KR102492124B1 - 가치평가 모델링을 통한 음악 저작권 및 저작인접권의 분할 및 상품화 비즈니스 모델 구현 시스템 - Google Patents
가치평가 모델링을 통한 음악 저작권 및 저작인접권의 분할 및 상품화 비즈니스 모델 구현 시스템 Download PDFInfo
- Publication number
- KR102492124B1 KR102492124B1 KR1020210185679A KR20210185679A KR102492124B1 KR 102492124 B1 KR102492124 B1 KR 102492124B1 KR 1020210185679 A KR1020210185679 A KR 1020210185679A KR 20210185679 A KR20210185679 A KR 20210185679A KR 102492124 B1 KR102492124 B1 KR 102492124B1
- Authority
- KR
- South Korea
- Prior art keywords
- index
- modeling
- product
- value
- weight
- Prior art date
Links
- 230000007423 decrease Effects 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 9
- 238000000611 regression analysis Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 31
- 238000000034 method Methods 0.000 description 22
- 238000004364 calculation method Methods 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000011867 re-evaluation Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0613—Third-party assisted
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 거래되는 음원에 관련된 정보, 구매자에 관한 정보, 저작권자에 관한 정보 및 저작권 상품에 관한 정보를 저장하는 데이터베이스와, 가치평가 모델링을 통해 상기 음원의 가치를 평가하여 상기 저작권 상품의 가격과 수량을 결정하는 가치평가모듈과, 각 저작권 상품의 매매 조건을 설정하고 상기 조건에 맞는 구매 희망자를 판별하여 상기 저작권 상품의 매매를 진행시키며 상기 매매 후 소유권자의 정보를 상기 데이터베이스에 저장하는 구매관리모듈과, 상기 음원으로부터 발생하는 저작권료를 상기 저작권 상품의 소유권자에게 분배해주는 수익분배모듈을 포함하는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템을 제공한다.
Description
본 발명은 저작권 및 저작인접권의 분할 및 상품화 비즈니스 모델 구현 시스템에 관한 것으로서, 보다 자세하게는 저작권 및 저작인접권에 대한 가치평가 모델링을 이용해 수요자에게 음악 저작권 및 저작인접권을 분할하여 판매할 수 있게 하는 음악 저작권 및 저작인접권의 분할 및 상품화 비즈니스 모델 구현 시스템에 관한 것이다.
음악 저작권이란 일정기간 동안 음악 저작자가 자신이 창작한 음악을 독점적으로 사용할 수 있게 하는 권리다. 음악 저작권에는 저작물에 담겨져 있는 저작인격권도 포함된다.
작사나 작곡가와 같은 음악 저작권자와 함께 가수나 음반 제작자의 권리인 저작인접권도 있다. 저작인접권은 음악 자체를 창작한 것은 아니지만 음악을 실연하거나 녹음수단을 이용해 예술성을 발휘하는 자에게 주어진 권리다.
하나의 음반에는 음악 저작권자, 저작인접권자의 권리가 함께 있다. 사적 복제나 비영리 목적으로 공연한 경우와 판매용 음반을 대가를 받지 않고 재생할 때에는 음악 저작권 행사가 제한이 된다.
종래에는 음원 저작권자나 저작인접권자가 음원의 일부 또는 전부를 판매하고자 하는 경우에도 음원 시장이 활성화 되지 않아 음원에 투자할 투자자를 바로 찾는 경우가 쉽지 않았으며, 투자자를 찾은 경우에도 음원의 일부를 판매하는데는 어려움이 있었다.
또한, 음원 소비자들은 단순히 듣는 것뿐만 아니라 본인들이 선호하는 음원에 투자하여 수입을 공유하고 권리의 일부를 소유하기를 원하고 있다. 그러나 아직 음원 시장은 활성화 되지 않아, 투자자들은 취향과 수익률이 동시에 충족되는 음원투자에 접근성이 거의 없으며, 접근하는 경우에도 적정한 가격을 책정할 수 있는 정보의 부재로 투자결정에 어려움이 있다는 문제점이 있다.
대한민국 등록특허 제10-1996406호 '음원 거래 시스템 및 방법'(이하 '특허문헌 1'이라 함)에서는 음원 저작권을 분할하여 일정 부분을 수요자에게 경매를 통해 분배하는 방법을 이용해 음원의 일부를 음원 소비자에게 공급하는 방법을 제안하였다. 하지만, 특허문헌 1에 의하면 음원 가격을 정하는 객관적인 지표가 존재하지 않고 경매 과정에서 발생하는 경쟁으로 인해 수익률이 극도로 낮아지는 부작용이 발생할 수 있다.
대한민국 등록특허 제10-1422772호 '사용자 선호와 평가를 반영한 음악 재생 목록을 생성하는 온라인 음악 서비스 장치 및 방법'(이하 '특허문헌 2'라 함)에서는 사용자들이 평가한 스코어에 따라 음원의 가치를 평가하는 방법이 개시되어 있지만, 사용자의 선호도 만으로는 저작권 투자 가치에 대한 정확한 기준을 제시하지 못한다는 문제가 있다.
인스타그램 분석툴 (http://tag.mediance.co.kr)
사운드차트 (https://app.soundcharts.com/app/artist/bigbang-1/audience/analytics/youtube)
페이스북, 유투브 데이터 분석 툴 (https://bigfoot9.com/)
네이버랩스 (https://datalab.naver.com/keyword/trendSearch.naver)
구글 트랜드 (https://trends.google.co.kr/trends/?geo=KR)
본 발명은 상기와 같은 문제점들을 해결하기 위해 안출된 것으로서, 보다 객관적인 가치평가를 통해 수요자들에게 적정한 가격으로 음원 저작권 (또는 저작인접권)을 판매하고 원치 않을 경우 자유롭게 해당 권리를 되파는 것을 가능케 하는 상품화 비즈니스 모델 구현 시스템을 제공하는 것을 목적으로 한다.
상기와 같은 과제를 해결하기 위해 본 발명은 거래되는 음원에 관련된 정보, 구매자에 관한 정보, 저작권자에 관한 정보 및 저작권 상품에 관한 정보를 저장하는 데이터베이스와, 가치평가 모델링을 통해 상기 음원의 가치를 평가하여 상기 저작권 상품의 가격과 수량을 결정하는 가치평가모듈과, 각 저작권 상품의 매매 조건을 설정하고 상기 조건에 맞는 구매 희망자를 판별하여 상기 저작권 상품의 매매를 진행시키며 상기 매매 후 소유권자의 정보를 상기 데이터베이스에 저장하는 구매관리모듈과, 상기 음원으로부터 발생하는 저작권료를 상기 저작권 상품의 소유권자에게 분배해주는 수익분배모듈을 포함하는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템을 제공한다.
본 발명의 일 실시예에 따르면, 상기 구매관리모듈은 상기 저작권 상품의 구매 희망자들이 매매를 신청한 순서대로 상기 매매를 진행하는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템을 제공한다.
본 발명의 일 실시예에 따르면, 상기 구매관리모듈은 상기 구매 희망자들이 정해진 기간 내에 일정 횟수 이상 시스템에 접속한 이력이 존재하는 경우 상기 매매를 진행할 수 있도록 매매 조건을 설정하는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템을 제공한다.
본 발명의 일 실시예에 따르면, 상기 구매관리모듈은 상기 구매 희망자들이 정해진 기간 내에 일정 횟수 이상 매매 이력이 있는 경우 상기 매매를 진행할 수 있도록 매매 조건을 설정하는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템을 제공한다.
본 발명의 일 실시예에 따르면, 상기 구매관리모듈은 상기 소유권자가 구입한 저작권 상품을 반환 신청하는 경우 일정 수수료를 제외한 비용을 상기 소유권자에게 반환하고 상기 반환 신청된 저작권 상품을 상기 조건에 맞는 구매 희망자에게 노출시키도록 형성되는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템을 제공한다.
본 발명의 일 실시예에 따르면, 상기 구매관리모듈은 상기 소유권자가 구입한 저작권 상품을 선물하기를 신청하는 경우 상기 데이터베이스에 상기 저작권 상품의 소유자를 선물받는 사람으로 갱신하고, 상기 수익분배모듈은 상기 데이터베이스에 소유권자 정보가 갱신된 시점을 기준으로 상기 저작권료를 변경된 소유권자에게 분배해주도록 형성되는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템을 제공한다.
본 발명의 일 실시예에 따르면, 상기 수익분배모듈은 신탁사로부터 상기 저작권 상품의 수입을 정산받고 상기 소유권자에게 일 단위로 수익을 분배해주는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템을 제공한다.
본 발명의 일 실시예에 따르면, 상기 가치평가모듈은 복수개의 모델링 지수를 설정하고 아래 식에 의해 모델링 결과값을 도출하며,
T = 
(T: 모델링 결과값, n : 모델링 지수의 갯수, Xi : 지수값, Pi : 가중치) 상기 모델링 결과값(T)의 변화량을 통해 다음달 저작권료의 증가 또는 감소 확률을 예측하는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템을 제공한다.
본 발명의 일 실시예에 따르면, 상기 가치평가모듈은 상기 신탁사로부터 정산되는 저작권 상품의 금액을 확인하여 매달 지수별 가중치 값을 재조정하며, 상기 재조정은 각 지수들의 과거 가중치 값들을 이용한 다항 회귀분석을 통해 이루어지는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템을 제공한다.
본 발명의 일 실시예에 따르면, 상기 가치평가모듈은, 각 지수들의 직전 3개월치 값들의 선형 회귀분석 후 회귀분석 시 기울기가 가장 큰 지수는 가중치 값에 1/2n를 더하고, 두번째로 기울기가 큰 지수는 가중치 값에 1/4n을 더하며, 기울기가 가장 작은 지수는 가중치 값에서 1/2n를 빼고 두번째로 기울기가 작은 지수는 가중치 값에서 1/4n을 빼는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템을 제공한다.
본 발명에 따르면 음악 저작권을 거래하는 과정에서 저작권 상품을 합리적 수준에서 균등가에 판매함으로써 구매자들이 지나친 가격에 구매하여 피해를 보는 것을 방지할 수 있다.
또한, 본 발명은 일정한 조건을 충족하는 경우 선착순으로 음악 저작권을 구매할 수 있게 하여 과도한 경쟁으로 구매자가 손해보는 것을 방지할 수 있다.
아울러, 종래기술에서는 매수한 저작권 상품을 현금화 하는데 어려움이 있는 것과는 달리 본 발명에서는 구매자가 구매한 저작권 상품을 언제든지 반환할 수 있게 하여 보유기간에 따라 저작권료 수익을 얻을 수 있을 뿐 아니라 즉시 현금화하여 원금을 회수하는 것이 가능해진다.
도 1은 본 발명의 일 실시예에 따른 음악 저작권 상품 거래 시스템의 개념도이다.
도 2는 본 발명의 일 실시예에 따른 시스템이 저작권료를 정산해주는 방법을 설명하기 위한 개념도이다.
도 3은 본 발명의 일 실시예에 따른 시스템이 원작자로부터 저작권을 매입하는 방법을 설명하기 위한 개념도이다.
도 4는 본 발명의 일 실시예에 따른 시스템이 신탁사(한국음악저작권협회)로부터 저작권료를 정산받아 구매자에게 분배하는 방법을 설명하기 위한 개념도이다.
도 5는 본 발명의 일 실시예에 따른 가치평가 모델링 방법을 설명하기 위한 개념도이다.
도 6a는 가치평가 모델링 중 팔로워 지수 계산 방법을 설명하기 위한 개념도이다.
도 6b는 팔로워 지수 데이터를 이용한 월/일별 누적 팔로워수 증감 시계열 차트의 예이다.
도 6c는 팔로워 지수 데이터 이용한 월/일별 플랫폼별 팔로워수의 증감 시계열 차트의 예이다.
도 7a는 가치평가 모델링 중 유투브 지수 계산 방법을 설명하기 위한 개념도이다.
도 7b는 유투브 지수 데이터를 이용한 월/일별 유투브 조회수 차트의 예이다.
도 8은 가치평가 모델링 중 검색엔진 지수 계산 방법을 설명하기 위한 개념도이다.
도 9a는 가치평가 모델링 중 스트리밍 플랫폼 지수 계산 방법을 설명하기 위한 개념도이다.
도 9b는 스트리밍 플랫폼 지수를 이용한 스트리밍 플랫폼 시계열 차트의 예이다.
도 10은 가치평가 모델링 중 SNS 지수 계산 방법을 설명하기 위한 개념도이다.
도 11은 가치평가 모델링 중 라디오/방송 지수 계산 방법을 설명하기 위한 개념도이다.
도 12a는 가치평가 모델링을 통해 생성된 통합 지수차트의 예를 나타내는 도면이다.
도 12b는 가치평가 모델링을 통해 생성된 지수별 차트의 예를 나타내는 도면이다.
도 12c는 가치평가 모델링을 통해 생성된 Raw 데이터 차트의 예를 나타내는 도면이다.
도 13은 가치평가 모델링을 통해 모델의 결과값을 도출하는 방식을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 시스템이 저작권료를 정산해주는 방법을 설명하기 위한 개념도이다.
도 3은 본 발명의 일 실시예에 따른 시스템이 원작자로부터 저작권을 매입하는 방법을 설명하기 위한 개념도이다.
도 4는 본 발명의 일 실시예에 따른 시스템이 신탁사(한국음악저작권협회)로부터 저작권료를 정산받아 구매자에게 분배하는 방법을 설명하기 위한 개념도이다.
