レコメンデーションの概要

レコメンデーション・エンジンは、機械学習をビジターのインタラクション・プロファイルに適用することで、顧客ジャーニーにおいて各顧客に最も関連性の高いアイテム(コンテンツまたは製品)を表示します。その主な目的は、顧客が必要としているものや、自分では見つけられない新しいアイテムを見つけやすくすることで、小売環境のクロスセルやアップセルを増やしたり、コンテンツのエンゲージメントを向上させることです。たとえば:

製品レコメンデーションの例を示すスクリーンショット

レコメンデーション・キャンペーンは、必ずしも標準的な小売シナリオの製品とはかぎりません。このため、多くの場合、アイテム・レコメンデーションという用語を使用します。アイテムは、製品またはコンテンツの一部(記事やブログ投稿など)です。

アイテムは、次の要素によって特徴付けられます。

  • そのアイテムを識別する一意のアイテムID。
  • 製品の名前またはコンテンツの一部のタイトル。
  • ビジターが移動して、詳細を閲覧したり、アイテムを購入できるURL。
  • アイテムのカテゴリ(サブカテゴリを含めることもできます)。
  • サムネイル写真のURL(レコメンデーション・プラットフォームでアイテムの写真をレコメンデーション・スロットに表示するため)。
  • 価格、通貨、在庫数、ブランド、スタイル、セール価格(小売)、その他のアイテム属性などの追加情報は、ある場合とない場合があります。

レコメンデーションを生成するには、レコメンデーション・エンジンがユーザーの行動を理解し(ビジター行動のトラッキング)、レコメンデーション可能なアイテムのリスト(インベントリ)にアクセスできる必要があります。

タグによるビジター行動のトラッキングの構成インベントリのアップロードおよび属性マッピングは、1回かぎりの設定の一部です。

レコメンデーションは次によって作成されます。

  • 選択したモデルに基づくAI/機械学習エンジン。
  • 適用されるフィルタリング条件(たとえば、在庫アイテムのみでの推奨、セール・アイテムでの推奨など)。
  • 現在閲覧されているアイテムのIDやビジターの操作履歴(閲覧や購入など)など、リクエストで渡されるパラメータ。

人気モデルとパーソナライズされたレコメンデーション・モデルのどちらかを使用できます。

レコメンデーション・エンジンに対する単一のリクエストでは、最大50個のレコメンデーションが返されます。

レコメンデーションは、マーケティング電子メールまたはビジターが対話するWebページに埋め込むことができます。レコメンデーションは、ユーザーに生成するタイミングに基づいて、次のカテゴリに分類することもできます。

  • リアルタイム・レコメンデーション

    Webでは、ビジターがレコメンデーション・モジュールを含むWebページを開くか、すでに開いているページをリフレッシュすると、レコメンデーションが常にリアルタイムで生成されます。Webページを開いた時点での各ビジターのリアルタイム・データに基づいて作成されます。

  • 送信時レコメンデーション

    送信時電子メール・レコメンデーションは、電子メールが実際に送信されたとき(送信時)に生成されるレコメンデーションを意味します。

  • オープン時レコメンデーション

    オープン時の電子メール・レコメンデーションは、リアルタイム・レコメンデーションです。Eメールが送信されたとき(送信時)ではなく、電子メールを開いて読んだ時点でのビジターごとのリアルタイム・データに基づいて作成されます。レコメンデーションは事前定義されていませんが、各受信者による電子メールのオープン時にレンダリングされます。コンテンツの予測は、受信者の追跡済の行動を使用して行われます。推奨された同じコンテンツや製品を提供するのではなく、マーケティング担当者は、最新のビジターのオンサイト行動やアフィニティに基づいて、リアルタイムで調整されたレコメンデーションを使用してキャンペーンをパーソナライズできます。

このタイプのパーソナライズは、最新のオファー、価格変更、在庫状況などに関するレコメンデーションを表示する必要があるシナリオの場合に非常に効果的です。

たとえば、ビジターの1人がオンライン・ストアのアイテムを見たとします。セッションが中止されると、閲覧されたアイテムに一致するレコメンデーションが含まれる電子メールが自動的にトリガーされます。

その週、このビジターはウェブサイトを再度閲覧し、新しい製品をチェックして購入します。この顧客が1週間後に同じ電子メールを開くと、オープン時機能により、電子メールが購入前に送信されたものであっても、新規に学習したこの訪問者のプリファレンスを反映するようにレコメンデーションが調整されます。この機能では、在庫状況やオファーなども考慮してチェックできます。

チャネルを問わず、次のレコメンデーション機能があります。

チャネル

  • Responsysによる電子メール
  • MaxymiserによるWeb
  • Reco API

インベントリ・サイズ

  • 100万(リクエストに応じてさらに提供可能)

アルゴリズム

  • 販売最多

  • 閲覧最多

  • 最終閲覧

  • トレンド(購入または表示)

  • これを閲覧した人が閲覧したもの

  • これを閲覧した人が購入したもの

  • これを購入した人が購入したもの

  • 1対1のレコメンデーション

フィルタ

  • AND/ORフィルタ・ロジック

  • ローカライズされたレコメンデーション

  • インベントリ属性(在庫、セール価格、価格範囲など)でフィルタ

さらに学ぶ

レコメンデーションの設定

レコメンデーション戦略

レコメンデーション・フィルタリング

電子メール・レコメンデーションの追加

レコメンデーション・サービス(API)の追加

Webレコメンデーションの追加