KR102597432B1 - Method, device and system for creating proposals and quotation of corporate tailored content based on artificial intelligence - Google Patents

Method, device and system for creating proposals and quotation of corporate tailored content based on artificial intelligence Download PDF

Info

Publication number
KR102597432B1
KR102597432B1 KR1020230062170A KR20230062170A KR102597432B1 KR 102597432 B1 KR102597432 B1 KR 102597432B1 KR 1020230062170 A KR1020230062170 A KR 1020230062170A KR 20230062170 A KR20230062170 A KR 20230062170A KR 102597432 B1 KR102597432 B1 KR 102597432B1
Authority
KR
South Korea
Prior art keywords
content
images
company
confirmed
neural network
Prior art date
Application number
KR1020230062170A
Other languages
Korean (ko)
Inventor
전정욱
Original Assignee
전정욱
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 전정욱 filed Critical 전정욱
Priority to KR1020230062170A priority Critical patent/KR102597432B1/en
Application granted granted Critical
Publication of KR102597432B1 publication Critical patent/KR102597432B1/en

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q30/0283—Price estimation or determination
    • 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
    • G06Q50/10—Services

Landscapes

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

Abstract

일실시예에 따르면, 장치에 의해 수행되는, 인공지능 모델을 활용하여 맞춤형 콘텐츠의 기획안 및 견적을 생성하는 방법에 있어서, 제1 기업의 담당자 단말로부터 맞춤형 콘텐츠의 기획 요청을 수신하는 단계; 상기 기획 요청을 통해 상기 제1 기업의 니즈를 분석하는 단계; 상기 제1 기업의 니즈에 대한 분석 결과를 제1 인공 신경망에 적용하여, 상기 제1 인공 신경망의 출력을 기초로, 상기 제1 기업에게 적합한 콘텐츠의 종류를 선정하는 단계; 상기 제1 기업에게 제1 종류의 콘텐츠가 적합한 것으로 선정되면, 제1 기업 정보를 기초로, 상기 제1 종류의 콘텐츠를 제작하는데 있어 상기 제1 기업에게 적합한 타겟 가격 및 타겟 퀄리티를 설정하는 단계; 상기 제1 종류의 콘텐츠, 상기 타겟 가격 및 상기 타겟 퀄리티에 대한 분석 결과를 제2 인공 신경망에 적용하여, 상기 제2 인공 신경망의 출력을 기초로, 제1 콘텐츠에 대한 기획 전략을 생성하는 단계; 및 상기 제1 콘텐츠에 대한 기획 전략을 상기 담당자 단말로 전송하는 단계를 포함하는, 인공지능 모델을 활용한 맞춤형 콘텐츠의 기획안 및 견적 생성 방법이 제공된다.According to one embodiment, a method of generating a plan and estimate for customized content using an artificial intelligence model performed by a device includes the steps of: receiving a request for planning customized content from a terminal in charge of a first company; Analyzing the needs of the first company through the planning request; applying the results of the analysis of the needs of the first company to a first artificial neural network and selecting a type of content suitable for the first company based on the output of the first artificial neural network; If the first type of content is selected as suitable for the first company, setting a target price and target quality suitable for the first company in producing the first type of content based on the first company information; Applying analysis results of the first type of content, the target price, and the target quality to a second artificial neural network, and generating a planning strategy for the first content based on the output of the second artificial neural network; And a method of generating a plan and estimate for customized content using an artificial intelligence model is provided, including the step of transmitting a planning strategy for the first content to the person in charge terminal.

Description

인공지능 모델을 활용한 맞춤형 콘텐츠의 기획안 및 견적 생성 방법, 장치 및 시스템 {METHOD, DEVICE AND SYSTEM FOR CREATING PROPOSALS AND QUOTATION OF CORPORATE TAILORED CONTENT BASED ON ARTIFICIAL INTELLIGENCE}Method, device, and system for creating a plan and quotation for customized content using an artificial intelligence model {METHOD, DEVICE AND SYSTEM FOR CREATING PROPOSALS AND QUOTATION OF CORPORATE TAILORED CONTENT BASED ON ARTIFICIAL INTELLIGENCE}

아래 실시예들은 인공지능 모델을 활용하여 맞춤형 콘텐츠의 기획안 및 견적을 생성하기 위한 기술에 관한 것이다.The examples below relate to technology for generating plans and estimates for customized content using artificial intelligence models.

현대 사회에서 콘텐츠는 다양하게 활용되고 있다. 예를 들어, 홍보 영상, 웹 페이지, SNS 게시물 등 다양한 분야에서 활용되고 있으며, TV, 영화, 신문, 잡지, 인터넷, 등에서 새로운 콘텐츠를 계속해서 필요로 하고 있다.In modern society, content is used in various ways. For example, it is used in various fields such as promotional videos, web pages, and SNS posts, and new content is continuously needed in TV, movies, newspapers, magazines, and the Internet.

이에 따라, 기업에서는 제품 홍보와 기업 브랜드 이미지 강화를 위해 콘텐츠 제작을 필요로 하고 있다.Accordingly, companies need content production to promote products and strengthen corporate brand image.

그러나, 콘텐츠를 제작하는데 많은 비용이 소모되는 문제가 있으며, 많은 비용을 지불하여 콘텐츠를 제작하더라도, 기업의 특성을 고려하여 콘텐츠를 제작한 것이 아니기 때문에, 기업이 원하는 콘텐츠를 제공할 수 없다는 문제가 있다.However, there is a problem that it costs a lot of money to produce content, and even if a large amount of money is paid to produce content, the problem is that the company cannot provide the content it wants because the content was not produced considering the characteristics of the company. there is.

따라서, 기업 맞춤형 콘텐츠를 제공받고자 하는 요구가 증대되고 있어, 이와 관련된 기술에 대한 연구가 요구된다.Accordingly, as the demand to receive customized content for companies is increasing, research on related technologies is required.

한국공개특허 제10-2021-0105024호Korean Patent Publication No. 10-2021-0105024 한국공개특허 제10-2021-0063054호Korean Patent Publication No. 10-2021-0063054 한국공개특허 제10-2011-0119849호Korean Patent Publication No. 10-2011-0119849 한국등록특허 제10-1921592호Korean Patent No. 10-1921592

일실시예에 따르면, 제1 기업의 담당자 단말로부터 맞춤형 콘텐츠의 기획 요청을 수신하고, 기획 요청을 통해 제1 기업의 니즈를 분석하고, 제1 기업의 니즈에 대한 분석 결과를 제1 인공 신경망에 적용하여, 제1 인공 신경망의 출력을 기초로, 제1 기업에게 적합한 콘텐츠의 종류를 선정하고, 제1 기업에게 제1 종류의 콘텐츠가 적합한 것으로 선정되면, 제1 기업 정보를 기초로, 제1 종류의 콘텐츠를 제작하는데 있어 제1 기업에게 적합한 타겟 가격 및 타겟 퀄리티를 설정하고, 제1 종류의 콘텐츠, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 제2 인공 신경망에 적용하여, 제2 인공 신경망의 출력을 기초로, 제1 콘텐츠에 대한 기획 전략을 생성하고, 제1 콘텐츠에 대한 기획 전략을 담당자 단말로 전송하는, 인공지능 모델을 활용한 맞춤형 콘텐츠의 기획안 및 견적 생성 방법, 장치 및 시스템을 제공하기 위한 것을 그 목적으로 한다.According to one embodiment, a request for planning customized content is received from a terminal in charge of the first company, the needs of the first company are analyzed through the planning request, and the results of the analysis of the needs of the first company are transmitted to the first artificial neural network. In application, based on the output of the first artificial neural network, a type of content suitable for the first company is selected, and if the first type of content is selected as suitable for the first company, based on the first company information, the first type of content is selected as suitable for the first company. In producing a type of content, a target price and target quality appropriate for the first company are set, and the analysis results of the first type of content, target price, and target quality are applied to the second artificial neural network, and the second artificial neural network Provides a method, device, and system for generating a plan and estimate for customized content using an artificial intelligence model that generates a planning strategy for the first content based on the output and transmits the planning strategy for the first content to the person in charge. The purpose is to do this.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.The object of the present invention is not limited to the object mentioned above, and other objects not mentioned can be clearly understood from the description below.

일실시예에 따르면, 장치에 의해 수행되는, 인공지능 모델을 활용하여 맞춤형 콘텐츠의 기획안 및 견적을 생성하는 방법에 있어서, 제1 기업의 담당자 단말로부터 맞춤형 콘텐츠의 기획 요청을 수신하는 단계; 상기 기획 요청을 통해 상기 제1 기업의 니즈를 분석하는 단계; 상기 제1 기업의 니즈에 대한 분석 결과를 제1 인공 신경망에 적용하여, 상기 제1 인공 신경망의 출력을 기초로, 상기 제1 기업에게 적합한 콘텐츠의 종류를 선정하는 단계; 상기 제1 기업에게 제1 종류의 콘텐츠가 적합한 것으로 선정되면, 제1 기업 정보를 기초로, 상기 제1 종류의 콘텐츠를 제작하는데 있어 상기 제1 기업에게 적합한 타겟 가격 및 타겟 퀄리티를 설정하는 단계; 상기 제1 종류의 콘텐츠, 상기 타겟 가격 및 상기 타겟 퀄리티에 대한 분석 결과를 제2 인공 신경망에 적용하여, 상기 제2 인공 신경망의 출력을 기초로, 제1 콘텐츠에 대한 기획 전략을 생성하는 단계; 및 상기 제1 콘텐츠에 대한 기획 전략을 상기 담당자 단말로 전송하는 단계를 포함하는, 인공지능 모델을 활용한 맞춤형 콘텐츠의 기획안 및 견적 생성 방법이 제공된다.According to one embodiment, a method of generating a plan and estimate for customized content using an artificial intelligence model performed by a device includes the steps of: receiving a request for planning customized content from a terminal in charge of a first company; Analyzing the needs of the first company through the planning request; applying the results of the analysis of the needs of the first company to a first artificial neural network and selecting a type of content suitable for the first company based on the output of the first artificial neural network; If the first type of content is selected as suitable for the first company, setting a target price and target quality suitable for the first company in producing the first type of content based on the first company information; Applying analysis results of the first type of content, the target price, and the target quality to a second artificial neural network, and generating a planning strategy for the first content based on the output of the second artificial neural network; And a method of generating a plan and estimate for customized content using an artificial intelligence model is provided, including the step of transmitting a planning strategy for the first content to the person in charge terminal.

상기 인공지능 모델을 활용한 맞춤형 콘텐츠의 기획안 및 견적 생성 방법은, 상기 제1 콘텐츠에 대한 기획 전략을 전송하는 단계 이후, 상기 담당자 단말로부터 상기 제1 콘텐츠의 변경 요청을 수신하는 단계; 상기 변경 요청을 통해 상기 제1 콘텐츠에서 변경하고자 하는 영상의 길이, 제품 촬영의 이미지 수 및 자막의 글자 수를 확인하는 단계; 상기 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 짧아진 것으로 확인되면, 상기 제1 콘텐츠에서 짧아진 영상의 길이에 미리 설정된 제1 가중치를 부여하여 제1 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 길어진 것으로 확인되면, 상기 제1 콘텐츠에서 길어진 영상의 길이에 상기 제1 가중치를 부여하여 상기 제1 설정값을 산출하는 단계; 상기 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 제품 촬영의 이미지 수에 미리 설정된 제2 가중치를 부여하여 제2 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 제품 촬영의 이미지 수에 상기 제2 가중치를 부여하여 상기 제2 설정값을 산출하는 단계; 상기 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 자막의 글자 수에 미리 설정된 제3 가중치를 부여하여 제3 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 자막의 글자 수에 상기 제3 가중치를 부여하여 상기 제3 설정값을 산출하는 단계; 상기 타겟 가격, 상기 제1 설정값, 상기 제2 설정값 및 상기 제3 설정값을 합산한 가격을 기반으로, 변경 요청된 상기 제1 콘텐츠에 대한 견적서를 생성하는 단계; 및 상기 제1 콘텐츠에 대한 견적서를 상기 담당자 단말로 전송하는 단계를 더 포함할 수 있다.The method of generating a plan and estimate for customized content using the artificial intelligence model includes: receiving a change request for the first content from the person in charge terminal after transmitting a planning strategy for the first content; Confirming the length of the video to be changed in the first content, the number of images of the product shot, and the number of characters of the subtitle through the change request; If it is confirmed that the length of the video to be changed in the first content is shortened, a first setting value is calculated by applying a preset first weight to the length of the video shortened in the first content, and the first setting value is calculated. When it is confirmed that the length of the video to be changed is longer, calculating the first setting value by applying the first weight to the length of the video that has become longer in the first content; If it is confirmed that the number of images of product shots to be changed in the first content has decreased, a preset second weight is applied to the number of images of product shots that have decreased in the first content to calculate a second set value, and the first content When it is confirmed that the number of images of product shots to be changed has increased, calculating the second setting value by applying the second weight to the increased number of images of product shots in the first content; If it is confirmed that the number of characters of the subtitle to be changed in the first content has decreased, a third setting value is calculated by applying a preset third weight to the number of characters of the subtitle decreased in the first content, and the change in the first content is calculated. When it is confirmed that the number of characters of the subtitle to be added has increased, calculating the third setting value by applying the third weight to the increased number of characters of the subtitle in the first content; generating a quotation for the first content for which a change has been requested based on a price that is a sum of the target price, the first setting value, the second setting value, and the third setting value; And it may further include transmitting a quotation for the first content to the person in charge terminal.

상기 제2 설정값을 산출하는 단계는, 상기 제1 콘텐츠에서 변경하고자 하는 제품 단독 촬영의 이미지 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 제품 단독 촬영의 이미지 수에 미리 설정된 제4 가중치를 부여하여 제2-1 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 제품 단독 촬영의 이미지 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 제품 단독 촬영의 이미지 수에 상기 제4 가중치를 부여하여 상기 제2-1 설정값을 산출하는 단계; 상기 제1 콘텐츠에서 변경하고자 하는 모델 착용 제품 촬영의 이미지 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 모델 착용 제품 촬영의 이미지 수에 미리 설정된 제5 가중치를 부여하여 제2-2 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 모델 착용 제품 촬영의 이미지 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 모델 착용 제품 촬영의 이미지 수에 상기 제5 가중치를 부여하여 상기 제2-2 설정값을 산출하는 단계; 상기 제1 콘텐츠에서 변경하고자 하는 보정 작업이 필요한 이미지 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 보정 작업 필요 이미지 수에 미리 설정된 제6 가중치를 부여하여 제2-3 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 보정 작업이 필요한 이미지 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 보정 작업 필요 이미지 수에 상기 제6 가중치를 부여하여 제2-3 설정값을 산출하는 단계; 및 상기 제2-1 설정값, 상기 제2-2 설정값 및 상기 제2-3 설정값을 합산하여, 상기 제2 설정값을 산출하는 단계를 포함할 수 있다.In the step of calculating the second setting value, when it is confirmed that the number of images of product-only shots to be changed in the first content has decreased, a preset fourth weight is assigned to the number of images of product-only shots that have decreased in the first content. Calculate the 2-1 setting value, and if it is confirmed that the number of images of product-only shots to be changed in the first content has increased, the fourth weight is given to the number of images of product-only shots that have increased in the first content Calculating the 2-1 set value; If it is confirmed that the number of images of the product photographed by the model to be changed in the first content has decreased, a preset fifth weight is applied to the number of images of the product photographed by the model worn by the decrease in the first content to calculate the 2-2 setting value. And, if it is confirmed that the number of images of the product photographed by the model to be changed in the first content has increased, the fifth weight is assigned to the number of images of the product photographed by the model worn by the increase in the first content to set the 2-2 setting value. Calculating; When it is confirmed that the number of images requiring correction work to be changed in the first content has decreased, a preset sixth weight is applied to the number of images requiring correction work reduced in the first content to calculate a 2-3 set value, When it is confirmed that the number of images requiring correction work to be changed in the first content has increased, calculating a 2-3 setting value by applying the sixth weight to the increased number of images requiring correction work in the first content; And it may include calculating the second set value by adding up the 2-1 set value, the 2-2 set value, and the 2-3 set value.

일실시예에 따르면, 제1 기업의 담당자 단말로부터 맞춤형 콘텐츠의 기획 요청을 수신하고, 기획 요청을 통해 제1 기업의 니즈를 분석하고, 제1 기업의 니즈에 대한 분석 결과를 제1 인공 신경망에 적용하여, 제1 인공 신경망의 출력을 기초로, 제1 기업에게 적합한 콘텐츠의 종류를 선정하고, 제1 기업에게 제1 종류의 콘텐츠가 적합한 것으로 선정되면, 제1 기업 정보를 기초로, 제1 종류의 콘텐츠를 제작하는데 있어 제1 기업에게 적합한 타겟 가격 및 타겟 퀄리티를 설정하고, 제1 종류의 콘텐츠, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 제2 인공 신경망에 적용하여, 제2 인공 신경망의 출력을 기초로, 제1 콘텐츠에 대한 기획 전략을 생성하고, 제1 콘텐츠에 대한 기획 전략을 담당자 단말로 전송함으로써, 기업 맞춤형 콘텐츠에 대한 기획 전략을 제시할 수 있는 효과가 있다.According to one embodiment, a request for planning customized content is received from a terminal in charge of the first company, the needs of the first company are analyzed through the planning request, and the results of the analysis of the needs of the first company are transmitted to the first artificial neural network. In application, based on the output of the first artificial neural network, a type of content suitable for the first company is selected, and if the first type of content is selected as suitable for the first company, based on the first company information, the first type of content is selected as suitable for the first company. In producing a type of content, a target price and target quality appropriate for the first company are set, and the analysis results of the first type of content, target price, and target quality are applied to the second artificial neural network, and the second artificial neural network Based on the output, a planning strategy for the first content is generated, and the planning strategy for the first content is transmitted to the terminal in charge, thereby providing the effect of presenting a planning strategy for corporate customized content.

한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.Meanwhile, the effects according to the embodiments are not limited to those mentioned above, and other effects not mentioned can be clearly understood by those skilled in the art from the description below.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 콘텐츠에 대한 기획 전략을 생성하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 콘텐츠에 대한 견적서를 생성하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 제2 설정값을 산출하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 콘텐츠에 대한 프로모션 전략을 생성하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.
도 7은 일실시예에 따른 장치의 구성의 예시도이다.1 is a diagram schematically showing the configuration of a system according to an embodiment.
Figure 2 is a flowchart for explaining the process of creating a planning strategy for content according to an embodiment.
Figure 3 is a flowchart for explaining the process of generating an estimate for content according to an embodiment.
Figure 4 is a flowchart for explaining the process of calculating the second set value according to one embodiment.
Figure 5 is a flowchart for explaining the process of creating a promotion strategy for content according to an embodiment.
Figure 6 is a diagram for explaining learning of an artificial neural network according to an embodiment.
Figure 7 is an exemplary diagram of the configuration of a device according to an embodiment.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.Hereinafter, embodiments will be described in detail with reference to the attached drawings. However, various changes can be made to the embodiments, so the scope of the patent application is not limited or limited by these embodiments. It should be understood that all changes, equivalents, or substitutes for the embodiments are included in the scope of rights.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.Specific structural or functional descriptions of the embodiments are disclosed for illustrative purposes only and may be modified and implemented in various forms. Accordingly, the embodiments are not limited to the specific disclosed form, and the scope of the present specification includes changes, equivalents, or substitutes included in the technical spirit.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Terms such as first or second may be used to describe various components, but these terms should be interpreted only for the purpose of distinguishing one component from another component. For example, a first component may be named a second component, and similarly, the second component may also be named a first component.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.When a component is referred to as being “connected” to another component, it should be understood that it may be directly connected or connected to the other component, but that other components may exist in between.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 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 않는 것으로 이해되어야 한다.The terms used in the examples are for descriptive purposes only and should not be construed as limiting. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this specification, terms such as “comprise” or “have” are intended to designate the presence of features, numbers, steps, operations, components, parts, or combinations thereof described in the specification, but are not intended to indicate the presence of one or more other features. It should be understood that this does not exclude in advance the possibility of the existence or addition of elements, numbers, steps, operations, components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as generally understood by a person of ordinary skill in the technical field to which the embodiments belong. Terms defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related technology, and unless explicitly defined in the present application, should not be interpreted in an ideal or excessively formal sense. No.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In addition, when describing with reference to the accompanying drawings, identical components will be assigned the same reference numerals regardless of the reference numerals, and overlapping descriptions thereof will be omitted. In describing the embodiments, if it is determined that detailed descriptions of related known technologies may unnecessarily obscure the gist of the embodiments, the detailed descriptions are omitted.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다. Embodiments may be implemented in various types of products such as personal computers, laptop computers, tablet computers, smart phones, televisions, smart home appliances, intelligent vehicles, kiosks, and wearable devices.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.1 is a diagram schematically showing the configuration of a system according to an embodiment.

도 1을 참조하면, 일실시예에 따른 시스템은 담당자 단말(100) 및 장치(200)를 포함할 수 있다.Referring to FIG. 1, the system according to one embodiment may include a staff terminal 100 and a device 200.

먼저, 담당자 단말(100)과 장치(200)는 통신망을 통해 연결될 수 있으며, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성되어, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.First, the staff terminal 100 and the device 200 can be connected through a communication network, and the communication network is configured regardless of the communication mode, such as wired or wireless, so that communication between servers and between servers and terminals is performed. It can be implemented in various forms.

담당자 단말(100)은 기업에 소속되어 있는 기업 담당자가 사용하는 단말로, 제1 기업을 관리하는 담당자가 사용하는 단말을 의미할 수 있다.The person in charge terminal 100 is a terminal used by a person in charge of a company belonging to a company, and may refer to a terminal used by a person in charge of managing the first company.

담당자 단말(100)은 통신 기능을 갖춘 연산 장치로 구현될 수 있으며, 예를 들면, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다.The staff terminal 100 may be implemented as an arithmetic device with a communication function, and may be implemented as, for example, a mobile phone, desktop PC, laptop PC, tablet PC, smartphone, etc., but is not limited thereto. It can also be implemented as various types of communication devices that can be connected to a server.

담당자 단말(100)은 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 페이지에 접속되거나, 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 담당자 단말(100)은 웹 페이지 또는 애플리케이션을 통해 장치(200)와 연동될 수 있다.The staff terminal 100 is connected to a web page operated by a person or organization providing services using the device 200, or an application developed and distributed by a person or organization providing services using the device 200. Can be installed. The staff terminal 100 may be linked to the device 200 through a web page or application.

담당자 단말(100)은 장치(200)에서 제공하는 웹 페이지, 애플리케이션을 등을 통해 장치(200)로 접속할 수 있다.The staff terminal 100 can access the device 200 through a web page or application provided by the device 200.

장치(200)는 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(200)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(200)는 추론 기능을 수행하는 적어도 하나 이상의 인공 신경망을 구비할 수 있다. 장치(200)는 담당자 단말(100)과 유무선으로 통신하도록 구성될 수 있다.The device 200 may be its own server owned by a person or organization that provides services using the device 200, a cloud server, or a p2p (peer-to-peer) set of distributed nodes. It may be possible. The device 200 may be configured to perform all or part of the calculation function, storage/reference function, input/output function, and control function of a typical computer. The device 200 may include at least one artificial neural network that performs an inference function. The device 200 may be configured to communicate with the staff terminal 100 wired or wirelessly.

한편, 설명의 편의를 위해 도 1에서는 담당자 단말(100) 만을 도시하였으나, 단말의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(200)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.Meanwhile, for convenience of explanation, only the person in charge terminal 100 is shown in FIG. 1, but the number of terminals may vary depending on the embodiment. As long as the processing capacity of the device 200 allows, the number of terminals is not particularly limited.

도 2는 일실시예에 따른 콘텐츠에 대한 기획 전략을 생성하는 과정을 설명하기 위한 순서도이다.Figure 2 is a flowchart for explaining the process of creating a planning strategy for content according to an embodiment.

도 2를 참조하면, 먼저, S201 단계에서, 장치(200)는 제1 기업의 담당자 단말(100)로부터 맞춤형 콘텐츠의 기획 요청을 수신할 수 있다.Referring to Figure 2, first, in step S201, the device 200 may receive a request for planning customized content from the representative terminal 100 of the first company.

구체적으로, 장치(200)는 담당자 단말(100)로부터 제1 기업의 담당자 계정을 통한 로그인 요청을 수신할 수 있다. 여기서, 제1 기업의 담당자 계정은 제1 기업의 담당자가 사용하는 계정이다. 즉, 담당자 단말(100)에 제1 기업의 담당자 계정의 아이디 및 비밀번호가 입력되면, 장치(200)는 담당자 단말(100)로부터 제1 기업의 담당자 계정을 통한 로그인 요청을 수신할 수 있다.Specifically, the device 200 may receive a login request through the representative's account of the first company from the representative's terminal 100. Here, the first company's representative account is an account used by the first company's representative. That is, when the ID and password of the representative's account of the first company are entered into the representative's terminal 100, the device 200 can receive a login request through the representative's account of the first company from the representative's terminal 100.

이후, 담당자 단말(100)에서 맞춤형 콘텐츠의 기획 요청 메뉴가 선택되면, 장치(200)는 맞춤형 콘텐츠의 기획 요청 페이지를 담당자 단말(100)로 제공할 수 있다. 여기서, 맞춤형 콘텐츠의 기획 요청 페이지는 사업 분야, 콘텐츠 활용 용도, 예산, 선호하는 콘텐츠 스타일, 선호하지 않는 콘텐츠 스타일 등을 항목 별로 입력하기 위한 인터페이스를 포함할 수 있다.Thereafter, when the custom content planning request menu is selected on the person in charge terminal 100, the device 200 may provide a plan request page for customized content to the person in charge terminal 100. Here, the custom content planning request page may include an interface for inputting items such as business field, content usage purpose, budget, preferred content style, and non-preferred content style.

S202 단계에서, 장치(200)는 기획 요청을 통해 제1 기업의 니즈를 분석할 수 있다. 즉, 장치(200)는 맞춤형 콘텐츠의 기획 요청 페이지에 입력된 정보를 이용하여, 제1 기업의 니즈를 분석할 수 있다. 이때, 장치(200)는 제1 기업의 니즈를 분석하여, 제1 기업의 니즈에 대한 분석 결과를 생성할 수 있다. 여기서, 제1 기업의 니즈에 대한 분석 결과는 사업 분야, 콘텐츠 활용 용도, 예산, 선호하는 콘텐츠 스타일, 선호하지 않는 콘텐츠 스타일 등의 항목 별로 입력된 정보를 포함할 수 있다.In step S202, the device 200 may analyze the needs of the first company through a planning request. That is, the device 200 can analyze the needs of the first company using the information entered into the customized content planning request page. At this time, the device 200 may analyze the needs of the first company and generate an analysis result of the needs of the first company. Here, the analysis result of the needs of the first company may include information entered for each item such as business field, content usage purpose, budget, preferred content style, and non-preferred content style.

S203 단계에서, 장치(200)는 제1 기업의 니즈에 대한 분석 결과를 미리 학습된 제1 인공 신경망에 적용할 수 있다. In step S203, the device 200 may apply the analysis result of the needs of the first company to the first artificial neural network that has been trained in advance.

일실시예에 따르면, 제1 인공 신경망은 기업의 니즈에 대한 분석 결과를 입력 받은 후, 기업에게 적합한 콘텐츠의 종류를 분석하여 출력하는 알고리즘일 수 있다. 예를 들어, 제1 기업의 사업 분야가 가전이고, 콘텐츠 활용 용도가 이벤트 홍보이고, 선호하는 콘텐츠 스타일이 트렌드한 것이고, 선호하지 않는 콘텐츠 스타일이 감성적인 것인 경우, 제1 인공 신경망은 (가전 분야, 이벤트 홍보, 트렌드 선호, 감성적 비선호)를 입력으로 받아, 가전 분야에서 이벤트를 홍보할 때 트렌드한 것이 반영되면서 감성적인 것이 반영되지 않는 콘텐츠의 종류인 제1 종류를 선정하고 제1 종류를 출력할 수 있다. 여기서, 콘텐츠의 종류는 홍보 영상, SNS 광고 영상, 숏폼 영상, 홈페이지, 블로그 게시물 등으로 구분될 수 있다.According to one embodiment, the first artificial neural network may be an algorithm that receives an analysis result of the company's needs and then analyzes and outputs the type of content suitable for the company. For example, if the business field of the first company is home appliances, the purpose of content utilization is event promotion, the preferred content style is trendy, and the non-preferred content style is emotional, the first artificial neural network is (home appliance field, event promotion, trend preference, emotional non-preference) as input, select the first type, which is a type of content that reflects what is trendy but does not reflect emotional content when promoting an event in the home appliance field, and output the first type can do. Here, the types of content can be divided into promotional videos, SNS advertising videos, short-form videos, homepages, blog posts, etc.

S204 단계에서, 장치(200)는 제1 인공 신경망의 출력을 기초로, 제1 기업에게 적합한 콘텐츠의 종류를 선정할 수 있다. In step S204, the device 200 may select a type of content suitable for the first company based on the output of the first artificial neural network.

일실시예에 따르면, 제1 인공 신경망은 기업의 니즈에 대한 분석 결과를 통해, 기업에게 적합한 콘텐츠의 종류를 분석하도록 학습될 수 있다. 제1 인공 신경망은 도 6을 참조하여 후술되는 방법을 통해 학습될 수 있다. 이를 통해, 제1 인공 신경망은 기업의 니즈를 고려하여, 기업에게 적합한 콘텐츠의 종류를 분석하여 출력할 수 있다.According to one embodiment, the first artificial neural network may be trained to analyze the type of content suitable for the company through analysis results of the company's needs. The first artificial neural network can be learned through a method described later with reference to FIG. 6. Through this, the first artificial neural network can analyze and output the type of content suitable for the company, taking into account the needs of the company.

S205 단계에서, 장치(200)는 제1 기업에게 제1 종류의 콘텐츠가 적합한 것으로 선정되면, 제1 기업 정보를 기초로, 제1 종류의 콘텐츠를 제작하는데 있어, 제1 기업에게 적합한 타겟 가격 및 타겟 퀄리티를 설정할 수 있다.In step S205, if the first type of content is selected as suitable for the first company, the device 200 produces the first type of content based on the first company information, and provides a target price and a target price suitable for the first company. You can set target quality.

이를 위해, 장치(200)의 데이터베이스에는 기업 별로 구분되어 있는 기업 정보가 저장되어 있으며, 기업 정보는 기업의 직원 수, 연매출, 영업이익 등에 대한 정보를 포함할 수 있다. 장치(200)는 제1 기업에게 제1 종류의 콘텐츠가 적합한 것으로 선정되면, 데이터베이스로부터 제1 기업 정보를 획득할 수 있으며, 획득된 제1 기업 정보를 기초로, 제1 종류의 콘텐츠를 제작할 때, 제1 기업의 직원 수 연매출, 영업이익 등을 고려하여, 제1 기업에게 적합한 타겟 가격 및 타겟 퀄리티를 설정할 수 있다.To this end, the database of the device 200 stores company information classified by company, and the company information may include information on the number of employees, annual sales, operating profit, etc. of the company. If the first type of content is selected as suitable for the first company, the device 200 may obtain the first company information from the database and produce the first type of content based on the obtained first company information. , considering the number of employees, annual sales, operating profit, etc. of the first company, a target price and target quality suitable for the first company can be set.

예를 들어, 장치(200)는 제1 기업에게 20초짜리 숏폼 영상이 적합한 것으로 선정된 경우, 제1 기업 정보를 기초로, 제1 기업의 직원 수, 연매출, 영업 이익 등을 확인한 결과, 제1 기업이 규모가 큰 대기업으로 판단되면, 제1 기업에게 적합한 타겟 퀄리티를 상급으로 설정하고, 상급의 퀄리티에 대응하여 타겟 가격을 고가로 설정할 수 있다.For example, when a 20-second short-form video is selected as suitable for the first company, the device 200 determines the number of employees, annual sales, operating profit, etc. of the first company based on the first company information. 1 If the company is judged to be a large company, the target quality appropriate for the first company can be set to high, and the target price can be set high in response to the high quality.

또한, 장치(200)는 제1 기업에게 20초짜리 숏폼 영상이 적합한 것으로 선정된 경우, 제1 기업 정보를 기초로, 제1 기업의 직원 수, 연매출, 영업 이익 등을 확인한 결과, 제1 기업이 규모가 작은 중소기업으로 판단되면, 제1 기업에게 적합한 타겟 퀄리티를 하급으로 설정하고, 하급의 퀄리티에 대응하여 타겟 가격을 저가로 설정할 수 있다.In addition, when a 20-second short-form video is selected as suitable for the first company, the device 200 checks the number of employees, annual sales, operating profit, etc. of the first company based on the first company information, and determines that the first company If it is determined to be a small or medium-sized business, the target quality suitable for the first company can be set to low level, and the target price can be set to low in response to the low level quality.

S206 단계에서, 장치(200)는 제1 종류의 콘텐츠, 타겟 가격 및 타겟 퀄리티를 분석하고, 제1 종류의 콘텐츠, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 미리 학습된 제2 인공 신경망에 적용할 수 있다.In step S206, the device 200 analyzes the first type of content, target price, and target quality, and applies the analysis results of the first type of content, target price, and target quality to a pre-trained second artificial neural network. You can.

일실시예에 따르면, 제2 인공 신경망은 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 입력 받은 후, 콘텐츠에 대한 기획 전략을 출력하는 알고리즘일 수 있다. 예를 들어, 콘텐츠의 종류가 숏폼 영상이고, 타겟 가격이 100만원이고, 타겟 퀄리티가 중급인 경우, 제2 인공 신경망은 (숏폼 영상, 100만원, 중급)을 입력으로 받아, 100만원으로 제작 가능한 중급 퀄리티의 숏폼 영상을 제1 콘텐츠로 선정하고 제1 콘텐츠에 대한 기획 전략을 출력할 수 있다.According to one embodiment, the second artificial neural network may be an algorithm that receives analysis results on the type of content, target price, and target quality, and then outputs a planning strategy for the content. For example, if the type of content is a short-form video, the target price is 1 million won, and the target quality is intermediate, the second artificial neural network receives (short-form video, 1 million won, intermediate) as input, and produces a video that can be produced for 1 million won. You can select a short-form video of intermediate quality as the first content and output a planning strategy for the first content.

S207 단계에서, 장치(200)는 제2 인공 신경망의 출력을 기초로, 제1 콘텐츠에 대한 기획 전략을 생성할 수 있다. 여기서, 제1 콘텐츠에 대한 기획 전략은 제1 콘텐츠를 어떠한 방식으로 기획하여 제작할 것인지에 대한 전략을 포함할 수 있다.In step S207, the device 200 may generate a planning strategy for the first content based on the output of the second artificial neural network. Here, the planning strategy for the first content may include a strategy for how to plan and produce the first content.

일실시예에 따르면, 제2 인공 신경망은 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 통해, 어느 콘텐츠를 어떠한 방식으로 기획할 것인지 분석하도록 학습될 수 있다. 제2 인공 신경망은 도 6을 참조하여 후술되는 방법을 통해 학습될 수 있다. 이를 통해, 제2 인공 신경망은 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티를 고려하여, 기업에게 적합한 콘텐츠에 대한 기획 전략을 분석하여 출력할 수 있다.According to one embodiment, the second artificial neural network may be trained to analyze which content to plan and in what manner through analysis results of the type of content, target price, and target quality. The second artificial neural network can be learned through a method described later with reference to FIG. 6. Through this, the second artificial neural network can analyze and output a planning strategy for content suitable for the company, considering the type of content, target price, and target quality.

S208 단계에서, 장치(200)는 제1 콘텐츠에 대한 기획 전략을 담당자 단말(100)로 전송할 수 있다.In step S208, the device 200 may transmit a planning strategy for the first content to the person in charge terminal 100.

도 3은 일실시예에 따른 콘텐츠에 대한 견적서를 생성하는 과정을 설명하기 위한 순서도이다.Figure 3 is a flowchart for explaining the process of generating an estimate for content according to an embodiment.

도 3을 참조하면, 먼저, S301 단계에서, 장치(200)는 제1 콘텐츠에 대한 기획 전략을 담당자 단말(100)로 전송한 이후, 담당자 단말(100)로부터 제1 콘텐츠의 변경 요청을 수신할 수 있다.Referring to FIG. 3, first, in step S301, the device 200 transmits a planning strategy for the first content to the person in charge terminal 100 and then receives a change request for the first content from the person in charge terminal 100. You can.

구체적으로, 제1 콘텐츠에 대한 기획 전략은 타겟 가격에 따라 설정되어 있는 영상의 길이, 제품 촬영의 이미지 수 및 자막의 글자 수에 대한 정보를 포함하고 있다. 제1 콘텐츠에 대한 기획 전략을 확인한 담당자에 의해, 영상의 길이, 제품 촬영의 이미지 수 및 자막의 글자 수에 대한 변경이 요청되면, 장치(200)는 담당자 단말(100)로부터 제1 콘텐츠의 변경 요청을 수신할 수 있다. 여기서, 제1 콘텐츠의 변경 요청은 제1 콘텐츠에 미리 설정되어 있는 영상의 길이를 짧게 또는 길게 변경시킬 것인지에 대한 설정 정보, 제1 콘텐츠에 미리 설정되어 있는 제품 촬영의 이미지 수를 감소 또는 증가시킬 것인지에 대한 설정 정보, 제1 콘텐츠에 미리 설정되어 있는 자막의 글자 수를 감소 또는 증가시킬 것인지에 대한 설정 정보를 포함할 수 있다.Specifically, the planning strategy for the first content includes information on the length of the video set according to the target price, the number of images of the product shot, and the number of characters of the subtitle. When changes to the length of the video, the number of images of product shots, and the number of characters of the subtitle are requested by the person in charge who confirmed the planning strategy for the first content, the device 200 receives the change of the first content from the person in charge terminal 100. Requests can be received. Here, the change request for the first content includes setting information on whether to shorten or lengthen the length of the video preset in the first content, and whether to decrease or increase the number of product shooting images preset in the first content. It may include setting information about whether to reduce or increase the number of characters of the subtitle preset in the first content.

S302 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 변경하고자 하는 영상의 길이, 제품 촬영의 이미지 수 및 자막의 글자 수를 확인할 수 있다.In step S302, the device 200 may check the length of the video to be changed in the first content, the number of images of the product shot, and the number of characters of the subtitle through a change request for the first content.

예를 들어, 제1 콘텐츠에 대한 영상의 길이가 20초, 제품 촬영의 이미지 수가 10컷, 자막의 글자 수가 100개로 설정되어 있는 경우, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 영상의 길이가 20초에서 얼마나 많이 짧아지거나 또는 얼마나 많이 길어졌는지 확인할 수 있으며, 제품 촬영의 이미지 수가 10컷에서 얼마나 많이 감소하거나 또는 얼마나 많이 증가하였는지 확인할 수 있으며, 자막의 글자 수가 100개에서 얼마나 많이 감소하거나 얼마나 많이 증가하였는지 확인할 수 있다.For example, if the length of the video for the first content is set to 20 seconds, the number of images for product shooting is set to 10, and the number of characters for the subtitle is set to 100, the device 200 changes the video by requesting a change to the first content. You can see how much the length of is shortened or lengthened from 20 seconds, how much the number of images in a product shot has decreased or increased from 10 shots, and how much the number of characters in a subtitle has decreased from 100. Or you can check how much it has increased.

S303 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 영상의 길이가 변경 요청되었는지 여부를 확인할 수 있다.In step S303, the device 200 may check whether the length of the video in the first content has been requested to be changed through the change request for the first content.

S303 단계에서 영상의 길이가 변경 요청된 것으로 확인되면, S306 단계에서, 장치(200)는 변경된 영상의 길이에 제1 가중치를 부여하여 제1 설정값을 산출할 수 있다. 여기서, 제1 가중치는 실시예에 따라 상이하게 설정될 수 있다.If it is confirmed that the length of the video has been requested to be changed in step S303, the device 200 may calculate a first setting value by assigning a first weight to the length of the changed video in step S306. Here, the first weight may be set differently depending on the embodiment.

구체적으로, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 짧아진 것으로 확인되면, 제1 콘텐츠에서 짧아진 영상의 길이에 제1 가중치를 부여하여 제1 설정값을 산출할 수 있으며, 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 길어진 것으로 확인되면, 제1 콘텐츠에서 길어진 영상의 길이에 제1 가중치를 부여하여 제1 설정값을 산출할 수 있다.Specifically, when it is confirmed that the length of the video to be changed in the first content is shortened, the device 200 may calculate a first setting value by assigning a first weight to the length of the video shortened in the first content, , if it is confirmed that the length of the video to be changed in the first content has become longer, the first setting value can be calculated by assigning a first weight to the length of the video that has become longer in the first content.

예를 들어, 제1 콘텐츠에 대한 영상의 길이가 20초로 설정되어 있었는데, 제1 콘텐츠의 변경 요청을 통해 제1 콘텐츠에 대한 영상의 길이가 15초로 변경 요청된 경우, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 5초 짧아진 것으로 확인할 수 있으며, 변경된 영상의 길이가 5초 짧아졌으므로, 변경된 영상의 길이를 -5로 설정하고, 제1 가중치가 100,000으로 설정되어 있으면, -5와 100,000을 곱한 값을 통해, 제1 설정값을 -500,000으로 산출할 수 있다.For example, if the length of the video for the first content is set to 20 seconds, and the length of the video for the first content is requested to be changed to 15 seconds through a change request for the first content, the device 200 In the content, you can see that the length of the video you want to change has become shorter by 5 seconds. Since the length of the changed video has become shorter by 5 seconds, the length of the changed video is set to -5, and the first weight is set to 100,000 - By multiplying 5 and 100,000, the first set value can be calculated as -500,000.

또한, 제1 콘텐츠에 대한 영상의 길이가 20초로 설정되어 있었는데, 제1 콘텐츠의 변경 요청을 통해 제1 콘텐츠에 대한 영상의 길이가 30초로 변경 요청된 경우, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 10초 길어진 것으로 확인할 수 있으며, 변경된 영상의 길이가 10초 길어졌으므로, 변경된 영상의 길이를 10으로 설정하고, 제1 가중치가 100,000으로 설정되어 있으면, 10과 100,000을 곱한 값을 통해, 제1 설정값을 1,000,000으로 산출할 수 있다.In addition, the length of the video for the first content was set to 20 seconds, and when the length of the video for the first content was requested to be changed to 30 seconds through a change request for the first content, the device 200 changed the video length from the first content to 30 seconds. You can see that the length of the video you want to change has become 10 seconds longer. Since the length of the changed video has become 10 seconds longer, the length of the changed video is set to 10, and if the first weight is set to 100,000, multiply 10 by 100,000. Through the value, the first set value can be calculated as 1,000,000.

S303 단계에서 영상의 길이가 변경 요청되지 않은 것으로 확인되면, S309 단계에서, 장치(200)는 제1 설정값을 0으로 설정할 수 있다.If it is confirmed in step S303 that the length of the video has not been requested to be changed, the device 200 may set the first setting value to 0 in step S309.

한편, S304 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 제품 촬영의 이미지 수가 변경 요청되었는지 여부를 확인할 수 있다.Meanwhile, in step S304, the device 200 may check whether a change in the number of images for product photography in the first content has been requested through a change request for the first content.

S304 단계에서 제품 촬영의 이미지 수가 변경 요청된 것으로 확인되면, S307 단계에서, 장치(200)는 변경된 이미지 수에 제2 가중치를 부여하여 제2 설정값을 산출할 수 있다. 여기서, 제2 가중치는 실시예에 따라 상이하게 설정될 수 있다.If it is confirmed in step S304 that the number of images for product photography has been requested to be changed, in step S307, the device 200 may calculate a second setting value by assigning a second weight to the changed number of images. Here, the second weight may be set differently depending on the embodiment.

구체적으로, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 감소한 것으로 확인되면, 제1 콘텐츠에서 감소한 제품 촬영의 이미지 수에 제2 가중치를 부여하여 제2 설정값을 산출할 수 있으며, 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 증가한 것으로 확인되면, 제1 콘텐츠에서 증가한 제품 촬영의 이미지 수에 제2 가중치를 부여하여 제2 설정값을 산출할 수 있다.Specifically, when it is confirmed that the number of images of product shots to be changed in the first content has decreased, the device 200 may calculate a second setting value by assigning a second weight to the number of images of product shots that have decreased in the first content. In addition, if it is confirmed that the number of images of product shots to be changed in the first content has increased, a second setting value can be calculated by assigning a second weight to the number of images of product shots that have increased in the first content.

예를 들어, 제1 콘텐츠에 대한 제품 촬영의 이미지 수가 10컷으로 설정되어 있었는데, 제1 콘텐츠의 변경 요청을 통해 제1 콘텐츠에 대한 제품 촬영의 이미지 수가 5컷으로 변경 요청된 경우, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 5컷 감소된 것으로 확인할 수 있으며, 변경된 이미지 수가 5컷 감소하였으므로, 변경된 이미지 수를 -5로 설정하고, 제2 가중치가 10,000으로 설정되어 있으면, -5와 10,000을 곱한 값을 통해, 제2 설정값을 -50,000으로 산출할 수 있다.For example, if the number of images for product photography for the first content was set to 10 cuts, and the number of images for product photography for the first content was requested to be changed to 5 cuts through a change request for the first content, the device (200 ) can be confirmed that the number of images of the product shot to be changed in the first content has been reduced by 5, and since the number of changed images has been reduced by 5, the number of changed images is set to -5, and the second weight is set to 10,000. , the second set value can be calculated as -50,000 by multiplying -5 and 10,000.

또한, 제1 콘텐츠에 대한 제품 촬영의 이미지 수가 10컷으로 설정되어 있었는데, 제1 콘텐츠의 변경 요청을 통해 제1 콘텐츠에 대한 제품 촬영의 이미지 수가 20컷으로 변경 요청된 경우, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 10컷 증가된 것으로 확인할 수 있으며, 변경된 이미지 수가 10컷 증가하였으므로, 변경된 이미지 수를 10으로 설정하고, 제2 가중치가 10,000으로 설정되어 있으면, 10과 10,000을 곱한 값을 통해, 제2 설정값을 100,000으로 산출할 수 있다.In addition, when the number of images for product photography for the first content is set to 10 cuts, and the number of images for product photography for the first content is requested to be changed to 20 cuts through a change request for the first content, the device 200 In the first content, you can see that the number of images of the product shot you want to change has increased by 10, and since the number of changed images has increased by 10, the number of changed images is set to 10, and if the second weight is set to 10,000, 10 and By multiplying the value by 10,000, the second set value can be calculated as 100,000.

S304 단계에서 제품 촬영의 이미지 수가 변경 요청되지 않은 것으로 확인되면, S310 단계에서, 장치(200)는 제2 설정값을 0으로 설정할 수 있다.If it is confirmed in step S304 that the number of images for product photography has not been requested to be changed, the device 200 may set the second setting value to 0 in step S310.

한편, S305 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 자막의 글자 수가 변경 요청되었는지 여부를 확인할 수 있다.Meanwhile, in step S305, the device 200 can check whether a change in the number of characters of the subtitle in the first content has been requested through a change request for the first content.

S305 단계에서 자막의 글자 수가 변경 요청된 것으로 확인되면, S308 단계에서, 장치(200)는 변경된 글자 수에 제3 가중치를 부여하여 제3 설정값을 산출할 수 있다. 여기서, 제3 가중치는 실시예에 따라 상이하게 설정될 수 있다.If it is confirmed in step S305 that the number of characters in the subtitle has been requested to be changed, in step S308, the device 200 may calculate a third setting value by applying a third weight to the changed number of characters. Here, the third weight may be set differently depending on the embodiment.

구체적으로, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 감소한 것으로 확인되면, 제1 콘텐츠에서 감소한 자막의 글자 수에 제3 가중치를 부여하여 제3 설정값을 산출할 수 있으며, 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 증가한 것으로 확인되면, 제1 콘텐츠에서 증가한 자막의 글자 수에 제3 가중치를 부여하여 제3 설정값을 산출할 수 있다.Specifically, when it is confirmed that the number of characters of the subtitle to be changed in the first content has decreased, the device 200 may calculate a third setting value by assigning a third weight to the number of characters of the subtitle that has been reduced in the first content, If it is confirmed that the number of characters of the subtitle to be changed in the first content has increased, a third setting value can be calculated by assigning a third weight to the number of characters of the subtitle that has increased in the first content.

예를 들어, 제1 콘텐츠에 대한 자막의 글자 수가 100개로 설정되어 있었는데, 제1 콘텐츠의 변경 요청을 통해 제1 콘텐츠에 대한 자막의 글자 수가 80개로 변경 요청된 경우, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 20개 감소된 것으로 확인할 수 있으며, 변경된 글자 수가 20개 감소하였으므로, 변경된 글자 수를 -20으로 설정하고, 제3 가중치가 100으로 설정되어 있으면, -20과 100을 곱한 값을 통해, 제3 설정값을 -2,000으로 산출할 수 있다.For example, if the number of characters of the subtitle for the first content is set to 100, and a change request for the first content is made to change the number of characters of the subtitle for the first content to 80, the device 200 changes the number of characters to 80. In the content, you can see that the number of characters in the subtitle you want to change has been reduced by 20. Since the number of characters changed has been reduced by 20, the number of changed characters is set to -20, and if the third weight is set to 100, -20 and 100 By multiplying the value, the third set value can be calculated as -2,000.

또한, 제1 콘텐츠에 대한 자막의 글자 수가 100개로 설정되어 있었는데, 제1 콘텐츠의 변경 요청을 통해 제1 콘텐츠에 대한 자막의 글자 수가 130개로 변경 요청된 경우, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 30개 증가된 것으로 확인할 수 있으며, 변경된 글자 수가 30개 증가하였으므로, 변경된 글자 수를 30으로 설정하고, 제3 가중치가 100으로 설정되어 있으면, 30과 100을 곱한 값을 통해, 제3 설정값을 3,000으로 산출할 수 있다.In addition, the number of characters of the subtitle for the first content was set to 100, and when the number of characters of the subtitle for the first content was requested to be changed to 130 through a change request for the first content, the device 200 changed the number of characters in the first content to 130. You can see that the number of characters in the subtitle you want to change has increased by 30. Since the number of changed characters has increased by 30, set the number of changed characters to 30, and if the third weight is set to 100, multiply the value by 30 and 100. Through this, the third set value can be calculated as 3,000.

S305 단계에서 자막의 글자 수가 변경 요청되지 않은 것으로 확인되면, S311 단계에서, 장치(200)는 제3 설정값을 0으로 설정할 수 있다.If it is confirmed in step S305 that the number of characters of the subtitle has not been requested to be changed, the device 200 may set the third setting value to 0 in step S311.

제1 설정값, 제2 설정값 및 제3 설정값이 각각 산출되면, S312 단계에서, 장치(200)는 타겟 가격, 제1 설정값, 제2 설정값 및 제3 설정값을 합산한 가격을 기반으로, 변경 요청된 제1 콘텐츠에 대한 견적서를 생성할 수 있다.When the first set value, the second set value, and the third set value are respectively calculated, in step S312, the device 200 calculates a price that is the sum of the target price, the first set value, the second set value, and the third set value. Based on this, an estimate for the first content for which a change has been requested can be generated.

즉, 장치(200)는 타겟 가격에 따라 설정되어 있는 영상의 길이, 제품 촬영의 이미지 수 및 자막의 글자 수에 대한 정보를 포함하는 제1 콘텐츠에 대한 기획 전략을 제공한 후, 제1 콘텐츠의 변경이 요청되면, 타겟 가격, 제1 설정값, 제2 설정값 및 제3 설정값을 합산한 가격을 기반으로, 변경 요청된 제1 콘텐츠에 대한 견적서를 생성할 수 있다. 여기서, 제1 콘텐츠에 대한 견적서는 최초 제시한 제1 콘텐츠의 가격과 변경 요청으로 수정된 제1 콘텐츠의 가격을 포함할 수 있으며, 최초 제시한 제1 콘텐츠의 가격은 타겟 가격으로 설정되고, 변경 요청으로 수정된 제1 콘텐츠의 가격은 타겟 가격, 제1 설정값, 제2 설정값 및 제3 설정값을 합산한 가격을 통해 설정될 수 있다.That is, the device 200 provides a planning strategy for the first content including information about the length of the video set according to the target price, the number of images of the product shot, and the number of characters of the subtitle, and then provides the planning strategy for the first content. When a change is requested, a quotation for the first content for which a change has been requested may be generated based on a price that is the sum of the target price, the first setting value, the second setting value, and the third setting value. Here, the quotation for the first content may include the price of the first content initially presented and the price of the first content modified by the change request, and the price of the first content initially presented is set as the target price and changed. The price of the first content modified by request may be set through a price that is the sum of the target price, the first set value, the second set value, and the third set value.

S313 단계에서, 장치(200)는 제1 콘텐츠에 대한 견적서를 담당자 단말(100)로 전송할 수 있다.In step S313, the device 200 may transmit a quotation for the first content to the person in charge of the terminal 100.

도 4는 일실시예에 따른 제2 설정값을 산출하는 과정을 설명하기 위한 순서도이다.Figure 4 is a flowchart for explaining the process of calculating the second set value according to one embodiment.

도 4를 참조하면, 먼저, S401 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 제품 촬영의 이미지 수가 변경된 것으로 확인할 수 있다. 이때, 제품 촬영의 이미지 수는 제품 단독 촬영의 이미지 수, 모델 착용 제품 촬영의 이미지 수, 보정 작업이 필요한 이미지 수로 구분될 수 있다. 제품 단독 촬영의 이미지 수는 모델 착용 없이 제품 단독으로 촬영한 컷 수를 의미하고, 모델 착용 제품 촬영의 이미지 수는 모델이 착용하고 있는 상태로 제품을 촬영한 컷 수를 의미하고, 보정 작업이 필요한 이미지 수는 촬영 이후 보정 작업이 필요한 컷 수를 의미할 수 있다.Referring to FIG. 4 , first, in step S401, the device 200 may confirm that the number of images of the product shot in the first content has changed through a change request for the first content. At this time, the number of images from product photography can be divided into the number of images from individual product photography, the number of images from photography of products worn by models, and the number of images requiring correction work. The number of images in product-only shots refers to the number of shots taken with the product alone without the model wearing it, and the number of images in product shots with the model wearing it refers to the number of shots in which the product is shot while the model is wearing it. The number of images may refer to the number of cuts that require correction work after shooting.

이를 위해, 제1 콘텐츠에 대한 기획 전략은 타겟 가격에 따라 설정되어 있는 제품 단독 촬영의 이미지 수, 모델 착용 제품 촬영의 이미지 수, 보정 작업이 필요한 이미지 수에 대한 정보를 포함하고 있다. 제1 콘텐츠에 대한 기획 전략을 확인한 담당자에 의해, 제품 단독 촬영의 이미지 수, 모델 착용 제품 촬영의 이미지 수, 보정 작업이 필요한 이미지 수에 대한 변경이 요청되면, 장치(200)는 담당자 단말(100)로부터 제1 콘텐츠의 변경 요청을 수신할 수 있다.For this purpose, the planning strategy for the first content includes information on the number of images of individual product shots set according to the target price, the number of images of shots of products worn by models, and the number of images requiring correction work. When a change is requested by the person in charge who has confirmed the planning strategy for the first content to the number of images for individual product shots, the number of images for shots of products worn by models, and the number of images requiring correction work, the device 200 is connected to the person in charge terminal 100. ) can receive a change request for the first content from.

S402 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 제품 단독 촬영의 이미지 수가 변경 요청되었는지 여부를 확인할 수 있다.In step S402, the device 200 may check whether a change in the number of images of individual product shots in the first content has been requested through a change request for the first content.

S402 단계에서 제품 단독 촬영의 이미지 수가 변경 요청된 것으로 확인되면, S405 단계에서, 장치(200)는 변경된 이미지 수에 제4 가중치를 부여하여 제2-1 설정값을 산출할 수 있다. 여기서, 제4 가중치는 실시예에 따라 상이하게 설정될 수 있다.If it is confirmed in step S402 that the number of images for individual product photography has been requested to be changed, in step S405, the device 200 may calculate the 2-1 setting value by assigning a fourth weight to the changed number of images. Here, the fourth weight may be set differently depending on the embodiment.

구체적으로, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 제품 단독 촬영의 이미지 수가 감소한 것으로 확인되면, 제1 콘텐츠에서 감소한 제품 단독 촬영의 이미지 수에 제4 가중치를 부여하여 제2-1 설정값을 산출할 수 있으며, 제1 콘텐츠에서 변경하고자 하는 제품 단독 촬영의 이미지 수가 증가한 것으로 확인되면, 제1 콘텐츠에서 증가한 제품 단독 촬영의 이미지 수에 제4 가중치를 부여하여 제2-1 설정값을 산출할 수 있다.Specifically, when the device 200 confirms that the number of images of product-only shots to be changed in the first content has decreased, the device 200 assigns a fourth weight to the number of images of product-only shots that have decreased in the first content to set the 2-1 setting value. can be calculated, and if it is confirmed that the number of images of product-only shots to be changed in the first content has increased, a fourth weight is assigned to the number of images of product-only shots that have increased in the first content to calculate the 2-1 setting value. can do.

S402 단계에서 제품 단독 촬영의 이미지 수가 변경 요청되지 않은 것으로 확인되면, S408 단계에서, 장치(200)는 제2-1 설정값을 0으로 설정할 수 있다.If it is confirmed in step S402 that the number of images for individual product photography has not been requested to be changed, the device 200 may set the 2-1 setting value to 0 in step S408.

한편, S403 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 모델 착용 제품 촬영의 이미지 수가 변경 요청되었는지 여부를 확인할 수 있다.Meanwhile, in step S403, the device 200 may check whether a change in the number of images of the product worn by the model in the first content has been requested through a change request for the first content.

S403 단계에서 모델 착용 제품 촬영의 이미지 수가 변경 요청된 것으로 확인되면, S406 단계에서, 장치(200)는 변경된 이미지 수에 제5 가중치를 부여하여 제2-2 설정값을 산출할 수 있다. 여기서, 제5 가중치는 실시예에 따라 상이하게 설정될 수 있다.If it is confirmed in step S403 that the number of images for photographing the product worn by the model has been requested to be changed, in step S406, the device 200 may calculate the 2-2 setting value by assigning a fifth weight to the changed number of images. Here, the fifth weight may be set differently depending on the embodiment.

구체적으로, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 모델 착용 제품 촬영의 이미지 수가 감소한 것으로 확인되면, 제1 콘텐츠에서 감소한 모델 착용 제품 촬영의 이미지 수에 제5 가중치를 부여하여 제2-2 설정값을 산출할 수 있으며, 제1 콘텐츠에서 변경하고자 하는 모델 착용 제품 촬영의 이미지 수가 증가한 것으로 확인되면, 제1 콘텐츠에서 증가한 모델 착용 제품 촬영의 이미지 수에 제5 가중치를 부여하여 상기 제2-2 설정값을 산출할 수 있다.Specifically, when it is confirmed that the number of images of the product photographed by the model that is to be changed in the first content has decreased, the device 200 assigns a fifth weight to the number of images of the photograph of the product worn by the model that has decreased in the first content to change the number to 2-2. The setting value can be calculated, and if it is confirmed that the number of images of the product photographed by the model to be changed in the first content has increased, a fifth weight is assigned to the number of images of the product photographed by the model worn by the increase in the first content, and the second - 2 Setting values can be calculated.

S403 단계에서 모델 착용 제품 촬영의 이미지 수가 변경 요청되지 않은 것으로 확인되면, S409 단계에서, 장치(200)는 제2-2 설정값을 0으로 설정할 수 있다.If it is confirmed in step S403 that the number of images of the product photographed by the model is not requested to be changed, in step S409, the device 200 may set the 2-2 setting value to 0.

한편, S404 단계에서, 장치(200)는 제1 콘텐츠의 변경 요청을 통해, 제1 콘텐츠에서 보정 작업이 필요한 이미지 수가 변경 요청되었는지 여부를 확인할 수 있다.Meanwhile, in step S404, the device 200 may check whether a change in the number of images requiring correction work in the first content has been requested through a change request for the first content.

S404 단계에서 보정 작업이 필요한 이미지 수가 변경 요청된 것으로 확인되면, S407 단계에서, 장치(200)는 변경된 이미지 수에 제6 가중치를 부여하여 제2-3 설정값을 산출할 수 있다. 여기서, 제6 가중치는 실시예에 따라 상이하게 설정될 수 있다.If it is confirmed in step S404 that the number of images requiring correction work has been requested to be changed, in step S407, the device 200 may calculate the second and third set values by assigning a sixth weight to the changed number of images. Here, the sixth weight may be set differently depending on the embodiment.

구체적으로, 장치(200)는 제1 콘텐츠에서 변경하고자 하는 보정 작업이 필요한 이미지 수가 감소한 것으로 확인되면, 제1 콘텐츠에서 감소한 보정 작업 필요 이미지 수에 제6 가중치를 부여하여 제2-3 설정값을 산출할 수 있으며, 제1 콘텐츠에서 변경하고자 하는 보정 작업이 필요한 이미지 수가 증가한 것으로 확인되면, 제1 콘텐츠에서 증가한 보정 작업 필요 이미지 수에 제6 가중치를 부여하여 제2-3 설정값을 산출할 수 있다.Specifically, when it is confirmed that the number of images requiring correction work to be changed in the first content has decreased, the device 200 assigns a sixth weight to the number of images requiring correction work reduced in the first content to set the 2-3 setting values. It can be calculated, and if it is confirmed that the number of images requiring correction work to be changed in the first content has increased, the 2-3 setting value can be calculated by assigning a sixth weight to the number of images requiring correction work that has increased in the first content. there is.

S404 단계에서 모델 착용 제품 촬영의 이미지 수가 변경 요청되지 않은 것으로 확인되면, S410 단계에서, 장치(200)는 제2-3 설정값을 0으로 설정할 수 있다.If it is confirmed in step S404 that the number of images of the product photographed by the model is not requested to be changed, in step S410, the device 200 may set the second-third setting value to 0.

제2-1 설정값, 제2-2 설정값 및 제2-3 설정값이 각각 산출되면, S411 단계에서, 장치(200)는 제2-1 설정값, 제2-2 설정값 및 제2-3 설정값을 합산하여, 제2 설정값을 산출할 수 있다.When the 2-1 set value, the 2-2 set value, and the 2-3 set value are respectively calculated, in step S411, the device 200 sets the 2-1 set value, the 2-2 set value, and the 2-3 set value. The second set value can be calculated by adding up the -3 set values.

도 5는 일실시예에 따른 콘텐츠에 대한 프로모션 전략을 생성하는 과정을 설명하기 위한 순서도이다.Figure 5 is a flowchart for explaining the process of creating a promotion strategy for content according to an embodiment.

도 5를 참조하면, 먼저, S501 단계에서, 장치(200)는 제1 콘텐츠가 제작되어 웹 사이트에 업로드 되면, 제1 콘텐츠에 대한 조회 수, 추천 수 및 댓글 수를 취합할 수 있다.Referring to FIG. 5, first, in step S501, when the first content is created and uploaded to a website, the device 200 may collect the number of views, recommendations, and comments on the first content.

S502 단계에서, 장치(200)는 제1 기간 동안 제1 콘텐츠에 대한 조회 수, 추천 수 및 댓글 수가 취합되었는지 여부를 확인할 수 있다. 여기서, 제1 기간은 실시예에 따라 상이하게 설정될 수 있으며, 예를 들어, 제1 기간은 월, 분기, 연도 등 다양하게 설정될 수 있다.In step S502, the device 200 may check whether the number of views, recommendations, and comments on the first content were collected during the first period. Here, the first period may be set differently depending on the embodiment. For example, the first period may be set in various ways such as month, quarter, year, etc.

S502 단계에서 제1 기간 동안 조회 수, 추천 수 및 댓글 수가 취합되지 않은 것으로 확인되면, S501 단계로 되돌아가, 장치(200)는 제1 콘텐츠에 대한 조회 수, 추천 수 및 댓글 수를 다시 취합할 수 있다.If it is determined in step S502 that the number of views, recommendations, and comments have not been collected during the first period, the device 200 returns to step S501 to collect the number of views, recommendations, and comments for the first content again. You can.

S502 단계에서 제1 기간 동안 조회 수, 추천 수 및 댓글 수가 취합된 것으로 확인되면, S504단계에서, 장치(200)는 제1 기간 동안 취합된 조회 수, 추천 수 및 댓글 수를 기반으로, 제1 반응 지표를 산출할 수 있다. 여기서, 제1 반응 지표는 제1 기간 동안 제1 콘텐츠에 대한 소비자들의 반응 정도를 나타낼 수 있다.If it is determined in step S502 that the number of views, recommendations, and comments are collected during the first period, in step S504, the device 200 generates a first number based on the number of views, recommendations, and comments collected during the first period. Response indicators can be calculated. Here, the first reaction indicator may indicate the degree of consumers' reaction to the first content during the first period.

예를 들어, 장치(200)는 제1 기간 동안 제1 콘텐츠의 조회 수가 1,000개, 추천 수가 500개, 댓글 수가 200개인 경우, 제1 콘텐츠의 조회 수에 가중치 1을 부여하여 조회 지표를 1,000으로 산출하고, 제1 콘텐츠의 추천 수에 가중치 5를 부여하여 추천 지표를 2,500으로 산출하고, 제1 콘텐츠의 댓글 수에 가중치 10을 부여하여 댓글 지표를 2,000으로 산출한 후, 조회 지표, 추천 지표 및 댓글 지표를 합산하여, 5,500을 제1 반응 지표로 산출할 수 있다.For example, if the number of views of the first content is 1,000, the number of recommendations is 500, and the number of comments is 200 during the first period, the device 200 assigns a weight of 1 to the number of views of the first content to set the view index to 1,000. Calculate, a weight of 5 is given to the number of recommendations of the first content to calculate the recommendation index as 2,500, a weight of 10 is given to the number of comments of the first content to calculate the comment index of 2,000, and then the view index, recommendation index and By adding up the comment indicators, 5,500 can be calculated as the first reaction indicator.

한편, S503 단계에서, 장치(200)는 제2 기간 동안 제1 콘텐츠에 대한 조회 수, 추천 수 및 댓글 수가 취합되었는지 여부를 확인할 수 있다. 여기서, 제2 기간은 제1 기간이 끝난 이후 시점부터, 제1 기간과 동일한 길이로 설정될 수 있다. 예를 들어, 제1 기간이 1월로 설정되어 있는 경우, 제2 기간은 2월로 설정되고, 제1 기간이 1분기로 설정되어 있는 경우, 제2 기간은 2분기로 설정되고, 제1 기간이 2020년도로 설정되어 있는 경우, 제2 기간은 2021년도로 설정될 수 있다.Meanwhile, in step S503, the device 200 may check whether the number of views, recommendations, and comments for the first content have been collected during the second period. Here, the second period may be set to the same length as the first period, starting after the first period ends. For example, if the first period is set to January, the second period is set to February, and if the first period is set to 1 quarter, the second period is set to 2 quarters, and the first period is set to 2 quarters. If set to 2020, the second period may be set to 2021.

S503 단계에서 제2 기간 동안 조회 수, 추천 수 및 댓글 수가 취합되지 않은 것으로 확인되면, S501 단계로 되돌아가, 장치(200)는 제1 콘텐츠에 대한 조회 수, 추천 수 및 댓글 수를 다시 취합할 수 있다.If it is determined in step S503 that the number of views, recommendations, and comments have not been collected during the second period, the device 200 returns to step S501 to collect the number of views, recommendations, and comments for the first content again. You can.

S503 단계에서 제2 기간 동안 조회 수, 추천 수 및 댓글 수가 취합된 것으로 확인되면, S505단계에서, 장치(200)는 제2 기간 동안 취합된 조회 수, 추천 수 및 댓글 수를 기반으로, 제2 반응 지표를 산출할 수 있다. 여기서, 제2 반응 지표는 제2 기간 동안 제1 콘텐츠에 대한 소비자들의 반응 정도를 나타낼 수 있다.If it is determined in step S503 that the number of views, recommendations, and comments are collected during the second period, in step S505, the device 200 generates a second number based on the number of views, recommendations, and comments collected during the second period. Response indicators can be calculated. Here, the second response indicator may indicate the degree of consumers' response to the first content during the second period.

S506 단계에서, 장치(200)는 제1 반응 지표 및 제2 반응 지표를 비교하여, 제1 기간의 시작일부터 제2 기간의 종료일까지, 제1 콘텐츠에 대한 관심 변동 추세를 분석할 수 있다.In step S506, the device 200 may compare the first response indicator and the second response indicator to analyze a trend of interest change in the first content from the start date of the first period to the end date of the second period.

구체적으로, 장치(200)는 제1 반응 지표 및 제2 반응 지표를 비교하여, 제1 콘텐츠에 대한 관심이 증가 또는 감소되었는지 여부를 확인할 수 있으며, 이를 통해, 제1 콘텐츠에 대한 관심 변동 추세를 분석할 수 있다.Specifically, the device 200 may compare the first reaction index and the second reaction index to determine whether interest in the first content has increased or decreased, thereby determining the trend of interest in the first content. It can be analyzed.

예를 들어, 제1 반응 지표는 1,000으로 산출되어 있고 제2 반응 지표는 1,200으로 산출되어 있는 경우, 장치(200)는 제1 반응 지표 및 제2 반응 지표를 비교한 결과, 1,000에서 1,200으로 반응 지표가 변경되었으므로, 제1 콘텐츠에 대한 관심이 증가된 것을 확인할 수 있다. 이때, 장치(200)는 제1 콘텐츠에 대한 관심이 20% 증가한 것을 확인하여, 제1 콘텐츠에 대한 관심 변동 추세를 분석할 수 있다.For example, if the first reaction index is calculated as 1,000 and the second reaction index is calculated as 1,200, the device 200 responds from 1,000 to 1,200 as a result of comparing the first reaction index and the second reaction index. Since the indicator has changed, it can be seen that interest in the first content has increased. At this time, the device 200 may confirm that interest in the first content has increased by 20% and analyze the trend of change in interest in the first content.

S507 단계에서, 장치(200)는 제1 콘텐츠의 관심 변동 추세에 대한 분석 결과를 미리 학습된 제3 인공 신경망에 적용할 수 있다.In step S507, the device 200 may apply the analysis result of the interest change trend of the first content to a pre-trained third artificial neural network.

일실시예에 따르면, 제3 인공 신경망은 콘텐츠의 관심 변동 추세에 대한 분석 결과를 입력 받은 후, 콘텐츠에 대한 프로모션 전략을 출력하는 알고리즘일 수 있다. 예를 들어, 콘텐츠의 관심 변동 추세에 대한 분석 결과가 20% 증가인 경우, 제3 인공 신경망은 20을 입력으로 받아, 기업 브랜드를 홍보하는 것을 추천하는 프로모션 전략을 출력할 수 있으며, 콘텐츠의 관심 변동 추세에 대한 분석 결과가 30% 감소인 경우, 제3 인공 신경망은 -30을 입력으로 받아, 콘텐츠 자체를 홍보하는 것을 추천하는 프로모션 전략을 출력할 수 있다.According to one embodiment, the third artificial neural network may be an algorithm that outputs a promotion strategy for the content after receiving an analysis result of the trend of changes in interest in the content. For example, if the analysis result of the interest fluctuation trend of the content is a 20% increase, the third artificial neural network can receive 20 as input and output a promotion strategy recommending promoting the corporate brand, and the interest of the content If the analysis result of the fluctuating trend is a 30% decrease, the third artificial neural network can receive -30 as input and output a promotion strategy that recommends promoting the content itself.

S508 단계에서, 장치(200)는 제3 인공 신경망의 출력을 기초로, 제1 콘텐츠에 대한 프로모션 전략을 생성할 수 있다. 여기서, 제1 콘텐츠에 대한 프로모션 전략은 제1 기간의 시작일부터 제2 기간의 종료일까지 분석된 제1 콘텐츠의 관심 변동 추세에 따라, 제2 기간 이후에는 제1 콘텐츠에 대한 프로모션을 어떻게 진행할 것인지에 대한 전략을 포함할 수 있다.In step S508, the device 200 may generate a promotion strategy for the first content based on the output of the third artificial neural network. Here, the promotion strategy for the first content is how to proceed with the promotion of the first content after the second period according to the trend of interest change in the first content analyzed from the start date of the first period to the end date of the second period. May include strategies.

일실시예에 따르면, 제3 인공 신경망은 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해, 콘텐츠의 노출 효과를 증가시키기 위해 콘텐츠에 대한 프로모션을 어떻게 진행할 것인지 분석하도록 학습될 수 있다. 제3 인공 신경망은 도 6을 참조하여 후술되는 방법을 통해 학습될 수 있다. 이를 통해, 제3 인공 신경망은 콘텐츠의 관심 변동 추세를 고려하여, 콘텐츠에 대한 프로모션을 분석하여 출력할 수 있다.According to one embodiment, the third artificial neural network may be trained to analyze how to proceed with promotion of the content to increase the exposure effect of the content through analysis results of trends in interest in the content. The third artificial neural network can be learned through a method described later with reference to FIG. 6. Through this, the third artificial neural network can analyze and output promotions for the content, taking into account the trend of changes in interest in the content.

S509 단계에서, 장치(200)는 제1 콘텐츠에 대한 프로모션을 담당자 단말(100)로 전송할 수 있다. In step S509, the device 200 may transmit a promotion for the first content to the person in charge of the terminal 100.

일실시예에 따르면, 장치(200)는 제1 기업을 위한 맞춤형 콘텐츠로 제1 콘텐츠가 제작되고, 제2 기업을 위한 맞춤형 콘텐츠로 제2 콘텐츠가 제작되면, 제1 콘텐츠 및 제2 콘텐츠가 웹 사이트에 업로드 되도록 처리할 수 있다.According to one embodiment, when first content is produced as customized content for a first company and second content is produced as customized content for a second company, the first content and the second content are displayed on the web. It can be processed to be uploaded to the site.

장치(200)는 복수의 사용자 단말로부터 제1 콘텐츠에 대한 조회 요청이 수신된 횟수를 확인하여, 제1 콘텐츠의 조회 수를 산정하고, 복수의 사용자 단말로부터 제2 콘텐츠에 대한 조회 요청이 수신된 횟수를 확인하여, 제2 콘텐츠의 조회 수를 산정할 수 있다. 이를 위해, 장치(200)는 복수의 사용자 단말과 유무선으로 통신하도록 구성될 수 있다.The device 200 determines the number of times a query request for the first content has been received from a plurality of user terminals, calculates the number of views for the first content, and determines the number of query requests for the second content received from a plurality of user terminals. By checking the number of times, the number of views of the second content can be calculated. To this end, the device 200 may be configured to communicate wired or wirelessly with a plurality of user terminals.

구체적으로, 장치(200)는 복수의 사용자 단말로부터 제1 콘텐츠에 대한 상세 정보의 제공 요청이 수신되면, 제1 콘텐츠에 대한 조회 요청이 수신된 것으로 판단하여, 제1 콘텐츠에 대한 조회 요청에 따라, 제1 콘텐츠의 조회 정보를 갱신할 수 있다. 여기서, 제1 콘텐츠의 조회 정보는 제1 콘텐츠를 조회한 횟수인 제1 콘텐츠의 조회 수에 대한 정보를 포함할 수 있다. 장치(200)는 콘텐츠 별로 조회 정보를 데이터베이스에 저장하여 관리할 수 있다.Specifically, when a request for providing detailed information about the first content is received from a plurality of user terminals, the device 200 determines that a request for viewing the first content has been received, and responds to the request for viewing the first content. , the inquiry information of the first content can be updated. Here, the viewing information of the first content may include information about the number of views of the first content, which is the number of times the first content has been viewed. The device 200 may store and manage search information for each content in a database.

장치(200)는 제1 콘텐츠의 조회 정보를 갱신하는데 있어, 복수의 사용자 단말로부터 제1 콘텐츠에 대한 조회 요청이 수신된 횟수를 확인하여, 제1 콘텐츠의 조회 수를 산정할 수 있다.When updating the inquiry information of the first content, the device 200 may check the number of times a inquiry request for the first content has been received from a plurality of user terminals and calculate the number of views of the first content.

예를 들어, 장치(200)는 제1 콘텐츠의 조회 수가 0인 상태에서, 미리 설정된 기간 이내에 제1 사용자 단말 및 제2 사용자 단말로부터 제1 콘텐츠에 대한 조회 요청이 각각 수신되면, 제1 콘텐츠에 대한 조회 요청이 수신된 횟수를 2회로 확인하여, 제1 콘텐츠의 조회 수를 0에서 2로 변경하여 산정할 수 있다.For example, when the number of views for the first content is 0 and a request for viewing the first content is received from the first user terminal and the second user terminal within a preset period, the device 200 sends a request to the first content. The number of views of the first content can be calculated by changing the number of views of the first content from 0 to 2 by checking the number of times the view request has been received.

또한, 장치(200)는 제1 콘텐츠의 조회 수가 0인 상태에서, 제1 사용자 단말로부터 제1 콘텐츠에 대한 조회 요청이 수신되면, 제1 콘텐츠의 조회 수를 0에서 1로 변경하여 산정할 수 있으며, 제1 콘텐츠의 조회 수가 1인 상태에서, 제2 사용자 단말로부터 제1 콘텐츠에 대한 조회 요청이 수신되면, 제1 콘텐츠의 조회 수를 1에서 2로 변경하여 산정할 수 있다.In addition, when the number of views of the first content is 0 and a request to view the first content is received from the first user terminal, the device 200 can calculate the number of views of the first content by changing it from 0 to 1. In a state where the number of views of the first content is 1, when a request to view the first content is received from the second user terminal, the number of views of the first content can be calculated by changing from 1 to 2.

장치(200)는 제1 콘텐츠의 조회 수를 산정하는 방식과 동일하게, 복수의 콘텐츠 각각의 조회 수를 산정할 수 있으며, 제2 콘텐츠의 조회 수, 제3 콘텐츠의 조회 수 등을 각각 산정할 수 있다.The device 200 can calculate the number of views for each of the plurality of contents in the same way as calculating the number of views for the first content, and calculate the number of views for the second content, the number of views for the third content, etc. You can.

장치(200)는 복수의 사용자 단말 중 어느 하나인 제1 사용자 단말로부터 웹 사이트에 대한 접속 요청을 수신할 수 있다. 예를 들어, 제1 사용자 단말에서 웹 사이트의 주소가 입력되거나, 웹 사이트의 바로가기가 선택되면, 장치(200)는 제1 사용자 단말로부터 웹 사이트에 대한 접속 요청을 수신할 수 있다.The device 200 may receive a request to access a website from a first user terminal, which is one of a plurality of user terminals. For example, when the address of a website is entered in the first user terminal or a shortcut to the website is selected, the device 200 may receive a request to access the website from the first user terminal.

장치(200)는 제1 사용자 단말의 식별 정보를 기초로, 제1 사용자 단말의 화면 크기를 확인할 수 있다. 여기서, 제1 사용자 단말의 식별 정보는 제1 사용자 단말을 식별하는데 필요한 정보로, 스마트폰, 태블릿, PC 등 단말의 종류와 기종을 식별하는 정보를 포함할 수 있다.The device 200 may check the screen size of the first user terminal based on the identification information of the first user terminal. Here, the identification information of the first user terminal is information necessary to identify the first user terminal, and may include information identifying the type and model of the terminal, such as a smartphone, tablet, or PC.

구체적으로, 장치(200)는 제1 사용자 단말로부터 웹 사이트에 대한 접속 요청이 수신되면, 제1 사용자 단말로부터 제1 사용자 단말의 식별 정보를 획득할 수 있으며, 제1 사용자 단말의 식별 정보를 기초로, 제1 사용자 단말의 종류를 파악하여, 제1 사용자 단말의 화면 크기를 확인할 수 있다.Specifically, when a request to access a website is received from the first user terminal, the device 200 may obtain identification information of the first user terminal from the first user terminal, based on the identification information of the first user terminal. By determining the type of the first user terminal, the screen size of the first user terminal can be confirmed.

장치(200)는 제1 사용자 단말의 화면 크기가 기준값 보다 작은지 여부를 확인할 수 있다. 여기서, 기준값은 실시예에 따라 상이하게 설정될 수 있다.The device 200 may check whether the screen size of the first user terminal is smaller than the reference value. Here, the reference value may be set differently depending on the embodiment.

제1 사용자 단말의 화면 크기가 기준값 보다 작은 것으로 확인되면, 장치(200)는 제1 영역으로 구성된 제1 웹 페이지를 제1 사용자 단말로 제공할 수 있다. 여기서, 제1 영역은 제1 콘텐츠의 요약 정보가 표시되는 영역이고, 제1 콘텐츠는 제1 기업을 위한 맞춤형 콘텐츠이다.If the screen size of the first user terminal is confirmed to be smaller than the reference value, the device 200 may provide the first web page consisting of the first area to the first user terminal. Here, the first area is an area where summary information of the first content is displayed, and the first content is customized content for the first company.

즉, 제1 사용자 단말의 화면 크기가 기준값 보다 작은 것으로 확인되면, 제1 사용자 단말은 제1 영역으로 구성된 제1 웹 페이지를 화면에 표시할 수 있다.That is, if the screen size of the first user terminal is confirmed to be smaller than the reference value, the first user terminal may display the first web page composed of the first area on the screen.

제1 사용자 단말의 화면 크기가 기준값 보다 큰 것으로 확인되면, 장치(200)는 제1 영역 및 제2 영역으로 구성된 제2 웹 페이지를 제1 사용자 단말로 제공할 수 있다. 여기서, 제1 영역은 제1 콘텐츠의 요약 정보가 표시되는 영역이고, 제2 영역은 제2 콘텐츠의 요약 정보가 표시되는 영역이고, 제1 콘텐츠는 제1 기업을 위한 맞춤형 콘텐츠이고, 제2 콘텐츠는 제2 기업을 위한 맞춤형 콘텐츠이다.If the screen size of the first user terminal is confirmed to be larger than the reference value, the device 200 may provide a second web page consisting of a first area and a second area to the first user terminal. Here, the first area is an area where summary information of the first content is displayed, the second area is an area where summary information of the second content is displayed, the first content is customized content for the first company, and the second content is customized content for second-party companies.

즉, 제1 사용자 단말의 화면 크기가 기준값 보다 큰 것으로 확인되면, 제1 사용자 단말은 제1 영역 및 제2 영역으로 구성된 제2 웹 페이지를 화면에 표시할 수 있다.That is, if the screen size of the first user terminal is confirmed to be larger than the reference value, the first user terminal may display the second web page composed of the first area and the second area on the screen.

도 6은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.Figure 6 is a diagram for explaining learning of an artificial neural network according to an embodiment.

일실시예에 따르면, 인공 신경망은 제1 인공 신경망, 제2 인공 신경망 및 제3 인공 신경망 중 어느 하나일 수 있다. 여기서, 제1 인공 신경망은 기업의 니즈에 대한 분석 결과를 입력 받은 후, 기업에게 적합한 콘텐츠의 종류를 분석하여 출력하는 알고리즘이고, 제2 인공 신경망은 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 입력 받은 후, 콘텐츠에 대한 기획 전략을 출력하는 알고리즘이고, 제3 인공 신경망은 콘텐츠의 관심 변동 추세에 대한 분석 결과를 입력 받은 후, 콘텐츠에 대한 프로모션 전략을 출력하는 알고리즘일 수 있다. According to one embodiment, the artificial neural network may be any one of a first artificial neural network, a second artificial neural network, and a third artificial neural network. Here, the first artificial neural network is an algorithm that receives the analysis results of the company's needs and then analyzes and outputs the type of content suitable for the company, and the second artificial neural network analyzes the type of content, target price, and target quality. It is an algorithm that outputs a planning strategy for the content after receiving the results as input, and the third artificial neural network may be an algorithm that outputs a promotion strategy for the content after receiving the analysis result of the interest change trend in the content.

인공 신경망의 학습이 이루어지는 학습 장치는 인공지능 모델을 활용한 맞춤형 콘텐츠의 기획안 및 견적 생성 방법을 제공하는 장치(200)와 동일한 장치일 수도 있고, 별개의 장치일 수도 있다. 이하에서는 인공 신경망이 학습되는 과정을 설명한다.The learning device in which the learning of the artificial neural network is performed may be the same device as the device 200 that provides a method for generating plans and estimates for customized content using an artificial intelligence model, or may be a separate device. Below, the process by which an artificial neural network is learned is explained.

먼저, S601 단계에서, 장치(200)는 인공 신경망에 입력할 입력을 생성할 수 있다. 이때, 장치(200)는 제1 인공 신경망에 입력하기 위해, 기업의 니즈에 대한 분석 결과를 기초로 입력을 생성할 수 있고, 제2 인공 신경망에 입력하기 위해, 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 입력을 생성할 수 있고, 제3 인공 신경망에 입력하기 위해, 콘텐츠의 관심 변동 추세에 대한 분석 결과를 기초로 입력을 생성할 수 있다.First, in step S601, the device 200 may generate input to be input to the artificial neural network. At this time, the device 200 may generate input based on the analysis results of the company's needs to input to the first artificial neural network, and to input to the second artificial neural network, the type of content, target price, and target An input may be generated based on the analysis result of quality, and an input may be generated based on the analysis result of the interest change trend of the content to be input to a third artificial neural network.

구체적으로, 장치(200)는 기업의 니즈에 대한 분석 결과에 대해 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 기업의 니즈에 대한 분석 결과를 제1 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제1 인공 신경망의 입력을 생성할 수 있다.Specifically, the device 200 may perform a preprocessing process on the analysis results of the company's needs. The results of the pre-processed analysis of the company's needs can be used as input to the first artificial neural network, or the input of the first artificial neural network can be generated through normal processing to remove unnecessary information.

또한, 장치(200)는 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과에 대해 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 제2 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제2 인공 신경망의 입력을 생성할 수 있다.Additionally, the device 200 may perform a preprocessing process on the analysis results regarding the type of content, target price, and target quality. The results of the analysis of the type, target price, and target quality of the pre-processed content can be used as input to the second artificial neural network, or the input of the second artificial neural network can be generated through normal processing to remove unnecessary information. .

또한, 장치(200)는 콘텐츠의 관심 변동 추세에 대한 분석 결과에 대해 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 콘텐츠의 관심 변동 추세에 대한 분석 결과를 제3 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제3 인공 신경망의 입력을 생성할 수 있다.Additionally, the device 200 may perform a preprocessing process on the analysis result of the trend of changes in interest in content. The analysis result of the interest change trend of the pre-processed content can be used as an input to the third artificial neural network, or the input of the third artificial neural network can be generated through normal processing to remove unnecessary information.

S602 단계에서, 장치(200)는 인공 신경망에 입력을 적용할 수 있다. 이때, 장치(200)는 제1 인공 신경망의 입력을 생성한 경우, 제1 인공 신경망에 입력을 적용하고, 제2 인공 신경망의 입력을 생성한 경우, 제2 인공 신경망에 입력을 적용하고, 제3 인공 신경망의 입력을 생성한 경우, 제3 인공 신경망에 입력을 적용할 수 있다.In step S602, the device 200 may apply input to the artificial neural network. At this time, when the device 200 generates the input of the first artificial neural network, it applies the input to the first artificial neural network, and when it generates the input of the second artificial neural network, it applies the input to the second artificial neural network, and the device 200 applies the input to the second artificial neural network. 3 If the input of the artificial neural network is created, the input can be applied to the third artificial neural network.

인공 신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 인공 신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.The artificial neural network may be an artificial neural network that is learned according to reinforcement learning. The artificial neural network may be a Q-Network, Depp Q-Network (DQN), or relational network (RL) structure suitable for outputting abstract inference through reinforcement learning.

강화 학습에 따라 학습되는 인공 신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 인공 신경망은 제1 보상 및 제2 보상을 통해 갱신 및 최적화되고, 제2 인공 신경망은 제3 보상 및 제4 보상을 통해 갱신 및 최적화되고, 제3 인공 신경망은 제5 보상 및 제6 보상을 통해 갱신 및 최적화될 수 있다.Artificial neural networks learned through reinforcement learning can be updated and optimized by reflecting evaluations on various rewards. For example, the first artificial neural network is updated and optimized through the first reward and the second reward, the second artificial neural network is updated and optimized through the third reward and the fourth reward, and the third artificial neural network is updated and optimized through the fifth reward. and can be updated and optimized through sixth compensation.

예를 들어, 제1 보상은 기업의 니즈에 대한 분석 결과를 통해 기업에게 적합한 콘텐츠의 종류를 선정할수록 높아질 수 있으며, 제2 보상은 기업의 니즈에 대한 분석 결과를 통해 기업에게 적합하지 않은 콘텐츠의 종류를 선정하지 않을수록 높아질 수 있다.For example, the first reward can be higher as the type of content suitable for the company is selected through the analysis results of the company's needs, and the second reward can be for content that is not suitable for the company through the analysis results of the company's needs. The more you do not select the type, the higher it can be.

또한, 제3 보상은 타겟 가격에 적합한 콘텐츠를 기획하면 보상값이 높아질 수 있으며, 제4 보상은 타겟 퀄리티에 적합한 콘텐츠를 기획하면 보상값이 높아질 수 있다.In addition, the third reward can increase the reward value by planning content suitable for the target price, and the fourth reward can increase the reward value by planning content suitable for the target quality.

또한, 제5 보상은 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해 콘텐츠의 관심이 증가할수록 기업 브랜드를 홍보하는 것을 추천하면 보상값이 높아질 수 있으며, 제6 보상은 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해 콘텐츠의 관심이 감소할수록 콘텐츠 자체를 홍보하는 것을 추천하면 보상값이 높아질 수 있다.In addition, the 5th reward can increase the reward value by recommending promoting the corporate brand as interest in the content increases through the analysis results of the trend of interest in the content, and the 6th reward is the analysis of the trend of interest in the content. As interest in the content decreases through the results, the reward value can increase if it is recommended to promote the content itself.

S603 단계에서, 장치(200)는 인공 신경망으로부터 출력을 획득할 수 있다.In step S603, the device 200 may obtain an output from the artificial neural network.

제1 인공 신경망의 출력은, 기업에게 적합한 콘텐츠의 종류에 대한 정보일 수 있다. 이때, 제1 인공 신경망은 기업의 니즈에 대한 분석 결과를 통해 기업에게 적합한 콘텐츠의 종류를 선정하고, 기업의 니즈에 대한 분석 결과를 통해 기업에게 적합하지 않은 콘텐츠의 종류를 선정하지 않도록 처리하여, 기업에게 가장 적합한 콘텐츠의 종류에 대한 정보를 출력할 수 있다.The output of the first artificial neural network may be information about the type of content suitable for the company. At this time, the first artificial neural network selects the type of content suitable for the company through the analysis results of the company's needs, and processes it so as not to select the type of content that is not suitable for the company through the analysis results of the company's needs. You can output information about the type of content that is most suitable for your company.

제2 인공 신경망의 출력은 콘텐츠에 대한 기획 전략으로, 제1 기업에게 적합한 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과가 입력된 경우, 제1 콘텐츠에 대한 기획 전략이 출력될 수 있다. 여기서, 제1 콘텐츠에 대한 기획 전략은 제1 콘텐츠를 어떠한 방식으로 기획하여 제작할 것인지에 대한 전략을 포함할 수 있다.The output of the second artificial neural network is a planning strategy for the content. When analysis results on the type, target price, and target quality of content suitable for the first company are input, the planning strategy for the first content may be output. Here, the planning strategy for the first content may include a strategy for how to plan and produce the first content.

제3 인공 신경망의 출력은 콘텐츠에 대한 프로모션 전략으로, 제1 콘텐츠의 관심 변동 추세에 대한 분석 결과가 입력된 경우, 제1 콘텐츠에 대한 프로모션 전략이 출력될 수 있다. 여기서, 제1 콘텐츠에 대한 프로모션 전략은 제1 기간의 시작일부터 제2 기간의 종료일까지 분석된 제1 콘텐츠의 관심 변동 추세에 따라, 제2 기간 이후에는 제1 콘텐츠에 대한 프로모션 어떻게 진행할 것인지에 대한 전략을 포함할 수 있다.The output of the third artificial neural network is a promotion strategy for the content, and when the analysis result of the interest change trend of the first content is input, the promotion strategy for the first content may be output. Here, the promotion strategy for the first content is a strategy for how to proceed with promotion for the first content after the second period, according to the trend of interest change in the first content analyzed from the start date of the first period to the end date of the second period. may include.

S604 단계에서, 장치(200)는 인공 신경망의 출력을 평가하여 보상을 지급할 수 있다.In step S604, the device 200 may evaluate the output of the artificial neural network and pay compensation.

제1 인공 신경망의 출력에 대한 평가는 제1 보상 및 제2 보상으로 나뉠 수 있다. 예를 들어, 장치(200)는 기업에게 적합한 콘텐츠의 종류를 선정할수록 제1 보상을 많이 수여하고, 기업에게 적합하지 않은 콘텐츠의 종류를 선정하지 않을수록 제2 보상을 많이 수여할 수 있다.Evaluation of the output of the first artificial neural network can be divided into first compensation and second compensation. For example, the device 200 may grant more first compensation as the type of content suitable for the company is selected, and may grant more second compensation as it does not select the type of content that is unsuitable for the company.

제2 인공 신경망의 출력에 대한 평가는 제3 보상 및 제4 보상으로 나뉠 수 있다. 예를 들어, 장치(200)는 타겟 가격에 적합한 콘텐츠를 기획하면 제3 보상을 많이 수여하고, 타겟 퀄리티에 적합한 콘텐츠를 기획하면 제4 보상을 많이 수여할 수 있다.Evaluation of the output of the second artificial neural network can be divided into third compensation and fourth compensation. For example, the device 200 may grant a large number of third rewards when planning content suitable for the target price, and may grant a large number of fourth rewards when planning content suitable for the target quality.

제3 인공 신경망의 출력에 대한 평가는 제5 보상 및 제6 보상으로 나뉠 수 있다. 예를 들어, 장치(200)는 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해 콘텐츠의 관심이 증가할수록 기업 브랜드를 홍보하는 것을 추천하면 제5 보상을 많이 수여하고, 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해 콘텐츠의 관심이 감소할수록 콘텐츠 자체를 홍보하는 것을 추천하면 제6 보상을 많이 수여할 수 있다.Evaluation of the output of the third artificial neural network can be divided into fifth compensation and sixth compensation. For example, if the device 200 recommends promoting a corporate brand as interest in the content increases through the analysis results of the trend of interest in the content, the device 200 awards more fifth rewards and analyzes the trend of interest in the content. As interest in the content decreases through the results, if it is recommended to promote the content itself, the sixth reward can be awarded more.

S605 단계에서, 장치(200)는 평가를 기초로 인공 신경망을 갱신할 수 있다.In step S605, the device 200 may update the artificial neural network based on the evaluation.

장치(200)는 제1 인공 신경망이, 기업의 니즈를 고려하여, 기업에게 적합한 콘텐츠의 종류를 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제1 인공 신경망을 갱신할 수 있다.The apparatus 200 specifies a specific network so that the expected value of the sum of rewards is maximized in an environment where the first artificial neural network analyzes the type of content suitable for the company, taking into account the needs of the company. The first artificial neural network can be updated through a process of optimizing a policy that determines actions to be taken in states.

장치(200)는 제2 인공 신경망이, 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티를 고려하여, 기업에게 적합한 콘텐츠에 대한 기획 전략을 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제2 인공 신경망을 갱신할 수 있다.The device 200 provides an expected value of the sum of rewards in an environment where the second artificial neural network analyzes a planning strategy for content suitable for the company, considering the type of content, target price, and target quality. The second artificial neural network can be updated through a process of optimizing a policy that determines actions to be taken in specific states so that expectations are maximized.

장치(200)는 제3 인공 신경망이, 콘텐츠의 관심 변동 추세를 고려하여, 콘텐츠에 대한 프로모션을 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제3 인공 신경망을 갱신할 수 있다.The apparatus 200 specifies the third artificial neural network to maximize the expected value of the sum of rewards in an environment where promotions for content are analyzed, taking into account trends in changes in interest in the content. The third artificial neural network can be updated through the process of optimizing the policy that determines the actions to be taken in the states.

한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다.Meanwhile, the process of optimizing the policy can be accomplished through estimating the maximum expected value of the sum of rewards or the maximum value of the Q-function, or estimating the minimum value of the loss function of the Q-function. Estimation of the minimum value of the loss function can be done through stochastic gradient descent (SGD), etc. The process of optimizing the policy is not limited to this, and various optimization algorithms used in reinforcement learning can be used.

장치(200)는 상기와 같은 인공 신경망의 학습 과정을 반복함으로써, 인공 신경망을 점진적으로 갱신시킬 수 있다.The device 200 can gradually update the artificial neural network by repeating the learning process of the artificial neural network as described above.

구체적으로, 장치(200)는 기업의 니즈에 대한 분석 결과를 통해, 기업에게 적합한 콘텐츠의 종류를 분석하여 출력하는 제1 인공 신경망을 학습시킬 수 있다.Specifically, the device 200 can learn a first artificial neural network that analyzes and outputs the type of content suitable for the company based on the analysis results of the company's needs.

즉, 장치(200)는 기업의 니즈에 대한 분석 결과를 통해, 기업에게 적합한 콘텐츠의 종류를 분석할 때, 제1 보상, 제2 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제1 인공 신경망을 학습시킬 수 있다.That is, when the device 200 analyzes the type of content suitable for the company through the analysis results of the company's needs, the device 200 adjusts the analysis standard by reflecting reinforcement learning through the first reward, the second reward, etc. The first artificial neural network can be trained.

또한, 장치(200)는 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 통해, 어느 콘텐츠를 어떠한 방식으로 기획할 것인지 분석하여 출력하는 제2 인공 신경망을 학습시킬 수 있다.In addition, the device 200 can learn a second artificial neural network that analyzes and outputs which content to plan and how to plan it, based on analysis results of the type of content, target price, and target quality.

즉, 장치(200)는 콘텐츠의 종류, 타겟 가격 및 타겟 퀄리티에 대한 분석 결과를 통해, 콘텐츠에 대한 기획 전략을 분석할 때, 제3 보상, 제4 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제2 인공 신경망을 학습시킬 수 있다.That is, when analyzing the planning strategy for content through the analysis results of the type of content, target price, and target quality, the device 200 reflects reinforcement learning through the third reward, fourth reward, etc., and performs the analysis. By adjusting the standard, the second artificial neural network can be trained.

또한, 장치(200)는 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해, 콘텐츠의 노출 효과를 증가시키기 위해 콘텐츠에 대한 프로모션을 어떻게 진행할 것인지 분석하여 출력하는 제3 인공 신경망을 학습시킬 수 있다.In addition, the device 200 can learn a third artificial neural network that analyzes and outputs how to proceed with promotion of the content to increase the exposure effect of the content, based on the results of analysis of trends in interest in the content.

즉, 장치(200)는 콘텐츠의 관심 변동 추세에 대한 분석 결과를 통해, 콘텐츠에 대한 프로모션 전략을 분석할 때, 제5 보상, 제6 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제3 인공 신경망을 학습시킬 수 있다.That is, the device 200 adjusts the analysis standard by reflecting reinforcement learning through the fifth reward, sixth reward, etc. when analyzing the promotion strategy for the content through the analysis result of the interest change trend of the content. , a third artificial neural network can be trained.

도 7은 일실시예에 따른 장치의 구성의 예시도이다.Figure 7 is an exemplary diagram of the configuration of a device according to an embodiment.

일실시예에 따른 장치(200)는 프로세서(210) 및 메모리(220)를 포함한다. 프로세서(210)는 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(200)를 이용하는 자 또는 단체는 도 1 내지 도 6을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.Device 200 according to one embodiment includes a processor 210 and memory 220. The processor 210 may include at least one device described above with reference to FIGS. 1 to 6 or may perform at least one method described above with reference to FIGS. 1 to 6 . A person or organization using the device 200 may provide services related to some or all of the methods described above with reference to FIGS. 1 to 6 .

메모리(220)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(220)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.The memory 220 may store information related to the methods described above or store a program in which methods described later are implemented. Memory 220 may be volatile memory or non-volatile memory.

프로세서(210)는 프로그램을 실행하고, 장치(200)를 제어할 수 있다. 프로세서(210)에 의하여 실행되는 프로그램의 코드는 메모리(220)에 저장될 수 있다. 장치(200)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.The processor 210 can execute programs and control the device 200. The code of the program executed by the processor 210 may be stored in the memory 220. The device 200 is connected to an external device (eg, a personal computer or a network) through an input/output device (not shown) and can exchange data through wired or wireless communication.

장치(200)는 인공 신경망을 학습시키거나, 학습된 인공 신경망을 이용하는데 사용될 수 있다. 메모리(220)는 학습 중인 또는 학습된 인공 신경망을 포함할 수 있다. 프로세서(210)는 메모리(220)에 저장된 인공 신경망 알고리즘을 학습시키거나 실행시킬 수 있다. 인공 신경망을 학습시키는 장치(200)와 학습된 인공 신경망을 이용하는 장치(200)는 동일할 수도 있고 개별적일 수도 있다.Device 200 may be used to train an artificial neural network or use a trained artificial neural network. Memory 220 may include an artificial neural network that is being trained or has been trained. The processor 210 may learn or execute an artificial neural network algorithm stored in the memory 220. The device 200 for training an artificial neural network and the device 200 for using the learned artificial neural network may be the same or may be separate.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented with hardware components, software components, and/or a combination of hardware components and software components. For example, the devices, methods, and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, and a field programmable gate (FPGA). It may be implemented using one or more general-purpose or special-purpose computers, such as an array, programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions. A processing device may execute an operating system (OS) and one or more software applications that run on the operating system. Additionally, a processing device may access, store, manipulate, process, and generate data in response to the execution of software. For ease of understanding, a single processing device may be described as being used; however, those skilled in the art will understand that a processing device includes multiple processing elements and/or multiple types of processing elements. It can be seen that it may include. For example, a processing device may include a plurality of processors or one processor and one controller. Additionally, other processing configurations, such as parallel processors, are possible.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc., singly or in combination. Program instructions recorded on the medium may be specially designed and configured for the embodiment or may be known and available to those skilled in the art of computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -Includes optical media (magneto-optical media) and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, etc. Examples of program instructions include machine language code, such as that produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter, etc. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may include a computer program, code, instructions, or a combination of one or more of these, which may configure a processing unit to operate as desired, or may be processed independently or collectively. You can command the device. Software and/or data may be used on any type of machine, component, physical device, virtual equipment, computer storage medium or device to be interpreted by or to provide instructions or data to a processing device. , or may be permanently or temporarily embodied in a transmitted signal wave. Software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer-readable recording media.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.Although the embodiments have been described with limited drawings as described above, those skilled in the art can apply various technical modifications and variations based on the above. For example, the described techniques are performed in a different order than the described method, and/or components of the described system, structure, device, circuit, etc. are combined or combined in a different form than the described method, or other components are used. Alternatively, appropriate results may be achieved even if substituted or substituted by an equivalent.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents of the claims also fall within the scope of the following claims.

Claims (3)

장치에 의해 수행되는, 인공지능 모델을 활용하여 맞춤형 콘텐츠의 기획안 및 견적을 생성하는 방법에 있어서,
제1 기업의 담당자 단말로부터 맞춤형 콘텐츠의 기획 요청을 수신하는 단계;
상기 기획 요청을 통해 상기 제1 기업의 니즈를 분석하는 단계;
상기 제1 기업의 니즈에 대한 분석 결과를 제1 인공 신경망에 적용하여, 상기 제1 인공 신경망의 출력을 기초로, 상기 제1 기업에게 적합한 콘텐츠의 종류를 선정하는 단계;
상기 제1 기업에게 제1 종류의 콘텐츠가 적합한 것으로 선정되면, 제1 기업 정보를 기초로, 상기 제1 종류의 콘텐츠를 제작하는데 있어 상기 제1 기업에게 적합한 타겟 가격 및 타겟 퀄리티를 설정하는 단계;
상기 제1 종류의 콘텐츠, 상기 타겟 가격 및 상기 타겟 퀄리티에 대한 분석 결과를 제2 인공 신경망에 적용하여, 상기 제2 인공 신경망의 출력을 기초로, 제1 콘텐츠에 대한 기획 전략을 생성하는 단계; 및
상기 제1 콘텐츠에 대한 기획 전략을 상기 담당자 단말로 전송하는 단계를 포함하고,
상기 제1 콘텐츠가 제작되어 업로드 되면, 상기 제1 콘텐츠에 대한 조회 수, 추천 수 및 댓글 수를 취합하는 단계;
미리 설정된 제1 기간 동안 취합된 상기 제1 콘텐츠의 조회 수, 추천 수 및 댓글 수를 기반으로, 상기 제1 기간에 대한 상기 제1 콘텐츠의 반응 지수를 나타내는 제1 반응 지표를 산출하는 단계;
상기 제1 기간 이후의 제2 기간 동안 취합된 상기 제1 콘텐츠의 조회 수, 추천 수 및 댓글 수를 기반으로, 상기 제2 기간에 대한 상기 제1 콘텐츠의 반응 지수를 나타내는 제2 반응 지표를 산출하는 단계;
상기 제1 반응 지표 및 상기 제2 반응 지표를 비교하여, 상기 제1 기간의 시작일부터 상기 제2 기간의 종료일까지 상기 제1 콘텐츠에 대한 관심 변동 추세를 분석하는 단계;
상기 제1 콘텐츠의 관심 변동 추세에 대한 분석 결과를 제3 인공 신경망에 적용하여, 상기 제3 인공 신경망의 출력을 기초로, 상기 제1 콘텐츠에 대한 프로모션 전략을 생성하는 단계; 및
상기 제1 콘텐츠에 대한 프로모션 전략을 상기 담당자 단말로 전송하는 단계를 더 포함하고,
상기 제1 기업을 위한 맞춤형 콘텐츠로 상기 제1 콘텐츠가 제작되고, 제2 기업을 위한 맞춤형 콘텐츠로 제2 콘텐츠가 제작되면, 복수의 사용자 단말로부터 상기 제1 콘텐츠에 대한 조회 요청이 수신된 횟수를 확인하여, 상기 제1 콘텐츠의 조회 수를 산정하고, 상기 복수의 사용자 단말로부터 상기 제2 콘텐츠에 대한 조회 요청이 수신된 횟수를 확인하여, 상기 제2 콘텐츠의 조회 수를 산정하는 단계;
상기 복수의 사용자 단말 중 어느 하나인 제1 사용자 단말로부터 웹 사이트에 대한 접속 요청을 수신하는 단계;
상기 제1 사용자 단말의 식별 정보를 기초로, 상기 제1 사용자 단말의 화면 크기를 확인하는 단계;
상기 제1 사용자 단말의 화면 크기가 미리 설정된 기준값 보다 작은 것으로 확인되면, 제1 영역-상기 제1 영역은 제1 콘텐츠의 요약 정보가 표시되는 영역-으로 구성된 제1 웹 페이지를 상기 제1 사용자 단말로 제공하는 단계; 및
상기 제1 사용자 단말의 화면 크기가 상기 기준값 보다 큰 것으로 확인되면, 상기 제1 영역 및 제2 영역-상기 제2 영역은 제2 콘텐츠의 요약 정보가 표시되는 영역-으로 구성된 제2 웹 페이지를 상기 제1 사용자 단말로 제공하는 단계를 더 포함하며,
상기 제1 웹 페이지를 상기 제1 사용자 단말로 제공하는 단계는,
상기 제1 콘텐츠의 조회 수가 상기 제2 콘텐츠의 조회 수 보다 많은 것으로 확인되면, 상기 제1 사용자 단말의 화면에서 상기 제1 영역이 먼저 표시된 후, 상기 제2 영역이 이어서 표시되도록 제어하는 단계; 및
상기 제2 콘텐츠의 조회 수가 상기 제1 콘텐츠의 조회 수 보다 많은 것으로 확인되면, 상기 제1 사용자 단말의 화면에서 상기 제2 영역이 먼저 표시된 후, 상기 제1 영역이 이어서 표시되도록 제어하는 단계를 포함하고,
상기 제1 콘텐츠에 대한 기획 전략을 전송하는 단계 이후,
상기 담당자 단말로부터 상기 제1 콘텐츠의 변경 요청을 수신하는 단계;
상기 변경 요청을 통해 상기 제1 콘텐츠에서 변경하고자 하는 영상의 길이, 제품 촬영의 이미지 수 및 자막의 글자 수를 확인하는 단계;
상기 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 짧아진 것으로 확인되면, 상기 제1 콘텐츠에서 짧아진 영상의 길이에 미리 설정된 제1 가중치를 부여하여 제1 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 영상의 길이가 길어진 것으로 확인되면, 상기 제1 콘텐츠에서 길어진 영상의 길이에 상기 제1 가중치를 부여하여 상기 제1 설정값을 산출하는 단계;
상기 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 제품 촬영의 이미지 수에 미리 설정된 제2 가중치를 부여하여 제2 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 제품 촬영의 이미지 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 제품 촬영의 이미지 수에 상기 제2 가중치를 부여하여 상기 제2 설정값을 산출하는 단계;
상기 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 자막의 글자 수에 미리 설정된 제3 가중치를 부여하여 제3 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 자막의 글자 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 자막의 글자 수에 상기 제3 가중치를 부여하여 상기 제3 설정값을 산출하는 단계;
상기 타겟 가격, 상기 제1 설정값, 상기 제2 설정값 및 상기 제3 설정값을 합산한 가격을 기반으로, 변경 요청된 상기 제1 콘텐츠에 대한 견적서를 생성하는 단계; 및
상기 제1 콘텐츠에 대한 견적서를 상기 담당자 단말로 전송하는 단계를 더 포함하는,
인공지능 모델을 활용한 맞춤형 콘텐츠의 기획안 및 견적 생성 방법.In a method of generating a plan and estimate for customized content using an artificial intelligence model performed by a device,
Receiving a request for planning customized content from a terminal in charge of the first company;
Analyzing the needs of the first company through the planning request;
applying the results of the analysis of the needs of the first company to a first artificial neural network and selecting a type of content suitable for the first company based on the output of the first artificial neural network;
If the first type of content is selected as suitable for the first company, setting a target price and target quality suitable for the first company in producing the first type of content based on the first company information;
Applying analysis results of the first type of content, the target price, and the target quality to a second artificial neural network, and generating a planning strategy for the first content based on the output of the second artificial neural network; and
Comprising the step of transmitting a planning strategy for the first content to the person in charge terminal,
When the first content is created and uploaded, collecting the number of views, recommendations, and comments on the first content;
Calculating a first reaction index indicating a reaction index of the first content for the first period based on the number of views, recommendations, and comments of the first content collected during a preset first period;
Based on the number of views, recommendations, and comments of the first content collected during the second period after the first period, a second response index indicating the response index of the first content for the second period is calculated. steps;
Comparing the first reaction index and the second reaction index to analyze a trend of change in interest in the first content from the start date of the first period to the end date of the second period;
Applying the analysis result of the interest change trend of the first content to a third artificial neural network and generating a promotion strategy for the first content based on the output of the third artificial neural network; and
Further comprising transmitting a promotion strategy for the first content to the person in charge terminal,
When the first content is produced as customized content for the first company and the second content is produced as customized content for the second company, the number of inquiry requests for the first content received from a plurality of user terminals is calculated. Confirming, calculating the number of views of the first content, and determining the number of times a request to view the second content has been received from the plurality of user terminals, and calculating the number of views of the second content;
Receiving a request to access a website from a first user terminal, which is one of the plurality of user terminals;
Checking the screen size of the first user terminal based on the identification information of the first user terminal;
If the screen size of the first user terminal is confirmed to be smaller than a preset reference value, a first web page consisting of a first area - the first area is an area where summary information of the first content is displayed - is displayed to the first user terminal. Steps provided as; and
If the screen size of the first user terminal is confirmed to be larger than the reference value, a second web page composed of the first area and the second area - the second area is an area where summary information of the second content is displayed - is displayed. Further comprising providing to the first user terminal,
The step of providing the first web page to the first user terminal,
If it is confirmed that the number of views of the first content is greater than the number of views of the second content, controlling the first area to be displayed first on the screen of the first user terminal and then the second area to be displayed subsequently; and
When it is confirmed that the number of views of the second content is greater than the number of views of the first content, controlling the second area to be displayed first on the screen of the first user terminal and then the first area to be displayed subsequently. do,
After transmitting the planning strategy for the first content,
Receiving a request to change the first content from the person in charge terminal;
Confirming the length of the video to be changed in the first content, the number of images of the product shot, and the number of characters of the subtitle through the change request;
If it is confirmed that the length of the video to be changed in the first content is shortened, a first setting value is calculated by applying a preset first weight to the length of the video shortened in the first content, and the first setting value is calculated. When it is confirmed that the length of the video to be changed is longer, calculating the first setting value by applying the first weight to the length of the video that has become longer in the first content;
If it is confirmed that the number of images of product shots to be changed in the first content has decreased, a preset second weight is applied to the number of images of product shots that have decreased in the first content to calculate a second set value, and the first content When it is confirmed that the number of images of product shots to be changed has increased, calculating the second setting value by applying the second weight to the increased number of images of product shots in the first content;
If it is confirmed that the number of characters of the subtitle to be changed in the first content has decreased, a third setting value is calculated by applying a preset third weight to the number of characters of the subtitle decreased in the first content, and the change in the first content is calculated. When it is confirmed that the number of characters of the subtitle to be added has increased, calculating the third setting value by applying the third weight to the increased number of characters of the subtitle in the first content;
generating a quotation for the first content for which a change has been requested based on a price that is a sum of the target price, the first setting value, the second setting value, and the third setting value; and
Further comprising transmitting a quotation for the first content to the person in charge terminal,
How to create a plan and estimate for customized content using an artificial intelligence model. 삭제delete 제1항에 있어서,
상기 제2 설정값을 산출하는 단계는,
상기 제1 콘텐츠에서 변경하고자 하는 제품 단독 촬영의 이미지 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 제품 단독 촬영의 이미지 수에 미리 설정된 제4 가중치를 부여하여 제2-1 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 제품 단독 촬영의 이미지 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 제품 단독 촬영의 이미지 수에 상기 제4 가중치를 부여하여 상기 제2-1 설정값을 산출하는 단계;
상기 제1 콘텐츠에서 변경하고자 하는 모델 착용 제품 촬영의 이미지 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 모델 착용 제품 촬영의 이미지 수에 미리 설정된 제5 가중치를 부여하여 제2-2 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 모델 착용 제품 촬영의 이미지 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 모델 착용 제품 촬영의 이미지 수에 상기 제5 가중치를 부여하여 상기 제2-2 설정값을 산출하는 단계;
상기 제1 콘텐츠에서 변경하고자 하는 보정 작업이 필요한 이미지 수가 감소한 것으로 확인되면, 상기 제1 콘텐츠에서 감소한 보정 작업 필요 이미지 수에 미리 설정된 제6 가중치를 부여하여 제2-3 설정값을 산출하고, 상기 제1 콘텐츠에서 변경하고자 하는 보정 작업이 필요한 이미지 수가 증가한 것으로 확인되면, 상기 제1 콘텐츠에서 증가한 보정 작업 필요 이미지 수에 상기 제6 가중치를 부여하여 제2-3 설정값을 산출하는 단계; 및
상기 제2-1 설정값, 상기 제2-2 설정값 및 상기 제2-3 설정값을 합산하여, 상기 제2 설정값을 산출하는 단계를 포함하는,
인공지능 모델을 활용한 맞춤형 콘텐츠의 기획안 및 견적 생성 방법.According to paragraph 1,
The step of calculating the second set value is,
When it is confirmed that the number of images of product-only shots to be changed in the first content has decreased, a preset fourth weight is applied to the number of images of product-only shots that have decreased in the first content to calculate a 2-1 setting value, When it is confirmed that the number of images of product-only shots to be changed in the first content has increased, calculating the 2-1 setting value by applying the fourth weight to the increased number of images of product-only shots in the first content. ;
If it is confirmed that the number of images of the product photographed by the model to be changed in the first content has decreased, a preset fifth weight is applied to the number of images of the product photographed by the model worn by the decrease in the first content to calculate the 2-2 setting value. And, if it is confirmed that the number of images of the product photographed by the model to be changed in the first content has increased, the fifth weight is assigned to the number of images of the product photographed by the model worn by the increase in the first content to set the 2-2 setting value. Calculating;
When it is confirmed that the number of images requiring correction work to be changed in the first content has decreased, a preset sixth weight is applied to the number of images requiring correction work reduced in the first content to calculate a 2-3 set value, When it is confirmed that the number of images requiring correction work to be changed in the first content has increased, calculating a 2-3 setting value by applying the sixth weight to the increased number of images requiring correction work in the first content; and
Comprising the step of calculating the second set value by adding up the 2-1 set value, the 2-2 set value, and the 2-3 set value,
How to create a plan and estimate for customized content using an artificial intelligence model.
KR1020230062170A 2023-05-15 2023-05-15 Method, device and system for creating proposals and quotation of corporate tailored content based on artificial intelligence KR102597432B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230062170A KR102597432B1 (en) 2023-05-15 2023-05-15 Method, device and system for creating proposals and quotation of corporate tailored content based on artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230062170A KR102597432B1 (en) 2023-05-15 2023-05-15 Method, device and system for creating proposals and quotation of corporate tailored content based on artificial intelligence

Publications (1)

Publication Number Publication Date
KR102597432B1 true KR102597432B1 (en) 2023-11-01

Family

ID=88746270

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230062170A KR102597432B1 (en) 2023-05-15 2023-05-15 Method, device and system for creating proposals and quotation of corporate tailored content based on artificial intelligence

Country Status (1)

Country Link
KR (1) KR102597432B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102674099B1 (en) 2024-03-11 2024-06-12 주식회사 씨제이더블유글로벌 Method, device, and system for automating content planning and a/b testing based on classification of video content and analysis of viewing-related data

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090048184A (en) * 2007-11-09 2009-05-13 엔에이치엔(주) Method for measuring quality of search document and system thereof
KR20110119849A (en) 2010-04-28 2011-11-03 이정운 How to deal with online content creation
KR101921592B1 (en) 2017-08-28 2018-11-23 권기동 How to monetize content creators using the platform
KR20210063054A (en) 2019-11-22 2021-06-01 최은원 System for providing contents using crowd funding and method thereof
KR20210105024A (en) 2020-02-18 2021-08-26 (주)셀럽포유 Server and method for providing user customized content produced by celebrity
KR102379181B1 (en) * 2021-09-03 2022-03-25 주식회사 오일오엠 Method, device and system for deriving beauty business plan and strategy based on artificial intelligence
KR20220107697A (en) * 2021-01-26 2022-08-02 (주)아몬드미디어 Method and apparatus for classifying content type

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090048184A (en) * 2007-11-09 2009-05-13 엔에이치엔(주) Method for measuring quality of search document and system thereof
KR20110119849A (en) 2010-04-28 2011-11-03 이정운 How to deal with online content creation
KR101921592B1 (en) 2017-08-28 2018-11-23 권기동 How to monetize content creators using the platform
KR20210063054A (en) 2019-11-22 2021-06-01 최은원 System for providing contents using crowd funding and method thereof
KR20210105024A (en) 2020-02-18 2021-08-26 (주)셀럽포유 Server and method for providing user customized content produced by celebrity
KR20220107697A (en) * 2021-01-26 2022-08-02 (주)아몬드미디어 Method and apparatus for classifying content type
KR102379181B1 (en) * 2021-09-03 2022-03-25 주식회사 오일오엠 Method, device and system for deriving beauty business plan and strategy based on artificial intelligence

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102674099B1 (en) 2024-03-11 2024-06-12 주식회사 씨제이더블유글로벌 Method, device, and system for automating content planning and a/b testing based on classification of video content and analysis of viewing-related data

Similar Documents

Publication Publication Date Title
KR102379181B1 (en) Method, device and system for deriving beauty business plan and strategy based on artificial intelligence
CN103502899B (en) Dynamic prediction Modeling Platform
KR102322845B1 (en) Method, device and system for deriving brand marketing strategy based on artificial intelligence
US20120029965A1 (en) Selecting a project portfolio
KR102597432B1 (en) Method, device and system for creating proposals and quotation of corporate tailored content based on artificial intelligence
US10891351B2 (en) Systems and methods for automatically generating and optimizing web pages
US11838591B2 (en) Methods and systems for recommendations based on user-supplied criteria
CN111783810A (en) Method and apparatus for determining attribute information of user
US20170365014A1 (en) Systems, methods and non-transitory computer readable storage media for tracking and evaluating predictions regarding relationships
US20190370752A1 (en) Job-post recommendation
KR102547033B1 (en) Method for providing information in the way user selected using keyword recognition function
JP6169288B1 (en) Information processing apparatus, information processing method, program, and storage medium
KR102392163B1 (en) Apparatus and method for providing style recommendation and style fitting simulation service based on artificial intelligence
KR20230087121A (en) Method, device and system for creating proposals and quotation of corporate tailored content based on artificial intelligence
US20180315508A1 (en) Methods and apparatus for dynamic event driven simulations
KR102586033B1 (en) Method, device and system for managing the inventory of shooting props that improve the efficiency of warehousing and warehousing management based on artificial intelligence model
JP6242928B2 (en) Transaction processing method, system, and recording medium for connecting online communication
KR102569394B1 (en) Service providing device of competitive data trading system and operating method thereof
KR102569393B1 (en) System and method for competitive data trading according to non-cooperative competition
KR102544763B1 (en) Method for recommending counselors tailored to the counselee and device for the same
KR102569395B1 (en) Data broker device of competitive data trading system and operating method thereof
KR102418002B1 (en) Method, device and system for providing platform service for production and sale of multi-entity participatory product based on artificial intelligence
KR102389219B1 (en) Method, device and system for providing recommended content through prediction of content reading time
KR102590400B1 (en) Method, device and system for providing platform service to simplify claiming of subsidy related to medical device
US11669424B2 (en) System and apparatus for automated evaluation of compatibility of data structures and user devices based on explicit user feedback

Legal Events

Date Code Title Description
GRNT Written decision to grant