2011年05月17日

「相関係数」を応用した「レコメンデーション」機能の実現

今回の記事は、かなり「技術」寄りです。
しかし、我々Webマーケッターにとって、「技術」と「マーケティング」は切っても切り離せないと考えます。


amazonを始めとする、オンラインショップ等で「XXさんへのおすすめ商品」というのを見かけませんか?
それは、「レコメンデーション」機能と呼ばれるものです。

元々レコメンデーションは「米ゼロックス パロアルト研究所」が1992年に開発した「Tapestry」で、e-mailとネットニュースの推奨をするための仕組でした。
今ではamazonを始め、あらゆるところで活用が進んでおり、Web2.0時代の「ロングテール」を支える技術の一つとして注目されています。

さて、レコメンデーションを実現させるための代表的な方法を紹介します。
1.ルールベース方式
別名「エキスパートシステム」。
「AI」(人工知能)の実現方法としては、大変古典的なもの。
原理は実に単純で、「Yes/Noチャート」をコンピュータ上で実現するものです。

「Yes/Noチャート」とは、生命保険や自動車保険等の「自分に合った保険プランをYes/Noで選べる」というもので、ご覧になったことがあるのではないでしょうか。

この方式は、大量にYes/Noの選択肢を用意しておかなければない上、その精度を維持するために、日々メンテナンスが欠かせないという課題があります。


2.コンテンツベース方式
「コンテンツベースフィルタリング」とも言います。

選んだ商品の属性情報(カテゴリやその他)を元に、おすすめ商品を表示するものです。

「特定のカテゴリ(例えば 「経理関係の本-A」)を買った人は似たカテゴリ(例えば「経理関係の本-B」にも興味があるのではないか?」
という推論の元で、おすすめ商品を表示するものです。

しかしこれをコンピュータ上で再現する場合、カテゴリとカテゴリが「近いか遠いか?」といった判断をコンピュータでやらなければならず、これにはテキストマイニング技術が欠かせません。


3.協調フィルタリング方式
さて、これが今回のテーマ。
こちらは「人」に着目する方式で、比較的多く使われている方式です。

「同じような好みを持つ2人は、同じような商品を好むのではないか?」
という推論の元で、おすすめ商品を表示するものです。

最大のメリットは、メンテナンスの必要が無いことですが、過去の他の人の購入履歴を参考にするので、大量なデータが無いと的確なおすすめができません。

・・・と「レコメンデーション」について蘊蓄はこのくらいにしておいて、実際にExcelでレコメンデーションを作ってみました
(前回に引き続き、Excel・・・どこまでExcel好きなんでしょうか・・・)

相関係数を応用した「協調フィルタリング方式」のレコメンデーション
(ダウンロード-Excel形式)



細かい説明は別の機会にさせてください。
posted by Ryo ASADA at 19:29| Comment(0) | TrackBack(0) | マーケティング | このブログの読者になる | 更新情報をチェックする
この記事へのコメント
コメントを書く
お名前:

メールアドレス:

ホームページアドレス:

コメント:

認証コード: [必須入力]


※画像の中の文字を半角で入力してください。
※ブログオーナーが承認したコメントのみ表示されます。

この記事へのトラックバック
×

この広告は1年以上新しい記事の投稿がないブログに表示されております。