レコメンドエンジンとは、オンラインストアなどを訪問したユーザーに対して、購買履歴や行動履歴からおすすめの商品を提案するシステムのことです。ユーザーの興味や関心に沿った商品を提案することで、購買率向上やリピーター化が期待できます。
効果的にツールを活用するためには、仕組みやメリット・デメリット、注意点などをおさえておく必要があります。
この記事では、レコメンドエンジンの種類や活用事例なども踏まえながら、基本的なポイントを解説します。
レコメンドエンジンとは
レコメンドエンジンとは、ユーザーの好みに合った商品を提案してくれるシステムのことです。閲覧履歴や購入履歴をもとに表示するおすすめ機能、人気ランキング、興味や関心に合わせたクーポンの配布など、豊富な機能が備わっています。
ECサイトの場合、レコメンドエンジンを導入することで、ユーザーの好みに合った商品を提示して購入を促したり、サイトからの離脱回避につなげたりできます。
ツールを導入すれば手軽に実装できるため、複数のツールを比較しながら自社に合ったものを選んでみましょう。
このように、レコメンドエンジンはサイトを運営する側とユーザーの双方の利便性を高める役割を果たすシステムといえます。
レコメンドエンジンのおもな機能
レコメンドエンジンをうまく活用するには、基本的な機能について把握しておく必要があります。協調フィルタリングやルールベースレコメンドなど、種類もさまざまなので、特徴をおさえておきましょう。
協調フィルタリング
「協調フィルタリング」はユーザーの閲覧履歴や行動履歴をもとに、共通する行動履歴を持つ別のユーザーが閲覧または購入した商品やコンテンツをおすすめする方法で、レコメンドエンジンでよく見られる仕組みです。
「この商品を買ったお客様は、こんな商品も買っています」「この記事を読んだ人は、こんな記事も読んでいます」といった表示は、協調フィルタリングを利用している例といえるでしょう。
協調フィルタリングは、ユーザーの類似性をもとにした「ユーザーベース」と、商品の類似性をもとにした「アイテムベース」に大別できます。
ユーザーベースは、あるユーザーに対して、類似性の高い別のユーザーが購入した商品をおすすめするものです。一方アイテムベースとは、商品Aを購入するユーザーは商品Bも購入しやすいというデータに基づき、商品Aを買おうとしているユーザーに対して商品Bをおすすめするというものです。
ルールベースレコメンド
ルールベースレコメンドとは、ユーザーの属性や行動に対して提案方法をルール化する手法を指します。「特定の商品が閲覧された際に、それに関連する情報を表示する」、「2回以上サイトを訪問しているユーザーにはこの提案をする」、といったレコメンドがその例です。
ルールはサイト運営者が指定でき、期間限定のおすすめアイテムやキャンペーンのレコメンドに使われることが一般的です。
パーソナライズドレコメンド
パーソナライズドレコメンドとは、ユーザーの閲覧履歴や購入履歴から嗜好性を分析し、おすすめ商品を表示する仕組みです。対象ユーザーの嗜好のみをベースに分析するため、ユーザーにとってより有用な商品をおすすめできます。
それぞれの仕組みは単体で用いることができますが、お互いの強みを生かすためにいくつかの手法を組み合わせたハイブリッド・レコメンデーション・システムを用いる機会も多くなっています。
レコメンドエンジンを導入するメリット
レコメンドエンジンの導入を検討するにあたり、2つのメリットを解説します。
購買率の向上などにつなげられる
レコメンドエンジンを導入することで、ユーザーの興味や関心が高い商品を表示できるようになるため、購買率の向上が期待できます。
対象ユーザーの興味や関心の高い商品を提示することで潜在的なニーズを掘り起こし、別商品の購入検討につなげることを「クロスセル」といいます。
クロスセルによって顧客単価向上やPV、サイト回遊率などの改善も期待できるでしょう。WEBサイトそのものの質も向上させられるので、取り組むことで得られる効果は大きいといえます。
顧客満足度を高められる
レコメンドエンジンを導入することで、顧客に自分の好みをよく理解した店員に接客をされているような感覚を提供できます。レコメンドエンジンは実際に販売員が接客を行うわけではありませんが、サービスを自動化することができるので、安定的なサービスの質を保つことが可能です。
潜在的なニーズの掘り起こしや質の高いサービスを提供することで、店舗やブランドに対する信頼が高まり、顧客満足度を高められるでしょう。また、ユーザーが繰り返し利用する流れを作ることができるので、リピーター獲得にもつながります。
レコメンドエンジンを導入するときの注意点
レコメンドエンジンを導入することによるメリットは大きいですが、一方で気をつけておきたい点もあります。どのような点に注意すべきかを見ていきましょう。
導入目的やKPIを明確にしておこう
レコメンドエンジンをうまく活用するためには、導入する目的やKPIを明確にしておく必要があります。解決したい課題を洗い出し、具体的な数値目標を定めてKPIを設定しましょう。
また、ユーザーの行動履歴や閲覧履歴などの情報をもとにレコメンドするためには、一定のアクセス数が必要です。アクセス数が極端に少ないと、ユーザーの嗜好に合ったおすすめ商品を表示できなくなるので注意しましょう。
導入前の準備をしっかり行う必要がある
レコメンドエンジンを導入する際は、タグの設置やデザインの作成などの作業が必要になります。導入後の運用体制も含めて、あらかじめ検討しておくことが大切です。
また、レコメンドの表示機能はデバイスによって異なるため、スマートフォンでの表示に問題がないかもチェックしておきましょう。PCとスマートフォンそれぞれでECサイトの表示に問題がないかを確認してみてください。
おすすめのレコメンドエンジンを紹介
レコメンドエンジンにはさまざまなものがあります。それぞれ特徴や機能などが異なるので、複数の製品を比較しながら自社に合ったものを選ぶことが大切です。
ここでは、おすすめのレコメンドエンジンを3つ紹介します。
CombzReco（コンビーズレコ）
「CombzReco（コンビーズレコ）」は、導入企業2万社を超えるレコメンドエンジンであり、タグを設置するだけで手軽に導入できます。ECサイトの運営にかける手間を減らしながら売上をアップさせたいという方におすすめです。
Webサイトとメールのそれぞれからアプローチが行え、Googleアナリティクスとの連携が可能です。クリック課金の仕組みを採用しているので、費用対効果を見極めながら運用方法を調整できます。
各種レポート表示やA/Bテスト、デザインのカスタマイズ、メール配信時刻の最適化、定期購入レコメンドなどの機能が充実しており、月額使用料のみですべての機能を利用できます。
初期設定費用は5万円、月額使用料は毎月3,000クリックまでは無料で、3,001回以上は1クリックあたり15円です。
NaviPlusレコメンド
「NaviPlusレコメンド」は12年の運営実績があり、500を超えるサイトで導入されています。ECサイト向けレコメンドサービスとしては国内最多の公開導入実績数を誇り、システムとの連携がしやすい点が特徴です。
また、Webサイトのパーソナライズ化を支援する最先端のロジックが備わっており、行動履歴分析（協調フィルタリング）、アイテム属性分析（テキストマイニング）、訪問者導線分析、訪問者属性分析といった効果測定も充実しています。
パーソナライズドレコメンド機能やAIによる自動最適化によって、手間をかけずに質の高い運用が行えるでしょう。
さらに、ロジック調整、A/Bテスト、成果確認を繰り返すPDCA機能と専任のコンサルタントによる導入後サポートがあるため、初めてレコメンドエンジンを導入する場合も安心です。利用料金は初期費用20万円～、月額費用は12万円～です。
Adobe Target
「Adobe Target」は、顧客と企業間で画像やUIなどを含むエクスペリエンスの比較テストができるレコメンドエンジンです。機械学習やAIによる顧客データの分析が可能であり、A/Bテストや多変量テスト、顧客のパーソナライゼーションの自動化が行えます。
Adobe TargetのA/Bテストは、目的別に複数のパターンでテストが行えるため、膨大な数のユーザーがいても、一人ひとりのニーズを的確に把握できます。多変量テストは画像やレイアウト、背景色、テキストなど、複数の要素を組み合わせて同時に実施できるテストであり、より焦点を絞った成果を得るのに役立つはずです。
これらのテスト機能はWebだけでなく、モバイルアプリやIoTなどさまざまなチャネルに対応しているため、ITの専門担当者がいなくても簡単にテストを行えます。
また、ユーザーが複数のチャネルをまたいでいても、一貫性を持ったパーソナライゼーションが可能です。
利用料金については問い合わせが必要ですが、柔軟なライセンス体系と設定オプションが用意されています。
レコメンドエンジンの活用事例
レコメンドエンジンを効果的に活用するためには、すでに導入している企業の事例から学ぶことが大切です。ここでは3社のレコメンドエンジン活用事例を紹介します。
Creema（クリーマ）
「Creema」はクリエイターとユーザーが直接売買を行うCtoCマーケットプレイスです。ハンドメイドの作品を中心に、1,200万点以上のアイテムを取り扱っています。
Creemaではこれまでも、ユーザーに適切な作品を提案できるよう、高精度のレコメンドを実現するための努力を重ねてきました。しかし、ハンドメイド作品は1点もので、在庫が小ロットであるため、通常のECサイトと同様の運営方法では限界を感じていた部分があったのです。
そのため、レコメンドの問題を解決するためにレコメンドエンジンを導入し、画像解析AIの活用によって1,200万点の作品を瞬時に識別することが可能となりました。これによってユーザーの利便性が向上し、売上のアップにつなげています。
NOCE（ノーチェ）
インテリアショップ「NOCE」は、世界各地から輸入したインテリア家具や雑貨を実店舗とオンラインストアで販売しています。同社はコロナ禍におけるユーザーの消費行動の変化に対応するため、レコメンドエンジンをリニューアルしました。
リニューアルでは、成果の可視化やA/Bテストの成果比較を重視したほか、「検索結果ゼロ件ページ」にもレコメンドを表示させるようにしました。その結果、成果を把握しやすくなり、離脱率低下や顧客データの分析効率向上などにもつながったそうです。
オンラインストアで得た成果を実店舗でも実践するなど、相互連携の仕組みを整えることを今後の課題として挙げています。
エノテカ
ワイン販売を行うエノテカ株式会社は、日本最大級のワイン販売サイト「ENOTECA online（エノテカオンライン）」を運営しています。同サイトでは、味わいベースレコメンド、特集ページレコメンドという2つのレコメンドを実施しており、約2,000種類の取扱商品のなかから類似商品のレコメンドを行う仕組みを整えています。
味わいベースレコメンドでは、タイプ、産地、品種、価格帯、醸造方法の5つの要素に、味わい、ボリュームといった要素を加えて数値化している点が特徴です。
また、特集ページレコメンドでは、ユーザーの検索履歴や購買履歴などから、これまで制作してきた最適な特集ページを表示しています。
これらの施策を実施することで顧客満足度が高まり、売上は約1.5倍に向上しました。
まとめ
レコメンドエンジンは、ユーザーの購買履歴や行動履歴などを元におすすめ商品を低案するシステムです。Webサイトの運用にかかる負担を減らしつつユーザーに最適な提案をすることで、購買率の向上やリピーター化、売上アップを狙えます。
さまざまなレコメンドエンジンのツールが提供されているので、機能面やサポート体制、価格などを比較しながら、自社に合ったサービスを選びましょう。
