レコメンドエンジン入門
知っておきたいレコメンドの仕組みやECサイトに導入するメリット

レコメンドエンジンとは？

まず、レコメンドエンジンとは何かというところから解説します。

レコメンドエンジンとは

レコメンドエンジンとは、ECサイトなどで利用者に応じたおすすめを表示させるシステムのことです。おすすめに表示される商品は、ユーザーの購入履歴や閲覧履歴などの情報をもとに選ばれます。また、ECサイト以外にも、ニュースサイトなどで表示される「この記事を読んだ人は他にこんな記事も読んでいます」といった別の記事の紹介もレコメンドエンジンによるものです。

レコメンドエンジンの種類

レコメンドエンジンは、大きく以下の4種類に分類できます。

・ASP（Application Service Provider）
Webアプリケーションとしてレコメンドエンジンを提供しているタイプです。導入が簡単で、Webサイトに追加するだけで利用できるのが特徴です。クラウドサービスのため、サーバーも不要でコストが抑えられることから、スモールスタートする際に適しています。ただ、ASP型のほとんどはカスタマイズができないという難点もあります。

・オープンソース
インターネット上に無料で公開されているソースコードを使い、ECサイトにレコメンドエンジンを組み込むタイプです。無料で利用できる点やカスタマイズが自由な点がメリットですが、オープンソース型を使うためにはある程度の専門的知識が必要なうえ、日本製のオープンソース型レコメンドエンジンは数が少ないのが現状です。

・プライベートDMPとレコメンド機能の連携型
プライベートDMPを構築したうえで、レコメンド機能と連携させるタイプです。DMP内に蓄積されたさまざまなデータをレコメンド機能に活用することで、より精度の高いレコメンドが期待できます。ただ、他のレコメンドエンジンに比べるとコストがかかってしまう傾向にあります。本格的に大規模なデータを使ってレコメンド機能を実装したいという企業向けです。

・ECシステムに搭載されているレコメンド機能
ECシステムの中には、レコメンド機能が標準搭載されているものもあります。追加でコストがかからないのが利点ですが、他のレコメンドエンジンに比べるとどうしてもできることが少なく、性能も劣るものが多いです。

レコメンドエンジンの仕組み

ひとえにレコメンドエンジンと言っても、おすすめ商品を決める仕組みは何種類もあり、サービスによって異なります。ここでは、よく使われている5つの仕組みを紹介します。

協調フィルタリング

もっとも一般的とされるレコメンドエンジンの仕組みです。ユーザーのさまざまな情報をもとにおすすめする商品を決定しています。この商品を買った人は他にこういった商品も買っている、この商品を見た人は他にこのような商品を見ている、というようなユーザーの購入履歴に基づいて商品をすすめるものもあれば、関連性の高い商品をすすめるタイプもあります。

ルールベース型レコメンド

事前に定めたルールに基づいて商品をおすすめするタイプです。ユーザーの購入履歴などは参照せず、EC事業者側がすすめたいものをおすすめに表示できることから、キャンペーン中の商品をすすめる際などに使われています。他の仕組みと違い、ユーザーの情報が十分に収集できていない段階でもすぐ機能するというのも利点の一つです。

コンテンツベースフィルタリング

ユーザーが閲覧・購入した商品に類似した商品をおすすめする手法です。各商品の持つ特性を事前にタグ付けしておくことで、類似した商品をすすめるのが特徴です。タグ付けすればするほど、よりおすすめの精度が高くなる反面、一つひとつの商品にタグ付けする必要があるため、登録に時間がかかってしまうというデメリットもあります。

パーソナライズドレコメンド

ユーザーの購入履歴・閲覧履歴などに基づいておすすめする商品を決定する手法です。他の仕組みと異なるのは、他のユーザーの購入履歴などは参照しないという点です。その人がどういうものを購入・閲覧しているのかという情報をもとに判断しておすすめするため、十分な情報があれば、よりその人の嗜好にあったものがおすすめされます。

近年ではハイブリッド型も

近年では、ここまで紹介してきた仕組みのうちからどれか一つを採用するのではなく、複数の仕組みを組み合わせているハイブリッド型レコメンドエンジンも少なくありません。それぞれの長所・短所を理解したうえでうまく組み合わせることができれば、より精度の高いレコメンドができるようになります。

レコメンドエンジンを利用するメリット

ECサイト運用時にレコメンドエンジンを利用するメリットとしては、主に以下の3点が挙げられます。

クロスセル戦略による客単価・LTVの向上が見込める

商品を購入した顧客に対し、「他にこういった商品もおすすめです」といったように他の商品をすすめるマーケティング手法のことを「クロスセル戦略」と呼びます。レコメンドエンジンの活用は、まさにクロスセル戦略の一つであり、これによって客単価やLTVの向上につながります。

利便性向上により、顧客からの信頼度アップにつながる

顧客が本当に欲している商品をおすすめすることができれば、顧客は自分のことをわかってもらっていると感じるようになり、そのサイトのことをより信頼するようになるでしょう。そうしてまた商品を購入してもらい、購買履歴のデータをさらに収集できれば、より精度の高いレコメンドができるようになります。レコメンドエンジンの導入によって、このような好循環が期待できます。

ECサイトへの滞在時間が長くなる

ECサイトのトップページなどにおすすめ商品を掲載しておけば、利用者はウィンドウショッピング感覚でさまざまな商品を見るようになります。結果として、利用者のECサイトへの滞在時間が長くなるという効果も見込めます。

レコメンドエンジンを利用するうえで注意したいポイント

ここまでレコメンドエンジンのメリットを紹介してきましたが、レコメンドエンジンも万能ではありません。最後に、レコメンドエンジンを利用する際に注意しておきたいポイントを3つ紹介します。

コールドスタート問題により、レコメンドが正しく機能するまでに時間がかかる

多くのレコメンドエンジンが、ユーザーの情報に基づいておすすめする商品を決定していることから、ECサイトを立ち上げた当初は情報がなく、適切なレコメンドができません。これを「コールドスタート問題」と呼びます。ユーザーの情報に基づいたレコメンドをしたい場合は、どうしてもこの問題に直面するため、レコメンドエンジン導入の効果はすぐには期待できないということを理解しておきましょう。データが足りない運用初期段階はルールベースを中心にレコメンドを行うなどの工夫も効果的です。

少カバー率問題への対応が求められる

少カバー率問題とは、ニッチな分野で特定の一部の人しか買わない商品などは、購入履歴などのデータが他に比べて極めて少なくなってしまうため、レコメンドされにくくなるという問題のことです。購入数は少なくても一部の層から絶大な支持を集めている商品もあることから、そういった商品に対してもレコメンドできるような仕組みが求められます。

目的を明確にしたうえで導入を

ここまで紹介してきた通り、レコメンドエンジンにもさまざまな種類が存在し、どのようなアルゴリズムでおすすめする商品を決めているのかもそれぞれ異なります。レコメンドエンジン導入を検討する際は、まず何を目的に導入するのかを明確にしましょう。また、レコメンドエンジンを導入したことで効果が出ているのかを正しく計測するためにも、導入前に具体的にどういう効果を期待しているのか（売上◯%アップ、客単価◯◯円アップなど）を事前に定めることも重要です。

ecbeingが提供するAI活用型レコメンド「AiReco」

ecbeingでは、AIがお客様に最適な商品をオススメするレコメンドツール「AiReco」を提供しています。AiRecoはお客様の性別や年齢などの「会員属性」や、カートへの投入やお気に入り登録、閲覧履歴などの「行動属性」、これまでの「購買履歴」をもとに最適な商品をピックアップし、オススメすることで商品の購入を促します。
また、AiReco自体が自動で学習し続けるため常に売上を伸ばすための最適なレコメンドツールとしてECサイトの上での検索・購買体験の質の向上を実現します。

AiRecoについて詳しくはお問い合わせください。
問い合わせる

まとめ

レコメンドエンジンを活用すれば、客単価アップやLTVの向上などが見込めるほか、ユーザーからも信頼できるサイトとしてより利用してもらいやすくなるでしょう。近年ではさまざまなタイプのレコメンドエンジンが登場しているため、自社の目的にあったものを選ぶことが重要です。レコメンドエンジン選びで悩んでいる方は、ecbeingまでお気軽にご相談ください。

レコメンドエンジンを検討中の方はこちら
ecbeingに相談する