レコメンドとは?仕組みや種類、導入方法、レコメンドの限界について徹底解説

デジタルマーケティング

Sprocket編集部

レコメンドとは?仕組みや種類、導入方法、レコメンドの限界について徹底解説

デジタルマーケティングにおいて欠かせない機能であるレコメンド。ECサイトで商品を購入した経験がある方なら誰でも「こんな商品もおすすめ」「関連するアイテム」などの表示を目にしたことがあるでしょう。ここではユーザーの興味や購買意欲を高めるためのレコメンドについて、その仕組みや種類、機能、さらにはレコメンドの限界についても説明します。

レコメンドとは?

「レコメンド(Recommend)」は、英語で「おすすめする」「推薦する」という意味を持ちます。マーケティングにおける「レコメンド」とは、ECサイトなどWebサイトにおいてユーザーに商品やサービスを「おすすめ」する機能です。

レコメンドによって、ユーザーはあたかも馴染みのお店で、自分の嗜好をよく理解してくれているスタッフから接客されているような感覚になります。ユーザーひとり一人に最適な選択を「レコメンド」するためには、ユーザーの購入履歴やWebサイトの閲覧履歴などのデータを分析することが必要です。

レコメンドを導入する目的とは?

レコメンドは近年のデジタルマーケティングにおいて欠かせない機能であり、導入する目的を明確にしておくことが重要です。ここでは3つご紹介します。

顧客体験(カスタマーエクスペリエンス:CX)を向上させる

顧客体験(カスタマーエクスペリエンス:CX)とは、顧客のブランドに関する包括的な体験を意味するキーワードです。

馴染みのお店で自分のことをよく理解してくれているスタッフの接客を受ければ、多少値段が高くてもまた同じ店に来ようと思います。それは、顧客が商品購入時に求めている「価値」が単に「安くて」「必要なもの」を買うだけ(物質的価値)でなく、「楽しさ」「快適さ」(心理的・感覚的価値)を求めているからです。

ECサイトなどでも同じことがいえます。レコメンドによってユーザーが今まさに求めている製品やサービスをおすすめできれば、顧客体験は向上します。結果としてリピーター獲得や顧客ロイヤリティ確立につながり、ブランドイメージが浸透していくのです。

商品購買率を高める

適切なレコメンドによって、ユーザーの商品購買率を高めることができます。例えばパソコンを購入するユーザーに、他の周辺機器の購入もレコメンドできれば、一緒に購入してもらえる可能性が高まります。このように、関連商品も一緒に購入してもらう手法を「クロスセル」といいます。

商品Aを購入したユーザーが別のどの商品を購入する傾向が高いか、購入履歴や閲覧履歴などのデータを分析することで予測できるのです。

サイトの利便性や信頼感を高める

レコメンドによって、ユーザーは毎回最初からキーワードで検索する必要はなくなります。ECサイトを訪れさえすれば、自分の嗜好に合った製品やサービスをレコメンドしてもらえるため、サイトの利便性が高まります

また、「このサイトを訪れれば自分の欲しいものが見つかる」という運営側への信頼感も高まるでしょう。結果として、ECサイトでの滞在時間が長くなり、さらに商品購買率の向上も期待できます。

レコメンドエンジンの種類

レコメンドエンジンとは、レコメンドをサイト内で行うための専門のソフトウェアやシステムのことです。レコメンドエンジンには以下のような種類があります。

ルールベースレコメンド

ルールベースレコメンドとは、運営側があらかじめ定めたルールに基づいてレコメンドするシステムのことです。例えば「期間限定のおすすめ商品」や「注目アイテム」を表示し、購入意欲を刺激します。

しかし、あくまでも運営者側のルールをもとにしているため、ユーザーのニーズと乖離してしまう可能性があります。

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、商品の属性から関連製品やサービスをレコメンドする手法です。

例えば、あるメーカーのパソコンの購入を検討しているユーザーに対して、同じメーカーの別の機種を紹介したり、同程度のスペックを持つ別のメーカーのパソコンをレコメンドしたりします。ECサイト上で「関連するアイテム」や「こんな商品もおすすめ」といった表示で紹介されることがあります。

協調フィルタリング

協調フィルタリングとは、過去において共通する購入(閲覧)履歴を持つ人は次も同じ選択をするという仮定の上でレコメンドするシステムです。

例えば、Xさんが過去においてA社のパソコン、B社のマウス、C社のモニターを閲覧し、次にD社のキーボードを閲覧したとします。他方、Yさんも同じくA社のパソコン、B社のマウス、C社のモニターを閲覧しています。協調フィルタリングでは、この状況でBさんもAさんと同じように次にC社のモニターを閲覧するはずと推測し、「この商品を見たひとはこんな商品も見ています」という表示とともにレコメンドするのです。

パーソナライズドレコメンド

パーソナライズドレコメンドにおいては、運営側のルールや他人の購入・閲覧履歴は参照されません。対象となるユーザー個人の利用履歴だけが参照され、その人の嗜好や傾向が分析されて商品やサービスがレコメンドされます。

ハイブリッドレコメンド

「ハイブリッド」という言葉が示す通り、上に挙げたレコメンドエンジンを組み合わせる手法です。やみくもに組み合わせればよいわけではなく、目的に応じて適切に2つのロジックを組み合わせることで、効率的なデジタルマーケティングを狙えます。

レコメンド導入の際に重要となるライティングスキル、「言葉選び」についてまとめた下記の資料もご参照ください

「顧客を動かす」訴求メッセージ

レコメンドの導入方法

レコメンドエンジンを導入する方法には、主に以下の3つの方法があります。

ASPを利用する

ASPとは「アプリケーションサービスプロバイダー」のことで、インターネット経由でソフトウェアや稼働環境を提供する事業者を指します。自社でサーバーを用意したり、保守点検をしたりする必要もなく、導入コストも抑えることが可能です。多くのWebサイトが導入しているレコメンドエンジンがASPだといわれています。

ただ、自社の施策に合わせてカスタマイズできないものも多く、高い効果を狙った運用ができない場合もあります。また、長期的にみると初期コストは低いものの、月々の利用額を支払い続けるビジネスモデルになっているため、数年先には逆にコストがかかる可能性もあります。

ECシステム搭載の機能を活用する

ECシステムを導入する際に付帯しているレコメンド機能を活用する方法です。コストがかからないこと、またECシステムとの親和性が高いことがメリットである一方、専門的なカスタマイズには限界があります。

プライベートDMPを構築する

DMP(データマネジメントプラットフォーム)とは、ユーザーの行動履歴や属性データなどさまざまなデータを一元的に管理するためのプラットフォームです。

自社ですでにDMPを構築しているなら、レコメンドエンジンと連携させるのも一つの選択肢でしょう。初期コストはかかるものの、自社にカスタマイズされた細やかなレコメンドが可能になります。

オープンソースを利用する

多くはありませんが、オープンソース型のレコメンドエンジンもあります。自社の施策に合わせて細かいカスタマイズが可能ですが、日本製のものは少ないといわれています。

設定から運営まで高い技術力が必要になるため、自社に常駐エンジニアがいる場合にのみ導入可能です。

レコメンド

レコメンド活用事例

ここで、レコメンドの活用事例についてみていきましょう。

ECサイトにおける活用事例

ECサイトでは、さまざまな形でレコメンドが活用されています。例えば、ユーザーは商品を閲覧し、気に入ったアイテムを買い物カゴに入れて最後に購入手続きをします。その際、商品閲覧ページだけでなく買い物カゴカート内でもレコメンドエンジンを使い、購入単価を向上させる手法があります。

すでにユーザーは購入手続きまでたどり着いていることから、購入する心理的敷居が低く、単価向上につながりやすいのです。

メディアエンタメにおける活用事例

Netflix(ネットフリックス)やAmazonPrimeVideo(アマゾンプライムビデオ)などの、メディアエンタメサービスを提供する事業者の多くがサブスクリプションモデルを採用しています。

このビジネスモデルの最大の懸念材料は、比較的簡単にサービスを解約されてしまうということです。そのため、解約手続きページに翌月のおすすめコンテンツをレコメンドするなどして、解約阻止率の向上を狙う企業もあります。

レコメンドの限界

デジタルマーケティングに欠かせないレコメンドですが、以下のような限界もあります。ここでは3つご紹介します。

コールドスタート問題

「コールドスタート問題」とは、新登場のアイテムはユーザーの行動履歴などのデータが不足しているため、レコメンドの対象にならないことをいいます。そのアイテムが息の長いものであれば時間の経過とともに必ずデータが蓄積されていきますが、問題なのは新登場してもすぐになくなってしまうようなアイテムです。

例えば、就職情報や賃貸情報などは長期にわたってサイトに掲載しておくものではありません。魅力的な情報はレコメンドしなくてもすぐにサイトからなくなります。逆にサイト上に一定期間残り続ける、魅力にかける情報がレコメンドの対象になるのも困りものです。

少カバー率問題

製品やサービスによっては、例えば一部のマニアを対象にしたもので、閲覧数や購入履歴などのデータが圧倒的に少ないためにレコメンドされにくいという問題もあります。これは「少カバー率問題」と呼ばれています。

ユーザーの顕在化した行動を前提にしている

ここまで述べてきたように、レコメンドはユーザーの閲覧・購入履歴などの顕在化した行動を前提にしています。しかし、コールドスタート問題や少カバー問題が示すとおり、キーワードなどによって顕在化したニーズだけを対象にしていると機会損失につながってしまいます。

そのため、現在ECサイトなどではレコメンドの先をいく「サジェスチョン(提案)」機能を実装させ、ユーザーの潜在的なニーズをすくいあげようとする動きがあります。

例えば、ネットスーパーである食材を購入しようとした場合はその食材を使ったレシピを、あるいはアパレル関連のECサイトでユーザーに合ったコーディネートを提案するなどです。

まとめ

レコメンドには課題に応じた目的があり、その目的に合わせてレコメンドエンジンを単独で実装するのか、組み合わせるのかも変わってきます。

単にレコメンドを導入して満足するのではなく、レコメンドによって何を成し遂げたいのかを明確にすることが効果的なマーケティングにつながるでしょう。

サービス資料ダウンロード

Sprocketの機能、コンサルタント、導入事例、実績、
プラン体系などをご紹介します。(無料)

資料ダウンロード

導入検討の相談・見積もり

新規導入、乗り換えのご相談、Web接客ツールの比較など
お気軽にお問い合わせください。(無料)

お問い合わせ

03-6420-0036(受付:平日10:00~17:00)