KR20230122930A - 광고 개인화 방법 및 장치 - Google Patents

광고 개인화 방법 및 장치 Download PDF

Info

Publication number
KR20230122930A
KR20230122930A KR1020220019787A KR20220019787A KR20230122930A KR 20230122930 A KR20230122930 A KR 20230122930A KR 1020220019787 A KR1020220019787 A KR 1020220019787A KR 20220019787 A KR20220019787 A KR 20220019787A KR 20230122930 A KR20230122930 A KR 20230122930A
Authority
KR
South Korea
Prior art keywords
advertisement
client device
user
application
information
Prior art date
Application number
KR1020220019787A
Other languages
English (en)
Inventor
함명주
장기찬
파리차이 카푸르
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020220019787A priority Critical patent/KR20230122930A/ko
Priority to PCT/KR2023/001900 priority patent/WO2023158156A1/ko
Publication of KR20230122930A publication Critical patent/KR20230122930A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

광고를 개인화하는 클라이언트 장치에 있어서, 인스트럭션들을 저장하는 메모리, 및 프로세서를 포함하며, 상기 프로세서는 상기 인스트럭션들을 실행함으로써, 광고 개인화부에 의해, 상기 클라이언트 장치에 관련된 사용자의 활동 정보를 획득하고, 상기 광고 개인화부에 의해, 인공지능 학습모델 및 상기 활동 정보에 기초하여 상기 사용자에 개인화된 광고 쿼리를 생성하고, 상기 광고 개인화부에 의해, 상기 광고 쿼리를 광고 관리 서버로 송신하고, 상기 광고 개인화부에 의해, 상기 광고 관리 서버로부터 상기 광고 쿼리에 대응되는 적어도 하나의 광고에 관한 정보를 수신하고, 상기 광고 개인화부에 의해, 상기 적어도 하나의 광고에 관한 정보의 일부 또는 전부를 광고 출력부에 제공하는, 클라이언트 장치가 개시된다.

Description

광고 개인화 방법 및 장치 {Method and apparatus for advertisement personalization}
본 개시의 다양한 실시예들은 광고 개인화(advertisement personalization) 방법 및 장치에 관한 것이다.
휴대폰, 텔레비전, 패밀리 허브 등의 소비자 기기에서 사용자를 위해 개인화된 광고를 제공하는 기술들이 개발되고 있다. 통상적으로 광고 개인화를 위해 소비자 기기로부터 서버로 사용자의 식별자, 사용자의 개인 정보, 사용자의 활동 정보 등을 전송하는데, 최근 개인정보 보호 이슈가 중요시되면서 광고 개인화를 위한 사용자 식별자 이용을 중단하는 움직임이 있다.
한편, 인공지능(Artificial Intelligence, AI) 시스템은 기존의 룰(Rule) 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존의 룰 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다. 인공지능 기술은 기계학습(딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다. 기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
본 개시의 일 실시예는, 개인화된 광고를 제공하는 클라이언트 장치 및 그 동작 방법을 제공할 수 있도록 한다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 일 실시예는, 광고를 개인화하는 클라이언트 장치에 있어서, 인스트럭션들을 저장하는 메모리, 및 프로세서를 포함하며, 상기 프로세서는 상기 인스트럭션들을 실행함으로써, 광고 개인화부에 의해, 상기 클라이언트 장치에 관련된 사용자의 활동 정보를 획득하고, 상기 광고 개인화부에 의해, 인공지능 학습모델 및 상기 활동 정보에 기초하여 상기 사용자에 개인화된 광고 쿼리를 생성하고, 상기 광고 개인화부에 의해, 상기 광고 쿼리를 광고 관리 서버로 송신하고, 상기 광고 개인화부에 의해, 상기 광고 관리 서버로부터 상기 광고 쿼리에 대응되는 적어도 하나의 광고에 관한 정보를 수신하고, 상기 광고 개인화부에 의해, 상기 적어도 하나의 광고에 관한 정보의 일부 또는 전부를 광고 출력부에 제공하는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 인공지능 학습모델은 상기 클라이언트 장치에 포함되는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 광고 쿼리는, 하나 이상의 광고의 특성들을 포함하는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 적어도 하나의 광고에 관한 정보는 적어도 하나의 광고 식별자를 포함하고, 상기 광고 출력부는, 상기 적어도 하나의 광고 식별자를 광고 서버로 송신하고, 상기 광고 서버로부터 상기 적어도 하나의 광고 식별자에 대응되는 적어도 하나의 광고를 수신하고, 상기 적어도 하나의 광고를 사용자에게 출력하는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 광고 개인화부는 제1 애플리케이션으로부터 상기 사용자의 활동 정보를 획득하고, 상기 광고 출력부는 상기 제1 애플리케이션과 상이한 제2 애플리케이션에 포함되는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 제1 애플리케이션과 상기 제2 애플리케이션은 서로 다른 사업자의 애플리케이션인, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 광고 개인화부는 상기 클라이언트 장치의 OS에 포함되는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 광고 개인화부는 제1 애플리케이션으로부터 상기 사용자의 활동 정보를 획득하고, 상기 광고 출력부는 상기 제1 애플리케이션과 상이한 제2 애플리케이션에 포함되는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 광고 개인화부는 제1 애플리케이션으로부터 상기 사용자의 활동 정보를 획득하고, 상기 광고 출력부는 상기 OS에 포함되는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 광고 개인화부는 제1 애플리케이션에 포함되는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 광고 개인화부는 상기 제1 애플리케이션과 상이한 제2 애플리케이션으로부터 상기 사용자의 활동 정보를 획득하고, 상기 광고 출력부는 상기 제1 애플리케이션 및 상기 제2 애플리케이션과 상이한 제3 애플리케이션에 포함되는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 광고 개인화부는 상기 제1 애플리케이션과 상이한 제2 애플리케이션으로부터 상기 사용자의 활동 정보를 획득하고, 상기 광고 출력부는 상기 제1 애플리케이션에 포함되는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 적어도 하나의 광고에 관한 정보는 상기 광고 쿼리에 대응되는 적어도 하나의 광고 식별자를 포함하는 광고 리스트를 포함하고, 상기 광고 개인화부는, 상기 광고 리스트에서 제1 광고 식별자를 선택하고, 상기 제1 광고 식별자를 상기 광고 출력부에 제공하는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 광고 개인화부는, 상기 사용자에 관한 정보를 획득하고, 상기 사용자에 관한 정보에 기초하여 상기 광고 리스트에서 상기 제1 광고 식별자를 선택하는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 광고 출력부는, 상기 제1 광고 식별자를 광고 서버에 송신하고, 상기 광고 서버로부터 상기 제1 광고 식별자에 대응되는 광고를 수신하고, 상기 광고를 사용자에게 출력하는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 적어도 하나의 광고에 관한 정보는 상기 광고 쿼리에 대응되는 적어도 하나의 광고 식별자를 포함하는 광고 리스트를 포함하고, 상기 광고 개인화부는 상기 광고 리스트를 상기 광고 출력부에 제공하는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 광고 출력부는, 상기 광고 리스트에서 제1 광고 식별자를 선택하고, 상기 제1 광고 식별자를 광고 서버에 송신하고, 상기 광고 서버로부터 상기 제1 광고 식별자에 대응되는 광고를 수신하고, 상기 광고를 사용자에게 출력하는, 클라이언트 장치를 제공할 수 있다.
일 실시예에서, 상기 인공지능 학습모델은 강화학습 에이전트를 포함하고, 상기 강화학습 에이전트의 행동(Action)은 상기 적어도 하나의 광고에 기초하고, 상기 강화학습 에이전트의 보상(Reward)은 상기 적어도 하나의 광고에 대한 상기 사용자의 반응에 기초하는, 클라이언트 장치를 제공할 수 있다.
본 개시의 일 실시예는, 광고를 개인화하는 클라이언트 장치의 동작 방법으로서, 광고 개인화부에 의해, 상기 클라이언트 장치에 관련된 사용자의 활동 정보를 획득하는 동작, 상기 광고 개인화부에 의해, 인공지능 학습모델 및 상기 활동 정보에 기초하여 상기 사용자에 개인화된 광고 쿼리를 생성하는 동작, 상기 광고 개인화부에 의해, 상기 광고 쿼리를 광고 관리 서버로 송신하는 동작, 상기 광고 개인화부에 의해, 상기 광고 관리 서버로부터 상기 광고 쿼리에 대응되는 적어도 하나의 광고에 관한 정보를 수신하는 동작, 및 상기 광고 개인화부에 의해, 상기 적어도 하나의 광고에 관한 정보의 일부 또는 전부를 광고 출력부에 제공하는 동작을 포함하는 클라이언트 장치의 동작 방법을 제공할 수 있다.
본 개시의 일 실시예는, 본 개시의 일 실시예에 의한 방법을 컴퓨터에서 실행시키도록 컴퓨터로 읽을 수 있는 기록매체에 저장된 프로그램 제품을 포함한다.
본 개시의 일 실시예는, 본 개시의 일 실시예에 의한 방법을 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체를 포함한다.
본 개시의 일 실시예는, 개인화된 광고를 제공하는 클라이언트 장치 및 그 동작 방법을 제공할 수 있도록 한다. 본 개시의 일 실시예는, 사용자 식별자를 이용하지 않고 개인화된 광고를 제공할 수 있도록 한다.
도 1은 본 개시의 일 실시예에 의한 광고 개인화 시스템의 구성을 개략적으로 도시한 블록도이다.
도 2는 본 개시의 일 실시예에 의한 광고 개인화 시스템의 구성을 개략적으로 도시한 블록도이다.
도 3은 본 개시의 일 실시예에 의한 클라이언트 장치의 구성을 개략적으로 도시한 블록도이다.
도 4는 본 개시의 일 실시예에 의한 클라이언트 장치의 구성을 개략적으로 도시한 블록도이다.
도 5는 본 개시의 일 실시예에 의한 클라이언트 장치의 구성을 개략적으로 도시한 블록도이다.
도 6은 본 개시의 일 실시예에 의한 클라이언트 장치의 구성을 개략적으로 도시한 블록도이다.
도 7은 본 개시의 일 실시예에 의한 클라이언트 장치의 구성을 개략적으로 도시한 블록도이다.
도 8은 본 개시의 일 실시예에 의한 클라이언트 장치의 동작 방법의 흐름을 개략적으로 나타낸 흐름도이다.
본 개시의 기술적 사상을 명확화하기 위하여 첨부된 도면을 참조하여 본 개시의 실시예를 상세하게 설명하도록 한다. 본 개시를 설명함에 있어서, 관련된 공지 기능 또는 구성요소에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략할 것이다. 도면들 중 실질적으로 동일한 기능구성을 갖는 구성요소들에 대하여는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 참조번호들 및 부호들을 부여하였다. 설명의 편의를 위하여 필요한 경우에는 장치와 방법을 함께 서술하도록 한다. 본 개시의 각 동작은 반드시 기재된 순서대로 수행되어야 할 필요는 없고, 병렬적, 선택적, 또는 개별적으로 수행될 수 있다.
도 1은 본 개시의 일 실시예에 의한 광고 개인화 시스템의 구성을 개략적으로 도시한 블록도이다. 도 1을 참조하면, 본 개시의 일 실시예에 의한 광고 개인화 시스템은 클라이언트 장치(110) 및 광고 관리 서버(120)를 포함할 수 있다. 클라이언트 장치(110)는 OS(Operating System; 운영체제, 112) 및 애플리케이션(111)을 포함할 수 있다. 애플리케이션(111)은 개인화된 광고를 출력하기 위하여 OS(112)에 사용자를 식별할 수 있는 광고 ID를 요청할 수 있다. OS(112)는 애플리케이션(111)에 광고 ID를 제공할 수 있다. 애플리케이션(111)은 광고 ID와 함께 사용자의 활동에 관한 정보를 광고 관리 서버(120)로 송신할 수 있다.
사용자의 활동은 클라이언트 장치에 관련된 사용자의 활동을 말한다. 사용자의 활동은 사용자가 클라이언트 장치를 이용하여 수행하는 동작을 포함할 수 있다. 사용자의 활동은 출력된 광고에 대한 사용자의 반응을 포함할 수 있다. 예를 들어 사용자의 활동 정보는 광고 조회/무시/제거 정보, 광고 시청 시간 정보, 광고 조회 시간 정보, 광고에 대한 피드백 정보 등을 포함할 수 있다. 사용자의 활동 정보는 사용자의 앱 사용 정보를 포함할 수 있다. 예를 들어, 사용자의 활동 정보는 앱 실행 정보, 인터넷 검색 정보, 미디어 시청 정보, 제품 구매 정보, 서비스 이용 정보, 전화 통화 정보, 메신저 또는 소셜 네트워크 서비스 등에 의한 메시지 정보 등을 포함할 수 있다. 사용자의 활동 정보는 클라이언트 장치가 각종 센서, 통신 유닛, 커넥터, 타이머 등을 이용하여 수집한 컨텍스트 정보를 포함할 수 있다. 예를 들어 사용자의 활동 정보는 시간 정보, 클라이언트 장치의 위치 정보, 클라이언트 장치의 움직임 정보, 클라이언트 장치 주변의 밝기 또는 소리에 관한 정보, 클라이언트 장치의 주변에 있는 장치들에 관한 정보 등을 포함할 수 있다.
광고 관리 서버(120)는 해당 광고 ID에 대한 사용자의 활동 정보를 분석하고 저장할 수 있다. 애플리케이션(111)은 광고 ID와 함께 광고 요청을 광고 관리 서버(120)로 송신할 수 있다. 광고 관리 서버(120)는 해당 광고 ID에 대한 사용자 활동 정보에 기초하여 해당 사용자에게 개인화된 광고를 선택할 수 있다. 광고 관리 서버(120)는 선택된 광고를 애플리케이션(111)으로 송신할 수 있다. 애플리케이션(111)은 수신된 광고를 사용자에게 출력할 수 있다. 실시예에 따라, 광고 관리 서버(120)는 선택된 광고의 식별자를 애플리케이션(111)으로 송신할 수 있다. 애플리케이션(111)은 수신된 광고 식별자에 기초하여 광고 관리 서버(120) 또는 별도의 광고 서버로부터 광고를 수신하여 사용자에게 출력할 수 있다. 실시예에 따라, 애플리케이션(111)은 광고 관리 서버(120) 또는 광고 서버와 직접 통신하지 않고 OS(112)를 경유하여 통신할 수도 있다.
일 실시예에서, 애플리케이션(111)은 OS(112)가 제공하는 광고 ID를 사용하지 않을 수 있다. 애플리케이션(111)은 광고 ID 없이 사용자의 활동에 관한 정보를 광고 관리 서버(120)로 송신할 수 있다. 광고 관리 서버(120)는 개인을 식별할 수 없으므로 모든 사용자에 대하여 사용자의 활동을 분석하고 저장할 수 있다. 애플리케이션(111)이 광고 관리 서버(120)로 광고 요청을 송신하면, 광고 관리 서버(120)는 개인화되지 않은 광고를 애플리케이션(111)으로 송신할 수 있다. 실시예에 따라 광고 관리 서버(120)는 클라이언트 장치(110)의 주소에 기초하여 지역별로 사용자의 활동을 분석하고 저장할 수 있다. 애플리케이션(111)이 광고 관리 서버(120)로 광고 요청을 송신하면, 광고 관리 서버(120)는 클라이언트 장치(110)의 주소에 따라 지역별 광고를 송신할 수 있다. 애플리케이션(111)이 사용자 로그인을 수행하는 경우, OS(112)가 제공하는 광고 ID를 사용하지 않더라도 사용자에게 개인화된 광고를 제공할 수 있다.
도 2는 본 개시의 일 실시예에 의한 광고 개인화 시스템의 구성을 개략적으로 도시한 블록도이다. 도 2에 도시된 블록들의 일부 또는 전부는, 특정 기능을 실행하는 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 도 2에 도시된 블록들이 수행하는 기능들은, 하나 이상의 마이크로프로세서에 의해 구현되거나, 해당 기능을 위한 회로 구성들에 의해 구현될 수 있다. 도 2에 도시된 블록들의 일부 또는 전부는 프로세서에서 실행되는 다양한 프로그래밍 언어 또는 스크립트 언어로 구성된 소프트웨어 모듈일 수 있다.
도 2를 참조하면, 본 개시의 일 실시예에 의한 광고 개인화 시스템은 클라이언트 장치(210) 및 광고 관리 서버(220)를 포함할 수 있다. 클라이언트 장치(210)는 광고 개인화부(212) 및 광고 출력부(211)를 포함할 수 있다. 광고 개인화부(212) 및 광고 출력부(211) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 광고 개인화부(212) 및 광고 출력부(211) 중 적어도 하나가 소프트웨어 모듈(예를 들어, 인스트럭션(instruction)을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한 이 경우, 적어도 하나의 소프트웨어 모듈은 OS에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다. 광고 관리 서버(220)는 클라우드 서버일 수 있다.
광고 개인화부(212)는 클라이언트 장치(210)에 관련된 사용자의 활동 정보를 획득할 수 있다. 사용자의 활동 정보는 앞서 설명한 것과 같다. 광고 개인화부(212)는 사용자의 활동 정보를 클라이언트 장치(210)의 OS로부터 획득할 수 있다. 광고 개인화부(212)는 사용자의 활동 정보를 클라이언트 장치(210)에 설치된 적어도 하나의 애플리케이션으로부터 획득할 수 있다. 광고 개인화부(212)는 직접 사용자의 활동 정보를 수집할 수 있다. 광고 개인화부(212)는 광고 출력부(211)의 요청에 따라 사용자의 활동 정보를 획득할 수 있다. 광고 개인화부(212)는 광고 출력부(211)와 무관하게 사용자의 활동 정보를 획득할 수 있다.
광고 개인화부(212)는 사용자의 활동 정보에 기초하여, 사용자에 개인화된 광고 쿼리를 생성할 수 있다. 사용자에 개인화된 광고 쿼리는, 광고 관리 서버(220)로부터 사용자에 개인화된 광고를 획득하기 위한 쿼리이다. 광고 쿼리는 하나 이상의 광고의 특성(property)들을 포함할 수 있다. 광고의 특성은, 제품 또는 서비스의 카테고리 정보, 지역 또는 위치 정보, 브랜드 정보, 가격 정보, 소비자 리뷰 정보(예: 리뷰의 양, 리뷰 내용의 긍정/부정 수준, 리뷰 내용의 특정 키워드) 등을 포함할 수 있다. 예를 들어, 사용자가 주로 송파구에서 활동하고, BMW 자동차에 대하여 유튜브 시청 및 인터넷 검색을 자주 수행하고 그에 관하여 가족들과 대화를 많이 한 경우, 광고 개인화부(212)는 송파구의 BMW 자동차 판매업소에 관한 광고를 획득하기 위하여, "자동차"라는 제품 카테고리, "BMW"라는 브랜드, 및 "송파구"라는 지역 정보가 포함된 광고 쿼리를 생성할 수 있다. 광고 쿼리는 정형화된 검색식 또는 일반 구문 검색식을 포함할 수 있다.
광고 개인화부(212)는 광고 쿼리를 광고 관리 서버(220)로 송신하고, 광고 관리 서버(220)로부터 광고 쿼리에 대응되는 적어도 하나의 광고에 관한 정보를 수신할 수 있다. 광고 쿼리에 대응되는 적어도 하나의 광고에 관한 정보는, 광고 쿼리에 대응되는 광고 식별자, 광고 쿼리에 대응되는 적어도 하나의 광고 식별자를 포함하는 광고 리스트, 또는 광고 쿼리에 대응되는 광고 자체를 포함할 수 있다. 광고 개인화부(212)는 수신된 적어도 하나의 광고에 관한 정보의 일부 또는 전부를 광고 출력부(211)에 제공할 수 있다.
광고에 관한 정보가 광고 쿼리에 대응되는 광고 자체인 경우, 광고 출력부(211)는 광고 개인화부(212)로부터 이를 수신하여 사용자에게 출력할 수 있다. 광고에 관한 정보가 광고 쿼리에 대응되는 광고 식별자인 경우, 광고 출력부(211)는 광고 개인화부(212)로부터 이를 수신하여 광고 서버로 송신하고, 광고 서버로부터 광고 식별자에 대응되는 광고를 수신하고, 수신된 광고를 사용자에게 출력할 수 있다. 광고 서버는 광고 관리 서버(220)와 동일한 것일 수도 있고, 상이한 것일 수도 있다. 광고 서버와 광고 관리 서버(220)는 동일 사업자 또는 다른 사업자가 운영하는 것일 수 있다.
광고에 관한 정보가 광고 쿼리에 대응되는 적어도 하나의 광고 식별자를 포함하는 광고 리스트인 경우, 광고 개인화부(212)는 광고 리스트에서 하나의 광고 식별자를 선택하고, 선택된 광고 식별자를 광고 출력부(211)에 제공할 수 있다. 광고 출력부(211)는 수신된 광고 식별자를 광고 서버로 송신하고, 광고 서버로부터 광고 식별자에 대응되는 광고를 수신하여 사용자에게 출력할 수 있다. 광고 개인화부(212)는 사용자에 관한 정보를 획득하고, 사용자에 관한 정보에 기초하여 광고 리스트에서 광고 식별자를 선택할 수 있다. 사용자에 관한 정보는, 사용자의 주소, 나이, 성별, 신체 사이즈, 직업, 취향 등을 포함할 수 있다. 광고 개인화부(212)는 사용자에 관한 정보를 직접 획득하거나, OS로부터 수신하거나, 애플리케이션으로부터 수신할 수 있다.
실시예에 따라, 광고에 관한 정보가 광고 리스트인 경우, 광고 개인화부(212)는 광고 리스트를 광고 출력부(211)에 제공할 수 있다. 광고 출력부(211)는 광고 리스트에서 하나의 광고 식별자를 선택하고, 선택된 광고 식별자를 광고 서버로 송신하고, 광고 서버로부터 광고 식별자에 대응되는 광고를 수신하여 사용자에게 출력할 수 있다.
광고 개인화부(212)는 인공지능 학습모델에 기초하여 사용자에 개인화된 광고 쿼리를 생성할 수 있다. 광고 개인화부(212)는 사용자의 활동 정보를 인공지능 학습모델의 입력으로 하여 광고 쿼리를 생성할 수 있다. 여기서 인공지능 학습모델은 On-Device AI 기능을 위해 클라이언트 장치(210)에 탑재되는 것이다. 따라서 광고 개인화부(212)는 사용자의 활동 정보를 클라이언트 장치(210)의 외부로 전송하지 않고 광고를 개인화하는 효과를 얻을 수 있다. 또한, 사용자의 활동 정보가 외부로 유출되지 않으므로, 보다 다양하고 심도 있는 사용자의 활동 정보를 광고 개인화에 활용할 수 있게 된다. 예를 들어, 사용자가 최근에 렌터카에 대한 검색을 많이 수행하였다는 정보만 활용하면 사용자가 이미 렌터카를 예약한 후에도 렌터카 광고가 출력될 수 있으나, 사용자가 이미 렌터카를 예약하였다는 정보까지 활용함으로써 더 이상 렌터카 광고가 출력되지 않게 하거나 예약된 내용에 관련된 다른 광고를 출력되도록 할 수 있다.
인공지능 학습모델의 신경망의 입력 피처 맵(Input Feature Map)은 사용자 및/또는 애플리케이션의 행동 및 요청들에 대한 정보를 포함할 수 있다. 입력 피처 맵은 출력되는 광고의 특성 및 그에 대한 사용자의 반응을 포함할 수 있다. 출력되는 광고는 인공지능 학습모델의 행동(Action)에 해당하고, 그에 대한 사용자의 반응은 해당 행동에 대한 보상(Reward)에 해당할 수 있다. 인공지능 학습모델의 신경망은 그 외 다른 입력 피처 맵을 환경(Environment)에 대한 관찰(Observation)로 하는 강화 학습(Reinforcement Learning) 에이전트로 구성될 수 있다. 이때 보상은 출력되는 광고에 대해 사용자가 보다 적극적인 관심을 보였을 때 높아지는 방향으로 구성하여 다음에 출력되는 광고의 수익성을 극대화할 수 있다.
입력 피처 맵은 누적된 사용자 활동 정보 이력을 포함할 수 있다. 누적된 활동 정보 이력은 해당 활동의 시기, 해당 활동의 장소, 해당 활동의 직전/직후의 활동 등을 포함할 수 있다. 누적된 활동 정보 이력은 인공지능 학습모델에 관찰을 제공하기 위한 환경의 역할을 할 수 있다. 누적된 활동 정보 이력을 신경망에게 다량 제공하기 위하여 Recurrent Neural Network 기법을 적용하여 기존 활동 정보를 하나씩 모두 입력할 수 있다. 이때, 최근의 정보가 보다 높은 영향력을 가지도록 하기 위하여 가중치를 적용할 수 있다.
인공지능 학습모델의 신경망의 출력 피처 맵(Output Feature Map)은 적합 광고를 선택하기 위해 필요한 쿼리를 생성하기 위해 필요한 광고의 특성을 포함할 수 있다. 출력 피처 맵이 다양한 특성들을 포함하고 있을 때, 추론 결과물은 그 중 일부 특성이 무관하거나 관련성이 낮음을 표현할 수 있도록 신뢰 수준(Confidence Level) 또는 확률(Probability)을 포함할 수 있다. 예를 들어, 지역 정보에 대한 신뢰 수준이 0이라면 지역이 무관한 것을 나타낼 수 있고, 브랜드 정보에 대한 신뢰 수준이 1이라면 브랜드가 반드시 관련 있음을 나타낼 수 있다.
출력 피처 맵은 쿼리 생성 심층신경망 기법을 사용하여 일반 텍스트 쿼리를 생성하도록 하여 상황에 따라 유동적으로 검색식을 제공하도록 할 수 있다. 이때 쿼리는 정형화된 검색 식이 아닌 일반 구문 검색식의 형태를 띨 수 있다. 일반 구문 검색식은 구글 서치 검색식과 유사한 것일 수 있다.
정형화된 검색식의 예는 다음과 같다.
"제목: ABC AND DEF / 내용: KEYWORD1 or KEYWORD2 / 날짜: 2019-2021"
일반 구문 검색식의 예는 다음과 같다.
"ABD DEF KEYWORD1 KEYWORD2 FROM 2019 TO 2021"
도 3은 본 개시의 일 실시예에 의한 클라이언트 장치의 구성을 개략적으로 도시한 블록도이다. 도 3을 참조하면, 광고 개인화부(212)는 클라이언트 장치(210)의 OS(312)에 포함되고, 광고 출력부(211)는 클라이언트 장치(210)에 설치된 애플리케이션(311)에 포함될 수 있다. 광고 개인화부(212)는 사용자의 활동 정보를 OS(312) 내에서 획득할 수 있다. 즉 광고 개인화부(212)는 사용자의 활동 정보를 OS(312)의 내부 컴포넌트로부터 수신할 수 있다. 광고 개인화부(212)는 사용자의 활동 정보를 애플리케이션(311)으로부터 수신할 수도 있고, 애플리케이션(311)과 상이한 애플리케이션(313)으로부터 수신할 수도 있다. 애플리케이션(311)과 애플리케이션(313)은 동일한 사업자의 애플리케이션일 수도 있고, 서로 다른 사업자의 애플리케이션일 수도 있다. 광고 개인화부(212)는 사용자의 활동 정보를 복수의 애플리케이션들로부터 수신할 수도 있음은 물론이다. 본 개시에 의하면, 애플리케이션(313)으로부터 획득된 사용자의 활동 정보에 기초하여 개인화된 광고가 애플리케이션(313)과 상이한 애플리케이션(311)에서 출력될 수 있다. 예를 들어, 사용자가 게임 앱에서 "AMG CLA45S" 광고를 클릭하고, 메신저 앱에서 "서킷"에 관하여 대화하고, 웹 브라우저 앱에서 "에버랜드"에 관하여 검색한 경우, 이러한 다양한 애플리케이션을 통한 사용자의 활동들에 기초하여 개인화된 광고인 "AMG 용인 서킷 이벤트"에 관한 광고가 별도의 애플리케이션인 소셜 네트워크 앱에 표시되는 것이 가능하다. 이때 사용자는 애플리케이션들에 로그인을 할 필요가 없다.
도 4는 본 개시의 일 실시예에 의한 클라이언트 장치의 구성을 개략적으로 도시한 블록도이다. 도 4를 참조하면, 도 3과 달리 광고 출력부(211)가 OS(312)에 포함된다. 즉, OS(312)가 개인화된 광고를 사용자에게 출력할 수 있다.
도 5는 본 개시의 일 실시예에 의한 클라이언트 장치의 구성을 개략적으로 도시한 블록도이다. 도 5를 참조하면, 도 3과 달리 광고 개인화부(212)가 서비스 애플리케이션(511)에 포함된다. 즉, 광고 개인화부(212)는 다른 애플리케이션들에 앱 서비스를 제공할 수 있다. 서로 다른 애플리케이션들(311, 313)은 별도의 서비스 애플리케이션(511)이 제공하는 광고 개인화 서비스를 이용함으로써, 도 3의 실시예에서와 같은 수준으로 개인화된 광고 출력이 가능해진다. 애플리케이션(511)에 포함된 광고 개인화부(212)는 사용자 활동 정보를 OS(312)로부터 수신할 수도 있다.
도 6은 본 개시의 일 실시예에 의한 클라이언트 장치의 구성을 개략적으로 도시한 블록도이다. 도 6을 참조하면, 도 5와 달리 광고 출력부(211)와 광고 개인화부(212)가 동일한 애플리케이션(311)에 포함된다. 애플리케이션(311)에 포함된 광고 개인화부(212)는 사용자 활동 정보를 애플리케이션(311) 내에서 획득할 수도 있고, OS(312)로부터 수신할 수도 있다. 애플리케이션(313)이 애플리케이션(311)과 호환되도록 제작된 경우, 광고 개인화부(212)는 사용자 활동 정보를 애플리케이션(313)으로부터 수신할 수도 있다. 이는 특히 애플리케이션(311)과 애플리케이션(313)이 동일한 사업자의 애플리케이션일 경우에 유용한 실시예이다.
도 7은 본 개시의 일 실시예에 의한 클라이언트 장치의 구성을 개략적으로 도시한 블록도이다. 도 7을 참조하면, 본 개시의 일 실시예에 의한 클라이언트 장치(210)는, 프로세서(710) 및 프로세서(710)에 의해 실행될 수 있는 하나 이상의 인스트럭션들을 저장하는 메모리(720)를 포함할 수 있다. 프로세서(710)는 하나의 프로세서이거나, 복수의 프로세서일 수 있다. 메모리(720)는 하나의 메모리이거나, 복수의 메모리일 수 있다. 프로세서(710)는 메모리(720)에 저장된 하나 이상의 인스트럭션들을 실행함으로써 이상에서 설명한 광고 개인화부(212) 및/또는 광고 출력부(211)의 동작을 수행할 수 있다.
예를 들어, 프로세서(710)는, 광고 개인화부(212)에 의해 클라이언트 장치(210)에 관련된 사용자의 활동 정보를 획득하고, 광고 개인화부(212)에 의해 인공지능 학습모델 및 사용자의 활동 정보에 기초하여 사용자에 개인화된 광고 쿼리를 생성하고, 광고 개인화부(212)에 의해 광고 쿼리를 광고 관리 서버로 송신하고, 광고 개인화부(212)에 의해 광고 관리 서버로부터 광고 쿼리에 대응되는 적어도 하나의 광고에 관한 정보를 수신하고, 광고 개인화부(212)에 의해 적어도 하나의 광고에 관한 정보의 일부 또는 전부를 광고 출력부(211)에 제공할 수 있다.
인공 지능 학습 모델은 클라이언트 장치(210)에 포함될 수 있다. 인공지능 학습모델은 강화학습 에이전트를 포함할 수 있다. 강화학습 에이전트의 행동은 적어도 하나의 광고에 기초하고, 강화학습 에이전트의 보상은 적어도 하나의 광고에 대한 사용자의 반응에 기초할 수 있다. 강화학습 에이전트의 행동은 광고 출력부(211)에 의해 출력되는 광고에 기초하고, 강화학습 에이전트의 보상은 광고 출력부(211)에 의해 출력되는 광고에 대한 사용자의 반응에 기초할 수 있다.
도 8은 본 개시의 일 실시예에 의한 클라이언트 장치의 동작 방법의 흐름을 개략적으로 나타낸 흐름도이다. 도 8을 참조하면, 클라이언트 장치(210)의 프로세서(710)는, 동작 S810에서 광고 개인화부(212)에 의해 클라이언트 장치(210)에 관련된 사용자의 활동 정보를 획득하고, 동작 S820에서 광고 개인화부(212)에 의해 인공지능 학습모델 및 사용자의 활동 정보에 기초하여 사용자에 개인화된 광고 쿼리를 생성하고, 동작 S830에서 광고 개인화부(212)에 의해 광고 쿼리를 광고 관리 서버로 송신하고, 동작 S840에서 광고 개인화부(212)에 의해 광고 관리 서버로부터 광고 쿼리에 대응되는 적어도 하나의 광고에 관한 정보를 수신하고, 동작 S850에서 광고 개인화부(212)에 의해 적어도 하나의 광고에 관한 정보의 일부 또는 전부를 광고 출력부(211)에 제공할 수 있다.
본 개시의 실시예들은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터에 의해 실행가능한 코드로서 구현하는 것이 가능하다. 컴퓨터로 읽을 수 있는 기록매체는 자기 매체, 광학 매체, ROM, RAM 등 모든 기록매체를 포함한다. 컴퓨터로 읽을 수 있는 기록매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적 저장매체'는 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다. 예로, '비일시적 저장매체'는 데이터가 임시적으로 저장되는 버퍼를 포함할 수 있다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 컴퓨터로 읽을 수 있는 기록매체에 저장되어 배포되거나, 또는 애플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품(예: 다운로더블 앱)의 적어도 일부는 제조사의 서버, 애플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 컴퓨터로 읽을 수 있는 기록매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
지금까지 본 개시에 대하여 도면에 도시된 바람직한 실시예들을 중심으로 상세히 살펴보았다. 이러한 실시예들은 이 개시를 한정하려는 것이 아니라 예시적인 것에 불과하며, 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 개시가 속하는 기술분야의 통상의 지식을 가진 자는 본 개시의 기술적 사상이나 필수적인 특징을 변경하지 않고서 이러한 실시예들을 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 예를 들어, 단일형으로 설명되어 있는 각 구성요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성요소들도 결합된 형태로 실시될 수 있다. 청구범위와 도면을 포함하여 본 개시의 모든 특징들 및/또는 동작들은, 특징들 및/또는 동작들 중 적어도 일부가 서로 배치되지 않는 이상, 어떠한 조합으로도 결합될 수 있다. 비록 본 명세서에 특정한 용어들이 사용되었으나 이는 단지 본 개시의 개념을 설명하기 위한 목적에서 사용된 것이지 의미한정이나 특허청구범위에 기재된 본 개시의 범위를 제한하기 위하여 사용된 것은 아니다.
본 개시의 진정한 기술적 보호범위는 전술한 설명이 아니라 첨부된 청구범위의 기술적 사상에 의해서 정해져야 하며, 청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 개시의 범위에 포함되는 것으로 해석되어야 한다. 균등물은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 개시된 모든 구성요소를 포함하는 것으로 이해되어야 한다.

Claims (20)

  1. 광고를 개인화하는 클라이언트 장치에 있어서,
    인스트럭션들을 저장하는 메모리; 및
    프로세서를 포함하며,
    상기 프로세서는 상기 인스트럭션들을 실행함으로써,
    광고 개인화부에 의해, 상기 클라이언트 장치에 관련된 사용자의 활동 정보를 획득하고,
    상기 광고 개인화부에 의해, 인공지능 학습모델 및 상기 활동 정보에 기초하여 상기 사용자에 개인화된 광고 쿼리를 생성하고,
    상기 광고 개인화부에 의해, 상기 광고 쿼리를 광고 관리 서버로 송신하고,
    상기 광고 개인화부에 의해, 상기 광고 관리 서버로부터 상기 광고 쿼리에 대응되는 적어도 하나의 광고에 관한 정보를 수신하고,
    상기 광고 개인화부에 의해, 상기 적어도 하나의 광고에 관한 정보의 일부 또는 전부를 광고 출력부에 제공하는, 클라이언트 장치.
  2. 제1항에 있어서,
    상기 인공지능 학습모델은 상기 클라이언트 장치에 포함되는, 클라이언트 장치.
  3. 제1항에 있어서,
    상기 광고 쿼리는, 하나 이상의 광고의 특성들을 포함하는, 클라이언트 장치.
  4. 제1항에 있어서,
    상기 적어도 하나의 광고에 관한 정보는 적어도 하나의 광고 식별자를 포함하고,
    상기 광고 출력부는,
    상기 적어도 하나의 광고 식별자를 광고 서버로 송신하고,
    상기 광고 서버로부터 상기 적어도 하나의 광고 식별자에 대응되는 적어도 하나의 광고를 수신하고,
    상기 적어도 하나의 광고를 사용자에게 출력하는, 클라이언트 장치.
  5. 제1항에 있어서,
    상기 광고 개인화부는 제1 애플리케이션으로부터 상기 사용자의 활동 정보를 획득하고,
    상기 광고 출력부는 상기 제1 애플리케이션과 상이한 제2 애플리케이션에 포함되는, 클라이언트 장치.
  6. 제5항에 있어서,
    상기 제1 애플리케이션과 상기 제2 애플리케이션은 서로 다른 사업자의 애플리케이션인, 클라이언트 장치.
  7. 제1항에 있어서,
    상기 광고 개인화부는 상기 클라이언트 장치의 OS에 포함되는, 클라이언트 장치.
  8. 제7항에 있어서,
    상기 광고 개인화부는 제1 애플리케이션으로부터 상기 사용자의 활동 정보를 획득하고,
    상기 광고 출력부는 상기 제1 애플리케이션과 상이한 제2 애플리케이션에 포함되는, 클라이언트 장치.
  9. 제7항에 있어서,
    상기 광고 개인화부는 제1 애플리케이션으로부터 상기 사용자의 활동 정보를 획득하고,
    상기 광고 출력부는 상기 OS에 포함되는, 클라이언트 장치.
  10. 제1항에 있어서,
    상기 광고 개인화부는 제1 애플리케이션에 포함되는, 클라이언트 장치.
  11. 제10항에 있어서,
    상기 광고 개인화부는 상기 제1 애플리케이션과 상이한 제2 애플리케이션으로부터 상기 사용자의 활동 정보를 획득하고,
    상기 광고 출력부는 상기 제1 애플리케이션 및 상기 제2 애플리케이션과 상이한 제3 애플리케이션에 포함되는, 클라이언트 장치.
  12. 제10항에 있어서,
    상기 광고 개인화부는 상기 제1 애플리케이션과 상이한 제2 애플리케이션으로부터 상기 사용자의 활동 정보를 획득하고,
    상기 광고 출력부는 상기 제1 애플리케이션에 포함되는, 클라이언트 장치.
  13. 제1항에 있어서,
    상기 적어도 하나의 광고에 관한 정보는 상기 광고 쿼리에 대응되는 적어도 하나의 광고 식별자를 포함하는 광고 리스트를 포함하고,
    상기 광고 개인화부는,
    상기 광고 리스트에서 제1 광고 식별자를 선택하고,
    상기 제1 광고 식별자를 상기 광고 출력부에 제공하는, 클라이언트 장치.
  14. 제13항에 있어서,
    상기 광고 개인화부는,
    상기 사용자에 관한 정보를 획득하고,
    상기 사용자에 관한 정보에 기초하여 상기 광고 리스트에서 상기 제1 광고 식별자를 선택하는, 클라이언트 장치.
  15. 제13항에 있어서,
    상기 광고 출력부는,
    상기 제1 광고 식별자를 광고 서버에 송신하고,
    상기 광고 서버로부터 상기 제1 광고 식별자에 대응되는 광고를 수신하고,
    상기 광고를 사용자에게 출력하는, 클라이언트 장치.
  16. 제1항에 있어서,
    상기 적어도 하나의 광고에 관한 정보는 상기 광고 쿼리에 대응되는 적어도 하나의 광고 식별자를 포함하는 광고 리스트를 포함하고,
    상기 광고 개인화부는 상기 광고 리스트를 상기 광고 출력부에 제공하는, 클라이언트 장치.
  17. 제16항에 있어서,
    상기 광고 출력부는,
    상기 광고 리스트에서 제1 광고 식별자를 선택하고,
    상기 제1 광고 식별자를 광고 서버에 송신하고,
    상기 광고 서버로부터 상기 제1 광고 식별자에 대응되는 광고를 수신하고,
    상기 광고를 사용자에게 출력하는, 클라이언트 장치.
  18. 제1항에 있어서,
    상기 인공지능 학습모델은 강화학습 에이전트를 포함하고,
    상기 강화학습 에이전트의 행동(Action)은 상기 적어도 하나의 광고에 기초하고,
    상기 강화학습 에이전트의 보상(Reward)은 상기 적어도 하나의 광고에 대한 상기 사용자의 반응에 기초하는, 클라이언트 장치.
  19. 광고를 개인화하는 클라이언트 장치의 동작 방법으로서,
    광고 개인화부에 의해, 상기 클라이언트 장치에 관련된 사용자의 활동 정보를 획득하는 동작;
    상기 광고 개인화부에 의해, 인공지능 학습모델 및 상기 활동 정보에 기초하여 상기 사용자에 개인화된 광고 쿼리를 생성하는 동작;
    상기 광고 개인화부에 의해, 상기 광고 쿼리를 광고 관리 서버로 송신하는 동작;
    상기 광고 개인화부에 의해, 상기 광고 관리 서버로부터 상기 광고 쿼리에 대응되는 적어도 하나의 광고에 관한 정보를 수신하는 동작; 및
    상기 광고 개인화부에 의해, 상기 적어도 하나의 광고에 관한 정보의 일부 또는 전부를 광고 출력부에 제공하는 동작을 포함하는 클라이언트 장치의 동작 방법.
  20. 제19항의 방법을 컴퓨터에서 수행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체.
KR1020220019787A 2022-02-15 2022-02-15 광고 개인화 방법 및 장치 KR20230122930A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020220019787A KR20230122930A (ko) 2022-02-15 2022-02-15 광고 개인화 방법 및 장치
PCT/KR2023/001900 WO2023158156A1 (ko) 2022-02-15 2023-02-09 광고 개인화 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220019787A KR20230122930A (ko) 2022-02-15 2022-02-15 광고 개인화 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20230122930A true KR20230122930A (ko) 2023-08-22

Family

ID=87578562

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220019787A KR20230122930A (ko) 2022-02-15 2022-02-15 광고 개인화 방법 및 장치

Country Status (2)

Country Link
KR (1) KR20230122930A (ko)
WO (1) WO2023158156A1 (ko)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050021397A1 (en) * 2003-07-22 2005-01-27 Cui Yingwei Claire Content-targeted advertising using collected user behavior data
US20070050253A1 (en) * 2005-08-29 2007-03-01 Microsoft Corporation Automatically generating content for presenting in a preview pane for ADS
US20090198579A1 (en) * 2008-02-01 2009-08-06 Lewis Robert C Keyword tracking for microtargeting of mobile advertising
KR101040519B1 (ko) * 2008-11-06 2011-06-16 주식회사 케이티 개인화된 서비스 제공 방법 및 그 시스템
KR102472572B1 (ko) * 2017-07-21 2022-11-30 십일번가 주식회사 사용자 의도 프로파일링 방법 및 이를 위한 장치
KR102063144B1 (ko) * 2018-05-14 2020-02-11 주식회사 써치엠 사용자 디바이스에서의 자발적 개인화 정보제공 기반 타겟팅 광고시스템 및 사용자 인센티브 제공방법

Also Published As

Publication number Publication date
WO2023158156A1 (ko) 2023-08-24

Similar Documents

Publication Publication Date Title
KR102436293B1 (ko) 이미지 데이터에 적어도 부분적으로 기초하여 액션을 수행하기 위한 에이전트 결정
US10482521B2 (en) Intent prediction based recommendation system using data combined from multiple channels
US10853747B2 (en) Selection of computational agent for task performance
US10311856B2 (en) Synthesized voice selection for computational agents
US20240037414A1 (en) Proactive virtual assistant
US8428908B2 (en) Cognitive agent
EP4109375A1 (en) Multi computational agent performance of tasks
US10937060B2 (en) Intelligent location based notification
US10939229B2 (en) Cognitive geofence based notification
US20170017998A1 (en) Determining context and mindset of users
US11663535B2 (en) Multi computational agent performance of tasks
US20190147540A1 (en) Method and apparatus for outputting information
US20210201262A1 (en) Freight load matching system
KR20230122930A (ko) 광고 개인화 방법 및 장치
JP2024517587A (ja) インテリジェントアシスタントによるコンテンツ生成
US20180068324A1 (en) Outputting content based on interests of other users
KR102595236B1 (ko) 관심 사용자 추천 모델에 기초하여 사용자의 직업에 따른 관심 상품 제공 방법 및 시스템
US20240354337A1 (en) Systems and methods for ai enabled delivery of user specific services
CN113139130A (zh) 推荐方法、推荐装置、电子设备以及存储介质
CN116304326A (zh) 访问路径的分析方法、装置、电子设备、介质和程序产品
CN113961766A (zh) 基于联邦学习的数据特征查询方法、装置、设备及介质