レコメンドの固定観念にとらわれていないか？
アーリーアダプターが利用していた時代から、レイトマジョリティへと移行しつつある現在のEC。その変化に対応できずにいるサイトをいかに改善し、売上向上につなげるかにフォーカスしたゼロスタート社のECソリューション「ZERO-ZONE」は、デジタルデバイスやインターネットについての知識をもたない人も迷うことなく使える操作性を追求している。今回は、ゼロスタート代表取締役社長 山崎徳之氏に「レコメンド」について話を聞いた。
レコメンドといえば必ず言及されるのが、Amazonの「この商品を買った人はこんな商品も買っています」というもの。「協調フィルタリング」と呼ばれるこの手法が、Amazonの売上を押し上げていることはよく知られている。しかし、「固定観念にとらわれてはいけない」と山崎氏。レコメンドには、狭義のレコメンドと広義のレコメンドがあるという。
「多くの人が思い浮かべる協調フィルタリングは狭義のレコメンド。機械学習や相関係数にを用いたレコメンドで、買う人の趣味嗜好が出やすい商品に有効という特徴がある。一方、広義のレコメンドは本来の「おすすめ」という意味のレコメンド。日用品をよく買うお客様に、新しい洗剤や今日の特価品をおすすめする、といったもので、ユーザーの行動履歴は使いません。『この人はサバをよく食べるから、イワシをすすめよう』ではなく、『今日は、アジが安いですよ』とおすすめする。そのほうが、おすすめされるほうもうれしくないですか？」
従来の手法ではカバーしきれない領域があることに、いま多くのサイト運営者が気付き始めている。たとえば、デジカメや時計を型番で検索すれば、そのものズバリの検索結果を引き出すことは簡単だ。しかし、最近では、その商品のあとに出た新商品がある場合、その情報も表示するようになってきた。
「新商品が出たことを知らずに、去年のモデルを検索してる可能性ってあるじゃないですか。特に価格比較サイトの場合、値下げ率の大きい旧機種が上位に表示されやすい。それをわかったうえで購入するならいいのですが、もしかしたらこの人は5000円高くても、新機種がほしいのかもしれない。そういう場合には、『この機種を買っている人はこの機種も買っています』というおすすめより、単に『この機種の後継機種が出ています』というおすすめのほうが喜ばれる可能性は十分ある。ケースバイケースなので、組み合わせは非常に重要だと思います」
レコメンドで重要なのはモデルであって手法ではない
では、ゼロスタートのレコメンドエンジン「ZERO-ZONE Recommend」はどのような手法を用いているのだろうか。「最近はこれに収まらないところも出てきているのですが」と補足しながら、山崎氏はZERO-ZONE Recommendで利用されているレコメンド手法の例として以下の4つを挙げた。
サイトの特性に合ったレコメンドを実現するには、こうした手法をレコメンドエンジンに組み込んでいくことになる。しかし、「大事なのは手法ではなくモデル」と山崎氏は言う。
「レコメンドの効果を最大化するのに非常に重要な要素がモデルです。レコメンドを生成する際には、APIを通してデータの入出力を行い、数学的な演算を行うエンジンと接続します。ここで単なる演算をするだけでなく、ビジネスロジックを入力と出力に適用するのがモデルの役割。つまり演算はビジネスロジックのための道具にすぎません。複数のエンジン（レコメンド手法）の掛け合わせをサービスに合わせて最適化するモデルを実装すること、これによって精度の高いレコメンドが可能になり、収益とユーザ満足度を向上させることができるのです」
レコメンドの目的はユーザーに「気づき」を与えること。その背後では、精度の高いレコメンドを実現するために、エンジニアが試行錯誤を繰り返しているのだ。
