KR20230024190A - Method and system for providing advertising - Google Patents
Method and system for providing advertising Download PDFInfo
- Publication number
- KR20230024190A KR20230024190A KR1020220039417A KR20220039417A KR20230024190A KR 20230024190 A KR20230024190 A KR 20230024190A KR 1020220039417 A KR1020220039417 A KR 1020220039417A KR 20220039417 A KR20220039417 A KR 20220039417A KR 20230024190 A KR20230024190 A KR 20230024190A
- Authority
- KR
- South Korea
- Prior art keywords
- advertisement
- budget
- learning model
- target
- advertiser
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000006243 chemical reaction Methods 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 61
- 238000012549 training Methods 0.000 description 54
- 230000014759 maintenance of location Effects 0.000 description 29
- 238000010586 diagram Methods 0.000 description 21
- 238000004891 communication Methods 0.000 description 18
- 239000000463 material Substances 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 11
- 230000004044 response Effects 0.000 description 11
- 230000009471 action Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000010295 mobile communication Methods 0.000 description 7
- 230000005236 sound signal Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
아래 실시예들은 광고 제공 방법 및 시스템에 관한 것으로, 보다 구체적으로 광고 성과를 반영하여 예산 비율을 조정함으로써, 광고를 효율적으로 송출하는 광고 제공 방법에 관한 것이다.The following embodiments relate to a method and system for providing advertisements, and more specifically, to a method for providing advertisements that efficiently transmit advertisements by adjusting a budget ratio by reflecting advertisement performance.
광고란 누구인지를 확인할 수 있는 광고주가 고객의 태도나 행동에 영향을 주고 궁극적으로 자신의 상품을 구매하도록 하기 위한 목표로 매체를 통해 유료로 시행하는 정보 전달 활동이다.Advertising is an information delivery activity carried out for a fee through media with the goal of influencing the customer's attitude or behavior and ultimately purchasing his/her product by an advertiser who can be identified.
광고는 고객이 구매 등 광고주의 비즈니스에 가치 있는 행위를 수행하는 것을 목표로 하며, 광고와 상호작용(예를 들어, 텍스트 광고 클릭, 동영상 광고 조회)한 고객이 광고의 목표가 되는 행위를 수행하는 것을 전환(conversion)이라고 한다. 광고의 목표가 되는 행위는 광고자에 의해 규정될 수 있고, 예를 들어 구매, 회원가입 등을 포함할 수 있다. Advertising aims to have a customer perform an action of value to the advertiser's business, such as making a purchase, and the customer who interacts with the ad (e.g., clicks on a text ad or views a video ad) performs the action targeted by the ad. It's called a conversion. An action that is a target of an advertisement may be defined by an advertiser, and may include, for example, purchase or membership registration.
최근 검색 광고, 배너 광고, 리워드 광고, SNS 광고 등 다양한 온라인 광고 매체의 등장으로 다양한 매체를 이용한 다양한 형태의 광고 제공이 가능하게 되었다. 온라인 광고 매체는 종류에 따라 광고 집행 비용, 광고의 전환율, 광고가 노출되는 규모, 광고가 노출되는 고객의 성격 등 특성이 다양하게 나타날 수 있다. 이에, 다양한 매체의 특성과 광고를 위한 예산의 규모, 광고의 목표 등을 고려하여 한정된 예산에서 투자수익(return on investment, ROI)을 최대화하기 위한 광고 집행에 관한 기술의 개발이 요구되고 있다.Recently, with the advent of various online advertising media such as search advertisements, banner advertisements, reward advertisements, and SNS advertisements, it is possible to provide various types of advertisements using various media. Depending on the type of online advertising medium, various characteristics such as advertisement execution cost, advertisement conversion rate, size of advertisement exposure, and characteristics of customers exposed to advertisement may be displayed. Accordingly, there is a demand for development of advertisement publishing technology to maximize return on investment (ROI) within a limited budget in consideration of the characteristics of various media, the size of the budget for advertisement, and the goal of advertisement.
이 배경기술 부분에 기재된 사항은 발명의 배경에 대한 이해를 증진하기 위하여 작성된 것으로써, 이 기술이 속하는 분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술이 아닌 사항을 포함할 수 있다.Matters described in this background art section are prepared to enhance understanding of the background of the invention, and may include matters other than prior art already known to those skilled in the art to which this technique belongs.
제한된 예산에서 광고의 효율을 높일 수 있도록 광고 송출에 따른 광고의 성과를 분석하여 광고 목표 별 분배될 예산의 비율을 자동으로 조정하고, 조정된 예산 비율에 따라 목표 별 광고를 송출하는 기술을 제공할 수 있다.In order to increase the efficiency of advertising in a limited budget, we will provide technology that automatically adjusts the ratio of the budget to be distributed for each advertising goal by analyzing the performance of the advertisement, and transmits the advertisement for each goal according to the adjusted budget ratio. can
광고 송출에 따른 광고의 성과 분석, 성과 분석에 따른 예산 비율 조정 및 조정된 예산 비율에 따른 광고 송출의 프로세스를 반복적으로 수행함으로써, 광고 분석 결과를 적시에 반영하여 예산 비율을 조정하는 기술을 제공할 수 있다.By repeatedly performing the process of analyzing the advertisement performance according to the advertisement transmission, adjusting the budget ratio according to the performance analysis, and sending the advertisement according to the adjusted budget ratio, it is possible to provide a technology that adjusts the budget ratio by reflecting the advertisement analysis result in a timely manner. can
딥러닝 기반의 학습 모델을 이용하여 광고 매체 별 최적의 광고 예산을 예측하여 광고주에 제공함으로써 광고의 비용 대비 효율을 높일 수 있는 기술을 제공할 수 있다.By using a deep learning-based learning model, the optimal advertising budget for each advertising medium is predicted and provided to the advertiser, thereby providing a technology that can increase the cost-effectiveness of advertising.
일 실시예가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.Problems to be solved by one embodiment are not limited to the problems mentioned above, and other problems not mentioned will be clearly understood by those skilled in the art from the description below.
상기 목적을 달성하기 위한 일 실시예는 광고 제공 서버에서 수행된 광고 제공 방법으로, 광고 별 광고 예산을 예측하는 학습 모델의 유무를 판단하는 단계; 상기 광고에 대한 학습 모델이 있는 경우, 상기 광고에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계; 상기 광고에 대한 학습 모델이 없는 경우, 상기 광고가 속하는 광고주에 대해 미리 학습된 학습 모델의 유무를 판단하는 단계; 상기 광고주에 대한 학습 모델이 있는 경우, 상기 광고주에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계; 상기 예측된 광고 예산에 따라 송출된 광고 목표 별 광고의 성과를 수집하는 단계; 상기 광고 목표 별 광고의 성과에 기초하여, 광고 목표 별 모객 단가 및 가격 경쟁력을 획득하는 단계; 상기 광고 목표 별 가격 경쟁력 및 모객 단가를 이용하여, 예산 비율을 조정하는 단계; 및 상기 조정된 예산 비율에 기초하여, 광고 목표 별 광고를 송출하는 단계를 포함하는 광고 제공 방법을 제공한다.One embodiment for achieving the above object is an advertisement providing method performed in an advertisement providing server, comprising: determining whether there is a learning model for predicting an advertisement budget for each advertisement; predicting an advertisement budget by using the learning model for the advertisement if there is a learning model for the advertisement; If there is no learning model for the advertisement, determining whether there is a pre-learned learning model for the advertiser to which the advertisement belongs; predicting an advertising budget using the learning model for the advertiser when there is a learning model for the advertiser; collecting performance of advertisements for each advertisement target transmitted according to the predicted advertisement budget; acquiring a unit price and price competitiveness for each advertisement target based on the performance of the advertisement for each advertisement target; adjusting a budget ratio by using price competitiveness for each advertisement target and a unit price for attracting customers; and transmitting an advertisement for each advertisement target based on the adjusted budget ratio.
일 실시예는 상기 광고주에 대한 학습 모델이 없는 경우, 상기 광고주가 속하는 광고주 그룹에 대해 미리 학습된 학습 모델의 유무를 판단하는 단계; 상기 광고주 그룹에 대한 학습 모델이 있는 경우, 상기 광고주 그룹에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계; 및 상기 광고주 그룹에 대한 학습 모델이 없는 경우, 타겟 유저의 전환에 대한 기록에 기초하여 광고 예산을 예측하는 단계를 포함한다.An embodiment includes determining whether there is a pre-learned learning model for an advertiser group to which the advertiser belongs when there is no learning model for the advertiser; predicting an advertising budget by using the learning model for the advertiser group if there is a learning model for the advertiser group; and predicting an advertising budget based on a record of conversion of a target user when there is no learning model for the advertiser group.
일 실시예는 상기 광고에 대한 학습 모델을 이용하여 모수를 예측하는 단계는, 타겟 유저의 특징 데이터를 이용하여 모수 유저를 결정하고, 상기 결정된 모수 유저의 수에 따라 광고 예산을 예측한다.In one embodiment, in the step of predicting the parameter using the learning model for the advertisement, a parameter user is determined using feature data of the target user, and an advertising budget is predicted according to the determined number of parameter users.
일 실시예는 상기 광고 목표 별 광고의 성과에 기초하여 광고 목표 별 병목도를 획득하는 단계를 포함하고, 상기 예산 비율을 조정하는 단계는 상기 광고 목표 별 가격 경쟁력 및 상기 광고 목표 별 병목도에 기초하여, 상기 예산 비율을 조정한다.An embodiment includes obtaining a bottleneck for each advertisement target based on the performance of the advertisement for each advertisement target, and adjusting the budget ratio is based on price competitiveness for each advertisement target and bottleneck for each advertisement target. Thus, the budget ratio is adjusted.
일 실시예는 적어도 하나의 프로세서(processor); 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instuctions)을 저장하는 메모리(memory)를 포함하는, 광고 제공 서버로서, 상기 적어도 하나의 동작은, 광고 별 광고 예산을 예측하는 학습 모델의 유무를 판단하는 단계; 상기 광고에 대한 학습 모델이 있는 경우, 상기 광고에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계; 상기 광고에 대한 학습 모델이 없는 경우, 상기 광고가 속하는 광고주에 대해 미리 학습된 학습 모델의 유무를 판단하는 단계; 상기 광고주에 대한 학습 모델이 있는 경우, 상기 광고주에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계; 상기 예측된 광고 예산에 따라 송출된 광고 목표 별 광고의 성과를 수집하는 단계; 상기 광고 목표 별 광고의 성과에 기초하여, 광고 목표 별 모객 단가 및 가격 경쟁력을 획득하는 단계; 상기 광고 목표 별 가격 경쟁력 및 모객 단가를 이용하여, 예산 비율을 조정하는 단계; 및 상기 조정된 예산 비율에 기초하여, 광고 목표 별 광고를 송출하는 단계를 포함하는 광고 제공 서버를 제공한다.One embodiment includes at least one processor; and a memory for storing instructions for instructing the at least one processor to perform at least one operation, wherein the at least one operation comprises advertising for each advertisement. determining whether there is a learning model that predicts a budget; predicting an advertisement budget by using the learning model for the advertisement if there is a learning model for the advertisement; If there is no learning model for the advertisement, determining whether there is a pre-learned learning model for the advertiser to which the advertisement belongs; predicting an advertising budget using the learning model for the advertiser when there is a learning model for the advertiser; collecting performance of advertisements for each advertisement target transmitted according to the predicted advertisement budget; acquiring a unit price and price competitiveness for each advertisement target based on the performance of the advertisement for each advertisement target; adjusting a budget ratio by using price competitiveness for each advertisement target and a unit price for attracting customers; and transmitting an advertisement for each advertisement target based on the adjusted budget ratio.
이상에서 설명한 바와 같은 일 실시예들에 따르면, 광고 성과에 따라 제한된 예산 내에서 효율을 최대화할 수 있도록 자동으로 적절한 예산 분배를 하여 광고를 송출하는 기술을 제공함으로써, 광고 성과를 분석하고 예산을 설정하는 등의 마케팅 전략을 수립하는 전문가를 고용하기 위해 소요되는 마케팅 비용을 절감할 수 있다.According to one embodiment as described above, by providing a technology for sending out advertisements by automatically distributing an appropriate budget to maximize efficiency within a limited budget according to advertisement performance, analyzing advertisement performance and setting a budget You can reduce the marketing cost required to hire experts who establish marketing strategies such as
광고의 성과 분석 및 예산 비율 설정을 반복적으로 수행함으로써, 마케팅 전략 수립의 적시성을 증대할 수 있다.It is possible to increase the timeliness of marketing strategy establishment by repeatedly performing advertisement performance analysis and budget ratio setting.
딥러닝 기반의 학습 모델을 이용하여 광고 매체 별 최적의 광고 예산을 예측하여 광고주에 제공함으로써 광고의 비용 대비 효율을 높일 수 있다.By using a deep learning-based learning model, the optimal advertising budget for each advertising medium is predicted and provided to the advertiser, thereby increasing the cost-effectiveness of advertising.
일 실시예의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The effects of one embodiment are not limited to the effects mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the description below.
도 1은 일 실시예에 따른 광고 제공 시스템의 구성도이다.
도 2는 일 실시예에 따른 광고 제공 방법을 수행하는 광고 제공 서버의 동작을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 광고 송출 단계를 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 광고 성과를 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 광고 제공 서버의 구성도이다.
도 6은 제 1 실시예에 따른 광고 제공 방법의 흐름도이다.
도 7은 제 2 실시예에 따른 광고 제공 방법의 흐름도이다.
도 8 및 도 9는 일 실시예에 따른 마케팅 퍼널을 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 광고 예산 예측 장치와 트레이닝 장치를 도시한 도면이다.
도 11은 제 3 실시예에 따른 광고 제공 방법의 흐름도이다.
도 12는 일 실시예에 따른 학습 모델의 트레이닝 과정을 도식화한 도면이다.
도 13은 일 실시예에 따른 사용자 단말의 구성도이다.1 is a configuration diagram of an advertisement providing system according to an exemplary embodiment.
2 is a diagram for explaining an operation of an advertisement providing server performing an advertisement providing method according to an exemplary embodiment.
3 is a diagram for explaining an advertisement transmission step according to an exemplary embodiment.
4 is a diagram for explaining advertisement performance according to an exemplary embodiment.
5 is a configuration diagram of an advertisement providing server according to an exemplary embodiment.
6 is a flowchart of an advertisement providing method according to the first embodiment.
7 is a flowchart of an advertisement providing method according to a second embodiment.
8 and 9 are diagrams for explaining a marketing funnel according to an exemplary embodiment.
10 is a diagram illustrating an advertising budget prediction device and a training device according to an embodiment.
11 is a flowchart of an advertisement providing method according to a third embodiment.
12 is a diagram illustrating a training process of a learning model according to an embodiment.
13 is a configuration diagram of a user terminal according to an embodiment.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. Advantages and features of the present invention, and methods of achieving them, will become clear with reference to the detailed description of the following embodiments taken in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but may be implemented in various different forms, only these embodiments are intended to complete the disclosure of the present invention, and are common in the art to which the present invention belongs. It is provided to fully inform the person skilled in the art of the scope of the invention, and the invention is only defined by the scope of the claims.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.Terminology used herein is for describing the embodiments and is not intended to limit the present invention. In this specification, singular forms also include plural forms unless specifically stated otherwise in a phrase. As used herein, "comprises" and/or "comprising" does not exclude the presence or addition of one or more other elements other than the recited elements. Like reference numerals throughout the specification refer to like elements, and “and/or” includes each and every combination of one or more of the recited elements. Although "first", "second", etc. are used to describe various components, these components are not limited by these terms, of course. These terms are only used to distinguish one component from another. Accordingly, it goes without saying that the first element mentioned below may also be the second element within the technical spirit of the present invention.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.Unless otherwise defined, all terms (including technical and scientific terms) used in this specification may be used with meanings commonly understood by those skilled in the art to which the present invention belongs. In addition, terms defined in commonly used dictionaries are not interpreted ideally or excessively unless explicitly specifically defined.
이하, 첨부된 도면을 참조하여 실시예를 상세하게 설명한다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings.
도 1은 일 실시예에 따른 광고 제공 시스템(10)의 구성도이다.1 is a configuration diagram of an
도 1을 참조하면, 일 실시예에 따른 광고 제공 시스템(10)은 광고 제공 서버(100), 광고주 단말(200) 및 사용자 단말(300)을 포함할 수 있다.Referring to FIG. 1 , an
광고 제공 시스템(10) 내에 포함된 다양한 개체들(entities) 간의 통신은 유/무선 네트워크를 통해 수행될 수 있다. 유/무선 네트워크는 표준 통신 기술 및/또는 프로토콜들이 사용될 수 있다.Communication between various entities included in the
광고 제공 시스템(10) 내 광고 제공 서버(100), 광고주 단말(200) 및 사용자 단말(300)은 예를 들어, 컴퓨터, UMPC(Ultra Mobile PC), 워크스테이션, 넷북(net-book), PDA(Personal Digital Assistants), 포터블(portable) 컴퓨터, 웹 타블렛(web tablet), 무선 전화기(wireless phone), 모바일 폰(mobile phone), 스마트폰(smart phone), PMP(portable multimedia player) 같은 전자 장치 중 하나로서, 일 실시예와 관련된 어플리케이션의 설치 및 실행이 가능한 모든 전자 장치를 포함할 수 있다. 전자 장치는 어플리케이션의 제어 하에 예를 들어, 서비스 화면의 구성, 데이터 입력, 데이터 송수신, 데이터 저장 등과 같은 서비스 전반의 동작을 수행할 수 있다.The
광고주 단말(200)은 광고 타켓팅 정보, 광고 매체, 광고 소재 등의 광고 관련 정보를 광고주로부터 입력받아, 광고 제공 서버(100)에 전송할 수 있다.The
사용자 단말(300)은 광고 제공 서버(100)로부터 광고를 전송받아, 해당 광고를 사용자에게 출력할 수 있다.The
광고 제공 서버(100)는 광고 예산을 예측하고, 광고 예산 비율을 조정하여, 예측/조정된 광고 예산에 따라 광고를 집행(사용자 단말(300)에 전송)할 수 있다.The
도 2는 일 실시예에 따른 광고 제공 방법을 수행하는 광고 제공 서버(100)의 동작을 설명하기 위한 도면이다.2 is a diagram for explaining an operation of an
도 2를 참조하면, 일 실시예에 따른 광고 제공 서버(100)는 광고주 단말(200)의 광고를 위한 예산에 맞추어 복수의 광고 목표들 사이의 예산 비율을 조정하면서 광고 목표 별 광고를 다양한 광고 매체를 통해 송출하는 서버에 해당할 수 있다. 광고 제공 서버(100)는 광고 제공 방법을 수행하기 위한 하나 이상의 프로세서를 포함할 수 있으며, 광고 제공 방법에 관한 데이터를 저장하기 위한 메모리를 포함할 수 있다. 이하에서, '광고 목표'는 '목표'로 간략하게 지칭될 수 있다.Referring to FIG. 2 , the
일 실시예에 따른 광고 제공 서버(100)의 동작 방법은 광고주 단말(200)에 대응하는 광고를 송출하는 단계, 광고 송출에 따른 성과를 수집하는 단계, 성과에 기초하여 복수의 광고 목표들 사이의 예산 비율을 조정하는 단계 및 조정된 예산 비율에 따라 광고를 송출하는 단계를 포함할 수 있다.An operating method of the
일 실시예에 따를 때, 광고 제공 서버(100)의 동작 방법은 광고주 단말(200)로부터 광고 집행을 위한 정보를 수신하는 단계를 더 포함할 수 있다. 광고 집행을 위한 정보는 광고주 단말(200)에 대응되는 광고 집행을 위해 필요한 정보로, 예를 들어 광고 집행을 위한 총 예산, 광고 소재, 광고 목표들을 포함할 수 있다. 광고주 단말(200)은 광고 제공 서버(100)에 광고 집행을 위한 정보를 입력할 수 있으며, 예를 들어 광고 제공 서버(100)에서 제공되는 인터페이스를 통해 광고 집행을 위한 총 예산, 광고 소재, 광고 목표들을 입력할 수 있다.According to an embodiment, the operation method of the
광고 목표는 광고 송출을 통해 달성하고자 하는 효과로, 예를 들어 브랜드 노출 증가, 웹사이트 방문 증가, 회원 수 증가, 구매 증가 등을 포함할 수 있다. 일 실시예에 따를 때, 광고 제공 서버(100)는 인터페이스를 통해 광고주 단말(200)에게 미리 정해진 복수의 광고 목표들을 선택지로 제공할 수 있고, 광고주 단말(200)은 제공된 광고 목표들 중 적어도 일부를 선택함으로써 광고 목표를 설정할 수 있다. 광고 제공 서버(100)에서 광고주 단말(200)에 제공되는 광고 목표들은 광고주의 업종, 예산의 크기 등 광고주의 특성을 반영하여 광고주 별로 다르게 결정될 수 있다. 일 실시예에 따를 때, 광고주 단말(200)은 광고 목표를 직접 입력할 수 있다.The advertisement target is an effect to be achieved through advertisement transmission, and may include, for example, increased brand exposure, increased website visits, increased number of members, increased purchases, and the like. According to an embodiment, the
광고주 단말(200)은 설정된 광고 목표에 따른 광고 소재(들)을 입력할 수 있다. 광고 소재는 고객이 접근할 수 있는 웹페이지, 앱 또는 기타 광고 매체에 게재되는 컨텐츠로, 텍스트, 이미지, 오디오, 동영상, 링크 및 이들의 조합 등 다양한 형태의 컨텐츠로 구성될 수 있다. 또한, 광고 소재는 게재되는 매체에 적합한 다양한 유형으로 생성될 수 있다. 예를 들어, 광고 소재는 모바일 메신저에 게재되는 배너 광고, 웹사이트에 게재되는 배너 광고, 모바일 메신저를 통해 전송되는 메시지 형태의 광고 등 다양한 유형으로 생성될 수 있으며, 다양한 컨텐츠를 포함하도록 구성될 수 있다.The
광고 소재는 광고 목표 별로 광고주 단말(200)에 의해 제공될 수 있으며, 복수의 광고 목표들에 대응되는 다양한 유형 및 컨텐츠를 포함하도록 생성될 수 있다. 예를 들어 브랜드 노출 증가의 목표에 대응하여 브랜딩용 소재(예를 들어, 브랜드 이름에 관심을 집중시킬 수 있는 문구 및 이미지 등을 포함하는 컨텐츠), 웹사이트 방문 증가의 목표에 대응하여 방문용 소재(예를 들어, 클릭하면 웹사이트로 연결되는 링크를 포함하는 컨텐츠), 회원 수 증가의 목표에 대응하여 회원가입용 소재(예를 들어, “지금 신규 가입하고 1000원 받자” 등의 문구를 포함한 이벤트성 컨텐츠), 구매 증가의 목표에 대응하여 구매용 소재(예를 들어, 단기 할인 쿠폰 제공 등의 이벤트성 컨텐츠)가 입력될 수 있다.Advertising materials may be provided by the
광고주 단말(200)에 대응하여 설정되는 광고 목표는 대응되는 성과 수집이 가능한 목표를 포함할 수 있다. 예를 들어, 브랜드 노출 증가의 목표에 대응하여 브랜딩용 소재의 광고가 노출된 횟수 및/또는 노출된 고객 수, 웹사이트 방문 증가의 목표에 대응하여 방문용 광고 소재의 광고가 클릭된 횟수, 회원 수 증가의 목표에 대응하여 회원 가입 횟수, 구매 증가의 목표에 대응하여 구매 횟수 및/또는 구매에 따른 매출 증가액이 목표 별 성과로 수집될 수 있다. 광고의 성과는 광고 제공 서버(100)에서 광고의 송출 횟수 및/또는 광고가 송출된 사용자의 단말의 수 등을 집계하거나, 다양한 전환 추적 방법에 따라 수집될 수 있다. 일 실시예에 따를 때, 광고 제공 서버(100)는 광고주 단말(200)에 대응하여 설정된 광고 목표 별로 추적 방법을 적용하여 대응되는 성과를 수집할 수 있으며, 수집된 성과의 결과를 광고주 단말(200)에 제공할 수 있다.The advertising goal set in correspondence with the
광고주 단말(200)은 광고 송출을 위한 총 예산을 입력할 수 있으며, 광고 제공 서버(100)는 총 예산 내에서 목표 별 광고를 집행할 수 있다. 광고 제공 서버(100)에서 광고를 집행하기 위한 비용은 광고 소재, 광고가 게재되는 매체, 광고가 송출되는 횟수, 광고의 클릭 횟수 등을 고려하여 미리 정해진 기준에 따라 결정될 수 있다. 광고 제공 서버(100)는 광고주 단말(200)의 총 예산 및 광고주 단말(200)에 대응하는 광고를 집행하기 위한 비용을 고려하여 광고를 집행할 수 있다.The
광고주 단말(200)에 대응하여 설정된 광고 목표가 복수인 경우, 복수의 목표들 사이의 예산 비율이 결정될 수 있으며, 예산 비율에 따라 목표 별 광고 집행을 위한 예산이 분배될 수 있다. 예를 들어, 광고주 단말(200)의 총 예산이 1000만원이고, 제 1 목표 및 제 2 목표 사이의 예산 비율이 1:3인 경우, 제 1 목표의 광고 집행을 위한 예산은 1000만원의 1/4인 250만원, 제 2 목표의 광고 집행을 위한 예산은 1000만원의 3/4인 750만원으로 목표 별로 예산이 분배될 수 있다. 이 경우, 광고 제공 서버(100)는 250만원의 예산 내에서 제 1 목표에 대응하는 광고를 집행하고, 750만원의 예산 내에서 제 2 목표에 대응하는 광고를 집행할 수 있다. 광고 제공 서버(100)는 목표 별 예산에 따라 광고 집행을 하기 위해서, 복수의 목표들 사이의 예산 비율을 획득할 수 있다.When a plurality of advertisement targets are set to correspond to the
일 실시예에 따를 때, 광고 집행이 시작되기 전 초기 예산 비율은 설정된 목표들에 대응하여 미리 정해진 비율로 결정될 수도 있고, 광고주 단말(200)가 설정한 비율로 결정될 수도 있다. 미리 정해진 비율에 따라 결정되는 경우, 각 목표에 대응하여 동일한 비율로 결정될 수도 있고, 과거 광고 집행 이력이 있는 경우 집행 이력에 따른 예산 비율을 참조하여 결정될 수도 있고, 다른 광고주들에 대응하는 예산 비율들을 참조하여 결정될 수도 있다. 예를 들어, 광고주 단말(200)에 대응하여 노출 증가, 방문 증가, 구매 증가의 목표가 설정된 경우, 목표들 사이의 광고 비율은 1:1:1로 설정되거나, 광고주 단말(200)에 대응하는 업계 평균을 추종하여 설정되거나, 광고주 단말(200)에 대응하는 업계의 일부 광고주(예를 들어, 연간 광고 규모 상위 30%인 광고주, 제품 및/또는 서비스의 관련성이 높은 광고주)의 예산 비율의 평균을 추종하여 설정될 수 있다.According to an embodiment, the initial budget ratio before advertisement publishing starts may be determined as a predetermined ratio corresponding to set targets or may be determined as a ratio set by the
일 실시예에 따를 때, 광고 제공 서버(100)는 예산 비율에 따른 목표 별 예산 내에서 광고를 집행하고, 광고 집행의 결과로 수집된 성과를 반영하여 예산 비율을 조정할 수 있으며, 조정된 예산 비율에 따른 조정된 목표 별 예산 내에서 광고를 집행할 수 있다. 예산 비율의 조정 방법에 관한 구체적인 단계는 도 6 이하에서 자세히 설명하기로 한다.According to an embodiment, the
도 3은 일 실시예에 따른 광고 송출 단계를 설명하기 위한 도면이다.3 is a diagram for explaining an advertisement transmission step according to an exemplary embodiment.
일 실시예에 따른 광고를 송출하는 단계는 광고주 단말(200)에 대응하여, 복수의 광고 목표들 사이의 예산 비율에 따라 목표 별로 광고를 송출하는 단계에 해당할 수 있다.The step of sending an advertisement according to an embodiment may correspond to a step of sending an advertisement for each target according to a budget ratio among a plurality of advertisement targets in correspondence to the
도 3을 참조하면, 광고주 단말(200)로부터 총 예산, 광고 소재, 광고 목표 등의 광고 송출을 위한 정보를 수신한 광고 제공 서버(100)는 수신된 정보에 따라 광고 목표들에 대응하는 광고를 송출할 수 있다. 송출되는 광고는 광고주 단말(200)에 대응하여 설정된 광고 목표들 각각에 대응하는 다양한 종류의 광고 매체(211, 212, 213)를 포함할 수 있으며, 특정 광고 목표에 대응하여 적어도 하나의 광고 매체로 구성된 광고가 송출될 수 있다. 예를 들어, 광고 목표1에 대응하는 광고 소재(211)는 모바일 메신저에 게재되는 배너 광고, 웹사이트에 게재되는 배너 광고 등을 포함할 수 있으며, 컨텐츠의 구성이 다른 배너 광고를 복수 개 포함할 수도 있다. 대응하는 광고 목표에 따라 송출되는 광고의 유형 및/또는 컨텐츠가 반드시 달라지는 것은 아니다. Referring to FIG. 3 , the
광고주 단말(200)는 광고 목표들(광고목표1 내지 n)을 선택하고, 각각의 광고 목표에 대응하는 광고 매체(211 내지 213)를 설정할 수 있으며, 광고 집행을 위한 총 예산을 설정할 수 있다. 광고 제공 서버(100)는 총 예산을 광고 목표들 사이의 예산 비율에 따라 광고 목표 별로 예산을 분배하여, 분배된 목표 별 예산 내에서 광고 목표 별로 설정된 광고 매체를 통해 특정 횟수 및/또는 기간만큼 광고를 송출할 수 있다.The
다시 도 2를 참조하면, 일 실시예에 따른 송출된 광고의 성과를 수집하는 단계는 복수의 광고 목표들 사이의 예산 비율에 따라 송출된 목표 별 광고의 성과를 수집하는 단계에 해당할 수 있다. 전술한 바와 같이, 광고주 단말(200)에 대응하여 설정되는 광고 목표는 대응되는 성과 수집이 가능한 목표를 포함할 수 있으며, 광고 제공 서버(100)에서 광고의 송출 횟수 또는 광고가 송출된 사용자의 단말의 수 등을 집계하거나, 다양한 전환 추적 방법에 따라 광고 목표 별로 광고의 성과를 수집할 수 있다.Referring back to FIG. 2 , the step of collecting the performance of the advertisement sent out according to an embodiment may correspond to the step of collecting the performance of the advertisement sent out according to the budget ratio between the plurality of advertisement goals. As described above, the advertising target set in correspondence with the
수집된 광고 성과의 예는 도 4를 참조할 수 있다. 도 4는 광고주에 대응하여 브랜드 노출 증가, 웹사이트 방문 증가, 회원 수 증가, 구매 증가의 목표가 설정된 경우, 수집된 성과의 예시를 도시한 도면이다. 이하에서, 브랜드 노출 증가의 목표는 노출로, 웹사이트 방문 증가의 목표는 방문으로, 회원 수 증가의 목표는 가입으로, 구매 증가의 목표는 구매로 간략하게 지칭될 수 있다.An example of collected advertising performance may refer to FIG. 4 . 4 is a diagram illustrating an example of collected results when goals of increasing brand exposure, increasing website visits, increasing the number of members, and increasing purchases are set in response to advertisers. Hereinafter, the goal of increasing brand exposure may be briefly referred to as exposure, the goal of increasing website visits as visitation, the goal of increasing the number of members as subscription, and the goal of increasing purchase as purchase.
도 4를 참조하면, 복수의 회차에 걸쳐 반복적으로 광고를 집행할 수 있으며, 총 예산은 각 회차에 대응하여 설정될 수도 있고, 전체 회차에 대응하여 설정될 수도 있다. 전체 회차에 대응하여 총 예산이 설정되는 경우, 각 회차에 대응하는 예산은 총 예산을 각 회차 별로 균일하게 나누거나, 특정 회차에 가중치를 두어 나누는 등 회차 별 예산이 설정될 수 있다.Referring to FIG. 4 , advertisements may be repeatedly published over a plurality of rounds, and the total budget may be set corresponding to each round or all rounds. When the total budget is set corresponding to all rounds, the budget corresponding to each round may be set by uniformly dividing the total budget for each round or by dividing the total budget by assigning a weight to a specific round.
브랜드 노출 증가의 목표에 대응하는 광고의 성과(310)는 광고의 노출 횟수 및 광고가 노출된 고객의 수, 웹사이트 방문 증가의 목표에 대응하는 광고의 성과(320)는 광고주의 웹사이트의 방문 횟수, 회원 수 증가의 목표에 대응하는 광고의 성과(330)는 신규로 가입한 회원의 수, 구매 증가의 목표에 대응하는 광고의 성과(340)는 구매 횟수 및 구매 금액을 포함할 수 있다. 광고의 목표에 대응하여 수집된 광고의 목표 별 성과는 전환 추적 방법 등에 의해 측정될 수도 있고, 광고 전후의 차이에 기초하여 추정될 수도 있다. 예를 들어, 웹사이트의 방문 횟수는 광고로 인한 전환의 결과로 발생한 웹사이트의 방문 횟수를 광고의 추적 방법에 따라 측정하여 도출될 수도 있고, 광고 전후의 방문 횟수를 비교하여 광고로 인한 웹사이트 방문 횟수를 추정하여 도출될 수도 있다.The performance of the advertisement corresponding to the goal of increasing
일 실시예에 따르면, 광고 제공 서버(100)는 수집된 광고 성과에 기초하여 목표 별 모객 단가를 획득할 수 있다. 모객 단가는 광고의 목표를 달성하기 위한 모객에 소요되는 광고 비용을 의미하는 것으로 예를 들어, 목표 별 모객 단가는 목표 별 예산을 목표 별 성과에 포함된 모객 수로 나누어 획득될 수 있다. 목표 별 예산은 총 예산에 목표 별 예산 비율을 곱하여 획득될 수 있다. 예를 들어, 노출 1000회당 광고 비용인 CPM(Cost Per Mille, Cost Per Thousand Impression), 방문 1회당 광고 비용인 CPC(Cost Per Click), 앱 설치 1회당 광고 비용인 CPI(Cost Per Install), 회원가입 1회당 광고 비용인 CPR(Cost Per Registration), 전환(예를 들어, 구매) 1회당 광고 비용인 CPA(Cost Per Action) 등이 목표 별 모객 단가에 해당할 수 있다.According to an embodiment, the
예를 들어, 도 4의 2021.11.01일자의 광고 성과에서, 목표들 사이의 예산 비율이 1:1:1:1인 경우를 가정하면, CPM은 25000/1000 = 25원, CPC는 25000/1000 = 25원, CPR은 25000/2 = 12500원, CPA는 25000/1 = 25000원으로 획득될 수 있다.For example, in the advertising performance on November 1, 2021 in FIG. 4, assuming that the budget ratio between targets is 1:1:1:1, the CPM is 25000/1000 = 25 won, and the CPC is 25000/1000 = 25 won, CPR can be obtained at 25000/2 = 12500 won, and CPA can be obtained at 25000/1 = 25000 won.
일 실시예에 따르면, 광고 제공 서버(100)는 수집된 광고 성과에 기초하여 목표 별 잔존율 또는 이탈율을 획득할 수 있다. 잔존율은 광고주에 대응하여 설정된 복수의 광고 목표들이 미리 정해진 순서가 있는 일련의 시퀀스에 해당하는 경우, 특정 목표에 대응하는 잔존율(retention rate)은 이전 단계의 목표에 대응하는 광고 성과 대비 해당 목표에 대응하는 광고 성과의 비율을 의미하는 것으로, 해당 단계의 성과/이전 단계의 성과로 획득될 수 있다. 이탈율은 잔존율의 반대되는 개념으로 (1 - 잔존율)로 획득될 수 있다.According to an embodiment, the
예를 들어, 노출, 방문, 가입 및 구매의 목표는 노출, 방문, 가입, 구매의 순서를 갖는 일련의 시퀀스에 해당한다고 할 때, 도 4의 2021.11.01일자의 광고 성과에서 횟수를 기준으로 방문에 대응하는 잔존율은 1,000/1000,000 = 0.001, 가입에 대응하는 잔존율은 2/1,000 = 0.002, 구매에 대응하는 잔존율은 1/2 = 0.5로 획득될 수 있다.For example, assuming that the goals of exposure, visit, subscription, and purchase correspond to a series of sequences having the order of exposure, visit, subscription, and purchase, visits based on the number of times in the advertising performance on November 1, 2021 in FIG. The retention rate corresponding to 1,000/1000,000 = 0.001, the retention rate corresponding to subscription is 2/1,000 = 0.002, and the retention rate corresponding to purchase is 1/2 = 0.5.
다시 도 2를 참조하면, 일 실시예에 따른 복수의 광고 목표들 사이의 예산 비율을 조정하는 단계는 수집된 성과를 반영하여 복수의 광고 목표들 사이의 예산 비율을 조정하는 단계에 해당할 수 있다. 광고 제공 서버(100)는 목표 별 광고의 성과를 분석하여 제한된 예산에서 광고 효율을 높이기 위하여 목표들 사이의 예산 비율을 조정하여 송출되는 목표 별 광고의 비율을 조정할 수 있다. 광고 제공 서버(100)는 광고 성과에 따라 예산 비율을 조정하여 반복적으로 광고를 집행하는 광고 제공 방법을 수행함으로써, 제한된 예산 내에서 효율적인 광고 집행 기술을 제공할 수 있다. 광고주 단말(200)은 자동적으로 광고를 집행하는 광고 제공 서버(100)를 이용하여, 광고 성과를 분석하거나 예산 비율을 다시 설정하지 않고 제한된 예산 내에서 효율적으로 목표 별 광고를 집행할 수 있다. 광고의 성과를 반영하여 예산 비율을 조정하는 단계는 도 6 이하에서 자세히 설명하도록 한다.Referring back to FIG. 2 , adjusting a budget ratio between a plurality of advertisement targets according to an embodiment may correspond to adjusting a budget ratio between a plurality of advertisement targets by reflecting collected performance. . The
도 5는 일 실시예에 따른 광고 제공 서버(100)의 구성도이다.5 is a configuration diagram of an
도 5를 참조하면, 일 실시예에 따른 광고 제공 서버(100)는 통신부(110), 입력부(120), 출력부(130), 메모리(140), 전원 공급부(150) 및 제어부(160)를 포함할 수 있다.Referring to FIG. 5 , the
도 5에 도시된 구성들은 본 발명의 실시 예들을 구현하기 위한 예시도이며, 당업자에게 자명한 수준의 적절한 하드웨어/소프트웨어 구성들이 광고 제공 서버(100)에 추가로 포함될 수 있다.The configurations shown in FIG. 5 are exemplary diagrams for implementing the embodiments of the present invention, and appropriate hardware/software configurations that are apparent to those skilled in the art may be additionally included in the
통신부(110)는 다양한 통신 방식을 통해 외부의 장치와 통신을 수행할 수 있다. 일례로, 통신부(110)는 광고주 서버(200) 및 사용자 단말(300)과 통신을 수행하여 다양한 데이터를 송수신할 수 있다.The
입력부(120)는 광고 제공 서버(100)의 사용자인 운영자의 다양한 입력을 수신하여 제어부(160)로 전달할 수 있다. 특히, 입력부(120)는 터치 센서, (디지털) 펜 센서, 압력 센서, 키, 또는 마이크를 포함할 수 있다. 터치 센서는, 예를 들면, 정전식, 감압식, 적외선 방식, 또는 초음파 방식 중 적어도 하나의 방식을 사용할 수 있다. (디지털) 펜 센서는, 예를 들면, 터치 패널의 일부이거나, 별도의 인식용 쉬트를 포함할 수 있다. 키는, 예를 들면, 물리적인 버튼, 광학식 키, 또는 키패드를 포함할 수 있다. 마이크는 운영자 음성을 수신하기 위한 구성으로, 광고 제공 서버(100) 내부에 구비될 수 있으나, 이는 일 실시예에 불과할 뿐, 광고 제공 서버(100)의 외부에 구비되어 광고 제공 서버(100)와 전기적으로 연결될 수 있다.The input unit 120 may receive various inputs from an operator who is a user of the
출력부(130)는 다양한 화면을 제공할 수 있다.The
메모리(140)는 광고 제공 서버(100)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 특히, 메모리(140)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(140)는 제어부(160)에 의해 액세스되며, 제어부(160)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 본 발명에서 메모리라는 용어는 메모리(140), 제어부(160) 내 롬(미도시), 램(미도시) 또는 광고 제공 서버(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함할 수 있다. 또한, 메모리(140)에는 출력부(130)의 디스플레이 영역에 표시될 각종 화면을 구성하기 위한 프로그램 및 데이터 등이 저장될 수 있다.The
전원 공급부(150)는 제어부(160)의 제어에 의해 외부의 전원, 내부의 전원을 인가받아 각 구성요소들의 동작에 필요한 전원을 공급한다.The
제어부(160)는 통신부(110), 입력부(120), 출력부(130), 메모리(140) 및 전원 공급부(150)와 전기적으로 연결되어, 광고 제공 서버(100)의 전반적인 동작 및 기능을 제어할 수 있다. 특히, 제어부(160)는 메모리(140)에 저장된 다양한 모듈을 이용하여 후술하는 기능을 제공할 수 있다.The
이하에서 설명되는 광고 제공 서버(100) 상의 다양한 동작은 제어부(160)의 제어에 의해서 수행될 수 있다.Various operations of the
도 6은 제 1 실시예에 따른 광고 제공 방법의 흐름도로, 예산 비율을 조정하여 광고를 송출하는 광고 제공 방법을 설명하기 위한 도면이다.6 is a flowchart of an advertisement providing method according to the first embodiment, and is a diagram for explaining an advertisement providing method in which an advertisement is transmitted by adjusting a budget ratio.
도 6를 참조하면, 제 1 실시예에 따른 광고 제공 방법은 대상 광고주에 대응하여, 복수의 광고 목표들 사이의 예산 비율을 획득하는 단계(S100), 예산 비율에 따라 송출된 목표 별 광고의 성과를 수집하는 단계(S110), 목표 별 광고의 성과에 기초하여 목표 별 모객 단가를 획득하는 단계(S120), 목표 별 모객 단가에 기초하여, 목표 별 가격 경쟁력을 획득하는 단계(S130), 목표 별 가격 경쟁력에 기초하여, 예산 비율을 조정하는 단계(S140) 및 조정된 예산 비율에 기초하여, 목표 별 광고를 송출하는 단계(S150)를 포함할 수 있다.Referring to FIG. 6 , the advertisement providing method according to the first embodiment includes obtaining a budget ratio between a plurality of advertisement targets in response to a target advertiser (S100), and performance of advertisements for each target transmitted according to the budget ratio. Collecting (S110), acquiring a unit price for each target based on the advertisement performance for each target (S120), acquiring price competitiveness for each target based on the unit price for each target (S130), Adjusting a budget ratio based on price competitiveness (S140) and transmitting an advertisement for each target based on the adjusted budget ratio (S150) may be included.
일 실시예에 따를 때, 목표 별 가격 경쟁력을 획득하는 단계(S130)는 목표 별 모객 단가의 기준 값 및 목표 별 모객 단가에 기초하여, 목표 별 가격 경쟁력을 획득하는 단계를 포함할 수 있다. 목표 별 모객 단가의 기준 값은 광고 목표 별로 적어도 하나의 다른 광고주의 모객 단가를 참조하여 결정되는 값에 해당할 수 있으며, 예를 들어 전체 광고주의 해당 목표에 대응하는 모객 단가의 평균, 특정 업계의 광고주의 해당 목표에 대응하는 모객 단가의 평균 등을 포함할 수 있다. 가격 경쟁력은 다른 광고주들의 모객 단가와 비교한 대상 광고주에 대응하는 모객 단가의 상대적인 값으로 결정될 수 있으며, 대상 광고주의 목표 별 모객 단가가 모객 단가의 기준 값보다 작을 수록 큰 값으로 결정될 수 있다.According to an embodiment, the step of acquiring price competitiveness for each target ( S130 ) may include acquiring price competitiveness for each target based on the reference value of the unit price for each target and the unit price for each target. The reference value of the unit price for attracting customers for each target may correspond to a value determined by referring to the unit price for attracting customers of at least one other advertiser for each advertising target. It may include an average of unit prices for attracting customers corresponding to the target of the advertiser. Price competitiveness may be determined as a relative value of the unit price of customer acquisition corresponding to the target advertiser compared to the unit price of customer acquisition of other advertisers, and may be determined as a larger value when the unit price of customer acquisition for each target of the target advertiser is smaller than the reference value of the unit price of customer attraction.
일 실시예에 따를 때, 목표 별 가격 경쟁력에 기초하여, 예산 비율을 조정하는 단계(S140)는 복수의 광고 목표들 사이의 목표 별 가격 경쟁력의 비율을 예산 비율로 설정함으로써, 예산 비율을 조정하는 단계를 포함할 수 있다. 복수의 광고 목표들 사이의 목표 별 가격 경쟁력의 비율은 복수의 목표들의 전체 가격 경쟁력에서 해당 목표의 가격 경쟁력이 차지하는 비율로, 예를 들어 해당 목표에 대응하는 가격 경쟁력을 복수의 목표들 각각에 대응하는 가격 경쟁력들의 합으로 나누어 획득될 수 있다.According to an embodiment, the step of adjusting the budget ratio based on the price competitiveness per target (S140) is to adjust the budget ratio by setting the ratio of price competitiveness per target among the plurality of advertisement targets as the budget ratio. steps may be included. The ratio of price competitiveness for each target among the plurality of advertising targets is the ratio of the price competitiveness of the target to the total price competitiveness of the plurality of targets. For example, the price competitiveness corresponding to the target corresponds to each of the plurality of targets. It can be obtained by dividing by the sum of the price competitiveness.
예를 들어, 대상 광고주에 대응하는 복수의 목표가 노출 및 방문인 경우, 가격 경쟁력에 기초하여 예산 비율을 조정하는 방법을 설명한다.For example, when a plurality of targets corresponding to a target advertiser are impressions and visits, a method of adjusting a budget ratio based on price competitiveness will be described.
x:y의 예산 비율로 노출 및 방문의 광고 목표 별 광고를 집행한 결과, 노출의 광고 목표에 대응하는 광고 성과인 노출 수는 a, 방문의 광고 목표에 대응하는 광고 성과인 방문 수는 b인 경우, 가격 경쟁력에 기초하여 예산 비율이 조정될 수 있다.As a result of running ads for each advertising goal of impressions and visits at a budget ratio of x:y, the number of impressions, which is the advertising performance corresponding to the advertising goal of impressions, is a, and the number of visits, which is the advertising performance corresponding to the advertising goal of visits, is b. In this case, the budget ratio may be adjusted based on price competitiveness.
노출의 광고 목표의 경우, 모객 단가(CPM)는 전체 예산에 광고 비율(x)을 곱한 목표 별 광고 예산(전체 예산 * x)을 노출 수(a)로 나눈 값으로 획득될 수 있다. 방문의 광고 목표의 경우, 모객 단가(CPC)는 전체 예산에 광고 비율(y)을 곱한 목표 별 광고 예산(전체 예산 * y)을 노출 수(b)로 나눈 값으로 획득될 수 있다.In the case of an advertisement target for impressions, the unit price for attracting customers (CPM) may be obtained by dividing the advertisement budget for each target (total budget * x) by multiplying the total budget by the advertisement rate (x) by the number of impressions (a). In the case of an advertising goal of a visit, the customer acquisition unit price (CPC) may be obtained by dividing the advertising budget for each target (total budget * y) by multiplying the total budget by the advertising rate (y) by the number of impressions (b).
광고 목표 별 가격 경쟁력은 대상 광고주의 광고 목표 별 모객 단가가 적어도 하나의 다른 광고주의 광고 목표 별 모객 단가에 비해 가격 측면에서 경쟁력이 있는지 여부를 판단하기 위한 것으로, 다른 광고주들의 평균 모객 단가에 비해 가격이 낮을 수록 높은 값으로 결정될 수 있다. 다른 광고주들의 CPM 값들의 평균을 CPM’, 다른 광고주들의 CPC 값들의 평균을 CPC’라고 할 때, 노출 목표의 가격 경쟁력(pcm)은 CPM’/CPM, 방문 목표의 가격 경쟁력(pcc)은 CPC’/CPC로 결정될 수 있다. 여기서, 다른 광고주들은 전체 광고주들, 대상 광고주와 동종 업계의 광고주들, 또는 매출 상위 일부의 광고주들을 의미할 수 있다. 다른 광고주들의 평균 모객 단가를 대상 광고주의 모객 단가로 나누는 방식으로 가격 경쟁력을 도출하는 예를 도시하고 있으나, 다른 광고주들의 모객 단가 및/또는 대상 광고주의 모객 단가에 파라미터를 곱하여 가격 경쟁력을 도출하는 등 다른 광고주들의 모객 단가와 비교한 대상 광고주의 모객 단가의 가격 경쟁력을 도출하기 위하여 다양한 방법이 적용될 수 있다.Price competitiveness by advertising goal is to determine whether the target advertiser's unit price for each advertising goal is competitive in terms of price compared to at least one other advertiser's unit price for each advertising goal. The lower the value, the higher the value may be determined. When the average of the CPM values of other advertisers is CPM' and the average of the CPC values of other advertisers is CPC', the price competitiveness (pcm) of the impression target is CPM'/CPM, and the price competitiveness (pcc) of the visit target is CPC' /CPC can be determined. Here, the other advertisers may mean all advertisers, advertisers in the same industry as the target advertiser, or advertisers with a higher portion of sales. Although an example of deriving price competitiveness by dividing the average customer unit price of other advertisers by the customer unit price of the target advertiser is shown, price competitiveness is derived by multiplying the customer unit price of other advertisers and/or the customer unit price of the target advertiser by a parameter. Various methods may be applied to derive the price competitiveness of the target advertiser's unit price compared to that of other advertisers.
목표 별로 획득된 가격 경쟁력의 비율이 조정된 예산 비율로 결정될 수 있다. 조정된 예산 비율을 x':y’라고 할 때, 노출 목표의 예산 비율인 x’은 노출 목표의 가격 경쟁력인 pcm의 비율인 pcm/(pcm+pcc)로 결정될 수 있고, 방문 목표의 예산 비율인 y’은 방문 목표의 가격 경쟁력인 pcc의 비율인 pcc/(pcm+pcc)로 결정될 수 있다. 해당 목표의 모객 단가를 목표 별 모객 단가들의 합으로 나눈 값으로 가격 경쟁력의 비율을 계산하는 예를 설명하고 있으나, 목표 별 모객 단가에 목표 별 가중치를 두는 등 목표 별 가격 경쟁력의 비율을 도출하기 위하여 다양한 방법이 적용될 수 있다.A ratio of price competitiveness obtained for each target may be determined as an adjusted budget ratio. When the adjusted budget ratio is x':y', x', the budget ratio of the exposure target, can be determined as pcm/(pcm+pcc), which is the ratio of pcm, the price competitiveness of the exposure target, and the budget ratio of the visit target. The value y' may be determined as pcc/(pcm+pcc), which is a ratio of pcc, which is the price competitiveness of the visit target. An example of calculating the ratio of price competitiveness by dividing the unit price for each target by the sum of the unit prices for each target is explained, but in order to derive the ratio of price competitiveness for each target Various methods may be applied.
가격 경쟁력에 기초하여 예산 비율을 조정하는 방법은 모객 단가가 다른 광고주들의 평균 값을 하회하는 광고 목표의 비중을 늘리고, 상회하는 값은 비중을 줄여 예산 비율을 조정하는 방법에 해당할 수 있다. 예를 들어, 대상 광고주가 노출 50%, 방문 50%의 예산 비율로 광고를 집행 한 성과를 수집한 결과, CPM이 100원, CPC가 200원이고, 다른 광고주들의 평균 CPM은 150원, 평균 CPC는 190원일 경우 CPM은 시장보다 33%(1 - 100/150) 낮은 가격으로 집행하고 있고 CPC는 5.2%(1 - 200/190) 높은 가격으로 집행하고 있으므로, 높은 가격으로 집행되고 있는 방문의 광고 목표의 예산 비율을 줄이고, 낮은 가격으로 집행할 수 있는 노출의 광고 목표의 예산 비율을 높이는 방식으로 예산 비율이 조절될 수 있다. 예산 조정을 통해 낮은 가격으로 광고 효율을 낼 수 있는 목표의 광고가 송출되는 비중을 늘려, 제한된 예산 내에서 효율을 높일 수 있도록 복수의 목표들에 대응되는 광고의 집행 비율이 관리될 수 있다.The method of adjusting the budget ratio based on price competitiveness may correspond to a method of adjusting the budget ratio by increasing the proportion of advertisement targets whose unit price is lower than the average value of other advertisers and reducing the proportion of the value exceeding the average value of other advertisers. For example, as a result of collecting the performance of the target advertiser running ads with a budget ratio of 50% impressions and 50% visits, the CPM is 100 won, the CPC is 200 won, and the average CPM of other advertisers is 150 won and the average CPC is 100 won. is 190 won, the CPM is executed at a price 33% (1 - 100/150) lower than the market and the CPC is executed at a higher price by 5.2% (1 - 200/190). The budget ratio may be adjusted in such a way as to decrease the budget ratio of the target and increase the budget ratio of the advertising target of low-cost exposure. Through budget adjustment, the ratio of advertisements corresponding to a plurality of targets may be managed so as to increase efficiency within a limited budget by increasing the proportion of advertisements that can achieve advertisement efficiency at a low price.
조정된 예산 비율에 따른 광고 목표 별 조정된 예산에 기초하여 목표 별로 광고가 다시 송출(S150)될 수 있으며, 광고 송출에 따른 성과를 수집(S110)하여 모객 단가 및 가격 경쟁력을 획득(S120, S130)하여 예산 비율을 조정(S140)하고 다시 광고를 송출(S150)하는 과정이 반복될 수 있다.Based on the adjusted budget for each advertising goal according to the adjusted budget ratio, advertisements can be re-sent for each goal (S150), and the performance of the advertisement transmission is collected (S110) to acquire unit price and price competitiveness (S120, S130). ), the process of adjusting the budget ratio (S140) and sending out the advertisement (S150) may be repeated.
일 실시예에 따를 때, 광고 송출(S150) 이후 종료 조건의 만족 여부가 판단(S160)될 수 있으며, 종료 조건에 해당하는 경우 광고 제공 방법의 과정은 종료될 수 있고, 종료 조건에 해당하지 않는 경우 단계(S110) 내지 단계(S150)의 과정이 반복될 수 있다. 일 실시예에 따른 종료 조건은 반복 횟수, 총 예산, 성과 달성 여부 등으로 설정될 수 있다. 예를 들어, 광고 송출의 횟수가 10회로 설정된 경우, 10회의 광고 송출 조건이 만족된 경우 종료될 수 있고, 광고 집행의 총 예산이 특정 금액으로 설정된 경우, 설정된 금액의 소진된 경우 종료될 수 있으며, 광고 집행으로 달성하려는 목표가 설정된 경우, 목표가 달성된 경우 종료될 수 있다.According to an embodiment, after the advertisement is sent (S150), it may be determined whether the termination condition is satisfied (S160), and if the termination condition is satisfied, the process of the advertisement providing method may be terminated, and In this case, the process of steps S110 to S150 may be repeated. An end condition according to an embodiment may be set to the number of iterations, total budget, achievement or not. For example, if the number of advertisements is set to 10, it may be terminated when the condition for 10 advertisements is satisfied, and if the total budget for advertisement execution is set to a specific amount, it may be terminated when the set amount is exhausted, , If a goal to be achieved through advertisement publication is set, it may end when the goal is achieved.
다른 실시예에 따른 광고 제공 방법은 목표 별 광고의 성과에 기초하여 목표 별 잔존율을 획득하는 단계, 목표 별 잔존율에 기초하여, 목표 별 병목도를 획득하는 단계를 더 포함할 수 있다. 이 경우, 일 실시예에 따른 예산 비율을 조정하는 단계(S140)는 목표 별 가격 경쟁력 및 목표 별 병목도에 기초하여, 예산 비율을 조정하는 단계를 포함할 수 있다.An advertisement providing method according to another embodiment may further include obtaining a residual rate for each target based on the performance of an advertisement for each target, and acquiring a bottleneck for each target based on the residual rate for each target. In this case, adjusting the budget ratio according to an embodiment ( S140 ) may include adjusting the budget ratio based on price competitiveness for each target and bottleneck for each target.
다른 실시예에 따를 때, 대상 광고주에 대응하는 복수의 목표들은 미리 정해진 순서가 있는 일련의 시퀀스에 해당할 수 있으며, 목표 별 잔존율을 획득하는 단계는 복수의 목표들 각각에 대응하여, 해당하는 목표의 모객 수를 이전 목표의 모객 수로 나누어 해당하는 목표의 잔존율을 획득하는 단계를 더 포함할 수 있다.According to another embodiment, the plurality of goals corresponding to the target advertiser may correspond to a series of sequences having a predetermined order, and the step of obtaining the retention rate for each goal corresponds to each of the plurality of goals, The method may further include obtaining a retention rate of the corresponding target by dividing the number of customers of the target by the number of customers of the previous target.
다른 실시예에 따를 때, 목표 별 병목도를 획득하는 단계는 목표 별 잔존율의 기준 값 및 목표 별 잔존율에 기초하여, 목표 별 병목도를 획득하는 단계를 포함할 수 있다. 목표 별 잔존율의 기준 값은 광고 목표 별로 적어도 하나의 다른 광고주의 잔존율을 참조하여 결정되는 값에 해당할 수 있으며, 예를 들어 전체 광고주의 해당 목표에 대응하는 잔존율의 평균, 특정 업계의 광고주의 해당 목표에 대응하는 잔존율의 평균 등을 포함할 수 있다. 병목도는 다른 광고주들의 잔존율과 비교한 대상 광고주에 대응하는 잔존율의 상대적인 값으로 결정될 수 있으며, 대상 광고주의 목표 별 잔존율이 기준 값보다 작을 수록 큰 값으로 결정될 수 있다.According to another embodiment, the acquiring of the bottleneck for each target may include obtaining the bottleneck for each target based on the reference value of the residual rate for each target and the residual rate for each target. The reference value of the retention rate for each target may correspond to a value determined by referring to the retention rate of at least one other advertiser for each advertising target. For example, the average retention rate corresponding to the corresponding target of all advertisers, The average retention rate corresponding to the target of the advertiser may be included. The bottleneck degree may be determined as a relative value of the retention rate corresponding to the target advertiser compared to that of other advertisers, and may be determined as a larger value when the target advertiser's retention rate for each target is smaller than the reference value.
다른 실시예에 따를 때, 목표 별 가격 경쟁력 및 병목도에 기초하여, 예산 비율을 조정하는 단계는 복수의 광고 목표들 사이의 목표 별 가격 경쟁력의 비율 및 병목도의 비율의 평균을 예산 비율로 설정함으로써, 예산 비율을 조정하는 단계를 포함할 수 있다. 복수의 광고 목표들 사이의 목표 별 병목도의 비율은 복수의 목표들의 전체 병목도에서 해당 목표의 병목도가 차지하는 비율로, 예를 들어 해당 목표에 대응하는 병목도를 복수의 목표들 각각에 대응하는 병목도들의 합으로 나누어 획득될 수 있다. 복수의 광고 목표들 사이의 목표 별 가격 경쟁력의 비율 및 병목도의 비율의 평균은 산술 평균, 기하 평균, 조화 평균 등을 포함할 수 있으며, 가격 경쟁력의 비율 및 병목도의 비율에 서로 다른 가중치를 두어 평균을 계산할 수도 있다. 이하에서는, 복수의 광고 목표들 사이의 목표 별 가격 경쟁력의 비율 및 병목도의 비율의 조화 평균에 기초하여 예산 비율을 조정하는 경우를 예로 들어 설명한다.According to another embodiment, the step of adjusting the budget ratio based on the price competitiveness and bottleneck for each target sets an average of the price competitiveness ratio and bottleneck ratio for each target among a plurality of advertising targets as the budget ratio. By doing so, the step of adjusting the budget ratio may be included. The bottleneck ratio for each target among the plurality of advertising targets is the ratio of the bottleneck of the corresponding target to the overall bottleneck of the plurality of targets. For example, the bottleneck corresponding to the target corresponds to each of the plurality of targets. It can be obtained by dividing by the sum of the bottlenecks. The average of the price competitiveness ratio and the bottleneck ratio for each target among the plurality of advertising targets may include an arithmetic mean, geometric mean, harmonic average, etc., and different weights are applied to the price competitiveness ratio and the bottleneck ratio. You can also calculate an average of two. Hereinafter, a case in which a budget ratio is adjusted based on a harmonized average of a price competitiveness ratio and a bottleneck ratio for each target among a plurality of advertisement targets will be described as an example.
예를 들어, 대상 광고주에 대응하는 복수의 목표가 노출, 방문 및 전환인 경우, 가격 경쟁력 및 병목도에 기초하여 예산 비율을 조정하는 방법을 설명한다.For example, when a plurality of targets corresponding to a target advertiser are exposure, visit, and conversion, a method of adjusting a budget ratio based on price competitiveness and bottleneck will be described.
x:y:z의 예산 비율로 노출, 방문 및 전환의 광고 목표 별 광고를 집행한 결과, 노출의 광고 목표에 대응하는 광고 성과인 노출 수는 a, 방문의 광고 목표에 대응하는 광고 성과인 방문 수는 b, 전환의 광고 목표에 대응하는 광고 성과인 전환 수는 c인 경우, 가격 경쟁력 및 병목도에 기초하여 예산 비율이 조정될 수 있다.As a result of running ads for each advertising goal of impressions, visits, and conversions at a budget ratio of x:y:z, the number of impressions, which is the advertising performance corresponding to the advertising goal of impressions, is a, and the advertising performance corresponding to the advertising goal of visits, visits. If the number is b and the number of conversions, which is the advertising performance corresponding to the advertising goal of conversion, is c, the budget ratio may be adjusted based on price competitiveness and bottleneck.
광고 성과에 기초하여 모객 단가, 가격 경쟁력 및 가격 경쟁력의 비율을 획득하는 단계는 전술한 단계와 동일하다.The step of obtaining the unit price, price competitiveness, and rate of price competitiveness based on the advertising performance is the same as the above step.
대상 광고주에 대응하는 광고 목표들이 노출, 방문, 전환의 순서의 시퀀스를 구성할 때, 첫번째 광고 목표인 노출의 경우 이전 목표가 존재하지 않으므로 잔존율을 획득할 수 없다. 두번째 광고 목표인 방문의 경우, 방문의 모객 수 (b)를 이전 목표인 노출의 모객 수(a)로 나눈 값(b/a)이 광고 목표의 잔존율(RC)로 획득될 수 있다. 세번째 광고 목표인 전환의 경우, 전환의 모객 수 (c)를 이전 목표인 노출의 모객 수(b)로 나눈 값(c/b)이 광고 목표의 잔존율(RA)로 획득될 수 있다. 도 6에서는 이전 목표의 모객 수를 바로 직전 단계의 목표의 모객 수인 경우를 예로 들어 설명하였으나, 일 실시예에 따를 때, 이전 목표의 모객 수는 바로 직전 단계의 목표의 모객 수뿐만 아니라 해당 목표의 전에 해당하는 모든 목표의 모객 수들의 합으로 계산될 수 있다. 예를 들어, 전환의 잔존율은 c/b가 아니라 c/(a+b)로 계산될 수 있다.When the advertising goals corresponding to the target advertiser form a sequence of exposure, visit, and conversion, in the case of exposure, which is the first advertising goal, the retention rate cannot be obtained because the previous goal does not exist. In the case of visits, which are the second advertising goal, a value (b/a) obtained by dividing the number of visitors (b) by the number of visitors (a) of exposures, which is the previous goal, may be obtained as a retention rate (RC) of the advertising goal. In the case of conversion, which is the third advertising target, a value (c/b) obtained by dividing the number of conversion customers (c) by the previous target, the number of customers receiving exposure (b), may be obtained as the retention rate (RA) of the advertising target. In FIG. 6, the case where the number of customers of the previous target is the number of customers of the immediately previous stage is described as an example. It can be calculated as the sum of the number of customers of all previous targets. For example, the retention rate of a conversion can be calculated as c/(a+b) rather than c/b.
광고 목표 별 병목도는 대상 광고주의 광고 목표 별 잔존율이 적어도 하나의 다른 광고주의 광고 목표 별 잔존율에 비해 낮은지 여부를 판단하기 위한 것으로, 다른 광고주들의 평균 병목도에 비해 낮을수록 높은 값으로 결정될 수 있다. 다른 광고주들의 방문의 잔존율의 평균을RC', 다른 광고주들의 전환의 잔존율의 평균을 RA'라고 할 때, 방문 목표의 병목도(brc)는 RC'/RC, 전환 목표의 병목도(bra)는 RA'/RA로 결정될 수 있다. 여기서, 다른 광고주들은 전체 광고주들, 대상 광고주와 동종 업계의 광고주들, 또는 매출 상위 일부의 광고주들을 의미할 수 있다. 도다른 광고주들의 평균 잔존율을 대상 광고주의 잔존율로 나누는 방식으로 병목도를 도출하는 예를 도시하고 있으나, 다른 광고주들의 잔존율 및/또는 대상 광고주의 잔존율에 파라미터를 곱하여 병목도를 도출하는 등 다른 광고주들의 잔존율과 비교한 대상 광고주의 잔존율의 병목도를 도출하기 위하여 다양한 방법이 적용될 수 있다.The bottleneck by advertising goal is to determine whether the retention rate by advertising goal of a target advertiser is lower than that of at least one other advertiser by advertising goal. can be determined When the average retention rate of visits from other advertisers is RC' and the average retention rate of conversions from other advertisers is RA', the bottleneck of the visit goal (brc) is RC'/RC, and the bottleneck of the conversion goal (bra ) may be determined as RA'/RA. Here, the other advertisers may mean all advertisers, advertisers in the same industry as the target advertiser, or advertisers with a higher portion of sales. Although an example of deriving the bottleneck by dividing the average retention rate of other advertisers by the retention rate of the target advertiser is shown, the bottleneck is derived by multiplying the retention rate of other advertisers and / or the retention rate of the target advertiser by a parameter Various methods may be applied to derive the bottleneck of the target advertiser's retention rate compared to that of other advertisers.
목표 별로 획득된 가격 경쟁력의 비율 및 병목도의 비율의 조화 평균으로 목표 별 조정 계수가 획득될 수 있으며, 조정 계수의 비율이 조정된 예산 비율로 결정될 수 있다. 첫번째 단계인 노출의 경우 잔존율 및 병목도가 획득될 수 없으므로, 노출의 조정 계수(rm)는 가격 경쟁력의 비율(pm)로 획득될 수 있다. 방문의 조정 계수(rc)는 가격 경쟁력의 비율(pc) 및 병목도의 비율(qc)의 조화 평균(2pcqc/(pc + qc))으로 결정될 수 있으며, 전환의 조정 계수(ra)는 가격 경쟁력의 비율(pa) 및 병목도의 비율(qa)의 조화 평균(2paqa/(pa + qa))으로 결정될 수 있다.An adjustment coefficient for each target may be obtained as a harmonized average of the ratio of price competitiveness and the ratio of bottleneck obtained for each target, and the ratio of the adjustment coefficient may be determined as the adjusted budget ratio. In the case of exposure, which is the first step, since the residual rate and bottleneck cannot be obtained, the adjustment coefficient (rm) of exposure can be obtained as the ratio (pm) of price competitiveness. The adjustment coefficient of visits (rc) can be determined as the harmonic mean (2pcqc/(pc + qc)) of the ratio of price competitiveness (pc) and the ratio of bottlenecks (qc), and the adjustment coefficient of conversion (ra) is price competitiveness. It can be determined as the harmonic average (2paqa/(pa + qa)) of the ratio of (pa) and the ratio of bottlenecks (qa).
조정된 예산 비율을 x':y':z'라고 할 때, 노출 목표의 예산 비율인 x'은 노출 목표의 조정 계수(rm)의 비율인 rm/(rm+rc+ra)로 결정될 수 있고, 방문 목표의 예산 비율인 y'은 방문 목표의 조정 계수(rc)의 비율인 rc/(rm+rc+ra)로 결정될 수 있으며, 전환 목표의 예산 비율인 z'은 전환 목표의 조정 계수(ra)의 비율인 ra/(rm+rc+ra)로 결정될 수 있다. 해당 목표의 조정 계수를 목표 별 조정 계수들의 합으로 나눈 값으로 조정 계수의 비율을 계산하는 예를 설명하고 있으나, 목표 별 조정 계수에 목표 별 가중치를 두는 등 목표 별 조정 계수의 비율을 도출하기 위하여 다양한 방법이 적용될 수 있다.When the adjusted budget ratio is x':y':z', the budget ratio x' of the exposure target can be determined as rm/(rm+rc+ra), which is the ratio of the adjustment coefficient (rm) of the exposure target , The budget ratio of the visit target, y', can be determined as the ratio of the adjustment coefficient (rc) of the visit target, rc/(rm+rc+ra), and the budget ratio of the conversion target, z', is the adjustment coefficient of the conversion target ( It can be determined as ra / (rm + rc + ra), which is the ratio of ra). Although an example of calculating the ratio of the adjustment factor by dividing the adjustment factor of the corresponding target by the sum of the adjustment coefficients for each target is explained, in order to derive the ratio of the adjustment factor for each target, such as putting a weight on the adjustment coefficient for each target, Various methods may be applied.
도 7은 제 2 실시예에 따른 광고 제공 방법의 흐름도로, 마케팅 퍼널에서 병목 단계를 해소하도록 예산 비율을 조정함으로써, 반복적으로 광고를 송출하는 광고 제공 방법을 설명하기 위한 도면이다. 다른 실시예에 따르면, 병목 단계는 마케팅 퍼널에 포함된 복수의 광고 목표들 중 광고의 전체적인 성과를 제한하는 어느 하나의 광고 목표를 의미할 수 있다.FIG. 7 is a flow chart of an advertisement providing method according to a second embodiment, and is a diagram for explaining an advertisement providing method in which advertisements are repeatedly transmitted by adjusting a budget ratio to solve a bottleneck stage in a marketing funnel. According to another embodiment, the bottleneck stage may refer to any one advertising goal that limits the overall performance of an advertisement among a plurality of advertising goals included in a marketing funnel.
도 7을 참조하면, 제 2 실시예에 따른 광고 제공 방법은 대상 광고주에 대응하여, 복수의 광고 목표들 사이의 예산 비율에 따라 송출된 목표 별 광고의 성과를 수집하는 단계(S200), 목표 별 광고의 성과에 기초하여, 목표 별 모객 단가 및 목표 별 잔존율을 획득하는 단계(S210) 및 목표 별 모객 단가에 기초하여, 목표 별 가격 경쟁력을 획득하고, 목표 별 잔존율에 기초하여, 목표 별 병목도를 획득하는 단계(S220), 목표 별 가격 경쟁력 및 목표 별 병목도 중 적어도 하나에 기초하여, 목표 별 광고의 성과에 대응하는 마케팅 퍼널에서 병목 단계를 식별하는 단계(S230), 병목 단계를 해소하도록 예산 비율을 조정하는 단계(S240), 및 조정된 예산 비율에 기초하여, 목표 별 광고를 송출하는 단계(S250)를 포함할 수 있다.Referring to FIG. 7 , the method for providing advertisements according to the second embodiment includes the steps of collecting performance of advertisements for each target sent out according to a budget ratio between a plurality of advertisement targets in response to a target advertiser (S200); Acquiring unit price for each target and retention rate for each target based on the performance of the advertisement (S210), and based on the unit price for each target, price competitiveness for each target is acquired, and based on the retention rate for each target, price competitiveness for each target is acquired Obtaining a bottleneck diagram (S220), identifying a bottleneck stage in the marketing funnel corresponding to the performance of advertisements for each goal based on at least one of price competitiveness for each goal and bottleneck for each goal (S230), It may include adjusting a budget ratio to resolve (S240), and transmitting an advertisement for each target based on the adjusted budget ratio (S250).
'마케팅 퍼널(Marketing Funnel)'이란 잠재 고객이 제품 또는 서비스를 인지하고, 제품 또는 서비스와 관련된 웹사이트를 방문하여 회원가입, 구매 등의 전환이 발생하기까지의 일련의 프로세스를 단계 별로 나누어, 각 단계에 도달한 고객의 수치를 깔때기 형상으로 나타낸 것이다. 'Marketing Funnel' refers to a series of processes from potential customers to become aware of a product or service, visit a website related to the product or service, and convert, such as membership registration and purchase, by stages. It shows the number of customers who have reached the stage in a funnel shape.
도 8을 참조하면, 각 단계(810 내지 850)에 도달한 고객의 수치를 단계 별로 시각화하여 표시할 수 있다. 마케팅 퍼널은 고객이 어느 단계에서 이탈하는지를 파악하고, 이탈 원인을 개선하여 전환율을 높이기 위한 마케팅 전략의 수립에 이용될 수 있다.Referring to FIG. 8 , the number of customers who have reached each
도 9를 참조하면, 마케팅 퍼널은 ATTENTION 단계, INTEREST 단계, SEARCH 단계, ACTION 단계, SHARE 단계로 구성될 수 있다. 각 단계에 대해 설명하면, ATTENTION 단계는 사용자가 광고의 브랜드 또는 업체에 대한 인지가 필요한 단계로, 사용자가 광고 관련 사이트에 유입시키기 위한 마케팅 전략이 필요한 단계이다. INTEREST 단계, SEARCH 단계는 사용자가 광고 관련 사이트에 유입된 경우, 유입된 사용자가 광고 관련 상품이나 서비스에 흥미와 관심을 가지게 하고, 광고 관련 상품이나 서비스를 적극적으로 찾아보도록 유도하는 마케팅 전략이 필요한 단계이다. ACTION 단계, SHARE 단계 사용자가 광고 관련 상품이나 서비스에 흥미과 관심을 가지고 있다는 판단하에, 사용자가 직접 상품이나 서비스를 구매하고, 구매 경험을 공유하여 재구매가 발생하도록 유도하는 마케팅 전략이 필요한 단계이다.Referring to FIG. 9 , the marketing funnel may consist of an ATTENTION step, an INTEREST step, a SEARCH step, an ACTION step, and a SHARE step. Each step is described. The ATTENTION step is a step in which the user needs to recognize the advertisement's brand or company, and a marketing strategy to attract the user to the advertisement-related site. In the INTEREST and SEARCH stages, when a user enters an advertisement-related site, a marketing strategy is required to induce the user to have interest and interest in advertisement-related products or services and to actively search for advertisement-related products or services. am. ACTION phase, SHARE phase Based on the judgment that the user is interested in advertising-related products or services, a marketing strategy is required to encourage repurchase by encouraging users to directly purchase products or services and share their purchase experience.
다른 실시예에 따른 광고 제공 방법은 목표 별 가격 경쟁력 및 목표 별 병목도 중 적어도 하나에 기초하여, 예산 비중을 높일 광고 목표가 마케팅 퍼널에서 병목 단계로 식별될 수 있다. 예를 들어, 특정 목표의 가격 경쟁력이 다른 목표의 가격 경쟁력보다 높은 경우, 해당 목표가 병목 단계로 식별되어 해당 목표의 광고 송출을 위한 예산 비율이 증가될 수 있다. 또는 특정 목표의 병목도가 다른 목표의 병목도보다 높은 경우, 해당 목표가 병목 단계로 식별되어 해당 목표의 광고 송출을 위한 예산 비율이 증가될 수 있다.In an advertisement providing method according to another exemplary embodiment, an advertisement target to increase a budget ratio may be identified as a bottleneck step in a marketing funnel based on at least one of price competitiveness for each target and bottleneck for each target. For example, when the price competitiveness of a specific target is higher than that of other targets, the corresponding target may be identified as a bottleneck stage, and a budget ratio for advertisement transmission of the corresponding target may be increased. Alternatively, when the bottleneck of a specific target is higher than that of other targets, the corresponding target may be identified as a bottleneck stage, and a budget ratio for advertisement transmission of the target may be increased.
일 실시예에 따른 예산 비율은 전술한 방법에 따라 조정될 수 있다. 예산 비율 조정 방법에 따라 병목 단계로 식별된 목표의 예산 비율을 늘려, 병목 단계로 식별된 목표의 광고의 비중을 늘림으로써, 병목 단계가 해소되는 방향으로 목표 별 광고가 집행될 수 있다.The budget ratio according to an embodiment may be adjusted according to the method described above. According to the budget rate adjustment method, advertisements for each goal may be executed in a direction in which the bottleneck stage is resolved by increasing the budget rate of the target identified as the bottleneck stage and increasing the proportion of advertisements for the target identified as the bottleneck stage.
도 10은 일 실시예에 따른 광고 예산 예측 장치(102)와 트레이닝 장치(101)를 도시한 도면이다.10 is a diagram illustrating an advertisement
일 실시예는 학습 모델(103)을 이용한 광고 예산 예측 방법 및 장치와 학습 모델(103)의 트레이닝 방법 및 장치에 관한 것으로 모수 유저의 특징을 이용하여 광고 예산을 예측하는 학습 모델(103)을 트레이닝하고, 트레이닝된 학습 모델(103)을 이용하여 실제 광고에 사용될 광고 예산을 예측하는 방법 및 장치에 관한 것이다.An embodiment relates to a method and apparatus for predicting an advertising budget using a
모수 유저란 특정 광고에 대해 전환이 발생할 가능성이 높은 유저를 의미한다. 전환이 발생하는 경우란 타겟 유저가 그 특정 광고에 접근하여 그 특정 광고의 광고주 홈페이지에서 그 광고주의 매출과 연관된 이벤트(예: 회원가입, 구매, 앱 설치, 앱 구매, 장바구니, 톡 참여, 톡 가입 등)를 수행한 경우를 의미한다. The parameter user refers to a user with a high probability of converting to a specific advertisement. When a conversion occurs, the target user accesses the specific advertisement, and the event related to the advertiser's sales on the advertiser's homepage of the specific advertisement (e.g., membership registration, purchase, app installation, app purchase, shopping cart, talk participation, talk signup) etc.)
따라서, 타겟 유저가 특정 광고에 접근했더라도 매출과 관련된 이벤트의 수행없이 다시 전환이 발생한 유저라 볼 수 없다. 즉, 전환에 대한 이벤트란, 광고주의 매출와 연관된 이벤트를 의미한다.Therefore, even if the target user accesses a specific advertisement, it cannot be regarded as a user whose conversion has occurred again without performing an event related to sales. That is, the conversion event refers to an event related to the advertiser's sales.
도 10을 참조하면, 트레이닝 장치(101)는 학습 데이터(104)를 이용하여 학습 모델(103)을 트레이닝하며, 광고 예산 예측 장치(102)는 트레이닝된 학습 모델(103)을 이용하여 모수 유저의 특징 데이터(feature)(105)에 따라 광고 별로 광고 예산을 예측한다. Referring to FIG. 10 , a
일례로, 도 10과 같이, A, B, C 3개의 광고가 있을 때 학습 모델(103)은 광고 별로 생성되며, 광고 제공 장치(100)는 모든 광고들에 대하여 각각의 학습 모델(103)을 이용하여 각 광고에 대한 광고 예산(106, 107, 108)를 예측한다. For example, as shown in FIG. 10, when there are three advertisements A, B, and C, a
학습 데이터(104)는 시드 유저(seed user) 및 논시드 유저(non-seed user)의 특징 데이터들로 구성된다. 시드 유저는 일정 기간 동안 광고에 대한 전환이 발생한 유저를 의미하고, 논시드 유저는 일정 기간 동안 광고에 대한 전환이 발생하지 않은 유저를 의미한다. 따라서, 시드 유저 및 논시드 유저는 광고마다 달라질 수 있으며, 동일한 유저라도 광고에 따라 시드 유저이거나 논시드 유저일 수 있다.The training data 104 is composed of seed user and non-seed user feature data. Seed users refer to users who convert to advertisements during a certain period of time, and non-seed users mean users to whom conversion to advertisements does not occur during a certain period of time. Accordingly, the seed user and the non-seed user may be different for each advertisement, and even the same user may be a seed user or a non-seed user depending on the advertisement.
구체적으로, 학습 데이터(104)에서 실제 전환이 발생한 시드 유저의 특징 데이터는 정답 레이블로 이용되고, 트레이닝 장치(101)는, 학습 모델(103)이 시드 유저와 논시드 유저로 구성되는 트레이닝 유저들의 특징 데이터에 기초하여, 트레이닝 유저들 중 시드 유저를 모수 유저로 예측하고 예측된 모수 유저의 수에 따라 광고 예산을 예측하도록 학습 모델(103)을 트레이닝한다. 이 때, 논시드 유저는 시드 유저에 비해 많기 때문에 임의로 네거티브 샘플링(negative sampling)을 통해 식별될 수 있다.Specifically, the characteristic data of seed users whose conversions actually occurred in the learning data 104 is used as the correct answer label, and the
특징 데이터(105)란, 일정 기간 동안, 시드 유저, 논시드 유저 및 타겟 유저가 온라인에서 광고와 관련하여 수행한 행위(클릭, 입력 등)에 대한 로그 기록을 의미할 수 있다. 일례로, 특징 데이터는 SDK & Pixel, MAT(Mobile App Tracking), MMP(Mobile Measurement Partner) 등을 통해 획득될 수 있다. 따라서, 시드 유저나 논시드 유저는 기존에 수집된 유저들의 특징 데이터에 기초하여 광고 별로 미리 결정될 수 있다. The feature data 105 may refer to log records of actions (clicks, inputs, etc.) performed in relation to advertisements online by seed users, non-seed users, and target users during a certain period of time. For example, feature data may be obtained through SDK & Pixel, Mobile App Tracking (MAT), Mobile Measurement Partner (MMP), and the like. Accordingly, seed users or non-seed users may be previously determined for each advertisement based on previously collected characteristic data of users.
특징 데이터들은 광고 마다 달라질 수 있고, 전환에 대한 이벤트를 포함한다. 예를 들어, 광고에 대한 클릭은 전환에 대한 이벤트는 아니나 특징 데이터의 한 종류일 수 있다. 그리고, 광고주의 홈페이지로 접근한 이후 특정 배너를 클릭하거나 하는 등의 행위들도 특징 데이터의 한 종류일 수 있다. 그리고, 가입이나, 장바구니와 같은 전환에 대한 이벤트도 특징 데이터의 한 종류일 수 있다. Characteristic data may be different for each advertisement, and include an event for conversion. For example, a click on an advertisement may not be a conversion event, but may be a type of feature data. In addition, actions such as clicking a specific banner after accessing the advertiser's homepage may also be a type of feature data. In addition, conversion events such as subscription or shopping cart may also be a type of feature data.
이 때, 특징 데이터는 특정 홈페이지나 앱에서 유저가 수행한 행위에 대한 것을 기준으로 결정될 수 있고, 또는 특정 브라우저(예: Explorer), 하드웨어(예: PC, 스마트폰)를 기준으로 유저가 수행한 행위로 결정될 수 있다. At this time, the characteristic data may be determined based on the actions performed by the user on a specific homepage or app, or based on a specific browser (eg Explorer) or hardware (eg PC, smartphone). action can be determined.
일례로, 학습 과정에서, 트레이닝 장치(101)는 시드 유저와 논시드 유저를 1:2의 비율로 식별하고, 이들을 트레이닝 및 유효화 세트와 테스트 세트로 구분하여 학습 모델(103)의 트레이닝에 이용할 수 있다. For example, in the learning process, the
다만, 특정 광고에 대하여 학습 모델(103)을 트레이닝하기 위해서는, 일정 수 이상의 시드 유저가 요구된다. 예를 들어, 500개 이상의 시드가 있는 광고에 대해서 학습 모델(103)의 트레이닝 과정이 처리될 수 있다. 시드 유저가 일정 수 이상이 안되는 경우, 학습 모델(103)이 모수 유저를 정확히 예측하기 어렵기 때문이다. However, in order to train the
그리고, 특정 광고에 대한 시드 유저가 일정 수 보다 적은 경우, 특정 광고가 속하는 광고주에 포함된 다른 광고들의 시드 유저들이 이용될 수 있다. 구체적으로, 트레이닝 장치(101)는 특정 광고주에 속하는 광고들에 대한 시드 유저들을 학습 데이터(104)로 그 특정 광고주에 대한 학습 모델(103)을 트레이닝할 수 있다. Also, when the number of seed users for a specific advertisement is less than a predetermined number, seed users of other advertisements included in the advertiser to which the specific advertisement belongs may be used. Specifically, the
또한, 특정 광고주에 속하는 광고들에 대한 시드 유저도 일정 수 보다 적은 경우, 특정 광고주와 동일한 특징을 가진 광고주들의 그룹인 광고주 그룹에 포함된 다른 광고들의 시드 유저들이 이용될 수 있다. 구체적으로, 트레이닝 장치(101)는 특정 광고주 그룹에 속하는 광고들에 대한 시드 유저들을 학습 데이터(104)로 그 특정 광고주에 대한 학습 모델(103)을 트레이닝할 수 있다.Also, when the number of seed users for advertisements belonging to a specific advertiser is less than a predetermined number, seed users of other advertisements included in the advertiser group, which is a group of advertisers having the same characteristics as the specific advertiser, may be used. Specifically, the
즉, 광고 예산 예측 과정에서, 특정 광고에 대하여 트레이닝된 학습 모델(103)이 없으나, 특정 광고가 속하는 광고주 또는 광고주 그룹에 대한 학습 모델(103)이 있는 경우, 광고 예산 예측 장치(102)는 그 광고주 또는 광고주 그룹에 대한 학습 모델(103)을 이용하여 그 특정 광고에 대한 모수 유저를 예측한다. That is, in the advertising budget prediction process, when there is no
다른 예로, 광고 예산 예측 장치(102)는 광고주 또는 광고주 그룹에 대한 학습 모델(103)에 타겟 유저의 특징 데이터(105)를 입력하여 특정 광고에 대한 광고 예산을 예측할 수 있다. As another example, the advertising
광고 예산 예측 장치(102) 및 트레이닝 장치(101)는 모두 광고 제공 서버(100)의 프로세서에 대응하는 장치이며, 각각 동일한 프로세서에 대응할 수 있고, 또는 각자 다른 프로세서에 대응할 수 있다. 그리고, 광고 예산 예측 장치(102)는 일 실시예의 광고 예산 예측 방법을 수행하며, 트레이닝 장치(101)는 일 실시예의 트레이닝 방법을 수행한다.Both the advertisement
도 11은 제 3 실시예에 따른 광고 제공 방법의 흐름도로, 제 3 실시예에 따른 광고 예산 예측 방법을 플로우 차트로 도시한 도면이다.FIG. 11 is a flow chart of a method for providing advertisements according to a third embodiment, and is a flowchart illustrating a method for predicting an advertisement budget according to a third embodiment.
단계(S300)에서, 광고 예산 예측 장치(102)는 광고 별로 광고 예산을 예측하는 학습 모델의 유무를 판단한다. 앞서 설명한 것처럼, 특정 광고에 대한 시드 유저가 부족한 경우 트레이닝된 학습 모델이 없다. 따라서, 광고 예산 예측 장치(102)는 광고 별로 광고 예산 예측의 방법을 달리한다. In step S300, the advertising
단계(S310)에서, 광고 예산 예측 장치(102)는 광고에 대한 학습 모델이 있는 경우, 광고에 대한 학습 모델을 이용하여 광고 예산을 예측한다. 이 때, 학습 모델은 그 광고에 대해 미리 트레이닝된 학습 모델이다. In step S310, the advertising
광고 예산 예측 장치(102)는, 타겟 유저들의 특징 데이터들을 수집하고, 타겟 유저의 특징 데이터에서 그 광고에 대한 전환과 연관된 특징 데이터를 추출한다. 그리고, 광고 예산 예측 장치(102)는 추출된 특징 데이터를 트레이닝된 학습 모델에 입력함으로써 타겟 유저들 중 모수 유저를 결정하고, 결정된 모수 유저에 따라 광고 예산을 결정한다.The advertisement
단계(S320)에서, 광고 예산 예측 장치(102)는 광고에 대한 학습 모델이 없는 경우, 광고가 속하는 광고주에 대해 미리 학습된 학습 모델의 유무를 판단한다. 예를 들어, A 메이커의 신발과 관련된 광고인 경우, A 메이커에 대한 시드 유저가 부족하더라도, 광고주인 A 메이커의 의류, 선그라스 등 다양한 광고에 대한 시드 유저들이 있을 수 있다. In step S320, if there is no learning model for the advertisement, the advertisement
단계(S330)에서, 광고 예산 예측 장치(102)는 그 광고주에 대한 학습 모델이 있는 경우, 해당 광고주에 대한 학습 모델을 이용하여 광고 예산을 예측한다. In step S330, if there is a learning model for the advertiser, the advertising
광고 예산 예측 장치(102)는, 타겟 유저들의 특징 데이터를 수집하고, 타겟 유저의 특징 데이터에서 그 카테고리에 속하는 광고들의 전환과 연관된 특징 데이터를 추출한다. 그리고, 광고 예산 예측 장치(102)는 추출된 특징 데이터를 트레이닝된 학습 모델에 입력함으로써 타겟 유저들 중에서 모수 유저를 결정할 수 있으며, 결정된 모수 유저에 따라 광고 예산을 결정할 수 있다.The advertisement
광고 예산 예측 장치(102)는, 결정된 모수 유저의 수에 따라 광고 예산을 결정할 수 있다. 일례로, 광고 예산 예측 장치(102)는 모수 유저의 수가 클수록 해당 광고의 예산 또는 예산 비율을 높일 수 있으며, 모수 유저의 수가 작을수록 해당 광고의 예산 또는 예산 비율을 줄일 수 있다.The advertisement
광고 예산 예측 장치(102)는, 결정된 모수 유저 전체를 이용하지 않고, 모수 유저 중 특정 특징을 가진 모수 유저의 수에 따라 광고 예산을 결정할 수 있다. 일례로, 광고 예산 예측 장치(102)는 결정된 모수 유저 중 남자 유저의 수를 이용하여 광고 예산을 예측할 수 있고, 결정된 모수 유저 중 대학생 유저의 수를 이용하여 광고 예산을 예측할 수 있다.The advertising
단계(S340)에서, 광고 예산 예측 장치(102)는 광고주에 대한 학습 모델이 없는 경우, 광고주 그룹에 대해 미리 학습된 학습 모델의 유무를 판단한다. 예를 들어, A 광고주와 관련된 광고인 경우, A 광고주와 같은 특징을 가지는 광고주들의 그룹인 광고주 그룹의 다양한 광고에 대한 시드 유저들이 있을 수 있다.In step S340, if there is no learning model for the advertiser, the advertising
단계(S350)에서, 광고 예산 예측 장치(102)는 그 광고주 그룹에 대한 학습 모델이 있는 경우, 해당 광고주 그룹에 대한 학습 모델을 이용하여 광고 예산을 예측한다.In step S350, if there is a learning model for the advertiser group, the advertising
그리고, 단계(S360)에서, 광고 예산 예측 장치(102)는 그 광고주 그룹에 대한 학습 모델이 없는 경우, 구매력이 높은 유저들을 모수 유저로 예측하고, 예측된 모수 유저를 이용하여광고 예산을 예측한다. 구체적으로, 광고 예산 예측 장치(102)는 광고주 그룹에 대한 학습 모델이 없는 경우, 타겟 유저들의 전환에 대한 기록에 기초하여 모수 유저를 예측하고, 예측된 모수 유저를 이용하여 광고 예산을 예측한다. Then, in step S360, if there is no learning model for the advertiser group, the advertising
일례로, 구매력이 높은 유저는 광고의 종류나 카테고리와 관계없이 광고 노출에 대하여 전환이 다른 유저들보다 많이 발생한 유저를 의미하며, 타겟 유저들의 전환에 대한 기록들에 기초하여 일정 기간 동안 임의의 광고에 대한 전환 발생 횟수가 가장 많은 유저들을 모수로 예측할 수 있다.For example, a user with high purchasing power refers to a user who has converted more than other users with respect to advertisement exposure regardless of the type or category of advertisement, and random advertisement for a certain period of time based on records of conversion of target users. Users with the highest number of conversions for can be predicted as a parameter.
일 실시예는 전술한 제 3 실시예에 따라 광고 예산을 예측하고, 예측된 광고 예산에 기초하여 광고를 송출할 수 있다. 그리고, 일 실시예는 송출된 광고 별 성과를 획득할 수 있으며, 전술한 제 1 실시예 또는 제 2 실시예에 따라 획득한 광고 별 성과에 기초하여 광고 별 예산 비율을 조정할 수 있다.According to the above-described third embodiment, an embodiment may predict an advertisement budget and transmit an advertisement based on the predicted advertisement budget. In addition, an embodiment may obtain performance for each transmitted advertisement, and adjust a budget ratio for each advertisement based on the performance for each advertisement obtained according to the first or second embodiment.
도 12는 일 실시예에 따른 학습 모델의 트레이닝 과정을 도식화한 도면이다.12 is a diagram illustrating a training process of a learning model according to an embodiment.
학습 모델의 트레이닝 과정에서, 시드 유저(402, 403) 및 논시드 유저(401)로 구성되는 트레이닝 유저(400)의 특징 데이터(411-412)들은 트레이닝 장치(101)의 학습 모델에 입력된다. 도 12에서, 광고 1에 대한 시드 유저(402)는 광고 2에 대해 논시드 유저이다. 마찬가지로, 광고 2에 대한 시드 유저(403)은 광고 1에 대해 논시드 유저이다. 그리고, 논시드 유저(401)은 어느 광고에 대해서도 시드 유저가 아니다. In the process of training the learning model, the
트레이닝 장치(101)는 광고 별로 시드 유저의 특징 데이터들(411, 412)에서 전환의 발생과 연관성 높은 특징 데이터들을 광고 별로 결정한다. 전환의 발생과 연관성 높은 특징 데이터는 특징 데이터의 중요도로 결정된다. The
특정 특징 데이터에 대한 중요도를 결정하기 위해, 트레이닝 장치(101)는 특정 특징 데이터를 가지고 있는 시드 유저와 특정 특징 데이터를 가지고 있는 논시드 유저를 비교함으로써 특정 특징 데이터의 중요도를 결정하고, 중요도가 높은 순으로 특징 데이터들을 추출한다. In order to determine the importance of specific feature data, the
구체적으로, 트레이닝 장치(101)는 시드 유저들 중 특정 특징 데이터를 가지고 있는 시드 유저의 비율과 논시드 유저들 중 특정 특징 데이터를 가지고 있는 논시드 유저의 비율 간의 차이를 이용하여 특정 특징 데이터의 중요도를 결정할 수 있다.Specifically, the
다시 말해, 시드 유저들 중 특정 특징 데이터를 가지고 있는 시드 유저의 비율이 클수록, 특정 특징 데이터의 중요도가 높게 결정되며, 논시드 유저들 중 특정 특징 데이터를 가지고 있는 논시드 유저의 비율이 클수록, 특정 특징 데이터의 중요도가 낮게 결정된다.In other words, as the proportion of seed users with specific feature data among seed users increases, the importance of specific feature data is determined to be high, and as the proportion of non-seed users with specific feature data among non-seed users increases, The importance of feature data is determined to be low.
트레이닝 장치(101)는 특정 광고에 대해 중요도가 가장 높은 특징 데이터들을 이용하여 그 광고에 대한 학습 모델의 트레이닝을 수행한다. 일례로, 도 12를 참조하면, 광고 1에 대한 시드 유저(402)의 특징 데이터(411)가 A, B, C, D 등이 있을 때, 트레이닝 장치(101)는 각 특징 데이터(411)들의 광고 1에 대한 중요도를 결정하고, 중요도가 가장 높은 특징 데이터 B, D (421)를 학습 모델의 트레이닝에 이용한다. The
다른 예로, 광고 2에 대한 시드 유저(403)의 특징 데이터(412)가 E, B, C, H 등이 있을 때, 트레이닝 장치(101)는 각 특징 데이터(412)들의 광고 2에 대한 중요도를 결정하고, 중요도가 가장 높은 특징 데이터 E, H (422)를 학습 모델의 트레이닝에 이용한다. 이 때, 특징 데이터 B는 시드 유저들(402, 403)에 공통적으로 포함된 특징 데이터이지만 광고에 따라 특징 데이터의 중요도가 다르기 때문에 광고 2에서 중요도가 높은 특징 데이터로 결정되지 않았다. As another example, when the
그리고, 트레이닝 장치(101)는, 일정 기간 동안 추출된 특징 데이터들의 수가 기준 범위 이상인 경우, 추출된 특징 데이터들에 대한 기록을 삭제할 수 있다. 이는 메모리 낭비를 방지하고, 성능을 높이기 위함이다.Further, the
트레이닝 장치(101)는 다시 광고 별로 시드 유저들의 특징 데이터를 식별한다. 그리고, 트레이닝 장치(101)는 식별된 특징 데이터들 중 광고에 대한 전환과 연관되는 특징 데이터들을 다시 추출한다. The
트레이닝 장치(101)는 시드 유저(402, 403) 및 논시드 유저(401)들을 포함하는 트레이닝 유저(400)의 특징 데이터(411-412) 중 중요도가 높은 피처(421-422)들을 학습 모델(431, 432)에 입력한다. 이 때, 모든 논시드(401) 유저가 트레이닝 유저(400)로 입력되지 않을 수 있고, 시드 유저(402, 403)와 비율을 고려하여 임의로 샘플링될 수 있다. 이 때 네거티브 샘플링이 이용될 수 있다. The
트레이닝 장치(101)는 시드 유저(402, 403)의 특징 데이터를 정답 레이블로 하여, 학습 모델(431, 432)이 트레이닝 유저(400)들 중 시드 유저(402, 403)를 모수로 예측하도록 트레이닝 한다. 즉, 트레이닝 장치(101)는 학습 모델(431, 432)이 예측한 모수 유저와 시드 유저의 차이가 최소화되도록 학습 모델(431, 432)을 트레이닝한다.The
구체적으로, 트레이닝 유저들의 특징 데이터들 중 중요도가 높은 특징 데이터(421, 422)들이 학습 모델에 입력되고, 학습 모델은 트레이닝 유저들의 특징 데이터(421, 422)에 기초하여 시드 유저를 예측하도록 트레이닝 된다.Specifically, among the feature data of training users, feature
그리고, 트레이닝 장치(101)는 학습 모델로 예측한 모수 유저와 시드 유저의 차이를 계산하는 손실 함수(441, 442)를 이용한다. 구체적으로, 트레이닝 장치(101)는 손실 함수의 값이 최소가 되도록 학습 모델에 포함된 가중치를 업데이트하여 학습 모델을 트레이닝할 수 있다. Then, the
일례로, 트레이닝 장치(101)는 특정 광고에 대한 학습 모델로 트레이닝 유저들의 시드일 확률을 결정할 수 있다. 그리고, 트레이닝 장치(101)는 그 확률이 가장 높은 순으로 트레이닝 유저들 중에서 모수 유저를 결정할 수 있다. 이 때, 결정된 확률이 가장 높은 상위 트레이닝 유저들은 일정 수만큼 저장될 수 있다. For example, the
그리고, 결정된 확률이 가장 높은 상위 모수들 중 대부분이 모수로 결정되는 경우, 오버피팅(overfitting)이 발생한 것으로 보고, 에포크(epoch), 이터레이션(iteration)를 줄이는 방향으로 재설정된다. 오버피팅(overfitting)의 발생을 방지하기 위하여, 트레이닝 장치(101)는 최소 기준을 미리 설정하고, 손실 함수의 값이 최소 기준보다 작게되면 그 광고에 대한 학습을 중단한다. And, if most of the upper parameters with the highest determined probability are determined as parameters, overfitting is considered to have occurred, and resets in the direction of reducing epochs and iterations. In order to prevent overfitting from occurring, the
최소 기준은 시드 유저의 수에 기초하여 결정된다. 시드 유저의 수가 클수록 최소 기준은 적은 값으로 결정되며, 시드 유저의 수가 적을수록 최소 기준은 높은 값으로 결정된다. 그리고, 트레이닝 장치(101)는 트레이닝 유저를 구성하는 논시드 유저의 네거티브 샘플링 비율을 조정함으로써 결정된 스코어를 보정할 수 있다. The minimum criterion is determined based on the number of seed users. As the number of seed users increases, the minimum criterion is determined with a small value, and as the number of seed users decreases, the minimum criterion is determined with a high value. Then, the
일례로, 본 발명의 학습 모델은 딥러닝 기반의 네트워크 모델일 수 있다. 구체적으로, 학습 모델은 i) 입력 데이터에 대한 회귀 분석 결과를 출력하는 학습 모델(예: logistic regression)과 ii) 복수의 레이어를 가지며 입력 데이터에 대한 일반화된(generalized) 결과를 출력하는 학습 모델(예: deep neural network)이 결합되어, 상호 보완하는 학습 모델일 수 있다. For example, the learning model of the present invention may be a deep learning-based network model. Specifically, the learning model includes i) a learning model that outputs a regression analysis result for input data (e.g., logistic regression) and ii) a learning model that has a plurality of layers and outputs a generalized result for the input data (eg, logistic regression) e.g., deep neural networks) can be combined to provide complementary learning models.
일례로, 도 12를 참조하면, 광고 1은 학습 모델(431)이 이용되며, 광고 2는 학습 모델(432)가 이용된다고 할 때, 학습 모델(431)에는 트레이닝 유저(400)의 특징 데이터(421)가 입력되며, 시드 유저(402)의 특징 데이터가 정답 레이블로 입력된다. 학습 모델(432)에는 트레이닝 유저(400)의 특징 데이터(422)가 입력되며, 시드 유저(403)의 특징 데이터가 정답 레이블로 입력된다. As an example, referring to FIG. 12 , when the
도 13은 일 실시예에 따른 사용자 단말(300)의 구성도이다. 이하, 도 13에 도시된 사용자 단말(300)를 구성하는 구성요소들에 대해 차례로 살펴본다.13 is a configuration diagram of a
무선 통신부(310)는 사용자 단말(300)와 무선 통신 시스템 사이의 무선 통신 또는 사용자 단말(300)와 사용자 단말(300)가 위치한 네트워크 사이의 무선 통신을 수행하는 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 무선 통신부(310)는 방송 수신 모듈(311), 이동통신 모듈(312), 무선 인터넷 모듈(313), 근거리 통신 모듈(314) 및 위치정보 모듈(315) 등을 포함할 수 있다.The
방송 수신 모듈(311)은 방송 채널을 통하여 외부의 방송 관리 서버로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 여기에서, 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 한편, 방송 관련 정보는 이동통신망을 통하여도 제공될 수 있으며, 이러한 경우에는 이동통신 모듈(312)에 의해 수신될 수 있다.The
또한, 이동통신 모듈(312)은 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.In addition, the
무선 인터넷 모듈(313)은 무선 인터넷 접속을 위한 모듈을 말하는 것으로, 사용자 단말(300)에 내장되거나 외장 될 수 있다.The
근거리 통신 모듈(314)은 근거리 통신을 위한 모듈을 말한다. 근거리 통신 기술로, 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(IrDA, infrared Data Association), UWB(Ultra Wideband), ZigBee 등이 이용될 수 있다.The short-
또한, 위치정보 모듈(115)은 사용자 단말(300)의 위치를 확인하거나 얻기 위한 모듈이다. 일례로 GPS(Global Position System) 모듈을 들 수 있다. GPS 모듈은 복수 개의 인공위성으로부터 위치 정보를 수신한다. 여기에서, 위치 정보는 위도 및 경도로 표시되는 좌표 정보를 포함할 수 있다.Also, the location information module 115 is a module for confirming or obtaining the location of the
한편, A/V(Audio/Video) 입력부(320)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(321)와 마이크(322) 등이 포함될 수 있다. 카메라(321)는 화상 통화 모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 그리고, 처리된 화상 프레임은 디스플레이부(351)에 표시될 수 있다.Meanwhile, an audio/video (A/V)
카메라(321)에서 처리된 화상 프레임은 메모리(360)에 저장되거나 무선 통신부(310)를 통하여 외부로 전송될 수 있다. 카메라(321)는 사용자 단말(300)의 구성 태양에 따라 2개 이상이 구비될 수도 있다.An image frame processed by the
마이크(322)는 통화모드 또는 녹음모드, 음성인식 모드 등에서 마이크로폰(Microphone)에 의해 외부의 음향 신호를 입력받아 전기적인 음성 데이터로 처리한다. 그리고, 처리된 음성 데이터는 통화 모드인 경우 이동통신 모듈(312)을 통하여 이동통신 기지국으로 송신 가능한 형태로 변환되어 출력될 수 있다. 마이크(322)는 외부의 음향 신호를 입력받는 과정에서 발생하는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘을 구현할 수 있다.The
사용자 입력부(330)는 사용자로부터 입력 동작을 받아들여, 사용자 단말(300)의 동작 제어를 위한 입력 데이터를 발생시킨다.The
센싱부(340)는 사용자 단말(300)의 위치, 사용자 접촉 유무, 사용자 단말(300)의 방위, 사용자 단말(300)의 가속/감속 등과 같이, 사용자 단말(300)의 현 상태를 감지하여 사용자 단말(300)의 동작을 제어하기 위한 센싱 신호를 발생시킨다.The
인터페이스부(370)는 사용자 단말(300)에 연결되는 모든 외부기기와의 인터페이스 역할을 한다. 예를 들어, 유/무선 헤드셋 포트, 외부 충전기 포트, 유/무선 데이터 포트, 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트, 오디오 I/O(Input/Output) 포트, 비디오 I/O(Input/Output) 포트, 이어폰 포트 등이 포함될 수 있다.The
출력부(350)는 오디오 신호 또는 비디오 신호 또는 알람(alarm) 신호의 출력을 위한 것으로, 이에는 디스플레이부(351)와 음향 출력 모듈(352), 알람부(353) 등이 포함될 수 있다.The
디스플레이부(351)는 사용자 단말(300)에서 처리되는 정보를 표시 출력한다. 예를 들어, 단말기가 통화 모드인 경우, 통화와 관련된 UI(User Interface) 또는 GUI(Graphic User Interface)를 표시한다. 그리고, 사용자 단말(300)가 화상 통화 모드 또는 촬영 모드인 경우, 촬영 또는/및 수신된 영상 또는 UI, GUI를 표시한다.The
한편, 전술한 바와 같이, 디스플레이부(351)와 터치 패드가 상호 레이어 구조를 이루어 터치 스크린으로 구성되는 경우, 디스플레이부(351)는 출력 장치 이외에 입력 장치로도 사용될 수 있다. 디스플레이부(351)는 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display), 유기 발광 다이오드(organic light-emitting diode), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 중에서 적어도 하나를 포함할 수 있다. 그리고, 사용자 단말(300)의 구현 형태에 따라, 디스플레이부(351)는 2개 이상 존재할 수도 있다. 예를 들어, 사용자 단말(300)에 외부 디스플레이부(미도시)와 내부 디스플레이부(미도시)가 동시에 구비될 수 있다.Meanwhile, as described above, when the
음향 출력 모듈(352)은 호 신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서, 무선 통신부(310)로부터 수신되거나 메모리(360)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력 모듈(352)은 사용자 단말(300)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음 등)과 관련된 음향 신호를 출력한다. 이러한 음향 출력 모듈(352)에는 스피커(speaker), 버저(Buzzer) 등이 포함될 수 있다.The
알람부(353)는 사용자 단말(300)의 이벤트 발생을 알리기 위한 신호를 출력한다. 단말기에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력 등이 있다. The
메모리(360)는 제어부(380)의 처리 및 제어를 위한 프로그램이 저장될 수도 있고, 입/출력되는 데이터들(예를 들어, 폰북, 메시지, 정지영상, 동영상 등)의 임시 저장을 위한 기능을 수행할 수도 있다.The
메모리(360)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory) 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.The
제어부(380)는 통상적으로 단말기의 전반적인 동작을 제어한다. 예를 들어, 음성 통화, 데이터 통신, 화상 통화 등을 위한 관련된 제어 및 처리를 수행한다. 또한, 제어부(380)는 멀티 미디어 재생을 위한 멀티미디어 모듈(181)을 구비할 수도 있다. 멀티미디어 모듈(381)은 제어부(380) 내에 구현될 수도 있고, 제어부(380)와 별도로 구현될 수도 있다.The
제어부(380)는 전술한 광고 제공 방법을 구현하기 위한 단말기의 다양한 동작을 제어한다.The
전원 공급부(290)는 제어부(280)의 제어에 의해 외부의 전원, 내부의 전원을 인가받아 각 구성요소들의 동작에 필요한 전원을 공급한다.The power supply unit 290 receives external power and internal power under the control of the controller 280 and supplies power required for operation of each component.
한편, 상술한 광고 제공 서버(100)의 동작 중 적어도 일부 또는 전부는 사용자 단말(300)에서 구현될 수도 있다. 이때, 사용자 단말(300)에는 광고 제공 서버(100)와 통신하여 상술한 광고 제공 서버(100)의 동작을 수행하기 위한 애플리케이션이 미리 설치될 수 있다.Meanwhile, at least some or all of the operations of the
Claims (8)
광고 별 광고 예산을 예측하는 학습 모델의 유무를 판단하는 단계;
상기 광고에 대한 학습 모델이 있는 경우, 상기 광고에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계;
상기 광고에 대한 학습 모델이 없는 경우, 상기 광고가 속하는 광고주에 대해 미리 학습된 학습 모델의 유무를 판단하는 단계;
상기 광고주에 대한 학습 모델이 있는 경우, 상기 광고주에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계;
상기 예측된 광고 예산에 따라 송출된 광고 목표 별 광고의 성과를 수집하는 단계;
상기 광고 목표 별 광고의 성과에 기초하여, 광고 목표 별 모객 단가 및 가격 경쟁력을 획득하는 단계;
상기 광고 목표 별 가격 경쟁력 및 모객 단가를 이용하여, 예산 비율을 조정하는 단계; 및
상기 조정된 예산 비율에 기초하여, 광고 목표 별 광고를 송출하는 단계를 포함하는, 광고 제공 방법.
As an advertisement providing method performed by an advertisement providing server,
Determining whether there is a learning model for predicting an advertisement budget for each advertisement;
predicting an advertisement budget by using the learning model for the advertisement if there is a learning model for the advertisement;
If there is no learning model for the advertisement, determining whether there is a pre-learned learning model for the advertiser to which the advertisement belongs;
predicting an advertising budget using the learning model for the advertiser when there is a learning model for the advertiser;
collecting performance of advertisements for each advertisement target transmitted according to the predicted advertisement budget;
acquiring a unit price and price competitiveness for each advertisement target based on the performance of the advertisement for each advertisement target;
adjusting a budget ratio by using price competitiveness for each advertisement target and a unit price for attracting customers; and
and transmitting an advertisement for each advertisement target based on the adjusted budget ratio.
상기 광고주에 대한 학습 모델이 없는 경우, 상기 광고주가 속하는 광고주 그룹에 대해 미리 학습된 학습 모델의 유무를 판단하는 단계;
상기 광고주 그룹에 대한 학습 모델이 있는 경우, 상기 광고주 그룹에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계; 및
상기 광고주 그룹에 대한 학습 모델이 없는 경우, 타겟 유저의 전환에 대한 기록에 기초하여 광고 예산을 예측하는 단계를 포함하는, 광고 제공 방법.
According to claim 1,
determining whether there is a pre-learned learning model for an advertiser group to which the advertiser belongs, when there is no learning model for the advertiser;
predicting an advertising budget by using the learning model for the advertiser group if there is a learning model for the advertiser group; and
And if there is no learning model for the advertiser group, predicting an advertising budget based on a record of conversion of a target user.
상기 광고에 대한 학습 모델을 이용하여 모수를 예측하는 단계는,
타겟 유저의 특징 데이터를 이용하여 모수 유저를 결정하고, 상기 결정된 모수 유저의 수에 따라 광고 예산을 예측하는, 광고 제공 방법.
According to claim 1,
The step of predicting the parameters using the learning model for the advertisement,
A method for providing advertisements, wherein a parameter user is determined using feature data of a target user, and an advertising budget is predicted according to the determined number of parameter users.
상기 광고 목표 별 광고의 성과에 기초하여 광고 목표 별 병목도를 획득하는 단계를 포함하고,
상기 예산 비율을 조정하는 단계는,
상기 광고 목표 별 가격 경쟁력 및 상기 광고 목표 별 병목도에 기초하여, 상기 예산 비율을 조정하는, 광고 제공 방법.
According to claim 1,
Obtaining a bottleneck for each advertisement target based on the performance of the advertisement for each advertisement target;
Adjusting the budget ratio,
The advertisement providing method of adjusting the budget ratio based on the price competitiveness for each advertisement target and the bottleneck for each advertisement target.
A non-transitory recording medium on which a program for executing the method according to claim 1 is recorded and can be read by a computer.
A computer program recorded on a non-transitory recording medium to execute the method according to claim 1 in an advertisement providing server.
상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instuctions)을 저장하는 메모리(memory)를 포함하는, 광고 제공 서버로서,
상기 적어도 하나의 동작은,
광고 별 광고 예산을 예측하는 학습 모델의 유무를 판단하는 단계;
상기 광고에 대한 학습 모델이 있는 경우, 상기 광고에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계;
상기 광고에 대한 학습 모델이 없는 경우, 상기 광고가 속하는 광고주에 대해 미리 학습된 학습 모델의 유무를 판단하는 단계;
상기 광고주에 대한 학습 모델이 있는 경우, 상기 광고주에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계;
상기 예측된 광고 예산에 따라 송출된 광고 목표 별 광고의 성과를 수집하는 단계;
상기 광고 목표 별 광고의 성과에 기초하여, 광고 목표 별 모객 단가 및 가격 경쟁력을 획득하는 단계;
상기 광고 목표 별 가격 경쟁력 및 모객 단가를 이용하여, 예산 비율을 조정하는 단계; 및
상기 조정된 예산 비율에 기초하여, 광고 목표 별 광고를 송출하는 단계를 포함하는, 광고 제공 서버.
at least one processor; and
An advertisement providing server comprising a memory for storing instructions instructing the at least one processor to perform at least one operation,
At least one operation,
Determining whether there is a learning model for predicting an advertisement budget for each advertisement;
predicting an advertisement budget by using the learning model for the advertisement if there is a learning model for the advertisement;
If there is no learning model for the advertisement, determining whether there is a pre-learned learning model for the advertiser to which the advertisement belongs;
predicting an advertising budget using the learning model for the advertiser when there is a learning model for the advertiser;
collecting performance of advertisements for each advertisement target transmitted according to the predicted advertisement budget;
acquiring a unit price and price competitiveness for each advertisement target based on the performance of the advertisement for each advertisement target;
adjusting a budget ratio by using price competitiveness for each advertisement target and a unit price for attracting customers; and
And transmitting an advertisement for each advertisement target based on the adjusted budget ratio.
광고 관련 정보를 광고주로부터 입력받아 광고 제공 서버에 제공하는 광고주 단말;
예산에 따라 복수의 광고 목표들 사이의 예산 비율을 조정하고, 상기 광고 목표들 각각에 대한 광고를 다수의 광고 매체들을 이용해 송출하는 광고 제공 서버; 및
상기 광고 제공 서버로부터 광고를 제공받는 사용자 단말을 포함하되,
상기 광고 제공 서버는, 적어도 하나의 프로세서(processor)를 이용하여,
광고 별 광고 예산을 예측하는 학습 모델의 유무를 판단하는 단계;
상기 광고에 대한 학습 모델이 있는 경우, 상기 광고에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계;
상기 광고에 대한 학습 모델이 없는 경우, 상기 광고가 속하는 광고주에 대해 미리 학습된 학습 모델의 유무를 판단하는 단계;
상기 광고주에 대한 학습 모델이 있는 경우, 상기 광고주에 대한 학습 모델을 이용하여 광고 예산을 예측하는 단계;
상기 예측된 광고 예산에 따라 송출된 광고 목표 별 광고의 성과를 수집하는 단계;
상기 광고 목표 별 광고의 성과에 기초하여, 광고 목표 별 모객 단가 및 가격 경쟁력을 획득하는 단계;
상기 광고 목표 별 가격 경쟁력 및 모객 단가를 이용하여, 예산 비율을 조정하는 단계; 및
상기 조정된 예산 비율에 기초하여, 광고 목표 별 광고를 송출하는 단계를 수행하는, 광고 제공 시스템.As an advertisement providing system,
an advertiser terminal receiving advertisement-related information from an advertiser and providing the received advertisement-related information to an advertisement providing server;
an advertisement providing server that adjusts a budget ratio between a plurality of advertisement targets according to a budget and transmits an advertisement for each of the advertisement targets using a plurality of advertisement media; and
Including a user terminal receiving advertisements from the advertisement providing server,
The advertisement providing server uses at least one processor,
Determining whether there is a learning model for predicting an advertisement budget for each advertisement;
predicting an advertisement budget by using the learning model for the advertisement if there is a learning model for the advertisement;
If there is no learning model for the advertisement, determining whether there is a pre-learned learning model for the advertiser to which the advertisement belongs;
predicting an advertising budget using the learning model for the advertiser when there is a learning model for the advertiser;
collecting performance of advertisements for each advertisement target transmitted according to the predicted advertisement budget;
acquiring a unit price and price competitiveness for each advertisement target based on the performance of the advertisement for each advertisement target;
adjusting a budget ratio by using price competitiveness for each advertisement target and a unit price for attracting customers; and
and transmitting an advertisement for each advertisement target based on the adjusted budget ratio.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220039417A KR20230024190A (en) | 2021-08-09 | 2022-03-30 | Method and system for providing advertising |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20210104362 | 2021-08-09 | ||
KR20210105125 | 2021-08-10 | ||
KR1020210105873A KR102382405B1 (en) | 2021-08-09 | 2021-08-11 | Method and system for providing advertising |
KR1020220039417A KR20230024190A (en) | 2021-08-09 | 2022-03-30 | Method and system for providing advertising |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210105873A Division KR102382405B1 (en) | 2021-08-09 | 2021-08-11 | Method and system for providing advertising |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20230024190A true KR20230024190A (en) | 2023-02-20 |
Family
ID=81182753
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210105873A KR102382405B1 (en) | 2021-08-09 | 2021-08-11 | Method and system for providing advertising |
KR1020220039415A KR102397014B1 (en) | 2021-08-09 | 2022-03-30 | Method and system for providing advertising to execute an advertisement budget based on price competitiveness and the bottleneck for each advertisement target |
KR1020220039417A KR20230024190A (en) | 2021-08-09 | 2022-03-30 | Method and system for providing advertising |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210105873A KR102382405B1 (en) | 2021-08-09 | 2021-08-11 | Method and system for providing advertising |
KR1020220039415A KR102397014B1 (en) | 2021-08-09 | 2022-03-30 | Method and system for providing advertising to execute an advertisement budget based on price competitiveness and the bottleneck for each advertisement target |
Country Status (1)
Country | Link |
---|---|
KR (3) | KR102382405B1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102475558B1 (en) * | 2022-06-13 | 2022-12-08 | 머큐리프로젝트 주식회사 | Method and apparatus for analyzing advertising performance in a communication system |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8595071B2 (en) * | 2003-06-30 | 2013-11-26 | Google Inc. | Using enhanced ad features to increase competition in online advertising |
US20080215418A1 (en) * | 2007-03-02 | 2008-09-04 | Adready, Inc. | Modification of advertisement campaign elements based on heuristics and real time feedback |
CN101689273A (en) * | 2007-05-04 | 2010-03-31 | 谷歌公司 | Metric conversion for online advertising |
US8175914B1 (en) * | 2007-07-30 | 2012-05-08 | Google Inc. | Automatic adjustment of advertiser bids to equalize cost-per-conversion among publishers for an advertisement |
US8121893B1 (en) * | 2007-07-31 | 2012-02-21 | Google Inc. | Customizing advertisement presentations |
US8271325B2 (en) * | 2008-12-02 | 2012-09-18 | Google Inc. | Adjusting bids based on predicted performance |
US20100228636A1 (en) * | 2009-03-04 | 2010-09-09 | Google Inc. | Risk premiums for conversion-based online advertisement bidding |
US9904930B2 (en) * | 2010-12-16 | 2018-02-27 | Excalibur Ip, Llc | Integrated and comprehensive advertising campaign management and optimization |
US20130226691A1 (en) * | 2012-02-24 | 2013-08-29 | Ehud Chatow | Multi-channel campaign planning |
AU2014381712A1 (en) * | 2014-02-07 | 2016-08-04 | Google Llc | Advertisement price discounting |
US10521832B2 (en) * | 2014-07-01 | 2019-12-31 | Google Llc | Systems and methods for suggesting creative types for online content items to an advertiser |
KR102219344B1 (en) * | 2020-12-08 | 2021-02-24 | (주)태거스 | Automatic advertisement execution device, method for automatically generating campaign information for an advertisement medium to execute an advertisement and computer program for executing the method |
-
2021
- 2021-08-11 KR KR1020210105873A patent/KR102382405B1/en active IP Right Grant
-
2022
- 2022-03-30 KR KR1020220039415A patent/KR102397014B1/en active IP Right Grant
- 2022-03-30 KR KR1020220039417A patent/KR20230024190A/en unknown
Also Published As
Publication number | Publication date |
---|---|
KR102397014B1 (en) | 2022-05-12 |
KR102382405B1 (en) | 2022-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10679260B2 (en) | Cross-device message touchpoint attribution | |
US9959547B2 (en) | Platform for mobile advertising and persistent microtargeting of promotions | |
KR101196175B1 (en) | Keyword tracking for microtargeting of mobile advertising | |
US20170091810A1 (en) | Brand engagement touchpoint attribution using brand engagement event weighting | |
JP5307159B2 (en) | Critical Mass Billboard | |
US20170337578A1 (en) | Dynamic media buy optimization using attribution-informed media buy execution feeds | |
US20170061481A1 (en) | Realtime Feedback Using Affinity-Based Dynamic User Clustering | |
US20160210658A1 (en) | Determining touchpoint attributions in a segmented media campaign | |
WO2009099880A2 (en) | Platform for mobile advertising and microtargeting of promotions | |
US20160210656A1 (en) | System for marketing touchpoint attribution bias correction | |
US20160104207A1 (en) | Advertising campaign conversion systems and methods | |
US20160055320A1 (en) | Method and system for measuring effectiveness of user treatment | |
US20180053208A1 (en) | System and Method for Real-Time Optimization and Industry Benchmarking for Campaign Management | |
CN111667311B (en) | Advertisement putting method, related device, equipment and storage medium | |
US9811843B2 (en) | System and method for targeting user interests based on mobile call logs | |
CN105210378A (en) | Methods and systems for providing video advertising services based on device profiles | |
KR102465655B1 (en) | Method and apparatus for providing a list of advertising companies related to a first terminal using a neural network | |
KR102397014B1 (en) | Method and system for providing advertising to execute an advertisement budget based on price competitiveness and the bottleneck for each advertisement target | |
CN105408928A (en) | Methods and systems for determining relevance of advertising categories for devices | |
CN111506643B (en) | Method, device and system for generating information | |
CN115700692A (en) | Method and device for determining potential recommendation information | |
US11157967B2 (en) | Method and system for providing content supply adjustment | |
KR102451571B1 (en) | Method and system for providing advertising based on the friend relationship modeling technique using join operation and graph model | |
CN113743636B (en) | Target operation prediction method and device, electronic equipment and storage medium | |
US20140244357A1 (en) | Inducing Customer Store Visits Via Mobile Application |