KR102567823B1 - Youtube upload time analysis system - Google Patents
Youtube upload time analysis system Download PDFInfo
- Publication number
- KR102567823B1 KR102567823B1 KR1020230019417A KR20230019417A KR102567823B1 KR 102567823 B1 KR102567823 B1 KR 102567823B1 KR 1020230019417 A KR1020230019417 A KR 1020230019417A KR 20230019417 A KR20230019417 A KR 20230019417A KR 102567823 B1 KR102567823 B1 KR 102567823B1
- Authority
- KR
- South Korea
- Prior art keywords
- youtube
- video
- unit
- time
- content
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004519 manufacturing process Methods 0.000 claims description 19
- 238000003745 diagnosis Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000010191 image analysis Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/27—Server based end-user applications
- H04N21/274—Storing end-user multimedia data in response to end-user request, e.g. network recorder
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
- H04N21/2407—Monitoring of transmitted content, e.g. distribution time, number of downloads
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25808—Management of client data
- H04N21/25841—Management of client data involving the geographical location of the client
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
- H04N21/25891—Management of end-user data being end-user preferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
- H04N21/26208—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
- H04N21/2662—Controlling the complexity of the video stream, e.g. by scaling the resolution or bitrate of the video stream based on the client capabilities
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Information Transfer Between Computers (AREA)
Abstract
본 발명은 유튜브 업로드시점 분석시스템에 관한 것으로, 더욱 상세하게는, 유튜브 영상에 대한 맞춤형 업로드시점을 제공하여, 단기간에 영상 조회수를 증가시킬 수 있게 지원하는 유튜브 업로드시점 분석시스템에 관한 것이다. 이를 위해, 유튜브 업로드시점 분석시스템은 크리에이터 단말로부터 영상분석 서비스를 통해 유튜브영상에 대한 콘텐츠정보를 입력받는 입력부, 상기 유튜브영상이 등록되는 크리에이터의 해당 채널로부터 페이지 전환되는 유튜브 스튜디오 페이지를 캡쳐링하여 시청자분석 데이터를 추출하는 데이터처리부, 상기 시청자분석 데이터에 기초하여, 시청골든 시간구간을 결정하는 결정부, 상기 콘텐츠정보에 기초하여, 상기 크리에이터의 해당 채널에 등록된 후보콘텐츠들 중 적어도 하나의 관심콘텐츠를 필터링하여 각 업로드시점을 확인하는 필터링부 및 상기 각 업로드시점과 상기 시청골든 시간구간 간의 시간차정보에 따라 확인되는 시간단위당 영상조회수에 기초하여, 상기 유튜브영상에 대한 맞춤형 업로드시점을 도출하는 통합서비스부를 포함한다. The present invention relates to a YouTube upload timing analysis system, and more particularly, to a YouTube upload timing analysis system that provides a customized upload timing for a YouTube video and supports an increase in the number of video views in a short period of time. To this end, the YouTube upload time analysis system captures the input unit that receives content information about YouTube videos through the video analysis service from the creator terminal, and the YouTube studio page that is converted from the corresponding channel of the creator where the YouTube video is registered to the viewer. A data processing unit for extracting analysis data, a determination unit for determining a viewing golden time interval based on the viewer analysis data, and at least one content of interest among candidate contents registered to the corresponding channel of the creator based on the content information. An integrated service that derives a customized upload time for the YouTube video based on the number of video views per unit of time checked according to the time difference information between each upload time and the viewing golden time section. includes wealth
Description
본 발명은 유튜브 업로드시점 분석시스템에 관한 것으로, 더욱 상세하게는, 단기간에 영상 조회수를 증가시킬 수 있도록 유튜브 영상에 대한 맞춤형 업로드시점을 제공할 수 있는 유튜브 업로드시점 분석시스템에 관한 것이다. The present invention relates to a YouTube upload timing analysis system, and more particularly, to a YouTube upload timing analysis system capable of providing a customized upload timing for a YouTube video so as to increase the number of video views in a short period of time.
최근, 인터넷이나 모바일 서비스 등을 통하여 동영상 콘텐츠를 다수의 사용자가 즐길 수 있는 유튜브와 같은 UCC 서비스가 제공되고 있다. Recently, a UCC service such as YouTube has been provided through which a plurality of users can enjoy video contents through the Internet or a mobile service.
이러한 유튜브 채널을 통해 수많은 동영상이 제작되고 발행되며 공유되고 있다. 유튜브 채널의 구독자가 늘어날수록 동영상을 제작하는 사람에게 수익이 발생하기 때문에 많은 크리에이터들이 유튜브 채널에서 활동한다. Numerous videos are produced, published, and shared through these YouTube channels. Many creators are active on the YouTube channel because the more subscribers to the YouTube channel, the more money the person making the video.
그러나, 유튜브 네트워크에서 만족할 만한 수익을 얻기 위해서는 많은 수의 콘텐츠를 유튜브에 업로드해야 하는 동시에, 특정 시간 구간에 몰리는 다른 사용자들의 감상을 빠르게 유도할 수 있도록 적절한 업로드시점에 업로드할 필요가 있다. However, in order to obtain satisfactory revenue from the YouTube network, a large number of contents must be uploaded to YouTube, and at the same time, it is necessary to upload at an appropriate upload time so that other users who are concentrated in a specific time period can quickly induce appreciation.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명의 목적은 단기간에 영상 조회수를 증가시킬 수 있도록 유튜브 영상에 대한 맞춤형 업로드시점을 제공할 수 있는 유튜브 콘텐츠 제작시스템을 제공하기 위한 것이다. The present invention is to solve the above problems, and an object of the present invention is to provide a YouTube content production system capable of providing a customized upload time point for YouTube videos to increase the number of video views in a short period of time.
본 발명의 상기 및 다른 목적과 이점은 바람직한 실시예를 설명한 하기의 설명으로부터 분명해질 것이다.The above and other objects and advantages of the present invention will become apparent from the following description of preferred embodiments.
상기와 같은 목적을 달성하기 위한 본 발명의 일실시예에 따른 유튜브 업로드시점 분석시스템은 크리에이터 단말로부터 영상분석 서비스를 통해 유튜브영상에 대한 콘텐츠정보를 입력받는 입력부, 상기 유튜브영상이 등록되는 크리에이터의 해당 채널로부터 페이지 전환되는 유튜브 스튜디오 페이지를 캡쳐링하여 시청자분석 데이터를 추출하는 데이터처리부, 상기 시청자분석 데이터에 기초하여, 시청골든 시간구간을 결정하는 결정부, 상기 콘텐츠정보에 기초하여, 상기 크리에이터의 해당 채널에 등록된 후보콘텐츠들 중 적어도 하나의 관심콘텐츠를 필터링하여 각 업로드시점을 확인하는 필터링부 및 상기 각 업로드시점과 상기 시청골든 시간구간 간의 시간차정보에 따라 확인되는 시간단위당 영상조회수에 기초하여, 상기 유튜브영상에 대한 맞춤형 업로드시점을 도출하는 통합서비스부를 포함한다. YouTube upload time analysis system according to an embodiment of the present invention for achieving the above object is an input unit for receiving content information about a YouTube video through a video analysis service from a creator terminal, and a corresponding creator of the YouTube video is registered. A data processing unit that extracts viewer analysis data by capturing a YouTube studio page that is converted from a channel to a page, a decision unit that determines a viewing golden time interval based on the viewer analysis data, and a corresponding creator's corresponding content information based on the content information. Based on the number of video views per time unit checked according to the filtering unit for checking each upload time by filtering at least one content of interest among the candidate contents registered in the channel, and the time difference information between each upload time and the viewing golden time interval, An integrated service unit for deriving a customized upload time point for the YouTube video is included.
실시예에 있어서, 상기 콘텐츠정보는 상기 유튜브영상을 시청하는 타겟연령정보, 타겟성별정보 및 콘텐츠 카테고리 정보를 포함하고, 상기 시청자분석 데이터는 상기 크리에이터의 해당 채널에 대한 총 시청조회수, 구독자수, 구독자별 평균 시청조회수, 시간 및 요일별 시청 그래프, 시청조회 국가 리스트를 포함한다. In an embodiment, the content information includes target age information, target gender information, and content category information for viewing the YouTube video, and the viewer analysis data includes the total number of views, number of subscribers, and subscribers for the corresponding channel of the creator. It includes the average number of views by star, a graph of views by time and day, and a list of countries with views.
실시예에 있어서, 상기 결정부는 상기 시간 및 요일별 시청 그래프로부터 특정색상의 픽셀 밀도가 적어도 2회 이상 검출되는 시간구간을 누적하여, 상기 시청골든 시간구간을 결정한다. In an embodiment, the determination unit determines the viewing golden time interval by accumulating time intervals in which the pixel density of a specific color is detected at least twice or more from the viewing graph for each time and day.
실시예에 있어서, 상기 통합서비스부는 크리에이터의 해당 채널에 등록된 각 콘텐츠를 재생함에 따라 일정시간마다 검출되는 학습프레임들을 콘텐츠별로 분류하여 수집하는 프레임수집부, 상기 크리에이터 단말로부터 콘텐츠별로 제작난이도 등급을 입력받아 각 학습프레임에 라벨링하는 라벨링부, 상기 각 학습프레임과 해당 제작난이도 등급을 머신러닝을 통해 학습함에 따라 인공지능 기반의 난이도진단 알고리즘을 모델링하는 학습부 및 상기 크리에이터 단말에 요청함에 따라 응답받는 상기 유튜브영상의 특정프레임을 상기 난이도진단 알고리즘에 적용함에 따라 도출되는 출력평균값에 기초하여, 상기 유튜브영상에 대한 제작난이도 등급을 진단하는 진단관리부를 포함한다. In an embodiment, the integrated service unit classifies and collects learning frames detected at regular intervals by content as each content registered to the corresponding channel of the creator is reproduced, and a production difficulty level is assigned to each content from the creator terminal. A labeling unit that receives input and labels each learning frame, a learning unit that models an artificial intelligence-based difficulty diagnosis algorithm as each learning frame and the corresponding production difficulty level are learned through machine learning, and a response received upon request from the creator terminal and a diagnosis management unit for diagnosing a production difficulty level of the YouTube video based on an average output value derived by applying a specific frame of the YouTube video to the difficulty diagnosis algorithm.
실시예에 있어서, 상기 진단관리부는 상기 유튜브영상에 대한 제작난이도 등급에 따라 기설정된 제작주기에 기초하여, 해당 콘텐츠정보에 대한 다음 영상 업로드주기를 스케줄링하여 상기 크리에이터 단말에 서비스한다. In an embodiment, the diagnosis management unit schedules a next video upload cycle for corresponding content information based on a predetermined production cycle according to a production difficulty level for the YouTube video, and provides the service to the creator terminal.
실시예에 있어서, 상기 데이터처리부는 상기 특정프레임에 대한 객체분석 기술을 이용하여, 대상객체를 검출하는 객체검출부, 상기 대상객체를 검색사이트를 통해 이미지 검색함에 따라 일정수 이상 노출되는 키워드를 관심키워드로 설정하는 키워드설정부 및 상기 관심키워드를 키워드 분석 사이트를 통해 조회함에 따라 검색된 일정기간의 검색빈도수에 기초하여, 상기 특정프레임에 대한 교체대상 여부를 판단하는 프레임판단부를 포함한다. In an embodiment, the data processing unit uses an object analysis technology for the specific frame, an object detection unit that detects a target object, and keywords exposed a certain number or more as an image is searched for the target object through a search site are keywords of interest. and a frame determination unit that determines whether the specific frame is subject to replacement based on the search frequency for a certain period of time, which is searched for as the keyword of interest is searched through a keyword analysis site.
실시예에 있어서, 상기 필터링부는 상기 적어도 하나의 관심콘텐츠를 녹화함에 따라 콘텐츠별 영상정보를 확인하는 정보확인부, 상기 유튜브 영상을 콘텐츠별 영상정보에 따라 컨버팅할 수 있도록 영상컨버팅 툴서비스를 상기 크리에이터 단말에 제공하는 컨버팅툴제공부 및 상기 영상컨버팅 툴서비스를 통해 업로드되는 상기 유튜브 영상을 기설정된 편집 템플릿과 기설정된 영상정보에 따라 자동으로 보정 및 컨버팅하는 자동보정부를 포함하고, 상기 콘텐츠별 영상정보는 영상 포맷, 코덱, 프레임레이트, 영상 사이즈, 영상재생시간, 색공간 및 화면비를 포함한다. In an embodiment, the filtering unit provides an information checking unit for checking video information for each content as the at least one content of interest is recorded, and a video converting tool service to convert the YouTube video according to the video information for each content. A converting tool provision unit provided to a terminal and an automatic correction unit that automatically corrects and converts the YouTube video uploaded through the video converting tool service according to a preset editing template and preset image information, wherein the image information for each content is It includes video format, codec, frame rate, video size, video playback time, color space and aspect ratio.
실시예에 있어서, 상기 자동보정부는 상기 유튜브 영상을 재생출력함에 따라 녹음된 제1 음성데이터를 기준으로, 상기 유튜브 영상으로부터 추출되는 제2 음성데이터의 프레임 싱크를 조절한다. In an embodiment, the automatic correction unit adjusts the frame sync of the second audio data extracted from the YouTube video based on the first audio data recorded as the YouTube video is reproduced and output.
본 발명의 실시예에 따르면, 단기간에 영상 조회수를 증가시킬 수 있도록 유튜브 영상에 대한 맞춤형 업로드시점을 제공할 수 있다. According to an embodiment of the present invention, a customized upload timing for a YouTube video can be provided so that the number of video views can be increased in a short period of time.
도 1은 본 발명의 실시예에 따른 유튜브 업로드시점 분석시스템(100)을 개략적으로 나타내는 도이다.
도 2a 내지 도 2h는 도 1의 시청자분석 데이터를 나타내는 실시예들이다.
도 3은 도 1의 통합서비스부(150)에 대한 실시예를 나타내는 블록도이다.
도 4는 도 1의 데이터처리부(120)에 대한 실시예를 나타내는 블록도이다.
도 5는 도 1의 필터링부(140)에 대한 실시예를 나타내는 블록도이다.1 is a diagram schematically showing a YouTube upload time analysis system 100 according to an embodiment of the present invention.
2a to 2h are embodiments illustrating viewer analysis data of FIG. 1 .
FIG. 3 is a block diagram illustrating an embodiment of the integrated service unit 150 of FIG. 1 .
FIG. 4 is a block diagram illustrating an embodiment of the data processing unit 120 of FIG. 1 .
FIG. 5 is a block diagram illustrating an embodiment of the filtering unit 140 of FIG. 1 .
이하, 본 발명의 실시예와 도면을 참조하여 본 발명을 상세히 설명한다. 이들 실시예는 오로지 본 발명을 보다 구체적으로 설명하기 위해 예시적으로 제시한 것일 뿐, 본 발명의 범위가 이들 실시예에 의해 제한되지 않는다는 것은 당업계에서 통상의 지식을 가지는 자에 있어서 자명할 것이다.Hereinafter, the present invention will be described in detail with reference to embodiments and drawings of the present invention. These examples are only presented as examples to explain the present invention in more detail, and it will be apparent to those skilled in the art that the scope of the present invention is not limited by these examples. .
또한, 달리 정의하지 않는 한, 본 명세서에서 사용되는 모든 기술적 및 과학적 용어는 본 발명이 속하는 기술 분야의 숙련자에 의해 통상적으로 이해되는 바와 동일한 의미를 가지며, 상충되는 경우에는, 정의를 포함하는 본 명세서의 기재가 우선할 것이다.In addition, unless defined otherwise, all technical and scientific terms used herein have the same meaning as commonly understood by one of skill in the art to which this invention belongs, and in case of conflict, this specification including definitions of will take precedence.
도면에서 제안된 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. 그리고, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에서 기술한 "부"란, 특정 기능을 수행하는 하나의 단위 또는 블록을 의미한다.In order to clearly explain the proposed invention in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification. And, when a certain component is said to "include", this means that it may further include other components without excluding other components unless otherwise stated. Also, a “unit” described in the specification means one unit or block that performs a specific function.
각 단계들에 있어 수집부호(제1, 제2, 등)는 설명의 편의를 위하여 사용되는 것으로 수집부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 실시될 수도 있고 실질적으로 동시에 실시될 수도 있으며 반대의 순서대로 실시될 수도 있다.In each step, collection codes (first, second, etc.) are used for convenience of explanation, and collection codes do not describe the order of each step, and each step does not clearly describe a specific order in context. It may be performed differently from the order specified above. That is, each step may be performed in the same order as specified, may be performed substantially simultaneously, or may be performed in the reverse order.
도 1은 본 발명의 실시예에 따른 유튜브 업로드시점 분석시스템(100)을 개략적으로 나타내는 도이고, 도 2a 내지 도 2h는 도 1의 시청자분석 데이터를 나타내는 실시예들이다. 1 is a diagram schematically showing a YouTube upload time analysis system 100 according to an embodiment of the present invention, and FIGS. 2A to 2H are embodiments showing viewer analysis data of FIG. 1 .
도 1 내지 도 2h를 참조하여 설명하면, 유튜브 업로드시점 분석시스템(100)은 입력부(110), 데이터처리부(120), 결정부(130), 필터링부(140) 및 통합서비스부(150)를 포함할 수 있다. 1 to 2h, the YouTube upload time analysis system 100 includes an input unit 110, a data processing unit 120, a determination unit 130, a filtering unit 140, and an integrated service unit 150. can include
먼저, 입력부(110)는 크리에이터 단말(10)로부터 영상분석 서비스를 통해 유튜브영상에 대한 콘텐츠정보를 입력받을 수 있다. First, the input unit 110 may receive content information about a YouTube video from the creator terminal 10 through an image analysis service.
여기서, 콘텐츠정보는 유튜브영상을 시청하는 타겟연령정보, 타겟성별정보 및 콘텐츠 카테고리 정보를 포함할 수 있다. Here, the content information may include target age information for viewing YouTube videos, target gender information, and content category information.
이때, 영상분석 서비스는 웹서버를 통해 크리에이터 단말(10)에 제공되어 설치된 앱 또는 프로그램으로, 해당 단말로부터 콘텐츠정보를 입력받기 위한 그래픽 유저 인터페이스로 구현될 수 있다.At this time, the image analysis service is an app or program provided and installed to the creator terminal 10 through a web server, and may be implemented as a graphic user interface for receiving content information from the corresponding terminal.
다음으로, 데이터처리부(120)는 유튜브영상이 등록되는 해당 채널로부터 페이지 전환되는 유튜브 스튜디오 페이지를 캡쳐링하여, 시청자분석 데이터를 추출할 수 있다. Next, the data processing unit 120 may extract viewer analysis data by capturing a YouTube studio page converted from a corresponding channel where a YouTube video is registered.
여기서, 시청자분석 데이터는 도 2a 내지 도 2h에 도시된 바와 같이, 크리에이터의 해당 채널에 대한 총 시청조회수, 구독자수, 구독자별 평균 시청조회수, 시간 및 요일별 시청 그래프, 시청조회 국가 리스트 등을 포함할 수 있다. Here, the viewer analysis data may include the total number of viewer views, the number of subscribers, the average number of views by subscriber, a graph of views by time and day, a list of countries viewed by viewers, and the like, as shown in FIGS. 2A to 2H . can
예를 들면, 유튜브 스튜디오 페이지는 인지도 관리, 채널 성장, 시청자와의 소통, 수익 창출 등의 모든 크리에이터 활동을 한 곳에서 관리할 있도록 유튜브에서 크리에이터에게 제공하는 웹페이지일 수 있다. For example, a YouTube studio page may be a webpage provided by YouTube to creators to manage all creator activities such as awareness management, channel growth, communication with viewers, and monetization in one place.
다음으로, 결정부(130)는 데이터처리부(120)를 통해 추출된 시청자분석 데이터에 기초하여, 시청골든 시간구간을 결정할 수 있다. Next, the determination unit 130 may determine a viewing golden time period based on the viewer analysis data extracted through the data processing unit 120 .
구체적으로, 결정부(130)는 시청자분석 데이터에 포함된 시간 및 요일별 시청 그래프로부터 특정색상의 픽셀 밀도가 적어도 2회 이상 검출되는 시간구간을 누적하여 시청골든 시간구간을 결정할 수 있다. Specifically, the determination unit 130 may determine a viewing golden time interval by accumulating time intervals in which a pixel density of a specific color is detected at least twice or more from a viewing graph for each time and day included in the viewer analysis data.
다음으로, 필터링부(140)는 콘텐츠정보에 기초하여, 크리에이터의 해당 채널에 등록된 콘텐츠 리스트 중 적어도 하나의 관심콘텐츠를 필터링하여 각 업로드시점을 콘텐츠별로 확인할 수 있다. Next, based on the content information, the filtering unit 140 may filter at least one content of interest from the list of content registered to the corresponding channel of the creator, and check each upload time for each content.
예를 들면, 필터링부(140)는 콘텐츠정보가 영화카테고리인 경우, 크리에이터의 해당 채널에 등록된 콘텐츠 리스트 중 영화카테고리에 대응되는 적어도 하나의 관심콘텐츠를 해당 채널을 통해 필터링하여, 각 업로드시점을 콘텐츠별로 확인할 수 있다. For example, when the content information is a movie category, the filtering unit 140 filters at least one content of interest corresponding to the movie category among the content list registered to the corresponding channel of the creator through the corresponding channel, and determines each upload time. You can check by content.
다음으로, 통합서비스부(150)는 각 업로드시점과 시청골든 시간구간 간의 시간차정보에 따라 확인되는 시간단위당 영상조회수에 기초하여, 유튜브영상에 대한 맞춤형 업로드시점을 도출할 수 있다. Next, the integrated service unit 150 may derive a customized upload time for YouTube videos based on the number of video views per time unit checked according to the time difference information between each upload time and the viewing golden time section.
예를 들면, 표 1에 기재된 바와 같이, 시청골든 시간구간이 18시~20시 구간이고, 제1 콘텐츠의 업로드시점이 17시이며, 해당 제1 콘텐츠의 영상조회수가 10회인 경우, 해당 제1 콘텐츠의 시간단위당 영상조회수는 10회일 수 있다. For example, as shown in Table 1, when the viewing golden time period is from 18:00 to 20:00, the upload time of the first content is 17:00, and the number of video views of the first content is 10, the first The number of video views per time unit of content may be 10 times.
또한, 시청골든 시간구간이 18시~20시 구간이고, 제2 콘텐츠의 업로드시점이 16시이며, 해당 제2 콘텐츠의 영상조회수가 30회인 경우, 해당 제2 콘텐츠의 시간단위당 영상조회수는 15회일 수 있다. In addition, when the viewing golden time period is from 18:00 to 20:00, the upload time of the second content is 16:00, and the number of video views of the second content is 30, the number of video views per time unit of the second content is 15 times. can
또한, 시청골든 시간구간이 18시~20시 구간이고, 제3 콘텐츠의 업로드시점이 15시이며, 해당 제3 콘텐츠의 영상조회수가 60회인 경우, 해당 제3 콘텐츠의 시간단위당 영상조회수는 20회일 수 있다. In addition, if the viewing golden time period is between 18:00 and 20:00, the third content is uploaded at 15:00, and the number of video views of the third content is 60, the number of video views per time unit of the third content is 20 times. can
이때, 통합서비스부(150)는 시간단위당 영상조회수 중 최대 횟수를 가진 제3 콘텐츠가 업로드된 업로드시점 예컨대, 15시를 유튜브영상에 대한 맞춤형 업로드시점을 도출할 수 있다. At this time, the integrated service unit 150 may derive a customized upload time point for the YouTube video, for example, at 15 o'clock when the third content having the maximum number of video views per time unit is uploaded.
이러한 통합서비스부(150)는 유튜브영상에 대한 맞춤형 업로드시점을 영상분석 서비스를 통해 크리에이터 단말(10)에 알람메시지 형태로 제공할 수 있다. The integrated service unit 150 may provide a customized upload time point for a YouTube video to the creator terminal 10 in the form of an alarm message through an image analysis service.
일 실시예에 따라, 통합서비스부(150)는 크리에이터 단말(10)로부터 영상분석 서비스를 통해 콘텐츠정보를 전송받을 때, 크리에이터 단말(10)에 구비된 레이더 센서(미도시)를 통해 감지되는 크리에이터 생체신호 예컨대, 호흡 및 심박신호를 크리에이터 단말(10)에 제공할 수 있다. According to an embodiment, when the integrated service unit 150 receives content information from the creator terminal 10 through a video analysis service, the creator terminal 10 detects the creator through a radar sensor (not shown). Biometric signals, for example, breathing and heart rate signals, may be provided to the creator terminal 10 .
다른 실시예에 따라, 통합서비스부(150)는 콘텐츠정보로부터 검출되는 상품키워드에 기초하여, 상품객체를 취급하는 판매사이트를 검색하여 크리에이터 단말(10)에 제공할 수 있다.According to another embodiment, the integrated service unit 150 may search for a sales site that handles product objects based on product keywords detected from content information, and provide the search results to the creator terminal 10 .
