>
>
レコメンド機能導入・運用
ユーザーの興味関心を捉え、サイトのUXを改善するレコメンド機能について導入と運用を支援
広告が効きにくくなった昨今、たとえ集客がうまくいっていてもユーザーの購買意欲が低ければ購入（コンバージョン）に至りません。UX向上に向け、ユーザーの興味関心・嗜好を理解して購買意欲を触発する推奨を行えるレコメンド機能は1つの重要な要素です。製品やサービス、ターゲットユーザーなどの特性をもとにしたレコメンド機能の導入を支援します。
レコメンド導入のメリット
購入単価・顧客単価アップ、リピーター獲得
購入見込みの高いユーザーに対し、適切なタイミングで商品提案ができるようになります。
ユーザーの閲覧履歴や購買履歴を解析し、ユーザーの嗜好にマッチした商品やサービスを提示することで、リピーターの獲得にも効果を発揮します。
対面販売と変わらない商品提案ができる
実店舗における対面販売と同じように、おすすめ商品や関連商品の提案が可能になります。
レコメンドシステムによる提案は、経験や知識に左右されるサービスレベルの差がなく、提案効果の比較も容易になります。
サイトユーザーの滞在時間が長くなる
おすすめ商品の提案により、ユーザーがオンラインショッピングそのものを楽しむことができるようになり、ユーザーとの関係性が深まります。
また、ECサイト内の回遊（誘導）が強化され、その結果、ユーザーの滞在時間を長くする効果があります。
ECサイトの利便性・信頼性が向上する
レコメンドはサイト運営者だけでなく、ユーザーにとっても商品の選択肢を広げるメリットがあります。
自発的に検索でほしい商品を見つけるより、ユーザーの嗜好に合った商品が見つかる頻度が高まることで利便性が向上するとともに、ユーザー理解の体感がサイトへの信頼性も向上します。
レコメンドの種類と仕組み
ルールベースレコメンド
ルールベースは、サイト運営者が定めたルールに基づいて商品をレコメンドするエンジンです。新商品や期間限定商品のPR、新規顧客の獲得など、ターゲットユーザーが明確なケースで特に効果を発揮するメソッドです。
活用例：〈新商品〉〈期間限定商品〉〈注目アイテム〉など
協調フィルタリング
協調フィルタリングは、ユーザーの利用履歴から嗜好性の似た履歴を持つ他ユーザーの購入商品や閲覧を提示するエンジンです。ユーザーAが閲覧または購入した商品を、類似の嗜好性を持つユーザーBにレコメンドすることで購入を促進します。
活用例：〈この商品を見た人はこれらの商品も見ています〉〈この商品を買った人はこんな商品も買っています〉など
また、協調フィルタリングにはアイテムベースとユーザーベースの2種類があります。
-
■ アイテムベース
アイテムベースでは、ある商品に対して一緒に購入されることが多い商品を紹介します。
商品Ａを購入したユーザーが、他の商品Ｂも購入することが多いケースでは、商品Ａを購入したユーザーに商品Ｂを紹介して購入につなげるのが狙いです。
-
■ ユーザーベース
ユーザーベースでは、購入パターンが似ている複数のユーザーの購入履歴を分析し、まだ購入していない商品をすすめます。購入履歴が似ているユーザーAとユーザーBがいるケースでは、ユーザーAがすでに購入している商品をまだ購入していないユーザーBに紹介します。趣味や嗜好が似ていることで、購入につながる可能性が高まります。
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は、ユーザーが興味を持った商品の属性から、類似する関連商品をレコメンドするエンジンです。 コンテンツベースフィルタリングでは、商品情報をもとに条件設定するため、情報量の多い書籍や楽曲などのコンテンツサービスでよく使われる手法です。
活用例：〈関連するアイテム〉〈こんな商品もおすすめ〉〈関連記事〉〈関連ニュース〉など
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は、ユーザー個人の利用履歴から関心があると想定される商品を提案します。協調フィルタリングのように他ユーザーの利用履歴の参照はしません。自分好みの商品がレコメンドされることで、購買意欲が高まり、サイト内の滞在時間延長を促進します。
活用例：〈あなたへのおすすめ〉など
ハイブリッドレコメンド
ハイブリッドレコメンドは、複数のレコメンド手法を組み合わせ、レコメンドの精度と独自性を高める手法です。購入履歴のあるユーザーには協調フィルタリングで関連商品を提案し、新規ユーザーにはコンテンツベースでサイトの横断を促します。このような手法は、あらゆる状態のユーザーの購買意欲を最大限に引き出す（レコメンドの全体最適を図る）施策として機能します。
レコメンドエンジンの機能
レコメンドエンジンには、関連商品をすすめる推奨機能だけでなく以下のような機能が備わっています。
レコメンド機能（関連する商品をすすめる）
データベース機能（ユーザーの行動履歴データを蓄積、分析する）
ランキング機能（商品をランキング形式で表示する）
リマインド機能（最近チェックした商品などを表示する）
メッセージング機能（ユーザーの嗜好を分析しメールや通知を配信する）
レポート機能（レコメンドの結果を集計する）
A/Bテスト機能（A/Bテストでレコメンドする商品を振り分ける）
レコメンドツールの導入方法
レコメンドツールの導入方法は、主に4つのパターンがあります。
-
ECシステムを利用する
ECシステムに付帯するレコメンド機能を利用するパターンです。商品情報の連携がスムーズで、ルールベースでの運用がすしやすいのが特徴です。専門性の高いレコメンドエンジンと比較して機能面で劣る傾向がありますが、コストをかけずに運用できるメリットがあります。
-
ASPサービスを利用する
既存のECシステムに、ASP（アプリケーションサービスプロバイダー）を起用するパターンです。ASPサービスのレコメンドエンジンは、低コストかつ短期間で導入できるメリットがあります。サイトの売上や運用の変化に合わせてレコメンド機能の変更が容易で、運用コストの計画も立てやすい特徴があります。
-
プライベートDMPを利用する
自社で構築したプライベートDMP（データマネージメントプラットフォーム）とレコメンド機能を連携させるパターンです。初期投資にコストがかかりますが、顧客情報を累積することができ、より精密で高度なレコメンド機能を実現することができます。
-
オープンソース型のレコメンドエンジンを利用する
オープンソース型は、自社でサーバーを備えてレコメンドエンジンの運用から管理までを自前で行うパターンです。カスタマイズの自由度が高く、データの安全性を確保するのに適した方法ですが、高い技術力が必要で、デベロッパーやエンジニアの常駐が前提となる方法です。
レコメンドエンジンの選定ポイント
-
自社に必要な機能が備わっているか
自社のECサイトに必要な機能の洗い出しと整理を行った上で、求める機能が備わっているかどうかを抜け漏れなくチェックします。レコメンドエンジン導入の目的を明確にすることで、どのような機能が必要なのかの判断がしやすくなります。
機能によっては、オプションとして段階的に追加できることもあるため、優先順位を考慮しながら、自社に本当に必要な機能から順に選ぶようにすることが重要です。 -
利用料金（料金体系）の
シミュレーションレコメンドエンジンの利用料金は従量課金制の場合も多く、サイトのアクセス数によって利用料金が大きく変わることがあるため、現状だけでなく将来性を踏まえたシミュレーションが必要です
-
他サービス・ツールとの
連携が可能かレコメンドエンジンは、他のサービスやツールと組み合わせて（連携させて）使用するケースが多くあります。そのため、MA（マーケティングオートメーションツール）やDMP（データマネジメントプラットフォーム）など、すでに使用しているツールや導入を予定している（検討している）サービスやツールとの連携について必ず確認した上で選定することが大切です。
サービスの特徴
マイクロウェーブでは、メーカー直販、小売、卸売など、様々なビジネス用途のECサイトへのレコメンド機能導入実績があり、大規模ECサイトの顧客データ基盤構築と連携による分析の高度化、マーケテイング施策の実践ノウハウをもとに、お客様のECサイトの全体最適を可能にするデータ設計から実装、運用まで、ECサイトの売上最大化に貢献するレコメンド機能の導入を一気通貫体制でご支援しています。
ご相談・お問い合わせ
実績や各種サービスに関するご相談やお見積など、お気軽にお問い合わせください。
関連サービス
サービス一覧
- コンサルティング領域
- デジタルマーケティング領域
- システム開発領域
- 体制構築支援領域