# 💡 InfloI: ROI 기반 맞춤형 인플루언서 추천 플랫폼

마케터를 위한 데이터 기반 인플루언서 추천 시뮬레이터

데이터 수집 · 텍스트/댓글 분석 · SBERT · ROI 기반 추천

---

📑 목차

• 프로젝트 소개
• 개발 배경 및 목표
• 주요 기능
• 핵심 기술 및 알고리즘
• 시스템 구성
• 팀원 소개
• 개발 성과

---

💡 프로젝트 소개

InfloI는 인플루언서 마케팅의 주관적인 선정 방식을 탈피하고, ROI(투자 대비 효과) 및 브랜드 적합도를 객관적으로 평가하여 마케터에게 최적화된 인플루언서를 추천하는 데이터 기반 플랫폼입니다.

진행 기간

2025학년도 2학기 (산학협력프로젝트)

---

🎯 개발 배경 및 목표

개발 배경

• 인플루언서 마케팅 시장 급성장에 비해 브랜드와 인플루언서 매칭에 객관적인 기준 부족.
• 마케터들이 주관적인 판단이나 단순 구독자 수에 의존하여 비효율적인 마케팅 비용 지출.
• 광고 대비 효율성(ROI) 측정 및 브랜드 이미지와의 적합도 평가 부재.

주요 목표

1. 기업 맞춤형 인플루언서 추천 프로그램 개발: 기업의 타겟 및 마케팅 목적에 최적화된 추천 모델 설계.
2. 다차원 평가 점수 산출: ROI, 브랜드 이미지 적합도, 구독자 감성 부합도 세 가지 핵심 점수를 종합하여 인플루언서의 광고 효율성 책정.
3. 데이터 시각화 대시보드 제공: 정량/정성 지표 및 추천 결과를 손쉽게 확인하여 마케팅 의사결정에 활용.

---

✨ 주요 기능

1. 다중 플랫폼 데이터 수집 및 정제

• 수집 대상: 유튜버 (현재 YouTube Data API V3 활용 중).
• 수집 지표: 조회수, 좋아요, 댓글 수, 팔로워 수 등 주요 정량 지표 확보.

2. ROI 예측 및 What-if 시뮬레이션 📈

• 인플루언서별 예상 투자 단가 대비 효율(ROI) 계산 및 예측.
• What-if 시나리오 기능: 사용자가 3대 핵심 점수(ROI, 적합도, 감성)의 가중치를 조정했을 때 추천 순위 및 등급 변화를 실시간으로 시뮬레이션.

3. AI 기반 다차원 분석 🧠

• 브랜드 이미지 적합도 산출: 광고 이미지와 유튜버 영상의 시각적 유사도 분석을 통한 적합도 점수 산출.
• 구독자 감성 분석: 댓글·해시태그 기반 텍스트 마이닝 및 감성 분석을 통한 톤앤매너 일치도 평가.

4. 시각화 대시보드 개발

• 추천 결과 리스트 및 종합 점수 등급 (S, A, B, C, D) 제공.
• 정량/정성 지표 및 감성 분석 결과를 그래프 형태로 시각화.

---

🛠 핵심 기술 및 알고리즘

1. 3대 핵심 점수 산출 및 공식

InfluROI는 ROI, 브랜드 적합도, 구독자 감성 부합도 세 가지 핵심 지표를 종합하여 최종 점수와 등급을 산출하며, 마케터가 각 점수의 가중치를 조정할 수 있는 시뮬레이션 기능을 제공합니다.

점수 항목	산출 공식	핵심 기술
참여율 (Engagement)	$\text{Engagement Rate} = (\text{View Count} + \text{Like Count} + \text{Comment Count}) / \text{Subscriber Count}$	통계 모델링
ROI 점수	$\text{ROI Score} = (\text{Engagement Rate} \times \text{Subscriber Count}) / \text{Expected Investment Cost}$	참여율 기반 예측
구독자 감성 부합도	$\text{Sentiment Score} = ((\text{Positive Ratio} - \text{Negative Ratio} + 100) / 2) + \text{Tone and Manner Correction}$	KOBERT (감성 분류), SBERT (텍스트 유사도)
브랜드 이미지 적합도	광고 이미지와 영상 프레임 간 시각적 유사도 분석 및 점수 산출	OpenCV (프레임 추출), CNN 기반 Feature Matching

2. 종합 점수 공식 (Total Score)

세 가지 점수를 활용하여 최종 인플루언서의 광고 효율성(Total Score)을 책정합니다.

$$ \text{Total Score} = \alpha \times \text{ROI Score} + \beta \times \text{Brand Fit Score} + \gamma \times \text{Sentiment Score} $$

• 기본 가중치: $\alpha=0.4, \beta=0.3, \gamma=0.3$
• What-if 시나리오: $\alpha, \beta, \gamma$ 값은 마케터의 의도에 따라 변경 가능하며 ($\alpha + \beta + \gamma = 1$), 이에 따른 순위 및 등급 변화를 시뮬레이션합니다.

3. AI/ML 모델 활용

• KOBERT: 댓글의 긍정/중립/부정을 분류하여 감성 적합도 산출에 기여.
• SBERT: 텍스트(키워드/해시태그) 임베딩을 통해 브랜드 톤앤매너 일치도 평가.
• CLIP (예정): 텍스트와 이미지 간의 멀티모달 이해를 통한 추가 적합도 분석을 목표로 합니다.

---

🏗 시스템 구성

기술 스택 (Tech Stack)

구분	기술 / 라이브러리	용도
데이터 수집	YouTube Data API V3	유튜브 정량 데이터 수집
AI/ML	KOBERT, SBERT, CLIP, OpenCV	댓글 감성 분석, 임베딩, 영상 프레임 분석
분석 환경	Python	데이터 처리 및 알고리즘 구현
Frontend		시뮬레이터 UI 개발, 대시보드 시각화

데이터 흐름

1. 수집 계층: YouTube Data API를 통해 정량 지표, 댓글, 영상 메타데이터 수집.
2. 분석 계층: 텍스트 및 영상 분석 알고리즘을 통해 3대 핵심 점수 산출.
3. 추천 및 서비스 계층: 3대 점수를 종합하여 총점 산출 및 What-if 시나리오를 웹 대시보드에 제공.

---

👥 팀원 소개

구분	이름	소속	담당 업무
팀장	임혜미	웹공학	프로젝트 관리, UI/UX 개발
팀원	송승윤	웹공학 / 빅데이터	백엔드, 데이터 크롤링
팀원	이다민	모바일소프트웨어 / 웹공학	백엔드, 데이터 크롤링
팀원	황필호	웹공학 / 빅데이터	UI/UX 개발

---

✅ 개발 성과

주요 성과

• 100개 채널의 체계적인 데이터 수집 완료.
• AI/ML 기반 다차원 분석 시스템 구축 (CLIP, SBERT, KOBERT 활용).
• What-if 시나리오 기능 구현 완료.
• 웹 기반 시뮬레이터 UI 개발.

시스템 효과

• 기존의 주관적인 인플루언서 선정 방식 대비 객관적인 평가 기준 제시.
• 가중치 조정을 통한 다양한 마케팅 전략 시뮬레이션 지원.
• 브랜드별 맞춤형 인플루언서 추천 및 ROI 예측을 통한 마케팅 효율 증대.

---

본 프로젝트는 한성대학교 SW중심대학사업단 "AI/클라우드 온캠퍼스 인턴십" 산학협력프로젝트의 일환으로 진행되었습니다.

⭐ Star를 눌러주시면 프로젝트 개발에 큰 힘이 됩니다!