KR102546328B1 - 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법, 장치 및 시스템 - Google Patents

Abstract

본 발명의 일실시예는 마케팅/광고 대행 업무를 수행하는 과정에서, 수요자들에게 노출되는 빈도가 높은 키워드들을 자동으로 도출하고, 도출된 키워드들을 기반으로 마케팅 콘텐츠를 생성하여 마케팅을 수행하며, 마케팅 콘텐츠의 조회수, 좋아요 수 등을 모니터링하여 마케팅 콘텐츠의 실적을 산출하되, 실적에서 어뷰징 데이터들을 제거하는, 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법, 장치 및 시스템에 관한 것이다.

Description

온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법, 장치 및 시스템{METHOD, DEVICE AND SYSTEM FOR PROVIDING CONTENT INFORMATION MONITORING AND CONTENT PLANNING AUTOMATION SOLUTION FOR ONLINE MARKETING}

아래 실시예들은 마케팅/광고 대행 업무를 수행하는 과정에서, 수요자들에게 노출되는 빈도가 높은 키워드들을 자동으로 도출하고, 도출된 키워드들을 기반으로 마케팅 콘텐츠를 생성하여 마케팅을 수행하며, 마케팅 콘텐츠의 조회수, 좋아요 수 등을 모니터링하여 마케팅 콘텐츠의 실적을 산출하되, 실적에서 어뷰징 데이터들을 제거하는, 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법, 장치 및 시스템에 관한 것이다.

기업들에서는 자체 마케팅팀을 구성하여 직접 마케팅활동을 수행하기도 하지만, 마케팅팀이 있더라도 전문 마케팅 업체에 마케팅 업무를 외주/위탁하고 이를 관리/감독하는 수준에 그치거나, 마케팅팀이 없는 회사들에서는 전문 마케팅 업체에 마케팅을 전적으로 맡기고 있다.

다만, 이러한 전문 마케팅 업체들은 마케팅 자체에 관한 전문성은 있지만 신규 고객 등 고객사나 고객사의 제품에 대한 분석/이해도가 낮은 경우 마케팅 활동을 하더라고 광고/홍보 효과가 떨어질 수도 있다.

한편, 일부 마케팅 업체에서는 마케팅을 수행한 뒤 광고 효과(실적)를 산출하는 과정에서 실적을 부풀리기 위하여 광고 조작 어뷰징을 수행하기도 하므로, 광고 마케팅을 위탁하는 기업들은 어느 마케팅 업체에서 수행한 마케팅 활동이 효과적이었는지를 제대로 판단/파악하기 어렵다는 한계점이 있었다.

KR 10-2188205 B KR 10-2019-0079079 A KR 10-2327383 B

본 발명의 일실시예가 해결하고자 하는 과제는, 전술한 바와 같은 종래 마케팅 방법의 한계점을 극복하기 위하여, 마케팅 대행 업체가 고객사 및 고객사의 제품을 보다 명확하게 파악함으로써 영향력 있는 마케팅 콘텐츠를 생성할 수 있고, 마케팅을 수행한 뒤 실적(마케팅 효과)을 측정하는 과정에서 조작 어뷰징을 배제함으로써 고객사들이 보다 정확하고 투명하게 마케팅 역량/효과를 판단할 수 있는, 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법, 장치 및 시스템을 제공하는 것이다.

일실시예에 따르면, 장치에 의해 수행되는 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법에 있어서, 온라인 마케팅 웹페이지에서 경쟁 콘텐츠를 검색하는 단계; 상기 경쟁 콘텐츠로부터 제1 키워드를 추출하는 단계; 상기 제1 키워드를 기반으로, 마케팅 콘텐츠를 생성하는 단계; 상기 마케팅 콘텐츠의 제1 영향력 지수를 산출하는 단계; 상기 제1 영향력 지수에 대한 조작 어뷰징(Abusing)을 판단하는 단계; 및 상기 제1 영향력 지수에 대한 어뷰징 데이터를 제거하여, 제2 영향력 지수를 산출하는 단계;를 포함하는, 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법을 제공한다.

또한, 상기 제1 영향력 지수는: 소셜 네트워크 서비스의 게시물에 기록된 조회수, 좋아요 수, 댓글 수 및 게시자의 팔로워(Follower) 수와, 블로그 서비스의 게시물에 기록된 조회수, 추천 수, 댓글 수 및 게시자의 팔로워 수와, 동영상 서비스의 게시물에 기록된 조회수, 추천 수, 댓글 수, 게시자의 팔로워 수, 누적 재생 시간 및 재생시각 별 재생율과, 웹페이지 부착 광고물에 기록된 노출 수, 클릭 수, 접속자 IP 주소, 누적 접속 시간 및 접속시각 별 구매율을 포함하고, 상기 제1 영향력 지수에 대한 조작 어뷰징을 판단하는 단계는: 다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제1 영향력 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제1 영향력 지수의 하위 항목들을 '열'로 하는 소정의 제1 행렬을 생성하는 단계; 상기 제1 행렬의 각 '열'마다, 각 '열'의 평균값으로 상기 제1 행렬의 각 '열' 성분을 나누어, 제2 행렬을 생성하는 단계; 상기 제2 행렬을 기반으로, 상기 마케팅 콘텐츠의 제1 영향력 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제1 군집들을 도출하는 단계; 및 상기 마케팅 콘텐츠들을 군집화한 제1 군집들 중, 어뷰징 군집을 추출하는 단계;를 포함하고, 상기 제2 영향력 지수를 산출하는 단계는: 상기 제1 행렬에서 상기 어뷰징 군집에 대응하는 성분을 제거하는 단계;를 포함할 수 있다.

그리고, 상기 어뷰징 군집을 추출하는 단계는: 상기 소셜 네트워크 서비스의 게시물에 기록된 조회수 대비 좋아요 수를 제1 지수로, 좋아요 수 대비 댓글 수를 제2 지수로, 댓글 수 대비 팔로워 수를 제3 지수로 산출하는 단계; 상기 블로그 서비스의 게시물에 기록된 조회수 대비 추천 수를 제4 지수로, 추천 수 대비 댓글 수를 제5 지수로, 댓글 수 대비 팔로워 수를 제6 지수로 산출하는 단계; 상기 동영상 서비스의 게시물에 기록된 조회수 대비 추천 수를 제7 지수로, 추천 수 대비 댓글 수를 제8 지수로, 댓글 수 대비 팔로워 수를 제9 지수로, 팔로워 수 대비 누적 재생 시간을 제10 지수로 산출하는 단계; 상기 웹페이지 부착 광고물에 기록된 노출 수 대비 클릭 수를 제11 지수로, 클릭 수 대비 누적 접속 시간을 제12 지수로, 상기 접속시각 별 구매율을 제13 지수로 산출하는 단계; 다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제1 지수 내지 제3 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제1 지수 내지 제3 지수를 각 '열'로 하는 소정의 제3 행렬을 생성하는 단계; 다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제4 지수 내지 제6 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제4 지수 내지 제6 지수를 각 '열'로 하는 소정의 제4 행렬을 생성하는 단계; 다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제7 지수 내지 제10 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제7 지수 내지 제10 지수를 각 '열'로 하는 소정의 제5 행렬을 생성하는 단계; 다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제11 지수 내지 제13 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제11 지수 내지 제13 지수를 각 '열'로 하는 소정의 제6 행렬을 생성하는 단계; 상기 제3 행렬을 기반으로, 상기 마케팅 콘텐츠의 제1 지수 내지 제3 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제2 군집들을 도출하는 단계; 상기 제4 행렬을 기반으로, 상기 마케팅 콘텐츠의 제4 지수 내지 제6 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제3 군집들을 도출하는 단계; 상기 제5 행렬을 기반으로, 상기 마케팅 콘텐츠의 제7 지수 내지 제10 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제4 군집들을 도출하는 단계; 상기 제6 행렬을 기반으로, 상기 마케팅 콘텐츠의 제11 지수 내지 제13 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제5 군집들을 도출하는 단계; 상기 제2 군집 내지 제5 군집을 각 마케팅 콘텐츠의 품번별로 매칭하여, 제7 행렬을 생성하는 단계; 상기 제7 행렬을 기반으로, 상기 마케팅 콘텐츠의 군집에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제6 군집들을 도출하는 단계; 각 제6 군집별로 포함된 제1 마케팅 콘텐츠 수를 카운트하는 단계; 상기 제6 군집들에 대한 제1 평균 마케팅 콘텐츠 수를 산출하는 단계; 상기 제6 군집들 중, 상기 제1 평균 마케팅 콘텐츠 수 미만의 제1 마케팅 콘텐츠 수를 가지는 제7 군집들을 추출하는 단계; 각 제7 군집별로 포함된 제2 마케팅 콘텐츠 수를 카운트하는 단계; 상기 제7 군집들에 대한 제2 평균 마케팅 콘텐츠 수를 산출하는 단계; 상기 제7 군집들 중, 상기 제2 평균 마케팅 콘텐츠 수 미만의 제2 마케팅 콘텐츠 수를 가지는 제8 군집들을 추출하는 단계; 및 상기 제8 군집들을 상기 어뷰징 군집으로 지정하는 단계;를 포함할 수 있다.

아울러, 상기 어뷰징 군집을 추출하는 단계는: 상기 웹페이지 부착 광고물에 기록된 접속자 IP 주소마다 상기 웹페이지 부착 광고물에 대응하는 마케팅 콘텐츠 품번을 매칭하여, 상기 접속자 IP 주소별 관심 마케팅 콘텐츠를 추출하는 단계; 상기 접속자 IP 주소를 '행'으로, 상기 관심 마케팅 콘텐츠를 '열'로 하는 제8 행렬을 생성하는 단계; 상기 제8 행렬을 기반으로, 상기 관심 마케팅 콘텐츠에 대한 K-Means 클러스터링으로 상기 접속자 IP 주소들을 군집화하여 제9 군집들을 도출하는 단계; 상기 관심 마케팅 콘텐츠들 사이의 연관도를 학습한 제1 인공지능 모델에 상기 제9 군집들을 입력하여, 상기 제9 군집들 중 상기 관심 마케팅 콘텐츠 사이의 연관도가 소정의 제1 기준 이하인 제10 군집들을 추출하는 단계; 및 상기 제10 군집들을 어뷰징 군집으로 지정하는 단계;를 포함할 수 있다.

또한, 상기 온라인 마케팅 웹페이지에서 경쟁 콘텐츠를 검색하는 단계는: 경쟁사 이름 또는 경쟁사 제품명을 포함하는 제2 키워드를 검색하는 제1 검색 단계; 상기 제2 키워드를 검색하여 도출된 검색 결과 중 상단으로부터 n번째 내의 위치에 배치된 제1 콘텐츠에 접속하는 제2 검색 단계; 상기 제1 콘텐츠로부터 제3 키워드를 추출하는 제3 검색 단계; 상기 제3 키워드들의 출현 빈도를 산출하는 제4 검색 단계; 상기 제3 키워드들 중 출현 빈도가 상위 m위 이내인 제4 키워드들을 추출하는 제5 검색 단계; 및 상기 제2 키워드 대신 상기 제4 키워드들로 대체하여, 상기 제2 검색 단계 내지 제5 검색 단계를 반복 수행하는 제6 검색 단계;를 포함하고, 상기 경쟁 콘텐츠로부터 제1 키워드를 추출하는 단계는: 상기 제5 검색 단계에서 도출되는 제4 키워드들을 누적한 제5 키워드들 중 출현 빈도가 상위 k위 이내인 제6 키워드들을 상기 제1 키워드로 지정하는 단계;를 포함할 수 있다.

(상기 n, m 및 k는 10 이하의 자연수)

일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.

일실시예에 따르면, 마케팅 대행 업체가 고객사 및 고객사의 제품을 보다 명확하게 파악할 수 있도록, 경쟁사 또는 경쟁사 제품의 마케팅 콘텐츠로부터 키워드들을 도출할 수 있다.

또한, 도출된 키워드를 기반으로 마케팅 콘텐츠를 직접 작성하여 입력하거나 자동으로 생성하여, 영향력 있는 마케팅 콘텐츠를 제공할 수 있다.

그리고, 마케팅 실적을 측정하는 과정에서 조회수, 좋아요 수 등을 조작하는 어뷰징 행위를 배제함으로써, 고객사들이 신뢰할 수 있는 데이터를 제공할 수 있다.

아울러, 인공지능 군집화를 기반으로, 기존 방식으로는 감지/판별하기 어려운 사용자 보상 방식의 어뷰징을 필터링할 수 있다.

도 1은 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 시스템을 나타낸 도면이다.
도 2는 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법을 나타낸 순서도이다.
도 3은 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법의 조작 어뷰징을 판단하는 단계를 나타낸 순서도이다.
도 4는 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법의 어뷰징 군집을 추출하는 단계를 나타낸 순서도이다.
도 5는 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법에서 제3 행렬 내지 제6 행렬을 기반으로 도출된 제2 군집 내지 제5 군집을 나타낸 도면이다.
도 6은 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법에서 제7 행렬을 기반으로 도출된 제6 군집을 나타낸 도면이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 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.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.

인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.

인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.

일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.

일실시예에 따르면, 장치에 의해 수행되는 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법에 있어서, 온라인 마케팅 웹페이지에서 경쟁 콘텐츠를 검색하는 단계(S100); 상기 경쟁 콘텐츠로부터 제1 키워드를 추출하는 단계(S200); 상기 제1 키워드를 기반으로, 마케팅 콘텐츠를 생성하는 단계(S300); 상기 마케팅 콘텐츠의 제1 영향력 지수를 산출하는 단계(S400); 상기 제1 영향력 지수에 대한 조작 어뷰징(Abusing)을 판단하는 단계(S500); 및 상기 제1 영향력 지수에 대한 어뷰징 데이터를 제거하여, 제2 영향력 지수를 산출하는 단계(S600);를 포함하는, 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법을 제공한다.

여기서, 상기 장치(1)는 소정의 서버로써, 다수의 고객 단말(2)(PC, 스마트 기기 등)으로부터 마케팅 대행 요청을 수신하여 마케팅 서비스를 수행하는 기능을 수행할 수 있다. 또한, 다수의 마케팅 대행사와 고객들을 연결하는 플랫폼으로써, 마케팅 대행사에 소정의 마케팅 콘텐츠들을 제공하여 마케팅 업무를 보조하고, 마케팅 대행사들이 올바로 측정된 데이터(제1 영향력 지수)를 제공했는지 어뷰징 여부를 판단할 수 있다.

온라인 마케팅 웹페이지에서 경쟁 콘텐츠를 검색하는 단계(S100);에서는, 소정의 포털사이트, 커뮤니티 사이트, 소셜 네트워크 서비스 등 검색 기능을 구비하며 게시물, 블로그, 광고 콘텐츠 등이 제공되는 형태의 웹 서비스에서 크롤링 등의 자동화 기능을 기반으로 경쟁 콘텐츠를 검색할 수 있다.

상기 경쟁 콘텐츠란, 경쟁사, 경쟁사의 제품, 경쟁사의 서비스, 경쟁사의 이벤트 등을 의미할 수 있다.

상기 경쟁 콘텐츠로부터 제1 키워드를 추출하는 단계(S200);에서는 검색된 경쟁 콘텐츠의 내용으로부터 자연어 처리 기능을 기반으로 조사, 불용어(Stopwords) 등을 제거한 주요 키워드들인 제1 키워드를 추출할 수 있다.

상기 제1 키워드를 기반으로, 마케팅 콘텐츠를 생성하는 단계(S300);에서는, 인공지능 자연어 생성 모델을 기반으로 마케팅 콘텐츠(게시물, 블로그, 피드, 릴스 등)를 생성하거나, 담당자가 상기 제1 키워드를 참조하여 직접 작성한 마케팅 콘텐츠를 입력받을 수 있다.

상기 마케팅 콘텐츠의 제1 영향력 지수를 산출하는 단계(S400);에서는, 전술한 종래 마케팅 실적 판단 방법 등과 동일/유사한 방식으로 마케팅 콘텐츠가 소비자/수요자들에게 어느 정도의 영향을 미쳤는지를 판단할 수 있는 지표들을 산출한다.

상기 제1 영향력 지수에 대한 조작 어뷰징(Abusing)을 판단하는 단계(S500);에서는, 상기 제1 영향력 지수가 실제 수요자들에 의해 발생한 수치인지, 아니면 매크로 등의 자동화된 프로그램에 의해 발생했거나, 광고를 클릭한 사용자들에게 소정의 수수료를 제공하는 형태의 어뷰징 플랫폼에 의해 발생한 수치인지를 판단한다.

후술하는 단계들에 따르면, 상기 제1 영향력 지수 중 소셜 네트워크 서비스, 블로그 서비스, 동영상 서비스 등의 조회수, 좋아요 수 등의 공개된 정보와, 구글 애드몹 등의 경우 구글 애널리틱스 등 웹페이지 부착 광고물 플랫폼에서 제공하는 기본 기능/API를 기반으로 어뷰징 여부를 판단할 수 있다.

상기 제1 영향력 지수에 대한 어뷰징 데이터를 제거하여, 제2 영향력 지수를 산출하는 단계(S600);에서는, 상기 제1 영향력 지수들로부터 어뷰징 데이터라고 판단된 데이터들을 제거한 제2 영향력 지수를 산출한다.

고객들은 상기 제2 영향력 지수들을 기반으로, 자신이 맡겼던 마케팅 대행 업무가 얼마만큼의 영향을 미쳤는지를 파악할 수 있으며, 여러 마케팅 대행사들의 실적을 비교하여 본인의 회사/제품에 적합한 마케팅 대행사를 선정할 수 있게 된다.

특히, 마케팅 대행사에서 어뷰징을 이용해 부풀린 데이터가 아니라, 객관화된 실제 데이터를 볼 수 있으므로, 마케팅 대행사들의 객관적인 역량을 판단할 수 있게 된다.

상기 제2 영향력 지수를 분석함으로써, 마케팅 대행사 및 고객사에서는 마케팅 콘텐츠가 실제로 수요자들이 좋아하는 형태의 콘텐츠인지를 판단할 수 있다.

또한, 상기 제1 영향력 지수는: 소셜 네트워크 서비스의 게시물에 기록된 조회수, 좋아요 수, 댓글 수 및 게시자의 팔로워(Follower) 수와, 블로그 서비스의 게시물에 기록된 조회수, 추천 수, 댓글 수 및 게시자의 팔로워 수와, 동영상 서비스의 게시물에 기록된 조회수, 추천 수, 댓글 수, 게시자의 팔로워 수, 누적 재생 시간 및 재생시각 별 재생율과, 웹페이지 부착 광고물에 기록된 노출 수, 클릭 수, 접속자 IP 주소, 누적 접속 시간 및 접속시각 별 구매율을 포함할 수 있다.

상기 제1 영향력 지수에 대한 조작 어뷰징을 판단하는 단계(S500)는: 다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제1 영향력 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제1 영향력 지수의 하위 항목들을 '열'로 하는 소정의 제1 행렬을 생성하는 단계(S510); 상기 제1 행렬의 각 '열'마다, 각 '열'의 평균값으로 상기 제1 행렬의 각 '열' 성분을 나누어, 제2 행렬을 생성하는 단계(S520); 상기 제2 행렬을 기반으로, 상기 마케팅 콘텐츠의 제1 영향력 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제1 군집들을 도출하는 단계(S530); 및 상기 마케팅 콘텐츠들을 군집화한 제1 군집들 중, 어뷰징 군집을 추출하는 단계(S540);를 포함하고, 상기 제2 영향력 지수를 산출하는 단계(S600)는: 상기 제1 행렬에서 상기 어뷰징 군집에 대응하는 성분을 제거하는 단계;를 포함할 수 있다.

예를 들어, 어느 고객사에서 위탁하여 작성된 100개의 마케팅 콘텐츠를 20개의 제1 군집으로 분류하고, 그 중 'A' 군집(마케팅 콘텐츠 4개)과 'B' 군집(마케팅 콘텐츠 8개)이 어뷰징 군집으로 판단되는 경우에는 두 군집에 대응하는 12개의 마케팅 콘텐츠가 비정상적으로 실적이 측정된 것으로 판단하여 이를 제외한 88개의 마케팅 콘텐츠에 대한 제2 영향력 지수를 고객사에 제공할 수 있다.

상기 제1 행렬의 각 '열'마다, 각 '열'의 평균값으로 상기 제1 행렬의 각 '열' 성분을 나누어, 제2 행렬을 생성하는 단계(S520);에서는, 조회수, 좋아요 수, 구독자 수 등 서로 다른 비중을 가지는 값들을 각각 자신의 평균값으로 나누어 지수화/표준화된 값을 기반으로 이들을 클러스터링할 수 있다.

예를 들어, 조회수가 10,000인 마케팅 콘텐츠의 좋아요 수가 500인 경우, 이를 표준화하지 않고 클러스터링하는 경우에는 조회수 값이 큰 가중치를 가지게 되어 클러스터링의 정확도가 낮아질 수 있으므로, 조회수 10,000을 전체 마케팅 콘텐츠의 평균 조회수인 5,000으로 나눈 '2'와, 좋아요 수 500을 전체 마케팅 콘텐츠의 평균 좋아요 수인 1,000으로 나눈 '0.5'를 기반으로 해당 마케팅 콘텐츠를 클러스터링할 수 있다.

그리고, 상기 어뷰징 군집을 추출하는 단계는: 상기 소셜 네트워크 서비스의 게시물에 기록된 조회수 대비 좋아요 수를 제1 지수로, 좋아요 수 대비 댓글 수를 제2 지수로, 댓글 수 대비 팔로워 수를 제3 지수로 산출하는 단계(S541); 상기 블로그 서비스의 게시물에 기록된 조회수 대비 추천 수를 제4 지수로, 추천 수 대비 댓글 수를 제5 지수로, 댓글 수 대비 팔로워 수를 제6 지수로 산출하는 단계(S542); 상기 동영상 서비스의 게시물에 기록된 조회수 대비 추천 수를 제7 지수로, 추천 수 대비 댓글 수를 제8 지수로, 댓글 수 대비 팔로워 수를 제9 지수로, 팔로워 수 대비 누적 재생 시간을 제10 지수로 산출하는 단계(S543); 상기 웹페이지 부착 광고물에 기록된 노출 수 대비 클릭 수를 제11 지수로, 클릭 수 대비 누적 접속 시간을 제12 지수로, 상기 접속시각 별 구매율을 제13 지수로 산출하는 단계(S544); 다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제1 지수 내지 제3 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제1 지수 내지 제3 지수를 각 '열'로 하는 소정의 제3 행렬을 생성하는 단계(S545); 다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제4 지수 내지 제6 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제4 지수 내지 제6 지수를 각 '열'로 하는 소정의 제4 행렬을 생성하는 단계(S546); 다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제7 지수 내지 제10 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제7 지수 내지 제10 지수를 각 '열'로 하는 소정의 제5 행렬을 생성하는 단계(S547); 다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제11 지수 내지 제13 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제11 지수 내지 제13 지수를 각 '열'로 하는 소정의 제6 행렬을 생성하는 단계(S548); 상기 제3 행렬을 기반으로, 상기 마케팅 콘텐츠의 제1 지수 내지 제3 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제2 군집들을 도출하는 단계(S549); 상기 제4 행렬을 기반으로, 상기 마케팅 콘텐츠의 제4 지수 내지 제6 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제3 군집들을 도출하는 단계(S550); 상기 제5 행렬을 기반으로, 상기 마케팅 콘텐츠의 제7 지수 내지 제10 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제4 군집들을 도출하는 단계(S551); 상기 제6 행렬을 기반으로, 상기 마케팅 콘텐츠의 제11 지수 내지 제13 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제5 군집들을 도출하는 단계(S552); 상기 제2 군집 내지 제5 군집을 각 마케팅 콘텐츠의 품번별로 매칭하여, 제7 행렬을 생성하는 단계(S553); 상기 제7 행렬을 기반으로, 상기 마케팅 콘텐츠의 군집에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제6 군집들을 도출하는 단계(S554); 각 제6 군집별로 포함된 제1 마케팅 콘텐츠 수를 카운트하는 단계(S555); 상기 제6 군집들에 대한 제1 평균 마케팅 콘텐츠 수를 산출하는 단계(S556); 상기 제6 군집들 중, 상기 제1 평균 마케팅 콘텐츠 수 미만의 제1 마케팅 콘텐츠 수를 가지는 제7 군집들을 추출하는 단계(S557); 각 제7 군집별로 포함된 제2 마케팅 콘텐츠 수를 카운트하는 단계(S558); 상기 제7 군집들에 대한 제2 평균 마케팅 콘텐츠 수를 산출하는 단계(S559); 상기 제7 군집들 중, 상기 제2 평균 마케팅 콘텐츠 수 미만의 제2 마케팅 콘텐츠 수를 가지는 제8 군집들을 추출하는 단계(S560); 및 상기 제8 군집들을 상기 어뷰징 군집으로 지정하는 단계(S561);를 포함할 수 있다.

어뷰징과 실제 수요자들의 관심도를 판단하기 위한 지수로써 상기 제1 지수 내지 제13 지수를 활용할 수 있다.

상기 소셜 네트워크 서비스의 게시물에 기록된 조회수 대비 좋아요 수를 제1 지수로, 좋아요 수 대비 댓글 수를 제2 지수로, 댓글 수 대비 팔로워 수를 제3 지수로 산출하는 단계;에서는, 전술한 바와 같이 표준화된 값들을 서로 비교한 제1 지수 내지 제3 지수를 산출할 수 있다.

예를 들어, 조회수는 10,000회이지만 좋아요 수는 10개인 어느 마케팅 콘텐츠는, 노출은 많이 되었음에도 수요자들에게 매력적으로 느껴지지 않은 것으로 볼 수 있다.

상기 블로그 서비스의 게시물에 기록된 조회수 대비 추천 수를 제4 지수로, 추천 수 대비 댓글 수를 제5 지수로, 댓글 수 대비 팔로워 수를 제6 지수로 산출하는 단계; 상기 동영상 서비스의 게시물에 기록된 조회수 대비 추천 수를 제7 지수로, 추천 수 대비 댓글 수를 제8 지수로, 댓글 수 대비 팔로워 수를 제9 지수로, 팔로워 수 대비 누적 재생 시간을 제10 지수로 산출하는 단계; 상기 웹페이지 부착 광고물에 기록된 노출 수 대비 클릭 수를 제11 지수로, 클릭 수 대비 누적 접속 시간을 제12 지수로, 상기 접속시각 별 구매율을 제13 지수로 산출하는 단계;에서도 전술한 바와 같이 해당 마케팅 콘텐츠의 영향력을 산출할 수 있으며, 이들의 경향/분포를 기반으로 소정의 군집을 분류할 수 있다.

다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제1 지수 내지 제3 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제1 지수 내지 제3 지수를 각 '열'로 하는 소정의 제3 행렬을 생성하는 단계(S545); 다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제4 지수 내지 제6 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제4 지수 내지 제6 지수를 각 '열'로 하는 소정의 제4 행렬을 생성하는 단계(S546); 다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제7 지수 내지 제10 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제7 지수 내지 제10 지수를 각 '열'로 하는 소정의 제5 행렬을 생성하는 단계(S547); 다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제11 지수 내지 제13 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제11 지수 내지 제13 지수를 각 '열'로 하는 소정의 제6 행렬을 생성하는 단계(S548);에서는, 도 5에 도시된 바와 같이 상기 제1 지수 내지 제13 지수들을 각각 행렬화할 수 있다.

상기 제3 행렬을 기반으로, 상기 마케팅 콘텐츠의 제1 지수 내지 제3 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제2 군집들을 도출하는 단계(S549); 상기 제4 행렬을 기반으로, 상기 마케팅 콘텐츠의 제4 지수 내지 제6 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제3 군집들을 도출하는 단계(S550); 상기 제5 행렬을 기반으로, 상기 마케팅 콘텐츠의 제7 지수 내지 제10 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제4 군집들을 도출하는 단계(S551); 상기 제6 행렬을 기반으로, 상기 마케팅 콘텐츠의 제11 지수 내지 제13 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제5 군집들을 도출하는 단계(S552);에서는 도 5에 도시된 바와 같이, 각 행렬들을 K-Means Clustering 알고리즘에 입력함으로써 이들로부터 군집들을 도출할 수 있다.

상기 제2 군집 내지 제5 군집을 각 마케팅 콘텐츠의 품번별로 매칭하여, 제7 행렬을 생성하는 단계(S553); 상기 제7 행렬을 기반으로, 상기 마케팅 콘텐츠의 군집에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제6 군집들을 도출하는 단계(S554);에서는, 도 6에 도시된 바와 같이, 도출된 군집 행렬 자체를 기반으로 마케팅 콘텐츠를 군집화(2차 군집화; 재군집화)하여, 이상 데이터가 검출된 군집들을 일괄적으로 제거(어뷰징 군집으로 지정)할 수 있다.

각 제6 군집별로 포함된 제1 마케팅 콘텐츠 수를 카운트하는 단계(S555); 상기 제6 군집들에 대한 제1 평균 마케팅 콘텐츠 수를 산출하는 단계(S556); 상기 제6 군집들 중, 상기 제1 평균 마케팅 콘텐츠 수 미만의 제1 마케팅 콘텐츠 수를 가지는 제7 군집들을 추출하는 단계(S557); 각 제7 군집별로 포함된 제2 마케팅 콘텐츠 수를 카운트하는 단계(S558); 상기 제7 군집들에 대한 제2 평균 마케팅 콘텐츠 수를 산출하는 단계(S559); 상기 제7 군집들 중, 상기 제2 평균 마케팅 콘텐츠 수 미만의 제2 마케팅 콘텐츠 수를 가지는 제8 군집들을 추출하는 단계(S560); 및 상기 제8 군집들을 상기 어뷰징 군집으로 지정하는 단계(S561);에서는, 각 군집들에 포함된 제1 마케팅 콘텐츠 수를 기반으로 경향성이 뚜렷하지 않은 제7 군집들을 추출한다.

일반적인 마케팅 콘텐츠 수는 특성상 사람들이 많이 접속하는 시간대나 접속하는 사람들의 좋아요/추천 여부, 동영상 시청 시간 등의 경향성이 일관적이어서 군집들에 포함된 제1 마케팅 콘텐츠 수가 일정 수 이상이지만, 이에 반해 어뷰징된 데이터의 경우 매크로를 이용하여 짧은 시간동안 급격한 증가세가 나타나거나, 서로 다른 수많은 사용자로부터 경향성 없이 클릭된 데이터 등으로 인해 경향성이 없어 제1 마케팅 콘텐츠 수가 매우 작게 산출될 수 있다.

따라서, 상기와 같이 평균값보다 더 작은 제1 마케팅 콘텐츠 수를 가지는 제7 군집들을 산출하고, 그 중에서도 더 작은 제2 마케팅 콘텐츠 수를 가지는 제8 군집들을 산출함으로써, 경향성이 도드라지지 않는 어뷰징 군집들을 판단/추출할 수 있다.

아울러, 상기 어뷰징 군집을 추출하는 단계는: 상기 웹페이지 부착 광고물에 기록된 접속자 IP 주소마다 상기 웹페이지 부착 광고물에 대응하는 마케팅 콘텐츠 품번을 매칭하여, 상기 접속자 IP 주소별 관심 마케팅 콘텐츠를 추출하는 단계; 상기 접속자 IP 주소를 '행'으로, 상기 관심 마케팅 콘텐츠를 '열'로 하는 제8 행렬을 생성하는 단계; 상기 제8 행렬을 기반으로, 상기 관심 마케팅 콘텐츠에 대한 K-Means 클러스터링으로 상기 접속자 IP 주소들을 군집화하여 제9 군집들을 도출하는 단계; 상기 관심 마케팅 콘텐츠들 사이의 연관도를 학습한 제1 인공지능 모델에 상기 제9 군집들을 입력하여, 상기 제9 군집들 중 상기 관심 마케팅 콘텐츠 사이의 연관도가 소정의 제1 기준 이하인 제10 군집들을 추출하는 단계; 및 상기 제10 군집들을 어뷰징 군집으로 지정하는 단계;를 포함할 수 있다.

상기 웹페이지 부착 광고물에 기록된 접속자 IP 주소마다 상기 웹페이지 부착 광고물에 대응하는 마케팅 콘텐츠 품번을 매칭하여, 상기 접속자 IP 주소별 관심 마케팅 콘텐츠를 추출하는 단계;에서는, 웹페이지 부착 광고물을 클릭할 때 송신되는 클라이언트 정보(접속자 정보)를 기반으로, 어떤 접속자가 어떤 마케팅 콘텐츠들에 클릭(접속)했는지를 파악한다.

여기서, 관심 마케팅 콘텐츠란, 마케팅 콘텐츠의 제품 종류, 태그, 주요 기능 등을 의미할 수 있다.

상기 접속자 IP 주소를 '행'으로, 상기 관심 마케팅 콘텐츠를 '열'로 하는 제8 행렬을 생성하는 단계;에서는, 예를 들어, 판단 대상인 100여개의 관심 마케팅 콘텐츠가 있는 경우 100여개의 열을 가지고 접속자 IP 주소만큼의 행을 가지는 제8 행렬을 생성한다.

상기 제8 행렬을 기반으로, 상기 관심 마케팅 콘텐츠에 대한 K-Means 클러스터링으로 상기 접속자 IP 주소들을 군집화하여 제9 군집들을 도출하는 단계;에서는, 접속자 IP 주소들을 군집화하여 사용자(수요자)들을 군집화한다.

상기 관심 마케팅 콘텐츠들 사이의 연관도를 학습한 제1 인공지능 모델에 상기 제9 군집들을 입력하여, 상기 제9 군집들 중 상기 관심 마케팅 콘텐츠 사이의 연관도가 소정의 제1 기준 이하인 제10 군집들을 추출하는 단계;에서는, 관심 마케팅 콘텐츠들의 연관도를 미리 학습한 제1 인공지능 모델을 기반으로, 각 군집마다 서로 연관도가 높은 관심 마케팅 콘텐츠들이 포함되어 있는지를 판단한다.

K-Means Clustering은 비지도 학습 기반의 인공지능 알고리즘이며, 이를 학습 기반의 인공지능 모델인 제1 인공지능 모델과 결합함으로써 어뷰징 군집들을 판단/판별할 수 있다.

예를 들어, 어느 'A' 군집의 관심 마케팅 콘텐츠인 '선풍기', '에어컨', '냉방', '여름', '더위' 등의 키워드들은 서로 연관도가 높으므로 어뷰징 데이터가 아닌 것으로 판단될 수 있다.

실제 수요자들은, 자신의 니즈에 부합하는 선풍기, 에어컨 등의 키워드를 자주 검색하거나 클릭할 확률/빈도가 높으므로 어뷰징 데이터가 아닌 것으로 판단할 수 있다.

이와 반대로, 단순히 기계적으로 단순 반복적으로 다수의 광고들을 클릭하여 수익을 창출하려는 어뷰징 플랫폼 이용자들은, 자신이 필요한 콘텐츠들만을 클릭하는 것이 아니라 콘텐츠의 종류 등에 대한 구분이 없이 수익 발생이 가능하다면 무조건 클릭하는 경향이 있으므로, 클릭한 마케팅 콘텐츠들간의 연관도가 매우 낮아 이를 어뷰징 데이터로 판단할 수 있다.

예를 들어, 어느 'B' 군집의 관심 마케팅 콘텐츠가 '아기 옷', '유압 장비', '여성용 화장품', '필기구'인 경우, 어느 한 사용자가 이러한 서로 다른 경향의 키워드 등에 대해 관심이 있을 확률이 매우 낮으므로 이를 어뷰징 데이터로 판단할 수 있다.

상기 관심 마케팅 콘텐츠들 사이의 연관도를 기반으로 하는 어뷰징 군집 지정 과정과, 제7 행렬을 기반으로 하는 어뷰징 군집 지정 과정은 각각 개별적으로/중첩적으로 수행될 수 있다.

또한, 상기 온라인 마케팅 웹페이지에서 경쟁 콘텐츠를 검색하는 단계(S100)는: 경쟁사 이름 또는 경쟁사 제품명을 포함하는 제2 키워드를 검색하는 제1 검색 단계; 상기 제2 키워드를 검색하여 도출된 검색 결과 중 상단으로부터 n번째 내의 위치에 배치된 제1 콘텐츠에 접속하는 제2 검색 단계; 상기 제1 콘텐츠로부터 제3 키워드를 추출하는 제3 검색 단계; 상기 제3 키워드들의 출현 빈도를 산출하는 제4 검색 단계; 상기 제3 키워드들 중 출현 빈도가 상위 m위 이내인 제4 키워드들을 추출하는 제5 검색 단계; 및 상기 제2 키워드 대신 상기 제4 키워드들로 대체하여, 상기 제2 검색 단계 내지 제5 검색 단계를 반복 수행하는 제6 검색 단계;를 포함하고, 상기 경쟁 콘텐츠로부터 제1 키워드를 추출하는 단계(S200)는: 상기 제5 검색 단계에서 도출되는 제4 키워드들을 누적한 제5 키워드들 중 출현 빈도가 상위 k위 이내인 제6 키워드들을 상기 제1 키워드로 지정하는 단계;를 포함할 수 있다.

(상기 n, m 및 k는 10 이하의 자연수)

상기 온라인 마케팅 웹페이지에서 경쟁 콘텐츠를 검색하는 단계(S100)는 소정의 웹사이트 크롤링 알고리즘을 기반으로 동작 가능하다.

상기 제1 검색 단계 내지 제3 검색 단계에서는, 예를 들어, 소정의 포털 사이트에서 제2 키워드를 검색하고, 검색 결과의 상단 5~10번째 이내에 나타난 상위 콘텐츠(블로그 게시물 등)에 접속한 뒤 해당 콘텐츠로부터 텍스트들을 추출할 수 있다. 이후, 텍스트들에 대해 조사/불용어를 제거하는 등 소정의 자연어 처리/정제 과정을 거쳐 제3 키워드들을 도출할 수 있다.

상기 제4 검색 단계 및 제5 검색 단계에서는, 다수개의 콘텐츠들로부터 텍스트(제3 키워드)들을 추출하고, 콘텐츠에서 해당 키워드들의 출현 빈도가 높은 상위 5~10개 제4 키워드들을 도출할 수 있다.

이후, 상기 제6 검색 단계에서는, 상기 제4 키워드들을 상기 포털 사이트에서 검색하여 2차 검색 결과에 나타난 콘텐츠들에 접속하고, 2차 콘텐츠들에 포함된 키워드들로부터 출현 빈도가 높은 키워드들을 다시 도출하는 과정을 수 차례 반복 수행할 수 있다.

마지막으로, 도출된 모든 제4 키워드들과 그 출현 빈도를 누적한 제5 키워드들을 기반으로, 제6 키워드를 도출할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

S100 : 경쟁 콘텐츠를 검색하는 단계
S200 : 제1 키워드를 추출하는 단계
S300 : 마케팅 콘텐츠를 생성하는 단계
S400 : 제1 영향력 지수를 산출하는 단계
S500 : 조작 어뷰징을 판단하는 단계
S510 : 제1 행렬을 생성하는 단계
S520 : 제2 행렬을 생성하는 단계
S530 : 제1 군집들을 도출하는 단계
S540 : 제1 군집들 중, 어뷰징 군집을 추출하는 단계
S541 : 제1 지수 내지 제3 지수를 산출하는 단계
S542 : 제4 지수 내지 제6 지수를 산출하는 단계
S543 : 제7 지수 내지 제10 지수를 산출하는 단계
S544 : 제11 지수 내지 제13 지수를 산출하는 단계
S545 : 제3 행렬을 생성하는 단계
S546 : 제4 행렬을 생성하는 단계
S547 : 제5 행렬을 생성하는 단계
S548 : 제6 행렬을 생성하는 단계
S549 : 제2 군집들을 도출하는 단계
S550 : 제3 군집들을 도출하는 단계
S551 : 제4 군집들을 도출하는 단계
S552 : 제5 군집들을 도출하는 단계
S553 : 제7 행렬을 생성하는 단계
S554 : 제6 군집들을 도출하는 단계
S555 : 각 제6 군집별로 포함된 제1 마케팅 콘텐츠 수를 카운트하는 단계
S556 : 제6 군집들에 대한 제1 평균 마케팅 콘텐츠 수를 산출하는 단계
S557 : 제7 군집들을 추출하는 단계
S558 : 각 제7 군집별로 포함된 제2 마케팅 콘텐츠 수를 카운트하는 단계
S559 : 제7 군집들에 대한 제2 평균 마케팅 콘텐츠 수를 산출하는 단계
S560 : 제8 군집들을 추출하는 단계
S561 : 제8 군집들을 상기 어뷰징 군집으로 지정하는 단계
S600 : 제2 영향력 지수를 산출하는 단계
1 : 장치(서버)
2 : 고객 단말
3 : 수요자 단말
4 : 데이터베이스 서버

Claims (3)

1. 장치에 의해 수행되는 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법에 있어서,
   온라인 마케팅 웹페이지에서 경쟁 콘텐츠를 검색하는 단계;
   상기 경쟁 콘텐츠로부터 제1 키워드를 추출하는 단계;
   상기 제1 키워드를 기반으로, 마케팅 콘텐츠를 생성하는 단계;
   상기 마케팅 콘텐츠의 제1 영향력 지수를 산출하는 단계;
   상기 제1 영향력 지수에 대한 조작 어뷰징(Abusing)을 판단하는 단계; 및
   상기 제1 영향력 지수에 대한 어뷰징 데이터를 제거하여, 제2 영향력 지수를 산출하는 단계;를 포함하고,
   상기 제1 영향력 지수는:
   소셜 네트워크 서비스의 게시물에 기록된 조회수, 좋아요 수, 댓글 수 및 게시자의 팔로워(Follower) 수와,
   블로그 서비스의 게시물에 기록된 조회수, 추천 수, 댓글 수 및 게시자의 팔로워 수와,
   동영상 서비스의 게시물에 기록된 조회수, 추천 수, 댓글 수, 게시자의 팔로워 수, 누적 재생 시간 및 재생시각 별 재생율과,
   웹페이지 부착 광고물에 기록된 노출 수, 클릭 수, 접속자 IP 주소, 누적 접속 시간 및 접속시각 별 구매율을 포함하고,
   상기 제1 영향력 지수에 대한 조작 어뷰징을 판단하는 단계는:
   다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제1 영향력 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제1 영향력 지수의 하위 항목들을 '열'로 하는 소정의 제1 행렬을 생성하는 단계;
   상기 제1 행렬의 각 '열'마다, 각 '열'의 평균값으로 상기 제1 행렬의 각 '열' 성분을 나누어, 제2 행렬을 생성하는 단계;
   상기 제2 행렬을 기반으로, 상기 마케팅 콘텐츠의 제1 영향력 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제1 군집들을 도출하는 단계; 및
   상기 마케팅 콘텐츠들을 군집화한 제1 군집들 중, 어뷰징 군집을 추출하는 단계;를 포함하고,
   상기 제2 영향력 지수를 산출하는 단계는:
   상기 제1 행렬에서 상기 어뷰징 군집에 대응하는 성분을 제거하는 단계;를 포함하는,
   온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법
2. 삭제
3. 청구항 1항에 있어서,
   상기 어뷰징 군집을 추출하는 단계는:
   상기 소셜 네트워크 서비스의 게시물에 기록된 조회수 대비 좋아요 수를 제1 지수로, 좋아요 수 대비 댓글 수를 제2 지수로, 댓글 수 대비 팔로워 수를 제3 지수로 산출하는 단계;
   상기 블로그 서비스의 게시물에 기록된 조회수 대비 추천 수를 제4 지수로, 추천 수 대비 댓글 수를 제5 지수로, 댓글 수 대비 팔로워 수를 제6 지수로 산출하는 단계;
   상기 동영상 서비스의 게시물에 기록된 조회수 대비 추천 수를 제7 지수로, 추천 수 대비 댓글 수를 제8 지수로, 댓글 수 대비 팔로워 수를 제9 지수로, 팔로워 수 대비 누적 재생 시간을 제10 지수로 산출하는 단계;
   상기 웹페이지 부착 광고물에 기록된 노출 수 대비 클릭 수를 제11 지수로, 클릭 수 대비 누적 접속 시간을 제12 지수로, 상기 접속시각 별 구매율을 제13 지수로 산출하는 단계;
   다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제1 지수 내지 제3 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제1 지수 내지 제3 지수를 각 '열'로 하는 소정의 제3 행렬을 생성하는 단계;
   다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제4 지수 내지 제6 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제4 지수 내지 제6 지수를 각 '열'로 하는 소정의 제4 행렬을 생성하는 단계;
   다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제7 지수 내지 제10 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제7 지수 내지 제10 지수를 각 '열'로 하는 소정의 제5 행렬을 생성하는 단계;
   다수개의 마케팅 콘텐츠 각각에 대해 산출된 상기 제11 지수 내지 제13 지수를 기반으로, 상기 마케팅 콘텐츠 품번을 '행'으로, 상기 제11 지수 내지 제13 지수를 각 '열'로 하는 소정의 제6 행렬을 생성하는 단계;
   상기 제3 행렬을 기반으로, 상기 마케팅 콘텐츠의 제1 지수 내지 제3 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제2 군집들을 도출하는 단계;
   상기 제4 행렬을 기반으로, 상기 마케팅 콘텐츠의 제4 지수 내지 제6 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제3 군집들을 도출하는 단계;
   상기 제5 행렬을 기반으로, 상기 마케팅 콘텐츠의 제7 지수 내지 제10 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제4 군집들을 도출하는 단계;
   상기 제6 행렬을 기반으로, 상기 마케팅 콘텐츠의 제11 지수 내지 제13 지수에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제5 군집들을 도출하는 단계;
   상기 제2 군집 내지 제5 군집을 각 마케팅 콘텐츠의 품번별로 매칭하여, 제7 행렬을 생성하는 단계;
   상기 제7 행렬을 기반으로, 상기 마케팅 콘텐츠의 군집에 대한 K-Means 클러스터링으로 상기 마케팅 콘텐츠들을 군집화하여 제6 군집들을 도출하는 단계;
   각 제6 군집별로 포함된 제1 마케팅 콘텐츠 수를 카운트하는 단계;
   상기 제6 군집들에 대한 제1 평균 마케팅 콘텐츠 수를 산출하는 단계;
   상기 제6 군집들 중, 상기 제1 평균 마케팅 콘텐츠 수 미만의 제1 마케팅 콘텐츠 수를 가지는 제7 군집들을 추출하는 단계;
   각 제7 군집별로 포함된 제2 마케팅 콘텐츠 수를 카운트하는 단계;
   상기 제7 군집들에 대한 제2 평균 마케팅 콘텐츠 수를 산출하는 단계;
   상기 제7 군집들 중, 상기 제2 평균 마케팅 콘텐츠 수 미만의 제2 마케팅 콘텐츠 수를 가지는 제8 군집들을 추출하는 단계; 및
   상기 제8 군집들을 상기 어뷰징 군집으로 지정하는 단계;를 포함하는,
   온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법
   

Images