KR101825498B1 - 컨텐츠 추천 시스템 및 방법 - Google Patents

Abstract

컨텐츠 추천 시스템에 관한 것으로서, 컨텐츠 추천 시스템은 복수의 컨텐츠에 관한 통계 분석 데이터 및 연관 분석 데이터 중 적어도 어느 하나에 기초하여 제1 추천 컨텐츠 그룹을 생성하는 제1 추천부, 추천 대상자의 정보, 복수의 사용자 정보 및 복수의 컨텐츠 정보 중 적어도 어느 하나에 기초하여 유사도를 분석하고 분석된 유사도에 기초하여 제2 추천 컨텐츠 그룹을 생성하는 제2 추천부, 및 사용자 단말에 디스플레이되는 페이지의 종류에 따라 제1 추천 컨텐츠 그룹 및 제2 추천 컨텐츠 그룹에 포함된 적어도 일부의 컨텐츠를 추천 컨텐츠로서 디스플레이 화면에 표시하는 제어부를 포함할 수 있다.

Description

컨텐츠 추천 시스템 및 방법 {CONTENTS RECOMMENDATION SYSTEM AND METHOD}

본원은 컨텐츠 추천 시스템 및 방법에 관한 것이다.

개인용 단말장치가 보급화됨에 따라, 사용자들은 자신의 단말장치를 이용하여 네트워크를 통해 소정의 컨텐츠 서비스 서버에 접속하고, 원하는 컨텐츠를 선택함에 따라 해당 컨텐츠를 재생하거나 다운로드 받는 등의 컨텐츠 서비스를 이용하고 있다.

이때, 컨텐츠의 수와 종류가 방대해짐에 따라, 종래의 일반적인 컨텐츠 서비스들은 사용자의 편의를 위해 컨텐츠들을 최신 컨텐츠, 인기 컨텐츠 등과 같이 카테고리 별로 분류하여 제공하고 있다. 일예로, 사용자가 최신 컨텐츠 카테고리를 선택한 경우, 사용자는 선택에 대한 결과 값으로서 최신 컨텐츠에 해당하는 컨텐츠들을 제공받을 수 있었다.

이러한 종래의 일반적인 컨텐츠 서비스들은 한 화면에, 하나의 카테고리에 속한 컨텐츠들만 제공함에 따라, 다른 컨텐츠(예를 들어, 인기 컨텐츠)를 제공받기 위해서는 사용자가 다른 컨텐츠에 대응하는 카테고리를 클릭하는 등의 별도의 입력을 수행해야 하는 번거로움이 존재한다.

또한, 종래의 일반적인 컨텐츠 서비스들은 다양한 사용자들의 특성이나 컨텐츠들의 유형 등을 고려하지 않음에 따라, 계속 변화하고 추가되는 컨텐츠들 전체를 고려하여 사용자 선호도에 맞춤화된 최적의 컨텐츠를 제공하지 못하는 문제가 있다.

본원의 배경이 되는 기술은 한국공개특허공보 제10-2013-0026567호(공개일: 2013.03.14)에 개시되어 있다.

본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 종래에 컨텐츠 서비스 제공 시 한 화면에 하나의 카테고리에 속한 컨텐츠들만 제공됨에 따라, 사용자가 다른 컨텐츠를 보고자 할 경우 다른 컨텐츠에 대응하는 카테고리에 별도의 입력(예를 들어, 클릭)을 수행해야 하는 번거로움을 해소시킬 수 있는, 컨텐츠 추천 시스템 및 방법을 제공하려는 것을 목적으로 한다.

본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 통계에 기반한 컨텐츠 추천과 사용자 특성, 다양한 사용자 또는 아이템의 유사도 등에 기반한 컨텐츠 추천을 함께 고려하여 사용자에 맞춤화된 최적의 컨텐츠를 제공할 수 있는 컨텐츠 추천 시스템 및 방법을 제공하려는 것을 목적으로 한다.

본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 계속 변화하고 추가되는 컨텐츠들 전체를 고려하여 사용자 선호도에 맞춤화된 최적의 컨텐츠를 제공할 수 있는 컨텐츠 추천 시스템 및 방법을 제공하려는 것을 목적으로 한다.

다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 컨텐츠 추천 시스템은, 복수의 컨텐츠를 저장하는 컨텐츠 데이터베이스 및 상기 복수의 컨텐츠에 기초하여 수행된 복수 종류의 분석을 통해 추천 대상자에게 맞춤화된 추천 컨텐츠를 제공하는 프로세서를 포함하되, 상기 프로세서는, 상기 복수의 컨텐츠에 관한 통계 분석 데이터 및 연관 분석 데이터 중 적어도 어느 하나에 기초하여 제1 추천 컨텐츠 그룹을 생성하는 제1 추천부, 상기 추천 대상자의 정보, 복수의 사용자 정보 및 상기 복수의 컨텐츠 정보 중 적어도 어느 하나에 기초하여 유사도를 분석하고 분석된 유사도에 기초하여 제2 추천 컨텐츠 그룹을 생성하는 제2 추천부 및 사용자 단말에 디스플레이되는 페이지의 종류에 따라 상기 제1 추천 컨텐츠 그룹 및 상기 제2 추천 컨텐츠 그룹에 포함된 적어도 일부의 컨텐츠를 상기 추천 컨텐츠로서 디스플레이 화면에 표시하는 제어부를 포함할 수 있다.

또한, 상기 제1 추천 컨텐츠 그룹은 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹을 포함하고, 상기 제2 추천 컨텐츠 그룹은 사용자 기반 컨텐츠 그룹 및 아이템 기반 컨텐츠 그룹을 포함할 수 있다.

또한, 상기 제1 추천 컨텐츠 그룹은 마스터 추천 컨텐츠를 포함하고, 상기 제어부는 상기 마스터 추천 컨텐츠와 연계된 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹의 컨텐츠를 상기 추천 컨텐츠로서 표시할 수 있다.

또한, 상기 제어부는 상기 인기 컨텐츠 그룹, 상기 최신 컨텐츠 그룹, 상기 연관 컨텐츠 그룹 및 상기 순차 연관 컨텐츠 그룹의 컨텐츠를 하나의 페이지에 표시할 수 있다.

또한, 상기 프로세서는, 상기 추천 대상자의 컨텐츠 관련 이력 정보를 획득하는 획득부를 더 포함하고, 상기 제2 추천부는 상기 컨텐츠 관련 이력 정보에 기초하여 수행된 분석 결과에 따라 상기 제2 추천 컨텐츠 그룹을 생성할 수 있다.

또한, 상기 프로세서는, 상기 디스플레이 화면에 표시된 상기 추천 컨텐츠 중 어느 하나를 선택하는 사용자 입력을 식별하는 사용자 입력 식별부를 더 포함하고, 상기 제2 추천부는, 상기 식별된 사용자 입력 및 상기 컨텐츠 관련 이력 정보에 기초하여, 제2 추천 컨텐츠 그룹을 생성할 수 있다.

또한, 상기 획득부는, 상기 복수의 사용자 정보를 다차원분석(Online Analytical Processing)에 기초하여 고객 특성 별로 세분화하고, 상기 제1 추천부 및 상기 제2 추천부는 상기 고객 특성 별로 상기 제1 추천 컨텐츠 그룹 및 상기 제2 추천 컨텐츠 그룹을 생성할 수 있다.

한편, 본원의 일 실시예에 따른 복수의 컨텐츠를 저장하는 컨텐츠 데이터베이스 및 상기 복수의 컨텐츠에 기초하여 수행된 복수 종류의 분석을 통해 추천 대상자에게 맞춤화된 추천 컨텐츠를 제공하는 프로세서를 포함하는 컨텐츠 추천 시스템의 컨텐츠 추천 방법은 상기 복수의 컨텐츠에 관한 통계 분석 데이터 및 연관 분석 데이터 중 적어도 어느 하나에 기초하여 제1 추천 컨텐츠 그룹을 생성하는 단계, 상기 추천 대상자의 정보, 복수의 사용자 정보 및 상기 복수의 컨텐츠 정보 중 적어도 어느 하나에 기초하여 유사도를 분석하고 분석된 유사도에 기초하여 제2 추천 컨텐츠 그룹을 생성하는 단계 및 사용자 단말에 디스플레이되는 페이지의 종류에 따라 상기 제1 추천 컨텐츠 그룹 및 상기 제2 추천 컨텐츠 그룹에 포함된 적어도 일부의 컨텐츠를 상기 추천 컨텐츠로서 디스플레이 화면에 표시하는 단계를 포함할 수 있다.

또한, 상기 제1 추천 컨텐츠 그룹은 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹을 포함하고, 상기 제2 추천 컨텐츠 그룹은 사용자 기반 컨텐츠 그룹 및 아이템 기반 컨텐츠 그룹을 포함할 수 있다.

또한, 상기 제1 추천 컨텐츠 그룹은 마스터 추천 컨텐츠를 포함하고, 상기 표시하는 단계는 상기 마스터 추천 컨텐츠와 연계된 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹의 컨텐츠를 상기 추천 컨텐츠로서 표시할 수 있다.

또한, 상기 표시하는 단계는 상기 인기 컨텐츠 그룹, 상기 최신 컨텐츠 그룹, 상기 연관 컨텐츠 그룹 및 상기 순차 연관 컨텐츠 그룹의 컨텐츠를 하나의 페이지에 표시할 수 있다.

상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.

전술한 본원의 과제 해결 수단에 의하면, 본원은 복수의 컨텐츠에 관한 통계 분석 데이터 및 연관 분석 데이터 중 적어도 어느 하나에 기초하여 제1 추천 컨텐츠 그룹을 생성하고, 상기 추천 대상자의 정보, 복수의 사용자 정보 및 상기 복수의 컨텐츠 정보 중 적어도 어느 하나에 기초하여 유사도를 분석하고 분석된 유사도에 기초하여 제2 추천 컨텐츠 그룹을 생성하며, 사용자 단말에 디스플레이되는 페이지의 종류에 따라 상기 제1 추천 컨텐츠 그룹 및 상기 제2 추천 컨텐츠 그룹에 포함된 적어도 일부의 컨텐츠를 상기 추천 컨텐츠로서 표시하는 컨텐츠 추천 시스템 및 방법을 제공함으로써, 계속 변화하고 추가되는 컨텐츠들 전체를 고려하여 사용자 선호도에 맞춤화된 최적의 컨텐츠를 제공할 수 있는 효과가 있다.

전술한 본원의 과제 해결 수단에 의하면, 본원은 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹의 컨텐츠를 하나의 페이지에 표시할 수 있는 컨텐츠 추천 시스템 및 방법을 제공함으로써, 다른 카테고리를 갖는 컨텐츠들을 별도의 사용자 입력 없이 보기 쉽게 제공할 수 있는 효과가 있다.

본원은 사용자의 특성을 고려하여 보다 다양한 조합의 컨텐츠를 하나의 화면에 직관적으로 이해하기 쉬운 형태로 제공할 수 있는 효과가 있다.

도 1은 본원의 일 실시예에 따른 컨텐츠 추천 시스템의 개략적인 블록도이다.
도 2는 본원의 다른 일 실시예에 따른 컨텐츠 추천 시스템의 개략적인 블록도이다.
도 3은 본원의 일 실시예에 따른 컨텐츠 추천 시스템에서 연관 분석과 순차 연관 분석에 의하여 제공되는 컨텐츠의 예를 나타낸 도면이다.
도 4는 본원의 일 실시예에 따른 컨텐츠 추천 시스템에서 메인 페이지의 디스플레이 예를 나타낸 도면이다.
도 5는 본원의 일 실시예에 따른 컨텐츠 추천 시스템(100)의 전체 개념을 개략적으로 나타낸 도면이다.
도 6은 본원의 일 실시예에 따른 컨텐츠 추천 방법에 대한 동작 흐름도이다.

아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결" 또는 "간접적으로 연결"되어 있는 경우도 포함한다.

본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.

본원 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.

본원은 계속 변화하고 추가되는 컨텐츠들과 추천 대상자의 특성을 고려하여, 추천 대상자에게 맞춤화된 추천 컨텐츠를 제공하되, 다양한 조합의 컨텐츠를 하나의 화면에 직관적으로 이해하기 쉬운 형태로 제공할 수 있는 기술에 관한 것이다.

도 1은 본원의 일 실시예에 따른 컨텐츠 추천 시스템의 개략적인 블록도이고, 도 2는 본원의 다른 일 실시예에 따른 컨텐츠 추천 시스템의 개략적인 블록도이다.

도 1의 경우, 본원의 일 실시예에 따른 컨텐츠 추천 시스템(100)은 컨텐츠 데이터베이스(110) 및 프로세서(120)를 포함할 수 있고, 프로세서(120)는 제1 추천부(121), 제2 추천부(122) 및 제어부(123)를 포함할 수 있다.

도 2의 경우, 본원의 다른 일 실시예에 따른 컨텐츠 추천 시스템(100)은 도 1과 같이 컨텐츠 데이터베이스(110)와 제1 추천부(121), 제2 추천부(122) 및 제어부(123)를 포함한 프로세서(120)를 포함할 수 있으며, 프로세서(120)는 획득부(124) 및 사용자 입력 식별부(125)를 더 포함할 수 있다.

이들 도 1 내지 도 2를 참조하면, 컨텐츠 데이터베이스(110)는 복수의 컨텐츠를 저장할 수 있다. 이하에서는 추천 대상으로서 '컨텐츠'를 예로 들어 설명하나, 추천 대상은 인터넷 또는 모바일을 통해 사용자에게 제공될 수 있는 모든 종류의 '아이템(item)'을 포함할 수 있다. 컨텐츠 데이터베이스(100)는 컨텐츠와 컨텐츠 속성 정보를 함께 저장할 수 있다. 예를 들어, 컨텐츠 속성(또는 유형) 정보로는 컨텐츠 내용 요약 정보, 등장 연예인 이름, 총 재생 시간 정보, 시청 가능 연령대 정보, 컨텐츠 구매 형태 등이 포함될 수 있다.

프로세서(120)는 컨텐츠 데이터베이스(100)에 저장된 복수의 컨텐츠에 기초하여 수행된 복수 종류의 분석을 통해 추천 대상자에게 맞춤화된 추천 컨텐츠를 제공할 수 있다. 본원에서 복수 종류의 분석이라 함은 추천 컨텐츠를 제공하기 위해 수행되는 분석으로서, 통계 분석, 연관 분석, 순차 연관 분석, 구매 주기 분석, 고객 세분화 분석, 협업 필터링(Collaborative Filtering, CF) 기반의 유사 회원 및 유사 아이템 분석 등이 포함될 수 있으며, 이는 후술하여 보다 자세히 설명하기로 한다.

제1 추천부(121)는 복수의 컨텐츠에 관한 통계 분석 데이터 및 연관 분석 데이터 중 적어도 어느 하나에 기초하여 제1 추천 컨텐츠 그룹을 생성할 수 있다. 이때, 연관 분석 데이터는 연관 분석이 수행된 데이터 또는 순차 연관 분석이 수행된 데이터를 포함할 수 있다. 제1 추천부(121)를 통해 생성되는 제1 추천 컨텐츠 그룹에는 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹이 포함될 수 있다.

제1 추천부(121)는 제1 추천 컨텐츠 그룹을 생성하기 위하여, 복수 종류의 분석으로서, 통계 분석, 연관 분석, 순차 연관 분석 및 구매 주기 분석 중 적어도 어느 하나를 수행할 수 있다.

통계 분석은 복수의 컨텐츠를 통계학적으로 분석하는 기술로서, 통계 분석을 통해 복수의 컨텐츠들로부터 인기 있는 컨텐츠와 최신 업로드된 컨텐츠(신규 컨텐츠) 등이 도출될 수 있다. 일예로, 통계 분석의 경우, 컨텐츠의 시청 횟수 등이 고려됨으로써 인기 컨텐츠들이 식별될 수 있고, 컨텐츠의 등록 날짜 등이 고려됨으로써 최신 컨텐츠들이 식별될 수 있다. 제1 추천부(121)는 이러한 통계 분석에 기초하여 인기 컨텐츠 그룹과 최신 컨텐츠 그룹을 생성할 수 있다.

연관 분석은 특정 컨텐츠에 대하여 특정 컨텐츠와 함께 구매(또는 시청)할 확률이 높은 컨텐츠를 분석하는 기술로서, 연관 분석을 통해 복수의 컨텐츠들로부터 연관 있는 컨텐츠 등이 도출될 수 있다. 연관 분석의 경우, 복수 사용자들의 컨텐츠 구매 이력 또는 시청 이력 등이 통계적으로 고려됨으로써 연관 컨텐츠들이 식별될 수 있다. 제1 추천부(121)는 이러한 연관 분석에 기초하여 연관 컨텐츠 그룹을 생성할 수 있다.

순차 연관 분석은 연관 분석에서 순서 정보가 고려된 분석 기술로서, 순차 연관 분석을 통해 특정 컨텐츠가 구매된 후 그 다음에 어떤 컨텐츠가 구매되는지를 도출할 수 있다. 제1 추천부(121)는 이러한 순차 연관 분석에 기초하여 연관 컨텐츠 그룹을 생성할 수 있다. 연관 분석과 순차 연관 분석의 차이는 도 3을 참조하여 보다 쉽게 이해될 수 있다.

도 3은 본원의 일 실시예에 따른 컨텐츠 추천 시스템에서 연관 분석과 순차 연관 분석에 의하여 제공되는 컨텐츠의 예를 나타낸 도면이다. 도 3에서 A, B, C 등은 컨텐츠의 식별 아이디를 의미한다.

도 3(a)는 연관 분석의 예로서, user1이 A → C → B → F 순으로 컨텐츠를 구매하고, user2가 C → A → B → I 순으로 컨텐츠를 구매하며, user3이 B → A → C → E 순으로 컨텐츠를 구매했다고 가정하자.

이때, user1 내지 user3이 A, B 및 C 컨텐츠를 구매함에 있어서 순서적인 면에서는 차이가 있으나, A, B, 및 C 컨텐츠 중 어느 하나를 구매한 사용자들은, 그 이후에 A, B 및 C 컨텐츠 중 나머지 컨텐츠를 구매했음을 확인할 수 있다. 이는 A, B 및 C 컨텐츠의 서로 간에 연관 관계가 있음을 의미한다.

따라서, 제1 추천부(121)는 연관 컨텐츠 그룹으로서 A, B 및 C 컨텐츠가 포함된 그룹을 생성할 수 있다. 이후, 추천 대상자가 A 컨텐츠를 선택(또는, 구매, 시청)한 경우, 컨텐츠 추천 시스템(100)은 A 컨텐츠와 관련된 연관 컨텐츠로서 B와 C 컨텐츠를 추천할 수 있다.

도 3(b)는 순차 연관 분석의 예로서, user1이 A → B → C → D 순으로 컨텐츠를 구매하고, user2가 G → A → B → C 순으로 컨텐츠를 구매하며, user3이 H → A → B → F 순으로 컨텐츠를 구매했다고 가정하자.

이때, 순차 연관 분석은 연관 분석에서 순서 정보를 더 고려한 것으로서, user1 내지 user3이 공통적으로 A 컨텐츠 이후에 B 컨텐츠를 구매하고 있으므로, A 컨텐츠의 순차 연관 컨텐츠는 B일 수 있다.

따라서, 제1 추천부(121)는 순차 연관 컨텐츠 그룹으로서 A와 B 컨텐츠가 포함된 그룹을 생성할 수 있다. 제1 추천부(121)는 순차 연관 컨텐츠 그룹 생성 시 A 와 B 컨텐츠 각각에 순서 식별 정보를 포함시킬 수 있다. 이후, 추천 대상자가 A 컨텐츠를 선택한 경우, 컨텐츠 추천 시스템(100)은 A 컨텐츠와 관련된 순차 연관 컨텐츠로서 B 컨텐츠를 추천할 수 있다.

구매 주기 분석은, 추천 대상자가 과거에 컨텐츠를 구매한 이력이나 컨텐츠 검색 시 입력한 검색어 이력 등에 기초하여 컨텐츠의 구매 주기를 분석하는 기술로서, 제1 추천부(121)는 구매 주기 분석에 기초하여 제1 추천 컨텐츠 그룹을 생성할 수 있다. 구매 주기 분석 시 컨텐츠 추천 시스템(100)은 컨텐츠 관련 매출 데이터를 이용할 수 있다.

예를 들어, 추천 대상자가 3주 단위로 국내 축구 경기 관련 컨텐츠를 구매한 경우, 제1 추천부(121)는 제1 추천 컨텐츠 그룹의 최신 컨텐츠 그룹으로서 최근 1~2일 내에 진행된 국내 축구 경기 관련 컨텐츠만 그룹화하는 것이 아니라 최근 3주간에 진행된 국내 축구 경기 관련 컨텐츠들을 그룹화할 수 있다. 또한, 제1 추천부(121)는 제1 추천 컨텐츠 그룹의 인기 컨텐츠 그룹으로서, 최근 3주간의 국내 축구 경기 관련 컨텐츠들 중에서 일부 인기가 많은 컨텐츠들을 추출하여 그룹화할 수 있다.

또한, 예를 들어, A 컨텐츠를 시청한 복수의 사용자들 중 80%가 1개월 이후에 B 컨텐츠를 시청했다고 가정하자. 이때, 제1 추천부(121)는 A와 B 컨텐츠를 1개월 주기로 연관된 연관 컨텐츠 그룹으로서 생성할 수 있다. 이후, 컨텐츠 추천 시스템(100)을 통해 식별된 현재의 추천 대상자가 약 1개월 전에 A 컨텐츠를 구매했던 경험이 있는 경우, 컨텐츠 추천 시스템(100)은 A와 연관된 B 컨텐츠를 추천 컨텐츠로서 추천할 수 있다.

제1 추천부(121)는 통계 분석, 연관 분석, 순차 연관 분석 및 구매 주기 분석에 기초하여, 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹을 포함하는 제1 추천 컨텐츠 그룹을 생성할 수 있다.

제1 추천부(121)를 통해 생성된 제1 추천 컨텐츠 그룹은 마스터 추천 컨텐츠를 포함할 수 있다. 일반적으로 컨텐츠가 표시되는 메인 페이지의 경우 실시간 이슈로 주목받는 컨텐츠가 제공될 때 높은 클릭률을 얻을 수 있으므로, 본원의 일 실시예에 따른 컨텐츠 추천 시스템(100)은 메인 페이지 내의 일 영역에 표시될 메인 컨텐츠로서 마스터 추천 컨텐츠를 선정할 수 있다. 후술할 제어부(123)는 사용자 단말에 디스플레이되는 페이지의 종류가 메인 페이지인 경우, 제1 추천 컨텐츠 그룹에 포함된 컨텐츠들 중에서 마스터 추천 컨텐츠를 선정할 수 있다. 이때, 마스터 추천 컨텐츠는 높은 클릭률을 위해 제1 추천 컨텐츠 그룹 중 특히 인기 컨텐츠 그룹 또는 최신 컨텐츠 그룹 내에서 선정될 수 있다.

또한, 후술할 제어부(123)는 사용자 단말에 디스플레이 되는 페이지의 종류가 메인 페이지인 경우, 선정된 마스터 추천 컨텐츠에 기초하여, 마스터 추천 컨텐츠와 연계된 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹의 컨텐츠를 추천 컨텐츠로서 사용자 단말의 화면에 표시할 수 있다.

보다 구체적으로, 사용자 단말에 디스플레이 되는 페이지의 종류가 메인 페이지인 경우, 제어부(123)는 제1 추천부(121)를 통해 생성된 제1 추천 컨텐츠 그룹 중 일예로 인기 컨텐츠 그룹 내에서 1위에 있는 컨텐츠를 마스터 추천 컨텐츠로 선정할 수 있다. 이후, 제1 추천부(121)는 마스터 추천 컨텐츠에 관한 통계 분석 데이터 및 연관 분석 데이터에 기초하여, 마스터 추천 컨텐츠와 연계된 인기 컨텐츠 그룹, 마스터 추천 컨텐츠와 연계된 최신 컨텐츠 그룹, 마스터 추천 컨텐츠와 연계된 연관 컨텐츠 그룹 및 마스터 추천 컨텐츠와 연계된 순차 연관 컨텐츠 그룹을 제1 추천 컨텐츠 그룹으로서 생성할 수 있다. 이때, 일예로, 마스터 추천 컨텐츠와 연계된 인기 컨텐츠 그룹은 마스터 추천 컨텐츠와 연계된 연관 컨텐츠들 중에서 인기 있는 컨텐츠가 그룹화된 것 또는 인기 컨텐츠 그룹 중에서 마스터 추천 컨텐츠와 연계된 연관 건텐츠가 그룹화된 것일 수 있으며, 이는 다른 그룹에 대해서도 동일한 논리로 적용 가능하다. 이후, 제어부(123)는 마스터 추천 컨텐츠와 연계된 제1 추천 컨텐츠 그룹 내의 컨텐츠들 중에서 적어도 일부의 컨텐츠를 추천 컨텐츠로서 화면에 표시할 수 있다. 사용자 단말의 화면에 표시되는 추천 컨텐츠의 예는 후술하여 보다 자세히 설명하기로 한다.

제2 추천부(122)는 추천 대상자의 정보, 복수의 사용자 정보 및 복수의 컨텐츠 정보 중 적어도 어느 하나에 기초하여 유사도를 분석하고, 분석된 유사도에 기초하여 제2 추천 컨텐츠 그룹을 생성할 수 있다.

추천 대상자는 컨텐츠 추천 시스템(100)을 통해 제공되는 컨텐츠를 추천 받는 대상자(사용자)를 의미한다. 예를 들어, 추천 대상자의 정보는 성별, 나이, 컨텐츠 구매 이력, 컨텐츠 검색 관련 검색어 이력, 컨텐츠 이용 시간대 및 컨텐츠 이용량 등과 같은 컨텐츠 이용 성향, 선호하는 컨텐츠 장르, 선호하는 연예인 등의 정보 중 적어도 어느 하나를 포함할 수 있다. 복수의 사용자 정보는 추천 대상자가 아닌 다른 사용자들의 정보로서, 추천 대상자 정보와 마찬가지로 성별, 나이, 컨텐츠 구매 이력 등의 정보가 포함될 수 있다. 추천 대상자의 정보 및 복수의 사용자 정보는 사용자 정보 데이터베이스(미도시)에 저장될 수 있다.

사용자 정보 데이터베이스에는 추천 대상자 또는 복수의 사용자로부터 직접 입력 받은 정보(예를 들어, 나이, 성별, 선호하는 연예인 등)가 저장될 수 있다. 또한, 사용자 정보 데이터베이스에는 추천 대상자 또는 복수의 사용자가 구매한 컨텐츠 정보를 기초로 하여 분석된 정보(예를 들어, 구매 이력 정보, 이용 시간대 등)가 저장될 수 있다.

본 발명의 일 실시예에 따르면, 제2 추천부(122)를 통해 생성된 제2 추천 컨텐츠 그룹은 사용자 기반 컨텐츠 그룹, 아이템 기반 컨텐츠 그룹 및 고객세분화 기반 컨텐츠 그룹을 포함할 수 있다. 또한, 제2 추천부(122)는 연관 분석, 순차 연관 분석, 협업 필터링 분석 및 고객 세분화 분석 등에 기초하여 제2 추천 컨텐츠 그룹을 생성할 수 있다.

협업 필터링 분석은 컨텐츠(또는 아이템)에 대한 추천 대상자의 평가치와 다른 사용자들의 평가치를 이용하여, 추천 대상자가 좋아할 것으로 예상되는 아이템을 추천하는 기법으로서, 사용자 기반 협업 필터링과 아이템 기반 협업 필터링을 포함할 수 있다.

사용자 기반 협업 필터링은 추천 대상자와 비슷한 성향을 가지는 유저가 어떤 컨텐츠를 구매했는지에 기초하여 추천 컨텐츠를 선별하는 기술을 의미한다. 사용자 기반 협업 필터링의 경우, 추천 대상자와 선호하는 성향이 유사한 사용자의 의견에는 높은 가중치를 부여하고, 선호하는 성향이 유사하지 않은 사용자의 의견에는 낮은 가중치를 부여함으로써, 추천 대상자에게 제공할 추천 컨텐츠를 선별할 수 있다.

아이템 기반 협업 필터링은 추천 대상자가 이전에 구매했던 컨텐츠에 기초하여, 구매했던 해당 컨텐츠와 연관성이 있는 컨텐츠를 추천 컨텐츠로서 선별하는 기술을 의미한다. 아이템 기반 협업 필터링의 경우, 추천 대상자가 이미 경험하여 선호도 등급을 입력한 기존 컨텐츠와 추천하고자 하는 컨텐츠 간에 유사성을 측정하여 추천 대상자가 어떤 컨텐츠를 선호할 것인지 예측할 수 있다. 추천 대상자가 예측하고자 하는 컨텐츠와 유사도가 높은 컨텐츠에 높은 점수를 부여한 경우, 예측하고자 하는 컨텐츠가 높게 평가되어 추천 대상자에게 추천 컨텐츠로서 추천될 수 있다. 이와 반대로, 추천 대상자가, 예측하고자 하는 컨텐츠와 유사도가 높은 컨텐츠에 대해 낮은 점수를 부여한 경우, 예측하고자 하는 컨텐츠가 추천 컨텐츠 대상에서 제외될 수 있다. 제2 추천부(122)는 일예로 코사인 유사도 알고리즘(cosine similarity algorithm)을 이용하여 유사도 분석을 수행할 수 있다.

본 발명의 일 실시예에 따르면, 제2 추천부(122)는 사용자 기반 협업 필터링에 기초하여 사용자 기반 컨텐츠 그룹 및 아이템 기반 협업 필터링에 기초하여 아이템 기반 컨텐츠 그룹을 생성할 수 있으며, 이를 위해 협업 필터링 기반의 유사 회원 분석 및 협업 필터링 기반의 유사 아이템 분석을 수행할 수 있다. 이때, 제2 추천부(122)는 사용자 입력(예를 들어, 추천 컨텐츠의 선택 입력)에 따라, 추천 대상자와 유사한 성향을 갖는 유사 회원을 실시간으로 매칭하는 과정을 수행할 수 있다. 이후, 제2 추천부(122)는 매칭된 유사 회원이 구매했던 컨텐츠 이력 등을 기초로 하여 제2 추천 컨텐츠 그룹을 생성할 수 있다.

또한, 제2 추천부(122)는 협업 필터링에 기초하여 제2 추천 컨텐츠 그룹을 생성하기 위해 매칭된 유사 회원(예를 들어, 추천 대상자와 유사도가 높은 복수의 회원 (대표 유사회원)) 에 대하여 스트림으로 수집된 신규 추가 컨텐츠에 대한 유사 회원의 선호도를 반영하고, 이에 기초하여 Rating Matrix를 생성할 수 있다. 이때, 신규 추가 컨텐츠에 반영되는 선호도 가중치는 별도의 설정을 통해 결정될 수 있다.

또한, 제2 추천부(122)는 고객세분화 분석에 기초하여 고객세분화 기반 컨텐츠 그룹을 생성할 수 있다. 고객세분화 분석은 제2 추천 컨텐츠 그룹 생성 시 추천 대상자의 특성 별로 차별화된 컨텐츠를 추천하기 위한 분석 기술을 의미한다. 이를 위해, 컨텐츠 추천 시스템(100)은 복수의 사용자 정보에 다차원 분석(Online Analytical Processing, OALP)을 기초로 한 학습을 적용함으로써, 복수의 사용자 정보를 고객 특성 별로 세분화할 수 있다. 이때, 예를 들어, 고객 특성 별이라 함은, 복수의 사용자 정보를 성별, 연령, 컨텐츠 이용량, 마니아층, 이슈 팔로워층 및 가족 중심층 등과 같이 고객의 특성 별로 분류한 것을 의미한다. 고객 특성 별 세분화는 일예로 후술할 획득부(124)에 의하여 세분화될 수 있다.

예를 들어, 복수의 사용자 정보(예를 들어, 사용자의 컨텐츠 구매 이력 정보 등)에 기초하여 볼 때, 복수의 사용자 중 제1 사용자가 다양한 종류의 컨텐츠들 중 주로 가족 드라마 관련 컨텐츠를 구매한 경우, 제1 사용자는 가족 중심층으로 분류될 수 있다. 이후, 컨텐츠 추천 시스템(100)은 가족 중심층으로 분류된 복수의 사용자들을 대상으로 하여, 복수의 사용자들이 구매했던 컨텐츠들에 대해 연관 분석, 순차 연관 분석 등을 수행할 수 있다. 이후, 식별된 추천 대상자가 주로 가족 드라마 관련 컨텐츠를 구매한 경우, 제2 추천부(122)는 가족 중심층의 사용자들을 대상으로 하여 수행된 연관 분석, 순차 연관 등에 기초하여 제2 추천 컨텐츠 그룹을 생성할 수 있다. 이러한 본원의 일 실시예에 따른 컨텐츠 추천 시스템(100)은 고객세분화 분석에 기초하여 추천 대상자의 각 특성(예를 들어, 가족 중심층인지, 성별이 여자인지 등) 별로 각기 다른 조합의 컨텐츠를 추천할 수 있으므로, 추천 대상자에게 보다 최적화된 맞춤형 컨텐츠를 제공할 수 있다.

또한, 제2 추천부(122)는 추천 대상자의 실시간 사용자 입력에 기초하여 제2 추천 컨텐츠 그룹을 생성할 수 있다. 이를 위해, 제2 추천부(122)는 컨텐츠와 관련하여 추천 대상자가 취한 행동(예를 들어, 사용자 단말의 화면에 표시된 추천 컨텐츠 중 어느 하나를 선택하는 행동 등)을 실시간으로 모니터링 할 수 있다. 사용자가 추천 컨텐츠 중 어느 하나를 선택한 경우, 제2 추천부(122)는 선택된 추천 컨텐츠에 대하여, 선택된 추천 컨텐츠와 관련된 제2 추천 컨텐츠 그룹을 생성할 수 있다. 이때, 제2 추천부(122)는 선택된 추천 컨텐츠의 속성 정보 및 추천 대상자의 특성에 기초하여 협업 필터링 등을 수행함으로써 제2 추천 컨텐츠 그룹을 생성할 수 있다.

또한, 제2 추천부(122)는 추가되는 컨텐츠에 대하여 실시간으로 연관 분석, 순차 연관 분석 등을 수행할 수 있으며, 이에 기초하여 제2 추천 컨텐츠 그룹을 생성할 수 있다. 예를 들어, 제1 추천부(122)를 통해 생성된 제1 추천 컨텐츠 그룹에서 A, B 및 C가 연관 컨텐츠라고 가정하자. 이때, 후술할 획득부(124)를 통해 스트림으로 추가 컨텐츠 Z 를 획득한 경우, 제2 추천부(122)는 추가 컨텐츠 Z를 기존 컨텐츠들(A, B, C 등)에 기초하여 유사도 분석(예를 들어, 연관 분석 등)을 수행할 수 있다. 이때, A 및 B와 관련된 연관 컨텐츠로서 C 보다 Z의 유사도(즉, 연관도)가 더 높은 경우, 제2 추천부(122)는 A, B 및 Z를 제2 추천 컨텐츠 그룹으로서 그룹화할 수 있다. 이후, 추천 대상자가 A 컨텐츠를 선택한 경우, B와 Z 컨텐츠가 추천 컨텐츠로서 추천될 수 있다. 예를 들어, 추가되는 컨텐츠에 대하여 실시간 분석이 수행되지 않거나 사용자 입력이 실시간으로 고려되지 않은 경우, 제2 추천부(122)는 제1 추천 컨텐츠 그룹에 기초하여 A 컨텐츠의 추천 컨텐츠로서 B와 C 컨텐츠가 추천될 수 있다.

한편, 본원의 일 실시예에 따른 컨텐츠 추천 시스템(100)은 획득부(124)를 포함할 수 있으며, 획득부(124)는 추천 대상자의 컨텐츠 관련 이력 정보를 획득할 수 있다. 이때, 예를 들어, 컨텐츠 관련 이력 정보에는 컨텐츠를 구매한 이력 정보, 컨텐츠를 검색할 때 사용된 검색어 이력 정보, 구매한 컨텐츠들의 장르 이력 정보, 선호하는 연예인이 등장한 컨텐츠 이력 정보 등이 포함될 수 있다. 또한, 획득부(124)는 스트림(stream)으로 추가 컨텐츠를 획득할 수 있다.

제2 추천부(122)는 추천 대상자의 컨텐츠 관련 이력 정보에 기초하여 수행된 분석(예를 들어, 구매 주기 분석, 연관 분석, 연관 순차 분석, 협업 필터링 등) 결과에 따라 제2 추천 컨텐츠 그룹을 생성할 수 있다. 예를 들어, 제2 추천부(122)는 추천 대상자의 구매 이력 정보에 기초하여 구매 주기 분석을 수행할 수 있고, 구매 주기 분석에 기초하여 복수의 사용자들 중 추천 대상자와 구매 주기 성향이 유사한 사용자를 식별할 수 있다. 또한, 제2 추천부(122)는 식별된 유사한 사용자들에 대하여 사용자 기반의 협업 필터링에 기초하여 제2 추천 컨텐츠 그룹을 생성할 수 있다.

또한, 획득부(124)는 복수의 사용자 정보를 다차원분석에 기초하여 고객 특성 별로 세분화할 수 있으며, 제1 추천부(121) 및 제2 추천부(122)는 고객 특성 별로 제1 추천 컨텐츠 그룹과 제2 추천 컨텐츠 그룹을 생성할 수 있다. 보다 자세하게는, 획득부(124)가 복수의 사용자 정보를 고객 특성 별로 세분화함에 따라, 고객 특성 별로 추천되는 연관 컨텐츠 또는 추천되는 순차 연관 컨텐츠 등의 조합이 달라질 수 있다. 이렇게 고객 특성 별로 달라지는 추천 컨텐츠의 조합에 기초하여, 제1 추천부(121) 및 제2 추천부(122)는 추천 대상자의 특성과 유사한 특성으로 분류된 세분화된 정보에 기초하여 제1 추천 컨텐츠 그룹과 제2 추천 컨텐츠 그룹을 생성할 수 있다.

또한, 본원의 일 실시예에 따른 컨텐츠 추천 시스템(100)은 사용자 입력 식별부(125)를 더 포함할 수 있으며, 사용자 입력 식별부(125)는 사용자 단말의 디스플레이 화면에 표시된 추천 컨텐츠 중 어느 하나를 선택하는 사용자 입력을 식별할 수 있다. 이후, 제2 추천부(122)는 사용자 입력 식별부(125)를 통해 식별된 사용자 입력, 사용자 입력에 의하여 선택된 컨텐츠의 속성 정보 및 추천 대상자의 컨텐츠 관련 이력 정보 등에 기초하여 제2 추천 컨텐츠 그룹을 생성할 수 있다.

예를 들어, 디스플레이 화면에 표시된 추천 컨텐츠 중 추천 대상자가 개그 프로그램 관련 인기 컨텐츠를 선택한 경우, 제2 추천부(122)는, 선택된 컨텐츠의 속성 정보(예를 들어, 개그 프로그램에 나오는 게스트 연예인 정보 등)와 추천 대상자의 컨텐츠 관련 이력 정보에 기초하여 유사도를 분석할 수 있다. 이때, 분석 결과, 추천 대상자의 컨텐츠 관련 이력 정보 내에서 개그 프로그램에 나오는 게스트 연예인이 출연했던 예능 관련 컨텐츠들이 다수 발견된 경우, 제2 추천부(122)는 개그 프로그램에 나오는 게스트 연예인이 출연했던 예능 관련 다른 컨텐츠들을 제2 추천 컨텐츠 그룹으로서 생성할 수 있다. 이때 생성된 제2 추천 컨텐츠 그룹은 협업 필터링에 기초한 아이템 기반의 컨텐츠 그룹일 수 있다.

제어부(123)는 사용자 단말에 디스플레이되는 페이지의 종류에 따라 제1 추천 컨텐츠 그룹 및 제2 추천 컨텐츠 그룹에 포함된 적어도 일부의 컨텐츠를 추천 컨텐츠로서 디스플레이 화면에 표시할 수 있다.

추천 컨텐츠가 표시되는 디스플레이 화면은, 스마트폰, 휴대폰, PDA, 노트북, 데스크탑 PC, TV 등 컨텐츠가 표시될 수 있는 모든 디스플레이 장치의 화면일 수 있다.

사용자 단말에 디스플레이되는 페이지의 종류로는 일예로, 메인 페이지와 엔드 페이지가 포함될 수 있다.

메인 페이지는 컨텐츠가 표시되는 첫 페이지를 의미하며, 제어부(123)는 디스플레이된 페이지가 메인 페이지인 경우, 제1 추천 컨텐츠 그룹 내의 컨텐츠들 중 일부 컨텐츠를 추천 컨텐츠로서 표시할 수 있다. 또한, 제어부(123)는 메인 페이지에 추천 컨텐츠를 표시할 때, 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹 각각에 포함된 컨텐츠들 중 적어도 일부 컨텐츠를 하나의 페이지 상에 표시할 수 있다.

이때, 인기, 최신, 연관 및 순차 연관 컨텐츠 그룹들 각각에 대하여 메인 페이지에 표시될 컨텐츠의 수, 즉 추천 컨텐츠로서 추천될 컨텐츠의 수는 미리 설정된 개수에 기초하여 설정될 수 있다. 예를 들어, 메인 페이지에 표시될 컨텐츠의 수는 인기 컨텐츠 그룹에서 1개, 최신 컨텐츠 그룹에서 5개, 연관 컨텐츠 그룹에서 2개, 순차 연관 컨텐츠 그룹에서 2개와 같이 미리 설정될 수 있다.

또한, 인기, 최신, 연관 및 순차 연관 컨텐츠 그룹들 각각에서 산출된 추천 컨텐츠의 개수는, 추천 대상자의 컨텐츠 관련 이력 정보를 기초로 각 컨텐츠 그룹에 가중치를 부여함으로써 결정될 수 있다.

예를 들어, 추천 대상자가 메인 페이지에 표시된 복수 종류의 컨텐츠들(즉, 인기, 최신, 연관 및 순차 연관 컨텐츠) 중에서 최신 컨텐츠에 대응하는 컨텐츠들은 전혀 보지 않고, 인기, 연관 및 순차 연관 컨텐츠에 대하여 각각 5:3:2 비율로 컨텐츠를 시청했다고 가정하자. 이때 인기, 최신, 연관 및 순차 연관 컨텐츠 그룹 각각에는 5:0:3:2의 가중치가 각각 부여될 수 있다. 이를 통해, 메인 페이지에는 인기 컨텐츠가 5개, 연관 컨텐츠가 3개, 순차 연관 컨텐츠가 2개 표시될 수 있다.

또한, 메인 페이지 상에 추천 컨텐츠가 표시될 때에는, 앞서 말한 바와 같이 추천 컨텐츠의 높은 클릭률을 위하여 마스터 추천 컨텐츠를 선정하는 과정이 수행될 수 있으며, 마스터 추천 컨텐츠는 그 특성상 인기 컨텐츠 그룹 또는 최신 컨텐츠 그룹 내에서 선정될 수 있다. 마스터 추천 컨텐츠가 선정된 경우, 메인 페이지에는 마스터 추천 컨텐츠와 연관된 인기, 최신, 연관 및 순차 연관 컨텐츠 그룹의 컨텐츠가 추천 컨텐츠로서 표시될 수 있다. 메인 페이지의 디스플레이 예는 도 4를 참조하여 보다 쉽게 이해될 수 있다.

도 4는 본원의 일 실시예에 따른 컨텐츠 추천 시스템에서 메인 페이지의 디스플레이 예를 나타낸 도면이다.

도 4(a)에는 제1 추천부(121)를 통해 생성된 인기, 최신, 연관 및 순차 연관 컨텐츠 그룹 별 컨텐츠의 구성 예가 도시되어 있다. 제1 추천부(121)는 통계 분석 데이터 및 연관 분석 데이터 등에 기초하여 각 그룹들을 생성할 수 있다. 인기 컨텐츠 그룹에는 A1, A2, A3 등의 컨텐츠가 포함될 수 있다. 최신 컨텐츠 그룹에는 B1, B2, B3 등의 컨텐츠가 포함될 수 있다. 연관 컨텐츠 그룹에는 C1, C2, C3 등의 컨텐츠가 포함될 수 있다. 순차 연관 컨텐츠 그룹에는 D1, D2, D3 등의 컨텐츠가 포함될 수 있다.

사용자 단말에 메인 페이지가 디스플레이 되는 경우, 제1 추천부(121)는 도 4(a)에서 A1 컨텐츠를 마스터 추천 컨텐츠로서 선정될 수 있다. 이후, 제1 추천부(121)는 마스터 추천 컨텐츠인 A1 컨텐츠와 연계된 인기, 최신, 연관 및 순차 연관 컨텐츠 그룹들을 생성할 수 있다.

도 4(b)를 참조하면, A1 컨텐츠와 연계된 인기 컨텐츠 그룹에는 A2', A3' 등의 컨텐츠가 포함될 수 있다. A1 컨텐츠와 연계된 최신 컨텐츠 그룹에는 B1', B2', B3' 등의 컨텐츠가 포함될 수 있다. 또한, A1 컨텐츠와 연계된 연관 컨텐츠 그룹에는 C1', C2', C3' 등의 컨텐츠가 포함될 수 있다. A1 컨텐츠와 연계된 순차 연관 컨텐츠 그룹에는 D1', D2', D3' 등의 컨텐츠가 포함될 수 있다.

이후, 제어부(123)는 도 4(b)의 각 그룹 내에 포함된 컨텐츠들 중에서 적어도 일부를 추천 컨텐츠로서 선정하고, 선정된 추천 컨텐츠를 화면에 표시할 수 있다. 일예로, 제어부(123)는 A1, B1', B2', C1' 및 D1'를 추천 컨텐츠로서 표시할 수 있다.

도 4(c)는 일예로 TV의 디스플레이 화면 상에 표시된 메인 페이지의 예를 나타낸다. 메인 페이지 상에서 마스터 추천 컨텐츠인 A1 인기 컨텐츠는 다른 컨텐츠들 대비 넓은 영역에 디스플레이 될 수 있다. 이밖에 최신 컨텐츠 B1'과 B2', 연관 컨텐츠 C1' 및 순차 연관 컨텐츠 D1'가 화면 상의 일 영역에 디스플레이 될 수 있으며, 마스터 추천 컨텐츠 대비 좁은 영역에 디스플레이 될 수 있다.

이러한 본원의 일 실시예에 따른 컨텐츠 추천 시스템(100)은 마스터 컨텐츠와 연계된 다양한 조합의 컨텐츠들을 하나의 화면에 직관적으로 이해하기 쉬운 형태로 제공함에 따라, 추천 대상자의 다양성 요구와 선호도에 맞추어 보다 최적화된 맞춤형 컨텐츠를 추천할 수 있다. 즉, 본원의 일 실시예에 따른 컨텐츠 추천 시스템(100)은 다양성과 정확도가 향상된 추천 대상자 맞춤형 컨텐츠를 제공할 수 있다.

또한, 제어부(123)는 메인 페이지의 특성(예를 들어, 방송사 등)을 고려하여 추천 컨텐츠를 표시할 수 있다. 예를 들어, A 방송사, B 방송사, C 방송사들 중에서 사용자 단말에 표시된 화면이 A 방송사 채널의 메인 페이지인 경우, 제어부(123)는 A 방송사에서 방송되는 컨텐츠들 중에서의 인기 컨텐츠, 최신 컨텐츠, 연관 컨텐츠 및 순차 연관 컨텐츠를 추천 컨텐츠로서 화면에 표시할 수 있다.

한편, 엔드 페이지는 추천 대상자가 화면에 표시된 복수의 컨텐츠들 중 어느 하나를 선택했을 때 표시되는 페이지로서, 추천 대상자의 사용자 입력에 기초하여 표시되는 페이지일 수 있다. 엔드 페이지에서는 추천 대상자로부터 사용자 입력이 식별된 경우, 추천 대상자의 정보나 특성, 복수의 사용자들의 정보나 고객 특성 및 선택된 컨텐츠의 속성 정보들 중 적어도 어느 하나에 기초함으로써, 선택된 컨텐츠와 관련된 가장 좋은 추천 컨텐츠를 제공할 수 있다.

추천 대상자로부터 복수의 컨텐츠들 중 특정 컨텐츠에 대한 선택이 이루어진 경우, 선택된 특정 컨텐츠는 추천 대상자가 선호하는 컨텐츠 분야(예를 들어 예능, 다큐 등)이거나 관심 있는 스타가 출현한 컨텐츠일 가능성이 높다.

따라서, 사용자 단말에 디스플레이 되는 페이지의 종류가 엔드 페이지인 경우, 제어부(123)는 제2 추천 컨텐츠 그룹 내에 포함된 컨텐츠들 중 일부를 추천 컨텐츠로서 표시할 수 있다. 이때, 제2 추천 컨텐츠 그룹은 추천 대상자의 정보, 복수의 사용자 정보 및 컨텐츠 정보 등을 기초로 하여 수행된 분석(예를 들어, 유사도 분석, 연관 분석, 순차 연관 분석, 협업 필터링 기반의 유사 회원 및 유사 아이템 분석 및 고객세분화 분석 등)을 통해 생성될 수 있다.

엔드 페이지에는 협업 필터링을 기초로 한 사용자 기반 컨텐츠, 협업 필터링을 기초로 한 아이템 기반 컨텐츠, 연관 분석 기반 컨텐츠, 순차 연관 분석 컨텐츠 및 고객세분화 기반 컨텐츠들 중에서 일부 컨텐츠가 추천 컨텐츠로서 표시될 수 있다.

본원의 일 실시예에 따른 컨텐츠 추천 시스템(100)에서는 일예로 메인 페이지에는 인기, 최신, 연관 및 순차 연관 컨텐츠들 중 적어도 어느 하나가 표시되고, 엔드 페이지에는 사용자 기반 컨텐츠, 아이템 기반 컨텐츠, 고객세분화 기반 컨텐츠 중 적어도 어느 하나가 표시될 수 있는 것으로만 예시하였으나, 이에 한정된 것은 아니고, 메인 페이지에 사용자 기반 컨텐츠, 고객세분화 기반 컨텐츠 등이 표시될 수도 있고, 엔드 페이지에 인기, 컨텐츠, 최신 컨텐츠 등이 표시될 수도 있다.

또한 본원의 일 실시예에 따른 컨텐츠 추천 시스템(100)은 추천 대상자의 실시간 행동에 기초하여 제1 추천 컨텐츠 그룹을 생성하거나 제2 추천 컨텐츠 그룹을 생성하는 과정을 병행할 수 있다. 이때, 추천 대상자의 실시간 행동은 예를 들어, 복수의 컨텐츠 중 어느 하나를 선택하는 행동, 엔드 페이지를 보다가 메인 페이지를 보는 행동 등을 의미할 수 있다.

도 5는 본원의 일 실시예에 따른 컨텐츠 추천 시스템(100)의 전체 개념을 개략적으로 나타낸 도면으로서, 상기에 자세히 설명된 내용을 기초로 하여 전체 개념을 간단히 살펴보기로 한다.

도 5를 참조하면, 본원의 일 실시예에 따른 컨텐츠 추천 시스템(100)에서 컨텐츠 데이터베이스(110, Data Mart)에는 복수의 컨텐츠가 저장될 수 있다. 컨텐츠 데이터베이스(110)에는 컨텐츠, 컨텐츠 속성 정보 및 컨텐츠 구매 형태 등이 저장될 수 있다.

프로세서(120)는 추천 대상자로부터 사용자 입력이 수신되거나 스트림으로 추가 컨텐츠가 수신된 경우, 각각의 특성에 따라 복수의 컨텐츠에 대해 복수의 분석(10) 중 적어도 어느 하나를 수행할 수 있다. 본원의 일 실시예에 따른 컨텐츠 추천 시스템(100)은 복수의 분석(10) 각각에 대응하는 분석 알고리즘을 포함할 수 있으며, 복수의 분석 알고리즘을 통해 산출된 다양한 분석 결과에 기초하여 추천 대상자에 맞춤화된 추천 컨텐츠를 추천할 수 있다.

제1 추천부(121)는 사용자 입력 식별부(125)를 통해 사용자 입력이 식별되거나 스트림으로 추가 컨텐츠가 수신된 경우, 실시간으로 규칙(Rule) 매칭을 수행할 수 있다. 이를 통해, 제1 추천부(121)는 제1 추천 컨텐츠 그룹(121a)을 생성할 수 있다. 제1 추천 컨텐츠 그룹(121a)에는 인기, 최신, 연관 및 순차 연관 컨텐츠 그룹이 포함될 수 있다. 제1 추천부(121)는 통계, 연관, 순차 연관 및 구매 주기 분석 중 적어도 어느 하나의 분석을 수행함으로써, 제1 추천 컨텐츠 그룹(121a)을 생성할 수 있다.

제2 추천부(122)는 사용자 입력 식별부(125)를 통해 사용자 입력이 식별되거나 스트림으로 추가 컨텐츠가 수신된 경우, 식별된 사용자 입력 정보, 획득부(124)를 통해 획득한 추천 대상자의 컨텐츠 관련 이력 정보 등을 종합적으로 고려하여, 협업 필터링(CF) 기반의 유사도 매칭을 실시간으로 수행할 수 있다. 이를 통해, 제2 추천부(122)는 제2 추천 컨텐츠 그룹(121b)을 생성할 수 있다. 제2 추천 컨텐츠 그룹(121b)에는 CF에 기초한 사용자 기반 컨텐츠 그룹, CF에 기초한 아이템 기반 컨텐츠 그룹 및 고객세분화 기반 컨텐츠 그룹이 포함될 수 있다. 제2 추천부(122)는 연관, 순차 연관, CF 기반의 유사 회원 분석, CF 기반의 유사 아이템 분석 및 고객세분화 분석 중 적어도 어느 하나의 분석을 수행함으로써 제2 추천 컨텐츠 그룹(121b)을 생성할 수 있다.

제어부(123)는 사용자 단말에 디스플레이되는 페이지의 종류에 따라 제1 추천 컨텐츠 그룹(121a) 및 제2 추천 컨텐츠 그룹(121b)에 포함된 컨텐츠들 중 적어도 일부의 컨텐츠를 추천 컨텐츠로서 화면에 표시할 수 있다.

제어부(123)는 획득부(124) 내지 사용자 입력 식별부(125)를 통해 획득된 추천 대상자의 실시간 행동에 기초하여, 제1 추천 컨텐츠 그룹(121a)을 생성하거나 제2 추천 컨텐츠 그룹(121b)을 생성하는 과정을 병행하여 수행할 수 있으며, 이를 통해 추천 대상자의 실시간 행동에 따라 그 상황에 최적화된 추천 컨텐츠를 제공할 수 있다.

이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.

도 6은 본원의 일 실시예에 따른 컨텐츠 추천 방법에 대한 동작 흐름도이다. 도 6에 도시된 컨텐츠 추천 방법은 앞선 도 1 내지 도 5 를 통해 설명된 컨텐츠 추천 시스템(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 5를 통해 컨텐츠 추천 시스템(100)에 대하여 설명된 내용은 도 6에도 동일하게 적용될 수 있다.

도 6을 참조하면, 복수의 컨텐츠를 저장하는 컨텐츠 데이터베이스 및 상기 복수의 컨텐츠에 기초하여 수행된 복수 종류의 분석을 통해 추천 대상자에게 맞춤화된 추천 컨텐츠를 제공하는 프로세서를 포함하는 컨텐츠 추천 시스템의 컨텐츠 추천 방법은 우선, 제1 추천부(121)를 통해 복수의 컨텐츠에 관한 통계 분석 데이터 및 연관 분석 데이터 중 적어도 어느 하나에 기초하여 제1 추천 컨텐츠 그룹을 생성할 수 있다(S610).

단계S610에서 제1 추천부(121)에 의하여 생성되는 제1 추천 컨텐츠 그룹은 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹을 포함할 수 있다.

또한, 단계S610에서 제1 추천 컨텐츠 그룹은 마스터 추천 컨텐츠를 포함할 수 있다.

다음으로, 단계S620에서는, 제2 추천부(122)를 통해 추천 대상자의 정보, 복수의 사용자 정보 및 상기 복수의 컨텐츠 정보 중 적어도 어느 하나에 기초하여 유사도를 분석하고 분석된 유사도에 기초하여 제2 추천 컨텐츠 그룹을 생성할 수 있다.

단계S620에서 제2 추천부(122)에 의하여 생성되는 제2 추천 컨텐츠 그룹은 사용자 기반 컨텐츠 그룹, 아이템 기반 컨텐츠 그룹 및 고객세분화 기반 컨텐츠 그룹을 포함할 수 있다.

다음으로, 단계S630에서는, 제어부(123)를 통해 사용자 단말에 디스플레이되는 페이지의 종류에 따라 제1 추천 컨텐츠 그룹 및 제2 추천 컨텐츠 그룹에 포함된 적어도 일부의 컨텐츠를 추천 컨텐츠로서 디스플레이 화면에 표시할 수 있다.

이때, 단계S630에서 제어부(123)는 마스터 추천 컨텐츠와 연계된 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹의 컨텐츠를 추천 컨텐츠로서 표시할 수 있다.

또한, 단계S630에서 제어부(123)는 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹의 컨텐츠를 하나의 페이지에 표시할 수 있다.

상술한 설명에서, 단계 S610 내지 S630 은 본원의 구현 예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.

본원의 일 실시 예에 따른 컨텐츠 추천 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

또한, 전술한 컨텐츠 추천 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구현될 수 있다.

전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.

100: 컨텐츠 추천 시스템
110: 컨텐츠 데이터베이스
120: 프로세서
121: 제1 추천부
122: 제2 추천부
123: 제어부

Claims (12)

1. 복수의 컨텐츠를 저장하는 컨텐츠 데이터베이스; 및
   상기 복수의 컨텐츠에 기초하여 수행된 복수 종류의 분석을 통해 추천 대상자에게 맞춤화된 추천 컨텐츠를 제공하는 프로세서,
   를 포함하되,
   상기 프로세서는,
   상기 복수의 컨텐츠에 관한 통계 분석 데이터 및 연관 분석 데이터 중 적어도 어느 하나에 기초하여 제1 추천 컨텐츠 그룹을 생성하는 제1 추천부;
   상기 추천 대상자의 정보, 복수의 사용자 정보 및 상기 복수의 컨텐츠 정보 중 적어도 어느 하나에 기초하여 유사도를 분석하고 분석된 유사도에 기초하여 제2 추천 컨텐츠 그룹을 생성하는 제2 추천부; 및
   사용자 단말에 디스플레이되는 페이지의 종류에 따라 상기 제1 추천 컨텐츠 그룹 및 상기 제2 추천 컨텐츠 그룹에 포함된 적어도 일부의 컨텐츠를 상기 추천 컨텐츠로서 디스플레이 화면에 표시하는 제어부,
   를 포함하고,
   상기 제1 추천 컨텐츠 그룹은 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹을 포함하고,
   상기 연관 컨텐츠 그룹은 특정 컨텐츠와 연관되어 함께 구매될 확률이 높은 컨텐츠를 연관 컨텐츠로서 포함하고, 상기 순차 연관 컨텐츠 그룹은 상기 연관 컨텐츠에 구매 순서 정보를 더 고려하여 특정 컨텐츠가 구매된 이후에 구매되는 컨텐츠를 순차 연관 컨텐츠로서 포함하며,
   상기 페이지의 종류는 컨텐츠가 표시되는 첫 페이지인 메인 페이지 및 화면에 표시된 복수의 컨텐츠들 중 어느 하나를 선택했을 때 표시되는 페이지인 엔드 페이지를 포함하고,
   상기 제어부는 상기 페이지의 종류가 메인 페이지인 경우, 클릭률을 높이기 위해 상기 인기 컨텐츠 그룹 또는 상기 최신 컨텐츠 그룹 내에서 상기 메인 페이지의 일 영역에 표시되는 메인 컨텐츠로서 마스터 추천 컨텐츠를 선정하고, 선정된 상기 마스터 추천 컨텐츠를 상기 마스터 추천 컨텐츠와 연계된 인기 컨텐츠, 상기 마스터 추천 컨텐츠와 연계된 최신 컨텐츠, 상기 마스터 추천 컨텐츠와 연계된 연관 컨텐츠 및 상기 마스터 추천 컨텐츠와 연계된 순차 연관 컨텐츠와 함께 상기 추천 컨텐츠로서 하나의 메인 페이지에 표시하며,
   상기 메인 페이지에 표시되는 상기 추천 컨텐츠의 개수는 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹 각각에 대하여 미리 설정된 가중치에 기반하여 결정되는 것인, 컨텐츠 추천 시스템.
2. 제1항에 있어서,
   상기 제2 추천 컨텐츠 그룹은 사용자 기반 컨텐츠 그룹 및 아이템 기반 컨텐츠 그룹을 포함하는 것인, 컨텐츠 추천 시스템.
3. 삭제
4. 삭제
5. 제1항에 있어서,
   상기 프로세서는,
   상기 추천 대상자의 컨텐츠 관련 이력 정보를 획득하는 획득부를 더 포함하고,
   상기 제2 추천부는 상기 컨텐츠 관련 이력 정보에 기초하여 수행된 분석 결과에 따라 상기 제2 추천 컨텐츠 그룹을 생성하는 것인, 컨텐츠 추천 시스템.
6. 제5항에 있어서,
   상기 프로세서는,
   상기 디스플레이 화면에 표시된 상기 추천 컨텐츠 중 어느 하나를 선택하는 사용자 입력을 식별하는 사용자 입력 식별부를 더 포함하고,
   상기 제2 추천부는,
   상기 식별된 사용자 입력 및 상기 컨텐츠 관련 이력 정보에 기초하여, 제2 추천 컨텐츠 그룹을 생성하는 것인, 컨텐츠 추천 시스템.
7. 제5항에 있어서,
   상기 획득부는,
   상기 복수의 사용자 정보를 다차원분석(Online Analytical Processing)에 기초하여 고객 특성 별로 세분화하고,
   상기 제1 추천부 및 상기 제2 추천부는 상기 고객 특성 별로 상기 제1 추천 컨텐츠 그룹 및 상기 제2 추천 컨텐츠 그룹을 생성하는 것인, 컨텐츠 추천 시스템.
8. 복수의 컨텐츠를 저장하는 컨텐츠 데이터베이스 및 상기 복수의 컨텐츠에 기초하여 수행된 복수 종류의 분석을 통해 추천 대상자에게 맞춤화된 추천 컨텐츠를 제공하는 프로세서를 포함하는 컨텐츠 추천 시스템의 컨텐츠 추천 방법에 있어서,
   상기 복수의 컨텐츠에 관한 통계 분석 데이터 및 연관 분석 데이터 중 적어도 어느 하나에 기초하여 제1 추천 컨텐츠 그룹을 생성하는 단계;
   상기 추천 대상자의 정보, 복수의 사용자 정보 및 상기 복수의 컨텐츠 정보 중 적어도 어느 하나에 기초하여 유사도를 분석하고 분석된 유사도에 기초하여 제2 추천 컨텐츠 그룹을 생성하는 단계; 및
   사용자 단말에 디스플레이되는 페이지의 종류에 따라 상기 제1 추천 컨텐츠 그룹 및 상기 제2 추천 컨텐츠 그룹에 포함된 적어도 일부의 컨텐츠를 상기 추천 컨텐츠로서 디스플레이 화면에 표시하는 단계,
   를 포함하고,
   상기 제1 추천 컨텐츠 그룹은 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹을 포함하고,
   상기 연관 컨텐츠 그룹은 특정 컨텐츠와 연관되어 함께 구매될 확률이 높은 컨텐츠를 연관 컨텐츠로서 포함하고, 상기 순차 연관 컨텐츠 그룹은 상기 연관 컨텐츠에 구매 순서 정보를 더 고려하여 특정 컨텐츠가 구매된 이후에 구매되는 컨텐츠를 순차 연관 컨텐츠로서 포함하며,
   상기 페이지의 종류는 컨텐츠가 표시되는 첫 페이지인 메인 페이지 및 화면에 표시된 복수의 컨텐츠들 중 어느 하나를 선택했을 때 표시되는 페이지인 엔드 페이지를 포함하고,
   상기 표시하는 단계는 상기 페이지의 종류가 메인 페이지인 경우, 클릭률을 높이기 위해 상기 인기 컨텐츠 그룹 또는 상기 최신 컨텐츠 그룹 내에서 상기 메인 페이지의 일 영역에 표시되는 메인 컨텐츠로서 마스터 추천 컨텐츠를 선정하고, 선정된 상기 마스터 추천 컨텐츠를 상기 마스터 추천 컨텐츠와 연계된 인기 컨텐츠, 상기 마스터 추천 컨텐츠와 연계된 최신 컨텐츠, 상기 마스터 추천 컨텐츠와 연계된 연관 컨텐츠 및 상기 마스터 추천 컨텐츠와 연계된 순차 연관 컨텐츠와 함께 상기 추천 컨텐츠로서 하나의 메인 페이지에 표시하며,
   상기 메인 페이지에 표시되는 상기 추천 컨텐츠의 개수는 인기 컨텐츠 그룹, 최신 컨텐츠 그룹, 연관 컨텐츠 그룹 및 순차 연관 컨텐츠 그룹 각각에 대하여 미리 설정된 가중치에 기반하여 결정되는 것인, 컨텐츠 추천 방법.
9. 제8항에 있어서,
   상기 제2 추천 컨텐츠 그룹은 사용자 기반 컨텐츠 그룹 및 아이템 기반 컨텐츠 그룹을 포함하는 것인, 컨텐츠 추천 방법.
10. 삭제
11. 삭제
12. 제8항 또는 제9항의 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한 컴퓨터에서 판독 가능한 기록매체.

Images