KR101712591B1 - 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법 - Google Patents
감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법 Download PDFInfo
- Publication number
- KR101712591B1 KR101712591B1 KR1020150010370A KR20150010370A KR101712591B1 KR 101712591 B1 KR101712591 B1 KR 101712591B1 KR 1020150010370 A KR1020150010370 A KR 1020150010370A KR 20150010370 A KR20150010370 A KR 20150010370A KR 101712591 B1 KR101712591 B1 KR 101712591B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- emotion
- personalized advertisement
- similarity
- group
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 57
- 230000008451 emotion Effects 0.000 claims abstract description 45
- 235000019640 taste Nutrition 0.000 claims abstract description 9
- 238000012512 characterization method Methods 0.000 claims abstract description 7
- 238000010586 diagram Methods 0.000 claims description 15
- 230000006855 networking Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000010224 classification analysis Methods 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000010365 information processing Effects 0.000 abstract description 4
- 238000003672 processing method Methods 0.000 abstract description 4
- 230000002996 emotional effect Effects 0.000 description 4
- 235000013361 beverage Nutrition 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 239000002537 cosmetic Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000015243 ice cream Nutrition 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000010809 targeting technique Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
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
- 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
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 개인의 소비 성향과 활동성 특성을 상품 구매 정보와 웹 사이트 이용 정보 분석에 엠비티아이(MBTI:Myers-Briggs Type Indicator) 기법, 사용자의 나이 및 성별 정보를 광고 카테고리를 분류와 연결하여 광고 카테고리에 감성정보를 부여하고, 이를 통해 개인의 감성을 분석하므로 목표 고객에게 광고를 노출시키고, 개인화된 서비스와 상품을 제공하여 소비자가 들여야 하는 시간, 비용 등을 최소화함으로써 사용자의 취향에 맞는 광고를 제공할 수 있도록 하는 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에 관한 것이다.
본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법은, 모바일, 웹을 통해 수집되는 정보를 활용하여 사용자 특성화를 수행하여 특정 정보군을 분류하여 저장하는 제 1 단계, 상기 분류된 정보군에서 사용자 식별 대표군집을 분류하는 제2 단계, 상기 사용자 식별 대표 군집에서 사용자간 유사도 분석을 수행하는 제3 단계, 상기 제3 단계의 유사도 분석을 통해 사용자 유사도 군집화를 수행하는 제4 단계, 상기 군집화된 사용자에게 맞는 상품을 추천하는 제5 단계를 포함하는 것을 특징으로 한다.
본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법은, 모바일, 웹을 통해 수집되는 정보를 활용하여 사용자 특성화를 수행하여 특정 정보군을 분류하여 저장하는 제 1 단계, 상기 분류된 정보군에서 사용자 식별 대표군집을 분류하는 제2 단계, 상기 사용자 식별 대표 군집에서 사용자간 유사도 분석을 수행하는 제3 단계, 상기 제3 단계의 유사도 분석을 통해 사용자 유사도 군집화를 수행하는 제4 단계, 상기 군집화된 사용자에게 맞는 상품을 추천하는 제5 단계를 포함하는 것을 특징으로 한다.
Description
본 발명은 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에 관한 것으로, 더욱 상세하게는, 개인의 소비 성향과 활동성 특성을 상품 구매 정보와 웹 사이트 이용 정보를 이용하여 개인화된 감성정보를 이용한 광고 제공 서비스를 제공하며, 엠비티아이(MBTI:Myers-Briggs Type Indicator) 기법 및 개인의 성별과 나이등을 활용하여 광고 카테고리를 분류하여 각 광고 카테고리에 감성정보를 부여하고 이를 통해 개인의 감성을 분석하므로 목표 고객에게 광고를 노출시키고 개인화된 서비스와 상품을 제공하여 소비자가 들여야 하는 시간, 비용 등을 최소화함으로써 사용자의 취향에 맞는 광고를 제공할 수 있도록 하는 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 시스템에 관한 것이다.
인터넷 상에서는 광고 또는 정보의 서비스에 있어서, 사용자 별 관심 사항을 조사하여 이에 맞는 맞춤형 서비스를 제공하는 기술이 지속적으로 개발되고 있다.
그러나, 대부분 이러한 개인화된 서비스는 사용자의 능동적인 설정 또는 특정 사이트에서의 활동 이력을 외부서버가 수집 및 분석하여 사용자 별 관심 사항 정보를 외부 서버에 저장하여 이용하는 구성을 채택하고 있다.
따라서, 개인이 로컬 단말에 보유한 파일, 웹 서핑 이력, 즐겨찾기 목록, 이메일/SMS 발송 이력 등의 다양한 형태의 개인 정보의 분석에 의한 관심 사항의 정확한 분석은 어려운 상태이다.
한편, 로컬 단말이 보유한 파일, 웹 서핑 이력, 즐겨찾기 목록, 이메일/SMS 발송 이력 등의 다양한 개인 정보를 특정 주체가 수신하여 이용하는 것은 개인의 프라이버시를 침해하는 문제가 있다.
더불어, 개인화된 서비스를 위하여 개인 정보의 수집 및 분석을 외부 서버가 수행하는 경우에는, 사용자가 늘어날수록 분석해야 할 정보량은 기하급수적으로 증가하게 되는 문제점이 존재한다.
그러나 컴퓨터 정보기술의 발달로 빅데이터를 취급할 수 있게 됨에 따라 다수의 개인별 정보의 수집 및 분류가 가능해졌고, 이에 따라 개인별 데이터를 처리하고 활용할 수 있는 기술이 필요한 실정이다.
[선행기술 문헌]
대한민국 특허등록번호 제10-1040519호(등록일자 2011년06월03일, 발명의 명칭: 개인화된 서비스 제공방법 및 시스템)
본 발명의 목적은 상기한 바와 같은 실정을 감안하여 제안된 것으로서, 개인의 소비 성향과 활동성 특성을 상품 구매 정보와 웹 사이트 이용 정보 분석에 엠비티아이(MBTI:Myers-Briggs Type Indicator) 기법, 사용자의 나이 및 성별 정보를 광고 카테고리를 분류와 연결하여 광고 카테고리에 감성정보를 부여하고, 이를 통해 개인의 감성을 분석하므로 목표 고객에게 광고를 노출시키고, 개인화된 서비스와 상품을 제공하여 소비자가 들여야 하는 시간, 비용 등을 최소화함으로써 사용자의 취향에 맞는 광고를 제공할 수 있도록 하는 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법을 제공함에 있다.
상기한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따르면,
PC와 같은 개인 단말기를 통해 유무선 통신망을 거쳐 감성기반 사용자특성분석을 이용한 개인화된 광고제공서버(컴퓨터)에 접속하여 분석하는 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 시스템으로서, 상기 감성기반 사용자특성분석을 이용한 개인화된 광고제공서버(컴퓨터)는 감성기반 사용자특성분석을 이용한 개인화된 광고제공 프로그램을 포함하고, 상기 감성기반 사용자특성분석을 이용한 개인화된 광고제공 프로그램은 유입된 데이터를 통해 유사도를 분석하는 제1 유사도 분석모듈, 유입된 데이터를 통해 유사도를 분석하는 제2 유사도 분석모듈, 유입된 데이터의 유사취향 문제를 해결하기 위하여 추상화방법을 거쳐 유사한 기준으로 분류한 후 새로운 아이템을 유사도 분류기준으로 재분류하는 차원축소모듈, 유입된 콘텐츠에 가중치를 부여하는 가중치 제공모듈, 유입된 빅데이터를 처리하기 위하여 분류 및 분석처리하는 분류분석모듈, 특정 군집별로 데이터를 분석하여 군집화하는 군집분석모듈, 특정 데이터간의 연관성을 찾아내는 연관성 탐사모듈, 수집처리된 데이터를 통해 구매물품 혹은 추천물품을 제공하기 위하여 예측하는 예측모듈, 특정사용자(들)에게 상품을 추천하기 위한 상품추천모듈을 포함하는 개인화된 광고 제공 서비스 시스템을 통한 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법으로서, SNS(Social Networking Service)를 통해 수집되는 사용자 실제 구매이력정보를 활용하여 사용자 특성화를 수행하여 특정 정보군을 분류하여 저장하는 제 1 단계, 상기 정보군으로부터 유사도에 따라 상품카테고리 그룹을 분류하는 제2 단계, 상기 제2 단계에서 분류된 상품카테고리 그룹들로부터 사용자 유사도에 따라 군집화하는 제3 단계, 상기 군집화된 사용자 유사도 그룹별로 해당 상품을 추천 및 제공하는 제4 단계,를 포함하는 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에 있어서,
아이템을 분석하고 특정그룹 즉 A그룹과 B그룹으로 분류하고, A그룹 및 B그룹과의 관계도를 수치로 판단하여, 각각 구매패턴 모드 A 및 B를 판별하고 사용자 유사도로 군집화하여 각각 해당 상품을 추천하게 되는 것을 특징으로 하고,
상기 A 그룹과 B그룹은 각각 그룹내 상품들간에 관계도가 밀접한 관계와 덜 밀접한 관계를 가진 것으로서, 관계도 수치예가 서로 다르며, 밀접한 관계가 관계도 수치예가 크며, 덜 밀접한 관계가 수치예가 적은 것으로서, 이를 통해 각각 구매패턴 모드 A 및 B를 판별하여 해당 상품을 추천하게 되는 것을 특징으로 하는 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법이 제공된다.
PC와 같은 개인 단말기를 통해 유무선 통신망을 거쳐 감성기반 사용자특성분석을 이용한 개인화된 광고제공서버(컴퓨터)에 접속하여 분석하는 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 시스템으로서, 상기 감성기반 사용자특성분석을 이용한 개인화된 광고제공서버(컴퓨터)는 감성기반 사용자특성분석을 이용한 개인화된 광고제공 프로그램을 포함하고, 상기 감성기반 사용자특성분석을 이용한 개인화된 광고제공 프로그램은 유입된 데이터를 통해 유사도를 분석하는 제1 유사도 분석모듈, 유입된 데이터를 통해 유사도를 분석하는 제2 유사도 분석모듈, 유입된 데이터의 유사취향 문제를 해결하기 위하여 추상화방법을 거쳐 유사한 기준으로 분류한 후 새로운 아이템을 유사도 분류기준으로 재분류하는 차원축소모듈, 유입된 콘텐츠에 가중치를 부여하는 가중치 제공모듈, 유입된 빅데이터를 처리하기 위하여 분류 및 분석처리하는 분류분석모듈, 특정 군집별로 데이터를 분석하여 군집화하는 군집분석모듈, 특정 데이터간의 연관성을 찾아내는 연관성 탐사모듈, 수집처리된 데이터를 통해 구매물품 혹은 추천물품을 제공하기 위하여 예측하는 예측모듈, 특정사용자(들)에게 상품을 추천하기 위한 상품추천모듈을 포함하는 개인화된 광고 제공 서비스 시스템을 통한 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법으로서, SNS(Social Networking Service)를 통해 수집되는 사용자 실제 구매이력정보를 활용하여 사용자 특성화를 수행하여 특정 정보군을 분류하여 저장하는 제 1 단계, 상기 정보군으로부터 유사도에 따라 상품카테고리 그룹을 분류하는 제2 단계, 상기 제2 단계에서 분류된 상품카테고리 그룹들로부터 사용자 유사도에 따라 군집화하는 제3 단계, 상기 군집화된 사용자 유사도 그룹별로 해당 상품을 추천 및 제공하는 제4 단계,를 포함하는 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에 있어서,
아이템을 분석하고 특정그룹 즉 A그룹과 B그룹으로 분류하고, A그룹 및 B그룹과의 관계도를 수치로 판단하여, 각각 구매패턴 모드 A 및 B를 판별하고 사용자 유사도로 군집화하여 각각 해당 상품을 추천하게 되는 것을 특징으로 하고,
상기 A 그룹과 B그룹은 각각 그룹내 상품들간에 관계도가 밀접한 관계와 덜 밀접한 관계를 가진 것으로서, 관계도 수치예가 서로 다르며, 밀접한 관계가 관계도 수치예가 크며, 덜 밀접한 관계가 수치예가 적은 것으로서, 이를 통해 각각 구매패턴 모드 A 및 B를 판별하여 해당 상품을 추천하게 되는 것을 특징으로 하는 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법이 제공된다.
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
이하 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에 의하면, 개인의 소비 성향과 활동성 특성을 상품 구매 정보와 웹 사이트 이용 정보를 이용하여 개인화된 감성정보를 이용한 광고 제공 서비스를 제공하며, 엠비티아이(MBTI:Myers-Briggs Type Indicator) 기법, 사용자의 나이 및 성별 정보를 활용하여 광고 카테고리를 분류하여 각 광고 카테고리에 감성정보를 부여하고, 이를 통해 개인의 감성을 분석하므로 목표 고객에게 광고를 노출시키고, 개인화된 서비스와 상품을 제공하여 소비자가 들여야 하는 시간, 비용 등을 최소화함으로써 사용자의 취향에 맞는 광고를 제공할 수 있는 효과가 있다.
도 1은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 시스템의 개략적인 시스템 구성도이다.
도 2는 도 1의 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 제공서버(컴퓨터)의 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 프로그램의 구체적인 구성을 나타낸 구성도이다.
도 3은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법을 개략적으로 설명하는 설명도이다.
도 4는 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서 사용자 특성화 대상 선정과정의 일예를 도식적으로 나타낸 도면이다.
도 5는 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서 광고대상을 분석하는 방식의 일예를 도식적으로 나타낸 도면이다.
도 6은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서 타깃분석과 상품추천과정을 예시적으로 나타낸 도면이다.
도 7은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서의 빅데이터 분석방법론을 개략적으로 나타낸 도면이다.
도 8은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서의 광고 카테고리분류과정을 예시적으로 나타낸 도면이다.
도 2는 도 1의 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 제공서버(컴퓨터)의 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 프로그램의 구체적인 구성을 나타낸 구성도이다.
도 3은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법을 개략적으로 설명하는 설명도이다.
도 4는 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서 사용자 특성화 대상 선정과정의 일예를 도식적으로 나타낸 도면이다.
도 5는 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서 광고대상을 분석하는 방식의 일예를 도식적으로 나타낸 도면이다.
도 6은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서 타깃분석과 상품추천과정을 예시적으로 나타낸 도면이다.
도 7은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서의 빅데이터 분석방법론을 개략적으로 나타낸 도면이다.
도 8은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서의 광고 카테고리분류과정을 예시적으로 나타낸 도면이다.
이하 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에 대하여 첨부도면을 참조로 상세히 설명한다.
도 1은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 시스템의 개략적인 시스템 구성도이고, 도 2는 도 1의 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 제공서버(컴퓨터)의 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 프로그램의 구체적인 구성을 나타낸 구성도이고, 도 3은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법을 개략적으로 설명하는 설명도이고, 도 4는 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서 사용자 특성화 대상 선정과정의 일예를 도식적으로 나타낸 도면이고, 도 5는 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서 광고대상을 분석하는 방식의 일예를 도식적으로 나타낸 도면이고, 도 6은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서 타깃분석과 상품추천과정을 예시적으로 나타낸 도면이고, 도 7은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서의 빅데이터 분석방법론을 개략적으로 나타낸 도면이고, 도 8은 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에서의 광고 카테고리분류과정을 예시적으로 나타낸 도면이다.
도 1을 참조하면, 본 발명에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 시스템은 PC와 같은 개인 단말기(10-1,..,10-n)를 통해 유무선 통신망(30)을 거쳐 본 발명의 감성기반 사용자특성분석을 이용한 개인화된 광고제공서버(컴퓨터)(100)에 접속가능하다.
각각의 단말기의 사용자의 이력, 위치 기타 정보를 수집하게 된다. 즉 개인단말기의 특성(OS, 기기의 종류, IP 주소, Site URL, 시간)정보를 수집하게 되고, 특정 정보의 요청시간, IP 주소, 유입 경로, Site URL, 시청한 광고 종류를 확보한다.
또한 무선 전화기 혹은 각종 태블릿 등 무선통신이 가능한 모바일 기기(1-1,...,1-n)를 통해서도 감성기반 사용자특성분석을 이용한 개인화된 광고제공서버(컴퓨터)(100)에 접속가능하다.
사용자는 SNS(Social Networking Service)(온라인상에서 이용자들이 인맥을 새롭게 쌓거나 기존 인맥과의 관계를 강화할 수 있게 하는 서비스. A사, B사,C사 SNS 프로그램을 사용할 수 있다. 해당 사이트에 대한 설명은 생략한다)를 통해 특정 상품을 구매할 수 있는데, 이때, 사용자의 정보와 배송정보, 관심등록정보, 구매등록 정보, 구매일자, 구매빈도, 구매가격, 검색이력, 실제 구매/배송정보등의 사용자 정보를 확보할 수 있다.
이와 같은 정보를 통해 사용자를 특성화하는데, 즉 비로그인 사용자 정보군과 로그인 사용자 정보군을 나눌 수 있고, 각각의 정보군에서 사용자 식별 대표 분류 및 실구매 아이템 군집 분류를 수행하며 이후 유사그룹 차원 축소 및 콘텐츠 가중치 할당 등의 과정을 거쳐 특정 그룹 연관관계를 추출하는 과정 즉 일종의 사용자 페르소나(persona)과정을 수행하게 된다.(도 4 참조).
후술하는 바와 같이, 본 발명에서는 로그인(이를 테면, 비밀번호와 아이디가 구비된 회원)하는 개인과 로그인 하지않고 접속하는 비로그인 정보를 모두 처리가능하다.
도 2를 참조하면, 도 1에서 감성기반 사용자특성분석을 이용한 개인화된 광고제공서버(컴퓨터)(100)내에 구비된 감성기반 사용자특성분석을 이용한 개인화된 광고제공 프로그램(110)을 나타내고 있다.
상기 감성기반 사용자특성분석을 이용한 개인화된 광고제공 프로그램(110)은
유입된 데이터를 통해 유사도를 분석하는 제1 유사도 분석모듈 (이를 테면, 아이템과 아이템의 유사도 분석을 수행한다.),
유입된 데이터를 통해 유사도를 분석하는 제2 유사도 분석모듈(이를 테면, 사용자와 사용자간의 유사도 분석을 수행한다.),
유입된 데이터의 유사취향 문제를 해결하기 위하여 추상화방법을 거쳐 유사한 기준으로 분류한 후 새로운 아이템을 유사도 분류기준으로 재분류하는 차원축소모듈,
유입된 콘텐츠에 가중치를 부여하는 가중치 제공모듈,
유입된 빅데이터를 처리하기 위하여 분류 및 분석처리하는 분류분석모듈,
특정 군집별로 데이터를 분석하여 군집화하는 군집분석모듈,
특정 데이터간의 연관성을 찾아내는 연관성 탐사모듈,
수집처리된 데이터를 통해 구매물품 혹은 추천물품을 제공하기 위하여 예측하는 예측모듈,
특정사용자(들)에게 상품을 추천하기 위한 상품추천모듈을 포함한다.
본 발명에서 수집된 데이터를 저장 및 처리하는 각종 데이터 베이스는 도시하지 않았다. 그러나 이는 일반적인 사항이므로 별도의 설명은 생략하기로 한다.
도 3 내지 도 8을 참조하면, 광고를 카테고리별로 분류하고 MBTI 유형론을 통해 유형을 나눈 후 성별, 연령, 감정 등에 따라 좌표계를 정의한다.
빅데이터의 유사도 분석을 이용하여 개별 지표간의 유사도를 구하여 카테고리와 MBTI 직업군을 매칭하여 카테고리에 대해 비교 좌표계를 정의한다.
좌표계의 정보를 군집으로 분류하여 사용자 정보를 기반으로 분석된 사용자 유형과 광고 카테고리 간 연관도 분석을 통해 분류된 광고와 매칭한다.
도 5를 참조하면, 타깃 대상 분석은 사용자 유사도 분석과 아이템 유사도 분석으로 나누어지며, 유사 취향 해결을 위한 차원 축소방법을 적용하여 분석할 수 있다.
즉 아이템-아이템 유사도 분석을 살펴보면, 아이템간 유사도를 기준으로 연관성을 추출한다. 이후 아이템간 연관성이 높은 물품을 선정하여 아이템을 추천한다. 이는 모든 사용자를 클러스터로 나누고 각 군집별로 추천하며, 선호 데이터가 적은 사용자 그룹 추천에 효과적이다.
또한 두 사용자간 공통된 아이템을 기반을 연관성을 추출하고 사용자간 연관성이 있는 사용자가 사용하는 아이템을 추천한다. 즉 두 사용자간 공동 아이템을 기반으로 유사 정도를 거리로 수치화하여 유클리드 거리 분석으로 연관 거리와 방향성을 분석한다. 또한 타니모로 계수/로그 유도 유사도 방식으로 관심의 합과 교차점의 크기 비율을 측정하여 분석한다.
또한 차원 축소 과정을 수행하는데, 이는 유사 취향 문제 해결을 위한 방법으로서, 추상화방법을 거쳐 유사한 기준으로 분류한 후 새로운 아이템을 유사도 분류 기준으로 재분류하는 방법이다. 차원 축소가 많이 될수록 효율적이다.
도 6을 참조하면, 구매이력으로부터 아이템 분석을 하여 유사도에 따라 상품 카테고리 그룹 및 사용자 그룹을 분류하고 분석 결과로 적절한 상품을 추천하는 방법을 설명한다. 이는 아이템을 분석하고 특정그룹 즉 A그룹(베이커리/음료/아이스크림 선호 성향)과 B그룹(화장품/의류/주방용품 선호 성향)으로 분류한다. 즉 A그룹은 베이커리와 음료가 밀접한 관계가 있고(관계도 수치예:0.9), 음료와 아이스크림간에는 상대적 모드로 덜 밀접한 관계가 있다(관계도 수치예:0.7). 또한 B그룹은 화장품과 의류간에 밀접한 관계가 있고(관계도 수치예:0.9), 의류와 주방용품간에 상대적 모드로 덜 밀접한 관계가 있다(관계도 수치예: 0.7). 이를 통해 각각 구매패턴 모드 A 및 B를 판별하고 사용자 유사도로 군집화하여 각각 해당 상품을 추천하게 된다.
도 7을 참조하면, 빅데이터 분석 방법론 정의로서-데이터 마이닝 기법을 설명한다. 먼저 분류분석(Classification)단계로서, 어떤 오브젝트가 특정 카테고리에 종속되는지 또는 특정 속성을 포함하는 결정한다.
이후 군집 분석(clustering)단계로서, 많은 수의 객체를 여러가지의 유사성이 높은 클러스터 그룹으로 나눈다. 그리고 대용량 데이터로부터 흥미로운 정보를 가진 그룹을 발견할 수 있다.
이후 연관성 탐사(association)단계로서, 동시에 발생한 사건간의 관계를 정의한다. 예를 들면, 장바구니 안의 동시에 들어가는 상품들간의 관계를 규명한다. 또한 특정기간에 걸쳐 발생하는 관계를 규명한다. 예를 들면, 슈퍼마켓과 금융상품 사용에 대한 반복 방문을 체크한다.
이후 예측(forecasting) 단계로서, 대용량 데이터 집합내의 패턴을 기반으로 미래를 예측한다. 예를 들면 수요예측을 할 수 있다.
도 8을 참조하면, 본 발명에서 사용하는 광고 카테고리 분류,속성 정의로서-분류 좌표계는, 성별(남성, 여성), 나이(10대,20대,30대,40대,50대, 60대이상), 감정 N(Attention(외향성, 내향성), information(감각형, 직관형), decision(사고형,감정형),Orientation(판단형, 인식형))으로 구분된다. 여기서 감정N은 MBTI를 기반으로 한 것이다.
한편, 소비자의 성격에 따라 구매에 대한 취향과 추구하는 가치가 다르게 나타난다. 분석적이고 미래 지향적인 고객이 있는 반면, 감정적이며, 현재에 충실한 고객이 있기 때문에 소비자의 성격 유형을 파악한다면 보다 효율적인 마케팅 전략을 낼 수 있다. 이를 통해 스마트 광고 서비스, SNS 등의 선물하기 추천, 쇼핑몰 상품추천 등 많은 분야에 개인화된 타겟팅 기술 적용이 가능하다.
본 발명을 다시 설명하면, 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법은
모바일, 웹을 통해 수집되는 정보를 활용하여 사용자 특성화를 수행하여 특정 정보군을 분류하여 저장하고,
상기 분류된 정보군에서 사용자 식별 대표군집을 분류하고,
상기 사용자 식별 대표 군집에서 사용자간 유사도 분석을 수행하고,
상기 유사도 분석을 통해 사용자 유사도 군집화를 수행하고,
상기 군집화된 사용자에게 맞는 상품을 추천하는 것을 특징으로 한다.
또한 본 발명의 다른예에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법은,
SNS(Social Networking Service)를 통해 수집되는 실제 구매정보를 활용하여 사용자 특성화를 수행하여 특정 정보군을 분류하여 저장하고,
상기 정보군에서 사용자 실구매 군집을 분류하고,
상기 실구매 군집에서 사용자간 유사도 분석을 수행하고,
상기 유사도 분석을 통해 사용자 유사도 군집화를 수행하고,
상기 군집화된 사용자에게 맞는 상품을 추천하는 것을 포함한다.
또한, 본 발명의 다른 예에 따른 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법은
SNS(Social Networking Service)를 통해 수집되는 사용자 실제 구매이력정보를 활용하여 사용자 특성화를 수행하여 특정 정보군을 분류하여 저장하고,
상기 정보군으로부터 유사도에 따라 상품카테고리 그룹을 분류하고,
상기 분류된 상품카테고리 그룹들로부터 사용자 유사도에 따라 군집화하고,
상기 군집화된 사용자 유사도 그룹별로 해당 상품을 추천 및 제공하는 단계를 포함하는 것을 특징으로 한다.
본 발명에 따르면, 기존의 복잡한 데이터나 통계 자료에 의존하여 소비자를 이해하는 대신 MBTI 유형과 적용하고자 하는 분야에 맞춘 기준 카테고리를 이용한 분류로 소비자의 타겟팅 정확성을 확보한다. 소비자의 성격등을 분석하여 특성에 맞게 기획된 광고를 보여줌으로 소비자는 편리함뿐만 아니라 시간절약과 공감 등을 느끼며 광고에 호의적으로 다가올 수 있다.
광고 크리에이티브전략은 소비자 성격 특성에 맞게 기획되어져야 광고에 호의적으로 반응할 것이며, 그러한 호의적 태도는 구매의도로 이어질 것이다.
광고 소구(appeal)유형과 성격유형이 태도에 미치는 영향을 제품특성, 상황적 특성 및 인구통계학적 특성에 따른 차이점을 크리에이티브전략에 적용한다면 광고의 이론적 분야는 물론 실무에도 크게 기여할 것으로 기대한다.
광고 비용의 효율적인 지출을 원하는 광고주의 목적 광고에 효율적으로 대응함으로써 적은 비용으로도 높은 효과를 얻을 수 있다.
최소의 비용으로 광고를 진행하기 위해서는 개인의 특성에 맞는 광고 노출이 필요하며 이를 감성적으로 유사한 광고를 노출하므로 클릭유도율을 높이며 거부감을 줄일 수 있다.
광고 접근을 감성기반으로 하므로 개인화 기술이 더욱 효과적으로 이용 가능하다.
본 발명은 기존의 광고플랫폼들과는 차별된 개인화 분석으로 보다 정확한 타겟팅 기술을 가진다.
100: 사용자 특성 분석을 이용한 개인화된 광고제공 서버(컴퓨터)
110: 사용자 특성 분석을 이용한 개인화된 광고제공 프로그램(모듈)
110: 사용자 특성 분석을 이용한 개인화된 광고제공 프로그램(모듈)
Claims (3)
- 삭제
- 삭제
- PC와 같은 개인 단말기를 통해 유무선 통신망을 거쳐 감성기반 사용자특성분석을 이용한 개인화된 광고제공서버(컴퓨터)에 접속하여 분석하는 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 시스템으로서, 상기 감성기반 사용자특성분석을 이용한 개인화된 광고제공서버(컴퓨터)는 감성기반 사용자특성분석을 이용한 개인화된 광고제공 프로그램을 포함하고, 상기 감성기반 사용자특성분석을 이용한 개인화된 광고제공 프로그램은 유입된 데이터를 통해 유사도를 분석하는 제1 유사도 분석모듈, 유입된 데이터를 통해 유사도를 분석하는 제2 유사도 분석모듈, 유입된 데이터의 유사취향 문제를 해결하기 위하여 추상화방법을 거쳐 유사한 기준으로 분류한 후 새로운 아이템을 유사도 분류기준으로 재분류하는 차원축소모듈, 유입된 콘텐츠에 가중치를 부여하는 가중치 제공모듈, 유입된 빅데이터를 처리하기 위하여 분류 및 분석처리하는 분류분석모듈, 특정 군집별로 데이터를 분석하여 군집화하는 군집분석모듈, 특정 데이터간의 연관성을 찾아내는 연관성 탐사모듈, 수집처리된 데이터를 통해 구매물품 혹은 추천물품을 제공하기 위하여 예측하는 예측모듈, 특정사용자(들)에게 상품을 추천하기 위한 상품추천모듈을 포함하는 개인화된 광고 제공 서비스 시스템을 통한 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법으로서, SNS(Social Networking Service)를 통해 수집되는 사용자 실제 구매이력정보를 활용하여 사용자 특성화를 수행하여 특정 정보군을 분류하여 저장하는 제 1 단계, 상기 정보군으로부터 유사도에 따라 상품카테고리 그룹을 분류하는 제2 단계, 상기 제2 단계에서 분류된 상품카테고리 그룹들로부터 사용자 유사도에 따라 군집화하는 제3 단계, 상기 군집화된 사용자 유사도 그룹별로 해당 상품을 추천 및 제공하는 제4 단계,를 포함하는 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법에 있어서,
아이템을 분석하고 특정그룹 즉 A그룹과 B그룹으로 분류하고, A그룹 및 B그룹과의 관계도를 수치로 판단하여, 각각 구매패턴 모드 A 및 B를 판별하고 사용자 유사도로 군집화하여 각각 해당 상품을 추천하게 되는 것을 특징으로 하고,
상기 A 그룹과 B그룹은 각각 그룹내 상품들간에 관계도가 밀접한 관계와 덜 밀접한 관계를 가진 것으로서, 관계도 수치예가 서로 다르며, 밀접한 관계가 관계도 수치예가 크며, 덜 밀접한 관계가 수치예가 적은 것으로서, 이를 통해 각각 구매패턴 모드 A 및 B를 판별하여 해당 상품을 추천하게 되는 것을 특징으로 하는 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020150010370A KR101712591B1 (ko) | 2015-01-22 | 2015-01-22 | 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020150010370A KR101712591B1 (ko) | 2015-01-22 | 2015-01-22 | 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20160090509A KR20160090509A (ko) | 2016-08-01 |
KR101712591B1 true KR101712591B1 (ko) | 2017-03-06 |
Family
ID=56706770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020150010370A KR101712591B1 (ko) | 2015-01-22 | 2015-01-22 | 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101712591B1 (ko) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190101622A (ko) | 2018-02-23 | 2019-09-02 | 주식회사 로로아트플랜 | Vr 체험 선택에 의한 성격 진단 시스템 |
KR20200082558A (ko) | 2018-12-31 | 2020-07-08 | 주식회사 로로아트플랜 | 멀티 미로공간과 선택형 ar 콘텐츠를 이용한 성격 진단 시스템 |
KR20210030658A (ko) | 2019-09-10 | 2021-03-18 | 주식회사 로로아트플랜 | Vr 롤플레잉 게임 방식의 성격 분석 프로그램 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102030342B1 (ko) * | 2017-12-01 | 2019-10-10 | 상명대학교산학협력단 | 웹 콘텐츠의 소비 행태 분석 장치 및 그 방법 |
KR102274773B1 (ko) * | 2019-08-02 | 2021-07-07 | 김현배 | 쇼핑 서비스 제공 시스템 및 쇼핑 서비스 제공 방법 |
US20210158424A1 (en) * | 2019-11-27 | 2021-05-27 | L'oreal | Techniques for improving product recommendations using personality traits |
KR102222159B1 (ko) * | 2020-07-02 | 2021-03-04 | 이주찬 | 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법 |
WO2023017927A1 (ko) * | 2021-08-11 | 2023-02-16 | 오로라월드 주식회사 | 놀이 성향에 기반한 상품 추천방법 및 그를 위한 상품 추천 모델 생성방법 |
KR102355147B1 (ko) * | 2021-09-27 | 2022-02-08 | 주식회사 루츠코퍼레이션 | 맞춤형 가방 판매 방법 |
CN117011019B (zh) * | 2023-09-28 | 2023-12-22 | 无锡锡商银行股份有限公司 | 一种基于大数据的银行架构自适应分析管理系统及方法 |
KR102653915B1 (ko) * | 2023-11-01 | 2024-04-03 | (주)지아이오엠글로벌 | 기질분석 기반 맞춤형 광고 추천 플랫폼 운영 서버 및 방법 |
CN117593034B (zh) * | 2024-01-17 | 2024-06-07 | 湖南三湘银行股份有限公司 | 基于计算机的用户分类方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100801662B1 (ko) * | 2006-08-31 | 2008-02-05 | 에스케이 텔레콤주식회사 | 상품 추천 관리시스템 및 그 추천 방법 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130062442A (ko) * | 2011-11-22 | 2013-06-13 | 주식회사 케이티 | 협업 필터링 추천 방식을 이용한 추천 방법 및 추천 시스템 |
-
2015
- 2015-01-22 KR KR1020150010370A patent/KR101712591B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100801662B1 (ko) * | 2006-08-31 | 2008-02-05 | 에스케이 텔레콤주식회사 | 상품 추천 관리시스템 및 그 추천 방법 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190101622A (ko) | 2018-02-23 | 2019-09-02 | 주식회사 로로아트플랜 | Vr 체험 선택에 의한 성격 진단 시스템 |
KR20200082558A (ko) | 2018-12-31 | 2020-07-08 | 주식회사 로로아트플랜 | 멀티 미로공간과 선택형 ar 콘텐츠를 이용한 성격 진단 시스템 |
KR20210030658A (ko) | 2019-09-10 | 2021-03-18 | 주식회사 로로아트플랜 | Vr 롤플레잉 게임 방식의 성격 분석 프로그램 |
Also Published As
Publication number | Publication date |
---|---|
KR20160090509A (ko) | 2016-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101712591B1 (ko) | 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법 | |
Liu et al. | Online purchaser segmentation and promotion strategy selection: evidence from Chinese E-commerce market | |
CN209690978U (zh) | 用户数据获取装置 | |
Su et al. | A method for discovering clusters of e-commerce interest patterns using click-stream data | |
Jooa et al. | Implementation of a recommendation system using association rules and collaborative filtering | |
US8943004B2 (en) | Tools and methods for determining relationship values | |
US20090248496A1 (en) | System and method for automating market analysis from anonymous behavior profiles | |
CN108876526A (zh) | 商品推荐方法、装置和计算机可读存储介质 | |
CN111784455A (zh) | 一种物品推荐方法及推荐设备 | |
KR20160065429A (ko) | 하이브리드 개인화 상품추천 방법 | |
Leng et al. | Interpretable recommender system with heterogeneous information: A geometric deep learning perspective | |
Małecki et al. | The classification of internet shop customers based on the cluster analysis and graph cellular automata | |
Saraswathi et al. | Deep Learning Enabled Social Media Recommendation Based on User Comments. | |
CN106447459A (zh) | 一种根据商品属性自动分类的方法 | |
Wei et al. | Online shopping behavior analysis for smart business using big data analytics and blockchain security | |
KR20100123206A (ko) | 인공지능에 기반한 랭킹 분석 방법, 이를 기록한 기록 매체, 그 장치 | |
Galdeman et al. | City consumption profile: a city perspective on the spending behavior of citizens | |
KR20100070661A (ko) | 추천 항목 제공 장치 및 방법 | |
KR102511634B1 (ko) | 리테일 키오스크를 위한 상황인지 기반 크로스도메인 추천 서비스 제공 시스템 | |
TWI635450B (zh) | Personalized product recommendation method | |
KR102442988B1 (ko) | Cnn 학습 방식을 이용한 사용자 경험 기반 취향관계망 생성 시스템 | |
Diwandari et al. | Analysis of customer purchase behavior using association rules in e-shop | |
KR20190073846A (ko) | 정형 또는 비정형 데이터 분석을 통한 온라인쇼핑몰의 맞춤형 큐레이팅 방법 | |
Colombo-Mendoza et al. | Recommender systems in the offline retailing domain: a systematic literature review | |
Iakovou et al. | Customer behaviour analysis for recommendation of supermarket ware |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) | ||
FPAY | Annual fee payment |
Payment date: 20200210 Year of fee payment: 4 |