수 있다(S311). 웹 크롤링(web crawling)은 인터넷 정보 검색 엔진에 쓰이는 것으로서, 웹 크롤러(web crawler)가 새로운 웹 페이지 또는 갱신된 웹 페이지를 찾고 이를 정보 검색 엔진에 다운로드하여 지정하는 것을 의미한다. 웹 크롤링은 각 웹 페이지의 접근 확률에 따라 웹 페이지에 우선 순위를 부여하고(prioritizing), 우선 순위가 높은 웹 페이지부터 순차적으로 정보 검색 엔진에 우선적으로 다운로드하여 지정시키게 된다. 이러한 웹 크롤러는 일정한 주제의 웹 문서를 빠르고 정확하게 수집할 수 있는데, 일반적인 크롤러(crawler), 포커스드 크롤러(focused crawler), 토피컬 크롤러(topical crawler), 래퍼 기반 웹 크롤러(wrapper crawler) 등이 있다. 본 발명의 모바일 커머스 시스템에서는 사용자의 만족도 평가와 같이 일정한 주제의 웹 문서를 빠르고 정확하게 수집하는 데는 래퍼 기반의 웹 크롤러를 사용할 수 있다. 이때, 수집 대상이 되는 웹사이트의 구조를 미리 분석해 두면, 웹 크롤러가 해당 데이터에 접근하여 원하는 데이터를 보다 정확하게 수집할 수 있다. 또한, 본 발명의 모바일 커머스 시스템은 복수 국가의 사용자를 대상으로 하기 때문에, 데이터 수집 대상 국가를 다수의 국가로 확장하고 모바일 커머스 상점과 관련된 웹사이트, 블로그 등으로부터 다국어의 비정형 데이터를 수집할 수 있도록 영어나 중국어 등의 주요 언어에 대한 웹 크롤링이 가능하도록 구현하는 것이 바람직하다.
웹 크롤러를 통해 수집된 빅데이터는 데이터 정제 과정을 통해서, 모바일 커머스와 관련이 없는 데이터를 제거할 수 있다(S312). 예를 들어, 음식에 관련된 데이터를 수집하는 경우에, 컴퓨터나 의류 등의 관련성이 없는 단어의 빈도가 높은 텍스트는 수집 대상에서 제외할 수 있을 것이다.
데이터 정제 과정을 통해서 선별된 텍스트는 분석에 사용되지 않는 문자나 기호, 숫자 등을 제거하기 위한 전처리 과정을 진행한다(S313). 예를 들어, 본 발명의 모바일 커머스 시스템에서는 명사를 중심으로 데이터 분석을 진행하는 것이 효율적이기 때문에, 이러한 경우에는 조사, 관사, 전치사, 접속사, 감탄사 등에 해당하는 품사는 전처리 과정을 통해 제거될 수 있다. 또한, 텍스트 내에 괄호([]), 이중 따옴표(""), 단일 따옴표(''), 샵(#), 물음표(), 느낌표(!) 등의 특수문자나 숫자는 분석 대상에서 제외될 수 있다. 다만, 본 발명의 모바일 커머스 시스템은 복수의 국가를 대상으로 하기 때문에 한국어, 영어, 중국어, 일본어 등과 같이 언어의 특징을 반영하여 전처리 규칙을 수립하는 것이 바람직하다.
이후, 전치리 과정을 거친 데이터에서 명사를 중심으로 단어를 추출한다(S314). 본 발명의 모바일 커머스 시스템은 사용자에게 위치를 기반으로 모바일 커머스 상점을 추천하기 때문에, 정제 및 전처리된 데이터에서 상점의 명칭과 위치에 대한 정보를 추출할 필요가 있다(S315, S316). 상점의 명칭과 위치는 명사에 해당하기 때문에 명사를 중심으로 관련 데이터를 추출하는 것이 바람직하다. 또한, 상점에서 취급하는 상품의 명칭도 이와 함께 추출될 수 있다.
이와 같이, 빅데이터로부터 추출된 모바일 커머스 상점의 명칭과 위치, 상품에 관한 데이터는 상점 DB(312)에 별도로 저장될 수 있으며, 상점 DB(312)에 저장된 데이터는 콘텐츠 시스템(320)에서 상점의 랭킹을 분석하는데 활용될 수 있다. 한편, 웹사이트나 블로그, SNS 등을 통해 특정 상점에 대한 의견을 개시한 사용자 이름(닉네임, 별칭 등 포함)과 평가 의견 중에서 추출된 데이터는 별도의 고객 DB(314)로 구분될 수 있다. 물론, 상점 DB(312)에 저장되는 데이터와 고객 DB(314)에 저장되는 데이터 중에는 상호 관련성이 있는 데이터나 중복된 데이터가 존재할 수 있기 때문에, 별도의 DB로 구분할 수도 있지만 하나의 DB에 통합해서 저장될 수도 있을 것이다.
도 4는 본 발명의 실시예에 따른 모바일 커머스 시스템에 있어서, 콘텐츠 시스템의 개념도를 나타낸 것이다. 도 4를 참조하면, 콘텐츠 시스템(320)은 모바일 커머스 상점에 대한 만족도와 영향력 수치를 이용하여 랭킹 분석을 진행할 수 있다.
모바일 커머스 상점에 대한 사용자의 만족도는 상품, 서비스, 및 분위기의 3가지 측면에 중점을 두고 속성을 분석함으로써 만족도 분석이 가능하다. 예를 들어, 모바일 결제가 가능한 레스토랑을 대상으로 하는 경우, 만족도 분석을 위한 요소는 사용자가 해당 레스토랑을 이용한 뒤에 평가한 음식(상품)의 품질(Quality of Food), 서비스의 품질(Quality of Service), 및 분위기 품질(Quality of Atmosphere)을 기준으로 할 수 있다. 이 때, 음식(상품)의 품질은 ‘맛’으로, 서비스 품질과 분위기 품질은 각각 서비스 만족도 및 레스토랑 내부의 분위기에 대한 평가 결과로 측정할 수 있다. 세부적인 평가 기준은 예를 들어, 정말 별로예요(1), 별로예요(1.5), 조금 부족해요(2), 그저 그래요(2.5), 보통이에요(3), 괜찮아요(3.5), 좋아요(4), 아주 좋아요(4.5), 최고예요(5)의 9 단계 척도로 평가할 수 있을 것이다. 서비스 품질 및 분위기 품질도 동일한 기준으로 평가할 수 있으며, 만족도에 대한 최종 평점도 정말 별로예요(1), 별로예요(1.5), 조금 부족해요(2), 그저 그래요(2.5), 보통이에요(3), 괜찮아요(3.5), 좋아요(4), 아주 좋아요(4.5), 최고예요(5)의 9 단계로 평가할 수 있을 것이다.
이 때, 본 발명의 모바일 커머스 시스템은 복수 국가의 사용자를 대상으로 하기 때문에, 국가별로 상품, 서비스, 또는 분위기의 가중치를 달리함으로써 대상이 되는 국가별 사용자의 속성을 반영할 수도 있을 것이다.
모바일 커머스 상점의 영향력은 사용자가 모바일 커머스 상품을 얼마나 최근에 구매하였는지를 나타내는 최근성, 얼마나 자주 상품을 구매하였는지를 나타내는 빈도성, 및 해당 상품의 인기가 언제까지 유지되는지를 나타내는 유행성을 이용하여 분석할 수 있다. 이는 상품 뿐만 아니라 모바일 커머스 상점에 대해서도 동일하게 분석될 수 있다. 예를 들어, 최근성은 사용자가 상점에서 상품을 구매한 후 작성한 평가 리뷰를 수집해서 가장 최근에 작성된 평가 리뷰의 작성일과 현재 날짜의 차이를 계산하는 방식으로 측정할 수 있을 것이다. 빈도성은 사용자가 상점에서 상품을 구입한 후 작성한 평가 리뷰의 개수를 모두 합해서 측정할 수 있을 것이다. 유행성은 사용자가 상점에 대한 평가 리뷰를 작성한 이후에, 다른 블로그나 웹 사이트, SNS 등에서 해당 상점이 언급된 회수를 기준으로 측정할 수 있을 것이다.
위와 같이 평가된 만족도와 영향력을 바탕으로 모바일 커머스 상점에 대한 랭킹 분석을 할 수 있다. 랭킹 분석 알고리즘은 예를 들어, 아래의 (수학식 1)에 따라 계산될 수 있다.
Figure 112017074297618-pat00001
여기에서, PS는 사용자에 대한 상점의 영향력을 나타내는 값이고, CS는 모바일 커머스 상점에 대한 만족도를 나타내는 값이다. 따라서, j 상점의 랭킹 수치는 j 상점으로부터 영향을 받는 사용자의 영향력을 모두 합산한 값과, 복수의 사용자에 의해 평가된 만족도의 평균값을 더해서 산출할 수 있다. 이 때, 사용자의 만족도에 대한 평균값은 국가나 지역의 특성, 또는 상품의 종류에 따른 특성에 따라 그 값의 편차나 범위가 상이할 수 있으므로, 국가나 지역 또는 상품의 종류에 따라 가중치를 부여할 수 있다.
아래의 (표 1)은 동일한 지역에 위치하는 상점 1과 상점 2의 경우에 대하여, 랭킹 점수를 산출한 경우의 예시를 나타낸 것이다. 상점 1과 상점 2는 사용자에 대한 영향력은 동일하지만, 사용자의 만족도에 대한 평균값에 차이가 있어서, 랭킹 점수에 차등이 발생한 경우이다.
j
Figure 112017074297618-pat00002
 AVG(CSj) AVG(CSj)*ω RANK
상점 1 51 3.38 3.38*15=50.63 101.63
상점 2 51 4.17 4.17*15=62.50 113.50
도 5는 본 발명의 실시예에 따른 모바일 커머스 정보 추천 방법에 있어서, 국가별로 제공되고 있는 제3의 결제 시스템을 통하여 모바일 결제가 이루어지는 과정을 나타낸 도면이고, 도 6은 커머스 서버를 통하여 직접 모바일 결제가 이루어지는 과정을 나타낸 도면이다.
