KR102091986B1 - Ai marketting system based on customer journey analytics - Google Patents
Ai marketting system based on customer journey analytics Download PDFInfo
- Publication number
- KR102091986B1 KR102091986B1 KR1020190175694A KR20190175694A KR102091986B1 KR 102091986 B1 KR102091986 B1 KR 102091986B1 KR 1020190175694 A KR1020190175694 A KR 1020190175694A KR 20190175694 A KR20190175694 A KR 20190175694A KR 102091986 B1 KR102091986 B1 KR 102091986B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- user
- customer
- analysis
- journey
- Prior art date
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 인공지능을 이용한 네트워크 상에서의 고객의 여정 분석 방법(Customer Journey Analytics)을 이용한 인공지능 마케팅 시스템에 관한 것으로, 보다 구체적으로는 AI에 기반하여 사용자들의 네트워크 상에서의 활동경로(여정)와 연관된 데이터를 수집하여 빅데이터화하고, 이를 분석하여 마케팅 프로세스에 이용할 수 있는 고객의 여정 분석 정보에 기반하는 인공지능 마케팅 시스템에 관한 것이다.The present invention relates to an artificial intelligence marketing system using a customer journey analysis method (Customer Journey Analytics) on a network using artificial intelligence, and more specifically, based on AI, associated with a user's network activity path (routing). It is about an artificial intelligence marketing system based on customer's itinerary analysis information that can be used for marketing process by collecting data and making it into big data.
종래의 마케팅 분석의 경우, 고객의 구매 경로와 함께 경험을 분석하고 모니터링할 수 있는 방법이 없었기 때문에 데이터 등에 기반하지 않은 관찰법 등을 통해 고객의 유입에서부터 고객의 이탈까지의 고객의 여정을 분석하고 이를 마케팅에 활용하고 있다.In the case of the conventional marketing analysis, since there was no way to analyze and monitor the experience along with the customer's purchasing route, it analyzes the customer's journey from customer inflow to customer departure through observation methods that are not based on data, etc. It is used for marketing.
그러나 이와 같은 사람에 의해 수행되는 방식은 실시간으로 고객 데이터를 분석하는 것이 아니기 때문에 마케팅에서의 기회 또는 위험을 감지하고 이를 사전에 대비하거나 또는 대응방안을 마련하는데 있어 한계가 있었다.However, since the method performed by such a person does not analyze customer data in real time, there is a limit in detecting opportunities or risks in marketing and preparing them in advance or preparing a countermeasure.
한편 최근에는 인공지능 기술이 발전하고 있는데, 인공지능(AI : Artificial Intelligence)은 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로서, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 인공지능이라고 말하고 있다.Meanwhile, in recent years, artificial intelligence (AI) technology has been developed. Artificial intelligence (AI) is a computer engineering and information technology that studies how computers can do thinking, learning, and self-development that human intelligence can do. As an area of artificial intelligence, it is said that artificial intelligence is what enables computers to imitate human intelligent behavior.
또한 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.Also, artificial intelligence does not exist by itself, but has many connections directly or indirectly with other fields of computer science. Particularly in modern times, attempts have been made to actively utilize artificial intelligence elements in various fields of information technology to solve problems in those fields.
이와 같은 인공지능은 마케팅 분야에서도 활발히 이용되고 있는 추세이지만, 대부분의 경우에는 웹상에서 이루어진 물품 판매를 위해 고객들의 유형 정보를 산출하고 유형 정보에 대응하여 개인 맞춤형 광고를 제공하는데 그치고 있으며, 보다 본질적으로 자사의 고객이 어떤 경로를 통해 물건을 구매했는지, 이탈하게 되었는지 고객의 전반적인 활동경로 또는 여정에 대한 분석은 이루어지지 않고 있다.Although such artificial intelligence is actively being used in the marketing field, in most cases, it is only to calculate the type information of customers and provide personalized advertisements in response to the type information for the sale of goods made on the web. There has been no analysis of the customer's overall activity path or itinerary through which route the customer purchased the product and whether they have left.
따라서 고객의 여정, 예를 들면 자사 고객의 네트워크 상에서의 경험을 한눈에 파악할 수 있는 시스템이 제공되고 이를 활용한 마케팅 기법이 필요한 실정이다.Therefore, a system that can grasp the customer's journey, for example, the experience of the customer's network at a glance, is provided, and a marketing technique using the system is needed.
본 발명은 전술한 목적을 달성하기 위해 안출된 발명으로서 고객과 관련된 정형 및 비정형 데이터를 수집 및 분석하여 고객의 구매까지의 여정을 분석할 수 있고, 특히, AI 분석 기술을 활용하여 전체 고객의 접점별 경험을 분석하여 기업에서 자사의 고객 경험을 한눈에 파악할 수 있는 시스템을 구축하는데 기여할 수 있으며, 이러한 실시간 고객 여정 및 경험 분석을 통해 고객의 미래 행동을 예측할 수 있는 인공지능을 이용한 고객의 여정 분석 정보에 기반하는 인공지능 마케팅 시스템을 제공하는 것을 목적으로 한다.The present invention is an invention devised to achieve the above-mentioned object, and collects and analyzes structured and unstructured data related to customers, and can analyze the journey up to the customer's purchase. In particular, it utilizes AI analysis technology to contact all customers. By analyzing the experience of each star, it can contribute to establishing a system that can grasp the company's customer experience at a glance. Through this real-time customer journey and experience analysis, it is possible to analyze the customer's journey using artificial intelligence that can predict the future behavior of the customer. It aims to provide an artificial intelligence marketing system based on information.
전술한 과제를 해결하기 위해 본 발명의 일양태에 따르면 고객의 여정 분석 정보에 기반하는 인공지능 마케팅 시스템이 제공되고, 이 시스템은,According to an aspect of the present invention to solve the above-mentioned problems, an artificial intelligence marketing system based on customer's journey analysis information is provided, and the system includes:
고객 정보를 수집하기 위한 고객 정보 수집 모듈; 고객 정보 수집 모듈로부터 수집된 고객 정보를 분석하기 위한 고객 정보 분석 서버; 및 고객 정보 분석 서버로 부터 분석된 정보를 이용하기 위한 마케팅 서버를 포함하고, A customer information collection module for collecting customer information; A customer information analysis server for analyzing customer information collected from the customer information collection module; And a marketing server for using the analyzed information from the customer information analysis server,
고객 정보 수집 모듈은 고객의 단말기에 설치되어 사용자로부터의 문답 정보, 웹브라우저로부터의 수집되는 웹브라우저 정보, 고객의 애플리케이션으로부터 수집되는 컨텐츠 정보, 및 고객의 단말을 통해 이루어지는 행위 패턴 정보를 포함하고,The customer information collection module is installed on the customer's terminal and includes question and answer information from the user, web browser information collected from the web browser, content information collected from the customer's application, and behavior pattern information made through the customer's terminal,
고객 정보 분석 서버는 수집된 고객 정보에 기반하여 고객 여정 맵을 생성하도록 구성된다. The customer information analysis server is configured to generate a customer journey map based on the collected customer information.
전술한 양태에서 고객 정보 수집 모듈은, 문답 정보를 통해 고객의 일상 생활과 연관된 라이프로그 데이터(lifelog data)를 수집하고, 라이프로그 데이터는 고객의 기호, 성향, 관심사, 취미, 건강, 재무, 소비형태를 포함하고, 문답 정보를 제공한 고객에 대해 고객의 참여도에 따라 보상이 주어지도록 구성된다. In the above-described aspect, the customer information collection module collects lifelog data related to the daily life of the customer through question-and-answer information, and the lifelog data is the preference, propensity, interests, hobbies, health, finance, and consumption of the customer. It includes a form and is configured to be rewarded according to the customer's participation in the customer who provided the question and answer information.
또한 전술한 양태에서 웹브라우저로부터 수집되는 정보는 사용자가 입력한 키워드 정보, 사용자가 접속하는 포털 정보, 사용자가 접속하는 사이트 정보를 포함하고,In addition, in the above-described aspect, the information collected from the web browser includes keyword information input by the user, portal information accessed by the user, and site information accessed by the user,
애플리케이션으로부터 수집되는 정보는 사용자가 실행한 애플리케이션 정보, 사용자가 애플리케이션을 통해 구매한 물품 정보, 사용자가 애플리케이션을 통해 실행한 컨텐츠 정보를 포함한다. Information collected from the application includes application information executed by the user, product information purchased by the user through the application, and content information executed by the user through the application.
또한 전술한 어느 하나의 양태에서 고객 정보 분석 서버는 사용자의 취향, 선호도, 구매 행태, 행동 패턴에 대한 정보를 회원가입시 저장된 사용자 프로파일 정보를 이용하여 사용자 분석을 수행하는 사용자 정보 분석부를 포함하고, 사용자 정보 분석부는 사용자의 성향을 하나 이상의 카테고리로 분류하여 저장하고, 사용자의 프로파일은 나이, 성별, 직업, 관심사를 포함하는 인구통계학적 변수로 구성된다. In addition, in any one of the above-described aspects, the customer information analysis server includes a user information analysis unit that performs user analysis using user profile information stored at the time of signing up for user preferences, preferences, purchase behaviors, and behavior patterns. The information analysis unit classifies and stores the user's propensity into one or more categories, and the user's profile consists of demographic variables including age, gender, occupation, and interests.
또한 전술한 양태에서 고객 정보 분석 서버는 컨텐츠 정보 분석부를 더 포함하고, 컨텐츠 정보 분석부는 애플리케이션 또는 웹브라우저를 통해 사용자가 이용한 컨텐츠에 대한 정보를 분석하고 이를 나이, 성별, 직업, 관심 등과 같은 인구통계학적 변수를 포함하는 사용자 프로파일 정보를 이용하여 분석된다. In addition, in the above-described aspect, the customer information analysis server further includes a content information analysis unit, and the content information analysis unit analyzes information on content used by a user through an application or a web browser, and demographics such as age, gender, occupation, interest, etc. It is analyzed by using user profile information including academic variables.
또한 전술한 양태에서 고객 정보 수집 모듈은 사용자 액티비티 수집부를 더 포함하고, 사용자 액티비티 수집부는 시간대에 따른 사용자의 행위 패턴을 수집하도록 기능하고, 사용자 행위 패턴은 사용자가 웹이나 네트워크 상에서 이동한 경로를 포함하는 정보이다. In addition, in the above-described aspect, the customer information collection module further includes a user activity collection unit, and the user activity collection unit functions to collect a user's behavior pattern according to a time period, and the user behavior pattern includes a path that the user travels on the web or a network. Information.
또한 전술한 양태에서 고객 정보 분석 서버는 사용자 액티비티 정보 분석부를 더 포함하고, 사용자 액티비티 정보 분석부는 사용자 반응 정보를 포함하고, 사용자 반응 정보는 사용자의 로그인 정보, 사용자가 리뷰를 읽은 객체에 대한 정보, 사용자가 구매한 객체에 대한 정보, 사용자의 구매 횟수 정보, 객체마다 머문 시간 정보 또는 사용자가 입력한 게시물 내용 중 적어도 하나를 포함한다. In addition, in the above-described aspect, the customer information analysis server further includes a user activity information analysis unit, the user activity information analysis unit includes user response information, and the user response information includes user login information, information about an object from which the user has read the review, It includes at least one of information about an object purchased by the user, information on the number of times the user has purchased, time information for each object, or content of a post input by the user.
또한 전술한 양태에서 액티비티 정보 분석의 대상이 되는 정보 제공 페이지는 특정 온라인 컨텐츠몰, 특정 포탈 사이트를 포함하고, 액티비티 분석에 따라 추출되는 행동 패턴은 사용자의 관심도, 구매력, 구매 성향, 주활동 시간, 구매 시간, 선호 브랜드 또는 선호 날씨 중 하나 이상을 포함한다. In addition, in the above-described aspect, the information providing page that is the target of activity information analysis includes a specific online content mall and a specific portal site, and the behavior pattern extracted according to the activity analysis includes user interest, purchasing power, purchasing propensity, main activity time, Includes one or more of purchase time, preferred brand, or preferred weather.
또한 전술한 양태에서 사용자 여정 맵은 네트워크 상에서의 사용자의 행위에 기반한 시작점과 끝점, 시작점과 끝점 사이에 존재하는 복수의 접점을 포함하고, 사용자 여정 맵은 시작점과 복수의 접점 사이, 복수의 접점과 끝점사이를 사용자 빈도에 기반한 선분으로 연결되고, 빈도가 많을 수록 굵은 선분으로 표시되고 빈도가 적을 수록 얇은 선분으로 표시된다. In addition, in the above-described aspect, the user journey map includes a plurality of contact points existing between a start point and an end point and a start point and an end point based on a user's behavior on the network, and the user journey map is between a start point and a plurality of contact points, and a plurality of contact points. The end points are connected by line segments based on the user's frequency, and the more frequencies, the thicker the segment, and the less the frequency, the thinner the segment.
또한 전술한 양태에서 접점마다에는 접점에 대한 통계 데이터가 제공될 수 있다. In addition, in the above-described aspect, statistical data on the contact may be provided for each contact.
도 1은 본 발명에 따른 인공지능 마케팅 시스템의 전체 구성을 나타내는 도면;
도 2는 본 발명에 따른 인공지능 마케팅 시스템에서 고객 정보 수집 모듈의 구성을 개략적으로 도시한 도면;
도 3은 본 발명에 따른 인공지능 마케팅 시스템에서 고객 정보 분석 서버의 내부 구성을 개략적으로 도시한 도면;
도 4는 본 발명에 따른 인공지능 마케팅 시스템에서 분석된 고객 정보에 기반하여 생성되는 고객 여정 맵의 일례를 나타내는 도면;
도 5는 본 발명에 따른 인공지능 마케팅 시스템에서 고객 여정 맵의 생성 흐름을 나타내는 도면;
도 6은 본 발명에 따른 인공지능 마케팅 시스템에서 고객 여정 맵의 일례를 단순화하여 설명하기 위한 도면을 나타낸다.1 is a view showing the overall configuration of an artificial intelligence marketing system according to the present invention;
2 is a diagram schematically showing the configuration of a customer information collection module in the artificial intelligence marketing system according to the present invention;
3 is a view schematically showing the internal configuration of the customer information analysis server in the artificial intelligence marketing system according to the present invention;
4 is a view showing an example of a customer journey map generated based on customer information analyzed in the artificial intelligence marketing system according to the present invention;
5 is a diagram showing a flow of generating a customer journey map in an artificial intelligence marketing system according to the present invention;
6 is a view for simplifying and explaining an example of a customer journey map in the artificial intelligence marketing system according to the present invention.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시예를 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다. Advantages and features of the present invention, and methods for achieving them will be clarified with reference to embodiments described below in detail together with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but will be implemented in various different forms.
본 명세서에서 본 실시예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 그리고 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 따라서, 몇몇 실시예들에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다. In the present specification, this embodiment is provided to make the disclosure of the present invention complete, and to fully inform the scope of the invention to those skilled in the art. And the present invention is only defined by the scope of the claims. Thus, in some embodiments, well-known components, well-known operations, and well-known techniques are not specifically described in order to avoid obscuring the present invention.
명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다. 그리고, 본 명세서에서 사용된(언급된) 용어들은 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 또한, '포함(또는, 구비)한다'로 언급된 구성 요소 및 동작은 하나 이상의 다른 구성요소 및 동작의 존재 또는 추가를 배제하지 않는다. The same reference numerals refer to the same components throughout the specification. In addition, the terms (mentioned) used in this specification are for describing the embodiments and are not intended to limit the present invention. In this specification, the singular form also includes the plural form unless otherwise specified in the phrase. Also, components and actions recited as “includes (or is provided with)” do not exclude the presence or addition of one or more other components and actions.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다. Unless otherwise defined, all terms (including technical and scientific terms) used in the present specification may be used as meanings commonly understood by those skilled in the art to which the present invention pertains. In addition, terms that are defined in a commonly used dictionary are not ideally or excessively interpreted unless defined.
이하 첨부된 도면을 참조하여 본 발명의 실시예에 대해 설명하도록 한다. 도 1은 본 발명에 따른 고객의 여정 분석 정보에 기반하는 인공지능 마케팅 시스템의 일례를 나타내는 도면이다. Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings. 1 is a view showing an example of an artificial intelligence marketing system based on customer journey analysis information according to the present invention.
도 1에 도시된 바와 같이 인공지능 마케팅 시스템은 고객 또는 사용자 정보를 수집하기 위한 고객 정보 수집 모듈(10); 고객 정보 수집 모듈(10)로부터 수집된 고객 정보를 분석하기 위한 고객 정보 분석 서버(20) 및 고객 정보 분석 서버(20)로 부터 분석된 정보를 마케팅하기 위한 복수의 마케팅 서버(30)를 포함한다.As shown in Figure 1, the artificial intelligence marketing system includes a customer
본 발명에서 고객 정보 분석 서버(20)는 고객 정보 수집 모듈 또는 고객 정보 수집 애플리케이션을 통해 수집된 고객에 관련된 모든 행동, 생각, 감정을 분석하고 고객 정보 분석 서버(20)에 연결되는 기업고객(마케팅 서버)과의 모든 인터액션을 실시간으로 모니터링하도록 구성된다.In the present invention, the customer
고객 정보 수집 애플리케이션은 사용자의 라이프로그 데이터(lifelog data)를 수집하는데, 라이프로그 데이터란 개인 고객의 일상 생활에 대한 기록을 의미한다. 고객 정보 수집 모듈(10)은 사용자의 단말등에 설치가능한 애플리케이션의 형태로 구현되고, 개인의 기호, 성향, 관심 등 전반적인 개인의 생활과 관련된 정보를 분석하도록 기능한다.The customer information collection application collects the user's lifelog data, and the lifelog data means a record of an individual customer's daily life. The customer
고객 정보 수집 애플리케이션은 구글스토어 또는 앱스토어와 같은 애플리케이션 스토어에 무료로 배포되거나 기업고객의 특정 웹페이지에 업로드되어 사용자가 이를 다운로드받아 사용자의 단말기에 설치될 수도 있다. The customer information collection application may be distributed free of charge to an application store such as Google Store or App Store, or uploaded to a specific web page of a corporate customer and downloaded by the user and installed on the user's terminal.
고객 정보의 수집은, 사용자가 애플리케이션을 설치한 후 애플리케이션의 사용에 필요한 ID 정보를 생성하고 개인정보 활용에 동의함으로써 구현될 수 있다. 고객 정보의 수집은 애플리케이션에서 매일 몇가지의 질문을 사용자에게 묻고 사용자가 이에 대하여 답변을 제시하는 것으로 이루어질 수 있다.The collection of customer information may be implemented by generating ID information necessary for use of the application and agreeing to use personal information after the user installs the application. Collection of customer information may consist of asking the user several questions each day in the application and the user presenting an answer to it.
예를 들면 질문은 사용자의 건강, 재무, 소비형태, 취미 등과 같은 사용자의 생활과 관련된 질문일 수 있다. 사용자에 대한 참여를 확대하기 위해 고객정보 수집 어플리케이션의 배포자는 사용자의 참여도에 따라 포인트 형태의 보상을 제공할 수 있고, 사용자는 제공된 포인트를 통해 물건을 구매하거나 물건 구매시 포인트를 활용하는 방안이 고려될 수도 있다.For example, the question may be a question related to the user's life, such as the user's health, finances, consumption patterns, hobbies, and the like. In order to expand the participation of users, the distributor of the customer information collection application can provide rewards in the form of points according to the user's participation, and the user considers how to use the points when purchasing or purchasing goods through the provided points. It may be.
도 2는 고객 정보 수집 모듈(10)의 일례를 나타내는 도면이다. 도 2에 도시된 바와 같이 고객 정보 수집 모듈(10)은 전술한 바와 같이 사용자에게 질문하고 그에 대한 답변을 수집하는 문답 정보 수집부(11), 사용자의 웹브라우저 정보를 수집하기 위한 웹브라우저 정보 수집부(12), 사용자의 네트워크 상에서의 행태를 수집하기 위한 사용자 액티비티 수집부(14)를 포함한다.2 is a diagram showing an example of the customer
문단 정보 수집부(11)는 전술한 바와 같이 사용자에게 매일 몇가지의 질문을 묻고 사용자가 이에 대하여 답변을 제시하는 것으로 이루어진다. 사용자의 건강, 재무, 소비형태, 취미 등과 같은 사용자의 생활과 관련된 질문을 사용자에게 묻고 이에 대해 답변함으로써 사용자의 정보가 취합될 수 있다.As described above, the paragraph information collection unit 11 consists of asking the user several questions every day and the user presenting an answer thereto. The user's information may be collected by asking and answering questions about the user's life, such as the user's health, finances, consumption patterns, hobbies, and the like.
웹브라우저 정보 수집부(12)는 사용자의 웹브라우저로부터의 사용자가 입력한 키워드 정보를 수집하거나 사용자가 이동한 경로 정보 등을 수집하도록 구성된다. 웹브라우저 정보는 사용자가 웹브라우저로부터 어떤 분야에 관심이 있는지, 특정 키워드 검색후 어느 사이트에 접속하고 있는지, 키워드 검색후 어떤 행위를 하였는지를 분석하는 지표를 제공할 수 있다. 이와 같은 웹브라우저 정보 수집부(12)에서 수집된 정보는 시간대별로 분류되어 시간에 따른 사용자의 행위를 분석하고 이를 통해 다음의 행위를 예측하는데 이용될 수 있다.The web browser information collection unit 12 is configured to collect keyword information input by the user from the user's web browser or to collect route information or the like that the user has traveled. The web browser information may provide an index for analyzing which field the user is interested in from the web browser, which site is accessed after a specific keyword search, and what action is performed after the keyword search. The information collected by the web browser information collection unit 12 may be classified according to time zones and used to analyze a user's behavior over time and predict the following behavior.
웹브라우저 정보 수집부와 유사하게 애플리케이션 정보 수집부(13)는 사용자가 어떤 애플리케이션을 실행하는지에 따라 사용자가 어떤 분야에 관심이 있는지를 알려주는 지표로 이용될 수 있다. 예를 들면, 사용자가 물건 구매시 웹브라우저 보다는 전용 애플리케이션을 통해 물건을 구매하는 것을 선호할 수도 있고, 물건 구매시 어떤 어플리케이션을 통해 구매하는지를 파악할 수 있게 된다. 또한 애플리케이션 정보 분석부는 사용자가 이용한 애플리케이션이 멀티미디어와 연관된 애플리케이션인 경우, 컨텐츠 정보를 더 수집하도록 구성된다. Similar to the web browser information collection unit, the application information collection unit 13 may be used as an index indicating whether a user is interested in a certain field according to which application the user is running. For example, when a user purchases an object, the user may prefer to purchase the object through a dedicated application rather than a web browser, and when purchasing the object, it is possible to grasp through which application the product is purchased. In addition, the application information analysis unit is configured to further collect content information when an application used by a user is an application related to multimedia.
사용자 액티비티 수집부(14)는 시간대에 따른 사용자의 행위 패턴을 수집하도록 기능한다. 이는 사용자가 웹이나 네트워크에서 이동한 경로 등에 대한 기록을 의미한다. 이는 웹이나 네트워크에 접속한 사용자의 일시적인 패턴일 수도 있지만, 시간이 지나면서 데이터가 축적되면 하나의 사용자 고유의 행위 패턴으로 기능할 수도 있다.The user activity collection unit 14 functions to collect a user's behavior pattern over time. This means a record of the route the user has traveled on the web or network. This may be a temporary pattern of a user connected to the web or a network, but may function as a user's own behavior pattern when data is accumulated over time.
도 3는 고객 정보 분석 서버(20)의 일례를 개략적으로 나타내는 도면이다. 도 2에 도시된 바와 같이 고객 정보 분석 서버(20)는 사용자 정보 수집 모듈(10)로부터 수집된, 문답 정보, 회원가입시 입력되는 사용자 정보, 웹브라우저 및 애플리케이션을 통해 입력되는 컨텐츠 정보, 액티비티 수집부(14)를 통해 입력되는 사용자 액티비티 또는 행태 정보를 수신하기 위한 고객 정보 수신부(21)를 포함하고, 이와 같이 수집된 정보는 각각의 분석부, 예를 들면 사용자 정보 분석부(22), 컨텐츠 정보 분석부(23), 문답정보 분석부(24), 및 사용자 액티비티 정보 분석부(25)를 포함하는 사용자 정보 분석부를 통해 분석되고, 분석된 정보는 사용자에 대한 여정 맵 생성부(26)에 의해 여정 맵(journey map)이 생성된다.3 is a diagram schematically showing an example of the customer
사용자 정보 분석부(22)는 수신되는 사용자의 취향, 선호도, 구매 행태, 행동 패턴에 대한 정보를 회원가입시 저장된 사용자 프로파일 정보를 이용하여 사용자 분석을 수행한다. 사용자 정보 분석부는 사용자의 성향을 하나 이상의 카테고리로 분류하여 저장할 수 있다. 사용자의 프로파일은 나이, 성별, 직업, 관심 등과 같은 인구통계학적 변수로 연결된다.The user information analysis unit 22 performs user analysis using the user profile information stored at the time of signing up for the user's preference, preference, purchase behavior, and behavior pattern. The user information analysis unit may classify and store a user's propensity into one or more categories. The user's profile is linked to demographic variables such as age, gender, occupation, and interests.
컨텐츠 정보 분석부(23)는 애플리케이션 또는 웹브라우저를 통해 사용자가 이용한 컨텐츠에 대한 정보를 분석하고 이를 나이, 성별, 직업, 관심 등과 같은 인구통계학적 변수를 포함하는 사용자 프로파일 정보와 연결되어 서로에 대한 상관도가 분석될 수 있다.The content information analysis unit 23 analyzes information on content used by a user through an application or a web browser, and connects it to user profile information including demographic variables such as age, gender, occupation, interest, and the like. Correlation can be analyzed.
문답정보 분석부(24)는 문답 분석을 통해서 얻어진 데이터의 분석을 수행한다. 각 개인의 답변은 데이터베이스(미도시)에서 분리되어 보관되고 분석된다. 예를 들면 문답정보 분석부는 정교한 패턴 인식 기술을 사용하여 서버에 업로도된 답변을 분석한다. The question-and-answer information analysis unit 24 analyzes data obtained through question-and-answer analysis. Each individual's responses are stored and analyzed separately in a database (not shown). For example, the question-and-answer information analysis unit analyzes the answers uploaded to the server using sophisticated pattern recognition technology.
개인으로부터의 답변을 분석하기 위해서 질문들에 대한 답변은 단계형 등급(graduatedscale) 형태를 가질 수 있다. 예를 들어, 질문에 대한 답변은 “지금보다 나쁜, 동일한, 지금보다 좋은”, “전혀, 중간, 높은 정도” 등과 같은 범위 형태를 가질 수 있다. 이와 같은 사용자의 답변은 파싱되고(parsed), 데이터베이스에 저장된다. 데이터베이스는 다른 개인들로부터의 얻어진 답변을 포함한다. In order to analyze the answers from the individual, the answers to the questions may take the form of a graduated scale. For example, an answer to a question may take the form of a range such as “bad now, same, better than now”, “not at all, moderate, high”, and the like. User responses like this are parsed and stored in a database. The database contains answers obtained from other individuals.
또한 문답정보 분석부는 사용자의 답변에 대한 통계적인 분석을 수행한다. 통계적인 분석은, 특히, 클러스터 분석이고, 더 상세하게는, 비선형, 다변수, 차원 감소일 수 있다. 또한 가능하게 사용될 수 있는 다른 형태의 클러스터 분석은 자기조직화 맵(self-organizing map) 알고리즘과 밀접하게 관련된 학습 벡터 양자화(LVQ), k-평균 및 강건한 k-평균, 계층적 클러스터링 형태, 중간점주변 분할(partitioning around medoids, PAM), 및 기대치 최대화(EM)를 포함한다.In addition, the question and answer information analysis unit performs statistical analysis on the user's answer. Statistical analysis is, in particular, cluster analysis, and more specifically, can be nonlinear, multivariate, dimensional reduction. Also, other forms of cluster analysis that could possibly be used include learning vector quantization (LVQ), k-means and robust k-means, hierarchical clustering, and midpoint around the self-organizing map algorithm. Partitioning around medoids (PAM), and maximizing expectations (EM).
사용자 액티비티 정보 분석부(25)는 전술한 바와 같이 시간대에 따라 수집되는 사용자의 행위 패턴을 분석한다. 사용자 액티비티 정보 분석부(25)는 수집된 자료들을 미리 정의된 액티비티 분석 메타데이터와 매칭하여 분석한다. 액티비티 분석된 정보는 사용자의 행동 패턴을 추출할 수 있다. 추출되는 정보로는 사용자 반응 정보를 포함하고, 반응 정보는 사용자의 로그인 정보, 사용자가 리뷰를 읽은 객체에 대한 정보, 사용자가 구매한 객체에 대한 정보, 사용자의 구매 횟수 정보, 객체마다 머문 시간 정보 또는 사용자가 입력한 게시물 내용 중 적어도 하나일 수 있다. 또한 이와 같은 액티비티 정보 분석의 대상이 되는 정보 제공 페이지는 특정 온라인 컨텐츠몰, 특정 포탈 사이트 등이 될 수 있다. 액티비티 분석에 따라 추출되는 행동 패턴은 사용자의 관심도, 구매력, 구매 성향, 주활동 시간, 구매 시간, 선호 브랜드 또는 선호 날씨 등을 포함하는 정보일 수 있다.As described above, the user activity
도 4는 여정 맵 생성부(26)에 의해 여정 맵의 일례를 나타내는 도면이다. 여정 맵 생성부(26) 전술한 바와 같은 정보 분석부(22~25)를 통해 분석된 정보에 기방하여 사용자들에 대한 이동 경로 또는 여정 맵을 생성한다. 4 is a diagram showing an example of a journey map by the journey map generator 26. Journey Map Generation Unit 26 Generates a travel path or a journey map for users by releasing information analyzed through the information analysis units 22 to 25 as described above.
도 4에 도시된 바와 같이 여정 맵은 개별 사용자들의 로그 데이터에 기반하여 사용자 전체에 대한 하나의 여정 맵을 형성하게 된다. 이와 같은 사용자 여정 맵은 사용자의 행위에 기반한 시작점으로부터 끝점까지의 일련의 과정을 정량적으로 분석하게 가능하게 해준다.As shown in FIG. 4, the itinerary map forms one itinerary map for the entire user based on log data of individual users. Such a user journey map makes it possible to quantitatively analyze a series of processes from the start point to the end point based on the user's behavior.
도 5는 여정 맵 생성시 동작 과정을 나타내는 흐름도이다. 도 5에 도시된 바와 같이 여정 맵의 생성은 정보 분석부로부터 분석된 정보(S100,S110)로부터 공통된 접점을 찾는 것으로부터 시작된다. 5 is a flowchart illustrating an operation process when creating a journey map. As shown in FIG. 5, generation of the journey map starts from finding a common contact point from the information S100 and S110 analyzed by the information analysis unit.
단계 S120에서와 같이 공토된 접점이란 예를 들면 도 4에 도시된 바와 같이 사용자가 물건을 구매할 때의 나타내는 행동 패턴, 예를 들면 고객의 유입 경로(소셜미디어, 추천, 포털검색), 여행사 검색, 항공사 검색, 포털 검색, 가격 비교, 구매, 온라인 결재, 현금 결재 등과 같은 일련의 행동 패턴 중 하나로 정의될 수 있다. As shown in step S120, the contact point that has been vacated is, for example, as shown in FIG. 4, a behavioral pattern when a user purchases an item, for example, a customer's inflow route (social media, recommendation, portal search), travel agency search, It can be defined as one of a set of behavioral patterns, such as airline search, portal search, price comparison, purchase, online payment, and cash payment.
단계 120에서 공통된 접점이 추출되면 이어진 단계 S130에서는 접점에서 다음 접점으로 연결되는 빈도수를 계산하게 된다. 이와 같은 빈도수는 고객이 어느 한 접점으로부터 다른 접점으로 이동하는 경로 중에 어느 경로가 가장 많이 이용되는지 여부를 알수 있게 해준다. When the common contact is extracted in step 120, in the subsequent step S130, the frequency from the contact to the next contact is calculated. This frequency allows the customer to know which route is used the most among the routes from one contact to another.
이와 같은 빈도수에 기반하여 단계 S140에서는 예를 들면 도 4에서 첫번째 접점 그룹 P1에서 두번째 접점 P2의 경우 여행사를 통해 가격 비교를 하는 빈도가 가장 높아 굵은 선으로 두개의 접점이 연결되는 것을 알 수 있다. 한편 이와 상대적으로 오픈마켓을 통한 가격 비교는 빈도가 낮아 상대적으로 얇은 선으로 서로 연결되고 있다.Based on this frequency, in step S140, for example, in the case of the first contact group P1 to the second contact P2 in FIG. 4, it can be seen that the two contacts are connected by a thick line with the highest frequency for price comparison through a travel agency. On the other hand, the price comparison through the open market is relatively infrequent and is connected to each other by relatively thin lines.
또한 이 단계 S150에서는 각각의 접접에서 대한 통계 데이터 정보를 제공할 수 있다. 여기서 데이터 정보는 고객의 수, 유형(기존,잠재,신규), 감정(부정,긍정), 만족도 등의 정보를 포함할 수 있다. 또한 이 단계 S150에서는 한 접점에서 다른 점접으로의 이동 시간을 분석하고 이를 표시하는 것을 허용한다.In addition, in this step S150, statistical data information for each contact may be provided. Here, the data information may include information such as the number of customers, type (existing, potential, new), emotion (negative, positive), and satisfaction. In addition, in this step S150, it is allowed to analyze and display the travel time from one contact point to another.
도 6은 전술한 바와 같이 여정 맵 생성부에서 생성되는 고객의 여정 맵을 단순화하여 나타낸 도면이다. 도 6에서 a1은 고객 정보 분석을 통해 추출되는 시작점을 나타내고 c1은 기업고객이 원하는 목표점이 될 수 있다. 6 is a simplified view of a customer's itinerary map generated by the itinerary map generator as described above. In FIG. 6, a1 denotes a starting point extracted through analysis of customer information, and c1 denotes a target point desired by a corporate customer.
고객이 시작점 a1에서 목표점 c1까지 가는 여정 중에 복수의 중간 접점 b1, b2, b3가 존재하고, 따라서 고객은 a1-b1-c1의 제1 경로, a1-b2-c1의 제2 경로, a1-b3-c1의 제3 경로를 통해 목표점에 도달할 수 있게 된다.During the journey from the starting point a1 to the target point c1, a plurality of intermediate contacts b1, b2, and b3 exist, so that the customer has a first path of a1-b1-c1, a second path of a1-b2-c1, a1-b3 The target point can be reached through the third path of -c1.
시작점 a1에서 중간 점점 B(b1,b2,b3)로의 경로 이동에서 a1-b1를 통한 경로이동이 50%로서 다른 경로에 비해 빈도가 높기 때문에 가장 굵은 선으로 표시되고, 다음으로는 a1-b2를 통한 경로 이동이 30%로서 다음의 굵은 선으로, a1-b3로의 경로 이동이 20%로서 가장 낮은 빈도를 나타내어 가장 얇은 선으로 표시되고 있다. From the starting point a1 to the middle and gradually moving to B (b1, b2, b3), the path movement through a1-b1 is 50%, which is more frequent than other paths, so it is indicated by the thickest line, and then a1-b2 The path movement through is 30%, the next thick line, and the path movement to a1-b3 is the lowest frequency, which is the thinnest line.
a1-b1-c1을 통한 제1 경로에서는 100%의 성공율을 가지고 목표점 C1에 도달되고 있는 반면 a1-b2-c1를 통한 제2 경로에서는 83%의 성공율을 가지고 있음을 알 수 있다. 반면 a1-b3-c1를 통한 제3 경로에서는 20% 중 2%, 즉 10%의 성공률을 가지고 있으며 나머지 90%는 실패를 경험하고 있음을 알 수 있다.It can be seen that the first route through a1-b1-c1 reaches the target point C1 with a success rate of 100%, while the second route through a1-b2-c1 has a 83% success rate. On the other hand, it can be seen that the third route through a1-b3-c1 has a success rate of 2% out of 20%, that is, 10%, and the remaining 90% experience failure.
고객 정보 분석 서버(20)에서 도출되는 고객들에 대한 분석 정보와, 고객 여정 맵 생성부에서 생성된 고객 여정 맵은 마케팅 서버들에 공유되고, 마케팅 서버들은 이들에 기반하여 마케팅 효율을 극대화할 수 있게 된다.The analysis information for customers derived from the customer
[표 1][Table 1]
표 1은 전술한 바와 같이 분석된 정보에 기반한 마케팅 자동화 방법을 나타내는 도면이다. 마케팅 서버(30)는 분석된 데이터에 기반하여, 자사의 마케팅 물건, 제품, 주요대상 타겟 등에 맞춰 마케팅을 진행할 수 있다. Table 1 is a view showing a marketing automation method based on the analyzed information as described above. Based on the analyzed data, the
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The device described above may be implemented with hardware components, software components, and / or combinations of hardware components and software components. For example, the devices and components described in the embodiments include, for example, processors, controllers, arithmetic logic units (ALUs), digital signal processors (micro signal processors), microcomputers, field programmable gate arrays (FPGAs). , A programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions, may be implemented using one or more general purpose computers or special purpose computers. The processing device may run an operating system (OS) and one or more software applications running on the operating system. In addition, the processing device may access, store, manipulate, process, and generate data in response to the execution of the software. For convenience of understanding, a processing device may be described as one being used, but a person having ordinary skill in the art, the processing device may include a plurality of processing elements and / or a plurality of types of processing elements. It can be seen that may include. For example, the processing device may include a plurality of processors or a processor and a controller. In addition, other processing configurations, such as parallel processors, are possible.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively)처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instruction, or a combination of one or more of these, and configure the processing device to operate as desired, or process independently or collectively You can command the device. Software and / or data may be interpreted by a processing device, or to provide instructions or data to a processing device, of any type of machine, component, physical device, virtual equipment, computer storage medium or device. Can be embodied in The software may be distributed on networked computer systems, and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer readable medium. The computer-readable medium may include program instructions, data files, data structures, or the like alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiments or may be known and usable by those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs, DVDs, and magnetic media such as floptical disks. -Hardware devices specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include high-level language code that can be executed by a computer using an interpreter, etc., as well as machine language codes produced by a compiler.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described by a limited embodiment and drawings, those skilled in the art can make various modifications and variations from the above description. For example, the described techniques are performed in a different order than the described method, and / or the components of the described system, structure, device, circuit, etc. are combined or combined in a different form from the described method, or other components Alternatively, even if replaced or substituted by equivalents, appropriate results can be achieved.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속하는 것으로 해석되어야만 한다.Therefore, other implementations, other embodiments, and equivalents to the claims should also be construed as falling within the scope of the claims below.
10: 고객 정보 수집 모듈 20: 고객 정보 분석 서버
30: 마케팅 서버 11: 문답정보 수집부
12: 웹브라우저 정보 수집부
13: 애플리케이션 정보 수집부
14: 사용자 액티비티 수집부
21: 고객정보 수진부
22: 사용자 정보 분석부
23: 컨텐츠 정보 분석부
24: 문단정보 분석부
25: 사용자액티비티 정보 분석부
26: 사용자 여정 맵 생성부10: customer information collection module 20: customer information analysis server
30: Marketing server 11: Q & A information collection unit
12: Web browser information collection department
13: application information collection unit
14: User activity collection
21: Customer Information Department
22: user information analysis unit
23: content information analysis department
24: Paragraph information analysis department
25: User activity information analysis unit
26: user journey map generator
Claims (10)
고객 정보를 수집하기 위한 고객 정보 수집 모듈; 고객 정보 수집 모듈로부터 수집된 고객 정보를 분석하기 위한 고객 정보 분석 서버; 및 고객 정보 분석 서버로 부터 분석된 정보를 이용하기 위한 마케팅 서버를 포함하고,
고객 정보 수집 모듈은 고객의 단말기에 설치되어 사용자로부터의 문답 정보, 웹브라우저로부터의 수집되는 웹브라우저 정보, 고객의 애플리케이션으로부터 수집되는 컨텐츠 정보, 및 고객의 단말을 통해 이루어지는 행위 패턴 정보를 포함하고,
고객 정보 분석 서버는 수집된 고객 정보에 기반하여 고객 여정 맵을 생성하도록 구성되고,
상기 고객 정보 수집 모듈은, 문답 정보를 통해 고객의 일상 생활과 연관된 라이프로그 데이터(lifelog data)를 수집하고, 라이프로그 데이터는 고객의 기호, 성향, 관심사, 취미, 건강, 재무, 소비형태를 포함하고, 문답 정보를 제공한 고객에 대해 고객의 참여도에 따라 보상이 주어지도록 구성되고,
상기 웹브라우저로부터 수집되는 정보는 사용자가 입력한 키워드 정보, 사용자가 접속하는 포털 정보, 사용자가 접속하는 사이트 정보를 포함하고, 애플리케이션으로부터 수집되는 정보는 사용자가 실행한 애플리케이션 정보, 사용자가 애플리케이션을 통해 구매한 물품 정보, 사용자가 애플리케이션을 통해 실행한 컨텐츠 정보를 포함하고,
상기 고객 정보 분석 서버는 사용자의 취향, 선호도, 구매 행태, 행동 패턴에 대한 정보를 회원가입시 저장된 사용자 프로파일 정보를 이용하여 사용자 분석을 수행하는 사용자 정보 분석부를 포함하고, 사용자 정보 분석부는 사용자의 성향을 하나 이상의 카테고리로 분류하여 저장하고, 사용자의 프로파일은 나이, 성별, 직업, 관심사를 포함하는 인구통계학적 변수로 구성되며,
사용자 여정 맵은 네트워크 상에서의 사용자의 행위에 기반한 시작점과 끝점, 시작점과 끝점 사이에 존재하는 복수의 접점을 포함하고, 사용자 여정 맵은 시작점과 복수의 접점 사이, 복수의 접점과 끝점사이를 사용자 빈도에 기반한 선분으로 연결되고, 빈도가 많을 수록 굵은 선분으로 표시되고 빈도가 적을 수록 얇은 선분으로 표시되며,
상기 접점은 사용자의 행동 패턴을 포함하고, 상기 행동 패턴은 고객의 유입 경로, 여행사 검색, 항공사 검색, 포털 검색, 가격 비교, 구매, 온라인 결재, 현금 결재 중 하나 이상을 포함하고,
사용자 여정 맵 내의 각각의 접점에는 접점에 대한 통계 데이터가 제공되고, 통계 데이터는 고객의 수; 기존 고객, 잠재 고객, 신규 고객을 포함하는 고객의 유형; 긍정적 감정 및 부정적 감정을 포함하는 감정의 유형; 고객의 만족도; 하나의 접점에서 다른 점접으로의 이동 시간를 포함하는 것을 특징으로 하는
고객의 여정 분석 정보에 기반한 인공지능 마케팅 시스템.
In the artificial intelligence marketing system based on customer journey analysis information,
A customer information collection module for collecting customer information; A customer information analysis server for analyzing customer information collected from the customer information collection module; And a marketing server for using the analyzed information from the customer information analysis server,
The customer information collection module is installed on the customer's terminal and includes question and answer information from the user, web browser information collected from the web browser, content information collected from the customer's application, and behavior pattern information made through the customer's terminal,
The customer information analysis server is configured to generate a customer journey map based on the collected customer information,
The customer information collection module collects lifelog data related to a customer's daily life through question-and-answer information, and the lifelog data includes customer preferences, preferences, interests, hobbies, health, finance, and consumption patterns And, it is configured to be rewarded according to the customer's participation in the customer who provided the question and answer information,
The information collected from the web browser includes keyword information input by the user, portal information accessed by the user, and site information accessed by the user. Information collected from the application includes application information executed by the user and the user through the application. Contains purchased product information, content information executed by the user through the application,
The customer information analysis server includes a user information analysis unit that performs user analysis using user profile information stored at the time of signing up for user preferences, preferences, purchase behaviors, and behavior patterns, and the user information analysis unit determines user preferences. It is classified and stored into one or more categories, and the user's profile consists of demographic variables including age, gender, occupation, and interests.
The user journey map includes a plurality of points of contact between the starting point and the end point, the starting point and the end point based on the user's behavior on the network, and the user routing map is a user frequency between the starting point and the plurality of points of contact, and between the plurality of points of contact and the points of end. It is connected as a segment based on, the more frequent it is displayed as a thicker segment, and the less frequent it is displayed as a thinner segment,
The contact includes a user's behavior pattern, and the behavior pattern includes one or more of a customer's funnel, travel agency search, airline search, portal search, price comparison, purchase, online payment, cash payment,
Each contact in the user journey map is provided with statistical data for the contact, the statistical data being the number of customers; Types of customers, including existing customers, prospects, and new customers; Types of emotions, including positive and negative emotions; Customer satisfaction; Characterized in that it comprises a travel time from one contact point to another.
Artificial intelligence marketing system based on customer journey analysis information.
상기 고객 정보 분석 서버는 컨텐츠 정보 분석부를 더 포함하고, 컨텐츠 정보 분석부는 애플리케이션 또는 웹브라우저를 통해 사용자가 이용한 컨텐츠에 대한 정보를 분석하고 이를 나이, 성별, 직업, 관심 등과 같은 인구통계학적 변수를 포함하는 사용자 프로파일 정보를 이용하여 분석되는 것을 특징으로 하는
고객의 여정 분석 정보에 기반한 인공지능 마케팅 시스템.
According to claim 1,
The customer information analysis server further includes a content information analysis unit, and the content information analysis unit analyzes information on content used by a user through an application or a web browser and includes demographic variables such as age, gender, occupation, and interest. Characterized in that using the user profile information to be analyzed
Artificial intelligence marketing system based on customer journey analysis information.
고객 정보 수집 모듈은 사용자 액티비티 수집부를 더 포함하고, 사용자 액티비티 수집부는 시간대에 따른 사용자의 행위 패턴을 수집하도록 기능하고, 사용자 행위 패턴은 사용자가 웹이나 네트워크 상에서 이동한 경로를 포함하는 정보인 것을 특징으로 하는
고객의 여정 분석 정보에 기반한 인공지능 마케팅 시스템.
According to claim 1,
The customer information collection module further includes a user activity collection unit, the user activity collection unit functions to collect a user's behavior pattern over time, and the user behavior pattern is information including a path that the user has traveled on the web or network. To do
Artificial intelligence marketing system based on customer journey analysis information.
고객 정보 분석 서버는 사용자 액티비티 정보 분석부를 더 포함하고,
사용자 액티비티 정보 분석부는 사용자 반응 정보를 포함하고, 사용자 반응 정보는 사용자의 로그인 정보, 사용자가 리뷰를 읽은 객체에 대한 정보, 사용자가 구매한 객체에 대한 정보, 사용자의 구매 횟수 정보, 객체마다 머문 시간 정보 또는 사용자가 입력한 게시물 내용 중 적어도 하나를 포함하는 것을 특징으로 하는
고객의 여정 분석 정보에 기반한 인공지능 마케팅 시스템.
The method of claim 6,
The customer information analysis server further includes a user activity information analysis unit,
The user activity information analysis unit includes user response information, and the user response information includes user login information, information about an object that a user has read reviews, information about an object purchased by a user, information about a user's purchase number, and time spent per object Characterized in that it comprises at least one of the information or post content entered by the user
Artificial intelligence marketing system based on customer journey analysis information.
상기 액티비티 정보 분석부의 대상이 되는 정보 제공 페이지는 특정 온라인 컨텐츠몰, 특정 포탈 사이트를 포함하고, 액티비티 분석에 따라 추출되는 행동 패턴은 사용자의 관심도, 구매력, 구매 성향, 주활동 시간, 구매 시간, 선호 브랜드 또는 선호 날씨 중 하나 이상을 포함하는 것을 특징으로 하는
고객의 여정 분석 정보에 기반한 인공지능 마케팅 시스템.
The method of claim 7,
The information provision page that is the target of the activity information analysis unit includes a specific online content mall and a specific portal site, and the behavior pattern extracted according to the activity analysis includes user interest, purchasing power, purchasing propensity, main activity time, purchase time, preference Characterized by including one or more of a brand or preferred weather
Artificial intelligence marketing system based on customer journey analysis information.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190175694A KR102091986B1 (en) | 2019-12-26 | 2019-12-26 | Ai marketting system based on customer journey analytics |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190175694A KR102091986B1 (en) | 2019-12-26 | 2019-12-26 | Ai marketting system based on customer journey analytics |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102091986B1 true KR102091986B1 (en) | 2020-03-20 |
Family
ID=69958114
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190175694A KR102091986B1 (en) | 2019-12-26 | 2019-12-26 | Ai marketting system based on customer journey analytics |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102091986B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220167481A (en) * | 2021-06-14 | 2022-12-21 | 주식회사 하비우드 | System for providing customer quality assurance service |
| KR102596220B1 (en) * | 2023-05-04 | 2023-10-31 | (주)알트온 | Lighting control platform system through user taste and environmental pattern analysis |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090031772A (en) * | 2006-07-12 | 2009-03-27 | 아비트론 인코포레이티드 | Monitoring usage of a portable user appliance |
| KR101003045B1 (en) * | 2009-06-29 | 2010-12-22 | 주식회사 모임 | Apparatus and method for presenting personalized advertisements information based on artificial intelligence, and recording medium thereof |
| KR101026544B1 (en) * | 2009-05-14 | 2011-04-01 | 주식회사 모임 | Method and Apparatus for ranking analysis based on artificial intelligence, and Recording medium thereof |
| KR20120028885A (en) * | 2009-05-08 | 2012-03-23 | 조켐 오와이 | System and method for behavioural and contextual data analytics |
| KR20170130604A (en) * | 2015-03-31 | 2017-11-28 | 가부시키가이샤 프론테오 | Data analysis system, data analysis method, data analysis program, and recording medium |
| KR20180048524A (en) * | 2018-04-27 | 2018-05-10 | 이징호 | System for Life Scoring |
-
2019
- 2019-12-26 KR KR1020190175694A patent/KR102091986B1/en active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090031772A (en) * | 2006-07-12 | 2009-03-27 | 아비트론 인코포레이티드 | Monitoring usage of a portable user appliance |
| KR20120028885A (en) * | 2009-05-08 | 2012-03-23 | 조켐 오와이 | System and method for behavioural and contextual data analytics |
| KR101026544B1 (en) * | 2009-05-14 | 2011-04-01 | 주식회사 모임 | Method and Apparatus for ranking analysis based on artificial intelligence, and Recording medium thereof |
| KR101003045B1 (en) * | 2009-06-29 | 2010-12-22 | 주식회사 모임 | Apparatus and method for presenting personalized advertisements information based on artificial intelligence, and recording medium thereof |
| KR20170130604A (en) * | 2015-03-31 | 2017-11-28 | 가부시키가이샤 프론테오 | Data analysis system, data analysis method, data analysis program, and recording medium |
| KR20180048524A (en) * | 2018-04-27 | 2018-05-10 | 이징호 | System for Life Scoring |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220167481A (en) * | 2021-06-14 | 2022-12-21 | 주식회사 하비우드 | System for providing customer quality assurance service |
| KR102617179B1 (en) * | 2021-06-14 | 2023-12-27 | 주식회사 하비우드 | System for providing customer quality assurance service |
| KR102596220B1 (en) * | 2023-05-04 | 2023-10-31 | (주)알트온 | Lighting control platform system through user taste and environmental pattern analysis |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ahani et al. | Market segmentation and travel choice prediction in Spa hotels through TripAdvisor’s online reviews | |
| Moro et al. | Can we trace back hotel online reviews’ characteristics using gamification features? | |
| Chen et al. | Early detection prediction of learning outcomes in online short-courses via learning behaviors | |
| Pham et al. | Selection of K in K-means clustering | |
| Al-Otaibi et al. | Customer satisfaction measurement using sentiment analysis | |
| KR102091529B1 (en) | Method and apparatus for training AI model using user's time series behavior data | |
| KR20210036184A (en) | Item recommendation module based on user taste information and method for identifying user taste information | |
| D′ Aniello et al. | A new DSS based on situation awareness for smart commerce environments | |
| US20210241310A1 (en) | Intelligent advertisement campaign effectiveness and impact evaluation | |
| Nguyen et al. | Kernel-based features for predicting population health indices from geocoded social media data | |
| KR102091986B1 (en) | Ai marketting system based on customer journey analytics | |
| Dhillon et al. | Modeling dynamic user interests: A neural matrix factorization approach | |
| KR20210148574A (en) | Systems and methods for analyzing the public data of SNS user channel and providing influence report | |
| Xie et al. | A behavioral sequence analyzing framework for grouping students in an e-learning system | |
| KR20200065793A (en) | Method, apparatus and computer-readable medium for curation service of book | |
| KR20220091948A (en) | Apparatus and Method For Providing Recommendation Service Through Social Media Activity Analysis | |
| Cao et al. | Big data in marketing & retailing | |
| Singh et al. | Big data and behavior analytics in marketing | |
| JP2022531410A (en) | Digital anthropology and ethnographic system | |
| Weber et al. | Prospect for knowledge in survey data: an artificial neural network sensitivity analysis | |
| Jia et al. | Physiognomy in new era: A survey of automatic personality prediction based on facial image | |
| Qi et al. | User value identification based on an improved consumer value segmentation algorithm | |
| CN113886697A (en) | Clustering algorithm based activity recommendation method, device, equipment and storage medium | |
| Chashmi et al. | Predicting customer turnover using recursive neural networks | |
| Soni et al. | Big data analytics for market prediction via consumer insight |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |