良好なユーザー体験の鍵は「レコメンド範囲の拡張」

　デクワスはどのように趣味嗜好を選出しているのだろうか。北村氏は「複雑ネットワークという医学や遺伝学でも使われている最先端の分析技術を使ってレコメンドアルゴリズムを開発しています」と語り、2つの特徴を紹介した。

　1つ目の特徴がレコメンド範囲の拡張だ。北村氏はアパレル企業の購買データを例に説明した。下の図を見ると、ユーザーの購買パターンは非常に複雑だ。しかし、データを紐解いていくと、その中にも単純な法則がある。それを分析することで、データ処理を格段に速くしているという。

　カラフルな円は小物やシャツといった各商品を表し、矢印は、次にどの商品を購入する傾向にあるかを予測している。一部を拡大すると、下の図のように商品群と商品群が線でつながっていることがわかる。これらの各商品群をつなぐ矢印をたどることで、ユーザーが何を購入するかがわかるわけだ。

　例えば、ベルトからはパンツやジャケット、カジュアルシャツに矢印がつながっています。つまり、ベルトを購入したユーザーには矢印の先の商品がオススメ商品だといえる。しかし、これでは誰もが予測できる範囲だ。ここで活きてくるのが、デクワスの持つ趣味嗜好による予測アルゴリズムだ。

　「例えば、次の図を見るとベルトとブルゾンは直接、矢印ではつながっていません。ですが、カジュアルシャツを経由してつながっています（緑の矢印）。デクワスはベルトを閲覧したユーザーのおすすめ商品として、ブルゾンを紹介します。レコメンド対象を一段拡げることで、ユーザーが見つけられなかった商品や、新たに興味を持つような商品に出くわすことができるのです」（北村氏）

次に購入する商品の傾向を分析

　もう1つの特徴が、相互商品間の関係性だ。例えば、ジャケットとパンツは両方向に矢印がある。これはジャケットとパンツは一緒に購入されていることを示す。対して、コートとパンツは一方向にしか矢印がない。これはコートを買った人はパンツを買うが、パンツを買った人はコートを買わないということを意味する。

　「仮説としては、コートは季節性の強い商品なので、コートを買おうというモチベーションを持っている、と考えることができます。ですから、ジャケットを探しているユーザーにパンツはレコメンドしますが、コートを探している人にはレコメンドをしません」（北村氏）

　このように、ユーザーが次にどの商品を閲覧・購入する傾向にあるかを予測し、成果向上を日々行っている。なお、デクワスの分析アルゴリズムは日本と米国で特許が取得されており、サイジニアでしか実現できない技術。当然、アイレコでもこれらのアルゴリズムが適用され、レコメンドを強力に支えている。