KR101985322B1 - 온라인 마케팅을 위한 사용자 관련도 분석 방법 및 시스템 - Google Patents

온라인 마케팅을 위한 사용자 관련도 분석 방법 및 시스템 Download PDF

Info

Publication number
KR101985322B1
KR101985322B1 KR1020180138673A KR20180138673A KR101985322B1 KR 101985322 B1 KR101985322 B1 KR 101985322B1 KR 1020180138673 A KR1020180138673 A KR 1020180138673A KR 20180138673 A KR20180138673 A KR 20180138673A KR 101985322 B1 KR101985322 B1 KR 101985322B1
Authority
KR
South Korea
Prior art keywords
node
pair
graph
memory
node pair
Prior art date
Application number
KR1020180138673A
Other languages
English (en)
Inventor
권재범
Original Assignee
권재범
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 권재범 filed Critical 권재범
Priority to KR1020180138673A priority Critical patent/KR101985322B1/ko
Application granted granted Critical
Publication of KR101985322B1 publication Critical patent/KR101985322B1/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
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 온라인 마케팅 서비스 서버가 온라인 마케팅 효과를 분석하는 방법에 대한 것으로, 상기 온라인 마케팅 대상인 임의의 소셜 네트워크 서비스를 구성하는 요소들 중, 상기 소셜 네트워크 서비스의 사용자 고유 정보 또는 상기 사용자 페이지를 노드로 표현하고, 상기 사용자들 사이의 관계에 대한 정보를 방향성을 포함하는 링크로 표현하여 네트워크 그래프를 작성하는 a 단계; 상기 노드 중 하나의 노드를 거쳐 연결되는 두 노드를 포함하는 노드쌍을 추출하여 메모리에 저장하는 b 단계; 상기 노드 쌍의 압축비용을 계산하고, 상기 압축비용이 미리 설정된 임계 값 이상인 제 1 노드쌍을 식별하고, 상기 제 1 노드 쌍을 병합하여 생성한 제 1 슈퍼 노드를 상기 그래프에 추가하고, 상기 제 1 노드쌍을 상기 메모리에서 삭제하고, 상기 그래프에 포함된 노드 중 하나의 노드를 거쳐 상기 제 1 슈퍼 노드와 연결되는 노드를 포함하는 노드 쌍을 추출하여 상기 메모리에 저장하는 c 단계; 상기 메모리에 존재하는 노드쌍의 이익률을 계산하고, 상기 이익률이 미리 설정된 임계 값 이상인 제 2 노드 쌍을 식별하고, 상기 제 2 노드 쌍을 병합하여 생성한 제 2 슈퍼 노드를 상기 메모리에 추가하고, 상기 제 2 노드쌍을 상기 메모리에서 삭제하고, 상기 그래프에 포함된 노드 중 하나의 노드를 거쳐 상기 제2 슈퍼 노드와 연결되는 노드를 포함하는 노드 쌍을 추출하여 상기 메모리에 저장하는 d 단계; 상기 메모리에 존재하는 노드 쌍의 요약비용을 계산하고, 상기 노드 쌍의 상기 압축비용이 상기 요약비용 이상인 제 3 노드 쌍을 압축하여 상기 네트워크 그래프를 축소하는 e 단계; 및 축소된 그래프에 임의의 상품 또는 서비스를 위한 온라인 마케팅 광고 컨텐츠가 생성, 확산 및 열람된 경로를 기록하고, 상기 광고 컨텐츠의 파급력을 계산하는 f 단계를 포함하며, 상기 a 단계는, 상기 사용자들 사이의 제 1 관계에 대한 제 1 링크에 제 1 가중치 초기값을 임의의 값으로 부여하고, 상기 사용자들 사이의 제 2 관계에 대한 제 2 링크에 제 2 가중치 초기값을 임의의 값으로 부여하는 단계; 및 상기 광고 컨텐츠가 이동한 링크에 더 많은 가중치가 할당되도록 상기 제 1 가중치 및 제 2 가중치를 조정하는 단계를 포함하는 것을 특징으로 한다.

Description

온라인 마케팅을 위한 사용자 관련도 분석 방법 및 시스템 {METHOD AND SYSTEM FOR USER RELEVANCE ANALYSIS FOR ONLINE MARKETING}
본 발명은 온라인 마케팅을 위하여, 소셜 네트워크 서비스에서 사용자간 관련도를 수학적으로 분석하여 보다 효과적인 마케팅 전략을 수립하고 마케팅 효과를 정량적으로 측정하는 방법 및 시스템에 관한 것이다.
페이스북, 트위터 등의 소셜 네트워크, 인터넷 그리고 웹사이트 등과 같은 네트워크의 성장이 급격하게 이루어지면서 온라인 기반의 마케팅이 매우 중요해지고 있다. 이와 관련된 마케팅 전략으로 바이럴 마케팅 기법을 고려할 수 있다.
바이럴 마케팅은 기업이 직접 홍보를 하지 않고 소비자들의 반응을 통해 홍보 컨텐츠가 전달되는 특징이 있다. 대부분의 소셜 네트워크 서비스는 공유 포스팅 기능을 제공하고 있으며, 자신과 관계를 맺고 있는 사용자들에게 자신이 설정한 포스팅 문구를 노출시킬 수 있다.
사용자간의 관련도를 기반으로 광고가 수행되는 바이럴 마케팅을 효율적으로 수행하기 위해서는 소셜 네트워크 서비스에서 사용자간 관련도를 분석할 필요가 있다. 사용자간 관련도가 분석되면, 가장 효율적인 방식의 바이럴 마케팅 전략이 수립될 수 있으며, 광고 컨텐츠 파급력을 정량화하여 마케팅 효과를 분석할 수 있기 때문이다.
그러나 페이스북, 트위터, 인스타그램 등의 소셜 네트워크는 그 크기가 매우 크고, 시간의 흐름에 따라 더욱 대용량으로 확장되는 특징이 있다. 이와 같은 대용량 데이터에서 사용자간 관련도를 분석하기 위해 대용량 네트워크를 대용량 그래프로 표현하고, 대용량 그래프를 정보를 누락하지 않으면서 동시에 그 사이즈를 줄이는 과정이 필수적이다. 네트워크에 대한 그래프는 네트워크에 포함된 요소들을 노드 및 링크로 표현한 것을 의미한다.
한국등록특허공보 10-1689316 (2017.1.6)
본 발명은 페이스북, 트위터, 인스타그램 등의 소셜 네트워크 서비스에서 바이럴 마케팅을 통해 퍼져나간 미리 설정된 메시지가 포함된 콘텐츠의 파급력을 분석하기 위하여, 소셜 네트워크 서비스의 사용자간 관련도를 네트워크 그래프를 기반으로 분석하는 방법을 제공하는 것을 목적으로 한다.
나아가 본 발명은 소셜 네트워크 서비스에 대한 대용량 그래프의 크기를 적은 비용으로 최적화하여 축소하고, 축소된 그래프에 포함된 사용자 노드의 식별 번호를 재할당함으로써 바이럴 마케팅에 제공된 컨텐츠의 파급력 계산에 대한 처리 속도를 향상시키는 방법을 제공하는 것을 목적으로 한다.
본 발명의 실시예를 따르는 온라인 마케팅 서비스 서버가 온라인 마케팅 효과를 분석하는 방법은, 상기 온라인 마케팅 대상인 임의의 소셜 네트워크 서비스를 구성하는 요소들 중, 상기 소셜 네트워크 서비스의 사용자 고유 정보 또는 상기 사용자 페이지를 노드로 표현하고, 상기 사용자들 사이의 관계에 대한 정보를 방향성을 포함하는 링크로 표현하여 네트워크 그래프를 작성하는 a 단계; 상기 노드 중 하나의 노드를 거쳐 연결되는 두 노드를 포함하는 노드쌍을 추출하여 메모리에 저장하는 b 단계; 상기 노드 쌍의 압축비용을 계산하고, 상기 압축비용이 미리 설정된 임계 값 이상인 제 1 노드쌍을 식별하고, 상기 제 1 노드 쌍을 병합하여 생성한 제 1 슈퍼 노드를 상기 그래프에 추가하고, 상기 제 1 노드쌍을 상기 메모리에서 삭제하고, 상기 그래프에 포함된 노드 중 하나의 노드를 거쳐 상기 제 1 슈퍼 노드와 연결되는 노드를 포함하는 노드 쌍을 추출하여 상기 메모리에 저장하는 c 단계; 상기 메모리에 존재하는 노드쌍의 이익률을 계산하고, 상기 이익률이 미리 설정된 임계 값 이상인 제 2 노드 쌍을 식별하고, 상기 제 2 노드 쌍을 병합하여 생성한 제 2 슈퍼 노드를 상기 메모리에 추가하고, 상기 제 2 노드쌍을 상기 메모리에서 삭제하고, 상기 그래프에 포함된 노드 중 하나의 노드를 거쳐 상기 제2 슈퍼 노드와 연결되는 노드를 포함하는 노드 쌍을 추출하여 상기 메모리에 저장하는 d 단계; 상기 메모리에 존재하는 노드 쌍의 요약비용을 계산하고, 상기 노드 쌍의 상기 압축비용이 상기 요약비용 이상인 제 3 노드 쌍을 압축하여 상기 네트워크 그래프를 축소하는 e 단계; 및 축소된 그래프에 임의의 상품 또는 서비스를 위한 온라인 마케팅 광고 컨텐츠가 생성, 확산 및 열람된 경로를 기록하고, 상기 광고 컨텐츠의 파급력을 계산하는 f 단계를 포함하며, 상기 a 단계는, 상기 사용자들 사이의 제 1 관계에 대한 제 1 링크에 제 1 가중치 초기값을 임의의 값으로 부여하고, 상기 사용자들 사이의 제 2 관계에 대한 제 2 링크에 제 2 가중치 초기값을 임의의 값으로 부여하는 단계; 및 상기 광고 컨텐츠가 이동한 링크에 더 많은 가중치가 할당되도록 상기 제 1 가중치 및 제 2 가중치를 조정하는 단계를 포함하는 것을 특징으로 한다.
한편, 본 발명의 실시예를 따르는 온라인 마케팅 효과를 분석하는 온라인 마케팅 서비스 서버는, 상기 온라인 마케팅 대상인 임의의 소셜 네트워크 서비스를 구성하는 요소들 중, 상기 소셜 네트워크 서비스의 사용자 고유 정보 또는 상기 사용자 페이지를 노드로 표현하고, 상기 사용자들 사이의 관계에 대한 정보를 방향성을 포함하는 링크로 표현하여 네트워크 그래프를 작성하는 네트워크 그래프 작성 모듈; 및 상기 노드 중 하나의 노드를 거쳐 연결되는 두 노드를 포함하는 노드쌍을 추출하여 메모리에 저장하고, 상기 노드 쌍의 압축비용을 계산하고, 상기 압축비용이 미리 설정된 임계 값 이상인 제 1 노드쌍을 식별하고, 상기 제 1 노드 쌍을 병합하여 생성한 제 1 슈퍼 노드를 상기 그래프에 추가하고, 상기 제 1 노드쌍을 상기 메모리에서 삭제하고, 상기 그래프에 포함된 노드 중 하나의 노드를 거쳐 상기 제 1 슈퍼 노드와 연결되는 노드를 포함하는 노드 쌍을 추출하여 상기 메모리에 저장하여 상기 메모리를 1차 업데이트하고, 1차 업데이트된 메모리에 존재하는 노드쌍의 이익률을 계산하고, 상기 이익률이 미리 설정된 임계 값 이상인 제 2 노드 쌍을 식별하고, 상기 제 2 노드 쌍을 병합하여 생성한 제 2 슈퍼 노드를 상기 메모리에 추가하고, 상기 제 2 노드쌍을 상기 메모리에서 삭제하고, 상기 그래프에 포함된 노드 중 하나의 노드를 거쳐 상기 제2 슈퍼 노드와 연결되는 노드를 포함하는 노드 쌍을 추출하여 상기 메모리에 저장하여 상기 메모리를 2차 업데이트하고, 2차 업데이트된 메모리에 존재하는 노드 쌍의 요약비용을 계산하고, 상기 노드 쌍의 상기 압축비용이 상기 요약비용 이상인 제 3 노드 쌍을 압축하여 상기 네트워크 그래프를 축소하는 그래프 축소 모듈; 및 축소된 그래프에 임의의 상품 또는 서비스를 위한 온라인 마케팅 광고 컨텐츠가 생성, 확산 및 열람된 경로를 기록하고, 상기 광고 컨텐츠의 파급력을 계산하는 광고 효과 추정 모듈을 포함하며, 상기 네트워크 그래프 작성 모듈은, 상기 사용자들 사이의 제 1 관계에 대한 제 1 링크에 제 1 가중치 초기값을 임의의 값으로 부여하고, 상기 사용자들 사이의 제 2 관계에 대한 제 2 링크에 제 2 가중치 초기값을 임의의 값으로 부여하고, 상기 광고 컨텐츠가 이동한 링크에 더 많은 가중치가 할당되도록 상기 제 1 가중치 및 제 2 가중치를 조정하는 것을 특징으로 한다.
전술한 바와 같은 본 발명에 의하면, 소셜 네트워크 서비스에서 사용자간 관련도를 분석하기 위한 대용량 데이터를 효율적으로 축소할 수 있으며, 관련도 분석에 소비되는 리소스를 최소화할 수 있어 더욱 빠르게 마케팅 전략을 수립하고 마케팅 효과를 정량적으로 측정할 수 있는 효과가 있다.
도 1은 본 발명의 실시예를 따르는 바이럴 마케팅의 컨텐츠 파급력 및 마케팅 효과를 측정하는 방법을 설명하기 위한 도면이다
도 2는 본 발명의 실시예를 따라 바이럴 마케팅 대상이 되는 소셜 네트워크 서비스에 대한 네트워크 그래프를 축소하는 방법을 설명하기 위한 도면이다
도 3은 본 발명의 실시예를 따라 압축 그래프의 노드의 식별 번호를 재할당하는 과정을 설명하기 위한 도면이다.
전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다.
도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용되며, 명세서 및 특허청구의 범위에 기재된 모든 조합은 임의의 방식으로 조합될 수 있다. 그리고 다른 식으로 규정하지 않는 한, 단수에 대한 언급은 하나 이상을 포함할 수 있고, 단수 표현에 대한 언급은 또한 복수 표현을 포함할 수 있음이 이해되어야 한다.
본 명세서에서 사용되는 용어는 단지 특정 예시적 실시 예들을 설명할 목적을 가지고 있으며 한정할 의도로 사용되는 것이 아니다. 본 명세서에서 사용된 바와 같은 단수적 표현들은 또한, 해당 문장에서 명확하게 달리 표시하지 않는 한, 복수의 의미를 포함하도록 의도될 수 있다. 용어 "및/또는," "그리고/또는"은 그 관련되어 나열되는 항목들의 모든 조합들 및 어느 하나를 포함한다. 용어 "포함한다", "포함하는", "포함하고 있는", "구비하는", "갖는", "가지고 있는" 등은 내포적 의미를 갖는 바, 이에 따라 이러한 용어들은 그 기재된 특징, 정수, 단계, 동작, 요소, 및/또는 컴포넌트를 특정하며, 하나 이상의 다른 특징, 정수, 단계, 동작, 요소, 컴포넌트, 및/또는 이들의 그룹의 존재 혹은 추가를 배제하지 않는다. 본 명세서에서 설명되는 방법의 단계들, 프로세스들, 동작들은, 구체적으로 그 수행 순서가 확정되는 경우가 아니라면, 이들의 수행을 논의된 혹은 예시된 그러한 특정 순서로 반드시 해야 하는 것으로 해석돼서는 안 된다. 추가적인 혹은 대안적인 단계들이 사용될 수 있음을 또한 이해해야 한다.
또한, 각각의 구성요소는 각각 하드웨어 프로세서로 구현될 수 있고, 위 구성요소들이 통합되어 하나의 하드웨어 프로세서로 구현될 수 있으며, 또는 위 구성요소들이 서로 조합되어 복수 개의 하드웨어 프로세서로 구현될 수도 있다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하기로 한다.
도 1은 본 발명의 실시예를 따르는 바이럴 마케팅의 컨텐츠 파급력 및 마케팅 효과를 측정하는 방법을 설명하기 위한 도면이다.
본 발명의 실시예를 따르는 바이럴 마케팅 서비스 서버는 네트워크 그래프를 작성하는 네트워크 그래프 작성 모듈, 작성된 그래프를 축소하는 그래프 축소 모듈, 네트워크 그래프에 광고 컨텐츠 경로를 기록하고 파급력을 계산하는 광고 효과 추정 모듈을 포함할 수 있다. 상기 그래프 작성 모듈, 그래프 축소 모듈, 광고 효과 추정 모듈은 하드웨어적인 개념이 아니며, 소프트웨어 기능으로 구현되어 클라우드 컴퓨팅 자원을 할당받아 동작할 수 있다.
본 발명의 실시예를 따르는 바이럴 마케팅 서비스 서버는 도 1의 단계 110에서 바이럴 마케팅의 대상이 되는 소셜 네트워크 서비스를 구성하는 요소 정보를 수집할 수 있다. 예를 들어 서비스 서버는 인스타그램, 페이스북, 스냅챗, 트위터 등 바이럴 마케팅 대상이 되는 SNS 서비스를 특정하고, SNS에 포함된 구성 요소를 수집할 수 있다.
예를 들어 서비스 서버는, 대상 SNS에서 제공하는 API 등을 통해 네트워크 구성 요소를 수집할 수 있다. 예를 들어 서비스 서버는 사용자, 사용자 고유 정보 또는 사용자 페이지 중 적어도 하나 이상을 네트워크 노드로 구성하고, 사용자들 사이의 팔로우, 팔로워 관계, 컨텐츠 공유 관계, 컨텐트 추천 (“좋아요”등록) 관계, 열람 여부 등에 대한 정보를 방향성을 포함하는 링크로 구성하여 네트워크 그래프를 작성할 수 있다. (단계 120)
나아가 팔로우, 팔로워 관계, 컨텐츠 공유 관계, 컨텐트 추천 (“좋아요”관계, 대상 노드에 대한 열람 여부 등 링크를 구성하는 노드 사이의 관계에 미리 설정된 가중치를 반영하여 방향성과 크기 정보를 포함하는 벡터 형태의 링크로 구성할 수 있다.
예를 들어 서비스 서버는 임의의 노드 사이가 팔로우, 팔로워 양방향인 제 1 관계에 제 1 가중치, 임의의 노드에서 다른 노드로 컨텐츠가 공유된 제 2 관계에 제 2 가중치, 컨텐츠가 추천된 제 3 관계에 제 3 가중치, 일정 시간 이상 열람한 제 4 관계에 제 4 가중치를 부여하도록 관계별 초기 가중치 값을 임의의 값으로 설정할 수 있다.
나아가 서비스 서버는 작성된 네트워크 그래프에 바이럴 마케팅 대상에 대한 광고 컨텐츠가 이동된 경로를 기록하고, 광고 컨텐츠가 실제 이동한 경로에 더 많은 가중치가 할당되도록 가중치 값을 조정할 수 있다. 이와 같은 방식을 따르면, 전문가의 개입없이 SNS 사용자 사이의 임의의 관계에 대한 가중치를 수학적으로 부여할 수 있어 네트워크 그래프를 이용한 컨텐츠 파급력 예측 정확도를 높일 수 있는 효과가 있다.
이후 서비스 서버는 단계 130에서 작성된 SNS 네트워크 그래프를 축소할 수 있다. 단계 130에 대한 자세한 설명은 도 2에 대한 설명에서 후술된다.
도 2는 본 발명의 실시예를 따라 바이럴 마케팅 대상이 되는 소셜 네트워크 서비스에 대한 네트워크 그래프를 축소하는 방법에 대해 설명하기 위한 도면이다.
도 2의 단계 210에서 그래프 압축 모듈은 그래프에 포함된 하나 이상의 노드 중 하나의 노드를 거쳐 연결되는 두 노드를 포함하는 노드 쌍을 추출하고, 노드쌍 정보를 메모리에 저장할 수 있다. 예를 들어 그래프의 일 부분인 노드 1, 2 그리고 3에서 노드 2는 노드 1을 거쳐 노드 3과 연결되는 경우, 노드 2와 노드 3은 본 발명의 실시예를 따라 노드 쌍을 구성할 수 있다. 그래프 축소 모듈은 그래프에 포함된 모든 노드 쌍을 추출하여 메모리에 저장할 수 있다.
이후 그래프 축소 모듈은 추출된 노드쌍의 압축 비용을 계산할 수 있다. (단계 220)
그래프 축소 모듈은 모든 노드쌍에 대한 압축 비용을 계산하고, 압축비용이 미리 설정된 값 보다 높은 제 1 노드쌍을 추출할 수 있다. 본 발명의 실시예를 따르면, 압축 비용이 높은 제 1 노드쌍은 압축이 효율적이지 못하기 때문에, 그에 대한 정보를 압축하지 않고 단순 결합하여 슈퍼 노드를 생성할 수 있다.
보다 구체적으로 그래프 축소 모듈은 메모리에 저장된 모든 노드 쌍의 압축비용을 연산할 수 있다. 노드 쌍의 압축 비용은 아래의 수학식 1을 따라 연산될 수 있다.
[수학식 1]
Figure 112018112413050-pat00001
수학식 1에서 u는 그래프에 포함된 노드를, v는 노드 u와 노드 쌍의 관계에 있는 노드를,
Figure 112018112413050-pat00002
는 하나 이상의 노드 v의 집합을, id(v)는 노드 v의 식별 번호를 의미한다. 노드의 식별 번호를 할당하는 보다 구체적인 방법은 첨부된 도 3에 대한 설명에서 후술괸다.
Figure 112018112413050-pat00003
은
Figure 112018112413050-pat00004
일 경우, 1의 값을 갖고 그렇지 않을 경우 0의 값을 가질 수 있다.
그래프 축소 모듈은 수학식 1을 이용하여 계산한 압축비용이 기 설정된 임계 값 이상인 제 1 노드 쌍을 식별하여 제 1 슈퍼 노드로 병합할 수 있다. 즉, 압축비용이 임계값을 넘어가는 경우, 압축비용이 높아 압축이 효율적이지 못한 것으로 판단하고, 그에 해당하는 제 1 노드 쌍을 슈퍼 노드로 병합할 수 있다. 이때 임계 값은 사용자가 설정할 수 있으며, 이러한 과정을 통해 축소 모듈은 보다 효율적으로 그래프의 크기를 축소할 수 있다.
나아가, 그래프 축소 모듈은 생성한 제 1 슈퍼 노드를 그래프에 추가하고, 상기 제 1 슈퍼 노드에 병합된 제 1 노드쌍을 그래프에서 제거할 수 있다. (단계 230)
본 발명의 추가적인 실시예를 따르면, 그래프 축소 모듈은 제 1 슈퍼 노드와 그래프에 포함된 각 노드 중 하나의 노드를 거쳐 제 1 슈퍼 노드와 연결되는 노드를 포함하는 노드 쌍을 식별하고 이를 메모리에 저장할 수 있다.
변경된 그래프에서 하나의 노드를 거쳐 제 1 슈퍼 노드와 연결되는 노드 쌍을 생성함으로써, 제　1 슈퍼 노드에 포함된 두 노드（제 1 노드쌍) 가 그래프에서 삭제된다고 하더라도 제 1 슈퍼 노드에 포함된 두 노드가 포함된 하나 이상의 노드 쌍에 대한 정보를 유지할 수 있다.
그래프 축소 모듈은 이러한 과정을 메모리에 저장된 노드 쌍 중 압축비용이 기 설정된 임계 값 이상인 노드 쌍이 더 이상 존재하지 않을 때까지 반복할 수 있다.
나아가 그래프 축소 모듈은 압축 비용을 반영한 제 1 슈퍼 노드를 통한 그래프의 1차 축소가 완료되면, 메모리에 저장된 노드 쌍의 이익률을 계산할 수 있다. (단계 240)
그래프 축소 모듈은 노드 쌍을 이루는 각각의 노드들 나아가 상기 노드쌍에 대한 슈퍼 노드에 대한 연산 비용을 이용하여 이익률을 생성할 수 있다. 보다 구체적으로, 그래프 축소 모듈은 이익률을 생성하기 위하여 각 노드 쌍에 대한 아래의 수학식 2를 이용하여 요약비용을 연산할 수 있다.
[수학식 2]
Figure 112018112413050-pat00005
수학식 2에서
Figure 112018112413050-pat00006
는 노드 u와 노드 v 간 발생할 수 있는 모든 링크의 집합을,
Figure 112018112413050-pat00007
는 요약을 수행하지 않을 경우의 노드 u와 노드 v 간 발생할 수 있는 링크의 집합을 의미한다. 즉, 수학식 2를 따르면 노드 u와 노드 쌍의 관계에 있는 모든 노드에 대하여, 요약을 수행했을 경우와 요약을 수행하지 않을 경우의 비용을 비교하여 얻어진 값을 더하여 요약비용을 연산할 수 있다.
그래프 축소 모듈은 연산된 요약비용과 단계 220에서 연산된 압축비용을 비교하여 연산비용을 생성할 수 있다. 보다 구체적으로 그래프 축소 모듈은 요약비용과 압축비용 중 작은 값을 연산비용으로 설정할 수 있다.
그래프 축소 모듈은 연산비용을 이용하여 이익률을 생성할 수 있다. 보다 구체적으로 그래프 축소 모듈은 아래의 수학식 3을 통해 이익률을 연산할 수 있다. (단계 240)
[수학식 3]
Figure 112018112413050-pat00008
수학식 3에서 z는 노드 u와 노드 v를 포함하는 슈퍼 노드를 의미한다. 그래프 축소 모듈은 각 노드 쌍의 이익률이 미리 설정된 임계 값 이상인 제 2 노드 쌍을 식별할 수 있다. 그래프 축소 모듈은 식별된 제 2 노드 쌍을 제 2 슈퍼 노드로 병합할 수 있다.
이 때, 그래프 축소 모듈은 식별된 제 2 노드 쌍의 이익률이 큰 순서대로 제2 슈퍼 노드로 병합할 수 있다.
그래프 축소 모듈은 생성한 제2 슈퍼 노드를 그래프에 추가할 수 있다. 제2 슈퍼 노드가 그래프에 추가되면, 그래프 축소 모듈은 그래프에서 제 2 슈퍼 노드에 병합된 제 2 노드 쌍을 제거할 수 있다. (단계 250)
본 발명의 추가적인 실시예를 따르면, 그래프 축소 모듈은 제 2 슈퍼 노드와 그래프에 포함된 각 노드 중 하나의 노드를 거쳐 제 2 슈퍼 노드와 연결되는 노드를 포함하는 노드 쌍을 생성하여 메모리에 저장할 수 있다. 그래프 축소 모듈은 축소된 그래프에서 하나의 노드를 거쳐 제 2 슈퍼 노드와 연결되는 노드쌍을 생성함으로써, 제 2 슈퍼 노드에 포함된 두 노드가 그래프에서 삭제된다고 하더라도 제 2 슈퍼 노드에 포함된 두 노드가 포함된 하나 이상의 노드 쌍에 대한 정보를 유지할 수 있다.
그래프 축소 모듈은 메모리에 저장된 노드 쌍 중 이익률이 미리 설정된 이익 임계 값 이상인 노드 쌍이 더 이상 존재하지 않을 때까지 이와 같은 동작을 반복할 수 있다.
이후 그래프 축소 모듈은 메모리에 저장된 모든 노드 쌍에 대한 요약비용을 연산할 수 있다. 요약비용이 연산되면, 서버는 연산된 요약비용과 압축비용을 비교할 수 있다. (단계 260) 그래프 축소 모듈은 요약비용이 압축비용보다 큰 제 3 노드 쌍을 추출하고, 제 3 노드쌍은 슈퍼노드로 결합하지 않고, 제 3 노드쌍에 대한 정보를 압축하여 그래프를 축소할 수 있다. (단계 280)
한편, 본 발명의 실시예를 따르면, 그래프 축소 모듈은 그래프에 포함된 노드의 식별 번호를 할당하고, 나아가 그래프가 축소되면 식별 번호를 재할당할 수 있다. 보다 구체적으로 그래프 축소 모듈은 그리디 알고리즘을 이용하여 노드의 식별 번호를 할당 및 재할당할 수 있다.
보다 구체적으로 그리디 알고리즘은 네트워크 그래프에 포함된 모든 노드의 이익률을 연산하고, 가장 높은 이익률을 갖는 노드부터 식별 번호를 할당하고, 네트워크 그래프가 변경 또는 축소되는 경우, 변경 또는 축소된 네트워크 그래프의 이익률을 재연산하여, 가장 높은 이익률을 갖는 노드부터 식별 번호를 재할당할 수 있다. 이 경우 식별 번호는 0부터 시작될 수 있다.
그리디 알고리즘은 식별 번호가 할당 또는 재할당될 노드가 존재하지 않을 때까지 동작할 수 있다. 도 3은 그리디 알고리즘을 통해 노드의 식별 번호를 재할당한 결과에 대한 예시이다. 이러한 과정을 통해 노드의 식별 번호의 크기를 감소시킴으로써 그래프의 검색 공간을 효율적으로 감소시켜 그래프 처리 실행 시간을 단축시킬 수 있다.
다시 도 1에 대한 설명으로 복귀하면, 단계 140에서 서비스 서버는 축소된 그래프에 바이럴 마케팅을 위한 광고 컨텐츠가 생성, 이동, 열람되는 경로를 기록할 수 있다. 본 발명의 실시예를 따르면, 대용량의 네트워크 그래프를 효율적으로 축소하고 축소된 그래프를 활용하여 바이럴 마케팅을 위한 광고 컨텐츠의 경로를 기록할 수 있어, 경로 추적에 소요되는 리소스를 줄일 수 있는 효과가 있다.
나아가 단계 150에서 서비스 서버는 축소된 그래프에 기록된 광고 컨텐츠의 경로를 바탕으로, 컨텐츠별 노드별 파급력을 계산할 수 있다. 간단한 예를 들어, 축소된 SNS 네트워크 그래프에 기록된 컨텐츠 경로별로 노드 개수를 카운팅하고, 요약 또는 압축된 노드의 경우, 가중치를 반영하여 컨텐츠의 파급력을 계산할 수 있다. 나아가 임의의 노드를 기준으로 상기 노드를 거쳐가는 컨텐츠 경로의 개수를 타운팅하는 방식으로 노드별 파급력을 계산할 수 있다. 이때 본 발명의 범위는 컨텐츠 또는 노드의 파급력을 계산하는 알고리즘에 한정될 수 없다.
본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.

Claims (2)

  1. 온라인 마케팅 서비스 서버가 온라인 마케팅 효과를 분석하는 방법에 있어서,
    상기 온라인 마케팅 대상인 임의의 소셜 네트워크 서비스를 구성하는 요소들 중, 상기 소셜 네트워크 서비스의 사용자 고유 정보 또는 상기 사용자 페이지를 노드로 표현하고, 상기 사용자들 사이의 관계에 대한 정보를 방향성을 포함하는 링크로 표현하여 네트워크 그래프를 작성하는 a 단계;
    상기 노드 중 하나의 노드를 거쳐 연결되는 두 노드를 포함하는 노드쌍을 추출하여 메모리에 저장하는 b 단계;
    상기 노드 쌍의 압축비용을 계산하고, 상기 압축비용이 미리 설정된 임계 값 이상인 제 1 노드쌍을 식별하고, 상기 제 1 노드 쌍을 병합하여 생성한 제 1 슈퍼 노드를 상기 그래프에 추가하고, 상기 제 1 노드쌍을 상기 메모리에서 삭제하고, 상기 그래프에 포함된 노드 중 하나의 노드를 거쳐 상기 제 1 슈퍼 노드와 연결되는 노드를 포함하는 노드 쌍을 추출하여 상기 메모리에 저장하는 c 단계;
    상기 메모리에 존재하는 노드쌍의 이익률을 계산하고, 상기 이익률이 미리 설정된 임계 값 이상인 제 2 노드 쌍을 식별하고, 상기 제 2 노드 쌍을 병합하여 생성한 제 2 슈퍼 노드를 상기 메모리에 추가하고, 상기 제 2 노드쌍을 상기 메모리에서 삭제하고, 상기 그래프에 포함된 노드 중 하나의 노드를 거쳐 상기 제2 슈퍼 노드와 연결되는 노드를 포함하는 노드 쌍을 추출하여 상기 메모리에 저장하는 d 단계;
    상기 메모리에 존재하는 노드 쌍의 요약비용을 계산하고, 상기 노드 쌍의 상기 압축비용이 상기 요약비용 이상인 제 3 노드 쌍을 압축하여 상기 네트워크 그래프를 축소하는 e 단계; 및
    축소된 그래프에 임의의 상품 또는 서비스를 위한 온라인 마케팅 광고 컨텐츠가 생성, 확산 및 열람된 경로를 기록하고, 상기 광고 컨텐츠의 파급력을 계산하는 f 단계를 포함하며,
    상기 a 단계는,
    상기 사용자들 사이의 제 1 관계에 대한 제 1 링크에 제 1 가중치 초기값을 임의의 값으로 부여하고, 상기 사용자들 사이의 제 2 관계에 대한 제 2 링크에 제 2 가중치 초기값을 임의의 값으로 부여하는 단계; 및
    상기 광고 컨텐츠가 이동한 링크에 더 많은 가중치가 할당되도록 상기 제 1 가중치 및 제 2 가중치를 조정하는 단계를 포함하는 것을 특징으로 하는 온라인 마케팅 효과 분석 방법.
  2. 온라인 마케팅 효과를 분석하는 온라인 마케팅 서비스 서버에 있어서,
    상기 온라인 마케팅 대상인 임의의 소셜 네트워크 서비스를 구성하는 요소들 중, 상기 소셜 네트워크 서비스의 사용자 고유 정보 또는 상기 사용자 페이지를 노드로 표현하고, 상기 사용자들 사이의 관계에 대한 정보를 방향성을 포함하는 링크로 표현하여 네트워크 그래프를 작성하는 네트워크 그래프 작성 모듈; 및
    상기 노드 중 하나의 노드를 거쳐 연결되는 두 노드를 포함하는 노드쌍을 추출하여 메모리에 저장하고, 상기 노드 쌍의 압축비용을 계산하고, 상기 압축비용이 미리 설정된 임계 값 이상인 제 1 노드쌍을 식별하고, 상기 제 1 노드 쌍을 병합하여 생성한 제 1 슈퍼 노드를 상기 그래프에 추가하고, 상기 제 1 노드쌍을 상기 메모리에서 삭제하고, 상기 그래프에 포함된 노드 중 하나의 노드를 거쳐 상기 제 1 슈퍼 노드와 연결되는 노드를 포함하는 노드 쌍을 추출하여 상기 메모리에 저장하여 상기 메모리를 1차 업데이트하고, 1차 업데이트된 메모리에 존재하는 노드쌍의 이익률을 계산하고, 상기 이익률이 미리 설정된 임계 값 이상인 제 2 노드 쌍을 식별하고, 상기 제 2 노드 쌍을 병합하여 생성한 제 2 슈퍼 노드를 상기 메모리에 추가하고, 상기 제 2 노드쌍을 상기 메모리에서 삭제하고, 상기 그래프에 포함된 노드 중 하나의 노드를 거쳐 상기 제2 슈퍼 노드와 연결되는 노드를 포함하는 노드 쌍을 추출하여 상기 메모리에 저장하여 상기 메모리를 2차 업데이트하고, 2차 업데이트된 메모리에 존재하는 노드 쌍의 요약비용을 계산하고, 상기 노드 쌍의 상기 압축비용이 상기 요약비용 이상인 제 3 노드 쌍을 압축하여 상기 네트워크 그래프를 축소하는 그래프 축소 모듈; 및
    축소된 그래프에 임의의 상품 또는 서비스를 위한 온라인 마케팅 광고 컨텐츠가 생성, 확산 및 열람된 경로를 기록하고, 상기 광고 컨텐츠의 파급력을 계산하는 광고 효과 추정 모듈을 포함하며,
    상기 네트워크 그래프 작성 모듈은, 상기 사용자들 사이의 제 1 관계에 대한 제 1 링크에 제 1 가중치 초기값을 임의의 값으로 부여하고, 상기 사용자들 사이의 제 2 관계에 대한 제 2 링크에 제 2 가중치 초기값을 임의의 값으로 부여하고, 상기 광고 컨텐츠가 이동한 링크에 더 많은 가중치가 할당되도록 상기 제 1 가중치 및 제 2 가중치를 조정하는 것을 특징으로 하는 온라인 마케팅 서비스 서버.
KR1020180138673A 2018-11-13 2018-11-13 온라인 마케팅을 위한 사용자 관련도 분석 방법 및 시스템 KR101985322B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180138673A KR101985322B1 (ko) 2018-11-13 2018-11-13 온라인 마케팅을 위한 사용자 관련도 분석 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180138673A KR101985322B1 (ko) 2018-11-13 2018-11-13 온라인 마케팅을 위한 사용자 관련도 분석 방법 및 시스템

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020190025574A Division KR101985323B1 (ko) 2019-03-06 2019-03-06 온라인 마케팅을 위한 사용자 관련도 분석 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR101985322B1 true KR101985322B1 (ko) 2019-06-03

Family

ID=66848945

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180138673A KR101985322B1 (ko) 2018-11-13 2018-11-13 온라인 마케팅을 위한 사용자 관련도 분석 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101985322B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120137541A (ko) * 2011-04-11 2012-12-24 에스케이씨앤씨 주식회사 소셜 네트워크 분석 서비스 방법 및 장치
KR101689316B1 (ko) 2015-01-23 2017-01-06 오픈버스 주식회사 소셜 네트워크 서비스의 바이럴 마케팅 효과 분석방법
KR101878213B1 (ko) * 2017-03-24 2018-07-13 경희대학교 산학협력단 가중치 그래프를 요약하는 방법, 장치 및 컴퓨터 프로그램

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120137541A (ko) * 2011-04-11 2012-12-24 에스케이씨앤씨 주식회사 소셜 네트워크 분석 서비스 방법 및 장치
KR101689316B1 (ko) 2015-01-23 2017-01-06 오픈버스 주식회사 소셜 네트워크 서비스의 바이럴 마케팅 효과 분석방법
KR101878213B1 (ko) * 2017-03-24 2018-07-13 경희대학교 산학협력단 가중치 그래프를 요약하는 방법, 장치 및 컴퓨터 프로그램

Similar Documents

Publication Publication Date Title
US11861628B2 (en) Method, system and computer readable medium for creating a profile of a user based on user behavior
US9070140B2 (en) System and method for measuring and improving the efficiency of social media campaigns
CN107426328B (zh) 信息推送方法和装置
JP2015011709A (ja) 明示的に表されたグラフで並列探索を行うシステムおよび方法
TW201841137A (zh) 用以從應用程式使用統計推論人口統計資料之配置及方法
EP2827533A1 (en) Method for selecting nodes in a network, corresponding device, computer program and non-transitory computer-readable medium
US10146659B2 (en) Large event log replay method and system
CN109359998A (zh) 客户数据处理方法、装置、计算机装置及存储介质
KR101725510B1 (ko) 사용자 성향을 고려한 소셜 이벤트 추천 방법 및 장치
US20170004527A1 (en) Systems, methods, and devices for scalable data processing
CN109075987A (zh) 优化数字组件分析系统
KR101985322B1 (ko) 온라인 마케팅을 위한 사용자 관련도 분석 방법 및 시스템
US20030160609A9 (en) Method and facility for storing and indexing web browsing data
KR101985323B1 (ko) 온라인 마케팅을 위한 사용자 관련도 분석 방법 및 시스템
CN112330373A (zh) 用户行为分析方法、装置及计算机可读存储介质
KR102170535B1 (ko) 감성 분석을 통한 사용자 선호 기반의 검색 장치 및 방법
CN110555053B (zh) 用于输出信息的方法和装置
JP2024511307A (ja) プライバシ主導型ユーザ・データ共有のための認知フレームワーク
CN113158032A (zh) 一种信息推送方法和装置
CN113822691A (zh) 用户账号的识别方法、装置、系统和介质
CN113327146A (zh) 一种信息追踪方法和装置
Lu et al. Dynamic segmentation for large-scale marketing optimization
KR102337331B1 (ko) 비식별 정보 거래 시스템 및 비식별 정보 거래 방법
JP7407779B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
WO2016199401A1 (ja) 情報処理装置、情報分析装置、情報処理方法、情報分析方法、情報処理プログラム、および情報分析プログラム

Legal Events

Date Code Title Description
GRNT Written decision to grant