レコメンドエンジンの仕組みとビジネスへの活用方法


eye

レコメンドエンジンとは、サイトへの訪問者が購入したり見たりした商品と関連性があり、購買意欲をかきたてるような商品を提案することで、顧客が欲しいと思う情報を探すのを手助けしてくれるシステムです。

昨今ECサイトだけでもかなりの数があり、加えて様々な口コミサイトや広告も含めた商品に関する情報が溢れています。
そうした状況の中、ユーザーは本当に自分にとってベストな商品や潜在的要求がある商品に出会える事はかなり難しいといえるでしょう。

そのため、精度が高いレコメンデーションを用い、ユーザーニーズに寄り添った情報を提供する事が非常に重要となってきます。

では、レコメンドエンジンはどのようにして顧客に商品の提案をしていて、どのようにビジネスへと活用すれば良いのでしょうか?

レコメンドエンジンの仕組み、3つのタイプ

レコメンドエンジンのベースとなる技術には数パターンあり、それらを組み合わせて使っている場合が多いです。
ここでは、基本的な仕組み(技術)を紹介します。

1.協調フィルタリング

レコメンデーションにおけるもっともポピュラーな技術です。
「Aという商品を閲覧・購入した人はBという商品も閲覧・購入した人が多いため、Aという商品を閲覧・購入した人にはBという商品を薦める」といったように、ウェブアクセス履歴やユーザーの行動履歴にもとづいて商品をレコメンドする手法で、商品情報などコンテンツ情報は必要がない、という点がポイントです。
自分の嗜好と似た人が見た商品は、これまでは見たことのなかった商品であっても、自分の嗜好にマッチングするという可能性が高いため、ユーザーは「思いがけない商品の発見」を体験することができます。
自動でデータを収集して分析する、という点も、管理コストがかかりにくく導入しやすい理由となっています。

協調フィルタリングは有効な技術ですが、いまだ重要な課題は残されています。

その課題とは、データが少ない場合に、有効なレコメンドができにくいという「コールドスタート」という問題です。例えば、新しいアイテムが追加されたり、アイテムの入れ替えがおこなわれたりした場合、新しいアイテムはそのアイテムが別のアイテムと一緒に購入されたり見られたりしなければ、レコメンドされません。

また、新規ユーザーに対してのレコメンドに対しても同じく、そのユーザーがサイト上で行動をしてデータが蓄積されるまでは適切なレコメンドができないという状況になってしまいます。

この「コールドスタート」という課題を解決するために、現在では多くのテクニックが生み出されています。

2.コンテンツベース・フィルタリング

商品の属性情報とユーザーの好みの関連性をベースにする方法です。コンテンツの属性はあらかじめグループ化されており、ユーザーがどの属性タイプの商品を好んだかということでユーザープロファイルを構築していきます。
「あるメーカーのカメラの情報を見ている人に対して、同メーカーの別の機種や、別のメーカーの同じようなカメラを薦める」といった具合に、あらかじめ用意された、コンテンツの属性や関連性を分析して薦めます。一方、商品数が増えてくれば、事前に属性を解析して分類するという手間が膨れる、といった問題点もあります。また、同じようなアイテムばかりがレコメンドされてしまうというデメリットもあります。

3.ハイブリッド・タイプ

最近では、協調フィルタリングやコンテンツ・フィルタリングの持つ課題を解決するために、複数の技術を組み合わせたレコメンデーションのシステムが用いられています。それらをハイブリッド・レコメンデーション・システムとよびます。異なるコンテンツ・フィルタリング技術を組み合わせた場合でも、ハイブリッド・システムとよばれます。米国のNetflix社で使用されているレコメンデーション技術を始め、現在多くのハイブリッド・タイプのレコメンデーション・システムを見かけるようになりました。

 

レコメンドエンジンのビジネスへの活用方法とは?

販売、販売促進、マーケティング、PRなどWEB販売やプロモーションを行うサイトであればレコメンデーションを活用してさらなるビジネスチャンスを広げる事も十分に見込めます。

・ECサイト

Amazonの事例で有名になったところですが、サイト訪問客の行動情報(閲覧や購買)をベースにレコメンデーションを行うという仕組みです。

顧客の好みや嗜好にあった商品を提示できるので、購入意欲がある顧客に対しては転換率を上げられるアプローチを行う事が可能になります。また、顧客は探さなくとも欲しい商品が提示されるため、サイトへのロイヤリティも高くなり、その結果顧客あたりの生涯価値もあがることになります。
システムを使えば自動でできるので、工数削減もできます。

ECサイトでのレコメンデーションでは、ややもすると転換率や売上アップだけが注目されやすいですが、実はレコメンデーションにはショッピングをする上での利便性のアップも大切なポイントとなります。

たとえば、本やCDの場合で考えてみると、ある著者・作者が好きなユーザーが、その著者・作者の別の作品も好きであるということはごく当たり前のことです。現在Aという作品の1巻を見ている人にその作品の2巻以降をレコメンド表示することで、2巻以降を探す手間が省け、ユーザーの立場としては非常に買い物がしやすくなるというメリットがあります。その結果として、ユーザーあたりの購入単価があがるという事例は結構多いのです。

ECサイトのサービス力のアップにもレコメンデーションは貢献するのです。

 

・EC以外のサイト

ニュースサイトや求人サイトといったコンテンツサイトでもレコメンデーションは有効です。サイトを訪問するユーザーが、自分が見たい情報を多くの情報の中から探さなければならないような場合、レコメンドエンジンは、多くのユーザーの訪問履歴から自動的にパターン化し、サイトに入ってきたユーザーに対して必要な情報を表示させ、離脱を防ぎ回遊を促すことができます。

たとえば、ニュースサイトなどの情報サイトであれば、ユーザーの興味・関心の強い記事をレコメンデーションすることで、閲覧数やサイト滞在時間を高める方法などへの応用も考えられます。求人サイトであれば、ユーザーにあった求人情報を複数見せることで、マッチングの精度があがります。

ユーザーの嗜好により合った情報を届けることができ、コンバージョンへと結びつけることができるでしょう。



シルバーエッグ・テクノロジーの最新のニュースや導入事例等は、メールマガジンでもご紹介しております。

メールマガジンの配信をご希望の方は、下記お問合せフォームよりご連絡下さい。

また、製品に関するお問合せや導入のご相談は、下記お問合せフォームおよびお電話にて承っております。

お問合せはこちらから