KR101888919B1 - 사용자 영향력 기반의 광고 마케팅 방법 및 그를 위한 장치 - Google Patents

사용자 영향력 기반의 광고 마케팅 방법 및 그를 위한 장치 Download PDF

Info

Publication number
KR101888919B1
KR101888919B1 KR1020170173988A KR20170173988A KR101888919B1 KR 101888919 B1 KR101888919 B1 KR 101888919B1 KR 1020170173988 A KR1020170173988 A KR 1020170173988A KR 20170173988 A KR20170173988 A KR 20170173988A KR 101888919 B1 KR101888919 B1 KR 101888919B1
Authority
KR
South Korea
Prior art keywords
data
influence
user
sns
advertisement
Prior art date
Application number
KR1020170173988A
Other languages
English (en)
Inventor
정하용
Original Assignee
주식회사 디너의여왕
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 디너의여왕 filed Critical 주식회사 디너의여왕
Priority to KR1020170173988A priority Critical patent/KR101888919B1/ko
Application granted granted Critical
Publication of KR101888919B1 publication Critical patent/KR101888919B1/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
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0244—Optimization
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • 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)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

사용자 영향력 기반의 광고 마케팅 방법 및 그를 위한 장치를 개시한다.
소셜 데이터를 기반으로 SNS 사용자의 영향력은 분석하여 특정상품을 광고하기 위한 SNS 사용자를 선별하고, 선별된 SNS 사용자를 특정상품과 매칭시켜 광고성과를 분석하는 사용자 영향력 기반의 광고 마케팅 방법 및 그를 위한 장치에 관한 것이다.

Description

사용자 영향력 기반의 광고 마케팅 방법 및 그를 위한 장치{Method and Apparatus for Marketing of Advertisement Based on User Influence}
본 실시예는 사용자 영향력 기반의 광고 마케팅 방법과 광고 마케팅 서비스를 위한 장치에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
현대 사회는 인터넷과 스마트폰의 보급으로 인해 사회 구성원들 간의 정보 교류가 끊임없이 이뤄지는 소셜 네트워크 사회(Social Network Community)이다. 이러한 사회로의 발전에는 스마트폰과 같은 인터넷 장비들뿐만 아니라 트위터(Twitter), 페이스북(Facebook), 인스타그램(Instagram), 링크드인(Linkedin), 텀블러(Tumblr) 및 핀터레스트(Pinterest) 등 다양한 소셜 미디어(Social Media)를 이용한 소셜 네트워크 서비스(Social Network Service)의 사용이 큰 역할을 차지하고 있다. 소셜 미디어의 사용이 증가함에 따라, 쉴 새 없이 공유되는 정보들이 끊임없이 축적되고 있다. 이러한 정보들이 여론형성, 의제설정 등에 사용되면서, 소셜 네트워크 서비스(Social Network Service)에서 소셜 미디어의 정보 전파에 대한 사용자의 영향력을 측정하는 연구가 증대되고 있다.
SNS 사용자의 영향력 측정 및 분석은 마케팅, 정치, 광고 등의 다양한 분야에서 중요한 역할을 차지한다. 마케팅 분야에서, 영향력은 제품을 홍보하고 평판을 유도하는 역할을 한다. 정치가들에게는 홍보 및 선거의 승패를 예측하는 중요한 요소로 작용한다. 또한, 광고 분야에서 영향력 측정은 빠른 정보전달과 저비용 고효율의 정보 전달 측면에서 중요하다.
소셜 네트워크 서비스에서 다수의 팔로어를 갖는 SNS 사용자는 특정 토픽(카테고리)에서 특정상품을 홍보/후원하는데 이용될 수 있다. 인기 있는 블로거의 웹사이트 상의 광고 스페이스는 관련 제품들 및 서비스들을 광고하는데 사용된다.
하지만, 소셜 네트워크 서비스를 사용하는 유저가 증가함에 따라 인기가 있거나 영향력 있는 SNS 사용자를 신속하게 식별하는 것은 점점 어려워 지고 있다. 또한, 특정 토픽(카테고리)에 대하여 영향력이 있는 SNS 사용자를 정확하게 식별하는 것은 쉽지 않다.
따라서, SNS 사용자의 영향력을 소셜 데이터를 기반으로 정량화하고, 특정상품에 최적화된 SNS 사용자를 선별하여 특정상품과 매칭시키기 위한 시스템이 필요하다.
본 실시예는 소셜 데이터를 기반으로 SNS 사용자의 영향력은 분석하여 특정상품을 광고하기 위한 SNS 사용자를 선별하고, 선별된 SNS 사용자를 특정상품과 매칭시켜 광고성과를 분석하는 사용자 영향력 기반의 광고 마케팅 방법 및 그를 위한 장치를 제공하는 데 주된 목적이 있다.
본 실시예의 일 측면에 의하면, 광고 서비스 제공장치에서 사용자 영향력 기반의 광고 마케팅을 처리하는 방법에 있어서, 다수의 SNS 사용자 각각에 대한 소셜 데이터를 수집하는 데이터 수집과정; 상기 소셜 데이터 중 사용자 영향력을 판단하기 위한 훈련 데이터를 추출하는 데이터 처리과정; 상기 훈련 데이터를 이용하여 상기 다수의 SNS 사용자 각각에 대한 상기 사용자 영향력을 분석하는 영향력 분석과정; 및 상기 사용자 영향력의 분석결과를 기반으로 특정상품을 광고하기 위한 SNS 사용자를 선별하여 상기 특정상품과 매칭시키고, 상기 특정상품에 대한 광고성과를 분석하는 광고 서비스 처리과정을 포함하는 것을 특징으로 하는 사용자 영향력 기반의 광고 마케팅 방법을 제공한다.
또한, 본 실시예의 다른 측면에 의하면, 다수의 SNS 사용자 각각에 대한 소셜 데이터를 수집하는 데이터 수집부; 상기 소셜 데이터 중 사용자 영향력을 판단하기 위한 훈련 데이터를 추출하는 데이터 처리부; 상기 훈련 데이터를 이용하여 상기 다수의 SNS 사용자 각각에 대한 상기 사용자 영향력을 분석하는 영향력 분석부; 및 상기 사용자 영향력의 분석결과를 기반으로 특정상품을 광고하기 위한 SNS 사용자를 선별하여 상기 특정상품과 매칭시키고, 상기 특정상품에 대한 광고성과를 분석하는 광고 서비스 처리부를 포함하는 것을 특징으로 하는 광고 서비스 제공장치를 제공한다.
이상에서 설명한 바와 같이 본 실시예에 의하면, 특정상품을 홍보하기 적합한 SNS 사용자를 선별하여 특정상품과 매칭시킬 수 있는 효과가 있다.
또한, 본 실시예에 의하면, 특정상품을 홍보하기 위한 SNS 사용자 검색, 포스팅 추적, 상품 매칭 등의 과정을 자동화하여 처리할 수 있는 효과가 있다.
또한, 본 실시예에 의하면, 사용자 영향력이 높아질 것으로 예측되는 SNS 사용자와 특정상품을 매칭시킴으로써, 광고주 측에서는 광고 비용을 절약할 수 있는 효과가 있다.
도 1은 본 실시예에 따른 사용자 영향력 기반의 광고 마케팅 시스템을 개략적으로 나타낸 블록 구성도이다.
도 2는 본 실시예에 따른 광고 서비스 제공장치를 개략적으로 나타낸 블록 구성도이다.
도 3은 본 실시예에 따른 사용자 영향력 기반의 광고 마케팅 방법을 설명하기 위한 순서도이다.
도 4는 본 실시예에 따른 사용자 영향력을 분석하는 동작을 설명하기 위한 예시도이다.
도 5는 본 실시예에 따른 광고 마케팅 시스템을 설명하기 위한 예시도이다.
이하, 본 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 실시예에 따른 사용자 영향력 기반의 광고 마케팅 시스템을 개략적으로 나타낸 블록 구성도이다.
본 실시예에 따른 사용자 영향력 기반의 광고 마케팅 시스템(100)은 광고주 단말기(110), 광고 서비스 제공장치(120) 및 사용자 단말기(130)를 포함한다.
광고주 단말기(110)는 광고를 위한 특정상품 또는 특정 서비스를 제공한다. 예를 들어, 화장품을 광고하기 위한 경우, 광고주 단말기(110)는 화장품의 광고를 위해 화장품에 대한 성분 정보, 효능 정보, 실제 상품, 홍보 정보 등을 광고 서비스 제공장치(120)로 제공한다. 또한, 대출 서비스를 광고하기 위한 경우, 광고주 단말기(110)는 대출 서비스에 대한 대출 상품정보, 홍보 정보 등을 광고 서비스 제공장치(120)로 제공한다.
또한, 광고주 단말기(110)는 특정상품 또는 특정 서비스에 대한 홍보정보를 광고 서비스 제공장치(120)로 제공하고, 특정상품 또는 특정 서비스를 홍보하기 위한 SNS 사용자에게 홍보정보가 전달되도록 한다. 여기서, 홍보 정보는 텍스트 광고, 배너 광고, 영상 광고, 오디오 광고, 비디오 광고, 인-앱(In-App) 광고 등의 하나 이상의 요소들이 결합된 광고를 포함할 수 있다.
광고주 단말기(110)는 데스크톱, 랩톱 등과 같은 개인용 컴퓨터일 수 있고, 스마트폰, PDA, 태블릿 PC 등과 같은 휴대용 전자 장치일 수 있으며, 특정상품 또는 특정 서비스를 제공할 수 있다면 예시되지 않은 다른 컴퓨팅 장치로 구현될 수 있다.
광고주 단말기(110)는 광고주가 조작하는 단말기인 것으로 기재하고 있으나 반드시 이에 한정되는 것은 아니며, 특정상품 또는 특정 서비스를 제공하기 위한 서버 또는 매체로 구현될 수 있다.
광고주 단말기(110)가 서버로 구현되는 경우, 광고주 단말기(110)는 광고 서비스 제공장치(120) 또는 사용자 단말기(130)로 각종 텍스트(text), 사진, 음악, 동영상 등의 컨텐츠를 제공할 수 있다. 예를 들어, 광고주 단말기(110)는 다양한 컨텐츠 서비스를 제공하는 포털 사이트 서버일 수 있다. 또는, 광고주 단말기(110)는 광고 서비스 제공장치(120)로부터 수신한 검색 쿼리에 응답하여, 광고 서비스 제공장치(120)에게 검색 결과로서 각종 컨텐츠를 제공하는 검색 엔진일 수도 있다. 광고주 단말기(110)는 포털 사이트와 검색 엔진이 결합된 형태일 수도 있다.
광고 서비스 제공장치(120)는 다수의 SNS 사용자에 대한 소셜 데이터를 수집하고, 수집된 소셜 데이터를 기반으로 SNS 사용자에 대한 사용자 영향력을 분석한다.
광고 서비스 제공장치(120)는 다수의 SNS 사용자 각각에 대한 소셜 데이터를 수집한다. 여기서, SNS 사용자는 소셜 네트워크 서비스(Social Network Service)의 계정을 갖고, 각종 미디어 컨텐츠를 포스팅하는 사용자를 의미한다. 광고 서비스 제공장치(120)는 다양한 소셜 네트워크 서비스 중 특정 SNS 사이트의 계정 별로 소셜 데이터를 수집할 수 있으나 반드시 이에 한정되는 것은 아니며, 다양한 소셜 네트워크 서비스에 포함된 복수의 SNS 사이트 각각에서 동일한 사용자에 대한 사용자 별 소셜 데이터를 수집할 수 있다.
광고 서비스 제공장치(120)는 소셜 데이터 중 SNS 사용자의 영향력을 판단하기 위한 훈련 데이터를 생성한다. 여기서, 훈련 데이터는 SNS 사용자의 영향력을 판단하기 위해 소셜 데이터를 가공한 데이터일 수 있다. 훈련 데이터는 소셜 데이터에서 정형화된 데이터를 추출한 정형 데이터 및 소셜 데이터에서 비정형화된 데이터를 분석하여 추출한 비정형 데이터 중 적어도 하나의 데이터를 포함할 수 있다.
광고 서비스 제공장치(120)는 훈련 데이터를 이용하여 다수의 SNS 사용자 각각에 대한 사용자 영향력을 분석한다. 광고 서비스 제공장치(120)는 훈련 데이터에 포함된 정형 데이터 및 비정형 데이터를 기반으로 사용자 영향력의 분석결과를 산출한다. 여기서, 사용자 영향력의 분석결과는 SNS 사용자의 현재 사용자 영향력을 분석한 결과일 수 있으나 반드시 이에 한정되는 것은 아니며, SNS 사용자의 미래 사용자 영향력을 예측한 결과일 수 있다.
광고 서비스 제공장치(120)는 훈련 데이터를 이용하여 사용자 영향력 지수, 전문분야, 지역 적합도 중 적어도 하나에 대한 사용자 영향력을 분석하고, 사용자 영향력 지수, 전문분야, 지역 적합도 등의 사용자 영향력에 대한 분석결과를 산출할 수 있다.
또한, 광고 서비스 제공장치(120)는 SNS 사용자의 사용자 영향력에 근거하여 특정상품과 매칭시키기 위한 SNS 사용자를 선별하고, SNS 사용자가 홍보하는 특정상품에 대한 광고성과를 분석한다.
광고 서비스 제공장치(120)는 사용자 영향력의 분석결과, 영향력 예측결과 등을 이용하여 소셜 네트워크 서비스(SNS) 상에서 영향력이 있는 SNS 사용자를 선별하고, 영향력이 있는 SNS 사용자와 광고주 단말기(110)에서 요청하는 특정상품을 매칭시킨다.
광고 서비스 제공장치(120)는 SNS 사용자 별로 특정상품에 대한 광고성과를 분석한다. 구체적으로, 광고 서비스 제공장치(120)는 기 설정된 광고기간 동안 SNS 사용자가 자신의 소셜 네트워크 서비스(SNS) 상에서 특정상품을 홍보한 것에 대한 광고성과를 분석한다. 광고 서비스 제공장치(120)는 SNS 사용자들이 특정상품에 대한 컨텐츠를 소셜 네트워크 서비스(SNS) 상에 노출시키는 횟수, 특정상품에 대한 키워드, 해시태그, 본문내용 등의 포스팅 정보에 대한 노출 횟수, 노출된 상품에 대한 포스팅 피드백(예: 조회수, 피드백 참여수(좋아요 수, 댓글 수, 공유 수))의 호응 정도 등의 데이터를 정량화하여 특정상품에 대한 광고성과 분석결과를 도출할 수 있다.
사용자 단말기(130)는 소셜 미디어를 온라인(예: 인터넷) 상에서 공유하기 위해 소셜 네트워크 플랫폼에 접속하는 SNS 사용자의 단말기를 의미한다. 소셜 네트워크 플랫폼은 예를 들어, 트위터(Twitter), 페이스북(Facebook), 인스타그램(Instagram), 링크드인(Linkedin), 텀블러(Tumblr) 및 핀터레스트(Pinterest) 등과 같이 다양한 소셜 네트워크 서비스(SNS)를 포함한다.
사용자 단말기(130)는 소셜 네트워크 플랫폼에서 소셜 네트워크 서비스를 사용하는 SNS 사용자의 단말기를 의미한다. 여기서, 사용자 단말기(130)는 단말기당 하나의 SNS 사용자의 계정이 존재하는 것이 바람직하나 반드시 이에 한정되는 것은 아니며, 하나의 단말기 내에서 복수의 계정이 존재할 수 있다.
사용자 단말기(130)는 사용자 단말기(130)는 데스크톱(Desk Top), 랩톱(Lap Top) 등과 같은 개인용 컴퓨터(PC: Personal Computer)일 수 있다. 또는, 사용자 단말기는 스마트폰(Smartphone), PDA(Personal Digital Assistant), 태블릿 PC(Tablet PC) 등과 같은 휴대용 전자 장치일 수 있다. 사용자 단말기는 예시되지 않은 다른 컴퓨팅 장치일 수도 있다.
사용자 단말기(130)는 사용자의 조작에 의해서 (모바일) 애플리케이션을 설치하고, 애플리케이션을 실행할 수 있다. 사용자 단말기는 외부 장치(또는, 서버)로부터 애플리케이션을 다운로드할 수 있다. 사용자 단말기는 애플리케이션을 실행하기 위한 하나 이상의 프로세서를 포함할 수 있다.
사용자 단말기(130)는 애플리케이션 마켓(또는, 스토어)에 직접 접속하여, 애플리케이션 마켓에서 설치하고자 하는 애플리케이션을 검색하는 등의 방법으로 해당 애플리케이션을 설치할 수 있다. 또는, 사용자 단말기는 별도의 매체로부터 애플리케이션의 설치 경로(또는, 링크)를 제공받고, 해당 설치 경로를 통해서 애플리케이션을 설치할 수 있다. 이러한 매체는 해당 애플리케이션의 설치 경로를 제공하는 등의 방법으로 사용자 단말기에 해당 애플리케이션의 광고를 제공하는 것이다.
사용자 단말기(100)는 통신부, 제어부, 입출력부, 메모리부 등의 구성요소를 포함하여, 소셜 네트워크 서비스와 관련된 데이터 및/또는 정보의 통신, 처리, 입출력, 저장 등과 같은 동작을 수행할 수 있다.
도 2는 본 실시예에 따른 광고 서비스 제공장치를 개략적으로 나타낸 블록 구성도이다.
본 실시예에 따른 광고 서비스 제공장치(120)는 데이터 수집부(210), 데이터 처리부(220), 영향력 분석부(250), 광고 서비스 처리부(260)를 포함한다. 도 2에 도시된 광고 서비스 제공장치(120)는 일 실시예에 따른 것으로서, 도 2에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 광고 서비스 제공장치(120)에 포함된 일부 블록이 추가, 변경 또는 삭제될 수 있다.
데이터 수집부(210)는 다수의 SNS 사용자 각각에 대한 소셜 데이터를 수집하는 동작을 수행한다. 여기서, SNS 사용자는 소셜 네트워크 서비스(Social Network Service)의 계정을 갖고, 각종 미디어 컨텐츠를 포스팅하는 사용자를 의미한다.
데이터 수집부(210)는 다양한 소셜 네트워크 서비스 중 특정 SNS 사이트의 계정 별로 소셜 데이터를 수집할 수 있으나 반드시 이에 한정되는 것은 아니며, 다양한 소셜 네트워크 서비스에 포함된 복수의 SNS 사이트 각각에서 동일한 사용자에 대한 사용자 별 소셜 데이터를 수집할 수 있다. 예를 들어, 데이터 수집부(210)는 'A' 사이트에서 복수의 계정 각각에 대한 소셜 데이터를 수집하거나, 'A', 'B' 및 'C' 사이트를 모두 사용하는 사용자 각각에 대한 소셜 데이터를 수집할 수 있다.
데이터 수집부(210)에서 수집된 소셜 데이터는 계정 정보 및 포스팅 정보를 포함한다. 여기서, 계정 정보는 SNS 주소, 팔로어 수, 접속 지역 및 SNS 개설일 등의 SNS 계정과 관련된 정보를 포함하고, 포스팅 정보는 포스팅 데이터, 키워드, 해시태그, 본문내용, 포스팅 피드백 정보 등의 포트팅 컨텐츠와 관련된 정보를 포함한다.
데이터 수집부(210)는 모든 SNS 사용자에 대한 소셜 데이터를 수집하는 것이 바람직하나 반드시 이에 한정되는 것은 아니다. 구체적으로, 데이터 수집부(210)는 SNS 사용자의 접속 지역, 관심 지역, 팔로어 수, 친구(이웃) 수, 특정 토픽 등에 대한 필터링 기준정보가 설정된 경우, 필터링 기준정보를 기초로 필터링된 소셜 데이터를 수집한다. 예를 들어, 최소 팔로어 수에 대한 필터링 기준정보가 설정된 경우, 데이터 수집부(210)는 최소 팔로어 수를 초과하는 팔로어 수를 갖는 SNS 사용자의 소셜 데이터를 수집한다.
데이터 처리부(220)는 소셜 데이터 중 SNS 사용자의 영향력을 판단하기 위한 훈련 데이터를 생성한다. 여기서, 훈련 데이터는 SNS 사용자의 영향력을 판단하기 위해 소셜 데이터를 가공한 데이터일 수 있다. 훈련 데이터는 소셜 데이터에서 정형화된 데이터를 추출한 정형 데이터 및 소셜 데이터에서 비정형화된 데이터를 분석하여 추출한 비정형 데이터 중 적어도 하나의 데이터를 포함할 수 있다.
데이터 처리부(220)는 정형 데이터를 처리하는 빅데이터 처리부(230) 및 비정형 데이터를 처리하는 텍스트 분석부(240)를 포함한다.
빅데이터 처리부(230)는 소셜 데이터 중 정형 데이터를 추출하여 훈련 데이터로 변환하는 동작을 수행한다. 빅데이터 처리부(230)는 소셜 데이터 중 수치화된 정보와 같이 정형화된 데이터를 정형 데이터로 추출한다. 구체적으로, 빅데이터 처리부(230)는 소셜 데이터 중 팔로어 수, 친구(이웃) 수, 포스팅 개수, 포스팅 피드백 정보(예: 조회수, 피드백 참여수(좋아요 수, 댓글 수, 공유 수)) 등을 정형 데이터로 추출한다. 예를 들어, 빅데이터 처리부(230)는 대용량의 소셜 데이터에서 SNS 사용자의 팔로어 수에 대한 정보를 정형 데이터로 추출할 수 있다.
빅데이터 처리부(230)는 빅데이터 처리기술을 적용하여 소셜 데이터에서 각종 데이터를 추출하여 저장 및 관리한다. 빅데이터 처리부(230)는 대용량 소셜 데이터가 누락되지 않고 빠르게 저장될 수 있도록 NoSQL 기반의 데이터 스토리지를 포함할 수 있다.
빅데이터 처리부(230)는 소셜 데이터 중 정형 데이터에 대한 특징(Feature)을 추출하여 훈련 데이터로 변환한다. 여기서, 빅데이터 처리부(230)는 분산 처리 방식을 이용하여 특징(Feature)을 추출할 수 있다. 예를 들어, 빅데이터 처리부(230)는 Hadoop 기반의 Map-Reduce 방식을 이용하여 정형 데이터에 대한 특징(Feature)을 추출할 수 있다. 훈련 데이터는 정형 데이터를 갖는 모든 SNS 사용자는 각 특징(Feature)마다 고유값을 갖는 객체로 정의되며, SNS 사용자 별로 정의된 다수의 특징(Feature)을 변환하여 훈련 데이터를 생성할 수 있다.
텍스트 분석부(240)는 소셜 데이터 중 비정형 데이터를 추출하여 훈련 데이터로 변환하는 동작을 수행한다. 텍스트 분석부(240)는 소셜 데이터 중 포스팅 정보에 대한 텍스트 내용을 분석하고, 분석결과를 이용하여 비정형 데이터를 추출한다. 구체적으로, 텍스트 분석부(240)는 소셜 데이터 중 포스팅 정보에 포함된 키워드, 해시태그, 본문내용 등에 대한 텍스트 내용을 분석하고, 텍스트 분석결과를 기반으로 비정형 데이터를 생성한다. 여기서, 텍스트 분석결과는 SNS 사용자의 전문분야, 전문지역, 홍보 패턴, 키워드 패턴, 즐겨 쓰는 단어(문구) 등을 포함할 수 있다.
텍스트 분석부(240)는 자연어 처리 기술을 이용하여 포스팅 정보에 대한 텍스트 내용을 분석할 수 있다. 텍스트 분석부(240)는 문장 분할, 띄어쓰기 및 철차 오류를 관리하는 전처리 과정, 입력된 문장을 형태소 단위로 분할하고 품사를 부착하는 형태소 분석 과정, 주어, 목적어, 서술어 등과 같은 구문단위를 검출하는 구문 분석 과정, 문장의 의미적으로 올바른 문장인지를 판단하는 의미 분석 과정 및 문맥의 구조 및 의도를 분석하여 대화 흐름 상 의미를 판단하는 담화 분석 과정 등을 포함하는 자연어 처리 기술을 이용하여 텍스트 내용을 분석할 수 있다. 여기서, 자연어 처리 기술은 비정형 데이터를 생성하기 위해 머신 러닝(Machine Learning)을 사용하는 Statistical NLP 기법인 것이 바람직하나 반드시 이에 한정되는 것은 아니다.
텍스트 분석부(240)는 소셜 데이터 중 비정형 데이터에 대한 특징(Feature)을 추출하여 훈련 데이터로 변환한다. 여기서, 텍스트 분석부(240)는 대용량의 텍스트 데이터를 분석하기 위한 텍스트 분석 시스템을 활용하여 특징(Feature)을 추출할 수 있다. 예를 들어, 텍스트 분석부(240)는 Hadoop을 활용한 Map-Reduce 방식의 텍스트 분석 시스템으로 구현될 수 있다. 훈련 데이터는 비정형 데이터를 갖는 모든 SNS 사용자는 각 특징(Feature)마다 고유값을 갖는 객체로 정의되며, SNS 사용자 별로 정의된 다수의 특징(Feature)을 변환하여 훈련 데이터를 생성할 수 있다.
본 실시예에서, 빅데이터 처리부(230) 및 텍스트 분석부(240)는 정형 데이터 및 비정형 데이터 각각을 이용하여 서로 다른 훈련 데이터를 생성하는 것으로 기재하고 있으나 반드시 이에 한정되는 것은 아니다. 예를 들어, 데이터 처리부(220)에서 정형 데이터 및 비정형 데이터 모두를 이용하여 훈련 데이터를 생성하거나, 정형 데이터 및 비정형 데이터 중 하나의 데이터를 이용하여 훈련 데이터를 생성할 수 있다.
영향력 분석부(250)는 훈련 데이터를 이용하여 다수의 SNS 사용자 각각에 대한 사용자 영향력을 분석한다. 영향력 분석부(250)는 훈련 데이터에 포함된 정형 데이터 및 비정형 데이터를 기반으로 사용자 영향력의 분석결과를 산출할 수 있다. 여기서, 사용자 영향력의 분석결과는 SNS 사용자의 현재 사용자 영향력을 분석한 결과일 수 있으나 반드시 이에 한정되는 것은 아니며, SNS 사용자의 미래 사용자 영향력을 예측한 결과일 수 있다. 즉, 영향력 분석부(250)는 SNS 사용자의 현재 사용자 영향력뿐만 아니라 사용자 영향력의 발전 가능성을 예측할 수 있다.
영향력 분석부(250)는 훈련 데이터를 이용하여 사용자 영향력 지수, 전문분야, 지역 적합도 중 적어도 하나에 대한 사용자 영향력을 분석하고, 사용자 영향력 지수, 전문분야, 지역 적합도 등의 사용자 영향력에 대한 분석결과를 광고 서비스 처리부(260)로 전송한다.
한편, 영향력 분석부(250)는 광고 서비스 처리부(260)에서 도출된 광고성과 분석결과를 피드백 데이터로 입력받고, 피드백 데이터를 반영하여 사용자 영향력을 분석할 수 있다.
영향력 분석부(250)는 딥러닝(Deep Learning) 방식을 이용하여 사용자 영향력을 분석할 수 있다. 영향력 분석부(250)는 데이터 처리부(220)에서 생성된 훈련 데이터와 기 생성된 정답 데이터를 딥러닝 처리하여 사용자 영향력의 분석결과를 생성한다. 여기서, 정답 데이터는 사용자 영향력을 판단하기 위해 광고 마켓팅 결과를 활용하여 설정된 기준 데이터일 수 있으며, 외부 장치(미도시)로부터 사용자 영향력을 판단하기 위해 획득한 참고 데이터일 수도 있다.
영향력 분석부(250)는 훈련 데이터 및 정답 데이터를 딥러닝의 교사 학습(Supervised Learning) 처리하여 사용자 영향력을 판단한다. 또한, 영향력 분석부(250)는 훈련 데이터를 딥러닝의 비교사 학습(Unsupervised Learning) 처리하여 사용자 영향력을 판단하는 정확도를 높일 수 있다. 또한, 영향력 분석부(250)는 비교사 학습(Unsupervised Learning)을 통해 SNS 사용자의 현재 사용자 영향력뿐만 아니라 사용자 영향력의 발전 가능성을 예측할 수 있다. 즉, 영향력 분석부(250)는 비교사 학습(Unsupervised Learning)을 통해 향후 사용자 영향력이 높아질 SNS 사용자를 추정할 수 있다.
영향력 분석부(250)는 TensorFlow를 이용하며 SNS 사용자의 사용자 영향력을 분석하는 것이 바람직하나 반드시 이에 한정되는 것은 아니며, 사용자 영향력을 분석할 수 있다면 그 어떤 소스코드로도 변경 가능하다.
이하, 영향력 분석부(250)에서 SNS 사용자의 현재 사용자 영향력을 분석하는 동작을 설명하도록 한다.
영향력 분석부(250)는 SNS 사용자의 팔로어 수, 방문자 수, 포스팅 수 등의 훈련 데이터를 이용하여 사용자 영향력을 판단할 수 있다. 또한, 영향력 분석부(250)는 키워드, 해시태그, 본문내용 등에 따라 SNS 사용자가 포스팅한 미디어 컨텐츠가 네트워크 사용자(예: 팔로어, 이웃 등)들에게 노출(공유)되는 정도, 피드백 정보 등의 훈련 데이터를 이용하여 사용자 영향력을 판단할 수 있다. 예를 들어, 영향력 분석부(250)는 SNS 사용자가 다양한 종류의 컨텐츠를 포스팅하는 경우 포스팅된 컨텐츠가 어떠한 카테고리에 해당하는지, 어떠한 카테고리의 컨텐츠가 네트워크 사용자들로부터 포스팅 피드백(예: 댓글, 공유, 좋아요 등)이 많이 일어나는지 등에 대한 분석을 통해 사용자 영향력을 판단한다.
영향력 분석부(250)는 SNS 사용자가 과거에 포스팅한 텍스트, 사진, 해시태그, 본문내용 등을 분석하여 현재 사용자 영향력을 분석결과를 생성할 수 있다. 이러한 사용자 영향력의 분석결과는 사용자 영향력을 수치화하여 산출될 수 있으나 반드시 이에 한정되는 것은 아니며, '상', '중', '하' 등과 같이 기 설정된 복수의 레벨 형태로 표현되어 산출될 수 있다.
영향력 분석부(250)는 SNS 사용자의 전반적인 사용자 영향력을 분석하는 것으로 기재하고 있으나 반드시 이에 한정되는 것은 아니며, SNS 사용자가 포스팅하는 컨텐츠의 카테고리 별로 사용자 영향력을 분석할 수 있다. 예를 들어, 소정의 SNS 사용자는 음식 카테고리에서는 사용자 영향력이 높고, 자동차 카테고리에서는 사용자 영향력이 낮을 수 있으므로, 영향력 분석부(250)는 컨텐츠의 카테고리 별로 사용자 영향력을 분석하고, 카테고리 별 사용자 영향력의 분석결과를 산출할 수 있다.
한편, 영향력 분석부(250)는 SNS 사용자의 사용자 영향력의 발전 가능성을 예측할 수 있다. 다시 말해, 영향력 분석부(250)는 현재 사용자 영향력은 높지 않지만(순위권에 들지 않지만) 훈련 데이터를 기초로 추후 사용자 영향력이 높아질 것으로 예측되는 SNS 사용자의 영향력 예측결과를 산출할 수 있다.
영향력 분석부(250)는 훈련 데이터 중 비정형 데이터를 이용하여 컨텐츠를 포스팅하는 패턴, 키워드, 해시태그, 본문내용 등을 작성하는 패턴 등을 분석하고, 포스팅 피드백이 많은 패턴을 사용하는 SNS 사용자에 대한 영향력 예측결과를 산출한다. 영향력 분석부(250)는 포스팅 피드백이 많은 패턴을 사용하는 횟수에 근거하여 SNS 사용자에 대한 영향력 예측결과를 산출하는 것이 바람직하나 반드시 이에 한정되는 것은 아니다. 예를 들어, 영향력 분석부(250)는 소정의 패턴마다 서로 다른 가중치를 부여하고, 패턴을 사용하는 횟수와 가중치를 계산하여 SNS 사용자에 대한 영향력 예측결과를 산출할 수 있다. 여기서, 영향력 분석부(250)는 포스팅 피드백이 가장 많은 패턴에 가장 높은 가중치를 부여하고, 포스팅 피드백이 가장 많은 패턴을 기준으로 포스팅 피드백이 낮은 패턴들 각각에 일정하게 감소되는 가중치를 부여할 수 있다.
영향력 분석부(250)는 훈련 데이터를 기반으로 현재 컨텐츠를 포스팅하는 카테고리에 대한 정보, 포스팅 시 사용하는 키워드, 해시태그, 본문내용 등의 작성 방식정보, 포스팅 피드백 정보 등을 분석하여, SNS 사용자가 소정의 카테고리, 테마, 영역 등에서 사용자 영향력의 변화 여부를 예측한 영향력 예측결과를 산출할 수 있다.
한편, 영향력 분석부(250)는 SNS 사용자에 대한 사용자 영향력의 분석결과 및 영향력 예측결과를 별도로 산출하는 것으로 기재하고 있으나 반드시 이에 한정되는 것은 아니며, 사용자 영향력의 분석결과와 영향력 예측결과를 하나의 분석결과로 통합하여 산출할 수도 있다. 또한, 영향력 분석부(250)는 훈련 데이터를 이용하여 기 설정된 임계치 이상의 영향력을 갖는 후보 SNS 사용자를 선별하고, 영향력이 높은 SNS 사용자에 대한 특징(Feature)을 분석하여 기준 패턴정보를 생성한다. 영향력 분석부(250)는 후보 SNS 사용자 또는 새로운 SNS 사용자의 훈련 데이터를 기준 패턴정보와 비교하여 영향력의 변화 추이를 예측하여 SNS 사용자의 사용자 영향력에 대한 분석결과를 산출할 수 있다.
광고 서비스 처리부(260)는 사용자 영향력의 분석결과를 기반으로 특정상품을 광고하기 위한 SNS 사용자를 선별하여 특정상품과 매칭시키고, 특정상품에 대한 광고성과를 분석한다. 광고 서비스 처리부(260)는 매칭 처리부(270) 및 광고성과 분석부(280)를 포함한다.
매칭 처리부(270)는 사용자 영향력의 분석결과, 영향력 예측결과 등을 이용하여 소셜 네트워크 서비스(SNS) 상에서 영향력이 있는 SNS 사용자를 선별하고, 영향력이 있는 SNS 사용자와 광고주 단말기(110)에서 요청하는 특정상품을 매칭시킨다. 매칭 처리부(270)는 SNS 사용자의 사용자 영향력 지수, 전문분야, 지역 적합도 등을 사용자 영향력에 대한 분석결과를 기반으로 특정상품과 SNS 사용자를 매칭한다.
매칭 처리부(270)는 영향력이 있는 SNS 사용자의 순위에 근거하여 SNS 사용자와 특정상품을 매칭시킬 수 있다. 예를 들어, 매칭 처리부(270)는 사용자 영향력의 분석결과를 이용하여 사용자 영향력이 높은 20 명의 SNS 사용자를 선별하고, 20 명의 SNS 사용자 리스트 중 상위 5 명의 SNS 사용자와 특정상품을 매칭시킬 수 있다.
매칭 처리부(270)는 특정상품에 대해 SNS 사용자를 매칭시키는 과정에서, 복수의 SNS 사용자 리스트 중 사용자 영향력이 높은 SNS 사용자를 순차적으로 특정상품과 매칭시킬 수 있으나 반드시 이에 한정되는 것은 아니다. 예를 들어, 광고주 단말기(110)가 요청하는 상품 키워드, 상품 카테고리 등에 따라 특정상품을 홍보하기 적합한 SNS 사용자를 선별하여 특정상품과 매칭시킬 수 있다. 즉, 매칭 처리부(270)는 특정상품 별로 맞춤형 SNS 사용자를 선별할 수 있다.
또한, 매칭 처리부(270)는 SNS 사용자의 영향력 예측결과를 이용하여 SNS 사용자를 선별하여, 사용자 영향력에 대한 발전 가능성이 높은 SNS 사용자와 특정상품을 매칭시킬 수 있다. 다시 말해, 매칭 처리부(270)는 영향력 예측결과를 기반으로 현재 영향력은 없지만 있을 것으로 예측되는 SNS 사용자들에 대한 리스트를 생성하고, 리스트의 전체 또는 일부 사용자와 특정상품을 매칭시킬 수 있다. 예를 들어, 매칭 처리부(270)는 영향력 예측결과에 근거하여 발전 가능성이 높은 10 명의 SNS 사용자를 선별하고, 10 명의 SNS 사용자 리스트 중 상위 5 명의 SNS 사용자와 특정상품을 매칭시킬 수 있다.
매칭 처리부(270)에서 사용자 영향력이 추후 높아질 것으로 예측한 SNS 사용자와 특정상품을 매칭하는 경우, 광고주 측에서는 광고 비용을 감소시키면서 광고 효과를 높일 수 있는 효과가 있다.
또한, 매칭 처리부(270)는 SNS 사용자가 포스팅하는 컨텐츠의 카테고리 별 사용자 영향력에 근거하여 SNS 사용자와 특정상품을 매칭시킬 수 있다. 예를 들어, 특정상품이 음식 카테고리에 해당하는 경우, 매칭 처리부(270)는 음식 카테고리에서 사용자 영향력이 높은 SNS 사용자를 선별하고, 선별된 SNS 사용자의 전체 또는 일부와 특정상품을 매칭시킬 수 있다.
매칭 처리부(270)는 하나의 광고 단말기(110)에서 요청하는 특정상품에 대해 적어도 하나의 SNS 사용자를 매칭시키며, 특정상품과 매칭된 SNS 사용자는 특정상품에 대한 미디어 컨텐츠를 포스팅함으로써, 특정상품을 홍보한다. 여기서, 특정상품에 대한 미디어 컨텐츠는 SNS 사용자마다 상이한 형태일 수 있다.
광고성과 분석부(280)는 SNS 사용자 별로 특정상품에 대한 광고성과를 분석한다. 구체적으로, 광고성과 분석부(280)는 기 설정된 광고기간 동안 SNS 사용자가 자신의 소셜 네트워크 서비스(SNS) 상에서 특정상품을 홍보한 것에 대한 광고성과를 분석한다.
광고성과 분석부(280)는 SNS 사용자들이 특정상품에 대한 컨텐츠를 소셜 네트워크 서비스(SNS) 상에 노출시키는 횟수, 특정상품에 대한 키워드, 해시태그, 본문내용 등의 포스팅 정보에 대한 노출 횟수, 노출된 상품에 대한 포스팅 피드백(예: 조회수, 피드백 참여수(좋아요 수, 댓글 수, 공유 수))의 호응 정도 등의 데이터를 정량화하여 특정상품에 대한 광고성과 분석결과를 도출한다. 광고성과 분석부(280)는 광고성과 분석결과를 광고주 단말기(110)로 전송한다.
도 3은 본 실시예에 따른 사용자 영향력 기반의 광고 마케팅 방법을 설명하기 위한 순서도이다.
광고 서비스 제공장치(120)는 다수의 SNS 사용자 각각에 대한 소셜 데이터를 수집한다(S310). 광고 서비스 제공장치(120)는 소셜 데이터 중 정형 데이터를 추출한다(S320).
광고 서비스 제공장치(120)는 소셜 데이터 중 비정형 데이터를 추출하는 경우(S330, S340), 정형 데이터 및 비정형 데이터를 기반으로 훈련 데이터를 생성한다(S350).
한편, 광고 서비스 제공장치(120)는 소셜 데이터 중 비정형 데이터를 추출하지 않는 경우(S330), 정형 데이터를 기반으로 훈련 데이터를 생성한다(S350).
광고 서비스 제공장치(120)는 훈련 데이터를 이용하여 다수의 SNS 사용자 각각에 대한 사용자 영향력을 분석한다(S360). 광고 서비스 제공장치(120)는 사용자 영향력의 분석결과를 기반으로 선별된 SNS 사용자와 특정상품을 매칭시킨다(S370).
광고 서비스 제공장치(120)는 특정상품에 대한 광고성과를 분석한다(S380).
도 3에서는 단계 S310 내지 단계 S380를 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 3에 기재된 순서를 변경하여 실행하거나 단계 S310 내지 단계 S380 중 하나 이상의 단계를 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 3은 시계열적인 순서로 한정되는 것은 아니다.
전술한 바와 같이 도 3에 기재된 본 실시예에 따른 광고 서비스 제공장치(120)의 동작은 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 광고 서비스 제공장치(120)의 동작을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 이러한 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인(Functional) 프로그램, 코드 및 코드 세그먼트들은 본 실시예가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있을 것이다.
도 4는 본 실시예에 따른 사용자 영향력을 분석하는 동작을 설명하기 위한 예시도이다.
광고 서비스 제공장치(120)에 포함된 영향력 분석부(250)는 딥러닝(Deep Learning) 방식을 이용하여 사용자 영향력을 분석할 수 있다. 영향력 분석부(250)는 데이터 처리부(220)에서 생성된 훈련 데이터와 기 생성된 정답 데이터를 딥러닝 처리하여 사용자 영향력의 분석결과를 생성한다. 여기서, 훈련 데이터는 SNS 사용자의 영향력을 판단하기 위해 소셜 데이터를 가공한 데이터일 수 있다. 훈련 데이터는 소셜 데이터에서 정형화된 데이터를 추출한 정형 데이터 및 소셜 데이터에서 비정형화된 데이터를 분석하여 추출한 비정형 데이터 중 적어도 하나의 데이터를 포함할 수 있다. 또한, 정답 데이터는 사용자 영향력을 판단하기 위해 광고 마켓팅 결과를 활용하여 설정된 기준 데이터일 수 있으며, 외부 장치(미도시)로부터 사용자 영향력을 판단하기 위해 획득한 참고 데이터일 수도 있다.
영향력 분석부(250)는 훈련 데이터 및 정답 데이터를 딥러닝의 교사 학습(Supervised Learning) 처리하여 사용자 영향력을 판단한다. 또한, 영향력 분석부(250)는 훈련 데이터를 딥러닝의 비교사 학습(Unsupervised Learning) 처리하여 사용자 영향력을 판단하는 정확도를 높일 수 있다. 또한, 영향력 분석부(250)는 비교사 학습(Unsupervised Learning)을 통해 SNS 사용자의 현재 사용자 영향력뿐만 아니라 사용자 영향력의 발전 가능성을 예측할 수 있다. 즉, 영향력 분석부(250)는 비교사 학습(Unsupervised Learning)을 통해 향후 사용자 영향력이 높아질 SNS 사용자를 추정할 수 있다.
도 5는 본 실시예에 따른 광고 마케팅 시스템을 설명하기 위한 예시도이다.
데이터 수집부(210)는 다수의 SNS 사용자 각각에 대한 소셜 데이터를 수집하는 동작을 수행한다. 데이터 수집부(210)는 Apache Nutch를 이용한 대용량 소셜미디어 데이터 수집 시스템으로 구현될 수 있다. 여기서, 데이터 수집부(210)는 Apache Nutch를 이용해서 스케줄러, Fetcher, URL queue를 포함한 웹 크롤링 시스템과 분산처리 시스템 등의 구성을 포함할 수 있다.
빅데이터 처리부(230)는 소셜 데이터 중 수치화된 정보와 같이 정형화된 데이터를 추출하여 훈련 데이터를 생성한다. 빅데이터 처리부(230)는 빅데이터 처리기술을 적용하여 소셜 데이터에서 각종 데이터를 추출하여 저장 및 관리한다. 빅데이터 처리부(230)는 대용량 소셜 데이터가 누락되지 않고 빠르게 저장될 수 있도록 NoSQL 기반의 데이터 스토리지를 포함할 수 있다. 여기서, 빅데이터 처리부(230)는 분산 처리 방식을 이용하여 특징(Feature)을 추출할 수 있다. 예를 들어, 빅데이터 처리부(230)는 Hadoop 기반의 Map-Reduce 방식을 이용하여 정형 데이터에 대한 특징(Feature)을 추출할 수 있다. 훈련 데이터는 정형 데이터를 갖는 모든 SNS 사용자는 각 특징(Feature)마다 고유값을 갖는 객체로 정의되며, SNS 사용자 별로 정의된 다수의 특징(Feature)을 변환하여 훈련 데이터를 생성할 수 있다.
텍스트 분석부(240)는 소셜 데이터 중 포스팅 정보에 대한 텍스트 내용을 분석하고, 분석결과를 이용하여 비정형 데이터를 추출하여 훈련 데이터를 생성한다. 텍스트 분석부(240)는 자연어 처리 기술을 이용하여 비정형 데이터를 추출하며, 자연어 처리 기술은 비정형 데이터를 생성하기 위해 머신 러닝(Machine Learning)을 사용하는 Statistical NLP 기법인 것이 바람직하나 반드시 이에 한정되는 것은 아니다. 텍스트 분석부(240)는 Hadoop을 활용한 Map-Reduce 방식의 텍스트 분석 시스템으로 구현될 수 있다. 훈련 데이터는 비정형 데이터를 갖는 모든 SNS 사용자는 각 특징(Feature)마다 고유값을 갖는 객체로 정의되며, SNS 사용자 별로 정의된 다수의 특징(Feature)을 변환하여 훈련 데이터를 생성할 수 있다.
영향력 분석부(250)는 훈련 데이터 및 정답 데이터를 딥러닝의 교사 학습(Supervised Learning) 처리하여 사용자 영향력을 판단한다. 또한, 영향력 분석부(250)는 훈련 데이터를 딥러닝의 비교사 학습(Unsupervised Learning) 처리하여 사용자 영향력을 판단하는 정확도를 높일 수 있다. 또한, 영향력 분석부(250)는 비교사 학습(Unsupervised Learning)을 통해 SNS 사용자의 현재 사용자 영향력뿐만 아니라 사용자 영향력의 발전 가능성을 예측할 수 있다. 즉, 영향력 분석부(250)는 비교사 학습(Unsupervised Learning)을 통해 향후 사용자 영향력이 높아질 SNS 사용자를 추정할 수 있다.
광고 서비스 처리부(260)는 사용자 영향력의 분석결과를 기반으로 특정상품을 광고하기 위한 SNS 사용자를 선별하여 특정상품과 매칭시키고, 특정상품에 대한 광고성과를 분석한다. 광고 서비스 처리부(260)는 단순히 팔로어 수가 높은 SNS 사용자가 아닌 특정상품에 가장 적합하면서 실제 광고효과가 높은 효율적인 SNS 사용자를 선별하여 광고주에게 추천한다. 이러한 방식을 통해, SNS 사용자는 자신의 전문분야에 적합한 광고 수주가 가능하고, 자신의 영향력에 따른 차등적인 광고비용 책정을 통해 수입을 증대시킬 수 있다.
도 5에 도시된 광고 마케팅 시스템(100)은 언어처리 부분만을 변경하여 현재 사용되고 있는 마켓팅 시스템에 적용 가능하며, 이로 인해 글로벌 플랫폼으로 확대가 용이하다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 광고 마케팅 시스템 110: 광고주 단말기
120: 광고 서비스 제공장치 130: 사용자 단말기
210: 데이터 수집부 220: 데이터 처리부
230: 빅데이터 처리부 240: 텍스트 분석부
250: 영향력 분석부 260: 광고 서비스 처리부
270: 매칭 처리부 280: 광고성과 분석부

Claims (15)

  1. 광고 서비스 제공장치에서 사용자 영향력 기반의 광고 마케팅을 처리하는 방법에 있어서,
    다수의 SNS 사용자 각각에 대한 소셜 데이터를 수집하는 데이터 수집과정;
    상기 소셜 데이터에서 모든 SNS 사용자의 각 특징(Feature)마다 고유값을 갖는 객체를 정의하며, SNS 사용자 별로 정의된 다수의 특징(Feature)을 변환하여 훈련집합인 훈련 데이터를 생성하는 데이터 처리과정;
    상기 훈련 데이터와 광고 마켓팅 결과를 기반으로 기 설정된 기준 데이터인 정답 데이터(Correct Filter Data)를 딥 러닝(Deep Learning) 처리하여 분석 결과 데이터를 생성할 때, 상기 훈련 데이터와 상기 정답 데이터를 교사 학습(Supervised Learning) 처리하고, 상기 훈련 데이터를 비교사 학습(Unsupervised Learning) 처리하며, 상기 훈련 데이터를 이용하여 기 설정된 임계치 이상의 영향력을 갖는 후보 SNS 사용자를 선별하고, 상기 후보 SNS 사용자 중 영향력이 높은 SNS 사용자에 대한 특징(Feature)을 분석하여 기준 패턴정보를 생성하며, 상기 후보 SNS 사용자 또는 새로운 SNS 사용자에 대한 훈련 데이터를 상기 기준 패턴정보와 비교하여 영향력의 변화 추이를 예측하여 SNS 사용자의 사용자 영향력에 대한 영향력 예측결과를 산출하여, 사용자 영향력에 대한 분석결과 데이터와 상기 영향력 예측결과를 생성하는 영향력 분석과정; 및
    상기 사용자 영향력의 분석결과와 영향력 예측결과를 기반으로 특정상품을 광고하기 위한 SNS 사용자를 선별하여 상기 특정상품과 매칭시키고, 상기 특정상품에 대한 광고성과를 분석하는 광고 서비스 처리과정
    을 포함하는 것을 특징으로 하는 사용자 영향력 기반의 광고 마케팅 방법.
  2. 제1항에 있어서,
    상기 데이터 수집과정은,
    계정 정보 및 포스팅 정보 중 적어도 하나를 포함하는 상기 소셜 데이터를 수집하며,
    상기 계정 정보는 SNS 주소, 팔로어 수, 접속 지역 및 SNS 개설일 중 적어도 하나를 포함하며, 상기 포스팅 정보는 포스팅 데이터, 키워드, 해시태그, 본문내용 및 포스팅 피드백 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 사용자 영향력 기반의 광고 마케팅 방법.
  3. 제2항에 있어서,
    상기 데이터 수집과정은,
    상기 SNS 사용자의 접속 지역, 관심 지역, 팔로어 수, 친구(이웃) 수 및 특정 토픽 중 적어도 하나의 기 설정된 기준정보를 이용하여 필터링 처리된 상기 소셜 데이터를 수집하는 것을 특징으로 하는 사용자 영향력 기반의 광고 마케팅 방법.
  4. 제1항에 있어서,
    상기 데이터 처리과정은,
    상기 소셜 데이터 중 정형 데이터를 추출하여 상기 훈련 데이터로 변환하는 빅데이터 처리과정; 및
    상기 소셜 데이터 중 비정형 데이터를 추출하여 상기 훈련 데이터로 변환하는 데이터 분석과정
    을 포함하는 것을 특징으로 하는 사용자 영향력 기반의 광고 마케팅 방법.
  5. 제4항에 있어서,
    상기 빅데이터 처리과정은,
    상기 소셜 데이터 중 수치화된 정보를 상기 정형 데이터로 추출하는 것을 특징으로 하는 사용자 영향력 기반의 광고 마케팅 방법.
  6. 제4항에 있어서,
    상기 데이터 분석과정은,
    상기 소셜 데이터 중 포스팅 정보의 텍스트를 분석하여 비정형 데이터를 추출하는 것을 특징으로 하는 사용자 영향력 기반의 광고 마케팅 방법.
  7. 제4항에 있어서,
    상기 영향력 분석과정은,
    상기 훈련 데이터에 포함된 정형 데이터 및 비정형 데이터를 기반으로 상기 사용자 영향력을 분석하는 것을 특징으로 하는 사용자 영향력 기반의 광고 마케팅 방법.
  8. 제7항에 있어서,
    상기 영향력 분석과정은,
    사용자 영향력 지수, 전문분야, 지역 적합도 중 적어도 하나에 대한 상기 사용자 영향력을 분석하는 것을 특징으로 하는 사용자 영향력 기반의 광고 마케팅 방법.
  9. 제1항에 있어서,
    상기 광고 서비스 처리과정은,
    상기 SNS 사용자의 사용자 영향력 지수, 전문분야, 지역 적합도 중 적어도 하나의 상기 사용자 영향력의 분석결과를 고려하여 선별된 SNS 사용자와 상기 특정상품을 매칭시키는 것을 특징으로 하는 사용자 영향력 기반의 광고 마케팅 방법.
  10. 제9항에 있어서,
    상기 광고 서비스 처리과정은,
    특정상품에 대한 컨텐츠를 소셜 네트워크 서비스 상에 노출시키는 횟수, 특정상품에 대한 키워드, 해시태그, 본문내용 등의 포스팅 정보에 대한 노출 횟수 및 노출된 상품에 대한 포스팅 피드백의 호응 정도 중 적어도 하나의 조건 데이터에 근거하여 상기 특정상품에 대한 광고성과 분석결과를 도출하는 것을 특징으로 하는 사용자 영향력 기반의 광고 마케팅 방법.
  11. 제10항에 있어서,
    상기 영향력 분석과정은,
    상기 광고성과 분석과정에서 도출된 광고성과 분석결과를 피드백 데이터로 입력받아 사용자 영향력을 분석하는데 반영하는 것을 특징으로 하는 사용자 영향력 기반의 광고 마케팅 방법.
  12. 다수의 SNS 사용자 각각에 대한 소셜 데이터를 수집하는 데이터 수집부;
    상기 소셜 데이터에서 모든 SNS 사용자의 각 특징(Feature)마다 고유값을 갖는 객체를 정의하며, SNS 사용자 별로 정의된 다수의 특징(Feature)을 변환하여 훈련집합인 훈련 데이터를 생성하는 데이터 처리부;
    상기 훈련 데이터와 광고 마켓팅 결과를 기반으로 기 설정된 기준 데이터인 정답 데이터(Correct Filter Data)를 딥 러닝(Deep Learning) 처리하여 분석 결과 데이터를 생성할 때, 상기 훈련 데이터와 상기 정답 데이터를 교사 학습(Supervised Learning) 처리하고, 상기 훈련 데이터를 비교사 학습(Unsupervised Learning) 처리하며, 상기 훈련 데이터를 이용하여 기 설정된 임계치 이상의 영향력을 갖는 후보 SNS 사용자를 선별하고, 상기 후보 SNS 사용자 중 영향력이 높은 SNS 사용자에 대한 특징(Feature)을 분석하여 기준 패턴정보를 생성하며, 상기 후보 SNS 사용자 또는 새로운 SNS 사용자에 대한 훈련 데이터를 상기 기준 패턴정보와 비교하여 영향력의 변화 추이를 예측하여 SNS 사용자의 사용자 영향력에 대한 영향력 예측결과를 산출하여, 사용자 영향력에 대한 분석결과 데이터와 상기 영향력 예측결과를 생성하는 영향력 분석부; 및
    상기 사용자 영향력의 분석결과와 영향력 예측결과를 기반으로 특정상품을 광고하기 위한 SNS 사용자를 선별하여 상기 특정상품과 매칭시키고, 상기 특정상품에 대한 광고성과를 분석하는 광고 서비스 처리부
    를 포함하는 것을 특징으로 하는 광고 서비스 제공장치.
  13. 제12항에 있어서,
    상기 데이터 처리부는,
    상기 소셜 데이터 중 정형 데이터를 추출하여 상기 훈련 데이터로 변환하는 빅데이터 처리부; 및
    상기 소셜 데이터 중 비정형 데이터를 추출하여 상기 훈련 데이터로 변환하는 데이터 분석부
    를 포함하는 것을 특징으로 하는 광고 서비스 제공장치.
  14. 제12항에 있어서,
    상기 광고 서비스 처리부는,
    상기 SNS 사용자의 사용자 영향력 지수, 전문분야, 지역 적합도 중 적어도 하나의 상기 사용자 영향력의 분석결과를 고려하여 선별된 SNS 사용자와 상기 특정상품을 매칭시키는 것을 특징으로 하는 것을 특징으로 하는 광고 서비스 제공장치.
  15. 제14항에 있어서,
    상기 광고 서비스 처리부는,
    특정상품에 대한 컨텐츠를 소셜 네트워크 서비스 상에 노출시키는 횟수, 특정상품에 대한 키워드, 해시태그, 본문내용 등의 포스팅 정보에 대한 노출 횟수 및 노출된 상품에 대한 포스팅 피드백의 호응 정도 중 적어도 하나의 조건 데이터에 근거하여 상기 특정상품에 대한 광고성과 분석결과를 도출하는 것을 특징으로 하는 광고 서비스 제공장치.
KR1020170173988A 2017-12-18 2017-12-18 사용자 영향력 기반의 광고 마케팅 방법 및 그를 위한 장치 KR101888919B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170173988A KR101888919B1 (ko) 2017-12-18 2017-12-18 사용자 영향력 기반의 광고 마케팅 방법 및 그를 위한 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170173988A KR101888919B1 (ko) 2017-12-18 2017-12-18 사용자 영향력 기반의 광고 마케팅 방법 및 그를 위한 장치

Publications (1)

Publication Number Publication Date
KR101888919B1 true KR101888919B1 (ko) 2018-08-16

Family

ID=63443822

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170173988A KR101888919B1 (ko) 2017-12-18 2017-12-18 사용자 영향력 기반의 광고 마케팅 방법 및 그를 위한 장치

Country Status (1)

Country Link
KR (1) KR101888919B1 (ko)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200084190A (ko) 2019-01-02 2020-07-10 주식회사 위팝 Sns 사용자의 소셜 미디어 특이점 정보 분석을 통한 맞춤형 마케팅 정보제공 시스템 및 방법
KR20200092551A (ko) * 2019-01-25 2020-08-04 (주)커넥트온 선정된 대상자에게 광고를 제공하는 광고 방법 및 그 시스템
KR20200102853A (ko) * 2019-02-22 2020-09-01 동의대학교 산학협력단 1인 마케터를 이용한 광고 서비스 제공방법
CN112150191A (zh) * 2020-09-10 2020-12-29 微梦创科网络科技（中国）有限公司 一种广告投放方法及系统
KR20210030064A (ko) * 2019-09-09 2021-03-17 원상연 반려동물 인플루언서 매칭 시스템 및 정보매칭방법
KR20210030178A (ko) * 2019-09-09 2021-03-17 권수희 이미지 및 텍스트 통합분석에 기반한 패션 트렌드 예측방법, 장치 및 프로그램
KR102242934B1 (ko) * 2020-11-13 2021-04-20 지정훈 Sns를 이용한 온라인 광고 방법 및 장치
WO2021107446A1 (ko) * 2019-11-25 2021-06-03 주식회사 데이터마케팅코리아 지식 그래프 기반 마케팅 정보 분석 챗봇 서비스 제공 방법 및 그 장치
KR20210066514A (ko) * 2019-11-28 2021-06-07 (주)양유 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템 및 방법
KR20210067575A (ko) * 2019-11-29 2021-06-08 주식회사 버즈비터즈 광고 캠페인 진정성 지수 산출 서버 및 그 방법
KR102321337B1 (ko) * 2021-06-01 2021-11-03 장창민 광고 효과를 극대화시킬 수 있는 광고 비용 자동 산정 방법
KR102321331B1 (ko) * 2021-06-01 2021-11-03 장창민 마케팅 비용 차등 지급 서비스 제공 방법 및 장치
KR102321335B1 (ko) * 2021-06-01 2021-11-03 장창민 트래픽 데이터를 이용한 광고 비용 결정 방법 및 장치
KR20210148574A (ko) * 2020-06-01 2021-12-08 주식회사 피처링 Sns 사용자 채널에 대한 공개 데이터를 분석하여 영향력 리포트를 제공하는 시스템 및 방법
KR20210148573A (ko) * 2020-06-01 2021-12-08 주식회사 피처링 Sns 사용자 채널에 대한 공개 데이터를 수집하고, 수집된 공개 데이터를 기반으로 영향력을 측정하는 시스템 및 방법
KR102350777B1 (ko) * 2021-07-23 2022-01-14 주식회사 아마고 광고 중개 플랫폼을 제공하는 시스템
KR20220014228A (ko) * 2020-07-28 2022-02-04 주식회사 레뷰코퍼레이션 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 이를 이용한 중개 방법
KR20240032678A (ko) 2022-09-02 2024-03-12 주식회사 엠씨엔트랜드 가상 인플루언서 마케팅 제공방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120137542A (ko) * 2011-04-11 2012-12-24 에스케이씨앤씨 주식회사 Ｓｎｓ를 이용한 마케팅 서비스 방법 및 장치
KR20120137541A (ko) * 2011-04-11 2012-12-24 에스케이씨앤씨 주식회사 소셜 네트워크 분석 서비스 방법 및 장치
KR101725806B1 (ko) * 2015-10-30 2017-04-11 주식회사 공팔리터 사용자의 소셜 네트워크 서비스 활동을 기반으로 한 상품 광고 또는 판매 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120137542A (ko) * 2011-04-11 2012-12-24 에스케이씨앤씨 주식회사 Ｓｎｓ를 이용한 마케팅 서비스 방법 및 장치
KR20120137541A (ko) * 2011-04-11 2012-12-24 에스케이씨앤씨 주식회사 소셜 네트워크 분석 서비스 방법 및 장치
KR101725806B1 (ko) * 2015-10-30 2017-04-11 주식회사 공팔리터 사용자의 소셜 네트워크 서비스 활동을 기반으로 한 상품 광고 또는 판매 방법

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200084190A (ko) 2019-01-02 2020-07-10 주식회사 위팝 Sns 사용자의 소셜 미디어 특이점 정보 분석을 통한 맞춤형 마케팅 정보제공 시스템 및 방법
KR20200092551A (ko) * 2019-01-25 2020-08-04 (주)커넥트온 선정된 대상자에게 광고를 제공하는 광고 방법 및 그 시스템
KR102216855B1 (ko) * 2019-01-25 2021-02-18 (주)커넥트온 선정된 대상자에게 광고를 제공하는 광고 방법 및 그 시스템
KR20200102853A (ko) * 2019-02-22 2020-09-01 동의대학교 산학협력단 1인 마케터를 이용한 광고 서비스 제공방법
KR102233634B1 (ko) * 2019-02-22 2021-03-29 동의대학교 산학협력단 1인 마케터를 이용한 광고 서비스 제공방법
KR102381705B1 (ko) * 2019-09-09 2022-04-01 원상연 반려동물 인플루언서 매칭 시스템 및 정보매칭방법
KR102317432B1 (ko) * 2019-09-09 2021-10-25 권수희 이미지 및 텍스트 통합분석에 기반한 패션 트렌드 예측방법, 장치 및 프로그램
KR20210030064A (ko) * 2019-09-09 2021-03-17 원상연 반려동물 인플루언서 매칭 시스템 및 정보매칭방법
KR20210030178A (ko) * 2019-09-09 2021-03-17 권수희 이미지 및 텍스트 통합분석에 기반한 패션 트렌드 예측방법, 장치 및 프로그램
WO2021107446A1 (ko) * 2019-11-25 2021-06-03 주식회사 데이터마케팅코리아 지식 그래프 기반 마케팅 정보 분석 챗봇 서비스 제공 방법 및 그 장치
KR20210066514A (ko) * 2019-11-28 2021-06-07 (주)양유 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템 및 방법
KR102278085B1 (ko) * 2019-11-28 2021-07-16 (주)양유 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템 및 방법
KR20210067575A (ko) * 2019-11-29 2021-06-08 주식회사 버즈비터즈 광고 캠페인 진정성 지수 산출 서버 및 그 방법
KR102328739B1 (ko) * 2019-11-29 2021-11-22 주식회사 버즈비터즈 광고 캠페인 진정성 지수 산출 서버 및 그 방법
KR102407057B1 (ko) * 2020-06-01 2022-06-10 주식회사 피처링 Sns 사용자 채널에 대한 공개 데이터를 분석하여 영향력 리포트를 제공하는 시스템 및 방법
KR102407056B1 (ko) * 2020-06-01 2022-06-10 주식회사 피처링 Sns 사용자 채널에 대한 공개 데이터를 수집하고, 수집된 공개 데이터를 기반으로 영향력을 측정하는 시스템 및 방법
KR20210148573A (ko) * 2020-06-01 2021-12-08 주식회사 피처링 Sns 사용자 채널에 대한 공개 데이터를 수집하고, 수집된 공개 데이터를 기반으로 영향력을 측정하는 시스템 및 방법
KR20210148574A (ko) * 2020-06-01 2021-12-08 주식회사 피처링 Sns 사용자 채널에 대한 공개 데이터를 분석하여 영향력 리포트를 제공하는 시스템 및 방법
KR102497809B1 (ko) * 2020-07-28 2023-02-10 주식회사 레뷰코퍼레이션 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 이를 이용한 중개 방법
KR20220014228A (ko) * 2020-07-28 2022-02-04 주식회사 레뷰코퍼레이션 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 이를 이용한 중개 방법
CN112150191B (zh) * 2020-09-10 2023-09-05 微梦创科网络科技（中国）有限公司 一种广告投放方法及系统
CN112150191A (zh) * 2020-09-10 2020-12-29 微梦创科网络科技（中国）有限公司 一种广告投放方法及系统
KR102242934B1 (ko) * 2020-11-13 2021-04-20 지정훈 Sns를 이용한 온라인 광고 방법 및 장치
KR102284647B1 (ko) 2020-11-13 2021-07-30 지정훈 Sns 사용자의 활동 정보를 이용한 온라인 광고 방법 및 장치
KR102284650B1 (ko) 2020-11-13 2021-07-30 지정훈 Sns 사용자들 중 일반 소비자를 이용한 온라인 광고 방법 및 장치
KR102284659B1 (ko) 2020-11-13 2021-07-30 지정훈 Sns 사용자들 중 후발 소비자를 이용한 온라인 광고 방법 및 장치
KR102284648B1 (ko) 2020-11-13 2021-07-30 지정훈 인플루언서를 이용한 온라인 광고 방법 및 장치
KR102274914B1 (ko) 2020-11-13 2021-07-07 지정훈 어얼리어댑터를 이용한 온라인 광고 방법 및 장치
KR102274915B1 (ko) 2020-11-13 2021-07-07 지정훈 제품의 수명주기를 이용한 온라인 광고 방법 및 장치
KR102321335B1 (ko) * 2021-06-01 2021-11-03 장창민 트래픽 데이터를 이용한 광고 비용 결정 방법 및 장치
KR102321331B1 (ko) * 2021-06-01 2021-11-03 장창민 마케팅 비용 차등 지급 서비스 제공 방법 및 장치
KR102321337B1 (ko) * 2021-06-01 2021-11-03 장창민 광고 효과를 극대화시킬 수 있는 광고 비용 자동 산정 방법
KR102350777B1 (ko) * 2021-07-23 2022-01-14 주식회사 아마고 광고 중개 플랫폼을 제공하는 시스템
KR20240032678A (ko) 2022-09-02 2024-03-12 주식회사 엠씨엔트랜드 가상 인플루언서 마케팅 제공방법

Similar Documents

Publication Publication Date Title
KR101888919B1 (ko) 사용자 영향력 기반의 광고 마케팅 방법 및 그를 위한 장치
Zhao et al. Exploring demographic information in social media for product recommendation
Al-Otaibi et al. Customer satisfaction measurement using sentiment analysis
US9208441B2 (en) Information processing apparatus, information processing method, and program
US20140006153A1 (en) System for making personalized offers for business facilitation of an entity and methods thereof
US20120266191A1 (en) System and method to provide messages adaptive to a crowd profile
US20130080208A1 (en) User-Centric Opinion Analysis for Customer Relationship Management
JP5615857B2 (ja) 分析装置、分析方法及び分析プログラム
JP2013517563A (ja) ユーザ通信の解析システムおよび方法
US11200241B2 (en) Search query enhancement with context analysis
Spasojevic et al. Lasta: Large scale topic assignment on multiple social networks
KR101935937B1 (ko) 오피니언 마이닝을 이용한 광고 정보 제공 시스템 및 그 방법
KR102407057B1 (ko) Sns 사용자 채널에 대한 공개 데이터를 분석하여 영향력 리포트를 제공하는 시스템 및 방법
JP5848199B2 (ja) 影響力予測装置、影響力予測方法、及びプログラム
JP2017182663A (ja) コンテンツ管理装置、コンテンツ管理方法及びプログラム
US20220188366A1 (en) Combined Wide And Deep Machine Learning Models For Automated Database Element Processing Systems, Methods And Apparatuses
KR102322668B1 (ko) 콘텐츠 크리에이터의 창작활동 활성화를 위한 다중 플랫폼 서비스 제공 시스템
Agarwal Deep learning-based sentiment analysis: Establishing customer dimension as the lifeblood of business management
KR102407056B1 (ko) Sns 사용자 채널에 대한 공개 데이터를 수집하고, 수집된 공개 데이터를 기반으로 영향력을 측정하는 시스템 및 방법
Chen Comparing content marketing strategies of digital brands using machine learning
Al-Otaibi et al. Finding influential users in social networking using sentiment analysis
Ashraf et al. Personalized news recommendation based on multi-agent framework using social media preferences
Barbosa et al. Predicting portuguese steam review helpfulness using artificial neural networks
Tarwani et al. Survey of Cyberbulling Detection on Social Media Big-Data.
Zhang et al. Predicting temporary deal success with social media timing signals

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant