レコメンデーションエンジンとは
レコメンデーションエンジンはデータフィルタリングアルゴリズムを使用し、個人やオーディエンスのプロファイルにもとづいてコンテンツやオファー、商品を提案します。協調型、コンテンツベースまたはパーソナリティベースのルールを用いてレコメンデーションを作成します。
関係性の発見
自己学習アルゴリズムにより、商品間の関係性を迅速に見つけ、利用者の行動と結び付けてコンバージョンの可能性を判断します。これにより、商品をすばやく見つけられるようになります。
充実した顧客プロファイル
推奨したコンテンツにユーザーが反応すると、より詳細な顧客プロファイルやペルソナが自動的に構築され、類似（look-alike）オーディエンスのターゲティングに利用できます。過去とリアルタイムのデータを組み合わせて継続的に更新されます。
エンゲージメント機会の増加
レコメンデーションはコンテンツの利用を促進し、適切なコンテンツにたどり着くまでの行程を短縮し、ブランドと関わる時間を大幅に増加させます。
クロスセル／アップセルの促進
商品のレコメンデーションはパーソナライズされた顧客体験の質を向上させ、購入サイズを増やし、顧客生涯価値を高めます。
レコメンデーションエンジンはパズルの1ピースにすぎません。
今日の企業が推進するパーソナライズされた顧客体験の構築を、アドビがどのように支援しているのかご覧ください。
「まずカスタマージャーニーのパフォーマンスを把握し、次にそれを最適化する方法を探ることが重要です」
- Will Harmer氏
（EE、インサイト＆最適化担当シニアマネージャー）
（EE、インサイト＆最適化担当シニアマネージャー）
「Adobe Analyticsを活用すれば、オンラインでのあらゆる顧客とのやりとりをデータ化し、個々のホテル単位で捉えることができます。ホテル別のダッシュボードがあるので、各ホテルの戦略のパフォーマンスをリアルタイムで把握できます」
レコメンデーションエンジンに関するFAQ
レコメンデーションエンジンはどのように機能しますか？
ほとんどのレコメンデーションアルゴリズムは、3つのフェーズを繰り返します。フィードバック収集、学習、予測です。フィードバック収集のフェーズで得られるデータセットの種類には、メモリベース、モデルベース、オブザベーションベースがあります。
明示的、暗示的なフィードバックとは何ですか？
明示的なフィードバックは、ユーザーがレコメンデーションに反応すると収集されます。暗示的なフィードバックとは、購入履歴、ナビゲーション履歴、webページの滞在時間などの行動を分析してユーザーの好みを推測するものです。
レコメンデーションエンジンはリアルタイムデータを利用しますか？
はい。リアルタイムのデータを分析するようにシステムを設定できます。ただし、一部のエンジンではバッチ処理によってレコメンデーション内容が定期的に更新されます。
モバイル環境向けのレコメンデーションエンジンはありますか？
はい。自動モバイルレコメンデーションは、場所、季節、時間帯などの要素にもとづいて、コンテクストを考慮しパーソナライズされたレコメンデーションを提供します。
レコメンデーションエンジンは表示する商品をどのように選択しますか？
フィルタリングアルゴリズムを用いて商品を選択します。フィルターには、アイテムや顧客行動に類似点を見つけるための、協調型でコンテンツベースのハイブリッドなレコメンデーションが含まれます。
レコメンデーションエンジンのパフォーマンスはどのように測定しますか？
A/Bテストによってシステムパフォーマンスが明らかになります。マーケターは、顧客生涯価値、クリックスルー率、コンバージョン率、ROIなど、複数の指標を用いて結果を測定します。