KR102643697B1

KR102643697B1 - 인공지능 모델을 활용한 인플루언서 및 브랜드사 간의 매칭 및 큐레이션 플랫폼 서비스 제공 방법, 장치 및 시스템

Info

Publication number: KR102643697B1
Application number: KR1020230166415A
Authority: KR
Inventors: 김병무
Original assignee: 주식회사 엠제이에프엘비
Priority date: 2023-11-27
Filing date: 2023-11-27
Publication date: 2024-03-06

Abstract

일실시예에 따른 서버는 인플루언서와 브랜드사의 매칭 이력으로부터 매칭된 인플루언서의 정보와 브랜드사의 정보를 이용하여 인플루언서와 브랜드사의 매칭 적합도를 산출하는 인공지능 모델을 학습시키는 단계; 해외 인플루언서의 정보를 활용하여 해외 인플루언서의 타겟 구독층, 구독자 수, 조회수, 게시물 유형, 콘텐츠 업로드 주기 및 이전 협업 내역을 이용하여 성실도를 계산하는 단계; 성실도 및 해외 인플루언서의 정보를 이용하여, 해외 인플루언서의 등급 및 유형을 결정하는 단계; 브랜드사로부터 해외 인플루언서와의 협업을 위한 입력 정보를 수신하는 단계; 입력 정보를 이용하여 브랜드사의 등급 및 유형을 결정하는 단계; 인공지능 모델에 해외 인플루언서의 등급 및 유형과 브랜드사의 등급 및 유형을 입력하여 해외 인플루언서와 브랜드사의 매칭 적합도를 확인하는 단계; 미리 설정된 적합도 이상인 해외 인플루언서와 브랜드사를 확인하는 단계; 및 확인된 브랜드사에 미리 설정된 적합도 이상인 확인된 해외 인플루언서의 정보를 송신할 수 있다.

Description

인공지능 모델을 활용한 인플루언서 및 브랜드사 간의 매칭 및 큐레이션 플랫폼 서비스 제공 방법, 장치 및 시스템 { Method, device, and system for providing matching and curation platform services between influencers and brands using artificial intelligence models }

아래 실시예들은 인공지능 모델을 활용한 인플루언서 및 브랜드사 간의 매칭 및 큐레이션 플랫폼 서비스 제공 방법, 장치 및 시스템에 관한 것이다.

현대의 디지털 시대에서 인플루언서 마케팅은 브랜드와 소비자 간의 연결을 강화하고 제품 또는 서비스 홍보를 효과적으로 수행하는 중요한 전략 중 하나이다. 인플루언서와 브랜드 간의 협업은 소비자 신뢰를 구축하고 제품 또는 서비스를 홍보하는데 도움이 된다.

그러나, 시장에는 다양한 종류의 인플루언서와 브랜드가 존재하며, 이들 간의 최적의 매칭을 찾는 것은 어려운 과제이다. 목표 대상 고객, 콘텐츠 유형, 예산 및 목표 등 많은 요인을 고려해야 한다.

따라서, 인공지능 모델을 활용한 인플루언서 및 브랜드사 간의 매칭 및 큐레이션 플랫폼 서비스 제공 방법, 장치 및 시스템의 필요성이 대두되었다.

KR

10-2601446

B1

KR

10-2490009

B1

KR

10-2515439

B1

KR

10-2439666

B1

실시예들은 인공지능 모델을 활용한 인플루언서 및 브랜드사 간의 매칭 및 큐레이션 플랫폼 서비스 제공 방법, 장치 및 시스템에 관한 것이다.

일실시예에 따르면, 서버를 통해 인공지능 모델을 활용하여 인플루언서 및 브랜드사를 매칭하는 방법은, 인플루언서와 브랜드사의 매칭 이력으로부터 매칭된 상기 인플루언서의 정보와 상기 브랜드사의 정보를 이용하여 상기 인플루언서와 상기 브랜드사의 매칭 적합도를 산출하는 인공지능 모델을 학습시키는 단계; 해외 인플루언서의 정보를 활용하여 상기 해외 인플루언서의 타겟 구독층, 구독자 수, 조회수, 게시물 유형, 콘텐츠 업로드 주기 및 이전 협업 내역을 이용하여 성실도를 계산하는 단계; 상기 성실도 및 상기 해외 인플루언서의 정보를 이용하여, 상기 해외 인플루언서의 등급 및 유형을 결정하는 단계; 브랜드사로부터 상기 해외 인플루언서와의 협업을 위한 입력 정보를 수신하는 단계; 상기 입력 정보를 이용하여 상기 브랜드사의 등급 및 유형을 결정하는 단계; 상기 인공지능 모델에 상기 해외 인플루언서의 등급 및 유형과 상기 브랜드사의 등급 및 유형을 입력하여 상기 해외 인플루언서와 상기 브랜드사의 매칭 적합도를 확인하는 단계; 미리 설정된 적합도 이상인 해외 인플루언서와 브랜드사를 확인하는 단계; 및 상기 확인된 브랜드사에 상기 미리 설정된 적합도 이상인 상기 확인된 해외 인플루언서의 정보를 송신하는 단계;를 포함한다.

상기 인공지능 모델을 활용한 인플루언서 및 브랜드사 간의 매칭 및 큐레이션 플랫폼 서비스 제공 방법은 상기 브랜드사와 매칭된 해외 인플루언서가 협업 콘텐츠를 발행하면, 해외 SNS서버로부터, 상기 협업 콘텐츠를 크롤링하여 데이터를 수집하는 단계;를 더 포함하고, 상기 협업 콘텐츠를 크롤링하여 데이터를 수집하는 단계는 상기 협업 콘텐츠의 조회수, 판매량, 공감 수, 댓글 수 중 적어도 하나를 포함하는 수집 데이터를 이용하여 상기 브랜드사가 플랫폼 내에서 상기 협업 콘텐츠의 추이를 모니터링할 수 있도록 시계열 그래프를 생성하는 단계를 포함하되, 상기 시계열 그래프는, x축에 시간이 출력되고, y축에 상기 조회수 및 상기 판매량이 출력되는 제1 그래프와, x축에 시간이 출력되고, y축에 상기 공감 수 및 상기 댓글 수가 출력되는 제2 그래프를 포함한다.

상기 인공지능 모델을 활용한 인플루언서 및 브랜드사 간의 매칭 및 큐레이션 플랫폼 서비스 제공 방법은 브랜드사와의 매칭에 활용될 해외 인플루언서를 선정하는 단계;를 더 포함하고, 상기 해외 인플루언서를 선정하는 단계는 네트워크 통계 데이터로부터 제1 국가 사용자들이 다른 나라의 사용자보다 많이 접속하는 제1 SNS 서비스와 상기 제1 국가 사용자들이 다른 나라의 사용자보다 많이 접속하지 않는 제2 SNS 서비스를 각각 확인하는 단계; 상기 제1 SNS 서비스에서 활동하는 사용자 중 구독자 수가 미리 설정된 기준 이상인 사용자를 후보 인플루언서로 선정하는 단계; 상기 후보 인플루언서가 상기 제2 SNS 서비스에서 활동하는지 확인하는 단계; 상기 후보 인플루언서가 상기 제2 SNS 서비스에서 활동하는 경우, 상기 제2 SNS 서비스에서의 구독자를 확인하는 단계; 및 상기 확인된 구독자가 미리 설정된 기준 이하인 후보 인플루언서를 해외 인플루언서로 선정하는 단계를 포함한다.

상기 해외 인플루언서의 정보를 이용하여 해외 인플루언서의 등급 및 유형을 결정하는 단계는 상기 해외 인플루언서의 구독자 수, 조회수 및 상기 성실도를 종합하여 등급을 결정하는 단계; 및 상기 해외 인플루언서의 게시물 유형 및 주요 키워드 정보를 종합하여 유형을 결정하는 단계를 포함하고, 상기 브랜드사로부터 상기 해외 인플루언서와의 협업을 위한 입력 정보를 수신하는 단계는 상기 브랜드사의 협업 대상 제품 정보, 협업 진행기간 정보, 협업 예산, 해외 인플루언서와의 협업 목표, 협업 콘텐츠 유형, 및 전년도 매출액 정보를 포함하고, 상기 입력 정보를 이용하여 브랜드사의 등급 및 유형을 결정하는 단계는 상기 브랜드사의 협업 예산 및 전년도 매출액 중 적어도 하나를 종합하여 등급을 결정하는 단계; 및 상기 브랜드사의 협업 대상 제품 정보 및 협업 콘텐츠 유형 정보를 종합하여 유형을 결정하는 단계를 포함한다.

상기 해외 인플루언서의 정보를 이용하여 해외 인플루언서의 등급 및 유형을 결정하는 단계는 상기 브랜드사와 매칭된 해외 인플루언서가 발행한 협업 콘텐츠를 상기 플랫폼 내에서 확인할 수 있도록 제공하는 단계를 더 포함하고, 상기 협업 콘텐츠를 상기 플랫폼 내에서 확인할 수 있도록 제공하는 단계는, 상기 브랜드사와 매칭된 해외 인플루언서 중 하나인 제1 해외 인플루언서에 의해 발행된 협업 콘텐츠인 제1 협업 콘텐츠와, 상기 브랜드사와 매칭된 해외 인플루언서에 의해 발행된 협업 콘텐츠를 포함하는 제2 협업 콘텐츠를 비교하는 단계,를 포함하고, 상기 제1 협업 콘텐츠와 상기 제2 협업 콘텐츠를 비교하는 단계는 상기 제2 협업 콘텐츠의 공감 수 평균과 댓글 수의 평균을 확인하는 단계; 상기 제1 협업 콘텐츠의 공감 수 및 댓글 수를 확인하는 단계; 상기 제2 협업 콘텐츠의 공감 수 평균과 상기 제1 협업 콘텐츠의 공감 수를 비교하고, 상기 제2 협업 콘텐츠의 댓글 수 평균과 상기 제1 협업 콘텐츠의 댓글 수를 비교하는 단계; 상기 비교에 기반하여, 상기 플랫폼 내에서 상기 제1 협업 콘텐츠의 테두리를 빨간색 또는 초록색으로 표시하는 단계; 및 상기 제2 협업 콘텐츠 중 하나의 콘텐츠의 공감 수 및 댓글 수 중 적어도 하나가 상기 브랜드사에 의해 미리 설정된 목표 값에 도달하였을 경우, 상기 목표 값에 도달된 콘텐츠를 상기 브랜드사에 알리는 단계를 포함한다.

상기 인공지능 모델을 활용한 인플루언서 및 브랜드사 간의 매칭 및 큐레이션 플랫폼 서비스 제공 방법은 상기 미리 설정된 적합도 이상인 해외 인플루언서들의 이미지 브랜드 적합도들-이미지 브랜드 적합도는 해외 인플루언서의 이미지 콘텐츠와 브랜드 사이의 시각적 아이덴티티 사이의 연관성을 기초로 정의된 적합도임-을 생성하는 단계; 및 상기 이미지 브랜드 적합도들에 기초하여, 상기 해외 인플루언서들 중 적어도 하나를 상기 확인된 브랜드사와 매칭하는 단계를 더 포함한다.

상기 이미지 브랜드 적합도들을 생성하는 단계는 상기 입력 정보에 기초하여 브랜드사의 미리 정의된 시각적 아이덴티티들-시각적 아이덴티티는 브랜드사가 아이덴티티를 시각적으로 표현하고자 정의된 정보임- 중 상기 브랜드사의 제1 시각적 아이덴티티를 획득하는 단계; 상기 브랜드사가 현재 시점으로부터 미리 정의된 과거 기간 내에 브랜딩을 위해 게재한 콘텐츠들 중 N개의 브랜드사 이미지 콘텐츠들을 획득하는 단계; 상기 브랜드사 이미지 콘텐츠들의 픽셀들 내 대표 객체들을 추출하고, 상기 추출된 대표 객체들의 RGB 값들을 면적 비율에 따라 가중 평균하여, 상기 브랜드사 이미지 콘텐츠들에 대응하는 가중 평균 색상값들을 생성하는 단계; 상기 가중 평균 색상값들에 기초하여, M개의 대표 색상들을 정의한 색상 팔레트로부터 상기 브랜드사 이미지 콘텐츠들에 각각 대응하는 N개의 브랜드 대표 색상들을 생성하는 단계; 상기 N개의 브랜드 대표 색상들에 기초하여, 상기 브랜드사의 제1 브랜드 대표 색상을 생성하는 단계; 상기 해외 인플루언서들 중 어느 하나인 제1 해외 인플루언서가 현재 시점으로부터 미리 정의된 과거 기간 내에 SNS 플랫폼에 업로드한 L개의 해외 인플루언서 이미지 콘텐츠들을 획득하는 단계; 상기 해외 인플루언서 이미지 콘텐츠들에 대응하는 가중 평균 색상값들에 기초하여, L개의 해외 인플루언서 대표 색상들을 생성하는 단계; 상기 L개의 해외 인플루언서 대표 색상들에 기초하여, 상기 해외 인플루언서의 제1 해외 인플루언서 대표 색상을 생성하는 단계; 및 상기 제1 브랜드 대표 색상 및 상기 제1 해외 인플루언서 대표 색상 사이의 거리에 기초하여, 상기 브랜드사 및 상기 제1 해외 인플루언서 사이의 적합도를 생성하는 단계를 포함한다.

상기 브랜드사 및 상기 제1 해외 인플루언서 사이의 적합도를 생성하는 단계는 상기 시각적 아이덴티티들 및 상기 대표 색상들 사이의 상관 관계들을 기록한 데이터베이스를 조회하여, 상기 제1 시각적 아이덴티티 및 상기 L개의 해외 인플루언서 대표 색상들 사이의 L개의 상관 관계들을 생성하는 단계; 상기 L개의 상관 관계들에 기초하여 상기 브랜드사 및 상기 제1 해외 인플루언서 사이의 시각적 아이덴티티 상관도를 생성하는 단계; 및 상기 시각적 아이덴티티 상관도 및 상기 거리에 기초하여, 상기 브랜드사 및 상기 제1 해외 인플루언서 사이의 적합도를 생성하는 단계를 포함한다.

상기 시각적 아이덴티티 상관도 및 상기 거리에 기초하여, 상기 브랜드사 및 상기 제1 해외 인플루언서 사이의 적합도를 생성하는 단계는

를 이용하여, 상기 적합도를 생성하는 단계를 포함하고,

는 상기 브랜드사의 제1 시각적 아이덴티티이고, 내지 는 상기 L개의 해외 인플루언서 이미지 콘텐츠들이고, 내지 는 내지 에 각각 대응하는 상기 L개의 해외 인플루언서 대표 색상들이고, 내지 는 상기 와 내지 에 각각 대응하는 상기 L개의 상관 관계들이고, 는 상기 시각적 아이덴티티 상관도이며, 내지 는 상기 N개의 브랜드사 이미지 콘텐츠들이고, 내지 는 내지 에 각각 대응하는 상기 N개의 브랜드 대표 색상들이고, 는 내지 에 기초하여 생성된 상기 제1 해외 인플루언서 대표 색상이고, 는 내지 에 기초하여 생성된 상기 제1 브랜드 대표 색상이고, 는 상기 거리이고, A와 B는 미리 정의된 상수이고, 는 상기 브랜드사 B1 및 상기 제1 해외 인플루언서 I1 사이의 적합도이다.

상기 성실도를 계산하는 단계는 상기 해외 인플루언서의 SNS 상 콘텐츠를 크롤링한 인플루언서 연관 크롤링 데이터를 기반으로 상기 상기 해외 인플루언서의 타겟 구독층, 구독자 수, 조회수, 게시물 유형, 콘텐츠 업로드 주기 및 이전 협업 내역을 획득하는 단계를 포함한다.

상기 브랜드사로부터 상기 해외 인플루언서와의 협업을 위한 입력 정보를 수신하는 단계는 상기 브랜드사로부터 브랜드사 캠페인 효과의 개선을 위한 캠페인 입력 정보에 기초하여 상기 해외 인플루언서와의 협업을 위한 입력 정보를 수신하는 단계를 포함한다.

인플루언서 연관 크롤링 데이터 기반 브랜드사 매칭 솔루션 제공 방법은 해외 인플루언서의 정보를 활용하여 상기 해외 인플루언서의 성실도를 계산하는 단계; 상기 성실도 및 상기 해외 인플루언서의 정보를 이용하여, 상기 해외 인플루언서의 등급 및 유형을 결정하는 단계; 브랜드사로부터 상기 해외 인플루언서와의 협업을 위한 입력 정보를 수신하는 단계; 상기 입력 정보를 이용하여 상기 브랜드사의 등급 및 유형을 결정하는 단계; 인공지능 모델에 상기 해외 인플루언서의 등급 및 유형과 상기 브랜드사의 등급 및 유형을 입력하여 상기 해외 인플루언서와 상기 브랜드사의 매칭 적합도를 확인하는 단계; 미리 설정된 적합도 이상인 해외 인플루언서와 브랜드사를 확인하는 단계; 및 상기 확인된 브랜드사에 상기 미리 설정된 적합도 이상인 상기 확인된 해외 인플루언서를 매칭하는 단계를 포함한다.

상기 인플루언서 연관 크롤링 데이터 기반 브랜드사 매칭 솔루션 제공 방법은 상기 미리 설정된 적합도 이상인 해외 인플루언서들의 이미지 브랜드 적합도들-이미지 브랜드 적합도는 해외 인플루언서의 이미지 콘텐츠와 브랜드 사이의 시각적 아이덴티티 사이의 연관성을 기초로 정의된 적합도임-을 생성하는 단계; 및 상기 이미지 브랜드 적합도들에 기초하여, 상기 해외 인플루언서들 중 적어도 하나를 상기 확인된 브랜드사와 매칭하는 단계를 더 포함한다.

브랜드사 캠페인 효과의 개선을 위한 인플루언서 추천 방법은 해외 인플루언서의 정보를 활용하여 상기 해외 인플루언서의 성실도를 계산하는 단계; 상기 성실도 및 상기 해외 인플루언서의 정보를 이용하여, 상기 해외 인플루언서의 등급 및 유형을 결정하는 단계; 브랜드사로부터 상기 해외 인플루언서와의 협업을 위한 입력 정보를 수신하는 단계; 상기 입력 정보를 이용하여 상기 브랜드사의 등급 및 유형을 결정하는 단계; 인공지능 모델에 상기 해외 인플루언서의 등급 및 유형과 상기 브랜드사의 등급 및 유형을 입력하여 상기 해외 인플루언서와 상기 브랜드사의 매칭 적합도를 확인하는 단계; 및 상기 매칭 적합도에 기초하여 해외 인플루언서와 브랜드사를 매칭하는 단계를 포함한다.

상기 해외 인플루언서와 상기 브랜드사를 매칭하는 단계는 미리 설정된 적합도 이상인 해외 인플루언서와 브랜드사를 확인하는 단계; 및 상기 확인된 브랜드사에 상기 미리 설정된 적합도 이상인 상기 확인된 해외 인플루언서를 매칭하는 단계를 포함한다.

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

일실시예에 따르면, 해외 시장 특성을 반영하고, 해외 사용자들의 행동 패턴을 고려함으로써, 해외 시장에 특화된 협업이 가능하도록 하는 해외 인플루언서 매칭 서비스를 제공할 수 있다.

일실시예에 따르면, 플랫폼 내에 구현되는 시계열 그래프를 통해 협업 콘텐츠의 실시간 성과를 모니터링할 수 있고, 이를 통해 협업 전략을 신속하게 조정하고 최적화할 수 있다.

한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.

도 1은 일실시예에 따른 시스템의 구성을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 인공지능 모델을 활용하여 인플루언서 및 브랜드사를 매칭하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 인플루언서가 협업 콘텐츠 발행 시 데이터를 수집하여 시계열 그래프를 생성하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 브랜드사와의 매칭에 활용될 해외 인플루언서를 선정하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 해외 인플루언서의 등급 및 유형을 결정하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 브랜드사의 등급 및 유형을 결정하는 과정을 설명하기 위한 순서도이다.
도 7은 인플루언서가 발행한 협업 콘텐츠를 플랫폼 내에서 확인할 수 있도록 제공하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 서버의 구성의 예시도이다.

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.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.

도 1은 일실시예에 따른 시스템의 구성을 설명하기 위한 도면이다.

도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 브랜드사의 단말(100), 및 서버(200)를 포함할 수 있다.

먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버(200)와 서버(200) 간의 통신과 서버(200)와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.

브랜드사의 단말(100)은 해외(예를 들어, 중국 등)에 진출하기 위해 해외 인플루언서와 프로젝트 및 캠페인을 포함하는 협업을 진행하고자 하는 한국 브랜드사가 사용하는 단말로, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다. 예를 들어, 도 1에 도시된 바와 같이, 브랜드사의 단말(100)은 스마트폰일 수 있으며, 실시예에 따라 달리 채용될 수도 있다.

브랜드사의 단말(100)은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 브랜드사의 단말(100)은 서버(200)와 유무선으로 통신하도록 구성될 수 있다.

브랜드사의 단말(100)은 서버(200)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 사이트에 접속되거나, 서버(200)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다 브랜드사의 단말(100)은 웹 사이트 또는 애플리케이션을 통해 서버(200)와 연동될 수 있다.

도1 및 이하의 설명에서는, 설명의 편의상, 브랜드사의 단말(100) 하나만을 도시하고 설명하였으나, 단말들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 서버(200)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.

즉, 청구항에 기재된 단수의 표현은 복수를 포함하는 것으로 이해될 수 있다.

서버(200)는 서버(200)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 서버(200)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 서버(200)는 브랜드사의 단말(100)과 유무선으로 통신하도록 구성될 수 있다.

또한, 서버(200)는 블로그, 카페, 인스타그램, 페이스북, 트위터, 유튜브를 포함하는 SNS 및 기사를 포함하는 웹 페이지를 포함하는 웹사이트와 유무선으로 통신할 수 있으며, 서버(200)는 웹사이트에 접속하여 정보를 획득할 수 있다.

서버(200)는 브랜드사의 단말(100)로부터 브랜드사의 협업 대상 제품 정보, 협업 진행기간 정보, 협업 예산, 해외 인플루언서와의 협업 목표, 협업 콘텐츠 유형 및 전년도 매출액 정보를 포함하는 해외 인플루언서와의 협업을 위한 입력 정보를 수신하여, 입력 정보 데이터를 기초로, 브랜드사와 매칭될 해외 인플루언서의 정보를 브랜드사의 단말(100)로 제공할 수 있다.

본 발명에서, 인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.

기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다. 또는, 신경망 모델은 입력 데이터만 주어지는 경우에도 주어진 데이터 사이의 규칙성을 도출하여 그 관계를 학습할 수도 있다.

인공지능 학습모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다. 인공지능 학습모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 인공지능 학습모델은, 예를 들어, 인공 신경망 모델(Artificial Neural Network), 컨볼루션 신경망 모델(Convolution Neural Network: CNN) 등일 수 있다. 일 실시예로서, 인공지능 학습모델은, 지도학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방식에 따라 기계 학습될 수 있다. 기계 학습을 수행하기 위한 기계 학습 알고리즘에는, 의사결정트리(Decision Tree), 베이지안 망(Bayesian Network), 서포트 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neural Network), 에이다부스트(Ada-boost), 퍼셉트론(Perceptron), 유전자 프로그래밍(Genetic Programming), 군집화(Clustering) 등이 사용될 수 있다.

이중, CNN은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 다른 딥러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. CNN은 또한 표준 역전달을 통해 훈련될 수 있다. CNN은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.

컨볼루션 네트워크는 묶인 파라미터들을 가지는 노드들의 집합들을 포함하는 신경 네트워크들이다. 사용 가능한 트레이닝 데이터의 크기 증가와 연산 능력의 가용성이, 구분적 선형 단위 및 드롭아웃 트레이닝과 같은 알고리즘 발전과 결합되어, 많은 컴퓨터 비전 작업들이 크게 개선되었다. 오늘날 많은 작업에 사용할 수 있는 데이터 세트들과 같은 엄청난 양의 데이터 세트에서는 초과 맞춤(outfitting)이 중요하지 않으며, 네트워크의 크기를 늘리면 테스트 정확도가 향상된다. 컴퓨팅 리소스들의 최적 사용은 제한 요소가 된다. 이를 위해, 심층 신경 네트워크들의 분산된, 확장 가능한 구현예가 사용될 수 있다.

도 2는 일실시예에 따른 인공지능 모델을 활용하여 인플루언서 및 브랜드사를 매칭하는 과정을 설명하기 위한 순서도이다.

도 2를 참조하면, 먼저, S201 단계에서, 서버(200)는 인플루언서와 브랜드사의 매칭 이력으로부터 매칭된 인플루언서의 정보와 브랜드사의 정보를 이용하여 인플루언서와 브랜드사의 매칭 적합도를 산출하는 인공지능 모델을 학습시킬 수 있다.

구체적으로, 서버(200)는 인공지능 모델 학습을 통해 적합한 인플루언서 및 브랜드사를 매칭하기 위해, 인플루언서와 브랜드사의 과거 매칭 이력 데이터를 활용할 수 있다.

예를 들어, 인플루언서(A)와 브랜드사(B)가 과거 매칭되었을 때 판매량이 증가했다면, 서버(200)는 과거 매칭 이력 데이터를 통해 판매량 증가를 확인할 수 있으며, 과거 매칭 이력 데이터를 목표 값으로 하여 인공지능 모델을 학습시킬 수 있다.

이때, 서버(200)는 인플루언서(A)와 브랜드사(B)를 인공지능 모델을 활용한 알고리즘에 입력 시 산정되는 매칭 적합도를 통해 판매량 증가를 예측할 수 있다.

즉, 인공지능 모델 학습 이후 서버(200)는 인플루언서(A)와 브랜드사(B)의 기본 정보만으로 매칭 적합도를 확인할 수 있다. 이와 관련하여 구체적인 설명은 S206단계를 참조하기로 한다.

S202 단계에서, 서버(200)는 해외 인플루언서 정보를 활용하여 인플루언서의 타겟 구독층, 구독자 수, 조회수, 게시물 유형, 콘텐츠 업로드 주기 및 이전 협업 내역을 이용하여 성실도를 계산할 수 있다. 여기서, 성실도는 브랜드사로부터 요청 받은 마케팅 관련 업무를 인플루언서가 성실히 수행한 정도로서, 예를 들어 수치화 또는 계량화되어 표현될 수 있다.

