記事種別

ニュースアプリにできてなぜECでできない秀逸レコメンド Amazonの機械学習が変えるのか

  • このエントリーをはてなブックマークに追加
  • プッシュ通知を受け取る

「持続的な購入」を目指す、コンバージョン率最適化=CROについて解説していきます。第10回は、レコメンド・エンジンについて。もっといいオススメができるはずなのにできていなかった、それをAmazon Machine Learningが変えるのでしょうか。

Amazonのレコメンドすら完ぺきではないという事実

 EC事業者の皆さん、レコメンドについてどんなふうにお考えですか? こんな声が聞こえてきそうです。

  • 他社がやっているから、うちもやっている
  • 売上に貢献しているかわからない
  • ベンダー各社は「うちが一番」と言うけれど、違いがわからなくて信用できない

 ECのレコメンドを世に知らしめたAmazonの「この商品を買った人はこんな商品も買っています」ですが、マンガの1巻を買ったら2巻をオススメされたけれど、本屋で買ったからもう持ってるよという経験はありませんか? そう、Amazonでさえ、そのレコメンドは完璧ではないのです。

 どのような条件で何をオススメするのか。裏側のアルゴリズムにはいろいろありますが(数学なんて知らない!)、どれにも長所短所があります。これまで利用されてきた、いくつか紹介しましょう。

協調フィルタリング

 先ほど例にあげた、Amazonの「この商品を買った人はこんな商品も買っています」は、文字どおり他の人が買っているものを教えます。こうした多数決的な意見を「協調フィルタリング」と呼びます。

単純インテンショナル(意図的)

 商売には重要な、「売りたい」直球です。たとえば、鮮魚コーナーに来た買物客に「サンマ、安くしとくよ」的なレコメンドです。在庫を掃いてしまいたい場合などに有効です。

コンテンツベースなインテンショナル

 コンテンツ(カゴの中身や買物客の嗜好)を理解して、(カゴに大根が入っているので)「今日はいいブリが入ってるよ」的なレコメンドです。CVRは上がるでしょう。

特典をタイムリーに提示

 最後の押しとしては、やはり「値引き」でしょう。目の前の利益も守りつつ、再来店して貰うためには、クーポンなどの特典を提示する。これも広義のレコメンドです。ただ、大切なのはタイミング。たとえば、商品ページでの滞在時間が長過ぎるのは、ためらっている可能性が大きいので、その時です。

パーソナライゼーション

 買物客自身の嗜好応じたオススメです。リタゲの手法に似て、以前、ウニを手に取ったけど値札を見て戻した人に、「あなた、ウニお好きですよね」といった感じ。「あ、私のこと憶えていてくれたんだ」となります。

※この続きは、会員の方のみお読みいただけます(登録無料)。



  • このエントリーをはてなブックマークに追加
  • プッシュ通知を受け取る

バックナンバー

連載:「持続的な購入」を目指すCRO

もっと読む

2016年02月の人気記事ランキング

All contents copyright © 2013-2019 Shoeisha Co., Ltd. All rights reserved. ver.1.5