Idea4U+

Idea4U+(アイデア・フォー・ユー・プラス)は、お客様の商品・サービスの「売れるためのお手伝い」を多角的に推進するための販促・マーケティング系コンテンツです。

Idea4U コンテンツ

マーケティング NEW2020年7月22日

顧客とつながる方法をロジカルに考える レコメンデーションでビジネスを活性化させる システムの仕組みと使い方

レコメンデーションとは

 レコメンデーションとは、顧客の嗜好を分析し、それぞれの顧客に興味・関心がありそうな情報を予測や判断して「お薦め」を提示することをいいます。
 リアルの世界では、対面販売等でごく当たり前のように行なわれております。店員であれば顧客を記憶している場合も多く、過去の会話や嗜好を思い出しては「お薦め」する商品を決めて提示しているかと思います。食堂であれば、常連の顧客が何を注文するかを聞くまでも無く、理解しているスタッフが「○○ですか?」と確認するだけで済んでいるかもしれません。また、大手バーガーチェーン店で「ご一緒にポテトもいかがですか?」とお薦めするのもレコメンデーションの原点だと考えます。
 インターネットの世界では、Amazonなどに代表されるECサイトにおける表示機能が有名です。Amazonはインターネットの長所でもあるOne to OneやCRM、ビッグデータなどにいち早く取り組み、顧客の購入促進を実現させました。代表的なレコメンド表示として、あなたにお薦めの商品はこちら」や「この商品を見た人は以下の商品も見ています」、あるいは「この商品を買った人は他にこの商品も買っています」などがあります。それを実現するために、

-顧客の属性情報
-顧客の行動履歴やモノの購入履歴
-アンケートフォーム等から回収された情報
-同じ嗜好を持つ他の顧客からの傾向

上記の情報を取得して総合的に判断され提示される仕組みとなっております。これにより、顧客にとっては自身の嗜好に合った情報が紹介されるため、インターネット上で時間をかけて探さなくても欲しい情報にたどり着きやすくなっているのです。(図)
 レコメンデーションを取り入れることで、いくつかの効果が見込まれます。例えば、顧客の興味・関心ある情報を提供することで、顧客満足度の向上につながります。また、特定の情報(商品やサービス)に満足できない場合にも、類似の情報を提示することによりサイト離脱防止や機会損失防止になります。あと、インターネットならではの意外性のある情報は、たとえニッチな商品等であっても売れる(ロングテール)見込みが出てきます。

レコメンデーションの仕組み

レコメンデーションの方法はいくつかありますが、代表的な2つの方法について具体的に触れてみたいと思います。

①協調フィルタリング
 ある人が商品をチェックまたは購入したデータと、その人以外の人がチェックまたは購入したデータの両方を用い、その購入パターンから人同士の類似性、または商品間の共起性を相関(アソシエーション)分析で解析し、対象者個人の行動履歴を関連づけることでパーソナライズされた商品を提示することができる手法です。「この本を見ている人は、あの本も見ているに違いない」といったように、似たような特徴を持つ人や過去の購買履歴が似ている人は同じような物を好むということを前提としております。あくまでWebのアクセス履歴等の人の行動に基づいて商品等の情報をレコメンデーションさせるため、商品そのものの詳細情報や関連性は必要としません。それにより、新しい商品や情報が投入された初期段階では、ある人が新しいものを古いものを両方に対して行動してもらえなければレコメンド表示されないという課題もあります。

②内容ベースフィルタリング
 商品の内容に対する属性情報と人の好みの関連性をベースとして、人がどの属性タイプの商品を好んだか、あるいは選んだかによってプロファイルを構築していくことでパーソナライズされた商品を提示する手法です。「この情報を見ていれば、あの情報も見ているだろう」だけでなく、内容データベースの精度が高ければ高いほど「あるメーカーの情報を見ている人は、同メーカーの同カテゴリの情報を見ている」「他メーカーの類似カテゴリの情報を見ている」といったように、あらかじめ関連付けた情報をもとに多様にレコメンデーションできる利点があります。ただ難点なのは、情報が膨れると、属性を解析して関連付ける手間も増える課題もあります。
 それぞれに長所や短所(表)がありますが、最近では(AI人工知能)の技術が進んでおり、自動で判断したり操作したりして短所も自動的に補い学習できるようになりつつあります。

レコメンデーションの使い方

 レコメンデーションは、機会を逃さないためにも「その時」「その場」で答えを出すといった即時性が求められます。これまでは、人と人が距離や時間に影響されずにつながりやすいインターネットの世界が中心となって、システムの研究・開発が進んできました。そのため、主にはECサイトに商品掲載部分に組み込まれたり、情報サイトの記事検索部分に組み込まれたりして利便性が向上しております。
 最近では、リアルの「紙」でもレコメンデーションがはじまっております。よくある例として、POSレジのレシートに続いてクーポン券が出力されております。店舗のPOSの殆どには会員カードの仕組みがあるため、登録した顧客情報と購買履歴を紐づいてデータ管理されております。それらの情報を自動で分析して、その場でニーズのありそうな割引クーポンを発行することで顧客の離反防止に役立てております。
 他にも、資料(資料)のようなハガキDMなどにも使われはじめております。Webサイトの画面だと訪問してもらえないと気づかないし、Eメールで送信しても必ずしも受信者全員が開封して内容確認をするわけではありません。そこで紙のハガキDM等が届けば、顧客の目にも留まりやすくなります。デジタル印刷やシステム間の連携技術が進化し、印刷物が出来るまでのスピードもこれまでになく向上したため、レコメンデーションが求める即時性にも対応できるようになりました。

 顧客とつながるためには、顧客を知ることが欠かせません。顧客を知り、顧客に合った情報が提供できるようになれば、継続的な関係づくりができます。レコメンデーションするためのシステムを活用しコスト(費用対効果)さえ計測できれば、人力のみで無くてもビジネスを活性化させることができるのではないでしょうか。

(株式会社フジプラス)

まとめ

■顧客のあらゆる情報を取得して、興味・関心に合った情報を提示する。
■AIが進化しており、レコメンデーションの高度化が進んでいる。
■EC(Web)サイトやEメールだけでなく、紙でもレコメンデーションされつつある。

あなたにオススメのコンテンツ