レコメンドエンジンとは？搭載機能や導入メリットについて解説！

レコメンドエンジンとはおすすめの商品やサービスを紹介するシステム

レコメンドエンジンとは、過去の行動履歴や商品閲覧履歴などを参考に、対象ユーザーへおすすめの商品やサービスを紹介するシステムです。

ECサイトやニュースサイトなど、オンライン上で商品を販売する場合やユーザーごとに関心が高いコンテンツを紹介したい場合に活用します。

レコメンドエンジンを活用する目的は、サイト内の購入率やユーザーの購入単価を高めることです。ユーザーの好みに合った商品やサービスをを紹介し、商品への関心や購買意欲を高めます。

ユーザーにとってのメリットはレコメンド表示によって、わざわざ商品やサービスを探す必要がないことです。関心が高い商品やサービスを効率的に見つけられ、無駄な時間を削減できます。

レコメンドエンジンの仕組み

レコメンドエンジンは以下5つの要素から構成されています。

ルールベース

ルールベースはサイト運営者が定めたルールに従い、ユーザーへ商品を提示する仕組みです。事前にユーザーがどのような行動を取るか、予測した上で商品を提示します。具体的には以下の例が該当します。

期間限定商品の販売やキャンペーン開催時など、特定の商品をPRしたい場合に有効です。

ただし、レコメンド表示する商品と顧客の好みが合わないと、思ったような効果が得られません。ABテストの実施やセグメント分けなどを行い、提案の質を高めることが重要です。

コンテンツベースフィルタリング

特定の商品に興味を示したユーザーに対し、類似する属性の商品を提示する仕組みです。色やデザインなど商品属性に注目し、事前に商品をグルーピングしておきます。

たとえば、あるブランドが販売する黒の長財布を検討しているユーザーがいたとしましょう。同じブランドが販売している別シリーズの黒の長財布をユーザーに提示するのが、コンテンツベースフィルタリングです。

ユーザーの好みに近い商品を提示できると、購入確率が高まります。

ただし、提示する商品には、ユーザーのこれまでの行動履歴や商品閲覧履歴は考慮されていません。属性の振り分けをおこなうのに多くの時間が掛かる点も認識しておく必要があります。

パーソナライズドレコメンド

ユーザーの過去の行動履歴から好みを分析し、関心や興味を抱くと予想される商品を提示する仕組みです。「あなたにおすすめの商品」とPCやスマートフォンの画面に提示される商品は、パーソナライズドレコメンドによって選択されています。

パーソナライズドレコメンドは協調フィルタリングと異なり、他人の行動履歴や関連性は考慮されません。個々のユーザーの行動履歴を分析して提示する商品を決めているため、ニーズを正確に反映した商品の提示が可能です。

レコメンドエンジンに多くのデータが蓄積されるほど、提案の質が高まります。

協調フィルタリング

協調フィルタリングは、レコメンドエンジンでも頻繁に活用されている仕組みの1つです。サイト内での行動履歴や購入履歴が似ているユーザーデータを分析し、算出したデータを基に商品を表示します。

ユーザー自身が気付いていない潜在的なニーズを可視化する手段として有効です。協調フィルタリングは、「アイテムベース」と「ユーザーベース」の2種類に分けられます。

アイテムベース

特定の商品を購入する際、一緒に購入する確率が高い商品をおすすめ表示することです。たとえば、ランニングシューズを購入したユーザーに対し、スポーツウェアをレコメンドアイテムとして表示するといったケースが該当します。

セット購入が高い商品をレコメンド表示し、双方の商品の売上を伸ばすことが狙いです。

ユーザーベース

対象ユーザーと行動履歴が似ている他ユーザーの購入履歴を分析し、未購入の商品を対象ユーザー表示する仕組みです。検討していない商品だったとしても、対象ユーザーの好みに合致すれば、購入確率を高められます。

趣向が似ている他ユーザーの行動履歴や購入履歴を参考にしているため、購入率や購入単価を高めやすいのが特徴です。

ハイブリッド・レコメンデーション

ハイブリッド・レコメンデーションは、上記4つの方法を組み合わせて商品を表示する方法です。精度の高いレコメンドを実現できる点が、ハイブリッド・レコメンデーションのメリットです。

たとえば、スマートフォンを新たに購入する場合、スマートフォンケースも一緒に購入する確率が高いとしましょう。対象ユーザーが過去に白の商品を好んで購入していた場合、白のスマートフォンケースをレコメンド表示します。

上記の例は、パーソナライズドレコメンドと協調フィルタリングをミックスしたかたちです。組み合わせの方法に関する指定はありません。商品ラインナップやユーザーの傾向に合わせて自由に選択できます。

レコメンドエンジンの5つの機能

レコメンドエンジンが搭載している主な機能は以下の5つです。

データベース機能

データベース機能は、ユーザーの好みや関心のあるジャンルを分析する機能です。サイト内での行動履歴や商品閲覧履歴など、様々なデータを分析してレコメンド表示に反映します。

データベース機能は、レコメンドエンジンのパフォーマンス最大化に必要不可欠な機能の1つです。蓄積したユーザーデータが多いほど、顧客の好みやニーズに合った商品をレコメンド表示できます。

レコメンド機能

レコメンド機能は過去の商品閲覧履歴や行動履歴を基に、購入を検討した商品を対象ユーザーへ表示する機能です。購入履歴や好みが似ている他ユーザーのデータを参考に、おすすめの商品も表示できます。

レコメンド機能は、データベースとの関連性が強い機能です。データベースに蓄積されたデータが多いほど、ユーザーのニーズや好みを反映した商品を提案できる確率が高くなります。

ランキング機能・リマインド機能

ランキング機能は、サイト上で売上や閲覧頻度が多い商品をランキング形式で表示する機能です。人気商品をユーザーに表示し、購買意欲を高めます。

リマインド機能は、対象ユーザーが過去にサイト内で閲覧した商品を再び表示する機能です。ショッピングカートに入れたままになっている商品も表示し、関心や興味を再び惹きつけます。

メール配信

売上が多い人気商品やユーザーが関心を寄せる分野の新商品販売など、ユーザーの好みに合った内容をメールでお知らせする機能です。全ユーザーへ同じ内容を送信するメールマガジンとは異なります。

個々のニーズを正確に反映した内容を配信することで、購買意欲向上やサイトのイメージアップにつなげるのが狙いです。

レポート機能

商品をおすすめした結果、どのような利益が得られたかを分析・集計する機能です。レコメンドエンジンで購入したケースとその他のケースを比較し、今後のマーケティング戦略に反映できます。購入単価や購入率など、様々な指標からデータを比較可能です。

ただし、すべてのレコメンドエンジンに搭載されているわけではありません。システム選定時にレポート機能を搭載しているか、確認をしましょう。

レコメンドエンジンは2種類から選択

レコメンドエンジンは「ASP型」と「オープンソース型」のどちらかを選択します。

ASP型

ASP型は、クラウド上でベンダーが提供しているレコメンドエンジンをWebアプリケーションとして利用するかたちです。レコメンドエンジンの多くが、ASP型で提供されています。

ASP型のメリットは、スムーズに導入できる点です。インフラ環境の構築やサーバー調達を行う必要はありません。アップデートやメンテナンスもベンダーへ一任できるため、全体的にコストを抑えられます。

そのため、導入してからすぐに使えるようシステムが設計されており、カスタマイズができる余地はほとんど残されていません。機能を追加する場合、システム開発会社にカスタマイズを依頼するかたちになります。

オープンソース型

オープンソースとは、ソースコードが公開されているソフトウェアを指します。無料で利用できるだけでなく、修正やカスタマイズを自由に施せる点が特徴です。オープンソース型はASP型と異なり、レコメンドエンジンを開発していくかたちになります。

オープンソース型のメリットは、カスタマイズ性の高さです。自社の要望を反映でき、機能性や操作性を最大限追求できます。

半面、インフラ環境の整備やサーバー調達は自社で対応しないといけません。多額の開発費用と長期的な開発計画が必要です。また、自社にエンジニアがいない場合、システム開発会社に依頼しないと開発作業を進められません。

レコメンドエンジンを活用する3つのメリット

レコメンドエンジンの活用によって得られるメリットは以下の3つです。

ユーザーが求める商品を提案できるとサイトへの信頼性が高まり、継続的な利用が見込めます。

メリット1. 購入率が高まる

ユーザーの購入率を高められる点が、レコメンドエンジンを活用するメリットです。レコメンドエンジンの活用によって、ユーザーの好みやニーズに合った商品を紹介しやすくなります。

データベースに蓄積された行動履歴や商品閲覧履歴から、どのような商品に興味を持つかを正確に把握できるためです。ユーザーの好みに合った商品を数多く紹介でき、購買意欲を高められます。

ハイブリッド・レコメンデーションやレポート機能を搭載したレコメンドエンジンを選択すると、より関心を惹き付けられる提案ができるでしょう。

また、良質な顧客体験の提供によってサイトへの信頼性も高まり、効率的に新規ユーザーを獲得できます。

メリット2. 顧客単価が高まる

ユーザー1人あたりの購入単価が高まる点も、レコメンドエンジンを活用するメリットの1つです。協調フィルタリングによって、特定の商品購入を検討しているユーザーに対し、セットでの購入確率が高い商品を紹介できます。

紹介する商品のデザインや色などをユーザー好みに指定しておくと、高確率で購入が期待できるでしょう。

レコメンドエンジンの活用によって、1度のサイト利用で複数の商品購入が望める体制を確立できます。既存ユーザーから安定した収益確保が望めるため、新規ユーザーの数が伸びなくとも、大きなダメージには至りません。

メリット3. 顧客ロイヤリティが高まる

レコメンドエンジンの活用は、顧客ロイヤリティを高める有効な手段の1つです。

顧客ロイヤリティは自社商品に対して、顧客が抱く愛着度や信頼度を指します。顧客ロイヤリティが高い=自社商品の購入に特別な価値を見出している状態です。

競合他社から新商品や限定品が販売されても、簡単に乗り換えません。継続的な購入が期待でき、安定した収益確保につなげられます。

レコメンドエンジンは、ユーザー一人ひとりがどのような商品を求めているか、正確に把握できる点が魅力です。ユーザー別に好みに合った商品紹介や情報発信など良質な顧客体験を提供でき、多くのリピーターを獲得できます。

レコメンドエンジンを活用する2つのデメリット

てレコメンドエンジンを導入する前に、以下のようなデメリットがあることも認識しておきましょう。

扱う商品数やユーザーが少ないと、レコメンドエンジン導入による効果は十分得られません。

デメリット1. 商品数が少ないとレコメンド効果は薄い

サイトで扱う商品数が少ない場合、レコメンドエンジンを活用する効果はあまり得られません。提示できるレコメンドパターンが少なく、ユーザーの好みやニーズに合った商品紹介が難しいためです。

サイトで扱う商品やサービスの数を増やさない限り、ユーザーの購入率や購入単価を高めるのは難しいでしょう。

扱う商品やサービスの多いサイトの方が、ユーザーに多くの選択肢を与えられるため、関心や購買意欲を高められます。少なくとも100〜200以上の商品をサイトに掲載しない限り、レコメンドエンジンの効果は表れません。

デメリット2. サイト閲覧者が少ないとニーズの把握が難しい

サイトを利用するユーザーが少ない場合、レコメンドの質を上げるのは困難です。ユーザーの好みや趣向を十分に把握するためのデータが不足しており、ニーズを正確に反映した提案ができません。

サイトを立ち上げてすぐにレコメンドエンジンを導入する場合は、コンテンツベースフィルタリングを活用しましょう。

商品属性に注目しておすすめ商品を提示するため、ユーザーの行動履歴や購入履歴を考慮しません。提示した商品に対する反応を伺いながら、ユーザーの情報を少しずつ集めましょう。

TwitterやInstagramなど、拡散力に優れたSNSを活用し、サイトの情報発信に努めるのも1つの選択肢です。不特定多数の方へ効率的にサイトの存在をアピールできます。

レコメンドエンジンを選ぶ上での5つのポイント

以下5つのポイントを正確に認識し、レコメンドエンジンの選定に臨みましょう。

ミスマッチを避けるためにも、一つひとつのポイントを理解しておくことが重要です。

ポイント1. 導入目的を明確化する

レコメンドエンジンの活用によってどのような課題を解決したいのか、明確にしておくことが重要です。導入目的が曖昧な状態だと、レコメンドエンジンに求める機能もはっきりとせず、ミスマッチを招く可能性が高まります。

無駄な費用の発生を避けるためにも、購入率向上やユーザーニーズの把握など、導入目的を具体化しておきましょう。あわせて購入単価やコンバージョン獲得率など、目標とするKPIも具体的に決めておくと、レコメンドエンジンの導入効果をより実感できます。

ポイント2. サイトへのアクセス数は十分か調べる

サイトを利用するユーザーが十分に集まった段階で、レコメンドエンジンの導入を検討しましょう。

ユーザーが少ないと行動履歴や購入履歴を分析しても、どのような商品を求めているか正確な分析ができません。好みや趣向を把握するためのデータが不足しているためです。

レコメンドエンジンを導入するタイミングを計りつつ、ユーザー数を増やすための取り組みをおこないましょう。たとえば、扱う商品の拡充やキャンペーンの開催など、サイトへの関心を高める取り組みをおこない、1人でも多くのリピーターを獲得します。

企業の場合はオウンドメディアを活用し、サイトの存在をPRするのも1つの選択肢です。

ポイント3. 既存システムとの互換性を確認する

レコメンドエンジンの選定作業の際、既存システムとの互換性を確認しましょう。通販システムやECサイトのなかには、連携できるレコメンドエンジンが限られているものもあります。

互換性がないと導入しても連携できません。無駄な投資を防ぐためにも、互換性の有無を必ず確認することが重要です。

ポイント4. レコメンドエンジン導入後の運用体制を整えておく

レコメンドエンジンを導入後、どのように運用していくかを決めておきましょう。商品の情報登録やランキング表示など、レコメンドエンジンの運用には多くの作業が発生します。

導入後に混乱しないよう、どの作業を誰に任せるのか役割分担が大切です。特にユーザーのデータ分析は重要になるため、人員を多く配置しておきましょう。

ポイント5. ASP型とオープンソース型の特徴を理解しておく

ASP型とオープンソース型、双方のメリット・デメリットを把握しておくことも重要なポイントです。自社が直面している状況によって、どちらを選択すべきかが異なります。

下記の表に双方のメリット・デメリットをまとめました。参考にご活用ください。

レコメンドエンジンの探し方

自社に合ったレコメンドエンジンを見つける方法は、以下の2つです。

ASP型とオープンソース型、どちらを選択するかで探し方も変わってきます。

ビジネスマッチング

ビジネスマッチングは、オープンソース型のレコメンドエンジンを導入する場合に取るべき選択肢です。

ビジネスマッチングは、「仕事を発注したい企業」と「仕事を受注したい企業」をつなぐサイトになります。ビジネスマッチングを活用するメリットは、発注先を効率的に見つけられる点です。

地域や業種などを選択すれば、候補となるシステム開発会社が一覧表示されます。各企業の特徴も簡潔にまとめられており、短時間で多くの企業の情報を収集できるでしょう。

開発力重視や価格重視など、システム開発会社に求める要素を事前に決めておくと、効率的に依頼先の候補を絞り込めます。

まとめサイト

まとめサイトは、ASP型のレコメンドエンジンを導入する場合に活用する選択肢です。

まとめサイトを活用すると、自分のペースで情報を集められます。隙間時間やプライベートな時間にまとめサイトを閲覧し、ユーザーからの評価が高いレコメンドエンジンの情報を集めるかたちです。

時間をかけて一つひとつのシステムに関する情報を集められるため、ミスマッチのリスクを最小限に抑えられます。ただし、本業が忙しいと、調査に割ける時間も十分確保できないでしょう。

期限が決まっていない場合は、レコメンドエンジンに関する情報が集まらず、ベンダーも選定できません。候補先に求める要素や社内で検討する日程を決めておくと探しやすくなり、情報収集も効率的に進められます。

まとめ

今回の記事では以下4点について解説してきました。

レコメンドエンジンとは、ユーザーの過去の行動履歴や商品閲覧履歴を分析し、算出したデータに基づきおすすめの商品やサービスを提示するシステムで、購買率や購入単価を高められる点がメリットです。

レコメンドエンジンは、コストパフォーマンスに優れているASP型とカスタマイズ性に優れているオープンソース型の2種類から選択します。ASP型の方が主流ですが、機能性や操作性を最大限追求したいと考える方も少なくないでしょう。

「比較ビズ」を利用すれば、必要事項を入力する2分程度の手間で、自社に合っシステム開発会社を探し出せます。複数の企業に無料で相談できる点も、嬉しいポイントです。

レコメンドエンジンの導入を検討している方は、「比較ビズ」を是非ご利用ください。

監修者のコメント

株式会社GeNEE

代表取締役 日向野卓也

東京工業大学環境・社会理工学院卒業。慶應義塾大学大学院経営管理研究科修了。MBA（経営学修士）取得。国内最大手SIerの株式会社NTTデータで大手法人領域（大手流通企業、大手小売企業）の事業開発、事業企画等の業務に従事。米国スタンフォード大学への研修留学を経て、システム/モバイルアプリ開発会社の株式会社GeNEEを創業。

詳しく見る

顧客関係管理ソリューションを中心としたクラウドコンピューティングサービスの提供企業、salesforce（セールスフォース）社の発表では、米国での各イベントセール（2019年時点）のEC上の売上は、

サンクス・ギビングデー：約4,800億円
ブラックフライデー：約7,800億円
サイバーマンデー：約8,700億円

となっており、この売上のうち最大9%はAIレコメンドエンジン、つまりは膨大なデータを活用し、ECサイト訪問者の関心に合わせた「オススメ商品」の表示が購入を後押していると分析しています。このように、レコメンドエンジンの重要性は年々重要性を増しています。

最近では、ユーザの好みを一人一人分析し、商品アイテム単位で「AIスコア」を算出するレコメンドエンジンやECサイト訪問者が閲覧している商品画像と類似する商品画像を自動で表示（オススメ）する、画像解析型レコメンドエンジンなども次々に登場しています。

EC事業を展開されている方、今後EC事業の展開を検討される方にとっては、押さえておきたい機能の一つと言えるでしょう。

執筆者

比較ビズ編集部では、BtoB向けに様々な業種の発注に役立つ情報を発信。「発注先の選び方を知りたい」「外注する際の費用相場を知りたい」といった疑問を編集部のメンバーが分かりやすく解説しています。