KR102315062B1 - 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법 - Google Patents

상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법 Download PDF

Info

Publication number
KR102315062B1
KR102315062B1 KR1020190172153A KR20190172153A KR102315062B1 KR 102315062 B1 KR102315062 B1 KR 102315062B1 KR 1020190172153 A KR1020190172153 A KR 1020190172153A KR 20190172153 A KR20190172153 A KR 20190172153A KR 102315062 B1 KR102315062 B1 KR 102315062B1
Authority
KR
South Korea
Prior art keywords
advertisement
user
recommendation
case
information
Prior art date
Application number
KR1020190172153A
Other languages
English (en)
Other versions
KR20210019370A (ko
Inventor
최진영
김현조
Original Assignee
와짱주식회사
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 와짱주식회사 filed Critical 와짱주식회사
Publication of KR20210019370A publication Critical patent/KR20210019370A/ko
Application granted granted Critical
Publication of KR102315062B1 publication Critical patent/KR102315062B1/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
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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

Abstract

사용자의 새로운 상황과 유사한 과거 상황에 대한 광고 추천 사례들의 결과를 기반으로, 사용자의 해당 상황에 적합한 광고 추천 정보를 제공할 수 있는 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법, 기록 매체가 개시된다. 본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 방법은, 상황인지 데이터 분석 모듈에 의해, 사용자와 관련된 다양한 상황 정보를 수집하고 분석하는 단계; 유사도 측정 모듈에 의해, 상기 다양한 상황 정보와, 데이터베이스에 저장된 광고 추천 사례들 간의 유사도를 측정하는 단계; 선정 모듈에 의해, 상기 유사도를 기반으로 상기 사용자의 상황과 관련된 광고 추천 사례를 선정하는 단계; 수정 모듈에 의해, 선정된 광고 추천 사례 중 수정 필요 부분을 판별하고, 상기 수정 필요 부분을 상기 다양한 상황 정보를 기반으로 수정하여 광고 검색어를 생성하는 단계; 및 광고 추천 모듈에 의해, 상기 광고 검색어에 따라 상기 사용자의 상황에 적합한 광고를 추천하는 단계를 포함한다.

Description

상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법{APPARATUS AND METHOD FOR RECOMMENDING ADVERTISEMENT ACCORDING TO CASE-BASED REASONING OF CONTEXT-AWARENESS DATA}
본 발명은 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법에 관한 것으로, 보다 상세하게는 사용자의 상황과 유사한 과거의 광고 추천 사례들을 기반으로, 사용자의 상황에 적합한 광고를 제공하는 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법에 관한 것이다.
일반적으로 상품이나 서비스에 대한 정보를 여러 가지 매체를 통하여 소비자에게 널리 알리기 위해 광고가 활용되고 있다. 적절한 광고는 판매자 또는 서비스 제공자 등의 매출 증대에 기여할 수 있으며, 수요자가 필요로 하는 상품이나 서비스를 구매할 수 있는 기회를 제공할 수 있다.
최근에 들어 광고 시장은 온라인 쇼핑몰, 블로그 및 소셜 네트워크 서비스(SNS; Social Network Service) 등에 대한 접근 용이성으로 인해 공급 과잉 상태에 이르러 있다. 수요자는 자신이 필요로 하는 상품이나 서비스에 대한 광고를 선별적으로 제공받고 싶어하지만, 수요자에게 관심 밖의 다양한 광고가 무분별하게 노출되는 결과, 수요자가 적절한 상품을 구매하거나 서비스를 제공받기 어려워질 수 있다.
광고주 입장에서도 해당 상품을 구매하거나 서비스를 이용할 가능성이 높은 수요자들 뿐 아니라, 상품이나 서비스의 수요가 없는 사용자들에게도 무차별적으로 광고가 노출될 경우, 불필요한 광고 노출로 인해 광고 집행 비용이 증대되는 문제가 있다.
뿐만 아니라, 기존의 광고는 수요자 주변의 상황이나 환경 등의 고려 없이, 주로 광고주가 원하는 시간대에 원하는 횟수만큼 실행되는 것이 대부분이다. 따라서 광고를 업로드하기 전에 사전 조사를 필요로 하며, 이러한 사전 조사 비용으로 인해 광고 비용이 증가하는 문제도 있다. 공개특허공보 제10-2012-0076447호 (2012.07.09. 공개)에는 모바일 사용자 상황 기반 지능형 광고 서비스 방법 및 장치가 개시되어 있다.
본 발명은 날씨, 교통, 시간 등 사용자의 상황과 유사한 과거의 광고 추천 사례들을 기반으로, 사용자의 상황에 적합한 광고를 선별하여 추천하는 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법, 기록 매체를 제공하기 위한 것이다.
또한, 본 발명은 사용자의 상황과 과거의 광고 추천 사례를 비교하여 광고 추천 사례의 일부를 수정하고 수정된 사례를 기반으로 광고를 제공하여, 사용자의 상황에 보다 적합한 광고를 추천할 수 있는 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법, 기록 매체를 제공하기 위한 것이다.
또한, 본 발명은 사용자로부터 수집된 상황 정보에 따라 적합한 광고를 매칭하고 평가하며 사용자의 상황에 따른 추천 광고를 학습하여 상황별 케이스를 축적함으로써, 상황인지 데이터가 누적될수록 보다 사용자의 상황에 적합한 광고를 추천할 수 있는 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법, 기록 매체를 제공하기 위한 것이다.
본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치는, 다양한 사용자 유형 및 다양한 상황에 대한 광고 추천 사례들을 저장하는 데이터베이스; 사용자와 관련된 다양한 상황 정보를 수집하고 분석하는 상황인지 데이터 분석 모듈; 상기 상황인지 데이터 분석 모듈에 의해 분석된 상기 다양한 상황 정보와, 상기 데이터베이스에 저장된 광고 추천 사례들 간의 유사도를 측정하는 유사도 측정 모듈; 상기 유사도 측정 모듈에 의해 측정된 상기 유사도를 기반으로 상기 사용자의 상황과 관련된 광고 추천 사례를 선정하는 선정 모듈; 상기 선정 모듈에 의해 선정된 광고 추천 사례 중 수정 필요 부분을 판별하고, 상기 수정 필요 부분을 상기 다양한 상황 정보를 기반으로 수정하여 광고 검색어를 생성하는 수정 모듈; 및 상기 수정 모듈에 의해 수정된 상기 광고 검색어에 따라 상기 사용자의 상황에 적합한 광고를 추천하는 광고 추천 모듈을 포함한다.
본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치는, 상기 광고 검색어에 의해 제공되는 추천 광고가 상기 사용자의 상황에 적합한지를 검증하는 검증 모듈; 및 상기 광고 검색어에 대한 검증 결과를 기반으로 하는 학습에 의해 상기 데이터베이스에 상기 광고 추천 사례들을 갱신하는 학습 모듈을 더 포함할 수 있다.
상기 검증 모듈은, 상기 추천 광고에 따라 발생하는 매출 정보를 기반으로 상기 사용자의 상황에 따른 추천 광고를 검증할 수 있다. 상기 학습 모듈은, 상기 추천 광고에 대한 상기 사용자의 피드백 데이터에 따라 상기 광고 추천 사례들을 갱신할 수 있다.
상기 상황인지 데이터 분석 모듈은, 상기 사용자와 관련된 지리정보, 날씨정보, 교통정보, 시간정보, 상기 사용자의 개인정보 및 상기 사용자가 광고를 추천받기 위해 입력한 검색어를 포함하는 상황 정보들을 수집할 수 있다.
상기 수정 모듈은, 상기 광고 추천 사례와 상기 다양한 상황 정보 간의 불일치되는 부분을 상기 수정 필요 부분으로 판별하고; 상기 수정 필요 부분을 상기 불일치되는 부분에 해당하는 상황 정보를 기반으로 수정하여 상기 광고 검색어를 생성할 수 있다.
본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 방법은, 상황인지 데이터 분석 모듈에 의해, 사용자와 관련된 다양한 상황 정보를 수집하고 분석하는 단계; 유사도 측정 모듈에 의해, 상기 다양한 상황 정보와, 데이터베이스에 저장된 광고 추천 사례들 간의 유사도를 측정하는 단계; 선정 모듈에 의해, 상기 유사도를 기반으로 상기 사용자의 상황과 관련된 광고 추천 사례를 선정하는 단계; 수정 모듈에 의해, 상기 광고 추천 사례 중 수정 필요 부분을 판별하고, 상기 수정 필요 부분을 상기 다양한 상황 정보를 기반으로 수정하여 광고 검색어를 생성하는 단계; 및 광고 추천 모듈에 의해, 상기 광고 검색어에 따라 상기 사용자의 상황에 적합한 광고를 추천하는 단계를 포함한다.
본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 방법은, 검증 모듈에 의해, 상기 광고 검색어에 의해 추천되는 추천 광고가 상기 사용자의 상황에 적합한지를 검증하는 단계; 및 학습 모듈에 의해, 상기 광고 검색어에 대한 검증 결과를 기반으로 하는 학습에 의해 상기 데이터베이스에 상기 광고 추천 사례들을 갱신하는 단계를 더 포함할 수 있다.
상기 검증하는 단계는, 상기 추천 광고에 따라 발생하는 매출 정보를 기반으로 상기 사용자의 상황에 따른 추천 광고를 검증하는 단계를 포함할 수 있다. 상기 광고 추천 사례들을 갱신하는 단계는, 상기 추천 광고에 대한 상기 사용자의 피드백 데이터에 따라 상기 광고 추천 사례들을 갱신하는 단계를 포함할 수 있다.
상기 다양한 상황 정보를 수집하고 분석하는 단계는, 상기 사용자와 관련된 지리정보, 날씨정보, 교통정보, 시간정보, 상기 사용자의 개인정보 및 상기 사용자가 광고를 추천받기 위해 입력한 검색어를 포함하는 상황 정보들을 수집하는 단계를 포함할 수 있다.
상기 광고 검색어를 생성하는 단계는, 상기 광고 추천 사례와 상기 다양한 상황 정보 간의 불일치되는 부분을 상기 수정 필요 부분으로 판별하는 단계; 및 상기 수정 필요 부분을 상기 불일치되는 부분에 해당하는 상황 정보를 기반으로 수정하여 상기 광고 검색어를 생성하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체가 제공된다.
본 발명의 실시예에 의하면, 날씨, 교통, 시간 등 사용자의 상황과 유사한 과거의 광고 추천 사례들을 기반으로, 사용자의 상황에 적합한 광고를 선별하여 추천하는 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법, 기록 매체가 제공된다.
또한, 본 발명의 실시예에 의하면, 사용자의 상황과 과거의 광고 추천 사례를 비교하여 광고 추천 사례의 일부를 수정하고 수정된 사례를 기반으로 광고를 제공하여, 사용자의 상황에 보다 적합한 광고를 추천할 수 있는 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법, 기록 매체가 제공된다.
또한, 본 발명의 실시예에 의하면, 사용자로부터 수집된 상황 정보에 따라 적합한 광고를 매칭하고 평가하며 사용자의 상황에 따른 추천 광고를 학습하여 상황별 케이스를 축적함으로써, 상황인지 데이터가 누적될수록 보다 사용자의 상황에 적합한 광고를 추천할 수 있다.
도 1은 본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치의 구성도이다.
도 2는 본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치를 구성하는 상황인지 데이터 분석 모듈의 구성도이다.
도 3은 본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 방법의 순서도이다.
도 4는 도 3의 단계 S150의 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서, 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 명세서에서 사용되는 '~부'는 적어도 하나의 기능이나 동작을 처리하는 단위로서, 예를 들어 소프트웨어, FPGA 또는 하드웨어 구성요소를 의미할 수 있다. '~부'에서 제공하는 기능은 복수의 구성요소에 의해 분리되어 수행되거나, 다른 추가적인 구성요소와 통합될 수도 있다. 본 명세서의 '~부'는 반드시 소프트웨어 또는 하드웨어에 한정되지 않으며, 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법은 사용자의 새로운 상황과 유사한 과거 상황에 대한 광고 추천 사례들의 결과를 기반으로, 상황인지 데이터의 사례학습기반 추론에 따라 사용자의 해당 상황에 적합한 광고를 추천할 수 있다.
본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법은, 먼저 사용자와 관련된 다양한 상황 정보(예를 들어, 날씨, 교통, 시간 등)를 수집하고 분석하고, 사용자의 다양한 상황 정보와, 데이터베이스에 저장된 광고 추천 사례들 간의 유사도를 측정한 후, 유사도를 기반으로 사용자의 상황과 관련된 하나 이상의 광고 추천 사례를 선정할 수 있다.
다음으로, 선정된 광고 추천 사례 중에서 사용자의 상황과 불일치되는 수정 필요 부분을 판별하고, 수정 필요 부분을 사용자의 상황 정보를 기반으로 수정하여 광고 검색어를 생성하며, 수정된 광고 검색어에 따라 사용자의 상황에 적합한 광고를 추천할 수 있다.
이후 광고 검색어에 의해 추천되는 추천 광고가 사용자의 상황에 적합한지를 매출 비교 등을 통해 검증할 수 있으며, 광고 검색어에 대한 검증 결과를 기반으로 하는 학습에 의해 해당 사례의 가중치를 조정할 수 있으며 새로운 광고 추천 사례들을 데이터베이스에 갱신할 수 있다.
본 발명의 실시예에 의하면, 날씨, 교통, 시간 등 사용자의 상황과 유사한 과거 상황에 관련된 광고 추천 사례들의 결과를 기반으로, 사용자의 상황에 적합한 광고를 선별하여 추천할 수 있다.
또한, 본 발명의 실시예에 의하면, 사용자의 상황과 과거의 광고 추천 사례를 비교하여 광고 추천 사례의 일부를 수정하고 수정된 사례를 기반으로 광고를 제공하여, 사용자의 상황에 보다 적합한 광고를 추천할 수 있다.
또한, 본 발명의 실시예에 의하면, 수집된 상황 정보에 따라 적합한 광고를 매칭하고 평가하여 상황에 따른 추천 광고를 학습하여 상황별 케이스를 축적함으로써, 데이터가 누적될수록 추후 비슷한 상황에 적합한 광고를 자동으로 추천할 수 있다.
도 1은 본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치의 구성도이다. 도 1을 참조하면, 본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치(100)는 데이터베이스(110), 상황인지 데이터 분석 모듈(120), 유사도 측정 모듈(130), 선정 모듈(140), 수정 모듈(150), 광고 추천 모듈(160), 검증 모듈(170) 및 학습 모듈(180)을 포함할 수 있다.
데이터베이스(database)(110)는 다양한 사용자 유형 및 다양한 상황에 관련된 광고 추천 사례들을 저장할 수 있다. 데이터베이스(110)는 관리자가 상황 분석 및 광고 추천을 위해 사전 입력한 사례화된 데이터를 저장할 수 있다.
데이터베이스(110)는 SRAM, DRAM, SDRAM 등과 같은 휘발성 메모리, ROM, PROM, EPROM, EEPROM, 플래시 메모리, PRAM, MRAM, RRAM, FRAM과 같은 불휘발성 메모리, 하드 디스크 또는 광학적 판독 매체, 예를 들어 CDROM, DVD와 같은 광기록 매체, 자기 테이프와 같은 자기 매체 등의 저장매체일 수 있으나, 이에 제한되지는 않는다.
도 2는 본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치를 구성하는 상황인지 데이터 분석 모듈의 구성도이다. 도 1 및 도 2를 참조하면, 상황인지 데이터 분석 모듈(120)은 사용자와 관련된 다양한 상황 정보를 수집하고 분석할 수 있다.
상황인지 데이터 분석 모듈(120)은 사용자와 관련된 지리정보, 날씨정보, 교통정보, 시간정보, 사용자의 개인정보(또는 사용자 유형) 및 사용자가 광고를 추천받기 위해 입력한 검색어를 포함하는 상황 정보를 수집할 수 있다. 상황인지 데이터 분석 모듈(120)에 의해 수집되는 다양한 상황 데이터를 기반으로 사용자의 상황이 분석될 수 있다.
실시예에서, 상황인지 데이터 분석 모듈(120)은 위치정보 수집부(121), 날씨정보 수집부(122), 교통정보 수집부(123), 시간정보 수집부(124), 개인정보 수집부(125), 검색어 수집부(126) 등을 포함할 수 있다.
위치정보 수집부(121)는 사용자의 현재 위치정보(지리정보)를 수집할 수 있다. 날씨정보 수집부(122)는 사용자의 현재 위치에 대한 날씨정보를 수집할 수 있다. 교통정보 수집부(123)는 사용자의 현재 위치와 관련된 교통정보를 수집할 수 있다.
시간정보 수집부(124)는 사용자의 상황과 관련된 시간정보를 수집할 수 있다. 개인정보 수집부(125)는 사용자의 개인정보(예를 들어, 성별, 연령과 같은 사용자 유형, 생일 등)를 수집할 수 있다. 검색어 수집부(126)는 사용자가 입력한 검색어를 수집할 수 있다.
실시예에서, 사용자의 상황 정보는 사용자 단말기에 의해 수집될 수 있다. 사용자 단말기는 예를 들어 스마트폰, 태블릿 PC, 노트북, 데스크탑 PC, 랩탑 PC, 넷북 컴퓨터, 워크스테이션, PDA, PMP, 스마트안경, 스마트밴드와 같은 웨어러블 장치 등으로 구현될 수 있으나, 이에 제한되는 것은 아니다.
사용자의 현재 위치는 예를 들어, 사용자 단말기에 내장된 GPS(Global Positioning System)에 의해 수집되거나, 사용자가 사용자 단말기에 입력한 위치 정보 등에 의해 수집될 수 있다.
사용자의 개인정보는 예를 들어, 사용자 단말기에서 실행되는 광고 추천 앱에 사용자가 설정한 다양한 정보(예컨대, 나이, 성별, 생일 등)로부터 수집될 수 있다.
사용자의 현재 위치가 파악되면, 상황인지 데이터 분석 모듈(120)은 네트워크 검색을 통해 사용자의 현재 위치에 대한 날씨정보, 교통정보 등을 수집할 수 있다.
사용자의 상황 관련 시간정보는 현재 시간, 또는 사용자가 사용자 단말기에 입력한 검색어 등으로부터 수집될 수 있다. 그 밖에도 상황인지 데이터 분석 모듈(120)은 사용자가 사용자 단말기를 통해 광고를 추천받기 위해 입력한 검색어를 수집할 수 있다.
유사도 측정 모듈(130)은 상황인지 데이터 분석 모듈(120)에 의해 수집된 사용자의 다양한 상황 정보와, 데이터베이스(110)에 저장된 광고 추천 사례들 간의 유사도를 각각 측정할 수 있다.
사용자의 상황 정보와 기저장된 광고 추천 사례 간의 유사도는 예를 들어, 유클리디언 거리(Euclidean Distance), 맨해튼 거리(Manhattan Distance), 민코스키 거리(Minkowski Distance), 코사인 유사도(Cosine Similarity) 등을 기반으로 산출될 수 있으나, 이에 제한되는 것은 아니다.
예를 들어, 사용자의 상황 정보와 기저장된 광고 추천 사례는 상황 정보의 유형 별로 미리 설정된 순서로 벡터화될 수 있으며, 두 벡터들 간의 유사도가 산출될 수 있으나, 이러한 방법으로 제한되는 것은 아니다. 예를 들어, 사용자의 상황 정보와 관련된 검색어를 기반으로 데이터베이스에서 조회하는 방법으로 광고 추천 사례가 선정되는 등의 다양한 변경이 가능하다.
선정 모듈(140)은 유사도 측정 모듈(130)에 의해 측정된 유사도를 기반으로 사용자의 상황과 관련된 광고 추천 사례를 선정할 수 있다. 선정 모듈(140)은 사용자의 상황과 유사도가 높은 순으로 하나 또는 복수개의 광고 추천 사례를 사용자의 현 상황과 비슷한 사례로 선택할 수 있다.
선정 모듈(140)은 대상 사례(사용자의 상황)가 주어질 때, 해당 대상 사례가 저장된 데이터베이스(110)에서 대상 사례에 대한 광고 추천 정보를 제공하기 위해 적절한 광고 추천 사례를 검색/선정할 수 있다.
이와 같이, 사용자의 상황과 과거의 광고 추천 사례들 간의 유사 정도를 나타내는 유사도 척도를 기반으로, 사용자의 상황과 관련된 적절한 광고 추천 사례가 데이터베이스(110)에서 검색될 수 있다.
이때, 데이터베이스(110)에 저장되는 사례(case)는 상황 정보와 그에 대한 추천 광고 및 해당 추천 광고가 어떻게 유도되었는지에 대한 설명(description) 등으로 구성될 수 있다.
수정 모듈(150)은 선정 모듈(140)에 의해 선정된 광고 추천 사례 중 수정 필요 부분을 판별하고, 수정 필요 부분을 사용자와 관련된 다양한 상황 정보를 기반으로 수정하여 광고 검색어를 생성할 수 있다.
수정 모듈(150)은 예를 들어, 광고 추천 사례에 포함된 키워드들 중 사용자의 상황과 부합되지 않거나 관련도가 낮은 키워드를 수정 필요 부분으로 추출한 후, 해당 수정 필요 부분에 해당하는 키워드를 사용자의 상황에 부합하도록 수정함으로써 광고 검색어(수정된 키워드들)를 생성할 수 있다.
수정 모듈(150)은 선정 모듈(140)에 의해 선정된 광고 추천 사례를 바로 적용해도 되는지 판별하고, 바로 적용이 어려운 경우 과거의 광고 추천 사례를 수정하여 수정 사례(수정 광고 추천 사례)를 생성할 수 있다.
만약, 선정 모듈(140)에 의해 선정된 사례를 바로 적용해도 되는 경우, 해당 광고 추천 사례를 재사용하게 되고, 이전의 광고 추천 사례로부터 대상 상황에 대한 추천 광고 문제의 해를 연결(mapping)하게 된다.
이를 위해, 수정 모듈(150)은 새로운 상황에 맞추기 위해 필요한 만큼 해를 적응시키는 과정(adapting)을 포함할 수 있다. 수정 모듈(150)은 이전의 사례를 기반으로 상황에 대한 해법을 대상 상황에 연결시킨 후, 필요시 광고 추천 사례를 수정할 수 있다.
한편, 수정 모듈(150)은 관리자의 관리자 단말기를 통한 입력에 의해, 추천된 데이터 중 사용자의 상황에 맞지 않는 데이터의 케이스를 직접 수정할 수 있도록 제공될 수도 있다.
실시예에서, 수정 모듈(150)은 광고 추천 사례와 사용자와 관련된 다양한 상황 정보 간의 불일치되는 부분을 수정 필요 부분으로 판별하고, 판별한 수정 필요 부분을 불일치되는 부분에 해당하는 상황 정보를 기반으로 수정하여 광고 검색어를 생성할 수 있다.
광고 추천 모듈(160)은 수정 모듈(150)에 의해 확정된 광고 검색어에 따라 사용자의 다양한 상황 정보에 적합한 광고를 매칭하여 추천 광고를 사용자 단말기 또는 사용자 주변의 광고 장치 등을 통해 제공할 수 있다.
검증 모듈(170)은 광고 검색어에 의해 추천되는 추천 광고가 사용자의 상황에 적합한지를 검증할 수 있다. 검증 모듈(170)은 사용자의 상황에 따라 제공된 추천 광고의 결과를 실세계 또는 시뮬레이션(simulation)에 의해 테스트할 수 있다.
검증 모듈(170)은 이전 사례에 대한 적용 결과와, 이번 사례의 적용 결과를 비교하여 검증을 수행할 수 있다. 검증 모듈(170)은 예를 들어, 매출 비교 등을 통해 이번 사례의 적용 결과를 새로운 광고 추천 사례로서 보존할 가치가 있는지를 판단하여 사례 검증을 수행할 수 있다.
학습 모듈(180)은 광고 검색어에 대한 검증 결과를 기반으로 하는 학습에 의해 해당 사례의 가중치를 설정하여 데이터베이스(110)에 광고 추천 사례들을 갱신할 수 있다(S180). 학습 모듈(180)은 추천 광고에 대한 사용자의 피드백 데이터에 따라 광고 추천 사례들을 갱신할 수 있다.
사용자의 피드백 데이터는 사용자 단말기를 통해 입력된 추천 광고에 대한 긍정/부정 반응(예를 들어, "좋아요" 아이콘 클릭, 후기 입력 데이터 등)을 통해 수집될 수 있다.
학습 모듈(180)은 검증 모듈(170)에 의해 검증 후, 사례에 따른 광고 추천 결과를 평가하고, 이후 필요에 따라 사례 기반 인덱스와 가중치를 조정하여 광고 추천에 반영할 수 있다.
사용자의 상황에 대한 추천 광고가 성공적으로 적용되는 것으로 판단되는 경우, 새로운 광고 추천 경험이 데이터베이스(110)에 새로운 광고 추천 사례로서 저장될 수 있다.
본 발명의 실시예에 의하면, 미리 정해진 조건에 의해서만 광고를 추천하는 기존의 광고 시스템과 달리, 사용자의 날씨, 교통, 시간 등의 다양한 상황을 분석하여 사용자의 상황과 유사한 과거 상황에 대한 광고 추천 사례들의 결과를 기반으로, 사용자의 해당 상황에 적합한 광고를 선별하여 추천할 수 있다.
따라서, 사용자의 상황에 따라 적절한 광고를 제공하여, 향상된 광고 효과를 기대할 수 있으며, 사용자에게 무분별하게 광고가 제공되는 것을 방지하여 사용자가 효율적으로 상품 구매 또는 서비스 이용에 대한 의사 결정을 하도록 할 수 있다.
또한, 본 발명의 실시예에 의하면, 수집된 상황 정보에 따라 적합한 광고를 매칭하고 평가하여 사용자의 상황에 따른 적절한 추천 광고를 학습하여, 상황별 케이스를 축적하여 추후 비슷한 환경일 시 보다 적합한 광고를 매칭, 추천할 수 있다.
광고 추천 결과는 관리자(또는 광고주)에 의해 평가되어 시스템에 반영될 수도 있으며, 해당 프로세스가 반복될수록 관리자의 의도 학습을 통해 광고 추천에 관리자(또는 광고주)의 의도 반영이 가능하다.
도 2는 본 발명의 실시예에 따른 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 방법의 순서도이다. 도 1 및 도 2를 참조하면, 데이터베이스(110)는 다양한 사용자 유형 및 다양한 상황에 대한 광고 추천 사례들을 저장할 수 있다(S110). 데이터베이스(110)는 관리자가 분석을 위해 사전 입력한 사례화된 데이터를 저장할 수 있다.
상황인지 데이터 분석 모듈(120)은 사용자와 관련된 다양한 상황 정보를 수집하고 분석할 수 있다(S120). 상황인지 데이터 분석 모듈(120)은 사용자와 관련된 지리정보, 날씨정보, 교통정보, 시간정보, 사용자의 개인정보 및 사용자가 광고를 추천받기 위해 입력한 검색어를 포함하는 상황 정보를 수집할 수 있다.
다음으로, 유사도 측정 모듈(130)은 상황인지 데이터 분석 모듈(120)에 의해 수집/분석된 사용자의 다양한 상황 정보와, 데이터베이스(110)에 저장된 광고 추천 사례들 간의 유사도를 측정할 수 있다(S130).
사용자의 상황 정보와 광고 추천 사례 간의 유사도는 예를 들어, 유클리디언 거리(Euclidean Distance), 맨해튼 거리(Manhattan Distance), 민코스키 거리(Minkowski Distance), 코사인 유사도(Cosine Similarity) 등을 기반으로 산출될 수 있으나, 이에 제한되는 것은 아니다.
다음으로, 선정 모듈(140)은 유사도 측정 모듈(130)에 의해 측정된 유사도를 기반으로 사용자의 상황과 관련된 광고 추천 사례를 선정할 수 있다(S140). 선정 모듈(140)은 사용자의 상황과 유사도가 높은 순으로 하나 또는 복수개의 광고 추천 사례를 현 상황과 비슷한 사례로 선택할 수 있다.
선정 모듈(140)은 대상 사례(상황)가 주어질 때, 사례가 저장된 데이터베이스에서 대상 사례에 대한 광고 추천 정보를 제공하기 위해 적절한 광고 추천 사례를 검색할 수 있다. 광고 추천 사례는 상황 정보와 그에 대한 추천 광고 및 해당 추천 광고가 어떻게 유도되었는지에 대한 설명 등으로 구성될 수 있다.
수정 모듈(150)은 선정된 광고 추천 사례 중 수정 필요 부분을 판별하고, 수정 필요 부분을 사용자와 관련된 다양한 상황 정보를 기반으로 수정하여 광고 검색어를 생성할 수 있다(S150).
수정 모듈(150)은 선정된 사례를 바로 적용해도 되는지 판별하고, 바로 적용이 어려운 경우 사례를 수정하여 수정 사례를 생성할 수 있다. 선정된 사례를 바로 적용해도 되는 경우, 해당 사례를 재사용하게 되고, 이전의 사례로부터 대상 상황에 대한 추천 광고 문제의 해를 연결하게 된다.
수정 모듈(150)은 새로운 상황에 맞추기 위해 필요한 만큼 해를 적응시키는 과정(adapting)을 포함할 수 있다. 수정 모듈(150)은 이전의 사례를 기반으로 상황에 대한 해법을 대상 상황에 연결시킬 수 있으며, 필요시 수정할 수 있다.
도 4는 도 3의 단계 S150의 순서도이다. 도 1, 도 3 및 도 4를 참조하면, 수정 모듈(150)은 먼저 광고 추천 사례와 사용자와 관련된 다양한 상황 정보 간의 불일치되는 부분을 수정 필요 부분으로 판별할 수 있다(S152). 수정 모듈(150)은 판별한 수정 필요 부분을 불일치되는 부분에 해당하는 상황 정보를 기반으로 수정하여 광고 검색어를 생성할 수 있다(S154).
다시 도 1 및 도 2를 참조하면, 광고 추천 모듈(160)은 광고 검색어에 따라 사용자의 상황에 적합한 광고를 추천할 수 있다(S160). 검증 모듈(170)은 새로운 광고 추천 사례를 실세계 또는 시뮬레이션(simulation)에 의해 테스트하고, 광고 검색어에 의해 추천되는 추천 광고가 사용자의 상황에 적합한지를 검증할 수 있다(S170).
검증 모듈(170)은 이전 사례에 대한 적용 결과와, 이번 사례의 적용 결과를 비교하여 검증을 수행할 수 있다. 검증 모듈(170)은 예를 들어, 이전 사례와 이번 사례의 적용 결과에 따른 매출 비교를 통해 이번 사례의 적용 결과를 새로운 사례로서 보존할 가치가 있는지를 비교할 수 있다.
학습 모듈(180)은 광고 검색어에 대한 검증 결과를 기반으로 하는 학습에 의해 데이터베이스(110)에 광고 추천 사례들을 갱신할 수 있다(S180). 학습 모듈(180)은 추천 광고에 대한 사용자의 피드백 데이터에 따라 광고 추천 사례들을 갱신할 수 있다.
학습 모듈(180)은 검증 모듈(170)에 의해 검증 후, 사례에 따른 광고 추천 결과를 평가하고, 이후 필요에 따라 광고 추천 사례의 다양한 상황과 관련한 인덱스와 가중치를 조정하여 광고 추천에 반영할 수 있다. 사용자의 상황에 대한 추천 광고가 성공적으로 적용되는 경우, 새로운 광고 추천 경험이 데이터베이스(110)에 새로운 광고 추천 사례로서 저장될 수 있다.
이하에서 본 발명의 실시예에 따른 서비스 활용예에 대해 설명한다. 첫번째 사례로, "비 오는 저녁, 젊은 남성 혼자 오는 경우"에 광고가 추천되는 과정을 예로 들어 설명한다. "비 오는", "저녁", "젊은 남성", "혼자"라는 키워드에 따라 케이스를 검색하여 해당 메뉴를 추천하고 광고를 설정할 수 있다(예를 들어, 전자 메뉴판, 대형 스크린 등).
이때, 먼저, 이전에 사용되었던 "비 오는 날에 더 맛있는 와인 리스트", "가게에서 혼자 먹기 좋은 술 추천", "몸이 차가워 졌을 때 먹기 좋은 음식추천"을 불러올 수 있다. 그러고 나서, 사용자의 상황에 해당하는 "혼자", "젊은 남성" 키워드를 기반으로 "가게에서 혼자 먹기 좋은 술 추천"을 "가게에서 이성에게 어필하기 좋은 술 추천"으로 수정하고, 이를 기반으로 메뉴를 추천하고 광고를 송출할 수 있다.
또한, 이전 사례와 새로운 사례의 매출을 비교하는 등의 방법으로, 이전 키워드와 비교하여 이번 키워드가 혼자 온 남성에게 더 적합한지를 확인한 후, 해당 키워드가 적합한 것으로 판단되면 해당 사례를 추가 케이스로 저장하고, 이전 사례와 비교하여 가중치를 조정할 수 있다.
두번째 사례로, "친구 생일을 축하하기 위해 저녁에 모인 친구들"의 상황에서 광고를 추천하는 예를 설명한다. 먼저, "생일", "저녁", "친구들" 이라는 키워드로 검색하여 "생일", "저녁", "친구들"이라는 키워드에 맞는 메뉴를 추천하고 광고를 설정할 수 있다.
이때, 이전 사용되었던 "대형스크린에서 보여지는 생일 축하 송 및 다 함께 즐기는 파티 분위기", "저녁에 혼자 먹기 좋은 음식", "여러명이 나눠 먹기 좋은 음식 추천" 등의 광고 추천 사례를 불러온 다음, 사용자의 상황에 해당하는 "저녁", "친구들" 등의 키워드를 기반으로 광고 추천 사례를 "저녁에 혼자 먹기 좋은 음식"을 "저녁에 파티분위기에서 추천하는 음식"으로 수정하여, 이를 기반으로 메뉴를 추천하고 광고를 송출할 수 있다.
또한, 이전 사례에서의 매출과 새로운 사례에서의 매출을 비교하는 등의 방법으로, 이전 키워드와 비교 시 이번 키워드가 혼자 온 남성에게 더 적합한지를 확인하여, 사례를 추가 케이스로 저장하고, 이전 사례와 비교하여 가중치를 조정할 수 있다.
본 발명의 실시예에 의하면, 수집된 상황 데이터 케이스에 따라 적합한 광고를 매칭하고 평가하여 상황에 따른 추천 광고를 학습하여, 데이터가 누적될수록 보다 상황에 적합한 광고를 추천할 수 있다.
본 발명의 실시예에 의하면, 날씨, 교통, 시간등 수집 가능한 조건(상황 정보)에 따라 광고를 선별하여 추천할 수 있다. 또한, 추천된 데이터를 기반으로 상황별 케이스를 축적하여 추후 비슷한 환경일 시 자동으로 광고를 추천할 수 있다.
본 발명의 실시예에 의하면, 사용자의 새로운 상황과 유사한 과거 상황에 대한 광고 추천 사례들의 결과를 기반으로, 사용자의 해당 상황에 적합한 광고 추천 정보를 제공할 수 있다.
본 발명의 실시예에 의하면, 미리 정해진 조건에 의해서만 광고를 추천하는 기존의 광고 시스템과 달리, 사용자의 상황을 분석하여 그 사례에 따라 적합한 광고를 추천할 수 있다.
광고 추천 결과는 관리자에 의해 평가되어 시스템에 반영될 수 있으며, 해당 프로세스가 반복될수록 관리자의 의도 학습을 통해 광고 추천에 관리자의 의도 반영이 가능하다.
본 발명의 실시예에 의하면, 기존 비즈니스 모델이었던 광고 타겟 분석 및 광고 진행 방식 보다, 광고의 여러 속성을 설정하여 상황에 맞는 광고를 추천할 수 있으며, 유연한 상황 대응으로 향상된 광고 효과를 기대할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/ 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(Arithmetic Logic Unit), 디지털 신호 프로세서(Digital Signal Processor), 마이크로컴퓨터, FPGA(Field Programmable Gate Array), PLU(Programmable Logic Unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다.
처리 장치는 운영 체제 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술 분야에서 통상의 지식을 가진 자는 처리 장치가 복수 개의 처리 요소(Processing Element) 및/또는 복수 유형의 처리요소를 포함할 수 있음을 이해할 것이다.
예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(Parallel Processor) 와 같은, 다른 처리 구성(Processing configuration)도 가능하다. 소프트웨어는 컴퓨터 프로그램(Computer Program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.
소프트웨어 및/ 또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody) 될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CDROM, DVD와 같은 광기록 매체(optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
100: 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치
110: 데이터베이스
120: 상황인지 데이터 분석 모듈
121: 위치정보 수집부
122: 날씨정보 수집부
123: 교통정보 수집부
124: 시간정보 수집부
125: 개인정보 수집부
126: 검색어 수집부
130: 유사도 측정 모듈
140: 선정 모듈
150: 수정 모듈
160: 광고 추천 모듈
170: 검증 모듈
180: 학습 모듈

Claims (11)

  1. 다양한 사용자 유형 및 다양한 상황에 대한 광고 추천 사례들을 저장하는 데이터베이스;
    사용자와 관련된 다양한 상황 정보를 수집하고 분석하는 상황인지 데이터 분석 모듈;
    상기 상황인지 데이터 분석 모듈에 의해 분석된 상기 다양한 상황 정보와, 상기 데이터베이스에 저장된 광고 추천 사례들 간의 유사도를 측정하는 유사도 측정 모듈;
    상기 유사도 측정 모듈에 의해 측정된 상기 유사도를 기반으로 상기 사용자의 상황과 관련된 광고 추천 사례를 선정하는 선정 모듈;
    상기 선정 모듈에 의해 선정된 광고 추천 사례 중 수정 필요 부분을 판별하고, 상기 수정 필요 부분을 상기 다양한 상황 정보를 기반으로 수정하여 광고 검색어를 생성하는 수정 모듈;
    상기 수정 모듈에 의해 수정된 상기 광고 검색어에 따라 상기 사용자의 상황에 적합한 광고를 추천하는 광고 추천 모듈;
    상기 광고 검색어에 의해 추천되는 추천 광고에 따라 발생하는 매출 정보를 기반으로 상기 추천 광고가 상기 사용자의 상황에 적합한지를 검증하는 검증 모듈; 및
    상기 광고 검색어에 대한 검증 결과와 상기 추천 광고에 대한 상기 사용자의 피드백 데이터에 따라 상기 데이터베이스에 상기 광고 추천 사례들을 갱신하는 학습 모듈을 포함하고,
    상기 수정 모듈은,
    상기 광고 추천 사례와 상기 다양한 상황 정보 간의 불일치되는 부분을 상기 수정 필요 부분으로 판별하고; 그리고
    상기 수정 필요 부분을 상기 불일치되는 부분에 해당하는 상황 정보를 기반으로 수정하여 상기 광고 검색어를 생성하고,
    상기 상황인지 데이터 분석 모듈은,
    상기 사용자의 현재 위치와 관련된 교통정보를 수집하는 교통정보 수집부; 및
    상기 사용자의 성별, 연령 및 생일을 포함하는 개인정보를 수집하는 개인정보 수집부를 포함하고,
    상기 데이터베이스에 저장되는 각 사례는 상기 각 사례의 상황 정보와 상기 각 사례의 상황 정보에 대한 추천 광고 및 상기 각 사례의 추천 광고가 어떻게 유도되었는지에 대한 설명을 포함하는,
    상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 상황인지 데이터 분석 모듈은, 상기 사용자와 관련된 지리정보, 날씨정보, 상기 교통정보, 시간정보, 상기 개인정보 및 상기 사용자가 광고를 추천받기 위해 입력한 검색어를 포함하는 상황 정보들을 수집하는,
    상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치.
  5. 삭제
  6. 상황인지 데이터 분석 모듈에 의해, 사용자와 관련된 다양한 상황 정보를 수집하고 분석하는 단계;
    유사도 측정 모듈에 의해, 상기 다양한 상황 정보와, 데이터베이스에 저장된 광고 추천 사례들 간의 유사도를 측정하는 단계;
    선정 모듈에 의해, 상기 유사도를 기반으로 상기 사용자의 상황과 관련된 광고 추천 사례를 선정하는 단계;
    수정 모듈에 의해, 상기 광고 추천 사례 중 수정 필요 부분을 판별하고, 상기 수정 필요 부분을 상기 다양한 상황 정보를 기반으로 수정하여 광고 검색어를 생성하는 단계;
    광고 추천 모듈에 의해, 상기 광고 검색어에 따라 상기 사용자의 상황에 적합한 광고를 추천하는 단계;
    검증 모듈에 의해, 상기 광고 검색어에 의해 추천되는 추천 광고에 따라 발생하는 매출 정보를 기반으로 상기 추천 광고가 상기 사용자의 상황에 적합한지를 검증하는 단계; 및
    학습 모듈에 의해, 상기 광고 검색어에 대한 검증 결과와 상기 추천 광고에 대한 상기 사용자의 피드백 데이터에 따라 상기 데이터베이스에 상기 광고 추천 사례들을 갱신하는 단계를 포함하고,
    상기 광고 검색어를 생성하는 단계는,
    상기 광고 추천 사례와 상기 다양한 상황 정보 간의 불일치되는 부분을 상기 수정 필요 부분으로 판별하는 단계; 및
    상기 수정 필요 부분을 상기 불일치되는 부분에 해당하는 상황 정보를 기반으로 수정하여 상기 광고 검색어를 생성하는 단계를 포함하고,
    상기 다양한 상황 정보를 수집하고 분석하는 단계는,
    교통정보 수집부에 의해 상기 사용자의 현재 위치와 관련된 교통정보를 수집하는 단계; 및
    개인정보 수집부에 의해 상기 사용자의 성별, 연령 및 생일을 포함하는 개인정보를 수집하는 단계를 포함하고,
    상기 데이터베이스에 저장되는 각 사례는 상기 각 사례의 상황 정보와 상기 각 사례의 상황 정보에 대한 추천 광고 및 상기 각 사례의 추천 광고가 어떻게 유도되었는지에 대한 설명을 포함하는,
    상황인지 데이터의 사례학습기반 추론에 따른 광고추천 방법.
  7. 삭제
  8. 삭제
  9. 제6항에 있어서,
    상기 다양한 상황 정보를 수집하고 분석하는 단계는, 상기 사용자와 관련된 지리정보, 날씨정보, 상기 교통정보, 시간정보, 상기 개인정보 및 상기 사용자가 광고를 추천받기 위해 입력한 검색어를 포함하는 상황 정보들을 수집하는 단계를 포함하는,
    상황인지 데이터의 사례학습기반 추론에 따른 광고추천 방법.
  10. 삭제
  11. 제6항 또는 제9항에 기재된 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
KR1020190172153A 2019-08-12 2019-12-20 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법 KR102315062B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190098323 2019-08-12
KR20190098323 2019-08-12

Publications (2)

Publication Number Publication Date
KR20210019370A KR20210019370A (ko) 2021-02-22
KR102315062B1 true KR102315062B1 (ko) 2021-10-20

Family

ID=74687701

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190172153A KR102315062B1 (ko) 2019-08-12 2019-12-20 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102315062B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102516158B1 (ko) * 2021-07-22 2023-03-30 조영우 날씨 반응형 디스플레이 광고 시스템
KR102535787B1 (ko) * 2022-10-13 2023-05-26 주식회사 낫머글 인공지능 기반 광고 콘텐츠의 타겟팅 및 시청에 대한 리워드 제공 방법, 장치 및 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101418393B1 (ko) * 2010-10-25 2014-07-14 한국전자통신연구원 모바일 사용자 상황 기반 지능형 광고 서비스 방법 및 장치
KR101288181B1 (ko) * 2011-06-09 2013-07-19 주식회사 와이더플래닛 양방향 맞춤형 광고 제공 시스템 및 그 방법
KR20140100606A (ko) * 2013-02-05 2014-08-18 주식회사 솔트룩스 큐레이션 서비스를 위한 광고/홍보 지원 시스템

Also Published As

Publication number Publication date
KR20210019370A (ko) 2021-02-22

Similar Documents

Publication Publication Date Title
US11978106B2 (en) Method and non-transitory, computer-readable storage medium for deep learning model based product matching using multi modal data
US20230351265A1 (en) Customized predictive analytical model training
US10354184B1 (en) Joint modeling of user behavior
US10789634B2 (en) Personalized recommendation method and system, and computer-readable record medium
US9563705B2 (en) Re-ranking results in a search
US20180342004A1 (en) Cumulative success-based recommendations for repeat users
US20180005293A1 (en) Platform for enabling personalized recommendations using intelligent dialog
US10430465B2 (en) Dynamic faceting for personalized search and discovery
US20170091847A1 (en) Automated feature identification based on review mapping
US20160171589A1 (en) Personalized application recommendations
US9864951B1 (en) Randomized latent feature learning
CN111538907B (zh) 一种对象推荐方法、系统及装置
US9767417B1 (en) Category predictions for user behavior
US20200234218A1 (en) Systems and methods for entity performance and risk scoring
KR20190018032A (ko) 제품 및 서비스 검토를 활용하는 기법
US20160225061A1 (en) Product market lifecycle driven recommendations
KR102315062B1 (ko) 상황인지 데이터의 사례학습기반 추론에 따른 광고추천 장치 및 방법
US11853901B2 (en) Learning method of AI model and electronic apparatus
US10769732B2 (en) Expertise determination based on shared social media content
US20240037616A1 (en) Systems and methods for customizing electronic marketplace applications
CN111680213A (zh) 信息推荐方法、数据处理方法及装置
CN110796520A (zh) 商品推荐的方法、装置、计算设备以及介质
US20220148059A1 (en) Methods and systems for modular personalization center
US20210382607A1 (en) Systems for Generating Sequential Supporting Answer Reports
US20160148095A1 (en) Electronic calculating apparatus, method thereof and non-transitory machine-readable medium thereof for sensing context and recommending information

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant