8 |
8
추천 시스템에 입력된 복수의 구매자들에 대하여 구매자 각각의 정보가 저장되는 고객데이터DB(111) 및 구매물품 정보가 저장되는 물품데이터DB(112)를 생성하는 고객데이터DB생성부(110);구매자들의 구매정보를 수집하여 상기 고객데이터DB생성부(110)에서 생성된 각각의 상기 고객데이터DB(111)에 고객별 구매일자데이터를 누적시키는 고객데이터수집부(120);상기 고객데이터수집부(120)의 진행시간이 미리 입력되어진 시간을 초과한 상기 고객데이터DB(111)에 대하여 구매추천고객을 확인하는 구매추천고객확인부(130);상기 구매추천고객확인부(130)에서 확인된 구매추천고객에게 추천할 물품을 상기 물품데이터DB(112)에서 확인하는 추천구매물품확인부(140); 및상기 추천구매물품확인부(140)에서 확인된 추천할 물품의 정보를 상기 물품데이터DB(112)에서 전송받아 상기 고객데이터DB(111)에 미리 입력되어진 고객 정보를 이용하여 고객에게 송신하는 추천구매물품정보전송부(150);를 포함하는 구매패턴데이터를 이용한 구매추천시스템에 있어서,상기 고객데이터DB(111)는 고객의 연락처정보, 고객의 연령, 고객의 구매물품의 종류, 구매물품의 색상, 구매물품의 가격, 구매물품의 사이즈 및 구매물품의 디자인형태 분류의 정보를 포함하고, 상기 물품데이터DB(112)는물품의 사진정보, 물품의 제원정보, 물품의 가격정보, 물품의 프로모션정보 및 물품의 결제정보를 포함하며, 상기 구매추천고객확인부(130)는상기 고객데이터수집부(120)에서 4개월 이상인 상기 고객데이터DB(111)를 구매추천고객으로 사용하고,상기 구매추천고객확인부(130)는구매 시기를 주초, 주중, 주말로 구분하여 주간단위의 구매패턴을 분류하고,다층퍼셉트론(MLP; Multi Layer Perceptron) 및 순환신경망(RNN; Recurrent Neural Network) 중 선택되는 어느 하나 이상의 순환신경망 연산을 이용하여 구매추천대상고객을 특정하고, 주차별 구매패턴에 대한 시계열 데이터로부터 다음 주차의 구매패턴을 예측하며,상기 다층퍼셉트론은 3계층 구조의 신경망으로 입력노드, 출력노드, 은닉노드로 구성되고, 총 T-1주까지의 구매이력을 활용하여 T주의 구매여부를 예측하고, 다층퍼셉트론의 최종 출력 값은 주초, 주중, 주말 구매에 대한 확률 값으로 나타나며, 확률 값이 주어진 경계 값 보다 크거나 같으면 구매, 작으면 비구매로 판정하며, 상기 순환신경망은 입력층, 은닉층, 출력층으로 구성되며, 이전 기간의 구매패턴을 알고 있을 때 다음 기간의 구매패턴이 나타날 확률의 곱으로 계산되고, 학습된 순환신경망을 사용하여 예측한 최종 출력값은 각 구매패턴에 대한 확률분포로 주어지며, 가장 큰 확률을 갖는 구매패턴을 최종 구매패턴으로 선택하고, 상기 추천구매물품확인부(140)는상기 고객데이터DB(111)의 정보와 이에 대응되는 상기 물품데이터DB(112)의 정보를 통하여 재구매 물품을 특정하는 재구매물품확인수단(141); 및상기 고객데이터DB(111)에서 해당 고객과 유사한 구매패턴을 가지는 유사 이웃들(Nearest neighbors) 및 상이한 구매패턴을 가지는 상이 이웃들(farthest neighbors)을 참조하여 추천구매물품을 확인하는 추천물품확인수단(142)을 포함하며,상기 추천구매물품정보전송부(150)는상기 고객데이터DB(111)에 입력되어진 정보를 이용하여 고객의 전자메일 및 휴대용통신기기로 물품정보를 전송하기 위한 통신수단(151)을 더 포함하고,구매 시에 발생되는 구매자들의 구매패턴을 고객데이터DB에 저장하고 누적된 구매패턴 데이터를 분석하여 추천물품 및 재구매시기를 예측하고, 예측된 추천물품의 물품정보를 구매예상시기에 맞추어 송신함으로써 구매자 맞춤형 광고가 가능하고, 고객데이터DB의 정보를 통하여 구매 패턴이 유사한 고객들 및 상이한 고객들의 정보를 조합하여 예측한 추천물품의 물품정보를 송신함으로써 구매자 만족도가 높은 맞춤형 광고가 가능하며,구매일자와 구매제품으로 구성된 간단한 구매이력 정보만을 활용하여 고객의 재구매시기를 예측함으로써 반복구매를 유도할 수 있는 것을 특징으로 하는 구매패턴데이터를 이용한 구매추천시스템
|