KR20250019373A

KR20250019373A - 전통주 개발을 위한 피드백 정보 제공 시스템 및 방법

Info

Publication number: KR20250019373A
Application number: KR1020230100423A
Authority: KR
Inventors: 손종찬
Original assignee: 농업회사법인 주식회사 매월매주
Priority date: 2023-08-01
Filing date: 2023-08-01
Publication date: 2025-02-10

Abstract

실시예에 따른 전통주 개발을 위한 피드백 정보 제공 시스템은 전통주 개발을 위한 피드백 정보 제공 시스템에 있어서, 주종별 전통주에 대한 피드백 설문의 질문 별 상관관계를 기초로, 고객으로부터 수신한 피드백 답변에서의 질문 간 답변의 모순 여부를 판단하고, 상기 모순 여부 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출하는 산출부, 및 산출된 신뢰도가 일정 수준 이상인 고객의 피드백 답변과 해당 고객의 리뷰를 유의미한 피드백 정보로 추출하고, 상기 유의미한 피드백 정보를 전통주를 개발하는 양조자 단말로 제공하는 피드백 정보 제공부를 포함하고, 상기 산출부는, 전통주 별 신뢰도가 일정 수준 이상인 고객의 피드백 답변 및 해당 고객의 미리 정해진 항목들에 대한 평가 점수가 포함된 리뷰 정보에 기초하여, 전통주 별 등급을 생성하고, 상기 피드백 정보 제공부는, 주종별 전통주가 속한 동일 등급에서 다른 전통주와의 비교 정보를 생성하여 제공하고, 동일 주종 내 다른 타겟 등급으로 업그레이드를 위해 요구되는 항목 정보와 항목별 피드백 정보를 양조자 단말로 제공한다.

Description

전통주 개발을 위한 피드백 정보 제공 시스템 및 방법{SYSTEM AND METHOD FOR PROVIDING FEEDBACK INFORMATION FOR DEVELOPMENT OF TRADITIONAL LIQUOR}

본 개시는 피드백 정보 제공 시스템 및 방법에 관한 것으로 구체적으로, 전통주 개발을 위해 술에 대해 조예가 깊은 전문가 고객과 일반 고객을 구분하고, 신뢰도가 높은 제품 피드백 정보를 양조장에 제공하는 시스템 및 방법에 관한 것이다.

본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.

제품 개발 과정은 아이디어 도출, 기획, 설계, 개발 및 테스트 과정으로 이루어진다. 새로운 제품 개발을 위해서는 시장 조사, 소비자 인사이트 및 기술 동향을 분석하여 새로운 제품의 아이디어를 찾고, 아이디어를 구체화하기 위해 제품의 기획과 설계를 수행한다. 또한, 기획 단계에서 정의한 제품 설계에 기반하여 실제 제품을 개발한다. 제품 개발 과정에서는 개발된 제품을 시험하고 검증하기 위해, 제품이 목표한 기능을 제대로 수행하는지 테스트하고, 안전성, 신뢰성, 품질 등의 측면에서 검증한다. 테스트 과정은 사용자 피드백을 수집하여 제품을 개선하고 문제를 해결하는 과정이다.

제품 개발에서 테스트 과정은 실제 고객의 피드백을 반영한다는 점에서 매우 중요하다. 하지만, 종래에는 테스트 과정에서 상품이나 서비스에 대한 고객의 피드백 정보를 아무런 필터링 없이 수집하기 때문에, 수집된 피드백 정보에서 개발 포인트를 도출하기가 쉽지 않은 문제가 있다. 또한, 거짓 피드백을 작성하는 고객 등 악의적인 고객들도 다수 존재하는데 반해, 종래에는 악의적인 고객을 포함하는 모든 고객으로부터 피드백 정보를 수집한다.

이로 인해, 종래에는 검증되지 않은 모든 피드백 정보에서 실제 제품 개발에 필요한 유효한 정보를 직접 필터링 한 후, 검출된 정보를 제품 개발에 반영해야만 한다. 제품 개발에 필요한 유효한 정보를 개발자가 직접 필터링하는 과정은 많은 시간이 소모되고, 정확한 개발 포인트를 검출하거나, 문제점 개선 여부를 정확히 파악하기 어려운 문제가 있다.

1. 한국 특허등록 제10-1488593호 (2015.01.26) 2. 한국 특허등록 제10-1304724호 (2013.08.30)

실시예에 따른 전통주 개발을 위한 피드백 정보 제공 시스템 및 방법은, 고객에게 제공한 설문 및 리뷰의 신뢰도를 파악하여 신뢰도가 높은 고객의 피드백 정보를 양조장 단말로 제공한다.

또한, 실시예에서는 상품이나 서비스에 대해 지식수준이 해박한 전문가 고객을 분류한다.

실시예에서는 신뢰도가 높은 설문, 리뷰를 포함하는 피드백 정보를 해당 제품을 생산하는 생산자인 양조장 단말로 전달하여 유효성이 입증된 유의미한 피드백 정보를 전통주 개발에 이용할 수 있도록 한다.

또한, 실시예에서는 고객에게 제공한 설문 및 리뷰를 분석하여 전통주에 등급을 부여하고, 전통주의 특징정보를 분석하여, 상위 등급으로 품질을 향상시키기 위한 피드백 정보를 제공할 수 있다.

본 발명의 목적을 해결하기 위한 전통주 개발을 위한 피드백 정보 제공 시스템은, 주종별 전통주에 대한 피드백 설문의 질문 별 상관관계를 기초로, 고객으로부터 수신한 피드백 답변에서의 질문 간 답변의 모순 여부를 판단하고, 상기 모순 여부 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출하는 산출부; 및 산출된 신뢰도가 일정 수준 이상인 고객의 피드백 답변과 해당 고객의 리뷰를 유의미한 피드백 정보로 추출하고, 상기 유의미한 피드백 정보를 전통주를 개발하는 양조자 단말로 제공하는 피드백 정보 제공부; 를 포함하고, 상기 산출부; 는 전통주 별 신뢰도가 일정 수준 이상인 고객의 피드백 답변 및 해당 고객의 미리 정해진 항목들에 대한 평가 점수가 포함된 리뷰 정보에 기초하여, 전통주 별 등급을 생성하고, 상기 피드백 정보 제공부; 는 주종별 전통주가 속한 동일 등급에서 다른 전통주와의 비교 정보를 생성하여 제공하고, 동일 주종 내 다른 타겟 등급으로 업그레이드를 위해 요구되는 항목 정보와 항목별 피드백 정보를 양조자 단말로 제공한다.

일 실시예에 있어서, 고객별 전통주 구매 이력 및 리뷰 이력를 포함하는 고객 분류 정보를 기반으로 고객의 전문성과 전문분야에 대한 평가 결과를 산출하는 평가부를 더 포함하고, 상기 산출부; 는 상기 평가부의 평가 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출할 수 있다.

일 실시예에 있어서, 상기 산출부; 는 주종별로 상기 피드백 설문 및 복수의 고객으로부터 수신한 피드백 답변을 인공신경망 모델로 분석하여, 피드백 설문에서 주종별 상관관계 있는 질문을 추출할 수 있다.

일 실시예에 있어서, 상기 피드백 정보 제공부; 는 상기 양조장 단말로 피드백 정보 이용안내 메시지를 전송하고, 상기 피드백정보 이용안내 메시지는, 개발하는 신제품의 종류에 따라 참조해야 하는 피드백 정보의 최소 신뢰도를 포함할 수 있다.

일 실시예에 있어서, 상기 피드백 정보 제공부; 는 신제품 개발 이후 상기 신제품 출시 전에 상기 신제품 주종이 전문분야 또는 상기 신제품 샘플 테스팅을 수행한 전문가 고객 단말로 신제품 평가 요청 메시지를 전송하고, 상기 신제품 평가 요청 메시지는 기 제공한 피드백 정보의 반영 여부와, 지적된 문제점 개선여부에 관한 질문을 포함할 수 있다.

본 발명의 목적을 해결하기 위한 전통주 개발을 위한 피드백 정보 제공 방법은, 주종별 전통주에 대한 피드백 설문의 질문 별 상관관계를 기초로, 고객으로부터 수신한 피드백 답변에서의 질문 간 답변의 모순 여부를 판단하고, 상기 모순 여부 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출하는 단계 및 산출된 신뢰도가 일정 수준 이상인 고객의 피드백 답변과 해당 고객의 리뷰를 유의미한 피드백 정보로 추출하고, 상기 유의미한 피드백 정보를 전통주를 개발하는 양조자 단말로 제공하는 단계를 포함하고, 상기 산출하는 단계는 전통주 별 신뢰도가 일정 수준 이상인 고객의 피드백 답변 및 해당 고객의 미리 정해진 항목들에 대한 평가 점수가 포함된 리뷰 정보에 기초하여, 전통주 별 등급을 생성하고, 상기 제공하는 단계는, 주종별 전통주가 속한 동일 등급에서 다른 전통주와의 비교 정보를 생성하여 제공하고, 동일 주종 내 다른 타겟 등급으로 업그레이드를 위해 요구되는 항목 정보와 항목별 피드백 정보를 양조자 단말로 제공한다.

일 실시예에 있어서, 고객별 전통주 구매 이력 및 리뷰 이력를 포함하는 고객 분류 정보를 기반으로 고객의 전문성과 전문분야에 대한 평가 결과를 출력하는 단계를 더 포함하고, 상기 산출하는 단계는 상기 평가 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출할 수 있다.

일 실시예에 있어서, 상기 산출하는 단계는 주종별로 상기 피드백 설문 및 복수의 고객으로부터 수신한 피드백 답변을 인공신경망 모델로 분석하여, 피드백 설문에서 주종별 상관관계 있는 질문을 추출할 수 있다.

일 실시예에 있어서, 상기 제공하는 단계는 상기 양조장 단말로 피드백 정보 이용안내 메시지를 전송하고, 상기 피드백정보 이용안내 메시지는, 개발하는 신제품의 종류에 따라 참조해야 하는 피드백 정보의 최소 신뢰도를 포함할 수 있다.

일 실시예에 있어서, 상기 제공하는 단계는, 신제품 개발 이후 상기 신제품 출시 전에 상기 신제품 주종이 전문분야 또는 상기 신제품 샘플 테스팅을 수행한 전문가 고객 단말로 신제품 평가 요청 메시지를 전송하고, 상기 신제품 평가 요청 메시지는, 기 제공한 피드백 정보의 반영 여부와, 지적된 문제점 개선여부에 관한 질문을 포함할 수 있다.

다른 실시예에 따른 컴퓨터 프로그램은 컴퓨터 판독가능한 기록매체에 저장되어 있고, 상기 컴퓨터 프로그램은 주종별 전통주에 대한 피드백 설문의 질문 별 상관관계를 기초로, 고객으로부터 수신한 피드백 답변에서의 질문 간 답변의 모순 여부를 판단하고, 상기 모순 여부 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출하는 단계; 및 산출된 신뢰도가 일정 수준 이상인 고객의 피드백 답변과 해당 고객의 리뷰를 유의미한 피드백 정보로 추출하고, 상기 유의미한 피드백 정보를 전통주를 개발하는 양조자 단말로 제공하는 단계; 를 포함해서 수행되도록 프로그램된 것이다. 이 때, 상기 산출하는 단계; 는 전통주 별 신뢰도가 일정 수준 이상인 고객의 피드백 답변 및 해당 고객의 미리 정해진 항목들에 대한 평가 점수가 포함된 리뷰 정보에 기초하여, 전통주 별 등급을 생성하고, 상기 제공하는 단계; 는 주종별 전통주가 속한 동일 등급에서 다른 전통주와의 비교 정보를 생성하여 제공하고, 동일 주종 내 다른 타겟 등급으로 업그레이드를 위해 요구되는 항목 정보와 항목별 피드백 정보를 양조자 단말로 제공하는 것을 특징으로 한다.

또한, 고객별 전통주 구매 이력 및 리뷰 이력를 포함하는 고객 분류 정보를 기반으로 고객의 전문성과 전문분야에 대한 평가 결과를 출력하는 단계를 더 포함하고, 상기 산출하는 단계; 는 상기 평가 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출하는 것을 특징으로 하는 것일 수 있다.

이상에서와 같은 전통주 개발을 위한 피드백 정보 수집 시스템 및 방법은 실제 제품 개발에 필요한 꼭 필요한 신뢰도가 높은 피드백 정보를 전통주 생산자인 양조장 단말로 전달함으로써, 전통주 개발에 도움을 줄 수 있다.

또한, 실시예에서는 설문지, 테스트, 리뷰 분석 결과 따라 고객의 전문성과 전문분야를 보다 정확하게 판단할 수 있다.

또한, 실시예를 통해 질문과 답변의 상관성을 기반으로 고객으로부터 수집된 피드백 정보의 신뢰도를 보다 정확하게 파악할 수 있다.

또한, 실시예를 통해, 제품 개발자는 전문가 고객의 유의미한 피드백 정보를 이용하여 개발 포인트를 쉽게 찾을 수 있고, 개발 중인 제품의 문제점 개선 여부를 쉽게 파악할 수 있도록 한다.

또한, 실시예에서는 리뷰, 설문 정보와 전통주 특징에 기반한 전통주의 품질 향상을 위한 피드백 정보를 제공하여, 전통주 개발 포인트를 정확하게 도출할 수 있다.

또한, 실시예를 통해 고객의 취향, 기호 및 주류에 대한 지식 수준을 보다 정확하게 파악하여, 고객 별 맞춤형 샘플러나 전통주를 제공함으로써, 더욱 유의미한 피드백 정보를 획득할 수 있다. 또한, 실시예를 통해, 샘플러나 전통주의 광고 효과를 극대화할 수 있다.

본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.

도 1은 실시예에 따른 제품 피드백 정보 제공 시스템 구성도
도 2는 실시예에 따른 서버의 데이터 처리 구성을 나타낸 도면
도 3은 실시예에 따른 고객 프로파일링 정보를 분석한 시각화 객체를 나타낸 도면
도 4는 실시예에 따른 전통주 개발을 위한 피드백 정보 제공 과정을 나타낸 흐름도

본 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 본 개시의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.

본 개시를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다.

덧붙여, 하기 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 개시의 기술적 사상의 범위가 하기 실시 예에 한정되는 것은 아니다. 오히려, 이들 실시 예는 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 개시의 기술적 사상을 완전하게 전달하기 위하여 제공되는 것이다.

본 개시에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 권리범위를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 개시에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.

본 개시에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.

본 개시에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.

어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다.

반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.

본 개시에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)"것만을 반드시 의미하지 않을 수 있다.

대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.

실시 예에 있어서 '모듈' 혹은 '부'는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 '모듈' 혹은 복수의 '부'는 특정한 하드웨어로 구현될 필요가 있는 '모듈' 혹은 '부'를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.

한편, 도면에서의 다양한 요소와 영역은 개략적으로 그려진 것이다. 따라서, 본 발명의 기술적 사상은 첨부한 도면에 그려진 상대적인 크기나 간격에 의해 제한되지 않는다.

이하에서는 첨부한 도면을 참고하여 본 개시에 따른 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.

도 1은 실시예에 따른 제품 피드백 정보 제공 시스템 구성도이다.

도 1을 참조하면, 실시예에 따른 전통주 개발을 위한 피드백 정보 제공 시스템은 고객 단말(200), 서버(100) 및 양조장 단말(300)을 포함하여 구성될 수 있다. 여기서, 도 1에 도시되어 있는 도면은 예시적인 것에 불과한 바, 본 발명의 사상이 도 1에 도시된 것으로 한정 해석되는 것은 아니다.

이들 객체들(100 내지 300)은 도 1에 도시되어 있지 않은 네트워크를 통해 서로 간에 통신을 수행할 수 있다. 이러한 네트워크는 무선 또는 유선 네트워크망을 의미한다. 이 중, 무선 네트워크 망의 경우, 예컨대 LTE(long-term evolution), LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), WiFi(wireless fidelity), 블루투스(Bluetooth), NFC(near field communication) 및 GNSS(global navigation satellite system) 등에서 적어도 하나를 포함할 수 있다. 또한, 유선 네트워크 망의 경우, 예컨대 USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232), LAN(Local Area Network), WAN(Wide Area Network), 인터넷 및 전화망(telephone network) 등에서 적어도 하나를 포함할 수 있다.

실시예에서 고객 단말(200)은 전통주에 대한 설문 및 리뷰를 제공하는 고객의 스마트 단말이다. 실시예에서 고객은 특정 주류를 시음하거나, 전통주를 이용해본 사용자, 주류를 수집하는 사용자, 술 애호가 및 실시예에 따른 피드백 정보 제공 시스템에 가입한 모든 고객을 포함할 수 있고, 이에 한정하지 않는다.

이러한 고객 단말(200)은 스마트폰으로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 태블릿 PC, PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 웨어러블 장치, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되는 것은 아니다.

서버(200)는 고객 단말(200)로부터 고객의 피드백 정보를 수집하고, 피드백 정보는 전통주에 대한 설문 및 리뷰를 포함한다. 실시예에서 고객 단말(200)로부터 수집되는 설문 및 리뷰에는 전통주에 대한 사용자 경험과 전통주에 대한 문제점, 개선 요구 사항 등의 피드백 정보가 포함된다. 또한, 실시예에서 고객 단말로부터 수집되는 설문 및 리뷰는 텍스트, 이미지를 포함하는 데이터 형식으로 수집될 수 있다. 실시예에서 설문은 전통주에 대한 질문과 답변을 포함하는 전통주 평가 정보이고 리뷰는 제품을 사용한 고객이 자유롭게 작성한 이용 후기 정보이다.

제품 개발에 필요한 피드백 정보는 특정 제품, 서비스, 프로젝트, 아이디어 또는 활동에 대한 개선을 위해 제공되는 고객의 의견, 평가 또는 제안으로서, 실시예에서 따른 피드백 정보는, 전통주를 경험한 고객이 요구하는 개선사항, 고객이 생각하는 제품의 장점과 단점 정보를 포함할 수 있고, 이에 한정하지 않는다.

실시예에서 서버(100)는 고객이 제공한 설문 및 리뷰 및 설문, 리뷰의 이력을 분석하여, 고객의 전문성과 전문 분야를 파악한다. 또한, 서버(100)는 고객이 제공한 설문 및 리뷰의 신뢰도를 산출한다. 이후, 실시예에서 서버(100)는 양조장 단말(300)로 신뢰도가 일정 수준 이상인 고객의 설문 및 리뷰를 유의미한 피드백 정보로 추출하여, 유의미한 피드백 정보를 제품 생산자인 양조장 단말(300)로 제공한다. 실시예를 통해 양조장 단말(300)은 서버(100)로부터 유의미한 피드백 정보를 제공받을 수 있다. 실시예에서 양조장 단말(300)은 전문가 고객에 의해 생성된 신뢰성이 높은 유효한 피드백 정보를 서버(100)로부터 수집하여 제품 개발에 참고할 수 있다.

이 때, 전술한 양조장 단말(300)은 스마트폰 또는 서버 등으로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 태블릿 PC, PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 웨어러블 장치, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되는 것은 아니다.

또한, 실시예에서는 고객 수준과 고객 전문 분야를 파악하여, 위스키, 막걸리, 와인 등 고객 전문 분야에 해당하는 제품의 피드백 정보가 생산자에게 제공될수 있다.

도 2는 실시예에 따른 서버의 데이터 처리 구성을 나타낸 도면이다.

도 2를 참조하면, 실시예에 따른 서버(100)는 평가부(110), 산출부(120) 및 피드백 정보 제공부(130)를 포함하여 구성될 수 있다. 이 때, 이러한 각각의 구성의 말미에 붙는 '부' 라는 용어는 용어가 사용된 문맥에 따라서, 소프트웨어, 하드웨어 또는 그 조합을 포함할 수 있는 것으로 해석되어야 한다. 예를 들어, 소프트웨어는 기계어, 펌웨어(firmware), 임베디드코드(embedded code), 및 애플리케이션 소프트웨어일 수 있다. 또 다른 예로, 하드웨어는 회로, 프로세서, 컴퓨터, 집적 회로, 집적 회로 코어, 센서, 멤스(MEMS; Micro-Electro-Mechanical System), 수동 디바이스, 또는 그 조합일 수 있다.

보다 구체적으로, 전술한 서버(100)에 포함되는 것으로 설명된 각각의 평가부(110), 산출부(120) 및 피드백 정보 제공부(130)각각은 도면에는 도시되지 않았지만 통신부, 메모리 및 프로세서에 의해 구현 가능하다.

이 중 통신부는 유선 또는 무선 통신 모듈에 의해 구현 가능하다. 서버(100)는 이러한 통신부를 통해 외부의 단말이나 서버, 예컨대 도 1에 도시된 식별번호 200 내지 300 등과 통신을 수행할 수 있다.

메모리는 정보를 저장하는 매체에 의해 구현 가능하다. 이러한 매체에는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체일 수 있으며, 다만 이에 한정되는 것은 아니다.

이러한 메모리에는 다양한 종류의 정보가 저장될 수 있다. 예컨대 메모리에는 통신부를 통해 서버(100)가 외부의 엔티티(200, 300)에서 획득한 정보가 저장될 수 있다.

실시예에 따라, 메모리에 저장된다고 언급된 전술한 정보 중 일부는 블록체인에도 저장될 수 있다. 이를 위해, 블록체인을 구성하는 시스템이 도 1에 도시된 서버(100)에 연결되거나 이러한 서버(100)를 포함해서 구축될 수 있는데, 도 1에는 이러한 블록체인이 도시되어 있지 않다. 블록체인에 저장되는 정보에 대해서는 후술하기로 한다.

한편, 메모리에는 다양한 종류의 모듈 내지 모델이 구현되어 있을 수 있다. 이러한 모듈이나 모델은 후술할 프로세서에 의해 실행되면, 목적하는 기능이 수행되게 된다.

이 때, 이러한 모듈이나 모듈 중 적어도 하나는 룰 기반으로 또는 인공지능망에 기반하여 구현된 것일 수 있다. 이하, 인공지능망 등에 대해 살펴보도록 한다.

본 명세서에서의 모델 내지 모듈은 네트워크 함수, 인공신경망 및/또는 뉴럴 네트워크에 기반하여 동작하는 임의의 형태의 컴퓨터 프로그램을 의미할 수 있다. 본 명세서에 걸쳐, 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 상호 교환 가능한 의미로 사용될 수 있다. 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 신경망은 하나 이상의 노드들의 집합으로 구성될 수 있다. 신경망을 구성하는 노드들의 부분 집합은 레이어(layer)를 구성할 수 있다.

딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수개의 히든 레이어를 포함하는 신경망을 의미할 수 있으며, 도 3에 이에 대한 개념이 예시적으로 도시되어 있는 것과 같이, 중간에 있는 히든 계층이 딥 뉴럴 네트워크에서는 1개 이상, 바람직하게는 2개 이상으로 구성된다.

이러한 딥 뉴럴 네트워크는 되어 있는 합성곱 신경망(CNN: convolutional neural network), 비젼 트랜스포머(vision transformer), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), LSTM(Long Short Term Memory) 네트워크, GPT(Generative Pre-trained Transformer), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크, 적대적 생성 네트워크(GAN: Generative Adversarial Network), 트랜스포머(transformer) 등을 포함할 수 있다.

또는, 실시예에 따라 딥 뉴럴 네트워크는 전이학습(transfer learning) 방식으로 학습된 모델일 수 있다. 여기서, 전이학습은 대용량의 라벨링되어 있지 않은 학습용 데이터를 준지도학습 또는 자가학습 방식으로 사전 학습(pre-training)하여 제1 태스크를 갖는 사전 학습된(pre-trained) 모델(또는 베이스부)을 얻고, 사전 학습된 모델을 제2 태스크에 적합하도록 fine-tuning하기 위해, 라벨링된 학습용 데이터를 지도학습 방식으로 학습시켜서 타겟으로 하는 모델을 구현하는 학습 방식을 나타낸다. 이러한 전이학습 방식으로 학습된 모델 중 하나로서, BERT(Bidirectional Encoder Representations from Transformers) 등이 있는데, 다만 이에 한정되는 것은 아니다.

한편, 실시예에 따라 인공지능 모델, 구체적으로는 언어 모델(language model)이 이용될 수 있는데, 이에 대해서는 후술하기로 한다.

전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다. 이 때, 합성곱 신경망의 경우, 이미지로부터 특징을 추출하는 특징 추출부(feature learning), 그리고 이렇게 추출된 특징을 이용해서 분류를 수행하는 분류부(classification)로 구성된다. 특징 추출부에는 이미지로부터 커널을 이용해서 특징이 추출되는 합성곱 계층, 활성화 함수 중 하나인 ReLU 계층 그리고 데이터의 차원을 줄이기 위한 풀링(Pooling) 계층이 포함될 수 있으며, 다만 이에 한정되는 것은 아니다. 아울러, 분류부에는 특징 추출부에서 추출된 특징을 일렬로 늘어뜨리는 flatten 계층, 그리고 실질적으로 분류가 수행되는 전결합층(fully connected layer) 및 softmax 함수가 포함될 수 있으며, 다만 이에 한정되는 것은 아니다.

뉴럴 네트워크는 지도학습(supervised learning), 비지도학습(unsupervised learning), 준지도학습(semi supervised learning), 자가학습(self-supervised learning) 또는 강화학습(reinforcement learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 뉴럴 네트워크가 특정한 동작을 수행하기 위한 지식을 뉴럴 네트워크에 적용하는 과정일 수 있다.

뉴럴 네트워크는 출력의 오류를 최소화하는 방향으로 학습될 수 있다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 지도학습의 경우 각각의 학습 데이터에 정답이 라벨링 되어있는 데이터(labelled data)를 사용하며, 비지도학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않은 데이터(unlabeled data)를 사용할 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 또한, 과적합(overfitting)을 막기 위해서 학습 데이터의 증가, 레귤러화(regularization), 노드 일부를 비활성화하는 드롭아웃(dropout), 배치 정규화 레이어(batch normalization layer) 등의 방법이 적용될 수 있다.

한편, 일 실시예에서 개시되는 모델은 트랜스포머의 적어도 일부분을 차용할 수 있다. 트랜스포머는 임베딩된 데이터들을 인코딩하는 인코더 및 인코딩된 데이터들을 디코딩하는 디코더로 구성될 수 있다. 트랜스포머는 일련의 데이터들을 수신하여, 인코딩 및 디코딩 단계를 거처 상이한 타입의 일련의 데이터들을 출력하는 구조를 지닐 수 있다. 일 실시예에서, 일련의 데이터들은 트랜스포머가 연산가능한 형태로 가공될 수 있다. 일련의 데이터들을 트랜스포머가 연산가능한 형태로 가공하는 과정은 임베딩 과정을 포함할 수 있다. 데이터 토큰, 임베딩 벡터, 임베딩 토큰 등과 같은 표현들은, 트랜스포머가 처리할 수 있는 형태로 임베딩된 데이터들을 지칭하는 것일 수 있다.

트랜스포머가 일련의 데이터들을 인코딩 및 디코딩하기 위하여, 트랜스포머 내의 인코더 및 디코더들을 어텐션(attention) 알고리즘을 활용하여 처리할 수 있다. 어텐션 알고리즘이란 주어진 쿼리(Query)에 대해, 하나 이상의 키(Key)에 대한 유사도를 구하고, 이렇게 주어진 유사도를, 각각의 키(Key)와 대응하는 값(Value)에 반영한 후, 유사도가 반영된 값(Value)들을 가중합하여 어텐션 값을 계산하는 알고리즘을 의미할 수 있다.

쿼리, 키 및 값을 어떻게 설정하느냐에 따라, 다양한 종류의 어텐션 알고리즘이 분류될 수 있다. 예를 들어, 쿼리, 키 및 값을 모두 동일하게 설정하여 어텐션을 구하는 경우, 이는 셀프-어텐션 알고리즘을 의미할 수 있다. 입력된 일련의 데이터들을 병렬로 처리하기 위해, 임베딩 벡터를 차원을 축소하여, 각 분할된 임베딩 벡터에 대해 개별적인 어텐션 헤드를 구하여 어텐션을 구하는 경우, 이는 멀티-헤드(multi-head) 어텐션 알고리즘을 의미할 수 있다.

일 실시예에서, 트랜스포머는 복수개의 멀티-헤드 셀프 어텐션 알고리즘 또는 멀티-헤드 인코더-디코더 알고리즘을 수행하는 모듈들로 구성될 수 있다. 일 실시예에서, 트랜스포머는 임베딩, 정규화, 소프트맥스(softmax) 등 어텐션 알고리즘이 아닌 부가적인 구성요소들 또한 포함할 수 있다. 어텐션 알고리즘을 이용하여 트랜스포머를 구성하는 방법은 Vaswani et al., Attention Is All You Need, 2017 NIPS에 개시된 방법을 포함할 수 있으며, 이는 본 명세서에 참조로 통합된다.

트랜스포머는 임베딩된 자연어, 분할된 이미지 데이터, 오디오 파형 등 다양한 데이터 도메인에 적용하여, 일련의 입력 데이터를 일련의 출력 데이터로 변환할 수 있다. 다양한 데이터 도메인을 가진 데이터들을 트랜스포머에 입력가능한 일련의 데이터들로 변환하기 위해, 트랜스포머는 데이터들을 임베딩할 수 있다. 트랜스포머는 일련의 입력 데이터 사이의 상대적 위치관계 또는 위상관계를 표현하는 추가적인 데이터를 처리할 수 있다. 또는 일련의 입력 데이터에 입력 데이터들 사이의 상대적인 위치관계 또는 위상관계를 표현하는 벡터들이 추가적으로 반영되어 일련의 입력 데이터가 임베딩될 수 있다. 일 예에서, 일련의 입력 데이터 사이의 상대적 위치관계는, 자연어 문장 내에서의 어순, 각각의 분할된 이미지의 상대적 위치 관계, 분할된 오디오 파형의 시간 순서 등을 포함할 수 있으나, 이에 제한되지 않는다. 일련의 입력 데이터들 사이의 상대적인 위치관계 또는 위상관계를 표현하는 정보를 추가하는 과정은 위치 인코딩(positional encoding)으로 지칭될 수 있다.

한편, 이하에서는 프로세서에 대해 살펴보자. 우선, 일 실시예에 따른 프로세서는 메모리에 저장된 적어도 하나의 명령어를 실행시킴으로써, 후술될 본 개시내용의 실시예들에 따른 기술적 특징들을 수행할 수 있다. 일 실시예에서, 프로세서 적어도 하나의 코어로 구성될 수 있으며, 서버(100)의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석 및/또는 처리를 위한 프로세서를 포함할 수 있다.

이러한 프로세서는 머신러닝이나 딥러닝 방식으로 설계된 신경망 내지 모델을 학습시킬 수 있다. 이를 위해, 프로세서는 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다.

또한, 프로세서는 인공 신경망 방식으로 구현된 모델을 이용해서, 소정의 목적 하에 추론(inference)을 수행할 수도 있다.

이하, 프로세서에 의해 메모리에 저장된 적어도 하나의 명령어가 실행됨으로써, 서버(100)가 수행할 수 있는 다양한 동작 내지 기능 등에 대해 살펴보기로 하자.

우선, 프로세서는 통신부를 제어할 수 있다. 이를 통해 서버(100)는 통신부를 통해 도 1에 도시되어 있는 다양한 엔티티(200 또는 300)와 통신을 수행해서 정보를 획득할 수 있다.

또한 프로세서는 메모리에 저장되어 있는 전술한 데이터나 명령어를 읽어들일 수 있고, 메모리에 새로운 데이터나 명령어를 기록할 수 있다. 또한, 프로세서는 이미 기록되어 있는 데이터나 명령어를 수정하거나 삭제할 수 있다. 이하, 이렇게 적어도 하나의 명령어가 프로세서에 의해 실행됨으로써 수행되는 기능을 기능적으로 표현하는 도 2에 도시되어 있는 각각의 구성, 즉 평가부(110), 산출부(120) 및 피드백 정보 제공부(130) 각각에 대해 살펴보자.

평가부(110)는 주종의 구매 이력, 리뷰 이력, 리뷰의 모순 정도를 기반으로 전문가 고객을 분류한다. 실시예에서 평가부(110)는 주종 별 구매 이력, 리뷰 정보, 리뷰 별 모순 정도에 따라 신뢰도를 산출하고, 고객 별 누적된 신뢰도를 기반으로 전문가 고객을 분류한다. 예컨대, 평가부(110)는 고객이 업로드한 리뷰를 언어모델을 통해 분석하여 모순 정도를 파악하고 모순 정도에 반비례하는 리뷰의 신뢰도를 산출한다. 또한, 평가부(110)는 산출부(120)로부터 설문에 포함된 질문 별 상관관계와 답변의 모순 평가 결과에 따라 산출한 설문의 신뢰도를 수집한다. 이후, 평가부(110)는 고객의 리뷰와 설문 신뢰도에 따라 전문가 고객을 분류한다. 예컨대 평가부(110)는 리뷰, 설문 중 적어도 하나의 신뢰도가 일정 수준 이상인 고객을 전문가 고객으로 분류할 수 있다. 즉, 상기 평가부는, 고객별 전통주 구매 이력 및 리뷰 이력를 포함하는 고객 분류 정보를 기반으로 고객의 전문성과 전문분야에 대한 평가 결과를 산출하고, 후술하는 산출부는 상기 평가부의 평가 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출할 수 있다.

또한, 실시예에서 평가부(110)는 주종별로 전문가 고객을 다르게 설정할 수 있고, 전체 데이터를 기준으로 전통주 전체에 대한 전문가로 분류할 수 있다.

예컨대, 평가부(110)는 주종의 구매 이력, 리뷰 이력, 리뷰의 모순 정도를 분석하여, 고객의 전문분야를 파악하고 주종 별 전문가 고객을 설정할 수 있다. 실시예에서 평가부(110)는 전통주에 해당하는 모든 주종에 대해 전문가 고객으로 분류된 경우, 해당 고객을 전통주 전체에 대한 전문가로 분류할 수 있다.

또한, 평가부(110)는 전문가 고객의 전문 분야를 파악하는 고객 단말로부터 수집한 설문 및 리뷰를 분석하여, 고객의 전문성과 전문 분야를 파악한다. 실시예에서 설문 및 리뷰는 고객의 전문성과 전문 분야 평가를 위해 고객 단말로부터 수집한 전통주 피드백 정보로서, 전통주에 대한 의견, 개선요구사항, 특정 제품에 대한 평가 및 제품 테스트 결과 정보 등을 포함할 수 있다. 실시예에서 평가부(110)는 고객이 제공한 설문 및 리뷰를 분석하여, 이를 제공한 고객의 주류에 대한 전문 분야를 파악한다. 또한, 평가부(110)는 주류에 대한 고객의 지식수준인 전문성을 평가한다. 실시예에서 평가부(110)는 고객의 전문성을 주류에 대한 지식 수준에 따라 전문가 고객, 일반 고객 및 입문자 고객으로 분류할 수 있다. 또한, 평가부(110)는 고객이 전문가 고객으로 분류된 경우, 고객의 전문분야를 파악하여, 주종 별 전문가를 구분할 수 있다. 예컨대, 평가부(110)는 고객을 막걸리 분야의 전문가, 위스키 분야의 전문가 등으로 구분할 수 있다.

이를 위해, 평가부(110)는 고객 분류 정보를 수집하여 고객을 1차 분류한다. 실시예에서 고객 분류 정보는 고객을 정보 카테고리에 따라 분류하기 위한 정보로서, 고객이 관심있는 주종, 주류를 취미로 즐긴 시간 및 주류에 대한 기본질문 등에 대한 답변을 포함할 수 있다. 실시예에서 평가부(110)는 주류를 취미로 즐긴 시간이 일정기간(예컨대, 1년) 미만이거나, 주류에 대한 기본 질문에 대한 답변의 오류 비율일 일정수준 이상인 고객을 입문자 고객으로 분류할 수 있다. 또한, 평가부(110) 관심있는 주종에 대한 고객의 답변에 따라 고객을 분류할 수 있다.

또한, 실시예에서 평가부(110)는 고객단말로부터 설문 및 리뷰 정보를 수집하고, 설문 및 리뷰 분석 결과에 따라 고객의 전문성과 전문 분야를 파악한다. 예컨대, 평가부(110)는 복수개의 주류 관련 질문을 제공하는 설문의 답변 정보를 수집하고, 각 질문에 대한 답변에서 정보(fact) 텍스트를 추출한다. 실시예에서 정보 텍스트는 참, 거짓 판단이 가능한 정보 제공하는 컨텐츠이다. 이후, 평가부(110)는 추출된 정보 텍스트의 정확성 산출을 통해, 고객의 전문성을 평가할 수 있다. 또한, 평가부(110)는 고객이 제공한 전통주 별 리뷰를 수집하고, 리뷰에 포함된 텍스트 중 정보(fact) 텍스트를 추출한다. 이후, 평가부(110)는 리뷰에서 추출된 정보 텍스트의 정확성 산출을 통해, 고객의 전문성을 평가할 수 있다.

예컨대, 평가부(110)는 언어인식 및 텍스트 함의 인식을 수행하는 인공신경망 모델을 이용하여, 설문 및 리뷰에 포함된 각 질문과 답변의 의미, 텍스트의 의미를 파악하고, 추출된 정보 텍스트에 대한 정확성을 산출한다. 실시예에서 평가부(110)에 의해 수행되는 정확성 판단은 설문 및 리뷰에서 고객이 작성한 텍스트 중 정보(fact)에 해당하는 부분의 참 또는 거짓을 확인하는 과정으로, 인공신경망 모델에 의해, 퍼센트, 비율 등의 수치로 산출될 수 있다.

실시예에서 평가부(110)는 인공신경망 모델을 이용하여 판단된 답변 정확 성 수치에 따라 고객의 지식수준을 평가하여 고객 중 전문가 고객을 분류할 수 있다. 구체적으로 평가부(110)는, 답변 정확성이 제1범위(예컨대, 80 퍼센트 이상) 인 고객을 전문가 고객으로 분류하고, 답변 정확성이 제2범위 (예컨대, 60퍼센트 이상 80 퍼센트 미만)인 고객을 일반 고객으로 분류하고, 답변 정확성이 제3범위(예컨대, 60 퍼센트 미만)인 고객을 입문자 고객으로 분류할 수 있다.

또한, 평가부(110)는 고객 단말로부터 수집된 설문 및 리뷰에서 검출된 오류의 개수에 따라 정확성을 산출할 수 있다. 예컨대, 평가부(110)는 정확성을 설문 및 리뷰에서 검출된 오류 개수에 반비례하도록 산출한다. 실시예에서 오류는 설문 및 리뷰에 포함된 정보(fact)가 거짓인 텍스트이다.

산출부(120)는 고객 단말로부터 수집된 설문 및 리뷰의 신뢰도를 산출한다.

실시예에서 산출부(120)는 설문 신뢰도에 따라 해당 설문을 제공한 고객의 리뷰 신뢰도를 결정할 수 있다. 또한, 산출부(120)는 전문가 고객으로 분류된 고객이 제공한 설문의 신뢰도를 산출하고, 산출된 설문의 신뢰도에 따라 해당 전문가 고객이 제공한 리뷰의 신뢰도를 설정할 수 있다.

또한, 실시예에서 산출부(120)는 고객의 설문에 포함된 질문과 답변의 상관도에 따라 설문의 신뢰도를 산출할 수 있다. 예컨대, 산출부(120)는 전통주 설문에 포함된 질문 별 상관관계를 나타내는 상관도에 기초하여 질문 각각에 대한 사용자 답변의 모순 여부를 판단한다. 이후, 산출부(120)는 모순 여부 판단 결과를 이용하여, 사용자의 설문의 신뢰도를 산출한다. 예컨대, 산출부(120)는 상관도가 일정 수준 이상인 질문 각각에 대한 답변이 서로 모순된 경우, 신뢰도를 감소시키고, 상관도가 일정 수준 이상인 복수개의 질문에 대한 답변의 정확도와 일관성이 일정 수준 이상인 경우, 신뢰도를 향상시킬 수 있다. 또한, 실시예에서 산출부(120)는 답변의 정확도와 일관성이 일정 수준 이상인 질문의 개수가 많을수록 설문의 신뢰도를 향상시키고, 답변의 정확도와 일관성이 일정 수준 이상인 질문의 상관도에 따라 신뢰도를 조정할 수 있다. 즉, 상기 산출부(120)는 주종별 전통주에 대한 피드백 설문의 질문 별 상관관계를 기초로, 고객으로부터 수신한 피드백 답변에서의 질문 간 답변의 모순 여부를 판단하고, 상기 모순 여부 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출할 수 있다. 또한, 주종별로 상기 피드백 설문 및 복수의 고객으로부터 수신한 피드백 답변을 인공신경망 모델로 분석하여, 피드백 설문에서 주종별 상관관계 있는 질문을 추출할 수 있다.

구체적으로, 실시예에서는 설문에 포함된 질문 각각을 특정 주종과의 상관도가 있도록 구성한다. 예컨대, 설문의 1번, 3번 질문은 술a와 상관도가 가장 높고, 2번, 4번 질문은 술b와 상관도가 가장 높을 수 있다. 이때, 실시예에서 산출부(120)는 설문에 포함된 질문 각각의 답변 정보를 분석하여, 특정 주종과 상관도가 높은 질문에 대한 답변의 정확도가 일정수준 이상으로 일관적인 경우, 해당 고객의 설문 신뢰도를 향상시킨다. 예컨대, 술a와 상관도가 높은 질문 1번, 3번에 대한 답변의 정확도가 일정 수준 이상이고 답변이 일관된 경우, 해당 설문의 신뢰도를 높게 산출하고, 해당 설문을 제공한 고객의 리뷰 신뢰도 또한 높게 결정할 수 있다. 실시예에서 산출부(120)는 상관도가 낮은 1번, 2번에 대한 답변의 정확도와 일관성일 일정 수준 이상인 경우, 해당 설문에 대한 신뢰도를 낮추어 조정할 수 있고, 해당 설문을 제공한 고객의 리뷰 신뢰도 또한 낮게 조정할 수 있다.

또한, 산출부(120)는 상관도가 일정 수준 이상인 질문에 대한 답변이 일관된 경우, 해당 설문의 신뢰도를 향상시킬 수 있다. 예컨대, a술의 경우, 질문 1과 질문 8의 답변에 대한 상관도가 높게 나타날 수 있고, b술의 경우 질문 2와 질문 7의 답변에 대한 상관도 높게 나타날 수 있다. 이 경우 상관도가 일정 수준 이상인 질문에 대한 답변이 대응되거나 답변의 일관성이 일정 수준 이상인 경우, 해당 고객의 설문 신뢰도를 향상시킬 수 있다. 구체적으로, 질문 1과 8에 대한 답변 정확도와 일관성이 일정 수준 이상인 경우, 해당 설문의 신뢰도를 향상시키고, 해당 설문을 제공한 고객의 리뷰 신뢰도 또한 함께 향상시킬 수 있다.

또한, 실시예에서 산출부(120)는 술의 종류 마다 설문의 질문 별 답변에 대한 상관도가 다르게 설정되는 경우, 여러 답변으로부터 질문에 대한 상관도를 찾아 신뢰도를 산출하는 기준을 생성한다. 실시예에서 질문 별 상관도는 인공지능 모델로 산출될 수 있고, 산출부(120)는 인공지능 모델을 통해, 각 질문 별 답변 패턴을 파악하여, 피드백 정보를 분류할 수 있다. 예컨대, 산출부(120)는 인공신경망 모델을 통해, 질문과 답변에서 도출된 변수들 간의 선형 관계를 분석하고, 분석결과에 따라 상관 계수를 산출하여 질문과 답변 간의 상관 관계를 파악할 수 있다. 실시예에서 산출부(120)는 상관 계수를 활용하여 각 답변의 상관도를 평가하고, 이를 기준으로 신뢰도를 산출할 수 있다.

또한, 실시예에서 산출부(120)는 고객이 제공한 리뷰 분석을 통해 리뷰의 신뢰도를 산출할 수 있다. 실시예에서 산출부(120)는 리뷰를 작성한 고객의 신뢰성을 평가하고, 고객의 신뢰성 평가 결과에 따라 해당 고객이 제공한 리뷰의 신뢰도를 산출할 수 있다. 예컨대, 산출부(120)는 고객의 전문성 평가 정보, 이전 작성한 리뷰의 품질 정보를 수집하여 고객의 신뢰성을 평가하고 이를 리뷰의 신뢰도로 반영할 수 있다.

또한, 산출부(120)는 고객이 작성한 리뷰의 내용 분석 결과에 따라 리뷰 신뢰도를 산출할 수 있다. 실시예에서 산출부(120)는 리뷰에 포함된 텍스트 함의 인식을 통해, 텍스트의 일관성, 정보 체계화, 정확성 항목을 평가한다. 예컨대, 산출부(120)는 리뷰가 구체적인 세부사항을 제공하거나 일관된 패턴을 가지는 경우 신뢰성을 높게 산출한다.

또한, 산출부(120)는 설문에 포함된 질문과 답변 분석을 통해, 전통주의 등급(Grade)를 판정할 수 있다. 예컨대, 청주, 막걸리 등으로 분류된 전통주에 대한 질문과 답변을 인공신경망 모델로 분석하고, 긍정 평가 비율을 산출하여, 산출된 긍정 평가 비율에 따라 전통주의 등급을 판정할 수 있다. 예컨대, 산출부(120)는 설문에서 '재구매 의사가 있습니까?', '맛이 훌륭합니까?' 등 제품의 평가 내용을 묻는 제품 평가 질문과 이에 대한 답변을 수집하고, 수집된 답변에서 대한 긍정 평가 비율을 산출할 수 있다.

실시예에서 산출부(120)는 긍정 평가 비율이 제1값(예컨대, 80퍼센트)를 초과하는 제품을 A등급으로 판정하고, 긍정 평가 비율이 제2값(예컨대, 50 퍼센트)를 초과하는 제품을 B등급으로 판정하고, 긍정 평가 비율이 제3값(예컨대, 30 퍼센트)를 초과하는 제품을 C등급으로 판정할 수 있다. 또는, 전통주 별 신뢰도가 일정 수준 이상인 고객의 피드백 답변 및 해당 고객의 미리 정해진 항목들에 대한 평가 점수가 포함된 리뷰 정보에 기초하여, 전통주 별 등급을 생성할 수 있다.

또한, 실시예에서 산출부(120)는 신뢰도가 일정 수준 이상인 설문 및 리뷰에 포함된 질문, 답변 및 리뷰 정보에 기초하여, 전통주 별 등급을 생성한다. 이때, 산출부(120)는 신뢰도가 일정 수준 이상인 설문 및 리뷰에 포함된 질문, 답변 및 리뷰 정보에서 항목별 평가 정보를 추출하여, 전통주 등급을 생성할 수 있다. 실시예에서 항목 별 평가 정보는 맛, 향, 목넘김, 숙취, 잡내 등을 포함하는 항목에 대한 평가 정보이고, 단계, 점수 등으로 추출될 수 있다.

피드백 정보 제공부(130)는 산출된 신뢰도가 일정 수준 이상인 설문 및 리뷰, 전문가 고객으로 분류된 전문가 고객의 설문 및 리뷰를 유의미한 피드백 정보로 추출한다. 실시예에서 피드백 정보 제공부(130)는 전문가 고객의 설문 및 리뷰 정보 뿐만 아니라, 전문가 고객이 아닌 일반 고객이 제공한 설문 및 리뷰 정보 중 신뢰도가 일정 수준 이상인 설문 및 리뷰 정보를 유의미한 피드백 정보로 제공한다. 이를 통해, 양조장 단말은 전문가 고객의 피드백 정보와 일반 고객의 피드백 정보를 모두 수집하면서도, 신뢰도가 높은 피드백 정보를 유의미한 피드백 정보로 수집할 수 있다.

또한, 피드백 정보 제공부(130)는 고객 설문과 리뷰를 고객의 전문성, 전문 분야 및 신뢰도에 따라 분류하고, 전통주를 생산하는 양조장 단말로 고객의 피드백정보 이용안내 메시지를 전송한다. 즉, 산출부에서 산출된 신뢰도가 일정 수준 이상인 고객의 피드백 답변과 해당 고객의 리뷰를 유의미한 피드백 정보로 추출하고, 상기 유의미한 피드백 정보를 전통주를 개발하는 양조자 단말로 제공할 수 있다.

예컨대, 피드백 정보 제공부(130)는 고객의 설문과 리뷰 정보를 입문자 고객, 일반 고객, 전문가 고객의 카테고리로 1차 분류하고, 전문가 고객의 설문과 리뷰 정보를 전문 분야에 따라 2차 분류할 수 있다. 예컨대, 피드백 정보 제공부(130)는 전문가 고객의 설문과 리뷰 정보를 주종에 따른 카테고리로 2차 분류할 수 있다. 구체적으로, 피드백 정보 제공부(130)는 위스키 전문가 고객의 리뷰, 막걸리 전문가 고객의 설문 등으로 2차 분류한다. 이후, 피드백 정보 제공부(130)는 주종 카테고리에 포함된 설문을 신뢰도에 따라 3차 분류할 수 있다. 예컨대, 위스키 전문가 고객의 설문, 막걸리 전문가 고객의 설문 중 신뢰도가 일정 수준을 초과하는 설문을 추출하여 3차 분류할 수 있다. 실시예에서 3차 분류된 설문 및 3차 분류된 설문을 제공한 고객의 리뷰는 유효성이 가장 높은 유의미한 피드백 정보이다. 실시예에서 피드백 정보 제공부(130)는 추출된 유의미한 피드백 정보를 양조장 단말로 제공한다. 또한, 실시예에서 피드백 정보 제공부(130)는 1차 분류된 전문가 고객의 카테고리에서 신뢰도가 일정 수준 이상인 설문과 신뢰도가 일정 수준 이상인 설문을 제공한 고객의 리뷰를 따로 분류할 수 있다.

실시예에서 상기 피드백 정보 제공부는 상기 양조장 단말로 피드백 정보 이용안내 메시지를 전송하고, 상기 피드백정보 이용안내 메시지는, 개발하는 신제품의 종류에 따라 참조해야 하는 피드백 정보의 최소 신뢰도가 포함될 수 있다. 예를 들어, 피드백정보 이용안내 메시지는 개발 제품 종류에 따라 참조해야 하는 설문과 리뷰의 최소 신뢰도와 전문분야 정보를 포함할 수 있다. 구체적으로, 피드백 정보 제공부(130)는 양조장 단말로 '향후 위스키를 만들 때에는, 위스키 분야 전문가 고객 중 신뢰도 50퍼센트 이상으로 분류된 고객의 설문 및 리뷰를 최우선으로 참고하세요' 등의 메시지를 전송할 수 있다.

또한, 피드백 정보 제공부(130)는 특정 주종에 대한 전문가 고객에게 신제품 평가 요청 메시지를 전송할 수 있다. 예컨대, 피드백 정보 제공부(130)는 신제품 제작 이후 신제품 출시 전에, 신제품에 해당하는 주종이 전문분야인 전문가 고객 단말로 신제품 평가 요청 메시지를 전송할 수 있다. 또한, 실시예에서는 해당 신제품 개발 과정에서 샘플 테스팅을 수행한 전문가 고객에게 신제품 평가 요청 메시지를 전송할 수 있다. 실시예에서 신제품 평가 요청 메시지는 전문가 고객에게 신제품 평가 정보를 요청하는 메시지이다. 구체적으로, 신제품 평가 요청 메시지는 고객이 제공한 피드백 정보의 반영 여부, 지적된 문제점 개선여부에 관한 질문을 포함할 수 있다.

또한, 피드백 정보 제공부(130)는 산출부(120)에서 판정된 전통주의 등급에 따라 각 등급에 대응되는 경쟁 제품의 정보를 양조장 단말로 함께 제공할 수 있다. 즉, 실시예에서는 설문 답변의 패턴에 따라 점수화 된 전통주 별 등급을 기준으로, 양조장에서 생성한 제품과 동일한 등급에 포함된 다른 제품에 대한 가격 정책, 판매량, 타겟 소비자, 포장 등의 제품 정보 등을 함께 제공하여, 양조자 단말에 경쟁사 제품에 대한 시장 가격 등 마케팅 전략을 세울 수 있도록 한다.

또한, 피드백 정보 제공부(130)는 같은 주종의 전통주 각각이 속한 등급에서 다른 전통주와의 비교 정보를 생성하고, 비교 정보 중, 상위 등급으로 업그레이드를 위해 개선되어야 할 항목 정보를 추출하여 추출된 항목 정보와 해당 항목 정보에 대한 피드백 정보를 제공한다. 즉, 주종별 전통주가 속한 동일 등급에서 다른 전통주와의 비교 정보를 생성하여 제공하고, 동일 주종 내 다른 타겟 등급으로 업그레이드를 위해 요구되는 항목 정보와 항목별 피드백 정보가 추출되어 제공될 수 있다. 타겟 등급은 현재 등급에서 업그레이드된 양조자 단말로부터 선택된 상위 등급일 수 있다.

실시예에서 비교 정보는 전통주간 비교가 가능한 항목의 데이터로서, 가격, 타겟 소비자, 주판매처, 마케팅 포인트 등을 포함할 수 있다. 실시예에서 피드백 정보는 추출된 항목의 개발 포인트에 대한 정보를 포함할 수 있다. 구체적으로, 피드백 정보 제공부(130)는 막걸리에 해당하는 전통주인 A술을, 신뢰도가 일정 수준 이상인 설문 및 리뷰 정보를 기반으로 2등급으로 평가한 경우, 2등급 내 다른 막걸리와의 가격, 품질 등의 비교정보를 생성하여 양조장 단말로 제공한다.

또한, 피드백 정보 제공부(130)는 A술이 1등급으로 상승하기 위해서는 1등급의 막걸리의 공통적인 특징이 숙취에 대한 긍정 평가인 경우, A 술을 1등급으로 만들기 위해서는 '숙취제거' 효과가 필요하다 와 같은 피드백 정보를 제공할 수 있다.

또한, 실시예에서 피드백 정보 제공부(130)는 전통주와 다른 등급 또는 더 높은 등급을 기준으로 전통주에 대한 비교 정보를 제공할 수 있다. 예컨대, 설문과 답변 분석 결과에 따라 B등급으로 판정된 전통주의 경우, 피드백 정보 제공부(130)는 A등급에 포함된 전통주의 가격, 긍정평가 비율, 특징 정보 및 B등급 전통주와의 차이점 등을 제공한다. 이를 통해, 전통주의 등급을 향상시키는 전략을 세울 수 있도록 할 뿐만 아니라, 하나의 양조장에서 다양한 등급의 전통주를 개발할 수 있도록 한다. 예컨대, 특정 양조장에서 이미 출시한 전통주가 C 등급으로 판단될 경우, C 등급에 속한 경쟁 전통주 정보를 함께 수집하고, B 등급에서의 평가 패턴과 C 등급의 차이점이 향의 깊이도에 따라 결정될 경우, 양조장에서는 B 등급의 제품 라인업을 위해 다음 제품은 향의 깊이를 더 신경 쓴 제품을 출시할 수 있다.

또한, 실시예에서 피드백 정보 제공부(130)는 전통주를 이용한 고객 프로파일링 정보를 수집하고, 수집된 고객 프로파일링 정보를 표, 그래프 등의 시각화 객체로 변환할 수 있다. 실시예에서 고객 프로파일링 정보는 고객 프로파일링 정보는 고객에 대한 세분화된 데이터와 특성을 나타내는 정보이다. 실시예에서 고객 프로파일링 정보는 전통주를 이용한 고객의 성별, 나이, 직업, 거주지역, 주로 갖는 술자리 형태, 횟수 등을 포함할 수 있다.

도 3은 실시예에 따른 고객 프로파일링 정보를 분석한 시각화 객체를 나타낸 도면이다.

도 3을 참조하면, 실시예에서 피드백 정보 제공부(130)는 고객의 설문 및 리뷰를 수집하고, 이를 제공한 고객의 프로파일링 정보를 시각화 객체로 제공한다. 예컨대, 피드백 정보 제공부(130)는 주요 구매 고객, 비구매 고객을 분류하고, 주요 구매 고객의 연령, 성별, 직업, 음주횟수, 술자리 형태 등을 포함하는 고객 프로파일링 정보에 따라 설문을 그래프, 도표 등의 시각화 객체를 생성할 수 있다.

이하에서는 전통주 개발을 위한 피드백 정보 제공 방법에 대해서 차례로 설명한다. 실시예에 따른 방법의 작용(기능)은 시스템의 기능과 본질적으로 같은 것이므로 도 1 내지 도 3과 중복되는 설명은 생략하도록 한다.

도 4는 실시예에 따른 전통주 개발을 위한 피드백 정보 제공 과정을 나타낸 흐름도이다.

도 4를 참조하면, S110 단계에서는 평가부에서 고객 단말로부터 수집한 리뷰 및 설문 중 정보(fact) 텍스트를 추출하고, 추출된 정보 텍스트의 정확성을 판단하여 상기 정확성일 일정 수준 이상인 고객을 전문가 고객으로 분류하고, 전문가 고객의 전문 분야를 파악한다. S120 단계에서는 전문가 고객의 설문 및 리뷰에 대한 신뢰도를 산출한다. S130 단계에서는 피드백 정보 제공부에서 산출된 신뢰도가 일정 수준 이상인 설문 및 리뷰를 유의미한 피드백 정보로 추출하고, 유의미한 피드백 정보를 전통주를 생산하는 양조자 단말로 제공한다.

이상에서와 같은 전통주 개발을 위한 피드백 정보 수집 시스템 및 방법은 주류에 대해 조예가 깊은 전문가 고객을 검증하고, 검증된 전문가 고객으로부터 제품 피드백 정보를 수집함으로써, 실제 제품 개발에 필요한 유의미하고, 정확한 피드백 정보를 필터링할 수 있도록 한다.

또한, 실시예에서는 일반 고객의 설문 및 리뷰에 대한 신뢰도를 산출하고, 산출된 신뢰도가 일정 수준 이상인 설문 및 리뷰를 유의미한 피드백 정보로 제공할 수 있다.

또한, 실시예에서는 질문과 답변의 상관성을 기반으로 고객으로부터 수집된 피드백 정보의 신뢰성을 산출하여, 신뢰도가 높은 유의미한 피드백 정보를 신속하게 추출할 수 있다.

또한, 실시예를 통해, 제품 개발자는 유의미한 피드백 정보를 이용하여 개발 포인트를 쉽게 찾을 수 있고, 개발 중인 제품의 문제점 개선 여부를 정확히 파악할 수 있다.

전술한 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 양조자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션 (즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드(또는, 애플리케이션이나 소프트웨어)로서 구현하는 것이 가능하다. 상술한 메타 인지 향상을 위한 감정 예측 방법은 메모리 등에 저장된 코드에 의하여 실현될 수 있다.

컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 상기 컴퓨터는 프로세서를 포함할 수도 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

100: 서버
110: 평가부
120: 산출부
130: 피드백 정보 제공부
200: 고객 단말
300: 양조장 단말

Claims

전통주 개발을 위한 피드백 정보 제공 장치에 있어서,
주종별 전통주에 대한 피드백 설문의 질문 별 상관관계를 기초로, 고객으로부터 수신한 피드백 답변에서의 질문 간 답변의 모순 여부를 판단하고, 상기 모순 여부 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출하는 산출부; 및
산출된 신뢰도가 일정 수준 이상인 고객의 피드백 답변과 해당 고객의 리뷰를 유의미한 피드백 정보로 추출하고, 상기 유의미한 피드백 정보를 전통주를 개발하는 양조자 단말로 제공하는 피드백 정보 제공부; 를 포함하고
상기 산출부; 는
전통주 별 신뢰도가 일정 수준 이상인 고객의 피드백 답변 및 해당 고객의 미리 정해진 항목들에 대한 평가 점수가 포함된 리뷰 정보에 기초하여, 전통주 별 등급을 생성하고,
상기 피드백 정보 제공부; 는
주종별 전통주가 속한 동일 등급에서 다른 전통주와의 비교 정보를 생성하여 제공하고, 동일 주종 내 다른 타겟 등급으로 업그레이드를 위해 요구되는 항목 정보와 항목별 피드백 정보를 양조자 단말로 제공하는 것을 특징으로 하는 전통주 개발을 위한 피드백 정보 제공 장치.
제1항에 있어서,
고객별 전통주 구매 이력 및 리뷰 이력를 포함하는 고객 분류 정보를 기반으로 고객의 전문성과 전문분야에 대한 평가 결과를 출력하는 평가부를 더 포함하고,
상기 산출부; 는
상기 평가부의 평가 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출하는 것을 특징으로 하는 전통주 개발을 위한 피드백 정보 제공 장치.
제1항에 있어서,
상기 산출부; 는
주종별로 상기 피드백 설문 및 복수의 고객으로부터 수신한 피드백 답변을 인공신경망 모델로 분석하여, 피드백 설문에서 주종별 상관관계 있는 질문을 추출하는 것을 특징으로 하는 전통주 개발을 위한 피드백 정보 제공 장치.
제1항에 있어서,
상기 피드백 정보 제공부; 는
상기 양조장 단말로 피드백 정보 이용안내 메시지를 전송하고,
상기 피드백정보 이용안내 메시지는,
개발하는 신제품의 종류에 따라 참조해야 하는 피드백 정보의 최소 신뢰도를 포함하는 것을 특징으로 하는 전통주 개발을 위한 피드백 정보 제공 장치.
제4항에 있어서,
상기 피드백 정보 제공부; 는
신제품 개발 이후 상기 신제품 출시 전에 상기 신제품 주종이 전문분야 또는 상기 신제품 샘플 테스팅을 수행한 전문가 고객 단말로 신제품 평가 요청 메시지를 전송하고,
상기 신제품 평가 요청 메시지는,
기 제공한 피드백 정보의 반영 여부와, 지적된 문제점 개선여부에 관한 질문을 포함하는 것을 특징으로 하는 전통주 개발을 위한 피드백 정보 제공 장치.
전통주 개발을 위한 피드백 정보 제공 방법에 있어서,
주종별 전통주에 대한 피드백 설문의 질문 별 상관관계를 기초로, 고객으로부터 수신한 피드백 답변에서의 질문 간 답변의 모순 여부를 판단하고, 상기 모순 여부 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출하는 단계; 및
산출된 신뢰도가 일정 수준 이상인 고객의 피드백 답변과 해당 고객의 리뷰를 유의미한 피드백 정보로 추출하고, 상기 유의미한 피드백 정보를 전통주를 개발하는 양조자 단말로 제공하는 단계; 를 포함하고
상기 산출하는 단계; 는
전통주 별 신뢰도가 일정 수준 이상인 고객의 피드백 답변 및 해당 고객의 미리 정해진 항목들에 대한 평가 점수가 포함된 리뷰 정보에 기초하여, 전통주 별 등급을 생성하고,
상기 제공하는 단계; 는
주종별 전통주가 속한 동일 등급에서 다른 전통주와의 비교 정보를 생성하여 제공하고, 동일 주종 내 다른 타겟 등급으로 업그레이드를 위해 요구되는 항목 정보와 항목별 피드백 정보를 양조자 단말로 제공하는 것을 특징으로 하는 전통주 개발을 위한 피드백 정보 제공 방법.
제6항에 있어서,
고객별 전통주 구매 이력 및 리뷰 이력를 포함하는 고객 분류 정보를 기반으로 고객의 전문성과 전문분야에 대한 평가 결과를 출력하는 단계를 더 포함하고,
상기 산출하는 단계; 는
상기 평가 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출하는 것을 특징으로 하는 전통주 개발을 위한 피드백 정보 제공 방법.
제6항에 있어서,
상기 산출하는 단계; 는
주종별로 상기 피드백 설문 및 복수의 고객으로부터 수신한 피드백 답변을 인공신경망 모델로 분석하여, 피드백 설문에서 주종별 상관관계 있는 질문을 추출하는 것을 특징으로 하는 전통주 개발을 위한 피드백 정보 제공 방법.
제6항에 있어서,
상기 제공하는 단계; 는
상기 양조장 단말로 피드백 정보 이용안내 메시지를 전송하고,
상기 피드백정보 이용안내 메시지는,
개발하는 신제품의 종류에 따라 참조해야 하는 피드백 정보의 최소 신뢰도를 포함하는 것을 특징으로 하는 전통주 개발을 위한 피드백 정보 제공 방법.
제9항에 있어서,
상기 제공하는 단계; 는
신제품 개발 이후 상기 신제품 출시 전에 상기 신제품 주종이 전문분야 또는 상기 신제품 샘플 테스팅을 수행한 전문가 고객 단말로 신제품 평가 요청 메시지를 전송하고,
상기 신제품 평가 요청 메시지는,
기 제공한 피드백 정보의 반영 여부와, 지적된 문제점 개선여부에 관한 질문을 포함하는 것을 특징으로 하는 전통주 개발을 위한 피드백 정보 제공 방법.
컴퓨터 판독가능한 기록매체에 저장된 컴퓨터 프로그램에 있어서,
상기 컴퓨터 프로그램은,
주종별 전통주에 대한 피드백 설문의 질문 별 상관관계를 기초로, 고객으로부터 수신한 피드백 답변에서의 질문 간 답변의 모순 여부를 판단하고, 상기 모순 여부 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출하는 단계; 및
산출된 신뢰도가 일정 수준 이상인 고객의 피드백 답변과 해당 고객의 리뷰를 유의미한 피드백 정보로 추출하고, 상기 유의미한 피드백 정보를 전통주를 개발하는 양조자 단말로 제공하는 단계; 를 포함해서 수행되도록 프로그램된 것이고,
상기 산출하는 단계; 는
전통주 별 신뢰도가 일정 수준 이상인 고객의 피드백 답변 및 해당 고객의 미리 정해진 항목들에 대한 평가 점수가 포함된 리뷰 정보에 기초하여, 전통주 별 등급을 생성하고,
상기 제공하는 단계; 는
주종별 전통주가 속한 동일 등급에서 다른 전통주와의 비교 정보를 생성하여 제공하고, 동일 주종 내 다른 타겟 등급으로 업그레이드를 위해 요구되는 항목 정보와 항목별 피드백 정보를 양조자 단말로 제공하는 것을 특징으로 하는
컴퓨터 판독가능한 기록매체에 저장된 컴퓨터 프로그램.
전통주 개발을 위한 피드백 정보 제공 시스템에 있어서,
고객 단말;
전통주 개발을 위한 피드백 정보를 수신하는 양조장 단말;
상기 고객 단말로부터 수신한 전통주에 대한 피드백 설문에 대응하는 피드백 답변 및 리뷰에 기초하여 상기 피드백 정보를 생성하는 서버를 포함하고,
상기 서버는,
주종별 전통주에 대한 피드백 설문의 질문 별 상관관계를 기초로, 고객으로부터 수신한 피드백 답변에서의 질문 간 답변의 모순 여부를 판단하고, 상기 모순 여부 결과에 기초하여, 고객의 피드백 답변의 신뢰도를 산출하는 산출부; 및
산출된 신뢰도가 일정 수준 이상인 고객의 피드백 답변과 해당 고객의 리뷰를 유의미한 피드백 정보로 추출하고, 상기 유의미한 피드백 정보를 전통주를 개발하는 양조자 단말로 제공하는 피드백 정보 제공부를 포함하고
상기 산출부는
전통주 별 신뢰도가 일정 수준 이상인 고객의 피드백 답변 및 해당 고객의 미리 정해진 항목들에 대한 평가 점수가 포함된 리뷰 정보에 기초하여, 전통주 별 등급을 생성하고,
상기 피드백 정보 제공부는
주종별 전통주가 속한 동일 등급에서 다른 전통주와의 비교 정보를 생성하여 제공하고, 동일 주종 내 다른 타겟 등급으로 업그레이드를 위해 요구되는 항목 정보와 항목별 피드백 정보를 양조자 단말로 제공하는 것을 특징으로 하는 전통주 개발을 위한 피드백 정보 제공 시스템.