Loading the company…
Loading the company…
㈜바이슈코
English name as filed with DART, Korea’s corporate disclosure system · Correct the English name ›
Last updated 2026-10-09 · Korean page ›
Verification level — how far we have checked
L0 · Public records — NPS workforce · filed financials · patents — public data
A company based in Seoul, founded in 2020. Industry: Wholesale & Retail. Group consolidated revenue for 2025 was ₩10.1bn — this includes subsidiaries and is not the revenue of this entity alone. It has 8 employees enrolled in the National Pension Service (as of Aug 2026). It is externally audited; the latest audit opinion is “Unqualified”.
Loading…
Latest filing 2024-06-11 · latest registration 2025-02-11 · newest first
실시예들은 뉴럴 네트워크(neural network)를 이용하여 서버가 거래처 제품 리스트를 표준화하는 방법 및 장치를 제공한다. 일 실시예에 따른 상기 방법은, 사용자 단말로부터 상기 거래처 제품 리스트를 수신하고, 상기 거래처 제품 리스트는 복수의 제품에 대한 다국어 브랜드명, 상기 복수의 제품에 대한 다국어 상품명 및 상기 복수의 제품에 대한 거래 정보를 포함하고, 상기 다국어 브랜드명은 해당 제품의 브랜드 항목에 기재된 명칭이고, 상기 다국어 상품명은 해당 제품의 상품 항목에 기재된 명칭이고, 상기 다국어 브랜드명 및 상기 다국어 상품명을 언어의 종류별로 분류하고, 상기 복수의 제품 각각에 대한 다국어 브랜드명 및 상기 다국어 브랜드명에 사용된 언어의 종류를 기반으로 제1 뉴럴 네트워크를 이용하는 브랜드 정합 모델을 통해 상기 복수의 제품 각각에 대한 표준 브랜드명을 결정하고, 상기 복수의 제품 각각에 대한 다국어 상품명 및 상기 다국어 상품명에 사용된 언어의 종류를 기반으로 제2 뉴럴 네트워크를 이용하는 상품 정합 모델을 통해 상기 복수의 제품 각각에 대한 표준 상품명을 결정하고, 상기 거래처 제품 리스트에 포함된 상기 복수의 제품 각각에 대한 다국어 브랜드명 및 다국어 상품명을 상기 표준 브랜드명 및 상기 표준 상품명으로 표준화하고, 표준화된 거래처 제품 리스트를 상기 사용자 단말에게 전...(이하생략)
실시예들은 뉴럴 네트워크를 이용하여 거래처 제품 리스트에 기반한 협상 정보를 사용자 단말에게 제공하는 방법 및 장치를 제공한다. 일 실시예에 따른 상기 방법은, 상기 사용자 단말로부터 상기 거래처 제품 리스트를 포함하는 협상 정보 요청 메시지를 수신하고, 상기 거래처 제품 리스트는, 복수의 제품에 대한, 다국어 브랜드명, 다국어 상품명, 거래처에 대한 국가 코드, 현재 재고량, 상기 거래처에 대한 거래 가격 및 소비자 판매 가격을 포함하고, 상기 복수의 제품에 대한 판매 이력 정보, 구매 이력 정보 및 재고 이력 정보를 획득하고, 상기 복수의 제품에 대한 현재 재고량, 판매 이력 정보, 구매 이력 정보 및 재고 이력 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 LSTM(long short-term memory) 모델을 통해 상기 복수의 제품 각각에 대한 주문 개수의 범위 정보를 결정하고, 상기 복수의 제품에 대한 다국어 브랜드명 및 다국어 상품명을 기반으로 복수의 제1 웹 페이지에서 웹 크롤링을 수행하여 키워드 정보를 수집하고, 상기 거래처의 국가 코드를 기반으로 복수의 제2 웹 페이지에서 웹 크롤링을 통해 사전 설정된 기간에 대한 국가별 경제 데이터를 수집하고, 상기 복수의 제품 각각에 대한 주문 개수의 범위 정보, 상기 복수의 제품에 대한 구매 이력 정보, 상기 키워드 정보 및 사전 설정된 기...(이하생략)
실시예들은 뉴럴 네트워크를 이용하여 거래처 제품 리스트를 기반으로 사용자 단말에게 품절 예상일을 제공하는 방법 및 장치를 제공한다. 일 실시예에 따른 상기 방법은, 상기 사용자 단말로부터 상기 거래처 제품 리스트를 포함하는 재고 관리 요청 메시지를 수신하고, 상기 거래처 제품 리스트는, 복수의 제품에 대한, 다국어 브랜드명, 다국어 상품명, 구매 이력 정보, 재고 이력 정보, 프로모션 정보 및 거래처에 대한 국가 코드를 포함하고, 상기 복수의 제품에 대한 구매 이력 정보 및 재고 이력 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 판매 속도 결정 모델을 통해 상기 복수의 제품 각각의 기본 판매 속도를 결정하고, 상기 복수의 제품에 대한 다국어 브랜드명 및 다국어 상품명을 기반으로 복수의 제1 웹 페이지에서 웹 크롤링을 수행하여 키워드 정보를 수집하고, 상기 거래처의 국가 코드를 기반으로 복수의 제2 웹 페이지에서 웹 크롤링을 통해 사전 설정된 기간에 대한 경제 데이터를 수집하고, 상기 복수의 제품에 대한 상기 프로모션 정보, 상기 기본 판매 속도, 상기 키워드 정보 및 상기 사전 설정된 기간에 대한 경제 데이터를 기반으로 제2 뉴럴 네트워크를 이용하는 적정 재고 결정 모델을 통해 상기 복수의 제품 각각의 적정 재고량을 결정하고, 상기 복수의 제품 중에서 현재 재고량이 적정 재고량보다 작은 제품을 품...(이하생략)
실시예들은 뉴럴 네트워크(neural network)를 이용하여 프로모션 정보를 사용자 단말에게 방법 및 장치를 제공한다. 일 실시예에 따른 상기 방법은, 상기 사용자 단말이 웹 사이트에 접속한 것에 기반하여 상기 사용자 단말에게 복수의 판매 상품에 대한 정보를 전송하고, 상기 사용자 단말과 관련된 정보 및 상기 웹 사이트와 관련된 정보를 획득하고, 상기 사용자 단말과 관련된 정보는 상기 사용자 단말의 기본 정보 및 상기 사용자 단말의 온라인 활동 이력에 대한 정보를 포함하고, 상기 웹 사이트와 관련된 정보는 상기 웹 사이트에 대한 매출 정보 및 상기 웹 사이트에 대한 프로모션 설정 정보를 포함하고, 상기 복수의 판매 상품 중에서 적어도 하나의 판매 상품이 구매 예정 상품으로 상기 사용자 단말에 의해 선택되고, 구매 예정 정보를 상기 사용자 단말로부터 수신하고, 상기 구매 예정 정보는, 상기 적어도 하나의 구매 예정 상품 각각에 대한, HS 코드(harmonized system code), 식별 코드, 주문 개수, 희망 수령 날짜 및 희망 수령지를 포함하고, 상기 구매 예정 정보, 상기 사용자 단말과 관련된 정보 및 상기 웹 사이트와 관련된 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 프로모션 제안 모델을 통해 프로모션 정보를 결정하고, 상기 프로모션 정보를 상기 사용자 단말에게 전송하는 단계를 ...(이하생략)
실시예들은 인공지능을 통해 상품에 대한 재고량을 예측하는 방법 및 장치를 제공한다. 일 실시예에 따른 상기 방법은, 상기 사용자 단말로부터 상품의 예측 재고량을 요청하는 예측 요청 메시지를 수신하고, 상기 예측 요청 메시지는 상품 관리 코드를 포함하고, 상기 상품 관리 코드에 기반하여 상품에 대한 기본 정보 및 상품에 대한 관리 정보를 획득하고, 상기 상품에 대한 기본 정보는 상품명, 브랜드명 및 발송지에 대한 정보를 포함하고, 상기 상품에 대한 관리 정보는 상품의 판매량에 대한 정보, 상품의 파손량에 대한 정보, 상품의 환불량에 대한 정보 및 상품의 재고량에 대한 정보를 포함하고, 상기 상품에 대한 관리 정보 및 상기 발송지에 대한 정보를 기반으로 제1 LSTM(long short-term memory) 모델을 통해 사전 설정된 기간에 대한 상품의 일별 재고량을 결정하고, SNS(social networking service)와 관련된 복수의 웹 페이지 및 검색 포털과 관련된 복수의 웹 페이지를 기반으로 키워드 정보를 획득하고, 상기 키워드 정보는 상기 상품명과 관련된 제1 키워드 정보, 상기 브랜드명과 관련된 제2 키워드 정보 및 상기 발송지와 관련된 제3 키워드 정보를 포함하고, 상기 상품의 재고량에 대한 정보 및 상기 키워드 정보를 기반으로 제2 LSTM 모델을 통해 상기 사전 설정된 기간에...(이하생략)
실시예들은 뉴럴 네트워크(neural network)를 이용하여 서버가 검색 키워드를 기반으로 상품 정보를 사용자 단말에게 제공하는 방법 및 장치를 제공한다. 일 실시예에 따른 상기 방법은, 상기 사용자 단말이 제1 웹 페이지에 접속한 후 상기 사용자 단말로부터 검색 키워드를 수신하고, 복수의 키워드 그룹 중에서 상기 검색 키워드가 포함된 키워드 그룹을 선택하고, 상기 키워드 그룹에 매칭된 상품의 디자인 종류가 둘 이상인 것에 기반하여 상기 상품의 디자인별 상품 정보와 상기 상품의 디자인별 이미지를 사용자 단말에게 전송하고, 상기 사용자 단말이 제1 웹 페이지에 접속한 것에 기반하여 상기 사용자 단말의 기본 정보 및 상기 사용자 단말의 온라인 활동 이력에 대한 정보가 획득되고, 상기 사용자 단말의 온라인 활동 이력에 대한 정보를 기반으로 상기 사용자 단말의 선호 정보가 결정되고, 상기 사용자 단말이 상기 제1 웹 페이지에 접속한 시점으로부터 사전 설정된 소요 시간이 경과된 이후, 상기 사용자 단말에 대한 유인 정보를 포함하는 유인 메시지를 상기 사용자 단말에게 전송하고, 상기 사용자 단말이 상기 유인 메시지와 연동된 제2 웹 페이지에 접속을 요청한 것에 기반하여, 상기 사용자 단말에게 상기 제2 웹 페이지에 대한 정보를 전송하는 단계를 포함할 수 있다. 이때, 상기 제2 웹 페이지는 상기 사용자 단...(이하생략)
실시예들은 뉴럴 네트워크(neural network)를 이용하여 배송 방식에 대한 추천 정보를 사용자 단말에게 제공하는 방법 및 장치를 제공한다. 일 실시예에 따른 상기 방법은, 상기 사용자 단말이 웹 페이지에 접속한 것에 기반하여 상기 사용자 단말에게 복수의 판매 상품에 대한 정보를 전송하고, 구매 예정 정보를 상기 사용자 단말로부터 수신하고, 상기 구매 예정 정보는, 상기 둘 이상의 판매 상품 각각에 대한, HS 코드(harmonized system code), 식별 코드, 주문 개수, 희망 수령 날짜 및 희망 수령지를 포함하고, 상기 복수의 판매 상품 중에서 둘 이상의 판매 상품이 구매 예정 상품으로 상기 사용자 단말에 의해 선택된 것에 기반하여, 상기 구매 예정 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 배송 예측 모델을 통해 배송 방식에 대한 추천 정보를 결정하고, 상기 배송 방식에 대한 추천 정보는, 복수의 배송 방식 각각에 대한, 제1 정보 및 제2 정보를 포함하고, 상기 제1 정보는, 상기 둘 이상의 판매 상품 각각에 대한, 구매 처리 날짜, 배송 유형, 예상 수령 날짜 및 파손 가능 확률을 포함하고, 상기 제2 정보는 추천 점수 및 총 부가 비용을 포함하고, 상기 배송 방식에 대한 추천 정보를 상기 사용자 단말에게 전송하고, 배송 방식에 대한 정보를 상기 사용자 단말로부터 수신하...(이하생략)
실시예들은 뉴럴 네트워크(neural network)를 이용하여 적어도 하나의 면세 상품에 대한 정보를 사용자 단말에게 방법 및 장치를 제공한다. 일 실시예에 따른 상기 방법은, 상기 사용자 단말이 웹 페이지에 접속한 것에 기반하여 상기 사용자 단말에게 복수의 판매 상품에 대한 정보를 전송하고, 상기 복수의 판매 상품 중에서 적어도 하나의 판매 상품이 구매 예정 상품으로 상기 사용자 단말에 의해 선택되고, 구매 예정 정보를 상기 사용자 단말로부터 수신하고, 상기 구매 예정 정보는, 상기 적어도 하나의 구매 예정 상품 각각에 대한, HS 코드(harmonized system code), 식별 코드, 주문 개수, 희망 수령 날짜 및 희망 수령지를 포함하고, 상기 구매 예정 정보를 수신한 것에 기반하여 사용자 단말의 기본 정보 및 사용자 단말의 온라인 활동 이력에 대한 정보가 획득되고, 상기 구매 예정 정보를 기반으로 상기 적어도 하나의 구매 예정 상품에 대한 과세표준 가격을 결정하고, 상기 적어도 하나의 구매 예정 상품에 대한 과세표준 가격이 임계 가격 미만인 것에 기반하여, 상기 사용자 단말의 기본 정보, 상기 사용자 단말의 선호 정보 및 상기 구매 예정 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 면세 상품 매칭 모델을 통해 적어도 하나의 면세 상품을 결정하고, 상기 적어도 하나의 면세 상품에 대...(이하생략)
실시예들은 뉴럴 네트워크를 이용하여 추천 상품과 함께 적어도 하나의 매칭 상품에 대한 정보를 사용자 단말에게 제공하는 방법 및 장치를 제공한다. 일 실시예에 따른 상기 방법은, 상기 사용자 단말이 제1 웹 페이지에 접속한 것에 기반하여 상기 사용자 단말의 기본 정보 및 상기 사용자 단말의 온라인 활동 이력에 대한 정보를 획득하고, 상기 사용자 단말의 온라인 활동 이력에 대한 정보를 기반으로 상기 사용자 단말의 선호 정보를 결정하고, 상기 사용자 단말이 상기 제1 웹 페이지에 접속한 시점으로부터 사전 설정된 소요 시간이 경과된 이후, 상기 사용자 단말에 대한 유인 정보를 포함하는 유인 메시지를 상기 사용자 단말에게 전송하고, 상기 유인 메시지는 상기 사용자 단말이 체류 중인 웹 페이지의 사전 설정된 위치에 표시되고, 상기 사용자 단말이 상기 유인 메시지와 연동된 제2 웹 페이지에 접속을 요청한 것에 기반하여, 상기 사용자 단말에게 상기 제2 웹 페이지에 대한 정보를 전송하고, 상기 제2 웹 페이지는 상기 사용자 단말에 대한 추천 상품 정보를 포함하고, 상기 사용자 단말이 상기 제2 웹 페이지에 포함된 추천 상품의 상품 페이지를 조회하는 것에 기반하여, 적어도 하나의 매칭 상품에 대한 정보를 상기 사용자 단말에게 전송하는 단계를 포함할 수 있다. 예를 들어, 상기 사용자 단말에 대한 추천 상품은 상기 ...(이하생략)
실시예들은 뉴럴 네트워크를 이용하여 맞춤형 웹 페이지를 사용자 단말에게 제공하는 방법 및 장치를 제공한다. 일 실시예에 따른 상기 방법은, 상기 사용자 단말의 기본 정보 및 상기 사용자 단말의 온라인 활동 이력에 대한 정보를 획득하고, 상기 온라인 활동 이력에 대한 정보를 기반으로 상기 사용자 단말의 선호 정보를 결정하고, 상기 사용자 단말의 선호 정보를 기반으로 상기 사용자 단말에 대한 추천 상품을 결정하고, 상기 사용자 단말의 기본 정보, 상기 사용자 단말의 선호 정보 및 상기 사용자 단말에 대한 추천 상품을 기반으로 상기 사용자 단말에 대한 유인 정보를 생성하고, 상기 사용자 단말에 대한 유인 정보를 포함하는 유인 메시지를 상기 사용자 단말에게 전송하고, 상기 유인 메시지와 연동된 URL(uniform resource locator)에 대해 접속을 요청하는 접속 요청 메시지를 상기 사용자 단말로부터 수신하고, 상기 접속 요청 메시지에 기반하여 상기 사용자 단말에게 상기 사용자 단말에 대한 추천 상품 정보를 포함하는 맞춤형 웹 페이지에 대한 정보를 전송하는 단계를 포함할 수 있다. 예를 들어, 상기 사용자 단말의 기본 정보 및 상기 사용자 단말의 선호 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 웹 페이지 생성 모델을 통해 웹 페이지에 대한 복수의 후보 템플릿이 결정될 수 있다. 예를 들어, ...(이하생략)
KIPO KIPRIS · checked 2026-10-15 · newest filings first · right: registration date (filing date if not yet registered) · 10 of 10 · titles and abstracts are in Korean as filed · click a row for details ▾
For now we hold public records only (National Pension Service · DART filings · patents · registers · press). When the company files material in our IR Room, it moves to L1. We do not score or rate companies — we only state how far we have checked.
| KRW bn | 2024 | 2025 |
|---|---|---|
| Revenue | 10.1 | 10.1 |
| Cost of sales | 9.2 | 8.6 |
| Gross profit (loss) | 0.9 | 1.4 |
| Selling, general and administrative expenses | 4.9 | 3.0 |
| Operating income (loss) | (3.9) | (1.5) |
| Non-operating income | 1.1 | 0.2 |
| Finance income | 0.0 | 0.0 |
| Other | 1.1 | 0.2 |
| Non-operating expenses | 0.7 | 0.9 |
| Finance costs | 0.4 | 0.3 |
| Other | 0.2 | 0.6 |
| Profit (loss) before tax | (4.0) | (2.6) |
| Net income (loss) | (4.0) | (2.6) |
Revenue ₩10.1bn, down 0.1% YoY.
Operating margin -15.3% (prior -39.2%).
Net income ₩-2.6bn.
Need more than is shown here? Ask for more information — full review report · valuation · executive teaser · IM · competitor analysis · due diligence. Tell us what you need and we will reply by email with scope, cost and timing.
Is this your company?
If anything here is wrong, tell us — we check it against the original and correct it. You do not need to join. If you would like your financials verified and this page completed, that is a separate process.
Headlines and links to public articles only · not checked by us (original ↗) · articles are in Korean — English headlines are our translation; where none is shown, “Read in English ›” opens a machine translation · “Broker view” is a forecast, not reported results · checked 2026-11-07