KR20200029822A - 광고를 위한 모수 제공 방법 및 이를 지원하는 서버 장치 - Google Patents

광고를 위한 모수 제공 방법 및 이를 지원하는 서버 장치 Download PDF

Info

Publication number
KR20200029822A
KR20200029822A KR1020180108332A KR20180108332A KR20200029822A KR 20200029822 A KR20200029822 A KR 20200029822A KR 1020180108332 A KR1020180108332 A KR 1020180108332A KR 20180108332 A KR20180108332 A KR 20180108332A KR 20200029822 A KR20200029822 A KR 20200029822A
Authority
KR
South Korea
Prior art keywords
parameter
advertisement
user data
user
category
Prior art date
Application number
KR1020180108332A
Other languages
English (en)
Inventor
손상목
Original Assignee
에스케이플래닛 주식회사
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 에스케이플래닛 주식회사 filed Critical 에스케이플래닛 주식회사
Priority to KR1020180108332A priority Critical patent/KR20200029822A/ko
Publication of KR20200029822A publication Critical patent/KR20200029822A/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
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

본 발명은 기반의 모수 추출 방법 및 이를 지원하는 서버 장치를 개시한다. 상기 서버 장치는 통신 회로, 메모리 및 상기 통신 회로와 기능적으로 연결되는 프로세서를 포함할 수 있다. 상기 프로세서는 광고 집행에 이용되는 모수 제공일을 기준으로 제1 과거 시간 동안 누적된 제1 사용자 데이터를 기반으로 제1 기본 모수를 산출하고, 모수 제공일을 기준으로 제2 과거 시간 동안 누적된 제2 사용자 데이터를 기반으로 제2 모수를 산출하고, 상기 제1 기본 모수와 상기 제2 모수합을 모수 제공일에 제공할 모수로 결정하도록 설정될 수 있다.

Description

광고를 위한 모수 제공 방법 및 이를 지원하는 서버 장치{Providing Method of parameter for advertisement and server device supporting the same}
본 발명은 모수 제공과 관련하여, 모수 추출을 위한 연산 시간을 단축할 수 있는 광고를 위한 모수 제공 방법 및 이를 지원하는 서버 장치에 관한 것이다.
이동통신망의 발달과 단말기 사양의 발전에 따라 종래의 단순한 통신장치 또는 정보 제공 장치의 범주를 벗어나 이동통신단말기는 현대인의 필수 소지품이 되었고, 토탈 엔터테인먼트 기기로 진화해 가고 있는 추세에 있다. 특히, 최근에는 인터넷 사용이 보편화되면서 사용자들은 인터넷 검색을 통하여 다양한 정보를 획득할 수 있게 되었다. 즉, 사용자들은 인터넷에의 접속이 가능한 개인용 컴퓨터 등의 단말 장치를 통해 인터넷 검색 사이트에 접속한 후, 뉴스, 지식, 게임, 커뮤니티 등과 관련된 각종 컨텐츠를 검색할 수 있게 되었다.
이렇듯 인터넷 검색을 통한 정보 획득이 보편화되면서, 최근에는 사용자에게 제공한 광고에 대한 행동 로그 또는 사용자 입력에 대응하여 보다 사용자에게 필요한 광고를 제공하기 위한 방안이 모색되고 있다. 특히, 다양한 사용자들에게 효과적인 광고를 제공하기 위해서는 적절한 모수 추출이 필요하다.
종래 모수 추출의 경우를 고려해보면, 예컨대, 자동차 광고의 경우 자동차 기사를 사용자가 본 사실이 있거나 또는 광고 매니저나 광고 기획자의 직관적인 방식을 이용하여 모수를 추출하는 경우가 많았다. 그러나, 광고가 많거나 광고가 지속적으로 진행이 될 경우 광고 기획자에 의존하는 것에는 한계가 있다.
또한, 사용자 단말 별 광고를 제공하기 위해서는 모수 추출을 빠르게 수행해야 하는데, 사용자 데이터가 많은 경우, 이러한 모수 추출의 빠른 수행이 쉽지 않은 문제가 있었다.
본 발명은 광고 집행을 위한 모수 추출 과정에서, 연산 시간을 단축하여 개인의 행동 로그를 신속하게 반영한 광고를 사용자 단말에 제공할 수 있는 광고를 위한 모수 제공 방법 및 이를 지원하는 서버 장치를 제공하고자 한다.
본 발명의 실시 예에 따른 서버 장치는 상술한 바와 같은 목적을 달성하기 위한 것으로, 본 발명의 실시 예에 따른 서버 장치는 통신 회로, 상기 통신 회로를 통해 연결된 적어도 하나의 사용자 단말로부터 수집된 적어도 하나의 카테고리 별 광고 이용과 관련한 사용자 데이터를 저장하는 메모리 및 상기 통신 회로 및 상기 메모리와 기능적으로 연결되는 프로세서를 포함할 수 있다. 상기 프로세서는 광고 집행에 이용되는 모수 제공일을 기준으로 제1 과거 시간 동안 누적된 제1 사용자 데이터를 기반으로 제1 기본 모수를 산출하고, 모수 제공일을 기준으로 제2 과거 시간 동안 누적된 제2 사용자 데이터를 기반으로 제2 모수를 산출하고, 상기 제1 기본 모수와 상기 제2 모수합을 모수 제공일에 제공할 모수로 결정하도록 설정될 수 있다.
여기서, 상기 제2 과거 시간은 상기 모수 제공일을 기준으로 상기 제1 과거 시간 보다 상기 모수 제공일에 가까운 시간을 포함할 수 있다.
또한, 상기 제1 사용자 데이터는 상기 모수 제공일을 기준으로 1주일 전 또는 1개월 전부터 지정된 시간 동안 획득된 사용자 데이터를 포함할 수 있다.
그리고, 상기 제2 사용자 데이터는 상기 모수 제공일을 기준으로 1일 전 또는 2일 전부터 지정된 시간 동안 획득된 사용자 데이터를 포함할 수 있다.
한편, 상기 프로세서는 상기 제1 사용자 데이터를 기반으로 제1 카테고리 간 유사도 테이블을 산출하고, 상기 제1 카테고리 간 유사도 테이블을 기반으로 제1 카테고리 별 모수를 산출하도록 설정될 수 있다.
예를 들어, 상기 프로세서는 상기 모수 제공일 이후, 사용자 단말의 광고 이용에 따른 사용자 데이터를 1일 단위로 수집하고, 전날 획득된 사용자 데이터를 기반으로 모수를 산출하도록 설정될 수 있다.
또는, 상기 프로세서는 모수 제공일 이후 지정된 시간이 경과하면, 지정된 시간 동안 획득된 새 사용자 데이터들을 기반으로 상기 제1 기본 모수를 대체할 새로운 기본 모수를 산출하도록 설정될 수 있다.
한편, 상기 프로세서는 상기 사용자 데이터에 포함된 데이터들 중 유사도 0이 될 데이터들을 필터링하여 제거하도록 설정될 수 있다.
또한, 상기 프로세서는 코사인 유사도 알고리즘 또는 자카드 유사도 알고리즘을 이용하여 상기 사용자 데이터의 복수의 광고 카테고리들 간의 유사도 점수들을 산출하도록 설정될 수 있다.
본 발명의 실시 예에 따른 광고를 위한 모수 제공 방법은 서버 장치가, 광고 집행에 이용되는 모수 제공일을 기준으로 제1 과거 시간 동안 누적된 제1 사용자 데이터를 수집하는 단계, 상기 제1 사용자 데이터를 기반으로 제1 기본 모수를 산출하는 단계, 상기 모수 제공일을 기준으로 제2 과거 시간 동안 누적된 제2 사용자 데이터를 수집하는 단계, 상기 제2 사용자 데이터를 기반으로 제2 모수를 산출하는 단계, 상기 제1 기본 모수와 상기 제2 모수합을 모수 제공일에 제공할 모수로 결정하는 단계를 포함할 수 있다. 여기서, 상기 제2 과거 시간은 상기 모수 제공일을 기준으로 상기 제1 과거 시간 보다 상기 모수 제공일에 가까운 시간을 포함할 수 있다.
본 발명은 광고 집행을 위한 모수 제공에 있어서, 모수 추출을 위한 연산 시간을 단축하여 개인별 행동 로그를 신속하게 적용함으로써, 사용자에게 필요한 광고를 적절한 시점에 적응적으로 제공할 수 있다.
기타, 본 발명의 다른 효과들은 후술하는 다양한 실시 예들에 의해 제공될 수 있다.
도 1은 본 발명의 실시 예에 따른 광고 운용 시스템이 적용된 환경의 일 예를 나타낸 도면이다.
도 2는 본 발명의 실시 예에 따른 서버 장치의 서버 구성의 한 예를 나타낸 도면이다.
도 3은 본 발명의 실시 예에 따른 광고 운용 시스템의 각 구성 간 신호 흐름의 한 예를 나타낸 도면이다.
도 4는 본 발명의 실시 예에 따른 서버 장치 구성의 일 예를 나타낸 도면이다.
도 5는 본 발명의 실시 예에 따른 프로세서 구성의 한 예를 나타낸 도면이다.
도 6은 본 발명의 실시 예에 따른 광고 운용과 관련한 서버 장치의 운용 방법의 한 예를 나타낸 도면이다.
도 7은 본 발명의 실시 예에 따른 광고 송출과 관련한 연산량 단축 방안을 위한 서버 장치 운용 방법의 한 예를 나타낸 도면이다.
이하 본 발명의 바람직한 실시 예를 첨부한 도면을 참조하여 상세히 설명한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.
이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위한 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
이하에서는 본 발명의 실시 예에 따른 단말기는 통신망에 연결되어 어플리케이션을 실행하고, 어플리케이션을 통해 광고를 제공 받을 수 있는 이동통신단말기를 대표적인 예로서 설명하지만 단말기는 이동통신단말기에 한정된 것이 아니고, 모든 정보통신기기, 멀티미디어 단말기, 유선 단말기, 고정형 단말기 및 IP(Internet Protocol) 단말기 등의 다양한 단말기에 적용될 수 있다. 또한, 단말기는 휴대폰, PMP(Portable Multimedia Player), MID(Mobile Internet Device), 스마트폰(Smart Phone), 데스크톱(Desktop), 태블릿 컴퓨터(Tablet PC), 노트북(Note book), 넷북(Net book) 및 정보통신 기기 등과 같은 다양한 이동통신 사양을 갖는 모바일(Mobile) 단말기일 때 유리하게 활용될 수 있다.
도 1은 본 발명의 실시 예에 따른 광고 운용 시스템이 적용된 환경의 일 예를 나타낸 도면이며, 도 2는 본 발명의 실시 예에 따른 서버 장치의 서버 구성의 한 예를 나타낸 도면이다.
도 1 및 도 2를 참조하면, 본 발명의 실시 예에 따른 광고 운용 시스템(10)은 적어도 하나의 단말을 포함하는 사용자 단말(100) 및 상기 사용자 단말(100)에 광고를 제공하고 그에 따른 피드백을 수집한 후 광고 모수를 추출하여 운용하는 서버 장치(200) 및 네트워크(50)를 포함할 수 있다. 여기서, 상기 서버 장치(200)는 데이터 수집 서버(201), 추천 엔진 서버(203) 및 광고 서버(205)를 포함할 수 있다.
상기 본 발명이 적용되는 네트워크(50)는, 인터넷 망과 같은 IP 기반의 유선 통신망뿐만 아니라, LTE(Long term evolution) 망, WCDMA 망과 같은 이동통신망, Wi-Fi망과 같은 다양한 종류의 무선망, 및 이들의 조합으로 이루어질 수 있다. 즉, 본 발명에 따른 광고 운용 시스템은, 유무선 통신망에 구별 없이 모두 적용될 수 있다. 구체적으로 상기 네트워크(50)는 서버 장치(200)와 사용자 단말(100) 간의 통신 채널을 형성할 수 있다. 예를 들어, 상기 네트워크(50)는 서버 장치(200) 또는 사용자 단말(100) 가 운용할 수 있는 3G, 4G, 5G 무선 이동 통신 방식 중 적어도 하나의 방식을 지원할 수 있다. 또는, 상기 네트워크(50)는 유선 기반으로 상기 사용자 단말(100)과 상기 서버 장치(200) 간의 통신 채널의 통신 채널을 형성할 수 있다. 이러한 네트워크(50)는 현재 개발되어 상용화되었거나 향후 개발되어 상용화될 각종 유선망, 무선망 및 이들의 결합망을 포함하는 개념으로 해석되어야 한다. 상기 서버 장치(200)를 구성하는 데이터 수집 서버(201), 추천 엔진 서버(203) 및 광고 서버(205)는 상기 네트워크(50)를 통해 연결될 수도 있다. 상기 서버 장치(200)는 데이터 수집 서버(201), 추천 엔진 서버(203), 광고 서버(205)를 포함하는 경우, 상기 사용자 단말(100)은 데이터 수집 서버(201) 및 광고 서버(205)에 네트워크(50)를 통하여 연결될 수 있다. 또는, 상기 서버 장치(200)를 구성하는 데이터 수집 서버(201), 추천 엔진 서버(203), 광고 서버(205)는 별도의 케이블을 통해 연결될 수도 있다.
상기 사용자 단말(100)은 네트워크(50)를 통하여 서버 장치(200)와 통신 채널을 형성하거나, 또는 서버 장치(200)에 포함된 데이터 수집 서버(201) 및 광고 서버(205) 중 적어도 하나에 연결될 수 있다. 예를 들어, 상기 사용자 단말(100)은 광고 서버(205)와 통신 채널을 형성하고, 광고 서버(205)로부터 적어도 하나의 카테고리에 속하는 광고를 수신할 수 있다. 상기 사용자 단말(100)은 광고 서버(205)가 제공한 적어도 하나의 광고를 출력하고, 행동 로그(예: 광고 이용과 관련한 사용자 입력)에 대응하는 사용자 데이터를 데이터 수집 서버(201)에 전송할 수 있다. 이와 관련하여, 상기 사용자 단말(100)은 광고 서버(205)에 접속할 수 있는 어플리케이션 또는 광고 서버(205)가 광고를 제공하는 웹 사이트를 구동시킬 수 있는 웹 브라우저 등의 어플리케이션을 저장할 수 있다. 상술한 사용자 단말(100)은 복수의 사용자들이 각각 가지고 있는 다양한 단말들을 포함할 수 있다. 예를 들어, 상기 사용자 단말(100)은 광고 출력이 가능한 전자 장치로서, 스마트폰이나 태블릿 PC, 데스크탑 PC, 통신 회로가 장착된 카메라 등 다양한 장치들이 될 수 있다.
상술한 사용자 단말(100)은 예컨대, 통신 회로, 입력 장치, 메모리, 디스플레이 및 프로세서를 포함할 수 있다. 사용자 단말(100)의 통신 회로는 네트워크(50)와 통신 채널을 형성하고, 네트워크(50)를 기반으로 광고 시청과 관련한 데이터(예: 적어도 하나의 카테고리에 속하는 광고)를 서버 장치(200)의 광고 서버(205)로부터 수신할 수 있다. 예컨대, 통신 회로는 웹 브라우저 실행에 따라 지정된 주소 정보를 가지는 서버(예: 광고 서버(205))와 통신 채널을 형성하고, 상기 광고 서버(205)로부터 특정 카테고리에 속하는 적어도 하나의 광고를 수신할 수 있다. 또한, 상기 통신 회로는 수신된 광고와 관련하여 행동 로그(예: 광고 이용에 따른 사용자 입력)를 서버 장치(200)의 데이터 수집 서버(201)에 전달할 수 있다. 이러한 통신 회로는 3G, 4G, 5G 등의 원거리 무선 통신 네트워크 기반의 통신 채널을 형성하거나, 와이파이 등의 근거리 통신 네트워크 기반의 통신 채널을 형성할 수 있다.
상기 사용자 단말(100)의 입력 장치는 사용자 단말(100) 조작과 관련한 사용자 입력을 수신할 수 있다. 예를 들어, 상기 입력 장치는 웹 브라우저 실행을 위한 사용자 입력, 광고 서버(205) 접속을 위해 필요한 텍스트 입력(예: 주소 정보) 또는 어플리케이션 실행 아이콘 등을 선택할 수 있는 버튼 키 또는 가상 버튼 키, 음성 입력 기능 등을 지원할 수 있다. 상기 입력 장치는 광고 서버(205)로부터 광고 수신 이후, 사용자 조작에 따른 입력 신호를 사용자 단말(100)의 프로세서에 전달할 수 있다. 상기 입력 장치를 통해 입력된 입력 신호는 프로세서 제어에 대응하여 데이터 수집 서버(201)에 전달될 수 있다. 또는, 상기 입력 신호에 대응하여 선택된 또는 시청된 광고 시청과 관련한 조작 정보가 프로세서 제어에 대응하여 데이터 수집 서버(201)에 전달될 수 있다.
상기 사용자 단말(100)의 메모리는 사용자 단말(100) 운용과 관련한 데이터 또는 응용 프로그램 등을 저장할 수 있다. 예를 들면, 상기 메모리는 광고 시청과 관련한 프로그램(또는 어플리케이션) 또는 광고 시청 기능을 지원하는 웹 브라우저를 저장할 수 있다. 메모리는 광고 서버(205)로부터 수신된 적어도 하나의 광고를 저장할 수 있으며, 입력 장치로부터 입력 신호에 대응하여, 저장된 적어도 하나의 광고는 사용자 단말(100)의 디스플레이에 출력될 수 있다.
상기 사용자 단말(100)의 디스플레이는 사용자 단말(100) 운용과 관련한 적어도 하나의 화면을 출력할 수 있다. 예를 들어, 상기 디스플레이는 광고 시청 기능 실행에 따른 실행 화면, 서버 장치(200) 접속 화면(예: 광고 서버(205) 접속 화면) 등을 출력할 수 있다.
상기 사용자 단말(100)의 프로세서는 사용자 단말(100) 운용과 관련한 데이터의 처리 또는 전달을 수행할 수 있다. 예를 들어, 사용자 단말(100)의 프로세서는 입력 장치를 통해 입력되는 사용자 입력에 대응하여 광고 시청 프로그램(예: 또는 특정 웹 브라우저 또는 웹 어플리케이션 등)을 실행할 수 있다. 이와 관련하여, 상기 사용자 단말(100)의 프로세서는 상기 사용자 단말(100)의 통신 회로를 이용하여 서버 장치(200)(예: 광고 서버(205))와 통신 채널을 형성하고, 상기 광고 서버(205)로부터 광고를 수신하여 출력할 수 있다. 상기 사용자 단말(100)의 프로세서는 디스플레이에 특정 카테고리의 광고를 출력한 상태에서, 특정 카테고리의 광고를 선택 또는 재생을 요청하는 행동 로그(또는, 광고 이용과 관련한 사용자 입력)을 수신하면, 선택 또는 재생 요청된 광고를 재생하면서 수신된 사용자 입력을 데이터 수집 서버(201)에 전송할 수 있다.
상기 데이터 수집 서버(201)는 사용자 단말(100)로부터 행동 로그를 수집 및 저장할 수 있다. 이와 관련하여, 데이터 수집 서버(201)는 사용자 단말(100)과 통신 채널을 형성할 수 있다. 예를 들어, 상기 데이터 수집 서버(201)는 광고 서버(205)로부터 특정 카테고리의 광고를 제공한 사용자 단말(100)의 연결 정보를 획득하고, 획득된 연결 정보를 기반으로 사용자 단말(100)과 통신 채널을 형성할 수 있다. 상기 데이터 수집 서버(201)는 사용자 단말(100)에서 발생하는 광고 관련 사용자 입력 정보 또는 광고 관련 제어 정보를 수집할 수 있다. 상기 데이터 수집 서버(201)는 상기 사용자 입력 정보 또는 상기 광고 관련 제어 정보를 사용자 데이터(210)로서 수신하고, 이를 저장할 수 있다. 다른 예시에 따르면, 상기 데이터 수집 서버(201)는 광고 서버(205)와 통신 채널을 형성하고, 광고 서버(205)를 통하여 사용자 단말(100)의 사용자 데이터(210)를 수집할 수도 있다. 예컨대, 광고 서버(205)가 특정 카테고리의 광고를 사용자 단말(100)에 제공하고, 사용자 단말(100)에 특정 카테고리 재생 제어와 관련한 제어 정보를 광고 서버(205)에 전송하면, 상기 데이터 수집 서버(201)는 광고 서버(205)가 수신한 사용자 단말(100) 관련 광고 재생 제어 정보를 사용자 데이터(210)로서 수집할 수 있다. 상기 데이터 수집 서버(201)는 사용자 데이터(210)가 지정된 양만큼 수집되거나 또는 지정된 시간 동안 수집되면, 수집된 사용자 데이터(210)를 추천 엔진 서버(203)에 전달할 수 있다. 상기 데이터 수집 서버(201)가 수집한 사용자 데이터(210)는 복수의 사용자 단말들에 제공된 광고 카테고리들에 대한 정보와, 복수의 사용자 단말들이 시청한 광고 카테고리들에 대한 정보를 포함할 수 있다.
상기 데이터 수집 서버(201)는 사용자 데이터들을 지정된 시간 동안 누적하여 추천 엔진 서버(203)에 제공하거나 또는 실시간으로 추천 엔진 서버(203)에 제공할 수 있다. 예를 들어, 상기 데이터 수집 서버(201)는 카테고리 별 유사도 점수를 산출하는데 이용되는 제1 사용자 데이터를 수집할 수 있다. 상기 제1 사용자 데이터는 지정된 제1 과거 시간 동안(예: 현재 시점을 기준으로 1주전부터 현재까지 또는 2주전부터 현재까지, 또는 특정 제1 과거 시점부터 특정 제2 과거 시점까지) 누적된 사용자 데이터를 포함할 수 있다. 상기 데이터 수집 서버(201)는 상기 제1 사용자 데이터를 추천 엔진 서버(203)에 제공할 수 있다. 또한, 상기 데이터 수집 서버(201)는 사용자 점수 산출에 이용되는 제2 사용자 데이터를 수집할 수 있다. 예컨대, 상기 제2 사용자 데이터는 제2 과거 시간 동안(예: 현재 시점을 기준으로 1일 전부터 현재까지) 누적된 사용자 데이터를 포함할 수 있다. 상기 데이터 수집 서버(201)는 수집된 제2 사용자 데이터를 추천 엔진 서버(203)에 제공할 수 있다.
상기 추천 엔진 서버(203)는 수집된 데이터 분석을 통하여 아이템 간 유사도 등을 획득하고 광고 서버(205)에서 활용할 수 있도록 광고 별 모수를 제공할 수 있다. 이와 관련하여, 추천 엔진 서버(203)는 데이터 수집 서버(201)와 통신 채널을 형성하고, 데이터 수집 서버(201)로부터 사용자 데이터(210)를 수집할 수 있다. 이 동작에서, 추천 엔진 서버(203)는 지정된 시간 주기에 따라 데이터 수집 서버(201)와 통신 채널을 형성하고, 데이터 수집 서버(201)로부터 사용자 데이터(210)를 수집할 수 있다. 상기 추천 엔진 서버(203)는 수신된 사용자 데이터(210)에 대하여 지정된 추천 알고리즘을 이용하여 사용자 데이터(210)에 대한 유사도 값을 산출할 수 있다. 예를 들어, 추천 엔진 서버(203)는 자카드 유사도 알고리즘을 이용하여 사용자 데이터(210)에 대하여 사용자와 광고 카테고리들 간의 유사도 또는 카테고리들 간의 유사도 값 등을 산출할 수 있다. 상기 추천 엔진 서버(203)는 유사도 값이 산출되면, 상대적으로 유사도 값이 높은 사용자의 점수를 광고 집행에 있어서 모수로 사용할 수 있도록 광고 서버(205)에 전달할 수 있다. 이와 관련하여, 추천 엔진 서버(203)는 적어도 하나의 추천 로직(230)을 포함할 수 있다. 상기 추천 엔진 서버(203)는 사용자의 광고 카테고리 별 시청 이력 또는 광고 카테고리 별 구매 이력에 대한 데이터를 사용자 데이터(210)로 획득하고, 획득된 사용자 데이터(210)에 다양한 추천 로직(230) 중 적어도 하나의 로직을 적용하여 카테고리들 간의 유사도 테이블을 생성할 수 있다. 상기 추천 엔진 서버(203)는 사용자들과 카테고리들 간의 사용자 점수를 획득한 후, 사용자 점수 중 상대적으로 가장 큰 점수를 해당 광고의 모수로 사용할 수 있다. 상기 추천 로직(230)은 두 데이터 집합의 교집합의 크기를 합집합의 크기로 나누는 방식의 자카드 유사도(Jaccard similarity) 계산 알고리즘, 내적 공간의 두 벡터간 각도의　코사인 값을 이용하여 측정된 벡터간의 유사한 정도를 계산하는 방식의 코사인 유사도 알고리즘, 두 개의 연속적인 데이터들의 일대일 비교를 통해 경향성을 측정하는 방식의 피어슨 유사도 알고리즘 등을 포함할 수 있다. 본 발명의 추천 로직(230)은 상술한 자카드 유사도 알고리즘, 코사인 유사도 알고리즘, 피어슨 유사도 알고리즘 외에도 유사도를 측정하는 다양한 로직이 적용될 수 있다.
상기 추천 엔진 서버(203)는 모수 추출에 있어서, 사용자 단말(100)들이 제공하는 사용자 데이터의 실시간 반영을 처리하기 위하여 연산 단축을 수행할 수 있다. 상품 추천의 경우 컨텐츠 추천과 비교하여 사용자의 취향을 찾기 어렵다(implicit, Short term). 반면에 컨텐츠 추천의 경우는 취향이 분명하며 쉽게 바뀌지 않는다(Explicit, Longterm). 컨텐츠 추천은 목적성이 없지만 상품 추천 또는 구매에 있어서 사용자는 명확한 목적을 갖고 구매를 한다. 또한 컨텐츠 추천(또는 광고)의 경우 구매 취향이 있지만 상품 추천의 경우는 없다(지금 필요로 하는 물품을 구매하는 것이지 취향에 따라 커머스 상품을 반영하여 구매하진 않는다.) 즉, 휴가를 가기 위한 목적으로 휴가 용품을 구매하지 휴가가 취향이 되지는 못한다. 따라서 상품 추천의 경우는 연산속도가 매우 중요하여 구매의 목적에 맞는 패턴을 추출하여 추천에 반영하는 것이 중요하다. 따라서, 상기 추천 엔진 서버(203)는 상품 추천과 관련한 광고 집행에 있어서, 아이템 간 유사도 계산을 위해 제1 과거 시간(예: 1~2주 정도 과거)의 것을 사용할 수 있지만, 사용자의 목적을 바탕으로 한 상품 구매 history 등의 데이터 처리를 위해서는 최근 데이터를 반영하도록 동작할 수 있다. 즉, 상기 추천 엔진 서버(203)는 광고(또는 상품 광고)의 카테고리들 간의 유사도 산출은 제1 과거 시간의 누적된 제1 사용자 데이터를 기반으로 수행할 수 있다. 사용자 점수를 산출하는데 이용하는 제2 사용자 데이터는 제2 과거 시간(예: 현재 시점을 기준으로 상기 제1 과거 시간보다 현재 시점에 가까운 과거 시간으로, 1일 또는 2일 전부터 오늘까지 누적된 사용자 데이터)에 누적된 사용자 데이터가 될 수 있다.
상기 광고 서버(205)는 추천 엔진 서버(203)에서 제공하는 광고 별 모수를 기반으로 광고를 송출할 수 있다. 이와 관련하여, 상기 광고 서버(205)는 광고 DB(250)를 포함할 수 있다. 상기 광고 서버(205)는 광고 송출 시점이 도래하거나, 또는 특정 사용자 단말(100)의 특정 사용자 기능 실행 또는 특정 어플리케이션 실행을 수행함에 따라, 광고 제공이 요청되는 경우, 광고 서버(205)는 추천 엔진 서버(203)에 광고 카테고리 별 모수 값을 요청할 수 있다. 상기 광고 서버(205)는 추천 엔진 서버(203)로부터 광고 카테고리 별 모수 값을 수신하면, 수신된 모수 값을 기반으로 특정 카테고리의 광고를 특정 사용자 단말에게 송출할 수 있다. 상기 광고 DB(250)는 다양한 카테고리의 광고를 포함할 수 있다. 또는, 광고 DB(250)는 다양한 상품과 관련한 상품 정보를 포함할 수 있다. 광고 서버(205)는 추천 엔진 서버(203)가 제공한 모수를 기반으로 특정 카테고리의 광고를 선택하고, 선택된 카테고리의 광고를 적어도 하나의 사용자 단말(100)에 전송할 수 있다.
도 3은 본 발명의 실시 예에 따른 광고 운용 시스템의 각 구성 간 신호 흐름의 한 예를 나타낸 도면이다.
도 3을 참조하면, 본 발명의 광고 운용 시스템에 있어서, 301 단계에서, 적어도 하나의 사용자 단말(100)은 데이터 수집 서버(201)는 행동 로그로서 사용자 데이터를 전달할 수 있다. 이와 관련하여, 광고 서버(205)는 사용자 단말(100)과 통신 채널을 형성하고, 정책에 따른 특정 카테고리 광고를 사용자 단말(100)에 전달할 수 있다. 이 동작에서, 상기 광고 서버(205)는 특정 카테고리에 속하는 적어도 하나의 광고를 사용자 단말(100)에 전달하거나, 복수의 카테고리 별 광고들을 사용자 단말(100)에 전달할 수 있다. 사용자 단말(100)은 광고 서버(205)가 제공한 적어도 하나의 광고를 재생 요청하거나 해당 광고를 통하여 상품을 구입하는 등의 동작을 수행할 수 있다. 이와 관련하여, 사용자 단말(100)은 입력 장치를 통하여 특정 광고를 선택하는 사용자 입력을 생성하고, 상기 사용자 입력을 사용자 단말(100)의 행동 로그로서 데이터 수집 서버(201)에 전달할 수 있다. 데이터 수집 서버(201)는 사용자 단말(100)의 행동 로그에 해당하는 사용자 데이터(예: 상기 사용자 입력에 의해 선택된 광고 정보)를 메모리에 저장할 수 있다.
303 단계에서, 데이터 수집 서버(201)는 사용자 데이터 수집 분류를 수행할 수 있다. 예컨대, 상기 데이터 수집 서버(201)는 수집된 사용자 데이터들을 사용자 별 (또는 사용자 단말 별) 및 카테고리 별로 분류하여 저장할 수 있다. 또는, 상기 데이터 수집 서버(201)는 303 단계에서, 사용자 데이터의 개인별 연산 시간 단축을 위하여, 지정된 제1 과거 시간 동안 누적된 사용자 데이터를 수집하는 동작 및 지정된 제2 과거 시간 동안 누적된 사용자 데이터를 수집하는 동작 등을 수행할 수 있다. 여기서, 상기 제1 과거 시간은 예컨대, 모수 제공을 위한 날짜를 기준으로 과거의 일정 시간(예: 모수 제공일 기준 과거 1주일 전부터 지정일까지, 1달 전부터 지정일까지 등)이 될 수 있다. 상기 제2 과거 시간은 예컨대, 모수 제공을 위한 날짜를 기준으로 과거의 최근 시간(예: 모수 제공일 기준 1일 전부터 지정일까지, 2일 전부터 지정일까지 등)이 될 수 있다.
305 단계에서, 데이터 수집 서버(201)는 사용자 데이터(210)를 추천 엔진 서버(203)에 전달할 수 있다. 예컨대, 데이터 수집 서버(201)는 지정된 시간이 도래하면 수집된 사용자 데이터(210)를 추천 엔진 서버(203)에 전달할 수 있다. 또는, 상기 데이터 수집 서버(201)는 수집된 사용자 데이터(210)의 양이 지정된 개수가 되는 경우, 추천 엔진 서버(203)에 해당 사용자 데이터(210)를 전달할 수 있다. 또는, 데이터 수집 서버(201)는 광고 서버(205)가 지정된 카테고리의 광고를 송출하기 위한 준비가 된 시점에, 광고 서버(205)의 요청에 따라 수집된 사용자 데이터(210)를 추천 엔진 서버(203)에 전달할 수 있다. 또는, 데이터 수집 서버(201)는 모수 제공일 기준으로, 제1 과거 시간 동안 수집된 제1 사용자 데이터들과, 제2 과거 시간 동안 수집된 제2 사용자 데이터를 추천 엔진 서버(203)에 전달할 수 있다. 상기 데이터 수집 서버(201)가 제1 사용자 데이터 및 제2 사용자 데이터를 전달하는 시점은 각각의 데이터들이 수집된 시점이 될 수 있다.
307 단계에서, 상기 추천 엔진 서버(203)는 모수 추출을 수행할 수 있다. 예를 들어, 상기 추천 엔진 서버(203)는 저장된 추천 로직(230) 중 적어도 하나의 추천 로직을 이용하여 사용자 데이터(210)에 대한 지정된 비교 기준의 유사도 값을 산출할 수 있다. 예컨대, 추천 엔진 서버(203)는 광고의 카테고리들 간의 유사도 점수를 산출하거나, 사용자들 간의 유사도 점수 또는 사용자들과 카테고리들 간의 유사도 점수를 산출할 수 있다. 상기 추천 엔진 서버(203)는 산출된 상기 유사도 점수를 기반으로 사용자 점수를 책정할 수 있다. 상기 추천 엔진 서버(203)는 책정된 사용자 점수를 기반으로 모수를 추출할 수 있다.
또한, 상기 추천 엔진 서버(203)는 307 단계에서, 상기 제1 과거 시간 동안 누적된 제1 사용자 데이터들을 기반으로 제1 기본 모수를 산출하고, 제2 과거 시간 동안 누적된 제2 사용자 데이터들을 기반으로 광고 집행을 위한 모수를 산출할 수 있다. 또는, 상기 추천 엔진 서버(203)는 상기 제1 사용자 데이터들과 사전에 산출된 카테고리들 간의 유사도 테이블을 이용하여 사용자 및 카테고리 간 유사도 점수를 계산할 수 있다. 즉, 상기 추천 엔진 서버(203)는 카테고리 간 유사도 정보는 잘 변하지 않기 때문에, 제1 과거 시간 전에 획득한 테이블을 그대로 활용하여, 제2 과거 시간 동안 누적된 제2 사용자 데이터들을 기반으로 산출한 카테고리 유사도를 이용하여 사용자 간 카테고리 간 유사도 정보를 구하고, 이를 기반으로 광고 집행을 위한 모수로 산출할 수 있다. 상기 추천 엔진 서버(203)는 모수 제공일에는 제1 기본 모수와 광고 집행을 위한 모수를 합한 값을 모수로 제공할 수 있다.
309 단계에서, 상기 추천 엔진 서버(203)는 추출된 모수를 광고 서버(205)에 전달할 수 있다. 상기 추천 엔진 서버(203)는 특정 카테고리의 광고에 대하여 상대적으로 가장 높은 사용자 점수 책정된 사용자의 점수를 모수로 선택하고, 이를 광고 서버(205)에 전달할 수 있다.
311 단계에서, 상기 광고 서버(205)는 수신된 모수를 기반으로 광고 집행을 수행할 수 있다. 예를 들어, 상기 광고 서버(205)는 모수가 높은 사용자 단말에 해당 광고를 송출할 수 있다.
한편, 상술한 설명에서는 서버 장치(200)가 데이터 수집 서버(201), 추천 엔진 서버(203) 및 광고 서버(205)를 포함하는 형태를 기준으로 설명하였으나, 본 발명이 이에 한정되는 것은 아니다. 예컨대, 상기 서버 장치(200)는 상술한 각각의 서버들의 구성을 포함하는 형태 이외에, 독립된 하나의 전자 장치로 구성될 수도 있다. 이 경우, 상기 서버 장치(200)는 도 4에 도시된 바와 같은 구성을 포함할 수 있다.
도 4는 본 발명의 실시 예에 따른 서버 장치 구성의 일 예를 나타낸 도면이다.
도 4를 참조하면, 본 발명의 실시 예에 따른 서버 장치(200)(또는 서버 장치)는 통신 회로(210), 메모리(230) 및 프로세서(250)를 포함할 수 있다. 상기 메모리(230)는 상기 서버 장치(200)와 독립된 구성으로 마련될 수 있다. 이 경우, 프로세서(250)는 별도로 구성된 메모리(230) 장치 또는 서버와 통신 채널을 형성하고, 검색 동작을 수행하도록 제어할 수도 있다.
상기 통신 회로(210)는 서버 장치(200)의 통신 기능을 담당할 수 있다. 즉, 통신 회로(210)는 네트워크(50)를 통해 적어도 하나의 사용자 단말(100)과 통신 채널을 형성할 수 있다. 상기 통신 회로(210)는 프로세서(250) 제어에 대응하여 적어도 하나의 광고의 전송, 사용자 단말(100)로부터 사용자 데이터(210)의 수신 등을 수행할 수 있다.
상기 메모리(230)는 서버 장치(200) 운용과 관련한 데이터 또는 프로그램을 저장할 수 있다. 예컨대, 상기 메모리(230)는 광고 서비스 제공과 관련하여, 사용자 데이터(210), 추천 로직(230) 및 광고 DB(250)를 저장할 수 있다.
상기 사용자 데이터(210)는 복수의 사용자 단말(100)들로부터 수신된 광고에 대한 행동 로그를 포함할 수 있다. 예컨대, 상기 사용자 데이터(210)는 특정 사용자 단말(100)에 제공된 특정 카테고리 광고에 대하여 사용자의 여부를 지시하는 정보, 또는 특정 카테고리 광고를 기반으로 상품 구매를 했는지 여부를 나타내는 정보 등을 포함할 수 있다. 상기 사용자 데이터(210)는 광고 송출을 위한 모수를 산출하는데 이용될 수 있다. 특히, 광고 제공을 위한 개인별 연산 속도 감축을 위해, 상기 사용자 데이터(210)는 모수 제공일 기준으로 지정된 제1 과거 시간 동안의 제1 사용자 데이터와, 모수 제공일 기준으로 지정된 제2 과거 시간 동안의 제2 사용자 데이터를 포함할 수 있다. 상기 제2 과거 시간은 상기 제1 과거 시간에 비하여 현재 시점으로부터 가까운 시간(예: 모수 제공일 기준으로 1일 전 또는 2일 전부터 현재까지)이 될 수 있다.
상기 추천 로직(230)은 상기 사용자 데이터(210)를 기반으로 광고 송출을 하는데 이용되는 모수를 산출하는데 이용되는 적어도 하나의 로직을 포함할 수 있다. 예컨대, 상기 추천 로직(230)은 코사인 유사도 알고리즘, 자카드 유사도 알고리즘 등을 포함할 수 있다. 추천 로직(230)은 사용자 데이터(210)를 기반으로 광고의 카테고리들 간의 유사도 점수를 산출하는데 이용되거나, 사용자들과 카테고리들 간의 관계에 관한 점수를 산출하는데 이용될 수 있다.
상기 광고 DB(250)는 사용자 단말(100)에 제공할 적어도 하나의 광고를 저장할 수 있다. 상기 광고 DB(250)에 저장된 광고들은 예컨대, 일정 카테고리들로 분류될 수 있다. 한 예로서, 상기 광고 DB(250)에 저장되는 광고들은 대분류 카테고리, 중분류 카테고리, 소분류 카테고리 등으로 구분되어 저장될 수도 있다. 상기 광고 DB(250)에 저장된 광고는 예컨대, 다양한 상품 안내 또는 상품 구매 등과 관련한 광고를 포함할 수 있다. 예를 들어, 상기 광고는 구두, 신발, 옷, 전자 제품, 음식, 여행 상품 등 온라인을 통해 판매 가능한 다양한 상품들을 안내하고, 사용자 선택에 의해 구매될 수 있는 정보를 포함할 수 있다.
상기 프로세서(250)는 서버 장치(200)의 운용과 관련한 데이터의 처리 또는 프로그램 운용을 수행할 수 있다. 예를 들어, 프로세서(250)는 사용자 단말(100)의 접속을 지원하고, 사용자 단말(100)로 적어도 하나의 광고를 제공하고, 광고를 제공한 사용자 단말(100)로부터 광고 시청 또는 해당 광고를 기반으로 한 상품 구매 등과 관련한 행동 로그를 사용자 데이터(210)로 수집할 수 있다. 상기 프로세서(250)는 수집된 사용자 데이터(210)를 기반으로 특정 카테고리 광고에 해당하는 사용자 점수를 산출하고, 이를 기반으로 모수를 추출할 수 있다. 상기 프로세서(250)는 산출된 모수를 기반으로 특정 카테고리의 광고를 지정된 사용자 단말(100)에 제공할 수 있다. 이와 관련하여, 상기 프로세서(250)는 도 5에 도시된 바와 같은 구성을 포함할 수 있다.
도 5는 본 발명의 실시 예에 따른 프로세서 구성의 한 예를 나타낸 도면이다.
도 5를 참조하면, 본 발명의 프로세서(250)는 정보 수집부(251), 모수 추출부(253) 및 광고 집행부(255)를 포함할 수 있다.
상기 정보 수집부(251)는 사용자 데이터(210)를 수집할 수 있다. 이와 관련하여, 상기 정보 수집부(251)는 광고 집행부(255)가 집행한 광고를 수신한 사용자 단말(100)의 식별 정보를 획득하고, 사용자 단말(100)의 식별 정보를 기반으로 사용자 단말(100)에 제공된 광고의 카테고리, 광고의 선택 여부, 광고를 기반으로 상품 구매 여부 등을 포함하는 사용자 행동 로그를 사용자 데이터(210)로서 수집하고 메모리(230)에 저장 관리할 수 있다. 상기 정보 수집부(251)는 광고가 사용자 단말(100)들에 제공될 때마다 사용자 데이터(210)를 수집할 수 있다. 상기 정보 수집부(251)는 사용자 데이터(210)를 지정된 기간 동안 수집하거나 또는 지정된 양만큼 수집하고, 지정된 조건을 만족하면, 사용자 데이터(210)를 모수 추출부(253)에 전달할 수 있다. 예컨대, 정보 수집부(251)는 지정된 기간이 경과하거나 지정된 양만큼 사용자 데이터(210)가 수집되면 수집된 사용자 데이터(210)를 모수 추출부(253)에 전달할 수 있다. 또는, 상기 정보 수집부(251)는 광고 집행부(255)가 특정 카테고리의 광고를 집행하고자 할 때, 해당 카테고리에 대응하는 모수 추출을 위하여 사용자 데이터(210)를 모수 추출부(253)에 전달할 수도 있다.
특히, 상기 정보 수집부(251)는 모수 제공일을 기준으로 제1 과거 시간 동안의 제1 사용자 데이터를 수집할 수 있다. 상기 제1 과거 시간은 예컨대, 모수 제공일 N일을 기준으로 과거 N-2일부터 N-8일 동안의 시간을 포함할 수 있다. 상기 제1 사용자 데이터는 특정 사용자 단말(100)의 특정 카테고리 광고에 대한 행동 로그(예: 광고 이용과 관련한 사용자 단말 조작 정보 또는 사용자 입력, 광고를 이용한 상품 구매 이력 등)를 포함할 수 있다. 상기 정보 수집부(251)는 모수 제공일을 기준으로 제2 과거 시간 동안의 제2 사용자 데이터를 수집할 수 있다. 예컨대, 상기 제2 과거 시간은 모수 제공일 N일을 기준으로 N-1일이 될 수 있다.
모수 추출부(253)는 사용자 데이터(210)를 분석하는 단계에서 사용자 데이터(210)를 로딩하고 로딩한 사용자 데이터에 대해 전처리 과정을 통하여 분석량을 줄일 수 있다. 예를 들어, A item과 관련한 광고를 선택한 사용자 또는 A item과 관련한 광고를 통해 상품을 구매한 제1 사용자가 사람이 한 명 있고, B 아이템과 관련한 광고를 선택하는 사용자 또는 B 아이템과 관련한 광고를 통해 상품을 구매한 제2 사용자가 한명인 경우 item A 와 B간의 유사도는 0이다. 즉, 전체 데이터 중에 item을 한 개만 구매한 사람의 행동로그는 유사도 연산에 있어서 중요하지 않은 데이터일 수 있다. 상기 모수 추출부(253)는 이러한 데이터를 제거한 후 표 1과 같은 clean 한 데이터를 확보할 수 있다.
사용자 Category_1 Category_2 Category_3 Category_4 Category_5
1 1 0 0 0 0
2 0 0 0 1 0
3 1 0 0 0 0
4 0 0 0 1 0
5 0 1 1 0 0
6 0 1 0 1 1
표 1에서, 사용자가 category 별 광고를 선택 또는 광고를 통해 상품을 구매한 이력을 가지는 경우가 1이 될 수 있다. 상기 표 1과 같은 사용자 데이터 분류 값이 획득되면, 모수 추출부(253)는 추천 로직(230)에 포함된 다양한 로직 중 적어도 하나의 로직을 이용하여 표 2와 같은 테이블을 얻을 수 있다. 여기서, 표 2는 jaccard similarity를 이용하여 유사도를 구한 값이다.
사용자 Category_1 Category_2 Category_3 Category_4 Category_5
Category_1 1
Category_2 0.78 1
Category_3 0.21 0.23 1
Category_4 0.14 0.2 0.456 1
Category_5 0.99 0.1 0.121 0.111 1
상기 표 2는 앞서 언급한 바와 같이 Category간 유사도를 테이블 형태로 나타낸 것이다.한편, User Score(사용자 점수) 값이 사용자와 해당 category(광고 소재)간의 추천값(preference)의 우선 순위를 결정하는 값이 될 수 있다. 사용자 점수 값을 구하는 방식, 예컨대, 사용자 1과 category 1의 사용자 점수를 구하는 방식과 관련하여, 모수 추출부(253)는 먼저, category 1과 가장 유사한 category를 표 2를 통하여 획득한다. 즉, 모수 추출부(253)는 category 5, 2, 3, 4의 순으로 유사도 결과 값을 얻는다. 모수 추출부(253)는 획득한 유사도 값을 아래 수학식 1의 similarities값에 넣는다.
[수학식 1]
User score = sum(history*similarities)/sum(similarities)
상기 history 값은 표 1에서 사용자가 해당 제품을 구매했는지 여부를 나타낸 값(예: 1 or 0)이 될 수 있다. 상기 수학식 1에 따른 사용자 점수는 카테고리의 광고 별 이용 이력 값에 상기 카테고리들 간의 유사도 점수들을 곱하여 합산한 값을, 상기 카테고리들 간의 유사도 점수들의 합으로 나눈 값으로 설정될 수 있다. 또는, 카테고리의 광고 별 이용 이력 값에 상기 카테고리들 간의 유사도 점수들을 곱하여 합산한 값을 분자 값으로 하고, 상기 카테고리들 간의 유사도 점수들의 합을 분모 값으로 하는 값이 상기 사용자 점수(User score)가 될 수 있다.
예를 들어, 0.99,0.78,0.21.0.14 와 (0,0,0,0)를 서로 곱한 후 합의 값이 분자가 되고 유사도 값만 더한 것이 분모가 되어 사용자 1의 category 1에 대한 사용자 점수는 0이 될 수 있다. 이와 같이 사용자 1에 대해 Category2, 3, 4, 5까지 진행 하고, 계속하여 사용자 2 내지 6까지 모두 진행 하면 최종적인 사용자 점수를 표 3과 같이 획득할 수 있다.
사용자 Category_1 Category_2 Category_3 Category_4 Category_5
1 0 0.234 0.266 0.1181 0
2 0.082343 0 0.095912 0.088885
3 0 0.089767 0 0 0
4 0.082343 0.083568 0 0.083502 0
5 0 0 0.114305 0.093197 0.088221
6 0 0 0 0 0
표 3에서, 사용자 별 카테고리 별 순위를 나타내는 경우, 표 4와 같은 값을 획득할 수 있다.
사용자 1순위 2순위 3순위 4순위 5순위
1 Category_3 Category_2 Category_4
2 Category_3 Category_5 Category_1
3 Category_2
4 Category_2 Category_4 Category_1
5 Category_3 Category_4 Category_5
6
표 4에 도시된 값은 사용자 추천 정보로 이용될 수 있다. 상기 표 4에 나타난 결과값을 카테고리 별로 group_by 하게 되면 표 5와 최종 결과를 얻을 수 있다.
1차우선순위 모수 2차우선순위 모수 3차우선순위 모수
Category_1 2/4
Category_2 3/4 1
Category_3 1/2/5
Category_4 4/5
Category_5 5
Category_6
표 5는 Category 별 모수를 나타낸 것이다. 표 5에서 보는 바와 같이 1차 우선 순위 모수가 가장 먼저 광고 송출 시 사용되고 이후에 모수가 부족할 경우 2차 우선순위 모수를 활용하여 모수를 확대(lookalike)할 수 있다. 아울러 상기 표들은 매일매일 혹은 매시간 별로 연산 할 수 있기 때문에 모수의 freshness가 항상 유지되는 장점이 있다.
한편, 상기 모수 추출부(253)는 분석해야할 데이터 크기가 많을 경우를 대비하여 실시간 연산량을 줄이기 위해, 지정된 과거 시간 동안 광고 이용과 관련한 행동 로그에 해당하는 사용자 데이터를 이용하여 카테고리들 간의 유사도 에티블 산출 및 카테고리별 모수를 추출할 수 있다. 예컨대, 상기 모수 추출부(253)는 모수 제공일 기준으로 1주일 전(또는 한달 전 등, 분석에 필요한 데이터의 기간에 따라 가변적이 될 수 있음)부터 지정된 시점(예: 모수 제공일 기준 3일 or 2일 전)까지의 사용자 데이터를 수집하고, 상기 표 1 내지 표 5를 통해 설명한 방식을 기반으로 카테고리 간의 유사도 테이블 산출 및 카테고리 별 모수를 제1 기본 모수로 산출할 수 있다.
모수 추출부(253)는 모수 제공일에, 그 전날(또는 당일)의 사용자 데이터를 기반으로 표 2에서 설명한 내용에서와 같이 카테고리 간 유사도 테이블을 아용하여 사용자와 카테고리 간 유사도 점수를 계산할 수 있다. 즉, 모수 추출부(253)는 카테고리 간 유사도 정보는 잘 변하지 않기 때문에, 제1 과거 시간 동안 구했던 테이블을 그대로 활용하고, 모수 제공일 전날 구한 사용자 데이터를 기반으로 사용자 간 카테고리 간 유사도 정보를 광고 집행을 위한 2차 모수로 산출할 수 있다.
예를 들면, 상기 모수 추출부(253)는 다음과 같은 스케줄링된 표 6에서와 같이 데이터 수집 및 모수 추출을 수행할 수 있다.
M-7
데이터 수집		 M-6
데이터 수집		 M-5
데이터 수집		 M-4
데이터 수집		 M-3
데이터 수집		 M-2
데이터 수집		 M-1
데이터 수집
M데이터 수집 M+1
데이터 수집		 M+2
데이터 수집		 M+3
데이터 수집		 M+4
데이터 수집		 M+5
데이터 수집		 M+6
데이터 수집
M+7Add1_데이터 수집
기본 모수 추출		 M+8
Add2_데이터 수집		 M+9
Add3_데이터 수집
M+14Add8_데이터 수집
기본 모수 추출		 M+1
Add9_데이터 수집
여기서, M-7일은 모수 제공 의뢰을 수신한 날이 될 수 있으며, M+8일이 모수 제공일이 될 수 있다.상기 모수 추출부(253)는 광고캠페인을 진행 하기 전 혹은 모수 추출하기 전에 모수 추출을 위한 요청이 발생하면, 모수를 전달해야 하는 제공일 전부터 지정된 제1 과거 시간 전에 행동로그를 미리 수집하여 상기 표 1 내지 표 5에서 설명한 과정을 통하여 카테고리 간 유사도 테이블을 구하고, 카테고리별로 모수를 추출할 수 있다. 이렇게 추출된 모수는 1차 기본 모수로 이용될 수 있다.
상기 모수 추출부(253)는 모수 제공일 당일에는 제2 과거 시간의 행동로그와 위에서 구한 표 2의 카테고리 간 유사도 테이블을 이용하여 사용자와 카테고리 간 유사도 점수를 계산한다. 즉, 모수 추출부(253)는 카테고리 간 유사도 정보는 1주일 전에 구했던 테이블을 그대로 활용하고 8일 째 되는 날부터는 이전에 구했던 category 유사도를 이용하여 8일 째 해당하는 사용자간 카테고리간 유사도 정보를 2차 모수로 구할 수 있다. 상기 모수 추출부(253)는 1차 기본 모수에서 얻은 category 별 모수와 2차 모수에서 구한 category 별 모수를 합하여 9일 사용할 모수로서 제공할 수 있다. 상술한 과정을 지정된 시간 예컨대, 1주일간 진행하고, 새롭게 적립된 데이터(add1~add7)를 이용하여 새로운 표 2. category 간 유사도 테이블을 산출함과 아울러, 사용자 및 category 유사도를 구할 수 있다.
상술한 표에서, M-7일부터 M+6일까지 모수 추출부(253)는 사용자 데이터를 누적하여 수집할 수 있다. 그리고, 상기 모수 추출부(253)는 M+7일에 Add1 데이터(그날의 사용자 데이터)를 수집하면서, 이전 누적된 사용자 데이터를 기반으로 제1 기본 모수를 산출할 수 있다. 이 동작에서, 모수 추출부(253)는 제1 카테고리 유사도 테이블을 산출할 수 있다.
M+8일에, 모수 추출부(253)는 Add2 데이터를 수집하면서, 제1 기본 모수를 기반으로 광고 집행을 수행할 수 있도록, 제1 기본 모수를 광고 집행부(255)에 전달할 수 있다. 또한, 모수 추출부(253)는 Add1 데이터를 기반으로 2차 모수 추출을 수행할 수 있다.
M+9일에, 모수 추출부(253)는 Add3 데이터를 수집하면서, 1차 기본 모수와 Add1 모수를 합한 값을 광고 집행부(255)에 전달하여 해당 모수의 합을 기반으로 광고 집행을 수행할 수 있도록 지원한다. 또한, 상기 모수 추출부(253)는 Add2 데이터 기반의 모수 추출을 수행할 수 있다. M+10, M+11, M+12, M+13일에도 상기 모수 추출부(253)는 M+9에서와 같이 추가 사용자 데이터를 수집하고, 1차 기본 모수와 전날 추출한 모수(예: Add2, Add3, Add4? 등으로부터 추출한 모수)의 합을 이용하여 광고 집행을 요청하고, 직전날 획득한 추가 사용자 데이터의 모수 추출을 수행할 수 있다.
M+14일에, 모수 추출부(253)는 Add8 데이터(M+14일날 사용자 단말(100)의 행동 로그에 따른 사용자 데이터)를 수집하고, 직전 1주일 데이터(예: Add1 ~ Add7)를 기반으로 새로운 모수 예컨대, 제2 기본 모수를 추출할 수 있다. 이 동작을 위하여, 상기 모수 추출부(253)는 직전 제1 과거 시간 동안 누적된 사용자 데이터를 이용하여 카테고리 간 유사도 테이블 산출 및 사용자 간 카테고리 간 유사도를 구하고, 이를 이용하여 제2 기본 모수를 산출할 수 있다.
M+15일에, 모수 추출부(253)는 Add9 데이터를 수집하고, 2차 기본 모수를 기반으로 광고 집행을 요청하면서, Add8 데이터 기반의 모수 추출을 수행할 수 있다. 상기 모수 추출부(253)는 이후 반복되는 날들에 대하여 새 사용자 데이터 수집과, 직전날 사용자 데이터 기반의 모수 추출을 수행하면서, 기본 모수와 직전날 사용자 데이터를 기반으로 획득한 모수 값을 합한 값으로 광고 집행을 요청할 수 있다.
상술한 설명에서, M+8일 광고 집행을 위한 모수 산출식은 다음 수학식 2와 같을 수 있다.
[수학식 2]
1차 base User score = sum(1차 history*1차 category간 similarities)/sum(1차 category 간 similarities)
여기서, 1차 base User score는 1차 기본 모수 산출을 위한 사용자 점수이며, history는 사용자가 해당 카테고리의 상품을 구매한 이력 또는 해당 광고를 이용한 이력의 존재 여부, similarities는 표 2를 통해 산출되는 유사도 값이 될 수 있다.
M+9일 광고 집행을 위한 모수 산출식은 다음 수학식 3과 같을 수 있다.
[수학식 3]
User score = sum(add1 history*1차 category간 similarities)/sum(1차 category 간 similarities)
M+10일 광고 집행을 위한 모수 산출식은 다음 수학식 4와 같을 수 있다.
[수학식 4]
User score = sum(add2 history*1차 category간 similarities)/sum(1차 category 간 similarities)
M+15일 광고 집행을 위한 모수 산출식은 다음 수학식 5와 같을 수 있다.
[수학식 5]
2차 base User score = sum(2차(add1~add8) history*2차 category간 similarities)/sum(2차 category 간 similarities)
상기 광고 집행부(255)는 상기 표 5를 이용하여 카테고리 별 광고에 대한 광고 송출을 수행할 수 있다. 예를 들어, 광고 집행부(255)는 category 1의 광고를 송출하고자 할 경우, 사용자 단말 2 및 사용자 단말 4에 광고 송출을 수행할 수 있다. 또한, 광고 집행부(255)는 category 2의 광고를 송출하고자 할 경우, 사용자 단말 3 및 사용자 단말 4에 광고 송출을 우선 수행한 후, 추가적인 광고 송출이 요구될 경우, 사용자 단말 1에 광고 송출을 수행할 수 있다. 상술한 바와 같이, 광고 집행부(255)는 카테고리 별 모수에 따라 광고 송출을 수행함으로써, 사용자 단말의 행동 로그에 따라 해당 사용자 단말의 사용자가 관심 있어 하는 카테고리의 광고를 제공할 수 있어, 사용자에게 유용한 광고를 제공할 수 있다. 결과적으로, 광고 집행부(255)가 제공한 광고는 사용자에 의해 선택되고, 해당 광고를 통해 상품 구매를 손쉽게 할 수 있도록 유도할 수 있다.
도 6은 본 발명의 실시 예에 따른 광고 운용과 관련한 서버 장치의 운용 방법의 한 예를 나타낸 도면이다.
도 6을 참조하면, 본 발명의 광고 운용과 관련한 서버 장치의 운용 방법에 있어서, 601 단계에서, 상기 서버 장치(200)의 프로세서(250)는 사용자 데이터를 수집할 수 있다. 이와 관련하여, 프로세서(250)는 특정 카테고리의 광고를 특정 사용자 단말(100)에 제공하고, 해당 사용자 단말(100)로부터 상기 광고에 대한 행동 로그를 사용자 데이터로서 수집할 수 있다. 예를 들어, 상기 프로세서(250)는 제공된 광고에 대하여, 사용자 단말(100)로부터 제공된 광고를 식별할 수 있는 광고 식별 정보, 해당 광고 선택 또는 재생 정보, 광고를 기반으로 한 상품 구매 이력 정보 등을 수집할 수 있다. 상기 프로세서(250)는 복수의 사용자 단말(100)들에게 각각 적어도 하나의 광고를 제공하고, 각 사용자 단말(100)들로부터 제공된 광고에 대한 행동 로그를 수집할 수 있다.
603 단계에서, 상기 프로세서(250)는 지정된 시간이 도래하였는지 확인할 수 있다. 상기 지정된 시간은 사용자 데이터를 기반으로 모수 추출을 하기로 사전 설정된 주기를 포함할 수 있다. 또는, 상기 지정된 시간은 사용자 데이터의 개수가 지정된 개수 이상 획득된 시간이 될 수 있다. 지정된 시간이 도래하지 않은 경우, 상기 프로세서(250)는 601 단계 이전으로 분기하여 이하 동작을 재수행할 수 있다. 예컨대, 상기 프로세서(250)는 적어도 하나의 사용자 단말(100)로부터 광고에 대한 행동 로그를 수집할 수 있다.
지정된 시간이 도래한 경우, 상기 프로세서(250)는 605 단계에서, 모수 추출을 수행할 수 있다. 예를 들어, 프로세서(250)는 사용자 데이터들에 필터링 작업을 수행하여, 유사도 연산에 있어서 중요하지 않은 데이터를 제거할 수 있다. 예컨대, 프로세서(250)는 유사도 점수가 0이 될 사용자 데이터를 제거할 수 있다. 상기 프로세서(250)는 사용자 데이터들에 지정된 추천 로직을 적용하여 광고의 카테고리 별 유사도 점수를 산출할 수 있다. 상기 프로세서(250)는 산출된 각 카테고리 별 유사도 점수를 기반으로 각 사용자 단말 별 사용자 점수를 산출할 수 있다. 상기 프로세서(250)는 산출된 사용자 단말 별 사용자 점수들을 기반으로 사용자 별 카테고리 별 순위 값을 산출할 수 있다. 상기 프로세서(250)는 산출된 사용자 별(또는 사용자 단말 별) 카테고리 별 순위 값을 그룹핑하여 카테고리 별 모수를 산출할 수 있다. 상기 프로세서(250)는 상술한 카테고리 별 모수 산출 동작을 지정된 시간 단위로 지속적으로 수행할 수 있다.
607 단계에서, 프로세서(250)는 추출된 모수를 기반으로 광고 송출을 수행할 수 있다. 예컨대, 프로세서(250)는 추출된 모수를 기반으로 어떠한 카테고리 광고를 어떠한 사용자 단말에 제공할지를 결정할 수 있다. 상기 프로세서(250)는 결정에 따라 지정된 카테고리를 특정 사용자 단말에 송출할 수 있다.
609 단계에서, 상기 프로세서(250)는 광고 송출 동작의 종료를 위한 이벤트가 발생하는지 확인할 수 있다. 예컨대, 상기 프로세서(250)는 광고 송출을 위해 지정된 시간이 경과한 경우 광고 송출 동작과 관련한 종료 이벤트 발생으로 판단할 수 있다. 또는, 상기 프로세서(250)는 송출한 광고를 선택하는 사용자 행동 로그 또는 송출한 광고를 기반으로 특정 상품을 구매하는 사용자 행동 로그가 발생한 경우, 광고 송출 동작의 종료 이벤트 발생으로 판단할 수 있다.
광고 송출 동작과 관련한 종료 이벤트 발생이 없으면, 프로세서(250)는 601 단계 이전으로 분기하여 이하 동작을 재수행할 수 있다. 종료 이벤트 발생 시, 상기 프로세서(250)는 사용자 데이터 수집을 종료하고, 사용자 단말(100)과의 연결을 위한 대기 상태를 유지할 수 있다.
도 7은 본 발명의 실시 예에 따른 광고 송출과 관련한 연산량 단축 방안을 위한 서버 장치 운용 방법의 한 예를 나타낸 도면이다.
도 7을 참조하면, 연산량 단축과 관련하여, 서버 장치(200)의 프로세서(250)는 701 단계에서, 모수 제공일을 확인할 수 있다.
703 단계에서, 프로세서(250)는 상기 모수 제공일 기준으로 제1 과거 시간 동안 제1 사용자 데이터를 수집할 수 있다. 예를 들어, 프로세서(250)는 모수 의뢰일 M일 기준으로 제1 과거 시간(예: M ~ M+6) 동안 지정된 카테고리 별 광고들을 적어도 하나의 사용자 단말에 제공하고, 사용자 단말이 제공한 행동 로그를 제1 사용자 데이터로 수집할 수 있다.
705 단계에서, 프로세서(250)는 수집된 제1 사용자 데이터를 기반으로 제1 카테고리 간 유사도 테이블을 산출하고, 제1 카테고리별 모수 산출을 수행할 수 있다.
707 단계에서, 프로세서(250)는 제2 과거 시간 동안 제2 사용자 데이터를 수집할 수 있다. 예를 들어, 프로세서(250)는 모수 의뢰일 M일 기준으로 제2 과거 시간(예: M+7일 하루) 동안 지정된 카테고리 별 광고들을 적어도 하나의 사용자 단말에 제공하고, 사용자 단말이 제공한 행동 로그를 제2 사용자 데이터로 수집할 수 있다.
709 단계에서, 상기 프로세서(250)는 제1 카테고리 간 유사도 테이블 및 제2 사용자 데이터를 기반으로 제2 카테고리 간 유사도 테이블 산출 및 제2 카테고리 별 모수 산출을 수행할 수 있다.
711 단계에서, 상기 프로세서(250)는 제1 카테고리 별 모수와 제2 카테고리별 모수의 합 다음날 모수(예: M+8일)로 결정할 수 있다.
즉, 상기 프로세서(250)는 지정된 과거의 시간 동안 누적된 사용자 데이터를 기반으로 기본 모수를 산출하고, 전날 수집된 사용자 데이터로부터 산출된 모수와 기본 모수의 합을 기반으로 광고 집행을 처리함으로써, 카테고리 별 유사도 변경이 적은 특징을 이용하여 정확도는 유지하면서, 실시간 획득되는 사용자 데이터를 이용하여 사용자 단말(100)의 상품 구매 목적성을 충족시켜줄 수 있는 광고 집행을 가능하게 할 수 있다.
상술한 바와 같이, 본 발명의 실시 예에 따른 광고 송출을 위한 모수 산출 및 이를 기반으로 산출된 모수를 이용한 광고 송출을 지원하는 서버 장치 및 이의 운용 방법에 따라, 로직컬한 방식으로 광고 송출과 관련한 모수를 산출함으로써, 사용자 단말들에게 보다 유효한 카테고리의 광고를 제공할 수 있다.
본 발명은 광고 송출과 관련한 분야에 적용되는 것으로서, 특히, 광고 송출에 적용될 모수 출력과 관련한 방법 및 서버 장치와 관련된다.
이러한, 본 발명은 광고의 카테고리 별 유사도 점수 등을 기반으로 로직컬하게 사용자 점수를 산출하고, 사용자 점수를 기반으로 광고 송출의 우선 순위를 정함으로써, 보다 유용한 광고를 필요한 사용자에게 적절하게 제공할 수 있도록 지원한다.
10: 광고 운용 시스템
50: 네트워크
200: 서버 장치
201: 데이터 수집 서버
203: 추천 엔진 서버
205: 광고 서버
210: 통신 회로
230: 메모리
250: 프로세서
251: 정보 수집부
253: 모수 추출부
255: 광고 집행부

Claims (11)

  1. 통신 회로;
    상기 통신 회로를 통해 연결된 적어도 하나의 사용자 단말로부터 수집된 적어도 하나의 카테고리 별 광고 이용과 관련한 사용자 데이터를 저장하는 메모리;
    상기 통신 회로 및 상기 메모리와 기능적으로 연결되는 프로세서;를 포함하고,
    상기 프로세서는
    광고 집행에 이용되는 모수 제공일을 기준으로 제1 과거 시간 동안 누적된 제1 사용자 데이터를 기반으로 제1 기본 모수를 산출하고,
    모수 제공일을 기준으로 제2 과거 시간 동안 누적된 제2 사용자 데이터를 기반으로 제2 모수를 산출하고,
    상기 제1 기본 모수와 상기 제2 모수합을 모수 제공일에 제공할 모수로 결정하도록 설정된 것을 특징으로 하는 서버 장치.
  2. 제1항에 있어서,
    상기 제2 과거 시간은
    상기 모수 제공일을 기준으로 상기 제1 과거 시간 보다 상기 모수 제공일에 가까운 시간을 포함하는 것을 특징으로 하는 서버 장치.
  3. 제1항에 있어서,
    상기 제1 사용자 데이터는
    상기 모수 제공일을 기준으로 1주일 전 또는 1개월 전부터 지정된 시간 동안 획득된 사용자 데이터를 포함하는 것을 특징으로 하는 서버 장치.
  4. 제1항에 있어서,
    상기 제2 사용자 데이터는
    상기 모수 제공일을 기준으로 1일 전 또는 2일 전부터 지정된 시간 동안 획득된 사용자 데이터를 포함하는 것을 특징으로 하는 서버 장치.
  5. 제1항에 있어서,
    상기 프로세서는
    상기 제1 사용자 데이터를 기반으로 제1 카테고리 간 유사도 테이블을 산출하고, 상기 제1 카테고리 간 유사도 테이블을 기반으로 제1 카테고리 별 모수를 산출하도록 설정된 것을 특징으로 하는 서버 장치.
  6. 제1항에 있어서,
    상기 프로세서는
    상기 모수 제공일 이후, 사용자 단말의 광고 이용에 따른 사용자 데이터를 1일 단위로 수집하고,
    전날 획득된 사용자 데이터를 기반으로 모수를 산출하도록 설정된 것을 특징으로 하는 서버 장치.
  7. 제1항에 있어서,
    상기 프로세서는
    모수 제공일 이후 지정된 시간이 경과하면, 지정된 시간 동안 획득된 새 사용자 데이터들을 기반으로 상기 제1 기본 모수를 대체할 새로운 기본 모수를 산출하도록 설정된 것을 특징으로 하는 서버 장치.
  8. 제1항에 있어서,
    상기 프로세서는
    상기 사용자 데이터에 포함된 데이터들 중 유사도 0이 될 데이터들을 필터링하여 제거하도록 설정된 것을 특징으로 하는 서버 장치.
  9. 제1항에 있어서,
    상기 프로세서는
    코사인 유사도 알고리즘 또는 자카드 유사도 알고리즘을 이용하여 상기 사용자 데이터의 복수의 광고 카테고리들 간의 유사도 점수들을 산출하도록 설정된 것을 특징으로 하는 서버 장치.
  10. 서버 장치가,
    광고 집행에 이용되는 모수 제공일을 기준으로 제1 과거 시간 동안 누적된 제1 사용자 데이터를 수집하는 단계;
    상기 제1 사용자 데이터를 기반으로 제1 기본 모수를 산출하는 단계;
    상기 모수 제공일을 기준으로 제2 과거 시간 동안 누적된 제2 사용자 데이터를 수집하는 단계;
    상기 제2 사용자 데이터를 기반으로 제2 모수를 산출하는 단계;
    상기 제1 기본 모수와 상기 제2 모수합을 모수 제공일에 제공할 모수로 결정하는 단계;를 포함하는 것을 특징으로 하는 광고를 위한 모수 제공 방법.
  11. 제10항에 있어서,
    상기 제2 과거 시간은
    상기 모수 제공일을 기준으로 상기 제1 과거 시간 보다 상기 모수 제공일에 가까운 시간을 포함하는 것을 특징으로 하는 광고를 위한 모수 제공 방법.
KR1020180108332A 2018-09-11 2018-09-11 광고를 위한 모수 제공 방법 및 이를 지원하는 서버 장치 KR20200029822A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180108332A KR20200029822A (ko) 2018-09-11 2018-09-11 광고를 위한 모수 제공 방법 및 이를 지원하는 서버 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180108332A KR20200029822A (ko) 2018-09-11 2018-09-11 광고를 위한 모수 제공 방법 및 이를 지원하는 서버 장치

Publications (1)

Publication Number Publication Date
KR20200029822A true KR20200029822A (ko) 2020-03-19

Family

ID=69957179

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180108332A KR20200029822A (ko) 2018-09-11 2018-09-11 광고를 위한 모수 제공 방법 및 이를 지원하는 서버 장치

Country Status (1)

Country Link
KR (1) KR20200029822A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220045809A (ko) * 2020-10-06 2022-04-13 주식회사 카카오 학습 모델을 이용한 모수 예측 방법 및 장치와 학습 모델의 트레이닝 방법 및 장치
KR20220082621A (ko) * 2020-12-10 2022-06-17 주식회사 카카오 광고 방법 및 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220045809A (ko) * 2020-10-06 2022-04-13 주식회사 카카오 학습 모델을 이용한 모수 예측 방법 및 장치와 학습 모델의 트레이닝 방법 및 장치
KR20220082621A (ko) * 2020-12-10 2022-06-17 주식회사 카카오 광고 방법 및 장치

Similar Documents

Publication Publication Date Title
US20140279121A1 (en) Customizable and adjustable pricing of games
CN107426328B (zh) 信息推送方法和装置
CN112261423B (zh) 用于推送信息的方法、装置、设备以及存储介质
JP4898938B2 (ja) 情報提供システム及び情報提供方法
US20130024813A1 (en) Method, system, and means for expressing relative sentiments towards subjects and objects in an online environment
CN110162359B (zh) 新手引导信息的推送方法、装置及系统
US20140274355A1 (en) Dynamic recommendation of games
CN113101655B (zh) 一种虚拟道具推荐方法、装置、设备及存储介质
US20140274354A1 (en) Intelligent merchandising of games
CN107808314B (zh) 用户推荐方法及装置
JP2009181468A (ja) 画像検索ログ収集システム、画像検索ログ収集方法、及びプログラム
CN106294794A (zh) 一种内容推荐方法及装置
KR102150660B1 (ko) 검색 이력 기반 디지털 컨텐츠 추천 방법 및 그 장치
US20140236956A1 (en) Digital content system, digital content display method, and recording medium having recorded thereon digital content display program
CN108062692B (zh) 一种录音推荐方法、装置、设备及计算机可读存储介质
US9778737B1 (en) Game recommendations based on gesture type
CN108595492A (zh) 内容的推送方法和装置、存储介质、电子装置
CN111626767B (zh) 资源数据的发放方法、装置及设备
CN112100221A (zh) 一种资讯推荐方法、装置、推荐服务器及存储介质
KR101870980B1 (ko) 애플리케이션 추천 시스템, 방법 및 그에 대한 기록매체
CN112053198B (zh) 一种游戏数据处理方法、装置、设备和介质
JP5988345B1 (ja) 評価装置、評価方法、評価プログラム、レコメンド装置、レコメンド方法およびレコメンドプログラム
CN110226180A (zh) 购买信息应用系统和购买信息应用方法以及程序
CN113360790A (zh) 信息推荐方法、装置及电子设备
CN110895594A (zh) 一种页面展示的方法以及相关设备

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E601 Decision to refuse application