売れてるサイトは何が違う？ レコメンドエンジン活用のコツ
オンラインサービスの競争は、激しさを増す一方です。コンシューマービジネスだけでなく、BtoBビジネスでも続々とECサイトが立ち上がり、コンテンツ配信サービス、不動産・人材などの情報サービスの世界でも、新たなサービスが日々生まれています。
厳しい競争にさらされているデジタルサービスの世界では、サイトのわずかな違いが、優劣の差となって結果に表れます。「売れてる」サイトは、何が違うのでしょうか？
的確なターゲティングやトレンドの理解、ユーザビリティやアフターサービスなど、売れる理由は多々ありますが、共通しているのは当たり前の機能を見直し、ブラッシュアップし続けることにあるかと思います。
今回は、サイト内体験のなかでも「あって当たり前」となっている「あなたへのおすすめ」機能について、AI搭載レコメンドエンジン「アイジェント・レコメンダー」の活用例をもとに、より売れるサイトを作るためになにをすべきかを紐解いていきます。
▲売れるサイト実現の最短手法は、「当たり前」の機能を見直すこと
【INDEX】
・レコメンドの内容を「サクサク変える」
・ユーザーを長期的にもてなし、購入単価を上げる
レコメンドの内容を「サクサク変える」
サイト内やメール上で、顧客の関心やニーズにあった商品・コンテンツを推薦するレコメンドエンジンは、ECサイトやニュースサイト、コンテンツ配信サイトなど、様々なオンラインサービスで使われています。
しかし、中にはユーザーが「なんでこんなものおすすめするの？」と思えるようなレコメンドがあるのも事実です。同じ商品が何度も何度も画面に表示されたりすると、ユーザーはそれに飽き、いらだってきます。
いつも似たような、しかも自分の興味や目的とは異なる製品ばかりがおすすめされてしまう現象は、事前に何をおすすめするかを人間が決めている固定的なレコメンドや、粗いターゲティングに基づく簡易型のレコメンドエンジンで起きがちです。1人のユーザーでも、昨日と今日とではサイトにアクセスする目的は違うのに、それを考慮できていないのです。
このようなユーザー体験の下がるレコメンドを防ぐために、行動情報ベースのAI/機械学習型レコメンドエンジンが開発されました。特にアイジェント・レコメンダーは、閲覧ログ・購入ログのような、ある程度の長さを持った行動履歴から、一人ひとり異なるレコメンドアイテムをAIが予測します。これをシルバーエッグ・テクノロジーでは、「パス・ディペンデンシー機能」と呼んでいます。
たとえば、アパレル・雑貨系のセレクトショップを例に考えてみましょう。直前に「サンダル」と「ビーチボール」を閲覧していたユーザーには、「浮き輪」や「スマホ防水ケース」のようなビーチ系の商品が表示されることが増えます。一方で「サンダル」と「パンプス」を見ていたユーザーには、おしゃれな靴がたくさん表示されるようになります。商品をクリックするたびに、その時の自分の目的に合った商品が次々と表示され、クリックするたびにその精度は上がっていきます。
なぜこのような機能が実現できるのでしょうか？ それは、ユーザー一人ひとりがどのような組み合わせで商品を見て、購入しているかをAIが逐次観察し、学習しているためです。事前にAIに対して、「この商品の時にはコレを出せ」と指示する必要はありません。むしろ、ルールを固定化せず、常に変化するユーザーの行動を学習し続けることで、個人のニーズの変化にも自動的に対応するレコメンドが可能になっています。
▲物販だけでなくサブスクでも、常に顧客ニーズに沿った商品を陳列することが重要
このようなリアルタイムなレコメンド機能の効果を最大化するためにおすすめの活用例は、サイトの商品紹介ページだけでなく、トップページにも表示することです
ユーザーは商品やコンテンツを探す際、商品ページとトップページを何度も行き来しますが、そのたびにトップページのレコメンドは、直前の閲覧行動を反映して書き換えられていきます。その結果、次の商品探しをする際にわざわざ検索をしなくても、欲しい商品を見つけられるようになります。
たとえば、アウトドアブランドの『MAMMUT』では、トップページのファーストビューにユーザーごとに差別化されたレコメンド商品を並べることで、常に目新しい商品を知ってもらい、CVRの改善を実現しました。また、NTTドコモの運営する『dブック』では、読者一人ひとりが本を読み終えた時点で、次の読書への欲求にこたえる最適な書籍をレコメンドし、ARPPU（有料ユーザー1人あたりの平均収益）の110％向上に成功しています。
ユーザー1人ひとりのニーズに応えるだけでなく、ユーザーがサイトを訪問したタイミングごとにレコメンドの内容をサクサクと変えていくことで、ユーザー体験は格段に上がっていくことでしょう。
ユーザーを長期的にもてなし、購入単価を上げる
商品やコンテンツが一時的にバズって売上が増えたものの、その後ユーザーが定着しないといった課題はありませんか？
EC運営者にとって、新規顧客の獲得と同じぐらい重要なのが、リピーター顧客の獲得です。どうすれば初めてサイトにアクセスし商品を買ってくれたユーザーが、再びサイトを訪問しリピート購入するようになるでしょうか。
2回目のユーザーにより良い買い物体験をしてもらうには、中・長期的なユーザー行動とトレンドの変化を踏まえて、「次に買うべき商品」を予測的に提案することです。
行動情報ベースのレコメンドエンジンの中でも、アイジェント・レコメンダーのようなログを蓄積して総合的に分析するタイプのAIは、サイトにアクセスした全ユーザーの行動パターンを捉え続け、トレンドの変化にも対応したレコメンドを実現します。
たとえば、2か月ぶりにサイトにアクセスしたユーザーに対し、一から新しいレコメンドを出したり、2か月前と同じ商品をレコメンドしたりすることはありません。そのユーザーがアクセスしていなかった2か月間に、他のユーザーがどのような商品を見て、買ったかを観察し、その時点の在庫商品のなかから、そのユーザーが最も欲しいと思えるだろう商品を予測して掲載します。
この機能は、サイトの中だけで効果を発揮するのではありません。メールマガジンやLINEを使って、次に買うべき商品をおすすめし、2回目の購入を誘引する“攻めの営業”に使うことも可能です。
▲ワインのよう高単価の嗜好品を定期的に買ってもらうためにも、AIによるレコメンドは有効
このような行動情報分析によって中長期的な効果を発揮するレコメンドエンジンは、客単価の向上にも貢献します。
たとえば、レコメンドの表示内容にあえて価格フィルターをかけることで、ユーザーが普段は購入しない高価格帯商品に対する興味を促します。いつもよりちょっと贅沢したいとか、いつもより耐久性の高いものを探しているといったユーザーのニーズに応える形で、購入単価を上げることができるのです。もちろん、AIによってその価格帯の中からユーザー一人ひとりのニーズに合った商品が選ばれますので、通常の高額商品リストよりも購入確率は上がります。
長期的にサイトを使ってくれるユーザーに対しては、定期購入商品のメルマガや、記念日などのタイミングで配信するメルマガ、サイト内ポップアップツールなどを介して、普段よりちょっとリッチな商品を提案してみてはいかがでしょうか？ 長期的な客単価の向上に役立つことと思います。
ワイン通販サイト『エノテカ』では、アイジェント・レコメンダーと合わせてメールレコメンドサービス「レコガゾウ」を導入し、ワインファンの期待に応える商品やコンテンツをレコメンドするほか、より高単価のワインを販売することにも成功しています。
以上、「アイジェント・レコメンダー」を実際に活用しているサイトの成功事例を念頭に、主に顧客体験の観点から、どのようにレコメンドエンジンの活用で売上を上げることができるかをご紹介しました。ポイントは、顧客行動に合わせてレコメンドの表示内容を「サクサク」変化させることと、行動情報からを顧客の中長期的な行動も予測し、リピートと購入単価を上げていくことです。
ここでは2つに絞って紹介しましたが、レコメンドエンジンを使いこなすことで、他にも様々な方法でサイトの顧客体験を改善し、売上に貢献することができます。あって当たり前の機能を見直し、「売れるサイト」の実現を目指していきましょう！
（文責：園田真悟）
▼AI搭載レコメンドエンジンの機能について詳しく知るにはこちら！▼
