AIsmiley Magazine

AIsmiley編集部によるAI・人工知能サービスの導入事例や活用事例などの情報を記事にしてお届けします

業態業種別-AIの導入活用事例-

2019/11/13

AIがおすすめ商品をピックアップ!レコメンドエンジンの仕組みとは?

  • 編集部記事

AIがおすすめ商品をピックアップ!レコメンドエンジンの仕組みとは?|人工知能を搭載した製品・サービスの比較一覧・導入活用事例・資料請求が無料でできるAIポータルメディア

実店舗で買い物をしていると、店員さんからおすすめの商品を紹介される機会が多々あるでしょう。これは今まで、インターネットショッピングでは得られない「実店舗ならではの接客」といえるものでした。しかし、近年はAIの発展によりECサイトなどでも「おすすめの商品」が提示されるようになってきているのです。

そんな、おすすめ商品の紹介を可能にしているのは、AIを搭載した「レコメンドエンジン」という機能が働いているからに他なりません。この「レコメンドエンジン」とは、どのような仕組みなのでしょうか。今回は、レコメンドエンジンの仕組みについて詳しくご紹介していきます。

■ECサイトの常識となりつつある「レコメンドエンジン」の仕組み

インターネット上でショッピングを行っている際に、「この商品を購入した人はこんな商品も買っています」といった形で関連商品を紹介された経験がある方も多いのではないでしょうか。これはまさに、レコメンドエンジンによって「そのユーザーに適した商品の紹介」が行われているということです。

つまり、レコメンドエンジンを実装させればすべてのサイトで「レコメンデーション(おすすめ商品のピックアップ)」を導入できるわけですが、そのレコメンドエンジンにはいくつかのベースとなる技術が存在します。レコメンドエンジンの仕組みを知る上でも、これらのベースとなる技術をしっかりと理解しておく必要がありますので、ここから詳しくみていきましょう。

 

◆レコメンドエンジンの仕組み1:協調フィルタリング

協調フィルタリングは、レコメンデーションにおいて最も一般的な技術といえるものです。アクセス履歴や行動履歴をもとに、「その商品を購入した人は、どのような商品を購入しているのか」を明らかにし、ユーザーにおすすめ商品として提示します。

たとえば、電動シュレッダーを購入したユーザーには「シュレッダーを購入したい」という目的があったことが予想できます。当然、その後同じ電動シュレッダーの商品ページを訪れるユーザーにも「シュレッダーを購入したい」という目的を持っていることが想定できるわけです。そのため、過去にその電動シュレッダーを購入したユーザーたちのアクセス履歴などを蓄積していくことで、「その電動シュレッダーを購入した人が次に購入を検討するのは何か」を明確にできるのです。

もちろん、おすすめ商品として表示されるまでは特に興味を持っていなかったユーザーでも、協調フィルタリングによって紹介されることで、「ついでに買っておこう!」というような気持ちにつながる可能性があります。そのため、さらなる売上の向上が期待できる機能といえるでしょう。

レコメンドエンジンの仕組み1:協調フィルタリング|人工知能を搭載した製品・サービスの比較一覧・導入活用事例・資料請求が無料でできるAIポータルメディア

また、協調フィルタリングは、過去のユーザーのアクセス履歴や行動履歴を収集してデータ分析をするだけなので、管理コストを抑えられるというメリットもあります。ただし、メリットばかりというわけでもありません。

たとえば、レコメンドの精度を高めるまでのデータ蓄積期間が必要になるという点は、あらかじめ想定しておかなければならないでしょう。過去のデータがなければ、「その商品を購入した人たちの多くが購入している商品」を明確化できません。また、サイトによっては商品の入れ替わりが激しい場合もありますので、そのような場合にも都度データの蓄積が必要になるでしょう。

ただし、このデメリットを解消するための仕組みはすでに生まれています。それが、以下で紹介する「コンテンツベース・フィルタリング」です。

 

◆レコメンドエンジンの仕組み2:コンテンツベース・フィルタリング

コンテンツベース・フィルタリングとは、「商品のカテゴリ」と「ユーザーの好み」の関連性をもとにレコメンドを行う仕組みのことです。事前に商品をカテゴリごとに分けておくことで、「そのカテゴリを選んだ人は、他にどのような商品を購入しているか」といったデータを収集していきます。

そのため、協調フィルタリングのようにデータの蓄積期間が必要なく、カテゴリ分けした時点でレコメンデーションをすることができるようになるのです。

ただし、コンテンツベース・フィルタリングの場合は、カテゴリを分析して分類するための手間がかかるため、サイト内の商品が多くなるにつれて労力が増してしまうというデメリットは否めません。また、カテゴリごとの分析が基本となるため、同じ商品ばかりおすすめ商品として表示されてしまいかねないというデメリットもあります。

 

◆レコメンドエンジンの仕組み3:ハイブリッド・レコメンデーション・システム

しかし、最近では協調フィルタリングやコンテンツベース・フィルタリングの持つ課題を解決するための技術も導入され始めています。それが、ハイブリッド・レコメンデーション・システムです。これは、異なるフィルタリング技術を組み合わせてレコメンデーションを行う仕組みのことで、最近ではアメリカのNetflix社などで使用されています。それぞれのレコメンドエンジンの弱点を補い合うことで、より精度の高いレコメンデーションができるわけです。

 

■AIを活用したレコメンドエンジンがビジネスチャンスを広げるきっかけに

AIを活用したレコメンドエンジンがビジネスチャンスを広げるきっかけに|人工知能を搭載した製品・サービスの比較一覧・導入活用事例・資料請求が無料でできるAIポータルメディア

このようにレコメンデーションの精度が日々進歩しているのは、AIの「機械学習」によって素早くデータ収集・分析ができるからに他なりません。機械学習によってユーザーの購入履歴やアクセス履歴を学習することで、リアル店舗での接客のような「ユーザー一人ひとりに最適な商品の紹介」が可能になっているのです。

近年は、多くの人がインターネットでショッピングするようになり、もはや一般的な購入手段として認知されつつあります。とはいえ、実店舗でのショッピングと比較した場合、やはり「実際に商品を手に取って判断できない」という部分に不安を持たれていた方も少なくないでしょう。

しかし、レコメンドエンジンによってより適切なレコメンデーションができるようになれば、ユーザーが本当に必要としているものを的確に提示できるようになるのです。

ユーザーの満足度を高めて売上を向上していく上でも、「ユーザー一人ひとりに寄り添ったサービス」は欠かせません。サービスの品質向上を実現するレコメンドエンジンは、まさにビジネスチャンスを広げるきっかけにもなり得る存在といえるのではないでしょうか。

 

レコメンドAIのサービス比較と企業一覧を見る

 

この記事で紹介されたAIサービスを無料で資料請求