KR-102961330-B1 - NEW PRODUCT MIX DEVELOPMENT AND SALES FORECASTING SYSTEM USING PREFERENCE EXTRACTION ARTIFICIAL INTELLIGENCE

Abstract

본 발명은 선호도 추출 인공지능을 이용한 신상품 믹스 개발 및 매출 예측 시스템에 관한 것으로, 키워드데이터를 제공하는 사용자 단말기; 및 신상품 조합데이터 및 적정가데이터 중 적어도 하나를 사용자 단말기에 제공하는 신상품 믹스 개발 및 매출 예측 프로그램을 포함하여 구비된다. 본 발명에 따르면, 모형 생성 모듈이 지불의사 추정모형을 생성하므로, 지불의사를 파악하여 실제 매출을 근사치로 예측할 수 있을 뿐만 아니라, 속성 조합 모듈이 신상품 조합데이터를 산출하고 조합 평가 모듈이 조합데이터를 평가하여 신상품 후보데이터를 산출하므로, 신상품 개발에 활용하여 개발 비용과 시간을 절감할 수 있다.

Inventors

• 강송희
• 박용희

Dates

Publication Date

20260506

Application Date

20250210

Claims (6)

1. 키워드데이터를 제공하는 사용자 단말기(D); 및 신상품 조합데이터 및 적정가데이터 중 적어도 하나를 상기 사용자 단말기(D)에 제공하는 신상품 믹스 개발 및 매출 예측 프로그램(P);을 포함하되, 상기 신상품 믹스 개발 및 매출 예측 프로그램(P)은, 웹사이트(W)로부터 상기 키워드데이터와 연관된 제1 데이터를 수집하고, 상기 제1 데이터로부터 속성데이터를 추출하여 필수속성데이터 및 선택속성데이터로 분류 및 저장하는 속성 등록부(100); 상기 웹사이트(W)로부터 상기 키워드데이터와 연관된 제2 데이터를 수집하고, 상기 제2 데이터로부터 연관어데이터를 추출하여 유사상품 평점데이터를 산출하는 오피니언 마이닝부(200); 상기 필수속성데이터, 상기 선택속성데이터 및 상기 유사상품 평점데이터에 기초하여 상기 속성데이터의 우선순위를 산출하고, 지불의사 추정모형을 생성하는 지불의사 추정부(300); 상기 속성데이터의 우선순위에 기초하여 상기 신상품 조합데이터를 산출하는 컨셉 후보 생성부(400); 및 상기 신상품 조합데이터를 평가하여 신상품 후보데이터를 산출하고, 상기 신상품 후보데이터에 대한 상기 적정가데이터를 산출하는 추천 신상품 제공부(500);를 포함하고, 상기 지불의사 추정부(300)는, 상기 필수속성데이터, 상기 선택속성데이터 및 상기 유사상품 평점데이터에 기초하여 상기 속성데이터의 우선순위를 산출하는 속성 비교 모듈(310); 및 상기 속성데이터의 우선순위에 기초하여 상기 지불의사 추정모형을 생성하는 모형 생성 모듈(320);을 포함하는 것을 특징으로 하는 선호도 추출 인공지능을 이용한 신상품 믹스 개발 및 매출 예측 시스템.
2. 제 1 항에 있어서, 상기 속성 등록부(100)는, 상기 웹사이트(W)로부터 상기 제1 데이터를 수집하는 제1 크롤링 모듈(110); 및 제1 스크래핑 모듈(120); 중 적어도 하나를 포함하고, 상기 제1 데이터로부터 상기 속성데이터를 추출하는 속성 추출 모듈(130);을 더 포함하는 것을 특징으로 하는 선호도 추출 인공지능을 이용한 신상품 믹스 개발 및 매출 예측 시스템.
3. 제 1 항에 있어서, 상기 오피니언 마이닝부(200)는, 상기 웹사이트(W)로부터 상기 제2 데이터를 수집하는 제2 크롤링 모듈(210); 및 제2 스크래핑 모듈(220); 중 적어도 하나를 포함하고, 상기 제2 데이터로부터 상기 연관어데이터를 추출하는 연관어 추출 모듈(230); 및 상기 연관어데이터에 기초하여 상기 유사상품 평점데이터를 추출하는 선호도 산출 모듈(240);을 더 포함하는 것을 특징으로 하는 선호도 추출 인공지능을 이용한 신상품 믹스 개발 및 매출 예측 시스템.
4. 삭제
5. 제 1 항에 있어서, 상기 컨셉 후보 생성부(400)는, 상기 필수속성데이터, 상기 선택속성데이터 및 상기 속성데이터의 우선순위에 기초하여, 주요 속성데이터를 갖는 상기 신상품 조합데이터를 하나 이상 산출하는 속성 조합 모듈(410)을 포함하는 것을 특징으로 하는 선호도 추출 인공지능을 이용한 신상품 믹스 개발 및 매출 예측 시스템.
6. 제 1 항에 있어서, 추천 신상품 제공부(500)는, 미리 설정된 최적화 옵션에 따라 상기 신상품 조합데이터를 평가하여 상위 n개의 후보를 생성하는 조합 평가 모듈(510); 상기 상위 n개의 후보에 기초하여 상기 신상품 조합데이터에 대한 상기 적정가데이터를 산출하는 가격 예측 모듈(520); 및 상기 조합 평가 모듈(510) 및 상기 가격 예측 모듈(520)의 매커니즘 중 적어도 하나를 해석 및 검증하는 검증 모듈(530);을 포함하는 것을 특징으로 하는 선호도 추출 인공지능을 이용한 신상품 믹스 개발 및 매출 예측 시스템.

Description

선호도 추출 인공지능을 이용한 신상품 믹스 개발 및 매출 예측 시스템{NEW PRODUCT MIX DEVELOPMENT AND SALES FORECASTING SYSTEM USING PREFERENCE EXTRACTION ARTIFICIAL INTELLIGENCE} 본 발명은 인공지능을 이용한 매출 예측 시스템에 관한 것이다. 보다 자세하게는 소비자 선호도를 추출하여 신상품 조합을 개발하고 매출을 예측하는 인공지능 기반 시스템에 관한 것이다. 성공적인 신제품 개발의 첫 번째 단계는 고객의 요구를 이해하는 것이다. 전통적인 고객 요구 파악 방법은 기존의 마케팅 조사에 의존해 왔다. 이 방법은 고객과 공급업체 모두에게 시간과 비용이 많이 소요되는 방법이다. 한편, 글로벌 소비자 시장은 전례 없는 빠른 변화와 도전으로 인한 불확실성의 증가에 직면해 있다. 일상적인 소비재는 접근성이 높고, 제품의 수명 주기 및 교체 주기가 짧아지는 반면, 지속 가능성과 순환 경제 트렌드가 결합되고 있다. 이로 인해 급속하게 진화하는 시장에서 새로운 고객 요구를 정확하게 파악하는 것이 어려워지고 있다. 이러한 문제점을 해결하기 위해 신제품 개발 과정은 오랫동안 체계화되고 이론화되어 왔으며, 제품 디자인 전략과 마케팅 조사 기법을 통해 이루어졌다. 그러나 이러한 노력에도 불구하고, 하버드 경영대학원의 클레이튼 크리스텐슨 교수에 따르면 매년 약 30,000개의 신제품이 출시되지만, 그중 95%가 실패한다고 한다. 대부분의 신제품 개발 실패는, 소비자의 문제, 요구, 욕구를 해결하는 데 초점을 맞추는 대신, 공급업체 간의 경쟁에 집중할 때 발생한다. 일부 사례에서는 결함 있는 마케팅 조사에 기반해 완전히 새로운 독특한 제품을 개발하거나, 단기적인 판매량 증가를 목표로 이벤트 중심의 제품을 출시하기도 한다. 실패 원인은 다양하지만, 가장 큰 이유는 소비자의 요구와 지불 의사를 제대로 파악하지 못하고, 제품 설계 단계에서 소비자를 배제했기 때문이다. 최근 들어 제품 평가 및 트랜드 파악 등에 주로 활용되는 오피니언 마이닝(Opinion mining; 여론 마이닝)은 빅데이터 처리 기술의 일종으로, 웹사이트, 소셜 미디어 등에 나타난 여론과 의견 등의 데이터를 분석하여 유용한 정보로 재가공하고 활용하는 기술이다. 구체적으로, 웹사이트와 SNS 등에서 특정 주제에 대한 여론이나 댓글, 게시글 등 정보를 수집, 분석해 평판을 도출하는 빅데이터 처리 기술로, 웹 문서의 내용을 바탕으로 데이터의 패턴을 분석하며, 객관적인 정보뿐만 아니라 사용자가 게재한 의견과 감정까지 분석할 수 있는 것을 특징으로 한다. 또한, 특정 사안에 대한 작성자의 의견이 긍정인지, 중립인지, 부정인지까지 도출해낼 수 있다. 이를 위해 오피니언 마이닝은 텍스트에 포함된 진정한 의미를 찾기 위해 단계별 분석 기법을 사용한다. 웹사이트에 등록된 글이 주관적인지 또는 객관적인지를 결정하는 '주관석 분석'을 수행하고, 주어진 텍스트가 주관적인 의견을 갖고 있을 경우 이에 대해 긍정인지 부정인지를 분류하는 '극성 분석'을 수행한다. 그러나, 단순히 오피니언 마이닝만을 활용하는 것 만으로는 시장 전망, 시장 내 기업의 위치와 현황, 경쟁 상황 등 기업이 처한 맥락을 충분히 이해하거나, 소비자 및 잠재 소비자의 지불의사를 파악하는 데 한계가 있었다. 이러한 이유로, 오피니언 마이닝만을 활용한 방법은 실제 매출액을 정확히 추정하기 어려운 점이 문제로 지적되어 왔다. 또한, 기존 경영 및 마케팅 조사 기법인 컨조인트 분석과 TURF 분석은 속성 선호도를 추출하는 데 사용되지만, 조사 가능한 속성의 수가 일반적으로 6개 이하로 제한된다. 소비자가 설문 조사에서는 속성 프로필을 개별적으로 비교해야 하기 때문이다. 이러한 한계로 인해 기존 기법의 유용성은 신흥 시장에서 새로운 유형의 제품을 다룰 때 상당히 제한적이다. 따라서 이러한 방법의 유용성은 신흥 시장에 진입하는 새로운 종류의 제품이 아닌 이상 상당히 제한적이다. 상기와 같은 종래 방법들의 한계를 극복하기 위해, 본 발명에서는 선호도 추출 인공지능을 활용한 신상품 믹스 개발 및 매출 예측 시스템을 제안한다. 선호도 추출 인공지능은 소비자 의견 데이터를 기반으로 특정 상품이나 서비스에 대한 소비자 선호도를 정량적으로 분석하고, 이를 통해 시장의 니즈와 트렌드를 보다 명확히 파악할 수 있는 기술이다. 본 발명에 따른 예측 시스템은 새로운 제품을 뚜렷한 속성 조합의 혼합으로 정의하고, 속성 조합의 중요성에 따라 사용자 선호도와 사용자의 지불 의지를 추출하는 프레임워크를 구축한다. 데이터의 특성에 따라 가장 적합한 기계 학습 회귀 모델을 선택함으로써, 다양한 속성에 대한 소비자 선호도를 추출하고, 새로운 제품을 추천하며, 각 속성에 대한 세부적인 지불 의사를 추정한다. 이 설정을 통해, 데이터를 기반으로 모든 속성에 대한 선호도와 지불 의향에 대한 새로운 지식 기반을 구축하고, 간단한 소비자 평점 입력으로 새로운 제품 조합을 발견하는 프로세스를 자동화할 수 있다. 기존의 방법과 비교했을 때, 이 방법은 6개 이상의 모든 고유 속성을 포함하고 따라서 실제 시장성 있는 가격에 대한 예측력이 더 우수하다. 도 1은 본 발명의 일 실시예에 따른 선호도 추출 인공지능을 이용한 신상품 믹스 개발 및 매출 예측 시스템의 구성도이다. 도 2는 본 발명의 일 실시예에 따른 선호도 추출 인공지능을 이용한 신상품 믹스 개발 및 매출 예측 프로그램의 구성도이다. 도 3은 본 발명의 일 실시예에 따른 선호도 추출 인공지능을 이용하여 추정된 상위 20개 속성의 중요성을 나타내는 그래프이다. 도 4는 본 발명의 일 실시예에 따른 선호도 추출 인공지능을 이용한 신상품 믹스 개발 및 매출 예측 시스템의 프로세스를 나타내는 순서도이다. 도 5는 본 발명의 일 실시예에 따른 속성 등록부에서의 상세 프로세스를 나타내는 도면이다. 도 6은 본 발명의 일 실시예에 따른 오피니언 마이닝부에서의 상세 프로세스를 나타내는 도면이다. 도 7은 본 발명의 일 실시예에 따른 지불의사 추정부에서의 상세 프로세스를 나타내는 도면이다. 도 8은 본 발명의 일 실시예에 따른 컨셉 후보 생성부에서의 상세 프로세스를 나타내는 도면이다. 도 9는 본 발명의 일 실시예에 따른 추천 신상품 제공부에서의 상세 프로세스를 나타내는 도면이다. 본 발명의 목적 및 효과는 다음의 상세한 설명을 통하여 보다 분명해질 것이나 하기의 기재만으로 본 발명의 목적 및 효과가 제한되는 것은 아니다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 이하, 첨부된 도면을 참조하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 이하에서 개시되는 실시 예에 한정되지 않는다. 또한 도면에서 본 발명을 명확하게 개시하기 위해서 본 발명과 관계없는 부분은 생략하였으며, 도면에서 동일하거나 유사한 부호들은 동일하거나 유사한 구성요소들을 나타낸다. 도 1은 본 발명의 일 실시예에 따른 선호도 추출 인공지능을 이용한 신상품 믹스 개발 및 매출 예측 시스템의 구성도이다. 도 1을 참조하면, 본 발명의 일 실시예에 따른 선호도 추출 인공지능을 이용한 신상품 믹스 개발 및 매출 예측 시스템은 사용자 단말기 및 신상품 믹스 개발 및 매출 예측 프로그램을 포함하여 구성된다. 사용자 단말기는 신상품 믹스 개발 및 매출 예측 프로그램에 키워드데이터를 전송하는 구성이다. 키워드데이터는 상품에 대한 키워드로, 책상, 스탠드, 의자, 마우스, 키보드, 스피커 등의 단어를 의미한다. 그러나, 이와 같이 상품의 명칭을 직접적으로 나타내는 단어에 한정되지 않고, 키워드데이터는 캠핑 용품, 겨울 외투, 검정 양말 등과 같이 여러 단어의 조합 또는 문장으로 구성될 수 있다. 이러한 키워드데이터를 전송하기 위해 사용자 단말기는 입력부 및 통신부를 포함하도록 구성될 수 있다. 구체적으로, 사용자 단말기는 PC, 스마트폰, 스마트워치, 태블릿 PC, 노트북 등의 네트워크 통신망을 갖는 전자기기로 구비될 수 있다. 신상품 믹스 개발 및 매출 예측 프로그램은 사용자 단말기로부터 수신한 키워드데이터에 기초하여 신상품 조합데이터 및 매출예측데이터 중 적어도 하나를 사용자 단말기에 제공하는 구성이다. 이를 위해, 신상품 믹스 개발 및 매출 예측 프로그램은 웹사이트에 게시된 데이터를 크롤링 및/또는 스크래핑하는 작업을 수행한다. 본 발명의 일 실시예에 따른 신상품 믹스 개발 및 매출 예측 프로그램의 상세한 구성 및 프로세스는 각각 도 2 내지 도 4를 참조하여 후술하도록 한다. 도 2는 본 발명의 일 실시예에 따른 선호도 추출 인공지능을 이용한 신상품 믹스 개발 및 매출 예측 프로그램의 구성도이고, 도 3은 본 발명의 일 실시예에 따른 선호도 추출 인공지능을 이용하여 추정된 상위 20개 속성의 중요성을 나타내는 그래프이다. 도 2를 참조하면, 본 발명의 일 실시예에 따른 신상품 믹스 개발 및 매출 예측 프로그램은 속성 등록부, 오피니언 마이닝부, 지불의사 추정부, 컨셉 후보 생성부 및 추천 신상품 제공부를 포함하도록 구비된다. 이하, 각 구성에 대해 상세히 설명하도록 한다. 속성 등록부는 사용자 단말기로부터 수신한 키워드데이터에 기초하여, 제1 데이터를 수집하고, 이로부터 속성데이터를 추출하여 필수속성데이터 및 선택속성데이터로 분류하여 저장하는 구성이다. 이를 위해, 본 발명의 일 실시예에 따른 속성 등록부는 제1 크롤링 모듈, 제1 스크래핑 모듈 및 속성 추출 모듈을 포함하도록 구비된다. 제1 크롤링 모듈은 웹사이트로부터 제1 데이터를 자동으로 수집하는 프로세스를 갖춘 구성이다. 웹사이트를 방문하여 해당 페이지의 내용을 추출하며, 미리 설정된 소정의 주기로 다양한 웹사이트를 방문하여 제1 데이터를 수집하게 된다. 이 과정에서 제1 크롤링 모듈은 웹사이트의 구조와 링크를 따라 다른 페이지를 더 탐색할 수 있으며, 주기적으로 업데이트되는 제1 데이터를 지속적으로 추적한다. 제1 스크랩핑