또 다른 실시예에 따라, 통합서비스부(150)는 크리에이터 단말(10)로부터 영상분석 서비스를 통해 콘텐츠정보를 전송받을 때, 크리에이터 단말(10)에 구비된 카메라(미도시)를 통해 확인된 눈꺼풀 객체 형상에 기초하여, 대화방식으로 콘텐츠정보를 입력받을 수 있도록 서비스할 수 있다. According to another embodiment, when the integrated service unit 150 receives content information from the creator terminal 10 through the video analysis service, the eyelids identified through a camera (not shown) provided in the creator terminal 10. Based on the shape of the object, a service can be provided to receive content information in a conversational manner.
이하, 구체적인 실시예와 비교예를 통하여 본 발명의 구성 및 그에 따른 효과를 보다 상세히 설명하고자 한다. 그러나, 본 실시예는 본 발명을 보다 구체적으로 설명하기 위한 것이며, 본 발명의 범위가 이들 실시예에 한정되는 것은 아니다. Hereinafter, the configuration of the present invention and its effects will be described in more detail through specific examples and comparative examples. However, these examples are for explaining the present invention in more detail, and the scope of the present invention is not limited to these examples.
도 3은 도 1의 통합서비스부(150)에 대한 실시예를 나타내는 블록도이다.FIG. 3 is a block diagram illustrating an embodiment of the integrated service unit 150 of FIG. 1 .
도 1 내지 도 3을 참조하여 설명하면, 통합서비스부(150)는 프레임수집부(151), 라벨링부(152), 학습부(153) 및 진단관리부(154)를 포함할 수 있다. Referring to FIGS. 1 to 3 , the integrated service unit 150 may include a frame collection unit 151, a labeling unit 152, a learning unit 153, and a diagnosis management unit 154.
먼저, 프레임수집부(151)는 크리에이터의 해당 채널(21)에 등록된 각 콘텐츠를 재생함에 따라 일정시간마다 검출되는 학습프레임들을 콘텐츠별로 분류하여 수집할 수 있다. First, the frame collection unit 151 may classify and collect learning frames detected at regular intervals by content as each content registered in the corresponding channel 21 of the creator is reproduced.
다음으로, 라벨링부(152)는 크리에이터 단말(10)로부터 콘텐츠별로 제작난이도 등급을 입력받아 각 학습프레임에 라벨링할 수 있다. Next, the labeling unit 152 may receive a production difficulty level for each content from the creator terminal 10 and label each learning frame.
다음으로, 학습부(153)는 각 학습프레임과 해당 제작난이도 등급을 머신러닝을 통해 학습함에 따라 인공지능 기반의 난이도진단 알고리즘을 모델링할 수 있다. Next, the learning unit 153 may model an artificial intelligence-based difficulty diagnosis algorithm by learning each learning frame and the corresponding production difficulty level through machine learning.
여기서, 인공지능 기반의 난이도진단 알고리즘은 특정프레임을 입력받아 제작난이도 등급에 대응되는 출력값을 출력하는 알고리즘으로, 인공 신경 회로망(Artificial Neural Network), SVM(Support Vector Machine), 의사 결정 트리(Decision Tree) 및 랜덤 포레스트(Random Forest) 중 어느 하나의 알고리즘일 수 있다. Here, the artificial intelligence-based difficulty diagnosis algorithm is an algorithm that receives a specific frame and outputs an output value corresponding to the production difficulty level. ) and random forest.
예를 들면, 인공 신경 회로망은 주로 딥러닝에서 사용되어 지고, 기계학습과 생물학의 신경망에서 영감을 얻은 통계학적 학습 알고리즘으로서, 특징 추출 신경망과 분류 신경망을 포함하는 컨볼루션 신경망일 수 있다. 이때, 컨볼루션 신경망은 시각적 이미지를 분석하는데 사용되는 깊고 피드포워드적인 인공 신경 회로망의 한종류로, 이미지의 특징을 추출하고 클래스를 분류하는 과정으로 나누어질 수 있고, 특정 이미지의 특징을 추출하고 추출된 특징을 기반으로 이미지를 인식할 수 있다. For example, an artificial neural network is a statistical learning algorithm that is mainly used in deep learning and is inspired by neural networks in machine learning and biology, and may be a convolutional neural network including a feature extraction neural network and a classification neural network. At this time, the convolutional neural network is a type of deep feed-forward artificial neural network used to analyze visual images, and can be divided into processes of extracting features of images and classifying them, and extracting and extracting features of specific images. Images can be recognized based on their features.
다음으로, 진단관리부(154)는 크리에이터 단말(10)에 요청함에 따라 응답받는 유튜브영상의 특정프레임을 난이도진단 알고리즘에 적용함에 따라 도출되는 출력평균값에 기초하여, 유튜브영상에 대한 제작난이도 등급을 진단할 수 있다. Next, the diagnosis management unit 154 diagnoses the production difficulty level of the YouTube video based on the average output value derived by applying the difficulty diagnosis algorithm to the specific frame of the YouTube video that is received in response to the request from the creator terminal 10. can do.
여기서, 특정프레임은 크리에이터 단말(10)로부터 영상분석 서비스를 통해 수동으로 선정되거나 섬네일이미지에 대응되는 프레임일 수 있다. Here, the specific frame may be manually selected from the creator terminal 10 through an image analysis service or may be a frame corresponding to a thumbnail image.
실시예에 따라, 진단관리부(154)는 유튜브영상에 대한 제작난이도 등급에 따라 기설정된 제작주기에 기초하여, 상기 맞춤형 업로드시점을 기준으로 해당 콘텐츠정보에 대한 다음 영상 업로드주기를 스케줄링하여 크리에이터 단말(10)에 서비스할 수 있다. Depending on the embodiment, the diagnosis management unit 154 schedules the next video upload cycle for the corresponding content information based on the customized upload time point based on the production cycle preset according to the production difficulty level of the YouTube video, so that the creator terminal ( 10) can be served.
예를 들면, 콘텐츠정보가 영화카테고리이고, 제작난이도 등급이 높은 1등급에 따라 기설정된 제작주기가 2주이며, 맞춤형 업로드시점이 현재시간인 경우, 진단관리부(154)는 맞춤형 업로드시점을 기준으로, 영화카테고리에 대한 다음의 업로드주기를 2주 단위로 스케줄링할 수 있다. For example, if the content information is a movie category, the production cycle preset according to the first grade with a high production difficulty level is 2 weeks, and the customized upload time point is the current time, the diagnosis management unit 154 determines the customized upload time point as a standard. , the next upload cycle for the movie category can be scheduled in units of two weeks.
도 4는 도 1의 데이터처리부(120)에 대한 실시예를 나타내는 블록도이다.FIG. 4 is a block diagram showing an embodiment of the data processing unit 120 of FIG. 1 .
도 4를 참조하여 설명하면, 데이터처리부(120)는 객체검출부(121), 키워드설정부(122) 및 프레임판단부(123)를 포함할 수 있다. Referring to FIG. 4 , the data processing unit 120 may include an object detection unit 121, a keyword setting unit 122, and a frame determination unit 123.
먼저, 객체검출부(121)는 크리에이터 단말(10)로부터 진단관리부(154)를 통해 획득된 특정프레임에 대한 객체분석 기술을 이용하여, 대상객체를 검출할 수 있다. First, the object detection unit 121 may detect a target object by using an object analysis technique for a specific frame obtained from the creator terminal 10 through the diagnosis management unit 154 .
여기서, 대상객체는 일정크기 이상의 픽셀면적을 갖는 객체를 의미할 수 있다. 예를 들면, 대상객체는 소품객체, 상품객체, 장소식별객체 및 인물객체를 포함할 수 있다. Here, the target object may mean an object having a pixel area of a certain size or more. For example, the target object may include a prop object, a product object, a place identification object, and a person object.
다음으로, 키워드설정부(122)는 대상객체를 검색사이트(31)를 통해 이미지 검색함에 따라 일정수 이상 노출되는 키워드를 관심키워드로 설정할 수 있다. Next, the keyword setting unit 122 may set keywords exposed a certain number or more as interest keywords as the target object is image searched through the search site 31 .
예를 들면, 검색사이트(31)는 구글 검색 사이트를 의미할 수 있다. For example, the search site 31 may mean a Google search site.
다음으로, 프레임판단부(123)는 관심키워드를 키워드 분석 사이트(32)를 통해 조회함에 따라 검색된 일정기간의 검색빈도수에 기초하여, 유튜브영상의 특정프레임에 대한 교체대상 여부를 판단할 수 있다. Next, the frame determination unit 123 may determine whether a specific frame of a YouTube video is subject to replacement based on the search frequency for a certain period of time as searched for keywords of interest through the keyword analysis site 32 .
예를 들면, 키워드 분석 사이트(32)는 블랙키위, 키자드, 오디피아, 네이버 키워드 분석 사이트, 네이버 데이터랩, 구글 트렌드, 썸트렌드, 키워드 마스터, 데이터 플래닛 및 KWFinder 중 적어도 하나를 포함할 수 있다. For example, the keyword analysis site 32 may include at least one of Blackkiwi, Kizard, Odipia, Naver Keyword Analysis Site, Naver Data Lab, Google Trend, Some Trend, Keyword Master, Data Planet, and KWFinder. .
일 실시예에 따라, 프레임판단부(123)는 특정프레임이 교체대상으로 판단된 경우, 키워드 분석 사이트를 통해 확인된 일정기간 동안의 인기검색어 및 연관검색어를 유튜브를 통해 조회함에 따라 검색된 섬네일 목록을 크리에이터 단말(10)에 제공함에 따라 특정프레임을 재요청할 수 있다. According to an embodiment, when a specific frame is determined to be a target for replacement, the frame determination unit 123 retrieves popular search words and related search words for a certain period of time identified through a keyword analysis site through YouTube, and displays a list of thumbnails searched for. As it is provided to the creator terminal 10, a specific frame may be re-requested.
다른 실시예에 따라, 프레임판단부(123)는 특정프레임이 교체대상으로 판단되지 않는 경우, 관심키워드를 유튜브를 통해 조회함에 따라 검색된 섬네일 목록에 기초하여 섬네일 디자인 정보를 수집하고, 이를 크리에이터 단말(10)에 제공할 수 있다. According to another embodiment, the frame determination unit 123, when a specific frame is not determined to be a replacement target, collects thumbnail design information based on the searched thumbnail list as keywords of interest are searched through YouTube, and collects thumbnail design information, and collects thumbnail design information based on it. 10) can be provided.
도 5는 도 1의 필터링부(140)에 대한 실시예를 나타내는 블록도이다.FIG. 5 is a block diagram illustrating an embodiment of the filtering unit 140 of FIG. 1 .
도 1과 도 5를 참조하여 설명하면, 필터링부(140)는 정보확인부(141), 템플릿생성부(142) 및 자동보정부(143)를 포함할 수 있다. Referring to FIGS. 1 and 5 , the filtering unit 140 may include an information confirmation unit 141 , a template generation unit 142 and an automatic correction unit 143 .
먼저, 정보확인부(141)는 크리에이터의 해당 채널(21)에 등록된 후보콘텐츠들 중 적어도 하나의 관심콘텐츠를 녹화함에 따라 콘텐츠별 영상정보를 확인할 수 있다. First, the information checking unit 141 may check image information for each content as at least one content of interest is recorded among candidate content registered in the corresponding channel 21 of the creator.
여기서, 영상정보는 영상 포맷, 코덱, 프레임레이트, 영상 사이즈, 영상재생시간, 색공간 및 화면비를 포함할 수 있다. Here, the image information may include an image format, codec, frame rate, image size, image reproduction time, color space, and aspect ratio.
다음으로, 컨버팅툴제공부(142)는 유튜브 영상을 콘텐츠별 영상정보에 따라 컨버팅할 수 있도록 영상분석 서비스를 통해 크리에이터 단말(10)에 영상컨버팅 툴서비스를 선택적으로 제공할 수 있다. Next, the converting tool providing unit 142 may selectively provide the video converting tool service to the creator terminal 10 through the video analysis service so that the YouTube video can be converted according to video information for each content.
여기서, 영상컨버팅 툴서비스는 영상의 포맷, 코덱, 프레임레이트, 영상 사이즈, 영상재생시간, 색공간 및 화면비를 변환하기 위한 프로그램일 수 있다. Here, the image conversion tool service may be a program for converting the format, codec, frame rate, image size, image reproduction time, color space, and aspect ratio of the image.
다음으로, 자동보정부(143)는 크리에이터 단말(10)로부터 영상컨버팅 툴서비스를 통해 업로드되는 유튜브 영상을 기설정된 편집 템플릿과 기설정된 영상정보에 따라 자동으로 보정 및 컨버팅하여, 크리에이터 단말(10)에 제공할 수 있다. Next, the automatic correction unit 143 automatically corrects and converts the YouTube video uploaded from the creator terminal 10 through the video conversion tool service according to a preset editing template and preset image information, so that the creator terminal 10 can be provided to
예를 들면, 기설정된 편집 템플릿은 영상의 명암, 밝기, 색상, 색조 및 화이트밸런스 중 적어도 하나를 보정하기 위한 영상편집 보정값이고, 기설정된 영상정보는 유튜브 영상에 업로드되는 영상의 포맷, 코덱, 프레임레이트, 영상 사이즈, 영상재생시간, 색공간 및 화면비가 기설정된 정보일 수 있다. For example, the preset editing template is a video editing correction value for correcting at least one of the contrast, brightness, color, hue, and white balance of the video, and the preset image information is the format, codec, Frame rate, image size, image reproduction time, color space, and aspect ratio may be predetermined information.
실시예에 따라, 자동보정부(143)는 유튜브 영상을 재생출력함에 따라 녹음된 제1 음성데이터를 기준으로, 유튜브 영상으로부터 추출되는 제2 음성데이터의 프레임 싱크를 조절할 수 있다. Depending on the embodiment, the automatic correction unit 143 may adjust the frame sync of the second audio data extracted from the YouTube video based on the first audio data recorded as the YouTube video is reproduced and output.
본 명세서에서는 본 발명자들이 실행한 다양한 실시예 가운데 몇 개의 예만을 들어 설명하는 것이나 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고, 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다. In this specification, only a few examples of various embodiments implemented by the present inventors are described, but the technical idea of the present invention is not limited or limited thereto, and can be modified and implemented in various ways by those skilled in the art, of course.
10: 크리에이터 단말
100: 유튜브 업로드시점 분석시스템
110: 입력부
120: 데이터처리부
130: 결정부
140: 필터링부
150: 통합서비스부10: Creator Terminal
100: YouTube upload time analysis system
110: input unit
120: data processing unit
130: decision unit
140: filtering unit
150: integrated service department
Claims (8)
상기 유튜브영상이 등록되는 크리에이터의 해당 채널로부터 페이지 전환되는 유튜브 스튜디오 페이지를 캡쳐링하여 시청자분석 데이터를 추출하는 데이터처리부;
상기 시청자분석 데이터에 기초하여, 시청골든 시간구간을 결정하는 결정부;
상기 콘텐츠정보에 기초하여, 상기 크리에이터의 해당 채널에 등록된 후보콘텐츠들 중 적어도 하나의 관심콘텐츠를 필터링하여 각 업로드시점을 확인하는 필터링부; 및
상기 각 업로드시점과 상기 시청골든 시간구간 간의 시간차정보에 따라 확인되는 시간단위당 영상조회수에 기초하여, 상기 유튜브영상에 대한 맞춤형 업로드시점을 도출하는 통합서비스부를 포함하고,
상기 통합서비스부는 크리에이터의 해당 채널에 등록된 각 콘텐츠를 재생함에 따라 일정시간마다 검출되는 학습프레임들을 콘텐츠별로 분류하여 수집하는 프레임수집부;
상기 크리에이터 단말로부터 콘텐츠별로 제작난이도 등급을 입력받아 각 학습프레임에 라벨링하는 라벨링부;
상기 각 학습프레임과 해당 제작난이도 등급을 머신러닝을 통해 학습함에 따라 인공지능 기반의 난이도진단 알고리즘을 모델링하는 학습부; 및
상기 크리에이터 단말에 요청함에 따라 응답받는 상기 유튜브영상의 특정프레임을 상기 난이도진단 알고리즘에 적용함에 따라 도출되는 출력평균값에 기초하여, 상기 유튜브영상에 대한 제작난이도 등급을 진단하는 진단관리부를 포함하는, 유튜브 업로드시점 분석시스템. An input unit for receiving content information about a YouTube video through a video analysis service from a creator terminal;
a data processing unit for extracting viewer analysis data by capturing a YouTube studio page converted from a corresponding channel of a creator in which the YouTube video is registered;
a determination unit for determining a viewing golden time period based on the viewer analysis data;
a filtering unit configured to filter at least one content of interest among candidate contents registered to a corresponding channel of the creator based on the content information and confirm each upload time point; and
An integrated service unit for deriving a customized upload time for the YouTube video based on the number of video views per time unit checked according to the time difference information between each upload time and the viewing golden time interval,
The integrated service unit includes a frame collection unit that classifies and collects learning frames detected at regular intervals according to contents as each content registered to the corresponding channel of the creator is reproduced;
a labeling unit that receives a production difficulty level for each content from the creator terminal and labels each learning frame;
a learning unit that models an artificial intelligence-based difficulty diagnosis algorithm by learning each of the learning frames and the corresponding production difficulty level through machine learning; and
YouTube comprising a diagnosis management unit for diagnosing the production difficulty level of the YouTube video based on the average output value derived by applying the difficulty diagnosis algorithm to the specific frame of the YouTube video that is responded to as requested by the creator terminal. Upload time analysis system.
상기 콘텐츠정보는 상기 유튜브영상을 시청하는 타겟연령정보, 타겟성별정보 및 콘텐츠 카테고리 정보를 포함하고,
상기 시청자분석 데이터는 상기 크리에이터의 해당 채널에 대한 총 시청조회수, 구독자수, 구독자별 평균 시청조회수, 시간 및 요일별 시청 그래프, 시청조회 국가 리스트를 포함하는, 유튜브 업로드시점 분석시스템. According to claim 1,
The content information includes target age information, target gender information, and content category information for viewing the YouTube video,
The viewer analysis data includes the total number of views of the creator, the number of subscribers, the average number of views of each subscriber, a graph of views by time and day of the week, and a list of countries of viewer views, YouTube upload time analysis system.
상기 결정부는 상기 시간 및 요일별 시청 그래프로부터 특정색상의 픽셀 밀도가 적어도 2회 이상 검출되는 시간구간을 누적하여, 상기 시청골든 시간구간을 결정하는, 유튜브 업로드시점 분석시스템. According to claim 2,
The YouTube upload time analysis system, wherein the determining unit determines the viewing golden time interval by accumulating time intervals in which the pixel density of a specific color is detected at least twice or more from the viewing graph for each time and day of the week.
상기 진단관리부는 상기 유튜브영상에 대한 제작난이도 등급에 따라 기설정된 제작주기에 기초하여, 해당 콘텐츠정보에 대한 다음 영상 업로드주기를 스케줄링하여 상기 크리에이터 단말에 서비스하는, 유튜브 업로드시점 분석시스템. According to claim 1,
The diagnosis management unit schedules the next video upload cycle for the corresponding content information based on a production cycle preset according to the production difficulty level of the YouTube video and provides service to the creator terminal.
상기 데이터처리부는 상기 특정프레임에 대한 객체분석 기술을 이용하여, 대상객체를 검출하는 객체검출부;
상기 대상객체를 검색사이트를 통해 이미지 검색함에 따라 일정수 이상 노출되는 키워드를 관심키워드로 설정하는 키워드설정부; 및
상기 관심키워드를 키워드 분석 사이트를 통해 조회함에 따라 검색된 일정기간의 검색빈도수에 기초하여, 상기 특정프레임에 대한 교체대상 여부를 판단하는 프레임판단부를 포함하는, 유튜브 업로드시점 분석시스템. According to claim 1,
The data processing unit includes an object detection unit that detects a target object using an object analysis technique for the specific frame;
a keyword setting unit configured to set keywords exposed a certain number or more as interest keywords as the target object is image searched through a search site; and
A YouTube upload time analysis system comprising a frame determination unit for determining whether the specific frame is subject to replacement based on the search frequency for a certain period of time, which is searched for by searching for the keyword of interest through a keyword analysis site.
상기 필터링부는 상기 적어도 하나의 관심콘텐츠를 녹화함에 따라 콘텐츠별 영상정보를 확인하는 정보확인부;
상기 유튜브 영상을 콘텐츠별 영상정보에 따라 컨버팅할 수 있도록 영상컨버팅 툴서비스를 상기 크리에이터 단말에 제공하는 컨버팅툴제공부; 및
상기 영상컨버팅 툴서비스를 통해 업로드되는 상기 유튜브 영상을 기설정된 편집 템플릿과 기설정된 영상정보에 따라 자동으로 보정 및 컨버팅하는 자동보정부를 포함하고,
상기 콘텐츠별 영상정보는 영상 포맷, 코덱, 프레임레이트, 영상 사이즈, 영상재생시간, 색공간 및 화면비를 포함하는, 유튜브 업로드시점 분석시스템. According to claim 1,
The filtering unit may include an information checking unit checking image information for each content as the at least one content of interest is recorded;
a converting tool providing unit that provides a video converting tool service to the creator terminal so that the YouTube video can be converted according to video information for each content; and
An automatic correction unit for automatically correcting and converting the YouTube video uploaded through the image conversion tool service according to a preset editing template and preset image information,
The video information for each content includes video format, codec, frame rate, video size, video playback time, color space and aspect ratio, YouTube upload time analysis system.
상기 자동보정부는 상기 유튜브 영상을 재생출력함에 따라 녹음된 제1 음성데이터를 기준으로, 상기 유튜브 영상으로부터 추출되는 제2 음성데이터의 프레임 싱크를 조절하는, 유튜브 업로드시점 분석시스템.
According to claim 7,
The automatic correction unit adjusts the frame sync of the second audio data extracted from the YouTube video based on the first audio data recorded as the YouTube video is reproduced and output.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230019417A KR102567823B1 (en) | 2023-02-14 | 2023-02-14 | Youtube upload time analysis system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230019417A KR102567823B1 (en) | 2023-02-14 | 2023-02-14 | Youtube upload time analysis system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102567823B1 true KR102567823B1 (en) | 2023-08-17 |
Family
ID=87800035
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230019417A KR102567823B1 (en) | 2023-02-14 | 2023-02-14 | Youtube upload time analysis system |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102567823B1 (en) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220132393A (en) * | 2021-03-23 | 2022-09-30 | 아도바 주식회사 | Method, Apparatus and System of managing contents in Multi-channel Network |
| KR20220158406A (en) * | 2021-05-24 | 2022-12-01 | 남민우 | Performance analysis method through statistical and exposure effect analysis of video content |
-
2023
- 2023-02-14 KR KR1020230019417A patent/KR102567823B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220132393A (en) * | 2021-03-23 | 2022-09-30 | 아도바 주식회사 | Method, Apparatus and System of managing contents in Multi-channel Network |
| KR20220158406A (en) * | 2021-05-24 | 2022-12-01 | 남민우 | Performance analysis method through statistical and exposure effect analysis of video content |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10579669B2 (en) | System, apparatus, method, program and recording medium for processing image | |
| US9860593B2 (en) | Devices, systems, methods, and media for detecting, indexing, and comparing video signals from a video display in a background scene using a camera-enabled device | |
| EP3185577B1 (en) | Content identification apparatus and content identification method | |
| US10304458B1 (en) | Systems and methods for transcribing videos using speaker identification | |
| US20170034542A1 (en) | Recognition data generation device, image recognition device, and recognition data generation method | |
| US20070216709A1 (en) | Display control apparatus, display control method, computer program, and recording medium | |
| WO2009115101A1 (en) | A method of adapting video images to small screen sizes | |
| CN102595206B (en) | Data synchronization method and device based on sport event video | |
| CN104994426A (en) | Method and system of program video recognition | |
| WO2014058927A1 (en) | Color correction based on multiple images | |
| US9131207B2 (en) | Video recording apparatus, information processing system, information processing method, and recording medium | |
| CN106973324A (en) | A kind of poster generation method and device | |
| KR20200077176A (en) | Apparatus and method for recommending keyword related to video | |
| US20130163948A1 (en) | Video playback apparatus and video playback method | |
| KR102567823B1 (en) | Youtube upload time analysis system | |
| CN111615008B (en) | Intelligent abstract generation and subtitle reading system based on multi-device experience | |
| JP6168453B2 (en) | Signal recording apparatus, camera recorder, and signal processing apparatus | |
| Qiu et al. | Dual focus attention network for video emotion recognition | |
| US20140169679A1 (en) | Video processing system, method of determining viewer preference, video processing apparatus, and control method | |
| CN110321857B (en) | Accurate passenger group analysis method based on edge calculation technology | |
| CN105872586A (en) | Real time video identification method based on real time video streaming collection | |
| CN113489919A (en) | Digital video production system based on internet big data | |
| KR102632867B1 (en) | Youtube content creation system | |
| CN111061914A (en) | Method for selecting specific face video segments based on face recognition technology | |
| CN106548120B (en) | Cinema viewing atmosphere acquisition statistical method and system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |