KR20120134634A - 광고 제공 방법, 이를 구현하는 프로그램을 기록한 컴퓨터 판독 가능기록 매체 및 광고 제공 시스템 - Google Patents

광고 제공 방법, 이를 구현하는 프로그램을 기록한 컴퓨터 판독 가능기록 매체 및 광고 제공 시스템 Download PDF

Info

Publication number
KR20120134634A
KR20120134634A KR1020110053693A KR20110053693A KR20120134634A KR 20120134634 A KR20120134634 A KR 20120134634A KR 1020110053693 A KR1020110053693 A KR 1020110053693A KR 20110053693 A KR20110053693 A KR 20110053693A KR 20120134634 A KR20120134634 A KR 20120134634A
Authority
KR
South Korea
Prior art keywords
advertisement
visit
visit place
place
record
Prior art date
Application number
KR1020110053693A
Other languages
English (en)
Other versions
KR101312927B1 (ko
Inventor
송준화
하진영
이윤석
김병집
이상정
강승우
이영기
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020110053693A priority Critical patent/KR101312927B1/ko
Priority to US13/224,062 priority patent/US20120310737A1/en
Publication of KR20120134634A publication Critical patent/KR20120134634A/ko
Application granted granted Critical
Publication of KR101312927B1 publication Critical patent/KR101312927B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

광고 제공을 위하여, 모바일 장치의 방문 장소 기록을 수집하고, 수집한 방문 장소 기록에 기초하여 확률적 추론 기법을 통해 다음 방문 장소를 예측하며, 예측한 다음 방문 장소를 기초로 제공할 광고를 선정한다. 광고 수신자의 방문 장소 기록에 기초하여 예측한 다음 방문 장소에 따라 선택적으로 광고를 제공하므로, 광고 효과를 높일 수 있다.

Description

광고 제공 방법, 이를 구현하는 프로그램을 기록한 컴퓨터 판독 가능기록 매체 및 광고 제공 시스템{METHOD FOR PROVIDING ADVERTISEMENT, COMPUTER-READABLE MEDIUM INCLUDING PROGRAM FOR PERFORMING THE METHOD, AND ADVERTISEMENT PROVIDING SYSTEM}
본 발명은 광고 제공에 관한 것으로, 더욱 상세하게는 모바일 기기를 통한 광고 제공 방법, 이를 구현하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체 및 광고 제공 시스템에 관한 것이다.
최근 모바일 광고(mobile advertising)가 급속도로 성장하고 있다. 2012년에 전세계 모바일 광고 시장의 규모는 약 2조원에 이를 것으로 예측되고 있다. 스마트 폰(smart phone) 등의 모바일 기기가 빠르게 보급 되면서, 모바일 광고는 모바일 커머스(mobile commerce)에서 핵심적인 역할을 할 뿐만 아니라, 모바일 커머스와 연관성이 적은 애플리케이션 (application; 이하 앱)에서도 중요한 수익 모델이 될 것으로 예측되고 있다. 즉, 무료 스마트 폰 앱과 같은 소프트웨어에 모바일 광고를 탑재하여 이익을 창출할 수 있다.
이에 따라, 모바일 기기를 통한 위치 기반의 광고 제공 방법이 이용되고 있다. 다만, 단순한 위치 기반의 광고 제공 방법은 광고 수신자와 관련성이 높은 광고를 선택적으로 전달하지 못한다. 따라서 광고 효과가 저감된다.
상기와 같은 문제점을 해결하기 위한 본 발명의 일 목적은 광고 수신자에게 효율적으로 광고를 전달할 수 있는 광고 제공 방법을 제공하는 데 있다.
본 발명의 다른 목적은 상기 광고 제공 방법을 구현하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체를 제공하는 데 있다.
본 발명의 또 다른 목적은 광고 수신자에게 효율적으로 광고를 전달할 수 있는 광고 제공 시스템을 제공하는 데 있다.
상술한 본 발명의 일 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 광고 제공 방법에서는, 모바일 장치의 방문 장소 기록을 수집하고, 상기 수집한 방문 장소 기록에 기초하여 확률적 추론 기법을 통해 다음 방문 장소를 예측하며, 상기 예측한 다음 방문 장소를 기초로 제공할 광고를 선정한다.
일 실시예에서, 상기 방문 장소 기록을 수집하는 단계는, 상기 모바일 장치의 현재 위치를 탐지하는 단계 및 상기 탐지한 현재 위치에 기초하여 상기 모바일 장치의 방문 장소 기록을 생성하는 단계를 포함할 수 있다.
일 실시예에서, 상기 모바일 장치의 현재 위치를 탐지하는 단계는, 상기 모바일 장치를 통한 와이파이 신호를 스캔하는 단계, 상기 스캔한 와이파이 신호의 와이파이 위치지문(Wi-fi fingerprint)을 생성하는 단계, 와이파이 데이터 베이스를 검색하여 상기 생성된 와이파이 위치지문을 기초로 와이파이 데이터를 선택하는 단계 및 선택된 상기 와이파이 데이터에 기초하여 상기 모바일 장치의 현재 위치를 측정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 와이파이 데이터는 와이파이 중계기(Access Point; AP)의 신호 세기, 고유 번호 및 상기 와이파이 중계기의 위치 정보를 포함할 수 있다.
일 실시예에서, 상기 모바일 장치의 방문 장소 기록을 생성하는 단계는, 상기 측정한 현재 위치의 지속 시간을 측정하는 단계, 상기 측정된 지속 시간을 방문 임계 시간과 비교하는 단계 및 상기 측정된 지속 시간이 방문 임계 시간을 초과하는 경우 상기 측정한 현재 위치를 방문 장소로 간주하는 단계를 포함할 수 있다.
일 실시예에서, 상기 모바일 장치의 방문 장소 기록을 생성하는 단계는 상기 측정된 지속 시간과 비교할 상기 방문 임계 시간을 설정하는 단계를 더 포함할 수 있다.
일 실시예에서, 상기 확률적 추론 기법을 통해 다음 방문 장소를 예측하는 단계는 베이지안 네트워크를 통해 확률적으로 다음 방문 장소를 예측하는 단계를 포함할 수 있다.
일 실시예에서, 상기 베이지안 네트워크는 복수의 방문 장소를 변수로 포함하여 모델링될 수 있다. 상기 수집한 방문 장소 기록에 기초하여 베이지안 네트워크를 통해 상기 다음 방문 장소를 예측하는 단계는, 적어도 하나의 상기 방문 장소 기록에 기초하여 상기 베이지안 네트워크를 통해 복수의 방문 장소에 대한 방문 확률 분포를 계산하는 단계 및 상기 계산한 방문 확률 분포에 기초하여 상기 다음 방문 장소의 우선 순위를 결정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 베이지안 네트워크의 확률 분포 모델은, 해당 광고 수신자의 상기 방문 장소 기록들에 기초하여 학습(learning)될 수 있다.
일 실시예에서, 상기 베이지안 네트워크의 확률 분포 모델은, 다른 광고 수신자들의 상기 방문 장소 기록들에 기초하여 학습될 수 있다.
일 실시예에서, 상기 베이지안 네트워크는 광고 수신자의 연령대를 변수로 더 포함하여 모델링될 수 있다. 상기 방문 확률 분포는 상기 적어도 하나의 방문 장소 기록 및 상기 연령대를 기초로 계산될 수 있다.
일 실시예에서, 상기 베이지안 네트워크는 광고 수신자의 성별을 변수로 더 포함하여 모델링될 수 있다. 상기 방문 확률 분포는 상기 적어도 하나의 방문 장소 기록 및 상기 성별을 기초로 계산될 수 있다.
일 실시예에서, 상기 베이지안 네트워크는 현재 시각을 변수로 더 포함하여 모델링될 수 있다. 상기 방문 확률 분포는 상기 적어도 하나의 방문 장소 기록 및 상기 현재 시각을 기초로 계산될 수 있다.
일 실시예에서, 상기 베이지안 네트워크는 방문 지속 시간을 변수로 더 포함하여 모델링될 수 있다. 상기 방문 확률 분포는 상기 적어도 하나의 방문 장소 기록 및 상기 방문 지속 시간을 기초로 계산될 수 있다.
일 실시예에서, 상기 제공할 광고를 선정하는 단계는, 상기 결정된 우선 순위에 기초하여 상기 다음 방문 장소와 관련된 광고 목록을 작성하는 단계를 포함할 수 있다.
일 실시예에서, 상기 광고 제공 방법은 상기 작성된 광고 목록에 포함된 광고들을 상기 우선 순위에 따라 상기 모바일 장치에 제공하는 단계를 더 포함할 수 있다.
일 실시예에서, 상기 광고 제공 방법은 상기 제공된 광고와 관련된 광고 제공 통계 데이터를 수집하는 단계를 더 포함할 수 있다.
일 실시예에서, 상기 광고 제공 통계 데이터는, 제공한 광고의 총 발행 수, 제공한 광고를 광고 수신자가 이용한 횟수 또는 광고 제공으로 인해 발생한 구매 횟수 중 적어도 하나를 포함할 수 있다.
상기 다른 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 컴퓨터 판독 가능 기록 매체는 광고 제공 방법을 구현하는 프로그램을 기록한다. 상기 광고 제공 방법에서는, 모바일 장치의 방문 장소 기록을 수집하고, 상기 수집한 방문 장소 기록에 기초하여 확률적 추론 기법을 통해 다음 방문 장소를 예측하며, 상기 예측한 다음 방문 장소를 기초로 제공할 광고를 선정한다.
일 실시예에서, 상기 방문 장소 기록은 상기 모바일 장치를 통해 수신되는 와이파이 신호의 와이파이 위치지문에 의해 수집될 수 있다.
일 실시예에서, 상기 수집한 방문 장소 기록에 기초하여 확률적 추론 기법을 통해 다음 방문 장소를 예측하는 단계는 베이지안 네트워크의 조건부 확률에 기초하여 다음 방문 장소를 확률적으로 예측하는 단계를 포함할 수 있다. 상기 베이지안 네트워크의 조건부 확률 분포에 기초하여 결정될 수 있다. 상기 베이지안 네트워크의 확률 분포 모델은 광고 수신자들의 상기 방문 장소 기록들에 기초하여 학습(learning)될 수 있다.
일 실시예에서, 상기 광고 제공 방법은 상기 선정된 광고를 광고 수신자에게 제공하는 단계를 더 포함할 수 있다.
상기 또다른 목적을 달성하기 위해, 본 발명의 일 실시예에 따른 광고 제공 시스템은 광고 클라이언트(advertising client) 및 광고 서버(advertising server)를 포함한다. 상기 광고 클라이언트는 방문 장소 기록을 수집하여 상기 광고 서버로 제공하고, 상기 광고 서버로부터 광고를 제공받는다. 상기 광고 서버는 상기 광고 클라이언트로부터 제공받은 방문 장소 기록에 기초하여 베이지안 네트워크를 통해 다음 방문 장소를 예측하고, 상기 예측된 다음 방문 장소에 기초하여 상기 광고 클라이언트로 광고를 제공한다.
일 실시예에서, 상기 광고 클라이언트는 위치 탐색부 및 방문 장소 기록 생성부를 포함할 수 있다. 상기 위치 탐색부는 현재 위치를 탐색할 수 있다. 상기 방문 장소 기록 생성부는 상기 탐색한 현재 위치에 기초하여 상기 방문 장소 기록을 생성할 수 있다.
일 실시예에서, 상기 위치 탐색부는 와이파이 신호를 스캔하여 와이파이 위치지문을 생성하고, 상기 생성한 와이파이 위치지문을 기초로 와이파이 데이터를 선택하고, 상기 선택된 와이파이 데이터에 기초하여 상기 현재 위치를 측정할 수 있다.
일 실시예에서, 상기 방문 장소 기록 생성부는 상기 측정된 현재 위치의 지속 시간을 측정하고, 상기 지속 시간이 방문 임계 시간을 초과하는 경우 상기 현재 위치를 방문 장소로 간주할 수 있다.
일 실시예에서, 상기 광고 서버는 방문 기록 관리부, 방문 장소 예측부 및 광고 선택부를 포함할 수 있다. 상기 방문 기록 관리부는 상기 광고 클라이언트로부터 제공되는 상기 방문 장소 기록을 관리할 수 있다. 상기 방문 장소 예측부는 상기 방문 기록 관리부로부터 제공되는 상기 방문 장소 기록에 기초하여 다음 방문 장소를 예측할 수 있다. 상기 광고 선택부는 상기 방문 장소 예측부로부터 예측된 상기 다음 방문 장소에 기초하여 제공할 광고를 선정하여 상기 광고 클라이언트로 제공할 수 있다.
일 실시예에서, 상기 광고 서버는 방문 기록 데이터 베이스를 더 포함할 수 있다. 상기 방문 기록 관리부는 상기 광고 클라이언트로부터 제공되는 상기 방문 장소 기록을 상기 방문 기록 데이터 베이스에 저장할 수 있다. 상기 방문 기록 데이터 베이스에서 상기 방문 기록을 검색하여 상기 방문 장소 예측부로 제공할 수 있다.
일 실시예에서, 상기 광고 서버는 광고 데이터 베이스를 더 포함할 수 있다. 상기 광고 데이터 베이스는 복수의 광고들을 저장할 수 있다. 상기 광고 선택부는 상기 다음 방문 장소에 기초하여 상기 광고 데이터 베이스에 저장되어 있는 상기 복수의 광고들 중 적어도 하나의 광고를 선택하여 상기 광고 클라이언트로 제공할 수 있다.
일 실시예에서, 상기 광고 서버는 광고 통계 데이터베이스를 더 포함할 수 있다. 상기 광고 서버는 상기 광고 클라이언트로부터 제공되는 광고 제공 통계 데이터를 상기 광고 통계 데이터베이스에 저장할 수 있다.
본 발명의 실시예들에 따른 광고 제공 방법은 광고 수신자의 방문 장소 기록에 기초하여 다음 방문 장소를 예측하고, 예측된 다음 방문 장소와 관련된 광고를 선별적으로 제공하므로 광고 효과를 높일 수 있다. 또한 스팸 광고를 제공할 가능성을 줄일 수 있다.
도 1은 위치 기반 광고 제공 방법의 일 예를 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 광고 제공 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 광고 제공 방법을 나타내는 순서도이다.
도 4는 도 3의 모바일 장치의 방문 장소 기록을 수집하는 단계의 일 예를 나타내는 순서도이다.
도 5는 도 4의 모바일 장치의 현재 위치를 탐지하는 단계의 일 예를 나타내는 순서도이다.
도 6은 도 4의 탐지한 현재 위치에 기초하여 모바일 장치의 방문 장소 기록을 생성하는 단계의 일 예를 나타내는 순서도이다.
도 7은 본 발명의 일 실시예에 따른 광고 제공 방법을 나타내는 순서도이다.
도 8은 도 7의 수집한 방문 장소 기록에 기초하여 베이지안 네트워크를 통해 다음 방문 장소를 예측하는 단계의 일 예를 나타내는 순서도이다.
도 9 내지 도 12는 본 발명의 베이지안 네트워크를 통해 다음 방문 장소를 예측하는 방법을 설명하기 위한 도면들이다.
도 13은 베이지안 네트워크에 포함되는 변수의 개수 변화에 따른 예측 정확도의 차이를 나타내는 그래프이다.
도 14는 본 발명의 다른 실시예에 따른 광고 제공 시스템을 나타내는 블록도이다.
도 15는 도 14의 광고 클라이언트의 일 예를 나타내는 블록도이다.
도 16은 도 14의 광고 제공 시스템의 일 예를 구체적으로 나타내는 블록도이다.
도 17은 본 발명의 일 실시예에 따라 모바일 기기에 제공되어 디스플레이 되는 광고들을 설명하기 위한 도면이다.
본문에 개시되어 있는 본 발명의 실시예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 실시예들은 다양한 형태로 실시될 수 있으며 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 아니 된다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로 사용될 수 있다. 예를 들어, 본 발명의 권리 범위로부터 이탈되지 않은 채 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 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 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미이다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미인 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 위치 기반 광고 제공 방법의 일 예를 설명하기 위한 도면이다.
모바일 광고의 한 분야로서, 도시의 대규모 복합상업시설(Commercial Complex)에서 활용되는 모바일 광고의 시장성은 큰 것으로 분석되고 있다. 예를 들어, 대표적인 복합 상업 시설인 코엑스몰(COEX Mall)의 경우, 2011년 현재 약 260여 개의 상점이 있고, 하루 평균 약 10만 명의 사람들이 방문한다. 광고주 입장에서, 코엑스몰과 같은 대규모 복합상업시설은 다수의 사람들이 소비를 주요 목적으로 모이는 곳이기 때문에 전략적으로 중요한 장소이다. 한편, 대규모 복합상업시설을 방문하는 이용자 입장에서도, 복합상업시설에는 수많은 상점들이 있고 상기 다수의 상점들에 관한 정보를 구체적으로 알기 어렵기 때문에, 주변 장소에 대한 적절한 광고가 제공되는 경우 복합상업시설을 효율적으로 이용할 수 있다.
상기와 같은 복합상업시설에서 모바일 광고를 효과적으로 하기 위해서는 고객 표적화(customer targeting)가 중요한 역할을 할 수 있다. 고객 표적화란, 광고의 대상이 되는 고객을 특정 기준에 따라 선별하는 과정을 의미할 수 있다. 즉, 제공하고자 하는 광고가 어느 고객에게 유용할 것인지를 결정하는 과정으로 생각할 수 있다. 예를 들어, 포털 사이트의 검색창에 입력된 검색어에 기초하여 선별적으로 광고를 제공하는 것은 고객 표적화의 한 예가 될 수 있다. 고객 표적화를 통해 광고주는 어떤 상품이나 서비스를 구매할 확률이 높은 특정 사람들을 찾아낼 수 있다.
이에 따라, 고객 표적화를 통해 선별된 사람들에게 광고를 집중하면, 제공되는 광고가 광고를 받는 고객들에게 관련성(relevance)이 높기 때문에 광고 효과를 높일 수 있다. 광고의 관련성은 광고의 대상 상품 또는 서비스에 대한 고객의 관심이 상대적으로 높은지 여부를 의미하는 단어로 사용될 수 있다. 즉, 광고의 관련성이 높은 고객은 제공받은 광고를 정보(information)로 인식할 수 있다. 이에 따라, 제공받은 광고를 활용하여 해당 상품 또는 서비스를 구매할 확률이 상대적으로 높으므로, 광고의 효율성이 높을 수 있다. 한편, 광고의 관련성이 낮은 고객은 해당 상품 또는 서비스에 대한 관심이 낮은 상태이므로 광고의 효율성이 상대적으로 낮고, 따라서 해당 광고를 스팸(spam) 광고로 인식할 수 있다. 이러한 경우, 광고의 제공에 대한 거부감이 들 수 있고, 이에 따라 해당 상품 또는 서비스의 브랜드 이미지가 하락하게 되는 역효과가 발생할 수 있다. 따라서, 광고의 관련성이 높은 고객들을 탐색하는 고객 표적화를 통해 선별적으로 광고를 제공하여 광고 효과를 높일 수 있다.
광고 수신자에게 상대적으로 높은 관련성을 가진 광고를 제공하기 위하여, 광고 수신자의 위치에 기반한 광고 제공 방법이 사용되고 있다. 종래의 위치 기반(location-based)의 광고 제공 방법에서는, 광고 수신자의 모바일 장치에서 탐지되는 위치에 기초하여 근방에 위치한 장소들의 광고를 제공할 수 있다. 예를 들어, 도 1에 도시된 바와 같이, 모바일 장치가 광고 수신자(110)의 위치를 탐색하여 광고 서버로 제공하고, 광고 서버는 상기 모바일 장치로부터 제공받은 광고 수신자(110)의 위치에 기초하여 광고 검색 반경(120) 내에 위치한 광고 대상 장소들(130, 140, 150, 160)에 관한 광고들을 검색하여 광고 수신자(110)의 모바일 장치에 제공할 수 있다.
기존의 광고 제공 방법에 따르면, 광고 수신자(110)의 주변에 위치한 광고 대상 장소들(130, 140, 150, 160)에 관한 광고들을 제공하므로 광고 수신자(110)는 관심있는 장소를 이용할 수 있다. 한편 상술한 바와 같은 종래의 광고 제공 방법에 의하면, 광고 수신자(110)에게 관련성이 낮은 광고를 제공하게 되는 문제점이 있다.
예를 들어, 광고 수신자(110)가 현재 위치에서 식사를 하고 있는 상황이라면, 음식점 1(130) 및 음식점 2(140)에 관한 광고 효과는 상대적으로 낮을 수 있다. 광고 수신자(110)가 식사 후 다시 음식점 1(130) 또는 음식점 2(140)를 찾을 확률은 상대적으로 낮다. 이 경우에 음식점 1(130) 및 음식점 2(140)에 관한 광고 효과는 상대적으로 낮게 나타날 수 있다. 종래의 위치 기반 광고 제공 방법에 따라 광고 검색 반경(120) 내에 위치한 장소들에 대한 광고를 무작위로 제공하는 경우, 상술한 바와 같이 효과가 낮은 광고들을 광고 수신자(110)에게 제공하게 된다.
도 2는 본 발명의 일 실시예에 따른 광고 제공 방법을 설명하기 위한 도면이다.
광고 수신자가 현재까지 방문한 장소에 기초하여 다음 장소를 예측하고, 예측한 다음 방문 장소와 관련된 카테고리의 광고를 광고 수신자에게 제공하여 광고 효과를 높일 수 있다.
도 2를 참조하면, 광고 수신자가 먼저 영화관을 방문하고(210), 음식점을 방문한 경우(220)에 대한 도시가 나타나 있다. 광고 수신자는 이미 영화관을 방문하였으므로 식사 후 다시 영화관을 방문할 확률은 상대적으로 낮을 수 있다. 또한, 광고 수신자는 이미 음식점을 방문하고 있으므로 현재 식사를 하고 있을 확률이 높고, 이에 따라 광고 수신자가 다음 방문 장소로서 다른 음식점을 선택할 확률 또한 상대적으로 낮을 수 있다. 이 경우에, 현재 광고 수신자에게 영화 상영 광고 또는 근처의 다른 음식점 광고를 제공하는 것은 다른 카테고리에 속하는 광고를 제공하는 것에 비하여 광고 효과가 상대적으로 낮게 나타날 수 있다.
본 발명의 일 실시예에 따른 광고 제공 방법에서는, 광고 수신자의 방문 장소 기록을 수집하여 다음 방문 장소를 예측하는 데 활용한다. 또한 예측된 다음 방문 장소와 관련된 카테고리의 광고를 광고 수신자에게 제공하므로 광고 효과를 높일 수 있다. 즉, 도 2에 도시된 예시에서, 영화관 방문(210)에 대한 기록 및 음식점 방문(220)에 대한 방문 기록들을 수집하고, 이에 따라 다음 방문 장소를 예측(230)한다. 예를 들어, 일 실시예에서 다음 방문 장소로서 카페(240)에 방문할 확률이 60%, 의류 매장에 방문할 확률이 40%로 계산될 수 있다. 이 경우에 계산된 다음 방문 장소의 확률에 기초하여, 방문 확률이 높은 카페 광고(260)를 광고 수신자에게 제공할 수 있다. 상기와 같은 방법으로 선별적으로 광고를 제공하여, 광고 효과를 높이므로 광고주의 광고 효과를 증대시키고 광고 수신자의 편익을 증대시킬 수 있다.
도 3은 본 발명의 일 실시예에 따른 광고 제공 방법을 나타내는 순서도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 광고 제공 방법에 의해, 모바일 장치의 방문 장소 기록을 수집하고(단계 S10), 상기 수집한 방문 장소 기록에 기초하여 확률적 추론 기법(probabilistic reasoning)을 통해 다음 방문 장소를 예측하며(단계 S30), 상기 예측한 다음 방문 장소를 기초로 제공할 광고를 선정한다(단계 S50). 본 발명의 일 실시예에 따른 광고 제공 방법은, 광고 수신자의 과거 방문 장소 기록에 기초하여 다음 방문 장소를 예측하고, 예측한 다음 방문 장소와 연관성이 높은 광고를 선정하므로 광고 효과를 높일 수 있다.
방문 장소 기록은 모바일 장치에 의해 수집될 수 있다. 상기 모바일 장치는 스마트 폰일 수 있으며, 이외에도 광고 수신자에게 광고를 제공하는 수단이 되는 휴대용 미디어 플레이어 (Portable Media Player; PMP), MP3 플레이어 또는 태블릿 컴퓨터 등의 휴대용 전자장치일 수 있다. 일 실시예에서, 상기 방문 장소 기록은 모바일 장치에 탑재된 위성 항법 장치(global positioning system; GPS)에 의해 수집될 수 있다. 일 실시예에서, 상기 방문 장소 기록은 모바일 장치에 탑재된 와이파이(Wi-Fi) 수신기에 의해 수집될 수 있다. 상기 방문 장소 기록을 수집하는 방법에 대하여는 도 4 내지 도 6을 참조하여 후술한다.
수집된 방문 장소 기록에 기초하여 확률적 추론 기법(probabilistic reasoning)을 통해 광고 수신자의 다음 방문 장소를 예측할 수 있다. 광고 수신자의 다음 방문 장소는 불확실성을 내재할 수 있으므로, 상기 다음 방문 장소의 예측을 위하여 다양한 확률적 추론 기법이 사용될 수 있다. 예를 들어, 다음 방문 장소 예측을 통해 결정 트리(decision tree) 또는 조건 랜덤 필드(conditional random fields; CRF) 등의 모델이 사용될 수 있다. 일 실시예에서, 상기 다음 방문 장소 예측을 위한 확률적 추론 기법으로서 베이지안 네트워크가 이용될 수 있다. 상기 베이지안 네트워크를 통해 다음 방문 장소를 예측하는 방법에 대하여는 도 8 내지 도 13을 참조하여 후술한다.
광고 수신자의 다음 방문 장소를 예측한 후에, 예측된 장소를 기초로 광고 수신자에게 제공할 광고를 선정할 수 있다. 상기 선정되는 광고는 하나일 수 있으며, 복수의 광고를 순위를 매겨 선정할 수도 있다. 일 실시예에서, 복수의 광고를 선정하는 경우 선정되는 광고를 카테고리별로 그룹화할 수 있다. 또는, 복수의 선정된 광고들을 현재 위치에서부터의 거리에 따라 배열할 수도 있다.
도 4는 도 3의 모바일 장치의 방문 장소 기록을 수집하는 단계의 일 예를 나타내는 순서도이다.
도 4를 참조하면, 모바일 장치의 방문 장소 기록을 수집하기 위하여, 상기 모바일 장치의 현재 위치를 탐지하고(단계 S110), 상기 탐지한 현재 위치에 기초하여 상기 모바일 장치의 방문 장소 기록을 생성할 수 있다(단계 S130).
본 명세서에서, 위치(location)와 장소(place)는 서로 다른 의미로 사용되었다. 상기 위치는 모바일 장치에 의해 탐지되는 좌표를 갖는 특정한 지점을 의미할 수 있다. 한편, 장소는 일정한 목적을 가지고 구획으로 분리된 특정 구역를 의미할 수 있다. 장소는 다수의 좌표들을 포함할 수 있으며, 특정 영화관 또는 음식점 등이 장소에 포함될 수 있다. 본 발명의 일 실시예에 따른 광고 제공 방법에서, 다음 방문 장소를 예측하기 위하여 단순한 위치에 대한 기록이 아니라 구체적인 방문 장소(visit place), 방문 시각(visit time) 및 방문 지속 시간(visit duration) 등이 필요할 수 있다. GPS 장치 또는 와이파이 수신기 등을 통해 탐색되는 위치는 장소에 관한 정보를 포함하지 않을 수 있으므로, 방문 장소 기록을 수집하기 위하여 상기 탐지된 현재 위치에 기초하여 모바일 장치가 머무르고 있는 방문 장소를 구체적으로 확인하는 작업이 필요할 수 있다.
구체적으로, 와이파이 송수신 시스템을 이용하여 현재 위치를 탐지할 수 있다. 일반적으로 라디오 신호(radio signal)를 사용하는 위치 측정 시스템은 동시에 수신되는 복수의 라디오 신호를 기초로 삼각 측량 기법 등을 통해 현재 위치의 좌표, 혹은 위도 및 경도 정보를 계산할 수 있다. 와이파이 송수신 시스템을 통해 현재 모바일 장치가 머무르고 있는 방문 장소를 확인하려는 경우, 상술한 바와 같이 와이파이 신호에서 와이파이 위치지문(Wi-Fi fingerprint) 데이터를 수신하고, 상기 와이파이 위치지문 데이터를 기초로 와이파이 위치지문 데이터베이스를 검색할 수 있다. 상기 와이파이 위치지문 데이터베이스에서 수신한 와이파이 위치지문과 가장 유사한 위치지문을 검색하고, 검색한 위치지문과 연관된 장소를 현재 방문 장소로 판단할 수 있다. 상기 와이파이 송수신 시스템을 통해 현재 방문 장소를 확인하는 구체적인 방법은 도 5 및 도 6을 참조하여 후술하기로 한다.
도 5는 도 4의 모바일 장치의 현재 위치를 탐지하는 단계의 일 예를 나타내는 순서도이다.
도 5를 참조하면, 와이파이 수신기를 통하여 모바일 장치의 현재 위치를 탐지하는 단계가 도시되어 있다. 모바일 장치의 현재 위치를 탐지하고 위하여, 상기 모바일 장치를 통해 와이파이 신호를 스캔하고(단계 S111), 상기 스캔한 와이파이 신호의 와이파이 위치지문(Wi-fi fingerprint)을 생성하며(단계 S113), 와이파이 데이터 베이스를 검색하여 상기 생성된 와이파이 위치지문을 기초로 와이파이 데이터를 선택하고(단계 S115), 선택된 상기 와이파이 데이터에 기초하여 상기 모바일 장치의 현재 위치를 측정할 수 있다(단계 S117).
모바일 장치의 방문 장소 기록을 수집하기 위하여, 모바일 장치의 현재 위치를 탐지할 수 있다. 본 발명의 일 실시예에서, 모바일 장치의 현재 위치 탐지를 위해, 와이파이 위치인식 시스템(Wi-Fi localization system)이 사용될 수 있다. 그 외에도, GPS 위치 인식이나 블루투스 위치 인식 기술이 사용될 수 있다. 다만 와이파이 위치인식 시스템은 GPS 위치인식 시스템과 비교할 때 대규모 복합상업시설과 같은 실내에서도 위치를 정확히 탐지할 수 있고, 위치인식 정확도도 상대적으로 높으므로 유용하게 사용될 수 있다. 블루투스 위치 인식 기술과 비교하여 보면, 대규모 복합상업시설에는 이미 와이파이 중계기가 다수 설치되어 있으므로 위치 인식을 위한 추가적인 장비 설치가 필요없다는 장점이 있다.
와이파이 신호의 위치지문은 모바일 장치가 수신하는 하나 이상의 와이파이 신호에 포함된 와이파이 중계기(access point; AP)의 정보 및 신호 세기 정보(received signal strength indicator; RSSI)를 포함할 수 있다. 상기 정보는 와이파이 중계기의 맥 어드레스(Media Access Controll address; MAC address)를 포함할 수 있다. 상기 수신된 와이파이 신호의 위치지문을 생성하여 와이파이 데이터 베이스를 검색할 수 있다. 상기 와이파이 데이터 베이스는 상기 와이파이 신호의 위치지문에 관한 데이터베이스로서, 상기 와이파이 위치지문과 관련 방문 장소의 연결을 관리할 수 있다. 이를 위하여, 상기 와이파이 데이터 베이스는 복합상업시설에 설치된 각 와이파이 중계기의 위치 정보를 포함할 수 있다. 와이파이 데이터 베이스를 검색하여, 생성된 와이파이 신호의 위치지문과 가장 유사한 와이파이 데이터를 선택할 수 있다. 일 실시예에서, 상기 와이파이 데이터는 와이파이 중계기의 신호 세기, 고유 번호 및 상기 와이파이 중계기의 위치 정보를 포함할 수 있다. 상기 와이파이 데이터가 해당 와이파이 중계기의 위치 정보를 포함하는 경우, 이에 기초하여 모바일 장치의 위치를 측정하여 상기 위치지문과 연관된 장소를 현재 방문 장소로 판단할 수 있다.
도 6은 도 4의 탐지한 현재 위치에 기초하여 모바일 장치의 방문 장소 기록을 생성하는 단계의 일 예를 나타내는 순서도이다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 광고 제공 방법에서 방문 장소 기록을 생성하기 위하여, 측정한 현재 위치의 지속 시간을 측정하고(단계 S131), 도 5에서 측정된 현재 위치의 지속 시간을 방문 임계 시간과 비교하며(단계 S133), 상기 측정된 지속 시간이 방문 임계 시간을 초과하는 경우 상기 측정한 현재 위치를 방문 장소로 간주한다(단계 S135).
방문 위치 기록에 근거하여 선별적으로 광고를 제공하기 위하여는 단순히 모바일 장치의 현재 위치를 탐색하는 것만으로는 부족하고 상기 현재 위치를 기초로 하여 구체적으로 어느 장소를 방문했는지 확인하는 과정이 더 필요할 수 있다. 이를 위하여, 주기적으로 탐지하는 현재 위치를 통해 장소 진입 이벤트(place-in event) 및 장소 퇴거 이벤트(place-out)를 탐지하는 과정이 필요할 수 있다.
본 발명의 일 실시예에서, 방문 장소 기록을 생성하기 위해 탐지된 현재 위치에 기초한 장소 아이디(identification; ID)를 검색할 수 있다. 장소 ID는 특정 장소에 관한 일련 번호일 수 있으며, 상기 특정 장소의 구획 내부의 위치들을 포함할 수 있다. 예를 들어, 탐지된 현재 위치가 어떤 음식점 내부에 속하는 위치라면 상기 음식점의 ID를 장소 ID로서 검색할 수 있다.
현재 위치를 주기적으로 검색하여 장소 ID를 갱신하는 경우에, 상기 장소 ID가 일정 시간 이상 변화 없이 지속되는 경우 상기 장소를 방문 장소로서 인식하여 방문 장소 기록을 생성할 수 있다. 예를 들어, 모바일 기기를 소지한 광고 수신자가 음식점을 잠시 들어가서 메뉴를 묻고 나온 경우를 생각하면, 상기 음식점에 상응하는 장소 ID가 일시적으로 검색될 수 있지만 이 경우 음식점에서 식사를 한다는 등의 행위가 없으므로 음식점을 '방문'한 것으로 인식하지 않을 수 있다. 즉, 특정 장소에서 미리 정해진 값을 갖는 일정 시간 이상 동안 머무르는 경우에 상기 머무른 장소를 방문 장소로 인식하여 방문 장소 기록을 생성할 수 있다.
예를 들어, 현재 위치를 기초로 검색되는 음식점의 장소 ID가 1분 동안만 짧게 유지되는 경우 광고 수신자가 상기 음식점에서 식사를 하였을 확률은 상대적으로 낮을 수 있다. 반면에, 검색되는 장소 ID가 40분 동안 동일하게 유지된 경우 광고 수신자는 상기 음식점에서 식사를 하였다고 볼 수 있다. 본 발명의 일 실시예에 따른 광고 제공 방법은, 상기 측정된 지속 시간과 비교할 상기 방문 임계 시간을 설정하는 단계를 더 포함할 수 있다. 예를 들어, 전술한 예시에서 음식점과 관련된 상기 방문 임계 시간을 30분으로 설정할 수 있다. 이 경우, 상기 지속 시간이 방문 임계 시간인 30분보다 긴 경우 상기 음식점을 방문 장소로 간주하여 방문 장소 기록을 생성할 수 있다. 상기 지속 시간이 30분 보다 짧은 경우에는 방문 장소 기록을 생성하지 않고 계속하여 현재 위치를 탐색하고 현재 위치의 지속 시간을 측정하는 과정을 수행할 수 있다.
도 7은 본 발명의 일 실시예에 따른 광고 제공 방법을 나타내는 순서도이다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 광고 제공 방법에 의해, 모바일 장치의 방문 장소 기록을 수집하고(단계 S10), 상기 수집한 방문 장소 기록에 기초하여 베이지안 네트워크를 통해 다음 방문 장소를 예측하며(단계 S30), 상기 예측한 다음 방문 장소를 기초로 제공할 광고를 선정하며(단계 S50), 상기 선정한 광고를 모바일 장치에 제공할 수 있다(단계 S70). 도 7에서 제공할 광고를 선정하는 단계(S50)까지는 도 3을 참조하여 전술한 바와 동일하다. 본 발명의 일 실시예에 따른 광고 제공 방법은, 상기 선정한 광고를 모바일 장치에 제공하는 단계를 더 포함할 수 있다.
후술하는 바와 같이, 다음 방문 장소를 예측하는 단계에서 복수의 다음 방문 장소가 예측된 경우, 상기 복수의 다음 방문 장소의 카테고리에 속하는 복수의 광고들이 선정될 수 있다. 예를 들어, 다음 방문 장소로서 카페와 의류 매장이 예측된 경우, 카페의 카테고리에 속하는 적어도 하나의 광고들과 의류 매장의 카테고리에 속하는 적어도 하나의 광고들이 제공할 광고로서 선정될 수 있다. 도 7의 선정한 광고를 모바일 장치에 제공하는 단계(S70)에서는 상기 복수의 광고들의 전부 또는 일부를 모바일 장치에 제공할 수 있다. 상기 복수의 광고들은 무작위로 상기 모바일 장치에 제공될 수 있다. 다른 실시예에서 상기 복수의 광고들은 순위가 매겨져서 모바일 장치에 제공될 수도 있다. 후술하는 바와 같이, 상기 복수의 광고들이 순위가 매겨져서 모바일 장치에 제공되는 경우, 상기 순위는 다양한 방식으로 결정될 수 있다. 선정된 광고를 모바일 장치에 제공하는 단계에 대하여는 도 17을 참조하여 후술한다.
일 실시예에서, 광고 제공 방법은 제공된 광고와 관련된 광고 제공 통계 데이터를 수집하는 단계를 더 포함할 수 있다. 상기 광고 제공 통계 데이터는 제공한 광고의 총 발행 수, 제공한 광고를 광고 수신자가 이용한 횟수 또는 광고 제공으로 인해 발생한 구매 횟수 중 적어도 하나를 포함할 수 있다. 상기 광고 제공 통계 데이터를 수집하여 베이지안 네트워크의 모델을 업데이트할 수 있으며, 광고 제공과 관련된 광고 수신자의 피드백을 수용할 수 있다.
도 8은 도 7의 수집한 방문 장소 기록에 기초하여 베이지안 네트워크를 통해 다음 방문 장소를 예측하는 단계의 일 예를 나타내는 순서도이다.
도 8을 참조하면, 본 발명의 일 실시예에 따라 다음 방문 장소를 예측하기 위하여, 적어도 하나의 방문 장소 기록에 기초하여 베이지안 네트워크를 통해 복수의 방문 장소에 대한 방문 확률 분포를 계산하고(단계 S310), 상기 계산한 방문 확률 분포에 기초하여 상기 다음 방문 장소의 우선 순위를 결정할 수 있다(단계 S330).
광고 수신자의 다음 방문 장소를 예측하여 선별적으로 광고를 제공하기 위해, 본 발명의 일 실시예에 따른 광고 제공 방법에서는 베이지안 네트워크(Bayesian Network; BN)를 이용하여 확률적으로 다음 방문 장소를 예측할 수 있다. 베이지안 네트워크는 방향성 비순환 그래프 (Directed Acyclic Graph; DAG)를 통해 랜덤 변수 및 그들의 조건부 의존성을 나타내는 그래픽 모델(graphical model)을 의미할 수 있다. 어느 정도의 불확실성을 내재하는 고객의 행동을 분석하기 위해 베이지안 네트워크와 같은 확률적 모델이 적절히 사용될 수 있다. 전술한 바와 같이, 다음 장소 예측을 위한 확률적 모델은 상기 베이지안 네트워크 이외에도 결정 트리 또는 조건 랜덤 필드 등의 다양한 확률적 추론 기법이 사용될 수 있다. 즉, 본 발명에 따른 광고 제공 방법에서, 상기 다음 방문 장소를 예측하는 단계는 베이지안 네트워크 기법에 한정되는 것은 아니다.
이하 본 발명의 일 실시예로서, 베이지안 네트워크를 통해 다음 방문 장소를 예측하는 방법을 설명하기로 한다. 베이지안 네트워크는 변수를 표현하는 노드(node)와 변수들 간의 의존관계를 나타내는 호(arc)를 포함하는 방향성 비순환 그래프로 모델링될 수 있다. 하나의 노드는 랜덤 변수인 경우도 있지만 측정값, 상수, 인수 또는 가설 등 다양한 종류의 변수일 수 있다.
베이지안 네트워크는 그래프(Graph) 상에서 노드에 의해 표현되는 모든 변수들에 대한 결합 확률 분포(joint probability distribution)를 나타낸 모델일 수 있다. 베이지안 네트워크 모델은 하기의 [수학식 1]과 같이 표현할 수 있다.
[수학식 1]
Figure pat00001
상기의 [수학식 1]에서, 소문자로 표기된 'v'는 베이지안 네트워크 모델에 포함되는 각 노드를 의미하며, 대문자로 표기된 'V'는 노드(v)들의 집합을 의미할 수 있다. 'parents(v)'는 노드(v)의 부모 노드를 의미할 수 있다. 예를 들어, 노드 A 에서 노드 B까지의 방향성 호가 존재한다면 노드 A는 노드 B의 부모 노드가 될 수 있다.
베이지안 네트워크를 통하여, 과거의 방문 장소 기록에 기초한 다음 방문 장소 예측을 수행할 수 있다. 베이지안 네트워크를 이용한 다음 방문 장소의 예측 방법에 대하여는 도 9 내지 도 12를 참조하여 후술한다.
도 9 내지 도 12는 본 발명의 베이지안 네트워크를 통해 다음 방문 장소를 예측하는 방법을 설명하기 위한 도면들이다.
도 9 내지 도 12에 도시된 다음 장소 예측을 위한 모델에서는, 방문 장소, 방문 시각, 방문 지속 시간, 방문 성별 및 연령대를 고려할 수 있다. 방문 장소는 'P'로 표기되었다. 일 예에서, 각각의 방문 장소(P)는 네 가지 상태, 즉 의류 매장, 카페, 음식점 및 영화관의 상태를 포함할 수 있다. 방문 시각은 'T'로 표기되었다. 일 실시예에서, 각각의 방문 시각(T)은 분 단위를 생략하고 시간만을 나타낸 24개의 상태를 포함할 수 있다. 방문 지속 시간은 'D'로 표기되었다. 일 실시예에서, 각각의 방문 지속 시간(D)은 30분 간격으로 구분되어 최대 4시간까지 나타내는 8개의 상태를 포함할 수 있다(30분, 1시간, 1시간 30분, … , 4시간). 연령대는 'A'로 표기되었다. 일 실시예에서, 연령대(A)는 20세 이하, 20대, 30대, 40세 이상의 네 가지 상태를 포함할 수 있다. 성별은 'G'로 표기되었다. 일 실시예에서, 성별(G)은 남성 및 여성을 나타내는 두 가지 상태를 포함할 수 있다.
도 9 내지 도 12에 도시된 다음 장소 예측을 위한 베이지안 네트워크 모델에서, 현재의 방문 장소, 방문 시각 및 방문 지속 시간을 각각 P0, T0, 및 D0로 표시할 수 있다. 현재로부터 i 번째 이전의 방문 장소, 방문 시각 및 방문 지속 시간을 각각 Pi, Ti, 및 Di로 표시할 수 있다. 예를 들어, 직전 방문 장소는 P1으로, P1을 방문하기 직전에 방문한 장소는 P2로 표기할 수 있다. A와 G는 개별 사용자에 대하여는 변하지 않는 특성을 가질 수 있다. 반면에 P, T 및 D는 계속 변화하는 변수일 수 있다.
도 9를 참조하면, 3 개의 장소들을 순차적으로 방문하는 경우에 대한 베이지안 네트워크 모델의 토폴로지가 도시되어 있다. 도 9에는 단지 이전에 방문한 장소만이 다음 방문 장소에 영향을 미치는 베이지안 네트워크 모델이 고려되었다. 상술한 바와 같이, 방문 장소들(P0, P1, P2)은 각각 네 가지 상태, 즉 의류 매장, 카페, 음식점 및 영화관의 상태를 포함할 수 있는 것으로 가정하였다. 따라서, 베이지안 네트워크 모델에 포함되는 노드가 P0(430), P1(420), P2(410)로 총 세 개이고, 각 노드가 가질 수 있는 가능한 상태(state)가 각 4가지이므로 총 43 인 64 가지의 변수 결과가 조합될 수 있다. 노드와 노드를 연결하는 화살표는 상술한 호(arc)를 나타내는 표현일 수 있으며, 각각의 화살표는 화살표로 인해 연결되는 두 개의 노드 사이의 확률 관계를 표현할 수 있다.
도 9의 모델에서, 노드 P0(430)의 부모 노드(parents)는 P1(420) 및 P2(410)이고, 노드 P1(420)의 부모 노드는 P2(410)이다. 따라서, 상기 [수학식 1]에 기초하여 도 9에 도시된 베이지안 네트워크 모델의 확률 관계를 하기 [수학식 2]와 같이 조건부 확률의 곱을 포함하여 나타낼 수 있다.
[수학식 2]
Figure pat00002
상기 [수학식 2]에서, P0, P1 및 P2는 그래프에서 노드에 해당하는 방문 장소를 나타낸다.
각각의 조합되는 변수들에 대한 확률 관계는 경험적으로 얻어질 수 있다. 이에 따라, 실제로 광고 제공을 위하여 광고 수신자의 다음 방문 장소를 예측하기 전에 상기 베이지안 네트워크 모델의 학습(learning) 또는 훈련(training)을 수행하는 단계가 선행될 필요성이 존재할 수 있다. 베이지안 네트워크 모델의 학습 또는 훈련이란, 주어진 학습 데이터들을 기초로 그래프의 토폴로지(Topology)를 구성하는 것과 각 노드들 사이에 존재하는 의존 관계에 대한 조건부 확률 표(Conditional Probability Table; CPT)를 구성하는 것을 의미할 수 있다. 상기 학습 데이터는 실제로 경험적으로 얻어진 다수의 데이터를 의미할 수 있다. 즉, 다수의 광고 수신자들로부터 수집한 방문 장소 기록을 기초로 상기 베이지안 네트워크 모델의 학습을 수행할 수 있다.
일 실시예에서, 베이지안 네트워크의 예측 모델(perdiction model)의 학습을 수행하는 경우에 그래프의 토폴로지를 구성하는 것과 조건부 확률 표를 구성하는 것 모두를 주어진 학습 데이터들을 기초로 시행할 수 있다. 다른 실시예에서, 그래프의 토폴로지가 작성된 상태에서, 주어진 학습 데이터들을 기초로 조건부 확률 표만을 구성할 수도 있다. 학습 단계에서 조건부 확률 표만을 구성하는 경우 학습을 더욱 용이하게 수행할 수 있다.
특정 이용자의 순차적 방문 패턴(sequential visit pattern) 정보가 주어지면, 상기 학습된 예측 모델(prediction model)에 기초하여 다음에 방문할 장소의 확률 분포를 계산할 수 있다. 예를 들어, 도 9에서 현재 이용자가 P1의 노드에 위치하는 경우 다음 방문 장소인 P0에 관한 예측은 학습된 예측 모델에서부터 구하여질 수 있다. 이용자의 방문 장소는 이전의 방문 장소에 영향을 받을 수 있다. 예를 들어, P2(410)가 음식점인 경우, P1(420) 또는 P0(430)가 음식점일 확률은 상대적으로 낮을 수 있다. 이 경우에, P1(420) 및 P0(430)가 각각 영화관 및 카페의 패턴으로 나타나거나, 또는 카페 및 의류 매장으로 나타날 확률은 상대적으로 높을 수 있다. 상기와 같은 순차적인 방문 패턴은 타인의 방문 장소 기록의 수집을 통해 학습될 수 있으며, 공통된 순차적 방문 패턴을 관찰하여 현재 및 이전 방문 장소 기록들을 기초로 다음 방문 장소를 확률적으로 예측할 수 있다.
상술한 바와 같은 방식으로 베이지안 네트워크의 예측 모델을 통해 다음 방문 장소를 예측하는 경우, 예측 정확도를 높일 수 있으며 따라서 광고 효과가 높은 광고들을 이용자에게 선별적으로 제공할 수 있다. 일 실시예에서, 상기 예측 모델, 즉 베이지안 네트워크의 확률 분포 모델은 해당 광고 수신자의 이전 방문 장소 기록들에 기초하여 학습될 수 있다. 일 실시예에서, 상기 베이지안 네트워크의 확률 분포 모델은 다른 광고 수신자들의 방문 장소 기록들에 기초하여 학습될 수도 있다.
도 9의 예에는 3 개의 방문 장소 노드만을 포함하는 베이지안 네트워크 모델이 도시되어 있다. 다음 방문 장소에 대한 더욱 정확한 예측을 위하여, 상기 순차적 방문 패턴에 영향을 미치는 요인을 상기 베이지안 네트워크 모델의 노드에 상응하는 변수로서 더 포함시킬 수 있다. 예를 들어, 현재 시각 및 이전 방문 장소에 방문했던 시각은 이용자가 선택하는 다음 방문 장소에 영향을 미칠 수 있다. 예를 들어, 현재 시간이 오후 3시인 경우보다, 현재 시간이 오후 6시인 경우가 다음 방문 장소로서 음식점을 선택할 확률이 상대적으로 높을 수 있다.
도 10을 참조하면, 상술한 바와 같이 베이지안 네트워크 모델의 그래프에 각 방문 장소인 P0(530), P1(520) 및 P2(510)에 각각 상응하는 방문 시각 T0(535), T1(525) 및 T2(515)가 노드로서 더 포함될 수 있다.
도 10에 도시된 베이지안 네트워크 모델에서, 노드 P0(530)의 부모 노드(parents)는 P1(520), P2(510) 및 T0(535)이고, 노드 P1(520)의 부모 노드는 P2(510) 및 T1(525)이며, 노드 P2(510)의 부모 노드는 T2(515)이다. 따라서, 상기 [수학식 1]에 기초하여 도 10에 도시된 베이지안 네트워크 모델의 확률 관계를 하기 [수학식 3]과 같이 나타낼 수 있다.
[수학식 3]
Figure pat00003
각 방문 장소에 대한 방문 시각에 더불어, 상기 각 방문 장소들에서 머무른 기간에 상응하는 방문 지속 시간을 변수로 포함하여 더욱 정확한 예측을 수행할 수 있다.
도 11을 참조하면, 상술한 바와 같이 이전 방문 장소들 P1(620) 및 P2(610)에서 각각 머물렀던 방문 지속 시간인 D1(637) 및 D2(627)가 노드로서 더 포함된 베이지안 네트워크 모델의 그래프가 도시되어 있다. 도 11의 그래프에서, 현재 방문 장소인 Pi는 이전 방문 장소 Pi+1에서 머무른 방문 지속 시간인 Di+1인 것으로 도시되어 있다. 즉, P2(610)에 머물렀던 시간인 D2(627)는 P2(610)가 아닌 P1(620)에 영향을 미치게 된다. 따라서 D2(627)는 P2(610)가 아닌 P1(620)의 부모 노드가 될 수 있다.
도 11에 도시된 베이지안 네트워크 모델에서, 노드 P0(630)의 부모 노드(parents)는 P1(620), P2(610), T0(635) 및 D1(637) 이고, 노드 P1(620)의 부모 노드는 P2(610), T1(625) 및 D2(627) 이며, 노드 P2(610)의 부모 노드는 T2(615)이다. 따라서, 상기 [수학식 1]에 기초하여 도 11에 도시된 베이지안 네트워크 모델의 확률 관계를 하기 [수학식 4]와 같이 나타낼 수 있다.
[수학식 4]
Figure pat00004
과거 방문 장소, 방문 시각 및 방문 지속 시간과 더불어, 이용자의 연령대 및 성별 또한 다음 방문 장소의 선택에 영향을 미칠 수 있다. 이용자의 연령대(A) 및 성별(G)은 장소의 이동 또는 시간의 흐름에 따라 변하는 변수가 아니므로, 연령대와 성별을 포함하여 베이지안 네트워크를 모델링하는 경우 도 12와 같은 그래프 토폴로지가 예시적으로 구성될 수 있다.
도 12에 도시된 그래프는 도 11의 그래프와 유사하나, 현재 방문 장소 P0(730)의 선택에 연령대 A(750) 및 성별 G(740)가 영향을 미치는 노드로서 더 포함되어 도시되었다. 도 12에서, 현재 방문 장소 P0(730)에 영향을 주는 변수들을 세 분류로 구분할 수 있다. 이전 방문 장소들인 P1(720) 및 P2(710)는 공간적인 변수(780)이고, 현재 시각 T0(735)와 이전 방문 지속 시간 D1(737)은 시간적인 변수(760)이며, 연령대 A(750) 및 성별 G(740)는 프로필 변수(770)로 파악할 수 있다.
도 9 내지 도 11에서 설명한 것과 유사한 방법으로, 상기 [수학식 1]에 기초하여 도 12에 도시된 베이지안 네트워크 모델의 확률 관계를 하기 [수학식 5]와 같이 나타낼 수 있다.
[수학식 5]
Figure pat00005
도 9 내지 도 12를 참조하여 상술한 바와 같이, 베이지안 네트워크를 통해 광고 수신자의 다음 방문 장소를 확률적으로 예측할 수 있으므로, 보다 정확한 고객 표적화가 가능하다. 즉, 본 발명의 일 실시예에 의한 광고 제공 방법에 의하면, 정확한 고객 표적화에 의해 선택적으로 광고를 제공할 수 있으므로 광고 효과를 높이면서 광고 수신자의 편익을 증대시킬 수 있다. 보다 정확한 다음 방문 장소의 예측을 위해, 예측에 사용되는 변수들을 증가시킬 수 있다. 즉, 더 많은 개수의 이전 방문 장소 기록을 다음 방문 장소의 예측에 활용할 수 있으며, 그 밖에 다른 다양한 변수들을 상기 베이지안 네트워크의 모델에 포함시킬 수 있다.
한편, 본 발명의 일 실시예에 따른 광고 제공 방법은 다양한 컴퓨팅 시스템에서 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 기록 매체에 기록될 수 있다. 이러한 컴퓨터 판독 가능 기록 매체는 하드 디스크, 플로피 디스크, 자기 테이프와 같은 자기 기록 매체, 씨디롬(CD-ROM), 디브이디(DVD)와 같은 광 기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 기록 매체 또는 프로그램 명령을 저장하고 수행하도록 제조된 하드웨어 장치로 구현될 수 있다. 상기 방법에서는 모바일 장치의 방문 장소 기록을 수집하는 단계, 상기 수집한 방문 장소 기록에 기초하여 베이지안 네트워크를 통해 다음 방문 장소를 예측하는 단계 및 상기 예측한 다음 방문 장소를 기초로 제공할 광고를 선정하는 단계를 포함할 수 있다.
도 13은 베이지안 네트워크에 포함되는 변수의 개수 변화에 따른 예측 정확도의 차이를 나타내는 그래프이다.
예측 정확도를 알아 보기 위한 실험을 위하여 실제로 약 130명의 코엑스몰 이용자들의 순차적 방문 장소 기록을 수집하였다. 상기 130명의 기록들 중에서 3곳 미만의 장소 방문자 들에 대한 기록을 제거하였다. 또한 일행으로서 동일한 동선을 보이는 중복 방문자들의 기록을 제거하였다. 상기 필터링을 통하여 76명의 이용자 방문 기록을 획득하였다. 상기 이용자들의 총 방문 개수는 351회이다. 상기 방문 장소 기록들 중 80%를 베이지안 네트워크 모델의 학습(learning)에 사용하였고, 나머지 20%를 테스트용 데이터로 사용하였다. 즉, 상기 80%의 데이터들로부터 모델링된 베이지안 네트워크를 사용하여, 나머지 20%의 이용자들의 다음 방문 장소 예측을 실제로 상기 20% 이용자들이 방문한 장소와 비교하였다. 결과 그래프 작성을 위하여, 본 발명의 일 실시예에 따라 3 개의 다음 방문 장소를 확률에 따라 우선 순위를 부여하여 예측하였다.
도 13을 참조하면, 방문 장소(P) 및 방문 시각(T)을 포함하여 베이지안 네트워크의 그래프를 구성한 경우(CASE1), 방문 장소(P), 방문 시각(T) 및 방문 지속 시간(D)을 포함하여 베이지안 네트워크의 그래프를 구성한 경우(CASE2), 방문 장소(P), 방문 시각(T), 방문 지속 시간(D), 성별(G) 및 연령대(A)를 포함하여 베이지안 네트워크의 그래프를 구성한 경우(CASE3)에 대한 예측 정확도가 도시되어 있다.
도 13에서, TOP1으로 표기된 막대 그래프는 상기 예측한 장소들 중 가장 확률이 높은 1순위의 방문 장소가 실제 방문한 장소와 일치한 비율을 나타낸다.
도 13에서, 각각의 CASE1, CASE2 및 CASE3 마다 TOP1, TOP2 및 TOP3을 나타내는 그래프가 도시되어 있다. TOP1의 그래프는 실험에서 이용자가 실제로 방문한 다음 장소와 상기 방법에 의해 상위 1 순위로 예측된 다음 방문 장소가 일치하는 경우에 대한 비율을 나타낸다. 유사하게, TOP2의 그래프는 실험에서 이용자가 실제로 방문한 다음 장소가 상기 방법에 의해 예측된 상위 두 곳의 다음 방문 장소 중 하나에 속하는 경우에 대한 비율을 나타내며, TOP3의 그래프는 실험에서 이용자가 실제로 방문한 다음 장소가 상기 방법에 의해 예측된 상위 세 곳의 다음 방문 장소 중 하나에 속하는 경우에 대한 비율을 나타낸다. 따라서, TOP1, TOP2 및 TOP3 에 속하는 예측 결과들은 서로 배타적인 것이 아니라 포함 관계에 해당하게 된다. 즉, TOP1에 속하는 결과는 TOP2 및 TOP3에도 포함된다. 또한 TOP2에 속하는 결과는 TOP3에도 포함된다. 예를 들어, 다음 방문 장소가 카페, 의류 매장, 영화관 및 기타 다른 장소의 우선 순위대로 예측된 경우, 실제 이용자가 영화관을 방문한 경우 이는 TOP3에만 해당된다. 한편, 실제 이용자가 카페를 방문한 경우, 이는 TOP1, TOP2 및 TOP3 모두에 해당하게 된다.
도 13을 참조하면, CASE 3의 경우 TOP1 및 TOP3에 대한 예측 정확도는 각각 59.45% 및 94.59%로서 CASE1 및 CASE2와 비교할 때 가장 높은 것을 알 수 있다. 따라서 CASE3의 경우에, 예측된 상위 3 개의 방문 장소와 관련된 광고들을 제공하는 경우, 94.59%의 확률로 광고 수신자와의 관련성이 존재하는 광고를 제공할 수 있음을 알 수 있다. 도 13의 결과는 베이지안 네트워크의 예측 모델을 구성하는 경우에 다음 방문 장소 선택과 관련된 변수를 많이 포함시킬수록 예측 정확도가 상승함을 나타낼 수 있다. 또한 이전 방문 장소를 변수로서 많이 포함시킬 경우 예측 정확도가 높아질 수 있다. 다만 변수를 많이 채택할수록 상기 예측 모델의 토폴로지가 복잡해지고 계산량이 많아질 수 있다. 예를 들어, 3개를 초과하는 이전 방문 장소의 정보를 베이지안 네트워크의 모델로서 구성하는 경우, 증대되는 계산량 및 정보 저장 공간에 비해 상대적으로 적은 성능 향상이 나타날 수 있다. 이에 따라, 광고 효과, 예측 정확도 및 계산의 복잡도 등을 고려하여 베이지안 네트워크의 모델에 포함되는 변수의 종류 및 개수를 적절히 결정할 수 있다.
도 14는 본 발명의 다른 실시예에 따른 광고 제공 시스템을 나타내는 블록도이다.
도 14를 참조하면, 광고 제공 시스템은 광고 클라이언트(advertising client; 310) 및 광고 서버(advertising server; 330)를 포함한다. 광고 클라이언트(310)는 방문 장소 기록(CVH)을 수집하여 광고 서버(330)로 제공하고, 광고 서버(330)로부터 광고(PA)를 제공받는다. 광고 서버(330)는 광고 클라이언트(310)로부터 제공받은 방문 장소 기록(CVH)에 기초하여 베이지안 네트워크를 통해 다음 방문 장소를 예측하고, 상기 예측된 다음 방문 장소에 기초하여 광고 클라이언트(310)로 광고(PA)를 제공한다.
일 실시예에서, 광고 클라이언트(310)는 제공된 광고(PA)의 이용과 관련된 광고 제공 통계 데이터(AS)를 광고 서버(330)로 제공할 수 있다. 광고 서버(330)는 광고 제공 통계 데이터(AS)를 수집하여 저장할 수 있다. 상기 광고 제공 통계 데이터(AS)는 제공한 광고의 총 발행 수, 제공한 광고를 광고 수신자가 이용한 횟수 또는 광고 제공으로 인해 발생한 구매 횟수 중 적어도 하나를 포함할 수 있다.
도 15는 도 14의 광고 클라이언트의 일 예를 나타내는 블록도이다.
도 15를 참조하면, 광고 클라이언트(310)는 위치 탐색부(location detector; 313) 및 방문 장소 기록 생성부(visit history generator; 315)를 포함할 수 있다. 위치 탐색부(313)는 광고 클라이언트의 현재 위치를 탐색할 수 있다. 방문 장소 기록 생성부(315)는 상기 탐색한 현재 위치에 기초하여 방문 장소 기록(CVH)을 생성할 수 있다. 도 14를 참조하여 전술한 바와 같이, 광고 클라이언트(310)는 광고 서버로부터 제공되는 광고(PA)를 수신할 수 있다. 일 실시예에서, 광고 클라이언트(310)는 제공된 광고(PA)의 이용과 관련된 광고 제공 통계 데이터(AS)를 광고 서버(330)로 제공할 수 있다.
모바일 기기를 활용한 광고 제공 시스템에서, 광고 클라이언트(310)는 광고 수신자가 소지하는 모바일 기기를 포함할 수 있다. 이에 따라, 광고 클라이언트(310)는 스마트 폰, 휴대용 미디어 플레이어, MP3 플레이어 또는 태블릿 컴퓨터 등의 휴대용 기기를 포함하는 장치일 수 있다. 따라서, 도 15에 도시되지는 않았으나, 광고 클라이언트(310)는 광고 서버로부터 수신된 광고(PA)를 처리하여 출력하는 디스플레이 장치를 더 포함할 수 있다. 또한, 모바일 기기의 사용자로부터 입력을 받는 입력장치를 더 포함할 수도 있다.
일 실시예에서, 위치 탐색부(313)는 광고 클라이언트(310)의 현재 위치를 탐색하는 GPS 수신기 또는 와이파이 수신기를 포함할 수 있다. 일 실시예에서, 위치 탐색부(313)는 상기 GPS 수신기 또는 와이파이 수신기 등과 연결되어 위치 정보를 제공받아 처리하는 장치일 수 있다. 위치 탐색부(313)는 주기적으로 현재 위치를 탐색하여 방문 장소 기록 생성부(315)에 제공할 수 있다.
방문 장소 기록 생성부(315)는 위치 탐색부(313)로부터 제공받은 현재 위치를 기초로 광고 클라이언트(310)의 방문 장소 기록(CVH)을 생성하여 광고 서버로 제공할 수 있다. 일 실시예에서, 방문 장소 기록(CVH)을 생성하기 위해 도 6을 참조하여 전술한 바와 같은 방법을 사용할 수 있다. 위치 탐색부(313)로부터 주기적으로 제공되는 현재 위치를 기초로 현재 위치의 지속 시간을 측정하고, 측정된 지속 시간이 방문 임계 시간을 초과하는 경우 상기 측정한 현재 위치를 방문 장소로 간주할 수 있다. 이에 따라 방문 장소 기록(CVH)을 데이터로서 생성하여 광고 서버로 제공할 수 있다.
도 16은 도 14의 광고 제공 시스템의 일 예를 구체적으로 나타내는 블록도이다.
도 16을 참조하면, 광고 제공 시스템은 광고 클라이언트(310) 및 광고 서버(330)를 포함한다. 광고 서버(330)는 방문 기록 관리부(visit history manager; 331), 방문 장소 예측부(next visit place predictor; 333) 및 광고 선택부(advertisement selector; 334)를 포함할 수 있다. 방문 기록 관리부(331)는 광고 클라이언트(310)로부터 제공되는 방문 장소 기록(CVH)을 관리할 수 있다. 방문 장소 예측부(333)는 방문 기록 관리부(331)로부터 제공되는 방문 장소 기록(VH)에 기초하여 베이지안 네트워크를 통해 다음 방문 장소(NVP)를 예측할 수 있다. 광고 선택부(334)는 예측된 다음 방문 장소(NVP)에 기초하여 제공할 광고(PA)를 선정하여 광고 클라이언트(310)로 제공할 수 있다.
도 16을 계속 참조하면, 광고 서버(330)는 방문 기록 데이터 베이스(visit history database; 332), 광고 데이터 베이스(advertisement database; 335), 광고 통계 수집부(advertisement statistics collector; 336) 및 광고 통계 데이터베이스(advertisement usage statistics database; 337)를 더 포함할 수 있다. 방문 기록 데이터 베이스(332)에는 광고 클라이언트(310)의 방문 장소 기록(HD)들이 저장될 수 있다. 상기 방문 장소 기록(HD)의 저장은 방문 기록 관리부(331)에 의해 수행될 수 있다. 방문 기록 관리부(331)는 방문 기록 데이터 베이스(332)에 저장되어 있는 방문 장소 기록(HD)들을 검색하여 방문 장소 예측부(331)로 제공할 수 있다.
광고 데이터 베이스(335)는 복수의 광고 카테고리들을 포함할 수 있다. 상기 복수의 광고 카테고리들은 카테고리 1(category 1; 335a), 카테고리 2(category 2; 335b) 내지 카테고리 N(category N; 335n)를 포함할 수 있다. 각 광고 카테고리는 복수의 방문 장소에 상응할 수 있다. 예를 들어, 카테고리 1(335a)은 영화관, 카테고리 2(335b)는 음식점에 각각 상응하는 광고 카테고리일 수 있다. 각각의 광고 카테고리들(335a, 335b, …, 335n)은 적어도 하나의 광고들을 포함할 수 있다. 예를 들어, 카테고리 1(335a)에는 적어도 하나의 영화관들에 대한 광고들이 포함될 수 있다.
광고 선택부(333)는 방문 장소 예측부(333)로부터 제공되는 적어도 하나의 다음 방문 장소(NVP)에 기초하여 광고 데이터 베이스(335)를 검색할 수 있다. 광고 데이터 베이스(335)는 다음 방문 장소(NVP)와 관련된 카테고리의 광고들(AD)을 광고 선택부(333)에 제공할 수 있다. 광고 선택부는 광고 데이터 베이스(335)에서 검색된 광고들을 처리하여 광고 클라이언트(310)로 제공할 수 있다.
전술한 바와 같이, 광고 클라이언트(310)는 제공된 광고(PA)의 이용과 관련된 광고 제공 통계 데이터(AS)를 광고 서버(330)로 제공할 수 있다. 광고 서버(330)는 광고 제공 통계 데이터(AS)를 수집하여 저장할 수 있다. 구체적으로, 광고 클라이언트(310)는 광고 제공 통계 데이터(AS)를 광고 서버(330)의 광고 통계 수집부(336)로 제공하고, 광고 수집부(336)는 광고 제공 통계 데이터(AS)를 처리하여 통계 데이터(SD)로서 광고 통계 데이터 베이스(337)에 저장할 수 있다. 광고 제공 통계 데이터(AS)는 제공한 광고의 총 발행 수, 제공한 광고를 광고 수신자가 이용한 횟수 또는 광고 제공으로 인해 발생한 구매 횟수 중 적어도 하나를 포함할 수 있다.
상기 광고 통계 데이터 베이스(337)에 저장된 통계 데이터(SD)는 보다 바람직한 광고 제공을 위하여 유용하게 사용될 수 있다. 예를 들어, 통계 데이터(SD)는 다음 장소 예측을 위한 베이지안 네트워크 모델의 개선을 위해 사용될 수 있으며, 광고주로의 피드백을 위한 자료로서 사용될 수도 있다.
도 17은 본 발명의 일 실시예에 따라 모바일 기기에 제공되어 디스플레이 되는 광고들을 설명하기 위한 도면이다.
도 17을 참조하면, 모바일 기기(410)는 디스플레이부(415)를 포함할 수 있다. 모바일 기기(410)는 광고 클라이언트를 포함할 수 있다. 도 17에는 광고 서버로부터 제공된 5 개의 광고가 디스플레이부(415)에 표시되는 일 예가 도시되어 있다. 상기 5 개의 광고는 2 개의 광고 카테고리에 속할 수 있다. 즉, 도 17에서, 스타벅스, 커피빈 및 던킨 도넛의 광고는 카페 카테고리에 속하고, 유니클로 및 리바이스는 의류 매장 카테고리에 속한다. 상기 카페 및 의류 매장은 본 발명의 일 실시예에 따라 베이지안 네트워크에 의하여 예측된 다음 방문 장소일 수 있다. 예를 들어, 베이지안 네트워크에 의해, 다음 방문 장소로서 카페가 60%, 의류 매장이 40%로 예측된 경우, 상기 예측된 확률에 따라 해당 카테고리에 속하는 광고의 비중을 결정하여 제공할 수 있다. 즉, 상기 60% 및 40%의 비율로 카페 및 의류 매장의 광고들을 제공할 수 있다.
각 카테고리에 속하는 광고들은 무순위로 표시될 수도 있으며 일정한 규칙에 따라 표시될 수 있다. 예를 들어, 도 17에 도시된 바와 같이, 카테고리 내의 광고들은 현재 위치로부터의 거리가 가까운 순서대로 표시될 수 있다. 도 17에서, 스타벅스는 현재 위치로부터 50미터(m) 떨어져서 위치하고 있고, 던킨 도넛은 현재 위치로부터 200m 떨어져서 위치하고 있으므로 스타벅스를 던킨 도넛의 상부에 배치하여 표시되어 있다. 도 17의 실시예는 광고 클라이언트로 제공되는 적어도 하나의 광고들을 표시하는 방법의 일 예이며, 그 이외에도 다양한 방법으로 광고 클라이언트에 광고를 제공하고, 제공된 광고를 표시할 수 있다.
본 발명은 모바일 기기를 활용한 광고 제공에 유용하게 이용될 수 있다. 특히, 본 발명은 스마트폰과 같은 휴대용 통신 수단을 통한 광고 제공 사업에 적용될 수 있으며, 그 밖에도 핸드폰, 휴대용 미디어 플레이어 (Portable Media Player; PMP), MP3 플레이어, 노트북 및 태블릿 컴퓨터 등의 휴대용 전자 장치를 이용한 광고 제공에 폭넓게 이용될 수 있다.
이상에서는 본 발명의 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (30)

  1. 모바일 장치의 방문 장소 기록을 수집하는 단계;
    상기 수집한 방문 장소 기록에 기초하여 확률적 추론 기법을 통해 다음 방문 장소를 예측하는 단계; 및
    상기 예측한 다음 방문 장소를 기초로 제공할 광고를 선정하는 단계를 포함하는 광고 제공 방법.
  2. 제1 항에 있어서,
    상기 방문 장소 기록을 수집하는 단계는,
    상기 모바일 장치의 현재 위치를 탐지하는 단계; 및
    상기 탐지한 현재 위치에 기초하여 상기 모바일 장치의 방문 장소 기록을 생성하는 단계를 포함하는 것을 특징으로 하는 광고 제공 방법.
  3. 제2 항에 있어서, 상기 모바일 장치의 현재 위치를 탐지하는 단계는,
    상기 모바일 장치를 통한 와이파이 신호를 스캔하는 단계;
    상기 스캔한 와이파이 신호의 와이파이 위치지문(Wi-fi fingerprint)을 생성하는 단계;
    와이파이 데이터 베이스를 검색하여 상기 생성된 와이파이 위치지문을 기초로 와이파이 데이터를 선택하는 단계; 및
    상기 선택된 와이파이 데이터에 기초하여 상기 모바일 장치의 현재 위치를 측정하는 단계를 포함하는 것을 특징으로 하는 광고 제공 방법.
  4. 제3 항에 있어서, 상기 와이파이 데이터는 와이파이 중계기(Access Point; AP)의 신호 세기, 고유 번호 및 상기 와이파이 중계기의 위치 정보를 포함하는 것을 특징으로 하는 광고 제공 방법.
  5. 제3 항에 있어서, 상기 모바일 장치의 방문 장소 기록을 생성하는 단계는,
    상기 측정한 현재 위치의 지속 시간을 측정하는 단계;
    상기 측정된 지속 시간을 방문 임계 시간과 비교하는 단계; 및
    상기 측정된 지속 시간이 방문 임계 시간을 초과하는 경우 상기 측정한 현재 위치를 방문 장소로 간주하는 단계를 포함하는 것을 특징으로 하는 광고 제공 방법.
  6. 제5 항에 있어서, 상기 모바일 장치의 방문 장소 기록을 생성하는 단계는, 상기 측정된 지속 시간과 비교할 상기 방문 임계 시간을 설정하는 단계를 더 포함하는 것을 특징으로 하는 광고 제공 방법.
  7. 제1 항에 있어서, 상기 확률적 추론 기법을 통해 다음 방문 장소를 예측하는 단계는,
    베이지안 네트워크를 통해 확률적으로 다음 방문 장소를 예측하는 단계를 포함하는 것을 특징으로 하는 광고 제공 방법
  8. 제7 항에 있어서,
    상기 베이지안 네트워크는 복수의 방문 장소를 변수로 포함하여 모델링되고,
    상기 수집한 방문 장소 기록에 기초하여 베이지안 네트워크를 통해 상기 다음 방문 장소를 예측하는 단계는,
    적어도 하나의 상기 방문 장소 기록에 기초하여 상기 베이지안 네트워크를 통해 복수의 방문 장소에 대한 방문 확률 분포를 계산하는 단계; 및
    상기 계산한 방문 확률 분포에 기초하여 상기 다음 방문 장소의 우선 순위를 결정하는 단계를 포함하는 것을 특징으로 하는 광고 제공 방법.
  9. 제8 항에 있어서,
    상기 확률 분포를 계산하기 위한 상기 베이지안 네트워크는,
    해당 광고 수신자의 상기 방문 장소 기록들에 기초하여 학습(learning)되는 것을 특징으로 하는 광고 제공 방법.
  10. 제8 항에 있어서,
    상기 확률 분포를 계산하기 위한 상기 베이지안 네트워크는,
    다른 광고 수신자들의 상기 방문 장소 기록들에 기초하여 학습되는 것을 특징으로 하는 광고 제공 방법.
  11. 제8 항에 있어서,
    상기 베이지안 네트워크는 광고 수신자의 연령대를 변수로 더 포함하여 모델링되고,
    상기 방문 확률 분포는 상기 적어도 하나의 방문 장소 기록 및 상기 연령대를 기초로 계산되는 것을 특징으로 하는 광고 제공 방법.
  12. 제8 항에 있어서,
    상기 베이지안 네트워크는 광고 수신자의 성별을 변수로 더 포함하여 모델링되고,
    상기 방문 확률 분포는 상기 적어도 하나의 방문 장소 기록 및 상기 성별을 기초로 계산되는 것을 특징으로 하는 광고 제공 방법.
  13. 제8 항에 있어서,
    상기 베이지안 네트워크는 현재 시각을 변수로 더 포함하여 모델링되고,
    상기 방문 확률 분포는 상기 적어도 하나의 방문 장소 기록 및 상기 현재 시각을 기초로 계산되는 것을 특징으로 하는 광고 제공 방법.
  14. 제8 항에 있어서,
    상기 베이지안 네트워크는 방문 지속 시간을 변수로 더 포함하여 모델링되고,
    상기 방문 확률 분포는 상기 적어도 하나의 방문 장소 기록 및 상기 방문 지속 시간을 기초로 계산되는 것을 특징으로 하는 광고 제공 방법.
  15. 제8 항에 있어서,
    상기 제공할 광고를 선정하는 단계는,
    상기 결정된 우선 순위에 기초하여 상기 다음 방문 장소와 관련된 광고 목록을 작성하는 단계를 포함하는 것을 특징으로 하는 광고 제공 방법.
  16. 제15 항에 있어서,
    상기 작성된 광고 목록에 포함된 광고들을 상기 우선 순위에 따라 상기 모바일 장치에 제공하는 단계를 더 포함하는 것을 특징으로 하는 광고 제공 방법.
  17. 제16 항에 있어서,
    상기 제공된 광고와 관련된 광고 제공 통계 데이터를 수집하는 단계를 더 포함하는 것을 특징으로 하는 광고 제공 방법.
  18. 제17 항에 있어서,
    상기 광고 제공 통계 데이터는, 제공한 광고의 총 발행 수, 제공한 광고를 광고 수신자가 이용한 횟수 및 광고 제공으로 인해 발생한 구매 횟수 중 적어도 하나를 포함하는 것을 특징으로 하는 광고 제공 방법.
  19. 광고 제공 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체로서, 상기 광고 제공 방법은,
    모바일 장치의 방문 장소 기록을 수집하는 단계;
    상기 수집한 방문 장소 기록에 기초하여 확률적 추론 기법을 통해 다음 방문 장소를 예측하는 단계; 및
    상기 예측한 다음 방문 장소를 기초로 제공할 광고를 선정하는 단계를 포함하는 컴퓨터로 판독 가능한 기록 매체.
  20. 제19 항에 있어서, 상기 방문 장소 기록은 상기 모바일 장치를 통해 수신되는 와이파이 신호의 와이파이 위치지문에 의해 수집되는 것을 특징으로 하는 컴퓨터로 판독 가능한 기록 매체.
  21. 제19 항에 있어서, 상기 수집한 방문 장소 기록에 기초하여 확률적 추론 기법을 통해 다음 방문 장소를 예측하는 단계는, 베이지안 네트워크의 조건부 확률 분포에 기초하여 다음 방문 장소를 확률적으로 예측하는 단계를 포함하고,
    상기 베이지안 네트워크의 확률 분포 모델은 광고 수신자들의 상기 방문 장소 기록들에 기초하여 학습(learning)되는 것을 특징으로 하는 컴퓨터로 판독 가능한 기록 매체.
  22. 제19 항에 있어서, 상기 광고 제공 방법은,
    상기 선정된 광고를 광고 수신자에게 제공하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터로 판독 가능한 기록 매체.
  23. 방문 장소 기록을 수집하여 광고 서버로 제공하고, 상기 광고 서버로부터 광고를 제공받는 광고 클라이언트(advertising client); 및
    상기 광고 클라이언트로부터 제공받은 방문 장소 기록에 기초하여 베이지안 네트워크를 통해 다음 방문 장소를 예측하고, 상기 예측된 다음 방문 장소에 기초하여 상기 광고 클라이언트로 광고를 제공하는 상기 광고 서버(advertising server)를 포함하는 광고 제공 시스템.
  24. 제23 항에 있어서, 상기 광고 클라이언트는,
    현재 위치를 탐색하는 위치 탐색부; 및
    상기 탐색한 현재 위치에 기초하여 상기 방문 장소 기록을 생성하는 방문 장소 기록 생성부를 포함하는 것을 특징으로 하는 광고 제공 시스템.
  25. 제24 항에 있어서, 상기 위치 탐색부는,
    와이파이 신호를 스캔하여 와이파이 위치지문을 생성하고,
    상기 생성한 와이파이 위치지문과 관련성이 높은 와이파이 데이터를 선택하고, 상기 선택된 와이파이 데이터에 기초하여 상기 현재 위치를 측정하는 것을 특징으로 하는 광고 제공 시스템.
  26. 제25 항에 있어서, 상기 방문 장소 기록 생성부는 상기 측정된 현재 위치의 지속 시간을 측정하고, 상기 지속 시간이 방문 임계 시간을 초과하는 경우 상기 현재 위치를 방문 장소로 간주하는 것을 특징으로 하는 광고 제공 시스템.
  27. 제23 항에 있어서, 상기 광고 서버는,
    상기 광고 클라이언트로부터 제공되는 상기 방문 장소 기록을 관리하는 방문 기록 관리부;
    상기 방문 기록 관리부로부터 제공되는 상기 방문 장소 기록에 기초하여 베이지안 네트워크를 통해 다음 방문 장소를 예측하는 방문 장소 예측부; 및
    상기 방문 장소 예측부로부터 예측된 상기 다음 방문 장소에 기초하여 제공할 광고를 선정하여 상기 광고 클라이언트로 제공하는 광고 선택부를 포함하는 것을 특징으로 하는 광고 제공 시스템.
  28. 제27 항에 있어서, 상기 광고 서버는 방문 기록 데이터 베이스를 더 포함하고,
    상기 방문 기록 관리부는 상기 광고 클라이언트로부터 제공되는 상기 방문 장소 기록을 상기 방문 기록 데이터 베이스에 저장하고, 상기 방문 기록 데이터 베이스에서 상기 방문 기록을 검색하여 상기 방문 장소 예측부로 제공하는 것을 특징으로 하는 광고 제공 시스템.
  29. 제27 항에 있어서, 상기 광고 서버는 광고 데이터 베이스를 더 포함하고, 상기 광고 데이터 베이스는 복수의 광고들을 저장하며, 상기 광고 선택부는 상기 다음 방문 장소에 기초하여 상기 광고 데이터 베이스에 저장되어 있는 상기 복수의 광고들 중 적어도 하나의 광고를 선택하여 상기 광고 클라이언트로 제공하는 것을 특징으로 하는 광고 제공 시스템.
  30. 제27 항에 있어서, 상기 광고 서버는 광고 통계 데이터 베이스를 더 포함하고, 상기 광고 서버는 상기 광고 클라이언트로부터 제공되는 광고 제공 통계 데이터를 상기 광고 통계 데이터 베이스에 저장하는 것을 특징으로 하는 광고 제공 시스템.
KR1020110053693A 2011-06-03 2011-06-03 광고 제공 시스템 KR101312927B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020110053693A KR101312927B1 (ko) 2011-06-03 2011-06-03 광고 제공 시스템
US13/224,062 US20120310737A1 (en) 2011-06-03 2011-09-01 Method for providing advertisement, computer-readable medium including program for performing the method and advertisement providing system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110053693A KR101312927B1 (ko) 2011-06-03 2011-06-03 광고 제공 시스템

Publications (2)

Publication Number Publication Date
KR20120134634A true KR20120134634A (ko) 2012-12-12
KR101312927B1 KR101312927B1 (ko) 2013-10-01

Family

ID=47262373

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110053693A KR101312927B1 (ko) 2011-06-03 2011-06-03 광고 제공 시스템

Country Status (2)

Country Link
US (1) US20120310737A1 (ko)
KR (1) KR101312927B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160143277A (ko) * 2015-06-05 2016-12-14 김명회 단말 장치의 식별 정보 및 접속 시간을 활용한 고객 식별 장치, 방법, 시스템, 이를 위한 기록매체
KR20170104144A (ko) * 2014-12-30 2017-09-14 페이스북, 인크. 온라인 시스템의 사용자를 위한 위치 내역에 기반하여 사용자의 위치 및 움직임 예측

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130138502A1 (en) * 2011-11-28 2013-05-30 Dell Products, Lp Method for Determining Marketing Communications Sales Attribution and a System Therefor
US20140236669A1 (en) * 2013-02-18 2014-08-21 PlaceIQ, Inc. Apparatus and Method for Identifying and Employing Visitation Rates
US10318973B2 (en) 2013-01-04 2019-06-11 PlaceIQ, Inc. Probabilistic cross-device place visitation rate measurement at scale
EP2840543A1 (en) * 2013-08-20 2015-02-25 Amadeus S.A.S. Contextualized travel offers
JP5683663B1 (ja) * 2013-09-27 2015-03-11 パナソニックＩｐマネジメント株式会社 滞留時間測定装置、滞留時間測定システムおよび滞留時間測定方法
US10083409B2 (en) 2014-02-14 2018-09-25 Bby Solutions, Inc. Wireless customer and labor management optimization in retail settings
US10628836B2 (en) * 2015-01-30 2020-04-21 Adobe Inc. Efficient computation of variable predictiveness
JP6579541B2 (ja) * 2015-04-20 2019-09-25 株式会社インテック 訪問タイミング判定装置および訪問タイミング判定方法
US10097960B2 (en) * 2017-02-21 2018-10-09 At&T Intellectual Property I, L.P. Velocity-weighted analysis of user equipment location data
CN110472192B (zh) * 2019-07-23 2022-04-15 平安科技（深圳）有限公司 评价指标提取方法、装置、存储介质和服务器
CN112819523B (zh) * 2021-01-29 2024-03-26 上海数鸣人工智能科技有限公司 结合内/外积特征交互和贝叶斯神经网络的营销预测方法
US11985372B2 (en) * 2021-12-13 2024-05-14 Samsung Electronics Co., Ltd. Information pushing method and apparatus

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6847824B1 (en) * 2001-03-20 2005-01-25 Bellsouth Intellectual Property Corp. Location visit detail services for wireless devices
KR20040083026A (ko) * 2004-08-03 2004-09-30 한국정보통신주식회사 카드거래정보를 이용한 연계정보 제공 장치 및 방법
EP2527859B1 (en) * 2004-10-29 2016-04-20 Skyhook Wireless, Inc. Location beacon database and server, method of building location beacon database, and location based service using same
KR20080039151A (ko) * 2006-10-31 2008-05-07 에스케이 텔레콤주식회사 주 활동 지역 기반의 광고 서비스 시스템 및 방법
US8073460B1 (en) * 2007-03-08 2011-12-06 Amazon Technologies, Inc. System and method for providing advertisement based on mobile device travel patterns
WO2010048146A1 (en) * 2008-10-20 2010-04-29 Carnegie Mellon University System, method and device for predicting navigational decision-making behavior

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170104144A (ko) * 2014-12-30 2017-09-14 페이스북, 인크. 온라인 시스템의 사용자를 위한 위치 내역에 기반하여 사용자의 위치 및 움직임 예측
KR20160143277A (ko) * 2015-06-05 2016-12-14 김명회 단말 장치의 식별 정보 및 접속 시간을 활용한 고객 식별 장치, 방법, 시스템, 이를 위한 기록매체

Also Published As

Publication number Publication date
KR101312927B1 (ko) 2013-10-01
US20120310737A1 (en) 2012-12-06

Similar Documents

Publication Publication Date Title
KR101312927B1 (ko) 광고 제공 시스템
US10572887B2 (en) Electronically capturing consumer location data for analyzing consumer behavior
CN104520881B (zh) 基于访问可能性对附近目的地排名以及从位置历史来预测对地点的未来访问
Yaeli et al. Understanding customer behavior using indoor location analysis and visualization
Do et al. The places of our lives: Visiting patterns and automatic labeling from longitudinal smartphone data
US9576295B2 (en) Adjusting a process for visit detection based on location data
CN104541527B (zh) 用于推断用户的兴趣的方法及计算设备
US11127020B2 (en) Generating an activity inference model from contextual data
Ferracuti et al. A business application of RTLS technology in Intelligent Retail Environment: Defining the shopper's preferred path and its segmentation
US20170068982A1 (en) Personalized contextual coupon engine
JP2019508766A (ja) 地理的エリアのヒートマップを生成するシステム、方法、およびデバイス
Marakkalage et al. Understanding the lifestyle of older population: Mobile crowdsensing approach
CN103514251A (zh) 信息处理设备、信息处理方法、程序和信息处理系统
Huang et al. Using trajectories for collaborative filtering-based POI recommendation
JPWO2010140504A1 (ja) 推薦情報提供システム、装置、方法及びプログラム
US11521237B2 (en) Method and system for determining fact of visit of user to point of interest
US20200211053A1 (en) Method and system for determining fact of visit of user to point of interest
Lorenzo et al. Predicting personal mobility with individual and group travel histories
Spentzouris et al. A stochastic optimization framework for personalized location-based mobile advertising
US10402864B2 (en) Data processor, content distribution system, and communication apparatus
Barzaiq et al. On trajectory prediction in indoor retail environments for mobile advertising using selected self-histories
Lin et al. Leverage Social and Contextual Intelligence for Personalized Social Event Recommendation
SERIES Mining Human Mobility in Location-Based Social Networks

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160830

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170825

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190826

Year of fee payment: 7