1. HOME
  2. ソリューション
  3. レコメンデーション

レコメンデーション

1. レコメンデーションとは

顧客の好みを分析し、それぞれの顧客に興味のありそうな情報を選択して提示するのがレコメンデーションです。人間は選択肢が多いほど迷うものですが、Web上には膨大な情報があり、必要な情報の取捨選択が非常に難しくなっています。ECサイトやニュースサイトなどから提供される、洪水のような商品・記事の情報は、顧客が本当に必要とするものにたどり着くのを妨げています。企業側から見れば、大量の情報を提供したにもかかわらず、顧客のコンバージョン・満足度の低下を招いてしまいます。このような状況から、レコメンデーションは、需要と供給をマッチングさせるために必要不可欠になりつつあります。

レコメンデーションの導入により、具体的には、次のような効果が現れます。

  • ユーザーの好みに適した情報を提供することによる満足度の向上
  • ある商品に満足いかない場合に、類似商品を提示することによるサイトからの離脱防止
  • 在庫切れの場合に、代替の商品をおすすめすることによる機会損失の防止
  • 意外性のあるおすすめによる、ニッチ商品の売上向上

2. レコメンデーションに必要な技術

無限とも言える選択肢から最大の効果を上げるようなおすすめを見つけ出すには、ユーザーや商品の特徴を理解することが必要不可欠です。ユーザーや商品は膨大に存在するため、人手で1つ1つ確認していくのは困難であり、データマイニング技術の適用が必須です。
株式会社NTTデータ数理システムでは長年蓄積されたデータマイニング技術を保有しており、ユーザーの好みに合わせた、高精度なレコメンドを行う事が可能です。

レコメンデーションを用いることにより、ユーザーに適した情報を把握することができますが、それだけでは適切なおすすめを提示するには不十分です。ビジネスにおいては、他にも様々な「バランス」を考慮することが必要不可欠です。例えば少数の人気商品のダメ押しは、在庫切れや過剰在庫につながるため、様々な商品をバランスよくおすすめする必要があります。

また、電子商店街のような、多数のクライアントが出店するサイトを運営する場合には、人気商品だからといって特定のクライアントの商品ばかりおすすめしていると別のクライアントからのクレームにもなりかねません。ユーザーの好みにマッチし、かつ、クライアントの出店料に応じたレコメンドを行う必要があります。また、売れ行きの悪い店舗の出店離れを避けるため、売上を援護するためのレコメンドといったことも考慮する必要があります。

株式会社NTTデータ数理システムの最適化技術を用いる事により、ユーザーへの効果とビジネス上のバランス(制約)を考慮した、実務に即したレコメンデーションが可能になります。

3. 適用例

株式会社NTTデータ数理システムのデータマイニング技術と最適化技術を用いたレコメンド適用例には、以下の様なものがあります。

  • ECサイトにおける商品のおすすめ
  • SNS サイトにおける知り合い候補のおすすめ
  • ニュースサイトにおける関連記事のおすすめ
  • 一般のWebサイトにおける関連広告の表示
  • 検索サイトにおける検索ワード候補の表示
    ・・・