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。
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。
優れた顧客体験の提供によって収益を向上させようとするとき、複数の課題に直面します。成功への鍵は、データを駆使し、コンテンツを効率的に管理することです。
統合が不十分なツール
手動によるプロセス
マーケターによる管理の欠如
劣悪なデータ品質
レコメンデーションエンジンは、単に利用者が好みの音楽、映画、ニュースと容易に出会えるようにするだけでなく、顧客との関係強化にも役立ちます。
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。
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。
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。
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。
Adobe Targetは、コンテンツの自動的な最適化やカスタマイズ可能なアルゴリズムの設定など、これまでにないレコメンデーション機能によって、顧客を最も関連性の高いコンテンツや商品へと誘導します。
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。
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。
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。
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。
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。
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。