あなたにおすすめの商品があります。

はじめに

皆さんはタイトルの文言に見覚え、聞き覚えはないでしょうか？？
オンラインショッピングやYoutubeなどを利用すると似文言をよく見かけますね。
いわゆるレコメンド機能ですね。
この記事ではレコメンドの意義や何を根拠にユーザーへ発信されているのかを、簡単に説明していこうと思います。

レコメンドの意味

そもそも何故レコメンド機能が多くのサービスに実装されているのかを考えてみましょう。
サービスには何かを渡す人と受け取る人がいます。
説明する必要があるか分かりませんが例を挙げていきます。

今この記事を書いている私の傍らにはBiSHがのライブDVDがあります。
これは借り物ですが、仮に私がネットで買ったものとしましょう。
するとこういう関係になります。

提供者:Amazon
受領者:私
提供されるもの:BiSHのライブDVD
(実際にAmazonで買い物をするとAmazonと契約している店舗から
その商品が送られたりしますが、今回は関係ないので無視します。)

私としては欲しいものが手に入るなら、Amazonで買わなくても問題ありません。
極論、どのサイトで購入してもいいわけです。
しかし、Amazonとしては私にリピーターになってもらい、お金をどんどん落としていってほしいわけです。
そんなAmazonの顧客を逃がさない作戦の一つが、レコメンド機能というわけです。

レコメンド機能を使って、商品をカートに入れた時や購入後に
「ねぇねぇ、君ヤングオオハラもええで？」と私にプッシュしてあげるわけです。
それによって「おっなんこれ、これも買ったろ」と私に思わせればAmazonの勝ちです。
(別に買ってしまったらユーザーの負けというわけではないのであしからず…)

Amazonは売り上げの増加、顧客の囲い込み、顧客満足度の向上等ができ、ユーザは良い顧客体験(UX)を得ることができ、ほくほくになるという感じですね。
お互いwinwinの関係ですね。winwinの関係です。

レコメンドの種類

次にレコメンド機能の種類について説明します。
・同じコミュニティの中でのレコメンド(協調フィルタリング)
・あなた個人に対するレコメンド(コンテンツ単位のフィルタリング)
・サービス提供側の策略
(細かく分けると、ほかにもあると思いますが割愛します。)

サービス側の策略はあれです…在庫処分とかそういうやつです。
なので残りの2つについて掘り下げて説明します。

協調フィルタリング

協調フィルタリングはコミュニティの動きに基づいてレコメンドを行います。
先ほど例を出したAmazonやYoutubeが分かりやすい例だと思います。
その辺を例に挙げながら協調フィルタリングの長所と短所を説明します。

長所
各ユーザーの行動や趣味趣向に基づいて、類似したデータを用いてレコメンドすることが出来ます。
AmazonなりYoutubeなりのサービスを利用する際ににユーザー登録(性別、年齢、国籍等)を行うと思います。サービス登録者の情報と履歴を分析することで「この人と近いユーザー情報でこの商品を買った人はあの商品もよく買う」というような分析をすることができるわけです。
コミュニティ内の人と人のデータを結び付け、顕在的な需要から潜在的な需要まで引き出せる可能性を秘めている強力な機能と言えます。

短所
とても強力な機能に見えますが、新規ユーザに弱いです。
新規ユーザーはレコメンドを行うためのデータが少ないため、レコメンドすることができない(できても極端に精度が低い)といった短所があります。
リピーターになれば解消されますが、大きな短所と言えるのではないでしょうか。

Youtubeのおすすめに見たこともない分野の動画がたまーに紛れ込むのは、あなたと同じような情報を持った多くのユーザーがその動画を見ているのでしょうね。

コンテンツ単位のフィルタリング

コンテンツ単位のフィルタリングは、あなた個人の履歴と類似性に基づいてレコメンドを行います。
こちらも例を挙げながら長所と短所を説明します。

長所
あなた個人の履歴と類似性からレコメンドを行っているため、突飛なものをレコメンドすることがありません。
例えば「BiSHのライブDVD」を買ったとすると、「BiSH」「音楽」といった情報を抽出できます。
コンテンツ単位のフィルタリングを行うと、私へのおすすめは「BiSH」「音楽」に関したものになり、「名探偵コナン」のような商品がおすすめされることはないわけです。
(ごめんね、コナン君)
このことからユーザ個人に寄り添ったレコメンドをできることが長所と言えます。
また新規ユーザにも強いです。

短所
ユーザーがはっとするようなおすすめが出来ないことが短所と言えます。
「長所は短所」とはよく言ったものでユーザー個人の履歴を基にレコメンドを行うため、ユーザーにハッとさせるような体験、良いUXを与えることは難しいといえます。

最後に

レコメンドに関して説明していきましたが、いかがだったでしょうか。
最近新しい漫画を開拓したいな思って漫画レコメンドするアプリとかシステムとか組めないかなと画策していたので書いてみました。
「協調フィルタリング」と「コンテンツ単位のフィルタリング」を分けて紹介しましたが、大体の大きなサイトは両方導入されてますね。お互いの長所で欠点を補っていい感じになっているのではないでしょうか。

全くの余談ですが、Amazonと言えばえらく高評価の商品とかありますよね？
そういう商品はレビューを見てみましょう。
日本語がエキサイトしていませんか？星だけレビューが多くないですか？
そういうのを見ると不安になりますよね。そんなあなたに私からのおすすめです。
ぜひ一度サクラチェッカーにかけてみましょう。そうすれば不安も解消されるかもしれませんよ？
まぁ評価が高かろうが低かろうが買った人が満足出来れば問題なしですね！
私からのレコメンドでした。笑

それでは。