WO2022025607A1 - 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 이를 이용한 중개 방법 - Google Patents

인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 이를 이용한 중개 방법 Download PDF

Info

Publication number
WO2022025607A1
WO2022025607A1 PCT/KR2021/009758 KR2021009758W WO2022025607A1 WO 2022025607 A1 WO2022025607 A1 WO 2022025607A1 KR 2021009758 W KR2021009758 W KR 2021009758W WO 2022025607 A1 WO2022025607 A1 WO 2022025607A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
influencer
advertiser
advertisement
influencers
Prior art date
Application number
PCT/KR2021/009758
Other languages
English (en)
French (fr)
Inventor
장대규
정연
Original Assignee
주식회사 레뷰코퍼레이션
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 레뷰코퍼레이션 filed Critical 주식회사 레뷰코퍼레이션
Priority to JP2023506206A priority Critical patent/JP7458551B2/ja
Priority to US18/018,447 priority patent/US20230259964A1/en
Publication of WO2022025607A1 publication Critical patent/WO2022025607A1/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/0242—Determining effectiveness of advertisements
    • 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
    • G06Q30/0257—User requested
    • G06Q30/0258—Registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0273—Determination of fees for advertising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0276—Advertisement creation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Definitions

  • the present invention relates to an influencer mediation system and a mediation method using the same, and more specifically, to an influencer suitable for an advertisement target product or service based on the result of analyzing the information on the advertiser and the activity of the influencer It relates to an influencer brokerage system and a mediation method using the same, which provide a method to increase the advertising effect to the advertiser by intermediarying the influencer to the advertiser, and at the same time automatically provide advertisement items to the influencer to provide revenue .
  • Representative types of social network servers include video platforms such as Youtube, Internet broadcasting platforms such as Afreeca TV, Twitch TV, and TV Daumpot, portal site platforms such as Naver, Google, Daum, and Yahoo, facebook, Instagram, twitter, cacao Social media platforms such as story, Daum blog, Naver blog, Tistory blog, blog platform such as blog spot, etc. exist.
  • social media platforms allow anyone to share information and reviews about a particular brand's product or service, there are consumers who have an exceptionally powerful voice compared to other users. The content they create often has a similar or greater effect to direct brand promotion.
  • These social media content creators are called “influencers”. That is, an influencer refers to a user with high influence within a specific platform. For example, a user with a large number of followers on a social media platform, a user who operates a blog with a large number of visitors, and a YouTube user who operates a channel with a large number of subscribers etc. may be applicable.
  • Influencers produce, produce, and post their own content, and the content is exposed to a large number of users on the platform.
  • influencers such as products used by influencers, places to enjoy, hobbies, and specialties
  • opinions or stories about specific products they share are different from other consumers. It greatly influences their brand perception and purchase decision.
  • Influencers can use this influence to obtain various benefits. For example, an advertiser may request an advertisement for a specific product or service to influencers, and the influencer may obtain financial or material benefits in return for the advertisement request. That is, the influencer may be used as one advertising channel for advertisers. Therefore, the number of brands and advertisers interested in influencer marketing continues to increase.
  • an apparatus for providing an advertiser and influencer mediation service using artificial intelligence and a method using the same are an invention devised to solve the above-described problems, and are based on information about the advertiser and information about the influencer. Its purpose is to broker the best influencer for advertisers.
  • the advertiser uses artificial intelligence technology based on information on the product or service that the advertiser wants to advertise, various information on influencers, advertisement effect information of influencers, and feedback information on specific products or services. Its purpose is to broker the best influencer for you.
  • the apparatus for providing an influencer brokerage service includes an advertiser information register for registering information about an advertiser, an influencer information register for registering information about an influencer, and a content posted by the influencer for each platform.
  • An influencer information collection unit that crawls to collect activity information of an influencer
  • an advertisement result information collection unit that collects advertisement result information of the influencer and evaluation information on the influencer
  • the advertiser information A recommendation list generator that generates an influencer recommendation list suitable for the advertiser based on the information collected by the register, the influencer information register, the influencer information collection unit, and the advertisement result information collection unit and provides it to the advertiser.
  • the recommendation list generator uses the information registered by the advertiser information registration unit and analysis information on the influencer as input values, and performs deep learning using a trained artificial neural network (ANN) to perform the It may include an artificial neural network module that generates a list of recommended influencers suitable for the advertiser, and performs feedback on the list of recommended influencers based on the advertisement activity information and evaluation information collected by the advertisement activity monitoring unit. .
  • ANN trained artificial neural network
  • the advertiser and influencer brokerage service providing device using the artificial intelligence is the influencer in the recommendation list based on the information collected by the influencer information registration unit, the influencer information collection unit, and the advertisement result information collection unit. It may further include an influencer analysis information generating unit that generates comprehensive information about the information and provides the generated information to the advertiser by comparing the comprehensive information with all influencers registered in the information register in the influencer. have.
  • the influencer analysis information generating unit may generate the compared information together with information on the passage of time or classify the information for each platform to generate information.
  • the influencer analysis information generating unit includes information on at least one of the amount of advertisement activity by platform of influencers, advertisement details by advertisement platform, product or service category, advertisement effect by product or service, and cost-to-cost advertisement effect by product or service can create
  • the influencer information registration unit includes information about the influencer's preferred platform, posting style, activity area, type of photographing device, body information, skin information, job information, companion animal ownership, frequently used main keywords and interests. Information about at least one of the information may be registered.
  • the recommendation list generating unit may calculate an expected advertisement effect for each influencer or each platform for a product or service as an advertisement target, and generate a recommended influencer list in the order of the highest expected advertisement effect.
  • An advertiser and influencer brokerage service method using artificial intelligence includes the steps of registering information about an advertiser, receiving information about an influencer, and dividing the contents posted by the influencer by platform Collecting activity information of an influencer by crawling, collecting advertisement result information of the influencer and evaluation information on the influencer, and information on the advertiser and information on the influencer and generating a recommendation list to generate and provide an influencer recommendation list suitable for the advertiser based on and performing deep learning using a trained artificial neural network (ANN) to generate a recommended influencer list suitable for the advertiser, and the recommended influencer list based on the advertisement result information and evaluation information It may include the step of performing a feedback on the.
  • ANN trained artificial neural network
  • the advertiser and influencer brokerage service method using artificial intelligence generates comprehensive information on the influencers in the recommendation list based on the collected information, and compares the aggregate information with all registered influencers. and providing the generated information to the advertiser.
  • the advertiser and influencer brokerage service providing apparatus using artificial intelligence and the service method using the same are, unlike the prior art, an optimal influencer suitable for the advertiser based on information about the advertiser and information about the influencer. There is an advantage of maximizing the advertising effect of attracting influencers by finding and intermediating them.
  • the recommended influencer list is generated using the updated algorithm. Therefore, there is an effect that can mediate influencers that are more suitable for advertisers.
  • FIG. 1 is a block diagram illustrating some components related to an advertiser and influencer mediation system using artificial intelligence according to an embodiment.
  • FIG. 2 is a block diagram illustrating some components of an apparatus for providing an influencer relay service according to an embodiment.
  • FIG. 3 is a diagram for explaining an artificial neural network module of an apparatus for providing an influencer relay service according to an embodiment.
  • FIG. 4 is a diagram for explaining a learning session and an inference session of an artificial neural network module according to an embodiment.
  • FIG. 5 is a diagram illustrating the structure of a multi-layer neural network model (deep learning or deep neural network model) according to an embodiment.
  • FIG. 6 is a diagram illustrating a calculation process in a node of an artificial neural network module according to an embodiment.
  • FIG. 7 is a diagram illustrating a drop-out method of an artificial neural network module according to an embodiment.
  • FIG. 8 is a graph illustrating a ReLU activation function according to an embodiment.
  • 9 to 12 are diagrams illustrating an example of information provided to an advertiser in an advertiser and influencer mediation system using artificial intelligence according to an embodiment.
  • FIG. 13 is a flowchart illustrating an operation flow of an advertiser and influencer mediation system using artificial intelligence according to an embodiment.
  • FIG. 1 is a block diagram showing some components related to the advertiser and influencer mediation system 1 using artificial intelligence according to the present embodiment.
  • the advertiser and influencer mediation system 1 using artificial intelligence includes a terminal device 100 of an advertiser 110 , an influencer mediation service providing device 200 , and an influencer mediation system 1 .
  • the terminal device 300 and the platform system server 400 of the unser 310 may be included.
  • Influencer mediation system (1) is an advertiser (110, Advertiser) and an influencer (310, through the advertiser terminal device 100, the influencer mediation service providing device 200 and the influencer terminal device 300) You can mediate advertisement requests between influencers) and monitor the advertisement activity of influencers.
  • the advertiser terminal device 100 may access the influencer mediation service providing device 200 under the control of the advertiser 110 .
  • the advertiser terminal device 110 may access the influencer brokerage service providing device 200 to search for information about an influencer registered in a corresponding system and the corresponding influencer.
  • the advertiser terminal device 100 may receive an influencer recommendation for an advertisement target product or service from the influencer brokerage service providing device 200 .
  • the advertiser terminal device 100 may select an influencer to request an advertisement under the control of the advertiser, and may request the advertisement to the influencer brokerage service providing apparatus 200 .
  • the advertiser terminal device 100 may display the received monitoring result or analysis result on the screen.
  • the advertiser terminal device 100 may include a mobile terminal device capable of accessing the influencer mediation service providing device 200 through a dedicated application or a general application, but includes a computing device.
  • PCS Personal Communication System
  • GSM Global System for Mobile communication
  • PDC Personal Digital Cellular
  • PHS Personal Handyphone System
  • PDA Personal Digital Assistant
  • IMT International Mobile Telecommunication
  • CDMA Code Division Multiple Access
  • W-CDMA Wide-Code Division Multiple Access
  • Wibro Wireless Broadband Internet
  • the influencer brokerage service providing server 120 records the activity contents of the influencer 310 active on each platform (eg, a video platform, an Internet broadcasting platform, a portal site platform, a social media platform, a blog platform, etc.). It is possible to mediate the advertiser 110 and the influencer 310 based on the analysis result.
  • a video platform e.g., a video platform, an Internet broadcasting platform, a portal site platform, a social media platform, a blog platform, etc.
  • the influencer mediation service providing apparatus 200 may analyze the activity of the influencer 310 registered in the system to mediate the advertiser 110 and the influencer 310, and the corresponding It is also possible to mediate the advertiser 110 and the influencer 310 by analyzing the activity of the influencer 310 that is not registered in the system.
  • the influencer mediation service providing apparatus 200 may collect the contents of the influencer 310 registered in the platform system server 400 and analyze the activity of the influencer.
  • the influencer mediation service providing apparatus 200 may manage an advertisement request and advertisement execution process.
  • the influencer mediation service providing device 200 When an advertisement is requested by the influencer 310 and the influencer uploads the advertisement to the platform system server 400, the influencer mediation service providing device 200 performs the advertisement activity of the influencer requested for the advertisement. It is also possible to monitor and suggest an advertisement strategy to the advertiser based on the result and the result.
  • the influencer mediation service providing apparatus 200 may be implemented as a server.
  • the influencer mediation service providing apparatus 200 may be implemented as a server, in addition to a web server, a virtual server such as a cloud server, a control module of a computing device such as a smart phone, a tablet PC, a desktop PC, etc. may be configured to be processed by and stored in the memory module of each device.
  • a virtual server such as a cloud server
  • a control module of a computing device such as a smart phone, a tablet PC, a desktop PC, etc. may be configured to be processed by and stored in the memory module of each device.
  • the influencer brokerage service providing apparatus 200 may further include a storage unit (not shown) capable of storing various types of information.
  • the storage unit may store data received by the influencer mediation service providing apparatus 200 , data generated in an operation process of the influencer mediation service providing apparatus 200 , and result data. For example, information about the advertiser received from the advertiser terminal device 100, information about the influencer 300 received from the influencer terminal device 100, and the influencer collected from the platform system server 400 The advertisement activity information of the unser 300 and the feedback information therefor may be converted into data, stored in a storage unit, and managed.
  • the influencer terminal device 300 accesses the influencer mediation service providing device 200 according to the control of the influencer, and registers basic information of the influencer or receives advertisement request information for the advertisement requested by the advertiser. You can search.
  • the influencer terminal device 300 may create content under the control of the influencer and upload it to the platform system server 400 .
  • the influencer terminal device 300 may create a video or create a blog post or social media post under the control of the influencer and upload it to the platform system server 400 .
  • the influencer terminal device 300 includes a computing device capable of accessing the influencer mediation service providing device 200 through a dedicated application or a general-purpose application.
  • a computing device capable of accessing the influencer mediation service providing device 200 through a dedicated application or a general-purpose application.
  • PCS Personal Communication System
  • GSM Global System for Mobile communication
  • PDC Personal Digital Cellular
  • PHS Personal Handyphone System
  • PDA Personal Digital Assistant
  • IMT International Mobile Telecommunication
  • CDMA Code Division Multiple Access
  • W-CDMA Wide-Code Division Multiple Access
  • Wibro Wireless Broadband Internet
  • Smartphone SmartPad
  • Tablet PC Smart Watch
  • Smart Watch It may include all kinds of handheld-based wireless communication devices such as smart watch), smart glasses, wearable devices, and the like.
  • the platform system server 400 may register and manage content generated by a corresponding platform user. Content registered in the platform system server 400 may be shared or inquired by other users. For example, advertisement content registered in the platform system server 400 by the influencer may be shared with account-linked users (eg, followers) of the influencer.
  • account-linked users eg, followers
  • FIG. 2 is a block diagram illustrating some components of the apparatus 200 for providing an influencer relay service according to an embodiment.
  • the influencer brokerage service providing apparatus 200 includes an advertiser information registration unit 210 , an influencer information registration unit 220 , an influencer information collection unit 230 , and an advertisement result information collection unit 240 . ), a recommendation list generator 250 , and an influencer analysis information generator 260 .
  • the advertiser information registration unit 210 may receive information about a product or service desired by the advertiser and basic personal information about the advertiser from the advertiser and register the collected information.
  • Information on products may include price information, country of origin information, and effects of the product to be advertised, and information about advertisers includes basic personal information about advertisers, information about influencers preferred by advertisers, and information about advertisers. It may include information about the platform and information about the advertisement style preferred by the advertiser. This information may be later used as basic information when the list generator 250 provides a list of recommended influencers to the advertiser.
  • the influencer information registration unit 220 may receive basic information from the influencer requesting the influencer registration to the mediation service providing device 200 and register the influencer.
  • the influencer registration unit 220 may search for an influencer on each platform, transmit a registration request message to the influencer, and receive basic information from the influencer to register.
  • the basic information may include at least one of the activity platform, platform account information, contact information, influencer brokerage system access ID and password, and furthermore, the influencer's preferred platform, posting style, activity area, type of shooting device, It may include body information, skin information, job information, whether you own a companion animal, information about frequently used keywords and interests, and the like.
  • the information registered in the influencer information registration unit 220 may include information about the product preferred by the influencer or information about the preferred advertiser, and may include information about the preferred platform or advertisement method. In the opinion of the influencer, it may contain information about products or services that are suitable for them. This collected information may be used as basic information when the list generator 250 provides a list of recommended influencers to the advertiser later.
  • the influencer information collection unit 230 collects activity information of each influencer by crawling the contents posted by the registered influencers for each platform.
  • the information collection unit 230 is based on the influencer's account information, such as social media account (eg, Instagram, Facebook) information, blog account information, or video site account information of the influencer. You can collect activity information of the influencer.
  • the influencer information collection unit 230 may collect content through a crawler, for example, and store the collected content in a storage unit (not shown).
  • the influencer information collection unit 230 may collect activity information of the influencer according to a preset analysis method and a classification method for the stored content.
  • the activity information includes the number of posting content for each platform of the influencer, the amount of activity for each platform, content category, content content, content format, activity period, and feedback information on advertisements for the influencer (eg, rating information). or comment information).
  • the influencer information collection unit 230 may classify a category of content posted in each menu through, for example, a blog menu, or classify a category of content based on tag information included in the content. .
  • the influencer information collection unit 230 may classify a category of the corresponding content by recognizing an image, video, or text (eg, a keyword or sentence stored in advance) included in the content.
  • the influencer information collection unit 230 may extract images, images, or texts included in the contents to make a database of contents posted by the influencer, and components constituting the contents (eg, , image, video, text, etc.) type and arrangement of components can also be analyzed to analyze the content format frequently used by the influencer.
  • the advertisement result information collection unit 240 may collect various information related to the content posted by the influencer with respect to the product requested by the advertiser, and transmit the collected information to the advertiser terminal device 100 . have.
  • the advertisement result information collection unit 240 monitors the advertisement activity result of the influencer selected by the advertiser and at the same time receives monitoring information from the monitoring code embedded in the advertisement content posted by the influencer. to monitor the results of advertising activities.
  • the advertisement activity result information may include an amount of advertisement activity for each platform, advertisement details for each product or service category, and advertisement effects for each product or service. For example, it may include information on the number of visits to the advertisement content, the number of views, and sales of goods or services that have passed through the platform of the influencer.
  • the advertisement result information collection unit 240 may issue a monitoring code to the influencer after the advertisement request of the advertiser and the approval of the advertisement request of the influencer and provide it to the influencer terminal device 100 . .
  • the advertisement result information collection unit 240 collects the feedback of other users linked to the content posted by the influencer, and the amount of feedback and the content of the feedback (eg, feedback tendency (positive or negative), etc.) ) can be collected.
  • the feedback trend may be manually classified and input by the operator of the apparatus 200 for providing an influencer brokerage service, or may be automatically classified according to whether a trend-related word is included.
  • the amount of feedback and the content of the feedback will be later determined by the influencer analysis information generating unit 260 in connection with the content category, content content, or content format to determine the influencer's feedback trend by content category, feedback trend by content content, or feedback by content format. It may be used to generate information about the trend, and the recommendation list generator 250 may use it as feedback information to generate an influencer recommendation list using artificial intelligence. A detailed description thereof will be provided later.
  • the advertisement result information collection unit 240 collects information on advertisement effects of advertisement contents posted by the influencer on the platform system server 400 in real time, for example, the number of visits and views of advertisement contents to advertisers. It may be provided to the terminal device 100 . The collected information may be provided to the advertiser terminal device 100 without special processing, and may be provided to the advertiser terminal device 100 as a result of various analysis through the influencer analysis information generating unit 260 . Details of the influencer analysis information generating unit 260 will be described later.
  • the advertisement result information collecting unit 240 may collect evaluation information of each other about the influencer and the advertiser who actually advertised for a specific product or service.
  • advertisers can collect comprehensive evaluation information (eg, sales satisfaction, communication satisfaction, platform-specific satisfaction, promotion effect satisfaction, comprehensive evaluation score, etc.)
  • the influencer may also collect comprehensive evaluation information about the advertiser (eg, satisfaction with cost, satisfaction with revenue, communication satisfaction, overall evaluation score, etc.)
  • the generator 250 may be used as feedback information to generate a list of recommended influencers later.
  • the recommendation list generation unit 250 receives advertisement target product or service information from the advertiser terminal device 100 , the advertiser information registration unit 210 , the influencer information registration unit 220 , and the influencer information collection unit 230 . ) and the information collected by the advertisement result information collecting unit 240 may generate an influencer recommendation list most suitable for the advertiser, and transmit the generated list to the advertiser terminal device 100 .
  • the recommendation list generation unit 250 may generate an influencer recommendation list based on the advertisement effect information of the influencers for the same/similar product or service collected through the advertisement result information collection unit 240 .
  • the recommendation list generator 250 is based on the order in which the number of visits to the platform by the influencer is high, the number of views is high, and the order of the number of feedback (eg, comments, retweets, 'likes', etc.) is high. to create a recommendation list.
  • the recommendation list generator 250 includes an artificial neural network module 251 . Therefore, in generating the influencer recommendation list, after deep learning is performed using the artificial intelligence neural network, the recommendation list can be generated and provided to the advertiser.
  • an artificial neural network module 251 Therefore, in generating the influencer recommendation list, after deep learning is performed using the artificial intelligence neural network, the recommendation list can be generated and provided to the advertiser.
  • 3 and 4 are diagrams illustrating some components of the artificial neural network module 251 and input data, output data, and feedback information input to the artificial neural network module 251 according to an embodiment.
  • the artificial neural network module 251 is the most suitable influencer for the advertiser based on the learning session 252 and the learning session 252 for learning how to select an influencer suitable for the advertiser. It may include an inference session 253 for inference (inference) on a method of selecting a lubricant.
  • learning may be performed on a method of selecting an influencer most suitable for an advertiser based on information on advertisers and influencers and past advertisement activity information of influencers during the learning session 252 .
  • a neural network model used in the artificial neural network module 251 is a supervised learning algorithm inspired by a neuron structure in biology.
  • the basic working principle of the neural network model is to predict the optimal output value for the input value by interconnecting several neurons. From a statistical point of view, a neural network model can be viewed as a projective trace regression that takes a non-linear function to the linear combination of input factors.
  • each attribute constituting the influencer information 10 and the advertiser information 20 is each node of the input layer of the artificial neural network module 251 such as x1, x2, and x3.
  • Information on the influencer recommendation list that is input to and is predicted based on a cost function such as softmax or ReLU after computing of hidden layers such as h1, h2, and h3 based on the same weight as w1 (40) may be output from the output layer where is y1 , the number of positive or negative comments, information about the sales that can be generated through the influencer who entrusted the advertisement), and the like.
  • the artificial neural network module 251 feeds back information on the advertisement effect of the influencers currently in the recommendation list 40 based on the actual information collected through the advertisement result information collecting unit 240 after a certain period of time has elapsed. can be performed. Specifically, back propagation to update the weight of the hidden layer in the direction of reducing the error (error, -Sigma(yi log pi)) based on the expected information 50 and the actual advertisement effect information 60 as shown in FIG. 4 . can do.
  • the weight is updated in a way to reduce this error, and vice versa.
  • Influencers belonging to group Y were matched, and if the actual advertisement result is better than the predicted result, feedback can be performed by increasing the weight for the weight of the hidden layer.
  • FIG. 5 is a schematic diagram illustrating the structure of a multi-layer neural network model (deep learning or deep neural network model) in relation to the specific structure of the artificial neural network module 261 according to an embodiment of the present invention.
  • the multi-layer neural network model of the artificial neural network module 261 may be composed of an input layer, a hidden layer, and an output layer.
  • the input layer consists of nodes corresponding to each input factor, and the number of nodes is equal to the number of input factors.
  • the hidden layer may serve to process a linear combination of factor values transmitted from the input layer as a non-linear function such as a sigmoid function and transmit it to the output layer or another hidden layer.
  • the output layer is a node corresponding to the output factor, and in the classification model, as many output nodes as the number of classes can be generated.
  • FIG. 6 is a schematic diagram illustrating a calculation process at a node of the artificial neural network module 261 according to an embodiment of the present invention.
  • a node When a node receives a stimulus of a certain size or more, it responds, and the magnitude of the response is approximately proportional to the product of the input value and the node's coefficients (or weights, weights) excluding the bias value.
  • a node receives multiple inputs and has as many coefficients as the number of inputs. Therefore, by adjusting this coefficient, different weights can be given to different inputs.
  • all the multiplied values are added and the sum is input to the activation function.
  • the result of the activation function corresponds to the output of the node, and this output is ultimately used for classification or regression analysis.
  • Each layer of the neural network model consists of at least one node, and whether each node is activated/deactivated is determined according to the input value.
  • Input information becomes the input of the first layer (input layer), and after that, the output of each layer becomes the input of the next layer again. All coefficients change slightly over the course of the learning process, as a result of which each node reflects which input is important. And 'training' of the neural network model is the process of updating this coefficient.
  • RBM is used as a component of DBN (Deep Belief Network), and each layer of the feedforward neural network to be learned through an unsupervised RBM (restricted Boltzmann machine) is effectively pre-trained to overfit.
  • DBN Deep Belief Network
  • RBM restricted Boltzmann machine
  • FIG. 7 is a schematic diagram illustrating a drop-out method of the artificial neural network module 251 according to an embodiment of the present invention.
  • the drop-out method of the artificial neural network module 250 according to an embodiment of the present invention, 50% of the neurons are used instead of all neurons in the hidden layer during every learning. It is known that there is an effect that several small neural networks are ensembled in one deep learning, and overfitting of the ensemble is greatly reduced. In addition, as the number of neurons with similar weights is reduced, the number of neurons making redundant judgments is reduced, which has the advantage of efficiently using neurons.
  • FIG. 6 is a graph showing the ReLU activation function.
  • the existing sigmoid function has a problem in that the error disappears whenever gradient descent is performed in several layers. As it goes through several layers and goes to the limit, the gradient of the sigmoid function becomes smaller and the weight is not updated.
  • the ReLU function is used as the activation function, when the gradient is learned as 0 or 1, the error propagates to 100%, so this problem can be solved.
  • the ReLU function is not limited to [0,1] like sigmoid, but has an unlimited range, so it can be seen that it has more expressive power. Also, there are many unnecessary values among the output values of each node. In this case, when using the sigmoid function, it is necessary to calculate all values, but the ReLU function can reduce the amount of computation in a significant part, thereby improving the computing speed. Regularization may be improved by the ReLU function.
  • the influencer analysis information generating unit 260 may be generated based on the information collected by the result information collecting unit 240 , and the generated information may be transmitted to the advertiser terminal device 100 .
  • the influencer analysis information generating unit 260 may generate analysis information by analyzing the activity of each influencer based on the influencer's basic information, collected activity information, and advertisement history information.
  • the influencer analysis information generating unit 260 may generate the influencer's body condition (eg, gender, height, weight, body part (self-confident body) based on the influencer's basic information and activity information). body parts or frequently exposed body parts), main activity medium, number of account-linked users (eg, followers, etc.), number of visits or views to content (eg, number of visits, average number of visits over period, number of views, average number of views over period) etc.) can be analyzed and generated.
  • the influencer analysis information generation unit 260 is based on the advertisement history information of the influencer, the amount of advertisement activity for each platform of the influencer, advertisement details for each major advertisement platform, product or service category, and advertisement effect for each product or service. (For example, the number of visits to the advertisement content, the number of views, the number of feedbacks, the feedback tendency) or the analysis information may be generated by analyzing at least one of advertisement effects versus cost for each product or service.
  • the influencer analysis information generating unit 260 analyzes and analyzes at least one of the number of content feedbacks (eg, comments, retweets, 'likes', etc.) and feedback trends (eg, positive or negative). information can be created.
  • the physical condition may be input in advance as basic information, or may be obtained through content analysis of content posted by the influencer.
  • the information generated by the influencer analysis information generating unit 260 described so far may be transmitted to the recommendation list generating unit 250, and the recommendation list generating unit 250 is the most suitable influencer for the advertiser based on such information. It is possible to create a list of luencer recommendations.
  • information generated through the recommendation list generator 250 and the influencer analysis information generator 260 may be stored in a storage unit (not shown) in association with the corresponding influencer.
  • the influencer mediation service providing device 200 provides the analysis result for the influencer to the advertiser terminal device 100 .
  • 9 to 12 are diagrams illustrating an example of information provided to an advertiser in an advertiser and influencer mediation system using artificial intelligence according to an embodiment.
  • the influencer analysis information generation unit 260 is It is a diagram illustrating examples in which generated information is displayed on the advertiser terminal device 100 .
  • the influencer analysis information generating unit 260 compares information on a specific influencer with all influencers registered in the information registration unit 220 in the influencer when generating influencer analysis information. may be transmitted to the advertiser terminal device 100 by generating information that is visually displayed.
  • a specific influencer currently belongs to which group in the entire group is visually displayed using a pyramid-shaped figure 110, or It may be displayed 120 using a line, and information 130 on absolute values for each item may also be displayed.
  • the advertiser has the advantage of being able to more easily select an influencer that suits their taste.
  • the influencer analysis information generation unit 260 includes various types of information about a specific influencer, for example, post participation information 104, follower/following comparison analysis information ( 105 ), subscriber information 106 , and number of views information 107 may be generated as graphs according to the passage of time and transmitted to the advertiser terminal device 100 .
  • the advertiser can determine whether the influence of a specific influencer is increasing or decreasing. It has the advantage of being able to easily find information and choosing an influencer that suits one's preferences.
  • the influencer analysis information generating unit 260 may generate ranking information for each platform for a specific influencer as the comparison information 108 and provide it to the advertiser. Rather than simply providing information in absolute numbers, if ranking information is provided for each platform as shown in FIG. 12, advertisers can easily find out which influencer ranks high on their preferred platform, so that their There is an advantage of being able to choose an influencer that suits your taste.
  • FIG. 13 is a flowchart illustrating an operation flow of an advertiser and influencer mediation system using artificial intelligence according to an embodiment.
  • the influencer may register various information including personal information of the person in the mediation service providing apparatus 200 through the influencer terminal device 300 ( S10 ).
  • the mediation service providing apparatus 200 may collect various information about the activity of the corresponding influencer for each platform and collect advertisement results accordingly. (S20, S30) A detailed description thereof will be omitted as described above with reference to FIG. 2 .
  • the advertiser may register information of the advertiser in the brokerage service providing device 200 through the advertiser terminal device 100 and request an influencer recommendation to advertise for a specific product or service.
  • the intermediary service providing device 200 Upon receiving the influencer recommendation request from the advertiser terminal device 100, the intermediary service providing device 200 calculates an expected advertisement effect by performing deep learning based on information about the advertiser and information about the influencers, Based on this, a recommendation list may be generated. (S50, S60) A detailed description thereof will be omitted since it has been described with reference to FIGS. 3 and 4 .
  • the intermediary service providing device 200 transmits the generated recommendation list information to the advertiser terminal device, and when the advertiser selects an influencer to advertise through the advertiser terminal device 100, the matching result is returned to the influencer's terminal device. It can be sent to (300). (S70 ⁇ S90)
  • the intermediary service providing apparatus 200 may collect actual advertisement effect information of the influencer who advertises the product or service requested by the advertiser, and may perform feedback deep learning based on this information. (S100, S110)
  • the service providing apparatus 200 may generate comprehensive and various information about the influencer, and then transmit the generated information to the advertiser terminal device 110 and the influencer terminal device 300 .
  • the advertiser and influencer brokerage service providing apparatus using artificial intelligence and the service method using the same are, unlike the prior art, an optimal influencer suitable for the advertiser based on information about the advertiser and information about the influencer. There is an advantage of maximizing the advertising effect of attracting influencers by finding and intermediating them.
  • the recommended influencer list is generated using the updated algorithm. Therefore, there is an effect that can mediate influencers that are more suitable for advertisers.
  • components, units, modules, components, etc. described as " ⁇ " described in this specification may be implemented together or individually as interoperable logic devices. Depictions of different features of modules, units, etc. are intended to emphasize different functional embodiments, and do not necessarily imply that they must be realized by separate hardware or software components. Rather, functionality associated with one or more modules or units may be performed by separate hardware or software components or integrated within common or separate hardware or software components.
  • a terminal device program (also known as a program, software, software application, script or code) may be written in any form of a programming language, including compiled or interpreted language or a priori or procedural language, and may be a stand-alone program or module , components, subroutines, or other units suitable for use in a terminal device environment.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

일 실시예에 따른 인플루언서 중개 서비스 제공 장치는 광고주에 대한 정보를 등록 받는 광고주 정보 등록부, 인플루언서에 대한 정보를 등록 받는 인플루언서 정보 등록부, 상기 인플루언서가 포스팅한 컨텐츠를 플랫폼별로 크롤링(crawling)하여 인플루언서의 활동 정보를 수집하는 인플루언서 정보 수집부, 상기 인플루언서의 광고 결과 정보 및 상기 인플루언서에 대한 평가 정보를 수집하는 광고 결과 정보 수집부 및 상기 광고주 정보 등록부, 인플루언서 정보 등록부, 인플루언서 정보 수집부 및 광고 결과 정보 수집부에 의해 수집된 정보를 기초로 상기 광고주에게 적합한 인플루언서 추천 리스트를 생성하여 상기 광고주에게 제공하는 추천 리스트 생성부를 포함하고 상기 추천 리스트 생성부는 상기 광고주 정보 등록부에 의해 등록된 정보, 상기 인플루언서에 대한 분석 정보를 입력값으로 하고, 트레이닝된 인공신경망(ANN)을 이용하여 딥 러닝(Deep Learning)을 수행하여 상기 광고주에게 적합한 추천 인플루언서 리스트를 생성하고, 상기 광고 활동 모니터링부에 의해 수집된 광고 활동 정보 및 평가 정보를 기초로 상기 추천 인플루언서 리스트에 대한 피드백을 수행하는 인공신경망 모듈을 포함할 수 있다.

Description

인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 이를 이용한 중개 방법
본 발명은 인플루언서 중개 시스템 및 이를 이용한 중개 방법에 관한 것으로, 더욱 상세하게는 광고주에 대한 정보 및 인플루언서(Influencer)의 활동을 분석한 결과를 기초로 광고 대상 상품 또는 서비스에 적합한 인플루언서를 광고주에게 중개함으로써 광고주에게는 광고 효과를 높일 수 있는 방안을 제공하고, 동시에 인플루언서에게는 광고 아이템을 자동으로 제공하여 수익을 제공할 수 있는 인플루언서 중개 시스템 및 이를 이용한 중개 방법에 관한 것이다.
통신 기술의 발달로 개인들은 PC를 통해 인터넷 기술을 이용하여 인터넷상에서 네트워크를 형성함으로써 종래의 장소와 시간적 제약을 동시에 해결하는 역할을 하고 있다. 이와 더불어 개인이 자신의 인터넷상의 가상 공간에서 타인과 관계를 맺을 수 있는 서비스, 즉, 커뮤니케이션을 제공하고 다양한 정보를 공유할 수 있도록 하는 서비스가 대두되고 있는데, 이를 소셜 네트워크 서비스(Social Networking Service, SNS)라 한다.
소셜 네트워크의 서버스의 대표적인 종류로는 Youtube와 같은 동영상 플랫폼, Afreeca TV, Twitch TV, TV 다음팟 등과 같은 인터넷 방송 플랫폼, 네이버, 구글, 다음, 야후 등과 같은 포털 사이트 플랫폼, facebook, Instagram, twitter, cacao story 등과 같은 소셜 미디어 플랫폼, 다음 블로그, 네이버 블로그, 티스토리 블로그, 블로그 스팟 등과 같은 블로그 플랫폼 등이 존재한다.
소셜 미디어 플랫폼에서는 누구나가 특정 브랜드의 제품 또는 서비스에 대한 정보 및 리뷰를 공유 할 수 있지만, 다른 사용자들에 비해 유난히 더 영향력 있는 목소리를 내는 소비자들이 있다. 이들이 만들어내는 콘텐츠는 직접적인 브랜드 프로모션과 비슷한, 혹은 더 큰 효과를 가져오곤 한다. 이러한 소셜 미디어 콘텐츠 크리 에이터들을 "인플루언서"라고 한다. 즉, 인플루언서는 특정 플랫폼 내에서 영향력이 높은 사용자를 말하며, 일 예로 소셜미디어 플랫폼에서 팔로워(follower)의 수가 많은 사용자, 방문자수가 많은 블로그를 운영하는 사용자, 구독자 수가 많은 채널을 운영하는 유튜브 사용자 등이 이에 해당할 수 있다.
인플루언서들은 자신만의 컨텐츠를 생산 및 제작하여 포스팅(posting)하고 있으며, 해당 컨텐츠는 플랫폼 내 다수의 사용자들에게 노출되고 있다. 노출 빈도의 증가와 함께 인플루언서가 이용하는 상품, 즐기는 장소, 취미, 특기 등 인플루언서와 관련된 것들에 대한 다른 사용자들의 관심도가 증가하고 있으며, 이들이 공유하는 특정 제품에 대한 의견이나 스토리는 다른 소비자들의 브랜드에 대한 인식이나 구매 결정에 많은 영향을 준다.
인플루언서들은 이러한 영향력을 이용하여 다양한 혜택을 얻을 수 있다. 예를 들어, 광고주는 인플루언서들에게 특정 상품 또는 서비스에 대한 광고를 의뢰하고, 인플루언서들은 광고 의뢰에 대한 대가로 금전적 또는 물질적 혜택을 얻을 수 있다. 즉, 인플루언서는 광고주들에게 하나의 광고 채널로 이용될 수 있다. 따라서, 인플루언서 마케팅에 관심을 갖는 브랜드와 광고주들이 계속해서 늘어나는 추세이다
그러나, 기존 인플루언서를 통한 광고 방식의 경우 광고주들이 인플루언서를 개별적으로 접촉하여 광고를 의뢰하여야 하므로 광고주에게 많은 시간과 비용이 소모되는 문제가 있었다. 또한, 광고주들이 광고를 의뢰하는 인플루언서에 대한 정보를 얻기 어려우며 해당 인플루언서에 광고 의뢰 시 얻을 수 있는 광고 효과를 예상하기 어려운 문제점이 있었다.
또한, 중개 플랫폼을 이용하여 광고주와 인플루언서들을 연결해준다 하더라도 종래 기술에 의한 경우 단순히 팔로워(follower)의 수가 많은 사용자, 방문자수가 많은 블로그를 운영하는 사용자 등 단순히 유명세를 기준으로 광고주와 인플루언서들을 연결해 주다 보니, 광고주 입장에서는 광고주가 원하는 스타일을 인플루언서들을 연결해주기가 어려웠었고 인플루언서들 입장에서도 수동적으로 광고를 받다 보니, 인플루언서 본인들이 하고 싶은 종류의 광고 또는 잘 할 수 있는 광고를 하지 못해 인플루언서를 통한 광고의 효과가 저해되는 문제점이 존재하였다.
따라서, 일 실시예에 따른 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 및 이를 이용한 방법은, 앞서 설명한 문제점을 해결하기 위해 고안된 발명으로서, 광고주에 대한 정보와 인플루언서에 대한 정보로 기초로 광고주에게 맞는 최적의 인플루언서를 중개해주는데 그 목적이 있다.
구체적으로, 광고주가 광고하고자 하는 상품 또는 서비스에 대한 정보와 인플루언서에 대한 다양한 정보와 인플루언서들의 광고 효과 정보 및 특정 상품 또는 서비스에 대한 피드백 정보 등을 기초로 인공지능 기술을 활용하여 광고주에게 맞는 최적의 인플루언서를 중개해주는데 그 목적이 있다.
일 실시예에 따른 인플루언서 중개 서비스 제공 장치는 광고주에 대한 정보를 등록 받는 광고주 정보 등록부, 인플루언서에 대한 정보를 등록 받는 인플루언서 정보 등록부, 상기 인플루언서가 포스팅한 컨텐츠를 플랫폼별로 크롤링(crawling)하여 인플루언서의 활동 정보를 수집하는 인플루언서 정보 수집부, 상기 인플루언서의 광고 결과 정보 및 상기 인플루언서에 대한 평가 정보를 수집하는 광고 결과 정보 수집부 및 상기 광고주 정보 등록부, 인플루언서 정보 등록부, 인플루언서 정보 수집부 및 광고 결과 정보 수집부에 의해 수집된 정보를 기초로 상기 광고주에게 적합한 인플루언서 추천 리스트를 생성하여 상기 광고주에게 제공하는 추천 리스트 생성부를 포함하고 상기 추천 리스트 생성부는 상기 광고주 정보 등록부에 의해 등록된 정보, 상기 인플루언서에 대한 분석 정보를 입력값으로 하고, 트레이닝된 인공신경망(ANN)을 이용하여 딥 러닝(Deep Learning)을 수행하여 상기 광고주에게 적합한 추천 인플루언서 리스트를 생성하고, 상기 광고 활동 모니터링부에 의해 수집된 광고 활동 정보 및 평가 정보를 기초로 상기 추천 인플루언서 리스트에 대한 피드백을 수행하는 인공신경망 모듈을 포함할 수 있다.
상기 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치는 상기 인플루언서 정보 등록부, 인플루언서 정보 수집부, 광고 결과 정보 수집부에 의해 수집된 정보를 기초로 상기 추천 리스트에 있는 인플루언서에 대한 종합 정보를 생성하고, 상기 종합 정보를 상기 인플루언서에 정보 등록부에 등록되어 있는 모든 인플루언서와 비교하여 생성한 정보를 상기 광고주에게 제공하는 인플루언서 분석 정보 생성부를 더 포함할 수 있다.
상기 인플루언서 분석 정보 생성부는, 상기 비교한 정보를 시간의 추이에 대한 정보와 함께 생성하거나, 플랫폼별로 분류하여 정보를 생성할 수 있다.
상기 인플루언서 분석 정보 생성부는, 인플루언서들의 플랫폼별 광고 활동량, 광고 플랫폼, 상품 또는 서비스 카테고리별 광고 내역, 상품 또는 서비스별 광고 효과 및 상품 또는 서비스별 비용 대비 광고 효과 가운데 적어도 하나에 대한 정보를 생성할 수 있다.
상기 인플루언서 정보 등록부는, 상기 인플루언서의 선호 플랫폼, 포스팅 스타일, 활동지역, 촬영장치의 종류, 신체 정보, 피부 정보, 직업 정보, 반려동물 소유 여부, 자주 사용하는 주요 키워드 및 관심사에 대한 정보 중 적어도 하나에 대한 정보를 등록 받을 수 있다.
상기 추천 리스트 생성부는, 광고 대상이 되는 상품 또는 서비스에 대한 인플루언서별 또는 플랫폼별 예상 광고 효과를 산출하고, 예상 광고 효과가 높은 순으로 추천 인플루언서 리스트를 생성할 수 있다.
다른 실시예에 따른 인공지능을 이용한 광고주와 인플루언서 중개 서비스 방법은, 광고주에 대한 정보를 등록 받는 단계, 인플루언서에 대한 정보를 등록 받는 단계, 상기 인플루언서가 포스팅한 컨텐츠를 플랫폼별로 크롤링(crawling)하여 인플루언서의 활동 정보를 수집하는 단계, 상기 인플루언서의 광고 결과 정보 및 상기 인플루언서에 대한 평가 정보를 수집하는 단계 및 상기 광고주에 대한 정보 및 상기 인플루언서 대한 정보를 기초로 상기 광고주에게 적합한 인플루언서 추천 리스트를 생성하여 제공하는 추천 리스트 생성하는 단계를 포함하고, 상기 추천 리스트 생성하는 단계는, 상기 광고주에 대한 정보 및 인플루언서에 대한 정보를 입력값으로 하고, 트레이닝된 인공신경망(ANN)을 이용하여 딥 러닝(Deep Learning)을 수행하여 상기 광고주에게 적합한 추천 인플루언서 리스트를 생성하고, 상기 광고 결과 정보 및 평가 정보를 기초로 상기 추천 인플루언서 리스트에 대한 피드백을 수행하는 단계를 포함할 수 있다.
인공지능을 이용한 광고주와 인플루언서 중개 서비스 방법은, 상기 수집한 정보들을 기초로 상기 추천 리스트에 있는 인플루언서에 대한 종합 정보를 생성하고, 상기 종합 정보를 등록되어 있는 모든 인플루언서와 비교하여 생성한 정보를 상기 광고주에게 제공하는 단계를 더 포함할 수 있다.
일 실시예에 따른 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 및 이를 이용한 서비스 방법은 종래 기술과 다르게 광고주에 대한 정보와 인플루언서에 대한 정보로 기초로 광고주에게 맞는 최적의 인플루언서를 찾아서 중개해줌으로써, 인플루언서를 통환 광고 효과를 극대화시킬 수 있는 장점이 존재한다.
또한, 추천 인플루언서 리스트를 생성함에 있어서, 동일한 알고리즘이 아닌 인공지능 기술을 이용하여 실제 광고 효과에 대한 피드백 정보가 반영된 알고리즘을 업데이트 한 후, 업데이트가 된 알고리즘을 이용하여 추천 인플루언서 리스트를 생성하므로, 보다 광고주에 맞는 인플루언서를 중개해 줄 수 있는 효과가 존재한다.
또한, 인플루언서에 대해 분석된 정보를 광고주에게 제공함에 있어서, 단수한 수치가 아닌 시간에 따라 변화되는 정보 및 다른 인플루언서들과의 비교 정보도 같이 제공하므로, 광고주가 보다 자신이 선호하는 인플루언서를 선택할 수 있는 장점이 존재한다.
도 1은 일 실시예에 따른 인공지능을 이용한 광고주와 인플루언서 중개 시스템에 관한 일부 구성 요소를 도시한 블럭도이다.
도 2는 일 실시예에 따른 인플루언서 중계 서비스 제공 장치의 일부 구성 요소를 도시한 블럭도이다
도 3은 일 실시예에 따른 인플루언서 중계 서비스 제공 장치의 인공 신경망 모듈을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 인공 신경망 모듈의 학습 세션과 추론 세션을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 다층 신경망 모델(딥러닝 또는 심층 신경망 모델)의 구조를 도시한 도면이다.
도 6은 일 실시예에 따른 인공신경망 모듈의 노드에서의 계산 과정을 도시한 도면이다.
도7은 일 실시예에 따른 인공신경망 모듈의 Drop-out 방식을 도시한 도면이다.
도 8 일 실시예에 따른 ReLU 활성함수를 도시한 그래프이다.
도 9 내지 도 12는 일 실시예에 따른 인공지능을 이용한 광고주와 인플루언서 중개 시스템에서 광고주에게 제공되는 정보의 일 예를 도시한 도면이다.
도 13은 일 실시예에 따른 인공지능을 이용한 광고주와 인플루언서 중개 시스템의 동작 흐름을 도시한 순서도이다.
이하, 본 발명에 따른 실시 예들은 첨부된 도면들을 참조하여 설명한다. 각 도면의 구성요소들에 참조 부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면 상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시 예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 실시 예들을 설명할 것이나, 본 발명의 기술적 사상은 이에 한정되거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있다.
또한, 본 명세서에서 사용한 용어는 실시 예를 설명하기 위해 사용된 것으로, 개시된 발명을 제한 및/또는 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 명세서에서, "포함하다", "구비하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는다.
또한, 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함하며, 본 명세서에서 사용한 "제 1", "제 2" 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되지는 않는다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략한다.
도 1은 본 일 실시예에 따른 인공지능을 이용한 광고주와 인플루언서 중개 시스템(1)에 관한 일부 구성 요소를 도시한 블럭도이다.
도 1을 참조하면, 일 실시예에 따른 인공지능을 이용한 광고주와 인플루언서 중개 시스템(1)은 광고주(110)의 단말 장치(100), 인플루언서 중개 서비스 제공 장치(200), 인플루언서(310)의 단말 장치(300) 및 플랫폼 시스템 서버(400) 등을 포함할 수 있다.
인플루언서 중개 시스템(1)은 광고주 단말 장치(100)와 인플루언서 중개 서비스 제공 장치(200) 및 인플루언서 단말 장치(300)를 통해 광고주(110, Advertiser)와 인플루언서(310, Influencer) 사이에 광고 의뢰를 중개하고, 인플루언서의 광고 활동을 모니터링할 수 있다.
광고주 단말 장치(100)는 광고주(110)의 제어에 따라 인플루언서 중개 서비스 제공 장치(200)에 접속할 수 있다. 광고주 단말 장치(110)는 인플루언서 중개 서비스 제공 장치(200)에 접속하여 해당 시스템에 등록된 인플루언서 및 해당 인플루언서의 정보를 검색할 수 있다.
또한, 광고주 단말 장치(100)는 인플루언서 중개 서비스 제공 장치(200)으로부터 광고 대상 상품 또는 서비스에 대한 인플루언서를 추천 받을 수 있다. 광고주 단말 장치(100)는 광고주의 제어에 따라 광고를 의뢰할 인플루언서를 선정하고, 인플루언서 중개 서비스 제공 장치(200)에 광고를 의뢰할 수 있다. 인플루언서 중개 서비스 제공 장치(200)으로부터 인플루언서의 광고 활동 모니터링 결과 또는 분석 결과를 수신하는 경우, 광고주 단말 장치(100)는 수신된 모니터링 결과 또는 분석 결과를 화면에 디스플레이 할 수 있다.
따라서, 광고주 단말 장치(100)는 전용 어플리케이션 또는 범용 어플리케이션을 통해 인플루언서 중개 서비스 제공 장치(200)에 접속할 수 있는 모바일 단말 장치를 포함할 수 있는데 컴퓨팅 장치를 포함한다. 예를 들어, PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트패드(SmartPad), 태블릿 PC, 스마트와치(smart watch), 스마트 글라스(smart glass), 웨어러블 기기(wearable device) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
인플루언서 중개 서비스 제공 서버(120)는 각 플랫폼(예를 들어, 동영상 플랫폼, 인터넷 방송 플랫폼, 포털 사이트 플랫폼, 소셜 미디어 플랫폼, 블로그 플랫폼 등)에서 활동하는 인플루언서(310)의 활동 내용을 분석하고 분석 결과를 기초로 광고주(110)와 인플루언서(310)를 중개할 수 있다.
일 실시예에서, 인플루언서 중개 서비스 제공 장치(200)는 해당 시스템에 등록된 인플루언서(310)의 활동을 분석하여 광고주(110)와 인플루언서(310)를 중개할 수도 있고, 해당 시스템에 등록되지 않은 인플루언서(310)의 활동을 분석하여 광고주(110)와 인플루언서(310)를 중개할 수도 있다. 예를 들어, 인플루언서 중개 서비스 제공 장치(200)는 플랫폼 시스템 서버(400)에 등록된 인플루언서(310)의 컨텐츠를 수집하여 해당 인플루언서의 활동을 분석할 수 있다. 광고주와 인플루언서가 매칭된 경우, 인플루언서 중개 서비스 제공 장치(200)는 광고 의뢰 및 광고 수행 과정을 관리할 수 도 있다.
인플루언서(310)에 광고가 의뢰되고 인플루언서가 광고를 플랫폼 시스템 서버(400)에 업로드를 하면, 인플루언서 중개 서비스 제공 장치(200)는 광고가 의뢰된 인플루언서의 광고 활동을 모니터링하고 이에 대한 결과 및 이를 기초로 광고주에게 광고 전략을 제시할 수도 있다. 일 실시예에서, 인플루언서 중개 서비스 제공 장치(200)는 서버로 구현될 수 있다.
따라서, 일 실시예에 따른 인플루언서 중개 서비스 제공 장치(200)는 서버로 구현될 수 있는데, 웹서버 이외에 클라우드 서버와 같은 가상 서버, 스마트폰, 태블릿 PC, 데스크탑 PC 등의 컴퓨팅 장치의 제어모듈에 의해 처리되고, 각 장치의 메모리 모듈에 저장되도록 구성될 수 있다.
인플루언서 중개 서비스 제공 장치(200)는 각종 정보를 저장할 수 있는 저장부(미도시)를 더 포함할 수 있다. 저장부에는 인플루언서 중개 서비스 제공 장치(200)에 수신된 데이터 및 인플루언서 중개 서비스 제공 장치(200)의 동작 과정에서 생성된 데이터 및 결과 데이터가 저장될 수 있다. 예를 들어, 광고주 단말 장치(100)로부터 수신된 광고주에 대한 정보, 인플루언서 단말 장치(100)로부터 수신된 인플루언서(300)에 대한 정보 및 플랫폼 시스템 서버(400)에서 수집되는 인플루언서(300)의 광고 활동 정보 및 이에 대한 피드백 정보는 데이터화 되어 저장부에 저장되어 관리될 수 있다.
인플루언서 단말 장치(300)는 인플루언서의 제어에 따라 인플루언서 중개 서비스 제공 장치(200)에 접속하고, 인플루언서의 기본 정보를 등록하거나 광고주로부터 의뢰된 광고에 대한 광고 의뢰 정보를 검색할 수 있다.
또한, 인플루언서 단말 장치(300)는 인플루언서의 제어에 따라 컨텐츠를 생성하여 플랫폼 시스템 서버(400)에 업로드할 수 있다. 예를 들어, 인플루언서 단말 장치(300)는 인플루언서의 제어에 따라 동영상을 생성하거나, 블로그 게시글 또는 소셜 미디어 게시글을 생성하여 플랫폼 시스템 서버(400)에 업로드할 수 있다.
따라서, 일 실시예에 따른, 인플루언서 단말 장치(300)는 전용 어플리케이션 또는 범용 어플리케이션을 통해 인플루언서 중개 서비스 제공 장치(200)에 접속할 수 있는 컴퓨팅 장치를 포함한다. 예를 들어, 앞서 설명한 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트패드(SmartPad), 태블릿 PC, 스마트와치(smart watch), 스마트 글라스(smart glass), 웨어러블 기기(wearable device) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
플랫폼 시스템 서버(400)는 해당 플랫폼 사용자에 의해 생성된 컨텐츠를 등록하고 관리할 수 있다. 플랫폼 시스템 서버(400)에 등록된 컨텐츠는 다른 사용자에게 공유되거나 조회될 수 있다. 예를 들어, 인플루언서에 의해 플랫폼 시스템 서버(400)에 등록된 광고 컨텐츠는 해당 인플루언서의 계정 연계 사용자들(예를 들어, 팔로워(follower))에게 공유될 수 있다.
도2는 일 실시예에 따른 인플루언서 중계 서비스 제공 장치(200)의 일부 구성 요소를 도시한 블럭도이다.
도 2를 참조하면, 인플루언서 중개 서비스 제공 장치(200)는 광고주 정보 등록부(210), 인플루언서 정보 등록부(220), 인플루언서 정보 수집부(230), 광고 결과 정보 수집부(240), 추천 리스트 생성부(250) 및 인플루언서 분석 정보 생성부(260)를 포함할 수 있다.
광고주 정보 등록부(210)는 광고주로부터 광고주가 광고하고자는 하는 상품 또는 서비스에 대한 정보 및 광고주에 대한 기본적인 인적 정보를 수집 받고 수집된 정보를 등록할 수 있다.
상품에 대한 정보는 광고하자는 상품에 대한 가격 정보, 원산지 정보, 효과 등에 대한 정보가 포함될 수 있고, 광고주에 대한 정보는 광고주에 대한 기본적인 인적 정보와 더불어, 광고주가 선호하는 인플루언서에 대한 정보, 플랫폼에 대한 정보 및 광고주가 선호하는 광고 스타일에 대한 정보를 포함할 수 있다. 이러한 정보는 추후 리스트 생성부(250)가 광고주에게 추천 인플루언서 리스트를 제공할 때 기초 정보로 사용될 수 있다.
인플루언서 정보 등록부(220)는 중개 서비스 제공 장치(200)에 인플루언서 등록을 요청하는 인플루언서로부터 기본 정보를 입력 받아 해당 인플루언서를 등록할 수 있다.
다른 실시예에서, 인플루언서 등록부(220)는 각 플랫폼에서 인플루언서를 검색하여 해당 인플루언서에 등록 요청 메시지를 전송하고, 해당 인플루언서로부터 기본 정보를 입력 받아 등록할 수도 있다. 기본 정보는 활동 플랫폼, 플랫폼 계정 정보, 연락처, 인플루언서 중개 시스템 접속 아이디 및 비밀번호 가운데 적어도 하나를 포함할 수 있으며, 더 나아가 인플루언서의 선호 플랫폼, 포스팅 스타일, 활동지역, 촬영 장치의 종류, 신체 정보, 피부 정보, 직업 정보, 반려동물 소유 여부, 자주 사용하는 주요 키워드 및 관심사에 대한 정보 등을 포함할 수 있다.
또한, 인플루언서 정보 등록부(220)에 등록되는 정보는 인플루언서가 선호하는 상품에 대한 정보 또는 선호하는 광고주에 대한 정보를 포함할 수 있으며, 선호하는 플랫폼 또는 광고 방식에 대한 정보를 포함할 수 있으며, 인플루언서가 생각하기에는 본인에게 잘 맞는 상품 또는 서비스에 대한 정보들에 대한 정보가 포함되어 있을 수 있다. 이러한 수집된 정보는 추후 리스트 생성부(250)가 광고주에게 추천 인플루언서 리스트를 제공할 때 기초 정보로 사용될 수 있다.
인플루언서 정보 수집부(230)는 등록된 인플루언서가 포스팅한 컨텐츠를 플랫폼별로 크롤링(crawling)하여 각 인플루언서의 활동 정보를 수집한다. 예를 들어, 정보 수집부(230)는 인플루언서의 소셜 미디어 계정(예를 들어 인스타그램, 페이스북) 정보, 블로그 계정 정보 또는 동영상 사이트 계정 정보 등 해당 인플루언서의 계정 정보를 기초로 해당 인플루언서의 활동 정보를 수집할 수 있다.
구체적으로, 인플루언서 정보 수집부(230)는 일 예로 크롤러(crawler)를 통해 컨텐츠를 수집하고, 수집된 컨텐츠를 저장부(미도시)에 저장할 수 있다. 인플루언서 정보 수집부(230)는 저장된 컨텐츠를 미리 설정된 분석 방법 및 분류 방법에 따라 인플루언서의 활동 정보를 수집할 수 있다. 일 실시예에서, 활동 정보는 인플루언서의 플랫폼별 포스팅 컨텐츠 수, 플랫폼별 활동량, 컨텐츠 카테고리, 컨텐츠 내용, 컨텐츠 포맷, 활동 기간 및 인플루언서에 대한 광고에 대한 피드백 정보(예를 들어 평점 정보 또는 댓글 정보) 가운데 적어도 하나를 포함할 수 있다.
또한, 인플루언서 정보 수집부(230)는 일 예로 블로그 메뉴를 통해 각 메뉴에 포스팅된 컨텐츠의 카테고리를 분류하거나, 컨텐츠에 포함된 태그(tag) 정보를 기초로 컨텐츠의 카테고리를 분류할 수 있다. 또는, 인플루언서 정보 수집부(230)는 컨텐츠에 포함된 이미지나 동영상 또는 텍스트(예를 들어, 미리 저장되어 있는 키워드 또는 문장)를 인식하여 해당 컨텐츠의 카테고리를 분류할 수도 있다.
또한, 인플루언서 정보 수집부(230)는 컨텐츠에 포함된 이미지, 영상 또는 텍스트를 추출하여 해당 인플루언서가 포스팅한 컨텐츠 내용을 데이터 베이스화할 수 있고, 컨텐츠를 구성하는 구성요소(예를 들어, 이미지, 영상, 텍스트 등)의 종류 및 구성요소의 배열을 분석하여 해당 인플루언서가 자주 사용하는 컨텐츠 포맷을 분석할 수 도 있다.
광고 결과 정보 수집부(240)는 광고주가 의뢰한 상품에 대해 인플루언서가 포스팅한 컨텐츠에 대한 정보와 더불어 이와 관련된 다양한 정보를 수집하고, 수집된 정보를 광고주 단말 장치(100)로 송신할 수 있다.
구체적으로, 광고 결과 정보 수집부(240)는 광고주에 의해 선정된 인플루언서의 광고 활동 결과를 모니터링하고 동시에 인플루언서에 의해 포스팅된 광고 컨텐츠에 임베디드(embeded)된 모니터링 코드로부터 모니터링 정보를 수신하여 광고 활동 결과를 모니터링할 수 있다.
광고 활동 결과 정보에는 플랫폼별 광고 활동량, 상품 또는 서비스 카테고리별 광고 내역, 상품 또는 서비스별 광고 효과를 포함할 수 있다. 예를 들어, 광고 컨텐츠 방문수, 조회수 및 상기 인플루언서의 플랫폼을 거친 상품 또는 서비스의 매출에 대한 정보 등을 포함할 수 있다.
일 실시예로, 광고 결과 정보 수집부(240)는 광고주의 광고 의뢰 및 인플루언서의 광고 의뢰 승인 후 인플루언서에 모니터링 코드를 발행하여 인플루언서 단말 장치(100)에 제공할 수 도 있다.
또한, 광고 결과 정보 수집부(240)는 인플루언서가 포스팅한 컨텐츠와 연계된 타 사용자의 피드백(feedback)을 수집하여 피드백의 양과 피드백의 내용(예를 들어, 피드백 경향(긍정 또는 부정) 등)등을 수집할 수 있다. 일 실시예에서, 피드백 경향은 인플루언서 중개 서비스 제공 장치(200)의 운영자에 의해 수동으로 분류되어 입력되거나, 경향 관련 단어의 포함 여부에 따라 자동으로 분류될 수 있다.
피드백 양과 피드백 내용은 추후에 인플루언서 분석 정보 생성부(260)가 컨텐츠 카테고리, 컨텐츠 내용 또는 컨텐츠 포맷과 연계하여 해당 인플루언서의 컨텐츠 카테고리별 피드백 추이, 컨텐츠 내용별 피드백 추이 또는 컨텐츠 포맷별 피드백 추이에 대한 정보를 생성하는데 사용될 수 있으며, 추천 리스트 생성부(250)가 인공지능을 이용하여 인플루언서 추천 리스트를 생성하는데 피드백 정보로 활용할 수 있다. 이에 대한 자세한 설명은 후술하도록 한다.
광고 결과 정보 수집부(240)는 또 다른 실시 예로, 인플루언서가 플랫폼 시스템 서버(400)에 포스팅한 광고 컨텐츠의 광고 효과, 예를 들어, 광고 컨텐츠 방문수, 조회수 등에 정보를 실시간으로 수집하여 광고주 단말 장치(100)로 제공할 수 있다. 수집된 정보는 특별한 가공 없이 광고주 단말 장치(100)로 제공될 수 도 있으며, 인플루언서 분석 정보 생성부(260)를 거쳐 다양하게 분석된 결과로 광고주 단말 장치(100)로 제공할 수 있다. 인플루언서 분석 정보 생성부(260)에 대한 자세한 내용은 후술하도록 한다.
또한, 광고 결과 정보 수집부(240)는 실제 특정 상품 또는 서비스에 대해 광고를 하였던 인플루언서와 광고주에 대한 서로의 평가 정보를 수집할 수 도 있다. 즉, 광고주는 광고주의 상품 또는 서비스에 대해 광고를 하였던 인플루언서에 대한 종합적인 평가 정보(예를 들어, 매출 만족도, 커뮤니케이션 만족도, 플랫폼별 만족도, 홍보 효과 만족도, 종합 평가 점수 등)를 수집할 수 있고, 반대로 인플루언서 또한 광고주에 대한 종합적인 평가 정보(예를 들어, 원가에 대한 만족도, 수익에 대한 만족도, 커뮤니케이션 만족도, 종합 평가 점수 등) 등을 수집할 수 있으며, 이러한 정보는 추천 리스트 생성부(250)가 추후 추천 인플루언서 리스트를 생성하는데 피드백 정보로 활용될 수 있다.
추천 리스트 생성부(250)는 광고주 단말 장치(100)로부터 광고 대상 상품 또는 서비스 정보가 수신되는 경우, 광고주 정보 등록부(210), 인플루언서 정보 등록부(220), 인플루언서 정보 수집부(230) 및 광고 결과 정보 수집부(240)에서 수집한 정보를 기초로 광고주에게 가장 적합한 인플루언서 추천 리스트를 생성하고, 생성된 리스트를 광고주 단말 장치(100)로 송신할 수 있다.
구체적으로, 추천 리스트 생성부(250)는 광고 결과 정보 수집부(240)를 통해 수집한 동일/유사 상품 또는 서비스에 대한 인플루언서들의 광고 효과 정보를 기초로 인플루언서 추천 리스트를 생성할 수 있다. 예를 들어, 추천 리스트 생성부(250)는 인플루언서의 해당 플랫폼 방문수가 높은 순, 조회수가 높은 순, 피드백(예를 들어, 댓글, 리트윗, '좋아요' 등) 수가 높은 순 등을 기초로 추천 리스트를 생성할 수 있다.
또한, 일 실시예에 따라 추천 리스트 생성부(250)는 인공신경망 모듈(251)을 포함하고 있다. 따라서, 인플루언서 추천 리스트를 생성함에 있어서, 인공지능 신경망을 이용하여 딥 러닝을 수행한 후 추천 리스트를 생성하여 광고주에게 제공할 수 있다. 이하 도면을 통하여 이에 대해 자세히 알아보도록 한다.
도 3과 도 4는 일 실시예에 따른 인공신경망 모듈(251)의 일부 구성 요소와 인공신경망 모듈(251)에 입력되는 인풋 데이터와 아웃풋 데이터 및 피드백 정보들을 도시한 도면이다.
구체적으로, 인공신경망 모듈(251)은 광고주에 적합한 인플루언서를 선정하는 방법에 대해 학습(training)하는 학습 세션(252)과 학습 세션(252)에서 학습한 결과를 기초로 광고주에 가장 적합한 인플루언서를 선정하는 방법에 대해 추론(inference)을 하는 추론 세션(253)을 포함할 수 있다.
따라서, 학습 세션(252) 광고주 및 인플루언서에 대한 정보 및 인플루언서들의 과거 광고 활동 정보를 기초로 광고주에게 가장 적합한 인플루언서를 선정하는 방법에 대해 학습을 수행할 수 있다.
일 예로, 광고주와 인플루언서를 각각 복수 개의 그룹으로 분류한 후, 그룹 끼리 매칭을 한 후, 과거 광고 효과에 대한 정보를 분석하여 실제로 광고 효과가 가장 좋았던 매칭 결과에 대해 학습을 할 수 있다.
광고주와 인플루언서를 복수 개의 그룹으로 분류하는 방법은 앞서 설명한 광고주 정보 등록부(210)와 인플루언서 정보 등록부(220)에 등록되어 정보들을 기초로 다양한 기준에 따라 분류할 수 있다.
인공신경망 모듈(251)에 사용하는 신경망 모델(Neural Network model)은 생물학에서의 뉴런 구조로부터 착안된 지도 학습(supervised learning) 알고리즘이다.
신경망 모델의 기본적인 작동 원리는 여러 개의 뉴런들을 상호 연결하여 입력값에 대한 최적의 출력값을 예측하는 것이다. 통계적인 관점에서 보면 신경망 모델은 입력 인자의 선형 결합에 비선형 함수를 취하는 사영추적회귀로 볼 수 있다.
도 4에 도시된 바와 같이, 인플루언서 정보(10)와 광고주 정보(20)를 구성하는 각 속성은 x1, x2, x3와 같은 인공신경망 모듈(251)의 입력층(input layer)의 각 노드에 입력되고, w1과 같은 weight을 기반으로 h1, h2, h3와 같은 은닉층(hidden layer)의 컴퓨팅 이후에 softmax나 ReLU와 같은 cost function을 기반으로 예측되는 인플루언서 추천 리스트에 대한 정보(40)가 y1인 출력층(output layer)에서 출력될 수 있다 추천 리스트에 대한 정보(40)에는 특정 상품 또는 서비스를 특정 인플루언서에게 광고를 맡겼을 때 발생될 수 있는 예측 결과(예를 들어, 좋아요 수, 긍정 또는 부정적인 댓글의 수, 광고를 맡긴 인플루언서를 통해 창출될 수 있는 매출에 대한 정보) 등을 포함할 수 있다.
또한, 인공 신경망 모듈(251)은 현재 추천 리스트(40)에 있는 인플루언서들의 광고 효과에 대한 정보를 일정 시간이 지난 후에 광고 결과 정보 수집부(240)를 통해 수집한 실제 정보를 기초로 피드백을 수행할 수 있다. 구체적으로, 도 4에 도시된 바와 같이 예상 정보(50) 실제 광고 효과 정보(60)를 기초로 에러(error, -Sigma(yi log pi))를 줄이는 방향으로 은닉층의 weight를 업데이트 시키도록 Back propagation 할 수 있다.
예를 들어, A 그룹에 속하는 광고주와 X 그룹에 속하는 인플루언서를 매칭시켰는데, 실제 광고 결과가 예측 결과보다 좋지 않은 경우 이러한 오차를 줄이는 방법으로 weight를 업데이트 하며, 반대로 B그룹에 속하는 광고주와 Y그룹에 속하는 인플루언서를 매칭시켰는데, 실제 광고 결과가 예측 결과보다 더 좋은 경우 은닉층의 weight에 대한 가중치를 증가시키는 방법으로 피드백을 수 행할 수 있다.
도5은 본 발명의 일 실시예에 따른 인공신경망 모듈(261)의 구체적인 구조와 관련하여, 다층 신경망 모델(딥러닝 또는 심층 신경망 모델)의 구조를 도시한 모식도이다.
도 5에 도시된 바와 같이 본 발명의 일실시예에 따른 인공신경망 모듈(261)의 다층 신경망 모델은 입력층(input layer), 은닉층(hidden layer), 출력층(output layer)으로 구성될 수 있다.
입력층은 각 입력인자에 대응되는 노드로 구성되며, 노드의 수는 입력인자의 개수와 같다. 은닉층은 입력층으로부터 전달되는 인자값들의 선형 결합을 시그모이드 함수와 같은 비선형 함수로 처리하여 출력층 또는 다른 은닉층에 전달하는 역할을 할 수 있다. 출력층은 출력 인자에 대응되는 노드로서 분류 모형에서는 클래스의 수만큼 출력 노드가 생성될 수 있다.
도 6는 본 발명의 일실시예에 따른 인공신경망 모듈(261)의 노드에서의 계산 과정을 도시한 모식도이다.
도 6에 도시된 바와 같이, 각각의 노드에서는 실제로 연산이 일어나는데, 이 연산 과정은 인간의 신경망을 구성하는 뉴런에서 일어나는 과정을 모사하도록 수학적으로 설계되어있다.
노드는 일정 크기 이상의 자극을 받으면 반응을 하는데, 그 반응의 크기는 바이어스(bias) 값을 제외하고 입력 값과 노드의 계수(또는 가중치, weights)를 곱한 값과 대략 비례한다. 일반적으로 노드는 여러 개의 입력을 받으며 입력의 개수만큼 계수를 가지고 있다. 따라서 이 계수를 조절함으로써 여러 입력에 다른 가중치를 부여할 수 있다. 최종적으로 곱한 값들은 전부 더해지고 그 합은 활성 함수(activation function)의 입력으로 들어가게 된다. 활성 함수의 결과가 노드의 출력에 해당하며 이 출력값이 궁극적으로 분류나 회귀 분석에 쓰이게 된다.
신경망 모델의 각 층은 적어도 하나의 노드로 이루어져 있으며 입력값에 따라 각 노드의 활성화/비활성화 여부가 결정된다. 입력 정보는 첫 번째 층(입력층, input layer)의 입력이 되며 그 이후엔 각 층의 출력이 다시 다음 층의 입력이 된다. 모든 계수는 학습 과정에서 계속 조금씩 변하는데, 결과적으로 각 노드가 어떤 입력을 중요하게 여기는지를 반영한다. 그리고 신경망 모델의 '학습(training)'은 이 계수를 업데이트하는 과정이다.
다층 신경망 모델, 즉 딥러닝에서 가장 문제되는 것은 과적합(overfitting) 문제이다. 과적합(Overfitting)은 주어진 정보의 양에 비해 모델의 복잡도(complexity)가 높으면 발생하게 된다. 안타깝게도 신경망(neural network)이 깊어질수록 모델의 복잡도는 exponential하게 증가하게 되는 문제가 존재하였다.
따라서, 이러한 문제점을 해결하기 위해 새로운 initialization 방법인 RBM(Restricted Boltzmann Machine)과 CNN(Convolutional Neural Network)이 제안되면서, 다시 딥러닝 연구가 활발하게 진행되고 있다.
특히, RBM은 DBN(Deep Belief Network)을 구성하는 요소로 이용되고, unsupervised RBM(restricted Boltzmann machine)을 통해 학습시킬 feedforward neural network의 각 층을 효과적으로 사전훈련(pre-training)하여 과적합(overfitting)을 방지할 수 있는 수준의 initialize point를 잡았고, 이를 다시 supervised back propagation를 사용하는 형태로 학습을 진행하며, 최근에는 Random initialization의 일환으로 Drop-out 방식이 많이 이용되고 있다.
도 7은 본 발명의 일 실시예에 따른 인공신경망 모듈(251)의 Drop-out 방식을 도시한 모식도이다.
도 7에 도시된 바와 같이, 본 발명의 일실시예에 따른 인공신경망 모듈(250)의 Drop-out 방식은 매 학습시 은닉층에서 모든 neuron을 사용하는 것이 아니라 50% 정도의 neuron을 사용한다. 하나의 딥러닝에서 여러 개의 작은 neural network이 앙상블(ensemble)되어진 효과가 있고, 앙상블은 과적합이 크게 줄어든다고 알려져 있다. 또한, 비슷한 weight를 갖는 뉴런들이 줄어들게 되어서 중복된 판단을 하는 뉴런들이 줄어들게 되어 뉴런을 효율적으로 사용 가능한 장점이 있다.
또한, 최근에는 ReLU(Rectified Linear Unit) 라는 활성함수(activation function)로 느린 학습시간과 과적합 문제 등을 해결하고 있는데 도 6은 ReLU 활성함수를 도시한 그래프이다.
도 8에 도시된 바와 같이, 기존의 sigmoid 함수는 기울기 하강(Gradient Descent)를 여러 층으로 해나갈 때마다 error가 소멸되는 문제가 발생한다. 여러 층을 지나 극한으로 갈수록 sigmoid 함수는 Gradient(기울기)가 작아져서 weight가 업데이트되지 않는 문제가 발생하는 것이다. 그런데 활성함수로 ReLU 함수를 사용시, 기울기가 0 또는 1로 학습되는 경우에 100%로 error가 전파되어 이러한 문제가 해소될 수 있다.
ReLU 함수는 sigmoid 처럼 [0,1]로 제한되는 것이 아니고 그 범위가 무제한이기 때문에 좀 더 확실한 표현력을 가진다고 볼 수 있다. 또한, 각 노드의 출력값 중 필요 없는 값들이 많다. 이럴 때, sigmoid 함수 사용시 모든 값에 대한 계산을 해야하는데, ReLU 함수는 상당 부분의 연산량을 줄일 수 있어 컴퓨팅 속도가 개선되는 효과가 발생된다. ReLU 함수에 의해 정규화(Regularization)가 향상될 수 있다.
다시 도 2로 돌아와 인플루언서 분석 정보 생성부(260)에 대해 설명하면, 인플루언서 분석 정보 생성부(260) 인플루언서 정보 등록부(220), 인플루언서 정보 수집부(230), 광고 결과 정보 수집부(240)에 의해 수집된 정보를 기초로 인플루언서에 대한 종합적인 정보를 생성하고 생성된 정보를 광고주 단말 장치(100)로 송신할 수 있다.
구체적으로, 인플루언서 분석 정보 생성부(260)는 인플루언서의 기본 정보와 수집된 활동 정보 및 광고 이력 정보를 기초로 각 인플루언서의 활동을 분석하여 분석 정보를 생성할 수 있다. 예를 들어, 인플루언서 분석 정보 생성부(260)는 인플루언서의 기본 정보와 활동 정보를 기초로 인플루언서의 신체 조건(예를 들어, 성별, 키, 몸무게, 신체부위(자신 있는 신체부위 또는 자주 노출되는 신체부위) 등), 주요 활동 매체, 계정 연계 사용자 수(예를 들어, 팔로워 등), 컨텐츠 방문 또는 조회 수(예를 들어, 방문수, 기간 평균 방문수, 조회 수, 기간 평균 조회수 등) 등에 대한 정보를 분석하여 생성할 수 있다.
또한, 인플루언서 분석 정보 생성부(260)는 인플루언서의 광고 이력 정보를 기초로 인플루언서의 플랫폼별 광고 활동량, 주요 광고 플랫폼, 상품 또는 서비스 카테고리별 광고 내역, 상품 또는 서비스별 광고 효과(예를 들어, 광고 컨텐츠 방문수, 조회수, 피드백 수, 피드백 경향) 또는 상품 또는 서비스별 비용 대비 광고 효과 가운데 적어도 하나를 분석하여 분석 정보를 생성할 수 있다.
또한, 인플루언서 분석 정보 생성부(260)는 컨텐츠 피드백 수(예를 들어, 댓글, 리트윗, '좋아요' 등) 및 피드백 경향(예를 들어, 긍정 또는 부정) 가운데 적어도 하나를 분석하여 분석 정보를 생성할 수 있다. 일 실시예에서, 신체 조건은 기본 정보로 미리 입력 받을 수도 있고, 인플루언서가 포스팅한 컨텐츠의 내용 분석을 통해 획득될 수도 있다.
그리고 지금까지 설명한 인플루언서 분석 정보 생성부(260)가 생성한 정보들은 추천 리스트 생성부(250)로 송신될 수 있고, 추천 리스트 생성부(250)는 이러한 정보들을 기초로 광고주에게 가장 적합한 인플루언서 추천 리스트를 생성할 수 있다.
또한, 추천 리스트 생성부(250) 및 인플루언서 분석 정보 생성부(260)를 통해 생성된 정보는 해당 인플루언서와 연계되어 저장부(미도시)에 저장될 수 있다. 광고주 단말 장치(100)로부터 인플루언서에 대한 조회 또는 정보 요청이 수신되는 경우, 인플루언서 중개 서비스 제공 장치(200)는 해당 인플루언서에 대한 분석 결과를 광고주 단말 장치(100)에 제공할 수 있다.
도 9 내지 도 12는 일 실시예에 따른 인공지능을 이용한 광고주와 인플루언서 중개 시스템에서 광고주에게 제공되는 정보의 일 예를 도시한 도면으로서, 구체적으로 인플루언서 분석 정보 생성부(260)가 생성한 정보가 광고주 단말 장치(100)에 표시되는 일 예들을 도시한 도면이다.
인플루언서 분석 정보 생성부(260)는 인플루언서 분석 정보를 생성함에 있어서, 특정 인플루언서에 대한 정보를 인플루언서에 정보 등록부(220)에 등록되어 있는 모든 인플루언서와 비교한 정보를 시각적으로 표시한 정보를 생성하여 광고주 단말 장치(100)로 송신할 수 있다.
예를 들어, 도 9에 도시된 바와 같이 광고주 단말 장치(100)의 디스플레이에는 특정 인플루언서가 전체 그룹에서 현재 어느 그룹에 속해 있는지 피라미트 형태의 도형을 이용하여 시각적으로 표시(110)되거나, 선을 이용하여 표시(120)될 수 있으며, 항목 별로 절대적 수치에 대한 정보(130)도 같이 표시될 수 있다. 도 9에 도시된 바와 같이 현재 인플루언서가 전체 그룹 내에서 어느 위치에 있는지 비교 정보를 광고주에게 시각적으로 제시해주면 광고주는 보다 쉽게 자신의 취향에 맞는 인플루언서를 선택할 수 있는 장점이 존재한다.
또한, 인플루언서 분석 정보 생성부(260)는 도9와 도10에 도시된 바와 특정 인플루언서에 대한 각종 정보, 예를 들어 포스트 참여도 정보(104), 팔로워/팔로잉 비교 분석 정보(105), 구독자 정보(106), 조회 수 정보(107)를 시간의 흐름에 따른 그래프로 정보를 생성하여 광고주 단말 장치(100)로 송신할 수 있다.
단순히 절대적 수치로 정보를 제공해주는 것이 아니라 도 9와 도 10에 도시된 바와 같이 시간의 흐름에 따른 정보를 광고주에게 제공해 주면, 광고주는 현재 특정 인플루언서의 영향력이 높아지고 있는지, 낮아지고 있는지 등에 대한 정보를 쉽게 알 수 있어 보다 자신의 기호에 맞는 인플루언서를 선택할 수 있는 장점이 존재한다.
또한, 인플루언서 분석 정보 생성부(260)는 도12에 도시된 바와 같이 특정 인플루언서에 대한 플랫폼별 랭킹 정보를 비교 정보(108)로 생성하여 광고주에게 제공할 수 있다. 단순히 절대적 수치로 정보를 제공해주는 것이 아니라 도12에 도시된 바와 같이 플랫폼 별로 랭킹 정보를 제공해주면, 광고주는 자신이 선호하는 플랫폼에 대해 어느 인플루언서가 랭킹이 높은지 쉽게 알 수 있어, 보다 자신의 기호에 맞는 인플루언서를 선택할 수 있는 장점이 존재한다.
도13은 일 실시예에 따른 인공지능을 이용한 광고주와 인플루언서 중개 시스템의 동작 흐름을 도시한 순서도이다.
도 13을 참조하면, 인플루언서는 인플루언서 단말 장치(300)를 통해 본인의 인적 정보를 포함한 다양한 정보를 중개 서비스 제공 장치(200)에 등록할 수 있다.(S10)
중개 서비스 제공 장치(200)는 인플루언서에 대한 정보가 등록되면, 해당 인플루언서의 플랫폼별 활동에 대한 다양한 정보를 수집하고 그에 따른 광고 결과를 수집할 수 있다. (S20, S30) 이에 대한 자세한 설명은 도2에서 전술하였는바 생략하도록 한다.
한편, 광고주는 광고주 단말 장치(100)를 통해 광고주의 정보를 중개 서비스 제공 장치(200)에 등록하고 특정 상품 또는 서비스에 대해 광고를 해줄 인플루언서 추천 요청을 할 수 있다. (S40)
광고주 단말 장치(100)로부터 인플루언서 추천 요청을 수신하면, 중개 서비스 제공 장치(200)는 광고주에 대한 정보와 인플루언서들에 대한 정보를 기초로 딥러닝을 수행하여 예상 광고 효과를 산출하고 이에 근거하 추천 리스트를 생성할 수 있다. (S50, S60) 이에 대한 자세한 설명은 도 3과 도 4에서 설명하였는바 생략하도록 한다.
중개 서비스 제공 장치(200)는 생성한 추천 리스트 정보를 광고주 단말 장치로 송신하고, 광고주가 광고주 단말 장치(100)를 통해 광고를 할 인플루언서를 선택하면, 매칭 결과를 인플루언서의 단말 장치(300)로 송신할 수 있다. (S70~S90)
그 후, 중개 서비스 제공 장치(200)는 광고주로부터 의뢰 받은 상품 또는 서비스에 대한 광고를 하는 인플루언서의 실제 광고 효과 정보를 수집하고 이를 기초로 피드백 딥러닝을 수행할 수 있다. (S100, S110)
그 후, 서비스 제공 장치(200)는 인플루언서에 대한 종합적이고 다양한 정보를 생성한 후, 생성한 정보를 광고주 단말 장치(110)와 인플루언서 단말 장치(300)로 송신할 수 있다.
지금까지 도면을 통해 본 발명의 특징에 대해 자세히 살펴 보았다.
일 실시예에 따른 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 및 이를 이용한 서비스 방법은 종래 기술과 다르게 광고주에 대한 정보와 인플루언서에 대한 정보로 기초로 광고주에게 맞는 최적의 인플루언서를 찾아서 중개해줌으로써, 인플루언서를 통환 광고 효과를 극대화시킬 수 있는 장점이 존재한다.
또한, 추천 인플루언서 리스트를 생성함에 있어서, 동일한 알고리즘이 아닌 인공지능 기술을 이용하여 실제 광고 효과에 대한 피드백 정보가 반영된 알고리즘을 업데이트 한 후, 업데이트가 된 알고리즘을 이용하여 추천 인플루언서 리스트를 생성하므로, 보다 광고주에 맞는 인플루언서를 중개해 줄 수 있는 효과가 존재한다.
또한, 인플루언서에 대해 분석된 정보를 광고주에게 제공함에 있어서, 단수한 수치가 아닌 시간에 따라 변화되는 정보 및 다른 인플루언서들과의 비교 정보도 같이 제공하므로, 광고주가 보다 자신이 선호하는 인플루언서를 선택할 수 있는 장점이 존재한다.
한편, 본 명세서에 기재된 "~부"로 기재된 구성요소들, 유닛들, 모듈들, 컴포넌트들 등은 함께 또는 개별적이지만 상호 운용 가능한 로직 디바이스들로서 개별적으로 구현될 수 있다. 모듈들, 유닛들 등에 대한 서로 다른 특징들의 묘사는 서로 다른 기능적 실시예들을 강조하기 위해 의도된 것이며, 이들이 개별 하드웨어 또는 소프트웨어 컴포넌트들에 의해 실현되어야만 함을 필수적으로 의미하지 않는다. 오히려, 하나 이상의 모듈들 또는 유닛들과 관련된 기능은 개별 하드웨어 또는 소프트웨어 컴포넌트들에 의해 수행되거나 또는 공통의 또는 개별의 하드웨어 또는 소프트웨어 컴포넌트들 내에 통합될 수 있다.
특정한 순서로 작동들이 도면에 도시되어 있지만, 이러한 작동들이 원하는 결과를 달성하기 위해 도시된 특정한 순서, 또는 순차적인 순서로 수행되거나, 또는 모든 도시된 작동이 수행되어야 할 필요가 있는 것으로 이해되지 말아야 한다. 임의의 환경에서는, 멀티태스킹 및 병렬 프로세싱이 유리할 수 있다. 더욱이, 상술한 실시예에서 다양한 구성요소들의 구분은 모든 실시예에서 이러한 구분을 필요로 하는 것으로 이해되어서는 안되며, 기술된 구성요소들이 일반적으로 단일 소프트웨어 제품으로 함께 통합되거나 다수의 소프트웨어 제품으로 패키징될 수 있다는 것이 이해되어야 한다.
단말 장치 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 또는 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 또는 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 또는 단말 장치 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다.
부가적으로, 본 특허문헌에서 기술하는 논리 흐름과 구조적인 블럭도는 개시된 구조적인 수단의 지원을 받는 대응하는 기능과 단계의 지원을 받는 대응하는 행위 및/또는 특정한 방법을 기술하는 것으로, 대응하는 소프트웨어 구조와 알고리즘과 그 등가물을 구축하는 데에도 사용 가능하다.
본 명세서에서 기술하는 프로세스와 논리 흐름은 입력 데이터 상에서 작동하고 출력을 생성함으로써 기능을 수행하기 위하여 하나 이상이 단말 장치 프로그램을 실행하는 하나 이상이 프로그래머블 프로세서에 의하여 수행 가능하다.
본 기술한 설명은 본 발명의 최상의 모드를 제시하고 있으며, 본 발명을 설명하기 위하여, 그리고 당업자가 본 발명을 제작 및 이용할 수 있도록 하기 위한 예를 제공하고 있다. 이렇게 작성된 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하는 것이 아니다.
이상에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자 또는 해당 기술 분야에 통상의 지식을 갖는 자라면, 후술될 특허청구범위에 기재된 본 발명의 사상 및 기술 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
따라서, 본 발명의 기술적 범위는 명세서의 상세한 설명에 기재된 내용으로 한정되는 것이 아니라 특허청구범위에 의해 정해져야 할 것이다.

Claims (8)

  1. 광고주에 대한 정보를 등록 받는 광고주 정보 등록부;
    인플루언서에 대한 정보를 등록 받는 인플루언서 정보 등록부;
    상기 인플루언서가 포스팅한 컨텐츠를 플랫폼별로 크롤링(crawling)하여 인플루언서의 활동 정보를 수집하는 인플루언서 정보 수집부;
    상기 인플루언서의 광고 결과 정보 및 상기 인플루언서에 대한 평가 정보를 수집하는 광고 결과 정보 수집부; 및
    상기 광고주 정보 등록부, 인플루언서 정보 등록부, 인플루언서 정보 수집부 및 광고 결과 정보 수집부에 의해 수집된 정보를 기초로 상기 광고주에게 적합한 인플루언서 추천 리스트를 생성하여 상기 광고주에게 제공하는 추천 리스트 생성부;를 포함하고
    상기 추천 리스트 생성부는,
    상기 광고주 정보 등록부에 의해 등록된 정보, 상기 인플루언서에 대한 분석 정보를 입력값으로 하고, 트레이닝된 인공신경망(ANN)을 이용하여 딥 러닝(Deep Learning)을 수행하여 상기 광고주에게 적합한 추천 인플루언서 리스트를 생성하고, 상기 광고 활동 모니터링부에 의해 수집된 광고 활동 정보 및 평가 정보를 기초로 상기 추천 인플루언서 리스트에 대한 피드백을 수행하는 인공신경망 모듈을 포함하는, 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치.
  2. 제 1항에 있어서,
    상기 인플루언서 정보 등록부, 인플루언서 정보 수집부, 광고 결과 정보 수집부에 의해 수집된 정보를 기초로 상기 추천 리스트에 있는 인플루언서에 대한 종합 정보를 생성하고, 상기 종합 정보를 상기 인플루언서에 정보 등록부에 등록되어 있는 모든 인플루언서와 비교하여 생성한 정보를 상기 광고주에게 제공하는 인플루언서 분석 정보 생성부;를 더 포함하는 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치.
  3. 제 2항에 있어서,
    상기 인플루언서 분석 정보 생성부는,
    상기 비교한 정보를 시간의 추이에 대한 정보와 함께 생성하거나, 플랫폼별로 분류하여 정보를 생성하는, 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치.
  4. 제 2항에 있어서,
    상기 인플루언서 분석 정보 생성부는,
    인플루언서들의 플랫폼별 광고 활동량, 광고 플랫폼, 상품 또는 서비스 카테고리별 광고 내역, 상품 또는 서비스별 광고 효과 및 상품 또는 서비스별 비용 대비 광고 효과 가운데 적어도 하나에 대한 정보를 생성하는 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치.
  5. 제 1항에 있어서,
    상기 인플루언서 정보 등록부는,
    상기 인플루언서의 선호 플랫폼, 포스팅 스타일, 활동지역, 촬영장치의 종류, 신체 정보, 피부 정보, 직업 정보, 반려동물 소유 여부, 자주 사용하는 주요 키워드 및 관심사에 대한 정보 중 적어도 하나에 대한 정보를 등록 받는, 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치.
  6. 제 1항에 있어서,
    상기 추천 리스트 생성부는,
    광고 대상이 되는 상품 또는 서비스에 대한 인플루언서별 또는 플랫폼별 예상 광고 효과를 산출하고, 예상 광고 효과가 높은 순으로 추천 인플루언서 리스트를 생성하는, 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치.
  7. 광고주에 대한 정보를 등록 받는 단계;
    인플루언서에 대한 정보를 등록 받는 단계;
    상기 인플루언서가 포스팅한 컨텐츠를 플랫폼별로 크롤링(crawling)하여 인플루언서의 활동 정보를 수집하는 단계;
    상기 인플루언서의 광고 결과 정보 및 상기 인플루언서에 대한 평가 정보를 수집하는 단계; 및
    상기 광고주에 대한 정보 및 상기 인플루언서 대한 정보를 기초로 상기 광고주에게 적합한 인플루언서 추천 리스트를 생성하여 제공하는 추천 리스트 생성하는 단계;를 포함하고,
    상기 추천 리스트 생성하는 단계는,
    상기 광고주에 대한 정보 및 인플루언서에 대한 정보를 입력값으로 하고, 트레이닝된 인공신경망(ANN)을 이용하여 딥 러닝(Deep Learning)을 수행하여 상기 광고주에게 적합한 추천 인플루언서 리스트를 생성하고, 상기 광고 결과 정보 및 평가 정보를 기초로 상기 추천 인플루언서 리스트에 대한 피드백을 수행하는 단계를 포함하는 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 방법.
  8. 제 7항에 있어서,
    상기 수집한 정보들을 기초로 상기 추천 리스트에 있는 인플루언서에 대한 종합 정보를 생성하고, 상기 종합 정보를 등록되어 있는 모든 인플루언서와 비교하여 생성한 정보를 상기 광고주에게 제공하는 단계를 더 포함하는 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 방법.
PCT/KR2021/009758 2020-07-28 2021-07-28 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 이를 이용한 중개 방법 WO2022025607A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2023506206A JP7458551B2 (ja) 2020-07-28 2021-07-28 人工知能を利用した広告主とインフルエンサーとの仲介サービス提供装置、およびそれを用いた仲介方法
US18/018,447 US20230259964A1 (en) 2020-07-28 2021-07-28 Device for providing mediation service between advertiser and influencer by using artificial intelligence, and mediation method using same

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200094051A KR102497809B1 (ko) 2020-07-28 2020-07-28 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 이를 이용한 중개 방법
KR10-2020-0094051 2020-07-28

Publications (1)

Publication Number Publication Date
WO2022025607A1 true WO2022025607A1 (ko) 2022-02-03

Family

ID=80036549

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/009758 WO2022025607A1 (ko) 2020-07-28 2021-07-28 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 이를 이용한 중개 방법

Country Status (4)

Country Link
US (1) US20230259964A1 (ko)
JP (1) JP7458551B2 (ko)
KR (1) KR102497809B1 (ko)
WO (1) WO2022025607A1 (ko)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102468280B1 (ko) 2021-12-20 2022-11-17 서명교 인플루언서 커머스 중개 플랫폼 서비스를 제공하기 위한 방법 및 장치
KR102483713B1 (ko) 2022-03-15 2023-01-03 (주)퓨처랩 소셜 미디어 마케팅을 위한 광고주 및 인플루언서 간 매칭을 위한 시스템 및 동작 방법
KR102414937B1 (ko) 2022-03-29 2022-07-01 (주)에스에이치글로벌커머스 인공지능 기반 인플루언서 및 브랜드 매칭 방법, 장치 및 시스템
KR102541434B1 (ko) * 2022-07-08 2023-06-13 주식회사 스룩 인플루언서와 판매대행사를 연결하는 공동구매 중개 플랫폼 서비스 제공 시스템
KR102456425B1 (ko) 2022-07-19 2022-10-19 마인드앤디테일 주식회사 브랜드 이미지의 카테고리를 기반으로 한 브랜드 이미지 및 인플루언서 매칭 방법, 장치 및 시스템
KR102591820B1 (ko) * 2022-10-04 2023-10-24 주식회사 에이비파트너스 광고주와 피광고주를 매칭하고 피광고주의 온라인 광고 활동을 통해 마케팅을 수행하는 마케팅 플랫폼 제공 방법 및 장치
KR102623995B1 (ko) * 2022-11-08 2024-01-11 송장헌 빅데이터 기반 인플루언서 분석 서비스 제공 시스템
KR102609202B1 (ko) * 2023-01-26 2023-12-04 주식회사 코니아랩 이커머스 기반의 콘텐츠 제작자 선정 방법 및 이를 수행하기 위한 컴퓨팅 장치
KR102567458B1 (ko) 2023-03-20 2023-08-16 주식회사 이루다플랫 인공지능 모델을 활용한 인플루언서 및 커뮤니티 연계 기반 커머스 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102674020B1 (ko) * 2023-12-21 2024-06-10 박관희 인공지능 기반 인플루언서 섭외 및 추천 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180037926A (ko) * 2018-01-11 2018-04-13 문용희 소셜 광고 중개 서비스를 제공하는 방법
KR20190075585A (ko) * 2017-12-21 2019-07-01 주식회사 함샤우트 인플루언서 중개 시스템 및 이를 이용한 중개 방법
KR20190111511A (ko) * 2018-03-23 2019-10-02 주식회사 페르소나미디어 인플루언서 매칭 및 검색 서비스 제공방법
KR20190118776A (ko) * 2018-04-11 2019-10-21 (주)헤렌 인플루언서를 활용한 마케팅 서비스 제공 장치 및 그 방법
KR20200053200A (ko) * 2018-11-08 2020-05-18 주식회사 텐원더스 소셜 광고 중개 서비스를 제공하기 위한 방법 및 시스템

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11348138B2 (en) * 2016-08-25 2022-05-31 Repohappy Co., Ltd. Feedback-type SNS user information communicativity scoring server
JP2020514847A (ja) * 2017-01-20 2020-05-21 コウベ・グローバル・テクノロジーズ・ピーティイー・リミテッドＫｏｂｅ Ｇｌｏｂａｌ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｐｔｅ Ｌｔｄ インフルエンサーを広告キャンペーンとマッチングするためのシステムと方法
US11238544B2 (en) * 2017-07-07 2022-02-01 Msm Holdings Pte System and method for evaluating the true reach of social media influencers
KR101888919B1 (ko) * 2017-12-18 2018-08-16 주식회사 디너의여왕 사용자 영향력 기반의 광고 마케팅 방법 및 그를 위한 장치
KR20200063348A (ko) * 2018-11-22 2020-06-05 이미진 빅데이터 협력필터링 기반 블로거 및 광고주 추천 서버 및 그 방법
KR102284446B1 (ko) * 2018-12-31 2021-08-02 배양한 인플루언서 마케팅 제공방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190075585A (ko) * 2017-12-21 2019-07-01 주식회사 함샤우트 인플루언서 중개 시스템 및 이를 이용한 중개 방법
KR20180037926A (ko) * 2018-01-11 2018-04-13 문용희 소셜 광고 중개 서비스를 제공하는 방법
KR20190111511A (ko) * 2018-03-23 2019-10-02 주식회사 페르소나미디어 인플루언서 매칭 및 검색 서비스 제공방법
KR20190118776A (ko) * 2018-04-11 2019-10-21 (주)헤렌 인플루언서를 활용한 마케팅 서비스 제공 장치 및 그 방법
KR20200053200A (ko) * 2018-11-08 2020-05-18 주식회사 텐원더스 소셜 광고 중개 서비스를 제공하기 위한 방법 및 시스템

Also Published As

Publication number Publication date
KR20220014228A (ko) 2022-02-04
KR102497809B1 (ko) 2023-02-10
JP7458551B2 (ja) 2024-03-29
US20230259964A1 (en) 2023-08-17
JP2023535974A (ja) 2023-08-22

Similar Documents

Publication Publication Date Title
WO2022025607A1 (ko) 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 이를 이용한 중개 방법
Ouyang et al. Deep spatio-temporal neural networks for click-through rate prediction
US11580447B1 (en) Shared per content provider prediction models
Li et al. Creating social intelligence for product portfolio design
KR101104539B1 (ko) 행위 타겟팅 시스템
US20180300767A1 (en) Computer-based systems, apparatuses and methods for a social media platform for processing internet traffic through advertising revenue
Fogués et al. BFF: A tool for eliciting tie strength and user communities in social networking services
US20120266191A1 (en) System and method to provide messages adaptive to a crowd profile
US20130031489A1 (en) News feed ranking model based on social information of viewer
Introna The algorithmic choreography of the impressionable subject
WO2021020810A1 (en) Learning method of ai model and electronic apparatus
Olszak Multi-agent framework for social customer relationship management systems
KR102216755B1 (ko) 콘텐츠 및 제품을 연동시키는 태그 분석 서비스 제공 방법
Zhang et al. Implicit look-alike modelling in display ads: Transfer collaborative filtering to ctr estimation
JP2020126392A (ja) 選択装置、選択方法および選択プログラム
Hemmati et al. A taxonomy and survey of big data in social media
WO2023219326A1 (ko) 바이럴 마케팅 방법 및 이를 지원하는 장치
WO2023286970A1 (ko) 온라인 광고 대행 서버, 캠페인 정보에 포함된 운영 옵션 정보를 선택적으로 변경하는 온라인 광고 대행 방법 및 상기 방법을 실행하기 위한 컴퓨터 프로그램
Markovets et al. Model of Informational Support for Social Network Administrators' Content Creation.
US20190122267A1 (en) Multi-stage content analysis system that profiles users and selects promotions
Santos How to break information cocoons
Ramkissoon Hospitality consumers’ information search behavior: reinforcement and displacement of traditional media
Khazaei et al. Detecting privacy preferences from online social footprints: A literature review
Huang et al. C-3PO: C lick-sequence-aware dee P neural network (DNN)-based P op-u P s rec O mmendation: I know you’ll click
Kasper et al. User profile acquisition: A comprehensive framework to support personal information agents

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21848704

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2023506206

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21848704

Country of ref document: EP

Kind code of ref document: A1