「そういえば、ECのレコメンドアプローチって・・・」

| 0 comments

  • このエントリーをはてなブックマークに追加
  • このエントリーをはてなブックマークに追加

ECサイトでお買い物好きです
レコメンド機能結構好きです。
Takumaです。

【ECサイト】
ECサイト(いーしーさいと:Electronic commerce site)とは自社の商品(広義では他社の商品を販売してもECサイトである)やサービスをインターネット上で販売しているサイトのことである。これとは別にインターネット上で複数の企業や個人の商店を一箇所に集めたサイトをサイバーモール または電子商店街という。(by ウィキペディア辞書)

さあ、長文シリーズの気分が乗ってまいりました。
最近、休日出勤が多かったので月曜日にプロジェクトコンプリートした際に、一気に本部長決済(直談判w)でリフレッシュ代休消化をいただきました。日曜日まで自由人のTakumaです。

さてさて本題。

今回はレコメンドが随分一般化してきたと感じる節がお仕事で体感する事が最近多かったので、それについて色々まとめて見ようかなと思います。

■レコメンドってなあに?■■■■■■■■■■■■■■■■■■

「Amazon.co.jp」等のECサイトで使われている「この本を買った人は、こんな本も買っています」というみせる機能がありますよね。あれのことです。

これは、ユーザーの行動履歴を蓄積・分析し、そのユーザーの嗜好に合わせた商品を表示する方法。

つまりは「あの会社の製品ナンバー●●番の商品がほしい!!」というマニアックなひとでなければ、「●●系の感じの■■が欲しいのよね。まー有名企業の方が安心できるかしら?」という感じでしょう。

「ユーザーの行動履歴を蓄積・分析」とあるけど、これは店員さんなら「よくくるお客さんとの関係で積み重ねられた”勘”とか本部からの提供情報」にあたるわけですな。

そんな時にリアル店舗の店員さんなら「こちらがご希望ですが?こちらの商品も人気があるんですよ」とか「これも合わせてご購入いただくと便利ですよ」とかすすめてきてくれる。これが「レコメンド」です。

■レコメンドってなにがいいの? ■■■■■■■■■■■■■■

「ロングテール理論」というのをご存知でしょうか?これは販売動向の傾向グラフが恐竜の頭から尻尾の流れるかたちに似ていることから名づけらてた理論です。

どんな形?という方は(ウィキペディア:ロングテールをご参照ください。)

まーそんな形なわけです。(←いいかげん orz)

これはWEB2.0というキーワードを耳にするようになった頃から同時に聞こえてきました。というのも詳しくは今回は書きませんが、WEB2.0の技術の一つである「Ajax(他も連動するけど)」が一々、入力欄にユーザーが記入してボタンを押さなくても、いままで拾えなかったユーザの行動(この商品を押した、このページをいききした、この人は前にこんな商品を買った)とかをできて、その場で計算して表示することを可能にしたからです。

つまりはリアル店舗では、定員さんが一人一人のお客様に「これはいかが?じゃあこれは?」ということが現実問題(されても困るがw)できないが、WEBなら一瞬のうちに実現してしまうのだ。つまり不良在庫となりがちな商品でもAmazon.comのようなウェブ店舗では売れるという事象を説明できるのがロングテール手法なのです。

サイト上で考えれば、いちいち微妙にキーワードを変えて検索しなおしたり、その商品カテゴリトップに戻らなくても、ウィンドウショッピングが次々と楽しめるのです。

>>もっと詳しく知りたい人は
「レコメンド技術」が今再び注目される理由–ECサイトのレコメンド技術を考える(1)

上記、参照元をオススメします。

■レコメンドって実際は裏で何をしてるの? ■■■■■■■■■

人気商品ランキング」、「閲覧・購入履歴」、「あなたにおすすめの商品」といった3タイプ」というのをよく目にしますが、基本的にはこんなことをしているようなのです。

1. レコメンドするために必要な情報を収集する
2. 収集した情報をルールに基づきモデル化する
3. 特定の条件によりマッチングしたアイテムを表示する

ということを日々続けているわけです。レコメンド店員さんは大変です。
しかも、その形は大きく4つにわけらるようです。

▼ルールベース方式

:一部抜粋———————————————-
インテンショナル方式」とも呼ばれ、「デジタルカメラを買った人にSDカードを勧める」といった商品の関連性はもちろん、「紙おむつを買った人にビールを勧める」といったように、データマイニングでしか出てこないような意図的なレコメンドができるのが特徴だ。
——————————————————–
「この商品が欲しい人はコレがほしいはずや!!」をひとつひとつ、管理者がルール付けしていく方法。確かに管理者の熱意は直反映されるけど・・・商品数が多かったりするともう大変ですな。

▼コンテンツベース方式

:一部抜粋———————————————-
アイテムごとのスペック、値段、テキストといったコンテンツ情報の類似値を自動計算し、閲覧した商品に類似した商品をレコメンドする方式だ。例えば、ノートパソコンのサイズやメモリー容量、賃貸の間取りや家賃などがレコメンドに必要な情報となる。
——————————————————–

つまりは「この性能ならこっちもありますよ」という感じ。そして「この性能」というのを商品の文中(形式化されていないテキストデータ[通常の自然文]を単語などに分割し、その出現頻度や相関関係などをデータマイニングの手法を使って解析して(これをテキストマイニングというらしい)表示をする手法。似たり寄ったりの商品がでてしまって、面白身や新しい発見に繋がらないことがあるようです。

▼協調フィルタリング

:一部抜粋———————————————-
協調フィルタリングは、ウェブアクセス履歴データなどユーザーの行動履歴を基に、ユーザー同士の嗜好の類似値を自動計算し、「この本を買った人はこんな本も買っています」といったレコメンドを実現する。代表例は「Amazon.com」のレコメンドで、現在ASP型ソリューションとして最も多く採用されている。
——————————————————–

ユーザーの行動履歴のみを情報とし、コンテンツ情報を一切見ていないことが最大の利点。コンテンツ情報を見ないことで、ユーザーは「思いがけない発見」、つまり「セレンディピティ(serendipity):偶然から価値あるものを発見する「能力」」が体験できるからだ。今まで自分が見た商品とはまったく関係ないのに自分の嗜好にマッチしている、といった偶然のお膳立てができるのだ。

コンテンツ情報(いろいろな商品情報の記入とか)をあらかじめ用意する必要もないため管理コストがかからず、膨大なユーザーアイテムに対応できるため、運営者にとっては導入しやすいレコメンド方式らしいです。

でも、普段買わないものとかを一度かうと、それに似たものをしばらくオススメされてしまうこともあるし、レコメンドを始めてすぐには、解析する情報が無いので効果を発揮するには時間がかかるようです。

>>もっと詳しく知りたい人は
協調フィルタリング技術を掘り下げる–ECサイトのレコメンド技術を考える(3)

協調フィルタリングの課題を解決する–ECサイトのレコメンド技術を考える(4)

上記、参照元をオススメします。

▼ベイジアンネットワーク

ベイズ理論という、事前確率および尤度を仮定した下で事後確率を与える確率論の定理で未観測要素を含むコンピュータによる推論等に応用されて統計学的な切り口からレコメンドする方式です。(理論の数式があるけどよく分からんw)

詳しくはベイズ理論(ウィキペディア:ベイズの定理をご参照ください。)

これをレコメンド技術に応用すると、多くのコンテンツ情報やユーザー行動履歴などの細部にわたる事象を計算し、ユーザーが購入する確率の高い商品がレコメンドできると考えられることから、次世代レコメンド方式として注目されているようです。

■レコメンドって実際どんな感じで使えばいいの? ■■■■■■

お仕事で感じたのは、特に設計時にそのレコメンドの特徴をよく理解する事が必要ということです。なんとなく分かってるだけだと、表層リニューアルなら良いのですが、フルリニューアル提案では危険を伴うと思ったのです。

では、どんなことを想定すればいいのでしょうか?

▼ロジックと表示ページを選定する

閲覧ベース(商品詳細ページを閲覧した際の行動履歴)、興味ベース(カートに投入した際の行動履歴)、購入ベース(購入した際の行動履歴)といったデータを活用し、これらのデータに重要度をつけてロジックを絡めたりして商品選定をするようです。

又、ページベースでもレコメンドの手法を変える事も考えるようです。例えば、商品詳細ページに閲覧ベースのロジックを導入するケースや、同ページに閲覧ベースと購入ベースの2つのロジックを導入するケースなどがあるそうです。

例として、オンラインショッピングサイト「マルイウェブチャネル」では、1つの商品詳細ページに購入ベースと閲覧ベースのロジックを導入し、幅広い訴求効果を狙っているそうです。

▼レコメンドティッカーに盛り込む情報を選定すること

レコメンドティッカーとは、レコメンドする商品の内容が表示されるスペースの事で「この製品を買った人はこんな製品も買っています」というティッカーの説明や、「オススメ商品!」といったタイトル、そしてそこに盛り込む商品数を決めるそうです。

ティッカーの基本要素として各商品には、「商品名や商品画像、説明文、価格、テキストリンク」などがついているため、限られた範囲内でティッカーの表示内容を選択しなくてはならないのです。

:一部抜粋———————————————-
例えば、商品詳細ページの半分程のスペースを用意し、関連ベースと購入ベースでレコメンドアイテムを表示するサイトもあれば、これに「最近チェックした商品」という閲覧履歴のロジックも加え、合計3カ所にティッカーを配置するサイトもある。さらに、各ティッカーのタイトル、説明、5商品分の商品画像、カテゴリ、商品名、価格を大きく表示するケースもある。

加えて、レコメンド機能の効果を十分に発揮するには、できるだけ商品画像はあった方が良い。レコメンド機能の利点が「ナビゲーション効果」と「セレンディピティ」(思いがけない発見)にあることはすでに連載の2回目で述べた通りだが、商品画像は直観的に認知できるため、この2つの利点が最大限に生かされる。
——————————————————–

ということです。これは、設計に役立つ情報ですな~♪

▼レコメンドティッカーの表示スペースを選定すること

よくあるレコメンドティッカーの表示ページですが、商品詳細ページやカートページ、購入完了ページの下部に表示するのが多いようです。でも、リニューアルや機能追加の際には、そのスペースの確保が難しいです。デザインや構成がそれぞれ異なるし、ファーストビューで表示したくても、他の要素との優先順位のバランスで頭を悩ませます(><)

:一部抜粋———————————————-
例えばドクターシーラボでは、商品詳細ページに閲覧ベースと閲覧履歴のロジックを導入し、閲覧ベースでレコメンドする商品を縦(右カラム)に、過去に閲覧した商品を横(メインカラム下部)に表示している。

もちろん、一度に目に入る横表示の方が商品を認識しやすいが、ドクターシーラボではサイトの構成を踏まえた上で縦に商品を並べることを選択し、ファーストビューで必ず「この製品を買った人はこんな製品も買っています」と表示されるように工夫している。また、閲覧履歴を商品詳細ページの最後に配置することにより、見直しの機会を与えて離脱を回避している。

このように、ユーザーの導線や視野を意識し、「接客ストーリー」を想定した上でレコメンドティッカーを表示すれば、ユーザーのティッカー認知度が上がり、訴求効果も大きくなる。
——————————————————–

>>もっと詳しく知りたい人は
レコメンド技術を「絵に描いたモチ」で終わらせないために–ECサイトのレコメンド技術を考える(5)

上記、参照元をオススメします。

■ということで・・・ ■■■■■■■■■■■■■■■■■■■

レコメンドが一般化しはじてた、近年のEC業界。設計時に組みこみの検討する機会が増えてきました。

Takumaが最近、勉強している「ディレクション/設計」(デザインは別ですがw)お題としてのキーワードとしては、
「ペルソナ設定/活用」
「コンバージョンシナリオ(上記なら接客ストーリーに近い)」
「ホスピタリティ/one to one を加味した設計」
を掲げています。

やっぱり、これらの一つの形になっている手法として「レコメンドを絡めたサイト設計/構築」があるのですが・・・こりゃやっぱりイバラの道ですな。

でも、前半で書いてある通りWEBのいいところというか専売特許的な側面なので是非マスターしておきたいな~。

サイトの基本的な「設計/デザイン/ディレクション」ができるようになった今。それらの強みをシナジーで発揮していかなければいけないステージに差し掛かっています。

「基礎(最低限の習得)⇒活用(単品で稼げる+情報活用)⇒応用(二つ以上の組み合わせ) の次の何か?(なんだろ~・・・)」この方向性を時代をにらんで見定めている今日この頃です。

0 Comments

  1. Pingback: 研究開発

コメントを残す

Required fields are marked *.


▲このページトップへ

takumaの「デザインはあれでアートはそれで」