구체적으로, 서버(200)는 인플루언서의 타겟 구독층, 구독자 수, 업로드 콘텐츠의 평균 조회수, 게시물의 유형 데이터를 수집할 수 있으며, 해당 인플루언서의 콘텐츠 업로드 주기 및 이전 협업 내역을 이용하여 성실도를 계산할 수 있다.

구체적으로, 서버(200)는 해당 인플루언서의 콘텐츠 업로드 주기가 일정한지의 여부를 확인하고, 이전 협업 내역을 통해 협업 진행 시 협업 가이드라인이 모두 반영되었는지 확인하여 성실도를 계산할 수 있다.

협업 가이드라인에는 콘텐츠 발행 기간, 필수 해시태그, 계정 태그, 사진 장 수, 영상의 최소길이가 포함될 수 있다.

서버(200)는 인플루언서의 콘텐츠 업로드 주기가 일정하고, 이전 협업 진행 시 협업 가이드라인이 모두 반영되었다면 성실도를 10점 만점으로 계산하여 10점을 부여하고, 인플루언서의 콘텐츠 업로드 주기는 일정하지만, 이전 협업 진행 시 가이드라인이 반영되지 않은 부분이 있는 경우, 반영되지 않은 가이드라인 개수 당 1점씩 차감하여 성실도를 계산하고, 인플루언서의 콘텐츠 업로드 주기가 일정하지 않다면, 성실도 계산 시 1점을 차감한 후 이전 협업 진행 시 가이드라인 반영 여부를 확인하여 성실도를 계산할 수 있다.

S203단계에서, 서버(200)는 해외 인플루언서의 정보를 이용하여 해외 인플루언서의 등급 및 유형을 결정할 수 있다.

이와 관련하여 구체적인 설명은 도 5를 참조하기로 한다.

S204 단계에서, 서버(200)는 브랜드사로부터 해외 인플루언서와의 협업을 위한 입력 정보를 수신할 수 있다.

구체적으로, 협업을 위한 입력 정보는 브랜드사의 협업 대상 제품의 정보, 협업 진행기간 정보, 협업 예산, 해외 인플루언서와의 협업 목표, 협업 콘텐츠의 유형, 브랜드사의 전년도 매출액 정보를 포함할 수 있다.

일실시예에 따르면, 서버(200)는 브랜드사의 단말(100)로부터 해외 인플루언서와 협업을 위한 입력 정보를 수신하고, 브랜드사의 단말(100)로부터 수신한 해외 인플루언서와 협업을 위한 입력 정보를 데이터베이스에 저장할 수 있다.

S205 단계에서, 서버(200)는 브랜드사로부터 수신한 입력 정보를 이용하여 브랜드사의 등급 및 유형을 결정할 수 있다.

이와 관련하여 구체적인 설명은 도 6을 참조하기로 한다.

S206 단계에서, 서버(200)는 인공지능 모델에 해외 인플루언서의 등급 및 유형과 브랜드사의 등급 및 유형을 입력하여 해외 인플루언서와 브랜드사의 매칭 적합도를 확인할 수 있다.

서버(200)는, S203 단계 및 S205 단계에서 결정된 해외 인플루언서와 브랜드사의 등급 및 유형을 바탕으로 해외 인플루언서와 브랜드사의 매칭 적합도를 확인할 수 있다.

구체적으로, 서버(200)는 해외 인플루언서의 등급과 브랜드사의 등급을 비교하고, 인플루언서의 유형과 브랜드사의 유형을 비교하여 매칭 적합도를 산정할 수 있다.

매칭 적합도는 등급 비교에 따른 제1 매칭 적합도와 유형 비교에 따른 제2 매칭 적합도의 합산으로 산정될 수 있다.

먼저, 등급 비교에 따른 제1 매칭 적합도는 인플루언서의 등급과 브랜드사의 등급이 일치할 경우 100점, 등급이 일치하지 않으나 1 등급 차이라면 85점, 2등급 차이라면 70점, 3등급 차이라면 55점으로 산정되고, 유형 비교에 따른 제2 매칭 적합도는 인플루언서의 유형과 브랜드사의 유형이 일치할 경우 10점, 유형은 일치하지 않으나 유사한 분야이거나, 해당 인플루언서의 타겟 구독층이 브랜드사가 진행하고자 하는 협업의 타겟층과 유사한 경우 5점을 추가로 부여할 수 있다.

서버(200)는 등급 비교에 따른 제1 매칭 적합도와 유형 비교에 따른 제2 매칭 적합도를 합산하여 최종 매칭 적합도를 산정할 수 있다.

최종 매칭 적합도는 100점 만점으로 계산되며, 제1 매칭 적합도와 제2 매칭 적합도의 합산이 100점 초과인 경우에도 100점으로 산정할 수 있다.

S207 단계에서, 서버(200)는 미리 설정된 적합도 이상인 해외 인플루언서와 브랜드사를 확인할 수 있다. 이때, 미리 설정된 적합도는 실시예에 따라 상이하게 설정될 수 있다.

구체적으로, 브랜드사는 진행하고자 하는 협업의 목표가 대규모 홍보인지, 특정 타겟 시장을 대상으로 하는 홍보인지에 따라 협업을 위한 정보 입력 시 해외 인플루언서와의 매칭 적합도 기준을 선택할 수 있으며, S206 단계에서 해외 인플루언서와 브랜드사의 매칭 적합도를 확인하여 미리 설정된 적합도 이상인 해외 인플루언서를 분류할 수 있다.

서버(200)는 설정된 매칭 적합도 이상인 해외 인플루언서를 확인하고 분류함으로써 협업 진행 시 협업의 효과를 증대시키고 브랜드사가 진행하고자 하는 협업의 목표에 맞는 효율적인 협업을 진행할 수 있다.

S208 단계에서 서버(200)는 브랜드사에 미리 설정된 적합도 이상인 해외 인플루언서의 정보를 송신할 수 있다.

이때, 서버(200)는 미리 설정된 적합도 이상인 해외 인플루언서의 정보를 브랜드사에 송신하여 브랜드사가 해당 정보를 확인하고 협업 목표에 적합하다고 판단되는 해외 인플루언서를 선정할 수 있다.

일실시예에 따르면, 서버(200)는 미리 설정된 적합도 이상인 해외 인플루언서의 정보를 브랜드사의 단말(100)로 송신할 수 있다.

브랜드사가 직접 확인하는 단계를 추가함으로써, 알고리즘을 보완할 수 있으며, 협업 목표에 적합한 해외 인플루언서를 선정할 수 있다.

도 3은 일실시예에 따른 인플루언서가 협업 콘텐츠 발행 시 데이터를 수집하여 시계열 그래프를 생성하는 과정을 설명하기 위한 순서도이다.

먼저, S301 단계에서, 브랜드사와 매칭된 해외 인플루언서가 협업 콘텐츠를 발행할 수 있다.

구체적으로, 브랜드사와 매칭된 해외 인플루언서는 본인이 활동 중인 해외 SNS 개인 계정에 협업 콘텐츠를 발행할 수 있다.

S302 단계에서, 해외 SNS 서버로부터, 매칭된 인플루언서가 발행한 협업 콘텐츠를 크롤링하여 데이터를 수집할 수 있다.

구체적으로, 수집된 데이터는 조회수, 판매량, 공감 수, 댓글 수 중 적어도 하나를 포함할 수 있다.

S303 단계에서, 서버(200)는 협업 콘텐츠의 조회수, 판매량, 공감 수, 댓글 수 중 적어도 하나를 포함하는 수집된 데이터를 이용하여 브랜드사가 플랫폼 내에서 협업 콘텐츠의 추이를 모니터링할 수 있도록 시계열 그래프를 생성할 수 있다.

일실시예에 따른 시계열 그래프는, x축에 시간이 출력되고, y축에 조회수 및 판매량이 출력되는 제1 그래프와, x축에 시간이 출력되고, y축에 공감 수 및 댓글 수가 출력되는 제2 그래프를 포함할 수 있다.

이때, x축에 시간이 출력되고, y축에 조회수 및 판매량이 출력되는 제1 그래프는, 조회수 대비 판매량의 추이를 확인할 수 있다.

또한, x축에 시간이 출력되고, y축에 공감 수 및 댓글 수가 출력되는 제2 그래프는 협업 콘텐츠의 파급력 및 협업 영향력을 확인할 수 있다.

제1 그래프와 제2 그래프를 통해 브랜드사는 협업 콘텐츠의 성과를 정량적으로 신속하게 평가할 수 있으며, 발행된 협업 콘텐츠 중 협업 효과가 뛰어난 콘텐츠를 판단할 수 있다.

예를 들어, 브랜드사는 발행된 협업 콘텐츠가 조회수 상승과 함께 공감 수 및 댓글 수도 동시에 증가하는 경우, 상호작용이 활발하게 일어나고 있다고 해석할 수 있으며 이러한 긍정적 반응을 통해 효과적인 협업 콘텐츠를 분석할 수 있다.

서버(200)는 제1 그래프에서 미리 설정된 기준을 기반으로 조회수와 판매량의 차이를 확인하여 보고서를 생성할 수 있다.

이때, 미리 설정된 기준은 실시예에 따라 상이하게 설정될 수 있으며, 미리 설정된 기준은 제1 기준과 제2 기준을 포함할 수 있다. 이때, 제1 기준은 제2 기준보다 큰 값을 가진다.

구체적으로, 서버(200)는 조회수와 판매량의 차이가 제1 기준 이상이거나, 조회수와 판매량의 차이가 제2 기준 이하인 콘텐츠를 확인하고, 제1 그래프의 조회수와 판매량의 차이를 기반으로, 제1 기준을 만족하면 제1 색상으로 표시하고, 제2 기준을 만족하면 제2 색상으로 표시할 수 있다.

제1 그래프의 조회수와 판매량의 차이를 기반으로 미리 설정된 기준에 따라 색상을 달리하여 시간대별로 볼 수 있도록 함으로써 브랜드사는 조회수 대비 판매량의 차이를 시각적으로 확인할 수 있다.

또한, 브랜드사는 제2 기준을 만족하는 제2 색상으로 표시된 시간대를 확인하여 해당 시간대에 인플루언서가 협업 콘텐츠를 업로드 할 수 있도록 집중 홍보 전략을 세울 수 있고, 제1 기준을 만족하는 제1 색상으로 표시된 시간대를 확인하여 인플루언서에게 해당 시간대를 피하여 협업 콘텐츠를 업로드하도록 요청할 수 있다.

도 4는 일실시예에 따른 브랜드사와의 매칭에 활용될 해외 인플루언서를 선정하는 과정을 설명하기 위한 순서도이다.

구체적으로, S401 단계에서, 해외 인플루언서를 선정하는 단계는, 서버(200)가 네트워크 통계 데이터로부터 해외 사용자들이 다른 나라의 사용자보다 많이 접속하는 제1 SNS 서비스와 해외 사용자들이 다른 나라의 사용자보다 많이 접속하지 않는 제2 SNS 서비스를 각각 확인하는 단계를 포함한다.

예를 들어, 해외 국가 중 중국은 독자적인 디지털 생태계를 갖추고 있으며, 중국 내에서 주로 사용되는 SNS 플랫폼 또한 독자적인 생태계를 형성하고 있다.

따라서, 이러한 폐쇄적이고 보수적인 환경에서 브랜드사와 인플루언서 간의 성공적인 협업을 위해서는 중국 사용자들이 다른 나라의 사용자보다 많이 접속하는 중국 내 SNS를 효과적으로 활용해야 한다.

중국 현지를 대상으로 마케팅을 진행 시, 중국 사용자들의 특성을 고려하여, 중국 내에서 주로 사용하는 SNS 서비스를 타겟으로 하여 브랜드 이미지를 강화하고 마케팅 효과를 극대화할 수 있다.

S402 단계에서, 서버(200)는 제1 SNS 서비스에서 활동하는 사용자 중 구독자 수가 미리 설정된 기준 이상인 사용자를 후보 인플루언서로 선정할 수 있다. 이때, 미리 설정된 기준은 실시예에 따라 상이하게 설정될 수 있다.

이때, 인플루언서의 구독자 수 기준은 브랜드사가 진행하고자 하는 협업의 목표가 대규모 홍보인지, 특정 타겟 시장을 대상으로 하는 홍보인지에 따라 분류하고, 협업하고자 하는 제품의 산업 시장에서 활동하고 있는 인플루언서의 일반적인 구독자 수를 확인하여, 해당 산업에 맞는 기준이 적용될 수 있으며, 브랜드사의 협업 예산과, 브랜드사의 이미지가 고려될 수 있다.

예를 들어, 서버(200)는 해당 브랜드사의 타겟 대상이 고소득층이라면 구독자 수 기준을 더 높게 설정할 수 있다.

S403 단계에서, 서버(200)는 S402 단계에서 후보 인플루언서로 선정된 인플루언서가 제2 SNS 서비스에서 활동하는지 확인할 수 있다.

후보 인플루언서가 제2 SNS 서비스에서 활동하는 것으로 확인되면, 서버(200)는 S404 단계에서, 해당 인플루언서가 활동 중인 제2 SNS 서비스의 구독자 수를 확인할 수 있다.

S405 단계에서, 서버(200)는 S404 단계에서 확인된 구독자가 미리 설정된 기준 이하인 후보 인플루언서를 브랜드사와의 매칭에 활용될 중국 인플루언서로 선정할 수 있다. 이때, 미리 설정된 기준은 실시예에 따라 상이하게 설정될 수 있다.

구체적으로, 인플루언서의 구독자 수 기준은 브랜드사가 진행하고자 하는 협업의 목표가 대규모 홍보인지, 특정 타겟 시장을 대상으로 하는 홍보인지에 따라 분류하고, 협업하고자 하는 제품의 산업 시장에서 활동하고 있는 인플루언서의 일반적인 구독자 수를 확인하여, 해당 산업에 맞는 기준이 적용될 수 있으며, 브랜드사의 협업 예산과, 브랜드사의 이미지가 고려될 수 있다.

중국 사용자들이 다른 나라의 사용자보다 많이 접속하는 제1 SNS 서비스상의 유명 인플루언서가, 중국 사용자들이 다른 나라의 사용자보다 많이 접속하지 않는 제2 SNS 서비스 상에서도 유명한 인플루언서일 경우, 폐쇄된 환경을 가진 중국 특성 상 마케팅 효과가 감소하고 오히려 반감을 살 수 있다.

따라서 제1 SNS 서비스에서 구독자 수가 미리 설정된 기준 이상인 사용자를 후보 인플루언서로 선정하고, 해당 후보 인플루언서 중, 제2 SNS 서비스에서 구독자 수가 미리 설정된 기준 이하인 사용자를 선정하여 매칭함으로써, 중국 내의 협업임을 강조하고, 중국 소비자에게 더욱 효과적으로 다가갈 수 있다.

또한, 제2 SNS 서비스는 제1 SNS 서비스와 다른 특성을 갖고 있으므로, 중국 현지를 대상으로 마케팅을 진행할 때, 제1 SNS 서비스에서는 구독자 수 기준을 충족하고, 제2 SNS 서비스에서는 구독자 수 기준을 충족하지 않는 인플루언서를 선정하면, 제1 SNS의 특성에 맞는 협업 콘텐츠를 생성할 수 있고, 중국 소비자들이 선호하는 콘텐츠 유형, 키워드, 시각적 요소가 고려된 효과적인 마케팅을 진행할 수 있다.

도 5는 일실시예에 따른 해외 인플루언서의 등급 및 유형을 결정하는 과정을 설명하기 위한 순서도이다.

먼저, S501 단계에서, 서버(200)는 해외 인플루언서의 구독자 수, 조회수 및 성실도를 종합하여 등급을 결정할 수 있다.

구체적으로, 해외 인플루언서의 등급을 결정하는 기준은, 구독자 수 점수, 조회수 점수, 성실도 점수를 각각 3:3:4의 비율로 종합한 종합 등급 점수에 따라 A, B, C, D등급으로 분류할 수 있다.

서버(200)는, 구독자 수 점수 계산 시, 100만 명 이상이면 10점, 50만 명 이상 100만 명 미만이면 9점, 10만 명 이상 50만 명 미만이면 8점, 10만 명 미만이면 7점으로 환산할 수 있고, 조회수 점수 계산 시, 월평균 1000만 회 이상이면 10점, 월평균 500만 회 이상 1000만 회 미만이면 9점, 월평균 100만 회 이상 500만 회 미만이면 8점, 월평균 100만 회 미만이면 7점으로 환산할 수 있으며, 성실도 점수 계산 시, 앞서 S202 단계를 참조하여, 해외 인플루언서의 콘텐츠 업로드 주기가 일정한지의 여부를 확인하고, 이전 협업 진행 시 협업 가이드라인이 모두 반영되었는지 확인하여 계산할 수 있다.

이때, 협업 가이드라인에는 콘텐츠 발행 기간, 필수 해시태그, 계정 태그, 사진 장 수, 영상의 최소길이가 포함될 수 있다. 서버(200)는 인플루언서의 콘텐츠 업로드 주기가 일정하고, 이전 협업 진행 시 협업 가이드라인이 모두 반영되었다면 성실도 점수를 10점 만점 중 10점으로 계산하고, 인플루언서의 콘텐츠 업로드 주기는 일정하지만, 이전 협업 진행 시 가이드라인이 반영되지 않은 부분이 있는 경우, 반영되지 않은 가이드라인 개수 당 1점씩 차감하여 성실도 점수를 계산하고, 인플루언서의 콘텐츠 업로드 주기가 일정하지 않다면, 성실도 점수 계산 시 1점을 차감한 후 이전 협업 진행 시 가이드라인 반영 여부를 확인하여 성실도를 계산할 수 있다.

종합 등급 점수는 구독자 수 점수, 조회수 점수, 성실도 점수를 미리 정해진 비율로 종합하여 확인할 수 있으며, 서버(200)는 종합 등급 점수에 따라 A, B, C, D 등급으로 등급을 결정할 수 있다.

구체적으로, 서버(200)는 구독자 수 점수, 조회수 점수, 성실도 점수를 각 비율에 맞게 종합한 등급 종합 점수가 95점 이상이면 A등급, 90점 이상이면 B등급, 85점 이상이면 C등급, 70점 이상이면 D등급으로 결정할 수 있다.

S502 단계에서, 서버(200)는 해외 인플루언서의 게시물 유형 및 주요 키워드 정보를 종합하여 유형을 결정할 수 있다.

구체적으로, 서버(200)는 각 해외 인플루언서의 주요 활동 영역을 확인하기 위해 게시물의 유형을 파악할 수 있다.

이때, 게시물의 유형은 인플루언서가 발행하는 콘텐츠의 주제를 의미할 수 있다.

또한, 서버(200)는 각 해외 인플루언서의 게시물에서 주요 키워드를 추출할 수 있다.

이때, 주요 키워드는 게시물의 주제와 관련된 키워드를 의미하며, 서버(200)가 인플루언서의 게시물을 분석할 때에는 게시된 사진, 글, 해시태그, 제목을 포함하여 고려할 수 있으며, 이를 통해 게시물의 주제를 확인하고 주요 키워드를 추출할 수 있다.

예를 들어, 패션 인플루언서의 경우, 주요 키워드는 의류, 스타일링, 패션 트렌드 등이 될 수 있으며, 인플루언서가 해시태그를 사용했다면 해시태그도 주요 키워드로 추출할 수 있다.

서버(200)는 추출한 주요 키워드 정보를 종합하여 해당 해외 인플루언서의 게시물을 설명할 수 있는 키워드 리스트를 작성하고, 해당 키워드 리스트와 인플루언서의 게시물 유형을 종합하여 유형을 결정할 수 있다.

이때, 유형은 패션, 뷰티, 여행, 식품, 헬스, 게임, 독서, 음악, DIY, 영화를 포함할 수 있으나, 이는 예시일 뿐 이에 한정되지 않는다.

도 6은 일실시예에 따른 브랜드사의 등급 및 유형을 결정하는 과정을 설명하기 위한 순서도이다.

서버(200)는 브랜드사의 등급 및 유형을 결정하기 위해, 브랜드사로부터 해외 인플루언서와의 협업을 위한 입력 정보를 수신할 수 있다.

구체적으로, 입력정보는 협업 대상 제품 정보, 협업 진행기간 정보, 협업 예산, 해외 인플루언서와의 협업 목표, 협업 콘텐츠 유형 및 전년도 매출액 정보를 포함할 수 있다.

먼저, S601 단계에서, 서버(200)는 브랜드사의 협업 예산 및 전년도 매출액 중 적어도 하나를 종합하여 등급을 결정할 수 있다.

구체적으로, 브랜드사의 등급을 결정하는 기준은 브랜드사의 협업 예산 점수와 전년도 매출액을 6:4의 비율로 종합하여 종합 등급 점수에 따라 A, B, C, D등급으로 분류할 수 있다.

이때, 협업 예산은 브랜드사가 속한 산업의 특성, 경쟁 상황을 고려하여 평가할 수 있다.

구체적으로, 서버(200)는 해당 브랜드사가 속한 산업 분야의 협업 예산 평균을 확인하여, 해당 브랜드사의 협업 예산이 상위 10% 이내라면 10점, 상위 20% 이내라면 9점, 상위 30% 이내라면 7점, 상위 40% 이내라면 5점, 상위 50% 이내라면 4점, 해당되지 않으면 3점으로 계산할 수 있으며, 전년도 매출액은 브랜드사가 속한 산업의 특성, 경쟁 상황을 고려하여 평가할 수 있다.

구체적으로, 서버(200)는 해당 브랜드사가 속한 산업 분야의 매출액 평균을 확인하여, 해당 브랜드사의 전년도 매출액이 상위 5% 이내라면 10점, 상위 10% 이내라면 9점, 상위 15% 이내라면 8점, 상위 20% 이내라면 7점, 상위 25% 이내라면 6점, 상위 30% 이내라면 5점, 상위 35% 이내라면 4점, 상위 40% 이내라면 3점, 상위 45% 이내라면 2점, 해당되지 않으면 1점으로 계산할 수 있다.

이때, 서버(200)는 브랜드사의 협업 예산 점수 및 브랜드사의 전년도 매출액 점수를 각 비율에 맞게 종합한 등급 종합 점수가 80점 이상이면 A등급, 60점 이상이면 B등급, 40점 이상이면 C등급, 40점 미만이면 D등급으로 결정할 수 있다.

협업 예산과 매출액은 브랜드의 규모와 성과를 반영하므로, 서버(200)는 이를 종합적으로 고려하여 등급을 결정할 수 있다.

S602 단계에서, 브랜드사의 협업 대상 제품 정보 및 협업 콘텐츠 유형 정보를 종합하여 유형을 결정할 수 있다.

구체적으로, 서버(200)는 브랜드사로부터 입력 받은 해외 인플루언서와의 협업을 위한 입력정보를 기반으로, 협업을 진행하고자 하는 제품의 정보와 발행하고자 하는 협업 콘텐츠 유형 정보를 확인할 수 있다.

이때, 서버(200)는 협업을 진행하고자 하는 제품의 정보를 기반으로 분야를 확인하고, 브랜드사가 발행하고자 하는 협업 콘텐츠 유형을 확인하여 유형을 결정할 수 있다. 유형은 패션, 뷰티, 여행, 식품, 헬스, 게임, 독서, 음악, DIY, 영화를 포함할 수 있으나, 이는 예시일 뿐 이에 한정되지 않는다.

도 7은 인플루언서가 발행한 협업 콘텐츠를 플랫폼 내에서 확인할 수 있도록 제공하는 과정을 설명하기 위한 순서도이다.

도 7을 참조하면, 서버(200)는 브랜드사와 매칭된 중국 인플루언서가 발행한 협업 콘텐츠를 플랫폼 내에서 확인할 수 있도록 제공할 수 있다.

중국 인플루언서의 경우, 중국 내 SNS 상에서 활동하는 경우가 많은데, 중국 내 SNS는 폐쇄적인 특징을 가지고 있어, 매칭된 중국 인플루언서가 협업 콘텐츠를 발행하였을 때 브랜드사가 이를 확인하는 데 어려움을 겪을 수 있으며, 브랜드사가 중국 인플루언서의 SNS를 일일이 확인해야 하는 번거로움이 있다.

따라서, 매칭된 중국 인플루언서가 발행한 협업 콘텐츠를 플랫폼 내에서 볼 수 있도록 제공하면 브랜드사는 여러 인플루언서의 계정을 일일이 확인할 필요없이 편리하게 확인할 수 있다.

협업 콘텐츠를 플랫폼 내에서 확인할 수 있도록 제공할 때, 서버(200)는 브랜드사와 매칭된 중국 인플루언서 중 하나인 제1 중국 인플루언서에 의해 발행된 협업 콘텐츠인 제1 협업 콘텐츠와, 브랜드사와 매칭된 중국 인플루언서에 의해 발행된 모든 협업 콘텐츠를 포함하는 제2 협업 콘텐츠를 비교할 수 있다.

제1 협업 콘텐츠를 제2 협업 콘텐츠와 비교함으로써, 성과를 정량적으로 평가할 수 있고, 인플루언서의 영향력과 효과를 비교 분석할 수 있으며, 해당 비교 분석 결과를 통해 향후 마케팅 전략을 조정하고 개선할 수 있다.

먼저, S701 단계에서, 서버(200)는 제2 협업 콘텐츠의 공감 수 평균과 댓글 수의 평균을 확인할 수 있다.

구체적으로, 서버(200)는 브랜드사와 매칭된 중국 인플루언서에 의해 발행된 제2 협업 콘텐츠의 공감 수 및 댓글 수를 확인하여 공감 수 평균 및 댓글 수 평균을 확인할 수 있다.

S702 단계에서, 서버(200)는 제1 협업 콘텐츠의 공감 수 및 댓글 수를 확인할 수 있다.

구체적으로, 서버(200)는 브랜드사와 매칭된 중국 인플루언서 중 하나인 제1 중국 인플루언서에 의해 발행된 제1 협업 콘텐츠의 공감 수 및 댓글 수를 확인할 수 있다.

S703 단계에서, 서버(200)는 제2 협업 콘텐츠의 공감 수 평균과 제1 협업 콘텐츠의 공감 수를 비교할 수 있다.

서버(200)는 제2 협업 콘텐츠의 공감 수 평균과 제1 협업 콘텐츠의 공감 수를 비교함으로써 제1 협업 콘텐츠의 콘텐츠 인기도, 소비자 참여도 및 인플루언서의 영향력을 확인할 수 있다.

S704 단계에서, 서버(200)는 제2 협업 콘텐츠의 댓글 수 평균과 제1 협업 콘텐츠의 댓글 수를 비교할 수 있다.

서버(200)는 제2 협업 콘텐츠의 댓글 수 평균과 제1 협업 콘텐츠의 댓글 수를 비교함으로써 제1 협업 콘텐츠의 콘텐츠 효과, 소비자 참여도 및 인플루언서의 영향력을 확인할 수 있다.

S705 단계에서, 서버(200)는 제1 협업 콘텐츠와 제2 협업 콘텐츠의 비교에 기반하여, 플랫폼 내에서 제1 협업 콘텐츠의 테두리를 빨간색 또는 초록색으로 표시할 수 있다.

구체적으로, 서버(200)는 제1 협업 콘텐츠의 공감 수가 제2 협업 콘텐츠의 공감 수 평균 이상이면서, 제1 협업 콘텐츠의 댓글 수가 제2 협업 콘텐츠의 댓글 수 평균 이상이면, 제1 협업 콘텐츠의 테두리를 초록색으로 표시하고,

제1 협업 콘텐츠의 공감 수가 제2 협업 콘텐츠의 공감 수 평균 미만이면서, 제1 협업 콘텐츠의 댓글 수가 제2 협업 콘텐츠의 댓글 수 평균 미만이면, 제1 협업 콘텐츠의 테두리를 빨간색으로 표시할 수 있다.

테두리 색의 차이를 통해 브랜드사에서는 어떤 협업 콘텐츠가 높은 성과를 보이고 있는지 쉽게 식별할 수 있고, 협업 콘텐츠의 성능 차이를 시각적으로 강조할 수 있다.

또한, 브랜드사는 낮은 성과를 보이고 있는 협업 콘텐츠를 분석하여 어떤 측면에서 부족한지 식별하고 개선점을 찾아 향후 협업 진행 시 반영할 수 있다.

S706 단계에서, 서버(200)는 제2 협업 콘텐츠 중 하나의 콘텐츠의 공감 수 및 댓글 수 중 적어도 하나가 브랜드사에 의해 미리 설정된 목표 값에 도달하였을 경우, 목표 값에 도달된 콘텐츠를 브랜드사에 알릴 수 있다. 이때, 미리 설정된 목표 값은 실시예에 따라 상이하게 설정될 수 있다.

구체적으로, 브랜드사는 협업 진행 전 도달하고자 하는 공감 수 및 댓글 수에 대한 목표 값을 설정할 수 있다. 이후, 브랜드사와 중국 인플루언서가 매칭되어 인플루언서가 협업 콘텐츠를 발행하면, 서버(200)는 해당 콘텐츠를 모니터링하여 공감 수 및 댓글 수 중 적어도 하나가 브랜드사가 설정한 목표 값에 도달하면, 목표 값에 도달된 콘텐츠를 브랜드사에 알릴 수 있다.

이를 통해, 브랜드사는 목표 값에 도달된 콘텐츠와 해당 콘텐츠에 대한 성과 지표를 확인할 수 있다.

이때, 콘텐츠의 성과 지표는 공감 수, 댓글 수, 조회수, 공유 횟수 중 적어도 하나를 포함할 수 있다.

목표 값에 도달된 콘텐츠에 대한 성과 지표 정보를 통해, 브랜드사는 신속하게 협업 콘텐츠에 대한 성과를 측정하고 평가할 수 있으며, 효과적인 협업 콘텐츠를 식별하여 향후 협업 진행 시 진행 방향과 전략 수립에 도움을 받을 수 있다.

일실시예에 따르면, 서버(200)는 미리 설정된 적합도 이상인 해외 인플루언서들의 이미지 브랜드 적합도들-이미지 브랜드 적합도는 해외 인플루언서의 이미지 콘텐츠와 브랜드 사이의 시각적 아이덴티티 사이의 연관성을 기초로 정의된 적합도임-을 생성할 수 있다. 서버(200)는 이미지 브랜드 적합도들에 기초하여, 해외 인플루언서들 중 적어도 하나를 확인된 브랜드사와 매칭할 수 있다.

일실시예에 따르면, 서버(200)는 이미지 브랜드 적합도들을 생성할 수 있다. 서버(200)는 입력 정보에 기초하여 브랜드사의 미리 정의된 시각적 아이덴티티들-시각적 아이덴티티는 브랜드사가 아이덴티티를 시각적으로 표현하고자 정의된 정보임- 중 브랜드사의 제1 시각적 아이덴티티를 획득할 수 있다. 여기서, 시각적 아이덴티티는 브랜드사의 브랜딩을 위한 아이덴티티로서 시각적으로 표현되는 것으로 정의되며, 예를 들어 정열적임, 차가움, 고급스러움, 사랑스러움, 가족적임 및 도시적임 등을 포함할 수 있으면, 각 아이덴티티 별로 이산적인 값으로 부여될 수 있다. 여기서, 이산적인 값은 예를 들어, ID1, ID2 등으로 표현될 수 있다.

서버(200)는 브랜드사가 현재 시점으로부터 미리 정의된 과거 기간 내에 브랜딩을 위해 게재한 콘텐츠들 중 N개의 브랜드사 이미지 콘텐츠들을 획득할 수 있다. 서버(200)는 브랜드사 이미지 콘텐츠들의 픽셀들 내 대표 객체들을 추출하고, 추출된 대표 객체들의 RGB 값들을 면적 비율에 따라 가중 평균하여, 브랜드사 이미지 콘텐츠들에 대응하는 가중 평균 색상값들을 생성할 수 있다. 서버(200)는 가중 평균 색상값들에 기초하여, M개의 대표 색상들을 정의한 색상 팔레트로부터 브랜드사 이미지 콘텐츠들에 각각 대응하는 N개의 브랜드 대표 색상들을 생성할 수 있다. 서버(200)는 N개의 브랜드 대표 색상들에 기초하여, 브랜드사의 제1 브랜드 대표 색상을 생성할 수 있다.

서버(200)는 해외 인플루언서들 중 어느 하나인 제1 해외 인플루언서가 현재 시점으로부터 미리 정의된 과거 기간 내에 SNS 플랫폼에 업로드한 L개의 해외 인플루언서 이미지 콘텐츠들을 획득할 수 있다. 서버(200)는 해외 인플루언서 이미지 콘텐츠들에 대응하는 가중 평균 색상값들에 기초하여, L개의 해외 인플루언서 대표 색상들을 생성할 수 있다. 서버(200)는 L개의 해외 인플루언서 대표 색상들에 기초하여, 해외 인플루언서의 제1 해외 인플루언서 대표 색상을 생성할 수 있다.

서버(200)는 제1 브랜드 대표 색상 및 제1 해외 인플루언서 대표 색상 사이의 거리에 기초하여, 브랜드사 및 제1 해외 인플루언서 사이의 적합도를 생성할 수 있다. 여기서 브랜드 대표 색상 및 인플루언서 대표 색상은 색상들에 대응하는 0과 10 사이의 실수값으로 표현될 수 있고, 거리는 각 실수값 사이의 거리(예를 들어, 두 값의 차이의 절대값)일 수 있다.

서버(200)는 브랜드사 및 제1 해외 인플루언서 사이의 적합도를 생성할 수 있다. 서버(200)는 시각적 아이덴티티들 및 대표 색상들 사이의 상관 관계들을 기록한 데이터베이스를 조회하여, 제1 시각적 아이덴티티 및 L개의 해외 인플루언서 대표 색상들 사이의 L개의 상관 관계들을 생성할 수 있다. 여기서, 상관 관계는 -1부터 +1 사이의 실수 값으로 표현될 수 있고, -1에 가까울수록 상호간의 상관도가 없고, +1에 가까울수록 상호간의 상관도가 높은 것으로 정의될 수 있다.

서버(200)는 L개의 상관 관계들에 기초하여 브랜드사 및 제1 해외 인플루언서 사이의 시각적 아이덴티티 상관도를 생성할 수 있다. 서버(200)는 시각적 아이덴티티 상관도 및 거리에 기초하여, 브랜드사 및 제1 해외 인플루언서 사이의 적합도를 생성할 수 있다.

서버(200)는 시각적 아이덴티티 상관도 및 거리에 기초하여, 브랜드사 및 제1 해외 인플루언서 사이의 적합도를 생성할 수 있다. 서버(200)는

를 이용하여, 적합도를 생성할 수 있다.

여기서, 는 브랜드사의 제1 시각적 아이덴티티이고,

내지 는 L개의 해외 인플루언서 이미지 콘텐츠들이고,

내지 는 내지 에 각각 대응하는 L개의 해외 인플루언서 대표 색상들이고,

내지 는 와 내지 에 각각 대응하는 L개의 상관 관계들이고,

는 시각적 아이덴티티 상관도이며,

내지 는 N개의 브랜드사 이미지 콘텐츠들이고,

내지 는 내지 에 각각 대응하는 N개의 브랜드 대표 색상들이고,

는 내지 에 기초하여 생성된 제1 해외 인플루언서 대표 색상이고,

는 내지 에 기초하여 생성된 제1 브랜드 대표 색상이고,

는 거리이고,

A와 B는 미리 정의된 상수이고,

는 브랜드사 B1 및 제1 해외 인플루언서 I1 사이의 적합도이다.

서버(200)는 인플루언서 연관 크롤링 데이터 기반 브랜드사 매칭 솔루션 제공 방법을 수행하는 장치 또는 이를 수행하는 시스템 내 장치일 수 있다. 서버(200)는 해외 인플루언서의 정보를 활용하여 해외 인플루언서의 성실도를 계산할 수 있다.

서버(200)는 성실도 및 해외 인플루언서의 정보를 이용하여, 해외 인플루언서의 등급 및 유형을 결정할 수 있다. 서버(200)는 브랜드사로부터 해외 인플루언서와의 협업을 위한 입력 정보를 수신할 수 있다.

서버(200)는 입력 정보를 이용하여 브랜드사의 등급 및 유형을 결정할 수 있다. 서버(200)는 인공지능 모델에 해외 인플루언서의 등급 및 유형과 브랜드사의 등급 및 유형을 입력하여 해외 인플루언서와 브랜드사의 매칭 적합도를 확인할 수 있다.

서버(200)는 미리 설정된 적합도 이상인 해외 인플루언서와 브랜드사를 확인할 수 있다. 서버(200)는 확인된 브랜드사에 미리 설정된 적합도 이상인 확인된 해외 인플루언서를 매칭할 수 있다. 서버(200)는 성실도를 계산하는데 있어서, 해외 인플루언서의 SNS 상 콘텐츠를 크롤링한 인플루언서 연관 크롤링 데이터를 기반으로 해외 인플루언서의 타겟 구독층, 구독자 수, 조회수, 게시물 유형, 콘텐츠 업로드 주기 및 이전 협업 내역을 획득할 수 있다.

서버(200)는 미리 설정된 적합도 이상인 해외 인플루언서들의 이미지 브랜드 적합도들-이미지 브랜드 적합도는 해외 인플루언서의 이미지 콘텐츠와 브랜드 사이의 시각적 아이덴티티 사이의 연관성을 기초로 정의된 적합도임-을 생성할 수 있다. 서버(200)는 이미지 브랜드 적합도들에 기초하여, 해외 인플루언서들 중 적어도 하나를 확인된 브랜드사와 매칭할 수 있다.

서버(200)는 브랜드사 캠페인 효과의 개선을 위한 인플루언서 추천 방법을 수행하는 장치일 수 있고, 이를 수행하는 시스템 내 장치일 수 있다. 서버(200)는 해외 인플루언서의 정보를 활용하여 해외 인플루언서의 성실도를 계산할 수 있다. 서버(200)는 성실도 및 해외 인플루언서의 정보를 이용하여, 해외 인플루언서의 등급 및 유형을 결정할 수 있다. 서버(200)는 브랜드사로부터 해외 인플루언서와의 협업을 위한 입력 정보를 수신할 수 있다.

서버(200)는 입력 정보를 이용하여 브랜드사의 등급 및 유형을 결정할 수 있다. 서버(200)는 인공지능 모델에 해외 인플루언서의 등급 및 유형과 브랜드사의 등급 및 유형을 입력하여 해외 인플루언서와 브랜드사의 매칭 적합도를 확인할 수 있다. 서버(200)는 매칭 적합도에 기초하여 해외 인플루언서와 브랜드사를 매칭하여, 브랜드사 캠페인 효과의 개선을 위한 인플루언서를 추천할 수 있다.

서버(200)는 해외 인플루언서와 브랜드사를 매칭할 수 있고, 이를 위해 미리 설정된 적합도 이상인 해외 인플루언서와 브랜드사를 확인하고, 확인된 브랜드사에 미리 설정된 적합도 이상인 확인된 해외 인플루언서를 매칭할 수 있다.

서버(200)는 브랜드사로부터 해외 인플루언서와의 협업을 위한 입력 정보를 수신할 수 있고, 브랜드사로부터 브랜드사 캠페인 효과의 개선을 위한 캠페인 입력 정보에 기초하여 해외 인플루언서와의 협업을 위한 입력 정보를 수신하여, 브랜드사 캠페인 효과의 개선을 위한 인플루언서를 추천할 수 있다.

도 8은 일실시예에 따른 서버의 구성의 예시도이다.

일실시예에 따른 서버(200)는 프로세서(210) 및 메모리(220)를 포함한다. 프로세서(210)는 도 1 내지 도 7을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 7을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 서버(200)를 이용하는 자 또는 단체는 도 1 내지 도 7을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.

메모리(220)는 전술된 방법들과 관련된 정보를 저장하거나 전술된 방법들을 구현하는 프로그램을 저장할 수 있다. 메모리(220)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(210)는 프로그램을 실행하고, 서버(200)를 제어할 수 있다. 프로세서(210)에 의하여 실행되는 프로그램의 코드는 메모리(220)에 저장될 수 있다. 서버(200)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 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.

100: 브랜드사의 단말
200: 서버

Claims

서버를 통해 인공지능 모델을 활용하여 인플루언서 및 브랜드사를 매칭하는 방법으로서,
인플루언서와 브랜드사의 매칭 이력으로부터 매칭된 상기 인플루언서의 정보와 상기 브랜드사의 정보를 이용하여 상기 인플루언서와 상기 브랜드사의 매칭 적합도를 산출하는 인공지능 모델을 학습시키는 단계;
해외 인플루언서의 정보를 활용하여 상기 해외 인플루언서의 타겟 구독층, 구독자 수, 조회수, 게시물 유형, 콘텐츠 업로드 주기 및 이전 협업 내역을 이용하여 성실도를 계산하는 단계;
상기 성실도 및 상기 해외 인플루언서의 정보를 이용하여, 상기 해외 인플루언서의 등급 및 유형을 결정하는 단계;
브랜드사로부터 상기 해외 인플루언서와의 협업을 위한 입력 정보를 수신하는 단계;
상기 입력 정보를 이용하여 상기 브랜드사의 등급 및 유형을 결정하는 단계;
상기 인공지능 모델에 상기 해외 인플루언서의 등급 및 유형과 상기 브랜드사의 등급 및 유형을 입력하여 상기 해외 인플루언서와 상기 브랜드사의 매칭 적합도를 확인하는 단계;
미리 설정된 적합도 이상인 해외 인플루언서와 브랜드사를 확인하는 단계; 및
상기 확인된 브랜드사에 상기 미리 설정된 적합도 이상인 상기 확인된 해외 인플루언서의 정보를 송신하는 단계;를 포함하고,
브랜드사와의 매칭에 활용될 해외 인플루언서를 선정하는 단계;를 더 포함하고,
상기 해외 인플루언서를 선정하는 단계는
네트워크 통계 데이터로부터 제1 국가 사용자들이 다른 나라의 사용자보다 많이 접속하는 제1 SNS 서비스와 상기 제1 국가 사용자들이 다른 나라의 사용자보다 많이 접속하지 않는 제2 SNS 서비스를 각각 확인하는 단계;
상기 제1 SNS 서비스에서 활동하는 사용자 중 구독자 수가 미리 설정된 기준 이상인 사용자를 후보 인플루언서로 선정하는 단계;
상기 후보 인플루언서가 상기 제2 SNS 서비스에서 활동하는지 확인하는 단계;
상기 후보 인플루언서가 상기 제2 SNS 서비스에서 활동하는 경우, 상기 제2 SNS 서비스에서의 구독자를 확인하는 단계; 및
상기 확인된 구독자가 미리 설정된 기준 이하인 후보 인플루언서를 해외 인플루언서로 선정하는 단계를 포함하는,
인공지능 모델을 활용한 인플루언서 및 브랜드사 간의 매칭 및 큐레이션 플랫폼 서비스 제공 방법.
제1항에 있어서,
상기 브랜드사와 매칭된 해외 인플루언서가 협업 콘텐츠를 발행하면, 해외 SNS서버로부터, 상기 협업 콘텐츠를 크롤링하여 데이터를 수집하는 단계;를 더 포함하고,
상기 협업 콘텐츠를 크롤링하여 데이터를 수집하는 단계는
상기 협업 콘텐츠의 조회수, 판매량, 공감 수, 댓글 수 중 적어도 하나를 포함하는 수집 데이터를 이용하여 상기 브랜드사가 플랫폼 내에서 상기 협업 콘텐츠의 추이를 모니터링할 수 있도록 시계열 그래프를 생성하는 단계를 포함하되,
상기 시계열 그래프는,
x축에 시간이 출력되고, y축에 상기 조회수 및 상기 판매량이 출력되는 제1 그래프와, x축에 시간이 출력되고, y축에 상기 공감 수 및 상기 댓글 수가 출력되는 제2 그래프를 포함하는,
인공지능 모델을 활용한 인플루언서 및 브랜드사 간의 매칭 및 큐레이션 플랫폼 서비스 제공 방법.
삭제