KR102127250B1 - 동영상 공유 서비스의 채널 정보를 제공하는 서버 및 방법 - Google Patents

동영상 공유 서비스의 채널 정보를 제공하는 서버 및 방법 Download PDF

Info

Publication number
KR102127250B1
KR102127250B1 KR1020190063541A KR20190063541A KR102127250B1 KR 102127250 B1 KR102127250 B1 KR 102127250B1 KR 1020190063541 A KR1020190063541 A KR 1020190063541A KR 20190063541 A KR20190063541 A KR 20190063541A KR 102127250 B1 KR102127250 B1 KR 102127250B1
Authority
KR
South Korea
Prior art keywords
information
channel
viewer
channels
unit
Prior art date
Application number
KR1020190063541A
Other languages
English (en)
Inventor
이세령
김태한
김동재
Original Assignee
이세령
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 이세령 filed Critical 이세령
Priority to KR1020190063541A priority Critical patent/KR102127250B1/ko
Application granted granted Critical
Publication of KR102127250B1 publication Critical patent/KR102127250B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q30/0273—Determination of fees for advertising
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2407—Monitoring of transmitted content, e.g. distribution time, number of downloads
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25883—Management of end-user data being end-user demographical data, e.g. age, family status or address
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/27—Server based end-user applications
    • H04N21/274—Storing end-user multimedia data in response to end-user request, e.g. network recorder
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Computer Graphics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

동영상 공유 서비스의 채널 정보를 제공하는 서버는 복수의 채널 각각에 대한 구독 정보 및 시청자들의 코멘트 정보를 수집하는 정보 수집부, 기설정된 복수의 카테고리에 따라 상기 복수의 채널을 분류하여 그룹화하는 채널 그룹화부, 카테고리별로 그룹화된 복수의 채널의 구독 정보에 기초하여 카테고리별로 채널의 순위를 산출하는 순위 산출부, 시청자의 코멘트 정보에 기초하여 복수의 채널별 시청자 정보를 예측하는 시청자 정보 예측부, 순위 및 시청자 정보를 포함하는 채널 정보를 제공하는 채널 정보 제공부를 포함할 수 있다.

Description

동영상 공유 서비스의 채널 정보를 제공하는 서버 및 방법{SERVER AND METHOD FOR PROVIDING CHANNEL INFORMATION OF VIDEO SHARING SERVICE}
본 발명은 동영상 공유 서비스의 채널 정보를 제공하는 서버 및 방법에 관한 것이다.
통상적으로　기존의 정규　방송사는 미리 촬영된 영상을 편집 제작하여 녹화 방송으로 내보내거나 실시간으로 중계하는 방식으로 방송 컨텐츠를 제공해왔다.
하지만, 최근에는 인터넷 및 압축 기술의 발달로 개인들도 직접 동영상 컨텐츠를 제작하여 개인 방송을 할 수 있게 되었다.
이러한, 개인 방송에는 예를 들면, 아프리카 TV나 유튜브와 같은 인터넷　방송업체을 통해 BJ(Broadcast Jockey) 혹은　1인　콘텐츠 크리에이터(Creator)들이 진행하는 다양한 주제의 방송(예컨대, 먹방, 게임방송, 음악방송　등)이 있다.
한국공개특허공보 제2012-0010219호 (2012.02.02. 공개)
본 발명은 기설정된 복수의 카테고리에 따라 그룹화된 채널의 구독 정보에 기초하여 카테고리 별로 채널의 순위를 산출하고, 복수의 채널 각각에 대한 시청자의 코멘트 정보에 기초하여 복수의 채널별 시청 정보를 예측하고자 한다.
또한, 본 발명은 카테고리 별로 산출된 채널의 순위 및 복수의 채널 별 예측된 시청 정보를 포함하는 채널 정보를 제공하고자 한다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 동영상 공유 서비스의 채널 정보를 제공하는 서버는 복수의 채널 각각에 대한 구독 정보 및 시청자들의 코멘트 정보를 수집하는 정보 수집부; 기설정된 복수의 카테고리에 따라 상기 복수의 채널을 분류하여 그룹화하는 채널 그룹화부; 상기 카테고리별로 그룹화된 복수의 채널의 구독 정보에 기초하여 상기 카테고리별로 채널의 순위를 산출하는 순위 산출부; 상기 시청자의 코멘트 정보에 기초하여 상기 복수의 채널별 시청자 정보를 예측하는 시청자 정보 예측부; 및 상기 순위 및 상기 시청자 정보를 포함하는 채널 정보를 제공하는 채널 정보 제공부를 포함할 수 있다.
본 발명의 제 2 측면에 따른 채널 정보 제공 서버에 의해 수행되는 동영상 공유 서비스의 채널 정보를 제공하는 방법은 복수의 채널 각각에 대한 구독 정보 및 시청자들의 코멘트 정보를 수집하는 단계; 기설정된 복수의 카테고리에 따라 상기 복수의 채널을 분류하여 그룹화하는 단계; 상기 카테고리별로 그룹화된 복수의 채널의 구독 정보에 기초하여 상기 카테고리별로 채널의 순위를 산출하는 단계; 상기 시청자의 코멘트 정보에 기초하여 상기 복수의 채널별 시청자 정보를 예측하는 단계 및 상기 순위 및 상기 시청자 정보를 포함하는 채널 정보를 제공하는 단계를 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 본 발명은 기설정된 복수의 카테고리에 따라 그룹화된 채널의 구독 정보에 기초하여 카테고리 별로 채널의 순위를 산출하고, 복수의 채널 각각에 대한 시청자의 코멘트 정보에 기초하여 복수의 채널별 시청 정보를 예측할 수 있다.
또한, 본 발명은 카테고리 별로 산출된 채널의 순위 및 복수의 채널 별 예측된 시청 정보를 포함하는 채널 정보를 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른, 채널 정보 제공 서버의 블록도이다.
도 2는 본 발명의 일 실시예에 따른, 기설정된 복수의 카테고리에 따라 그룹화된 복수의 채널을 나타낸 도면이다.
도 3a 내지 3c는 본 발명의 일 실시예에 따른, 제 2 협찬 광고 컨텐츠의 예상 광고 비용을 예측하는 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른, 복수의 채널별 시청자의 성별에 대한 분포를 결정하는 방법을 설명하기 위한 도면이다.
도 5a 내지 5i는 본 발명의 일 실시예에 따른, 복수의 채널별로 채널 정보를 제공하는 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른, 동영상 공유 서비스의 채널 정보의 제공 방법을 나타낸 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
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"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하, 첨부된 구성도 또는 처리 흐름도를 참고하여, 본 발명의 실시를 위한 구체적인 내용을 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른, 채널 정보 제공 서버(10)의 블록도이다.
도 1을 참조하면, 채널 정보 제공 서버(10)는 정보 수집부(100), 채널 그룹화부(110), 순위 산출부(120), 시청자 정보 예측부(130), 채널 정보 제공부(140), 분포도 결정부(150), 광고 비용 수집부(160) 및 예상 광고 비용 예측부(170)를 포함할 수 있다.
여기서, 분포도 결정부(150)는 평가 기준 벡터 생성부(152), 단어 벡터 생성부(154) 및 유사도 측정부(156)을 포함할 수 있다. 예상 광고 비용 예측부(170)는 광고 비용 예측 모형 생성부(172), 상수 추정부(174) 및 에러값 산출부(176)을 포함할 수 있다. 다만, 도 1에 도시된 채널 정보 제공 서버(10)는 본 발명의 하나의 구현 예에 불과하며, 도 1에 도시된 구성요소들을 기초로 하여 여러 가지 변형이 가능하다.
이하에서는 도 2 내지 5i를 함께 참조하여 도 1을 설명하기로 한다.
정보 수집부(100)는 복수의 채널 각각에 대한 구독 정보 및 시청자들의 코멘트 정보를 수집할 수 있다. 여기서, 구독 정보는 채널의 구독자 수 및 조회수에 대한 정보를 포함할 수 있다.
채널 그룹화부(110)는 기설정된 복수의 카테고리에 따라 복수의 채널을 분류하여 그룹화할 수 있다. 도 2를 참조하면, 채널 그룹화부(110)는 복수의 채널 중 제 1 카테고리(예컨대, 먹방)과 관련된 채널들을 그룹화하고, 제 2 카테고리(예컨대, 뷰티)와 관련된 채널들을 그룹화할 수 있다. 예를 들면, 채널 그룹화부(110)는 각 채널마다 크리에이터에 의해 설정된 채널 태그 정보를 이용하여 기설정된 복수의 카테고리(201) 각각과 관련된 채널을 분류하여 그룹화할 수 있다.
순위 산출부(120)는 카테고리별로 그룹화된 복수의 채널의 구독 정보에 기초하여 카테고리별로 채널의 순위를 산출할 수 있다. 도 2를 참조하면, 순위 산출부(120)는 제 1 카테고리(203)로 그룹화된 복수의 채널 각각에 대한 구독자 수, 조회 수 및 성장률에 대한 정보의 합산에 기초하여 제 1 카테고리(203)로 분류된 복수의 채널에 대하여 순위(205)를 산출할 수 있다.
시청자 정보 예측부(130)는 시청자의 코멘트(예컨대, 댓글) 정보에 기초하여 복수의 채널별 시청자 정보를 예측할 수 있다. 여기서, 복수의 채널별 시청자 정보는 복수의 채널 각각을 구독하는 시청자의 성별에 대한 분포 및 시청자의 국가에 대한 분포를 포함할 수 있다.
이를 통해, 본 발명은 각 채널에서 제공하는 영상을 주로 시청하는 시청자의 성별 및 국가에 대한 분포를 각 채널의 채널 진행자 및 사용자들에게 제공할 수 있다.
분포도 결정부(150)는 복수의 채널별 시청자의 코멘트 정보에 기초하여 채널별로 시청자의 성별에 대한 분포를 결정할 수 있다.
종래의 개인 방송 채널 서비스(예컨대, 유튜브, 아프리카 TV 등)의 경우, IPTV 서비스에서와 달리 채널을 시청하는 사용자들의 정보(예컨대, 성별, 국적 등)를 수집하는데 어려움이 있기 때문에 성별에 대한 분포를 제공할 수 없었다.
이와 유사한 기능을 제공하더라도 사용자들의 정보를 수집할 수 없기 때문에 이러한 정보들의 정확성이 상당히 낮았다.
하지만, 본 발명은 채널별 시청자의 성별에 대한 분포를 결정하는데 있어 시청자의 코멘트 정보를 수집하고, 이에 기초하여 시청자의 성별 및 국적에 대한 분포를 비교적 정확하게 예측할 수 있는 효과를 제공할 수 있다. 이를 위해, 본 발명은 사용자들의 코멘트 정보에 포함된 단어로부터 성별을 평가하기 위한 기준이 되는 벡터로서 남성 평가 기준 벡터 및 여성 평가 기준 벡터를 결정한 후, 이를 이용하여 시청자의 성별의 분포를 비교적 정확하게 예측할 수 있다.
예를 들어, 평가 기준 벡터 생성부(152)는 주 시청자가 남성인 채널의 코멘트 정보로부터 복수의 단어와 복수의 단어 각각에 대한 확률을 포함하는 남성 평가 기준 벡터를 생성할 수 있다. 또한, 평가 기준 벡터 생성부(152)는 주 시청자가 여성인 채널의 코멘트 정보로부터 복수의 단어와 복수의 단어 각각에 대한 확률을 포함하는 여성 평가 기준 벡터를 생성할 수 있다.
도 4를 참조하면, 평가 기준 벡터 생성부(152)는 주 시청자가 남성인 복수의 채널에서 추출한 단어
Figure 112019055493853-pat00001
및 해당 단어
Figure 112019055493853-pat00002
에 대한 출현 확률
Figure 112019055493853-pat00003
을 이용하여 남성 평가 기준 벡터(401)를 생성할 수 있다. 여기서, 단어
Figure 112019055493853-pat00004
에 대한 출현 확률
Figure 112019055493853-pat00005
는 단어
Figure 112019055493853-pat00006
의 출현 빈도수 및 추출된 총 단어의 수(
Figure 112019055493853-pat00007
)에 기초하여 계산될 수 있다.
평가 기준 벡터 생성부(152)는 주 시청자가 여성인 복수의 채널에서 추출한 단어
Figure 112019055493853-pat00008
및 해당 단어
Figure 112019055493853-pat00009
에 대한 출현 확률
Figure 112019055493853-pat00010
을 이용하여 여성 평가 기준 벡터(403)를 생성할 수 있다. 여기서, 단어
Figure 112019055493853-pat00011
에 대한 출현 확률
Figure 112019055493853-pat00012
는 단어
Figure 112019055493853-pat00013
의 출현 빈도수 및 추출된 총 단어의 수(
Figure 112019055493853-pat00014
)에 기초하여 계산될 수 있다.
이 때, 주 시청자가 남성인 복수의 채널로부터 추출된 단어의 총수(
Figure 112019055493853-pat00015
)와 주 시청자가 여성인 복수의 채널로부터 추출된 단어의 총수(
Figure 112019055493853-pat00016
)의 개수가 다르기 때문에 평가 기준 벡터 생성부(152)는 K≤ min[
Figure 112019055493853-pat00017
)]를 만족하는 K를 설정한 후, 주 시청자가 남성인 복수의 채널로부터 추출된 단어 중 상위 K개의 단어 및 해당 단어에 대한 확률을 이용하여 남성 평가 기준 벡터(405)를 생성하고, 주 시청자가 여성인 복수의 채널로부터 추출된 단어 중 상위 K개의 단어 및 해당 단어에 대한 확률을 이용하여 여성 평가 기준 벡터(407)를 생성할 수 있다.
단어 벡터 생성부(154)는 시청자들의 코멘트 정보로부터 복수의 단어를 추출하고, 추출된 복수의 단어 중 적어도 일부를 포함하는 남성 단어 벡터를 생성하고, 추출된 복수의 단어 중 적어도 다른 일부를 포함하는 여성 단어 벡터를 생성할 수 있다.
예를 들면, 단어 벡터 생성부(154)는 제 1 채널에 대하여 수집된 시청자들의 코멘트 정보로부터 복수의 단어를 추출하고, 기설정된 남성 단어와 유사한 일부 단어를 이용하여 남성 단어 벡터를 생성하고, 기설정된 여성 단어와 유사한 다른 일부 단어를 이용하여 여성 단어 벡터를 생성할 수 있다.
유사도 측정부(156)는 남성 단어 벡터 및 남성 평가 기준 벡터 간의 제 1 유사도를 측정하고, 여성 단어 벡터 및 여성 평가 기준 벡터 간의 제 2 유사도를 측정할 수 있다. 이 때, 유사도는 코사인 유사도를 이용하여 측정할 수 있다.
분포도 결정부(150)는 측정된 제 1 유사도 및 제 2 유사도에 기초하여 시청자의 성별에 대한 분포를 도출할 수 있다. 예를 들면, 분포도 결정부(150)는 제 1 채널의 시청자의 코멘트 정보에 대하여 남성 단어 벡터 및 남성 평가 기준 벡터 간의 제 1 유사도가 여성 단어 벡터 및 여성 평가 기준 벡터 간의 제 2 유사도보다 큰 경우, 제 1 채널을 구독하는 주 시청자의 성별이 남성인 것으로 판단하고, 제 1 채널에 대한 시청자의 구독 성별의 분포도에 있어서 여성 비율보다 남성 비율을 높게 설정할 수 있다.
다른 예로, 분포도 결정부(150)는 제 2 채널의 시청자의 코멘트 정보에 대하여 남성 단어 벡터 및 남성 평가 기준 벡터 간의 제 1 유사도가 여성 단어 벡터 및 여성 평가 기준 벡터 간의 제 2 유사도보다 작은 경우, 제 2 채널을 구독하는 주 시청자의 성별이 여성인 것으로 판단하고, 제 2 채널에 대한 시청자의 구독 성별의 분포도에 있어서 남성 비율보다 여성 비율을 높게 설정할 수 있다.
분포도 결정부(150)는 복수의 채널별 시청자의 코멘트 정보에 기초하여 채널별로 시청자의 국가에 대한 분포를 결정할 수 있다.
분포도 결정부(150)는 각 카테고리에 속하는 복수의 채널을 서브 카테고리별로 서브 그룹화한 후, 서브 그룹화된 복수의 채널에 대한 시청자의 코멘트 정보를 이용하여 서브 그룹화된 복수의 채널별로 시청자의 국가에 대한 분포를 결정할 수 있다.
여기서, 서브 그룹화된 채널들은 채널의 특성을 공유하고 있으므로, 시청자들 또한 중복될 확률이 높다. 따라서, 서브 그룹화된 채널들 중 대표 채널에 대하여 시청자의 국가의 분포를 판단하여도 해당 서브 그룹에 속한 채널들 또한 상당히 유사한 시청자의 국가의 분포를 따른다.
이와 같이, 서브 그룹에 속하는 일부의 채널에 대하여만 국가에 대한 분포를 계산하기 때문에 연산량을 줄이는데 도움이 된다.
예를 들어, 채널 그룹화부(110)는 하나의 카테고리에 속하는 복수의 채널을 기설정된 조건에 따라 분류하여 서브 그룹화할 수 있다.
예를 들면, 채널 그룹화부(110)는 하나의 카테고리에 속하는 복수의 채널을 채널 진행자의 성별 또는 기설정된 나이대 등으로 분류할 수 있다. 예를 들면, 채널 그룹화부(110)는 제 1 카테고리(예컨대, 먹방 카테고리)에 속하는 복수의 채널 중 채널 진행자가 남성인 채널들을 제 1 서브 카테고리에 그룹핑하고, 채널 진행자가 여성인 채널들을 제 2 서브 카테고리에 그룹핑할 수 있다. 예를 들면, 채널 그룹화부(110)는 제 1 카테고리에 속하는 복수의 채널 중 채널 진행자의 나이가 30대이상인 채널들을 제 1 서브 카테고리에 그룹핑하고, 채널 진행자의 나이가 30대 미만인 채널들을 제 2 서브 카테고리에 그룹핑할 수 있다.
분포도 결정부(150)는 서브 그룹화된 복수의 채널 중 적어도 하나의 채널에 대한 시청자의 코멘트 정보의 총 개수 및 국적 정보별 시청자의 코멘트 정보의 개수에 기초하여 서브 그룹화된 복수의 채널을 구독하는 시청자의 국가에 대한 분포를 결정할 수 있다.
예를 들면, 제 1 카테고리에 속하는 복수의 채널에서 제 1 서브 카테고리에 그룹화된 복수의 채널 중 제 1 채널 및 제 2 채널에 대한 시청자의 코멘트 정보의 총 개수가 1000개이고, 영어로 작성된 코멘트 정보의 총 개수가 500개이고, 한글로 작성된 코멘트 정보가 500개라고 가정한다.
이때, 영어로 작성된 코멘트 정보 중 국적이 표기된 50개의 코멘트 정보에서 미국 국적이 표기된 코멘트 정보가 30개이고, 영국 국적이 표기된 코멘트 정보가 10개이고, 한국 국적이 표기된 코멘트 정보가 10개인 경우, 한국인이 영어로 코멘트 정보를 작성할 제 1 확률은 100(=10/50*500)이다. 한글로 작성된 코멘트 정보 중 국적이 표기된 5개의 코멘트 정보에서 한국 국적이 표기된 코멘트 정보가 5개인 경우, 한국인이 한글로 코멘트 정보를 작성할 제 2 확률은 500(=5/5*500)이다. 한국인이 제 1 채널 및 제 2 채널에 대한 코멘트 정보를 작성할 확률은 60%(600/1000*100)이다.
또한, 미국인이 영어로 코멘트 정보를 작성할 제 3 확률은 300(=30/50*500)이고, 미국인이 한글로 코멘트 정보를 작성할 확률은 존재하지 않으므로 미국인이 제 1 채널 및 제 2 채널에 대한 코멘트 정보를 작성할 확률은 30%이다.
또한, 영국인이 영어로 코멘트 정보를 작성할 제 4 확률은 100(=10/50*500)이고, 영국인이 한글로 코멘트 정보를 작성할 확률은 존재하지 않으므로 영국인이 제 1 채널 및 제 2 채널에 대한 코멘트 정보를 작성할 확률은 10%이다.
따라서, 분포도 결정부(150)는 미국인, 영국인 및 한국인 각각이 제 1 채널 및 제 2 채널에 대한 코멘트 정보를 작성할 확률에 기초하여 제 1 채널 및 제 2 채널을 구독하는 시청자의 국적인 미국, 영국, 한국 각각에 대한 분포의 비율을 30:10:60으로 결정할 수 있다.
채널 정보 제공부(140)는 카테고리별로 산출된 채널의 순위 및 시청자 정보를 포함하는 채널 정보를 제공할 수 있다.
예를 들어, 도 2를 참조하면, 채널 정보 제공부(140)는 복수의 카테고리 중 사용자에 의해 선택된 제 1 카테고리(203)에 그룹화된 복수의 채널의 순위에 대한 정보(205)를 제공하고, 선택된 제 1 카테고리(203)에 그룹화된 복수의 채널 중 사용자에 의해 선택된 채널에 대한 시청자 정보를 제공할 수 있다.
도 5a 내지 5b를 참조하면, 채널 정보 제공부(140)는 선택된 제 1 카테고리(203)에 속하는 복수의 채널 중 사용자에 의해 선택된 채널을 구독하는 시청자의 성별에 대한 분포(도 5a) 및 시청자의 국적에 대한 분포(도 5b)를 포함하는 시청자 정보를 제공할 수 있다.
광고 비용 수집부(160)는 복수의 채널 각각을 통해 광고된 제 1 협찬 광고 컨텐츠(예컨대, PPL 광고 컨텐츠, 브랜디드 광고 컨텐츠 등)에 대한 실제 광고 비용을 수집할 수 있다.
종래에는 광고주가 개인 방송 채널(예컨대, 유튜브, 아프리카 TV 등)을 통한 광고비를 예상하기 어려워 적극적으로 광고를 하기 어려웠었다.
하지만, 본 발명은 각 채널을 통해 과거에 광고된 제 1 협찬 광고 컨텐츠의 실제 광고 비용을 수집하여 미래에 광고될 제 2 협찬 광고 컨텐츠의 예상 광고 비용을 예측하여 이를 광고주에게 제공할 수 있다.
예상 광고 비용 예측부(170)는 복수의 채널 각각에 대한 구독 정보 및 제 1 협찬 광고 컨텐츠에 대한 실제 광고 비용에 기초하여 복수의 채널별 제 2 협찬 광고 컨텐츠의 예상 광고 비용을 예측할 수 있다.
광고 비용 예측 모형 생성부(172)는 복수의 채널 별로 광고된 제 1 협찬 광고 컨텐츠의 실제 광고 비용 및 구독 정보에 기초하여 평균적인 광고 비용을 예측하는 광고 비용 예측 모형을 생성할 수 있다.
광고 비용 예측 모형 생성부(172)는 선형 회귀 분석 모형에 기초하여 광고 비용 예측 모형을 생성할 수 있다.
도 3a를 참조하면, 광고 비용 예측 모형 생성부(172)는 [수학식 1]과 같은 선형 회귀 분석 모형에 따라 복수의 채널 별 채널의 구독 정보(301) 및 제 1 협찬 광고 컨텐츠에 대한 실제 광고 비용(303)을 이용하여 제 2 협찬 광고 컨텐츠의 예상 광고 비용을 예측하는 광고 비용 예측 모형(305)에 대한 추정식을 [수학식 2]와 같이 생성할 수 있다.
[수학식 1]
Y = (a + b*X) +e
여기서, X는 설명 변수이고, Y는 종속 변수이고, a 및 b는 상수이고, e는 에러값이다.
[수학식 2]
제 1 협찬 광고 컨텐츠_실제 광고 비용 변수 = (a + b * 구독 정보 변수) ± 에러값
여기서, 선형 회귀 분석 모형은 설명 변수 X와 종속 변수 Y를 선형 관계로 설명하는 식을 이용하여 상수인 a와 b를 추정하는 통계적 분석 방식을 이용한 모형이다.
상수 추정부(174)는 적어도 하나의 채널에 대한 구독 정보 및 제 1 협찬 광고 컨텐츠에 대한 실제 광고 비용을 광고 비용 예측 모형의 제 1 변수 및 제 2 변수 각각에 대입하여 제 2 협찬 광고 컨텐츠에 대한 광고 비용 예측 모형의 제 1 상수(a) 및 제 2 상수(b)를 추정할 수 있다.
도 3a를 참조하면, 상수 추정부(174)는 제 1 채널의 구독 정보가 30명(307)일 때, 광고 비용 예측 모형(305)으로부터 제 1 채널을 통해 광고된 제 1 협찬 광고 컨텐츠에 대한 실제 광고 비용이 9.2비용(309)으로 추정된 경우, 해당 구독 정보 및 추정된 실제 광고 비용을 광고 비용 예측 모형(305)에 대한 추정식의 구독 정보 변수 및 제 1 협찬 광고 컨텐츠_실제 광고 비용 변수 각각에 (9.2 = 제 1 상수 + 제 2 상수 *30)와 같이 대입한 후, 광고 비용 예측 모형의 제 1 상수(a)를 '5'로 추정하고, 제 2 상수(b)를 '0.14'로 추정할 수 있다.
광고 비용 예측 모형 생성부(172)는 광고 비용 예측 모형을 생성한 후, QQ-플롯(Quantile-Quantile Plot)을 이용하여 생성된 광고 비용 예측 모형에 대한 적절성 여부를 확인할 수 있다. 여기서, QQ-플롯은 분석하고자 하는 샘플의 분포와 정규 분포의 분포 형태를 비교하는 시각적 도구이다. 이러한 QQ-플롯은 동일 분수 위에 해당하는 정상 분포의 값과 주어진 분포의 값을 한 쌍으로 만들어 스캐터 플롯(scatter plot)으로 그린다.
도 3b는 광고 비용 예측 모형을 QQ-플롯으로 시각화한 도면이다. 도 3b를 참조하면, 생성된 광고 비용 예측 모형을 QQ-플롯으로 그리면 도면부호 311과 같이 직선이 아닌 휘어진 형태로 나타난다.
광고 비용 예측 모형 생성부(172)는 광고 비용 예측 모형에 대한 QQ-플롯이 직선의 형태로 나오도록 [수학식 3]과 같이, 광고 비용 예측 모형에 대한 추정식의 X 변수 및 Y 변수에 로그 변환을 취해 직선의 관계식이 되도록 변환할 수 있다.
[수학식 3]
log(제 1 협찬 광고 컨텐츠_실제 광고 비용 변수) = (a + b * log(구독 정보 변수)) ± 에러값
도 3c는 로그 변환된 광고 비용 예측 모형을 QQ-플롯으로 시각화한 도면이다. 도 3c를 참조하면, 로그 변환된 광고 비용 예측 모형을 QQ-플롯으로 그리면 도면부호 313과 같이 직선의 형태로 가까워졌음을 확인할 수 있다. 즉, 로그 변환된 광고 비용 예측 모형은 선형 회귀 분석에 보다 적합한 형태임을 확인할 수 있다.
예상 광고 비용 예측부(170)는 로그 변환된 광고 비용 예측 모형을 이용하여 복수의 채널별 제 2 협찬 광고 컨텐츠의 예상 광고 비용을 예측할 수 있다.
한편, 예상 광고 비용 예측부(170)는 광고 비용 예측 모형에 대한 기산출된 에러값에 기초하여 제 2 협찬 광고 컨텐츠에 대한 예상 광고 비용의 비용 추정 구간을 산출할 수 있다.
여기서, 제 2 협찬 광고 컨텐츠에 대한 예상 광고 비용의 비용 추정 구간은 [(a + b * 구독 정보 변수) - 에러값, (a + b * 구독 정보 변수)+ 에러값]으로 추정될 수 있다. 또는, 제 2 협찬 광고 컨텐츠에 대한 예상 광고 비용의 비용 추정 구간은 [exp(a + b * log(구독 정보 변수)) + 에러값), exp((a + b * log(구독 정보 변수))+ 에러값)]으로 추정될 수 있다.
도 3a를 참조하면, 광고 비용 예측 모형(305)에 대한 기산출된 에러값이 1인 경우, 구독 정보가 30명(307)일 때의 제 1 협찬 광고 컨텐츠에 대한 실제 광고 비용 및 광고 비용 예측 모형(305)에 대한 기산출된 에러값 간의 차인 제 1 값(9.2-1=8.2)과, 구독 정보가 30명(307)일 때의 제 1 협찬 광고 컨텐츠에 대한 실제 광고 비용 및 광고 비용 예측 모형(305)에 대한 기산출된 에러값 간의 합인 제 2 값(9.2+1=10.2)이 제 2 협찬 광고 컨텐츠에 대한 예상 광고 비용의 비용 추정 구간([8.2, 10.2])으로 산출될 수 있다.
에러값 산출부(176)는 제 1 협찬 광고 컨텐츠의 실제 광고 비용 및 광고 비용 예측 모형으로부터 도출된 제 2 협찬 광고 컨텐츠의 예상 광고 비용 간의 차이의 제곱합에 기초하여 광고 비용 예측 모형에 대한 에러값을 산출할 수 있다. 여기서, 광고 비용 예측 모형에 대한 에러값은 [수학식 4]를 통해 산출될 수 있다.
[수학식 4]
Figure 112019055493853-pat00018
Figure 112019055493853-pat00019
여기서,
Figure 112019055493853-pat00020
은 에러값이고, n은 총 구독자의 수이고,
Figure 112019055493853-pat00021
는 구독자 수에 대한 평균값이고,
Figure 112019055493853-pat00022
는 현재 개별 구독자수에 포함되지 않은 새로운 값이고,
Figure 112019055493853-pat00023
는 개별 구독자수 값이고,
Figure 112019055493853-pat00024
는 제 1 협찬 광고 컨텐츠에 대한 실제 광고 비용이고,
Figure 112019055493853-pat00025
는 광고 비용 예측 모형으로부터 도출된 제 2 협찬 광고 컨텐츠의 예상 광고 비용이다.
여기서, SSE는 잔차(
Figure 112019055493853-pat00026
Figure 112019055493853-pat00027
)의 제곱합으로 회귀 모형으로 설명되지 않은 부분을 수치화한 지표이고, MSE는 잔차(
Figure 112019055493853-pat00028
Figure 112019055493853-pat00029
)의 제곱합의 평균이다.
다른 실시예로, 예상 광고 비용 예측부(170)는 광고 비용 예측 모형에 대한 산출된 에러값에 기초하여 [수학식 5]을 통해, 제 2 협찬 광고 컨텐츠에 대한 예상 광고 비용의 비용 추정 구간을 산출할 수 있다.
[수학식 5]
Figure 112019055493853-pat00030
여기서,
Figure 112019055493853-pat00031
는 알고자 하는 제 2 협찬 광고 컨텐츠의 예상 광고 비용이고,
Figure 112019055493853-pat00032
는 광고 비용 예측 모형으로부터 도출된 제 2 협찬 광고 컨텐츠의 예상 광고 비용이고, n은 총 구독자의 수이고, n-2 는 t분포의 모수이고, α는 유의수준 혹은 제1종의 오류이다.
[수학식 5] 에서 [
Figure 112019055493853-pat00033
- t(1-α/2; n-2)*s{pred},
Figure 112019055493853-pat00034
+ t(1-α/2; n-2)*s{pred}]는 제 2 협찬 광고 컨텐츠에 대한 예상 광고 비용의 비용 추정 구간에 해당된다.
이후, 예상 광고 비용 예측부(170)는 [수학식 6]과 같이, 제 2 협찬 광고 컨텐츠에 대한 예상 광고 비용의 비용 추정 구간에 exp 연산을 수행한 후에 해당 비용 추정 구간 내에서 제 2 협찬 광고 컨텐츠의 예상 광고 비용을 예측할 수 있다.
[수학식 6]
[exp(
Figure 112019055493853-pat00035
- t(1-α/2; n-2)*s{pred}), exp(
Figure 112019055493853-pat00036
+ t(1-α/2; n-2)*s{pred})]
한편, 앞서 상술한 과정에 따라 계산된 제 2 협찬 광고 컨텐츠에 대한 예상 광고 비용의 비용 추정 구간은 서로 다른 채널이 같은 구독자 수를 지님에도 상이한 값이 나올 수 있는 문제점이 발생될 수 있다.
이를 방지하기 위해, 예상 광고 비용 예측부(170)는 비용 추정 구간 내의 비용 추정값의 자리수에 기초하여 비용 추정값을 조정할 수 있다. 구체적으로, 예상 광고 비용 예측부(170)는 비용 추정값의 총 자리수(k)가 기설정된 임계값(예컨대, 2)를 초과하는 경우, 최고 비용 추정값에 대하여 (k - 2)번째 자리에서 올림을 수행하고, 최저 비용 추정값에 대하여 (k - 2)번째 자리에서 버림을 수행할 수 있다. 예를 들면, 비용 추정 구간이 [1062, 1357]이라면, 최고 비용 추정값인 '1357'의 10의 자리(k-2 번째 자리)에서 올림을 수행하고, 최저 비용 추정값인 '1062'인 10의 자리에서 버림을 수행하면, 조정된 비용 추정 구간은 [1000, 14000]이 된다.
예상 광고 비용 예측부(170)는 비용 추정값의 총 자리수(k)가 기설정된 임계값(예컨대, 2) 이하인 경우, 최고 비용 추정값에 대하여 (k - 1)번째 자리에서 올림을 수행하고, 최저 비용 추정값에 대하여 (k - 1)번째 자리에서 버림을 수행할 수 있다. 예를 들면, 비용 추정 구간이 [51, 92]이라면, 최고 비용 추정값인 '92'의 1의 자리(k-1 번째 자리)에서 올림을 수행하고, 최저 비용 추정값인 '51'인 1의 자리에서 버림을 수행하면, 조정된 비용 추정 구간은 [50, 100]이 된다.
예상 광고 비용 예측부(170)는 제 2 협찬 광고 컨텐츠에 대한 예상 광고 비용의 조정된 비용 추정 구간에 기초하여 제 2 협찬 광고 컨텐츠의 예상 광고 비용을 예측할 수 있다.
채널 정보 제공부(140)는 복수의 채널 별로 예측된 제 2 협찬 광고 컨텐츠의 예상 광고 비용에 대한 정보를 제공할 수 있다. 도 5c를 참조하면, 채널 정보 제공부(140)는 복수의 채널 별 채널 진행자(예컨대, 유튜버 등)를 통한 협찬 광고 컨텐츠(예컨대, PPL 광고, 브랜디드 컨텐츠 광고 등)의 광고 집행에 소요되는 협찬 광고에 대한 예상 광고 비용을 각 채널 별로 제공할 수 있다.
예를 들어, 도 5d를 참조하면, 채널 정보 제공부(140)는 복수의 채널 각각을 구독하는 시청자들에 대한 성향을 분석하여 성별 및 연령대 별로 관심을 갖는 채널에 대한 화제성 지수를 제공할 수 있다. 예를 들면, 채널 정보 제공부(140)는 뷰티/패션과 관련된 채널의 경우, 10대에서 20대 여성에 대한 화제성 지수가 높게 나타남을 나타내는 도표를 시각화하여 제공할 수 있다.
도 5e를 참조하면, 채널 정보 제공부(140)는 복수의 채널 별로 채널을 재시청하는 구독자의 재시청 빈도수에 기초하여 각 채널에 대한 구독자의 충성도 정보(511)를 시각화하여 제공할 수 있다.
또한, 채널 정보 제공부(140)는 제 1 구독자가 구독하는 복수의 채널 각각에 대하여 코멘트 정보를 작성하는 작성 빈도수에 기초하여 제 1 구독자가 어느 채널에 대하여 충성도가 높은지 또는 낮은지와 관련한 충성도 비교 정보(513)를 제공할 수 있다.
또한, 채널 정보 제공부(140)는 채널의 채널 진행자가 구독자의 코멘트 정보에 대하여 응대하는 응대 횟수(예컨대, 구독자의 코멘트 정보에 답글을 달아주는 횟수 및 '좋아요'로 화답하는 횟수 등)에 기초하여 채널 진행자가 구독자들과의 소통에 참여하는 정도를 나타내는 소통 지수를 산출하고, 산출된 소통 지수에 기초한 채널 진행자와 구독자 간의 친밀감 정보(515)를 각 채널 별로 제공할 수 있다.
도 5f를 참조하면, 채널 정보 제공부(140)는 복수의 채널 별로 조회수 대비 코멘트 정보의 작성 개수 또는 긍정 반응의 개수(예컨대, '좋아요' 아이콘 입력 개수)에 기초하여 각 채널에 대한 구독자의 호감 정도를 나타내는 긍정 비율 정보(517) 및 각 채널 별 새로운 구독자의 추가 구독 정보를 산출하여 이를 제공할 수 있다.
또는, 채널 정보 제공부(140)는 각 채널 별로 조회수 대비 코멘트 정보의 작성 개수 및 긍정 반응의 개수에 대한 정보(519)를 도표화하여 제공할 수 있다.
도 5g를 참조하면, 채널 정보 제공부(140)는 각 채널 별 채널 진행자가 영상을 업로드하는 시점 및 기설정된 기간 동안의 업로드된 영상에 대한 정보(예컨대, 업로드된 영상의 개수 및 종류 등)(521)을 제공할 수 있다.
또한, 채널 정보 제공부(140)는 각 채널 별 채널 진행자가 요일별 또는 시간별로 영상을 업로드한 시간 분포에 대한 정보를 그래프화하여 제공할 수 있다. 또한, 채널 정보 제공부(140)는 각 채널 별 채널 진행자가 업로드한 영상의 영상 길이 분포(523)를 그래프화하여 제공할 수 있다.
도 5h를 참조하면, 채널 정보 제공부(140)는 각 채널을 구독하는 구독자들이 해당 채널에 대하여 느끼는 감정을 분석하여 제공할 수 있다. 예를 들면, 채널 정보 제공부(140)는 각 채널의 코멘트 정보에 대한 텍스트 분석을 통해 자주 출현하는 명사 또는 형용사 등에 기초하여 각 채널에 대한 구독자의 감정 정보를 제공할 수 있다.
도 5i를 참조하면, 채널 정보 제공부(140)는 동일한 카테고리에 속하는 채널들 간의 비교 정보를 제공할 수 있다. 예를 들면, 채널 정보 제공부(140)는 제 1 카테고리에 속하는 제 1 채널(525) 및 제 2 채널(527)에 대하여 지난달 대비 구독자 수의 변화, 조회수 대비 시청자의 참여도 정도, 영상에 대한 시청자의 긍정 비율 정보, 협찬 광고 컨텐츠의 예상 광고 비용에 대한 정보 등을 비교한 정보를 제공할 수 있다.
한편, 당업자라면, 정보 수집부(100), 채널 그룹화부(110), 순위 산출부(120), 시청자 정보 예측부(130), 채널 정보 제공부(140), 분포도 결정부(150), 평가 기준 벡터 생성부(152), 단어 벡터 생성부(154), 유사도 측정부(156), 광고 비용 수집부(160), 예상 광고 비용 예측부(170), 광고 비용 예측 모형 생성부(172), 상수 추정부(174) 및 에러값 산출부(176) 각각이 분리되어 구현되거나, 이 중 하나 이상이 통합되어 구현될 수 있음을 충분히 이해할 것이다.
도 6은 본 발명의 일 실시예에 따른, 동영상 공유 서비스의 채널 정보의 제공 방법을 나타낸 흐름도이다.
도 6을 참조하면, 단계 S601에서 채널 정보 제공 서버(10)는 복수의 채널 각각에 대한 구독 정보 및 시청자들의 코멘트 정보를 수집할 수 있다.
단계 S603에서 채널 정보 제공 서버(10)는 기설정된 복수의 카테고리에 따라 복수의 채널을 분류하여 그룹화할 수 있다.
단계 S605에서 채널 정보 제공 서버(10)는 카테고리별로 그룹화된 복수의 채널의 구독 정보에 기초하여 카테고리별로 채널의 순위를 산출할 수 있다.
단계 S607에서 채널 정보 제공 서버(10)는 시청자의 코멘트 정보에 기초하여 복수의 채널별 시청자 정보를 예측할 수 있다. 여기서, 복수의 채널별 시청자 정보는 복수의 채널 각각을 구독하는 시청자의 성별에 대한 분포 및 시청자의 국적에 대한 분포를 포함할 수 있다.
단계 S609에서 채널 정보 제공 서버(10)는 순위 및 시청자 정보를 포함하는 채널 정보를 제공할 수 있다.
상술한 설명에서, 단계 S601 내지 S609는 본 발명의 구현예에 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.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 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.
본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 채널 정보 제공 서버

Claims (16)

  1. 동영상 공유 서비스의 채널 정보를 제공하는 서버에 있어서,
    복수의 채널 각각에 대한 구독 정보 및 시청자들의 코멘트 정보를 수집하는 정보 수집부;
    기설정된 복수의 카테고리에 따라 상기 복수의 채널을 분류하여 그룹화하는 채널 그룹화부;
    상기 카테고리별로 그룹화된 복수의 채널의 구독 정보에 기초하여 상기 카테고리별로 채널의 순위를 산출하는 순위 산출부;
    상기 시청자의 코멘트 정보에 기초하여 상기 복수의 채널별 시청자 정보를 예측하는 시청자 정보 예측부;
    상기 순위 및 상기 시청자 정보를 포함하는 채널 정보를 제공하는 채널 정보 제공부;
    상기 복수의 채널 각각을 통해 광고된 제 1 협찬 광고 컨텐츠에 대한 실제 광고 비용을 수집하는 광고 비용 수집부; 및
    상기 복수의 채널 각각에 대한 구독 정보 및 상기 제 1 협찬 광고 컨텐츠에 대한 실제 광고 비용에 기초하여 상기 복수의 채널별 제 2 협찬 광고 컨텐츠의 예상 광고 비용을 예측하는 예상 광고 비용 예측부
    를 포함하되,
    상기 채널 정보 제공부는 상기 복수의 채널 별로 상기 예측된 제 2 협찬 광고 컨텐츠의 예상 광고 비용에 대한 정보를 제공하는 것인, 채널 정보 제공 서버.
  2. 제 1 항에 있어서,
    상기 복수의 채널별 시청자 정보는 상기 복수의 채널 각각을 구독하는 시청자의 성별에 대한 분포 및 상기 시청자의 국적에 대한 분포를 포함하는 것인, 채널 정보 제공 서버.
  3. 제 2 항에 있어서,
    상기 시청자의 성별에 대한 분포 및 상기 시청자의 국적에 대한 분포를 결정하는 분포도 결정부를 더 포함하는 것인, 채널 정보 제공 서버.
  4. 삭제
  5. 삭제
  6. 제 1 항에 있어서,
    상기 예상 광고 비용 예측부는
    선형 회귀 분석 모형에 기초하여 광고 비용 예측 모형을 생성하는 광고 비용 예측 모형 생성부; 및
    적어도 하나의 채널에 대한 구독 정보 및 상기 제 1 협찬 광고 컨텐츠에 대한 실제 광고 비용을 상기 광고 비용 예측 모형의 제 1 변수 및 제 2 변수 각각에 대입하여 상기 제 2 협찬 광고 컨텐츠에 대한 광고 비용 예측 모형의 제 1 상수 및 제 2 상수를 추정하는 상수 추정부를 포함하는 것인, 채널 정보 제공 서버.
  7. 제 6 항에 있어서,
    상기 예상 광고 비용 예측부는
    상기 제 1 협찬 광고 컨텐츠의 실제 광고 비용 및 상기 광고 비용 예측 모형으로부터 도출된 상기 제 2 협찬 광고 컨텐츠의 예상 광고 비용 간의 차이의 제곱합에 기초하여 상기 광고 비용 예측 모형에 대한 에러값을 산출하는 에러값 산출부를 포함하는 것인, 채널 정보 제공 서버.
  8. 제 7 항에 있어서,
    상기 예상 광고 비용 예측부는 상기 광고 비용 예측 모형에 대한 에러값에 기초하여 상기 제 2 협찬 광고 컨텐츠에 대한 예상 광고 비용의 비용 추정 구간을 산출하는 것인, 채널 정보 제공 서버.
  9. 동영상 공유 서비스의 채널 정보를 제공하는 서버에 있어서,
    복수의 채널 각각에 대한 구독 정보 및 시청자들의 코멘트 정보를 수집하는 정보 수집부;
    기설정된 복수의 카테고리에 따라 상기 복수의 채널을 분류하여 그룹화하는 채널 그룹화부;
    상기 카테고리별로 그룹화된 복수의 채널의 구독 정보에 기초하여 상기 카테고리별로 채널의 순위를 산출하는 순위 산출부;
    상기 시청자의 코멘트 정보에 기초하여 상기 복수의 채널별 시청자 정보를 예측하는 시청자 정보 예측부;
    상기 순위 및 상기 시청자 정보를 포함하는 채널 정보를 제공하는 채널 정보 제공부를 포함하되,
    상기 복수의 채널별 시청자 정보는 상기 복수의 채널 각각을 구독하는 시청자의 성별에 대한 분포 및 상기 시청자의 국적에 대한 분포를 포함하고,
    상기 채널 정보를 제공하는 서버는 상기 시청자의 성별에 대한 분포 및 상기 시청자의 국적에 대한 분포를 결정하는 분포도 결정부를 더 포함하고,
    상기 분포도 결정부는 주 시청자가 남성인 채널의 코멘트 정보로부터 복수의 단어와 상기 복수의 단어 각각에 대한 확률을 포함하는 남성 평가 기준 벡터를 생성하고, 주 시청자가 여성인 채널의 코멘트 정보로부터 복수의 단어와 상기 복수의 단어 각각에 대한 확률을 포함하는 여성 평가 기준 벡터를 생성하는 평가 기준 벡터 생성부를 포함하는 것인, 채널 정보 제공 서버.
  10. 제 9 항에 있어서,
    상기 분포도 결정부는 상기 시청자들의 코멘트 정보로부터 복수의 단어를 추출하고, 상기 추출된 복수의 단어 중 적어도 일부를 포함하는 남성 단어 벡터 및 상기 추출된 복수의 단어 중 적어도 다른 일부를 포함하는 여성 단어 벡터를 생성하는 단어 벡터 생성부를 더 포함하는 것인, 채널 정보 제공 서버.
  11. 제 10 항에 있어서,
    상기 분포도 결정부는 상기 남성 단어 벡터 및 상기 남성 평가 기준 벡터 간의 제 1 유사도를 측정하고, 상기 여성 단어 벡터 및 상기 여성 평가 기준 벡터 간의 제 2 유사도를 측정하는 유사도 측정부를 더 포함하는 것인, 채널 정보 제공 서버.
  12. 제 11 항에 있어서,
    상기 분포도 결정부는 상기 측정된 제 1 유사도 및 제 2 유사도에 기초하여 상기 시청자의 성별에 대한 분포를 도출하는 것인, 채널 정보 제공 서버.
  13. 제 2 항에 있어서,
    상기 채널 그룹화부는 하나의 카테고리에 속하는 복수의 채널을 기설정된 조건에 따라 분류하여 서브 그룹화하는 것인, 채널 정보 제공 서버.
  14. 동영상 공유 서비스의 채널 정보를 제공하는 서버에 있어서,
    복수의 채널 각각에 대한 구독 정보 및 시청자들의 코멘트 정보를 수집하는 정보 수집부;
    기설정된 복수의 카테고리에 따라 상기 복수의 채널을 분류하여 그룹화하는 채널 그룹화부;
    상기 카테고리별로 그룹화된 복수의 채널의 구독 정보에 기초하여 상기 카테고리별로 채널의 순위를 산출하는 순위 산출부;
    상기 시청자의 코멘트 정보에 기초하여 상기 복수의 채널별 시청자 정보를 예측하는 시청자 정보 예측부;
    상기 순위 및 상기 시청자 정보를 포함하는 채널 정보를 제공하는 채널 정보 제공부를 포함하되,
    상기 복수의 채널별 시청자 정보는 상기 복수의 채널 각각을 구독하는 시청자의 성별에 대한 분포 및 상기 시청자의 국적에 대한 분포를 포함하고,
    상기 채널 그룹화부는 하나의 카테고리에 속하는 복수의 채널을 기설정된 조건에 따라 분류하여 서브 그룹화하고,
    상기 분포도 결정부는 상기 서브 그룹화된 복수의 채널 중 적어도 하나의 채널에 대한 시청자들의 코멘트 정보의 총 개수 및 국적 정보별 시청자의 코멘트 정보의 개수에 기초하여 상기 서브 그룹화된 복수의 채널을 구독하는 시청자의 국적에 대한 분포를 결정하는 것인, 채널 정보 제공 서버.
  15. 채널 정보 제공 서버에 의해 수행되는 동영상 공유 서비스의 채널 정보를 제공하는 방법에 있어서,
    복수의 채널 각각에 대한 구독 정보 및 시청자들의 코멘트 정보를 수집하는 단계;
    기설정된 복수의 카테고리에 따라 상기 복수의 채널을 분류하여 그룹화하는 단계;
    상기 카테고리별로 그룹화된 복수의 채널의 구독 정보에 기초하여 상기 카테고리별로 채널의 순위를 산출하는 단계;
    상기 시청자의 코멘트 정보에 기초하여 상기 복수의 채널별 시청자 정보를 예측하는 단계;
    상기 순위 및 상기 시청자 정보를 포함하는 채널 정보를 제공하는 단계;
    상기 복수의 채널 각각을 통해 광고된 제 1 협찬 광고 컨텐츠에 대한 실제 광고 비용을 수집하는 단계;
    상기 복수의 채널 각각에 대한 구독 정보 및 상기 제 1 협찬 광고 컨텐츠에 대한 실제 광고 비용에 기초하여 상기 복수의 채널별 제 2 협찬 광고 컨텐츠의 예상 광고 비용을 예측하는 단계
    를 포함하되,
    상기 채널 정보를 제공하는 단계는 상기 복수의 채널 별로 상기 예측된 제 2 협찬 광고 컨텐츠의 예상 광고 비용에 대한 정보를 제공하는 단계
    를 포함하는 것인, 채널 정보 제공 방법.
  16. 제 15 항에 있어서,
    상기 복수의 채널 각각을 구독하는 시청자의 성별에 대한 분포 및 상기 시청자의 국적에 대한 분포를 결정하는 단계를 포함하는 것인, 채널 정보 제공 방법.
KR1020190063541A 2019-05-30 2019-05-30 동영상 공유 서비스의 채널 정보를 제공하는 서버 및 방법 KR102127250B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190063541A KR102127250B1 (ko) 2019-05-30 2019-05-30 동영상 공유 서비스의 채널 정보를 제공하는 서버 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190063541A KR102127250B1 (ko) 2019-05-30 2019-05-30 동영상 공유 서비스의 채널 정보를 제공하는 서버 및 방법

Publications (1)

Publication Number Publication Date
KR102127250B1 true KR102127250B1 (ko) 2020-06-29

Family

ID=71400738

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190063541A KR102127250B1 (ko) 2019-05-30 2019-05-30 동영상 공유 서비스의 채널 정보를 제공하는 서버 및 방법

Country Status (1)

Country Link
KR (1) KR102127250B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022154199A1 (ko) * 2021-01-13 2022-07-21 삼성전자주식회사 전자 장치 및 그 제어 방법
KR102497436B1 (ko) * 2022-09-16 2023-02-08 주식회사 액션파워 음성 신호를 포함하는 컨텐츠를 기반으로 타겟 단어와 관련된 정보를 획득하는 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100067691A (ko) * 2002-02-26 2010-06-21 소니 일렉트로닉스 인코포레이티드 인터랙티브 텔레비전용 개인 채널을 효과적으로 구현하기 위한 시스템 및 방법
KR20120010219A (ko) 2010-07-21 2012-02-02 (주)유아짱 개인 방송 홈페이지 시스템
KR20160025676A (ko) * 2014-08-27 2016-03-09 주식회사 엘지유플러스 개인방송 기반 광고 중개 장치 및 방법
KR101790312B1 (ko) * 2016-04-26 2017-10-25 씨제이이앤엠 주식회사 광고주와 인플루언서의 매칭 관리 장치 및 방법
KR101896668B1 (ko) * 2017-07-28 2018-09-10 아이작에스엔씨 주식회사 머신 러닝을 사용한 피플루언스 포스팅 광고 서비스 시스템 및 방법
KR20180120571A (ko) * 2017-04-27 2018-11-06 권민성 인플루언서를 활용한 소셜 네트워크 서비스 마케팅 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100067691A (ko) * 2002-02-26 2010-06-21 소니 일렉트로닉스 인코포레이티드 인터랙티브 텔레비전용 개인 채널을 효과적으로 구현하기 위한 시스템 및 방법
KR20120010219A (ko) 2010-07-21 2012-02-02 (주)유아짱 개인 방송 홈페이지 시스템
KR20160025676A (ko) * 2014-08-27 2016-03-09 주식회사 엘지유플러스 개인방송 기반 광고 중개 장치 및 방법
KR101790312B1 (ko) * 2016-04-26 2017-10-25 씨제이이앤엠 주식회사 광고주와 인플루언서의 매칭 관리 장치 및 방법
KR20180120571A (ko) * 2017-04-27 2018-11-06 권민성 인플루언서를 활용한 소셜 네트워크 서비스 마케팅 시스템
KR101896668B1 (ko) * 2017-07-28 2018-09-10 아이작에스엔씨 주식회사 머신 러닝을 사용한 피플루언스 포스팅 광고 서비스 시스템 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022154199A1 (ko) * 2021-01-13 2022-07-21 삼성전자주식회사 전자 장치 및 그 제어 방법
KR102497436B1 (ko) * 2022-09-16 2023-02-08 주식회사 액션파워 음성 신호를 포함하는 컨텐츠를 기반으로 타겟 단어와 관련된 정보를 획득하는 방법

Similar Documents

Publication Publication Date Title
US10924791B2 (en) Methods and apparatus to estimate demographics of a household
CN102740140B (zh) 用于估计媒体内容的当地市场观众的方法、设备及制造品
US7146329B2 (en) Privacy compliant multiple dataset correlation and content delivery system and methods
KR102355826B1 (ko) 소셜 미디어를 이용하는 사용자의 통계를 추정하는 방법 및 장치
US8898689B2 (en) Method and arrangements for analysing multimedia content
Parra et al. Walk the talk: Analyzing the relation between implicit and explicit feedback for preference elicitation
US20160165277A1 (en) Media metrics estimation from large population data
US20020087967A1 (en) Privacy compliant multiple dataset correlation system
US20170011420A1 (en) Methods and apparatus to analyze and adjust age demographic information
US20090158307A1 (en) Content processing apparatus, content processing method, program, and recording medium
US9191451B2 (en) System and method for automatic selection of a content format
US20210084370A1 (en) Computer system and method for estimating viewers of addressable advertisements
CN105843876B (zh) 多媒体资源的质量评估方法和装置
US11880861B2 (en) Systems and methods for debiasing media creative efficiency
KR102127250B1 (ko) 동영상 공유 서비스의 채널 정보를 제공하는 서버 및 방법
US20090150198A1 (en) Estimating tv ad impressions
KR102111491B1 (ko) 1인 미디어 영상 채널의 간접광고 가치평가 시스템 및 방법
Song et al. Commercial audience retention of television programs: measurement and prediction
JP2011015355A (ja) 属性推定装置及び方法及びプログラム
CN113011985A (zh) 金融产品推送数据处理方法及装置
RU2553073C2 (ru) Автоматический выбор информации, основанный на классификации заинтересованности
KR101909267B1 (ko) 열독률 제공 장치 및 방법
TWI626847B (zh) 個人化影音資料評分綜合加權資訊之系統與方法
US20230319332A1 (en) Methods and apparatus to analyze and adjust age demographic information
Chen et al. Correlation Analysis of Population Educational Structure and Program Audience Share Based on Multisample Regression for Correction

Legal Events

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