こんにちは、

【SE小規模社長給料年収簡単】の

山本です。

今回は、「協調フィルタリングでレコメンで(推薦)」について

私、【SE小規模社長給料年収簡単】の山本が、

お話しします。

 

協調フィルタリングでレコメンド(推薦)

協調フィルタリングとは

 

簡単に言うと、ある嗜好を持つ人が

買った商品は、

同じ嗜好を持つ他の人も

買う可能性があるので、

book-1177574_640

嗜好の情報を記録し、

このデータをもとに

似た嗜好の人に対して商品を

推薦するシステムのことです。

 

Amazonなどのサイトで、

「○○さんへのおすすめ商品」とか、

 

「この商品を買った人は、

こんな商品を買っています」

などの推薦商品が表示されますよね。

supermarket-shelf-1094814_640

それが協調フィルタリングの

アルゴリズムでレコメンド(推薦)

しているわけなんです。

 

 

推薦されている商品に、

つい興味を惹かれて、

見てしまいませんか?

 

私は、無意識に見てしまいます。

 

こんな商品もあるのかとか、

 

同じような商品はどんなものがあるのか、

価格はどうなのか、耐久性や使用感、

あるいは、安全性や機能性など、

 

比較してみて、その中から選びなおすか、

最初に見ていた商品が

やはりお薦めであったなど、

 

選択の範囲が広がったり、

選んだ商品に間違いなかったと、

裏付けにもなります。

 

 

全ての人が「少し好き」の商品市場はない

商品の市場では、

すべての人が、

その商品を少しだけ好き

ということはあり得ません。

 

star-25288_640

 

 

特定のしかも限られた人だけが、

特別に好きな商品であることが、

その商品の市場を作り出していると言えます。

 

service-1186371_640

 

この限られた人のことを

ターゲット顧客と言います。

 

 

貴方はどうですか?

少しだけ好きだという商品を

敢えて買おうと思いますか?

 

 

私は、買いません。

どうしても必要に迫られて

仕方なく買うような場合や

 

価格が自分の財布事情に

全く影響しないというのであれば別ですが、

 

 

殆どの場合は、

特別に好きだという場合に

商品を購入しています。

 

高額な商品になればなるほど、

そういう傾向がありますね。

 

従来のレコメンド(推薦)手法

これまでのマーケティングにおいての、

ターゲット顧客の設定方法は、

 

年齢、性別、収入、学歴、社会的地位、

会社規模や業界、売上や従業員数

などといった個人の属性や、

human-810030_640

朝・昼・晩・春夏秋冬という時間軸、

それと、生まれ育った国や地域などの

エリアなどをもとにして顧客を分類し、

 

この中からターゲットを選び出して、

行ってきました。

 

このようなターゲット顧客が、

ある特定のマーケティングに対して、

 

みな同じような行動を期待できると

言われてきました。

 

しかし、こうした従来のターゲット顧客

の設定は、時代と共に顧客の価値観が

多種多様化してきたことにより、

 

以前に比べて、

うまく当てはまらなくなってきました。

 

なんとかしてターゲットを絞らなくては、

限られている予算で効果的な

マーケティングの活動はできません。

 

そこで、注目された

マーケティング顧客の設定方法が、

顧客の嗜好によってターゲットとなる顧客を

細かく分類できる「協調フィルタリング」

という方法です。

 

協調フィルタリングの強みは、

属性からは決して見えてこない、

あたらしいグループを設定することが、

できる点にあると言えます。

 

会社規模も業界も全く異なる顧客の

あいだに共通する購買パターンを見出し、

一方では、採用された商材を、

 

もう一票に提案したら

すんなり売れたりするのを目の当たりにすると、

 

協調フィルタリングの底力を

実感されるのではないでしょうか。

 

直感的な推論

協調フィルタリングは、

ある人の興味と同じ興味を持つ

全く別のひとは、

 

嗜好が似ているという直感的な

推論をもとにユーザ間の類似度を

計算しています。

 

また、協調フィルタリングは

予測の計算をするために、

非常に多くの嗜好のデータを必要とします。

collaborative_filtering

そのため、嗜好のデータが

不十分な状態ではターゲット選定の

精度が低くなってしまうという

デメリットも含んでいると言えます。

 

このため、多くの場合、

別のフィルタリングを併用して、

 

行動ターゲッティングや

コンテンツフィルタリングなどの

手法を取り入れて、補完することで、

 

精度を高めることが求められます。

 

またこれはレコメンデーションサービスを

提供するうえで使用される、

代表的な方法となっています。

 

このように、協調フィルタリングにおいては、

ユーザごとの嗜好情報が多ければ多いほど、

また、ユーザ自体の数も多い方が、

 

より正確な推測が実現できるということです。

 

クチコミ評価

商品を購入して、

実際に使用したユーザの評価も

重要になるわけですが、

 

「非常に良い」や「良い」の評価ばかりなら、

主力商品となり、推薦に値しますが、

158

 

殆どの評価が「少し良い」では、

推薦できないので、その場合は、

 

「この商品を買った人はこんな商品を見ています。」

の情報として推薦したりするのでしょうね。

 

如何でしたか、

 

今回は、「協調フィルタリングでレコメンド(推薦)」について

【SE小規模社長給料年収簡単】の山本が、

お届けいたしました。

 

次回も役立つ情報をお届けいたします。

 

最後までご覧いただきありがとうございました。

 

貴方の成功を心より願っています。