ALBERTが独自に開発したニーズインプット型レコメンドエンジンは、リアルタイムレコメンデーションの一種で、買いたさとスペックの関係を「コンジョイントモデル」の応用で最適化した独自の商品データベースと、その個人が理想とする商品と、推薦する商品との距離測定方法に大きな特徴があります。

価格と買いたさの関係は必ずしもリニアではなく、1万円以上であれば全く買いたくはないが、1万円を切った時点で少し買いたくなり、5,000円を切れば大幅に買いたさが増すということはよくあります。デジカメの画素数でいえば、200万画素以下ではお話にならないが、逆に500万画素を超えればいくらスペックが高くても買いたさは増さないということがあります。
これらの買いたさとスペックの関係は、コンジョイント分析をすれば明確になります。コンジョイントモデルを応用し、すべてのスペック項目を買いたさの値に最適化しています。料理に入れる塩の量のように、少なくても多くても買いたさ(おいしさ)が減少するスペックもあります。たとえば一眼レフデジカメの大きさや重さは、たばこ程度では小さ過ぎかつ軽過ぎて撮影しにくいですし、プロ用のビデオカメラほどであれば、大き過ぎかつ重過ぎて使いにくい。この様な買いたさとスペックの関係が、単調増加や単調減少でなくピークを持つものであっても、また連続的でないものや周期性があるもの等、どのような関数であっても対応できる様に設計されています。
デジカメ購入決定のポイントは、数年前までは画素数でした。1995年3月に発売されたCASIOの「QV10」は25万画素。それでもホームページに使うには何とか耐えられましたが、印刷できる代物ではありませんでした。それから10年、メーカーは印刷画質を銀塩写真に近づけようと画素数競争が行なわれてきました。しかし、L版程度の印刷品質ではもう差が出ないほどの撮像素子が開発されると、消費者の興味は使い勝手に移行してきました。調査によれば、デジカメ購買時の重視点は、手ぶれ補正とバッテリーの持ちになってきています。
この様に、消費者がスペックの何を重視して購買の意志決定をしているかは、実はどんどん変わっていくものであり、メーカーでさえ追いついていない場合があるほどです。
評価構造図作成には、最近注目されている「評価グリッド法」という手法を用います。「評価グリッド法」はパーソナルインタビューで用いられることの多い手法の1つで、人間が「何を知覚して」その知覚から「どのような理解をし」、そこに「どのような価値を見出して」いるのか、という消費者が持つ評価構造を明らかにして、視覚的に階層構造として表現することができる画期的手法です。
この評価構造図を元に、消費者がその商品のどこに価値を感じ、どのスペックがどんなベネフィットを与えているかという購買意志決定モデルを明らかにし、商品推薦用の質問設計を行ないます。
商品像をヒアリングし、その結果からその人にとっての理想商品を定義、データベース上の商品との空間距離をリアルタイムで測評価構造図を元に設計されたアンケートをWeb上に準備、個人の求め定し、距離の近い順に推薦します。
Web上のアンケートは、選びやすい大きなボタンと選択ポイントを示す説明や用語説明のチャート、重視度を感覚的に入力できるスライダーで構成します。その人のすべての要望を満足する架空の理想商品Xと、データベース上にあるすべての商品について、スペック毎に重み付けをした上で、n次元空間における距離(重み付けユークリッド距離)を測定。その距離が近い順にレコメンド(推薦)する訳です。
推薦と同時に、その商品が理想の商品に対して、どの程度離れているかを計算し、フィット率として表示します。さらに、フィット率が悪い場合、どのスペックが理想と離れているかの乖離率を出すことも可能です。