KR20210048101A - advertiser and single marketer matching system for using machine learning - Google Patents

advertiser and single marketer matching system for using machine learning Download PDF

Info

Publication number
KR20210048101A
KR20210048101A KR1020190131963A KR20190131963A KR20210048101A KR 20210048101 A KR20210048101 A KR 20210048101A KR 1020190131963 A KR1020190131963 A KR 1020190131963A KR 20190131963 A KR20190131963 A KR 20190131963A KR 20210048101 A KR20210048101 A KR 20210048101A
Authority
KR
South Korea
Prior art keywords
marketer
advertisement
module
advertiser
matching
Prior art date
Application number
KR1020190131963A
Other languages
Korean (ko)
Other versions
KR102378238B1 (en
Inventor
이명환
Original Assignee
소셜포스트 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 소셜포스트 주식회사 filed Critical 소셜포스트 주식회사
Priority to KR1020190131963A priority Critical patent/KR102378238B1/en
Publication of KR20210048101A publication Critical patent/KR20210048101A/en
Application granted granted Critical
Publication of KR102378238B1 publication Critical patent/KR102378238B1/en

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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions
    • 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

Landscapes

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

Abstract

The present invention relates to an advertiser and single marketer matching system using artificial intelligence. More specifically, the present invention relates to the advertiser and single marketer matching system using artificial intelligence that can predict advertisement effects. According to an embodiment of the present invention, the advertiser and single marketer matching system using artificial intelligence includes an advertiser and single marketer matching module; a URL generation module; a single marketer behavior data collection module; and a marketer matching recommendation submodule.

Description

인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템{advertiser and single marketer matching system for using machine learning}Advertiser and single marketer matching system for using machine learning

본 발명은 인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템에 관한 것이다. 보다 상세하게는 1인 마케터의 과거 마케팅 활동 정보를 바탕으로 광고 내용에 최적화된 1인 마케터를 매칭시켜 광고 진행 전 미리 광고 효과를 예측해볼 수 있도록 하는 인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템에 관한 것이다. The present invention relates to an advertiser and one-person marketer matching system using artificial intelligence. In more detail, based on the past marketing activity information of the single marketer, a single marketer that is optimized for the advertisement content is matched to predict the advertisement effect in advance before proceeding with the advertisement. This is a matching system for advertisers and single marketers using artificial intelligence. About.

지난 10년간 광고시장은 급속도로 진화하고 시장 규모도 성장하면서 광고의 과정과 방식에서 큰 변화가 일어나고 있다. 광고주가 신문, 방송, 웹사이트 등에 직접 게시하던 방식이 인터넷의 발달로 인해 광고주, 매체사의 수가 증가하면서 광고를 적합한 매체에 연결해주는 중개자가 등장했다. 하지만 인터넷의 활성화와 더불어 기하급수적으로 증가면서 더욱 복잡해짐에 따라 광고주들의 데이터에 기반하여 최적화하고 분석하여 연결해주는 프로그래매틱 광고 시스템이 나타나 온라인 광고시장이 급속도로 성장하는 데 견인하였다.As the advertising market has evolved rapidly over the past decade and the market size has grown, a major change is taking place in the process and method of advertising. The way advertisers posted directly to newspapers, broadcasts, and websites, but with the development of the Internet, the number of advertisers and media companies increased, and intermediaries that connected advertisements to suitable media appeared. However, with the activation of the Internet and the exponential increase and further complexity, a programmatic advertising system that optimizes, analyzes, and connects based on advertisers' data appeared, driving the rapid growth of the online advertising market.

프로그래매틱 광고란 인터넷 이용자가 사이트에 접속하면서 생긴 방문기록(쿠키)으로 이용자의 소비 형태를 예측해 이용자가 원할 것 같은 광고를 선택하여 보여주는 것을 말한다.Programmatic advertisement refers to the prediction of the user's consumption pattern based on visit records (cookies) generated by Internet users accessing the site, and selecting and displaying advertisements that the user is likely to want.

이에 따라 광고시장에는 창의력과 사회적 지능을 발휘하는 1인 마케터를 통한 재능 거래가 증가 되고 있음에 따라 광고주와 1인 마케터를 기계학습을 이용하여 자동으로 매칭하여 주는 시스템이 요구된다. Accordingly, in the advertising market, a system that automatically matches advertisers and single marketers using machine learning is required as talent transactions through single marketers that demonstrate creativity and social intelligence are increasing.

선행기술문헌 : KR 등록특허공보 제1782880호(2017.9.29.공고)Prior art literature: KR Patent Publication No. 1782880 (announcement on September 9, 2017)

본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로, 특히 인공지능을 이용하여 입력된 프로젝트 비용, 참여 마케터 수, 기간을 포함하는 광고주의 요구조건에 따라 최적화된 1인 마케터를 매칭시켜 추천해주는 시스템을 제공하는 데 그 목적이 있다.The present invention was devised to solve the above problems, and in particular, it matches and recommends a single marketer optimized according to the requirements of the advertiser including the project cost, the number of participating marketers, and the period entered using artificial intelligence. Its purpose is to provide a system.

상기 목적을 달성하기 위해 안출된 본 발명에 따른 인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템은 광고주 단말을 통해 마케팅을 진행하고자 하는 광고 콘텐츠가 등록처리되면 등록처리된 광고 콘텐츠에 관한 바이럴 마케팅(viral marketing)을 수행하기에 가장 적합한 마케터를 탐색하여 추천하는 광고주 및 1인 마케터 매칭모듈; 광고주 및 1인 마케터 매칭모듈에 의해 매칭이 완료된 1인 마케터에게 해당광고 콘텐츠 URL을 배당하되, 상기 URL은 1인 마케터 마다 고유식별이 가능하도록배당되는 URL 생성모듈; URL 생성모듈에 의해 1인 마케터 별로 개별 URL이 배당되면 1인 마케터가 온라인 상에서 활동하고 있는 행동 데이터를 수집하되, 수집되는 행동 데이터는 마케터가 활동하고 있는 SNS 또는 블로그를 포함하는 채널에서 관계하는 관계 네트워크 정보, 할당된 개별 URL을 공유할 때 1인 마케터와 관계 네트워크를 형성하고 있는 제3 자에게 광고 콘텐츠에 관한 관심을 유도하기 위해 작성된 텍스트(text) 형식의 마케팅 활동정보, 1인 마케터의 채널에 접속한 접속자 정보, 해당 광고를 통한 실 구매가 이루어진 소비자 데이터를 포함하는 1인 마케터 행동 데이터 수집모듈; 1인 마케터 행동 데이터 수집모듈에 수집된 정보 중 마케팅 활동 정보만을 추출하여 클러스터링하는 전처리 과정을 거쳐 어떤 텍스트를 써서 마케팅 활동을 하였을 때 소비자들을 유입시켰느냐에 대한 마케팅 활동 정보를 학습시키는 1인 마케터 행동 데이터 학습처리모듈을 포함하며, 광고주 및 1인 마케터 매칭모듈은 광고주 단말을 통해 입력된 광고 내용, 광고 비용, 요구되는 마케터 수, 조회수, 구매율, 클릭률, 조회수 대비 클릭률, 광고 기간을 포함하는 광고 데이터를 획득하여 핵심 키워드를 추출하는 전처리 과정을 수행하는 자연어 처리 서브 모듈, 자연어 처리 서브 모듈을 통해 처리된 핵심 키워드를 토대로 광고 내용을 분석하여 미리 분류화된 광고 카테고리에 자동으로 분류처리하는 광고 카테고리 분류 서브 모듈, 광고 카테고리 별로 1인 마케터가 온라인 상에서 마케팅한 활동결과를 지속적으로 학습처리하는 학습 서브 모듈, 학습 서브 모듈을 통해 미리 학습된 데이터와 비교하여 입력된 광고 내용에 적합한 1인 마케터를 탐색하여 추천하는 마케터 매칭 추천 서브 모듈을 포함할 수 있다. The advertiser and one-person marketer matching system using artificial intelligence according to the present invention devised to achieve the above object is viral marketing for the registered advertisement contents when the advertisement contents for marketing through the advertiser terminal are registered. an advertiser and one-person marketer matching module that searches for and recommends the most suitable marketer to perform marketing); A URL generation module that allocates a URL for the advertisement content to a single marketer who has been matched by an advertiser and a single marketer matching module, wherein the URL is assigned to enable unique identification for each single marketer; When an individual URL is allocated to each marketer by the URL generation module, the behavioral data that the single marketer is active online is collected, but the collected behavioral data is a relationship related to the channel including the SNS or blog in which the marketer is active. Network information, marketing activity information in text format created to induce interest in advertising content to third parties who form a relationship network with one marketer when sharing assigned individual URLs, channel of one marketer A one-person marketer behavioral data collection module that includes information about a visitor who has accessed to and consumer data for which actual purchases have been made through the advertisement; One-person marketer behavioral data that learns marketing activity information about which text was used to induce consumers when marketing activities were performed through a pre-processing process of extracting and clustering only the marketing activity information from the information collected in the single marketer behavior data collection module. It includes a learning processing module, and the advertiser and single marketer matching module stores advertisement data including advertisement content, advertisement cost, required number of marketers, views, purchase rate, click-through rate, click-through rate versus views, and advertisement period entered through the advertiser's terminal. Natural language processing sub-module that performs a pre-processing process of acquiring and extracting key keywords, ad category classification sub-module that analyzes advertisement content based on the core keywords processed through the natural language processing sub-module and automatically classifies them into pre-classified advertisement categories. A learning sub-module that continuously learns and processes the results of activities marketed online by a single marketer by module and advertisement category, and compares the data previously learned through the learning sub-module to search for and recommend a single marketer suitable for the entered advertisement content. It may include a marketer matching recommendation sub-module.

또한, 마케터 매칭 추천 서브 모듈은 미리 분류화된 광고 카테고리에 따라 분류처리된 광고를 특정 마케터가 마케팅을 수행하였을 때의 조회수(노출) 대비 클릭률 또는 구매율을 산출하여 마케터 개개인의 활동율을 도출하고, 도출된 마케터의 활동율을 기반으로 특정 광고와 마케터 간의 적합도를 산출하여 적합도가 높은 순 별로 마케터 정보를 출력시키는 것을 포함할 수 있다. In addition, the marketer matching recommendation sub-module calculates the click-through rate or purchase rate compared to the number of views (exposures) when a specific marketer conducts marketing of advertisements classified according to pre-categorized advertisement categories to derive individual marketers' activity rates, It may include calculating the degree of fitness between a specific advertisement and the marketer based on the derived marketer's activity rate, and outputting marketer information in the order of higher suitability.

또한, 마케터 매칭 추천 서브 모듈은 입력된 광고 내용과 적합한 마케터를 순위별로 추천하되, 추천된 마케터와 광고와의 적합도가 퍼센트(%)로 산출되어 사용자 인터페이스 상에 출력되는 것을 포함할 수 있다. In addition, the marketer matching recommendation submodule may include recommending the input advertisement content and suitable marketers by ranking, but calculating the suitability between the recommended marketer and the advertisement as a percentage (%) and outputting it on the user interface.

본 발명에 의하면 1인 마케터의 과거 마케팅 활동 정보를 바탕으로 광고 내용에 최적화된 1인 마케터를 매칭시켜 광고 진행 전 미리 광고 효과를 예측해볼 수 있도록 하는 데 그 효과가 있다. According to the present invention, it is possible to predict the advertising effect in advance before ad proceeding by matching the one-person marketer optimized to the advertisement content based on the past marketing activity information of the one-person marketer.

도 1은 본 발명의 바람직한 실시예에 따른 인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템의 전체 구성도이다. 1 is an overall configuration diagram of an advertiser and one-person marketer matching system using artificial intelligence according to a preferred embodiment of the present invention.

이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성 요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. First of all, in adding reference numerals to elements of each drawing, it should be noted that the same elements are assigned the same numerals as possible, even if they are indicated on different drawings. In addition, in describing the present invention, when it is determined that a detailed description of a related known configuration or function may obscure the subject matter of the present invention, a detailed description thereof will be omitted. In addition, a preferred embodiment of the present invention will be described below, but the technical idea of the present invention is not limited or limited thereto, and may be modified and variously implemented by a person skilled in the art.

도 1은 본 발명의 바람직한 실시예에 따른 인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템의 전체 구성도이다. 1 is an overall configuration diagram of an advertiser and one-person marketer matching system using artificial intelligence according to a preferred embodiment of the present invention.

도 1을 참조하면, 본 발명의 바람직한 실시예에 따른 인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템(1000)은 광고주 및 1인 마케터 매칭모듈(10), URL 생성모듈(20), 1인 마케터 행동 데이터 수집 모듈(30), 및 마케터 행동 데이터 학습처리 모듈(40)을 포함하여 구성된다. Referring to FIG. 1, an advertiser and one-person marketer matching system 1000 using artificial intelligence according to a preferred embodiment of the present invention includes an advertiser and one-person marketer matching module 10, a URL generation module 20, and a single marketer. It is configured to include a behavioral data collection module 30, and a marketer behavioral data learning processing module 40.

본 발명은 광고주가 단말을 통해 광고에 대한 정보를 입력처리하면 입력된 광고 데이터를 획득하여 광고 데이터에 적합한 마케터를 자동추천함으로써 광고주측에서는 광고를 진행하기 전 미리 광고 효과를 예측해볼 수 있도록 하고, 마케터측에서는 온라인 상에서 자신의 마케팅 재능을 활용하여 마케팅을 활발하게 수행할 수 있도록 한다. In the present invention, when an advertiser inputs and processes advertisement information through a terminal, the advertiser obtains the input advertisement data and automatically recommends a marketer suitable for the advertisement data, so that the advertiser can predict the advertisement effect in advance before proceeding with the advertisement. On the side, it allows them to actively conduct marketing by using their marketing talents online.

광고주 및 1인 마케터 매칭모듈(10)은 광고주 단말을 통해 마케팅을 진행하고자 하는 광고 콘텐츠가 등록처리되면 등록처리된 광고 콘텐츠에 관한 바이럴 마케팅(viral marketing)을 수행하게 될 적어도 하나 이상의 1인 마케터를 매칭 또는 추천한다. The advertiser and one-person marketer matching module 10 detects at least one or more one-person marketers who will perform viral marketing on the registered advertisement contents when the advertisement contents for marketing through the advertiser terminal are registered. Match or recommend.

광고주 단말을 통해 입력되는 광고 콘텐츠 정보는 광고 내용, 광고 비용, 요구되는 마케터 수, 조회수, 구매율, 클릭률, 조회수 대비 클릭률, 광고 기간을 포함한다. The advertisement content information input through the advertiser terminal includes advertisement content, advertisement cost, required number of marketers, views, purchase rate, click-through rate, click-through rate versus views, and advertisement period.

광고주 및 1인 마케터 매칭모듈(10)은 광고주 단말을 통해 광고주가 광고를 진행하고자 하는 광고 콘텐츠의 초안을 작성하여 웹 또는 모바일에 업로드하면 업로드된 콘텐츠의 초안을 기반으로 해당 콘텐츠의 광고를 행하기에 적합한 적어도 1인 이상의 1인 마케터를 매칭 또는 추천한다.The advertiser and single marketer matching module 10 creates a draft of the advertisement content that the advertiser wants to advertise through the advertiser's terminal and uploads it to the web or mobile, and then performs the advertisement of the content based on the draft of the uploaded content. Matches or recommends at least one marketer who is suitable for at least one marketer.

광고주 및 1인 마케터 매칭모듈(10)은 광고 콘텐츠의 광고 내용을 분석하여 데이터베이스(50)에 저장된 마케터 DB로부터 가장 적절한 1인 마케터를 매칭 또는 추천할 수 있도록 한다. 추천방식은 마케터의 과거 마케팅 활동 정보를 바탕으로 이루어진다. The advertiser and one-person marketer matching module 10 analyzes the advertisement content of the advertisement content to match or recommend the most appropriate one-person marketer from the marketer DB stored in the database 50. The recommendation method is based on the marketer's past marketing activity information.

보다 구체적으로, 광고주 및 1인 마케터 매칭모듈(10)은 자연어 처리 서브 모듈(12), 광고 카테고리 분류 서브 모듈(14), 학습 서브 모듈(16), 마케터매칭추천서브모듈(18)을 포함하여 구성된다. More specifically, the advertiser and single marketer matching module 10 includes a natural language processing sub-module 12, an advertisement category classification sub-module 14, a learning sub-module 16, and a marketer matching recommendation sub-module 18. It is composed.

자연어 처리 서브 모듈(12)은 광고주 단말을 통해 입력된 광고 데이터를 전달받아 핵심 키워드 만을 추출하는 자연어 처리를 수행한다. The natural language processing submodule 12 receives advertisement data input through an advertiser terminal and performs natural language processing to extract only key keywords.

자연어 처리 서브 모듈(12)은 입력된 광고 내용 중 핵심 키워드를 추출하고 추출된 핵심 키워드의 횟수를 측정하도록 한다. The natural language processing submodule 12 extracts key keywords from the input advertisement content and measures the number of extracted key keywords.

광고 카테고리 분류 서브 모듈(14)은 자연어 처리 서브 모듈(12)을 통해 처리된 핵심 키워드를 토대로 광고 내용을 분석하여 미리 분류화된 광고 카테고리에 자동으로 분류처리한다. 광고 카테고리 분류 서브 모듈(14)은 새로운 광고 데이터가 유입되면 기 분류된 카테고리 중 어느 카테고리에 속할 것인지 판단하여 해당 광고 데이터를 자동으로 분류처리한다.The advertisement category classification submodule 14 analyzes advertisement contents based on the core keywords processed through the natural language processing submodule 12 and automatically classifies them into pre-classified advertisement categories. When new advertisement data is introduced, the advertisement category classification submodule 14 determines which category of pre-classified categories is to be classified and automatically classifies the advertisement data.

광고 카테고리 분류 서브 모듈(14)은 입력된 광고 내용과 동일/유사한 성격을 띠는 것들 간을 묶어 공통적으로 배치하는 모듈로, 예컨대, 뷰티, IT/인터넷, 부동산, 일상, 맛집 등 다양한 카테고리로 분류된 것들 중 어느 하나로 입력 광고에 대한 분류를 처리한다. The advertisement category classification submodule 14 is a module that bundles and places items having the same/similar characteristics as the input advertisement content, and is classified into various categories such as beauty, IT/Internet, real estate, daily life, and restaurants. It handles the classification of the input advertisement as one of the above.

학습 서브 모듈(16)은 미리 분류화된 광고 카테고리 별로 1인 마케터가 온라인 상에서 마케팅한 활동결과를 지속적으로 학습처리한다. The learning sub-module 16 continuously learns and processes the results of activities marketed online by one marketer for each advertisement category classified in advance.

이때, 학습 서브 모듈(16)은 인공지능 알고리즘을 이용하여 학습처리되며, 일례로, 인공지능 알고리즘은 서포트 벡터 머신(Support Vector Machine, SVM) 알고리즘, 히든 마르코프 모델(Hidden Markov Model, HMM), 콘볼루션 뉴럴 네트워크Convolutional Neural Network, CNN), Recurrent Neural Networks(RNN), Long Short-Term Memory(LSTM) 등이 이용될 수 있다. 여기서, 학습 서브 모듈(16)에 이용되는 인공지능 알고리즘을 한정하는 것은 아니다. At this time, the learning submodule 16 is trained using an artificial intelligence algorithm, for example, the artificial intelligence algorithm is a support vector machine (SVM) algorithm, a Hidden Markov Model (HMM), and a conball. Convolutional Neural Networks (CNN), Recurrent Neural Networks (RNN), Long Short-Term Memory (LSTM), and the like may be used. Here, the artificial intelligence algorithm used in the learning submodule 16 is not limited.

마케터 매칭 추천 서브 모듈(18)은 자연어 처리와 카테고리 분류처리되면 학습 서브 모듈(16)을 통해 미리 학습된 데이터와 비교하여 광고 내용에 적합한 1인 마케터를 탐색하여 추천한다. When the marketer matching recommendation submodule 18 is processed for natural language processing and category classification, it compares with data previously learned through the learning submodule 16 to search for and recommend a single marketer suitable for advertisement content.

마케터 매칭 추천 서브 모듈(18)은 미리 분류화된 광고 카테고리에 따라 분류처리된 광고를 특정 마케터가 마케팅을 수행하였을 때의 조회수(노출) 대비 클릭률 또는 구매율을 산출하여 마케터 개개인의 활동율을 도출하고, 도출된 활동율을 기반으로 특정 광고와 마케터 간의 적합도를 산출하여 특정 광고 내용과의 적합도가 높은 마케터 정보를 순위별로 출력시킨다. The marketer matching recommendation sub-module 18 calculates the click-through rate or purchase rate compared to the number of views (exposures) when a specific marketer conducts marketing of advertisements classified according to pre-categorized advertisement categories to derive individual marketers' activity rates. , Based on the derived activity rate, the degree of suitability between the specific advertisement and the marketer is calculated, and the marketer information having high suitability with the specific advertisement content is output by rank.

마케터 매칭 추천 서브 모듈(18)은 가장 적합한 마케터를 N순위(예컨대, 5순위)로 추천받되, 우선순위 별로 각 마케터와 광고와의 적합도를 퍼센트(%)로 산출하여 사용자 인터페이스 상에 출력시키도록 한다.The marketer matching recommendation sub-module 18 receives the most suitable marketers in N rank (e.g., 5 ranks), but calculates the suitability of each marketer and advertisement as a percentage (%) and outputs them on the user interface. do.

예컨대, 마케터 매칭 추천 서브 모듈(18)은 입력된 광고 내용, 광고 프로젝트 비용, 참여 마케터 수, 광고 기간을 포함하는 광고 데이터를 토대로 총 5순위의 마케터를 추천할 수 있으며, 첫 번째 마케터는 해당 광고와의 적합도가 70%, 두 번째 마케터는 해당 광고와의 적합도가 65%, 세 번째 마케터는 해당 광고와의 적합도가 50%, 네 번째 마케터는 해당 광고와의 적합도가 45%, 다 섯번째 마케터는 해당 광고와의 적합도가 40% 로 적합도가 높은 순서대로 출력할 수 있다. For example, the marketer matching recommendation submodule 18 may recommend a total of 5 marketers based on advertisement data including input advertisement content, advertisement project cost, number of participating marketers, and advertisement period, and the first marketer is the corresponding advertisement. 70% fit with the ad, the second marketer fits 65% with the ad, the third marketer fits with the ad 50%, the fourth marketer fits the ad 45%, and the fifth marketer Can be output in the order of the highest suitability with 40% suitability with the corresponding advertisement.

마케터 매칭 추천 서브 모듈(18)은 새로운 광고 데이터가 입력처리되면 해당 광고 데이터가 어느 카테고리에 속할 것인지를 판단하여 미리 설정된 광고 카테고리에 분류시키고, 해당 광고 카테고리에 적합한 마케터를 추출하여 매칭시키도록 한다.When the new advertisement data is input and processed, the marketer matching recommendation submodule 18 determines which category the corresponding advertisement data will belong to, classifies it into a preset advertisement category, and extracts and matches marketers suitable for the advertisement category.

마케터 매칭 추천 서브 모듈(18)은 기 저장된 활동도를 토대로 활동도가 높은 순으로 1인 마케터를 추천하되, 추천된 마케터에 비해 상대적으로 활동도가 저조한 마케터를 소정 비율로 추천한다. 여기서, 마케터의 활동도가 높다는 기준은 조회수(노출) 대비 클릭률 또는 소비자의 구매율이 높은 것을 의미한다. The marketer matching recommendation submodule 18 recommends single marketers in the order of high activity based on the previously stored activity level, but recommends marketers with relatively low activity compared to the recommended marketers at a predetermined rate. Here, the criterion that the marketer's activity is high means that the click-through rate or the consumer's purchase rate is high compared to the number of views (exposure).

URL 생성모듈(20)은 광고 콘텐츠를 웹 또는 모바일에 게시하기 위한 광고 URL을 1인 마케터에게 할당하여 1인 마케터의 채널에 공유하도록 하는 것으로, 광고주 및 1인 마케터 매칭모듈(10)에 의해 매칭이 완료된 1인 마케터에게 해당 광고 콘텐츠 URL을 배당한다.The URL generation module 20 allocates an advertisement URL for posting advertisement content on the web or mobile to a single marketer and shares it on the channel of the single marketer, and is matched by the advertiser and the single marketer matching module 10 The advertisement content URL is allocated to the completed single marketer.

보다 구체적으로, URL 생성모듈(20)은 광고주 및 1인 마케터 매칭모듈(10)에 의해 매칭된 1인 마케터의 수만큼 광고 콘텐츠의 URL을 생성하며, 이때, 1인 마케터마다 고유식별이 가능한 각각의 URL이 배당된다. 특히, 매칭된 1인 마케터가 다수일 경우, 다수의 광고 콘텐츠 URL이 생성된다. More specifically, the URL generation module 20 generates the URL of the advertisement content as many as the number of one marketer matched by the advertiser and the one marketer matching module 10, and at this time, each of which can be uniquely identified for each one marketer. The URL of is allocated. In particular, when there are multiple matched single marketers, multiple advertisement content URLs are generated.

예컨대, 매칭된 1인 마케터가 4명일 경우, 각 1인 마케터마다 URL A, URL B, URL C, URL D가 생성되어 배당될 수 있다.For example, if there are 4 matched single marketers, URL A, URL B, URL C, and URL D may be generated and allocated for each single marketer.

URL 생성모듈(20)은 마케터 매칭 추천모듈에 의해 추천된 추천마케터와 비추천된 마케터가 구분되어 모두에게 URL이 배당될 수 있도록 한다. The URL generation module 20 divides the recommended marketers and non-recommended marketers recommended by the marketer matching recommendation module so that the URL can be allocated to all.

만약, 추천 마케터에게만 URL을 배당할 경우, 신규 마케터의 활동이 떨어지게 되고, 마케터들이 활발하게 활동하여 활동된 데이터들이 많아져야만 데이터가 축적되어야만 향후 광고효과에 대한 예측이 잘 이루어질 수 있음에 따라, 신규 마케터의 유입을 활발하게 하기 위하여 추천 마케터와 비추천 마케터 모두에게 광고 URL을 배당하도록 한다. If URLs are allocated only to recommended marketers, the activity of new marketers decreases, and the data must be accumulated only when the active data of the marketers are actively active, so that predictions for future advertising effects can be made well. In order to stimulate the influx of marketers, ad URLs should be allocated to both recommended and non-recommended marketers.

여기서, 추천마케터는 데이터베이스에 저장된 마케터 등급정보에서 기 설정된 기준등급보다 높은 등급에 속하는 마케터를 뜻하며, 비추천마케터는 데이터베이스에 저장된 마케터 등급정보에서 기 설정된 기준등급보다 낮은 등급에 속하는 마케터를 뜻한다. Here, the recommended marketer means a marketer belonging to a higher level than a preset reference level in the marketer rating information stored in the database, and the non-recommended marketer means a marketer belonging to a level lower than the preset reference level in the marketer rating information stored in the database.

1인 마케터 행동 데이터 수집모듈(30)은 1인 마케터의 행동 패턴을 분석하기 위한 기초데이터들을 수집하는 모듈로서, 1인 미디어는 각각 전담받은 고유의 URL을 가지고 자신의 네트워크 채널을 통해 해당 URL을 공유하였을 때 고려될수 있는 데이터들을 수집한다.The one-person marketer behavior data collection module 30 is a module that collects basic data for analyzing the behavioral patterns of one-person marketers, and each one-person media has a unique URL dedicated to each and sends a corresponding URL through its own network channel. Collect data that can be considered when shared.

보다 구체적으로, 1인 마케터 행동 데이터 수집모듈(30)은 URL 생성모듈(20)에 의해 1인 마케터 별로 개별 URL이 배당되면 1인 마케터가 온라인 상에서 활동하고 있는 행동 데이터를 수집하되, 수집되는 행동 데이터는 마케터가 활동하고 있는 SNS 또는 블로그를 포함하는 채널에서 관계하는 관계 네트워크 정보(32), 할당된 개별 URL을 공유할 때 1인 마케터와 관계 네트워크를 형성하고 있는 제3 자에게 광고 콘텐츠에 관한 관심을 유도하기 위해 작성된 텍스트(text) 형식의 마케팅 활동정보(34), 1인 마케터의 채널에 접속한 접속자 정보(36), 해당 광고를 통한 실 구매가 이루어진 소비자 데이터(38)인 것을 포함한다. More specifically, the single marketer behavior data collection module 30 collects behavioral data that the single marketer is active online when an individual URL is allocated to each single marketer by the URL generation module 20, but the collected behavior The data is related to the relationship network information (32) related to the channel including the SNS or blog in which the marketer is active, and when sharing the assigned individual URL, the advertisement content is provided to a third party that forms a relationship network with a single marketer. It includes marketing activity information 34 in the form of text written to induce interest, information on visitors who have accessed a channel of a single marketer 36, and consumer data 38 where actual purchases have been made through the advertisement. .

소비자 데이터(38)는 해당 광고를 통한 실 구매가 이루어졌는 지에 대한 정보로서, 해당 IP를 통해 구매가 이루어졌는 지 혹은 해당 IP를 통해 광고정보에 대한 동영상이 재생되었는 지 등으로 판단될 수 있다. The consumer data 38 is information on whether an actual purchase has been made through a corresponding advertisement, and may be determined as whether a purchase has been made through a corresponding IP or a video of advertisement information has been played through the corresponding IP.

1인 마케터 행동 데이터 학습처리모듈(40)은 1인 마케터 행동 데이터 수집모듈에 수집된 정보를 바탕으로 1인 마케터의 활동상태를 산출한다. The one-person marketer behavior data learning processing module 40 calculates the activity state of the one-person marketer based on the information collected in the one-person marketer behavior data collection module.

1인 마케터 행동 데이터 학습처리모듈(40)은 1인 마케터 행동 데이터 수집모듈(30)에 수집된 정보 중 마케팅 활동 정보만을 추출하여 클러스터링하는 전처리 과정을 거쳐 어떤 텍스트를 써서 마케팅 활동을 하였을 때 소비자들을 유입시켰느냐에 대한 마케팅 활동 정보를 학습시킨다. The one-person marketer behavior data learning processing module 40 passes through a pre-processing process of extracting and clustering only marketing activity information from the information collected in the one-person marketer behavior data collection module 30. It teaches marketing activity information on whether or not it was introduced.

1인 마케터 행동데이터 학습처리모듈(40)은 마케팅 활동 정보를 클러스터링하는 전처리 과정을 거쳐 특정 마케터가 어떤 텍스트를 사용하였을 때 소비자의 유입이 많았는 지에 대한 분석이 이루어질 수 있고, 해당 광고에서는 이런 텍스트를 주로 사용하게 되고, 어떤 텍스트를 사용하였을 때 조회수, 접속자 수, 구매율에 많은 영향력을 미치는 지(소비자의 시선을 많이 끄는 키워드)에 대한 마케팅 분석이 가능하도록 한다.The one-person marketer behavior data learning processing module 40 can analyze the amount of inflow of consumers when a specific marketer uses a text through a pre-processing process of clustering marketing activity information. It is mainly used, and it enables marketing analysis on whether a text has a lot of influence on the number of views, number of visitors, and purchase rate (keywords that attract a lot of consumers' attention) when a text is used.

데이터베이스(50)는 기계 학습과 로그 분석 DB, 어뷰징 처리된 접속정보가 저장되고, 기계학습과 로그 분석 DB, 어뷰징 처리된 접속정보 DB는 학습 서브 모듈(16)로 주기적으로 전달되어 학습 데이터를 위한 입력값으로 활용된다. The database 50 stores machine learning and log analysis DB, and access information processed by abusing, and the machine learning and log analysis DB, and the access information DB subjected to an abusing process are periodically transmitted to the learning submodule 16 to provide for learning data. It is used as an input value.

또한, 본 발명은 1인 마케터의 과거 활동도를 분석하여 특정일에 유의미하게 활동도가 다른날에 비해 현저하게 차이가 나게 될 경우, 과거의 마케터 행동 데이터를 기준으로 현재의 행동 데이터를 예측하여 예측된 행동 데이터의 범위를 벗어난 경우 마케터 단말에 경고알림을 전송할 수도 있다. In addition, the present invention analyzes the past activity of a single marketer, and if the activity is significantly different on a specific day compared to other days, the current behavioral data is predicted based on the past marketer behavioral data. If it is out of the range of the predicted behavior data, a warning notification may be transmitted to the marketer terminal.

예컨대, 과거 행동 데이터에 비해 현재 행동 데이터가 너무 저조할 경우, '분발해야 합니다.' 라는 경고알림 메시지를 발송할 수도 있으며, 과거 행동 데이터에 비해 현재 행동 데이터가 너무 높게 나타날 경우 '어뷰징 행위로 의심될 수 있습니다.' 라는 알림을 전송할 수도 있다.For example, if your current behavioral data is too low compared to your past behavioral data, you need to ``go ahead''. You can also send a warning message saying,'You may be suspected of an abusing behavior' if the current behavioral data is too high compared to the past behavioral data. You can also send a notification that says.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서, 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical idea of the present invention, and those of ordinary skill in the technical field to which the present invention pertains can make various modifications, changes, and substitutions within the scope not departing from the essential characteristics of the present invention. will be. Accordingly, the embodiments disclosed in the present invention and the accompanying drawings are not intended to limit the technical idea of the present invention, but to explain, and the scope of the technical idea of the present invention is not limited by these embodiments and the accompanying drawings. . The scope of protection of the present invention should be interpreted by the following claims, and all technical ideas within the scope equivalent thereto should be construed as being included in the scope of the present invention.

10 - 광고주 및 1인 마케터 매칭모듈
12 - 자연어 처리 서브 모듈
14 - 광고 카테고리 분류 서브 모듈
16 학습 서브 모듈
18 - 마케터매칭추천서브모듈
20 - URL 생성모듈
30 - 1인 마케터 행동 데이터 수집 모듈
40 - 마케터 행동 데이터 학습처리 모듈
50 - 데이터베이스10-Advertiser and single marketer matching module
12-natural language processing submodule
14-Ad category classification sub-module
16 learning sub-modules
18-Marketer Matching Recommendation Sub-module
20-URL generation module
30-Single Marketer Behavioral Data Collection Module
40-Marketer Behavioral Data Learning Processing Module
50-database

Claims (3)

광고주 단말을 통해 마케팅을 진행하고자 하는 광고 콘텐츠가 등록처리되면 등록처리된 광고 콘텐츠에 관한 바이럴 마케팅(viral marketing)을 수행하기에 가장 적합한 마케터를 탐색하여 추천하는 광고주 및 1인 마케터 매칭모듈;
광고주 및 1인 마케터 매칭모듈에 의해 매칭이 완료된 1인 마케터에게 해당광고 콘텐츠 URL을 배당하되, 상기 URL은 1인 마케터 마다 고유식별이 가능하도록배당되는 URL 생성모듈;
URL 생성모듈에 의해 1인 마케터 별로 개별 URL이 배당되면 1인 마케터가 온라인 상에서 활동하고 있는 행동 데이터를 수집하되, 수집되는 행동 데이터는 마케터가 활동하고 있는 SNS 또는 블로그를 포함하는 채널에서 관계하는 관계 네트워크 정보, 할당된 개별 URL을 공유할 때 1인 마케터와 관계 네트워크를 형성하고 있는 제3 자에게 광고 콘텐츠에 관한 관심을 유도하기 위해 작성된 텍스트(text) 형식의 마케팅 활동정보, 1인 마케터의 채널에 접속한 접속자 정보, 해당 광고를 통한 실 구매가 이루어진 소비자 데이터를 포함하는 1인 마케터 행동 데이터 수집모듈;
1인 마케터 행동 데이터 수집모듈에 수집된 정보 중 마케팅 활동 정보만을 추출하여 클러스터링하는 전처리 과정을 거쳐 마케터가 어떤 텍스트를 사용하여 마케팅 활동을 수행하였을 때 소비자들을 유입시켰는 지 분석하여 마케팅 활동 정보를 학습시키는 1인 마케터 행동 데이터 학습처리모듈
를 포함하며,
광고주 및 1인 마케터 매칭모듈은
광고주 단말을 통해 입력된 광고 내용, 광고 비용, 요구되는 마케터 수, 조회수, 구매율, 클릭률, 조회수 대비 클릭률, 광고 기간을 포함하는 광고 데이터를 획득하여 핵심 키워드를 추출하는 전처리 과정을 수행하는 자연어 처리 서브 모듈,
자연어 처리 서브 모듈을 통해 처리된 핵심 키워드를 토대로 광고 내용을 분석하여 미리 분류화된 광고 카테고리에 자동으로 분류처리하는 광고 카테고리 분류 서브 모듈,
광고 카테고리 별로 1인 마케터가 온라인 상에서 마케팅한 활동결과를 지속적으로 학습처리하는 학습 서브 모듈,
학습 서브 모듈을 통해 미리 학습된 데이터와 비교하여 입력된 광고 내용에 적합한 1인 마케터를 탐색하여 추천하는 마케터 매칭 추천 서브 모듈
을 포함하는 인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템. An advertiser and one-person marketer matching module that searches for and recommends the most suitable marketer for viral marketing on the registered advertisement content when the advertisement content to be marketed through the advertiser terminal is registered;
A URL generation module that allocates a URL for the advertisement content to a single marketer who has been matched by an advertiser and a single marketer matching module, wherein the URL is assigned to enable unique identification for each single marketer;
When an individual URL is allocated to each marketer by the URL generation module, the behavioral data that the single marketer is active online is collected, but the collected behavioral data is a relationship related to the channel including the SNS or blog in which the marketer is active. Network information, marketing activity information in text format, created to induce interest in advertising content to third parties who form a relationship network with one marketer when sharing assigned individual URLs, channel of one marketer A one-person marketer behavioral data collection module that includes information about a visitor who has accessed to and consumer data for which actual purchases have been made through the advertisement;
Through a pre-processing process of extracting and clustering only the marketing activity information from the information collected in the single marketer behavior data collection module, the marketing activity information is learned by analyzing which text the marketer induces consumers when performing marketing activities. One-person marketer behavioral data learning processing module
Including,
Advertiser and single marketer matching module
A natural language processing sub that performs a preprocessing process that extracts key keywords by acquiring advertisement data including advertisement content, advertisement cost, required number of marketers, views, purchase rate, click-through rate, click-through rate versus views, and advertisement period entered through the advertiser terminal. module,
Ad category classification submodule, which analyzes advertisement contents based on key keywords processed through natural language processing submodule and automatically classifies them into pre-classified advertisement categories,
Learning sub-module that continuously learns and processes the results of activities marketed online by one marketer for each advertisement category,
A marketer matching recommendation sub-module that searches for and recommends a single marketer suitable for the input advertisement content by comparing it with the data previously learned through the learning sub-module
Advertiser and one-person marketer matching system using artificial intelligence comprising a. 제1항에 있어서,
마케터 매칭 추천 서브 모듈은
미리 분류화된 광고 카테고리에 따라 분류처리된 광고를 특정 마케터가 마케팅을 수행하였을 때의 조회수(노출) 대비 클릭률 또는 구매율을 산출하여 마케터 개개인의 활동율을 도출하고,
도출된 마케터의 활동율을 기반으로 특정 광고와 마케터 간의 적합도를 산출하여 적합도가 높은 순 별로 마케터 정보를 출력시키는 것
을 포함하는 인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템. The method of claim 1,
The marketer matching recommendation sub-module
By calculating the click-through rate or purchase rate compared to the number of views (exposures) when a specific marketer conducts marketing of advertisements classified according to pre-categorized advertisement categories, each marketer's activity rate is derived,
Based on the derived marketer's activity rate, the degree of suitability between a specific advertisement and the marketer is calculated, and marketer information is output in the order of higher suitability.
Advertiser and one-person marketer matching system using artificial intelligence comprising a. 제2항에 있어서,
마케터 매칭 추천 서브 모듈은
입력된 광고 내용과 적합한 마케터를 순위별로 추천하되, 추천된 마케터와 광고와의 적합도가 퍼센트(%)로 산출되어 사용자 인터페이스 상에 출력되는 것
을 포함하는 인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템.


The method of claim 2,
The marketer matching recommendation sub-module
Recommend the entered advertisement content and suitable marketers by ranking, but the suitability between the recommended marketer and advertisement is calculated as a percentage (%) and displayed on the user interface.
Advertiser and one-person marketer matching system using artificial intelligence comprising a.
KR1020190131963A 2019-10-23 2019-10-23 advertiser and single marketer matching system for using machine learning KR102378238B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190131963A KR102378238B1 (en) 2019-10-23 2019-10-23 advertiser and single marketer matching system for using machine learning

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190131963A KR102378238B1 (en) 2019-10-23 2019-10-23 advertiser and single marketer matching system for using machine learning

Publications (2)

Publication Number Publication Date
KR20210048101A true KR20210048101A (en) 2021-05-03
KR102378238B1 KR102378238B1 (en) 2022-03-24

Family

ID=75911090

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190131963A KR102378238B1 (en) 2019-10-23 2019-10-23 advertiser and single marketer matching system for using machine learning

Country Status (1)

Country Link
KR (1) KR102378238B1 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657924A (en) * 2021-07-21 2021-11-16 安徽赤兔马传媒科技有限公司 Machine learning-based offline intelligent screen advertisement anti-cheating system and alarm
KR20220163089A (en) * 2021-06-02 2022-12-09 주식회사 스토어링크 Product marketing linkage system and method
KR102479511B1 (en) * 2022-01-12 2022-12-20 주식회사 투스라이프 Advertisement provision system and method through streaming video
KR102480048B1 (en) * 2022-01-12 2022-12-20 주식회사 투스라이프 System and method for streaming advertisement targeting
KR102651169B1 (en) * 2023-03-17 2024-04-25 우정임 Advertising fee reward system through advertising platform

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101270649B1 (en) * 2012-11-02 2013-06-03 주식회사 제이와이씨컴퍼니 Target advertisement system using social marketer
KR101618013B1 (en) * 2015-09-01 2016-05-03 이정호 System for providing viral marketing service based on exposure rank
KR101751925B1 (en) * 2016-08-29 2017-06-28 김연호 System and method for mediating advertisement marketer
KR101782880B1 (en) * 2017-08-08 2017-09-29 주식회사 텐핑 System for configuring special offer of advertiser according to each of marketer for marketing service, and method for the same

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101270649B1 (en) * 2012-11-02 2013-06-03 주식회사 제이와이씨컴퍼니 Target advertisement system using social marketer
KR101618013B1 (en) * 2015-09-01 2016-05-03 이정호 System for providing viral marketing service based on exposure rank
KR101751925B1 (en) * 2016-08-29 2017-06-28 김연호 System and method for mediating advertisement marketer
KR101782880B1 (en) * 2017-08-08 2017-09-29 주식회사 텐핑 System for configuring special offer of advertiser according to each of marketer for marketing service, and method for the same

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220163089A (en) * 2021-06-02 2022-12-09 주식회사 스토어링크 Product marketing linkage system and method
CN113657924A (en) * 2021-07-21 2021-11-16 安徽赤兔马传媒科技有限公司 Machine learning-based offline intelligent screen advertisement anti-cheating system and alarm
CN113657924B (en) * 2021-07-21 2023-10-31 安徽赤兔马传媒科技有限公司 Online intelligent screen advertisement anti-cheating system and alarm based on machine learning
KR102479511B1 (en) * 2022-01-12 2022-12-20 주식회사 투스라이프 Advertisement provision system and method through streaming video
KR102480048B1 (en) * 2022-01-12 2022-12-20 주식회사 투스라이프 System and method for streaming advertisement targeting
US11936961B2 (en) 2022-01-12 2024-03-19 Toothlife Co., Ltd. System and method of providing advertisement through streaming video
KR102651169B1 (en) * 2023-03-17 2024-04-25 우정임 Advertising fee reward system through advertising platform

Also Published As

Publication number Publication date
KR102378238B1 (en) 2022-03-24

Similar Documents

Publication Publication Date Title
Sundararaj et al. A detailed behavioral analysis on consumer and customer changing behavior with respect to social networking sites
Kietzmann et al. Artificial intelligence in advertising: How marketers can leverage artificial intelligence along the consumer journey
KR102378238B1 (en) advertiser and single marketer matching system for using machine learning
Jain et al. Transforming marketing with artificial intelligence
Vinerean et al. Social media marketing efforts of luxury brands on Instagram
CN110942337A (en) Accurate tourism marketing method based on internet big data
US20140278973A1 (en) System and method for audience targeting
Manoharan et al. Artificial Intelligence in Marketing Applications
Zhang et al. Event organization 101: Understanding latent factors of event popularity
Fissi et al. Social media, brand communication and customer engagement in Michelin-starred restaurants during a time of crisis
Puri et al. Review of digital marketing with latest tools and its effect on business models
Diachuk et al. Content marketing model for leading web content management
Roman The role of influencers in shaping consumer purchasing decisions in the dietary supplement industry in Poland
Kuş The influence of cultural background on content marketing practices: the approach of Turkish and Lithuanian youth to the main components of content marketing
Owusu-Kyei et al. Impact of digital marketing communication on organizational growth
Sharakhina et al. Big data, smart data in effective communication strategies development
KR20230086099A (en) Advertiser recommendation method through customer exchange and big data analysis of the federation platform
Kreituss et al. Factors important for banks in attracting and retaining customers
Granata et al. Impact of Artificial Intelligence on Digital Marketing
Zin The Impact of Beauty Influencer on Consumer Purchase Intention towards The Natural Cosmetic Industry in Mandalay Myanmar
Serang Influence of social media marketing, event marketing and public perception of buying interest and decision to buy Fajara daily newspaper in the era of information industry disruption
Rezola et al. Automatic persistent personalization of ads in tourism websites
Duggan How does the promotion of fast fashion through influencer marketing on Instagram impact Millennial’s purchase intentions, from an Irish female Millennial perspective?
Rosyiidiani et al. Branding Coffe Shop With Islamic Values As Marketing Communication Strategy Across Social Media Platform
Marmo Competitive Analysis Based on Social Media Mining

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant