KR20200012229A - 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법 - Google Patents

리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법 Download PDF

Info

Publication number
KR20200012229A
KR20200012229A KR1020180087250A KR20180087250A KR20200012229A KR 20200012229 A KR20200012229 A KR 20200012229A KR 1020180087250 A KR1020180087250 A KR 1020180087250A KR 20180087250 A KR20180087250 A KR 20180087250A KR 20200012229 A KR20200012229 A KR 20200012229A
Authority
KR
South Korea
Prior art keywords
application
user
recommendation
reward
app
Prior art date
Application number
KR1020180087250A
Other languages
English (en)
Inventor
김동욱
강태원
Original Assignee
주식회사 인카코커뮤니케이션즈
강릉원주대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 인카코커뮤니케이션즈, 강릉원주대학교산학협력단 filed Critical 주식회사 인카코커뮤니케이션즈
Priority to KR1020180087250A priority Critical patent/KR20200012229A/ko
Publication of KR20200012229A publication Critical patent/KR20200012229A/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
    • G06Q30/0267—Wireless devices
    • 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
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • 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
    • G06Q30/0273—Determination of fees for advertising
    • 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
    • G06Q30/0277—Online advertisement

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (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)
  • Computer Networks & Wireless Communication (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

본 발명은 각 사용자별 어플리케이션 사용 횟수와 어플리케이션 설명에 대한 데이터를 이용한 추론으로 추천 정확도를 높인 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법에 관한 것으로, 사용자의 어플리케이션 사용 데이터를 수집하는 앱 사용 데이터 수집부;상기 앱 사용 데이터 수집부의 수집 데이터를 이용하여 기계 학습 및 데이터마이닝 기술을 적용한 빅데이터 분석으로 인공지능 기반의 어플리케이션 추천을 하는 빅데이터 분석 및 추천부;상기 빅데이터 분석 및 추천부의 분석 및 추천결과를 이용하여 타겟별 맞춤형 리워드 앱 광고를 관리하는 리워드 광고 관리부;상기 리워드 광고 관리부의 광고 타겟팅에 의해 추천 어플리케이션을 설치 및 사용을 하는 사용자 단말;상기 사용자 단말을 통한 추천 어플리케이션 사용에 따른 포인트 적립 등의 리워드 서비스를 하는 리워드 서비스 관리부;를 포함하는 것이다.

Description

리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법{System and Method for Recommending User Suitabling Application for Providing Reward Service}
본 발명은 어플리케이션 추천에 관한 것으로, 구체적으로 각 사용자별 어플리케이션 사용 횟수와 어플리케이션 설명에 대한 데이터를 이용한 추론으로 추천 정확도를 높인 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법에 관한 것이다.
현재 정보통신 기술 및 전자 기술의 비약적인 발전으로 인해, 스마트폰이 대중화되고 있다.
이러한 스마트폰은, 단순한 통화 목적이나 메시지 전송 목적으로 사용되던 과거와 달리, 검색, 비디오 시청 등 다양한 목적으로 활용된다.
이러한 스마트폰의 보급은 하드웨어 분야에서의 괄목할만한 성장뿐만 아니라 소프트웨어 분야의 성장을 유도하였으며, 어플리케이션 스토어에 실시간으로 게재되는 수많은 어플리케이션 프로그램들이 후자의 좋은 예라고 볼수 있다.
많은 사용자들이 개인용 단말을 소유하고 있는 현 상황에서 사용자들은 자신의 단말을 이용하여 네트워크를 통해 어플리케이션 제공 장치에 접속하고, 원하는 어플리케이션을 선택하여 재생하거나 다운로드 받는 등의 어플리케이션 제공 서비스를 이용하고 있다.
이와 같이 인터넷 기술의 발달 및 인터넷 보급 확대로 인해 사용자의 편의성이 향상되었으나, 한편으로는 인터넷으로 접근 가능한 방대한 양의 정보와 상품으로 인해 사용자들이 원하는 정보를 찾기 위해서 많은 시간과 노력이 필요하게 되었다.
이를 개선하기 위하여 사용자가 원하는 어플리케이션을 보다 빠른 시간 내에 찾을 수 있는 어플리케이션 추천 시스템에 대한 요구가 증가하고 있다.
특히, 하루에도 새롭게 만들어지는 어플리케이션 프로그램의 수가 워낙 방대하기 때문에, 개발된 어플리케이션 프로그램에 대한 홍보도 이루어지지 못한 채 개발물이 사장되는 경우도 있다.
이에 따라, 개발된 어플리케이션 프로그램에 대한 홍보 뿐만 아니라 스마트폰과 어플리케이션 프로그램을 활용하여, 다른 상품이나 서비스에 대한 보다 효과적인 홍보가 가능하도록 하기 위한 방안의 모색이 필요하다.
또한, 개인 선호도 기반의 정밀 타겟 광고를 위한 새로운 기술의 개발이 요구되고 있고, 어플리케이션 사용에 따른 리워드 서비스 분야에서도 보다 효율적인 타겟팅 및 관리를 위한 기술의 개발이 요구되고 있다.
대한민국 공개특허 제10-2013-0059738호 대한민국 공개특허 제10-2018-0043392호 대한민국 공개특허 제10-2015-0028932호
본 발명은 종래 기술의 어플리케이션 추천 및 리워드 서비스 기술의 문제점을 해결하기 위한 것으로, 각 사용자별 어플리케이션 사용 횟수와 어플리케이션 설명에 대한 데이터를 이용한 추론으로 추천 정확도를 높인 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 어플리케이션 사용이력 빅데이터 기반의 광고 타겟팅으로 광고 효과를 높일 수 있도록 한 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 모바일 활동 데이터 분석을 통한 개인 선호도 기반의 정밀 타겟 광고 및 인공지능 기반 추천 기술을 활용한 구매력 높은 타겟 광고가 가능하도록 한 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 모바일 활동 데이터 분석을 통한 개인 선호도 및 인공지능 기반 추천 기술을 활용한 어플리케이션 추천으로 리워드 서비스 제공을 통한 타겟 광고 효율을 높이고, 리워드 서비스 효율을 높일 수 있도록 한 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 인공지능 기반 추천 기술을 이용하여 타겟 광고의 정확도를 크게 높이고, 지능형 추천 기술을 API 형식으로 기존 리워드 광고 앱, 일반 앱서비스 등에 오픈소스 형태로 배포하여 기존 리워드 광고 앱, 앱 서비스사가 타겟팅 정확도를 높여 타겟팅 광고를 통해 수익증대가 가능하도록 한 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명의 다른 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템은 사용자의 어플리케이션 사용 데이터를 수집하는 앱 사용 데이터 수집부;상기 앱 사용 데이터 수집부의 수집 데이터를 이용하여 기계 학습 및 데이터마이닝 기술을 적용한 빅데이터 분석으로 인공지능 기반의 어플리케이션 추천을 하는 빅데이터 분석 및 추천부;상기 빅데이터 분석 및 추천부의 분석 및 추천결과를 이용하여 타겟별 맞춤형 리워드 앱 광고를 관리하는 리워드 광고 관리부;상기 리워드 광고 관리부의 광고 타겟팅에 의해 추천 어플리케이션을 설치 및 사용을 하는 사용자 단말;상기 사용자 단말을 통한 추천 어플리케이션 사용에 따른 포인트 적립 등의 리워드 서비스를 하는 리워드 서비스 관리부;를 포함하는 것을 특징으로 한다.
다른 목적을 달성하기 위한 본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 방법은 사용자의 어플리케이션 사용 데이터를 수집하는 앱 사용 데이터 수집 단계;상기 앱 사용 데이터 수집 단계에서의 수집 데이터를 이용하여 기계 학습 및 데이터마이닝 기술을 적용한 빅데이터 분석으로 인공지능 기반의 어플리케이션 추천을 하는 빅데이터 분석 및 추천 단계;상기 빅데이터 분석 및 추천 단계에서의 분석 및 추천결과를 이용하여 타겟별 맞춤형 리워드 앱 광고를 관리하는 리워드 광고 관리 단계;상기 리워드 광고 관리 단계에서의 광고 타겟팅에 의해 추천 어플리케이션을 사용자 단말에 설치 및 사용을 하는 단계;상기 사용자 단말을 통한 추천 어플리케이션 사용에 따른 포인트 적립 등의 리워드 서비스를 하는 리워드 서비스 관리 단계;를 포함하는 것을 특징으로 한다.
여기서, 모든 유저에게 추천을 수행하고, 이후 재 추천을 하는 상황은, 사용자가 추천된 App을 다운 받았을 때, 새로운 사용자가 본 서비스에 가입했을 때, 새로운 광고 App이 DB에 입력되었고 서비스 되었을 때, 이전에 제공되던 광고App이 서비스 중지 되었을 때의 상황을 포함하는 것을 특징으로 한다.
이상에서 설명한 바와 같은 본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법은 다음과 같은 효과가 있다.
첫째, 각 사용자별 어플리케이션 사용 횟수와 어플리케이션 설명에 대한 데이터를 이용한 추론으로 추천 정확도를 높일 수 있다.
둘째, 어플리케이션 사용이력 빅데이터 기반의 광고 타겟팅으로 광고 효과를 높일 수 있다.
셋째, 모바일 활동 데이터 분석을 통한 개인 선호도 기반의 정밀 타겟 광고 및 인공지능 기반 추천 기술을 활용한 구매력 높은 타겟 광고가 가능하다.
넷째, 모바일 활동 데이터 분석을 통한 개인 선호도 및 인공지능 기반 추천 기술을 활용한 어플리케이션 추천으로 리워드 서비스 제공을 통한 타겟 광고 효율을 높이고, 리워드 서비스 효율을 높일 수 있도록 한다.
다섯째, 인공지능 기반 추천 기술을 이용하여 타겟 광고의 정확도를 크게 높이고, 지능형 추천 기술을 API 형식으로 기존 리워드 광고 앱, 일반 앱서비스 등에 오픈소스 형태로 배포하여 기존 리워드 광고 앱, 앱 서비스사가 타겟팅 정확도를 높여 타겟팅 광고를 통해 수익증대가 가능하도록 한다.
도 1은 본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템의 구성도
도 2는 본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 방법을 나타낸 플로우 차트
도 3은 본 발명에 따른 사용자 적합 어플리케이션 추천 시스템의 연결 구성도
도 4 내지 도 7은 본 발명에 따른 사용자 적합 어플리케이션 추천 및 재추천 상황에 따른 시퀀스 다이어그램
이하, 본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법의 바람직한 실시 예에 관하여 상세히 설명하면 다음과 같다.
본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법의 특징 및 이점들은 이하에서의 각 실시 예에 대한 상세한 설명을 통해 명백해질 것이다.
도 1은 본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템의 구성도이고, 도 2는 본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 방법을 나타낸 플로우 차트이다.
본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법은 각 사용자별 어플리케이션 사용 횟수와 어플리케이션 설명에 대한 데이터를 이용한 추론으로 추천 정확도를 높인 것이다.
이를 위하여 본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법은 어플리케이션 사용이력 빅데이터 기반의 광고 타겟팅 구성 및 인공지능 기반 추천 기술에 관한 구성을 포함할 수 있다.
본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템은 도 1에서와 같이, 사용자의 어플리케이션 사용 데이터를 수집하는 앱 사용 데이터 수집부와, 앱 사용 데이터 수집부의 수집 데이터를 이용하여 기계 학습 및 데이터마이닝 기술을 적용한 빅데이터 분석으로 인공지능 기반의 어플리케이션 추천을 하는 빅데이터 분석 및 추천부와, 빅데이터 분석 및 추천부의 분석 및 추천결과를 이용하여 타겟별 맞춤형 리워드 앱 광고를 관리하는 리워드 광고 관리부와, 리워드 광고 관리부의 광고 타겟팅에 의해 추천 어플리케이션을 설치 및 사용을 하는 사용자 단말과, 사용자 단말을 통한 추천 어플리케이션 사용에 따른 포인트 적립 등의 리워드 서비스를 하는 리워드 서비스 관리부를 포함한다.
본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 방법은 도 2에서와 같이, 사용자의 어플리케이션 사용 데이터를 수집하는 앱 사용 데이터 수집 단계와, 상기 앱 사용 데이터 수집 단계에서의 수집 데이터를 이용하여 기계 학습 및 데이터마이닝 기술을 적용한 빅데이터 분석으로 인공지능 기반의 어플리케이션 추천을 하는 빅데이터 분석 및 추천 단계와, 상기 빅데이터 분석 및 추천 단계에서의 분석 및 추천결과를 이용하여 타겟별 맞춤형 리워드 앱 광고를 관리하는 리워드 광고 관리 단계와, 상기 리워드 광고 관리 단계에서의 광고 타겟팅에 의해 추천 어플리케이션을 사용자 단말에 설치 및 사용을 하는 단계와, 상기 사용자 단말을 통한 추천 어플리케이션 사용에 따른 포인트 적립 등의 리워드 서비스를 하는 리워드 서비스 관리 단계를 포함한다.
도 3은 본 발명에 따른 사용자 적합 어플리케이션 추천 시스템의 연결 구성도이고, 도 4 내지 도 7은 본 발명에 따른 사용자 적합 어플리케이션 추천 및 재추천 상황에 따른 시퀀스 다이어그램이다.
본 발명에 따른 사용자 적합 어플리케이션 추천 프로그램은, 이미 기존의 존재하던 서비스에 새로이 개발한 시스템을 탑재해야 함으로 시스템 전체 구성을 변경하는 것이 힘들며, 이미 만들어진 시스템에 적용하여 탑재할 수 있도록 구성 할 필요가 있다.
따라서, 본 발명에 따른 사용자 적합 어플리케이션 추천 시스템은 도 3에서와 같이, DB를 연결매체로 어플리케이션과 통신 하도록 구성하는 것이 바람직하다.
또한, 본 발명에 따른 사용자 적합 어플리케이션 추천 시스템은 가동을 시작하는 상황에서 모든 유저에게 추천을 수행하고, 이후 재 추천 해야할 상황은 다음과 같다.
case 1 : 사용자가 추천된 App을 다운 받았을 때
case 2 : 새로운 사용자가 본 서비스에 가입했을 때
case 3 : 새로운 광고 App이 DB에 입력되었고 서비스 되었을 때
case 4 : 이전에 제공되던 광고App이 서비스 중지 되었을 때
이상에서 설명한 본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법에서의 메인 전역 변수는 다음과 같이 정의될 수 있다.
표 1은 딕셔너리 변수를 정의한 것이다.
Figure pat00001
표 2는 리스트 변수를 정의한 것이다.
Figure pat00002
표 3은 queue 자료 구조 변수를 정의한 것이다.
Figure pat00003
표 4는 플로트 타입 변수를 정의한 것이다.
Figure pat00004
표 5는 쓰레딩 객체 변수를 정의한 것이다.
Figure pat00005
프로그램의 전체 흐름을 관리하는 main에서는 흐름 제어를 위하여 queue를 이용한 메시지를 통하여 흐름을 제어한다.
표 6은 각 queue에 들어가는 키워드와 그 용도를 설명한 것이다.
Figure pat00006
그리고 표 7 및 표 8은 본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법에서 사용되는 함수 구성을 나타낸 것이다.
Figure pat00007
Figure pat00008
본 발명에 의한 'MakeRatingMatrix' 함수 실행에 의하여, makelist가 0일 때, 유사도 계산의 범위는 prefs 전체(사용자 전체), 모든 사용자의 이름을 순차 접근, 모든 사용자에서 user와 같지 않은 회원의 정보에 순차접근, user와 other의 유사도를 계산(similarity), 계산한 유사도를 rating에 저장, 모든 결과 계산 내용을 return하는 구성을 포함할 수 있다.
그리고 본 발명에 의한 'InitRecommenderSystem' 함수 실행에 의하여, 사용자 활동정보 로드(LoadUserMatrix), 광고앱 감지를 위한 스래드 스타트(tNastest, tSoo_ad), AppData Table에 저장된 App 데이터 로드(LoadAppData), CategoryIndex 테이블의 정보 로드(LoadCategoryIndex), NonExist 테이블의 Scraping 불가 App list 로드(NonExistApps), User_Matrix에 NonExist정보 제거(NormalizeUserData), 50% 이상 소유한 App의 정보 제거 (NormalizeUserData), user_recom 테이블의 기추천 정보 로드(LoadRecommList), 사용자 카테고리별 기호도 계산(UsersPref), AdList update, 광고 종료된 광고App 및 새로 들어온 App 계산(user_recom의 광고 종료된 광고 추천을 제거(delRecommDB), 새로 들어온 광고 App을 추천 알고리즘에 전달(adKNN)), 사용자간 유사도 매트릭스 생성(MakeRatingMatrix), 앱간 유사도 매트릭스 생성(MakeRatingMatrix)의 구성을 포함할 수 있다.
그리고 본 발명에 의한 'RankingAlgo_core' 함수의 실행에 의하여, CF와 KNN을 통해 추천된 결과를 하나씩 참조, 추천된 App을 user가 가지고 있지 않을 때, 이하 계산 진행, 도출된 App 일치도를 Rankingrate에 대입, App 일치도에 (App 평점 * Ranking_Alpha)를 더함, App 일치도에 (유저별 카테고리 선호도 * Ranking_beta)를 더함, App 일치도에 (광고 reword 금액 * Ranking_cigma)를 더함, 계산된 유사도를 내림차순으로 정렬, 가장 높은 한 개를 선정의 구성을 포함할 수 있다.
그리고 본 발명에 의한 'CF' 함수의 실행에 의하여, 전달 받은 userList에 포함된 모든 유저를 대상으로 CF를 통한 일반 앱 추천 수행(하나의 유저에게 복수개의 추천 생성), 각 유저에게 추천된 모든 일반 App에 대한 워드 카운트 정보 생성, 만약, 추천된 App이 광고App일 경우, CF_KNNResult에 추가, 일반 App일 경우, CFResult에 추가, AdList에 있는 광고 App에 관한 워드 카운트 정보 생성, CFResult의 일반 추천 App과 광고 App간의 앱 일치도 매트릭스 계산 및 생성, 앱 일치도 매트릭스를 이용한 KNN 알고리즘을 수행하여, 일반 추천 App과 광고 App 사이의 일치도를 계산의 구성을 포함할 수 있다.
본 발명에 의한 'RankingAlgo' 함수의 실행에 의하여, 병렬처리를 위한 multiprocessing의 Pool 사용 준비(multiprocessing.freeze_support() ), multiprocessing.Pool 객체 생성(cpu_count는 서버의 cpu 개수를 리턴), 인수로 받은 CF_KNNResult의 내용을 분할 하여 각 프로세스로 전달, Pool 객체 닫음, addRecommList 리턴의 구성을 포함할 수 있다.
본 발명에 의한 'adKNN' 함수의 실행에 의하여, AdList의 광고 App을 하나씩 참조, ad(AdList 의 내용)을 기준으로 KNN 알고리즘 수행하여 result에 저장, result의 결과를 하나씩 참조, 각 요소를 포맷(format)에 맞춰 RecommResult에 저장, 각 광고App의 추천 내용을 내림차순으로 정렬, 최상위 결과 하나만 저장의 구성을 포함할 수 있다.
본 발명에 의한 'SelectAlgorithm' 함수의 실행에 의하여, Apps_User_Matrix에 Users_App_Matrix의 전치행렬을 저장, 각 광고 App의 사용자 소지율이 adKNN_alpha보다 많은 경우, adKNNList에 추가, 이하일 경우, CollaboList에 추가 및, adKNNList를 adKNN에 전달하여 수행하고, 리턴 결과를 addRecommList에 저장, adKNN의 결과를 RecommDBWrite 메시지와 함께 main에 전달, CollaboList의 결과를 CollaboF 메시지와 함께 main에 전달의 구성을 포함할 수 있다.
본 발명에 의한 'tUpdateMatirx' 함수의 실행에 의하여, Otype이 1일 경우, sim_distance로 유사도 계산, 0 일 경우, sim_logdistance로 유사도를 계산, Origin의 내용 중, 기존 사용자일 경우, 변경된 데이터 내용 적용, 신규 사용자일 경우 Origin에 신규 사용자 정보 삽입, 각 트리거에 맞는 거리 계산 알고리즘을 이용하여, 유사도 계산의 구성을 포함할 수 있다.
그리고 본 발명에 의한 'main' 함수의 실행에 의하여 다음과 같은 구성을 포함할 수 있다.
[user_timetable]
user_timetable 메시지와 같이 전달 된 사용기록에서 NonExistApp 정보와 NormalApps 정보 제거, 새로운 유저 정보 확인 ( new_UserData - old_userData ) 새로운 유저 존재 시 adKNN 함수에 사용자 정보 전달, tUpdateMatrix를 이용한 사용자간 유사도와 앱간 유사도 매트릭스 생성, 변경된 사용자 활동 데이터를 기반으로 UserPref 정보 업데이트, 기존에 존재하지 않은 새로운 App이 있나 확인, 있을 경우 ShortageApps 메시지를 que에 삽입, 일부 회원이 추천된 광고App을 받았는지 확인, 받았을 경우 해당 추천 정보를 user_recom 테이블에서 삭제 및 재 추천을 위한 adKNN으로 전달의 구성을 포함할 수 있다.
[adKNN]
lUnsetUserList와 AdList를 인자로 SelectAlgorithm를 호출의 구성을 포함할 수 있다.
[InputDBAppData]
Scraping한 정보를 addAppList에 저장, addAppList의 정보를 InsertAppData 함수를 이용하여 AppData 테이블에 삽입, 에러 발생 시 ErrorList에 저장되며, 저장된 정보를 재 삽입 시도의 구성을 포함할 수 있다.
[nonExist]
InsertNonExistApp 함수를 이용하여, Scraping 되지 않은 App 리스트를 NonExist 테이블에 저장, 삽입 중 문제가 발생한 리스트를 다시 삽입하도록 nonExist 메시지와 함께 main에 전달의 구성을 포함할 수 있다.
[ShortageApp]
전달 받은 App 리스트에 대한 Scraping 시도, 결과값이 None일 경우, Scraping에 문제가 있으며 재시도를 위하여 ScrapingErrorList에 저장, 결과값이 False일 경우, 구글 플레이에서 정보를 제공하지 않은 내용이므로, nonExistApp 목록에 추가, 해당 없을 경우, Scraping 성공으로 Apps에 불러온 데이터를 저장, nonExistApp과 Scraping 성공한 데이터 AppendData를 각각 nonExist 메시지와 InputDBAppData와 함께 전달의 구성을 포함할 수 있다.
[adAppChange]
전달된 값이 AdList에 있을 경우, 삭제된 광고 App이므로 리스트로 만든 후, RecommDBdel 메시지와 함께 메인으로 전달, 광고App 전체를 다시 불러오기 위하여 adAppListReload 메시지를 메인에 전달의 구성을 포함할 수 있다.
[adAppListReload]
각 광고업체의 테이블에서 광고App 정보 재로드, 각 광고 App에 대한 Scraping 데이터가 있는 지 확인하고 없을 경우 Scraping 목록에 추가, Scraping 목록이 0이 아닐 경우, ShortageApp 메시지와 함께 메인에 전달, 광고App 리스트를 adKNN 메시지와 함께 메인에 전달의 구성을 포함할 수 있다.
[CollaboF]
추천이 필요한 사용자 리스트(lUnsetUserList)를 인수로 CF 함수를 호출, 결과를 temp에 저장, temp를 인수로 RankingAlgo 실행, 수행된 결과를 RecommDBWrite 메시지와 함께 메인에 전달의 구성을 포함할 수 있다.
[RecommDBWrite]
addRecommList의 데이터를 InsertRecomm 함수를 이용하여 user_recom 테이블에 삽입, user_recom의 테이블 데이터를 LoadRecommList를 이용하여 RecommList에 재로드, RecommList와 lUnsetUserList를 비교하여, 추천 완료된 인원 제거, addRecommList의 내용과 RecommList의 내용을 비교하여, 쓰기 완료된 내용을 제거, InsertRecomm에서 발생한 에러 유저가 있을 경우, 해당 리스트와 함께 RecommDBWrite 메시지를 메인에 전달의 구성을 포함할 수 있다.
[RecommDBdel]
전달 받은 인수를 DeleteRecommDB 함수를 이용하여, user_recom 테이블에서 삭제, 에러 발생이 0이 아닐 경우, 해당 리스트와 RecommDBdel 메시지를 메인으로 전달하여, 재삭제 요청, LoadRecommList를 이용하여, 삭제된 내용이 반영된 데이터를 재로드하여 RecommList에 대입의 구성을 포함할 수 있다.
그 외(메세지가 없을 경우) 광고 리스트의 수가 0일 경우, 광고List 재로드 추천결과가 0일 때, adKNN 메시지를 메인에 전달, 전체 사용자 수와 RecommList의 사용자 추천 개수가 맞지 않을 때, 추천되지 않은 유저를 찾아 lUnsetUserList에 추가하고 해당 인원 리스트와 함께 adKNN 메시지를 메인에 전달의 구성을 포함할 수 있다.
이상에서 설명한 본 발명에 따른 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법은 모바일 활동 데이터 분석을 통한 개인 선호도 및 인공지능 기반 추천 기술을 활용한 어플리케이션 추천으로 리워드 서비스 제공을 통한 타겟 광고 효율을 높이고, 리워드 서비스 효율을 높일 수 있도록 한 것이다.
이와 같은 본 발명은 인공지능 기반 추천 기술을 이용하여 타겟 광고의 정확도를 크게 높이고, 지능형 추천 기술을 API 형식으로 기존 리워드 광고 앱, 일반 앱서비스 등에 오픈소스 형태로 배포하여 기존 리워드 광고 앱, 앱 서비스사가 타겟팅 정확도를 높여 타겟팅 광고를 통해 수익증대가 가능하도록 한다.
이상에서의 설명에서와 같이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명이 구현되어 있음을 이해할 수 있을 것이다.
그러므로 명시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 본 발명의 범위는 전술한 설명이 아니라 특허청구 범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (3)

  1. 사용자의 어플리케이션 사용 데이터를 수집하는 앱 사용 데이터 수집부;
    상기 앱 사용 데이터 수집부의 수집 데이터를 이용하여 기계 학습 및 데이터마이닝 기술을 적용한 빅데이터 분석으로 인공지능 기반의 어플리케이션 추천을 하는 빅데이터 분석 및 추천부;
    상기 빅데이터 분석 및 추천부의 분석 및 추천결과를 이용하여 타겟별 맞춤형 리워드 앱 광고를 관리하는 리워드 광고 관리부;
    상기 리워드 광고 관리부의 광고 타겟팅에 의해 추천 어플리케이션을 설치 및 사용을 하는 사용자 단말;
    상기 사용자 단말을 통한 추천 어플리케이션 사용에 따른 포인트 적립 등의 리워드 서비스를 하는 리워드 서비스 관리부;를 포함하는 것을 특징으로 하는 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템.
  2. 사용자의 어플리케이션 사용 데이터를 수집하는 앱 사용 데이터 수집 단계;
    상기 앱 사용 데이터 수집 단계에서의 수집 데이터를 이용하여 기계 학습 및 데이터마이닝 기술을 적용한 빅데이터 분석으로 인공지능 기반의 어플리케이션 추천을 하는 빅데이터 분석 및 추천 단계;
    상기 빅데이터 분석 및 추천 단계에서의 분석 및 추천결과를 이용하여 타겟별 맞춤형 리워드 앱 광고를 관리하는 리워드 광고 관리 단계;
    상기 리워드 광고 관리 단계에서의 광고 타겟팅에 의해 추천 어플리케이션을 사용자 단말에 설치 및 사용을 하는 단계;
    상기 사용자 단말을 통한 추천 어플리케이션 사용에 따른 포인트 적립 등의 리워드 서비스를 하는 리워드 서비스 관리 단계;를 포함하는 것을 특징으로 하는 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 방법.
  3. 제 2 항에 있어서, 모든 유저에게 추천을 수행하고, 이후 재 추천을 하는 상황은, 사용자가 추천된 App을 다운 받았을 때, 새로운 사용자가 본 서비스에 가입했을 때, 새로운 광고 App이 DB에 입력되었고 서비스 되었을 때, 이전에 제공되던 광고App이 서비스 중지 되었을 때의 상황을 포함하는 것을 특징으로 하는 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 방법.
KR1020180087250A 2018-07-26 2018-07-26 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법 KR20200012229A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180087250A KR20200012229A (ko) 2018-07-26 2018-07-26 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180087250A KR20200012229A (ko) 2018-07-26 2018-07-26 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20200012229A true KR20200012229A (ko) 2020-02-05

Family

ID=69514838

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180087250A KR20200012229A (ko) 2018-07-26 2018-07-26 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20200012229A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230072075A (ko) * 2021-11-17 2023-05-24 한국정보통신주식회사 응용 프로그램을 안내하는 전자 장치 및 그 제어방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130059738A (ko) 2011-11-29 2013-06-07 에스케이플래닛 주식회사 컨텐츠 분석에 따른 어플리케이션 추천 시스템 및 방법
KR20150028932A (ko) 2013-09-06 2015-03-17 주식회사 팩시스템즈 리워드 어플리케이션 프로그램의 추천에 수반한 다단계 리워드 서비스 제공 방법
KR20180043392A (ko) 2015-09-18 2018-04-27 삼성전자주식회사 어플리케이션들을 추천하는 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130059738A (ko) 2011-11-29 2013-06-07 에스케이플래닛 주식회사 컨텐츠 분석에 따른 어플리케이션 추천 시스템 및 방법
KR20150028932A (ko) 2013-09-06 2015-03-17 주식회사 팩시스템즈 리워드 어플리케이션 프로그램의 추천에 수반한 다단계 리워드 서비스 제공 방법
KR20180043392A (ko) 2015-09-18 2018-04-27 삼성전자주식회사 어플리케이션들을 추천하는 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230072075A (ko) * 2021-11-17 2023-05-24 한국정보통신주식회사 응용 프로그램을 안내하는 전자 장치 및 그 제어방법

Similar Documents

Publication Publication Date Title
US10715849B2 (en) Automatically generating a recommendation based on automatic aggregation and analysis of data
KR102230342B1 (ko) 뉴스피드에서 소셜 네트워킹 시스템 사용자에게 제시하기 위한 컨텐츠 아이템의 선택
JP5793081B2 (ja) モバイル広告最適化アーキテクチャ
AU2022202023B2 (en) Method and system for segmentation as a service
CN104981795A (zh) 应用程序在移动设备上的安装的转化跟踪
CN101464984A (zh) 一种利用广告位标签发布广告的广告发布控制系统及方法
CN107330717B (zh) 广告投放方法和系统
US20220122118A1 (en) Planning device and computer program
US10521829B2 (en) Dynamic ordering of online advertisement software steps
US10803480B2 (en) Bidding agent with optimized reach limitation
KR102563129B1 (ko) 마케팅 자동화 방법 및 시스템
KR20200012229A (ko) 리워드 서비스 제공을 위한 사용자 적합 어플리케이션 추천 시스템 및 방법
KR20200131809A (ko) 고속 및 안전한 콘텐츠 제공을 위한 시스템
CN112862544A (zh) 对象信息的获取方法、装置以及存储介质
US20110295679A1 (en) Presenting content packages based on audience exclusion
CN110322296A (zh) 广告竞价系统及其方法
CN114881736A (zh) 推荐方法、显示方法及设备
CN112862512A (zh) 内容项投放方法、装置、服务器及存储介质
KR101625513B1 (ko) 컨텐츠를 이용한 고객 확보 및 확장을 위한 광고방법
WO2014123505A1 (en) Method and system for group purchase of on-line advertising
KR101818013B1 (ko) 모바일 광고 네트워크의 광고 매체 관리 방법 및 관리 장치
KR101771537B1 (ko) 모바일 광고 네트워크의 광고 매체 관리 방법 및 관리 장치
KR20220129272A (ko) 복수의 검색엔진에 최적화 노출을 위한 웹사이트 개선 방법
CN112001753A (zh) 推广信息的投放方法、装置、设备及存储介质
US10721319B1 (en) System and method of targeting internet protocol (IP) notifications to mobile communication devices