| 1 |
1
광고 투입에 관한 수익의 예측에 기초한 태스크 분리 방법을 수행하는 장치에 있어서, 사용자 단말로부터 광고 투입과 연관된 사용자의 행동 데이터를 수신하도록 구성된 인터페이스; 및상기 인터페이스와 동작 가능하게 결합되고, 상기 행동 데이터 및 예측 모델을 이용하여 광고 수익률(Return on Advertising Spend, ROAS)를 예측하도록 구성된 프로세서를 포함하고,상기 프로세서는,상기 행동 데이터 및 쿼리를 광고 그룹별 및 날짜 별로 클러스터링된 입력 특징(input feature)을 획득하고,상기 입력 특징을 상기 예측 모델에 입력하여 날짜 별로 광고 투입에 따른 광고 수익 발생 여부와 향후 특정 날짜에 대한 ROAS를 예측하는, 장치
|
| 2 |
2
제1 항에 있어서,상기 행동 데이터 및 쿼리와 연관된 데이터는 상기 입력 특징을 구성하고,상기 입력 특징은,상기 데이터의 데이터 수집 일자, 상기 쿼리가 속한 광고 그룹, 광고 플랫폼, 광고 프로그램 및 상기 쿼리가 발생한 기기에 대한 정보를 포함하는 스트링 타입의 제1 타입 입력 특징; 및사용자의 광고 체류 시간, 회원 가입 횟수, 주문 횟수, 상기 사용자에 대한 광고를 통해 발생한 비용, 물품 구매에 따른 수익 및 상기 사용자가 광고에 접근하는데 사용된 키워드를 포함하는 정수 타입의 제2 타입 입력 특징을 포함하는, 장치
|
| 3 |
3
제2 항에 있어서,상기 프로세서는,상기 데이터의 타입이 상기 스트링 타입의 제1 타입 입력 특징이면, 클러스터 내에서 가장 높은 빈도를 가지는 클래스를 그룹을 대표하는 특징으로 선택하고,상기 데이터의 타입이 상기 정수 타입의 제2 타입 입력 특징이면, 연속 값으로 이루어진 상기 입력 특징은 쿼리 별 발생값을 더하여 그룹별 특징을 생성하고,상기 제1 타입 입력 특징을 갖는 데이터가 키워드 특징이면, 쿼리 별 키워드들을 중복 없이 하나의 스트링으로 연접하여 상기 그룹에 대한 키워드로 설정하는, 장치
|
| 4 |
4
제1 항에 있어서,상기 프로세서는,상기 행동 데이터 및 쿼리와 연관된 키워드 정보와 수치 특징을 각각 사전 학습 언어 모델인 BERT 모델과 인공 신경망(artificial neural network, ANN)에 입력하는, 장치
|
| 5 |
5
제4 항에 있어서,상기 프로세서는,상기 BERT 모델의 제1 출력과 상기 ANN의 제2 출력을 결합하여 상기 날짜 별로 상기 입력 특징을 추출하고,상기 추출된 입력 특징을 LSTM 모델 구조의 상기 예측 모델에 입력하여, 상기 향후 특정 날짜에 대한 ROAS를 예측하는, 장치
|
| 6 |
6
제1 항에 있어서,상기 프로세서는,훈련 데이터 내의 입력데이터 x와 ROAS 값 y를 이용하여 상기 예측 모델을 학습하고,상기 학습된 예측 모델에 기초하여 상기 향후 특정 날짜에 대하여 ROAS를 예측하고, 상기 향후 특정 날짜에 대하여 상기 예측된 ROAS와 실제 ROAS 간의 오차가 최소화되도록 상기 예측 모델을 다시 학습하는, 장치
|
| 7 |
7
제1 항에 있어서,상기 프로세서는,상기 날짜 별로 광고 투입에 따른 수익이 발생하는지 예측하는 발생 예측 모델(Occurrence Prediction Model)에 따른 제1 학습 단계를 수행하고,상기 수익이 발생한 경우 광고 수익률인 ROAS를 정량적으로 예측하는 발생 ROAS 회귀 모델(Occurred ROAS Regression Model)에 따른 제2 학습 단계를 수행하는, 장치
|
| 8 |
8
제7 항에 있어서,상기 프로세서는,상기 제1 학습 단계 및 상기 제2 학습 단계를 수행한 이후, 추론 단계(inference phase)를 수행하고,상기 추론 단계에서 상기 발생 예측 모델의 제1 출력 및 상기 발생 ROAS 회귀 모델의 제2 출력을 결합하여, 상기 향후 특정 날짜에 대한 ROAS와 연관된 최종 출력을 산출하는, 장치
|
| 9 |
9
제7 항에 있어서,상기 프로세서는,상기 광고 그룹별 및 날짜 별로 ROAS가 nonzero인지 판단하는 바이너리 분류 모델(binary classification model)을 생성하고,상기 바이너리 분류 모델을 반영하여 상기 발생 예측 모델에 따른 상기 제1 학습 단계를 수행하고,상기 입력 특징에 기초하여 상기 ROAS에 따라 광고 투입에 따른 향후 수익이 증가할지 여부를 예측하는, 장치
|
| 10 |
10
제9 항에 있어서,상기 프로세서는,상기 발생 ROAS 회귀 모델에 따른 상기 제2 학습 단계와 상기 제1 학습 단계 및 상기 제2 학습 단계에 따른 추론 단계를 수행하고,상기 추론 단계에서, nonzero로 판별된 해당 ROAS값이 정량적으로 어떤 값을 가지는지 예측하는, 장치
|
