KR102652612B1 - Big Data-Based Advertising Strategy Generation System - Google Patents
Big Data-Based Advertising Strategy Generation System Download PDFInfo
- Publication number
- KR102652612B1 KR102652612B1 KR1020230128629A KR20230128629A KR102652612B1 KR 102652612 B1 KR102652612 B1 KR 102652612B1 KR 1020230128629 A KR1020230128629 A KR 1020230128629A KR 20230128629 A KR20230128629 A KR 20230128629A KR 102652612 B1 KR102652612 B1 KR 102652612B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- advertising
- advertising strategy
- sampling
- strategy
- Prior art date
Links
- 238000005070 sampling Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000007405 data analysis Methods 0.000 claims abstract description 14
- 238000007418 data mining Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000008451 emotion Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 빅데이터 기반 광고 전략 생성 시스템에 관한 것으로, 구체적으로는 의뢰광고와 연관된 광고데이터를 샘플링하여 연관성데이터를 생성하고, 생성된 샘플링데이터를 빅데이터 분석기법 중 하나인 데이터마이닝 기법에 따라 분석함으로서 광고전략을 제시하기 위한 것이다.
본 발명은 의뢰광고와 연관된 광고데이터를 샘플링하여 연관성데이터를 생성하고, 생성된 샘플링데이터를 빅데이터 분석기법 중 하나인 데이터마이닝 기법에 따라 분석함으로서 의뢰인에게 효과적인 광고전략을 제시함으로서 광고를 통해 구매전환율을 높일 수 있는 효과를 누릴 수 있다.The present invention relates to a big data-based advertising strategy generation system. Specifically, it generates relevance data by sampling advertising data related to a requested advertisement, and analyzes the generated sampling data according to a data mining technique, which is one of the big data analysis techniques. This is to present an advertising strategy.
The present invention generates relevance data by sampling advertising data related to the requested advertisement, and analyzes the generated sampling data according to a data mining technique, one of the big data analysis techniques, to present an effective advertising strategy to the client, thereby increasing the purchase conversion rate through advertising. You can enjoy the effect of increasing .
Description
본 발명은 빅데이터 기반 광고 전략 생성 시스템에 관한 것으로, 구체적으로는 의뢰광고와 연관된 광고데이터를 샘플링하여 연관성데이터를 생성하고, 생성된 샘플링데이터를 빅데이터 분석기법 중 하나인 데이터마이닝 기법에 따라 분석함으로서 광고전략을 제시하기 위한 것이다.The present invention relates to a big data-based advertising strategy generation system. Specifically, it generates relevance data by sampling advertising data related to a requested advertisement, and analyzes the generated sampling data according to a data mining technique, which is one of the big data analysis techniques. This is to present an advertising strategy.
데이터란 기존 데이터의 수집, 저장, 관리, 분석 역량을 넘어서는 데이터 세트를 의미한다. 빅 데이터는 정형화 정도에 따라 정형 데이터, 반정형 데이터, 및 비정형 데이터로 분류될 수 있다. 정형 데이터(structured data)는 고정된 필드에 저장되는 데이터를 말한다. 즉, 일정한 형식을 갖추고 저장되는 데이터를 말한다. 반정형 데이터(semi-structured data)는 고정된 필드에 저장되어 있지는 않지만, 메타데이터 나 스키마를 포함하는 데이터를 말한다. 반정형 데이터로는 XML(Extensible Mark-up Language) 및 HTML(Hypertext Mark-up Language)을 예로 들 수 있다. 비정형 데이터(unstructured data)는 고정된 필드에 저 장되어 있지 않은 데이터를 말한다. 비정형 데이터로는 텍스트 문서, 이미지 데이터, 동영상 데이터, 및 음성 데이터를 예로 들 수 있다. Data refers to a data set that exceeds existing data collection, storage, management, and analysis capabilities. Big data can be classified into structured data, semi-structured data, and unstructured data depending on the degree of formalization. Structured data refers to data stored in fixed fields. In other words, it refers to data that is stored in a certain format. Semi-structured data refers to data that is not stored in fixed fields, but includes metadata or schema. Examples of semi-structured data include Extensible Mark-up Language (XML) and Hypertext Mark-up Language (HTML). Unstructured data refers to data that is not stored in fixed fields. Examples of unstructured data include text documents, image data, video data, and voice data.
한국등록특허공보 제10-2042047호는 온라인상에서 정보 공유를 통해 빅데이터를 구축할 수 있도록 업무적으로 제휴된 온라인 쇼핑몰들의 운영서버에 접속하여 상기 온라인 쇼핑몰에 가입된 회원의 정형 정보 및 비정형 정보를 수집하고, 상기 온라인 쇼핑몰에서 판매 중인 판매상품의 상품 정보를 운영서버로부터 수집하며, 상기 운영서버를 통해 온라인 쇼핑몰에서 판매하는 상품류 정보를 수집하는 수집부;상기 수집부를 통해 수집된 정형 정보와 비정형 정보를 연관된 상품별로 분류하여 저장하는 상품 데이터베이스와, 각 온라인 쇼핑몰별로 수집된 상품 정보를 온라인 쇼핑몰별로 분류하여 저장하는 쇼핑몰 데이터베이스가 구비된 저장부;상기 비정형 정보를 생성한 회원의 정형 데이터를 분석하여 상품별로 관심도가 높은 연령대 및 성별을 상기 상품 데이터베이스로부터 추출하고, 상기 연령대 및 성별을 기반으로 상품별 광고의 타겟 대상이 지정된 광고대상정보를 생성하며, 상기 광고대상 정보가 생성된 상품을 판매상품으로 하는 제1 온라인 쇼핑몰을 상기 쇼핑몰 데이터베이스로부터 추출하여 상기 제1 온라인 쇼핑몰의 운영서버로 광고대상 정보를 전송하는 광고대상 선정부;온라인 쇼핑몰별로 경쟁력을 향상시키기 위해 제1 온라인 쇼핑몰에서 판매 중인 판매상품을 다른 온라인 쇼핑몰에서 판매 중인 판매상품과 비교하여 가격 경쟁력이 있는 상품을 마케팅 강화 상품으로 선정하여 상기 제1 온라인 쇼핑몰의 운영서버에 전송하는 핵심상품 선정부; 및상기 수집부를 통해 수집된 정형 정보와 비정형 정보를 분석하여 기 설정된 기준 이상의 관심도를 갖는 상품을추천상품으로 추출하고, 상기 쇼핑몰 데이터베이스를 분석하여 상기 추천상품의 상품 정보가 저장되지 않은 제2온라인 쇼핑몰을 추출하며, 상기 제2 온라인 쇼핑몰 중 상기 추천상품과 매칭된 상품류 정보가 수집된 제3 온라인 쇼핑몰의 운영서버에 상기 추천상품의 상품 정보를 제공하는 구매상품 추천부를 포함하며,상기 정형 정보는 회원 가입 시 입력된 회원정보를 포함하며, 상기 비정형 정보는 장바구니에 저장된 상품정보, 온라인 쇼핑몰의 상품 페이지 접속정보, 온라인 쇼핑몰에 입력한 검색 키워드 정보 중 어느 하나 이상을포함하며,상기 수집부는 메타데이터에 설정된 탐색 기준에 따라 정보를 탐색하도록 하는 수집 관리모듈과, 상기 수집 관리모듈의 요청에 따라 설정된 온라인 쇼핑몰에 접속하여 정보를 탐색하는 정보 탐색모듈과, 상기 정보 탐색모듈에 의해 탐색된 정보를 해당 온라인 쇼핑몰의 특성을 고려하여 파싱한 후 관계성이 정의된 항목들을 기준으로 포맷을 변환하는 데이터 생성모듈과, 상기 데이터 생성모듈이 생성한 정보를 저장부에 제공하는 데이터 제공모듈을 포함하는 것을 특징으로 하는 빅데이터를 이용한 마케팅 서비스 시스템에 관한 것이다.Korean Patent Publication No. 10-2042047 provides structured and unstructured information of members registered with online shopping malls by accessing the operating servers of business-affiliated online shopping malls to build big data through information sharing online. A collection unit that collects and collects product information of products sold in the online shopping mall from an operation server, and collects product information sold in the online shopping mall through the operation server; Structured information and unstructured information collected through the collection unit A storage unit equipped with a product database that classifies and stores information by related products, and a shopping mall database that categorizes and stores product information collected by each online shopping mall; Analyzes the structured data of members who generated the unstructured information The age group and gender with high interest for each product are extracted from the product database, advertising target information for each product is created based on the age group and gender, and the product for which the advertising target information is created is sold as a sales product. An advertising target selection unit that extracts a first online shopping mall from the shopping mall database and transmits advertising target information to an operation server of the first online shopping mall; To improve competitiveness for each online shopping mall, products sold in the first online shopping mall are selected from other online shopping malls. A core product selection unit that selects products with price competitiveness compared to products being sold in an online shopping mall as marketing-enhanced products and transmits them to the operation server of the first online shopping mall; and a second online shopping mall in which the product information of the recommended product is not stored by analyzing the shopping mall database by analyzing the structured and unstructured information collected through the collection unit to extract products with a level of interest higher than a preset standard as recommended products. and a purchase product recommendation unit that provides product information of the recommended product to an operation server of a third online shopping mall where product information matching the recommended product is collected among the second online shopping mall, and the structured information includes It includes member information entered when registering as a member, and the unstructured information includes one or more of product information stored in the shopping cart, product page access information in the online shopping mall, and search keyword information entered in the online shopping mall, and the collection unit collects metadata. A collection management module that searches for information according to the search criteria set in, an information search module that searches for information by accessing an online shopping mall set according to the request of the collection management module, and the information searched by the information search module It includes a data generation module that converts the format based on items with defined relationships after parsing them in consideration of the characteristics of the online shopping mall, and a data provision module that provides the information generated by the data generation module to a storage unit. It is about a marketing service system using big data.
하지만 데이터를 분석하는 것에만 그치고 효율적인 광고전략을 제시하는 것이 미흡한 실정이다.However, it is insufficient to only analyze data and suggest efficient advertising strategies.
본 발명은 의뢰광고와 연관된 광고데이터를 샘플링하여 연관성데이터를 생성하고, 생성된 샘플링데이터를 빅데이터 분석기법 중 하나인 데이터마이닝 기법에 따라 분석함으로서 의뢰인에게 효과적인 광고전략을 제시하는 것이 목적이다.The purpose of the present invention is to present an effective advertising strategy to the client by sampling advertising data related to the requested advertisement to generate relevance data and analyzing the generated sampling data according to a data mining technique, one of the big data analysis techniques.
상기와 같은 문제를 해결하기 위해 본 발명은 다수의 사이트로부터 광고데이터를 수집하여 빅데이터를 구축하고, 의뢰광고와 연관된 광고데이터를 샘플링하여 연관성데이터를 생성하고, 생성된 샘플링데이터를 빅데이터 분석기법에 따라 분석하기 위한 광고분석부(100)와, 광고분석부(100)를 통해 분석된 정보를 토대로 광고전략을 산출하기 위한 광고전략제공부(200)를 포함하는 것을 특징으로 하는 빅데이터 기반 광고 전략 생성 시스템을 제공한다.In order to solve the above problems, the present invention collects advertising data from multiple sites to build big data, samples advertising data related to the requested advertisement to generate relevance data, and uses the generated sampling data as a big data analysis technique. Big data-based advertising comprising an advertising analysis unit 100 for analysis according to the advertising analysis unit 100 and an advertising strategy provision unit 200 for calculating an advertising strategy based on the information analyzed through the advertising analysis unit 100. Provides a strategy creation system.
본 발명은 의뢰광고와 연관된 광고데이터를 샘플링하여 연관성데이터를 생성하고, 생성된 샘플링데이터를 빅데이터 분석기법 중 하나인 데이터마이닝 기법에 따라 분석함으로서 의뢰인에게 효과적인 광고전략을 제시함으로서 광고를 통해 구매전환율을 높일 수 있는 효과를 누릴 수 있다.The present invention generates relevance data by sampling advertising data related to the requested advertisement, and analyzes the generated sampling data according to a data mining technique, one of the big data analysis techniques, to present an effective advertising strategy to the client, thereby increasing the purchase conversion rate through advertising. You can enjoy the effect of increasing .
도 1은 본 발명의 전체적인 구성을 나타낸 도면이다.
도 2는 본 발명의 설명을 위한 도면이다.
도 3은 본 발명의 광고분석부(100)의 구성을 나타낸 블록도이다.
도 4는 본 발명의 광고전략제공부(200)의 구성을 나타낸 블록도이다.1 is a diagram showing the overall configuration of the present invention.
Figure 2 is a diagram for explaining the present invention.
Figure 3 is a block diagram showing the configuration of the advertising analysis unit 100 of the present invention.
Figure 4 is a block diagram showing the configuration of the advertising strategy providing unit 200 of the present invention.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.Terms or words used in this specification and claims should not be construed as limited to their usual or dictionary meanings, and the inventor may appropriately define the concept of terms to explain his or her invention in the best way. It must be interpreted as meaning and concept consistent with the technical idea of the present invention based on principles.
이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the attached drawings.
사용자 디바이스와 서버 간의 데이터 송수신을 위해 네트워크를 이용할 수 있으며 상기 네트워크의 종류는 특별히 제한되지 않는다. 상기 네트워크는 예를 들어, 인터넷 프로토콜(IP)을 통하여 대용량 데이터의 송수신 서비스를 제공하는 아이피(IP: Internet Protocol)망 또는 서로 다른 IP 망을 통합한 올아이피(All IP) 망 일 수 있다. 또한, 상기 네트워크는 유선망, Wibro(Wireless Broadband)망, WCDMA를 포함하는 이동통신망, HSDPA(High Speed Downlink Packet Access)망 및 LTE(Long Term Evolution) 망을 포함하는 이동통신망, LTE advanced(LTE-A), 5G(Five Generation)를 포함하는 이동통신망, 위성 통신망 및 와이파이(WiFi)망 중 하나 이거나 또는 이들 중 적어도 하나 이상을 결합하여 이루어질 수 있다.A network can be used to transmit and receive data between a user device and a server, and the type of network is not particularly limited. For example, the network may be an IP (Internet Protocol) network that provides large data transmission and reception services through the Internet Protocol (IP), or an All IP network that integrates different IP networks. In addition, the network includes a wired network, a Wibro (Wireless Broadband) network, a mobile communication network including WCDMA, a mobile communication network including a HSDPA (High Speed Downlink Packet Access) network and an LTE (Long Term Evolution) network, and LTE advanced (LTE-A). ), a mobile communication network including 5G (Five Generation), a satellite communication network, and a Wi-Fi network, or a combination of at least one of these.
본 발명은 빅데이터 기반 광고 전략 생성 시스템에 관한 것으로, 구체적으로는 의뢰광고와 연관된 광고데이터를 샘플링하여 연관성데이터를 생성하고, 생성된 샘플링데이터를 빅데이터 분석기법 중 하나인 데이터마이닝 기법에 따라 분석함으로서 광고전략을 제시하기 위한 것이다.The present invention relates to a big data-based advertising strategy generation system. Specifically, it generates relevance data by sampling advertising data related to a requested advertisement, and analyzes the generated sampling data according to a data mining technique, which is one of the big data analysis techniques. This is to present an advertising strategy.
도 1를 참고하면 본 발명은 광고분석부(100), 광고전략제공부(200)로 구성된다.Referring to Figure 1, the present invention consists of an advertising analysis unit 100 and an advertising strategy provision unit 200.
각 구성요소를 구체적으로 설명하면 다음과 같다.Each component is described in detail as follows.
광고분석부(100)는 다수의 사이트로부터 광고데이터를 수집하여 빅데이터를 구축하고, 의뢰광고와 연관된 광고데이터를 샘플링하여 연관성데이터를 생성하고, 생성된 샘플링데이터를 빅데이터 분석기법에 따라 분석하기 위한 것이다.The advertising analysis unit 100 collects advertising data from multiple sites to build big data, generates relevance data by sampling advertising data related to the requested advertisement, and analyzes the generated sampling data according to big data analysis techniques. It is for.
즉 도 2와 같이 다수의 사이트(1)로부터 본 발명의 시스템(2)으로 광고데이터를 수집하는 것이다.That is, as shown in Figure 2, advertising data is collected from multiple sites (1) using the system (2) of the present invention.
도 3을 참고하면 광고분석부(100)는 광고데이터수집부(110), 연관성데이터샘플링부(120), 샘플링데이터특성추출부(130)를 포함하여 구성된다.Referring to FIG. 3, the advertising analysis unit 100 includes an advertising data collection unit 110, a correlation data sampling unit 120, and a sampling data characteristic extraction unit 130.
광고데이터수집부(110)는 다수의 사이트로부터 광고데이터를 수집하여 빅데이터를 구축하기 위한 것이다.The advertising data collection unit 110 is used to collect advertising data from multiple sites and build big data.
상기 광고데이터는 분석대상광고의 키워드 검색량, 광고발행량 등을 포함하는 데이터이다.The advertising data is data including keyword search volume and advertisement issuance volume of the advertisement to be analyzed.
또한 상기 광고데이터는 정형데이터와 비정형데이터를 연관된 광고별로 분류하여 저장될 수 있다. 즉 SNS에서 정량화할 수 있는 사람들과의 관계나 접속 횟수 등은 정형 데이터이지만, 텍스트나 동영상 등으로 공유 하는 내용들은 모두 비정형 데이터이다.Additionally, the advertising data may be stored by classifying structured data and unstructured data into related advertisements. In other words, quantifiable relationships with people and number of connections on SNS are structured data, but all content shared through text or video is unstructured data.
샘플링데이터특성추출부(130)를 통해 수행될 빅데이터 분석기법에 따라, 광고데이터수집부(110)는 구체적으로는 인공지능에 기반하여 데이터 마이닝을 수행하기 위해 요구되는 각종 데이터를 수신할 수 있다. According to the big data analysis technique to be performed through the sampling data characteristic extraction unit 130, the advertising data collection unit 110 can specifically receive various data required to perform data mining based on artificial intelligence. .
예를 들면 데이터 마이닝 분석에 요구되는 데이터들은 광고데이터 외에 사이트의 회원의 SNS 게시물, 댓글, 구매자와의 대화 내역 등이 포함될 수 있으며, 사전에 설정된 기준값 이상의 화제성(예, 조회수, 댓글수, 팔로워 수 등을 기반으로 판단될 수 있음)을 갖는 SNS 계정 또는 SNS 게시물 정보, 포털사이트의 실시간 검색어, 뉴스 기사, 방송 클립 등의 정보를 포함할 수 있다.For example, the data required for data mining analysis may include, in addition to advertising data, site members' SNS posts, comments, conversation history with buyers, etc., and topicality exceeding a pre-set standard (e.g., number of views, number of comments, followers). It may include information such as SNS account or SNS post information, real-time search terms on portal sites, news articles, broadcast clips, etc. (may be judged based on number, etc.).
연관성데이터샘플링부(120)는 의뢰단말기(1)로부터 의뢰정보가 전송되면 의뢰광고와 연관된 광고데이터를 샘플링하여 연관성데이터를 생성하기 위한 것이다.The relevance data sampling unit 120 is for generating relevance data by sampling advertising data associated with the requested advertisement when request information is transmitted from the requesting terminal 1.
연관성데이터샘플링부(120)는 의뢰광고에서 의뢰한 항목별로 항목 기반 연관성 분석을 포함한 분석방법을 통하여 연관성이 높은 샘플링데이터를 생성할 수 있다.The relevance data sampling unit 120 can generate highly relevant sampling data through an analysis method including item-based correlation analysis for each item requested in the requested advertisement.
분석방법으로는 다양한 분석 프로세스들을 이용할 수 있으며 정형, 비정형의 연계분석, 통계분석, 텍스트 분석, 기계학습, 배치 분석, 데이터연관 관계 파악, 패턴 추출, 랭킹, 이슈 분석, 시기 분석, 연관어 분석, 상관 분석, 회귀 분석 등의 분석방법을 이용할 수 있다.Various analysis processes can be used as analysis methods, including structured and unstructured linkage analysis, statistical analysis, text analysis, machine learning, batch analysis, data correlation identification, pattern extraction, ranking, issue analysis, timing analysis, related word analysis, Analysis methods such as correlation analysis and regression analysis can be used.
상기 연관성데이터샘플링부(120)는 생성된 샘플링데이터가 의뢰인이 요청한 의뢰정보와 어느 정도 연관성이 있는지 여부를 판단하기 위해 [수학식 1]을 통하여 샘플링데이터연관도를 계산할 수 있다.The correlation data sampling unit 120 may calculate the sampling data correlation using [Equation 1] to determine whether the generated sampling data is related to the request information requested by the client.
(여기서, M은 샘플링데이터연관도, N은 의뢰정보의 총 항목수, V는 샘플링데이터 내의 총 항목수, Fa는 의뢰정보와 샘플링데이터의 각 항목별을 1대 1 매칭하여 비교한 값의 일치범위 내 개수, Fs는 의뢰정보와 샘플링데이터의 각 항목별을 1대 1 매칭하여 비교한 값의 유사범위 내 개수, Yc는 c번째 항목의 광고연관성계수, l는 1대 1 매칭한 항목 총 개수를 의미한다)(Here, M is the sampling data correlation, N is the total number of items in the request information, V is the total number of items in the sampling data, and Fa is the match between the values compared by one-to-one matching of each item of the request information and sampling data. Number within the range, Fs is the number within a similar range of values compared by matching each item of request information and sampling data 1:1, Yc is the advertising correlation coefficient of the cth item, l is the total number of items matched 1:1 means)
의뢰정보의 총 항목수는 의뢰를 받기 전에 사전에 정해진 항목의 총 개수일 수도 있고, 의뢰자가 자유롭게 입력하는 의뢰정보의 항목수일 수도 있으나 바람직하게는 값의 정확성을 위해 사전에 정해진 항목수이며, 샘플링데이터를 추출하기 위한 항목과 일치 또는 유사한 항목별로 의뢰정보를 획득하는 것이 바람직하다.The total number of items of request information may be the total number of items pre-determined before receiving the request, or it may be the number of items of request information freely entered by the requester, but is preferably the number of items determined in advance for the accuracy of the value, and is preferably sampled. It is desirable to obtain request information for each item that matches or is similar to the item for data extraction.
샘플링데이터 내의 총 항목수는 의뢰정보의 총 항목수와 일치할 수도 있으며, 일치하지 않을 수도 있다.The total number of items in the sampling data may or may not match the total number of items in the request information.
의뢰정보와 샘플링데이터의 각 항목별을 1대 1 매칭하여 비교한 값의 일치범위 내 개수는 샘플링데이터 내에서 의뢰정보에 일치 또는 유사한 항목만을 추출한 후 의뢰정보 내의 항목과 1대 1 매칭하여 값을 비교할 수 있다.The number within the matching range of values compared by one-to-one matching of each item of request information and sampling data is determined by extracting only items that match or are similar to the request information from the sampling data and then matching them one-to-one with the items in the request information. You can compare.
예를 들어 의뢰정보의 항목 중 "필수키워드정보"가 있을 경우 샘플링데이터 내의 항목에서도 "키워드정보"를 가져와서 의뢰인이 입력한 필수키워드정보와 샘플링데이터 내의 항목에서 불러온 키워드정보가 일치범위 내에 있는지 여부를 판단할 수 있다. 일치범위 내라고 함은 같은 의미이나 다른 단어를 선택하여 기재한 경우, 오탈자 등의 범위를 포함하는 것이다.For example, if there is "required keyword information" among the items in the request information, "keyword information" is also retrieved from the items in the sampling data to check whether the required keyword information entered by the client and the keyword information retrieved from the items in the sampling data are within the matching range. You can judge whether or not. Within the range of agreement includes the range of typos, etc., when words with the same meaning but different ones are selected and written.
의뢰정보와 샘플링데이터의 각 항목별을 1대 1 매칭하여 비교한 값의 유사범위 내 개수는 샘플링데이터 내에서 의뢰정보에 일치 또는 유사한 항목만을 추출한 후 의뢰정보 내의 항목과 1대 1 매칭하여 값을 비교할 수 있다.The number within the similar range of values compared by matching each item of the request information and sampling data one-to-one is extracted from the sampling data only for items that match or are similar to the request information and then match the value one-to-one with the items in the request information. You can compare.
예를 들어 의뢰정보의 항목 중 "필수키워드정보"가 있을 경우 샘플링데이터 내의 항목에서도 "키워드정보"를 가져와서 의뢰인이 입력한 필수키워드정보와 샘플링데이터 내의 항목에서 불러온 키워드정보가 유사범위 내에 있는지 여부를 판단할 수 있다. 유사범위 내라고 함은 유사한 의미를 가진 키워드를 선택하여 기재한 경우 등을 포함하는 것이다.For example, if there is "required keyword information" among the items in the request information, "keyword information" is also retrieved from the items in the sampling data to check whether the required keyword information entered by the client and the keyword information retrieved from the items in the sampling data are within a similar range. You can judge whether or not. Within a similar range includes cases where keywords with similar meanings are selected and described.
각 항목의 광고연관성계수는 광고대상에 따라 부여된 각 항목의 광고연관성계수로서 의뢰자를 통해 사전에 입력받은 광고상품 별로 광고에 영향을 미치는 항목이 다르기 때문에 각 항목에 대한 광고연관성계수가 다르게 부여될 수 있다.The advertising relevance coefficient of each item is the advertising relevance coefficient of each item assigned according to the advertising target. Since the items affecting the advertisement are different for each advertising product entered in advance through the requester, the advertising correlation coefficient for each item may be assigned differently. You can.
예를 들면 화장품의 경우 연령대와 성별에 크게 좌우될 수 있기 때문에 의뢰정보의 항목과 샘플링정보의 항목 중 연령대정보에 대한 광고연관성계수가 타 항목에 비해 큰 값을 가지도록 설정될 수 있다.For example, in the case of cosmetics, because it can be greatly influenced by age and gender, the advertising correlation coefficient for age information among request information items and sampling information items can be set to have a larger value than other items.
예를 들면 의뢰인이 화장품광고를 위해 입력한 의뢰정보의 각 항목이 홍보필수포함단어, 타겟연령대, 타겟성별, 홍보주요플랫폼을 포함한 항목이고, 수집된 샘플링데이터의 항목도 동일한 항목이며, 의뢰정보와 샘플링데이터의 각 항목별을 1대 1 매칭하여 비교한 값의 일치범위 내 개수는 2개, Fs는 의뢰정보와 샘플링데이터의 각 항목별을 1대 1 매칭하여 비교한 값의 유사범위 내 개수는 1개, 홍보필수포함단어에 대한 광고연관성계수는 3, 타겟연령대에 대한 광고연관성계수는 6, 타겟성별에 대한 광고연관성계수는 10, 홍포주요플랫폼에 대한 광고연관성계수는 4인 경우 샘플링데이터연관도는 다음과 같이 5.875로 계산된다.For example, each item of request information entered by the client for cosmetics advertising includes essential promotional words, target age group, target gender, and major promotional platforms, and the collected sampling data items are the same, and the request information and The number of values within the matching range of the values compared by matching each item of the sampling data one-to-one is 2, and Fs is the number of values within the similar range of the values compared by matching each item of the request information and sampling data one-to-one. 1, the advertising relevance coefficient for the words included in required promotion is 3, the advertisement relevance coefficient for the target age group is 6, the advertisement correlation coefficient for the target gender is 10, and the advertisement correlation coefficient for Hongpo major platform is 4, the sampling data is related. The degree is calculated as 5.875 as follows:
이의 값은 비교하는 전체 항목수가 많아질수록 연관도가 떨어질 확률이 높을수도 있으며, 매칭 일치범위 개수가 많을수록, 광고연관성계수가 높을수록 샘플링데이터연관도가 높게 나타날 수 있다.As for this value, the greater the total number of items being compared, the higher the probability that the correlation will decrease. The greater the number of matching match ranges and the higher the advertising correlation coefficient, the higher the sampling data correlation may appear.
샘플링데이터특성추출부(130)는 생성된 샘플링데이터를 빅데이터 분석기법에 따라 분석하기 위한 것이다.The sampling data characteristic extraction unit 130 is for analyzing the generated sampling data according to big data analysis techniques.
상기 빅데이터 분석기법으로는 데이터마이닝에 기반하여 분석되는 것이 바람직하며, 이의 기법으로 샘플링데이터를 분석함으로서 샘플링데이터특성데이터를 추출할 수 있다.The big data analysis technique is preferably based on data mining, and sampling data characteristic data can be extracted by analyzing sampling data using this technique.
이 외에 빅 데이터 분석 기술로는 텍스트 마이닝(text mining), 평판 분석(opinion mining), 소셜 네트워크 분석, 군집 분석(cluster analysis), 신경망 분석(neural network analysis), 및 마코브 모델(markov model)을 예로 들 수 있으나, 예시된 분석 기술들로 한정되는 것은 아니다. In addition, big data analysis technologies include text mining, reputation analysis, social network analysis, cluster analysis, neural network analysis, and Markov model. Examples may be given, but are not limited to the exemplified analysis techniques.
광고전략제공부(200)는 광고분석부(100)를 통해 분석된 정보를 토대로 광고전략을 산출하기 위한 것이다.The advertising strategy provision unit 200 is for calculating an advertising strategy based on the information analyzed through the advertising analysis unit 100.
도 4를 참고하면 광고전략제공부(200)는 광고전략데이터생성부(210), 광고전략데이터추천부(220)를 포함한다.Referring to FIG. 4, the advertising strategy providing unit 200 includes an advertising strategy data generating unit 210 and an advertising strategy data recommending unit 220.
광고전략데이터생성부(210)는 샘플링데이터특성추출부(130)를 통해 분석된 샘플링데이터특성데이터를 제공받고 광고전략데이터를 기설정된 광고콘텐츠 포맷에 대응시키어 광고전략데이터를 생성하기 위한 것이다.The advertising strategy data generation unit 210 is provided with sampling data characteristic data analyzed through the sampling data characteristic extraction unit 130 and generates advertising strategy data by matching the advertising strategy data to a preset advertising content format.
광고전략데이터추천부(220)는 생성된 광고전략데이터의 우선순위에 따라 광고전략데이터를 추천하기 위한 것이다.The advertising strategy data recommendation unit 220 is for recommending advertising strategy data according to the priority of the generated advertising strategy data.
상기 광고전략데이터추천부(220)는 광고전략데이터생성부(210)를 통해 생성된 소정 개수의 광고전략데이터의 우선순위를 판단하기 위해 임의로 선별된 실험집단을 통하여 [수학식 2]을 통하여 광고전략데이터추천수치를 계산할 수 있다.The advertising strategy data recommendation unit 220 recommends advertising through [Equation 2] through a randomly selected experimental group in order to determine the priority of a predetermined number of advertising strategy data generated through the advertising strategy data generation unit 210. Strategic data recommendation values can be calculated.
좀 더 명확히 말하면 광고전략데이터생성부(210)를 통해 생성된 소정 개수의 광고전략데이터를 토대로 임의로 제작된 광고들을 선별된 실험집단에게 제공되는 것이 바람직하다.To be more specific, it is desirable that advertisements randomly produced based on a predetermined number of advertisement strategy data generated through the advertisement strategy data generation unit 210 be provided to a selected experimental group.
이는 보다 더 효과적인 광고전략데이터를 추천하도록 하기 위한 것으로 타겟 층(나이, 성별 등)이 있을 경우 타겟층의 실험 집단을 임의로 선별하거나, 타겟층이 없을 경우 수치의 신뢰도를 위해 다양한 실험 집단을 모집할 수 있다.This is to recommend more effective advertising strategy data. If there is a target group (age, gender, etc.), the experimental group of the target group can be randomly selected, or if there is no target group, various experimental groups can be recruited for the reliability of the numbers. .
(여기서, Ki는 i번째의 광고전략데이터추천수치, Gi는 i번째 광고전략데이터의 호감도평가수치평균값, Ri는 i번째 광고전략데이터의 감정측정수치평균값, P는 전체 실험집단의 인원수, Z는 i번째 광고전략데이터에 기설정된 시간 이상 체류한 실험집단의 인원수이다.)(Here, Ki is the i-th advertising strategy data recommendation value, Gi is the average favorability evaluation value of the ith advertising strategy data, Ri is the average emotion measurement value of the ith advertising strategy data, P is the number of people in the entire experimental group, and Z is This is the number of people in the experimental group who stayed for more than the preset time in the ith advertising strategy data.)
상기 호감도평가수치평균값은 전체 실험집단이 각각 해당 광고전략데이터의 호감도평가수치를 입력하고, 입력된 호감도평가수치의 평균값을 도출한 값으로, 범위는 1~10으로 설정하는 등 특정 범위를 설정할 수 있다.The average value of the favorability evaluation value is a value obtained by having the entire experimental group input the favorability evaluation value of the corresponding advertising strategy data and deriving the average value of the input favorability evaluation value. A specific range can be set, such as setting the range from 1 to 10. there is.
감정측정수치평균값은 실험집단 각각에게 지급된 감정측정기를 통하여 측정된 감정측정수치의 평균값에 대한 것이다.The average emotion measurement value refers to the average value of the emotion measurement values measured through the emotion meter provided to each experimental group.
감정측정수치를 측정하는 감정측정기는 뇌파 감지센서, 동체 움직임 감지 센서, 맥박 센서 등을 통해 획득되는 다양한 생체 정보를 분석하여 뇌파 정보, 맥박 정보 및 동체 움직임 정보를 포함할 수 있지만, 이에 한정하는 것은 아니다.The emotion meter that measures emotional measurement values may include brain wave information, pulse information, and body movement information by analyzing various biometric information acquired through brain wave detection sensors, body movement detection sensors, pulse sensors, etc., but is not limited to this. no.
예를 들면 총 2개의 광고전략데이터의 각각의 광고전략데이터추천수치를 구하면 다음과 같다.For example, calculating the advertising strategy data recommendation value for each of the two total advertising strategy data is as follows.
전체 실험집단의 인원수는 50명으로 정하고, 다양한 연령, 성별을 고루 분포하여 임의로 선별한 집단이다.The total number of people in the experimental group was set at 50, and the group was randomly selected with even distribution of various ages and genders.
첫번째 광고전략데이터의 호감도평가수치평균값이 7, 감정측정수치평균값이 5이며, 첫번째 광고전략데이터에서 기설정된 시간인 20분 이상 체류한 실험집단의 인원수가 30명인 경우, 첫번째 광고전략데이터추천수치는 다음과 같다.If the average value of the favorability evaluation value of the first advertising strategy data is 7 and the average value of the emotion measurement value is 5, and the number of people in the experimental group who stayed for more than 20 minutes, which is the preset time in the first advertising strategy data, is 30, the recommended value of the first advertising strategy data is as follows. Same as
두번째 광고전략데이터의 호감도평가수치평균값이 6, 감정측정수치평균값이 6이며, 첫번째 광고전략데이터에서 기설정된 시간인 20분 이상 체류한 실험집단의 인원수가 25명인 경우, 두번째 광고전략데이터추천수치는 다음과 같다.If the average value of the favorability evaluation value of the second advertising strategy data is 6 and the average value of the emotion measurement value is 6, and the number of people in the experimental group who stayed for more than 20 minutes, which is the preset time in the first advertising strategy data, is 25, the recommended value of the second advertising strategy data is as follows. Same as
즉 첫번째 광고전략데이터추천수치가 두번째 광고전략데이터추천수치보다 높기 때문에 첫번째 광고전략데이터의 우선순위를 더 높게 판단하여 이에 대한 정보를 광고 의뢰인에게 제공될 수 있다.That is, because the first advertising strategy data recommendation value is higher than the second advertising strategy data recommendation value, the priority of the first advertising strategy data can be determined to be higher and information about this can be provided to the advertising client.
이는 호감도평가수치평균값, 해당 광고전략데이터에 가 높을 때 광고전략데이터추천수치가 높게 나타나며 호감도평가수치평균값은 특정 수치가 넘어선 경우 영향을 미미하게 미칠 수 있다.This means that when the average value of the favorability evaluation value and the corresponding advertising strategy data are high, the advertising strategy data recommendation value appears high, and the average value of the favorability evaluation value may have a minimal effect if it exceeds a certain value.
이상과 같은 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.The embodiments described in the present specification and the configurations shown in the drawings are only one of the most preferred embodiments of the present invention and do not represent the entire technical idea of the present invention, so various equivalents and modifications can be substituted for them. It should be understood that there may be examples.
100 광고분석부
110 광고데이터수집부
120 연관성데이터샘플링부
130 샘플링데이터특성추출부
200 광고전략제공부
210 광고전략데이터생성부
220 광고전략데이터추천부100 Advertising Analysis Department
110 Advertising Data Collection Department
120 Relevance Data Sampling Department
130 Sampling data characteristics extraction unit
200 Advertising Strategy Department
210 Advertising Strategy Data Generation Department
220 Advertising Strategy Data Recommendation Department
Claims (3)
광고분석부(100)를 통해 분석된 정보를 토대로 광고전략을 산출하기 위한 광고전략제공부(200)를 포함하고,
상기 광고분석부(100)는
다수의 사이트로부터 광고데이터를 수집하여 빅데이터를 구축하기 위한 광고데이터수집부(110)와,
의뢰단말기(10)로부터 의뢰정보가 전송되면 의뢰광고와 연관된 광고데이터를 샘플링하여 샘플링데이터를 생성하기 위한 연관성데이터샘플링부(120)와,
생성된 샘플데이터를 데이터마이닝에 기반하여 분석을 통해 분석된 샘플링데이터특성데이터를 추출하기 위한 샘플링데이터특성추출부(130)를 포함하고,
상기 광고전략제공부(200)는
샘플링데이터특성추출부(130)를 통해 분석된 샘플링데이터특성데이터를 제공받고 광고전략데이터를 패턴화된 광고콘텐츠 포맷에 대응시키어 광고전략데이터를 생성하기 위한 광고전략데이터생성부(210)와,
생성된 광고전략데이터의 우선순위에 따라 광고전략데이터를 추천하기 위한 광고전략데이터추천부(220)를 포함하고,
상기 광고전략데이터추천부(220)는 광고전략데이터생성부(210)를 통해 생성된 소정 개수의 광고전략데이터의 우선순위를 판단하기 위해 임의로 선별된 실험집단을 통하여 [수학식]을 통하여 광고전략데이터추천수치를 계산하되,
[수학식]은
(여기서, Ki는 i번째의 광고전략데이터추천수치, Gi는 i번째 광고전략데이터의 호감도평가수치평균값, Ri는 i번째 광고전략데이터의 감정측정수치평균값, P는 전체 실험집단의 인원수, Z는 i번째 광고전략데이터에 기설정된 시간 이상 체류한 실험집단의 인원수이다.)
인 것을 특징으로 하는 빅데이터 기반 광고 전략 생성 시스템.
An advertising analysis unit (100) to collect advertising data from multiple sites to build big data, sample advertising data related to requested advertising to generate relevance data, and analyze the generated sampling data according to big data analysis techniques. and,
It includes an advertising strategy provision unit (200) for calculating an advertising strategy based on information analyzed through the advertising analysis unit (100),
The advertising analysis unit 100
An advertising data collection unit 110 for collecting advertising data from multiple sites to build big data,
When request information is transmitted from the request terminal 10, a correlation data sampling unit 120 for generating sampling data by sampling advertising data associated with the requested advertisement;
It includes a sampling data characteristic extraction unit 130 for extracting the analyzed sampling data characteristic data by analyzing the generated sample data based on data mining,
The advertising strategy provision department (200) is
An advertising strategy data generation unit 210 for receiving sampling data characteristic data analyzed through the sampling data characteristic extraction unit 130 and generating advertising strategy data by matching the advertising strategy data to a patterned advertising content format;
It includes an advertising strategy data recommendation unit 220 for recommending advertising strategy data according to the priority of the generated advertising strategy data,
The advertising strategy data recommendation unit 220 uses a randomly selected experimental group to determine the priority of a certain number of advertising strategy data generated through the advertising strategy data generation unit 210, and uses [mathematical formula] to determine the priority of the advertising strategy data. Calculate data recommendation figures,
[Equation] is
(Here, Ki is the i-th advertising strategy data recommendation value, Gi is the average favorability evaluation value of the ith advertising strategy data, Ri is the average emotion measurement value of the ith advertising strategy data, P is the number of people in the entire experimental group, and Z is This is the number of people in the experimental group who stayed for more than the preset time in the ith advertising strategy data.)
A big data-based advertising strategy creation system characterized by:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230128629A KR102652612B1 (en) | 2023-09-25 | 2023-09-25 | Big Data-Based Advertising Strategy Generation System |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230128629A KR102652612B1 (en) | 2023-09-25 | 2023-09-25 | Big Data-Based Advertising Strategy Generation System |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102652612B1 true KR102652612B1 (en) | 2024-03-29 |
Family
ID=90483523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230128629A KR102652612B1 (en) | 2023-09-25 | 2023-09-25 | Big Data-Based Advertising Strategy Generation System |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102652612B1 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102042047B1 (en) | 2018-09-06 | 2019-11-07 | 가톨릭대학교 산학협력단 | System and method of marketing service using formal and informal big data |
| KR102392384B1 (en) * | 2021-07-29 | 2022-04-29 | 주식회사 한솔애드 | The advertisement design method the system utilizing the bus |
| KR20230125679A (en) * | 2022-02-21 | 2023-08-29 | (주)리브레크리에이티브컴퍼니 | Marketing diagnosis method based on bigdata and marketing diagnosis system |
| KR20230138604A (en) * | 2022-03-24 | 2023-10-05 | 삼성전자주식회사 | Electronic device for analyzing big data and method operating thereof |
-
2023
- 2023-09-25 KR KR1020230128629A patent/KR102652612B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102042047B1 (en) | 2018-09-06 | 2019-11-07 | 가톨릭대학교 산학협력단 | System and method of marketing service using formal and informal big data |
| KR102392384B1 (en) * | 2021-07-29 | 2022-04-29 | 주식회사 한솔애드 | The advertisement design method the system utilizing the bus |
| KR20230125679A (en) * | 2022-02-21 | 2023-08-29 | (주)리브레크리에이티브컴퍼니 | Marketing diagnosis method based on bigdata and marketing diagnosis system |
| KR20230138604A (en) * | 2022-03-24 | 2023-10-05 | 삼성전자주식회사 | Electronic device for analyzing big data and method operating thereof |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9514202B2 (en) | Information processing apparatus, information processing method, program for information processing apparatus and recording medium | |
| US20140114847A1 (en) | Information processing apparatus, information processing method, information processing program, recording medium having stored therein information processing program | |
| US20130073514A1 (en) | Flexible and scalable structured web data extraction | |
| CN103455522A (en) | Recommendation method and system of application extension tools | |
| CN101779180A (en) | Method and apparatus for context-based content recommendation | |
| JP2011065504A (en) | Preference prediction server for generating prediction model concerning preference relation of user and method therefor | |
| US20130097152A1 (en) | Topical activity monitor system and method | |
| KR101491627B1 (en) | Quantification method, apparatus and system of reviews for mobile application evaluation | |
| US9245035B2 (en) | Information processing system, information processing method, program, and non-transitory information storage medium | |
| CN104050243B (en) | It is a kind of to search for the network search method combined with social activity and its system | |
| KR101559719B1 (en) | Auto-learning system and method for derive effective marketing | |
| KR20180112718A (en) | Automatic Answering System and Method Using Matching Similar Users | |
| KR20180075852A (en) | System and method for intelligent marketing analysis through processing non-fixed form bigdata | |
| CN112115712B (en) | Topic-based group emotion analysis method | |
| KR20090048998A (en) | System and method for alarming bad public opinion using keyword and recording medium | |
| CN108280081B (en) | Method and device for generating webpage | |
| CN106202312B (en) | A kind of interest point search method and system for mobile Internet | |
| CN106462644A (en) | Identifying preferable results pages from numerous results pages | |
| CN115396389A (en) | Internet of things information technology customer service system based on emotion energy perception | |
| CN110472057B (en) | Topic label generation method and device | |
| CN104537080B (en) | Information recommends method and system | |
| CN114579858A (en) | Content recommendation method and device, electronic equipment and storage medium | |
| KR102652612B1 (en) | Big Data-Based Advertising Strategy Generation System | |
| Kharrat et al. | Recommendation system based contextual analysis of Facebook comment | |
| CN116431912A (en) | User portrait pushing method and device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |