MENU

for Ideal Design

データ活用

レコメンデーションエンジンの3つの種類とオフィスワークへの応用

データサイエンス AI 業務改善 データ活用 IT

こんにちは。
ワークスアイディの奥西です。

ECサイトで買い物するケースが増えていますよね。
リアル店舗を散策しながら発見する楽しさもありますが、私も何かとWEBで買い物をすることが多いです。ECサイトでの顧客体験が進化したお陰で、ついついおすすめされたものをポチッと購入してしまいます……。

さて、本日はついついポチッとしてしまう
「レコメンド機能」「レコメンデーションエンジン」について一緒に学んでいきましょう。

ちなみに、YouTubeの「ハタシロク」という番組がおすすめなので
是非再生ボタンをポチッとしてください!

ハタシロク

レコメンデーションエンジンとは

レコメンデーションエンジンとは、個々のユーザーの嗜好や過去の行動データを基に、
ユーザーに最適な商品やサービスを提案する技術のことを指します。
レコメンド(recommend)とは「推薦する、勧める」という意味です。

例えば、Netflixが視聴履歴に基づいて新しい映画やドラマを提案してきたり、
ネットショップや動画配信サービスなどでは、「あなたにおすすめ」といった提案をしてきますよね。
これがまさにレコメンデーションエンジンです。

レコメンデーション技術は、単に「次に何を見るか」を提案するだけでなく、
ユーザー体験を高め、ビジネスの売上に大きな影響を与える重要な役割となっています。

ワークスアイディもデータサイエンスの分野で
レコメンド機能をいくつか支援させていただいております。

実績としてはBtoCビジネスが多く、
社内で利用しているシステムの機能としてレコメンドの要望が増えています。
今後は、BtoBビジネスにおいても大きな効果を発揮していくと考えられます。

レコメンデーションエンジンの3つの種類

レコメンドする際、どの部分をベースにレコメンドするものを考えるか、でアルゴリズムが変わってきます。
今回は基本的な3種類をご紹介します。
また、単一ではなく複数の技術を組み合わせた、ハイブリッドタイプもあります。

レコメンドの種類 ユーザーベース、アイテムベース、ルールベース

1.ユーザーベース

他のユーザーとの類似性に基づいて提案を行う方法です。

例えば、商品の購入履歴が似ているユーザーAとユーザーBがいた場合、
ユーザーAが購入した商品を、まだ購入していないユーザーBにも提案します。

これは、次に紹介するアイテムベースと共に「協調フィルタリング」とも呼ばれ、
ユーザー同士の共通点を活かして、新しい提案をするロジックです。

2.アイテムベース

特定のアイテムの属性に基づいて、関連する商品やサービスを提案する手法です。

例えば、ある映画を視聴すると、
その映画と同じジャンルや同じ監督の作品を提案します。

アイテム同士の類似性を活かして提案を行うため、
嗜好により合った精度の高いレコメンドが可能です。

3.ルールベース

予めルールを決めておき、ルールに沿ってレコメンドを行う仕組みです。

例えば、パソコンを購入したユーザーにはマウスを勧める、など
売り手側が売りたい商品を指定することが出来ます。

ユーザーベースやアイテムベースとは異なり、
売り手側からのレコメンドなので、顧客的にはそこまで満足度は高くないですが、
簡単に実装しやすいという利点があります。

オフィスワークでのレコメンデーションの用途について

ECサイトなど、BtoCでは馴染みのあるレコメンド機能ですが、
オフィスワークの効率化にも繋がると思い、考えてみました。

1.ドキュメントの管理と検索の効率化

オフィスワークの仕事をしていると、大量のドキュメントから資料やファイルを検索するといったことが多々あります。
ドキュメントを効率的に管理・検索するのは潜在的な課題ですよね。

この課題の解決には、ナレッジマイニングなどの検索機能を作るか、
SaaSのドキュメント管理ツールを使うという手などがあります。

レコメンド機能で解決するとすれば、
例えばファイルに名前をつけると、指定の格納場所をレコメンドしてくれて自動格納。
または、ドキュメントの内容に基づいて、関連する格納ファイルを提案してくれたら助かります。

今後はAIとの連携で、デスクトップお掃除AIが実現していきそうですね。

2.スケジュールと活動から見たストレッチ提案

オフィスワークの仕事をしていると、肩こりや運動不足になりがちですよね。

例えば、スマートウォッチやスマホで収集した1日の活動データと
仕事のスケジュール内容や移動距離などを連動し、
適切なストレッチをレコメンドしてくれるといいですよね。

「今日は仕事が忙しくて疲れているみたいですね。
歩数も1万歩を超えているので、3つのストレッチをオススメします」といった感じで、
その日の活動に合ったストレッチ方法を提案してくれるので、
肩こりや運動不足を少し解消し、コンディションの良い状態で働けそうです。

こちらは既に類似の事例はありますね。
今後もデータ活用により、様々なレコメンドパターンが増えていきそうです。

まとめ

レコメンデーションエンジンは、
今後のビジネスにおいて非常に強力なツールです。

ユーザーの嗜好に合わせた提案を行うことで、顧客体験を向上させ、
ビジネスの売上や満足度を大きく伸ばすことが期待できます。

AIが進化していって、レコメンドによって
人よりも寄り添ってくれるようになるかもしれませんね。

皆さまの会社でも「レコメンデーション」を仕事に活かすをテーマに
議論してみてください。

本日もGOOD JOB!!

▼こちらもおすすめ

DX無料オンライン相談会