KR20200127531A - 온라인 광고 서비스를 제공하는 방법 및 장치 - Google Patents

온라인 광고 서비스를 제공하는 방법 및 장치 Download PDF

Info

Publication number
KR20200127531A
KR20200127531A KR1020190051859A KR20190051859A KR20200127531A KR 20200127531 A KR20200127531 A KR 20200127531A KR 1020190051859 A KR1020190051859 A KR 1020190051859A KR 20190051859 A KR20190051859 A KR 20190051859A KR 20200127531 A KR20200127531 A KR 20200127531A
Authority
KR
South Korea
Prior art keywords
roas
term
user
server
long
Prior art date
Application number
KR1020190051859A
Other languages
English (en)
Inventor
오장민
이명규
정상모
심한보
Original Assignee
주식회사 위메프
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 위메프 filed Critical 주식회사 위메프
Priority to KR1020190051859A priority Critical patent/KR20200127531A/ko
Publication of KR20200127531A publication Critical patent/KR20200127531A/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
    • G06Q30/0273—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
    • G06Q30/0249—Advertisements based upon budgets or funds
    • 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

Abstract

온라인 광고 서비스를 제공하는 서버 및 서버에 의해 수행되는 방법이 개시된다. 개시된 방법은 사용자 단말에게 온라인 광고를 제공하는 단계, 소정의 집계 구간동안 상기 온라인 광고에 대해 발생한 사용자의 클릭 횟수 정보를 획득하는 단계, 상기 소정의 집계 구간동안 발생한 사용자의 클릭으로부터 제1 시간 안에 발생한 사용자의 구매 정보를 획득하는 단계, 상기 사용자의 클릭 횟수 정보와, 상기 제1 시간 안에 발생한 사용자의 구매 정보로부터 단기 ROAS를 계산하는 단계, 상기 단기 ROAS에 기반하여, 상기 사용자의 클릭으로부터 상기 제1 시간 보다 큰 제2 시간 동안의 사용자 구매를 기준으로 한 장기 ROAS가 목표 ROAS 미만인지 여부를 추정하는 단계 및 상기 장기 ROAS가 목표 ROAS보다 작을 것으로 추정되는 경우, 상기 온라인 광고의 비용과 관련된 파라미터를 조정하는 단계를 포함한다.

Description

온라인 광고 서비스를 제공하는 방법 및 장치{METHOD AND APPRATUS FOR PROVIDING ONLINE ADVERTISEMENT SERVICE}
온라인 광고 서비스를 제공하는 방법 및 장치가 개시된다.
인터넷의 보급이 보편화되면서 전자 상거래가 활성화되고 다양한 종류의 온라인 쇼핑몰이 등장하고 있다. 온라인 쇼핑몰의 소비자와 공급자가 증가하면서 공급자들은 소비자들이 자신의 쇼핑몰을 방문, 이용하도록 유도하는 서비스를 개발 중이다.
온라인 쇼핑몰이 활성화되면서 온라인으로 상품의 광고를 노출하는 온라인 광고 서비스가 제공되고 있다. 온라인 광고 서비스를 제공하는 업체는 상품의 판매 업체에게 과금을 청구하는데 과금 액수는 광고에 대한 클릭 회수에 의해 정해질 수 있다.
하지만, 사용자의 구매가 발생하지 않으면서 비정상적으로 온라인 광고에 대한 클릭 회수가 증가하는 경우 상품의 판매업체가 과도하게 많은 광고 비용을 부담해야 하는 문제가 있다.
적어도 하나의 실시예에 따르면, 상품 판매자 혹은 광고주에 대한 과금 액수를 합리적으로 조정할 수 있는 온라인 광고 서비스 제공 방법 및 장치가 제공된다.
일 측면에 따르면, 서버에 의해 수행되는 광고 서비스 제공 방법이 개시된다. 개시된 방법은 사용자 단말에게 온라인 광고를 제공하는 단계; 소정의 집계 구간동안 상기 온라인 광고에 대해 발생한 사용자의 클릭 횟수 정보를 획득하는 단계; 상기 소정의 집계 구간동안 발생한 사용자의 클릭으로부터 제1 시간 안에 발생한 사용자의 구매 정보를 획득하는 단계; 상기 사용자의 클릭 횟수 정보와, 상기 제1 시간 안에 발생한 사용자의 구매 정보로부터 단기 ROAS를 계산하는 단계; 상기 단기 ROAS에 기반하여, 상기 사용자의 클릭으로부터 상기 제1 시간 보다 큰 제2 시간 동안의 사용자 구매를 기준으로 한 장기 ROAS가 목표 ROAS 미만인지 여부를 추정하는 단계; 및 상기 장기 ROAS가 목표 ROAS보다 작을 것으로 추정되는 경우, 상기 온라인 광고의 비용과 관련된 파라미터를 조정하는 단계를 포함한다.
상기 방법은 상기 단기 ROAS로부터 상기 장기 ROAS를 추정하는 예측 모델을 생성하는 단계를 더 포함하고,
상기 서버는 상기 예측 모델 및 상기 단기 ROAS를 이용하여 상기 장기 ROAS가 목표 ROAS 미만인지 여부를 추정할 수 있다.
상기 예측 모델을 생성하는 단계는, 복수 개의 온라인 광고 각각에 대해 단기 ROAS 데이터 및 장기 ROAS 데이터를 수집하는 단계 및 수집된 데이터에 기반하여 상기 단기 ROAS를 입력받아 상기 장기 ROAS를 출력하는 추정 함수를 생성하는 단계를 포함할 수 있다.
상기 추정 함수는 상기 단기 ROAS와 상기 장기 ROAS 사이의 관계를 선형 함수로 표현할 수 있다.
상기 서버는, 상품의 가격이 속한 구간에 따라 서로 다른 예측 모델을 생성하며, 복수 개의 예측 모델 가운데 상기 온라인 광고를 통해 판매되는 상품의 가격이 속한 구간에 대응하는 예측 모델을 이용하여 상기 장기 ROAS가 목표 ROAS 미만인지 여부를 추정할 수 있다.
상기 예측 모델을 생성하는 단계는, 상품의 가격이 제1 가격 구간 안에 있는 온라인 광고들에 대해 수집된 제1 데이터에 기반하여 제1 예측 모델을 생성하고, 상품의 가격이 제2 가격 구간 안에 있는 온라인 광고들에 대해 수집된 제2 데이터에 기반하여 제2 예측 모델을 생성할 수 있다.
상기 장기 ROAS가 상기 목표 ROAS 미만인지 여부를 추정하는 단계는, 상기 예측 모델에 의해 추정된 장기 ROAS 값이 목표 ROAS 값이 되도록 하는 목표 단기 ROAS 값을 계산하고, 상기 단기 ROAS가 상기 목표 단기 ROAS 미만인지 여부에 기초하여 상기 장기 ROAS가 상기 목표 ROAS 미만인지 여부를 추정할 수 있다.
상기 서버는 상기 장기 ROAS가 목표 ROAS보다 작을 것으로 추정되는 경우, 상기 온라인 광고의 비용의 산출에 이용되는 유효 클릭 수를 조절할 수 있다.
상기 서버는 소정의 클릭 집계 구간동안 상기 온라인 광고에 대해 클릭이 발생한 경우, 상기 소정의 클릭 집계 구간 동안 발생한 실제 클릭 수와 상기 목표 ROAS에 기초하여 산출된 가상 클릭 수 중 더 작은 값을 유효 클릭 수로 설정할 수 있다.
다른 측면에 있어서,
단말과의 통신을 수행하는 통신 인터페이스부; 프로세서; 및 상기 프로세서를 통해 실행되는 적어도 하나의 명령이 저장된 메모리를 포함하며,
상기 적어도 하나의 명령은, 사용자 단말에게 온라인 광고를 제공하고, 소정의 집계 구간동안 상기 온라인 광고에 대해 발생한 사용자의 클릭 횟수 정보를 획득하고, 상기 소정의 집계 구간동안 발생한 사용자의 클릭으로부터 제1 시간 안에 발생한 사용자의 구매 정보를 획득하고, 상기 사용자의 클릭 횟수 정보와, 상기 제1 시간 안에 발생한 사용자의 구매 정보로부터 단기 ROAS를 계산하고, 상기 단기 ROAS에 기반하여, 상기 사용자의 클릭으로부터 상기 제1 시간 보다 큰 제2 시간 동안의 사용자 구매를 기준으로 한 장기 ROAS가 목표 ROAS 미만인지 여부를 추정하고, 상기 장기 ROAS가 목표 ROAS보다 작을 것으로 추정되는 경우, 상기 온라인 광고의 비용과 관련된 파라미터를 조정하도록 수행되는 서버가 제공된다.
다른 측면에 있어서, 서버 하드웨어와 결합되어 사용자 단말에게 온라인 광고를 제공하는 프로세스, 소정의 집계 구간동안 상기 온라인 광고에 대해 발생한 사용자의 클릭 횟수 정보를 획득하는 프로세스, 상기 소정의 집계 구간동안 발생한 사용자의 클릭으로부터 제1 시간 안에 발생한 사용자의 구매 정보를 획득하는 프로세스, 상기 사용자의 클릭 횟수 정보와, 상기 제1 시간 안에 발생한 사용자의 구매 정보로부터 단기 ROAS를 계산하는 프로세스, 상기 단기 ROAS에 기반하여, 상기 사용자의 클릭으로부터 상기 제1 시간 보다 큰 제2 시간 동안의 사용자 구매를 기준으로 한 장기 ROAS가 목표 ROAS 미만인지 여부를 추정하는 프로세스 및 상기 장기 ROAS가 목표 ROAS보다 작을 것으로 추정되는 경우, 상기 온라인 광고의 비용과 관련된 파라미터를 조정하는 프로세스를 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램이 제공된다.
적어도 하나의 실시예에 따르면 단기 ROAS로부터 장기 ROAS가 목표 ROAS 미만인지 여부를 추정함으로써 광고 비용이 과도하게 과금되는 것을 조기에 방지할 수 있다. 적어도 하나의 실시예에 따르면 상품의 가격이 속한 구간에 따라 다른 예측 모델을 이용함으로써 장기 ROAS가 목표 ROAS 미만인지 여부에 대한 추정의 정확도를 높일 수 있다.
도 1은 예시적인 실시예에 따른 온라인 광고 서비스 제공 시스템을 나타낸 개념도이다.
도 2는 서버를 예시적으로 나타낸 블록도이다.
도 3 은 온라인 광고 서비스 제공 시스템의 다른 실시예를 예시적으로 나타낸 개념도이다.
도 4는 도 3에서 나타낸 제1 서버의 기능을 블록 단위로 나타낸 블록도이다.
도 5는 예시적인 실시예에 따른 온라인 광고 서비스 제공방법을 예시적으로 나타낸 순서도이다.
도 6 및 도 7은 S120 단계 및 S130 단계에서 서버가 클릭 횟수 및 구매 정보를 수집하는 것을 설명하기 위한 개념도이다.
도 8은 서버의 유효 클릭 횟수 조정 주기를 나타내는 개념도이다.
도 9는 서버가 예측 모델을 생성하는 과정을 예시적으로 나타낸 순서도이다.
도 10은 단기 ROAS 데이터 및 장기 ROAS 데이터를 예시적으로 나타낸 분산 그래프이다.
도 11은 모든 데이터를 고려한 경우와 일부 데이터를 고려한 경우 예측 모델의 차이를 설명하기 위한 그래프이다.
도 12a는 상품의 가격이 제1 구간에 해당하는 단기 ROAS 데이터 및 장기 ROAS 데이터로부터 획득된 분산 그래프이며, 도 12b는 도 12a에서 예측 모델에 의해 장기 ROAS가 5로 추정되는 영역을 확대하여 나타낸 것이다.
도 13a는 상품의 가격이 제2 구간에 해당하는 단기 ROAS 데이터 및 장기 ROAS 데이터로부터 획득된 분산 그래프이며, 도 13b는 도 13a에서 예측 모델에 의해 장기 ROAS가 5로 추정되는 영역을 확대하여 나타낸 것이다.
도 14a는 상품의 가격이 제3 구간에 해당하는 단기 ROAS 데이터 및 장기 ROAS 데이터로부터 획득된 분산 그래프이며, 도 14b는 도 14a에서 단기 ROAS가 250 미만인 영역을 확대하여 나타낸 그래프이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 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 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
도 1은 예시적인 실시예에 따른 온라인 광고 서비스 제공 시스템을 나타낸 개념도이다.
도 1을 참조하면, 온라인 광고 서비스 제공 시스템은 서버(100) 및 단말(300)을 포함할 수 있다. 서버(100)는 네트워크(200)를 통해 단말(300)과 서로 정보를 송수신 할 수 있다. 서버(100)는 온라인 쇼핑몰 서비스를 제공할 수 있다.
서버(100)는 온라인 광고 서비스를 제공하는 사업자 또는 사업자의 감독을 받는 주체에 의해 운영될 수 있다. 서버(100)는 온라인 쇼핑몰 또는 기타 웹 사이트에서 온라인 광고를 제공하고, 온라인 광고에 대한 사용자의 인터랙션 정보 및 온라인 광고 상품에 대한 사용자의 구매 정보를 수집할 수 있다. 이를 위해 서버(100)는 사용자의 인터랙션에 의해 발생되는 로그 정보를 수집할 수 있다. 후술하는 바와 같이 서버(100)는 수집된 정보에 기초하여 온라인 광고에 대한 단기 광고 비용 회수(Return On Advertising Spend; 이하 ROAS)를 계산하고, 이에 기초하여 장기 ROAS를 추정할 수 있다. 또한, 서버(100)는 필요한 경우 온라인 광고 비용에 관련된 파라미터를 조정할 수 있다. 서버(100)는 조정된 파라미터를 이용하여 광고주 또는 상품 판매자에 대한 과금 정보를 생성할 수 있다.
네트워크(200)는 서버(100)와 사용자 단말(300)를 연결하는 망(Network)으로서 유선 네트워크, 무선 네트워크 등을 포함한다. 네트워크(200)는 LAN(Local Area Network), WAN(Wide Area Network)등의 폐쇄형 네트워크 또는 인터넷(Internet)과 같은 개방형 네트워크일 수 있다. 인터넷은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 네트워크 구조를 의미한다.
단말(300)은 네트워크에 접속 가능한 사용자의 장치일 수 있다. 단말(300)은 사용자의 인터랙션에 응답하여 서버(100)와 통신을 수행할 수 있다. 서버(100)는 로그 정보를 수집하여 단말(300)에 대한 사용자의 인터랙션 정보를 획득할 수 있다. 단말(300)은 스마트폰, 태블릿 PC, 랩톱 등을 포함할 수 있으나, 이에 제한되는 것은 아니다.
도 2는 서버(100)를 예시적으로 나타낸 블록도이다.
도 2를 참조하면, 예시적인 실시예에 따른 서버(100)는 통신 인터페이스부(110), 프로세서(120), 메모리(130) 및/또는 저장 장치(130, 140)를 포함할 수 있다.
통신 인터페이스부(110)는 프로세서(120)의 제어에 의해 동작할 수 있다. 통신 인터페이스부(110)는 프로세서(120)의 명령에 따라 무선 통신 또는 유선 통신 방식으로 신호를 전송할 수 있다. 단말(300)은 무선 통신 또는 유선 통신 방식으로 통신 인터페이스부(110)가 전송하는 신호를 수신할 수 있다.
프로세서(120)는 메모리(130) 및/또는 저장 장치(130, 140)에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(120)는 중앙 처리 장치(central processing unit; CPU), 그래픽 처리 장치(graphics processing unit; GPU) 또는 본 발명에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(130)와 저장 장치(140)는 휘발성 저장 매체 및/또는 비휘발성 저장 매체로 구성될 수 있다. 예를 들어, 메모리(130)는 읽기 전용 메모리(read only memory; ROM) 및/또는 랜덤 액세스 메모리(random access memory; RAM)로 구성될 수 있다.
도 2를 참조하여 설명한 서버(100)의 구성은 예시적인 것에 불과할 뿐, 실시예가 이에 제한되는 것은 아니다. 예를 들어, 서버(100)의 메모리(130) 및 저장 장치(140)는 물리적으로 구분되지 않을 수도 있다. 또한, 서버(100)는 도 2에 도시된 구성 외에도 다른 구성을 더 포함할 수 있다. 예를 들어, 서버(100)는 입력 인터페이스부, 출력 인터페이스부 등을 더 포함할 수 있다. 입력 인터페이스부는 버튼, 터치 스크린, 일반적인 PC의 입력 장치 등을 포함할 수 있다. 출력 인터페이스부는 디스플레이 장치, 터치 스크린, 스피커 등을 포함할 수 있다.
도 3은 온라인 광고 서비스 제공 시스템의 다른 실시예를 예시적으로 나타낸 개념도이다.
도 3을 참조하면, 도 1에서 나타낸 서버(100)의 기능이 둘 이상의 서버(100a, 100b)에 의해 수행될 수 있다. 예를 들어, 제1 서버(100a)는 구글 클라우드 플랫폼(Google Cloud Platform; GPC) 또는 인터넷 데이터 센터(Internet Data Center; IDC)에 의해 운영되는 장치일 수 있다. 구체적으로 제1 서버(100a)의 기능은 구글 클라우드 플랫폼 또는 인터넷 데이터 센터의 서버에서 온라인 광고 서비스 제공 업자를 위해 할당된 자원에 의해 수행될 수 있다. 제2 서버(100b)는 온라인 광고 서비스를 제공하는 업체 또는 개인에 의해 직접 운영되는 서버일 수 있다. 제1 서버(100a)는 사용자 단말(300)에게 온라인 광고 서비스를 제공하고, 광고주 또는 상품 판매자에 대한 광고 비용 산정에 필요한 파라미터를 수집하거나 조정할 수 있다. 제2 서버(100b)는 제1 서버(100a)에서 산정한 파라미터에 기초하여 광고 비용을 결정하고, 광고주 또는 상품 판매자에 대한 광고 비용의 청구에 필요한 작업을 수행할 수 있다.
도 4는 도 3에서 나타낸 제1 서버(100a)의 기능을 블록 단위로 나타낸 블록도이다.
도 4에서 나타낸 블록들은 기능 단위로 표시된 것으로 각 블록은 물리적으로 또는 논리적으로 명확하게 구분되어 구현되지 않을 수도 있다. 도 4를 참조하면, 제1 서버(100a)는 게이트웨이(102), WS API(104), HDFS(Hadoop Distributed File System; 106), 앱 트래킹부(108) 및 제어부(109)를 포함할 수 있다. 게이트웨이(102)는 소정의 URL 또는 접속 경로를 통한 사용자 단말(300)의 액세스가 있는 경우 사용자 단말(300)과 제1 서버(100a)를 연결시킬 수 있다. WS API(104)는 사용자 단말(300)로부터 수집한 세션 정보나 로그인 정보(ID 및 패스워드)에 기반하여 사용자의 접속 권한을 확인할 수 있다. 앱 트래킹부(108)는 사용자 단말(300)의 로그 정보를 획득하고, 웹사이트 또는 애플리케이션에 대한 사용자의 인터랙션 히스토리를 트래킹할 수 있다. 앱 트래킹부(108)에서 트래킹한 정보는 HDFS(106)에 저장될 수 있다. HDFS(106)는 저장한 정보를 제어부(109)에 전달할 수 있다.
