KR20230087121A

KR20230087121A - Method, device and system for creating proposals and quotation of corporate tailored content based on artificial intelligence

Info

Publication number: KR20230087121A
Application number: KR1020210175777A
Authority: KR
Inventors: 오세정
Original assignee: 비쥬얼메이커 주식회사
Priority date: 2021-12-09
Filing date: 2021-12-09
Publication date: 2023-06-16

Abstract

일실시예에 따르면, 장치에 의해 수행되는, 인공지능을 기반으로 기업 맞춤형 콘텐츠의 기획안 및 견적을 생성하는 방법에 있어서, 제1 기업의 담당자 단말로부터 맞춤형 콘텐츠의 기획 요청을 수신하는 단계; 상기 기획 요청을 통해 상기 제1 기업의 니즈를 분석하는 단계; 상기 제1 기업의 니즈에 대한 분석 결과를 제1 인공 신경망에 적용하여, 상기 제1 인공 신경망의 출력을 기초로, 상기 제1 기업에게 적합한 콘텐츠의 종류를 선정하는 단계; 상기 제1 기업에게 제1 종류의 콘텐츠가 적합한 것으로 선정되면, 제1 기업 정보를 기초로, 상기 제1 종류의 콘텐츠를 제작하는데 있어 상기 제1 기업에게 적합한 타겟 가격 및 타겟 퀄리티를 설정하는 단계; 상기 제1 종류의 콘텐츠, 상기 타겟 가격 및 상기 타겟 퀄리티에 대한 분석 결과를 제2 인공 신경망에 적용하여, 상기 제2 인공 신경망의 출력을 기초로, 제1 콘텐츠에 대한 기획 전략을 생성하는 단계; 및 상기 제1 콘텐츠에 대한 기획 전략을 상기 담당자 단말로 전송하는 단계를 포함하는, 인공지능 기반 기업 맞춤형 콘텐츠의 기획안 및 견적 생성 방법이 제공된다.According to one embodiment, a method for generating a plan and a quote for company-customized content based on artificial intelligence, performed by an apparatus, comprising: receiving a request for planning customized content from a terminal in charge of a first company; Analyzing the needs of the first company through the planning request; selecting a type of content suitable for the first company based on an output of the first artificial neural network by applying an analysis result of the needs of the first company to a first artificial neural network; setting a target price and target quality suitable for the first company in producing the first type of content, based on the first company information, if the first type of content is selected as suitable for the first company; generating a planning strategy for the first content based on an output of the second artificial neural network by applying an analysis result of the first type of content, the target price, and the target quality to a second artificial neural network; and transmitting a planning strategy for the first content to the terminal in charge of the first content.

Description

Method, device, and system for creating proposals and quotations for enterprise-customized contents based on artificial intelligence

아래 실시예들은 인공지능을 기반으로 기업 맞춤형 콘텐츠의 기획안 및 견적을 생성하기 위한 기술에 관한 것이다.The following embodiments relate to a technology for generating a proposal and a quote for company-customized content based on artificial intelligence.

현대 사회에서 콘텐츠는 다양하게 활용되고 있다. 예를 들어, 홍보 영상, 웹 페이지, SNS 게시물 등 다양한 분야에서 활용되고 있으며, TV, 영화, 신문, 잡지, 인터넷, 등에서 새로운 콘텐츠를 계속해서 필요로 하고 있다.In modern society, content is used in various ways. For example, it is used in various fields such as promotional videos, web pages, and SNS postings, and new contents are continuously needed in TV, movies, newspapers, magazines, and the Internet.

이에 따라, 기업에서는 제품 홍보와 기업 브랜드 이미지 강화를 위해 콘텐츠 제작을 필요로 하고 있다.Accordingly, companies need content production to promote products and strengthen corporate brand image.

그러나, 콘텐츠를 제작하는데 많은 비용이 소모되는 문제가 있으며, 많은 비용을 지불하여 콘텐츠를 제작하더라도, 기업의 특성을 고려하여 콘텐츠를 제작한 것이 아니기 때문에, 기업이 원하는 콘텐츠를 제공할 수 없다는 문제가 있다.However, there is a problem that a lot of money is consumed to produce content, and even if the content is produced by paying a lot of money, the content is not created considering the characteristics of the company, so the company cannot provide the content they want. there is.

따라서, 기업 맞춤형 콘텐츠를 제공받고자 하는 요구가 증대되고 있어, 이와 관련된 기술에 대한 연구가 요구된다.Accordingly, there is an increasing demand for providing enterprise-customized content, and research on technologies related thereto is required.

한국공개특허 제10-2021-0105024호Korean Patent Publication No. 10-2021-0105024 한국공개특허 제10-2021-0063054호Korean Patent Publication No. 10-2021-0063054 한국공개특허 제10-2011-0119849호Korean Patent Publication No. 10-2011-0119849 한국등록특허 제10-1921592호Korean Patent Registration No. 10-1921592

일실시예에 따르면, 제1 기업의 담당자 단말로부터 맞춤형 콘텐츠의 기획 요청을 수신하고, 기획 요청을 통해 제1 기업의 니즈를 분석하고, 제1 기업의 니즈에 대한 분석 결과를 제1 인공 신경망에 적용하여, 제1 인공 신경망의 출력을 기초로, 제1 기업에게 적합한 콘텐츠의 종류를 선정하고, 제1 기업에게 제1 종류의 콘텐츠가 적합한 것으로 선정되면, 제1 기업 정보를 기초로, 제1 종류의 콘텐츠를 제작하는데 있어 제1 기업에게 적합한 타겟 가격 및 타겟 퀄리티를 설정하고, 제1 종류의 콘텐츠, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 제2 인공 신경망에 적용하여, 제2 인공 신경망의 출력을 기초로, 제1 콘텐츠에 대한 기획 전략을 생성하고, 제1 콘텐츠에 대한 기획 전략을 담당자 단말로 전송하는, 인공지능 기반 기업 맞춤형 콘텐츠의 기획안 및 견적 생성 방법, 장치 및 시스템을 제공하기 위한 것을 그 목적으로 한다.According to an embodiment, a request for planning customized content is received from a terminal in charge of the first company, needs of the first company are analyzed through the planning request, and the analysis result of the needs of the first company is transmitted to the first artificial neural network. applied, based on the output of the first artificial neural network, a type of content suitable for the first company is selected, and if the type of content suitable for the first company is selected, based on the first company information, the type of content suitable for the first company is selected. In producing the type of content, the target price and target quality suitable for the first company are set, and the analysis results for the first type of content, the target price, and the target quality are applied to the second artificial neural network, so that the second artificial neural network To provide a method, apparatus, and system for generating a planning strategy for the first content based on the output and transmitting the planning strategy for the first content to a terminal in charge, generating a plan and a quotation for enterprise-customized content based on artificial intelligence for that purpose

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.The object of the present invention is not limited to the object mentioned above, and other objects not mentioned will be clearly understood from the description below.

상기 인공지능 기반 기업 맞춤형 콘텐츠의 기획안 및 견적 생성 방법은, 상기 제1 콘텐츠에 대한 기획 전략을 전송하는 단계 이후, 상기 담당자 단말로부터 상기 제1 콘텐츠의 변경 요청을 수신하는 단계; 상기 변경 요청을 통해 상기 제1 콘텐츠에서 변경하고자 하는 영상의 길이, 제품 촬영의 이미지 수 및 자막의 글자 수를 확인하는 단계; 상기 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 짧아진 것으로 확인되면, 상기 제1 콘텐츠에서 짧아진 영상의 길이에 미리 설정된 제1 가중치를 부여하여 제1 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 길어진 것으로 확인되면, 상기 제1 콘텐츠에서 길어진 영상의 길이에 상기 제1 가중치를 부여하여 상기 제1 설정값을 산출하는 단계; 상기 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 제품 촬영의 이미지 수에 미리 설정된 제2 가중치를 부여하여 제2 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 제품 촬영의 이미지 수에 상기 제2 가중치를 부여하여 상기 제2 설정값을 산출하는 단계; 상기 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 자막의 글자 수에 미리 설정된 제3 가중치를 부여하여 제3 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 자막의 글자 수에 상기 제3 가중치를 부여하여 상기 제3 설정값을 산출하는 단계; 상기 타겟 가격, 상기 제1 설정값, 상기 제2 설정값 및 상기 제3 설정값을 합산한 가격을 기반으로, 변경 요청된 상기 제1 콘텐츠에 대한 견적서를 생성하는 단계; 및 상기 제1 콘텐츠에 대한 견적서를 상기 담당자 단말로 전송하는 단계를 더 포함할 수 있다.The artificial intelligence-based method for generating a plan and a quote for enterprise-customized content may include, after transmitting a planning strategy for the first content, receiving a change request for the first content from the terminal in charge; Checking the length of the video to be changed in the first content, the number of images of product shooting, and the number of characters of subtitles through the change request; When it is confirmed that the length of the video to be changed in the first content is shortened, a first set value is calculated by assigning a preset first weight to the length of the video shortened in the first content, and calculating the first set value by assigning the first weight to the length of the video lengthened in the first content when it is confirmed that the length of the video to be changed has increased; When it is confirmed that the number of product shooting images to be changed in the first content is reduced, a second set value is calculated by assigning a preset second weight to the reduced number of product shooting images in the first content, and a second set value is calculated. calculating the second set value by assigning the second weight to the increased number of product shooting images in the first content, when it is determined that the number of product shooting images to be changed has increased; When it is confirmed that the number of characters of the subtitle to be changed in the first content is reduced, a third set value is calculated by giving a preset third weight to the number of characters in the subtitle that is reduced in the first content, and the change in the first content is determined. calculating the third set value by assigning the third weight to the increased number of characters of the caption in the first content, when it is confirmed that the number of characters of the caption to be desired has increased; generating a quote for the first content requested to change based on a sum of the target price, the first set value, the second set value, and the third set value; and transmitting a quote for the first content to the terminal of the person in charge.

상기 제2 설정값을 산출하는 단계는, 상기 제1 콘텐츠에서 변경하고자 하는 제품 단독 촬영의 이미지 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 제품 단독 촬영의 이미지 수에 미리 설정된 제4 가중치를 부여하여 제2-1 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 제품 단독 촬영의 이미지 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 제품 단독 촬영의 이미지 수에 상기 제4 가중치를 부여하여 상기 제2-1 설정값을 산출하는 단계; 상기 제1 콘텐츠에서 변경하고자 하는 모델 착용 제품 촬영의 이미지 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 모델 착용 제품 촬영의 이미지 수에 미리 설정된 제5 가중치를 부여하여 제2-2 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 모델 착용 제품 촬영의 이미지 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 모델 착용 제품 촬영의 이미지 수에 상기 제5 가중치를 부여하여 상기 제2-2 설정값을 산출하는 단계; 상기 제1 콘텐츠에서 변경하고자 하는 보정 작업이 필요한 이미지 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 보정 작업 필요 이미지 수에 미리 설정된 제6 가중치를 부여하여 제2-3 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 보정 작업이 필요한 이미지 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 보정 작업 필요 이미지 수에 상기 제6 가중치를 부여하여 제2-3 설정값을 산출하는 단계; 및 상기 제2-1 설정값, 상기 제2-2 설정값 및 상기 제2-3 설정값을 합산하여, 상기 제2 설정값을 산출하는 단계를 포함할 수 있다.In the step of calculating the second set value, if it is determined that the number of images of product-only shooting to be changed in the first content is reduced, a fourth weight is applied to the reduced number of images of product-only shooting in the first content. to calculate the 2-1 set value, and if it is confirmed that the number of images of product-only shooting to be changed in the first content has increased, the fourth weight is given to the increased number of images of product-only shooting in the first content Calculating the 2-1 set value; When it is confirmed that the number of images of products worn by models to be changed in the first content has decreased, a 2-2 set value is calculated by giving a preset fifth weight to the number of images of products worn by models that have decreased in the first content. and when it is determined that the number of images of product worn by the model to be changed has increased in the first content, the fifth weight is applied to the increased number of images of product worn by the model in the first content, so that the 2-2 set value Calculating; When it is confirmed that the number of images requiring correction work to be changed in the first content is reduced, a 2-3 set value is calculated by giving a preset sixth weight to the number of images requiring correction work decreased in the first content, calculating a 2-3 set value by assigning the sixth weight to the increased number of images requiring correction in the first content, when it is confirmed that the number of images requiring correction is increased in the first content; and calculating the second set value by summing the 2-1 set value, the 2-2 set value, and the 2-3 set value.

일실시예에 따르면, 제1 기업의 담당자 단말로부터 맞춤형 콘텐츠의 기획 요청을 수신하고, 기획 요청을 통해 제1 기업의 니즈를 분석하고, 제1 기업의 니즈에 대한 분석 결과를 제1 인공 신경망에 적용하여, 제1 인공 신경망의 출력을 기초로, 제1 기업에게 적합한 콘텐츠의 종류를 선정하고, 제1 기업에게 제1 종류의 콘텐츠가 적합한 것으로 선정되면, 제1 기업 정보를 기초로, 제1 종류의 콘텐츠를 제작하는데 있어 제1 기업에게 적합한 타겟 가격 및 타겟 퀄리티를 설정하고, 제1 종류의 콘텐츠, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 제2 인공 신경망에 적용하여, 제2 인공 신경망의 출력을 기초로, 제1 콘텐츠에 대한 기획 전략을 생성하고, 제1 콘텐츠에 대한 기획 전략을 담당자 단말로 전송함으로써, 기업 맞춤형 콘텐츠에 대한 기획 전략을 제시할 수 있는 효과가 있다.According to an embodiment, a request for planning customized content is received from a terminal in charge of the first company, needs of the first company are analyzed through the planning request, and the analysis result of the needs of the first company is transmitted to the first artificial neural network. applied, based on the output of the first artificial neural network, a type of content suitable for the first company is selected, and if the type of content suitable for the first company is selected, based on the first company information, the type of content suitable for the first company is selected. In producing the type of content, the target price and target quality suitable for the first company are set, and the analysis results for the first type of content, the target price, and the target quality are applied to the second artificial neural network, so that the second artificial neural network Based on the output, a planning strategy for the first content is generated, and the planning strategy for the first content is transmitted to the terminal in charge, thereby providing a planning strategy for enterprise-customized content.

한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.On the other hand, the effects according to the embodiments are not limited to those mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the description below.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 콘텐츠에 대한 기획 전략을 생성하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 콘텐츠에 대한 견적서를 생성하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 제2 설정값을 산출하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 콘텐츠에 대한 프로모션 전략을 생성하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.
도 7은 일실시예에 따른 장치의 구성의 예시도이다.1 is a diagram schematically showing the configuration of a system according to an embodiment.
2 is a flowchart illustrating a process of generating a planning strategy for content according to an exemplary embodiment.
3 is a flowchart illustrating a process of generating a quote for content according to an exemplary embodiment.
4 is a flowchart illustrating a process of calculating a second set value according to an embodiment.
5 is a flowchart illustrating a process of generating a promotion strategy for content according to an exemplary embodiment.
6 is a diagram for explaining learning of an artificial neural network according to an embodiment.
7 is an exemplary diagram of a configuration of a device according to an embodiment.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. However, since various changes can be made to the embodiments, the scope of the patent application is not limited or limited by these embodiments. It should be understood that all changes, equivalents or substitutes to the embodiments are included within the scope of rights.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.Specific structural or functional descriptions of the embodiments are disclosed for illustrative purposes only, and may be modified and implemented in various forms. Therefore, the embodiments are not limited to the specific disclosed form, and the scope of the present specification includes changes, equivalents, or substitutes included in the technical spirit.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Although terms such as first or second may be used to describe various components, such terms should only be construed for the purpose of distinguishing one component from another. For example, a first element may be termed a second element, and similarly, a second element may be termed a first element.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.It should be understood that when an element is referred to as being “connected” to another element, it may be directly connected or connected to the other element, but other elements may exist in the middle.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Terms used in the examples are used only for descriptive purposes and should not be construed as limiting. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this specification, terms such as "include" or "have" are intended to designate that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, but one or more other features It should be understood that the presence or addition of numbers, steps, operations, components, parts, or combinations thereof is not precluded.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person of ordinary skill in the art to which the embodiment belongs. Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related art, and unless explicitly defined in the present application, they should not be interpreted in an ideal or excessively formal meaning. don't

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In addition, in the description with reference to the accompanying drawings, the same reference numerals are given to the same components regardless of reference numerals, and overlapping descriptions thereof will be omitted. In describing the embodiment, if it is determined that a detailed description of a related known technology may unnecessarily obscure the gist of the embodiment, the detailed description will be omitted.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.The embodiments may be implemented in various types of products such as personal computers, laptop computers, tablet computers, smart phones, televisions, smart home appliances, intelligent vehicles, kiosks, and wearable devices.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.1 is a diagram schematically showing the configuration of a system according to an embodiment.

도 1을 참조하면, 일실시예에 따른 시스템은 담당자 단말(100) 및 장치(200)를 포함할 수 있다.Referring to FIG. 1 , a system according to an embodiment may include a manager terminal 100 and a device 200 .

먼저, 담당자 단말(100)과 장치(200)는 통신망을 통해 연결될 수 있으며, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성되어, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.First, the manager terminal 100 and the device 200 may be connected through a communication network, and the communication network is configured regardless of its communication aspect, such as wired and wireless, so that communication between servers and communication between servers and terminals is performed It can be implemented in various forms.

담당자 단말(100)은 기업에 소속되어 있는 기업 담당자가 사용하는 단말로, 제1 기업을 관리하는 담당자가 사용하는 단말을 의미할 수 있다.The manager terminal 100 is a terminal used by a manager belonging to a company and may mean a terminal used by a manager who manages a first company.

담당자 단말(100)은 통신 기능을 갖춘 연산 장치로 구현될 수 있으며, 예를 들면, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다.The staff terminal 100 may be implemented as a computing device having a communication function, and may be implemented as, for example, a mobile phone, a desktop PC, a laptop PC, a tablet PC, a smartphone, etc., but is not limited thereto, and is not limited thereto. It may be implemented in various types of communication devices that can be connected to the server.

담당자 단말(100)은 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 페이지에 접속되거나, 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 담당자 단말(100)은 웹 페이지 또는 애플리케이션을 통해 장치(200)와 연동될 수 있다.The person in charge terminal 100 uses the device 200 to access a web page operated by a person or organization that provides a service, or an application developed and distributed by a person or organization that provides a service using the device 200 can be installed The person in charge terminal 100 may be linked with the device 200 through a web page or application.

담당자 단말(100)은 장치(200)에서 제공하는 웹 페이지, 애플리케이션을 등을 통해 장치(200)로 접속할 수 있다.The person in charge terminal 100 may access the device 200 through a web page or an application provided by the device 200 .

장치(200)는 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(200)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(200)는 추론 기능을 수행하는 적어도 하나 이상의 인공 신경망을 구비할 수 있다. 장치(200)는 담당자 단말(100)과 유무선으로 통신하도록 구성될 수 있다.The device 200 may be a server owned by a person or organization that provides services using the device 200, may be a cloud server, or may be a peer-to-peer (p2p) set of distributed nodes. may be The device 200 may be configured to perform all or some of the arithmetic function, storage/reference function, input/output function, and control function of a normal computer. The device 200 may include one or more artificial neural networks that perform an inference function. The device 200 may be configured to communicate with the manager terminal 100 by wire or wireless.

한편, 설명의 편의를 위해 도 1에서는 담당자 단말(100) 만을 도시하였으나, 단말의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(200)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.Meanwhile, for convenience of description, only the terminal 100 in charge is illustrated in FIG. 1 , but the number of terminals may vary according to embodiments. As long as the processing capacity of the device 200 allows, the number of terminals is not particularly limited.

도 2는 일실시예에 따른 콘텐츠에 대한 기획 전략을 생성하는 과정을 설명하기 위한 순서도이다.2 is a flowchart illustrating a process of generating a planning strategy for content according to an exemplary embodiment.

도 2를 참조하면, 먼저, S201 단계에서, 장치(200)는 제1 기업의 담당자 단말(100)로부터 맞춤형 콘텐츠의 기획 요청을 수신할 수 있다.Referring to FIG. 2 , first, in step S201 , the device 200 may receive a request for planning customized content from the terminal 100 in charge of the first company.

구체적으로, 장치(200)는 담당자 단말(100)로부터 제1 기업의 담당자 계정을 통한 로그인 요청을 수신할 수 있다. 여기서, 제1 기업의 담당자 계정은 제1 기업의 담당자가 사용하는 계정이다. 즉, 담당자 단말(100)에 제1 기업의 담당자 계정의 아이디 및 비밀번호가 입력되면, 장치(200)는 담당자 단말(100)로부터 제1 기업의 담당자 계정을 통한 로그인 요청을 수신할 수 있다.Specifically, the device 200 may receive a login request through the manager account of the first company from the manager terminal 100 . Here, the manager account of the first company is an account used by the manager of the first company. That is, when the ID and password of the manager account of the first company are input to the manager terminal 100 , the device 200 may receive a login request through the manager account of the first company from the manager terminal 100 .

이후, 담당자 단말(100)에서 맞춤형 콘텐츠의 기획 요청 메뉴가 선택되면, 장치(200)는 맞춤형 콘텐츠의 기획 요청 페이지를 담당자 단말(100)로 제공할 수 있다. 여기서, 맞춤형 콘텐츠의 기획 요청 페이지는 사업 분야, 콘텐츠 활용 용도, 예산, 선호하는 콘텐츠 스타일, 선호하지 않는 콘텐츠 스타일 등을 항목 별로 입력하기 위한 인터페이스를 포함할 수 있다.Thereafter, when a customized content planning request menu is selected in the manager terminal 100 , the device 200 may provide a customized content planning request page to the manager terminal 100 . Here, the customized content planning request page may include an interface for inputting business field, content utilization purpose, budget, preferred content style, unpreferred content style, etc. for each item.

S202 단계에서, 장치(200)는 기획 요청을 통해 제1 기업의 니즈를 분석할 수 있다. 즉, 장치(200)는 맞춤형 콘텐츠의 기획 요청 페이지에 입력된 정보를 이용하여, 제1 기업의 니즈를 분석할 수 있다. 이때, 장치(200)는 제1 기업의 니즈를 분석하여, 제1 기업의 니즈에 대한 분석 결과를 생성할 수 있다. 여기서, 제1 기업의 니즈에 대한 분석 결과는 사업 분야, 콘텐츠 활용 용도, 예산, 선호하는 콘텐츠 스타일, 선호하지 않는 콘텐츠 스타일 등의 항목 별로 입력된 정보를 포함할 수 있다.In step S202, the device 200 may analyze the needs of the first company through the planning request. That is, the device 200 may analyze the needs of the first company by using the information input to the customized content planning request page. In this case, the device 200 may analyze the needs of the first company and generate an analysis result for the needs of the first company. Here, the analysis result of the needs of the first company may include input information for each item, such as a business field, a content utilization purpose, a budget, a preferred content style, and an unpreferred content style.

S203 단계에서, 장치(200)는 제1 기업의 니즈에 대한 분석 결과를 미리 학습된 제1 인공 신경망에 적용할 수 있다. In step S203, the device 200 may apply the analysis result of the needs of the first company to the pre-learned first artificial neural network.

일실시예에 따르면, 제1 인공 신경망은 기업의 니즈에 대한 분석 결과를 입력 받은 후, 기업에게 적합한 콘텐츠의 종류를 분석하여 출력하는 알고리즘일 수 있다. 예를 들어, 제1 기업의 사업 분야가 가전이고, 콘텐츠 활용 용도가 이벤트 홍보이고, 선호하는 콘텐츠 스타일이 트렌드한 것이고, 선호하지 않는 콘텐츠 스타일이 감성적인 것인 경우, 제1 인공 신경망은 (가전 분야, 이벤트 홍보, 트렌드 선호, 감성적 비선호)를 입력으로 받아, 가전 분야에서 이벤트를 홍보할 때 트렌드한 것이 반영되면서 감성적인 것이 반영되지 않는 콘텐츠의 종류인 제1 종류를 선정하고 제1 종류를 출력할 수 있다. 여기서, 콘텐츠의 종류는 홍보 영상, SNS 광고 영상, 숏폼 영상, 홈페이지, 블로그 게시물 등으로 구분될 수 있다.According to an embodiment, the first artificial neural network may be an algorithm that analyzes and outputs a type of content suitable for the company after receiving an analysis result for the needs of the company. For example, when the business field of the first company is home appliances, the purpose of content utilization is event promotion, the preferred content style is trending, and the unpreferred content style is emotional, the first artificial neural network (electronic home appliances) field, event promotion, trend preference, emotional dislike) as input, when promoting an event in the field of home appliances, the first type is selected, which is the type of content that reflects the trend but not the emotional content, and outputs the first type. can do. Here, the type of content may be classified into promotional videos, SNS advertisement videos, short-form videos, homepages, blog posts, and the like.

S204 단계에서, 장치(200)는 제1 인공 신경망의 출력을 기초로, 제1 기업에게 적합한 콘텐츠의 종류를 선정할 수 있다. In step S204, the device 200 may select a type of content suitable for the first company based on the output of the first artificial neural network.

일실시예에 따르면, 제1 인공 신경망은 기업의 니즈에 대한 분석 결과를 통해, 기업에게 적합한 콘텐츠의 종류를 분석하도록 학습될 수 있다. 제1 인공 신경망은 도 6을 참조하여 후술되는 방법을 통해 학습될 수 있다. 이를 통해, 제1 인공 신경망은 기업의 니즈를 고려하여, 기업에게 적합한 콘텐츠의 종류를 분석하여 출력할 수 있다.According to an embodiment, the first artificial neural network may be trained to analyze the type of content suitable for the company through the analysis result of the needs of the company. The first artificial neural network may be learned through a method described below with reference to FIG. 6 . Through this, the first artificial neural network may analyze and output the type of content suitable for the company in consideration of the needs of the company.

S205 단계에서, 장치(200)는 제1 기업에게 제1 종류의 콘텐츠가 적합한 것으로 선정되면, 제1 기업 정보를 기초로, 제1 종류의 콘텐츠를 제작하는데 있어, 제1 기업에게 적합한 타겟 가격 및 타겟 퀄리티를 설정할 수 있다.In step S205, if the first type of content is selected as suitable for the first company, the device 200 produces the first type of content based on the first company information, and sets a target price suitable for the first company and You can set the target quality.

이를 위해, 장치(200)의 데이터베이스에는 기업 별로 구분되어 있는 기업 정보가 저장되어 있으며, 기업 정보는 기업의 직원 수, 연매출, 영업이익 등에 대한 정보를 포함할 수 있다. 장치(200)는 제1 기업에게 제1 종류의 콘텐츠가 적합한 것으로 선정되면, 데이터베이스로부터 제1 기업 정보를 획득할 수 있으며, 획득된 제1 기업 정보를 기초로, 제1 종류의 콘텐츠를 제작할 때, 제1 기업의 직원 수 연매출, 영업이익 등을 고려하여, 제1 기업에게 적합한 타겟 가격 및 타겟 퀄리티를 설정할 수 있다.To this end, the database of the device 200 stores company information classified by company, and the company information may include information about the number of employees, annual sales, and operating profit of the company. If the first type of content is selected as suitable for the first company, the device 200 may obtain first company information from the database, and create the first type of content based on the obtained first company information. , The target price and target quality suitable for the first company may be set in consideration of the number of employees, annual sales, and operating profit of the first company.

예를 들어, 장치(200)는 제1 기업에게 20초짜리 숏폼 영상이 적합한 것으로 선정된 경우, 제1 기업 정보를 기초로, 제1 기업의 직원 수, 연매출, 영업 이익 등을 확인한 결과, 제1 기업이 규모가 큰 대기업으로 판단되면, 제1 기업에게 적합한 타겟 퀄리티를 상급으로 설정하고, 상급의 퀄리티에 대응하여 타겟 가격을 고가로 설정할 수 있다.For example, when a 20-second short-form video is selected as suitable for the first company, the device 200 checks the number of employees, annual sales, operating profit, etc. of the first company based on the first company information. If the first company is determined to be a large conglomerate, a target quality suitable for the first company may be set to a high level, and a target price may be set to a high price corresponding to the high level quality.

또한, 장치(200)는 제1 기업에게 20초짜리 숏폼 영상이 적합한 것으로 선정된 경우, 제1 기업 정보를 기초로, 제1 기업의 직원 수, 연매출, 영업 이익 등을 확인한 결과, 제1 기업이 규모가 작은 중소기업으로 판단되면, 제1 기업에게 적합한 타겟 퀄리티를 하급으로 설정하고, 하급의 퀄리티에 대응하여 타겟 가격을 저가로 설정할 수 있다.In addition, when a 20-second short-form video is selected as suitable for the first company, the device 200 determines the number of employees, annual sales, operating profit, etc. of the first company based on the first company information. As a result, the first company If it is determined that the size is small and medium-sized enterprises, the target quality suitable for the first company may be set to a low level, and the target price may be set to a low price corresponding to the low level quality.

S206 단계에서, 장치(200)는 제1 종류의 콘텐츠, 타겟 가격 및 타겟 퀄리티를 분석하고, 제1 종류의 콘텐츠, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 미리 학습된 제2 인공 신경망에 적용할 수 있다.In step S206, the device 200 analyzes the first type of content, the target price, and the target quality, and applies the analysis result of the first type of content, the target price, and the target quality to the pretrained second artificial neural network. can

일실시예에 따르면, 제2 인공 신경망은 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 입력 받은 후, 콘텐츠에 대한 기획 전략을 출력하는 알고리즘일 수 있다. 예를 들어, 콘텐츠의 종류가 숏폼 영상이고, 타겟 가격이 100만원이고, 타겟 퀄리티가 중급인 경우, 제2 인공 신경망은 (숏폼 영상, 100만원, 중급)을 입력으로 받아, 100만원으로 제작 가능한 중급 퀄리티의 숏폼 영상을 제1 콘텐츠로 선정하고 제1 콘텐츠에 대한 기획 전략을 출력할 수 있다.According to an embodiment, the second artificial neural network may be an algorithm that outputs a planning strategy for content after receiving an analysis result for the type of content, target price, and target quality. For example, if the type of content is a short-form video, the target price is 1 million won, and the target quality is intermediate, the second artificial neural network receives (short-form video, 1 million won, intermediate level) as an input, and can produce with 1 million won. A short-form video of intermediate quality may be selected as the first content and a planning strategy for the first content may be output.

S207 단계에서, 장치(200)는 제2 인공 신경망의 출력을 기초로, 제1 콘텐츠에 대한 기획 전략을 생성할 수 있다. 여기서, 제1 콘텐츠에 대한 기획 전략은 제1 콘텐츠를 어떠한 방식으로 기획하여 제작할 것인지에 대한 전략을 포함할 수 있다.In step S207, the device 200 may generate a planning strategy for the first content based on the output of the second artificial neural network. Here, the planning strategy for the first content may include a strategy for how to plan and produce the first content.

일실시예에 따르면, 제2 인공 신경망은 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 통해, 어느 콘텐츠를 어떠한 방식으로 기획할 것인지 분석하도록 학습될 수 있다. 제2 인공 신경망은 도 6을 참조하여 후술되는 방법을 통해 학습될 수 있다. 이를 통해, 제2 인공 신경망은 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티를 고려하여, 기업에게 적합한 콘텐츠에 대한 기획 전략을 분석하여 출력할 수 있다.According to an embodiment, the second artificial neural network may be trained to analyze which content is to be planned and in which way through analysis results of the type of content, the target price, and the target quality. The second artificial neural network may be learned through a method described below with reference to FIG. 6 . Through this, the second artificial neural network may analyze and output a planning strategy for content suitable for the company in consideration of the type of content, the target price, and the target quality.

S208 단계에서, 장치(200)는 제1 콘텐츠에 대한 기획 전략을 담당자 단말(100)로 전송할 수 있다.In step S208 , the device 200 may transmit a planning strategy for the first content to the terminal 100 in charge.

도 3은 일실시예에 따른 콘텐츠에 대한 견적서를 생성하는 과정을 설명하기 위한 순서도이다.3 is a flowchart illustrating a process of generating a quote for content according to an exemplary embodiment.

도 3을 참조하면, 먼저, S301 단계에서, 장치(200)는 제1 콘텐츠에 대한 기획 전략을 담당자 단말(100)로 전송한 이후, 담당자 단말(100)로부터 제1 콘텐츠의 변경 요청을 수신할 수 있다.Referring to FIG. 3 , first, in step S301, the device 200 transmits a planning strategy for the first content to the manager terminal 100 and then receives a change request for the first content from the manager terminal 100. can

구체적으로, 제1 콘텐츠에 대한 기획 전략은 타겟 가격에 따라 설정되어 있는 영상의 길이, 제품 촬영의 이미지 수 및 자막의 글자 수에 대한 정보를 포함하고 있다. 제1 콘텐츠에 대한 기획 전략을 확인한 담당자에 의해, 영상의 길이, 제품 촬영의 이미지 수 및 자막의 글자 수에 대한 변경이 요청되면, 장치(200)는 담당자 단말(100)로부터 제1 콘텐츠의 변경 요청을 수신할 수 있다. 여기서, 제1 콘텐츠의 변경 요청은 제1 콘텐츠에 미리 설정되어 있는 영상의 길이를 짧게 또는 길게 변경시킬 것인지에 대한 설정 정보, 제1 콘텐츠에 미리 설정되어 있는 제품 촬영의 이미지 수를 감소 또는 증가시킬 것인지에 대한 설정 정보, 제1 콘텐츠에 미리 설정되어 있는 자막의 글자 수를 감소 또는 증가시킬 것인지에 대한 설정 정보를 포함할 수 있다.Specifically, the planning strategy for the first content includes information about the length of the video set according to the target price, the number of product shots, and the number of characters in the subtitle. When a change in the length of the video, the number of images for product shooting, and the number of characters in subtitles is requested by the person in charge who has confirmed the planning strategy for the first content, the device 200 changes the first content from the person in charge terminal 100. request can be received. Here, the request to change the first content includes setting information on whether to change the length of the video preset in the first content to be short or long, and whether to reduce or increase the number of product shooting images preset in the first content. and setting information on whether to decrease or increase the number of characters of subtitles preset in the first content.

S302 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 변경하고자 하는 영상의 길이, 제품 촬영의 이미지 수 및 자막의 글자 수를 확인할 수 있다.In step S302 , the device 200 may check the length of the video to be changed in the first content, the number of images taken by the product, and the number of characters in the subtitle through the change request of the first content.

예를 들어, 제1 콘텐츠에 대한 영상의 길이가 20초, 제품 촬영의 이미지 수가 10컷, 자막의 글자 수가 100개로 설정되어 있는 경우, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 영상의 길이가 20초에서 얼마나 많이 짧아지거나 또는 얼마나 많이 길어졌는지 확인할 수 있으며, 제품 촬영의 이미지 수가 10컷에서 얼마나 많이 감소하거나 또는 얼마나 많이 증가하였는지 확인할 수 있으며, 자막의 글자 수가 100개에서 얼마나 많이 감소하거나 얼마나 많이 증가하였는지 확인할 수 있다.For example, if the length of the video for the first content is 20 seconds, the number of images for product shooting is set to 10, and the number of characters in the subtitle is set to 100, the device 200 sends a change request for the first content to the video You can see how much shortened or lengthened from 20 seconds, how much the number of images for product shooting decreased or increased from 10 shots, and how much the number of characters in subtitles decreased from 100. Or you can see how much it has increased.

S303 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 영상의 길이가 변경 요청되었는지 여부를 확인할 수 있다.In step S303, the device 200 may check whether a change request has been made for the length of the video in the first content through the change request of the first content.

S303 단계에서 영상의 길이가 변경 요청된 것으로 확인되면, S306 단계에서, 장치(200)는 변경된 영상의 길이에 제1 가중치를 부여하여 제1 설정값을 산출할 수 있다. 여기서, 제1 가중치는 실시예에 따라 상이하게 설정될 수 있다.If it is determined in step S303 that the change in length of the video has been requested, in step S306, the device 200 may calculate a first set value by assigning a first weight to the changed length of the video. Here, the first weight may be set differently according to embodiments.

구체적으로, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 짧아진 것으로 확인되면, 제1 콘텐츠에서 짧아진 영상의 길이에 제1 가중치를 부여하여 제1 설정값을 산출할 수 있으며, 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 길어진 것으로 확인되면, 제1 콘텐츠에서 길어진 영상의 길이에 제1 가중치를 부여하여 제1 설정값을 산출할 수 있다.Specifically, when it is confirmed that the length of the video to be changed in the first content is shortened, the device 200 may calculate a first set value by assigning a first weight to the length of the video to be changed in the first content. , When it is confirmed that the length of the video to be changed in the first content is increased, a first set value may be calculated by assigning a first weight to the length of the video to be changed in the first content.

예를 들어, 제1 콘텐츠에 대한 영상의 길이가 20초로 설정되어 있었는데, 제1 콘텐츠의 변경 요청을 통해 제1 콘텐츠에 대한 영상의 길이가 15초로 변경 요청된 경우, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 5초 짧아진 것으로 확인할 수 있으며, 변경된 영상의 길이가 5초 짧아졌으므로, 변경된 영상의 길이를 -5로 설정하고, 제1 가중치가 100,000으로 설정되어 있으면, -5와 100,000을 곱한 값을 통해, 제1 설정값을 -500,000으로 산출할 수 있다.For example, if the length of the video for the first content is set to 20 seconds, but the length of the video for the first content is requested to be changed to 15 seconds through a request to change the first content, the device 200 performs the first It can be seen that the length of the video to be changed in the content is shortened by 5 seconds, and since the length of the changed video is shortened by 5 seconds, if the length of the changed video is set to -5 and the first weight is set to 100,000, - Through a value obtained by multiplying 5 by 100,000, the first set value may be calculated as -500,000.

또한, 제1 콘텐츠에 대한 영상의 길이가 20초로 설정되어 있었는데, 제1 콘텐츠의 변경 요청을 통해 제1 콘텐츠에 대한 영상의 길이가 30초로 변경 요청된 경우, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 10초 길어진 것으로 확인할 수 있으며, 변경된 영상의 길이가 10초 길어졌으므로, 변경된 영상의 길이를 10으로 설정하고, 제1 가중치가 100,000으로 설정되어 있으면, 10과 100,000을 곱한 값을 통해, 제1 설정값을 1,000,000으로 산출할 수 있다.In addition, when the length of the video for the first content is set to 20 seconds, and the length of the video for the first content is requested to be changed to 30 seconds through a request to change the first content, the device 200 converts the first content to 30 seconds. It can be confirmed that the length of the video to be changed has been increased by 10 seconds. Since the length of the changed video has been increased by 10 seconds, the length of the changed video is set to 10 and the first weight is set to 100,000. Through the value, the first set value may be calculated as 1,000,000.

S303 단계에서 영상의 길이가 변경 요청되지 않은 것으로 확인되면, S309 단계에서, 장치(200)는 제1 설정값을 0으로 설정할 수 있다.If it is determined in step S303 that the length of the video is not requested to be changed, in step S309, the device 200 may set the first setting value to 0.

한편, S304 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 제품 촬영의 이미지 수가 변경 요청되었는지 여부를 확인할 수 있다.Meanwhile, in step S304 , the device 200 may check whether or not a change request has been made for the number of product shots in the first content through a change request for the first content.

S304 단계에서 제품 촬영의 이미지 수가 변경 요청된 것으로 확인되면, S307 단계에서, 장치(200)는 변경된 이미지 수에 제2 가중치를 부여하여 제2 설정값을 산출할 수 있다. 여기서, 제2 가중치는 실시예에 따라 상이하게 설정될 수 있다.If it is determined in step S304 that the change in the number of product shots has been requested, in step S307, the device 200 may calculate a second set value by assigning a second weight to the changed number of images. Here, the second weight may be set differently according to embodiments.

구체적으로, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 감소한 것으로 확인되면, 제1 콘텐츠에서 감소한 제품 촬영의 이미지 수에 제2 가중치를 부여하여 제2 설정값을 산출할 수 있으며, 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 증가한 것으로 확인되면, 제1 콘텐츠에서 증가한 제품 촬영의 이미지 수에 제2 가중치를 부여하여 제2 설정값을 산출할 수 있다.Specifically, when it is confirmed that the number of product shots to be changed in the first content is reduced, the device 200 may calculate a second set value by assigning a second weight to the reduced number of product shots in the first content. If it is confirmed that the number of product shooting images to be changed in the first content has increased, a second set value may be calculated by assigning a second weight to the increased number of product shooting images in the first content.

예를 들어, 제1 콘텐츠에 대한 제품 촬영의 이미지 수가 10컷으로 설정되어 있었는데, 제1 콘텐츠의 변경 요청을 통해 제1 콘텐츠에 대한 제품 촬영의 이미지 수가 5컷으로 변경 요청된 경우, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 5컷 감소된 것으로 확인할 수 있으며, 변경된 이미지 수가 5컷 감소하였으므로, 변경된 이미지 수를 -5로 설정하고, 제2 가중치가 10,000으로 설정되어 있으면, -5와 10,000을 곱한 값을 통해, 제2 설정값을 -50,000으로 산출할 수 있다.For example, if the number of product shooting images for the first content is set to 10 cuts, and the number of product shooting images for the first content is requested to be changed to 5 cuts through a change request for the first content, the device 200 ) can be confirmed that the number of product shooting images to be changed in the first content is reduced by 5 cuts, and since the number of changed images is reduced by 5 cuts, if the number of changed images is set to -5 and the second weight is set to 10,000, , The second set value may be calculated as -50,000 through a value obtained by multiplying -5 and 10,000.

또한, 제1 콘텐츠에 대한 제품 촬영의 이미지 수가 10컷으로 설정되어 있었는데, 제1 콘텐츠의 변경 요청을 통해 제1 콘텐츠에 대한 제품 촬영의 이미지 수가 20컷으로 변경 요청된 경우, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 10컷 증가된 것으로 확인할 수 있으며, 변경된 이미지 수가 10컷 증가하였으므로, 변경된 이미지 수를 10으로 설정하고, 제2 가중치가 10,000으로 설정되어 있으면, 10과 10,000을 곱한 값을 통해, 제2 설정값을 100,000으로 산출할 수 있다.In addition, when the number of product shooting images for the first content is set to 10 cuts, and the number of product shooting images for the first content is requested to be changed to 20 cuts through a change request for the first content, the device 200 In the first content, it can be confirmed that the number of images of product shots to be changed has increased by 10, and since the number of changed images has increased by 10, if the number of changed images is set to 10 and the second weight is set to 10,000, 10 and Through the value multiplied by 10,000, the second set value may be calculated as 100,000.

S304 단계에서 제품 촬영의 이미지 수가 변경 요청되지 않은 것으로 확인되면, S310 단계에서, 장치(200)는 제2 설정값을 0으로 설정할 수 있다.If it is confirmed in step S304 that the change in the number of product shots is not requested, in step S310, the device 200 may set the second set value to 0.

한편, S305 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 자막의 글자 수가 변경 요청되었는지 여부를 확인할 수 있다.Meanwhile, in step S305, the device 200 may check whether or not a change in the number of characters of subtitles in the first content has been requested through a change request of the first content.

S305 단계에서 자막의 글자 수가 변경 요청된 것으로 확인되면, S308 단계에서, 장치(200)는 변경된 글자 수에 제3 가중치를 부여하여 제3 설정값을 산출할 수 있다. 여기서, 제3 가중치는 실시예에 따라 상이하게 설정될 수 있다.If it is confirmed in step S305 that the change in the number of characters in the subtitle has been requested, in step S308, the device 200 may calculate a third set value by assigning a third weight to the changed number of characters. Here, the third weight may be set differently according to embodiments.

구체적으로, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 감소한 것으로 확인되면, 제1 콘텐츠에서 감소한 자막의 글자 수에 제3 가중치를 부여하여 제3 설정값을 산출할 수 있으며, 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 증가한 것으로 확인되면, 제1 콘텐츠에서 증가한 자막의 글자 수에 제3 가중치를 부여하여 제3 설정값을 산출할 수 있다.Specifically, when it is determined that the number of characters of the subtitle to be changed in the first content is reduced, the device 200 may calculate a third set value by assigning a third weight to the number of characters of the subtitle that is reduced in the first content. When it is confirmed that the number of characters of the caption to be changed in the first content has increased, a third set value may be calculated by assigning a third weight to the increased number of characters in the caption in the first content.

예를 들어, 제1 콘텐츠에 대한 자막의 글자 수가 100개로 설정되어 있었는데, 제1 콘텐츠의 변경 요청을 통해 제1 콘텐츠에 대한 자막의 글자 수가 80개로 변경 요청된 경우, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 20개 감소된 것으로 확인할 수 있으며, 변경된 글자 수가 20개 감소하였으므로, 변경된 글자 수를 -20으로 설정하고, 제3 가중치가 100으로 설정되어 있으면, -20과 100을 곱한 값을 통해, 제3 설정값을 -2,000으로 산출할 수 있다.For example, if the number of characters of the subtitle for the first content is set to 100, but a change request for the first content is requested to change the number of characters for the subtitle to 80, the device 200 performs the first It can be confirmed that the number of characters of the subtitle to be changed in the content is reduced by 20. Since the number of changed characters is reduced by 20, if the number of changed characters is set to -20 and the third weight is set to 100, -20 and 100 Through the value multiplied by , the third set value can be calculated as -2,000.

또한, 제1 콘텐츠에 대한 자막의 글자 수가 100개로 설정되어 있었는데, 제1 콘텐츠의 변경 요청을 통해 제1 콘텐츠에 대한 자막의 글자 수가 130개로 변경 요청된 경우, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 30개 증가된 것으로 확인할 수 있으며, 변경된 글자 수가 30개 증가하였으므로, 변경된 글자 수를 30으로 설정하고, 제3 가중치가 100으로 설정되어 있으면, 30과 100을 곱한 값을 통해, 제3 설정값을 3,000으로 산출할 수 있다.In addition, when the number of characters of the subtitle for the first content is set to 100, but a change request for the first content is requested to change the number of characters for the subtitle to 130, the device 200 converts the number of characters in the first content to 130. It can be confirmed that the number of characters of the subtitle to be changed has increased by 30. Since the number of changed characters has increased by 30, if the number of changed characters is set to 30 and the third weight is set to 100, the value obtained by multiplying 30 and 100 Through this, the third set value can be calculated as 3,000.

S305 단계에서 자막의 글자 수가 변경 요청되지 않은 것으로 확인되면, S311 단계에서, 장치(200)는 제3 설정값을 0으로 설정할 수 있다.If it is confirmed in step S305 that the change in the number of characters of the subtitle is not requested, in step S311, the device 200 may set the third setting value to 0.

제1 설정값, 제2 설정값 및 제3 설정값이 각각 산출되면, S312 단계에서, 장치(200)는 타겟 가격, 제1 설정값, 제2 설정값 및 제3 설정값을 합산한 가격을 기반으로, 변경 요청된 제1 콘텐츠에 대한 견적서를 생성할 수 있다.When the first set value, the second set value, and the third set value are calculated, respectively, in step S312, the device 200 calculates the sum of the target price, the first set value, the second set value, and the third set value. Based on this, a quote for the first content requested for change may be generated.

즉, 장치(200)는 타겟 가격에 따라 설정되어 있는 영상의 길이, 제품 촬영의 이미지 수 및 자막의 글자 수에 대한 정보를 포함하는 제1 콘텐츠에 대한 기획 전략을 제공한 후, 제1 콘텐츠의 변경이 요청되면, 타겟 가격, 제1 설정값, 제2 설정값 및 제3 설정값을 합산한 가격을 기반으로, 변경 요청된 제1 콘텐츠에 대한 견적서를 생성할 수 있다. 여기서, 제1 콘텐츠에 대한 견적서는 최초 제시한 제1 콘텐츠의 가격과 변경 요청으로 수정된 제1 콘텐츠의 가격을 포함할 수 있으며, 최초 제시한 제1 콘텐츠의 가격은 타겟 가격으로 설정되고, 변경 요청으로 수정된 제1 콘텐츠의 가격은 타겟 가격, 제1 설정값, 제2 설정값 및 제3 설정값을 합산한 가격을 통해 설정될 수 있다.That is, the device 200 provides a planning strategy for the first content including information on the length of the video set according to the target price, the number of images of product shooting, and the number of characters in the subtitle, and then the first content When a change is requested, a quote for the first content requested to be changed may be generated based on a price obtained by summing the target price, the first set value, the second set value, and the third set value. Here, the quotation for the first content may include the price of the first content initially presented and the price of the first content modified as a change request, the price of the first content initially presented is set as the target price, and the change The price of the first content modified according to the request may be set through a sum of the target price, the first set value, the second set value, and the third set value.

S313 단계에서, 장치(200)는 제1 콘텐츠에 대한 견적서를 담당자 단말(100)로 전송할 수 있다.In step S313 , the device 200 may transmit a quote for the first content to the terminal 100 in charge.

도 4는 일실시예에 따른 제2 설정값을 산출하는 과정을 설명하기 위한 순서도이다.4 is a flowchart illustrating a process of calculating a second set value according to an embodiment.

도 4를 참조하면, 먼저, S401 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 제품 촬영의 이미지 수가 변경된 것으로 확인할 수 있다. 이때, 제품 촬영의 이미지 수는 제품 단독 촬영의 이미지 수, 모델 착용 제품 촬영의 이미지 수, 보정 작업이 필요한 이미지 수로 구분될 수 있다. 제품 단독 촬영의 이미지 수는 모델 착용 없이 제품 단독으로 촬영한 컷 수를 의미하고, 모델 착용 제품 촬영의 이미지 수는 모델이 착용하고 있는 상태로 제품을 촬영한 컷 수를 의미하고, 보정 작업이 필요한 이미지 수는 촬영 이후 보정 작업이 필요한 컷 수를 의미할 수 있다.Referring to FIG. 4 , first, in step S401 , the device 200 may determine that the number of product shots has been changed in the first content through a change request for the first content. In this case, the number of images for product shooting may be divided into the number of images for product-only shooting, the number of images for shooting products worn by the model, and the number of images requiring correction work. The number of images for product-only shoots means the number of shots taken with the product alone without the model wearing it, and the number of images for product shoots with the model on means the number of cuts where the product is shot while the model is wearing it. The number of images may mean the number of cuts for which correction work is required after shooting.

이를 위해, 제1 콘텐츠에 대한 기획 전략은 타겟 가격에 따라 설정되어 있는 제품 단독 촬영의 이미지 수, 모델 착용 제품 촬영의 이미지 수, 보정 작업이 필요한 이미지 수에 대한 정보를 포함하고 있다. 제1 콘텐츠에 대한 기획 전략을 확인한 담당자에 의해, 제품 단독 촬영의 이미지 수, 모델 착용 제품 촬영의 이미지 수, 보정 작업이 필요한 이미지 수에 대한 변경이 요청되면, 장치(200)는 담당자 단말(100)로부터 제1 콘텐츠의 변경 요청을 수신할 수 있다.To this end, the planning strategy for the first content includes information on the number of images of product-only shots set according to the target price, the number of images of products worn by the model, and the number of images requiring correction. When a change in the number of images for product-only shooting, the number of images for product wearing models, and the number of images requiring correction are requested by the person in charge who has confirmed the planning strategy for the first content, the device 200 transmits the device 200 to the person in charge terminal 100. ) may receive a change request for the first content.

S402 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 제품 단독 촬영의 이미지 수가 변경 요청되었는지 여부를 확인할 수 있다.In step S402 , the device 200 may check whether or not a change request has been made for the number of images of product-only shooting in the first content through a change request for the first content.

S402 단계에서 제품 단독 촬영의 이미지 수가 변경 요청된 것으로 확인되면, S405 단계에서, 장치(200)는 변경된 이미지 수에 제4 가중치를 부여하여 제2-1 설정값을 산출할 수 있다. 여기서, 제4 가중치는 실시예에 따라 상이하게 설정될 수 있다.If it is determined in step S402 that a change in the number of images of product-only shooting is requested, in step S405, the device 200 may calculate a 2-1 set value by assigning a fourth weight to the changed number of images. Here, the fourth weight may be set differently according to embodiments.

구체적으로, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 제품 단독 촬영의 이미지 수가 감소한 것으로 확인되면, 제1 콘텐츠에서 감소한 제품 단독 촬영의 이미지 수에 제4 가중치를 부여하여 제2-1 설정값을 산출할 수 있으며, 제1 콘텐츠에서 변경하고자 하는 제품 단독 촬영의 이미지 수가 증가한 것으로 확인되면, 제1 콘텐츠에서 증가한 제품 단독 촬영의 이미지 수에 제4 가중치를 부여하여 제2-1 설정값을 산출할 수 있다.Specifically, when it is determined that the number of images of individual photographed products to be changed in the first content is reduced, the device 200 assigns a fourth weight to the number of images of individually photographed products that are reduced in the first content to set a value of 2-1. can be calculated, and if it is confirmed that the number of images of product-only shooting to be changed in the first content has increased, a fourth weight is given to the increased number of images of product-only shooting in the first content to calculate the 2-1 set value. can do.

S402 단계에서 제품 단독 촬영의 이미지 수가 변경 요청되지 않은 것으로 확인되면, S408 단계에서, 장치(200)는 제2-1 설정값을 0으로 설정할 수 있다.If it is determined in step S402 that the number of images for product-only shooting is not requested to be changed, in step S408, the device 200 may set the 2-1 setting value to zero.

한편, S403 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 모델 착용 제품 촬영의 이미지 수가 변경 요청되었는지 여부를 확인할 수 있다.Meanwhile, in step S403 , the device 200 may check whether or not a change request has been made for the number of images of product worn by the model in the first content through a change request for the first content.

S403 단계에서 모델 착용 제품 촬영의 이미지 수가 변경 요청된 것으로 확인되면, S406 단계에서, 장치(200)는 변경된 이미지 수에 제5 가중치를 부여하여 제2-2 설정값을 산출할 수 있다. 여기서, 제5 가중치는 실시예에 따라 상이하게 설정될 수 있다.If it is determined in step S403 that a change in the number of images of products worn by the model has been requested, in step S406, the device 200 may calculate a 2-2 set value by assigning a fifth weight to the changed number of images. Here, the fifth weight may be set differently according to embodiments.

구체적으로, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 모델 착용 제품 촬영의 이미지 수가 감소한 것으로 확인되면, 제1 콘텐츠에서 감소한 모델 착용 제품 촬영의 이미지 수에 제5 가중치를 부여하여 제2-2 설정값을 산출할 수 있으며, 제1 콘텐츠에서 변경하고자 하는 모델 착용 제품 촬영의 이미지 수가 증가한 것으로 확인되면, 제1 콘텐츠에서 증가한 모델 착용 제품 촬영의 이미지 수에 제5 가중치를 부여하여 상기 제2-2 설정값을 산출할 수 있다.Specifically, when it is determined that the number of images of product worn by the model to be changed in the first content has decreased, the device 200 assigns a fifth weight to the number of images of product worn by the model that has been decreased in the first content, and then assigns a fifth weight to the number of images of the product worn by the model. A set value may be calculated, and when it is confirmed that the number of images of product worn by the model to be changed in the first content is increased, a fifth weight is given to the increased number of images of product worn by the model in the first content, and the second- 2 Set values can be calculated.

S403 단계에서 모델 착용 제품 촬영의 이미지 수가 변경 요청되지 않은 것으로 확인되면, S409 단계에서, 장치(200)는 제2-2 설정값을 0으로 설정할 수 있다.If it is determined in step S403 that the number of images of products worn by the model is not requested to be changed, in step S409, the device 200 may set the 2-2 setting value to 0.

한편, S404 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 보정 작업이 필요한 이미지 수가 변경 요청되었는지 여부를 확인할 수 있다.Meanwhile, in step S404, the device 200 may check whether or not a change request has been made for the number of images requiring correction in the first content through a change request for the first content.

S404 단계에서 보정 작업이 필요한 이미지 수가 변경 요청된 것으로 확인되면, S407 단계에서, 장치(200)는 변경된 이미지 수에 제6 가중치를 부여하여 제2-3 설정값을 산출할 수 있다. 여기서, 제6 가중치는 실시예에 따라 상이하게 설정될 수 있다.If it is determined in step S404 that the number of images requiring correction is requested to be changed, in step S407, the device 200 may calculate a 2-3 set value by assigning a sixth weight to the changed number of images. Here, the sixth weight may be set differently according to embodiments.

구체적으로, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 보정 작업이 필요한 이미지 수가 감소한 것으로 확인되면, 제1 콘텐츠에서 감소한 보정 작업 필요 이미지 수에 제6 가중치를 부여하여 제2-3 설정값을 산출할 수 있으며, 제1 콘텐츠에서 변경하고자 하는 보정 작업이 필요한 이미지 수가 증가한 것으로 확인되면, 제1 콘텐츠에서 증가한 보정 작업 필요 이미지 수에 제6 가중치를 부여하여 제2-3 설정값을 산출할 수 있다.Specifically, when it is confirmed that the number of images requiring correction to be changed in the first content decreases, the device 200 assigns a sixth weight to the reduced number of images requiring correction in the first content to obtain a 2-3 set value. If it is confirmed that the number of images requiring correction to be changed in the first content has increased, a 2-3 set value can be calculated by assigning a sixth weight to the increased number of images requiring correction in the first content. there is.

S404 단계에서 모델 착용 제품 촬영의 이미지 수가 변경 요청되지 않은 것으로 확인되면, S410 단계에서, 장치(200)는 제2-3 설정값을 0으로 설정할 수 있다.If it is confirmed in step S404 that the number of images of products worn by the model is not requested to be changed, in step S410, the device 200 may set the second-third setting value to zero.

제2-1 설정값, 제2-2 설정값 및 제2-3 설정값이 각각 산출되면, S411 단계에서, 장치(200)는 제2-1 설정값, 제2-2 설정값 및 제2-3 설정값을 합산하여, 제2 설정값을 산출할 수 있다.When the 2-1 set value, the 2-2 set value and the 2-3 set value are calculated, respectively, in step S411, the device 200 performs the 2-1 set value, the 2-2 set value and the second set value. A second set value may be calculated by summing the -3 set values.

도 5는 일실시예에 따른 콘텐츠에 대한 프로모션 전략을 생성하는 과정을 설명하기 위한 순서도이다.5 is a flowchart illustrating a process of generating a promotion strategy for content according to an exemplary embodiment.

도 5를 참조하면, 먼저, S501 단계에서, 장치(200)는 제1 콘텐츠가 제작되어 웹 사이트에 업로드 되면, 제1 콘텐츠에 대한 조회 수, 추천 수 및 댓글 수를 취합할 수 있다.Referring to FIG. 5 , first, in step S501, when the first content is produced and uploaded to the website, the device 200 may collect the number of views, recommendations, and comments for the first content.

S502 단계에서, 장치(200)는 제1 기간 동안 제1 콘텐츠에 대한 조회 수, 추천 수 및 댓글 수가 취합되었는지 여부를 확인할 수 있다. 여기서, 제1 기간은 실시예에 따라 상이하게 설정될 수 있으며, 예를 들어, 제1 기간은 월, 분기, 연도 등 다양하게 설정될 수 있다.In step S502, the device 200 may check whether or not the number of views, recommendations, and comments on the first content is collected during the first period. Here, the first period may be set differently according to embodiments, and for example, the first period may be set in various ways such as month, quarter, year, and the like.

S502 단계에서 제1 기간 동안 조회 수, 추천 수 및 댓글 수가 취합되지 않은 것으로 확인되면, S501 단계로 되돌아가, 장치(200)는 제1 콘텐츠에 대한 조회 수, 추천 수 및 댓글 수를 다시 취합할 수 있다.If it is confirmed in step S502 that the number of views, recommendations, and comments are not collected during the first period, the device 200 returns to step S501 to collect the number of views, recommendations, and comments for the first content again. can

S502 단계에서 제1 기간 동안 조회 수, 추천 수 및 댓글 수가 취합된 것으로 확인되면, S504단계에서, 장치(200)는 제1 기간 동안 취합된 조회 수, 추천 수 및 댓글 수를 기반으로, 제1 반응 지표를 산출할 수 있다. 여기서, 제1 반응 지표는 제1 기간 동안 제1 콘텐츠에 대한 소비자들의 반응 정도를 나타낼 수 있다.If it is determined in step S502 that the number of views, recommendations, and comments are collected during the first period, in step S504, the device 200 determines the number of views, recommendations, and comments collected during the first period. response indicators can be calculated. Here, the first response index may indicate a degree of response of consumers to the first content during the first period.

예를 들어, 장치(200)는 제1 기간 동안 제1 콘텐츠의 조회 수가 1,000개, 추천 수가 500개, 댓글 수가 200개인 경우, 제1 콘텐츠의 조회 수에 가중치 1을 부여하여 조회 지표를 1,000으로 산출하고, 제1 콘텐츠의 추천 수에 가중치 5를 부여하여 추천 지표를 2,500으로 산출하고, 제1 콘텐츠의 댓글 수에 가중치 10을 부여하여 댓글 지표를 2,000으로 산출한 후, 조회 지표, 추천 지표 및 댓글 지표를 합산하여, 5,500을 제1 반응 지표로 산출할 수 있다.For example, when the number of views of the first content is 1,000, the number of recommendations is 500, and the number of comments is 200 during the first period, the device 200 assigns a weight of 1 to the number of views of the first content to set the inquiry index to 1,000. and calculates the recommendation index as 2,500 by assigning a weight of 5 to the number of recommendations for the first content, and calculates the comment index as 2,000 by assigning a weight of 10 to the number of comments for the first content. By summing the comment indicators, 5,500 may be calculated as the first response indicator.

한편, S503 단계에서, 장치(200)는 제2 기간 동안 제1 콘텐츠에 대한 조회 수, 추천 수 및 댓글 수가 취합되었는지 여부를 확인할 수 있다. 여기서, 제2 기간은 제1 기간이 끝난 이후 시점부터, 제1 기간과 동일한 길이로 설정될 수 있다. 예를 들어, 제1 기간이 1월로 설정되어 있는 경우, 제2 기간은 2월로 설정되고, 제1 기간이 1분기로 설정되어 있는 경우, 제2 기간은 2분기로 설정되고, 제1 기간이 2020년도로 설정되어 있는 경우, 제2 기간은 2021년도로 설정될 수 있다.Meanwhile, in step S503, the device 200 may check whether or not the number of views, recommendations, and replies for the first content is collected during the second period. Here, the second period may be set to have the same length as the first period starting from a point after the first period ends. For example, when the first period is set to January, the second period is set to February, and when the first period is set to one quarter, the second period is set to two quarters, and the first period is set to two quarters. If the year 2020 is set, the second period may be set to the year 2021.

S503 단계에서 제2 기간 동안 조회 수, 추천 수 및 댓글 수가 취합되지 않은 것으로 확인되면, S501 단계로 되돌아가, 장치(200)는 제1 콘텐츠에 대한 조회 수, 추천 수 및 댓글 수를 다시 취합할 수 있다.When it is confirmed in step S503 that the number of views, recommendations, and comments are not collected during the second period, the device 200 returns to step S501 to collect the number of views, recommendations, and comments for the first content again. can

S503 단계에서 제2 기간 동안 조회 수, 추천 수 및 댓글 수가 취합된 것으로 확인되면, S505단계에서, 장치(200)는 제2 기간 동안 취합된 조회 수, 추천 수 및 댓글 수를 기반으로, 제2 반응 지표를 산출할 수 있다. 여기서, 제2 반응 지표는 제2 기간 동안 제1 콘텐츠에 대한 소비자들의 반응 정도를 나타낼 수 있다.If it is confirmed in step S503 that the number of views, recommendations, and comments are collected during the second period, in step S505, the device 200 determines the second period based on the number of views, recommendations, and comments collected during the second period. response indicators can be calculated. Here, the second response index may indicate a degree of response of consumers to the first content during the second period.

S506 단계에서, 장치(200)는 제1 반응 지표 및 제2 반응 지표를 비교하여, 제1 기간의 시작일부터 제2 기간의 종료일까지, 제1 콘텐츠에 대한 관심 변동 추세를 분석할 수 있다.In step S506 , the device 200 compares the first response index and the second response index to analyze a change in interest in the first content from the start date of the first period to the end date of the second period.

구체적으로, 장치(200)는 제1 반응 지표 및 제2 반응 지표를 비교하여, 제1 콘텐츠에 대한 관심이 증가 또는 감소되었는지 여부를 확인할 수 있으며, 이를 통해, 제1 콘텐츠에 대한 관심 변동 추세를 분석할 수 있다.Specifically, the device 200 may determine whether interest in the first content increases or decreases by comparing the first response index and the second response index, and through this, a change trend in interest in the first content may be determined. can be analyzed.

예를 들어, 제1 반응 지표는 1,000으로 산출되어 있고 제2 반응 지표는 1,200으로 산출되어 있는 경우, 장치(200)는 제1 반응 지표 및 제2 반응 지표를 비교한 결과, 1,000에서 1,200으로 반응 지표가 변경되었으므로, 제1 콘텐츠에 대한 관심이 증가된 것을 확인할 수 있다. 이때, 장치(200)는 제1 콘텐츠에 대한 관심이 20% 증가한 것을 확인하여, 제1 콘텐츠에 대한 관심 변동 추세를 분석할 수 있다.For example, when the first response indicator is calculated as 1,000 and the second response indicator is calculated as 1,200, the device 200 responds from 1,000 to 1,200 as a result of comparing the first response indicator and the second response indicator. Since the index has been changed, it can be confirmed that interest in the first content has increased. At this time, the device 200 may determine that the interest in the first content has increased by 20%, and analyze a change trend in interest in the first content.

S507 단계에서, 장치(200)는 제1 콘텐츠의 관심 변동 추세에 대한 분석 결과를 미리 학습된 제3 인공 신경망에 적용할 수 있다.In step S507, the apparatus 200 may apply the analysis result of the trend of interest change of the first content to the previously trained third artificial neural network.

일실시예에 따르면, 제3 인공 신경망은 콘텐츠의 관심 변동 추세에 대한 분석 결과를 입력 받은 후, 콘텐츠에 대한 프로모션 전략을 출력하는 알고리즘일 수 있다. 예를 들어, 콘텐츠의 관심 변동 추세에 대한 분석 결과가 20% 증가인 경우, 제3 인공 신경망은 20을 입력으로 받아, 기업 브랜드를 홍보하는 것을 추천하는 프로모션 전략을 출력할 수 있으며, 콘텐츠의 관심 변동 추세에 대한 분석 결과가 30% 감소인 경우, 제3 인공 신경망은 -30을 입력으로 받아, 콘텐츠 자체를 홍보하는 것을 추천하는 프로모션 전략을 출력할 수 있다.According to an embodiment, the third artificial neural network may be an algorithm that outputs a promotion strategy for content after receiving an analysis result of a change in interest in content. For example, if the analysis result of the change trend of the content interest is a 20% increase, the third artificial neural network may receive 20 as an input and output a promotion strategy recommending promotion of the corporate brand, and the interest of the content When the analysis result of the fluctuation trend is a 30% decrease, the third artificial neural network may receive -30 as an input and output a promotion strategy recommending promotion of the content itself.

S508 단계에서, 장치(200)는 제3 인공 신경망의 출력을 기초로, 제1 콘텐츠에 대한 프로모션 전략을 생성할 수 있다. 여기서, 제1 콘텐츠에 대한 프로모션 전략은 제1 기간의 시작일부터 제2 기간의 종료일까지 분석된 제1 콘텐츠의 관심 변동 추세에 따라, 제2 기간 이후에는 제1 콘텐츠에 대한 프로모션을 어떻게 진행할 것인지에 대한 전략을 포함할 수 있다.In step S508, the device 200 may generate a promotion strategy for the first content based on the output of the third artificial neural network. Here, the promotion strategy for the first content is about how to promote the first content after the second period according to the trend of interest change in the first content analyzed from the start date of the first period to the end date of the second period. strategies can be included.

일실시예에 따르면, 제3 인공 신경망은 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해, 콘텐츠의 노출 효과를 증가시키기 위해 콘텐츠에 대한 프로모션을 어떻게 진행할 것인지 분석하도록 학습될 수 있다. 제3 인공 신경망은 도 6을 참조하여 후술되는 방법을 통해 학습될 수 있다. 이를 통해, 제3 인공 신경망은 콘텐츠의 관심 변동 추세를 고려하여, 콘텐츠에 대한 프로모션을 분석하여 출력할 수 있다.According to an embodiment, the third artificial neural network may be trained to analyze how to promote content in order to increase the exposure effect of the content, based on the analysis result of the change in interest in the content. The third artificial neural network may be learned through a method described later with reference to FIG. 6 . Through this, the third artificial neural network may analyze and output the promotion for the content in consideration of the change in interest in the content.

S509 단계에서, 장치(200)는 제1 콘텐츠에 대한 프로모션을 담당자 단말(100)로 전송할 수 있다. In step S509 , the device 200 may transmit a promotion for the first content to the terminal 100 in charge.

일실시예에 따르면, 장치(200)는 제1 기업을 위한 맞춤형 콘텐츠로 제1 콘텐츠가 제작되고, 제2 기업을 위한 맞춤형 콘텐츠로 제2 콘텐츠가 제작되면, 제1 콘텐츠 및 제2 콘텐츠가 웹 사이트에 업로드 되도록 처리할 수 있다.According to one embodiment, the device 200, when the first content is produced as customized content for a first company and the second content is produced as customized content for a second company, the first content and the second content are displayed on the web. It can be processed to be uploaded to the site.

장치(200)는 복수의 사용자 단말로부터 제1 콘텐츠에 대한 조회 요청이 수신된 횟수를 확인하여, 제1 콘텐츠의 조회 수를 산정하고, 복수의 사용자 단말로부터 제2 콘텐츠에 대한 조회 요청이 수신된 횟수를 확인하여, 제2 콘텐츠의 조회 수를 산정할 수 있다. 이를 위해, 장치(200)는 복수의 사용자 단말과 유무선으로 통신하도록 구성될 수 있다.The device 200 determines the number of search requests for the first content received from the plurality of user terminals, calculates the number of search requests for the first content, and determines the number of search requests for the second content received from the plurality of user terminals. By checking the number of times, it is possible to calculate the number of views of the second content. To this end, the device 200 may be configured to communicate with a plurality of user terminals wired or wireless.

구체적으로, 장치(200)는 복수의 사용자 단말로부터 제1 콘텐츠에 대한 상세 정보의 제공 요청이 수신되면, 제1 콘텐츠에 대한 조회 요청이 수신된 것으로 판단하여, 제1 콘텐츠에 대한 조회 요청에 따라, 제1 콘텐츠의 조회 정보를 갱신할 수 있다. 여기서, 제1 콘텐츠의 조회 정보는 제1 콘텐츠를 조회한 횟수인 제1 콘텐츠의 조회 수에 대한 정보를 포함할 수 있다. 장치(200)는 콘텐츠 별로 조회 정보를 데이터베이스에 저장하여 관리할 수 있다.Specifically, when a request for providing detailed information on the first content is received from a plurality of user terminals, the apparatus 200 determines that a search request for the first content has been received, and responds to the search request for the first content. , it is possible to update search information of the first content. Here, the search information of the first content may include information about the number of views of the first content, which is the number of times the first content is viewed. The device 200 may store and manage search information for each content in a database.

장치(200)는 제1 콘텐츠의 조회 정보를 갱신하는데 있어, 복수의 사용자 단말로부터 제1 콘텐츠에 대한 조회 요청이 수신된 횟수를 확인하여, 제1 콘텐츠의 조회 수를 산정할 수 있다.When updating search information on the first content, the apparatus 200 may check the number of times search requests for the first content are received from a plurality of user terminals, and calculate the number of searches on the first content.

예를 들어, 장치(200)는 제1 콘텐츠의 조회 수가 0인 상태에서, 미리 설정된 기간 이내에 제1 사용자 단말 및 제2 사용자 단말로부터 제1 콘텐츠에 대한 조회 요청이 각각 수신되면, 제1 콘텐츠에 대한 조회 요청이 수신된 횟수를 2회로 확인하여, 제1 콘텐츠의 조회 수를 0에서 2로 변경하여 산정할 수 있다.For example, in a state where the number of searches for the first content is 0, the device 200 receives search requests for the first content from the first user terminal and the second user terminal within a preset period of time, respectively, to the first content. It can be calculated by checking the number of times that the inquiry request for the first content is received is changed from 0 to 2.

또한, 장치(200)는 제1 콘텐츠의 조회 수가 0인 상태에서, 제1 사용자 단말로부터 제1 콘텐츠에 대한 조회 요청이 수신되면, 제1 콘텐츠의 조회 수를 0에서 1로 변경하여 산정할 수 있으며, 제1 콘텐츠의 조회 수가 1인 상태에서, 제2 사용자 단말로부터 제1 콘텐츠에 대한 조회 요청이 수신되면, 제1 콘텐츠의 조회 수를 1에서 2로 변경하여 산정할 수 있다.In addition, when a search request for the first content is received from the first user terminal while the number of views of the first content is 0, the device 200 may change the number of views of the first content from 0 to 1 and calculate the number of views. In a state in which the number of views of the first content is 1, when a request for a search for the first content is received from the second user terminal, the number of views of the first content may be changed from 1 to 2 to be calculated.

장치(200)는 제1 콘텐츠의 조회 수를 산정하는 방식과 동일하게, 복수의 콘텐츠 각각의 조회 수를 산정할 수 있으며, 제2 콘텐츠의 조회 수, 제3 콘텐츠의 조회 수 등을 각각 산정할 수 있다.The device 200 may calculate the number of views of each of the plurality of contents in the same way as the method of calculating the number of views of the first content, and calculate the number of views of the second content and the number of views of the third content, respectively. can

장치(200)는 복수의 사용자 단말 중 어느 하나인 제1 사용자 단말로부터 웹 사이트에 대한 접속 요청을 수신할 수 있다. 예를 들어, 제1 사용자 단말에서 웹 사이트의 주소가 입력되거나, 웹 사이트의 바로가기가 선택되면, 장치(200)는 제1 사용자 단말로부터 웹 사이트에 대한 접속 요청을 수신할 수 있다.The device 200 may receive a request for access to a website from a first user terminal that is any one of a plurality of user terminals. For example, when an address of a website is input in the first user terminal or a shortcut to the website is selected, the device 200 may receive a request for access to the website from the first user terminal.

장치(200)는 제1 사용자 단말의 식별 정보를 기초로, 제1 사용자 단말의 화면 크기를 확인할 수 있다. 여기서, 제1 사용자 단말의 식별 정보는 제1 사용자 단말을 식별하는데 필요한 정보로, 스마트폰, 태블릿, PC 등 단말의 종류와 기종을 식별하는 정보를 포함할 수 있다.The device 200 may check the screen size of the first user terminal based on the identification information of the first user terminal. Here, the identification information of the first user terminal is information necessary for identifying the first user terminal, and may include information for identifying the type and model of the terminal such as a smartphone, tablet, or PC.

구체적으로, 장치(200)는 제1 사용자 단말로부터 웹 사이트에 대한 접속 요청이 수신되면, 제1 사용자 단말로부터 제1 사용자 단말의 식별 정보를 획득할 수 있으며, 제1 사용자 단말의 식별 정보를 기초로, 제1 사용자 단말의 종류를 파악하여, 제1 사용자 단말의 화면 크기를 확인할 수 있다.Specifically, the device 200 may obtain identification information of the first user terminal from the first user terminal when a request for access to the website is received from the first user terminal, and based on the identification information of the first user terminal. As a result, the type of the first user terminal can be identified and the screen size of the first user terminal can be confirmed.

장치(200)는 제1 사용자 단말의 화면 크기가 기준값 보다 작은지 여부를 확인할 수 있다. 여기서, 기준값은 실시예에 따라 상이하게 설정될 수 있다.The device 200 may check whether the screen size of the first user terminal is smaller than a reference value. Here, the reference value may be set differently according to embodiments.

제1 사용자 단말의 화면 크기가 기준값 보다 작은 것으로 확인되면, 장치(200)는 제1 영역으로 구성된 제1 웹 페이지를 제1 사용자 단말로 제공할 수 있다. 여기서, 제1 영역은 제1 콘텐츠의 요약 정보가 표시되는 영역이고, 제1 콘텐츠는 제1 기업을 위한 맞춤형 콘텐츠이다.When it is confirmed that the screen size of the first user terminal is smaller than the reference value, the device 200 may provide the first web page consisting of the first area to the first user terminal. Here, the first area is an area where summary information of the first content is displayed, and the first content is customized content for the first company.

즉, 제1 사용자 단말의 화면 크기가 기준값 보다 작은 것으로 확인되면, 제1 사용자 단말은 제1 영역으로 구성된 제1 웹 페이지를 화면에 표시할 수 있다.That is, when it is confirmed that the screen size of the first user terminal is smaller than the reference value, the first user terminal can display the first web page composed of the first area on the screen.

제1 사용자 단말의 화면 크기가 기준값 보다 큰 것으로 확인되면, 장치(200)는 제1 영역 및 제2 영역으로 구성된 제2 웹 페이지를 제1 사용자 단말로 제공할 수 있다. 여기서, 제1 영역은 제1 콘텐츠의 요약 정보가 표시되는 영역이고, 제2 영역은 제2 콘텐츠의 요약 정보가 표시되는 영역이고, 제1 콘텐츠는 제1 기업을 위한 맞춤형 콘텐츠이고, 제2 콘텐츠는 제2 기업을 위한 맞춤형 콘텐츠이다.If it is confirmed that the screen size of the first user terminal is greater than the reference value, the device 200 may provide a second web page composed of the first area and the second area to the first user terminal. Here, the first area is an area where summary information of the first content is displayed, the second area is an area where summary information of the second content is displayed, the first content is customized content for the first company, and the second content is customized content for the second company.

즉, 제1 사용자 단말의 화면 크기가 기준값 보다 큰 것으로 확인되면, 제1 사용자 단말은 제1 영역 및 제2 영역으로 구성된 제2 웹 페이지를 화면에 표시할 수 있다.That is, when it is confirmed that the screen size of the first user terminal is larger than the reference value, the first user terminal can display a second web page composed of the first area and the second area on the screen.

도 6은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.6 is a diagram for explaining learning of an artificial neural network according to an embodiment.

일실시예에 따르면, 인공 신경망은 제1 인공 신경망, 제2 인공 신경망 및 제3 인공 신경망 중 어느 하나일 수 있다. 여기서, 제1 인공 신경망은 기업의 니즈에 대한 분석 결과를 입력 받은 후, 기업에게 적합한 콘텐츠의 종류를 분석하여 출력하는 알고리즘이고, 제2 인공 신경망은 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 입력 받은 후, 콘텐츠에 대한 기획 전략을 출력하는 알고리즘이고, 제3 인공 신경망은 콘텐츠의 관심 변동 추세에 대한 분석 결과를 입력 받은 후, 콘텐츠에 대한 프로모션 전략을 출력하는 알고리즘일 수 있다. According to an embodiment, the artificial neural network may be any one of a first artificial neural network, a second artificial neural network, and a third artificial neural network. Here, the first artificial neural network is an algorithm that analyzes and outputs the type of content suitable for the company after receiving the analysis result of the company's needs, and the second artificial neural network analyzes the type of content, target price, and target quality. It is an algorithm that outputs a planning strategy for content after receiving a result, and the third artificial neural network may be an algorithm that outputs a promotion strategy for content after receiving an analysis result of a change in interest in content.

인공 신경망의 학습이 이루어지는 학습 장치는 인공지능 기반 기업 맞춤형 콘텐츠의 기획안 및 견적 생성 방법을 제공하는 장치(200)와 동일한 장치일 수도 있고, 별개의 장치일 수도 있다. 이하에서는 인공 신경망이 학습되는 과정을 설명한다.The learning device in which the learning of the artificial neural network is performed may be the same device as the device 200 that provides a method for generating a plan and a quotation for enterprise-customized content based on artificial intelligence, or may be a separate device. Hereinafter, a process of learning an artificial neural network will be described.

먼저, S601 단계에서, 장치(200)는 인공 신경망에 입력할 입력을 생성할 수 있다. 이때, 장치(200)는 제1 인공 신경망에 입력하기 위해, 기업의 니즈에 대한 분석 결과를 기초로 입력을 생성할 수 있고, 제2 인공 신경망에 입력하기 위해, 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 입력을 생성할 수 있고, 제3 인공 신경망에 입력하기 위해, 콘텐츠의 관심 변동 추세에 대한 분석 결과를 기초로 입력을 생성할 수 있다.First, in step S601, the device 200 may generate an input to be input to the artificial neural network. At this time, the device 200 may generate an input based on the analysis result of the company's needs to input to the first artificial neural network, and to input to the second artificial neural network, the type of content, the target price, and the target price. An input may be generated based on an analysis result of the quality, and an input may be generated based on the analysis result of the interest change trend of the content in order to be input to the third artificial neural network.

구체적으로, 장치(200)는 기업의 니즈에 대한 분석 결과에 대해 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 기업의 니즈에 대한 분석 결과를 제1 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제1 인공 신경망의 입력을 생성할 수 있다.Specifically, the device 200 may perform a process of pre-processing the result of analyzing the company's needs. The analysis result of the company's needs for which preprocessing has been performed may be used as an input of the first artificial neural network, or an input of the first artificial neural network may be generated through a normal process of removing unnecessary information.

또한, 장치(200)는 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과에 대해 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 제2 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제2 인공 신경망의 입력을 생성할 수 있다.In addition, the device 200 may perform a process of pre-processing the analysis result for the type of content, the target price, and the target quality. The analysis result of the preprocessed content type, target price, and target quality may be used as an input to the second artificial neural network, or input to the second artificial neural network may be generated through normal processing of removing unnecessary information. .

또한, 장치(200)는 콘텐츠의 관심 변동 추세에 대한 분석 결과에 대해 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 콘텐츠의 관심 변동 추세에 대한 분석 결과를 제3 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제3 인공 신경망의 입력을 생성할 수 있다.In addition, the apparatus 200 may perform a process of pre-processing the analysis result of the change trend of interest in the content. The analysis result of the trend of interest change of the preprocessed content may be used as an input to the third artificial neural network, or an input of the third artificial neural network may be generated through a normal process of removing unnecessary information.

S602 단계에서, 장치(200)는 인공 신경망에 입력을 적용할 수 있다. 이때, 장치(200)는 제1 인공 신경망의 입력을 생성한 경우, 제1 인공 신경망에 입력을 적용하고, 제2 인공 신경망의 입력을 생성한 경우, 제2 인공 신경망에 입력을 적용하고, 제3 인공 신경망의 입력을 생성한 경우, 제3 인공 신경망에 입력을 적용할 수 있다.In step S602, the device 200 may apply the input to the artificial neural network. At this time, the device 200 applies the input to the first artificial neural network when the input of the first artificial neural network is generated, and applies the input to the second artificial neural network when the input of the second artificial neural network is generated, and 3 When the input of the artificial neural network is generated, the input may be applied to the third artificial neural network.

인공 신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 인공 신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.The artificial neural network may be an artificial neural network that is trained according to reinforcement learning. The artificial neural network may be a Q-Network, a Depp Q-Network (DQN), or a relational network (RL) structure suitable for outputting abstract inference through reinforcement learning.

강화 학습에 따라 학습되는 인공 신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 인공 신경망은 제1 보상 및 제2 보상을 통해 갱신 및 최적화되고, 제2 인공 신경망은 제3 보상 및 제4 보상을 통해 갱신 및 최적화되고, 제3 인공 신경망은 제5 보상 및 제6 보상을 통해 갱신 및 최적화될 수 있다.An artificial neural network trained by reinforcement learning may be updated and optimized by reflecting evaluations on various rewards. For example, the first artificial neural network is updated and optimized through first compensation and second compensation, the second artificial neural network is updated and optimized through third compensation and fourth compensation, and the third artificial neural network is updated and optimized through fifth compensation. And it can be updated and optimized through the sixth compensation.

예를 들어, 제1 보상은 기업의 니즈에 대한 분석 결과를 통해 기업에게 적합한 콘텐츠의 종류를 선정할수록 높아질 수 있으며, 제2 보상은 기업의 니즈에 대한 분석 결과를 통해 기업에게 적합하지 않은 콘텐츠의 종류를 선정하지 않을수록 높아질 수 있다.For example, the first reward may increase as the type of content suitable for the company is selected through the analysis result of the company's needs, and the second reward may be the content that is not suitable for the company through the analysis result of the company's needs. The more you don't select the type, the higher it can be.

또한, 제3 보상은 타겟 가격에 적합한 콘텐츠를 기획하면 보상값이 높아질 수 있으며, 제4 보상은 타겟 퀄리티에 적합한 콘텐츠를 기획하면 보상값이 높아질 수 있다.In addition, as for the third reward, a reward value may be increased when content suitable for the target price is planned, and as for the fourth reward, when content suitable for the target quality is planned, the reward value may be increased.

또한, 제5 보상은 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해 콘텐츠의 관심이 증가할수록 기업 브랜드를 홍보하는 것을 추천하면 보상값이 높아질 수 있으며, 제6 보상은 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해 콘텐츠의 관심이 감소할수록 콘텐츠 자체를 홍보하는 것을 추천하면 보상값이 높아질 수 있다.In addition, the fifth reward can increase the reward value if it is recommended to promote the corporate brand as the interest in the content increases through the analysis result of the change in interest in the content, and the sixth reward is the analysis on the change in interest in the content. As a result, as the interest in the content decreases, the reward value may increase if it is recommended to promote the content itself.

S603 단계에서, 장치(200)는 인공 신경망으로부터 출력을 획득할 수 있다.In step S603, the device 200 may obtain an output from the artificial neural network.

제1 인공 신경망의 출력은, 기업에게 적합한 콘텐츠의 종류에 대한 정보일 수 있다. 이때, 제1 인공 신경망은 기업의 니즈에 대한 분석 결과를 통해 기업에게 적합한 콘텐츠의 종류를 선정하고, 기업의 니즈에 대한 분석 결과를 통해 기업에게 적합하지 않은 콘텐츠의 종류를 선정하지 않도록 처리하여, 기업에게 가장 적합한 콘텐츠의 종류에 대한 정보를 출력할 수 있다.The output of the first artificial neural network may be information on the type of content suitable for the company. At this time, the first artificial neural network selects the type of content suitable for the company through the analysis result of the company's needs, and processes it not to select the type of content that is not suitable for the company through the analysis result of the company's needs, You can output information about the type of content that is most suitable for your business.

제2 인공 신경망의 출력은 콘텐츠에 대한 기획 전략으로, 제1 기업에게 적합한 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과가 입력된 경우, 제1 콘텐츠에 대한 기획 전략이 출력될 수 있다. 여기서, 제1 콘텐츠에 대한 기획 전략은 제1 콘텐츠를 어떠한 방식으로 기획하여 제작할 것인지에 대한 전략을 포함할 수 있다.The output of the second artificial neural network is a planning strategy for the content. When the analysis result of the type, target price, and target quality of the content suitable for the first company is input, the planning strategy for the first content can be output. Here, the planning strategy for the first content may include a strategy for how to plan and produce the first content.

제3 인공 신경망의 출력은 콘텐츠에 대한 프로모션 전략으로, 제1 콘텐츠의 관심 변동 추세에 대한 분석 결과가 입력된 경우, 제1 콘텐츠에 대한 프로모션 전략이 출력될 수 있다. 여기서, 제1 콘텐츠에 대한 프로모션 전략은 제1 기간의 시작일부터 제2 기간의 종료일까지 분석된 제1 콘텐츠의 관심 변동 추세에 따라, 제2 기간 이후에는 제1 콘텐츠에 대한 프로모션 어떻게 진행할 것인지에 대한 전략을 포함할 수 있다.An output of the third artificial neural network is a promotion strategy for the first content, and when an analysis result of an interest change trend of the first content is input, a promotion strategy for the first content may be output. Here, the promotion strategy for the first content is a strategy for how to promote the first content after the second period according to the trend of interest change in the first content analyzed from the start date of the first period to the end date of the second period. can include

S604 단계에서, 장치(200)는 인공 신경망의 출력을 평가하여 보상을 지급할 수 있다.In step S604, the device 200 may evaluate the output of the artificial neural network and provide a reward.

제1 인공 신경망의 출력에 대한 평가는 제1 보상 및 제2 보상으로 나뉠 수 있다. 예를 들어, 장치(200)는 기업에게 적합한 콘텐츠의 종류를 선정할수록 제1 보상을 많이 수여하고, 기업에게 적합하지 않은 콘텐츠의 종류를 선정하지 않을수록 제2 보상을 많이 수여할 수 있다.Evaluation of the output of the first artificial neural network may be divided into first compensation and second compensation. For example, the device 200 may award more first rewards as the type of content suitable for the company is selected, and award more second rewards as the type of content unsuitable for the company is not selected.

제2 인공 신경망의 출력에 대한 평가는 제3 보상 및 제4 보상으로 나뉠 수 있다. 예를 들어, 장치(200)는 타겟 가격에 적합한 콘텐츠를 기획하면 제3 보상을 많이 수여하고, 타겟 퀄리티에 적합한 콘텐츠를 기획하면 제4 보상을 많이 수여할 수 있다.Evaluation of the output of the second artificial neural network may be divided into third compensation and fourth compensation. For example, the device 200 may award more third rewards when content suitable for the target price is planned, and award more fourth rewards when content suitable for the target quality is planned.

제3 인공 신경망의 출력에 대한 평가는 제5 보상 및 제6 보상으로 나뉠 수 있다. 예를 들어, 장치(200)는 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해 콘텐츠의 관심이 증가할수록 기업 브랜드를 홍보하는 것을 추천하면 제5 보상을 많이 수여하고, 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해 콘텐츠의 관심이 감소할수록 콘텐츠 자체를 홍보하는 것을 추천하면 제6 보상을 많이 수여할 수 있다.Evaluation of the output of the third artificial neural network may be divided into a fifth reward and a sixth reward. For example, when the device 200 recommends promoting a corporate brand as the interest in the content increases based on the analysis result of the change in interest in the content, the device 200 awards a large number of fifth rewards, and analyzes the change in interest in the content. As a result, as the interest in the content decreases, when promoting the content itself is recommended, more sixth rewards may be awarded.

S605 단계에서, 장치(200)는 평가를 기초로 인공 신경망을 갱신할 수 있다.In step S605, the device 200 may update the artificial neural network based on the evaluation.

장치(200)는 제1 인공 신경망이, 기업의 니즈를 고려하여, 기업에게 적합한 콘텐츠의 종류를 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제1 인공 신경망을 갱신할 수 있다.The apparatus 200 is configured to maximize the expectation of the sum of rewards in an environment in which the first artificial neural network analyzes the type of content suitable for the company in consideration of the needs of the company. The first artificial neural network may be updated through a process of optimizing a policy for determining actions to be taken in states.

장치(200)는 제2 인공 신경망이, 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티를 고려하여, 기업에게 적합한 콘텐츠에 대한 기획 전략을 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제2 인공 신경망을 갱신할 수 있다.The device 200 is an expected value of the sum of rewards in an environment in which the second artificial neural network analyzes a planning strategy for content suitable for the company, taking into account the type of content, the target price, and the target quality. The second artificial neural network may be updated through a process of optimizing a policy for determining actions to be taken in specific states so as to maximize an expectation.

장치(200)는 제3 인공 신경망이, 콘텐츠의 관심 변동 추세를 고려하여, 콘텐츠에 대한 프로모션을 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제3 인공 신경망을 갱신할 수 있다.The apparatus 200 is configured to maximize the expectation of the sum of rewards in an environment in which the third artificial neural network analyzes the promotion of the content in consideration of the trend of change in the interest of the content. The third artificial neural network may be updated through a process of optimizing a policy for determining actions to be taken in states.

한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다.Meanwhile, the process of optimizing the policy may be performed through a process of estimating the maximum value of the expected value of the sum of rewards or the maximum value of the Q-function, or estimating the minimum value of the loss function of the Q-function. Estimation of the minimum value of the loss function may be performed through stochastic gradient descent (SGD) or the like. The process of optimizing the policy is not limited thereto, and various optimization algorithms used in reinforcement learning may be used.

장치(200)는 상기와 같은 인공 신경망의 학습 과정을 반복함으로써, 인공 신경망을 점진적으로 갱신시킬 수 있다.The apparatus 200 may gradually update the artificial neural network by repeating the learning process of the artificial neural network as described above.

구체적으로, 장치(200)는 기업의 니즈에 대한 분석 결과를 통해, 기업에게 적합한 콘텐츠의 종류를 분석하여 출력하는 제1 인공 신경망을 학습시킬 수 있다.In detail, the device 200 may train the first artificial neural network that analyzes and outputs the type of content suitable for the company through the analysis result of the company's needs.

즉, 장치(200)는 기업의 니즈에 대한 분석 결과를 통해, 기업에게 적합한 콘텐츠의 종류를 분석할 때, 제1 보상, 제2 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제1 인공 신경망을 학습시킬 수 있다.That is, when the device 200 analyzes the type of content suitable for the company through the analysis result of the company's needs, the device 200 adjusts the analysis criteria by reflecting reinforcement learning through the first reward, the second reward, etc. The first artificial neural network may be trained.

또한, 장치(200)는 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 통해, 어느 콘텐츠를 어떠한 방식으로 기획할 것인지 분석하여 출력하는 제2 인공 신경망을 학습시킬 수 있다.In addition, the apparatus 200 may train a second artificial neural network that analyzes which content to plan and how to plan and outputs the result of the analysis of the content type, target price, and target quality.

즉, 장치(200)는 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 통해, 콘텐츠에 대한 기획 전략을 분석할 때, 제3 보상, 제4 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제2 인공 신경망을 학습시킬 수 있다.That is, the device 200 reflects reinforcement learning through the third reward and the fourth reward when analyzing the planning strategy for the content through the analysis results of the content type, target price, and target quality, and analyzes the content. By adjusting the criterion, the second artificial neural network can be trained.

또한, 장치(200)는 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해, 콘텐츠의 노출 효과를 증가시키기 위해 콘텐츠에 대한 프로모션을 어떻게 진행할 것인지 분석하여 출력하는 제3 인공 신경망을 학습시킬 수 있다.In addition, the apparatus 200 may train a third artificial neural network that analyzes and outputs how to promote content in order to increase the exposure effect of the content, based on the analysis result of the change in interest in the content.

즉, 장치(200)는 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해, 콘텐츠에 대한 프로모션 전략을 분석할 때, 제5 보상, 제6 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제3 인공 신경망을 학습시킬 수 있다.That is, the apparatus 200 adjusts the analysis criterion by reflecting reinforcement learning through the fifth reward and the sixth reward when analyzing the promotion strategy for the content through the analysis result of the change in interest trend of the content. , the third artificial neural network can be trained.

도 7은 일실시예에 따른 장치의 구성의 예시도이다.7 is an exemplary diagram of a configuration of a device according to an embodiment.

일실시예에 따른 장치(200)는 프로세서(210) 및 메모리(220)를 포함한다. 프로세서(210)는 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(200)를 이용하는 자 또는 단체는 도 1 내지 도 6을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.Device 200 according to an embodiment includes a processor 210 and a memory 220 . The processor 210 may include at least one device described above with reference to FIGS. 1 to 6 or may perform at least one method described above with reference to FIGS. 1 to 6 . A person or organization using the device 200 may provide services related to some or all of the methods described above with reference to FIGS. 1 to 6 .

메모리(220)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(220)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.The memory 220 may store information related to the methods described above or may store a program in which the methods described below are implemented. Memory 220 may be volatile memory or non-volatile memory.

프로세서(210)는 프로그램을 실행하고, 장치(200)를 제어할 수 있다. 프로세서(210)에 의하여 실행되는 프로그램의 코드는 메모리(220)에 저장될 수 있다. 장치(200)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.The processor 210 may execute a program and control the device 200 . Program codes executed by the processor 210 may be stored in the memory 220 . The device 200 may be connected to an external device (eg, a personal computer or network) through an input/output device (not shown) and exchange data through wired/wireless communication.

장치(200)는 인공 신경망을 학습시키거나, 학습된 인공 신경망을 이용하는데 사용될 수 있다. 메모리(220)는 학습 중인 또는 학습된 인공 신경망을 포함할 수 있다. 프로세서(210)는 메모리(220)에 저장된 인공 신경망 알고리즘을 학습시키거나 실행시킬 수 있다. 인공 신경망을 학습시키는 장치(200)와 학습된 인공 신경망을 이용하는 장치(200)는 동일할 수도 있고 개별적일 수도 있다.Apparatus 200 may be used to train an artificial neural network or to use a trained artificial neural network. The memory 220 may include a learning or learned artificial neural network. The processor 210 may learn or execute an artificial neural network algorithm stored in the memory 220 . The device 200 for learning the artificial neural network and the device 200 using the learned artificial neural network may be the same or may be separate.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented as hardware components, software components, and/or a combination of hardware components and software components. For example, the devices, methods and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate (FPGA). array), programmable logic units (PLUs), microprocessors, or any other device capable of executing and responding to instructions. A processing device may run an operating system (OS) and one or more software applications running on the operating system. A processing device may also access, store, manipulate, process, and generate data in response to execution of software. For convenience of understanding, there are cases in which one processing device is used, but those skilled in the art will understand that the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that it can include. For example, a processing device may include a plurality of processors or a processor and a controller. Other processing configurations are also possible, such as parallel processors.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer readable medium. The computer readable medium may include program instructions, data files, data structures, etc. alone or in combination. Program commands recorded on the medium may be specially designed and configured for the embodiment or may be known and usable to those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. - includes hardware devices specially configured to store and execute program instructions, such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include high-level language codes that can be executed by a computer using an interpreter, as well as machine language codes such as those produced by a compiler. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may include a computer program, code, instructions, or a combination of one or more of the foregoing, which configures a processing device to operate as desired or processes independently or collectively. You can command the device. Software and/or data may be any tangible machine, component, physical device, virtual equipment, computer storage medium or device, intended to be interpreted by or provide instructions or data to a processing device. , or may be permanently or temporarily embodied in a transmitted signal wave. Software may be distributed on networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer readable media.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with limited drawings, those skilled in the art can apply various technical modifications and variations based on the above. For example, the described techniques may be performed in an order different from the method described, and/or components of the described system, structure, device, circuit, etc. may be combined or combined in a different form than the method described, or other components may be used. Or even if it is replaced or substituted by equivalents, appropriate results can be achieved.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents of the claims are within the scope of the following claims.

Claims

A method for generating a proposal and a quote for company-customized content based on artificial intelligence, performed by a device, comprising:
Receiving a request for planning customized content from a terminal in charge of a first company;
Analyzing the needs of the first company through the planning request;
selecting a type of content suitable for the first company based on an output of the first artificial neural network by applying an analysis result of the needs of the first company to a first artificial neural network;
setting a target price and target quality suitable for the first company in producing the first type of content, based on the first company information, if the first type of content is selected as suitable for the first company;
generating a planning strategy for the first content based on an output of the second artificial neural network by applying an analysis result of the first type of content, the target price, and the target quality to a second artificial neural network; and
Transmitting a planning strategy for the first content to the terminal in charge,
A method for creating proposals and estimates for customized content for companies based on artificial intelligence.

According to claim 1,
After transmitting the planning strategy for the first content,
Receiving a change request of the first content from the manager terminal;
Checking the length of the video to be changed in the first content, the number of images of product shooting, and the number of characters of subtitles through the change request;
When it is confirmed that the length of the video to be changed in the first content is shortened, a first set value is calculated by assigning a preset first weight to the length of the video shortened in the first content, and calculating the first set value by assigning the first weight to the length of the video lengthened in the first content when it is confirmed that the length of the video to be changed has increased;
When it is confirmed that the number of product shooting images to be changed in the first content is reduced, a second set value is calculated by assigning a preset second weight to the reduced number of product shooting images in the first content, and a second set value is calculated. calculating the second set value by assigning the second weight to the increased number of product shooting images in the first content, when it is determined that the number of product shooting images to be changed has increased;
When it is confirmed that the number of characters of the subtitle to be changed in the first content is reduced, a third set value is calculated by giving a preset third weight to the number of characters in the subtitle that is reduced in the first content, and the change in the first content is determined. calculating the third set value by assigning the third weight to the increased number of characters of the caption in the first content, when it is confirmed that the number of characters of the caption to be desired has increased;
generating a quote for the first content requested to change based on a sum of the target price, the first set value, the second set value, and the third set value; and
Further comprising transmitting a quote for the first content to the terminal in charge,
A method for creating proposals and estimates for customized content for companies based on artificial intelligence.

According to claim 2,
In the step of calculating the second set value,
When it is confirmed that the number of images of product-only shooting to be changed in the first content has decreased, a 2-1 set value is calculated by assigning a preset fourth weight to the reduced number of images of product-only shooting in the first content, Calculating the 2-1 set value by assigning the fourth weight to the increased number of images of product-only shooting in the first content, when it is confirmed that the number of images of product-only shooting to be changed in the first content has increased. ;
When it is confirmed that the number of images of products worn by models to be changed in the first content has decreased, a 2-2 set value is calculated by giving a preset fifth weight to the number of images of products worn by models that have decreased in the first content. and when it is determined that the number of images of product worn by the model to be changed has increased in the first content, the fifth weight is applied to the increased number of images of product worn by the model in the first content, so that the 2-2 set value Calculating;
When it is confirmed that the number of images requiring correction work to be changed in the first content is reduced, a 2-3 set value is calculated by giving a preset sixth weight to the number of images requiring correction work decreased in the first content, calculating a 2-3 set value by assigning the sixth weight to the increased number of images requiring correction in the first content, when it is confirmed that the number of images requiring correction is increased in the first content; and
Calculating the second set value by adding the 2-1 set value, the 2-2 set value, and the 2-3 set value,
A method for creating proposals and estimates for customized content for companies based on artificial intelligence.