+

KR102493403B1 - Quantitative analysis method for data-based content by analyzing qualitative content and the system there of - Google Patents

Quantitative analysis method for data-based content by analyzing qualitative content and the system there of Download PDF

Info

Publication number
KR102493403B1
KR102493403B1 KR1020210180829A KR20210180829A KR102493403B1 KR 102493403 B1 KR102493403 B1 KR 102493403B1 KR 1020210180829 A KR1020210180829 A KR 1020210180829A KR 20210180829 A KR20210180829 A KR 20210180829A KR 102493403 B1 KR102493403 B1 KR 102493403B1
Authority
KR
South Korea
Prior art keywords
predicted
content
ranking
prediction
target
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
KR1020210180829A
Other languages
Korean (ko)
Inventor
김동국
Original Assignee
김동국
주식회사 하이스트레인저
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 김동국, 주식회사 하이스트레인저 filed Critical 김동국
Priority to KR1020210180829A priority Critical patent/KR102493403B1/en
Application granted granted Critical
Publication of KR102493403B1 publication Critical patent/KR102493403B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The present invention relates to an analysis system for analyzing qualitative content and quantifying data-based content. The analysis system comprises: an input unit which receives the age and gender of consumers and a predicted number of viewers and predicted content rankings for a plurality of pieces of content being currently screened or scheduled to be released, from a predetermined period of time to a screening date or a release date of the plurality of pieces of content, based on the screening date or the release date; a content prediction analysis unit which determines target consumers among consumers having entered the predicted number of viewers and the predicted content rankings, and generates a predicted graph for the predicted number of viewers and the predicted content rankings according to the age and gender of the target consumers; and a box office determination unit which calculates the match rate between external data including the actual number of viewers and actual content rankings on the screening date or the release date and the predicted content rankings or the predicted number of viewers, compares the match rate with a pre-stored standard match rate, and distributes reward points to target consumers. Therefore, the analysis system can accurately calculate the target consumers for image-based content.

Description

정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석 기법 및 그 시스템{QUANTITATIVE ANALYSIS METHOD FOR DATA-BASED CONTENT BY ANALYZING QUALITATIVE CONTENT AND THE SYSTEM THERE OF}Analysis technique and system for analyzing qualitative content and quantifying it into data-based content

본 발명은 상영 중 또는 개봉 예정인, 영화, 드라마, 및 OTT(Over the top) 콘텐츠 등 영상 기반의 콘텐츠에 대한 관객수, 시청자수, 박스오피스순위, 드라마 시청률, 및 OTT 콘텐츠의 랭킹 순위를 예측하고 분석하여, 이를 마케팅에 활용하기 위한 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석 기법 및 그 시스템에 관한 것이다.The present invention predicts and analyzes the number of audiences, the number of viewers, box office rankings, drama ratings, and rankings of OTT contents for video-based contents such as movies, dramas, and OTT (Over the top) contents that are being screened or scheduled to be released. Therefore, it relates to an analysis technique and system that analyzes qualitative content for use in marketing and quantifies it into data-based content.

최근에 최근에 영화관 및 다양한 플랫폼을 이용하여 영화, 드라마, 및 OTT 콘텐츠 등 영상 기반의 콘텐츠를 향유하는 소비자가 증가함에 따라 영상 기반의 콘텐츠의 소비층을 타겟팅한 마케팅이 증가하고 있다.
일반적으로 광고주들은 특정 영화에 대한 소비층을 타겟팅하여 다양한 마케팅 및 광고를 제공하고 있으며 이로 인한, 광고료가 증대되고 있다.
마케팅 및 광고를 제공하기 위해서 타겟소비층에 의해 기재되는 성별, 나이, 및 그 밖의 관심사나 취미 등이 활용되지만, 수집되는 정보가 누락되거나 기재되더라도 정확하지 않을 수 있다.
이로 인해 광고주들은 정확한 타겟소비층을 타겟팅하기 어려운 문제가 있으며 불필요한 광고료가 증대될 수 있다.
이에, 실시간으로 상영 중 또는 개봉 예정인 영화, 드라마, OTT 콘텐츠 등 영상 기반의 콘텐츠에 대한 소비층을 정확히 타겟팅하고 이를 활용하여 마케팅을 하는 기술이 필요한 실정이다.
한편, 이와 관련된 선행기술로는 2020년 10월 23일날 공개된 한국 공개특허공보 제10-2020-0120971호, 2017년 03월 16일날 공개된 일본 공개특허공보 특개2017-054436호, 및 2021년 01월 27일날 공개된 한국 공개특허공보 제10-2020-0120971호가 있다.Recently, as consumers who enjoy video-based contents such as movies, dramas, and OTT contents using movie theaters and various platforms increase, marketing targeting consumers of video-based contents is increasing.
In general, advertisers provide various marketing and advertisements by targeting a consumer group for a specific movie, and as a result, advertisement fees are increasing.
Gender, age, and other interests or hobbies described by target consumers are used to provide marketing and advertising, but the collected information may be omitted or not accurate even if it is written.
As a result, advertisers have difficulty in targeting an accurate target consumer group, and unnecessary advertising fees may increase.
Accordingly, there is a need for a technology for accurately targeting consumers of image-based contents such as movies, dramas, and OTT contents that are being screened or scheduled to be released in real time and use them for marketing.
On the other hand, prior art related to this is Korean Patent Laid-open Publication No. 10-2020-0120971 published on October 23, 2020, Japanese Patent Laid-Open Publication No. 2017-054436 published on March 16, 2017, and 01/2021 There is Korean Patent Publication No. 10-2020-0120971 published on the 27th of the month.

삭제delete

삭제delete

삭제delete

삭제delete

본 발명이 해결하고자 하는 기술적 과제는 영상 기반의 콘텐츠에 대한 타겟소비층을 정확히 산출하기 위한 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석 기법 및 그 시스템에 관한 것이다. A technical problem to be solved by the present invention relates to an analysis technique and a system for analyzing qualitative content and quantifying it into data-based content in order to accurately calculate a target consumption group for image-based content.

추가적으로, 본 발명이 해결하고자 하는 기술적 과제는 타겟소비층의 연령 및 성별에 따른 관객수, 박스오피스 순위, 드라마 시청률, OTT 콘텐츠의 랭킹 순위 등을 예측, 및 수집하고 이에 기초하여 마케팅에 활용하기 위한 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석 기법 및 그 시스템에 관한 것이다.Additionally, the technical problem to be solved by the present invention is to predict and collect the number of audiences, box office rankings, drama ratings, rankings of OTT content, etc. according to age and gender of target consumers, and qualitative data for use in marketing based thereon. It relates to an analysis technique and system for analyzing and quantifying content into data-based content.

본 발명의 한 실시예에 따른 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 하는 분석시스템은, 소비자의 연령, 성별 및 상영 중 또는 개봉 예정인 복수의 콘텐츠에 대한 예측관객수와 예측콘텐츠순위를 복수의 콘텐츠의 상영일 또는 개봉일을 기준으로 소정의 기간 전부터 상영일 또는 개봉일까지 입력받는 입력부, 예측관객수와 예측콘텐츠순위를 입력한 소비자 중 타겟소비자를 결정하고, 타겟소비자의 연령 및 성별에 따라서 예측관객수 및 예측콘텐츠순위에 대한 예측그래프를 생성하는 콘텐츠예측분석부 및 상영일 또는 개봉일에서 실제관객수 및 실제콘텐츠순위를 포함하는 외부데이터와 예측콘텐츠순위 또는 예측관객수의 일치율을 산출하고, 일치율을 미리 저장된 기준일치율과 비교하여 타겟소비자에게 보상포인트를 분배하는 콘텐츠예측판단부를 포함하고, 예측그래프는, 복수의 콘텐츠 별, 예측관객수 및 예측콘텐츠순위를 합산 막대그래프로 표현한 예측관객수막대그래프 및 예측순위막대그래프, 연령 및 성별에 따라서 예측관객수 및 예측콘텐츠순위를 구분하여 표현한 예측관객수도표, 예측순위도표, 연령에 따라 일자별 예측관객수 및 예측콘텐츠순위의 변화추이를 표현한 예측관객수직선그래프, 예측순위직선그래프, 및 예측관객수 및 예측콘텐츠순위를 입력한 성별비율을 표현한 예측관객수원형도표 및 예측순위원형도표로 구성된다.
또한, 본 발명의 한 실시예에 따른 입력부는, 소비자의 연령 및 성별을 포함하는 개인정보를 입력받는 개인정보입력부, 복수의 콘텐츠 중 예측관객수 및 예측콘텐츠순위가 입력되는 어느 하나 또는 적어도 둘 이상의 콘텐츠를 선택하기 위한 선택란이 제공되는 예측선택부, 선택란을 통해서 어느 하나 또는 적어도 둘 이상의 콘텐츠에 대한 예측관객수가 입력되는 예측관객수입력부 및 선택란을 통해서 어느 하나 또는 적어도 둘 이상의 콘텐츠에 대한 예측콘텐츠순위가 입력되는 예측순위입력부를 포함한다.
또한, 본 발명의 한 실시예에 따른 콘텐츠예측분석부는, 복수의 콘텐츠 중 적어도 하나에 예측관객수 또는 예측콘텐츠순위를 입력한 소비자를 타겟소비자로 산출하는 타겟소비자산출부, 타겟소비자의 연령 및 성별에 기초하여 복수의 콘텐츠에 중 적어도 하나에 대한 예측그래프를 생성하는 예측그래프생성부, 및 예측그래프를 타겟소비자의 연령 및/또는 성별에 따라 출력하는 예측순위그래프출력부를 포함한다.
또한, 본 발명의 한 실시예에 따른 콘텐츠예측판단부는, 상영일 또는 개봉일에서 실제관객수 및 실제콘텐츠순위를 포함하는 외부데이터를 입력받는 데이터입력부, 외부데이터와 예측관객수 및 외부데이터와 예측콘텐츠순위의 일치율을 미리 저장된 기준일치율과 비교하는 데이터비교부 및 일치율과 미리 저장된 기준일치율의 비교 결과에 따라 타겟소비자에게 보상포인트를 분배하는 보상포인트분배부를 포함한다.
또한, 본 발명의 한 실시예에 따른 보상포인트분배부는, 일치율이 미리 저장된 기준일치율보다 크거나 같은 경우에 타겟소비자에게 미리 정해진 비율에 따라 보상포인트를 분배하고, 일치율이 미리 저장된 기준일치율보다 작은 경우에 타겟소비자에게 보상포인트를 분배하지 않는다.
또한, 본 발명의 한 실시예에 데이터비교부는, 일치율이 미리 저장된 기준일치율보다 크거나 같은 경우에 예측그래프를 출력하도록 예측순위그래프출력부를 제어한다.
또한, 본 발명의 한 실시예에 따른 데이터비교부는, 일치율이 미리 저장된 기준일치율보다 작은 경우에 외부데이터에 기초하여 예측그래프를 다시 생성하도록 예측그래프생성부를 제어한다.
또한, 본 발명의 한 실시예에 따른 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 하는 분석방법은 입력부, 콘텐츠예측분석부, 및 콘텐츠예측판단부를 포함하는 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 하는 분석시스템에 있어서, 입력부가 소비자의 연령, 성별 및 상영 중 또는 개봉 예정인 복수의 콘텐츠에 대한 예측관객수와 예측콘텐츠순위를 복수의 콘텐츠의 상영일 또는 개봉일을 기준으로 소정의 기간 전부터 상영일 또는 개봉일까지 입력받는 단계, 콘텐츠예측분석부가 예측관객수와 예측콘텐츠순위를 입력한 소비자 중 타겟소비자를 산출하고, 타겟소비자의 연령 및 성별에 기초하여 예측관객수 및 예측콘텐츠순위에 대한 예측그래프를 생성하는 단계 및 콘텐츠예측판단부가 상영일 또는 개봉일에서 실제관객수 및 실제콘텐츠순위를 포함하는 외부데이터와 예측콘텐츠순위 또는 예측관객수의 일치율을 산출하고, 일치율을 미리 저장된 기준일치율과 비교하여 타겟소비자에게 보상포인트를 분배하는 단계를 포함하고, 예측그래프는, 복수의 콘텐츠 별, 예측관객수 및 예측콘텐츠순위를 합산 막대그래프로 표현한 예측관객수막대그래프 및 예측순위막대그래프, 연령 및 성별에 따라서 예측관객수 및 예측콘텐츠순위를 구분하여 표현한 예측관객수도표, 예측순위도표, 연령에 따라 일자별 예측관객수 및 예측콘텐츠순위의 변화추이를 표현한 예측관객수직선그래프, 예측순위직선그래프, 및 예측관객수 및 예측콘텐츠순위를 입력한 성별비율을 표현한 예측관객수원형도표 및 예측순위원형도표로 구성된다.An analysis system that analyzes qualitative content and quantifies it into data-based content according to an embodiment of the present invention, predicts the number of audiences and predicted content rankings for a plurality of content that is being screened or is scheduled to be released, as well as the age and gender of consumers. Based on the screening date or release date of the content, the target consumer is determined among consumers who input the input unit, the number of predicted audiences and the predicted content ranking from a predetermined period before the screening date or release date, and the number of predicted audiences and A content prediction analysis unit that generates a prediction graph for the predicted content ranking and external data including the number of actual audiences and the actual content ranking on the screening date or opening date and the predicted content ranking or predicted audience number, calculates the matching rate, and calculates the matching rate to the pre-stored standard matching rate Includes a content prediction judgment unit that distributes reward points to target consumers in comparison with, and the prediction graph is a bar graph of the number of predicted audiences and a bar graph of predicted rankings, age Predicted audience numbers and predicted content rankings by gender and predicted audience figures, predicted ranking charts, predicted audience vertical line graphs, predicted ranking line graphs, and predicted audience numbers expressing the trend of change in predicted audience numbers and predicted content rankings by date according to age It consists of a circular chart of the number of predicted audiences and a circular chart of predicted rankings expressing the ratio of gender in which the predicted content ranking was entered.
In addition, the input unit according to an embodiment of the present invention, a personal information input unit for receiving personal information including the age and gender of the consumer, any one or at least two contents for which the number of predicted audiences and predicted content rankings among a plurality of contents are input Prediction selection unit provided with a selection box for selecting, a prediction audience input unit in which the number of predicted audiences for any one or at least two contents is input through the selection box, and the predicted content ranking for any one or at least two contents is input through the selection box It includes a prediction ranking input unit that becomes.
In addition, the content prediction analysis unit according to an embodiment of the present invention, the target consumer asset output, the age and gender of the target consumer to calculate the consumer who inputs the number of predicted audiences or the predicted content ranking in at least one of a plurality of content as a target consumer It includes a prediction graph generation unit for generating a prediction graph for at least one of a plurality of contents based on the content, and a prediction ranking graph output unit for outputting the prediction graph according to the age and/or gender of a target consumer.
In addition, the content prediction determination unit according to an embodiment of the present invention, the data input unit for receiving external data including the number of actual audiences and actual content ranking on the screening date or release date, the external data and the predicted audience number, and the external data and predicted content ranking and a data comparison unit that compares the match rate with a pre-stored standard match rate and a reward point distribution unit that distributes reward points to target consumers according to a comparison result between the match rate and the pre-stored standard match rate.
In addition, the reward point distribution unit according to an embodiment of the present invention distributes reward points to target consumers according to a predetermined ratio when the matching rate is greater than or equal to the pre-stored standard matching rate, and the matching rate is smaller than the pre-stored standard matching rate. do not distribute reward points to target consumers.
In addition, in one embodiment of the present invention, the data comparison unit controls the prediction ranking graph output unit to output a prediction graph when the matching rate is greater than or equal to the pre-stored reference matching rate.
In addition, the data comparison unit according to an embodiment of the present invention controls the prediction graph generation unit to regenerate the prediction graph based on external data when the agreement rate is smaller than the pre-stored reference agreement rate.
In addition, an analysis method for analyzing qualitative content and quantifying it as data-based content according to an embodiment of the present invention analyzes qualitative content including an input unit, a content prediction analysis unit, and a content prediction and determination unit to determine data-based content. In the analysis system that quantifies the input unit, the number of expected audiences and the predicted content ranking for a plurality of contents that are being screened or scheduled to be released, and the age, gender of the consumer, and the screening date prior to a predetermined period based on the screening date or opening date of the plurality of contents. Alternatively, the step of receiving input until the release date, the content prediction analysis unit calculates target consumers among consumers who entered the predicted number of audiences and predicted content rankings, and generates a prediction graph for the predicted number of audiences and predicted content rankings based on the age and gender of the target consumers step and content prediction judgment unit calculates the matching rate of the predicted content ranking or predicted audience number with external data including the actual number of audiences and actual content ranking on the screening date or opening date, and compares the matching rate with the pre-stored standard matching rate to provide reward points to target consumers Including the step of distributing, the prediction graph is a bar graph of the number of predicted audiences and a histogram of the predicted ranking expressed as a bar graph that combines the number of predicted audiences and the predicted content ranking for each content, the number of predicted audiences and the predicted content ranking according to age and gender Predicted audience number chart, predicted ranking chart, predicted audience number by date and predicted content ranking according to age, predicted audience vertical line graph, predicted ranking straight line graph, and gender ratio expressed by entering the predicted audience number and predicted content ranking It consists of a circular chart of the number of predicted audiences and a circular chart of predicted rankings.

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

본 발명에 따른 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 분석 기법 및 그 시스템은 영상 기반의 콘텐츠에 대한 타겟소비층을 정확히 산출할 수 있다. By analyzing qualitative content according to the present invention, the quantification analysis technique and its system can accurately calculate the target consumption group for image-based content.

또한, 본 발명에 따른 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 분석 기법 및 그 시스템은 타겟소비층이 입력한 데이터를 기초로 타겟소비층의 연령 및 성별에 따른 관객수, 박스오피스 순위, 드라마 시청률, 및 OTT 콘텐츠의 랭킹 순위 등을 예측, 및 수집할 수 있다.In addition, the qualitative content analysis method according to the present invention to quantify the content into data-based content and its system are based on the data input by the target consumer, the number of audiences according to the age and gender of the target consumer, box office ranking, drama viewership, And the ranking of OTT content can be predicted and collected.

또한, 본 발명에 따른 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석 기법 및 그 시스템은 보상포인트를 분배함으로써 영상 기반의 콘텐츠에 대한 관객수, 박스오피스 순위, 드라마 시청률, OTT 콘텐츠의 랭킹 순위의 예측에 대한 타겟소비층의 참여를 촉진시킬 수 있다.In addition, the analysis technique and system for analyzing qualitative content and quantifying it into data-based content according to the present invention distribute reward points to the number of viewers, box office rankings, drama ratings, and OTT content rankings for video-based content. can promote the participation of target consumers in the prediction of

또한, 본 발명에 따른 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 분석 기법 및 그 시스템은 타겟소비층의 연령 및 성별에 따른 예측관객수그래프 및 예측순위그래프를 제공하고 이에 기초하여 광고주들이 마케팅에 활용할 수 있다.In addition, by analyzing qualitative content according to the present invention, the quantification analysis technique and system for data-based content provide a graph of the number of predicted audiences and a graph of predicted ranking according to the age and gender of the target consumer group, based on which advertisers will utilize them for marketing. can

도 1은 본 발명의 한 실시예에 따른 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석시스템을 설명하기 위한 도면이다.
도 2(a)는 본 발명의 한 실시예에 따른 타겟콘텐츠 별 예측관객수막대그래프 및 예측순위막대그래프를 설명하기 위한 도면이다. 도 2(b)는 본 발명의 한 실시예에 따른 콘텐츠순위예측에 참여한 타겟소비층의 성별 및 연령에 따른 예측관객수도표 및 예측순위도표를 설명하기 위한 도면이다.
도 3(a)는 본 발명의 한 실시예에 따른 예측선택부가 제공한 선택란에서 타겟콘텐츠 중 어느 하나의 콘텐츠를 선택하는 타겟콘텐츠선택윈도우를 설명하기 위한 도면이다. 도 3(b)는 본 발명의 한 실시예에 따른 날짜 별 예측관객수 및 예측콘텐츠순위를 예측한 타겟소비층의 성별 및 연령에 따른 예측관객수직선그래프 및 예측순위직선그래프를 나타내는 도면이다. 도 3(c)는 본 발명의 한 실시예에 따른 예측관객수원형도표 및 예측순위원형도표를 나타내는 도면이다.
도 4는 본 발명의 한 실시예에 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석기법을 설명하기 위한 흐름도이다.1 is a diagram for explaining an analysis system that analyzes qualitative content and quantifies it into data-based content according to an embodiment of the present invention.
2(a) is a diagram for explaining a histogram of the number of predicted audiences and a histogram of predicted ranking for each target content according to an embodiment of the present invention. FIG. 2(b) is a diagram for explaining a predicted audience number table and a predicted rank chart according to the gender and age of target consumers participating in content ranking prediction according to an embodiment of the present invention.
3(a) is a diagram for explaining a target content selection window for selecting one of target contents from a selection field provided by a prediction selection unit according to an embodiment of the present invention. FIG. 3(b) is a diagram showing a vertical line graph of predicted audiences and a line graph of predicted rankings according to gender and age of a target consumer group in which the number of predicted audiences and predicted content ranking by date are predicted according to an embodiment of the present invention. 3(c) is a diagram showing a circular chart of the number of predicted audiences and a circular chart of predicted rankings according to an embodiment of the present invention.
4 is a flowchart illustrating an analysis technique for analyzing qualitative content and quantifying it into data-based content according to an embodiment of the present invention.

이하, 첨부한 도면을 참고로 하여 본 발명의 여러 실시 예들에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예들에 한정되지 않는다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다. 따라서 앞서 설명한 참조 부호는 다른 도면에서도 사용할 수 있다.
또한, 도면에서 나타난 각 구성의 크기 및 두께는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다. 도면에서 여러 층 및 영역을 명확하게 표현하기 위하여 두께를 과장되게 나타낼 수 있다.
또한, 설명에서 "동일하다"라고 표현한 것은, "실질적으로 동일하다"는 의미일 수 있다. 즉, 통상의 지식을 가진 자가 동일하다고 납득할 수 있을 정도의 동일함일 수 있다. 그 외의 표현들도 "실질적으로"가 생략된 표현들일 수 있다.
도 1은 본 발명의 한 실시예에 따른 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석시스템을 설명하기 위한 도면이다.
본 발명의 한 실시예에 따른 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석시스템(1)은 입력부(10), 콘텐츠예측분석부(20), 콘텐츠예측판단부(30)를 포함한다.
입력부(10)는 개인정보입력부(11) 및 예측입력부(12)를 포함한다. 예측입력부(12)는 예측선택부(120), 예측관객수입력부(121), 및 예측순위입력부(122)를 포함한다.
콘텐츠예측분석부(20)는 타겟소비자산출부(21), 예측그래프생성부(22), 예측관객수출력부(23), 및 예측순위그래프출력부(24)를 포함한다.
콘텐츠예측판단부(30)는 데이터입력부(300), 데이터비교부(301), 및 보상포인트분배부(302)를 포함한다.
개인정보입력부(11)에는 미리 저장된 기간동안 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석시스템(1)에서 영상 기반의 콘텐츠에 대한 관객수 예측, 영화의 박스오피스 순위 예측, 드라마의 시청률 예측, 및 OTT 콘텐츠의 랭킹 순위 예측에 참여한 소비자들의 개인정보가 입력될 수 있다.
이때, 개인정보입력부(11)에 입력되는 소비자들의 개인정보는 연령 및 성별을 포함하나 본 발명은 이에 한정되지 않는다. 예를 들어, 개인정보입력부(11)에 입력된 소비자들의 개인정보는 선호하는 콘텐츠장르 및 콘텐츠시청주기 등 다양한 정보가 포함될 수 있다.
이때, 미리 저장된 기간은 임의로 설정될 수 있다. 예를 들어, 상영 중인 영화의 경우 상영 중인 영화가 상영된 날짜를 기준으로 제1 기간 후인 제1 시점까지의 기간을 포함할 수 있다. 또는, 방송 중인 드라마, OTT 콘텐츠의 경우 방송 중인 드라마, OTT 콘텐츠가 방송된 날짜를 기준으로 제1 기간 후인 제1 시점까지의 기간을 포함할 수 있다.
개봉 예정인 영화인 경우 개봉 예정인 영화가 개봉되는 날짜를 기준으로 제2 기간 전인 제2 시점에서 개봉 예정인 영화가 개봉되는 날짜까지의 기간을 포함할 수 있다. 또는, 개봉 예정인 드라마, OTT 콘텐츠의 경우 개봉 예정인 드라마, OTT 콘텐츠가 방송된 날짜를 기준으로 제1 기간 후인 제2 시점까지의 기간을 포함할 수 있다.
제1 기간은 상영된 날짜를 기준으로 1주일일 수 있고, 제2 기간은 개봉되는 날짜를 기준으로 1달전 일 수 있으나, 본 발명은 이에 한정되지 않고, 다양하게 설정될 수 있다.
예측입력부(12)에 포함된 예측선택부(120)는 소비자들이 상영 중 또는 개봉 예정인 콘텐츠 중 적어도 하나에 대한 예측관객수 또는 예측콘텐츠순위를 입력하기 위한 복수의 선택란(미도시)을 제공할 수 있다.
구체적으로, 예측선택부(120)는 상영 중인 어느 하나의 콘텐츠에 대해서 소비자들이 예측관객수 및/또는 예측콘텐츠순위를 입력할 수 있는 어느 하나의 선택란을 제공할 수 있다. 예측선택부(120)는 상영 중인 적어도 둘 이상의 콘텐츠에 대해서 소비자들이 예측관객수 및/또는 예측콘텐츠순위를 입력할 수 있는 선택란을 제공할 수 있다.
또는, 예측선택부(120)는 상영 중인 콘텐츠 및 개봉 예정인 콘텐츠 중 적어도 둘 이상의 콘텐츠에 대해서 소비자들이 예측관객수 및/또는 예측콘텐츠순위를 입력할 수 있는 선택란을 제공할 수 있다.
또는, 예측선택부(120)는 개봉 예정인 어느 하나의 콘텐츠에 대해서 소비자들이 예측관객수 및/또는 예측콘텐츠순위를 입력할 수 있는 어느 하나의 선택란을 제공할 수 있다. 예측입력부(12)는 개봉 예정인 적어도 둘 이상의 콘텐츠에 대해서 소비자들이 예측관객수 및/또는 예측콘텐츠순위를 입력할 수 있는 선택란을 제공할 수 있다.
이하, 예측선택부(120)가 제공한 선택란에서 소비자에 의해 선택된 상영 중인 콘텐츠 및/또는 개봉 예정인 콘텐츠를 타겟콘텐츠라 명명하기로 한다. 또한, 예측선택부(120)가 제공한 선택란에서 상기 타겟콘텐츠를 선택한 소비자를 타겟소비자라고 명명하기로 한다.
예측입력부(12)에 포함된 예측관객수입력부(121)에는 예측선택부(120)가 제공한 선택란에서 선택된 어느 하나 또는 적어도 둘 이상의 타겟콘텐츠에 대한 예측관객수가 입력될 수 있다.
구체적으로, 예측관객수입력부(121)에는 상영 중인 어느 하나의 타겟콘텐츠에 대한 예측관객수가 입력될 수 있다. 예측관객수입력부(121)에는 상영 중인 적어도 둘 이상의 타겟콘텐츠에 대한 예측관객수가 입력될 수 있다.
또는, 예측관객수입력부(121)에는 상영 중인 타겟콘텐츠 및 개봉 예정인 타겟콘텐츠 중 적어도 둘 이상에 대한 예측관객수가 입력될 수 있다.
또는, 예측관객수입력부(121)에는 개봉 예정인 어느 하나의 타겟콘텐츠에 대한 예측관객수가 입력될 수 있다. 예측관객수입력부(121)에는 개봉 예정인 적어도 둘 이상의 타겟콘텐츠에 대한 예측관객수가 입력될 수 있다.
예를 들어, 예측관객수입력부(121)에는 개봉 예정인 어느 하나의 타겟콘텐츠(예를 들어, 드라마)에 대한 예측관객수가 5천명으로 입력될 수 있다. 또는, 예측관객수입력부(121)에는 개봉 예정인 어느 하나의 타겟콘텐츠(예를 들어, 영화)에 대한 예측관객수가 100만 명으로 입력될 수 있으나 본 발명은 이에 한정되지 않는다.
예측입력부(12)에 포함된 예측순위입력부(122)에는 예측선택부(120)에서 선택된 어느 하나 또는 적어도 둘 이상의 타겟콘텐츠에 대한 예측콘텐츠순위가 입력될 수 있다.
구체적으로, 예측순위입력부(122)에는 상영 중인 어느 하나의 타겟콘텐츠에 대한 예측콘텐츠순위가 입력될 수 있다. 예측순위입력부(122)에는 상영 중인 적어도 둘 이상의 타겟콘텐츠에 대한 예측콘텐츠순위가 입력될 수 있다.
또는, 예측순위입력부(122)에는 상영 중인 타겟콘텐츠 및 개봉 예정인 타겟콘텐츠 중 적어도 둘 이상에 대한 예측콘텐츠순위가 입력될 수 있다.
또는, 예측순위입력부(122)에는 개봉 예정인 어느 하나의 타겟콘텐츠에 대한 예측콘텐츠순위가 입력될 수 있다. 예측순위입력부(122)에는 개봉 예정인 적어도 둘 이상의 타겟콘텐츠에 대한 예측콘텐츠순위가 입력될 수 있다.
예를 들어, 예측순위입력부(122)에는 개봉 예정인 어느 하나의 타겟콘텐츠(예를 들어, 영화)가 개봉시점에서 박스오피스 1위에 해당할 것이라고 예상하는 예측콘텐츠순위가 입력될 수 있다. 또는, 예측순위입력부(122)에는 개봉 예정인 어느 하나의 타겟콘텐츠(예를 들어, 드라마)가 방영시점에서 3위에 해당할 것이라고 예상하는 예측콘텐츠순위가 입력될 수 있다.
콘텐츠예측분석부(20)에 포함된 타겟소비자산출부(21)는 예측관객수입력부(121)에 입력된 예측관객수와 예측순위입력부(122)에 입력된 예측콘텐츠순위에 기초하여 타겟소비자를 산출할 수 있다.
예를 들어, 타겟소비자산출부(21)는 예측선택부(120)에서 제공된 어느 하나의 선택란에서 선택된 타겟콘텐츠, 타겟콘텐츠에 대한 예측관객수 및 타겟콘텐츠에 대한 예측콘텐츠순위를 입력한 소비자를 상기 타겟콘텐츠에 대한 타겟소비자로 지정할 수 있다. 타겟소비자산출부(21)는 개인정보입력부(11)에 입력된 개인정보 중 타겟소비자의 개인정보(연령 및 성별)을 추출할 수 있다.
콘텐츠예측분석부(20)에 포함된 예측관객수출력부(23)는 타겟소비자의 개인정보(연령 및 성별)에 따라 타겟콘텐츠에 대한 예측관객수를 사용자에게 출력할 수 있다.
구체적으로, 예측관객수출력부(23)는 예측관객수입력부(121)에서 타겟소비자에 의해 입력된 어느 하나 또는 적어도 둘 이상의 상영 중인 타겟콘텐츠에 대한 예측관객수를 타겟소비자의 연령 및/또는 성별에 따라 출력할 수 있다.
예측관객수출력부(23)는 예측관객수입력부(121)에서 입력된 어느 하나 또는 적어도 둘 이상의 개봉 예정인 타겟콘텐츠에 대한 예측관객수를 타겟소비자의 연령 및 성별에 따라 출력할 수 있다.
예측관객수출력부(23)는 예측관객수입력부(121)에서 입력된 적어도 둘 이상의 상영 중 및 개봉 예정인 타겟콘텐츠에 대한 예측관객수를 타겟소비자의 연령 및 성별에 따라 출력할 수 있다.
콘텐츠예측분석부(20)에 포함된 예측그래프생성부(22)는 예측그래프를 생성할 수 있다.
구체적으로, 콘텐츠예측분석부(20)에 포함된 예측그래프생성부(22)는 타겟소비자의 연령 및/또는 성별에 따라 타겟콘텐츠에 대한 예측순위그래프를 생성할 수 있다. 콘텐츠예측분석부(20)에 포함된 예측그래프생성부(22)는 타겟소비자의 연령 및/또는 성별에 따라 타겟콘텐츠에 대한 예측관객수그래프를 생성할 수 있다.
구체적으로, 예측그래프생성부(22)는 예측관객수입력부(121)에 입력된 예측관객수에 기초하여 상영 중 및/또는 개봉 예정인 타겟콘텐츠 별 예측관객수막대그래프(이하, 도 2a 참고)를 생성할 수 있다. 예측그래프생성부(22)는 예측순위입력부(122)에 입력된 예측콘텐츠순위에 기초하여 상영 중 및/또는 개봉 예정인 타겟콘텐츠 별 예측순위막대그래프(이하, 도 2a 참고)를 생성할 수 있다.
예측그래프생성부(22)는 예측관객수입력부(121)에 입력된 예측관객수 및 타겟소비자산출부(21)에서 산출된 타겟소비자의 개인정보에 기초하여 타겟소비자의 연령 및/또는 성별에 따른 상영 중 및/또는 개봉 예정인 타겟콘텐츠 별 예측관객수도표(이하, 도 2b 참고)를 생성할 수 있다. 예측그래프생성부(22)는 예측순위입력부(122)에 입력된 예측콘텐츠순위 및 타겟소비자산출부(21)에서 산출된 타겟소비자의 개인정보에 기초하여 타겟소비자의 연령 및/또는 성별에 따른 상영 중 및/또는 개봉 예정인 타겟콘텐츠 별 예측순위도표(이하, 도 2b 참고)를 생성할 수 있다.
예측그래프생성부(22)는 예측관객수입력부(121)에 입력된 예측관객수에 기초하여 상영 중 및/또는 개봉 예정인 타겟콘텐츠 별 예측관객수직선그래프(이하, 도 3b 참고)를 생성할 수 있다. 예측그래프생성부(22)는 예측순위입력부(122)에 입력된 예측콘텐츠순위에 기초하여 상영 중 및/또는 개봉 예정인 타겟 콘텐츠 별 예측순위직선그래프(이하, 도 3b 참고)를 생성할 수 있다.
이때, 예측그래프생성부(22)가 생성한 예측관객수직선그래프는 예측관객수입력부(121)에서 날짜 별로 타겟소비자가 입력한 예측관객수의 추이를 보여줄 수 있다. 또는, 예측그래프생성부(22)가 생성한 예측순위직선그래프는 예측순위입력부(122)에서 날짜 별로 타겟소비자가 입력한 예측콘텐츠순위의 추이를 보여줄 수 있다.
예측그래프생성부(22)는 예측관객수입력부(121)에 입력된 예측관객수 및 타겟소비자산출부(21)에서 산출된 타겟소비자의 개인정보에 기초하여 타겟소비자의 연령 및/또는 성별에 따른 상영 중 및/또는 개봉 예정인 타겟콘텐츠 별 예측관객수원형도표(이하, 도 3c 참고)를 생성할 수 있다. 예측그래프생성부(22)는 예측순위입력부(122)에 입력된 예측콘텐츠순위 및 타겟소비자산출부(21)에서 산출된 타겟소비자의 개인정보에 기초하여 타겟소비자의 연령 및/또는 성별에 따른 상영 중 및/또는 개봉 예정인 타겟콘텐츠 별 예측순위원형도표(이하, 도 3c 참고)를 생성할 수 있다.
이때, 예측그래프생성부(22)가 생성한 예측관객수원형도표는 타겟콘텐츠에 대해서 예측관객수를 입력한 특정한 날짜 및/또는 특정한 연령의 타겟소비자 중 남/여 비율을 보여줄 수 있다. 또는, 예측그래프생성부(22)가 생성한 예측순위원형도표는 타겟콘텐츠에 대해서 예측콘텐츠순위를 입력한 특정한 날짜 및/또는 특정한 연령의 타겟소비자 중 남/여 비율을 보여줄 수 있다.
예측순위그래프출력부(24)는 예측그래프생성부(22)에서 생성한 예측순위그래프를 출력할 수 있다.
구체적으로, 예측순위그래프출력부(24)는 예측순위막대그래프를 출력할 수 있다. 예측순위그래프출력부(24)는 예측순위도표를 출력할 수 있다. 예측순위그래프출력부(24)는 예측순위직선그래프를 출력할 수 있다. 예측순위그래프출력부(24)는 예측순위원형도표를 출력할 수 있다.
또한, 예측순위그래프출력부(24)는 예측그래프생성부(22)에서 생성한 예측관객수그래프를 출력할 수 있다.
구체적으로, 예측순위그래프출력부(24)는 예측관객수막대그래프를 출력할 수 있다. 예측순위그래프출력부(24)는 예측관객수도표를 출력할 수 있다. 예측순위그래프출력부(24)는 예측관객수직선그래프를 출력할 수 있다. 예측순위그래프출력부(24)는 예측관객수원형도표를 출력할 수 있다.
콘텐츠예측판단부(30)에 포함된 데이터입력부(300)는 상기 임의로 설정된 미리 저장된 기간이 종료된 시점에서 타겟콘텐츠의 실제 콘텐츠순위를 포함하는 외부데이터를 입력 받을 수 있다. 또는, 콘텐츠예측판단부(30)에 포함된 데이터입력부(300)는 상기 임의로 설정된 미리 저장된 기간이 종료된 시점에서 타겟콘텐츠의 실제 관객수 또는 실제 시청자수를 포함하는 외부데이터를 입력 받을 수 있다.
데이터비교부(301)는 입력된 외부데이터와 예측관객수입력부(121)에서 타겟소비자에 의해 입력된 예측관객수를 비교할 수 있다. 데이터비교부(301)는 입력된 외부데이터와 예측순위입력부(122)에서 타겟소비자에 의해 입력된 예측콘텐츠순위를 비교할 수 있다.
데이터비교부(301)는 예측관객수와 외부데이터의 일치율을 산출할 수 있다. 데이터비교부(301)는 예측콘텐츠순위와 외부데이터의 일치율을 산출할 수 있다.
데이터비교부(301)는 미리 저장된 기준일치율과 산출된 일치율을 비교할 수 있다. 이때, 미리 저장된 기준일치율은 가변될 수 있으며 임의의 값으로 설정될 수 있다.
데이터비교부(301)는 일치율이 미리 저장된 기준일치율보다 크거나 같은 경우에 예측관객수입력부(121)에 입력된 타겟콘텐츠에 대한 타겟소비자의 관객수 예측 또는 타겟소비자의 시청자수 예측이 타당하다고 판단할 수 있다. 데이터비교부(301)는 일치율이 미리 저장된 기준일치율보다 크거나 같은 경우에 예측순위입력부(122)에 입력된 타겟콘텐츠에 대한 타겟소비자의 콘텐츠순위예측이 타당하다고 판단할 수 있다.
데이터비교부(301)는 일치율이 미리 저장된 기준일치율보다 크거나 같은 경우에 예측그래프생성부(22)에서 생성된 예측순위그래프가 출력되도록 예측순위그래프출력부(24)를 제어할 수 있다.
데이터비교부(301)는 일치율이 미리 저장된 기준일치율보다 작은 경우에 예측관객수입력부(121)에 입력된 타겟콘텐츠에 대한 타겟소비자의 관객수 예측 또는 시청자수 예측이 타당하지 않다고 판단할 수 있다. 데이터비교부(301)는 일치율이 미리 저장된 기준일치율 보다 작은 경우에 예측순위입력부(122)에서 입력된 타겟콘텐츠에 대한 타겟소비자의 콘텐츠순위예측이 타당하지 않다고 판단할 수 있다.
데이터비교부(301)는 일치율이 미리 저장된 기준일치율보다 작은 경우에 외부데이터에 따라 예측순위그래프 및 관객수그래프를 다시 생성하도록 예측그래프생성부(22)를 제어할 수 있다.
콘텐츠예측판단부(30)에 포함된 보상포인트분배부(302)는 일치율이 미리 저장된 기준일치율보다 크거나 같은 경우에 타겟소비자에게 미리 정해진 비율에 따라 보상포인트를 분배할 수 있다.
콘텐츠예측판단부(30)에 포함된 보상포인트분배부(302)는 일치율이 미리 저장된 기준일치율보다 작은 경우에 타겟소비자에게 미리 정해진 비율에 따른 보상포인트를 분배하지 않을 수 있다.
구체적으로, 보상포인트란 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석시스템(1)에서 영상 기반의 콘텐츠에 대한 관객수 예측, 영화의 박스오피스 순위 예측, 드라마의 시청률 예측, 및 OTT 콘텐츠의 랭킹 순위 예측을 적중한 타겟소비자에게 지급되는 도구로서, 타겟소비자는 상기 지급된 보상포인트를 이용하여 영화를 예매 또는 소비할 수 있다.
도 2(a)는 본 발명의 한 실시예에 따른 타겟콘텐츠 별 예측관객수막대그래프 및 예측순위막대그래프를 설명하기 위한 도면이다. 도 2(b)는 본 발명의 한 실시예에 따른 콘텐츠순위예측에 참여한 타겟소비층의 성별 및 연령에 따른 예측관객수도표 및 예측순위도표를 설명하기 위한 도면이다.
예측그래프생성부(22)는 타겟소비자의 연령 및/또는 성별에 따라 타겟콘텐츠에 대한 예측관객수막대그래프 및 예측순위막대그래프를 생성할 수 있다.
도 2(a)를 참고하면, 본 발명의 한 실시예에 따른 예측그래프생성부(22)는 상영 중 또는 개봉 예정인 복수의 타겟콘텐츠에 대한 예측관객수막대그래프를 생성할 수 있다. 또는, 예측그래프생성부(22)는 상영 중 또는 개봉 예정인 복수의 타겟콘텐츠에 대한 예측순위막대그래프를 생성할 수 있다.
이하, 도 2(a)를 참고하여 예측그래프생성부(22)가 생성한 상영 중 또는 개봉 예정인 복수의 타겟콘텐츠에 대한 예측순위막대그래프를 예로 들어 설명한다. 예측관객수막대그래프는 상기 예측순위막대그래프와 실질적으로 동일하므로 중복되거나 유사한 내용은 생략하기로 한다.
또한, 도 2(b)를 참고하여 예측그래프생성부(22)가 생성한 상영 중 또는 개봉 예정인 복수의 타겟콘텐츠에 별 예측순위도표를 예로 들어 설명한다. 예측관객수도표는 상기 영화예측순위도표와 실질적으로 동일하므로 중복되거나 유사한 내용은 생략하기로 한다.
또한, 이하 도 2(a) 및 도 (b)에서 타겟콘텐츠가 '영화'인 경우를 예로 들어 예측순위막대그래프를 생성하는 과정을 설명한다.
도 2(a)를 참고하면, 상영 중, 방송 중 또는 개봉 예정인 복수의 타겟콘텐츠를 a, b, c, d, e, f, g, h, i, j, k, l, m이라 가정한다.
예측그래프생성부(22)가 생성한 예측순위막대그래프는 복수의 타겟콘텐츠 각각에 대해서 생성될 수 있다. 복수의 타겟콘텐츠 각각에 대해서 생성된 예측순위막대그래프는 콘텐츠예측순위를 입력한 타겟소비자의 수의 합으로 표현될 수 있다.
구체적으로, 영화'e'의 경우, 영화 'e'가 개봉되는 시점에 영화순위의 1위일 것이라고 예측하는 타겟소비자의 수는 189명이다. 영화 'e'가 개봉되는 시점에 영화순위가 2위일 것이라고 예측하는 타겟소비자의 수는 130명이다. 영화 'e'가 개봉되는 시점에 영화순위가 3위일 것이라고 예측하는 타겟소비자의 수는 25명이다.
이때, 예측그래프생성부(22)는 상기 189명, 상기 130명, 및 상기 25명의 합인 344를 상기 영화 'e'의 예측순위막대그래프로 생성할 수 있다.
영화 'e'의 예측순위막대그래프는 영화순위의 1위일 것이라고 판단하는 타겟소비자의 수인 189명, 2위일 것이라고 판단하는 타겟소비자의 수인 130명, 및 3위일 것이라고 판단하는 타겟소비자의 수인 25명을 서로 다른 라벨, 숫자, 또는 색을 이용하여 구분할 수 있다.
예를 들어, 영화 'e'의 예측순위막대그래프인 총 344명 중 1위라고 판단하는 189명을 ①으로 표시하고, 2위라고 판단하는 130명을 ②으로 표시하고, 3위라고 판단하는 25명을 ③으로 표시하여 구분할 수 있다.
영화'i'의 경우, 영화 'i'가 개봉되는 시점에 영화순위의 1위일 것이라고 예측하는 타겟소비자의 수는 186명이다. 영화 'i'가 개봉되는 시점에 영화순위가 2위일 것이라고 예측하는 타겟소비자의 수는 137명이다. 영화 'i'가 개봉되는 시점에 영화순위가 3위일 것이라고 예측하는 타겟소비자의 수는 31명이다.
이때, 예측그래프생성부(22)는 상기 186명, 상기 137명, 및 상기 31명의 합인 354를 상기 영화 'i'의 예측순위막대그래프로 생성할 수 있다.
영화'h'의 경우, 영화 'h'가 개봉되는 시점에 영화순위의 1위일 것이라고 예측하는 타겟소비자의 수는 10명이다. 영화 'h'가 개봉되는 시점에 영화순위가 2위일 것이라고 예측하는 타겟소비자의 수는 26명이다. 영화 'h'가 개봉되는 시점에 영화순위가 3위일 것이라고 예측하는 타겟소비자의 수는 67명이다.
예측그래프생성부(22)는 상기 10명, 상기 26명, 및 상기 67명의 합인 103를 상기 영화 'h'의 예측순위막대그래프로 생성할 수 있다.
영화'l'의 경우, 영화 'l'이 개봉되는 시점에 영화순위의 1위일 것이라고 예측하는 타겟소비자의 수는 2명이다. 영화 'l'이 개봉되는 시점에 영화순위가 2위일 것이라고 예측하는 타겟소비자의 수는 52명이다. 영화 'l'이 개봉되는 시점에 영화순위가 3위일 것이라고 예측하는 타겟소비자의 수는 55명이다.
예측그래프생성부(22)는 상기 2명, 상기 32명, 및 상기 55명의 합인 89를 상기 영화 'l'의 예측순위막대그래프로 생성할 수 있다.
예측순위그래프출력부(24)는 예측그래프생성부(22)에서 생성한 예측순위막대그래프 및 예측관객수막대그래프를 출력할 수 있다. 또한, 예측순위그래프출력부(24)는 각 타겟영화에 대한 포스터(Pe, Pi, Ph, Pl) 및 상기 1위, 2위, 3위로 예측한 타겟소비자의 수를 출력할 수 있다.
본 발명의 한 실시예에 따른 도 2(a)에서는 '영화'를 예로 들어 예측순위막대그래프를 생성하는 과정을 설명하였으나, 드라마, OTT 콘텐츠 등의 다른 영상 기반 콘텐츠에 대한 예측순위막대그래프는 상술한 과정과 동일하므로 실질적으로 중복되거나 유사한 내용은 생략하기로 한다.
도 2(b)를 참고하면 영화가 개봉되는 시점에서 성별에 관계없이 영화순위의 1위, 2위, 및 3위일 것이라고 판단하는 타겟소비자의 연령에 따른 숫자가 예측순위도표에 도시된다.
구체적으로, 타겟소비자 189명이 영화 'e'를 박스오피스 영화순위 1위로 선택함을 예측순위도표에서 알 수 있다. 타겟소비자 137명이 영화 'i'를 영화순위 2위로 선택함을 예측순위도표에서 알 수 있다.
타겟소비자 67명이 영화 'h'를 영화순위 3위로 선택함을 예측순위도표에서 알 수 있다. 13세 이하에서 타겟소비자 3명이 영화 'e'를 영화순위 1위로 선택함을 예측순위도표에서 알 수 있다.
13세 이하에서 타겟소비자 1명이 영화 'b'를 박스오피스 영화순위 2위로 선택함을 예측순위도표에서 알 수 있다. 타겟소비자 2명이 영화 'c'를 영화순위 3위로 선택함을 예측순위도표에서 알 수 있다.
14세 이상에 대한 설명은 상기 13세 이하에 대한 설명과 실질적으로 중복되거나 유사하므로 생략하기로 한다.
또한, 도 2(b)를 참고하면 영화가 개봉되는 시점에서 영화순위의 1위, 2위, 및 3위일 것이라고 예측하는 남성 타겟소비자의 연령에 따른 숫자가 예측순위도표에 도시된다.
구체적으로, 남성 타겟소비자 67명이 영화 'i'를 영화순위 1위로 선택함을 예측순위도표에서 알 수 있다. 남성 타겟소비자 51명이 영화 'i'를 영화순위 2위로 선택함을 예측순위도표에서 알 수 있다. 남성 타겟소비자 18명이 영화 'l'을 영화순위 3위로 선택함을 예측순위도표에서 알 수 있다.
13세 이하에서 남성 타겟소비자 1명이 영화 'i'를 영화순위 1위로 선택함을 예측순위도표에서 알 수 있다. 13세 이하에서 남성 타겟소비자 1명이 영화 'b'를 박영화순위 2위로 선택함을 예측순위도표에서 알 수 있다. 남성 타겟소비자 1명이 영화 'c'를 영화순위 3위로 선택함을 예측순위도표에서 알 수 있다.
14세 이상에 대한 설명은 상기 13세 이하에 대한 설명과 실질적으로 중복되거나 유사하므로 생략하기로 한다.
또한, 도 2(b)를 참고하면 영화가 개봉되는 시점에서 영화순위의 1위, 2위, 및 3위일 것이라고 판단하는 여성 타겟소비자의 연령에 따른 숫자가 예측순위도표에 도시된다.
구체적으로, 여성 타겟소비자 126명이 영화 'e'를 영화순위 1위로 선택함을 예측순위도표에서 알 수 있다. 여성 타겟소비자 86명이 영화 'e'를 영화순위 2위로 선택함을 예측순위도표에서 알 수 있다. 여성 타겟소비자 55명이 영화 'h'를 영화순위 3위로 선택함을 예측순위도표에서 알 수 있다.
13세 이하에서 여성 타겟소비자 3명이 영화 'e'를 영화순위 1위로 선택함을 예측순위도표에서 알 수 있다. 13세 이하에서 여성 타겟소비자 1명이 영화 'e'를 영화순위 2위로 선택함을 예측순위도표에서 알 수 있다. 여성 타겟소비자 1명이 영화 'c'를 영화순위 3위로 선택함을 예측순위도표에서 알 수 있다.
14세 이상에 대한 설명은 상기 13세 이하에 대한 설명과 실질적으로 중복되거나 유사하므로 생략하기로 한다.
본 발명의 한 실시예에 따른 도 2(b)에서는 '영화'를 예로 들어 예측순위도표를 생성하는 과정을 설명하였으나, 드라마, OTT 콘텐츠 등의 다른 영상 기반 콘텐츠에 대한 예측순위도표는 상술한 과정과 동일하므로 실질적으로 중복되거나 유사한 내용은 생략하기로 한다.
도 2(a) 및 도 2(b)에서 상술한 바와 같이, 본 발명의 한 실시예에 따른 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석시스템(1)은 타겟소비자의 연령 및/또는 성별에 따라 영화에 대한 예측순위막대그래프 및 관객수막대그래프를 생성하고 출력할 수 있다. 또한, 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석시스템(1)은 타겟소비자의 연령 및/또는 성별에 따라 타겟콘텐츠에 대한 예측관객수도표 및 예측순위도표를 생성하고 출력할 수 있다.
이를 이용하여, 미리 저장된 기간동안 타겟콘텐츠에 대해 타겟소비자가 판단한 예측콘텐츠순위 및 예측관객수를 산출할 수 있으며, 콘텐츠예측순위 및 예측관객수를 입력한 타겟소비자들의 연령 및/또는 성별에 따라서 타겟콘텐츠에 대한 타겟소비자를 정확하게 산출할 수 있다.
도 3(a)는 본 발명의 한 실시예에 따른 예측선택부가 제공한 선택란에서 타겟콘텐츠 중 어느 하나의 콘텐츠를 선택하는 타겟콘텐츠선택윈도우를 설명하기 위한 도면이다. 도 3(b)는 본 발명의 한 실시예에 따른 날짜 별 예측관객수 및 예측콘텐츠순위를 예측한 타겟소비층의 성별 및 연령에 따른 예측관객수직선그래프 및 예측순위직선그래프를 나타내는 도면이다. 도 3(c)는 본 발명의 한 실시예에 따른 예측관객수원형도표 및 예측순위원형도표를 나타내는 도면이다.
이하, 날짜 별 콘텐츠예측순위에 참여한 타겟소비층의 성별 및/또는 연령을 나타내는 예측순위직선그래프를 예로 들어 설명한다. 예측관객수직선그래프는 상기 예측순위직선그래프와 실질적으로 동일하므로, 중복되는 설명은 생략하기로 한다.
또한, 이하 도 3(a) 및 도 3(b)에서는 타겟콘텐츠가 '영화'인 경우를 예로 들어 예측순위직선그래프를 생성하는 과정을 설명한다.
도 3(a)를 참고하면 타겟콘텐츠선택윈도우(TMW)에는 타겟콘텐츠선택버튼(TMW1), 순위선택버튼(TMW2), 및 조회버튼(TMW3)이 출력될 수 있다.
타겟콘텐츠선택버튼(TMW1)이 클릭되는 경우, 영화 'a' 내지 'm' 중 어느 하나의 영화를 선택할 수 있는 타겟콘텐츠선택란이 출력될 수 있다.
순위선택버튼(TMW2)이 클릭되는 경우, 타겟콘텐츠선택버튼(TMW1)에서 선택된 영화의 예측콘텐츠순위를 선택하는 순위선택란이 출력될 수 있다.
예를 들어, 순위선택란에는 1위, 2위, 3위 중 어느 하나를 선택할 수 있는 순위선택란이 출력될 수 있으나, 본 발명은 이에 한정되지 않는다. 또한, 이하 본 발명에서는 영화 'a'의 영화순위가 3위 일 것이라 예측한 예측순위직선그래프를 출력하기 위한 것으로 가정하기로 한다.
조회버튼(TMW3)이 클릭되는 경우, 타겟콘텐츠선택버튼(TMW1)에서 선택된 영화에 대해서 순위선택버튼(TMW2)에서 선택된 영화예측순위를 선택한 예측순위직선그래프를 출력할 수 있다.
도 3(b)를 참고하면, 도 3(a)에서 타겟콘텐츠선택버튼(TMW1)에서 선택된 영화 및 순위선택버튼(TMW2)에서 선택된 예측콘텐츠순위에 기초하여 예측관객수 및 콘텐츠예측순위를 입력한 타겟소비자의 숫자가 날짜 별 및/또는 연령 별로 예측순위직선그래프로 출력될 수 있다.
도 3(b)를 참고하면 ①예측순위직선그래프는 전체연령의 타겟소비자의 숫자를 나타낸다. ②예측순위직선그래프는 13세 이하 연령의 타겟소비자의 숫자를 나타낸다. ③예측순위직선그래프는 14세 이상 16세 이하 연령의 타겟소비자의 숫자를 나타낸다. ④예측순위직선그래프는 17세 이상 19세 이하 연령의 타겟소비자의 숫자를 나타낸다.
⑤예측순위직선그래프는 20세 이상 25세 이하 연령의 타겟소비자의 숫자를 나타낸다. ⑥예측순위직선그래프는 26세 이상 30세 이하 연령의 타겟소비자의 숫자를 나타낸다. ⑦예측순위직선그래프는 31세 이상 35세 이하 연령의 타겟소비자의 숫자를 나타낸다. ⑧예측순위직선그래프는 36세 이상 40세 이하 연령의 타겟소비자의 숫자를 나타낸다.
⑨예측순위직선그래프는 41세 이상 45세 이하 연령의 타겟소비자의 숫자를 나타낸다. ⑩예측순위직선그래프는 46세 이상 연령의 타겟소비자의 숫자를 나타낸다.
예측순위직선그래프를 예로 들어 설명하면, 예측그래프생성부(22)는 2021년 10월 21일에 도 3(a)에서 타겟콘텐츠선택버튼(TMW1)에서 선택된 영화('a') 및 순위선택버튼(TMW2)에서 상기 영화('a')가 3위 일 것이라고 예측한 타겟소비자의 숫자가 0명임을 출력할 수 있다. 예측그래프생성부(22)는 2021년 10월 22일에 도 3(a)에서 타겟콘텐츠선택버튼(TMW1)에서 선택된 영화('a') 및 순위선택버튼(TMW2)에서 상기 영화('a')가 3위 일 것이라고 예측한 타겟소비자의 숫자가 55명임을 출력할 수 있다.
2021년 10월 23일부터 2021년 10월 29일까지 ① 예측순위직선그래프에 대한 설명은 상기 2021년 10월 21일, 2021년 10월 22일에 대한 설명과 실질적으로 중복되거나 유사하므로 생략하기로 한다.
또한, ②예측순위직선그래프 내지 ⑩예측순위직선그래프에 대한 설명은 상기 ①예측순위직선그래프에 대한 설명과 실질적으로 중복되거나 유사하므로 생략하기로 한다.
본 발명의 한 실시예에 따른 도 3(b)에서는 '영화'를 예로 들어 예측순위직선그래프를 생성하는 과정을 설명하였으나, 드라마, OTT 콘텐츠 등의 다른 영상 기반 콘텐츠에 대한 예측순위직선그래프는 상술한 과정과 동일하므로 실질적으로 중복되거나 유사한 내용은 생략하기로 한다.
이하, 도 3(c)에서 타겟콘텐츠가 '영화'인 경우를 예로 들어 예측순위원형도표를 생성하는 과정을 설명한다.
도 3(c)를 참고하면, 영화('a')에 대해서 3위일 것으로 2021. 10. 22에 예측한 타겟소비자를 나타내는 예측순위원형도표를 나타내는 도면이다. 이하, 본 발명의 한 실시예에 따른 예측관객수원형도표는 상기 예측순위원형도표와 실질적으로 동일하거나 유사하므로 중복되는 내용은 생략하기로 한다.
본 발명의 한 실시예에 따른 예측그래프생성부(22)는 예측순위입력부(122)에 입력된 콘텐츠예측순위 및 타겟소비자산출부(21)에서 산출된 타겟소비자의 개인정보에 기초하여 타겟소비자의 연령 및/또는 성별에 따른 상영 중 및/또는 개봉 예정인 영화 별 예측순위원형도표를 생성할 수 있다.
도 3(b)에서 선택된 영화('a')가 3위 일 것이라고 2021. 10. 22에 선택한 타겟소비자의 수는 총 55명이다. 이때, 남자는 20명이고, 여자는 35명이다.
따라서, 예측그래프생성부(22)는 타겟소비자의 총 수가 55명이고, 남자가 20명이고 여자가 35명에 해당하는 예측순위원형도표를 생성할 수 있다.
본 발명의 한 실시예에 따른 도 3(c)에서는 '영화'를 예로 들어 예측순위원형도표를 생성하는 과정을 설명하였으나, 드라마, OTT 콘텐츠 등의 다른 영상 기반 콘텐츠에 대한 예측순위원형도표는 상술한 과정과 동일하므로 실질적으로 중복되거나 유사한 내용은 생략하기로 한다.
도 4는 본 발명의 한 실시예에 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석기법을 설명하기 위한 흐름도이다.
단계(S10)에서 나이 및 성별을 포함하는 개인정보가 입력될 수 있다.
구체적으로, 개인정보입력부(11)에는 정성적 콘텐츠로 분석하여 데이터 기반의 콘텐츠로 정량화하는 분석시스템(1)에 참여한 소비자들의 개인정보가 입력될 수 있다.
이때, 개인정보입력부(11)에 입력되는 소비자들의 개인정보는 연령 및 성별을 포함될 수 있다.
단계(S11)에서 예측관객수 및 예측콘텐츠순위가 입력될 수 있다.
구체적으로, 예측선택부(120)는 소비자들이 상영 중, 방송 중 또는 개봉 예정인 복수의 콘텐츠 중 적어도 하나에 대한 예측관객수 및/또는 예측콘텐츠순위를 입력하기 위한 복수의 선택란(미도시)을 제공할 수 있다.
단계(S12)에서 개인정보에 기초하여 예측순위그래프 및 관객수그래프를 생성할 수 있다.
구체적으로, 콘텐츠예측분석부(20)에 포함된 예측그래프생성부(22)는 타겟소비자의 연령 및/또는 성별에 따라 타겟콘텐츠에 대한 예측관객수그래프 및 예측순위그래프를 생성할 수 있다.
단계(S13)에서 외부 입력데이터를 입력 받을 수 있다.
구체적으로, 콘텐츠예측판단부(30)에 포함된 데이터입력부(300)는 상기 미리 저장된 기간이 종료된 시점에서 타겟콘텐츠의 실제 관객수, 실제 시청자수 및 실제 콘텐츠순위를 포함하는 외부데이터를 입력 받을 수 있다.
단계(S14)에서 입력된 외부입력데이터와 예측관객수 및 예측콘텐츠순위를 비교할 수 있다.
구체적으로, 데이터비교부(301)는 입력된 외부데이터와 예측선택부(120)에서 선택되어 타겟소비자에 의해 입력된 예측관객수 및 예측콘텐츠순위를 비교할 수 있다.
데이터비교부(301)는 예측순위데이터와 외부데이터의 일치율을 산출할 수 있다. 데이터비교부(301)는 미리 저장된 기준일치율과 산출된 일치율을 비교할 수 있다. 이때, 미리 저장된 기준일치율은 가변될 수 있으며 임의의 값으로 설정될 수 있다.
단계(S15)에서 예측관객수그래프 및 예측순위그래프를 출력할 수 있다.
구체적으로, 데이터비교부(301)는 일치율이 미리 저장된 기준일치율보다 크거나 같은 경우에 예측순위입력부(122)에서 입력된 타겟콘텐츠에 대한 타겟소비자의 콘텐츠순위 예측이 타당하다고 판단할 수 있다. 또는, 데이터비교부(301)는 일치율이 미리 저장된 기준일치율보다 크거나 같은 경우에 예측관객수입력부(121)에서 입력된 타겟콘텐츠에 대한 타겟소비자의 관객수 예측 또는 시청자수 예측이 타당하다고 판단할 수 있다.
데이터비교부(301)는 일치율이 미리 저장된 기준일치율보다 크거나 같은 경우에 생성된 예측관객수그래프 및 예측순위그래프가 출력되도록 예측그래프생성부(22)를 제어할 수 있다.
단계(S16)에서 미리 정해진 비율에 따라서 보상포인트를 타겟소비자에게 분배할 수 있다.
구체적으로, 콘텐츠예측판단부(30)에 포함된 보상포인트분배부(302)는 일치율이 미리 저장된 기준일치율보다 크거나 같은 경우에 타겟소비자에게 미리 정해진 비율에 따라 보상포인트를 분배할 수 있다.
지금까지 참조한 도면과 기재된 발명의 상세한 설명은 단지 본 발명의 예시적인 것으로서, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.Hereinafter, various embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art can easily carry out the present invention. The present invention may be embodied in many different forms and is not limited to the embodiments set forth herein.
In order to clearly describe the present invention, parts irrelevant to the description are omitted, and the same reference numerals are assigned to the same or similar components throughout the specification. Therefore, the reference numerals described above can be used in other drawings as well.
In addition, since the size and thickness of each component shown in the drawings are arbitrarily shown for convenience of explanation, the present invention is not necessarily limited to the shown bar. In the drawing, the thickness may be exaggerated to clearly express various layers and regions.
In addition, the expression "the same" in the description may mean "substantially the same". That is, it may be the same to the extent that a person with ordinary knowledge can understand that it is the same. Other expressions may also be expressions in which "substantially" is omitted.
1 is a diagram for explaining an analysis system that analyzes qualitative content and quantifies it into data-based content according to an embodiment of the present invention.
An analysis system 1 for analyzing qualitative content and quantifying it into data-based content according to an embodiment of the present invention includes an input unit 10, a content prediction analysis unit 20, and a content prediction and determination unit 30. .
The input unit 10 includes a personal information input unit 11 and a prediction input unit 12. The prediction input unit 12 includes a prediction selection unit 120, a predicted audience number input unit 121, and a predicted ranking input unit 122.
The content prediction analysis unit 20 includes a target consumption asset output unit 21, a prediction graph generator 22, a predicted audience number output unit 23, and a predicted ranking graph output unit 24.
The content prediction decision unit 30 includes a data input unit 300, a data comparison unit 301, and a reward point distribution unit 302.
In the personal information input unit 11, the analysis system 1 analyzes qualitative content for a pre-stored period and quantifies it as data-based content, predicting the number of viewers for video-based content, predicting box office rankings for movies, and predicting viewer ratings for dramas. , and personal information of consumers who participated in the ranking prediction of OTT contents can be input.
At this time, the personal information of consumers input to the personal information input unit 11 includes age and gender, but the present invention is not limited thereto. For example, consumers' personal information input to the personal information input unit 11 may include various types of information such as preferred content genres and content viewing cycles.
At this time, the pre-stored period may be arbitrarily set. For example, in the case of a movie being shown, a period up to a first point in time that is after the first period based on the date the movie being shown is shown may be included. Alternatively, in the case of a drama or OTT content being broadcast, it may include a period up to a first point in time that is after the first period based on a date on which the drama or OTT content being broadcast is broadcast.
In the case of a movie scheduled to be released, a period from a second point in time prior to the second period based on the date the movie scheduled to be released may be included to the date the movie is scheduled to be released. Alternatively, in the case of a drama scheduled to be released or OTT content, a period up to a second time point, which is after the first period, may be included based on the date on which the drama or OTT content to be released is broadcasted.
The first period may be one week based on the screening date, and the second period may be one month prior to the opening date, but the present invention is not limited thereto and may be set in various ways.
The prediction selection unit 120 included in the prediction input unit 12 may provide a plurality of selection boxes (not shown) for consumers to input the predicted number of viewers or the predicted content ranking for at least one of the contents being shown or scheduled to be released. .
Specifically, the prediction selection unit 120 may provide a selection field through which consumers may input the number of predicted audiences and/or the predicted content ranking for any content currently being played. The prediction selection unit 120 may provide a selection field through which consumers can input the number of predicted audiences and/or the predicted content ranking for at least two pieces of content being played.
Alternatively, the prediction selection unit 120 may provide a selection field through which consumers can input the expected number of audiences and/or predicted content rankings for at least two pieces of content among content currently being played and content scheduled to be released.
Alternatively, the prediction selection unit 120 may provide a selection box through which consumers may input the number of predicted audiences and/or the predicted content ranking for any content scheduled to be released. The prediction input unit 12 may provide a selection field through which consumers can input the number of predicted audiences and/or predicted content rankings for at least two pieces of content scheduled to be released.
Hereinafter, the content being played and/or the content to be released selected by the consumer in the selection field provided by the prediction selection unit 120 will be referred to as target content. In addition, a consumer who selects the target content from the selection box provided by the prediction selection unit 120 is named a target consumer.
The predicted audience number input unit 121 included in the prediction input unit 12 may input the number of predicted audiences for one or at least two target contents selected from the selection box provided by the prediction selection unit 120 .
Specifically, the predicted audience number for any one target content being played may be input to the predicted audience number input unit 121 . The expected audience number input unit 121 may input the predicted audience numbers for at least two or more target content being played.
Alternatively, the predicted number of audiences for at least two of target content currently being played and target content scheduled to be released may be input to the predicted audience number input unit 121 .
Alternatively, the expected audience number input unit 121 may input the predicted audience number for any one target content scheduled to be released. The expected audience number input unit 121 may input the predicted audience numbers for at least two or more target content scheduled to be released.
For example, the predicted audience number of 5,000 may be input to the predicted audience number input unit 121 for any one target content (for example, a drama) scheduled to be released. Alternatively, the predicted audience number of 1 million may be input to the predicted audience number input unit 121 for any one target content (for example, a movie) scheduled to be released, but the present invention is not limited thereto.
The prediction ranking input unit 122 included in the prediction input unit 12 may input a predicted content ranking for one or at least two target contents selected in the prediction selection unit 120 .
Specifically, the predicted content ranking for any one target content being played may be input to the predicted ranking input unit 122 . Predicted content rankings for at least two or more target contents being played may be input to the predicted ranking input unit 122 .
Alternatively, predicted content rankings for at least two of target content being played and target content scheduled to be released may be input to the predicted ranking input unit 122 .
Alternatively, the predicted content ranking for any one target content scheduled to be released may be input to the predicted ranking input unit 122 . Predicted content rankings for at least two or more target contents scheduled to be released may be input to the predicted ranking input unit 122 .
For example, a predicted content ranking predicted that one target content scheduled to be released (eg, a movie) will be ranked first in the box office at the time of release may be input to the predicted ranking input unit 122 . Alternatively, the predicted ranking of content expected to be ranked third at the time of airing of any one target content scheduled to be released (eg, a drama) may be input to the predicted ranking input unit 122 .
The target consumption asset output unit 21 included in the content prediction analysis unit 20 calculates target consumers based on the predicted audience number input to the predicted audience number input unit 121 and the predicted content ranking input to the predicted ranking input unit 122. can
For example, the target consumption asset output unit 21 selects the target content selected from one of the selection boxes provided by the prediction selection unit 120, the number of predicted audiences for the target content, and the predicted content ranking for the target content. You can designate a target consumer for the content. The target consumer asset output unit 21 may extract personal information (age and gender) of the target consumer from among the personal information input to the personal information input unit 11 .
The expected number of audience output unit 23 included in the content prediction analysis unit 20 may output the number of predicted audience for the target content to the user according to the personal information (age and gender) of the target consumer.
Specifically, the predicted number of audience output unit 23 outputs the number of predicted audiences for one or at least two or more currently playing target contents input by the target consumer in the predicted audience number input unit 121 according to the age and/or gender of the target consumer. can do.
The predicted number of audience output unit 23 may output the number of predicted audiences for one or at least two target content to be opened, input from the predicted audience number input unit 121, according to the age and gender of the target consumer.
The predicted audience number output unit 23 may output the predicted number of audience for at least two or more target contents that are currently being played or scheduled to be released, input from the predicted audience number input unit 121, according to the age and gender of the target consumer.
The prediction graph generation unit 22 included in the content prediction analysis unit 20 may generate a prediction graph.
Specifically, the prediction graph generation unit 22 included in the content prediction analysis unit 20 may generate a predicted ranking graph for target content according to the age and/or gender of the target consumer. The prediction graph generation unit 22 included in the content prediction analysis unit 20 may generate a graph of the number of predicted audiences for the target content according to the age and/or gender of the target consumer.
Specifically, the prediction graph generating unit 22 may generate a bar graph of the number of predicted audiences for each target content that is currently being played and/or is scheduled to be released (hereinafter, refer to FIG. 2A ) based on the number of predicted audiences input to the predicted audience number input unit 121. there is. The prediction graph generating unit 22 may generate a predicted ranking histogram (refer to FIG. 2A hereinafter) for each target content that is being played and/or is scheduled to be released based on the predicted content ranking input to the predicted ranking input unit 122 .
The prediction graph generation unit 22 is screening according to the age and/or gender of the target consumer based on the number of predicted audience input in the predicted audience number input unit 121 and the personal information of the target consumer calculated in the target consumer asset output unit 21. And/or a table of predicted audience numbers for each target content scheduled to be released (hereinafter, refer to FIG. 2B) may be generated. The prediction graph generator 22 is screened according to the age and/or gender of the target consumer based on the predicted content ranking input into the predicted ranking input unit 122 and the target consumer's personal information calculated in the target consumer asset output unit 21. A predicted ranking chart (refer to FIG. 2B hereinafter) for each target content that is currently being released and/or scheduled to be released may be generated.
The prediction graph generating unit 22 may generate a predicted audience vertical line graph (hereinafter, referring to FIG. 3B ) for each target content that is being played and/or is scheduled to be released based on the number of predicted audience input to the predicted audience number input unit 121 . The prediction graph generating unit 22 may generate a predicted ranking straight line graph (refer to FIG. 3B hereinafter) for each target content that is being played and/or is scheduled to be released based on the predicted content ranking input to the predicted ranking input unit 122 .
At this time, the predicted audience vertical line graph generated by the prediction graph generator 22 may show the trend of the predicted audience input by the target consumer for each date in the predicted audience input unit 121 . Alternatively, the predicted ranking line graph generated by the prediction graph generator 22 may show the trend of the predicted content ranking input by the target consumer for each date in the predicted ranking input unit 122 .
The prediction graph generation unit 22 is screening according to the age and/or gender of the target consumer based on the number of predicted audience input in the predicted audience number input unit 121 and the personal information of the target consumer calculated in the target consumer asset output unit 21. And/or a circular chart of the number of predicted audiences for each target content scheduled to be released (hereinafter, refer to FIG. 3C) may be generated. The prediction graph generator 22 is screened according to the age and/or gender of the target consumer based on the predicted content ranking input into the predicted ranking input unit 122 and the target consumer's personal information calculated in the target consumer asset output unit 21. It is possible to create a circular chart (refer to FIG. 3C hereinafter) of predicted ranking for each target content that is currently being released and/or is scheduled to be released.
At this time, the predicted audience number circular chart generated by the prediction graph generator 22 may show a male/female ratio among target consumers of a specific date and/or a specific age when the predicted audience number is entered for the target content. Alternatively, the predicted ranking circular chart generated by the prediction graph generator 22 may show a male/female ratio among target consumers of a specific date and/or a specific age who entered the predicted content ranking for the target content.
The predicted ranking graph output unit 24 may output the predicted ranking graph generated by the prediction graph generating unit 22 .
Specifically, the predicted rank graph output unit 24 may output a predicted rank histogram. The predicted ranking graph output unit 24 may output a predicted ranking chart. The predicted rank graph output unit 24 may output a predicted rank straight line graph. The predicted ranking graph output unit 24 may output a predicted ranking circular chart.
In addition, the predicted ranking graph output unit 24 may output the predicted audience number graph generated by the predicted graph generating unit 22 .
Specifically, the predicted ranking graph output unit 24 may output a predicted audience number histogram. The predicted ranking graph output unit 24 may output a predicted audience number table. The predicted ranking graph output unit 24 may output a predicted audience vertical line graph. The predicted ranking graph output unit 24 may output a circular chart of the number of predicted audiences.
The data input unit 300 included in the content prediction and determination unit 30 may receive external data including the actual content ranking of the target content at the time when the arbitrarily set pre-stored period ends. Alternatively, the data input unit 300 included in the content prediction and determination unit 30 may receive input of external data including the actual number of viewers or the number of actual viewers of the target content at the time when the arbitrarily set pre-stored period ends.
The data comparison unit 301 may compare the inputted external data with the predicted audience number input by the target consumer in the predicted audience number input unit 121 . The data comparison unit 301 may compare the input external data with the predicted content ranking input by the target consumer in the predicted ranking input unit 122 .
The data comparison unit 301 may calculate a matching rate between the number of predicted audiences and external data. The data comparison unit 301 may calculate a matching rate between the predicted content ranking and the external data.
The data comparator 301 may compare the pre-stored standard match rate with the calculated match rate. In this case, the pre-stored reference coincidence rate may be variable and may be set to an arbitrary value.
The data comparison unit 301 may determine that the prediction of the number of audiences of the target consumer or the number of viewers of the target consumer for the target content input to the predicted audience number input unit 121 is valid when the matching rate is greater than or equal to the pre-stored reference matching rate. there is. The data comparison unit 301 may determine that the target consumer's content ranking prediction for the target content input to the predicted ranking input unit 122 is valid when the matching rate is greater than or equal to the pre-stored reference matching rate.
The data comparison unit 301 may control the predicted ranking graph output unit 24 to output the predicted ranking graph generated by the prediction graph generating unit 22 when the matching rate is greater than or equal to the pre-stored reference matching rate.
The data comparison unit 301 may determine that the prediction of the number of audiences or the number of viewers of a target consumer for the target content input to the predicted audience number input unit 121 is not valid when the matching rate is smaller than the pre-stored standard matching rate. The data comparison unit 301 may determine that the target consumer's content ranking prediction for the target content input from the predicted ranking input unit 122 is not valid when the matching rate is smaller than the pre-stored reference matching rate.
The data comparison unit 301 may control the prediction graph generation unit 22 to regenerate the predicted ranking graph and the audience graph according to external data when the matching rate is smaller than the pre-stored reference matching rate.
The reward point distribution unit 302 included in the content prediction determination unit 30 may distribute reward points to target consumers according to a predetermined ratio when the matching rate is greater than or equal to a pre-stored reference matching rate.
The reward point distribution unit 302 included in the content prediction determination unit 30 may not distribute reward points according to a predetermined ratio to target consumers when the matching rate is smaller than the pre-stored reference matching rate.
Specifically, reward points are the analysis system (1) that analyzes qualitative content and quantifies it into data-based content, predicting the number of viewers for video-based content, predicting box office rankings for movies, predicting viewer ratings for dramas, and predicting OTT content. As a tool provided to a target consumer who hits the ranking prediction, the target consumer can pre-order or consume a movie using the reward points paid.
2(a) is a diagram for explaining a histogram of the number of predicted audiences and a histogram of predicted ranking for each target content according to an embodiment of the present invention. FIG. 2(b) is a diagram for explaining a predicted audience number table and a predicted rank chart according to the gender and age of target consumers participating in content ranking prediction according to an embodiment of the present invention.
The prediction graph generating unit 22 may generate a predicted number of audience bar graph and a predicted ranking bar graph for the target content according to the age and/or gender of the target consumer.
Referring to FIG. 2(a) , the prediction graph generating unit 22 according to an embodiment of the present invention may generate a histogram of the number of predicted audiences for a plurality of target contents that are being screened or scheduled to be released. Alternatively, the prediction graph generator 22 may generate a predicted ranking histogram for a plurality of target contents that are currently being played or scheduled to be released.
Hereinafter, with reference to FIG. 2(a), a predicted ranking histogram for a plurality of target contents that are currently being played or scheduled to be released, generated by the prediction graph generator 22 will be described as an example. Since the histogram of the number of predicted audiences is substantially the same as the histogram of the predicted rank, duplicate or similar contents will be omitted.
In addition, with reference to FIG. 2(b), a prediction ranking chart for each target content generated by the prediction graph generator 22 will be described as an example. Since the predicted audience number table is substantially the same as the movie prediction ranking chart, overlapping or similar contents will be omitted.
In addition, in FIGS. 2 (a) and (b), a process of generating a predicted rank histogram will be described taking a case where the target content is 'movie' as an example.
Referring to FIG. 2(a), it is assumed that a plurality of target content being screened, broadcasted, or scheduled to be released are a, b, c, d, e, f, g, h, i, j, k, l, m. .
The predicted ranking histogram generated by the prediction graph generator 22 may be generated for each of a plurality of target contents. The predicted ranking histogram generated for each of a plurality of target contents may be expressed as the sum of the number of target consumers who input the predicted contents ranking.
Specifically, in the case of the movie 'e', the number of target consumers who predict that the movie 'e' will be number one in the movie rankings at the time of release is 189 people. The number of target consumers who predict that the movie 'e' will rank second at the time of release is 130. The number of target consumers who predict that the movie 'e' will be ranked 3rd at the time of release is 25.
At this time, the prediction graph generating unit 22 may generate 344, which is the sum of the 189 people, the 130 people, and the 25 people, as a predicted ranking histogram of the movie 'e'.
The predicted ranking histogram of the movie 'e' is 189 people, the number of target consumers who judged that the movie will be ranked No. 1, 130 people, the number of target consumers who judged it to be No. Different labels, numbers, or colors can be used to differentiate them.
For example, out of a total of 344 people who are predicted ranking histograms of the movie 'e', 189 people who are judged to be in first place are marked as ①, 130 people who are judged to be in second place are marked as ②, and 25 who are judged to be in third place. It can be distinguished by marking the name as ③.
In the case of the movie 'i', the number of target consumers who predict that the movie 'i' will be ranked #1 at the time of its release is 186. The number of target consumers who predict that the movie 'i' will rank second at the time of release is 137. The number of target consumers who predict that the movie 'i' will be ranked 3rd at the time of release is 31 people.
At this time, the prediction graph generating unit 22 may generate 354, which is the sum of the 186 people, the 137 people, and the 31 people, as a predicted ranking histogram of the movie 'i'.
In the case of the movie 'h', the number of target consumers who predict that the movie 'h' will be number one in the movie rankings at the time of release is 10. The number of target consumers who predict that the movie 'h' will rank second at the time of release is 26. The number of target consumers who predict that the movie 'h' will be ranked 3rd at the time of release is 67.
The prediction graph generating unit 22 may generate 103, which is the sum of the 10, 26, and 67 people, as a predicted ranking histogram of the movie 'h'.
In the case of the movie 'l', the number of target consumers who predict that the movie 'l' will be number one in the movie rankings at the time of release is two. The number of target consumers who predict that the movie 'l' will rank second at the time of release is 52. The number of target consumers who predict that the movie 'l' will be ranked 3rd at the time of release is 55.
The prediction graph generating unit 22 may generate 89, which is the sum of the two, the 32, and the 55, as a histogram of the predicted ranking of the movie 'l'.
The predicted ranking graph output unit 24 may output the predicted ranking histogram and the predicted audience histogram generated by the predicted graph generating unit 22 . In addition, the predicted ranking graph output unit 24 can output posters (Pe, Pi, Ph, Pl) for each target movie and the number of target consumers predicted to be ranked first, second, and third.
In FIG. 2 (a) according to an embodiment of the present invention, the process of generating the predicted rank histogram is described by taking 'movie' as an example, but the predicted rank histogram for other video-based contents such as dramas and OTT contents is described above. Since it is the same as one process, substantially redundant or similar contents will be omitted.
Referring to FIG. 2(b), the predictive ranking chart shows numbers according to age of target consumers determined to be ranked first, second, and third in the movie ranking regardless of gender at the time the movie is released.
Specifically, it can be seen from the predicted ranking chart that 189 target consumers selected the movie 'e' as the number one box office movie. It can be seen from the predicted ranking chart that 137 target consumers selected the movie 'i' as the second highest movie ranking.
From the predicted ranking chart, it can be seen that 67 target consumers chose the movie 'h' as the 3rd most popular movie. From the predicted ranking chart, it can be seen that 3 target consumers aged 13 or younger choose the movie 'e' as the number one movie.
It can be seen from the predicted ranking chart that one target consumer among the 13 years old or younger selects the movie 'b' as the second highest ranked movie at the box office. It can be seen from the predicted ranking chart that two target consumers select the movie 'c' as the third-ranked movie.
The description of 14 years of age or older is substantially duplicated or similar to the description of 13 years of age or younger, so it will be omitted.
In addition, referring to FIG. 2(b), the number of male target consumers predicted to be ranked 1st, 2nd, and 3rd in the movie ranking at the time the movie is released is shown in the predicted ranking chart.
Specifically, it can be seen from the predicted ranking chart that 67 male target consumers selected the movie 'i' as the first movie. It can be seen from the predicted ranking chart that 51 male target consumers selected the movie 'i' as the second highest ranked movie. From the predicted ranking chart, it can be seen that 18 male target consumers selected the movie 'l' as the third most popular movie.
It can be seen from the predicted ranking chart that one male target consumer under the age of 13 selects the movie 'i' as the number one movie. It can be seen from the predicted ranking chart that one male target consumer aged 13 or younger selects the movie 'b' as the second best film in the ranking. It can be seen from the predicted ranking chart that one male target consumer selects the movie 'c' as the third most popular movie.
The description of 14 years of age or older is substantially duplicated or similar to the description of 13 years of age or younger, so it will be omitted.
In addition, referring to FIG. 2(b), the number of female target consumers determined to be ranked first, second, and third in the movie ranking at the time the movie is released is shown in the predicted ranking chart.
Specifically, it can be seen from the predicted ranking chart that 126 female target consumers selected the movie 'e' as the first movie. It can be seen from the predicted ranking chart that 86 female target consumers chose the movie 'e' as the second most popular movie. It can be seen from the predicted ranking chart that 55 female target consumers chose the movie 'h' as the 3rd most popular movie.
It can be seen from the predicted ranking chart that 3 female target consumers aged 13 or younger choose the movie 'e' as the first movie. It can be seen from the predicted ranking chart that one female target consumer under the age of 13 selects the movie 'e' as the 2nd movie ranking. It can be seen from the predicted ranking chart that one female target consumer selects the movie 'c' as the third most popular movie.
The description of 14 years of age or older is substantially duplicated or similar to the description of 13 years of age or younger, so it will be omitted.
In FIG. 2(b) according to an embodiment of the present invention, the process of generating the predicted ranking chart is described by taking 'movie' as an example, but the predicted ranking chart for other video-based contents such as dramas and OTT contents is performed through the above process. Since it is the same as, substantially duplicated or similar content will be omitted.
As described above in FIGS. 2 (a) and 2 (b), the analysis system 1 for analyzing qualitative content and quantifying it as data-based content according to an embodiment of the present invention is the age and/or Alternatively, a predicted ranking histogram and a histogram of the number of audiences for movies according to gender can be generated and output. In addition, the analysis system 1 that analyzes qualitative content and quantifies it into data-based content can generate and output a predicted audience figure and a predicted ranking chart for target content according to the age and/or gender of the target consumer.
Using this, it is possible to calculate the predicted content ranking and the predicted audience number determined by the target consumer for the target content during the pre-stored period, and according to the age and / or gender of the target consumers who entered the predicted content ranking and predicted audience number, the target content target consumers can be accurately calculated.
3(a) is a diagram for explaining a target content selection window for selecting one of target contents from a selection field provided by a prediction selection unit according to an embodiment of the present invention. FIG. 3(b) is a diagram showing a vertical line graph of predicted audiences and a line graph of predicted rankings according to gender and age of a target consumer group in which the number of predicted audiences and predicted content ranking by date are predicted according to an embodiment of the present invention. 3(c) is a diagram showing a circular chart of the number of predicted audiences and a circular chart of predicted rankings according to an embodiment of the present invention.
Hereinafter, a predicted ranking straight line graph representing the gender and/or age of target consumers who participated in the predicted ranking of content by date will be described as an example. Since the expected audience vertical line graph is substantially the same as the predicted rank line graph, duplicate descriptions will be omitted.
In addition, in FIGS. 3(a) and 3(b), a process of generating a predicted rank line graph will be described taking a case where the target content is a 'movie' as an example.
Referring to FIG. 3 (a), a target content selection button TMW1, a ranking selection button TMW2, and an inquiry button TMW3 may be displayed on the target content selection window TMW.
When the target content selection button TMW1 is clicked, a target content selection field for selecting one of the movies 'a' to 'm' may be displayed.
When the ranking selection button TMW2 is clicked, a ranking selection column for selecting the predicted content ranking of the movie selected in the target contents selection button TMW1 may be displayed.
For example, a ranking selection box for selecting one of first, second, and third place may be displayed in the ranking selection box, but the present invention is not limited thereto. In addition, in the present invention, it is assumed that the predicted rank line graph for predicting that the movie 'a' will be in third place is output.
When the inquiry button (TMW3) is clicked, a predictive ranking line graph of the movie prediction ranking selected from the ranking selection button (TMW2) for the movie selected from the target content selection button (TMW1) can be output.
Referring to FIG. 3(b), a target inputting the number of predicted audiences and predicted content ranking based on the movie selected from the target content selection button (TMW1) and the predicted content ranking selected from the ranking selection button (TMW2) in FIG. 3(a). The number of consumers may be output as a line graph of predicted ranks by date and/or by age.
Referring to FIG. 3(b), ① the predicted rank line graph represents the number of target consumers of all ages. ② The predicted rank line graph shows the number of target consumers aged 13 or younger. ③ The predicted ranking line graph shows the number of target consumers aged 14 to 16. ④ The predicted ranking line graph shows the number of target consumers aged between 17 and 19 years old.
⑤ The predicted ranking line graph shows the number of target consumers aged between 20 and 25 years old. ⑥ The predicted ranking line graph shows the number of target consumers aged between 26 and 30 years old. ⑦ The predicted ranking line graph shows the number of target consumers aged between 31 and 35 years old. ⑧ The predicted ranking line graph shows the number of target consumers aged between 36 and 40 years old.
⑨ The predicted ranking straight line graph shows the number of target consumers aged between 41 and 45 years old. ⑩Prediction Rank The straight line graph shows the number of target consumers aged 46 years or older.
Taking the predicted ranking straight line graph as an example, the prediction graph generating unit 22 is a movie ('a') selected from the target content selection button (TMW1) and the ranking selection button in FIG. 3 (a) on October 21, 2021 In (TMW2), it is possible to output that the number of target consumers predicted that the movie 'a' will be in third place is 0. The prediction graph generating unit 22 shows the movie ('a') selected from the target content selection button (TMW1) and the movie ('a') from the ranking selection button (TMW2) in FIG. 3 (a) on October 22, 2021. ) can output that the number of target consumers predicted to be in third place is 55.
From October 23, 2021 to October 29, 2021 ① The description of the predicted ranking line graph is substantially duplicated or similar to the description of October 21, 2021 and October 22, 2021, so it will be omitted. do.
In addition, descriptions of ② predicted rank line graphs and ⑩ predicted rank line graphs are substantially overlapped with or similar to those of ① predicted rank line graphs, so they will be omitted.
In FIG. 3 (b) according to an embodiment of the present invention, the process of generating the predicted rank line graph is described by taking 'movie' as an example, but the predicted rank line graph for other video-based content such as dramas and OTT contents is described above. Since it is the same as one process, substantially redundant or similar contents will be omitted.
Hereinafter, a process of generating a predicted ranking circular chart will be described taking the case where the target content is 'movie' in FIG. 3(c) as an example.
Referring to FIG. 3 (c), it is a diagram showing a predicted ranking circular chart showing a target consumer predicted on October 22, 2021 to be in third place for a movie ('a'). Hereinafter, since the circular chart of the number of predicted audiences according to an embodiment of the present invention is substantially the same as or similar to the circular chart of the predicted ranking, overlapping contents will be omitted.
The prediction graph generation unit 22 according to an embodiment of the present invention is based on the content prediction ranking input to the prediction ranking input unit 122 and the personal information of the target consumer calculated by the target consumption asset output unit 21. A predicted ranking circular chart for each movie currently being shown and/or scheduled to be released according to age and/or gender may be generated.
The total number of target consumers selected on October 22, 2021 that the movie ('a') selected in Figure 3 (b) will be in third place is 55 people. At this time, there are 20 men and 35 women.
Accordingly, the prediction graph generating unit 22 may generate a predicted ranking circular chart in which the total number of target consumers is 55, males are 20, and females are 35.
In FIG. 3(c) according to an embodiment of the present invention, the process of generating the predicted ranking circular chart is described by taking 'movie' as an example, but the predicted ranking circular chart for other video-based contents such as dramas and OTT contents is described above. Since it is the same as one process, substantially redundant or similar contents will be omitted.
4 is a flowchart illustrating an analysis technique for analyzing qualitative content and quantifying it into data-based content according to an embodiment of the present invention.
In step S10, personal information including age and gender may be input.
Specifically, personal information of consumers participating in the analysis system 1 that analyzes qualitative content and quantifies it as data-based content may be input to the personal information input unit 11 .
At this time, the personal information of consumers input to the personal information input unit 11 may include age and gender.
In step S11, the number of predicted audiences and predicted content rankings may be input.
Specifically, the prediction selection unit 120 provides a plurality of selection boxes (not shown) for consumers to input the expected number of viewers and/or predicted content ranking for at least one of a plurality of content that is being played, broadcast, or scheduled to be released. can
In step S12, a predicted ranking graph and an audience graph may be generated based on personal information.
Specifically, the prediction graph generation unit 22 included in the content prediction analysis unit 20 may generate a graph of the number of predicted audiences and a graph of predicted rankings for the target content according to the age and/or gender of the target consumer.
In step S13, external input data can be input.
Specifically, the data input unit 300 included in the content prediction determination unit 30 may receive external data including the actual number of audiences, the actual number of viewers, and the actual content ranking of the target content at the time when the pre-stored period ends. there is.
External input data entered in step S14 may be compared with the number of predicted audiences and predicted content rankings.
Specifically, the data comparison unit 301 may compare the input external data with the number of predicted audiences selected by the prediction selection unit 120 and inputted by the target consumer and the predicted content ranking.
The data comparator 301 may calculate a matching rate between predicted ranking data and external data. The data comparator 301 may compare the pre-stored standard match rate with the calculated match rate. In this case, the pre-stored reference coincidence rate may be variable and may be set to an arbitrary value.
In step S15, a graph of the number of predicted audiences and a graph of predicted rankings can be output.
Specifically, the data comparison unit 301 may determine that the target consumer's content ranking prediction for the target content input from the predicted ranking input unit 122 is valid when the matching rate is greater than or equal to the pre-stored reference matching rate. Alternatively, the data comparison unit 301 may determine that the prediction of the number of audiences or the number of viewers of the target consumer for the target content input from the predicted audience number input unit 121 is valid when the matching rate is greater than or equal to the pre-stored reference matching rate. .
The data comparator 301 may control the prediction graph generator 22 to output a graph of the number of predicted audiences and a graph of predicted rankings generated when the matching rate is greater than or equal to the pre-stored reference matching rate.
In step S16, reward points may be distributed to target consumers according to a predetermined ratio.
Specifically, the reward point distribution unit 302 included in the content prediction determination unit 30 may distribute reward points to target consumers according to a predetermined ratio when the matching rate is greater than or equal to a pre-stored reference matching rate.
The drawings and detailed description of the present invention referred to so far are only examples of the present invention, which are only used for the purpose of explaining the present invention, and are used to limit the scope of the present invention described in the meaning or claims. It is not. Therefore, those skilled in the art will understand that various modifications and equivalent other embodiments are possible therefrom. Therefore, the true technical protection scope of the present invention should be determined by the technical spirit of the appended claims.

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

1: 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화한 분석시스템
10: 입력부
20: 콘텐츠예측분석부
30: 콘텐츠예측판단부1: An analysis system that analyzes qualitative content and quantifies it into data-based content
10: input unit
20: Content prediction analysis unit
30: Content Prediction Judgment Unit

Claims (10)

소비자의 연령, 성별, 및 상영 중 또는 개봉 예정인 복수의 콘텐츠에 대한 예측관객수와 예측콘텐츠순위를 상기 복수의 콘텐츠의 상영일 또는 개봉일을 기준으로 소정의 기간 전부터 상기 상영일 또는 상기 개봉일까지 입력받는 입력부;
상기 예측관객수와 상기 예측콘텐츠순위를 입력한 상기 소비자 중 타겟소비자를 결정하고, 상기 타겟소비자의 연령 및 성별에 따라서 상기 예측관객수 및 상기 예측콘텐츠순위에 대한 예측그래프를 생성하는 콘텐츠예측분석부; 및
상기 상영일 또는 상기 개봉일에서 실제 관객수 및 실제 콘텐츠순위를 포함하는 외부데이터와 상기 예측콘텐츠순위 또는 상기 예측관객수의 일치율을 산출하고, 상기 일치율을 미리 저장된 기준일치율과 비교하여 상기 타겟소비자에게 보상포인트를 분배하는 콘텐츠예측판단부를 포함하고,
상기 예측그래프는,
상기 복수의 콘텐츠 별, 상기 예측관객수 및 상기 예측콘텐츠순위를 합산 막대그래프로 표현한 예측관객수막대그래프 및 예측순위막대그래프, 상기 연령 및 상기 성별에 따라서 상기 예측관객수 및 상기 예측콘텐츠순위를 구분하여 표현한 예측관객수도표, 예측순위도표, 상기 연령에 따라 일자별 상기 예측관객수 및 상기 예측콘텐츠순위의 변화추이를 표현한 예측관객수직선그래프, 예측순위직선그래프, 및 상기 예측관객수 및 상기 예측콘텐츠순위를 입력한 성별비율을 표현한 예측관객수원형도표 및 예측순위원형도표로 구성되는, 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 하는 분석시스템.An input unit for receiving input of the age, gender, and expected audience number and predicted content ranking for a plurality of contents being screened or scheduled to be released from a predetermined period before the screening date or the opening date of the plurality of contents based on the screening date or opening date of the plurality of contents. ;
a content prediction analysis unit that determines a target consumer among the consumers inputting the number of predicted audiences and the predicted content ranking, and generates a prediction graph for the predicted number of audience and the predicted content ranking according to the age and gender of the target consumer; and
Calculate the match rate between external data including the actual number of audiences and actual content ranking on the screening date or the opening date and the predicted content ranking or predicted audience number, and compare the matching rate with a pre-stored reference matching rate to provide reward points to the target consumers. Including a content prediction judgment unit for distributing,
The prediction graph,
A histogram of the number of predicted audiences and a histogram of predicted rankings representing the sum of the predicted number of audiences and the predicted content rankings for each of the plurality of contents, and a prediction expressed by dividing the predicted number of audiences and the predicted content rankings according to the age and gender. Audience number table, predicted ranking chart, predicted audience vertical line graph expressing the change trend of the predicted audience number and predicted content ranking by date according to the age, predicted audience straight line graph, and gender ratio inputting the predicted audience number and the predicted content ranking An analysis system that analyzes qualitative content and quantifies it as data-based content. 제1 항에 있어서,
상기 입력부는,
상기 소비자의 상기 연령 및 상기 성별을 포함하는 개인정보를 입력받는 개인정보입력부;
상기 복수의 콘텐츠 중 상기 예측관객수 및 상기 예측콘텐츠순위가 입력되는 어느 하나 또는 적어도 둘 이상의 콘텐츠를 선택하기 위한 선택란이 제공되는 예측선택부;
상기 선택란을 통해서 상기 어느 하나 또는 상기 적어도 둘 이상의 콘텐츠에 대한 상기 예측관객수가 입력되는 예측관객수입력부; 및
상기 선택란을 통해서 상기 어느 하나 또는 상기 적어도 둘 이상의 콘텐츠에 대한 상기 예측콘텐츠순위가 입력되는 예측순위입력부를 포함하는,
정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 하는 분석시스템.According to claim 1,
The input unit,
a personal information input unit receiving personal information including the age and gender of the consumer;
a prediction selection unit provided with a selection box for selecting one or at least two contents to which the predicted number of audiences and the predicted contents ranking are input from among the plurality of contents;
a predicted number of audience input unit inputting the number of predicted audiences for the one or more contents through the selection box; and
A predicted ranking input unit for inputting the predicted content ranking for any one or the at least two contents through the selection box,
An analysis system that analyzes qualitative content and quantifies it into data-based content. 삭제delete 삭제delete 제2 항에 있어서,
상기 콘텐츠예측분석부는,
상기 복수의 콘텐츠 중 적어도 하나에 상기 예측관객수 또는 상기 예측콘텐츠순위를 입력한 상기 소비자를 상기 타겟소비자로 산출하는 타겟소비자산출부;
상기 타겟소비자의 상기 연령 및 상기 성별에 기초하여 상기 복수의 콘텐츠에 중 적어도 하나의 콘텐츠 대한 상기 예측그래프를 생성하는 예측그래프생성부; 및
상기 예측그래프를 상기 타겟소비자의 상기 연령 및/또는 상기 성별에 따라 출력하는 예측순위그래프출력부를 포함하는,
정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 하는 분석시스템.According to claim 2,
The content prediction analysis unit,
a target consumer asset output unit for calculating the target consumer as the consumer who inputs the expected number of audiences or the predicted content ranking in at least one of the plurality of contents;
a prediction graph generating unit generating the prediction graph for at least one of the plurality of contents based on the age and gender of the target consumer; and
A prediction ranking graph output unit for outputting the prediction graph according to the age and / or gender of the target consumer,
An analysis system that analyzes qualitative content and quantifies it into data-based content. 제5 항에 있어서,
상기 콘텐츠예측판단부는,
상기 상영일 또는 상기 개봉일에서 실제관객수 및 실제콘텐츠순위를 포함하는 외부데이터를 입력받는 데이터입력부;
상기 외부데이터와 상기 예측관객수 및 상기 외부데이터와 상기 예측콘텐츠순위의 일치율을 상기 미리 저장된 기준일치율과 비교하는 데이터비교부; 및
상기 일치율과 상기 미리 저장된 기준일치율의 비교 결과에 따라 상기 타겟소비자에게 보상포인트를 분배하는 보상포인트분배부를 포함하는,
정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 하는 분석시스템.According to claim 5,
The content prediction judgment unit,
a data input unit for receiving external data including the actual number of viewers and actual content ranking on the screening date or opening date;
a data comparison unit which compares the matching rate between the external data and the predicted number of viewers and the external data and the predicted content ranking with the previously stored standard matching rate; and
Comprising a reward point distribution unit for distributing reward points to the target consumer according to a comparison result of the matching rate and the pre-stored standard matching rate;
An analysis system that analyzes qualitative content and quantifies it into data-based content. 제6 항에 있어서,
상기 보상포인트분배부는,
상기 일치율이 상기 미리 저장된 기준일치율보다 크거나 같은 경우에 상기 타겟소비자에게 미리 정해진 비율에 따라 상기 보상포인트를 분배하고,
상기 일치율이 상기 미리 저장된 기준일치율보다 작은 경우에 상기 타겟소비자에게 상기 보상포인트를 분배하지 않는,
정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 하는 분석시스템.According to claim 6,
The reward point distribution unit,
Distributing the reward points to the target consumer according to a predetermined ratio when the matching rate is greater than or equal to the pre-stored reference matching rate;
not distributing the reward points to the target consumer when the matching rate is smaller than the pre-stored reference matching rate;
An analysis system that analyzes qualitative content and quantifies it into data-based content. 제7 항에 있어서,
상기 데이터비교부는,
상기 일치율이 상기 미리 저장된 기준일치율보다 크거나 같은 경우에 상기 예측그래프를 출력하도록 상기 예측순위그래프출력부를 제어하는,
정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 하는 분석시스템.According to claim 7,
The data comparison unit,
Controlling the prediction ranking graph output unit to output the prediction graph when the matching rate is greater than or equal to the previously stored reference matching rate;
An analysis system that analyzes qualitative content and quantifies it into data-based content. 제7 항에 있어서,
상기 데이터비교부는,
상기 일치율이 상기 미리 저장된 기준일치율보다 작은 경우에 상기 외부데이터에 기초하여 상기 예측그래프를 다시 생성하도록 상기 예측그래프생성부를 제어하는,
정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 하는 분석시스템.According to claim 7,
The data comparison unit,
Controlling the prediction graph generating unit to regenerate the prediction graph based on the external data when the matching rate is smaller than the previously stored reference matching rate;
An analysis system that analyzes qualitative content and quantifies it into data-based content. 입력부, 콘텐츠예측분석부, 및 콘텐츠예측판단부를 포함하는 정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 하는 분석시스템에 있어서,
상기 입력부가 소비자의 연령, 성별 및 상영 중 또는 개봉 예정인 복수의 콘텐츠에 대한 예측관객수와 예측콘텐츠순위를 상기 복수의 콘텐츠의 상영일 또는 개봉일을 기준으로 소정의 기간 전부터 상기 상영일 또는 상기 개봉일까지 입력받는 단계;
상기 콘텐츠예측분석부가 상기 예측관객수와 상기 예측콘텐츠순위를 입력한 상기 소비자 중 타겟소비자를 산출하고, 상기 타겟소비자의 연령 및 성별에 기초하여 상기 예측관객수 및 상기 예측콘텐츠순위에 대한 예측그래프를 생성하는 단계; 및
상기 콘텐츠예측판단부가 상기 상영일 또는 상기 개봉일에서 실제관객수 및 실제콘텐츠순위를 포함하는 외부데이터와 상기 예측콘텐츠순위 또는 상기 예측관객수의 일치율을 산출하고, 상기 일치율을 미리 저장된 기준일치율과 비교하여 상기 타겟소비자에게 보상포인트를 분배하는 단계를 포함하고,
상기 예측그래프는,
상기 복수의 콘텐츠 별, 상기 예측관객수 및 상기 예측콘텐츠순위를 합산 막대그래프로 표현한 예측관객수막대그래프 및 예측순위막대그래프, 상기 연령 및 상기 성별에 따라서 상기 예측관객수 및 상기 예측콘텐츠순위를 구분하여 표현한 예측관객수도표, 예측순위도표, 상기 연령에 따라 일자별 상기 예측관객수 및 상기 예측콘텐츠순위의 변화추이를 표현한 예측관객수직선그래프, 예측순위직선그래프, 및 상기 예측관객수 및 상기 예측콘텐츠순위를 입력한 성별비율을 표현한 예측관객수원형도표 및 예측순위원형도표로 구성되는,
정성적 콘텐츠를 분석하여 데이터 기반의 콘텐츠로 정량화 하는 분석방법.In the analysis system for analyzing qualitative content including an input unit, a content prediction analysis unit, and a content prediction determination unit and quantifying it as data-based content,
The input unit inputs the consumer's age, gender, and the expected number of audiences and predicted content ranking for a plurality of contents that are being screened or scheduled to be released from a predetermined period prior to the screening date or the opening date based on the screening date or opening date of the plurality of contents. receiving step;
The content prediction analysis unit calculates a target consumer among the consumers who input the predicted audience number and the predicted content ranking, and generates a prediction graph for the predicted audience number and the predicted content ranking based on the age and gender of the target consumer step; and
The content prediction determination unit calculates a matching rate between external data including an actual number of audiences and an actual content ranking on the screening date or the opening date and the predicted content ranking or predicted audience number, and compares the matching rate with a pre-stored reference matching rate to determine the target Distributing reward points to consumers;
The prediction graph,
A histogram of the number of predicted audiences and a histogram of predicted rankings representing the sum of the predicted number of audiences and the predicted content rankings for each of the plurality of contents, and a prediction expressed by dividing the predicted number of audiences and the predicted content rankings according to the age and gender. Audience number table, predicted ranking chart, predicted audience vertical line graph expressing the change trend of the predicted audience number and predicted content ranking by date according to the age, predicted audience straight line graph, and gender ratio inputting the predicted audience number and the predicted content ranking It consists of a circular chart of the number of predicted audiences and a circular chart of predicted rankings,
An analysis method that analyzes qualitative content and quantifies it as data-based content.
KR1020210180829A 2021-12-16 2021-12-16 Quantitative analysis method for data-based content by analyzing qualitative content and the system there of Active KR102493403B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210180829A KR102493403B1 (en) 2021-12-16 2021-12-16 Quantitative analysis method for data-based content by analyzing qualitative content and the system there of

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210180829A KR102493403B1 (en) 2021-12-16 2021-12-16 Quantitative analysis method for data-based content by analyzing qualitative content and the system there of

Publications (1)

Publication Number Publication Date
KR102493403B1 true KR102493403B1 (en) 2023-02-07

Family

ID=85221683

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210180829A Active KR102493403B1 (en) 2021-12-16 2021-12-16 Quantitative analysis method for data-based content by analyzing qualitative content and the system there of

Country Status (1)

Country Link
KR (1) KR102493403B1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150088348A (en) * 2014-01-22 2015-08-03 주식회사 모큘러스 Targeting automation device and method
JP2017054436A (en) * 2015-09-11 2017-03-16 ヤフー株式会社 Advertisement distribution apparatus and advertisement distribution method
KR20200120971A (en) * 2019-04-03 2020-10-23 한밭대학교 산학협력단 Machine Learning Based Weekly Box Office Prediction System Using Variables Affecting Movie Performance
KR20210009910A (en) * 2019-07-18 2021-01-27 김동국 Apparatus and method for providing online advertising platform for media

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150088348A (en) * 2014-01-22 2015-08-03 주식회사 모큘러스 Targeting automation device and method
JP2017054436A (en) * 2015-09-11 2017-03-16 ヤフー株式会社 Advertisement distribution apparatus and advertisement distribution method
KR20200120971A (en) * 2019-04-03 2020-10-23 한밭대학교 산학협력단 Machine Learning Based Weekly Box Office Prediction System Using Variables Affecting Movie Performance
KR20210009910A (en) * 2019-07-18 2021-01-27 김동국 Apparatus and method for providing online advertising platform for media

Similar Documents

Publication Publication Date Title
US11574321B2 (en) Generating audience response metrics and ratings from social interest in time-based media
McCalman Foreign direct investment and intellectual property rights: evidence from Hollywood's global distribution of movies and videos
Helberger Public service media| merely facilitating or actively stimulating diverse media choices? public service media at the crossroad
US8249912B2 (en) Method for determining, correlating and examining the causal relationships between media program and commercial content with response rates to advertising and product placement
CA2666795C (en) Targeted video advertising
US9064024B2 (en) Bundle generation
Yoon et al. What makes people watch online TV clips? An empirical investigation of survey data and viewing logs
Meyer et al. The effect of product placements on the evaluation of movies
Noh Dual portfolio management strategies of online subscription video on demand (SVOD) companies: a genre perspective
Lee et al. Impact of online information on the diffusion of movies: Focusing on cultural differences
KR102493403B1 (en) Quantitative analysis method for data-based content by analyzing qualitative content and the system there of
Simon et al. Big data goes to Hollywood: The emergence of big data as a tool in the American film industry
Meier et al. Aggregation as the remedy for the decline of niche sports broadcasting: A case study of the European championships
JP7499397B1 (en) BEHAVIOR PREDICTION MODEL CREATING METHOD AND GROUP BEHAVIOR PREDICTION METHOD USING THE BEHAVIOR PREDICTION MODEL CREATING METHOD
Çağlıyor et al. Forecasting box office performances using machine learning algorithms
KR20220031488A (en) Method and server for advertisement matching
Onasanya et al. THE RISE OF STREAMING PLATFORMS IN NIGERIA: EFFECT ON AUDIENCE BEHAVIOUR AND TELEVISION REVENUE
Yang et al. Exploring factore influencing Internet users' adoption of Internet television in Taiwan
Jain Developing an evaluation metric for OTT platforms to assess Bollywood movies
US20230237516A1 (en) Handle-based demographic analysis of viewers
Abadi et al. Media Usage Motivations and Netflix Video Viewer Satisfaction in East Java
Sudo et al. A Possibility of Value Co-creation in the Service Ecosystem of the Paid Media in Japan: Focusing on Viewers’ Life Stories
Hirzler Field Lab on Consumer Perceptions and Preferences in the German Video-On-Demand Streaming Market-A Qualitative Research
Lee et al. Export Strategies of Korean Movies
Reyes The Modern-Day Box-Office: Understanding the Relationship of Windowing on the Box-Office-Revenue in the top 100 Grossing Movies (In the US) from 2018-2022

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20211216

PA0201 Request for examination
PA0302 Request for accelerated examination

Patent event date: 20220127

Patent event code: PA03022R01D

Comment text: Request for Accelerated Examination

Patent event date: 20211216

Patent event code: PA03021R01I

Comment text: Patent Application

PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20220411

Patent event code: PE09021S01D

PE0902 Notice of grounds for rejection

Comment text: Final Notice of Reason for Refusal

Patent event date: 20220811

Patent event code: PE09021S02D

PN2301 Change of applicant

Patent event date: 20220928

Comment text: Notification of Change of Applicant

Patent event code: PN23011R01D

PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20221113

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20230130

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20230130

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
点击 这是indexloc提供的php浏览器服务，不要输入任何密码和下载