제어부(109)는 HDFS(106)으로부터 전달받은 정보를 이용하여 ROAS 관련 정보를 산출할 수 있다. 제어부(109)는 ROAS 관련 정보에 기반하여 광고 비용 산출에 관련된 파라미터를 조절할 수 있다. 예를 들어, 제어부(109)는 온라인 광고에 대한 사용자의 클릭 시점으로부터 상대적으로 단시간 동안 발생한 사용자의 구매정보를 획득하고 이에 기반하여 단기 ROAS를 계산할 수 있다. 제어부(109)는 단기 ROAS에 기초하여, 상대적으로 장시간을 기준으로 한 추정 장기 ROAS가 목표 ROAS 미만인지 여부를 추정할 수 있다. 추정 장기 ROAS는 사용자의 클릭 시점으로부터 상술한 장시간이 지나기 전에 추정되는 장기 ROAS일 수 있다.
제어부(109)는 추정 장기 ROAS가 목표 ROAS 미만인지 여부를 판단하기 위해 추정 장기 ROAS가 목표 ROAS와 같아지도록 하는 목표 단기 ROAS를 계산할 수 있다. 제어부(109)는 사용자의 클릭 횟수 및 구매 정보로부터 획득된 단기 ROAS와 목표 단기 ROAS를 비교함으로써, 추정 장기 ROAS가 목표 ROAS 미만인지 여부를 추정할 수 있다. 제어부(109) 추정 장기 ROAS가 목표 ROAS 미만으로 추정되는 경우, 광고 비용 산출에 관련된 파라미터를 수정할 수 있다. 예를 들어, 제어부(109)는 광고 비용 산출에 이용되는 온라인 광고에 대한 사용자의 클릭 횟수 파라미터를 조절할 수 있다. 다른 예로, 제어부(109)는 온라인 광고 비용 산출에 이용되는 CPC 파라미터를 조절할 수도 있다.
제2 서버(100b)는 사용자 단말(300)로부터 로그 정보를 획득할 수 있다. 제2 서버(100b)는 제1 서버(100a)로부터 광고 비용 산출을 위한 정보를 획득할 수 있다. 제2 서버(100b)는 획득한 정보를 이용하여 광고 비용을 산출하고 저장할 수 있다. 온라인 광고 서비스 제공 업체 또는 개인은 제2 서버(100b)에 저장된 정보를 이용하여 광고주 또는 상품 판매자에게 광고 비용을 청구할 수 있다. 도 4에서 나타낸 제1 서버(100a) 및 제2 서버(100b)의 기능 분배는 예시적인 것에 불과하며 실시예가 이에 제한되는 것은 아니다. 예를 들어, 제2 서버(100b)의 제어부(109)에 의해 수행되는 기능이 제1 서버(100a)에 의해 수행될 수도 있다.
도 5는 예시적인 실시예에 따른 온라인 광고 서비스 제공방법을 예시적으로 나타낸 순서도이다. 도 5에서 나타낸 방법은 도 1의 서버(100), 도 3 및 도 4의 제1 서버(100a) 및 제2 서버(100b) 중 적어도 하나에 의해 수행될 수 있다. 이하에서는 도 5의 방법이 도 1에서 나타낸 서버(100)에 의해 수행되는 것을 가정하고 설명한다.
도 5를 참조하면, S110 단계에서, 서버(100)는 단말(300)에게 온라인 광고를 제공할 수 있다. 서버(100)는 다양한 방식으로 온라인 광고를 제공할 수 있다. 예를 들어, 서버(100)는 온라인 쇼핑몰 웹사이트, 검색 포털 또는 소정의 애플리케이션 구동환경에서 특정 검색어가 입력되면 높은 순위로 상품 정보 또는 광고가 표시되도록 함으로써 온라인 광고를 제공할 수 있다. 다른 예로, 서버(100)는 온라인 쇼핑몰 웹사이트, 검색 포털, 기타 다른 웹사이트나 소정의 애플리케이션 구동환경에서 광고 또는 상품 정보가 소정의 영역에 노출되도록 함으로써 온라인 광고를 제공할 수 있다. 또 다른 예로, 서버(100)는 웹사이트 또는 검색 포털에서 배너 광고의 방식으로 광고 또는 상품 정보가 노출되도록 함으로써 온라인 광고를 제공할 수도 있다. 상술한 설명은 예시적인 것에 불과하며 실시예가 이에 제한되는 것은 아니다. 본 명세서에서 온라인 광고는 상술한 예시 외에도 광고 또는 상품 정보를 사용자에게 노출시키는 모든 방식을 포함하는 것으로 해석되어야 한다.
S120 단계에서, 서버(100)는 소정의 집계 구간동안 온라인 광고에 대해 발생한 사용자의 클릭 횟수 정보를 획득할 수 있다. 서버(100)는 사용자 단말(300)에 의해 발생한 로그 정보를 획득하는 등의 방식으로 온라인 광고에 대한 사용자의 클릭 횟수 정보를 획득할 수 있다.
S130 단계에서, 서버(100)는 소정의 집계 구간동안 발생한 사용자의 클릭으로부터 제1 시간 안에 발생한 사용자의 구매정보를 획득할 수 있다. 제1 시간은 통상적으로 ROAS 산출의 기준이 되는 시간보다 작은 시간일 수 있다. 예를 들어, ROAS가 통상적으로 클릭 발생시점으로부터 24시간 안에 발생한 사용자의 구매를 기준으로 산출된다면, 제1 시간은 24시간보다 작을 수 있다(ex. 1시간). 상술한 시간 수치들은 예시적인 것에 불과하며 실시예를 제한하는 것은 아니다.
도 6 및 도 7은 S120 단계 및 S130 단계에서 서버(100)가 클릭 횟수 및 구매 정보를 수집하는 것을 설명하기 위한 개념도이다.
도 6 및 도 7에서 가로축은 시간을 나타내고, 원은 온라인 광고에 대한 클릭 이벤트를 나타내고, 육각형은 온라인 광고 상품에 대한 구매 이벤트를 나타낸다. 도 6은 t1 시점에서 서버(100)가 온라인 광고에 대한 클릭 횟수와 구매 정보를 획득하는 것을 예시적으로 나타내고 도 7은 t2 시점에서 서버(100)가 온라인 광고에 대한 클릭 횟수와 구매 정보를 획득하는 것을 예시적으로 나타낸다.
서버(100)는 일정한 시간 간격(T1)으로 클릭 횟수 및 구매 정보를 획득할 수 있다. 예를 들어, 서버(100)는 t1, t2, t3, t4 시점 각각에서 클릭 횟수 및 구매 정보를 획득할 수 있다. 하지만, 실시예가 도 6 및 도 7에 제한되는 것은 아니다. 예를 들어, 서버(100)가 클릭 횟수 및 구매 정보를 획득하는 시간 주기는 일정하지 않고 불규칙하거나 서버(100)의 운영자에 의해 다르게 설정될 수도 있다.
도 6을 참조하면, t1 시점에서 서버(100)는 t1 시점으로부터 T2 시간 이전인 t1-a 시점부터 T3 시간 동안 발생한 클릭 횟수를 카운팅할 수 있다. T3는 클릭 횟수를 집계하는 집계 구간에 해당할 수 있다. T3는 T2보다 작을 수 있다. 서버(100)는 집계 구간(T3) 동안 발생한 클릭 이벤트가 발생한 시점으로부터 제1 시간(T4) 안에 발생한 구매 정보를 획득할 수 있다. 예를 들어, 서버(100)는 집계 구간(T3) 안에 발생한 클릭 이벤트 중 t1-c에 발생한 클릭 이벤트에 대해서, t1-c 시점부터 t1-d 시점까지 발생한 구매 정보를 획득할 수 있다. 서버(100)는 t1-c 시점뿐만 아니라 집계 구간(T3) 안에서 발생한 모든 클릭 이벤트에 대해서도 클릭 이벤트가 발생한 시점으로부터 제1 시간이 경과한 시점까지 발생한 구매 정보를 획득할 수 있다.
T1은 T2보다 작을 수 있다. 또한, T3와 T4의 합은 T2보다 작을 수 있다. 따라서, 서버(100)는 모든 시간 구간에서 발생하는 클릭 이벤트와 구매 이벤트를 빠짐없이 고려할 수 있다.
다시 도 5를 참조하면, S140 단계에서, 서버(100)는 집계 구간 동안 발생한 사용자의 클릭 횟수 및 제1 시간 동안 발생한 사용자의 구매정보에 기초하여 단기 ROAS를 계산할 수 있다. 단기 ROAS는 사용자의 클릭 시점으로부터 제1 시간 안에 발생한 매출을 기준으로 산출될 수 있다. 예를 들어, 단기 ROAS는 수학식 1과 같이 나타낼 수 있다.
Figure pat00001
수학식 1에서
Figure pat00002
는 단기 ROAS를 의미한다. CPC는 클릭당 비용(Click Per Charge)를 의미하고,
Figure pat00003
은 집계 구간(T3) 동안 발생한 클릭 횟수를 의미한다. 또한,
Figure pat00004
는 집계 구간(T3) 동안 발생한 클릭으로부터 제1 시간(T4) 안에 발생한 매출을 의미한다.
수학식 1에서 나타낸 단기 ROAS는 예시적인 것에 불과할 뿐 실시예를 제한하는 것은 아니다. 예를 들어, 단기 ROAS는 수학식 1의
Figure pat00005
에 상수를 곱한 값일 수도 있다. 단기 ROAS 값을 퍼센테이지로 나타내고자 하는 경우, 단기 ROAS는 수학식 1의
Figure pat00006
에 100을 곱한 것이 될 수도 있다.
S150 단계에서, 서버(100)는 S130 단계에서 계산한 단기 ROAS에 기초하여 장기 ROAS가 목표 ROAS 미만인지 여부를 추정할 수 있다. 서버(100)는 예측 모델을 이용하여 단기 ROAS로부터 추정 장기 ROAS가 목표 ROAS 미만인지 여부를 판단할 수 있다. 여기서 장기 ROAS는 사용자의 클릭으로부터 제1 시간보다 긴 제2 시간 안에 발생한 사용자 구매에 기초한 ROAS일 수 있다. 제2 시간은 통상적인 ROAS 산출의 기준이 되는 시간일 수 있다. 예를 들어, 제2 시간은 24시간일 수 있으나 이 수치는 예시적인 것에 불과하며 실시예를 제한하는 것은 아니다. 제2 시간은 24시간보다 작거나 클 수도 있다.
추정 장기 ROAS는 클릭 시점으로부터 실제로 제2 시간이 경과하기 전에 추정되는 장기 ROAS일 수 있다. 서버(100)는 단기 ROAS와 예측 모델을 이용하여 추정 장기 ROAS를 계산할 수 있다.
추정 장기 ROAS와 단기 ROAS 사이의 관계는 수학식 2와 같이 나타낼 수 있다.
Figure pat00007
수학식 2에서 f는 예측 모델의 함수를 의미하고,
Figure pat00008
는 추정 장기 ROAS를 의미하며,
Figure pat00009
는 단기 ROAS를 의미한다.
서버(100)는 추정 장기 ROAS가 목표 ROAS 미만인지 여부를 판단하고 이에 기초하여 미래에 확정될 장기 ROAS가 목표 ROAS 미만인지 여부를 추정할 수 있다. 예를 들어, 서버(100)는 수학식 2를 이용하여 추정 장기 ROAS
Figure pat00010
를 계산하고, 계산한 추정 장기 ROAS
Figure pat00011
가 목표 ROAS
Figure pat00012
미만인지 여부를 판단할 수 있다. 추정 장기 ROAS
Figure pat00013
가 목표 ROAS
Figure pat00014
미만인 경우 서버(100)는 미래에 확정될 장기 ROAS
Figure pat00015
가 목표 ROAS
Figure pat00016
미만이라고 추정할 수 있다.
다른 예로, 서버(100)는 추정 장기 ROAS를 계산하지 않을 수도 있다. 이 경우, 서버(100)는 추정 장기 ROAS가 목표 ROAS와 같아지도록 하는 목표 단기 ROAS를 계산할 수 있다. 서버(100)는 수학식 3을 이용하여 목표 단기 ROAS를 계산할 수 있다.
Figure pat00017
수학식 3에서
Figure pat00018
는 예측 모델의 함수 f의 역함수를 의미하고,
Figure pat00019
은 목표 ROAS를 의미하며,
Figure pat00020
는 목표 단기 ROAS를 의미한다. 서버(100)는 수학식 3을 이용하여 목표 단기 ROAS
Figure pat00021
를 계산할 수 있다. 서버(100)는 S140 단계에서 수학식 1을 이용하여 계산한 단기 ROAS
Figure pat00022
가 목표 단기 ROAS
Figure pat00023
미만인지 여부를 판단할 수 있다. 단기 ROAS가 목표 단기 ROAS 미만일 경우, 서버(100)는 장기 ROAS가 목표 ROAS 미만일 것이라고 추정할 수 있다.
장기 ROAS가 목표 ROAS 미만으로 추정되는 경우, S160 단계에서 서버(100)는 광고 비용 관련 파라미터를 조정할 수 있다. 예를 들어, 서버(100)는 CPC 값을 조절할 수 있다. 다른 예로 서버(100)는 온라인 광고에 대한 유효 클릭 횟수를 실제 클릭 횟수와 다르게 조절할 수도 있다.
도 8은 서버(100)의 유효 클릭 횟수 조정 주기를 나타내는 개념도이다.
도 8을 참조하면, 서버(100)는 TC 시간 주기로 클릭 횟수를 조정할 수 있다. 서버(100)는 TC 시간 안에 발생한 클릭 횟수를 조정할 수 있다. 도 8에서는 클릭 횟수의 조정 주기와 서버(100)가 클릭 횟수를 카운팅하는 시간 구간의 크기가 같은 것을 예시적으로 나타냈지만 실시예가 이에 제한되지는 않는다. 예를 들어, 서버(100)가 클릭 횟수를 카운팅하는 시간 구간의 크기는 주기 TC와 다를 수 있다.
예시적으로 서버(100)는 소정의 시간 TC 동안 클릭이 발생한 경우, 수학식 4를 이용하여 클릭 횟수를 조정할 수 있다.
Figure pat00024
수학식 4에서 소정의 시간(ex. TC 시간)에 대한
Figure pat00025
는 유효 클릭 횟수를 의미하고,
Figure pat00026
은 소정의 시간동안 실제 발생한 클릭 수를 의미하며
Figure pat00027
는 클릭으로부터 제1 시간 안에 발생한 매출을 의미한다. 즉, 수학식 4에서
Figure pat00028
는 클릭으로부터 단 시간(ex. 1시간) 안에 발생한 매출의 합일 수 있다. 또한, 수학식 2에서
Figure pat00029
는 가중치 팩터를 의미한다.
만약, 온라인 광고 서비스 제공업자가 유효 클릭 수로부터 도출되는 유효 단기 ROAS가 목표 단기 ROAS와 같아지게 하고자 한다면
Figure pat00030
는 1로 설정될 수 있다. 하지만, 온라인 광고 서비스 제공업자의 내부 정책에 따라
Figure pat00031
값은 1보다 크거나 작아질 수도 있다.
수학식 4를 참조하면, 서버(100)는 실제 클릭 수
Figure pat00032
와 가중치
Figure pat00033
및 목표 단기 ROAS를 고려한 가상 클릭 수
Figure pat00034
중 더 작은 값을 산출할 수 있다. 가상 클릭 수는 목표 단기 ROAS에 의존하며, 목표 단기 ROAS는 목표 ROAS에 의존하므로 가상 클릭 수는 결과적으로 목표 ROAS에 의존할 수 있다.
서버(100)는 상기 더 작은 값을 유효 클릭 수로 설정할 수 있다. 단, 실제 클릭이 발생하였음에도 클릭 수가 1보다 작아지는 것을 방지하기 위해 서버(100)는 상기 더 작은 값과 1 중에 더 큰 값을 유효 클릭 수로 설정할 수 있다. 상술한 수학식은 예시적인 것에 불과하며 실시예가 이에 제한되는 것은 아니다.
상술한 수학식 2 및 수학식 3에서는 예측 모델의 함수 f가 이용되었다. 이하에서는 서버(100)가 예측 모델을 생성하는 과정에 대하여 보다 상세히 설명한다.
도 9는 서버(100)가 예측 모델을 생성하는 과정을 예시적으로 나타낸 순서도이다.
도 9를 참조하면, S210 단계에서 서버(100)는 복수 개의 온라인 광고 각각에 대하여 단기 ROAS 데이터 및 장기 ROAS 데이터를 수집할 수 있다. S210 단계에서 수집되는 데이터는 추정 데이터가 아닌 로그 수집 등에 의해 확정된 실제 데이터일 수 있다. 즉, S210 단계에서 서버(100)는 하루 또는 수일 전에 발생한 클릭 횟수 및 구매정보를 이용하여 단기 ROAS 데이터 및 장기 ROAS 데이터를 수집할 수 있다.
S220 단계에서 서버(100)는 수집된 데이터를 기반으로 분산 그래프를 생성할 수 있다. 또한, S230 단계에서 서버(100)는 분산 그래프의 점들(plots)을 근사적으로 나타낼 수 있는 추정 함수를 생성할 수 있다. 예시적으로 추정 함수는 단기 ROAS와 장기 ROAS 사이의 관계를 선형 함수로 표현할 수 있다.
도 10은 단기 ROAS 데이터 및 장기 ROAS 데이터를 예시적으로 나타낸 분산 그래프이다.
도 10에서 나타낸 그래프는 출원인이 특정 유형의 광고(ex. 검색어 입력시 첫 화면에 노출되는 광고)들에 대한 데이터에 기반하여 작성된 것이다. 하지만, 실시예가 이에 제한되는 것은 아니다. 예를 들어, 서버(100)는 예측 모델을 생성하기 위해 다른 유형의 광고들에 대한 데이터를 고려할 수도 있다. 다른 유형의 광고들로는 상품 카테고리 선택시 노출되는 광고, 키워드 검색시 첫 번째 슬롯에 노출되지 않고 다음 슬롯에 노출되는 광고, 배너 광고 등이 있을 수 있으나 실시예가 이에 제한되는 것은 아니다. 서버(100)는 광고의 유형별로 서로 다른 예측 모델을 생성할 수 있다. 다른 예로, 서버(100)는 복수 개의 광고 유형에 대해 하나의 예측 모델을 생성할 수도 있다.
도 10에서 가로축은 단기 ROAS 값을 나타내고 세로축은 장기 ROAS 값을 나타낸다. 도 10을 참조하면, 단기 ROAS와 장기 ROAS 사이의 관계가 복수 개의 점들로 표시될 수 있다. 또한, 단기 ROAS 데이터와 장기 ROAS 데이터 사이의 관계는 선형식으로 근사될 수 있다. 도 10의 선형 그래프의 식은
Figure pat00035
일 수 있다.
서버(100)는 상기 함수
Figure pat00036
를 예측 모델의 함수로 채용할 수 있다. 목표 ROAS가 5인 경우, 장기 ROAS가 5이상으로 추정되도록 하는 목표 단기 ROAS는 대략 4.28978024일 수 있다. 따라서, 서버(100)는 도 1의 S140 단계에서 계산한 단기 ROAS를 목표 값인 4.28978024와 비교할 수 있다.
도 10을 보면, 단기 ROAS가 500 이상인 점이 7개 있다. 이 7개의 점들은 다른 점들과 도메인 영역이 크게 상이하고, 개수가 작아 통계적으로 선형 함수의 정확도를 떨어뜨릴 수 있다. 따라서, 서버(100)는 모든 데이터를 고려하지 않고 일부 데이터(예를 들어, 도 10의 단기 ROAS 값이 500 이상인 7개의 점들에 대응하는 데이터)를 제외하고 추정 함수를 생성할 수도 있다.
도 11은 모든 데이터를 고려한 경우와 일부 데이터를 고려한 경우 예측 모델의 차이를 설명하기 위한 그래프이다.
도 11에서 파랑색으로 표시한 선은 도 10의 모든 데이터를 고려하여 생성된 추정 함수를 나타내고 주황색으로 표시한 선은 상술한 7개의 점들에 대응하는 데이터를 제외하고 생성된 추정 함수를 나타낸다.
도 11을 참조하면, 두 선형 함수의 기울기와 절편이 달라진 것을 확인할 수 있다. 예를 들어, 주황색으로 표시한 선을 나타내는 함수는
Figure pat00037
일 수 있다. 이 경우, 목표 단기 ROAS는 상술한 4.28978024와 다른 2.90927701이 될 수 있다.
상술한 예에서는 서버(100)가 상품의 가격을 고려하지 않고, 단기 ROAS 데이터와 장기 ROAS 데이터를 수집하여 예측 모델을 생성하는 것을 예시적으로 설명하였다. 하지만, 실시예가 이에 제한되는 것은 아니다. 서버(100)는 상품의 가격을 고려하여 서로 다른 예측 모델을 생성하고, 서로 다른 예측 모델을 적용하여 장기 ROAS가 목표 ROAS 미만인지 여부를 추정할 수 있다.
ROAS는 그 정의상 상품의 가격에 민감하게 반응할 수 있다. 수학식 5를 참조하면, ROAS는 CVR(구매전환율) 및 상품의 가격에 의존할 수 있다.
Figure pat00038
수학식 5에서 price는 상품 가격을 의미하고, #buy는 구매횟수를 의미하며, #click은 클릭횟수를 의미한다.
수학식 5를 참조하면, 상품의 가격이 높은 경우, 구매전환율(CVR)이 낮더라도 ROAS 값이 상대적으로 클 수 있다. 반면, 상품의 가격이 낮은 경우, 구매전환율(CVR)이 높더라도 ROAS 값이 커지기 어려울 수 있다.
이러한 점을 고려할 때, 상품의 가격에 따라 상술한 예측 모델도 다르게 설정되어야 할 필요가 있을 수 있다.
서버(100)는 상품의 가격에 대해 복수 개의 구간을 설정하고 각 구간에 대응하는 단기 ROAS 데이터 및 장기 ROAS 데이터를 수집할 수 있다. 서버(100)는 각 구간 별로 서로 다른 예측 모델을 생성할 수 있다. 아래에서는 서버(100)가 가격 구간의 개수를 세개로 설정하고 각 구간마다 서로 다른 예측 모델을 생성하는 것을 예시적으로 설명한다. 제1 구간은 상품의 가격이 하위 0% 내지 25%에 해당하고, 제2 구간은 상품의 가격이 하위 25% 내지 75%에 해당하며, 제3 구간은 상품의 가격이 하위 75% 내지 100%에 해당할 수 있다. 상술한 구간의 개수 및 각 구간의 상품 가격 범위는 예시적인 것에 불과할 뿐 실시예를 제한하는 것은 아니다.
도 12a는 상품의 가격이 제1 구간에 해당하는 단기 ROAS 데이터 및 장기 ROAS 데이터로부터 획득된 분산 그래프이며, 도 12b는 도 12a에서 예측 모델에 의해 장기 ROAS가 5로 추정되는 영역을 확대하여 나타낸 것이다. 도 12a 및 도 12b를 참조하면, 제1 구간에서 단기 ROAS 데이터와 장기 ROAS 데이터 사이의 관계는
Figure pat00039
로 근사될 수 있다. 제1 구간의 예측 모델에 따르면, 목표 ROAS가 5인 경우, 장기 ROAS가 5이상으로 추정되도록 하는 목표 단기 ROAS는 대략 2.7975856일 수 있다. 즉, 도 10 및 도 11에서 나타낸 전체 데이터를 고려한 모델로부터 구한 목표 단기 ROAS와 도12a 및 도12b에서 나타낸 제1 구간의 데이터를 고려한 모델로부터 구한 목표 단기 ROAS는 서로 다를 수 있다.
도 13a는 상품의 가격이 제2 구간에 해당하는 단기 ROAS 데이터 및 장기 ROAS 데이터로부터 획득된 분산 그래프이며, 도 13b는 도 13a에서 예측 모델에 의해 장기 ROAS가 5로 추정되는 영역을 확대하여 나타낸 것이다.
도 13a 및 도 13b를 참조하면, 제1 구간에서 단기 ROAS 데이터와 장기 ROAS 데이터 사이의 관계는
Figure pat00040
로 근사될 수 있다. 제2 구간의 예측 모델에 따르면, 목표 ROAS가 5인 경우, 장기 ROAS가 5이상으로 추정되도록 하는 목표 단기 ROAS는 대략 1.80217936일 수 있다.
도 14a는 상품의 가격이 제3 구간에 해당하는 단기 ROAS 데이터 및 장기 ROAS 데이터로부터 획득된 분산 그래프이며, 도 14b는 도 14a에서 단기 ROAS가 250 미만인 영역을 확대하여 나타낸 그래프이다.
도 14a에서 나타낸 바와 같이 제3 구간의 모든 데이터를 고려하여 예측 모델을 생성할 수도 있지만, 서버(100)는 정확도를 높이기 위해 ROAS가 500보다 큰 7개의 점들에 대응하는 데이터는 제외하고 예측 모델을 생성할 수도 있다. 7개의 점들에 대응하는 데이터를 제외하지 않은 경우, 추정 함수는
Figure pat00041
이고, 7개의 점들에 대응하는 데이터를 제외한 경우, 추정 함수는
Figure pat00042
일 수 있다.
추정 함수가
Figure pat00043
인 경우, 목표 단기 ROAS는 1.59359972일 수 있고, 추정 함수가
Figure pat00044
인 경우, 목표 단기 ROAS는 0.94624134일 수 있다.
상술한 바와 같이 상품의 가격이 속한 구간에 따라 서로 다른 추정 함수가 사용될 수 있다. 또한, 목표 단기 ROAS 값도 서로 달라질 수 있다.
서버(100)는 분석하고자 하는 온라인 광고의 대상 상품의 가격에 따라 서로 다른 추정 함수 또는 단기 목표 ROAS를 이용함으로써, 추정의 정확도를 높일 수 있다.
이상에서 도 1 내지 도 14b를 참조하여 예시적인 실시예들에 따른 온라인 광고 서비스 제공 방법 및 장치에 관하여 설명하였다. 적어도 하나의 실시예에 따르면 단기 ROAS로부터 장기 ROAS가 목표 ROAS 미만인지 여부를 추정함으로써 광고 비용이 과도하게 과금되는 것을 조기에 방지할 수 있다. 적어도 하나의 실시예에 따르면 상품의 가격이 속한 구간에 따라 다른 예측 모델을 이용함으로써 장기 ROAS가 목표 ROAS 미만인지 여부에 대한 추정의 정확도를 높일 수 있다.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬, 램, 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러(compiler)에 1의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상 실시예를 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 (11)

  1. 서버에 의해 수행되는 광고 서비스 제공 방법에 있어서,
    사용자 단말에게 온라인 광고를 제공하는 단계;
    소정의 집계 구간동안 상기 온라인 광고에 대해 발생한 사용자의 클릭 횟수 정보를 획득하는 단계;
    상기 소정의 집계 구간동안 발생한 사용자의 클릭으로부터 제1 시간 안에 발생한 사용자의 구매 정보를 획득하는 단계;
    상기 사용자의 클릭 횟수 정보와, 상기 제1 시간 안에 발생한 사용자의 구매 정보로부터 단기 ROAS를 계산하는 단계;
    상기 단기 ROAS에 기반하여, 상기 사용자의 클릭으로부터 상기 제1 시간 보다 큰 제2 시간 동안의 사용자 구매를 기준으로 한 장기 ROAS가 목표 ROAS 미만인지 여부를 추정하는 단계;
    상기 장기 ROAS가 목표 ROAS보다 작을 것으로 추정되는 경우, 상기 온라인 광고의 비용과 관련된 파라미터를 조정하는 단계를 포함하는 서버의 온라인 광고 서비스 제공 방법.
  2. 제 1 항에 있어서,
    상기 단기 ROAS로부터 상기 장기 ROAS를 추정하는 예측 모델을 생성하는 단계를 더 포함하고,
    상기 예측 모델 및 상기 단기 ROAS를 이용하여 상기 장기 ROAS가 목표 ROAS 미만인지 여부를 추정하는 서버의 온라인 광고 서비스 제공 방법.
  3. 제 2 항에 있어서,
    상기 예측 모델을 생성하는 단계는,
    복수 개의 온라인 광고 각각에 대해 단기 ROAS 데이터 및 장기 ROAS 데이터를 수집하는 단계 및 수집된 데이터에 기반하여 상기 단기 ROAS를 입력받아 상기 장기 ROAS를 출력하는 추정 함수를 생성하는 단계를 포함하는 서버의 온라인 광고 서비스 제공 방법.
  4. 제 3 항에 있어서,
    상기 추정 함수는 상기 단기 ROAS와 상기 장기 ROAS 사이의 관계를 선형 함수로 표현하는 서버의 온라인 광고 서비스 제공 방법.
  5. 제 2 항에 있어서,
    상기 예측 모델을 생성하는 단계는, 상품의 가격이 속한 구간에 따라 서로 다른 예측 모델을 생성하며,
    상기 장기 ROAS가 목표 ROAS 미만인지 여부를 추정하는 단계는, 복수 개의 예측 모델 가운데 상기 온라인 광고를 통해 판매되는 상품의 가격이 속한 구간에 대응하는 예측 모델을 이용하여 상기 장기 ROAS가 목표 ROAS 미만인지 여부를 추정하는 서버의 온라인 광고 서비스 제공 방법.
  6. 제 5 항에 있어서,
    상기 예측 모델을 생성하는 단계는, 상품의 가격이 제1 가격 구간 안에 있는 온라인 광고들에 대해 수집된 제1 데이터에 기반하여 제1 예측 모델을 생성하고, 상품의 가격이 제2 가격 구간 안에 있는 온라인 광고들에 대해 수집된 제2 데이터에 기반하여 제2 예측 모델을 생성하는 서버의 온라인 광고 서비스 제공 방법.
  7. 제 2 항에 있어서,
    상기 장기 ROAS가 상기 목표 ROAS 미만인지 여부를 추정하는 단계는,
    상기 예측 모델에 의해 추정된 장기 ROAS 값이 목표 ROAS 값이 되도록 하는 목표 단기 ROAS 값을 계산하고, 상기 단기 ROAS가 상기 목표 단기 ROAS 미만인지 여부에 기초하여 상기 장기 ROAS가 상기 목표 ROAS 미만인지 여부를 추정하는 서버의 온라인 광고 서비스 제공 방법.
  8. 제 1 항에 있어서,
    상기 장기 ROAS가 목표 ROAS보다 작을 것으로 추정되는 경우, 상기 온라인 광고의 비용의 산출에 이용되는 유효 클릭 수를 조절하는 서버의 온라인 광고 서비스 제공 방법.
  9. 제 8 항에 있어서,
    소정의 클릭 집계 구간동안 상기 온라인 광고에 대해 클릭이 발생한 경우, 상기 소정의 클릭 집계 구간 동안 발생한 실제 클릭 수와 상기 목표 ROAS에 기초하여 산출된 가상 클릭 수 중 더 작은 값을 유효 클릭 수로 설정하는 서버의 온라인 광고 서비스 제공 방법.
  10. 단말과의 통신을 수행하는 통신 인터페이스부;
    프로세서; 및
    상기 프로세서를 통해 실행되는 적어도 하나의 명령이 저장된 메모리를 포함하며,
    상기 적어도 하나의 명령은, 사용자 단말에게 온라인 광고를 제공하고, 소정의 집계 구간동안 상기 온라인 광고에 대해 발생한 사용자의 클릭 횟수 정보를 획득하고, 상기 소정의 집계 구간동안 발생한 사용자의 클릭으로부터 제1 시간 안에 발생한 사용자의 구매 정보를 획득하고, 상기 사용자의 클릭 횟수 정보와, 상기 제1 시간 안에 발생한 사용자의 구매 정보로부터 단기 ROAS를 계산하고, 상기 단기 ROAS에 기반하여, 상기 사용자의 클릭으로부터 상기 제1 시간 보다 큰 제2 시간 동안의 사용자 구매를 기준으로 한 장기 ROAS가 목표 ROAS 미만인지 여부를 추정하고, 상기 장기 ROAS가 목표 ROAS보다 작을 것으로 추정되는 경우, 상기 온라인 광고의 비용과 관련된 파라미터를 조정하도록 수행되는 서버.
  11. 서버 하드웨어와 결합되어
    사용자 단말에게 온라인 광고를 제공하는 프로세스, 소정의 집계 구간동안 상기 온라인 광고에 대해 발생한 사용자의 클릭 횟수 정보를 획득하는 프로세스, 상기 소정의 집계 구간동안 발생한 사용자의 클릭으로부터 제1 시간 안에 발생한 사용자의 구매 정보를 획득하는 프로세스, 상기 사용자의 클릭 횟수 정보와, 상기 제1 시간 안에 발생한 사용자의 구매 정보로부터 단기 ROAS를 계산하는 프로세스, 상기 단기 ROAS에 기반하여, 상기 사용자의 클릭으로부터 상기 제1 시간 보다 큰 제2 시간 동안의 사용자 구매를 기준으로 한 장기 ROAS가 목표 ROAS 미만인지 여부를 추정하는 프로세스 및 상기 장기 ROAS가 목표 ROAS보다 작을 것으로 추정되는 경우, 상기 온라인 광고의 비용과 관련된 파라미터를 조정하는 프로세스를 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
KR1020190051859A 2019-05-02 2019-05-02 온라인 광고 서비스를 제공하는 방법 및 장치 KR20200127531A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190051859A KR20200127531A (ko) 2019-05-02 2019-05-02 온라인 광고 서비스를 제공하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190051859A KR20200127531A (ko) 2019-05-02 2019-05-02 온라인 광고 서비스를 제공하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20200127531A true KR20200127531A (ko) 2020-11-11

Family

ID=73451767

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190051859A KR20200127531A (ko) 2019-05-02 2019-05-02 온라인 광고 서비스를 제공하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20200127531A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114466061A (zh) * 2022-01-25 2022-05-10 北京快乐茄信息技术有限公司 信息处理方法、信息处理装置、服务器及存储介质
KR20220082472A (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
KR20220082472A (ko) * 2020-12-10 2022-06-17 주식회사 카카오 광고 방법 및 장치
CN114466061A (zh) * 2022-01-25 2022-05-10 北京快乐茄信息技术有限公司 信息处理方法、信息处理装置、服务器及存储介质

Similar Documents

Publication Publication Date Title
US10679260B2 (en) Cross-device message touchpoint attribution
JP5571259B2 (ja) スポンサー記事の推薦購読方法、コンピュータ読取り可能な記録媒体、およびコンピュータシステム
JP6427417B2 (ja) 多次元広告入札
US9965767B2 (en) Attribution of demographics to census data
US20170337578A1 (en) Dynamic media buy optimization using attribution-informed media buy execution feeds
US10169777B2 (en) Systems and methods for scoring internet ads and ranking vendors
US10163130B2 (en) Methods and apparatus for identifying a cookie-less user
JP6890652B2 (ja) モバイル機器に配信された情報の効果を測定するための方法及び装置
US9189798B2 (en) Systems and methods for online website lead generation service
US9015128B2 (en) Method and system for measuring social influence and receptivity of users
US20140278807A1 (en) Cloud service optimization for cost, performance and configuration
US10776816B2 (en) System and method for building a targeted audience for an online advertising campaign
US20170091810A1 (en) Brand engagement touchpoint attribution using brand engagement event weighting
US20120078707A1 (en) Measuring Inline Ad Performance for Third-Party Ad Serving
KR20150118587A (ko) 입찰로부터의 예상 수익에 기반한 실시간 입찰의 개시
US20160210656A1 (en) System for marketing touchpoint attribution bias correction
KR20160060646A (ko) 온라인 시스템 상의 광고와 연관된 객체와의 사용자 상호작용 예측
EP2877977A1 (en) Determining a correlation between presentation of a content item and a transaction by a user at a point of sale terminal
US20170337505A1 (en) Media spend management using real-time predictive modeling of media spend effects on inventory pricing
US20150066644A1 (en) Automated targeting of information to an application user based on retargeting and utilizing email marketing
US10672035B1 (en) Systems and methods for optimizing advertising spending using a user influenced advertisement policy
KR20200127531A (ko) 온라인 광고 서비스를 제공하는 방법 및 장치
US20210110431A1 (en) Machine learning system finds units of interest (uoi) based on keywords, interests, and brands in social media audiences for the purpose of targeting digital advertisements
US20180349944A1 (en) Evaluating content publisher options against benchmark publisher
US20190340184A1 (en) System and method for managing content presentations

Legal Events

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