KR101028810B1 - 광고 대상 분석 장치 및 그 방법 - Google Patents

광고 대상 분석 장치 및 그 방법 Download PDF

Info

Publication number
KR101028810B1
KR101028810B1 KR1020100049243A KR20100049243A KR101028810B1 KR 101028810 B1 KR101028810 B1 KR 101028810B1 KR 1020100049243 A KR1020100049243 A KR 1020100049243A KR 20100049243 A KR20100049243 A KR 20100049243A KR 101028810 B1 KR101028810 B1 KR 101028810B1
Authority
KR
South Korea
Prior art keywords
category
content corresponding
probability
user
selecting
Prior art date
Application number
KR1020100049243A
Other languages
English (en)
Inventor
임준용
최재원
이해진
이준형
김상진
Original Assignee
(주) 라이브포인트
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 (주) 라이브포인트 filed Critical (주) 라이브포인트
Priority to KR1020100049243A priority Critical patent/KR101028810B1/ko
Application granted granted Critical
Publication of KR101028810B1 publication Critical patent/KR101028810B1/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
    • G06Q30/0277—Online advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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
    • G06Q30/0272—Period of advertisement exposure

Abstract

본 발명은 단말 사용자의 행동 패턴을 기반으로 이동 단말기 사용자의 성향을 분석하여 정확하고 효율적인 광고 대상 선정을 가능하게 하는 광고 대상 분석 장치 및 이와 같은 장치에서의 광고 대상 분석 방법에 관한 것이다. 이를 위하여, 상기 광고 대상 분석 장치는 제 1 카테고리에 해당하는 애플리케이션에 제 2 카테고리에 해당하는 콘텐츠를 삽입하고, 상기 제 2 카테고리에 해당하는 애플리케이션에 상기 제 1 카테고리에 해당하는 콘텐츠를 삽입하는 콘텐츠 처리부와, 소정 범위의 사용자를 대상으로 상기 제 1 카테고리에 해당하는 콘텐츠의 사용자 선택 여부 및 상기 제 2 카테고리에 해당하는 콘텐츠의 사용자 선택 여부를 판단하는 정보 수집부와, 상기 선택 여부를 종속 변수로 정의하고, 상기 선택 여부에 영향을 미치는 단말기의 특성 등에 관한 사용자 정보들을 독립 변수로 정의하여, 상기 독립 변수와 상기 종속 변수의 상관 관계를 판단하는 정보 분석부, 및 상기 상관 관계에 근거하여 상기 제 1 카테고리 및 상기 제 2 카테고리의 선호도를 사용자별로 추정하는 선호도 추정부를 포함하는 것을 특징으로 한다.

Description

광고 대상 분석 장치 및 그 방법{APPARATUS AND METHOD FOR ANALYZING ADVERTISEMENT TARGET}
본 발명은 광고 대상 분석 장치 및 그 방법에 관한 것으로서, 더욱 상세하게는 광고 대상이 되는 단말기에 선택적으로 광고를 제공하기 위한 장치와 이와 같은 장치에서의 광고 대상 분석 방법에 관한 것이다.
인터넷을 중심으로 한 온라인상의 광고 방식은 광고 콘텐츠를 포함하는 해당 매체의 방문자 수 또는 페이지뷰가 가장 큰 광고 결정의 척도가 되어 왔다. 이것은 모든 단말에 동일한 광고 내용을 노출시키는 것으로서 개별 사용자의 특성을 고려하지 않아 광고에 드는 비용 대비 효율이 떨어지는 단점이 존재한다. 또한, 광고 비용을 결정하는 통계 분석도 방문자 수 또는 페이지뷰에 따라 단순한 방법으로 이루어 지게 되어 광고주의 정확하고 합리적인 의사 결정에 어려움이 존재하였다.
한편, 국내 모바일 환경에는 주로 PDA로 대변되는 모바일 컨버젼스 혁명, 주로 PMP로 대변되는 모바일 멀티미디어 혁명, 아이폰 등으로 대변되는 스마트폰 혁명으로의 변화가 있어 왔다. 무선 통신을 근간으로 하는 이동성과 특히 스마트 폰을 기반으로 하는 애플리케이션의 다양성 측면에서 모바일 광고 시장에서 방문자 수 또는 페이지뷰를 광고 결정의 중요한 척도로 삼기에는 한계가 존재한다.
본 발명은 이와 같은 문제점을 해결하기 위한 것으로서, 광고 대상이 되는 단말 사용자의 사용 패턴과 사용 패턴에 영향을 미칠 수 있는 요인들을 분석하여 사용자의 카테고리별 선호도를 추정하고 그 결과에 따라 광고주의 광고 영역에 가장 적합한 카테고리들 또는 사용자들을 선정할 수 있게 해주는 광고 대상 분석 장치 및 그 방법을 제공하는 것을 기술적 과제로 한다.
또한, 본 발명은 광고집행, 기대효과에 관하여 편리하고 직관적인 GUI 방식을 통한 서비스 환경을 제공하기 위해 컬러코드를 기반으로 광고주에 효율적인 광고 전략을 제시할 수 있게 해주는 광고 대상 분석 장치 및 그 방법을 제공하는 것을 다른 기술적 과제로 한다.
상기 기술적 과제를 해결하기 위한 광고 대상 분석 장치는 제 1 카테고리에 해당하는 애플리케이션에 제 2 카테고리에 해당하는 콘텐츠를 삽입하고, 상기 제 2 카테고리에 해당하는 애플리케이션에 상기 제 1 카테고리에 해당하는 콘텐츠를 삽입하는 콘텐츠 처리부와, 소정 범위의 사용자를 대상으로 상기 제 1 카테고리에 해당하는 콘텐츠의 사용자 선택 여부 및 상기 제 2 카테고리에 해당하는 콘텐츠의 사용자 선택 여부를 판단하는 정보 수집부와, 상기 선택 여부를 종속 변수로 정의하고, 상기 선택 여부에 영향을 미치는 단말기의 특성 등에 관한 사용자 정보들을 독립 변수로 정의하여, 상기 독립 변수와 상기 종속 변수의 상관 관계를 판단하는 정보 분석부와, 상기 상관 관계에 근거하여 상기 제 1 카테고리 및 상기 제 2 카테고리의 선호도를 사용자별로 추정하는 선호도 추정부를 포함한다.
바람직한 실시예에 있어서, 상기 광고 대상 분석 장치는 상기 제 1 카테고리를 제 1 컬러코드에 맵핑하고, 상기 제 2 카테고리를 제 2 컬러코드에 맵핑하고, 사용자의 상기 제 1 카테고리 및 제 2 카테고리의 선호도를 상기 제 1 컬러코드 및 제 2 컬러코드와의 관계로 정의하는 컬러코드 처리부를 더 포함한다.
한편, 상기 기술적 과제를 해결하기 위한 광고 대상 분석 방법은 먼저 제 1 카테고리에 해당하는 애플리케이션에 제 2 카테고리에 해당하는 콘텐츠를 삽입하고, 상기 제 2 카테고리에 해당하는 애플리케이션에 상기 제 1 카테고리에 해당하는 콘텐츠를 삽입한다. 또한, 소정 범위의 사용자를 대상으로 상기 제 1 카테고리에 해당하는 콘텐츠의 사용자 선택 여부 및 상기 제 2 카테고리에 해당하는 콘텐츠의 사용자 선택 여부를 판단한다. 또한, 상기 선택 여부를 종속 변수로 정의하고, 상기 선택 여부에 영향을 미치는 단말기의 특성 등에 관한 사용자 정보들을 독립 변수로 정의하여, 상기 독립 변수와 상기 종속 변수의 상관 관계를 판단한다. 또한, 상기 상관 관계에 근거하여 상기 제 1 카테고리 및 상기 제 2 카테고리의 선호도를 사용자별로 추정한다.
바람직한 실시예에 있어서, 상기 광고 대상 분석 방법은 상기 제 1 카테고리를 제 1 컬러코드에 맵핑하고, 상기 제 2 카테고리를 제 2 컬러코드에 맵핑하는 단계 및 사용자의 상기 제 1 카테고리 및 제 2 카테고리의 선호도를 상기 제 1 컬러코드 및 제 2 컬러코드와의 관계로 정의하는 단계를 더 포함한다.
본 발명에 따르면, 이동 단말기 사용자의 행동 패턴에 따른 광고 전략을 제시함으로써 광고주에게 비용대비 효율적인 광고 대상을 선정하는데 도움을 줄 수 있다.
또한, 1차적으로 카테고리를 기반으로 애플리케이션 간 유사도를 분류하고 2차적으로 카테고리에 노출된 콘텐츠의 사용자 선택 패턴을 기반으로 사용자 선호도를 분석함으로써, 순환과 진화 방식의 사용자 성향 판단에 근거하여 광고주의 정확하고 합리적인 의사 결정에 도움을 줄 수 있다.
직관적인 GUI 방식으로 광고 효과에 대한 예측 분석 자료를 제공하는 이와 같은 광고 대상 분석 장치와 광고 대상 분석 방법은, 가시성이 높은 컬러코드를 근간으로 하기 때문에 사용이 쉽고 편리한 이점을 가진다.
도 1은 본 발명의 일 실시예에 따른 광고 제공 시스템의 블록도이다.
도 2는 도 1에 도시된 광고 제공 장치(100)의 상세 블록도이다.
도 3은 도 2에 도시된 제어부(130)의 상세 블록도이다.
도 4a는 본 발명의 일 실시예에 따른 수집 정보 테이블을 나타낸다.
도 4b는 본 발명의 일 실시예에 따른 카테고리(r)에 해당하는 애플리케이션에 삽입된 카테고리(s)에 해당하는 콘텐츠의 선택 여부의 분포(420)를 나타낸다.
도 4c는 본 발명의 일 실시예에 따른 Yirs 및
Figure 112010033800885-pat00001
에 대한 혼동 행렬(Confusion Matrix)을 나타낸다.
도 4d는 본 발명의 일 실시예에 따른 사용자의 카테고리(r 및 s)간 선호도를 나타내는 개념도이다.
도 4e는 본 발명의 일 실시예에 따른 전체 사용자의 최종 좌표를 나타내는 개념도이다.
도 4f는 본 발명의 일 실시예에 따른 사용자별 카테고리 선호도를 나타내는 표이다.
도 5는 본 발명의 일 실시예에 따른 광고 범위 분석 그래프를 나타낸다.
도 6은 본 발명의 일 실시예에 따른 광고 대상 분석 과정의 흐름도이다.
도 7은 본 발명의 다른 일 실시예에 따른 광고 대상 분석 과정의 흐름도이다.
도 1은 본 발명의 일 실시예에 따른 광고 제공 시스템의 블록도이다. 본 실시예에 있어서 광고 제공 시스템은 광고 제공 장치(100), 단말(200) 및 애플리케이션 제공 장치(300)를 포함한다.
광고 제공 장치(100)는 기업의 마케팅 수단 혹은 유료 판매를 위해 개발된 콘텐츠(광고 콘텐츠)를 개발자의 애플리케이션에 삽입하기 위한 장치로서, 애플리케이션 또는 콘텐츠의 등록, 콘텐츠의 노출에 따른 과금 처리 및 수익 분배 등을 처리한다. 예를 들어, 광고 제공 장치(100)는 입찰가, CTR(Click-Through-Rates) 등에 의해 산정된 순위에 기반하여 풀(pool)에 등록된 콘텐츠를 역시 풀에 등록된 애플리케이션에 삽입하는 방식으로 노출시킨다.
이를 위해, 광고 제공 장치(100)는 단말(200)로부터 단말(200)에서 실행되는 애플리케이션 내에 삽입된 콘텐츠의 사용자 선택에 관한 정보를 수신할 수 있다. 또한, 광고 제공 장치(100)는 풀에 등록된 애플리케이션이 실행되면 사용자의 이벤트에 반응하여 또는 주기적으로 단말(200)의 환경 정보 등을 포함하는 사용자 특성에 관한 정보를 더 수신할 수 있다. 상기 사용자 선택에 관한 정보 및 사용자 특성에 관한 정보는 광고 제공 장치(100)가 애플리케이션에 효율적으로 콘텐츠를 노출시키기 위한 기본 자료가 된다.
한편, 광고 제공 장치(100)는 풀에 등록된 애플리케이션을 애플리케이션 제공 장치(300)에 제공함으로써, 개발자의 애플리케이션 등록 과정을 대행할 수 있다. 또한, 광고 제공 장치(100)는 애플리케이션 제공 장치(300)로부터 단말(200)의 애플리케이션 다운로드 등에 관한 애플리케이션 사용 정보를 제공받을 수 있다.
광고 제공 장치(100)가 콘텐츠를 노출시키기 위하여 애플리케이션에 콘텐츠를 삽입하기 위해 다양한 방식을 이용할 수 있다. 예를 들어, 애플리케이션에 콘텐츠에 해당하는 코드가 직접 삽입될 수 있고, 애플리케이션에 콘텐츠를 연결(link)하는 코드가 삽입될 수 있다. 또는, 애플리케이션에 애플리케이션의 식별 정보를 포함하는 콘텐츠 제공 코드가 삽입되어 콘텐츠 제공 코드를 수신한 광고 제공 장치(100)가 소정 기준에 따라 콘텐츠 제공 코드에 대응하는 콘텐츠를 단말(200)에 송신할 수 있다. 따라서, 광고 제공 장치(100)는 애플리케이션에 다양한 방식으로 콘텐츠 또는 콘텐츠의 코드를 삽입하는 모듈(미도시)을 구비할 수 있다.
또한, 광고 제공 장치(100)는 광고 분석 및 통계 기능을 제공하며, 네트워크를 통해 수집된 다양한 로그 및 통계 정보의 분석, 광고 노출에 대한 기초 및 상세 자료, 방문자 통계 및 애플리케이션 활용도 등에 관한 다양한 통계 데이터를 추출한다. 이와 같은 광고 제공 장치(100)의 분석 및 통계 데이터는 GUI 기반으로 사용자에게 제공된다.
단말(200)은 Wifi/3G/Sync 등의 유무선 통신 인터페이스를 통해 애플리케이션 제공 장치(300)로부터 애플리케이션을 수신하고, 수신한 애플리케이션을 실행할 수 있는 스마트 폰을 포함하는 모든 단말기를 의미한다. 애플리케이션은 콘텐츠를 포함할 수 있으며, 입력부(미도시)를 통한 콘텐츠의 사용자 선택에 관한 정보는 광고 제공 장치(100)에 제공된다. 또한, 단말(200)은 광고 제공 장치(100)로부터 실행되는 애플리케이션에 관한 정보를 수신할 수 있고, 애플리케이션에 삽입된 콘텐츠의 코드를 광고 제공 장치(100)로부터 수신할 수 있다.
본 발명의 일 실시예에 따르면, 단말(200)은 입력부(미도시)를 통해 사용자로부터 선택된 콘텐츠의 코드에 관한 정보, 각종 매개 변수를 포함하는 단말기의 사용 환경에 관한 정보 및 단말(200)의 제조사를 포함하는 하드웨어 및 운영체제를 포함하는 소프트웨어 등에 관한 정보를 광고 제공 장치(100)에 제공한다.
애플리케이션 제공 장치(300)는 개발자가 개발한 애플리케이션의 등록 및 관리, 애플리케이션의 단말(200)로의 송신 및 애플리케이션의 송신에 따른 과금 정보를 처리하는 서비스 제공자로서, Wifi/3G/Sync 등의 유무선 통신 인터페이스를 통해 단말(200)에 애플리케이션을 제공한다.
도 2는 도 1에 도시된 광고 제공 장치(100)의 상세 블록도이다. 본 실시예에 있어서 광고 제공 장치(100)는 저장부(110), 통신부(120), 제어부(130), 출력부(140) 및 입력부(150)를 포함한다.
저장부(110)는 제어부(130)의 동작을 위한 프로그램을 저장하기 위한 롬(ROM, 미도시), 예컨대 플래시 메모리와, 송수신 또는 디스플레이를 위해 처리하는 임시 출력되는 데이터들을 임시 저장하기 위한 램(RAM, 미도시)을 포함한다.
본 발명의 일 실시예에 따르면, 저장부(110)는 풀(pool)에 등록된 애플리케이션 및 콘텐츠의 식별 정보와 카테고리에 관한 정보를 저장할 수 있다. 식별 정보는 애플리케이션 및 콘텐츠를 식별하기 위한 아이디, 이름, 개발자 또는 제조사 등에 관한 정보를 포함한다. 카테고리에 관한 정보는 애플리케이션 및 콘텐츠마다 분야, 범주 등을 기준으로 설정된 카테고리를 말하며, 카테고리의 아이디 및 이름 등에 관한 정보를 포함한다.
본 발명의 다른 일 실시예에 따르면, 저장부(110)는 컬러코드에 관한 정보를 더 저장한다. 컬러코드는 애플리케이션 또는 콘텐츠에 대응하는 카테고리에 맵핑되는 식별 정보로서, 광고 예측 및 결과에 대한 통계, 분석 데이터를 GUI 기반으로 사실적으로 묘사하기 위한 식별 정보를 의미한다. 바람직하게는 컬러코드는 빛의 3원색을 이용하여 색상을 정의하는 RGB 값으로 정의될 수 있으며, RGB 방식에 의할 경우 각 컬러 채널당 8비트 즉 255개의 컬러를 기본으로 약 1600만개의 색상 표현이 가능하다. 컬러코드는 3차원의 좌표계상에서 적색, 녹색 및 청색을 x, y 및 z축에 맵핑하는 방식으로 배치될 수 있다.
통신부(120)는 광고 제공 장치(100)가 무선 통신 시스템(Wifi 또는 3G 등)을 통하여 단말(200)과 통신을 할 수 있도록, 무선 통신 시스템의 기지국과 송수신하는 신호의 변/복조 및 부호화/복호화 작업을 수행한다. 광고 제공 장치(100)가 무선 통신 시스템의 기지국과 주고 받는 무선 신호는 단말(200)의 하드웨어 및 소프트웨어에 관한 정보, 콘텐츠 노출에 관한 정보가 될 수 있다.
본 발명의 일 실시예에 따르면, 통신부(120)는 단말(200)로부터 무선 통신 시스템을 통해 애플리케이션에 삽입된 콘텐츠의 선택에 관한 정보를 수신한다. 콘텐츠의 선택에 관한 정보는, 단말(200)의 제조사, 모델명, 일련번호 및 네트워크 주소(MAC 어드레스 또는 IP 어드레스)등을 포함하는 단말(200)의 하드웨어에 관한 정보, 단말(200)에 탑재된 운영체제, 선택된 콘텐츠가 포함된 애플리케이션 및 선택된 콘텐츠의 식별 정보(콘텐츠에 포함된 매개 변수에 관한 정보를 포함)를 포함하는 소프트웨어에 관한 정보를 포함할 수 있다. 또한, 콘텐츠들의 선택에 관한 정보는 부가적으로 사용자에 관한 정보를 포함할 수 있으며, 사용자에 관한 정보는 성별, 연령대, 지역 및 직업에 관한 정보 등을 포함할 수 있다.
제어부(130)는 광고 제공 장치(100)의 전반적인 동작을 제어한다. 예를 들어 콘텐츠의 선택에 대한 사용자 행동 패턴 분석 및 기대 효과 예측 등을 위한 관련된 제어 및 처리를 수행한다.
본 발명의 일 실시예에 따르면, 제어부(130)는 소정 기준에 따라 애플리케이션에 콘텐츠를 삽입하고, 삽입된 콘텐츠의 사용자 선택 여부를 판단하며, 사용자 선택 여부와 사용자 정보 등에 근거하여 사용자 정보가 사용자 선택 여부에 미치는 영향을 분석하고, 분석 결과를 토대로 카테고리 선호도를 사용자별로 추정한다. 제어부(130)는 추정 결과에 근거하여 광고 범위를 결정할 수 있고, 사용자 또는 카테고리를 기준으로 광고 범위를 결정할 수 있다.
출력부(140)는 오디오 신호(또는, 청각과 관련된 신호) 또는 비디오 신호(또는, 시각과 관련된 신호)의 출력을 위한 것으로서, 출력부(140)에는 비디오 신호의 출력을 위한 디스플레이부(미도시), 오디오 신호의 출력을 위한 스피커부(미도시) 등이 포함될 수 있다. 본 발명의 일 실시예에 따르면, 출력부(140)는 제어부(130)의 제어하에 상기 기대 효과를 출력한다.
입력부(150)는 사용자가 광고 제공 장치(100)의 동작 제어를 위해 인가하는 입력 명령을 받아들이고, 받아들인 명령을 제어부(130)에 전달하여 제어부(130)가 이 명령에 따라 동작하도록 한다. 입력부(150)는 키 패드, 터치 패드, 마우스 또는 이들의 조합에 의하여 구성될 수 있다.
도 3은 도 2에 도시된 제어부(130)의 상세 블록도이다. 본 실시예에 있어서, 제어부(130)는 주 제어부(131), 콘텐츠 처리부(132), 정보 수집부(133), 정보 분석부(134), 선호도 추정부(135), 대상 결정부(136) 및 컬러코드 처리부(137)를 포함한다.
주 제어부(131)는 제어부(130) 내의 다른 구성 요소와 저장부(110), 통신부(120), 출력부(140) 및 입력부(150)의 동작을 제어한다.
콘텐츠 처리부(132)는 풀에 등록된 콘텐츠를 관리하기 위한 모듈로서, 저장부(110)로부터 애플리케이션과 콘텐츠의 식별 정보를 호출하여 소정 기준에 따라 애플리케이션에 콘텐츠를 삽입한다. 데이터의 수집을 위해 콘텐츠 처리부(132)는 하나의 카테고리에 해당하는 애플리케이션에 다른 카테고리에 해당하는 콘텐츠를 삽입하는 방식으로 애플리케이션에 콘텐츠를 삽입한다. 그러나, 데이터의 분석이 완료된 후 콘텐츠 처리부(132)는 사용자의 선택에 의해 또는 대상 결정부(136)에 의해 결정된 광고 범위에 따라 애플리케이션에 콘텐츠를 삽입할 수 있다.
정보 수집부(133)는 통신부(110)를 통해 단말(200)로부터 사용자 정보 또는 사용자의 콘텐츠 선택에 관한 정보를 수신하고, 수신된 정보를 취합하여 저장부(120)에 저장한다.
도 4a를 참조하면, 도 4a는 본 발명의 일 실시예에 따른 수집 정보 테이블을 나타낸다. 수집 정보 테이블(410)은 사용자(a,b 등) 별로 제 1 카테고리에 해당하는 애플리케이션에 삽입된 제 2 카테고리에 해당하는 콘텐츠의 선택 여부(YAB, YAC 등)와 콘텐츠의 선택 패턴에 영향을 미치는 사용자 정보(X1, Xp 등)를 포함한다. 일 실시예에서, 콘텐츠의 선택 여부(YAB, YAC 등)는 콘텐츠를 선택했을 때 1의 값을 가지고, 콘텐츠를 선택하지 않았을 때 0의 값을 가진다. 사용자 정보(X1, Xp 등)는 예를 들어 사용자가 특정 페이지에 머무르는 시간, 단말(200)의 기종 등 설치된 애플리케이션의 연관관계를 추정하기 위한 정보로서, 정보의 수집 이전에 항목들(X1, Xp 등)이 관리자에 의해 미리 결정된다. 또한, 이와 같은 항목들(X1, Xp 등)은 고정적인 것이 아니고, 정보의 수집 및 분석을 새로 반복할 때 갱신될 수 있다.
정보 분석부(134)는 정보 수집부(133)에서 수집된 정보에 근거하여 콘텐츠 선택 여부와 사용자 정보의 상관 관계를 분석한다. 즉, 정보 분석부(134)는 콘텐츠 선택 여부에 관한 정보를 종속 변수로 정의하고, 사용자 정보를 독립 변수로 정의하여 종속 변수와 독립 변수의 상관 관계를 분석한다. 상관 관계 분석을 위해 적절한 모델이 설정될 수 있으며, 이와 같은 모델에는 회귀분석(로지스틱 회귀분석 등) 또는 판별분석(선형 또는 이차 판별분석 등) 등 독립 변수가 종속 변수에 미치는 영향을 분석하기 위한 다양한 공지의 방법이 이용될 수 있다. 먼저, 로지스틱 회귀분석을 이용하여 독립 변수와 종속 변수의 상관 관계를 분석하는 방법을 설명한다.
Figure 112010033800885-pat00002
상기 수학식 1에서 Yirs는 i번째 사용자가 카테고리(r)에 해당하는 애플리케이션에 삽입된 카테고리(s)에 해당하는 콘텐츠의 선택 여부로써, 정보 수집부(133)에 의해 수집되어 0 또는 1의 값을 갖는다. 또한, πirs는 i번째 사용자가 카테고리(r)에 해당하는 애플리케이션에 삽입된 카테고리(s)에 해당하는 콘텐츠를 선택할 확률을 나타낸다. 또한, Xi는 상술한 바와 같이 i번째 사용자의 사용자 정보를 의미한다. βrs는 반응변수의 선형결합에 대한 모수를 나타낸다. 즉, 가중치를 의미하며, 이 가중치가 각각의 Xi에 대응되고 이들의 합이 Y를 설명한다. 여기에서 βrs는 [β1, …, βp]T 인 p×1 벡터이다. εi는 상수로서 0에 수렴하는 값을 갖는다.
이와 같이 모델이 설정되면, 모수(βrs)를 추정하기 위하여 βrs의 최대우도추정량(Maximum Likelihood Estimatior)을 사용한다. 최대우도추정량은 가장 큰 가능성을 가진 추정값을 선택하는 방법을 의미한다. 최대우도추정량의 특성상, 우도추정량에 대해 자연로그를 사용하여 최대값을 구한다. 추정해야할 모수(βrs)의 우도함수를 L(βrs)이라 하면, 로지스틱 모형의 우도함수에 자연로그를 취하면 다음의 수학식 2가 성립된다.
Figure 112010033800885-pat00003
수학식 2에서, loge(L(βrs))를 최대로 하는 βrs의 추정량을 구하고 이를
Figure 112010033800885-pat00004
라 하면, 수학식 1은 다음의 수학식 3과 같이 변경될 수 있다.
Figure 112010033800885-pat00005
따라서, i번째 사용자가 카테고리(r)에 해당하는 애플리케이션에 삽입된 카테고리(s)에 해당하는 콘텐츠를 선택할 확률의 추정값은
Figure 112010033800885-pat00006
이 되며,
Figure 112010033800885-pat00007
는 다음 수학식 4와 같이 계산된다.
Figure 112010033800885-pat00008
다음은, 판별분석을 이용하여 독립 변수와 종속 변수의 상관 관계를 분석하는 방법을 설명한다. 도 4b를 참조하면, 도 4b는 본 발명의 일 실시예에 따른 카테고리(r)에 해당하는 애플리케이션에 삽입된 카테고리(s)에 해당하는 콘텐츠의 선택 여부, 즉 Yrs의 분포(420)를 나타낸다. 따라서, 특정한 X 값에 따라 각각의 가정된 분포 하에서 확률이 도출될 수 있다. 즉, P(Yrs=j|Xi)(i번째 사용자의 X값이 주어졌을 때 Yrs가 1 또는 0일 확률)를 구해야 한다. 하지만, 현재 f(Xi|Yrs=j)(Yrs가 1 또는 0일 때 i번째 사용자의 X값의 확률(Sampling Distribution, Likelihood))과 P(Yrs=j)(Yrs가 1 또는 0일 확률(Prior))만 알고 있으므로 이를 통해 P(Yrs=j|Xi)를 계산하여야 한다.
베이즈 정리(Bayes Theorem)에 의해, 다음 수학식 5가 만족하며, 이를 통해 P(Yrs=j|Xi)를 구할 수 있다. 이와 같은 방법론을 베이즈 접근법(Bayes Approach)이라 한다.
Figure 112010033800885-pat00009
이와 같은 방법론을 이용하여, Yrs가 1 또는 0일 확률을 구할 수 있으므로 2개의 확률값이 도출된다. 그러나 특정 컬러코드에서의 변화양상을 알아내면 되기 때문에, Yrs가 1일 때의 확률 즉, 다음 수학식 6을 계산하면 되며, 여기에서 P(Yrs=1|Xi)는 의미상 로지스틱 회귀분석의
Figure 112010033800885-pat00010
의 개념과 동일하다.
Figure 112010033800885-pat00011
상기 수학식 6에서 f(Xi|Yrs=j)는 주어진 자료의 분포에 따라 달라지는데, 보편적으로 정규분포를 많이 쓰며, 이때 f(Xi|Yrs=j)는 다음 수학식 7과 같다.
Figure 112010033800885-pat00012
(i=1, …, n, j=0,1)
또한, P(Yrs=j)는 다음 수학식 8과 같이 결정된다.
Figure 112010033800885-pat00013
여기에서, μj는 Yrs가 j일 때 평균 행렬을 의미하며 n×p행렬이고,
Figure 112010033800885-pat00014
는 Yrs가 j일 때 공분산 행렬을 의미하며 p×p행렬이다. 특히,
Figure 112010033800885-pat00015
의 값에 따라 분석방법에 대한 명칭이 달라지는데,
Figure 112010033800885-pat00016
, 즉, Yrs가 j일 때 공분산 행렬이 동일할 때를 LDA(Linear Discriminant Analysis, 선형 판별 분석)라 하고,
Figure 112010033800885-pat00017
, 즉 Yrs가 j일 때 공분산 행렬이 상이할 때를 QDA(Quadratic Discriminant Analysis, 이차 판별 분석)라 한다. 또한, f(Xi|Yrs=j)는 주어진 자료의 분포를 어떻게 가정하느냐에 따라 달라지므로, 정규분포 뿐만 아니라, 통계학에서 정할 수 있는 모든 분포의 확률질량함수(probability mass function) 및 확률밀도함수(probability density function)를 이용한 우도함수(Likelihood function)를 통칭한다.
이상의 방법론들을 통해 각각 컬러코드 내에서 이동할 확률을 예측할 수 있다. 이제 두 모델에 대한 평가가 필요한데, 먼저 이상에서 수집된 자료를 훈련용 데이터(Training data)와 시험용 데이터(Test data)로 나눈다. 이 경우, 복원추출을 통한 단순임의추출을 추천한다.
먼저, 로지스틱 회귀분석의 경우, 훈련용 데이터를 통해
Figure 112010033800885-pat00018
를 추정한다. 또한, 추정된
Figure 112010033800885-pat00019
와 시험용 데이터에서 알 수 있는 Xi를 통하여
Figure 112010033800885-pat00020
를 구한다. 이 때,
Figure 112010033800885-pat00021
를 경험에 의해 정해진 일정한 값(기본적으로 0.5)을 기준으로 1 또는 0으로 구분하여,
Figure 112010033800885-pat00022
라는 새로운 변수에 입력한다. 예를 들어,
Figure 112010033800885-pat00023
가 0.5를 초과할 때
Figure 112010033800885-pat00024
에 1을 입력하고, 그렇지 않을 경우
Figure 112010033800885-pat00025
에 0을 입력한다.
또한, 판별분석의 경우, 훈련용 데이터를 통하여 μj와
Figure 112010033800885-pat00026
의 추정치를 구한 후, 이를 토대로 시험용 데이터의 관측값을 통해 상기 수학식 7 및 수학식 8을 구한다. 이상의 값을 토대로 P(Yrs=0|xi)와 P(Yrs=1|xi)를 구한 후, P(Yrs=0|xi)≤P(Yrs=1|xi)이면 1, 아니면 0으로 구분하여
Figure 112010033800885-pat00027
라는 새로운 변수에 입력한다.
도 4c를 참조하면, 도 4c는 본 발명의 일 실시예에 따른 Yirs 및
Figure 112010033800885-pat00028
에 대한 혼동 행렬(Confusion Matrix)을 나타낸다. 혼동 행렬(430)에서 각 칸에 들어가는 수치는 혼동 행렬(430)의 상황에 해당하는 경우이다. 예를 들면, n12의 경우, 실제 시험용 데이터에서 관측된 Yirs는 1이지만, 모델링 후 관측된
Figure 112010033800885-pat00029
는 0인 경우의 개수이다. 상기 혼동 행렬(430)을 통해 분류가 잘못된 것의 개수를 구할 수 있으며, 이는 다음의 수식과 같다.
Figure 112010033800885-pat00030
또한, 모든 자료를 사용했을 때, 이 오분류율은
Figure 112010033800885-pat00031
개 만큼이 도출되므로, 모든 경우의 오분류율, 즉 q개의 오분류율을 구한 후, 이들의 중앙값(median)을 구하여 대표 오분류율을 구한다.
다시 도 3을 참조하면, 선호도 추정부(135)는 정보 분석부(134)에서 분석된 정보에 근거하여 카테고리에 대한 사용자 선호도를 추정한다. 즉, 선호도 추정부(135)는 정보 분석부(134)에 의해 분석된 상관 관계에 근거하여 카테고리와의 선호도를 추정한다. 각 카테고리가 3차원 좌표 상에서 하나의 점을 의미한다면, 사용자별로 각 카테고리와의 거리를 추정하고 추정된 거리에 근거하여 각 사용자의 3차원 좌표 상에서 위치를 결정한다.
예를 들어, 3차원 좌표 상에서 카테고리(r)의 좌표를 r(x1,y1,z1)이라 하고, 카테고리(s)의 좌표를 s(x2,y2,z2)라 하면, 구하고자 하는 a라는 사용자의 카테고리(r)와 카테고리(s) 사이의 선호도는 다음 수학식 10과 같다. 여기에서, ωrs는 임의의 가중치로서, 일반적으로 0.5로 설정된다.
Figure 112010033800885-pat00032
Figure 112010033800885-pat00033
도 4d를 참조하면, 도 4d는 본 발명의 일 실시예에 따른 사용자의 카테고리(r 및 s)간 선호도를 나타내는 개념도이다. 도 4d에서, 사용자의 카테고리(r) 선호도에 근거하여 카테고리(r)로부터
Figure 112010033800885-pat00034
만큼 떨어진 지점(442)에 사용자의 제 1 좌표가 결정된다. 또한, 사용자의 카테고리(s) 선호도에 근거하여 카테고리(s)로부터
Figure 112010033800885-pat00035
만큼 떨어진 지점(444)에 사용자의 제 2 좌표가 결정된다. 최종적으로, 카테고리(r)의 좌표와 제 1 좌표의 거리, 카테고리(s)의 좌표와 제 2 좌표의 거리의 비율에 따라 사용자의 최종 좌표(446)가 결정된다.
바람직하게는, 선호도 추정부(135)는 카테고리(r)와 카테고리(s)의 관계에 따라 가중치를 더 설정하고, 가중치에 근거하여 제 1 좌표 및 제 2 좌표로부터 최종 좌표를 결정할 수 있다. 카테고리(r)가 카테고리(s)보다 예를 들어 유행이나 시대적 흐름 등에 비추어 더 높거나 낮은 가중치를 두어야 할 필요성이 있기 때문이다. 카테고리(r)가 카테고리(s)보다 더 높은 가중치를 갖는 경우에, 최종 좌표는 카테고리(r)와 카테고리(s)가 같은 가중치를 갖는 경우보다 카테고리(r)의 좌표에 가깝다. 반대로, 카테고리(r)가 카테고리(s)보다 더 낮은 가중치를 갖는 경우에, 최종 좌표는 카테고리(r)와 카테고리(s)가 같은 가중치를 갖는 경우보다 카테고리(r)의 좌표로부터 멀다. 결과적으로, 상기 수학식 10의 ωrs는 카테고리(r)와 카테고리(s) 사이의 가중치를 의미하며, 일반적으로 ωrs는 0.5를 사용한다.
또한, 선호도 추정부(135)는 전체 카테고리에 대한 전체 사용자의 최종 좌표를 결정한다. 사용자의 최종 좌표는 다음의 수학식 11과 같이 결정되고, 여기에서 ωi는 카테고리에 대한 임의의 가중치가 된다.
Figure 112010033800885-pat00036
Figure 112010033800885-pat00037
도 4e를 참조하면, 도 4e는 본 발명의 일 실시예에 따른 전체 사용자의 최종 좌표를 나타내는 개념도이다. 도시된 바와 같이, 3차원 좌표계 내에서 전체 사용자에 대한 포지셔닝이 완료된 시뮬레이션 화면(450)을 나타낸다.
다시 도 3을 참조하면, 대상 결정부(136)는 선호도 추정부(135)에 의해 사용자의 최종 좌표가 결정되면, 사용자 또는 카테고리에 따라 콘텐츠들의 애플리케이션에 대한 노출 범위를 결정한다.
도 4f를 참조하면, 도 4f는 본 발명의 일 실시예에 따른 사용자별 카테고리 선호도를 나타내는 표이다. 예를 들어, 선호도 추정부(135)에 의해 결정된 a라는 사용자의 최종 좌표가 a(a1,a2,a3)이고, A라는 카테고리의 좌표가 A(xA,yA,zA)라고 정의하면 a와 A의 거리는 다음 수학식 12와 같이 결정된다.
Figure 112010033800885-pat00038
이와 같이 계산된 거리를 사용자별, 카테고리 별로 정리하면, 도 4f의 표(460)가 완성된다. 도시된 바와 같이, 각 사용자(a, b, …)의 좌표로부터 각 카테고리(ZA, ZB, …, ZY, ZZ)의 거리가 ZaA, ZaB 등으로 결정됨을 알 수 있다.
대상 결정부(136)는 광고주의 광고 예산에 따른 콘텐츠 노출 범위를 결정하기 위해 두 가지의 기준을 이용할 수 있다. 먼저, 특정 사용자(예를 들어 a라는 사용자)에 콘텐츠를 노출하는 경우 a라는 사용자에 대한 각 카테고리와의 거리는 ZaA, …, ZaZ가 됨을 알 수 있다. 여기에서 ZaA, …, ZaZ를 크기순으로 정리하면, ZaA (1), …, ZaZ (t)로 나타낼 수 있다(괄호 안의 숫자는 순위를 뜻한다). 즉, ZaA (1) < … < ZaZ(t)의 형식으로 재배열하여 나타낼 수 있다. 이와 같은 방식으로 광고 예산 등 한정된 자원에 따라 거리가 가까운 상위 일부 카테고리들만을 대상으로 한 애플리케이션에 콘텐츠를 노출시킬 수 있게 된다. 이와 같은 방식으로 대상 결정부(136)는 a라는 특정 사용자에 대한 콘텐츠 노출의 개수를 효율적으로 조정할 수 있다.
다음으로, 특정 카테고리(예를 들어 A라는 카테고리)에 콘텐츠를 노출하는 경우 A라는 카테고리에 대한 각 사용자와의 거리는 ZaA, …, ZzA가 됨을 알 수 있다. 여기에서 ZaA, …, ZzA를 크기순으로 정리하면, ZaA (1), …, ZzA (n)로 나타낼 수 있다(괄호 안의 숫자는 순위를 뜻한다). 즉, ZaA (1) < … < ZzA (n)의 형식으로 재배열하여 나타낼 수 있다. 이와 같은 방식으로 광고 예산 등 한정된 자원에 따라 거리가 가까운 상위 일부 사용자들만을 대상으로 한 애플리케이션에 콘텐츠를 노출시킬 수 있게 된다. 이와 같은 방식으로 대상 결정부(136)는 A라는 특정 카테고리에 대한 콘텐츠 노출의 개수를 효율적으로 조정할 수 있다.
다시 도 3을 참조하면, 컬러코드 처리부(137)는 애플리케이션 및 콘텐츠에 해당하는 카테고리를 컬러코드에 맵핑하고, 컬러코드가 위치하는 x,y 및 z축의 3차원 좌표계상에서 각 사용자의 카테고리 간 선호도를 정의한다. 컬러코드 처리부(137)는 카테고리의 좌표계 대신 컬러코드의 좌표계를 사용하고, 유사한 색상의 영역에 분포한 사용자들 또는 카테고리들은 유사한 성향 혹은 선호도를 지니므로 관리자가 시각적으로 분별하기 쉽게 된다.
도 5는 본 발명의 일 실시예에 따른 광고 범위 분석 그래프를 나타낸다. 특정 컬러코드에 대응하는 카테고리의 콘텐츠를 노출시킬 사용자 범위가 결정되었다면, 결정된 사용자 범위에 관한 정보를 광고주에게 시각적으로 전달함으로써 합리적인 의사 결정에 도움을 줄 필요가 있다. 우선, A라는 컬러코드의 좌표(512)를 A(xA,yA,zA)라고 정의하고, 도 4의 설명에서와 같이, ZaA (1) < … < ZzA (n)의 형식으로 정리되었다고 가정한다.
한정된 자원에 따라 전체 사용자(n명) 중 k명의 특정 인원을 광고 대상으로 추출한다면, ZaA (1) , … , ZzA (k) 의 거리 값을 가지는 사용자들이 광고 대상으로 선정될 수 있다. 여기에서 ZzA (k)의 거리 값을 가지는 사용자(514)는 광고 대상으로 선정된 사용자 중 A라는 컬러코드로부터 가장 상관관계가 적은 사용자를 의미한다. 따라서, 3차원 좌표계의 관점에서 광고 대상으로 선정된 사용자들은 A라는 컬러코드를 중심으로 하고 반지름(516)이 ZzA (k)의 거리 값을 가지는 구(518) 안에 위치하게 된다.
예를 들어, ZzA (k)의 거리 값을 가지는 사용자(514)를 u라 하고, u의 좌표값을 u(u1, u2, u3)라고 한다면, A라는 컬러코드를 중심으로 RGB의 3차원 공간에 새로운 구를 그릴 수 있고, 구의 자취의 방정식은 다음 수학식 13과 같다.
Figure 112010033800885-pat00039
여기에서, r은 다음 수학식 14와 같이 정의된다.
Figure 112010033800885-pat00040
즉, 구의 자취의 방정식에서 반지름인 r은 사용자 u와 컬러코드 A간의 거리를 의미한다. 따라서, 구의 자취 내부에 존재하는 점들이 k명의 광고 대상으로 선정되고, k명의 사용자들은 A라는 컬러코드로부터 r보다 작거나 같은 거리 값을 갖는다.
한편, 구의 형태가 아닌 타원체의 형태로 이 영역을 나타낼 수도 있는데, 이 때의 자취의 방정식은 다음 수학식 15와 같다.
Figure 112010033800885-pat00041
여기에서, k1, k2, k3는 타원체의 구체적인 모양을 나타내는 가중치를 의미한다. 예를 들어, k1=k2=k3 일 때 상기 수학식 15의 자취의 방정식은 구의 방정식이 된다. 또한, k1, k2 및 k3의 값에 따라 타원체의 모양은 X축, Y축 및/또는 Z축으로 팽창 또는 수축하게 된다. 따라서, 구의 자취의 방정식을 이용했을 때 구 안에 위치했던 어떤 사용자가 타원체의 자취의 방정식을 이용했을 때는 가중치에 따라 타원체의 밖에 위치할 수 있다. 또한 그 역도 성립된다.
도 6은 본 발명의 일 실시예에 따른 광고 대상 분석 과정의 흐름도이다.
먼저, 콘텐츠 처리부(132)는 데이터의 수집을 위해 하나의 카테고리에 해당하는 애플리케이션에 다른 카테고리에 해당하는 콘텐츠를 삽입하는 방식으로 애플리케이션에 콘텐츠를 삽입한다(S110).
이어서, 정보 수집부(133)는 통신부(110)를 통해 단말(200)로부터 사용자 정보 또는 사용자의 콘텐츠 선택에 관한 정보를 수신하고, 수신된 정보를 취합하여 저장부(120) 저장한다(S120).
이어서, 정보 분석부(134)는 제 120 단계에서 수집된 정보에 근거하여 콘텐츠 선택 여부와 사용자 정보의 상관 관계를 분석한다. 즉, 정보 분석부(134)는 콘텐츠 선택 여부에 관한 정보를 종속 변수로 정의하고, 사용자 정보를 독립 변수로 정의하여 종속 변수와 독립 변수의 상관 관계를 분석한다(S130).
이어서, 선호도 추정부(135)는 제 130 단계에서 분석된 정보에 근거하여 카테고리에 대한 사용자 선호도를 추정한다. 즉, 선호도 추정부(135)는 전체 사용자를 대상으로 제 130 단계에서 분석된 상관 관계에 근거하여 카테고리와의 선호도를 추정한다(S140).
이어서, 대상 결정부(136)는 제 140 단계에서 사용자의 선호도 추정이 완료되면, 사용자 또는 카테고리에 따라 콘텐츠들의 애플리케이션에 대한 노출 범위를 결정한다(S150).
도 7은 본 발명의 다른 일 실시예에 따른 광고 대상 분석 과정의 흐름도이다.
먼저, 컬러코드 처리부(137)는 애플리케이션 및 콘텐츠에 해당하는 카테고리를 컬러코드에 맵핑한다(S210).
이어서, 콘텐츠 처리부(132)는 데이터의 수집을 위해 하나의 카테고리에 해당하는 애플리케이션에 다른 카테고리에 해당하는 콘텐츠를 삽입하는 방식으로 애플리케이션에 콘텐츠를 삽입한다(S220).
이어서, 정보 수집부(133)는 통신부(110)를 통해 단말(200)로부터 사용자 정보 또는 사용자의 콘텐츠 선택에 관한 정보를 수신하고, 수신된 정보를 취합하여 저장부(120) 저장한다(S230).
이어서, 정보 분석부(134)는 제 230 단계에서 수집된 정보에 근거하여 콘텐츠 선택 여부와 사용자 정보의 상관 관계를 분석한다. 즉, 정보 분석부(134)는 콘텐츠 선택 여부에 관한 정보를 종속 변수로 정의하고, 사용자 정보를 독립 변수로 정의하여 종속 변수와 독립 변수의 상관 관계를 분석한다(S240).
이어서, 선호도 추정부(135)는 제 240 단계에서 분석된 정보에 근거하여 카테고리에 대한 사용자 선호도를 추정한다. 즉, 선호도 추정부(135)는 전체 사용자를 대상으로 제 230 단계에서 분석된 상관 관계에 근거하여 카테고리와의 선호도를 추정한다(S250).
이어서, 컬러코드 처리부(137)는 컬러코드가 위치하는 x,y 및 z축의 3차원 좌표계상에서 각 사용자의 카테고리 간 선호도를 정의한다(S260).
이어서, 대상 결정부(136)는 제 270 단계에서 컬러코드에 따른 사용자의 선호도가 정의되면, 사용자 또는 카테고리에 따라 콘텐츠들의 애플리케이션에 대한 노출 범위를 결정한다(S270).
본 명세서에서 설명되는 단말(200)은 휴대폰 뿐만 아니라 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 항법 장치 등 이동 단말기 뿐만 아니라 컴퓨터, TV 등 고정 단말기를 포함하여 애플리케이션을 실행할 수 있는 모든 단말기가 될 수 있다.
본 발명은 상기 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. 여기서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
100 : 광고 제공 장치 110 : 저장부
120 : 통신부 130 : 제어부
131 : 주 제어부 132 : 콘텐츠 처리부
133 : 정보 수집부 134 : 정보 분석부
135 : 선호도 추정부 136 : 대상 결정부
137 : 컬러코드 처리부 140 : 출력부
150 : 입력부 200 : 단말
300 : 애플리케이션 제공 장치

Claims (19)

  1. 단말기에서 실행되는 애플리케이션의 화면에 노출되는 콘텐츠의 제공 대상을 분석하는 광고 대상 분석 장치로서,
    각각이 복수의 카테고리로 분류된 애플리케이션들 및 콘텐츠들 중에서, 제 1 카테고리에 해당하는 애플리케이션의 화면에 상기 제 1 카테고리와 상이한 제 2 카테고리에 해당하는 콘텐츠를 노출시키고, 상기 제 2 카테고리에 해당하는 애플리케이션의 화면에 상기 제 1 카테고리에 해당하는 콘텐츠를 노출시키는 콘텐츠 처리부;
    소정 범위의 사용자를 대상으로 상기 제 1 카테고리에 해당하는 콘텐츠의 선택 여부 및 상기 제 2 카테고리에 해당하는 콘텐츠의 선택 여부를 수집하는 정보 수집부;
    상기 선택 여부가 종속 변수이고 상기 선택 여부에 영향을 미치는 사용자 정보가 독립 변수인 로지스틱 회귀분석 모델을 설정하고, 상기 설정된 모델에서 상기 종속 변수의 선형 결합에 대한 모수를 산출하는 정보 분석부; 및
    사용자 정보 및 상기 산출된 모수에 근거하여 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률을 사용자별로 추정하는 선호도 추정부를 포함하는 것을 특징으로 하는 광고 대상 분석 장치.
  2. 제 1 항에 있어서,
    상기 제 1 카테고리를 제 1 컬러코드에 맵핑하고 상기 제 2 카테고리를 제 2 컬러코드에 맵핑하고, 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률을 상기 제 1 컬러코드 및 제 2 컬러코드와의 관계로 정의하는 컬러코드 처리부를 더 포함하는 것을 특징으로 하는 광고 대상 분석 장치.
  3. 제 1 항에 있어서,
    상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률에 따라 상기 콘텐츠들의 광고 범위를 결정하는 대상 결정부를 더 포함하는 것을 특징으로 하는 광고 대상 분석 장치.
  4. 제 3 항에 있어서,
    상기 대상 결정부는,
    소정 범위의 사용자를 대상으로 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률에 따라 광고 대상이 되는 카테고리의 범위를 결정하는 것을 특징으로 하는 광고 대상 분석 장치.
  5. 제 3 항에 있어서,
    상기 대상 결정부는,
    소정 범위의 카테고리를 대상으로 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률에 따라 광고 대상이 되는 사용자의 범위를 결정하는 것을 특징으로 하는 광고 대상 분석 장치.
  6. 제 1항에 있어서,
    상기 정보 분석부는,
    하기의 수학식,
    Figure 112010063747181-pat00054

    (여기에서, Yirs는 i번째 사용자의 카테고리(r)에 해당하는 애플리케이션의 화면에 노출된 카테고리(s)에 해당하는 콘텐츠의 선택 여부, πirs는 i번째 사용자가 카테고리(r)에 해당하는 애플리케이션의 화면에 노출된 카테고리(s)에 해당하는 콘텐츠를 선택할 확률, Xi는 i번째 사용자의 사용자 정보, βrs는 종속변수의 선형결합에 대한 모수, εi는 상수)
    을 만족하는 로지스틱 회귀분석 모델을 설정하는 것을 특징으로 하는 광고 대상 분석 장치.
  7. 제 6항에 있어서,
    상기 선호도 추정부는,
    하기의 수학식,
    Figure 112010063747181-pat00055

    (여기에서,
    Figure 112010063747181-pat00056
    는 i번째 사용자가 카테고리(r)에 해당하는 애플리케이션의 화면에 노출된 카테고리(s)에 해당하는 콘텐츠를 선택할 확률의 추정값,
    Figure 112010063747181-pat00057
    는 종속변수의 선형결합에 대한 모수의 최대우도추정량)
    에 의해 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률을 사용자별로 추정하는 것을 특징으로 하는 광고 대상 분석 장치.
  8. 제 1항 내지 제 7항 중 어느 한 항에 있어서,
    상기 선호도 추정부는,
    상기 제 1 카테고리와 상기 제 2 카테고리 사이의 가중치에 더 근거하여 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률을 사용자별로 추정하는 것을 특징으로 하는 광고 대상 분석 장치.
  9. 단말기에서 실행되는 애플리케이션의 화면에 노출되는 콘텐츠의 제공 대상을 분석하는 광고 대상 분석 장치의 광고 대상 분석 방법으로서,
    콘텐츠 처리부가 각각이 복수의 카테고리로 분류된 애플리케이션들 및 콘텐츠들 중에서, 제 1 카테고리에 해당하는 애플리케이션의 화면에 상기 제 1 카테고리와 상이한 제 2 카테고리에 해당하는 콘텐츠를 노출시키고, 상기 제 2 카테고리에 해당하는 애플리케이션의 화면에 상기 제 1 카테고리에 해당하는 콘텐츠를 노출시키는 단계;
    정보 수집부가 소정 범위의 사용자를 대상으로 상기 제 1 카테고리에 해당하는 콘텐츠의 선택 여부 및 상기 제 2 카테고리에 해당하는 콘텐츠의 선택 여부를 수집하는 단계;
    정보 분석부가 상기 선택 여부가 종속 변수이고 상기 선택 여부에 영향을 미치는 사용자 정보가 독립 변수인 로지스틱 회귀분석 모델을 설정하고, 상기 설정된 모델에서 상기 종속 변수의 선형 결합에 대한 모수를 산출하는 단계; 및
    선호도 추정부가 사용자 정보 및 상기 산출된 모수에 근거하여 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률을 사용자별로 추정하는 단계를 포함하는 것을 특징으로 하는 광고 대상 분석 방법.
  10. 제 9 항에 있어서,
    컬러코드 처리부가 상기 제 1 카테고리를 제 1 컬러코드에 맵핑하고 상기 제 2 카테고리를 제 2 컬러코드에 맵핑하는 단계; 및
    상기 컬러코드 처리부가 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률을 상기 제 1 컬러코드 및 제 2 컬러코드와의 관계로 정의하는 단계를 더 포함하는 것을 특징으로 하는 광고 대상 분석 방법.
  11. 제 9 항에 있어서,
    대상 결정부가 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률에 따라 상기 콘텐츠들의 광고 범위를 결정하는 단계를 더 포함하는 것을 특징으로 하는 광고 대상 분석 방법.
  12. 제 11 항에 있어서,
    상기 콘텐츠들의 광고 범위를 결정하는 단계는,
    상기 대상 결정부가 소정 범위의 사용자를 대상으로 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률에 따라 광고 대상이 되는 카테고리의 범위를 결정하는 단계인 것을 특징으로 하는 광고 대상 분석 방법.
  13. 제 11 항에 있어서,
    상기 콘텐츠들의 광고 범위를 결정하는 단계는,
    상기 대상 결정부가 소정 범위의 카테고리를 대상으로 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률에 따라 광고 대상이 되는 사용자의 범위를 결정하는 단계인 것을 특징으로 하는 광고 대상 분석 방법.
  14. 제 9항에 있어서,
    상기 종속 변수의 선형 결합에 대한 모수를 산출하는 단계는,
    상기 정보 분석부가 하기의 수학식,
    Figure 112010063747181-pat00058

    (여기에서, Yirs는 i번째 사용자의 카테고리(r)에 해당하는 애플리케이션의 화면에 노출된 카테고리(s)에 해당하는 콘텐츠의 선택 여부, πirs는 i번째 사용자가 카테고리(r)에 해당하는 애플리케이션의 화면에 노출된 카테고리(s)에 해당하는 콘텐츠를 선택할 확률, Xi는 i번째 사용자의 사용자 정보, βrs는 종속변수의 선형결합에 대한 모수, εi는 상수)
    을 만족하는 로지스틱 회귀분석 모델을 설정하는 단계를 포함하는 것을 특징으로 하는 광고 대상 분석 방법.
  15. 제 14항에 있어서,
    상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률을 사용자별로 추정하는 단계는,
    상기 선호도 추정부가 하기의 수학식,
    Figure 112010082051214-pat00059

    (여기에서,
    Figure 112010082051214-pat00060
    는 i번째 사용자가 카테고리(r)에 해당하는 애플리케이션의 화면에 노출된 카테고리(s)에 해당하는 콘텐츠를 선택할 확률의 추정값,
    Figure 112010082051214-pat00061
    는 종속변수의 선형결합에 대한 모수의 최대우도추정량)
    에 의해 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률을 사용자별로 추정하는 단계인 것을 특징으로 하는 광고 대상 분석 방법.
  16. 제 9항 내지 제 15항 중 어느 한 항에 있어서,
    상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률을 사용자별로 추정하는 단계는,
    상기 선호도 추정부가 상기 제 1 카테고리와 상기 제 2 카테고리 사이의 가중치에 더 근거하여 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률을 사용자별로 추정하는 단계인 것을 특징으로 하는 광고 대상 분석 방법.
  17. 단말기에서 실행되는 애플리케이션의 화면에 노출되는 콘텐츠의 제공 대상을 분석하는 광고 대상 분석 장치로서,
    각각이 복수의 카테고리로 분류된 애플리케이션들 및 콘텐츠들 중에서, 제 1 카테고리에 해당하는 애플리케이션의 화면에 상기 제 1 카테고리와 상이한 제 2 카테고리에 해당하는 콘텐츠를 노출시키고, 상기 제 2 카테고리에 해당하는 애플리케이션의 화면에 상기 제 1 카테고리에 해당하는 콘텐츠를 노출시키는 콘텐츠 처리부;
    소정 범위의 사용자를 대상으로 상기 제 1 카테고리에 해당하는 콘텐츠의 선택 여부 및 상기 제 2 카테고리에 해당하는 콘텐츠의 선택 여부를 수집하는 정보 수집부;
    상기 선택 여부가 종속 변수이고 상기 선택 여부에 영향을 미치는 사용자 정보가 독립 변수인 선형 판별 분석 또는 이차 판별 분석 모델을 설정하고, 상기 설정된 모델에서 상기 선택 여부에 따른 사용자 정보의 확률을 산출하는 정보 분석부; 및
    상기 선택 여부 및 상기 사용자 정보의 확률에 근거하여 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률을 사용자별로 추정하는 선호도 추정부를 포함하는 것을 특징으로 하는 광고 대상 분석 장치.
  18. 제 17항에 있어서,
    상기 선호도 추정부는,
    하기의 수학식,
    Figure 112010063747181-pat00062

    (여기에서, Yrs는 사용자의 카테고리(r)에 해당하는 애플리케이션의 화면에 노출된 카테고리(s)에 해당하는 콘텐츠의 선택 여부, Xi는 i번째 사용자의 사용자 정보)
    에 의해 상기 제 1 카테고리에 해당하는 콘텐츠가 선택될 확률 및 상기 제 2 카테고리에 해당하는 콘텐츠가 선택될 확률을 추정하는 것을 특징으로 하는 광고 대상 분석 장치.
  19. 제 18항에 있어서,
    상기 정보 분석부는,
    하기의 수학식,
    Figure 112010063747181-pat00063

    (여기에서, μj는 Yrs가 j일 때의 평균 행렬,
    Figure 112010063747181-pat00064
    는 Yrs가 j일 때의 공분산 행렬, j는 0 또는 1)
    에 의해 상기 선택 여부에 따른 사용자 정보의 확률을 산출하는 것을 특징으로 하는 광고 대상 분석 장치.
KR1020100049243A 2010-05-26 2010-05-26 광고 대상 분석 장치 및 그 방법 KR101028810B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100049243A KR101028810B1 (ko) 2010-05-26 2010-05-26 광고 대상 분석 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100049243A KR101028810B1 (ko) 2010-05-26 2010-05-26 광고 대상 분석 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR101028810B1 true KR101028810B1 (ko) 2011-04-25

Family

ID=44050013

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100049243A KR101028810B1 (ko) 2010-05-26 2010-05-26 광고 대상 분석 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR101028810B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014149840A1 (en) * 2013-03-15 2014-09-25 Yahoo! Inc. Method and system for discovery of user unknown interests
KR101561233B1 (ko) 2014-04-07 2015-10-19 주식회사 모코플렉스 사용자 단말 타겟팅 시스템 및 방법
KR101737530B1 (ko) * 2013-01-08 2017-05-18 이베이 인크. 사용자 디바이스로의 통지 라우팅
KR101790329B1 (ko) * 2016-06-14 2017-10-25 멜리펀트(주) 사용자가 속하는 사용자 그룹에 기초해 콘텐츠를 관리하는 방법 및 장치
KR101877282B1 (ko) * 2017-02-14 2018-07-11 주식회사 아이디어랩스 개인화 회귀 분석을 이용하여 품목의 이용자가 상기 품목에 부여하는 선호도를 예측하기 위하여 정보를 정화하는 방법 및 이를 이용한 컴퓨팅 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080043764A (ko) * 2005-06-28 2008-05-19 초이스스트림, 인코포레이티드 타게팅 광고용 통계 시스템에 관한 방법 및 장치
KR100837695B1 (ko) * 2005-11-18 2008-06-16 한국전자통신연구원 맞춤형 광고 서비스 제공 시스템 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080043764A (ko) * 2005-06-28 2008-05-19 초이스스트림, 인코포레이티드 타게팅 광고용 통계 시스템에 관한 방법 및 장치
KR100837695B1 (ko) * 2005-11-18 2008-06-16 한국전자통신연구원 맞춤형 광고 서비스 제공 시스템 및 그 방법

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101737530B1 (ko) * 2013-01-08 2017-05-18 이베이 인크. 사용자 디바이스로의 통지 라우팅
KR101849510B1 (ko) * 2013-01-08 2018-04-16 이베이 인크. 사용자 디바이스로의 통지 라우팅
WO2014149840A1 (en) * 2013-03-15 2014-09-25 Yahoo! Inc. Method and system for discovery of user unknown interests
US9270767B2 (en) 2013-03-15 2016-02-23 Yahoo! Inc. Method and system for discovery of user unknown interests based on supplemental content
KR101561233B1 (ko) 2014-04-07 2015-10-19 주식회사 모코플렉스 사용자 단말 타겟팅 시스템 및 방법
KR101790329B1 (ko) * 2016-06-14 2017-10-25 멜리펀트(주) 사용자가 속하는 사용자 그룹에 기초해 콘텐츠를 관리하는 방법 및 장치
KR101877282B1 (ko) * 2017-02-14 2018-07-11 주식회사 아이디어랩스 개인화 회귀 분석을 이용하여 품목의 이용자가 상기 품목에 부여하는 선호도를 예측하기 위하여 정보를 정화하는 방법 및 이를 이용한 컴퓨팅 장치

Similar Documents

Publication Publication Date Title
US11574139B2 (en) Information pushing method, storage medium and server
US11531867B2 (en) User behavior prediction method and apparatus, and behavior prediction model training method and apparatus
CN109902708A (zh) 一种推荐模型训练方法及相关装置
WO2017127592A1 (en) System, method, and device for generating a geographic area heat map
KR101028810B1 (ko) 광고 대상 분석 장치 및 그 방법
CN106776925B (zh) 一种移动终端用户性别的预测方法、服务器和系统
CN108446944B (zh) 一种常驻城市的确定方法、装置及电子设备
CN109388674B (zh) 数据处理方法、装置、设备及可读存储介质
CN110363427A (zh) 模型质量评估方法和装置
CN110753920A (zh) 用于优化和模拟网页排序和流量的系统和方法
US20180247247A1 (en) Method and system for search provider selection based on performance scores with respect to each search query
CN111626767B (zh) 资源数据的发放方法、装置及设备
CN111797320A (zh) 数据处理方法、装置、设备及存储介质
CN112214677A (zh) 一种兴趣点推荐方法、装置、电子设备及存储介质
CN114022196A (zh) 广告投放方法、装置、电子装置和存储介质
CN105681089B (zh) 网络用户行为聚类方法、装置及终端
CN110096609A (zh) 房源搜索方法、装置、设备及计算机可读存储介质
CN109995549A (zh) 一种评估流量价值的方法及装置
CN112287976A (zh) 一种对象推荐方法、装置、电子设备及存储介质
KR20210052746A (ko) 제품화 대상 콘텐츠의 예상 판매량 추정 방법, 장치 및 컴퓨터프로그램
CN114430504B (zh) 一种媒体内容的推荐方法以及相关装置
CN107665202A (zh) 一种构建兴趣模型的方法、装置及电子设备
CN108197288A (zh) 根据用户特征偏好的房源推送方法、装置、设备及介质
CN116362359A (zh) 基于ai大数据的用户满意度预测方法、装置、设备及介质
CN115796984A (zh) 物品推荐模型的训练方法、存储介质及相关设备

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee