レコメンデーション

「これを買った人はこの商品も買っています。」「あなたへのお勧め!」など進化するレコメンドエンジン

Amazon.comに代表されるレコメンデーションもECサイトを運営していく上で必須の機能です。
レコメンドの手法も、ルールベース、コンテンツベース、協調フィルタリング、複雑系ネットワークベースと様々です。弊社にて取り扱っているパッケージ群ではルールベースのレコメンド機能を標準搭載しております。

通常レコメンドエンジンは、アクセスログやクローリングで情報を収集し解析した後に「おすすめ商品」を表示できるようになります。 この情報収集から解析の期間はレコメンドがない状態でスタート(コールドスタート)します。この期間を埋めるにはルールベースが必須となります。 また、自動レコメンドは確かに便利かもしれないが、結局は運営者側が一押しの商品を前面に出していくという運営者側の本音の部分を簡単に実現できる仕組みとして重宝されています。

どのレコメンドエンジンを採用しても一長一短あるのも事実です。 エルテックスは独立系のSierとしてお客様の立場で最適なご提案を差し上げます。お客様はECサイト構築を通じワンストップでレコメンドエンジンの選定から導入までを行うことができます。

レコメンド方式 特徴
ルールベース 運営者の意図が反映できる反面、商品数が多いと設定の手間が膨大になる。
コンテンツベース 少ない情報でもレコメンドできる反面、コンテンツの類似性からのレコメンドとなるためのユーザーの好みなどは反映されない。
協調フィルタリング ユーザーの行動履歴を元にレコメンドする。好みの似通ったユーザーの行動履歴からの推奨であるため意外な発見もある反面、その時の売れ筋商品ばかりが表示される傾向がある。
複雑系ネットワーク 個人の属性や行動履歴、運営者サイドの知見など様々な情報から統計学的にレコメンドを行う。 個人に特化したレコメンドが可能。売れ筋商品ばかりが表示されることもない。 但し、インプットする情報の入手やレコメンドモデルの作成などが必要な場合がある。