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-

2020/7/6

AIを活用して売上アップにつなげる「レコメンドエンジン」の仕組みとは

  • 編集部記事

AIを活用して売上アップにつなげる「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

近年はECサイトの運営を行い、実店舗だけでなくインターネット上でもショッピングを行えるような体制を整える企業が多くなってきています。特に昨今は新型コロナウイルスの影響により外出を控える人も増加したため、ECサイトへの需要はますます高まっている状況といえるでしょう。

中には「AIによるレコメンド機能」を搭載するECサイトも多くなっており、閲覧者の好みと合致する商品を提案したりすることも可能になっています。そこで今回は、AIを活用してECサイトの売上アップにつなげる「レコメンドエンジン」の仕組みやメリットなどについて、詳しくみていきましょう。

■AIを利用したレコメンドエンジンの仕組み

■AIを利用したレコメンドエンジンの仕組み|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

レコメンドエンジンとは、サイトの閲覧者が購入したり見たりした商品と関連性のある商品を提案し、売上の向上につなげるシステムのことです。近年は数多くのECサイトが存在しているだけでなく、インターネット上に掲載されている広告や口コミサイトなども存在するため、それらの膨大な情報の中から「自分にぴったりの商品」を探し出して購入するのは決して簡単なことではありません。

その点、レコメンドエンジンは、実際にその閲覧者が購入したり見たりした商品の情報をもとに、その閲覧者のニーズに沿った商品を提案できるため、大きなメリットがあるといえるでしょう。

そんなレコメンドエンジンには、ベースとなる技術(仕組み)が3種類ほど存在しており、それらを組み合わせて使うというケースが多くなっています。では、具体的にどのような仕組みが存在するのか、詳しくみていきましょう。

 

・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ポピュラーな技術です。たとえば、「Aという商品を閲覧したり購入したりした人にはBという商品にも興味を持つ可能性が高いため、Aという商品を閲覧したり購入したりした人にはBをおすすめする」というように、アクセス履歴や行動履歴などに基づいて商品をレコメンドするという手法です。この手法の大きな特徴としては、商品情報などのコンテンツ情報は必要ないという点が挙げられるでしょう。

自分自身の嗜好と似た人が閲覧・購入した商品は、これまでに見たことがなかった商品であっても自分自身の嗜好とマッチする可能性が高いため、「こんな商品があったのか!」という体験をすることができるわけです。

また、協調フィルタリングの場合、自動でデータを収集して分析していくため、管理コストがかかりにくいという点も大きな魅力のひとつといえるでしょう。

こういった点からも、協調フィルタリングは有効な技術であることがお分かりいただけるかと思いますが、まだいくつかの重大な課題が残されているのも事実です。たとえば、新しい商品が追加されたり、商品の入れ替えが行われたりした際に、レコメンドを行うために必要となるデータが少なくなり、有効なレコメンドが行えなくなってしまうケースがあります。そのため、新しい商品が別の商品と一緒に購入されるなどして、データが蓄積されていかなくてはならないのです。

そしてこれは、新規ユーザーに対してのレコメンドにも該当する問題であり、そのユーザーがある程度サイト内で行動しなければ、「どのような商品に興味を持っているのか」という判断を下すためのデータが収集できません。協調フィルタリングにおいては、このような点が重大な課題となっているわけです。

しかし、現在はこれらの課題を解決するための多くのテクニックが生み出されています。それが、以下でご紹介する2つの仕組みです。

 

・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、商品の属性情報やユーザーの好みをベースにフィルタリングするという方法です。商品の属性はあらかじめグループ化されていて、「ユーザーがどの属性の商品を好んだのか」という点から、ユーザープロファイルを行っていきます。

このコンテンツベース・フィルタリングの一例としては、「Aというメーカーのカメラの情報を調べている人に対して、同じAというメーカーの別機種や、別のBというメーカーの似た機能を持つカメラを提案する」という手法が挙げられるでしょう。あらかじめ用意されたコンテンツの属性・関連性を分析してレコメンドするというのがコンテンツベース・フィルタリングの手法なのです。

そのため、協調フィルタリングの課題とされていた「新商品や新規ユーザーのデータを蓄積しなければならない」という部分を補うことができます。ただし、商品数が増えてきた場合、事前に属性を解析して分類する手間も増えてしまうという点はデメリットといえるでしょう。

 

・ハイブリッド・タイプ

ちなみに、最近は協調フィルタリングやコンテンツ・フィルタリングが抱える課題を解決するために、複数の技術を組み合わせた「ハイブリッド・タイプ」というレコメンデーションのシステムが用いられているケースもあります。アメリカのNetflix社などはすでにハイブリッド・タイプのレコメンドエンジンを行っており、今後のAI技術の進化次第では、さらに利便性が高まっていく可能性もあるでしょう。

 

■ECサイト以外にもAIレコメンドは活用できる

■ECサイト以外にもAIレコメンドは活用できる

AIを活用したレコメンドエンジンは、主にECサイトで活用されている傾向にありますが、ECサイト以外でも活用することが可能です。たとえばニュースサイトや求人サイトなどでも有効活用することができるでしょう。

サイトを訪問したユーザーが、多くの情報の中から「自分の見たい情報だけ」を探す必要がある場合には、レコメンドエンジンの活用によってユーザーの満足度向上につなげられる可能性が高まります。また、ユーザーが興味・関心を示すコンテンツをレコメンデーションすることによって、サイトの滞在時間や閲覧数を高めることもできるため、SEO対策的な効果も期待できるのです。

そして何より、ユーザーの嗜好にマッチした情報や商品を提案することで、コンバージョンへと結び付けられる可能性が高まるという点は、大きな魅力といえます。そのため、ユーザーのニーズに沿った商品や情報を提供する必要があるサイトにおいて、AIを活用したレコメンドエンジンは必要不可欠なものになっていくのではないでしょうか。

 

レコメンドエンジンのサービス比較と企業一覧を見る

 

このAI記事が気に入ったら
いいね ! しよう

Twitter でAIポータルメディアAIsmileyを
この記事で紹介されたAIサービスを無料で資料請求