KR20200094812A

KR20200094812A - 음악 연령에 기초하여 음악 컨텐츠를 추천하는 방법 및 장치

Info

Publication number: KR20200094812A
Application number: KR1020190005721A
Authority: KR
Inventors: 정지훈; 윤병화
Original assignee: 주식회사 카카오
Priority date: 2019-01-16
Filing date: 2019-01-16
Publication date: 2020-08-10
Also published as: KR102224089B1; JP2020113284A; JP7094997B2; US20200226662A1

Abstract

일 실시예에 따른 음악 컨텐츠를 추천하는 방법은 음악 컨텐츠를 제공하는 서비스의 계정에 관한 계정 정보를 획득하고, 계정 정보에 기초하여 계정 정보에 대응하여 소비된 음악 컨텐츠의 속성과 관련한 컨텐츠 정보, 및 계정 정보에 대응하여 음악 컨텐츠를 사용하는 방식에 관한 사용성 정보를 획득하고, 계정 정보, 컨텐츠 정보 및 사용성 정보에 기초하여 계정 정보에 대응하는 음악 연령을 추정하며, 음악 연령에 기초하여 음악 컨텐츠를 추천한다.

Description

음악 연령에 기초하여 음악 컨텐츠를 추천하는 방법 및 장치{APPARATUS AND METHOD OF RECOMMENDING MUSIC CONTENTS BASED ON MUSIC AGE}

아래의 실시예들은 음악 연령에 기초하여 음악 컨텐츠를 추천하는 방법 및 장치에 관한 것이다.

음원 제공 서비스는 이용권 구매 시에 사용자의 나이에 기반하여 적합하다고 판단되는 서비스와 마케팅을 제공하는 것이 일반적이다. 하지만, 예를 들어, 40대가 아이돌 가수의 음악을 좋아하거나, 또는 10대가 클래식 음악 또는 국악을 좋아할 수도 있다. 이와 같이 사용자의 음악 취향은 개인 별로 매우 다양할 수 있다.

따라서, 사용자의 음악 취향이 주변의 또래와 다른 경우, 성별 및 생물학적인 나이 등에 따라 사용자의 음악 취향을 천편일률적으로 구분하는 것은 적절한 분류 기준이 되지 못한다. 또한, 부적절한 분류 기준에 따라 제공되는 음원 서비스로는 사용자를 만족시키기 어렵다.

일 측에 따르면, 음악 컨텐츠를 추천하는 방법은 음악 컨텐츠를 제공하는 서비스의 계정에 관한 계정 정보를 획득하는 단계; 상기 계정 정보에 기초하여, 상기 계정 정보에 대응하여 소비된 음악 컨텐츠의 속성과 관련한 컨텐츠 정보, 및 상기 계정 정보에 대응하여 상기 음악 컨텐츠를 사용하는 방식에 관한 사용성 정보를 획득하는 단계; 상기 계정 정보, 상기 컨텐츠 정보 및 상기 사용성 정보에 기초하여 상기 계정 정보에 대응하는 음악 연령을 추정하는 단계; 및 상기 음악 연령에 기초하여 음악 컨텐츠를 추천하는 단계를 포함한다.

상기 계정 정보에 대응하는 음악 연령을 추정하는 단계는 상기 계정 정보, 상기 컨텐츠 정보, 및 상기 사용성 정보를 기초로, 상기 계정 정보에 대응하는 음악 컨텐츠의 소비 패턴을 파악하는 단계; 및 상기 소비 패턴에 기초하여, 상기 계정 정보에 대응하는 음악 연령을 추정하는 단계를 포함할 수 있다.

상기 소비 패턴을 파악하는 단계는 상기 계정 정보에 기초하여, 제1 벡터를 생성하는 단계; 상기 계정 정보에 대응하여 기 수집된 상기 컨텐츠 정보에 기초하여, 제2 벡터를 생성하는 단계; 상기 계정 정보에 대응하여 기 수집된 상기 사용성 정보에 기초하여, 제3 벡터를 생성하는 단계; 및 상기 제1 벡터, 상기 제2 벡터 및 상기 제3 벡터에 기초하여, 상기 소비 패턴에 대응하는 벡터를 생성하는 단계를 포함할 수 있다.

이때, 상기 제1 벡터, 상기 제2 벡터 및 상기 제3 벡터 중 적어도 하나의 벡터는 복수의 항목들(entities)에 대응하는 복수의 원소들(elements)을 포함하고, 상기 제1 벡터, 상기 제2 벡터 및 상기 제3 벡터를 생성하는 단계는 상기 복수의 항목들에 대응하여 기 수집된 이력에 기초하여, 상기 복수의 원소들의 값을 결정하는 단계를 포함할 수 있다.

상기 음악 연령을 추정하는 단계는 상기 소비 패턴에 대응하는 벡터에 기초하여, 상기 계정 정보가 미리 설정된 복수의 음악 연령 후보들에 해당할 확률들을 결정하는 단계; 및 상기 확률들에 기초하여, 상기 복수의 음악 연령 후보들 중 어느 하나의 음악 연령 후보를 선택하는 단계를 포함할 수 있다.

상기 음악 연령을 추정하는 단계는 미리 설정된 복수의 음악 연령 후보들 별로 상기 계정 정보에 대응하는 제1 가중치, 상기 컨텐츠 정보에 대응하는 제2 가중치 및 상기 사용성 정보에 대응하는 제3 가중치를 부여하는 단계; 상기 음악 연령 후보들 별 가중치들에 기초하여, 상기 복수의 음악 연령 후보들에 대응하는 확률들을 결정하는 단계; 및 상기 확률들에 기초하여, 상기 계정 정보에 대응하는 음악 연령을 추정하는 단계를 포함할 수 있다.

상기 소비 패턴을 파악하는 단계는 상기 사용성 정보에 포함된 상기 음악 컨텐츠가 소비된 시간을 기초로, 상기 계정 정보에 대응하는 상기 음악 컨텐츠의 시간대 별 소비 패턴을 파악하는 단계를 포함할 수 있다.

상기 계정 정보는 상기 계정에 저장된 개인 정보; 상기 계정을 통한 이용권의 구매 정보; 및 상기 계정을 통한 프로모션의 참여 정보 중 적어도 하나를 포함할 수 있다.

상기 프로모션은 상기 음악 컨텐츠에 대한 이용권 할인 이벤트; 상기 음악 컨텐츠에 대응하는 앨범 출시 이벤트; 상기 음악 컨텐츠에 대응하는 공연 이벤트; 및 상기 음악 컨텐츠와 관련한 제휴 이벤트 중 적어도 하나를 포함할 수 있다.

상기 음악 컨텐츠의 속성은 상기 음악 컨텐츠의 타이틀; 상기 음악 컨텐츠의 장르; 상기 음악 컨텐츠의 아티스트; 상기 음악 컨텐츠의 작사가; 상기 음악 컨텐츠의 작곡가; 상기 아티스트의 소속사; 상기 아티스트의 유형; 상기 음악 컨텐츠의 음질; 상기 음악 컨텐츠의 대중성; 및 상기 음악 컨텐츠의 유형 중 적어도 하나를 포함할 수 있다.

상기 사용성 정보는 상기 음악 컨텐츠와 관련된 서비스 메뉴의 사용 이력; 상기 음악 컨텐츠에 접근하기 위하여 사용된 POC(Point Of Contact)의 유형; 상기 음악 컨텐츠의 소비 방식 중 적어도 하나를 포함할 수 있다.

상기 POC의 유형은 모바일 전용 앱, 태블릿 전용 앱, 윈도우 전용 앱, 맥 전용 앱, SNS 전용 앱, 네비게이션 전용 앱, 차량 전용 앱, 및 AI 스피커 전용 앱 중 적어도 하나를 포함할 수 있다.

상기 음악 컨텐츠의 소비 방식은 동일한 음악 컨텐츠의 반복 설정 여부; 추천 플레이리스트에 의한 음악 컨텐츠의 소비; 및 사용자가 직접 편집한 플레이리스트에 의한 음악 컨텐츠의 소비 중 적어도 하나를 포함할 수 있다.

상기 음악 컨텐츠의 소비 방식은 1 일 감상 시간, 및 사용 시간대 중 적어도 하나를 포함할 수 있다.

상기 계정 정보를 획득하는 단계는 상기 계정과 관련한 본인 인증 여부, 및 상기 계정과 관련한 부모 동의 여부 중 적어도 하나에 기초하여, 상기 계정에 대응하는 개인 정보를 추정하는 단계를 포함할 수 있다.

도 1은 일 실시예에 따른 음악 연령에 기초하여 음악 컨텐츠를 추천하기 위한 서버의 구성 및 동작을 설명하기 위한 도면.
도 2는 일 실시예에 따른 음악 컨텐츠를 추천하는 방법을 나타낸 흐름도.
도 3은 일 실시예에 따른 계정 정보, 컨텐츠 정보 및 사용성 정보의 각 항목들 및 각 항목들에 대응하는 원소들을 설명하기 위한 도면.
도 4는 일 실시예에 따른 음악 컨텐츠의 소비 패턴에 기초하여 계정 정보에 대응하는 음악 연령을 추정하는 방법을 설명하기 위한 도면.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다. 아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 입력, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 입력, 구성 요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

도 1은 일 실시예에 따른 음악 연령에 기초하여 음악 컨텐츠를 추천하기 위한 서버의 구성 및 동작을 설명하기 위한 도면이다. 아래에서 설명할 실시예들에 의하면, 서버는 다양한 정보에 기초하여 사용자의 음악 연령을 추정할 수 있다. 여기서, '음악 연령'은 음악 컨텐츠를 제공하는 서비스의 계정에 대응하는 사용자의 실제 연령(나이)과 구별되는 개념으로서, 해당 사용자의 음악 컨텐츠 소비 패턴에 부합하는 가상의 연령으로 이해될 수 있다. 예를 들어, 서버는 계정에 등록된 사용자의 연령, 계정을 통하여 제공된 음악 컨텐츠의 속성들, 계정을 통한 서비스의 이용시간 및 서비스 내역 등 다양한 정보를 이용하여 음악 연령을 추정할 수 있다.

단순히 계정에 등록된 연령 정보나 계정을 통하여 재생된 컨텐츠의 이력들을 이용하여 음악 컨텐츠를 추천하는 경우, 다양한 사용자의 실제 요구사항을 만족하지 못할 수 있다. 아래에서 설명할 실시예들에 의하면, 특정 사용자의 음악 연령을 추정하기 위한 다양한 정보를 종합적으로 활용하고 추정된 음악 연령에 맞는 서비스를 제공함으로써, 다양한 사용자의 요구를 폭넓고 구체적으로 만족시킬 수 있다.

도 1을 참조하면, 일 실시예에 따른 음악 컨텐츠를 추천하는 서버(100)는 수집 모듈(110), 모델링 모듈(120), 서비스 모듈(130), 고객 분류 DB(140), 고객 이력 DB(150) 및 서비스 모델(160)을 포함할 수 있다. 각 모듈은 하나 또는 그 이상의 서버 장치에 포함될 수 있고, 각 데이터베이스도 하나 또는 그 이상의 데이터베이스 장치에 포함될 수 있다. 각 모듈과 각 데이터베이스는 유선 혹은 무선으로 서로 연결되어 연동할 수 있다.

수집 모듈(110)은 예를 들어, 계정 정보에 대응하여 소비된 음악 컨텐츠의 스트리밍 이력, 음악 컨텐츠의 다운로드 이력, 음악 컨텐츠를 제공하는 서비스 어플리케이션의 페이지 방문 이력, 특정 음악 컨텐츠에 대한 '좋아요' 선택 이력, 특정 음악 컨텐츠의 아티스트에 대한 팬 맺기 이력, 특정 음악 컨텐츠의 검색 이력 등과 같은 다양한 고객 이력을 수집하여 저장할 수 있다. 수집 모듈(110)은 고객 이력을 벡터 형태(예를 들어, '고객 벡터')로 변환할 수 있다. 수집 모듈(110)은 벡터 형태로 변환된 고객 이력(고객 벡터)를 고객 이력 DB(150)에 저장할 수 있다.

모델링 모듈(120)은 고객 분류 DB(140)에 저장된 학습 데이터 및 평가 데이터(또는 정답 데이터)를 조회하고, 조회한 데이터들을 이용하여 서비스 모델(예를 들어, 신경망 등)을 트레이닝 시킬 수 있다.

고객 분류 DB(140)는 규칙(Rule) 기반으로 계정 정보에 대응하는 음악 연령을 추정하기 위한 학습 데이터 및/또는 학습 데이터에 대응하는 정답 데이터(ground truth)를 포함할 수 있다. 고객 분류 DB(140)은 모델링 모듈(120)에 포함된 신경망의 학습에 이용되는 다양한 데이터들을 포함할 수 있다. 정답 데이터는 예를 들어, 실제 연령대 별 기준 집단을 일정 볼륨 이상 모집하여 음악 컨텐츠에 대한 사용자들의 소비 패턴을 분석한 결과에 해당할 수 있다. 모델링 모듈(120)은 기준 집단의 소비 패턴을 바탕으로 전체 사용자들의 음악 연령을 추정 또는 예측할 수 있다. 음악 연령은 예를 들어, 복수의 연령대 별 음원 (또는 음악 컨텐츠) 소비 패턴들 중 해당 사용자의 음원 소비 패턴을 취향 별로 구분함으로써 분류되는 연령일 수 있다.

고객 분류 DB(140)는 음악 컨텐츠를 제공하는 서비스의 계정과 관련한 계정 정보를 포함할 수 있다. 계정 정보는 예를 들어, 계정에 저장된 개인 정보, 계정을 통한 이용권의 구매 정보, 및 계정을 통한 프로모션의 참여 정보 등을 포함할 수 있다. 이때, 개인 정보는 계정과 관련한 본인 인증 여부, 및 계정과 관련한 부모 동의 여부에 기초하여 서버에 의해 추정된 것일 수도 있다. 계정과 관련한 본인 인증(예를 들어, 성인 인증)이 완료된 것으로 파악되면, 서버는 해당 계정에 대응하는 사용자의 나이가 만 19세 이상인 것으로 추정할 수 있다. 또는, 계정과 관련한 부모 동의가 수행된 것으로 파악되면, 서버(100)는 해당 계정에 대응하는 사용자의 나이가 만 14세 미만인 것으로 추정할 수 있다.

모델링 모듈(120)은 고객 이력 DB(150)에 저장된 고객 속성을 조회할 수 있다. 여기서, 고객 속성은 예를 들어, 음악 컨텐츠를 제공하는 서비스의 계정에 관한 계정 정보 이외에도 계정 정보에 대응하여 소비된 음악 컨텐츠의 속성과 관련한 컨텐츠 정보, 및 계정 정보에 대응하여 음악 컨텐츠를 사용하는 방식에 관한 사용성 정보를 포함할 수 있다.

모델링 모듈(120)은 조회한 고객 속성을 미리 트레이닝 된 서비스 모델에 적용함으로써 계정 정보에 대응하는 음악 연령을 추정하여 음악 컨텐츠를 추천할 수 있다. 이때, 모델링 모듈(120)은 계정 정보에 대응하는 음악 연령을 추정하고, 음악 연령에 기초하여 음악 컨텐츠를 추천하는 서비스 모델을 포함할 수 있다. 서비스 모델(160)은 예를 들어, 신경망 등 학습 기반의 모델일 수 있다. 서비스 모델(160)은 모델링 모듈(120) 내에 포함될 수도 있고, 도 1에 도시된 것과 같이 모델링 모듈(120)과 분리될 수도 있다.

서비스 모듈(130)은 서비스 및/또는 마케팅 채널을 통해 사용자의 실제 나이를 조회하고, 고객의 행태 정보로부터 고객 속성을 추출할 수 있다. 서비스 모듈(130)은 추출한 고객 속성을 기초로, 고객 이력 DB(150)를 조회할 수 있다. 서비스 모듈(130)은 추출한 고객 속성을 예를 들어, 분류기(classifier)를 통해 분류하여 서비스 모델(160)에 조회할 수 있다.

일 실시예에 따른 서버(100)는 수집 모듈(110)을 통해 수집된 계정 정보, 컨텐츠 정보, 및 사용성 정보를 종합적으로 분석하고, 서비스 모델(160)을 통해 분석 결과에 부합하는 음악 연령을 추정할 수 있다. 서버는 계정에 대응하는 개인 정보로 등록된 사용자의 실제 나이가 아니라 추정한 음악 연령에 기초하여 음악 컨텐츠를 추천함으로써 주변의 또래와 음악 취향이 다른 사용자를 만족시킬 수 있는 음악 컨텐츠를 추천 및/또는 제공할 수 있다.

도 2는 일 실시예에 따른 음악 컨텐츠를 추천하는 방법을 나타낸 흐름도이다. 도 2를 참조하면, 일 실시예에 따른 서버는 음악 컨텐츠를 제공하는 서비스의 계정에 관한 계정 정보를 획득한다(210).

서버는 단계(210)에서 획득한 계정 정보에 기초하여, 계정 정보에 대응하여 소비된 음악 컨텐츠의 속성과 관련한 컨텐츠 정보, 및 계정 정보에 대응하여 음악 컨텐츠를 사용하는 방식에 관한 사용성 정보를 획득한다(220).

여기서, 계정 정보는 음악 컨텐츠를 제공하는 서비스의 계정에 관한 정보로서, 계정에 저장된 개인 정보 항목 이외에도 다양한 항목들을 포함할 수 있다. 예를 들어, 계정 정보는 계정을 통한 이용권의 구매 정보에 대응하는 구매 이용권 항목, 및 계정을 통한 프로모션의 참여 정보를 나타내는 참여 프로모션 항목을 더 포함할 수 있다.

컨텐츠 정보는 계정 정보에 대응하여 소비된 음악 컨텐츠의 속성과 관련한 정보를 포함할 수 있다. 음악 컨텐츠의 속성은 예를 들어, 음악 컨텐츠의 타이틀, 음악 컨텐츠의 장르, 음악 컨텐츠의 아티스트, 음악 컨텐츠의 작곡가, 음악 컨텐츠의 작사가, 해당 아티스트의 소속사, 해당 아티스트의 유형, 음악 컨텐츠의 음질, 음악 컨텐츠의 대중성, 및 음악 컨텐츠의 유형을 포함할 수 있다.

사용성 정보는 계정 정보에 대응하여 음악 컨텐츠를 사용하는 방식에 관한 정보이다. 사용성 정보는 음악 컨텐츠와 관련된 서비스 메뉴의 사용 이력('서비스 메뉴'), 음악 컨텐츠에 접근하기 위하여 사용된 POC(Point Of Contact)의 유형('접근 POC'), 및 음악 컨텐츠의 소비 방식('기타 사용성') 등의 항목을 포함할 수 있다. 음악 컨텐츠의 소비 방식은 음악 컨텐츠가 소비된 시간(예를 들어, 사용 시간대 혹은 1일 감상시간 등)이나 음악 컨텐츠의 재생 모드(예를 들어, 플레이리스트 이용여부 혹은 동일곡 반복여부 등)을 포함할 수 있다.

계정 정보, 컨텐츠 정보, 및 사용성 정보의 구체적인 예시들은 도 3을 통하여 후술한다.

서버는 계정 정보, 컨텐츠 정보 및 사용성 정보에 기초하여 계정 정보에 대응하는 음악 연령을 추정한다(230). 서버는 예를 들어, 계정 정보, 컨텐츠 정보, 및 사용성 정보를 기초로, 계정 정보에 대응하는 음악 컨텐츠의 소비 패턴을 파악할 수 있다.

일 실시예에 따른 소비 패턴은 사용자가 어떠한 음악 컨텐츠를 소비하였는지에 관한 단순한 패턴이 아니고, 사용자의 계정 정보, 컨텐츠 정보, 및 사용성 정보가 종합적으로 고려되는 패턴을 포함한다. 이로 인하여, 실시예들은 기존의 일반적인 패턴 인식 기술을 통하여 추정할 수 없었던 복잡한 패턴을 인식하는 기능을 제공하고, 인식 결과에 따라 적절한 서비스를 제공할 수 있다. 예를 들어, 실제 연령대와 상이한 음악적 취향을 가지는 패턴 뿐 아니라, 부모 명의의 계정을 아이가 사용하는 패턴이나, 시간대 별로 컨텐츠 혹은 사용성이 달라지는 패턴 등 다양한 사용자들이 다양하게 가질 수 있는 복잡하고 종합적은 패턴이 인식될 수 있다.

보다 구체적으로, 시간대 별로 컨텐츠가 달라지는 패턴은 예를 들어, 단일 계정 정보를 사용하지만 낮에는 사용자 A(전업주부인 와이프)가, 오전 및 밤에는 회사 다니는 사용자 B(남편)가 해당 계정 정보를 공유하는 경우에 발생할 수 있다.

또는 시간대 별로 사용성이 달라지는 패턴은 예를 들어, 단일 계정 정보를 사용하지만 집에서는 스마트 스피커를 통해 주로 조용한 음악을 소비하고, 출퇴근시에는 모바일로 신나는 음악을 주로 소비하는 경우에 발생할 수 있다. 다시 말해, 단일 계정을 이용하더라도 컨텐츠의 소비 공간에 따라 소비하는 음악 패턴이 달라질 수 있다.

서버는 소비 패턴에 기초하여, 계정 정보에 대응하는 음악 연령을 추정할 수 있다. 서버는 예를 들어, 계정 정보, 컨텐츠 정보, 및 사용성 정보를 기초로, 기 학습된 서비스 모델(예를 들어, 신경망 또는 랜덤 포레스트 등)을 이용하여 계정 정보에 대응하는 음악 컨텐츠의 소비 패턴을 파악할 수 있다. 그 밖에도, 서비스 모델은 다양한 형태로 구현될 수 있다. 일 예로, 서비스 모델은 선형 회귀 모델을 포함할 수 있다. 이 경우, 서버는 계정 정보, 컨텐츠 정보, 및 사용성 정보를 기초로, 미리 설정된 선형 함수(예를 들어, F = aX + bY + cZ 또는 f(x,y,z), 여기서, a,b,c는 가중치이고, X, Y, Z는 각각 계정 정보, 컨텐츠 정보, 사용성 정보일 수 있다.)를 이용하여 계정 정보에 대응하는 음악 컨텐츠의 소비 패턴을 파악할 수 있다.

일 예로, 사용성 정보 내 음악 컨텐츠의 소비 시간에 대한 정보는 계정 정보에 대응하는 음악 컨텐츠의 시간대 별 소비 패턴 및/또는 음악 연령을 추정하기 위한 확률들에 반영될 수 있다. 예를 들어, 음악 컨텐츠가 소비된 시간이 주로 밤 11시 내지 새벽 1시인 경우, 서버는 음악 컨텐츠의 시간대 별 소비 패턴을 심야 소비형으로 판단할 수 있다. 서버는 심야 시간대에 주로 20~30대가 음악 컨텐츠를 소비하는 것으로 보아 해당 계정에 대응하는 음악 연령을 20~30대로 추정하는 확률을 증가시킬 수 있다. 또는 음악 컨텐츠가 소비된 시간이 주로 이른 새벽 5시 내지 7시인 경우, 서버는 음악 컨텐츠의 시간대 별 소비 패턴을 새벽 소비형으로 판단할 수 있다. 서버는 새벽 시간대에는 주로 60대 또는 70대가 음악 컨텐츠를 소비하는 것으로 보아 해당 계정에 대응하는 음악 연령을 60대 또는 70대로 추정하는 확률을 증가시킬 수 있다. 서버가 계정 정보에 대응하는 음악 컨텐츠의 소비 패턴을 파악하고, 소비 패턴에 기초하여 음악 연령을 추정하는 방법은 아래의 도 4를 참조하여 구체적으로 설명한다.

서버는 단계(230)에서 추정한 음악 연령에 기초하여 음악 컨텐츠를 추천한다(240). 여기서, '음악 컨텐츠'는 예를 들어, 음원(music source), 음원을 포함하는 뮤직 비디오, 음원과 결합된 동영상 등과 같이 음원과 결합된 다양한 멀티미디어 컨텐츠를 포괄하는 의미로 이해될 수 있다. 설명의 편의를 위하여, 음악 컨텐츠를 추천하는 실시예를 설명하였으나, 음악 연령에 기초한 다양한 서비스들이 제공될 수도 있다. 예를 들어, 특정 사용자의 음악 연령이 어느 세대에 해당하는지를 알려주는 서비스가 제공될 수 있다.

도 3은 일 실시예에 따른 계정 정보, 컨텐츠 정보 및 사용성 정보의 각 항목들 및 각 항목들에 대응하는 원소들을 설명하기 위한 도면이다. 도 3을 참조하면, 일 실시예에 따라 데이터베이스(DB)에 저장되는 계정 정보(310), 컨텐츠 정보(320) 및 사용성 정보(330)가 도시된다.

일 실시예에서는 음악 콘텐츠의 소비 패턴을 보다 정확하게 분석하기 위하여 도 3에 도시된 것과 같이 다양한 정보들(310, 320, 330)을 종합적으로 이용할 수 있다.

계정 정보(310)는 음악 컨텐츠를 제공하는 서비스의 계정에 관한 정보로서, 예를 들어, 계정에 저장된 개인 정보 항목 이외에도 다양한 항목들을 포함할 수 있다. 계정 정보(310)는 도 3에 도시된 것과 같이 계정을 통한 이용권의 구매 정보에 대응하는 구매 이용권 항목, 및 계정을 통한 프로모션의 참여 정보를 나타내는 참여 프로모션 항목을 더 포함할 수 있다. 또한, 각 항목은 복수의 원소들을 포함할 수 있다.

도 3에 도시되지 않았으나, 개인 정보 항목은 사용자의 이름, 나이, 성별 등의 원소들을 포함할 수 있다. 구매 이용권 항목은 예를 들어, 스트리밍 전용 이용권, mp3 다운 이용권, 스트리밍 및 mp3 다운로드를 포함하는 복합 이용권, 고음질(Free Lossless Audio Codec; FLAC) 이용권, 무제한 듣기 이용권, 횟수 듣기 이용권, 개별곡 다운로드 이용권, 뮤직 비디오 다운로드 이용권, 어학 전용 이용권, 이용권 금액별, 월정액 여부 등의 원소들을 포함할 수 있다.

참여 프로모션 항목은 예를 들어, 음악 컨텐츠에 대한 이용권 할인 이벤트, 음악 컨텐츠에 대응하는 앨범 출시 이벤트, 음악 컨텐츠에 대응하는 공연 이벤트 및 음악 컨텐츠와 관련한 제휴 이벤트 등의 원소들을 포함할 수 있다. 참여 프로모션 항목은 주기적인 이벤트 및 비주기적인 이벤트로 구분될 수 있다. 주기적인 이벤트는 예를 들어, 계정 사용자의 생일 축하 이용권 할인 이벤트 등과 같이 시기 또는 날짜가 정해진 이벤트일 수 있다. 비주기적인 이벤트는 예를 들어, 서비스 가입자 100만 돌파 기념, 앨범 출시 이벤트 등과 같이 시기 또는 날짜를 특정할 수 없는 이벤트일 수 있다.

예를 들어, 참여 프로모션의 다양한 항목들(이용권 할인, 앨범 출시, 공연 이벤트, 제휴 이벤트) 중 사용자의 연령에 따라 참여도가 높은 이벤트, 또는 프로모션이 존재할 수 있다. 따라서, 서버는 이러한 프로모션의 항목 별 참여도(예를 들어, 프로모션 참여 여부 또는 참여 횟수 등)를 파악하여 계정 정보에 대응하는 음악 연령을 추정할 수도 있다.

컨텐츠 정보(320)는 계정 정보에 대응하여 소비된 음악 컨텐츠의 속성과 관련한 정보를 포함할 수 있다. 컨텐츠 정보(320)는 음악 컨텐츠의 속성('컨텐츠 속성') 항목을 포함할 수 있다. 컨텐츠 속성 항목은 예를 들어, 음악 컨텐츠의 타이틀, 음악 컨텐츠의 장르, 음악 컨텐츠의 아티스트, 음악 컨텐츠의 작곡가, 음악 컨텐츠의 작사가, 음악 컨텐츠의 프로듀서, 아티스트의 소속사, 아티스트의 유형, 음악 컨텐츠의 음질, 음악 컨텐츠의 대중성, 및 음악 컨텐츠의 유형 등을 포함할 수 있다.

음악 컨텐츠의 장르는 예를 들어, 발라드, 락, 재즈, 팝, 트로트, 클래식, 국악 등을 포함할 수 있다. 아티스트의 유형은 예를 들어, 아이돌, 기성 가수, 유명 가수, 무명 가수, 신인 가수 등을 포함할 수 있다. 음악 컨텐츠의 음질은 예를 들어, AAC+, AAC128K, MP3 320K, AAC 320K, FALC 16bit 등과 같이 압축률에 따른 손실 유무에 따라 구분될 수 있다. 음악 컨텐츠의 대중성은 예를 들어, 롱-테일(Long tail) 컨텐츠, 스테디 셀링 컨텐츠, 최신 인기 컨텐츠 등을 포함할 수 있다. 음악 컨텐츠의 유형은 예를 들어, 영상 컨텐츠, 매거진 컨텐츠 등을 포함할 수 있다.

사용성 정보(330)는 계정 정보에 대응하여 음악 컨텐츠를 사용하는 방식에 관한 정보를 포함할 수 있다. 사용성 정보(330)는 예를 들어, 음악 컨텐츠와 관련된 서비스 메뉴의 사용 이력('서비스 메뉴'), 음악 컨텐츠에 접근하기 위하여 사용된 POC(Point Of Contact)의 유형('접근 POC'), 및 음악 컨텐츠의 소비 방식('기타 사용성') 등의 항목을 포함할 수 있다.

서비스 메뉴 항목은 예를 들어, 멜론 홈, 멜론 라디오, 최신 음악, 멜론 키즈, 멜론 차트, 멜론 스포츠, 멜론 DJ, 멜론 TV, 멜론 Hi-Fi 등의 원소들을 포함할 수 있다. 예를 들어, 멜론 키즈의 주 소비 계층은 아동, 청소년(10대)이고, 멜론 스포츠의 주 소비 계층은 청, 장년 남성(20~50대)이며, 멜론 TV의 주 소비 계층은 초, 중년 여성(20~50대)일 수 있다. 따라서, 서버는 이러한 서비스 메뉴를 기초로 음악 컨텐츠의 소비 연령을 파악할 수도 있다.

접근 POC 항목은 예를 들어, 모바일 전용 앱(예를 들어, '모바일 멜론 앱'), 태블릿 전용 앱(예를 들어, '태블릿 멜론 앱'), 윈도우(Window) 전용 앱, 맥(Mac) 전용 앱, SNS 전용 앱(예를 들어, '카카오톡 앱'), 네비게이션 전용 앱, 차량 전용 앱, 및 AI(Artificial Intelligence) 스피커 전용 앱 등과 같은 원소들을 포함할 수 있다.

기타 사용성 항목은 예를 들어, 1 일 감상 시간, 사용 시간대 등과 같은 음악 컨텐츠가 소비된 시간을 나타내는 원소들 이외에도, 동일한 음악 컨텐츠의 반복 설정 여부('동일곡 반복'), 플레이리스트(예를 들어, 추천 플레이리스트에 의한 음악 컨텐츠의 소비, 및 사용자가 직접 편집한 플레이리스트에 의한 음악 컨텐츠의 소비 등)과 같은 원소들을 포함할 수 있다.

일 실시예에 따른 서버는 전술한 계정 정보(310), 컨텐츠 정보(320) 및 사용성 정보(330)를 종합적으로 파악하여 계정 정보에 대응하는 음악 컨텐츠의 소비 패턴이 복수의 패턴들(예를 들어, 10대 패턴, 20대 패턴, 30대 패턴, 40대 패턴, 50대 패턴 및 60대 패턴) 중 어느 패턴에 속하는지를 추정할 수 있다. 서버는 소비 패턴에 기초하여, 계정 정보에 대응하는 음악 연령을 추정할 수 있다. 예를 들어, 10대의 소비 패턴은 "멜론 차트(최신 차트) + "아이돌 중심" + "이용권 할인" + "스트리밍 전용 이용권" + "모바일 전용 앱"과 같은 조합일 수 있다. 또는 예를 들어, 30대의 소비 패턴은 "멜론 차트" + "플레이리스트(특정 장르)" + "월정액 이용권" + "프로모션 참여 X(안함)" + "모바일 mac 전용 앱"과 같은 조합일 수 있다. 따라서, 서버는 계정 정보에 대응하는 음악 컨텐츠의 소비 패턴이 10대의 소비 패턴 또는 30대의 소비 패턴 중 어떠한 조합에 해당하는지에 따라 아래의 표 1과 같이 계정 정보에 대응하는 음악 연령을 계정에 대응하는 사용자의 실제 연령과 무관하게 추정할 수 있다.

계정	사용자의 실제 연령	음악 연령
0001	40대	40대
0002	20대	30대
0003	50대	10대
0004	20대	20대

도 4는 일 실시예에 따른 음악 컨텐츠의 소비 패턴에 기초하여 계정 정보에 대응하는 음악 연령을 추정하는 방법을 설명하기 위한 도면이다. 도 4를 참조하면, DB(410), 음악 컨텐츠의 소비 패턴에 대응하는 고객 벡터(420), 신경망(430), 및 계정 정보가 미리 설정된 복수의 음악 연령 후보들에 해당할 확률들(440)이 도시된다.

DB(410)는 예를 들어, 계정 정보(411), 컨텐츠 정보(413), 및 사용성 정보(415)를 저장할 수 있다. 고객 벡터(420)는 계정 정보에 기초한 제1 벡터(421), 계정 정보(411)에 대응하여 기 수집된 컨텐츠 정보(413)에 기초한 제2 벡터(423), 및 계정 정보(411)에 대응하여 기 수집된 사용성 정보(415)에 기초한 제3 벡터(425)를 포함할 수 있다. 신경망(430)은 예를 들어, 심층 신경망(Deep Neural Network), 컨볼루션 신경망(Convolution Neural Network), 리커런트 신경망(Recurrent Neural Network) 등과 같이 다양한 형태를 가질 수 있다.

예를 들어, 25세인 사용자 A가 음악 컨텐츠를 제공하는 서비스의 계정 X으로 로그인했다고 하자. 이 경우, 서버가 계정 X에 대응하는 음악 컨텐츠의 소비 패턴을 파악하는 방법은 다음과 같다. 서버는 DB(410)에 저장된 사용자 A의 계정 정보(411)에 기초하여, 제1 벡터(421)를 생성할 수 있다. 제1 벡터(421)는 계정 정보(411)에 포함된 복수의 항목들에 대응하는 복수의 원소들을 포함할 수 있다. 서버는 예를 들어, 도 3에 도시된 것과 같이 계정 정보(310)에 포함된 복수의 항목들(예를 들어, 구매 이용권 항목, 참여 프로모션 항목 등)에 대응하여 기 수집된 이력('누적 이력')에 기초하여, 계정 정보(310)에 포함된 복수의 원소들의 값을 결정할 수 있다.

서버는 DB(410)에 저장된 계정 정보(411)에 대응하여 기 수집된 컨텐츠 정보(413)에 기초하여, 제2 벡터(423)를 생성할 수 있다. 제2 벡터(423)는 컨텐츠 정보(413)에 포함된 항목에 대응하는 복수의 원소들을 포함할 수 있다. 서버는 예를 들어, 도 3에 도시된 것과 같이 컨텐츠 정보(320)에 포함된 항목(예를 들어, 컨텐츠 속성)에 대응하여 기 수집된 이력에 기초하여, 컨텐츠 정보(320)에 포함된 복수의 원소들의 값을 결정할 수 있다.

또한, 서버는 계정 정보(411)에 대응하여 기 수집된 사용성 정보(415)에 기초하여, 제3 벡터(425)를 생성할 수 있다. 제3 벡터(425)는 사용성 정보(415)에 포함된 복수의 항목들에 대응하는 복수의 원소들을 포함할 수 있다. 서버는 예를 들어, 도 3에 도시된 것과 같이 사용성 정보(330)에 포함된 복수의 항목들(예를 들어, 서비스 메뉴, 접근 POC, 기타 사용성 등)에 대응하여 기 수집된 이력에 기초하여, 사용성 정보(330)에 포함된 복수의 원소들의 값을 결정할 수 있다.

서버는 제1 벡터(421), 제2 벡터(423) 및 제3 벡터(425)에 기초하여, 소비 패턴에 대응하는 고객 벡터(420)를 생성할 수 있다.

서버는 소비 패턴에 대응하는 고객 벡터(420)를 신경망(430)에 입력함으로써 복수의 음악 연령 후보들 중 어느 하나의 음악 연령 후보를 선택함으로써 계정 정보(411)에 대응하는 음악 연령을 추정할 수 있다.

신경망은 소비 패턴에 대응하는 고객 벡터(420)에 기초하여, 계정 정보가 미리 설정된 복수의 음악 연령 후보들에 해당할 확률들(예를 들어, 10대: 0.3, 20대: 0.2, 30대: 0.1, 40대: 0.9, 50대: 0.4, 60대: 0.3)을 결정할 수 있다. 신경망은 확률들에 기초하여, 복수의 음악 연령 후보들 중 어느 하나의 음악 연령 후보를 선택할 수 있다. 신경망은 가장 높은 확률값(0.9)에 해당하는 대응하는 음악 연령 후보(40대)를 계정 X의 계정 정보에 대응하는 음악 연령으로 추정할 수 있다.

서버는 사용자 A의 실제 나이(25세)와 무관하게, 신경망(430)에 의해 선택된 음악 연령(40대)에 기초하여 사용자 A의 음악적 취향을 반영한 음악 컨텐츠를 추천할 수 있다.

또는 실시예에 따라서, 서버는 미리 설정된 복수의 음악 연령 후보들 별로 계정 정보에 대응하는 제1 가중치, 컨텐츠 정보에 대응하는 제2 가중치 및 사용성 정보에 대응하는 제3 가중치를 부여할 수 있다. 서버는 음악 연령 후보들 별 가중치들에 기초하여, 복수의 음악 연령 후보들에 대응하는 확률들을 결정할 수 있다. 서버는 확률들에 기초하여, 계정 정보에 대응하는 음악 연령을 추정할 수도 있다.

도면에 도시하지 않았으나, 서비스 모델은 랜덤 포레스트의 구조로 구현될 수도 있다. 랜덤 포레스트는 복수의 결정 트리들을 포함하고, 각 결정 트리들은 누적 이력들에 기초하여 음악 연령을 추정하기 위한 파라미터들(예를 들어, 가중치들)을 결정할 수 있다. 결정된 파라미터들의 조합(예를 들어, 통계적 조합)을 통하여 음악 연령 후보들의 확률들이 결정될 수 있고, 가장 높은 확률을 가지는 음악 연령 후보가 해당 사용자의 음악 연령으로 추정될 수 있다.

도면에 도시하지 않았으나, 일 실시예에 따른 서버는 하나 이상의 프로세서, 및 디스플레이를 포함한다. 서버는 복수 개의 병렬 프로세서들을 포함할 수 있다. 서버는 메모리를 더 포함할 수 있다. 하나 이상의 프로세서, 디스플레이, 및 메모리는 통신 버스를 통해 서로 연결될 수 있다. 서버는 예를 들어, 단일 서버, 클라우드 서버, 또는 이와 동일 또는 유사한 기능을 수행하는 서버일 수 있다.

프로세서는 도 1 내지 도 4를 통해 전술한 적어도 하나의 방법 또는 적어도 하나의 방법에 대응되는 알고리즘을 수행할 수 있다. 적어도 하나의 프로세서는 프로그램을 실행하고, 서버를 제어할 수 있다. 프로세서에 의하여 실행되는 프로그램 코드는 메모리에 저장될 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기된 하드웨어 표시 장치는 실시예의 입력을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 비록 한정된 도면에 의해 실시예들이 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 표시 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

음악 컨텐츠를 제공하는 서비스의 계정에 관한 계정 정보를 획득하는 단계;
상기 계정 정보에 기초하여, 상기 계정 정보에 대응하여 소비된 음악 컨텐츠의 속성과 관련한 컨텐츠 정보, 및 상기 계정 정보에 대응하여 상기 음악 컨텐츠를 사용하는 방식에 관한 사용성 정보를 획득하는 단계;
상기 계정 정보, 상기 컨텐츠 정보 및 상기 사용성 정보에 기초하여 상기 계정 정보에 대응하는 음악 연령을 추정하는 단계; 및
상기 음악 연령에 기초하여 음악 컨텐츠를 추천하는 단계
를 포함하는,
음악 컨텐츠를 추천하는 방법.
제1항에 있어서,
상기 계정 정보에 대응하는 음악 연령을 추정하는 단계는
상기 계정 정보, 상기 컨텐츠 정보, 및 상기 사용성 정보를 기초로, 상기 계정 정보에 대응하는 음악 컨텐츠의 소비 패턴을 파악하는 단계; 및
상기 소비 패턴에 기초하여, 상기 계정 정보에 대응하는 음악 연령을 추정하는 단계
를 포함하는,
음악 컨텐츠를 추천하는 방법.
제2항에 있어서,
상기 소비 패턴을 파악하는 단계는
상기 계정 정보에 기초하여, 제1 벡터를 생성하는 단계;
상기 계정 정보에 대응하여 기 수집된 상기 컨텐츠 정보에 기초하여, 제2 벡터를 생성하는 단계;
상기 계정 정보에 대응하여 기 수집된 상기 사용성 정보에 기초하여, 제3 벡터를 생성하는 단계; 및
상기 제1 벡터, 상기 제2 벡터 및 상기 제3 벡터에 기초하여, 상기 소비 패턴에 대응하는 벡터를 생성하는 단계
를 포함하는,
음악 컨텐츠를 추천하는 방법.
제3항에 있어서,
상기 제1 벡터, 상기 제2 벡터 및 상기 제3 벡터 중 적어도 하나의 벡터는 복수의 항목들(entities)에 대응하는 복수의 원소들(elements)을 포함하고,
상기 제1 벡터, 상기 제2 벡터 및 상기 제3 벡터 중 적어도 하나의 벡터는 상기 복수의 항목들에 대응하여 기 수집된 이력에 기초하여, 상기 복수의 원소들의 값을 결정함으로써 생성되는, 음악 컨텐츠를 추천하는 방법.
제2항에 있어서,
상기 음악 연령을 추정하는 단계는
상기 소비 패턴에 대응하는 벡터에 기초하여, 상기 계정 정보가 미리 설정된 복수의 음악 연령 후보들에 해당할 확률들을 결정하는 단계; 및
상기 확률들에 기초하여, 상기 복수의 음악 연령 후보들 중 어느 하나의 음악 연령 후보를 선택하는 단계
를 포함하는,
음악 컨텐츠를 추천하는 방법.
제1항에 있어서,
상기 음악 연령을 추정하는 단계는
미리 설정된 복수의 음악 연령 후보들 별로 상기 계정 정보에 대응하는 제1 가중치, 상기 컨텐츠 정보에 대응하는 제2 가중치 및 상기 사용성 정보에 대응하는 제3 가중치를 부여하는 단계;
상기 음악 연령 후보들 별 가중치들에 기초하여, 상기 복수의 음악 연령 후보들에 대응하는 확률들을 결정하는 단계; 및
상기 확률들에 기초하여, 상기 계정 정보에 대응하는 음악 연령을 추정하는 단계
를 포함하는,
음악 컨텐츠를 추천하는 방법.
제2항에 있어서,
상기 소비 패턴을 파악하는 단계는
상기 사용성 정보에 포함된 상기 음악 컨텐츠가 소비된 시간을 기초로, 상기 계정 정보에 대응하는 상기 음악 컨텐츠의 시간대 별 소비 패턴을 파악하는 단계
를 포함하는,
음악 컨텐츠를 추천하는 방법.
제1항에 있어서,
상기 계정 정보는
상기 계정에 저장된 개인 정보;
상기 계정을 통한 이용권의 구매 정보; 및
상기 계정을 통한 프로모션의 참여 정보
중 적어도 하나를 포함하는,
음악 컨텐츠를 추천하는 방법.
제8항에 있어서,
상기 프로모션은
상기 음악 컨텐츠에 대한 이용권 할인 이벤트;
상기 음악 컨텐츠에 대응하는 앨범 출시 이벤트;
상기 음악 컨텐츠에 대응하는 공연 이벤트; 및
상기 음악 컨텐츠와 관련한 제휴 이벤트
중 적어도 하나를 포함하는,
음악 컨텐츠를 추천하는 방법.
제1항에 있어서,
상기 음악 컨텐츠의 속성은
상기 음악 컨텐츠의 타이틀;
상기 음악 컨텐츠의 장르;
상기 음악 컨텐츠의 아티스트;
상기 음악 컨텐츠의 작사가;
상기 음악 컨텐츠의 작곡가;
상기 아티스트의 소속사;
상기 아티스트의 유형;
상기 음악 컨텐츠의 음질;
상기 음악 컨텐츠의 대중성; 및
상기 음악 컨텐츠의 유형
중 적어도 하나를 포함하는,
음악 컨텐츠를 추천하는 방법.
제1항에 있어서,
상기 사용성 정보는
상기 음악 컨텐츠와 관련된 서비스 메뉴의 사용 이력;
상기 음악 컨텐츠에 접근하기 위하여 사용된 POC(Point Of Contact)의 유형;
상기 음악 컨텐츠의 소비 방식
중 적어도 하나를 포함하는,
음악 컨텐츠를 추천하는 방법.
제11항에 있어서,
상기 POC의 유형은
모바일 전용 앱, 태블릿 전용 앱, 윈도우 전용 앱, 맥 전용 앱, SNS 전용 앱, 네비게이션 전용 앱, 차량 전용 앱, 및 AI 스피커 전용 앱 중
적어도 하나를 포함하는.
음악 컨텐츠를 추천하는 방법.
제11항에 있어서,
상기 음악 컨텐츠의 소비 방식은
동일한 음악 컨텐츠의 반복 설정 여부;
추천 플레이리스트에 의한 음악 컨텐츠의 소비; 및
사용자가 직접 편집한 플레이리스트에 의한 음악 컨텐츠의 소비
중 적어도 하나를 포함하는,
음악 컨텐츠를 추천하는 방법.
제11항에 있어서,
상기 음악 컨텐츠의 소비 방식은
1 일 감상 시간; 및
사용 시간대
중 적어도 하나를 포함하는,
음악 컨텐츠를 추천하는 방법.
제1항에 있어서,
상기 계정 정보를 획득하는 단계는
상기 계정과 관련한 본인 인증 여부, 및 상기 계정과 관련한 부모 동의 여부 중 적어도 하나에 기초하여, 상기 계정에 대응하는 개인 정보를 추정하는 단계
를 포함하는,
음악 컨텐츠를 추천하는 방법.
하드웨어와 결합되어 제1항 내지 제15항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.