맞춤기술찾기

이전대상기술

광고 투입에 관한 수익의 예측에 기초한 태스크 분리 방법 및 이를 수행하는 장치

  • 기술번호 : KST2023008460
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명에 따른 광고 투입에 관한 수익의 예측에 기초한 태스크 분리 방법을 수행하는 장치는 사용자 단말로부터 광고 투입과 연관된 사용자의 행동 데이터를 수신하도록 구성된 인터페이스; 및 상기 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 입력 특징을 상기 예측 모델에 입력하여 날짜 별로 광고 투입에 따른 광고 수익 발생 여부와 향후 특정 날짜에 대한 ROAS를 예측할 수 있다.
Int. CL G06Q 30/02 (2023.01.01) G06N 3/08 (2023.01.01)
CPC G06Q 30/0247(2013.01) G06Q 30/0246(2013.01) G06N 3/08(2013.01)
출원번호/일자 1020220035327 (2022.03.22)
출원인 고려대학교 산학협력단
등록번호/일자
공개번호/일자 10-2023-0137637 (2023.10.05) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2022.03.22)
심사청구항수 10

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 고려대학교 산학협력단 대한민국 서울특별시 성북구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 임희석 서울특별시 성북구
2 문현석 서울특별시 강남구
3 박기남 서울특별시 강서구
4 이태민 경기도 광명시 가

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김등용 대한민국 서울시 구로구 디지털로**길 **, ***호(구로동, 코오롱싸이언스밸리*차)(동진국제특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2022.03.22 수리 (Accepted) 1-1-2022-0307369-40
2 [특허 등 절차 취하]취하서·포기서
2022.08.30 불수리 (Non-acceptance) 1-1-2022-0912435-91
3 서류반려이유통지서
Notice of Reason for Return of Document
2022.09.06 발송처리완료 (Completion of Transmission) 1-5-2022-0132646-26
4 서류반려통지서
Notice for Return of Document
2022.09.27 발송처리완료 (Completion of Transmission) 1-5-2022-0143327-24
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
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
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 (주)비즈스프링 ICTR&D혁신바우처지원(R&D) AI 기반 실시간 온라인 마케팅 성과 예측 시스템