KR102548625B1 - 시선 추적 기반의 쇼핑 콘텐츠 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치 - Google Patents

시선 추적 기반의 쇼핑 콘텐츠 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치 Download PDF

Info

Publication number
KR102548625B1
KR102548625B1 KR1020210080819A KR20210080819A KR102548625B1 KR 102548625 B1 KR102548625 B1 KR 102548625B1 KR 1020210080819 A KR1020210080819 A KR 1020210080819A KR 20210080819 A KR20210080819 A KR 20210080819A KR 102548625 B1 KR102548625 B1 KR 102548625B1
Authority
KR
South Korea
Prior art keywords
gaze
user
concentration
shopping
content
Prior art date
Application number
KR1020210080819A
Other languages
English (en)
Other versions
KR20220170143A (ko
Inventor
석윤찬
이승우
Original Assignee
주식회사 비주얼캠프
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 비주얼캠프 filed Critical 주식회사 비주얼캠프
Priority to KR1020210080819A priority Critical patent/KR102548625B1/ko
Publication of KR20220170143A publication Critical patent/KR20220170143A/ko
Application granted granted Critical
Publication of KR102548625B1 publication Critical patent/KR102548625B1/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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0211—Determining the effectiveness of discounts or incentives
    • 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
    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0239—Online discounts or incentives
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • User Interface Of Digital Computer (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

시선 추적 기반의 쇼핑 콘텐츠 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치가 개시된다. 개시되는 일 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 쇼핑 콘텐츠를 사용자 단말로 제공하는 콘텐츠 제공부, 쇼핑 콘텐츠에 대한 사용자의 시선 집중도를 산출하는 시선 집중도 산출부, 및 사용자의 시선 집중도에 기반하여 사용자 단말로 쇼핑 콘텐츠와 연관된 상품에 대한 쿠폰을 제공하는 쿠폰 제공부를 포함한다.

Description

시선 추적 기반의 쇼핑 콘텐츠 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치{METHOD FOR PROVIDING SHOPPING CONTENTS OF BASED EYE TRACKING AND COMPUTING DEVICE FOR EXECUTING THE METHOD}
본 발명의 실시예는 시선 추적 기반의 쇼핑 콘텐츠 제공 기술과 관련된다.
시선 추적(Eye Tracking)은 사용자의 안구 움직임을 감지하여 시선의 위치를 추적하는 기술이다. 최근, 시선 추적 기술의 적용 대상 기기 및 적용 분야가 점차 확대되고 있으며, 이에 따라 콘텐츠를 사용자들에게 제공하고 사용자들이 콘텐츠를 집중해서 보고 있는지를 확인하는데 시선 추적 기술을 활용하는 시도가 증가하고 있다.
한국등록특허공보 제10-1479471호(2015.01.13)
본 발명의 실시예는 시선 추적 기반의 쇼핑 콘텐츠를 제공하는 새로운 기법을 제공하기 위한 것이다.
개시되는 일 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 쇼핑 콘텐츠를 사용자 단말로 제공하는 콘텐츠 제공부; 상기 쇼핑 콘텐츠에 대한 사용자의 시선 집중도를 산출하는 시선 집중도 산출부; 및 상기 사용자의 시선 집중도에 기반하여 상기 사용자 단말로 상기 쇼핑 콘텐츠와 연관된 상품에 대한 쿠폰을 제공하는 쿠폰 제공부를 포함한다.
상기 쿠폰 제공부는, 상기 사용자의 시선 집중도가 기 설정된 제1 임계 값 이하 또는 상기 제1 임계 값 보다 높은 값으로 설정된 제2 임계 값 이상이 되는 경우, 상기 사용자 단말로 상기 상품에 대한 쿠폰을 제공할 수 있다.
상기 쿠폰 제공부는, 상기 상품에 대한 쿠폰을 제공한 후, 상기 사용자의 시선 집중도가 기 설정된 제3 임계 값 이상을 유지하는 경우, 상기 시선 집중도가 유지되는 시간에 따라 쿠폰의 혜택 수준을 높여 제공할 수 있다.
상기 쿠폰 제공부는, 상기 쇼핑 콘텐츠에서 기 설정된 방송 이벤트가 출력되는 경우, 상기 방송 이벤트가 출력된 시점을 기준으로 기 설정된 시간 이내에 상기 사용자의 시선이 상기 상품을 응시하는지에 따라 상기 사용자 단말로 쿠폰을 제공할 수 있다.
상기 컴퓨팅 장치는, 상기 쇼핑 콘텐츠를 시청한 사용자들의 시선 집중도를 기반으로 상기 쇼핑 콘텐츠에 대한 시선 집중율을 산출하는 시선 분석부를 더 포함하고, 상기 콘텐츠 제공부는, 상기 쇼핑 콘텐츠를 시청한 사용자들의 나이, 성별, 및 지역 중 하나 이상을 포함하는 사용자 관련 정보 및 상기 쇼핑 콘텐츠에 대한 시선 집중율에 기반하여 상기 쇼핑 콘텐츠에 대한 사용자 관심도를 지표화 하고, 상기 사용자들의 나이, 성별, 및 지역 중 하나 이상에 따라 지표화 된 사용자 관심도에 기반하여 상기 쇼핑 콘텐츠를 소정의 사용자에게 추천할 수 있다.
상기 컴퓨팅 장치는, 상기 쇼핑 콘텐츠를 시청한 사용자들의 시선 집중도를 기반으로 상기 쇼핑 콘텐츠의 단위 구간 별 시선 집중율 및 전체 시선 집중율 중 하나 이상을 포함하는 시선 집중율을 산출하고, 상기 산출된 시선 집중율에 따라 상기 쇼핑 콘텐츠에 대해 콘텐츠 등급을 부여하는 시선 분석부를 더 포함할 수 있다.
상기 컴퓨팅 장치는, 상기 쇼핑 콘텐츠에 대한 사용자의 시선 집중도 패턴을 분석하고, 상기 시선 집중도 패턴을 상기 쇼핑 콘텐츠에 대한 사용자의 쇼핑 관련 행동과 매칭시키는 시선 분석부를 더 포함할 수 있다.
상기 시선 분석부는, 소정의 쇼핑 콘텐츠에 대한 사용자의 쇼핑 관련 행동을 예측하기 위한 제1 인공 신경망 모델을 포함하고, 상기 시선 분석부는, 각 쇼핑 콘텐츠에 대한 사용자의 시선 집중도 패턴을 학습 데이터로 하여 상기 제1 인공 신경망 모델로 입력하고, 상기 제1 인공 신경망 모델이 예측한 쇼핑 관련 행동과 상기 제1 인공 신경망 모델로 입력된 시선 집중도 패턴과 매칭되는 쇼핑 관련 행동 간의 차이가 최소화 되도록 상기 제1 인공 신경망 모델을 학습시킬 수 있다.
상기 컴퓨팅 장치는, 상기 쇼핑 콘텐츠에 대해 기 설정된 사용자 행동 이벤트가 발생하는 경우, 상기 사용자 행동 이벤트의 발생 시점을 기준으로 상기 사용자의 시선 집중도 패턴을 분석하는 시선 분석부를 더 포함할 수 있다.
상기 시선 분석부는, 소정의 쇼핑 콘텐츠에 대한 사용자 행동 이벤트의 발생 시점을 예측하기 위한 제2 인공 신경망 모델을 포함하고, 상기 시선 분석부는, 각 쇼핑 콘텐츠에 대해 사용자 행동 이벤트가 발생한 시점을 기준으로 그 이전의 기 설정된 시간 동안의 시선 집중도 패턴을 학습 데이터로 하여 상기 제2 인공 신경망 모델로 입력하고, 상기 제2 인공 신경망 모델이 예측한 사용자 행동 이벤트의 발생 시점과 상기 사용자 행동 이벤트가 발생한 시점 간의 차이가 최소화 되도록 상기 제2 인공 신경망 모델을 학습시킬 수 있다.
상기 쿠폰 제공부는, 상기 제2 인공 신경망 모델에 의해 예측되는 사용자 행동 이벤트의 발생 시점과 연계하여 쿠폰을 해당 사용자 단말로 제공할 수 있다.
상기 시선 집중도 산출부는, 상기 쇼핑 콘텐츠가 상기 사용자 단말의 화면에 표시되는 동안 상기 사용자를 촬영한 촬영 영상에 기반하여 상기 사용자의 시선 집중도를 산출할 수 있다.
상기 시선 집중도 산출부는, 상기 촬영 영상에서 사용자의 부재에 따른 부재 점수(Absence Score), 상기 촬영 영상에서 사용자의 시선 중 픽세이션에 따른 픽세이션 비율 점수(Fixation Ratio Score), 및 상기 촬영 영상에서 사용자의 시선 중 픽세이션 및 사카드에 따른 사카드 대비 픽세이션 비율 점수(F/S Ratio Score)에 기반하여 상기 사용자의 시선 집중도를 산출할 수 있다.
상기 시선 집중도 산출부는, 하기 수학식에 의해 상기 사용자의 시선 집중도를 산출할 수 있다.
(수학식)
시선 집중도 = λ·부재 점수 + μ· 픽세이션 비율 점수 + ν·사카드 대비 픽세이션 비율 점수
λ : 제1 가중치
μ : 제2 가중치
ν : 제3 가중치
개시되는 일 실시예에 따른 시선 추적 기반의 쇼핑 콘텐츠 제공 방법은, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 쇼핑 콘텐츠를 사용자 단말로 제공하는 단계; 상기 쇼핑 콘텐츠에 대한 사용자의 시선 집중도를 산출하는 단계; 및 상기 사용자의 시선 집중도에 기반하여 상기 사용자 단말로 상기 쇼핑 콘텐츠와 연관된 상품에 대한 쿠폰을 제공하는 단계를 포함한다.
개시되는 실시예에 의하면, 쇼핑 콘텐츠에 대한 사용자의 시선 집중도에 따라 쇼핑 콘텐츠에 소개되는 상품에 대한 쿠폰을 제공함으로써, 사용자로 하여금 해당 상품에 대한 구매 의욕을 상승시키거나 빠른 구매 결단을 내리도록 유도할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 시선 추적 기반의 쇼핑 콘텐츠 제공 시스템을 나타낸 도면
도 2는 본 발명의 일 실시예에 따른 콘텐츠 제공 장치의 구성을 나타낸 블록도
도 3은 본 발명의 일 실시예에서 사용자의 시선 집중도에 따라 쇼핑 콘텐츠에 쿠폰을 표시한 상태를 나타낸 도면
도 4는 본 발명의 일 실시예에서 사용자의 시선 집중도 패턴이 사용자의 쇼핑 관련 행동과 매칭되는 상태를 나타낸 도면
도 5는 개시되는 실시예에서 사용자의 시선 집중도 패턴을 사용자 행동 이벤트가 발생한 시점을 기준으로 분석한 상태를 나타낸 도면
도 6은 개시되는 일 실시예에서 사용자의 촬영 영상에 기반하여 사용자의 시선 집중도를 산출하는 과정을 나타낸 흐름도
도 7은 본 발명의 일 실시예에서 페이스 미싱 구간을 나타낸 도면
도 8은 개시되는 일 실시예에서 아웃 오브 스크린(Out of Screen) 구간을 나타낸 도면
도 9는 본 발명의 일 실시예에서 사용자의 시선 속도 산출을 설명하기 위한 도면
도 10은 본 발명의 일 실시예에서 시선 분포의 표준 편차 산출을 설명하기 위한 도면
도 11은 본 발명의 일 실시예에서 전체 시간 중 픽세이션 구간 및 사카드 구간을 구분한 상태를 나타낸 도면
도 12는 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
이하의 설명에 있어서, 신호 또는 정보의 "전송", "통신", "송신", "수신" 기타 이와 유사한 의미의 용어는 일 구성요소에서 다른 구성요소로 신호 또는 정보가 직접 전달되는 것뿐만이 아니라 다른 구성요소를 거쳐 전달되는 것도 포함한다. 특히 신호 또는 정보를 일 구성요소로 "전송" 또는 "송신"한다는 것은 그 신호 또는 정보의 최종 목적지를 지시하는 것이고 직접적인 목적지를 의미하는 것이 아니다. 이는 신호 또는 정보의 "수신"에 있어서도 동일하다. 또한 본 명세서에 있어서, 2 이상의 데이터 또는 정보가 "관련"된다는 것은 하나의 데이터(또는 정보)를 획득하면, 그에 기초하여 다른 데이터(또는 정보)의 적어도 일부를 획득할 수 있음을 의미한다.
또한, 제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로 사용될 수 있다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.
도 1은 본 발명의 일 실시예에 따른 시선 추적 기반의 쇼핑 콘텐츠 제공 시스템을 나타낸 도면이다.
도 1을 참조하면, 쇼핑 콘텐츠 제공 시스템(100)은 콘텐츠 제공 장치(102) 및 사용자 단말(104)을 포함할 수 있다. 콘텐츠 제공 장치(102) 및 사용자 단말(104)은 각각 통신 네트워크(150)를 통해 통신 가능하게 연결된다.
몇몇 실시예들에서, 통신 네트워크(150)는 인터넷, 하나 이상의 로컬 영역 네트워크(local area networks), 광역 네트워크(wide area networks), 셀룰러 네트워크, 모바일 네트워크, 그 밖에 다른 종류의 네트워크들, 또는 이러한 네트워크들의 조합을 포함할 수 있다.
콘텐츠 제공 장치(102)는 쇼핑 콘텐츠를 사용자 단말(104)로 제공할 수 있다. 쇼핑 콘텐츠는 홈 쇼핑과 같이 특정 상품의 판매를 위한 라이브 방송 또는 녹화 방송 등 일정한 재생 시간 길이를 갖는 동영상 콘텐츠(동적 콘텐츠)일 수 있다. 또한, 쇼핑 콘텐츠는 쇼핑몰 웹 페이지와 같이 정적 콘텐츠일 수 있다.
이하에서는 설명의 편의상, 쇼핑 콘텐츠가 동영상 콘텐츠인 것을 일 예로 설명하기로 한다. 콘텐츠 제공 장치(102)는 공적 방송으로 쇼핑 콘텐츠를 제공(예를 들어, 케이블 TV 등)하는 서버일 수도 있고, 개인 방송으로 쇼핑 콘텐츠를 제공(예를 들어, 유튜브, 아프리카 TV 등)하는 서버일 수도 있다.
콘텐츠 제공 장치(102)는 쇼핑 콘텐츠에 대한 사용자의 시선 추적 정보에 기반하여 상품 구매를 유도하기 위한 쿠폰(예를 들어, 할인 쿠폰, 배송비 할인, 사은품, 적립금, 1+1 이벤트 등)을 해당 사용자 단말(104)로 제공할 수 있다. 이때, 콘텐츠 제공 장치(102)는 각 사용자 단말(104)로부터 시선 추적 정보를 수신할 수 있다. 또한, 콘텐츠 제공 장치(102)는 쇼핑 콘텐츠에 대한 사용자의 시선 추적 정보에 기반하여 쇼핑 콘텐츠에 대한 사용자의 시선 분석 정보를 생성할 수 있다. 이에 대한 자세한 설명은 후술하기로 한다.
사용자 단말(104)은 콘텐츠 제공 장치(102)로부터 제공되는 쇼핑 콘텐츠를 화면(디스플레이)에 표시할 수 있다. 사용자 단말(104)은 예를 들어, 스마트 폰, 노트북, 태블릿 PC, 데스크 탑 PC 등 화면을 구비한 전자 기기일 수 있다.
사용자 단말(104)은 쇼핑 콘텐츠가 화면에 표시되는 경우 화면 내 사용자의 시선을 추적할 수 있다. 이를 위해, 사용자 단말(104)은 화면 내 사용자의 시선을 추적하기 위한 시선 추적부(104a)를 포함할 수 있다. 시선 추적부(104a)는 사용자 단말(104) 내에 구비된 카메라 및 어플리케이션 등을 통해 구현될 수 있으나, 이에 한정되는 것은 아니며 별도의 장치로 마련되고 사용자 단말(104)에 장착될 수도 있다.
시선 추적부(104a)는 쇼핑 콘텐츠가 사용자 단말(104)에서 표시되는 동안 사용자의 시선 추적 정보를 생성할 수 있다. 시선 추적부(104a)는 쇼핑 콘텐츠가 화면에 표시되는 경우 화면 내 사용자의 시선을 추적하되, 추적된 사용자의 시선에서 사카드(Saccade)를 제외하고 픽세이션(Fixation)을 검출할 수 있다.
여기서, 사카드(Saccade)는 두 눈이 동시에 동일한 방향으로 빠르게 움직이는 안구 운동으로 픽세이션들 사이에 일어나며, 일반적으로 20-40ms 지속되게 된다. 사카드는 주로 시선이 관심 객체를 향하도록 하는데 사용된다. 또한, 픽세이션(Fixation)은 시선이 단일 위치에서 유지되는 것으로, 시선이 고정되는 것을 의미할 수 있다. 픽세이션은 일반적으로 50-600ms 지속될 수 있다.
시선 추적부(104a)는 쇼핑 콘텐츠의 재생 시간과 연동하여 화면 내에서 픽세이션이 발생한 위치에 대한 정보 및 사용자 관련 정보(예를 들어, 사용자의 성별, 나이, 지역 등) 중 하나 이상을 포함하는 시선 추적 정보를 생성할 수 있다. 사용자 단말(104)은 사용자의 시선 추적 정보를 콘텐츠 제공 장치(102)로 송신할 수 있다.
한편, 여기서는 사용자 단말(104)에서 사용자의 시선 추적 정보를 콘텐츠 제공 장치(102)로 송신하는 것으로 설명하였으나, 이에 한정되는 것은 아니며 사용자의 촬영 영상을 콘텐츠 제공 장치(102)로 송신할 수도 있다. 여기서, 사용자의 촬영 영상은 쇼핑 콘텐츠가 사용자 단말(104)의 화면에 표시되는 동안 사용자를 촬영한 영상일 수 있다. 이 경우, 콘텐츠 제공 장치(102)는 사용자의 촬영 영상에 기반하여 사용자의 시선 추적 정보를 생성하고, 생성한 시선 추적 정보를 분석하여 시선 분석 정보를 생성할 수 있다.
도 2는 본 발명의 일 실시예에 따른 콘텐츠 제공 장치의 구성을 나타낸 블록도이다.
도 2를 참조하면, 콘텐츠 제공 장치(102)는 콘텐츠 제공부(111), 시선 집중도 산출부(113), 쿠폰 제공부(115), 및 시선 분석부(117)를 포함할 수 있다.
개시되는 실시예에서, 콘텐츠 제공부(111), 시선 집중도 산출부(113), 쿠폰 제공부(115), 및 시선 분석부(117)는 물리적으로 구분된 하나 이상의 장치를 이용하여 구현되거나, 하나 이상의 프로세서 또는 하나 이상의 프로세서 및 소프트웨어의 결합에 의해 구현될 수 있으며, 도시된 예와 달리 구체적 동작에 있어 명확히 구분되지 않을 수 있다.
콘텐츠 제공부(111)는 통신 네트워크(150)를 통해 쇼핑 콘텐츠를 사용자 단말(104)로 제공할 수 있다. 콘텐츠 제공부(111)는 쇼핑 콘텐츠에 대한 시선 분석 정보에 따라 사용자 단말(104)로 쇼핑 콘텐츠를 추천할 수 있다. 예를 들어, 콘텐츠 제공부(111)는 각 쇼핑 콘텐츠의 시선 집중율(단위 구간별 시선 집중율, 전체 시선 집중율 등)에 기반하여 각 쇼핑 콘텐츠에 대한 사용자들의 관심도를 지표화 할 수 있다.
이때, 콘텐츠 제공부(111)는 사용자들의 성별, 나이, 지역 등에 따라 각 쇼핑 콘텐츠에 대한 사용자들의 관심도를 지표화 할 수 있다. 콘텐츠 제공부(111)는 사용자 관련 정보(성별, 나이, 지역 등)에 따라 지표화 된 사용자 관심도에 기반하여 쇼핑 콘텐츠들 쇼핑 콘텐츠를 소정의 사용자에게 추천할 수 있다.
시선 집중도 산출부(113)는 쇼핑 콘텐츠에 대한 사용자의 시선 추적 정보를 획득할 수 있다. 예를 들어, 시선 집중도 산출부(113)는 사용자 단말(104)로부터 사용자의 시선 추적 정보를 수신할 수 있다. 또한, 시선 집중도 산출부(113)는 사용자 단말(104)로부터 수신한 사용자의 촬영 영상에 기반하여 사용자의 시선 추적 정보를 생성할 수 있다. 이에 대한 자세한 설명은 후술하기로 한다.
시선 집중도 산출부(113)는 사용자의 시선 추적 정보에 기반하여 해당 쇼핑 콘텐츠에 대해 단위 구간 별 해당 사용자의 시선 집중도를 산출할 수 있다. 예를 들어, 단위 구간은 1초가 될 수 있으나 이에 한정되는 것은 아니다. 여기서, 시선 집중도는 픽세이션 밀도(단위 면적 당 픽세이션의 개수)를 포함할 수 있다. 즉, 시선 집중도 산출부(113)는 쇼핑 콘텐츠에 대해 단위 구간 별로 해당 사용자의 픽세이션 밀도를 산출할 수 있다.
예시적인 실시예에서, 시선 집중도 산출부(113)는 쇼핑 콘텐츠에서 기 설정된 관심 영역 내의 픽세이션 밀도를 산출할 수 있다. 그러나, 이에 한정되는 것은 아니며 쇼핑 콘텐츠의 전체 영역에 대해 픽세이션 밀도를 산출할 수도 있다. 이 경우, 해당 사용자가 어느 순간에서 쇼핑 콘텐츠를 집중하여 시청하고 있는지 여부를 확인할 수 있게 된다. 시선 집중도 산출부(113)는 사용자의 시선 집중도 정보를 쿠폰 제공부(115)로 전달할 수 있다.
쿠폰 제공부(115)는 쇼핑 콘텐츠에 대한 사용자의 시선 집중도에 따라 사용자 단말(104)로 쿠폰을 제공할 수 있다. 여기서, 쿠폰은 쇼핑 콘텐츠를 통해 소개되는 상품에 대해 사용자에게 구매 혜택을 제공하기 위한 것으로, 예를 들어, 가격 할인, 배송비 할인, 적립금 지급, 사은품 지급, 1+1 이벤트 등이 있으나 이에 한정되는 것은 아니며 그 이외의 다양한 종류의 구매 혜택을 포함할 수 있다.
또한, 쿠폰이 제공되는 형태는 쇼핑 콘텐츠 내에서 이미지 또는 PIP(Picture In Picture) 화면으로 제공될 수도 있고, HTML 링크로 제공될 수도 있다. 또한, 쿠폰은 쇼핑 콘텐츠 내 방송자(예를 들어, 쇼핑 호스트 등)가 구매 혜택에 대한 안내 멘트를 하는 것으로 제공될 수도 있으며, 쇼핑 콘텐츠와는 별도의 푸쉬 메시지를 통해 제공될 수도 있는 등 다양한 형태로 제공될 수 있다.
예시적인 실시예에서, 쿠폰 제공부(115)는 쇼핑 콘텐츠에 대한 사용자의 시선 집중도가 기 설정된 제1 임계 값 이하가 되는 경우, 도 3에 도시된 바와 같이, 해당 사용자 단말(104)로 쇼핑 콘텐츠에 상품 구매를 유도하기 위한 쿠폰(예를 들어, 가격 할인 쿠폰, 배송비 할인 쿠폰 등)을 표시할 수 있다. 즉, 쿠폰 제공부(115)는 쇼핑 콘텐츠에 대한 사용자의 시선 집중도가 기 설정된 제1 임계 값 이하가 되는 경우, 사용자의 구매 의욕을 상승시키기 위해 사용자 단말(104)로 제공하는 쇼핑 콘텐츠에 쿠폰이 표시되도록 할 수 있다.
또한, 쿠폰 제공부(115)는 쇼핑 콘텐츠에 대한 사용자의 시선 집중도가 기 설정된 제2 임계 값 이상이 되는 경우, 사용자의 구매 의사 결정을 빠르게 하기 위해 사용자 단말(104)로 제공하는 쇼핑 콘텐츠에 쿠폰이 표시되도록 할 수 있다. 여기서, 제2 임계 값은 제1 임계 값 보다 높은 값으로 설정된다.
쿠폰 제공부(115)는 쇼핑 콘텐츠에 쿠폰을 표시한 후, 사용자의 쇼핑 콘텐츠에 대한 시선 집중도가 기 설정된 제3 임계 값 이상을 유지하는 경우, 시선 집중도가 유지되는 시간에 따라 쿠폰의 혜택 수준을 높일 수 있다. 예를 들어, 쇼핑 콘텐츠에 표시되는 쿠폰이 할인 쿠폰 5%인 경우, 사용자의 시선 집중도가 제3 임계 값 이상을 유지하는 시간이 늘어날수록 할인 쿠폰이 6%, 7%, 8% 등으로 그 혜택 수준이 높아지도록 할 수 있다. 여기서, 제3 임계 값은 제1 임계 값과 제2 임계 값 사이의 값으로 설정될 수 있으나, 이에 한정되는 것은 아니며 제2 임계 값 보다 높은 값으로 설정될 수도 있다.
쿠폰 제공부(115)는 각 사용자 별로 해당 사용자의 시선 집중도에 따라 쿠폰을 제공할 수 있으나, 이에 한정되는 것은 아니며 그룹 별 사용자의 시선 집중도에 따라 해당 그룹을 대상으로 쿠폰을 제공할 수도 있다. 구체적으로, 쿠폰 제공부(115)는 성별, 나이, 지역 등으로 구분되는 각 그룹에 대한 사용자의 시선 집중도(예를 들어, 각 그룹에 속한 사용자들의 평균 시선 집중도 등)를 산출할 수 있다. 쿠폰 제공부(115)는 소정 그룹의 시선 집중도가 기 설정된 제1 임계 값 이하 또는 제2 임계 값 이상이 되는 경우, 해당 그룹에 속한 사용자들의 사용자 단말(104)로 쿠폰을 제공할 수 있다.
쿠폰 제공부(115)는 쇼핑 콘텐츠에서 기 설정된 방송 이벤트(예를 들어, "주목하세요", "마감 시간 3분 전" 등과 같은 방송 멘트 또는 "마감임박"과 같은 자막이나 아이콘 등)가 출력되는 경우, 방송 이벤트가 출력된 시점을 기준으로 기 설정된 시간 이내에 사용자의 시선이 쇼핑 콘텐츠에서 소개하는 상품을 응시하는지 여부를 확인 할 수 있다. 사용자의 시선이 해당 상품을 응시하는 경우, 쿠폰 제공부(115)는 사용자 단말(104)로 제공하는 쇼핑 콘텐츠에 쿠폰(예를 들어, 가격 할인 쿠폰 또는 배송비 할인 쿠폰 등)이 표시되도록 할 수 있다.
시선 분석부(117)는 각 쇼핑 콘텐츠에 대해 해당 쇼핑 콘텐츠를 시청한 사용자들의 단위 구간별 시선 집중도를 기반으로 쇼핑 콘텐츠의 단위 구간별 시선 집중율을 산출할 수 있다. 예를 들어, 해당 쇼핑 콘텐츠를 총 1,500명이 시청한 경우, 시선 분석부(117)는 총 시청자수 중 쇼핑 콘텐츠의 각 단위 구간마다 시선 집중을 한 시청자수의 비율을 산출할 수 있다.
시선 분석부(117)는 쇼핑 콘텐츠의 단위 구간별 시선 집중율을 통해 해당 쇼핑 콘텐츠의 전체 시선 집중율을 산출할 수 있다. 즉, 쇼핑 콘텐츠의 단위 구간별 시선 집중율을 합산한 후 쇼핑 콘텐츠의 전체 단위 구간 개수로 나누어서 해당 쇼핑 콘텐츠의 전체 시선 집중율을 산출할 수 있다.
시선 분석부(117)는 각 쇼핑 콘텐츠의 단위 구간별 시선 집중율 및 각 쇼핑 콘텐츠의 전체 시선 집중율 중 하나 이상을 기반으로 각 쇼핑 콘텐츠에 대해 콘텐츠 등급(또는 콘텐츠 인기 순위)를 부여할 수 있다.
예시적인 실시예에서, 시선 분석부(117)는 쇼핑 콘텐츠에서 단위 구간별 시선 집중율이 기 설정된 상한 시선 집중율(예를 들어, 70% 등)을 초과한 구간의 횟수에 따라 해당 쇼핑 콘텐츠에 대해 콘텐츠 등급을 부여할 수 있다. 또한, 시선 분석부(117)는 쇼핑 콘텐츠의 전체 시선 집중율에 따라 해당 쇼핑 콘텐츠에 대해 콘텐츠 등급을 부여할 수 있다. 콘텐츠 등급은 쇼핑 콘텐츠의 추천 및 노출 알고리즘에 활용할 수 있다.
또한, 시선 분석부(117)는 쇼핑 콘텐츠에 대한 사용자의 시선 집중도 패턴을 분석할 수 있다. 즉, 시선 분석부(117)는 쇼핑 콘텐츠가 사용자 단말(104)에 표시되는 동안 사용자의 시선 집중도가 어떻게 변하는지에 대한 패턴(즉, 시선 집중도 패턴)을 분석할 수 있다. 이때, 시선 분석부(117)는 쇼핑 콘텐츠의 재생 시간과 연동하여 사용자의 시선 집중도 패턴을 분석할 수 있다.
시선 분석부(117)는 도 4에 도시된 바와 같이, 각 쇼핑 콘텐츠에 대한 각 사용자의 시선 집중도 패턴을 각 사용자의 쇼핑 관련 행동과 매칭하여 저장할 수 있다. 여기서, 쇼핑 관련 행동에는 상품 구매(buy), 장바구니 담기(cart), 팔로우 하기(follow), 전체 시청(complete watch) 등이 있을 수 있다.
시선 분석부(117)는 소정 쇼핑 콘텐츠에 대한 사용자의 쇼핑 관련 행동을 예측하기 위한 제1 인공 신경망 모델(117a)을 포함할 수 있다. 시선 분석부(117)는 쇼핑 콘텐츠에 대한 사용자의 시선 집중도 패턴을 학습 데이터로 하여 제1 인공 신경망 모델(117a)로 입력하고, 상기 시선 집중도 패턴과 매칭된 쇼핑 관련 행동을 정답 값으로 하여 제1 인공 신경망 모델(117a)이 예측한 쇼핑 관련 행동과 정답 값인 쇼핑 관련 행동의 차이가 최소화 되도록 제1 인공 신경망 모델(117a)을 학습시킬 수 있다. 이 경우, 쇼핑 콘텐츠에 대한 사용자의 시선 집중도 패턴을 통해 해당 사용자의 쇼핑 관련 행동을 예측할 수 있게 된다.
또한, 시선 분석부(117)는 쇼핑 콘텐츠에 대해 기 설정된 사용자 행동 이벤트가 발생한 시점을 기준으로 사용자의 시선 집중도 패턴을 분석할 수 있다. 여기서, 사용자 행동 이벤트는 쇼핑 콘텐츠에 소개되는 상품에 대한 사용자의 구매를 위한 단계적 행동에 따른 이벤트일 수 있다.
도 5는 개시되는 실시예에서 사용자의 시선 집중도 패턴을 사용자 행동 이벤트가 발생한 시점을 기준으로 분석한 상태를 나타낸 도면이다. 여기서는, 사용자 단말(104)의 화면을 사용자가 터치하는 것을 통해 사용자 행동 이벤트가 발생하는 것을 일 예로 설명하기로 한다.
도 5를 참조하면, 쇼핑 콘텐츠가 사용자 단말(104)의 화면에 표시되고 있을 때, 사용자의 화면 터치라는 1차 사용자 행동 이벤트를 통해 상품 리스트들이 표시될 수 있다. 또한, 사용자가 상품 리스트 중 소정 상품을 터치하는 2차 사용자 행동 이벤트를 통해 해당 상품에 대한 상세 페이지가 표시될 수 있다. 또한, 사용자가 상세 페이지를 터치하는 3차 사용자 행동 이벤트를 통해 해당 상품을 구매할 수 있는 구매 페이지가 표시될 수 있다.
시선 분석부(117)는 각 사용자 행동 이벤트가 발생하는 경우, 각 사용자 행동 이벤트가 발생한 시점을 기준으로 그 이전의 기 설정된 시간 동안 사용자의 시선 집중도 패턴을 분석할 수 있다. 시선 분석부(117)는 쇼핑 콘텐츠에 대한 사용자 행동 이벤트의 발생 시점을 예측하기 위한 제2 인공 신경망 모델(117b)을 포함할 수 있다.
시선 분석부(117)는 각 사용자 행동 이벤트가 발생한 시점을 기준으로 그 이전의 기 설정된 시간 동안의 시선 집중도 패턴을 학습 데이터로 하여 제2 인공 신경망 모델(117b)로 입력하고, 상기 시선 집중도 패턴과 매칭되는 사용자 행동 이벤트의 발생 시점을 정답 값으로 하여 제2 인공 신경망 모델(117b)이 예측한 사용자 행동 이벤트의 발생 시점과 정답 값인 사용자 행동 이벤트의 발생 시점 간의 차이가 최소화 되도록 제2 인공 신경망 모델(117b)을 학습시킬 수 있다. 한편, 쿠폰 제공부(115)는 시선 분석부(117)에 의해 예측되는 사용자 행동 이벤트의 발생 시점과 연계하여 쿠폰을 해당 사용자 단말(104)로 제공할 수 있다.
한편, 시선 집중도 산출부(113)는 사용자의 촬영 영상에 기반하여 사용자의 시선 집중도를 산출할 수도 있다. 도 6은 개시되는 일 실시예에서 사용자의 촬영 영상에 기반하여 사용자의 시선 집중도를 산출하는 과정을 나타낸 흐름도이다. 도시된 흐름도에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.
도 6을 참조하면, 시선 집중도 산출부(113)는 사용자의 촬영 영상에 기반하여 페이스 미싱(Face Missing) 구간 비율을 산출할 수 있다(S 101). 구체적으로, 시선 집중도 산출부(113)는 사용자의 촬영 영상에서 사용자의 얼굴을 검출할 수 없는 구간을 페이스 미싱(Face Missing) 구간으로 설정할 수 있다. 도 7은 본 발명의 일 실시예에서 페이스 미싱 구간을 나타낸 도면이다.
예시적인 실시예에서, 사용자의 촬영 영상은 1초당 30프레임으로 획득될 수 있으며, 시선 집중도 산출부(113)는 각 프레임마다 사용자의 얼굴이 검출되는지를 확인할 수 있다. 시선 집중도 산출부(113)는 사용자의 얼굴이 검출되지 않는 하나 이상의 프레임의 구간들을 페이스 미싱 구간으로 설정할 수 있다.
시선 집중도 산출부(113)는 전체 시간(즉, 쇼핑 콘텐츠를 사용자에게 제공하면서 사용자의 촬영 영상을 획득한 전체 시간) 대비 페이스 미싱 구간의 비율을 산출할 수 있다. 시선 집중도 산출부(113)는 다음의 수학식 1을 통해 페이스 미싱 구간 비율(Face Missingratio)을 산출할 수 있다.
(수학식 1)
Figure 112021071813614-pat00001
T : 전체 시간
Face Missingk : k번째 페이스 미싱 구간의 시간 길이
i : 전체 시간 중 페이스 미싱 구간의 개수
다음으로, 시선 집중도 산출부(113)는 사용자의 촬영 영상에 기반하여 아웃 오브 스크린(Out of Screen) 구간 비율을 산출할 수 있다(S 103). 구체적으로, 시선 집중도 산출부(113)는 사용자의 촬영 영상에서 사용자의 얼굴을 검출한다. 시선 집중도 산출부(113)는 기 공지된 얼굴 인식 기술을 통해 촬영 영상에서 사용자의 얼굴을 검출할 수 있다.
시선 집중도 산출부(113)는 검출된 얼굴 영역을 기반으로 사용자의 시선 좌표 정보를 획득할 수 있다. 시선 집중도 산출부(113)는 검출된 얼굴 영역에서 눈 영역을 검출하고, 검출된 눈 영역에 기반하여 사용자의 시선 좌표를 검출할 수 있다. 시선 집중도 산출부(113)는 사용자의 시선 좌표(x, y)와 그에 대응하는 타임 스탬프(timestamp)를 매칭하여 시선 좌표 정보를 획득할 수 있다. 즉, 시선 좌표 정보는 시선 좌표(x,y) 및 그에 대응하는 타임 스탬프를 포함할 수 있다.
시선 집중도 산출부(113)는 사용자의 시선 좌표 정보에 기반하여 사용자 단말(104)의 화면과 동일한 평면의 가상 평면 상에서 사용자의 시선 좌표가 화면 내의 영역(Gaze in Screen)에 있는지 아니면 화면 밖의 영역(즉, Out of Screen)에 있는지를 확인할 수 있다. 도 8은 개시되는 일 실시예에서 아웃 오브 스크린(Out of Screen) 구간을 나타낸 도면이다. 시선 집중도 산출부(113)는 사용자의 시선이 화면 밖의 영역에 있는 구간을 아웃 오브 스크린(Out of Screen) 구간으로 설정할 수 있다.
시선 집중도 산출부(113)는 전체 시간 대비 아웃 오브 스크린(Out of Screen) 구간의 비율을 산출할 수 있다. 시선 집중도 산출부(113)는 다음의 수학식 2를 통해 아웃 오브 스크린 비율(Out of Screenratio)을 산출할 수 있다.
(수학식 2)
Figure 112021071813614-pat00002
T : 전체 시간
Out of Screenk : k번째 아웃 오브 스크린 구간의 시간 길이
m : 전체 시간 중 아웃 오브 스크린 구간의 개수
다음으로, 시선 집중도 산출부(113)는 페이스 미싱 구간 비율 및 아웃 오브 스크린 비율에 기반하여 시선 집중도 산출을 위한 제1 요소인 부재 점수(Absence Score)를 산출할 수 있다(S 105). 시선 집중도 산출부(113)는 페이스 미싱 구간 비율 및 아웃 오브 스크린 비율이 커질수록 부재 점수가 낮아지도록 할 수 있다. 예시적인 실시예에서, 시선 집중도 산출부(113)는 다음의 수학식 3을 통해 부재 점수(Absence Score)를 산출할 수 있다.
(수학식 3)
Figure 112021071813614-pat00003
다음으로, 시선 집중도 산출부(113)는 사용자의 시선 좌표 정보에 기반하여 사용자의 시선 속도를 산출할 수 있다(S 107). 도 9는 본 발명의 일 실시예에서 사용자의 시선 속도 산출을 설명하기 위한 도면이다. 여기서는, 시선 속도를 측정하기 위한 시구간 길이를 200ms로 하였다.
도 9를 참조하면, 시선 집중도 산출부(113)는 사용자의 시선 속도를 산출하고자 하는 시점(즉, 현재 시점)(해당 시선 좌표의 타임 스탬프에 대응하는 시점)을 기준으로 그 이전의 기 설정된 시구간(예를 들어, 200ms) 동안 획득된 시선 좌표 정보를 추출할 수 있다. 시선 집중도 산출부(113)는 시선 속도 산출 시점을 기준으로 그 이전의 기 설정된 시구간을 2개의 시구간(제1 시구간 및 제2 시구간)으로 구분할 수 있다. 여기서, 제1 시구간 및 제2 시구간은 동일 시간 길이의 구간일 수 있으나, 이에 한정되는 것은 아니다.
시선 집중도 산출부(113)는 제1 시구간에서 획득된 시선 좌표들, 제2 시구간에서 획득된 시선 좌표들, 및 기 설정된 시구간을 기반으로 시선 속도 산출 시점에서의 사용자의 시선 속도를 산출할 수 있다. 예시적인 실시예에서, 시선 집중도 산출부(113)는 다음의 수학식 4를 통해 시선 속도 산출 시점에서의 사용자의 시선 속도(Velocitynow)를 산출할 수 있다. 시선 집중도 산출부(113)는 획득한 각 시선 좌표의 타임 스탬프에서의 시선 속도를 산출할 수 있다.
(수학식 4)
Figure 112021071813614-pat00004
Time Range : 기 설정된 시구간
Gaze Coordinateavg_range1: 제1 시구간에서 획득된 시선 좌표들의 평균값
Gaze Coordinateavg_range2: 제2 시구간에서 획득된 시선 좌표들의 평균값
다음으로, 시선 집중도 산출부(113)는 획득한 각 시선 좌표 정보에 대해 사용자의 시선이 픽세이션(Fixation)인지 사카드(Saccade)인지 여부를 확인할 수 있다(S 109).
구체적으로, 시선 집중도 산출부(113)는 시선 종류(픽세이션 또는 사카드)를 확인하고자 하는 시점(즉, 현재 시점)(해당 시선 좌표의 타임 스탬프에 대응하는 시점)을 기준으로 그 이전의 기 설정된 시구간 동안 획득된 시선 좌표 정보를 이용하여 시선 분포의 표준 편차를 산출할 수 있다. 도 10은 본 발명의 일 실시예에서 시선 분포의 표준 편차 산출을 설명하기 위한 도면이다.
도 10을 참조하면, 시선 집중도 산출부(113)는 시선 종류 확인 시점을 기준으로 기 설정된 시구간(예를 들어, 1,000ms) 동안 획득된 n개의 시선 좌표 정보를 추출할 수 있다. 시선 집중도 산출부(113)는 하기의 수학식 5를 통해 시선 종류 확인 시점을 기준으로 기 설정된 시구간 동안 획득된 n개의 시선 좌표에 대한 표준 편차(σnow)를 산출할 수 있다.
(수학식 5)
Figure 112021071813614-pat00005
Gazei : 기 설정된 시구간 동안 획득된 시선 좌표들 중 i번째 시선 좌표
Average Gaze : 기 설정된 시구간 동안 획득된 시선 좌표들의 평균값
n : 기 설정된 시구간 동안 획득된 시선 좌표 정보의 개수
시선 집중도 산출부(113)는 시선 종류 확인 시점에 대응하는 시선 좌표에 대한 표준 편차(σnow)가 기 설정된 임계 표준 편차 값 미만이면서, 시선 종류 확인 시점에 대응하는 사용자의 시선 속도(Velocitynow)가 기 설정된 최대 임계 속도 미만인 경우, 해당 시선 좌표 정보에 대한 사용자의 시선이 픽세이션인 것으로 분류할 수 있다.
즉, 시선 종류 확인 시점을 기준으로 시선 분포가 어느 정도 집중되어 있으면서 사용자의 시선 속도가 최대 임계 속도보다 작은 경우는 사용자의 시선이 픽세이션에서 사카드로 전환되기 전의 상태인 것으로 판단하여 사용자의 시선을 픽세이션으로 분류할 수 있다.
또한, 시선 집중도 산출부(113)는 시선 종류 확인 시점에 대응하는 시선 좌표에 대한 표준 편차(σnow)가 기 설정된 임계 표준 편차 값 이상이면서, 시선 종류 확인 시점에 대응하는 사용자의 시선 속도(Velocitynow)가 기 설정된 최소 임계 속도 미만인 경우, 해당 시선 좌표 정보에 대한 사용자의 시선이 픽세이션인 것으로 분류할 수 있다. 최소 임계 속도는 최대 임계 속도 보다 작은 속도 값으로 설정된다.
즉, 시선 종류 확인 시점을 기준으로 시선 분포가 분산되어 있더라도 사용자의 시선 속도가 최소 임계 속도보다 작은 경우는 사용자의 시선이 사카드에서 픽세이션으로 전환된 상태인 것으로 판단하여 사용자의 시선을 픽세이션으로 분류할 수 있다. 시선 집중도 산출부(113)는 각 시선 좌표 정보에 대해 사용자의 시선이 픽세이션으로 분류된 것을 제외하고는 사카드로 분류할 수 있다.
다음으로, 시선 집중도 산출부(113)는 전체 시간(즉, 쇼핑 콘텐츠를 사용자에게 제공하면서 사용자의 촬영 영상을 획득한 전체 시간)에 대한 픽세이션 구간 관련 정보 및 사카드 구간 관련 정보를 산출할 수 있다(S 111).
여기서, 픽세이션 구간 관련 정보는 픽세이션 구간 여부(전체 시간 중 특정 구간이 픽세이션 구간인지에 대한 정보), 픽세이션 구간의 평균 시간 길이, 및 픽세이션 구간의 비율을 포함할 수 있다. 사카드 구간 관련 정보는 사카드 구간 여부(전체 시간 중 특정 구간이 사카드 구간인지에 대한 정보), 사카드 구간의 평균 시간 길이, 및 사카드 구간의 비율을 포함할 수 있다.
구체적으로, 시선 집중도 산출부(113)는 도 11에 도시된 바와 같이, 전체 시간 중 픽세이션 구간 및 사카드 구간을 구분할 수 있다. 즉, 단계 S 109에서, 각 시선 좌표 정보에 대해 사용자의 시선이 픽세이션(Fixation)인지 사카드(Saccade)인지 여부를 확인하였는 바, 이를 이용하여 전체 시간 중 픽세이션 구간 및 사카드 구간을 구분할 수 있다. 도 11에서는, 첫번째 사카드 구간(Saccade Duration #1), 첫번째 픽세이션 구간(Fixation Duration #1), 두번째 사카드 구간(Saccade Duration #2), 두번째 픽세이션 구간(Fixation Duration #2)의 순으로 구분된 것을 볼 수 있다.
시선 집중도 산출부(113)는 전체 시간 중 픽세이션 구간들을 추출하고, 픽세이션 구간들의 평균 시간 길이를 산출할 수 있다. 시선 집중도 산출부(113)는 다음의 수학식 6을 통해 픽세이션 구간들의 평균 시간 길이(Fixavg)를 산출할 수 있다.
(수학식 6)
Figure 112021071813614-pat00006
l : 전체 시간 중 픽세이션 구간의 개수
Fixk : k번째 픽세이션 구간의 시간 길이
또한, 시선 집중도 산출부(113)는 다음의 수학식 7을 통해 전체 시간 중 픽세이션 구간의 비율(Fixratio)을 산출할 수 있다.
(수학식 7)
Figure 112021071813614-pat00007
T : 전체 시간
또한, 시선 집중도 산출부(113)는 전체 시간 중 사카드 구간들을 추출하고, 사카드 구간들의 평균 시간 길이를 산출할 수 있다. 시선 집중도 산출부(113)는 다음의 수학식 8을 통해 사카드 구간들의 평균 시간 길이(Sacavg)를 산출할 수 있다.
(수학식 8)
Figure 112021071813614-pat00008
m : 전체 시간 중 사카드 구간의 개수
Sack : k번째 사카드 구간의 시간 길이
또한, 시선 집중도 산출부(113)는 다음의 수학식 9를 통해 전체 시간 중 사카드 구간의 비율(Sacratio)을 산출할 수 있다.
(수학식 9)
Figure 112021071813614-pat00009
T : 전체 시간
다음으로, 시선 집중도 산출부(113)는 전체 시간 중 픽세이션 구간의 비율(Fixratio)을 기반으로 시선 집중도 산출을 위한 제2 요소인 픽세이션 비율 점수(Fixation Ratio Score)를 산출할 수 있다(S 113). 시선 집중도 산출부(113)는 다음의 수학식 10을 통해 픽세이션 비율 점수(Fixation Ratio Score)를 산출할 수 있다.
(수학식 10)
Figure 112021071813614-pat00010
δ : 계수(1 이상의 실수)
다음으로, 시선 집중도 산출부(113)는 픽세이션 구간 관련 정보 및 사카드 구간 관련 정보에 기반하여 시선 집중도 산출을 위한 제3 요소인 사카드 대비 픽세이션 비율 점수(F/S Ratio Score)를 산출할 수 있다(S 115).
예시적인 실시예에서, 시선 집중도 산출부(113)는 픽세이션 구간 관련 정보 중 픽세이션 구간들의 평균 시간 길이를 추출하고, 사카드 구간 관련 정보 중 사카드 구간들의 평균 시간 길이를 추출하여 사카드 대비 픽세이션 비율 점수(F/S Ratio Score)를 산출할 수 있다. 시선 집중도 산출부(113)는 다음의 수학식 11을 통해 사카드 대비 픽세이션 비율 점수(F/S Ratio Score)를 산출할 수 있다.
(수학식 11)
Figure 112021071813614-pat00011
다음으로, 시선 집중도 산출부(113)는 부재 점수(Absence Score), 픽세이션 비율 점수(Fixation Ratio Score), 및 사카드 대비 픽세이션 비율 점수(F/S Ratio Score)에 기반하여 쇼핑 콘텐츠에 대한 사용자의 시선 집중도를 산출할 수 있다(S 117).
구체적으로, 시선 집중도 산출부(113)는 부재 점수(Absence Score), 픽세이션 비율 점수(Fixation Ratio Score), 및 사카드 대비 픽세이션 비율 점수(F/S Ratio Score)에 각각 기 설정된 제1 가중치 내지 제3 가중치를 부여한 후 이를 합산하여 쇼핑 콘텐츠에 대한 사용자의 시선 집중도를 산출할 수 있다. 시선 집중도 산출부(113)는 다음의 수학식 12를 통해 쇼핑 콘텐츠에 대한 사용자의 시선 집중도를 산출할 수 있다.
(수학식 12)
시선 집중도 = λ·부재 점수 + μ· 픽세이션 비율 점수 + ν·사카드 대비 픽세이션 비율 점수
λ : 제1 가중치
μ : 제2 가중치
ν : 제3 가중치
도 12는 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경(10)을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술된 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 콘텐츠 제공 장치(102)일 수 있다.
컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100 : 쇼핑 콘텐츠 제공 시스템
102 : 콘텐츠 제공 장치
104 : 사용자 단말
104a : 시선 추적부
111 : 콘텐츠 제공부
113 : 시선 집중도 산출부
115 : 쿠폰 제공부
117 : 시선 분석부
117a : 제1 인공 신경망 모델
117b : 제2 인공 신경망 모델

Claims (15)

  1. 하나 이상의 프로세서들, 및
    상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서,
    상품의 판매를 위한 쇼핑 콘텐츠를 사용자 단말로 제공하는 콘텐츠 제공부;
    상기 쇼핑 콘텐츠에 대한 사용자의 시선 집중도를 산출하는 시선 집중도 산출부; 및
    상기 사용자의 시선 집중도에 기반하여 상기 사용자 단말로 상기 쇼핑 콘텐츠와 연관된 상품에 대한 쿠폰을 제공하는 쿠폰 제공부를 포함하며,
    상기 쿠폰 제공부는, 상기 사용자의 시선 집중도가 기 설정된 제1 임계 값 이하가 되는 경우, 상기 상품의 구매를 유도하기 위해 상기 사용자 단말로 상기 상품에 대한 쿠폰을 제공하는, 컴퓨팅 장치.
  2. 청구항 1에 있어서,
    상기 쿠폰 제공부는,
    상기 사용자의 시선 집중도가 상기 제1 임계 값 보다 높은 값으로 설정된 제2 임계 값 이상이 되는 경우, 상기 사용자의 구매 의사 결정을 빠르게 하기 위해 상기 사용자 단말로 상기 상품에 대한 쿠폰을 제공하는, 컴퓨팅 장치.
  3. 청구항 1에 있어서,
    상기 쿠폰 제공부는,
    상기 상품에 대한 쿠폰을 제공한 후, 상기 사용자의 시선 집중도가 기 설정된 제3 임계 값 이상을 유지하는 경우, 상기 시선 집중도가 유지되는 시간에 따라 쿠폰의 혜택 수준을 높여 제공하는, 컴퓨팅 장치.
  4. 청구항 1에 있어서,
    상기 쿠폰 제공부는,
    상기 쇼핑 콘텐츠에서 기 설정된 방송 이벤트가 출력되는 경우, 상기 방송 이벤트가 출력된 시점을 기준으로 기 설정된 시간 이내에 상기 사용자의 시선이 상기 상품을 응시하는지에 따라 상기 사용자 단말로 쿠폰을 제공하는, 컴퓨팅 장치.
  5. 청구항 1에 있어서,
    상기 컴퓨팅 장치는,
    상기 쇼핑 콘텐츠를 시청한 사용자들의 시선 집중도를 기반으로 상기 쇼핑 콘텐츠에 대한 시선 집중율을 산출하는 시선 분석부를 더 포함하고,
    상기 콘텐츠 제공부는,
    상기 쇼핑 콘텐츠를 시청한 사용자들의 나이, 성별, 및 지역 중 하나 이상을 포함하는 사용자 관련 정보 및 상기 쇼핑 콘텐츠에 대한 시선 집중율에 기반하여 상기 쇼핑 콘텐츠에 대한 사용자 관심도를 지표화 하고, 상기 사용자들의 나이, 성별, 및 지역 중 하나 이상에 따라 지표화 된 사용자 관심도에 기반하여 상기 쇼핑 콘텐츠를 소정의 사용자에게 추천하는, 컴퓨팅 장치.
  6. 청구항 1에 있어서,
    상기 컴퓨팅 장치는,
    상기 쇼핑 콘텐츠를 시청한 사용자들의 시선 집중도를 기반으로 상기 쇼핑 콘텐츠의 단위 구간 별 시선 집중율 및 전체 시선 집중율 중 하나 이상을 포함하는 시선 집중율을 산출하고, 상기 산출된 시선 집중율에 따라 상기 쇼핑 콘텐츠에 대해 콘텐츠 등급을 부여하는 시선 분석부를 더 포함하는, 컴퓨팅 장치.
  7. 청구항 1에 있어서,
    상기 컴퓨팅 장치는,
    상기 쇼핑 콘텐츠에 대한 사용자의 시선 집중도 패턴을 분석하고, 상기 시선 집중도 패턴을 상기 쇼핑 콘텐츠에 대한 사용자의 쇼핑 관련 행동과 매칭시키는 시선 분석부를 더 포함하는, 컴퓨팅 장치.
  8. 청구항 7에 있어서,
    상기 시선 분석부는, 소정의 쇼핑 콘텐츠에 대한 사용자의 쇼핑 관련 행동을 예측하기 위한 제1 인공 신경망 모델을 포함하고,
    상기 시선 분석부는,
    각 쇼핑 콘텐츠에 대한 사용자의 시선 집중도 패턴을 학습 데이터로 하여 상기 제1 인공 신경망 모델로 입력하고, 상기 제1 인공 신경망 모델이 예측한 쇼핑 관련 행동과 상기 제1 인공 신경망 모델로 입력된 시선 집중도 패턴과 매칭되는 쇼핑 관련 행동 간의 차이가 최소화 되도록 상기 제1 인공 신경망 모델을 학습시키는, 컴퓨팅 장치.
  9. 청구항 1에 있어서,
    상기 컴퓨팅 장치는,
    상기 쇼핑 콘텐츠에 대해 기 설정된 사용자 행동 이벤트가 발생하는 경우, 상기 사용자 행동 이벤트의 발생 시점을 기준으로 상기 사용자의 시선 집중도 패턴을 분석하는 시선 분석부를 더 포함하는, 컴퓨팅 장치.
  10. 청구항 9에 있어서,
    상기 시선 분석부는, 소정의 쇼핑 콘텐츠에 대한 사용자 행동 이벤트의 발생 시점을 예측하기 위한 제2 인공 신경망 모델을 포함하고,
    상기 시선 분석부는,
    각 쇼핑 콘텐츠에 대해 사용자 행동 이벤트가 발생한 시점을 기준으로 그 이전의 기 설정된 시간 동안의 시선 집중도 패턴을 학습 데이터로 하여 상기 제2 인공 신경망 모델로 입력하고, 상기 제2 인공 신경망 모델이 예측한 사용자 행동 이벤트의 발생 시점과 상기 사용자 행동 이벤트가 발생한 시점 간의 차이가 최소화 되도록 상기 제2 인공 신경망 모델을 학습시키는, 컴퓨팅 장치.
  11. 청구항 10에 있어서,
    상기 쿠폰 제공부는,
    상기 제2 인공 신경망 모델에 의해 예측되는 사용자 행동 이벤트의 발생 시점과 연계하여 쿠폰을 해당 사용자 단말로 제공하는, 컴퓨팅 장치.
  12. 청구항 1에 있어서,
    상기 시선 집중도 산출부는,
    상기 쇼핑 콘텐츠가 상기 사용자 단말의 화면에 표시되는 동안 상기 사용자를 촬영한 촬영 영상에 기반하여 상기 사용자의 시선 집중도를 산출하는, 컴퓨팅 장치.
  13. 청구항 12에 있어서,
    상기 시선 집중도 산출부는,
    상기 촬영 영상에서 사용자의 부재에 따른 부재 점수(Absence Score), 상기 촬영 영상에서 사용자의 시선 중 픽세이션에 따른 픽세이션 비율 점수(Fixation Ratio Score), 및 상기 촬영 영상에서 사용자의 시선 중 픽세이션 및 사카드에 따른 사카드 대비 픽세이션 비율 점수(F/S Ratio Score)에 기반하여 상기 사용자의 시선 집중도를 산출하는, 컴퓨팅 장치.
  14. 청구항 13에 있어서,
    상기 시선 집중도 산출부는,
    하기 수학식에 의해 상기 사용자의 시선 집중도를 산출하는, 컴퓨팅 장치.
    (수학식)
    시선 집중도 = λ·부재 점수 + μ· 픽세이션 비율 점수 + ν·사카드 대비 픽세이션 비율 점수
    λ : 제1 가중치
    μ : 제2 가중치
    ν : 제3 가중치
  15. 하나 이상의 프로세서들, 및
    상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서,
    상품의 판매를 위한 쇼핑 콘텐츠를 사용자 단말로 제공하는 단계;
    상기 쇼핑 콘텐츠에 대한 사용자의 시선 집중도를 산출하는 단계; 및
    상기 사용자의 시선 집중도에 기반하여 상기 사용자 단말로 상기 쇼핑 콘텐츠와 연관된 상품에 대한 쿠폰을 제공하는 단계를 포함하고,
    상기 쿠폰을 제공하는 단계는,
    상기 사용자의 시선 집중도가 기 설정된 제1 임계 값 이하가 되는 경우, 상기 상품의 구매를 유도하기 위해 상기 사용자 단말로 상기 상품에 대한 쿠폰을 제공하는, 쇼핑 콘텐츠 제공 방법.
KR1020210080819A 2021-06-22 2021-06-22 시선 추적 기반의 쇼핑 콘텐츠 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치 KR102548625B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210080819A KR102548625B1 (ko) 2021-06-22 2021-06-22 시선 추적 기반의 쇼핑 콘텐츠 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210080819A KR102548625B1 (ko) 2021-06-22 2021-06-22 시선 추적 기반의 쇼핑 콘텐츠 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치

Publications (2)

Publication Number Publication Date
KR20220170143A KR20220170143A (ko) 2022-12-29
KR102548625B1 true KR102548625B1 (ko) 2023-06-28

Family

ID=84539350

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210080819A KR102548625B1 (ko) 2021-06-22 2021-06-22 시선 추적 기반의 쇼핑 콘텐츠 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치

Country Status (1)

Country Link
KR (1) KR102548625B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102171634B1 (ko) * 2020-03-20 2020-10-29 감성훈 사용자의 시선 추적을 통한 광고 평가 방법 및 이에 사용되는 관리 서버

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101479471B1 (ko) 2012-09-24 2015-01-13 네이버 주식회사 사용자의 시선에 기초하여 광고를 제공하는 방법 및 시스템
US20200219135A1 (en) * 2017-10-30 2020-07-09 Kolon Industries, Inc. Device, system and method for providing service relating to advertising and product purchase by using artificial-intelligence technology
KR102299103B1 (ko) * 2019-10-23 2021-09-07 주식회사 비주얼캠프 시선 분석 장치 및 이를 이용한 시선 분석 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102171634B1 (ko) * 2020-03-20 2020-10-29 감성훈 사용자의 시선 추적을 통한 광고 평가 방법 및 이에 사용되는 관리 서버

Also Published As

Publication number Publication date
KR20220170143A (ko) 2022-12-29

Similar Documents

Publication Publication Date Title
US10984602B1 (en) Facial expression tracking during augmented and virtual reality sessions
JP6681342B2 (ja) 行動イベント計測システム及び関連する方法
US10685070B2 (en) Dynamic creative optimization for effectively delivering content
CN106462874A (zh) 用于呈现与视频内容有关的商业信息的方法、系统和介质
CN111723237B (zh) 媒体内容访问控制方法
KR102299103B1 (ko) 시선 분석 장치 및 이를 이용한 시선 분석 시스템 및 방법
US11657219B2 (en) Systems and methods for using machine learning models to organize and select modular components for user interface templates
KR102249666B1 (ko) 시선 추적 기술을 이용한 쇼핑몰 서비스 시스템 및 이를 수행하기 위한 컴퓨팅 장치
US20220188861A1 (en) Machine Learning-Based Media Content Placement
US20180197107A1 (en) Identity prediction for unknown users of an online system
JP2016218821A (ja) 販売情報利用装置、販売情報利用方法、およびプログラム
JP5600148B2 (ja) 映像配信装置、映像配信方法及び映像配信プログラム
US20150235264A1 (en) Automatic entity detection and presentation of related content
Yang et al. Zapping index: using smile to measure advertisement zapping likelihood
US10764634B1 (en) Presence and authentication for media measurement
KR102222747B1 (ko) 몰입도 운용 방법 및 이를 지원하는 전자 장치
US20210176519A1 (en) System and method for in-video product placement and in-video purchasing capability using augmented reality with automatic continuous user authentication
KR102548625B1 (ko) 시선 추적 기반의 쇼핑 콘텐츠 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치
KR102427085B1 (ko) 학습 서비스를 제공하는 전자 장치 및 이의 동작 방법
KR20230011213A (ko) 온라인 광고 대행 서버, 캠페인 정보에 포함된 운영 옵션 정보를 선택적으로 변경하는 온라인 광고 대행 방법 및 상기 방법을 실행하기 위한 컴퓨터 프로그램
KR20200092630A (ko) 체계화 및 정형화된 교육으로 인증된 청소 작업자를 배출하는 청소 교육 서비스 제공 방법
CN111797273A (zh) 用于调整参数的方法和装置
KR102426071B1 (ko) 인공지능 기반 시선 인식 장치 및 방법과 이를 이용한 무인 정보 단말기
US11651392B2 (en) Electronic apparatus and control method thereof
JP2023519608A (ja) ユーザデバイスからデータを収集するシステム及び方法

Legal Events

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