知財求人 - 知財ポータルサイト「IP Force」
特許7458551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
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-03-21
(45)【発行日】2024-03-29
(54)【発明の名称】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
(51)【国際特許分類】
G06Q 30/0241 20230101AFI20240322BHJP
G06Q 50/00 20240101ALI20240322BHJP
【ＦＩ】
G06Q30/0241
G06Q50/00 300
【請求項の数】
3
(21)【出願番号】P 2023506206
(86)(22)【出願日】2021-07-28
(65)【公表番号】
(43)【公表日】2023-08-22
(86)【国際出願番号】 KR2021009758
(87)【国際公開番号】W WO2022025607
(87)【国際公開日】2022-02-03
【審査請求日】2023-03-23
(31)【優先権主張番号】10-2020-0094051
(32)【優先日】2020-07-28
(33)【優先権主張国・地域又は機関】KR
【早期審査対象出願】
(73)【特許権者】
【識別番号】523031150
【氏名又は名称】レヴコーポレーション インコーポレイテッド
(74)【代理人】
【識別番号】100079108
【弁理士】
【氏名又は名称】稲葉 良幸
(74)【代理人】
【識別番号】100109346
【弁理士】
【氏名又は名称】大貫 敏史
(74)【代理人】
【識別番号】100117189
【弁理士】
【氏名又は名称】江口 昭彦
(74)【代理人】
【識別番号】100134120
【弁理士】
【氏名又は名称】内藤 和彦
(72)【発明者】
【氏名】チャン，デ ギュ
【審査官】久宗 義明
(56)【参考文献】
【文献】韓国公開特許第１０－２０２０－００６３３４８（ＫＲ，Ａ）
【文献】韓国公開特許第１０－２０１９－００７５５８５（ＫＲ，Ａ）
【文献】特表２０２０－５１４８４７（ＪＰ，Ａ）
【文献】韓国公開特許第１０－２０１９－０１１１５１１（ＫＲ，Ａ）
【文献】韓国公開特許第１０－２０２０－００８２９５５（ＫＲ，Ａ）
【文献】国際公開第２０１８／０３７５９２（ＷＯ，Ａ１）
【文献】米国特許出願公開第２０１９／００１２７４６（ＵＳ，Ａ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００－９９／００
(57)【特許請求の範囲】
【請求項1】
広告主に関する情報を登録する広告主情報登録部、
インフルエンサーに関する情報を登録するインフルエンサー情報登録部、
前記インフルエンサーが投稿したコンテンツをプラットフォーム別にクロール（crawling）してインフルエンサーの活動情報を収集するインフルエンサー情報収集部、
前記インフルエンサーの広告結果情報および前記インフルエンサーに関する評価情報を収集する広告結果情報収集部、
前記広告主情報登録部、インフルエンサー情報登録部、インフルエンサー情報収集部、及び広告結果情報収集部により収集された情報に基づいて前記広告主に適合したインフルエンサー推薦リストを生成して前記広告主に提供する推薦リスト生成部、および
前記インフルエンサー情報登録部、インフルエンサー情報収集部、広告結果情報収集部によって収集された情報をもとに、前記推薦リストにあるインフルエンサーに関する総合情報を生成し、前記総合情報を前記インフルエンサー情報登録部に登録されているすべてのインフルエンサーと比較した情報を生成し、前記比較した情報をプラットフォーム別に分類した後、時間の推移に関する情報として生成するインフルエンサー分析情報生成部を含み、
前記推薦リスト生成部は、
インフルエンサー情報および広告主情報を入力情報とし、予想広告効果情報を出力情報とし、前記予想広告効果情報と実際広告効果情報を損失関数としてこれに基づいて学習を行う人工ニューラルネットワークモジュールを含み、前記実際広告効果情報は、前記広告結果情報収集部によって収集された広告活動情報及び評価情報を含み、
前記推薦リストを生成するにあたって、前記人工ニューラルネットワークモジュールが出力する予想広告効果情報に基づいて推薦リストを生成し、
前記総合情報は、前記推薦リストにあるインフルエンサーの身体情報、アカウント連携ユーザー数情報、コンテンツ閲覧数およびフィードバック情報、プラットフォーム別広告活動量情報、商品/サービス別広告内訳および効果情報のうち少なくとも1つを含み、
前記広告活動情報は、プラットフォーム別広告活動量情報、商品/サービスカテゴリー別広告内訳情報及び商品/サービス別広告効果情報のうち少なくとも1つを含み、
前記人工ニューラルネットワークモジュールは、広告主とインフルエンサーをそれぞれ複数のグループに分類し、各グループをマッチングし、過去の広告効果に関する情報を分析し、広告効果が最も良かったマッチング結果に基づいて学習を実行する、
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。
【請求項2】
前記インフルエンサー情報登録部は、前記インフルエンサーの選好プラットフォーム、投稿スタイル、活動地域、撮影装置の種類、身体情報、肌情報、職業情報、ペットの飼育の有無、よく使用する主なキーワード、および関心事に関する情報の少なくとも1つに関する情報を登録する、
請求項1に記載の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。
【請求項3】
前記推薦リスト生成部は、広告対象となる商品またはサービスに対するインフルエンサー別またはプラットフォーム別予想広告効果を算出し、予想広告効果が高い順に推薦インフルエンサーリストを生成する、
請求項１に記載の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。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、インフルエンサー仲介システム及びそれを用いた仲介方法に関するもので、より詳細には広告主に対する情報及びインフルエンサー（Influencer）の活動を分析した結果に基づいて広告対象商品またはサービスに適合したインフルエンサーを広告主に仲介する技術に関する発明である。これにより、広告主には広告効果を高めることができる方案を提供し、同時にインフルエンサーには広告アイテムを自動的に提供して収益を提供できるインフルエンサー仲介システムおよびそれを用いた仲介方法に関する発明である。
【背景技術】
【0002】
通信技術の発達により、個人はパソコンを通じてインターネット技術を利用し、インターネット上でネットワークを形成することで、従来の場所と時間的制約を同時に解決することができる。これに加えて、個人が自分のインターネット上の仮想空間で他人と関係を結ぶことができるサービス、つまり、コミュニケーションを提供し、様々な情報を共有できるようにするサービスが台頭しているが、これをソーシャルネットワークサービス（Social Networking Service、SNS ）という。
【0003】
ソーシャルネットワークサービスの代表的な種類としては、Youtubeのような動画プラットフォーム、Afreeca TV、Twitch TV、TV Daum-potなどのインターネット放送プラットフォーム、Naver、Google、Daum、Yahooなどのポータルサイトプラットフォーム、facebook、Instagram、twitter、kakaostory などのソーシャルメディアプラットフォーム、Daumのブログ、Naverのブログ、ティーストーリ、ブログスポットなどのブログプラットフォームなどがある。
【0004】
ソーシャルメディアプラットフォームでは、誰もが特定のブランドの製品やサービスに関する情報やレビューを共有できるが、他のユーザーに比べて非常に影響力のある声を出す消費者がいる。彼らが作り出すコンテンツは、直接的なブランドプロモーションに似ている、またはより大きな効果をもたらす。このようなソーシャルメディアコンテンツクリエイターを「インフルエンサー」という。つまり、インフルエンサーは、特定のプラットフォーム内で影響力の高いユーザーを指す。一例として、ソーシャルメディアプラットフォームでフォロワー（follower）数が多いユーザー、訪問者数が多いブログを運営するユーザー、購読者数が多いチャンネルを運営するYouTubeユーザーなどがこれに該当する。
【0005】
インフルエンサーは、「自分のコンテンツ」を生産および制作し、投稿しており、そのコンテンツはプラットフォーム内の多数のユーザーに公開されている。露出頻度の増加とともに、インフルエンサーが利用する商品、楽しむ場所、趣味、特技など、インフルエンサーに関連するものに対する他のユーザーの関心度が増加している。さらに、彼らが共有する特定の製品に対する意見やストーリーは、他の消費者のブランドに対する認識や購入の決定に多くの影響を与える。
【0006】
インフルエンサーは、こうした影響力を利用して多様な恩恵を受けることができる。例えば、広告主はインフルエンサーに特定の商品またはサービスに関する広告を依頼し、インフルエンサーは広告依頼に対する対価として金銭的または物質的利益を得ることができる。言い換えれば、インフルエンサーは広告主にとって一つの広告チャネルとして利用されることが可能である。したがって、インフルエンサーマーケティングに関心を持つブランドや広告主が増え続けている。
【0007】
しかし、既存のインフルエンサーを通じた広告方式の場合、広告主がインフルエンサーを個別に接触して広告を依頼しなければならないため、広告主に多くの時間と費用が消耗されるという問題があった。また、広告主がインフルエンサーに関する情報を入手することが難しく、当該インフルエンサーに広告を依頼しても得られる効果を予想しにくい問題点があった。
【0008】
仲介プラットフォームを利用して広告主とインフルエンサーを連結しても、従来技術による場合、単にフォロワー（follower）数の多いユーザー、訪問者数の多いブログを運営するユーザーなど、単に人気度を基準に広告主とインフルエンサーを連結すると、広告主の立場では、広告主が望むスタイルのインフルエンサーに連結されるのが難しかった。
また、インフルエンサーの立場でも、受動的に広告を受けているため、インフルエンサーがやりたい種類の広告またはうまくできる広告をすることができず、インフルエンサーを通じた広告の効果が阻害される問題点があった。
また、インフルエンサーの立場でも、受動的に広告を受けているため、インフルエンサーがやりたい種類の広告またはうまくできる広告をすることができず、インフルエンサーを通じた広告の効果が阻害される問題点があった。
【発明の概要】
【発明が解決しようとする課題】
【0009】
したがって、一実施例による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及びそれを用いた方法は、上述した問題点を解決するために考案された発明であり、広告主に関する情報とインフルエンサーに関する情報に基づいて広告主に合った最適のインフルエンサーを仲介することにその目的がある。
【0010】
具体的には、広告主が広告しようとする商品またはサービスに関する情報、インフルエンサーに関する様々な情報、インフルエンサーの広告効果情報、および特定の商品またはサービスに関するフィードバック情報などに基づいて、人工知能技術を活用して広告主に合った最適のインフルエンサーを仲介することにその目的がある。
【課題を解決するための手段】
【0011】
一実施例によるインフルエンサー仲介サービス提供装置は、広告主に関する情報を登録する広告主情報登録部、インフルエンサーに関する情報を登録するインフルエンサー情報登録部、前記インフルエンサーが投稿したコンテンツをプラットフォーム別にクロール（crawling） してインフルエンサーの活動情報を収集するインフルエンサー情報収集部、前記インフルエンサーの広告結果情報および前記インフルエンサーの評価情報を収集する広告結果情報収集部および前記広告主情報登録部、インフルエンサー情報登録部、インフルエンサー情報収集部、及び広告結果情報収集部により収集された情報に基づいて、前記広告主に適合したインフルエンサー推薦リストを生成して広告主に提供する推薦リスト生成部を含み、前記推薦リスト生成部は、前記広告主情報登録部によって登録された情報、前記インフルエンサーに関する分析情報を入力値とし、トレーニングされた人工ニューラルネットワーク（ANN）を用いてディープラーニング（Deep Learning）を行い、 広告主に適合した推薦インフルエンサーリストを生成し、前記広告活動モニタリング部によって収集された広告活動情報および評価情報に基づいて、前記推薦インフルエンサーリストに対するフィードバックを行う人工ニューラルネットワークモジュールを含むことができる。
【0012】
前記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は、前記インフルエンサー情報登録部、インフルエンサー情報収集部、広告結果情報収集部により収集された情報に基づいて前記推薦リストにあるインフルエンサーに対する総合情報を生成し、前記総合情報を前記インフルエンサー情報登録部に登録されている全てのインフルエンサーと比較して生成した情報を広告主に提供するインフルエンサー分析情報生成部をさらに含むことができる。
【0013】
前記インフルエンサー分析情報生成部は、前記比較した情報を時間の推移に対する情報と共に生成したり、プラットフォーム別に分類したりして情報を生成することができる。
【0014】
前記インフルエンサー分析情報生成部は、インフルエンサーのプラットフォーム別広告活動量、広告プラットフォーム、商品又はサービスカテゴリ別広告履歴、商品又はサービス別広告効果、及び商品又はサービス別費用対比広告効果のうち少なくとも一つに対する情報を生成することができる。
【0015】
前記インフルエンサー情報登録部は、前記インフルエンサーの選好プラットフォーム、投稿スタイル、活動地域、撮影装置の種類、身体情報、肌情報、職業情報、ペットの飼育の有無、よく使用する主要キーワード、及び関心事に対する情報のうち少なくとも１つに関する情報を登録することができる。
【0016】
前記推薦リスト生成部は、広告対象となる商品またはサービスに対するインフルエンサー別またはプラットフォーム別の予想広告効果を算出し、予想広告効果が高い順に推薦インフルエンサーリストを生成することができる。
【0017】
他の実施例による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方法は、広告主に関する情報を登録する段階、インフルエンサーに関する情報を登録する段階、前記インフルエンサーが投稿したコンテンツをプラットフォーム別にクロール（crawling）してインフルエンサーの活動情報を収集する段階、前記インフルエンサーの広告結果情報及び前記インフルエンサーに関する評価情報を収集する段階、および前記広告主に関する情報および前記インフルエンサーに関する情報に基づいて、前記広告主に適合したインフルエンサー推薦リストを生成して提供する推薦リストを生成する段階を含み、前記推薦リストを生成する段階は、前記広告主に関する情報およびインフルエンサーに関する情報を入力値とし、トレーニングされた人工ニューラルネットワーク（ANN）を用いてディープラーニング（Deep Learning）を行い、前記広告主に適合した推薦インフルエンサーリストを生成し、前記広告結果情報および評価情報に基づいて前記推薦インフルエンサーリストに対するフィードバックを行うことを含むことができる。
【0018】
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方法は、前記収集した情報に基づいて前記推薦リストにあるインフルエンサーに対する総合情報を生成し、前記総合情報を登録されているすべてのインフルエンサーと比較して生成された情報を前記広告主に提供する段階をさらに含むことができる。
【発明の効果】
【0019】
一実施例による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及びそれを用いたサービス方法は、従来技術と異なり広告主に関する情報とインフルエンサーに関する情報に基づいて広告主に合う最適のインフルエンサー を探して仲介することで、インフルエンサーを通じた広告効果を最大化することができるメリットがある。
【0020】
また、本発明は、推薦インフルエンサーリストを生成する際に、同一のアルゴリズムではなく人工知能技術を用いて実際の広告効果に対するフィードバック情報が反映されたアルゴリズムを用いて推薦インフルエンサーリストを生成するので、より広告主に合うインフルエンサーを仲介できる効果がある。
【0021】
また、インフルエンサーについて分析された情報を広告主に提供する際に、単純な数値ではなく時間とともに変化する情報および他のインフルエンサーとの比較情報も一緒に提供するので、広告主がより自分が好むインフルエンサーを選択できるメリットがある。
【図面の簡単な説明】
【0022】
【発明を実施するための形態】
【0023】
以下、本発明による実施例は添付された図面を参照して説明する。各図面の構成要素に参照符号を付加する際には、同一の構成要素については、たとえ他の図面に表示されても可能な限り同一の符号を有するようにしていることに留意しなければならない。また、本発明の実施例を説明するにあたり、関連する公知の構成または機能の具体的な説明が本発明の実施例の理解を妨げると判断される場合には、その詳細な説明は省略する。また、以下で本発明の実施例を説明するが、本発明の技術的思想は、これに制限または限定されることなく、当業者によって変更されて多様に実施されることが可能である。
【0024】
また、本明細書で使用した用語は、実施例を説明するために使用されたもので、開示された発明を制限および／または限定しようとする意図ではない。単数の表現は、文脈上明らかに他に意味がない限り、複数の表現を含む。
本明細書において、「含む」、「備える」、または「有する」などの用語は、明細書上に記載された特徴、数字、段階、動作、構成要素、部品、またはこれらを組み合わせたものが存在することを指定しようとするものであって、1つまたはそれ以上の他の特徴や数字、段階、動作、構成要素、部品、またはこれらを組み合わせたものの存在または付加の可能性を予め排除しない。
本明細書において、「含む」、「備える」、または「有する」などの用語は、明細書上に記載された特徴、数字、段階、動作、構成要素、部品、またはこれらを組み合わせたものが存在することを指定しようとするものであって、1つまたはそれ以上の他の特徴や数字、段階、動作、構成要素、部品、またはこれらを組み合わせたものの存在または付加の可能性を予め排除しない。
【0025】
また、明細書全体において、ある部分が他の部分と「連結」されている場合、これは「直接的に連結」されている場合だけでなく、その中間に他の素子を挟んで「間接的に連結」されている場合も含み、本明細書で使用される「第１」、「第２」などの序数を含む用語は、様々な構成要素を説明するために使用することができるが、前記構成要素は前記用語によって限定されない。
【0026】
以下では、添付された図面を参照して本発明の実施例について、本発明が属する技術分野で通常の知識を有する者が容易に実施できるように詳細に説明する。そして、図面で本発明を明確に説明するために、説明に関係のない部分は省略する。
【0027】
図１は、本実施例による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システム（1）に関する一部の構成要素を示すブロック図である。
【0028】
図１を参照すると、一実施例による人工知能を利用した広告主とインフルエンサー仲介システム（1）は、広告主（110）の端末装置（100）、インフルエンサー仲介サービス提供装置（200）、インフルエンサー（310）の端末装置（300）、およびプラットフォームシステムサーバ（400）などを含むことができる。
【0029】
インフルエンサー仲介システム（1）は、広告主端末装置（100）とインフルエンサー仲介サービス提供装置（200）およびインフルエンサー端末装置（300）を通じて広告主（110、Advertiser）と広告主とインフルエンサー（310、Influencer）との間に広告の依頼を仲介し、インフルエンサーの広告活動をモニタリングすることができる。
【0030】
広告主端末装置（100）は、広告主（110）の制御に従ってインフルエンサー仲介サービス提供装置（200）に接続することができる。広告主端末装置（100）は、インフルエンサー仲介サービス提供装置（200）に接続して、該当システムに登録されたインフルエンサーおよび該当インフルエンサーの情報を検索することができる。
【0031】
また、広告主端末装置（100）は、インフルエンサー仲介サービス提供装置（200）から広告対象商品またはサービスに対するインフルエンサーを推薦してもらうことができる。広告主端末装置（100）は、広告主の制御に従って広告を依頼するインフルエンサーを選定し、インフルエンサー仲介サービス提供装置（200）に広告を依頼することができる。インフルエンサー仲介サービス提供装置（200）からインフルエンサーの広告活動モニタリング結果または分析結果を受信した場合、広告主端末装置（100）は、受信したモニタリング結果または分析結果を画面に表示することができる。
【0032】
したがって、広告主端末装置（100）は、専用アプリケーションまたは汎用アプリケーションを通じてインフルエンサー仲介サービス提供装置（200）に接続することができるモバイル端末装置を含み、コンピューティング装置を含む。 例えば、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）端末、スマートフォン（Smartphone）、スマートパッド（SmartPad）、タブレットPC、スマートウォッチ（smart watch）、スマートガラス（smart glass）、ウェアラブル機器（wearable device）などのようなあらゆる種類のハンドヘルド（Handheld）ベースの無線通信装置を含むことができる。
【0033】
インフルエンサー仲介サービス提供サーバ（120）は、各プラットフォーム（例えば、動画プラットフォーム、インターネット放送プラットフォーム、ポータルサイトプラットフォーム、ソーシャルメディアプラットフォーム、ブログプラットフォームなど）で活動するインフルエンサー（310）の活動内容を分析し、分析結果に基づいて広告主（110）とインフルエンサー（310）を仲介することができる。
【0034】
一実施例では、インフルエンサー仲介サービス提供装置（200）は、該当システムに登録されたインフルエンサー（310）の活動を分析して広告主（110）とインフルエンサー（310）を仲介することができ、該当システムに登録されていないインフルエンサー（310）の活動を分析して、広告主（110）とインフルエンサー（310）を仲介することもできる。例えば、インフルエンサー仲介サービス提供装置（200）は、プラットフォームシステムサーバ（400）に登録されたインフルエンサー（310）のコンテンツを収集して、該当インフルエンサーの活動を分析することができる。 広告主とインフルエンサーがマッチングされた場合、インフルエンサー仲介サービス提供装置（200）は、広告依頼および広告実行過程を管理することができる。
【0035】
インフルエンサー（310）に広告が依頼され、インフルエンサーが広告をプラットフォームシステムサーバ（400）にアップロードすると、インフルエンサー仲介サービス提供装置（200）は、広告が依頼されたインフルエンサーの広告活動をモニタリングし、その結果およびそれに基づいた広告戦略を広告主に提示することもできる。一実施例では、インフルエンサー仲介サービス提供装置（200）はサーバとして具現することができる。
【0036】
したがって、一実施例によるインフルエンサー仲介サービス提供装置（200）は、サーバとして具現することができるが、ウェブサーバ以外にクラウドサーバのような仮想サーバ、スマートフォン、タブレットＰＣ、デスクトップパソコンなどのコンピューティング装置の制御モジュールによって処理され、各装置のメモリモジュールに記憶されるように構成することができる。
【0037】
インフルエンサー仲介サービス提供装置（200）は、各種情報を記憶することができる記憶部（図示せず）をさらに含むことができる。記憶部には、インフルエンサー仲介サービス提供装置（200）に受信されたデータ、インフルエンサー仲介サービス提供装置（200）の動作過程で生成されたデータ、および結果データを記憶することができる。例えば、広告主端末装置（100）から受信した広告主に関する情報、インフルエンサー端末装置（300）から受信したインフルエンサー（310）に関する情報、及びプラットフォームシステムサーバ（400）から収集されるインフルエンサー（310）の広告活動情報およびそれに関するフィードバック情報は、データ化されて記憶部に記憶され管理することができる。
【0038】
インフルエンサー端末装置（300）は、インフルエンサーの制御に従ってインフルエンサー仲介サービス提供装置（200）に接続し、インフルエンサーの基本情報を登録したり、広告主から依頼された広告に対する広告依頼情報を検索したりすることができる。
【0039】
また、インフルエンサー端末装置（300）は、インフルエンサーの制御に従ってコンテンツを生成してプラットフォームシステムサーバ（400）にアップロードすることができる。例えば、インフルエンサー端末装置（300）は、インフルエンサーの制御に従って動画を生成したり、ブログの掲示文やソーシャルメディアの掲示文を生成してプラットフォームシステムサーバ（400）にアップロードすることができる。
【0040】
したがって、一実施例による、インフルエンサー端末装置（300）は、専用アプリケーションまたは汎用アプリケーションを通じてインフルエンサー仲介サービス提供装置（200）に接続することができるコンピューティング装置を含む。たとえば、前述の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）端末、スマートフォン（Smartphone）、スマートパッド（SmartPad）、タブレットPC、スマートウォッチ（smart watch）、スマートガラス（smart glass）、ウェアラブル機器（wearable device）などのようなあらゆる種類のハンドヘルド（Handheld）ベースの無線通信装置を含むことができる。
【0041】
プラットフォームシステムサーバ（400）は、当該プラットフォームユーザーによって生成されたコンテンツを登録し、管理することができる。プラットフォームシステムサーバ（400）に登録されたコンテンツは、他のユーザーが共有または閲覧することができる。例えば、インフルエンサーによってプラットフォームシステムサーバ（400）に登録された広告コンテンツは、当該インフルエンサーのアカウント連携ユーザー（例えば、フォロワー（follower））と共有することができる。
【0042】
図２は、一実施例によるインフルエンサー仲介サービス提供装置（200）の一部構成要素を示すブロック図である。
【0043】
図２を参照すると、インフルエンサー仲介サービス提供装置（200）は、広告主情報登録部（210）、インフルエンサー情報登録部（220）、インフルエンサー情報収集部（230）、広告結果情報収集部（240）、推薦リスト生成部（250）、およびインフルエンサー分析情報生成部（260）を含むことができる。
【0044】
広告主情報登録部（210）は、広告主から広告主が広告しようとする商品またはサービスに関する情報および広告主に関する基本的な人的情報を収集し、収集した情報を登録することができる。
【0045】
商品に関する情報は、広告しようとする商品の価格情報、原産地情報、効果などに対する情報を含むことができ、広告主に関する情報には、広告主に関する基本的な人的情報を記憶することができる。また、広告主が好むインフルエンサーに関する情報、プラットフォーム情報、および広告主が好む広告スタイルに関する情報を含むことができる。こうした情報は、今後リスト生成部（250）が広告主に推薦インフルエンサーリストを提供する際に、基礎情報として使用することができる。
【0046】
インフルエンサー情報登録部（220）は、仲介サービス提供装置（200）にインフルエンサー登録を要請するインフルエンサーから基本情報を入力してもらい、該当インフルエンサーを登録することができる。
【0047】
他の実施例では、インフルエンサー登録部（220）は、各プラットフォームでインフルエンサーを検索して当該インフルエンサーに登録要請メッセージを送信し、当該インフルエンサーから基本情報を入力してもらい、登録することができる。 基本情報は、活動プラットフォーム、プラットフォームアカウント情報、連絡先、インフルエンサー仲介システム接続ID、およびパスワードのうちの少なくとも1つを含むことができる。さらに、インフルエンサー選好のプラットフォーム、投稿スタイル、活動地域、撮影装置の種類、身体情報、肌情報、職業情報、ペットの飼育の有無、頻繁に使用する主なキーワード、および関心事に関する情報などを含むことができる。
【0048】
また、インフルエンサー情報登録部（220）に登録される情報は、インフルエンサーが好む商品に関する情報または選好する広告主に関する情報を含むことができる。さらに、選好のプラットフォームまたは広告方法に対する情報を含むことができ、インフルエンサーが考えるには、自分に合った商品またはサービスに関する情報が含まれている可能性がある。このように収集された情報は、今後リスト生成部（250）が広告主に推薦インフルエンサーリストを提供する際に基礎情報として用いることができる。
【0049】
インフルエンサー情報収集部（230）は、登録されたインフルエンサーが投稿したコンテンツをプラットフォーム別にクロール（crawling）して各インフルエンサーの活動情報を収集する。例えば、情報収集部（230）は、インフルエンサーのソーシャルメディアアカウント（例えば、インスタグラム、フェイスブック）情報、ブログアカウント情報、または動画サイトアカウント情報など当該インフルエンサーのアカウント情報に基づいて、 当該インフルエンサーの活動情報を収集することができる。
【0050】
具体的には、インフルエンサー情報収集部（230）は、一例としてクローラー（crawler）を通じてコンテンツを収集し、収集されたコンテンツを記憶部（図示せず）に記憶することができる。インフルエンサー情報収集部（230）は、記憶されたコンテンツを予め設定された分析方法および分類方法に従ってインフルエンサーの活動情報を収集することができる。一実施例では、活動情報は、インフルエンサーのプラットフォーム別の投稿コンテンツ数、プラットフォーム別の活動量、コンテンツカテゴリ、コンテンツ内容、コンテンツフォーマット、活動期間、およびインフルエンサーによる広告に関するフィードバック情報（例えば、評点情報またはコメント情報）のうち少なくとも１つを含むことができる。
【0051】
また、インフルエンサー情報収集部（230）は、一例としてブログメニューを通じて各メニューに投稿されたコンテンツのカテゴリを分類したり、コンテンツに含まれるタグ（tag）情報に基づいてコンテンツのカテゴリを分類したりすることができる。あるいは、インフルエンサー情報収集部（230）は、コンテンツに含まれる画像、動画、またはテキスト（例えば、予め記憶されているキーワードまたは文章）を認識して該当するコンテンツのカテゴリを分類することができる。
【0052】
また、インフルエンサー情報収集部（230）は、コンテンツに含まれる画像、動画、またはテキストを抽出して、当該インフルエンサーが投稿したコンテンツ内容をデータベース化することができ、コンテンツを構成する構成要素（例えば、画像、動画、テキストなど）の種類および構成要素の配列を分析して、当該インフルエンサーがよく使用するコンテンツフォーマットを分析することもできる。
【0053】
広告結果情報収集部（240）は、広告主が依頼した商品についてインフルエンサーが投稿したコンテンツに関する情報とともに、これに関連する多様な情報を収集し、収集された情報を広告主端末装置（100）に送信することができる。
【0054】
具体的には、広告結果情報収集部（240）は、広告主によって選択されたインフルエンサーの広告活動結果をモニタリングし、同時にインフルエンサーによって投稿された広告コンテンツに埋め込まれた（embeded）モニタリングコードからモニタリング情報を受信し、広告活動結果をモニタリングすることができる。
【0055】
広告活動結果情報には、プラットフォーム別の広告活動量、商品またはサービスカテゴリ別の広告履歴、商品またはサービス別の広告効果を含むことができる。例えば、広告コンテンツ訪問数、閲覧数、およびインフルエンサーのプラットフォームを経た商品またはサービスの売上に関する情報などを含むことができる。
【0056】
一実施例では、広告結果情報収集部（240）は、広告主の広告依頼およびインフルエンサーの広告依頼承認後、インフルエンサーにモニタリングコードを発行してインフルエンサー端末装置（300）に提供することができる。
【0057】
また、広告結果情報収集部（240）は、インフルエンサーが投稿したコンテンツに連携された他のユーザーのフィードバック（feedback）を収集し、フィードバックの量やフィードバックの内容（例えば、フィードバック傾向（肯定または否定）など）などを収集することができる。一実施例では、フィードバック傾向は、インフルエンサー仲介サービス提供装置（200）の運営者によって手動で分類され入力されたり、傾向関連単語が含まれているかどうかによって自動的に分類されたりすることができる。
【0058】
フィードバック量とフィードバック内容は、後でインフルエンサー分析情報生成部（260）がコンテンツカテゴリ、コンテンツ内容、またはコンテンツフォーマットと連携して、該当インフルエンサーのコンテンツカテゴリ別フィードバック推移、コンテンツ内容別フィードバック推移、またはコンテンツフォーマット別フィードバック推移に対する情報を生成するのに使用される。また、こうした情報は、推薦リスト生成部（250）が人工知能を用いてインフルエンサー推薦リストを生成するのに必要なフィードバック情報として利用することができる。
【0059】
広告結果情報収集部（240）はまた他の実施例として、インフルエンサーがプラットフォームシステムサーバ（400）に投稿した広告コンテンツの広告効果、例えば、広告コンテンツ訪問数、閲覧数などの情報をリアルタイムで収集して広告主端末装置（100）に提供することができる。収集された情報は、特別な加工なしに広告主端末装置（100）に提供することができ、インフルエンサー分析情報生成部（260）を経て多様に分析された結果として広告主端末装置（100）に提供することもできる。インフルエンサー分析情報生成部（260）の詳細については後述する。
【0060】
また、広告結果情報収集部（240）は、実際に特定の商品またはサービスについて広告を行ったインフルエンサーと広告主に対する互いの評価情報を収集することができる。つまり、広告主は、広告主の商品またはサービスについて広告を行ったインフルエンサーに対する総合的な評価情報（例えば、売上満足度、コミュニケーション満足度、プラットフォーム別満足度、広報効果満足度、総合評価点数など）を収集することができる。その反面、インフルエンサーはまた、広告主に対する総合的な評価情報（例えば、原価に対する満足度、収益に対する満足度、コミュニケーション満足度、総合評価点数）を収集することができる。そして、こうした情報は、推薦リスト生成部（250）が推薦インフルエンサーリストを生成するのにフィードバック情報として利用することができる。
【0061】
推薦リスト生成部（250）は、広告主端末装置（100）から広告対象商品またはサービス情報を受信した場合、広告主情報登録部（210）、インフルエンサー情報登録部（220）、インフルエンサー情報収集部（230）、および広告結果情報収集部（240）によって収集された情報に基づいて広告主に最も適合したインフルエンサー推薦リストを生成し、生成されたリストを広告主端末装置（100）に送信することができる。
【0062】
具体的には、推薦リスト生成部（250）は、広告結果情報収集部（240）を通じて収集した同一／類似商品またはサービスに対するインフルエンサーの広告効果情報に基づいてインフルエンサー推薦リストを生成することができる。例えば、推薦リスト生成部（250）は、インフルエンサーの該当プラットフォーム訪問数が高い順、閲覧数が高い順、フィードバック（例えば、コメント、リツイート、「いいね」など）数が高い順などに基づいて推薦リストを生成することができる。
【0063】
また、一実施例による推薦リスト生成部（250）は、人工ニューラルネットワークモジュール（251）を含んでいる。したがって、インフルエンサー推薦リストを生成する際に、人工知能ニューラルネットワークを用いてディープラーニングを実行した後、推薦リストを生成して広告主に提供することができる。以下、図面を通じてこれについて詳しく調べるようにする。
【0064】
図３および図４は、一実施例による人工ニューラルネットワークモジュール（251）の一部構成要素と、人工ニューラルネットワークモジュール（251）に入力される入力データ、出力データ、およびフィードバック情報を示す図面である。
【0065】
具体的には、人工ニューラルネットワークモジュール（251）は、広告主の意向に適合したインフルエンサーを選定する方法について学習（training）する学習セッション（252）と学習セッション（252）で学習した結果に基づいて広告主の意向に最も適合したインフルエンサーを選定する方法について推論（inference）を行う推論セッション（253）を含むことができる。
【0066】
具体的には、学習セッション（252）は、広告主およびインフルエンサーに関する情報、およびインフルエンサーの過去の広告活動情報に基づいて広告主に最も適合したインフルエンサーを選定する方法について学習を行うことができる。
【0067】
一例として、広告主とインフルエンサーをそれぞれ複数のグループに分類した後、グループ同士をマッチングした後、過去の広告効果に対する情報を分析して実際に広告効果が最も良かったマッチング結果について学習することができる。
【0068】
広告主とインフルエンサーを複数のグループに分類する方法は、上述した広告主情報登録部（210）とインフルエンサー情報登録部（220）に登録された情報に基づいて多様な基準によって分類することができる。
【0069】
人工ニューラルネットワークモジュール（251）に使用されるニューラルネットワークモデル（Neural Network model）は、生物学におけるニューロン構造から着目された指導学習（supervised learning）アルゴリズムである。
【0070】
ニューラルネットワークモデルの基本的な作動原理は、複数のニューロンを相互連結して入力値に対する最適な出力値を予測することである。統計的な観点から見ると、ニューラルネットワークモデルは、入力因子の線型結合に非線形関数をとる射影追跡回帰と見ることができる。
【0071】
図４に示すように、インフルエンサー情報（10）と広告主情報（20）とを構成する各属性は、x1、x2、x3のような人工ニューラルネットワークモジュール（251）の入力層（input layer）の各ノードに入力できる。入力情報は、weightに基づく隠蔽層（hidden layer）およびsoftmaxやReLUのようなコスト関数（cost function）を経て、最終的にインフルエンサー推薦リストに関する情報（40）に出力される。推薦リストに関する情報（40）には、特定の商品またはサービスを特定のインフルエンサーに広告を任せたときに発生する可能性のある予測結果（例えば、いいねの数、肯定または否定的なコメントの数、広告を引き受けたインフルエンサーを通じて創出できる売上に関する情報）などを含むことができる。
【0072】
また、人工ニューラルネットワークモジュール（251）は、現在推薦リスト（40）にあるインフルエンサーの広告効果に関する情報に対して、一定時間が経過した後に広告結果情報収集部（240）を通じて収集した実際の情報に基づいてフィードバックを行うことができる。具体的には、図４に示すように、予測情報（50）実際の広告効果情報（60）に基づいてエラー（error、-Sigma（yi log pi））を減らすことができるように隠蔽層のweightを更新する方法としてBack propagation を進行することができる。
【0073】
例えば、Aグループに属する広告主とXグループに属するインフルエンサーをマッチングさせたが、実際の広告結果が予測結果より良くない場合、この誤差を減らす方法でweightを更新することができる。その反面、Bグループに属する広告主とYグループに属するインフルエンサーをマッチングさせたが、実際の広告結果が予測結果よりも良い場合、隠蔽層のweightに対する加重値を増加させる方法でフィードバックを行うことができる。
【0074】
図５は、本発明の一実施例による人工ニューラルネットワークモジュール（261）の具体的な構造に関連して、多層ニューラルネットワークモデル（ディープラーニングまたは深層ニューラルネットワークモデル）の構造を示す模式図である。
【0075】
図５に示すように、本発明の一実施例による人工ニューラルネットワークモジュール（261）の多層ニューラルネットワークモデルは、入力層（input layer）、隠蔽層（hidden layer）、出力層（output layer）で構成することができる。
【0076】
入力層は各入力因子に対応するノードで構成され、ノードの数は入力因子の個数と同じである。隠蔽層は、入力層から伝達される因子値の線型結合をシグモイド関数のような非線形関数で処理して出力層または他の隠蔽層に伝達する役割をすることができる。出力層は出力因子に対応するノードで、分類模型ではクラスの数ほど出力ノードを生成することができる。
【0077】
図６は、本発明の一実施例による人工ニューラルネットワークモジュール（261）のノードでの計算過程を示す模式図である。
【0078】
図６に示すように、各ノードでは実際に演算が行われるが、この演算過程は人間のニューラルネットワークを構成するニューロンで起こる過程を模写するように数学的に設計されている。
【0079】
ノードは一定の大きさ以上の刺激を受けると反応するが、その反応の大きさはバイアス（bias）値を除いて入力値とノードの係数（または加重値、weights）を掛けた値に比例する。一般的に、ノードは複数の入力を受け、入力の個数ほど係数を持っている。したがって、この係数を調整することによって、さまざまな入力に異なる加重値を付与することができる。最終的に掛けた値はすべて加算され、その合計は活性化関数（activation function）の入力に入る。活性化関数の結果はノードの出力に該当し、この出力値は究極的に分類または回帰分析に使われるようになる。
【0080】
ニューラルネットワークモデルの各層は少なくとも１つのノードからなり、入力値によって各ノードの活性化／非活性化の有無が決定される。入力情報は第１層（入力層、input layer）の入力となり、その後は各層の出力が再び次の層の入力となる。 各ノードがどの入力を重視するかに基づいて、すべての係数が変わる。そしてニューラルネットワークモデルの「学習（training）」は、この係数を更新する過程である。
【0081】
多層ニューラルネットワークモデルで過適合（overfitting）問題が発生する。過適合（overfitting）は、与えられた情報量に比べてモデルの複雑度（complexity）が高い場合に発生し、ニューラルネットワーク（neural network）が深くなるほどモデルの複雑度は急激に増加する。
【0082】
したがって、最近、この問題を解決するために、新しい初期化（initialization）方法であるRBM（Restricted Boltzmann Machine）とCNN（Convolutional Neural Network）が提案されている。
【0083】
特に、RBMは、DBN（Deep Belief Network）を構成する要素として利用され、無監督のRBM（restricted Boltzmann machine）を通じて学習させるフィードフォワードニューラルネットワーク（feedforward neural network）の各層を効果的に事前訓練（pre-training）して過適合（overfitting） を防ぐことができる。そしてこれを再び監督されたバック・プロパゲーション（supervised back propagation）を使う形態で学習を進める。最近では、ランダムな初期化（Random initialization）の一環としてドロップアウト（Drop-out）方式が多く利用されている。
【0084】
図７は、本発明の一実施例による人工ニューラルネットワークモジュール（251）のドロップアウト方式を示す模式図である。
【0085】
図７に示すように、本発明の一実施例による人工ニューラルネットワークモジュール（251）のドロップアウト方式は、毎回学習する際、隠蔽層で全てのニューロンを使用するのではなく、５０％程度のニューロンのみを使用する。1つのディープラーニングでは、いくつかの小さなニューラルネットワークがアンサンブル（ensemble）された効果があり、アンサンブルは過適合を減らすことができる。また、同様のweightを有するニューロンが減少し、重複した判断をするニューロンが減少するので、ニューロンを効率的に使用することができる。
【0086】
また、最近ではReLU（Rectified Linear Unit）という活性化関数（activation function）で遅い学習時間や過適合問題などを解決しているが、図６はReLU活性化関数を示すグラフである。
【0087】
図８に示すように、既存のsigmoid関数は、傾斜降下（Gradient Descent）を複数層にしていくたびに、errorが消滅するという問題が発生する。複数の層を過ぎて極端に行くほど、sigmoid関数はGradient（傾斜）が小さくなり、weightが更新されない問題が発生することである。ただし、活性化関数としてReLU関数を使用すると、傾斜が０または１で使用されるため、100％にerrorが伝播され、こうした問題が解消される可能性がある。
【0088】
ReLU関数は、sigmoidのように[０、１]に制限されるものではなく、その範囲が無制限であるため、より正確な表現力を持つと見られる。また、各ノードの出力値のうち必要ない値が多い。この場合、sigmoid関数を使用するときにすべての値に対する計算をしなければならないが、ReLU関数は相当部分の演算量を減らすことができ、コンピューティング速度が改善される効果が発生する。ReLU関数によって正規化（Regularization）が向上することができる。
【0089】
再び図２に戻り、インフルエンサー分析情報生成部（260）について説明すると、インフルエンサー分析情報生成部（260）、インフルエンサー情報登録部（220）、インフルエンサー情報収集部（230）、広告結果情報収集部（240）によって収集された情報に基づいてインフルエンサーに関する総合的な情報を生成し、生成された情報を広告主端末装置（100）に送信することができる。
【0090】
具体的には、インフルエンサー分析情報生成部（260）は、インフルエンサーの基本情報、収集された活動情報、および広告履歴情報に基づいて各インフルエンサーの活動を分析して分析情報を生成することができる。例えば、インフルエンサー分析情報生成部（260）は、インフルエンサーの基本情報と活動情報に基づいてインフルエンサーの身体条件（例えば、性別、身長、体重、身体部位（自信ある身体部位または頻繁に公開される身体部位）など）、主要活動媒体、アカウント連携ユーザー数（例えば、フォロワーなど）、コンテンツ訪問または閲覧数（例えば、訪問数、期間平均訪問数、閲覧数、期間平均閲覧数など）などに関する情報を分析して生成することができる。
【0091】
また、インフルエンサー分析情報生成部（260）は、インフルエンサーの広告履歴情報に基づいて、インフルエンサーのプラットフォーム別広告活動量、主要広告プラットフォーム、商品またはサービスカテゴリ別広告履歴、商品またはサービス別広告効果 （例えば、広告コンテンツ訪問数、閲覧数、フィードバック数、フィードバック傾向）、商品またはサービス別費用対比広告効果のうち少なくとも１つを分析して分析情報を生成することができる。
【0092】
また、インフルエンサー分析情報生成部（260）は、コンテンツフィードバック数（例えば、コメント、リツイート、「いいね」など）およびフィードバック傾向（例えば、肯定または否定）のうち少なくとも１つを分析して分析情報を生成することができる。一実施例では、身体条件は、基本情報として予め入力してもらうこともでき、インフルエンサーが投稿したコンテンツの内容分析によって取得することもできる。
【0093】
そして、これまで説明したインフルエンサー分析情報生成部（260）が生成した情報は、推薦リスト生成部（250）に送信することができ、推薦リスト生成部（250）は、これらの情報に基づいて広告主に最も適合したインフルエンサー推薦リストを生成することができる。
【0094】
また、推薦リスト生成部（250）およびインフルエンサー分析情報生成部（260）を通じて生成された情報は、該当インフルエンサーと連携して記憶部（図示せず）に記憶することができる。広告主端末装置（100）からインフルエンサーに対する照会または情報要請が受信される場合、インフルエンサー仲介サービス提供装置（200）は、そのインフルエンサーに対する分析結果を広告主端末装置（100）に提供することができる。
【0095】
図９乃至図１２は、一実施例による人工知能を利用した広告主とインフルエンサー仲介システムにおいて広告主に提供される情報の一例を示す図面であり、具体的にはインフルエンサー分析情報生成部（260）が生成した情報が広告主端末装置（100）に表示される一例を示す図面である。
【0096】
インフルエンサー分析情報生成部（260）は、インフルエンサー分析情報を生成する際に、特定インフルエンサーに関する情報をインフルエンサー情報登録部（220）に登録されている全てのインフルエンサーと比較し、それを視覚的に表示した情報を生成して広告主端末装置（100）に送信することができる。
【0097】
例えば、図９に示すように、広告主端末装置（100）のディスプレイには、特定のインフルエンサーが全体グルーブの中で、現在どのグループに属しているかをピラミット形式の図形を用いて視覚的に表示（101）したり、線を使用して表示（102）したりすることができ、項目別に絶対的数値に関する情報（103）も一緒に表示することができる。図９に示すように、現在のインフルエンサーがグループ全体の中でどの位置にあるのか比較情報を広告主に視覚的に提示すれば、広告主はより簡単に自分の好みにあるインフルエンサーを選択することができるというメリットがある。
【0098】
また、インフルエンサー分析情報生成部（260）は、図９及び図１０に示すように、特定インフルエンサーに関する各種情報、例えば、ポスト参加度情報（104）、フォロワー／フォローイング比較分析情報（105）、購読者情報（106）、閲覧数情報（107）を時間の流れに応じたグラフで情報を生成して広告主端末装置（100）に送信することができる。
【0099】
単に絶対的な数値で情報を提供するのではなく、図９と図１０に示すように時間の経過に伴う情報を広告主に提供してくれれば、広告主は現在特定インフルエンサーの影響力が高まっているか、低くなっているかなどに対する情報を簡単に知ることができ、より自分の好みに合ったインフルエンサーを選択できるメリットがある。
【0100】
また、インフルエンサー分析情報生成部（260）は、図１２に示すように、特定インフルエンサーに対するプラットフォーム別ランキング情報を比較情報（108）として生成して広告主に提供することができる。単に絶対的な数値で情報を提供するのではなく、図１２に示すようにプラットフォーム別にランキング情報を提供すれば、広告主は自分が好むプラットフォームに対してどのインフルエンサーのランキングが高いか容易に知ることができ、より自分の好みに合ったインフルエンサーを選択できるメリットがある。
【0101】
図１３は、一実施例による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システムの動作フローを示すフローチャートである。
【0102】
図１３を参照すると、インフルエンサーは、インフルエンサー端末装置（300）を通じて本人の人的情報を含む様々な情報を仲介サービス提供装置（200）に登録することができる（S10）。
【0103】
仲介サービス提供装置（200）は、インフルエンサーに関する情報が登録されれば、該当インフルエンサーのプラットフォーム別活動に関する様々な情報を収集し、それに応じた広告結果を収集することができる（S20、S30）。これに対する詳細な説明は、図２で前述したので省略する。
【0104】
一方、広告主は、広告主端末装置（100）を通じて広告主情報を仲介サービス提供装置（200）に登録し、特定の商品またはサービスに対して広告を行うインフルエンサー推薦要請をすることができる (S40)。
【0105】
広告主端末装置（100）からインフルエンサー推薦要請を受信すると、仲介サービス提供装置（200）は、広告主に関する情報とインフルエンサーに関する情報に基づいてディープラーニングを行い、予想広告効果を算出し、これに基づいて推薦リストを生成することができる（S50、S60）。これに対する詳細な説明は、図３および図４で説明したので省略する。
【0106】
仲介サービス提供装置（200）は、生成した推薦リスト情報を広告主端末装置に送信し、広告主が広告主端末装置（100）を通じて広告を行うインフルエンサーを選択すると、マッチング結果をインフルエンサー端末装置 （300）に送信することができる（S70～S90）。
【0107】
その後、仲介サービス提供装置（200）は、広告主から依頼された商品またはサービスに対する広告を行うインフルエンサーの実際の広告効果情報を収集し、それに基づいてフィードバックディープラーニングを行うことができる (S100、S110)。
【0108】
その後、サービス提供装置（200）は、インフルエンサーに対する総合的で多様な情報を生成した後、生成された情報を広告主端末装置（100）とインフルエンサー端末装置（300）に送信することができる。
【0109】
これまで、図面を通じて本発明の特徴を詳細に見てきた。
【0110】
一実施例による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及びそれを用いたサービス方法は、従来技術と異なり、広告主に関する情報とインフルエンサーに関する情報に基づいて広告主に適合する最適なインフルエンサー を探して仲介することで、インフルエンサーを通じた広告効果を最大化できるメリットがある。
【0111】
また、本発明は、推薦インフルエンサーリストを生成する際に、同じアルゴリズムではなく、人工知能技術を用いて実際の広告効果に対するフィードバック情報が反映されたアルゴリズムを更新した後、更新されたアルゴリズムを用いて推薦インフルエンサーリストを生成するので、より広告主に合ったインフルエンサーを仲介してくれる効果がある。
【0112】
また、インフルエンサーに対して分析された情報を広告主に提供する際に、単純な数値ではなく時間とともに変化する情報および他のインフルエンサーとの比較情報も一緒に提供するので、広告主がより自分が好むインフルエンサーを選択できるメリットがある。
【0113】
一方、本明細書に記載の「～部に記載された構成要素、ユニット、モジュール、コンポーネントなどは、一緒にまたは個別であるが、相互運用可能なロジックデバイスとして個別に具現することができる。モジュール、ユニットなどに対する互いに異なる特徴の描写は、互いに異なる機能的実施例を強調するために意図したものであり、それらが個別のハードウェアまたはソフトウェアコンポーネントによって実現されるべきであることを必須的に意味しない。むしろ、１つ以上のモジュールまたはユニットに関連する機能は、個別のハードウェアまたはソフトウェアコンポーネントによって実行されたり、または共通または個別のハードウェアまたはソフトウェアコンポーネント内に統合されたりすることができる。
【0114】
特定の順序で作動が図面に示されているが、これらの作動が望む結果を達成するために示された特定の順序、または順次的な順序で実行されるか、または示されたすべての作動が実行される必要があると理解されてはいけない。任意の環境では、マルチタスクおよび並列処理が有利であり得る。さらに、上述した実施例での多様な構成要素の区分は、すべての実施例でこうした区別を必要とするものと理解されてはならず、記述された構成要素が一般的な単一のソフトウェア製品として統合されたり、多数のソフトウェア製品としてパッケージされたりすることができると理解されるべきである。
【0115】
端末装置プログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、スクリプト、またはコードとも知られている）は、コンパイルまたは解釈された言語や、先験的または手続き型言語を含むプログラミング言語のいかなる形態でも作成することができ、独立型プログラム、モジュール、コンポーネント、サブルーチン、または端末装置環境で使用するのに適合した他のユニットを含み、いかなる形態でも展開することができる。
【0116】
付加的に、本特許文献で記述する論理の流れと構造的ブロック図は、開示された構造的手段の支援を受けて対応する機能と段階の支援を受けて対応する行為および／または特定な方法を技術するものであり、対応するソフトウェア構造とアルゴリズムとその等価物とを構築するのにも使用可能である。
【0117】
本明細書で記述するプロセスと論理の流れは、入力データ上で作動し出力を生成することによって機能を行うするために、１つ以上の端末装置プログラムを実行する１つ以上のプログラマブルプロセッサによって実行可能である。
【0118】
本記述した説明は、本発明の最上のモードを提示しており、本発明を説明するために、そして当業者が本発明を製作および利用できるようにするための例を提供している。このように作成された明細書は、その提示された具体的な用語に本発明を制限するものではない。
【0119】
以上では本発明の好ましい実施例を参照して説明したが、当該技術分野の熟練した当業者又は当該技術分野に通常の知識を有する者であれば、後述する特許請求の範囲に記載された本発明の思想及び技術領域から逸脱しない範囲内で本発明を多様に修正および変更することができることが理解できる。
【0120】
したがって、本発明の技術的範囲は、明細書の詳細な説明に記載された内容に限定されるのではなく、特許請求の範囲によって定められるべきである。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
