KR20220163089A - 제품 공동구매 연계 시스템 및 방법 - Google Patents

제품 공동구매 연계 시스템 및 방법 Download PDF

Info

Publication number
KR20220163089A
KR20220163089A KR1020210071584A KR20210071584A KR20220163089A KR 20220163089 A KR20220163089 A KR 20220163089A KR 1020210071584 A KR1020210071584 A KR 1020210071584A KR 20210071584 A KR20210071584 A KR 20210071584A KR 20220163089 A KR20220163089 A KR 20220163089A
Authority
KR
South Korea
Prior art keywords
product
purchase
marketing
information
group
Prior art date
Application number
KR1020210071584A
Other languages
English (en)
Other versions
KR102576123B1 (ko
Inventor
정용은
김영민
김동원
김겨울
박영호
안채윤
박지웅
문지혜
조민제
지승호
Original Assignee
주식회사 스토어링크
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 스토어링크 filed Critical 주식회사 스토어링크
Priority to KR1020210071584A priority Critical patent/KR102576123B1/ko
Publication of KR20220163089A publication Critical patent/KR20220163089A/ko
Application granted granted Critical
Publication of KR102576123B1 publication Critical patent/KR102576123B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0605—Supply or demand aggregation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0211—Determining the effectiveness of discounts or incentives
    • 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
    • G06Q30/0241—Advertisements

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

제품 공동구매 연계 시스템 및 방법이 제공된다. 본 발명의 실시예에 제품 공동구매 연계 시스템은, 사용자 단말기 및 쇼핑몰 서버와 연결되고, 사용자 단말기로부터 마케팅 요청 정보를 전달 받아 제품의 마케팅 연계를 제공하는 제품 공동구매 연계 시스템에 있어서, 상기 마케팅 요청 정보 및 필요 지표를 외부 정보로 획득하도록 형성되는 외부 정보 획득부; 상기 외부 정보를 이용하여 요구되는 마케팅 목표 지수를 생성하고, 마케팅 종류를 선정하는 마케팅 정보 전처리부; 및 공동 구매를 위해 제품 재고 정보를 획득하고, 공동 구매 대표자를 선정하여 상기 공동 구매를 수행하도록 연계하는 공동 구매 연계부;를 포함하며, 상기 필요 지표는 상기 쇼핑몰 서버로부터 획득한 쇼핑몰 정보 및 공개 지표를 이용하여 생성되는 제품 노출 알고리즘을 이용하여 획득한다.

Description

제품 공동구매 연계 시스템 및 방법{Product marketing linkage system and method}
본 발명은 제품 공동구매 연계 시스템 및 방법에 관한 것으로, 특히, 사용자가 쇼핑몰에 등록한 자신의 제품의 마케팅을 요청하는 경우 마케팅 요청 정보를 분석하여 공동 구매 등과 같은 마케팅을 지표에 맞게 수행하도록 마케팅 연계를 제공하는 제품 공동구매 연계 시스템 및 방법에 관한 것이다.
최근 들어 유무선 통신기술의 급격한 발달과 그 기반이 되는 통신망의 확대 보급으로 온라인 쇼핑몰이 널리 보급되어 있다. 온라인 쇼핑몰은 인터넷을 이용한 대표적인 전자상거래로서, 오프라인(Off line)의 매장들이 인터넷에서 가상 매장으로 구현되고 방문자(구매자)들은 인터넷을 접속한 다음 온라인 매장에 진열되어 있는 다양한 종류의 상품에 대한 분석과 상품평가, 다른 매장의 동일 상품과 비교 견적을 통해 원하는 상품을 편리하게 구매 할 수 있게 해준다.
이러한 온라인 쇼핑몰에서는 판매자들이 원하는 경우 공동구매를 진행하기도 한다, 공동 구매는 대표자가 존재하고, 공동 구매 신청자가 일정 수 이상 모집되면, 보다 저렴한 가격으로 구매를 하거나, 제품을 주문 생산하여 원하는 제품을 구매할 수 있도록 하는 방식이다. 공동 구매의 경우 주로 판매자의 의지보다는 공동 구매를 원하는 수요자들의 의지로 인해 발생한다.
판매자의 경우에도 유통기한이 임박하거나, 재고 관리의 필요성이 존재하는 경우 세일을 통해 재고 소진을 유도할 수 있는 마케팅이 필요할 수 있으나, 온라인 쇼핑몰의 경우에는 기존의 오프라인 매장과 달리 오프라인 세일을 하기 어려울 뿐 아니라 세일을 하더라도 소비자의 구매 유도를 하기 어렵다는 문제점이 존재한다.
한국공개특허공보 제10-2020-0119746호
상기와 같은 종래 기술의 문제점을 해결하기 위해, 본 발명의 일 실시예는 사용자의 요청에 따라 마케팅 종류를 결정하고, 필요 지표를 이용하여 공동 구매와 관련된 정보를 생성하여 공동 구매를 수행하며, 수행한 결과를 누적하여 공동 구매와 관련된 정보를 갱신하도록 하는 제품 공동구매 연계 시스템 및 방법을 제공하고자 한다.
위와 같은 과제를 해결하기 위한 본 발명의 일 측면에 따르면, 사용자 단말기 및 쇼핑몰 서버와 연결되고, 사용자 단말기로부터 마케팅 요청 정보를 전달 받아 제품의 마케팅 연계를 제공하는 제품 공동구매 연계 시스템이 제공된다.
상기 제품 공동구매 연계 시스템은, 상기 마케팅 요청 정보 및 필요 지표를 외부 정보로 획득하도록 형성되는 외부 정보 획득부; 상기 외부 정보를 이용하여 요구되는 마케팅 목표 지수를 생성하고, 마케팅 종류를 선정하는 마케팅 정보 전처리부; 및 공동 구매를 위해 제품 재고 정보를 획득하고, 공동 구매 대표자를 선정하여 상기 공동 구매를 수행하도록 연계하는 공동 구매 연계부;를 포함하며, 상기 필요 지표는 상기 쇼핑몰 서버로부터 획득한 쇼핑몰 정보 및 공개 지표를 이용하여 생성되는 제품 노출 알고리즘을 이용하여 획득된다.
상기 외부 정보 획득부는, 상기 마케팅 요청 정보를 획득하도록 형성되는 마케팅 요청 정보 획득 모듈; 및 상기 제품 노출 알고리즘으로부터 상기 필요 지표를 획득하도록 형성되는 필요 지표 획득 모듈;을 포함하며, 상기 마케팅 요청 정보는 마케팅 요청 제품 정보, 마케팅 예산 및 제품 재고 정보 중 적어도 하나를 포함할 수 있다.
상기 마케팅 정보 전처리부는, 상기 마케팅 요청 정보 및 상기 필요 지표를 각각 분석하여 마케팅 목표 지수를 생성하도록 형성되는 마케팅 목표 지수 생성 모듈; 및 상기 마케팅 목표 지수와 상기 마케팅 요청 정보를 비교하여 상기 마케팅 요청 정보에 포함된 요청 마케팅 종류를 선정하거나, 상기 사용자 단말기로 필요 마케팅 종류를 제안하여 상기 사용자 단말기로부터 선정된 마케팅 종류를 획득하도록 형성되는 마케팅 종류 선정 모듈;을 포함하며, 상기 마케팅 종류는 광고, 구매체험단 및 공동 구매 중 어느 하나일 수 있다.
상기 공동 구매 연계부는, 상기 공동 구매를 수행하기 위해 상기 제품 재고 정보를 획득하도록 형성되는 제품 재고 정보 획득 모듈; 상기 제품 공동 구매를 위해 상기 공동 구매 대표자, 사용 홍보 채널 및 상기 공동 구매를 통한 목표 판매량 중 적어도 하나를 공동 구매 관련 정보로 선정하도록 형성되는 공동 구매 관련 정보 선정 모듈; 및 상기 공동 구매가 종료되면, 공동 구매 결과를 평가하여 학습 누적하여 상기 공동 구매 대표자에 대한 정보를 갱신하도록 형성되는 공동 구매 결과 학습 모듈;을 포함할 수 있다.
상기 제품 재고 정보는 제품 유통기한, 잔여 제품 수량, 제품 품질 상태 중 적어도 하나를 포함하며, 상기 공동 구매 관련 정보 선정 모듈은, 상기 제품 재고 정보에 따라 제품에 대한 적어도 하나의 할인율을 제안하고, 사용자의 결정에 따라 할인율을 결정하도록 형성될 수 있다.
상기 공동 구매 관련 정보 선정 모듈은, 상기 제품에 유통기한이 존재하는 경우 상기 유통기한과 가까운 제품의 할인율을 증가시켜 제품 소진을 유도하며, 상기 유통기한이 존재하지 않는 경우 제조일자가 먼 제품의 할인율을 증가시켜 제품 소진을 유도하도록 형성될 수 있다.
상기 공동 구매 관련 정보 선정 모듈은, 공동 구매 대표 후보자 풀에 포함된 복수의 공동 구매 대표 후보자들 중 기존 누적 학습된 데이터를 이용하여 상기 마케팅 요청 정보에 포함된 해당 제품에 대한 과거 공동 구매 이력이 존재하는 예비 공동 구매 대표 후보자들로부터 상기 공동 구매 대표자를 선정하여 획득하며, 상기 마케팅 요청 정보에 대표자 직접 선택 정보가 포함된 경우 상기 예비 공동 구매 대표 후보자들, 상기 과거 공동 구매 이력, 및 각 대표 후보자들에 대한 공동 구매 평가 결과를 포함하여 상기 사용자 단말기에 제공한 후 상기 사용자 단말기로부터 선정된 상기 공동 구매 대표자를 획득하며, 상기 사용자 단말기로부터 상기 요청 정보를 획득하지 않은 경우 상기 마케팅 요청 정보에 포함된 마케팅 예산에 대응하는 상기 공동 구매 대표 후보자를 상기 선정된 공동 구매 대표자로 획득하도록 형성될 수 있다.
상기 공동 구매 관련 정보 선정 모듈은, 상기 선정된 공동 구매 대표자를 획득하기 위해 상기 마케팅 요청 정보에 더 포함되는 사용 홍보 채널을 더 이용하도록 형성될 수 있다.
상기 공동 구매 결과 학습 모듈은, 상기 공동 구매 결과를 획득하고 평가하여 상기 공동 구매 평가 결과를 생성하고 저장하도록 형성되며, 상기 공동 구매 평가 결과는 상기 홍보 채널 이용률, 공동 구매 목표 달성 기간, 공동 구매 종료 후 재구매율, 정가 대비 할인율, 판매량, 대표자 수수료 중 적어도 하나를 포함하도록 형성될 수 있다.
본 발명의 일 측면에 따르면, 사용자 단말기 및 쇼핑몰 서버와 연결되어 사용자 단말기로부터 마케팅 요청 정보를 전달 받아 제품의 마케팅 연계를 제공하는 제품 공동구매 연계 방법이 제공된다.
상기 제품 공동구매 연계 방법은, 외부 정보 획득부를 이용하여 상기 마케팅 요청 정보 및 필요 지표를 외부 정보로 획득하는 단계; 마케팅 정보 전처리부를 통해 상기 외부 정보를 이용하여 요구되는 마케팅 목표 지수를 생성하고, 마케팅 종류를 선정하는 단계; 및 공동 구매 연계부를 이용하여 공동 구매를 위해 제품 재고 정보를 획득하고, 공동 구매 대표자를 선정하여 상기 공동 구매를 수행하도록 연계하는 단계;를 포함하며, 상기 필요 지표는 상기 쇼핑몰 서버로부터 획득한 쇼핑몰 정보 및 공개 지표를 이용하여 생성되는 제품 노출 알고리즘을 이용하여 획득된다.
상기 마케팅 요청 정보 및 필요 지표를 외부 정보로 획득하는 단계는, 상기 마케팅 요청 정보를 획득하는 단계; 및 상기 제품 노출 알고리즘으로부터 상기 필요 지표를 획득하는 단계;를 포함하며, 상기 마케팅 요청 정보는 마케팅 요청 제품 정보, 마케팅 예산 및 제품 재고 정보 중 적어도 하나를 포함할 수 있다.
상기 마케팅 종류를 선정하는 단계는, 상기 마케팅 요청 정보 및 상기 필요 지표를 각각 분석하여 마케팅 목표 지수를 생성하는 단계; 및 상기 마케팅 목표 지수와 상기 마케팅 요청 정보를 비교하여 상기 마케팅 요청 정보에 포함된 요청 마케팅 종류를 선정하거나, 상기 사용자 단말기로 필요 마케팅 종류를 제안하여 상기 사용자 단말기로부터 선정된 마케팅 종류를 획득하는 단계;를 포함하며, 상기 마케팅 종류는 광고, 구매체험단 및 공동 구매 중 어느 하나일 수 있다.
상기 공동 구매를 수행하도록 연계하는 단계는, 상기 공동 구매를 수행하기 위해 상기 제품 재고 정보를 획득하는 단계; 상기 제품 공동 구매를 위해 상기 공동 구매 대표자, 사용 홍보 채널 및 상기 공동 구매를 통한 목표 판매량 중 적어도 하나를 공동 구매 관련 정보로 선정하는 단계; 및 상기 공동 구매가 종료되면, 공동 구매 결과를 평가하여 학습 누적하여 상기 공동 구매 대표자에 대한 정보를 갱신하는 단계;를 포함할 수 있다.
상기 제품 재고 정보는 제품 유통기한, 잔여 제품 수량, 제품 품질 상태 중 적어도 하나를 포함하며, 상기 공동 구매 관련 정보 선정 모듈은, 상기 제품 재고 정보에 따라 제품에 대한 적어도 하나의 할인율을 제안하고, 사용자의 결정에 따라 할인율을 결정하도록 형성될 수 있다.
상기 공동 구매 관련 정보로 선정하는 단계는, 상기 제품에 유통기한이 존재하는 경우 상기 유통기한과 가까운 제품의 할인율을 증가시켜 제품 소진을 유도하며, 상기 유통기한이 존재하지 않는 경우 제조일자가 먼 제품의 할인율을 증가시켜 제품 소진을 유도하도록 형성될 수 있다.
상기 공동 구매 관련 정보로 선정하는 단계는, 공동 구매 대표 후보자 풀에 포함된 복수의 공동 구매 대표 후보자들 중 기존 누적 학습된 데이터를 이용하여 상기 마케팅 요청 정보에 포함된 해당 제품에 대한 과거 공동 구매 이력이 존재하는 예비 공동 구매 대표 후보자들로부터 상기 공동 구매 대표자를 선정하여 획득하며, 상기 마케팅 요청 정보에 대표자 직접 선택 정보가 포함된 경우 상기 예비 공동 구매 대표 후보자들, 상기 과거 공동 구매 이력, 및 각 대표 후보자들에 대한 공동 구매 평가 결과를 포함하여 상기 사용자 단말기에 제공한 후 상기 사용자 단말기로부터 선정된 상기 공동 구매 대표자를 획득하며, 상기 사용자 단말기로부터 상기 요청 정보를 획득하지 않은 경우 상기 마케팅 요청 정보에 포함된 마케팅 예산에 대응하는 상기 공동 구매 대표 후보자를 상기 선정된 공동 구매 대표자로 획득하도록 형성될 수 있다.
상기 공동 구매 관련 정보로 선정하는 단계는, 상기 선정된 공동 구매 대표자를 획득하기 위해 상기 마케팅 요청 정보에 더 포함되는 사용 홍보 채널을 더 이용하도록 형성될 수 있다.
상기 공동 구매 대표자에 대한 정보를 갱신하는 단계는, 상기 공동 구매 결과를 획득하고 평가하여 상기 공동 구매 평가 결과를 생성하고 저장하도록 형성되며, 상기 공동 구매 평가 결과는 상기 홍보 채널 이용률, 공동 구매 목표 달성 기간, 공동 구매 종료 후 재구매율, 정가 대비 할인율, 판매량, 대표자 수수료 중 적어도 하나를 포함하도록 형성될 수 있다.
본 발명의 일 실시예에 따른 제품 공동구매 연계 시스템 및 방법은 사용자의 요청에 따라 마케팅 종류를 결정하고, 결정된 마케팅 종류가 공동 구매인 경우 공동 구매 관련 정보를 필요 지표를 이용하여 획득하고, 공동 구매 수행 결과를 학습하여 추후 공동 구매에 반영할 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 제품 공동구매 연계 시스템을 간단히 나타낸 블록도이다.
도 2는 도 1의 외부 정보 획득부를 나타낸 블록도이다.
도 3은 도 1의 마케팅 정보 전처리부를 나타낸 블록도이다.
도 4는 도 1의 공동 구매 연계부를 나타낸 블록도이다.
도 5는 본 발명의 실시예에 따른 제품 공동구매 연계 방법을 나타낸 순서도이다.
도 6은 도 5의 단계 S111을 나타낸 순서도이다.
도 7은 도 5의 단계 S113을 나타낸 순서도이다.
도 8은 도 5의 단계 S115를 나타낸 순서도이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조부호를 붙였다.
도 1 내지 도 4에는 본 발명의 일 실시예에 따른 제품 공동구매 연계 시스템(110)이 도시되고 있다. 도 1은 본 발명의 실시예에 따른 제품 공동구매 연계 시스템을 간단히 나타낸 블록도이고, 도 2는 도 1의 외부 정보 획득부를 나타낸 블록도이며, 도 3은 도 1의 마케팅 정보 전처리부를 나타낸 블록도이고, 도 4는 도 1의 공동 구매 연계부를 나타낸 블록도이다. 이하에서는 도 1 내지 도 4를 이용하여 본 발명의 일 실시예에 따른 제품 공동구매 연계 시스템(110)에 대해 상세히 설명하도록 한다.
도 1을 참고하면, 본 발명의 일 실시예에 따른 제품 공동구매 연계 시스템(110)은 사용자 단말기(120) 및 쇼핑몰 서버(130)와 연결되고, 사용자 단말기(120)로부터 마케팅 요청 정보를 전달 받아 제품의 마케팅 연계를 제공하도록 형성된다. 이때, 사용자 단말기(120) 및 쇼핑몰 서버(130)는 복수개가 연결될 수도 있다. 여기서 사용자 단말기(120)는 일반적으로 인터넷 마켓을 운영하는 사업자가 소유하는 단말기 일 수 있으며, 쇼핑몰 서버(130)는 아마존, G마켓, 11번가, 쿠팡 등 인터넷 마켓이 입점 가능한 쇼핑몰 서버일 수 있다.
이를 위해 제품 공동구매 연계 시스템(110)은 외부 정보 획득부(111), 마케팅 정보 전처리부(113) 및 공동 구매 연계부(115)를 포함하여 형성될 수 있다.
외부 정보 획득부(111)는 마케팅 요청 정보 및 필요 지표를 외부 정보로 획득하도록 형성된다. 이를 위해 외부 정보 획득부(111)는 도 2에 도시된 바와 같이 마케팅 요청 정보 획득 모듈(211) 및 필요 지표 획득 모듈(212)을 포함할 수 있다.
마케팅 요청 정보 획득 모듈(211)은 마케팅 요청 정보를 획득하도록 형성된다. 마케팅 요청 정보 획득 모듈(211)은 외부 정보로 사용자 단말기(120)로부터 마케팅 요청 정보를 전달 받으며, 여기서 마케팅 요청 정보는 마케팅 요청 제품 정보, 마케팅 예산 및 제품 재고 정보 중 적어도 하나를 포함할 수 있다.
필요 지표 획득 모듈(212)은 필요 지표를 획득하도록 형성된다. 여기서 필요 지표는 제품 노출 알고리즘을 통해 획득되는 지표이며, 필요 지표 획득 모듈(212)은 필요 지표를 직접 생성할 수도 있지만, 외부에서 기 생성된 필요 지표를 필요 지표 획득 모듈(212)이 획득할 수도 있다.
제품 노출 알고리즘은 쇼핑몰 서버(130)별로 획득될 수 있다. 이는 쇼핑몰 서버(130)별로 공개한 지표가 서로 다를 수 있기 때문이다. 또한, 제품 노출 알고리즘은 쇼핑몰 서버(130)별로 제품의 순위 변화를 위해 필요한 공개 지표 별 기준값을 획득하도록 형성될 수 있다.
제품 노출 알고리즘은, 정량화 가능한 공개 지표에 대해서는 정량적인 기준값을 제시할 수 있으며, 정량화 하기 어려운 공개 지표에 대해서는 순위 변화에 긍정적인 영향을 미치는 공통점을 분석하여 획득하도록 할 수 있다.
공개 지표는 적어도 하나의 쇼핑몰 서버(130)별로 획득될 수 있다. 공개 지표는 쇼핑몰 서버(130)별로 공개하고 있는 제품 또는 마켓 순위 배열 알고리즘에 사용되는 지표들이며, 각 쇼핑몰 서버(130)별로 차이점이 존재할 수 있다.
공개 지표는 적합도, 인기도, 신뢰도를 포함할 수 있다. 여기서, 적합도, 인기도 및 신뢰도는 본 발명의 설명의 편의상 세부 지표를 그룹화 한 내용이며, 후술되는 세부 지표들은 본 발명의 실시예와 다른 방식으로 그룹화 될 수 있지만, 이 역시 유사한 개념에 포함될 수 있는 것이 자명하다.
적합도는 소비자의 검색 의도에 적합한 상품인지를 판단하는 지표이며, 인기도는 소비자가 많이 찾고 많이 판매되는 상품인지를 판단하는 지표이고, 신뢰도는 쇼핑몰에 등록된 상품 정보가 신뢰할 수 있는 상품 정보인지를 판단하는 지표일 수 있다.
보다 상세히 설명하면, 적합도는 상품명, 카테고리, 제조사 브랜드 및 속성 태그 중 적어도 하나를 포함하며, 인기도는 판매 실적, 리뷰수, 최신성, 별점 및 클릭수 중 적어도 하나를 포함하고, 신뢰도는 상품명 SEO 및 쇼핑몰 페널티 중 적어도 하나를 포함한다. 여기서 쇼핑몰 페널티는 쇼핑몰에서 해당 마켓 또는 해당 제품에 가한 페널티를 의미하는 것으로 해석될 수 있다.
이때, 정량화 하기 어려운 공개 지표는 제품 설명 내용, 제품 대표 사진 및 제품 카테고리와 같은 제품 관련 정보일 수 있으며, 이러한 제품 관련 정보는 키워드 추출을 통해 정보에 포함된 키워드를 추출하고, 다른 제품 관련 정보들과 비교하여 키워드 별 가중치를 적용하는 등의 방법을 통해 순위 변화와 관련된 요인을 추출해 낼 수도 있다.
필요 지표 획득 모듈(212) 누적된 쇼핑몰 정보로부터 제품 세부 정보를 획득할 수도 있다. 제품 세부 정보는 쇼핑몰 정보 중 제품 정보로부터 제품에 대한 세부 정보 및 해당 제품의 공개 지표에 대응하는 정보를 포함할 수 있다. 또, 제품 세부 정보는 쇼핑몰 서버(130)에 노출되는 제품 관련 정보이며, 제품 설명 내용, 제품 대표 사진, 제품 카테고리 및 제품 제목 중 적어도 하나를 포함할 수 있다.
필요 지표 획득 모듈(212)은 획득한 제품 세부 정보 및 제품 수위 변화를 이용하여 제품 노출 알고리즘을 예측하여 생성할 수 있다. 제품 노출 알고리즘은 상술한 바와 같이 쇼핑몰 서버(130)별로 획득될 수 있으며 이는 쇼핑몰 서버(130)별로 공개한 지표가 서로 다를 수 있기 때문이다.
제품 노출 알고리즘은, 정량화 가능한 공개 지표에 대해서는 정량적인 기준값을 제시할 수 있으며, 정량화 하기 어려운 공개 지표에 대해서는 순위 변화에 긍정적인 영향을 미치는 공통점을 분석하여 획득하도록 할 수 있다. 이때, 정량화 하기 어려운 공개 지표는 제품 설명 내용, 제품 대표 사진 및 제품 카테고리와 같은 제품 관련 정보일 수 있으며, 이러한 제품 관련 정보는 필요 지표 획득 모듈(212)에서 키워드 추출을 통해 정보에 포함된 키워드를 추출하고, 다른 제품 관련 정보들과 비교하여 키워드 별 가중치를 적용하는 등의 방법을 통해 순위 변화와 관련된 요인을 추출해 낼 수도 있다.
한편 다른 실시예에서는 외부 정보 획득부(111)가 제품 노출 알고리즘 강화 모듈(도면 미도시)을 더 포함하도록 형성될 수도 있다. 제품 노출 알고리즘 강화 모듈은 일 예로 생성적 적대 신경망(Generative Adversarial Network, GAN)을 이용하여 제품 노출 알고리즘을 강화하기 위해 포함될 수도 있다. 제품 노출 알고리즘은 각각의 쇼핑몰 서버(130)의 정확한 내부 알고리즘을 획득할 수 없기 때문에 공개된 지표를 이용하여 본 발명의 시스템에서 예측하고 있는 알고리즘이다. 따라서, 예측하고 있는 제품 노출 알고리즘과 미공개된 쇼핑몰의 내부 알고리즘의 일치도를 증가시키기 위해 제품 노출 알고리즘 강화 모듈은 생성적 적대 신경망을 통해 다양한 가상의 마켓 및 제품 데이터를 생성하도록 형성될 수 있다.
이 경우, 제품 노출 알고리즘을 통해 획득되는 가상 마켓 제품 데이터는 쇼핑몰 서버(130)와 연동되지 않고 분리되어 본 발명의 시스템에 포함될 수 있는 내부 데이터베이스를 통해 실제 마켓 및 제품 데이터와 함께 보관되며, 제품 노출 알고리즘 강화 모듈은 내부 데이터베이스에 포함된 데이터들을 이용하여 쇼핑몰 별로 가상의 제품 순위를 생성한다. 이후, 제품 노출 알고리즘 강화 모듈은 쇼핑몰 정보를 통해 가상의 마켓 제품 데이터와 동일한 정보가 생성된 것을 확인하는 경우, 해당 실제 마켓 및 제품 데이터의 순위와 가상 마켓 제품 데이터의 순위를 비교하고, 비교 결과를 분석하여 제품 노출 알고리즘을 보완 및 강화할 수도 있다.
필요 지표 획득 모듈(212)은 사용자 단말기로부터 키워드 또는 태그를 획득하도록 형성된다. 필요 지표 획득 모듈(212)은, 후술되는 마케팅 정보 전처리부(113)에서 사용자에게 마케팅 정보를 제안하기 위해 사용자에게 기 설정된 조건을 만족하는 키워드를 추천하고, 추천한 키워드 중 사용자가 선택한 키워드를 획득할 수 있다. 여기서 사용자에게 추천되는 키워드는 사용자 맞춤형으로 추천될 수 있으며, 일 예로 사용자의 마켓 정보 및 해당 마켓에 등록된 제품 정보와 관련된 키워드일 수 있다.
필요 지표 획득 모듈(212)에서 사용자 단말기(120)로 전달되는 추천 키워드는 추천 키워드 정보로서 전달되며, 추천 키워드 정보는 키워드 및 해당 키워드의 마케팅 보조 정보를 포함할 수 있다. 마케팅 보조 정보는 해당 키워드의 검색량, 해당 키워드를 포함하는 상품 수, 해당 키워드의 경쟁 강도 및 해당 키워드를 포함한 제품의 1페이지 평균 리뷰 수 등을 포함할 수 있으며, 이를 통해 사용자는 추천 키워드를 분석하여 사용자 단말기(120)를 통해 원하는 키워드를 선택할 수 있으며, 사용자가 선택한 키워드를 필요 지표 획득 모듈(212)이 획득하게 될 수 있다.
여기서, 기 설정된 조건의 추천 키워드는 일정 조회수 이상인 핵심 키워드, 제품 수가 일정 개수 이하인 중소형 키워드 및 해당 쇼핑몰의 인기도가 일정 기준 이상인 제품들이 사용하고 있는 태그 등일 수 있다.
필요 지표 계산 모듈(271)은 사용자가 선택한 선택 키워드를 전달받아 선택 키워드를 전달받아 선택 키워드를 쇼핑몰 별로 적용하여 선택 키워드 검색 결과를 획득하고, 획득한 선택 키워드 검색 결과를 분석하여 선택 키워드 분석 결과를 획득한 후, 획득한 선택 키워드 분석 결과에 대응하는 필요 지표를 계산하도록 형성된다. 필요 지표 계산 모듈(271)은 사용자가 요청한 특정 제품 정보 및 사용자가 선택한 선택 키워드를 전달 받으면, 각각의 쇼핑몰로부터 선택 키워드 검색 결과를 획득한 후 획득한 선택 키워드 검색 결과의 상위 노출 분석 및 키워드 분석을 수행하여 선택 키워드 분석 결과를 획득하며, 획득한 선택 키워드 분석 결과에 제품 노출 알고리즘을 이용하여 해당 제품에 대한 필요 지표를 계산할 수 있다.
여기서 상위 노출 분석은 1페이지 40순위 월평균 판매수, 1페이지 40순위 평균 가격, 1페이지 40순위 평균 매출, 1페이지 10순위 월평균 판매수, 1페이지 10순위 평균 매출 및 예상 매출 등을 포함할 수 있으며, 키워드 분석은 경쟁강도, 브랜드 연관도, 월간검색량(기기별, 연령별, 성별), 콘텐츠량(블로그, 카페, 지식인), 검색배치도 및 연관검색어 등을 포함할 수 있다. 상술된 다양한 분석 내용들은 본 발명의 예시를 위해 제시된 특정한 분석 내용들이며, 본원 발명은 상술된 분석 내용에 한정되지 않고 사용자의 설정에 따라 다양한 분석 내용을 이용하여 선택 키워드 분석 결과를 획득하도록 형성될 수 있다.
또, 필요 지표는 공개 지표에 대응하는 제품의 현재 정보가 제품 노출 알고리즘을 통해 획득한 기준값 미만인 지표를 의미한다.
즉, 보다 쉽게 설명하면 필요 지표 획득 모듈(212)은 A 사용자의 B 수분 크림 제품을 제품 노출 알고리즘에 적용하고, 그 적용 결과가 구매 35개, 텍스트 리뷰 20개, 포토 리뷰 15개, 찜 10개, Q&A 2개(예시)와 같이 나타나면, 각각의 값을 필요 지표 별 기준값으로 선정할 수 있다.
또, 정량적인 결과가 아닌 제목 또는 카테고리의 경우, 필요 지표 획득 모듈(212)은 제품 노출 알고리즘에 적용한 결과는 필요 지표의 기준값으로 포함되어야 할 키워드 및 카테고리 또는 포함되지 않아야 할 키워드 및 카테고리로 선정될 수 있다.
나아가, 필요 지표 획득 모듈(212)은 필요 지표의 기준값에 도달하기 위한 특정 제품의 요구 수치를 계산할 수도 있다. 필요 지표 획득 모듈(212)은 필요 지표 및 기준값을 이용하여 특정 제품의 현재 상태와 비교하고, 비교 결과 특정 제품이 달성해야 할 요구 수치 및 조건을 계산 결과로 출력할 수 있다.
한편, 필요 지표 획득 모듈(212)에서 획득하는 제품 노출 알고리즘, 필요 지표 및 계산 결과는 본 발명의 다른 실시예에서는 필요 지표 획득 모듈(212)에서 획득되지 않고 외부에서 생성된 필요 지표가 필요 지표 획득 모듈(212)로 전달될 수도 있다.
마케팅 정보 전처리부(113)는 외부 정보를 이용하여 요구되는 마케팅 목표 지수를 생성하고, 마케팅 종류를 선정하도록 형성된다. 이를 위해 마케팅 정보 전처리부(113)는 도 3에 도시된 바와 같이 마케팅 목표 지수 생성 모듈(231) 및 마케팅 종류 선정 모듈(232)을 포함할 수 있다.
마케팅 목표 지수 생성 모듈(231)은 마케팅 요청 정보 및 필요 지표를 각각 획득하고 분석하여 마케팅 목표 지수를 생성하도록 형성될 수 있다. 여기서 마케팅 목표 지수는, 필요 지표를 이용하여 획득한 계산 결과일 수 있으며, 보다 상세히는 마케팅 요청 정보에 포함된 사용자가 최종적으로 도달하고자 하는 마케팅 목표에 도달하기 위한 필요 지표 및 해당 필요 지표에 대한 계산 결과일 수 있다.
또, 마케팅 요청 정보는 상술된 선택 키워드 분석 결과를 포함할 수도 있다. 마케팅 목표 지수 생성 모듈(231)은 선택 키워드 분석 결과를 전달 받으면, 전달 받은 선택 키워드 분석 결과와 필요 지표를 이용하여 상위노출을 위한 계산 결과를 더 출력하도록 형성될 수 있다. 여기서, 계산 결과는 필요 지표, 선택 키워드 분석결과 및 기준값을 이용하여 사용자의 제품의 상위 노출을 위해 필요한 판매 건수, 리뷰 수, 찜 수 및 Q&A 수를 포함할 수 있으며, 일 예로 상위 노출은 사용자가 원하는 순위일 수도 있고, 기본적으로는 검색 결과 1페이지에 노출되는 것을 의미할 수도 있다.
마케팅 종류 선정 모듈(232)은 마케팅 종류를 선정하거나 제안하여 마케팅 종류를 획득하도록 형성된다. 마케팅 종류 선정 모듈(232)은 마케팅 목표 지수와 마케팅 요청 정보를 각각 획득하고, 획득한 목표 지수 및 요청 정보를 비교하여 마케팅 요청 정보에 포함된 요청 마케팅 종류를 선정하거나, 사용자 단말기(120)로 필요 마케팅 종류를 제안하여 사용자 단말기(120)로부터 선정된 마케팅 종류를 획득하도록 형성될 수 있다. 여기서, 마케팅 종류는 광고, 구매체험단 및 공동 구매 중 어느 하나일 수 있다.
또 마케팅 종류 선정 모듈(232)은 선택 키워드 분석 결과 및 계산 결과를 포함하는 마케팅 정보를 생성하고 사용자 단말기로 전달할 수도 있다. 여기서 마케팅 정보에 포함되는 선택 키워드 분석 결과는, 사용자의 제품이 포함된 상품군의 분석 결과 및 쇼핑 경쟁력 지표, 평균 판매 개수, 평균 가격 및 평균 매출일 수 있으며, 계산 결과는 상위 노출 필수 항목인 판매 건수, 텍스트 리뷰 수, 포토 리뷰 수, 찜 수 및 Q&A 수를 포함할 수 있다. 또, 마케팅 정보는 두 결과를 요약한 요약 결과를 더 포함할 수 있으며 요약 결과는 예상 비용, 예상 기간 및 총 진행 제품 수를 포함할 수 있다.
본 발명의 일 실시예에 따른 제품 공동구매 연계 시스템(110)은 공동 구매 연계부(115)를 포함할 수 있다. 여기서, 공동 구매 연계부(115)는 공동 구매 마케팅 만을 위해 사용되는 것으로 표현되지만, 마케팅 종류에 따라 유사 또는 중복되는 구성을 사용하기 때문에, 공동 구매에 한정하지 않으며, 필요에 따라 다른 마케팅 종류에서 추가적으로 사용하는 내용은 동일한 구성에 추가 기재로 설명하도록 한다.
공동 구매 연계부(115)는 공동 구매를 위해 제품 재고 정보를 획득하고, 공동 구매 대표자를 선정하여 공동 구매를 수행하도록 연계할 수 있으며, 마케팅 종류가 광고인 경우, 광고를 위해 제품 재고 정보를 획득하고, 광고 대표자를 선정한 후 광고를 수행하도록 연계할 수 있으며, 구매체험단과 연계하는 경우에는 대표자를 선정하는 구성만 제외하고 유사한 동작을 수행할 수 있다. 이를 위해 공동 구매 연계부(115)는 도 4에 도시된 바와 같이 제품 재고 정보 획득 모듈(251), 공동 구매 관련 정보 선정 모듈(252), 공동 구매 수행 모듈(253) 및 공동 구매 결과 학습 모듈(254)을 포함하여 형성될 수 있다.
제품 재고 정보 획득 모듈(251)은 공동 구매를 수행하기 위해 제품 재고 정보를 획득하도록 형성된다. 제품 재고 정보 획득 모듈(251)은 광고 또는 구매체험단과 연계하기 위해서도 제품 재고 정보를 획득할 수도 있다. 이는, 광고 시 제품 재고에 따라 광고 횟수, 노출 빈도 등을 조절하는데 사용하기 위함일 수도 있고, 구매 체험단과 연계 과정에서 제품 재고에 따라 구매 체험단을 관리하기 위함일 수도 있다. 또, 제품 재고 정보는 제품 유통기한, 제품 생산일자, 잔여 제품 수량, 제품 품질 상태 등을 포함할 수 있다.
공동 구매 관련 정보 선정 모듈(252)은 제품 공동 구매를 위해 필요한 정보를 공동 구매 관련 정보로 선정하여, 공동 구매를 수행하도록 하기 위해 형성 된다. 공동 구매 관련 정보 선정 모듈(252)은 제품 공동 구매를 위해 필요한 정보로 공동 구매 대표자, 사용 홍보 채널 및 공동 구매를 통한 목표 판매량 등을 포함할 수 있으며, 제품 할인율을 더 포함할 수도 있다.
공동 구매 관련 정보 선정 모듈(252)은, 제품 재고 정보를 이용하여 제품 할인율을 결정하도록 형성될 수 있다. 공동 구매를 위해 할인율을 결정하는 경우, 공동 구매 관련 정보 선정 모듈(252)은 복수의 할인율을 사용자에게 제안하고 사용자의 결정에 따라 할인율을 결정하도록 할 수 있으며, 이때 결정되는 할인율은 복수개일 수도 있다.
공동 구매 관련 정보 선정 모듈(252)은 제품 재고 정보를 이용하여 할인율을 결정할 수도 있다. 일 예로 공동 구매 관련 정보 선정 모듈(252)에서 제품 재고 정보 중 유통기한을 이용하여 할인율을 결정하는 경우, 유통기한이 가까운, 다시 말해 유통기한이 얼마 남지 않은 제품의 할인율을 높게 결정하고, 유통기한이 오래 남은 제품의 할인율을 낮게 결정하여 공동 구매 시 유통기한이 얼마 남지 않은 제품으로 사용자를 유도할 수도 있다.
또 공동 구매 관련 정보 선정 모듈(252)은 제품 재고 정보 중 유통기한이 존재하지 않는 경우 제조일자 또는 생산일자가 오래된 제품의 할인율을 높게 결정하고, 보다 근래에 제조 또는 생산된 제품의 할인율을 낮게 결정할 수도 있다. 나아가, 공동 구매 관련 정보 선정 모듈(252)은 필요 지표를 이용하여 할인율을 결정할 수도 있다. 또한, 공동 구매 관련 정보 선정 모듈(252)은 필요 지표를 일정 구간으로 구분하여 필요 지표 도달율에 따라 할인율을 조정하도록 형성될 수 있다.
마케팅 종류가 광고나 구매 체험단으로 설정되는 경우, 공동 구매 관련 정보 선정 모듈(252)은 필요 지표 도달율에 따라 할인율을 조정하도록 형성될 수도 있다.
또, 공동 구매 관련 정보 선정 모듈(252)은 공동 구매 대표자를 선정하기 위해 공동 구매 대표 후보자 풀(도면 미도시)을 이용할 수도 있다. 공동 구매 관련 정보 선정 모듈(252)은 공동 구매 대표 후보자 풀에 포함된 복수의 공동 구매 대표 후보자들 중 기존 누적 학습된 데이터를 이용하여 마케팅 요청 정보에 포함된 제품에 대한 공동 구매 이력이 존재하는 공동 구매 대표 후보자들을 예비 공동 구매 대표 후보자들로 선정하고, 선정한 예비 공동 구매 대표 후보자들로부터 공동 구매 대표자를 획득할 수 있다. 이러한 동작은 마케팅 요청이 공동 구매가 아닌 광고인 경우에도 적용 가능하며, 구매 체험단의 경우에는 대표성이 필요하지 않기 때문에 본 동작을 수행하지 않을 수도 있다.
공동 구매 관련 정보 선정 모듈(252)은 공동 구매 대표자를 획득하기 위해서 마케팅 요청 정보를 분석한다. 마케팅 요청 정보에 대표자 직접 선택 정보가 포함된 경우 공동 구매 관련 정보 선정 모듈(252)은 예비 공동 구매 대표 후보자들을 각각의 공동 구매 평가 결과를 포함하여 사용자 단말기(120)로 전달하고, 사용자 단말기(120)로부터 공동 구매 대표자를 획득할 수 있다.
또, 마케팅 요청 정보에 대표자 직접 선택 정보가 포함되지 않은 경우 공동 구매 관련 정보 선정 모듈(252)은 마케팅 요청 정보에 더 포함되는 마케팅 예산에 대응하는 공동 구매 대표자를 획득할 수도 있다. 이에 더해 공동 구매 관련 정보 선정 모듈(252)은 공동 구매 대표자를 획득하기 위해 사용 홍보 채널을 한정하여 사용자가 원하는 홍보 채널을 이용하여 공동 구매를 진행하도록 할 수도 있다.
공동 구매 수행 모듈(253)은 공동 구매 관련 정보 선정 모듈(252)에서 선정한 공동 구매 관련 정보를 이용하여 공동 구매를 수행하도록 형성될 수 있다. 특히, 공동 구매 수행 모듈(253)은 사용자의 마켓 순위를 관리하기 위해 적응형으로 공동 구매를 관리하도록 형성될 수 있다. 이하에서는 설명의 편의상 적응형으로 공동 구매를 관리하기 위해 접속 인원 수를 관리하는 방법에 대하여 설명하도록 하지만, 본 발명의 공동 구매 수행 모듈(253)은 이에 한정되지 않으며, 할인율을 실시간으로 변동하는 방식으로 간접적으로 적응형 공동 구매 관리를 수행할 수도 있다.
일 예로, 공동 구매 수행 모듈(253)은 공동 구매와 관련된 정보를 획득하고 나면, 공동 구매 대표자에게 사용 홍보 채널에서 사용자 마켓으로 연결할 수 있는 마켓 연결 링크를 제공할 수 있다. 이를 통해 공동 구매 수행 모듈(253)은 공동 구매를 위해 접속하는 접속자를 확인하고 구분하도록 할 수 있다.
또, 공동 구매 수행 모듈(253)은 적응형으로 공동 구매를 관리하기 위해 목표 판매량, 총 공동 구매 진행일 및 기본 일별 진행 인원을 포함하는 적응형 공동 구매 정보를 획득하고, 획득한 적응형 공동 구매 정보를 이용하여 공동 구매 인원을 관리할 수 있다. 여기서 적응형 공동 구매 정보는 상술된 필요 지표 또는 계산 결과를 이용하여 획득될 수 있다.
목표 판매량은, 공동 구매의 목표로 선정된 판매량이고, 총 공동 구매 진행일은 사용자가 선택한 공동 구매 진행기간일 수 있으며, 특히 목표 판매량은 현재 제품 재고 정보와 연동될 수 있다. 기본 일별 진행 인원은 목표 판매량을 총 공동 구매 진행일로 나눈 값으로, 공동 구매 목표 판매량에 도달하기 위해 매일 공동 구매에 참여하는 공동 구매 인원 수를 의미한다.
공동 구매 수행 모듈(253)은 현재 제품 재고 정보 이하의 목표 판매량이 설정되고, 사용자의 선택에 따라 공동 구매 진행 기간이 설정되면, 목표 판매량을 공동 구매 진행 기간으로 나누어 기본 일별 진행 인원을 설정할 수 있다. 공동 구매 수행 모듈(253)은 전날의 판매수 또는 구매 인원 수를 이용하여 사용자의 마켓 순위를 긍정적으로 유지할 수 있다.
보다 상세히 설명하면, 공동 구매 수행 모듈(253)은 먼저 전날의 판매 수 또는 구매 인원 수를 획득한다. 공동 구매 첫날에 전날 제품 판매 수 또는 구매 인원 수가 n개/명으로 획득되는 경우, 공동 구매 수행 모듈(253)은 기본 일별 진행 인원 k와 비교하고, k-n 만큼의 공동 구매 인원 수를 획득하고 난 이후 할인율을 조절하거나 마켓으로의 공동 구매 희망자의 접근을 차단하여 공동 구매를 통한 판매 수 또는 구매 인원 수의 증가를 방지할 수 있다.
그 다음날, 공동 구매 둘째날에 공동 구매 수행 모듈(253)은 공동 구매 첫날에 획득한 판매 수 또는 구매 인원 수 m개/명을 획득하고, 기본 일별 진행 인원 k와 비교한 후, k-m만큼의 공동 구매 인원 수를 획득하거나 판매량을 획득하면 동일하게 할인율을 조절하거나 마켓으로의 공동 구매 희망자의 접근을 차단하여 공동 구매를 통한 판매 수 또는 구매 인원 수의 증가를 방지할 수 있다.
이때, 바람직하게는 공동 구매 수행 모듈(253)은 직전날의 판매 수 또는 구매 인원 수가 당일의 판매 수 또는 구매 인원 수보다 작게, 즉 공동 구매가 진행될 수록 점점 판매 수 또는 구매 인원 수가 증가하도록 적응형으로 공동 구매를 관리할 수 있다.
보다 단순하게 다시 설명하면, 공동 구매 수행 모듈(253)이 500개의 제품을 10일동안 팔아야 한다고 가정한다. 이 때, 공동 구매 수행 모듈(253)은 기본 일별 진행 인원으로 50명을 획득하여야 한다.
공동 구매 수행 모듈(253)은 첫날 획득한 공동 구매 전날(D-1)의 판매 결과가 10명, 또는 10개인 경우 공동 구매 첫날 예상되는 판매량을 10명 또는 10개로 예측하고, 50명 또는 50개의 판매 실적을 획득하기 위해 공동 구매 인원 또는 개수를 50-10=40으로 제한할 수 있다. 이를 판매하기 위해 공동 구매 수행 모듈(253)은 할인율을 변경할 수도 있고, 링크를 통해 공동 구매 인원 수를 40명으로 제한할 수도 있다.
다음으로, 공동 구매 수행 모듈(253)은 둘째날 획득한 공동 구매 첫날(D-day)의 판매 결과가 60명 또는 60개인 경우, 첫날의 40명을 제외한 20명의 진성 고객이 존재하는 것으로 판단하고, 둘째날의 예상 판매량을 20명으로 설정할 수 있다. 따라서, 공동 구매 수행 모듈(253)은 첫날과 달리 공동 구매 인원 또는 개수를 획득한 진성 고객을 제외한 값으로 제한할 수 있으며, 첫날과 동일하게 할인율을 변경하거나 링크를 통한 공동 구매 인원 수를 제한할 수도 있다. 공동 구매 수행 모듈(253)은 상술한 동작을 공동 구매 기간동안 반복하여 공동 구매를 적응형으로 관리할 수 있다. 상술한 공동 구매 인원 수 제한의 경우에는 최종 판매량이 전날 보다 증가하여야 하기 때문에 65-20=45로 제한될 수도 있다. 본 발명에서는 설명의 편의상 둘째날 증가하는 최종 판매량인 목표 판매량을 65로 설정하였지만, 이는 사용자의 요청, 본 시스템 관리자의 설정 또는 각 쇼핑몰의 순위 변경 지표에 따라 임의로 설정될 수 있다.
한편, 공동 구매 수행 모듈(253)은 마케팅 종류가 공동 구매가 아닌 구매 체험단인 경우에도 적응형으로 구매를 관리할 수 있다. 이 경우에는 구매 수를 제한하거나 하지는 않으며, 전날의 진성 고객 수를 확인하고, 구매 체험단을 기 설정된 수만큼 진행하여 전날의 구매 인원보다 해당일의 구매 인원이 증가하도록 할 수 있다. 이때, 전날의 진성 고객이 해당일의 목표 구매 인원보다 많은 경우, 해당일에는 구매 체험단을 진행하지 않고 유동적으로 구매 인원을 조절하도록 할 수도 있다.
마지막으로 공동 구매 결과 학습 모듈(254)은 공동 구매가 종료된 후 공동 구매 결과를 평가하여 학습 누적하고, 공동 구매 대표자에 대한 공동 구매 평가 결과를 갱신하도록 형성된다. 이때 공동 구매 평가 결과는 홍보 채널 이용률, 공동 구매 목표 달성 기간, 공동 구매 종료 후 참여자의 제품 재 구매율, 정가 대비 할인율, 제품 판매량, 대표자 수수료 등을 포함할 수 있다.
한편, 도 5 내지 도 8에는 본 발명의 일 실시예에 따른 제품 공동구매 연계 방법 및 이와 관련된 쇼핑몰 제품 노출 정보 제공 방법이 나타나고 있다.
도 5는 본 발명의 실시예에 따른 제품 공동구매 연계 방법을 나타낸 순서도이고, 도 6은 도 5의 단계 S111을 나타낸 순서도이며, 도 7은 도 5의 단계 S113을 나타낸 순서도이고, 도 8은 도 5의 단계 S115를 나타낸 순서도이다. 이하에서는 설명의 편의상 상술한 도 1 내지 도 4에 도시되고 있는 시스템을 이용하여 본 발명의 일 실시예에 대하여 설명하도록 하지만, 본 발명은 반드시 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따른 마케팅 연계 방법(500)은, 사용자 단말기로부터 요청 정보를 전달 받고, 요청 정보에 대응하는 결과를 사용자 단말기로 제공하며, 복수의 쇼핑몰 서버로부터 관련 정보를 획득하여 처리하도록 형성된다. 도 9를 참고하면, 제품 공동구매 연계 방법(500)은 외부 정보를 획득하는 단계(S111), 마케팅 정보를 전처리하는 단계(S113) 및 공동 구매와 연계하는 단계(S115)를 포함하도록 형성될 수 있다.
외부 정보를 획득하는 단계(S111)는 외부 정보 획득부를 이용하여 마케팅 요청 정보 및 필요 지표를 외부 정보로 획득하도록 형성된다. 이를 위해 단계 S111은 도 10에 도시된 바와 같이 마케팅 요청 정보를 획득하는 단계(S211) 및 필요 지표를 획득하는 단계(S212)를 포함하여 형성될 수 있다.
마케팅 요청 정보를 획득하는 단계(S211)는 마케팅 요청 정보를 획득하도록 형성된다. 단계 S211은 외부 정보로 사용자 단말기로부터 마케팅 요청 정보를 전달 받으며, 여기서 마케팅 요청 정보는 마케팅 요청 제품 정보, 마케팅 예산 및 제품 재고 정보 중 적어도 하나를 포함할 수 있다.
필요 지표를 획득하는 단계(S212)는 필요 지표를 획득하도록 형성된다. 여기서 필요 지표는 제품 노출 알고리즘을 통해 획득되는 지표이며, 단계 S212는 필요 지표를 직접 생성할 수도 있지만, 외부에서 기 생성된 필요 지표를 단계 S212에서 획득할 수도 있다.
제품 노출 알고리즘은 쇼핑몰 서버 별로 획득될 수 있다. 이는 쇼핑몰 서버 별로 공개한 지표가 서로 다를 수 있기 때문이다. 또한, 제품 노출 알고리즘은 쇼핑몰 서버 별로 제품의 순위 변화를 위해 필요한 공개 지표 별 기준값을 획득하도록 형성될 수 있다.
제품 노출 알고리즘은, 정량화 가능한 공개 지표에 대해서는 정량적인 기준값을 제시할 수 있으며, 정량화 하기 어려운 공개 지표에 대해서는 순위 변화에 긍정적인 영향을 미치는 공통점을 분석하여 획득하도록 할 수 있다.
공개 지표는 적어도 하나의 쇼핑몰 서버 별로 획득될 수 있다. 공개 지표는 쇼핑몰 서버 별로 공개하고 있는 제품 또는 마켓 순위 배열 알고리즘에 사용되는 지표들이며, 각 쇼핑몰 서버 별로 차이점이 존재할 수 있다.
공개 지표는 적합도, 인기도, 신뢰도를 포함할 수 있다. 여기서, 적합도, 인기도 및 신뢰도는 본 발명의 설명의 편의상 세부 지표를 그룹화 한 내용이며, 후술되는 세부 지표들은 본 발명의 실시예와 다른 방식으로 그룹화 될 수 있지만, 이 역시 유사한 개념에 포함될 수 있는 것이 자명하다.
적합도는 소비자의 검색 의도에 적합한 상품인지를 판단하는 지표이며, 인기도는 소비자가 많이 찾고 많이 판매되는 상품인지를 판단하는 지표이고, 신뢰도는 쇼핑몰에 등록된 상품 정보가 신뢰할 수 있는 상품 정보인지를 판단하는 지표일 수 있다.
보다 상세히 설명하면, 적합도는 상품명, 카테고리, 제조사 브랜드 및 속성 태그 중 적어도 하나를 포함하며, 인기도는 판매 실적, 리뷰수, 최신성, 별점 및 클릭수 중 적어도 하나를 포함하고, 신뢰도는 상품명 SEO 및 쇼핑몰 페널티 중 적어도 하나를 포함한다. 여기서 쇼핑몰 페널티는 쇼핑몰에서 해당 마켓 또는 해당 제품에 가한 페널티를 의미하는 것으로 해석될 수 있다.
이때, 정량화 하기 어려운 공개 지표는 제품 설명 내용, 제품 대표 사진 및 제품 카테고리와 같은 제품 관련 정보일 수 있으며, 이러한 제품 관련 정보는 키워드 추출을 통해 정보에 포함된 키워드를 추출하고, 다른 제품 관련 정보들과 비교하여 키워드 별 가중치를 적용하는 등의 방법을 통해 순위 변화와 관련된 요인을 추출해 낼 수도 있다.
단계 S212는 누적된 쇼핑몰 정보로부터 제품 세부 정보를 획득할 수도 있다. 제품 세부 정보는 쇼핑몰 정보 중 제품 정보로부터 제품에 대한 세부 정보 및 해당 제품의 공개 지표에 대응하는 정보를 포함할 수 있다. 또, 제품 세부 정보는 쇼핑몰 서버에 노출되는 제품 관련 정보이며, 제품 설명 내용, 제품 대표 사진, 제품 카테고리 및 제품 제목 중 적어도 하나를 포함할 수 있다.
단계 S212는 획득한 제품 세부 정보 및 제품 수위 변화를 이용하여 제품 노출 알고리즘을 예측하여 생성할 수 있다. 제품 노출 알고리즘은 상술한 바와 같이 쇼핑몰 서버 별로 획득될 수 있으며 이는 쇼핑몰 서버 별로 공개한 지표가 서로 다를 수 있기 때문이다.
제품 노출 알고리즘은, 정량화 가능한 공개 지표에 대해서는 정량적인 기준값을 제시할 수 있으며, 정량화 하기 어려운 공개 지표에 대해서는 순위 변화에 긍정적인 영향을 미치는 공통점을 분석하여 획득하도록 할 수 있다. 이때, 정량화 하기 어려운 공개 지표는 제품 설명 내용, 제품 대표 사진 및 제품 카테고리와 같은 제품 관련 정보일 수 있으며, 이러한 제품 관련 정보는 단계 S212에서 키워드 추출을 통해 정보에 포함된 키워드를 추출하고, 다른 제품 관련 정보들과 비교하여 키워드 별 가중치를 적용하는 등의 방법을 통해 순위 변화와 관련된 요인을 추출해 낼 수도 있다.
한편 다른 실시예에서는 단계 S111이 제품 노출 알고리즘을 강화하는 단계(도면 미도시)를 더 포함하도록 형성될 수도 있다. 제품 노출 알고리즘을 강화하는 단계는 일 예로 생성적 적대 신경망(Generative Adversarial Network, GAN)을 이용하여 제품 노출 알고리즘을 강화하기 위해 포함될 수도 있다. 제품 노출 알고리즘은 각각의 쇼핑몰 서버의 정확한 내부 알고리즘을 획득할 수 없기 때문에 공개된 지표를 이용하여 본 발명의 시스템에서 예측하고 있는 알고리즘이다. 따라서, 예측하고 있는 제품 노출 알고리즘과 미공개된 쇼핑몰의 내부 알고리즘의 일치도를 증가시키기 위해 제품 노출 알고리즘 강화 모듈은 생성적 적대 신경망을 통해 다양한 가상의 마켓 및 제품 데이터를 생성하도록 형성될 수 있다.
이 경우, 제품 노출 알고리즘을 통해 획득되는 가상 마켓 제품 데이터는 쇼핑몰 서버와 연동되지 않고 분리되어 본 발명의 시스템에 포함될 수 있는 내부 데이터베이스를 통해 실제 마켓 및 제품 데이터와 함께 보관되며, 제품 노출 알고리즘을 강화하는 단계는 내부 데이터베이스에 포함된 데이터들을 이용하여 쇼핑몰 별로 가상의 제품 순위를 생성한다. 이후, 제품 노출 알고리즘을 강화하는 단계는 쇼핑몰 정보를 통해 가상의 마켓 제품 데이터와 동일한 정보가 생성된 것을 확인하는 경우, 해당 실제 마켓 및 제품 데이터의 순위와 가상 마켓 제품 데이터의 순위를 비교하고, 비교 결과를 분석하여 제품 노출 알고리즘을 보완 및 강화할 수도 있다.
필요 지표를 획득하는 단계(S212)는 사용자 단말기로부터 키워드 또는 태그를 획득하도록 형성된다. 단계 S212는, 후술되는 마케팅 정보를 전처리하는 단계(S113)에서 사용자에게 마케팅 정보를 제안하기 위해 사용자에게 기 설정된 조건을 만족하는 키워드를 추천하고, 추천한 키워드 중 사용자가 선택한 키워드를 획득할 수 있다. 여기서 사용자에게 추천되는 키워드는 사용자 맞춤형으로 추천될 수 있으며, 일 예로 사용자의 마켓 정보 및 해당 마켓에 등록된 제품 정보와 관련된 키워드일 수 있다.
단계 S212에서 사용자 단말기로 전달되는 추천 키워드는 추천 키워드 정보로서 전달되며, 추천 키워드 정보는 키워드 및 해당 키워드의 마케팅 보조 정보를 포함할 수 있다. 마케팅 보조 정보는 해당 키워드의 검색량, 해당 키워드를 포함하는 상품 수, 해당 키워드의 경쟁 강도 및 해당 키워드를 포함한 제품의 1페이지 평균 리뷰 수 등을 포함할 수 있으며, 이를 통해 사용자는 추천 키워드를 분석하여 사용자 단말기를 통해 원하는 키워드를 선택할 수 있으며, 사용자가 선택한 키워드를 단계 S212가 획득하게 될 수 있다.
여기서, 기 설정된 조건의 추천 키워드는 일정 조회수 이상인 핵심 키워드, 제품 수가 일정 개수 이하인 중소형 키워드 및 해당 쇼핑몰의 인기도가 일정 기준 이상인 제품들이 사용하고 있는 태그 등일 수 있다.
단계 S212는 사용자가 선택한 선택 키워드를 전달받아 선택 키워드를 전달받아 선택 키워드를 쇼핑몰 별로 적용하여 선택 키워드 검색 결과를 획득하고, 획득한 선택 키워드 검색 결과를 분석하여 선택 키워드 분석 결과를 획득한 후, 획득한 선택 키워드 분석 결과에 대응하는 필요 지표를 계산하도록 형성된다. 단계 S212는 사용자가 요청한 특정 제품 정보 및 사용자가 선택한 선택 키워드를 전달 받으면, 각각의 쇼핑몰로부터 선택 키워드 검색 결과를 획득한 후 획득한 선택 키워드 검색 결과의 상위 노출 분석 및 키워드 분석을 수행하여 선택 키워드 분석 결과를 획득하며, 획득한 선택 키워드 분석 결과에 제품 노출 알고리즘을 이용하여 해당 제품에 대한 필요 지표를 계산할 수 있다.
여기서 상위 노출 분석은 1페이지 40순위 월평균 판매수, 1페이지 40순위 평균 가격, 1페이지 40순위 평균 매출, 1페이지 10순위 월평균 판매수, 1페이지 10순위 평균 매출 및 예상 매출 등을 포함할 수 있으며, 키워드 분석은 경쟁강도, 브랜드 연관도, 월간검색량(기기별, 연령별, 성별), 콘텐츠량(블로그, 카페, 지식인), 검색배치도 및 연관검색어 등을 포함할 수 있다. 상술된 다양한 분석 내용들은 본 발명의 예시를 위해 제시된 특정한 분석 내용들이며, 본원 발명은 상술된 분석 내용에 한정되지 않고 사용자의 설정에 따라 다양한 분석 내용을 이용하여 선택 키워드 분석 결과를 획득하도록 형성될 수 있다.
또, 필요 지표는 공개 지표에 대응하는 제품의 현재 정보가 제품 노출 알고리즘을 통해 획득한 기준값 미만인 지표를 의미한다.
즉, 보다 쉽게 설명하면 단계 S212는 A 사용자의 B 수분 크림 제품을 제품 노출 알고리즘에 적용하고, 그 적용 결과가 구매 35개, 텍스트 리뷰 20개, 포토 리뷰 15개, 찜 10개, Q&A 2개(예시)와 같이 나타나면, 각각의 값을 필요 지표 별 기준값으로 선정할 수 있다.
또, 정량적인 결과가 아닌 제목 또는 카테고리의 경우, 단계 S212는 제품 노출 알고리즘에 적용한 결과는 필요 지표의 기준값으로 포함되어야 할 키워드 및 카테고리 또는 포함되지 않아야 할 키워드 및 카테고리로 선정될 수 있다.
나아가, 단계 S212는 필요 지표의 기준값에 도달하기 위한 특정 제품의 요구 수치를 계산할 수도 있다. 단계 S212는 필요 지표 및 기준값을 이용하여 특정 제품의 현재 상태와 비교하고, 비교 결과 특정 제품이 달성해야 할 요구 수치 및 조건을 계산 결과로 출력할 수 있다.
한편, 필요 지표를 획득하는 단계(S212)에서 획득하는 제품 노출 알고리즘, 필요 지표 및 계산 결과는 본 발명의 다른 실시예에서는 단계 S212에서 생성되지 않고 외부에서 생성된 필요 지표를 단계 S212에서 획득할 수도 있다.
마케팅 정보를 전처리하는 단계(S113)는 마케팅 정보 전처리부를 통해 외부 정보를 이용하여 요구되는 마케팅 목표 지수를 생성하고, 마케팅 종류를 선정하도록 형성된다. 이를 위해 마케팅 정보를 전처리하는 단계(S113)는 도 11에 도시된 바와 같이 마케팅 목표 지수를 생성하는 단계(S231) 및 마케팅 종류를 선정하는 단계(S232)를 포함하도록 형성될 수 있다.
마케팅 목표 지수를 생성하는 단계(S231)는 마케팅 요청 정보 및 필요 지표를 각각 획득하고 분석하여 마케팅 목표 지수를 생성하도록 형성될 수 있다. 여기서 마케팅 목표 지수는, 필요 지표를 이용하여 획득한 계산 결과일 수 있으며, 보다 상세히는 마케팅 요청 정보에 포함된 사용자가 최종적으로 도달하고자 하는 마케팅 목표에 도달하기 위한 필요 지표 및 해당 필요 지표에 대한 계산 결과일 수 있다.
또, 마케팅 요청 정보는 상술된 선택 키워드 분석 결과를 포함할 수도 있다. 단계 S231은 선택 키워드 분석 결과를 전달 받으면, 전달 받은 선택 키워드 분석 결과와 필요 지표를 이용하여 상위노출을 위한 계산 결과를 더 출력하도록 형성될 수 있다. 여기서, 계산 결과는 필요 지표, 선택 키워드 분석결과 및 기준값을 이용하여 사용자의 제품의 상위 노출을 위해 필요한 판매 건수, 리뷰 수, 찜 수 및 Q&A 수를 포함할 수 있으며, 일 예로 상위 노출은 사용자가 원하는 순위일 수도 있고, 기본적으로는 검색 결과 1페이지에 노출되는 것을 의미할 수도 있다.
마케팅 종류를 선정하는 단계(S232)는 마케팅 종류를 선정하거나 제안하여 마케팅 종류를 획득하도록 형성된다. 단계 S232는 마케팅 목표 지수와 마케팅 요청 정보를 각각 획득하고, 획득한 목표 지수 및 요청 정보를 비교하여 마케팅 요청 정보에 포함된 요청 마케팅 종류를 선정하거나, 사용자 단말기로 필요 마케팅 종류를 제안하여 사용자 단말기로부터 선정된 마케팅 종류를 획득하도록 형성될 수 있다. 여기서, 마케팅 종류는 광고, 구매체험단 및 공동 구매 중 어느 하나일 수 있다.
또 단계 S232는 선택 키워드 분석 결과 및 계산 결과를 포함하는 마케팅 정보를 생성하고 사용자 단말기로 전달할 수도 있다. 여기서 마케팅 정보에 포함되는 선택 키워드 분석 결과는, 사용자의 제품이 포함된 상품군의 분석 결과 및 쇼핑 경쟁력 지표, 평균 판매 개수, 평균 가격 및 평균 매출일 수 있으며, 계산 결과는 상위 노출 필수 항목인 판매 건수, 텍스트 리뷰 수, 포토 리뷰 수, 찜 수 및 Q&A 수를 포함할 수 있다. 또, 마케팅 정보는 두 결과를 요약한 요약 결과를 더 포함할 수 있으며 요약 결과는 예상 비용, 예상 기간 및 총 진행 제품 수를 포함할 수 있다.
제품 공동구매 연계 방법(500)은 공동 구매와 연계하는 단계(S115)를 포함할 수 있다. 여기서, 공동 구매와 연계하는 단계(S115)는 공동 구매 연계부를 이용하여 공동 구매 마케팅만을 수행하는 것으로 표현되지만, 마케팅 종류에 따라 유사 또는 중복되는 구성을 사용하기 때문에, 공동 구매에 한정하지 않으며, 필요에 따라 다른 마케팅 종류에서 추가적으로 사용하는 내용은 동일한 구성에 추가 기재로 설명하도록 한다.
단계 S115는 공동 구매 연계부를 이용하여 공동 구매를 위해 제품 재고 정보를 획득하고, 공동 구매 대표자를 선정하여 공동 구매를 수행하도록 연계할 수 있으며, 마케팅 종류가 광고인 경우, 광고를 위해 제품 재고 정보를 획득하고, 광고 대표자를 선정한 후 광고를 수행하도록 연계할 수 있으며, 구매체험단과 연계하는 경우에는 대표자를 선정하는 구성만 제외하고 유사한 동작을 수행할 수 있다. 이를 위해 단계 S115는 도 12에 도시된 바와 같이 제품 재고 정보를 획득하는 단계(S251), 공동 구매 관련 정보를 선정하는 단계(S252), 공동 구매를 수행하는 단계(S253) 및 공동 구매 결과를 학습하는 단계(S254)를 포함하도록 형성될 수 있다.
제품 재고 정보를 획득하는 단계(S251)는 공동 구매를 수행하기 위해 제품 재고 정보를 획득하도록 형성된다. 단계 S251은 광고 또는 구매체험단과 연계하기 위해서도 제품 재고 정보를 획득할 수도 있다. 이는, 광고 시 제품 재고에 따라 광고 횟수, 노출 빈도 등을 조절하는데 사용하기 위함일 수도 있고, 구매 체험단과 연계 과정에서 제품 재고에 따라 구매 체험단을 관리하기 위함일 수도 있다. 또, 제품 재고 정보는 제품 유통기한, 제품 생산일자, 잔여 제품 수량, 제품 품질 상태 등을 포함할 수 있다.
공동 구매 관련 정보를 선정하는 단계(S252)는 제품 공동 구매를 위해 필요한 정보를 공동 구매 관련 정보로 선정하고, 공동 구매를 수행하도록 하기 위해 형성 된다. 단계 S252는 제품 공동 구매를 위해 필요한 정보로 공동 구매 대표자, 사용 홍보 채널 및 공동 구매를 통한 목표 판매량 등을 포함할 수 있으며, 제품 할인율을 더 포함할 수도 있다.
단계 S252는, 제품 재고 정보를 이용하여 제품 할인율을 결정하도록 형성될 수 있다. 공동 구매를 위해 할인율을 결정하는 경우, 단계 S252는 복수의 할인율을 사용자에게 제안하고 사용자의 결정에 따라 할인율을 결정하도록 할 수 있으며, 이때 결정되는 할인율은 복수개일 수도 있다.
단계 S252는 제품 재고 정보를 이용하여 할인율을 결정할 수도 있다. 일 예로 단계 S252 에서 제품 재고 정보 중 유통기한을 이용하여 할인율을 결정하는 경우, 유통기한이 가까운, 다시 말해 유통기한이 얼마 남지 않은 제품의 할인율을 높게 결정하고, 유통기한이 오래 남은 제품의 할인율을 낮게 결정하여 공동 구매 시 유통기한이 얼마 남지 않은 제품으로 사용자를 유도할 수도 있다.
또 단계 S252는 제품 재고 정보 중 유통기한이 존재하지 않는 경우 제조일자 또는 생산일자가 오래된 제품의 할인율을 높게 결정하고, 보다 근래에 제조 또는 생산된 제품의 할인율을 낮게 결정할 수도 있다. 나아가, 단계 S252는 필요 지표를 이용하여 할인율을 결정할 수도 있다. 또한, 단계 S252는 필요 지표를 일정 구간으로 구분하여 필요 지표 도달율에 따라 할인율을 조정하도록 형성될 수 있다.
마케팅 종류가 광고나 구매 체험단으로 설정되는 경우, 단계 S252는 필요 지표 도달율에 따라 할인율을 조정하도록 형성될 수도 있다.
또, 단계 S252는 공동 구매 대표자를 선정하기 위해 공동 구매 대표 후보자 풀(도면 미도시)을 이용할 수도 있다. 단계 S252는 공동 구매 대표 후보자 풀에 포함된 복수의 공동 구매 대표 후보자들 중 기존 누적 학습된 데이터를 이용하여 마케팅 요청 정보에 포함된 제품에 대한 공동 구매 이력이 존재하는 공동 구매 대표 후보자들을 예비 공동 구매 대표 후보자들로 선정하고, 선정한 예비 공동 구매 대표 후보자들로부터 공동 구매 대표자를 획득할 수 있다. 이러한 동작은 마케팅 요청이 공동 구매가 아닌 광고인 경우에도 적용 가능하며, 구매 체험단의 경우에는 대표성이 필요하지 않기 때문에 본 동작을 수행하지 않을 수도 있다.
단계 S252는 공동 구매 대표자를 획득하기 위해서 마케팅 요청 정보를 분석한다. 마케팅 요청 정보에 대표자 직접 선택 정보가 포함된 경우 단계 S252는 예비 공동 구매 대표 후보자들을 각각의 공동 구매 평가 결과를 포함하여 사용자 단말기로 전달하고, 사용자 단말기로부터 공동 구매 대표자를 획득할 수 있다.
또, 마케팅 요청 정보에 대표자 직접 선택 정보가 포함되지 않은 경우 단계 S252는 마케팅 요청 정보에 더 포함되는 마케팅 예산에 대응하는 공동 구매 대표자를 획득할 수도 있다. 이에 더해 단계 S252는 공동 구매 대표자를 획득하기 위해 사용 홍보 채널을 한정하여 사용자가 원하는 홍보 채널을 이용하여 공동 구매를 진행하도록 할 수도 있다.
공동 구매를 수행하는 단계(S253)는 단계 S252에서 선정한 공동 구매 관련 정보를 이용하여 공동 구매를 수행하도록 형성될 수 있다. 특히, 단계 S253은 사용자의 마켓 순위를 관리하기 위해 적응형으로 공동 구매를 관리하도록 형성될 수 있다. 이하에서는 설명의 편의상 적응형으로 공동 구매를 관리하기 위해 접속 인원 수를 관리하는 방법에 대하여 설명하도록 하지만, 본 발명의 단계 S253은 이에 한정되지 않으며, 할인율을 실시간으로 변동하는 방식으로 간접적으로 적응형 공동 구매 관리를 수행할 수도 있다.
일 예로, 단계 S253은 공동 구매와 관련된 정보를 획득하고 나면, 공동 구매 대표자에게 사용 홍보 채널에서 사용자 마켓으로 연결할 수 있는 마켓 연결 링크를 제공할 수 있다. 이를 통해 단계 S253은 공동 구매를 위해 접속하는 접속자를 확인하고 구분하도록 할 수 있다.
또, 단계 S253은 적응형으로 공동 구매를 관리하기 위해 목표 판매량, 총 공동 구매 진행일 및 기본 일별 진행 인원을 포함하는 적응형 공동 구매 정보를 획득하고, 획득한 적응형 공동 구매 정보를 이용하여 공동 구매 인원을 관리할 수 있다. 여기서 적응형 공동 구매 정보는 상술된 필요 지표 또는 계산 결과를 이용하여 획득될 수 있다.
목표 판매량은, 공동 구매의 목표로 선정된 판매량이고, 총 공동 구매 진행일은 사용자가 선택한 공동 구매 진행기간일 수 있으며, 특히 목표 판매량은 현재 제품 재고 정보와 연동될 수 있다. 기본 일별 진행 인원은 목표 판매량을 총 공동 구매 진행일로 나눈 값으로, 공동 구매 목표 판매량에 도달하기 위해 매일 공동 구매에 참여하는 공동 구매 인원 수를 의미한다.
단계 S253은 현재 제품 재고 정보 이하의 목표 판매량이 설정되고, 사용자의 선택에 따라 공동 구매 진행 기간이 설정되면, 목표 판매량을 공동 구매 진행 기간으로 나누어 기본 일별 진행 인원을 설정할 수 있다. 단계 S253은 전날의 판매수 또는 구매 인원 수를 이용하여 사용자의 마켓 순위를 긍정적으로 유지할 수 있다.
보다 상세히 설명하면, 단계 S253은 먼저 전날의 판매 수 또는 구매 인원 수를 획득한다. 공동 구매 첫날에 전날 제품 판매 수 또는 구매 인원 수가 n개/명으로 획득되는 경우, 단계 S253은 기본 일별 진행 인원 k와 비교하고, k-n 만큼의 공동 구매 인원 수를 획득하고 난 이후 할인율을 조절하거나 마켓으로의 공동 구매 희망자의 접근을 차단하여 공동 구매를 통한 판매 수 또는 구매 인원 수의 증가를 방지할 수 있다.
그 다음날, 공동 구매 둘째날에 단계 S253은 공동 구매 첫날에 획득한 판매 수 또는 구매 인원 수 m개/명을 획득하고, 기본 일별 진행 인원 k와 비교한 후, k-m만큼의 공동 구매 인원 수를 획득하거나 판매량을 획득하면 동일하게 할인율을 조절하거나 마켓으로의 공동 구매 희망자의 접근을 차단하여 공동 구매를 통한 판매 수 또는 구매 인원 수의 증가를 방지할 수 있다.
이때, 바람직하게는 단계 S253은 직전날의 판매 수 또는 구매 인원 수가 당일의 판매 수 또는 구매 인원 수보다 작게, 즉 공동 구매가 진행될 수록 점점 판매 수 또는 구매 인원 수가 증가하도록 적응형으로 공동 구매를 관리할 수 있다.
보다 단순하게 다시 설명하면, 단계 S253이 500개의 제품을 10일동안 팔아야 한다고 가정한다. 이 때, 단계 S253은 기본 일별 진행 인원으로 50명을 획득하여야 한다.
단계 S253은 첫날 획득한 공동 구매 전날(D-1)의 판매 결과가 10명, 또는 10개인 경우 공동 구매 첫날 예상되는 판매량을 10명 또는 10개로 예측하고, 50명 또는 50개의 판매 실적을 획득하기 위해 공동 구매 인원 또는 개수를 50-10=40으로 제한할 수 있다. 이를 판매하기 위해 단계 S253은 할인율을 변경할 수도 있고, 링크를 통해 공동 구매 인원 수를 40명으로 제한할 수도 있다.
다음으로, 단계 S253은 둘째날 획득한 공동 구매 첫날(D-day)의 판매 결과가 60명 또는 60개인 경우, 첫날의 40명을 제외한 20명의 진성 고객이 존재하는 것으로 판단하고, 둘째날의 예상 판매량을 20명으로 설정할 수 있다. 따라서, 단계 S253은 첫날과 달리 공동 구매 인원 또는 개수를 획득한 진성 고객을 제외한 값으로 제한할 수 있으며, 첫날과 동일하게 할인율을 변경하거나 링크를 통한 공동 구매 인원 수를 제한할 수도 있다. 단계 S253은 상술한 동작을 공동 구매 기간동안 반복하여 공동 구매를 적응형으로 관리할 수 있다. 상술한 공동 구매 인원 수 제한의 경우에는 최종 판매량이 전날 보다 증가하여야 하기 때문에 65-20=45로 제한될 수도 있다. 본 발명에서는 설명의 편의상 둘째날 증가하는 최종 판매량인 목표 판매량을 65로 설정하였지만, 이는 사용자의 요청, 본 시스템 관리자의 설정 또는 각 쇼핑몰의 순위 변경 지표에 따라 임의로 설정될 수 있다.
한편, 단계 S253은 마케팅 종류가 공동 구매가 아닌 구매 체험단인 경우에도 적응형으로 구매를 관리할 수 있다. 이 경우에는 구매 수를 제한하거나 하지는 않으며, 전날의 진성 고객 수를 확인하고, 구매 체험단을 기 설정된 수만큼 진행하여 전날의 구매 인원보다 해당일의 구매 인원이 증가하도록 할 수 있다. 이때, 전날의 진성 고객이 해당일의 목표 구매 인원보다 많은 경우, 해당일에는 구매 체험단을 진행하지 않고 유동적으로 구매 인원을 조절하도록 할 수도 있다.
마지막으로 공동 구매 결과를 학습하는 단계(S254)는 공동 구매가 종료된 후 공동 구매 결과를 평가하여 학습 누적하고, 공동 구매 대표자에 대한 공동 구매 평가 결과를 갱신하도록 형성된다. 이때 공동 구매 평가 결과는 홍보 채널 이용률, 공동 구매 목표 달성 기간, 공동 구매 종료 후 참여자의 제품 재 구매율, 정가 대비 할인율, 제품 판매량, 대표자 수수료 등을 포함할 수 있다.
이상에서 본 발명의 일 실시예에 대하여 설명하였으나, 본 발명의 사상은 본 명세서에 제시되는 실시 예에 제한되지 아니하며, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서, 구성요소의 부가, 변경, 삭제, 추가 등에 의해서 다른 실시 예를 용이하게 제안할 수 있을 것이나, 이 또한 본 발명의 사상범위 내에 든다고 할 것이다.
110: 제품 공동구매 연계 시스템
111: 외부 정보 획득부 113: 마케팅 정보 전처리부
115: 공동 구매 연계부 211: 마케팅 요청 정보 획득 모듈
212: 필요 지표 획득 모듈 231: 마케팅 목표 지수 생성 모듈
232: 마케팅 종류 선정 모듈 251: 제품 재고 정보 획득 모듈
252: 공동 구매 관련 정보 선정 모듈
253: 공동 구매 수행 모듈 254: 공동 구매 결과 학습 모듈

Claims (18)

  1. 사용자 단말기 및 쇼핑몰 서버와 연결되고, 사용자 단말기로부터 마케팅 요청 정보를 전달 받아 제품의 마케팅 연계를 제공하는 제품 공동구매 연계 시스템에 있어서,
    상기 마케팅 요청 정보 및 필요 지표를 외부 정보로 획득하도록 형성되는 외부 정보 획득부;
    상기 외부 정보를 이용하여 요구되는 마케팅 목표 지수를 생성하고, 마케팅 종류를 선정하는 마케팅 정보 전처리부; 및
    공동 구매를 위해 제품 재고 정보를 획득하고, 공동 구매 대표자를 선정하여 상기 공동 구매를 수행하도록 연계하는 공동 구매 연계부;를 포함하며,
    상기 필요 지표는 상기 쇼핑몰 서버로부터 획득한 쇼핑몰 정보 및 공개 지표를 이용하여 생성되는 제품 노출 알고리즘을 이용하여 획득되는 제품 공동구매 연계 시스템.
  2. 제 1항에 있어서,
    상기 외부 정보 획득부는,
    상기 마케팅 요청 정보를 획득하도록 형성되는 마케팅 요청 정보 획득 모듈; 및
    상기 제품 노출 알고리즘으로부터 상기 필요 지표를 획득하도록 형성되는 필요 지표 획득 모듈;을 포함하며,
    상기 마케팅 요청 정보는 마케팅 요청 제품 정보, 마케팅 예산 및 제품 재고 정보 중 적어도 하나를 포함하는 제품 공동구매 연계 시스템.
  3. 제 1항에 있어서,
    상기 마케팅 정보 전처리부는,
    상기 마케팅 요청 정보 및 상기 필요 지표를 각각 분석하여 마케팅 목표 지수를 생성하도록 형성되는 마케팅 목표 지수 생성 모듈; 및
    상기 마케팅 목표 지수와 상기 마케팅 요청 정보를 비교하여 상기 마케팅 요청 정보에 포함된 요청 마케팅 종류를 선정하거나, 상기 사용자 단말기로 필요 마케팅 종류를 제안하여 상기 사용자 단말기로부터 선정된 마케팅 종류를 획득하도록 형성되는 마케팅 종류 선정 모듈;을 포함하며,
    상기 마케팅 종류는 광고, 구매체험단 및 공동 구매 중 어느 하나인 제품 공동구매 연계 시스템.
  4. 제 1항에 있어서,
    상기 공동 구매 연계부는,
    상기 공동 구매를 수행하기 위해 상기 제품 재고 정보를 획득하도록 형성되는 제품 재고 정보 획득 모듈;
    상기 제품 공동 구매를 위해 상기 공동 구매 대표자, 사용 홍보 채널 및 상기 공동 구매를 통한 목표 판매량 중 적어도 하나를 공동 구매 관련 정보로 선정하도록 형성되는 공동 구매 관련 정보 선정 모듈; 및
    상기 공동 구매가 종료되면, 공동 구매 결과를 평가하여 학습 누적하여 상기 공동 구매 대표자에 대한 정보를 갱신하도록 형성되는 공동 구매 결과 학습 모듈;을 포함하는 제품 공동구매 연계 시스템.
  5. 제 4항에 있어서,
    상기 제품 재고 정보는 제품 유통기한, 잔여 제품 수량, 제품 품질 상태 중 적어도 하나를 포함하며,
    상기 공동 구매 관련 정보 선정 모듈은, 상기 제품 재고 정보에 따라 제품에 대한 적어도 하나의 할인율을 제안하고, 사용자의 결정에 따라 할인율을 결정하도록 형성되는 제품 공동구매 연계 시스템.
  6. 제 5항에 있어서,
    상기 공동 구매 관련 정보 선정 모듈은,
    상기 제품에 유통기한이 존재하는 경우 상기 유통기한과 가까운 제품의 할인율을 증가시켜 제품 소진을 유도하며, 상기 유통기한이 존재하지 않는 경우 제조일자가 먼 제품의 할인율을 증가시켜 제품 소진을 유도하도록 형성되는 제품 공동구매 연계 시스템.
  7. 제 6항에 있어서,
    상기 공동 구매 관련 정보 선정 모듈은,
    공동 구매 대표 후보자 풀에 포함된 복수의 공동 구매 대표 후보자들 중 기존 누적 학습된 데이터를 이용하여 상기 마케팅 요청 정보에 포함된 해당 제품에 대한 과거 공동 구매 이력이 존재하는 예비 공동 구매 대표 후보자들로부터 상기 공동 구매 대표자를 선정하여 획득하며,
    상기 마케팅 요청 정보에 대표자 직접 선택 정보가 포함된 경우 상기 예비 공동 구매 대표 후보자들, 상기 과거 공동 구매 이력, 및 각 대표 후보자들에 대한 공동 구매 평가 결과를 포함하여 상기 사용자 단말기에 제공한 후 상기 사용자 단말기로부터 선정된 상기 공동 구매 대표자를 획득하며, 상기 사용자 단말기로부터 상기 요청 정보를 획득하지 않은 경우 상기 마케팅 요청 정보에 포함된 마케팅 예산에 대응하는 상기 공동 구매 대표 후보자를 상기 선정된 공동 구매 대표자로 획득하도록 형성되는 제품 공동구매 연계 시스템.
  8. 제 7항에 있어서,
    상기 공동 구매 관련 정보 선정 모듈은,
    상기 선정된 공동 구매 대표자를 획득하기 위해 상기 마케팅 요청 정보에 더 포함되는 사용 홍보 채널을 더 이용하도록 형성되는 제품 공동구매 연계 시스템.
  9. 제 8항에 있어서,
    상기 공동 구매 결과 학습 모듈은,
    상기 공동 구매 결과를 획득하고 평가하여 상기 공동 구매 평가 결과를 생성하고 저장하도록 형성되며, 상기 공동 구매 평가 결과는 상기 홍보 채널 이용률, 공동 구매 목표 달성 기간, 공동 구매 종료 후 재구매율, 정가 대비 할인율, 판매량, 대표자 수수료 중 적어도 하나를 포함하도록 형성되는 제품 공동구매 연계 시스템.
  10. 사용자 단말기 및 쇼핑몰 서버와 연결되어 사용자 단말기로부터 마케팅 요청 정보를 전달 받아 제품의 마케팅 연계를 제공하는 제품 공동구매 연계 방법에 있어서,
    외부 정보 획득부를 이용하여 상기 마케팅 요청 정보 및 필요 지표를 외부 정보로 획득하는 단계;
    마케팅 정보 전처리부를 통해 상기 외부 정보를 이용하여 요구되는 마케팅 목표 지수를 생성하고, 마케팅 종류를 선정하는 단계; 및
    공동 구매 연계부를 이용하여 공동 구매를 위해 제품 재고 정보를 획득하고, 공동 구매 대표자를 선정하여 상기 공동 구매를 수행하도록 연계하는 단계;를 포함하며,
    상기 필요 지표는 상기 쇼핑몰 서버로부터 획득한 쇼핑몰 정보 및 공개 지표를 이용하여 생성되는 제품 노출 알고리즘을 이용하여 획득되는 제품 공동구매 연계 방법.
  11. 제 10항에 있어서,
    상기 마케팅 요청 정보 및 필요 지표를 외부 정보로 획득하는 단계는,
    상기 마케팅 요청 정보를 획득하는 단계; 및
    상기 제품 노출 알고리즘으로부터 상기 필요 지표를 획득하는 단계;를 포함하며,
    상기 마케팅 요청 정보는 마케팅 요청 제품 정보, 마케팅 예산 및 제품 재고 정보 중 적어도 하나를 포함하는 제품 공동구매 연계 방법.
  12. 제 11항에 있어서,
    상기 마케팅 종류를 선정하는 단계는,
    상기 마케팅 요청 정보 및 상기 필요 지표를 각각 분석하여 마케팅 목표 지수를 생성하는 단계; 및
    상기 마케팅 목표 지수와 상기 마케팅 요청 정보를 비교하여 상기 마케팅 요청 정보에 포함된 요청 마케팅 종류를 선정하거나, 상기 사용자 단말기로 필요 마케팅 종류를 제안하여 상기 사용자 단말기로부터 선정된 마케팅 종류를 획득하는 단계;를 포함하며,
    상기 마케팅 종류는 광고, 구매체험단 및 공동 구매 중 어느 하나인 제품 공동구매 연계 방법.
  13. 제 12항에 있어서,
    상기 공동 구매를 수행하도록 연계하는 단계는,
    상기 공동 구매를 수행하기 위해 상기 제품 재고 정보를 획득하는 단계;
    상기 제품 공동 구매를 위해 상기 공동 구매 대표자, 사용 홍보 채널 및 상기 공동 구매를 통한 목표 판매량 중 적어도 하나를 공동 구매 관련 정보로 선정하는 단계; 및
    상기 공동 구매가 종료되면, 공동 구매 결과를 평가하여 학습 누적하여 상기 공동 구매 대표자에 대한 정보를 갱신하는 단계;를 포함하는 제품 공동구매 연계 방법.
  14. 제 13항에 있어서,
    상기 제품 재고 정보는 제품 유통기한, 잔여 제품 수량, 제품 품질 상태 중 적어도 하나를 포함하며,
    상기 공동 구매 관련 정보 선정 모듈은, 상기 제품 재고 정보에 따라 제품에 대한 적어도 하나의 할인율을 제안하고, 사용자의 결정에 따라 할인율을 결정하도록 형성되는 제품 공동구매 연계 방법.
  15. 제 14항에 있어서,
    상기 공동 구매 관련 정보로 선정하는 단계는,
    상기 제품에 유통기한이 존재하는 경우 상기 유통기한과 가까운 제품의 할인율을 증가시켜 제품 소진을 유도하며, 상기 유통기한이 존재하지 않는 경우 제조일자가 먼 제품의 할인율을 증가시켜 제품 소진을 유도하도록 형성되는 제품 공동구매 연계 방법.
  16. 제 15항에 있어서,
    상기 공동 구매 관련 정보로 선정하는 단계는,
    공동 구매 대표 후보자 풀에 포함된 복수의 공동 구매 대표 후보자들 중 기존 누적 학습된 데이터를 이용하여 상기 마케팅 요청 정보에 포함된 해당 제품에 대한 과거 공동 구매 이력이 존재하는 예비 공동 구매 대표 후보자들로부터 상기 공동 구매 대표자를 선정하여 획득하며,
    상기 마케팅 요청 정보에 대표자 직접 선택 정보가 포함된 경우 상기 예비 공동 구매 대표 후보자들, 상기 과거 공동 구매 이력, 및 각 대표 후보자들에 대한 공동 구매 평가 결과를 포함하여 상기 사용자 단말기에 제공한 후 상기 사용자 단말기로부터 선정된 상기 공동 구매 대표자를 획득하며, 상기 사용자 단말기로부터 상기 요청 정보를 획득하지 않은 경우 상기 마케팅 요청 정보에 포함된 마케팅 예산에 대응하는 상기 공동 구매 대표 후보자를 상기 선정된 공동 구매 대표자로 획득하도록 형성되는 제품 공동구매 연계 방법.
  17. 제 16항에 있어서,
    상기 공동 구매 관련 정보로 선정하는 단계는,
    상기 선정된 공동 구매 대표자를 획득하기 위해 상기 마케팅 요청 정보에 더 포함되는 사용 홍보 채널을 더 이용하도록 형성되는 제품 공동구매 연계 방법.
  18. 제 17항에 있어서,
    상기 공동 구매 대표자에 대한 정보를 갱신하는 단계는,
    상기 공동 구매 결과를 획득하고 평가하여 상기 공동 구매 평가 결과를 생성하고 저장하도록 형성되며, 상기 공동 구매 평가 결과는 상기 홍보 채널 이용률, 공동 구매 목표 달성 기간, 공동 구매 종료 후 재구매율, 정가 대비 할인율, 판매량, 대표자 수수료 중 적어도 하나를 포함하도록 형성되는 제품 공동구매 연계 방법.
KR1020210071584A 2021-06-02 2021-06-02 제품 공동구매 연계 시스템 및 방법 KR102576123B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210071584A KR102576123B1 (ko) 2021-06-02 2021-06-02 제품 공동구매 연계 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210071584A KR102576123B1 (ko) 2021-06-02 2021-06-02 제품 공동구매 연계 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20220163089A true KR20220163089A (ko) 2022-12-09
KR102576123B1 KR102576123B1 (ko) 2023-09-08

