レコメンドエンジンには、非常に多くのアルゴリズムがありますが、よく使われているものは、そう多くはありません。ALBERTではランキングもレコメンデーションの一つという考え方をしており、すべてのレコメンデーションをACKマトリクスで12に分類しています。その中でから、現在よく用いられている代表的なレコメンドロジックを3つご説明します。
ハンバーガーを買って、かつポテトも買う人が多かったら、
ハンバーガーを買った人にポテトをおすすめすれば、購入する確率が高い。
購入金額をアップする「クロスセル」を実現することができます。
どんな商品かということには無関係なので、商品スペックを用意する必要がありません。反面、多くの人の行動履歴が必要となります。また、パーソナライズされていないので、非ログインで使えますが、誰が来ても同じ商品しか推薦されません。
ハンバーガーとチーズバーガーは似ている
ハンバーガーを見ている人に、チーズバーガーもありますよと教えてあげる。
購入単価を上げる「アップセル」を実現することができます。
商品の特徴やスペックを基に似ている商品をおすすめするので、人の行動履歴には全く関係がないため、新商品や履歴のないサイトでも使うことができます。反面、商品スペックを準備する必要があります。また、パーソナライズされていないので、非ログインで使えますが、誰が来ても同じ商品しか推薦されません。
購買履歴から、あなたに似ている人を探します
あなたに似ているのはＣさんでした
あなたの購買履歴はCさんの購買履歴に似ています
よって、あなたとCさんは好みが似ています
Cさんは買っているけれど、あなたが買っていない
は、きっとあなたも好きに違いない
よって、あなたにをおすすめします
自分の購買履歴を使うので、よりパーソナライズされ自分にピッタリの商品が推薦される可能性が高くなります。ただし、個人を特定するので、ログインをしている必要があります。逆に言えば、ログインしていない場面でのレコメンデーションは、協調フィルタリングとは言えません。
