KR102397014B1 - 광고 목표 별 가격 경쟁력 및 상기 광고 목표 별 병목도에 기초하여 광고 예산을 집행하기 위한 광고 제공 방법 및 시스템 - Google Patents

Abstract

위 실시예들은 광고 목표 별 가격 경쟁력 및 상기 광고 목표 별 병목도에 기초하여 광고 예산을 집행하기 위하여 광고 제공 방법 및 시스템에 관한 것으로, 보다 구체적으로 광고 목표 별 가격 경쟁력 및 상기 광고 목표 별 병목도를 반영하여 예산 비율을 조정함으로써, 광고를 효율적으로 송출하는 광고 제공 방법에 관한 것이다.

Description

광고 목표 별 가격 경쟁력 및 상기 광고 목표 별 병목도에 기초하여 광고 예산을 집행하기 위한 광고 제공 방법 및 시스템{METHOD AND SYSTEM FOR PROVIDING ADVERTISING TO EXECUTE AN ADVERTISEMENT BUDGET BASED ON PRICE COMPETITIVENESS AND THE BOTTLENECK FOR EACH ADVERTISEMENT TARGET}

아래 실시예들은 광고 제공 방법 및 시스템에 관한 것으로, 보다 구체적으로 광고 목표 별 가격 경쟁력 및 상기 광고 목표 별 병목도에 기초하여 광고 예산을 효율적으로 집행할 수 있는 기술에 관한 것이다.

광고란 누구인지를 확인할 수 있는 광고주가 고객의 태도나 행동에 영향을 주고 궁극적으로 자신의 상품을 구매하도록 하기 위한 목표로 매체를 통해 유료로 시행하는 정보 전달 활동이다.

광고는 고객이 구매 등 광고주의 비즈니스에 가치 있는 행위를 수행하는 것을 목표로 하며, 광고와 상호작용(예를 들어, 텍스트 광고 클릭, 동영상 광고 조회)한 고객이 광고의 목표가 되는 행위를 수행하는 것을 전환(conversion)이라고 한다. 광고의 목표가 되는 행위는 광고자에 의해 규정될 수 있고, 예를 들어 구매, 회원가입 등을 포함할 수 있다.

최근 검색 광고, 배너 광고, 리워드 광고, SNS 광고 등 다양한 온라인 광고 매체의 등장으로 다양한 매체를 이용한 다양한 형태의 광고 제공이 가능하게 되었다. 온라인 광고 매체는 종류에 따라 광고 집행 비용, 광고의 전환율, 광고가 노출되는 규모, 광고가 노출되는 고객의 성격 등 특성이 다양하게 나타날 수 있다. 이에, 다양한 매체의 특성과 광고를 위한 예산의 규모, 광고의 목표 등을 고려하여 한정된 예산에서 투자수익(return on investment, ROI)을 최대화하기 위한 광고 집행에 관한 기술의 개발이 요구되고 있다.

이 배경기술 부분에 기재된 사항은 발명의 배경에 대한 이해를 증진하기 위하여 작성된 것으로써, 이 기술이 속하는 분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술이 아닌 사항을 포함할 수 있다.

제한된 예산에서 광고의 효율을 높일 수 있도록 광고 송출에 따른 광고의 성과를 분석하여 광고 목표 별 분배될 예산의 비율을 자동으로 조정하고, 조정된 예산 비율에 따라 목표 별 광고를 송출하는 기술을 제공할 수 있다.

광고 송출에 따른 광고의 성과 분석, 성과 분석에 따른 예산 비율 조정 및 조정된 예산 비율에 따른 광고 송출의 프로세스를 반복적으로 수행함으로써, 광고 분석 결과를 적시에 반영하여 예산 비율을 조정하는 기술을 제공할 수 있다.

딥러닝 기반의 학습 모델을 이용하여 광고 매체 별 최적의 광고 예산을 예측하여 광고주에 제공함으로써 광고의 비용 대비 효율을 높일 수 있는 기술을 제공할 수 있다.

일 실시예가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상기 목적을 달성하기 위한 일 실시예는 광고 제공 서버에서 수행된 광고 제공 방법으로, 광고 별 광고 예산을 예측하는 학습 모델의 유무를 판단하는 단계; 상기 광고에 대한 학습 모델이 있는 경우, 상기 광고에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계; 상기 광고에 대한 학습 모델이 없는 경우, 상기 광고가 속하는 광고주에 대해 미리 학습된 학습 모델의 유무를 판단하는 단계; 상기 광고주에 대한 학습 모델이 있는 경우, 상기 광고주에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계; 상기 예측된 광고 예산에 따라 송출된 광고 목표 별 광고의 성과를 수집하는 단계; 상기 광고 목표 별 광고의 성과에 기초하여, 광고 목표 별 모객 단가 및 가격 경쟁력을 획득하는 단계; 상기 광고 목표 별 가격 경쟁력 및 모객 단가를 이용하여, 예산 비율을 조정하는 단계; 및 상기 조정된 예산 비율에 기초하여, 광고 목표 별 광고를 송출하는 단계를 포함하는 광고 제공 방법을 제공한다.

일 실시예는 상기 광고주에 대한 학습 모델이 없는 경우, 상기 광고주가 속하는 광고주 그룹에 대해 미리 학습된 학습 모델의 유무를 판단하는 단계; 상기 광고주 그룹에 대한 학습 모델이 있는 경우, 상기 광고주 그룹에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계; 및 상기 광고주 그룹에 대한 학습 모델이 없는 경우, 타겟 유저의 전환에 대한 기록에 기초하여 광고 예산을 예측하는 단계를 포함한다.

일 실시예는 상기 광고에 대한 학습 모델을 이용하여 모수를 예측하는 단계는, 타겟 유저의 특징 데이터를 이용하여 모수 유저를 결정하고, 상기 결정된 모수 유저의 수에 따라 광고 예산을 예측한다.

일 실시예는 상기 광고 목표 별 광고의 성과에 기초하여 광고 목표 별 병목도를 획득하는 단계를 포함하고, 상기 예산 비율을 조정하는 단계는 상기 광고 목표 별 가격 경쟁력 및 상기 광고 목표 별 병목도에 기초하여, 상기 예산 비율을 조정한다.

일 실시예는 적어도 하나의 프로세서(processor); 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instuctions)을 저장하는 메모리(memory)를 포함하는, 광고 제공 서버로서, 상기 적어도 하나의 동작은, 광고 별 광고 예산을 예측하는 학습 모델의 유무를 판단하는 단계; 상기 광고에 대한 학습 모델이 있는 경우, 상기 광고에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계; 상기 광고에 대한 학습 모델이 없는 경우, 상기 광고가 속하는 광고주에 대해 미리 학습된 학습 모델의 유무를 판단하는 단계; 상기 광고주에 대한 학습 모델이 있는 경우, 상기 광고주에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계; 상기 예측된 광고 예산에 따라 송출된 광고 목표 별 광고의 성과를 수집하는 단계; 상기 광고 목표 별 광고의 성과에 기초하여, 광고 목표 별 모객 단가 및 가격 경쟁력을 획득하는 단계; 상기 광고 목표 별 가격 경쟁력 및 모객 단가를 이용하여, 예산 비율을 조정하는 단계; 및 상기 조정된 예산 비율에 기초하여, 광고 목표 별 광고를 송출하는 단계를 포함하는 광고 제공 서버를 제공한다.

이상에서 설명한 바와 같은 일 실시예들에 따르면, 광고 성과에 따라 제한된 예산 내에서 효율을 최대화할 수 있도록 자동으로 적절한 예산 분배를 하여 광고를 송출하는 기술을 제공함으로써, 광고 성과를 분석하고 예산을 설정하는 등의 마케팅 전략을 수립하는 전문가를 고용하기 위해 소요되는 마케팅 비용을 절감할 수 있다.

광고의 성과 분석 및 예산 비율 설정을 반복적으로 수행함으로써, 마케팅 전략 수립의 적시성을 증대할 수 있다.

딥러닝 기반의 학습 모델을 이용하여 광고 매체 별 최적의 광고 예산을 예측하여 광고주에 제공함으로써 광고의 비용 대비 효율을 높일 수 있다.

일 실시예의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 일 실시예에 따른 광고 제공 시스템의 구성도이다.
도 2는 일 실시예에 따른 광고 제공 방법을 수행하는 광고 제공 서버의 동작을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 광고 송출 단계를 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 광고 성과를 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 광고 제공 서버의 구성도이다.
도 6은 제 1 실시예에 따른 광고 제공 방법의 흐름도이다.
도 7은 제 2 실시예에 따른 광고 제공 방법의 흐름도이다.
도 8 및 도 9는 일 실시예에 따른 마케팅 퍼널을 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 광고 예산 예측 장치와 트레이닝 장치를 도시한 도면이다.
도 11은 제 3 실시예에 따른 광고 제공 방법의 흐름도이다.
도 12는 일 실시예에 따른 학습 모델의 트레이닝 과정을 도식화한 도면이다.
도 13은 일 실시예에 따른 사용자 단말의 구성도이다.

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 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

이하, 첨부된 도면을 참조하여 실시예를 상세하게 설명한다.

도 1은 일 실시예에 따른 광고 제공 시스템(10)의 구성도이다.

도 1을 참조하면, 일 실시예에 따른 광고 제공 시스템(10)은 광고 제공 서버(100), 광고주 단말(200) 및 사용자 단말(300)을 포함할 수 있다.

광고 제공 시스템(10) 내에 포함된 다양한 개체들(entities) 간의 통신은 유/무선 네트워크를 통해 수행될 수 있다. 유/무선 네트워크는 표준 통신 기술 및/또는 프로토콜들이 사용될 수 있다.

광고 제공 시스템(10) 내 광고 제공 서버(100), 광고주 단말(200) 및 사용자 단말(300)은 예를 들어, 컴퓨터, UMPC(Ultra Mobile PC), 워크스테이션, 넷북(net-book), PDA(Personal Digital Assistants), 포터블(portable) 컴퓨터, 웹 타블렛(web tablet), 무선 전화기(wireless phone), 모바일 폰(mobile phone), 스마트폰(smart phone), PMP(portable multimedia player) 같은 전자 장치 중 하나로서, 일 실시예와 관련된 어플리케이션의 설치 및 실행이 가능한 모든 전자 장치를 포함할 수 있다. 전자 장치는 어플리케이션의 제어 하에 예를 들어, 서비스 화면의 구성, 데이터 입력, 데이터 송수신, 데이터 저장 등과 같은 서비스 전반의 동작을 수행할 수 있다.

광고주 단말(200)은 광고 타켓팅 정보, 광고 매체, 광고 소재 등의 광고 관련 정보를 광고주로부터 입력받아, 광고 제공 서버(100)에 전송할 수 있다.

사용자 단말(300)은 광고 제공 서버(100)로부터 광고를 전송받아, 해당 광고를 사용자에게 출력할 수 있다.

광고 제공 서버(100)는 광고 예산을 예측하고, 광고 예산 비율을 조정하여, 예측/조정된 광고 예산에 따라 광고를 집행(사용자 단말(300)에 전송)할 수 있다.

도 2는 일 실시예에 따른 광고 제공 방법을 수행하는 광고 제공 서버(100)의 동작을 설명하기 위한 도면이다.

도 2를 참조하면, 일 실시예에 따른 광고 제공 서버(100)는 광고주 단말(200)의 광고를 위한 예산에 맞추어 복수의 광고 목표들 사이의 예산 비율을 조정하면서 광고 목표 별 광고를 다양한 광고 매체를 통해 송출하는 서버에 해당할 수 있다. 광고 제공 서버(100)는 광고 제공 방법을 수행하기 위한 하나 이상의 프로세서를 포함할 수 있으며, 광고 제공 방법에 관한 데이터를 저장하기 위한 메모리를 포함할 수 있다. 이하에서, '광고 목표'는 '목표'로 간략하게 지칭될 수 있다.

일 실시예에 따른 광고 제공 서버(100)의 동작 방법은 광고주 단말(200)에 대응하는 광고를 송출하는 단계, 광고 송출에 따른 성과를 수집하는 단계, 성과에 기초하여 복수의 광고 목표들 사이의 예산 비율을 조정하는 단계 및 조정된 예산 비율에 따라 광고를 송출하는 단계를 포함할 수 있다.

일 실시예에 따를 때, 광고 제공 서버(100)의 동작 방법은 광고주 단말(200)로부터 광고 집행을 위한 정보를 수신하는 단계를 더 포함할 수 있다. 광고 집행을 위한 정보는 광고주 단말(200)에 대응되는 광고 집행을 위해 필요한 정보로, 예를 들어 광고 집행을 위한 총 예산, 광고 소재, 광고 목표들을 포함할 수 있다. 광고주 단말(200)은 광고 제공 서버(100)에 광고 집행을 위한 정보를 입력할 수 있으며, 예를 들어 광고 제공 서버(100)에서 제공되는 인터페이스를 통해 광고 집행을 위한 총 예산, 광고 소재, 광고 목표들을 입력할 수 있다.

광고 목표는 광고 송출을 통해 달성하고자 하는 효과로, 예를 들어 브랜드 노출 증가, 웹사이트 방문 증가, 회원 수 증가, 구매 증가 등을 포함할 수 있다. 일 실시예에 따를 때, 광고 제공 서버(100)는 인터페이스를 통해 광고주 단말(200)에게 미리 정해진 복수의 광고 목표들을 선택지로 제공할 수 있고, 광고주 단말(200)은 제공된 광고 목표들 중 적어도 일부를 선택함으로써 광고 목표를 설정할 수 있다. 광고 제공 서버(100)에서 광고주 단말(200)에 제공되는 광고 목표들은 광고주의 업종, 예산의 크기 등 광고주의 특성을 반영하여 광고주 별로 다르게 결정될 수 있다. 일 실시예에 따를 때, 광고주 단말(200)은 광고 목표를 직접 입력할 수 있다.

광고주 단말(200)은 설정된 광고 목표에 따른 광고 소재(들)을 입력할 수 있다. 광고 소재는 고객이 접근할 수 있는 웹페이지, 앱 또는 기타 광고 매체에 게재되는 컨텐츠로, 텍스트, 이미지, 오디오, 동영상, 링크 및 이들의 조합 등 다양한 형태의 컨텐츠로 구성될 수 있다. 또한, 광고 소재는 게재되는 매체에 적합한 다양한 유형으로 생성될 수 있다. 예를 들어, 광고 소재는 모바일 메신저에 게재되는 배너 광고, 웹사이트에 게재되는 배너 광고, 모바일 메신저를 통해 전송되는 메시지 형태의 광고 등 다양한 유형으로 생성될 수 있으며, 다양한 컨텐츠를 포함하도록 구성될 수 있다.

광고 소재는 광고 목표 별로 광고주 단말(200)에 의해 제공될 수 있으며, 복수의 광고 목표들에 대응되는 다양한 유형 및 컨텐츠를 포함하도록 생성될 수 있다. 예를 들어 브랜드 노출 증가의 목표에 대응하여 브랜딩용 소재(예를 들어, 브랜드 이름에 관심을 집중시킬 수 있는 문구 및 이미지 등을 포함하는 컨텐츠), 웹사이트 방문 증가의 목표에 대응하여 방문용 소재(예를 들어, 클릭하면 웹사이트로 연결되는 링크를 포함하는 컨텐츠), 회원 수 증가의 목표에 대응하여 회원가입용 소재(예를 들어, “지금 신규 가입하고 1000원 받자” 등의 문구를 포함한 이벤트성 컨텐츠), 구매 증가의 목표에 대응하여 구매용 소재(예를 들어, 단기 할인 쿠폰 제공 등의 이벤트성 컨텐츠)가 입력될 수 있다.

광고주 단말(200)에 대응하여 설정되는 광고 목표는 대응되는 성과 수집이 가능한 목표를 포함할 수 있다. 예를 들어, 브랜드 노출 증가의 목표에 대응하여 브랜딩용 소재의 광고가 노출된 횟수 및/또는 노출된 고객 수, 웹사이트 방문 증가의 목표에 대응하여 방문용 광고 소재의 광고가 클릭된 횟수, 회원 수 증가의 목표에 대응하여 회원 가입 횟수, 구매 증가의 목표에 대응하여 구매 횟수 및/또는 구매에 따른 매출 증가액이 목표 별 성과로 수집될 수 있다. 광고의 성과는 광고 제공 서버(100)에서 광고의 송출 횟수 및/또는 광고가 송출된 사용자의 단말의 수 등을 집계하거나, 다양한 전환 추적 방법에 따라 수집될 수 있다. 일 실시예에 따를 때, 광고 제공 서버(100)는 광고주 단말(200)에 대응하여 설정된 광고 목표 별로 추적 방법을 적용하여 대응되는 성과를 수집할 수 있으며, 수집된 성과의 결과를 광고주 단말(200)에 제공할 수 있다.

광고주 단말(200)은 광고 송출을 위한 총 예산을 입력할 수 있으며, 광고 제공 서버(100)는 총 예산 내에서 목표 별 광고를 집행할 수 있다. 광고 제공 서버(100)에서 광고를 집행하기 위한 비용은 광고 소재, 광고가 게재되는 매체, 광고가 송출되는 횟수, 광고의 클릭 횟수 등을 고려하여 미리 정해진 기준에 따라 결정될 수 있다. 광고 제공 서버(100)는 광고주 단말(200)의 총 예산 및 광고주 단말(200)에 대응하는 광고를 집행하기 위한 비용을 고려하여 광고를 집행할 수 있다.

광고주 단말(200)에 대응하여 설정된 광고 목표가 복수인 경우, 복수의 목표들 사이의 예산 비율이 결정될 수 있으며, 예산 비율에 따라 목표 별 광고 집행을 위한 예산이 분배될 수 있다. 예를 들어, 광고주 단말(200)의 총 예산이 1000만원이고, 제 1 목표 및 제 2 목표 사이의 예산 비율이 1:3인 경우, 제 1 목표의 광고 집행을 위한 예산은 1000만원의 1/4인 250만원, 제 2 목표의 광고 집행을 위한 예산은 1000만원의 3/4인 750만원으로 목표 별로 예산이 분배될 수 있다. 이 경우, 광고 제공 서버(100)는 250만원의 예산 내에서 제 1 목표에 대응하는 광고를 집행하고, 750만원의 예산 내에서 제 2 목표에 대응하는 광고를 집행할 수 있다. 광고 제공 서버(100)는 목표 별 예산에 따라 광고 집행을 하기 위해서, 복수의 목표들 사이의 예산 비율을 획득할 수 있다.

일 실시예에 따를 때, 광고 집행이 시작되기 전 초기 예산 비율은 설정된 목표들에 대응하여 미리 정해진 비율로 결정될 수도 있고, 광고주 단말(200)가 설정한 비율로 결정될 수도 있다. 미리 정해진 비율에 따라 결정되는 경우, 각 목표에 대응하여 동일한 비율로 결정될 수도 있고, 과거 광고 집행 이력이 있는 경우 집행 이력에 따른 예산 비율을 참조하여 결정될 수도 있고, 다른 광고주들에 대응하는 예산 비율들을 참조하여 결정될 수도 있다. 예를 들어, 광고주 단말(200)에 대응하여 노출 증가, 방문 증가, 구매 증가의 목표가 설정된 경우, 목표들 사이의 광고 비율은 1:1:1로 설정되거나, 광고주 단말(200)에 대응하는 업계 평균을 추종하여 설정되거나, 광고주 단말(200)에 대응하는 업계의 일부 광고주(예를 들어, 연간 광고 규모 상위 30%인 광고주, 제품 및/또는 서비스의 관련성이 높은 광고주)의 예산 비율의 평균을 추종하여 설정될 수 있다.

일 실시예에 따를 때, 광고 제공 서버(100)는 예산 비율에 따른 목표 별 예산 내에서 광고를 집행하고, 광고 집행의 결과로 수집된 성과를 반영하여 예산 비율을 조정할 수 있으며, 조정된 예산 비율에 따른 조정된 목표 별 예산 내에서 광고를 집행할 수 있다. 예산 비율의 조정 방법에 관한 구체적인 단계는 도 6 이하에서 자세히 설명하기로 한다.

도 3은 일 실시예에 따른 광고 송출 단계를 설명하기 위한 도면이다.

일 실시예에 따른 광고를 송출하는 단계는 광고주 단말(200)에 대응하여, 복수의 광고 목표들 사이의 예산 비율에 따라 목표 별로 광고를 송출하는 단계에 해당할 수 있다.

도 3을 참조하면, 광고주 단말(200)로부터 총 예산, 광고 소재, 광고 목표 등의 광고 송출을 위한 정보를 수신한 광고 제공 서버(100)는 수신된 정보에 따라 광고 목표들에 대응하는 광고를 송출할 수 있다. 송출되는 광고는 광고주 단말(200)에 대응하여 설정된 광고 목표들 각각에 대응하는 다양한 종류의 광고 매체(211, 212, 213)를 포함할 수 있으며, 특정 광고 목표에 대응하여 적어도 하나의 광고 매체로 구성된 광고가 송출될 수 있다. 예를 들어, 광고 목표1에 대응하는 광고 소재(211)는 모바일 메신저에 게재되는 배너 광고, 웹사이트에 게재되는 배너 광고 등을 포함할 수 있으며, 컨텐츠의 구성이 다른 배너 광고를 복수 개 포함할 수도 있다. 대응하는 광고 목표에 따라 송출되는 광고의 유형 및/또는 컨텐츠가 반드시 달라지는 것은 아니다.

광고주 단말(200)는 광고 목표들(광고목표1 내지 n)을 선택하고, 각각의 광고 목표에 대응하는 광고 매체(211 내지 213)를 설정할 수 있으며, 광고 집행을 위한 총 예산을 설정할 수 있다. 광고 제공 서버(100)는 총 예산을 광고 목표들 사이의 예산 비율에 따라 광고 목표 별로 예산을 분배하여, 분배된 목표 별 예산 내에서 광고 목표 별로 설정된 광고 매체를 통해 특정 횟수 및/또는 기간만큼 광고를 송출할 수 있다.

다시 도 2를 참조하면, 일 실시예에 따른 송출된 광고의 성과를 수집하는 단계는 복수의 광고 목표들 사이의 예산 비율에 따라 송출된 목표 별 광고의 성과를 수집하는 단계에 해당할 수 있다. 전술한 바와 같이, 광고주 단말(200)에 대응하여 설정되는 광고 목표는 대응되는 성과 수집이 가능한 목표를 포함할 수 있으며, 광고 제공 서버(100)에서 광고의 송출 횟수 또는 광고가 송출된 사용자의 단말의 수 등을 집계하거나, 다양한 전환 추적 방법에 따라 광고 목표 별로 광고의 성과를 수집할 수 있다.

수집된 광고 성과의 예는 도 4를 참조할 수 있다. 도 4는 광고주에 대응하여 브랜드 노출 증가, 웹사이트 방문 증가, 회원 수 증가, 구매 증가의 목표가 설정된 경우, 수집된 성과의 예시를 도시한 도면이다. 이하에서, 브랜드 노출 증가의 목표는 노출로, 웹사이트 방문 증가의 목표는 방문으로, 회원 수 증가의 목표는 가입으로, 구매 증가의 목표는 구매로 간략하게 지칭될 수 있다.

도 4를 참조하면, 복수의 회차에 걸쳐 반복적으로 광고를 집행할 수 있으며, 총 예산은 각 회차에 대응하여 설정될 수도 있고, 전체 회차에 대응하여 설정될 수도 있다. 전체 회차에 대응하여 총 예산이 설정되는 경우, 각 회차에 대응하는 예산은 총 예산을 각 회차 별로 균일하게 나누거나, 특정 회차에 가중치를 두어 나누는 등 회차 별 예산이 설정될 수 있다.

브랜드 노출 증가의 목표에 대응하는 광고의 성과(310)는 광고의 노출 횟수 및 광고가 노출된 고객의 수, 웹사이트 방문 증가의 목표에 대응하는 광고의 성과(320)는 광고주의 웹사이트의 방문 횟수, 회원 수 증가의 목표에 대응하는 광고의 성과(330)는 신규로 가입한 회원의 수, 구매 증가의 목표에 대응하는 광고의 성과(340)는 구매 횟수 및 구매 금액을 포함할 수 있다. 광고의 목표에 대응하여 수집된 광고의 목표 별 성과는 전환 추적 방법 등에 의해 측정될 수도 있고, 광고 전후의 차이에 기초하여 추정될 수도 있다. 예를 들어, 웹사이트의 방문 횟수는 광고로 인한 전환의 결과로 발생한 웹사이트의 방문 횟수를 광고의 추적 방법에 따라 측정하여 도출될 수도 있고, 광고 전후의 방문 횟수를 비교하여 광고로 인한 웹사이트 방문 횟수를 추정하여 도출될 수도 있다.

일 실시예에 따르면, 광고 제공 서버(100)는 수집된 광고 성과에 기초하여 목표 별 모객 단가를 획득할 수 있다. 모객 단가는 광고의 목표를 달성하기 위한 모객에 소요되는 광고 비용을 의미하는 것으로 예를 들어, 목표 별 모객 단가는 목표 별 예산을 목표 별 성과에 포함된 모객 수로 나누어 획득될 수 있다. 목표 별 예산은 총 예산에 목표 별 예산 비율을 곱하여 획득될 수 있다. 예를 들어, 노출 1000회당 광고 비용인 CPM(Cost Per Mille, Cost Per Thousand Impression), 방문 1회당 광고 비용인 CPC(Cost Per Click), 앱 설치 1회당 광고 비용인 CPI(Cost Per Install), 회원가입 1회당 광고 비용인 CPR(Cost Per Registration), 전환(예를 들어, 구매) 1회당 광고 비용인 CPA(Cost Per Action) 등이 목표 별 모객 단가에 해당할 수 있다.

예를 들어, 도 4의 2021.11.01일자의 광고 성과에서, 목표들 사이의 예산 비율이 1:1:1:1인 경우를 가정하면, CPM은 25000/1000 = 25원, CPC는 25000/1000 = 25원, CPR은 25000/2 = 12500원, CPA는 25000/1 = 25000원으로 획득될 수 있다.

일 실시예에 따르면, 광고 제공 서버(100)는 수집된 광고 성과에 기초하여 목표 별 잔존율 또는 이탈율을 획득할 수 있다. 잔존율은 광고주에 대응하여 설정된 복수의 광고 목표들이 미리 정해진 순서가 있는 일련의 시퀀스에 해당하는 경우, 특정 목표에 대응하는 잔존율(retention rate)은 이전 단계의 목표에 대응하는 광고 성과 대비 해당 목표에 대응하는 광고 성과의 비율을 의미하는 것으로, 해당 단계의 성과/이전 단계의 성과로 획득될 수 있다. 이탈율은 잔존율의 반대되는 개념으로 (1 - 잔존율)로 획득될 수 있다.

예를 들어, 노출, 방문, 가입 및 구매의 목표는 노출, 방문, 가입, 구매의 순서를 갖는 일련의 시퀀스에 해당한다고 할 때, 도 4의 2021.11.01일자의 광고 성과에서 횟수를 기준으로 방문에 대응하는 잔존율은 1,000/1000,000 = 0.001, 가입에 대응하는 잔존율은 2/1,000 = 0.002, 구매에 대응하는 잔존율은 1/2 = 0.5로 획득될 수 있다.

다시 도 2를 참조하면, 일 실시예에 따른 복수의 광고 목표들 사이의 예산 비율을 조정하는 단계는 수집된 성과를 반영하여 복수의 광고 목표들 사이의 예산 비율을 조정하는 단계에 해당할 수 있다. 광고 제공 서버(100)는 목표 별 광고의 성과를 분석하여 제한된 예산에서 광고 효율을 높이기 위하여 목표들 사이의 예산 비율을 조정하여 송출되는 목표 별 광고의 비율을 조정할 수 있다. 광고 제공 서버(100)는 광고 성과에 따라 예산 비율을 조정하여 반복적으로 광고를 집행하는 광고 제공 방법을 수행함으로써, 제한된 예산 내에서 효율적인 광고 집행 기술을 제공할 수 있다. 광고주 단말(200)은 자동적으로 광고를 집행하는 광고 제공 서버(100)를 이용하여, 광고 성과를 분석하거나 예산 비율을 다시 설정하지 않고 제한된 예산 내에서 효율적으로 목표 별 광고를 집행할 수 있다. 광고의 성과를 반영하여 예산 비율을 조정하는 단계는 도 6 이하에서 자세히 설명하도록 한다.

도 5는 일 실시예에 따른 광고 제공 서버(100)의 구성도이다.

도 5를 참조하면, 일 실시예에 따른 광고 제공 서버(100)는 통신부(110), 입력부(120), 출력부(130), 메모리(140), 전원 공급부(150) 및 제어부(160)를 포함할 수 있다.

도 5에 도시된 구성들은 본 발명의 실시 예들을 구현하기 위한 예시도이며, 당업자에게 자명한 수준의 적절한 하드웨어/소프트웨어 구성들이 광고 제공 서버(100)에 추가로 포함될 수 있다.

통신부(110)는 다양한 통신 방식을 통해 외부의 장치와 통신을 수행할 수 있다. 일례로, 통신부(110)는 광고주 서버(200) 및 사용자 단말(300)과 통신을 수행하여 다양한 데이터를 송수신할 수 있다.

입력부(120)는 광고 제공 서버(100)의 사용자인 운영자의 다양한 입력을 수신하여 제어부(160)로 전달할 수 있다. 특히, 입력부(120)는 터치 센서, (디지털) 펜 센서, 압력 센서, 키, 또는 마이크를 포함할 수 있다. 터치 센서는, 예를 들면, 정전식, 감압식, 적외선 방식, 또는 초음파 방식 중 적어도 하나의 방식을 사용할 수 있다. (디지털) 펜 센서는, 예를 들면, 터치 패널의 일부이거나, 별도의 인식용 쉬트를 포함할 수 있다. 키는, 예를 들면, 물리적인 버튼, 광학식 키, 또는 키패드를 포함할 수 있다. 마이크는 운영자 음성을 수신하기 위한 구성으로, 광고 제공 서버(100) 내부에 구비될 수 있으나, 이는 일 실시예에 불과할 뿐, 광고 제공 서버(100)의 외부에 구비되어 광고 제공 서버(100)와 전기적으로 연결될 수 있다.

출력부(130)는 다양한 화면을 제공할 수 있다.

메모리(140)는 광고 제공 서버(100)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 특히, 메모리(140)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(140)는 제어부(160)에 의해 액세스되며, 제어부(160)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 본 발명에서 메모리라는 용어는 메모리(140), 제어부(160) 내 롬(미도시), 램(미도시) 또는 광고 제공 서버(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함할 수 있다. 또한, 메모리(140)에는 출력부(130)의 디스플레이 영역에 표시될 각종 화면을 구성하기 위한 프로그램 및 데이터 등이 저장될 수 있다.

전원 공급부(150)는 제어부(160)의 제어에 의해 외부의 전원, 내부의 전원을 인가받아 각 구성요소들의 동작에 필요한 전원을 공급한다.

제어부(160)는 통신부(110), 입력부(120), 출력부(130), 메모리(140) 및 전원 공급부(150)와 전기적으로 연결되어, 광고 제공 서버(100)의 전반적인 동작 및 기능을 제어할 수 있다. 특히, 제어부(160)는 메모리(140)에 저장된 다양한 모듈을 이용하여 후술하는 기능을 제공할 수 있다.

이하에서 설명되는 광고 제공 서버(100) 상의 다양한 동작은 제어부(160)의 제어에 의해서 수행될 수 있다.

도 6은 제 1 실시예에 따른 광고 제공 방법의 흐름도로, 예산 비율을 조정하여 광고를 송출하는 광고 제공 방법을 설명하기 위한 도면이다.

도 6를 참조하면, 제 1 실시예에 따른 광고 제공 방법은 대상 광고주에 대응하여, 복수의 광고 목표들 사이의 예산 비율을 획득하는 단계(S100), 예산 비율에 따라 송출된 목표 별 광고의 성과를 수집하는 단계(S110), 목표 별 광고의 성과에 기초하여 목표 별 모객 단가를 획득하는 단계(S120), 목표 별 모객 단가에 기초하여, 목표 별 가격 경쟁력을 획득하는 단계(S130), 목표 별 가격 경쟁력에 기초하여, 예산 비율을 조정하는 단계(S140) 및 조정된 예산 비율에 기초하여, 목표 별 광고를 송출하는 단계(S150)를 포함할 수 있다.

일 실시예에 따를 때, 목표 별 가격 경쟁력을 획득하는 단계(S130)는 목표 별 모객 단가의 기준 값 및 목표 별 모객 단가에 기초하여, 목표 별 가격 경쟁력을 획득하는 단계를 포함할 수 있다. 목표 별 모객 단가의 기준 값은 광고 목표 별로 적어도 하나의 다른 광고주의 모객 단가를 참조하여 결정되는 값에 해당할 수 있으며, 예를 들어 전체 광고주의 해당 목표에 대응하는 모객 단가의 평균, 특정 업계의 광고주의 해당 목표에 대응하는 모객 단가의 평균 등을 포함할 수 있다. 가격 경쟁력은 다른 광고주들의 모객 단가와 비교한 대상 광고주에 대응하는 모객 단가의 상대적인 값으로 결정될 수 있으며, 대상 광고주의 목표 별 모객 단가가 모객 단가의 기준 값보다 작을 수록 큰 값으로 결정될 수 있다.

일 실시예에 따를 때, 목표 별 가격 경쟁력에 기초하여, 예산 비율을 조정하는 단계(S140)는 복수의 광고 목표들 사이의 목표 별 가격 경쟁력의 비율을 예산 비율로 설정함으로써, 예산 비율을 조정하는 단계를 포함할 수 있다. 복수의 광고 목표들 사이의 목표 별 가격 경쟁력의 비율은 복수의 목표들의 전체 가격 경쟁력에서 해당 목표의 가격 경쟁력이 차지하는 비율로, 예를 들어 해당 목표에 대응하는 가격 경쟁력을 복수의 목표들 각각에 대응하는 가격 경쟁력들의 합으로 나누어 획득될 수 있다.

예를 들어, 대상 광고주에 대응하는 복수의 목표가 노출 및 방문인 경우, 가격 경쟁력에 기초하여 예산 비율을 조정하는 방법을 설명한다.

x:y의 예산 비율로 노출 및 방문의 광고 목표 별 광고를 집행한 결과, 노출의 광고 목표에 대응하는 광고 성과인 노출 수는 a, 방문의 광고 목표에 대응하는 광고 성과인 방문 수는 b인 경우, 가격 경쟁력에 기초하여 예산 비율이 조정될 수 있다.

노출의 광고 목표의 경우, 모객 단가(CPM)는 전체 예산에 광고 비율(x)을 곱한 목표 별 광고 예산(전체 예산 * x)을 노출 수(a)로 나눈 값으로 획득될 수 있다. 방문의 광고 목표의 경우, 모객 단가(CPC)는 전체 예산에 광고 비율(y)을 곱한 목표 별 광고 예산(전체 예산 * y)을 노출 수(b)로 나눈 값으로 획득될 수 있다.

광고 목표 별 가격 경쟁력은 대상 광고주의 광고 목표 별 모객 단가가 적어도 하나의 다른 광고주의 광고 목표 별 모객 단가에 비해 가격 측면에서 경쟁력이 있는지 여부를 판단하기 위한 것으로, 다른 광고주들의 평균 모객 단가에 비해 가격이 낮을 수록 높은 값으로 결정될 수 있다. 다른 광고주들의 CPM 값들의 평균을 CPM’, 다른 광고주들의 CPC 값들의 평균을 CPC’라고 할 때, 노출 목표의 가격 경쟁력(pcm)은 CPM’/CPM, 방문 목표의 가격 경쟁력(pcc)은 CPC’/CPC로 결정될 수 있다. 여기서, 다른 광고주들은 전체 광고주들, 대상 광고주와 동종 업계의 광고주들, 또는 매출 상위 일부의 광고주들을 의미할 수 있다. 다른 광고주들의 평균 모객 단가를 대상 광고주의 모객 단가로 나누는 방식으로 가격 경쟁력을 도출하는 예를 도시하고 있으나, 다른 광고주들의 모객 단가 및/또는 대상 광고주의 모객 단가에 파라미터를 곱하여 가격 경쟁력을 도출하는 등 다른 광고주들의 모객 단가와 비교한 대상 광고주의 모객 단가의 가격 경쟁력을 도출하기 위하여 다양한 방법이 적용될 수 있다.

목표 별로 획득된 가격 경쟁력의 비율이 조정된 예산 비율로 결정될 수 있다. 조정된 예산 비율을 x':y’라고 할 때, 노출 목표의 예산 비율인 x’은 노출 목표의 가격 경쟁력인 pcm의 비율인 pcm/(pcm+pcc)로 결정될 수 있고, 방문 목표의 예산 비율인 y’은 방문 목표의 가격 경쟁력인 pcc의 비율인 pcc/(pcm+pcc)로 결정될 수 있다. 해당 목표의 모객 단가를 목표 별 모객 단가들의 합으로 나눈 값으로 가격 경쟁력의 비율을 계산하는 예를 설명하고 있으나, 목표 별 모객 단가에 목표 별 가중치를 두는 등 목표 별 가격 경쟁력의 비율을 도출하기 위하여 다양한 방법이 적용될 수 있다.

가격 경쟁력에 기초하여 예산 비율을 조정하는 방법은 모객 단가가 다른 광고주들의 평균 값을 하회하는 광고 목표의 비중을 늘리고, 상회하는 값은 비중을 줄여 예산 비율을 조정하는 방법에 해당할 수 있다. 예를 들어, 대상 광고주가 노출 50%, 방문 50%의 예산 비율로 광고를 집행 한 성과를 수집한 결과, CPM이 100원, CPC가 200원이고, 다른 광고주들의 평균 CPM은 150원, 평균 CPC는 190원일 경우 CPM은 시장보다 33%(1 - 100/150) 낮은 가격으로 집행하고 있고 CPC는 5.2%(1 - 200/190) 높은 가격으로 집행하고 있으므로, 높은 가격으로 집행되고 있는 방문의 광고 목표의 예산 비율을 줄이고, 낮은 가격으로 집행할 수 있는 노출의 광고 목표의 예산 비율을 높이는 방식으로 예산 비율이 조절될 수 있다. 예산 조정을 통해 낮은 가격으로 광고 효율을 낼 수 있는 목표의 광고가 송출되는 비중을 늘려, 제한된 예산 내에서 효율을 높일 수 있도록 복수의 목표들에 대응되는 광고의 집행 비율이 관리될 수 있다.

조정된 예산 비율에 따른 광고 목표 별 조정된 예산에 기초하여 목표 별로 광고가 다시 송출(S150)될 수 있으며, 광고 송출에 따른 성과를 수집(S110)하여 모객 단가 및 가격 경쟁력을 획득(S120, S130)하여 예산 비율을 조정(S140)하고 다시 광고를 송출(S150)하는 과정이 반복될 수 있다.

일 실시예에 따를 때, 광고 송출(S150) 이후 종료 조건의 만족 여부가 판단(S160)될 수 있으며, 종료 조건에 해당하는 경우 광고 제공 방법의 과정은 종료될 수 있고, 종료 조건에 해당하지 않는 경우 단계(S110) 내지 단계(S150)의 과정이 반복될 수 있다. 일 실시예에 따른 종료 조건은 반복 횟수, 총 예산, 성과 달성 여부 등으로 설정될 수 있다. 예를 들어, 광고 송출의 횟수가 10회로 설정된 경우, 10회의 광고 송출 조건이 만족된 경우 종료될 수 있고, 광고 집행의 총 예산이 특정 금액으로 설정된 경우, 설정된 금액의 소진된 경우 종료될 수 있으며, 광고 집행으로 달성하려는 목표가 설정된 경우, 목표가 달성된 경우 종료될 수 있다.

다른 실시예에 따른 광고 제공 방법은 목표 별 광고의 성과에 기초하여 목표 별 잔존율을 획득하는 단계, 목표 별 잔존율에 기초하여, 목표 별 병목도를 획득하는 단계를 더 포함할 수 있다. 이 경우, 일 실시예에 따른 예산 비율을 조정하는 단계(S140)는 목표 별 가격 경쟁력 및 목표 별 병목도에 기초하여, 예산 비율을 조정하는 단계를 포함할 수 있다.

다른 실시예에 따를 때, 대상 광고주에 대응하는 복수의 목표들은 미리 정해진 순서가 있는 일련의 시퀀스에 해당할 수 있으며, 목표 별 잔존율을 획득하는 단계는 복수의 목표들 각각에 대응하여, 해당하는 목표의 모객 수를 이전 목표의 모객 수로 나누어 해당하는 목표의 잔존율을 획득하는 단계를 더 포함할 수 있다.

다른 실시예에 따를 때, 목표 별 병목도를 획득하는 단계는 목표 별 잔존율의 기준 값 및 목표 별 잔존율에 기초하여, 목표 별 병목도를 획득하는 단계를 포함할 수 있다. 목표 별 잔존율의 기준 값은 광고 목표 별로 적어도 하나의 다른 광고주의 잔존율을 참조하여 결정되는 값에 해당할 수 있으며, 예를 들어 전체 광고주의 해당 목표에 대응하는 잔존율의 평균, 특정 업계의 광고주의 해당 목표에 대응하는 잔존율의 평균 등을 포함할 수 있다. 병목도는 다른 광고주들의 잔존율과 비교한 대상 광고주에 대응하는 잔존율의 상대적인 값으로 결정될 수 있으며, 대상 광고주의 목표 별 잔존율이 기준 값보다 작을 수록 큰 값으로 결정될 수 있다.

다른 실시예에 따를 때, 목표 별 가격 경쟁력 및 병목도에 기초하여, 예산 비율을 조정하는 단계는 복수의 광고 목표들 사이의 목표 별 가격 경쟁력의 비율 및 병목도의 비율의 평균을 예산 비율로 설정함으로써, 예산 비율을 조정하는 단계를 포함할 수 있다. 복수의 광고 목표들 사이의 목표 별 병목도의 비율은 복수의 목표들의 전체 병목도에서 해당 목표의 병목도가 차지하는 비율로, 예를 들어 해당 목표에 대응하는 병목도를 복수의 목표들 각각에 대응하는 병목도들의 합으로 나누어 획득될 수 있다. 복수의 광고 목표들 사이의 목표 별 가격 경쟁력의 비율 및 병목도의 비율의 평균은 산술 평균, 기하 평균, 조화 평균 등을 포함할 수 있으며, 가격 경쟁력의 비율 및 병목도의 비율에 서로 다른 가중치를 두어 평균을 계산할 수도 있다. 이하에서는, 복수의 광고 목표들 사이의 목표 별 가격 경쟁력의 비율 및 병목도의 비율의 조화 평균에 기초하여 예산 비율을 조정하는 경우를 예로 들어 설명한다.

예를 들어, 대상 광고주에 대응하는 복수의 목표가 노출, 방문 및 전환인 경우, 가격 경쟁력 및 병목도에 기초하여 예산 비율을 조정하는 방법을 설명한다.

x:y:z의 예산 비율로 노출, 방문 및 전환의 광고 목표 별 광고를 집행한 결과, 노출의 광고 목표에 대응하는 광고 성과인 노출 수는 a, 방문의 광고 목표에 대응하는 광고 성과인 방문 수는 b, 전환의 광고 목표에 대응하는 광고 성과인 전환 수는 c인 경우, 가격 경쟁력 및 병목도에 기초하여 예산 비율이 조정될 수 있다.

광고 성과에 기초하여 모객 단가, 가격 경쟁력 및 가격 경쟁력의 비율을 획득하는 단계는 전술한 단계와 동일하다.

대상 광고주에 대응하는 광고 목표들이 노출, 방문, 전환의 순서의 시퀀스를 구성할 때, 첫번째 광고 목표인 노출의 경우 이전 목표가 존재하지 않으므로 잔존율을 획득할 수 없다. 두번째 광고 목표인 방문의 경우, 방문의 모객 수 (b)를 이전 목표인 노출의 모객 수(a)로 나눈 값(b/a)이 광고 목표의 잔존율(RC)로 획득될 수 있다. 세번째 광고 목표인 전환의 경우, 전환의 모객 수 (c)를 이전 목표인 노출의 모객 수(b)로 나눈 값(c/b)이 광고 목표의 잔존율(RA)로 획득될 수 있다. 도 6에서는 이전 목표의 모객 수를 바로 직전 단계의 목표의 모객 수인 경우를 예로 들어 설명하였으나, 일 실시예에 따를 때, 이전 목표의 모객 수는 바로 직전 단계의 목표의 모객 수뿐만 아니라 해당 목표의 전에 해당하는 모든 목표의 모객 수들의 합으로 계산될 수 있다. 예를 들어, 전환의 잔존율은 c/b가 아니라 c/(a+b)로 계산될 수 있다.

광고 목표 별 병목도는 대상 광고주의 광고 목표 별 잔존율이 적어도 하나의 다른 광고주의 광고 목표 별 잔존율에 비해 낮은지 여부를 판단하기 위한 것으로, 다른 광고주들의 평균 병목도에 비해 낮을수록 높은 값으로 결정될 수 있다. 다른 광고주들의 방문의 잔존율의 평균을RC', 다른 광고주들의 전환의 잔존율의 평균을 RA'라고 할 때, 방문 목표의 병목도(brc)는 RC'/RC, 전환 목표의 병목도(bra)는 RA'/RA로 결정될 수 있다. 여기서, 다른 광고주들은 전체 광고주들, 대상 광고주와 동종 업계의 광고주들, 또는 매출 상위 일부의 광고주들을 의미할 수 있다. 도다른 광고주들의 평균 잔존율을 대상 광고주의 잔존율로 나누는 방식으로 병목도를 도출하는 예를 도시하고 있으나, 다른 광고주들의 잔존율 및/또는 대상 광고주의 잔존율에 파라미터를 곱하여 병목도를 도출하는 등 다른 광고주들의 잔존율과 비교한 대상 광고주의 잔존율의 병목도를 도출하기 위하여 다양한 방법이 적용될 수 있다.

목표 별로 획득된 가격 경쟁력의 비율 및 병목도의 비율의 조화 평균으로 목표 별 조정 계수가 획득될 수 있으며, 조정 계수의 비율이 조정된 예산 비율로 결정될 수 있다. 첫번째 단계인 노출의 경우 잔존율 및 병목도가 획득될 수 없으므로, 노출의 조정 계수(rm)는 가격 경쟁력의 비율(pm)로 획득될 수 있다. 방문의 조정 계수(rc)는 가격 경쟁력의 비율(pc) 및 병목도의 비율(qc)의 조화 평균(2pcqc/(pc + qc))으로 결정될 수 있으며, 전환의 조정 계수(ra)는 가격 경쟁력의 비율(pa) 및 병목도의 비율(qa)의 조화 평균(2paqa/(pa + qa))으로 결정될 수 있다.

조정된 예산 비율을 x':y':z'라고 할 때, 노출 목표의 예산 비율인 x'은 노출 목표의 조정 계수(rm)의 비율인 rm/(rm+rc+ra)로 결정될 수 있고, 방문 목표의 예산 비율인 y'은 방문 목표의 조정 계수(rc)의 비율인 rc/(rm+rc+ra)로 결정될 수 있으며, 전환 목표의 예산 비율인 z'은 전환 목표의 조정 계수(ra)의 비율인 ra/(rm+rc+ra)로 결정될 수 있다. 해당 목표의 조정 계수를 목표 별 조정 계수들의 합으로 나눈 값으로 조정 계수의 비율을 계산하는 예를 설명하고 있으나, 목표 별 조정 계수에 목표 별 가중치를 두는 등 목표 별 조정 계수의 비율을 도출하기 위하여 다양한 방법이 적용될 수 있다.

도 7은 제 2 실시예에 따른 광고 제공 방법의 흐름도로, 마케팅 퍼널에서 병목 단계를 해소하도록 예산 비율을 조정함으로써, 반복적으로 광고를 송출하는 광고 제공 방법을 설명하기 위한 도면이다. 다른 실시예에 따르면, 병목 단계는 마케팅 퍼널에 포함된 복수의 광고 목표들 중 광고의 전체적인 성과를 제한하는 어느 하나의 광고 목표를 의미할 수 있다.

도 7을 참조하면, 제 2 실시예에 따른 광고 제공 방법은 대상 광고주에 대응하여, 복수의 광고 목표들 사이의 예산 비율에 따라 송출된 목표 별 광고의 성과를 수집하는 단계(S200), 목표 별 광고의 성과에 기초하여, 목표 별 모객 단가 및 목표 별 잔존율을 획득하는 단계(S210) 및 목표 별 모객 단가에 기초하여, 목표 별 가격 경쟁력을 획득하고, 목표 별 잔존율에 기초하여, 목표 별 병목도를 획득하는 단계(S220), 목표 별 가격 경쟁력 및 목표 별 병목도 중 적어도 하나에 기초하여, 목표 별 광고의 성과에 대응하는 마케팅 퍼널에서 병목 단계를 식별하는 단계(S230), 병목 단계를 해소하도록 예산 비율을 조정하는 단계(S240), 및 조정된 예산 비율에 기초하여, 목표 별 광고를 송출하는 단계(S250)를 포함할 수 있다.

'마케팅 퍼널(Marketing Funnel)'이란 잠재 고객이 제품 또는 서비스를 인지하고, 제품 또는 서비스와 관련된 웹사이트를 방문하여 회원가입, 구매 등의 전환이 발생하기까지의 일련의 프로세스를 단계 별로 나누어, 각 단계에 도달한 고객의 수치를 깔때기 형상으로 나타낸 것이다.

도 8을 참조하면, 각 단계(810 내지 850)에 도달한 고객의 수치를 단계 별로 시각화하여 표시할 수 있다. 마케팅 퍼널은 고객이 어느 단계에서 이탈하는지를 파악하고, 이탈 원인을 개선하여 전환율을 높이기 위한 마케팅 전략의 수립에 이용될 수 있다.

도 9를 참조하면, 마케팅 퍼널은 ATTENTION 단계, INTEREST 단계, SEARCH 단계, ACTION 단계, SHARE 단계로 구성될 수 있다. 각 단계에 대해 설명하면, ATTENTION 단계는 사용자가 광고의 브랜드 또는 업체에 대한 인지가 필요한 단계로, 사용자가 광고 관련 사이트에 유입시키기 위한 마케팅 전략이 필요한 단계이다. INTEREST 단계, SEARCH 단계는 사용자가 광고 관련 사이트에 유입된 경우, 유입된 사용자가 광고 관련 상품이나 서비스에 흥미와 관심을 가지게 하고, 광고 관련 상품이나 서비스를 적극적으로 찾아보도록 유도하는 마케팅 전략이 필요한 단계이다. ACTION 단계, SHARE 단계 사용자가 광고 관련 상품이나 서비스에 흥미과 관심을 가지고 있다는 판단하에, 사용자가 직접 상품이나 서비스를 구매하고, 구매 경험을 공유하여 재구매가 발생하도록 유도하는 마케팅 전략이 필요한 단계이다.

다른 실시예에 따른 광고 제공 방법은 목표 별 가격 경쟁력 및 목표 별 병목도 중 적어도 하나에 기초하여, 예산 비중을 높일 광고 목표가 마케팅 퍼널에서 병목 단계로 식별될 수 있다. 예를 들어, 특정 목표의 가격 경쟁력이 다른 목표의 가격 경쟁력보다 높은 경우, 해당 목표가 병목 단계로 식별되어 해당 목표의 광고 송출을 위한 예산 비율이 증가될 수 있다. 또는 특정 목표의 병목도가 다른 목표의 병목도보다 높은 경우, 해당 목표가 병목 단계로 식별되어 해당 목표의 광고 송출을 위한 예산 비율이 증가될 수 있다.

일 실시예에 따른 예산 비율은 전술한 방법에 따라 조정될 수 있다. 예산 비율 조정 방법에 따라 병목 단계로 식별된 목표의 예산 비율을 늘려, 병목 단계로 식별된 목표의 광고의 비중을 늘림으로써, 병목 단계가 해소되는 방향으로 목표 별 광고가 집행될 수 있다.

도 10은 일 실시예에 따른 광고 예산 예측 장치(102)와 트레이닝 장치(101)를 도시한 도면이다.

일 실시예는 학습 모델(103)을 이용한 광고 예산 예측 방법 및 장치와 학습 모델(103)의 트레이닝 방법 및 장치에 관한 것으로 모수 유저의 특징을 이용하여 광고 예산을 예측하는 학습 모델(103)을 트레이닝하고, 트레이닝된 학습 모델(103)을 이용하여 실제 광고에 사용될 광고 예산을 예측하는 방법 및 장치에 관한 것이다.

모수 유저란 특정 광고에 대해 전환이 발생할 가능성이 높은 유저를 의미한다. 전환이 발생하는 경우란 타겟 유저가 그 특정 광고에 접근하여 그 특정 광고의 광고주 홈페이지에서 그 광고주의 매출과 연관된 이벤트(예: 회원가입, 구매, 앱 설치, 앱 구매, 장바구니, 톡 참여, 톡 가입 등)를 수행한 경우를 의미한다.

따라서, 타겟 유저가 특정 광고에 접근했더라도 매출과 관련된 이벤트의 수행없이 다시 전환이 발생한 유저라 볼 수 없다. 즉, 전환에 대한 이벤트란, 광고주의 매출와 연관된 이벤트를 의미한다.

도 10을 참조하면, 트레이닝 장치(101)는 학습 데이터(104)를 이용하여 학습 모델(103)을 트레이닝하며, 광고 예산 예측 장치(102)는 트레이닝된 학습 모델(103)을 이용하여 모수 유저의 특징 데이터(feature)(105)에 따라 광고 별로 광고 예산을 예측한다.

일례로, 도 10과 같이, A, B, C 3개의 광고가 있을 때 학습 모델(103)은 광고 별로 생성되며, 광고 제공 장치(100)는 모든 광고들에 대하여 각각의 학습 모델(103)을 이용하여 각 광고에 대한 광고 예산(106, 107, 108)를 예측한다.

학습 데이터(104)는 시드 유저(seed user) 및 논시드 유저(non-seed user)의 특징 데이터들로 구성된다. 시드 유저는 일정 기간 동안 광고에 대한 전환이 발생한 유저를 의미하고, 논시드 유저는 일정 기간 동안 광고에 대한 전환이 발생하지 않은 유저를 의미한다. 따라서, 시드 유저 및 논시드 유저는 광고마다 달라질 수 있으며, 동일한 유저라도 광고에 따라 시드 유저이거나 논시드 유저일 수 있다.

구체적으로, 학습 데이터(104)에서 실제 전환이 발생한 시드 유저의 특징 데이터는 정답 레이블로 이용되고, 트레이닝 장치(101)는, 학습 모델(103)이 시드 유저와 논시드 유저로 구성되는 트레이닝 유저들의 특징 데이터에 기초하여, 트레이닝 유저들 중 시드 유저를 모수 유저로 예측하고 예측된 모수 유저의 수에 따라 광고 예산을 예측하도록 학습 모델(103)을 트레이닝한다. 이 때, 논시드 유저는 시드 유저에 비해 많기 때문에 임의로 네거티브 샘플링(negative sampling)을 통해 식별될 수 있다.

특징 데이터(105)란, 일정 기간 동안, 시드 유저, 논시드 유저 및 타겟 유저가 온라인에서 광고와 관련하여 수행한 행위(클릭, 입력 등)에 대한 로그 기록을 의미할 수 있다. 일례로, 특징 데이터는 SDK & Pixel, MAT(Mobile App Tracking), MMP(Mobile Measurement Partner) 등을 통해 획득될 수 있다. 따라서, 시드 유저나 논시드 유저는 기존에 수집된 유저들의 특징 데이터에 기초하여 광고 별로 미리 결정될 수 있다.

특징 데이터들은 광고 마다 달라질 수 있고, 전환에 대한 이벤트를 포함한다. 예를 들어, 광고에 대한 클릭은 전환에 대한 이벤트는 아니나 특징 데이터의 한 종류일 수 있다. 그리고, 광고주의 홈페이지로 접근한 이후 특정 배너를 클릭하거나 하는 등의 행위들도 특징 데이터의 한 종류일 수 있다. 그리고, 가입이나, 장바구니와 같은 전환에 대한 이벤트도 특징 데이터의 한 종류일 수 있다.

이 때, 특징 데이터는 특정 홈페이지나 앱에서 유저가 수행한 행위에 대한 것을 기준으로 결정될 수 있고, 또는 특정 브라우저(예: Explorer), 하드웨어(예: PC, 스마트폰)를 기준으로 유저가 수행한 행위로 결정될 수 있다.

일례로, 학습 과정에서, 트레이닝 장치(101)는 시드 유저와 논시드 유저를 1:2의 비율로 식별하고, 이들을 트레이닝 및 유효화 세트와 테스트 세트로 구분하여 학습 모델(103)의 트레이닝에 이용할 수 있다.

다만, 특정 광고에 대하여 학습 모델(103)을 트레이닝하기 위해서는, 일정 수 이상의 시드 유저가 요구된다. 예를 들어, 500개 이상의 시드가 있는 광고에 대해서 학습 모델(103)의 트레이닝 과정이 처리될 수 있다. 시드 유저가 일정 수 이상이 안되는 경우, 학습 모델(103)이 모수 유저를 정확히 예측하기 어렵기 때문이다.

그리고, 특정 광고에 대한 시드 유저가 일정 수 보다 적은 경우, 특정 광고가 속하는 광고주에 포함된 다른 광고들의 시드 유저들이 이용될 수 있다. 구체적으로, 트레이닝 장치(101)는 특정 광고주에 속하는 광고들에 대한 시드 유저들을 학습 데이터(104)로 그 특정 광고주에 대한 학습 모델(103)을 트레이닝할 수 있다.

또한, 특정 광고주에 속하는 광고들에 대한 시드 유저도 일정 수 보다 적은 경우, 특정 광고주와 동일한 특징을 가진 광고주들의 그룹인 광고주 그룹에 포함된 다른 광고들의 시드 유저들이 이용될 수 있다. 구체적으로, 트레이닝 장치(101)는 특정 광고주 그룹에 속하는 광고들에 대한 시드 유저들을 학습 데이터(104)로 그 특정 광고주에 대한 학습 모델(103)을 트레이닝할 수 있다.

즉, 광고 예산 예측 과정에서, 특정 광고에 대하여 트레이닝된 학습 모델(103)이 없으나, 특정 광고가 속하는 광고주 또는 광고주 그룹에 대한 학습 모델(103)이 있는 경우, 광고 예산 예측 장치(102)는 그 광고주 또는 광고주 그룹에 대한 학습 모델(103)을 이용하여 그 특정 광고에 대한 모수 유저를 예측한다.

다른 예로, 광고 예산 예측 장치(102)는 광고주 또는 광고주 그룹에 대한 학습 모델(103)에 타겟 유저의 특징 데이터(105)를 입력하여 특정 광고에 대한 광고 예산을 예측할 수 있다.

광고 예산 예측 장치(102) 및 트레이닝 장치(101)는 모두 광고 제공 서버(100)의 프로세서에 대응하는 장치이며, 각각 동일한 프로세서에 대응할 수 있고, 또는 각자 다른 프로세서에 대응할 수 있다. 그리고, 광고 예산 예측 장치(102)는 일 실시예의 광고 예산 예측 방법을 수행하며, 트레이닝 장치(101)는 일 실시예의 트레이닝 방법을 수행한다.

도 11은 제 3 실시예에 따른 광고 제공 방법의 흐름도로, 제 3 실시예에 따른 광고 예산 예측 방법을 플로우 차트로 도시한 도면이다.

단계(S300)에서, 광고 예산 예측 장치(102)는 광고 별로 광고 예산을 예측하는 학습 모델의 유무를 판단한다. 앞서 설명한 것처럼, 특정 광고에 대한 시드 유저가 부족한 경우 트레이닝된 학습 모델이 없다. 따라서, 광고 예산 예측 장치(102)는 광고 별로 광고 예산 예측의 방법을 달리한다.

단계(S310)에서, 광고 예산 예측 장치(102)는 광고에 대한 학습 모델이 있는 경우, 광고에 대한 학습 모델을 이용하여 광고 예산을 예측한다. 이 때, 학습 모델은 그 광고에 대해 미리 트레이닝된 학습 모델이다.

광고 예산 예측 장치(102)는, 타겟 유저들의 특징 데이터들을 수집하고, 타겟 유저의 특징 데이터에서 그 광고에 대한 전환과 연관된 특징 데이터를 추출한다. 그리고, 광고 예산 예측 장치(102)는 추출된 특징 데이터를 트레이닝된 학습 모델에 입력함으로써 타겟 유저들 중 모수 유저를 결정하고, 결정된 모수 유저에 따라 광고 예산을 결정한다.

단계(S320)에서, 광고 예산 예측 장치(102)는 광고에 대한 학습 모델이 없는 경우, 광고가 속하는 광고주에 대해 미리 학습된 학습 모델의 유무를 판단한다. 예를 들어, A 메이커의 신발과 관련된 광고인 경우, A 메이커에 대한 시드 유저가 부족하더라도, 광고주인 A 메이커의 의류, 선그라스 등 다양한 광고에 대한 시드 유저들이 있을 수 있다.

단계(S330)에서, 광고 예산 예측 장치(102)는 그 광고주에 대한 학습 모델이 있는 경우, 해당 광고주에 대한 학습 모델을 이용하여 광고 예산을 예측한다.

광고 예산 예측 장치(102)는, 타겟 유저들의 특징 데이터를 수집하고, 타겟 유저의 특징 데이터에서 그 카테고리에 속하는 광고들의 전환과 연관된 특징 데이터를 추출한다. 그리고, 광고 예산 예측 장치(102)는 추출된 특징 데이터를 트레이닝된 학습 모델에 입력함으로써 타겟 유저들 중에서 모수 유저를 결정할 수 있으며, 결정된 모수 유저에 따라 광고 예산을 결정할 수 있다.

광고 예산 예측 장치(102)는, 결정된 모수 유저의 수에 따라 광고 예산을 결정할 수 있다. 일례로, 광고 예산 예측 장치(102)는 모수 유저의 수가 클수록 해당 광고의 예산 또는 예산 비율을 높일 수 있으며, 모수 유저의 수가 작을수록 해당 광고의 예산 또는 예산 비율을 줄일 수 있다.

광고 예산 예측 장치(102)는, 결정된 모수 유저 전체를 이용하지 않고, 모수 유저 중 특정 특징을 가진 모수 유저의 수에 따라 광고 예산을 결정할 수 있다. 일례로, 광고 예산 예측 장치(102)는 결정된 모수 유저 중 남자 유저의 수를 이용하여 광고 예산을 예측할 수 있고, 결정된 모수 유저 중 대학생 유저의 수를 이용하여 광고 예산을 예측할 수 있다.

단계(S340)에서, 광고 예산 예측 장치(102)는 광고주에 대한 학습 모델이 없는 경우, 광고주 그룹에 대해 미리 학습된 학습 모델의 유무를 판단한다. 예를 들어, A 광고주와 관련된 광고인 경우, A 광고주와 같은 특징을 가지는 광고주들의 그룹인 광고주 그룹의 다양한 광고에 대한 시드 유저들이 있을 수 있다.

단계(S350)에서, 광고 예산 예측 장치(102)는 그 광고주 그룹에 대한 학습 모델이 있는 경우, 해당 광고주 그룹에 대한 학습 모델을 이용하여 광고 예산을 예측한다.

그리고, 단계(S360)에서, 광고 예산 예측 장치(102)는 그 광고주 그룹에 대한 학습 모델이 없는 경우, 구매력이 높은 유저들을 모수 유저로 예측하고, 예측된 모수 유저를 이용하여광고 예산을 예측한다. 구체적으로, 광고 예산 예측 장치(102)는 광고주 그룹에 대한 학습 모델이 없는 경우, 타겟 유저들의 전환에 대한 기록에 기초하여 모수 유저를 예측하고, 예측된 모수 유저를 이용하여 광고 예산을 예측한다.

일례로, 구매력이 높은 유저는 광고의 종류나 카테고리와 관계없이 광고 노출에 대하여 전환이 다른 유저들보다 많이 발생한 유저를 의미하며, 타겟 유저들의 전환에 대한 기록들에 기초하여 일정 기간 동안 임의의 광고에 대한 전환 발생 횟수가 가장 많은 유저들을 모수로 예측할 수 있다.

일 실시예는 전술한 제 3 실시예에 따라 광고 예산을 예측하고, 예측된 광고 예산에 기초하여 광고를 송출할 수 있다. 그리고, 일 실시예는 송출된 광고 별 성과를 획득할 수 있으며, 전술한 제 1 실시예 또는 제 2 실시예에 따라 획득한 광고 별 성과에 기초하여 광고 별 예산 비율을 조정할 수 있다.

도 12는 일 실시예에 따른 학습 모델의 트레이닝 과정을 도식화한 도면이다.

학습 모델의 트레이닝 과정에서, 시드 유저(402, 403) 및 논시드 유저(401)로 구성되는 트레이닝 유저(400)의 특징 데이터(411-412)들은 트레이닝 장치(101)의 학습 모델에 입력된다. 도 12에서, 광고 1에 대한 시드 유저(402)는 광고 2에 대해 논시드 유저이다. 마찬가지로, 광고 2에 대한 시드 유저(403)은 광고 1에 대해 논시드 유저이다. 그리고, 논시드 유저(401)은 어느 광고에 대해서도 시드 유저가 아니다.

트레이닝 장치(101)는 광고 별로 시드 유저의 특징 데이터들(411, 412)에서 전환의 발생과 연관성 높은 특징 데이터들을 광고 별로 결정한다. 전환의 발생과 연관성 높은 특징 데이터는 특징 데이터의 중요도로 결정된다.

특정 특징 데이터에 대한 중요도를 결정하기 위해, 트레이닝 장치(101)는 특정 특징 데이터를 가지고 있는 시드 유저와 특정 특징 데이터를 가지고 있는 논시드 유저를 비교함으로써 특정 특징 데이터의 중요도를 결정하고, 중요도가 높은 순으로 특징 데이터들을 추출한다.

구체적으로, 트레이닝 장치(101)는 시드 유저들 중 특정 특징 데이터를 가지고 있는 시드 유저의 비율과 논시드 유저들 중 특정 특징 데이터를 가지고 있는 논시드 유저의 비율 간의 차이를 이용하여 특정 특징 데이터의 중요도를 결정할 수 있다.

다시 말해, 시드 유저들 중 특정 특징 데이터를 가지고 있는 시드 유저의 비율이 클수록, 특정 특징 데이터의 중요도가 높게 결정되며, 논시드 유저들 중 특정 특징 데이터를 가지고 있는 논시드 유저의 비율이 클수록, 특정 특징 데이터의 중요도가 낮게 결정된다.

트레이닝 장치(101)는 특정 광고에 대해 중요도가 가장 높은 특징 데이터들을 이용하여 그 광고에 대한 학습 모델의 트레이닝을 수행한다. 일례로, 도 12를 참조하면, 광고 1에 대한 시드 유저(402)의 특징 데이터(411)가 A, B, C, D 등이 있을 때, 트레이닝 장치(101)는 각 특징 데이터(411)들의 광고 1에 대한 중요도를 결정하고, 중요도가 가장 높은 특징 데이터 B, D (421)를 학습 모델의 트레이닝에 이용한다.

다른 예로, 광고 2에 대한 시드 유저(403)의 특징 데이터(412)가 E, B, C, H 등이 있을 때, 트레이닝 장치(101)는 각 특징 데이터(412)들의 광고 2에 대한 중요도를 결정하고, 중요도가 가장 높은 특징 데이터 E, H (422)를 학습 모델의 트레이닝에 이용한다. 이 때, 특징 데이터 B는 시드 유저들(402, 403)에 공통적으로 포함된 특징 데이터이지만 광고에 따라 특징 데이터의 중요도가 다르기 때문에 광고 2에서 중요도가 높은 특징 데이터로 결정되지 않았다.

그리고, 트레이닝 장치(101)는, 일정 기간 동안 추출된 특징 데이터들의 수가 기준 범위 이상인 경우, 추출된 특징 데이터들에 대한 기록을 삭제할 수 있다. 이는 메모리 낭비를 방지하고, 성능을 높이기 위함이다.

트레이닝 장치(101)는 다시 광고 별로 시드 유저들의 특징 데이터를 식별한다. 그리고, 트레이닝 장치(101)는 식별된 특징 데이터들 중 광고에 대한 전환과 연관되는 특징 데이터들을 다시 추출한다.

트레이닝 장치(101)는 시드 유저(402, 403) 및 논시드 유저(401)들을 포함하는 트레이닝 유저(400)의 특징 데이터(411-412) 중 중요도가 높은 피처(421-422)들을 학습 모델(431, 432)에 입력한다. 이 때, 모든 논시드(401) 유저가 트레이닝 유저(400)로 입력되지 않을 수 있고, 시드 유저(402, 403)와 비율을 고려하여 임의로 샘플링될 수 있다. 이 때 네거티브 샘플링이 이용될 수 있다.

트레이닝 장치(101)는 시드 유저(402, 403)의 특징 데이터를 정답 레이블로 하여, 학습 모델(431, 432)이 트레이닝 유저(400)들 중 시드 유저(402, 403)를 모수로 예측하도록 트레이닝 한다. 즉, 트레이닝 장치(101)는 학습 모델(431, 432)이 예측한 모수 유저와 시드 유저의 차이가 최소화되도록 학습 모델(431, 432)을 트레이닝한다.

구체적으로, 트레이닝 유저들의 특징 데이터들 중 중요도가 높은 특징 데이터(421, 422)들이 학습 모델에 입력되고, 학습 모델은 트레이닝 유저들의 특징 데이터(421, 422)에 기초하여 시드 유저를 예측하도록 트레이닝 된다.

그리고, 트레이닝 장치(101)는 학습 모델로 예측한 모수 유저와 시드 유저의 차이를 계산하는 손실 함수(441, 442)를 이용한다. 구체적으로, 트레이닝 장치(101)는 손실 함수의 값이 최소가 되도록 학습 모델에 포함된 가중치를 업데이트하여 학습 모델을 트레이닝할 수 있다.

일례로, 트레이닝 장치(101)는 특정 광고에 대한 학습 모델로 트레이닝 유저들의 시드일 확률을 결정할 수 있다. 그리고, 트레이닝 장치(101)는 그 확률이 가장 높은 순으로 트레이닝 유저들 중에서 모수 유저를 결정할 수 있다. 이 때, 결정된 확률이 가장 높은 상위 트레이닝 유저들은 일정 수만큼 저장될 수 있다.

그리고, 결정된 확률이 가장 높은 상위 모수들 중 대부분이 모수로 결정되는 경우, 오버피팅(overfitting)이 발생한 것으로 보고, 에포크(epoch), 이터레이션(iteration)를 줄이는 방향으로 재설정된다. 오버피팅(overfitting)의 발생을 방지하기 위하여, 트레이닝 장치(101)는 최소 기준을 미리 설정하고, 손실 함수의 값이 최소 기준보다 작게되면 그 광고에 대한 학습을 중단한다.

최소 기준은 시드 유저의 수에 기초하여 결정된다. 시드 유저의 수가 클수록 최소 기준은 적은 값으로 결정되며, 시드 유저의 수가 적을수록 최소 기준은 높은 값으로 결정된다. 그리고, 트레이닝 장치(101)는 트레이닝 유저를 구성하는 논시드 유저의 네거티브 샘플링 비율을 조정함으로써 결정된 스코어를 보정할 수 있다.

일례로, 본 발명의 학습 모델은 딥러닝 기반의 네트워크 모델일 수 있다. 구체적으로, 학습 모델은 i) 입력 데이터에 대한 회귀 분석 결과를 출력하는 학습 모델(예: logistic regression)과 ii) 복수의 레이어를 가지며 입력 데이터에 대한 일반화된(generalized) 결과를 출력하는 학습 모델(예: deep neural network)이 결합되어, 상호 보완하는 학습 모델일 수 있다.

일례로, 도 12를 참조하면, 광고 1은 학습 모델(431)이 이용되며, 광고 2는 학습 모델(432)가 이용된다고 할 때, 학습 모델(431)에는 트레이닝 유저(400)의 특징 데이터(421)가 입력되며, 시드 유저(402)의 특징 데이터가 정답 레이블로 입력된다. 학습 모델(432)에는 트레이닝 유저(400)의 특징 데이터(422)가 입력되며, 시드 유저(403)의 특징 데이터가 정답 레이블로 입력된다.

도 13은 일 실시예에 따른 사용자 단말(300)의 구성도이다. 이하, 도 13에 도시된 사용자 단말(300)를 구성하는 구성요소들에 대해 차례로 살펴본다.

무선 통신부(310)는 사용자 단말(300)와 무선 통신 시스템 사이의 무선 통신 또는 사용자 단말(300)와 사용자 단말(300)가 위치한 네트워크 사이의 무선 통신을 수행하는 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 무선 통신부(310)는 방송 수신 모듈(311), 이동통신 모듈(312), 무선 인터넷 모듈(313), 근거리 통신 모듈(314) 및 위치정보 모듈(315) 등을 포함할 수 있다.

방송 수신 모듈(311)은 방송 채널을 통하여 외부의 방송 관리 서버로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 여기에서, 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 한편, 방송 관련 정보는 이동통신망을 통하여도 제공될 수 있으며, 이러한 경우에는 이동통신 모듈(312)에 의해 수신될 수 있다.

또한, 이동통신 모듈(312)은 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.

무선 인터넷 모듈(313)은 무선 인터넷 접속을 위한 모듈을 말하는 것으로, 사용자 단말(300)에 내장되거나 외장 될 수 있다.

근거리 통신 모듈(314)은 근거리 통신을 위한 모듈을 말한다. 근거리 통신 기술로, 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(IrDA, infrared Data Association), UWB(Ultra Wideband), ZigBee 등이 이용될 수 있다.

또한, 위치정보 모듈(115)은 사용자 단말(300)의 위치를 확인하거나 얻기 위한 모듈이다. 일례로 GPS(Global Position System) 모듈을 들 수 있다. GPS 모듈은 복수 개의 인공위성으로부터 위치 정보를 수신한다. 여기에서, 위치 정보는 위도 및 경도로 표시되는 좌표 정보를 포함할 수 있다.

한편, A/V(Audio/Video) 입력부(320)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(321)와 마이크(322) 등이 포함될 수 있다. 카메라(321)는 화상 통화 모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 그리고, 처리된 화상 프레임은 디스플레이부(351)에 표시될 수 있다.

카메라(321)에서 처리된 화상 프레임은 메모리(360)에 저장되거나 무선 통신부(310)를 통하여 외부로 전송될 수 있다. 카메라(321)는 사용자 단말(300)의 구성 태양에 따라 2개 이상이 구비될 수도 있다.

마이크(322)는 통화모드 또는 녹음모드, 음성인식 모드 등에서 마이크로폰(Microphone)에 의해 외부의 음향 신호를 입력받아 전기적인 음성 데이터로 처리한다. 그리고, 처리된 음성 데이터는 통화 모드인 경우 이동통신 모듈(312)을 통하여 이동통신 기지국으로 송신 가능한 형태로 변환되어 출력될 수 있다. 마이크(322)는 외부의 음향 신호를 입력받는 과정에서 발생하는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘을 구현할 수 있다.

사용자 입력부(330)는 사용자로부터 입력 동작을 받아들여, 사용자 단말(300)의 동작 제어를 위한 입력 데이터를 발생시킨다.

센싱부(340)는 사용자 단말(300)의 위치, 사용자 접촉 유무, 사용자 단말(300)의 방위, 사용자 단말(300)의 가속/감속 등과 같이, 사용자 단말(300)의 현 상태를 감지하여 사용자 단말(300)의 동작을 제어하기 위한 센싱 신호를 발생시킨다.

인터페이스부(370)는 사용자 단말(300)에 연결되는 모든 외부기기와의 인터페이스 역할을 한다. 예를 들어, 유/무선 헤드셋 포트, 외부 충전기 포트, 유/무선 데이터 포트, 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트, 오디오 I/O(Input/Output) 포트, 비디오 I/O(Input/Output) 포트, 이어폰 포트 등이 포함될 수 있다.

출력부(350)는 오디오 신호 또는 비디오 신호 또는 알람(alarm) 신호의 출력을 위한 것으로, 이에는 디스플레이부(351)와 음향 출력 모듈(352), 알람부(353) 등이 포함될 수 있다.

디스플레이부(351)는 사용자 단말(300)에서 처리되는 정보를 표시 출력한다. 예를 들어, 단말기가 통화 모드인 경우, 통화와 관련된 UI(User Interface) 또는 GUI(Graphic User Interface)를 표시한다. 그리고, 사용자 단말(300)가 화상 통화 모드 또는 촬영 모드인 경우, 촬영 또는/및 수신된 영상 또는 UI, GUI를 표시한다.

한편, 전술한 바와 같이, 디스플레이부(351)와 터치 패드가 상호 레이어 구조를 이루어 터치 스크린으로 구성되는 경우, 디스플레이부(351)는 출력 장치 이외에 입력 장치로도 사용될 수 있다. 디스플레이부(351)는 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display), 유기 발광 다이오드(organic light-emitting diode), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 중에서 적어도 하나를 포함할 수 있다. 그리고, 사용자 단말(300)의 구현 형태에 따라, 디스플레이부(351)는 2개 이상 존재할 수도 있다. 예를 들어, 사용자 단말(300)에 외부 디스플레이부(미도시)와 내부 디스플레이부(미도시)가 동시에 구비될 수 있다.

음향 출력 모듈(352)은 호 신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서, 무선 통신부(310)로부터 수신되거나 메모리(360)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력 모듈(352)은 사용자 단말(300)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음 등)과 관련된 음향 신호를 출력한다. 이러한 음향 출력 모듈(352)에는 스피커(speaker), 버저(Buzzer) 등이 포함될 수 있다.

알람부(353)는 사용자 단말(300)의 이벤트 발생을 알리기 위한 신호를 출력한다. 단말기에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력 등이 있다.

메모리(360)는 제어부(380)의 처리 및 제어를 위한 프로그램이 저장될 수도 있고, 입/출력되는 데이터들(예를 들어, 폰북, 메시지, 정지영상, 동영상 등)의 임시 저장을 위한 기능을 수행할 수도 있다.

메모리(360)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory) 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

제어부(380)는 통상적으로 단말기의 전반적인 동작을 제어한다. 예를 들어, 음성 통화, 데이터 통신, 화상 통화 등을 위한 관련된 제어 및 처리를 수행한다. 또한, 제어부(380)는 멀티 미디어 재생을 위한 멀티미디어 모듈(181)을 구비할 수도 있다. 멀티미디어 모듈(381)은 제어부(380) 내에 구현될 수도 있고, 제어부(380)와 별도로 구현될 수도 있다.

제어부(380)는 전술한 광고 제공 방법을 구현하기 위한 단말기의 다양한 동작을 제어한다.

전원 공급부(290)는 제어부(280)의 제어에 의해 외부의 전원, 내부의 전원을 인가받아 각 구성요소들의 동작에 필요한 전원을 공급한다.

한편, 상술한 광고 제공 서버(100)의 동작 중 적어도 일부 또는 전부는 사용자 단말(300)에서 구현될 수도 있다. 이때, 사용자 단말(300)에는 광고 제공 서버(100)와 통신하여 상술한 광고 제공 서버(100)의 동작을 수행하기 위한 애플리케이션이 미리 설치될 수 있다.

Claims (1)

1. 광고 목표 별 가격 경쟁력 및 상기 광고 목표 별 병목도에 기초하여 광고 예산을 집행하기 위하여 광고 제공 서버에서 수행되는 광고 제공 방법으로,
   광고 별 광고 예산을 예측하는 학습 모델의 유무를 판단하는 단계;
   상기 광고에 대한 학습 모델이 있는 경우, 상기 광고에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계;
   상기 광고에 대한 학습 모델이 없는 경우, 상기 광고가 속하는 광고주에 대해 미리 학습된 학습 모델의 유무를 판단하는 단계;
   상기 광고주에 대한 학습 모델이 있는 경우, 상기 광고주에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계;
   상기 예측된 광고 예산에 따라 송출된 광고 목표 별 광고의 성과를 수집하는 단계;
   상기 광고 목표 별 광고의 성과에 기초하여, 광고 목표 별 가격 경쟁력 및 광고 목표 별 잔존율을 획득하는 단계;
   상기 광고 목표 별 잔존율에 기초하여 광고 목표 별 병목도를 획득하는 단계;
   상기 광고 목표 별 가격 경쟁력 및 상기 광고 목표 별 병목도에 기초하여, 예산 비율을 조정하는 단계; 및
   상기 조정된 예산 비율에 기초하여, 광고 목표 별 광고를 송출하는 단계를 포함하되,
   상기 광고 목표는, 광고에 대한 노출, 방문 및 전환을 포함하며, 노출, 방문 및 전환의 순서를 갖는 시퀀스로서 처리되고,
   상기 광고 목표 별 가격 경쟁력 및 광고 목표 별 잔존율을 획득하는 단계는,
   제1 광고 목표의 모객 수를 상기 제1 광고 목표보다 바로 앞선 순서를 갖는 광고 목표의 모객 수로 나눈 값을 상기 제1 광고 목표의 잔존율로 획득하는 단계를 포함하고,
   상기 광고 목표 별 병목도를 획득하는 단계는,
   상기 광고주와 동종 업계에 있는 다른 광고주들의 광고 목표 별 평균 잔존율로 상기 광고주의 광고 목표 별 잔존율을 나눈 값을 상기 광고 목표 별 병목도로 획득하는 단계를 포함하고,
   상기 예산 비율을 조정하는 단계는,
   광고 목표 별 가격 경쟁력의 비율과 광고 목표별 병목도의 비율 사이의 조화 평균으로 광고 목표 별 조정 계수를 획득하고, 획득된 광고 목표 별 조정 계수에 대한 비율을 해당 광고 목표에 대한 예산 비율로 결정하고,
   상기 광고에 대한 학습 모델을 이용하여 모수를 예측하는 단계는,
   타겟 유저의 특징 데이터를 이용하여 모수 유저를 결정하고, 상기 결정된 모수 유저의 수에 따라 광고 예산을 예측하는, 광고 제공 방법.

Images