KR102420629B1 - 광고주 서비스를 제공하기 위한 방법 및 시스템 - Google Patents

광고주 서비스를 제공하기 위한 방법 및 시스템 Download PDF

Info

Publication number
KR102420629B1
KR102420629B1 KR1020210150317A KR20210150317A KR102420629B1 KR 102420629 B1 KR102420629 B1 KR 102420629B1 KR 1020210150317 A KR1020210150317 A KR 1020210150317A KR 20210150317 A KR20210150317 A KR 20210150317A KR 102420629 B1 KR102420629 B1 KR 102420629B1
Authority
KR
South Korea
Prior art keywords
advertisement server
sales volume
advertisement
item
sold
Prior art date
Application number
KR1020210150317A
Other languages
English (en)
Inventor
이하양
최민혁
이수안
이현민
강윤정
이영서
서유진
Original Assignee
주식회사 위트라잇
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 위트라잇 filed Critical 주식회사 위트라잇
Priority to KR1020220084527A priority Critical patent/KR20220104664A/ko
Priority to KR1020220084543A priority patent/KR20220104665A/ko
Application granted granted Critical
Publication of KR102420629B1 publication Critical patent/KR102420629B1/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Human Resources & Organizations (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Telephonic Communication Services (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

광고주 서비스 제공 방법은, 광고주에 대한 서비스 제공 방법으로서, 광고 서버가 광고주 단말로부터 판매 대상 물품에 대한 정보를 제공받는 단계, 상기 광고 서버가 SNS 서버로부터 상기 판매 대상 물품에 대한 소셜 네트워크 데이터를 제공받고, 상기 소셜 네트워크 데이터에서 키워드와 호감도를 추출하는 단계, 상기 광고 서버가 추정 모델을 통해 상기 호감도를 기초로 상기 판매 대상 물품의 예상 판매량을 추정하는 단계, 상기 광고 서버가 상기 예상 판매량을 기초로 광고 비용을 산정하는 단계, 및 상기 광고 서버가 상기 광고주 단말로 상기 예상 판매량 및 실제 판매량의 각 데이터를 제공하는 단계를 포함한다.

Description

광고주 서비스를 제공하기 위한 방법 및 시스템{Method and system for providing advertiser service}
본 발명은 광고주 서비스를 제공하기 위한 방법 및 시스템에 관한 것이다. 자세하게는, 광고주를 위한 상품 광고 운영 방법 및 시스템에 관한 것이다.
일반적으로 온라인이나 오프라인 상에서 상품을 판매하는 판매자가 가장 큰 관심을 가지고 노력을 기울이는 것은 어떻게 하면 좋은 상품을 선정하여 적정한 이윤을 붙여서 많은 상품을 판매하여 이익을 극대화할 수 있는가 하는데 있다.
상품을 제조업자로부터 매입하거나 외국으로부터 수입하여 판매하는 판매자는 좋은 상품을 발견하기 위해 많은 비용과 시간을 사용하고, 판매에 대비하기 위하여 다량의 상품을 미리 구입하여 재고를 확보하거나 물품 공급처와 구매계약을 하거나 한다. 아울러, 제조업자는 많은 시간과 비용을 투자하여 신제품을 개발하여 대량 생산을 하고, 이와 같이 개발 생산된 신제품의 판매를 극대화하기 위해 많은 광고비를 들여서 신제품을 광고하게 된다.
위험부담을 회피하고 사업의 안정적인 경영을 위해서는 판매자가 판매를 하고자하는 상품이 얼마나 고객들에게 팔릴 수 있는가 하는 것을 미리 예측하는 것이 매우 중요하다. 또한, 예측되는 판매량에 따라 마케팅 비용에 투자하는 것이 경영에 중요하다.
본 발명이 해결하고자 하는 과제는, 일반 수요자의 광고 대상 물품에 대한 니즈(Needs)를 판단하고, 이에 따라 자동으로 판매량을 예측하고, 예측된 판매량에 따라 광고 비용 예산을 산출하는 방법을 제공하고자 하는 것이다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 광고주 서비스 제공 방법은, 광고주에 대한 서비스 제공 방법으로서, 광고 서버가 광고주 단말로부터 판매 대상 물품에 대한 정보를 제공받는 단계, 상기 광고 서버가 SNS 서버로부터 상기 판매 대상 물품에 대한 소셜 네트워크 데이터를 제공받고, 상기 소셜 네트워크 데이터에서 키워드와 호감도를 추출하는 단계, 상기 광고 서버가 추정 모델을 통해 상기 호감도를 기초로 상기 판매 대상 물품의 예상 판매량을 추정하는 단계, 상기 광고 서버가 경쟁 제품의 영업 이익을 산출하기 위해, 경쟁 제품 정보를 검색하는 단계, 상기 광고 서버가 상기 경쟁 제품의 영업 이익, 상기 예상 판매량 및 상기 호감도를 기초로 광고 비용을 산정하는 단계, 및 상기 광고 서버가 상기 광고주 단말로 상기 예상 판매량 및 실제 판매량의 각 데이터를 제공하는 단계를 포함한다.
상가 광고 서버는, 상기 키워드와 호감도를 추출하는 단계에서, 상기 SNS 서버에서 상기 판매 대상 물품의 명칭으로 사용자 게시물을 검색하고, 상기 검색된 사용자 게시물에서 자연어 처리를 통해 상기 판매 대상 물품의 명칭 및 상기 판매 대상 물품의 유사어를 상기 키워드로 설정한 이후 상기 키워드를 추출할 수 있다.
상가 광고 서버는, 상기 키워드와 호감도를 추출하는 단계에서, 상기 호감도를 이용해 상기 키워드가 추출된 횟수, 상기 키워드가 추출된 빈도수 및 상기 키워드의 감성 정보에 기초하여 상기 사용자 게시물을 스코어링(Scoring)한 이후, 기 설정된 기준 값 이상인 사용자 게시물을 후보 사용자 게시물로 선택할 수 있다.
상기 광고 서버는 상기 스코어링의 결과에도 상기 기 설정된 기준 값 이상인 사용자 게시물이 없는 경우, 스코어링하는 동작을 복수 회 반복하여 재 수행할 수 있다.
상가 광고 서버는, 상기 예상 판매량을 추정하는 단계에서, 이전 달 판매량, 상기 판매 대상 물품의 명칭으로 검색된 사용자 게시물의 총 개수, 상기 후보 사용자 게시물, 상기 판매 대상 물품의 판매 가격, 상기 판매 대상 물품과 동종의 물품의 평균 가격 및 상기 호감도에 따른 가중치 값에 기초하여 상기 예상 판매량을 추정할 수 있다.
상기 가중치 값은 인공 신경망으로부터 제공되는 가중치 예측 모델을 통해 결정될 수 있다.
상가 광고 서버는, 상기 경쟁 제품 정보를 검색하는 단계에서, 상가 광고 서버에 저장된 정보로부터 상기 경쟁 제품의 이전달 판매량, 이전달 광고 비용 및 호감도 정보를 획득하고, 상기 광고 비용을 산정하는 단계에서, 상기 경쟁 제품 정보를 검색하는 단계에서 획득한 정보드를 바탕으로 산출한 상기 경쟁 제품의 영업 이익 및 상기 예상 판매량을 추정하는데 이용한 인자들 중 적어도 하나에 기초하여 광고 비용을 산정할 수 있다.
상가 광고 서버는, 상기 광고 비용을 산정하는 단계에서, 상기 예상 판매량을 추정하는 단계에서 추정된 월별 예상 판매량 및 이전 달 실제 판매량에 기초하여 상기 광고 비용을 산정하되, 상기 광고 비용은 월별로 상이할 수 있다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 비일시적 기록매체는 상기 광고주 서비스 제공 방법을 실행시키기 위한 프로그램이 기록되고, 컴퓨터에 의해 읽혀진다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 컴퓨터 프로그램은 광고주에 대한 서비스를 제공하는 광고 서버에서, 상기 광고주 서비스 제공 방법을 실행시키기 위하여 비일시적 기록매체에 기록된다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 광고 서버는, 적어도 하나의 프로세서(processor), 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instuctions)을 저장하는 메모리(memory)를 포함하는, 광고주에 대한 서비스를 제공하는 광고 서버로서, 상기 적어도 하나의 동작은, 광고 서버가 광고주 단말로부터 판매 대상 물품에 대한 정보를 제공받는 단계, 상기 광고 서버가 SNS 서버로부터 상기 판매 대상 물품에 대한 소셜 네트워크 데이터를 제공받고, 상기 소셜 네트워크 데이터에서 키워드와 호감도를 추출하는 단계, 상기 광고 서버가 추정 모델을 통해 상기 호감도를 기초로 상기 판매 대상 물품의 예상 판매량을 추정하는 단계, 상기 광고 서버가 경쟁 제품의 영업 이익을 산출하기 위해, 경쟁 제품 정보를 검색하는 단계, 상기 광고 서버가 상기 경쟁 제품의 영업 이익, 상기 예상 판매량 및 상기 호감도를 기초로 광고 비용을 산정하는 단계, 및 상기 광고 서버가 상기 광고주 단말로 상기 예상 판매량 및 실제 판매량의 각 데이터를 제공하는 단계를 포함한다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 광고 서비스 제공 시스템은, 광고주에 대한 서비스를 제공하는 시스템으로서, 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 서버, 상기 광고 서버와 연결되는 인공 신경망, 상기 광고 서버와 통신 네트워크를 통해 연결되어 소셜 네트워크 데이터를 제공하는 SNS 서버, 및 상기 광고 서버와 상기 통신 네트워크를 통해 연결되고, 상기 서비스를 제공하기 위한 프로그램이 설치된 광고주 단말을 포함하되, 상기 적어도 하나의 동작은, 광고 서버가 광고주 단말로부터 판매 대상 물품에 대한 정보를 제공받는 단계, 상기 광고 서버가 SNS 서버로부터 상기 판매 대상 물품에 대한 소셜 네트워크 데이터를 제공받고, 상기 소셜 네트워크 데이터에서 키워드와 호감도를 추출하는 단계, 상기 광고 서버가 추정 모델을 통해 상기 호감도를 기초로 상기 판매 대상 물품의 예상 판매량을 추정하는 단계, 상기 광고 서버가 경쟁 제품의 영업 이익을 산출하기 위해, 경쟁 제품 정보를 검색하는 단계, 상기 광고 서버가 상기 경쟁 제품의 영업 이익, 상기 예상 판매량 및 상기 호감도를 기초로 광고 비용을 산정하는 단계, 및 상기 광고 서버가 상기 광고주 단말로 상기 예상 판매량 및 실제 판매량의 각 데이터를 제공하는 단계를 포함한다.
본 발명의 실시예에 따르면, 판매 대상 물품에 대한 예측 판매량을 자동으로 제공하고, 이에 따라 마케팅 비용 투자에 대한 손실을 최소화할 수 있다.
도 1은 본 발명의 일 실시예에 따른 광고 제공 시스템의 전체 구성을 개략적으로 나타낸 구성도이다.
도 2는 본 발명의 일 실시예에 따른 광고주 서비스 제공 방법과 관련된 순서도이다.
도 3은 본 발명의 일 실시예에 따른 광고 제공 시스템이 예상 판매량과 광고 비용을 산정하는 과정을 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 광고 서버에 구비된 추정 모델의 구성을 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 인공 신경망을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 광고 서버에 구비된 추정 모델의 구성을 도시한 도면이다.
도 7은 경쟁 제품의 광고 비용의 유무 따라 판매 대상 물품의 예상 판매량을 나타내는 그래프이다.
도 8은 본 발명의 일 실시예에 따라 예상 판매량 및 실제 판매량 정보를 표시하는 그래프이다.
도 9는 본 발명의 일 실시예에 따른 통신 과정에서 적용될 수 있는 무선 통신 시스템을 나타낸 도면이다.
도 10은 도 9에 따른 무선 통신 시스템에서 기지국을 나타낸 도면이다.
도 11은 도 9에 따른 무선 통신 시스템에서 단말을 나타낸 도면이다.
도 12는 도 9에 따른 무선 통신 시스템에서 통신 인터페이스를 나타낸 도면이다.
도 13은 본 발명의 일 실시예에 따른 광고 서버의 하드웨어 구성을 예시적으로 나타낸 도면이다.
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 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 광고 제공 시스템의 전체 구성을 개략적으로 나타낸 구성도이다.
광고 제공 시스템은 광고주에게 판매 물품(상품)에 대한 예상 판매량 정보를 제공할 수 있다. 광고 제공 시스템은 판매 물품 별 예상 판매량에 따라 차등된 광고 비용을 책정하고, 광고 비용에 따른 판매량 변화 정보를 제공할 수 있다.
도 1을 참조하면, 광고 제공 시스템은 광고 서버(10), SNS 서버(20) 및 광고주 단말(30)을 포함할 수 있다.
광고 서버(10)는 추정 모델(예, 도 4의 190)을 통해 광고주의 판매 물품에 대한 예상 판매량을 예측하는 서비스, 예상 판매량에 따라 차등된 광고 비용을 책정하는 서비스 및 광고 비용에 따른 판매량 변화 정보를 표시하는 서비스를 제공하는 기능을 포함할 수 있다.
광고 서버(10)에는 복수의 제품들에 대한 정보가 저장되어 있을 수 있다. 예를 들어, 광고 서버(10)에는 복수의 제품들의 과거 판매량 및 과거 산정된 광고 비용 등의 정보가 저장되어 있을 수 있다. 일 실시예로, 광고 서버(10)는 광고 서버(10)에 저장된 복수의 제품들에 대한 정보에서 필요한 정보를 검색하여 추출할 수 있는 기능을 포함할 수 있다.
광고 서버(10)는 광고 서버(10)와 연결되는 인공 신경망(11)으로부터 제공되는 기계학습(머신러닝)에 기반하여 학습된 인공지능 모델을 통하여 상기 서비스들(이하, 광고주 서비스)을 제공할 수 있다.
일 실시예로, 광고 서버(10)는 SNS 서버(20)로부터 판매 물품과 관련된 데이터 및 판매 물품과 관련된 수요자의 호감도 데이터를 얻을 수 있고, 상기 데이터들에 기초하여 예상 판매량을 추정할 수 있다.
광고 서버(10)는 광고주 단말(30)들에 각각 설치된 프로그램(또는, 어플리케이션)을 통해 광고주 서비스를 제공할 수 있다. 여기서, 프로그램은 사용자가 디바이스를 사용하여 특정한 작업을 수행할 수 있도록 개발된 소프트웨어를 의미한다. 또한, 프로그램은 특정한 작업을 수행하는데 필요한 명령어들로 구성될 수 있다. 여기에서, 프로그램을 구성하는 명령어들은 운영체제의 종류에 따라 서로 상이할 수 있다.
광고주 단말(30)은 광고주 단말(30)에 설치된 프로그램을 통해 광고 서버(10)가 제공하는 광고주 서비스를 제공받도록 구성될 수 있다. 예를 들어, 광고주가 광고주 단말(30)을 통해 판매 물품 정보를 광고 서버(10)로 업로드하면, 광고주 단말(30)은 광고 서버(10)의 제어에 따라 해당 판매 물품의 예상 판매량, 광고 비용 및 광고 비용에 따른 판매량 변화 정보를 표시하도록 구성될 수 있다.
광고주 단말(30)은 임의의 조합으로 이루어진 프로세서, 컨트롤러, 집적 회로, 프로그램 가능한 논리 회로, 또는 그 밖에 데이터베이스와 신호 처리 장치를 포함할 수 있으며, 이 밖에 하나 이상의 메모리, 송신기와 수신기, 디스플레이, 및 여러가지 장치와 통신이 가능한 통신 모듈을 포함할 수 있다. 또한, 지정된 알고리즘을 통하여 데이터 연산을 수행하고, 그 결과를 디스플레이를 통해 외부에서 인식할 수 있도록 표시하는 컴퓨터 프로그램과, 이를 구매자가 조작할 수 있도록 구현된 구매자 인터페이스(UI; User Interface)를 포함할 수 있다. 광고주 단말(30)은 프로세서와 관련된 메모리를 포함하는 임의의 디바이스 또는 장비를 포함할 수 있다. 프로세서는 운영 체제를 구현할 수 있고, 명령어, 소프트웨어 코드, 실행파일(executable), 애플리케이션, 앱 등으로 알려져 있는 컴퓨터 프로그램을 실행할 수 있다.
예를 들어, 광고주 단말(30)은 각각 스마트폰, 퍼스널 컴퓨터, 랩톱 컴퓨터, 이동 통신 디바이스(무선 디바이스를 포함함), 워크 스테이션, 태블릿 컴퓨터, 또는 PDA(portable digital assistant)를 포함할 수 있다.
광고주 단말(30)은 광고 서버(10)로부터 광고주 서비스를 제공받기 위한 프로그램이 설치될 수 있다. 광고주 단말(30)은 광고주 서비스 프로그램이 저장된 비 일시적 저장 매체를 포함할 수 있다. 실시예에 따라, 광고주 단말(30)은 광고 제공 시스템에 복수 개 구비될 수도 있다.
SNS 서버(20)는 다양한 서비스 및 다양한 서비스 각각으로부터 제공되는 복수의 콘텐츠와 관련된 데이터를 저장할 수 있다. 다양한 실시예에서, SNS 서버(20)는 소셜 네트워크 서비스(Social Network Service, SNS)를 제공하는 서버를 포함할 수 있다. SNS 서버(20)는 SNS 서비스를 이용하는 사용자들이 자신의 계정을 통해 업로드하는 소셜 데이터를 저장할 수 있다. 다양한 실시예에서, SNS 서버(20)는 물품 콘텐츠(예, 제품 리뷰)와 관련된 웹 사이트에 대한 관리 서버를 포함할 수 있으며, SNS 서버(20)는 웹 사이트의 회원 수 데이터, 회원 수 증감 데이터 및 게시글 증감 데이터를 저장할 수 있다. 다양한 실시예에서, 소셜 데이터는 텍스트 형태의 소셜 데이터, 이미지 형태의 소셜 데이터 및 동영상 형태의 소셜 데이터를 포함할 수 있다.
다양한 실시예에서, SNS 서버(20)는 통신 네트워크(40)를 통해 광고 서버(10)로부터 특정 물품과 관련된 데이터의 송신 요청을 수신할 수 있으며, 송신 요청에 따라 기 저장된 다량의 데이터 중 특정 물품과 관련된 데이터만을 추출하여 광고 서버(10)로 제공할 있다.
실시예에 따라, 광고 서버(10)는 광고 제공 시스템에 복수 개 구비될 수도 있다.
광고 서버(10), SNS 서버(20) 및 광고주 단말(30) 간의 통신은 통신 네트워크(40)를 통해 수행될 수 있다. 통신 네트워크(40)는 유/무선 네트워크에 관한 표준 통신 기술 및/또는 프로토콜들이 사용될 수 있다.
도 2는 본 발명의 일 실시예에 따른 광고주 서비스 제공 방법과 관련된 순서도이다. 도 3은 본 발명의 일 실시예에 따른 광고 제공 시스템이 예상 판매량과 광고 비용을 산정하는 과정을 도시한 도면이다. 도 4는 본 발명의 일 실시예에 따른 광고 서버에 구비된 추정 모델의 구성을 도시한 도면이다. 도 5는 본 발명의 일 실시예에 따른 인공 신경망을 설명하기 위한 도면이다. 도 6은 본 발명의 일 실시예에 따른 광고 서버에 구비된 추정 모델의 구성을 도시한 도면이다. 도 7은 경쟁 제품의 광고 비용의 유무 따라 판매 대상 물품의 예상 판매량을 나타내는 그래프이다. 도 8은 본 발명의 일 실시예에 따라 예상 판매량 및 실제 판매량 정보를 표시하는 그래프이다.
도 2를 참조하면 광고주 서비스 제공 방법은 대상 물품 정보 수신 단계(S110), 대상 물품의 관련 데이터 수집 단계(S120), 예상 판매량 추정 단계(S130), 경쟁 제품 정보 검색 단계(S140), 광고 비용 산정 단계(S150) 및 대상 물품의 판매량 변화 데이터 제공 단계(S160)를 포함한다.
본 명세서에서, 순서도에 따라 각 단계가 차례로 수행되는 것으로 설명하지만, 발명의 사상을 변경하지 않는 한, 연속하여 수행하는 것으로 도시된 일부 단계들이 동시에 수행되거나, 일부 단계의 순서가 변경되거나, 일부 단계가 생략되거나, 또는 각 단계 사이에 다른 단계가 더 포함될 수 있음은 자명하다.
도 2를 참조하면, 대상 물품 정보 수신 단계(S110)는 광고 서버(10)가 광고주 단말(30)로부터 판매 대상 물품에 대한 정보를 제공받는 단계에 해당한다.
예를 들어, 광고주는 광고주 단말(30)에 판매 대상 물품의 종류, 상세 제원(specification) 및 가격 등의 정보를 입력할 수 있다. 본 단계에서 광고주 단말(30)은 광고주가 입력한 정보들을 광고 서버(10)에 제공할 수 있다.
도 2 및 도 3을 참조하면, 대상 물품의 관련 데이터 수집 단계(S120)는 광고 서버(10)가 SNS 서버(20)로부터 대상 물품에 대한 소셜 네트워크 데이터(210)를 제공받고, 소셜 네트워크 데이터(210)에서 키워드와 호감도를 추출하는 단계에 해당한다.
먼저, 광고 서버(10)는 판매 대상 물품의 명칭으로 SNS 서버(20)에서 사용자 게시물을 검색할 수 있다. 여기서, 검색된 결과는 소셜 네트워크 데이터(210)일 수 있다. 소셜 네트워크 데이터(210)는 복수의 사용자 게시물(220)들을 포함할 수 있다.
이후, 광고 서버(10)는 검색된 각각의 사용자 게시물(220)에서 키워드를 추출하고, 호감도 정보를 추출할 수 있다. 광고 서버(10)는 검색된 사용자 게시물(220)들에서 키워드들을 추출하고, 추출된 키워드들을 자연어 처리(Natural Language Processing, NLP)함으로써 게시물들 각각에 대한 적어도 하나의 주제와 게시물들이 다루고 있는 물품을 결정할 수 있다. 예를 들어, 자연어 처리는, 자연어 처리를 구현할 수 있는 프레임워크(framework) 또는 알고리즘인 파이썬의 NTLK(Python NLTK), 샌포드의 코어NLP(Sanford CoreNLP), 아파치의 오픈NLP(Apache OpenNLP), 마이크로소프트의 튜링 (Turing), 또는 BERT, GPT-2 등을 이용하여 구현될 수 있다.
광고 서버(10)는 추출된 키워드를 바탕으로 해당 사용자 게시물(220)과 판매 대상 물품과의 연관성을 판단할 수 있다. 예를 들어, 광고 서버(10)는 미리 구축된 데이터 사전을 이용해 각각의 사용자 게시물(220)에서 판매 대상 물품 명칭 및 판매 대상 물품의 유사어를 추출할 수 있다. 광고 서버(10)는 판매 대상 물품의 명칭 및 상기 대상 물품의 유사어를 모두 키워드로 설정하고, 사용자 게시물(220)에서 상기 키워드를 추출할 수 있다. 광고 서버(10)는 사용자 게시물(220) 마다 키워드의 개수 및 빈도 등을 판단할 수 있다.
광고 서버(10)는 SNS 서버(20)에서 사용자 게시물(220)마다 제공되는 호감(예, '좋아요' 등의 아이콘) 표시 기능을 바탕으로 각각의 사용자 게시물(220)의 호감도 정보를 획득할 수 있다.
광고 서버(10)는 사용자 게시물(220) 별 키워드를 이용하여 각각의 사용자 게시물(220)을 스코어링(Scoring)할 수 있다. 예를 들어, 광고 서버(10)는 복수의 사용자 게시물(220) 내에서 키워드가 추출된 횟수, 키워드가 추출된 빈도수, 키워드의 감성 정보(예, 추출된 키워드가 긍정적인 의미를 가리키는 키워드인지 또는 부정적인 의미를 가리키는 키워드인지를 나타내는 정보)에 기초하여, 복수의 사용자 게시물(220) 각각에 대하여 점수를 산정할 수 있다.
또한, 광고 서버(10)는 스코어링 결과에 따라 복수의 사용자 게시물(220)들 중 후보 게시물을 선정할 수 있다. 예를 들어, 광고 서버(10)는 복수의 사용자 게시물(220) 중 스코어링 결과로 산출된 결과 값이 기 설정된 기준 값(예, 60점) 이상인 사용자 게시물(220)(예, 사용자 게시물(220) #1, #2 및 #N)를 후보 사용자 게시물(220)로 선택할 수 있다.
광고 서버(10)는 복수의 사용자 게시물(220) 중 스코어링 결과로 산출된 결과 값이 기 설정된 기준 값 이상인 사용자 게시물(220)이 없는 경우, 복수의 사용자 게시물(220)을 스코어링하는 동작을 복수 회 반복하여 재 수행할 수 있다.
일 실시예로, 복수의 사용자 게시물(220)을 스코어링하기 위한 다양한 수단이 활용될 수 있다. 예를 들어, 사용자 게시물(220) 자체에 대한 언급 횟수, 사용자 게시물(220)에 대한 사용자들의 호감도, 사용자 게시물(220)의 물품에 대한 사용자들의 기대치, 사용자들이 원하는 물품의 종류 등에 대한 정보를 수집 및 생성할 수 있다.
예를 들어, 사용자 게시물(220) 자체에 대한 언급이 많이 이루어지고, 호감도가 높다고 하더라도 반드시 사용자들이 물품을 원하는 것은 아닐 수 있다. 따라서 사용자 게시물(220)의 물품에 대한 사용자들의 기대치를 분석할 필요성이 요구되며, 이는 사용자 게시물(220) 자체에 대한 인기도나 호감도, 인지도 등을 분석하는 방법과는 상이한 추가적인 단계가 요구될 수 있다.
예를 들어, 사용자 게시물(220)에 대한 언급이 이루어지는 경우, 해당 사용자 게시물(220)과 함께 언급되는 다른 키워드들을 연관하여 수집할 수 있다. 수집된 키워드들로부터 사용자 게시물(220)과 연관되는 긍정 및 부정 단어를 분류하고, 또한 기 저장된 물품 데이터베이스에 대응하는 물품과 관련된 키워드들을 분류할 수 있다. 예를 들어, 물품 데이터베이스는 제작이 가능하거나 현재 판매중인 물품의 종류에 대한 정보를 저장한 데이터베이스를 의미할 수 있다. 예를 들어, 사용자들이 특정 사용자 게시물(220)에 대응하는 키워드와, 컵 혹은 핸드폰케이스 등의 키워드를 함께 언급하는 횟수가 많을수록, 사용자들이 해당 사용자 게시물(220)로 제작된 컵이나 핸드폰케이스 등의 물품 제작을 기대하는 것으로 판단할 수 있다. 광고 서버(10)는 수집된 정보로부터 사용자들의 물품 판매에 대한 기대치를 확인할 수 있을 뿐 아니라, 경우에 따라 특정한 종류의 물품을 사용자들이 원한다는 정보를 함께 확인할 수도 있다. 도 2 및 도 4를 참조하면, 예상 판매량 추정 단계(S130)는 광고 서버(10)가 SNS 서버(20)를 통해 수집된 데이터를 기초로 판매 대상 물품의 예상 판매량을 추정하는 단계에 해당한다.
광고 서버(10)는 예상 판매량을 추정하고 광고 비용을 산정하는 추정 모델(190)을 포함할 수 있다. 일 실시예로, 추정 모델(190)은 수집된 호감도 정보를 이용해 예상 판매량을 추정할 수 있다. 예를 들어, 추정 모델(190)은 아래의 수학식 1을 적용하여 판매 대상 물품의 다음 달 예상 판매량(S1)을 추정할 수 있다.
Figure 112021127117455-pat00001
수학식 1에서 R0는 판매 대상 물품의 이전 달 판매량(실제 판매량)이고, #P는 판매 대상 물품 명칭으로 검색된 사용자 게시물(220)의 총 개수이고, #PC는 스코어링 결과 기준 값 이상인 사용자 게시물(후보 사용자 게시물)의 개수이고, R은 판매 대상 물품의 판매 가격이고, RD는 판매 대상 물품과 동종의 물품의 평균 가격이고, δ는 호감도에 따른 가중치 값에 해당한다.
위와 유사한 방식으로, 추정 모델(190)은 수학식 2를 적용하여, 2달 후 판매량(S2) 및 3달 후 판매량(S3)을 판단할 수 있다.
Figure 112021127117455-pat00002
Figure 112021127117455-pat00003
도 1, 도 2 및 도 5를 참조하면, 광고 서버(10)는 인공 신경망(11)을 통해 호감도에 따른 가중치(δ)를 결정할 수 있다.
일 실시예로, 가중치는 인공 신경망(11)으로부터 제공되는 가중치 예측 모델(320)을 통해 결정될 수 있다. 인공 신경망(11)은 많은 수의 인공 뉴런(또는, 노드)들을 이용하여 생물학적인 시스템의 계산 능력을 모방하는 소프트웨어나 하드웨어로 구현된 예측 모델이다.
가중치 예측 모델(320)은 가중치 예측 모델 학습부(310)에 의해서 학습 데이터의 특성 값 및 계수 가중치를 이용하여 지도 학습될 수 있다. 이때 지도 학습이란, 입력 값과 그에 따른 출력 값이 있는 데이터를 학습 데이터로 이용하여 주어진 입력 값에 따른 출력 값을 찾는 학습을 의미하며, 정답을 알고 있는 상태에서 이루어지는 학습을 의미한다. 지도 학습에 주어지는 입력 값과 출력 값 세트를 훈련 데이터(Training Data)라고 한다. 즉, 상술한 학습 데이터의 특성 값은 입력 값, 학습 데이터의 호감도 가중치는 출력 값으로서, 가중치 예측 모델(320)의 지도 학습을 위한 훈련 데이터로 사용될 수 있다.
일례로 가중치 예측 모델 학습부(310)는, 학습 데이터의 특성 값을 고유한 제1 원-핫 벡터(one-hot vector)로 변환하여 입력 값을 생성하고, 해당 학습 데이터의 카메라 파라미터를 고유한 제2 원-핫 벡터로 변환하여 출력 값을 생성한 후, 생성된 입력 값과 출력 값을 이용해 가중치 예측 모델(320)을 지도학습할 수 있다. 여기서, 제1 원-핫 벡터 및 제2 원-핫 벡터는 벡터를 구성하는 성분 값들 중 하나가 '1'이고, 나머지 성분 값들은 '0'으로 구성되는 벡터일 수 있다.
일 예시에서, 가중치 예측 모델(320)은, 입력 값을 입력 받고, 제1 원-핫 벡터의 성분 개수에 상응하는 노드들을 갖는 입력 층, 입력층의 출력 값 각각에 대하여 연결강도(또는 가중치)를 곱하고, 바이어스(bias)를 더하여 출력하는 하나 이상의 은닉 층(hidden layer); 및 은닉층의 출력 값 각각에 대하여 연결강도(또는 가중치)를 곱하고, 그 결과를 활성화 함수를 이용하여 출력하는 출력 층(output layer)을 포함할 수 있다. 여기서 활성화 함수는 LeRU 함수 또는 Softmax 함수일 수 있으나 이에 한정되는 것은 아니다. 연결강도와 바이어스는 지도 학습에 의해 지속적으로 갱신될 수 있다.
구체적으로, 가중치 예측 모델(320)은, 주어진 입력 값(제1 원-핫 벡터)과 출력 값(제2 원-핫 벡터)에 따른 손실 함수(loss function)의 출력 값이 최소화되도록 지도학습될 수 있다. 예를 들어, 손실 함수(H(Y, Y`))는, 다음의 수학식 3과 같이 정의될 수 있다.
Figure 112021127117455-pat00004
수학식 3에서 Ym은 제2 원-핫 벡터의 m번째 성분이고, Yom은 가중치 예측 모델(320)에서 제1 원-핫 벡터를 입력받아 출력된 출력 벡터의 m번째 성분일 수 있다.
상기 훈련 데이터가 많으면 많을수록 가중치 예측 모델(320)에 대해서 더 많은 지도 학습을 수행하여, 가중치 예측 모델(320)의 정확도를 높일 수 있다.
가중치 예측 모델(320)에는 인공 신경망(Artifical Neural Netwrok)이 이용될 수 있다. 일례로 가중치 예측 모델(320)은 Bi-LSTM(Bidirectional LSTM)이나, 콘벌루셔널 뉴럴 네트워크(Convolutional Neural Network; CNN)로 구현될 수 있다.
가중치 예측 모델(320)은 사용자로부터 입력된 테스트 데이터를 이용하여, 사용자 게시물(220)의 호감도에 따른 가중치를 예측할 수 있다.
도 2, 도 4, 도 8 및 도 9을 참조하면, 경쟁 제품 정보 검색 단계(S140)는 광고 서버(10)가 판매 대상 물품과 동종 제품(경쟁 제품)의 영업 이익을 산출하기 위해, 경쟁 제품에 대한 정보들을 광고 서버(10) 내에서 검색하는 단계에 해당한다. 광고 비용 산정 단계(S150)는 광고 서버(10)가 예상 판매량 추정 단계(S130)에서 추정된 예상 판매량을 기초로 광고 비용을 산정하는 단계에 해당한다.
일 실시예로, 광고 서버(10)는 복수의 광고주들에 대한 정보들을 포함할 수 있다. 예를 들어, 광고 서버(10)는 다양한 제품에 대한 판매량, 시장 점유율 및 광고 비용 등의 정보가 저장되어 있을 수 있다. 따라서, 해당 광고주뿐만 아니라 여러 광고주에 대한 제품들의 정보가 광고 서버(10)에 저장되어 있을 수 있다.
일 실시예로, 광고 서버(10)는 복수의 광고주들의 각 제품에 대한 영업 이익을 예측할 수 있다. 예를 들어, 광고 서버(10)는 아래의 수학식 4를 적용하여 판매량, 시장 점유율, 광고 비용 및 호감도에 기초하여 복수의 광고주들의 각 제품에 대한 이전 달 영업 이익(OC)을 예측할 수 있다.
Figure 112021127117455-pat00005
수학식 4에서 SC는 경쟁 제품의 이전달 판매량이고, WC는 경쟁 제품의 이전달 광고 비용이고, β는 경쟁 제품의 시장 점유율(MC)에 따른 가중치 값이고, γ는 경쟁 제품의 호감도 수치(δC)에 따른 가중치 값이다. 경쟁 제품의 호감도 수치는 앞서 설명한 것과 유사하게 SNS 서버(20)에서 사용자 게시물(220)마다 제공되는 호감(예, '좋아요' 등의 아이콘) 표시 기능을 바탕으로 획득될 수 있다.
일 실시예로, 광고 서버(10)는 예상 판매량, 예상 판매량 및 경쟁 제품의 영업 이익을 추정하는데(수학식 4에서) 이용한 인자들에 기초하여 광고 비용을 산정할 수 있다. 일 실시예로, 광고 서버(10)는 판매 대상 물품에 대해 월별로 상이한 광고 비용을 산정할 수 있다.
또한, 광고 서버(10)는 광고 비용을 산정함에 있어서, 판매 대상 물품과 동종의 물품에 대한 정보를 고려할 수 있다. 일반적으로, 광고 비용이 증가하면, 동종 물품에 대해서 시장 점유율을 높일 수 있다. 다만, 경쟁 제품을 판매하는 경쟁 판매자가 광고 비용에 크게 투자하고 있다면, 판매 대상 물품의 광고 비용을 증가시킴에 따라 시장 점유율은 증가함에도 증가율은 낮아질 수 있다(도 7 참조). 다만, 광고 비용을 낮추면, 판매 대상 물품의 하나당 영업 이익이 증가할 수 있다.
예를 들어, 광고 서버(10)는 판매 대상 물품의 하나당 영업 이익과 예상 판매량에 비추어 합리적인 값을 가지도록, 월별 광고 비용을 산정할 수 있다. 예를 들어, 광고 서버(10)는 아래의 수학식 5를 적용하여 월별 광고 비용을 산정할 수 있다.
Figure 112021127117455-pat00006
Figure 112021127117455-pat00007
도 9을 함께 참조하면, 수학식 5에서 Qn은 n번째 월(month)의 광고 비용이고, Sn은 n번째 월(month)의 예상 판매량이고, R0는 이전 달의 실제 판매량이고, U는 판매 대상 물품 하나당 책정된 기본 광고 단가이고, δ는 호감도에 따른 가중치 값에 해당한다. 또한, WC는 경쟁 제품의 이전 달 광고 비용이고, T0'는 경쟁 제품의 이전달 판매량 변화율에 해당한다. 즉, 광고 비용은 경쟁 제품을 고려하여 광고 비용을 상기 광고 비용에 따른 예상 판매량으로 나누고 이전 달의 실제 판매량이 최소가되는 광고 비용을 결정한 후, 경쟁 제품을 고려하지 않은 예상 판매량과 이전 달 실제 판매량의 차이에 호감도에 따른 가중치 값 대비 판매 대상 물품 하나당 책정된 기본 광고 단가를 곱하고, 경쟁 제품의 이전달 판매 변화율 대비 경쟁 제품의 이전 달 광고 비용을 곱하고, 이전 달 경쟁 업체의 영업 이익으로 나누어 결정될 수 있다. 수학식 5에서, ε는 상수 값에 해당한다.
일 실시예로, 광고 서버(10)는 위의 수학식 5와 같이 월별로 다른 광고 비용을 산정할 수 있다. 여기서 이전 달이란 광고 비용을 산정하는 해당 달의 바로 직전 달을 의미한다. 광고 비용을 산정함에 있어 예상 판매량에 따른 광고 비용에서 이전 달의 실제 판매량에 따른 광고 비용을 제외시킴으로써, 실제 판매량에 기초한 광고 비용과의 비용 차이가 최소화될 수 있다.
도 2 및 도 8을 참조하면, 대상 물품의 판매량 변화 데이터 제공 단계(S160)는 광고 서버(10)가 광고주 단말(30)로 판매 대상 물품의 예상 판매량 및 실제 판매량의 각 데이터를 제공하는 단계에 해당한다. 광고주는 광고주 단말(30)을 통해 표시되는 판매 대상 물품의 예상 판매량 그래프 및 실제 판매량 그래프를 확인할 수 있다.
일 실시예로, 광고 서버(10)는 광고주 단말(30)을 통해 광고 시작 시점으로부터 현시점까지의 예상 판매량과 실제 판매량이 도시된 그래프를 표시할 수 있다.
도 9는 본 발명의 일 실시예에 따른 통신 과정에서 적용될 수 있는 무선 통신 시스템을 나타낸 도면이다. 도 10은 도 9에 따른 무선 통신 시스템에서 기지국을 나타낸 도면이다. 도 11은 도 9에 따른 무선 통신 시스템에서 단말을 나타낸 도면이다. 도 12는 도 9에 따른 무선 통신 시스템에서 통신 인터페이스를 나타낸 도면이다.
이하에서는 각종 서버들(예, 광고 서버(10) 및 SNS 서버(20))와 단말들(예, 광고주 단말(30)) 사이의 통신을 지원하는 무선 통신 네트워크 시스템(통신 네트워크(40))의 일례를 구체적으로 예를 들어 설명한다. 다음 설명에서, 제1 노드(장치)는 앵커/도너 노드 또는 앵커/도너 노드의 CU(centralized unit) 일 수 있고, 제2 노드(장치)는 앵커/도너 노드 또는 릴레이 노드의 DU(distributed unit) 일 수 있다.
도 9 내지 도 12을 참조하면, 무선 통신 시스템에서 무선 채널을 사용하는 노드의 일부로 기지국(base station, BS), 단말, 서버 등이 포함될 수 있다.
기지국은 단말 및 단말에 무선 액세스를 제공하는 네트워크 인프라이다. 기지국은 신호가 전송될 수 있는 거리에 따라 소정의 지리적 영역으로 정의된 커버리지를 갖는다.
기지국은 "기지국"과 마찬가지로 "액세스 포인트(access point, AP)", "이노드비(enodeb, eNB)", "5 세대(5th generation, 5G) 노드", "무선 포인트(wireless point)", "송/수신 포인트(transmission/reception point, TRP)" 지칭될 수 있다.
기지국, 단말 및 단말은 밀리미터 파(millimeter wave, mmWave) 대역(예: 28GHz, 30GHz, 38GHz, 60GHz)으로 무선 신호를 송수신할 수 있다. 이때, 채널 이득 향상을 위해 기지국, 단말 및 단말은 빔포밍을 수행할 수 있다. 빔포밍은 송신 빔포밍 및 수신 빔포밍을 포함할 수 있다. 즉, 기지국, 단말 및 단말은 송신 신호와 수신 신호에 지향성을 부여할 수 있다. 이를 위해 기지국, 단말 및 단말은 빔 탐색 절차 또는 빔 관리 절차를 통해 서빙 빔을 선택할 수 있다. 그 후, 통신은 서빙 빔을 운반하는 자원과 준 동일위치(quasi co-located) 관계에 있는 자원을 사용하여 수행될 수 있다.
첫 번째 안테나 포트 및 두 번째 안테나 포트는 첫 번째 안테나 포트의 심볼이 전달되는 채널의 대규모 속성이 두 번째 안테나 포트의 심볼이 전달되는 채널에서 유추될 수 있는 경우 준 동일위치 위치에 있는 것으로 간주된다. 대규모 속성은 지연 확산, 도플러 확산, 도플러 시프트, 평균 이득, 평균 지연 및 공간 Rx 파라미터 중 하나 이상을 포함할 수 있다.
이하에서는 상술한 무선 통신 시스템에서 기지국을 예시한다. 이하에서 사용되는 "-모듈(module)", "-부(unit)"또는 "-er"라는 용어는 적어도 하나의 기능 또는 동작을 처리하는 유닛을 의미할 수 있으며, 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다.
기지국은 무선 통신 인터페이스, 백홀 통신 인터페이스, 저장부(storage unit 및 컨트롤러을 포함할 수 있다.
무선 통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 무선 통신 인터페이스는 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행할 수 있다. 예를 들어, 데이터 전송에서, 무선 통신 인터페이스은 전송 비트 스트림을 압축 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신 시 무선 통신 인터페이스는 베이스 밴드 신호를 복조 및 디코딩하여 수신 비트 스트림을 재구성한다.
무선 통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 무선 통신 인터페이스은 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행할 수 있다. 예를 들어, 데이터 전송에서, 무선 통신 인터페이스은 전송 비트 스트림을 압축 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신 시 무선 통신 인터페이스은 베이스 밴드 신호를 복조 및 디코딩하여 수신 비트 스트림을 재구성한다.
또한, 무선 통신 인터페이스는 베이스 대역 신호를 RF(Radio Frequency) 대역 신호로 상향 변환하고, 변환된 신호를 안테나를 통해 전송한 후 안테나를 통해 수신된 RF 대역 신호를 베이스 대역 신호로 하향 변환한다. 이를 위해, 무선 통신 인터페이스은 송신 필터(transmission filter), 수신 필터(reception filter), 증폭기(amplifier), 믹서(mixer), 발진기(oscillator), 디지털-아날로그 컨버터(digital-to-analog convertor, DAC), 아날로그-디지털 컨버터(analog-to-digital convertor, ADC) 등을 포함할 수 있다. 또한, 무선 통신 인터페이스는 복수의 송수신 경로를 포함할 수 있다. 또한, 무선 통신 인터페이스는 복수의 안테나 요소를 포함하는 적어도 하나의 안테나 어레이를 포함할 수 있다.
하드웨어 측면에서 무선 통신 인터페이스는 디지털 유닛과 아날로그 유닛을 포함할 수 있고, 아날로그 유닛은 동작 전력, 동작 주파수 등에 따라 복수의 서브 유닛을 포함할 수 있다. 디지털 유닛은 적어도 하나의 프로세서(예를 들어, 디지털 신호 프로세서(digital signal processor, DSP))로 구현될 수 있다.
무선 통신 인터페이스는 전술한 바와 같이 신호를 송수신한다. 따라서, 무선 통신 인터페이스는 "송신기(transmitter)", "수신기(receiver)"또는 "트랜시버(transceiver)"로 지칭될 수 있다. 또한, 이하의 설명에서 무선 채널을 통해 수행되는 송수신은 전술한 바와 같이 무선 통신 인터페이스에서 수행되는 처리를 포함하는 의미로 사용될 수 있다.
백홀 통신 인터페이스는 네트워크 내의 다른 노드와 통신을 수행하기위한 인터페이스를 제공한다. 즉, 백홀 통신 인터페이스는 다른 노드로 전송되는 비트 스트림을 변환하고, 예를 들어, 다른 액세스 노드, 다른 기지국, 상위 노드 또는 기지국으로부터의 코어 네트워크는 물리적 신호로, 다른 노드로부터 수신된 물리적 신호를 비트 스트림으로 변환한다.
저장부는 기본 프로그램, 어플리케이션, 기지국의 동작을 위한 설정 정보 등의 데이터를 저장한다. 저장부는 휘발성 메모리, 비 휘발성 메모리 또는 휘발성 메모리와 비 휘발성 메모리의 조합을 포함할 수 있다.
컨트롤러는 기지국의 전반적인 동작을 제어한다. 예를 들어, 컨트롤러는 무선 통신 인터페이스 또는 백홀 통신 인터페이스를 통해 신호를 송수신한다. 또한 컨트롤러는 저장부에 데이터를 기록하고 기록된 데이터를 읽는다. 컨트롤러는 통신 규격에서 요구하는 프로토콜 스택의 기능을 수행할 수 있다. 다른 구현에 따르면, 프로토콜 스택은 무선 통신 인터페이스에 포함될 수 있다. 이를 위해 컨트롤러는 적어도 하나의 프로세서를 포함할 수 있다.
일 실시 예에 따르면 컨트롤러는 본 발명의 실시 예에 따른 동작을 수행하도록 기지국을 제어할 수 있다.
다양한 실시 예에 따르면, 무선 통신 시스템의 도너 노드는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 동작 가능하게 결합된 트랜시버를 포함하고, 상기 릴레이 노드에 액세스하는 단말에 대한 복수의 라디오 베어러에 관한 상기 도너 노드와 관련된 제1 정보를 포함하는 제1 메시지를 릴레이 노드로 전송하도록 구성되고; 상기 릴레이 노드로부터 상기 단말에 대한 복수의 라디오 베어러에 관한 상기 릴레이 노드와 관련된 제2 정보를 포함하는 제2 메시지를 수신하고; 단말에 대한 데이터를 릴레이 노드로 전송할 수 있다. 데이터는 제1 정보 및 제2 정보에 기초하여 복수의 라디오 베어러를 통해 단말로 전송될 수 있다.
다양한 실시 예에 따르면, 복수의 라디오 베어러 중 라디오 베어러는 복수의 라디오 베어러를 통합시킬 수 있다. 적어도 하나의 프로세서는 또한 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러 및 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정하도록 구성되고; 또는 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러를 결정할 수 있다.
다양한 실시 예에 따르면, 제1 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 접속하는 단말의 종류를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대한 정보; 릴레이 노드에 액세스하는 단말에 의해 전달된 라디오 베어러에 대한 정보; 도너 노드와 릴레이 노드 사이의 라디오 베어러에 대해 설정된 터널에 대한 정보; 통합된 다중 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 도너 노드 측면의 주소에 대한 정보; 릴레이 노드 측의 주소에 대한 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대응하는 표시 정보; 릴레이 노드에 액세스하는 단말에 대해 새로운 주소를 라디오 베어러에 할당하도록 릴레이 노드를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러의 데이터를 전송하는 릴레이 노드가 사용할 수 없는 주소 정보 목록; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 의해 승인된 라디오 베어러에 대한 정보; 릴레이 노드에 의해 승인되지 않은 라디오 베어러에 대한 정보; 릴레이 노드에 의해 부분적으로 승인된 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 릴레이 노드가 생성한 릴레이 노드에 접속하는 단말의 구성 정보; 릴레이 노드 측의 주소에 대한 정보; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 통합된 다중 라디오 베어러에 대한 정보를 더 포함할 수 있다.
다양한 실시 예에 따르면, 도너 노드는 도너 노드의 중앙 유닛을 포함하고, 릴레이 노드는 도너 노드의 분산 유닛을 포함할 수 있다.
다양한 실시 예에 따르면, 무선 통신 시스템의 릴레이 노드는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 동작 가능하게 결합된 트랜시버를 포함하고, 도너 노드로부터, 릴레이 노드에 액세스하는 단말에 대한 복수의 라디오 베어러에 관한 도너 노드와 관련된 제1 정보를 포함하는 제1 메시지를 수신하도록 구성되고; 단말에 대한 복수의 라디오 베어러에 관한 릴레이 노드와 관련된 제2 정보를 포함하는 제2 메시지를 도너 노드로 전송하고; 도너 노드로부터 단말기에 대한 데이터를 수신할 수 있다. 데이터는 제1 정보 및 제2 정보에 기초하여 복수의 라디오 베어러를 통해 단말로 전송될 수 있다.
다양한 실시 예에 따르면, 복수의 라디오 베어러 중 라디오 베어러는 복수의 라디오 베어러를 통합시킬 수 있다. 적어도 하나의 프로세서는 또한 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러 및 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정하도록 구성되고; 또는 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정할 수 있다.
다양한 실시 예에 따르면, 제1 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 접속하는 단말의 종류를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대한 정보; 릴레이 노드에 액세스하는 단말에 의해 전달된 라디오 베어러에 대한 정보; 도너 노드와 릴레이 노드 사이의 라디오 베어러에 대해 설정된 터널에 대한 정보; 통합된 다중 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 도너 노드 측면의 주소에 대한 정보; 릴레이 노드 측의 주소에 대한 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대응하는 표시 정보; 릴레이 노드에 액세스하는 단말에 대해 새로운 주소를 라디오 베어러에 할당하도록 릴레이 노드를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러의 데이터를 전송하는 릴레이 노드가 사용할 수 없는 주소 정보 목록; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 의해 승인된 라디오 베어러에 대한 정보; 릴레이 노드에 의해 승인되지 않은 라디오 베어러에 대한 정보; 릴레이 노드에 의해 부분적으로 승인된 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 릴레이 노드가 생성한 릴레이 노드에 접속하는 단말의 구성 정보; 릴레이 노드 측의 주소에 대한 정보; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 통합된 다중 라디오 베어러에 대한 정보를 더 포함할 수 있다.
다양한 실시 예에 따르면, 도너 노드는 도너 노드의 중앙 유닛을 포함하고, 릴레이 노드는 도너 노드의 분산 유닛을 포함할 수 있다.
이하에서는 상술한 무선 통신 시스템에서 단말의 구성요소를 도시한다. 이하에서는 설명하는 단말의 구성요소는 무선 통신 시스템에서 지원하는 범용적인 단말의 구성요소로서 전술한 내용들에 따른 단말의 구성요소와 병합되거나 통합될 수 있고, 일부 중첩되거나 상충되는 범위에서 앞서 도면을 참조하여 설명한 내용이 우선적용되는 것으로 해석될 수 있다. 이하에서 사용되는 "-모듈", "-유닛"또는 "-er"라는 용어는 적어도 하나의 기능을 처리하는 유닛을 의미할 수 있다.
단말은 통신 인터페이스, 저장부 및 컨트롤러를 포함한다.
통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 통신 인터페이스는 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행한다. 예를 들어, 데이터 전송에서 통신 인터페이스는 전송 비트 스트림을 압축 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신시 통신 인터페이스는 베이스 대역 신호를 복조 및 복호화하여 수신 비트 스트림을 재구성한다. 또한, 통신 인터페이스는 베이스 대역 신호를 RF 대역 신호로 상향 변환하고, 변환된 신호를 안테나를 통해 전송한 후 안테나를 통해 수신된 RF 대역 신호를 기저 대역 신호로 하향 변환한다. 예를 들어, 통신 인터페이스는 송신 필터(transmission filter), 수신 필터(reception filter), 증폭기(amplifier), 믹서(mixer), 발진기(oscillator), 디지털-아날로그 컨버터(digital-to-analog convertor, DAC), 아날로그-디지털 컨버터(analog-to-digital convertor, ADC) 등을 포함할 수 있다.
또한, 통신 인터페이스는 복수의 송수신 경로를 포함할 수 있다. 또한, 통신 인터페이스는 복수의 안테나 요소를 포함하는 적어도 하나의 안테나 어레이를 포함할 수 있다. 하드웨어 측에서 무선 통신 인터페이스는 디지털 회로 및 아날로그 회로(예를 들어, radio frequency integrated circuit, RFIC)를 포함할 수 있다. 디지털 회로는 적어도 하나의 프로세서(예: DSP)로 구현될 수 있다. 통신 인터페이스는 복수의 RF 체인을 포함할 수 있다. 통신 인터페이스는 빔포밍을 수행할 수 있다.
통신 인터페이스는 전술한 바와 같이 신호를 송수신한다. 따라서, 통신 인터페이스는 "송신기(transmitter)", "수신기(receiver)"또는 "트랜시버(transceiver)"로 지칭될 수 있다. 또한, 이하의 설명에서 무선 채널을 통해 수행되는 송수신은 전술한 바와 같이 통신 인터페이스에서 수행되는 처리를 포함하는 의미로 사용될 수 있다.
저장부는 단말기의 동작을 위한 기본 프로그램, 어플리케이션, 설정 정보 등의 데이터를 저장한다. 저장부는 휘발성 메모리, 비 휘발성 메모리 또는 휘발성 메모리와 비 휘발성 메모리의 조합을 포함할 수 있다. 또한, 저장부는 컨트롤러의 요청에 따라 저장된 데이터를 제공한다.
컨트롤러는 단말의 전반적인 동작을 제어한다. 예를 들어, 컨트롤러는 통신 인터페이스를 통해 신호를 송수신한다. 또한 컨트롤러는 저장부에 데이터를 기록하고 기록된 데이터를 읽는다. 컨트롤러는 통신 규격에서 요구하는 프로토콜 스택의 기능을 수행할 수 있다. 다른 구현에 따르면, 프로토콜 스택은 통신 인터페이스에 포함될 수 있다. 이를 위해, 컨트롤러는 적어도 하나의 프로세서 또는 마이크로 프로세서를 포함하거나 프로세서의 일부를 재생할 수 있다. 또한, 통신 인터페이스 또는 컨트롤러의 일부를 통신 프로세서(communication processor, CP)라고 할 수 있다.
본 발명의 일 실시 예에 따르면, 컨트롤러는 본 발명의 실시 예에 따른 동작을 수행하도록 단말을 제어할 수 있다.
이하에서는 무선 통신 시스템에서 통신 인터페이스를 예시한다.
통신 인터페이스는 압축 및 변조 회로, 디지털 빔포밍 회로, 복수의 전송 경로 및 아날로그 빔포밍 회로를 포함한다.
압축 및 변조 회로는 채널 압축을 수행한다. 채널 압축을 위해 low-density parity check(LDPC) 코드, 컨볼루션 코드 및 폴라 코드 중 적어도 하나가 사용될 수 있다. 압축 및 변조 회로는 성상 매핑(constellation mapping)을 수행함으로써 변조 심볼을 생성한다.
디지털 빔포밍 회로는 디지털 신호(예를 들어, 변조 심볼)에 대한 빔 형성을 수행한다. 이를 위해, 디지털 빔포밍 회로는 빔포밍 가중 값에 의해 변조 심볼을 다중화한다. 빔포밍 가중치는 신호의 크기 및 문구를 변경하는데 사용될 수 있으며, "프리코딩 매트릭스(precoding matrix)"또는 "프리코더(precoder)"라고 할 수 있다. 디지털 빔포밍 회로는 디지털 빔포밍된 변조 심볼을 복수의 전송 경로로 출력한다. 이때, 다중 안테나 기술(multiple input multiple output, MIMO) 전송 방식에 따라 변조 심볼이 다중화 되거나 동일한 변조 심볼이 복수의 전송 경로에 제공될 수 있다.
복수의 전송 경로는 디지털 빔포밍된 디지털 신호를 아날로그 신호로 변환한다. 이를 위해, 복수의 전송 경로 각각은 인버스 고속 푸리에 변환(inverse fast fourier transform, IFFT) 계산 유닛, 순환 전치(cyclic prefix, CP) 삽입 유닛, DAC 및 상향 변환 유닛을 포함할 수 있다. CP 삽입 부는 직교 주파수 분할 다중화(orthogonal frequency division multiplexing, OFDM) 방식을 위한 것으로 다른 물리 계층 방식(예: 필터 뱅크 다중 반송파(a filter bank multi-carrier): FBMC) 적용시 생략될 수 있다. 즉, 복수의 전송 경로는 디지털 빔포밍을 통해 생성된 복수의 스트림에 대해 독립적인 신호 처리 프로세스를 제공한다. 그러나, 구현에 따라 복수의 전송 경로의 일부 요소는 공통적으로 사용될 수 있다.
아날로그 빔포밍 회로는 아날로그 신호에 대한 빔포밍을 수행한다. 이를 위해, 디지털 빔포밍 회로는 빔포밍 가중 값에 의해 아날로그 신호를 다중화한다. 빔포밍된 가중치는 신호의 크기와 문구를 변경하는데 사용된다. 보다 구체적으로, 복수의 전송 경로와 안테나 사이의 연결 구조에 따라, 아날로그 빔포밍 회로는 다양한 방식으로 구성될 수 있다. 예를 들어, 복수의 전송 경로 각각은 하나의 안테나 어레이에 연결될 수 있다. 다른 예에서, 복수의 전송 경로는 하나의 안테나 어레이에 연결될 수 있다. 또 다른 예에서, 복수의 전송 경로는 하나의 안테나 어레이에 적응적으로 연결될 수 있거나 2개 이상의 안테나 어레이에 연결될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
도 13은 본 발명의 일 실시예에 따른 광고 서버의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 13을 참조하면, 광고 서버(10)는 적어도 하나의 프로세서(110), 및 상기 적어도 하나의 프로세서(110)가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(120)를 포함할 수 있다.
여기서 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120)는 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다. 저장 장치(160)는, HDD(hard disk drive), SSD(solid state drive) 등일 수 있다.
또한, 광고 서버(10)는, 통신 네트워크(40)를 통해 통신을 수행하는 송수신 장치(transceiver, 130)를 포함할 수 있다. 또한, 광고 서버(10)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 광고 서버(10)에 포함된 각각의 구성 요소들은 버스(bus, 170)에 의해 연결되어 서로 통신을 수행할 수 있다. 광고 서버(10)는 푸쉬 서버(push server), 게이트웨이 서버(gateway server), 네임 서버(name server) 등의 기능을 포함할 수 있다.
이상, 첨부된 도면을 참조하여 본 발명의 기술적 사상에 따른 실시 예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해하여야 한다.
10: 광고 서버 11: 인공 신경망
110: 프로세서 120: 메모리
140: 입력 인터페이스 장치 150: 출력 인터페이스 장치
160: 저장 장치 190: 추정 모델
20: SNS 서버 210: 소셜 네트워크 데이터
220: 사용자 게시물 30: 광고주 단말
310: 가중치 예측 모델 학습부 320: 가중치 예측 모델
40: 통신 네트워크

Claims (10)

  1. 광고주에 대한 서비스 제공 방법으로서,
    광고 서버가 광고주 단말로부터 판매 대상 물품에 대한 정보를 제공받는 단계;
    상기 광고 서버가 SNS 서버로부터 상기 판매 대상 물품에 대한 소셜 네트워크 데이터를 제공받고, 상기 소셜 네트워크 데이터에서 키워드와 호감도를 추출하는 단계;
    상기 광고 서버가 추정 모델을 통해 상기 호감도를 기초로 상기 판매 대상 물품의 예상 판매량을 추정하는 단계;
    상기 광고 서버가 경쟁 제품의 영업 이익을 산출하기 위해, 상기 광고 서버 내에 저장된 경쟁 제품 정보를 검색하는 단계;
    검색된 상기 경쟁 제품 정보를 참조하여, 상기 광고 서버가 상기 경쟁 제품의 영업 이익, 상기 예상 판매량 및 상기 호감도를 기초로 광고 비용을 산정하는 단계; 및
    상기 광고 서버가 상기 광고주 단말로 상기 예상 판매량 및 실제 판매량의 각 데이터를 제공하는 단계를 포함하고,
    상기 광고 비용을 산정하는 단계는,
    상기 경쟁 제품 정보에서 복수의 광고주들에 대한 제품들 각각에 대한 판매량, 시장 점유율, 광고 비용, 및 호감도를 획득하는 단계; 및
    하기 수학식에 기초하여 상기 복수의 광고주들에 대한 제품들 중 상기 경쟁 제품에 대한 이전 달 영업 이익(Oc)를 예측하는 단계;를 포함하되,
    Figure 112021147855973-pat00021

    상기 수학식에서 Sc는 상기 경쟁 제품의 이전 달 판매량이고, Wc는 상기 경쟁 제품의 이전 달 광고 비용이고, β는 상기 경쟁 제품의 시장 점유율(Mc)에 따른 가중치 값이고, γ는 상기 경쟁 제품의 호감도 수치(δc)에 따른 가중치 값인, 광고주 서비스 제공 방법.
  2. 제1 항에 있어서,
    상가 광고 서버는, 상기 키워드와 호감도를 추출하는 단계에서,
    상기 SNS 서버에서 상기 판매 대상 물품의 명칭으로 사용자 게시물을 검색하고, 상기 검색된 사용자 게시물에서 자연어 처리를 통해 상기 판매 대상 물품의 명칭 및 상기 판매 대상 물품의 유사어를 상기 키워드로 설정한 이후 상기 키워드를 추출하는, 광고주 서비스 제공 방법.
  3. 제2 항에 있어서,
    상가 광고 서버는, 상기 키워드와 호감도를 추출하는 단계에서,
    상기 호감도를 이용해 상기 키워드가 추출된 횟수, 상기 키워드가 추출된 빈도수 및 상기 키워드의 감성 정보에 기초하여 상기 사용자 게시물을 스코어링(Scoring)한 이후, 기 설정된 기준 값 이상인 사용자 게시물을 후보 사용자 게시물로 선택하는, 광고주 서비스 제공 방법.
  4. 제3 항에 있어서,
    상가 광고 서버는, 상기 예상 판매량을 추정하는 단계에서,
    이전 달 판매량, 상기 판매 대상 물품의 명칭으로 검색된 사용자 게시물의 총 개수, 상기 후보 사용자 게시물, 상기 판매 대상 물품의 판매 가격, 상기 판매 대상 물품과 동종의 물품의 평균 가격 및 상기 호감도에 따른 가중치 값에 기초하여 상기 예상 판매량을 추정하는, 광고주 서비스 제공 방법.
  5. 제4 항에 있어서,
    상기 가중치 값은 인공 신경망 기반의 가중치 예측 모델을 통해 결정되는, 광고주 서비스 제공 방법.
  6. 삭제
  7. 청구항 1에 따른 방법을 실행시키기 위한 프로그램이 기록되고, 컴퓨터에 의해 읽혀질 수 있는, 비일시적 기록매체.
  8. 광고주에 대한 서비스를 제공하는 광고 서버에서 청구항 1에 따른 방법을 실행시키기 위하여, 비일시적 기록매체에 기록된, 컴퓨터 프로그램.
  9. 적어도 하나의 프로세서(processor); 및
    상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instuctions)을 저장하는 메모리(memory)를 포함하는, 광고주에 대한 서비스를 제공하는 광고 서버로서,
    상기 적어도 하나의 동작은,
    광고 서버가 광고주 단말로부터 판매 대상 물품에 대한 정보를 제공받는 단계;
    상기 광고 서버가 SNS 서버로부터 상기 판매 대상 물품에 대한 소셜 네트워크 데이터를 제공받고, 상기 소셜 네트워크 데이터에서 키워드와 호감도를 추출하는 단계;
    상기 광고 서버가 추정 모델을 통해 상기 호감도를 기초로 상기 판매 대상 물품의 예상 판매량을 추정하는 단계;
    상기 광고 서버가 경쟁 제품의 영업 이익을 산출하기 위해, 상기 광고 서버 내에 저장된 경쟁 제품 정보를 검색하는 단계;
    검색된 상기 경쟁 제품 정보를 참조하여, 상기 광고 서버가 상기 경쟁 제품의 영업 이익, 상기 예상 판매량 및 상기 호감도를 기초로 광고 비용을 산정하는 단계; 및
    상기 광고 서버가 상기 광고주 단말로 상기 예상 판매량 및 실제 판매량의 각 데이터를 제공하는 단계를 포함하고,
    상기 광고 비용을 산정하는 단계는,
    상기 경쟁 제품 정보에서 복수의 광고주들에 대한 제품들 각각에 대한 판매량, 시장 점유율, 광고 비용, 및 호감도를 획득하는 단계; 및
    하기 수학식에 기초하여 상기 복수의 광고주들에 대한 제품들 중 상기 경쟁 제품에 대한 이전 달 영업 이익(Oc)를 예측하는 단계;를 포함하되,
    Figure 112021147855973-pat00022

    상기 수학식에서 Sc는 상기 경쟁 제품의 이전 달 판매량이고, Wc는 상기 경쟁 제품의 이전 달 광고 비용이고, β는 상기 경쟁 제품의 시장 점유율(Mc)에 따른 가중치 값이고, γ는 상기 경쟁 제품의 호감도 수치(δc)에 따른 가중치 값인, 광고 서버.
  10. 광고주에 대한 서비스를 제공하는 시스템으로서,
    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 서버;
    상기 광고 서버와 연결되는 인공 신경망;
    상기 광고 서버와 통신 네트워크를 통해 연결되어 소셜 네트워크 데이터를 제공하는 SNS 서버; 및
    상기 광고 서버와 상기 통신 네트워크를 통해 연결되고, 상기 서비스를 제공하기 위한 프로그램이 설치된 광고주 단말을 포함하되,
    상기 적어도 하나의 동작은,
    광고 서버가 광고주 단말로부터 판매 대상 물품에 대한 정보를 제공받는 단계;
    상기 광고 서버가 SNS 서버로부터 상기 판매 대상 물품에 대한 소셜 네트워크 데이터를 제공받고, 상기 소셜 네트워크 데이터에서 키워드와 호감도를 추출하는 단계;
    상기 광고 서버가 추정 모델을 통해 상기 호감도를 기초로 상기 판매 대상 물품의 예상 판매량을 추정하는 단계;
    상기 광고 서버가 경쟁 제품의 영업 이익을 산출하기 위해, 상기 광고 서버 내에 저장된 경쟁 제품 정보를 검색하는 단계;
    검색된 상기 경쟁 제품 정보를 참조하여, 상기 광고 서버가 상기 경쟁 제품의 영업 이익, 상기 예상 판매량 및 상기 호감도를 기초로 광고 비용을 산정하는 단계; 및
    상기 광고 서버가 상기 광고주 단말로 상기 예상 판매량 및 실제 판매량의 각 데이터를 제공하는 단계를 포함하고,
    상기 광고 비용을 산정하는 단계는,
    상기 경쟁 제품 정보에서 복수의 광고주들에 대한 제품들 각각에 대한 판매량, 시장 점유율, 광고 비용, 및 호감도를 획득하는 단계; 및
    하기 수학식에 기초하여 상기 복수의 광고주들에 대한 제품들 중 상기 경쟁 제품에 대한 이전 달 영업 이익(Oc)를 예측하는 단계;를 포함하되,
    Figure 112021147855973-pat00023

    상기 수학식에서 Sc는 상기 경쟁 제품의 이전 달 판매량이고, Wc는 상기 경쟁 제품의 이전 달 광고 비용이고, β는 상기 경쟁 제품의 시장 점유율(Mc)에 따른 가중치 값이고, γ는 상기 경쟁 제품의 호감도 수치(δc)에 따른 가중치 값인, 광고 서비스 제공 시스템.
KR1020210150317A 2021-11-02 2021-11-04 광고주 서비스를 제공하기 위한 방법 및 시스템 KR102420629B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020220084527A KR20220104664A (ko) 2021-11-02 2022-07-08 광고주 서비스를 제공하기 위한 방법 및 시스템
KR1020220084543A KR20220104665A (ko) 2021-11-02 2022-07-08 광고주 서비스를 제공하기 위한 방법 및 시스템

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20210148695 2021-11-02
KR1020210148695 2021-11-02
KR20210149533 2021-11-03
KR1020210149533 2021-11-03

Related Child Applications (2)

Application Number Title Priority Date Filing Date
KR1020220084527A Division KR20220104664A (ko) 2021-11-02 2022-07-08 광고주 서비스를 제공하기 위한 방법 및 시스템
KR1020220084543A Division KR20220104665A (ko) 2021-11-02 2022-07-08 광고주 서비스를 제공하기 위한 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102420629B1 true KR102420629B1 (ko) 2022-07-14

Family

ID=82407044

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020210150317A KR102420629B1 (ko) 2021-11-02 2021-11-04 광고주 서비스를 제공하기 위한 방법 및 시스템
KR1020220084527A KR20220104664A (ko) 2021-11-02 2022-07-08 광고주 서비스를 제공하기 위한 방법 및 시스템
KR1020220084543A KR20220104665A (ko) 2021-11-02 2022-07-08 광고주 서비스를 제공하기 위한 방법 및 시스템

Family Applications After (2)

Application Number Title Priority Date Filing Date
KR1020220084527A KR20220104664A (ko) 2021-11-02 2022-07-08 광고주 서비스를 제공하기 위한 방법 및 시스템
KR1020220084543A KR20220104665A (ko) 2021-11-02 2022-07-08 광고주 서비스를 제공하기 위한 방법 및 시스템

Country Status (1)

Country Link
KR (3) KR102420629B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102487754B1 (ko) * 2022-07-25 2023-01-13 주식회사 디얼 뉴럴 네트워크를 이용하여 서버가 마케팅 비용에 대한 정보를 단말에게 제공하는 방법 및 장치
KR102533442B1 (ko) 2022-12-08 2023-05-17 (주)스테이튠드 인공지능 모델을 기반으로 온라인 판매를 위한 제품 기획 및 마케팅 전략 도출 방법, 장치 및 시스템
CN118096239A (zh) * 2024-04-23 2024-05-28 济宁市海富电子科技有限公司 一种手机壳加工销售跟踪管理控制系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102585096B1 (ko) * 2022-11-16 2023-10-04 구민석 제품 컨텐츠 제작 기법을 활용한 쇼핑몰 광고 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190086245A (ko) * 2018-01-12 2019-07-22 주식회사 엘솔컴퍼니 Sns를 이용한 광고 제공 장치, 방법 및 컴퓨터 프로그램
KR20210052746A (ko) * 2019-10-31 2021-05-11 주식회사 구루컴퍼니 제품화 대상 콘텐츠의 예상 판매량 추정 방법, 장치 및 컴퓨터프로그램

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190086245A (ko) * 2018-01-12 2019-07-22 주식회사 엘솔컴퍼니 Sns를 이용한 광고 제공 장치, 방법 및 컴퓨터 프로그램
KR20210052746A (ko) * 2019-10-31 2021-05-11 주식회사 구루컴퍼니 제품화 대상 콘텐츠의 예상 판매량 추정 방법, 장치 및 컴퓨터프로그램

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102487754B1 (ko) * 2022-07-25 2023-01-13 주식회사 디얼 뉴럴 네트워크를 이용하여 서버가 마케팅 비용에 대한 정보를 단말에게 제공하는 방법 및 장치
KR102528416B1 (ko) 2022-07-25 2023-05-04 주식회사 디얼 뉴럴 네트워크를 이용하여 광고 대상에 대한 인지도의 차이에 기반하여 마케팅 비용에 대한 정보를 단말에게 전송하는 방법 및 장치
KR102528407B1 (ko) 2022-07-25 2023-05-04 주식회사 디얼 뉴럴 네트워크를 이용하여 인플루언서와 광고 대상의 분야에 대한 연관도에 따른 마케팅 비용에 대한 정보를 결정하는 방법 및 장치
KR102533442B1 (ko) 2022-12-08 2023-05-17 (주)스테이튠드 인공지능 모델을 기반으로 온라인 판매를 위한 제품 기획 및 마케팅 전략 도출 방법, 장치 및 시스템
CN118096239A (zh) * 2024-04-23 2024-05-28 济宁市海富电子科技有限公司 一种手机壳加工销售跟踪管理控制系统

Also Published As

Publication number Publication date
KR20220104664A (ko) 2022-07-26
KR20220104665A (ko) 2022-07-26

Similar Documents

Publication Publication Date Title
KR102420629B1 (ko) 광고주 서비스를 제공하기 위한 방법 및 시스템
KR102345551B1 (ko) 공간 대여 플랫폼을 제공하기 위한 시스템 및 방법
KR102540203B1 (ko) 쇼호스트 추천기능을 제공하는 라이브 스트리밍 중계 서비스 제공 장치, 시스템, 방법 및 프로그램
KR102527243B1 (ko) 인공신경망 기반의 제품추천모델을 지원하는 온라인 전자 상거래 플랫폼 제공 방법 및 장치
KR102596927B1 (ko) 검수자들의 검수결과를 이용해 고장원인을 특정하는 원스톱 온라인 수리 서비스 제공 장치, 시스템, 방법 및 프로그램
KR102486487B1 (ko) 사용자를 위한 상품 제공 방법
KR102427216B1 (ko) 도매상을 위한 전자상거래 마케팅 서비스 제공 장치, 시스템, 방법 및 프로그램
KR102566441B1 (ko) 비즈니스 모델에 대응하는 애플리케이션에 대한 결함 의심 데이터를 제공하는 기술성 테스트를 포함하는 통합 테스트 플랫폼 시스템 및 그 동작 방법
KR20220051142A (ko) 맞춤형 상품 제공 방법
KR102560678B1 (ko) 사용자의 선호도에 기초한 맞춤형 상품 제공 방법
KR102527962B1 (ko) 사용자의 쇼핑을 위한 제품 추천 및 배송 알고리즘 생성 방법
KR102424247B1 (ko) 배달 메뉴 공유 플랫폼
KR102562358B1 (ko) 사용자를 위한 광고 대행 방법
KR102524647B1 (ko) 분양 마케팅 지원 서비스 제공 장치, 시스템, 방법 및 프로그램
KR102451571B1 (ko) 조인 연산과 그래프 모델을 이용한 친구관계 모델링 기법에 기초한 광고 제공 방법 및 시스템
KR102590842B1 (ko) 사용자를 위한 음식점 브랜딩 생성 방법
KR102594812B1 (ko) 온오프라인 통합 마케팅 방법 및 시스템
KR20240001305A (ko) 웹디자인 수행 영상으로부터 학습 데이터를 구성하고 이를 기반으로 지도학습이 수행된 ai 기반 웹빌더를 제공하기 위한 운영서버 및 그 동작 방법

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant