KR102632995B1 - 빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템 - Google Patents
빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템 Download PDFInfo
- Publication number
- KR102632995B1 KR102632995B1 KR1020230038059A KR20230038059A KR102632995B1 KR 102632995 B1 KR102632995 B1 KR 102632995B1 KR 1020230038059 A KR1020230038059 A KR 1020230038059A KR 20230038059 A KR20230038059 A KR 20230038059A KR 102632995 B1 KR102632995 B1 KR 102632995B1
- Authority
- KR
- South Korea
- Prior art keywords
- order
- user
- product
- time
- products
- Prior art date
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims description 46
- 230000001815 facial effect Effects 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000000047 product Substances 0.000 description 192
- 230000006870 function Effects 0.000 description 54
- 238000001514 detection method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 235000016213 coffee Nutrition 0.000 description 5
- 235000013353 coffee beverage Nutrition 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000037303 wrinkles Effects 0.000 description 4
- 235000015115 caffè latte Nutrition 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 235000020295 iced americano Nutrition 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- CVOFKRWYWCSDMA-UHFFFAOYSA-N 2-chloro-n-(2,6-diethylphenyl)-n-(methoxymethyl)acetamide;2,6-dinitro-n,n-dipropyl-4-(trifluoromethyl)aniline Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)CCl.CCCN(CCC)C1=C([N+]([O-])=O)C=C(C(F)(F)F)C=C1[N+]([O-])=O CVOFKRWYWCSDMA-UHFFFAOYSA-N 0.000 description 1
- 244000269722 Thea sinensis Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 235000015109 caffè americano Nutrition 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 235000015220 hamburgers Nutrition 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 235000015243 ice cream Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 235000013616 tea Nutrition 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 235000020317 vanilla latte Nutrition 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/179—Human faces, e.g. facial parts, sketches or expressions metadata assisted face recognition
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/40—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for devices for accepting orders, advertisements, or the like
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F9/00—Details other than those peculiar to special kinds or types of apparatus
- G07F9/002—Vending machines being part of a centrally controlled network of vending machines
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F9/00—Details other than those peculiar to special kinds or types of apparatus
- G07F9/006—Details of the software used for the vending machines
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/57—Mechanical or electrical details of cameras or camera modules specially adapted for being embedded in other devices
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Library & Information Science (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명에 따른 빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템은, 복수의 주문자가 주문한 상품을 기록한 기주문 정보를 수집하는 수집 모듈과, 상기 기주문 정보를 주문자의 성별 및 연령대에 따라 분류하여 성향 정보를 생성하는 분석 모듈을 포함한 빅데이터 분석 인터페이스; 디스플레이를 통해 상품 리스트를 유저에게 출력하는 상품 리스트 제공 모듈과, 카메라를 통해 상기 유저의 성별 및 연령대를 파악하는 유저 파악 모듈 및, 파악된 상기 유저의 성별 및 연령대에 기반한 상기 성향 정보에서 주문이 많은 순서로 추출된 복수 개의 추천 상품을 상기 디스플레이 일 측에 출력하는 상품 추천 모듈과, 상기 유저가 주문한 상품을 주문 처리하는 주문 모듈을 포함한 상품 주문 인터페이스를 포함한 것을 특징으로 한다.
본 발명에 따른 빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템에 의하면, 유저의 성향을 빅데이터로 수집하여 분석한 다음 이를 기반으로 유저의 성별과 연령대에 맞는 상품을 인공지능 알고리즘을 기반으로 매장 내에서 추천할 수 있어 유저가 상품을 선택할 때 편의성을 제공할 수 있는 효과를 가진다.
본 발명에 따른 빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템에 의하면, 유저의 성향을 빅데이터로 수집하여 분석한 다음 이를 기반으로 유저의 성별과 연령대에 맞는 상품을 인공지능 알고리즘을 기반으로 매장 내에서 추천할 수 있어 유저가 상품을 선택할 때 편의성을 제공할 수 있는 효과를 가진다.
Description
본 발명은 빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템에 관한 것으로서, 더욱 상세히는 프랜차이즈 매장과 같이 복수 개의 가맹점을 가진 매장 플랫폼에서 주문자가 주문한 다양한 정보를 빅데이터로 수집하여 분석함으로써 유저에게 인공지능 알고리즘을 기반으로 맞춤식 상품을 추천하여 유저의 편의성을 강화할 수 있는 상품 판매 가이드 시스템에 관한 것이다.
정보통신 기술의 발달에 힘입어 과거에 점주나 종업원이 일일이 고객을 응대하는 서비스를 대신하여 무인 매장이 출현하거나 최소한 점주의 일손을 덜어주는 장치가 등장하고 있다.
즉, 키오스크를 통하여 상품을 소개하거나 상품 주문을 받는 상품 판매 서비스가 적지 않게 활용되고 있는바, 원래 키오스크는 옥외에 설치된 대형 천막이나 현관을 뜻하는 튀르키예어(또는 페르시아어)에서 유래된 말로서 간이 판매대나 소형 매점을 의미하는 용어였으나, 현재에는 터치스크린 방식의 디스플레이(211)가 장착된 무인 정보 단말기를 의미한다.
이러한 키오스크는 멀티미디어스테이션(multimedia station) 또는 셀프서비스스테이션(self service station)이라고도 하며, 대개 터치스크린 방식을 적용하여 정보를 얻거나 구매·발권·등록 등의 업무를 처리한다.
키오스크 내부는 앞서 언급한 하드웨어가 설치된 멀티미디어 PC의 형태를 가진 상태에서, 터치스크린과 카드 판독기, 프린터, 네트워크, 스피커, 비디오카메라, 인터폰, 감지기 등의 다양한 입출력 주변기기가 장착되어 있으며, GUI를 이용하여 사용자 애플리케이션을 실행시킨다.
이러한 키오스크를 활용한 상품 판매 시스템에 대한 선행기술 역시 상당수 존재하는바, 이 중에서 한국 특허 제 2202264호인 가상화폐결제 상품권 판매 키오스크 및 가상화폐 결제를 이용한 상품권 판매 서비스 제공 시스템은, 상품권 판매 키오스크에 있어서, 구매자의 언어 및 통화 종류를 선택받고, 상기 선택된 종류의 통화로 가상화폐의 현재 시세를 화면에 출력하고, 입력받은 상품권의 수량에 대응하는 가격을 환전하기 위한 가상화폐의 수량을 출력하고, 상기 가상화폐를 송금할 지갑주소를 식별코드로 출력하는 입출력부; 상기 식별코드를 리딩 또는 스캔한 구매자의 구매자 단말을 통하여 상기 지갑주소로 상기 출력된 수량의 가상화폐가 입금되었는지의 여부를 확인하고, 상기 가상화폐가 입금된 경우 입금 이벤트를 생성하여 출력하는 가상화폐 입금확인부; 상기 입금 이벤트가 출력된 경우 상기 입력받은 상품권의 수량에 대응하는 상품권을 상기 상품권 판매 키오스크의 외부로 배출하는 상품권 배출부; 상기 가상화폐를 송금할 지갑주소를 생성할 때 입금자 확인 및 본인 확인을 위하여 여권 또는 신분증을 스캔받고, 상기 스캔받은 여권 또는 신분증의 위조여부를 판별하며, 상기 여권 또는 신분증의 위조여부를 판별한 결과 위조가 되지 않은 원본인 경우 본인확인을 완료하는 신분증 스캔부;를 포함하고, 상기 식별코드는 상기 지갑주소 및 입금할 코인의 수량의 정보를 포함하고, 상기 상품권 판매 키오스크는 블록체인의 복수의 노드 중 하나의 노드인 것을 특징으로 한다고 공개되어 있다.
즉, 상기 기술은 무인 상품권 판매 매장에서 키오스크 및 가상화폐를 통해 상품권을 결제할 수 있는데, 상품권과 같이 획일화된 상품이 아니라 예를 들어 카페나 음식점에서 다양한 음식이나 음료를 파는 매장에서는 점주나 종업원의 도움을 받아 음식이나 음료를 주문해야 할 경우가 발생한다.
하지만, 상기 기술은 오로지 상품권만을 키오스크를 통해 가상화폐로 결제하는 수단만을 제시하여 고객의 특성이나 성향에 맞는 상품을 추천하거나 종업원의 도움을 효율적으로 받을 수 있는 별다른 해결 수단을 제시하지 못한다.
따라서, 키오스크와 같은 상품 주문 인터페이스를 제공하되 고객, 즉 유저의 성향을 빅데이터로 수집하여 분석한 다음 이를 기반으로 유저의 특성에 맞는 상품을 추천할 수 있음과 아울러 정보 약자에게 효율적으로 도움을 줄 수 있는 수단을 갖춘 신규하고 진보한 매장 내 상품 판매 가이드 시스템을 개발할 필요성이 대두되는 실정이다.
본 발명은 상기 기술의 문제점을 극복하기 위해 안출된 것으로, 고객, 즉 유저의 성향을 빅데이터로 수집하여 분석한 다음 이를 기반으로 유저의 성별과 연령대에 맞는 상품을 매장 내에서 추천할 수 있는 시스템을 제공하는 것을 주요 목적으로 한다.
또한, 상품의 개수와 주문대기 중인 인원수를 파악하여 유저의 주문 시간을 탄력적으로 조절하는 수단을 제공하는 것이다.
더불어, 유저와 동일한 연령대 및 성별을 가진 주문자의 빅데이터 분석을 통해 상술한 주문 시간을 효율적으로 보정할 수 있는 수단을 제공하는 것이다.
상기 목적을 달성하기 위하여, 본 발명에 따른 빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템은, 복수의 주문자가 주문한 상품을 기록한 기주문 정보를 수집하는 수집 모듈과, 상기 기주문 정보를 주문자의 성별 및 연령대에 따라 분류하여 성향 정보를 생성하는 분석 모듈을 포함한 빅데이터 분석 인터페이스; 디스플레이를 통해 상품 리스트를 유저에게 출력하는 상품 리스트 제공 모듈과, 카메라를 통해 상기 유저의 성별 및 연령대를 파악하는 유저 파악 모듈 및, 파악된 상기 유저의 성별 및 연령대에 기반한 상기 성향 정보에서 주문이 많은 순서로 추출된 복수 개의 추천 상품을 상기 디스플레이 일 측에 출력하는 상품 추천 모듈과, 상기 유저가 주문한 상품을 주문 처리하는 주문 모듈을 포함한 상품 주문 인터페이스를 포함한 것을 특징으로 한다.
또한, 상기 상품 주문 인터페이스는, 상기 상품 리스트의 상품 개수를 카운팅하여 상품 개수에 따라 구분한 레벨 수치로 표시된 카운팅 정보를 생성하는 카운팅 모듈; 상기 카운팅 정보를 기반으로 주문 시간을 차등 설정하는 주문 시간 설정 모듈; 상기 주문 시간 이내에 상기 유저가 상품을 주문하지 않을 시에 점주를 통해 상품 안내를 받도록 점주를 호출하는 주문 제어 권한 변경 모듈;을 포함하는 것을 특징으로 한다.
더불어, 상기 유저 파악 모듈은, 상기 카메라를 통해 주문 대기 인원수를 파악하고, 상기 주문 시간 설정 모듈은, 상기 카운팅 정보와 상기 주문 대기 인원수를 기반으로 주문 시간을 차등 설정하는 것을 특징으로 한다.
본 발명에 따른 빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템에 의하면,
1) 유저의 성향을 빅데이터로 수집하여 분석한 다음 이를 기반으로 유저의 성별과 연령대에 맞는 상품을 인공지능 알고리즘을 기반으로 매장 내에서 추천할 수 있어 유저가 상품을 선택할 때 편의성을 제공할 수 있고,
2) 어느 하나의 유저가 상품 주문을 오래 하여 대기 중인 다른 유저에게 피해를 주는 것을 방지할 수 있도록 주문 제어 권한을 변경할 수 있으며,
3) 유저와 동일한 연령대 및 성별을 가진 주문자의 빅데이터 분석을 통해 상술한 주문 시간을 효율적으로 보정하여 유저에게 주어진 주문 시간을 더욱 탄력적으로 설정할 수 있는 효과를 가진다.
도 1은 본 발명의 시스템의 기본 구성을 도시한 블록도.
도 2는 본 발명의 인터페이스의 부속 구성을 도시한 블록도.
도 3은 상품 주문 인터페이스가 키오스크로 구현된 실시예를 도시한 개념도.
도 4는 상품 주문 인터페이스에서 주문 제어 권한을 변경하는 실시예를 도시한 순서도.
도 5는 상품 주문 인터페이스의 카메라에서 주문 대기 인원수를 파악하는 실시예를 도시한 개념도.
도 2는 본 발명의 인터페이스의 부속 구성을 도시한 블록도.
도 3은 상품 주문 인터페이스가 키오스크로 구현된 실시예를 도시한 개념도.
도 4는 상품 주문 인터페이스에서 주문 제어 권한을 변경하는 실시예를 도시한 순서도.
도 5는 상품 주문 인터페이스의 카메라에서 주문 대기 인원수를 파악하는 실시예를 도시한 개념도.
이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명하도록 한다. 첨부된 도면은 축척에 의하여 도시되지 않았으며, 각 도면의 동일한 참조 번호는 동일한 구성 요소를 지칭한다.
도 1은 본 발명의 시스템의 기본 구성을 도시한 블록도이고, 도 2는 본 발명의 인터페이스의 부속 구성을 도시한 블록도이다.
도 1을 보아 알 수 있듯이, 본 발명의 시스템은 다량의 기존 상품 주문 정보를 분석하는 빅데이터 분석 인터페이스(100)와, 매장에 배치되어 유저에게 상품 리스트를 제공하면서 주문을 받되 유저의 특성을 파악하여 해당 유저에게 상술한 빅데이터 분석 인터페이스(100)에서 분석한 결과에 따라 상품을 추천하는 기능을 포함하는 상품 주문 인터페이스(200)를 포함하는 것을 기본으로 한다.
우선, 본 발명에서 '인터페이스'라 함은 서버(복수의 서버로 이루어진 서버 그룹 포함) 또는 PC 및 네트워크 통신망 등을 함께 포함할 수 있는 개념을 의미하는 것으로, 중앙처리장치(CPU) 및 메모리와 하드디스크와 같은 저장수단을 구비한 하드웨어 기반에서 중앙처리장치에서 수행될 수 있는 프로그램, 즉 소프트웨어가 설치되어 이 소프트웨어를 실행할 수 있는 하드웨어와 소프트웨어의 조합체를 의미한다.
특히, 이러한 소프트웨어에 대한 일련의 구체적 구성을 '모듈' 및 '부', '파트' 등의 구성단위로써 후술할 예정이다.
이러한 '모듈' 또는 '부' 또는 '인터페이스' 또는 '파트' 등 의 구성은 컨트롤러의 저장수단에 설치 및 저장된 상태에서 CPU 및 메모리를 매개로 실행되는 소프트웨어 또는 FPGA 내지 ASIC과 같은 하드웨어의 일 구성을 의미한다.
이때, '모듈' 또는 '부', '인터페이스'라는 구성은 하드웨어에 한정되는 의미는 아니고, 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
일 예로서 '모듈' 또는 '부' 또는 '인터페이스'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다.
이러한 '모듈' 또는 '부' 또는 '인터페이스'에서 제공되는 기능은 더 작은 수의 구성요소들 및 '부' 또는'모듈'들로 결합되거나 추가적인 구성요소들과 '부' 또는 '모듈'들로 더 분리될 수 있다.
더불어, 인터페이스는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다.
더불어, 후술하겠지만 매장이라는 특정 장소에 적용되는 만큼, 상술한 하드웨어와 소프트웨어를 포함한 키오스크(210), POS 단말(201)와 같은 장치로 구현될 수 있음은 물론이다.
또한, 본 발명의 인터페이스는 반드시 하나의 장치(서버, 키오스크(210) 등)로만 구성되는 것이 아니라 복수 개의 장치로 이루어진 장치 그룹일 수도 있는바, 이에 대해서 도 2에서 예시하고 있다.
도 2를 참조하면, 빅데이터 분석 인터페이스(100)는 DB 서버(101), 분석 서버(102)를 포함할 수 있는데, 여기서 DB 서버(101)는 빅데이터(기주문 정보)를 수집하여 저장하는 기능을 제공하는 것으로서 수집 모듈(110)의 기능을 수행하고, 분석 서버(102)는 분석 서버(102)의 기능을 수행한다.
또한, 상품 주문 인터페이스(200)는 카메라(212)와 디스플레이(211)를 포함할 수 있는데, 이때 카메라(212)는 반드시 1개로만 이루어지는 것이 아니라 유저의 안면 영역을 파악하는 제 1 카메라, 대기인원을 파악하는 제 2 카메라로 구성될 수 있다. 더불어, 상품 주문 인터페이스(200)는 매장의 카운터에 배치된 POS 단말(201)과 연결되어 상품에 대한 주문 정보 또는 결제 정보를 POS 단말(201)에 전송할 수 있고, 아니면 상품 주문 인터페이스(200) 자체에서 이러한 POS 단말(201) 기능을 겸비할 수 있다.
이하, 각각의 인터페이스에 대한 세부 구성 및 기능을 설명하도록 한다.
우선 본 발명에서 '매장'이라 함은 상품을 판매하는 상품 판매 공간을 의미하는 것으로서, 특히 유저의 주문으로 상품이 준비되는 특성상 매장은 음식이나 음료를 판매하는 업장이라고 이해할 수 있다. 이에 따라, 매장에서 판매하는 '상품'은 커피, 주스, 차와 같은 음료이거나 아니면 분식, 아이스크림, 햄버거 등과 같은 음식일 수 있다.
기본적으로, 본 발명의 빅데이터 분석 인터페이스(100)는 수집 모듈(110)과 분석 모듈(120)을 포함한다.
구체적으로 수집 모듈(110)은 복수의 주문자가 주문한 상품을 기록한 기주문 정보를 수집하는 기능을 수행한다.
이때, 복수의 주문자는 현재 상품을 주문하는 유저가 아니라 과거에 상품을 주문했던 여러 유저를 의미하는 것으로서, 이러한 주문자가 주문한 상품을 기록 또는 저장한 데이터, 즉 정보를 본 발명에서는 '기주문 정보'라 명명한다.
기주문 정보는 소수의 주문자가 주문한 상품에 대한 정보가 아니라 다수의 주문자가 주문한 상품에 대한 정보로서 대규모 데이터를 포함하는바, 일명 빅데이터(Big Data)로 이해할 수 있다.
이러한 기주문 정보는 단일 매장에서 수개월 또는 수년간 다양한 연령과 성별을 가진 유저가 상품을 주문한 정보로 이루어지는 것은 물론, 복수 개의 매장, 즉 다수의 프랜차이즈 가맹점에서 역시 다양한 성별과 연령대를 가진 유저가 상품을 주문한 정보를 포함할 수 있다. 이러한 기주문 정보는 상품의 결제 시 각각의 매장에 설치된 POS 단말(201)을 통해 생성된다.
예를 들어, 프랜차이즈 가맹점의 POS 단말(201)에서 생성한 수많은 유저가 주문한 상품에 대한 주문 정보는 프랜차이즈 가맹점에서 저장한 다음 가맹 본부의 데이터베이스 서버로 전송할 수 있고, 이때의 가맹 본부의 데이터베이스 서버가 도 2에서의 DB 서버(101)라 할 수 있다.
즉, DB 서버(101)에서 기주문 정보를 수집하는 기능이 바로 본 발명의 수집 모듈(110)의 기능이라 할 수 있다.
여기서, 기주문 정보는 주문 시간, 주문 상품 금액, 주문자가 주문한 상품의 종류는 물론 주문자의 성별/연령과 같은 정보를 포함할 수 있는데, 주문자의 성별/연령을 파악하는 방법은 후술하도록 한다.
분석 모듈(102)은 기주문 정보를 주문자의 성별 및 연령에 따라 분류하여 성향 정보를 생성하는 기능을 제공한다.
즉, 기주문 정보는 유저의 성별이나 연령과 상관없이 주로 주문 상품별로 주문한 정보의 특성을 갖는데, 분석 모듈(102)에서 이를 다시 유저의 성별과 연령에 따라 재배열 및 소팅(sorting) 처리하여 성향 정보를 생성한다.
이때, 유저의 성별과 연령에 대한 파악은 프랜차이즈 가맹점에 배치된 카메라를 통하여 유저의 안면을 촬영한 다음 프랜차이즈 가맹점에 별도로 배치된 안면 분석용 서버 또는 기 배치된 POS 단말(201)에 수록된 안면 분석 프로그램에 의하여 실행될 수 있고, 이에 대한 구체적 기능은 후술할 유저 파악 모듈(230)에서 설명할 예정이다.
즉, 분석 모듈(120)은 후술할 유저 파악 모듈(230)의 안면 분석 기능을 포함한 상태에서 상품을 주문한 유저의 안면 분석을 실행하여 유저의 대략적인 연령대와 성별을 파악하는 기능을 제공한다.
본 발명의 성향 정보는 예를 들어 다음과 같은 정보를 포함할 수 있다.
유저 A : 10대 여자, 아이스아메리카노 1잔, 금액 4000원, 주문 시점 2023년 2월 25일 오후 4시 30분.
유저 B : 50대 남자. 카페라떼 2잔, 금액 9000원, 주문 시점 2023년 3월 1일 오전 11시.
즉, 상술한 정보가 유저의 연령대, 성별, 주문 상품, 상품 금액, 주문 시점을 포함하고 있으므로 이를 연령대별 분류, 성별 분류, 상품별 분류와 같은 분류 방식에 따라 다양한 정보로 소팅(sorting) 처리할 수 있고, 특히 본 발명의 성향 정보는 유저의 연령 및 성별을 기준으로 주문 상품의 종류를 분류한 정보라 할 수 있다.
이러한 세부 모듈을 포함한 빅데이터 분석 모듈(120)은 매장에서 과거에 기주문한 데이터를 토대로 성향 정보를 생성하여 상품 주문 인터페이스(200)에 전송함으로써 상품 주문 인터페이스(200)에서 유저에 특화한 상품을 추천할 수 있는 기반을 제공한다.
도 3은 상품 주문 인터페이스(200)가 키오스크(210)로 구현된 실시예를 도시한 개념도이다.
본 발명의 상품 주문 인터페이스(200)는 상품 리스트 제공 모듈(220), 유저 파악 모듈(230), 상품 추천 모듈(240), 주문 모듈(250)을 포함한다.
상품 주문 인터페이스(200)는 앞서 언급하였듯이 매장 내에 배치되어 상품을 주문하는 유저를 파악함과 아울러 유저가 주문하는 상품에 대한 주문을 처리하는 기능을 제공하는 것으로서, 상술한 하드웨어와 소프트웨어를 포함한 상태에서 다양한 형태를 가진 장치로 이루어질 수 있으나, 유저의 주문을 신속하게 능동적이자 인터렉티브 방식으로 처리하기 위하여 도 3에 도시된 키오스크(210)로 이루어지는 것이 바람직하다.
키오스크(kiosk)(210)는 터치스크린 방식의 디스플레이(211)가 장착된 무인 정보 단말기를 의미하는 것으로서, 본래 옥외에 설치된 대형 천막이나 현관을 뜻하는 튀르키예어(또는 페르시아어)에서 유래된 말로서 간이 판매대나 소형 매점을 의미하는 용어였다.
현재에는 정보 서비스와 업무의 무인 자동화를 위하여 대중들이 쉽게 이용할 수 있도록 공공장소에 설치한 무인 단말기를 가리킨다.
이러한 키오스크(210)는 멀티미디어스테이션(multimedia station) 또는 셀프서비스스테이션(self service station)이라고도 하며, 대개 터치스크린 방식을 적용하여 정보를 얻거나 구매·발권·등록 등의 업무를 처리한다.
키오스크(210)는 앞서 언급한 하드웨어가 설치된 멀티미디어 PC의 형태를 가진 상태에서, 터치스크린과 카드 판독기, 프린터, 네트워크, 스피커, 비디오카메라, 인터폰, 감지기 등의 다양한 입출력 주변기기가 장착되어 있으며, GUI를 이용하여 사용자 애플리케이션을 실행시킨다.
이러한 키오스크(210) 내부에서는 키오스크(210) 관리 및 기기 제어 소프트웨어 등이 실행되고 있으며 네트워크 상으로 각 기기의 동작 상태를 감시하고 이상 유무를 진단 및 복구하는 서버 시스템과 통신한다.
즉, 본 발명의 상품 주문 인터페이스(200)는 매장 내에 배치되어 디스플레이(211)를 통해 유저에게 상품을 안내함과 아울러 상품을 주문할 수 있는 무인 매장 시스템으로서의 기능을 제공한다.
본 발명에서 키오스크(210)가 점주(종업원 포함)을 대신할 수 있어 점주나 종업원이 없는 무인 매장에 적용될 수도 있으나, 후술하겠지만 주문 제어 권한을 점주에게 변경할 수 있는 기능을 겸비하므로 점주의 업무를 돕는 유인 매장에 적용될 수 있음은 물론이다.
이러한 키오스크(210)로 구현될 수 있는 상품 주문 인터페이스(200)는 상품 리스트 제공 모듈(220), 유저 파악 모듈(230), 상품 추천 모듈(240), 주문 모듈(250)을 포함한다.
상품 리스트 제공 모듈(220)은 디스플레이(211)를 통해 매장에서 판매하는 상품에 대한 메뉴, 즉 상품 리스트를 출력하는 기능을 제공한다.
예를 들어, 카페에서 상품 리스트는 커피, 쥬스, 콜드블루 등과 같이 음료를 대분류로 구분한 다음 커피는 아메리카노, 카페라테, 바닐라라테와 같이 소분류로 분류할 수 있고 이러한 상품 리스트는 대분류, 소분류 분류 방식으로 디스플레이에 출력이 가능하다.
물론 특정 카페에서 판매하는 상품의 종류가 5 내지 10개 수준이라면 특별히 특정 음료를 선택하는데 애로사항이 없으나 10개 이상일 경우 상당히 혼란스러운 경우가 많고 특히 당도 설정, 얼음량 설정과 같이 세부 옵션을 추가하면 더더욱 상품 선택이 어렵고 까다로워지는 경우가 많다.
더욱이, 나이가 많아 상품을 주문하는 데 어려움을 겪거나 일반 청년이라도 결정을 쉽게 내리지 못하는 일반 청년 역시 상품 선택 시간이 길어질 수 있는데, 후술하겠지만 본 발명은 이러한 문제를 해결하기 위한 수단을 포함한다.
유저 파악 모듈(230)은 상품 주문 인터페이스(200)에 장착되거나 연결된 카메라를 통해 유저의 성별 및 연령을 파악하는 기능을 제공한다.
카메라(212)를 통해 유저의 성별을 파악하는 기능은 카메라(212)에서 유저의 옷차림, 머리카락의 길이를 추출하여 성별을 파악하는 영상 분석 알고리즘을 통해 구현될 수 있고, 유저의 연령대를 파악하는 기능은 유저의 안면 영역을 분석하여 안면 영역의 주름(눈가주름, 팔자주름, 표정주름 등)을 분석하는 분석 알고리즘을 통해 구현될 수 있다.
더 나아가, 유저 파악 모듈(230)은 '안면인식 알고리즘'을 기반으로 상기 카메라(212)에서 촬영한 상기 유저의 안면 영역으로부터 상기 유저의 성별 및 연령을 파악하는 것이 바람직하다.
즉, 유저 파악 모듈(230)은 먼저 안면검출 알고리즘을 기반으로 구매자의 안면이 촬영된 촬영 이미지로부터 안면 영역을 검출한 다음, 안면검출 알고리즘을 통해 유저의 성별과 연령대를 파악하는 기능을 수행한다.
여기서 안면검출 알고리즘은 유저의 안면 영역이 수록된 촬영 이미지에서 구매자의 안면을 인식하고 해당 안면 위치 인식의 결과로 촬영 이미지 상에서 안면 영역을 특정하는 작업을 수행하는 인공지능 기반의 알고리즘이다.
구체적으로, 안면의 인식은 얼굴의 형태(head shape) 감지, 피부와 주변 경계 사이의 색상(color contrast) 구분, 주름의 여부와 정도, 얼굴의 입과 같은 부위가 동작할 때의 움직임(head movement/mouse speaking)의 감지를 통해 이루어질 수 있다.
다시 말해 안면 영역의 검출은 촬영 이미지에서 사람의 안면을 구별해내는 것으로, 촬영 이미지에서 포함된 유저의 안면을 촬영 이미지에 함께 촬영된 다른 오브젝트와 구별하기 위해서는 해당 안면 영역을 구성하는 픽셀의 개수가 최소 대략 25×25 pixel 이상인 것이 바람직하며, 더욱 바람직하게는 90×90 pixel 이상일 수 있어 안면검출 알고리즘 이후 안면인식 알고리즘이 수행될 수 있다.
그리고 안면 영역의 검출은 촬영 이미지에 포함된 안면 영역을 다른 오브젝트(Object)와 구별하고, 안면 이미지가 누구인지를 정확하게 특정할 수는 없으나, 최소한 사람의 얼굴 형태(눈 / 귀 위치 등)에 해당하는 영역이 어느 위치에 존재하는지 판단하여 외곽선을 그리는 작업(Boundering)이라 할 수 있다. 즉 대상의 분류와 위치정보만을 파악할 수 있는 과정이다.
나아가 이러한 안면 검출 알고리즘은 인공신경망으로 구성되어 인공지능 학습으로 구현될 수 있으며, 바람직하게 이러한 안면검출 알고리즘을 수행하는 인공신경망은 합성곱 신경망(Convolution Neural Network : CNN)일 수 있다.
여기서, 유저의 연령대는 정확한 유저의 나이를 파악하기보다는 상술한 인공지능 학습으로 분석한 안면 영역을 기준으로 10대, 20대, 30대, 40대, 50대...와 같이 약 10년 단위로 구분한 연령을 분석하는 것으로 이해할 수 있다.
이때 합성곱 신경망을 통한 학습 방법은 공지의 합성공 신경망의 합성곱 과정 및 이를 통한 이미지 인식을 참조하면 되므로 더욱 상세한 설명은 생략하도록 한다.
상품 추천 모듈(240)은 상술한 유저 파악 모듈(230)에 의해 파악된 유저의 성별 및 연령에 기반한 성향 정보에서 주문이 많은 순서로 추출된 복수 개의 추천 상품을 디스플레이(211) 일 측에 출력하는 기능을 제공한다.
예를 들어, 유저 파악 모듈(230)에서 파악된 유저가 50대 남성이면 성향 정보에서 50대 남성에 해당하는 주문자가 주문한 상품을 추출한 다음 주문 개수가 높은 상품에서 낮은 상품으로 우선순위를 부여하여 해당 우선순위에 따라 상품을 추천할 수 있다.
추천 상품은 디스플레이(211)의 일 측에 제공될 수 있는데, 예를 들어 기존 상품 리스트의 오른쪽 코너에 "추천!"이라는 아이콘을 생성하여 출력한 다음 유저가 이를 클릭하면 해당 추천 상품을 출력하거나 아니면 일 측 코너를 할애하여 해당 코너에서 추천 상품을 상품 리스트와 함께 출력하는 것이 가능하다.
더 나아가, 성향 정보를 분석할 때 주문 시간을 특정하여 예를 들어 최근 3개월 이내 주문한 데이터로 한정하거나, 봄, 여름과 같이 특정 계절에 주문한 데이터로 특정하는 알고리즘을 추가할 수도 있다.
즉, 상품 추천 모듈(240)은 파악된 유저의 성별 및 연령에 기반한 상기 성향 정보에서 주문 시간을 특정하여 해당 주문 시간에서 주문이 많은 순서로 추출된 복수 개의 추천 상품을 디스플레이(211) 일 측에 출력하는 기능을 포함하는 것이 가능하다.
이러한 상품 추천 모듈(240)은 상품 리스트로 제공된 상품의 개수가 많아 유저가 쉽게 상품을 선택하지 못할 때 자신과 같은 연령대와 성별을 가진 다른 유저의 선택을 참조하여 추천 상품을 제공함으로써, 유저가 상품 선택을 좀더 편리하게 수행할 수 있는 편의성을 증강하는 기능을 제공한다.
주문 모듈(250)은 유저가 주문한 상품을 주문 처리하는 기능을 제공하는 것으로서, 상품 결제는 물론 매장 카운터나 음식 조리대에 비치된 POS 단말(201)에 주문 완료/결제 완료 정보를 전송하여 점주 또는 종업원이 주문된 상품을 준비할 수 있도록 하는 기능을 제공한다.
정리하면, 본 발명의 시스템은 기존에 주문한 상품에 대해 연령대와 성별을 기준으로 유저의 주문 성향을 빅데이터 분석으로 파악한 다음, 유저의 안면 영역을 인공지능 신경망에 의해 분석하여 해당 유저의 연령대와 성별을 파악하여 동일한 연령대와 성별을 가진 기존 주문자가 많이 주문했던 상품을 추천함으로써 특히 상품 리스트의 상품 개수가 많아 쉽사리 특정 상품을 선택하지 못하는 환경에서 편리하고 신속하게 상품을 선택하여 주문할 수 있는 특성을 제공한다.
도 4는 상품 주문 인터페이스(200)에서 주문 제어 권한을 변경하는 실시예를 도시한 순서도이다.
본 발명의 시스템은 상술한 바와 같이 디스플레이(211)를 통해 상품 리스트를 출력하여 유저에게 제공하는 것 이외에 추천 상품까지 출력하여 유저가 상품을 선택하는 것을 도울 수 있는데, 추천 상품과 별개로 유저가 직접 자신이 상품을 산택하고자 할 때 상품 리스트의 개수가 너무 많으면 상품 선택에 상당한 혼동이 야기될 수 있다.
즉, 대분류 커피를 선택하여 소분류에서 세부 메뉴가 노출될 때 소분류에서 출력되는 커피라는 상품의 개수가 무려 15개나 되면 유저가 쉽사리 상품을 고르지 못하는 개연성이 따를 수 있다.
더욱이 대분류-소분류의 분류에 관계없이 상품 리스트가 예를 들어 15개 이상이면 하나의 페이지에 해당 15개의 상품을 모두 노출하지 못할 뿐 아니라 유저가 상품을 선택하는 시간 역시 길어질 수밖에 없고 특히 해당 매장을 자주 방문하지 않아 해당 매장의 상품에 익숙하지 않거나 일명 정보적 약자, 즉 연령대가 높은 유저, 도서지역 거주자, 장애인과 같이 비교적 정보에 접근하기 어려운 경우에는 상품 리스트에서 출력되는 상품의 개수가 조금만 많아져도 상품을 쉽게 주문하지 못하는 현상이 발생할 수 있다.
이러한 문제를 해결하기 위하여, 본 발명의 상품 주문 인터페이스(200)는 카운팅 모듈(260), 주문 시간 설정 모듈(270), 주문 제어 권한 변경 모듈(280)을 추가로 포함하는 것이 가능하다.
카운팅 모듈(260)은 상품 리스트의 상품 개수를 카운팅하여 상품 개수에 따라 구분한 레벨 수치로 표시된 카운팅 정보를 생성하는 기능을 제공한다.
여기서, 카운팅 정보는 단순히 상품 개수를 1,2,3개로 카운팅한 수치가 아니라 예를 들어 1~5개는 1 레벨, 6~10개는 2 레벨, 11~15개는 3 레벨과 같이 일정 개수의 상품 수를 묶어 상품 수가 많을수록 비례하여 수치가 증가하는 레벨 수치로 표현한 다음, 1 레벨은 1, 2 레벨은 2와 같이 표현한 수치라 할 수 있다.
또한, 카운팅 정보는 하나의 페이지 내에서 출력된 상품의 개수에 대한 수치이거나 아니면 대분류 또는 소분류 내의 상품 개수에 대한 수치일 수 있다.
주문 시간 설정 모듈(270)은 카운팅 정보를 기반으로 주문 시간을 차등 설정하는 기능을 제공하는 것으로서, 유저가 상품을 주문할 수 있는 시간을 카운팅 정보의 고저에 따라 차등 처리하여 설정한다는 의미이다.
일반적으로 상품의 개수가 많을수록 유저가 상품 주문에 대해서 고민할 시간이 길어지므로 주문 시간이 길어질 수 있는바, 다시 말해 주문 시간 설정 모듈(270)은 카운팅 정보의 고저에 비례하여 주문 시간을 설정하는 기능을 제공한다.
가령, 상술한 예에서 카운팅 정보가 2이면 주문 시간은 40초, 카운팅 정보가 3이면 주문 시간은 50초와 같이 카운팅 정보에 비례하여 주문 시간을 차등 설정할 수 있다.
주문 제어 권한 변경 모듈(280)은 주문 시간 이내에 유저가 상품을 주문하지 않을 시에 점주를 통해 상품 안내를 받도록 점주를 호출하는 기능을 제공한다.
본 발명에서 '주문 제어 권한'이라 함은 예를 들어 키오스크(210) 앞에서 상품을 주문할 때 상품을 주체적으로 주문할 수 있는 권한을 의미하는 것으로서, 키오스크(210)는 어느 한 유저만 사용하는 것이 아니라 매장을 방문한 여러 유저가 사용하는 것이기 때문에 주문을 할 수 있는 권한을 적절하게 조절할 필요가 있다.
특히 주문 제어 권한은 어느 한 유저가 너무 오래 주문하면서 다른 유저에게 피해를 주는 것을 줄이기 위해 주문 시간을 할당하여 제어하는 것이 바람직한바, 이를 위하여 주문 제어 권한 변경 모듈(280)은 주문 시간을 기준으로 주문 제어 권한을 변경할 수 있는 기반을 마련하도록 처리한 것이다.
즉, 주문 제어 권한 변경 모듈(280)은 주문 시간 설정 모듈(270)에서 설정한 주문 시간 이내에 유저가 상품을 주문하지 않았을 때 주문 권한을 유저가 아닌 점주(종업원 포함)에게 변경하는 기능을 제공하는 것으로서, 상품 리스트가 많아 유저가 주문에 어려움을 겪고 있는 것으로 인식하여 점주의 도움을 받아 상품 주문을 안내할 수 있는 역할을 수행한다.
가령, 주문 시간이 지난 경우 점주(종업원)은 '고객님, 상품 주문을 도와드리겠습니다. 어떤 메뉴를 선호하세요?'와 같이 유저에게 가이드를 하여 주문을 제어할 수 있는 권한을 부여받아 유저에게 상품을 안내할 수 있다.
이때, 주문 제어 권한 변경 모듈(280)은 상품 주문 인터페이스(200), 구체적으로 카메라(212)를 통하여 키오스크(210)의 특정 영역 앞에 서 있는 제 1 시점을 파악하고 디스플레이(211)의 터치에 따라 상품 주문을 완료한 제 2 시점을 파악하여 제 1,2 시점의 차이값을 산출하는 방식으로 주문 시간을 파악할 수 있다.
정리하면, 상술한 기능에 의하여 정보 약자나 결정 장애가 있는 유저가 상품 종류가 많을 때 주문을 제대로 수행하지 못하는 상황을 인식하여 점주의 도움을 받도록 함으로써 유저가 편리하게 주문을 수행할 수 있는 기반을 제공하는 것은 물론, 다른 유저가 주문을 위해 대기해야 하는 시간이 불필요하게 길어지는 문제를 해결할 수 있다.
추가적으로, 상술한 주문 시간은 상품의 개수, 즉 카운팅 정보에만 한정되는 것이 아니라 상품을 주문하기 위해 대기하는 유저의 인원수을 함께 반영하여 차등 설정되는 것이 가능하다.
이를 위하여, 유저 파악 모듈(230)은 카메라(212)를 통해 주문 대기 인원수를 파악하는 기능을 포함한다.
여기서, 카메라(212)는 상술한 카메라, 즉 유저의 연령대와 성별을 파악하는 카메라(212)와 같은 카메라(212)이거나 아니면 별도로 설치된 카메라(212)일 수 있다.
또한, 카메라(212)를 통해 주문 대기 인원수를 파악하기 위한 알고리즘은 사람의 형상을 파악할 수 있는 형상 영역을 설정하고 이 형상 영역에 해당하는 개체(오브젝트)의 개수가 얼마인지를 파악하는 방식으로 구현될 수 있고, 이러한 알고리즘은 공지의 영상 분석 알고리즘을 따르므로 구체적인 설명은 생략한다.
이에 대응하여, 주문 시간 설정 모듈(270)은 카운팅 정보와 주문 대기 인원수를 기반으로 주문 시간을 차등 설정하는 것이 가능하다.
앞서 설명한 예와 같이, 카운팅 정보가 2이면 주문 시간은 40초일 때 주문 대기 인원수가 2명이면 이 주문 시간을 유지하고 주문 대기 인원수가 5명이면 주문 시간을 이보다 단축하여 35초로 설정할 수 있다.
이때 주문 대기 인원수 역시 1~3명은 1 레벨, 4~6명은 2 레벨, 7~10명은 3 레벨과 같이 일정 인원수를 묶어 레벨 처리한 수치로 표현되는 것도 가능하다.
이러한 기능을 통하여, 주문 시간을 상품 수에만 획일적으로 고정한 것이 아니라 주문을 위해 대기하는 유저의 인원수에 따라 탄력적으로 변경할 수 있어 매장 내 복잡한 상황에서 신속하게 주문 처리할 수 있는 기반을 갖출 수 있다.
더 나아가, 주문 시간은 앞서 설명한 실시예에서 기준이 되었던 유저의 성별과 연령대를 종합하여 차등 설정되는 것이 더욱 바람직한데, 성별을 기준으로 연령대가 높을수록 정보 약자에 해당하는 경우가 많아 다른 연령대에 비하여 주문에 애로사항을 겪는 문제를 더욱 효율적으로 해결하기 위함이다.
이를 위하여 구체적으로, 빅데이터 분석 인터페이스(100)의 분석 모듈(120)은 상품 리스트의 상품 개수 및 상기 유저의 성별 및 연령대 별로 상품을 주문한 주문 시간을 파악하는 기능을 제공한다.
이때, 분석 모듈(120)은 상술한 카운팅 정보의 기능을 겸비하여 상품 리스트의 개수를 파악하는 것은 물론 주문 제어 권한 변경 모듈(280)의 기능과 같이 카메라(212)와 디스플레이(211)의 터치 기능을 기반으로 주문자의 주문 시간과, POS 단말(201)에서 파악된 상품 결제 시점인 주문 시점을 파악할 수 있는 기능을 제공할 수 있음은 물론이다.
이러한 분석 모듈(120)에 의하여 상술한 예에서,
유저 A : 10대 여자, 아이스아메리카노 1잔, 금액 4000원, 주문 시간 2023년 2월 25일 오후 4시 30분, 상품 개수 7개, 주문 시간 25초.
유저 B : 50대 남자. 카페라떼 2잔, 금액 9000원, 주문 시간 2023년 3월 1일 오전 11시, 상품 개수 5개, 주문 시간 41초.
와 같이 성향 정보에 상품 개수 및 주문 시간에 대한 정보를 추가할 수 있다. 이때, 주문 시점은 POS 단말(201)을 통하여 이미 파악된 정보이고, 상술한 예에서도 언급한 바가 있다.
이에 대응하여, 주문 시간 설정 모듈(230)은 평균 주문 시간 파악부(233), 최근 평균 주문 시간 파악부(234), 보정 시간 산출부(236) 및 보정 주문 시간 설정부를 포함할 수 있다.
평균 주문 시간 파악부(233)는 상술한 성향 정보에서 상기 유저와 동일한 성별 및 연령대를 가진 주문자가 상품 리스트의 상품 개수와 동일한 상황에서 상품을 주문한 주문 시간에 대한 평균 주문 시간을 파악하는 기능을 제공한다.
즉, 앞서 설명한 바와 같이 성향 정보에 상품 리스트의 상품 개수와 주문 시간이라는 정보가 추가되었으므로 이를 기준으로 재분류를 하면 현재 주문을 수행하는 유저와 동일한 연령대와 성별은 물론 동일한 상품 개수가 제공된 상황에서 주문을 수행한 주문 시간에 대한 정보를 다수 얻을 수 있고, 이러한 다수의 주문 시간을 평균(산술평균) 처리하여 일명 '평균 주문 시간'을 파악하는 것이 가능하다.
가령, 50대 연령대의 남성 유저가 90,000명으로 파악되고 이 중에서 상품 개수가 5명일 때의 남성 유저 인원은 60,000명인데 이때의 평균 주문 시간이 40초라 하면, 상품 개수가 5개의 상황에서 50대의 유저에 대한 평균 주문 시간은 바로 40초가 된다.
이러한 평균 주문 시간 파악부(271)는 유저와 상술한 카운팅 정보 및 대기 인원수 뿐 아니라 동일한 연령대와 동일한 상품 개수를 추가로 반영하여 추출한 주문자에 대한 평균 주문 시간을 파악함으로써 유저와 비슷한 상황에 있는 모집단의 평균값을 해당 유저의 주문 시간에 반영할 수 있는 기반을 제공한다.
최근 평균 주문 시간 파악부(271)는 상술한 주문자의 주문 시간 중에서 상기 유저의 주문 시점으로부터 1개월 이내의 주문 시점에서의 평균 주문 시간을 파악한 최근 평균 주문 시간을 생성하는 기능을 제공한다.
여기서, '주문자의 주문 시간'이라 함은 상품 개수가 동일한 상황에서의 주문자에 대한 주문 시간을 의미하는 것으로, 상술한 예에서는 상품 개수가 5개일 때 50대 연령대의 주문자가 바로 주문자가 되고 주문 시간은 이들의 주문 시간을 의미한다.
더불어 유저의 주문 시점은 현재 주문을 하는 유저를 기준으로 한 주문 시점을 의미하고 현재가 2023년 3월 22일이면 이 시점이 현재 시점이라 할 수 있다.
위의 예에서, 최근 평균 시간 파악부(271)는 현재 시점에서 1개월 이전까지의 주문 시점 즉 2023년 2월 22일부터 2023년 3월 22일까지의 주문 시점에서 상품 개수가 5개인 상황에서 50대의 연령대를 가진 주문자가 5,000명이면 바로 이 5,000명의 주문자가 주문한 평균 시간을 '최근 평균 주문 시간'으로 생성하는 것이다.
상기 예를 기반으로 할 때, 2023년 2월 22일부터 2023년 3월 22일까지의 주문 시점에서의 5,000명의 주문 시간의 평균이 45초이면 최근 평균 주문 시간이 바로 이 45초가 되는 것이다.
이러한 최근 평균 주문 시간 파악부(271)는 현재 시점과 비슷한 시점에서의 동일한 상품 개수와 연령대와 성별을 기준으로 파악한 주문 시간을 반영하기 위한 것으로서, 상술한 평균 주문 시간은 특정 시점으로 제한되지 않은 무수한 주문자를 기반으로 하므로 예를 들어 2월에서 3월로 넘어가면서 계절이 겨울에서 봄으로 바뀌면서 새로운 메뉴가 출시되어 상품 개수는 같아도 신메뉴 출시로 주문하는데 좀 더 시간이 걸리는 등의 계절 연관 상황을 반영하는 특성을 제공한다.
보정 시간 산출부(273)는 평균 주문 시간과 최근 평균 주문 시간을 기반으로 보정 시간을 산출하는 기능을 수행한다.
여기서, 평균 주문 시간과 최근 보정 주문 시간을 기반으로 하는 알고리즘은 이들의 산술평균값을 산출하는 방식을 적용할 수 있다.
다만, 상술한 보정 시간은 다음의 수학식 1을 통해 산출되는 것이 더욱 바람직하다.
수학식 1, 
(여기서, R는 보정 시간, r은 보정 가중치, x는 평균 주문 시간, y는 최근 평균 주문 시간)
여기서 보정 가중치는 실험을 통해 산술적으로 설정될 수 있는 값으로서 보정의 중요도에 따라 설정될 수 있으며, 바람직하게는 0.5 초과 2.5 이하의 값을 갖는 것을 기본으로 한다.
예를 들어 보정 가중치가 1이고, 평균 주문 시간이 40초, 최근 평균 주문 시간이 50초인 경우,
으로 산출될 수 있다.
이러한 보정 시간은 최근 평균 주문 시간을 평균 주문 시간으로 빼서 비교 처리를 수행함에 더불어, 이때 보정 시간의 분포가 비선형적 분포로서 그 분포가 일정치 않다는 것을 감안하여 쌍곡선함수인 하이퍼볼릭 싸인 함수의 역함수를 반영하여 산출한 것이다. 나아가 이러한 비교값에 보정 가중치를 더 반영하여, 오차 보정 간격의 중요도 역시 조절할 수 있도록 한 특성이 있다.
이는 최근 평균 주문 시간을 평균 주문 시간으로 단순한 방식으로 빼면, 보정 시간의 폭이 크거나 계절 신메뉴 출시로 상품을 이해하는데 지연 시간이 꽤 걸려 최근 주문 시간이 과하게 큰 경우, 혹은 최근 주문 시간이 특정 이유로 과하게 작은 경우에서 보정 시간이 과하게 커질 우려가 있어 후속적으로 산출되는 보정 주문 시간 역시 과하게 커지는 것을 방지하는 기능을 수행한다.
따라서 최근 주문 시간이 과하게 작아지거나 커짐에 따라 보정 시간이 비정상적으로 커지거나 작아지도록 특정 범위 내에 비선형적으로 수렴시키되 공지의 로그 함수와 달리 특정 범위 내에 수렴되는 폭을 상대적으로 넓게 가져갈 수 있는 특성을 제공한다.
보정 주문 시간 설정부(274)는 카운팅 정보와 상기 주문 대기 인원수를 기반으로 설정된 주문 시간에 상기 보정 시간을 반영하여 최종적인 보정 시간을 설정하는 기능을 제공한다.
즉, 이러한 보정 주문 시간으로써 앞서 설명하였던 주문 시간이 갱신되어 해당 유저의 실제 주문 시간으로 설정되는 것이다.
상술한 예에서, 카운팅 정보와 상기 주문 대기 인원수를 기반으로 설정된 주문 시간이 42초이고 보정 시간이 2.998(3초라고 가정)이면 이러한 보정 시간을 주문 시간에 더하여 45초, 빼서 39초로 최종적인 보정 주문 시간을 산출할 수 있다.
더욱 바람직하게는, 보정 주문 시간은 다음의 수학식 2를 통해 산출될 수 있다.
수학식 2, 
(여기서, S는 보정 주문 시간, D는 주문 시간, R는 보정 시간, x는 평균 주문 시간, r은 보정 가중치)
예를 들어, 주문 시간이 42초, 보정 시간이 3초, 평균 주문 시간이 42초, 오차 보정 간격이 1.266이고, 보정 가중치가 1인 경우,
즉, 수학식 2는 주문 시간에 보정 시간을 더하는 방식으로 주문 시간을 약간 추가해주되 추가해주는 값이 너무 크지 않도록 일정 범위로 비선형적으로 수렴할 수 있는 하이퍼볼릭 싸인함수의 역함수를 취함과 동시에, 최근 평균 주문 시간이 아니라 평균 주문 시간을 하이퍼볼릭 싸인함수의 역함수의 분모로 설정함으로써 평균값을 다시 한번 반영하는 특성을 제공한다.
이러한 보정 주문 시간은 유저와 동일한 연령대 및 성별과 동일 상품 개수를 가진 주문자가 주문한 평균 주문 시간, 평균 주문 시간, 대기 인원수를 종합적으로 반영함과 아울러 비선형적으로 로그함수 등에 비해 특정 범위로 수렴되는 폭의 자유도를 반영하는 최선의 알고리즘에 의한 산출 방식으로 설정됨으로써, 유저가 너무 시간에 쫓기지 않으면서도 대기인원이 불필요하게 오래 기다리지 않을 수 있는 잇점을 제공한다.
지금까지 설명한 바와 같이, 본 발명에 따른 성형용 실과 피부 개선용 약물을 동시에 주입할 수 있는 의료기기의 구성 및 작용을 상기 설명 및 도면에 표현하였지만 이는 예를 들어 설명한 것에 불과하여 본 발명의 사상이 상기 설명 및 도면에 한정되지 않으며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 변화 및 변경이 가능함은 물론이다.
100: 빅데이터 분석 인터페이스 101: DB 서버
102: 분석 서버 110: 수집 모듈
120: 분석 모듈 200: 상품 주문 인터페이스
201: POS 단말 210: 키오스크
211: 디스플레이 212: 카메라
220: 상품 리스트 제공 모듈 230: 유저 파악 모듈
240: 상품 추천 모듈 250: 주문 모듈
260: 카운팅 모듈 270: 주문 시간 설정 모듈
271: 평균 주문 시간 파악부 272: 최근 평균 주문 시간 파악부
273: 보정 시간 산출부 274: 보정 주문 시간 설정부
280: 주문 제어 권한 변경 모듈
102: 분석 서버 110: 수집 모듈
120: 분석 모듈 200: 상품 주문 인터페이스
201: POS 단말 210: 키오스크
211: 디스플레이 212: 카메라
220: 상품 리스트 제공 모듈 230: 유저 파악 모듈
240: 상품 추천 모듈 250: 주문 모듈
260: 카운팅 모듈 270: 주문 시간 설정 모듈
271: 평균 주문 시간 파악부 272: 최근 평균 주문 시간 파악부
273: 보정 시간 산출부 274: 보정 주문 시간 설정부
280: 주문 제어 권한 변경 모듈
Claims (8)
- 빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템으로서,
복수의 주문자가 주문한 상품을 기록한 기주문 정보를 수집하는 수집 모듈과, 상기 기주문 정보를 주문자의 성별 및 연령대에 따라 분류하여 성향 정보를 생성하는 분석 모듈을 포함한 빅데이터 분석 인터페이스;
디스플레이를 통해 상품 리스트를 유저에게 출력하는 상품 리스트 제공 모듈과, 카메라를 통해 상기 유저의 성별 및 연령대와 주문 대기 인원수를 파악하는 유저 파악 모듈 및, 파악된 상기 유저의 성별 및 연령대에 기반한 상기 성향 정보에서 주문이 많은 순서로 추출된 복수 개의 추천 상품을 상기 디스플레이 일 측에 출력하는 상품 추천 모듈과, 상기 유저가 주문한 상품을 주문 처리하는 주문 모듈을 포함한 상품 주문 인터페이스를 포함하고,
상기 상품 주문 인터페이스는,
상기 상품 리스트의 상품 개수를 카운팅하여 상품 개수에 따라 구분한 레벨 수치로 표시된 카운팅 정보를 생성하는 카운팅 모듈;
상기 카운팅 정보와 상기 주문 대기 인원수를 기반으로 주문 시간을 차등 설정하는 주문 시간 설정 모듈;
상기 주문 시간 이내에 상기 유저가 상품을 주문하지 않을 시에 점주를 통해 상품 안내를 받도록 점주를 호출하는 주문 제어 권한 변경 모듈;을 포함하고,
상기 분석 모듈은,
상기 상품 리스트의 상품 개수 및 상기 주문자의 성별 및 연령대별로 상품을 주문한 주문 시간과 주문 시점을 파악하고,
상기 주문 시간 설정 모듈은,
상기 성향 정보에서 상기 유저와 동일한 성별 및 연령대를 가진 주문자가 상기 상품 리스트의 상품 개수와 동일한 상황에서의 상품을 주문한 복수의 주문 시간에 대한 평균 주문 시간을 파악하는 평균 주문 시간 파악부와, 상기 주문자의 주문 시간 중에서 상기 유저의 주문 시점으로부터 1개월 이전까지의 주문 시점에서의 평균 주문 시간을 파악한 최근 평균 시간을 생성하는 최근 평균 주문 시간 파악부 및, 상기 평균 주문 시간과 상기 최근 평균 주문 시간을 기반으로 보정 시간을 산출하는 보정 시간 산출부 및, 상기 카운팅 정보와 상기 주문 대기 인원수를 기반으로 설정된 주문 시간에 상기 보정 시간을 반영하여 보정 주문 시간을 설정하는 보정 주문 시간 설정부를 포함하며,
상기 보정 시간은,
다음의 수학식 1을 통해 산출되는 것을 특징으로 하는, 상품 판매 가이드 시스템.
수학식 1,
(여기서, R는 보정 시간, r은 보정 가중치, x는 평균 주문 시간, y는 최근 평균 주문 시간) - 제 1항에 있어서,
상기 유저 파악 모듈은,
안면인식 알고리즘을 기반으로 상기 카메라에서 촬영한 상기 유저의 안면 영역으로부터 상기 유저의 성별 및 연령대를 파악하는 것을 특징으로 하는, 상품 판매 가이드 시스템. - 제 1항에 있어서,
상기 상품 추천 모듈은,
파악된 상기 유저의 성별 및 연령대에 기반한 상기 성향 정보에서 주문 시간을 특정하여 해당 주문 시간에서 주문이 많은 순서로 추출된 복수 개의 추천 상품을 상기 디스플레이 일 측에 출력하는 것을 특징으로 하는, 상품 판매 가이드 시스템. - 삭제
- 제 1항에 있어서,
상기 보정 주문 시간은,
다음의 수학식 2를 통해 산출되는 것을 특징으로 하는, 상품 판매 가이드 시스템.
수학식 2,
(여기서, S는 보정 주문 시간, D는 주문 시간, R는 보정 시간, x는 평균 주문 시간, r은 보정 가중치) - 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230038059A KR102632995B1 (ko) | 2023-03-23 | 2023-03-23 | 빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230038059A KR102632995B1 (ko) | 2023-03-23 | 2023-03-23 | 빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102632995B1 true KR102632995B1 (ko) | 2024-02-02 |
Family
ID=89900220
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230038059A KR102632995B1 (ko) | 2023-03-23 | 2023-03-23 | 빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102632995B1 (ko) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101718747B1 (ko) * | 2016-09-28 | 2017-03-23 | 주식회사 옵티로 | 실시간 오픈마켓 재고관리서버 및 그 재고관리방법 |
| KR20170082299A (ko) * | 2016-01-06 | 2017-07-14 | 방승온 | 지능형 영상분석 기술 기반 통합 매장관리시스템에서의 객체 추적방법 |
| KR20200128927A (ko) * | 2019-05-07 | 2020-11-17 | 주식회사 엘토브 | O2O(On-line to Off-line) 기반 고객 맞춤 정보를 제안하기 위한 시스템 및 방법 |
| KR102202264B1 (ko) | 2018-08-24 | 2021-01-13 | 이종명 | 가상화폐결제 상품권 판매 키오스크 및 가상화폐결제를 이용한 상품권 판매 서비스 제공 방법 |
| KR102333757B1 (ko) * | 2021-01-21 | 2021-12-01 | 주식회사 티지 | 인공지능 기반 맞춤 서비스 제공 시스템 |
| KR20220027607A (ko) * | 2020-08-27 | 2022-03-08 | 한국과학기술원 | 시니어들을 위한 키오스크 장치 및 그의 제어 방법 |
| KR102483828B1 (ko) * | 2021-11-01 | 2023-01-03 | 주식회사 네이처모빌리티 | 상품 자동 판매 방법 및 이를 수행하는 서버 |
-
2023
- 2023-03-23 KR KR1020230038059A patent/KR102632995B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170082299A (ko) * | 2016-01-06 | 2017-07-14 | 방승온 | 지능형 영상분석 기술 기반 통합 매장관리시스템에서의 객체 추적방법 |
| KR101718747B1 (ko) * | 2016-09-28 | 2017-03-23 | 주식회사 옵티로 | 실시간 오픈마켓 재고관리서버 및 그 재고관리방법 |
| KR102202264B1 (ko) | 2018-08-24 | 2021-01-13 | 이종명 | 가상화폐결제 상품권 판매 키오스크 및 가상화폐결제를 이용한 상품권 판매 서비스 제공 방법 |
| KR20200128927A (ko) * | 2019-05-07 | 2020-11-17 | 주식회사 엘토브 | O2O(On-line to Off-line) 기반 고객 맞춤 정보를 제안하기 위한 시스템 및 방법 |
| KR20220027607A (ko) * | 2020-08-27 | 2022-03-08 | 한국과학기술원 | 시니어들을 위한 키오스크 장치 및 그의 제어 방법 |
| KR102333757B1 (ko) * | 2021-01-21 | 2021-12-01 | 주식회사 티지 | 인공지능 기반 맞춤 서비스 제공 시스템 |
| KR102483828B1 (ko) * | 2021-11-01 | 2023-01-03 | 주식회사 네이처모빌리티 | 상품 자동 판매 방법 및 이를 수행하는 서버 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11749072B2 (en) | Varied detail levels of shopping data for frictionless shoppers | |
| JP7159331B2 (ja) | 給食管理システム及びその運営方法 | |
| CA2784321C (en) | Systems and methods for purchasing products from a retail establishment using a mobile device | |
| US20190172041A1 (en) | Methods and apparatus for providing an easy return, exchange and purchasing experience in a retail store environment | |
| CN114548882A (zh) | 一种适用于智能库存管理的信息管理***及方法 | |
| AU2019314201B2 (en) | Populating catalog data with item properties based on segmentation and classification models | |
| US20140316915A1 (en) | Visually adaptive process improvement system for order taking | |
| US20110173081A1 (en) | Systems and methods using point-of-sale customer identification | |
| EP4075399A1 (en) | Information processing system | |
| JP7384516B2 (ja) | 情報処理装置、商品推薦方法、プログラム、及びシステム | |
| US11531958B2 (en) | Frictionless re-ordering and re-stocking | |
| SE536803C2 (sv) | Förfarande för att köpa eller begära ut en produkt med hjälpav en bärbar kommunikationsenhet | |
| CN113887884A (zh) | 商超服务*** | |
| WO2024010912A1 (en) | Verification vending machine | |
| US20210287226A1 (en) | System and method for managing intangible shopping transactions in physical retail stores | |
| KR102632995B1 (ko) | 빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템 | |
| KR102174710B1 (ko) | 주문 자동 관리 장치 및 방법 | |
| RU2809136C2 (ru) | Система определения стоимости весового товара | |
| US11727470B2 (en) | Optical scanning for weights and measures | |
| US11842543B1 (en) | Camera system for providing an in-store experience to a remote user | |
| US20230316350A1 (en) | Optical scanning using receipt imagery for automated tax reconciliation | |
| US20240005750A1 (en) | Event-triggered capture of item image data and generation and storage of enhanced item identification data | |
| US20240104569A1 (en) | Enhanced security mechanisms for bypass checkout systems | |
| US20220270061A1 (en) | System and method for indicating payment method availability on a smart shopping bin | |
| KR20230144422A (ko) | 키오스크 사용자 인터페이스 최적화 시스템 및 방법, 그 최적화 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |