レコメンドとは？ユーザーの行動履歴から顧客体験をデザイン

レコメンドは、ユーザーの行動履歴から様々なお勧めができる仕組みのこと。

皆さんの中にも、ECサイトなどで「あなたにおすすめの商品」や「最近チェックしたアイテム」などで見たことのある方も多いのではないでしょうか？

このレコメンドは、最近のデジタルマーケティングにおいては欠かせない機能となっています。しかし、このレコメンド機能について「何となく知っている」だけで「使いこなせているか不安」という方もおられるでしょう。

そこで今回は、この「レコメンド」について詳しく解説致します。

企業やデジタルマーケティングに携わる方は、ぜひ参考にしてください。

レコメンドとは

まず最初に、レコメンドについての概要を紹介します。

レコメンドとは

レコメンド（Recommend）は、おすすめの意味で使われるマーケティング用語の1つです。デジタルマーケティングでは、レコメンドエンジンを導入することで活用できます。

ユーザーが検索したキーワードや商品などから、おすすめの関連商品を紹介する機能は、このレコメンドによって行われています。

レコメンドの意味

レコメンドには元々「おすすめする」や「推薦する」「魅力的にする」などの意味があり、近年はデジタルマーケティングでも活用されています。

デジタルマーケティングにおけるレコメンドは、ユーザーが閲覧するWebサイトにおすすめのアイテムやコンテンツを表示するのがほとんどです。

ユーザーは、この機能によって自分の好みのアイテムやコンテンツを見つけやすくなります。

レコメンドの目的

デジタルマーケティングでレコメンドを使用する目的は、ユーザーの客単価や購入単価を上げることです。レコメンド機能を使うことで、ユーザーの興味や嗜好に合わせたおすすめができるため、デジタルマーケティングでは有効な手段として利用できます。

レコメンド考え方

それではここで、レコメンドをするにあたってのロジックについて解説します。

以下では、レコメンド機能を4つのタイプに分けて紹介していきましょう。

①コンテンツベースフィルタリング

コンテンツベースフィルタリングとは、ユーザーの好みの商品やサービスなどの属性（カテゴリーや特徴など）を分析し、類似する商品をおすすめ（レコメンド）する手法のことを言います。

例えば、あるブランドのバッグを検索したユーザーに対し、同じようなバッグをおすすめするようなケースです。この場合は、ユーザーの購入や検索行動を分析し、あらかじめ設定しておいた商品などのコンテンツ属性をAIによって合わせることで効果的なレコメンドが可能となります。

コンテンツベースフィルタリングでは、事前に商品カテゴリーなどを分類、設定する作業が必要です。そのため、取り扱う商品やサービスの種類が多い場合は、時間と手間がかかります。また、同じカテゴリーに属する商品をおすすめするため、ユーザーに飽きられる可能性があります。

②ルールベース

ルールベースは、売り手側が売りたい商品を「おすすめ商品」として打ち出す手法です。

例えば、クリスマスや母の日といったイベントで、それに関連する季節商品を打ち出したり、タイムセールやバーゲン商品などの告知にも使い勝手の良いレコメンドの方法となるでしょう。

ただし、売り手側の思惑に反して、ユーザーの好みとは全く合わない物をレコメンドするリスクがあります。

③アイテムベース

アイテムベースのレコメンドとは、ユーザーの購入した商品の履歴から、同じ商品を購入したユーザーの他の購入履歴を関連付けて「この商品を買ったユーザーは他にこちらの商品も購入しています」などの方法でレコメンドする手法を言います。

④ユーザーベース

ユーザーベースはアイテムベースと似た手法になりますが、こちらは「商品の購入履歴」よりも「購入したユーザー」の属性や行動パターンを基に商品を紹介します。

例えば、同じ種類の商品をAさんが購入している場合、それと同じ商品を購入したBさんに、Aさんが購入した他の商品をレコメンドするという手法です。

このアイテムベースとユーザーベースの特長は、ユーザーに対して潜在的な視点を感じさせることができる点にあります。アイテムベースの場合は、初めて購入する商品でも多くの人が一緒に買っている商品を目にできます。またユーザーベースでは、ユーザーと似た嗜好の人が購入している商品をレコメンドできるため、購入意欲が高まる可能性があるのです。

レコメンドエンジンとは

レコメンドエンジンとは、上記のようなユーザーの好みに合わせた商品やサービスを提案するシステムのことを言います。

皆さんが目にすることの多いレコメンドには、AmazonのようなECサイトの「あなたにおすすめ商品」や「その商品を買った人たちが購入した商品」をおすすめしてくれる機能があります。

レコメンドエンジンの仕組み

レコメンドエンジンの仕組みには、あらかじめルールを設定し、Aという商品を購入したユーザーに付属商品のBをおすすめするといった、独自のルールを設定する「ルールベース」の他、行動や購買履歴をもとに、購入してくれそうな商品を自動で抽出する「アイテムベース」や「ユーザーベース」などの仕組みがあります。

このレコメンドシステムを導入する場合には、自社で独自にツール開発をする必要はなく、すでに多くの会社から提供されているツールから選択して実装できます。提供する商品やサービスによって、使い勝手の良いツールを選べるため、どれを選べば良いかわからない場合には、ツールの提供元に確認すると良いでしょう。

ECサイトの運営者がレコメンドエンジンを利用することにより、自社のWEBサイトのCVRや売上げ、サイト内回遊率の向上などが期待できます。現在では、ユーザーの購入履歴や閲覧履歴から自動でレコメンドを表示できるシステムが多数用意されているため、比較的容易に運用できるでしょう。

レコメンドエンジンの選び方

それではここで、実際にレコメンドエンジンを選ぶ際のポイントについて解説します。

レコメンドエンジンを選ぶ際には、以下の4つのポイントを確認して選ぶことで、失敗なくレコメンドエンジンを実装できるでしょう。

導入の目的を明確にする

ますは、あなたのサイトにレコメンドエンジンを実装する際に、その目的を明確にしましょう。売上げ高や客単価アップだけでなく、マーケティング活動の課題を改善するなど、レコメンドエンジンを導入する目的は、企業によって様々です。目的を明確にすることにより、導入すべきレコメンドエンジンの方向性も明確になり、より適切なエンジンを実装できるでしょう。

現在運用しているツールとの互換性があるか

もしも今使用中のECサイトの運用ツールと、これから導入予定であるレコメンドエンジンの相性が悪いと、せっかくこれまでに運用してきたECサイトに異常が生じたり、結果として両方が上手く機能しなくなることも考えられます。

レコメンドエンジンの導入では、実際に実装するECサイト上にタグを設置したり、分析する商品を登録するなどの作業が必要となります。しかし、運用ツールの互換性がない、または悪いことで、便利なレコメンド機能がいつまでも使えなくなります。そこで、相性が悪いツールを選ぶ事がないように、導入前に各ツールの互換性について確実に把握しておくようにしましょう。

アクセス数に対するコストを試算する

レコメンドエンジンには、サイトへのアクセス数によって料金が変動するタイプのものがあります。そこで、まずは現状のWebサイトへのアクセス数を把握し、レコメンドエンジンを実装した場合の料金をシミュレーションしてみることが重要です。自社で幾らの予算を使えるかを設定し、その金額を超えないプランで運用できるレコメンドエンジンを選択しましょう。また、実際に運用を開始してからのアクセス数の増加を予測し、将来的に見込まれる費用を試算しておくことも大切です。

機能とランニングコスト

レコメンドエンジンを上手く運用するには、自社のECサイトの特徴に合わせたレコメンドエンジンを選択することが第一です。フル装備のレコメンドエンジン実装しても、導入目的よりもオーバスペックとなってしまっては、ただの無駄遣いに終ります。現状で必要な機能は何か、また運用にかかる工数とランニングコストを、それぞれによく確認し、無駄のないレコメンドエンジンの導入を心がけましょう。

レコメンドエンジン活用事例

それでは最後に、レコメンドエンジンの活用事例を業界別に紹介します。

EC（イーコマース）サイトのレコメンド事例

EC業界では、おすすめしたいアイテムの提案や、購入をすすめるレコメンドが最もよくみられる業界です。

お買い物カート内でのレコメンドによる購入単価向上ケース

客単価の向上を目的に、ECサイトのお買い物カート内でレコメンドエンジンを実装するケースは多々あります。この手法では、カートに入れた商品アイテムごとに、おすすめの別アイテムをレコメンド表示します。これにより、客単価が大きく上がったという事例があります。これまでにユーザーが知らなかったアイテムをレコメンドしたことで、あらたな購入機会が生まれたケースです。

マイページ内でのレコメンドによる購入率向上ケース

購入率の向上を目指すレコメンド手法に、マイページ内でのレコメンドがあります。これは、ユーザーの行動履歴を基に分析した「おすすめアイテム」を、検索・閲覧したアイテムと一緒に表示することで、ユーザーの購入率がアップするというものです。AIの発達により、ユーザーが求めているアイテムをより正確に選定できるようになったのがポイントです。

カゴ落ちの防止対策

カゴ落ちとは、ユーザーが買い物カゴに商品を入れたままWebサイトから離脱することを言います。そのカゴ落ちの防止を目的とした、カート内でのレコメンドの方法を紹介します。

ユーザーの中には、カゴに商品を入れたものの「購入手続きが面倒」で、サイトから離脱してしまう方も意外に多くいます。

そこで、カート内のページにおいて「最短1分で手続きOK！」や「○○のアカウントで即登録可能」などを表記し、ユーザーの心理的負担を解消し、その後の購入に繋げることができるのです。

買い忘れのアイテムをレコメンドする方法

ユーザーがカートにアイテムを入れたことを忘れ、サイトから離脱するケースがあります。これでは、ライバルサイトにユーザーの購入機会を与えてしまうかも知れません。

そこで、買い忘れアイテムをユーザーに直接メールでリマインドすることにより、購入率の向上が見込めます。この際に、メールに手続きへのリンクを貼ることで、ユーザーがスムーズに購入手続きに進めるでしょう。また、メールを送信する条件や内容を事前に設定しておくことで、自動的にリマインドが配信されるため、手間がかかりません。

メディアエンタメのレコメンド事例

メディアエンタメ業界では、契約率や予約率の向上と、解約を防ぐためにレコメンドがよく利用されます。

閲覧傾向を基にチャンネルをレコメンドした事例

ビデオ・オン・デマンド（VOD）サービスにおける最大の課題は、契約チャンネル数の増加とサイト回遊率の向上です。そこで、トップページや番組の詳細ページでおすすめしたい番組をレコメンドした結果、既存契約者の追加チャンネル数が約2倍になったケースがあります。

レコメンドによる解約の防止対策

ビデオ・オン・デマンドサービスでは、解約防止対策もが課題です。そこで、解約手続きのページに翌月のおすすめ番組をレコメンドしました。その結果、月間の解約阻止率が低下した事例があります。

金融業界でのレコメンド事例

金融業界では、ユーザーの利便性や金融商品の購入率の向上のためにレコメンドが利用されます。

ログイン画面を最適化してログイン率を向上させる

これは、ユーザー別にログイン画面を最適化することでログイン率を向上させた事例です。新規ユーザーには登録を促すポップアップを設定し、利用経験者にはログインボタンを表示しました。またログインできなかった場合に備え、パスワードの再設定画面を表示されることで、ユーザーの利便性を向上させています。

アンケートを基にしたレコメンドで購入率向上

初めてのサイト訪問者に対し、ポップアップを使い、ライフスタイルに関するアンケートを表示しました。そして、興味のあるテーマをチェックボックスで選択してもらうことにより、ユーザーが興味ある内容を把握できます。そこで分かったデータを基に、自社の商品をレコメンドしていく手法です。

まとめ

このようにレコメンドは、ECサイト以外のさまざまな業界でも活用されています。レコメンドを効果的に実装することにより、顧客満足度やサイトからの利益、企業の利益に大いに貢献するでしょう。

この記事で紹介した事例を参考に、あなたの企業でもレコメンドを活用ができないか検討してみてはいかがでしょうか。デジマを利用したブランディングには、ぜひLFNをご活用ください。