본 발명의 모바일 커머스 시스템은 상품을 구입하고 결제할 수 있는 모바일 쇼핑몰을 통하여 서비스가 제공될 수 있다. 모바일 쇼핑몰은 오프라인의 커머스 상점과 상품을 관리하고, 모바일 단말기(100)를 통한 사용자의 상품 주문 및 결제를 지원하며, 커머스 상점 및 사용자의 데이터 수집 및 분석을 수행할 수 있다. 내부적으로는 커머스 상품의 등록, 커머스 상품의 재고 관리 및 배송 관리, 날짜 및 기간별 매출 관리 등의 통계 기능도 제공할 수 있다.
본 발명의 모바일 커머스 시스템에서 국가별로 기존에 사용되고 있는 제3의 결제 시스템과 연동하는 경우에는 도 5의 흐름으로 결제 및 정산이 이루어질 수 있다. 사용자는 모바일 단말기(100)에 설치된 모바일 커머스 어플리케이션을 이용하여 커머스 서버(300)에 접속한 후, 커머스 상품 또는 상품권의 종류를 선택하여 주문 요청을 한다. 이 때, 사용자는 상품이나 상품권에 대한 결제를 진행할 결제 수단을 선택할 수 있다. 결제 수단은 개별 국가의 관련 사업자가 제공하는 다양한 결제 시스템이 될 수 있다. 예를 들어, 한국의 카카오페이, 중국의 알리페이, 일본의 라인페이 등이 될 수 있을 것이다. 커머스 서버(300)는 사용자가 주문한 상품 정보를 사용자가 선택한 결제 시스템으로 전송한다. 사용자의 주문 정보를 전달받은 결제 시스템은 결제 정보를 사용자의 모바일 단말기(100)로 전송하고, 사용자로부터 결제 승인 정보를 제공받는다. 사용자의 결제 승인 정보를 전달받은 커머스 서버(300)는 오프라인 커머스 상점에서 사용할 수 있는 모바일 상품권 정보를 사용자의 모바일 단말기(100)로 전송한다. 사용자는 모바일 단말기(100)에 저장된 모바일 상품권을 이용하여 커머스 상점에서 원하는 상품을 구매할 수 있다. 커머스 상점의 POS 단말기(400)는 사용자의 모바일 단말기(100)에 저장된 모바일 상품권을 인식하여 결제 처리를 하고, 사용된 모바일 상품권에 대한 정산을 커머스 서버(300)와 진행하게 된다.
도 6은 본 발명의 커머스 서버가 커머스 상점과 직접 연동하여 모바일 결제가 이루어지는 과정을 도시한 것이다. 도 6을 참조하면, 사용자가 모바일 단말기(100)에 설치된 모바일 커머스 어플리케이션을 이용하여 커머스 서버(300)에 접속한 후, 커머스 상점 및 구매하고자 하는 커머스 상품을 선택하여 주문 요청을 한다. 커머스 서버(300)는 사용자의 주문 정보를 해당하는 커머스 상점(400)에 전송하면, 커머스 상점(400)은 주문된 상품의 재고 현황 등을 확인하고, 주문 접수 상태를 커머스 서버(300)에 전송한다. 커머스 서버(300)는 주문이 완료된 경우에 해당 정보를 사용자의 모바일 단말기(100)로 전달하게 된다. 사용자는 모바일 단말기(100)에 저장된 주문 정보를 지참하고 지정된 커머스 상점(400)을 방문하여 주문한 상품을 수령할 수 있다. 주문이 완료된 후, 사용자는 모바일 상품 구매에 따른 후기 등의 리뷰를 작성할 수 있으며, 커머스 서버(300)는 사용자가 작성한 리뷰를 분석하고 그 결과를 커머스 상점(400)에 전달함으로써, 커머스 상점(400)이 판매 전략을 수립하는데 활용하도록 할 수 있다.
도 7은 본 발명의 실시예에 따른 모바일 커머스 시스템에 있어서, 추천 시스템의 내부 구성도를 나타낸 것이다. 도 7을 참조하면, 본 발명의 추천 시스템(340)은 모바일 커머스 상점 또는 상품에 대한 브랜드 이미지를 측정하고, 이를 사용자의 개인 이미지와 비교하여 사용자의 실제 이미지와 유사성이 높은 경우, 또는 사용자의 이상적 이미지와 유사성이 높은 경우를 중심으로 추천 상점 또는 추천 상품을 선정한다.
일반적으로 사용자의 개인 이미지는 자신의 현재 상태를 반영하는 실제 이미지(Actual Image)와 이상적인 모습을 반영하는 이상적 이미지(Ideal Image)로 구분할 수 있다. 실제 이미지는 현재 시점에서 사용자의 성향이나 경제적, 사회적 상태를 반영하기 때문에, 현재 시점에서의 사용자에 대한 개인 이미지라고 볼 수 있다. 이에 반해서, 이상적 이미지는 현재 시점이 아니라 장래 또는 미래에 대하여 사용자가 추구하는 성향이나 상태를 나타내기 때문에, 오히려 현재 시점의 개인 이미지와는 큰 차이를 나타내는 것이 일반적이라고 할 수 있다. 사용자의 입장에서는 현재의 모습(실제 이미지)과 장래의 희망하는 모습(이상적 이미지)이 모두 자신을 반영하는 이미지이기 때문에, 실제 이미지 또는 이상적 이미지에 근접하는 상점이나 상품에 대해 선호도를 가질 수 있다. 실제 이미지에 근접하는 경우에는 자아 일치성에 대한 욕구가 충족되고, 이상적 이미지에 근접하는 경우(다르게 표현해서, 실제 이미지와 차이가 큰 경우)에는 자아 향상성에 대한 욕구가 충족된다고 볼 수 있다.
다시 말해서, 사용자는 특정 상점이나 상품을 선택하는데 있어서, 자아-규정 의식(sense of self-definition)을 느끼며, 이를 통해 다른 사람들과 커뮤니케이션을 하게 된다. 그렇기 때문에, 자신의 정체성이나 성향을 잘 반영하고 표현할 수 있는 브랜드에 동질감을 느끼고 그 브랜드를 선호하게 되며, 이렇게 동질감이 높아질수록 브랜드 충성도도 높아지게 된다.
따라서, 모바일 커머스 상점 또는 상품에 대한 브랜드 이미지를 측정하고, 브랜드 이미지를 세부 항목별로 나열했을 때, 특정 사용자의 실제 이미지에 근접하는 경우, 또는 이상적 이미지에 근접하는 경우에 해당하는 상점이나 상품을 선별하여 사용자에게 추천할 수 있다. 브랜드 이미지가 사용자의 실제 이미지에 근접하는 경우는 사용자의 현재 상태에 대한 자아 일치성이 높은 경우에 해당할 것이다. 반면에, 브랜드 이미지가 사용자의 이상적 이미지에 근접하는 경우는 사용자의 현재 상태와 차이가 크지만 사용자의 이상적 상태에 대한 자아 향상성이 높은 경우에 해당한다고 할 수 있다.
커머스 상점이나 상품에 대한 브랜드 이미지와 사용자의 이미지를 비교하여, 사용자별 추천 상점이나 추천 상품에 대한 추천 지수(Recommend Index; RI)을 산출하는 수식은 아래의 (수학식 2)를 이용할 수 있다.
Figure 112017074297618-pat00003
여기에서, BI는 브랜드 이미지(Brand Image)를 나타내고, AI는 사용자의 실제 이미지(Actual Image)를 나타낸다. 위의 (수학식 2)를 사용할 경우에는, 사용자의 실제 이미지와 근접하는 브랜드 이미지의 추천 지수(RI)가 상대적으로 낮은 값을 가지며 사용자에 대한 자아 일치성이 높은 브랜드로 볼 수 있을 것이다. 반대로 사용자의 실제 이미지와 차이가 크게 나는 브랜드 이미지는 추천 지수(RI)가 큰 값으로 나타나게 될 것이며, 이 중에서 사용자의 이상적 이미지(Ideal Image)에 가까운 상점이나 상품은 사용자에 대한 자아 향성성이 높은 브랜드로 볼 수 있을 것이다.
만약, 위의 (수학식 2)에서 실제 이미지(AI) 대신에 이상적 이미지(Ideal Image)를 사용한다면, 추천 지수(RI) 값이 작은 브랜드가 사용자의 이상적 이미지에 근접한 브랜드이고, 반대로 추천 지수(RI) 값이 큰 브랜드는 사용자의 실제 이미지에 근접한 브랜드일 수 있을 것이다.
이 때, 사용자의 국가 또는 지역의 언어, 관습, 성향, 또는 감성에 따라 브랜드 이미지 또는 사용자의 개인 이미지에 가중치를 달리 부여하는 것이 가능할 것이다.
도 8은 본 발명의 실시예에 따른 모바일 커머스 시스템에 있어서, 브랜드 이미지를 평가하기 위한 세부 정보를 나타낸 것이다. 도 8을 참조하면, 브랜드 이미지는 커머스 상점이나 상품의 특성을 반영하는 5가지 요소와, 15가지 속성을 포함할 수 있다. 5가지 요소는 세련(Sophistication), 성실(Sincerity), 강인(Ruggedness), 흥분(Excitement), 및 능력(Competence)이 될 수 있다. 이러한 5가지 요소는 커머스 상점이나 상품에 대한 상징적 기능에 초점을 맞추어 선정된 요소로 볼 수 있다.
이러한 5가지 요소는 각각의 기능을 고려하여, 하부에 세부적인 속성을 포함할 수 있다. 예를 들어, 세련(Sophistication) 요소에는 '상류 사회의(Upperclass)', 와 '매력적인(Charming)' 이라는 2가지 속성을 포함할 수 있고, 성실(Sincerity) 요소에는 '유익한(Wholesome)', '정직한(Honest)', '현실적인(Down-to-earth)', '쾌활한(Cheerful)'에 해당하는 4가지 속성을 포함할 수 있다. 또한, 강인(Ruggedness) 요소에는 '거친(Tough)'과 '야외생활적인(Outdoorsy)'의 2가지 속성, 흥분(Excitement) 요소에는 '최신의(Up-to-date)', '활발한(Spirited)', '상상력이 풍부한(Imaginative)', '대담한(Daring)'의 4가지 속성, 능력(Competence) 요소에는 '성공적인(Successful)', '신뢰할만한(Reliable)', 및 '지적인(Intelligent)'의 3가지 속성을 각각 포함할 수 있다. 이러한 속성은 커머스 상점이나 상품의 분류에 따라 속하는 요소가 일부 변경될 수도 있을 것이다. 또한, 도면에 도시하지는 않았지만, 각각의 속성 하부에는 보다 구체적인 세부 특성이 추가될 수 있다.
