サービス

アイジェント・レコメンダー

リアルタイム・レコメンドサービス

複数の機械学習技術を組み合わせ、顧客の行動をリアルタイムで反映した高精度レコメンデーションを実現。Webサイトやモバイルアプリ、実店舗のデジタルアシスタントなど、様々なシーンで利用可能なサービスです。

特長

リアルタイムのレコメンド表示

リアルタイムでデータを解析し自動学習することで、常に最新の顧客ニーズに合った「今おすすめすべき情報」をレコメンド表示します。

充実したサポート

効果を最大化するために、豊富な経験を持つコンサルタントが継続的なPDCAによる改善活動をご提案し、実施します。

成果報酬型

レコメンド経由の売り上げに対する成果報酬型の費用体系をご用意。導入リスクを低減でき、費用対効果も明確です。

機能

パスディペンデンシー
リアルタイムでパーソナライズされたレコメンド表示

過去の閲覧経路を見ることで、店頭での接客のように個別ユーザーの嗜好にあった商品のレコメンドを実現します。例えば「ボーダーワンピース」という同じ商品を見ている場合でも、そこに至る過程で「ワンピース」を探している人、「ボーダーのアイテム」を探している人とでは嗜好性が異なります。弊社のユーザー導線分析によって、嗜好に合わせたレコメンドが可能になります。

サポート

効果を常に最大化する継続的なカスタマーサポート

高度なノウハウを有するコンサルタントとサポートチームが、サービス導入時の設定だけでなく、導入後の改善提案まで継続的に実施。お客様のビジネス環境変化に合わせ、レコメンド成果を向上させていきます。

基本サポート

  • 導入サポート
  • レコメンド設定や開通テスト
  • レシピ設定のためのABテスト
  • キャンペーンや施策のサポート
  • レコメンド効果数値のポータル画面でのモニタリング
  • 管理画面のご提供

※その他サポート内容につきましてはお問合せください。弊社コンサルタントより、最適なご提案をさせていただきます。

チューニングを行うマンスリーレポート

利用シーン

ユーザーの動きに合わせた多様なレコメンドの利用シーン

Webサイトにとどまらず、様々なチャネルとデバイスで、最適なレコメンドをリアルタイムでご提供します。

料金

リクエスト従量型に加え、成果報酬型でも提供

厳格なレコメンド経由売上の定義に基づく成果報酬型の課金体系は、導入リスクが少なく、また運用時の費用対効果も明確です。

課金体系

成果報酬型
  • お客様側のリスクとリワードをシェアします。
  • 導入当初のサービスの最適化のためのコストはシルバーエッグ・テクノロジーが負担します。
  • サイト売上/成果を改善していくインセンティブとなります。
リクエスト従量型 弊社APIへのリクエスト数に応じて、月額費用が発生いたします。

オプションメニュー

ランキング表示 売上件数ベースのランキングを日/週/月次で表示します。 サイトで「今」売れている商品のダイナミックランキングを表示する事もできます。
閲覧履歴表示 ユーザーが閲覧したアイテム情報を履歴の新しい順に表示します。
カテゴリ閲覧相関 カテゴリと閲覧の相関からレコメンドします。
キーワード閲覧相関 検索等キーワードと閲覧の相関からレコメンドします。
トピックレコメンダー 機械学習を用い、アイテム文章の類似性に基づきレコメンドします。
ダイナミックLP 広告用ランディングページのみでアイジェント・レコメンダーをご利用いただく際のサービスです。
サジェスト連携 サイト内のフリーワード検索利用時に、レコメンドを表示します。検索エンジンにより表示されるサジェストに加え、サジェストを起点としたレコメンドを表示することで検索性向上を実現します。
接客ツール連携 接客ツールと連携し、ポップアップ上にレコメンドを表示します。接客ツールから表示するキャンペーンやクーポン等にレコメンドを追加することで訴求力の向上を実現します。アイジェント・レコメンダーをご利用いただいている企業様向けのサービスです。
ハッシュタグ・ジェネレーター ファッション業界向けAIタグ生成サービス。アパレル商品画像データを分析し、自動的に適切なハッシュタグを画面に表示することのできるサービスです。ハッシュタグを使った商品探索が可能になり、ハッシュタグキーワードによるSEO効果もあります。 ご紹介資料はこちら

ソリューションメニュー

OMOレコメンド・ソリューション ECサイト顧客だけでなく、実店舗の会員顧客に対しても、メールやアプリなどを介してレコメンドアイテムを提案できるようになります。実店舗への再訪率向上や、ECサイトへの送客に効果があります。
アイジェント・レコメンダー、アイジェント・レコガゾウ、POS連携オプション機能を利用したソリューションです。
ソリューション資料はこちら
このページの先頭へ