구글지도 환경을 제어 할 수있는 8 가지 방법

이번 포스팅에서는 Google 지도 환경을 더 잘 관리하고 다른 사람들이 주변의 멋진 장소를 찾도록 돕는 방법에 대한 몇 가지 유용한 팁을 공유하겠습니다.

Traci는 2012년부터 Google 지도 프로그램 관리자로 일하고 있습니다. Google 지도에서 경험을 공유하는 데 열정적인 사람들인 지역 가이드들로 구성된 글로벌 커뮤니티에 지도의 많은 기능을 설명했습니다. Traci는 Google 지도의 열렬한 팬이자 수퍼 유저입니다. 지난 11 (!) 년 동안 2,000 개 이상의 리뷰를 게시하고 ‘나의 지도’ 사진에서 2억 7,500만 건 이상의 조회수를 가지고 있습니다.

Google 지도의 기본 제공 보호 기능부터 사용하기 쉬운 설정 및 개인 정보 보호 도구에 이르기까지 다음은 구글 지도 경험을 극대화하는 데 도움이 되는 기능에 대한 8가지 팁입니다.

1. Google 지도 프로필 관리

데이터를 계속 제어 할 수 있도록 Google 지도에는 기본 설정이 있으므로 Google 지도 프로필을 쉽게 관리하고 맞춤 설정할 수 있습니다. 공개지도 프로필에 리뷰, 사진, 게시물이 표시되지 않도록 설정을 업데이트 할 수 있습니다.

2. 쉽게 표시 이름 변경

유명한 레스토랑 평론가나 유명인은 아니지만 성을 사용하는 시기와 위치를 제어할 수 있어서 Google지도에서는 ‘Traci’로 보여집니다. 또한 Google 제품 및 서비스 전반에서 표시 이름을 쉽게 변경할 수 있습니다 . 가서 필명을 선택해보세요.

3. 사진 속 타인의 프라이버시 존중 

사진은 Google지도에 기여하는 가장 좋은 방법입니다. 항상 조심하는 한 가지는 근처 사람들의 얼굴들이 나타나는 사진을 게시하지 않는 것입니다. 또한, 다양한 모르는 사람들을 통해 장소들의 인테리어나 접근성 정보를 보고 싶습니다.

4. 의심스러운 콘텐츠 신고

리뷰 및 평가부터 사진 및 목록에 이르기까지 다른 사람들이 지도에 추가하는 대부분의 정보는 유용하고 정확합니다. 하지만 이상하거나 부적절해 보이는 리뷰나 업체 정보를 발견한 경우 콘텐츠 또는 게시한 사람을 신속하게 신고 할 수 있습니다 .

5. 내부 서클과 위치 공유

예전만큼 자주 여행하지 않더라도 가장 가까운 친구 및 가족과 실시간 위치를 공유하여 누군가가 항상 내가 있는 곳을 알 수 있도록합니다. 나는 또한 그들이 새로운 나라를 방문 할 때 내 여행을 따라갈 수도 있습니다. 나만의 여행지를 가까운 사람들과 쉽게 공유를 할 수 있습니다.

6. 타임 라인 관리

타임 라인은 위치 기록 설정을 사용하도록 선택한 경우 (기본적으로 꺼져 있음) 방문했던 장소를 볼 수있는 지도의 편리한 기능입니다. 이를 통해 과거 여행 을 쉽게 회상하고 친구 및 가족과 추천 여행 장소들을 공유 할 수 있습니다. 대량 삭제 및 인라인 편집과 같은 도구를 사용하여 몇 번의 탭만으로 타임 라인의 정보를 쉽게 추가, 편집 또는 삭제할 수 있습니다.

7. 주요 Google 계정 설정 및 자동 삭제 제어에 쉽게 액세스

Google 계정 설정을 제어하기 위해 Google 지도에서 나갈 필요가 없다는 점이 마음에 듭니다. 지도의 데이터를 사용하면 지도에서 바로 위치 기록, 웹 및 앱 활동, 기타 Google 개인 정보 보호 제어에 빠르게 액세스 할 수 있습니다. 또한 자동 삭제 컨트롤을 사용 하여 3개월 또는 18 개월 분량의 데이터만 저장할 수 있습니다. 그보다 오래된 모든 데이터는 순차적으로 자동 삭제됩니다.

8. 시크릿 모드로 이동

Google 제품 전반에 걸쳐 개인화된 경험을 제공하는 것이 도움이 될 수 있지만 레이더 아래로 비행하고 싶다면 지도에서 시크릿 모드를 사용 해보세요. 이 기능을 사용하면 검색한 장소와 같은 해당 기기의 지도 활동이 Google 계정에 저장되거나 지도 환경을 맞춤 설정하는 데 사용되지 않습니다. 프로필 사진을 탭하면 나타나는 메뉴에서 시크릿 모드를 선택하여 쉽게 켤 수 있습니다. 또한 언제든지 이 기능을 사용 중지하여 레스토랑 추천, 출퇴근길 정보 및 나에게 맞춤화된 기타 기능을 사용하여 개인화된 환경으로 돌아갈 수 있습니다.

 

SPH는 Maxar Technologies, Google Maps, SuperMap 등 다양한 케이스에 존재하는 다양한 제품군을 보유하고있는 고객의 사례에 꼭 맞는  무료 세미나 및 인적 컨설팅 을 제공하고 있습니다. 각 케이스에 더욱 자세한 이야기를 나누고 싶으 시다면,  여기 에서 문의 주시길 바라며, SPH에서 발행하는  GIS / 로케이션 인텔리전스 관련 최신 소식 을 받아보고 싶으신 분들은  페이스 북 페이지  또는  뉴스 레터 를 구독 해 주시길 바랍니다. 감사합니다.

유용한 구글맵 베타 기능들을 미리 만나보세요!

Google에서는 Google Maps API를 사용하는 서비스를 위해 기능을 계속 추가하고 발전하고 있습니다.

오늘은 아직 정식 출시되지 않은 베타 버전으로 만나보실 수있는 Google Maps API의 유용한 기능 소개해 드리려고합니다.

 

약속

지금까지의 Google Maps JavaScript API의 함수는 함수를 이용해서 동기를 맞출 수 있습니다. 하지만 베타 버전으로 함수들이 Promise를 사용하여 수정 되서 callback 함수를 사용하지 않고 그대로 동기를 맞출 수있게되었습니다.

promise로 사용할 경우 사용할 수있는 함수를 중첩해서 사용하지 않아도 되서 코드를 좀 더 깔끔하게 사용할 수 있습니다.

callback 함수 또한 계속 옵션으로 지원할 예정입니다.

 

promise를 지원하는 api 목록은 가변됩니다.

[테이블 id = 37 /]

 

Promise를 사용하기 Google Maps JavaScript API를 베타 버전으로 호출해야합니다.

<script async src="https://maps.googleapis.com/maps/api/js?v=beta&key=YOUR_API_KEY&callback=initMap">
</script>

 

Promise를 지원하지 않을 때까지만해도 같이 callback 함수로 동기화했습니다.

const callback = (results, status) => {
     if (status === 'OK') {
          console.log(results);
     } else {
          // handle this case
     }
};

elevationService.getElevationForLocation({locations}, callback);

하지만 베타 버전으로 지원은 Promise 기능을 이용하면 보장 함수 없이도 동기를 맞출 수있어 코드가 깔끔해집니다.

const response = await elevationService.getElevationForLocation({locations});
console.log(response.results);

 

Promise를 통해 처리도 할 수 있습니다.

elevationService.getElevationForLocation({locations})
.then((response) => {
console.log(response.results);
})
.catch((error) => {
console.log(error);
});
.finally(() => {
console.log('done');
});

 

로컬 라이브러리 라이브러리

로컬 근처 라이브러리는지도에서 근처의 POI 정보를 마커로 표시하고 해당 장소들의 사진을 볼 수있는 UI 위젯을 제공합니다.

로컬 시나리오 위젯으로 검색된 장소의 마커는 아래와 같이 장소 유형별로 다르게 나타납니다.

 

위젯에서 장소 사진을 클릭하면 같이 해당 장소의 상세 정보창이 나타납니다.

● 장소 선택 이전

● 장소 선택시

 

로컬 문맥 위젯에서 검색 할 수있는 장소의 유형은 10 가지이며, 상세 내용은 이 링크 에서 확인할 수 있습니다.

출발지 좌표를 설정하면, 위젯에서 장소 사진 선택 시 도보로 이동할 수 있는 길찾기 정보가 나타납니다.

 

Local Context Library는 아래 방법으로 사용할 수 있습니다.
1. 자바스크립트 라이브러리 호출 URL을 아래와 같은 형식으로 변경합니다.

<script src="https://maps.googleapis.com/maps/api/js?key=KEY&v=beta&libraries=localContext"></script>

 

2. google.maps.localContext.LocalContextMap View 객체를 먼저 설정하고, 해당 객체의 map 속성으로 지도를 로드합니다.

const localContextMapView = new google.maps.localContext.LocalContextMapView(
{
       element: document.getElementById("map"),
       placeTypePreferences: [
          { type: "restaurant" },
          { type: "tourist_attraction" },
       ],
       maxPlaceCount: 24,
});
map = localContextMapView.map;
map.setOptions({
       center: { lat: 51.507307, lng: -0.08114 },
       zoom: 14,
});

Local Context 위젯에서 설정 가능한 사항은 아래와 같습니다.

● 장소 유형

placeTypePreferences: ['restaurant', 'cafe']

● 장소 유형별 가중치

placeTypePreferences: [{type: 'restaurant', weight: 2}, {type: 'cafe', weight: 2}, {type: 'primary_school', weight: 1}]

● 검색되는 장소의 개수(최대 24개)

maxPlaceCount: 12

● 선택된 장소로의 도보 길찾기 출발지 좌표

directionsOptions: {origin: {lat: 47.6532809, lng: -122.3512206}},

위젯 레이아웃

 

● 장소 재검색

localContextMapView.search();

이벤트

 

Local Context Library는 정식 출시되면 여행 서비스 업체에서 유용하게 활용할 것으로 예상됩니다.

 

 

SPH는 CARTO, Google Maps, SuperMap 등 다양한 케이스에 존재하는 다양한 제품군을 보유 하고 있습니다. 고객의 사례에 꼭 맞는  무료 세미나 및 식별 컨설팅 을 제공하고 있습니다. 각 케이스에 더욱 자세한 이야기를 나누고 싶으 시다면,  여기 에서 문의 주시길 바라며, SPH에서 발행하는  GIS / 로케이션 인텔리전스 관련 최신 소식 을 받아보고 싶으신 분들은  페이스 북 페이지  또는  레터 를 구독 주시길 바랍니다. 감사합니다.

StyleGAN2를 이용한 성격 유형별 얼굴 생성 모델 연구 개발 과정 공개! (feat. MBTI)

StyleGAN2를 이용한 성격 유형별 얼굴 생성 모델

연구 개발 과정 공개!

(feat. MBTI)

배경

안녕하세요. SPH 데이터 컨설팅팀입니다. 

SPH에서는 매출을 가져다 주는 본업과 흥미로운 R&D 주제를 함께 합니다. 각각 비중은 70%,  30%를 차지하죠.

이 연구는 저희 데이터 컨설팅팀에게 흥미로운 R&D 주제, 즉 30%에 해당하는 부분입니다. 한 달이란 짧은 시간 동안 진행된 프로젝트였습니다.

이번에 연구했던 내용들을 이번 포스팅을 통해 공유하려 합니다.

 

AI 기술 연구/개발을 위한 흥미로운 아이디어가 없을까 고민하였습니다. 당시는 MBTI가 한창 유행했을 때였죠. 지인과 얘기를 나누다가 ‘성격 유형별 관상은 어떤 특징을 지녔을까?’가 궁금해졌습니다.

그렇게 해서 나온 아이디어가 2가지 였습니다.

  1. MBTI 테스트로 나에게 어울리는 이상형을 찾은 후 2세를 찾아보자.
  2. 내 MBTI 유형은 어떤 인상을 가지고 있을까?

 

내/외부 투표 결과 2안 (MBTI 평균 얼굴 인상은?이 선택되었습니다.)이 더 많은 표를 얻었습니다.

추가 회의를 거쳤습니다. 그 결과 1안에서 나온 2세를 제외, 이상형이라는 컨셉은 추가하기로 했습니다.

위와 같은 컨셉으로 프로젝트를 진행하기로 했습니다.

지정한 컨셉에 따라 남자, 여자 연예인 각 1000여 장을 수집, 생성 모델을 학습하였고 성격 유형별 얼굴을 뽑아낼 수 있었습니다. 

 

데이터 준비

데이터 수집단계가 쉽지 않았습니다. 모아야 할 데이터는 연예인 중에서도 MBTI 성격 검사를 한 사람의 얼굴 사진이었습니다. 이때 특정 성격의 이미지가 많이 부족했습니다. 특히 ENTJ나 INTJ 유형이 그랬죠. 이 유형들은 일본이나 중국 연예인들을 수집하기도 했습니다.

기술 연구 과정

 

stylegan → stylegan2 → + ada → + freezeD → + freezeG → pixel2style2pixel

 

GAN이란?

GAN은 Generative Adversarial Network의 약자로 적대적 생성 신경망이라고 불립니다. 요즘 핫한 딥러닝 기술의 연구 분야 중 하나죠. 판별자(Discriminator)와 생성자(Generator)가 경쟁하듯이 학습하는 게 기본 원리입니다. 이 경쟁 속에서 생성자는 보다 높은 품질의 모조품을 생산할 수 있죠. GAN을 통해 기존 학습한 데이터 분포를 바탕으로 새로운 데이터를 창작할 수 있습니다.

 

GAN은 computer vision 쪽에서 많이 연구되는 데요.  CNN (Convolutional  Neural Network)과 결합되었을 때 생성할 수 있는 이미지의 퀄리티가 놀랍습니다. GAN의 종류는 매우 다양합니다. 그 중에서 MBTI 평균 얼굴을 뽑아내기 위해 착안한 GAN은 StyleGAN입니다.

StylegGAN

A Style-Based Generator Architecture for Generative Adversarial Networks 라는 Nvidia에서 나온 논문입니다. stylegan은 기존 GAN을 변형한 형태로, 이미지 생성 시 스타일을 조절할 수 있는 장점을 가지고 있습니다.

위 그림에서 볼 수 있듯이, 기존 GAN의 경우 임의의 벡터(latent z) 값에서 CNN을 거쳐 이미지를 생성합니다. StyleGAN의 경우 Mapping Network라는 걸 따로 두고 임의의 벡터값을 다른 값으로 변형시킵니다. 이를 w라고 하는데 이게 이미지를 합성하는 네트워크에 입력됩니다. 그냥 입력되는 게 아닌, Affine transformation이라는 선형 변환을 거쳐 스타일이라는 옷을 입고 입력 되죠. 이 스타일은 이미지 생성과정에 해상도마다 들어갑니다.

해상도 마다 들어간다는 게 중요합니다. 왜냐하면 해상도에 따라 이미지가 나타내는 스타일의 종류가 다르거든요. 보통 고차원의 의미를 담고 있는 부분은 4×4와 같이 낮은 해상도입니다. 해당 이미지의 전체적인 형상과 같은 고차원적 의미를 담죠. 1024×1024같이 해상도가 커질 수록 보다 디테일한 의미를 담게 되죠. 가령 머리카락의 모양이라든가 피부의 색상 등이 담기죠. Stylegan은 Mapping Network를 통해 나온 style(A 값)을 조절하여 이미지를 자연스럽게 변화시킬 수 있습니다.

StyleGan을 사용한 이유는  특정 레벨의 style이 성격 유형을 담을 수 있지 않을까 하는 기대에서 였습니다.

하지만 논문에서도 설명한 바와 같이, 물방울 모양의 부자연스러운 무언가가 생성되었습니다. 이를 해결하기 위해 stylegan2를 적용하려 했습니다.

StyleGAN2

 Analyzing and Improving the Image Quality of StyleGAN라는 논문에 소개된 기술입니다. stylegan2는 stylegan에서 이미지 생성시 부자연스러운 부분을 제거하고 보다 품질이 좋은 이미지를 생성 시킬 수 있는 버전입니다.

기존 StyleGan에서 사용된 AdaIn(adaptive instance normalization)이 문제가 됐다고 합니다. CNN을 거치며 중간 중간에 생성되는 이미지를 피쳐맵(feature map)이라 합니다. AdaIN을 이용하면 피쳐맵마다 각 평균과 분산으로 normalization 합니다. 즉 입력값의 통계량을 이용하는 것이지요. 그런데 이 방식은 피쳐맵들 사이에 상대적인 크기 차이가 있을 경우, 이 정보를 왜곡합니다.

StyleGAN2에서는  문제가 있었던 AdaIN를 수정했습니다. 뿐만 아니라, 아키텍쳐와 학습 방식에도 변화를 주어 생성 이미지의 품질이 더욱 향상 되었습니다.

StyleGAN2 ada

Training Generative Adversarial Networks with Limited Dataadaptive discriminator augmentation(ADA)라는 데이터 증강 기법을 소개한 논문입니다. ADA는 이미지 증강 기법의 일종으로, 판별자에 들어가는 이미지를 다양한 형태로 증강해주어 데이터 부족 현상을 어느 정도 극복하게 해줍니다. 우리가 가진 데이터 세트는 1000장으로 턱없이 부족했습니다. 그랬기에 이 증강 기법은 사막의 오아시스 역할을 해주었죠. 

 

구체적으로 이 증강 기법의 효과가 어떤지 살펴보겠습니다. 기존 StyleGan2의 문제점은 많은 데이터를 필요로 한다는 것이었습니다.

위 그래프(a)에서 FID가 낮을 수록 학습이 잘 된 것입니다.  데이터가 7만장이어도 과적합이 일어납니다. (b)는 5 만 장 데이터셋의 판별자의 출력 값 분포를 나타냅니다. 판별자의 출력이 높을수록 진짜라고 생각하고 낮을수록 가짜라고 생각합니다.  분포를 보면 학습할수록 실제 이미지와 생성 이미지사이의 분포가 벌어집니다. 판별자가 학습이 진행될수록 생성자의 이미지를 가짜로 확신을 하고 있습니다. 이를 보아 생성자가 제대로 된 이미지를 생성하지 못하고 있네요.

그래서 이 논문에서는 위 그림과 같이 다양한 증강기법을 이용해 이미지를 증강합니다. 그런 이미지가 판별자에 들어가 전체적인 학습에 영향을 미칩니다. 이런 원리로 학습 데이터가 비교적 소량이어도 학습이 가능해진 것입니다.

확실히 ADA를 이용할 경우 학습이 좀 더 안정적으로 진행되는 것을 보실 수 있습니다. (a)가 ADA가 없을 때, (b)가 ADA가 있을 때 입니다.

freezeD

Freeze the Discriminator: a Simple Baseline for Fine-Tuning GANs라는 논문에 소개된 내용입니다. freezeD(freeze Discriminator)는 전이 학습(transfer learning) 기술을 이용한 것으로, 기존에 많은 데이터로 학습된 판별자를 최대한 활용합니다.

freezeD의 의미는 freezing Discrimantor, 말그대로 판별자를 얼린다는 의미입니다. 판별자의 일부 층을 얼린다는 건 그 부분을 학습하지 않는 다는 말인데요. 

 

크게 판별자의 네트워크를 전반부의 특징 추출기와 후반부의 분류기로 나눌 수 있습니다. 전반적인 사물의 특징을 추출하는 것을 특징 추출기(feature extractor)라고 하죠.

 

판별자를 얼린다는 건 판별자의 네트워크 중에 앞단의 특징 추출기를 고정시킨다는 말입니다. 이전에 학습된 네트워크를 최대한 활용한다는 것이죠.

이는 특징 추출기에 쓰인 지식이 도메인이 다르더라도 대부분 유사하기에 가능합니다.

 

가령 사람의 얼굴 이미지에서 특징을 추출하는 것과 자동차 이미지에서 특징을 추출하는 데 쓰이는 지식. 이 둘사이엔 유사한 부분이 많다는 의미지요.

stylegan2에서 위 빨간 박스의 영역 부분만을 학습했습니다.

22k 학습시

30k 학습시

뭔가 학습이 진행될수록 이미지가 일그러지는 모습입니다. ada와 freezeD를 통해 이전보단 많이 나아졌긴 했습니다. 그렇지만 학습이 진행될수록 이미지가 깨지는 게 이상하단 생각이 들었어요.

생성자가 학습을 제대로 하지 못한다고 생각했습니다. 15k 기준으로 이미지가 점점 깨지기 시작합니다. 그 전까지는 괜찮았는데 말이죠. 그래서 그 전의 생성자를 최대한 유지하고 싶었습니다.

기존의 생성자에서 미세조정하면 되지 않을까란 생각이 들었죠. 구체적으로는 14k 정도에서의 생성자 네트워크 가중치를 조금만 조정해보면 어떨까? 하는 생각!입니다.

‘생성자를 고정시켜보자!’라는 생각에서 나온게 freezeG 입니다.

freezeG

freezeG(freeze Generator)는 freezeD와 마찬가지로 전이학습 기술을 사용합니다. 논문은 따로 없네요. 생성할 때도, 전체적인 형상에 대한 부분은 기존 지식을 최대한 활용하고, 세부 부분은 학습 데이터에 기반하여 점점 배워나가는 것입니다. freezeD와 freezeG모두 데이터 부족 현상을 극복하게 해주고, 사전 지식을 활용하기 때문에 보다 빠른 학습을 가능하게 해줍니다.

확실히 이전 보단 이미지 생성 퀄리티가 높아졌습니다.

자 이제 각 성격 유형별 평균 얼굴을 구하면 됩니다. 그러기 위해선 성격 유형별로 연예인 이미지를 역변환(inversion)해야 했습니다.

역변환을 통해 이미지를 벡터로 임베딩 시킬 수 있는데요. GAN의 경우 이 임베딩 벡터는 latent code를 의미합니다.

두 이미지 사이의 latent code를 합성후 생성자를 통해 이미지를 생성할 수 있습니다. 결과 이미지들은 아래와 같습니다.

중요한 건 성격별 평균 얼굴입니다. 제 생각은 이랬습니다. latent code의 평균값을 구하고 이를 다시 생성자를 통해 합성한다면, 성격별 평균 얼굴이 구해진다!

그렇게해서 평균 얼굴을 구해봤습니다!

남자 MBTI

여자 MBTI

그런데 예상치 못한 문제가 있었습니다. 이 역변환 과정이 상당히 시간이 오래 걸린다는 겁니다.

저희가 원한건 유저가 사진을 업로드하면, 그 사진과 위 평균 열굴을 합성해서 평균 얼굴이 계속 바껴지는 것이었습니다.

그러기 위해선 실시간으로 역변환이 가능해야 했습니다.

PSP 

PSP(pixel2style2pixel)는 이미지를 스타일로 변환한 후 다시 이미지로 변환하는 방법입니다. 기존 GAN의 경우에는 임의의 noise에서 이미지를 생성했습니다.

저희 과제는 성격 유형별로 이미지가 주어지면 이 이미지들을 스타일 차원(latent code)에서 합성하는 것 입니다. 그래서 이미지를 스타일 차원에서 바라볼 필요가 있었죠.

기존 방식의 알고리즘을 사용할 경우 이미지마다 최적화 과정이 매번 일어나 시간이 많이 소요 됐습니다. 이를 해결하기 위해 도입한 기술입니다.

인코더와 맵핑 네트워크를 제외한 다른 부분은 기존 StyleGAN2의 구조와 같기에, 기존에 학습한 지식을 활용할 수 있었습니다.

구체적으로는 styleGAN2 + ada + freezeD + freezeG를 통해 학습했던 network를 pretrained model로 이용하였습니다.

위 그림에서 보듯이 이미지를 입력으로 받습니다. 이 이미지에서 해상도별로 feature map을 style에 맵핑 시킵니다.

기존 styleGAN에서는 입력이 latent vector에, 맵핑 네트워크는 fully connected layer 인 것과 차이가 있습니다.

styleGAN2에서 이미지 역변환 과정은 이미지 마다 일일이 최적화 과정을 거쳐야 했습니다.

하지만 pSp는 인코더(Encoder)를 거치면 style이 바로 얻어지기에 연산 속도가 빠릅니다. 

 

최종적으로는 styleGAN2 생성자를 기반으로한 pSp 네트워크를 채택했습니다. 학습 방법은 ada와 freezeD, freezeG 모두 사용하였지요.

 

실시간 성격 변화에 따른 얼굴 형태 변화?

pSp를 이용하면 검사하는 와중에 실시간으로 이미지가 변화하는 것도 보실 수 있습니다.

성격 검사 문항은 각 항목마다 E와 I, N과 S, T와 F, P와 J를 구분해줍니다.

만약 위와 같은 과정을 거쳐 평균 E, I, N, S, T, F, J, P를 띄는 얼굴을 안다면 실시간 변화를 줄 수 있습니다.

여기서 알파벳은 MBTI를 구성하는 각 특징을 의미합니다.

E/I : 외향/내향

N/S : 직관/감각

T/F : 사고/감정

J/P : 판단/인식

남녀 각각의 특징은 아래와 같습티다.

 

특정 이미지를 넣고,  한 항목에서 E가 나왔습니다. 그러면 이 이미지를 좀 더 E(외향적)스럽게 변형시킬 수 있습니다.

E→N→T→P→E→N→T→J→I→S→F→P→I→P

로 성격 검사를 했다고 하면 아래와 같이 이미지가 실시간으로 변하는 겁니다.

위 과정은 베타 버전에선 보실 수 없습니다. 반응을 보고 추후 기회가 된다면 실시간 변화 기능도 구현해보고 싶네요.

 

후기

이번 MBTI 프로젝트에선 크게 4가지 파트가 있었어요.

 

설문지 작성 및 전체적인 스토리 라인 기획- 이소린 전임

UI/UX 디자인  – 정보라 대리

서버 구축 및 개발 – 지민철 사원, 이주영 사원

인공지능 관련 연구 개발 – 김도환 전임

 

모두들 고생 많으셨어요. 간단한 후기 인터뷰를 준비해보았습니다.

 

짧은 기간에 개발하여 완성도가 떨어지지만 한 번씩 테스트 해보셔도 재밌으실 거에요.

아래는 검사하러 갈 수 있는 링크입니다! 이상으로 긴 글 읽어주셔서 감사합니다.

다음번에 또다른 새롭고 흥미로운 R&D 파일럿 프로젝트로 찾아 뵙겠습니다.

MBTI 검사 테스트 하러가기

 


 

written by 김도환 전임 연구원

여행기획 2탄! 구글맵 기반 해외 서비스 사례와 API 파헤치기!

어느덧 벚꽃이 만개한 4월 첫째날입니다. 지난 포스팅에서 코로나 19 백신 접종이 시작하면서 여행사 산업에 대한 기대감이 도입 짐에 따라 국내 여행사의 Google 지도를 활용한 서비스 플랫폼들을 소개해 드렸습니다. 이번 포스팅에서는 Google 지도를 활용한 해외 사례를 공유해보고자 합니다.

해외 여행산업에서 Google 지도의 활용 성공 사례로 소개된 서비스들이 어떤 것인지 살펴보고자 합니다. 우리에게는 생소한 여행 플랜 플랫폼이 어떻게 Google 지도 API를 활용하는지도 함께 설명해드리고자 합니다. 

 

Tripping

Tripping은 전 세계 150,000 개 이상의 도시에서 1,000 만개 이상의 휴가 용 렌탈 서비스를 제공하는 검색 엔진 기반의 온라인 여행 서비스입니다.
HomeAway, VRBP, TripAdvisor, Booking.com 등 18 개 이상의 파트너와의 연동을 통해 다양한 사용자 정의 필터, 비교, 정렬을 통해 선호하는 숙소를 검색 할 수 있도록 도와줍니다.

Google은 Tripping의 방문자를 게스트로 전환하기위한 최상의 인터페이스를 제공하는 가장 저렴한 매핑지도 솔루션입니다.

는 user- 구글지도의 핀을 생성 하여 나열된 여행 사이트의 정보와 함께 각 상품의 사진 을-display하며, 장소 API 통해 user-의를 검색 기준에 맞게지도를 자동으로 확장 하도록 도와줍니다.

이를 통해 페이지 방문 트래픽은 2,918 % 증가하여 매월 2 백만명 이상의 순 방문자가 발생하고, 1 년 이상의 순 방문자가 발생하고 2,390 %가 증가했습니다.

화살표를 클릭하면 좌우로 이미지가 이동합니다.

 

장점

  • 호텔, 레지던스 등의 일반숙박업과 함께 에어비앤비와 같은 개인 렌탈 사업자의 숙소도 함께 제공
  • 한국어를 포함한 26개 언어 제공
  • 상세한 필터 검색 도구 제공
  • 예약이 확정되어야 정확한 위치정보를 제공하는 에어비앤비와 달리 예약 확정을 하지 않아도 숙소의 위치가 정확하게 지도에 표시됨

단점

  • 지도의 확대/축소 도구를 지도의 컨트롤 버튼으로만 제공하여 마우스 휠 컨트롤이 제공되었으면 함
  • 선택 위치 거리단위 또는 차량기준 이동시간 반경을 설정해야 지도에 결과가 반영됨

 

Nacesty

2004년에 시작된 NaCesty.cz는 30개 이상의 독일 여행사, 항공사 및 여러 호텔 리뷰 서비스를 사용하여 웹 사이트를 통해 전 세계 휴양지로의 여행을 예약합니다.

회사가 설장함에 따라 경쟁사보다 더 나은 서비스를 제공하기를 원했고, 이를 위해 고객이 예약 전에 목적지의 호텔 위치를 확인하고 가장 편리한 출발 공항을 선택할 수 있도록 도와주는 지도 플랫폼이 필요했습니다.

NaCesty,cz은 2015년에 구글맵 플랫폼을 선택했는데, 이는 구글맵 플랫폼이 전 세계 위치에 대한 가장 완벽한 매핑 커버리지를 제공하고 있으며, 고객들은 이미 구글맵 플랫폼에 익숙하기 때문이라고 관계자는 답했습니다.

NaCesty.cz은 Maps JavaScript API를 사용하여 웹 사이트를 구축하고 고객에게 호텔위치를 포함한 지도에서 목적지를 보여주고 JavaScript API의 Autocomplete는 고객이 목적지와 집 위치를 선택하는데 도움이 됩니다. 고객이 인근 공항으로 이동할 수 있도록 Directions API를 사용하고, Distance Matrix API를 사용하여 집과 출발 공항 사이의 거리와 시간을 계산하여 가장 가까운 공항을 선택할 수 있도록 합니다.

이를 통해 매년 980,000명이 NaCesty.cz 웹 사이트에 방문하고, 2016년에는 4,500명 이상이 NaCesty.cz를 통해 여행 예약 고객을 창출하였습니다.

 

장점

  • 리뷰평점, 리뷰개수, 해변까지 거리, 사용유형, 수영장, 대상유형, 해변에서 활동, 스포츠 활동, 공항에서 거리, 스파, 애완동물, 레스토랑, 골프, 미용센터, 도시 거리, 정류장 거리 등 다양한 필터링 제공
  • 자전거 라이딩 여행과 같은 특색 있는 여행 패키지 제공
  • 지도상에서 원하는 호텔만 선택하여 나만의 리스트 제작
  • 호텔 and 항공권 검색 시 공항에서 호텔까지의 이동루트가 지도에 표시

단점

  • 주변 관광명소, 쇼핑몰, 맛집 정보가 함께 표시되지 않아 아쉬움

 

Journy

Journy는 모든 사람이 액세스할 수 있는 맞춤형 여행 계획을 제공하는 플랫폼입니다. 호텔과 관광을 넘어 조식부터 석식, 사용자 맞춤형 관심 여행지, 렌터카 및 대중교통에 대한 여정을 전문 여행 디자이너와 함께 계획을 세우고 예약까지 가능합니다.

Journy의 설립자 Susan은 자신에게 제한된 휴가를 최대한 활용하기 위해 여행을 계획하는데 40개가 넘는 웹 사이트를 방문하면서 10시간 이상 소비되는 시간을 할애할 수 없었습니다.

Journy는 2015년 지역적이고 진정한 경험을 원하는 밀레니얼 세대를 타깃대상으로 하여 상세한 설문조사를 통해 고객의 취향과 목적에 맞는 여행을 계획할 수 잇는 플랫폼으로 탄생하게 되었습니다.

Maps JavaScript API를 사용하여 웹사이트를 구축하고 호텔에서부터 레스토랑, 미술관까지 장소정보와 Directions API로 대중교통부터 도보까지 경로정보를 안내받습니다.

Journy를 사용한 여행자의 92%는 Journy의 여행 플랫폼을 친구에게 추천할 의향이 있다고 답했으며, 2016년부터 현개까지 8,000개가 넘는 여행 계획 서비스를 제공하고 있습니다.

Journy의 재미있는 맞춤형 여행 컨시어지 서비스를 함께 보실까요?

화살표를 클릭하면 좌우로 이미지가 이동합니다.

현재는 해외 여행이 불가능한 관계로 저는 발리여행을 위한 샘플 정보를 받았습니다.

 

Journy는 모바일을 통한 서비스 안내도 하고 있습니다. 각 날짜별로 계획된 다양한 정보가 구글 지도와 함께 제공됩니다. 모바일에는 오프라인에서도 이용할 수 있는 일정표가 저장됩니다.

 

Google Maps Platform API

지금까지 구글맵 기반으로 서비스를 운영 중인 해외 성공 사례들을 몇 가지 살펴봤습니다. 해당 성공 사례들에서는 다양한 구글맵 API를 사용했는데요, 여행 서비스에서 사용하면 좋을 것 같은 구글 맵 API 기능들을 예제와 함께 소개해드리도록 하겠습니다.

 

Map Control Option

구글맵 API는 다양한 지도 컨트롤 옵션을 제공하고 있습니다. 위에서 소개해드린 Tripping의 지도는 지도의 확대/축소가 버튼 클릭으로만 가능하고, 마우스 휠을 통해서는 불가했습니다. 이러한 마우스 휠을 통한 지도 확대/축소 옵션은 아래의 코드로 간단하게 설정할 수 있습니다. 마우스 휠 옵션을 기본 값이 true로 활성화 되어 있습니다.

map = new google.maps.Map(document.getElementById('map'), {
       center: {lat: 37.521529, lng: 126.924165},
       zoom: 10,
       scrollwheel: true
});

지도 생성 시에 인력한 옵션을 지도를 생성한 후에도 setOptions() 함수를 통해 언제든지 수정할 수 있습니다.

map.setOptions({scrollwheel: true});

그 밖에 지도 드래그 이동, 더블 클릭 확대와 지도 위에 나타나는 컨트롤러 제거 등 옵션을 설정할 수 있습니다. 아래 샘플 지도 화면을 통해 구글 지도에서 어떤 옵션을 설정할 수 있는지 확인할 수 있습니다.

 

45º Image Map

구글맵 API에서는 다양한 유형의 지도를 제공하고 있습니다. 그 중 재밌게 볼 만한 특이한 지도로는 45º 이미지 지도가 있습니다. 지도 유형을 위성 지도로 설정하고 지도의 기울기를 45도로 지정해 나타낼 수 있는 지도로, 마치 위에서 내려다 보는 것과 같은 느낌을 줘서 사용자들의 흥미를 유발할 수 있는 재밌는 지도입니다.

function initMap() {
       const map = new google.maps.Map(
             document.getElementById("map"),
             {
                    center: { lat: 40.76, lng: -73.983 },
                    zoom: 15,
                    mapTypeId: "satellite",
              }
       );
       map.setTilt(45);
}

 

Map Localizing

구글맵 API는 지도의 언어와 리전을 선택하여 사용할 수 있습니다. 언어를 선택할 경우 지도 위에 나타나는 라벨의 언어가 변경되고, 리전을 선택할 경우 국가간 분쟁으로 인행 논란이 될 수 있는 지리 표기가 변경될 수 있습니다.

언어와 리전은 Google Maps JavaScript API 라이브러리를 사용할 때 아래와 같이 파라미터를 넣어 간단하게 변경할 수 있습니다.

https://maps.googleapis.com/maps/api/js?key=${API 키}&language=${언어 코드}&region=${리전 코드}&callback=initMap

리전은 ISO 3166-1 코드를 기준으로 입력하면 되고, 언어는 아래 링크에서 구글에서 지원하는 언어 코드를 입력해 사용하시면 됩니다.

https://developers.google.com/maps/faq#languagesupport

언어와 리전이 변경되었을 때 지도가 어떻게 변화하는지는 아래 샘플 지도로 확인할 수 있습니다.

 

Autocomplete

여행 서비스에서 장소 검색을 위한 자동완성은 빼놓을 수 없는 기능입니다. 구글맵 API에서는 간단한 코드로 자동완성 UI를 구현할 수 있도록 Autocomplete Widget 기능을 제공하고 있습니다.

해당 기능을 이용하기 위해서는 Places API 사용 설정을 한 후 Maps JavaScript API를 로드할 때 아래와 같이 라이브러리 파라미터에 “places”라는 값을 지정해야 합니다.

<script async defer src="https://maps.googleapis.com/maps/api/js?key=${API 키}&libraries=places&callback=initMap"> </script>

places 라이브러리 사용 설정을 다 하셨다면 아래 코드로 간단하게 자동완성 UI를 구현할 수 있습니다.

const options = {
       fields: ["formatted_address", "geometry", "name"],
       origin: map.getCenter(),
       strictBounds: false,
       types: ["establishment"],
};

const autocomplete = new google.maps.places.Autocomplete(document.getElementById(‘input’), options);

각 옵션에 대한 설명은 아래와 같습니다.

  • fields: 장소를 선택했을 때 가져올 장소 정보
  • origin: 장소까지의 거리를 계산하기 위한 시작점입니다.
  • strictBounds: 결과 값을 현재 뷰 포트로만 제한할지에 대한 옵션입니다

자동완성은 최대 5개까지 유사한 장소를 리스트에 나타내주고 해당 리스트에서 하나의 장소를 선택할 경우 ‘place_changed’ 이벤트가 발생합니다.

‘place_changed’ 이벤트를 통해 사용자가 리스트에서 장소를 하나 선택했을 경우 어떤 동작을 할 것인지에 대해 선택한 장소의 상세 정보를 Place Details로 가져와 기능을 구현할 수 있습니다.

const autocomplete = new google.maps.places.Autocomplete(input, options);

autocomplete.addListener("place_changed", () => {
       const place = autocomplete.getPlace(); // 선택된 장소의 상세 정보
});

Autocomplete Widget은 input element만 있으면 간단하게 구현 가능한 것으로 디자인을 어떻게 하느냐에 따라 아래와 같은 다양한 모양으로 장소 검색 창을 구현할 수 있습니다.

화살표를 클릭하면 좌우로 이미지가 이동합니다.

 

Autocomplete Widget을 사용할 경우 자동완성 세션이 생성되어 만일 사용자가 리스트에서 장소를 선택할 경우 Place Details이 사용되어 해당 자동 완성에 대한 요금은 0원이 되고 Place Details에 대한 요금만 부과됩ㄴ디ㅏ. 만일 사용자가 리스트에서 장소를 선택하지 않았을 경우에는 자동 완성에 대한 요금만 부과됩니다.

자동완성 세션에 대한 자세한 내용은 아래 구글맵 공식 문서를 참고 부탁드립니다.

https://developers.google.com/maps/documentation/places/web-service/autocomplete#session_tokens

 

아래는 Autocomplete Widget을 사용한 예제입니다.

Directions API

Directions API는 길찾기 정보를 제공하는 API입니다. 단순히 출발지와 목적지 사이의 길찾기 정보만 제공하는 것이 아니라 경유지 최적화, 이동 수단 선택, 교통 상황 반영 등 여러 옵션을 적용하여 경로를 검색할 수 있습니다. 아래는 각 옵션에서 제공하는 기능입니다.

1. 경유지

최대 25개의 경유지를 지정할 수 있으며, 최적화 옵션을 통해 경유지 입력 순서에 상관 없이 최적의 경로 정보를 제공받을 수 있습니다.

2. 이동 수단 선택

자동차, 도보, 자전거, 대중교통 4가지의 이동 수단을 선택할 수 있습니다. 선택된 이동 수단에 따른 최적 경로 정보가 제공됩니다. 대중교통의 경우 추가적으로 출발 시간 또는 도착 시간 정보를 입력하여 이동 예정 시각에 맞는 경로를 찾을 수 있습니다.

3. 교통 상황 반영

자동차 모드인 경우 출발 시간 정보를 입력하면 예정 시각의 교통 상황을 반영한 경로 정보가 제공됩니다.

 

위의 옵션은 Maps JavaScript API에서 DirectionsService 클래스를 통해 아래와 같이 설정할 수 있습니다.

directionsService.route(
       {
              origin: document.getElementById("start").value,
              destination: document.getElementById("end").value,
             waypoints: waypts,
             optimizeWaypoints: document.getElementById('opt').checked,
             travelMode: google.maps.TravelMode.DRIVING,
             drivingOptions: {
             departureTime: new Date(),
             trafficModel: 'pessimistic'
             },
       },
...

아래는 경유지를 선택하여 경로 검색 후 지도 위에 시각화하는 기능을 구현한 예제입니다.

Mobile APP Navigation

구글맵 API에서는 모바일 앱에서 Google지도 앱을 호출해 네비게이션 기능을 이용할 수 있도록 기능을 제공합니다.

이 기능은 Google지도 앱을 호출해서 사용하는 것으로 따로 API를 사용하는 것이 아니므로 비용이 청구되지 않아 무료로 사용할 수 있습니다. 또한 개발한 모바일 앱 내에서 네비게이션 기능이 제공되는 것이 아닌 별도 Google지도 앱을 호출해서 네비게이션 기능을 제공한다는 점에 유의해야 합니다.

 


SPH는 Maxar Technologies, Google Maps, SuperMap 등 다양한 케이스에 존재하는 다양한 제품군을 보유하고있는 고객의 사례에 꼭 맞는  무료 세미나 및 인적 컨설팅 을 제공하고 있습니다. 각 케이스에 더욱 자세한 이야기를 나누고 싶으 시다면,  여기 에서 문의 주시길 바라며, SPH에서 발행하는  GIS / 로케이션 인텔리전스 관련 최신 소식 을 받아보고 싶으신 분들은  페이스 북 페이지  또는  뉴스 레터 를 구독 해 주시길 바랍니다. 감사합니다.

전국에 신속하고 정확하게 물건배송하는 BungkusIT의 구글맵 활용기

BungkusIT : 전국에 신속하고 정확하게 패키지 배송

 

BungkusIT 정보

주문형 배송 서비스 BungkusIT는 말레이시아 전역의 백만 고객에게 1 시간 내에 패키지를 배송합니다. 방문 택배(문앞에서 문앞까지) 서비스 앱으로 만들어진 이 앱은 음식 배달 및 지역 비즈니스들과의 협력으로 확장되었습니다. 고객은 또한 자전거를 타는 분들이 간단한 심부름을 할 수 있도록 고정 요금을 지불하는 개인 도우미로도 사용합니다.

위치 : 말레이시아

BungkusIT는 Google Maps Platform을 사용하여 정확하게, 효율적인 비용으로, 60 분 이내에 말레이시아 어디에서나 고객의 심부름을 하고 소포를 배달합니다.

결과 :

  • 운전자가 지도 정확도로 더 먼 지역의 고객에게도 도달할 수 있도록 지원합니다.
  • Place Autocomplete는 검색 시간을 단축하여 사용자 경험을 개선합니다.
  • 정확한 가격 책정을 위해 출발지와 목적지 사이의 정확한 거리를 계산합니다.

라이더가 효율적으로 배송을 완료할 수 있도록 지원

실수로 집에 열쇠를 두고 온 적이 있습니까? 아니면 집에 중요한 문서를 두고 왔는데 목적지에 도착한 후에야 깨달았나요? 말레이시아 전역에서 거의 백만 명의 고객의 일상적인 작업을 돕기 위해 BungkusIT 서비스를 이용하는 순간이 바로 이러한 일이 발생했을 때입니다.

BungkusIT는 시간 내에 언제 어디서나 무엇이든 제공한다는 사명을 가지고 큰 일은 아니지만 시간이 많이 걸리는 작업을 완료하여 삶에서 더 중요한 다른 일에 집중할 수 있도록 도와줌으로써 사람들의 삶을 더 쉽게 만드는 것을 목표로합니다.

BungkusIT는 두 가지를 달성하기 위해 설립되었습니다. 첫 번째는 주문형 배송 서비스를 제공하는 것이고, 두 번째는 말레이시아의 저소득층에게 일자리를 제공하고 권한을 부여하고 지역 중소기업 (SME)을 보다 쉽게 ​​접근 할 수 있도록 지원하는 것입니다.

BungkusIT roadies (택배 직원을 지칭하는 용어)는 고객을 위한 러너 역할 외에도 쇼핑몰 및 독립적으로 운영되는 상점을 방문하여 특정 품목을 구매하고, 택배를 발송하기도 하고 길가 포장 마차에서 간식을 사서 고객의 문 앞까지 배달할 수도 있습니다. BungkusIT의 기술 책임자 인 Aliasgar Abbasbhai는 “많은 고객이 우리를 개인 도우미로 활용합니다.”라고 말합니다. “음식이나 택배에만 집중할 수있는 다른 회사와 달리 우리는 다양한 서비스를 제공하고 고객이 요구하는 특정 작업을 완료 할 수 있습니다.”

쿠알라 룸푸르에 본사를두고있는 이 회사는 현재 말레이시아에서 네 번째로 큰 배송 회사입니다. 2020 년 3월에는 모든 배송 요구 사항에 대한 기본 배송 회사가 됨으로써 소규모 상인과 협력하도록 서비스를 확장했습니다. “가입 절차는 정말 간단합니다. 기본적으로 가맹점은 웹 사이트에 로그인하여 적은 월별 비용으로 이 서비스에 가입합니다. 그런 다음 고객에게 배송 할 제품이 필요할 때마다 세부 정보를 입력하기 만하면 라이더에게 알림이 갑니다.”

정확하고 상세한 지도 플랫폼으로 시작

스타트업으로서 BungkusIT는 매우 간소한 팀을 운영합니다. 이것이 바로 최고의 기술을 처음부터 선택하는 것이 중요한 이유입니다. 이 회사는 Google Maps Platform을 지도 솔루션으로 사용하여 서비스를 시작했으며 뒤돌아 보지 않았습니다. Aliasgar는 “몇 가지 지도 플랫폼을 비교했지만 솔직히 작은 음식이나 식료품점 찾기와 같은 정확성과 세부 사항에있어 Google Maps Platform와 견줄 수 있는 다른 플랫폼은 없습니다.”라고 말합니다.

“저희는 몇 가지지도 플랫폼을 비교했지만 솔직히 작은 음식이나 식료품 점을 찾는 것과 같은 정확성과 세부 사항면에서 Google Maps Platform과 비교할만한 다른 플랫폼은 없습니다.”

– Aliasgar Abbasbhai , 기술 책임자, BungkusIT

직관적인 문서로 Google Maps Platform을 설정하는 것도 매우 쉬웠으며 팀은 장애물에 직면하지 않았습니다. “제공된 문서가 명확하고 간단했기 때문에 Google의 교육이 필요하지 않았습니다.”라고 그는 설명합니다. 이 팀은 현재 말레이시아 구글맵 프리미어 파트너사인 Searce와 협력하여 BungkusIT를 새롭게 업데이트하고 제품이 플랫폼에서 최적화되도록합니다. “백엔드에서 데이터를 보는 데 도움이되었고 거기서부터 API 호출을 최적화하여 비용을 약 15 % 절감했습니다.”

Places API를 사용한 정확하고 안정적인 서비스 가격

BungkusIT의 모든 서비스는 거리에 따라 요금이 부과됩니다. 이것이 바로 회사가 정확한 가격 책정을 위해 출발지와 목적지 사이의 정확한 거리를 계산하기 위해 모든 위치의 정확성이 중요한 이유입니다.

“고객이 전체 주소를 입력 할 필요가 없기 때문에 검색 프로세스가 훨씬 더 빨라 졌습니다. Place Autocomplete 덕분에 앱에서 더 나은 사용자 경험을 제공 할 수 있었습니다.”

– Aliasgar Abbasbhai , 기술 책임자, BungkusIT

 

BungkusIT는 일상적인 작업을 위해 Places API 에 크게 의존 하므로 라이더가 한 장소에서 다른 장소로 빠르고 효율적으로 이동할 수 있습니다. 고객이 앱에 로그인하면 라이더가 가야하는 장소의 위치를 ​​입력하여 검색을 수행하여 주문합니다. Place Autocomplete를 사용하면 장소 이름을 입력 할 때 자동으로 채워 지므로 고객이 원하는 업체나 위치를 쉽게 찾을 수 있으므로 장소 이름 전체를 정확하게 입력하는 것에 대해 걱정할 필요가 없습니다.

Aliasgar는 “고객이 전체 주소를 입력 할 필요가 없기 때문에 검색 프로세스가 훨씬 더 빨라 졌기 때문에 Place Autocomplete 덕분에 앱에서 더 나은 사용자 경험을 제공 할 수있었습니다.”라고 말합니다.

 

 

BungkusIT에 가입한 판매자는 Places API를 사용하여 앱에 제품과 매장 위치를 ​​표시 할 수 있으므로 고객이 음식과 같은 특정 제품이나 특별한 이벤트를 위한 꽃다발을 찾을 때 이를 발견 할 수 있습니다.

예를 들어 고객이 약국에서 약을 구입해야하는 경우 약국 이름을 입력하기만하면 Plae Autocomplete이 고객이 찾고있는 것과 일치하는 약국을 제안합니다. 그런 다음 고객은 물건을 구매하고자하는 약국을 확인하고 앱에서 생성된 가격에 동의합니다.

그리고 나서 근처의 roadie가 작업에 대한 알림을 받고 이를 수락하고 약국으로 가서 구매를 하고 고객에게 배달합니다. 고객은 앱에서 운전자의 여정을 추적 할 수 있으므로 운전자가 어디에 있는지, 물품이 배송되기까지 얼마나 기다려야하는지 알 수 있습니다.

정보를 잘 아는 라이더는 더 빠른 서비스를 가능하게 합니다.

BungkusIT 앱에는 두 가지 버전이 있습니다. 고객이 사용하는 버전과 라이더 사용 버전이 있습니다. 작업이 고객 앱에 할당 된 다음 라이더 앱은 라이더에게 관련 보류중인 작업에 대해 경고합니다. BungkusIT는 Google 지도와 독자적인 기술을 조합하여 각 라이더의 거리와 위치를 파악하므로 근처에 있는 가장 관련성이 높은 라이더만 작업에 대해 알림을받습니다.

Distance Matrix API 를 사용하여 원래 위치와 목적지 사이의 이동 거리를 계산하면 운전자가 배송시 더 나은 결정을 내릴 수 있습니다. 가장 시간과 비용 효율적인 방법으로 배송을 완료 할 수 있도록 최적의 경로를 선택하는 데 도움이됩니다.

“우리가 사업을 확장하더라도 항상 최고의 고객 서비스 경험을 통해 고객이 원하는 것을 적시에 얻을 수 있도록하는 것이 최우선 과제입니다. Google Maps Platform을 통해 비즈니스를 성장시킬 수있는 좋은 위치에 있다고 믿습니다.”

– Aliasgar Abbasbhai , 기술 책임자, BungkusIT

비즈니스 성장 및 배송 경험 개선

계속 확장됨에 따라 BungkusIT는 더 큰 글로벌 브랜드와의 파트너십 구축에 주력하고 있습니다. 이 회사는 이러한 대규모 고객을 충족시키기 위해 자동차 및 트럭을 포함하여 더 많은 운송 옵션에 투자했습니다. 또한 대부분의 요청이 이루어지는 시간 및 요청 유형과 같은 고객 요구를 더 잘 이해하기 위해 인공 지능 및 머신러닝의 잠재력을 탐색 할 계획입니다. Aliasgar는 “우리가 아무리 큰 규모로 성장하더라도 항상 고객이 원하는 것을 제 시간에 최고의 고객 서비스 경험으로 얻을 수 있도록하는 것이 우선 순위가 될 것입니다.”라고 말합니다. ” 또한 Google Maps Platform을 통해 사업을 성장 시키세요.”

 

 

SPH는 Maxar Technologies, Google Maps, SuperMap 등 다양한 케이스에 적용될 수 있는 다채로운 제품군을 보유하고 있으며 고객의 사례에 꼭 맞는 무료 세미나 및 개별 컨설팅을 제공하고 있습니다. 각 케이스에 맞춰 더욱 자세한 이야기를 나누고 싶으시다면 여기에서 문의 주시길 바라며, SPH에서 발행하는 GIS/로케이션 인텔리전스 관련 최신 소식을 받아보고 싶으신 분들은 페이스북 페이지 또는 뉴스레터를 구독해 주시길 바랍니다. 감사합니다.

 

Maxar ARD 소개 (분석 가능한 데이터)