レコメンデーションエンジンとは何ですか?

Feb 02, 2024

レコメンデーション エンジンまたはレコメンダー システムは、ユーザーの過去の行動や好みに基づいてパーソナライズされた提案をユーザーに提供するデータ フィルター ツールです。 機械学習アルゴリズムと統計分析を使用して、ユーザーが生成したデータに基づいてユーザーの欲求やニーズを予測し、ユーザーが興味を持ったり関連性があると思われる製品、コンテンツ、情報を提案したりできます。

レコメンデーション エンジン プロバイダーである Amplitude の製品ディレクター、パトリック トンプソン氏によれば、「目標は、これまでの行動に基づいて、適切なコンテンツを適切な人に適切なタイミングで推奨するところまで到達することです。」 」

レコメンデーション エンジンは、機械学習を使用してユーザーの行動データ (閲覧履歴や過去の購入など) のパターンを検出し、ユーザーが興味がある、または関連性があると思われる特定のコンテンツ、製品、または情報を提案するツールです。

レコメンデーション エンジンは、ビデオ ストリーミング サービスから電子商取引サイトまで、ほぼあらゆる場所に存在します。 身近な例としては、視聴履歴に基づいてユーザーが好みそうな番組や映画を提案する Netflix や、ユーザーの閲覧履歴を使用して情報をランク付けし、ユーザーが次に何を検索するかを予測する Google があります。

情報過多の世界において、レコメンデーション エンジンにより、消費者は必要な製品やコンテンツを簡単に見つけることができ、企業は、それらの消費者をリピートし続けるパーソナライズされたエクスペリエンスを作成できます。

関連記事ユーザーにとって、AI の向上はよりパーソナライゼーションを意味します

簡単に言えば、レコメンデーション エンジンは大量のデータを収集し、機械学習を使用して「次善のアクション」を推奨します。それは製品の購入からビデオのクリックまで、あらゆるものに及ぶ可能性があるとトンプソン氏は述べています。

レコメンデーション エンジン プロバイダーである InData Labs の AI 開発者、ユージン メドベド氏によると、レコメンデーション エンジンでは、ユーザーとアイテムという 2 つの主要なカテゴリが機能します。 「タスク自体は、インタラクションの確率に基づいて特定のユーザーのアイテムをランク付けすることです。」と彼は説明しました。

これは、データ収集から始まる標準的な操作順序によって実現されます。

レコメンデーション エンジンが機能するためにはデータが不可欠です。 ユーザーの閲覧習慣、購入履歴、さらには性別や年齢などの個人情報に関する情報が、パターンを抽出するための構成要素を形成します。 レコメンデーション エンジンがアクセスできるデータが増えるほど、関連性の高い提案を行う際の効果が高まります。

通常、このデータは 2 つの形式で提供されます。 1 つは暗黙的なデータで、ユーザーの検索履歴、クリック、購入、その他のアクティビティに関する情報を指します。 ユーザーがサイトを使用するたびに企業によって収集されます。 もう 1 つは明示的なデータで、以前の評価、レビュー、コメントなどのユーザーの入力をカバーします。 (レコメンデーション エンジンは、同様の顧客を特定するために、個人の年齢、性別、一般的な興味に関するデータも使用します。)

この顧客データをすべて収集することは、レコメンデーション エンジンを構築するために不可欠です。

顧客データが収集されたら、保存する必要があります。 保存される方法と場所は、収集されたデータの種類によって異なります。

企業は、ユーザーに関するデータに加えて、靴やテレビ番組など、提供するアイテムに関するデータも保存します。 これには、価格からジャンル、アイテムの種類までさまざまなものが含まれます。これらすべては、製品の類似性やユーザーの好みを判断するために使用されます。

次に、機械学習システムがそのデータの上に配置され、データをドリルダウンして分析します。

レコメンデーション エンジンはあらゆる種類のアルゴリズムを使用してデータを分析しますが、最も一般的なアルゴリズムは特異値分解 (SVD) です。 これは、データ内のパターンと関係を検出し、それらのパターンと関係の強さを判断するために、行列を 3 つの小さな行列に分解する数学的手法です。 目標は、大規模なデータセットの基礎となる構造をより深く理解し、意味のある情報を抽出できるようにすることです。