KR102536172B1 - 인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법, 장치 및 시스템 - Google Patents
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102536172B1 KR102536172B1 KR1020220111811A KR20220111811A KR102536172B1 KR 102536172 B1 KR102536172 B1 KR 102536172B1 KR 1020220111811 A KR1020220111811 A KR 1020220111811A KR 20220111811 A KR20220111811 A KR 20220111811A KR 102536172 B1 KR102536172 B1 KR 102536172B1
- Authority
- KR
- South Korea
- Prior art keywords
- consultant
- information
- user
- consulting
- sports
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 133
- 238000013473 artificial intelligence Methods 0.000 title claims description 41
- 230000004044 response Effects 0.000 claims description 158
- 238000013528 artificial neural network Methods 0.000 claims description 89
- 238000004519 manufacturing process Methods 0.000 claims description 56
- 238000004458 analytical method Methods 0.000 claims description 26
- 230000002860 competitive effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 230000009182 swimming Effects 0.000 description 123
- 238000012549 training Methods 0.000 description 99
- 230000008569 process Effects 0.000 description 81
- 230000002787 reinforcement Effects 0.000 description 22
- 238000012545 processing Methods 0.000 description 20
- 238000013461 design Methods 0.000 description 18
- 239000000284 extract Substances 0.000 description 17
- 238000010801 machine learning Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 239000002023 wood Substances 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
- G06Q10/1053—Employment or hiring
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
일실시예에 따른 장치는, 사용자의 단말로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득하고, 사용자의 단말로부터 선호 컨설턴트의 성향 정보를 획득하고, 컨설턴트의 단말로부터 수집된 정보로 구성된 데이터베이스로부터 컨설턴트의 포트폴리오를 획득하고, 획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 상기 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정하고, 스포츠 창업 관련 정보, 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정한다.
Description
아래 실시예들은 인공지능 기반으로 스포츠 창업 지원 플랫폼 서비스를 제공하기 위한 기술에 관한 것이다.
신규 창업을 희망하는 개인 사업자 또는 개인 자영업자들이 증가하고 있으나, 성공한 창업 케이스는 드문 현실이다.
일반적으로, 신규 창업 희망자는 창업 전 창업을 희망하는 위치에 직접 찾아가 시장조사를 하거나 창업 시 도움이 될만한 정보들을 인터넷 검색을 통하여 찾게 된다. 그러나, 이렇게 얻어진 정보들은 비전문적이고, 효율성이 떨어지며, 비전문가인 창업 희망자에게는 원하는 창업 조건에 적용하여 이용하는 것이 어려운 일이다.
이를 해결하기 위해 창업 컨설팅, 상권분석 등의 플랫폼이 생겨났으나, 일반적인 창업 컨설팅은 양도양수 혹은 프랜차이즈 가맹 영업이라는 고정관념이 존재하고 있다.
최근 밀레니얼 세대를 중심으로 건강과 운동, 체력 관리에 대한 관심이 커지면서 건강 관련 시장이 급성장하는 경제 현상이나 소비 패턴을 나타내는 덤벨 이코노미가 성장하고 있고, 효율적인 운동을 위해 퍼스널 트레이닝, 기능성 운동복, 운동 용품에 대한 소비 증가와 더불어 체육활동에 투자되는 비용 매년 상승하고 있다.
이로 인해, 스포츠 센터가 급속하게 증가하였으며, 스포츠와 관련된 창업이 증가하였다.
그러나, 스포츠와 관련된 창업의 경우 대부분 스포츠 강사나 트레이너 출신들이 하는 경우가 90% 이상이기 때문에 관리 및 수업과 관련된 정보는 있는 반면, 마케팅, 세무, 노무적인 데이터가 없어 어려움을 겪고 있다.
따라서, 신규 창업 컨설팅에 대한 정보가 부족한 신규 창업자를 대상으로 상권분석부터 인테리어, 마케팅, 세무적인 컨설팅까지 가능한 올인원 창업 지원 컨설팅기술에 대한 연구가 요구되고 있다.
실시예들은 인공지능 기반 스포츠 창업 지원 플랫폼 서비스를 제공하고자 한다.
실시예들은 인공신경망을 통해 사용자로부터 획득한 스포츠 창업 관련 정보, 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하고자 한다.
실시예들은 사용자의 선호 컨설턴트의 성향 정보와 컨설턴트의 포트폴리오를 기초로, 사용자의 선호 컨설턴트의 성향 정보에 적합한 컨설턴트를 선정하고자 한다.
실시예들은 사용자로부터 획득한 컨설팅 요청 정보를 기초로, 사용자와 컨설턴트가 원활하게 소통하기 위해 컨설팅에 필요한 내용을 추출하여 사용자의 단말 또는 컨설턴트의 단말로 제공하고자 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
일실시예에 따르면, 인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법은 사용자의 단말로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득하는 단계; 상기 사용자의 단말로부터 선호 컨설턴트의 성향 정보를 획득하는 단계; 데이터베이스로부터 컨설턴트의 포트폴리오를 획득하는 단계; 획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 상기 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정하는 단계; 및 상기 스포츠 창업 관련 정보, 상기 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 상기 후보 컨설턴트 중 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계;를 포함한다.
상기 선호 컨설턴트의 성향 정보는 신속성, 전문성 및 경제성 항목을 포함하고, 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계는 상기 사용자가 상기 선호 컨설턴트의 성향 정보로 신속성을 선택한 경우, 상기 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정하고, 상기 사용자가 상기 선호 컨설턴트의 성향 정보로 전문성을 선택한 경우, 상기 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 선정하고, 상기 사용자가 상기 선호 컨설턴트의 성향 정보로 경제성을 선택한 경우, 상기 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 선정한다.
상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계는 상기 사용자가 상기 선호 컨설턴트의 성향 정보로 복수의 항목을 선택한 경우, 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목을 만족하는 컨설턴트 리스트를 생성하고, 각 항목을 만족하는 컨설턴트 리스트에 모두 리스팅된 컨설턴트를 선정한다.
상기 사용자가 상기 선호 컨설턴트의 성향 정보로 신속성을 선택한 경우, 상기 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정하는 단계는 상기 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트가 복수의 컨설턴트인 경우, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트 중 상기 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류하는 단계; 상기 제1 그룹으로 분류된 컨설턴트들의 상기 창업 위치 정보에 대응하는 컨설팅 경험 데이터들을 획득하는 단계; 상기 창업 위치 정보에 대응하는 컨설팅 경험 데이터들에서 컨설팅 시작 시점부터 컨설팅 완료 시점까지의 컨설팅 소요 기간들을 생성하는 단계; 상기 컨설팅 소요 기간들을 기초로, 상기 제1 그룹으로 분류된 컨설턴트들 각각에 대응하는 평균 컨설팅 소요 기간들을 생성하는 단계; 평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 경우, 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 상기 평균 컨설팅 소요 기간에 반비례하여 높이는 단계; 및 상기 가중치를 적용하여, 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계를 더 포함한다.
상기 스포츠 창업 관련 정보에 포함된 컨설팅 요청 정보는 인테리어 컨설팅, 마케팅 전략 컨설팅, 상권 분석, 세무 컨설팅 중 적어도 하나를 포함한다.
상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계는 상기 후보 컨설턴트의 포트폴리오를 기초로, 상기 후보 컨설턴트의 전문 분야를 획득하고, 상기 컨설팅 요청 정보와 상기 후보 컨설턴트의 전문 분야를 비교하여 상기 후보 컨설턴트의 전문성 정보를 생성하는 단계; 상기 후보 컨설턴트의 포트폴리오를 기초로, 상기 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 상기 후보 컨설턴트의 역량 정보를 생성하는 단계; 상기 후보 컨설턴트의 포트폴리오에 기반하여, 컨설팅 소요 기간에 의해 결정되는 신속성, 컨설팅 횟수에 의해 결정되는 전문성 및 컨설팅 비용에 의해 결정되는 경제성을 포함하는 후보 컨설턴트 성향 정보를 획득하고, 상기 후보 컨설턴트의 성향 정보 및 상기 사용자의 선호 컨설턴트의 성향 정보를 비교하여, 성향 유사도를 생성하는 단계; 상기 후보 컨설턴트의 전문성 정보, 상기 후보 컨설턴트의 역량 정보 및 상기 성향 유사도에 기초하여 제1 입력 신호를 생성하는 단계; 상기 제1 입력 신호를 상기 제1 입력 신호에 기반하여 상기 후보 컨설턴트의 점수를 출력하는 제1 인공신경망에 적용하여, 상기 후보 컨설턴트의 점수를 각각 출력하는 제1 출력 신호를 생성하는 단계; 및 상기 제1 출력 신호에 기반하여, 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계;를 포함한다.
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법은 상기 컨설팅 요청 정보에 인테리어 컨설팅이 포함된 것으로 판단되면, 상기 사용자의 단말로부터 선호 인테리어의 키워드를 획득하는 단계; 상기 선호 인테리어를 기초로, 데이터베이스에 저장된 인테리어 템플릿 중 상기 선호 인테리어의 키워드를 태그로 포함하는 유사 인테리어 템플릿을 추출하는 단계; 상기 유사 인테리어 템플릿을 상기 사용자의 단말로 제공하는 단계; 상기 사용자의 단말로부터 상기 유사 인테리어 템플릿 중 사용자가 선택한 관심 인테리어 템플릿을 획득하는 단계; 및 상기 관심 인테리어 템플릿을 상기 사용자와 매칭하여 저장하는 단계;를 더 포함하고, 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트가 선정되면, 상기 선정된 컨설턴트의 단말로 상기 사용자와 매칭된 상기 관심 인테리어 템플릿을 제공하는 단계;를 더 포함한다.
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법은 상기 컨설팅 요청 정보에 상권 분석이 포함된 것으로 판단되면, 상기 사용자의 단말로부터 임대료 정보, 월세 정보를 포함하는 상기 창업 공간의 예산 정보를 획득하는 단계; 상기 사용자의 단말로부터 상기 창업 공간의 평수, 층수를 포함하는 상기 창업 공간의 옵션 정보를 획득하는 단계; 상기 창업 공간의 예산 정보, 상기 창업 공간의 옵션 정보 및 상기 창업 위치 정보를 기초로, 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하는 단계; 임대 가능한 부동산이 있을 경우, 상기 임대 가능한 부동산 정보를 획득하여, 상기 사용자의 단말로 제공하는 단계; 임대 가능한 부동산이 없을 경우, 상기 사용자의 단말로부터 상기 창업 공간의 예산 정보, 상기 창업 공간의 옵션 정보 및 상기 창업 위치 정보의 우선 순위를 더 획득하는 단계; 및 상기 우선 순위를 기초로, 우선 순위가 낮은 항목을 순서대로 점진적으로 변경하면서 상기 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하여 상기 사용자의 단말로 제공하는 단계;를 더 포함하고, 상기 임대 가능한 부동산 정보를 상기 사용자의 단말로 제공하는 단계를 수행하기 전에, 상기 임대 가능한 부동산에서 미리 정의된 제1 기준 범위에서 상기 스포츠 서비스 정보와 일치하는 스포츠 서비스를 제공하는 업체를 확인하는 단계; 상기 확인된 업체의 개수에 기반하여, 상권의 경쟁력 점수를 생성하는 단계; 상기 확인된 업체의 평균 서비스 가격을 획득하는 단계; 상기 사용자의 단말로부터 상기 사용자가 제공하는 서비스의 예상 가격을 획득하는 단계; 상기 확인된 업체의 평균 서비스 가격과 상기 사용자가 제공하는 서비스의 예상 가격을 비교하여, 상기 상권의 경제성 점수를 생성하는 단계; 상기 임대 가능한 부동산에서 미리 정의된 제2 기준 범위에서 아파트 및 주택을 포함하는 주거 가구의 개수를 획득하는 단계; 상기 주거 가구의 개수를 기초로, 상기 상권의 잠재력 점수를 생성하는 단계; 상기 상권의 경쟁력 점수, 경제성 점수 및 잠재력 점수를 합한 값으로 상기 임대 가능한 부동산의 상권 점수를 생성하는 단계; 상기 상권 점수가 미리 정의된 기준 값보다 큰지 여부를 확인하는 단계; 상기 상권 점수가 상기 기준 값보다 크다고 확인되면, 상기 사용자의 단말로 상기 임대 가능한 부동산의 정보를 제공하는 단계; 및 상기 상권 점수가 상기 기준 값보다 작다고 확인되면, 상기 사용자의 단말로 상기 임대 가능한 부동산의 정보를 제공하지 않고, 다른 임대 가능한 부동산을 확인하는 단계;를 더 포함한다.
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법은 상기 컨설팅 요청 정보에 마케팅 전략이 포함된 것으로 판단되면, 상기 스포츠 서비스 정보에 기반하여, 상기 스포츠 서비스 정보의 트렌드 정보를 수집하는 단계; 상기 창업 위치 정보를 기초로, 상기 스포츠 서비스의 타겟 성별 및 타겟 연령을 포함하는 타겟 정보를 생성하는 단계; 상기 트렌드 정보 및 상기 타겟 정보를 기초로, 제2 입력 신호를 생성하는 단계; 상기 제2 입력 신호를 제2 인공신경망에 적용하여, 마케팅 방법 및 마케팅 기간에 해당하는 제2 출력 신호를 획득하는 단계; 상기 제2 출력 신호를 기초로, 마케팅 방법 및 마케팅 기간을 포함하는 마케팅 전략을 생성하는 단계; 및 상기 마케팅 전략을 상기 사용자의 단말 및 상기 선정된 컨설턴트의 단말로 전송하는 단계;를 더 포함한다.
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법은 상기 창업 위치 정보로부터 미리 정의된 임계 거리 내에 상기 스포츠 서비스를 제공하는 다른 업체의 가격 정보를 획득하는 단계; 상기 다른 업체의 가격 정보의 평균값, 중앙값 및 최빈값 중 적어도 하나의 값을 상기 사용자가 제공하려는 스포츠 서비스의 추천 가격으로 설정하는 단계; 상기 다른 업체의 가격 정보의 분산 값을 이용하여 상기 사용자가 제공하려는 스포츠 서비스의 추천 가격 범위를 설정하는 단계; 및 상기 스포츠 서비스의 추천 가격 및 상기 스포츠 서비스의 추천 가격 범위를 상기 사용자의 단말로 전송하는 단계;를 포함하고, 상기 다른 업체의 가격 정보의 분산 값을 이용하여 상기 사용자가 제공하려는 스포츠 서비스의 추천 가격 범위로 설정하는 단계는 상기 분산 값이 제1 임계 값보다 큰지 여부를 판단하는 단계; 및 상기 분산 값이 제1 임계 값보다 큰 경우, 상기 스포츠 서비스의 추천 가격 범위를 설정하는 기준치로 제1 기준 퍼센트를 설정하고, 상기 분산 값이 제1 임계 값보다 작은 경우, 상기 스포츠 서비스의 추천 가격 범위를 설정하는 기준치로 제1 기준 퍼센트보다 작은 제2 기준 퍼센트를 설정하는 단계;를 포함한다.
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법은 상기 스포츠 창업 관련 정보에 창업 위치 정보가 포함되어 있지 않거나, 사용자가 창업 위치 정보의 추천을 요청한 경우, 지역 온라인 카페에서 상기 스포츠 서비스 정보와 관련된 키워드를 수집하는 단계; 긍정 키워드와 부정 키워드를 구분하고, 상기 수집된 관련 키워드 전체에서 상기 긍정 키워드 비율이 미리 설정된 목표 비율보다 높은 지역 온라인 카페를 제1 리스트로 리스팅하는 단계; 상기 제1 리스트에 포함된 지역 온라인 카페에서 상기 스포츠 서비스의 수요와 관련된 키워드를 수집하는 단계; 상기 수요와 관련된 키워드가 많은 순서로 제1 리스트를 정렬하는 단계; 상기 제1 리스트에 포함된 지역 온라인 카페에 대응하는 지역을 제2 리스트로 리스팅하는 단계; 및 상기 제2 리스트를 창업 추천 지역 리스트로 생성하여 상기 사용자의 단말에 전송하는 단계;를 더 포함한다.
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법을 컴퓨터에서 실행하기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된, 컴퓨터 프로그램을 포함한다.
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 장치는 메모리; 및 상기 메모리와 연결된 프로세서;를 포함하고, 상기 프로세서는 사용자의 단말로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득하고, 상기 사용자의 단말로부터 선호 컨설턴트의 성향 정보를 획득하고, 데이터베이스로부터 컨설턴트의 포트폴리오를 획득하고, 획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 상기 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정하고, 상기 스포츠 창업 관련 정보 및 상기 선호 컨설턴트의 성향 정보를 기초로, 상기 후보 컨설턴트 중 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정한다.
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 시스템은 사용자의 단말; 컨설턴트의 단말; 및 상기 사용자의 단말 및 상기 컨설턴트의 단말과 네트워크 환경을 통해 연결되고 메모리 및 프로세서를 포함하는 서버 장치;를 포함하고, 상기 서버 장치는 상기 사용자의 단말로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득하고, 상기 사용자의 단말로부터 선호 컨설턴트의 성향 정보를 획득하고, 상기 컨설턴트의 단말로부터 수집된 정보로 구성된 데이터베이스로부터 컨설턴트의 포트폴리오를 획득하고, 획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 상기 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정하고, 상기 스포츠 창업 관련 정보 및 상기 선호 컨설턴트의 성향 정보를 기초로, 상기 후보 컨설턴트 중 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정한다.
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법은 사용자의 단말로부터 스포츠 서비스 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득하는 단계; 상기 사용자의 단말로부터 선호 컨설턴트의 성향 정보를 획득하는 단계; 지역 온라인 카페에서 상기 스포츠 서비스 정보와 관련된 키워드를 수집하는 단계; 긍정 키워드와 부정 키워드를 구분하고, 상기 수집된 관련 키워드 전체에서 상기 긍정 키워드 비율이 미리 설정된 비율보다 높은 지역 온라인 카페를 제1 리스트로 리스팅하는 단계; 상기 제1 리스트에 포함된 지역 온라인 카페에서 상기 스포츠 서비스의 수요와 관련된 키워드를 수집하는 단계; 상기 수요와 관련된 키워드가 많은 순서로 제1 리스트를 정렬하는 단계; 상기 제1 리스트에 포함된 지역 온라인 카페에 대응하는 지역을 제2 리스트로 리스팅하는 단계; 상기 제2 리스트를 창업 추천 지역 리스트로 생성하는 단계; 데이터베이스로부터 컨설턴트의 포트폴리오를 획득하는 단계; 획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 상기 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정하는 단계; 및 상기 스포츠 창업 관련 정보, 상기 창업 추천 지역 리스트 및 상기 선호 컨설턴트의 성향 정보를 기초로, 상기 후보 컨설턴트 중 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계;를 포함한다.
실시예들은 인공지능 기반 스포츠 창업 지원 플랫폼 서비스를 제공할 수 있다.
실시예들은 인공신경망을 통해 사용자로부터 획득한 스포츠 창업 관련 정보, 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
실시예들은 사용자의 선호 컨설턴트의 성향 정보와 컨설턴트의 포트폴리오를 기초로, 사용자의 선호 컨설턴트의 성향 정보에 적합한 컨설턴트를 선정할 수 있다.
실시예들은 사용자로부터 획득한 컨설팅 요청 정보를 기초로, 사용자와 컨설턴트가 원활하게 소통하기 위해 컨설팅에 필요한 내용을 추출하여 사용자의 단말 또는 컨설턴트의 단말로 제공함으로써, 컨설턴트는 사용자에게 구체적인 컨설팅을 제공할 수 있다.
한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 인공지능 기반 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 선호 컨설턴트의 성향 정보를 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 선호 컨설턴트의 성향 정보로 신속성을 선택한 경우 컨설턴트를 선정하기 위해 평균 컨설팅 소요 기간을 확인하여 가중치로 부여하는 과정을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 인공신경망을 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 사용자의 컨설팅 요청 정보가 인테리어 컨설팅일 경우 인테리어 컨설팅을 제공하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 사용자의 컨설팅 요청 정보가 상권 분석일 경우 임대 가능한 부동산의 정보를 제공하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 임대 가능한 부동산의 상권 점수를 통해 사용자에게 임대 가능한 부동산의 정보를 제공하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 사용자로부터 획득한 정보를 통해 제2 인공신경망에 적용하여 마케팅 전략을 생성하고, 사용자 및 컨설턴트에게 제공하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 사용자의 스포츠 서비스의 추천 가격 및 추천 가격 범위를 제공하는 과정을 설명하기 위한 순서도이다.
도 11은 일실시예에 따른 사용자의 스포츠 서비스의추천 가격 범위를 설정하는 과정을 설명하기 위한 순서도이다.
도 12는 일실시예에 따른 창업 추천 지역 리스트를 사용자의 단말로 제공하는 과정을 설명하기 위한 순서도이다.
도 13은 일실시예에 따른 지역 온라인 카페를 통해 창업 추천 지역 리스트를 생성하고 사용자의 단말로부터 획득한 정보 및 컨설턴트의 포트폴리오를 기초로, 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정을 설명하기 위한 순서도이다.
도 14는 일실시예에 따른 장치의 구성의 예시도이다.
도 2는 일실시예에 따른 인공지능 기반 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 선호 컨설턴트의 성향 정보를 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 선호 컨설턴트의 성향 정보로 신속성을 선택한 경우 컨설턴트를 선정하기 위해 평균 컨설팅 소요 기간을 확인하여 가중치로 부여하는 과정을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 인공신경망을 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 사용자의 컨설팅 요청 정보가 인테리어 컨설팅일 경우 인테리어 컨설팅을 제공하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 사용자의 컨설팅 요청 정보가 상권 분석일 경우 임대 가능한 부동산의 정보를 제공하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 임대 가능한 부동산의 상권 점수를 통해 사용자에게 임대 가능한 부동산의 정보를 제공하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 사용자로부터 획득한 정보를 통해 제2 인공신경망에 적용하여 마케팅 전략을 생성하고, 사용자 및 컨설턴트에게 제공하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 사용자의 스포츠 서비스의 추천 가격 및 추천 가격 범위를 제공하는 과정을 설명하기 위한 순서도이다.
도 11은 일실시예에 따른 사용자의 스포츠 서비스의추천 가격 범위를 설정하는 과정을 설명하기 위한 순서도이다.
도 12는 일실시예에 따른 창업 추천 지역 리스트를 사용자의 단말로 제공하는 과정을 설명하기 위한 순서도이다.
도 13은 일실시예에 따른 지역 온라인 카페를 통해 창업 추천 지역 리스트를 생성하고 사용자의 단말로부터 획득한 정보 및 컨설턴트의 포트폴리오를 기초로, 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정을 설명하기 위한 순서도이다.
도 14는 일실시예에 따른 장치의 구성의 예시도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 사용자의 단말(100), 컨설턴트의 단말(200) 및 장치(300)를 포함할 수 있다.
먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.
사용자의 단말(100)은 스포츠 서비스와 관련하여 창업하고자 하는 사용자가 사용하는 단말로, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다. 예를 들어, 도 1에 도시된 바와 같이, 사용자의 단말(100)은 스마트폰일 수 있으며, 실시예에 따라 달리 채용될 수도 있다.
컨설턴트의 단말(200)은 사용자가 하고자 하는 스포츠 창업과 관련하여 정보를 보유하고 있어 사용자에게 적합한 창업 정보를 제공하고 컨설팅하는 컨설턴트가 사용하는 단말로, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다. 예를 들어, 도 1에 도시된 바와 같이, 컨설턴트의 단말(200)은 스마트폰일 수 있으며, 실시예에 따라 달리 채용될 수도 있다.
사용자의 단말(100) 및 컨설턴트의 단말(200) 각각은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 사용자의 단말(100) 및 컨설턴트의 단말(200) 각각은 장치(300)와 유무선으로 통신하도록 구성될 수 있다.
사용자의 단말(100) 및 컨설턴트의 단말(200) 각각은 장치(300)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 사이트에 접속되거나, 장치(300)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 사용자의 단말(100) 및 컨설턴트의 단말(200) 각각은 웹 사이트 또는 애플리케이션을 통해 장치(300)와 연동될 수 있다.
도1 및 이하의 설명에서는, 설명의 편의상, 사용자의 단말(100), 컨설턴트의 단말(200) 각각 하나만을 도시하고 설명하였으나, 단말들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(300)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.
장치(300)는 장치(300)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(300)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(300)는 사용자의 단말(100) 및 컨설턴트의 단말(200)과 유무선으로 통신하도록 구성될 수 있으며, 사용자의 단말(100) 및 컨설턴트의 단말(200)로부터 사용자와 관련된 정보, 컨설턴트와 관련된 정보를 획득할 수 있다.
장치(300)는 사용자와 컨설턴트를 매칭하는 서버로 구현될 수 있으며, 사용자의 단말(100)로부터 사용자가 하고자 하는 스포츠 창업과 관련된 정보를 획득하고, 컨설턴트의 단말(200)로부터 컨설턴트의 포트폴리오를 획득하여, 획득한 컨설턴트의 포트폴리오를 데이터베이스에 저장하여, 사용자가 하고자 하는 스포츠 창업과 관련된 정보 및 컨설턴트의 포트폴리오를 분석하여 사용자와 컨설턴트를 매칭할 수 있다.
또한, 장치(300)는 사용자와 컨설턴트를 매칭하고, 컨설턴트와 사용자가 원활한 의사소통 및 구체적인 컨설팅이 가능하도록 사용자의 단말(100)로부터 획득한 사용자가 하고자 하는 스포츠 창업과 관련된 정보를 이용하여 컨설팅 내용을 추출할 수 있다.
장치(300)는 사용자의 단말(100)로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득하고, 사용자의 단말로부터 선호 컨설턴트의 성향 정보를 획득하고, 컨설턴트의 단말(200)로부터 수집된 정보로 구성된 데이터베이스로부터 컨설턴트의 포트폴리오를 획득하고, 획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 상기 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정하고, 스포츠 창업 관련 정보, 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
이를 통해, 장치(300)는 인공신경망을 통해 사용자로부터 획득한 스포츠 창업 관련 정보, 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있고, 또한 사용자에 적합한 컨설턴트를 선정하기 위해 획득한 정보들을 통해 사용자와 컨설턴트가 원활하게 소통하기 위해 컨설팅에 필요한 내용을 추출하여 사용자의 단말 또는 컨설턴트의 단말로 제공함으로써, 컨설턴트는 사용자에게 구체적인 컨설팅을 제공할 수 있다.
본 발명에서, 인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.
기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다. 또는, 신경망 모델은 입력 데이터만 주어지는 경우에도 주어진 데이터 사이의 규칙성을 도출하여 그 관계를 학습할 수도 있다.
인공지능 학습모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다. 인공지능 학습모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 인공지능 학습모델은, 예를 들어, 인공 신경망 모델(Artificial Neural Network), 컨볼루션 신경망 모델(Convolution Neural Network: CNN) 등일 수 있다. 일 실시예로서, 인공지능 학습모델은, 지도학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방식에 따라 기계 학습될 수 있다. 기계 학습을 수행하기 위한 기계 학습 알고리즘에는, 의사결정트리(Decision Tree), 베이지안 망(Bayesian Network), 서포트 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neural Network), 에이다부스트(Ada-boost), 퍼셉트론(Perceptron), 유전자 프로그래밍(Genetic Programming), 군집화(Clustering) 등이 사용될 수 있다.
이중, CNN은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 다른 딥러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. CNN은 또한 표준 역전달을 통해 훈련될 수 있다. CNN은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.
컨볼루션 네트워크는 묶인 파라미터들을 가지는 노드들의 집합들을 포함하는 신경 네트워크들이다. 사용 가능한 트레이닝 데이터의 크기 증가와 연산 능력의 가용성이, 구분적 선형 단위 및 드롭아웃 트레이닝과 같은 알고리즘 발전과 결합되어, 많은 컴퓨터 비전 작업들이 크게 개선되었다. 오늘날 많은 작업에 사용할 수 있는 데이터 세트들과 같은 엄청난 양의 데이터 세트에서는 초과 맞춤(outfitting)이 중요하지 않으며, 네트워크의 크기를 늘리면 테스트 정확도가 향상된다. 컴퓨팅 리소스들의 최적 사용은 제한 요소가 된다. 이를 위해, 심층 신경 네트워크들의 분산된, 확장 가능한 구현예가 사용될 수 있다.
도 2 내지 도 5는 대표 실시예에 따른 인공지능 기반 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정이다.
도 2을 참조하면, 먼저, S201 단계에서, 장치(300)는 사용자의 단말(100)로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득할 수 있다.
여기서, 스포츠 서비스 정보는 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스에 관한 정보이다.
예를 들어 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 강의일 경우, 스포츠 서비스 정보는 테니스, 골프, 농구, 축구, 필라테스, 요가 등을 포함하는 스포츠 강의의 카테고리일 수 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 제품 판매일 경우, 요가복, 요가매트 등 사용자가 판매하고자 하는 스포츠 제품의 정보일 수도 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 공간의 제공일 경우, 수영장, 헬스장, 스케이트장 등을 포함하는 스포츠 공간의 카테고리일 수 있다.
또한, 창업 위치 정보는 창업하고자 하는 위치와 관련된 정보로, 사용자가 아직 창업 공간을 찾고 있을 경우, 사용자가 창업을 원하는 위치일 수 있으며, 사용자가 이미 창업 공간을 보유하고 있는 경우, 해당 창업 공간의 구체적인 위치와 관련된 정보일 수 있다.
또한, 컨설팅 요청 정보는 사용자가 필요한 컨설팅의 분야가 어떤 것인지에 관한 정보로, 컨설팅 요청 정보는 인테리어 컨설팅, 마케팅 전략 컨설팅, 상권 분석, 세무 컨설팅 중 적어도 하나를 포함할 수 있다.
또한, 예산 정보는 사용자가 가지고 있는 예산과 관련된 정보로, 예산 정보는 컨설팅 비용과 관련된 예산 및 스포츠 창업과 관련된 예산을 포함할 수 있다.
S202 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보를 획득할 수 있다. 여기서, 선호 컨설턴트의 성향 정보는 신속성, 전문성 및 경제성 항목을 포함할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 사용자가 선호하는 컨설턴트가 일처리가 신속한 컨설턴트인지, 업무를 많이 수행한 전문적인 컨설턴트인지, 컨설팅 비용이 저렴한 컨설턴트인지에 관한 정보인 선호 컨설턴트의 성향 정보를 획득할 수 있다.
S203 단계에서, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
구체적으로, 장치(300)는 컨설턴트의 단말(200)로부터 컨설턴트의 포트폴리오를 획득할 수 있고, 획득한 컨설턴트의 포트폴리오를 데이터베이스에 저장할 수 있다. 또한, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
이로 인해, 장치(300)는 컨설턴트와 사용자를 매칭하는 과정마다 컨설턴트의 단말(200)로 컨설턴트의 포트폴리오를 요청하여 수신하는 과정을 생략할 수 있고, 데이터베이스에 저장된 컨설턴트의 포트폴리오를 사용할 수 있어 빠르게 컨설턴트와 사용자를 매칭할 수 있다.
S204 단계에서, 장치(300)는 획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다. 여기서, 기준 비율은 미리 설정된 비율로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅을 파악하고, 컨설턴트가 수행한 창업 컨설팅 중 사용자로부터 획득한 스포츠 서비스 정보와 관련된 컨설팅을 분류할 수 있다. 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅을 몇 번 수행하였는지 확인할 수 있고, 전체 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅의 비율을 확인할 수 있다. 또한, 장치(300)는 해당 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다.
예를 들어, 사용자가 창업하고자 하는 스포츠 서비스가 테니스 강의이고, 데이터베이스로부터 ‘A’ 컨설턴트의 포트폴리오, ‘B’ 컨설턴트의 포트폴리오, ‘C’ 컨설턴트의 포트폴리오를 획득하고, ‘A’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘A’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘B’ 포트폴리오이 포함되어 있고, ‘B’ 컨설턴트의 전체 포트폴리오를 확인한 결과 음식점 창업과 관련하여 컨설팅한 ‘C’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘D’ 포트폴리오, 카페 창업과 관련하여 컨설팅한 ‘E’ 포트폴리오이고, ‘C’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘F’ 포트폴리오, 쇼핑몰 창업과 관련하여 컨설팅한 ‘G’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘H’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘I’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘J’ 포트폴리오이고, 기준 비율이 75%인 경우, 장치(300)는 획득한 포트폴리오에 기반하여 전체 포트폴리오 중 테니스 강의와 관련된 포트폴리오가 차지하는 비율이 75%이상인 ‘A’ 컨설턴트 및 ‘C’ 컨설턴트를 후보 컨설턴트로 선정할 수 있다.
S205 단계에서, 장치(300)는 스포츠 창업 관련 정보, 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 획득한 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보와 사용자의 단말(100)로부터 획득한 선호 컨설턴트의 성향 정보 및 데이터베이스로부터 획득한 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅한 컨설턴트를 선정할 수 있다. 이와 관련하여 구체적인 설명은 도 3 내지 도 5를 참조하여 하기로 한다.
도 3은 선호 컨설턴트의 성향 정보를 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정으로, 먼저, S301 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득할 수 있다.
S301 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득한 경우, S302 단계에서, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 일처리가 신속한 컨설턴트를 선정하기 위해 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 평균 응답 기간은 12시간 이내 응답이고, ‘C’ 컨설턴트의 평균 응답 기간은 1일 이내 응답이고, ‘D’ 컨설턴트의 평균 응답 기간은 6시간 이내 응답이고, ‘E’ 컨설턴트의 평균 응답 기간은 2일 이내 응답일 경우, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 ‘D’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S303 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득할 수 있다.
S303 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득한 경우, S304 단계에서, 장치(300)는 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 업무를 많이 수행한 전문적인 컨설턴트를 선정하기 위해 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 전문성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 포트폴리오 제작 건 수가 2건이고, ‘C’ 컨설턴트의 포트폴리오 제작 건 수가 5건이고, ‘D’ 컨설턴트의 포트폴리오 제작 건 수가 3건이고, ‘E’ 컨설턴트의 포트폴리오 제작 건 수가 4건일 경우, 장치(300)는 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 ‘C’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S305 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득할 수 있다.
S305 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득한 경우, S306 단계에서, 장치(300)는 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 컨설팅 비용이 저렴한 컨설턴트를 선정하기 위해 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 컨설팅 비용이 25만원이고, ‘C’ 컨설턴트의 컨설팅 비용이 40만원이고, ‘D’ 컨설턴트의 컨설팅 비용이 50만원이고, ‘E’ 컨설턴트의 컨설팅 비용이 30만원일 경우, 장치(300)는 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 ‘A’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S307 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 복수의 항목을 획득할 수 있다.
S307 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 복수의 항목을 획득한 경우, S308 단계에서, 장치(300)는 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목에 만족하는 컨설턴트 리스트를 생성할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성, 전문성, 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 평균 응답 기간은 12시간 이내 응답, 포트폴리오 제작 건 수는 2건, 컨설팅 비용은 25만원이고, ‘C’ 컨설턴트의 평균 응답 기간은 1일 이내 응답, 포트폴리오 제작 건 수는 5건, 컨설팅 비용은 40만원이고, ‘D’ 컨설턴트의 평균 응답 기간은 6시간 이내 응답, 포트폴리오 제작 건 수는 3건, 컨설팅 비용은 50만원이고, ‘E’ 컨설턴트의 평균 응답 기간은 2일 이내 응답, 포트폴리오 제작 건 수는 4건, 컨설팅 비용은 30만원이고, 신속성에 대응하여 미리 설정된 기준이 평균 응답 시간 1일 이내 응답이고, 전문성에 대응하여 미리 설정된 기준이 포트폴리오 제작 3건 이상이고, 경제성에 대응하여 미리 설정된 기준이 컨설팅 비용 40만원 이하일 경우, 장치(300)는 신속성을 만족하는 컨설턴트 리스트로 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트를 포함하여 리스트를 생성할 수 있고, 전문성을 만족하는 컨설턴트 리스트로 ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트를 포함하여 리스트를 생성할 수 있고, 경제성을 만족하는 컨설턴트 리스트로 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘E’ 컨설턴트를 포함하여 리스트를 생성할 수 있다.
S308 단계에서 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목에 만족하는 컨설턴트 리스트를 생성하면, S309 단계에서, 장치(300)는 각 항목을 만족하는 컨설턴트 리스트에 모두 리스팅된 컨설턴트를 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성, 전문성, 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, 신속성을 만족하는 컨설턴트 리스트에 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트가 포함되어 있고, 전문성을 만족하는 컨설턴트 리스트에 ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 포함되어 있고, 경제성을 만족하는 컨설턴트 리스트에 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘E’ 컨설턴트가 포함되어 있는 경우, 장치(300)는 신속성을 만족하는 컨설턴트 리스트, 전문성을 만족하는 컨설턴트 리스트, 경제성을 만족하는 컨설턴트 리스트에 모두 리스팅된 ‘C’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
도 4는 선호 컨설턴트의 성향 정보로 신속성을 선택한 경우 컨설턴트를 선정하는 과정으로, 장치(300)는 사용자의 단말(100)로부터 획득한 선호 컨설턴트의 성향 정보로 신속성을 획득하고, 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정할 수 있다. 또한, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 확인한 결과, 응답이 가장 빠른 컨설턴트로 2명 이상의 컨설턴트가 확인되면, 후보 컨설턴트들의 창업 위치 정보에 대응하는 평균 컨설팅 소요 기간을 확인하여 컨설턴트를 선정하기 위한 가중치를 생성 및 부여할 수 있다.
먼저, S401 단계에서, 장치(300)는 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트들 중 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트가 복수일 경우, 사용자로부터 획득한 창업 위치 정보를 기초로, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트의 포트폴리오를 확인하여, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트들 중 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류할 수 있다.
예를 들어, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트로 평균 응답 기간은 6시간 이내인 ‘D’ 컨설턴트, ‘F’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'I’ 컨설턴트, 'J’ 컨설턴트가 선정되었고, 사용자로부터 획득한 창업 위치 정보를 기초로, 사용자가 서울특별시에서 창업을 할 예정인 경우, 장치(300)는 ‘D’ 컨설턴트, ‘F’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'I’ 컨설턴트, 'J’ 컨설턴트의 포트폴리오를 확인하여 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트들 중 서울특별시에 창업하는 사용자를 컨설팅 경험이 있는 컨설턴트인 ‘D’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'J’ 컨설턴트를 추출할 수 있고, ‘D’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'J’ 컨설턴트를 제1 그룹으로 분류할 수 있다.
S402 단계에서, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 경험 데이터들을 획득할 수 있다. 여기서, 후보 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 경험 데이터들은 창업 위치 정보와 관련된 컨설팅 경험 데이터로 창업 위치 정보에 대응하는 컨설팅을 몇 회 하였는지, 창업 위치 정보에 대응하는 컨설팅의 컨설팅 시작 시점부터 컨설팅 종료 시점까지 각각 얼마나 소요되었는지, 창업 위치 정보에 대응하는 컨설팅을 제공받은 사용자의 만족도가 어느 정도였는지 등의 창업 위치 정보에 대응하는 컨설팅 경험 데이터이다.
S403 단계에서, 장치(300)는 창업 위치 정보에 대응하는 컨설팅 경험 데이터들에서 컨설팅 시작 시점부터 컨설팅 완료 시점까지의 컨설팅 소요 기간들을 생성할 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D‘ 컨설턴트의 창업 위치 정보에 대응하는 컨설팅 경험 데이터를 확인한 결과, 창업 위치 정보에 대응하는 제1 컨설팅 경험의 컨설팅 시작 시점이 8월 1일이고, 컨설팅 종료 시점이 8월 11일인 경우, 장치(300)는 제1 컨설팅 경험에 대응하는 컨설팅 소요 기간을 10일로 생성할 수 있다.
S404 단계에서, 장치(300)는 컨설팅 소요 기간들을 기초로, 제1 그룹으로 분류된 컨설턴트들 각각에 대응하는 평균 컨설팅 소요 기간들을 생성할 수 있다.
구체적으로, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 소요 기간들을 추출할 수 있고, 각 후보 컨설턴트마다 컨설팅 소요 기간들의 평균을 산출하여 평균 컨설팅 소요 기간을 생성할 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D‘ 컨설턴트의 창업 위치 정보에 대응하는 컨설팅 소요 기간들을 확인한 결과 각각 10일, 6일, 14일인 경우, 장치(300)는 ‘D‘ 컨설턴트의 평균 컨설팅 소요 기간을 10일로 생성할 수 있다.
S405 단계에서, 장치(300)는 평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 경우, 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 평균 컨설팅 소요 기간에 반비례하여 높일 수 있다. 여기서, 임계 기간을 미리 설정된 기간으로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 평균 컨설팅 소요 기간을 생성하고, 생성된 평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 후보 컨설턴트들을 추출하고, 해당 후보 컨설턴트들의 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 평균 컨설팅 소요 기간에 반비례하여 높일 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 10일이고, ‘G’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 6일이고, ‘H’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 12일이고, ‘J‘ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 17일이고, 미리 정의된 임계 기간이 14일인 경우, 장치(300)는 ‘J‘ 컨설턴트의 경우 평균 공급 소요 기간인 17일이 임계 기간인 14일 보다 길기 때문에 소요 기간에 대한 가중치를 부여하지 않고, ‘G’ 컨설턴트에게 소요 기간에 대한 가중치를 10점 부여하고, ‘D’ 컨설턴트에게 소요 기간에 대한 가중치를 6점 부여하고, ‘H’ 컨설턴트에게 소요 기간에 대한 가중치를 5점 부여할 수 있다.
S406 단계에서, 장치(300)는 가중치를 적용하여, 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
예를 들어, ‘G’ 컨설턴트에게 소요 기간에 대한 가중치를 10점 부여하고, ‘D’ 컨설턴트에게 소요 기간에 대한 가중치를 6점 부여하고, ‘H’ 컨설턴트에게 소요 기간에 대한 가중치를 5점 부여한 경우, 장치(300)는 가중치를 적용하여, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 ‘G’ 컨설턴트를 선정할 수 있다.
도 5는 인공신경망을 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정으로, 먼저, S501 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트의 전문 분야를 획득하고, 컨설팅 요청 정보와 후보 컨설턴트의 전문 분야를 비교하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트의 전문 분야를 획득할 수 있다. 또한, 장치(300)는 사용자의 단말(100)로부터 획득한 컨설팅 요청 정보와 후보 컨설턴트의 전문 분야를 비교하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다. 이때, 장치(300)는 후보 컨설턴트의 전문성 정보를 점수로 생성할 수도 있고, 후보 컨설턴트의 전체 포트폴리오의 개수 대비 컨설팅 요청 정보에 대응하는 포트폴리오의 개수의 비율로 생성할 수도 있다. 또한, 그 외의 방법으로 생성할 수도 있다.
예를 들어, 후보 컨설턴트의 포트폴리오를 확인한 결과, 온라인 마케팅에 관한 컨설팅을 수행한 포트폴리오가 30건, 오프라인 마케팅에 관한 컨설팅을 수행한 포트폴리오가 10건, 쇼핑몰 마케팅에 관한 컨설팅을 수행한 포트폴리오가 10건으로 후보 컨설턴트의 전문 분야를 온라인 마케팅에 관한 컨설팅으로 생성하고, 사용자로부터 획득한 컨설팅 요청 정보가 마케팅 전략일 경우, 장치(300)는 후보 컨설턴트의 전문 분야인 온라인 마케팅에 관한 컨설팅과 사용자의 컨설팅 요청 정보인 마케팅 전략 컨설팅을 비교하여, 후보 컨설턴트의 전문 분야와 컨설팅 요청 정보가 일치한다고 판단하여 점수를 높게 생성하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
또한, 후보 컨설턴트의 포트폴리오를 확인한 결과, 공간 디자인에 관한 컨설팅을 수행한 포트폴리오가 50건으로 후보 컨설턴트의 전문 분야를 공간 디자인에 관한 컨설팅으로 생성하고, 사용자로부터 획득한 컨설팅 요청 정보가 마케팅 전략일 경우, 장치(300)는 후보 컨설턴트의 전문 분야인 공간 디자인에 관한 컨설팅과 사용자의 컨설팅 요청 정보인 마케팅 전략 컨설팅을 비교하여, 후보 컨설턴트의 전문 분야와 컨설팅 요청 정보가 불일치한다고 판단하여 점수를 낮게 생성하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
S502 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 후보 컨설턴트의 역량 정보를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트가 진행한 컨설팅에 대응하는 만족도 점수를 획득할 수 있고, 후보 컨설턴트가 진행한 컨설팅에 대응하는 만족도 점수의 평균값으로 평균 만족도 점수를 생성할 수 있다.
장치(300)는 생성된 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 후보 컨설턴트의 역량 정보를 생성할 수 있다. 또한, 장치(300)는 후보 컨설턴트의 역량 정보를 생성하기 위해 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수는 물론 후보 컨설턴트가 진행한 컨설팅의 횟수를 획득하여 컨설팅의 횟수가 포함된 후보 컨설턴트의 역량 정보를 생성할 수 있다.
S503 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오에 기반하여, 신속성, 전문성 및 경제성을 포함하는 후보 컨설턴트의 성향 정보를 획득하고, 후보 컨설턴트의 성향 정보 및 사용자의 선호 컨설턴트의 성향 정보를 비교하여 성향 유사도를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오에 기반하여, 컨설팅 소요 기간에 의해 결정되는 신속성, 컨설팅 횟수에 의해 결정되는 전문성 및 컨설팅 비용에 의해 결정되는 경제성을 포함하는 후보 컨설턴트 성향 정보를 획득하고, 후보 컨설턴트의 성향 정보 및 사용자의 선호 컨설턴트의 성향 정보를 비교하여 성향 유사도를 생성할 수 있다.
S504 단계에서, 장치(300)는 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도에 기초하여 제1 입력 신호를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도를 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도는 제1 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제1 입력 신호를 생성할 수 있다.
S505 단계에서, 장치(300)는 제1 입력 신호를 제1 인공신경망에 적용하여 후보 컨설턴트의 점수를 각각 출력하는 제1 출력 신호를 생성할 수 있다. 이때, 점수는 0과 1사이의 실수 값일 수 있다.
제1 인공신경망은 입력된 전문성 정보, 역량 정보 및 성향 유사도에 따라 후보 컨설턴트의 점수를 각각 출력하는 인공지능 모델로, 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들, 제1 출력 신호들 및 트레이닝 점수들에 기초하여 미리 학습될 수 있다. 여기서, 트레이닝 점수들은 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들에 각각 대응하는 점수들이고, 제1 출력 신호들은 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들이 제1 인공신경망에 적용되어 생성된 출력 신호들이며, 제1 인공신경망은 제1 출력 신호들 및 트레이닝 점수들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습된다.
제1 인공신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 제1 인공신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다. 강화 학습에 따라 학습되는 제1 인공신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 보상은 전문성 정보, 역량 정보 및 성향 유사도에 적합한 점수를 선정할수록 보상값이 높아질 수 있으며, 제2 보상은 전문성 정보, 역량 정보 및 성향 유사도에 적합하지 않은 점수를 선정하지 않을수록 보상값이 높아질 수 있다.
S506 단계에서, 장치(300)는 제1 출력 신호에 기반하여 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
예를 들어, 장치(300)는 후보 컨설턴트의 점수가 각각 0.8, 0.2, 0.4, 0.6인 경우, 점수가 0.8에 대응하는 후보 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
도 2 내지 도 6은 실시예1에 따른 사용자가 인테리어 컨설팅을 요청할 경우, 인테리어 컨설팅에 적합한 컨설턴트를 매칭하고, 컨설턴트와 사용자의 인테리어 컨설팅에 도움이 될 수 있는 관심 인테리어 템플릿을 제공하는 과정이다.
도 2을 참조하면, 먼저, S201 단계에서, 장치(300)는 사용자의 단말(100)로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득할 수 있다.
여기서, 스포츠 서비스 정보는 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스에 관한 정보이다.
예를 들어 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 강의일 경우, 스포츠 서비스 정보는 테니스, 골프, 농구, 축구, 필라테스, 요가 등을 포함하는 스포츠 강의의 카테고리일 수 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 제품 판매일 경우, 요가복, 요가매트 등 사용자가 판매하고자 하는 스포츠 제품의 정보일 수도 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 공간의 제공일 경우, 수영장, 헬스장, 스케이트장 등을 포함하는 스포츠 공간의 카테고리일 수 있다.
또한, 창업 위치 정보는 창업하고자 하는 위치와 관련된 정보로, 사용자가 아직 창업 공간을 찾고 있을 경우, 사용자가 창업을 원하는 위치일 수 있으며, 사용자가 이미 창업 공간을 보유하고 있는 경우, 해당 창업 공간의 구체적인 위치와 관련된 정보일 수 있다.
또한, 컨설팅 요청 정보는 사용자가 필요한 컨설팅의 분야가 어떤 것인지에 관한 정보로, 컨설팅 요청 정보는 인테리어 컨설팅, 마케팅 전략 컨설팅, 상권 분석, 세무 컨설팅 중 적어도 하나를 포함할 수 있다.
또한, 예산 정보는 사용자가 가지고 있는 예산과 관련된 정보로, 예산 정보는 컨설팅 비용과 관련된 예산 및 스포츠 창업과 관련된 예산을 포함할 수 있다.
S202 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보를 획득할 수 있다. 여기서, 선호 컨설턴트의 성향 정보는 신속성, 전문성 및 경제성 항목을 포함할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 사용자가 선호하는 컨설턴트가 일처리가 신속한 컨설턴트인지, 업무를 많이 수행한 전문적인 컨설턴트인지, 컨설팅 비용이 저렴한 컨설턴트인지에 관한 정보인 선호 컨설턴트의 성향 정보를 획득할 수 있다.
S203 단계에서, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
구체적으로, 장치(300)는 컨설턴트의 단말(200)로부터 컨설턴트의 포트폴리오를 획득할 수 있고, 획득한 컨설턴트의 포트폴리오를 데이터베이스에 저장할 수 있다. 또한, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
이로 인해, 장치(300)는 컨설턴트와 사용자를 매칭하는 과정마다 컨설턴트의 단말(200)로 컨설턴트의 포트폴리오를 요청하여 수신하는 과정을 생략할 수 있고, 데이터베이스에 저장된 컨설턴트의 포트폴리오를 사용할 수 있어 빠르게 컨설턴트와 사용자를 매칭할 수 있다.
S204 단계에서, 장치(300)는 획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다. 여기서, 기준 비율은 미리 설정된 비율로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅을 파악하고, 컨설턴트가 수행한 창업 컨설팅 중 사용자로부터 획득한 스포츠 서비스 정보와 관련된 컨설팅을 분류할 수 있다. 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅을 몇 번 수행하였는지 확인할 수 있고, 전체 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅의 비율을 확인할 수 있다. 또한, 장치(300)는 해당 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다.
예를 들어, 사용자가 창업하고자 하는 스포츠 서비스가 테니스 강의이고, 데이터베이스로부터 ‘A’ 컨설턴트의 포트폴리오, ‘B’ 컨설턴트의 포트폴리오, ‘C’ 컨설턴트의 포트폴리오를 획득하고, ‘A’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘A’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘B’ 포트폴리오이 포함되어 있고, ‘B’ 컨설턴트의 전체 포트폴리오를 확인한 결과 음식점 창업과 관련하여 컨설팅한 ‘C’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘D’ 포트폴리오, 카페 창업과 관련하여 컨설팅한 ‘E’ 포트폴리오이고, ‘C’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘F’ 포트폴리오, 쇼핑몰 창업과 관련하여 컨설팅한 ‘G’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘H’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘I’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘J’ 포트폴리오이고, 기준 비율이 75%인 경우, 장치(300)는 획득한 포트폴리오에 기반하여 전체 포트폴리오 중 테니스 강의와 관련된 포트폴리오가 차지하는 비율이 75%이상인 ‘A’ 컨설턴트 및 ‘C’ 컨설턴트를 후보 컨설턴트로 선정할 수 있다.
S205 단계에서, 장치(300)는 스포츠 창업 관련 정보, 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 획득한 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보와 사용자의 단말(100)로부터 획득한 선호 컨설턴트의 성향 정보 및 데이터베이스로부터 획득한 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅한 컨설턴트를 선정할 수 있다. 이와 관련하여 구체적인 설명은 도 3 내지 도 5를 참조하여 하기로 한다.
도 3은 선호 컨설턴트의 성향 정보를 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정으로, 먼저, S301 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득할 수 있다.
S301 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득한 경우, S302 단계에서, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 일처리가 신속한 컨설턴트를 선정하기 위해 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 평균 응답 기간은 12시간 이내 응답이고, ‘C’ 컨설턴트의 평균 응답 기간은 1일 이내 응답이고, ‘D’ 컨설턴트의 평균 응답 기간은 6시간 이내 응답이고, ‘E’ 컨설턴트의 평균 응답 기간은 2일 이내 응답일 경우, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 ‘D’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S303 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득할 수 있다.
S303 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득한 경우, S304 단계에서, 장치(300)는 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 업무를 많이 수행한 전문적인 컨설턴트를 선정하기 위해 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 전문성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 포트폴리오 제작 건 수가 2건이고, ‘C’ 컨설턴트의 포트폴리오 제작 건 수가 5건이고, ‘D’ 컨설턴트의 포트폴리오 제작 건 수가 3건이고, ‘E’ 컨설턴트의 포트폴리오 제작 건 수가 4건일 경우, 장치(300)는 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 ‘C’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S305 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득할 수 있다.
S305 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득한 경우, S306 단계에서, 장치(300)는 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 컨설팅 비용이 저렴한 컨설턴트를 선정하기 위해 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 컨설팅 비용이 25만원이고, ‘C’ 컨설턴트의 컨설팅 비용이 40만원이고, ‘D’ 컨설턴트의 컨설팅 비용이 50만원이고, ‘E’ 컨설턴트의 컨설팅 비용이 30만원일 경우, 장치(300)는 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 ‘A’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S307 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 복수의 항목을 획득할 수 있다.
S307 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 복수의 항목을 획득한 경우, S308 단계에서, 장치(300)는 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목에 만족하는 컨설턴트 리스트를 생성할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성, 전문성, 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 평균 응답 기간은 12시간 이내 응답, 포트폴리오 제작 건 수는 2건, 컨설팅 비용은 25만원이고, ‘C’ 컨설턴트의 평균 응답 기간은 1일 이내 응답, 포트폴리오 제작 건 수는 5건, 컨설팅 비용은 40만원이고, ‘D’ 컨설턴트의 평균 응답 기간은 6시간 이내 응답, 포트폴리오 제작 건 수는 3건, 컨설팅 비용은 50만원이고, ‘E’ 컨설턴트의 평균 응답 기간은 2일 이내 응답, 포트폴리오 제작 건 수는 4건, 컨설팅 비용은 30만원이고, 신속성에 대응하여 미리 설정된 기준이 평균 응답 시간 1일 이내 응답이고, 전문성에 대응하여 미리 설정된 기준이 포트폴리오 제작 3건 이상이고, 경제성에 대응하여 미리 설정된 기준이 컨설팅 비용 40만원 이하일 경우, 장치(300)는 신속성을 만족하는 컨설턴트 리스트로 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트를 포함하여 리스트를 생성할 수 있고, 전문성을 만족하는 컨설턴트 리스트로 ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트를 포함하여 리스트를 생성할 수 있고, 경제성을 만족하는 컨설턴트 리스트로 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘E’ 컨설턴트를 포함하여 리스트를 생성할 수 있다.
S308 단계에서 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목에 만족하는 컨설턴트 리스트를 생성하면, S309 단계에서, 장치(300)는 각 항목을 만족하는 컨설턴트 리스트에 모두 리스팅된 컨설턴트를 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성, 전문성, 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, 신속성을 만족하는 컨설턴트 리스트에 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트가 포함되어 있고, 전문성을 만족하는 컨설턴트 리스트에 ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 포함되어 있고, 경제성을 만족하는 컨설턴트 리스트에 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘E’ 컨설턴트가 포함되어 있는 경우, 장치(300)는 신속성을 만족하는 컨설턴트 리스트, 전문성을 만족하는 컨설턴트 리스트, 경제성을 만족하는 컨설턴트 리스트에 모두 리스팅된 ‘C’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
도 4는 선호 컨설턴트의 성향 정보로 신속성을 선택한 경우 컨설턴트를 선정하는 과정으로, 장치(300)는 사용자의 단말(100)로부터 획득한 선호 컨설턴트의 성향 정보로 신속성을 획득하고, 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정할 수 있다. 또한, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 확인한 결과, 응답이 가장 빠른 컨설턴트로 2명 이상의 컨설턴트가 확인되면, 후보 컨설턴트들의 창업 위치 정보에 대응하는 평균 컨설팅 소요 기간을 확인하여 컨설턴트를 선정하기 위한 가중치를 생성 및 부여할 수 있다.
먼저, S401 단계에서, 장치(300)는 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트들 중 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트가 복수일 경우, 사용자로부터 획득한 창업 위치 정보를 기초로, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트의 포트폴리오를 확인하여, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트들 중 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류할 수 있다.
예를 들어, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트로 평균 응답 기간은 6시간 이내인 ‘D’ 컨설턴트, ‘F’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'I’ 컨설턴트, 'J’ 컨설턴트가 선정되었고, 사용자로부터 획득한 창업 위치 정보를 기초로, 사용자가 서울특별시에서 창업을 할 예정인 경우, 장치(300)는 ‘D’ 컨설턴트, ‘F’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'I’ 컨설턴트, 'J’ 컨설턴트의 포트폴리오를 확인하여 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트들 중 서울특별시에 창업하는 사용자를 컨설팅 경험이 있는 컨설턴트인 ‘D’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'J’ 컨설턴트를 추출할 수 있고, ‘D’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'J’ 컨설턴트를 제1 그룹으로 분류할 수 있다.
S402 단계에서, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 경험 데이터들을 획득할 수 있다. 여기서, 후보 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 경험 데이터들은 창업 위치 정보와 관련된 컨설팅 경험 데이터로 창업 위치 정보에 대응하는 컨설팅을 몇 회 하였는지, 창업 위치 정보에 대응하는 컨설팅의 컨설팅 시작 시점부터 컨설팅 종료 시점까지 각각 얼마나 소요되었는지, 창업 위치 정보에 대응하는 컨설팅을 제공받은 사용자의 만족도가 어느 정도였는지 등의 창업 위치 정보에 대응하는 컨설팅 경험 데이터이다.
S403 단계에서, 장치(300)는 창업 위치 정보에 대응하는 컨설팅 경험 데이터들에서 컨설팅 시작 시점부터 컨설팅 완료 시점까지의 컨설팅 소요 기간들을 생성할 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D‘ 컨설턴트의 창업 위치 정보에 대응하는 컨설팅 경험 데이터를 확인한 결과, 창업 위치 정보에 대응하는 제1 컨설팅 경험의 컨설팅 시작 시점이 8월 1일이고, 컨설팅 종료 시점이 8월 11일인 경우, 장치(300)는 제1 컨설팅 경험에 대응하는 컨설팅 소요 기간을 10일로 생성할 수 있다.
S404 단계에서, 장치(300)는 컨설팅 소요 기간들을 기초로, 제1 그룹으로 분류된 컨설턴트들 각각에 대응하는 평균 컨설팅 소요 기간들을 생성할 수 있다.
구체적으로, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 소요 기간들을 추출할 수 있고, 각 후보 컨설턴트마다 컨설팅 소요 기간들의 평균을 산출하여 평균 컨설팅 소요 기간을 생성할 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D‘ 컨설턴트의 창업 위치 정보에 대응하는 컨설팅 소요 기간들을 확인한 결과 각각 10일, 6일, 14일인 경우, 장치(300)는 ‘D‘ 컨설턴트의 평균 컨설팅 소요 기간을 10일로 생성할 수 있다.
S405 단계에서, 장치(300)는 평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 경우, 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 평균 컨설팅 소요 기간에 반비례하여 높일 수 있다. 여기서, 임계 기간을 미리 설정된 기간으로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 평균 컨설팅 소요 기간을 생성하고, 생성된 평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 후보 컨설턴트들을 추출하고, 해당 후보 컨설턴트들의 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 평균 컨설팅 소요 기간에 반비례하여 높일 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 10일이고, ‘G’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 6일이고, ‘H’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 12일이고, ‘J‘ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 17일이고, 미리 정의된 임계 기간이 14일인 경우, 장치(300)는 ‘J‘ 컨설턴트의 경우 평균 공급 소요 기간인 17일이 임계 기간인 14일 보다 길기 때문에 소요 기간에 대한 가중치를 부여하지 않고, ‘G’ 컨설턴트에게 소요 기간에 대한 가중치를 10점 부여하고, ‘D’ 컨설턴트에게 소요 기간에 대한 가중치를 6점 부여하고, ‘H’ 컨설턴트에게 소요 기간에 대한 가중치를 5점 부여할 수 있다.
S406 단계에서, 장치(300)는 가중치를 적용하여, 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
예를 들어, ‘G’ 컨설턴트에게 소요 기간에 대한 가중치를 10점 부여하고, ‘D’ 컨설턴트에게 소요 기간에 대한 가중치를 6점 부여하고, ‘H’ 컨설턴트에게 소요 기간에 대한 가중치를 5점 부여한 경우, 장치(300)는 가중치를 적용하여, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 ‘G’ 컨설턴트를 선정할 수 있다.
도 5는 인공신경망을 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정으로, 먼저, S501 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트의 전문 분야를 획득하고, 컨설팅 요청 정보와 후보 컨설턴트의 전문 분야를 비교하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트의 전문 분야를 획득할 수 있다. 또한, 장치(300)는 사용자의 단말(100)로부터 획득한 컨설팅 요청 정보와 후보 컨설턴트의 전문 분야를 비교하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다. 이때, 장치(300)는 후보 컨설턴트의 전문성 정보를 점수로 생성할 수도 있고, 후보 컨설턴트의 전체 포트폴리오의 개수 대비 컨설팅 요청 정보에 대응하는 포트폴리오의 개수의 비율로 생성할 수도 있다. 또한, 그 외의 방법으로 생성할 수도 있다.
예를 들어, 후보 컨설턴트의 포트폴리오를 확인한 결과, 온라인 마케팅에 관한 컨설팅을 수행한 포트폴리오가 30건, 오프라인 마케팅에 관한 컨설팅을 수행한 포트폴리오가 10건, 쇼핑몰 마케팅에 관한 컨설팅을 수행한 포트폴리오가 10건으로 후보 컨설턴트의 전문 분야를 온라인 마케팅에 관한 컨설팅으로 생성하고, 사용자로부터 획득한 컨설팅 요청 정보가 마케팅 전략일 경우, 장치(300)는 후보 컨설턴트의 전문 분야인 온라인 마케팅에 관한 컨설팅과 사용자의 컨설팅 요청 정보인 마케팅 전략 컨설팅을 비교하여, 후보 컨설턴트의 전문 분야와 컨설팅 요청 정보가 일치한다고 판단하여 점수를 높게 생성하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
또한, 후보 컨설턴트의 포트폴리오를 확인한 결과, 공간 디자인에 관한 컨설팅을 수행한 포트폴리오가 50건으로 후보 컨설턴트의 전문 분야를 공간 디자인에 관한 컨설팅으로 생성하고, 사용자로부터 획득한 컨설팅 요청 정보가 마케팅 전략일 경우, 장치(300)는 후보 컨설턴트의 전문 분야인 공간 디자인에 관한 컨설팅과 사용자의 컨설팅 요청 정보인 마케팅 전략 컨설팅을 비교하여, 후보 컨설턴트의 전문 분야와 컨설팅 요청 정보가 불일치한다고 판단하여 점수를 낮게 생성하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
S502 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 후보 컨설턴트의 역량 정보를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트가 진행한 컨설팅에 대응하는 만족도 점수를 획득할 수 있고, 후보 컨설턴트가 진행한 컨설팅에 대응하는 만족도 점수의 평균값으로 평균 만족도 점수를 생성할 수 있다.
장치(300)는 생성된 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 후보 컨설턴트의 역량 정보를 생성할 수 있다. 또한, 장치(300)는 후보 컨설턴트의 역량 정보를 생성하기 위해 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수는 물론 후보 컨설턴트가 진행한 컨설팅의 횟수를 획득하여 컨설팅의 횟수가 포함된 후보 컨설턴트의 역량 정보를 생성할 수 있다.
S503 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오에 기반하여, 신속성, 전문성 및 경제성을 포함하는 후보 컨설턴트의 성향 정보를 획득하고, 후보 컨설턴트의 성향 정보 및 사용자의 선호 컨설턴트의 성향 정보를 비교하여 성향 유사도를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오에 기반하여, 컨설팅 소요 기간에 의해 결정되는 신속성, 컨설팅 횟수에 의해 결정되는 전문성 및 컨설팅 비용에 의해 결정되는 경제성을 포함하는 후보 컨설턴트 성향 정보를 획득하고, 후보 컨설턴트의 성향 정보 및 사용자의 선호 컨설턴트의 성향 정보를 비교하여 성향 유사도를 생성할 수 있다.
S504 단계에서, 장치(300)는 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도에 기초하여 제1 입력 신호를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도를 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도는 제1 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제1 입력 신호를 생성할 수 있다.
S505 단계에서, 장치(300)는 제1 입력 신호를 제1 인공신경망에 적용하여 후보 컨설턴트의 점수를 각각 출력하는 제1 출력 신호를 생성할 수 있다. 이때, 점수는 0과 1사이의 실수 값일 수 있다.
제1 인공신경망은 입력된 전문성 정보, 역량 정보 및 성향 유사도에 따라 후보 컨설턴트의 점수를 각각 출력하는 인공지능 모델로, 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들, 제1 출력 신호들 및 트레이닝 점수들에 기초하여 미리 학습될 수 있다. 여기서, 트레이닝 점수들은 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들에 각각 대응하는 점수들이고, 제1 출력 신호들은 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들이 제1 인공신경망에 적용되어 생성된 출력 신호들이며, 제1 인공신경망은 제1 출력 신호들 및 트레이닝 점수들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습된다.
제1 인공신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 제1 인공신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다. 강화 학습에 따라 학습되는 제1 인공신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 보상은 전문성 정보, 역량 정보 및 성향 유사도에 적합한 점수를 선정할수록 보상값이 높아질 수 있으며, 제2 보상은 전문성 정보, 역량 정보 및 성향 유사도에 적합하지 않은 점수를 선정하지 않을수록 보상값이 높아질 수 있다.
S506 단계에서, 장치(300)는 제1 출력 신호에 기반하여 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
예를 들어, 장치(300)는 후보 컨설턴트의 점수가 각각 0.8, 0.2, 0.4, 0.6인 경우, 점수가 0.8에 대응하는 후보 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
도 6은 사용자로부터 컨설턴트를 선정하기 위해 획득한 사용자 정보를 기초로 컨설팅에 도움이 될 수 있는 관심 인테리어 템플릿을 추출 및 컨설턴트에게 제공하는 과정으로, 먼저, S601 단계에서, 장치(300)는 컨설팅 요청 정보에 인테리어 컨설팅이 포함된 것으로 판단되면, 사용자의 단말(100)로부터 선호 인테리어의 키워드를 획득할 수 있다. 이때, 선호 인테리어의 키워드는 모던, 내추럴, 빈티지, 북유럽, 레트로, 우드, 친환경, 미드 센추리 모던, 코지 등이 포함될 수 있다.
구체적으로, 장치(300)는 컨설팅 요청 정보에 인테리어 컨설팅이 포함된 것으로 판단되면, 사용자가 원하는 인테리어의 방향을 알고, 더 효과적인 컨설팅을 제공하기 위해 사용자의 단말(100)로부터 선호 인테리어의 키워드를 획득할 수 있다.
예를 들어, 장치(300)는 사용자의 컨설팅 요청 정보에 인테리어 컨설팅이 포함된 것을 판단되면, 사용자의 단말(100)로부터 선호 인테리어의 키워드로 우드, 친환경, 내추럴을 획득할 수 있다.
S602 단계에서, 장치(300)는 선호 인테리어를 기초로, 데이터베이스에 저장된 인테리어 템플릿 중 선호 인테리어의 키워드를 태그로 포함하는 유사 인테리어 템플릿을 추출할 수 있다.
예를 들어, 사용자의 단말(100)로부터 선호 인테리어 키워드로 우드, 친환경, 내추럴을 획득한 경우, 장치(300)는 데이터베이스에 저장된 인테리어 템플릿을 획득하고, 해당 인테리어 템플릿들의 태그를 확인하여, 우드, 친환경, 내추럴 중 적어도 하나 이상을 태그로 포함하는 유사 인테리어 템플릿을 추출할 수 있다.
S603 단계에서, 장치(300)는 유사 인테리어 템플릿을 사용자의 단말(100)로 제공할 수 있다.
구체적으로, 장치(300)는 사용자로부터 선호 인테리어의 키워드를 획득하고, 획득한 선호 인테리어의 키워드를 기초로, 데이터베이스에 저장된 인테리어 템플릿 중 선호 인테리어의 키워드를 태그로 포함하는 유사 인테리어 템플릿을 추출하고, 추출된 유사 인테리어 템플릿을 사용자의 단말(100)로 제공할 수 있다.
S604 단계에서, 장치(300)는 사용자의 단말(100)로부터 유사 인테리어 템플릿 중 사용자가 선택한 관심 인테리어 템플릿을 획득할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로 유사 인테리어 템플릿을 제공하고, 제공된 유사 인테리어 템플릿에 대응하는 사용자의 선택 입력을 사용자의 단말(100)로부터 획득하여 사용자가 선택한 관심 인테리어 템플릿을 획득할 수 있다.
S605 단계에서, 장치(300)는 관심 인테리어 템플릿을 사용자와 매칭하여 저장할 수 있다.
구체적으로, 장치(300)는 사용자에게 효과적인 컨설팅을 제공하기 위해 관심 인테리어 템플릿을 사용자와 매칭하여 저장할 수 있다.
S606 단계에서, 장치(300)는 사용자의 스포츠 창업을 컨설팅할 컨설턴트가 선정되면, 선정된 컨설턴트의 단말200)로 사용자와 매칭된 관심 인테리어 템플릿을 제공할 수 있다.
즉, 장치(300)는 사용자의 단말(100)로부터 획득한 선호 인테리어 키워드를 통해 유사 인테리어 템플릿을 추출하고, 유사 인테리어 템플릿 중 사용자가 관심있는 관심 인테리어 템플릿을 사용자와 매칭하여 저장하고, 사용자의 스포츠 창업을 컨설팅할 컨설턴트가 선정되면, 사용자와 매칭되어 있는 관심 인테리어 템플릿을 컨설턴츠의 단말(200)로 제공할 수 있어 컨설턴트가 사용자에게 더 구체적이고, 적합한 컨설팅을 제공할 수 있도록 하는 효과가 있다.
도 2 내지 도 5, 및 도 7 내지 도 8은 실시예2에 따른 사용자가 상권 분석을 요청할 경우, 상권 분석에 적합한 컨설턴트를 선정하고, 컨설턴트와 사용자의 상권 분석에 도움이 될 수 있는 임대 가능한 부동산의 정보를 제공하는 과정이다.
도 2을 참조하면, 먼저, S201 단계에서, 장치(300)는 사용자의 단말(100)로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득할 수 있다.
여기서, 스포츠 서비스 정보는 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스에 관한 정보이다.
예를 들어 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 강의일 경우, 스포츠 서비스 정보는 테니스, 골프, 농구, 축구, 필라테스, 요가 등을 포함하는 스포츠 강의의 카테고리일 수 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 제품 판매일 경우, 요가복, 요가매트 등 사용자가 판매하고자 하는 스포츠 제품의 정보일 수도 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 공간의 제공일 경우, 수영장, 헬스장, 스케이트장 등을 포함하는 스포츠 공간의 카테고리일 수 있다.
또한, 창업 위치 정보는 창업하고자 하는 위치와 관련된 정보로, 사용자가 아직 창업 공간을 찾고 있을 경우, 사용자가 창업을 원하는 위치일 수 있으며, 사용자가 이미 창업 공간을 보유하고 있는 경우, 해당 창업 공간의 구체적인 위치와 관련된 정보일 수 있다.
또한, 컨설팅 요청 정보는 사용자가 필요한 컨설팅의 분야가 어떤 것인지에 관한 정보로, 컨설팅 요청 정보는 인테리어 컨설팅, 마케팅 전략 컨설팅, 상권 분석, 세무 컨설팅 중 적어도 하나를 포함할 수 있다.
또한, 예산 정보는 사용자가 가지고 있는 예산과 관련된 정보로, 예산 정보는 컨설팅 비용과 관련된 예산 및 스포츠 창업과 관련된 예산을 포함할 수 있다.
S202 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보를 획득할 수 있다. 여기서, 선호 컨설턴트의 성향 정보는 신속성, 전문성 및 경제성 항목을 포함할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 사용자가 선호하는 컨설턴트가 일처리가 신속한 컨설턴트인지, 업무를 많이 수행한 전문적인 컨설턴트인지, 컨설팅 비용이 저렴한 컨설턴트인지에 관한 정보인 선호 컨설턴트의 성향 정보를 획득할 수 있다.
S203 단계에서, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
구체적으로, 장치(300)는 컨설턴트의 단말(200)로부터 컨설턴트의 포트폴리오를 획득할 수 있고, 획득한 컨설턴트의 포트폴리오를 데이터베이스에 저장할 수 있다. 또한, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
이로 인해, 장치(300)는 컨설턴트와 사용자를 매칭하는 과정마다 컨설턴트의 단말(200)로 컨설턴트의 포트폴리오를 요청하여 수신하는 과정을 생략할 수 있고, 데이터베이스에 저장된 컨설턴트의 포트폴리오를 사용할 수 있어 빠르게 컨설턴트와 사용자를 매칭할 수 있다.
S204 단계에서, 장치(300)는 획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다. 여기서, 기준 비율은 미리 설정된 비율로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅을 파악하고, 컨설턴트가 수행한 창업 컨설팅 중 사용자로부터 획득한 스포츠 서비스 정보와 관련된 컨설팅을 분류할 수 있다. 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅을 몇 번 수행하였는지 확인할 수 있고, 전체 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅의 비율을 확인할 수 있다. 또한, 장치(300)는 해당 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다.
예를 들어, 사용자가 창업하고자 하는 스포츠 서비스가 테니스 강의이고, 데이터베이스로부터 ‘A’ 컨설턴트의 포트폴리오, ‘B’ 컨설턴트의 포트폴리오, ‘C’ 컨설턴트의 포트폴리오를 획득하고, ‘A’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘A’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘B’ 포트폴리오이 포함되어 있고, ‘B’ 컨설턴트의 전체 포트폴리오를 확인한 결과 음식점 창업과 관련하여 컨설팅한 ‘C’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘D’ 포트폴리오, 카페 창업과 관련하여 컨설팅한 ‘E’ 포트폴리오이고, ‘C’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘F’ 포트폴리오, 쇼핑몰 창업과 관련하여 컨설팅한 ‘G’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘H’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘I’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘J’ 포트폴리오이고, 기준 비율이 75%인 경우, 장치(300)는 획득한 포트폴리오에 기반하여 전체 포트폴리오 중 테니스 강의와 관련된 포트폴리오가 차지하는 비율이 75%이상인 ‘A’ 컨설턴트 및 ‘C’ 컨설턴트를 후보 컨설턴트로 선정할 수 있다.
S205 단계에서, 장치(300)는 스포츠 창업 관련 정보, 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 획득한 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보와 사용자의 단말(100)로부터 획득한 선호 컨설턴트의 성향 정보 및 데이터베이스로부터 획득한 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅한 컨설턴트를 선정할 수 있다. 이와 관련하여 구체적인 설명은 도 3 내지 도 5를 참조하여 하기로 한다.
도 3은 선호 컨설턴트의 성향 정보를 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정으로, 먼저, S301 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득할 수 있다.
S301 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득한 경우, S302 단계에서, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 일처리가 신속한 컨설턴트를 선정하기 위해 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 평균 응답 기간은 12시간 이내 응답이고, ‘C’ 컨설턴트의 평균 응답 기간은 1일 이내 응답이고, ‘D’ 컨설턴트의 평균 응답 기간은 6시간 이내 응답이고, ‘E’ 컨설턴트의 평균 응답 기간은 2일 이내 응답일 경우, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 ‘D’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S303 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득할 수 있다.
S303 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득한 경우, S304 단계에서, 장치(300)는 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 업무를 많이 수행한 전문적인 컨설턴트를 선정하기 위해 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 전문성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 포트폴리오 제작 건 수가 2건이고, ‘C’ 컨설턴트의 포트폴리오 제작 건 수가 5건이고, ‘D’ 컨설턴트의 포트폴리오 제작 건 수가 3건이고, ‘E’ 컨설턴트의 포트폴리오 제작 건 수가 4건일 경우, 장치(300)는 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 ‘C’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S305 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득할 수 있다.
S305 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득한 경우, S306 단계에서, 장치(300)는 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 컨설팅 비용이 저렴한 컨설턴트를 선정하기 위해 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 컨설팅 비용이 25만원이고, ‘C’ 컨설턴트의 컨설팅 비용이 40만원이고, ‘D’ 컨설턴트의 컨설팅 비용이 50만원이고, ‘E’ 컨설턴트의 컨설팅 비용이 30만원일 경우, 장치(300)는 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 ‘A’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S307 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 복수의 항목을 획득할 수 있다.
S307 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 복수의 항목을 획득한 경우, S308 단계에서, 장치(300)는 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목에 만족하는 컨설턴트 리스트를 생성할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성, 전문성, 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 평균 응답 기간은 12시간 이내 응답, 포트폴리오 제작 건 수는 2건, 컨설팅 비용은 25만원이고, ‘C’ 컨설턴트의 평균 응답 기간은 1일 이내 응답, 포트폴리오 제작 건 수는 5건, 컨설팅 비용은 40만원이고, ‘D’ 컨설턴트의 평균 응답 기간은 6시간 이내 응답, 포트폴리오 제작 건 수는 3건, 컨설팅 비용은 50만원이고, ‘E’ 컨설턴트의 평균 응답 기간은 2일 이내 응답, 포트폴리오 제작 건 수는 4건, 컨설팅 비용은 30만원이고, 신속성에 대응하여 미리 설정된 기준이 평균 응답 시간 1일 이내 응답이고, 전문성에 대응하여 미리 설정된 기준이 포트폴리오 제작 3건 이상이고, 경제성에 대응하여 미리 설정된 기준이 컨설팅 비용 40만원 이하일 경우, 장치(300)는 신속성을 만족하는 컨설턴트 리스트로 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트를 포함하여 리스트를 생성할 수 있고, 전문성을 만족하는 컨설턴트 리스트로 ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트를 포함하여 리스트를 생성할 수 있고, 경제성을 만족하는 컨설턴트 리스트로 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘E’ 컨설턴트를 포함하여 리스트를 생성할 수 있다.
S308 단계에서 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목에 만족하는 컨설턴트 리스트를 생성하면, S309 단계에서, 장치(300)는 각 항목을 만족하는 컨설턴트 리스트에 모두 리스팅된 컨설턴트를 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성, 전문성, 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, 신속성을 만족하는 컨설턴트 리스트에 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트가 포함되어 있고, 전문성을 만족하는 컨설턴트 리스트에 ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 포함되어 있고, 경제성을 만족하는 컨설턴트 리스트에 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘E’ 컨설턴트가 포함되어 있는 경우, 장치(300)는 신속성을 만족하는 컨설턴트 리스트, 전문성을 만족하는 컨설턴트 리스트, 경제성을 만족하는 컨설턴트 리스트에 모두 리스팅된 ‘C’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
도 4는 선호 컨설턴트의 성향 정보로 신속성을 선택한 경우 컨설턴트를 선정하는 과정으로, 장치(300)는 사용자의 단말(100)로부터 획득한 선호 컨설턴트의 성향 정보로 신속성을 획득하고, 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정할 수 있다. 또한, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 확인한 결과, 응답이 가장 빠른 컨설턴트로 2명 이상의 컨설턴트가 확인되면, 후보 컨설턴트들의 창업 위치 정보에 대응하는 평균 컨설팅 소요 기간을 확인하여 컨설턴트를 선정하기 위한 가중치를 생성 및 부여할 수 있다.
먼저, S401 단계에서, 장치(300)는 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트들 중 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트가 복수일 경우, 사용자로부터 획득한 창업 위치 정보를 기초로, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트의 포트폴리오를 확인하여, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트들 중 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류할 수 있다.
예를 들어, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트로 평균 응답 기간은 6시간 이내인 ‘D’ 컨설턴트, ‘F’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'I’ 컨설턴트, 'J’ 컨설턴트가 선정되었고, 사용자로부터 획득한 창업 위치 정보를 기초로, 사용자가 서울특별시에서 창업을 할 예정인 경우, 장치(300)는 ‘D’ 컨설턴트, ‘F’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'I’ 컨설턴트, 'J’ 컨설턴트의 포트폴리오를 확인하여 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트들 중 서울특별시에 창업하는 사용자를 컨설팅 경험이 있는 컨설턴트인 ‘D’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'J’ 컨설턴트를 추출할 수 있고, ‘D’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'J’ 컨설턴트를 제1 그룹으로 분류할 수 있다.
S402 단계에서, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 경험 데이터들을 획득할 수 있다. 여기서, 후보 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 경험 데이터들은 창업 위치 정보와 관련된 컨설팅 경험 데이터로 창업 위치 정보에 대응하는 컨설팅을 몇 회 하였는지, 창업 위치 정보에 대응하는 컨설팅의 컨설팅 시작 시점부터 컨설팅 종료 시점까지 각각 얼마나 소요되었는지, 창업 위치 정보에 대응하는 컨설팅을 제공받은 사용자의 만족도가 어느 정도였는지 등의 창업 위치 정보에 대응하는 컨설팅 경험 데이터이다.
S403 단계에서, 장치(300)는 창업 위치 정보에 대응하는 컨설팅 경험 데이터들에서 컨설팅 시작 시점부터 컨설팅 완료 시점까지의 컨설팅 소요 기간들을 생성할 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D‘ 컨설턴트의 창업 위치 정보에 대응하는 컨설팅 경험 데이터를 확인한 결과, 창업 위치 정보에 대응하는 제1 컨설팅 경험의 컨설팅 시작 시점이 8월 1일이고, 컨설팅 종료 시점이 8월 11일인 경우, 장치(300)는 제1 컨설팅 경험에 대응하는 컨설팅 소요 기간을 10일로 생성할 수 있다.
S404 단계에서, 장치(300)는 컨설팅 소요 기간들을 기초로, 제1 그룹으로 분류된 컨설턴트들 각각에 대응하는 평균 컨설팅 소요 기간들을 생성할 수 있다.
구체적으로, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 소요 기간들을 추출할 수 있고, 각 후보 컨설턴트마다 컨설팅 소요 기간들의 평균을 산출하여 평균 컨설팅 소요 기간을 생성할 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D‘ 컨설턴트의 창업 위치 정보에 대응하는 컨설팅 소요 기간들을 확인한 결과 각각 10일, 6일, 14일인 경우, 장치(300)는 ‘D‘ 컨설턴트의 평균 컨설팅 소요 기간을 10일로 생성할 수 있다.
S405 단계에서, 장치(300)는 평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 경우, 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 평균 컨설팅 소요 기간에 반비례하여 높일 수 있다. 여기서, 임계 기간을 미리 설정된 기간으로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 평균 컨설팅 소요 기간을 생성하고, 생성된 평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 후보 컨설턴트들을 추출하고, 해당 후보 컨설턴트들의 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 평균 컨설팅 소요 기간에 반비례하여 높일 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 10일이고, ‘G’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 6일이고, ‘H’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 12일이고, ‘J‘ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 17일이고, 미리 정의된 임계 기간이 14일인 경우, 장치(300)는 ‘J‘ 컨설턴트의 경우 평균 공급 소요 기간인 17일이 임계 기간인 14일 보다 길기 때문에 소요 기간에 대한 가중치를 부여하지 않고, ‘G’ 컨설턴트에게 소요 기간에 대한 가중치를 10점 부여하고, ‘D’ 컨설턴트에게 소요 기간에 대한 가중치를 6점 부여하고, ‘H’ 컨설턴트에게 소요 기간에 대한 가중치를 5점 부여할 수 있다.
S406 단계에서, 장치(300)는 가중치를 적용하여, 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
예를 들어, ‘G’ 컨설턴트에게 소요 기간에 대한 가중치를 10점 부여하고, ‘D’ 컨설턴트에게 소요 기간에 대한 가중치를 6점 부여하고, ‘H’ 컨설턴트에게 소요 기간에 대한 가중치를 5점 부여한 경우, 장치(300)는 가중치를 적용하여, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 ‘G’ 컨설턴트를 선정할 수 있다.
도 5는 인공신경망을 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정으로, 먼저, S501 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트의 전문 분야를 획득하고, 컨설팅 요청 정보와 후보 컨설턴트의 전문 분야를 비교하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트의 전문 분야를 획득할 수 있다. 또한, 장치(300)는 사용자의 단말(100)로부터 획득한 컨설팅 요청 정보와 후보 컨설턴트의 전문 분야를 비교하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다. 이때, 장치(300)는 후보 컨설턴트의 전문성 정보를 점수로 생성할 수도 있고, 후보 컨설턴트의 전체 포트폴리오의 개수 대비 컨설팅 요청 정보에 대응하는 포트폴리오의 개수의 비율로 생성할 수도 있다. 또한, 그 외의 방법으로 생성할 수도 있다.
예를 들어, 후보 컨설턴트의 포트폴리오를 확인한 결과, 온라인 마케팅에 관한 컨설팅을 수행한 포트폴리오가 30건, 오프라인 마케팅에 관한 컨설팅을 수행한 포트폴리오가 10건, 쇼핑몰 마케팅에 관한 컨설팅을 수행한 포트폴리오가 10건으로 후보 컨설턴트의 전문 분야를 온라인 마케팅에 관한 컨설팅으로 생성하고, 사용자로부터 획득한 컨설팅 요청 정보가 마케팅 전략일 경우, 장치(300)는 후보 컨설턴트의 전문 분야인 온라인 마케팅에 관한 컨설팅과 사용자의 컨설팅 요청 정보인 마케팅 전략 컨설팅을 비교하여, 후보 컨설턴트의 전문 분야와 컨설팅 요청 정보가 일치한다고 판단하여 점수를 높게 생성하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
또한, 후보 컨설턴트의 포트폴리오를 확인한 결과, 공간 디자인에 관한 컨설팅을 수행한 포트폴리오가 50건으로 후보 컨설턴트의 전문 분야를 공간 디자인에 관한 컨설팅으로 생성하고, 사용자로부터 획득한 컨설팅 요청 정보가 마케팅 전략일 경우, 장치(300)는 후보 컨설턴트의 전문 분야인 공간 디자인에 관한 컨설팅과 사용자의 컨설팅 요청 정보인 마케팅 전략 컨설팅을 비교하여, 후보 컨설턴트의 전문 분야와 컨설팅 요청 정보가 불일치한다고 판단하여 점수를 낮게 생성하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
S502 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 후보 컨설턴트의 역량 정보를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트가 진행한 컨설팅에 대응하는 만족도 점수를 획득할 수 있고, 후보 컨설턴트가 진행한 컨설팅에 대응하는 만족도 점수의 평균값으로 평균 만족도 점수를 생성할 수 있다.
장치(300)는 생성된 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 후보 컨설턴트의 역량 정보를 생성할 수 있다. 또한, 장치(300)는 후보 컨설턴트의 역량 정보를 생성하기 위해 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수는 물론 후보 컨설턴트가 진행한 컨설팅의 횟수를 획득하여 컨설팅의 횟수가 포함된 후보 컨설턴트의 역량 정보를 생성할 수 있다.
S503 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오에 기반하여, 신속성, 전문성 및 경제성을 포함하는 후보 컨설턴트의 성향 정보를 획득하고, 후보 컨설턴트의 성향 정보 및 사용자의 선호 컨설턴트의 성향 정보를 비교하여 성향 유사도를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오에 기반하여, 컨설팅 소요 기간에 의해 결정되는 신속성, 컨설팅 횟수에 의해 결정되는 전문성 및 컨설팅 비용에 의해 결정되는 경제성을 포함하는 후보 컨설턴트 성향 정보를 획득하고, 후보 컨설턴트의 성향 정보 및 사용자의 선호 컨설턴트의 성향 정보를 비교하여 성향 유사도를 생성할 수 있다.
S504 단계에서, 장치(300)는 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도에 기초하여 제1 입력 신호를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도를 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도는 제1 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제1 입력 신호를 생성할 수 있다.
S505 단계에서, 장치(300)는 제1 입력 신호를 제1 인공신경망에 적용하여 후보 컨설턴트의 점수를 각각 출력하는 제1 출력 신호를 생성할 수 있다. 이때, 점수는 0과 1사이의 실수 값일 수 있다.
제1 인공신경망은 입력된 전문성 정보, 역량 정보 및 성향 유사도에 따라 후보 컨설턴트의 점수를 각각 출력하는 인공지능 모델로, 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들, 제1 출력 신호들 및 트레이닝 점수들에 기초하여 미리 학습될 수 있다. 여기서, 트레이닝 점수들은 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들에 각각 대응하는 점수들이고, 제1 출력 신호들은 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들이 제1 인공신경망에 적용되어 생성된 출력 신호들이며, 제1 인공신경망은 제1 출력 신호들 및 트레이닝 점수들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습된다.
제1 인공신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 제1 인공신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다. 강화 학습에 따라 학습되는 제1 인공신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 보상은 전문성 정보, 역량 정보 및 성향 유사도에 적합한 점수를 선정할수록 보상값이 높아질 수 있으며, 제2 보상은 전문성 정보, 역량 정보 및 성향 유사도에 적합하지 않은 점수를 선정하지 않을수록 보상값이 높아질 수 있다.
S506 단계에서, 장치(300)는 제1 출력 신호에 기반하여 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
예를 들어, 장치(300)는 후보 컨설턴트의 점수가 각각 0.8, 0.2, 0.4, 0.6인 경우, 점수가 0.8에 대응하는 후보 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
도 7은 사용자로부터 컨설턴트를 선정하기 위해 획득한 사용자 정보를 기초로 컨설팅에 도움이 될 수 있는 임대 가능한 부동산의 정보 및 상권 점수를 추출 및 사용자에게 제공하는 과정으로, 먼저, S701 단계에서, 장치(300)는 컨설팅 요청 정보에 상권 분석이 포함된 것으로 판단되면, 사용자의 단말(100)로부터 임대료 정보, 월세 정보를 포함하는 창업 공간의 예산 정보를 획득할 수 있다.
구체적으로, 장치(300)는 컨설팅 요청 정보에 상권 분석이 포함된 것으로 판단되면, 사용자가 창업하고자 하는 위치, 예산, 옵션을 통해, 임대 가능한 부동산을 확인하고, 해당 부동산의 상권을 분석하여 더 효과적인 컨설팅을 제공하기 위해 사용자의 단말(100)로부터 임대료 정보, 월세 정보를 포함하는 창업 공간의 예산 정보를 획득할 수 있다.
S702 단계에서, 장치(300)는 사용자의 단말(100)로부터 창업 공간의 평수, 층수를 포함하는 창업 공간의 옵션 정보를 획득할 수 있다.
구체적으로, 장치(300)는 컨설팅 요청 정보에 상권 분석이 포함된 것으로 판단되면, 사용자가 창업하고자 하는 위치, 예산, 옵션을 통해, 임대 가능한 부동산을 확인하고, 해당 부동산의 상권을 분석하여 더 효과적인 컨설팅을 제공하기 위해 사용자의 단말(100)로부터 창업 공간의 평수, 층수를 포함하는 창업 공간의 옵션 정보를 획득할 수 있다.
S703 단계에서, 장치(300)는 창업 공간의 예산 정보, 창업 공간의 옵션 정보 및 창업 위치 정보를 기초로, 현재 임대 가능한 부동산이 존재하는지 여부를 확인할 수 있다.
구체적으로, 장치(300)는 창업 공간의 예산 정보, 창업 공간의 옵션 정보 및 창업 위치 정보를 기초로, 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인할 수 있다. 이때, 부동산 데이터베이스는 장치(300) 내에 포함되어 있을 수도 있고, 장치(300)와 별개로 네트워크를 통해 정보를 획득할 수도 있다.
S703 단계에서, 임대 가능한 부동산이 존재할 경우, S704 단계에서, 장치(300)는 임대 가능한 부동산의 정보를 획득하여 사용자의 단말(100)로 제공할 수 있다.
구체적으로, 장치(300)는 창업 공간의 예산 정보, 창업 공간의 옵션 정보 및 창업 위치 정보를 기초로, 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하고, 임대 가능한 부동산이 존재한다고 판단되면, 임대 가능한 부동산의 정보를 획득하여 사용자의 단말(100)로 제공할 수 있다.
S703 단계에서, 임대 가능한 부동산이 존재하지 않을 경우, S705 단계에서, 장치(300)는 사용자의 단말(100)로부터 창업 공간의 예산 정보, 창업 공간의 옵션 정보 및 창업 위치 정보의 우선 순위를 획득할 수 있다.
구체적으로, 장치(300)는 창업 공간의 예산 정보, 창업 공간의 옵션 정보 및 창업 위치 정보를 기초로, 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하고, 임대 가능한 부동산이 존재하지 않는다고 판단되면, 조건을 변경하여 임대 가능한 부동산을 찾기 위해 사용자의 단말(100)로부터 창업 공간의 예산 정보, 창업 공간의 옵션 정보 및 창업 위치 정보의 우선 순위를 획득할 수 있다.
예를 들어, 장치(300)는 창업 공간의 예산 정보, 창업 공간의 옵션 정보 및 창업 위치 정보를 기초로, 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하고, 임대 가능한 부동산이 존재하지 않는다고 판단되면, 사용자의 단말(100)로부터 우선 순위가 가장 높은 항목은 창업 공간의 예산 정보이고, 그 다음 우선 순위가 높은 항목은 창업 위치 정보이고, 우선 순위가 가장 낮은 항목은 창업 공간의 옵션 정보인 것을 획득할 수 있다.
S706 단계에서, 장치(300)는 우선 순위를 기초로, 우선 순위가 낮은 항목을 순서대로 점진적으로 변경하면서 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하여 사용자의 단말(100)로 제공할 수 있다.
구체적으로, 장치(300)는 우선 순위를 기초로, 우선 순위가 낮은 항목을 미리 정의된 기준 범위 내에서 변경하면서 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하여 사용자의 단말(100)로 제공할 수 있다.
예를 들어, 사용자의 단말(100)로부터 우선 순위가 가장 높은 항목은 창업 공간의 예산 정보이고, 그 다음 우선 순위가 높은 항목은 창업 위치 정보이고, 우선 순위가 가장 낮은 항목은 창업 공간의 옵션 정보로 획득할 경우, 장치(300)는 창업 공간의 예산 정보 및 창업 위치 정보는 동일하게 설정하고, 창업 공간의 옵션 정보인 창업 공간의 평수, 창업 공간의 층수를 미리 정의된 기준 범위 내에서 변경하면서 현재 임대 가능한 부동산이 존재하는지 여부를 확인할 수 있고, 임대 가능한 부동산이 존재할 경우, 사용자의 단말(100)로 제공할 수 있다.
또한, 창업 공간의 옵션 정보를 미리 정의된 기준 범위 내에서 변경했을 때도 임대 가능한 부동산이 없을 경우, 장치(300)는 창업 공간의 예산 정보는 동일하게 설정하고, 창업 공간의 옵션 정보인 창업 공간의 평수, 창업 공간의 층수와 창업 위치 정보를 미리 정의된 기준 범위 내에서 변경하면서 현재 임대 가능한 부동산이 존재하는지 여부를 확인할 수 있고, 임대 가능한 부동산이 존재할 경우, 사용자의 단말(100)로 제공할 수 있다.
도 8은 임대 가능한 부동산의 상권 점수를 통해 사용자에게 임대 가능한 부동산의 정보를 제공하는 과정으로, 먼저, S801 단계에서, 장치(300)는 임대 가능한 부동산에서 제1 기준 범위 내에 스포츠 서비스 정보와 일치하는 스포츠 서비스를 제공하는 업체를 확인할 수 있다. 여기서, 제1 기준 범위는 미리 설정된 범위로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 도 7을 통해 획득한 임대 가능한 부동산의 상권 점수를 생성하기 위해 임대 가능한 부동산에서 제1 기준 범위 내에 스포츠 서비스 정보와 일치하는 스포츠 서비스를 제공하는 업체를 확인할 수 있다.
S802 단계에서, 장치(300)는 확인된 업체의 개수에 기반하여 상권의 경쟁력 점수를 생성할 수 있다.
이 때, 업체의 개수가 많을수록 상권의 경쟁력 점수는 낮아지며, 상권의 경쟁력 점수를 생성하는 기준과 점수의 최대값은 실시 예에 따라 다를 수 있다.
예를 들어, 제1 기준 거리가 1km이고, 임대 가능한 부동산에서 1km이내 스포츠 서비스 정보와 일치하는 스포츠 서비스를 제공하는 업체가 8개인 경우, 장치(300)는 상권의 경쟁력 점수로 20점을 생성할 수 있다. 또한, 제1 기준 거리가 1km이고, 임대 가능한 부동산에서 1km이내 스포츠 서비스 정보와 일치하는 스포츠 서비스를 제공하는 업체가 2개인 경우, 장치(300)는 상권의 경쟁력 점수로 80점을 생성할 수 있다.
S803 단계에서, 장치(300)는 확인된 업체의 평균 서비스 가격을 획득할 수 있다.
예를 들어, 제1 기준 거리가 1km이고, 임대 가능한 부동산에서 1km이내 스포츠 서비스 정보와 일치하는 스포츠 서비스를 제공하는 업체가 5개이고, 각각 서비스 가격이 30만원, 25만원, 32만원, 35만원, 28만원인 경우, 장치(300)는 확인된 업체의 평균 서비스 가격으로 30만원을 생성할 수 있다.
S804 단계에서, 장치(300)는 사용자의 단말(100)로부터 사용자가 제공하는 서비스의 예상 가격을 획득할 수 있다.
예를 들어, 장치(300)는 사용자의 단말(100)로부터 사용자가 제공하는 서비스의 예상 가격을 30만원으로 생성할 수 있다.
S805 단계에서, 장치(300)는 평균 서비스 가격과 사용자가 제공하는 서비스의 예상 가격을 비교하여 상권의 경제성 점수를 생성할 수 있다.
이 때, 평균 서비스 가격 대비 사용자가 제공하는 서비스의 예상 가격이 높을수록 상권의 경제성 점수가 낮아지고, 평균 서비스 가격 대비 사용자가 제공하는 서비스의 예상 가격이 낮을수록 상권의 경제성 점수가 높아지며, 상권의 경쟁력 점수를 생성하는 기준과 점수의 최대값은 실시 예에 따라 다를 수 있다. 예를 들어, 기준에 따라 사용자가 제공하는 서비스의 예상 가격이 평균 서비스 가격과 같거나 낮을 경우, 장치(300)는 상권의 경제성 점수의 최대값을 부여할 수도 있다. 또한, 기준에 따라 사용자가 제공하는 서비스의 예상 가격이 평균 서비스 가격과 같을 경우, 장치(300)는 최대값을 부여하지 않고, 사용자가 제공하는 서비스의 예상 가격이 평균 서비스 가격보다 낮을 경우, 장치(300)는 상권의 경제성 점수의 최대값을 부여할 수도 있다.
예를 들어, 제1 기준 거리가 1km이고, 임대 가능한 부동산에서 1km이내 스포츠 서비스 정보와 일치하는 스포츠 서비스를 제공하는 업체의 평균 서비스 가격이 30만원이고, 사용자가 제공하는 서비스의 예상 가격이 30만원일 경우, 장치(300)는 상권의 경제성 점수로 80점을 생성할 수 있다.
또한, 제1 기준 거리가 1km이고, 임대 가능한 부동산에서 1km이내 스포츠 서비스 정보와 일치하는 스포츠 서비스를 제공하는 업체의 평균 서비스 가격이 30만원이고, 사용자가 제공하는 서비스의 예상 가격이 25만원일 경우, 장치(300)는 상권의 경제성 점수로 100점을 생성할 수 있다.
또한, 제1 기준 거리가 1km이고, 임대 가능한 부동산에서 1km이내 스포츠 서비스 정보와 일치하는 스포츠 서비스를 제공하는 업체의 평균 서비스 가격이 30만원이고, 사용자가 제공하는 서비스의 예상 가격이 35만원일 경우, 장치(300)는 상권의 경제성 점수로 50점을 생성할 수 있다.
S806 단계에서, 장치(300)는 임대 가능한 부동산에서 제2 기준 범위 내에 아파트 및 주택을 포함하는 주거 가구의 개수를 획득할 수 있다. 이때, 제2 기준 범위는 미리 설정된 범위로 실시 예에 따라 달라질 수 있다. 또한, 제2 기준 범위는 제1 기준 범위보다 큰 범위일 수 있다.
구체적으로, 장치(300)는 도 7을 통해 획득한 임대 가능한 부동산의 상권 점수를 생성하기 위해 임대 가능한 부동산에서 제2 기준 범위 내에 아파트 및 주택을 포함하는 주거 가구의 개수를 획득할 수 있다.
S807 단계에서, 장치(300)는 주거 가구의 개수를 기초로, 상권의 잠재력 점수를 생성할 수 있다.
이 때, 주거 가구의 개수가 많을수록 상권의 잠재력 점수는 높아지며, 상권의 잠재력 점수를 생성하는 기준과 점수의 최대값은 실시 예에 따라 다를 수 있다.
예를 들어, 제2 기준 거리가 1.5km이고, 임대 가능한 부동산에서 1.5km이내 아파트 및 주택을 포함하는 주거 가구가 300가구인 경우, 장치(300)는 상권의 잠재력 점수로 30점을 생성할 수 있다. 또한, 제2 기준 거리가 1.5km이고, 임대 가능한 부동산에서 1.5km이내 아파트 및 주택을 포함하는 주거 가구가 600가구인 경우, 장치(300)는 상권의 잠재력 점수로 60점을 생성할 수 있다.
S808 단계에서, 장치(300)는 상권의 경쟁력 점수, 상권의 경제성 점수, 상권의 잠재력 점수를 합한 값으로 임대 가능한 부동산의 상권 점수를 생성할 수 있다.
예를 들어, 상권의 경쟁력 점수가 80점이고, 상권의 경제성 점수가 100점이고, 상권의 잠재력 점수가 60점인 경우, 장치(300)는 임대 가능한 부동산의 상권 점수로 240점을 생성할 수 있다.
S809 단계에서, 장치(300)는 상권 점수가 기준 값보다 큰지 여부를 확인할 수 있다. 여기서, 기준 값은 미리 정의된 값으로 실시 예에 따라 달라질 수 있다.
S809 단계에서 상권 점수가 기준 값보다 크다고 확인하면, S810 단계에서, 장치(300)는 사용자의 단말(100)로 임대 가능한 부동산의 정보를 제공할 수 있다.
구체적으로, 장치(300)는 임대 가능한 부동산의 상권 점수가 미리 설정된 기준 값보다 크다고 확인되면, 사용자의 단말(100)로 임대 가능한 부동산의 정보를 제공할 수 있다.
예를 들어, 임대 가능한 부동산의 상권 점수로 240점이고, 기준 값이 200점인 경우, 장치(300)는 임대 가능한 부동산의 상권 점수인 240점이 기준 값인 200점 보다 크다고 확인하고, 사용자의 단말(100)로 해당 임대 가능한 부동산의 정보를 제공할 수 있다.
S809 단계에서 상권 점수가 기준 값보다 크지 않다고 확인하면, S811 단계에서, 장치(300)는 사용자의 단말(100)로 임대 가능한 부동산의 정보를 제공하지 않고, 다른 임대 가능한 부동산을 확인할 수 있다.
구체적으로, 장치(300)는 임대 가능한 부동산의 상권 점수가 미리 설정된 기준 값보다 작다고 확인되면, 사용자의 단말(100)로 임대 가능한 부동산의 정보를 제공하지 않고, 다른 임대 가능한 부동산을 확인할 수 있다.
예를 들어, 임대 가능한 부동산의 상권 점수로 150점이고, 기준 값이 200점인 경우, 장치(300)는 임대 가능한 부동산의 상권 점수인 150점이 기준 값인 200점 보다 작다고 확인하고, 사용자의 단말(100)로 해당 임대 가능한 부동산의 정보를 제공하지 않고, 다른 임대 가능한 부동산을 확인할 수 있다.
도 2 내지 도 5 및 도 9는 실시예3에 따른 사용자가 마케팅 전략 컨설팅을 요청할 경우, 마케팅 전략 컨설팅에 적합한 컨설턴트를 선정하고, 컨설턴트와 사용자의 마케팅 전략 컨설팅에 도움이 될 수 있는 마케팅 전략을 생성하여 제공하는 과정이다.
도 2을 참조하면, 먼저, S201 단계에서, 장치(300)는 사용자의 단말(100)로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득할 수 있다.
여기서, 스포츠 서비스 정보는 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스에 관한 정보이다.
예를 들어 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 강의일 경우, 스포츠 서비스 정보는 테니스, 골프, 농구, 축구, 필라테스, 요가 등을 포함하는 스포츠 강의의 카테고리일 수 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 제품 판매일 경우, 요가복, 요가매트 등 사용자가 판매하고자 하는 스포츠 제품의 정보일 수도 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 공간의 제공일 경우, 수영장, 헬스장, 스케이트장 등을 포함하는 스포츠 공간의 카테고리일 수 있다.
또한, 창업 위치 정보는 창업하고자 하는 위치와 관련된 정보로, 사용자가 아직 창업 공간을 찾고 있을 경우, 사용자가 창업을 원하는 위치일 수 있으며, 사용자가 이미 창업 공간을 보유하고 있는 경우, 해당 창업 공간의 구체적인 위치와 관련된 정보일 수 있다.
또한, 컨설팅 요청 정보는 사용자가 필요한 컨설팅의 분야가 어떤 것인지에 관한 정보로, 컨설팅 요청 정보는 인테리어 컨설팅, 마케팅 전략 컨설팅, 상권 분석, 세무 컨설팅 중 적어도 하나를 포함할 수 있다.
또한, 예산 정보는 사용자가 가지고 있는 예산과 관련된 정보로, 예산 정보는 컨설팅 비용과 관련된 예산 및 스포츠 창업과 관련된 예산을 포함할 수 있다.
S202 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보를 획득할 수 있다. 여기서, 선호 컨설턴트의 성향 정보는 신속성, 전문성 및 경제성 항목을 포함할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 사용자가 선호하는 컨설턴트가 일처리가 신속한 컨설턴트인지, 업무를 많이 수행한 전문적인 컨설턴트인지, 컨설팅 비용이 저렴한 컨설턴트인지에 관한 정보인 선호 컨설턴트의 성향 정보를 획득할 수 있다.
S203 단계에서, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
구체적으로, 장치(300)는 컨설턴트의 단말(200)로부터 컨설턴트의 포트폴리오를 획득할 수 있고, 획득한 컨설턴트의 포트폴리오를 데이터베이스에 저장할 수 있다. 또한, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
이로 인해, 장치(300)는 컨설턴트와 사용자를 매칭하는 과정마다 컨설턴트의 단말(200)로 컨설턴트의 포트폴리오를 요청하여 수신하는 과정을 생략할 수 있고, 데이터베이스에 저장된 컨설턴트의 포트폴리오를 사용할 수 있어 빠르게 컨설턴트와 사용자를 매칭할 수 있다.
S204 단계에서, 장치(300)는 획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다. 여기서, 기준 비율은 미리 설정된 비율로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅을 파악하고, 컨설턴트가 수행한 창업 컨설팅 중 사용자로부터 획득한 스포츠 서비스 정보와 관련된 컨설팅을 분류할 수 있다. 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅을 몇 번 수행하였는지 확인할 수 있고, 전체 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅의 비율을 확인할 수 있다. 또한, 장치(300)는 해당 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다.
예를 들어, 사용자가 창업하고자 하는 스포츠 서비스가 테니스 강의이고, 데이터베이스로부터 ‘A’ 컨설턴트의 포트폴리오, ‘B’ 컨설턴트의 포트폴리오, ‘C’ 컨설턴트의 포트폴리오를 획득하고, ‘A’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘A’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘B’ 포트폴리오이 포함되어 있고, ‘B’ 컨설턴트의 전체 포트폴리오를 확인한 결과 음식점 창업과 관련하여 컨설팅한 ‘C’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘D’ 포트폴리오, 카페 창업과 관련하여 컨설팅한 ‘E’ 포트폴리오이고, ‘C’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘F’ 포트폴리오, 쇼핑몰 창업과 관련하여 컨설팅한 ‘G’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘H’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘I’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘J’ 포트폴리오이고, 기준 비율이 75%인 경우, 장치(300)는 획득한 포트폴리오에 기반하여 전체 포트폴리오 중 테니스 강의와 관련된 포트폴리오가 차지하는 비율이 75%이상인 ‘A’ 컨설턴트 및 ‘C’ 컨설턴트를 후보 컨설턴트로 선정할 수 있다.
S205 단계에서, 장치(300)는 스포츠 창업 관련 정보, 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 획득한 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보와 사용자의 단말(100)로부터 획득한 선호 컨설턴트의 성향 정보 및 데이터베이스로부터 획득한 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅한 컨설턴트를 선정할 수 있다. 이와 관련하여 구체적인 설명은 도 3 내지 도 5를 참조하여 하기로 한다.
도 3은 선호 컨설턴트의 성향 정보를 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정으로, 먼저, S301 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득할 수 있다.
S301 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득한 경우, S302 단계에서, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 일처리가 신속한 컨설턴트를 선정하기 위해 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 평균 응답 기간은 12시간 이내 응답이고, ‘C’ 컨설턴트의 평균 응답 기간은 1일 이내 응답이고, ‘D’ 컨설턴트의 평균 응답 기간은 6시간 이내 응답이고, ‘E’ 컨설턴트의 평균 응답 기간은 2일 이내 응답일 경우, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 ‘D’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S303 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득할 수 있다.
S303 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득한 경우, S304 단계에서, 장치(300)는 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 업무를 많이 수행한 전문적인 컨설턴트를 선정하기 위해 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 전문성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 포트폴리오 제작 건 수가 2건이고, ‘C’ 컨설턴트의 포트폴리오 제작 건 수가 5건이고, ‘D’ 컨설턴트의 포트폴리오 제작 건 수가 3건이고, ‘E’ 컨설턴트의 포트폴리오 제작 건 수가 4건일 경우, 장치(300)는 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 ‘C’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S305 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득할 수 있다.
S305 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득한 경우, S306 단계에서, 장치(300)는 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 컨설팅 비용이 저렴한 컨설턴트를 선정하기 위해 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 컨설팅 비용이 25만원이고, ‘C’ 컨설턴트의 컨설팅 비용이 40만원이고, ‘D’ 컨설턴트의 컨설팅 비용이 50만원이고, ‘E’ 컨설턴트의 컨설팅 비용이 30만원일 경우, 장치(300)는 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 ‘A’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S307 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 복수의 항목을 획득할 수 있다.
S307 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 복수의 항목을 획득한 경우, S308 단계에서, 장치(300)는 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목에 만족하는 컨설턴트 리스트를 생성할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성, 전문성, 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 평균 응답 기간은 12시간 이내 응답, 포트폴리오 제작 건 수는 2건, 컨설팅 비용은 25만원이고, ‘C’ 컨설턴트의 평균 응답 기간은 1일 이내 응답, 포트폴리오 제작 건 수는 5건, 컨설팅 비용은 40만원이고, ‘D’ 컨설턴트의 평균 응답 기간은 6시간 이내 응답, 포트폴리오 제작 건 수는 3건, 컨설팅 비용은 50만원이고, ‘E’ 컨설턴트의 평균 응답 기간은 2일 이내 응답, 포트폴리오 제작 건 수는 4건, 컨설팅 비용은 30만원이고, 신속성에 대응하여 미리 설정된 기준이 평균 응답 시간 1일 이내 응답이고, 전문성에 대응하여 미리 설정된 기준이 포트폴리오 제작 3건 이상이고, 경제성에 대응하여 미리 설정된 기준이 컨설팅 비용 40만원 이하일 경우, 장치(300)는 신속성을 만족하는 컨설턴트 리스트로 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트를 포함하여 리스트를 생성할 수 있고, 전문성을 만족하는 컨설턴트 리스트로 ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트를 포함하여 리스트를 생성할 수 있고, 경제성을 만족하는 컨설턴트 리스트로 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘E’ 컨설턴트를 포함하여 리스트를 생성할 수 있다.
S308 단계에서 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목에 만족하는 컨설턴트 리스트를 생성하면, S309 단계에서, 장치(300)는 각 항목을 만족하는 컨설턴트 리스트에 모두 리스팅된 컨설턴트를 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성, 전문성, 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, 신속성을 만족하는 컨설턴트 리스트에 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트가 포함되어 있고, 전문성을 만족하는 컨설턴트 리스트에 ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 포함되어 있고, 경제성을 만족하는 컨설턴트 리스트에 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘E’ 컨설턴트가 포함되어 있는 경우, 장치(300)는 신속성을 만족하는 컨설턴트 리스트, 전문성을 만족하는 컨설턴트 리스트, 경제성을 만족하는 컨설턴트 리스트에 모두 리스팅된 ‘C’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
도 4는 선호 컨설턴트의 성향 정보로 신속성을 선택한 경우 컨설턴트를 선정하는 과정으로, 장치(300)는 사용자의 단말(100)로부터 획득한 선호 컨설턴트의 성향 정보로 신속성을 획득하고, 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정할 수 있다. 또한, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 확인한 결과, 응답이 가장 빠른 컨설턴트로 2명 이상의 컨설턴트가 확인되면, 후보 컨설턴트들의 창업 위치 정보에 대응하는 평균 컨설팅 소요 기간을 확인하여 컨설턴트를 선정하기 위한 가중치를 생성 및 부여할 수 있다.
먼저, S401 단계에서, 장치(300)는 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트들 중 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트가 복수일 경우, 사용자로부터 획득한 창업 위치 정보를 기초로, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트의 포트폴리오를 확인하여, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트들 중 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류할 수 있다.
예를 들어, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트로 평균 응답 기간은 6시간 이내인 ‘D’ 컨설턴트, ‘F’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'I’ 컨설턴트, 'J’ 컨설턴트가 선정되었고, 사용자로부터 획득한 창업 위치 정보를 기초로, 사용자가 서울특별시에서 창업을 할 예정인 경우, 장치(300)는 ‘D’ 컨설턴트, ‘F’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'I’ 컨설턴트, 'J’ 컨설턴트의 포트폴리오를 확인하여 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트들 중 서울특별시에 창업하는 사용자를 컨설팅 경험이 있는 컨설턴트인 ‘D’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'J’ 컨설턴트를 추출할 수 있고, ‘D’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'J’ 컨설턴트를 제1 그룹으로 분류할 수 있다.
S402 단계에서, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 경험 데이터들을 획득할 수 있다. 여기서, 후보 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 경험 데이터들은 창업 위치 정보와 관련된 컨설팅 경험 데이터로 창업 위치 정보에 대응하는 컨설팅을 몇 회 하였는지, 창업 위치 정보에 대응하는 컨설팅의 컨설팅 시작 시점부터 컨설팅 종료 시점까지 각각 얼마나 소요되었는지, 창업 위치 정보에 대응하는 컨설팅을 제공받은 사용자의 만족도가 어느 정도였는지 등의 창업 위치 정보에 대응하는 컨설팅 경험 데이터이다.
S403 단계에서, 장치(300)는 창업 위치 정보에 대응하는 컨설팅 경험 데이터들에서 컨설팅 시작 시점부터 컨설팅 완료 시점까지의 컨설팅 소요 기간들을 생성할 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D‘ 컨설턴트의 창업 위치 정보에 대응하는 컨설팅 경험 데이터를 확인한 결과, 창업 위치 정보에 대응하는 제1 컨설팅 경험의 컨설팅 시작 시점이 8월 1일이고, 컨설팅 종료 시점이 8월 11일인 경우, 장치(300)는 제1 컨설팅 경험에 대응하는 컨설팅 소요 기간을 10일로 생성할 수 있다.
S404 단계에서, 장치(300)는 컨설팅 소요 기간들을 기초로, 제1 그룹으로 분류된 컨설턴트들 각각에 대응하는 평균 컨설팅 소요 기간들을 생성할 수 있다.
구체적으로, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 소요 기간들을 추출할 수 있고, 각 후보 컨설턴트마다 컨설팅 소요 기간들의 평균을 산출하여 평균 컨설팅 소요 기간을 생성할 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D‘ 컨설턴트의 창업 위치 정보에 대응하는 컨설팅 소요 기간들을 확인한 결과 각각 10일, 6일, 14일인 경우, 장치(300)는 ‘D‘ 컨설턴트의 평균 컨설팅 소요 기간을 10일로 생성할 수 있다.
S405 단계에서, 장치(300)는 평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 경우, 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 평균 컨설팅 소요 기간에 반비례하여 높일 수 있다. 여기서, 임계 기간을 미리 설정된 기간으로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 평균 컨설팅 소요 기간을 생성하고, 생성된 평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 후보 컨설턴트들을 추출하고, 해당 후보 컨설턴트들의 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 평균 컨설팅 소요 기간에 반비례하여 높일 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 10일이고, ‘G’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 6일이고, ‘H’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 12일이고, ‘J‘ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 17일이고, 미리 정의된 임계 기간이 14일인 경우, 장치(300)는 ‘J‘ 컨설턴트의 경우 평균 공급 소요 기간인 17일이 임계 기간인 14일 보다 길기 때문에 소요 기간에 대한 가중치를 부여하지 않고, ‘G’ 컨설턴트에게 소요 기간에 대한 가중치를 10점 부여하고, ‘D’ 컨설턴트에게 소요 기간에 대한 가중치를 6점 부여하고, ‘H’ 컨설턴트에게 소요 기간에 대한 가중치를 5점 부여할 수 있다.
S406 단계에서, 장치(300)는 가중치를 적용하여, 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
예를 들어, ‘G’ 컨설턴트에게 소요 기간에 대한 가중치를 10점 부여하고, ‘D’ 컨설턴트에게 소요 기간에 대한 가중치를 6점 부여하고, ‘H’ 컨설턴트에게 소요 기간에 대한 가중치를 5점 부여한 경우, 장치(300)는 가중치를 적용하여, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 ‘G’ 컨설턴트를 선정할 수 있다.
도 5는 인공신경망을 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정으로, 먼저, S501 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트의 전문 분야를 획득하고, 컨설팅 요청 정보와 후보 컨설턴트의 전문 분야를 비교하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트의 전문 분야를 획득할 수 있다. 또한, 장치(300)는 사용자의 단말(100)로부터 획득한 컨설팅 요청 정보와 후보 컨설턴트의 전문 분야를 비교하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다. 이때, 장치(300)는 후보 컨설턴트의 전문성 정보를 점수로 생성할 수도 있고, 후보 컨설턴트의 전체 포트폴리오의 개수 대비 컨설팅 요청 정보에 대응하는 포트폴리오의 개수의 비율로 생성할 수도 있다. 또한, 그 외의 방법으로 생성할 수도 있다.
예를 들어, 후보 컨설턴트의 포트폴리오를 확인한 결과, 온라인 마케팅에 관한 컨설팅을 수행한 포트폴리오가 30건, 오프라인 마케팅에 관한 컨설팅을 수행한 포트폴리오가 10건, 쇼핑몰 마케팅에 관한 컨설팅을 수행한 포트폴리오가 10건으로 후보 컨설턴트의 전문 분야를 온라인 마케팅에 관한 컨설팅으로 생성하고, 사용자로부터 획득한 컨설팅 요청 정보가 마케팅 전략일 경우, 장치(300)는 후보 컨설턴트의 전문 분야인 온라인 마케팅에 관한 컨설팅과 사용자의 컨설팅 요청 정보인 마케팅 전략 컨설팅을 비교하여, 후보 컨설턴트의 전문 분야와 컨설팅 요청 정보가 일치한다고 판단하여 점수를 높게 생성하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
또한, 후보 컨설턴트의 포트폴리오를 확인한 결과, 공간 디자인에 관한 컨설팅을 수행한 포트폴리오가 50건으로 후보 컨설턴트의 전문 분야를 공간 디자인에 관한 컨설팅으로 생성하고, 사용자로부터 획득한 컨설팅 요청 정보가 마케팅 전략일 경우, 장치(300)는 후보 컨설턴트의 전문 분야인 공간 디자인에 관한 컨설팅과 사용자의 컨설팅 요청 정보인 마케팅 전략 컨설팅을 비교하여, 후보 컨설턴트의 전문 분야와 컨설팅 요청 정보가 불일치한다고 판단하여 점수를 낮게 생성하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
S502 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 후보 컨설턴트의 역량 정보를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트가 진행한 컨설팅에 대응하는 만족도 점수를 획득할 수 있고, 후보 컨설턴트가 진행한 컨설팅에 대응하는 만족도 점수의 평균값으로 평균 만족도 점수를 생성할 수 있다.
장치(300)는 생성된 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 후보 컨설턴트의 역량 정보를 생성할 수 있다. 또한, 장치(300)는 후보 컨설턴트의 역량 정보를 생성하기 위해 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수는 물론 후보 컨설턴트가 진행한 컨설팅의 횟수를 획득하여 컨설팅의 횟수가 포함된 후보 컨설턴트의 역량 정보를 생성할 수 있다.
S503 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오에 기반하여, 신속성, 전문성 및 경제성을 포함하는 후보 컨설턴트의 성향 정보를 획득하고, 후보 컨설턴트의 성향 정보 및 사용자의 선호 컨설턴트의 성향 정보를 비교하여 성향 유사도를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오에 기반하여, 컨설팅 소요 기간에 의해 결정되는 신속성, 컨설팅 횟수에 의해 결정되는 전문성 및 컨설팅 비용에 의해 결정되는 경제성을 포함하는 후보 컨설턴트 성향 정보를 획득하고, 후보 컨설턴트의 성향 정보 및 사용자의 선호 컨설턴트의 성향 정보를 비교하여 성향 유사도를 생성할 수 있다.
S504 단계에서, 장치(300)는 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도에 기초하여 제1 입력 신호를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도를 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도는 제1 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제1 입력 신호를 생성할 수 있다.
S505 단계에서, 장치(300)는 제1 입력 신호를 제1 인공신경망에 적용하여 후보 컨설턴트의 점수를 각각 출력하는 제1 출력 신호를 생성할 수 있다. 이때, 점수는 0과 1사이의 실수 값일 수 있다.
제1 인공신경망은 입력된 전문성 정보, 역량 정보 및 성향 유사도에 따라 후보 컨설턴트의 점수를 각각 출력하는 인공지능 모델로, 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들, 제1 출력 신호들 및 트레이닝 점수들에 기초하여 미리 학습될 수 있다. 여기서, 트레이닝 점수들은 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들에 각각 대응하는 점수들이고, 제1 출력 신호들은 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들이 제1 인공신경망에 적용되어 생성된 출력 신호들이며, 제1 인공신경망은 제1 출력 신호들 및 트레이닝 점수들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습된다.
제1 인공신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 제1 인공신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다. 강화 학습에 따라 학습되는 제1 인공신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 보상은 전문성 정보, 역량 정보 및 성향 유사도에 적합한 점수를 선정할수록 보상값이 높아질 수 있으며, 제2 보상은 전문성 정보, 역량 정보 및 성향 유사도에 적합하지 않은 점수를 선정하지 않을수록 보상값이 높아질 수 있다.
S506 단계에서, 장치(300)는 제1 출력 신호에 기반하여 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
예를 들어, 장치(300)는 후보 컨설턴트의 점수가 각각 0.8, 0.2, 0.4, 0.6인 경우, 점수가 0.8에 대응하는 후보 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
도 9는 사용자로부터 획득한 정보를 통해 마케팅 전략을 생성 및 제공하는 과정으로, 먼저, S901 단계에서, 장치(300)는 컨설팅 요청 정보가 마케팅 전략이 포함된 것으로 판단되면, 스포츠 서비스 정보에 기반하여 스포츠 서비스 정보의 트렌드 정보를 수집할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 획득한 컨설팅 요청 정보를 확인하여 컨설팅 요청 정보에 마케팅 전략이 포함되는지 여부를 판단할 수 있고, 컨설팅 요청 정보에 마케팅 전략이 포함된 것으로 판단되면, 스포츠 서비스 정보에 기반하여 스포츠 서비스 정보의 트렌드 정보를 수집할 수 있다.
즉, 장치(300)는 기사, 블로그, 인스타그램 등의 SNS를 포함한 웹 사이트를 통해 스포츠 서비스 정보와 관련된 자료, 빅데이터를 수집할 수 있고, 수집된 데이터들을 기초로, 스포츠 서비스 정보의 트렌드 정보를 수집할 수 있다.
S902 단계에서, 장치(300)는 창업 위치 정보를 기초로, 스포츠 서비스의 타겟 성별 및 타겟 연령을 포함하는 타겟 정보를 생성할 수 있다.
구체적으로, 장치(300)는 창업 위치 정보를 기초로, 사용자가 창업하고자 하는 위치를 확인할 수 있고, 해당 위치의 성별별 인구 비율 및 연령대별 인구 비율을 확인하여 스포츠 서비스의 타겟 성별 및 타겟 연령을 포함하는 타겟 정보를 생성할 수 있다.
예를 들어, 창업 위치 정보를 기초로, 사용자가 창업하고자 하는 위치의 인구 비율을 확인한 결과, 여성이 70%, 남성이 30%이고, 0 ~ 19세가 15%, 20 ~ 39세가 45%, 40 ~ 59세가 30%, 60세 이상이 10%인 경우, 장치(300)는 스포츠 서비스의 타겟 성별이 여성이고 및 타겟 연령이 20 ~ 39세인 타겟 정보를 생성할 수 있다.
S903 단계에서, 장치(300)는 트렌드 정보 및 타겟 정보를 기초로, 제2 입력 신호를 생성할 수 있다.
구체적으로, 장치(300)는 트렌드 정보 및 타겟 정보를 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 트렌드 정보 및 타겟 정보는 제2 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제2 입력 신호를 생성할 수 있다.
S904 단계에서, 장치(300)는 제2 입력 신호를 제2 인공신경망에 적용하여 마케팅 방법 및 마케팅 기간에 해당하는 제2 출력 신호를 획득할 수 있다.
제2 인공신경망은 입력된 트렌드 정보 및 타겟 정보에 따라 마케팅 방법 및 마케팅 기간을 각각 출력하는 인공지능 모델로, 트레이닝 트렌드 정보들, 트레이닝 타겟 정보들, 제2 출력 신호들, 트레이닝 마케팅 방법들 및 트레이닝 마케팅 기간들에 기초하여 미리 학습될 수 있다. 여기서, 트레이닝 마케팅 방법들은 트레이닝 트렌드 정보들, 트레이닝 타겟 정보들에 각각 대응하는 마케팅 방법들이고, 제1 출력 신호들은 트레이닝 트렌드 정보들, 트레이닝 타겟 정보들이 제2 인공신경망에 적용되어 생성된 출력 신호들이며, 제2 인공신경망은 제2 출력 신호들 및 트레이닝 마케팅 방법들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습된다. 또한, 트레이닝 마케팅 기간들은 트레이닝 트렌드 정보들, 트레이닝 타겟 정보들에 각각 대응하는 마케팅 기간들이고, 제1 출력 신호들은 트레이닝 트렌드 정보들, 트레이닝 타겟 정보들이 제2 인공신경망에 적용되어 생성된 출력 신호들이며, 제2 인공신경망은 제2 출력 신호들 및 트레이닝 마케팅 기간들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습된다.
제2 인공신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 제2 인공신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다. 강화 학습에 따라 학습되는 제2 인공신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제3 보상은 트렌드 정보 및 타겟 정보에 적합한 마케팅 방법 및 마케팅 기간을 선정할수록 보상값이 높아질 수 있으며, 제4 보상은 트렌드 정보 및 타겟 정보에 적합하지 않은 마케팅 방법 및 마케팅 기간을 선정하지 않을수록 보상값이 높아질 수 있다.
S905 단계에서, 장치(300)는 제2 출력 신호를 기초로, 마케팅 방법 및 마케팅 기간을 포함하는 마케팅 전략을 생성할 수 있다.
예를 들어, 스포츠 서비스의 타겟 성별이 여성이고 및 타겟 연령이 20 ~ 39세인 타겟 정보를 제2 인공신경망에 적용하였을 때, 장치(300)는 제2 출력 신호를 기초로, 마케팅 방법은 SNS를 통한 웹 기반의 마케팅을 출력할 수 있고, 마케팅 기간은 한달을 출력할 수 있다.
S906 단계에서, 장치(300)는 마케팅 전략을 사용자의 단말(100) 및 선정된 컨설턴트의 단말(200)로 전송할 수 있다.
구체적으로, 장치(300)는 제2 인공신경망을 통해 생성된 마케팅 방법 및 마케팅 기간을 포함하는 마케팅 전략을 사용자의 단말(100) 및 선정된 컨설턴트의 단말(200)로 전송할 수 있고, 사용자 및 컨설턴트는 획득한 마케팅 전략을 기반으로 컨설팅을 더 구체적으로 수행할 수 있다.
도 2 내지 도 5 및 도 10 내지 도 11은 실시예4에 따른 사용자의 정보를 기초로, 사용자에게 적합한 컨설턴트를 선정하고, 사용자에게 스포츠 서비스의 추천 가격 및 추천 가격 범위를 제공하는 과정이다.
도 2을 참조하면, 먼저, S201 단계에서, 장치(300)는 사용자의 단말(100)로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득할 수 있다.
여기서, 스포츠 서비스 정보는 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스에 관한 정보이다.
예를 들어 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 강의일 경우, 스포츠 서비스 정보는 테니스, 골프, 농구, 축구, 필라테스, 요가 등을 포함하는 스포츠 강의의 카테고리일 수 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 제품 판매일 경우, 요가복, 요가매트 등 사용자가 판매하고자 하는 스포츠 제품의 정보일 수도 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 공간의 제공일 경우, 수영장, 헬스장, 스케이트장 등을 포함하는 스포츠 공간의 카테고리일 수 있다.
또한, 창업 위치 정보는 창업하고자 하는 위치와 관련된 정보로, 사용자가 아직 창업 공간을 찾고 있을 경우, 사용자가 창업을 원하는 위치일 수 있으며, 사용자가 이미 창업 공간을 보유하고 있는 경우, 해당 창업 공간의 구체적인 위치와 관련된 정보일 수 있다.
또한, 컨설팅 요청 정보는 사용자가 필요한 컨설팅의 분야가 어떤 것인지에 관한 정보로, 컨설팅 요청 정보는 인테리어 컨설팅, 마케팅 전략 컨설팅, 상권 분석, 세무 컨설팅 중 적어도 하나를 포함할 수 있다.
또한, 예산 정보는 사용자가 가지고 있는 예산과 관련된 정보로, 예산 정보는 컨설팅 비용과 관련된 예산 및 스포츠 창업과 관련된 예산을 포함할 수 있다.
S202 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보를 획득할 수 있다. 여기서, 선호 컨설턴트의 성향 정보는 신속성, 전문성 및 경제성 항목을 포함할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 사용자가 선호하는 컨설턴트가 일처리가 신속한 컨설턴트인지, 업무를 많이 수행한 전문적인 컨설턴트인지, 컨설팅 비용이 저렴한 컨설턴트인지에 관한 정보인 선호 컨설턴트의 성향 정보를 획득할 수 있다.
S203 단계에서, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
구체적으로, 장치(300)는 컨설턴트의 단말(200)로부터 컨설턴트의 포트폴리오를 획득할 수 있고, 획득한 컨설턴트의 포트폴리오를 데이터베이스에 저장할 수 있다. 또한, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
이로 인해, 장치(300)는 컨설턴트와 사용자를 매칭하는 과정마다 컨설턴트의 단말(200)로 컨설턴트의 포트폴리오를 요청하여 수신하는 과정을 생략할 수 있고, 데이터베이스에 저장된 컨설턴트의 포트폴리오를 사용할 수 있어 빠르게 컨설턴트와 사용자를 매칭할 수 있다.
S204 단계에서, 장치(300)는 획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다. 여기서, 기준 비율은 미리 설정된 비율로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅을 파악하고, 컨설턴트가 수행한 창업 컨설팅 중 사용자로부터 획득한 스포츠 서비스 정보와 관련된 컨설팅을 분류할 수 있다. 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅을 몇 번 수행하였는지 확인할 수 있고, 전체 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅의 비율을 확인할 수 있다. 또한, 장치(300)는 해당 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다.
예를 들어, 사용자가 창업하고자 하는 스포츠 서비스가 테니스 강의이고, 데이터베이스로부터 ‘A’ 컨설턴트의 포트폴리오, ‘B’ 컨설턴트의 포트폴리오, ‘C’ 컨설턴트의 포트폴리오를 획득하고, ‘A’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘A’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘B’ 포트폴리오이 포함되어 있고, ‘B’ 컨설턴트의 전체 포트폴리오를 확인한 결과 음식점 창업과 관련하여 컨설팅한 ‘C’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘D’ 포트폴리오, 카페 창업과 관련하여 컨설팅한 ‘E’ 포트폴리오이고, ‘C’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘F’ 포트폴리오, 쇼핑몰 창업과 관련하여 컨설팅한 ‘G’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘H’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘I’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘J’ 포트폴리오이고, 기준 비율이 75%인 경우, 장치(300)는 획득한 포트폴리오에 기반하여 전체 포트폴리오 중 테니스 강의와 관련된 포트폴리오가 차지하는 비율이 75%이상인 ‘A’ 컨설턴트 및 ‘C’ 컨설턴트를 후보 컨설턴트로 선정할 수 있다.
S205 단계에서, 장치(300)는 스포츠 창업 관련 정보, 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 획득한 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보와 사용자의 단말(100)로부터 획득한 선호 컨설턴트의 성향 정보 및 데이터베이스로부터 획득한 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅한 컨설턴트를 선정할 수 있다. 이와 관련하여 구체적인 설명은 도 3 내지 도 5를 참조하여 하기로 한다.
도 3은 선호 컨설턴트의 성향 정보를 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정으로, 먼저, S301 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득할 수 있다.
S301 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득한 경우, S302 단계에서, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 일처리가 신속한 컨설턴트를 선정하기 위해 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 평균 응답 기간은 12시간 이내 응답이고, ‘C’ 컨설턴트의 평균 응답 기간은 1일 이내 응답이고, ‘D’ 컨설턴트의 평균 응답 기간은 6시간 이내 응답이고, ‘E’ 컨설턴트의 평균 응답 기간은 2일 이내 응답일 경우, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 ‘D’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S303 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득할 수 있다.
S303 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득한 경우, S304 단계에서, 장치(300)는 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 업무를 많이 수행한 전문적인 컨설턴트를 선정하기 위해 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 전문성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 포트폴리오 제작 건 수가 2건이고, ‘C’ 컨설턴트의 포트폴리오 제작 건 수가 5건이고, ‘D’ 컨설턴트의 포트폴리오 제작 건 수가 3건이고, ‘E’ 컨설턴트의 포트폴리오 제작 건 수가 4건일 경우, 장치(300)는 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 ‘C’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S305 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득할 수 있다.
S305 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득한 경우, S306 단계에서, 장치(300)는 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 컨설팅 비용이 저렴한 컨설턴트를 선정하기 위해 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 컨설팅 비용이 25만원이고, ‘C’ 컨설턴트의 컨설팅 비용이 40만원이고, ‘D’ 컨설턴트의 컨설팅 비용이 50만원이고, ‘E’ 컨설턴트의 컨설팅 비용이 30만원일 경우, 장치(300)는 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 ‘A’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S307 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 복수의 항목을 획득할 수 있다.
S307 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 복수의 항목을 획득한 경우, S308 단계에서, 장치(300)는 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목에 만족하는 컨설턴트 리스트를 생성할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성, 전문성, 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 평균 응답 기간은 12시간 이내 응답, 포트폴리오 제작 건 수는 2건, 컨설팅 비용은 25만원이고, ‘C’ 컨설턴트의 평균 응답 기간은 1일 이내 응답, 포트폴리오 제작 건 수는 5건, 컨설팅 비용은 40만원이고, ‘D’ 컨설턴트의 평균 응답 기간은 6시간 이내 응답, 포트폴리오 제작 건 수는 3건, 컨설팅 비용은 50만원이고, ‘E’ 컨설턴트의 평균 응답 기간은 2일 이내 응답, 포트폴리오 제작 건 수는 4건, 컨설팅 비용은 30만원이고, 신속성에 대응하여 미리 설정된 기준이 평균 응답 시간 1일 이내 응답이고, 전문성에 대응하여 미리 설정된 기준이 포트폴리오 제작 3건 이상이고, 경제성에 대응하여 미리 설정된 기준이 컨설팅 비용 40만원 이하일 경우, 장치(300)는 신속성을 만족하는 컨설턴트 리스트로 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트를 포함하여 리스트를 생성할 수 있고, 전문성을 만족하는 컨설턴트 리스트로 ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트를 포함하여 리스트를 생성할 수 있고, 경제성을 만족하는 컨설턴트 리스트로 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘E’ 컨설턴트를 포함하여 리스트를 생성할 수 있다.
S308 단계에서 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목에 만족하는 컨설턴트 리스트를 생성하면, S309 단계에서, 장치(300)는 각 항목을 만족하는 컨설턴트 리스트에 모두 리스팅된 컨설턴트를 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성, 전문성, 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, 신속성을 만족하는 컨설턴트 리스트에 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트가 포함되어 있고, 전문성을 만족하는 컨설턴트 리스트에 ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 포함되어 있고, 경제성을 만족하는 컨설턴트 리스트에 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘E’ 컨설턴트가 포함되어 있는 경우, 장치(300)는 신속성을 만족하는 컨설턴트 리스트, 전문성을 만족하는 컨설턴트 리스트, 경제성을 만족하는 컨설턴트 리스트에 모두 리스팅된 ‘C’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
도 4는 선호 컨설턴트의 성향 정보로 신속성을 선택한 경우 컨설턴트를 선정하는 과정으로, 장치(300)는 사용자의 단말(100)로부터 획득한 선호 컨설턴트의 성향 정보로 신속성을 획득하고, 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정할 수 있다. 또한, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 확인한 결과, 응답이 가장 빠른 컨설턴트로 2명 이상의 컨설턴트가 확인되면, 후보 컨설턴트들의 창업 위치 정보에 대응하는 평균 컨설팅 소요 기간을 확인하여 컨설턴트를 선정하기 위한 가중치를 생성 및 부여할 수 있다.
먼저, S401 단계에서, 장치(300)는 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트들 중 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트가 복수일 경우, 사용자로부터 획득한 창업 위치 정보를 기초로, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트의 포트폴리오를 확인하여, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트들 중 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류할 수 있다.
예를 들어, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트로 평균 응답 기간은 6시간 이내인 ‘D’ 컨설턴트, ‘F’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'I’ 컨설턴트, 'J’ 컨설턴트가 선정되었고, 사용자로부터 획득한 창업 위치 정보를 기초로, 사용자가 서울특별시에서 창업을 할 예정인 경우, 장치(300)는 ‘D’ 컨설턴트, ‘F’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'I’ 컨설턴트, 'J’ 컨설턴트의 포트폴리오를 확인하여 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트들 중 서울특별시에 창업하는 사용자를 컨설팅 경험이 있는 컨설턴트인 ‘D’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'J’ 컨설턴트를 추출할 수 있고, ‘D’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'J’ 컨설턴트를 제1 그룹으로 분류할 수 있다.
S402 단계에서, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 경험 데이터들을 획득할 수 있다. 여기서, 후보 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 경험 데이터들은 창업 위치 정보와 관련된 컨설팅 경험 데이터로 창업 위치 정보에 대응하는 컨설팅을 몇 회 하였는지, 창업 위치 정보에 대응하는 컨설팅의 컨설팅 시작 시점부터 컨설팅 종료 시점까지 각각 얼마나 소요되었는지, 창업 위치 정보에 대응하는 컨설팅을 제공받은 사용자의 만족도가 어느 정도였는지 등의 창업 위치 정보에 대응하는 컨설팅 경험 데이터이다.
S403 단계에서, 장치(300)는 창업 위치 정보에 대응하는 컨설팅 경험 데이터들에서 컨설팅 시작 시점부터 컨설팅 완료 시점까지의 컨설팅 소요 기간들을 생성할 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D‘ 컨설턴트의 창업 위치 정보에 대응하는 컨설팅 경험 데이터를 확인한 결과, 창업 위치 정보에 대응하는 제1 컨설팅 경험의 컨설팅 시작 시점이 8월 1일이고, 컨설팅 종료 시점이 8월 11일인 경우, 장치(300)는 제1 컨설팅 경험에 대응하는 컨설팅 소요 기간을 10일로 생성할 수 있다.
S404 단계에서, 장치(300)는 컨설팅 소요 기간들을 기초로, 제1 그룹으로 분류된 컨설턴트들 각각에 대응하는 평균 컨설팅 소요 기간들을 생성할 수 있다.
구체적으로, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 소요 기간들을 추출할 수 있고, 각 후보 컨설턴트마다 컨설팅 소요 기간들의 평균을 산출하여 평균 컨설팅 소요 기간을 생성할 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D‘ 컨설턴트의 창업 위치 정보에 대응하는 컨설팅 소요 기간들을 확인한 결과 각각 10일, 6일, 14일인 경우, 장치(300)는 ‘D‘ 컨설턴트의 평균 컨설팅 소요 기간을 10일로 생성할 수 있다.
S405 단계에서, 장치(300)는 평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 경우, 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 평균 컨설팅 소요 기간에 반비례하여 높일 수 있다. 여기서, 임계 기간을 미리 설정된 기간으로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 평균 컨설팅 소요 기간을 생성하고, 생성된 평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 후보 컨설턴트들을 추출하고, 해당 후보 컨설턴트들의 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 평균 컨설팅 소요 기간에 반비례하여 높일 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 10일이고, ‘G’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 6일이고, ‘H’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 12일이고, ‘J‘ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 17일이고, 미리 정의된 임계 기간이 14일인 경우, 장치(300)는 ‘J‘ 컨설턴트의 경우 평균 공급 소요 기간인 17일이 임계 기간인 14일 보다 길기 때문에 소요 기간에 대한 가중치를 부여하지 않고, ‘G’ 컨설턴트에게 소요 기간에 대한 가중치를 10점 부여하고, ‘D’ 컨설턴트에게 소요 기간에 대한 가중치를 6점 부여하고, ‘H’ 컨설턴트에게 소요 기간에 대한 가중치를 5점 부여할 수 있다.
S406 단계에서, 장치(300)는 가중치를 적용하여, 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
예를 들어, ‘G’ 컨설턴트에게 소요 기간에 대한 가중치를 10점 부여하고, ‘D’ 컨설턴트에게 소요 기간에 대한 가중치를 6점 부여하고, ‘H’ 컨설턴트에게 소요 기간에 대한 가중치를 5점 부여한 경우, 장치(300)는 가중치를 적용하여, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 ‘G’ 컨설턴트를 선정할 수 있다.
도 5는 인공신경망을 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정으로, 먼저, S501 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트의 전문 분야를 획득하고, 컨설팅 요청 정보와 후보 컨설턴트의 전문 분야를 비교하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트의 전문 분야를 획득할 수 있다. 또한, 장치(300)는 사용자의 단말(100)로부터 획득한 컨설팅 요청 정보와 후보 컨설턴트의 전문 분야를 비교하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다. 이때, 장치(300)는 후보 컨설턴트의 전문성 정보를 점수로 생성할 수도 있고, 후보 컨설턴트의 전체 포트폴리오의 개수 대비 컨설팅 요청 정보에 대응하는 포트폴리오의 개수의 비율로 생성할 수도 있다. 또한, 그 외의 방법으로 생성할 수도 있다.
예를 들어, 후보 컨설턴트의 포트폴리오를 확인한 결과, 온라인 마케팅에 관한 컨설팅을 수행한 포트폴리오가 30건, 오프라인 마케팅에 관한 컨설팅을 수행한 포트폴리오가 10건, 쇼핑몰 마케팅에 관한 컨설팅을 수행한 포트폴리오가 10건으로 후보 컨설턴트의 전문 분야를 온라인 마케팅에 관한 컨설팅으로 생성하고, 사용자로부터 획득한 컨설팅 요청 정보가 마케팅 전략일 경우, 장치(300)는 후보 컨설턴트의 전문 분야인 온라인 마케팅에 관한 컨설팅과 사용자의 컨설팅 요청 정보인 마케팅 전략 컨설팅을 비교하여, 후보 컨설턴트의 전문 분야와 컨설팅 요청 정보가 일치한다고 판단하여 점수를 높게 생성하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
또한, 후보 컨설턴트의 포트폴리오를 확인한 결과, 공간 디자인에 관한 컨설팅을 수행한 포트폴리오가 50건으로 후보 컨설턴트의 전문 분야를 공간 디자인에 관한 컨설팅으로 생성하고, 사용자로부터 획득한 컨설팅 요청 정보가 마케팅 전략일 경우, 장치(300)는 후보 컨설턴트의 전문 분야인 공간 디자인에 관한 컨설팅과 사용자의 컨설팅 요청 정보인 마케팅 전략 컨설팅을 비교하여, 후보 컨설턴트의 전문 분야와 컨설팅 요청 정보가 불일치한다고 판단하여 점수를 낮게 생성하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
S502 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 후보 컨설턴트의 역량 정보를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트가 진행한 컨설팅에 대응하는 만족도 점수를 획득할 수 있고, 후보 컨설턴트가 진행한 컨설팅에 대응하는 만족도 점수의 평균값으로 평균 만족도 점수를 생성할 수 있다.
장치(300)는 생성된 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 후보 컨설턴트의 역량 정보를 생성할 수 있다. 또한, 장치(300)는 후보 컨설턴트의 역량 정보를 생성하기 위해 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수는 물론 후보 컨설턴트가 진행한 컨설팅의 횟수를 획득하여 컨설팅의 횟수가 포함된 후보 컨설턴트의 역량 정보를 생성할 수 있다.
S503 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오에 기반하여, 신속성, 전문성 및 경제성을 포함하는 후보 컨설턴트의 성향 정보를 획득하고, 후보 컨설턴트의 성향 정보 및 사용자의 선호 컨설턴트의 성향 정보를 비교하여 성향 유사도를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오에 기반하여, 컨설팅 소요 기간에 의해 결정되는 신속성, 컨설팅 횟수에 의해 결정되는 전문성 및 컨설팅 비용에 의해 결정되는 경제성을 포함하는 후보 컨설턴트 성향 정보를 획득하고, 후보 컨설턴트의 성향 정보 및 사용자의 선호 컨설턴트의 성향 정보를 비교하여 성향 유사도를 생성할 수 있다.
S504 단계에서, 장치(300)는 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도에 기초하여 제1 입력 신호를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도를 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도는 제1 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제1 입력 신호를 생성할 수 있다.
S505 단계에서, 장치(300)는 제1 입력 신호를 제1 인공신경망에 적용하여 후보 컨설턴트의 점수를 각각 출력하는 제1 출력 신호를 생성할 수 있다. 이때, 점수는 0과 1사이의 실수 값일 수 있다.
제1 인공신경망은 입력된 전문성 정보, 역량 정보 및 성향 유사도에 따라 후보 컨설턴트의 점수를 각각 출력하는 인공지능 모델로, 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들, 제1 출력 신호들 및 트레이닝 점수들에 기초하여 미리 학습될 수 있다. 여기서, 트레이닝 점수들은 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들에 각각 대응하는 점수들이고, 제1 출력 신호들은 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들이 제1 인공신경망에 적용되어 생성된 출력 신호들이며, 제1 인공신경망은 제1 출력 신호들 및 트레이닝 점수들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습된다.
제1 인공신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 제1 인공신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다. 강화 학습에 따라 학습되는 제1 인공신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 보상은 전문성 정보, 역량 정보 및 성향 유사도에 적합한 점수를 선정할수록 보상값이 높아질 수 있으며, 제2 보상은 전문성 정보, 역량 정보 및 성향 유사도에 적합하지 않은 점수를 선정하지 않을수록 보상값이 높아질 수 있다.
S506 단계에서, 장치(300)는 제1 출력 신호에 기반하여 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
예를 들어, 장치(300)는 후보 컨설턴트의 점수가 각각 0.8, 0.2, 0.4, 0.6인 경우, 점수가 0.8에 대응하는 후보 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
도 10은 사용자의 스포츠 서비스의 추천 가격 및 추천 가격 범위를 제공하는 과정으로, 먼저, S1001 단계에서, 장치(300)는 창업 위치 정보로부터 미리 정의된 임계 거리 내에 스포츠 서비스를 제공하는 다른 업체의 가격 정보를 획득할 수 있다. 이때, 임계 거리는 미리 정의된 값으로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 블로그, 카페를 통해 미리 정의된 임계 거리 내에 스포츠 서비스를 제공하는 다른 업체의 정보를 획득할 수 있고, 획득한 정보에서 스포츠 서비스의 가격 정보를 추출하여 획득할 수 있다. 또한, 장치(300)는 미리 정의된 임계 거리 내에 스포츠 서비스를 제공하는 다른 업체가 보유하고 있는 웹 사이트를 접속하여 해당 업체의 가격 정보를 획득할 수 있다.
S1002 단계에서, 장치(300)는 다른 업체의 가격 정보의 평균값, 중앙값 및 최빈값 중 적어도 하나의 값을 사용자가 제공하려는 서비스의 추천 가격으로 설정할 수 있다.
S1003 단계에서, 장치(300)는 다른 업체의 가격 정보의 분산 값을 이용하여 사용자가 제공하려는 스포츠 서비스의 추천 가격 범위를 설정할 수 있다.
구체적으로, 장치(300)는 다른 업체의 판매 가격을 기초로, 사용자가 제공하려는 스포츠 서비스의 가격에 대한 분산도를 생성할 수 있고, 분산도를 통해 사용자가 제공하려는 스포츠 서비스의 가격 분산 값을 생성할 수 있다.
즉, 장치(300)는 분산 값을 통해 사용자가 제공하려는 스포츠 서비스의 가격이 업체 별로 비슷한지 아니면 업체마다 각각 다른지를 판단할 수 있고, 분산 값에 따라 추천 가격 범위를 넓게 설정할 수 있고, 좁게 설정할 수 있다.
S1004 단계에서, 장치(300)는 스포츠 서비스의 추천 가격 및 스포츠 서비스의 추천 가격 범위를 사용자의 단말(100)로 전송할 수 있다.
도 11은 추천 가격 범위를 설정하는 과정으로, 먼저, S1101 단계에서, 장치(300)는 다른 업체의 가격 정보를 기초로, 분산 값을 생성할 수 있다.
S1102 단계에서, 장치(300)는 분산 값이 제1 임계 값보다 큰지 여부를 판단할 수 있다. 여기서, 제1 임계 값은 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.
S1102 단계에서, 분산 값이 제1 임계 값보다 크다고 판단되면, S1103 단계에서, 장치(300)는 스포츠 강의의 가격 범위를 설정하는 기준치로 제1 기준 퍼센트를 설정할 수 있다. 여기서, 제1 기준 퍼센트는 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.
예를 들어, 스포츠 서비스의 추천 가격이 300,000원이고, 분산 값이 40,000이고, 제1 임계 값이 25,000인 경우, 장치(300)는 분산 값이 제1 임계 값보다 크다고 판단하여 스포츠 강의의 가격 범위를 설정하는 기준치로 20%를 설정할 수 있고, 스포츠 서비스의 추천 가격 범위로 240,000원에서 360,000원을 설정할 수 있다.
S1102 단계에서, 분산 값이 제1 임계 값보다 크지 않다고 판단되면, S1104 단계에서, 장치(300)는 스포츠 강의의 가격 범위를 설정하는 기준치로 제2 기준 퍼센트를 설정할 수 있다. 여기서, 제2 기준 퍼센트는 제1 기준 퍼센트보다 작게 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.
예를 들어, 스포츠 서비스의 추천 가격이 300,000원이고, 분산 값이 20,000이고, 제1 임계 값이 25,000인 경우, 장치(300)는 분산 값이 제1 임계 값보다 작다고 판단하여 스포츠 강의의 가격 범위를 설정하는 기준치로 10%를 설정할 수 있고, 스포츠 서비스의 추천 가격 범위로 270,000원에서 330,000원을 설정할 수 있다.
도 2 내지 도 5 및 도 12는 실시예5에 따른 사용자의 정보를 기초로, 사용자에게 적합한 컨설턴트를 선정하고, 창업 추천 지역 리스트를 생성하여 사용자의 단말로 제공하는 과정이다
도 2을 참조하면, 먼저, S201 단계에서, 장치(300)는 사용자의 단말(100)로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득할 수 있다.
여기서, 스포츠 서비스 정보는 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스에 관한 정보이다.
예를 들어 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 강의일 경우, 스포츠 서비스 정보는 테니스, 골프, 농구, 축구, 필라테스, 요가 등을 포함하는 스포츠 강의의 카테고리일 수 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 제품 판매일 경우, 요가복, 요가매트 등 사용자가 판매하고자 하는 스포츠 제품의 정보일 수도 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 공간의 제공일 경우, 수영장, 헬스장, 스케이트장 등을 포함하는 스포츠 공간의 카테고리일 수 있다.
또한, 창업 위치 정보는 창업하고자 하는 위치와 관련된 정보로, 사용자가 아직 창업 공간을 찾고 있을 경우, 사용자가 창업을 원하는 위치일 수 있으며, 사용자가 이미 창업 공간을 보유하고 있는 경우, 해당 창업 공간의 구체적인 위치와 관련된 정보일 수 있다.
또한, 컨설팅 요청 정보는 사용자가 필요한 컨설팅의 분야가 어떤 것인지에 관한 정보로, 컨설팅 요청 정보는 인테리어 컨설팅, 마케팅 전략 컨설팅, 상권 분석, 세무 컨설팅 중 적어도 하나를 포함할 수 있다.
또한, 예산 정보는 사용자가 가지고 있는 예산과 관련된 정보로, 예산 정보는 컨설팅 비용과 관련된 예산 및 스포츠 창업과 관련된 예산을 포함할 수 있다.
S202 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보를 획득할 수 있다. 여기서, 선호 컨설턴트의 성향 정보는 신속성, 전문성 및 경제성 항목을 포함할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 사용자가 선호하는 컨설턴트가 일처리가 신속한 컨설턴트인지, 업무를 많이 수행한 전문적인 컨설턴트인지, 컨설팅 비용이 저렴한 컨설턴트인지에 관한 정보인 선호 컨설턴트의 성향 정보를 획득할 수 있다.
S203 단계에서, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
구체적으로, 장치(300)는 컨설턴트의 단말(200)로부터 컨설턴트의 포트폴리오를 획득할 수 있고, 획득한 컨설턴트의 포트폴리오를 데이터베이스에 저장할 수 있다. 또한, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
이로 인해, 장치(300)는 컨설턴트와 사용자를 매칭하는 과정마다 컨설턴트의 단말(200)로 컨설턴트의 포트폴리오를 요청하여 수신하는 과정을 생략할 수 있고, 데이터베이스에 저장된 컨설턴트의 포트폴리오를 사용할 수 있어 빠르게 컨설턴트와 사용자를 매칭할 수 있다.
S204 단계에서, 장치(300)는 획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다. 여기서, 기준 비율은 미리 설정된 비율로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅을 파악하고, 컨설턴트가 수행한 창업 컨설팅 중 사용자로부터 획득한 스포츠 서비스 정보와 관련된 컨설팅을 분류할 수 있다. 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅을 몇 번 수행하였는지 확인할 수 있고, 전체 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅의 비율을 확인할 수 있다. 또한, 장치(300)는 해당 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다.
예를 들어, 사용자가 창업하고자 하는 스포츠 서비스가 테니스 강의이고, 데이터베이스로부터 ‘A’ 컨설턴트의 포트폴리오, ‘B’ 컨설턴트의 포트폴리오, ‘C’ 컨설턴트의 포트폴리오를 획득하고, ‘A’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘A’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘B’ 포트폴리오이 포함되어 있고, ‘B’ 컨설턴트의 전체 포트폴리오를 확인한 결과 음식점 창업과 관련하여 컨설팅한 ‘C’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘D’ 포트폴리오, 카페 창업과 관련하여 컨설팅한 ‘E’ 포트폴리오이고, ‘C’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘F’ 포트폴리오, 쇼핑몰 창업과 관련하여 컨설팅한 ‘G’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘H’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘I’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘J’ 포트폴리오이고, 기준 비율이 75%인 경우, 장치(300)는 획득한 포트폴리오에 기반하여 전체 포트폴리오 중 테니스 강의와 관련된 포트폴리오가 차지하는 비율이 75%이상인 ‘A’ 컨설턴트 및 ‘C’ 컨설턴트를 후보 컨설턴트로 선정할 수 있다.
S205 단계에서, 장치(300)는 스포츠 창업 관련 정보, 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 획득한 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보와 사용자의 단말(100)로부터 획득한 선호 컨설턴트의 성향 정보 및 데이터베이스로부터 획득한 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅한 컨설턴트를 선정할 수 있다. 이와 관련하여 구체적인 설명은 도 3 내지 도 5를 참조하여 하기로 한다.
도 3은 선호 컨설턴트의 성향 정보를 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정으로, 먼저, S301 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득할 수 있다.
S301 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득한 경우, S302 단계에서, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 신속성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 일처리가 신속한 컨설턴트를 선정하기 위해 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 평균 응답 기간은 12시간 이내 응답이고, ‘C’ 컨설턴트의 평균 응답 기간은 1일 이내 응답이고, ‘D’ 컨설턴트의 평균 응답 기간은 6시간 이내 응답이고, ‘E’ 컨설턴트의 평균 응답 기간은 2일 이내 응답일 경우, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 ‘D’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S303 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득할 수 있다.
S303 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득한 경우, S304 단계에서, 장치(300)는 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 전문성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 업무를 많이 수행한 전문적인 컨설턴트를 선정하기 위해 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 전문성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 포트폴리오 제작 건 수가 2건이고, ‘C’ 컨설턴트의 포트폴리오 제작 건 수가 5건이고, ‘D’ 컨설턴트의 포트폴리오 제작 건 수가 3건이고, ‘E’ 컨설턴트의 포트폴리오 제작 건 수가 4건일 경우, 장치(300)는 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 ‘C’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S305 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득할 수 있다.
S305 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득한 경우, S306 단계에서, 장치(300)는 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 경제성을 획득한 경우, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 컨설팅 비용이 저렴한 컨설턴트를 선정하기 위해 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 컨설팅 비용이 25만원이고, ‘C’ 컨설턴트의 컨설팅 비용이 40만원이고, ‘D’ 컨설턴트의 컨설팅 비용이 50만원이고, ‘E’ 컨설턴트의 컨설팅 비용이 30만원일 경우, 장치(300)는 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 ‘A’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
S307 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 복수의 항목을 획득할 수 있다.
S307 단계에서 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보로 복수의 항목을 획득한 경우, S308 단계에서, 장치(300)는 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목에 만족하는 컨설턴트 리스트를 생성할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성, 전문성, 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, ‘A’ 컨설턴트의 평균 응답 기간은 12시간 이내 응답, 포트폴리오 제작 건 수는 2건, 컨설팅 비용은 25만원이고, ‘C’ 컨설턴트의 평균 응답 기간은 1일 이내 응답, 포트폴리오 제작 건 수는 5건, 컨설팅 비용은 40만원이고, ‘D’ 컨설턴트의 평균 응답 기간은 6시간 이내 응답, 포트폴리오 제작 건 수는 3건, 컨설팅 비용은 50만원이고, ‘E’ 컨설턴트의 평균 응답 기간은 2일 이내 응답, 포트폴리오 제작 건 수는 4건, 컨설팅 비용은 30만원이고, 신속성에 대응하여 미리 설정된 기준이 평균 응답 시간 1일 이내 응답이고, 전문성에 대응하여 미리 설정된 기준이 포트폴리오 제작 3건 이상이고, 경제성에 대응하여 미리 설정된 기준이 컨설팅 비용 40만원 이하일 경우, 장치(300)는 신속성을 만족하는 컨설턴트 리스트로 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트를 포함하여 리스트를 생성할 수 있고, 전문성을 만족하는 컨설턴트 리스트로 ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트를 포함하여 리스트를 생성할 수 있고, 경제성을 만족하는 컨설턴트 리스트로 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘E’ 컨설턴트를 포함하여 리스트를 생성할 수 있다.
S308 단계에서 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목에 만족하는 컨설턴트 리스트를 생성하면, S309 단계에서, 장치(300)는 각 항목을 만족하는 컨설턴트 리스트에 모두 리스팅된 컨설턴트를 선정할 수 있다.
예를 들어, 사용자의 선호 컨설턴트의 성향 정보가 신속성, 전문성, 경제성이고, ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 후보 컨설턴트이고, 신속성을 만족하는 컨설턴트 리스트에 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘D’ 컨설턴트가 포함되어 있고, 전문성을 만족하는 컨설턴트 리스트에 ‘C’ 컨설턴트, ‘D’ 컨설턴트, ‘E’ 컨설턴트가 포함되어 있고, 경제성을 만족하는 컨설턴트 리스트에 ‘A’ 컨설턴트, ‘C’ 컨설턴트, ‘E’ 컨설턴트가 포함되어 있는 경우, 장치(300)는 신속성을 만족하는 컨설턴트 리스트, 전문성을 만족하는 컨설턴트 리스트, 경제성을 만족하는 컨설턴트 리스트에 모두 리스팅된 ‘C’ 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
도 4는 선호 컨설턴트의 성향 정보로 신속성을 선택한 경우 컨설턴트를 선정하는 과정으로, 장치(300)는 사용자의 단말(100)로부터 획득한 선호 컨설턴트의 성향 정보로 신속성을 획득하고, 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정할 수 있다. 또한, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 확인한 결과, 응답이 가장 빠른 컨설턴트로 2명 이상의 컨설턴트가 확인되면, 후보 컨설턴트들의 창업 위치 정보에 대응하는 평균 컨설팅 소요 기간을 확인하여 컨설턴트를 선정하기 위한 가중치를 생성 및 부여할 수 있다.
먼저, S401 단계에서, 장치(300)는 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트들 중 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트가 복수일 경우, 사용자로부터 획득한 창업 위치 정보를 기초로, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트의 포트폴리오를 확인하여, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트들 중 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류할 수 있다.
예를 들어, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트로 평균 응답 기간은 6시간 이내인 ‘D’ 컨설턴트, ‘F’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'I’ 컨설턴트, 'J’ 컨설턴트가 선정되었고, 사용자로부터 획득한 창업 위치 정보를 기초로, 사용자가 서울특별시에서 창업을 할 예정인 경우, 장치(300)는 ‘D’ 컨설턴트, ‘F’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'I’ 컨설턴트, 'J’ 컨설턴트의 포트폴리오를 확인하여 컨설팅 요청에 대한 응답이 가장 빠른 후보 컨설턴트들 중 서울특별시에 창업하는 사용자를 컨설팅 경험이 있는 컨설턴트인 ‘D’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'J’ 컨설턴트를 추출할 수 있고, ‘D’ 컨설턴트, ‘G’ 컨설턴트, 'H’ 컨설턴트, 'J’ 컨설턴트를 제1 그룹으로 분류할 수 있다.
S402 단계에서, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 경험 데이터들을 획득할 수 있다. 여기서, 후보 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 경험 데이터들은 창업 위치 정보와 관련된 컨설팅 경험 데이터로 창업 위치 정보에 대응하는 컨설팅을 몇 회 하였는지, 창업 위치 정보에 대응하는 컨설팅의 컨설팅 시작 시점부터 컨설팅 종료 시점까지 각각 얼마나 소요되었는지, 창업 위치 정보에 대응하는 컨설팅을 제공받은 사용자의 만족도가 어느 정도였는지 등의 창업 위치 정보에 대응하는 컨설팅 경험 데이터이다.
S403 단계에서, 장치(300)는 창업 위치 정보에 대응하는 컨설팅 경험 데이터들에서 컨설팅 시작 시점부터 컨설팅 완료 시점까지의 컨설팅 소요 기간들을 생성할 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D‘ 컨설턴트의 창업 위치 정보에 대응하는 컨설팅 경험 데이터를 확인한 결과, 창업 위치 정보에 대응하는 제1 컨설팅 경험의 컨설팅 시작 시점이 8월 1일이고, 컨설팅 종료 시점이 8월 11일인 경우, 장치(300)는 제1 컨설팅 경험에 대응하는 컨설팅 소요 기간을 10일로 생성할 수 있다.
S404 단계에서, 장치(300)는 컨설팅 소요 기간들을 기초로, 제1 그룹으로 분류된 컨설턴트들 각각에 대응하는 평균 컨설팅 소요 기간들을 생성할 수 있다.
구체적으로, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 컨설팅 소요 기간들을 추출할 수 있고, 각 후보 컨설턴트마다 컨설팅 소요 기간들의 평균을 산출하여 평균 컨설팅 소요 기간을 생성할 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D‘ 컨설턴트의 창업 위치 정보에 대응하는 컨설팅 소요 기간들을 확인한 결과 각각 10일, 6일, 14일인 경우, 장치(300)는 ‘D‘ 컨설턴트의 평균 컨설팅 소요 기간을 10일로 생성할 수 있다.
S405 단계에서, 장치(300)는 평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 경우, 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 평균 컨설팅 소요 기간에 반비례하여 높일 수 있다. 여기서, 임계 기간을 미리 설정된 기간으로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 제1 그룹으로 분류된 컨설턴트들의 창업 위치 정보에 대응하는 평균 컨설팅 소요 기간을 생성하고, 생성된 평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 후보 컨설턴트들을 추출하고, 해당 후보 컨설턴트들의 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 평균 컨설팅 소요 기간에 반비례하여 높일 수 있다.
예를 들어, 제1 그룹으로 분류된 컨설턴트인 ‘D’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 10일이고, ‘G’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 6일이고, ‘H’ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 12일이고, ‘J‘ 컨설턴트의 창업 위치 정보에 대응하는 평균 공급 소요 기간이 17일이고, 미리 정의된 임계 기간이 14일인 경우, 장치(300)는 ‘J‘ 컨설턴트의 경우 평균 공급 소요 기간인 17일이 임계 기간인 14일 보다 길기 때문에 소요 기간에 대한 가중치를 부여하지 않고, ‘G’ 컨설턴트에게 소요 기간에 대한 가중치를 10점 부여하고, ‘D’ 컨설턴트에게 소요 기간에 대한 가중치를 6점 부여하고, ‘H’ 컨설턴트에게 소요 기간에 대한 가중치를 5점 부여할 수 있다.
S406 단계에서, 장치(300)는 가중치를 적용하여, 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
예를 들어, ‘G’ 컨설턴트에게 소요 기간에 대한 가중치를 10점 부여하고, ‘D’ 컨설턴트에게 소요 기간에 대한 가중치를 6점 부여하고, ‘H’ 컨설턴트에게 소요 기간에 대한 가중치를 5점 부여한 경우, 장치(300)는 가중치를 적용하여, 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 ‘G’ 컨설턴트를 선정할 수 있다.
도 5는 인공신경망을 통해 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정으로, 먼저, S501 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트의 전문 분야를 획득하고, 컨설팅 요청 정보와 후보 컨설턴트의 전문 분야를 비교하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트의 전문 분야를 획득할 수 있다. 또한, 장치(300)는 사용자의 단말(100)로부터 획득한 컨설팅 요청 정보와 후보 컨설턴트의 전문 분야를 비교하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다. 이때, 장치(300)는 후보 컨설턴트의 전문성 정보를 점수로 생성할 수도 있고, 후보 컨설턴트의 전체 포트폴리오의 개수 대비 컨설팅 요청 정보에 대응하는 포트폴리오의 개수의 비율로 생성할 수도 있다. 또한, 그 외의 방법으로 생성할 수도 있다.
예를 들어, 후보 컨설턴트의 포트폴리오를 확인한 결과, 온라인 마케팅에 관한 컨설팅을 수행한 포트폴리오가 30건, 오프라인 마케팅에 관한 컨설팅을 수행한 포트폴리오가 10건, 쇼핑몰 마케팅에 관한 컨설팅을 수행한 포트폴리오가 10건으로 후보 컨설턴트의 전문 분야를 온라인 마케팅에 관한 컨설팅으로 생성하고, 사용자로부터 획득한 컨설팅 요청 정보가 마케팅 전략일 경우, 장치(300)는 후보 컨설턴트의 전문 분야인 온라인 마케팅에 관한 컨설팅과 사용자의 컨설팅 요청 정보인 마케팅 전략 컨설팅을 비교하여, 후보 컨설턴트의 전문 분야와 컨설팅 요청 정보가 일치한다고 판단하여 점수를 높게 생성하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
또한, 후보 컨설턴트의 포트폴리오를 확인한 결과, 공간 디자인에 관한 컨설팅을 수행한 포트폴리오가 50건으로 후보 컨설턴트의 전문 분야를 공간 디자인에 관한 컨설팅으로 생성하고, 사용자로부터 획득한 컨설팅 요청 정보가 마케팅 전략일 경우, 장치(300)는 후보 컨설턴트의 전문 분야인 공간 디자인에 관한 컨설팅과 사용자의 컨설팅 요청 정보인 마케팅 전략 컨설팅을 비교하여, 후보 컨설턴트의 전문 분야와 컨설팅 요청 정보가 불일치한다고 판단하여 점수를 낮게 생성하여 후보 컨설턴트의 전문성 정보를 생성할 수 있다.
S502 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 후보 컨설턴트의 역량 정보를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트가 진행한 컨설팅에 대응하는 만족도 점수를 획득할 수 있고, 후보 컨설턴트가 진행한 컨설팅에 대응하는 만족도 점수의 평균값으로 평균 만족도 점수를 생성할 수 있다.
장치(300)는 생성된 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 후보 컨설턴트의 역량 정보를 생성할 수 있다. 또한, 장치(300)는 후보 컨설턴트의 역량 정보를 생성하기 위해 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수는 물론 후보 컨설턴트가 진행한 컨설팅의 횟수를 획득하여 컨설팅의 횟수가 포함된 후보 컨설턴트의 역량 정보를 생성할 수 있다.
S503 단계에서, 장치(300)는 후보 컨설턴트의 포트폴리오에 기반하여, 신속성, 전문성 및 경제성을 포함하는 후보 컨설턴트의 성향 정보를 획득하고, 후보 컨설턴트의 성향 정보 및 사용자의 선호 컨설턴트의 성향 정보를 비교하여 성향 유사도를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 포트폴리오에 기반하여, 컨설팅 소요 기간에 의해 결정되는 신속성, 컨설팅 횟수에 의해 결정되는 전문성 및 컨설팅 비용에 의해 결정되는 경제성을 포함하는 후보 컨설턴트 성향 정보를 획득하고, 후보 컨설턴트의 성향 정보 및 사용자의 선호 컨설턴트의 성향 정보를 비교하여 성향 유사도를 생성할 수 있다.
S504 단계에서, 장치(300)는 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도에 기초하여 제1 입력 신호를 생성할 수 있다.
구체적으로, 장치(300)는 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도를 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 후보 컨설턴트의 전문성 정보, 후보 컨설턴트의 역량 정보 및 성향 유사도는 제1 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제1 입력 신호를 생성할 수 있다.
S505 단계에서, 장치(300)는 제1 입력 신호를 제1 인공신경망에 적용하여 후보 컨설턴트의 점수를 각각 출력하는 제1 출력 신호를 생성할 수 있다. 이때, 점수는 0과 1사이의 실수 값일 수 있다.
제1 인공신경망은 입력된 전문성 정보, 역량 정보 및 성향 유사도에 따라 후보 컨설턴트의 점수를 각각 출력하는 인공지능 모델로, 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들, 제1 출력 신호들 및 트레이닝 점수들에 기초하여 미리 학습될 수 있다. 여기서, 트레이닝 점수들은 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들에 각각 대응하는 점수들이고, 제1 출력 신호들은 트레이닝 전문성 정보들, 트레이닝 역량 정보들, 트레이닝 성향 유사도들이 제1 인공신경망에 적용되어 생성된 출력 신호들이며, 제1 인공신경망은 제1 출력 신호들 및 트레이닝 점수들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습된다.
제1 인공신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 제1 인공신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다. 강화 학습에 따라 학습되는 제1 인공신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 보상은 전문성 정보, 역량 정보 및 성향 유사도에 적합한 점수를 선정할수록 보상값이 높아질 수 있으며, 제2 보상은 전문성 정보, 역량 정보 및 성향 유사도에 적합하지 않은 점수를 선정하지 않을수록 보상값이 높아질 수 있다.
S506 단계에서, 장치(300)는 제1 출력 신호에 기반하여 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
예를 들어, 장치(300)는 후보 컨설턴트의 점수가 각각 0.8, 0.2, 0.4, 0.6인 경우, 점수가 0.8에 대응하는 후보 컨설턴트를 사용자의 스포츠 창업을 컨설팅할 컨설턴트로 선정할 수 있다.
도 12는 창업 추천 지역 리스트를 사용자의 단말로 제공하는 과정으로, 먼저, S1201 단계에서, 장치(300)는 스포츠 창업 관련 정보에 창업 위치 정보가 포함되어 있지 않거나 사용자의 단말(100)로부터 창업 위치 정보의 추천 요청을 수신할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 획득한 스포츠 창업 관련 정보를 확인하여 창업 위치 정보가 포함되어 있지 않을 경우, 사용자가 창업 위치를 결정하지 못하였다고 판단하여 창업 추천 지역 리스트를 사용자의 단말(100)로 제공할 수 있다. 또한, 장치(300)는 사용자의 단말(100)로부터 획득한 스포츠 창업 관련 정보를 확인하여 창업 위치 정보가 포함되어 있을 경우에도 사용자의 단말(100)로부터 창업 위치 정보의 추천 요청을 수신하면 사용자가 창업 위치를 결정하지 못하였다고 판단하여 창업 추천 지역 리스트를 사용자의 단말(100)로 제공할 수 있다.
S1202 단계에서, 장치(300)는 지역 온라인 카페에서 스포츠 서비스 정보와 관련된 키워드를 수집할 수 있다. 여기서, 지역 온라인 카페는 각 지역에 대응하는 맘카페일 수 있다.
구체적으로, 장치(300)는 네트워크를 통해 지역 온라인 카페에 접속할 수 있고, 지역 온라인 카페에서 스포츠 서비스 정보와 관련된 키워드를 수집할 수 있다.
예를 들어, 스포츠 서비스 정보가 수영 강의이고, 지역 온라인 카페가 서초 맘카페인 경우, 장치(300)는 네트워크를 서초 맘카페에 접속할 수 있고, 서초 맘카페에서 수영 강의와 관련된 키워드인 수영, 수영장, 수영복, 수영강사, 자유형, 수영레슨, 코로나수영, 수영장추천, 수영강사추천, 수영장비추천, 수영강습가격문의, 수영수업, 수영장텃세, 키즈수영, 성인수영, 수영사고, 수영강습추천, 수영강습비쌈, 수영장불친절, 수영장비위생 등의 키워드를 수집할 수 있다.
S1203 단계에서, 장치(300)는 긍정 키워드와 부정 키워드를 구분하고, 수집된 관련 키워드 전체에서 긍정 키워드 비율이 미리 설정된 목표 비율보다 높은 지역 온라인 카페를 제1 리스트로 리스팅할 수 있다. 여기서, 목표 비율은 미리 설정된 비율로 실시 예에 따라 달라질 수 있다.
예를 들어, 스포츠 서비스 정보인 수영 강의이고, 수영 강의와 관련된 키워드인 수영, 수영장, 수영복, 수영강사, 자유형, 수영레슨, 코로나수영, 수영장추천, 수영강사추천, 수영장비추천, 수영강습가격문의, 수영수업, 수영장텃세, 키즈수영, 성인수영, 수영사고, 수영강습추천, 수영강습비쌈, 수영장불친절, 수영장비위생 등의 키워드를 수집한 경우, 장치(300)는 수영, 수영장, 수영복, 수영강사, 자유형, 수영레슨, 수영장추천, 수영강사추천, 수영강습가격문의, 수영수업, 키즈수영, 성인수영, 수영강습추천를 긍정 키워드로 구분할 수 있고, 코로나수영, 수영장비추천, 수영강습비쌈, 수영장텃세, 수영장불친절, 수영장비위생을 부정 키워드로 구분할 수 있다.
또한, 지역 온라인 카페가 서초 맘카페, 마포 맘카페, 동탄 맘카페, 부산 맘카페, 인천 맘카페이고, 서초 맘카페의 긍정 키워드 비율이 80%, 마포 맘카페의 긍정 키워드 비율이 73%, 동탄 맘카페의 긍정 키워드 비율이 77%, 분당 맘카페의 긍정 키워드 비율이 85%, 인천 맘카페의 긍정 키워드 비율이 70%이고, 목표 비율이 75%인 경우, 장치(300)는 목표 비율인 70%보다 긍정 키워드 비율이 높은 서초 맘카페, 동탄 맘카페, 분당 맘카페를 제1 리스트로 리스팅할 수 있다.
S1204 단계에서, 장치(300)는 제1 리스트에 포함된 지역 온라인 카페에서 스포츠 서비스의 수요와 관련된 키워드를 수집할 수 있다.
예를 들어, 스포츠 서비스 정보인 수영 강의일 경우, 장치(300)는 수영 강의의 수요와 관련된 키워드로 수영레슨, 수영강사추천, 수영강습가격문의, 수영수업, 키즈수영, 성인수영, 수영강습추천, 수영강습비쌈 등의 키워드를 수집할 수 있다.
S1205 단계에서, 장치(300)는 수요와 관련된 키워드가 많은 순서로 제1 리스트를 정렬할 수 있다.
예를 들어, 서초 맘카페, 동탄 맘카페, 분당 맘카페를 제1 리스트에 포함되고, 수영 강의의 수요와 관련된 키워드가 서초 맘카페에 30개 포함되어 있고, 동탄 맘카페에 50개 포함되어 있고, 분당 맘카페에 25개 포함되어 있을 경우, 장치(300)는 제1 리스트를 수요와 관련된 키워드가 많은 순서인 동탄 맘카페, 서초 맘카페, 분당 맘카페로 정렬할 수 있다.
S1206 단계에서, 장치(300)는 제1 리스트에 포함된 지역 온라인 카페에 대응하는 지역을 제2 리스트로 리스팅할 수 있다.
예를 들어, 제1 리스트가 동탄 맘카페, 서초 맘카페, 분당 맘카페로 순서대로 정렬된 경우 장치(300)는 제2 리스트로 동탄, 서초, 분당을 리스팅할 수 있다.
S1207 단계에서, 장치(300)는 제2 리스트를 창업 추천 지역 리스트로 생성하여 사용자의 단말(100)로 전송할 수 있다.
구체적으로, 장치(300)는 지역 온라인 카페에 포함되어 있는 키워드를 통해 긍정 키워드가 미리 설정된 목표 비율 이상인 지역 온라인 카페를 제1 리스트로 생성하고, 제1 리스트에 포함된 지역 온라인 카페에 포함되어 있는 스포츠 서비스의 수요와 관련된 키워드를 수집하여 수요와 관련된 키워드의 개수를 기초로 제1 리스트를 정렬하고, 정렬된 제1 리스트에 포함된 지역 온라인 카페에 대응하는 지역을 제2 리스트로 생성하여 제2 리스트를 창업 추천 지역 리스트로 생성하여 사용자의 단말(100)로 전송할 수 있다.
예를 들어, 제2 리스트로 동탄, 서초, 분당이 리스팅된 경우, 장치(300)는 동탄, 서초, 분당을 창업 추천 지역 리스트로 생성하여 사용자의 단말(100)로 전송할 수 있다.
도 13은 실시예6에 따른 지역 온라인 카페를 통해 창업 추천 지역 리스트를 생성하고 사용자의 단말로부터 획득한 정보 및 컨설턴트의 포트폴리오를 기초로, 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 과정이다.
도 13을 참조하면, 먼저, S1301 단계에서, 장치(300)는 사용자의 단말(100)로부터 스포츠 서비스 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득할 수 있다.
여기서, 스포츠 서비스 정보는 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스에 관한 정보이다.
예를 들어 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 강의일 경우, 스포츠 서비스 정보는 테니스, 골프, 농구, 축구, 필라테스, 요가 등을 포함하는 스포츠 강의의 카테고리일 수 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 제품 판매일 경우, 요가복, 요가매트 등 사용자가 판매하고자 하는 스포츠 제품의 정보일 수도 있고, 사용자가 창업하여 소비자에게 제공하고자 하는 스포츠 서비스가 스포츠 공간의 제공일 경우, 수영장, 헬스장, 스케이트장 등을 포함하는 스포츠 공간의 카테고리일 수 있다.
또한, 컨설팅 요청 정보는 사용자가 필요한 컨설팅의 분야가 어떤 것인지에 관한 정보로, 컨설팅 요청 정보는 인테리어 컨설팅, 마케팅 전략 컨설팅, 상권 분석, 세무 컨설팅 중 적어도 하나를 포함할 수 있다.
또한, 예산 정보는 사용자가 가지고 있는 예산과 관련된 정보로, 예산 정보는 컨설팅 비용과 관련된 예산 및 스포츠 창업과 관련된 예산을 포함할 수 있다.
S1302 단계에서, 장치(300)는 사용자의 단말(100)로부터 선호 컨설턴트의 성향 정보를 획득할 수 있다. 여기서, 선호 컨설턴트의 성향 정보는 신속성, 전문성 및 경제성 항목을 포함할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 사용자가 선호하는 컨설턴트가 일처리가 신속한 컨설턴트인지, 업무를 많이 수행한 전문적인 컨설턴트인지, 컨설팅 비용이 저렴한 컨설턴트인지에 관한 정보인 선호 컨설턴트의 성향 정보를 획득할 수 있다.
S1303 단계에서, 장치(300)는 지역 온라인 카페에서 스포츠 서비스 정보와 관련된 키워드를 수집할 수 있다. 여기서, 지역 온라인 카페는 각 지역에 대응하는 맘카페일 수 있다.
구체적으로, 장치(300)는 네트워크를 통해 지역 온라인 카페에 접속할 수 있고, 지역 온라인 카페에서 스포츠 서비스 정보와 관련된 키워드를 수집할 수 있다.
예를 들어, 스포츠 서비스 정보가 수영 강의이고, 지역 온라인 카페가 서초 맘카페인 경우, 장치(300)는 네트워크를 서초 맘카페에 접속할 수 있고, 서초 맘카페에서 수영 강의와 관련된 키워드인 수영, 수영장, 수영복, 수영강사, 자유형, 수영레슨, 코로나수영, 수영장추천, 수영강사추천, 수영장비추천, 수영강습가격문의, 수영수업, 수영장텃세, 키즈수영, 성인수영, 수영사고, 수영강습추천, 수영강습비쌈, 수영장불친절, 수영장비위생 등의 키워드를 수집할 수 있다.
S1304 단계에서, 장치(300)는 긍정 키워드와 부정 키워드를 구분하고, 수집된 관련 키워드 전체에서 긍정 키워드 비율이 미리 설정된 목표 비율보다 높은 지역 온라인 카페를 제1 리스트로 리스팅할 수 있다. 여기서, 목표 비율은 미리 설정된 비율로 실시 예에 따라 달라질 수 있다.
예를 들어, 스포츠 서비스 정보인 수영 강의이고, 수영 강의와 관련된 키워드인 수영, 수영장, 수영복, 수영강사, 자유형, 수영레슨, 코로나수영, 수영장추천, 수영강사추천, 수영장비추천, 수영강습가격문의, 수영수업, 수영장텃세, 키즈수영, 성인수영, 수영사고, 수영강습추천, 수영강습비쌈, 수영장불친절, 수영장비위생 등의 키워드를 수집한 경우, 장치(300)는 수영, 수영장, 수영복, 수영강사, 자유형, 수영레슨, 수영장추천, 수영강사추천, 수영강습가격문의, 수영수업, 키즈수영, 성인수영, 수영강습추천를 긍정 키워드로 구분할 수 있고, 코로나수영, 수영장비추천, 수영강습비쌈, 수영장텃세, 수영장불친절, 수영장비위생을 부정 키워드로 구분할 수 있다.
또한, 지역 온라인 카페가 서초 맘카페, 마포 맘카페, 동탄 맘카페, 부산 맘카페, 인천 맘카페이고, 서초 맘카페의 긍정 키워드 비율이 80%, 마포 맘카페의 긍정 키워드 비율이 73%, 동탄 맘카페의 긍정 키워드 비율이 77%, 분당 맘카페의 긍정 키워드 비율이 85%, 인천 맘카페의 긍정 키워드 비율이 70%이고, 목표 비율이 75%인 경우, 장치(300)는 목표 비율인 70%보다 긍정 키워드 비율이 높은 서초 맘카페, 동탄 맘카페, 분당 맘카페를 제1 리스트로 리스팅할 수 있다.
S1305 단계에서, 장치(300)는 제1 리스트에 포함된 지역 온라인 카페에서 스포츠 서비스의 수요와 관련된 키워드를 수집할 수 있다.
예를 들어, 스포츠 서비스 정보인 수영 강의일 경우, 장치(300)는 수영 강의의 수요와 관련된 키워드로 수영레슨, 수영강사추천, 수영강습가격문의, 수영수업, 키즈수영, 성인수영, 수영강습추천, 수영강습비쌈 등의 키워드를 수집할 수 있다.
S1306 단계에서, 장치(300)는 수요와 관련된 키워드가 많은 순서로 제1 리스트를 정렬할 수 있다.
예를 들어, 서초 맘카페, 동탄 맘카페, 분당 맘카페를 제1 리스트에 포함되고, 수영 강의의 수요와 관련된 키워드가 서초 맘카페에 30개 포함되어 있고, 동탄 맘카페에 50개 포함되어 있고, 분당 맘카페에 25개 포함되어 있을 경우, 장치(300)는 제1 리스트를 수요와 관련된 키워드가 많은 순서인 동탄 맘카페, 서초 맘카페, 분당 맘카페로 정렬할 수 있다.
S1307 단계에서, 장치(300)는 제1 리스트에 포함된 지역 온라인 카페에 대응하는 지역을 제2 리스트로 리스팅할 수 있다.
예를 들어, 제1 리스트가 동탄 맘카페, 서초 맘카페, 분당 맘카페로 순서대로 정렬된 경우 장치(300)는 제2 리스트로 동탄, 서초, 분당을 리스팅할 수 있다.
S1308 단계에서, 장치(300)는 제2 리스트를 창업 추천 지역 리스트로 생성할 수 있다.
구체적으로, 장치(300)는 지역 온라인 카페에 포함되어 있는 키워드를 통해 긍정 키워드가 미리 설정된 목표 비율 이상인 지역 온라인 카페를 제1 리스트로 생성하고, 제1 리스트에 포함된 지역 온라인 카페에 포함되어 있는 스포츠 서비스의 수요와 관련된 키워드를 수집하여 수요와 관련된 키워드의 개수를 기초로 제1 리스트를 정렬하고, 정렬된 제1 리스트에 포함된 지역 온라인 카페에 대응하는 지역을 제2 리스트로 생성하여 제2 리스트를 창업 추천 지역 리스트로 생성할 수 있다.
예를 들어, 제2 리스트로 동탄, 서초, 분당이 리스팅된 경우, 장치(300)는 동탄, 서초, 분당을 창업 추천 지역 리스트로 생성할 수 있다.
S1309 단계에서, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
구체적으로, 장치(300)는 컨설턴트의 단말(200)로부터 컨설턴트의 포트폴리오를 획득할 수 있고, 획득한 컨설턴트의 포트폴리오를 데이터베이스에 저장할 수 있다. 또한, 장치(300)는 데이터베이스로부터 컨설턴트의 포트폴리오를 획득할 수 있다.
이로 인해, 장치(300)는 컨설턴트와 사용자를 매칭하는 과정마다 컨설턴트의 단말(200)로 컨설턴트의 포트폴리오를 요청하여 수신하는 과정을 생략할 수 있고, 데이터베이스에 저장된 컨설턴트의 포트폴리오를 사용할 수 있어 빠르게 컨설턴트와 사용자를 매칭할 수 있다.
S1310 단계에서, 장치(300)는 획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다. 여기서, 기준 비율은 미리 설정된 비율로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅을 파악하고, 컨설턴트가 수행한 창업 컨설팅 중 사용자로부터 획득한 스포츠 서비스 정보와 관련된 컨설팅을 분류할 수 있다. 장치(300)는 컨설턴트의 포트폴리오를 기초로, 컨설턴트가 수행한 창업 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅을 몇 번 수행하였는지 확인할 수 있고, 전체 컨설팅 중 사용자의 스포츠 서비스 정보와 일치하는 컨설팅의 비율을 확인할 수 있다. 또한, 장치(300)는 해당 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정할 수 있다.
예를 들어, 사용자가 창업하고자 하는 스포츠 서비스가 테니스 강의이고, 데이터베이스로부터 ‘A’ 컨설턴트의 포트폴리오, ‘B’ 컨설턴트의 포트폴리오, ‘C’ 컨설턴트의 포트폴리오를 획득하고, ‘A’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘A’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘B’ 포트폴리오이 포함되어 있고, ‘B’ 컨설턴트의 전체 포트폴리오를 확인한 결과 음식점 창업과 관련하여 컨설팅한 ‘C’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘D’ 포트폴리오, 카페 창업과 관련하여 컨설팅한 ‘E’ 포트폴리오이고, ‘C’ 컨설턴트의 전체 포트폴리오를 확인한 결과 테니스 강의 창업과 관련하여 컨설팅한 ‘F’ 포트폴리오, 쇼핑몰 창업과 관련하여 컨설팅한 ‘G’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘H’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘I’ 포트폴리오, 테니스 강의 창업과 관련하여 컨설팅한 ‘J’ 포트폴리오이고, 기준 비율이 75%인 경우, 장치(300)는 획득한 포트폴리오에 기반하여 전체 포트폴리오 중 테니스 강의와 관련된 포트폴리오가 차지하는 비율이 75%이상인 ‘A’ 컨설턴트 및 ‘C’ 컨설턴트를 후보 컨설턴트로 선정할 수 있다.
S1311 단계에서, 장치(300)는 스포츠 창업 관련 정보, 창업 추천 지역 리스트, 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정할 수 있다.
구체적으로, 장치(300)는 사용자의 단말(100)로부터 획득한 스포츠 서비스 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보와 지역 온라인 카페를 통해 생성한 창업 추천 지역 리스트와 사용자의 단말(100)로부터 획득한 선호 컨설턴트의 성향 정보 및 데이터베이스로부터 획득한 컨설턴트의 포트폴리오를 기초로, 후보 컨설턴트 중 사용자의 스포츠 창업을 컨설팅한 컨설턴트를 선정할 수 있다.
도 14는 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(300)는 프로세서(310) 및 메모리(320)를 포함한다. 프로세서(310)는 도 1 내지 도 13을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 13을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(300)를 이용하는 자 또는 단체는 도 1 내지 도 13을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.
메모리(320)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(320)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(210)는 프로그램을 실행하고, 장치(300)를 제어할 수 있다. 프로세서(310)에 의하여 실행되는 프로그램의 코드는 메모리(320)에 저장될 수 있다. 장치(300)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 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 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 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. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
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 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 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.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 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.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
Claims (15)
- 장치에 의해 수행되는, 인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법에 있어서,
사용자의 단말로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득하는 단계;
상기 사용자의 단말로부터 선호 컨설턴트의 성향 정보를 획득하는 단계;
데이터베이스로부터 컨설턴트의 포트폴리오를 획득하는 단계;
획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 상기 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정하는 단계; 및
상기 스포츠 창업 관련 정보, 상기 선호 컨설턴트의 성향 정보 및 후보 컨설턴트의 포트폴리오를 기초로, 상기 후보 컨설턴트 중 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계;를 포함하고,
상기 스포츠 창업 관련 정보에 포함된 컨설팅 요청 정보는,
인테리어 컨설팅, 마케팅 전략 컨설팅, 상권 분석, 세무 컨설팅 중 적어도 하나를 포함하고,
상기 컨설팅 요청 정보에 상권 분석이 포함된 것으로 판단되면, 상기 사용자의 단말로부터 임대료 정보, 월세 정보를 포함하는 상기 창업 공간의 예산 정보를 획득하는 단계;
상기 사용자의 단말로부터 상기 창업 공간의 평수, 층수를 포함하는 상기 창업 공간의 옵션 정보를 획득하는 단계;
상기 창업 공간의 예산 정보, 상기 창업 공간의 옵션 정보 및 상기 창업 위치 정보를 기초로, 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하는 단계;
임대 가능한 부동산이 있을 경우, 상기 임대 가능한 부동산의 정보를 획득하여, 상기 사용자의 단말로 제공하는 단계;
임대 가능한 부동산이 없을 경우, 상기 사용자의 단말로부터 상기 창업 공간의 예산 정보, 상기 창업 공간의 옵션 정보 및 상기 창업 위치 정보의 우선 순위를 더 획득하는 단계; 및
상기 우선 순위를 기초로, 우선 순위가 낮은 항목을 순서대로 점진적으로 변경하면서 상기 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하여 상기 사용자의 단말로 제공하는 단계;를 더 포함하고,
상기 임대 가능한 부동산의 정보를 상기 사용자의 단말로 제공하는 단계를 수행하기 전에,
상기 임대 가능한 부동산에서 미리 정의된 제1 기준 범위에서 상기 스포츠 서비스 정보와 일치하는 스포츠 서비스를 제공하는 업체를 확인하는 단계;
상기 확인된 업체의 개수에 기반하여, 상권의 경쟁력 점수를 생성하는 단계;
상기 확인된 업체의 평균 서비스 가격을 획득하는 단계;
상기 사용자의 단말로부터 상기 사용자가 제공하는 서비스의 예상 가격을 획득하는 단계;
상기 확인된 업체의 평균 서비스 가격과 상기 사용자가 제공하는 서비스의 예상 가격을 비교하여, 상기 상권의 경제성 점수를 생성하는 단계;
상기 임대 가능한 부동산에서 미리 정의된 제2 기준 범위에서 아파트 및 주택을 포함하는 주거 가구의 개수를 획득하는 단계;
상기 주거 가구의 개수를 기초로, 상기 상권의 잠재력 점수를 생성하는 단계;
상기 상권의 경쟁력 점수, 경제성 점수 및 잠재력 점수를 합한 값으로 상기 임대 가능한 부동산의 상권 점수를 생성하는 단계;
상기 상권 점수가 미리 정의된 기준 값보다 큰지 여부를 확인하는 단계;
상기 상권 점수가 상기 기준 값보다 크다고 확인되면, 상기 사용자의 단말로 상기 임대 가능한 부동산의 정보를 제공하는 단계;
상기 상권 점수가 상기 기준 값보다 작다고 확인되면, 상기 사용자의 단말로 상기 임대 가능한 부동산의 정보를 제공하지 않고, 다른 임대 가능한 부동산을 확인하는 단계;를 더 포함하고,
상기 스포츠 창업 관련 정보에 창업 위치 정보가 포함되어 있지 않거나, 사용자가 창업 위치 정보의 추천을 요청한 경우,
지역 온라인 카페에서 상기 스포츠 서비스 정보와 관련된 키워드를 수집하는 단계;
긍정 키워드와 부정 키워드를 구분하고, 상기 수집된 관련 키워드 전체에서 상기 긍정 키워드 비율이 미리 설정된 목표 비율보다 높은 지역 온라인 카페를 제1 리스트로 리스팅하는 단계;
상기 제1 리스트에 포함된 지역 온라인 카페에서 상기 스포츠 서비스의 수요와 관련된 키워드를 수집하는 단계;
상기 수요와 관련된 키워드가 많은 순서로 제1 리스트를 정렬하는 단계;
상기 제1 리스트에 포함된 지역 온라인 카페에 대응하는 지역을 제2 리스트로 리스팅하는 단계; 및
상기 제2 리스트를 창업 추천 지역 리스트로 생성하여 상기 사용자의 단말에 전송하는 단계;를 더 포함하는,
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법. - 제1항에 있어서,
상기 선호 컨설턴트의 성향 정보는,
신속성, 전문성 및 경제성 항목을 포함하고,
상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계는,
상기 사용자가 상기 선호 컨설턴트의 성향 정보로 신속성을 선택한 경우, 상기 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정하고,
상기 사용자가 상기 선호 컨설턴트의 성향 정보로 전문성을 선택한 경우, 상기 후보 컨설턴트 중 포트폴리오 제작 건 수가 가장 많은 컨설턴트를 선정하고,
상기 사용자가 상기 선호 컨설턴트의 성향 정보로 경제성을 선택한 경우, 상기 후보 컨설턴트 중 컨설팅 비용이 가장 낮은 컨설턴트를 선정하는,
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법. - 제2항에 있어서,
상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계는,
상기 사용자가 상기 선호 컨설턴트의 성향 정보로 복수의 항목을 선택한 경우, 각 항목에 대하여 미리 설정된 기준 이상인 컨설턴트를 각 항목을 만족하는 컨설턴트 리스트를 생성하고,
각 항목을 만족하는 컨설턴트 리스트에 모두 리스팅된 컨설턴트를 선정하는,
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법. - 제2항에 있어서,
상기 사용자가 상기 선호 컨설턴트의 성향 정보로 신속성을 선택한 경우, 상기 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트를 선정하는 단계는,
상기 후보 컨설턴트 중 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트가 복수의 컨설턴트인 경우, 컨설팅 요청에 대한 응답이 가장 빠른 컨설턴트 중 상기 창업 위치 정보에 대응하는 컨설팅 경험이 있는 컨설턴트를 제1 그룹으로 분류하는 단계;
상기 제1 그룹으로 분류된 컨설턴트들의 상기 창업 위치 정보에 대응하는 컨설팅 경험 데이터들을 획득하는 단계;
상기 창업 위치 정보에 대응하는 컨설팅 경험 데이터들에서 컨설팅 시작 시점부터 컨설팅 완료 시점까지의 컨설팅 소요 기간들을 생성하는 단계;
상기 컨설팅 소요 기간들을 기초로, 상기 제1 그룹으로 분류된 컨설턴트들 각각에 대응하는 평균 컨설팅 소요 기간들을 생성하는 단계;
평균 컨설팅 소요 기간이 미리 정의된 임계 기간보다 짧은 경우, 컨설턴트를 선정하기 위한 기준 내 가중치 중 소요 기간에 대한 가중치를 상기 평균 컨설팅 소요 기간에 반비례하여 높이는 단계; 및
상기 가중치를 적용하여, 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계를 더 포함하는
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법. - 삭제
- 제1항에 있어서,
상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계는,
상기 후보 컨설턴트의 포트폴리오를 기초로, 상기 후보 컨설턴트의 전문 분야를 획득하고, 상기 컨설팅 요청 정보와 상기 후보 컨설턴트의 전문 분야를 비교하여 상기 후보 컨설턴트의 전문성 정보를 생성하는 단계;
상기 후보 컨설턴트의 포트폴리오를 기초로, 상기 후보 컨설턴트가 진행한 컨설팅의 평균 만족도 점수를 포함하는 상기 후보 컨설턴트의 역량 정보를 생성하는 단계;
상기 후보 컨설턴트의 포트폴리오에 기반하여, 컨설팅 소요 기간에 의해 결정되는 신속성, 컨설팅 횟수에 의해 결정되는 전문성 및 컨설팅 비용에 의해 결정되는 경제성을 포함하는 후보 컨설턴트 성향 정보를 획득하고, 상기 후보 컨설턴트의 성향 정보 및 상기 사용자의 선호 컨설턴트의 성향 정보를 비교하여, 성향 유사도를 생성하는 단계;
상기 후보 컨설턴트의 전문성 정보, 상기 후보 컨설턴트의 역량 정보 및 상기 성향 유사도에 기초하여 제1 입력 신호를 생성하는 단계;
상기 제1 입력 신호를 상기 제1 입력 신호에 기반하여 상기 후보 컨설턴트의 점수를 출력하는 제1 인공신경망에 적용하여, 상기 후보 컨설턴트의 점수를 각각 출력하는 제1 출력 신호를 생성하는 단계;
상기 제1 출력 신호에 기반하여, 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계;를 포함하는,
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법. - 제1항에 있어서,
상기 컨설팅 요청 정보에 인테리어 컨설팅이 포함된 것으로 판단되면, 상기 사용자의 단말로부터 선호 인테리어의 키워드를 획득하는 단계;
상기 선호 인테리어를 기초로, 데이터베이스에 저장된 인테리어 템플릿 중 상기 선호 인테리어의 키워드를 태그로 포함하는 유사 인테리어 템플릿을 추출하는 단계;
상기 유사 인테리어 템플릿을 상기 사용자의 단말로 제공하는 단계;
상기 사용자의 단말로부터 상기 유사 인테리어 템플릿 중 사용자가 선택한 관심 인테리어 템플릿을 획득하는 단계; 및
상기 관심 인테리어 템플릿을 상기 사용자와 매칭하여 저장하는 단계;를 더 포함하고,
상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트가 선정되면, 상기 선정된 컨설턴트의 단말로 상기 사용자와 매칭된 상기 관심 인테리어 템플릿을 제공하는 단계;를 더 포함하는,
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법. - 삭제
- 제1항에 있어서,
상기 컨설팅 요청 정보에 마케팅 전략이 포함된 것으로 판단되면, 상기 스포츠 서비스 정보에 기반하여, 상기 스포츠 서비스 정보의 트렌드 정보를 수집하는 단계;
상기 창업 위치 정보를 기초로, 상기 스포츠 서비스의 타겟 성별 및 타겟 연령을 포함하는 타겟 정보를 생성하는 단계;
상기 트렌드 정보 및 상기 타겟 정보를 기초로, 제2 입력 신호를 생성하는 단계;
상기 제2 입력 신호를 제2 인공신경망에 적용하여, 마케팅 방법 및 마케팅 기간에 해당하는 제2 출력 신호를 획득하는 단계;
상기 제2 출력 신호를 기초로, 마케팅 방법 및 마케팅 기간을 포함하는 마케팅 전략을 생성하는 단계; 및
상기 마케팅 전략을 상기 사용자의 단말 및 상기 선정된 컨설턴트의 단말로 전송하는 단계;를 더 포함하는
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법. - 제1항에 있어서,
상기 창업 위치 정보로부터 미리 정의된 임계 거리 내에 상기 스포츠 서비스를 제공하는 다른 업체의 가격 정보를 획득하는 단계;
상기 다른 업체의 가격 정보의 평균값, 중앙값 및 최빈값 중 적어도 하나의 값을 상기 사용자가 제공하려는 스포츠 서비스의 추천 가격으로 설정하는 단계;
상기 다른 업체의 가격 정보의 분산 값을 이용하여 상기 사용자가 제공하려는 스포츠 서비스의 추천 가격 범위를 설정하는 단계; 및
상기 스포츠 서비스의 추천 가격 및 상기 스포츠 서비스의 추천 가격 범위를 상기 사용자의 단말로 전송하는 단계;를 더 포함하고,
상기 다른 업체의 가격 정보의 분산 값을 이용하여 상기 사용자가 제공하려는 스포츠 서비스의 추천 가격 범위로 설정하는 단계는,
상기 분산 값이 제1 임계 값보다 큰지 여부를 판단하는 단계; 및
상기 분산 값이 제1 임계 값보다 큰 경우, 상기 스포츠 서비스의 추천 가격 범위를 설정하는 기준치로 제1 기준 퍼센트를 설정하고, 상기 분산 값이 제1 임계 값보다 작은 경우, 상기 스포츠 서비스의 추천 가격 범위를 설정하는 기준치로 제1 기준 퍼센트보다 작은 제2 기준 퍼센트를 설정하는 단계;를 포함하는,
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법. - 삭제
- 제1항 내지 4항, 제6항 내지 제7항 및 제9항 내지 제10항 중 어느 한 항에 따른 인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법을 컴퓨터에서 실행하기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된, 컴퓨터 프로그램.
- 메모리; 및
상기 메모리와 연결된 프로세서;를 포함하고,
상기 프로세서는,
사용자의 단말로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득하고,
상기 사용자의 단말로부터 선호 컨설턴트의 성향 정보를 획득하고,
데이터베이스로부터 컨설턴트의 포트폴리오를 획득하고,
획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 상기 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정하고,
상기 스포츠 창업 관련 정보 및 상기 선호 컨설턴트의 성향 정보를 기초로, 상기 후보 컨설턴트 중 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하고,
상기 컨설팅 요청 정보에 상권 분석이 포함된 것으로 판단되면, 상기 사용자의 단말로부터 임대료 정보, 월세 정보를 포함하는 상기 창업 공간의 예산 정보를 획득하고,
상기 사용자의 단말로부터 상기 창업 공간의 평수, 층수를 포함하는 상기 창업 공간의 옵션 정보를 획득하고,
상기 창업 공간의 예산 정보, 상기 창업 공간의 옵션 정보 및 상기 창업 위치 정보를 기초로, 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하고,
임대 가능한 부동산이 있을 경우, 상기 임대 가능한 부동산의 정보를 획득하여, 상기 사용자의 단말로 제공하고,
임대 가능한 부동산이 없을 경우, 상기 사용자의 단말로부터 상기 창업 공간의 예산 정보, 상기 창업 공간의 옵션 정보 및 상기 창업 위치 정보의 우선 순위를 더 획득하고,
상기 우선 순위를 기초로, 우선 순위가 낮은 항목을 순서대로 점진적으로 변경하면서 상기 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하여 상기 사용자의 단말로 제공하고,
상기 임대 가능한 부동산의 정보를 상기 사용자의 단말로 제공하기 전에,
상기 임대 가능한 부동산에서 미리 정의된 제1 기준 범위에서 상기 스포츠 서비스 정보와 일치하는 스포츠 서비스를 제공하는 업체를 확인하고,
상기 확인된 업체의 개수에 기반하여, 상권의 경쟁력 점수를 생성하고,
상기 확인된 업체의 평균 서비스 가격을 획득하고,
상기 사용자의 단말로부터 상기 사용자가 제공하는 서비스의 예상 가격을 획득하고,
상기 확인된 업체의 평균 서비스 가격과 상기 사용자가 제공하는 서비스의 예상 가격을 비교하여, 상기 상권의 경제성 점수를 생성하고,
상기 임대 가능한 부동산에서 미리 정의된 제2 기준 범위에서 아파트 및 주택을 포함하는 주거 가구의 개수를 획득하고,
상기 주거 가구의 개수를 기초로, 상기 상권의 잠재력 점수를 생성하고,
상기 상권의 경쟁력 점수, 경제성 점수 및 잠재력 점수를 합한 값으로 상기 임대 가능한 부동산의 상권 점수를 생성하고,
상기 상권 점수가 미리 정의된 기준 값보다 큰지 여부를 확인하고,
상기 상권 점수가 상기 기준 값보다 크다고 확인되면, 상기 사용자의 단말로 상기 임대 가능한 부동산의 정보를 제공하고,
상기 상권 점수가 상기 기준 값보다 작다고 확인되면, 상기 사용자의 단말로 상기 임대 가능한 부동산의 정보를 제공하지 않고, 다른 임대 가능한 부동산을 확인하고,
상기 스포츠 창업 관련 정보에 창업 위치 정보가 포함되어 있지 않거나, 사용자가 창업 위치 정보의 추천을 요청한 경우, 지역 온라인 카페에서 상기 스포츠 서비스 정보와 관련된 키워드를 수집하고,
긍정 키워드와 부정 키워드를 구분하고, 상기 수집된 관련 키워드 전체에서 상기 긍정 키워드 비율이 미리 설정된 목표 비율보다 높은 지역 온라인 카페를 제1 리스트로 리스팅하고,
상기 제1 리스트에 포함된 지역 온라인 카페에서 상기 스포츠 서비스의 수요와 관련된 키워드를 수집하고,
상기 수요와 관련된 키워드가 많은 순서로 제1 리스트를 정렬하고,
상기 제1 리스트에 포함된 지역 온라인 카페에 대응하는 지역을 제2 리스트로 리스팅하고,
상기 제2 리스트를 창업 추천 지역 리스트로 생성하여 상기 사용자의 단말에 전송하고,
상기 스포츠 창업 관련 정보에 포함된 컨설팅 요청 정보는,
인테리어 컨설팅, 마케팅 전략 컨설팅, 상권 분석, 세무 컨설팅 중 적어도 하나를 포함하는,
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 장치. - 사용자의 단말;
컨설턴트의 단말; 및
상기 사용자의 단말 및 상기 컨설턴트의 단말과 네트워크 환경을 통해 연결되고 메모리 및 프로세서를 포함하는 서버 장치;를 포함하고,
상기 서버 장치는,
상기 사용자의 단말로부터 스포츠 서비스 정보, 창업 위치 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득하고,
상기 사용자의 단말로부터 선호 컨설턴트의 성향 정보를 획득하고,
상기 컨설턴트의 단말로부터 수집된 정보로 구성된 데이터베이스로부터 컨설턴트의 포트폴리오를 획득하고,
획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 상기 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정하고,
상기 스포츠 창업 관련 정보 및 상기 선호 컨설턴트의 성향 정보를 기초로, 상기 후보 컨설턴트 중 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하고,
상기 컨설팅 요청 정보에 상권 분석이 포함된 것으로 판단되면, 상기 사용자의 단말로부터 임대료 정보, 월세 정보를 포함하는 상기 창업 공간의 예산 정보를 획득하고,
상기 사용자의 단말로부터 상기 창업 공간의 평수, 층수를 포함하는 상기 창업 공간의 옵션 정보를 획득하고,
상기 창업 공간의 예산 정보, 상기 창업 공간의 옵션 정보 및 상기 창업 위치 정보를 기초로, 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하고,
임대 가능한 부동산이 있을 경우, 상기 임대 가능한 부동산의 정보를 획득하여, 상기 사용자의 단말로 제공하고,
임대 가능한 부동산이 없을 경우, 상기 사용자의 단말로부터 상기 창업 공간의 예산 정보, 상기 창업 공간의 옵션 정보 및 상기 창업 위치 정보의 우선 순위를 더 획득하고,
상기 우선 순위를 기초로, 우선 순위가 낮은 항목을 순서대로 점진적으로 변경하면서 상기 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하여 상기 사용자의 단말로 제공하고,
상기 임대 가능한 부동산의 정보를 상기 사용자의 단말로 제공하기 전에,
상기 임대 가능한 부동산에서 미리 정의된 제1 기준 범위에서 상기 스포츠 서비스 정보와 일치하는 스포츠 서비스를 제공하는 업체를 확인하고,
상기 확인된 업체의 개수에 기반하여, 상권의 경쟁력 점수를 생성하고,
상기 확인된 업체의 평균 서비스 가격을 획득하고,
상기 사용자의 단말로부터 상기 사용자가 제공하는 서비스의 예상 가격을 획득하고,
상기 확인된 업체의 평균 서비스 가격과 상기 사용자가 제공하는 서비스의 예상 가격을 비교하여, 상기 상권의 경제성 점수를 생성하고,
상기 임대 가능한 부동산에서 미리 정의된 제2 기준 범위에서 아파트 및 주택을 포함하는 주거 가구의 개수를 획득하고,
상기 주거 가구의 개수를 기초로, 상기 상권의 잠재력 점수를 생성하고,
상기 상권의 경쟁력 점수, 경제성 점수 및 잠재력 점수를 합한 값으로 상기 임대 가능한 부동산의 상권 점수를 생성하고,
상기 상권 점수가 미리 정의된 기준 값보다 큰지 여부를 확인하고,
상기 상권 점수가 상기 기준 값보다 크다고 확인되면, 상기 사용자의 단말로 상기 임대 가능한 부동산의 정보를 제공하고,
상기 상권 점수가 상기 기준 값보다 작다고 확인되면, 상기 사용자의 단말로 상기 임대 가능한 부동산의 정보를 제공하지 않고, 다른 임대 가능한 부동산을 확인하고,
상기 스포츠 창업 관련 정보에 창업 위치 정보가 포함되어 있지 않거나, 사용자가 창업 위치 정보의 추천을 요청한 경우, 지역 온라인 카페에서 상기 스포츠 서비스 정보와 관련된 키워드를 수집하고,
긍정 키워드와 부정 키워드를 구분하고, 상기 수집된 관련 키워드 전체에서 상기 긍정 키워드 비율이 미리 설정된 목표 비율보다 높은 지역 온라인 카페를 제1 리스트로 리스팅하고,
상기 제1 리스트에 포함된 지역 온라인 카페에서 상기 스포츠 서비스의 수요와 관련된 키워드를 수집하고,
상기 수요와 관련된 키워드가 많은 순서로 제1 리스트를 정렬하고,
상기 제1 리스트에 포함된 지역 온라인 카페에 대응하는 지역을 제2 리스트로 리스팅하고,
상기 제2 리스트를 창업 추천 지역 리스트로 생성하여 상기 사용자의 단말에 전송하고,
상기 스포츠 창업 관련 정보에 포함된 컨설팅 요청 정보는,
인테리어 컨설팅, 마케팅 전략 컨설팅, 상권 분석, 세무 컨설팅 중 적어도 하나를 포함하는,
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 시스템. - 장치에 의해 수행되는, 인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법에 있어서,
사용자의 단말로부터 스포츠 서비스 정보, 컨설팅 요청 정보, 예산 정보를 포함하는 스포츠 창업 관련 정보를 획득하는 단계;
상기 사용자의 단말로부터 선호 컨설턴트의 성향 정보를 획득하는 단계;
지역 온라인 카페에서 상기 스포츠 서비스 정보와 관련된 키워드를 수집하는 단계;
긍정 키워드와 부정 키워드를 구분하고, 상기 수집된 관련 키워드 전체에서 상기 긍정 키워드 비율이 미리 설정된 비율보다 높은 지역 온라인 카페를 제1 리스트로 리스팅하는 단계;
상기 제1 리스트에 포함된 지역 온라인 카페에서 상기 스포츠 서비스의 수요와 관련된 키워드를 수집하는 단계;
상기 수요와 관련된 키워드가 많은 순서로 제1 리스트를 정렬하는 단계;
상기 제1 리스트에 포함된 지역 온라인 카페에 대응하는 지역을 제2 리스트로 리스팅하는 단계;
상기 제2 리스트를 창업 추천 지역 리스트로 생성하는 단계;
데이터베이스로부터 컨설턴트의 포트폴리오를 획득하는 단계;
획득한 포트폴리오에 기반하여, 전체 포트폴리오 중 상기 스포츠 서비스 정보와 관련된 포트폴리오가 차지하는 비율이 미리 설정한 기준 비율 이상인 컨설턴트를 후보 컨설턴트로 설정하는 단계; 및
상기 스포츠 창업 관련 정보, 상기 창업 추천 지역 리스트 및 상기 선호 컨설턴트의 성향 정보를 기초로, 상기 후보 컨설턴트 중 상기 사용자의 스포츠 창업을 컨설팅할 컨설턴트를 선정하는 단계;를 포함하고,
상기 스포츠 창업 관련 정보에 포함된 컨설팅 요청 정보는,
인테리어 컨설팅, 마케팅 전략 컨설팅, 상권 분석, 세무 컨설팅 중 적어도 하나를 포함하고,
상기 컨설팅 요청 정보에 상권 분석이 포함된 것으로 판단되면, 상기 사용자의 단말로부터 임대료 정보, 월세 정보를 포함하는 상기 창업 공간의 예산 정보를 획득하는 단계;
상기 사용자의 단말로부터 상기 창업 공간의 평수, 층수를 포함하는 상기 창업 공간의 옵션 정보를 획득하는 단계;
상기 창업 공간의 예산 정보, 상기 창업 공간의 옵션 정보 및 상기 창업 위치 정보를 기초로, 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하는 단계;
임대 가능한 부동산이 있을 경우, 상기 임대 가능한 부동산의 정보를 획득하여, 상기 사용자의 단말로 제공하는 단계;
임대 가능한 부동산이 없을 경우, 상기 사용자의 단말로부터 상기 창업 공간의 예산 정보, 상기 창업 공간의 옵션 정보 및 상기 창업 위치 정보의 우선 순위를 더 획득하는 단계; 및
상기 우선 순위를 기초로, 우선 순위가 낮은 항목을 순서대로 점진적으로 변경하면서 상기 부동산 데이터베이스를 통해 현재 임대 가능한 부동산이 존재하는지 여부를 확인하여 상기 사용자의 단말로 제공하는 단계;를 포함하고,
상기 임대 가능한 부동산의 정보를 상기 사용자의 단말로 제공하는 단계를 수행하기 전에,
상기 임대 가능한 부동산에서 미리 정의된 제1 기준 범위에서 상기 스포츠 서비스 정보와 일치하는 스포츠 서비스를 제공하는 업체를 확인하는 단계;
상기 확인된 업체의 개수에 기반하여, 상권의 경쟁력 점수를 생성하는 단계;
상기 확인된 업체의 평균 서비스 가격을 획득하는 단계;
상기 사용자의 단말로부터 상기 사용자가 제공하는 서비스의 예상 가격을 획득하는 단계;
상기 확인된 업체의 평균 서비스 가격과 상기 사용자가 제공하는 서비스의 예상 가격을 비교하여, 상기 상권의 경제성 점수를 생성하는 단계;
상기 임대 가능한 부동산에서 미리 정의된 제2 기준 범위에서 아파트 및 주택을 포함하는 주거 가구의 개수를 획득하는 단계;
상기 주거 가구의 개수를 기초로, 상기 상권의 잠재력 점수를 생성하는 단계;
상기 상권의 경쟁력 점수, 경제성 점수 및 잠재력 점수를 합한 값으로 상기 임대 가능한 부동산의 상권 점수를 생성하는 단계;
상기 상권 점수가 미리 정의된 기준 값보다 큰지 여부를 확인하는 단계;
상기 상권 점수가 상기 기준 값보다 크다고 확인되면, 상기 사용자의 단말로 상기 임대 가능한 부동산의 정보를 제공하는 단계;
상기 상권 점수가 상기 기준 값보다 작다고 확인되면, 상기 사용자의 단말로 상기 임대 가능한 부동산의 정보를 제공하지 않고, 다른 임대 가능한 부동산을 확인하는 단계;를 더 포함하는,
인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220111882A KR20240033349A (ko) | 2022-09-05 | 2022-09-05 | 빅데이터 기반 스포츠 창업 정보 자동 취합 및 제공 방법, 장치 및 시스템 |
| KR1020220111881A KR20240033348A (ko) | 2022-09-05 | 2022-09-05 | 인공지능 기반 스포츠 창업 지원을 위한 컨설턴트 자동 매칭 방법, 장치 및 시스템 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220111771 | 2022-09-05 | ||
| KR20220111771 | 2022-09-05 |
Related Child Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220111881A Division KR20240033348A (ko) | 2022-09-05 | 2022-09-05 | 인공지능 기반 스포츠 창업 지원을 위한 컨설턴트 자동 매칭 방법, 장치 및 시스템 |
| KR1020220111882A Division KR20240033349A (ko) | 2022-09-05 | 2022-09-05 | 빅데이터 기반 스포츠 창업 정보 자동 취합 및 제공 방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102536172B1 true KR102536172B1 (ko) | 2023-05-26 |
Family
ID=86536539
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220111882A KR20240033349A (ko) | 2022-09-05 | 2022-09-05 | 빅데이터 기반 스포츠 창업 정보 자동 취합 및 제공 방법, 장치 및 시스템 |
| KR1020220111811A KR102536172B1 (ko) | 2022-09-05 | 2022-09-05 | 인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법, 장치 및 시스템 |
| KR1020220111881A KR20240033348A (ko) | 2022-09-05 | 2022-09-05 | 인공지능 기반 스포츠 창업 지원을 위한 컨설턴트 자동 매칭 방법, 장치 및 시스템 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220111882A KR20240033349A (ko) | 2022-09-05 | 2022-09-05 | 빅데이터 기반 스포츠 창업 정보 자동 취합 및 제공 방법, 장치 및 시스템 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220111881A KR20240033348A (ko) | 2022-09-05 | 2022-09-05 | 인공지능 기반 스포츠 창업 지원을 위한 컨설턴트 자동 매칭 방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (3) | KR20240033349A (ko) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130019629A (ko) * | 2011-08-17 | 2013-02-27 | 엔에이치엔비즈니스플랫폼 주식회사 | 부동산 물건의 유형별 입지 및 상권 분석 서비스 제공 시스템, 방법 및 컴퓨터 판독 가능한 기록 매체 |
| KR20190122334A (ko) * | 2018-04-20 | 2019-10-30 | 충북대학교 산학협력단 | 소셜 네트워크 시스템 기반의 질의 응답 서비스 제공을 위한 전문가 추천 방법 및 전문가 추천 시스템 |
| KR20200115694A (ko) * | 2019-03-06 | 2020-10-08 | 가톨릭대학교 산학협력단 | 빅데이터를 이용한 상권정보 제공 시스템 및 방법 |
| KR102223120B1 (ko) | 2019-09-10 | 2021-03-04 | 주식회사 커넥티드컴퍼니 | 창업자의 사업화 지원관리장치 |
| KR102246179B1 (ko) | 2018-11-27 | 2021-04-29 | 주식회사 플랫폼9 | 창업 정보 제공 플랫폼 시스템 및 운영방법 |
| KR20210097320A (ko) * | 2020-01-30 | 2021-08-09 | 김강현 | 인공지능 기반 포트폴리오 분석을 통한 기술자 평가 및 매칭 방법, 장치 및 컴퓨터프로그램 |
| KR102355531B1 (ko) | 2021-08-12 | 2022-02-08 | 주식회사 날아올라 | 창업지원 시스템 |
| KR102394906B1 (ko) | 2020-05-15 | 2022-05-06 | 주식회사 비다스테크 | 인공지능 기반 창업자／공급사 매칭 및 견적서 검증 시스템 |
-
2022
- 2022-09-05 KR KR1020220111882A patent/KR20240033349A/ko unknown
- 2022-09-05 KR KR1020220111811A patent/KR102536172B1/ko active IP Right Grant
- 2022-09-05 KR KR1020220111881A patent/KR20240033348A/ko unknown
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130019629A (ko) * | 2011-08-17 | 2013-02-27 | 엔에이치엔비즈니스플랫폼 주식회사 | 부동산 물건의 유형별 입지 및 상권 분석 서비스 제공 시스템, 방법 및 컴퓨터 판독 가능한 기록 매체 |
| KR20190122334A (ko) * | 2018-04-20 | 2019-10-30 | 충북대학교 산학협력단 | 소셜 네트워크 시스템 기반의 질의 응답 서비스 제공을 위한 전문가 추천 방법 및 전문가 추천 시스템 |
| KR102246179B1 (ko) | 2018-11-27 | 2021-04-29 | 주식회사 플랫폼9 | 창업 정보 제공 플랫폼 시스템 및 운영방법 |
| KR20200115694A (ko) * | 2019-03-06 | 2020-10-08 | 가톨릭대학교 산학협력단 | 빅데이터를 이용한 상권정보 제공 시스템 및 방법 |
| KR102223120B1 (ko) | 2019-09-10 | 2021-03-04 | 주식회사 커넥티드컴퍼니 | 창업자의 사업화 지원관리장치 |
| KR20210097320A (ko) * | 2020-01-30 | 2021-08-09 | 김강현 | 인공지능 기반 포트폴리오 분석을 통한 기술자 평가 및 매칭 방법, 장치 및 컴퓨터프로그램 |
| KR102394906B1 (ko) | 2020-05-15 | 2022-05-06 | 주식회사 비다스테크 | 인공지능 기반 창업자／공급사 매칭 및 견적서 검증 시스템 |
| KR102355531B1 (ko) | 2021-08-12 | 2022-02-08 | 주식회사 날아올라 | 창업지원 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20240033349A (ko) | 2024-03-12 |
| KR20240033348A (ko) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Farnadi et al. | User profiling through deep multimodal fusion | |
| CN111966914B (zh) | 基于人工智能的内容推荐方法、装置和计算机设备 | |
| KR102468827B1 (ko) | 인공지능 기반 상품 소싱 및 카테고리 맞춤형 리뷰 분석 서비스 제공 방법, 장치 및 시스템 | |
| Anwar et al. | Machine learning techniques for book recommendation: an overview | |
| KR102490009B1 (ko) | 인공지능 기반 인플루언서 연계 제품 구매 및 판매 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| Alshmrany | Adaptive learning style prediction in e-learning environment using levy flight distribution based CNN model | |
| Forouzandeh et al. | Addressing the cold-start problem using data mining techniques and improving recommender systems by cuckoo algorithm: A case study of Facebook | |
| Chu et al. | Cultural difference and visual information on hotel rating prediction | |
| Hu et al. | Learning peer recommendation using attention-driven CNN with interaction tripartite graph | |
| Liu et al. | [Retracted] Deep Learning and Collaborative Filtering‐Based Methods for Students’ Performance Prediction and Course Recommendation | |
| KR102552856B1 (ko) | 커머스 연계 콘텐츠 제공 플랫폼 서비스를 위한 키워드 추출 및 콘텐츠 템플릿 생성 자동화 방법, 장치 및 시스템 | |
| KR102536172B1 (ko) | 인공지능 기반 스포츠 창업 지원 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102426803B1 (ko) | 인공지능 기반 제품의 해외 판매 페이지 자동 업로드 방법, 장치 및 시스템 | |
| KR102596554B1 (ko) | 인공지능 기반 사용자 맞춤형 창업 가이드 및 컨설팅 서비스 제공 방법, 장치 및 시스템 | |
| KR102643697B1 (ko) | 인공지능 모델을 활용한 인플루언서 및 브랜드사 간의 매칭 및 큐레이션 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102521020B1 (ko) | 인공지능 모델을 이용한 갤러리, 작가 및 소비자 매칭 및 결제 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102612805B1 (ko) | 기업 정보에 따른 인공지능 모델 기반 매체 큐레이션 서비스 제공 방법, 장치 및 시스템 | |
| Deenadayalan et al. | User Feature Similarity Supported Collaborative Filtering for Page Recommendation Using Hybrid Shuffled Frog Leaping Algorithm. | |
| KR102637536B1 (ko) | 인공지능 모델을 통한 부동산 담보 가치 평가를 수행하여 제공되는 부동산 금융 플랫폼 | |
| KR102516892B1 (ko) | 인공지능 기반 공공조달입찰의 가격 산정 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| Doan et al. | Pacela: A neural framework for user visitation in location-based social networks | |
| CN117408786B (zh) | 一种基于门控机制的物品推荐方法及装置 | |
| KR102513420B1 (ko) | 사용자 의도 분석 기반 인공지능 모델 추천 플랫폼 제공 방법, 장치 및 시스템 | |
| Zhang et al. | Neural network collaborative filtering for group recommendation | |
| Sun et al. | Leveraging user personality and tag information for one class collaborative filtering |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |