レコメンデーション機能を知っていますか？アマゾンやメルカリなどで活用されるオススメの機能をレコメンデーションと呼ばれる機会学習技術の代表的な一つです。今回はレコメンデーション機能について詳しくご紹介します。
レコメンデーションとは何か？
アマゾンやメルカリなどで買い物をする際によく商品をオススメされますが、この機能にもレコメンデーションという機械学習技術が使われています。一見無関係と思われるかと行ったのです。
「この商品を購入したお客様はこちらも一緒にお買い上げいただいております」、「購入した商品とおすすめ商品はこちら」 このようなオススメ機能を、ECサイトでよく目にすると思います。これらは「レコメンド機能(レコメンデーション）」と呼ばれる機能のことです。
レコメンド機能を搭載したサイトは複数あります。Amazonや楽天、メルカリなどが思いつきがちですが、最近ではTwitterやFacebookなどの様々なサービスで活用されている技術です。
レコメンデーションには大きく２つ種類がある
レコメンド機能には、大きく二つの種類があります。
レコメンデーションの機能①：ユーザベースの協調フィルタリング
「協調フィルタリング」とは、購入・閲覧履歴に基づいてアイテムを推薦する仕組みのことです。「あなたと似ている人」が買ったアイテムをすすめるのがユーザーベースの協調フィルタリングです。
レコメンデーションの機能②：協調フィルタリング
一方で、「今閲覧しているアイテム」と似ているアイテムをすすめるのが「アイテムベースの協調フィルタリング」です。Amazonがアイテ
ムベースの協調フィルタリングを使用しているのはご存知かもしれません。
レコメンデーションはどうやって絞り込むのか？
ユーザベースの「似ている人」というのはイメージしづらいかもしれませんが、具体的には、行動履歴(閲覧・購入履歴、ウエブサイト内の行動)、個人属性(年齢、性別、居住地、興味のある分野、家族構成、年収)などをもとに、似ているユーザを探します。
新規ユーザの場合は、類似度の計算が難しいなど運用しづらい面もありますが、SNS企業などはユーザーの検索履歴やグーグルなどでは行動履歴を理解します。そこにターゲティングして、広告が出稿されるのです。若い男性の場合は、出会い系などがよく出たり、若い女性の場合は、脱毛や美容が出てくるのは行動履歴が可視化されているからだと言えます。
運用しやすいアイテムベースを採用している企業が多いのではないでしょうか。
レコメンデーションの実際とは？
レコメンドが面白いのは、似たユーザや現在閲覧しているアイテムを推薦しても効果がない場合がある点です。時系列やタイミングを意識する
ことが重要です。例えば、テレビのページを見ているときに、他のテレビを推薦してもあまり意味が無く、それよりもテレビの層が感心のあるものを提案する必要があります。また、ある漫画を購入したあとに、同じ漫画の別の巻を推薦しても続けて購入するユーザは少なく、同じジャンルでそのユーザが見たことがないようなアイテムを推薦すると新たな購入に結び付けることが期待できたりします。
企業が所有している
まだ今は、各企業が持っている情報をもとにレコメンドされるだけですが、企業の購入・開覧情報が横串で管理されるようになれば、やがてRecommedations Everywhere(サービスが自分のことを何でも知っていて、いたるところでレコメンド情報が表示される)時代になるかもしれません。
グーグルやアマゾンなどの企業ではこうしたビッグデータをレコメンデーションとしてさらなる応用研究へと昇華していることも考えられます。
終わりに
今回はPower BIの内容と重なる、ビッグデータの応用事例についてご紹介しました。レコメンデーションについてみなさん何気なく関わっているので構造的な理解のつながれば幸いです！
コメント