디지털 광고 효과 향상을 위한 Big Data 기반의 목표 그룹 세분화에 대한 연구 = A study on Target Audience Segmentation based on Big Data for enhancing the effects of digital advertising

국문 초록 (Abstract)

Smart TV 보급 확대에 따른 TV 시청 정보 데이터와 ACR(Automatic Content Recognition) 기술에 의한 로그(log) 데이터의 증가는 디지털 광고 시장을 확대하였고 현재 미국의 IT 기업인 구글(google Inc.)과 아마존(Amazon, Inc.)에 의하여 주도되고 있다. 또한 국내 생산 업체의 세계 Smart TV 시장 점유율 증가와 함께 국내외의 다양한 TV 시청 정보 데이터의 접근성이 향상되면서 이를 통한 디지털 광고 시장의 국내 기업 진출도 새롭게 시도되고 있다. 본 논문에서는 디지털 광고 사업의 플랫폼과 수집 가능한 TV 시청 정보에 대하여 소개하고 수집된 Big Data를 활용하여 디지털 광고 효과의 핵심 요소인 광고 대상 세분화에대한 통계적 분류 방법과 사례를 제시해 보고자 한다.

다국어 초록 (Multilingual Abstract)

Growing equipment log data from Smart TV with subsequent improvement in the collection of TV viewing data and ACR technology have expanded the digital advertising market. The trend is currently led by U.S. tech companies such as Google and Amazon. However, as domestic smart TV manufactures increase their global market share, they are gaining more access to diverse set of domestic and international TV viewing data. With increased accessibility, domestic firms are gaining stronger positions in the digital advertisement market. This paper introduces platforms from the digital advertisement industry and types of TV viewing data that can be possibly collected. By utilizing log-based Big Data, the methods and examples of target audience segmentation, a core component of digital advertisement effect, are studied.

목차 (Table of Contents)

• I. 서론 II. Smart TV 중심의 디지털 광고 사업 플랫폼 III. Smart TV 로그 데이터와 고객 행동 데이터 IV. 고객 행동 데이터를 이용한 광고 대상 세분화 V. 결론 및 향후 연구과제 참고문헌

참고문헌 (Reference)

1 위키백과, "전자 프로그램 안내"

2 한국온라인광고협회, "온라인 광고 시장 분석 및 전망"

3 Michael Hahsler, "arules"

4 Liu, L., "When wireless video streaming meets AI: A deep learning approach" 27 (27): 127-133, 2019

5 Ray, D., "U.S. Patent No. 9,980,010"

6 Kayumovich, K. O., "The main convenience of internet marketing from traditional marketing"

7 Wong, K. W., "Mining customer value: From association rules to direct marketing" 11 (11): 57-79, 2005

8 Agrawal, R, "Mining association rules between sets of items in large databases" 207-216, 1993

9 Tomita, M, "Marketo: 7 reasons digital advertising wins"

10 Yan, J., "How much can behavioral targeting help online advertising?" 261-270, 2009

11 Agarwal, R., "Fast algorithms for mining association rules" 487-499, 1994

12 McStay, A. J., "Digital advertising" Macmillan International Higher Education 2-4, 2016

13 Gartner Inc, "Automatic Content Recognition (ACR)"

14 Miralles-Pechuán, L., "A methodology based on Deep Learning for advert value calculation in CPM, CPC and CPA networks" 21 (21): 651-665, 2017

15 Lai, H., "A group-based inference approach to customized marketing on the web integrating clustering and association rules techniques" IEEE 10-, 2000

16 Matt Cayless, "9 Advantages of Digital Marketing Vs Traditional M arketing"

17 방송통신위원회, "2019년 방송매체 이용행태 조사보고서"

18 과학기술정보통신부, "2017 방송통신광고비 조사보고서" 방송통신광고통계시스템(Kobaco) 2017

19 DeAsi, "10 Powerful Behavioral Segmentation Methods to Underst and Your Customers"