KR101003045B1 - 인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법,그 기록 매체 - Google Patents

인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법,그 기록 매체 Download PDF

Info

Publication number
KR101003045B1
KR101003045B1 KR1020090058365A KR20090058365A KR101003045B1 KR 101003045 B1 KR101003045 B1 KR 101003045B1 KR 1020090058365 A KR1020090058365 A KR 1020090058365A KR 20090058365 A KR20090058365 A KR 20090058365A KR 101003045 B1 KR101003045 B1 KR 101003045B1
Authority
KR
South Korea
Prior art keywords
advertisement
user
format
clustering
analysis
Prior art date
Application number
KR1020090058365A
Other languages
English (en)
Inventor
조항덕
최진호
김봉우
Original Assignee
주식회사 모임
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 모임 filed Critical 주식회사 모임
Priority to KR1020090058365A priority Critical patent/KR101003045B1/ko
Application granted granted Critical
Publication of KR101003045B1 publication Critical patent/KR101003045B1/ko

Links

Images

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법, 그 기록 매체가 개시된다. 본 발명은 사용자의 로그인 정보를 포함하는 현재 패턴 데이터 및 상기 사용자가 선택한 상품 또는 컨텐츠 중 적어도 한가지를 포함하는 객체 관련 데이터를 수집하는 정보 수집부; 상기 수집된 현재 패턴 데이타 및 객체 관련 데이터를 이용하여 상기 사용자에 대한 현재 패턴 분석을 수행하는 사용자 정보 분석부; 상기 현재 패턴 분석 결과를 이용하여 오브젝트 속성 매칭, 가치 측정 및 시간 분석을 수행하여 하나 이상의 클러스터링 클래스를 출력하는 AIRAS; 상기 출력된 클러스터링 클래스에 대응하는 광고를 광고 데이터베이스에서 추출하는 맞춤형 광고 추출부; 및 상기 추출된 광고의 형식을 상기 클러스터링 클래스에 대응하도록 변경하여 클라이언트에 전송하는 광고 형식 변경부를 포함하는 인공지능에 기반한 개인별 맞춤형 광고 제공 장치를 제공한다. 본 발명에 의하면, 다수에게 일방적으로 광고하는 것이 아니라, 개인의 신상, 취미 및 직업 뿐만 아니라, 웹 상에서의 개인의 행동 패턴, 구매 행동, 관심 상품, 관심 컨텐츠 등의 정보를 파악하여 개인에 최적화된 광고를 제공할 수 있어, 광고의 차별성을 높이고 광고 효과를 극대화할 수 있다.

Description

인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법, 그 기록 매체 {Apparatus and Method for presenting personalized advertisements information based on artificial intelligence, and Recording medium thereof}
본 발명은 온라인상의 광고 추천 시스템에 관한 것으로, 특히, 인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법, 그 기록 매체에 관한 것이다.
인터넷이 급속히 보급되면서 전자 메일을 통한 광고, 또는 홈페이지의 배너(banner) 광고, 동영상 컨텐츠 광고 등의 새로운 형식의 광고 생겨났다. 인터넷을 기반으로 하여 전자상거래, 전자광고, 인터넷 폰 등 다양한 서비스들이 제공되고 있는데, 예전에 물리적으로 수행되던 것을 사용자들이 인터넷을 통해 손쉽게 서비스 받을 수 있게 된 것이다. 인터넷 상에서 특정한 자료를 검색하는 서비스는 인터넷을 효율적으로 이용하기 위해 필수적인 서비스로 인식되고 있다. 즉, 사용자가 특정 자료를 검색하려는 경우 해당 사이트의 URL이나 IP 주소를 알지 못하더라도 정보 검색 시스템을 이용한 인터넷 검색 서비스를 제공하는 사이트에 접속하고, 검색하려는 자료의 키워드를 입력함으로써 원하는 결과 데이터를 서비스 받을 수 있다. 이러한 인터넷 검색 서비스를 제공하는 사이트들의 주요 수익 모델은 검색 서 비스를 받고자 하는 사용자에게 배너 광고를 노출시키는 것이다. 이러한 배너 광고를 통한 수익 모델은 사용자에게 배너 광고가 노출시키는 자체 보다 상기 노출된 배너 광고가 상기 사용자에게 클릭되는 클릭율이 높아지면 광고 수익을 증대시킬 수 있다.
하지만, 종래 배너 광고 방법은 검색 서비스에서 사용자에 의해 검색 키워드가 입력되지 않은 경우 사용자의 취향이나 관심을 파악할 수 없기 때문에 사용자가 별로 관심을 갖지 않는 배너 광고가 제공됨으로 인해 광고 수익과 밀접한 관계가 있는 배너 광고의 클릭율을 증가시키지 못하는 문제점이 있다.
특히, 기존의 광고 제공 시스템에서는 사용자에게 적응적인 광고를 제공하지 못할 뿐더러 사용이 매우 불편하다. 더욱이, 일반적인 광고 제공 기법을 기존의 시스템에 단순하게 적용하면, 사용자에게 무차별적으로 광고를 제공하게 될 뿐이다. 그러나, 이러한 방식들은 사용상의 편의성 및 사용자별 선호도나 요구에 무관하게 광고가 제공되므로, 사용자가 원하지 않는 광고내용을 차단할 수 없어 사용상의 불편을 가중시킨다. 동시에 사용자가 선호하지 않는 광고를 제공함으로써 광고를 무의미하게 만든다. 오히려 광고효과를 반감시키는 경우도 존재한다.
도 1은 종래의 광고 추천 시스템의 블록도이다.
도 1을 참조하면, 광고 추천 시스템(10)은 광고주에 의해 요청된 배너 광고를 통신망(11)을 통해 광고 추천 사이트의 웹 페이지에 접속된 사용자 단말기(12)로 제공한다. 광고 추천 시스템(10)은 상기 배너 광고에 대한 사용자들의 클릭 정보를 수집하고, 상기 수집된 클릭 정보를 이용하여 광고들 사이의 상관도를 산출한 다. 따라서, 종래의 광고 추천 시스템(10)은 통신망(11)을 통해 접속된 사용자 단말기(12)의 사용자에 대하여 상기 사용자가 이전에 클릭한 배너 광고와 상관도 또는 유사도가 높은 배너 광고를 추천하여 사용자 단말기(12)로 제공한다. 그러나, 이러한 광고 추천 방식에 따르면, 사용자의 취향 분석이나 구매 행동 분석에 기반하지 않아 광고의 타겟을 정확하게 정할 수 없다. 광고의 제공 방식 역시 사용자의 성향에 따라 다채롭게 변경하지 못하고 일방적인 배너 형식에 의존하고 있어 광고 효과가 떨어지고 클릭 수를 높이기 어렵다.
협업 필터링(collaborative filtering)은 가장 성공적인 광고 추천 기법으로 알려져 있으며 많이 이용되고 있다. 그러나, 제공하는 광고의 수가 급속히 증가하면서 협업 필터링에 기반한 상품 추천 관리시스템은 입력 데이터의 희박성(Sparsity) 문제와 시스템 확장성(Scalability) 문제에 노출되고 있다. 또한, 추천된 광고가 다수의 사용자 입장에서 왜 제시되었지에 대한 이유를 알지 못하는 한계를 가지고 있다. 사용자 입장에서는 어떤 이유로 나에게 광고가 추천된 것인지, 무작위로 추출된 것인지 알기 어렵다.
또한, 협업 필터링을 포함하는 종래의 광고 제공 방법은 적절한 사이트를 선택하여 적절한 시간에 광고를 전송하는 경우에도 타겟을 정확히 설정하지 않아 광고의 클릭수가 낮을 뿐만 아니라, 노출 효율성이 그다지 높지 않다.
따라서, 본 발명이 이루고자 하는 첫 번째 기술적 과제는 광고가 노출되는 타겟의 특성 및 태도를 세밀하게 구분하여 보다 구매 가능성이 높은 선별된 타겟에게 선호되는 광고를 노출시킴으로써 광고 효과를 높일 수 있는 인공지능에 기반한 개인별 맞춤형 광고 제공 장치를 제공하는 데 있다.
본 발명이 이루고자 하는 두 번째 기술적 과제는 상기의 인공지능에 기반한 개인별 맞춤형 광고 제공 장치에 적용되어 광고 효과를 높일 수 있는 인공지능에 기반한 개인별 맞춤형 광고 제공 방법을 제공하는 데 있다.
상기의 첫 번째 기술적 과제를 이루기 위하여, 본 발명은 사용자의 로그인 정보를 포함하는 현재 패턴 데이터 및 상기 사용자가 선택한 상품 또는 컨텐츠 중 적어도 한가지를 포함하는 객체 관련 데이터를 수집하는 정보 수집부; 상기 수집된 현재 패턴 데이타 및 객체 관련 데이터를 이용하여 상기 사용자에 대한 현재 패턴 분석을 수행하는 사용자 정보 분석부; 상기 현재 패턴 분석 결과를 이용하여 오브젝트 속성 매칭, 가치 측정 및 시간 분석을 수행하여 하나 이상의 클러스터링 클래스를 출력하는 AIRAS; 상기 출력된 클러스터링 클래스에 대응하는 광고를 광고 데이터베이스에서 추출하는 맞춤형 광고 추출부; 및 상기 추출된 광고의 형식을 상기 클러스터링 클래스에 대응하도록 변경하여 클라이언트에 전송하는 광고 형식 변경부를 포함하는 인공지능에 기반한 개인별 맞춤형 광고 제공 장치를 제공한다.
본 발명의 일 실시 예에서, 상기 사용자 정보 분석부는 맞춤형 상품 제공 장치 및 맞춤형 컨텐츠 제공 장치에 연결되어, 상기 사용자가 선택하거나 구매한 상품 및 컨텐츠에 대한 사용자 행태 분석 결과를 수신하고, 상기 사용자 행태 분석 결과와 상기 현재 패턴 데이터를 클러스터링 알고리즘에 적용하여 사용자 분석을 수행한다.
본 발명의 일 실시 예는 상기 사용자 정보 분석부로부터 상기 분석된 결과를 수신하고, 상기 분석된 결과와 함께 광고 질의를 상기 AIRAS에 전달하며, 상기 AIRAS로부터 상기 클러스터링 클래스를 수신하여 상기 맞춤형 광고 추출부 및 상기 광고 형식 변경부에 전달하는 AIRAS 연동부를 더 포함한다.
보다 구체적으로, 상기 AIRAS는 상기 사용자의 속성 및 광고의 속성들 사이의 관계를 설정하는 속성 매칭부; 상기 사용자의 속성 및 상기 광고의 속성들 각각의 가치를 측정하고 상기 설정된 관계에 대한 가치를 계산하는 가치 측정부; 상기 사용자가 상품, 컨텐츠 및 광고마다 머문 시간 또는 현재 시간 중 적어도 하나에 기반하여 시간 분석을 수행하여 상기 가치 측정부에서 계산된 가치에 가중치를 부여하는 시간 분석부; 및 상기 가중치가 부여된 가치를 클러스터링 알고리즘에 적용하여 클러스터링 클래스를 추출하는 클러스터링부를 포함할 수 있다.
본 발명의 다른 실시 예에서, 상기 광고 형식 변경부는 상기 광고의 형식을 상기 클러스터링 클래스에 대응하는 화면 크기, 재생시간 및 형식으로 변환한다. 이 경우, 상기 광고 형식 변경부는 상기 클러스터링 클래스에 대응하도록 변환된 광고를 상기 클라이언트에 구비된 화면의 크기, 상기 클라이언트의 처리 속도 및 소리 재생 능력에 따라 형식을 변환할 수 있다.
본 발명의 또 다른 실시 예에서, 상기 맞춤형 광고 추출부는 상기 클라이언트로부터 상기 광고에 대한 반응을 피드백받아 상기 광고의 상기 사용자에 대한 적합성 여부를 판단한다.
본 발명의 또 다른 실시 예에서, 본 발명은 사용자의 로그인 정보를 포함하는 현재 패턴 데이터를 수집하고, 맞춤형 상품 제공 장치 및 맞춤형 컨텐츠 제공 장치에 연결되어 상기 사용자가 선택하거나 구매한 상품 및 컨텐츠에 대한 사용자 행태 분석 결과를 수신하는 정보 수집부; 상기 수집된 현재 패턴 데이타 및 사용자 행태 분석 결과를 이용하여 상기 사용자에 대한 현재 패턴 분석을 수행하는 사용자 정보 분석부; 상기 행태 분석 결과를 생성하는 상기 맞춤형 상품 제공 장치 및 맞춤형 컨텐츠 제공 장치의 질의에 대해 오브젝트 속성 매칭, 가치 측정 및 시간 분석을 수행하여 상기 사용자에 대한 맞춤형 상품에 대응하는 클러스터링 클래스 및 맞춤형 컨텐츠에 대응하는 클러스터링 클래스를 출력하는 AIRAS; 상기 현재 패턴 분석 결과, 상기 맞춤형 상품에 대응하는 클러스터링 클래스 및 맞춤형 컨텐츠에 대응하는 클러스터링 클래스에 따라 광고 데이터베이스에서 광고를 추출하는 맞춤형 광고 추출부; 및 상기 추출된 광고의 형식을 상기 클러스터링 클래스에 대응하도록 변경하여 클라이언트에 전송하는 광고 형식 변경부를 포함한다.
상기의 두 번째 기술적 과제를 이루기 위하여, 본 발명은 유선 또는 무선으로 통신망에 연결된 장치가 사용자 분석 결과에 따라 광고를 제공하는 방법에 있어서, 사용자의 로그인 정보를 포함하는 현재 패턴 데이터 및 상기 사용자가 선택한 상품 또는 컨텐츠 중 적어도 한가지를 포함하는 객체 관련 데이터를 수집하는 단계; 상기 수집된 현재 패턴 데이타 및 객체 관련 데이터를 이용하여 상기 사용자에 대한 현재 패턴 분석을 수행하는 단계; 상기 현재 패턴 분석 결과를 이용하여 오브젝트 속성 매칭, 가치 측정 및 시간 분석을 수행하여 하나 이상의 클러스터링 클래스를 출력하는 단계; 상기 출력된 클러스터링 클래스에 대응하는 광고를 광고 데이터베이스에서 추출하는 단계; 및 상기 추출된 광고의 형식을 상기 클러스터링 클래스에 대응하도록 변경하여 클라이언트에 전송하는 단계를 포함하는 인공지능에 기반한 개인별 맞춤형 광고 제공 방법을 제공한다.
본 발명의 일 실시 예에서, 상기 현재 패턴 분석을 수행하는 단계는 맞춤형 상품 제공 장치 및 맞춤형 컨텐츠 제공 장치에 연결되어, 상기 사용자가 선택하거나 구매한 상품 및 컨텐츠에 대한 사용자 행태 분석 결과를 수신하고, 상기 사용자 행태 분석 결과와 상기 현재 패턴 데이터를 클러스터링 알고리즘에 적용하여 사용자 분석을 수행하는 단계일 수 있다.
보다 구체적으로, 상기 클러스터링 클래스를 출력하는 단계는 상기 사용자의 속성 및 광고의 속성들 사이의 관계를 설정하는 단계; 상기 사용자의 속성 및 상기 광고의 속성들 각각의 가치를 측정하고 상기 설정된 관계에 대한 가치를 계산하는 단계; 상기 사용자가 상품, 컨텐츠 및 광고마다 머문 시간 또는 현재 시간 중 적어도 하나에 기반하여 시간 분석을 수행하여 상기 가치 측정부에서 계산된 가치에 가중치를 부여하는 단계; 및 상기 가중치가 부여된 가치를 클러스터링 알고리즘에 적용하여 클러스터링 클래스를 추출하는 단계를 포함할 수 있다.
본 발명의 다른 실시 예에서, 상기 광고의 형식을 변경하여 클라이언트에 전송하는 단계는 상기 광고의 형식을 상기 클러스터링 클래스에 대응하는 화면 크기, 재생시간 및 형식으로 변환하는 단계일 수 있다. 이 경우, 상기 광고의 형식을 변경하여 클라이언트에 전송하는 단계는 상기 클러스터링 클래스에 대응하도록 변환된 광고를 상기 클라이언트에 구비된 화면의 크기, 상기 클라이언트의 처리 속도 및 소리 재생 능력에 따라 형식을 변환하는 단계를 포함할 수 있다.
본 발명의 또 다른 실시 예는 상기 클라이언트로부터 상기 광고에 대한 반응을 피드백받아 광고주 서버에 전송하는 단계를 더 포함한다.
본 발명의 또 다른 실시 예는 상기 클라이언트로부터 상기 광고에 대한 반응을 피드백받아 상기 광고의 상기 사용자에 대한 적합성 여부를 판단하는 단계를 더 포함한다.
본 발명에 의하면, 다수에게 일방적으로 광고하는 것이 아니라, 개인의 신상, 취미 및 직업 뿐만 아니라, 웹 상에서의 개인의 행동 패턴, 구매 행동, 관심 상품, 관심 컨텐츠 등의 정보를 파악하여 개인에 최적화된 광고를 제공할 수 있어, 광고의 차별성을 높이고 광고 효과를 극대화할 수 있다.
이하에서는 도면을 참조하여 본 발명의 바람직한 실시 예를 설명하기로 한다. 그러나, 다음에 예시하는 본 발명의 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 다음에 상술하는 실시 예에 한정되는 것은 아니다.
도 2a는 본 발명의 일 실시 예에 따라 인공지능에 기반한 랭킹 분석 장치(AIRAS)(100)와 연동하는 인공지능에 기반한 개인별 맞춤형 광고 제공 장치(Customized Advertisement Feeding System, 이하 'CAFS')(200)의 블록도이다.
정보 수집부(210)는 사용자의 로그인 정보, 사용자가 선택하거나 구매한 광고와 관련된 자료를 수집한다. 이하에서 광고란 의류, 일상잡화, 가전, 컨텐츠 등에 대한 광고를 의미한다. 광고의 형식은 배너, 텍스트, 동영상 등일 수 있다. 정보 수집부(210)와 같은 자료 수집 모듈은 AIRAS 연동부(230)를 통해 AIRAS(100)와 네트워크로 연결될 수 있다. 정보 수집부(210)는 현재 패턴 수집 데이터를 수신하거나 생성한다. 현재 패턴 수집 데이터는 사용자가 클릭한 대상, 사용자가 웹이나 네트워크에서 이동한 경로 등에 대한 기록을 의미한다. 객체 관련 데이터는 사용자가 클릭/선택/구매한 상품 또는 컨텐츠 등의 대상과 관련된 기록을 의미한다. 본 발명의 다른 실시 예에서, 수집된 데이터는 분석 과정을 거치지 않고 AIRAS 연동부(230)를 통해 곧바로 AIRAS(100)에 전달될 수도 있다.
사용자 정보 분석부(220)에서 분석되는 것은 현재 웹이나 네트워크에 접속한 특정 사용자의 일시적인 패턴이다. 즉, 이러한 분석 결과에는 사용자의 각종 정보에 대한 히스토리가 반영되지 않는다. 히스토리를 반영한 분석은 AIRAS(100)를 통해서 이루어진다. 사용자의 일시적인 패턴을 분석하기 위해 수집된 데이터를 이용한 클러스터링 과정이 수행될 수 있다.
AIRAS 연동부(230)는 사용자 정보 분석부(210) 및 광고 정보 분석부(220)에서 수집되고 분석된 결과와 함께 광고 질의를 질의 분석부(120)에 전달한다. AIRAS(100)는 사용자 분석의 결과와 광고 분석의 결과를 서로 매칭하여 사용자의 성향이나 선호가 어떤 종류의 광고와 대응되는지 분석한다. AIRAS 연동부(230)는 AIRAS에서 출력되는 클러스터링 클래스를 수신하고, 수신한 클래스를 맞춤형 광고 추출부(240) 및 광고 형식 변경부(250)에 전달한다.
맞춤형 광고 추출부(240)는 상기 클래스에 따라 광고 데이터베이스(221)를 검색하여 사용자의 취향에 적합한 광고 정보를 추출한다.
광고 형식 변경부(250)는 추출된 광고를 상기 클러스터링 클래스에 대응하는 화면 크기, 재생시간 및 형식으로 변환할 수 있다. 광고의 화면 크기, 재생시간, 형식 등도 사용자의 취향을 고려하여 조절해주기 위함이다. 여기서 형식은 배너 광고, 텍스트 광고, 동영상 광고 등의 광고 형식을 의미한다. 광고 형식 변경부(250)는 미리 저장된 복수의 인터페이스 중 상기 클래스에 대응하는 하나의 인터페이스를 선택하여 상기 추출된 광고를 제공할 수도 있다. 본 발명의 다른 실시 예에서, 광고 형식 변경부(250)는 클라이언트(290)에 구비된 화면의 크기, 클라이언트(290)의 처리 속도 및 소리 재생 능력에 적합하도록 상기 클러스터링 클래스에 대응하도록 변환된 광고를 변환하도록 설계될 수 있다.
모니터링부(260)는 클라이언트(290)로부터 상기 광고에 대한 반응을 피드백받아 상기 광고의 사용자에 대한 적합성 여부를 판단할 수 있다. 여기서, 맞춤형 광고로 제시된 광고가 사용자에 의해 선택되지 않거나 추천되지 않거나, 추천하지 않는다는 정보가 입력되는 등의 경우 해당 광고의 속성을 AIRAS(100)의 분석 과정에 반영할 수 있다. 모니터링부(260)의 모니터링 결과에 따라 광고 형식 변경 부(250)의 변환 방식이 바뀔 수도 있다.
모니터링부(260)는 클라이언트(290)로부터 피드백받은 상기 광고에 대한 반응을 광고주 서버(280)에 전달할 수 있다. 광고주 서버(280)는 필요에 따라 모니터링부(260)에 광고 DB(221)에 저장된 광고의 갱신을 명령할 수 있다.
클라이언트(290)는 인터넷이나 기타 네트워크에 접속할 수 있는 데스크탑 컴퓨터, 노트북 컴퓨터, PDA, PMP, 모바일 폰 등일 수 있다.
도 2b는 AIRAS(100)의 상세 블록도이다.
질의 분석부(120)는 입력된 질의(외부 검색 엔진에서 입력되는 질의어, AIRAS 연동부(230)에서 수신되는 질의 명령 등)를 분석하여 질의 내용을 분한다. 질의 분석을 통해서 검색되어야 할 오브젝트, 시간, 관계, AIRAS(100)의 동작(분석, 입력, 검색 등)이 결정된다. 질의 분석부(120)는 인터넷 상에서의 다른 객체와 연결되는 인터페이스의 역할을 수행한다. 그러나, 당업자의 필요에 따라 질의 분석부(120)를 생략하고, 행태 분석부(130)를 기기간 인터페이스로 사용하거나 질의 분석 기능을 행태 분석부(130)에 병합시킬 수도 있다.
여기서, 질의 명령은 AIRAS(100)와 사전에 약속된 코드를 포함한다. 그러나, 네이버 기타 검색엔진과 연동하는 경우에는 약속되지 않은 코드 또는 일반적인 문장을 포함할 수 있다. 이 경우, 이를 질의 명령의 형태로 변환하는 것이 질의 분석부(120)이다. 예를 들어, AIRAS(100)에 "나는 최근 유행하는 상품 중 Top 상품을 찾고 있다." 라는 질의가 입력되면, "최근 유행", "Top 상품 검색" 등과 같은 단순화된 질의 명령이 도출될 수 있다.
행태 분석부(130)는 사용자 정보 분석부(210) 및 광고 정보 분석부(220)에서 수집된 자료들을 미리 정의된 행태 분석 메타데이터와 매칭하여 분석한다. 행태 분석부(130)는 CAFS(200)의 사용자 정보 분석부(220)와는 달리 기존의 사용자에 대한 히스토리를 반영하여 사용자의 행태를 분석한다. 그러나, CAFS(200)의 사용자 정보 분석부(220)에서 사용자 히스토리를 고려하는 형태로 설계되고, 사용자 정보 분석부(220)의 현재 패턴 분석으로 충분하다고 판단되는 경우에는 행태 분석부(130)가 생략될 수도 있다.
오브젝트 속성 매칭부(140)는 오브젝트 별로 다양한 속성을 서로 매칭하여 측정 및 분석 한다. 가치 측정부(150)는 오브젝트의 속성 자체의 가치뿐만 아니라, 각 속성끼리의 관계에 대해 가치를 측정한다.
시간 분석부(160)는 시간에 따른 가중치를 부여하기 위해 시간 분석 결과를 가치 측정부(150)의 결과에 반영한다.
클러스터링부(170)는 시간 분석부(160)에서 출력되는 가중치가 부여된 속성들의 가치에 따라 클러스터링을 수행한다.
출력부(180)는 클러스터링부(170)의 분석 결과를 정보 수집부(210), 사용자 정보 분석부(220) 또는 AIRAS 연동부(230), 기타 인터넷 상의 디바이스에 전송한다. 출력부(180)는 행태 분석부(130)의 행태 분석 결과도 출력할 수 있다.
데이터 저장 모듈(190)은 히스토리나 메타데이터를 저장 관리 한다. 데이터 저장 모듈(190)은 행태 분석부(130)의 행태 분석 결과, 클러스터링부(170)의 클러스터링 결과(예를 들어, 질의에 맞는 광고 분석 내용)을 저장한다.
AIRAS(100)의 동작에 따른 결과로 광고 질의에 매칭되는 하나 이상의 클러스터링 클래스가 출력된다. 한편, 도 1에서는 AIRAS(100)가 AIRAS 연동부(230)와 독립된 모듈로 도시되어 있으나, 당업자의 선택에 따라 AIRAS 연동부(230)와 일체화된 모듈 형태로 제작될 수도 있다.
도 3a는 상품에 대한 사용자의 성향이나 선호에 대한 분석 결과를 제공하는 개인별 맞춤형 상품 제공 장치(Customized Product Recommendation System, 이하 'CPRS'), 컨텐츠에 대한 사용자의 성향이나 선호에 대한 분석 결과를 제공하는 개인별 맞춤형 컨텐츠 제공 장치(Customized Contents Feeding System, 이하 'CCFS')와 연동하는 CAFS(200)에 대한 블록도이다.
본 발명의 일 실시 예에 따른 CAFS(200)는 CPRS(310)와 CCFS(320)에서 분석된 사용자의 구매 행동 패턴, 사용자의 컨텐츠 시청 패턴, 웹 서핑 패턴 등의 정보를 수신하여 광고에 대한 사용자의 성향을 분석하는데 이용할 수 있다. 이를 위해, 정보 수집부(210) 또는 사용자 정보 분석부(220)는 CPRS(310) 또는 CCFS(320)와 연결될 수 있다. CPRS(310)와 CCFS(320)는 사용자의 행동 패턴을 예측하여 실시간으로 개인의 선호나 취향에 최적화된 상품 정보, 컨텐츠 정보를 제공한다.
보다 구체적으로, CPRS(310)와 CCFS(320)는 사용자의 로그인 정보, 사용자가 선택하거나 구매한 상품과 관련된 자료를 수집한다. CPRS(310)와 CCFS(320)는 사용자가 클릭한 대상, 사용자가 웹이나 네트워크에서 이동한 경로 등에 대한 기록을 포함하는 현재 패턴 수집 데이터, 사용자가 클릭한 상품/컨텐츠에 대한 정보, 상품/컨텐츠를 클릭하지 않은 경우에는 최근 유행 상품/컨텐츠에 대한 정보 등을 포함 하는 현재 상품 수집 데이터를 수집한다. 수집된 데이터는 AIRAS(100)에 전달된다. CPRS(310)와 CCFS(320)는 쇼핑몰 회원이나 포탈 사이트 회원의 프로파일로서 연령, 성별, 주소, 직업, 취미 등을 저장한 데이터베이스와 연결되어 사용자 분석을 수행할 수도 있다.
CPRS(310)는 쇼핑몰 사이트나 각종 경매 사이트에서 취급하는 모든 상품 또는 일부의 상품에 대한 프로파일 정보를 저장하는 상품 정보 데이터 베이스와 연결되고, CCFS(320)는 컨텐츠 몰이나 포탈 사이트에서 취급하는 컨텐츠에 대한 정보를 저장하는 컨텐츠 정보 데이터 베이스와 연결되어 보다 구체적인 분석을 수행할 수 있다.
AIRAS(100)는 현재 사용자의 사용자 정보 및 현재 사용자가 조회, 구매하려는 상품/컨텐츠 정보, 현재 사용자가 조회하는 리뷰와 관련된 상품/컨텐츠 정보 등을 이용하여 사용자의 행태를 분석한다. 또한 AIRS(100)는 사용자의 행태, 상품/컨텐츠 정보 등을 오브젝트로 설정하여 오브젝트마다 가지고 있는 속성별 가치를 측정하며, 속성 간의 가치를 계산하고, 여기에 시간 분석에 따른 가중치를 부여함으로써, 사용자 성향에 최적화된 클러스터링 클래스를 출력한다. 이 클러스터링 클래스는 상품/컨텐츠 질의에 대응하는 정보로서, 현재 사용자의 성향, 행동 패턴에 어울리는 상품/컨텐츠의 속성들을 나타내는 일종의 인덱스일 수 있다.
CPRS(310)와 CCFS(320)는 각각 AIRAS(100)로부터 클러스터링 클래스를 수신하고, 각각 수신된 클래스에 대응하는 사용자의 취향, 선호도, 구매 행태, 행동 패턴에 대한 정보를 본 발명의 일 실시 예에 따른 CAFS(200)에 전송한다.
본 발명의 다른 실시 예에 따른 CAFS(200)에서 맞춤형 광고 추출부(240)는 CPRS(310)에서 추천되는 상품에 대한 광고를 추출하거나 CCFS(320)에서 추천되는 컨텐츠에 대한 광고를 추출하도록 설계될 수 있다.
CAFS(200)는 클라이언트(290)로부터 피드백받은 상기 광고에 대한 반응을 광고주 서버들(281, 282)에 전달할 수 있다. 광고주 서버들(281, 282)은 필요에 따라 CAFS(200)에 CAFS(200)를 통해 제공되는 광고의 갱신을 명령할 수 있다.
도 3b는 본 발명의 또 다른 실시 예에 따라 쇼핑몰 서버(410), 컨텐츠몰 서버(420) 또는 포탈 서버(430)와 연동하는 CAFS(200)의 블록도이다.
도 3b에서는 복수의 클라이언트(291-299)가 인터넷을 통해 쇼핑몰 서버(410), 컨텐츠몰 서버(420) 또는 포탈 서버(430)에 접속한 경우를 가정한다. 클라이언트(291-299)는 쇼핑몰 서버(410), 컨텐츠몰 서버(420) 또는 포탈 서버(430)와 직접 접속되지 않고, 중간에 접속 서버, 캐시 서버, 중계 서버 등에 의해 간접적으로 연결될 수도 있다.
정보 수집부(210)나 사용자 정보 분석부(220)는 쇼핑몰 서버(410), 컨텐츠몰 서버(420) 또는 포탈 서버(430)로부터 사용자의 로그인 정보, 사용자가 선택하거나 구매한 상품/컨텐츠/게시물과 관련된 자료를 수집한다.
정보 수집부(210)나 사용자 정보 분석부(220)는 쇼핑몰 서버(410)가 관리하는 사용자 데이터베이스(411), 컨텐츠몰 서버(420)가 관리하는 사용자 데이터베이스(421) 또는 포탈 서버(430)가 관리하는 사용자 데이터베이스(431)와 연결될 수 있다. 사용자 데이터베이스(411, 421, 431)는 사용자의 프로파일 정보를 저장한다. 즉, CAFS(200)는 쇼핑몰 회원, 컨텐츠몰 회원, 포탈 사이트 회원의 프로파일로서 연령, 성별, 주소, 직업, 취미 등을 사용자 분석에 이용할 수 있다.
AIRAS(100)가 출력하는 클러스터링 클래스는 CAFS(200)의 광고 질의에 대응하는 정보로서, 현재 사용자의 성향, 행동 패턴에 어울리는 광고의 속성들을 나타내는 일종의 인덱스일 수 있다.
CAFS(200)는 상기 클래스를 광고 데이터베이스(221)과 대비하여 사용자의 취향에 적합한 광고 정보를 추출하고, 광고에 맞도록 화면에 표시되는 글자의 크기, 색상, 폰트, 표시되는 메뉴의 배경색, 화면에 표시되는 객체들의 배치 형태를 조절할 수 있다. CAFS(200)는 맞춤형 광고를 클라이언트(291-299)에 직접 전송하거나 쇼핑몰 서버(410), 컨텐츠몰 서버(420) 또는 포탈 서버(430)를 경유하여 클라이언트(291-299)에 전송할 수 있다.
클라이언트(291-299)에 맞춤형 광고를 전송하는 경우에 광고 중계 서버(440)나 웹캐시를 경유할 수도 있다. 클라이언트(291-299)에 의해 상기 맞춤형 광고가 선택/조회 등이 되는 경우에는 해당 반응 정보가 CAFS(200)에 피드백될 수 있다. CAFS(200)는 피드백된 정보를 광고주 서버(280)에 제공하여 마케팅의 기초 자료 생성을 지원할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 광고 제공 방법의 흐름도이다.
먼저, CAFS에서 사용자의 로그인 정보, 사용자가 선택하거나 구매한 광고와 관련된 자료 등을 수집하고 분석한다(S450). 현재 패턴 수집 데이터는 사용자가 클 릭한 대상, 사용자가 웹이나 네트워크에서 이동한 경로 등에 대한 기록을 의미한다. 객체 관련 데이터는 사용자가 클릭/선택/구매한 상품 또는 컨텐츠 등의 대상과 관련된 기록을 의미한다. 상술한 바와 같이, 사용자 분석에 CPRS나 CCFS의 분석 결과를 반영할 수도 있다. 광고 분석을 위해 사용되는 수집 데이터에는 사용자가 클릭한 광고에 대한 정보, 광고를 클릭하지 않은 경우에는 최근 유행 광고에 대한 정보 등이 포함될 수 있다.
데이터 수집이 완료되면, 수집된 데이터에 기반하여 현재 사용자의 일시적인 패턴을 분석한다(S460). 여기서, 일시적인 패턴이란 사용자의 성향, 선호도, 구매 행동, 인터넷 이용 패턴 등을 분석한 결과를 의미한다.
다음, 위에서 분석된 결과에 매칭되는 최적 클래스를 클러스터링 장치에 질의한다(S470). 여기서, 질의가 전달되는 클러스터링 장치는 상술한 AIRAS일 수도 있고, 그 밖에 사용자의 광고와 관련한 행태를 분석하고 여기에 시간 분석에 따른 가중치를 부여하는 클러스터링 장치일 수 있다.
광고 질의에 매칭되는 하나 이상의 클러스터링 클래스가 수신되면, 미리 구비된 광고 데이터베이스에서 상기 클래스에 대응하는 즉, 사용자의 선호나 취향에 어울리는 광고를 추출하고 광고의 형식을 변경하여 맞춤형 광고를 생성한다(S480).
마지막으로, 상기 맞춤형 광고를 클라이언트 디바이스에 전송/표시한다(S490). 여기서, 클라이언트 디바이스는 인터넷이나 기타 네트워크에 접속할 수 있는 데스크탑 컴퓨터, 노트북 컴퓨터, PDA, PMP, 모바일 폰 등일 수 있다.
도 5는 도 3의 최적 클래스 질의 과정(S340)의 상세 흐름도이다.
먼저, 외부 통계자료 수집 모듈이나 검색 엔진으로부터 데이터를 입력받는다(S510). 이 과정은 경우에 따라 생략될 수 있다.
다음, AIRAS가 질의를 입력받는다(S520). 이 과정(S520)에서 상술한 질의 분석을 수행할 수 있다. AIRAS는 메타데이터를 이용하여 복수의 오브젝트 각각에 대응하는 복수의 속성들을 정의한다. 여기서, 복수의 오브젝트는 의류, 잡화 등의 패션 제품, 일반 생활 용품, 디지털 컨텐츠 등에 대한 광고일 수 있다.
다음, 입력받은 질의, 사용자가 접속한 정보 제공 페이지 상에서 사용자의 반응 정보 등에 기반하여 행태 분석을 수행하여 사용자의 행동 패턴을 추출한다(S530). 정보 제공 페이지는 일반적인 웹 페이지, 네트워크 상의 문서, 이들을 연결하는 링크 페이지, 모바일 접속이 가능한 사이트 등을 포함한다. 여기서, 반응 정보는 사용자의 로그인 정보, 사용자가 리뷰를 읽은 객체에 대한 정보, 사용자가 구매한 객체에 대한 정보, 사용자의 구매 횟수 정보, 객체마다 머문 시간 정보 또는 사용자가 입력한 게시물 내용 중 적어도 하나일 수 있다. 행태 분석의 대상이 되는 정보 제공 페이지는 특정 온라인 쇼핑몰, 특정 포탈 사이트 등이 될 수 있다. 행태 분석에 따라 추출되는 행동 패턴은 사용자의 관심도, 구매력, 구매 성향, 주활동 시간, 구매 시간, 선호 브랜드 또는 선호 날씨 등을 포함하는 정보일 수 있다.
이후, 복수의 속성들 사이의 관계를 설정한다(S540). 이 과정(S540)에서, 이전에 속성들 사이에 설정된 관계에 대한 관계 히스토리 데이터에 기반하여 상기 관계를 설정할 수 있다.
다음, 정보 제공 페이지에 접속한 사용자에 대해, 복수의 속성들 각각의 가치를 측정한다. 또한, 이를 이용하여 복수의 속성들 사이의 관계에 대한 가치를 계산한다(S550).
가치 측정이 완료되면, 사용자가 정보 제공 페이지의 객체마다 머문 시간 또는 현재 시간 등, 사용자와 관련된 각종의 시간 데이터에 기반하여 시간 분석을 수행하여 위에서 계산된 가치에 가중치를 부여한다(S560). 보다 구체적으로, 사용자에 대해 누적된 머문 시간 또는 과거 및 현재의 주요 활동 시간 중 적어도 하나를 포함하는 시간 히스토리 데이터에 기반하여 위에서 계산된 가치에 부여할 가중치를 결정할 수 있다.
다음, 가중치가 부여된 가치를 클러스터링 알고리즘에 적용하여 상기 질의에 대응하는 클러스터링 클래스를 추출한다(S570). 본 발명의 일 예에서는 클러스터링 클래스를 추출할 때, 사용자의 행동 패턴에 기반하여 데이터 마이닝을 함으로써 사용자의 취향에 보다 가까운 클러스터링 클래스를 추출할 수 있다. 본 발명의 다른 예에서는 클러스터링 클래스에 해당하는 객체(예를 들어, 쇼핑 아이템, 디지털 컨텐츠 등에 대한 광고 등)을 추출할 수도 있다.
이후, 클러스터링 클래스를 출력하고(S580), 위에서 분석된 여러 결과들을 히스토리 데이터로서 저장한다(S590). 이 과정들(S580, S590)은 필수적인 과정이 아니므로, 당업자의 필요에 따라 생략이 가능하다.
도 6은 도 5의 시간 분석 과정(S560)의 상세 흐름도이다.
먼저, 현재 시간에 따른 각종 관계 데이터를 결정한다(S661). 예를 들어, 사 용자가 페이지에 머문 시간, 현재 시간이 주중, 주말, 요일, 공유일/휴일인지 등 환경 변수를 계산한다.
시간 클러스터링 메타데이터를 로드하고(S662), 과거에 측정 가치와 시간을 매칭했던 시간 히스토리 데이터를 로드한다(S663). 시간 히스토리 데이터는 해당 관계나 속성이 새로 추가된 것이 아닌 경우에 사용될 수 있다.
예를 들어, 광고의 조회수에 관련되어 가치 측정을 할 경우, 총 100 점 만점에 표 1과 같이 조회수에 대한 가중치를 부여 할 수 있다.
최근 1주일간 누적 조회수 50 점
1주전 1주일간 누적 조회수 30 점
2주전 1주일간 누적 조회수 10 점
3주전 1주일간 누적 조회수 5 점
4주전~2달간 누적 조회수 5 점
그외의 누적 조회수 0 점
표 1과 같이 가중치를 다르게 부여하여 조회수의 가치를 시간별로 다르게 측정할 수 있다.
전체 조회수의 합계로만 히트 광고를 출력 하는 경우에는 특정 시즌 동안 최대 조회수를 냈던 광고가 항상 탑 1순위에 올라올 수 있다. 그러나, 시간 히스토리 데이터를 사용하면, 시시 각각 변하는 개인의 취향을 적응적으로 트래킹할 수 있다.
즉, 최근 1~2주간의 조회수의 합계로만 히트 광고를 출력 하는 경우에는 특정 시즌에 최대 조회수를 냈던 광고가 순위와 관계 없이 2주후에는 순위 밖으로 밀려나게 된다. 광고의 공급자의 입장에서도 시간 히스토리 데이터를 사용함으로써 판매 가능성이 유력한 광고를 보다 정확히 판단 할 수 있다.
다음, 시간 분석을 위한 필수 요소(평균, 분산, 표준편차 등)을 계산한다(S664).
다음, 클러스터링 메타데이터에 결정되어 있는 내용에 따라 가치 측정 자료를 시간대별로 클러스터링한다(S665). 예를 들어, 현재 사용자는 주말에 교회 관련 웹서핑을 많이하고, 5시 경에는 저녁 식사에 메뉴에 대한 검색을 많이 한다는 식의 클러스터링 결과를 얻을 수 있다.
이후, 클러스터링 클래스별로 가중치를 계산한다(S666). 예를 들어, 현재 시간대, 오늘 요일 등 공통 변수에서 가중치가 높도록 계산할 수 있다.
다음, 가중치를 양자화하고(S667), 양자화된 가중치를 가치 측정 데이터에 반영한다(S668). 이에 따라, 가치 측정 데이터에 시간 요소를 반영할 수 있다.
도 6의 프로세스는 이미 측정된 가치 측정 데이터에 시간 분석 결과를 반영하는 부분이다. 현재 사용자가 회사인지 교회인지 집인지에 대한 정확한 정보를 파악할 순 없어도 사용자에 대한 행태 분석을 통해 현재 상황을 추정할 수 있으며, 추정된 결과를 가치 측정 데이터에 반영하여 현재 시간에 가장 알맞은 데이터를 추천할 수 있다.
도 7은 도 5의 클러스터링 과정(S570)의 상세 흐름도이다.
먼저, 오브젝트를 속성에 따라 구분 지어 데이터를 분류한다(S771).
다음, 관계별 측정된 가치를 분석한다(S772). 분석되는 가치에는 시간 분석에 따른 가중치가 반영되어 있다.
다음, 클러스터링 알고리즘(예를 들어, K-평균(K-means) 알고리즘, 나이브 베이즈 분류 (Naive Bayes classifier) 등)을 실행하여 관계별 측정된 가치의 분석 결과를 비슷한 가치끼리 정리 한다(S773).
도 9a는 K-평균 알고리즘의 예를 도시한 것이다. 먼저, 임의의 K개의 군집수를 결정하고, 각 군집에 초기치 또는 군집 중심을 1개씩 할당하여 위치 설정한다. 다음, 각각의 데이터에 대해 K개의 위치까지의 거리를 구하고 가장 가까운 군집에 소속시킨다(유클리드 거리를 이용). 이후, 군집으로 나뉘어진 데이터를 기준으로 새로운 군집 중앙의 위치를 최소가 되도록 재설정한다. 마지막으로, 새롭게 구한 군집 중앙의 위치가 기존과 동일하면 알고리즘 종료하고 다르면 두 번째부터 재수행한다. 이 과정을 통하여 K개의 군집으로 데이터를 구분하고 K값에 따라 클러스터링에 많은 영향을 받는다.
도 9b는 응집적 계층 클러스터링(Hierarchical agglomerative clustering)의 예를 도시한 것이다. 여기서, 광고가 갖는 속성들 간의 관계를 이용하여 속성간의 분류가 이루어진다.
이후, 클러스터링 알고리즘의 결과를 저장하고(S774), 정리된 결과를 통해 최종적인 클러스터링 클래스를 추출한다(S775).
도 8은 본 발명의 다른 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 광고 제공 방법의 흐름도이다.
먼저, CAFS에서 CPRS와 CCFS의 사용자 행태 분석 결과를 수신한다(S810).
다음, CAFS에서 상기 수신된 사용자 행태 분석 결과 및/또는 현재 사용자의 광고와 관련된 행동 패턴을 수집하여 사용자 분석을 수행한다(S830). 사용자 분석은 일 예로, 수신한 사용자 행태 분석 결과 및/또는 현재 사용자의 광고와 관련된 행동 패턴을 AIRAS에 질의하여 AIRAS가 클러스터링을 수행하게 함으로써 사용자가 현 시점에서 어떤 카테고리(클래스)에 속하는지를 확인하는 방식으로 이루어 질 수 있다. 이러한 클러스터링 분석은 히스토리를 반영하지 않은 분석이다.
다음, 상기 분석된 결과(사용자 분석 결과, 광고 분석 결과)에 매칭되는 최적 클래스를 클러스터링 장치에 질의한다(S860).
광고 질의에 매칭되는 하나 이상의 클러스터링 클래스가 수신되면, 미리 구비된 광고 데이터베이스에서 상기 클래스에 대응하는 즉, 사용자의 선호나 취향에 어울리는 광고를 추출한다(S870). 이 과정에서, 클래스의 종류에 따라 광고를 변형/변환할 수도 있다. 즉, 추출된 광고를 상기 클러스터링 클래스에 대응하는 화면 크기, 재생시간 및 형식으로 변환할 수 있다. 광고의 화면 크기, 재생시간, 형식 등도 사용자의 취향을 고려하여 조절해주는 것이다.
다음, CAFS가 맞춤형 인터페이스 및 맞춤형 광고를 클라이언트 디바이스에 제공한 후, 사용자의 행동이나 광고에 대한 반응을 모니터링하고 모니터링 결과를 광고주 서버에 보고한다(S880). 여기서, 클라이언트 디바이스는 인터넷이나 기타 네트워크에 접속할 수 있는 데스크탑 컴퓨터, 노트북 컴퓨터, PDA, PMP, 모바일 폰 등일 수 있다. 모니터링 결과는 다음번 광고 추천에 반영하도록 한다(S880).
마지막으로, 사용자에 추천된 광고, 모니터링 결과, 광고주 서버로부터 수신되는 명령어 등에 따라 광고 데이터베이스를 갱신한다(S890).
도 10a 내지 10c는 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 광고 제공 방법을 실제 사이트에 적용한 예이다.
도 10a는 사용자 성향이나 선호도에 가장 근접하는 광고를 추출하여 기존의 포탈 사이트에 배너 형식으로 표시한 예이다. 이 경우는 사용자가 팝업 광고를 선호하지 않고 주로 사용하는 클라이언트 디바이스의 동영상 처리 능력이 기준에 미달하는 경우라고 가정할 수 있다. 광고의 내용은 사용자가 주로 의류, 신규/해외 브랜드에 관심이 많은 점을 고려한 것이다.
도 10b는 사용자 성향이나 선호도에 가장 근접하는 광고를 추출하여 기존의 포탈 사이트에 팝업 형식으로 표시한 예이다. 이 경우는 사용자가 팝업 광고에 거부감이 없는 경우라고 가정할 수 있다. 광고의 내용은 사용자가 주로 가전, 신제품을 선호하고, 디자인을 중요시한다는 점을 점을 고려한 것이다.
도 10c는 사용자 성향이나 선호도에 가장 근접하는 광고를 추출하여 기존의 포탈 사이트에 동영상 컨텐츠 형식으로 표시한 예이다. 이 경우는 사용자가 주로 사용하는 클라이언트 디바이스의 동영상 처리 능력과 상기 디바이스에 할당된 통신 대역이 기준을 초과하고, 사용자가 동영상 컨텐츠를 주로 시청하는 경우라고 가정할 수 있다. 광고의 내용은 사용자가 해외 브랜드 선호하며 스토리가 있는 광고 선호하고, 자동차에 관심이 많은 점을 고려한 것이다.
본 발명은 소프트웨어를 통해 실행될 수 있다. 바람직하게는, 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 광고 제공 방법을 컴퓨터에서 실행시키기 위한 프로그램을 컴퓨터로 읽을 수 있는 기록매체에 기록하여 제공할 수 있다. 소프트웨어로 실행될 때, 본 발명의 구성 수단들은 필요한 작업을 실행하는 코드 세그먼트들이다. 프로그램 또는 코드 세그먼트들은 프로세서 판독 가능 매체에 저장되거나 전송 매체 또는 통신망에서 반송파와 결합된 컴퓨터 데이터 신호에 의하여 전송될 수 있다.
컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 장치의 예로는 ROM, RAM, CD-ROM, DVD±ROM, DVD-RAM, 자기 테이프, 플로피 디스크, 하드 디스크(hard disk), 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 장치에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
본 발명은 도면에 도시된 일 실시 예를 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시 예의 변형이 가능하다는 점을 이해할 것이다. 그리고, 이와 같은 변형은 본 발명의 기술적 보호범위 내에 있다고 보아야 한다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다.
본 발명은 개인의 선호, 취향, 행동 패턴에 최적화된 광고를 제공할 수 있어, 광고의 차별성을 높이고 광고 효과를 극대화할 수 있는 인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법에 관한 것으로, 상품 판매 사이트, 컨텐츠 제 공 사이트, 포탈 사이트 등에 적용되는 통계 분석 모듈, 시장 분석 모듈 등에 적용될 수 있고, 모바일과 기존 유선 망을 연결하여 개인화된 데이터를 생성하는 분석 모듈로 사용될 수도 있다.
도 1은 종래의 광고 추천 시스템의 블록도이다.
도 2a는 본 발명의 일 실시 예에 따라 인공지능에 기반한 랭킹 분석 장치(AIRAS)와 연동하는 인공지능에 기반한 개인별 맞춤형 광고 제공 장치의 블록도이다.
도 2b는 AIRAS의 상세 블록도이다.
도 3a는 상품에 대한 사용자의 성향이나 선호에 대한 분석 결과를 제공하는 CPRS, 컨텐츠에 대한 사용자의 성향이나 선호에 대한 분석 결과를 제공하는 CCFS와 연동하는 CAFS에 대한 블록도이다.
도 3b는 본 발명의 또 다른 실시 예에 따라 쇼핑몰 서버, 컨텐츠몰 서버 또는 포탈 서버와 연동하는 CAFS의 블록도이다.
도 4는 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 광고 제공 방법의 흐름도이다.
도 5는 도 3의 최적 클래스 질의 과정의 상세 흐름도이다.
도 6은 도 5의 시간 분석 과정의 상세 흐름도이다.
도 7은 도 5의 클러스터링 과정의 상세 흐름도이다.
도 8은 본 발명의 다른 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 광고 제공 방법의 흐름도이다.
도 9a는 K-평균 알고리즘의 예를 도시한 것이고, 도 9b는 클러스터링의 예를 도시한 것이다.
도 10a 내지 10c는 본 발명의 일 실시 예에 따른 인공지능에 기반한 개인별 맞춤형 광고 제공 방법을 실제 사이트에 적용한 예이다.

Claims (16)

  1. 사용자의 로그인 정보를 포함하는 현재 패턴 데이터 및 상기 사용자가 선택한 상품 또는 컨텐츠 중 적어도 한가지를 포함하는 객체 관련 데이터를 수집하는 정보 수집부;
    상기 수집된 현재 패턴 데이터 및 객체 관련 데이터를 이용하여 상기 사용자에 대한 현재 패턴 분석을 수행하는 사용자 정보 분석부;
    상기 사용자의 속성 및 광고의 속성들 사이의 관계를 설정하는 속성 매칭부;
    상기 사용자의 속성 및 상기 광고의 속성들 각각의 가치를 측정하고 상기 설정된 관계에 대한 가치를 계산하는 가치 측정부;
    상기 사용자의 활동 시간, 상기 사용자가 상품, 컨텐츠 및 광고마다 머문 시간 및 현재 시간에 기반하여 시간 분석을 수행하여 상기 관계에 대한 가치에 가중치를 부여하는 시간 분석부;
    상기 가중치가 부여된 가치를 클러스터링 알고리즘에 적용하여 클러스터링 클래스를 추출하는 클러스터링부;
    상기 추출된 클러스터링 클래스에 대응하는 광고를 광고 데이터베이스에서 추출하고, 클라이언트로부터 상기 광고에 대한 반응을 피드백받아 상기 광고의 상기 사용자에 대한 적합성 여부를 판단하는 맞춤형 광고 추출부; 및
    상기 추출된 광고의 형식을 상기 클러스터링 클래스에 대응하도록 변경하여 상기 클라이언트에 전송하는 광고 형식 변경부를 포함하는, 인공지능에 기반한 개인별 맞춤형 광고 제공 장치.
  2. 제1항에 있어서,
    상기 사용자 정보 분석부는
    맞춤형 상품 제공 장치 및 맞춤형 컨텐츠 제공 장치에 연결되어, 상기 사용자가 선택하거나 구매한 상품 및 컨텐츠에 대한 사용자 행태 분석 결과를 수신하고, 상기 사용자 행태 분석 결과와 상기 현재 패턴 데이터를 클러스터링 알고리즘 에 적용하여 사용자 분석을 수행하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 광고 제공 장치.
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 광고 형식 변경부는
    상기 광고의 형식을 상기 클러스터링 클래스에 대응하는 화면 크기, 재생시간 및 형식으로 변환하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 광고 제공 장치.
  6. 제5항에 있어서,
    상기 광고 형식 변경부는
    상기 클러스터링 클래스에 대응하도록 변환된 광고를 상기 클라이언트에 구비된 화면의 크기, 상기 클라이언트의 처리 속도 및 소리 재생 능력에 따라 형식을 변환하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 광고 제공 장치.
  7. 삭제
  8. 사용자의 로그인 정보를 포함하는 현재 패턴 데이터를 수집하고, 맞춤형 상품 제공 장치 및 맞춤형 컨텐츠 제공 장치에 연결되어 상기 사용자가 선택하거나 구매한 상품 및 컨텐츠에 대한 사용자 행태 분석 결과를 수신하는 정보 수집부;
    상기 수집된 현재 패턴 데이터 및 사용자 행태 분석 결과를 이용하여 상기 사용자에 대한 현재 패턴 분석을 수행하는 사용자 정보 분석부;
    상기 행태 분석 결과를 생성하는 상기 맞춤형 상품 제공 장치 및 맞춤형 컨텐츠 제공 장치의 질의에 대해, 상기 사용자의 속성 및 광고의 속성들 사이의 관계를 설정하는 속성 매칭부;
    상기 사용자의 속성 및 상기 광고의 속성들 각각의 가치를 측정하고 상기 설정된 관계에 대한 가치를 계산하는 가치 측정부;
    상기 사용자의 활동 시간, 상기 사용자가 상품, 컨텐츠 및 광고마다 머문 시간 및 현재 시간에 기반하여 시간 분석을 수행하여 상기 관계에 대한 가치에 가중치를 부여하는 시간 분석부;
    상기 가중치가 부여된 가치를 클러스터링 알고리즘에 적용하여 상기 사용자에 대한 맞춤형 상품에 대응하는 클러스터링 클래스 및 맞춤형 컨텐츠에 대응하는 클러스터링 클래스를 추출하는 클러스터링부;
    상기 현재 패턴 분석 결과, 상기 클러스터링 클래스에 따라 광고 데이터베이스에서 광고를 추출하고, 클라이언트로부터 상기 광고에 대한 반응을 피드백받아 상기 광고의 상기 사용자에 대한 적합성 여부를 판단하는 맞춤형 광고 추출부; 및
    상기 추출된 광고의 형식을 상기 클러스터링 클래스에 대응하도록 변경하여 상기 클라이언트에 전송하는 광고 형식 변경부를 포함하는, 인공지능에 기반한 개인별 맞춤형 광고 제공 장치.
  9. 유선 또는 무선으로 통신망에 연결된 분석 장치가 사용자 분석 결과에 따라 광고를 제공하는 방법에 있어서,
    상기 분석 장치에서 사용자의 로그인 정보를 포함하는 현재 패턴 데이터 및 상기 사용자가 선택한 상품 또는 컨텐츠 중 적어도 한가지를 포함하는 객체 관련 데이터를 수집하는 단계;
    상기 수집된 현재 패턴 데이터 및 객체 관련 데이터를 이용하여 상기 사용자에 대한 현재 패턴 분석을 수행하는 단계;
    상기 분석 장치가 상기 사용자의 속성 및 광고의 속성들 사이의 관계를 설정하는 단계;
    상기 사용자의 속성 및 상기 광고의 속성들 각각의 가치를 측정하고 상기 설정된 관계에 대한 가치를 계산하는 단계;
    상기 사용자의 활동 시간, 상기 사용자가 상품, 컨텐츠 및 광고마다 머문 시간 및 현재 시간에 기반하여 시간 분석을 수행하여 상기 관계에 대한 가치에 가중치를 부여하는 단계;
    상기 가중치가 부여된 가치를 클러스터링 알고리즘에 적용하여 클러스터링 클래스를 추출하는 단계;
    상기 추출된 클러스터링 클래스에 대응하는 광고를 광고 데이터베이스에서 추출하는 단계;
    상기 분석 장치에서 상기 추출된 광고의 형식을 상기 클러스터링 클래스에 대응하도록 변경하여 클라이언트에 전송하는 단계; 및
    상기 분석 장치에서 상기 클라이언트로부터 상기 광고에 대한 반응을 피드백받아 상기 광고의 상기 사용자에 대한 적합성 여부를 판단하하는 단계
    를 포함하는, 인공지능에 기반한 개인별 맞춤형 광고 제공 방법.
  10. 제9항에 있어서,
    상기 현재 패턴 분석을 수행하는 단계는
    맞춤형 상품 제공 장치 및 맞춤형 컨텐츠 제공 장치에 연결되어, 상기 사용자가 선택하거나 구매한 상품 및 컨텐츠에 대한 사용자 행태 분석 결과를 수신하고, 상기 사용자 행태 분석 결과와 상기 현재 패턴 데이터를 클러스터링 알고리즘에 적용하여 사용자 분석을 수행하는 단계인 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 광고 제공 방법.
  11. 삭제
  12. 제9항에 있어서,
    상기 광고의 형식을 변경하여 클라이언트에 전송하는 단계는
    상기 광고의 형식을 상기 클러스터링 클래스에 대응하는 화면 크기, 재생시간 및 형식으로 변환하는 단계인 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 광고 제공 방법.
  13. 제12항에 있어서,
    상기 광고의 형식을 변경하여 클라이언트에 전송하는 단계는
    상기 클러스터링 클래스에 대응하도록 변환된 광고를 상기 클라이언트에 구 비된 화면의 크기, 상기 클라이언트의 처리 속도 및 소리 재생 능력에 따라 형식을 변환하는 단계를 포함하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 광고 제공 방법.
  14. 제9항에 있어서,
    상기 클라이언트로부터 상기 광고에 대한 반응을 피드백받아 광고주 서버에 전송하는 단계를 더 포함하는 것을 특징으로 하는, 인공지능에 기반한 개인별 맞춤형 광고 제공 방법.
  15. 삭제
  16. 제9항, 제10항, 제12항, 제13항 또는 제14항 중 어느 한 항의 방법을 컴퓨터 시스템에서 실행하기 위한 프로그램이 기록된, 컴퓨터 시스템이 판독할 수 있는 기록매체.
KR1020090058365A 2009-06-29 2009-06-29 인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법,그 기록 매체 KR101003045B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090058365A KR101003045B1 (ko) 2009-06-29 2009-06-29 인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법,그 기록 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090058365A KR101003045B1 (ko) 2009-06-29 2009-06-29 인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법,그 기록 매체

Publications (1)

Publication Number Publication Date
KR101003045B1 true KR101003045B1 (ko) 2010-12-22

Family

ID=43513201

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090058365A KR101003045B1 (ko) 2009-06-29 2009-06-29 인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법,그 기록 매체

Country Status (1)

Country Link
KR (1) KR101003045B1 (ko)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013103565A1 (en) * 2012-01-03 2013-07-11 Google Inc. Selecting content formats based on predicted user interest
KR20150117582A (ko) * 2014-04-10 2015-10-20 엘지전자 주식회사 서버, 영상제공장치, 및 이를 포함하는 영상 제공 시스템
KR20160036130A (ko) * 2014-09-24 2016-04-04 스마트이어 주식회사 어플리케이션 관리 방법 및 이를 수행하는 단말기
KR101831701B1 (ko) * 2012-02-06 2018-02-23 네이버 주식회사 사용자의 관심 정보를 사용한 타겟 광고 결정 장치 및 방법
WO2019088692A1 (ko) * 2017-11-06 2019-05-09 삼성전자주식회사 영상 표시 장치 및 그 동작 방법
KR102042047B1 (ko) * 2018-09-06 2019-11-07 가톨릭대학교 산학협력단 정형 및 비정형의 빅데이터를 이용한 마케팅 서비스 시스템 및 방법
KR20190142508A (ko) * 2018-06-18 2019-12-27 주식회사 레이니가든 상품 정보 제공 방법 및 장치
KR102091986B1 (ko) * 2019-12-26 2020-03-20 한국생산성본부 고객의 여정 분석 정보에 기반하는 인공지능 마케팅 시스템
KR102224706B1 (ko) * 2020-08-24 2021-03-08 주식회사 뉴앤락 광고 매칭 관리 서버
KR102227490B1 (ko) * 2020-07-03 2021-03-11 유영모 광고 서비스를 제공하는 전자 장치 및 그 동작 방법
KR20210037883A (ko) * 2019-09-30 2021-04-07 김시우 입체모형 제작관리서버
CN113011909A (zh) * 2021-01-08 2021-06-22 腾讯科技（深圳）有限公司 内容投放方法、装置、服务器及存储介质
CN113129061A (zh) * 2021-04-20 2021-07-16 微梦创科网络科技（中国）有限公司 一种广告索引校验方法及系统
KR20220028499A (ko) * 2020-08-28 2022-03-08 계명대학교 산학협력단 스포츠채널의 개인 맞춤형 광고 노출 시스템 및 이를 이용한 스포츠채널의 개인 맞춤형 광고 노출 방법
KR102395791B1 (ko) * 2021-03-15 2022-05-10 주식회사 에프에스엔 디지털 오디오 광고 서비스 제공 방법 및 장치
US11368758B2 (en) 2018-05-21 2022-06-21 Gdflab Co., Ltd. VOD service system based on AI video learning platform
KR102573285B1 (ko) * 2023-06-05 2023-09-01 (주)밀버스 뉴럴 네트워크를 이용하여 고객 관리 서비스를 제공하는 방법 및 장치
KR20230142985A (ko) 2022-04-04 2023-10-11 주식회사 유림디엠씨 빅데이터 기반의 최적화 광고 송출 시스템 및 이의 동작방법
CN118229363A (zh) * 2024-05-23 2024-06-21 青岛纯品科技有限公司 一种基于大数据的智能广告投放系统
KR102718310B1 (ko) 2023-08-28 2024-10-16 (주)밀버스 뉴럴 네트워크를 이용하여 마케팅 전략에 따라 마케팅과 관련된 컨텐츠를 제공하는 방법 및 장치

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104040584A (zh) * 2012-01-03 2014-09-10 谷歌公司 基于预测的用户兴趣来选择内容格式
WO2013103565A1 (en) * 2012-01-03 2013-07-11 Google Inc. Selecting content formats based on predicted user interest
US9451306B2 (en) 2012-01-03 2016-09-20 Google Inc. Selecting content formats for additional content to be presented along with video content to a user based on predicted likelihood of abandonment
KR101831701B1 (ko) * 2012-02-06 2018-02-23 네이버 주식회사 사용자의 관심 정보를 사용한 타겟 광고 결정 장치 및 방법
KR20150117582A (ko) * 2014-04-10 2015-10-20 엘지전자 주식회사 서버, 영상제공장치, 및 이를 포함하는 영상 제공 시스템
KR102287510B1 (ko) * 2014-04-10 2021-08-06 엘지전자 주식회사 서버, 영상제공장치, 및 이를 포함하는 영상 제공 시스템
KR20160036130A (ko) * 2014-09-24 2016-04-04 스마트이어 주식회사 어플리케이션 관리 방법 및 이를 수행하는 단말기
KR101652988B1 (ko) * 2014-09-24 2016-09-09 휴먼플러스(주) 어플리케이션 관리 방법 및 이를 수행하는 단말기
WO2019088692A1 (ko) * 2017-11-06 2019-05-09 삼성전자주식회사 영상 표시 장치 및 그 동작 방법
US11895375B2 (en) 2017-11-06 2024-02-06 Samsung Electronics Co., Ltd. Display device and operation method thereof
CN111316662A (zh) * 2017-11-06 2020-06-19 三星电子株式会社 图像显示设备及其操作方法
US11356744B2 (en) 2017-11-06 2022-06-07 Samsung Electronics Co., Ltd. Display device and operation method thereof
US11368758B2 (en) 2018-05-21 2022-06-21 Gdflab Co., Ltd. VOD service system based on AI video learning platform
KR20190142508A (ko) * 2018-06-18 2019-12-27 주식회사 레이니가든 상품 정보 제공 방법 및 장치
KR102147649B1 (ko) * 2018-06-18 2020-08-26 주식회사 레이니가든 상품 정보 제공 방법 및 장치
KR102042047B1 (ko) * 2018-09-06 2019-11-07 가톨릭대학교 산학협력단 정형 및 비정형의 빅데이터를 이용한 마케팅 서비스 시스템 및 방법
KR20210037883A (ko) * 2019-09-30 2021-04-07 김시우 입체모형 제작관리서버
KR102374198B1 (ko) * 2019-09-30 2022-03-17 김시우 입체모형 제작관리서버
KR102091986B1 (ko) * 2019-12-26 2020-03-20 한국생산성본부 고객의 여정 분석 정보에 기반하는 인공지능 마케팅 시스템
KR102227490B1 (ko) * 2020-07-03 2021-03-11 유영모 광고 서비스를 제공하는 전자 장치 및 그 동작 방법
KR20220025642A (ko) * 2020-08-24 2022-03-03 권영섭 광고 매칭 관리 서버
KR102615789B1 (ko) * 2020-08-24 2023-12-19 권영섭 광고 매칭 관리 서버의 동작 방법
KR102224706B1 (ko) * 2020-08-24 2021-03-08 주식회사 뉴앤락 광고 매칭 관리 서버
KR20220028499A (ko) * 2020-08-28 2022-03-08 계명대학교 산학협력단 스포츠채널의 개인 맞춤형 광고 노출 시스템 및 이를 이용한 스포츠채널의 개인 맞춤형 광고 노출 방법
KR102435990B1 (ko) * 2020-08-28 2022-08-25 계명대학교 산학협력단 스포츠채널의 개인 맞춤형 광고 노출 시스템 및 이를 이용한 스포츠채널의 개인 맞춤형 광고 노출 방법
CN113011909B (zh) * 2021-01-08 2023-07-28 腾讯科技（深圳）有限公司 内容投放方法、装置、服务器及存储介质
CN113011909A (zh) * 2021-01-08 2021-06-22 腾讯科技（深圳）有限公司 内容投放方法、装置、服务器及存储介质
KR102395791B1 (ko) * 2021-03-15 2022-05-10 주식회사 에프에스엔 디지털 오디오 광고 서비스 제공 방법 및 장치
CN113129061B (zh) * 2021-04-20 2023-07-18 微梦创科网络科技（中国）有限公司 一种广告索引校验方法及系统
CN113129061A (zh) * 2021-04-20 2021-07-16 微梦创科网络科技（中国）有限公司 一种广告索引校验方法及系统
KR20230142985A (ko) 2022-04-04 2023-10-11 주식회사 유림디엠씨 빅데이터 기반의 최적화 광고 송출 시스템 및 이의 동작방법
KR102573285B1 (ko) * 2023-06-05 2023-09-01 (주)밀버스 뉴럴 네트워크를 이용하여 고객 관리 서비스를 제공하는 방법 및 장치
KR102718310B1 (ko) 2023-08-28 2024-10-16 (주)밀버스 뉴럴 네트워크를 이용하여 마케팅 전략에 따라 마케팅과 관련된 컨텐츠를 제공하는 방법 및 장치
CN118229363A (zh) * 2024-05-23 2024-06-21 青岛纯品科技有限公司 一种基于大数据的智能广告投放系统

Similar Documents

Publication Publication Date Title
KR101003045B1 (ko) 인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법,그 기록 매체
KR101111121B1 (ko) 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치 및 방법, 그 기록 매체
KR100961782B1 (ko) 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체
US11843651B2 (en) Personalized recommendation method and system, and terminal device
US9706008B2 (en) Method and system for efficient matching of user profiles with audience segments
JP5312771B2 (ja) クエリに応答して、関連性のある広告を決定する技術
US9442984B2 (en) Social media contributor weight
US7631008B2 (en) System and method for generating functions to predict the clickability of advertisements
JP5596152B2 (ja) 電子商取引ウェブサイトでの情報マッチングの方法及びシステム
US8417569B2 (en) System and method of evaluating content based advertising
KR100963996B1 (ko) 감성에 기반한 개인별 제품 추천 장치 및 방법, 그 기록 매체
CN110489590B (zh) 针对视频搜索的观看时间聚类
US20140297658A1 (en) User Profile Recommendations Based on Interest Correlation
US20120095834A1 (en) Systems and methods for using a behavior history of a user to augment content of a webpage
WO2007056378A2 (en) Computer method and system for publishing content on a global computer network
US20070100795A1 (en) System and method for associating an unvalued search term with a valued search term
TW200912789A (en) Granular data for behavioral targeting
EP2188712A2 (en) Recommendation systems and methods
JP2009531782A (ja) 行動ターゲティングシステム
KR20110048065A (ko) 사용자 소셜 정보를 사용하는 온라인 광고를 위한 시스템 및 방법
TW202139100A (zh) 適地性內容媒合方法與系統
WO2011123118A1 (en) Multi-factor promotional offer suggestion
EP2478448A1 (en) Method and apparatus for data traffic analysis and clustering
US20210004844A1 (en) Building topic-oriented audiences
WO2014158894A2 (en) Identifying target audience for a product or service

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
J201 Request for trial against refusal decision
AMND Amendment
E90F Notification of reason for final refusal
B701 Decision to grant
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20140103

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20150826

Year of fee payment: 5

R401 Registration of restoration
FPAY Annual fee payment

Payment date: 20150923

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20170417

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20180611

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20191204

Year of fee payment: 10