KR102551779B1 - Persona-based review data analysis method and system - Google Patents

Abstract

Translated fromKorean

본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 방법은 특정 서비스와 관련된 리뷰 데이터를 수집하는 단계, 상기 리뷰 데이터를 구성하는 단위 요소에 근거하여, 평가 인자에 해당하는 정보를 상기 리뷰 데이터로부터 추출하는 단계, 상기 평가 인자를 근거로 페르소나 유형들이 분류된 페르소나 DB를 이용하여, 상기 추출된 정보에 대응하는 상기 리뷰 데이터의 고객 유형을 상기 페르소나 유형들 중 어느 하나로 특정하는 단계 및 상기 페르소나 DB로부터 상기 어느 하나의 페르소나 유형의 특성 정보를 추출하여, 상기 리뷰 데이터의 고객 유형에 대한 보고서를 생성하는 단계를 포함할 수 있다.The persona-based review data analysis method according to the present invention includes the steps of collecting review data related to a specific service, extracting information corresponding to an evaluation factor from the review data based on unit elements constituting the review data, Using a persona DB in which persona types are classified based on the evaluation factor, specifying a customer type of the review data corresponding to the extracted information as one of the persona types, and selecting any one of the persona types from the persona DB. The method may include extracting persona type characteristic information and generating a report on the customer type of the review data.

Description

Translated fromKorean

페르소나 기반의 리뷰 데이터 분석 방법 및 시스템{PERSONA-BASED REVIEW DATA ANALYSIS METHOD AND SYSTEM}Persona-based review data analysis method and system {PERSONA-BASED REVIEW DATA ANALYSIS METHOD AND SYSTEM}

본 발명은 페르소나를 기반으로 리뷰 데이터를 분석하는 방법, 그리고 시스템에 관한 것이다.The present invention relates to a method and system for analyzing review data based on a persona.

기술이 발전함에 따라, 전자기기(예를 들어, 스마트폰, 태블릿 PC, 자동화 기기 등)의 보급이 대중화되었으며, 이에 따라 일상생활의 많은 부분에서 전자기기의 사용이 일반화되었다.As technology develops, the spread of electronic devices (eg, smart phones, tablet PCs, automation devices, etc.) has become popular, and accordingly, the use of electronic devices has become common in many areas of daily life.

전자기기의 대중화는 자신의 생각이나 경험을 다른 사람들과 자유롭게 공유할 수 있는 서비스의 발전을 촉진시켰다. 최근에는, 리뷰슈머(reviewsumer)라는 신조어까지 생겨났다. 리뷰슈머는 리뷰(Review)와 컨슈머(Consumer)의 합성어로 제품을 써보고 온라인 상에 품평을 올리는 고객 집단을 말한다.The popularization of electronic devices has promoted the development of services that allow people to freely share their thoughts and experiences with others. Recently, even a new word called reviewsumer has been coined. Reviewsumer is a compound word of review and consumer, and refers to a group of customers who try products and post reviews online.

이러한 트렌드의 변화에 맞추어, 소비자 리뷰를 이용한 상품 평가 시스템 및 방법(대한민국 공개특허 제10-2018-0080492호)은, 소비자의 구매 결정에 도움을 주기 위하여, 서비스 이용자가 부여한 평점을 소비자에게 제공한다.In line with these trend changes, a product evaluation system and method using consumer reviews (Korean Patent Publication No. 10-2018-0080492) provides consumers with ratings given by service users in order to help consumers make purchasing decisions. .

그러나, 이들은, 고객들끼리 리뷰를 공유하는 방식으로서, 여전히 고객이 작성한 리뷰를 적극적으로 활용하는 방안에 대한 니즈가 존재한다,However, as a method of sharing reviews among customers, there is still a need for a way to actively utilize reviews written by customers.

본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 방법 및 시스템은, 고객들이 작성한 리뷰 데이터를 분석하여 사용자에게 제공하고자 한다.The persona-based review data analysis method and system according to the present invention analyzes review data written by customers and provides it to users.

본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 방법 및 시스템은, 고객의 리뷰 데이터를 활용하고자 한다.The persona-based review data analysis method and system according to the present invention seeks to utilize customer review data.

본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 방법 및 시스템은, 고객군을 정립하고자 한다.The persona-based review data analysis method and system according to the present invention seeks to establish a customer group.

위에서 살펴본 과제를 해결하기 위하여, 본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 방법은 특정 서비스와 관련된 리뷰 데이터를 수집하는 단계, 상기 리뷰 데이터를 구성하는 단위 요소에 근거하여, 평가 인자에 해당하는 정보를 상기 리뷰 데이터로부터 추출하는 단계, 상기 평가 인자를 근거로 페르소나 유형들이 분류된 페르소나 DB를 이용하여, 상기 추출된 정보에 대응하는 상기 리뷰 데이터의 고객 유형을 상기 페르소나 유형들 중 어느 하나로 특정하는 단계 및 상기 페르소나 DB로부터 상기 어느 하나의 페르소나 유형의 특성 정보를 추출하여, 상기 리뷰 데이터의 고객 유형에 대한 보고서를 생성하는 단계를 포함할 수 있다.In order to solve the problems described above, the persona-based review data analysis method according to the present invention collects review data related to a specific service, based on unit elements constituting the review data, information corresponding to an evaluation factor. Extracting from the review data; specifying a customer type of the review data corresponding to the extracted information as one of the persona types using a persona DB in which persona types are classified based on the evaluation factor; and The method may include generating a report on the customer type of the review data by extracting characteristic information of the one persona type from the persona DB.

나아가, 본 발명에 따른 페르소나 기반의 리뷰데이터 분석 방법은, 특정 서비스와 관련된 리뷰 데이터를 수집하는 단계, 상기 리뷰 데이터를 구성하는 단위 요소에 근거하여, 제1정보 및 제2정보 중 적어도 하나를 상기 리뷰 데이터로부터 추출하는 단계, 상기 제1정보를 페르소나 유형들이 분류된 페르소나 DB와 매칭하거나, 상기 제2정보를 고객 유형을 분석하는 인공지능 모델의 입력 데이터로 이용하여 상기 리뷰 데이터의 고객 유형을 상기 페르소나 유형들 중 어느 하나로 특정하는 단계 및 상기 페르소나 DB로부터 상기 어느 하나의 페르소나 유형의 특성 정보를 추출하여, 상기 리뷰 데이터의 고객 유형에 대한 보고서를 생성하는 단계를 포함할 수 있다.Furthermore, the persona-based review data analysis method according to the present invention includes the steps of collecting review data related to a specific service, at least one of first information and second information based on unit elements constituting the review data. Extracting from review data, matching the first information with a persona DB in which persona types are classified, or using the second information as input data of an artificial intelligence model that analyzes customer types to determine the customer type of the review data. The method may include specifying one of the persona types and extracting characteristic information of the one persona type from the persona DB and generating a report on the customer type of the review data.

위에서 살펴본 것과 같이, 본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 방법 및 시스템은, 수집된 데이터에 근거하여, 리뷰 데이터의 고객 유형을 페르소나 유형들 중 어느 하나로 특정할 수 있다. 이에 따라, 본 발명은 특정 서비스에 대해 리뷰 데이터를 작성한 고객의 유형을 구체적으로 파악할 수 있다. 나아가, 본 발명은, 고객의 나이, 직업, 성격과 개성, 특징, 취미, 사는 곳 등 개인 정보에서부터, 실제로 이러한 인물이 서비스를 이용할 때 고려하는 점, 서비스를 이용할 때 불편한 점 등의 구체적인 니즈를 예상할 수 있다.As described above, the persona-based review data analysis method and system according to the present invention may specify the customer type of the review data as one of the persona types based on the collected data. Accordingly, the present invention can specifically identify the type of customer who wrote review data for a specific service. Furthermore, the present invention addresses specific needs, such as personal information such as age, occupation, character and personality, characteristics, hobbies, and place of residence of customers, what these people actually consider when using services, and inconveniences when using services. can be expected

나아가, 본 발명은, 리뷰 데이터의 고객 유형에 대한 보고서를 생성할 수 있다. 따라서, 사용자는 본 발명으로부터 제공받은 보고서를 통해, 블랙 컨슈머의 악의적인 리뷰 작성을 사전에 방지하고, 단골 고객을 효율적으로 관리할 수 있으며, 고객 유형에 대응하여 적합한 마케팅을 진행할 수 있다.Furthermore, the present invention may generate a report on customer types of review data. Accordingly, the user can prevent black consumers from writing malicious reviews in advance, manage regular customers efficiently, and conduct appropriate marketing in response to customer types through the report provided from the present invention.

도 1은 본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 시스템을 이용한 분석 방법을 설명하기 위한 개념도이다.
도 2는 본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 시스템을 설명하기 위한 개념도이다.
도 3은 본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 방법을 설명하기 위한 흐름도이다.
도 4a 및 4b는 본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 방법을 설명하기 위한 개념도이다.
도 5는 본 발명에 따른 데이터 수집을 설명하기 위한 개념도이다.
도 6a, 도 6b, 도 7, 도 8a, 도 8b, 도 9a, 및 도 9b 는 본 발명에 따른 평가 인자에 대응되는 정보를 설명하기 위한 개념도들이다.
도 10, 도 11, 도 12, 도 13, 및 도 14는 본 발명에 따른 리뷰 데이터의 고객 유형을 특정하는 방법을 설명하기 위한 개념도들이다.
도 15a, 도 15b, 도 15c, 도 15d 및 도 15e는 본 발명에 따른 보고서를 설명하기 위한 개념도들이다.1 is a conceptual diagram illustrating an analysis method using a persona-based review data analysis system according to the present invention.
2 is a conceptual diagram illustrating a persona-based review data analysis system according to the present invention.
3 is a flowchart illustrating a persona-based review data analysis method according to the present invention.
4a and 4b are conceptual diagrams illustrating a persona-based review data analysis method according to the present invention.
5 is a conceptual diagram illustrating data collection according to the present invention.
6A, 6B, 7, 8A, 8B, 9A, and 9B are conceptual diagrams for explaining information corresponding to evaluation factors according to the present invention.
10, 11, 12, 13, and 14 are conceptual diagrams for explaining a method of specifying a customer type of review data according to the present invention.
15a, 15b, 15c, 15d and 15e are conceptual diagrams for explaining reports according to the present invention.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소에는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Hereinafter, the embodiments disclosed in this specification will be described in detail with reference to the accompanying drawings, but the same reference numerals will be assigned to the same or similar components regardless of reference numerals, and overlapping descriptions thereof will be omitted. The suffixes "module" and "unit" for components used in the following description are given or used together in consideration of ease of writing the specification, and do not have meanings or roles that are distinct from each other by themselves. In addition, in describing the embodiments disclosed in this specification, if it is determined that a detailed description of a related known technology may obscure the gist of the embodiment disclosed in this specification, the detailed description thereof will be omitted. In addition, the accompanying drawings are only for easy understanding of the embodiments disclosed in this specification, the technical idea disclosed in this specification is not limited by the accompanying drawings, and all changes included in the spirit and technical scope of the present invention , it should be understood to include equivalents or substitutes.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.Terms including ordinal numbers, such as first and second, may be used to describe various components, but the components are not limited by the terms. These terms are only used for the purpose of distinguishing one component from another.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.It is understood that when an element is referred to as being "connected" or "connected" to another element, it may be directly connected or connected to the other element, but other elements may exist in the middle. It should be. On the other hand, when an element is referred to as “directly connected” or “directly connected” to another element, it should be understood that no other element exists in the middle.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.Singular expressions include plural expressions unless the context clearly dictates otherwise.

본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.In this application, terms such as "comprise" or "have" are intended to designate that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, but one or more other features It should be understood that the presence or addition of numbers, steps, operations, components, parts, or combinations thereof is not precluded.

본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 시스템은, “분석 시스템”이라고도 명명될 수 있다. 이러한 분석 시스템은, 사용자로부터 서비스를 제공 받은 고객이 작성한 리뷰 데이터를 분석하고, 보고서를 생성하여 사용자에게 제공하는 역할을 수행한다.The persona-based review data analysis system according to the present invention may also be referred to as an “analysis system”. Such an analysis system serves to analyze review data written by customers receiving services from users, generate reports, and provide them to users.

이하에서는 첨부된 도면과 함께, 본 발명에 따른 분석 시스템 및 방법에 대하여 보다 구체적으로 살펴본다. 도 1은 본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 시스템을 이용한 분석 방법을 설명하기 위한 개념도이고, 도 2는 본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 시스템을 설명하기 위한 개념도이고, 도 3은 본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 방법을 설명하기 위한 흐름도이고, 도 4a 및 4b는 본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 방법을 설명하기 위한 개념도이고, 도 5는 본 발명에 따른 데이터 수집을 설명하기 위한 개념도이고, 도 6a, 도 6b, 도 7, 도 8a, 도 8b, 도 9a, 및 도 9b 는 본 발명에 따른 평가 인자에 대응되는 정보를 설명하기 위한 개념도들이고, 도 10, 도 11, 도 12, 도 13, 및 도 14는 본 발명에 따른 리뷰 데이터의 고객 유형을 특정하는 방법을 설명하기 위한 개념도들이고, 도 15a, 도 15b, 도 15c, 도 15d 및 도 15e는 본 발명에 따른 보고서를 설명하기 위한 개념도들이다.Hereinafter, together with the accompanying drawings, look at the analysis system and method according to the present invention in more detail. 1 is a conceptual diagram for explaining an analysis method using a persona-based review data analysis system according to the present invention, FIG. 2 is a conceptual diagram for explaining a persona-based review data analysis system according to the present invention, and FIG. It is a flowchart for explaining a persona-based review data analysis method according to the present invention, FIGS. 4a and 4b are conceptual diagrams for explaining a persona-based review data analysis method according to the present invention, and FIG. 6a, 6b, 7, 8a, 8b, 9a, and 9b are conceptual diagrams for explaining information corresponding to evaluation factors according to the present invention, and FIGS. 10 and 11 , 12, 13, and 14 are conceptual diagrams for explaining a method for specifying a customer type of review data according to the present invention, and FIGS. 15a, 15b, 15c, 15d, and 15e These are conceptual diagrams to explain the report.

한편, 본 발명에서 사용자에 의해 제공되는 “서비스”는 사용자가 물질적 재화의 생산을 위하여, 고객에게 제공하는 물질 또는 노동을 의미할 수 있다.Meanwhile, in the present invention, the “service” provided by the user may mean material or labor provided by the user to the customer for the production of material goods.

즉, 본 발명에서 “서비스”는, 사용자가 영위하는 사업에 따라 다양한 종류가 존재할 수 있다. 예를 들어, “음식점”을 운영하는 사용자라면, 서비스의 종류는, “음식”과 관련될 수 있으며, “교습소”를 운영하는 사업자라면, 서비스의 종류는, “학문, 예술 등을 가르치는 행위”와 관련될 수 있다.That is, in the present invention, various types of “service” may exist depending on the business that the user is engaged in. For example, if you are a user who runs a “restaurant”, the type of service may be related to “food”, and if you are a business operator who runs a “training center”, the type of service is “act of teaching academics, arts, etc.” may be related to

본 발명에서는 설명의 편의를 위하여, 사용자가 영위하는 사업 및 영위하는 사업에 의하여 생산되는 상품(또는 제품)을 구분하지 않고 “서비스” 로 통칭하여 명명하기로 한다. In the present invention, for convenience of description, the business operated by the user and the goods (or products) produced by the business operated are collectively referred to as “services” without distinction.

본 발명에서 사용되는 “서비스를 제공 받다”의 의미는, 사업자가 영위하는 사업의 종류에 따른 물질 또는 노동을 제공 받는 것을 의미할 수 있다. 예를 들어, “음식점”을 운영하는 사용자라면, “음식”을 제공 받을 수 있으며, “교습소”를 운영하는 사업자라면, “학문, 예술 등을 교습”을 제공 받을 수 있다. 본 명세서에서 “서비스를 제공받다”는 “서비스를 구매하다”, “서비스를 이용하다” “상품(제품 또는 물건)을 구매하다”와 혼용되어 사용될 수 있다.The meaning of “to receive a service” used in the present invention may mean to receive material or labor according to the type of business that a business operator conducts. For example, a user running a “restaurant” may be provided with “food”, and a business operator operating a “training center” may be provided with “learning, arts, etc.”. In this specification, “receive a service” may be used interchangeably with “purchase a service”, “use a service” and “purchase a product (product or object)”.

본 발명에서는 이러한 서비스와 관련된 요소들을 “서비스 요소”라고 명명할 수 있다. 서비스 요소는, 사용자가 고객에게 서비스를 제공함에 있어 고려되어야 할 다양한 사항들을 의미할 수 있다. 예를 들어, 서비스 요소는 ⅰ)가격조건(또는 가격), ⅱ)이용품질(또는 품질), ⅲ)서비스 절차(또는 절차), ⅳ)직원대응(또는 고객 대응) 및 ⅴ)이용환경 중 적어도 하나를 포함할 수 있다. 다만, 위 나열한 사항들은 서비스 요소의 일 예시이며, 이에 한정되는 것은 아니다.In the present invention, elements related to such services may be referred to as “service elements”. The service factor may refer to various matters to be considered when a user provides a service to a customer. For example, a service element may include at least one of: i) price terms (or price), ii) quality of use (or quality), iii) service procedures (or procedures), iv) staff response (or customer response), and v) environment of use. may contain one. However, the items listed above are examples of service elements, and are not limited thereto.

한편, 본 명세서에서는, 설명의 편의를 위하여, 사용자에게 서비스의 제공을 요청(또는 상품을 구매)하고, 서비스(상품 또는 제품)의 제공을 받는 자를 “고객”이라고 명명하도록 한다. 고객은 “소비자” 또는 “컨슈머(consumer)”와 혼용되어 사용될 수 있다.On the other hand, in this specification, for convenience of description, a person who requests a user to provide a service (or purchases a product) and receives a service (product or product) is referred to as a “customer”. Customer can be used interchangeably with “consumer” or “consumer”.

본 발명에서 사용되는 “고객 유형”은 고객의 성향에 따라 고객을 구분하기 위해 사용되는 개념일 수 있다. 복수의 고객 유형은 제1 타입 고객 및 제2 타입 고객으로 분류되어 질 수 있다.The “customer type” used in the present invention may be a concept used to classify customers according to their inclinations. A plurality of customer types may be classified into first type customers and second type customers.

제1 타입 고객은 특별한 주의가 필요한 타입으로서, 제공 받은 서비스에 대한 리뷰 데이터를 작성하는 것이 아닌, 서비스의 하자를 문제 삼아 사용자(사업자 또는 기업)을 상대로 과도한 피해 보상금을 요구하거나 거짓으로 피해를 본 것으로 꾸미는 악의적인 유형을 의미할 수 있다. 본 발명에서는 리뷰 데이터 및 기 설정된 기준에 근거하여 제1 타입 고객을 특정할 수 있다. 본 발명에서는 제1 타입 고객은 “블랙 컨슈머”와 혼용하여 사용될 수 있다.Type 1 customers are types that require special attention, and do not write review data for the provided service, but claim excessive damage compensation against users (business operators or companies) or falsely suffer damage due to defects in the service. It can mean a malicious type of decoration. In the present invention, the first type of customer may be specified based on review data and predetermined criteria. In the present invention, the first type customer may be used interchangeably with “black consumer”.

제2 타입 고객은 제1 타입 고객을 제외한 리뷰 데이터의 고객 유형을 포함할 수 있다. 제2 타입 고객은 리뷰 데이터 및 기 설정된 기준에 근거하여, ⅰ)일반 고객, ⅱ)단골 고객, ⅲ)우수 고객, ⅳ)불만족 고객으로 분류될 수 있다.The second type customers may include customer types of review data other than the first type customers. Based on the review data and predetermined criteria, the second type of customers may be classified as i) regular customers, ii) regular customers, iii) good customers, and iv) dissatisfied customers.

나아가, 본 발명에서는 제2 고객 타입으로 분류된 리뷰 데이터를, 페르소나 DB와 매칭시키거나 인공 지능 모델에 입력하여 페르소나 유형들 중 어느 하나로 특정할 수 있다. Furthermore, in the present invention, review data classified as the second customer type may be matched with a persona DB or input into an artificial intelligence model to specify one of the persona types.

본 발명에서 사용되는 “페르소나 유형”은 특정 서비스를 이용할 만한 인구 집단 안에 있는 다양한 사용자를 대표하는 인물로서, 어떤 특정한 상황과 환경속에서 어떤 전형적인 인물이 어떻게 행동할 것인가에 대한 예측을 위해 실제 사용자 자료를 바탕으로 개인의 개성을 부여하여 만들어진 가상의 인물이다.The “persona type” used in the present invention is a person representing various users in a population group who can use a specific service, and actual user data to predict how a typical person will behave in a specific situation and environment. It is a fictional character created by giving individual personality based on

나아가, 서로 다른 복수의 페르소나 유형의 집합체를 본 발명에서는 “페르소나 DB”라고 명명하도록 한다. 페르소나 DB에는 페르소나 유형들의 특성 정보 및 표준화된 값이 있을 수 있다.Furthermore, an aggregate of a plurality of different persona types is named “Persona DB” in the present invention. The persona DB may include characteristic information and standardized values of persona types.

본 발명에서 사용되는 “특성 정보”는 서로 다른 복수의 특정 페르소나 유형 각각에 매칭된 정보로서, “페르소나 유형”의 인물을 묘사하고 그 인물의 배경, 환경, 가상의 이름, 목표, 취미, 직업, 거주지, 성격, 평소에 느끼는 생각(불편함, 호감 분야 등), 그 인물이 가지는 니즈 등으로 구성될 수 있다.The “characteristic information” used in the present invention is information matched to a plurality of different specific persona types, which describes a person of the “persona type” and describes the person's background, environment, fictitious name, goals, hobbies, occupation, It can be composed of the place of residence, personality, usual thoughts (discomfort, liking field, etc.), and the needs that the person has.

본 발명에서 사용되는 “표준화된 값”은 복수의 서로 다른 페르소나 유형들마다 각각 매칭된 값으로서, 리뷰 데이터와 페르소나 DB를 서로 매칭시킬 때 사용되는 정보이다. 예를 들어, “표준화된 값”은 특성 정보에 대한 특정 값을 포함할 수 있다.The “standardized value” used in the present invention is a value matched for each of a plurality of different persona types, and is information used when matching review data and persona DB with each other. For example, “standardized value” may include a specific value for characteristic information.

한편, 본 발명에서 사용되는 “리뷰 데이터”는 고객의 특정 서비스에 대한 평가가 포함되는 정보를 의미할 수 있다. 리뷰 데이터는 특정 서비스가 제공(또는 구매 요청)되는 인터넷 페이지, 개인 블로그(Blog), SNS(Social　Network　Site), 댓글 등에 기재되는 시각적, 촉각적, 청각적 방식의 다양한 데이터를 의미할 수 있다. 시각적 방식의 리뷰 데이터로는 텍스트(text), 이모티콘(emoticon), 이미지(image), 동영상 등이 포함될 수 있으며, 청각적 방식의 리뷰 데이터로는 음성, 동영상 등이 포함될 수 있다. 동영상은 시각적 방식의 리뷰 데이터 및 청각적 방식의 리뷰 데이터 모두에 해당될 수 있다.Meanwhile, “review data” used in the present invention may refer to information including evaluation of a specific service by a customer. Review data may refer to various data in a visual, tactile, or auditory manner described in an internet page where a specific service is provided (or a purchase request), a personal blog, a social network site (SNS), or a comment. Visual review data may include text, emoticons, images, and videos, and auditory review data may include audio and video. The video may correspond to both visual review data and auditory review data.

본 발명에서 “리뷰 데이터를 작성한다” 는 온라인 상에 리뷰 데이터를 업로드 한다는 의미로 이해되어 질 수 있다. 본 명세서에서, “리뷰 데이터를 작성한다”는 “리뷰 데이터를 업로드한다”, “리뷰 데이터를 게재한다”와 혼용되어 사용될 수 있다.In the present invention, "writing review data" can be understood as meaning uploading review data online. In this specification, “create review data” may be used interchangeably with “upload review data” and “post review data”.

본 발명에서 사용되는 “단위 요소”는 리뷰 데이터를 이루는 구성 요소로 이해되어 질 수 있다. 예를 들어, 단위 요소는 i)텍스트(text) 데이터, ii)평점 데이터(ex: 5점 만점에 4.5 와 같은 점수, 하트 또는 별의 개수 등), iii)이미지 데이터, iv)영상 데이터 및 v)음성 데이터 중 적어도 하나를 포함할 수 있다.The “unit element” used in the present invention can be understood as a component constituting review data. For example, unit elements are i) text data, ii) rating data (ex: ratings such as 4.5 out of 5, number of hearts or stars, etc.), iii) image data, iv) video data and v ) may include at least one of voice data.

본 발명에서 사용되는 “평가 인자”는 리뷰 데이터로부터 고객 유형을 특정하는데 사용되는 다양한 요소로 이해되어 질 수 있다. 예를 들어, 평가 인자는 리뷰 데이터에 포함된, i)고객의 감정, ii)리뷰 데이터의 내용, iii)리뷰 데이터의 중요 사항(중요도), iv)고객의 연령 및 v)고객의 성별 중 적어도 하나 포함할 수 있다. 다만, 위 나열한 평가 인자는 설명의 편의를 위한 일 예시이며, 이에 한정되는 것은 아니다."Evaluation factors" used in the present invention can be understood as various factors used to specify customer types from review data. For example, evaluation factors include at least one of i) customer sentiment, ii) content of review data, iii) importance (importance) of review data, iv) age of customer, and v) gender of customer included in review data. may contain one. However, the evaluation factors listed above are examples for convenience of explanation, and are not limited thereto.

본 발명에서 사용되는 “평가 인자에 해당되는 정보”는 평가 인자를 포함하는 데이터로, i)감정 인자에 해당되는 정보, ii)내용 인자에 해당되는 정보, iii)중요도 인자에 해당되는 정보, iv)연령 인자에 해당되는 정보, v)고객의 성별 인자에 해당되는 정보 중 적어도 하나를 포함할 수 있다."Information corresponding to the evaluation factor" used in the present invention is data including evaluation factors, i) information corresponding to the evaluation factor, ii) information corresponding to the content factor, iii) information corresponding to the importance factor, iv ) information corresponding to the age factor, and v) information corresponding to the customer's gender factor.

본 발명에서 사용되는 “만족도”는 고객이, 제공받은 서비스에 어느 정도 만족하고 있는 가를 일컫는 용어로 이해되어 질 수 있다. 본 발명에서는 리뷰 데이터 및 기 설정된 기준에 근거하여 만족도를 산출할 수 있다. 예를 들어, 리뷰 데이터가 5점 만점의 평점 데이터를 포함한다고 가정하자. 평점 데이터가 제1 기준(ex: 4점) 이상(또는 초과)이면 만족도는 상(上), 평점 데이터가 제1 기준(ex: 4점) 미만(또는 이하)이면서 제2 기준(ex: 2점) 이상(또는 초과)이면 만족도는 중(中), 평점 데이터가 제2 기준(ex: 2점) 미만(또는 이하)이면 만족도는 하(下)로 산출될 수 있다.The term "satisfaction" used in the present invention can be understood as a term indicating how satisfied a customer is with the service provided. In the present invention, satisfaction may be calculated based on review data and predetermined criteria. For example, let's assume that review data includes rating data on a scale of 5 points. If the rating data is equal to or greater than (or exceeds) the first criterion (ex: 4 points), the satisfaction level is high, while the rating data is less than (or less than) the first criterion (ex: 4 points) and the second criterion (ex: 2 points) points), the satisfaction level may be calculated as medium, and if the rating data is less than (or less than) the second criterion (ex: 2 points), the satisfaction level may be calculated as low.

한편, 본 발명에서 사용되는 “설명 정보”는 리뷰 데이터에 포함된 정보로서, 서비스 요소에 대해 특정 서비스를 설명하는 정보로 이해되어 질 수 있다. 예를 들어, 리뷰 데이터가 “음식 가격은 비싸지만, 직원분들이 친절해요”와 같은 텍스트로 구성되는 경우, “음식 가격은 비싸지만”은 가격 조건에 대해 음식 제공 서비스를 설명하는 설명 정보이고, “직원분들이 친절해요”는 직원 대응에 대해 음식 제공 서비스를 설명하는 설명 정보일 수 있다. 다만, 이는 일 예시이며, 설명 정보가 이에 한정되는 것은 아니다.On the other hand, “description information” used in the present invention is information included in review data and can be understood as information describing a specific service with respect to service elements. For example, if the review data consists of text such as “The food is expensive, but the staff are friendly”, “The food is expensive, but” is descriptive information that describes the catering service for the price condition, “The staff are kind” may be descriptive information describing the catering service for the staff response. However, this is an example, and the description information is not limited thereto.

한편, 본 발명에서 사용되는 “보고서”는 리뷰 데이터에 근거하여 생성된 정보로 이해되어 질 수 있다. 예를 들어, 보고서는 도 15a에 도시된 것과 같이, “현재 기준, 서비스 불만으로 고객들의 재방문 의시가 떨어집니다”와 같은 정보 포함할 수 있다. 본 발명에서 “보고서”는 “리포트”와 혼용되어 사용될 수 있다.Meanwhile, a “report” used in the present invention can be understood as information generated based on review data. For example, as shown in FIG. 15A , the report may include information such as “currently, customer's willingness to revisit is low due to service dissatisfaction”. In the present invention, “report” may be used interchangeably with “report”.

이하에서는 첨부된 도면과 함께, 본 발명에 따른 분석 시스템 및 방법에 대하여 보다 구체적으로 살펴본다.Hereinafter, together with the accompanying drawings, look at the analysis system and method according to the present invention in more detail.

도 1에 도시된 것과 같이, 고객(300)은 전자기기를 통해 온라인 상에, 자신이 이용한 서비스에 대한 리뷰 데이터(300a)를 올릴 수 있다. 고객(300)은, 자신이 이용한 서비스를 제공(또는 판매)하는 홈페이지, 개인 블로그(blog), SNS(Social Network Service)등에 리뷰 데이터(300a)를 작성할 수 있다.As shown in FIG. 1 , acustomer 300 may uploadreview data 300a for a service he or she has used online through an electronic device. Thecustomer 300 can createreview data 300a on a homepage, personal blog, social network service (SNS), etc. that provides (or sells) the service he or she has used.

앞서 설명한 것처럼, 리뷰 데이터는 시각적, 촉각적, 청각적 방식의 다양한 데이터를 의미할 수 있다. 시각적 방식의 리뷰 데이터로는 텍스트, 이미지, 동영상 등이 포함될 수 있으며, 청각적 방식의 리뷰 데이터로는 음성, 동영상 등이 포함될 수 있다. 동영상은 시각적 방식의 리뷰 데이터 및 청각적 방식의 리뷰 데이터 모두에 해당될 수 있다.As described above, review data may refer to various data in a visual, tactile, or auditory manner. Visual review data may include text, images, and video, and auditory review data may include audio and video. The video may correspond to both visual review data and auditory review data.

본 발명에 따른 분석 시스템(100)은 인터넷 상에 올라온 리뷰 데이터를 수집하고 분석하여, 보고서를 생성하고 보고서를 사용자(또는 사용자의 전자기기)(200)에게 제공할 수 있다.Theanalysis system 100 according to the present invention may collect and analyze review data uploaded on the Internet, generate a report, and provide the report to the user (or user's electronic device) 200 .

이하에서는, 본 발명에 따른 분석 시스템(100)의 구성에 대하여 살펴보도록 한다. 도 1에 도시된 것과 같이, 본 발명에 따른 분석 시스템(100)은, 통신부(110), 저장부(120) 및 제어부(130) 중 적어도 하나를 포함할 수 있다.Hereinafter, the configuration of theanalysis system 100 according to the present invention will be reviewed. As shown in FIG. 1 , theanalysis system 100 according to the present invention may include at least one of acommunication unit 110 , astorage unit 120 and acontrol unit 130 .

통신부(110)는, 인터넷 프로토콜 스위트(TCP/IP)를 기반으로 하여 전 세계적으로 연결된　컴퓨터　네트워크와 통신하도록 이루어진다. 나아가, 통신부(120)는 고객 전자기기(300) 또는 사용자 전자기기(200)와 통신하도록 이루어질 수 있다.Thecommunication unit 110 is configured to communicate with a globally connected "computer" network based on the Internet Protocol Suite (TCP/IP). Furthermore, thecommunication unit 120 may be configured to communicate with the customerelectronic device 300 or the userelectronic device 200 .

저장부(120)는, 데이터베이스(Database, DB) 라고도 명명될 수 있으며, 수집된 리뷰 데이터, 페르소나 DB 등이 저장되도록 이루어진다.Thestorage unit 120 may also be referred to as a database (DB), and is configured to store collected review data, persona DB, and the like.

예를 들어, 통신부(110)를 통해 리뷰 데이터의 수집이 이루어지는 경우, 저장부(120)에는 상기 리뷰 데이터가, 리뷰 데이터를 작성한 고객과 상호 연계되어 저장될 수 있다. 보다 구체적으로, 저장부(120)는 전처리 전 리뷰 데이터, 전치리 후 리뷰 데이터, 인공 지능 모델의 동작 로직, 리뷰 데이터를 근거로 생성된 보고서 등이 저장될 수 있다.For example, when review data is collected through thecommunication unit 110, the review data may be stored in thestorage unit 120 in association with the customer who created the review data. More specifically, thestorage unit 120 may store review data before preprocessing, review data after preprocessing, an operation logic of an artificial intelligence model, a report generated based on the review data, and the like.

이 때, 전처리 전 리뷰 데이터는.pt 파일 형태로 저장부(120)에 저장될 수 있으며, 전처리 후 리뷰 데이터는 RDBMS 형태로 저장부(120)에 저장될 수 있다. 나아가, 페르소나 유형 DB는 HTML과 PDF의 출력가능한 형태로 저장부(120)에 저장될 수 있다.In this case, review data before pre-processing may be stored in thestorage unit 120 in the form of a .pt file, and review data after pre-processing may be stored in thestorage unit 120 in the form of RDBMS. Furthermore, the persona type DB may be stored in thestorage 120 in an outputtable format of HTML and PDF.

나아가, 제어부(130)는, 위에서 살펴본 구성요소들을 전반적으로 제어하도록 이루어질 수 있다. 제어부(130)는 도 2에 도시된 것과 같이, i)데이터 수집부(131), ii)데이터 전처리부(132), iii)인공지능 학습부(133), iv)인공지능 동작부(134), v)페르소나 사전부(135) 및 vi)보고서 생성부(136) 중 적어도 하나를 포함할 수 있다.Furthermore, thecontrol unit 130 may be configured to overall control the components discussed above. As shown in FIG. 2, thecontrol unit 130 includes i)data collection unit 131, ii)data pre-processing unit 132, iii) artificialintelligence learning unit 133, iv) artificialintelligence operation unit 134 , v) apersona dictionary unit 135 and vi) areport generator 136.

데이터 수집부(131)는, 온라인 상의 댓글, 이용 후기 등의 리뷰 데이터 자동 수집에 관한 역할을 수행할 수 있다. 이를 위해, 데이터 수집부(131)는 실시간 데이터 수집 모듈과 데이터 수집 모듈 두가지 모듈을 포함할 수 있다.Thedata collection unit 131 may perform a role related to automatic collection of review data such as online comments and user reviews. To this end, thedata collection unit 131 may include two modules: a real-time data collection module and a data collection module.

실시간 데이터 수집 모듈은, 웹 크롤링 방식으로 리뷰 데이터를 수집할 수 있다. 실시간 데이터 수집 모듈은 파이썬(Python)의 Request, BeautifulSoup, 셀레늄(Selenium) 또는 포스트맨(Postman) 중 적어도 하나의 소프트웨어(software)를 이용하여 웹 사이트에서 원하는 정보를 추출할 수 있다.The real-time data collection module may collect review data through web crawling. The real-time data collection module may extract desired information from a website using at least one software of Python's Request, BeautifulSoup, Selenium, or Postman.

벌크형 데이터 수집 모듈은, API기반으로 리뷰 데이터를 수집할 수 있다. 벌크형 데이터 수집 모듈은 리뷰 데이터 작성자의 연령 (또는 나이), 성별 등의 정보를 수집할 수 있다.The bulk data collection module can collect review data based on API. The bulk data collection module may collect information such as age (or age) and gender of review data writers.

데이터 전처리부(132)는, 수집된 리뷰 데이터를 다루기 편리하도록 불용어처리 및 토큰화(Tokenization)를 수행하는 역할을 할 수 있다. 데이터 전처리부(132)는, 수집된 리뷰 데이터를 Topword Rule을 이용한 불용어 처리를 수행하고, 구글(Google)사(社)의 SentencePiece 또는 Huggingface 사(社)의 Tokenizer를 이용하여 준단어 토큰화를 수행할 수 있다.The datapre-processing unit 132 may serve to perform stopword processing and tokenization to conveniently handle the collected review data. The datapre-processing unit 132 performs stopword processing using Topword Rule on the collected review data, and quasi-word tokenization using SentencePiece of Google or Tokenizer of Huggingface. can do.

인공지능 학습부(133)는, 인공지능 동작부의 동작 로직에 대한 최적의값을 매칭하기 위한 학습을 수행하는 역할을 한다. 보다 구체적으로, 인공지능 학습부(133)는, 리뷰 데이터로부터 고객의 감정, 내용, 중요도, 나이, 성별, 및 고객 유형 판정 중 적어도 하나와 관련된 학습을 수행할 수 있다.The artificialintelligence learning unit 133 serves to perform learning to match an optimal value for the operation logic of the artificial intelligence operation unit. More specifically, the artificialintelligence learning unit 133 may perform learning related to at least one of customer emotion, content, importance, age, gender, and customer type determination from review data.

인공지능 동작부(134)는, 리뷰 데이터를 토픽모형(Topic Models)의 자연어처리(natural language processing) 알고리즘을 적용하여 텍스트(Text)로 구성된 리뷰 데이터 속에 잠재해 있는 핵심 주제(토픽(Topic))들을 탐색할 수 있다. 나아가, 인공지능 동작부(133)는, Hungginface를 이용하여 BERT등의 트랜스 포머(Transformer) 기반 모델을 주로 사용할 수 있다. 나아가, 인공 지능 학습부는, CLS 토큰(token)을 이용하여 고객을 분류할 수 있는 다양한 지표를 추론하도록 학습할 수 있다. 이 때, 인공지능 학습부(133)는 주어진 목표에 따라 MSE 및 CrossEntropy 중 적어도 하나의 손실함수를 사용할 수 있다.The artificialintelligence operation unit 134 applies a natural language processing algorithm of Topic Models to the review data to determine a latent core topic (topic) in the review data composed of text. can explore them. Furthermore, the artificialintelligence operation unit 133 may mainly use a Transformer-based model such as BERT using Hungginface. Furthermore, the artificial intelligence learning unit may learn to infer various indicators capable of classifying customers using a CLS token. At this time, the artificialintelligence learning unit 133 may use at least one loss function of MSE and CrossEntropy according to a given goal.

나아가, 인공지능 동작부(134)는, 데이터 수집부(131)를 통해 수집된 리뷰 데이터의 감정, 내용 및 중요도 중 적어도 하나를 기반으로, 리뷰 데이터의 고객 유형을 페르소나 유형들 중 어느 하나로 분류 또는 추론하는 역할을 수행할 수 있다.Furthermore, the artificialintelligence operation unit 134 classifies the customer type of the review data into one of the persona types based on at least one of emotion, content, and importance of the review data collected through thedata collection unit 131, or can play an inferential role.

보다 구체적으로, 인공지능 동작과정은 다음과 같은 첫번째 과정부터 여덟번째 과정에 따라 수행될 수 있다. i)첫번째 과정과 관련하여, 인공지능 동작부(134)는 리뷰 데이터로부터 고객의 감정을 ‘긍정’, ‘중립’ 및 ‘부정’ 중 어느 하나로 분류할 수 있다. 예를 들어, 인공지능 동작부(134)는 리뷰 데이터로부터 고객의 감정을 1 내지 10 중 어느 하나로 수치화 하고, 1내지 4을 부정, 5를 중립, 6 내지10을 긍정으로 분류할 수 있다. ii)두번째 과정과 관련하여, 인공지능 동작부(134)는 리뷰 데이터를 ‘가격조건’, ‘이용품질’, ‘서비스절차’, ‘직원대응’, ‘이용환경’ 중의 적어도 하나와 매칭하여 분류할 수 있다. 나아가, iii)세번째 과정과 관련하여, 인공지능 동작부(134)는 리뷰 데이터로부터 리뷰 데이터를 구성하는 단위 요소에 포함된 특정 단어의 ‘반복횟수’, ‘반복시간', '어조' 및 '강도’ 중 적어도 하나에 근거하여 중요도를 판단할 수 있다. 나아가, iv)네번째 동작과 관련하여, 인공지능 동작부(134)는 리뷰 데이터로부터 연령 및 성별 중 적어도 하나를 기준으로 고객의 타입을 구분할 수 있다. v)다섯번째 과정과 관련하여, 인공지능 동작부(134)는 리뷰 데이터에 근거하여 고객이 블랙 컨슈머에 해당하는지를 판단할 수 있다. vi)여섯번째 과정과 관련하여, 인공지능 동작부(134)는, 블랙 컨슈머와 관련하여, 시그널(ex: 알림, 블랙 컨슈머가 작성한 리뷰 데이터에 마크 등) 및 보고서를 생성할 수 있다. 나아가, vii)일곱번째 단계와 관련하여, 인공지능 동작부(134)는 리뷰 데이터에 근거하여 고객이 블랙 컨슈머가 아닌 일반 고객으로 판단되면, 고객을 특정 페르소나 유형과와 매칭시키고, 위 첫번째 단계 내지 세번째 단계를 통해 추출되는 값을 기반으로 고객의 만족도를 산정할 수 있다. 나아가, viii)여덟번째 과정과 관련하여, 인공지능 동작부(134)는 산정된 만족도 및 특정 페르소나 유형에 따른 대응 전략이 포함된 보고서를 생성할 수 있다.More specifically, the artificial intelligence operation process may be performed according to the following first to eighth processes. i) Regarding the first process, the artificialintelligence operation unit 134 may classify the customer's emotion from the review data into one of 'positive', 'neutral' and 'negative'. For example, the artificialintelligence operation unit 134 may quantify the customer's emotion from the review data to one of 1 to 10, classify 1 to 4 as negative, 5 as neutral, and 6 to 10 as positive. ii) Regarding the second process, the artificialintelligence operation unit 134 classifies the review data by matching with at least one of 'price conditions', 'use quality', 'service procedures', 'staff response', and 'use environment' can do. Furthermore, iii) in connection with the third process, the artificialintelligence operation unit 134 determines the 'number of repetitions', 'repetition time', 'tone' and 'strength' of a specific word included in unit elements constituting the review data from the review data. The importance can be determined based on at least one of '. Further, iv) In relation to the fourth operation, the artificialintelligence operation unit 134 may classify the customer type based on at least one of age and gender from the review data. v) In relation to the fifth process, the artificialintelligence operation unit 134 may determine whether the customer corresponds to a black consumer based on the review data. vi) In relation to the sixth process, the artificialintelligence operation unit 134 may generate a signal (ex: notification, a mark on review data written by the black consumer, etc.) and a report in relation to the black consumer. Furthermore, vii) in relation to the seventh step, if the customer is determined to be a general customer rather than a black consumer based on the review data, the artificialintelligence operation unit 134 matches the customer with a specific persona type, Customer satisfaction can be calculated based on the value extracted through the third step. Furthermore, viii) in relation to the eighth process, the artificialintelligence operation unit 134 may generate a report including the calculated satisfaction level and a response strategy according to a specific persona type.

한편, 페르소나 사전부(135)는 리뷰 데이터와 페르소나 DB를 서로 매칭하여, 리뷰 데이터에 대해 페르소나 유형 중 어느 하나를 특정할 수 있다.Meanwhile, thepersona dictionary unit 135 may specify one of the persona types for the review data by matching the review data with the persona DB.

나아가, 보고서 생성부(136)는, 리포트 생성부로도 명명될 수 있다. 보고서 생성부(136)는 제1 고객 타입(블랙 컨슈머)에 대해서는 실시간 시그널 및 제1 고객 타입(블랙 컨슈머)에 대한 예측 정보가 포함된 보고서를 생성하고, 제2 고객 타입에 대해서는 제2 타입 고객에 대응되는 페르소나 유형의 특성 정보를 추출하여 보고서를 생성할 수 있다. 보고서 생성부(136)는 보고서를 생성하는 시점의 기준을 서로 다르게 설정할 수 있다. 예를 들어, 제1 고객 타입(블랙 컨슈머)에 대해서는 1일 및 1개월 중 적어도 하나의 단위를 기준으로 보고서를 생성하도록 설정하고, 제2 타입 고객에 대해서는 1주 , 3개월 및 6개월 중 적어도 하나의 단위를 기준으로 보고서를 생성하도록 설정할 수 있다.Furthermore, thereport generator 136 may also be referred to as a report generator. Thereport generation unit 136 generates a report including a real-time signal and prediction information for the first customer type (black consumer) for the first customer type (black consumer), and a second type customer for the second customer type. A report can be generated by extracting the characteristic information of the persona type corresponding to . Thereport generating unit 136 may set different standards of time to generate a report. For example, for the first type of customer (black consumer), a report is set to be generated based on at least one of 1 day and 1 month, and for the 2nd type customer, at least one of 1 week, 3 months and 6 months It can be set to generate a report based on one unit.

한편, ⅰ)데이터 수집부(131), ii)데이터 전처리부(132), iii)인공지능 학습부(133), iv)인공지능 동작부(134), v)페르소나 사전부(135) 및 vi)보고서 생성부(136)는 제어부(130)에 일 기능 근거하여 구분된 구성이다. 따라서, 이하에서는 각 구성을 구분하지 않고 제어부(130)로 용어를 통칭하여 설명하도록 한다.On the other hand, i)data collection unit 131, ii)data pre-processing unit 132, iii) artificialintelligence learning unit 133, iv) artificialintelligence operation unit 134, v)persona dictionary unit 135 and vi ) Thereport generation unit 136 is a component classified based on one function of thecontrol unit 130. Therefore, in the following, the terminology collectively referred to as thecontrol unit 130 will be described without distinguishing each configuration.

이하에서는, 위에서 살펴본 용어 및 본 발명에 따른 분류 시스템(100)의 각 구성을 기반으로, 리뷰 데이터를 분석하는 방법 및 시스템에 대하여 첨부된 도면과 함께 보다 구체적으로 살펴본다.Hereinafter, based on the terminology discussed above and each configuration of theclassification system 100 according to the present invention, a method and system for analyzing review data will be described in more detail along with accompanying drawings.

본 발명에서는 특정 서비스와 관련된 리뷰 데이터를 수집하는 과정이 진행될 수 있다(S310).In the present invention, a process of collecting review data related to a specific service may proceed (S310).

제어부(130)는 통신부(110)를 통해 온라인(인터넷 플랫폼(platform), 애플리케이션(application), 소셜 네트워크 서비스(Social network service, SNS) 등) 상에 업로드된 리뷰 데이터를 수집할 수 있다. 제어부(130)는 리뷰 데이터를, 실시간 수집 방식(웹 크롤링 방식) 또는 벌크형 수집 방식(API 기반의 수집 방식) 중 적어도 하나의 방식으로 리뷰 데이터를 수집할 수 있다.Thecontroller 130 may collect review data uploaded online (internet platform, application, social network service, SNS, etc.) through thecommunication unit 110 . Thecontroller 130 may collect review data in at least one of a real-time collection method (web crawling method) and a bulk type collection method (API-based collection method).

본 발명에서 리뷰 데이터를 “수집”하는 것은, 통신부(110)를 통해 리뷰 데이터를 다운르도 하여 저장부(120)에 저장하는 것으로 이해되어 질 수 있다.In the present invention, "collecting" review data may be understood as downloading review data through thecommunication unit 110 and storing them in thestorage unit 120 .

리뷰 데이터는 시각적, 촉각적, 청각적 방식의 다양한 데이터를 의미할 수 있다. 시각적 방식의 리뷰 데이터로는 텍스트, 이미지, 동영상 등이 포함될 수 있으며, 청각적 방식의 리뷰 데이터로는 음성, 동영상 등이 포함될 수 있다. 동영상은 시각적 방식의 리뷰 데이터 및 청각적 방식의 리뷰 데이터 모두에 해당될 수 있다.Review data may refer to various data in a visual, tactile, or auditory manner. Visual review data may include text, images, and video, and auditory review data may include audio and video. The video may correspond to both visual review data and auditory review data.

이하에서는 설명의 편의를 위하여, 리뷰 데이터가 시각적 방식의 데이터로 구성된 경우를 예를 들어 설명하도록 한다.Hereinafter, for convenience of explanation, a case in which the review data is composed of visual data will be described as an example.

제어부(130)는 도 5에 도시된 것과 같이, 리뷰 데이터 중 텍스트 데이터(이하, 음성 데이터를 텍스트로 변환한 데이터를 포함)(510) 및 평점(ex: 5점 만점에 4.5 와 같은 점수, 하트 또는 별의 개수 등)으로 구성된 평점 데이터(520) 중 적어도 하나를 수집하여 저장부(120)에 저장할 수 있다.As shown in FIG. 5, thecontroller 130 selects text data (hereinafter, including data obtained by converting voice data into text) 510 among review data and ratings (ex: a score such as 4.5 out of 5 points, a heart). Alternatively, at least one of therating data 520 composed of stars, etc.) may be collected and stored in thestorage unit 120 .

이 때, 제어부(130)는 텍스트 데이터 크기가 기 설정된 기준을 만족하는 리뷰 데이터만을 수집할 수 있다. 나아가, 제어부(130)는 텍스트 데이터의 크기를 구분하여 저장부(130)에 저장할 수 있다.At this time, thecontroller 130 may collect only review data for which the size of text data satisfies a preset criterion. Furthermore, thecontrol unit 130 can classify the size of text data and store it in thestorage unit 130 .

보다 구체적으로, 제어부(130)는 텍스트 데이터의 크기가 제1 기준(ex: 30byte) 이하(또는 미만)인 경우 제1 텍스트 데이터 그룹(짧은 텍스트 그룹)으로 구분하고, 텍스트 데이터의 크기가 제1 기준(ex: 30byte)을 초과(또는 이상)하면서 제2 기준(ex: 80byte) 이하(또는 미만)인 경우 제2 텍스트 데이터 그룹(적당한 텍스트 그룹)으로 구분하고, 텍스트이 크기가 제2 기준(ex: 80byte)을 초과(또는 이상)인 경우 제3 텍스트 데이터 그룹(긴 텍스트 그룹)으로 구분하여 저장부(120)에 저장할 수 있다.More specifically, thecontroller 130 classifies the text data into a first text data group (short text group) when the size of the text data is less than (or less than) a first criterion (eg: 30 bytes), and the size of the text data is the first If it exceeds (or exceeds) the standard (ex: 30 bytes) and is less than (or less than) the second standard (ex: 80 bytes), it is classified as a second text data group (appropriate text group), and the size of the text is the second standard (ex: 80 bytes) : 80 bytes), it can be divided into a third text data group (long text group) and stored in thestorage unit 120.

나아가, 본 발명에서는 리뷰 데이터를 구성하는 단위 요소에 근거하여, 평가 인자에 해당되는 정보를 리뷰 데이터로부터 추출하는 과정이 진행될 수 있다(S320).Furthermore, in the present invention, a process of extracting information corresponding to an evaluation factor from the review data may be performed based on unit elements constituting the review data (S320).

본 발명에서 사용되는 “단위 요소”는 리뷰 데이터를 이루는 구성 요소로 이해되어 질 수 있다. 예를 들어, 단위 요소는 i)텍스트(text) 데이터, ii)평점 데이터(ex: 5점 만점에 4.5 와 같은 점수, 하트 또는 별의 개수 등), iii)이미지 데이터, iv)영상 데이터 및 v)음성 데이터 중 적어도 하나를 포함할 수 있다.The “unit element” used in the present invention can be understood as a component constituting review data. For example, unit elements are i) text data, ii) rating data (ex: ratings such as 4.5 out of 5, number of hearts or stars, etc.), iii) image data, iv) video data and v ) may include at least one of voice data.

본 발명에서 사용되는 “평가 인자”는 리뷰 데이터로부터 고객 유형을 특정하는데 사용되는 다양한 요소로 이해되어 질 수 있다. 예를 들어, 평가 인자는 리뷰 데이터에 포함된, i)고객의 감정, ii)리뷰 데이터의 내용, iii)리뷰 데이터의 중요 사항(중요도), iv)고객의 연령 및 v)고객의 성별 중 적어도 하나 포함할 수 있다. 다만, 위 나열한 평가 인자는 설명의 편의를 위한 일 예시이며, 이에 한정되는 것은 아니다."Evaluation factors" used in the present invention can be understood as various factors used to specify customer types from review data. For example, evaluation factors include at least one of i) customer sentiment, ii) content of review data, iii) importance (importance) of review data, iv) age of customer, and v) gender of customer included in review data. may contain one. However, the evaluation factors listed above are examples for convenience of explanation, and are not limited thereto.

본 발명에서 사용되는 “평가 인자에 해당되는 정보”는 평가 인자를 포함하는 데이터로, i)감정 인자에 해당되는 정보, ii)내용 인자에 해당되는 정보, iii)중요도 인자에 해당되는 정보, iv)연령 인자에 해당되는 정보 및 v)고객의 성별 인자에 해당되는 정보 중 적어도 하나를 포함할 수 있다."Information corresponding to the evaluation factor" used in the present invention is data including evaluation factors, i) information corresponding to the evaluation factor, ii) information corresponding to the content factor, iii) information corresponding to the importance factor, iv ) information corresponding to the age factor and v) information corresponding to the customer's gender factor.

나아가, 본 발명에서는 평가 인자를 근거로 페르소나 유형들이 분류된 페르소나 DB를 이용하여, 추출된 정보에 대응하는 리뷰 데이터의 고객 유형을 상기 페르소나 유형들 중 어느 하나로 특정하는 과정이 진행되어 질 수 있다(S330).Furthermore, in the present invention, a process of specifying a customer type of review data corresponding to the extracted information as one of the persona types may be performed using a persona DB in which persona types are classified based on evaluation factors ( S330).

본 발명에서 사용되는 “페르소나 유형”은 특정 서비스를 이용할 만한 인구 집단 안에 있는 다양한 사용자를 대표하는 인물로서, 어떤 특정한 상황과 환경속에서 어떤 전형적인 인물이 어떻게 행동할 것인가에 대한 예측을 위해 실제 사용자 자료를 바탕으로 개인의 개성을 부여하여 만들어진 가상의 인물이다.The “persona type” used in the present invention is a person representing various users in a population group who can use a specific service, and actual user data to predict how a typical person will behave in a specific situation and environment. It is a fictional character created by giving individual personality based on

나아가, 서로 다른 복수의 페르소나 유형의 집합체를 본 발명에서는 “페르소나 DB”라고 명명 한다. 페르소나 DB는 페르소나 유형들의 특성 정보 및 표준화된 값을 포함할 수 있다.Furthermore, an aggregate of a plurality of different persona types is named “Persona DB” in the present invention. The persona DB may include characteristic information and standardized values of persona types.

나아가, 본 발명에서, 페르소나 DB로부터 어느 하나의 페르소나 유형의 특성 정보를 추출하여, 리뷰 데이터의 고객 유형에 대한 보고서를 생성하는 과정이 진행되어 질 수 있다(S340).Furthermore, in the present invention, a process of extracting characteristic information of any one persona type from the persona DB and generating a report on the customer type of the review data may be performed (S340).

여기서, “보고서”는 사용자로부터 제공된 서비스에 대한 고객들의 평가를 정리 및 분석한 정보를 의미할 수 있다. 예를 들어, 보고서는 도 15a에 도시된 것과 같이, ⅰ)특정 기간(ex: 일(日) 단위)리뷰 데이터의 수량, ⅱ)서비스에 대해 호감도 수치가 일정 기준 이하(또는 미만)인 리뷰 데이터(부정 리뷰) 또는 서비스에 대해 호감도 수치가 일정 기준 초과(또는 이상)인 리뷰 데이터(긍정 리뷰), ⅲ)2회 이상의 리뷰 데이터를 게재한 고객의 수, ⅳ)고객의 페르소나, ⅴ) 고객에 대한 대응 방안, ⅵ)실시간 리뷰 데이터 등 중 적어도 하나를 포함할 수 있다. 다만, 위 나열된 평가 보고서는 설명의 편의를 위한 일 예시이며, 이에 한정되는 것은 아니다.Here, the “report” may refer to information that organizes and analyzes customers' evaluations of services provided by users. For example, as shown in FIG. 15A, the report includes i) the quantity of review data for a specific period (ex: daily unit), and ii) review data for which the preference value for the service is below (or below) a certain standard. (Negative reviews) or review data with favorable ratings exceeding (or higher than) a certain standard for the service (positive reviews), iii) the number of customers who posted more than 2 review data, iv) customer persona, v) to customers response plan, vi) real-time review data, and the like. However, the evaluation report listed above is an example for convenience of explanation, but is not limited thereto.

제어부(130)는 리뷰 데이터의 고객 유형에 대응되는 페르소나 유형의 특성 정보를 추출하고, 이에 근거하여 보고서를 생성할 수 있다. 예를 들어, 리뷰 데이터의 고객 유형에 대응되는 페르소나 유형은, 만 26세의 여(女)자로서, 직업은 피팅 모델이고, 상품 및 서비스가 중요하고, 브랜드는 신경 쓰지 않지만, 고객 응대에는 민감하고, 광고 및 입소문을 적극적으로 하며, 인테리어의 분위기를 중요하게 생각한다는 특성정보를 가지고 있을 수 있다. 제어부(130)는 이러한 특성 정보가 포함된 보고서를 생성할 수 있다.Thecontroller 130 may extract characteristic information of a persona type corresponding to a customer type of review data and generate a report based on the extracted characteristic information. For example, the persona type corresponding to the customer type in the review data is a 26-year-old female, a fitting model by profession, important to products and services, not concerned with brands, but sensitive to customer service. It may have characteristic information that it is active in advertising and word-of-mouth, and considers the atmosphere of the interior important. Thecontroller 130 may generate a report including such characteristic information.

한편, 도 4a 및 4b와 함께 본 발명의 전체 프로세스를 설명하도록 한다. 본 발명은 리뷰 데이터를 수집(410)하고, 리뷰 데이터를 전처리(420)할 수 있다. 제어부(130)는 전처리 된 리뷰 데이터로부터 고객의 1차 경험을 분류(430)하는 과정을 수행할 수 있다. 이 때, 제어부(130)는 AI 학습 및 적용(410)과정을 동시에 수행할 수 있다. 본 발명에서는 이를 평가 인자에 해당되는 정보를 추출하는 과정이라고 명명한다. 나아가, 제어부(130)는 페르소나 DB 사전(450)을 이용하여 리뷰 데이터의 유형을 제1 타입 고객(블랙 컨슈머) 및 제2 타입 고객 중 어느 하나로 분류할 수 있다. 나아가, 제어부(130)는 제2 고객 타입에 대해 페르소나 유형 중 어느 하나의 유형을 매칭시킬 수 있다(460). 나아가, 제어부(130)는 제1 타입 고객 및 제2 타입 고객에 대해 보고서(리포트, 470)를 생성할 수 있다.Meanwhile, the entire process of the present invention will be described with reference to FIGS. 4A and 4B. In the present invention, review data may be collected (410) and the review data may be pre-processed (420). Thecontrol unit 130 may perform a process of classifying 430 the customer's first experience from the preprocessed review data. At this time, thecontrol unit 130 may simultaneously perform the AI learning and application (410) process. In the present invention, this is referred to as a process of extracting information corresponding to an evaluation factor. Furthermore, thecontroller 130 may classify the type of review data into one of a first type customer (black consumer) and a second type customer by using thepersona DB dictionary 450 . Furthermore, thecontroller 130 may match any one of the persona types to the second customer type (460). Furthermore, thecontroller 130 may generate a report (report 470) for the first type of customer and the second type of customer.

이하에서는, 리뷰 데이터로부터 평가 인자에 해당되는 정보를 추출과정에 대해 보다 구체적으로 설명하도록 한다.Hereinafter, a process of extracting information corresponding to an evaluation factor from review data will be described in more detail.

제어부(130)는, 수집된 리뷰 데이터(전처리 전 리뷰 데이터)를 불용어 처리 및 토큰화(Tokenization)의 전처리 과정을 수행할 수 있다. 이하에서, 사용되는 리뷰 데이터는 전처리 된 리뷰 데이터로 이해될 수 있으며, 전처리 된 리뷰 데이터는 1차 경험 데이터와 혼용되어 사용될 수 있다.Thecontroller 130 may perform pre-processing of stopword processing and tokenization on the collected review data (review data before pre-processing). Hereinafter, the used review data may be understood as preprocessed review data, and the preprocessed review data may be used interchangeably with primary experience data.

앞서 설명한 바와 “평가 인자에 해당되는 정보”는 평가 인자를 포함하는 데이터로, i)감정 인자에 해당되는 정보. ii)내용 인자에 해당되는 정보, iii)중요도 인자에 해당되는 정보, iv) 연령 인자에 해당되는 정보, v)고객의 성별 인자에 해당되는 정보 중 적어도 하나를 포함할 수 있다. 본 발명에서 평가 인자에 해당되는 정보는 2차 경험 데이터와 혼용되어 사용될 수 있다.As described above, “information corresponding to the evaluation factor” is data including the evaluation factor, i) information corresponding to the evaluation factor. It may include at least one of ii) information corresponding to content factor, iii) information corresponding to importance factor, iv) information corresponding to age factor, and v) information corresponding to customer's gender factor. In the present invention, information corresponding to an evaluation factor may be used in combination with secondary experience data.

먼저, 제어부(130)는 리뷰 데이터로부터 감정 인자에 해당하는 정보를 추출할 수 있다. 제어부(130)는 기계 학습에 의하여 생성된 인공 지능 모델을 기반으로, 감정 인자에 해당하는 정보를 ⅰ)리뷰 데이터의 텍스트 데이터로부터 추출하거나 ⅱ)리뷰 데이터의 평점 데이터로부터 추출할 수 있다.First, thecontroller 130 may extract information corresponding to an emotion factor from review data. Based on the artificial intelligence model generated by machine learning, thecontroller 130 may extract information corresponding to an emotion factor from i) text data of review data or ii) from rating data of review data.

제어부(130)는 리뷰 데이터의 텍스트 데이터로부터 감정 인자에 해당되는 정보를 추출하기 위하여, 리뷰 데이터를 구성하는 텍스트 데이터와 저장부(120)에 기 저장된 단어 DB를 비교할 수 있다.Thecontrol unit 130 may compare the text data constituting the review data with the word DB pre-stored in thestorage unit 120 in order to extract information corresponding to the emotion factor from the text data of the review data.

여기서, “단어 DB”에는 감정을 표현하는 단어 및 이에 매칭되는 점수가 서로 연계되어 저장되어 있을 수 있다.Here, words expressing emotions and scores matching them may be linked and stored in the “word DB”.

제어부(130)는 텍스트 데이터에 포함된 단어 별로 매칭되는 점수와, 기 설정된 계산 방법을 이용하여 감정 텍스트 데이터 전체에 대한 감정 점수를 산출할 수 있다.Thecontroller 130 may calculate emotion scores for the entire emotional text data using scores matched for each word included in the text data and a preset calculation method.

나아가, 제어부(130)는 평점 데이터의 텍스트 데이터로부터 감정 인자에 해당되는 정보를 추출하기 위하여, 평점 데이터 및 기 설정된 계산 방법을 이용하여 감정 점수를 산출할 수 있다.Furthermore, thecontroller 130 may calculate an emotion score by using the rating data and a preset calculation method in order to extract information corresponding to an emotion factor from text data of the rating data.

제어부(130)는 산출된 감정 점수를 저장부(120)에 저장된 기 설정된 감정 분류 기준(도 6의 610)과 비교함으로써, 고객의 감정을 분류할 수 있다. 예를 들어, 제어부(130)는 산출된 감정 점수가 -3(611)이면 고객이 특정 서비스에 대해 강한 부정적인 감정(612)을 느끼는 것으로 분류할 수 있으며, 산출된 감정 점수가 2(613)이면 고객이 특정 서비스에 대해 긍정적인 감정(614)을 느끼는 것으로 분류할 수 있다.Thecontroller 130 may classify the customer's emotion by comparing the calculated emotion score with a preset emotion classification criterion ( 610 in FIG. 6 ) stored in thestorage 120 . For example, if the calculated emotion score is -3 (611), thecontroller 130 can classify the customer as feeling a strong negative emotion (612) for a specific service, and if the calculated emotion score is 2 (613), Customers may be classified as having apositive emotion 614 for a specific service.

감정 인자에 해당되는 정보는, 이처럼 산출된 “감정 점수” 또는 “감정 점수에 따라 분류된 감정” 중 적어도 하나가 포함될 수 있다.Information corresponding to the emotion factor may include at least one of "emotion scores" and "emotions classified according to emotion scores" calculated in this way.

제어부(130)는 기계 학습에 의하여 생성된 인공 지능 모델을 기반으로 리뷰 데이터로부터 감정 인자에 해당되는 정보를 추출하고, 이를 리뷰 데이터와 상호 연계하여 저장부(120)에 저장할 수 있다.Thecontrol unit 130 may extract information corresponding to an emotion factor from review data based on an artificial intelligence model generated by machine learning, and store the information in thestorage unit 120 in interconnection with the review data.

나아가, 제어부(130)는 산출된 감정 점수와, 저장부(120)에 기 저장된 고객 유형 분류 DB(도 6의 620)를 비교하여, 리뷰 데이터의 고객 유형을 분류할 수 있다. 예를 들어, 제어부(130)는 산출된 감정 점수가 -3이면 고객 유형을 블랙 컨슈머(621)로 분류할 수 있으며, 산출된 감정 점수가 2이면 고객 유형을 일반 고객(또는 예상 충성 고객)(622)으로 분류할 수 있다.Furthermore, thecontroller 130 may classify the customer type of the review data by comparing the calculated emotion score with the customer type classification DB ( 620 in FIG. 6 ) previously stored in thestorage unit 120 . For example, if the calculated emotion score is -3, thecontroller 130 may classify the customer type as ablack consumer 621, and if the calculated emotion score is 2, the customer type may be classified as a regular customer (or expected loyal customer) ( 622) can be classified.

한편, 제어부(130)는 기계 학습에 의하여 생성된 인공 지능 모델을 기반으로, 리뷰 데이터 및 저장부(120)에 기 저장된 “내용 DB”를 비교할 수 있다. 제어부(130)는 비교 과정을 통해, 리뷰 데이터로부터 내용 인자에 해당되는 정보를 추출할 수 있다.Meanwhile, thecontroller 130 may compare review data and a “content DB” pre-stored in thestorage 120 based on an artificial intelligence model generated by machine learning. Thecontroller 130 may extract information corresponding to the content factor from the review data through a comparison process.

“내용 DB”는, 서로 다른 복수의 서비스 요소에 대해 특정 서비스를 설명하는 설명 정보를 포함할 수 있다. The “content DB” may include explanatory information describing a specific service with respect to a plurality of different service elements.

도 7과 함께 본 발명에서 사용되는 “서비스 요소”를 설명한다. 서비스 요소는, 사용자가 고객에게 서비스를 제공함에 있어 고려되어야 할 다양한 사항들을 의미할 수 있다. 예를 들어, 서비스 요소는 ⅰ)가격조건(710), ⅱ)이용품질(720), ⅲ)서비스 절차(730), ⅳ)직원대응(740) 및 ⅴ)이용환경(750) 중 적어도 하나를 포함할 수 있다. 다만, 위 나열한 사항들은 서비스 요소의 일 예시이며, 이에 한정되는 것은 아니다.Together with FIG. 7, “service elements” used in the present invention will be described. The service factor may refer to various matters to be considered when a user provides a service to a customer. For example, the service element may include at least one of i) price conditions (710), ii) quality of use (720), iii) service procedures (730), iv) staff response (740), and v) use environment (750). can include However, the items listed above are examples of service elements, and are not limited thereto.

본 발명에서 사용되는 “설명 정보”는 서비스 요소를 설명하는 어휘 또는 단어로 이해되어 질 수 있다. 설명 정보는 내용 DB에 서비스 요소와 매칭되어 저장되어 있을 수 있다. 예를 들어, ⅰ)가격조건(710)과 매칭되는 설명 정보는 가격, 값, 가성비 비용 등을 포함할 수 있다. ⅱ)이용품질(720)과 매칭되는 설명 정보는 맛, 품질, 질, 상품 등이 포함될 수 있다. ⅲ)서비스 절차(730)와 매칭된 설명 정보는 사용 방법, 주문 방법, 주문 순서, 결제 방법, 결제 수단 등이 포함될 수 있다. ⅳ)직원대응(740)과 매칭된 설명 정보는 친절, 불친절, 태도 등이 포함될 수 있다. ⅴ)이용환경(750)과 매칭된 설명 정보는 인테리어, 분위기, 서버, 오류 등이 포함될 수 있다."Description information" used in the present invention can be understood as a vocabulary or word that describes a service element. Description information may be matched with service elements and stored in the content DB. For example, i) explanatory information that matches theprice condition 710 may include price, value, cost-effectiveness cost, and the like. ii) Explanatory information matched with the quality ofuse 720 may include taste, quality, product quality, and the like. iii) Description information matched with theservice procedure 730 may include usage method, order method, order order, payment method, payment method, and the like. iv) Explanatory information matched with thestaff response 740 may include kindness, unkindness, attitude, and the like. v) Description information matched with theuse environment 750 may include interior, atmosphere, server, error, and the like.

내용 인자에 해당되는 정보는, 이처럼 각 서비스 요소를 설명하는 설명 정보를 포함할 수 있다.Information corresponding to the content factor may include explanatory information describing each service element.

제어부(710)는 기계 학습에 의하여 생성된 인공 지능 모델을 기반으로 리뷰 데이터로부터 내용 인자에 해당되는 데이터를 추출하고, 이를 리뷰 데이터와 상호 연계하여 저장부(120)에 저장할 수 있다.Thecontroller 710 may extract data corresponding to a content factor from the review data based on an artificial intelligence model generated by machine learning, and may store the data in thestorage unit 120 in interconnection with the review data.

한편, 제어부(130)는 기계 학습에 의하여 생성된 인공 지능 모델을 기반으로, 리뷰 데이터로부터 중요도 인자에 해당되는 정보를 추출할 수 있다.Meanwhile, thecontroller 130 may extract information corresponding to an importance factor from review data based on an artificial intelligence model generated by machine learning.

한편, 앞서 설명한 “단어 DB”에 포함된 단어는 부정 식별코드 또는 긍정 식별코드 중 어느 하나의 식별코드가 매칭되어 저장되어 있을 수 있다. 예를 들어, “별로”또는 “맛없다”는 부정 식별코드와 매칭되어 있고, “맛있다”는 긍정 식별코드와 매칭되어 있을 수 있다.Meanwhile, words included in the above-described “word DB” may be stored by matching any one of a negative identification code and a positive identification code. For example, “not so” or “delicious” may be matched with a negative identification code, and “delicious” may be matched with a positive identification code.

제어부(130)는 리뷰 데이터와 단어 DB를 비교하여, 리뷰 데이터에 부정 식별코드가 매칭되어 있는 단어의 사용횟수 또는 긍정 식별 코드가 매칭되어 있는 단어의 사용횟수를 카운팅하여, 카운팅 결과를 생성할 수 있다.Thecontroller 130 compares the review data with the word DB, counts the number of times of use of words matched with negative identification codes or the number of uses of words matched with positive identification codes in the review data, and generates a counting result. there is.

여기서, 카운팅(counting)이란, 숫자를 세는 것을 의미할 수 있다. 예를 들어, 리뷰 데이터가 “짬뽕이 맛이 없고, 가격도 별로 저렴하지 않았어요”를 포함하는 경우, 제어부(130)는 “맛이없고(맛없다)”에 근거하여 0에서 1로 카운팅하고, “별로”에 근거하여 1에서 2로 카운팅 할 수 있다. 2는 카운팅 결과에 해당된다.Here, counting may mean counting numbers. For example, if the review data includes “Jjambbong is not tasty and the price was not very cheap”, thecontroller 130 counts from 0 to 1 based on “It is tasteless (not tasty)”, and “ Can be counted from 1 to 2 based on “not much”. 2 corresponds to the counting result.

제어부(130)는 카운팅 결과를, 제1 기 설정된 중요도 조건(811)에 근거하여 제1 중요도 측정 점수로 변환할 수 있다. 예를 들어, 도 8a에 도시된 것과 같이, 제어부(130)는 부정 식별 코드의 카운팅 결과 2를, 제1 기 설정된 중요도 조건(812)에 근거하여 -1의 제1 중요도 측정 점수(813)으로 변환할 수 있다.Thecontroller 130 may convert the counting result into a first importance measurement score based on a firstpreset importance condition 811 . For example, as shown in FIG. 8A , thecontroller 130 converts the negative identificationcode counting result 2 to a firstimportance measurement score 813 of -1 based on a first pre-set importance condition 812. can be converted

나아가, 제어부(130)는 리뷰 데이터가 음성 데이터로 구성되는 경우, 특정 단어에 대한 어조를 판단하고, 이를 제2 기 설정된 중요도 조건(814)에 근거하여 제2 중요도 측정 점수를 산출할 수 있다. 예를 들어, 제어부(130)는 음성 데이터에 포함된 특정 단어가 부정 어조로 발화되었다고 판단되면, 제2 기 설정된 중요도 조건(815)에 근거하여 제2 중요도 점수를 -1로 변환할 수 있다.Furthermore, when the review data is composed of voice data, thecontroller 130 may determine the tone of a specific word and calculate a second importance measurement score based on the secondpre-set importance condition 814 . For example, if it is determined that a specific word included in the voice data is uttered in a negative tone, thecontroller 130 may convert the second importance score to -1 based on the secondpre-set importance condition 815 .

나아가, 제어부(130)는 제1 중요도 점수와 제2 중요도 점수를 합산하여 최종 중요도 점수를 산출할 수 있다. 예를 들어, 제1 중요도 점수 -1(813)과, 제2 중요도 점수 -1(816)을 합산하여 최종 중요도 점수 -2를 산출할 수 있다.Furthermore, thecontroller 130 may calculate a final importance score by summing the first importance score and the second importance score. For example, the final importance score -2 may be calculated by summing the first importance score -1 (813) and the second importance score -1 (816).

중요도 인자에 해당되는 정보는, 이처럼 산출된 “제1 중요도 점수”, “제2 중요도 점수” 및 “최종 중요도 점수” 중 적어도 하나가 포함될 수 있다.Information corresponding to the importance factor may include at least one of the "first importance score", "second importance score", and "final importance score" calculated in this way.

제어부(130)는 기계 학습에 의하여 생성된 인공 지능 모델을 기반으로 리뷰 데이터로부터 중요도 인자에 해당되는 데이터를 추출하고, 이를 리뷰 데이터와 상호 연계하여 저장부(120)에 저장할 수 있다.Thecontrol unit 130 may extract data corresponding to an importance factor from the review data based on an artificial intelligence model generated by machine learning, and store the data in thestorage unit 120 in interconnection with the review data.

나아가, 제어부(130)는 산출된 중요도 점수와, 저장부(120)에 기 저장된 고객 유형 분류 DB(도 8b의 820)를 비교하여, 리뷰 데이터의 고객 유형을 분류할 수 있다. 예를 들어, 제어부(130)는 산출된 감정 점수가 -2이면 고객 유형을 부정 고객 (821)으로 분류할 수 있다.Furthermore, thecontroller 130 may compare the calculated importance score with a customer type classification DB ( 820 in FIG. 8B ) pre-stored in thestorage 120 to classify the customer type of the review data. For example, if the calculated emotional score is -2, thecontroller 130 may classify the customer type as anegative customer 821 .

한편, 제어부(130)는 리뷰 데이터로부터 고객의 성별 및 나이를 판단할 수 있다.Meanwhile, thecontroller 130 may determine the customer's gender and age from the review data.

제어부(130)는 리뷰 데이터에 고객의 성별 식별코드 및 연령 식별 코드를 포함되어 있으면, 성별 식별코드 및 연령 식별코드에 근거하여 고객의 성별 및 나이를 판단할 수 있다.If the review data includes the customer's gender identification code and age identification code, thecontroller 130 may determine the customer's gender and age based on the gender identification code and age identification code.

제어부(130)는 리뷰 데이터에 성별 식별코드 및 연령 식별 코드 중 적어도 하나가 포함되어 있지 않으면, 기계 학습에 의하여 생성된 인공 지능 모델을 기반으로 고객의 연령 및 성별을 판단할 수 있다.When at least one of a gender identification code and an age identification code is not included in the review data, thecontroller 130 may determine the age and gender of the customer based on an artificial intelligence model generated by machine learning.

한편, 앞서 설명한 “단어 DB”에 포함된 단어는 연령 식별 코드 및 성별 식별 코드 중 적어도 하나의 식별코드가 매칭되어 저장되어 있을 수 있다. 제어부(130)는 리뷰 데이터와, 단어 DB를 비교하여 고객의 연령 또는 성별을 판단할 수 있다.On the other hand, words included in the above-described “word DB” may be stored by matching at least one identification code among an age identification code and a gender identification code. Thecontroller 130 may determine the age or gender of the customer by comparing the review data with the word DB.

제어부(130)는 리뷰 데이터와 단어 DB를 비교하여, 리뷰 데이터에 연령 식별코드 또는 성별 식별코드가 매칭되어 있는 단어에 근거하여, 사용자의 연령 또는 성별을 특정 할 수 있다. 예를 들어, 도 9a에 도시된 것과 같이, 단어 DB에는, 리뷰 데이터에 기재된 “50 평생(911)” 및 “신랑(912)” 단어에 매칭된 식별 코드(50대 연령 식별 코드 및 “여(女)자 식별 코드”)에 근거하여 고객의 연령 및 성별을 특정할 수 있다.Thecontroller 130 compares the review data with the word DB, and may specify the age or gender of the user based on a word whose age identification code or gender identification code is matched with the review data. For example, as shown in FIG. 9A , in the word DB, identification codes (age identification codes in their 50s and “woman ( The customer's age and gender can be specified based on the female identification code”).

나아가, 제어부(130)는 기 설정된 연령 기준 또는 기 설정된 성별 기준에 근거하여, 고객의 연령 또는 성별을 특정할 수 있다. 예를 들어, 도 9b에 도시된 것과 같이, 리뷰 데이터에 신조어 또는 줄임말이 다수 사용되었거나 오타가 많으면, 고객을 10대(930)로 특정할 수 있으며, “읍니다”를 사용하는 경우 고객의 나이를 60대(930)로 특정할 수 있다.Furthermore, thecontroller 130 may specify the age or gender of the customer based on a preset age standard or a preset gender standard. For example, as shown in FIG. 9B, if a lot of new words or abbreviations are used or there are many typos in the review data, the customer can be identified as a teenager (930), and if “yes” is used, the age of the customer It can be specified as 60 units (930).

연령 및 성별 인자에 해당되는 정보는, 이처럼 특정된 고객의 “연령” 및 “성별” 중 적어도 하나가 포함될 수 있다.Information corresponding to the age and gender factors may include at least one of “age” and “gender” of the customer specified in this way.

제어부(130)는 기계 학습에 의하여 생성된 인공 지능 모델을 기반으로 리뷰 데이터로부터 연령 및 성별 인자에 해당되는 데이터를 추출하고, 이를 리뷰 데이터와 상호 연계하여 저장부(120)에 저장할 수 있다.Thecontroller 130 may extract data corresponding to age and gender factors from the review data based on an artificial intelligence model generated by machine learning, and store them in thestorage unit 120 in interconnection with the review data.

한편, 제어부(130)는 리뷰 데이터로부터 추출된 평가 인자에 해당되는 데이터를 이용하여 리뷰 데이터의 복수의 고객 유형 중 어느 하나로 특정할 수 있다.Meanwhile, thecontroller 130 may specify one of a plurality of customer types of the review data using data corresponding to the evaluation factor extracted from the review data.

복수의 고객 유형은 제1 타입 고객 및 제2 타입 고객으로 분류되어 질 수 있다.A plurality of customer types may be classified into first type customers and second type customers.

제1 타입 고객은 특별한 주의가 필요한 타입으로서, 제공 받은 서비스에 대한 리뷰 데이터를 작성하는 것이 아닌, 서비스의 하자를 문제 삼아 사용자(사업자 또는 기업)을 상대로 과도한 피해 보상금을 요구하거나 거짓으로 피해를 본 것 처럼 꾸미는 악의적인 유형을 의미할 수 있다. 본 발명에서는 제1 타입 고객을 블랙 컨슈머로 명명할 수 있다.Type 1 customers are types that require special attention, and do not write review data for the provided service, but claim excessive damage compensation against users (business operators or companies) or falsely suffer damage due to defects in the service. It can mean a malicious type of pretending. In the present invention, the first type of customer may be referred to as a black consumer.

제2 타입 고객은 제1 타입 고객을 제외한 리뷰 데이터의 고객 유형을 포함할 수 있다. 제2 타입 고객은 ⅰ)일반 고객, ⅱ)단골 고객, ⅲ)우수 고객(또는 충성 고객), ⅳ)불만족 고객을 포함할 수 있다.The second type customers may include customer types of review data other than the first type customers. The second type of customers may include i) regular customers, ii) regular customers, iii) excellent customers (or loyal customers), and iv) dissatisfied customers.

한편, 제어부(130)는 리뷰 데이터로부터 추출된 평가 인자에 해당되는 데이터를 이용하여, 리뷰 데이터의 고객 유형이 제1 타입 고객(블랙 컨슈머)에 해당되는지를 판단할 수 있다.Meanwhile, thecontroller 130 may determine whether the customer type of the review data corresponds to the first type customer (black consumer) by using data corresponding to the evaluation factor extracted from the review data.

제어부(130)는 산출된 감정 점수와, 저장부(120)에 기 저장된 고객 유형 분류 DB(도 6의 620)를 비교하여, 리뷰 데이터의 고객 유형을 분류할 수 있다. 제어부(130)는 산출된 감정 점수가 -3이면 고객 유형을 제1 타입 고객(블랙 컨슈머)(621)으로 분류할 수 있다.Thecontroller 130 may classify the customer type of the review data by comparing the calculated emotion score with the customer type classification DB ( 620 in FIG. 6 ) previously stored in thestorage unit 120 . If the calculated emotional score is -3, thecontroller 130 may classify the customer type as the first type customer (black consumer) 621 .

나아가, 제어부(130)는 산출된 중요도 점수와, 저장부(120)에 기 저장된 고객 유형 분류 DB(도 8b의 820)를 비교하여, 리뷰 데이터의 고객 유형을 분류할 수 있다. 제어부(130)는 산출된 감정 점수가 -3이면 고객 유형을 제1 타입 고객(블랙 컨슈머)으로 분류할 수 있다.Furthermore, thecontroller 130 may compare the calculated importance score with a customer type classification DB ( 820 in FIG. 8B ) pre-stored in thestorage 120 to classify the customer type of the review data. If the calculated emotion score is -3, thecontroller 130 may classify the customer type as the first type customer (black consumer).

나아가, 제어부(130)는 리뷰 데이터로부터 추출된 평가 인자에 해당되는 데이터에 근거하여, 리뷰 데이터의 고객 유형을 분류하도록, 인공지능 모델을 기계 학습 시킬 수 있다.Furthermore, thecontroller 130 may perform machine learning on an artificial intelligence model to classify customer types of the review data based on data corresponding to evaluation factors extracted from the review data.

도10과 함께, 제어부(130)가 리뷰 데이터의 고객 유형을 분류하도록, 인공지능 모델을 기계 학습시키는 과정에 대해 설명하도록 한다. 제어부(130)는 리뷰 데이터가 긍정적인 내용인지 여부를 판단할 수 있다. 제어부(130)는 ⅰ)감정 인자에 해당되는 데이터의 감정 점수가 기 설정된 기준을 초과하면 긍정적인 리뷰 데이터(1010)로 분류하고, ⅱ)감정 인자에 해당되는 데이터의 감정 점수가 기 설정된 기준에 해당되면 긍정적이지도 부정적이지도 않은 리뷰 데이터(1020)로 분류하고, ⅲ) 감정 인자에 해당되는 데이터의 감정 점수가 기 설정된 기준 미만이면 부정적인 리뷰 데이터(1030)으로 분류할 수 있다. 나아가, 제어부(130)는 ⅰ)긍정적인 리뷰 데이터(1010)와 관련하여, 여러번 리뷰 데이터를 작성하지 않은 고객은 일반 고객(1011)으로, 여러 번 리뷰 데이터를 작성하였고 가격 또는 기다리는 시간에 예민한 고객은 단골 고객(1012)으로, 여러 번 리뷰를 작성하였고 가격 또는 기다리는 시간에 예민하지 않은 고객은 우수 고객(또는 충성 고객)(1013)으로 분류할 수 있다. 나아가, 제어부(130)는 ⅱ)긍정적이지도 부정적이지도 않은 리뷰 데이터(1020)를 작성한 고객을 일반 고객(1021)으로 분류할 수 있다. 나아가, 제어부(130)는 ⅲ) 부정적인 리뷰 데이터(1030)와 관련하여, 부정적인 리뷰 데이터가 격양된 표현으로 작성되지 않았으면 불만족 고객(1031)으로, 리뷰데이터가 격양된 표현으로 작성되었으나 금전적 보상을 요구하지 않는 불만족 고객(1032)으로, 리뷰데이터가 격양된 표현으로 작성되었고 금전적 보상을 요구하면 제1 타입 고객(블랙 컨슈머)(1033)으로 분류할 수 있다. 제어부(130)는 이러한 프로세스에 따라 인공지능 모델을 기계 학습 시키고, 리뷰데이터의 고객 유형을 분류할 수 있다.Together with FIG. 10, a process of machine learning an artificial intelligence model so that thecontroller 130 classifies customer types of review data will be described. Thecontroller 130 may determine whether the review data is positive. The control unit 130 i) classifies the data aspositive review data 1010 when the emotion score of the data corresponding to the emotion factor exceeds a preset standard, and ii) the emotion score of the data corresponding to the emotion factor meets the preset standard. If applicable, it can be classified as neither positive nornegative review data 1020, and iii) if the emotion score of the data corresponding to the emotion factor is less than a preset criterion, it can be classified asnegative review data 1030. Furthermore, thecontrol unit 130 determines that i) in relation to thepositive review data 1010, customers who have not written review data multiple times aregeneral customers 1011, and customers who have written review data multiple times and are sensitive to price or waiting time. A regular customer 1012, who has written several reviews and is not sensitive to price or waiting time, can be classified as a good customer (or loyal customer) 1013. Furthermore, thecontroller 130 may classify ii) customers who writereview data 1020 that are neither positive nor negative as general customers 1021 . Furthermore, thecontrol unit 130 may iii) in relation to thenegative review data 1030, if the negative review data is not written in an exasperated expression, the customer is dissatisfied (1031), and if the review data is written in an exaggerated expression, a monetary compensation is provided. As dissatisfied customers 1032 who do not demand, if the review data is written in an exasperated expression and they request monetary compensation, they can be classified as first-type customers (black consumers) 1033. According to this process, thecontroller 130 can machine learn an artificial intelligence model and classify customer types of review data.

나아가, 도 11과 함께, 제어부(130)가 제1 타입 고객(블랙 컨슈머)의 고객 유형을 세분화 하여 분류하도록, 인공지능 모델을 기계 학습시키는 과정에 대해 설명하도록 한다. 제어부(130)는 제1 타입 고객(블랙 컨슈머)으로 분류된 고객 유형이 반복적으로 보상을 요구하는지 여부를 판단할 수 있다. 제어부(130)는 보상을 요구하는 리뷰 데이터가 작성된 경우(1110)와 관련하여, 제1 타입 고객(블랙 컨슈머)의 고객 유형을, ⅰ)리뷰 데이터에 SNS 공유 관련 협박 내용이 포함되어 있으면 파파라치형(1111), ⅱ)리뷰 데이터에 논리적이지 않은 요구가 포함되어 있으면 억지주장형(1112), ⅲ) 리뷰 데이터에 SNS 공유 관련 협박 및 논리적이지 않은 요구가 포함되어 있으면 복합형(1113)으로 분류할 수 있다. 나아가, 제어부(130)는 보상을 요구하지 않는 리뷰 데이터가 작성된 경우(1120)와 관련하여, 제1 타입 고객(블랙 컨슈머)의 고객 유형을, ⅳ)리뷰 데이터에 상품 (또는 서비스) 관련 내용이 포함되어 있지 않으면 업무방해형(1121), ⅴ) 리뷰 데이터에 규칙 관련 내용이 포함되어 있으면 규칙위반형(1122), ⅵ) 리뷰 데이터에 상품 관련 내용 및 규칙 관련 내용이 포함되어 있지 않으면 기타형(1123)으로 분류할 수 있다. 제어부(130)는 이러한 프로세스에 따라 인공지능 모델을 기계 학습 시키고, 리뷰데이터의 고객 유형을 분류할 수 있다.Furthermore, together with FIG. 11 , a process of machine learning an artificial intelligence model so that thecontrol unit 130 subdivides and classifies the customer type of the first type customer (black consumer) will be described. Thecontroller 130 may determine whether the customer type classified as the first type customer (black consumer) repeatedly requests compensation. Regarding the case where review data requesting compensation is created (1110), thecontrol unit 130 determines the customer type of the first type customer (black consumer), i) if the review data contains threats related to sharing on SNS, paparazzi type (1111), ii) If the review data includes illogical requests, it can be classified as forcible assertion type (1112), iii) if the review data includes threats related to SNS sharing and illogical requests, it can be classified as complex type (1113). can Furthermore, thecontroller 130 determines the customer type of the first type customer (black consumer) in relation to the case where review data not requiring compensation is created (1120), iv) product (or service) related content in the review data If not included, obstruction of business (1121), v) If rule-related content is included in review data, rule-violating (1122), vi) Other types (if product-related and rule-related content are not included in review data) 1123) can be classified. According to this process, thecontroller 130 can machine learn an artificial intelligence model and classify customer types of review data.

한편, 제어부(130)는 도 13(a)에 도시된 것과 같이, 제1 고객 타입의 세분화된 고객 유형을, 리뷰 데이터와 연계하여 저장부에 저장할 수 있다. 예를 들어, 제1 고객 타입의 세분화된 고객 유형이 규칙위반형이면, 리뷰 데이터, 제1 고객 타입 및 규칙위반형을 연계하여 저장부(120)에 저장할 수 있다.Meanwhile, as shown in FIG. 13(a), thecontroller 130 may store the subdivided customer type of the first customer type in the storage unit in association with review data. For example, if the subdivided customer type of the first customer type is a rule-violating type, the review data, the first customer type, and the rule-violating type may be linked and stored in thestorage unit 120 .

한편, 본 발명에서는 제2 타입의 고객과 관련하여, 추출된 평가 인자에 해당되는 정보에 대응하는 리뷰 데이터의 고객 유형을 페르소나 유형들 중 어느 하나로 특정할 수 있다. 즉, 제어부(130)는 제2 타입 고객을 페르소나 DB에 포함된 복수의 서로 다른 페르소나 유형들 중 어느 하나와 매칭시킬 수 있다.Meanwhile, in the present invention, in relation to the second type of customer, the customer type of the review data corresponding to the information corresponding to the extracted evaluation factor may be specified as one of the persona types. That is, thecontroller 130 may match the second type customer with one of a plurality of different persona types included in the persona DB.

앞서 설명한 바와 “평가 인자에 해당되는 정보”는 평가 인자를 포함하는 정보로, i)감정 인자에 해당되는 정보(감정 점수 또는 감정 점수에 따라 분류된 감정), ii)내용 인자에 해당되는 정보(설명정보), iii)중요도 인자에 해당되는 정보(중요도 점수), iv) 연령 인자에 해당되는 정보(특정된 연령), v)고객의 성별 인자에 해당되는 정보(특정된 성별) 중 적어도 하나를 포함할 수 있다.As described above, "information corresponding to an evaluation factor" is information including an evaluation factor, i) information corresponding to an evaluation factor (emotion score or emotion classified according to an evaluation score), ii) information corresponding to a content factor ( Description information), iii) information corresponding to the importance factor (importance score), iv) information corresponding to the age factor (specified age), v) information corresponding to the customer's gender factor (specified gender) can include

보다 구체적으로, 제어부(130)는 리뷰 데이터에 고객의 성별 식별코드 및 연령 식별 코드를 포함되어 있으면, 성별 식별코드 및 연령 식별코드에 근거하여 고객의 성별 및 나이를 판단할 수 있다. 제어부(130)는 성별 식별코드 및 연령 식별코드를 페르소나 DB와 비교하고, 매칭되는 페르소나 유형을 추할 수 있다. 예를 들어, 리뷰 데이터에 포함된 성별 식별 코드는 여(女)자이고, 연령 식별 코드는 만 26라고 가정하자. 제어부(130)는 페르소나 DB에서, 여(女)자 및 만 26세의 특성정보를 포함하는 페르소나 유형을 추출할 수 있다. 제어부(130)는 추출된 페르소나 유형에서, 어느 하나를 리뷰 데이터에 대한 페르소나 유형을 특정할 수 있다.More specifically, if the review data includes the customer's gender identification code and age identification code, thecontroller 130 may determine the customer's gender and age based on the gender identification code and age identification code. Thecontroller 130 may compare the gender identification code and the age identification code with the persona DB and determine the matching persona type. For example, assume that the gender identification code included in the review data is female and the age identification code is 26. Thecontroller 130 may extract a persona type including characteristic information of female and 26 years old from the persona DB. Thecontroller 130 may specify a persona type for the review data from among the extracted persona types.

나아가, 제어부(130)는 제어부(130)는 리뷰 데이터에 성별 식별코드 및 연령 식별 코드 중 적어도 하나가 포함되어 있지 않으면, 기계 학습에 의하여 생성된 인공 지능 모델을 기반으로 고객의 연령 및 성별을 판단할 수 있다. 예를 들어, 기계 학습에 의하여 생성된 인공 지능 모델을 기반으로 판단한 고객의 연령 및 성별이 남(男)자 및 만 59세라고 가정하자. 제어부(130)는 페르소나 DB에서, 남(男)자 및 만 59세의 특성정보를 포함하는 페르소나 유형을 추출할 수 있다. 제어부(130)는 추출된 페르소나 유형에서, 어느 하나를 리뷰 데이터에 대한 페르소나 유형을 재특정할 수 있다.Furthermore, if at least one of a gender identification code and an age identification code is not included in the review data, thecontroller 130 determines the age and gender of the customer based on an artificial intelligence model generated by machine learning. can do. For example, assume that the customer's age and gender determined based on an artificial intelligence model generated by machine learning are male and 59 years old. Thecontroller 130 may extract a persona type including characteristic information of a male character and age 59 from the persona DB. Thecontroller 130 may re-specify one of the extracted persona types as the persona type for the review data.

나아가, 제어부(130)는 추출된 평가 인자에 해당되는 정보를 기 설정된 기준에 근거하여, 제1 정보 및 제2 정보로 분류할 수 있다.Furthermore, thecontroller 130 may classify the information corresponding to the extracted evaluation factor into first information and second information based on a predetermined criterion.

제1 정보는 페르소나 DB와의 매칭에 이용되는 정보로 이해되어 질 수 있다. 제어부(130)는 제1 정보를 페르소나DB와 매칭시켜, 리뷰 데이터의 고객 유형을 페르소나 유형들 중 어느 하나로 특정할 수 있다.The first information may be understood as information used for matching with the persona DB. Thecontroller 130 may match the first information with the persona DB to specify the customer type of the review data as one of the persona types.

제2 정보는 고객 유형을 분석하는 인공지능 모델의 입력 데이터로 이용되어 질 수 있다. 제어부(130)는 제2 정보를 인공 지능 모델에 입력하여, 리뷰 데이터의 고객 유형을 상기 페르소나 유형들 중 어느 하나로 특정할 수 있다.The second information may be used as input data of an artificial intelligence model that analyzes customer types. Thecontroller 130 may input the second information to the artificial intelligence model to specify the customer type of the review data as one of the persona types.

한편, 페르소나 DB는 평가 인자를 근거로 분류된 복수의 서로 다른 페르소나 유형을 포함할 수 있다. 예를 들어, 페르소나 DB는 특정 서비스(ex: 음식점)의 서비스 요소 중 분위기에 민감한 특정 연령(ex:20대) 및 성별(ex: 여자)의 가상의 인물을 포함 할 수 있다.Meanwhile, the persona DB may include a plurality of different persona types classified based on evaluation factors. For example, the persona DB may include a virtual person of a specific age (ex: 20s) and gender (ex: woman) sensitive to atmosphere among service elements of a specific service (ex: restaurant).

나아가, 페르소나 DB는 페르소나 유형들에 대한 표준화된 값 및 페르소나 유형들의 특성 정보가 저장될 수 있다.Furthermore, the persona DB may store standardized values of persona types and characteristic information of persona types.

이 때, 표준화된 값 및 특성 정보는 고객의 개인 정보(ex: 연령, 성별, 거주지, 직업, 가족관계, 학력, 성격, 소비 패턴 등), 및 특정 서비스의 업종 정보(음식업, 관광 서비스업, 숙박업 등) 중 적어도 하나를 기준으로 설정되어 질 수 있다.At this time, the standardized value and characteristic information is the customer's personal information (ex: age, gender, residence, occupation, family relationship, education, personality, consumption pattern, etc.), and industry information of specific services (food, tourism service, lodging) etc.) may be set based on at least one of them.

나아가, 제어부(130)는 제1 정보 및 기 설정된 기준에 근거하여 평가 인자 점수를 산출할 수 있다. 제어부(130)는 산출된 평가 인자와 페르소나 DB의 표준화된 값을 매칭시켜, 페르소나 유형을 특정할 수 있다. 예를 들어, 제어부(130)는 특정 리뷰 데이터로부터 제1 정보를 추출하고, 이를 이용하여 기 설정된 기준에 근거하여 평가 인자 점수를 산출(1210)할 수 있다. 나아가, 페르소나 DB는 제1 페르소나 유형은 제1 표준화된 값, 제2 페르소나 유형은 제2 표준화된 값, 제 3 페르소나 유형은 제3 표준화된 값과 각각 매칭되어 있을 수 있다. 제어부(130)는 평가 인자 점수가 제1 표준화된 값 내지 제3 표준화된 값 중 제1표준화된 값에 매칭된다고 판단(1220)되면, 리뷰 데이터에 대한 고객 형을 페르소나 DB의 제1 페르소나 유형으로 특정(1230)할 수 있다(도 12 참조).Furthermore, thecontroller 130 may calculate an evaluation factor score based on the first information and a predetermined criterion. Thecontroller 130 may specify the persona type by matching the calculated evaluation factor with a standardized value of the persona DB. For example, thecontroller 130 may extract first information from specific review data and calculate evaluation factor scores based on a predetermined criterion using the extracted first information (1210). Furthermore, in the persona DB, the first persona type may be matched with a first standardized value, the second persona type may be matched with a second standardized value, and the third persona type may be matched with a third standardized value. When thecontroller 130 determines that the evaluation factor score matches the first standardized value among the first to third standardized values (1220), the customer type for the review data is set as the first persona type of the persona DB. It can be specified (1230) (see FIG. 12).

나아가, 제어부(130)는 제2 정보 및 인공지능 모델을 이용하여, 리뷰 데이터의 고객 유형을 페르소나 유형들 중 어느 하나로 특정할 수 있다.Furthermore, thecontroller 130 may specify the customer type of the review data as one of the persona types by using the second information and the artificial intelligence model.

이 때, 제어부(130)는 단위 요소에 평가 인자에 해당하는 정보가 존재하는지 여부에 따라 인공지능 모델을 선택적으로 이용할 수 있다. 보다 구체적으로, 제어부(130)는 리뷰 데이터에 특정 평가 인자에 해당되는 정보가 존재하는 경우에만 인공지능 모델을 이용하여, 고객 유형을 페르소나 유형들 중 어느 하나로 특정할 수 있다. 예를 들어, 제어부(130)는 리뷰 데이터에 연령 인자에 해당되는 정보 및 성별 인자에 해당되는 정보가 포함되어 있으면 인공지능 모델을 이용하여 고객 유형을 페르소나 유형들 중 어느 하나로 특정할 수 있다. 반면에, 제어부(130)는 리뷰 데이터에 연령 인자에 해당되는 정보 및 성별 인자에 해당되는 정보 중 적어도 하나가 포함되어 있지 않으면 페르소나 DB를 이용하여, 고객 유형을 페르소나 유형들 중 어느 하나로 특정할 수 있다.At this time, thecontrol unit 130 may selectively use the artificial intelligence model according to whether information corresponding to the evaluation factor exists in the unit element. More specifically, thecontroller 130 may specify the customer type as one of the persona types using an artificial intelligence model only when information corresponding to a specific evaluation factor exists in the review data. For example, if the review data includes information corresponding to an age factor and information corresponding to a gender factor, thecontroller 130 may specify the customer type as one of the persona types using an artificial intelligence model. On the other hand, if at least one of information corresponding to the age factor and information corresponding to the gender factor is not included in the review data, thecontroller 130 may specify the customer type as one of the persona types using the persona DB. there is.

나아가, 제어부(130)는 제1 정보와 페르소나 DB를 매칭시켜 특정한 페르소나 유형 및 제2 정보와 인공지능 모델을 이용하여 특정한 페르소나 유형 중 어느 하나의 페르소나 유형을 선택함으로써, 리뷰 데이터에 대한 고객 유형을 최종적으로 특정할 수 있다.Furthermore, thecontrol unit 130 matches the first information with the persona DB and selects one of the specific persona types using the specific persona type and the second information and the artificial intelligence model, thereby determining the customer type for the review data. can finally be identified.

한편, 제어부(130)는 도 13(b)에 도시된 것과 같이, 제2 고객 타입의 페르소나 유형을, 리뷰 데이터와 연계하여 저장부에 저장할 수 있다. 예를 들어, 제2고객 타입의 페르소나 유형이 제2 페르소나 유형이면, 리뷰 데이터, 제2 고객 타입 및 제2 페르소나 유형을 연계하여 저장부(120)에 저장할 수 있다.Meanwhile, as shown in FIG. 13( b ), thecontroller 130 may store the persona type of the second customer type in the storage unit in association with review data. For example, if the persona type of the second customer type is the second persona type, the review data, the second customer type, and the second persona type may be linked and stored in thestorage unit 120 .

한편, 본 발명에서는 리뷰 데이터에 특정된 고객 유형에 대한 보고서를 생성하여 사용자에게 제공할 수 있다.Meanwhile, in the present invention, a report on a customer type specified in review data may be generated and provided to the user.

이를 위해, 제어부(130)는 리뷰 데이터를 분석하여, 리뷰 데이터에 해당하는 고객의 만족도를 평가하는 과정이 진행되어 질 수 있다.To this end, thecontroller 130 analyzes the review data, and a process of evaluating customer satisfaction corresponding to the review data may be performed.

본 발명에서 사용되는 “만족도”는 고객이, 제공받은 서비스에 어느 정도 만족하고 있는 가를 일컫는 용어로 이해되어 질 수 있다. 제어부(130)는 리뷰 데이터 및 기 설정된 기준에 근거하여 만족도를 산출할 수 있다. 예를 들어, 리뷰 데이터가 5점 만점의 평점 데이터를 포함한다고 가정하자. 평점 데이터가 제1 기준(ex: 4점) 이상(또는 초과)이면 만족도는 상(上), 평점 데이터가 제1 기준(ex: 4점) 미만(또는 이하)이면서 제2 기준(ex: 2점) 이상(또는 초과)이면 만족도는 중(中), 평점 데이터가 제2 기준(ex: 2점) 미만(또는 이하)이면 만족도는 하(下)로 산출될 수 있다. 이처럼 보고서는, 만족도 평가의 결과값을 포함할 수 있다.The term "satisfaction" used in the present invention can be understood as a term indicating how satisfied a customer is with the service provided. Thecontroller 130 may calculate satisfaction based on review data and preset criteria. For example, let's assume that review data includes rating data on a scale of 5 points. If the rating data is equal to or greater than (or exceeds) the first criterion (ex: 4 points), the satisfaction level is high, while the rating data is less than (or less than) the first criterion (ex: 4 points) and the second criterion (ex: 2 points) points), the satisfaction level may be calculated as medium, and if the rating data is less than (or less than) the second criterion (ex: 2 points), the satisfaction level may be calculated as low. As such, the report may include result values of the satisfaction evaluation.

나아가, 제어부(130)는 리뷰 데이터에 대한 고객의 유형이 제1 고객 타입(블랙 컨슈머)에 해당되면, 보고서에, 제1 고객 타입(블랙 컨슈머)에 대한 예측 정보생성하고, 예측 정보를 이용하여 보고서를 생성할 수 있다.Furthermore, if the customer type for the review data corresponds to the first customer type (black consumer), thecontroller 130 generates prediction information for the first customer type (black consumer) in the report, and uses the prediction information report can be generated.

여기서, 예측 정보는, 제1 고객 타입(블랙 컨슈머)의 리뷰 데이터에 근거하여 제1 고객 타입(블랙 컨슈머)의 행동을 미리 예측하는 정보를 의미할 수 있다.Here, the prediction information may refer to information for predicting the behavior of the first customer type (black consumer) in advance based on the review data of the first customer type (black consumer).

예를 들어, 제어부(130)는 리뷰 데이터에 근거하여 제1 고객 타입(블랙 컨슈머)가 특정 패턴(특정 주기, 특정 지역, 특정 업종)을 가지고 리뷰 데이터를 작성한다고 판단할 수 있다. 제어부(130)는 판단 결과에 따라 제1 고객 타입(블랙 컨슈머)의 다음번 리뷰 데이터 작성 시기를 예측할 수 있다.For example, thecontroller 130 may determine that the first customer type (black consumer) creates review data with a specific pattern (specific period, specific region, specific industry) based on the review data. Thecontroller 130 may predict the next review data writing time of the first customer type (black consumer) according to the determination result.

또 다른 예를 들어, 제어부(130)는 리뷰 데이터에 근거하여 제1 고객 타입(블랙 컨슈머)이 특정 사항에 불만(ex: 배달)을 가지고 악의적인 리뷰를 작성한다고 판단할 수 있다. 제어부(130)는 판단 결과에 따라 제1 고객 타입(블랙 컨슈머)의 다음번 주문에 대해서도 특정 사항에 불만(ex: 배달)을 가질 것으로 예측할 수 있다. 제어부(130)는 이러한 예측 정보를 이용하여 보고서를 생성할 수 있다.For another example, thecontroller 130 may determine that the first type of customer (black consumer) is dissatisfied with a specific item (ex: delivery) and writes a malicious review based on the review data. Depending on the determination result, thecontroller 130 can predict that the first customer type (black consumer) will have a dissatisfaction (ex: delivery) on a specific item even for the next order. Thecontroller 130 may generate a report using the prediction information.

나아가, 저장부(130)는 고개 유형에 따른 대응 전략이 매칭되어 저장되어 있을 수 있다. 예를 들어, 도 14에 도시된 것처럼, 저장부(130)에는 제2 고객 타입으로 분류된 리뷰 데이터를 다시 만족도에 따라(ex: 부정, 일반 및 긍정 중 어느 하나) 분류하고, 이에 대응된 대응 전략(관리, 경고, 보상 등)이 매칭되어 있을 수 있다. 제어부(130)는 만족도를 이용하여 리뷰 데이터의 고객 유형에 대한 대응 전략을 제시할 수 있다.Furthermore, thestorage unit 130 may store matching strategies according to the head type. For example, as shown in FIG. 14, thestorage unit 130 classifies the review data classified as the second customer type according to satisfaction (ex: any one of negative, general, and positive), and responds accordingly. Strategies (management, warning, reward, etc.) may be matched. Thecontroller 130 may suggest a response strategy for the type of customer in the review data by using the satisfaction level.

한편, 제어부(130)는 리뷰 데이터를 분석하여, 특정 서비스와 관련된 서로 다른 복수의 서비스 요소 중 리뷰 데이터에 대응되는 적어도 하나의 서비스 요소를 특정할 수 있다.Meanwhile, thecontroller 130 may analyze the review data to specify at least one service element corresponding to the review data among a plurality of different service elements related to a specific service.

나아가, 제어부(130)는 서비스 요소에 대해 특정 서비스를 설명하는 설명 정보를 추출하고, 특정된 고객 유형 및 추출된 설명 정보를 이용하여, 특정 서비스에 대한 상기 페르소나에 대응되는 고객 그룹의 평가 보고서를 생성할 수 있다.Furthermore, thecontrol unit 130 extracts description information describing a specific service for a service element, and uses the specified customer type and the extracted description information to generate an evaluation report of a customer group corresponding to the persona for a specific service. can create

예를 들어, 리뷰 데이터가 “음식 가격은 비싸지만, 직원분들이 친절해요”와 같은 텍스트로 구성되는 경우, “음식 가격은 비싸지만”은 가격 조건에 대해 음식 제공 서비스를 설명하는 설명 정보이고, “직원분들이 친절해요”는 직원 대응에 대해 음식 제공 서비스를 설명하는 설명 정보일 수 있다. 제어부(130)는 이러한 설명 정보를 이용하여 보고서를 생성할 수 있다.For example, if the review data consists of text such as “The food is expensive, but the staff are friendly”, “The food is expensive, but” is descriptive information that describes the catering service for the price condition, “The staff are kind” may be descriptive information describing the catering service for the staff response. Thecontroller 130 may generate a report using the description information.

한편, 도 15a, 도 15b, 도 15c, 도 15d, 도 15e와 함께 보고서를 설명한다. 보고서는 인터넷 페이지 또는 애플리케이션Application)의 페이지 형태로 사용자에게 제공될 수 있다. 즉, 보고서는 페이지의 개념으로 이해되어 질 수 있으며, 제공되는 기능에 근거하여 복수의 페이지(1510, 1520, 1530, 1540, 1550)을 포함할 수 있다. 보다 구체적으로, 보고서(1500)는 ⅰ)도 15a에 도시된 기본 페이지(1510), ⅱ)도 15b에 도시된 리뷰 현황 페이지(1520), ⅲ)도 15c에 도시된 리뷰 분석 페이지(1530), ⅵ)도 15d에 도시된 고객 유형 페이지(1540), ⅴ)도 15e에 도시된 실시간 리뷰 평가 페이지(1550)를 포함할 수 있다. 다만, 위 나열된 페이지들은 설명의 편의를 위한 예시이며, 이에 한정되는 것은 아니다.Meanwhile, the report will be described together with FIGS. 15A, 15B, 15C, 15D, and 15E. The report may be provided to the user in the form of an Internet page or a page of an application. That is, a report may be understood as a concept of a page, and may include a plurality ofpages 1510, 1520, 1530, 1540, and 1550 based on provided functions. More specifically, the report 1500 includes i) abasic page 1510 shown in FIG. 15A, ii) areview status page 1520 shown in FIG. 15B, iii) areview analysis page 1530 shown in FIG. 15C, vi) acustomer type page 1540 shown in FIG. 15D, and v) a real-timereview evaluation page 1550 shown in FIG. 15E. However, the pages listed above are examples for convenience of description, and are not limited thereto.

먼저, 도 15a와 함께 기본 페이지(1510)를 설명한다. 기본 페이지(1510)는 ⅰ)알림 출력 영역(1511), ⅱ)리뷰 분석 현황 영역(1512), ⅲ)리뷰 컨디션 영역(1513), ⅳ)리뷰 현황 영역(1514), ⅴ)그래프 영역(1515), ⅵ)고객 분석 영역(1516), ⅶ)고객 유형 별 리뷰 영역(1517), ⅷ)리뷰 워드클라우드 영역(1518), ⅳ)실시간 리뷰 평가 영역(1519) 중 적어도 하나를 포함할 수 있다. ⅰ)알림 출력 영역(1511)에는 제1 타입 고객(블랙 컨슈머)이 리뷰 데이터를 업로드 하면 알림이 출력될 수 있다. 알림은 시각적, 청각적, 촉각적 방식 중 적어도 하나로 이루어질 수 있다. 예를 들어, 시각적 방식의 알림은 제1 타입 고객(블랙 컨슈머)이 리뷰 데이터를 작성하면 알림 출력 영역(1511)에 숫자를 포함한 배지가 출력될 수 있다. ⅱ)리뷰 분석 현황 영역(1512) 서비스에 대한 리뷰를 분석한 종합 내용이 출력될 수 있다. 예를 들어, 리뷰 분석 현황 영역(1512)에는 “현재 기준 서비스 불만으로 고객들의 재방문 의시가 떨어집니다”와 같은 안내 문구가 출력될 수 있다. ⅲ)리뷰 컨디션 영역(1513)에는 매장의 리뷰 컨디션이 표시될 수 있다. 예를 들어, 리뷰 현황이 긍정적이면 리뷰 컨디션 영역(1513)에 스마일 이모티콘(emoticon)이 출력되고, 리뷰 현황이 부정적이면 리뷰 컨디션 영역(1513)에 화난 이모티콘이 출력될 수 있다. ⅳ)리뷰 현황 영역(1514)에는 총 리뷰 대비 부정적인 리뷰가 차지하는 비율 및 증감 여부, 총 리뷰 대비 긍정적인 리뷰가 차지하는 비율 및 증감 여부 등이 출력될 수 있다. ⅴ)그래프 영역(1515)에는 리뷰를 분석한 결과를 그래프로 출력할 수 있다. 예를 들어, 그래프 영역(1515)에는 서비스 요소 각각에 대한 점수를 방사형 그래프로 출력될 수 있다. 나아가, ⅵ)고객 분석 영역(1516)은 방문 빈도가 높은 고객 유형, 관리가 필요한 고객 유형 등에 대한 설명이 출력될 수 있다. ⅶ) 고객 유형 별 리뷰 영역(1517)에는 고객 유형에 대응되어 분류된 리뷰들이 출력될 수 있다. 예를 들어, 고객 유형 별 리뷰 영역(1517)에는 제1 타입 고객(블랙 컨슈머)의 리뷰 데이터들만이 출력될 수 있다. ⅷ)리뷰 워드클라우드 영역(1518)에는 리뷰 데이터에 빈도가 높게 사용되는 특정 단어가 출력될 수 있다. 이 때, 빈도가 높은 단어일수록 큰 폰트(font)로 출력될 수 있다. 나아가, ⅸ)실시간 리뷰 평가 영역(1519)에는 실시간으로 작성되는 리뷰들이 출력될 수 있다.First, thebasic page 1510 will be described together with FIG. 15A. Thebasic page 1510 includes i)notification output area 1511, ii) reviewanalysis status area 1512, iii)review condition area 1513, iv)review status area 1514, and v)graph area 1515. , vi)customer analysis area 1516, vii) review area percustomer type 1517, viii) reviewword cloud area 1518, and iv) real-time review evaluation area 1519. i) In thenotification output area 1511, a notification may be output when the first type customer (black consumer) uploads review data. The notification may be made in at least one of a visual, auditory, and tactile manner. For example, as for the visual notification, when the first type of customer (black consumer) writes review data, a badge including a number may be output in thenotification output area 1511 . ii) Reviewanalysis status area 1512 Comprehensive contents obtained by analyzing service reviews may be output. For example, in the reviewanalysis status area 1512, a guide phrase such as “Customers' willingness to revisit is decreasing due to complaints about the current standard service” may be output. iii) The review condition of the store may be displayed in thereview condition area 1513 . For example, if the review status is positive, a smiley emoticon may be output in thereview condition area 1513, and if the review status is negative, an angry emoticon may be output in thereview condition area 1513. iv) In thereview status area 1514, the ratio of negative reviews to total reviews and whether there is an increase or decrease, the ratio of positive reviews to total reviews and whether there is an increase or decrease, etc. may be output. v) In thegraph area 1515, the result of analyzing the reviews can be output as a graph. For example, scores for each service element may be output as a radial graph in thegraph area 1515 . Furthermore, vi) thecustomer analysis area 1516 may output descriptions of types of customers with high frequency of visits, types of customers requiring management, and the like. ⅶ) In thereview area 1517 for each customer type, reviews classified according to the customer type may be output. For example, only review data of the first type of customer (black consumer) may be output to thereview area 1517 for each customer type. viii) A specific word frequently used in review data may be output to the reviewword cloud area 1518 . At this time, words with a higher frequency may be output in a larger font. Furthermore, ix) reviews written in real time may be output to the real-time review evaluation area 1519 .

사용자는 리뷰 현황 영역(1514)을 선택(또는 클릭)함으로서, 본 발명에 따른 분석 시스템(100)으로 도15b의 리뷰 현황 페이지(1520)의 출력 요청을 전송할 수 있다.By selecting (or clicking on) thereview status area 1514, the user can transmit a request to output thereview status page 1520 of FIG. 15B to theanalysis system 100 according to the present invention.

제어부(130)는 사용자의 선택에 근거하여, 사용자의 전자기기기 상에 도15b의 리뷰 현황 페이지(1520)를 출력할 수 있다. 리뷰 현황 페이지(1520)에는 특정 기간(ex: 최근 1일, 최근 7일, 최근 30일 등)동안 사용자가 제공한 서비스에 대해 수집된 리뷰의 총 현황, 부정적인 리뷰 현황, 긍정적인 리뷰 현황 및 재방문 리뷰 현황 중 적어도 하나가 출력될 수 있다.Based on the user's selection, thecontroller 130 may output thereview status page 1520 of FIG. 15B on the user's electronic device. Thereview status page 1520 includes the total status of reviews collected for the service provided by the user for a specific period (ex: last 1 day, recent 7 days, recent 30 days, etc.), negative review status, positive review status, and review status. At least one of visit review statuses may be output.

나아가, 사용자는 그래프 영역(1515)을 선택(또는 클릭)함으로서, 본 발명에 따른 분석 시스템(100)으로 도15c의 리뷰 분석 페이지(1530)의 출력 요청을 전송할 수 있다.Furthermore, the user may transmit a request for outputting thereview analysis page 1530 of FIG. 15C to theanalysis system 100 according to the present invention by selecting (or clicking) thegraph area 1515 .

제어부(130)는 사용자의 선택에 근거하여, 전자기기상에 도15c의 리뷰 분석 페이지(1530)를 출력할 수 있다. 리뷰 현황 페이지(1520)에는 특정 기간(ex: 최근 1일, 최근 7일, 최근 30일 등)동안 사용자가 제공한 서비스의 서비스 요소(이용 품질, 서비스 절차, 직원 대응, 이용 환경, 가격 조건)에 대한 각각의 점수를 그래프로 출력될 수 있다. 리뷰 현황 페이지(1520)에는 서비스 요소에 대해, 전력 대응 방안(ex:이용 품질이 다른 서비스 요소에 비해 점수가 낮으므로, 이용 품질에 대해 신경을 쓰세요)을 출력할 수 있다.Based on the user's selection, thecontroller 130 may output thereview analysis page 1530 of FIG. 15C on the electronic device. Thereview status page 1520 includes service elements (use quality, service procedure, staff response, use environment, price conditions) of the service provided by the user for a specific period (ex: last 1 day, recent 7 days, recent 30 days, etc.) Each score for can be output as a graph. On thereview status page 1520, a power response plan (ex: use quality is lower than other service factors, so pay attention to use quality) can be output for service elements.

나아가, 사용자는 고객 분석 영역(1516) 및 고객 유형 별 리뷰 영역(1517) 중 적어도 하나의 일 영역을 선택(또는 클릭)함으로서, 본 발명에 따른 분석 시스템(100)으로 도15d의 고객 유형 페이지(1540)의 출력 요청을 전송할 수 있다.Furthermore, the user selects (or clicks) at least one of thecustomer analysis area 1516 and thereview area 1517 for each customer type, and theanalysis system 100 according to the present invention enters the customer type page of FIG. 15D ( 1540) may transmit an output request.

제어부(130)는 사용자의 선택에 근거하여, 전자기 상에 도15d의 고객 유형 페이지(1540)를 출력할 수 있다. 고객 유형 페이지(1540)에는 고객 유형(ex: 블랙 컨슈머) 각각에 대한 페르소나 유형과 함께, 고객의 리뷰 데이터를 분석한 상세한 내용이 출력될 수 있다. 예를 들어, 고객 유형 페이지(1540)에는 블랙 컨슈머 고객과 관련하여, “대 초반의 여성으로서, 친절하지 않으면 흥분하고 부정 리뷰를 남기는 성향의 고객”임을 제시할 수 있다.Thecontroller 130 may output thecustomer type page 1540 of FIG. 15D on the electronic device based on the user's selection. On thecustomer type page 1540, persona types for each customer type (eg, black consumer) and detailed contents obtained by analyzing customer review data may be output. For example, with respect to a black consumer customer, thecustomer type page 1540 may present "a woman in her early teens who tends to get excited and leave negative reviews if she is not kind".

나아가, 사용자는 실시간 리뷰 평가 영역(1519)의 일 영역을 선택(또는 클릭)함으로서, 본 발명에 따른 분석 시스템(100)에 도15e의 실시간 리뷰 평가 페이지(1550)의 출력 요청을 전송할 수 있다.Furthermore, the user may select (or click) one area of the real-time review evaluation area 1519 to transmit a request for outputting the real-timereview evaluation page 1550 of FIG. 15E to theanalysis system 100 according to the present invention.

제어부(130)는 사용자의 선택에 근거하여, 전자기 상에 도15e의 실시간 리뷰 평가 페이지(1550)를 출력할 수 있다. 실시간 리뷰 평가 페이지(1550)에는 실시간으로 업로드 되는 리뷰들이 출력될 수 있다.Based on the user's selection, thecontroller 130 may output the real-timereview evaluation page 1550 of FIG. 15E on the electronic device. Reviews uploaded in real time may be displayed on the real-timereview evaluation page 1550 .

위에서 살펴본 것과 같이, 본 발명에 따른 페르소나 기반의 리뷰 데이터 분석 방법 및 시스템은, 수집된 데이터에 근거하여, 리뷰 데이터의 고객 유형을 페르소나 유형들 중 어느 하나로 특정할 수 있다. 이에 따라, 본 발명은 특정 서비스에 대해 리뷰 데이터를 작성한 고객의 유형을 구체적으로 파악할 수 있다. 나아가, 본 발명은, 고객의 나이, 직업, 성격과 개성, 특징, 취미, 사는 곳 등 개인 정보에서부터, 실제로 이러한 인물이 서비스를 이용할 때 고려하는 점, 서비스를 이용할 때 불편한 점 등의 구체적인 니즈를 예상할 수 있다.As described above, the persona-based review data analysis method and system according to the present invention may specify the customer type of the review data as one of the persona types based on the collected data. Accordingly, the present invention can specifically identify the type of customer who wrote review data for a specific service. Furthermore, the present invention addresses specific needs, such as personal information such as age, occupation, character and personality, characteristics, hobbies, and place of residence of customers, what these people actually consider when using services, and inconveniences when using services. can be expected

나아가, 본 발명은, 리뷰 데이터의 고객 유형에 대한 보고서를 생성할 수 있다. 따라서, 사용자는 본 발명으로부터 제공받은 보고서를 통해, 블랙 컨슈머의 악의적인 리뷰 작성을 사전에 방지하고, 단골 고객을 효율적으로 관리할 수 있으며, 고객 유형에 대응하여 적합한 마케팅을 진행할 수 있다.Furthermore, the present invention may generate a report on customer types of review data. Accordingly, the user can prevent black consumers from writing malicious reviews in advance, manage regular customers efficiently, and conduct appropriate marketing in response to customer types through the report provided from the present invention.

Claims (10)

Translated fromKorean

리뷰 데이터 분석 시스템을 이용한 리뷰 데이터 분석 방법에 있어서,
특정 서비스와 관련된 리뷰 데이터를 수집하는 단계;
상기 리뷰 데이터를 구성하는 단위 요소에 근거하여, 평가 인자에 해당하는 정보를 상기 리뷰 데이터로부터 추출하는 단계;
상기 평가 인자를 근거로 페르소나 유형들이 분류된 페르소나 DB를 이용하여, 상기 추출된 정보에 대응하는 상기 리뷰 데이터의 고객 유형을 상기 페르소나 유형들 중 어느 하나로 특정하는 단계; 및
상기 페르소나 DB로부터 상기 어느 하나의 페르소나 유형의 특성 정보를 추출하여, 상기 리뷰 데이터의 고객 유형에 대한 보고서를 생성하는 단계를 포함하고,
상기 고객 유형을 특정하는 단계에서는,
상기 평가 인자에 해당하는 정보에 근거하여 상기 리뷰 데이터의 고객 유형이 블랙 컨슈머에 해당하는지 여부에 따라 제 1 고객 타입 및 제 2 고객 타입 중 어느 하나로 상기 고객 유형을 판단하고,
상기 고객 유형에 대한 보고서를 생성하는 단계에서는,
상기 리뷰 데이터의 고객 유형이 블랙 컨슈머에 해당하는 제 1 고객 타입이면, 상기 제 1 고객 타입에 해당하는 고객의 행동 예측과 관련된 행동 예측 정보가 포함되도록 상기 보고서를 생성하고,
상기 리뷰 데이터의 고객 유형이 상기 제 2 고객 타입이면, 상기 리뷰 데이터와 상기 페르소나 DB를 서로 매칭하여, 상기 제2 고객 타입에 해당하는 고객의 특정 페르소나 유형을 특정하고, 상기 제2 고객 타입에 해당하는 고객의 상기 특정 페르소나 유형에 따른 대응 전략이 포함된 상기 보고서를 생성하는 페르소나 기반의 리뷰 데이터 분석 방법.In the review data analysis method using the review data analysis system,
Collecting review data related to a specific service;
extracting information corresponding to an evaluation factor from the review data based on unit elements constituting the review data;
specifying a customer type of the review data corresponding to the extracted information as one of the persona types using a persona DB in which persona types are classified based on the evaluation factor; and
Extracting characteristic information of any one persona type from the persona DB and generating a report on the customer type of the review data;
In the step of specifying the customer type,
Based on the information corresponding to the evaluation factor, the customer type is determined as one of a first customer type and a second customer type according to whether the customer type of the review data corresponds to a black consumer;
In the step of generating a report for the customer type,
If the customer type of the review data is a first customer type corresponding to a black consumer, the report is generated to include behavior prediction information related to behavior prediction of the customer corresponding to the first customer type;
If the customer type of the review data is the second customer type, the specific persona type of the customer corresponding to the second customer type is specified by matching the review data and the persona DB with each other, and corresponding to the second customer type. A persona-based review data analysis method for generating the report including a response strategy according to the specific persona type of the customer.삭제delete삭제delete제1항에 있어서,
상기 페르소나 DB에는,
상기 페르소나 유형들에 대한 표준화된 값과 상기 페르소나 유형들의 특성 정보가 저장되는 것을 특징으로 하는 페르소나 기반의 리뷰 데이터 분석 방법.According to claim 1,
In the persona DB,
Persona-based review data analysis method, characterized in that a standardized value for the persona types and characteristic information of the persona types are stored.제1항에 있어서,
상기 리뷰 데이터를 분석하여, 상기 리뷰 데이터에 해당하는 고객의 만족도를 평가하는 단계를 더 포함하는 페르소나 기반의 리뷰 데이터 분석 방법.According to claim 1,
Persona-based review data analysis method further comprising analyzing the review data and evaluating customer satisfaction corresponding to the review data.제5항에 있어서,
상기 만족도를 이용하여 상기 리뷰 데이터의 고객 유형에 대한 대응 전략을 제시하는 단계를 더 포함하는 페르소나 기반의 리뷰 데이터 분석 방법.According to claim 5,
The persona-based review data analysis method further comprising the step of presenting a response strategy for the customer type of the review data using the satisfaction level.제1항에 있어서,
상기 보고서를 생성하는 단계는,
상기 페르소나 유형들에 따라 상기 보고서를 생성하는 시점 기준을 서로 다르게 설정하는 것을 특징으로 하는 페르소나 기반의 리뷰 데이터 분석 방법.According to claim 1,
To generate the report,
Persona-based review data analysis method, characterized in that for setting the criterion of the time point of generating the report differently according to the persona types.제1항에 있어서,
기계학습에 의하여 생성된 인공지능 모델을 기반으로 상기 리뷰 데이터의 고객 유형을 상기 페르소나 유형들 중 어느 하나로 특정하는 단계를 더 포함하는 하는 페르소나 기반의 리뷰 데이터 분석 방법.According to claim 1,
Persona-based review data analysis method further comprising specifying the customer type of the review data as one of the persona types based on an artificial intelligence model generated by machine learning.제1항에 있어서,
상기 보고서를 생성하는 단계는,
상기 리뷰 데이터를 분석하여, 상기 특정 서비스와 관련된 서로 다른 복수의 서비스 요소 중 상기 리뷰 데이터에 대응되는 적어도 하나의 서비스 요소를 특정하는 단계;
상기 특정된 적어도 하나의 서비스 요소에 대해 상기 특정 서비스를 설명하는 설명 정보를 추출하는 단계; 및
상기 특정된 고객 유형 및 상기 추출된 설명 정보를 이용하여, 상기 특정 서비스에 대한 상기 페르소나에 대응되는 고객 그룹의 평가 보고서를 생성하는 단계를 포함하는 페르소나 기반의 리뷰 데이터 분석 방법.According to claim 1,
To generate the report,
analyzing the review data and specifying at least one service element corresponding to the review data among a plurality of different service elements related to the specific service;
extracting description information describing the specific service for the at least one specified service element; and
and generating an evaluation report of a customer group corresponding to the persona for the specific service by using the specified customer type and the extracted description information.삭제delete

Images