KR102620292B1 - method and system for performing data analysis for live commerce - Google Patents
method and system for performing data analysis for live commerce Download PDFInfo
- Publication number
- KR102620292B1 KR102620292B1 KR1020220058247A KR20220058247A KR102620292B1 KR 102620292 B1 KR102620292 B1 KR 102620292B1 KR 1020220058247 A KR1020220058247 A KR 1020220058247A KR 20220058247 A KR20220058247 A KR 20220058247A KR 102620292 B1 KR102620292 B1 KR 102620292B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- chat
- improvement
- clothing product
- server
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000007405 data analysis Methods 0.000 title abstract description 3
- 239000000284 extract Substances 0.000 claims description 21
- 238000004519 manufacturing process Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 12
- 238000011017 operating method Methods 0.000 abstract description 2
- 238000003062 neural network model Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 14
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 230000021615 conjugation Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/254—Management at additional data server, e.g. shopping server, rights management server
- H04N21/2542—Management at additional data server, e.g. shopping server, rights management server for selling goods, e.g. TV shopping
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
- H04N21/4312—Generation of visual interfaces for content selection or interaction; Content or additional data rendering involving specific graphical features, e.g. screen layout, special fonts or colors, blinking icons, highlights or animations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/47815—Electronic shopping
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
본 발명은 라이브 커머스를 위한 데이터 분석을 수행하는 방법 및 그 시스템에 관한 것이다.
또한 본 발명은 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버 및 동작 방법에 관한 것이다.The present invention relates to a method and system for performing data analysis for live commerce.
Additionally, the present invention relates to a server and operating method for processing and providing chat data of a live commerce broadcast.
Description
본 발명은 라이브 커머스를 위한 데이터 분석을 수행하는 방법 및 그 시스템에 관한 것이다.The present invention relates to a method and system for performing data analysis for live commerce.
또한 본 발명은 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버 및 동작 방법에 관한 것이다.Additionally, the present invention relates to a server and operating method for processing and providing chat data of a live commerce broadcast.
인터넷의 발달 및 스마트폰 등 전자기기의 발달과 함께 온라인 전자 상거래 산업이 성장을 거듭해 오고 있다. 라이브 커머스는 실시간 동영상 스트리밍을 통해 시청자들에게 상품을 소개하고 판매하는 이커머스 형태로, 소비자들은 인터넷 방송을 보면서 상품에 대한 정보를 접하고, 진행자와 시청자는 서로 의견을 교환할 수 있다. 라이브 커머스의 가장 큰 특징은 상호 소통이 가능하다는 것이다. 즉, 진행자가 상품의 정보를 시청자들에게 일방적으로 전달하는 것이 아니라, 채팅을 통해 시청자의 의견을 수렴할 수 있으며, 진행자는 시청자들의 의견에 대한 답변을 전달할 수도 있다. 따라서, 진행자들은 시청자들과의 채팅을 통해 소통함으로써 보다 효과적으로 상품을 소개하고 판매할 수 있다.With the development of the Internet and electronic devices such as smartphones, the online e-commerce industry has continued to grow. Live commerce is a form of e-commerce that introduces and sells products to viewers through real-time video streaming. Consumers can access information about products while watching Internet broadcasts, and hosts and viewers can exchange opinions with each other. The biggest feature of live commerce is that mutual communication is possible. In other words, rather than the host unilaterally delivering product information to viewers, the host can collect viewers' opinions through chat, and the host can also deliver answers to viewers' opinions. Therefore, hosts can introduce and sell products more effectively by communicating with viewers through chat.
그러나, 라이브 커머스에서의 소통은 1 대 다수 혹은 소수 대 다수의 소통에 해당한다. 따라서, 실시간으로 이루어지는 라이브 커머스 방송에서 1 인 혹은 소수에 해당하는 진행자가 다수의 시청자들이 입력하는 수많은 채팅들을 일일이 확인하여 바로 대응하기에는 어려움이 있다는 문제가 있다. 즉, 실질적으로 진행자와 시청자들 사이의 상호 소통이 이루어지기 어려울 수 있다는 문제점이 있다.However, communication in live commerce corresponds to one-to-many or few-to-many communication. Therefore, in live commerce broadcasts that take place in real time, there is a problem that it is difficult for one or a few hosts to check each and every chat entered by a large number of viewers and respond immediately. In other words, there is a problem that it may be difficult to actually communicate between the host and viewers.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버를 제공하는데 있다.The purpose of the present invention to solve the above problems is to provide a server that processes and provides chat data of live commerce broadcasts.
다양한 실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.The technical challenges to be achieved in the various embodiments are not limited to the matters mentioned above, and other technical challenges not mentioned may be considered by those skilled in the art from the various embodiments described below. It can be.
상기 목적을 달성하기 위하여 실시예들에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버는 적어도 하나의 프로세서(processor), 및 상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.In order to achieve the above object, a server that processes and provides chat data of a live commerce broadcast according to embodiments includes at least one processor, and instructions instructing the at least one processor to perform at least one step. It may contain memory that stores instructions.
상기 적어도 하나의 단계는, 온라인 플랫폼 서버로부터 복수의 의류 상품을 판매하는 라이브 커머스 방송과 연관된 제1 채팅 데이터를 수신하는 단계, 상기 제1 채팅 데이터의 시간 데이터에 기초하여, 상기 제1 채팅 데이터로부터 상기 복수의 의류 상품 중 특정 의류 상품과 연관된 제2 채팅 데이터를 결정하는 단계, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 개선 제안(improvement proposal)을 나타내는 키워드(keyword)를 추출하는 단계, 상기 추출된 개선 제안을 나타내는 키워드에 기초하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 단계, 및 상기 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말을 통해 출력하는 단계를 포함할 수 있다. 여기서, 상기 제1 채팅 데이터는 시간 데이터, 텍스트 데이터 및 작성자 데이터를 포함할 수 있다.The at least one step includes receiving first chat data associated with a live commerce broadcast selling a plurality of clothing products from an online platform server, based on time data of the first chat data, from the first chat data. Determining second chat data associated with a specific clothing product among the plurality of clothing products, extracting a keyword representing an improvement proposal for the specific clothing product from text data of the second chat data. A step of generating improvement proposal data for the specific clothing product based on the keyword representing the extracted improvement proposal, and outputting the improvement proposal data for the specific clothing product through a user terminal. there is. Here, the first chat data may include time data, text data, and author data.
상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 개선 제안을 나타내는 키워드를 추출하는 단계는, 상기 제2 채팅 데이터의 텍스트 데이터로부터 제1 키워드를 추출하는 단계, 및 상기 제2 채팅 데이터의 텍스트 데이터로부터 제2 키워드를 추출하는 단계를 포함하고, 상기 추출된 개선 제안을 나타내는 키워드에 기초하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 단계는, 상기 제1 키워드 및 제2 키워드를 조합하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 단계를 포함할 수 있다.The step of extracting a keyword indicating an improvement suggestion for the specific clothing product from the text data of the second chat data includes extracting a first keyword from the text data of the second chat data, and the step of extracting a first keyword from the text data of the second chat data. A step of extracting a second keyword from text data, and based on the extracted keyword representing the improvement proposal, generating improvement proposal data for the specific clothing product includes extracting the first keyword and the second keyword. In combination, it may include generating improvement proposal data for the specific clothing product.
상기 특정 의류 상품에 대한 개선 제안 데이터는 제1 개선 제안 데이터 및 제2 개선 제안 데이터를 포함하고, 상기 적어도 하나의 단계는, 상기 사용자 단말로부터 상기 제1 개선 제안 데이터에 대한 사용자 승인이 수신되는 경우에, 의류 생산 서버로 상기 제1 개선 제안 데이터를 전송하는 단계를 더 포함할 수 있다.The improvement proposal data for the specific clothing product includes first improvement proposal data and second improvement proposal data, and the at least one step is when user approval for the first improvement proposal data is received from the user terminal. It may further include transmitting the first improvement proposal data to a clothing production server.
상기 특정 의류 상품에 대한 개선 제안 데이터는 제1 개선 제안 데이터 및 제2 개선 제안 데이터를 포함하고, 상기 적어도 하나의 단계는, 상기 제1 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터 및 상기 제2 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터에 기초하여, 상기 제1 개선 제안 데이터 및 제2 개선 제안 데이터의 우선순위를 결정하는 단계를 더 포함하고, 상기 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말을 통해 출력하는 단계는, 상기 결정된 우선순위에 기초하여, 상기 제1 개선 제안 데이터 또는 상기 제2 개선 제안 데이터 중 적어도 하나를 상기 사용자 단말을 통해 출력하는 단계를 포함할 수 있다.The improvement proposal data for the specific clothing product includes first improvement proposal data and second improvement proposal data, and the at least one step includes author data of second chat data associated with the first improvement proposal data and the first improvement proposal data. 2 further comprising determining the priority of the first improvement suggestion data and the second improvement suggestion data based on author data of the second chat data associated with the improvement suggestion data, the improvement suggestion data for the specific clothing product; The step of outputting through the user terminal may include outputting at least one of the first improvement proposal data or the second improvement proposal data through the user terminal, based on the determined priority.
상기 적어도 하나의 단계는, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품의 방송에 대한 제안을 나타내는 키워드를 추출하는 단계, 상기 방송에 대한 제안을 나타내는 키워드에 기초하여, 상기 방송에 대한 제안 데이터를 생성하는 단계, 및 상기 방송에 대한 제안 데이터를 상기 사용자 단말을 통해 출력하는 단계를 더 포함할 수 있다.The at least one step includes extracting a keyword indicating a suggestion for a broadcast of the specific clothing product from text data of the second chat data, based on the keyword indicating a suggestion for the broadcast, making a suggestion for the broadcast. The method may further include generating data and outputting suggestion data for the broadcast through the user terminal.
상기 적어도 하나의 단계는, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 부정적 키워드를 추출하여, 상기 제2 채팅 데이터 중 부정적 채팅 데이터를 결정하는 단계, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 긍정적 키워드를 추출하여, 상기 제2 채팅 데이터 중 긍정적 채팅 데이터를 결정하는 단계 및 뉴럴 네트워크 모델을 이용하여, 상기 특정 의류 상품의 예상 판매 수량을 예측하는 단계를 더 포함하고, 상기 뉴럴 네트워크 모델은 상기 제2 채팅 데이터, 상기 부정적 채팅 데이터, 상기 긍정적 채팅 데이터 및 상기 개선 제안 데이터를 학습하여, 상기 특정 의류 상품의 예상 판매 수량을 예측할 수 있다.The at least one step includes extracting negative keywords for the specific clothing product from text data of the second chat data and determining negative chat data from the second chat data, text data of the second chat data extracting positive keywords for the specific clothing product from the step of determining positive chat data among the second chat data and using a neural network model to predict the expected sales quantity of the specific clothing product; , the neural network model can predict the expected sales quantity of the specific clothing product by learning the second chat data, the negative chat data, the positive chat data, and the improvement proposal data.
상기 적어도 하나의 단계는, 상기 특정 의류 상품의 예상 판매 수량 및 상기 특정 의류 상품의 재고량에 기초하여, 상기 특정 의류 상품에 대한 할인율을 결정하는 단계를 더 포함할 수 있다.The at least one step may further include determining a discount rate for the specific clothing product based on the expected sales quantity of the specific clothing product and the inventory amount of the specific clothing product.
본 발명의 일 실시예는 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버에 있어서, 프로세서(processor); 및 상기 프로세서가 수행하는 명령어들(instructions)을 저장하는 메모리(memory); 를 포함하는, 서버를 제안한다.One embodiment of the present invention provides a server for processing and providing chat data of a live commerce broadcast, comprising: a processor; and a memory that stores instructions executed by the processor. We propose a server that includes.
상기 프로세서는: 온라인 플랫폼 서버로부터 복수의 의류 상품을 판매하는 라이브 커머스 방송과 연관된 제1 채팅 데이터를 수신하고(상기 제1 채팅 데이터는 시간 데이터, 텍스트 데이터 및 작성자 데이터를 포함하고), 상기 제1 채팅 데이터의 시간 데이터에 기초하여, 상기 제1 채팅 데이터로부터 상기 복수의 의류 상품 중 특정 의류 상품과 연관된 제2 채팅 데이터를 결정하고, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 개선 제안(improvement proposal)을 나타내는 키워드(keyword)를 추출하고, 상기 추출된 개선 제안을 나타내는 키워드에 기초하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하고, 상기 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말을 통해 출력할 수 있다.The processor: receives first chat data associated with a live commerce broadcast selling a plurality of clothing products from an online platform server, the first chat data including time data, text data and author data, and Based on the time data of the chat data, determine second chat data associated with a specific clothing product among the plurality of clothing products from the first chat data, and improve the specific clothing product from the text data of the second chat data. Extract keywords representing improvement proposals, generate improvement proposal data for the specific clothing product based on the keywords representing the extracted improvement proposals, and generate improvement proposal data for the specific clothing product. It can be output through the user terminal.
상기 프로세서는: 상기 제2 채팅 데이터의 텍스트 데이터로부터 제1 키워드를 추출하고, 상기 제2 채팅 데이터의 텍스트 데이터로부터 제2 키워드를 추출하고, 상기 제1 키워드 및 제2 키워드를 조합하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성할 수 있다.The processor: extracts a first keyword from text data of the second chat data, extracts a second keyword from text data of the second chat data, combines the first keyword and the second keyword, and Improvement suggestion data for clothing products can be generated.
상기 특정 의류 상품에 대한 개선 제안 데이터는 제1 개선 제안 데이터 및 제2 개선 제안 데이터를 포함할 수 있다.The improvement proposal data for the specific clothing product may include first improvement proposal data and second improvement proposal data.
상기 프로세서는, 상기 사용자 단말로부터 상기 제1 개선 제안 데이터에 대한 사용자 승인이 수신되는 경우에, 상기 제1 개선 제안 데이터를 의류 생산 서버에게 전송할 수 있다.When user approval for the first improvement proposal data is received from the user terminal, the processor may transmit the first improvement proposal data to the clothing production server.
상기 프로세서는: 상기 제1 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터 및 상기 제2 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터에 기초하여, 상기 제1 개선 제안 데이터 및 제2 개선 제안 데이터의 우선순위를 결정하고, 상기 결정된 우선순위에 기초하여, 상기 제1 개선 제안 데이터 또는 상기 제2 개선 제안 데이터 중 적어도 하나를 상기 사용자 단말을 통해 출력할 수 있다.The processor: based on author data of the second chat data associated with the first improvement proposal data and author data of the second chat data associated with the second improvement proposal data, the first improvement proposal data and the second improvement proposal; The priority of data may be determined, and based on the determined priority, at least one of the first improvement proposal data or the second improvement proposal data may be output through the user terminal.
상기 프로세서는: 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품의 방송에 대한 제안을 나타내는 키워드를 추출하고, 상기 방송에 대한 제안을 나타내는 키워드에 기초하여, 상기 방송에 대한 제안 데이터를 생성하고, 상기 방송에 대한 제안 데이터를 상기 사용자 단말을 통해 출력할 수 있다.The processor: extracts a keyword representing a proposal for a broadcast of the specific clothing product from text data of the second chat data, and generates proposal data for the broadcast based on the keyword representing a proposal for the broadcast; , suggestion data for the broadcast can be output through the user terminal.
본 발명은 라이브 커머스 방송의 채팅 데이터로부터 추출되는 시청자들의 개선 의견이 제공됨으로써, 사용자(예를 들어, 의류 상품 판매자, 생산자, 라이브 방송 진행자 등)는 라이브 커머스 방송의 시청자들로부터 입력된 수많은 채팅 데이터를 모두 일일이 확인하지 않아도, 채팅 데이터로부터 가공된 유용한 데이터들을 제공받을 수 있다. 즉, 판매자가 직접 별도로 소비자들의 의견 등을 취합하지 않아도 된다는 편의성을 제공할 수 있다.The present invention provides viewers' improvement opinions extracted from chat data of live commerce broadcasts, allowing users (e.g., clothing product sellers, producers, live broadcast hosts, etc.) to collect numerous chat data input from viewers of live commerce broadcasts. You can receive useful data processed from chat data without having to check everything one by one. In other words, it can provide convenience in that sellers do not have to separately collect consumers' opinions, etc.
실시예에 따르면, 사용자는 라이브 커머스 방송을 통해 실시간으로 입력되는 데이터인 채팅 데이터를 이용하여, 빠르게 변해가는 트렌드와 소비자의 수요를 실시간으로 반영한 의류 상품을 생산 및 판매함으로써 수익을 창출할 수 있다. 즉, 사용자는 별도로 소비자들의 의견 등을 취합한다 거나 완전히 새로운 디자인을 구상하는 과정들을 생략할 수 있으며, 이러한 과정들의 생략으로 인해, 현재 판매 중인 의류 상품을 개선/보완한 의류 상품을 빠르게 생산 및 판매할 수 있다.According to an embodiment, users can generate profits by producing and selling clothing products that reflect rapidly changing trends and consumer demand in real time using chat data, which is data input in real time through live commerce broadcasts. In other words, users can skip the process of separately collecting consumers' opinions or coming up with a completely new design, and by omitting these processes, they can quickly produce and sell clothing products that improve/complement the clothing products currently being sold. can do.
실시예에 따르면, 사용자는 제공받은 개선 사항을 선택함으로써 원 클릭(one-click) 형태로 개선 사항을 반영한 의류 상품 제작을 요청할 수 있다. 이에 따라, 사용자들은 별도의 수고로움 없이 손쉽게 새로운 의류 상품을 제작 및 판매할 수 있다.According to an embodiment, a user can request the production of a clothing product reflecting the improvements in a one-click format by selecting the provided improvements. Accordingly, users can easily create and sell new clothing products without any extra effort.
다양한 실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.The effects that can be obtained from various embodiments are not limited to the effects mentioned above, and other effects not mentioned are clearly derived to those skilled in the art based on the detailed description below. It can be understood.
다양한 실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 몇몇 실시예에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버를 설명하기 위한 도면이다.
도 2는 몇몇 실시예에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 하는 방법에 대한 순서도이다.
도 3은 몇몇 실시예에 따른 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 방법에 대한 도면이다.
도 4는 몇몇 실시예에 따른 특정 의류 상품에 대한 개선 제안 데이터가 출력되는 사용자 단말에 대한 도면이다.
도 5는 몇몇 실시예에 따른 의류 생산 서버로 개선 제안 데이터를 전송하는 방법에 대한 도면이다.
도 6은 몇몇 실시예에 따른 특정 의류 상품의 방송에 대한 제안 데이터를 생성하는 방법에 대한 도면이다.
도 7은 몇몇 실시예에 따른 라이브 커머스 방송의 채팅 데이터로부터 부정적 채팅 데이터 및 긍정적 채팅 데이터를 결정하는 방법에 대한 도면이다.
도 8은 몇몇 실시예에 따른 서버에 포함된 인공지능부의 예시이다.
도 9는 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버에 대한 하드웨어 구성도이다.The accompanying drawings, which are included as part of the detailed description to aid understanding of the various embodiments, provide various embodiments and, together with the detailed description, describe technical features of the various embodiments.
1 is a diagram illustrating a server that processes and provides chat data of a live commerce broadcast according to some embodiments.
Figure 2 is a flowchart of a method for processing and processing chat data of a live commerce broadcast according to some embodiments.
Figure 3 is a diagram of a method for generating improvement proposal data for a specific clothing product according to some embodiments.
Figure 4 is a diagram of a user terminal on which improvement suggestion data for a specific clothing product is output according to some embodiments.
Figure 5 is a diagram of a method for transmitting improvement proposal data to a clothing production server according to some embodiments.
Figure 6 is a diagram of a method for generating proposal data for broadcasting of a specific clothing product according to some embodiments.
Figure 7 is a diagram of a method of determining negative chat data and positive chat data from chat data of a live commerce broadcast according to some embodiments.
Figure 8 is an example of an artificial intelligence unit included in a server according to some embodiments.
Figure 9 is a hardware configuration diagram of a server that processes and provides chat data of a live commerce broadcast.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.Since the present invention can make various changes and have various embodiments, specific embodiments will be illustrated in the drawings and described in detail in the detailed description. However, this is not intended to limit the present invention to specific embodiments, and should be understood to include all changes, equivalents, and substitutes included in the spirit and technical scope of the present invention. While describing each drawing, similar reference numerals are used for similar components.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.Terms such as first, second, A, B, etc. may be used to describe various components, but the components should not be limited by the terms. Terms are used only to distinguish one component from another. For example, a first component may be named a second component, and similarly, the second component may also be named a first component without departing from the scope of the present invention. The term and/or includes any of a plurality of related stated items or a combination of a plurality of related stated items.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.When a component is said to be "connected" or "connected" to another component, it is understood that it may be directly connected to or connected to the other component, but that other components may exist in between. It should be. On the other hand, when it is mentioned that a component is “directly connected” or “directly connected” to another component, it should be understood that there are no other components in between.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 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.The terms used in this application are only used to describe specific embodiments and are not intended to limit the invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this application, terms such as “comprise” or “have” are intended to designate the presence of features, numbers, steps, operations, components, parts, or combinations thereof described in the specification, but are not intended to indicate the presence of one or more other features. It should be understood that this does not exclude in advance the possibility of the existence or addition of elements, numbers, steps, operations, components, parts, or combinations thereof.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 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.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person of ordinary skill in the technical field to which the present invention pertains. Terms defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related technology, and unless explicitly defined in the present application, should not be interpreted in an ideal or excessively formal sense. No.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, preferred embodiments according to the present invention will be described in detail with reference to the attached drawings.
도 1은 몇몇 실시예에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버를 설명하기 위한 도면이다.1 is a diagram illustrating a server that processes and provides chat data of a live commerce broadcast according to some embodiments.
도 1은 몇몇 실시예에 따라서 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버가 구동되는 방법의 예시를 나타낸다. 예를 들어, 서버(100)는 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버에 해당될 수 있다. 데이터베이스(102)는 서버(100)에 데이터를 제공하는 데이터베이스에 해당될 수 있다. 사용자 단말(104)은 서버(100)와 데이터를 송수신하는 사용자 단말에 해당될 수 있다. 서버(106)는 라이브 커머스 방송을 송출하는 온라인 플랫폼 서버에 해당될 수 있으며, 서버(100)와 서버(106)는 서로 간의 데이터를 송수신할 수 있다. 사용자 단말(108)은 서버(106)와 데이터를 송수신하는 사용자 단말에 해당될 수 있다. 도 1에 도시된 사용자 단말(104) 및 사용자 단말(108) 각각은 복수 개의 사용자 단말을 포함할 수 있으며, 서로 간의 데이터를 송수신할 수도 있다. 사용자 단말(104)과 사용자 단말(108)이 서버(100) 및 서버(106)를 통해 데이터를 송수신할 수 있음은 물론이다. 하지만 본 발명의 실시예는 이에 제한되지 않으며, 서버(100)가 구동되기 위하여 도시된 구성과 다른 구성들을 더 포함할 수도 있다.Figure 1 shows an example of how a server that processes and provides chat data of a live commerce broadcast is operated according to some embodiments. For example, the server 100 may correspond to a server that processes and provides chat data of a live commerce broadcast. The database 102 may correspond to a database that provides data to the server 100. The user terminal 104 may correspond to a user terminal that transmits and receives data with the server 100. The server 106 may correspond to an online platform server that transmits live commerce broadcasts, and the server 100 and server 106 may transmit and receive data between them. The user terminal 108 may correspond to a user terminal that transmits and receives data with the server 106. Each of the user terminals 104 and 108 shown in FIG. 1 may include a plurality of user terminals and may transmit and receive data between them. Of course, the user terminal 104 and the user terminal 108 can transmit and receive data through the server 100 and the server 106. However, the embodiment of the present invention is not limited to this, and may further include configurations different from those shown for operating the server 100.
몇몇 실시예에서, 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)는 데이터베이스(102), 사용자 단말(104) 및/또는 서버(106)와 데이터를 송수신할 수 있다. 여기에서 데이터베이스(102)는 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)에 포함될 수도 있다.In some embodiments, the server 100, which processes and provides chat data of a live commerce broadcast, may transmit and receive data with the database 102, the user terminal 104, and/or the server 106. Here, the database 102 may be included in the server 100 that processes and provides chat data of live commerce broadcasts.
몇몇 실시예에서, 사용자 단말(104)은 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)를 이용하기 위해 사용자(예를 들어, 의류 상품 판매자, 제작자, 방송 진행자 등)가 소지하는 단말 또는 기기에 해당될 수 있다. 사용자 단말(108)은 라이브 커머스 온라인 플랫폼을 이용하기 위해 사용자(예를 들어, 라이브 커머스 방송 시청자, 소비자 등)가 소지하는 단말 또는 기기에 해당될 수 있다. 예를 들어, 사용자 단말(104) 및 사용자 단말(108)은 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등을 포함할 수 있다.In some embodiments, the user terminal 104 is a terminal possessed by a user (e.g., clothing product seller, producer, broadcast host, etc.) to use the server 100 that processes and provides chat data of a live commerce broadcast. Or it may apply to a device. The user terminal 108 may correspond to a terminal or device possessed by a user (eg, live commerce broadcast viewer, consumer, etc.) to use the live commerce online platform. For example, the user terminal 104 and the user terminal 108 may be a communication capable desktop computer, laptop computer, laptop, smart phone, or tablet PC. , mobile phone, smart watch, smart glass, e-book reader, PMP (portable multimedia player), portable game console, navigation device, digital camera, DMB (digital multimedia broadcasting) player, digital audio recorder, digital audio player, digital video recorder, digital video player, PDA (Personal Digital Assistant) It may include etc.
몇몇 실시예에서, 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)는 온라인 플랫폼 서버(106)를 통해 사용자 단말(108)로부터 입력된 채팅 데이터를 수신할 수 있다. 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)는 수신한 채팅 데이터에 대하여 적어도 하나의 단계를 수행할 수 있다. 서버(100)가 수행하는 적어도 하나의 단계는 라이브 커머스 방송의 채팅 데이터를 가공하여 제공하기 위한 단계이다. 예를 들어, 서버(100)는 온라인 플랫폼 서버(106)로부터 수신된 라이브 커머스 방송과 연관된 채팅 데이터를 이용하여 특정 의류 상품에 대한 개선 제안 데이터를 생성하고, 사용자 단말(104)에 제공할 수 있다. 여기서, 서버(100)의 개선 제안 데이터 생성은 데이터베이스(102)에 저장된 정보에 기초하여 수행될 수 있다.In some embodiments, the server 100 that processes and provides chat data of a live commerce broadcast may receive chat data input from the user terminal 108 through the online platform server 106. The server 100, which processes and provides chat data of a live commerce broadcast, may perform at least one step on the received chat data. At least one step performed by the server 100 is a step for processing and providing chat data of a live commerce broadcast. For example, the server 100 may generate improvement suggestion data for a specific clothing product using chat data associated with a live commerce broadcast received from the online platform server 106 and provide it to the user terminal 104. . Here, generation of improvement suggestion data by the server 100 may be performed based on information stored in the database 102.
이에 따라, 사용자 단말(104)을 사용하는 사용자(예를 들어, 의류 상품 판매자, 생산자, 라이브 방송 진행자 등)는 라이브 커머스 방송의 시청자들로부터 입력된 수많은 채팅 데이터를 모두 일일이 확인하지 않아도, 채팅 데이터로부터 가공된 유용한 데이터(예를 들어, 개선 제안 데이터)를 제공받을 수 있다. 사용자는 이렇게 제공받은 데이터로부터 시청자들의 의류 상품에 대한 의견을 인지할 수 있으며, 현재 판매 중인 의류 상품을 개선하여 생산 및 판매할 수 있다. 또한, 사용자는 라이브 커머스 방송을 통해 실시간으로 입력되는 데이터인 채팅 데이터를 이용하여, 빠르게 변해가는 트렌드와 소비자의 수요를 실시간으로 반영한 의류 상품을 생산 및 판매함으로써 수익을 창출할 수 있다.Accordingly, users using the user terminal 104 (for example, clothing product sellers, producers, live broadcast hosts, etc.) Processed useful data (for example, improvement suggestion data) may be provided. Users can recognize viewers' opinions about clothing products from the data provided in this way, and can improve, produce, and sell clothing products that are currently being sold. Additionally, users can generate profits by using chat data, which is data input in real time through live commerce broadcasts, to produce and sell clothing products that reflect rapidly changing trends and consumer demand in real time.
도 2는 몇몇 실시예에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 하는 방법에 대한 순서도이다.Figure 2 is a flowchart of a method for processing and processing chat data of a live commerce broadcast according to some embodiments.
서버(100)(예를 들어, 서버의 프로세서)는 온라인 플랫폼 서버(106)로부터 라이브 커머스 방송과 연관된 제1 채팅 데이터를 수신할 수 있다(S210). 예를 들어, 서버(100)는 온라인 플랫폼 서버(106)로부터 복수의 의류 상품을 판매하는 특정 라이브 커머스 방송과 연관된 제1 채팅 데이터를 수신할 수 있다. 여기서, 라이브 커머스 방송과 연관된 제1 채팅 데이터는 해당 라이브 커머스 방송의 시청자들의 사용자 단말(108)로부터 수신된 하나 또는 복수의 채팅 데이터를 지칭할 수 있다. 즉, 의류 상품 판매자가 온라인 플랫폼을 통해 자신의 의류 상품을 판매 및 홍보하는 라이브 커머스 방송을 송출하는 경우, 서버(100)는 해당 라이브 커머스 방송에서 시청자들이 입력한 채팅 데이터들을 수신할 수 있다. 예를 들어, 서버(100)는 채팅 데이터를 라이브 커머스 방송 진행 중 실시간으로 수신할 수 있다. 다른 예로서, 서버(100)는 라이브 커머스 방송 종료 후 채팅 데이터를 일괄적으로 수신할 수 있다. 단계(S210)에서 수신되는 채팅 데이터는 시간 데이터, 텍스트 데이터 및 작성자 데이터를 포함할 수 있으나, 이에 한정되지 않는다.The server 100 (eg, a processor of the server) may receive first chat data associated with the live commerce broadcast from the online platform server 106 (S210). For example, the server 100 may receive first chat data associated with a specific live commerce broadcast selling a plurality of clothing products from the online platform server 106. Here, the first chat data associated with the live commerce broadcast may refer to one or more chat data received from the user terminal 108 of the viewers of the live commerce broadcast. That is, when a clothing product seller transmits a live commerce broadcast selling and promoting his/her clothing products through an online platform, the server 100 can receive chat data entered by viewers in the live commerce broadcast. For example, the server 100 may receive chat data in real time while a live commerce broadcast is in progress. As another example, the server 100 may receive chat data in batches after the live commerce broadcast ends. Chat data received in step S210 may include, but is not limited to, time data, text data, and author data.
그리고 나서, 서버(100)는 제1 채팅 데이터로부터 특정 의류 상품과 연관된 제2 채팅 데이터 결정할 수 있다(S220). 몇몇 실시예에서, 서버(100)는 제1 채팅 데이터의 시간 데이터에 기초하여, 제1 채팅 데이터로부터 복수의 의류 상품 중 특정 의류 상품과 연관된 제2 채팅 데이터를 결정할 수 있다. 즉, 서버(100)는 라이브 커머스 방송에서 방송 진행자(예를 들어, 쇼 호스트)가 특정 의류 상품을 소개하는 시간 구간에 시청자들의 사용자 단말(108)로부터 수신된 채팅을 해당 의류 상품과 연관된 제2 채팅 데이터로서 결정할 수 있다. 여기서, 제2 채팅 데이터는 제1 채팅 데이터로부터 추출된 데이터이므로, 제2 채팅 데이터 역시 시간 데이터, 텍스트 데이터 및 작성자 데이터를 포함할 수 있으나, 이에 한정되지 않는다.Then, the server 100 may determine second chat data associated with a specific clothing product from the first chat data (S220). In some embodiments, the server 100 may determine second chat data associated with a specific clothing product among a plurality of clothing products from the first chat data, based on time data of the first chat data. That is, the server 100 sends the chat received from the viewer's user terminal 108 to a second message associated with the clothing product during the time section in which the broadcast host (e.g., show host) introduces a specific clothing product in the live commerce broadcast. It can be decided based on chat data. Here, since the second chat data is data extracted from the first chat data, the second chat data may also include time data, text data, and author data, but is not limited thereto.
그리고 나서, 서버(100)는 제2 채팅 데이터의 텍스트 데이터로부터 특정 의류 상품에 대한 개선 제안을 나타내는 키워드를 추출할 수 있다(S230). 이를 위해, 데이터베이스(102)에는 텍스트 데이터로부터 추출할 키워드에 대한 정보가 포함된 키워드 사전이 미리 저장될 수 있다. 이 경우, 서버(100)는 데이터베이스(102)에 미리 저장된 키워드 사전을 이용하여, 제2 채팅 데이터의 텍스트 데이터로부터 개선 제안을 나타내는 키워드를 추출할 수 있다. 추가적으로 또는 대안적으로, 서버(100)는 채팅 데이터의 텍스트 데이터로부터 키워드를 추출하도록 학습된 언어 모델(language model), 뉴럴 네트워크 모델(neural network model), 인공신경망 모델(artificial neural network model) 등을 이용하여, 채팅 데이터의 텍스트 데이터로부터 의류 상품에 대한 개선 제안을 나타내는 키워드를 추출할 수 있다.Then, the server 100 may extract a keyword indicating an improvement suggestion for a specific clothing product from the text data of the second chat data (S230). For this purpose, a keyword dictionary containing information about keywords to be extracted from text data may be stored in advance in the database 102. In this case, the server 100 may extract keywords representing improvement suggestions from text data of the second chat data using a keyword dictionary previously stored in the database 102. Additionally or alternatively, the server 100 uses a language model, neural network model, artificial neural network model, etc. learned to extract keywords from text data of chat data. Using this, keywords representing improvement suggestions for clothing products can be extracted from text data of chat data.
그리고 나서, 서버(100)는 개선 제안을 나타내는 키워드에 기초하여, 특정 의류 상품에 대한 개선 제안 데이터를 생성할 수 있다(S240). 여기서, 개선 제안 데이터는 추출된 키워드를 포함하는 하나의 텍스트 데이터(예를 들어, 문장 데이터)에 해당할 수 있다. 몇몇 실시예에서, 서버(100)는 단계(S230)에서 추출된 키워드를 가공 및/또는 조합하여, 특정 의류 상품에 대한 하나 이상의 개선 제안 데이터를 생성할 수 있다. 추가적으로 또는 대안적으로, 서버(100)는 추출된 하나 이상의 키워드를 가공 및/또는 조합하여 개선 제안 데이터를 생성하도록 학습된 언어 모델, 뉴럴 네트워크 모델, 인공신경망 모델 등을 이용하여, 특정 의류 상품에 대한 하나 이상의 개선 제안 데이터를 생성할 수 있다.Then, the server 100 may generate improvement suggestion data for a specific clothing product based on the keyword indicating the improvement suggestion (S240). Here, the improvement suggestion data may correspond to a piece of text data (eg, sentence data) including the extracted keyword. In some embodiments, the server 100 may process and/or combine the keywords extracted in step S230 to generate one or more improvement proposal data for a specific clothing product. Additionally or alternatively, the server 100 uses a language model, a neural network model, an artificial neural network model, etc. learned to process and/or combine one or more extracted keywords to generate improvement suggestion data, to a specific clothing product. One or more improvement suggestion data may be generated for:
단계(S230)에서 이용되는 모델(예를 들어, 언어 모델, 뉴럴 네트워크 모델, 인공신경망 모델 등)과 단계(S240)에서 이용되는 모델은 상이한 모델에 해당할 수 있다. 이와 달리, 단계(S230)에서 이용되는 모델과 단계(S240)에서 이용되는 모델은 동일한 모델에 해당할 수 있다. 이 경우, 서버(100)는 특정 의류 상품과 연관된 채팅 데이터의 텍스트 데이터가 해당 모델에 입력됨에 따라 출력되는 데이터에 기초하여, 특정 의류 상품에 대한 하나 이상의 개선 제안 데이터를 생성할 수 있다.The model used in step S230 (eg, language model, neural network model, artificial neural network model, etc.) and the model used in step S240 may correspond to different models. In contrast, the model used in step S230 and the model used in step S240 may correspond to the same model. In this case, the server 100 may generate one or more improvement proposal data for a specific clothing product based on data output as text data of chat data associated with a specific clothing product is input to the model.
서버(100)는 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말(104)을 통해 출력할 수 있다(S250). 즉, 개선 제안 데이터는 서버(100)로부터 사용자 단말(104)에 전송되어, 사용자 단말(104)의 출력 장치를 통해 출력됨으로써 사용자에게 제공될 수 있다. 사용자는 이렇게 제공된 개선 제안 데이터를 기초로 특정 의류 상품을 보완 및 개선함으로써 보다 발전된 형태의 의류 상품을 생성 및 판매할 수 있다.The server 100 may output improvement suggestion data for a specific clothing product through the user terminal 104 (S250). That is, the improvement suggestion data may be provided to the user by being transmitted from the server 100 to the user terminal 104 and output through the output device of the user terminal 104. Users can create and sell more advanced clothing products by supplementing and improving specific clothing products based on the improvement suggestion data provided in this way.
도 3은 몇몇 실시예에 따른 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 방법에 대한 도면이다.Figure 3 is a diagram of a method for generating improvement proposal data for a specific clothing product according to some embodiments.
도 3에 도시된 제1 표(310)는, 서버(100)가 온라인 플랫폼 서버(106)로부터 수신한 특정 라이브 커머스 방송의 복수의 채팅 데이터의 일례를 나타낼 수 있다. 채팅 데이터는 시간 데이터, 작성자 데이터 및 텍스트 데이터로 구성될 수 있으나, 이에 한정되지 않으며, 다른 구성을 더 포함할 수 있다. 또한, 도 3에서는 시각적 설명을 위하여 채팅 데이터를 표를 이용한 텍스트 형태로 도시하고 있으나, 이에 한정되지 않으며, 다양한 형태의 데이터로서 송수신, 저장 및/또는 출력될 수 있다.The first table 310 shown in FIG. 3 may represent an example of a plurality of chat data of a specific live commerce broadcast that the server 100 received from the online platform server 106. Chat data may be composed of time data, author data, and text data, but is not limited to this and may further include other configurations. In addition, in FIG. 3, chat data is shown in text form using tables for visual explanation, but the chat data is not limited thereto, and may be transmitted, received, stored, and/or output as data in various forms.
서버(100)는, 도 3의 제1 표(310) 및 제2 표(320)에 도시된 바와 같이, 특정 라이브 커머스 방송의 채팅 데이터 중에서 특정 의류 상품이 소개된 시간인 25:00 부터 31:00 사이의 채팅 데이터를 특정 의류 상품과 연관된 채팅 데이터로서 추출할 수 있다. 여기서, 특정 의류 상품이 소개된 시간, 즉 방송 구간은 사용자에 의해 입력될 수 있으나, 이에 한정되지 않는다. 예를 들어, 서버(100)는 데이터베이스(102)로부터 특정 의류 상품이 소개된 방송 구간에 대한 정보를 수신할 수 있다. 다른 예로서, 서버(100)는 방송 구간 추출 알고리즘 등을 이용하여 특정 의류 상품이 소개된 방송 구간을 자동으로 결정할 수 있다.As shown in the first table 310 and the second table 320 of FIG. 3, the server 100 selects from 25:00 to 31:00, which is the time when a specific clothing product was introduced among the chat data of a specific live commerce broadcast. Chat data between 00 and 00 can be extracted as chat data related to a specific clothing product. Here, the time at which a specific clothing product was introduced, that is, the broadcast section, may be input by the user, but is not limited to this. For example, the server 100 may receive information about a broadcast section in which a specific clothing product is introduced from the database 102. As another example, the server 100 may automatically determine the broadcast section in which a specific clothing product is introduced using a broadcast section extraction algorithm, etc.
그리고 나서, 서버(100)는 특정 의류 상품과 연관된 채팅 데이터의 텍스트 데이터로부터 개선 제안을 나타내는 키워드를 추출할 수 있다. 여기서, 키워드는 텍스트 데이터에 실제로 포함된 텍스트, 텍스트 데이터에 실제로 포함된 텍스트의 변형(예를 들어, 유의어, 활용어, 기본형 등) 및/또는 텍스트 데이터에 내포된 의도를 나타내는 텍스트에 해당할 수 있다. 서버(100)는 이렇게 추출된 키워드를 가공 및 조합하여, 제3 표(330)와 같은 복수의 개선 제안 데이터를 생성할 수 있다. 여기서, 개선 제안 데이터는 제2 채팅 데이터와의 연관 관계를 포함할 수 있다. 즉, 개선 제안 데이터는 복수의 채팅 데이터 중 어느 채팅 데이터로부터 도출된 것인지에 대한 정보를 포함할 수 있다.Then, the server 100 may extract keywords indicating improvement suggestions from text data of chat data associated with a specific clothing product. Here, keywords may correspond to text actually included in the text data, variations of text actually included in the text data (e.g., synonyms, conjugations, lemmas, etc.), and/or text that represents the intent implied in the text data. there is. The server 100 may process and combine the extracted keywords to generate a plurality of improvement proposal data such as the third table 330. Here, the improvement suggestion data may include a correlation with the second chat data. That is, the improvement suggestion data may include information about which chat data among the plurality of chat data was derived.
몇몇 실시예에서, 서버(100)는 특정 의류 상품과 연관된 채팅 데이터의 텍스트 데이터로부터 제1 키워드 및 제2 키워드를 추출할 수 있다. 이를 위해, 제1 키워드에 대한 키워드 사전 및 제2 키워드에 대한 키워드 사전이 별도로 데이터베이스(102)에 저장될 수 있다. 또는, 제1 키워드를 추출하기 위한 모델(예를 들어, 언어 모델, 뉴럴 네트워크 모델, 인공신경망 모델 등)과 제2 키워드를 추출하기 위한 모델이 사용될 수 있다, 여기서, 제1 키워드는 메인 키워드에 해당하고 제2 키워드는 서브 키워드에 해당할 수 있으나, 이에 한정되지 않는다. 예를 들어, 제1 키워드는 의류 상품의 영역, 부분, 구성품, 기본 항목(예를 들어, 사이즈, 색상) 등을 포함하고, 제2 키워드는 제1 키워드에 대한 의견 내용, 수치, 구체적 항목 등을 포함할 수 있다.In some embodiments, server 100 may extract first keywords and second keywords from text data of chat data associated with a specific clothing product. To this end, a keyword dictionary for the first keyword and a keyword dictionary for the second keyword may be separately stored in the database 102. Alternatively, a model for extracting the first keyword (e.g., language model, neural network model, artificial neural network model, etc.) and a model for extracting the second keyword may be used, where the first keyword is the main keyword. The second keyword may correspond to a sub-keyword, but is not limited to this. For example, the first keyword includes areas, parts, components, basic items (e.g., size, color), etc. of the clothing product, and the second keyword includes opinion content, figures, specific items, etc. regarding the first keyword. may include.
그리고 나서, 서버(100)는 제1 키워드 및 제2 키워드를 조합하여 특정 의류 상품에 대한 개선 제안 데이터를 생성할 수 있다. 여기서, 제1 키워드 및 제2 키워드 각각은 하나 또는 복수의 키워드를 포함할 수 있다. 서버(100)는 추출된 제1 키워드 및 제2 키워드를 그대로 이용하여 조합할 수 있으나, 이에 한정되지 않는다. 예를 들어, 서버(100)는 추출된 키워드를 개선 제안 내용이 보다 직관적으로 드러날 수 있는 키워드로 가공하고 조합함으로써 개선 제안 데이터를 생성할 수 있다.Then, the server 100 may generate improvement suggestion data for a specific clothing product by combining the first keyword and the second keyword. Here, each of the first keyword and the second keyword may include one or more keywords. The server 100 may use the extracted first and second keywords as is and combine them, but is not limited to this. For example, the server 100 may generate improvement suggestion data by processing and combining the extracted keywords into keywords that can more intuitively reveal the content of the improvement suggestion.
도 3의 제2 표(320)에 도시된 바와 같이, 서버(100)는 텍스트 데이터 '주머니가 있었으면..'로부터 '주머니'를 제1 키워드로서, '있었으면'을 제2 키워드로서 추출할 수 있다. 이 경우, 서버(100)는 키워드 '있었으면'을 제1 키워드에 대한 의견 내용을 나타내는 키워드 '추가'로 가공할 수 있다. 서버(100)는 이렇게 추출 및/또는 가공된 키워드를 조합하여, '주머니 추가'라는 개선 제안 데이터를 생성할 수 있다. 또한, 서버(100)는 텍스트 데이터 '분홍색은 없나요?!'로부터 '색상', '분홍색'을 제1 키워드로서, '추가'를 제2 키워드로서 추출하여 조합함으로써 '색상(분홍색) 추가'라는 개선 제안 데이터를 생성할 수 있다. 이와 마찬가지로, 서버(100)는 텍스트 데이터 '팔 너무 길어서 이상해요.'로부터 추출된 키워드(예를 들어, '팔', '길어', '이상' 등)를 가공 및/또는 조합하여, '팔 길이 수정'라는 개선 제안 데이터를 생성할 수 있다.As shown in the second table 320 of FIG. 3, the server 100 can extract 'pocket' as a first keyword and 'if there was a pocket' as a second keyword from the text data 'If there was a pocket...' there is. In this case, the server 100 may process the keyword 'if there was' into the keyword 'addition' indicating the content of the opinion about the first keyword. The server 100 may combine the extracted and/or processed keywords to generate improvement suggestion data called 'add pocket'. In addition, the server 100 extracts and combines 'color' and 'pink' as first keywords and 'addition' as second keywords from the text data 'Isn't there any pink?!' to 'add color (pink)'. Improvement suggestion data can be generated. Likewise, the server 100 processes and/or combines keywords (e.g., 'arms', 'long', 'abnormal', etc.) extracted from text data 'It's weird because the arms are too long.' Improvement suggestion data called ‘Length Modification’ can be created.
도 3에서는 개선 제안 데이터로서 텍스트 데이터를 도시하고 있으나, 이에 한정되지 않으며, 개선 제안 데이터는 수치 데이터, 이미지 데이터 등의 다양한 형태로 구성될 수 있다.Although text data is shown as improvement suggestion data in FIG. 3, the improvement suggestion data is not limited thereto, and the improvement suggestion data may be composed of various forms such as numerical data and image data.
도 4는 몇몇 실시예에 따른 특정 의류 상품에 대한 개선 제안 데이터가 출력되는 사용자 단말에 대한 도면이다.Figure 4 is a diagram of a user terminal on which improvement suggestion data for a specific clothing product is output according to some embodiments.
서버(100)는 특정 의류 상품에 대하여 복수의 개선 제안 데이터를 생성 및 출력할 수 있다. 이 경우, 서버(100)는 복수의 개선 제안 데이터 사이의 우선순위를 결정할 수 있다. 몇몇 실시예에서, 특정 의류 상품에 대하여 제1 개선 제안 데이터 및 제2 개선 제안 데이터가 생성되는 경우, 서버(100)가 제1 개선 제안 데이터와 연관된 채팅 데이터의 작성자 데이터 및 제2 개선 제안 데이터와 연관된 채팅 데이터의 작성자 데이터에 기초하여 제1 개선 제안 데이터 및 제2 개선 제안 데이터의 우선순위를 결정할 수 있다. 여기서, 작성자 데이터는 작성자의 기본 정보(예를 들어, 가입 정보, 연령대, 성별, 지역, 직업, 사이즈 등), 회원 등급(예를 들어, 온라인 플랫폼에서의 회원 등급, 각 의류 판매 업체 자체에서의 회원등급 등), 구매 이력, 채팅 이력, 시청 이력 등을 포함할 수 있으나, 이에 한정되지 않는다. 예를 들어, 상품 구매 이력이 다수일수록, 회원등급이 높을수록, 채팅 이력이 많을수록 및/또는 시청 이력이 많을수록 해당 작성자가 작성한 채팅 데이터로부터 도출된 개선 제안 데이터의 우선순위가 높게 결정될 수 있다. 추가적으로 또는 대안적으로, 연령대 및 성별이 특정 의류 상품의 타겟 연령대 및 타겟 성별과 가까울수록 및/또는 직업이 의류, 디자인 및/또는 패션과 연관성이 클수록 해당 작성자가 작성한 채팅 데이터로부터 도출된 개선 제안 데이터의 우선순위가 높게 결정될 수 있다.The server 100 may generate and output a plurality of improvement proposal data for a specific clothing product. In this case, the server 100 may determine the priority among a plurality of improvement proposal data. In some embodiments, when first improvement suggestion data and second improvement suggestion data are generated for a specific clothing product, server 100 may generate the second improvement suggestion data and the creator data of the chat data associated with the first improvement suggestion data. The priority of the first improvement suggestion data and the second improvement suggestion data may be determined based on the author data of the associated chat data. Here, the author data includes the author's basic information (e.g., subscription information, age group, gender, region, occupation, size, etc.), membership level (e.g., membership level on the online platform, and Membership level, etc.), purchase history, chat history, viewing history, etc., but is not limited to this. For example, the higher the product purchase history, the higher the membership level, the more chat history, and/or the more viewing history, the higher the priority of the improvement suggestion data derived from the chat data created by the corresponding author may be determined. Additionally or alternatively, the closer the age and gender is to the target age and gender of a particular clothing product and/or the more the occupation is related to clothing, design and/or fashion, the more suggested improvement data is derived from chat data created by the corresponding author. The priority can be determined to be high.
도 3을 참조하면, 개선 제안 데이터 '팔 길이 수정'과 연관된 채팅 데이터의 작성자 D가 개선 제안 데이터 '주머니 추가'와 연관된 채팅 데이터의 작성자 B보다 회원 등급이 높고, 상품 구매 이력이 다수인 경우에, 개선 제안 데이터 '팔 길이 수정'이 개선 제안 데이터 '주머니 추가'보다 우선순위가 높게 결정될 수 있다. 개선 제안 데이터 '색상(분홍색) 추가'와 연관된 채팅 데이터의 작성자 C가 해당 의류 상품의 타겟 연령대에 해당하지 않는 경우에 개선 제안 데이터 '색상(분홍색) 추가'가 다른 개선 제안 데이터보다 우선순위가 낮게 결정될 수 있다.Referring to Figure 3, when the creator D of the chat data associated with the improvement suggestion data 'Modify arm length' has a higher membership level and has multiple product purchase histories than the creator B of the chat data associated with the improvement suggestion data 'Add pocket' , the improvement suggestion data ‘Modify arm length’ may be determined to have higher priority than the improvement suggestion data ‘Add pocket’. If the creator C of the chat data associated with the improvement suggestion data 'Add color (pink)' does not fall into the target age group for the clothing product, the improvement suggestion data 'Add color (pink)' has a lower priority than other improvement suggestion data. can be decided.
몇몇 실시예에서, 이렇게 결정된 우선순위에 기초하여 제1 개선 제안 데이터 또는 제2 개선 제안 데이터 중 적어도 하나가 사용자 단말(104)을 통해 출력될 수 있다. 예를 들어, 사용자 단말(104)의 화면(display)에 제1 개선 제안 데이터가 제2 개선 제안 데이터보다 상위에 배치되어 출력될 수 있다. 다른 예로서, 사용자 단말(104)의 화면(display)에 제1 개선 제안 데이터만이 출력될 수 있다. 이를 위해, 서버(100)는 개선 제안 데이터들의 우선순위에 대한 정보를 함께 사용자 단말(104)로 전송할 수 있다. 도 4에 도시된 바와 같이, 사용자 단말(104)의 화면을 통해 대상 의류 상품(401)의 정보 및 우선순위에 따라 배치된 개선 제안 데이터들(402)이 출력될 수 있다.In some embodiments, at least one of the first improvement proposal data or the second improvement proposal data may be output through the user terminal 104 based on the thus determined priority. For example, the first improvement suggestion data may be displayed on the display of the user terminal 104 by being placed higher than the second improvement suggestion data. As another example, only the first improvement proposal data may be displayed on the display of the user terminal 104. To this end, the server 100 may transmit information about the priority of improvement proposal data to the user terminal 104. As shown in FIG. 4 , information on the target clothing product 401 and improvement suggestion data 402 arranged according to priority may be output through the screen of the user terminal 104.
도 5는 몇몇 실시예에 따른 의류 생산 서버로 개선 제안 데이터를 전송하는 방법에 대한 도면이다.Figure 5 is a diagram of a method for transmitting improvement proposal data to a clothing production server according to some embodiments.
몇몇 실시예에서, 사용자는 복수의 개선 제안 데이터 중 일부의 개선 제안 데이터를 선택하고 승인할 수 있다. 도 4를 참조하면, 사용자는 사용자 단말(104)을 통해 출력된 개선 제안 데이터들(402) 중에서 개선 제안 데이터 '주머니 추가'를 선택(예를 들어, O 표시, 체크 표시, 클릭 등)할 수 있다. 그리고 나서, 사용자는 생산 요청 버튼(403)을 클릭함에 따라, 선택한 개선 제안 데이터에 대한 승인을 수행할 수 있다. 서버(100)는 사용자 단말(104)로부터 개선 제안 데이터에 대한 사용자 승인이 수신되는 경우에, 의류 생산 서버(510)로 개선 제안 데이터를 전송할 수 있다.In some embodiments, a user may select and approve some of the improvement suggestion data among a plurality of improvement suggestion data. Referring to FIG. 4, the user can select (e.g., mark O, mark, click, etc.) improvement suggestion data 'Add Pocket' among the improvement suggestion data 402 output through the user terminal 104. there is. Then, the user can approve the selected improvement proposal data by clicking the production request button 403. When user approval for the improvement suggestion data is received from the user terminal 104, the server 100 may transmit the improvement suggestion data to the clothing production server 510.
몇몇 실시예에서, 도 5를 참조하면, 서버(100)는 사용자 단말(104)로부터 개선 제안 데이터에 대한 사용자 승인이 수신되는 경우에 승인된 개선 제안 데이터를 의류 생산 서버(510)로 전송함으로써, 의류 생산 업체 등에 승인된 개선 제안 데이터가 반영된 의류 상품의 생산 및 구매를 요청할 수 있다. 여기서, 의류 생산 서버(510)는 의류를 생산하는 공장, 의류 생산 업체, 의류 디자인 업체, 의류 도매 업체 등의 서버 및/또는 사용자 단말에 해당할 수 있으나, 이에 한정되지 않는다. 즉, 사용자는 제공받은 개선 사항을 선택함으로써 원 클릭(one-click) 형태로 개선 사항을 반영한 의류 상품 제작을 요청할 수 있다. 이에 따라, 판매자들은 별도의 수고로움 없이 손쉽게 새로운 의류 상품을 제작 및 판매할 수 있다.In some embodiments, referring to FIG. 5, when user approval for the improvement proposal data is received from the user terminal 104, the server 100 transmits the approved improvement proposal data to the clothing production server 510, Clothing manufacturers, etc. can be requested to produce and purchase clothing products that reflect the approved improvement proposal data. Here, the clothing production server 510 may correspond to a server and/or a user terminal of a clothing manufacturing factory, clothing production company, clothing design company, or clothing wholesaler, but is not limited thereto. In other words, by selecting the provided improvements, the user can request the production of a clothing product that reflects the improvements in a one-click format. Accordingly, sellers can easily produce and sell new clothing products without any extra effort.
추가적으로, 서버(100)는 선택된 개선 제안 데이터에 기초하여, 개선된 의류 상품의 견적 가격을 산출하여 사용자 단말(104)을 통해 출력할 수 있다. 예를 들어, 서버(100)는 뉴럴 네트워크 모델을 이용하여, 개선 사항이 반영된 의류 상품의 생산 견적 가격을 예측할 수 있다. 여기서, 이용되는 뉴럴 네트워크 모델은 원단, 사이즈, 면적, 부속품, 디자인 데이터를 학습하여, 의류 상품의 생산 견적 가격을 예측하는 모델에 해당할 수 있다. 사용자는 이렇게 산출된 견적 가격을 참고하여 선택된 개선 제안 데이터의 승인 여부를 최종 결정할 수 있다.Additionally, the server 100 may calculate an estimated price of an improved clothing product based on the selected improvement proposal data and output it through the user terminal 104. For example, the server 100 may use a neural network model to predict the production estimate price of a clothing product that reflects improvements. Here, the neural network model used may correspond to a model that predicts the production estimate price of clothing products by learning fabric, size, area, accessories, and design data. The user can make a final decision on whether to approve the selected improvement proposal data by referring to the price quote calculated in this way.
도 6은 몇몇 실시예에 따른 특정 의류 상품의 방송에 대한 제안 데이터를 생성하는 방법에 대한 도면이다.Figure 6 is a diagram of a method for generating proposal data for broadcasting of a specific clothing product according to some embodiments.
도 6에서는 시각적 설명을 위하여 채팅 데이터 및 방송에 대한 제안 데이터를 표를 이용한 텍스트 형태로 도시하고 있으나, 이에 한정되지 않으며, 다양한 형태의 데이터로서 송수신, 저장 및/또는 출력될 수 있다.In FIG. 6, for visual explanation, chat data and broadcast suggestion data are shown in text form using tables, but the present invention is not limited thereto and may be transmitted, received, stored, and/or output as data in various forms.
몇몇 실시예에서, 서버(100)는 특정 의류 상품과 연관된 채팅 데이터의 텍스트 데이터로부터 특정 의류 상품의 방송에 대한 제안을 나타내는 키워드를 추출할 수 있다. 이를 위해, 데이터베이스(102)에는 텍스트 데이터로부터 추출할 키워드에 대한 정보가 포함된 키워드 사전이 미리 저장될 수 있다. 이 경우, 서버(100)는 데이터베이스(102)에 미리 저장된 키워드 사전을 이용하여, 채팅 데이터의 텍스트 데이터로부터 방송에 대한 제안을 나타내는 키워드를 추출할 수 있다. 방송에 대한 제안을 나타내는 키워드를 추출하기 위해 이용되는 키워드 사전은 개선 제안을 나타내는 키워드를 추출하는데 이용되는 키워드 사전 및/또는 긍정적/부정적 키워드 사전과 상이한 별도의 사전에 해당할 수 있다. 추가적으로 또는 대안적으로, 서버(100)는 채팅 데이터의 텍스트 데이터로부터 키워드를 추출하도록 학습된 언어 모델, 뉴럴 네트워크 모델, 인공신경망 모델 등을 이용하여, 채팅 데이터의 텍스트 데이터로부터 방송에 대한 제안을 나타내는 키워드를 추출할 수 있다. 방송에 대한 제안을 나타내는 키워드를 추출하기 위해 이용되는 모델은 개선 제안을 나타내는 키워드를 추출하는데 이용되는 모델 및/또는 긍정적/부정적 키워드를 추출하는데 이용되는 모델과 상이한 별도의 모델에 해당할 수 있다. 여기서, 키워드는 텍스트 데이터에 실제로 포함된 텍스트, 텍스트 데이터에 실제로 포함된 텍스트의 변형(예를 들어, 유의어, 활용어, 기본형 등) 및/또는 텍스트 데이터에 내포된 의도를 나타내는 텍스트에 해당할 수 있다.In some embodiments, server 100 may extract keywords indicating suggestions for broadcasting of a specific clothing product from text data of chat data associated with the specific clothing product. For this purpose, a keyword dictionary containing information about keywords to be extracted from text data may be stored in advance in the database 102. In this case, the server 100 may extract keywords representing suggestions for broadcasting from text data of chat data using a keyword dictionary previously stored in the database 102. The keyword dictionary used to extract keywords representing suggestions for broadcasting may correspond to a separate dictionary that is different from the keyword dictionary and/or the positive/negative keyword dictionary used to extract keywords representing improvement suggestions. Additionally or alternatively, the server 100 uses a language model, a neural network model, an artificial neural network model, etc. learned to extract keywords from the text data of the chat data, and represents a proposal for a broadcast from the text data of the chat data. Keywords can be extracted. The model used to extract keywords representing suggestions for broadcasting may correspond to a separate model that is different from the model used to extract keywords representing improvement suggestions and/or the model used to extract positive/negative keywords. Here, keywords may correspond to text actually included in the text data, variations of text actually included in the text data (e.g., synonyms, conjugations, lemmas, etc.), and/or text that represents the intent implied in the text data. there is.
그리고 나서, 서버(100)는 추출된 방송에 대한 제안을 나타내는 키워드에 기초하여, 방송에 대한 제안 데이터를 생성하고 사용자 단말(104)을 통해 출력할 수 있다. 즉, 서버(100)는 방송에 대한 제안을 나타내는 키워드를 가공 및 조합하여, 방송에 대한 제안 데이터를 생성할 수 있다. 여기서, 방송에 대한 제안 데이터는 방송 시간, 의류 모델, 진행자, 매칭 상품, 할인 여부, 상품 가격 등에 대한 제안 사항을 지칭할 수 있으나, 이에 한정되지 않으며, 방송을 기획 및/또는 진행하는데 있어서 사용자가 참고할 수 있는 모든 사항을 지칭할 수 있다. 사용자(예를 들어, 의류 상품 판매자, 방송 진행자, 쇼 호스트 등)는 이렇게 출력된 방송에 대한 제안 데이터를 이용하여, 해당 의류 상품에 대한 다음 라이브 커머스 방송을 기획하거나 준비할 수 있다.Then, the server 100 may generate proposal data for the broadcast based on the extracted keywords representing the proposal for the broadcast and output it through the user terminal 104. That is, the server 100 may process and combine keywords representing proposals for broadcasts to generate proposal data for broadcasts. Here, the suggestion data for the broadcast may refer to suggestions for broadcast time, clothing model, host, matching product, availability of discount, product price, etc., but is not limited to this, and is not limited to this, and is not limited to the user in planning and/or conducting the broadcast. It can refer to anything that can be referred to. Users (e.g., clothing product sellers, broadcasters, show hosts, etc.) can plan or prepare the next live commerce broadcast for the clothing product using the suggested data for the output broadcast.
도 6의 제1 표(610) 및 제2 표(620)에 도시된 바와 같이, 특정 라이브 커머스 방송의 채팅 데이터가 수신되고, 수신된 채팅 데이터 중에서 특정 의류 상품이 소개된 시간인 25:00 부터 31:00 사이의 채팅 데이터가 추출될 수 있다. 도 6의 제3 표(630)에 도시된 바와 같이, 서버(100)는 채팅 데이터 '66 사이즈도 보여주세요.'에서 키워드 '66 사이즈' 및 키워드 '보여주세요'를 추출하여, '66 사이즈'라는 방송에 대한 제안 데이터를 생성할 수 있다. 또한, 서버(100)는 채팅 데이터 '청바지와 잘 어울릴까요?'에서 키워드 '청바지' 및 키워드 '어울릴까요'를 추출하여, 방송에 대한 제안 데이터 '청바지와 매칭'을 생성할 수 있다. 또한, 서버(100) 채팅 데이터 '상세 사이즈 알려주세요'에서 키워드 '상세 사이즈' 및 키워드 '알려주세요'를 추출하여, 방송에 대한 제안 데이터 '상세 사이즈 정보'를 생성할 수 있다. 이렇게 생성된 방송에 대한 제안 데이터는 사용자 단말(104)을 통해 사용자에게 제공될 수 있다. 사용자는 제공받은 제안 데이터를 고려하여 다음 방송에서, 해당 의류 상품에 대하여 66 사이즈 상품 및 모델을 출연시키거나, 해당 의류 상품을 청바지와 매칭하여 소개하거나, 해당 의류 상품의 상세 사이즈 정보를 소개할 수 있다.As shown in the first table 610 and the second table 620 of FIG. 6, chat data of a specific live commerce broadcast is received, and from 25:00, the time when a specific clothing product is introduced among the received chat data. Chat data between 31:00 can be extracted. As shown in the third table 630 of FIG. 6, the server 100 extracts the keyword 'size 66' and the keyword 'show me' from the chat data 'Please show me size 66 as well.' Proposal data for the broadcast can be generated. Additionally, the server 100 extracts the keyword 'jeans' and the keyword 'will it go well with jeans?' from the chat data 'Does it go well with jeans?' and generates suggestion data 'Matching with jeans' for broadcast. In addition, the keyword 'detailed size' and the keyword 'please tell me' can be extracted from the server 100 chat data 'please tell me the detailed size', and generated suggestion data 'detailed size information' for the broadcast. Proposal data for broadcasts generated in this way may be provided to the user through the user terminal 104. Considering the provided suggestion data, the user can have a size 66 product and model appear for the clothing product in question, introduce the clothing product by matching it with jeans, or introduce detailed size information of the clothing product in the next broadcast, considering the provided suggestion data. there is.
도 7은 몇몇 실시예에 따른 채팅 데이터로부터 부정적 채팅 데이터 및 긍정적 채팅 데이터를 결정하는 방법에 대한 도면이다.7 is a diagram of a method for determining negative chat data and positive chat data from chat data according to some embodiments.
도 7에서는 시각적 설명을 위하여 채팅 데이터 및 방송에 대한 제안 데이터를 표를 이용한 텍스트 형태로 도시하고 있으나, 이에 한정되지 않으며, 다양한 형태의 데이터로서 송수신, 저장 및/또는 출력될 수 있다.In FIG. 7, for visual explanation, chat data and broadcast suggestion data are shown in text form using tables, but the present invention is not limited thereto and may be transmitted, received, stored, and/or output as data in various forms.
몇몇 실시예에서, 서버(100)는 채팅 데이터의 텍스트 데이터로부터 특정 의류 상품에 대한 부정적 키워드를 추출하여, 채팅 데이터 중 부정적 채팅 데이터를 결정할 수 있다. 이와 마찬가지로, 서버(100)는 채팅 데이터의 텍스트 데이터로부터 특정 의류 상품에 대한 긍정적 키워드를 추출하여, 채팅 데이터 중 긍정적 채팅 데이터를 결정할 수 있다. 이를 위해, 데이터베이스(102)에는 텍스트 데이터로부터 추출할 키워드에 대한 정보가 포함된 키워드 사전이 미리 저장될 수 있다. 이 경우, 서버(100)는 데이터베이스(102)에 미리 저장된 키워드 사전을 이용하여, 채팅 데이터의 텍스트 데이터로부터 부정적 키워드 및/또는 긍정적 키워드를 추출할 수 있다. 부정적 키워드 및/또는 긍정적 키워드를 추출하기 위해 이용되는 키워드 사전은 개선 제안을 나타내는 키워드를 추출하는데 이용되는 키워드 사전 및/또는 방송에 대한 제안을 나타내는 키워드를 추출하는데 이용되는 키워드 사전과 상이한 별도의 사전에 해당할 수 있다. 추가적으로 또는 대안적으로, 서버(100)는 채팅 데이터의 텍스트 데이터로부터 키워드를 추출하도록 학습된 언어 모델, 뉴럴 네트워크 모델, 인공신경망 모델 등을 이용하여, 채팅 데이터의 텍스트 데이터로부터 부정적 키워드 및/또는 긍정적 키워드를 추출할 수 있다. 부정적 키워드 및/또는 긍정적 키워드를 추출하기 위해 이용되는 모델은 개선 제안을 나타내는 키워드를 추출하는데 이용되는 모델 및/또는 방송에 대한 제안을 나타내는 키워드를 추출하는데 이용되는 모델과 상이한 별도의 모델에 해당할 수 있다.In some embodiments, the server 100 may extract negative keywords for a specific clothing product from text data of the chat data and determine negative chat data among the chat data. Likewise, the server 100 may extract positive keywords for a specific clothing product from text data of the chat data and determine positive chat data among the chat data. For this purpose, a keyword dictionary containing information about keywords to be extracted from text data may be stored in advance in the database 102. In this case, the server 100 may extract negative keywords and/or positive keywords from text data of chat data using a keyword dictionary previously stored in the database 102. The keyword dictionary used to extract negative keywords and/or positive keywords is a separate dictionary that is different from the keyword dictionary used to extract keywords representing improvement suggestions and/or the keyword dictionary used to extract keywords representing suggestions for broadcasting. It may apply to Additionally or alternatively, the server 100 may extract negative keywords and/or positive keywords from the text data of the chat data using a language model, neural network model, artificial neural network model, etc. learned to extract keywords from the text data of the chat data. Keywords can be extracted. The model used to extract negative keywords and/or positive keywords may correspond to a separate model that is different from the model used to extract keywords representing improvement suggestions and/or the model used to extract keywords representing suggestions for broadcasting. You can.
도 7의 제1 표(710) 및 제2 표(720)에 도시된 바와 같이, 특정 라이브 커머스 방송의 채팅 데이터가 수신되고, 수신된 채팅 데이터 중에서 특정 의류 상품이 소개된 시간인 25:00 부터 31:00 사이의 채팅 데이터가 추출될 수 있다. 도 7의 제3 표(730)에 도시된 바와 같이, 서버(100)는 채팅 데이터에서 키워드 '이상해요' 및 키워드 '비싸다'를 추출하여, 채팅 데이터 중에서 부정적 채팅 데이터를 결정할 수 있다. 또한, 도 7의 제4 표(740)에 도시된 바와 같이, 서버(100)는 채팅 데이터에서 키워드 '실용적' 및 키워드 '따뜻'을 추출하여, 채팅 데이터 중에서 긍정적 채팅 데이터를 결정할 수 있다.As shown in the first table 710 and the second table 720 of FIG. 7, chat data of a specific live commerce broadcast is received, and from 25:00, the time when a specific clothing product is introduced among the received chat data. Chat data between 31:00 can be extracted. As shown in the third table 730 of FIG. 7, the server 100 may extract the keywords 'strange' and the keyword 'expensive' from the chat data and determine negative chat data from the chat data. Additionally, as shown in the fourth table 740 of FIG. 7, the server 100 can extract the keywords 'practical' and the keyword 'warm' from the chat data and determine positive chat data from the chat data.
도 8은 몇몇 실시예에 따른 서버에 포함된 인공지능부의 예시이다.Figure 8 is an example of an artificial intelligence unit included in a server according to some embodiments.
몇몇 실시예에서, 서버(100)는 뉴럴 네트워크 모델(801)을 이용하여, 채팅 데이터, 부정적 채팅 데이터, 긍정적 채팅 데이터 및 개선 제안 데이터를 기초로 특정 의류 상품의 예상 판매 수량(803)을 예측할 수 있다. 여기서, 뉴럴 네트워크 모델(801)은 채팅 데이터, 부정적 채팅 데이터, 긍정적 채팅 데이터 및 개선 제안 데이터를 학습하여, 특정 의류 상품의 예상 판매 수량(803)을 예측하도록 학습된 모델에 해당할 수 있다. 예상 판매 수량을 예측하는데 기초가 되는 채팅 데이터, 부정적 채팅 데이터, 긍정적 채팅 데이터 및 개선 제안 데이터에는 현재 트렌드 및 실시간 소비자 의견이 반영되어 있으므로, 예상 판매 수량은 보다 정확하게 예측될 수 있다. 추가적으로, 서버(100)는 예상 판매 수량을 산출하기 위해 특정 의류 상품의 기본 정보, 판매 정보 등을 더 이용할 수 있다.In some embodiments, the server 100 may use the neural network model 801 to predict the expected sales quantity 803 of a specific clothing product based on chat data, negative chat data, positive chat data, and improvement suggestion data. there is. Here, the neural network model 801 may correspond to a model learned to predict the expected sales quantity 803 of a specific clothing product by learning chat data, negative chat data, positive chat data, and improvement suggestion data. The chat data, negative chat data, positive chat data, and improvement suggestion data that are the basis for predicting the expected sales volume reflect current trends and real-time consumer opinions, so the expected sales volume can be predicted more accurately. Additionally, the server 100 may further use basic information, sales information, etc. of a specific clothing product to calculate the expected sales quantity.
도 8을 참조하면, 뉴럴 네트워크 모델(801)은 개선 데이터의 생성, 긍정적 채팅 데이터 결정 및 부정적 채팅 데이터 결정 이후에 구현될 수 있다. 실시예들에 따른 뉴럴 네트워크 모델(801)은 인공지능 모델로 호칭될 수 있다. 이 도면에서 설명하는 인공지능부는 실시예들에 따른 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)에 포함될 수 있다. 실시예들에 따른 인공지능부에 사용되는 모델은 상술한 예시에 국한되지 않는다.Referring to FIG. 8, the neural network model 801 may be implemented after generating improvement data, determining positive chat data, and determining negative chat data. The neural network model 801 according to embodiments may be referred to as an artificial intelligence model. The artificial intelligence unit described in this figure may be included in the server 100 that processes and provides chat data of live commerce broadcasts according to embodiments. The model used in the artificial intelligence unit according to the embodiments is not limited to the examples described above.
실시예들에 따른 인공지능부의 뉴럴 네트워크 모델은 하나 또는 그 이상의 은닉 레이어(hidden layer, 802) 들을 포함할 수 있다. 예를 들어, 하나 또는 그 이상의 은닉 레이어(hidden layer)들은 단순 선형으로 구성된 레이어일 수도 있고, CNN(Convolutional Neural Network), RNN(Recurrent Neural Network) 및/또는 LSTM(Long Short-Term Memory Model)로 구성된 레이어들의 집합일 수도 있다.The neural network model of the artificial intelligence unit according to embodiments may include one or more hidden layers (hidden layer, 802). For example, one or more hidden layers may be a simple linear layer, a Convolutional Neural Network (CNN), a Recurrent Neural Network (RNN), and/or a Long Short-Term Memory Model (LSTM). It may be a set of composed layers.
몇몇 실시예에 따른 뉴럴 네트워크 모델은 채팅 데이터, 부정적 채팅 데이터, 긍정적 채팅 데이터 및/또는 개선 제안 데이터와 같은 학습 데이터(800)를 학습하여 특정 의류 상품의 예상 판매 수량(803)을 출력하는 모델일 수 있다. 뉴럴 네트워크 모델(801)은 예상 판매 수량(803)을 예측하기 위해 특정 의류 상품의 기본 정보, 판매 정보와 같은 학습 데이터를 추가적으로 학습할 수 있다. 여기서, 기본 정보는 해당 의류 상품의 카테고리, 계절, 가격 등을 포함하고, 판매 정보는 판매 기간, 판매량, 판매량 증가/감소량, 재고량, 타겟 소비자 정보 등을 포함할 수 있다. 실시예들에 따른 학습 데이터는 데이터베이스(102)에 저장된 데이터 및/또는 서버(100)에 의하여 계산된 값에 대한 데이터를 포함한다. 즉, 실시예들에 따른 인공지능부는 상술한 학습 데이터(800)를 기반으로 특정 의류 상품의 예상 판매 수량(803)을 산출하고 예측할 수 있다. 여기서 예상 판매 수량(803)은 수치 데이터로 출력될 수 있다. 즉, 인공지능부는 학습 데이터(800)를 기반으로 특정 의류 상품의 예상 판매 수량을 예측할 수 있다.A neural network model according to some embodiments may be a model that learns learning data 800, such as chat data, negative chat data, positive chat data, and/or improvement suggestion data, and outputs the expected sales quantity 803 of a specific clothing product. You can. The neural network model 801 can additionally learn learning data such as basic information and sales information of a specific clothing product in order to predict the expected sales quantity 803. Here, basic information includes the category, season, price, etc. of the clothing product, and sales information may include sales period, sales volume, sales volume increase/decrease, inventory amount, target consumer information, etc. Learning data according to embodiments includes data stored in the database 102 and/or data about values calculated by the server 100. That is, the artificial intelligence unit according to the embodiments may calculate and predict the expected sales quantity 803 of a specific clothing product based on the above-described learning data 800. Here, the expected sales quantity 803 can be output as numerical data. In other words, the artificial intelligence unit can predict the expected sales quantity of a specific clothing product based on the learning data 800.
몇몇 실시예에서, 서버(100)는 특정 의류 상품의 예상 판매 수량 및 특정 의류 상품의 재고량에 기초하여, 특정 의류 상품에 대한 할인율을 결정할 수 있다. 예를 들어, 서버(100)는 다음의 수학식을 이용하여 특정 의류 상품에 대한 할인율을 결정할 수 있다.In some embodiments, server 100 may determine a discount rate for a specific clothing product based on an expected sales quantity of the specific clothing product and an inventory amount of the specific clothing product. For example, the server 100 can determine the discount rate for a specific clothing product using the following equation.
<수학식 1><Equation 1>
여기서, 은 할인율을 의미할 수 있으며, 이는 할인율을 산출하고자 하는 대상 의류 상품의 예상 판매 수량으로부터 도출될 수 있다. 는 현재 시점 에서의 대상 의류 상품의 재고량을 의미할 수 있으며, 은 임의의 자연수를 의미할 수 있다. 는 t 시점의 판매 수량을 의미할 수 있으며, 는 매우 작은 수 일 수 있다. 는 임의의 기간(예를 들어, 일주일, 3일, 한달, 3달 등)을 의미할 수 있으며, 대상 의류 상품의 전체 판매 기간보다 작거나 같을 수 있다. 여기서, 는 대상 의류 상품마다 상이하게 설정될 수 있다. 예를 들어, 대상 의류 상품이 계절 상품에 해당하는 경우에 는 대상 의류 상품이 판매된 계절에 해당하는 기간으로 설정될 수 있다. 서버(100)는 특정 의류 상품에 대하여 이렇게 결정된 할인율을 적용할 수 있다. 재고량과 예상 판매 수량에 기초하여 결정된 합리적인 할인 가격을 설정함으로써, 사용자는 의류 상품의 재고를 관리할 수 있다.here, may mean a discount rate, which may be derived from the expected sales quantity of the target clothing product for which the discount rate is to be calculated. is the current point It may refer to the inventory amount of the target clothing product in may mean any natural number. may mean the sales quantity at time t, can be a very small number. may mean an arbitrary period of time (e.g., a week, three days, a month, three months, etc.), and may be less than or equal to the entire sales period of the target clothing product. here, may be set differently for each target clothing product. For example, if the target clothing product is a seasonal product, may be set to a period corresponding to the season in which the target clothing product was sold. The server 100 may apply the discount rate determined in this way to a specific clothing product. By setting a reasonable discount price determined based on the inventory amount and expected sales quantity, the user can manage the inventory of clothing products.
도 9는 도 1의 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버에 대한 하드웨어 구성도이다.FIG. 9 is a hardware configuration diagram of a server that processes and provides chat data of the live commerce broadcast of FIG. 1.
도 9를 참조하면, 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)는, 적어도 하나의 프로세서(processor, 110) 및/또는 적어도 하나의 프로세서(110)가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory, 120)를 포함할 수 있다.Referring to FIG. 9, the server 100 that processes and provides chat data of a live commerce broadcast includes at least one processor 110 and/or causes at least one processor 110 to perform at least one step. It may include a memory (120) that stores instructions.
적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.At least one processor 110 may mean a central processing unit (CPU), a graphics processing unit (GPU), or a dedicated processor on which methods according to embodiments are performed. Each of the memory 120 and the storage device 160 may be comprised of at least one of a volatile storage medium and a non-volatile storage medium. For example, the memory 120 may be comprised of at least one of read only memory (ROM) and random access memory (RAM).
또한, 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver, 130)를 포함할 수 있다. 또한, 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 라이브 커머스 방송의 채팅 데이터를 가공 및 제공하는 서버(100)에 포함된 각각의 구성 요소들은 버스(bus, 170)에 의해 연결되어 서로 통신을 수행할 수 있다.Additionally, the server 100 that processes and provides chat data of a live commerce broadcast may include a transceiver 130 that performs communication through a wireless network. Additionally, the server 100 that processes and provides chat data of a live commerce broadcast may further include an input interface device 140, an output interface device 150, a storage device 160, etc. Each component included in the server 100 that processes and provides chat data of a live commerce broadcast is connected by a bus 170 and can communicate with each other.
몇몇 실시예에 따른 적어도 하나의 단계는, 온라인 플랫폼 서버로부터 복수의 의류 상품을 판매하는 라이브 커머스 방송과 연관된 제1 채팅 데이터를 수신하는 단계, 상기 제1 채팅 데이터의 시간 데이터에 기초하여, 상기 제1 채팅 데이터로부터 상기 복수의 의류 상품 중 특정 의류 상품과 연관된 제2 채팅 데이터를 결정하는 단계, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 개선 제안(improvement proposal)을 나타내는 키워드(keyword)를 추출하는 단계, 상기 추출된 개선 제안을 나타내는 키워드에 기초하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 단계, 및 상기 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말을 통해 출력하는 단계를 포함할 수 있다. 여기서, 상기 제1 채팅 데이터는 시간 데이터, 텍스트 데이터 및 작성자 데이터를 포함할 수 있다.At least one step according to some embodiments includes receiving first chat data associated with a live commerce broadcast selling a plurality of clothing products from an online platform server, based on time data of the first chat data, 1 Determining second chat data associated with a specific clothing product among the plurality of clothing products from chat data, a keyword indicating an improvement proposal for the specific clothing product from text data of the second chat data ), generating improvement proposal data for the specific clothing product based on keywords representing the extracted improvement suggestions, and outputting improvement proposal data for the specific clothing product through a user terminal. may include. Here, the first chat data may include time data, text data, and author data.
몇몇 실시예에 따른 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 개선 제안을 나타내는 키워드를 추출하는 단계는, 상기 제2 채팅 데이터의 텍스트 데이터로부터 제1 키워드를 추출하는 단계, 및 상기 제2 채팅 데이터의 텍스트 데이터로부터 제2 키워드를 추출하는 단계를 포함하고, 상기 추출된 개선 제안을 나타내는 키워드에 기초하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 단계는, 상기 제1 키워드 및 제2 키워드를 조합하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하는 단계를 포함할 수 있다.Extracting a keyword indicating an improvement suggestion for the specific clothing product from text data of the second chat data according to some embodiments includes extracting a first keyword from text data of the second chat data, and A step of extracting a second keyword from text data of the second chat data, and generating improvement proposal data for the specific clothing product based on the extracted keyword representing the improvement proposal, comprising: extracting the first keyword and combining second keywords to generate improvement proposal data for the specific clothing product.
몇몇 실시예에 따른 상기 특정 의류 상품에 대한 개선 제안 데이터는 제1 개선 제안 데이터 및 제2 개선 제안 데이터를 포함하고, 상기 적어도 하나의 단계는, 상기 사용자 단말로부터 상기 제1 개선 제안 데이터에 대한 사용자 승인이 수신되는 경우에, 의류 생산 서버로 상기 제1 개선 제안 데이터를 전송하는 단계를 더 포함할 수 있다.According to some embodiments, the improvement proposal data for the specific clothing product includes first improvement proposal data and second improvement proposal data, and the at least one step includes selecting a user for the first improvement proposal data from the user terminal. When approval is received, the method may further include transmitting the first improvement proposal data to a clothing production server.
몇몇 실시예에 따른 상기 특정 의류 상품에 대한 개선 제안 데이터는 제1 개선 제안 데이터 및 제2 개선 제안 데이터를 포함하고, 상기 적어도 하나의 단계는, 상기 제1 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터 및 상기 제2 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터에 기초하여, 상기 제1 개선 제안 데이터 및 제2 개선 제안 데이터의 우선순위를 결정하는 단계를 더 포함하고, 상기 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말을 통해 출력하는 단계는, 상기 결정된 우선순위에 기초하여, 상기 제1 개선 제안 데이터 또는 상기 제2 개선 제안 데이터 중 적어도 하나를 상기 사용자 단말을 통해 출력하는 단계를 포함할 수 있다.According to some embodiments, the improvement proposal data for the specific clothing product includes first improvement proposal data and second improvement proposal data, and the at least one step includes processing of second chat data associated with the first improvement proposal data. further comprising determining the priority of the first improvement suggestion data and the second improvement suggestion data based on the author data and the author data of the second chat data associated with the second improvement suggestion data, wherein the specific clothing product The step of outputting improvement proposal data through the user terminal includes outputting at least one of the first improvement proposal data or the second improvement proposal data through the user terminal, based on the determined priority. can do.
몇몇 실시예에 따른 상기 적어도 하나의 단계는, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품의 방송에 대한 제안을 나타내는 키워드를 추출하는 단계, 상기 방송에 대한 제안을 나타내는 키워드에 기초하여, 상기 방송에 대한 제안 데이터를 생성하는 단계, 및 상기 방송에 대한 제안 데이터를 상기 사용자 단말을 통해 출력하는 단계를 더 포함할 수 있다.The at least one step according to some embodiments includes extracting a keyword indicating a suggestion for a broadcast of the specific clothing product from text data of the second chat data, based on the keyword indicating a suggestion for the broadcast, The method may further include generating suggestion data for the broadcast, and outputting the suggestion data for the broadcast through the user terminal.
몇몇 실시예에 따른 상기 적어도 하나의 단계는, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 부정적 키워드를 추출하여, 상기 제2 채팅 데이터 중 부정적 채팅 데이터를 결정하는 단계, 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 긍정적 키워드를 추출하여, 상기 제2 채팅 데이터 중 긍정적 채팅 데이터를 결정하는 단계 및 뉴럴 네트워크 모델을 이용하여, 상기 특정 의류 상품의 예상 판매 수량을 예측하는 단계를 더 포함하고, 상기 뉴럴 네트워크 모델은 상기 제2 채팅 데이터, 상기 부정적 채팅 데이터, 상기 긍정적 채팅 데이터 및 상기 개선 제안 데이터를 학습하여, 상기 특정 의류 상품의 예상 판매 수량을 예측할 수 있다.The at least one step according to some embodiments includes extracting negative keywords for the specific clothing product from text data of the second chat data and determining negative chat data from the second chat data, the second chat data Extracting positive keywords for the specific clothing product from text data of chat data, determining positive chat data among the second chat data, and predicting the expected sales quantity of the specific clothing product using a neural network model. Further comprising the step, the neural network model may predict the expected sales quantity of the specific clothing product by learning the second chat data, the negative chat data, the positive chat data, and the improvement proposal data.
몇몇 실시예에 따른 상기 적어도 하나의 단계는, 상기 특정 의류 상품의 예상 판매 수량 및 상기 특정 의류 상품의 재고량에 기초하여, 상기 특정 의류 상품에 대한 할인율을 결정하는 단계를 더 포함할 수 있다.The at least one step according to some embodiments may further include determining a discount rate for the specific clothing product based on the expected sales quantity of the specific clothing product and the inventory amount of the specific clothing product.
실시예들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.Embodiments may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. Computer-readable media may include program instructions, data files, data structures, etc., singly or in combination. Program instructions recorded on a computer-readable medium may be specially designed and constructed for the present invention or may be known and usable by those skilled in the computer software art.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.Examples of computer-readable media may include hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, etc. Examples of program instructions may include machine language code such as that created by a compiler, as well as high-level language code that can be executed by a computer using an interpreter, etc. The above-described hardware device may be configured to operate with at least one software module to perform the operations of the present invention, and vice versa.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.Additionally, the above-described method or device may be implemented by combining all or part of its components or functions, or may be implemented separately.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the present invention has been described above with reference to preferred embodiments, those skilled in the art may make various modifications and changes to the present invention without departing from the spirit and scope of the present invention as set forth in the claims below. You will understand that you can do it.
Claims (1)
프로세서(processor); 및
상기 프로세서가 수행하는 명령어들(instructions)을 저장하는 메모리(memory); 를 포함하고,
상기 프로세서는:
온라인 플랫폼 서버로부터 복수의 의류 상품을 판매하는 라이브 커머스 방송과 연관된 제1 채팅 데이터를 수신하되, 상기 제1 채팅 데이터는 시간 데이터, 텍스트 데이터 및 작성자 데이터를 포함하고,
상기 제1 채팅 데이터의 시간 데이터에 기초하여, 상기 제1 채팅 데이터로부터 상기 복수의 의류 상품 중 특정 의류 상품과 연관된 제2 채팅 데이터를 결정하고,
상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품에 대한 개선 제안(improvement proposal)을 나타내는 키워드(keyword)를 추출하고,
상기 추출된 개선 제안을 나타내는 키워드에 기초하여, 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하고,
상기 특정 의류 상품에 대한 개선 제안 데이터를 사용자 단말을 통해 출력하고,
상기 프로세서는:
상기 제2 채팅 데이터의 텍스트 데이터로부터 제1 키워드 및 제2 키워드를 추출하고,
상기 제1 키워드 및 제2 키워드를 조합하여 상기 특정 의류 상품에 대한 개선 제안 데이터를 생성하되, 상기 특정 의류 상품에 대한 개선 제안 데이터는 제1 개선 제안 데이터 및 제2 개선 제안 데이터를 포함하고,
상기 사용자 단말로부터 상기 제1 개선 제안 데이터에 대한 사용자 승인이 수신되는 경우, 상기 제1 개선 제안 데이터를 의류 생산 서버에게 전송하고,
상기 프로세서는:
상기 제1 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터 및 상기 제2 개선 제안 데이터와 연관된 제2 채팅 데이터의 작성자 데이터에 기초하여, 상기 제1 개선 제안 데이터 및 제2 개선 제안 데이터의 우선순위를 결정하고,
상기 결정된 우선순위에 기초하여, 상기 제1 개선 제안 데이터 또는 상기 제2 개선 제안 데이터 중 적어도 하나를 상기 사용자 단말을 통해 출력하고,
상기 프로세서는:
상기 특정 의류 상품의 예상 판매 수량 및 상기 특정 의류 상품의 재고량에 기초하여, 상기 특정 의류 상품에 대한 할인율을 아래의 수학식을 토대로 결정하되,
[수학식]
은 상기 할인율을 의미하고, RT는 현재 시점 T에서의 대상 의류 상품의 재고량을 의미하고, N은 일주일, 3일, 한달, 3달 중 어느 하나에 상응하는 값이고, St는 t 시점의 판매 수량을 의미하고, 는 임의의 값에 상응하고, 는 대상 의류 상품이 판매된 계절에 해당하는 기간으로 설정되고,
상기 프로세서는 상기 제2 채팅 데이터의 텍스트 데이터로부터 상기 특정 의류 상품의 방송에 대한 제안을 나타내는 키워드를 추출하는, 시스템.As a server that processes and provides chat data of live commerce broadcasts,
processor; and
a memory that stores instructions executed by the processor; Including,
The processor:
Receiving first chat data associated with a live commerce broadcast selling a plurality of clothing products from an online platform server, wherein the first chat data includes time data, text data, and author data,
Based on the time data of the first chat data, determine second chat data associated with a specific clothing product among the plurality of clothing products from the first chat data,
Extracting a keyword representing an improvement proposal for the specific clothing product from the text data of the second chat data,
Based on the keywords representing the extracted improvement suggestions, generate improvement suggestion data for the specific clothing product,
Output improvement suggestion data for the specific clothing product through the user terminal,
The processor:
Extracting a first keyword and a second keyword from the text data of the second chat data,
The first keyword and the second keyword are combined to generate improvement proposal data for the specific clothing product, wherein the improvement proposal data for the specific clothing product includes first improvement proposal data and second improvement proposal data,
When user approval for the first improvement proposal data is received from the user terminal, transmitting the first improvement proposal data to the clothing production server,
The processor:
Priority of the first improvement proposal data and the second improvement proposal data based on the author data of the second chat data associated with the first improvement proposal data and the author data of the second chat data associated with the second improvement proposal data. Decide,
Based on the determined priority, output at least one of the first improvement proposal data or the second improvement proposal data through the user terminal,
The processor:
Based on the expected sales quantity of the specific clothing product and the inventory amount of the specific clothing product, the discount rate for the specific clothing product is determined based on the equation below,
[Equation]
means the discount rate, R T means the inventory amount of the target clothing product at the current time T, N is a value corresponding to one of a week, 3 days, a month, and 3 months, and S t is the refers to the sales quantity, corresponds to an arbitrary value, is set to the period corresponding to the season in which the target clothing product was sold,
The system of claim 1, wherein the processor extracts keywords representing suggestions for broadcasting of the specific clothing product from text data of the second chat data.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220058247A KR102620292B1 (en) | 2022-02-16 | 2022-05-12 | method and system for performing data analysis for live commerce |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220019895A KR102399716B1 (en) | 2022-02-16 | 2022-02-16 | Server for processing and providing chat data of live commerce broadcast and operation methods thereof |
KR1020220058247A KR102620292B1 (en) | 2022-02-16 | 2022-05-12 | method and system for performing data analysis for live commerce |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220019895A Division KR102399716B1 (en) | 2022-02-16 | 2022-02-16 | Server for processing and providing chat data of live commerce broadcast and operation methods thereof |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20230123397A KR20230123397A (en) | 2023-08-23 |
KR102620292B1 true KR102620292B1 (en) | 2024-01-03 |
Family
ID=81801649
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220019895A KR102399716B1 (en) | 2022-02-16 | 2022-02-16 | Server for processing and providing chat data of live commerce broadcast and operation methods thereof |
KR1020220058247A KR102620292B1 (en) | 2022-02-16 | 2022-05-12 | method and system for performing data analysis for live commerce |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220019895A KR102399716B1 (en) | 2022-02-16 | 2022-02-16 | Server for processing and providing chat data of live commerce broadcast and operation methods thereof |
Country Status (1)
Country | Link |
---|---|
KR (2) | KR102399716B1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20240007561A (en) | 2022-07-08 | 2024-01-16 | 임재희 | The live e-commerce platform system that can translate market-specific languages based on artificial intelligence |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101895001B1 (en) | 2017-07-13 | 2018-09-05 | (주)블루오션소프트 | Full duplex live broadcast commerce service platform based on smart phone |
KR102282741B1 (en) | 2020-03-30 | 2021-07-27 | 서명교 | server that provides multiple product recommendation services using AI learning model based on neural network |
KR102297194B1 (en) | 2021-05-07 | 2021-09-06 | 김한진 | Electronic device for design and sales for product based on oline to offline and method for operating thereof |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170085200A (en) | 2016-01-14 | 2017-07-24 | 김재일 | Methodology for easy product sales through mobile live broadcasts and chat |
KR20210050018A (en) | 2019-10-25 | 2021-05-07 | 박채연 | System for selling products of agriculture, livestock industry, forestry, fishing industry and its selling method |
KR20210090076A (en) | 2020-01-09 | 2021-07-19 | 모비두 주식회사 | Method for registering product during live broadcast and broadcasting terminal performing the mehtod |
-
2022
- 2022-02-16 KR KR1020220019895A patent/KR102399716B1/en active IP Right Grant
- 2022-05-12 KR KR1020220058247A patent/KR102620292B1/en active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101895001B1 (en) | 2017-07-13 | 2018-09-05 | (주)블루오션소프트 | Full duplex live broadcast commerce service platform based on smart phone |
KR102282741B1 (en) | 2020-03-30 | 2021-07-27 | 서명교 | server that provides multiple product recommendation services using AI learning model based on neural network |
KR102297194B1 (en) | 2021-05-07 | 2021-09-06 | 김한진 | Electronic device for design and sales for product based on oline to offline and method for operating thereof |
Also Published As
Publication number | Publication date |
---|---|
KR102399716B1 (en) | 2022-05-20 |
KR20230123397A (en) | 2023-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210049627A1 (en) | System and method for evaluating and optimizing media content | |
US11995112B2 (en) | System and method for information recommendation | |
US10354184B1 (en) | Joint modeling of user behavior | |
CN112313697A (en) | System and method for generating interpretable description-based recommendations describing angle augmentation | |
US9607273B2 (en) | Optimal time to post for maximum social engagement | |
US9430532B2 (en) | Media content rankings for discovery of novel content | |
US20230153857A1 (en) | Recommendation model training method, recommendation method, apparatus, and computer-readable medium | |
CN103377262B (en) | The method and apparatus being grouped to user | |
CN109002488A (en) | A kind of recommended models training method and device based on first path context | |
KR20180049124A (en) | Image evaluation | |
CN108153791B (en) | Resource recommendation method and related device | |
CN111026977B (en) | Information recommendation method and device and storage medium | |
CN109417644A (en) | The income optimization launched across screen advertisement | |
CN113781149B (en) | Information recommendation method and device, computer readable storage medium and electronic equipment | |
CN111429214B (en) | Transaction data-based buyer and seller matching method and device | |
CN112384912A (en) | User-created content recommendations and searches | |
KR102620292B1 (en) | method and system for performing data analysis for live commerce | |
CN112948602B (en) | Content display method, device, system, equipment and storage medium | |
US10579752B2 (en) | Generating a model based on input | |
CN113077295B (en) | Advertisement graded delivery method based on user terminal, user terminal and storage medium | |
US12020281B2 (en) | Systems and methods for dynamic link redirection | |
US20240005362A1 (en) | Systems and methods for dynamic link redirection | |
JP6664600B2 (en) | Provision device, provision method and provision program | |
US11282104B2 (en) | Provision device, provision method and non-transitory computer readable storage medium | |
KR20240084428A (en) | Method and apparatus for providing advertising cost-based matching service for marketing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |