おすすめ商品表示・Amazonレコメンドの仕組みを徹底解説

Amazonで買い物を行う際に、おすすめ商品として関連した商品が表示されます。あまりにもタイムリーにおすすめ商品が表示されることに驚かれる人もいるのではないでしょうか。

そにあんそにあん

Amazonのレコメンドエンジンの仕組みは難しいようで実は簡単なシステムです。この内容を知ることでビジネス活用へのヒントも見えてきます

Amazonで活用されているレコメンドエンジンとは

今ではすっかり定着しているレコメンドエンジン。

Amazonや楽天市場などのECサイトでは「あなたへのおすすめ商品」というような項目で提供されるコンテンツがこれに当たります。

サイト閲覧者の購入履歴や閲覧履歴と関連性がある商品で、かつ目新しさを提供できる商品を提案することが、レコメンドエンジンの要となっています。

そにあんそにあん

Amazonの取扱商品数は膨大なものとなり、ひとつの商品を検索するだけで膨大な情報量になりますが、レコメンドエンジンがあれば、サイト閲覧者にとって、ニーズに寄り添った商品を提供できる可能性が高まります

Amazonレコメンドエンジンの仕組みを知ろう

レコメンドエンジンは、その精度の高さがカギとなります。いくつかの基本的な仕組みが存在しており、その中のひとつあるいはいくつかの良い点だけを選択した技術をもってレコメンドエンジンを成り立たせています。

Amazonレコメンドエンジンの仕組み①協調フィルタリング

関連性が高い商品Aと商品Bがあった場合、Aを閲覧もしくは購入した顧客は、Bを閲覧もしくは購入した経験を持つことが多いという解析があった場合、Aを閲覧もしくは購入した顧客に対し、Bをおすすめ商品としてレコメンドするという仕組みが協調フィルタリングです。

このシステムでは、「閲覧や購入の行動履歴」だけを自動的に抽出し、分析し提供するという一連の動きが行われます。商品情報などの収集は一切不要です。

管理に関するコストが低く、導入しやすいメリットがあります。ただし、レコメンドとして提供するためには情報量の蓄積が必要になります。

そにあんそにあん

何らかの形でコンテンツの更新があった場合は、同一商品として認識されず的確なレコメンドができないという「コールドスタート」の問題も存在していいます

Amazonレコメンドエンジンの仕組み②コンテンツベースフィルタリング

商品Cが持つ属性と、閲覧者の趣味嗜好を結び付けレコメンドのベースにする手法です。

「ユーザーは食パン(食品属性)のサイト閲覧や商品検索が多いので、同じ会社が販売するフランスパンを紹介する・他社の食パンを紹介するというように、属性から見たおすすめ商品をレコメンドする仕組みがあります。

この場合、事前に商品の属性に関する解析と分類作業が必要になります。商品数が多くなるほどその手間が膨大になることでしょう。

そにあんそにあん

一方で商品取扱数が少なければ、同じ商品だけがおすすめ商品とてレコメンドされてしまうという結果につながります

Amazonレコメンドエンジンの仕組み③ハイブリッドレコメンデーションシステム

レコメンドシステムに関して、デメリットが大きくなればユーザーが離れてしまいます。

もちろんコンバージョン率も上がりません。上記のフィルタリングなどを組み合わせて全く新しいレコメンドシステムを取り入れるようなハイブリッド型のものも存在しています。

そにあんそにあん

古典的かつポピュラーな協調フィルタリングに次ぐ利用頻度の高さが見込まれており、このところでは、ハイブリッド型のシステムが主流になりつつあります

Amazonのレコメンデーションは個人が特定されるものではない

Amazon以外のサイトにもレコメンドシステムが搭載されていることがあります。

こういった仕組みを知ることで「自分の個人情報や商品購入履歴が第三者に漏れているのでは?」という不安に駆られることもあるはずです。

もちろん購入履歴も個人情報に当たり、法律によって保護されるべき情報ですので、漏洩はまずありません。

そにあんそにあん

サイトのプライバシーポリシーの範疇で情報は適切に使用されています。第三者へレコメンドとして提供したあなたの購入情報は、個人を特定するためのものではありません

レコメンド型リターゲティング広告

レコメンドエンジンを知ることで、ビジネスにも展開できる広告手段に応用することができます。

「レコメンド型リターゲティング広告」とは、ホームページ閲覧者(ユーザー)に対し、ネット上の行動履歴(ユーザーの閲覧履歴)をもとに配信する広告を指しています。

作成したコンテンツに専用のタグを埋め込み、ユーザーにクッキー(cookie:一時的にユーザー情報を保存する仕組み、またはそのデータのこと)を与えることで、閲覧者の生活に即した情報広告を配信する仕組みがあります。

他サイトでみられるAmazon、楽天市場、Yahoo!ショッピングの商品アフィリエイト広告や、企業が出稿するターゲティング広告がこれに当たるでしょう。

レコメンドシステムとは異なり第三者の情報を使用せず、ユーザーが持つクッキーの情報に依存されますので、ユーザーの関心や興味に合わせた広告をピンポイントに発信することができます。

先に解説した「コンテンツベースフィルタリング」の応用だと気づくのではないでしょうか。

そにあんそにあん

レコメンド型リターゲティング広告の仕組みも合わせて知っておくと、どのサイトを見ても、いつも同じ広告しか表示されないという疑問を解決することができます

レコメンドエンジンとビジネスへの落とし込み

Amazonのサイトなどをじっくり見ていると気づくことがあります。おすすめ商品に代表される、レコメンドシステムをコンテンツにうまく組み込めると、ビジネスチャンスが広がることに気づくのではないでしょうか。

ビジネスとまではいかなくとも、レコメンドシステムに活用によって、サイト閲覧者の離脱を防ぎ滞在時間を増やすことにつながります。

ECサイト

レコメンド型リターゲティング広告を導入するというように、閲覧者の行動情報を基盤にレコメンドを行うことができます。

Amazon内で確認できる「おすすめ商品」のように、嗜好に応じた商品を提示できるため、顧客に対して購入を促しやすくなります。

顧客が「自分が欲しいと思える商品」が時間をかけずに見つかるメリットも生まれます。もし、これがアフィリエイト関連のサイトであれば、サイト運営側の収入にもつながるでしょう。

また、おすすめ商品の関連付けの精度が高まれば、ユーザー当たりの購入単価アップも見込めます。

コンテンツサイト

求人・ニュース・キュレーションといった情報提供系のコンテンツサイトでも、Amazonのおすすめ商品と同様に、必要な情報をレコメンドできる仕組みを作れます。

レコメンドエンジンは、閲覧履歴をパターン化させたうえ関連付けた情報を表示させることができます。

そにあんそにあん

閲覧者が欲しかった情報をより的確に提供できるようになるため、サイトの離脱を防ぐことができます

まとめ:コンバージョンへ結びつけるための工夫をしよう

Amazonのおすすめ商品などのレコメンドシステムの仕組みを知ることで、なぜ「自分の趣味嗜好がインターネットに筒抜けなのか」がわかります。

また、サイト運営者にとって「魅力的なサイト作り」につなげることができます。

そにあんそにあん

情報の蓄積や解析などコンバージョンへ結びつけるための工夫は難しいところもありますが、サイト閲覧者にとって魅力的なサイトと認められるための大事なステップですので、さらなる工夫を行いましょう