Family

ID=84440484

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210071584A KR102576123B1 (ko) 2021-06-02 2021-06-02 제품 공동구매 연계 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102576123B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116579634A (zh) * 2023-07-14 2023-08-11 深圳市科脉技术股份有限公司 一种基于大数据的门店运营智慧决策方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090008777A (ko) * 2007-07-19 2009-01-22 최진혁 온라인 쇼핑몰들의 위시리스트 모음 웹 서비스 시스템 및방법
KR20120105157A (ko) * 2011-03-15 2012-09-25 변지훈 구매자를 위한 공간 생성 및 상기 공간에의 구매 필요 수량의 배분을 통한 구매자 주도형 마케팅 시스템 및 이를 이용한 마케팅 방법
KR20140136564A (ko) * 2013-05-20 2014-12-01 주식회사 엘지유플러스 공동 구매 지원 단말 및 방법
KR102139348B1 (ko) * 2019-07-08 2020-07-29 오수현 실시간 상품 정보 제공 방법
KR20200119746A (ko) 2020-08-31 2020-10-20 김기주 에스앤에스 공동구매 방법
KR20210048101A (ko) * 2019-10-23 2021-05-03 소셜포스트 주식회사 인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090008777A (ko) * 2007-07-19 2009-01-22 최진혁 온라인 쇼핑몰들의 위시리스트 모음 웹 서비스 시스템 및방법
KR20120105157A (ko) * 2011-03-15 2012-09-25 변지훈 구매자를 위한 공간 생성 및 상기 공간에의 구매 필요 수량의 배분을 통한 구매자 주도형 마케팅 시스템 및 이를 이용한 마케팅 방법
KR20140136564A (ko) * 2013-05-20 2014-12-01 주식회사 엘지유플러스 공동 구매 지원 단말 및 방법
KR102139348B1 (ko) * 2019-07-08 2020-07-29 오수현 실시간 상품 정보 제공 방법
KR20210048101A (ko) * 2019-10-23 2021-05-03 소셜포스트 주식회사 인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템
KR20200119746A (ko) 2020-08-31 2020-10-20 김기주 에스앤에스 공동구매 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116579634A (zh) * 2023-07-14 2023-08-11 深圳市科脉技术股份有限公司 一种基于大数据的门店运营智慧决策方法及***

Also Published As

Publication number Publication date
KR102576123B1 (ko) 2023-09-08

Similar Documents

Publication Publication Date Title
US11727445B2 (en) Predictive recommendation system using price boosting
KR102045477B1 (ko) 이커머스 플랫폼 평가 시스템
US9727616B2 (en) Systems and methods for predicting sales of item listings
JP6014515B2 (ja) レコメンド情報提供システム、レコメンド情報生成装置、レコメンド情報提供方法、およびプログラム
US11321724B1 (en) Product evaluation system and method of use
US11216850B2 (en) Predictive platform for determining incremental lift
US11875380B2 (en) Method for matching influencers to brands and pairing influencer videos to products for intra-video transactions
US20220180392A1 (en) Predictive recommendation system using tiered feature data
US20220414692A1 (en) Method, apparatus, and computer program product for forecasting demand using real time demand
KR102381879B1 (ko) 리셀러 추천기반 광고판매시스템의 셀러 리셀러 매칭시스템과 방법
KR101026544B1 (ko) 인공지능에 기반한 랭킹 분석 방법, 이를 기록한 기록 매체, 그 장치
US10049375B1 (en) Automated graph-based identification of early adopter users
KR102576123B1 (ko) 제품 공동구매 연계 시스템 및 방법
WO2002079901A2 (en) Customer preference system
Sajedikhah et al. Historical effect of verified purchases and ordinary users’ testimonials on the sales rank of experience and search goods
JP6809148B2 (ja) プログラムおよび組み合わせ抽出システム
KR102588300B1 (ko) 쇼핑몰 제품 노출 정보 제공 시스템 및 방법
Somya et al. A novel approach to collect and analyze market customer behavior data on online shop
KR102381883B1 (ko) 캠페인 추천기반 광고판매시스템의 셀러 리셀러 매칭시스템과 방법
Fasuga et al. The method of automated monitoring of product prices and market position determination in relation to competition quotes: Monitoring of product prices and marketability development with continuous assessment of market position in on-line sales
KR20240011096A (ko) 스코어링 정보에 기초하여 광고 매체를 추천하기 위한전자 장치 및 그 동작 방법
Saxe Website personalization using data mining and active database techniques
JP2020102174A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant