アプリやWebサイトで買い物をしていると、自動的におすすめの商品を紹介してくれる場合があります。
これが「レコメンド」です。近年ではAIを活用したレコメンドも増えています。どのようなメリットがあるのでしょうか。
レコメンドとは？
レコメンドとは、あるWebサイトやアプリ内での行動からユーザーの好みを分析し、関連する商品をピックアップしておすすめする機能です。結果としてユーザーの滞在時間を長くしたり、購入につなげられる効果があるため、多くのネットショップが導入しています。
レコメンドのベースとなるのは過去に閲覧・購入した商品です。そこからユーザーが必要になるであろう商品をピックアップして潜在的な購入意欲を引き出します。さらに同じ商品を閲覧・購入したユーザーの履歴を取り入れることで、自分の意向だけでは気づけない関連商品もピックアップし、新たな購入意欲を掻き立てるわけです。
実店舗なら店員が顧客の好みを見抜いて、商品をおすすめするでしょう。ネットショップではレコメンドが代わりに行うイメージです。そのおかげで、少しでもユーザーに合った接客ができるようになります。
さらにAIツールを導入したことでレコメンドが学習し、よりユーザーに合った商品をすすめられるようになりました。判断材料はユーザーの行動だけでなく、属性や利用時の季節、天候、トレンドなど多岐にわたります。商品を選ぶときも性質や価格、在庫状況、ブランドなど様々です。
これによりユーザーの購入意欲を高められるだけでなく、過去に誰も購入していない新品でもおすすめできます。こうしたAIツールの中には、マウスや画面をスワイプする指の動きからユーザーの迷いを察知し、クーポンを発行して購入をプッシュするものもあるほどです。
レコメンドを入れるメリット
先述のとおり、ネットショップにレコメンドを組み込めば、ユーザーの購入意欲が高まり、収益を増やせる可能性があるのがメリットです。それでいて導入は簡単であり、AIが学習してくれるなら顧客や商品ごとにアルゴリズムを作成する必要はありません。運用コストも削減できます。
また、人間のレコメンドはどんなにユーザーのことを考えても、自身の好みが混ざってしまいがちです。むしろAIに任せたほうが何の偏りもなく、ユーザーに合った商品をおすすめできます。
たとえトレンドによって売れ筋商品が変わったとしても、レコメンドなら柔軟な対応が可能です。ユーザーにもトレンドの最先端を行くネットショップとして一目置かれるでしょう。
レコメンド機能を導入しているアプリの事例3つ
ここからはレコメンド機能を導入しているアプリの事例を3つ紹介します。
■キャリトレ（旧：キャリアトレック）
転職サイトのビズリーチが運用する転職アプリです。求人に対して「興味がある」または「非表示」を選択すると、希望条件に合った求人をレコメンドしてくれます。使えば使うほどAIの精度が上がり、より最適な求人をレコメンドしてくれるようになるでしょう。Webでも同様のサービスを利用できます。
もちろん、ただAIの精度を上げるだけではありません。「興味がある」を選択すると求人を出している企業が、ユーザーの情報を見られるようになります。レコメンドが企業とユーザーをつなぐきっかけにもなるのです。
iOS専用の旅行記録アプリです。機能の1つとしておすすめスポットのレコメンドがあります。ユーザーは好みや趣味などをテーマにした質問に答えていくだけです。
Deapsはユーザーがハッシュタグをつけて、おすすめスポットを登録できます。類似した嗜好を持つユーザーの登録やハッシュタグ、現在地、季節などを考慮してレコメンドしてくれるというわけです。登録ユーザーとフォローなどでつながることも可能ですし、逆に自分のおすすめスポットが誰かのレコメンドにもなり得る楽しみもあります。
映画やドラマ、アニメをおすすめするアプリです。まずユーザーは、過去に見た作品を星の数で評価します。そうすると似ている作品や、好みに合うかもしれない作品がレコメンドされるようになります。さらに気になるタグをいくつか設定すると、そのタグがついた作品に絞られ、より自分好みに近づけるでしょう。
さらに「予想採点」という機能にも注目です。レコメンドを応用して、まだ見ていない作品をどのように評価するか、AIが先回りして予想してくれます。
アプリにレコメンドの機能を搭載するのは難しく思えますが、開発パッケージの「Piece」ならば、あらかじめ用意されています。ユーザーが質問に回答するとレコメンドが表示される仕組みで、初期費用は40,000円（税抜）です。運用コストも月額10,000円（税抜）からの管理画面利用料だけで済みます。
レコメンドの導入でユーザーの満足度を簡単に高められるでしょう。
レコメンドはユーザーの行動や好みから、別の商品をおすすめする機能です。AIによってさらに様々な要素から学習して、よりユーザーに合った商品をおすすめできるようになっています。既に導入しているアプリは多く、あらかじめ開発パッケージの中に含まれている場合もあります。