이러한 요소 및 속성을 바탕으로 구분되는 브랜드 이미지는 사용자가 모바일 커머스 상점이나 상품을 구매하는데 있어서 발현되는 특성을 기준으로 분류된 것이기 때문에, 커머스 상점이나 상품에 대하여 분류된 브랜드 이미지는 결국 사용자의 다양한 구매 특성을 반영하게 된다.
이 때, 브랜드 이미지는 위의 5가지 요소 중 어느 하나의 요소에 편중될 수도 있지만, 여러 가지 요소의 특성을 다양하게 나타낼 수도 있고, 또한 15가지 속성에 대해서는 복수의 속성을 동시에 나타낼 수도 있다. 따라서, 사용자가 나타내는 개인 이미지(실제 이미지 또는 이상적 이미지)와 비교하는 경우에, 각각의 요소별로 사용자의 개인 이미지와 브랜드 이미지를 비교하되, 사용자의 특성 중에서 가장 강한 특성을 나타내는 요소를 중심으로 추천 지수(RI)를 반영하는 것이 효과적인 추천 방법이 될 수 있을 것이다.
도 9는 본 발명의 실시예에 따른 모바일 커머스 서버의 소프트웨어 구성 예시도이다. 도 9를 참조하면, 본 발명의 모바일 커머스 서버(300)의 응용 모듈(380)은 모바일 커머스와 관련한 비정형 빅데이터, 정형 빅데이터, 및 매출 빅데이터를 수집하고 처리하는 기능을 담당하는 빅데이터 모듈(381)과, 모바일 커머스 서비스를 제공하는 상점에 대한 랭킹 분석을 위하여 관련 콘텐츠를 분석하는 기능을 담당하는 콘텐츠 분석 모듈(382), 사용자가 모바일 단말기(100)를 이용하여 상점에서 거래를 하고, 구매 상품에 대한 모바일 결제를 할 수 있도록 하는 결제 모듈(383), 및 국가별 특성을 반영하여 사용자에게 모바일 커머스를 제공하는 상점 또는 상품을 추천하는 추천 모듈(384)을 포함할 수 있다.
이러한 응용 모듈(380)을 포함하는 모바일 커머스 서버(300)는 다양한 OS를 시스템의 OS로서 사용할 수 있다. 이러한 OS는 API(Application Program Interface: 361)에 하이 레벨 명령어를 제공하여 각 응용 모듈(380)의 동작을 제어한다. 본 발명의 모바일 커머스 서버(300)는 API(361)로부터 제공되는 하이 레벨 명령어에 따라 대응하는 각 응용 모듈(380)을 식별하고, 하이 레벨 명령어를 디코딩하여 해당하는 곳으로 제공하는 하이 레벨 명령어 처리부(362)를 포함한다. 응용모듈 제어부(370)는 하이 레벨 명령어 처리부(362)로부터 제공된 명령어에 따라 각 응용 모듈(380)의 동작을 제어한다. 즉, 하이 레벨 명령어 처리부(362)는 API(361)를 통하여 제공된 하이 레벨 명령어에 따라 여기에 대응하는 응용 모듈(380)이 존재하는지를 식별하고, 대응되는 응용 모듈(380)이 존재하는 경우에 해당하는 응용 모듈(380)에서 인식할 수 있는 명령어로 디코딩하여 해당하는 매핑부(371, 373, 375, 377)에 전송하거나 메시지 전송을 제어한다. 따라서, 응용 모듈 제어부(370)는 빅데이터 모듈(381)과, 콘텐츠 분석 모듈(382), 결제 모듈(383), 및 추천 모듈(384)에 대한 매핑부(371, 373, 375, 377)와 인터페이스부(372, 374, 376, 378)를 각각 포함한다.
빅데이터 모듈 매핑부(371)는 하이 레벨 명령어 처리부(362)로부터 블로그 또는 SNS로부터 수집된 빅데이터를 정제하고 처리하기 위한 하이 레벨의 명령어를 제공받아, 빅데이터 모듈(381)에서 처리할 수 있는 디바이스 레벨로 매핑하고, 빅데이터 모듈 인터페이스부(372)를 통하여 빅데이터 모듈(381)로 제공한다.
콘텐츠 분석 모듈 매핑부(373) 및 콘텐츠 분석 모듈 인터페이스부(374)는 수집된 빅데이터를 바탕으로 커머스 상점에 대한 만족도와 영향력을 분석하고, 최종적으로 커머스 상점의 랭킹 분석을 담당하는 부분이다. 따라서, 콘텐츠 분석 모듈 매핑부(373)는 하이 레벨 명령어 처리부(362)로부터 콘텐츠 분석 모듈(382)을 이용하기 위한 하이 레벨 명령어를 제공받아 이를 디바이스 레벨의 명령어로 매핑시키고, 콘텐츠 분석 모듈 인터페이스부(374)를 통하여 콘텐츠 분석 모듈(382)로 제공한다.
결제 모듈(383)은 사용자의 모바일 단말기(100)를 통해 전달된 상품 주문 정보를 바탕으로 모바일 결제를 담당하는 부분이다. 결제 모듈 매핑부(375)는 사용자의 요청에 커머스 상품의 결제를 위하여, 하이 레벨 명령어 처리부(362)를 통하여 인가된 하이 레벨 명령어를 제공받아 결제 모듈(383)이 인식할 수 있는 디바이스 레벨의 명령어로 매핑시킨다. 디바이스 레벨의 명령어는 결제 모듈 인터페이스부(376)를 통하여 결제 모듈(383)로 제공된다.
추천 모듈(384)은 사용자의 국적이나 구매 성향 등을 반영하여 커머스 상점 또는 상품을 추천하는 부분이다. 따라서, 추천 모듈 매핑부(375)는 사용자에 따른 추천 정보를 선별하기 위하여, 하이 레벨 명령어 처리부(362)를 통하여 인가된 하이 레벨 명령어를 제공받아 추천 모듈(384)이 인식할 수 있는 디바이스 레벨의 명령어로 매핑시킨다. 디바이스 레벨의 명령어는 추천 모듈 인터페이스부(378)를 통하여 추천 모듈(384)로 제공된다.
이러한 기능을 수행하도록 구성된 API(361)에 대한 세부적인 함수를 기술하면 다음과 같다. 개방 API(Open API)는 사용자의 요청에 따라 모바일 상점이나 상품에 대한 정보, 랭킹 정보 및 추천 정보를 제공하고, 구매에 따른 결제 를 위한 응용 모듈(380)의 세션을 개방하기 위하여 사용된다. 폐쇄 API(Close API)는 사용된 응용 모듈에 대한 세션을 종료하는데 사용된다. 검색 API(Retrieve API)는 커머스 상점이나 상품, 랭킹 정보, 추천 정보, 위치 정보 등 사용자가 필요한 정보를 검색하는데 사용된다. 상태 API(Status API)는 각 응용 모듈(380)의 동작 상태를 판단하기 위해 사용된다. 초기화 API(Initialize API)는 응용 모듈(380)을 호출할 수 있도록 초기화하는 기능을 가진다. 리스트 API(List API)는 커머스 상점이나 상품, 랭킹 정보, 추천 정보, 리뷰 정보 등을 위하여 실행가능한 명령어 리스트 등을 확인하는데 사용된다. 기록 API(Register API)는 사용자의 상품 구매 내역이나 리뷰 등의 정보를 기록하는 기능을 가진다. 삭제 API(Unregister API)는 사용자의 요청 사항이나 수행 동작 등의 정보를 삭제하는데 사용된다. 결국, 사용되는 응용 모듈(380)이나 메시지 전송 형태에 따라 개별적인 API(361)가 실행되고, 그에 따라 사용자 인식이나 위치 판단, 목적지 안내 및 공기 정화 기능의 실행을 위한 응용 모듈(380)의 실행될 것이다.
다만, 위에서 언급한 응용 모듈 및 그 기능은 커머스 서버(300)에서 모두 수행될 수도 있지만, 사용자의 모바일 단말기(100)와 그 모듈을 분산하여 설치됨으로써 일부의 기능을 분담하여 처리될 수도 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시 예들을 설명하였지만, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 그 기술적 사상이나 필수적인 특징들이 변경되지 않고서 다른 구체적인 형태로 실시될 수 있다는 것으로 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 모바일 단말기 200: 통신 네트워크
300: 커머스 서버 400: POS 단말기
310: 빅데이터 시스템 312: 상점 DB
314: 고객 DB 320: 콘텐츠 시스템
330: 결제 시스템 340: 추천 시스템
350: 커뮤니케이션 시스템 361: API
362: 하이레벨 명령어 처리부
370: 응용모듈 제어부 380: 응용모듈
371: 빅데이터 모듈 매핑부
372: 빅데이터 모듈 인터페이스부
373: 콘텐츠 분석 모듈 매핑부
374: 콘텐츠 분석 모듈 인터페이스부
375: 결제 모듈 매핑부
376: 결제 모듈 인터페이스부
376: 추천 모듈 매핑부
377: 추천 모듈 인터페이스부
381: 빅데이터 모듈 382: 콘텐츠 분석 모듈
383: 결제 모듈 384: 추천 모듈

Claims (28)

  1. 사용자의 모바일 단말기 및 상점의 POS 단말기와 연동된 커머스 서버에서 모바일 커머스 서비스를 제공하는 방법에 있어서,
    통신 네트워크를 통하여 모바일 커머스에 관련된 빅데이터를 수집하는 단계;
    상기 빅데이터를 바탕으로 모바일 커머스 상점 또는 상품에 대한 브랜드 이미지와 사용자의 개인 이미지를 비교하여 추천 지수를 산출하는 단계;
    상기 추천 지수를 바탕으로 특정 사용자에 대한 추천 상점 또는 추천 상품을 선별하는 단계;
    상기 추천 상점 또는 추천 상품에 대한 정보를 상기 사용자의 모바일 단말기로 제공하는 단계;
    상기 사용자의 모바일 단말기로부터 구매하고자 하는 상품 및 상점 정보를 포함하는 구매 요청을 수신하는 단계;
    상기 구매 요청에 따라 모바일 상품권 또는 주문 정보를 사용자의 모바일 단말기로 전송하는 단계; 및
    상기 모바일 상품권 또는 주문 정보가 사용된 상점을 대상으로 정산을 진행하는 단계를 포함하고,
    상기 빅데이터를 수집하는 단계는
    모바일 커머스와 관련없는 데이터를 제거하는 정제 단계;
    분석에 사용되지 않는 문자나 기호, 또는 숫자를 제거하는 전처리 단계; 및
    명사를 중심으로 단어를 추출하는 추출 단계를 더 포함하며,
    상기 전처리 단계에서는, 복수의 국가별 언어의 특징을 반영하여 전처리 규칙을 수립하여 적용하고,
    상기 개인 이미지는 실제 이미지 또는 이상적 이미지를 포함하며,
    상기 추천 지수를 산출하는 단계는 상기 브랜드 이미지와 상기 실제 이미지 사이의 차이에 대한 합계 또는 상기 브랜드 이미지와 상기 이상적 이미지 사이의 차이에 대한 합계를 기준으로 하고,
    상기 추천 지수(RI)는,
    Figure 112018127333226-pat00013

    (BI는 브랜드 이미지, AI는 사용자의 실제 이미지)
    의 수식에 의해 산출되며,
    상기 추천 지수를 산출하는 단계는 사용자의 국가나 지역, 또는 사용자의 성향에 따른 가중치를 부여하여 산출되고,
    상기 추천 상점 또는 추천 상품을 선별하는 단계는 상기 추천 지수가 가장 작은 값인 사용자에 대한 자아 일치성이 높은 브랜드 또는 가장 큰 값인 자아 향상성이 높은 브랜드의 상점이나 상품을 선별하는 모바일 커머스 정보 추천 방법.
  2. 제 1 항에 있어서,
    상기 빅데이터를 수집하는 단계는 크롤러(crawler), 포커스드 크롤러(focused crawler), 토피컬 크롤러(topical crawler), 및 래퍼 기반 웹 크롤러(wrapper crawler) 중 적어도 하나를 이용하는 모바일 커머스 정보 추천 방법.
  3. 삭제
  4. 제 1 항에 있어서,
    상기 추출 단계는 모바일 커머스 상점의 명칭, 상품 명칭, 지역 명칭, 추천 숫자, 평가 점수, 매출액, 및 가격 중 적어도 하나 이상의 명사를 추출하는 모바일 커머스 정보 추천 방법.
  5. 제 1 항에 있어서,
    상기 브랜드 이미지는 세련(Sophistication), 성실(Sincerity), 강인(Ruggedness), 흥분(Excitement), 및 능력(Competence)의 5가지 요소를 바탕으로 평가가 이루어지는 모바일 커머스 정보 추천 방법.
  6. 제 5 항에 있어서,
    상기 5가지 요소는 그 하부에 세부적인 속성 및 특성을 추가적으로 포함하는 모바일 커머스 정보 추천 방법.
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
  11. 삭제
  12. 제 1 항에 있어서,
    수집된 빅데이터로부터 만족도 및 영향력을 분석하여 모바일 커머스 상점 또는 상품에 대한 랭킹 정보를 생성하는 단계를 더 포함하는 모바일 커머스 정보 추천 방법.
  13. 제 12 항에 있어서,
    상기 만족도는 상품의 품질(Quality of Food), 서비스의 품질(Quality of Service), 및 분위기 품질(Quality of Atmosphere) 중 적어도 하나 이상을 기준으로 평가가 이루어지는 모바일 커머스 정보 추천 방법.
  14. 제 12 항에 있어서,
    상기 영향력은 사용자가 모바일 커머스 상품을 얼마나 최근에 구매하였는지를 나타내는 최근성, 얼마나 자주 상품을 구매하였는지를 나타내는 빈도성, 및 해당 상품의 인기가 언제까지 유지되는지를 나타내는 유행성 중 적어도 하나 이상을 이용하여 평가가 이루어지는 모바일 커머스 정보 추천 방법.
  15. 제 12 항에 있어서,
    상기 랭킹 정보를 생성하는 단계는 사용자에 대한 모바일 커머스 상점의 영향력에 대한 합계와, 복수의 사용자에 의해 평가된 만족도의 평균값을 더해서 산출하는 모바일 커머스 정보 추천 방법.
  16. 제 12 항에 있어서,
    상기 랭킹 정보는 상기 만족도의 평균값에 가중치를 부여하여 산출하는 모바일 커머스 정보 추천 방법.
  17. 제 16 항에 있어서,
    상기 가중치는 사용자의 국가 또는 지역의 언어, 관습, 성향, 또는 감성에 따라 달리 부여되는 모바일 커머스 정보 추천 방법.
  18. 사용자의 모바일 단말기 및 상점의 POS 단말기와 연동하여, 모바일 커머스 서비스를 제공하는 시스템에 있어서,
    통신 네트워크를 통하여 모바일 커머스에 관련된 빅데이터를 수집하고 처리하는 빅데이터 모듈;
    상기 빅데이터를 바탕으로 모바일 커머스 상점 또는 상품에 대한 브랜드 이미지와 사용자의 개인 이미지를 비교하여 추천 상점 또는 추천 상품을 선별하는 추천 모듈; 및
    상기 추천 상점 또는 추천 상품의 정보를 사용자의 모바일 단말기로 제공하고, 상기 사용자의 모바일 단말기로부터 구매하고자 하는 상품 및 상점 정보를 포함하는 구매 요청을 수신하며, 상기 구매 요청에 따라 모바일 상품권 또는 주문 정보를 사용자의 모바일 단말기로 전송하고, 상기 모바일 상품권 또는 주문 정보가 사용된 상점을 대상으로 정산을 진행하는 결제 모듈을 포함하고,
    상기 빅데이터 모듈은 모바일 커머스와 관련없는 데이터를 제거하여 정제하고, 분석에 사용되지 않는 문자나 기호, 또는 숫자를 제거하되, 복수의 국가별 언어의 특징을 반영하여 전처리 규칙을 수립하여 전처리하며, 명사를 중심으로 단어를 추출하고,
    상기 개인 이미지는 실제 이미지 또는 이상적 이미지를 포함하며,
    상기 추천 모듈은 상기 브랜드 이미지와 상기 실제 이미지 사이의 차이에 대한 합계 또는 상기 브랜드 이미지와 상기 이상적 이미지 사이의 차이에 대한 합계를 기준으로 추천 지수를 산출하고,
    상기 추천 지수(RI)는,
    Figure 112018127333226-pat00014

    (BI는 브랜드 이미지, AI는 사용자의 실제 이미지)
    의 수식에 의해 산출되며,
    상기 추천 지수는 사용자의 국가나 지역, 또는 사용자의 성향에 따른 가중치를 부여하여 산출되고,
    상기 추천 모듈은 상기 추천 지수가 가장 작은 값인 사용자에 대한 자아 일치성이 높은 브랜드 또는 가장 큰 값인 자아 향상성이 높은 브랜드의 상점이나 상품을 선별하는 모바일 커머스 정보 추천 시스템.
  19. 삭제
  20. 제 18 항에 있어서,
    상기 브랜드 이미지는 세련(Sophistication), 성실(Sincerity), 강인(Ruggedness), 흥분(Excitement), 및 능력(Competence)의 5가지 요소를 바탕으로 평가가 이루어지는 모바일 커머스 정보 추천 시스템.
  21. 삭제
  22. 삭제
  23. 제 18 항에 있어서,
    수집된 빅데이터로부터 만족도 및 영향력을 분석하여 상점 또는 상품에 대한 랭킹 정보를 생성하는 콘텐츠 분석 모듈을 더 포함하는 모바일 커머스 정보 추천 시스템.
  24. 제 23 항에 있어서,
    상기 콘텐츠 분석 모듈은 사용자에 대한 모바일 커머스 상점의 영향력에 대한 합계와, 복수의 사용자에 의해 평가된 만족도의 평균값을 더해서 랭킹 정보를 산출하는 모바일 커머스 정보 추천 시스템.
  25. 제 24 항에 있어서,
    상기 랭킹 정보는 상기 만족도의 평균값에 가중치를 부여하여 산출하는 모바일 커머스 정보 추천 시스템.
  26. 제 25 항에 있어서,
    상기 가중치는 사용자의 국가 또는 지역의 언어, 관습, 성향, 또는 감성에 따라 달리 부여되는 모바일 커머스 정보 추천 시스템.
  27. 사용자의 모바일 단말기 및 상점의 POS 단말기와 연동된 커머스 서버에서 모바일 커머스 서비스를 제공하는 방법에 있어서,
    통신 네트워크를 통하여 모바일 커머스에 관련된 빅데이터를 수집하는 단계;
    상기 빅데이터를 바탕으로 모바일 커머스 상점 또는 상품에 대한 브랜드 이미지와 사용자의 개인 이미지를 비교하여 추천 지수를 산출하는 단계;
    상기 추천 지수를 바탕으로 특정 사용자에 대한 추천 상점 또는 추천 상품을 선별하는 단계; 및
    상기 추천 상점 또는 추천 상품에 대한 정보를 상기 사용자의 모바일 단말기로 제공하는 단계를 포함하고,
    상기 빅데이터를 수집하는 단계는
    모바일 커머스와 관련없는 데이터를 제거하는 정제 단계;
    분석에 사용되지 않는 문자나 기호, 또는 숫자를 제거하는 전처리 단계; 및
    명사를 중심으로 단어를 추출하는 추출 단계를 더 포함하며,
    상기 전처리 단계에서는, 복수의 국가별 언어의 특징을 반영하여 전처리 규칙을 수립하여 적용하고,
    상기 개인 이미지는 실제 이미지 또는 이상적 이미지를 포함하며,
    상기 추천 지수를 산출하는 단계는 상기 브랜드 이미지와 상기 실제 이미지 사이의 차이에 대한 합계 또는 상기 브랜드 이미지와 상기 이상적 이미지 사이의 차이에 대한 합계를 기준으로 하고,
    상기 추천 지수(RI)는,
    Figure 112018127333226-pat00015

    (BI는 브랜드 이미지, AI는 사용자의 실제 이미지)
    의 수식에 의해 산출되며,
    상기 추천 지수를 산출하는 단계는 사용자의 국가나 지역, 또는 사용자의 성향에 따른 가중치를 부여하여 산출되고,
    상기 추천 상점 또는 추천 상품을 선별하는 단계는 상기 추천 지수가 가장 작은 값인 사용자에 대한 자아 일치성이 높은 브랜드 또는 가장 큰 값인 자아 향상성이 높은 브랜드의 상점이나 상품을 선별하는 모바일 커머스 정보 추천 방법.
  28. 사용자의 모바일 단말기 및 상점의 POS 단말기와 연동하여, 모바일 커머스 서비스를 제공하는 서버에서,
    통신 네트워크를 통하여 모바일 커머스에 관련된 빅데이터를 수집하는 단계;
    상기 빅데이터를 바탕으로 모바일 커머스 상점 또는 상품에 대한 브랜드 이미지와 사용자의 개인 이미지를 비교하여 추천 지수를 산출하는 단계;
    상기 추천 지수를 바탕으로 특정 사용자에 대한 추천 상점 또는 추천 상품을 선별하는 단계; 및
    상기 추천 상점 또는 추천 상품에 대한 정보를 상기 사용자의 모바일 단말기로 제공하는 단계를 수행하기 위하여
    상기 빅데이터를 수집하는 단계는
    모바일 커머스와 관련없는 데이터를 제거하는 정제 단계;
    분석에 사용되지 않는 문자나 기호, 또는 숫자를 제거하는 전처리 단계; 및
    명사를 중심으로 단어를 추출하는 추출 단계를 더 포함하며,
    상기 전처리 단계에서는, 복수의 국가별 언어의 특징을 반영하여 전처리 규칙을 수립하여 적용하고,
    상기 개인 이미지는 실제 이미지 또는 이상적 이미지를 포함하며,
    상기 추천 지수를 산출하는 단계는 상기 브랜드 이미지와 상기 실제 이미지 사이의 차이에 대한 합계 또는 상기 브랜드 이미지와 상기 이상적 이미지 사이의 차이에 대한 합계를 기준으로 하고,
    상기 추천 지수(RI)는,
    Figure 112018127333226-pat00016

    (BI는 브랜드 이미지, AI는 사용자의 실제 이미지)
    의 수식에 의해 산출되며,
    상기 추천 지수를 산출하는 단계는 사용자의 국가나 지역, 또는 사용자의 성향에 따른 가중치를 부여하여 산출되고,
    상기 추천 상점 또는 추천 상품을 선별하는 단계는 상기 추천 지수가 가장 작은 값인 사용자에 대한 자아 일치성이 높은 브랜드 또는 가장 큰 값인 자아 향상성이 높은 브랜드의 상점이나 상품을 선별하여 매체에 저장된 모바일 커머스 정보 추천 프로그램.
KR1020170097674A 2017-08-01 2017-08-01 빅데이터를 이용한 모바일 커머스 정보 추천 시스템 및 방법 KR101998400B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170097674A KR101998400B1 (ko) 2017-08-01 2017-08-01 빅데이터를 이용한 모바일 커머스 정보 추천 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170097674A KR101998400B1 (ko) 2017-08-01 2017-08-01 빅데이터를 이용한 모바일 커머스 정보 추천 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20190013277A KR20190013277A (ko) 2019-02-11
KR101998400B1 true KR101998400B1 (ko) 2019-07-09

Family

ID=65370130

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170097674A KR101998400B1 (ko) 2017-08-01 2017-08-01 빅데이터를 이용한 모바일 커머스 정보 추천 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101998400B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220073262A (ko) * 2020-11-26 2022-06-03 (주)플레이스링크 Ai를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템 그리고 방법

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102225795B1 (ko) * 2019-05-29 2021-03-10 호서대학교 산학협력단 심층신경망 기반 데이터 보충과 영향요소 결합을 통한 하이브리드 추천 시스템 및 방법
KR102288202B1 (ko) * 2019-11-29 2021-08-10 우송대학교 산학협력단 온-오프라인 연계형 비대면 주문결제 시스템 및 그를 위한 방법
KR102280223B1 (ko) * 2020-03-06 2021-07-21 주식회사 해든앰앤씨 빅데이터 기반의 상품구매 의사결정 지원 서비스 제공 방법 및 이를 위한 시스템
US20220309522A1 (en) * 2021-03-29 2022-09-29 Nielsen Consumer Llc Methods, systems, articles of manufacture and apparatus to determine product similarity scores
KR102477742B1 (ko) * 2022-06-28 2022-12-15 (주)파워텔레콤 Ai를 활용한 메시지 성공률 정보 제공 장치 및 방법
CN116629981B (zh) * 2023-07-23 2023-10-13 武汉商学院 基于用户行为的智慧社区推荐***及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101218141B1 (ko) * 2011-09-27 2013-01-03 (주)레드테이블 랭킹 계산 방법 및 시스템

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080002187A (ko) 2006-06-30 2008-01-04 주식회사 케이티 개인 감성 및 상황 변화에 따른 맞춤형 감성 서비스 시스템및 그 방법
KR100975502B1 (ko) 2008-01-30 2010-08-11 엔에이치엔(주) 블로그 포스트의 랭킹 판단 방법 및 시스템
KR100993818B1 (ko) 2009-02-18 2010-11-12 고려대학교 산학협력단 웹 크롤링 시스템 및 그 방법
KR100963996B1 (ko) 2009-06-29 2010-06-15 주식회사 모임 감성에 기반한 개인별 제품 추천 장치 및 방법, 그 기록 매체
KR101395896B1 (ko) * 2012-07-20 2014-05-15 (주)아이비베리 소셜커머스에서의 매매보호를 위한 결제 시스템 및 방법, 컴퓨터로 읽을 수 있는 기록매체
KR101379935B1 (ko) * 2013-02-04 2014-04-01 (주)레드테이블 메시지 정보 추출 시스템 및 그 방법
KR101633894B1 (ko) * 2013-11-18 2016-06-27 (주)델미텐츠 소셜 커머스 마케팅 시스템 및 방법
KR20150110846A (ko) * 2014-03-20 2015-10-05 박정훈 상품 추천 방법 및 시스템
KR101754124B1 (ko) * 2014-08-01 2017-07-26 (주)레드테이블 레스토랑 추천 시스템 및 추천 방법
KR101700345B1 (ko) * 2015-06-05 2017-01-26 아주대학교산학협력단 감정 온톨로지에 기반한 동영상 컨텐츠 추천 장치 및 그 방법
KR20170019759A (ko) * 2015-08-12 2017-02-22 에스케이플래닛 주식회사 사용자 장치, 서비스 제공 장치, 상품 추천 서버, 그를 포함하는 상품 추천 시스템, 그의 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101218141B1 (ko) * 2011-09-27 2013-01-03 (주)레드테이블 랭킹 계산 방법 및 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220073262A (ko) * 2020-11-26 2022-06-03 (주)플레이스링크 Ai를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템 그리고 방법
KR102428084B1 (ko) * 2020-11-26 2022-08-03 (주)플레이스링크 Ai를 활용하여 상점에게 최적화된 연계할인율 및 광고 수익모델 추천 시스템 그리고 방법

Also Published As

Publication number Publication date
KR20190013277A (ko) 2019-02-11

Similar Documents

Publication Publication Date Title
KR101998400B1 (ko) 빅데이터를 이용한 모바일 커머스 정보 추천 시스템 및 방법
US11798053B2 (en) Information provision system, information provision method, and storage medium
US11676178B2 (en) Predictive recommendation system using contextual relevance
KR101761226B1 (ko) 수취인에게 관심 있는 선물의 크라우드-소싱을 위한 상황적 관련성 정보에 기초한 사용자 정보의 선택적 공유
KR102278085B1 (ko) 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템 및 방법
JP6279756B2 (ja) 通信セッションの状態の保存
US20170323335A1 (en) Method for advertising or selling products on basis of user's social network service activity
US20130311315A1 (en) Systems and methods for managing group buy transactions
US20220012768A1 (en) Iteratively improving an advertisement response model
US11200593B2 (en) Predictive recommendation system using tiered feature data
CN106447419A (zh) 基于特征选择的拜访者标识
US20160350365A1 (en) Mobile search
KR20210066513A (ko) 온라인 빅데이터를 활용한 소비자 분석 시스템 및 방법
KR101998399B1 (ko) 빅데이터를 이용한 모바일 커머스 시스템 및 서비스 방법
CN111787042B (zh) 用于推送信息的方法和装置
US20220198488A1 (en) Method and system for programmatic generation of survey queries
KR20220102054A (ko) 사용자 분석 데이터를 활용하는 커머스 플랫폼 서버 및 이를 이용한 서비스 제공 방법
KR20100037711A (ko) 사용자 참여에 기초한 상품 정보 수집,제공 방법 및 시스템
US12008621B1 (en) Search query processing system
JP7189277B1 (ja) 提供装置、提供方法、および提供プログラム
WO2024119236A1 (en) System and method for facilitating searching and identification of products and services of interest in an online environment
KR20150055654A (ko) 복수의 사용자 단말기와 연동된 통신망에 연결된 컴퓨터시스템을 이용한 설문조사 및 타켓마케팅 통합진행방법
CN116150469A (zh) 一种内容推荐方法、装置及相关产品

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant