KR102507411B1 - 광고 성과 보고서를 제공하는 방법 - Google Patents

광고 성과 보고서를 제공하는 방법 Download PDF

Info

Publication number
KR102507411B1
KR102507411B1 KR1020220065834A KR20220065834A KR102507411B1 KR 102507411 B1 KR102507411 B1 KR 102507411B1 KR 1020220065834 A KR1020220065834 A KR 1020220065834A KR 20220065834 A KR20220065834 A KR 20220065834A KR 102507411 B1 KR102507411 B1 KR 102507411B1
Authority
KR
South Korea
Prior art keywords
template
information
user information
user
score
Prior art date
Application number
KR1020220065834A
Other languages
English (en)
Inventor
조진의
Original Assignee
주식회사 더블유아이티
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 더블유아이티 filed Critical 주식회사 더블유아이티
Priority to KR1020220065834A priority Critical patent/KR102507411B1/ko
Application granted granted Critical
Publication of KR102507411B1 publication Critical patent/KR102507411B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/186—Templates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/10—Office automation; Time management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

광고 성과 보고서를 제공하기 위한 보고서 제공 서버에서 수행되는 방법은: 제1 사용자 장치로부터 제1 사용자 정보를 획득하여 사용자 정보 데이터베이스에 저장하는 단계 - 상기 제1 사용자 정보는 회사 정보, 직급, 경력, 예상 접속 빈도, 및 상기 제1 사용자 장치의 화면 크기를 포함하고, 상기 회사 정보는 업종, 매출 규모, 인증 정보, 및 광고 비용을 포함함 -; 상기 제1 사용자 장치에 템플릿 데이터베이스에 저장된 복수의 템플릿을 제공하고, 상기 제1 사용자 장치로부터 상기 복수의 템플릿 중 하나의 제1 템플릿에 대한 선택을 수신하는 단계; 상기 인증 정보를 이용하여 하나 이상의 광고 매체 서버로부터 광고 성과 기본 정보를 수신하는 단계; 상기 광고 성과 기본 정보에 기초하여 광고 성과 추가 정보를 획득하는 단계; 및 상기 광고 성과 기본 정보 및 상기 광고 성과 추가 정보를 나타내고 상기 제1 템플릿 형태로 표현된 광고 성과 보고서를 상기 제1 사용자 장치에 전송하는 단계 상기 제1 템플릿의 뎁스(depth) 점수, 시각화 점수, 및 시계열 점수를 상기 제1 사용자 정보 및 기본 가중치와 연관시켜 학습 데이터베이스 내에 제1 학습 데이터로서 저장하는 단계; 상기 학습 데이터베이스에 기초하여, 새로운 사용자의 사용자 정보에 기초하여 상기 뎁스 점수를 예상하는 제1 인공지능 모델, 새로운 사용자의 상기 사용자 정보에 기초하여 상기 시각화 점수를 예상하는 제2 인공지능 모델, 및 새로운 사용자의 상기 사용자 정보에 기초하여 상기 시계열 점수를 예상하는 제3 인공지능 모델을 생성하는 단계; 제2 사용자 장치로부터 제2 사용자 정보를 획득하는 단계; 상기 제2 사용자 정보 및 상기 제1 인공지능 모델에 기초하여 예상 뎁스 점수를 확인하는 단계; 상기 제2 사용자 정보 및 상기 제2 인공지능 모델에 기초하여 예상 시각화 점수를 확인하는 단계; 상기 제2 사용자 정보 및 상기 제3 인공지능 모델에 기초하여 예상 시계열 점수를 확인하는 단계; 상기 템플릿 데이터베이스에 저장된 상기 복수의 템플릿 각각의 뎁스 점수, 시각화 점수, 및 시계열 점수를 확인하는 단계; 상기 복수의 템플릿 각각의 뎁스 점수와 상기 예상 뎁스 점수의 차, 상기 복수의 템플릿 각각의 시각화 점수와 상기 예상 시각화 점수의 차, 및 상기 복수의 템플릿 각각의 시계열 점수와 상기 예상 시계열 점수의 차에 기초하여, 상기 복수의 템플릿 중 상기 제2 사용자 장치에 추천할 하나 이상의 추천 템플릿을 확인하는 단계; 및 상기 추천 템플릿을 상기 제2 사용자 장치에 전송하는 단계; 를 포함한다.

Description

광고 성과 보고서를 제공하는 방법{METHOD OF PROVIDING REPORT ON PERFORMANCE OF ADVERTISEMENT CAMPAIGN}
본 발명은 광고 성과 보고서를 제공하는 방법에 관한 것이다.
기업은 자신의 제품 또는 서비스를 알려 구매를 유도하고 판매를 촉진하여 매출을 신장시키기 위하여 광고비를 지출하여 광고를 하게 된다. 온라인 광고 시스템은 광고주들의 광고를 온라인을 통해 제공하는 것으로, 광고주는 이용자를 확보한 온라인 매체 상에 광고를 게재하고, 광고비를 온라인 매체에 지불하게 된다.
오프라인 광고는 대중들이 광고를 얼마나 유의하여 보았는지 측정하기 쉽지 않으나, 온라인 광고의 경우 노출 횟수, 클릭 횟수, 노출 횟수 대비 클릭 횟수인 클릭율과 같은 광고 성과 지표를 수집하는 것이 가능하다. 온라인 광고를 수행하는 온라인 매체는 대개 광고 성과 지표 측정 결과를 광고주에게 제공함으로써 광고주로 하여금 광고 성과를 평가할 수 있게 한다.
개인의 취향이 다양해짐에 따라 다양한 온라인 플랫폼이 발전하였고, 온라인 광고를 진행할 수 있는 온라인 광고 매체도 다수 존재한다. 그러나, 온라인 광고 매체는 자신의 플랫폼 내에서 광고 성과 지표 측정 결과를 제공하므로, 광고주가 복수의 광고 매체를 통한 광고를 병렬적으로 진행하는 경우, 각 광고 매체의 플랫폼에 따로 접속하여 매체별 광고 성과를 일일이 확인해야 하는 불편함이 있다.
본 발명의 목적은 복수의 광고 매체 서버로부터 광고 성과 정보를 수집하여 이를 토대로 복수의 광고 매체에 대한 광고 성과 정보를 통합하여 제공할 수 있는 광고 성과 보고서를 제공하는 것에 있다.
본 발명의 일실시예에 따른, 광고 성과 보고서를 제공하기 위한 보고서 제공 서버에서 수행되는 방법은: 제1 사용자 장치로부터 제1 사용자 정보를 획득하여 사용자 정보 데이터베이스에 저장하는 단계 - 상기 제1 사용자 정보는 회사 정보, 직급, 경력, 예상 접속 빈도, 및 상기 제1 사용자 장치의 화면 크기를 포함하고, 상기 회사 정보는 업종, 매출 규모, 인증 정보, 및 광고 비용을 포함함 -; 상기 제1 사용자 장치에 템플릿 데이터베이스에 저장된 복수의 템플릿을 제공하고, 상기 제1 사용자 장치로부터 상기 복수의 템플릿 중 하나의 제1 템플릿에 대한 선택을 수신하는 단계; 상기 인증 정보를 이용하여 하나 이상의 광고 매체 서버로부터 광고 성과 기본 정보를 수신하는 단계; 상기 광고 성과 기본 정보에 기초하여 광고 성과 추가 정보를 획득하는 단계; 및 상기 광고 성과 기본 정보 및 상기 광고 성과 추가 정보를 나타내고 상기 제1 템플릿 형태로 표현된 광고 성과 보고서를 상기 제1 사용자 장치에 전송하는 단계 상기 제1 템플릿의 뎁스(depth) 점수, 시각화 점수, 및 시계열 점수를 상기 제1 사용자 정보 및 기본 가중치와 연관시켜 학습 데이터베이스 내에 제1 학습 데이터로서 저장하는 단계; 상기 학습 데이터베이스에 기초하여, 새로운 사용자의 사용자 정보에 기초하여 상기 뎁스 점수를 예상하는 제1 인공지능 모델, 새로운 사용자의 상기 사용자 정보에 기초하여 상기 시각화 점수를 예상하는 제2 인공지능 모델, 및 새로운 사용자의 상기 사용자 정보에 기초하여 상기 시계열 점수를 예상하는 제3 인공지능 모델을 생성하는 단계; 제2 사용자 장치로부터 제2 사용자 정보를 획득하는 단계; 상기 제2 사용자 정보 및 상기 제1 인공지능 모델에 기초하여 예상 뎁스 점수를 확인하는 단계; 상기 제2 사용자 정보 및 상기 제2 인공지능 모델에 기초하여 예상 시각화 점수를 확인하는 단계; 상기 제2 사용자 정보 및 상기 제3 인공지능 모델에 기초하여 예상 시계열 점수를 확인하는 단계; 상기 템플릿 데이터베이스에 저장된 상기 복수의 템플릿 각각의 뎁스 점수, 시각화 점수, 및 시계열 점수를 확인하는 단계; 상기 복수의 템플릿 각각의 뎁스 점수와 상기 예상 뎁스 점수의 차, 상기 복수의 템플릿 각각의 시각화 점수와 상기 예상 시각화 점수의 차, 및 상기 복수의 템플릿 각각의 시계열 점수와 상기 예상 시계열 점수의 차에 기초하여, 상기 복수의 템플릿 중 상기 제2 사용자 장치에 추천할 하나 이상의 추천 템플릿을 확인하는 단계; 및 상기 추천 템플릿을 상기 제2 사용자 장치에 전송하는 단계; 를 포함한다.
본 발명의 일실시예에 따른, 보고서 제공 서버에서 수행되는 방법은 하나 이상의 광고 매체 서버로부터 광고 성과 정보를 획득하고, 이에 기반하여 광고 성과 보고서를 제공한다. 따라서, 광고주가 복수의 매체에 광고를 진행한 경우에 각 매체의 플랫폼에 하나하나 접속할 필요 없이 모든 매체에 대한 광고 성과 정보를 확인할 수 있다.
본 발명의 일실시예에 따른, 보고서 제공 서버에서 수행되는 방법은 사용자 정보와 해당 사용자가 선택한 광고 보고서 템플릿 정보를 저장하고, 인공지능 모델을 이용하여, 새로운 사용자에게 광고 보고서 템플릿을 추천한다. 따라서, 사용자가 데이터베이스 내에 존재하는 다수의 템플릿을 하나하나 확인하지 않고도 용이하게 템플릿을 선택할 수 있다.
본 발명의 일실시예에 따른, 보고서 제공 서버에서 수행되는 방법은 사용자가 선택한 템플릿에 변경을 가한 경우, 변경된 템플릿에 대응되는 학습 데이터에 더 큰 가중치를 부여한다. 제공된 템플릿을 일부러 변경하였다는 것은 번거로움에도 불구하고 변경의 필요성이 있었다는 것을 의미하므로, 실제 사용자의 니즈를 더 정확하게 반영하여 템플릿을 추천할 수 있다.
본 발명의 일실시예에 따른, 보고서 제공 서버에서 수행되는 방법은 회사별로 지배적으로 사용되는 지배 템플릿을 정의하고, 지배 템플릿을 선택하는 사용자에 대응되는 학습 데이터에는 작은 가중치를 부여한다. 이미 회사 내에서 널리 이용되는 템플릿을 선택한 데는 자신의 편의를 위한 최선보다도 회사 내 커뮤니케이션의 중요성이 동기로서 작용하였을 것이므로, 이러한 선택에 작은 가중치를 부여하는 것은 실제 사용자의 니즈를 더 정확하게 반영하여 템플릿을 추천하는 것을 가능케 한다.
본 발명의 일실시예에 따른, 지배 템플릿을 선택하였다가 지배 템플릿을 변경하는 사용자에 대응되는 학습 데이터에는 큰 가중치를 부여한다. 이미 회사 내에서 널리 이용되는 템플릿을 굳이 변경한 것은 회사 내 커뮤니케이션의 원활함을 일부 포기하고서라도 변경의 필요성이 있었다는 것을 의미하므로, 이러한 선택에 큰 가중치를 부여함으로써 실제 사용자의 니즈를 더 정확하게 반영하여 템플릿을 추천할 수 있다.
도 1은 본 발명의 일실시예에 따른 광고 성과 보고서 제공 시스템을 도시한다.
도 2는 본 발명의 일실시예에 따른, 광고 성과 보고서 제공 시스템에 포함되는 보고서 제공 서버의 구성요소를 도시한다.
도 3은 본 발명의 일실시예에 따른, 보고서 제공 서버에서 수행되는 방법을 도시한다.
도 4는 본 발명의 일실시예에 따른, 보고서 제공 서버에서 수행되는 방법을 도시한다.
도 5는 본 발명의 일실시예에 따른 방법에서 인공지능 모델에 입력되는 데이터와 인공지능 모델에서 출력되는 데이터를 도시한다.
도 6은 본 발명의 일실시예에 따른, 보고서 제공 서버에서 수행되는 방법을 도시한다.
도 7은 본 발명의 일실시예에 따른, 보고서 제공 서버에서 수행되는 방법을 도시한다.
도 8은 본 발명의 일실시예에 따른, 보고서 제공 서버에서 수행되는 방법을 도시한다.
본 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 본 명세서의 다양한 실시예들 및 이에 사용된 용어들은 본 명세서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 명세서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 명세서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 명세서의 다양한 실시예들은 기기(machine)의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리 또는 외장 메모리)에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어로서 구현될 수 있다. 예를 들면, 기기의 프로세서는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 명세서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 단계들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 단계들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 단계들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 단계들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 단계들이 추가될 수 있다.
도 1은 본 발명의 다양한 실시예에 따른 광고 성과 보고서 제공 시스템을 도시한다. 도 1을 참조하면, 예측 시스템(100)은 서버(110), 사용자 장치(120), 복수의 광고 매체 서버(131, 132), 및 데이터 가공 서비스 서버(140)를 포함할 수 있다.
서버(110)는 사용자 장치(120)로부터 사용자 장치(120)를 사용하는 사용자에 관한 사용자 정보를 수신할 수 있다. 사용자 장치(120)는 광고주인 회사의 임직원이 이용하는 다양한 장치를 포괄할 수 있다. 사용자 정보는 회사 정보, 직급, 경력, 예상 접속 빈도, 및 사용자 장치의 화면 크기를 포함할 수 있다. 사용자 정보에 사용자 장치의 화면 크기가 포함되므로, 하나의 ID를 가진 하나의 사용자가 PC를 이용하여 광고 성과 보고서 제공 시스템에 접속하는 경우와 스마트폰을 이용하여 접속하는 경우 사용자 정보는 달라질 수 있다. 다양한 실시예에 따라서, 직급은 광고주인 회사에서 사용되는 실제 직급 체계와 무관하게, 단순히 경영자 및 실무진으로 2분법적으로 분류되거나, 경영자, 중간관리자, 및 실무진 등 3개 이상의 단계로 분류될 수 있다. 직급은 보고서 제공 서버(110)의 시스템 내에서 여러 선택지가 제시되고, 사용자는 선택지 중 하나를 선택하는 입력을 할 수 있다. 보고서 제공 서버(110)는 사용자로부터 권한을 받아 사용자 장치(120)의 화면 크기 정보를 사용자 장치(120)로부터 수신할 수 있다.
회사 정보는 업종, 매출 규모, 인증 정보, 및 광고 비용을 포함할 수 있다. 인증 정보는 광고주인 회사가 광고 매체 서버(131, 132)의 운영진이 가진 각 광고 매체에 접속하기 위한 ID 및 비밀번호와 같은 인증 정보를 의미한다. 보고서 제공 서버(110)는 각 회사별로 최초의 사용자에 대해서는 사용자 장치로부터 회사 이름과 회사 정보를 모두 입력받고, 이후의 사용자에 대해서는 사용자 장치로부터 회사 이름을 입력받고 기 저장된 회사 정보를 참조하여 사용자 정보를 구성할 수 있다.
보고서 제공 서버(110)는 사용자 정보에 포함된 인증 정보를 이용하여 복수의 광고 매체 서버(131, 132)로부터 광고주의 광고 성과 정보를 획득하고, 광고 성과 정보를 토대로 광고 성과 보고서를 생성할 수 있다.
선택적인 사항으로, 보고서 제공 서버(110)는 광고 성과 정보를 획득함에 있어서 데이터 가공 서비스 서버(140)를 더 이용할 수 있다. 경우에 따라서, 광고 매체 서버(131, 132)에서 보고서 제공 서버(110)에 제공하는 정보인 광고 성과 기본 정보를 토대로 추가적인 연산을 거쳐 획득되는 광고 성과 추가 정보가 사용자 장치(120)에 제공될 것이 요구될 수 있다. 이 경우, 보고서 제공 서버(110)는 자체적으로 광고 성과 기본 정보를 토대로 추가적인 연산을 수행함으로써 광고 성과 추가 정보를 획득할 수도 있고, 데이터 가공 서비스 서버(140)에 광고 성과 기본 정보를 전달하고, 데이터 가공 서비스 서버(140)에서 수행한 추가적 연산의 결과인 광고 성과 추가 정보를 데이터 가공 서비스 서버(140)로부터 수신함으로써 광고 성과 추가 정보를 획득할 수도 있다.
보고서 제공 서버(110)가 광고 성과 보고서를 생성함에 있어서, 광고 성과 보고서의 템플릿이 결정될 필요가 있다. 광고 성과 보고서의 템플릿은, 광고 성과 보고서 내에 어떤 정보가 표시되는지, 정보가 표 형태로 표시되는지, 막대그래프, 또는 원그래프 형태로 표시되는지, 각 정보가 표시되는 위치 및 크기, 각 정보를 나타내는 글자의 크기 및 글자체, 및 시각적으로 표시되는 텍스트 또는 그래픽 요소 각각의 색상에 의하여 정의된다. 사용자 장치(120)에 제공될 광고 성과 보고서의 템플릿이 결정되는 방법에 대해서는 도 3 및 도 4를 참조하여 후술한다.
도 2는 본 발명의 다양한 실시예에 따른, 광고 성과 보고서 제공 시스템에 포함되는 보고서 제공 서버(110)의 구성요소를 도시한다. 도 2를 참조하면 보고서 제공 서버(110)는 통신 회로(210), 프로세서(220), 및 메모리(230)를 포함할 수 있다. 통신 회로(210)는 다른 전자 장치에 정보를 송신하거나 다른 전자 장치로부터 정보를 수신할 수 있고, 통신 회로(210)가 지원하는 통신의 종류는 제한되지 않는다.
프로세서(220)는 통신 회로(210)를 통하여 수신된 데이터 및/또는 메모리(230)에 저장된 데이터에 기초하여 연산을 수행하고, 연산의 결과의 적어도 일부를 통신 회로(210)를 통하여 다른 전자 장치에 송신하거나, 메모리(230)에 저장할 수 있다.
프로세서(220)는 데이터 학습부(221) 및 데이터 인식부(222)를 포함할 수 있다. 데이터 학습부(221)는 후술할 바와 같이 사용자 정보에 기초하여 뎁스 점수, 시각화 점수, 및 시계열 점수를 예측하기 위한 인공 지능 모델들을 생성할 수 있다. 데이터 인식부(222)는 데이터를 전처리하고, 전처리된 데이터를 데이터 학습부(221)에 학습을 위하여 제공할 수 있다.
데이터 학습부(221) 및 데이터 인식부(222) 중 적어도 하나는 인공 지능을 위한 전용 하드웨어 칩 형태로 구현되거나, 기존의 범용 프로세서(예를 들어, AP 또는 CPU) 또는 그래픽 전용 프로세서의 일부로서 구현될 수도 있다.
다양한 실시예에 따라서, 도 2에서 데이터 학습부(221) 및 데이터 인식부(222)가 서버(110)에 포함된 것으로 표현된 것과 달리, 데이터 학습부(221) 및 데이터 인식부(222)는 별개의 전자 장치에 각각 탑재될 수 있다.
이 경우, 데이터 학습부(221) 및 데이터 인식부(222)는 유선 또는 무선으로 서로 연결되어, 데이터 학습부(221)에서 생성된 모델 정보가 데이터 인식부(222)에 제공되거나, 데이터 인식부(222)에 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(221)에 제공될 수 있다.
데이터 학습부(221) 및 데이터 인식부(222) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 이 경우, 소프트웨어 모듈은 컴퓨터로 판독 가능한 비일시적 기록 매체에 저장될 수 있다. 소프트웨어 모듈의 적어도 일부는 OS(operating system)에 의해 제공되거나, 소정의 어플리케이션에 의하여 제공될 수 있다.
다양한 실시예에 따라서, 메모리(230)는 후술할 사용자 정보 데이터베이스, 템플릿 데이터베이스, 학습 데이터베이스, 및 선택 데이터베이스를 저장할 수 있다.
도 3은 본 발명의 다양한 실시예에 따른, 보고서 제공 서버에서 수행되는 방법을 도시한다.
310 단계에서, 보고서 제공 서버(110)는 제1 사용자 장치로부터 제1 사용자 정보를 획득하여 사용자 정보 데이터베이스에 저장할 수 있다. 사용자 정보 데이터베이스에는 다수의 사용자의 사용자 정보들 및 다수 회사들의 회사 정보가 포함되어 있을 수 있다. 다양한 실시예에 따라서, 도 7에서 후술할 바와 같이 특정 회사에 대하여 지배 템플릿이 지정되어 있는 경우, 지배 템플릿과 해당 회사의 연관관계가 사용자 정보 데이터베이스에 저장될 수 있다. 사용자 정보에 포함되는 정보에 대해서는 도 1을 참조하여 상술하였다.
320 단계에서, 보고서 제공 서버(110)는 제1 사용자 장치에 복수의 템플릿을 제공하고, 제1 사용자 장치로부터 복수의 템플릿 중 하나의 제1 템플릿에 대한 선택을 수신할 수 있다. 320 단계에서 제1 사용자 장치에 제공되는 템플릿은 템플릿 데이터베이스에 포함되는 모든 템플릿일 수 있다.
330 단계에서, 보고서 제공 서버(110)는 제1 사용자 장치의 제1 사용자 정보에 포함된 인증 정보에 기초하여, 광고 성과 기본 정보 및 광고 성과 추가 정보를 획득할 수 있다. 구체적으로는, 보고서 제공 서버(110)는 인증 정보를 이용하여 하나 이상의 광고 매체 서버로부터 광고 성과 기본 정보를 수신하고, 광고 성과 기본 정보에 기초하여 광고 성과 추가 정보를 획득할 수 있다. 상술한 바와 같이, 보고서 제공 서버(110)는 광고 성과 기본 정보에 기초하여 자체적으로 연산을 수행하여 광고 성과 추가 정보를 생성함으로써 광고 성과 추가 정보를 획득하거나, 데이터 가공 서비스 서버(140)에 광고 성과 기본 정보를 전달하고, 데이터 가공 서비스 서버(140)에서 수행한 추가적 연산의 결과인 광고 성과 추가 정보를 데이터 가공 서비스 서버(140)로부터 수신함으로써 광고 성과 추가 정보를 획득할 수 있다.
광고 성과 기본 정보는 광고 매체마다 상이할 수 있다. 전형적으로 광고 성과 기본 정보에 포함되는 정보로는 노출수, 클릭수, 광고비, 구매수, 구매액, 클릭율(CTR, Click Through Rate), CPC(Cost Per Click), ROAS(Return On Advertising Spend), 전환율, 및 CPA(Cost Per Action)가 있다. 광고 성과 기본 정보 외에, 사용자가 320 단계에서 선택한 제1 템플릿에 포함된 항목은 광고 성과 추가 정보로 정의될 수 있다.
340 단계에서, 보고서 제공 서버(110)는 제1 템플릿의 형태로 표현된 광고 성과 보고서를 제1 사용자 장치에 전송할 수 있다.
350 단계에서, 보고서 제공 서버(110)는 제1 템플릿의 뎁스(depth) 점수, 시각화 점수, 및 시계열 점수를 제1 사용자 정보 및 기본 가중치와 연관시켜 학습 데이터베이스 내에 제1 학습 데이터로서 저장할 수 있다. 뎁스(depth) 점수, 시각화 점수, 및 시계열 점수는 템플릿의 특성으로서 정의될 수 있다.
뎁스(depth) 점수는 템플릿이 얼마나 상세한 정보를 포함하는지를 나타내는 정량적인 지표일 수 있다. 다양한 실시예에 따라서, 노출수, 클릭수, 광고비, 구매수, 구매액, 클릭율(CTR, Click Through Rate), CPC(Cost Per Click), ROAS(Return On Advertising Spend), 전환율, 및 CPA(Cost Per Action) 등 광고 성과 보고서에 포함될 수 있는 항목 각각에 대하여 점수가 미리 결정될 수 있고, 제1 템플릿에 포함되는 항목의 점수를 합한 값이 제1 템플릿의 뎁스 점수로 정의될 수 있다. 다양한 실시예에 따라서, 광고비, 구매수, 및 구매액에 대해서는 노출수, 클릭수, 클릭율(CTR, Click Through Rate), CPC(Cost Per Click), ROAS(Return On Advertising Spend), 전환율, 및 CPA(Cost Per Action)보다 낮은 점수가 배정될 수 있다. 높은 뎁스 점수는 템플릿이 고도로 상세한 정보를 포함함을 나타낸다.
시각화 점수는 템플릿이 얼마나 많은 정보를 테이블 형태의 데이터가 아니라 그래프화된 형태로 표시하는지를 나타내는 정량적인 지표일 수 있다. 다양한 실시예에 따라서, 시각화 점수는 템플릿 내에 포함된 그래프의 개수, 템플릿 내에 포함된 테이블 형태의 데이터의 개수, 또는 템플릿 내에 포함된 테이블 형태의 데이터의 개수 대비 템플릿 내에 포함된 그래프의 개수의 비율 중 적어도 하나에 의하여 결정될 수 있다. 예를 들어, 시각화 점수는 템플릿 내에 포함된 그래프의 개수와 템플릿 내에 포함된 테이블 형태의 데이터의 개수 대비 템플릿 내에 포함된 그래프의 개수의 비율의 합으로 정의될 수 있다. 높은 시각화 점수는 템플릿 내에서 그래프화된 형태로 표시되는 정보가 많다는 것을 나타낸다.
시계열 점수는 템플릿이 얼마나 많은 시계열 정보를 포함하는지를 나타내는 정량적인 지표일 수 있다. 시계열 정보란, 한 시점에서의 항목, 예를 들어, 한 시점에서의 클릭수가 아니라, 여러 시점에서 항목의 값의 변화를 시간 순서대로 나타낸 정보, 예를 들어, 1개월 단위로 클릭 수의 변천사를 나타낸 정보를 의미한다. 다양한 실시예에 따라서, 시계열 점수는 템플릿 내에 포함된 시계열 정보의 항목 수, 템플릿 내에 포함된 비-시계열적 정보의 항목 수, 또는 템플릿 내에 포함된 비-시계열적 정보의 항목 수 대비 템플릿 내에 포함된 시계열 정보의 항목 수의 비율 중 적어도 하나에 의하여 결정될 수 있다. 예를 들어, 시계열 점수는 템플릿 내에 포함된 시계열 정보의 항목 수와 템플릿 내에 포함된 비-시계열적 정보의 항목 수 대비 템플릿 내에 포함된 시계열 정보의 항목 수의 비율 의 합으로 정의될 수 있다. 높은 시계열 점수는 템플릿 내에 많은 시계열 정보가 포함된다는 것을 나타낸다.
기본 가중치는 제1 사용자 정보, 뎁스 점수, 시각화 점수, 및 시계열 점수의 조합으로 구성되는 데이터에 부여되는 가중치이다. 학습 데이터베이스 내에 저장되는 학습 데이터는 사용자 정보, 뎁스 점수, 시각화 점수, 시계열 점수, 및 가중치의 조합으로 정의될 수 있다. 가중치가 높은 학습 데이터는 가중치가 낮은 학습 데이터보다 인공지능 모델 생성 시에 더 큰 영향을 줄 수 있다. 다양한 실시예에 따라서, 사용자 정보, 뎁스 점수, 시각화 점수, 및 시계열 점수가 동일하다고 가정하였을 때, 가중치가 기본 가중치의 2배인 학습 데이터는 기본 가중치를 갖는 학습 데이터가 2개 있는 것과 같은 효과를 가질 수 있다.
360 단계에서, 보고서 제공 서버(110)는 학습 데이터베이스에 기초하여 제1 인공지능 모델, 제2 인공지능 모델, 및 제3 인공지능 모델을 각각 생성할 수 있다. 제1 인공지능 모델은 제2 사용자 정보에 기초하여 뎁스 점수를 예상하는 인공지능 모델이다. 제2 인공지능 모델은 제2 사용자 정보에 기초하여 시각화 점수를 예상하는 인공지능 모델이다. 제3 인공지능 모델은 제2 사용자 정보에 기초하여 시계열 점수를 예상하는 인공지능 모델이다.
제1 인공지능 모델, 제2 인공지능 모델, 및 제3 인공지능 모델을 생성하기 위한 학습 방법은 제한되지 않는다. 예를 들어, 제1 인공지능 모델, 제2 인공지능 모델, 및 제3 인공지능 모델은 다양한 머신 러닝 기법에 의하여 생성될 수 있다. 예를 들어, RNN(Recurrent Neural Network), CNN(Convolution Neural Network), ANN(Artificial Neural Network), 및 트랜스포머 모델 중 적어도 하나가 제1 인공지능 모델의 생성을 위한 학습에 이용될 수 있다.
도 5를 참조하면, 제1 인공지능 모델은 사용자 정보를 입력받고 예상 뎁스 점수를 출력하고, 제2 인공지능 모델은 사용자 정보를 입력받고 예상 시각화 점수를 출력하고, 제3 인공지능 모델은 사용자 정보를 입력받고 예상 시계열 점수를 출력하는 것을 확인할 수 있다.
도 4는 본 발명의 일실시예에 따른, 보고서 제공 서버에서 수행되는 방법을 도시한다. 구체적으로, 도 4는 보고서 제공 서버에서 새로운 사용자에게 추천 템플릿을 제공하기 위한 방법을 도시한다.
410 단계에서, 보고서 제공 서버(110)는 제3 사용자 장치로부터 제3 사용자 정보를 획득할 수 있다. 제3 사용자 정보에 포함되는 항목은 상술한 사용자 정보와 같다.
420 단계에서, 보고서 제공 서버(110)는 제3 사용자 정보 및 제1 인공지능 모델에 기초하여 제3 사용자 정보에 대응되는 예상 뎁스 점수를 확인하고, 제3 사용자 정보 및 제2 인공지능 모델에 기초하여 제3 사용자 정보에 대응되는 예상 시각화 점수를 확인하고, 제3 사용자 정보 및 제3 인공지능 모델에 기초하여 제3 사용자 정보에 대응되는 예상 시계열 점수를 확인할 수 있다.
430 단계에서, 보고서 제공 서버(110)는 템플릿 데이터베이스에 포함된 복수의 템플릿 각각의 뎁스 점수, 시각화 점수, 및 시계열 점수를 확인하고, 템플릿 데이터베이스에 포함된 복수의 템플릿 각각의 뎁스 점수와 제3 사용자 정보에 대응되는 예상 뎁스 점수의 차, 복수의 템플릿 각각의 시각화 점수와 제3 사용자 정보에 대응되는 예상 시각화 점수의 차, 및 복수의 템플릿 각각의 시계열 점수와 제3 사용자 정보에 대응되는 예상 시계열 점수의 차에 기초하여, 하나 이상의 추천 템플릿을 확인할 수 있다. 예를 들어, 보고서 제공 서버(110)는 템플릿 데이터베이스에 포함된 복수의 템플릿들의 뎁스 점수, 시각화 점수, 및 시계열 점수 분포에 따라, 뎁스 점수의 차, 시각화 점수의 차, 및 시계열 점수의 차에 적절한 가중치를 부여하고, 뎁스 점수의 차, 시각화 점수의 차, 및 시계열 점수의 차에 각각 가중치가 곱해진 값의 합이 작을수록 추천 순위가 높다고 판정할 수 있다. 예를 들어, 복수의 템플릿 각각의 뎁스 점수와 제3 사용자 정보에 대응되는 예상 뎁스 점수의 차를 복수의 템플릿들의 뎁스 점수의 분산으로 나눈 값, 복수의 템플릿 각각의 시각화 점수와 제3 사용자 정보에 대응되는 예상 시각화 점수의 차를 복수의 템플릿들의 시각화 점수의 분산으로 나눈 값, 및 복수의 템플릿 각각의 시계열 점수와 제3 사용자 정보에 대응되는 예상 시계열 점수의 차를 복수의 템플릿들의 시계열 시각화 점수의 분산으로 나눈 값의 합을 차이 점수로 정의하고, 차이 점수가 가장 작은 미리 결정된 개수의 템플릿을 추천 템플릿으로 결정할 수 있다.
440 단계에서, 보고서 제공 서버(110)는 제3 사용자 장치에 추천 템플릿을 전송할 수 있다.
440 단계가 수행된 후, 보고서 제공 서버(110)는 제3 사용자 장치로부터 하나 이상의 추천 템플릿 중 하나의 템플릿에 대한 선택을 수신하고, 선택된 템플릿의 형태로 표현된 광고 성과 보고서를 제3 사용자 장치에 전송할 수 있다.
도 6은 본 발명의 일실시예에 따른, 보고서 제공 서버에서 수행되는 방법을 도시한다. 구체적으로, 도 6은 제1 인공지능 모델, 제2 인공지능 모델, 및 제3 인공지능 모델을 지속적으로 업데이트하기 위하여 학습 데이터베이스를 관리하는 방법을 도시한다.
610 단계에서, 보고서 제공 서버(110)는 제3 사용자 장치로부터 추천 템플릿 중 제1 추천 템플릿의 선택을 수신할 수 있다. 여기서 추천 템플릿은 도 4의 440 단계에서 추천된 템플릿일 수 있다.
620 단계에서 보고서 제공 서버(110)는 제3 사용자 장치의 제3 사용자 정보와 제1 추천 템플릿의 뎁스 점수, 시각화 점수, 시계열 점수, 및 기본 가중치를 연관시켜 학습 데이터베이스 내에 제2 학습 데이터로서 저장할 수 있다.
630 단계에서, 보고서 제공 서버(110)는 제1 추천 템플릿 형태로 표현된 광고 성과 보고서를 제3 사용자 장치에 전송할 수 있다.
640 단계에서, 제3 사용자 장치로부터, 제1 추천 템플릿에 대한 제1 변경을 수신할 수 있다. 여기서, 제1 추천 템플릿에 대한 변경은 사용자가 제1 추천 템플릿과 상이한 템플릿의 형태로 보고서를 제공받기 위해 템플릿 데이터베이스 내의 다른 템플릿을 선택하는 것을 의미하지 않는다. 보고서 제공 서버(110)는 템플릿 내 포함된 다양한 요소, 예를 들어, 광고 성과 보고서 내에 어떤 정보가 표시되는지, 정보가 표 형태로 표시되는지, 막대그래프, 또는 원그래프 형태로 표시되는지, 각 정보가 표시되는 위치 및 크기, 각 정보를 나타내는 글자의 크기 및 글자체, 및 시각적으로 표시되는 텍스트 또는 그래픽 요소 각각의 색상 등을 사용자가 변경할 수 있는 인터페이스를 제공할 수 있다. 640 단계에서 제1 추천 템플릿에 대한 변경이란 이러한 인터페이스를 이용하여 제1 추천 템플릿에서 시작하여 제1 추천 템플릿에 포함된 다양한 요소, 예를 들어, 광고 성과 보고서 내에 어떤 정보가 표시되는지, 정보가 표 형태로 표시되는지, 막대그래프, 또는 원그래프 형태로 표시되는지, 각 정보가 표시되는 위치 및 크기, 각 정보를 나타내는 글자의 크기 및 글자체, 또는 시각적으로 표시되는 텍스트 또는 그래픽 요소 각각의 색상을 사용자가 변경하는 것을 의미한다.
650 단계에서, 보고서 제공 서버(110)는 제1 추천 템플릿에 변경이 반영된 제2 템플릿의 뎁스 점수, 시각화 점수, 및 시계열 점수를 제2 사용자 정보 및 변경 가중치와 연관시켜 학습 데이터베이스 내에 제3 학습 데이터로서 저장하고, 제2 학습 데이터를 학습 데이터베이스에서 삭제할 수 있다. 여기서 변경 가중치는 제2 학습 데이터에 부여된 기본 가중치보다 높은 값일 수 있다. 자신이 선택한 템플릿을 일부러 변경하였다는 것은, 변경의 번거로움에도 불구하고 이전에 선택한 템플릿에서 변경의 필요성이 있었다는 것을 의미하므로, 실제 사용자의 니즈를 더 정확하게 반영하여 템플릿을 추천할 수 있다.
도 7은 본 발명의 일실시예에 따른, 보고서 제공 서버에서 수행되는 방법을 도시한다. 구체적으로, 도 7은 회사별로 지배적으로 많이 사용되는 템플릿이 있다면 이를 추천하기 위한 방법을 도시한다.
710 단계에서, 보고서 제공 서버(110)는 사용자 정보 데이터베이스에 포함된 복수의 사용자 각각에 대하여, 각 사용자의 사용자 정보와 각 사용자가 선택한 선택 템플릿을 연관시켜 선택 데이터베이스에 저장할 수 있다.
720 단계에서, 보고서 제공 서버(110)는 선택 데이터베이스에 기초하여, 동일한 제1 회사 정보를 갖는 복수의 사용자 정보 중, 가장 많이 선택된 제1 선택 템플릿에 연관되는 사용자 정보의 비율이 제1 임계값 이상인 경우, 제1 선택 템플릿을 제1 회사 정보에 대응되는 지배 템플릿으로 지정할 수 있다.
730 단계에서, 보고서 제공 서버(110)는 템플릿 추천이 필요한 제3 사용자 장치로부터 획득된 제3 사용자 정보가 제1 회사 정보를 포함함을 확인할 수 있다.
740 단계에서, 보고서 제공 서버(110)는 템플릿 데이터베이스에 저장된 복수의 템플릿 중, 예상 뎁스 점수와 뎁스 점수의 차, 예상 시각화 점수와 시각화 점수의 차, 및 예상 시계열 점수와 시계열 점수의 차의 합이 가장 작은 제3 템플릿 및 제1 회사 정보에 대응되는 지배 템플릿을 추천 템플릿으로서 확인할 수 있다. 이 경우, 보고서 제공 서버(110)는 제2 사용자 장치에 추천 템플릿 중 지배 템플릿이 무엇인지를 알릴 수 있고, 제2 사용자 장치는 지배 템플릿은 다른 추천 템플릿과 상이하게 표시하고, 해당 회사 내에서 가장 많이 이용되는 템플릿이라는 메시지를 표시할 수 있다.
도 8은 본 발명의 일실시예에 따른, 보고서 제공 서버에서 수행되는 방법을 도시한다. 구체적으로, 도 8은 제1 인공지능 모델, 제2 인공지능 모델, 및 제3 인공지능 모델을 지속적으로 업데이트하기 위하여 학습 데이터베이스를 관리하는 방법을 도시한다.
810 단계에서, 보고서 제공 서버(110)는 제3 사용자 장치로부터 추천 템플릿 중 지배 템플릿의 선택을 수신할 수 있다.
820 단계에서, 보고서 제공 서버(110)는 제3 사용자 정보와 지배 템플릿의 뎁스 점수, 시각화 점수, 시계열 점수, 및 지배 가중치를 연관시켜 학습 데이터베이스 내에 제4 학습 데이터로서 저장할 수 있다. 여기서 지배 가중치는 630 단계에서 상술한 기본 가중치보다 낮은 값일 수 있다. 이미 회사 내에서 널리 이용되는 템플릿을 선택한 데는 자신의 편의를 위한 최선보다도 회사 내 커뮤니케이션의 중요성이 동기로서 작용하였을 것이므로, 이러한 선택에 작은 가중치를 부여하는 것은 실제 사용자의 니즈를 더 정확하게 반영하여 템플릿을 추천하는 것을 가능케 한다.
830 단계에서, 보고서 제공 서버(110)는 제3 사용자 장치로부터 지배 템플릿에 대한 제2 변경을 수신할 수 있다. 제2 변경의 의미에 대해서는, 도 6의 640 단계를 참조하여 상술한 세부 사항이 동일하게 적용된다.
840 단계에서, 보고서 제공 서버(110)는 지배 템플릿에 제2 변경이 반영된 제4 템플릿의 뎁스 점수, 시각화 점수, 및 시계열 점수를 제2 사용자 정보 및 지배 변경 가중치와 연관시켜 학습 데이터베이스 내에 제5 학습 데이터로서 저장하고, 제4 학습 데이터를 학습 데이터베이스에서 삭제할 수 있다. 여기서 지배 변경 가중치는 기본 가중치보다 높은 값일 수 있다. 다양한 실시예에 따라서, 지배 변경 가중치는 도 6의 650 단계에서 상술한 변경 가중치보다 더 높은 값일 수 있다. 이미 회사 내에서 널리 이용되는 템플릿을 굳이 변경한 것은 회사 내 커뮤니케이션의 원활함을 일부 포기하고서라도 변경의 필요성이 있었다는 것을 의미하므로, 이러한 선택에 큰 가중치를 부여함으로써 실제 사용자의 니즈를 더 정확하게 반영하여 템플릿을 추천할 수 있다.
비록 도면에는 도시되지 않았으나, 다양한 실시예에 따라서, 보고서 제공 서버(110)는 보고서 제공 서버(110)에 접속하는 빈도와 제공된 보고서를 열람하는 시간을 사용자 정보에 더 포함하고, 이렇게 확장된 사용자 정보에 기초하여 뎁스 점수, 시각화 점수, 및 시계열 점수를 예상하는 제4 인공지능 모델을 생성할 수 있다. 다양한 실시예에 따라서, 보고서 제공 서버(110)는 최초 접속 사용자에 대해서는 상술한 제1 인공지능 모델, 제2 인공지능 모델, 및 제3 인공지능 모델에 기초하여 추천 템플릿을 제공하고, 접속 횟수가 미리 결정된 제1 횟수 이상인 사용자에 대해서는 제4 인공지능 모델을 이용하여 새로운 추천 템플릿을 제공할 수 있다. 다양한 실시예에 따라서, 보고서 제공 서버(110)는 접속 횟수가 제1 횟수의 배수가 될 때마다 제4 인공지능 모델을 이용하여 새로운 추천 템플릿을 제공할 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

Claims (5)

  1. 광고 성과 보고서를 제공하기 위한 보고서 제공 서버에서 수행되는 방법에 있어서:
    제1 사용자 장치로부터 제1 사용자 정보를 획득하여 사용자 정보 데이터베이스에 저장하는 단계 - 상기 제1 사용자 정보는 회사 정보, 직급, 경력, 예상 접속 빈도, 및 상기 제1 사용자 장치의 화면 크기를 포함하고, 상기 회사 정보는 업종, 매출 규모, 인증 정보, 및 광고 비용을 포함함 -;
    상기 제1 사용자 장치에 템플릿 데이터베이스에 저장된 복수의 템플릿을 제공하고, 상기 제1 사용자 장치로부터 상기 복수의 템플릿 중 하나의 제1 템플릿에 대한 선택을 수신하는 단계;
    상기 인증 정보를 이용하여 하나 이상의 광고 매체 서버로부터 광고 성과 기본 정보를 수신하는 단계;
    상기 광고 성과 기본 정보에 기초하여 광고 성과 추가 정보를 획득하는 단계; 및
    상기 광고 성과 기본 정보 및 상기 광고 성과 추가 정보를 나타내고 상기 제1 템플릿 형태로 표현된 광고 성과 보고서를 상기 제1 사용자 장치에 전송하는 단계
    상기 제1 템플릿의 뎁스(depth) 점수, 시각화 점수, 및 시계열 점수를 상기 제1 사용자 정보 및 기본 가중치와 연관시켜 학습 데이터베이스 내에 제1 학습 데이터로서 저장하는 단계;
    상기 학습 데이터베이스에 기초하여, 제2 사용자 정보를 입력받고 상기 제2 사용자 정보에 대응되는 예상 뎁스 점수를 출력하는 제1 인공지능 모델, 상기 제2 사용자 정보를 입력받고 상기 제2 사용자 정보에 대응되는 예상 시각화 점수를 출력하는 제2 인공지능 모델, 및 상기 제2 사용자 정보를 입력받고 상기 제2 사용자 정보에 대응되는 예상 시계열 점수를 출력하는 제3 인공지능 모델을 생성하는 단계;
    제3 사용자 장치로부터 제3 사용자 정보를 획득하는 단계;
    상기 제3 사용자 정보 및 상기 제1 인공지능 모델에 기초하여 상기 제3 사용자 정보에 대응되는 예상 뎁스 점수를 확인하는 단계;
    상기 제3 사용자 정보 및 상기 제2 인공지능 모델에 기초하여 상기 제3 사용자 정보에 대응되는 예상 시각화 점수를 확인하는 단계;
    상기 제3 사용자 정보 및 상기 제3 인공지능 모델에 기초하여 상기 제3 사용자 정보에 대응되는 예상 시계열 점수를 확인하는 단계;
    상기 템플릿 데이터베이스에 저장된 상기 복수의 템플릿 각각의 뎁스 점수, 시각화 점수, 및 시계열 점수를 확인하는 단계;
    상기 복수의 템플릿 각각의 뎁스 점수와 상기 제3 사용자 정보에 대응되는 예상 뎁스 점수의 차, 상기 복수의 템플릿 각각의 시각화 점수와 상기 제3 사용자 정보에 대응되는 예상 시각화 점수의 차, 및 상기 복수의 템플릿 각각의 시계열 점수와 상기 제3 사용자 정보에 대응되는 예상 시계열 점수의 차에 기초하여, 상기 복수의 템플릿 중 상기 제3 사용자 장치에 추천할 하나 이상의 추천 템플릿을 확인하는 단계; 및
    상기 추천 템플릿을 상기 제3 사용자 장치에 전송하는 단계;
    를 포함하는 방법.
  2. 제1항에 있어서:
    상기 제3 사용자 장치로부터 상기 추천 템플릿 중 제1 추천 템플릿의 선택을 수신하는 단계;
    상기 제3 사용자 정보와 상기 제1 추천 템플릿의 뎁스 점수, 시각화 점수, 시계열 점수, 및 상기 기본 가중치를 연관시켜 상기 학습 데이터베이스 내에 제2 학습 데이터로서 저장하는 단계;
    상기 제1 추천 템플릿 형태로 표현된 광고 성과 보고서를 상기 제3 사용자 장치에 전송하는 단계;
    상기 제3 사용자 장치로부터, 상기 제1 추천 템플릿에 대한 제1 변경을 수신하는 단계; 및
    상기 제1 추천 템플릿에 상기 변경이 반영된 제2 템플릿의 뎁스 점수, 시각화 점수, 및 시계열 점수를 상기 제3 사용자 정보 및 변경 가중치와 연관시켜 상기 학습 데이터베이스 내에 제3 학습 데이터로서 저장하고, 상기 제2 학습 데이터를 상기 학습 데이터베이스에서 삭제하는 단계 - 상기 변경 가중치는 상기 기본 가중치보다 높음 -;
    를 더 포함하는 방법.
  3. 제1항에 있어서,
    각 사용자의 사용자 정보와 각 사용자가 선택한 선택 템플릿을 연관시켜 선택 데이터베이스에 저장하는 단계; 및
    상기 선택 데이터베이스에 기초하여, 동일한 제1 회사 정보를 갖는 복수의 사용자 정보 중, 가장 많이 선택된 제1 선택 템플릿에 연관되는 사용자 정보의 비율이 제1 임계값 이상인 경우, 상기 제1 선택 템플릿을 상기 제1 회사 정보에 대응되는 지배 템플릿으로 지정하는 단계;
    를 더 포함하고,
    상기 제3 사용자 정보가 상기 제1 회사 정보를 포함하는 경우, 상기 하나 이상의 추천 템플릿을 확인하는 단계는:
    상기 복수의 템플릿 중, 상기 제3 사용자 정보에 대응되는 예상 뎁스 점수와 뎁스 점수의 차, 상기 제3 사용자 정보에 대응되는 예상 시각화 점수와 시각화 점수의 차, 및 상기 제3 사용자 정보에 대응되는 예상 시계열 점수와 시계열 점수의 차의 합이 가장 작은 제3 템플릿 및 상기 제1 회사 정보에 대응되는 지배 템플릿을 추천 템플릿으로서 확인하는 단계를 포함하는, 방법.
  4. 제3항에 있어서,
    상기 제3 사용자 장치로부터 상기 추천 템플릿 중 상기 지배 템플릿의 선택을 수신하는 단계; 및
    상기 제3 사용자 정보와 상기 지배 템플릿의 뎁스 점수, 시각화 점수, 시계열 점수, 및 지배 가중치를 연관시켜 상기 학습 데이터베이스 내에 제4 학습 데이터로서 저장하는 단계 - 상기 지배 가중치는 상기 기본 가중치보다 낮음 -;
    를 더 포함하는 방법.
  5. 제4항에 있어서,
    상기 제3 사용자 장치로부터, 상기 지배 템플릿에 대한 제2 변경을 수신하는 단계; 및
    상기 지배 템플릿에 상기 제2 변경이 반영된 제4 템플릿의 뎁스 점수, 시각화 점수, 및 시계열 점수를 상기 제2 사용자 정보 및 지배 변경 가중치와 연관시켜 상기 학습 데이터베이스 내에 제5 학습 데이터로서 저장하고, 상기 제4 학습 데이터를 상기 학습 데이터베이스에서 삭제하는 단계 - 상기 지배 변경 가중치는 상기 기본 가중치보다 높음 -;
    를 더 포함하는 방법.
KR1020220065834A 2022-05-30 2022-05-30 광고 성과 보고서를 제공하는 방법 KR102507411B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220065834A KR102507411B1 (ko) 2022-05-30 2022-05-30 광고 성과 보고서를 제공하는 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220065834A KR102507411B1 (ko) 2022-05-30 2022-05-30 광고 성과 보고서를 제공하는 방법

Publications (1)

Publication Number Publication Date
KR102507411B1 true KR102507411B1 (ko) 2023-03-08

Family

ID=85508193

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220065834A KR102507411B1 (ko) 2022-05-30 2022-05-30 광고 성과 보고서를 제공하는 방법

Country Status (1)

Country Link
KR (1) KR102507411B1 (ko)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130009754A (ko) * 2010-02-01 2013-01-23 점프탭, 인크. 통합형 광고 시스템
KR20160002761A (ko) * 2013-03-12 2016-01-08 스트라쓰페이 크라운 엘엘씨 시장 분석 및 자동화된 비즈니스 결정을 위한 시스템 및 방법
KR20190065197A (ko) * 2017-06-28 2019-06-11 주식회사 오리지널메이커스 웹 문서 생성 방법 및 그 장치
JP2020004340A (ja) * 2018-07-02 2020-01-09 富士ゼロックス株式会社 業務テンプレート変更装置及びプログラム
KR20220005116A (ko) * 2020-07-06 2022-01-13 김밀알 비즈니스문서 작성용 템플릿 제공 시스템 및 그 방법
KR20220020624A (ko) * 2020-08-12 2022-02-21 (주)코마스인터렉티브 광고 관리 장치 및 이의 동작 방법
KR20220021391A (ko) * 2020-08-13 2022-02-22 김성구 인공지능 모델을 이용하여 사용자 간의 최적화된 매칭을 위한 유효 데이터 추출 방법, 장치 및 컴퓨터프로그램
CN114239531A (zh) * 2021-12-17 2022-03-25 北京达佳互联信息技术有限公司 模板推荐方法、装置、电子设备及存储介质
KR20220039495A (ko) * 2020-09-22 2022-03-29 주식회사 레인보우8 광고주의 광고 효율 향상 및 핵심성과지표(kpi) 달성을 위한 타겟팅 타임 광고 제공 장치 및 방법

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130009754A (ko) * 2010-02-01 2013-01-23 점프탭, 인크. 통합형 광고 시스템
KR20160002761A (ko) * 2013-03-12 2016-01-08 스트라쓰페이 크라운 엘엘씨 시장 분석 및 자동화된 비즈니스 결정을 위한 시스템 및 방법
KR20190065197A (ko) * 2017-06-28 2019-06-11 주식회사 오리지널메이커스 웹 문서 생성 방법 및 그 장치
JP2020004340A (ja) * 2018-07-02 2020-01-09 富士ゼロックス株式会社 業務テンプレート変更装置及びプログラム
KR20220005116A (ko) * 2020-07-06 2022-01-13 김밀알 비즈니스문서 작성용 템플릿 제공 시스템 및 그 방법
KR20220020624A (ko) * 2020-08-12 2022-02-21 (주)코마스인터렉티브 광고 관리 장치 및 이의 동작 방법
KR20220021391A (ko) * 2020-08-13 2022-02-22 김성구 인공지능 모델을 이용하여 사용자 간의 최적화된 매칭을 위한 유효 데이터 추출 방법, 장치 및 컴퓨터프로그램
KR20220039495A (ko) * 2020-09-22 2022-03-29 주식회사 레인보우8 광고주의 광고 효율 향상 및 핵심성과지표(kpi) 달성을 위한 타겟팅 타임 광고 제공 장치 및 방법
CN114239531A (zh) * 2021-12-17 2022-03-25 北京达佳互联信息技术有限公司 模板推荐方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US9824367B2 (en) Measuring effectiveness of marketing campaigns across multiple channels
De Oliveira et al. Brand equity estimation model
JP6788667B2 (ja) 広告リフトの測定
Van Heerde et al. The estimation of pre-and postpromotion dips with store-level scanner data
Pauwels et al. The long-term effects of price promotions on category incidence, brand choice, and purchase quantity
US20110208585A1 (en) Systems and Methods for Measurement of Engagement
US20160210656A1 (en) System for marketing touchpoint attribution bias correction
US20170323330A1 (en) Media spend management using real-time predictive modeling of touchpoint exposure effects
US20210287237A1 (en) System and method for correlating collected observation campaign data with sales data
CN102004982A (zh) 使用变量计分的模型优化系统
US10332042B2 (en) Multichannel digital marketing platform
US20220180392A1 (en) Predictive recommendation system using tiered feature data
US20200160389A1 (en) Method and apparatus for automatically providing advertisements
CN112204610A (zh) 基于神经网络的电子内容
US20140195312A1 (en) System and method for management of processing workers
CN111768243A (zh) 销量预测方法、预测模型构建方法、装置、设备及介质
JP2024015402A (ja) 情報処理装置、方法およびプログラム
KR102507411B1 (ko) 광고 성과 보고서를 제공하는 방법
Christanto et al. Analyzing Benefits of Online Train Ticket Reservation App Using Technology Acceptance Model.
US20140358659A1 (en) Electronic commerce apparatus, privilege control method, privilege control program, and computer readable storage medium for storing program
US20220198488A1 (en) Method and system for programmatic generation of survey queries
Madan Comparison of customers’ perception with regard to service quality in public and private insurance companies using SERVQUAL
KR101030846B1 (ko) 서비스 품질 지수 분석 시스템 및 방법
KR20220097128A (ko) 샘플 제공을 동반하는 스마트 광고 시스템
US20160189205A1 (en) Validation of bottom-up attributions to channels in an advertising campaign

Legal Events

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