> For the complete documentation index, see [llms.txt](https://help.xpert.lever.me/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://help.xpert.lever.me/creative_center/ad_analysis/label/auto_label.md).

# 오토 레이블링

## 오토 레이블링

AI를 이용한 소재 오토 레이블링으로 소재 분석에 가장 어려운 단계 중 하나인 소재 분석 기준 수립을 쉽고 빠르게 진행할 수 있습니다. 소재 분석 기준은 어떤 소재가 좋았는지를 넘어, '왜 이 소재가 좋았는가'를 유추할 수 있는 힌트가 되어 다음 소재 컨셉을 결정하는 데 도움을 줍니다.

그렇지만 소재 분석 기준, 즉 소재 레이블을 잘 설정하는 것은 어려운 일입니다. 일일이 사람이 눈으로 보면서 체크해서 기록해야 하고, 양이 방대해 시간이 오래 걸리는 데다, 분업하면 주관적인 요소가 개입될 여지가 큽니다.

발달하는 AI 기술과 CV(Computer Vision) 기술을 이용해 이 과정을 자동화하는 것이 오토 레이블링의 목표입니다.

{% hint style="info" %}
오토 레이블링으로 추출된 항목은 앞에 **전구 이모지(💡)**가 붙어 있습니다. \
수동으로 생성한 레이블 및 레이블 카테고리와 구분이 가능합니다.
{% endhint %}

{% hint style="success" %}
제품팀은 필요한 경우 미팅을 통해 오토 레이블링을 지속적으로 추가해드리고 있습니다. 

필요하신 레이블을 수동으로 추출하기 어렵거나, 궁금한 분석 기준이 있으신 경우 제품팀에 연락해주세요. \
일반적으로 7-14일 사이에 오토레이블링 적용이 가능합니다.
{% endhint %}

## 소재 메타 데이터를 이용한 오토 레이블링

디지털 광고 소재는 광고 매체에서 요구하는 특정 형식과 많이 사용 되는 형태가 있습니다. 

이러한 형식/형태에 대한 정보를 **소재 메타 데이터**로 부르며, 매체, 혹은 소재 파일 자체에서 손쉽게 추출할 수 있습니다. \
소재 유형(이미지, 영상, 캐로셀 등), 소재 비율(1:1, 4:5, 9:16 등), 영상 길이 (15초, 30초 등)가 대표적인 소재 메타 데이터입니다. 

Xpert 소재분석은 위와 같은 정보를 이용해 다음의 소재 레이블을 자동 생성합니다. 

* 소재 유형
* 소재 비율
* 영상 길이

## 소재 구성 요소를 인식한 오토 레이블링

상대적으로 쉽게 유추할 수 있는 소재 메타 데이터와 달리, 보다 다양하고 중요한 것은 감성적인 영역을 건드리는 **소재의 구성 요소**입니다. 

직관적으로 오디언스에게 메시지를 전달하는 CTA 문구, 전반적인 무드를 전달할 수 있는 소재 색감, 배경색, 레이아웃, 이들을 아우르는 소재의 소구점 등이 소재 구성요소입니다.

Xpert 소재분석은, GCP(Google Cloud Platform)의 Cloud Vision API와 자체적인 CV 분석 알고리즘, 생성형 AI, 퍼포먼스 마케팅 운영 노하우를 반영한 분류 로직/알고리즘을 통해 구성요소를 자동 추출합니다.

* CTA문구
* 배경색
* 색감
* 레이아웃
* 소구
* 이미지 내 카피 문구 비중
* 이미지 내 카피 문구의 어투

## 오토 레이블링 주기

Xpert는 매일 새벽 데이터를 수집합니다. \
수집한 데이터에 새로운 소재가 추가되어 있는 경우, 해당 소재에 대한 오토 레이블링을 자동으로 수행합니다.