도 5는 본 발명의 일 실시예에 따른 가치평가 모델링 방법을 설명하기 위한 개념도이다.
도 6a는 가치평가 모델링 중 팔로워 지수 계산 방법을 설명하기 위한 개념도이다.
도 6b는 팔로워 지수 데이터를 이용한 월/일별 누적 팔로워수 증감 시계열 차트의 예이다.
도 6c는 팔로워 지수 데이터 이용한 월/일별 플랫폼별 팔로워수의 증감 시계열 차트의 예이다.
도 7a는 가치평가 모델링 중 유투브 지수 계산 방법을 설명하기 위한 개념도이다.
도 7b는 유투브 지수 데이터를 이용한 월/일별 유투브 조회수 차트의 예이다.
도 8은 가치평가 모델링 중 검색엔진 지수 계산 방법을 설명하기 위한 개념도이다.
도 9a는 가치평가 모델링 중 스트리밍 플랫폼 지수 계산 방법을 설명하기 위한 개념도이다.
도 9b는 스트리밍 플랫폼 지수를 이용한 스트리밍 플랫폼 시계열 차트의 예이다.
도 10은 가치평가 모델링 중 SNS 지수 계산 방법을 설명하기 위한 개념도이다.
도 11은 가치평가 모델링 중 라디오/방송 지수 계산 방법을 설명하기 위한 개념도이다.
도 12a는 가치평가 모델링을 통해 생성된 통합 지수차트의 예를 나타내는 도면이다.
도 12b는 가치평가 모델링을 통해 생성된 지수별 차트의 예를 나타내는 도면이다.
도 12c는 가치평가 모델링을 통해 생성된 Raw 데이터 차트의 예를 나타내는 도면이다.
도 13은 가치평가 모델링을 통해 모델의 결과값을 도출하는 방식을 설명하기 위한 도면이다.
이하, 본 발명에 대하여 도면을 참조하여 보다 상세하게 설명한다. 본 명세서에서는 서로 다른 실시예라도 동일·유사한 구성에 대해서는 동일·유사한 참조번호를 부여하고, 그 설명은 처음 설명으로 갈음한다. 본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도는 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 명세서에 기재된 "...부", "...유닛", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 본 발명의 일 실시예에 따른 음악 저작권 상품 거래 시스템의 개념도이다.
도 1을 참조하면, 시스템은 음악 저작권 및 저작인접권(이하 설명의 편의를 위해 '저작권'이라 함)의 가치를 평가하고 , 이를 토대로 저작권 상품을 생성하며, 저작권 상품을 적정한 수로 분할하고, 분할된 저작권 상품을 사용자들에게 매매하고, 상기 저작권에 대해 발생하는 수익을 저작권 상품 소유자들에게 분배한다.
시스템은 이러한 일련의 과정을 제어하는 제어부를 구비하며, 제어부는 기능에 따라 데이터베이스와, 통신부와, 가치평가모듈과, 수익분배모듈과, 구매관리모듈과, 선물관리모듈 등으로 구분될 수 있다.
이러한 제어부의 구성은 설명의 편의를 위해 기능에 따라 분류한 것일 뿐 실제 물리적 구분이 필수적인 것은 아니고, 필요에 따라 일부 구성들을 하나로 묶거나 하나의 구성을 다시 여러개로 세분화하는 것도 가능하다.
데이터 베이스는 거래되는 음원에 관련된 정보와, 사용자에 관한 정보와, 저작권자에 관한 정보 및 저작권 상품에 관한 정보 등을 저장한다. 또한, 구매 관련 정보, 선물하기 정보, 저작권 상품에 대한 최종 소유자가 누구인지와, 저작권료를 분배받기 위한 정보도 저장한다.
가치평가모듈에서 사용되는 지수들의 종류와, 각 지수들의 계산 방법, 가치평가 모델링을 통해 모델의 결과값을 도출하는 방법 등에 대한 데이터들을 저장하여 빅데이터를 생성할 수 있다.
가치평가모듈은 데이터베이스에 저장된 빅데이터를 활용하여 머신러닝, 딥러닝 등을 통해 지수값과 각 지수별 가중치 값을 수정하고 보다 정확한 저작권 수익의 증감을 예측할 수 있다.
통신부는 시스템이 서버에 온/오프라인으로 정보를 주고 받을 수 있게 한다.
통신부는 서버를 통해 원작자, 저작권 협회 및 사용자들과 정보를 주고 받을 수 있게 한다.
가치평가모듈은 월별, 연도별 저작권료 추이 확인 및 향후 저작권료 감소 추이를 예상할 수 있다.
가치평가모듈은 저작권 상품의 가치평가를 위해 복수개의 모델링 지수를 설정하고, 특정 계산 방식에 따라 모델링 결과값을 도출하여 이를 통해 다음달 저작권료의 증가 또는 감소 확률을 예측할 수 있다.
가치평가모듈은 과거 저작권료 발생 데이터를 확인하고, 저작권과 관련된 빅데이터를 수집할 수 있다. 이 때 소셜 미디어, 유튜브, 음원 스트리밍 서비스 등으로부터 데이터를 추출할 수 있다. 가치평가 시 작곡가별, 작사가별, 편곡가별로 저작권료 추이의 이벤트성 특이사항을 반영할 수 있다.
이 때 가치평가모듈은 미래 저작권료의 DCF 기법(Discount Cash Flow)을 적용한 후 현재가치를 계산하여 가치를 평가할 수 있다.
가치평가모듈은 한국음악저작권협회 등의 신탁사로부터 정산되는 저작권 상품의 금액을 확인하여 지수별 가중치 값을 재조정한다.
수익분배모듈은 저작권 상품을 구매한 사용자에게 저작권료를 정산해 준다.
저작권료의 정산은 기설정된 주기별로 이루어질 수 있다. 이 때 수탁사로부터 시스템에 저작권료가 입금되는 주기와 저작권 상품을 구매한 사용자에게 저작권료가 분배되는 주기는 서로 다를 수 있다. 예를 들어, 수탁사로부터 시스템에 입금되는 전체 저작권료가 매월 단위로 정산이 되는 경우에도 시스템으로부터 사용자가 분배받는 저작권료는 매일 단위로 정산이 될 수 있다.
구매관리모듈은 저작권 상품의 매매 조건을 설정하고 조건에 맞는 사용자를 판별하여 저작권 상품의 매매를 진행시킨다.
본 발명의 일 실시예에 따르면 구매관리모듈은 저작권 상품의 구매를 원하는 사용자들이 매매를 신청한 순서대로 저작권 상품의 매매를 진행시킨다.
하지만, 특정 저작권 상품의 갯수에 비해 구매 희망자가 많은 경우 구매관리모듈은 매매를 위한 조건을 설정할 수 있다. 예를 들어, 매매조건은 사용자의 출석 횟수일 수 있다. 즉, 구매 희망자가 정해진 기간 내에 일정 횟수 이상 시스템에 접속한 이력이 존재하는 경우 해당 저작권 상품을 구매할 수 있다. 다른 예로, 저작권 상품이 시스템을 통해 공개되기 전(ex. 원작자와 협의가 이루어져 저작권 상품이 시스템에 업로드 되기 전) 해당 저작권 상품에 대한 사전구매 신청을 하였던 사용자에게 매매 권한을 부여할 수도 있다.
또한, 저작권 상품을 구매한 사용자가 상품 반환을 원하는 경우 구매관리모듈은 해당 사용자에게 구매 원금을 반환해 줄 수 있다. 이 때 시스템은 원금의 일정 부분을 반환수수료로 설정할 수 있다.
선물관리모듈은 사용자가 본인이 소유한 저작권 상품을 다른 사용자에게 선물할 수 있게 한다.
선물관리모듈은 사용자가 저작권 상품을 선물하기를 신청하는 경우 구매관리모듈에 이 정보를 전달하고, 구매관리모듈은 데이터베이스에 저작권 상품을 선물받은 사람을 새로운 소유자로 갱신한다.
사용자들은 사용자 단말기를 이용하여 시스템(서버)에 접속할 수 있으며, 실시간으로 저작권 상품을 매매하거나 선물할 수 있고 저작권 상품 관련 정보를 전달받을 수 있다.
도 2는 본 발명의 일 실시예에 따른 시스템이 저작권료를 정산해주는 방법을 설명하기 위한 개념도이고, 도 3은 본 발명의 일 실시예에 따른 시스템이 원작자로부터 저작권을 매입하는 방법을 설명하기 위한 개념도이며, 도 4는 본 발명의 일 실시예에 따른 시스템이 신탁사(한국음악저작권협회)로부터 저작권료를 정산받아 구매자에게 분배하는 방법을 설명하기 위한 개념도이다.
도 2를 참조하면, 시스템은 저작권 상품을 구매한 사용자에게 저작권료를 정산해 준다.
저작권료의 정산은 기설정된 주기별로 이루어질 수 있다. 이 때 수탁사로부터 시스템에 저작권료가 입금되는 주기와 저작권 상품을 구매한 사용자에게 저작권료가 분배되는 주기는 서로 다를 수 있다. 예를 들어, 수탁사로부터 시스템에 입금되는 전체 저작권료가 매월 단위로 정산이 되는 경우에도 시스템으로부터 사용자가 분배받는 저작권료는 매일 단위로 정산이 될 수 있다.
도 3을 참조하면, 시스템은 원작자로부터 저작권을 구매하여 이를 저작권 상품화 하여 사용자들에게 판매한다. 시스템은 원작자로부터 저작권의 100%를 구매할 수 있지만 경우에 따라 저작권의 일부만을 구매하는 것이 가능하다.
도 4를 참조하면, 시스템은 상기 구매한 저작권에 대한 저작권료를 신탁사를 통해 정산받으며, 정산받은 저작권료를 저작권 상품에 매칭시켜 구매자들에게 분배한다. 대표적인 신탁사로는 한국음악저작권 협회가 있으며 시스템은 필요에 따라 복수의 신탁사를 통해 저작권료를 정산받을 수 있다. 신탁사를 통한 저작권 정산은 매달 이루어질 수 있으며, 구매자에게는 저작권 상품에 대한 수익을 매일 정산해 줄 수 있다.
도 5는 본 발명의 일 실시예에 따른 가치평가 모델링 방법을 설명하기 위한 개념도이다.
도 5에 따르면 시스템은 6개 분야의 데이터를 수집하고 각 분야별 지수를 설정한다. 도시된 바에 따르면 6개 분야의 지수가 설정되어 있으나 저작권료에 영향을 미치는 데이터 수집 결과에 따라 지수의 갯수와 지수에 포함되는 분야가 변경될 수 있다. 예를 들어 지수별 가중치 값을 재조정할 때 영향력이 미비한 것으로 판단되는 지수는 모델링에서 제외되고, 영향력이 큰 것으로 판단되는 지수는 세분화하여 여러개의 지수로 분할 편입될 수 있다. 본 발명의 일 실시예에 따르면 영향력의 강도는 각 지수별 가중치 값의 변화에 근거하여 판단될 수 있다.
시스템은 매월 데이터를 수집하고 데이터 취합 시 데이터 변동에 따른 지수의 변화를 계산한다. 이때 시스템은 지수 변화에 대한 데이터를 시각화 하여 사용자에게 제공할 수 있다.
본 발명의 일 실시예에 따르면 모델링에 사용되는 지수는 팔로워 지수, 유튜브 지수, 검색엔진 지수, 스트리밍 플랫폼 지수, SNS 지수, 라디오/방송 지수가 포함될 수 있다.
팔로워 지수는 각종 SNS나 플랫폼에서 아티스트를 팔로우하거나 구독, 팬맺기 한 유저의 총수를 기반으로 계산된다. 이는 팔로워가 많을수록 해당 아티스트의 음악이 인기가 있을 것이므로 저작권료가 증가할 것이라는 예상에 따른다.
유튜브 지수는 유튜브의 조회수, 좋아요수, 댓글수의 증감에 근거하여 계산된다. 유튜브에서의 사용자들의 반응이 많으면 해당 음원에 대한 관심이 많은 것으로 판단하여 저작권료가 증가할 것이라는 예상에 따른다.
검색엔진 지수는 구글, 네이버 등의 검색엔진을 통해 얼마나 많은 관련어 검색이 이루어졌는지에 근거하여 계산된다. 검색엔진을 통해 사용자들이 많은 검색을 할 경우 해당 음원에 대한 관심이 많은 것이므로 저작권료가 증가할 것이라는 예상에 따른다.
스트리밍 플랫폼 지수는 멜론, 바이브, 지니, 플로 등에서 재생횟수가 얼마나 증가하였는지 또는 순위가 변동되었는지에 근거하여 계산된다. 스트리밍 플랫폼을 통해 재생되는 횟수가 증가하였다면 저작권료가 증가할 것이라는 예상에 따른다.
SNS 지수는 각종 SNS 플랫폼에서 해당 아티스트나 곡에 대한 검색량 또는 해시태그의 증감에 근거하여 계산된다. SNS에 아티스트와 해당 곡에 대한 유저활동이 증가하게 되면 해당 음원에 대한 관심이 증가하는 것이므로 저작권료가 증가할 것이라는 예상에 따른다.
라디오/방송 지수는 라디오나 방송에 아티스트가 출연하거나 해당 곡이 재생되는 횟수의 증감에 근거하여 계산된다. 라디오나 방송에 해당 아티스트가 출연하거나 음원의 재생이 증가하면 사용자들이 해당 음원을 더 자주 접하여 관심이 늘어날 수 있기 때문이다.
도 6a는 가치평가 모델링 중 팔로워 지수 계산 방법을 설명하기 위한 개념도이고, 도 6b는 팔로워 지수 데이터를 이용한 월/일별 누적 팔로워수 증감 시계열 차트의 예이고, 도 6c는 팔로워 지수 데이터 이용한 월/일별 플랫폼별 팔로워수의 증감 시계열 차트의 예이다.
팔러워 지수는 각종 SNS 플랫폼의 팔로워 수의 합계를 팔로워 지수로 산출한다. 팔로워는 아티스트의 영향력을 나타내는 단적인 수치로 팔로워가 많을수록 아티스트의 저작물을 이용할 확률이 높다.
도 6a를 참조하면 팔로워 지수는 각종 SNS 플랫폼의 팔로워 수의 합계를 팔로워 지수로 산출한다.
플랫폼 별로 아티스트의 계정이 없는 경우 다른 아티스트들의 팔로워지수의 평균값을 팔로워지수로 설정할 수 있으며 이 경우 시스템은 모델 결과값을 재조정할 때 최초 설정된 지수 가중치 값에서 1/2n을 뺀다. 이는 n개 지수의 가중치를 동일하게 설정한 후, 다음 평가시 반영되는 정도를 1/2로 줄이되 평가 요소가 없는 경우 그에 해당하는 가중치를 마이너스 하고 줄어든 만큼의 가중치를 다른 요소에 반영하고자 하는 것이다.
하지만, 재평가 시마다 1/2n 만큼의 가중치를 계속 마이너스 하는 경우 너무 단기간에 해당 요소가 제외되어 버리므로 본 발명의 일 실시예에서는 이를 거듭제곱하여 가중치에 반영한다. 즉, 두 번째 재조정시에는 (1/2n)^2를 가중치 값에서 빼고, 세 번째 재조정시에는 (1/2n)^3, m 번째 재조정시에는 (1/2n)^m을 가중치 값에서 뺀다.
아티스트의 채널은 없고 아티스트가 속한 회사의 계정이 있을 경우 이를 이용하여 해당 아티스트의 팔로워지수를 계산할 수 있다. 이 경우 회사 계정에서의 점유율을 계산하여 지수의 가중치 계산에 반영할 수 있다.
도 6a에 따르면 좌측의 모든 플랫폼의 팔로워수를 합산하여 팔로워 지수를 100으로 정의하고 향후 증감에 따라 100에서 얼마나 더 많아졌는지 적어졌는지를 한 달을 주기로 산출한다.
본 발명의 일 실시예에 따르면, 팔로워지수(A)는 아래와 같이 팔로워수의 변화율에 따라 계산될 수 있다. 이하에서 다른 지수들도 동일한 방식으로 계산될 수 있다.
예를 들어, 기준시점의 팔로워수가 100이고 비교시점의 팔로워수가 110이라면 팔로워지수(A)는 (110/100)*100 = 110이 된다.
이와 같은 데이터 수집 후 시계열 차트화 하여 월/일별 누적 팔로워수의 증감 그래프(도 6b)와, 월/일별 플랫폼별 팔로워수의 증감 그래프(도 6c) 등을 작성하는 것이 가능하다.
도 7a는 가치평가 모델링 중 유투브 지수 계산 방법을 설명하기 위한 개념도이고, 도 7b는 유투브 지수 데이터를 이용한 월/일별 유투브 조회수 차트의 예이다.
본원발명에 따르면 유튜브와 관련된 데이터를 통해 유튜브 지수를 산출할 수 있다. 최근 유튜브는 유명 음악 스트리밍 플레이어보다 활발하게 활용되고 있어, 유튜브에서의 반응이 높다면 저작권료가 높아질 것으로 예상할 수 있다.
시스템은 공식영상이 없을 경우, 양성댓글/음성댓글에 대한 판단, 싫어요수 등을 종합적으로 고려하여 지수를 산출한다. 예를 들어, 부정적인 댓글이나 싫어요수의 경우 재평가시 가중치에 마이너스로 반영할 수 있다.
본 발명의 일 실시예에 따르면 시스템은 영상의 조회수: 좋아요수: 댓글 수의 가중치를 각 8:1:1로 두고 기준치를 뽑아내고, 최초의 수치를 100으로 설정하고 향후 증감에 따라 100에서 얼마나 더 많아졌는지 적어졌는지를 한 달을 주기로 산출한다.
이와 같은 데이터 수집 후 시계열 차트화 하여 월/일별 유튜브 조회수의 증감 그래프(도 7b), 구독자수 증감 그래프, 댓글수 증감 그래프 등을 작성하는 것이 가능하다.
도 8은 가치평가 모델링 중 검색엔진 지수 계산 방법을 설명하기 위한 개념도이다.
시스템은 첫 달의 구글 검색량, 네이버 검색량을 100으로 정의하고 향후 증감에 따라 100에서 얼마나 더 많아졌는지 적어졌는지를 한 달을 주기로 산출하여 검색엔진 지수(C)를 계산한다.
도 9a는 가치평가 모델링 중 스트리밍 플랫폼 지수 계산 방법을 설명하기 위한 개념도이이고, 도 9b는 스트리밍 플랫폼 지수를 이용한 스트리밍 플랫폼 시계열 차트의 예이다.
시스템은 스트리밍 플랫폼의 일 접속자수를 근거하여 스트리밍 플랫폼 지수에 반영할 플랫폼을 선정할 수 있다.
스트리밍 플랫폼 지수(D)는 첫 달의 지수를 100으로 정의하고, 향후 증감에 따라 100에서 얼마나 더 많아졌는지 적어졌는지를 한 달을 주기로 산출하여 계산된다.
이와 같은 데이터 수집 후 시계열 차트화 하여 스트리밍 플랫폼별 재생횟수/감상자수의 증감 그래프(도 9b), 월/일별 해당 곡의 좋아요수 추이, 시간대별 플레이수에 따른 순위 추이 그래프 등을 작성하는 것이 가능하다.
도 10은 가치평가 모델링 중 SNS 지수 계산 방법을 설명하기 위한 개념도이다.
시스템은 좌측의 모든 플랫폼의 검색량, 해쉬태그 숫자 등을 가중 합계하여 최초로 산출해낸 숫자를 100으로 정의하고, 향후 증감에 따라 100에서 얼마나 더 많아졌는지 적어졌는지를 한 달을 주기로 산출한다.
도 11은 가치평가 모델링 중 라디오/방송 지수 계산 방법을 설명하기 위한 개념도이다.
시스템은 모든 방송국, 라디오 방송국에서 곡의 플레이수와 아티스트의 출연 횟수를 가중합계하여 최초로 산출해낸 숫자를 100으로 정의하고, 향후 증감에 따라 100에서 얼마나 더 많아졌는지, 적어졌는지를 한 달을 주기로 산출한다.
도 12a는 가치평가 모델링을 통해 생성된 통합 지수차트의 예를 나타내는 도면이고, 도 12b는 가치평가 모델링을 통해 생성된 지수별 차트의 예를 나타내는 도면이고, 도 12c는 가치평가 모델링을 통해 생성된 Raw 데이터 차트의 예를 나타내는 도면이다.
도 12a를 참조하면 시스템은 6개의 지수를 활용하여 전월 대비 지수 증감 차트와 누적 수치 시계열 차트를 생성할 수 있다. 또한 시스템은 구성요소별 누적 수치 시계열 차트와 구성요소별 증감 수치 시계열 차트(도 12b), 지수별 데이터와 지수 구성 요소 데이터(도 12c) 등을 시각화 하여 사용자에게 제공할 수 있다.
도 13은 가치평가 모델링을 통해 모델의 결과값을 도출하는 방식을 설명하기 위한 도면이다.
상기 가치평가모듈은 복수개의 모델링 지수를 설정하고 아래 식에 의해 모델링 결과값을 도출하며,
T = 
, 
(T: 모델링 결과값, n : 모델링 지수의 갯수, Xi : 지수값, Pi : 가중치)
상기 모델링 결과값(T)의 변화량을 통해 다음달 저작권료의 증가 또는 감소 확률을 예측할 수 있다.
예를 들어, 6개의 지수가 모델링에 사용된다면 n=6이 되고,
직전 팔로워수가 100이고 재평가시 팔로워수가 110이라면 X1 (팔로워 지수) = (110/100)*100 = 110이 된다. 마찬가지로 직전 유튜브 데이터 값이 100이고 재평가시 유튜브 데이터 값이 120이라면 X2(유튜브 지수) = (120/100)*100 = 120이 된다. 직전 검색량이 100이고 재평가시 검색량이 80이면 X3(검색엔진 지수)= (80/100)*100 = 80이 된다. 이러한 방식 계산하여 X4(스트리밍 플랫폼 지수)= 120, X5(SNS 지수)= 90, X6(라디오/방송 지수)= 110 이라고 가정할 때, 모델링 결과값 T = 110*a + 120*b + 80*c + 120*d + 90*e + 110*f가 된다.
본 발명의 일 실시예에 따르면 a는 유튜브 지수, b는 SNS 지수, c는 스트리밍 플랫폼 지수, d는 검색엔진 지수, e는 팔로워 지수, f는 방송/라디오 지수일 수 있다. 하지만, 이는 확정적인 것이 아니라 가중치 계산에 따라 통합/분리되거나 지수에서 제외될 수 있다.
이 때 가중치값(a,b,c,d,e,f)은 빅데이터 분석에 의하여 정해질 수 있으며, 예를 들어 a=0.35, b=0.15, c=0.3, d=0.10, e=0.05, f=0.05일 경우 모델링 값 T= 102.5가 된다. T 값이 기준값 100보다 2.5가 커지기 때문에 시스템은 저작권료가 증가할 것이라고 예측을 할 수 있다.
최초 가중치값은 모두 동일하게 설정될 수 있으며 매달 재정산시 시스템이 가중치값을 조정하여 정확한 값을 찾아가도록 할 수 있다.
아래 표 1에서는 위에서 예로 든 수치값을 가지고 저작권료가 증가할 것으로 예측하는 경우를 나타내었다.
| 모델링 지수값 | 가중치값 | 모델링 지수값*가중치값 | |
| 팔로워 지수(A) | 110 | 0.35 | 38.5 |
| 유튜브 지수(B) | 120 | 0.15 | 18 |
| 검색엔진 지수(C) | 80 | 0.3 | 24 |
| 스트리밍 플랫폼 지수(D) | 120 | 0.1 | 12 |
| SNS 지수(E) | 90 | 0.05 | 4.5 |
| 라디오/방송 지수(F) | 110 | 0.05 | 5.5 |
| 합 계 | 630 | 1 | 102.5 |
만약 모든 지수들의 변화가 없다면 시스템은 저작권료의 증가/감소 확률이 낮다고 판단을 내려야 하는데 표 2를 통해 이를 검증할 수 있다. 표 2를 참조하면, 모든 모델링 지수값들이 변화가 없을 경우 모델링 지수값들은 모두 100이며 가중치값에 상관없이 모델링 값 T=100이 된다.
| 모델링 지수값 | 가중치값 | 모델링 지수값*가중치값 | |
| 팔로워 지수(A) | 100 | 0.35 | 35 |
| 유튜브 지수(B) | 100 | 0.15 | 15 |
| 검색엔진 지수(C) | 100 | 0.3 | 30 |
| 스트리밍 플랫폼 지수(D) | 100 | 0.1 | 10 |
| SNS 지수(E) | 100 | 0.05 | 5 |
| 라디오/방송 지수(F) | 100 | 0.05 | 5 |
| 합 계 | 600 | 1 | 100 |
마찬가지로 모든 지수들이 100보다 작아질 경우 시스템은 저작권료가 감소할 것으로 예측하여야 하는데, 이는 아래 표 3을 통해 검증할 수 있다. 표 3을 참조하면, 모든 모델링 지수값들이 100이하일 경우 모델링 값 T=78이 된다. 즉, 기준값 100에서 22 만큼 감소된 것을 확인할 수 있다.
| 모델링 지수값 | 가중치값 | 모델링 지수값*가중치값 | |
| 팔로워 지수(A) | 90 | 0.35 | 31.5 |
| 유튜브 지수(B) | 80 | 0.15 | 12 |
| 검색엔진 지수(C) | 70 | 0.3 | 21 |
| 스트리밍 플랫폼 지수(D) | 70 | 0.1 | 7 |
| SNS 지수(E) | 80 | 0.05 | 4 |
| 라디오/방송 지수(F) | 50 | 0.05 | 2.5 |
| 합 계 | 440 | 1 | 78 |
시스템은 모델링 값 T가 기준값 100에서 증가한 수치와 감소한 수치를 각각 저작권료 증가 확률과 감소 확률로 제시할 수 있다. 예를 들어, 표 1의 경우 시스템은 저작권료 증가 확률이 2.5%인 것으로 계산하고, 표 2의 경우 저작권료 증가 확률이 0%인 것으로 계산하고, 표 3의 경우 저작권료 감소 확률이 22%인 것으로 계산할 수 있다. 이 때 시스템은 빅데이터 수집과 분석을 통해 이 수치가 실제 증가, 감소 확률과 일치되도록 가중치값을 조정해 나갈 수 있다.
본 발명의 일 실시예에 따르면, 가치평가모듈은 신탁사로부터 정산되는 저작권 상품의 금액을 확인하여 매달 지수별 가중치 값을 재조정하며, 상기 재조정은 각 지수들의 과거 가중치 값들을 이용한 다항 회귀분석을 통해 이루어질 수 있다.
또한, 본 발명의 다른 일 실시예에 따르면, 가치평가모듈은 신탁사로부터 정산되는 저작권 상품의 금액을 확인하여 매달 지수별 가중치 값을 재조정하며, 상기 재조정은 각 지수들의 직전 3개월치 값들의 선형 회귀분석 후 회귀분석 시 기울기가 가장 큰 지수는 가중치 값에 1/2n를 더하고, 두번째로 기울기가 큰 지수는 가중치 값에 1/4n을 더하며, 기울기가 가장 작은 지수는 가중치 값에서 1/2n를 빼고 두번째로 기울기가 작은 지수는 가중치 값에서 1/4n을 빼는 방식으로 이루어질 수 있다.
이러한 방식에 따라 가중치 값이 특정값 이하로 떨어지는 경우 시스템은 해당 지수를 가치평가 항목에서 제외할 수 있다.
모델링 결과값에 근거하여 시스템은 'A 저작권의 다음달 저작권료 증가 확률은 72%이고, A 저작권의 다음달 저작권료 감소 확률은 16% 입니다.' 와 같이 저작권료의 증감 확률을 사용자에게 제시할 수 있다.
보다 정확한 예측모델을 완성하기 위해 데이터베이스에 존재하는 데이터를 기반으로 빅데이터 분석이 이루어질 수 있다.
시스템은 상기 빅데이터 분석 시 ANNOY 분석을 통해 각 지수의 가중치 값을 계산하여 처리 속도를 향상시킬 수 있다.
상기에서 설명한 본 발명의 적어도 하나의 실시예에 따르면 음악 저작권을 거래하는 과정에서 저작권 상품을 합리적 수준에서 균등가에 판매함으로써 구매자들이 지나친 가격에 구매하여 피해를 보는 것을 방지할 수 있고, 일정한 조건을 충족하는 경우 선착순으로 음악 저작권을 구매할 수 있게 하여 과도한 경쟁으로 구매자가 손해보는 것을 방지할 수 있으며, 종래기술에서는 매수한 저작권 상품을 현금화 하는데 어려움이 있는 것과는 달리 본 발명에서는 구매자가 구매한 저작권 상품을 언제든지 반환할 수 있게 하여 보유기간에 따라 저작권료 수익을 얻을 수 있을 뿐 아니라 즉시 현금화하여 원금을 회수하는 것이 가능해지는 등 종래기술에 비해 향상된 효과를 기대할 수 있다.
본 명세서에서 설명되는 실시예와 첨부된 도면은 본 발명에 포함되는 기술적 사상의 일부를 예시적으로 설명하는 것에 불과하다. 따라서, 본 명세서에 개시된 실시예는 본 발명의 기술적 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이므로, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아님은 자명하다. 본 발명의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형예와 구체적인 실시예는 모두 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10 : 서버
12 : 원작자
14 : 저작권 협회
20 : 사용자들
100 : 시스템
110 : 데이터베이스
120 : 통신부
130 : 가치평가모듈
140 : 수익분배모듈
150 : 구매관리모듈
160 : 선물관리모듈
12 : 원작자
14 : 저작권 협회
20 : 사용자들
100 : 시스템
110 : 데이터베이스
120 : 통신부
130 : 가치평가모듈
140 : 수익분배모듈
150 : 구매관리모듈
160 : 선물관리모듈
Claims (10)
- 거래되는 음원에 관련된 정보, 구매자에 관한 정보, 저작권자에 관한 정보 및 저작권 상품에 관한 정보를 저장하는 데이터베이스;
가치평가 모델링을 통해 상기 음원의 가치를 평가하여 상기 저작권 상품의 가격과 수량을 결정하는 가치평가모듈;
각 저작권 상품의 매매 조건을 설정하고 상기 조건에 맞는 구매 희망자를 판별하여 상기 저작권 상품의 매매를 진행시키며 상기 매매 후 소유권자의 정보를 상기 데이터베이스에 저장하는 구매관리모듈; 및
상기 음원으로부터 발생하는 저작권료를 상기 저작권 상품의 소유권자에게 분배해주는 수익분배모듈을 포함하며,
포함하며,
상기 수익분배모듈은,
매월 복수개의 모델링 지수 가중치 값을 재조정하되, 가중치 값이 일정 수치에 미달될 경우 해당 지수는 모델링에서 제외하고 가중치 값이 일정 수치를 초과하는 지수는 분할 편입하고,
아래 식에 의해 상기 복수개의 모델링 지수의 모델링 결과값을 도출하되,
상기 모델링 결과값(T)이 100을 기준으로 증가/감소하는 변화량을 통해 다음달 저작권료의 증가/감소 확률을 예측하고,
T =
(T: 모델링 결과값, n : 모델링 지수의 갯수, Xi : 지수값, Pi : 가중치,,
)
상기 복수개의 모델링 지수 중 팔로워 지수의 가중치를 계산할 때 아티스트의 계정이 없는 경우 다른 아티스트들의 팔로워 지수 가중치 평균값을 해당 아티스트의 팔로워 지수 가중치로 설정한 후 가중치 재조정 시 가중치 값에서 (1/2n)^m 을 빼는 것(n : 모델링 지수의 개수, m : 재조정 횟수)을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템. - 제1항에 있어서,
상기 구매관리모듈은,
상기 저작권 상품의 구매 희망자들이 매매를 신청한 순서대로 상기 매매를 진행하는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템. - 제2항에 있어서,
상기 구매관리모듈은,
상기 구매 희망자들이 정해진 기간 내에 일정 횟수 이상 시스템에 접속한 이력이 존재하는 경우 상기 매매를 진행할 수 있도록 매매 조건을 설정하는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템. - 제2항에 있어서,
상기 구매관리모듈은,
상기 구매 희망자들이 정해진 기간 내에 일정 횟수 이상 매매 이력이 있는 경우 상기 매매를 진행할 수 있도록 매매 조건을 설정하는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템. - 제2항에 있어서,
상기 구매관리모듈은,
상기 소유권자가 구입한 저작권 상품을 반환 신청하는 경우 일정 수수료를 제외한 비용을 상기 소유권자에게 반환하고 상기 반환 신청된 저작권 상품을 상기 조건에 맞는 구매 희망자에게 노출시키도록 형성되는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템. - 제2항에 있어서,
상기 구매관리모듈은 상기 소유권자가 구입한 저작권 상품을 선물하기를 신청하는 경우 상기 데이터베이스에 상기 저작권 상품의 소유자를 선물받는 사람으로 갱신하고,
상기 수익분배모듈은 상기 데이터베이스에 소유권자 정보가 갱신된 시점을 기준으로 상기 저작권료를 변경된 소유권자에게 분배해주도록 형성되는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템. - 제2항에 있어서,
상기 수익분배모듈은,
신탁사로부터 상기 저작권 상품의 수입을 정산받고 상기 소유권자에게 일 단위로 수익을 분배해주는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템. - 삭제
- 제7항에 있어서,
상기 가치평가모듈은,
상기 신탁사로부터 정산되는 저작권 상품의 금액을 확인하여 매달 지수별 가중치 값을 재조정하며, 상기 재조정은 각 지수들의 과거 가중치 값들을 이용한 다항 회귀분석을 통해 이루어지는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템. - 제7항에 있어서,
상기 가치평가모듈은,
상기 신탁사로부터 정산되는 저작권 상품의 금액을 확인하여 매달 지수별 가중치 값을 재조정하며, 상기 재조정은 각 지수들의 직전 3개월치 값들의 선형 회귀분석 후 회귀분석 시 기울기가 가장 큰 지수는 가중치 값에 1/2n를 더하고, 두번째로 기울기가 큰 지수는 가중치 값에 1/4n을 더하며, 기울기가 가장 작은 지수는 가중치 값에서 1/2n를 빼고 두번째로 기울기가 작은 지수는 가중치 값에서 1/4n을 빼는 것을 특징으로 하는 저작권 상품화 비즈니스 모델 구현 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210185679A KR102492124B1 (ko) | 2021-12-23 | 2021-12-23 | 가치평가 모델링을 통한 음악 저작권 및 저작인접권의 분할 및 상품화 비즈니스 모델 구현 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210185679A KR102492124B1 (ko) | 2021-12-23 | 2021-12-23 | 가치평가 모델링을 통한 음악 저작권 및 저작인접권의 분할 및 상품화 비즈니스 모델 구현 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102492124B1 true KR102492124B1 (ko) | 2023-01-27 |
Family
ID=85101296
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210185679A KR102492124B1 (ko) | 2021-12-23 | 2021-12-23 | 가치평가 모델링을 통한 음악 저작권 및 저작인접권의 분할 및 상품화 비즈니스 모델 구현 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102492124B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101422772B1 (ko) | 2009-12-28 | 2014-07-29 | 에스케이플래닛 주식회사 | 사용자 선호와 평가를 반영한 음악 재생 목록을 생성하는 온라인 음악 서비스 장치 및 방법 |
| KR20190005552A (ko) * | 2017-07-07 | 2019-01-16 | 뮤지코인 주식회사 | 음원 거래 시스템 및 방법 |
| KR102099562B1 (ko) * | 2019-04-26 | 2020-04-09 | 김창덕 | 아마추어 미술품 거래 플랫폼을 제공하는 미술작품 거래 서비스 제공 시스템 |
| KR20210067042A (ko) * | 2019-11-29 | 2021-06-08 | 김하미 | 인공지능을 이용한 음원 수익 정산 예측 시스템 및 그 방법 |
| KR20210070593A (ko) * | 2019-12-05 | 2021-06-15 | 라인플러스 주식회사 | 상품을 예약 구매하는 방법 및 시스템 |
-
2021
- 2021-12-23 KR KR1020210185679A patent/KR102492124B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101422772B1 (ko) | 2009-12-28 | 2014-07-29 | 에스케이플래닛 주식회사 | 사용자 선호와 평가를 반영한 음악 재생 목록을 생성하는 온라인 음악 서비스 장치 및 방법 |
| KR20190005552A (ko) * | 2017-07-07 | 2019-01-16 | 뮤지코인 주식회사 | 음원 거래 시스템 및 방법 |
| KR101996406B1 (ko) | 2017-07-07 | 2019-10-01 | 뮤지코인 주식회사 | 음원 거래 시스템 및 방법 |
| KR102099562B1 (ko) * | 2019-04-26 | 2020-04-09 | 김창덕 | 아마추어 미술품 거래 플랫폼을 제공하는 미술작품 거래 서비스 제공 시스템 |
| KR20210067042A (ko) * | 2019-11-29 | 2021-06-08 | 김하미 | 인공지능을 이용한 음원 수익 정산 예측 시스템 및 그 방법 |
| KR20210070593A (ko) * | 2019-12-05 | 2021-06-15 | 라인플러스 주식회사 | 상품을 예약 구매하는 방법 및 시스템 |
Non-Patent Citations (5)
| Title |
|---|
| 구글 트랜드 (https://trends.google.co.kr/trends/?geo=KR) |
| 네이버랩스 (https://datalab.naver.com/keyword/trendSearch.naver) |
| 사운드차트 (https://app.soundcharts.com/app/artist/bigbang-1/audience/analytics/youtube) |
| 인스타그램 분석툴 (http://tag.mediance.co.kr) |
| 페이스북, 유투브 데이터 분석 툴 (https://bigfoot9.com/) |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20190139169A1 (en) | System and apparatus for a third party web-based application to build and automatically generate project web pages offering crowdfunding opportunities for artists | |
| JP6176788B2 (ja) | 電子中古デジタル資産及び取得後収益 | |
| KR20030004313A (ko) | 광고포트폴리오모델을 이용하는 종합광고 관리시스템 | |
| US20080228578A1 (en) | Digital rights management and data license management | |
| US20110015968A1 (en) | Automated media and content reporting system for broadcast media | |
| KR101996406B1 (ko) | 음원 거래 시스템 및 방법 | |
| US20070174341A1 (en) | E-commerce and investment system and method | |
| US20070244828A1 (en) | Aggregate licensing | |
| Peukert et al. | Digital disintermediation and efficiency in the market for ideas | |
| JP5710639B2 (ja) | 消費者に商品及び／又はサービスを提供するための方法、システム、及びコントローラ | |
| US11481815B1 (en) | System and method for bidding on an asset in progress | |
| KR20190006225A (ko) | 음원 경매 시스템 및 방법 | |
| KR102492124B1 (ko) | 가치평가 모델링을 통한 음악 저작권 및 저작인접권의 분할 및 상품화 비즈니스 모델 구현 시스템 | |
| KR102522219B1 (ko) | 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치 | |
| Liao et al. | Factors driving digital music purchases | |
| KR20190006224A (ko) | 음원 매입 시스템 및 방법 | |
| Burke | The music industry | |
| KR102443305B1 (ko) | 동영상 콘텐츠 저작권 거래 방법, 장치 및 시스템 | |
| JP5096513B2 (ja) | 販売支援システム、販売支援方法及び販売支援プログラム | |
| Spáčil et al. | Are They Different? A Behavioral Study of Digital Music Listeners in EU Context | |
| Edgel et al. | The Impact of Distance in Retail Markets | |
| KR100662822B1 (ko) | 정보처리장치와 방법 및 기록매체 | |
| Hearn | Recording and Distribution Contracts with Independent Labels | |
| Hyatt | An overview of the financial impact of the Canadian music industry | |
| KR20190006226A (ko) | 음원 분할 매매 시스템 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |