KR100988965B1

KR100988965B1 - 키워드 광고에 대한 예상 데이터 계산 방법 및 시스템그리고 예상 범위 결정 방법 및 시스템

Info

Publication number: KR100988965B1
Application number: KR1020070126933A
Authority: KR
Inventors: 이준구; 송기호
Original assignee: 엔에이치엔비즈니스플랫폼 주식회사
Priority date: 2007-12-07
Filing date: 2007-12-07
Publication date: 2010-10-20
Also published as: KR20090059862A

Abstract

키워드 광고에 대한 예상 데이터 계산 방법 및 시스템 그리고 예상 범위 결정 방법 및 시스템이 개시된다. 키워드 광고에 대한 예상 데이터 계산 방법은 광고주로부터 키워드를 수신하는 단계, 상기 광고주로부터 상기 키워드에 대한 예상 순위 또는 입찰액 중 어느 하나를 수신하는 단계, 상기 광고주로부터 입찰액을 수신한 경우, 상기 키워드에 대한 예상 순위를 계산하는 단계, 상기 예상 순위에 따른 예상 범위를 이용하여 상기 키워드에 대한 예상 데이터를 계산하는 단계를 포함한다.

예상 범위, 과거 데이터, 예상 데이터, 키워드 광고

Description

키워드 광고에 대한 예상 데이터 계산 방법 및 시스템 그리고 예상 범위 결정 방법 및 시스템 {METHOD AND SYSTEM FOR CALCULATING EXPECTATION DATA AND METHOD AND SYSTEM FOR DETERMINIG RANGE EXPECTATION IN KEYWORD ADVERTISEMENT}

키워드 광고(keyword advertising)는 광고주들이 특정 키워드를 구매한 후, 사용자가 해당 키워드가 포함된 검색어로 검색을 하였을 경우, 그 검색 결과 페이지에 광고를 노출시키는 광고의 한 형태이다. 예를 들어, 사용자가 '이사'와 관련된 키워드를 검색하면 화면에 '포장이사', '이삿짐센터' 등 이사와 관련된 광고가 나오는데, 특정 제품이나 관심을 가진 사람에게만 광고가 노출된다는 점에서 불특정 다수를 상대로 하는 기존의 배너(banner)광고와는 다르다. 즉, 특정 제품이나 사안에 관심을 가진 사람에게만 광고 내용을 보여줄 수 있기 때문에 타킷팅화된 광고 효과를 높일 수 있고, 광고 클릭율이 높다.

이러한 키워드 광고에는 CPC(Cost Per Click) 방식의 광고와 CPM(Cost Per Mill) 방식의 광고가 있다. CPC 방식은 검색이 일어난 후에 노출이 되는 횟수에 상관없이 클릭 했을 때만 광고의 비용이 지불되는 방식을 말한다. 즉, 광고주가 원하는 금액만큼 일정금액 선 예치를 시킨 다음에 연관된 키워드의 결과에 광고를 노출시키고 클릭을 통해 링크가 설정된 사이트로 이동했을 때만 클릭당 비용을 차 감시켜 나가는 방식을 말한다. CPM 방식은 일정기간 동안에 진행하는 광고에 대해서 고정 금액을 정액제로 지정한 후에 그 금액에 해당하는 횟수만큼 광고를 노출시키는 방식을 말한다.

키워드 광고에서, 광고주들은 특정 키워드에 대한 광고 데이터에 대해 특정 기간 이후의 결과를 예상하고자 한다. 광고 데이터에 대해 추후의 변동을 예상할 수 있다면, 광고주는 자신의 판매 수량, 판매 방법 등을 용이하게 조정할 수 있게 된다. 이 때, 광고 데이터는 키워드 광고의 노출수, 클릭수, 과금액 등을 포함할 수 있다.

다만, 특정 키워드에 대한 광고 데이터에 대해 특정 기간 이후의 결과를 예상하는 것은 어려움이 있다. 왜냐하면, 특정 기간 이후의 시점까지 다양한 사건들이 발생하기 때문에 예상 데이터에 대한 정확도를 보장하기 힘들기 때문이다. 즉, 예상 데이터에 대해 신뢰도 문제가 존재할 수 있다.

특정 키워드에 대해 외부 요인, 예를 들어 언론보도나 이슈화 등의 원인으로 인해 광고 데이터가 급격하게 변동할 수 있다. 이런 상황들은 예외적이고 항상 발생할 수 있는 것이 아니기 때문에, 현재 시점 이후의 광고 데이터의 예상되는 변화를 객관화하여 보다 빠르고 용이하게 결과를 예측하는 것이 절실히 요구된다.

본 발명은 광고주로부터 수신한 키워드, 예상 순위, 입찰액을 통해 결정된 예상 순위에 따른 예상 범위를 이용하여 예상 데이터를 계산함으로써, 예상 데이터의 신뢰도를 향상시킬 수 있는 예상 데이터 계산 방법 및 시스템을 제공한다.

본 발명은 과거 데이터와 예상 데이터의 정규 분포가 비슷한 것을 이용하여 과거 데이터를 이용하여 예상 데이터의 예상 범위를 결정함으로써, 통계적으로 정확도가 높은 예상 데이터를 제공할 수 있는 예상 범위 결정 방법 및 시스템을 제공한다.

본 발명은 예상 범위를 벗어나는 과거 데이터인 아웃라이어를 제거하여 예상 범위를 결정함으로써, 예상 데이터에 대한 높은 신뢰도를 만족시키는 예상 범위 결정 방법 및 시스템을 제공한다.

본 발명은 CPC 모델의 적절한 예상과금액을 산정하여 광고주에게 예산을 효율적으로 활용할 수 있도록 예상 데이터를 제공하는 예상 데이터 계산 시스템 및 방법을 제공한다.

본 발명의 일실시예에 따른 예상 데이터 계산 방법은 광고주로부터 키워드를 수신하는 단계, 상기 광고주로부터 상기 키워드에 대한 예상 순위 또는 입찰액 중 어느 하나를 수신하는 단계, 상기 광고주로부터 입찰액을 수신한 경우, 상기 키워드에 대한 예상 순위를 계산하는 단계 및 상기 예상 순위에 따른 예상 범위를 이 용하여 상기 키워드에 대한 예상 데이터를 계산하는 단계를 포함할 수 있다.

본 발명의 일실시예에 따른 예상 범위 결정 방법은 키워드의 순위 별로 특정 기간 동안 부분 노출된 과거 데이터를 보정하는 단계; -상기 과거 데이터는 키워드에 대한 노출수, 클릭수, 과금액을 포함함-, 정상값 범위를 이용하여 상기 과거 데이터의 집합에서 아웃라이어를 제거하는 단계, 예상 범위 결정 시점을 기준으로 상기 과거 데이터 각각에 일별 가중치를 적용하는 단계 및 상기 가중치가 적용된 과거 데이터를 이용하여 예상 범위를 결정하는 단계를 포함한다.

본 발명의 일실시예에 따른 예상 데이터 계산 시스템은 광고주로부터 키워드와 상기 키워드에 대한 예상 순위 또는 입찰액 중 어느 하나를 수신하는 키워드 광고 정보 수신부, 상기 광고주로부터 입찰액을 수신한 경우, 상기 키워드에 대한 예상 순위를 계산하는 예상 순위 계산부 및 상기 예상 순위에 따른 예상 범위를 이용하여 상기 키워드에 대한 예상 데이터를 계산하는 예상 데이터 계산부를 포함한다.

본 발명의 일실시예에 따른 예상 범위 결정 시스템은 키워드의 순위 별로 특정 기간 동안 부분 노출된 과거 데이터를 보정하는 데이터 보정부; -상기 과거 데이터는 키워드에 대한 노출수, 클릭수, 과금액을 포함함-, 정상값 범위를 이용하여 상기 과거 데이터의 집합에서 아웃라이어를 제거하는 아웃라이어 제거부, 예상 범위 결정 시점을 기준으로 상기 과거 데이터 각각에 일별 가중치를 적용하는 가중치 적용부 및 상기 가중치가 적용된 과거 데이터를 이용하여 예상 범위를 결정하는 예상 범위 결정부를 포함할 수 있다.

본 발명에 따르면, 광고주로부터 수신한 키워드, 예상 순위, 입찰액을 통해 결정된 예상 순위에 따른 예상 범위를 이용하여 예상 데이터를 계산함으로써, 예상 데이터의 신뢰도를 향상시킬 수 있는 예상 데이터 계산 방법 및 시스템이 제공된다.

본 발명에 따르면, 과거 데이터와 예상 데이터의 정규 분포가 비슷한 것을 이용하여 과거 데이터를 이용하여 예상 데이터의 예상 범위를 결정함으로써, 통계적으로 정확도가 높은 예상 데이터를 제공할 수 있는 예상 범위 결정 방법 및 시스템이 제공된다.

본 발명에 따르면, 예상 범위를 벗어나는 과거 데이터인 아웃라이어를 제거하여 예상 범위를 결정함으로써, 예상 데이터에 대한 높은 신뢰도를 만족시키는 예상 범위 결정 방법 및 시스템이 제공된다.

본 발명에 따르면, CPC 모델의 적절한 예상과금액을 산정하여 광고주에게 예산을 효율적으로 활용할 수 있도록 예상 데이터를 제공하는 예상 데이터 계산 시스템 및 방법이 제공된다.

이하, 첨부된 도면들에 기재된 내용들을 참조하여 본 발명에 따른 실시예를 상세하게 설명한다. 다만, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.

도 1은 본 발명의 일실시예에 따라 과거 데이터를 통해 예상 데이터가 계산 되는 과정을 도시한 도면이다.

도 1을 참조하면, 광고주(101)로부터 수신한 키워드와 입찰액 또는 예상 순위 중 어느 하나를 통해 과거 데이터(102)가 설정된다. 이 때, 광고주로부터 입찰액을 수신한 경우, 예상 순위를 수신한 경우와는 달리 예상 순위가 별도로 계산된다. 여기서, 입찰액은 키워드 광고에서의 최대클릭비용과 동일하다. 그리고, 입찰액은 키워드 광고에서 순위 지수(Rank Index)로 표현될 수도 있다. 순위 지수는 입찰액에 광고 리스트에 대한 품질 지수(Quality Index)가 반영된 지수에 해당한다

그러면, 과거 데이터(102)를 통해 예상 범위를 이용하여 예상 데이터(103)이 계산될 수 있다. 과거 데이터(103)의 분포가 예상 데이터(103)의 정규 분포와 비슷하다는 가정에서 시작된다. 즉, 키워드 광고에서 일정 기간 이상 노출이 있었던 키워드에 대해 통계적으로 80~90% 수준의 정확도로 키워드 순위별 예상 범위가 결정될 수 있다. 그리고, 이러한 키워드 순위별 예상 범위를 이용하여 예상 데이터(103)이 결정될 수 있다.

예를 들면, 2007년 10월 10일에 광고주(101)가 "대출"이라는 키워드에 대한 예상 데이터(103)를 알고 싶을 때, 광고주(101)로부터 "대출"이라는 키워드를 수신할 수 있다. 그리고, 입찰액 또는 예상 순위를 수신할 수 있다. 만약 광고주(101)가 입찰액을 500으로 입력하면, 현재 입찰액을 바탕으로 입찰액 500에 대한 예상 순위가 계산될 수 있다. 또한, 광고주(101)가 예상 순위를 5위로 입력한다면, 별도의 예상 순위를 계산하지 않는다.

그러면, 2007년 10월 10일 이전의 과거 데이터(102)에 따라 결정된 예상 범 위를 통해 키워드의 예상 순위별 예상 데이터(103)가 계산될 수 있다. 즉, 2007년 10월 10일 이후의 "대출"이라는 키워드의 5위에 해당하는 예상 데이터(103)가 계산될 수 있다. 과거 데이터(102)의 범위는 제한되지 않으나, 보통 일 단위로 수집될 수 있다. 이러한 과정은 과거 데이터(102)의 분포가 예상 데이터(103)의 분포를 따라갈 것이고, 과거 데이터의 개수가 일정 개수 이상이면 정규 분포를 이룰 것이라는 가정하에 이루어 질 수 있다.

예상 데이터를 계산하고, 예상 범위를 결정하는 방법과 시스템에 대해서는 도 2 내지 도 10을 통해 상세히 설명된다.

도 2는 본 발명의 일실시예에 따른 예상 데이터 계산 방법을 구체적으로 도시한 순서도이다. 본 발명의 일실시예에 따른 예상 데이터 계산 방법은 본 발명의 일실시예에 따른 예상 데이터 계산 시스템에 의해 수행될 수 있다.

단계(S201)에서, 예상 데이터 계산 시스템은 광고주로부터 키워드를 수신할 수 있다. 일례로, 예상 데이터 계산 시스템은 키워드 광고에서 최근 일정 기간 동안 노출된 키워드 중 아웃라이어 제거 후 미리 설정한 기간 이상의 과거 데이터가 존재하는 키워드를 수신할 수 있다. 일례로, 예상 데이터는 특정 키워드를 통해 노출되는 광고의 예상 노출수, 예상 클릭수, 예상 과금액을 포함할 수 있다.

즉, 예상 데이터를 계산하기 위해 표본이 되는 과거 데이터가 일정 정도가 존재해야 한다는 의미이다. 다시 말해서, 과거 데이터의 일자와 표본의 크기가 커질수록 계산되는 예상 데이터의 정확도도 향상될 수 있다.

예를 들어, 키워드 광고에서 최근 30일간 노출된 키워드 중 아웃라이어 제 거 후 10일 이상의 과거 데이터가 존재하는 키워드를 수신할 수 있다. 일례로, 노출된 기간은 보통 1달로 설정될 수 있다. 그리고, 아웃라이어는 최근 30일간 노출된 키워드 중에서 급격하게 노출수가 미리 설정한 기준과 크게 차이가 나는 과거 데이터를 의미할 수 있다.

단계(S202)에서, 예상 데이터 계산 시스템은 광고주로부터 예상 순위 또는 입찰액 중 어느 하나를 수신할 수 있다. 실제적으로, 예상 데이터를 결정할 때, 키워드 광고의 품질 지수가 반영된 순위 지수가 이용될 수 있다.

단계(S203)에서, 예상 데이터 계산 시스템은 상기 광고주로부터 입찰액을 수신한 경우, 상기 키워드에 대한 예상 순위를 계산할 수 있다. 이 때, 예상 데이터 계산 시스템은 수신한 입찰액을 이용하여 상기 키워드에 대한 현재 입찰액 현황에 따라 상기 키워드에 대한 예상 순위를 계산할 수 있다. 다만, 광고주로부터 예상 순위를 수신한 경우, 단계(S203)는 적용되지 않는다. 결국, 광고주로부터 예상 순위를 수신한 경우, 예상 데이터가 바로 계산될 수 있다.

단계(S204)에서, 예상 데이터 계산 시스템은 예상 데이터 계산 시스템은 상기 예상 순위에 따른 예상 범위를 이용하여 키워드에 대한 예상 데이터를 계산할 수 있다. 계산된 예상 데이터는 광고주에게 제공될 수 있다.

이 때, 예상 범위는 키워드의 과거 데이터에 기초한 정규 분포에서 최소값보다 작은 값과 최대값보다 큰 값을 제외한 범위를 의미할 수 있다. 즉, 예상 데이터 계산 시스템은 미리 결정된 예상 범위의 과거 데이터를 이용하여 보다 정확하고 빠르게 예상 데이터를 계산할 수 있다.

그리고, 예상 데이터는 키워드의 과거 데이터에 기초한 정규 분포에 의존적일 수 있다. 즉, 키워드 광고에서 특별한 이벤트가 발생하지 않는 한 예상 데이터의 정규분포는 과거 데이터에 기초한 정규 분포와 유사한 경향을 나타내기 때문에, 예상 데이터 계산 시스템은 예상 범위의 과거 데이터를 통해 높은 정확도를 나타내는 예상 데이터를 계산할 수 있다.

일례로, 예상 데이터 계산 시스템은 예상 데이터를 특정 주기 간격으로 계산할 수 있다. 예를 들어, 예상 데이터 계산 시스템은 매주마다 예상 데이터를 일괄로 계산하여 빠르게 광고주에게 예상 데이터의 결과를 제공할 수 있다.

도 3은 본 발명의 일실시예에 따른 예상 범위 결정 방법을 구체적으로 도시한 순서도이다. 본 발명의 일실시예에 따른 예상 범위 결정 방법은 본 발명의 일실시예에 따른 예상 범위 결정 시스템에 의해 수행될 수 있다.

단계(S301)에서, 예상 범위 결정 시스템은 키워드의 순위 별로 특정 기간 동안 부분 노출된 과거 데이터를 보정할 수 있다. 이 때, 과거 데이터는 키워드를 통해 노출되는 광고의 노출수, 클릭수, 과금액을 포함할 수 있다.

이 때, 예상 범위 결정 시스템은 특정 기간 동안 부분 노출된 과거 데이터를 특정 기간 동안 전체 노출된 경우로 가정하여 보정할 수 있다. 예를 들어, "대출"이라는 키워드에 대한 광고가 하루에 10시간 동안 노출되었다면, 예상 범위 결정 시스템은 해당 광고가 하루 전체인 24시간 동안 노출된 경우로 과거 데이터를 보정할 수 있다.

여기서, 키워드의 1순위의 노출수를 키워드에 대한 광고가 하루 전체인 24 시간 동안 노출된 경우로 가정하여 과거 데이터인 노출수, 클릭수, 과금액이 보정될 수 있다. 이는 노출수가 늘어난 만큼, 클릭수와 과금액 또한 증가할 것이라는 것을 가정한 것이다. 단계(S301)는 도 5를 통해 구체적으로 설명된다.

단계(S302)에서, 예상 범위 결정 시스템은 정상값 범위를 이용하여 과거 데이터의 집합에서 아웃라이어를 제거할 수 있다. 즉, 예상 범위 결정 시스템은 과거 데이터의 집합 중 차이가 많이 나는 과거 데이터를 아웃라이어로 판단하여, 상기 아웃라이어를 제거할 수 있다.

일례로, 예상 범위 결정 시스템은 과거 데이터의 집합을 데이터 크기 순으로 정렬하고, 상기 과거 데이터의 집합을 기초로 사분위수를 이용하여 정상값 범위를 결정하며, 상기 과거 데이터의 집합에서 상기 정상값 범위를 벗어난 과거 데이터를 아웃라이어로 판단하여 제거할 수 있다. 이 때, 정상값 범위는 상기 정상값 범위는, 과거 데이터의 집합을 기초로 3사분위수와 1사분위수의 차이를 이용하여 결정될 수 있다.

즉, 예상 범위에 포함되는 과거 데이터 중 차이가 많은 과거 데이터는 신뢰도가 낮다고 예상할 수 있기 때문에, 차이가 많은 과거 데이터를 아웃라이어로 판단하여 제거함으로써 예상 범위가 보다 정교화될 수 있다. 단계(S302)는 도 6을 통해 구체적으로 설명된다.

단계(S303)에서, 예상 범위 결정 시스템은 예상 범위 결정 시점을 기준으로 상기 과거 데이터 각각에 일별 가중치를 적용할 수 있다. 예상 데이터를 계산할 때 시즈널성과 같은 최신성을 반영할 수 있도록 과거 데이터 각각은 일별 가중치가 적용될 수 있다.

일례로, 예상 범위 결정 시스템은 과거 데이터의 최초 시점에서 예상 범위 결정 시점까지 증가하는 가중치를 상기 과거 데이터 각각에 적용할 수 있다. 예를 들면, 예상 범위 결정 시점이 2007년 10월 10일이고, 과거 데이터의 집합이 2007년 10월 3일부터 2007년 10월 10일까지의 과거 데이터로 구성되어 있다고 가정하자. 그러면, 예상 범위 결정 시스템은 과거 데이터의 최초 시점인 2007년 10월 3일에서 2007년 10월 10일까지 일별로 증가하는 가중치를 과거 데이터의 집합에 포함된 과거 데이터 각각에 적용할 수 있다. 단계(S303)은 도 7에서 구체적인 예를 통해 설명된다.

단계(S304)에서, 예상 범위 결정 시스템은 가중치가 적용된 과거 데이터를 이용하여 예상 범위를 결정할 수 있다. 일례로, 예상 범위 결정 시스템은 상기 가중치가 부여된 과거 데이터를 이용하여 평균값과 표준편차를 계산하고, 상기 과거 데이터의 정규 분포에 따라 상기 평균값과 상기 표준 편차를 이용하여 예상 범위의 최소값과 최대값을 계산할 수 있다.

이 때, 예상 범위는 과거 데이터의 정규 분포에서 신뢰 구간을 의미할 수 있다. 여기서, 과거 데이터의 개수가 미리 설정한 개수보다 작은 경우, 예상 데이터에 대한 신뢰도를 보장할 수 없기 때문에, 예상 범위 결정 시스템은 해당 과거 데이터를 예상 범위를 결정할 때 제외할 수 있다. 일례로, 예상 범위의 최소값이 X%인 경우, 예상 범위의 최대값은 100-X%일 수 있다. 단계(S304)는 도 8에서 구체적인 예를 통해 설명된다.

도 4는 본 발명의 일실시예에 따라 과거 데이터와 예상 데이터의 관계를 도시한 정규분포도이다.

본 발명은 과거 데이터의 분포는 예상 데이터의 분포와 유사하다는 가정에서 출발한다. 즉, 예상 데이터의 분포는 과거 데이터의 분포를 따라가는데, 이 때 과거 데이터의 분포는 미리 설정한 개수 이상일 경우 정규 분포를 이룰 것이라고 가정할 수 있다.

도 4를 참조하면, 통계적으로, 키워드 광고에서 특정 시점 이전의 과거 데이터의 분포와 이후의 예상 데이터의 분포는 유사한 정규 분포를 이루는 것을 알 수 있다. 실질적으로 미세한 차이는 존재하지만, 과거 데이터의 분포와 예상 데이터의 분포 사이에 통계적으로 80~90% 정도의 정확도가 나타난다.

다만, 상기 정확도는 과거 데이터에 대한 표본이 일정 크기 이상인 경우에 나타날 수 있다. 다시 말해서, 키워드는 예상 데이터 결정 시점에서 최근 일정 기간 동안 노출된 키워드 중 아웃라이어 제거 후 미리 설정한 기간 이상의 과거 데이터가 존재해야 할 필요가 있다. 이런 조건을 만족하지 못하는 키워드에 대해서는 표본이 되는 과거 데이터의 양이 적기 때문에 예상 데이터의 신뢰도가 낮아질 수 밖에 없다.

그리고, 도 4를 참조하면, 과거 데이터의 분포와 예상 데이터의 분포는 정규 분포의 최소값과 최대값 사이의 예상 범위에서 정확도가 높게 나타난다. 최소값이 X%인 경우, 최대값은 100-X%를 나타내며, 결국, 예상 범위는 정규 분포에서 100-2X%의 범위를 나타낸다. 본 발명의 일실시예에 따른 예상 범위 결정 시스템 및 방법은 예상 데이터의 지표가 되는 예상 범위를 결정함으로써, 과거 데이터로부터 신뢰도와 정확도가 높은 예상 데이터를 광고주에게 제공할 수 있다.

도 5는 본 발명의 일실시예에 따른 키워드 순위별 과거 데이터를 보정하는 일례를 도시한 도면이다.

도 5를 참조하면, 표(501)는 키워드 순위별 과거 데이터를 나타내고, 표(502)는 보정 후의 과거 데이터를 나타낸다.

표(501)에서 볼 수 있듯이, 예를 들어, "대출"이라는 키워드의 5위에 해당하는 과거 데이터는 노출수가 10, 클릭수가 3, 과금액이 3000이라고 할 수 있다. 다만, 표(501)은 하루 전체인 24시간 동안 광고가 노출된 것이 아니라, 하루 일부인 10시간 동안 광고가 노출되었다고 가정하자.

그러면, 예상 범위 결정 시스템은 특정 기간 동안 부분 노출된 과거 데이터를 특정 기간 동안 전체 노출된 경우로 가정하여 보정할 수 있다. 이 때, 일례로 예상 범위 결정 시스템은 해당 키워드에 대한 1순위의 노출수를 특정 기간 동안 전체 노출된 경우의 노출수로 설정하여 상기 과거 데이터를 보정할 수 있다.

일례로, 예상 범위 결정 시스템은 다음 수학식 1에 따라 과거 데이터를 보정할 수 있다.

보정 노출수 = 키워드 i 순위 노출수 * (키워드 1순위 노출수/키워드 i 순위 노출수)

보정 클릭수 = 키워드 i 순위 클릭수 * (키워드 1순위 노출수/키워드 i 순 위 노출수)

보정 과금액 = 키워드 i 순위 과금액 * (키워드 1순위 노출수/키워드 i 순위 노출수)

즉, 수학식 1은 특정 기간의 부분 노출된 것을 전체 노출된 경우로 가정하면 늘어난 기간만큼 노출수, 클릭수, 과금액도 함께 늘어날 것이라는 것을 전제로 한다. 수학식 1은 일례에 불과하며, 시스템의 구성에 따라 변경될 수 있다.

예를 들어, "대출"이라는 키워드의 1순위의 노출수가 100이라고 하고, 수학식 1을 도 5에 적용하면, 보정 노출수는 10*(100/10)=100, 보정 클릭수는 3*(100/10)=30, 보정 과금액은 3000*(100/10)=30000이다. 보정 노출수, 보정 클릭수, 보정 과금액은 각각 표(502)에 나타내었다. 과거 데이터에 대한 보정은 키워드의 순위별로 모두 수행될 수 있다.

도 6은 본 발명의 일실시예에 따른 과거 데이터의 집합에서 아웃라이어를 제거하는 일례를 도시한 도면이다.

도 6을 참조하면, 표(601)는 과거 데이터의 집합을 나타낸다. 구체적으로, 과거 데이터의 집합을 데이터 크기 순으로 정렬한 것이다. 앞에서 이미 언급했듯이, 과거 데이터는 키워드에 대한 광고의 노출수, 클릭수 및 과금액을 포함할 수 있다.

표(602)는 과거 데이터의 집합을 기초로 사분위수를 이용하여 결정된 정상값 범위를 나타낸다. 일례로, 예상 범위 결정 시스템은 과거 데이터의 집합을 기 초로 3사분위수와 1사분위수의 차이를 이용하여 정상값 범위를 결정할 수 있다. 일례로, 예상 범위 결정 시스템은 다음 수학식 2를 통해 정상값 범위를 결정할 수 있다.

Q1-(Q3-Q1)≤Y≤ Q3+(Q3-Q1)

여기서, Y는 정상값, Q3는 3사분위수, Q1는 1사분위수를 의미한다. 일례로, 표(601)에서 과거 데이터의 전체 개수는 10개이므로, 사분위수는 10*0.25=2.5이며, 소수점 첫째 자리를 반올림하면, 3이다. 결국, 1사분위수(Q1)는 최소 3번째인 35를 나타내고, 3사분위수(Q3)는 최대 3번째인 55를 나타낸다.

즉, 수학식 2를 적용하면, 정상값 범위는 35-(55-35)=15와 55+(55-35)=75 사이에 해당한다. 그러면, 예상 범위 결정 시스템은 정상값 범위를 벗어나는 과거 데이터 값인 100과 1000은 아웃라이어로 판단하여 제거할 수 있다. 아웃라이어가 제거된 과거 데이터의 집합은 표(603)을 통해 나타내고 있다. 다만, 수학식 2는 일례에 불과하고, 아웃라이어를 제거하기 위한 방법은 여러 가지가 존재할 수 있다.

도 7은 본 발명의 일실시예에 따른 과거 데이터 각각에 일별 가중치를 적용하는 일례를 도시한 도면이다.

도 7을 참조하면, 과거 데이터의 집합을 나타내고 있다. 도 7은 날짜 별로 과거 데이터 값을 나타내고 있다. 예상 범위 결정 시스템은 예상 범위 결정 시점 을 기준으로 과거 데이터 각각에 일별 가중치를 적용할 수 있다. 즉, 예상 데이터에 시즈널성(seasonality)와 같은 최신성을 반영하기 위해 과거 데이터 각각에 일별 가중치를 적용할 수 있다.

일례로, 가중치는 과거 데이터의 최초 시점에서 예상 범위 결정 시점까지 증가할 수 있다. 도 7에서 과거 데이터의 최초 시점은 7월 1일에 해당한다. 그리고, 예상 범위 결정 시점은 7월 8일에 해당한다. 가중치는 7월 1일에서 7월 8일까지 일별로 증가하는 특징을 나타낼 수 있다. 증가하는 비율은 한정되지 않으며, 언제든지 변경될 수 있다.

최초 시점이 7월 1일일 때, 가중치를 1로 설정했을 때, 매일마다 0.1씩 증가하도록 가중치를 설정할 수 있다. 결국, 예상 범위 결정 시점에서 가중치는 1.7로 된다. 그러면, 추후에 예상 범위를 결정할 때, 가중치를 고려하며, 가중치 데이터는 과거 데이터 각각에 가중치를 곱한 값이며, 이는 도 7을 통해 확인할 수 있다. 즉, 예상 범위 결정 시스템은 일별로 가중치를 결정하고, 가중치에 과거 데이터를 각각 곱하여 가중치 데이터를 생성할 수 있다.

도 8은 본 발명의 일실시예에 따른 과거 데이터를 이용하여 예상 범위를 결정하는 일례를 도시한 도면이다.

도 8을 참조하면, 표(801)은 가중치가 적용된 과거 데이터를 나타내고 있다. 예상 범위 결정 시스템은 상기 가중치가 적용된 과거 데이터를 이용하여 예상 범위를 결정할 수 있다. 일례로, 예상 범위 결정 시스템은 가중치가 부여된 과거 데이터를 이용하여 평균값과 표준편차를 계산할 수 있다. 그리고, 예상 범위 결정 시스템은 과거 데이터의 정규 분포에 따라 상기 평균값과 상기 표준 편차를 이용하여 예상 범위의 최소값과 최대값을 계산할 수 있다.

일례로, 평균값은 가중치가 적용된 과거 데이터와 가중치를 통해 결정될 수 있다. 그리고, 표준 편차는 과거 데이터와 평균값 및 가중치를 통해 결정될 수 있다. 그리고, 예상 범위의 최대값과 최소값은 과거 데이터의 정규 분포에 따라 상기 평균값과 상기 표준 편차를 통해 결정될 수 있다. 일례로, 평균값, 가중치, 예상 범위의 최대값 및 최소값은 다음 수학식 3을 통해 결정될 수 있다.

평균값=

표준편차=

예상 범위의 최소값=정규분포값(X%)* 표준편차+평균값

예상 범위의 최대값=정규분포값(100-X%)*표준편차+평균값

예상 범위 결정 시스템은 표(801)의 데이터를 수학식 3을 이용하여 예상 범위를 결정할 수 있다. 다만, 예상 범위를 결정할 때, 키워드 순위별 과거 데이터의 개수가 미리 설정한 개수보다 작은 경우, 예상 범위를 결정할 때 상기 과거 데이터를 제외할 수 있다. 즉, 표본이 되는 과거 데이터의 개수가 적으면, 정규분포 의 신뢰도가 낮아지기 때문이다.

도 9는 본 발명의 일실시예에 따른 예상 데이터 계산 시스템을 구체적으로 도시한 블록 다이어그램이다.

도 9를 참조하면, 본 발명의 일실시예에 따른 예상 데이터 계산 시스템(901)은 키워드 광고 정보 수신부(902), 예상 순위 계산부(903) 및 예상 데이터 계산부(904)를 포함할 수 있다.

키워드 광고 정보 수신부(902)는 광고주로부터 키워드와 상기 키워드에 대한 예상 순위 또는 입찰액 중 어느 하나를 수신할 수 있다. 이 때, 키워드 광고 정보 수신부(902)는 키워드 광고에서 최근 일정 기간 동안 노출된 키워드 중 아웃라이어 제거 후 미리 설정한 기간 이상의 과거 데이터가 존재하는 키워드를 수신할 수 있다.

예상 순위 계산부(903)는 광고주로부터 입찰액을 수신한 경우, 상기 키워드에 대한 예상 순위를 계산할 수 있다.

예상 데이터 계산부(904)는 예상 순위에 따른 예상 범위를 이용하여 상기 키워드에 대한 예상 데이터를 계산할 수 있다. 이 때, 예상 범위는 키워드의 과거 데이터에 기초한 정규 분포에서 최소값보다 작은 값과 최대값보다 큰 값을 제외한 범위일 수 있다.

그리고, 예상 데이터는 키워드를 통해 노출되는 광고의 예상 노출수, 예상 클릭수 또는 예상 과금액을 포함할 수 있다. 예상 데이터는 키워드의 과거 데이터에 기초한 정규 분포에 의존적일 수 있다.

예상 데이터 계산부(904)는 키워드에 대한 예상 데이터를 특정 주기 간격으로 계산할 수 있다.

도 10은 본 발명의 일실시예에 따른 예상 범위 결정 시스템을 구체적으로 도시한 블록 다이어그램이다.

도 10을 참고하면, 예상 범위 결정 시스템(1001)은 데이터 보정부(1002), 아웃라이어 제거부(1003), 가중치 적용부(1004) 및 예상 범위 결정부(1005)를 포함할 수 있다.

데이터 보정부(1002)는 키워드의 순위 별로 특정 기간 동안 부분 노출된 과거 데이터를 보정할 수 있다. 이 때, 과거 데이터는 키워드에 대한 노출수, 클릭수, 과금액을 포함할 수 있다. 그리고, 데이터 보정부(1002)는 특정 기간 동안 부분 노출된 과거 데이터를 상기 특정 기간 동안 전체 노출된 경우로 가정하여 보정할 수 있다. 이 때, 키워드에 대한 1순위의 노출수를 상기 특정 기간 동안 전체 노출된 경우의 노출수로 설정하여 상기 과거 데이터를 보정할 수 있다.

아웃라이어 제거부(1003)는 정상값 범위를 이용하여 상기 과거 데이터의 집합에서 아웃라이어를 제거할 수 있다. 이 때, 아웃라이어 제거부(1003)는 과거 데이터의 집합을 데이터 크기 순으로 정렬하고, 상기 과거 데이터의 집합을 기초로 사분위수를 이용하여 정상값 범위를 결정하고, 상기 과거 데이터의 집합에서 상기 정상값 범위를 벗어난 과거 데이터를 아웃라이어로 판단하여 제거할 수 있다.

가중치 적용부(1004)는 예상 범위 결정 시점을 기준으로 상기 과거 데이터 각각에 일별 가중치를 적용할 수 있다. 이 때, 가중치 적용부(1004)는 과거 데이 터의 최초 시점에서 예상 범위 결정 시점까지 증가하는 가중치를 상기 과거 데이터 각각에 적용할 수 있다.

예상 범위 결정부(1005)는 가중치가 적용된 과거 데이터를 이용하여 예상 범위를 결정할 수 있다. 이 때, 예상 범위 결정부(1005)는 상기 가중치가 부여된 과거 데이터를 이용하여 평균값과 표준편차를 계산하고, 상기 과거 데이터의 정규 분포에 따라 상기 평균값과 상기 표준 편차를 이용하여 예상 범위의 최소값과 최대값을 계산할 수 있다.

그리고, 예상 범위 결정부(1005)는 키워드 순위별 과거 데이터의 개수가 미리 설정한 개수보다 작은 경우, 상기 과거 데이터를 예상 범위를 결정할 때 제외할 수 있다.

도 9 내지 도 10에 대하여 언급되지 않은 구체적인 부분은 도 1 내지 도 8을 참고할 수 있다.

또한 본 발명에 따른 실시예들은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터 판독 가능 매체를 포함한다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매 체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.

도 1은 본 발명의 일실시예에 따라 과거 데이터를 통해 예상 데이터가 계산되는 과정을 도시한 도면이다.

도 2는 본 발명의 일실시예에 따른 예상 데이터 계산 방법을 구체적으로 도시한 순서도이다.

도 3은 본 발명의 일실시예에 따른 예상 범위 결정 방법을 구체적으로 도시한 순서도이다.

<도면의 주요 부분에 대한 부호의 설명>

101: 광고주

102: 과거 데이터

103: 예상 데이터

Claims

예상 데이터 계산 시스템에서 키워드 광고에 대한 집행 결과 예상 데이터를 계산하는 방법에 있어서,

상기 예상 데이터 계산 시스템의 키워드 광고 정보 수신부에서 광고주로부터 키워드를 수신하는 단계;

상기 키워드 광고 정보 수신부에서 상기 광고주로부터 상기 키워드에 대한 예상 순위 또는 입찰액 중 어느 하나를 수신하는 단계;

상기 예상 데이터 계산 시스템의 예상 순위 계산부에서 상기 광고주로부터 입찰액을 수신한 경우, 상기 키워드에 대한 예상 순위를 계산하는 단계; 및

상기 예상 데이터 계산 시스템의 예상 데이터 계산부에서 상기 계산된 예상 순위 또는 상기 광고주로부터 수신한 예상 순위에 기초하여 상기 키워드에 대한 광고의 집행과 관련된 집행 결과 예상 데이터를 계산하는 단계

를 포함하는 예상 데이터 계산 방법.
제1항에 있어서,

상기 집행 결과 예상 데이터는,

상기 키워드를 통해 노출되는 광고의 노출수, 클릭수, 과금액을 포함하는 예상 데이터 계산 방법.
제1항에 있어서,

상기 키워드에 대한 예상 순위를 계산하는 단계는,

상기 키워드에 대해 미리 설정한 기간 이상의 과거 광고 집행 데이터가 존재하는 경우에 예상 순위를 계산하는 것을 특징으로 하는 예상 데이터 계산 방법.
제1항에 있어서,

상기 집행 결과 예상 데이터를 계산하는 단계는

상기 키워드와 관련된 과거 광고 집행 데이터에 기초하여 산출되는 것을 특징으로 하는 예상 데이터 계산 방법.
제1항에 있어서,

상기 집행 결과 예상 데이터는,

상기 키워드의 과거 데이터에 기초한 정규 분포에 기초하여 결정되는 것을 특징으로 하는 예상 데이터 계산 방법.
제1항에 있어서,

예상 순위에 기초하여 상기 키워드에 대한 광고의 집행과 관련된 집행 결과 예상 데이터를 계산하는 단계는,

상기 키워드에 대한 집행 결과 예상 데이터를 특정 주기 간격으로 계산하는 것을 특징으로 하는 예상 데이터 계산 방법.
집행 결과 예상 데이터 결정 시스템에서 키워드 광고의 순위 별로 집행 결과 예상 데이터를 결정하는 집행 결과 예상 데이터 결정 방법에 있어서,

상기 집행 결과 예상 데이터 결정 시스템의 데이터 수집부에서 키워드의 순위 별로 특정 기간 동안 노출된 과거 데이터를 수집하는 단계; - 상기 과거 데이터는 키워드를 통해 노출되는 광고의 노출수, 클릭수, 과금액을 포함함 -

상기 집행 결과 예상 데이터 결정 시스템의 가중치 적용부에서 집행 결과 예상 데이터의 결정 시점을 기준으로 상기 과거 데이터 각각에 시간 경과에 상응하는 가중치를 적용하는 단계; 및

상기 집행 결과 예상 데이터 결정 시스템의 집행 결과 예상 데이터 결정부에서 상기 가중치가 적용된 과거 데이터를 이용하여 상기 키워드에 대한 광고의 집행에 관한 집행 결과 예상 데이터를 결정하는 단계

를 포함하는 집행 결과 예상 데이터 결정 방법.
제7항에 있어서,

특정 기간 동안 부분 노출된 키워드에 대한 과거 데이터를 수집하는 상기 단계는,

특정 기간 동안 부분 노출된 과거 데이터를 상기 특정 기간 동안 전체 노출된 경우로 가정하여 수집하는 것을 특징으로 하는 집행 결과 예상 데이터 결정 방법.
제8항에 있어서,

특정 기간 동안 부분 노출된 키워드에 대한 과거 데이터를 수집하는 상기 단계는,

상기 키워드에 대한 1순위의 노출수를 상기 특정 기간 동안 전체 노출된 경우의 노출수로 설정하여 상기 과거 데이터를 수집하는 것을 특징으로 하는 집행 결과 예상 데이터 결정 방법.
제7항에 있어서,

정상값 범위를 이용하여 상기 과거 데이터의 집합에서 아웃라이어를 제거하는 상기 단계는,

상기 과거 데이터의 집합을 데이터 크기 순으로 정렬하는 단계;

상기 과거 데이터의 집합을 기초로 사분위수를 이용하여 정상값 범위를 결정하는 단계; 및

상기 과거 데이터의 집합에서 상기 정상값 범위를 벗어난 과거 데이터를 아웃라이어로 판단하여 제거하는 단계

를 포함하는 집행 결과 예상 데이터 결정 방법.
제10항에 있어서,

상기 정상값 범위는,

상기 과거 데이터의 집합을 기초로 3사분위수와 1사분위수의 차이를 이용하여 정상값 범위를 결정하는 것을 특징으로 하는 집행 결과 예상 데이터 결정 방법.
제7항에 있어서,

집행 결과 예상 데이터의 결정 시점을 기준으로 상기 과거 데이터 각각에 일별 가중치를 적용하는 상기 단계는,

상기 과거 데이터의 최초 시점에서 집행 결과 예상 데이터의 결정 시점까지 증가하는 가중치를 상기 과거 데이터 각각에 적용하는 것을 특징으로 하는 집행 결과 예상 데이터 결정 방법.
제7항에 있어서,

상기 가중치가 적용된 과거 데이터를 이용하여 집행 결과 예상 데이터를 결정하는 상기 단계는,

상기 가중치가 부여된 과거 데이터를 이용하여 평균값과 표준편차를 계산하는 단계; 및

상기 과거 데이터의 정규 분포에 따라 상기 평균값과 상기 표준 편차를 이용하여 집행 결과 예상 데이터의 최소값과 최대값을 계산하는 단계

를 포함하는 집행 결과 예상 데이터 결정 방법.
제7항에 있어서,

상기 가중치가 적용된 과거 데이터를 이용하여 집행 결과 예상 데이터를 결정하는 상기 단계는,

키워드 순위별 과거 데이터의 개수가 미리 설정한 개수보다 작은 경우, 집행 결과 예상 데이터를 결정할 때 상기 과거 데이터를 제외하는 것을 특징으로 하는 집행 결과 예상 데이터 결정 방법.
제1항 내지 제14항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록 매체.
키워드 광고에 대한 예상 데이터 계산 시스템에 있어서,

광고주로부터 키워드와 상기 키워드에 대한 예상 순위 또는 입찰액 중 어느 하나를 수신하는 키워드 광고 정보 수신부;

상기 광고주로부터 입찰액을 수신한 경우, 상기 키워드에 대한 예상 순위를 계산하는 예상 순위 계산부; 및

상기 계산된 예상 순위 또는 상기 광고주로부터 수신한 예상 순위에 기초하여 상기 키워드에 대한 광고의 집행과 관련된 집행 결과 예상 데이터를 계산하는 예상 데이터 계산부

를 포함하는 집행 결과 예상 데이터 계산 시스템.
제16항에 있어서,

상기 예상 순위 계산부는,

키워드 광고에서 최근 일정 기간 동안 노출된 키워드 중 아웃라이어 제거 후 미리 설정한 기간 이상의 과거 데이터가 존재하는 키워드에 대한 예상 순위를 계산하는 것을 특징으로 하는 집행 결과 예상 데이터 계산 시스템.
제16항에 있어서,

상기 집행 결과 예상 데이터는,

상기 키워드의 과거 데이터에 기초한 정규 분포에 기초하여 결정되는 것을 특징으로 하는 집행 결과 예상 데이터 계산 시스템.
키워드 광고의 순위 별로 집행 결과 예상 데이터를 결정하는 집행 결과 예상 데이터 결정 시스템에 있어서,

키워드의 순위 별로 특정 기간 동안 부분 노출된 과거 데이터를 수집하는 데이터 수집부; -상기 과거 데이터는 키워드를 통해 노출되는 광고의 노출수, 클릭수, 과금액을 포함함-

소정의 정상값 범위를 이용하여 상기 과거 데이터의 집합에서 아웃라이어를 제거하는 아웃라이어 제거부;

집행 결과 예상 데이터의 결정 시점을 기준으로 상기 과거 데이터 각각에 일별 가중치를 적용하는 가중치 적용부; 및

상기 가중치가 적용된 과거 데이터를 이용하여 상기 키워드에 대한 광고의 집행에 관한 집행 결과 예상 데이터를 결정하는 예상 데이터 결정부

를 포함하는 집행 결과 예상 데이터 결정 시스템.
제19항에 있어서,

상기 데이터 수집부는,

특정 기간 동안 부분 노출된 과거 데이터를 상기 특정 기간 동안 전체 노출된 경우로 가정하여 수집하는 것을 특징으로 하는 집행 결과 예상 데이터 결정 시스템.
제20항에 있어서,

상기 데이터 수집부는,

상기 키워드에 대한 1순위의 노출수를 상기 특정 기간 동안 전체 노출된 경우의 노출수로 설정하여 상기 과거 데이터를 수집하는 것을 특징으로 하는 집행 결과 예상 데이터 결정 시스템.
제19항에 있어서,

상기 아웃라이어 제거부는,

상기 과거 데이터의 집합을 데이터 크기 순으로 정렬하고, 상기 과거 데이터의 집합을 기초로 사분위수를 이용하여 정상값 범위를 결정하고, 상기 과거 데이터의 집합에서 상기 정상값 범위를 벗어난 과거 데이터를 아웃라이어로 판단하여 제거하는 것을 특징으로 하는 집행 결과 예상 데이터 결정 시스템.
제19항에 있어서,

상기 가중치 적용부는,

상기 과거 데이터의 최초 시점에서 집행 결과 예상 데이터의 결정 시점까지 증가하는 가중치를 상기 과거 데이터 각각에 적용하는 것을 특징으로 하는 집행 결과 예상 데이터 결정 시스템.
제19항에 있어서,

상기 예상 데이터 결정부는,

상기 가중치가 부여된 과거 데이터를 이용하여 평균값과 표준편차를 계산하고, 상기 과거 데이터의 정규 분포에 따라 상기 평균값과 상기 표준 편차를 이용하여 집행 결과 예상 데이터의 최소값과 최대값을 계산하는 것을 특징으로 하는 집행 결과 예상 데이터 결정 시스템.
제19항에 있어서,

상기 예상 데이터 결정부는,

키워드 순위별 과거 데이터의 개수가 미리 설정한 개수보다 작은 경우, 집행 결과 예상 데이터를 결정할 때 상기 과거 데이터를 제외하는 것을 특징으로 하는 집행 결과 예상 데이터 결정 시스템.