KR102518379B1 - Demand-customized forecasting method and system through purchasing pattern analysis - Google Patents

Demand-customized forecasting method and system through purchasing pattern analysis Download PDF

Info

Publication number
KR102518379B1
KR102518379B1 KR1020220108881A KR20220108881A KR102518379B1 KR 102518379 B1 KR102518379 B1 KR 102518379B1 KR 1020220108881 A KR1020220108881 A KR 1020220108881A KR 20220108881 A KR20220108881 A KR 20220108881A KR 102518379 B1 KR102518379 B1 KR 102518379B1
Authority
KR
South Korea
Prior art keywords
product
purchase
search
consumption
address
Prior art date
Application number
KR1020220108881A
Other languages
Korean (ko)
Inventor
이기훈
Original Assignee
주식회사 그루핑
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 그루핑 filed Critical 주식회사 그루핑
Priority to KR1020220108881A priority Critical patent/KR102518379B1/en
Application granted granted Critical
Publication of KR102518379B1 publication Critical patent/KR102518379B1/en

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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The present invention relates to a method and system for improving products that are highly likely to be needed by a user in advance based on an analysis result of purchasing patterns of consumers. The method and system for supply according to demand prediction may accumulate and analyze purchasing patterns of consumers to predict a purchase time of a consumer online or offline after analyzing a consumption pattern from must-have daily necessities to commodities required for various lifestyles and then recommend and provide a product in advance. The method comprises: a step of collecting and analyzing search data and the amount of consumption of a product for each address; a step of analyzing a purchasing pattern for each address according to the search data and the amount of consumption; a step of supplying the product to each address in which it is determined that purchasing is required according to the purchasing pattern; a step of collecting the product that is not received; and a step of updating the purchasing pattern for each address of the product that is not received.

Description

구매 패턴 분석을 통한 수요 맞춤형 예측 방법 및 시스템{DEMAND-CUSTOMIZED FORECASTING METHOD AND SYSTEM THROUGH PURCHASING PATTERN ANALYSIS}Demand-customized forecasting method and system through purchase pattern analysis

본 발명은 소비자들의 구매 패턴 분석 결과에 기반해 사용자가 필요로 할 가능성이 높은 상품들을 미리 제고하는 방법 및 시스템에 관한 것으로, 소비자들의 구매패턴을 누적하고 분석하여, 꼭 필요한 필수 생활용품부터 다양한 라이프 스타일에 필요한 소모품의 소비패턴을 분석 후 소비자가 온라인 또는 오프라인으로 구매시기가 임박한 시점을 예측하여 미리 제품을 추천하고, 미리 제공할 수 있는 수요예측에 따른 공급을 하기 위한 방법 및 시스템에 관한 것이다.The present invention relates to a method and system for pre-stocking products that are likely to be needed by a user based on the results of analyzing consumers' purchasing patterns, and by accumulating and analyzing consumers' purchasing patterns, After analyzing the consumption pattern of consumables necessary for style, it relates to a method and system for supplying according to demand prediction that can recommend products in advance by predicting when consumers are about to purchase online or offline, and provide them in advance.

인터넷 쇼핑이 대중화된지 오래고 최근 몇 년간 코로나 바이러스로 인한 사회적 변화로 인해 비대면으로 모든 것이 진행되는 것이 익숙해 지면서 장을 보는 것도 비대면으로 진행되고, 배송업체를 통해 빠르게 배송하는 것이 익숙한 일이 되었다.Internet shopping has been popular for a long time, and in recent years, due to the social changes caused by the corona virus, as we have become accustomed to everything being conducted non-face-to-face, shopping is also conducted non-face-to-face, and fast delivery through delivery companies has become a familiar thing.

이러한 상황에서 오래전부터 사람의 경험으로 판매를 예상하여 제품을 생산하고 유통하였다. 효과적으로 유통이 된 사례도 있지만 불필요하게 재고를 가지고 있거나, 부족해서 판매를 못해 소비자에게 부득이하게 불편함을 준 사레도 많이 있었다.In this situation, products have been produced and distributed in anticipation of sales based on human experience for a long time. There are cases where products have been effectively distributed, but there have been many cases where products have been unnecessarily in stock or cannot be sold due to lack of products, which inevitably caused inconvenience to consumers.

따라서, 사람들의 머릿속에 있는 그 경험과 직감을 데이터로 누적 및 분석하고 여러 환경적 요소를 결합해 선순환 구조의 유통될 수 있는 기술력이 필요한 실정이다.Therefore, there is a need for technology that can accumulate and analyze the experience and intuition in people's heads as data, and combine various environmental factors to circulate in a virtuous cycle structure.

또한, 대한민국 공개특허 제10-2022-0034521호를 참조하면 사용자의 관심도를 파악해 제품을 추천하는 등의 기술이 이미 나와 있으나, 마케팅 전략 수립의 기반이 되는 수요 예측의 중요성에 대한 인식 수준이 높아져 가고 있고 많은 기입이 객관적으로 논리적인 예측 기술력을 확보하는 것이 시장에서 가장 중요한 경쟁으로 판단하고 있다. 따라서, 사용자의 니즈를 더 정확하게 반영하여 광고를 노출시킬 수 있는 방법이나 시스템이 필요한 실정이고다.In addition, referring to Korean Patent Publication No. 10-2022-0034521, there is already a technology such as identifying a user's interest and recommending a product, but the level of awareness of the importance of forecasting demand, which is the basis for marketing strategy establishment, is increasing There are many entries, and securing objectively logical forecasting technology is considered the most important competition in the market. Therefore, there is a need for a method or system capable of exposing advertisements by more accurately reflecting the user's needs.

따라서, 본 발명은 상기한 바와 같은 문제점을 해결하기 위한 것으로서, 불필요한 제품 생산 또는 매입을 줄여 원가절감을 할 수 있을 분 아니라. 지역별 여러 가지 환경과 인구수 소비패턴에 따라 적절한 상품을 분배하여 유통의 선순환 구조를 형성하고자 한다.Therefore, the present invention is intended to solve the above problems, as well as cost reduction by reducing the production or purchase of unnecessary products. We intend to form a virtuous cycle of distribution by distributing appropriate products according to various regional environments and population consumption patterns.

또한, 지역 그리고 가구 인원수에 따라 생필품의 소비를 분석 및 예측할 수 있기에 선호 아이템에 대해 전진 배치가 가능하고, 제품생산, 유통업종, 물류 대행사, 화물운송업종, 로컬판매자, 소비자 등 모든 업종에 적용하고자 한다.In addition, since the consumption of daily necessities can be analyzed and predicted according to the region and the number of household members, it is possible to forward placement of preferred items, and to apply to all industries such as product production, distribution industry, logistics agency, freight transportation industry, local seller, and consumer. do.

본 발명은 상기와 같은 과제를 해결하기 위하여 본 발명의 일 실시 예에 따른 구매 패턴 분석을 통한 수요 맞춤형 예측 방법은 제품의 주소지별 소비량 및 검색 데이터를 수집 및 분석하는 단계; 상기 소비량 및 검색 데이터에 따른 주소지별 구매 패턴을 분석하는 단계; 상기 구매 패턴에 따라 구매 필요성이 있다고 판단된 각 주소지에 상기 제품을 공급하는 단계; 미수령된 상기 제품을 회수하는 단계; 및 미수령된 상기 제품의 상기 주소지별 구매 패턴을 업데이트하는 단계;를 포함할 수 있다.In order to solve the above problems, the present invention provides a customized demand prediction method through purchase pattern analysis according to an embodiment of the present invention, which includes the steps of collecting and analyzing consumption and search data for each address of a product; analyzing a purchase pattern for each address according to the amount of consumption and the search data; supplying the product to each address where it is determined that there is a need for purchase according to the purchase pattern; recovering the unreceived product; and updating a purchase pattern for each address of the unreceived product.

본 발명의 일 실시 예에 따르면, 상기 소비량은 제품명, 용량, 수량, 구매 빈도에 기반해 분석될 수 있다. According to an embodiment of the present invention, the amount of consumption may be analyzed based on product name, capacity, quantity, and purchase frequency.

본 발명의 일 실시 예에 따르면, 상기 구매 패턴 분석 단계는 하기 수학식 1을 연산해 도출되는 점수에 기반해 공급 필요도를 결정할 수 있다.According to an embodiment of the present invention, in the purchasing pattern analysis step, the degree of need for supply may be determined based on a score derived by calculating Equation 1 below.

[수학식 1][Equation 1]

Figure 112022090888573-pat00001
Figure 112022090888573-pat00001

(여기서,

Figure 112022090888573-pat00002
는 검색 빈도 점수,
Figure 112022090888573-pat00003
는 쇼핑 페이지 점수,
Figure 112022090888573-pat00004
는 소비량에 따른 가중치다.)(here,
Figure 112022090888573-pat00002
is the search frequency score,
Figure 112022090888573-pat00003
is the shopping page score,
Figure 112022090888573-pat00004
is a weighted value according to consumption.)

본 발명의 일 실시 예에 따르면, 상기 구매 패턴 분석 단계는 상기

Figure 112022090888573-pat00005
는 구매 발생 여부, 소비량에 기반해 결정될 수 있다. According to an embodiment of the present invention, the purchasing pattern analysis step
Figure 112022090888573-pat00005
may be determined based on whether a purchase occurs or not and the amount of consumption.

본 발명의 일 실시 예에 따르면, 상기 제품 공급 단계는 복수의 상기 제품의 공급일을 판단하는 단계; 복수의 상기 제품의 공급일의 차이가 기준 값 이하인 제품들의 공급일를 통일할 수 있다.According to an embodiment of the present invention, the product supply step includes determining a supply date of a plurality of the products; The supply days of the products having a difference between the supply days of the plurality of products equal to or less than the reference value may be unified.

본 발명에서는 다음과 같은 효과를 발휘한다.In the present invention, the following effects are exhibited.

즉, 불필요한 제품 생산 또는 매입을 줄여 원가절감을 할 수 있을 분 아니라. 지역별 여러 가지 환경과 인구수 소비패턴에 따라 적절한 상품을 분배하여 유통의 선순환 구조를 형성할 수 있다.In other words, it is not only those who can reduce costs by reducing the production or purchase of unnecessary products. A virtuous cycle of distribution can be formed by distributing appropriate products according to various regional environments and population consumption patterns.

지역 그리고 가구 인원수에 따라 생필품의 소비를 분석 및 예측할 수 있기에 선호 아이템에 대해 전진 배치가 가능하고, 제품생산, 유통업종, 물류 대행사, 화물운송업종, 로컬판매자, 소비자 등 모든 업종에 적용할 수 있다.Since the consumption of daily necessities can be analyzed and predicted according to the region and the number of people in the household, forward placement of preferred items is possible, and it can be applied to all industries such as product production, distribution industry, logistics agency, freight transportation industry, local seller, and consumer. .

한편, 본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.On the other hand, the effects of the present invention are not limited to the effects mentioned above, and various effects may be included within a range apparent to those skilled in the art from the contents to be described below.

도 1은 본 발명의 일 실시 예에 따른 소비량 분석의 일 예시이다.
도 2는 본 발명의 일 실시 예에 따른 구매 패턴 분석을 통한 수요 맞춤형 예측 시스템의 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 구매 패턴 분석을 통한 수요 맞춤형 예측 방법의 흐름도이다. 1 is an example of consumption analysis according to an embodiment of the present invention.
2 is a block diagram of a demand customized prediction system through purchase pattern analysis according to an embodiment of the present invention.
3 is a flowchart of a customized demand prediction method through purchase pattern analysis according to an embodiment of the present invention.

이하, 첨부된 도면들을 참조하여 본 발명에 따른 '구매 패턴 분석을 통한 수요 맞춤형 예측 방법 및 시스템'을 상세하게 설명한다. 설명하는 실시 예들은 본 발명의 기술사상을 당업자가 용이하게 이해할 수 있도록 제공되는 것으로 이에 의해 본 발명이 한정되지 않는다. 또한, 첨부된 도면에 표현된 사항들은 본 발명의 실시 예들을 쉽게 설명하기 위해 도식화된 도면으로 실제로 구현되는 형태와 상이할 수 있다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, a 'demand customized prediction method and system through purchase pattern analysis' according to the present invention will be described in detail with reference to the accompanying drawings. The described embodiments are provided so that those skilled in the art can easily understand the technical idea of the present invention, and the present invention is not limited thereby. In addition, matters represented in the accompanying drawings may be different from those actually implemented in the drawings schematically illustrated to easily explain the embodiments of the present invention.

한편, 이하에서 표현되는 각구성부는 본 발명을 구현하기 위한 예일뿐이다. 따라서, 본 발명의 다른 구현에서는 본 발명의 사상 및 범위를 벗어나지 않는 범위에서 다른 구성부가 사용될 수 있다.On the other hand, each component expressed below is only an example for implementing the present invention. Accordingly, other components may be used in other implementations of the present invention without departing from the spirit and scope of the present invention.

또한, 각구성부는 순전히 하드웨어 또는 소프트웨어의 구성만으로 구현될 수도 있지만, 동일 기능을 수행하는 다양한 하드웨어 및 소프트웨어 구성들의 조합으로 구현될 수도 있다. 또한, 하나의 하드웨어 또는 소프트웨어에 의해 둘 이상의 구성부들이 함께 구현될 수도 있다.In addition, each component may be implemented purely with hardware or software configurations, but may also be implemented with a combination of various hardware and software configurations that perform the same function. In addition, two or more components may be implemented together by a single piece of hardware or software.

또한, 어떤 구성요소들을 '포함'한다는 표현은, '개방형'의 표현으로서 해당구성요소들이 존재하는 것을 단순히 지칭할 뿐이며, 추가적인 구성요소들을 배제하는 것으로 이해되어서는 안된다.In addition, the expression 'including' certain components simply refers to the existence of the corresponding components as an expression of 'open type', and should not be understood as excluding additional components.

도 1은 본 발명의 일 실시 예에 따른 소비량 분석의 일 예시이고, 도 2는 본 발명의 일 실시 예에 따른 구매 패턴 분석을 통한 수요 맞춤형 예측 시스템의 블록도이고, 도 3은 본 발명의 일 실시 예에 따른 구매 패턴 분석을 통한 수요 맞춤형 예측 방법의 흐름도이다.Figure 1 is an example of consumption analysis according to an embodiment of the present invention, Figure 2 is a block diagram of a demand customized prediction system through purchase pattern analysis according to an embodiment of the present invention, Figure 3 is an example of the present invention It is a flow chart of a demand customized prediction method through purchase pattern analysis according to an embodiment.

도 1 내지 도 3을 참조하면, 본 발명의 일 실시 예에 따른 구매 패턴 분석을 통한 수요 맞춤형 예측 시스템은 정보수집부(100), 구매패턴분석부(200) 및 공급관리부(300)를 포함할 수 있다. Referring to FIGS. 1 to 3 , the demand customized prediction system through purchase pattern analysis according to an embodiment of the present invention may include an information collection unit 100, a purchase pattern analysis unit 200 and a supply management unit 300. can

상기 정보수집부(100)는 제품의 전국 판매량을 누적 및 분석할 수 있다. 상기 정보수집부(100)는 제품의 지역별 판매량을 수집 및 분석할 수 있다. 상기 정보수집부(100)는 상기 지역별 판매량에서 상기 제품의 주소지별 판매량을 수집 및 분석할 수 있다. The information collection unit 100 may accumulate and analyze the national sales volume of products. The information collection unit 100 may collect and analyze sales volume of products by region. The information collection unit 100 may collect and analyze the sales volume by address of the product from the sales volume by region.

상기 정보수집부(100)는 상기 제품의 주소지별 소비량 및 검색 데이터를 수집 및 분석할 수 있다.The information collection unit 100 may collect and analyze consumption amount and search data for each address of the product.

상기 소비량은 제품명, 용량, 수량, 구매 빈도에 기반해 분석될 수 있다.The consumption may be analyzed based on product name, capacity, quantity, and purchase frequency.

상기 정보수집부(100)는 주소지의 단말에서 검색 데이터를 수집할 수 있다. 상기 주소지 단말은 PC, 스마트폰, PDA, 태블릿 PC 등의 인터넷을 활용할 수 있는 모든 기기를 포함할 수 있다. 상기 정보수집부(100)는 상기 주소지의 단말에서 인터넷, 크롬, 네이버, 돌핀 브라우저 등의 검색 어플리케이션에서 사용자가 검색하는 데이터를 상기 검색 데이터로 수집할 수 있다. 상기 정보수집부(100)는 상기 사용자의 문자 메시지, 카카오톡 등의 어플리케이션에서 구매 이력에 대한 문자를 확인하고 상기 검색 데이터로 수집할 수 있다. 상기 정보수집부(100)는 상기 주소지의 단말에서 검색 서비스를 이용해서 검색되는 검색 결과 및 이후 접속하는 페이지에 포함된 텍스트들을 상기 검색 데이터로 수집할 수 있다. The information collection unit 100 may collect search data from a terminal at an address. The address terminal may include all devices capable of utilizing the Internet, such as PCs, smart phones, PDAs, and tablet PCs. The information collection unit 100 may collect, as the search data, data searched by a user in a search application such as the Internet, Chrome, Naver, and Dolphin browser in the terminal at the address. The information collection unit 100 may check the user's text messages and purchase history texts from applications such as KakaoTalk and collect them as the search data. The information collection unit 100 may collect, as the search data, search results retrieved by using a search service in the terminal at the address and text included in pages to be accessed thereafter.

상기 정보수집부(100)는 수집된 상기 검색 데이터에서 적어도 하나 이상의 키워드를 추출할 수 있다. 상기 정보수집부(100)는 검색어, 페이지 제목, 페이지 다수 인용 사용 단어에 기반해 키워드를 추출할 수 있다. The information collection unit 100 may extract at least one keyword from the collected search data. The information collection unit 100 may extract keywords based on a search word, a page title, and a word used in multiple citations of a page.

상기 정보수집부(100)는 검색어에서 키워드 후보를 적어도 하나 이상 선별할 수 있다. 상기 정보수집부(100)는 수집한 상기 검색 데이터에서 검색어, 페이지 제목, 페이지 다수 인용 사용 단어에 기반해 키워드 후보를 추출할 수 있다. 상기 정보수집부(100)는 Kiwi토크나이저를 이용하여 더 다양한 품사 태깅 방식을 적용할 수 있다. Kiwi+mecab토크나이저를 혼합해 유기적인 토큰화 방법을 사용하고, kiwi토크나이저에서 인지할 수 없는 한글과 영어 조합에 대해서는 Mecab토크나이저를 사용해 키워드 후보를 추출할 수 있다. 상기 정보수집부(100)는 검색어가 변경되는 경우 기존 검색어와 겹치는 단어를 키워드 후보로 선정할 수 있다. 상기 정보수집부(100)는 검색어가 변경되는 경우 기존 검색어와 겹치는 단어를 키워드 후보로 선정함에 가중치를 부여할 수 있다. 상기 정보수집부(100)는 검색어가 변경되는 경우 기존 검색어와 동일성이 있는 단어가 없는 경우 카운팅을 리셋할 수 있다. 상기 정보수집부(100)는 검색어가 변경되는 경우 기존 검색어와 동일성이 있는 단어가 있는 경우 해당 단어에 대한 카테고리로 묶을 수 있다. The information collection unit 100 may select at least one keyword candidate from a search word. The information collection unit 100 may extract keyword candidates from the collected search data based on a search word, a page title, and a word used in multiple citations of a page. The information collection unit 100 may apply more diverse part-of-speech tagging methods using the Kiwi tokenizer. An organic tokenization method is used by mixing Kiwi + mecab tokenizer, and keyword candidates can be extracted using Mecab tokenizer for Korean and English combinations that cannot be recognized by kiwi tokenizer. When a search word is changed, the information collection unit 100 may select a word overlapping with an existing search word as a keyword candidate. When a search word is changed, the information collection unit 100 may assign a weight to selecting a word overlapping with an existing search word as a keyword candidate. The information collection unit 100 may reset counting when there is no word identical to an existing search word when a search word is changed. When a search word is changed, the information collection unit 100 may group the word into a category if there is a word identical to the existing search word.

상기 정보수집부(100)는 상기 키워드 후보가 상기 사용자가 접속한 페이지 제목에 포함되는 제 1 빈도를 체크할 수 있다. 상기 정보수집부(100)는 상기 키워드 후보가 상기 사용자가 접속한 페이지 다수 인용 사용 단어에 매칭되는 제 2 빈도를 체크할 수 있다. 상기 정보수집부(100)는 상기 키워드 후보 중에서 상기 제 1 빈도 및 제 2 빈도에 기반해 상기 키워드 후보의 점수를 평가할 수 있다. 상기 정보수집부(100)는 상기 키워드 후보 중에서 상기 제 1 빈도 및 제 2 빈도에 기반해 합산 빈도가 높은 단어를 키워드로 선별할 수 있다. The information collection unit 100 may check a first frequency in which the keyword candidate is included in the title of a page accessed by the user. The information collection unit 100 may check a second frequency at which the keyword candidate is matched with a word used in multiple citations of a page accessed by the user. The information collection unit 100 may evaluate the score of the keyword candidate based on the first frequency and the second frequency among the keyword candidates. The information collection unit 100 may select, as a keyword, a word having a high combined frequency based on the first frequency and the second frequency among the keyword candidates.

상기 정보수집부(100)는 상기 사용자가 접속하는 페이지들에서 상기 제 1 빈도 및 상기 제 2 빈도를 카운트할 수 있다. 상기 정보수집부(100)는 검색어가 변경되는 경우 검색어 또는 키워드 후보가 겹치는 검색 결과 및 접속 페이지에 대해서 상기 제 1 빈도 및 상기 제 2 빈도를 카운트할 수 있다. 상기 정보수집부(100)는 상기 검색어가 변경되는 경우 변경된 단어가 상하위 개념 관계에 있는 경우 동일 카테고리로 두고 상기 제 1 빈도 및 상기 제 2 빈도를 카운트할 수 있다. 예를 들어, 상기 정보수집부(100)는 검색어가 '에어팟 액세서리'에서 '에어팟 케이스'로 바뀐 경우 '에어팟'은 동일 단어이고, '액세서리'와 '케이스'는 상위, 하위 개념에 속하므로 동일 카테고리로 묶어 상기 제 1 빈도 및 상기 제 2 빈도를 카운트할 수 있다.The information collection unit 100 may count the first frequency and the second frequency in pages accessed by the user. When a search word is changed, the information collection unit 100 may count the first frequency and the second frequency for search results and access pages in which search words or keyword candidates overlap. When the search word is changed, the information collection unit 100 may count the first frequency and the second frequency by placing the changed word in the same category if the search word has a higher or lower concept relationship. For example, when the search word is changed from 'AirPod accessory' to 'AirPod case', the information collection unit 100 determines that 'AirPod' is the same word, and 'Accessory' and 'Case' have higher and lower concepts. Since they belong to the same category, the first frequency and the second frequency can be counted.

상기 정보수집부(100)는 추출된 상기 키워드 중에서 상품 연관성이 있는 연관 키워드를 적어도 하나이상 추출할 수 있다. 상기 정보수집부(100)는 추출된 상기 키워드 중 쇼핑몰 내에서 판매하는 상품과 연관성이 있는 키워드를 추출할 수 있다. 상기 쇼핑몰 내에서 판매하는 상품은 상품 별로 관련 태그를 가질 수 있다. 상기 태그가 상기 키워드와 일치하는 상품이 있는 경우 상기 키워드를 상기 상품과 연관성 있는 키워드로 추출할 수 있다. 상기 정보수집부(100)는 선택된 키워드에서 상기 쇼핑몰 내에서 판매하는 상품의 태그와 겹치는 것이 없는 키워드는 삭제할 수 있다. 상기 정보수집부(100)는 상기 쇼핑몰에서 판매하는 상품 중 태그가 겹치는 상품이 많은 키워드를 핵심 키워드로 추출할 수 있다. 상기 정보수집부(100)는 상기 쇼핑몰에서 판매하는 상품 중 태그가 겹치는 상품이 많은 키워드에 가중치를 부여해 핵심 키워드를 추출할 수 있다. 상기 정보수집부(100)는 선택된 키워드에서 상기 쇼핑몰 내에서 판매하는 상품의 태그와 겹치는 것이 없는 키워드는 이후 검색식에서 키워드 추출시 제외하도록 필터링할 수 있다.The information collection unit 100 may extract at least one keyword related to a product from among the extracted keywords. The information collection unit 100 may extract keywords related to products sold in the shopping mall from among the extracted keywords. Products sold in the shopping mall may have related tags for each product. If there is a product whose tag matches the keyword, the keyword may be extracted as a keyword related to the product. The information collection unit 100 may delete keywords that do not overlap with tags of products sold in the shopping mall from the selected keywords. The information collection unit 100 may extract, as core keywords, keywords for products with many overlapping tags among products sold in the shopping mall. The information collection unit 100 may extract key keywords by assigning weights to keywords of products with many overlapping tags among products sold in the shopping mall. The information collection unit 100 may filter the selected keywords to exclude keywords that do not overlap with tags of products sold in the shopping mall when extracting keywords from a search formula.

상기 구매패턴분석부(200)는 추출된 상기 연관 키워드를 관심도 및 상기 소비량에 따라 구매 필요성을 판단할 수 있다. 상기 구매패턴분석부(200)는 하기 수학식 1을 연산해 도출되는 점수에 기반해 구매 필요성을 판단할 수 있다.The purchase pattern analysis unit 200 may determine the need to purchase the extracted related keywords according to the level of interest and the amount of consumption. The purchase pattern analysis unit 200 may determine the need for purchase based on a score derived by calculating Equation 1 below.

[수학식 1][Equation 1]

Figure 112022090888573-pat00006
Figure 112022090888573-pat00006

여기서,

Figure 112022090888573-pat00007
는 검색 빈도 점수,
Figure 112022090888573-pat00008
는 쇼핑 페이지 점수,
Figure 112022090888573-pat00009
는 소비량에 따른 가중치다.here,
Figure 112022090888573-pat00007
is the search frequency score,
Figure 112022090888573-pat00008
is the shopping page score,
Figure 112022090888573-pat00009
is a weighted value according to consumption.

상기

Figure 112022090888573-pat00010
는 상기 정보수집부(100)가 평가할 수 있다. 상기
Figure 112022090888573-pat00011
는 다른 키워드들과의 상대적인 빈도에 따른 점수이다. 상기
Figure 112022090888573-pat00012
는 최근 1개월 기준으로 검색 빈도 점수를 평가할 수 있다. 상기
Figure 112022090888573-pat00013
는 상기 검색 빈도 점수를 키워드 검색 비율이 20% 이상이면 가산점을 부여하여 결정될 수 있다. 상기
Figure 112022090888573-pat00014
는 상기 검색 빈도 점수를 최근 1개월 내 검색 일수가 3, 5, 7, 10일 이상인지 여부에 따라 가산점을 부여하여 결정될 수 있다.remind
Figure 112022090888573-pat00010
can be evaluated by the information collection unit 100. remind
Figure 112022090888573-pat00011
is a score according to the relative frequency with other keywords. remind
Figure 112022090888573-pat00012
can evaluate the search frequency score based on the last month. remind
Figure 112022090888573-pat00013
may be determined by assigning additional points to the search frequency score when the keyword search rate is 20% or more. remind
Figure 112022090888573-pat00014
may be determined by assigning additional points to the search frequency score according to whether the number of search days within the last month is 3, 5, 7, or 10 days or more.

상기

Figure 112022090888573-pat00015
는 검색 결과에서 상기 사용자가 접속하는 페이지가 쇼핑 페이지인지, 쇼핑 페이지에 머문 시간, 쇼핑 페이지에서 키워드 빈도, 쇼핑 페이지의 비율에 기반해 도출될 수 있다. 상기
Figure 112022090888573-pat00016
는 사용자가 접속한 복수의 페이지들 중에서 복수의 쇼핑 페이지들에서 누적된 데이터에 기반해 쇼핑 페이지 점수를 평가할 수 있다.remind
Figure 112022090888573-pat00015
may be derived based on whether the user accesses a shopping page in the search results, the time spent on the shopping page, the frequency of keywords in the shopping page, and the ratio of the shopping page. remind
Figure 112022090888573-pat00016
may evaluate a shopping page score based on data accumulated on a plurality of shopping pages among a plurality of pages accessed by the user.

상기

Figure 112022090888573-pat00017
는 0~1사이 값을 가질 수 있다. 상기
Figure 112022090888573-pat00018
는 구매 발생 여부, 소비량에 기반해 결정될 수 있다. 상기
Figure 112022090888573-pat00019
는 최근에 구매가 발생한 경우 값이 낮아질 수 있다. 상기
Figure 112022090888573-pat00020
는 구매가 발생한 시기로부터 기간이 지날수록 회복될 수 있다. 상기
Figure 112022090888573-pat00021
는 구매가 반복적으로 발생하는 상품 또는 키워드의 경우는 구매가 발생한 경우에도 상기
Figure 112022090888573-pat00022
의 값이 낮아지는 폭이 적거나 없을 수 있다. 상기
Figure 112022090888573-pat00023
는 구매가 반복적으로 발생하는 상품 또는 키워드의 경우는 상기
Figure 112022090888573-pat00024
의 값이 낮아졌다 회복되는 기간이 짧을 수 있다.remind
Figure 112022090888573-pat00017
may have a value between 0 and 1. remind
Figure 112022090888573-pat00018
may be determined based on whether a purchase occurs or not and the amount of consumption. remind
Figure 112022090888573-pat00019
may have a lower value if a purchase has occurred recently. remind
Figure 112022090888573-pat00020
may be recovered as time passes from the time when the purchase occurred. remind
Figure 112022090888573-pat00021
In the case of products or keywords for which purchases occur repeatedly, even if purchases occur,
Figure 112022090888573-pat00022
There may be little or no width in which the value of is lowered. remind
Figure 112022090888573-pat00023
In the case of products or keywords with repeated purchases,
Figure 112022090888573-pat00024
The recovery period after the value of is lowered may be short.

상기

Figure 112022090888573-pat00025
는 하기 수학식 2를 연산해 도출될 수 있다.remind
Figure 112022090888573-pat00025
Can be derived by calculating Equation 2 below.

[수학식 2][Equation 2]

Figure 112022090888573-pat00026
Figure 112022090888573-pat00026

여기서,

Figure 112022090888573-pat00027
는 소비량에 따른 기준 기간, d는 구매 발생일로부터 경과된 기간이다. here,
Figure 112022090888573-pat00027
is the base period according to the amount of consumption, and d is the period elapsed from the date of purchase.

상기

Figure 112022090888573-pat00028
는 상기 키워드 또는 상품을 재 구매하는 기간의 평균 값일 수 있다. 상기
Figure 112022090888573-pat00029
는 재구매 기간이 확인되지 않는 경우 1년으로 설정될 수 있다. 상기
Figure 112022090888573-pat00030
는 구매 이력이 없는 경우 1년으로 설정될 수 있다. 상기
Figure 112022090888573-pat00031
는 구매 이력이 1번인 경우 1년으로 설정될 수 있다. remind
Figure 112022090888573-pat00028
may be an average value of a period during which the keyword or product is repurchased. remind
Figure 112022090888573-pat00029
may be set to one year if the repurchase period is not confirmed. remind
Figure 112022090888573-pat00030
may be set to 1 year if there is no purchase history. remind
Figure 112022090888573-pat00031
may be set to one year when the purchase history is once.

상기 d는 구매 이력이 없는 경우

Figure 112022090888573-pat00032
로 설정될 수 있다. In case d above, there is no purchase history
Figure 112022090888573-pat00032
can be set to

상기

Figure 112022090888573-pat00033
는 상기
Figure 112022090888573-pat00034
가 1개월 이하로 되는 경우 항상 1로 값이 고정될 수 있다.remind
Figure 112022090888573-pat00033
said
Figure 112022090888573-pat00034
When is less than one month, the value can always be fixed to 1.

상기 구매패턴분석부(200)는 상기 키워드 순위 및 평점에 따라 공급 필요도를 결정할 수 있다. The purchase pattern analysis unit 200 may determine the degree of supply necessity according to the keyword ranking and rating.

상기 공급관리부(300)는 상기 구매 필요도가 있다고 판단된 제품을 각 주소지에 공급할 수 있다. 상기 공급관리부(300)는 상기 구매 필요도가 있다고 판단된 제품을 상기 주소지에 배송되도록 할 수 있다. The supply management unit 300 may supply the product determined to have a need for purchase to each address. The supply management unit 300 may deliver the product determined to have the need for purchase to the address.

상기 공급관리부(300)는 복수의 상기 제품의 공급일을 판단할 수 있다. 상기 공급일은 상기 구매 필요도가 있는 제품의 구매 빈도에 따라 공급일을 판단할 수 있다. The supply management unit 300 may determine the supply date of the plurality of products. The supply date may be determined according to the purchase frequency of the product having the purchase necessity.

상기 공급관리부(300)는 복수의 상기 제품의 공급일의 차이가 기준 값 이하인 제품들의 공급일를 통일할 수 있다. 예를 들어, 제 1 제품의 공급일의 제 2 제품의 공급일이 상기 제 1 제품의 공급일이 상기 제 2 제품의 공급일보다 앞서는 경우, 상기 제 1 제품의 공급일과 상기 제 2 제품의 공급일의 차이가, 상기 제 2 제품의 구매 빈도의 10% 미만인 경우, 상기 제 1 제품의 공급일이 상기 제 2 제품의 공급일을 상기 제 1 제품의 공급일로 통일할 수 있다.The supply management unit 300 may unify the supply days of the products in which the difference between the supply days of the plurality of products is equal to or less than a reference value. For example, if the supply date of the second product of the supply date of the first product is earlier than the supply date of the second product, the supply date of the first product and the supply of the second product When the difference in days is less than 10% of the purchase frequency of the second product, the supply date of the first product may be unified with the supply date of the second product as the supply date of the first product.

상기 공급관리부(300)는 미수령된 상기 제품을 회수하도록 할 수 있다. 상기 공급관리부(300)는 사용자가 구매확정을 하지 않거나, 반품을 신청한 미수령된 상기 제품을 회수하도록 명령할 수 있다.The supply management unit 300 may collect the unreceived product. The supply management unit 300 may command to collect the unreceived product for which the user has not confirmed the purchase or requested a return.

상기 공급관리부(300)는 미수령된 상기 제품의 상기 주소지별 구매 패턴을 업데이트할 수 있다. 상기 공급관리부(300)는 미수령된 상기 제품의 주소지별 구매 패턴에서 가중치

Figure 112022090888573-pat00035
를 0으로 초기화하지 않을 수 있다.The supply management unit 300 may update the purchase pattern for each address of the unreceived product. The supply management unit 300 weights the purchase pattern for each address of the unreceived product.
Figure 112022090888573-pat00035
may not be initialized to 0.

본 발명의 일 실시 예에 따른 구매 패턴 분석을 통한 수요 맞춤형 예측 방법은 제품의 주소지별 소비량 및 검색 데이터를 수집 및 분석하는 단계(S110)를 포함할 수 있다.According to an embodiment of the present invention, the demand customized prediction method through purchase pattern analysis may include collecting and analyzing consumption amount and search data for each address of a product ( S110 ).

S110 단계에서, 상기 정보수집부(100)는 제품의 전국 판매량을 누적 및 분석할 수 있다. 상기 정보수집부(100)는 제품의 지역별 판매량을 수집 및 분석할 수 있다. 상기 정보수집부(100)는 상기 지역별 판매량에서 상기 제품의 주소지별 판매량을 수집 및 분석할 수 있다. In step S110, the information collection unit 100 may accumulate and analyze the national sales volume of the product. The information collection unit 100 may collect and analyze sales volume of products by region. The information collection unit 100 may collect and analyze the sales volume by address of the product from the sales volume by region.

S110 단계에서, 상기 정보수집부(100)는 상기 제품의 주소지별 소비량 및 검색 데이터를 수집 및 분석할 수 있다.In step S110, the information collection unit 100 may collect and analyze consumption amount and search data for each address of the product.

S110 단계에서, 상기 정보수집부(100)는 주소지의 단말에서 검색 데이터를 수집할 수 있다. 상기 주소지 단말은 PC, 스마트폰, PDA, 태블릿 PC 등의 인터넷을 활용할 수 있는 모든 기기를 포함할 수 있다. 상기 정보수집부(100)는 상기 주소지의 단말에서 인터넷, 크롬, 네이버, 돌핀 브라우저 등의 검색 어플리케이션에서 사용자가 검색하는 데이터를 상기 검색 데이터로 수집할 수 있다. 상기 정보수집부(100)는 상기 사용자의 문자 메시지, 카카오톡 등의 어플리케이션에서 구매 이력에 대한 문자를 확인하고 상기 검색 데이터로 수집할 수 있다. 상기 정보수집부(100)는 상기 주소지의 단말에서 검색 서비스를 이용해서 검색되는 검색 결과 및 이후 접속하는 페이지에 포함된 텍스트들을 상기 검색 데이터로 수집할 수 있다. In step S110, the information collection unit 100 may collect search data from the terminal of the address. The address terminal may include all devices capable of utilizing the Internet, such as PCs, smart phones, PDAs, and tablet PCs. The information collection unit 100 may collect, as the search data, data searched by a user in a search application such as the Internet, Chrome, Naver, and Dolphin browser in the terminal at the address. The information collection unit 100 may check the user's text messages and purchase history texts from applications such as KakaoTalk and collect them as the search data. The information collection unit 100 may collect, as the search data, search results retrieved by using a search service in the terminal at the address and text included in pages to be accessed thereafter.

S110 단계에서, 상기 정보수집부(100)는 수집된 상기 검색 데이터에서 적어도 하나 이상의 키워드를 추출할 수 있다. 상기 정보수집부(100)는 검색어, 페이지 제목, 페이지 다수 인용 사용 단어에 기반해 키워드를 추출할 수 있다. In step S110, the information collection unit 100 may extract at least one keyword from the collected search data. The information collection unit 100 may extract keywords based on a search word, a page title, and a word used in multiple citations of a page.

S110 단계에서, 상기 정보수집부(100)는 수집된 상기 검색 데이터에서 적어도 하나 이상의 키워드를 추출할 수 있다. 상기 정보수집부(100)는 검색어, 페이지 제목, 페이지 다수 인용 사용 단어에 기반해 키워드를 추출할 수 있다. In step S110, the information collection unit 100 may extract at least one keyword from the collected search data. The information collection unit 100 may extract keywords based on a search word, a page title, and a word used in multiple citations of a page.

S110 단계에서, 상기 정보수집부(100)는 검색어에서 키워드 후보를 적어도 하나 이상 선별할 수 있다. 상기 정보수집부(100)는 수집한 상기 검색 데이터에서 검색어, 페이지 제목, 페이지 다수 인용 사용 단어에 기반해 키워드 후보를 추출할 수 있다. 상기 정보수집부(100)는 Kiwi토크나이저를 이용하여 더 다양한 품사 태깅 방식을 적용할 수 있다. Kiwi+mecab토크나이저를 혼합해 유기적인 토큰화 방법을 사용하고, kiwi토크나이저에서 인지할 수 없는 한글과 영어 조합에 대해서는 Mecab토크나이저를 사용해 키워드 후보를 추출할 수 있다. 상기 정보수집부(100)는 검색어가 변경되는 경우 기존 검색어와 겹치는 단어를 키워드 후보로 선정할 수 있다. 상기 정보수집부(100)는 검색어가 변경되는 경우 기존 검색어와 겹치는 단어를 키워드 후보로 선정함에 가중치를 부여할 수 있다. 상기 정보수집부(100)는 검색어가 변경되는 경우 기존 검색어와 동일성이 있는 단어가 없는 경우 카운팅을 리셋할 수 있다. 상기 정보수집부(100)는 검색어가 변경되는 경우 기존 검색어와 동일성이 있는 단어가 있는 경우 해당 단어에 대한 카테고리로 묶을 수 있다. In step S110, the information collection unit 100 may select at least one keyword candidate from the search word. The information collection unit 100 may extract keyword candidates from the collected search data based on a search word, a page title, and a word used in multiple citations of a page. The information collection unit 100 may apply more diverse part-of-speech tagging methods using the Kiwi tokenizer. An organic tokenization method is used by mixing Kiwi + mecab tokenizer, and keyword candidates can be extracted using Mecab tokenizer for Korean and English combinations that cannot be recognized by kiwi tokenizer. When a search word is changed, the information collection unit 100 may select a word overlapping with an existing search word as a keyword candidate. When a search word is changed, the information collection unit 100 may assign a weight to selecting a word overlapping with an existing search word as a keyword candidate. The information collection unit 100 may reset counting when there is no word identical to an existing search word when a search word is changed. When a search word is changed, the information collection unit 100 may group the word into a category if there is a word identical to the existing search word.

S110 단계에서, 상기 정보수집부(100)는 상기 키워드 후보가 상기 사용자가 접속한 페이지 제목에 포함되는 제 1 빈도를 체크할 수 있다. 상기 정보수집부(100)는 상기 키워드 후보가 상기 사용자가 접속한 페이지 다수 인용 사용 단어에 매칭되는 제 2 빈도를 체크할 수 있다. 상기 정보수집부(100)는 상기 키워드 후보 중에서 상기 제 1 빈도 및 제 2 빈도에 기반해 상기 키워드 후보의 점수를 평가할 수 있다. 상기 정보수집부(100)는 상기 키워드 후보 중에서 상기 제 1 빈도 및 제 2 빈도에 기반해 합산 빈도가 높은 단어를 키워드로 선별할 수 있다. In step S110, the information collection unit 100 may check a first frequency in which the keyword candidate is included in the title of the page accessed by the user. The information collection unit 100 may check a second frequency at which the keyword candidate is matched with a word used in multiple citations of a page accessed by the user. The information collection unit 100 may evaluate the score of the keyword candidate based on the first frequency and the second frequency among the keyword candidates. The information collection unit 100 may select, as a keyword, a word having a high combined frequency based on the first frequency and the second frequency among the keyword candidates.

S110 단계에서, 상기 정보수집부(100)는 상기 사용자가 접속하는 페이지들에서 상기 제 1 빈도 및 상기 제 2 빈도를 카운트할 수 있다. 상기 정보수집부(100)는 검색어가 변경되는 경우 검색어 또는 키워드 후보가 겹치는 검색 결과 및 접속 페이지에 대해서 상기 제 1 빈도 및 상기 제 2 빈도를 카운트할 수 있다. 상기 정보수집부(100)는 상기 검색어가 변경되는 경우 변경된 단어가 상하위 개념 관계에 있는 경우 동일 카테고리로 두고 상기 제 1 빈도 및 상기 제 2 빈도를 카운트할 수 있다. 예를 들어, 상기 정보수집부(100)는 검색어가 '에어팟 액세서리'에서 '에어팟 케이스'로 바뀐 경우 '에어팟'은 동일 단어이고, '액세서리'와 '케이스'는 상위, 하위 개념에 속하므로 동일 카테고리로 묶어 상기 제 1 빈도 및 상기 제 2 빈도를 카운트할 수 있다.In step S110, the information collection unit 100 may count the first frequency and the second frequency in pages accessed by the user. When a search word is changed, the information collection unit 100 may count the first frequency and the second frequency for search results and access pages in which search words or keyword candidates overlap. When the search word is changed, the information collection unit 100 may count the first frequency and the second frequency by placing the changed word in the same category if the search word has a higher or lower concept relationship. For example, when the search word is changed from 'AirPod accessory' to 'AirPod case', the information collection unit 100 determines that 'AirPod' is the same word, and 'Accessory' and 'Case' have higher and lower concepts. Since they belong to the same category, the first frequency and the second frequency can be counted.

S110 단계에서, 상기 정보수집부(100)는 추출된 상기 키워드 중에서 상품 연관성이 있는 연관 키워드를 적어도 하나이상 추출할 수 있다. 상기 정보수집부(100)는 추출된 상기 키워드 중 쇼핑몰 내에서 판매하는 상품과 연관성이 있는 키워드를 추출할 수 있다. 상기 쇼핑몰 내에서 판매하는 상품은 상품 별로 관련 태그를 가질 수 있다. 상기 태그가 상기 키워드와 일치하는 상품이 있는 경우 상기 키워드를 상기 상품과 연관성 있는 키워드로 추출할 수 있다. 상기 정보수집부(100)는 선택된 키워드에서 상기 쇼핑몰 내에서 판매하는 상품의 태그와 겹치는 것이 없는 키워드는 삭제할 수 있다. 상기 정보수집부(100)는 상기 쇼핑몰에서 판매하는 상품 중 태그가 겹치는 상품이 많은 키워드를 핵심 키워드로 추출할 수 있다. 상기 정보수집부(100)는 상기 쇼핑몰에서 판매하는 상품 중 태그가 겹치는 상품이 많은 키워드에 가중치를 부여해 핵심 키워드를 추출할 수 있다. 상기 정보수집부(100)는 선택된 키워드에서 상기 쇼핑몰 내에서 판매하는 상품의 태그와 겹치는 것이 없는 키워드는 이후 검색식에서 키워드 추출시 제외하도록 필터링할 수 있다.In step S110, the information collection unit 100 may extract at least one related keyword having product relevance from among the extracted keywords. The information collection unit 100 may extract keywords related to products sold in the shopping mall from among the extracted keywords. Products sold in the shopping mall may have related tags for each product. If there is a product whose tag matches the keyword, the keyword may be extracted as a keyword related to the product. The information collection unit 100 may delete keywords that do not overlap with tags of products sold in the shopping mall from the selected keywords. The information collection unit 100 may extract, as core keywords, keywords for products with many overlapping tags among products sold in the shopping mall. The information collection unit 100 may extract key keywords by assigning weights to keywords of products with many overlapping tags among products sold in the shopping mall. The information collection unit 100 may filter the selected keywords to exclude keywords that do not overlap with tags of products sold in the shopping mall when extracting keywords from a search formula.

본 발명의 일 실시 예에 따른 구매 패턴 분석을 통한 수요 맞춤형 예측 방법은 추출된 상기 연관 키워드를 관심도에 따라 키워드 순위를 결정하는 단계(S140)를 포함할 수 있다.According to an embodiment of the present invention, the demand customized prediction method through purchase pattern analysis may include determining keyword rankings of the extracted related keywords according to interest levels (S140).

본 발명의 일 실시 예에 따른 구매 패턴 분석을 통한 수요 맞춤형 예측 방법은 상기 소비량 및 검색 데이터에 따른 주소지별 구매 패턴을 분석하는 단계(S120)를 포함할 수 있다.According to an embodiment of the present invention, the demand customized prediction method through analysis of the purchase pattern may include analyzing the purchase pattern for each address according to the consumption amount and the search data (S120).

S120 단계에서, 상기 구매패턴분석부(200)는 추출된 상기 연관 키워드를 관심도에 따라 구매 필요성을 판단할 수 있다. 상기 구매패턴분석부(200)는 하기 수학식 1을 연산해 도출되는 점수에 기반해 구매 필요성을 판단할 수 있다.In step S120, the purchase pattern analysis unit 200 may determine the need to purchase the extracted related keywords according to the degree of interest. The purchase pattern analysis unit 200 may determine the need for purchase based on a score derived by calculating Equation 1 below.

[수학식 1][Equation 1]

Figure 112022090888573-pat00036
Figure 112022090888573-pat00036

여기서,

Figure 112022090888573-pat00037
는 검색 빈도 점수,
Figure 112022090888573-pat00038
는 쇼핑 페이지 점수,
Figure 112022090888573-pat00039
는 소비량에 따른 가중치다.here,
Figure 112022090888573-pat00037
is the search frequency score,
Figure 112022090888573-pat00038
is the shopping page score,
Figure 112022090888573-pat00039
is a weighted value according to consumption.

S120 단계에서, 상기

Figure 112022090888573-pat00040
는 상기 정보수집부(100)가 평가할 수 있다. 상기
Figure 112022090888573-pat00041
는 다른 키워드들과의 상대적인 빈도에 따른 점수이다. 상기
Figure 112022090888573-pat00042
는 최근 1개월 기준으로 검색 빈도 점수를 평가할 수 있다. 상기
Figure 112022090888573-pat00043
는 상기 검색 빈도 점수를 키워드 검색 비율이 20% 이상이면 가산점을 부여하여 결정될 수 있다. 상기
Figure 112022090888573-pat00044
는 상기 검색 빈도 점수를 최근 1개월 내 검색 일수가 3, 5, 7, 10일 이상인지 여부에 따라 가산점을 부여하여 결정될 수 있다.In step S120, the
Figure 112022090888573-pat00040
can be evaluated by the information collection unit 100. remind
Figure 112022090888573-pat00041
is a score according to the relative frequency with other keywords. remind
Figure 112022090888573-pat00042
can evaluate the search frequency score based on the last month. remind
Figure 112022090888573-pat00043
may be determined by assigning additional points to the search frequency score when the keyword search rate is 20% or more. remind
Figure 112022090888573-pat00044
may be determined by assigning additional points to the search frequency score according to whether the number of search days within the last month is 3, 5, 7, or 10 days or more.

S120 단계에서, 상기

Figure 112022090888573-pat00045
는 검색 결과에서 상기 사용자가 접속하는 페이지가 쇼핑 페이지인지, 쇼핑 페이지에 머문 시간, 쇼핑 페이지에서 키워드 빈도, 쇼핑 페이지의 비율에 기반해 도출될 수 있다. 상기
Figure 112022090888573-pat00046
는 사용자가 접속한 복수의 페이지들 중에서 복수의 쇼핑 페이지들에서 누적된 데이터에 기반해 쇼핑 페이지 점수를 평가할 수 있다.In step S120, the
Figure 112022090888573-pat00045
may be derived based on whether the user accesses a shopping page in the search results, the time spent on the shopping page, the frequency of keywords in the shopping page, and the ratio of the shopping page. remind
Figure 112022090888573-pat00046
may evaluate a shopping page score based on data accumulated on a plurality of shopping pages among a plurality of pages accessed by the user.

S120 단계에서, 상기

Figure 112022090888573-pat00047
는 0~1사이 값을 가질 수 있다. 상기
Figure 112022090888573-pat00048
는 구매 발생 여부, 소비량에 기반해 결정될 수 있다. 상기
Figure 112022090888573-pat00049
는 최근에 구매가 발생한 경우 값이 낮아질 수 있다. 상기
Figure 112022090888573-pat00050
는 구매가 발생한 시기로부터 기간이 지날수록 회복될 수 있다. 상기
Figure 112022090888573-pat00051
는 구매가 반복적으로 발생하는 상품 또는 키워드의 경우는 구매가 발생한 경우에도 상기
Figure 112022090888573-pat00052
의 값이 낮아지는 폭이 적거나 없을 수 있다. 상기
Figure 112022090888573-pat00053
는 구매가 반복적으로 발생하는 상품 또는 키워드의 경우는 상기
Figure 112022090888573-pat00054
의 값이 낮아졌다 회복되는 기간이 짧을 수 있다.In step S120, the
Figure 112022090888573-pat00047
may have a value between 0 and 1. remind
Figure 112022090888573-pat00048
may be determined based on whether a purchase occurs or not and the amount of consumption. remind
Figure 112022090888573-pat00049
may have a lower value if a purchase has occurred recently. remind
Figure 112022090888573-pat00050
may be recovered as time passes from the time when the purchase occurred. remind
Figure 112022090888573-pat00051
In the case of products or keywords for which purchases occur repeatedly, even if purchases occur,
Figure 112022090888573-pat00052
There may be little or no width in which the value of is lowered. remind
Figure 112022090888573-pat00053
In the case of products or keywords with repeated purchases,
Figure 112022090888573-pat00054
The recovery period after the value of is lowered may be short.

S120 단계에서, 상기

Figure 112022090888573-pat00055
는 하기 수학식 2를 연산해 도출될 수 있다.In step S120, the
Figure 112022090888573-pat00055
Can be derived by calculating Equation 2 below.

[수학식 2][Equation 2]

Figure 112022090888573-pat00056
Figure 112022090888573-pat00056

여기서,

Figure 112022090888573-pat00057
는 소비량에 따른 기준 기간, d는 구매 발생일로부터 경과된 기간이다. here,
Figure 112022090888573-pat00057
is the base period according to the amount of consumption, and d is the period elapsed from the date of purchase.

S120 단계에서, 상기

Figure 112022090888573-pat00058
는 상기 키워드 또는 상품을 재 구매하는 기간의 평균 값일 수 있다. 상기
Figure 112022090888573-pat00059
는 재구매 기간이 확인되지 않는 경우 1년으로 설정될 수 있다. 상기
Figure 112022090888573-pat00060
는 구매 이력이 없는 경우 1년으로 설정될 수 있다. 상기
Figure 112022090888573-pat00061
는 구매 이력이 1번인 경우 1년으로 설정될 수 있다. In step S120, the
Figure 112022090888573-pat00058
may be an average value of a period during which the keyword or product is repurchased. remind
Figure 112022090888573-pat00059
may be set to one year if the repurchase period is not confirmed. remind
Figure 112022090888573-pat00060
may be set to 1 year if there is no purchase history. remind
Figure 112022090888573-pat00061
may be set to one year when the purchase history is once.

S120 단계에서, 상기 d는 구매 이력이 없는 경우

Figure 112022090888573-pat00062
로 설정될 수 있다. In step S120, if d has no purchase history
Figure 112022090888573-pat00062
can be set to

S120 단계에서, 상기

Figure 112022090888573-pat00063
는 상기
Figure 112022090888573-pat00064
가 1개월 이하로 되는 경우 항상 1로 값이 고정될 수 있다.In step S120, the
Figure 112022090888573-pat00063
said
Figure 112022090888573-pat00064
When is less than one month, the value can always be fixed to 1.

S120 단계에서, 상기 구매패턴분석부(200)는 상기 키워드 순위 및 평점에 따라 공급 필요도를 결정할 수 있다. In step S120, the purchase pattern analysis unit 200 may determine the degree of supply necessity according to the keyword ranking and rating.

본 발명의 일 실시 예에 따른 구매 패턴 분석을 통한 수요 맞춤형 예측 방법은 상기 구매 패턴에 따라 구매 필요성이 있다고 판단된 각 주소지에 상기 제품을 공급하는 단계(S130)를 포함할 수 있다.According to an embodiment of the present invention, the method for predicting customized demand through analysis of purchase patterns may include supplying the product to each address where it is determined that there is a need for purchase according to the purchase pattern (S130).

S130 단계에서, 상기 공급관리부(300)는 상기 구매 필요도가 있다고 판단된 제품을 각 주소지에 공급할 수 있다. 상기 공급관리부(300)는 상기 구매 필요도가 있다고 판단된 제품을 상기 주소지에 배송되도록 할 수 있다. In step S130, the supply management unit 300 may supply the product determined to have a need for purchase to each address. The supply management unit 300 may deliver the product determined to have the need for purchase to the address.

S130 단계에서, 상기 공급관리부(300)는 상기 구매 필요도가 있다고 판단된 제품을 각 주소지에 공급할 수 있다. 상기 공급관리부(300)는 상기 구매 필요도가 있다고 판단된 제품을 상기 주소지에 배송되도록 할 수 있다. In step S130, the supply management unit 300 may supply the product determined to have a need for purchase to each address. The supply management unit 300 may deliver the product determined to have the need for purchase to the address.

S130 단계에서, 상기 공급관리부(300)는 복수의 상기 제품의 공급일을 판단할 수 있다. 상기 공급일은 상기 구매 필요도가 있는 제품의 구매 빈도에 따라 공급일을 판단할 수 있다. In step S130, the supply management unit 300 may determine the supply date of the plurality of products. The supply date may be determined according to the purchase frequency of the product having the purchase necessity.

S130 단계에서, 상기 공급관리부(300)는 복수의 상기 제품의 공급일의 차이가 기준 값 이하인 제품들의 공급일를 통일할 수 있다. 예를 들어, 제 1 제품의 공급일의 제 2 제품의 공급일이 상기 제 1 제품의 공급일이 상기 제 2 제품의 공급일보다 앞서는 경우, 상기 제 1 제품의 공급일과 상기 제 2 제품의 공급일의 차이가, 상기 제 2 제품의 구매 빈도의 10% 미만인 경우, 상기 제 1 제품의 공급일이 상기 제 2 제품의 공급일을 상기 제 1 제품의 공급일로 통일할 수 있다.In step S130 , the supply management unit 300 may unify the supply days of the products having a difference between the supply days of the plurality of products equal to or less than a reference value. For example, if the supply date of the second product of the supply date of the first product is earlier than the supply date of the second product, the supply date of the first product and the supply of the second product When the difference in days is less than 10% of the purchase frequency of the second product, the supply date of the first product may be unified with the supply date of the second product as the supply date of the first product.

본 발명의 일 실시 예에 따른 구매 패턴 분석을 통한 수요 맞춤형 예측 방법은 미수령된 상기 제품을 회수하는 단계(S140)를 포함할 수 있다.According to an embodiment of the present invention, the demand customized prediction method through purchase pattern analysis may include collecting the unreceived product (S140).

S140 단계에서, 상기 공급관리부(300)는 미수령된 상기 제품을 회수하도록 할 수 있다. 상기 공급관리부(300)는 사용자가 구매확정을 하지 않거나, 반품을 신청한 미수령된 상기 제품을 회수하도록 수거팀에 수거 명령을 할 수 있다.In step S140, the supply management unit 300 may collect the unreceived product. The supply management unit 300 may issue a collection command to the collection team to collect the unreceived product for which the user has not confirmed purchase or requested a return.

본 발명의 일 실시 예에 따른 구매 패턴 분석을 통한 수요 맞춤형 예측 방법은 미수령된 상기 제품의 상기 주소지별 구매 패턴을 업데이트하는 단계(S150)를 포함할 수 있다.According to an embodiment of the present invention, the demand customized prediction method through analysis of the purchase pattern may include updating the purchase pattern for each address of the unreceived product (S150).

S150 단계에서, 상기 공급관리부(300)는 미수령된 상기 제품의 상기 주소지별 구매 패턴을 업데이트할 수 있다. 상기 공급관리부(300)는 미수령된 상기 제품의 주소지별 구매 패턴에서 가중치

Figure 112022090888573-pat00065
를 0으로 초기화하지 않을 수 있다.In step S150, the supply management unit 300 may update the purchase pattern for each address of the unreceived product. The supply management unit 300 weights the purchase pattern for each address of the unreceived product.
Figure 112022090888573-pat00065
may not be initialized to 0.

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통 상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.So far, the present invention has been looked at with respect to its preferred embodiments. Those skilled in the art to which the present invention pertains will understand that the present invention can be implemented in a modified form without departing from the essential characteristics of the present invention. Therefore, the disclosed embodiments should be considered from an illustrative rather than a limiting point of view. The scope of the present invention is shown in the claims rather than the foregoing description, and all differences within the equivalent scope will be construed as being included in the present invention.

Claims (5)

정보수집부가 제품의 주소지별 소비량 및 검색 데이터를 수집 및 분석하는 단계;
구매패턴분석부가 상기 소비량 및 검색 데이터에 따른 주소지별 구매 패턴을 분석하는 단계;
공급관리부가 상기 구매 패턴에 따라 구매 필요성이 있다고 판단된 각 주소지에 상기 제품을 공급하는 단계;
미수령된 상기 제품을 회수하는 단계; 및
미수령된 상기 제품의 상기 주소지별 구매 패턴을 업데이트하는 단계;를 포함하고,
상기 소비량은,
제품명, 용량, 수량, 구매 빈도에 기반해 분석되고,
상기 구매 패턴을 분석하는 단계는
하기 수학식 1을 연산해 도출되는 점수에 기반해 공급 필요도를 결정하고,
[수학식 1]
Figure 112023500762177-pat00074

(여기서,
Figure 112023500762177-pat00075
는 검색 빈도 점수,
Figure 112023500762177-pat00076
는 쇼핑 페이지 점수,
Figure 112023500762177-pat00077
는 소비량에 따른 가중치다.)
상기
Figure 112023500762177-pat00078
는 다른 키워드들과의 상대적인 빈도에 따른 점수이고, 최근 1개월 기준으로 검색 빈도 점수를 평가하고, 상기 검색 빈도 점수를 키워드 검색 비율이 20% 이상이면 가산점을 부여하여 결정될 수 있고, 상기 검색 빈도 점수를 최근 1개월 내 검색 일수가 3, 5, 7, 10일 이상인지 여부에 따라 가산점을 부여하여 결정하고,
상기
Figure 112023500762177-pat00079
는 검색 결과에서 사용자가 접속하는 페이지가 쇼핑 페이지인지, 쇼핑 페이지에 머문 시간, 쇼핑 페이지에서 키워드 빈도, 쇼핑 페이지의 비율에 기반해 도출되고, 사용자가 접속한 복수의 페이지들 중에서 복수의 쇼핑 페이지들에서 누적된 데이터에 기반해 쇼핑 페이지 점수를 평가하고,
상기
Figure 112023500762177-pat00080
는 하기 수학식 2를 연산해 도출되는 것을 특징으로 하는 구매 패턴 분석을 통한 수요 맞춤형 예측 방법.
[수학식 2]
Figure 112023500762177-pat00081

(여기서,
Figure 112023500762177-pat00082
는 소비량에 따른 기준 기간, d는 구매 발생일로부터 경과된 기간이다.)
Collecting and analyzing consumption amount and search data for each address of the product by the information collection unit;
analyzing, by a purchase pattern analyzer, a purchase pattern for each address according to the amount of consumption and the search data;
supplying the product to each address determined to be necessary for purchase according to the purchase pattern by a supply management unit;
recovering the unreceived product; and
Updating a purchase pattern for each address of the unreceived product;
The consumption is
Analyzed based on product name, capacity, quantity, purchase frequency,
Analyzing the purchase pattern
Determine the degree of need for supply based on the score derived by calculating Equation 1 below,
[Equation 1]
Figure 112023500762177-pat00074

(here,
Figure 112023500762177-pat00075
is the search frequency score,
Figure 112023500762177-pat00076
is the shopping page score,
Figure 112023500762177-pat00077
is a weighted value according to consumption.)
remind
Figure 112023500762177-pat00078
Is a score according to the relative frequency with other keywords, and can be determined by evaluating the search frequency score on the basis of the last month, and assigning an additional point to the search frequency score when the keyword search rate is 20% or more, and the search frequency score is determined by giving additional points depending on whether the number of search days within the last month is 3, 5, 7, or 10 days or more,
remind
Figure 112023500762177-pat00079
is derived based on whether the page accessed by the user in the search results is a shopping page, the time spent on the shopping page, the keyword frequency in the shopping page, and the ratio of the shopping page, and a plurality of shopping pages among the plurality of pages accessed by the user Evaluate the shopping page score based on the accumulated data from
remind
Figure 112023500762177-pat00080
Is a demand customized prediction method through purchase pattern analysis, characterized in that derived by calculating Equation 2 below.
[Equation 2]
Figure 112023500762177-pat00081

(here,
Figure 112023500762177-pat00082
is the base period according to consumption, and d is the period elapsed from the date of purchase.)
 삭제delete 삭제delete 제 1 항에 있어서,
상기 구매 패턴을 분석하는 단계는
상기
Figure 112023500762177-pat00070
는 구매 발생 여부, 소비량에 기반해 결정되는 것을 특징으로 하는
구매 패턴 분석을 통한 수요 맞춤형 예측 방법.
According to claim 1,
Analyzing the purchase pattern
remind
Figure 112023500762177-pat00070
characterized in that it is determined based on the occurrence of purchases and consumption
Demand-tailored forecasting method through purchase pattern analysis.
 제 4 항에 있어서,
상기 제품을 공급하는 단계는
복수의 상기 제품의 공급일을 판단하는 단계;
복수의 상기 제품의 공급일의 차이가 기준 값 이하인 제품들의 공급일를 통일하는 것을 특징으로 하는
구매 패턴 분석을 통한 수요 맞춤형 예측 방법.

According to claim 4,
The step of supplying the product is
determining a supply date of a plurality of the products;
Characterized in that the difference between the supply days of the plurality of products is unified by the supply days of the products having a reference value or less
Demand-tailored forecasting method through purchase pattern analysis.
KR1020220108881A 2022-08-30 2022-08-30 Demand-customized forecasting method and system through purchasing pattern analysis KR102518379B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220108881A KR102518379B1 (en) 2022-08-30 2022-08-30 Demand-customized forecasting method and system through purchasing pattern analysis

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220108881A KR102518379B1 (en) 2022-08-30 2022-08-30 Demand-customized forecasting method and system through purchasing pattern analysis

Publications (1)

Publication Number Publication Date
KR102518379B1 true KR102518379B1 (en) 2023-04-14

Family

ID=85946688

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220108881A KR102518379B1 (en) 2022-08-30 2022-08-30 Demand-customized forecasting method and system through purchasing pattern analysis

Country Status (1)

Country Link
KR (1) KR102518379B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102653142B1 (en) 2023-11-27 2024-04-01 주식회사 워커스하이 Method, device and system for providing demand forecasting and subscription solution based on artificial intelligence model using multi domain variable

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200009542A (en) * 2018-07-19 2020-01-30 한국기술교육대학교 산학협력단 Intelligent Shopping Platform Management System and Its Methods Based on Consumer Big Data
KR20210066513A (en) * 2019-11-28 2021-06-07 (주)양유 Customer Needs Analysis System and Customer Needs Analysis method
KR20210103050A (en) * 2020-02-13 2021-08-23 주식회사 베이비랩 A smart goods recommending system
KR20220011509A (en) * 2020-07-21 2022-01-28 (주)키즈픽 Apparatus and Method for Prividing Online shopping service of Cloths

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200009542A (en) * 2018-07-19 2020-01-30 한국기술교육대학교 산학협력단 Intelligent Shopping Platform Management System and Its Methods Based on Consumer Big Data
KR20210066513A (en) * 2019-11-28 2021-06-07 (주)양유 Customer Needs Analysis System and Customer Needs Analysis method
KR20210103050A (en) * 2020-02-13 2021-08-23 주식회사 베이비랩 A smart goods recommending system
KR20220011509A (en) * 2020-07-21 2022-01-28 (주)키즈픽 Apparatus and Method for Prividing Online shopping service of Cloths

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102653142B1 (en) 2023-11-27 2024-04-01 주식회사 워커스하이 Method, device and system for providing demand forecasting and subscription solution based on artificial intelligence model using multi domain variable

Similar Documents

Publication Publication Date Title
See-To et al. Customer reviews for demand distribution and sales nowcasting: a big data approach
US9501476B2 (en) Personalization engine for characterizing a document
Thorleuchter et al. Predicting e-commerce company success by mining the text of its publicly-accessible website
CA2578513C (en) System and method for online information analysis
US20160239575A1 (en) Personalization engine for building a user profile
US20070294149A1 (en) Catalog based price search
Wang et al. Database submission—market dynamics and user-generated content about tablet computers
CN102163217A (en) Constructing a search-result caption
CN101615202A (en) Utilize the system and method for deletion prediction to the relative value rank of multinomial inquiry discipline
Lin et al. Personalized hotel recommendation using text mining and mobile browsing tracking
KR100671284B1 (en) Method and system for providing web site advertisement using content-based classification
Duwairi et al. An enhanced CBAR algorithm for improving recommendation systems accuracy
KR102518379B1 (en) Demand-customized forecasting method and system through purchasing pattern analysis
KR101026544B1 (en) Method and Apparatus for ranking analysis based on artificial intelligence, and Recording medium thereof
WO2010087882A1 (en) Personalization engine for building a user profile
Kalkan et al. Evaluating cross-selling opportunities with recurrent neural networks on retail marketing
Agarwal et al. An efficient weighted algorithm for web information retrieval system
Wu et al. [Retracted] Using the Mathematical Model on Precision Marketing with Online Transaction Data Computing
Duan et al. Mining distinguishing customer focus sets from online customer reviews
KR100719513B1 (en) Method and Server for Managing Dormant Patent Right
Cheng Product recommendation system design
Gupta et al. Click-through rate estimation using CHAID classification tree model
Beheshti-Kashi et al. Social media analytics for decision support in fashion buying processes
Yu et al. Application of data mining technology in e-commerce
Liu et al. Mining distinguishing customer focus sets for online shopping decision support

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant