レコメンドアルゴリズムを知りたい

レコメンドアルゴリズムとは

レコメンドアルゴリズムはwebサイト/メールに表示させるおすすめ商品を「商品データ」から抽出するためのアルゴリズムです。

b→dashのレコメンドアプリでは複数のレコメンドアルゴリズムを利用することができます。利用するレコメンドアルゴリズムによっては「顧客データ」「閲覧履歴データ」「アクセスログデータ」などのb→dash上のデータを利用した抽出条件の設定を利用することや、「ランキング形式」「webサイト/メール閲覧ユーザーとの相関」「ランダム指定」などの商品データの抽出方法の指定が可能です。

本記事ではb→dashで利用することができるレコメンドアルゴリズムについて紹介します。レコメンドアプリ活用にあたり、サイトレコメンド用データや、メールレコメンド用データを作成する際は本記事をご参照ください。

b→dashで利用できるレコメンドアルゴリズム

レコメンドアルゴリズムはサイトレコメンド用データの作成か、メールレコメンド用データの作成かによって利用できるアルゴリズムが異なります。利用できるレコメンドロジックに関してはb→dash管理画面（サイトレコメンド用データ/メールレコメンド用データ新規作成画面）で確認することができます。

サイトレコメンドで利用できるレコメンドアルゴリズム

サイトレコメンド用データの作成で利用できるアルゴリズムは現在以下の11種類です。

サイトレコメンド用データ新規作成画面-アルゴリズム選択モーダル

レコメンドアルゴリズム詳細

#	アルゴリズム	説明
1	購入データを利用した ランキング	購入データを用いて、アイテムごとに購入回数または購入金額を算出し、上位のアイテムからレコメンド表示を行うアルゴリズムです。 どのユーザーに対しても同じ結果を表示します。
2	閲覧データを利用した ランキング	閲覧履歴データを用いて、閲覧回数を算出し、上位のアイテムからレコメンド表示を行うアルゴリズムです。 どのユーザーに対しても同じ結果を表示します。
3	商品データを利用した ランキング	商品データの特定項目を用いて、その上位のアイテムからレコメンドを表示するアルゴリズムです。 どのユーザーに対しても同じ結果を表示します。 ※特定項目としては「商品発売日」「商品価格」などが利用されます
4	購入データを利用した 類似ユーザーの相関	購入データに基づき、類似したユーザーが購入しているアイテムを表示できるアルゴリズムです。 ユーザーによって表示内容が異なります。
5	購入データを利用した 類似アイテムの相関	購入データに基づき、よく一緒に購入されているアイテムなどを類似したアイテムとして表示できるアルゴリズムです。 閲覧中のアイテムによって表示内容が異なります。 ※類似アイテムの判定には同時購入以外の要素も含まれます
6	閲覧データを利用した 類似ユーザーの相関	閲覧データに基づき、類似したユーザーが閲覧しているアイテムを表示できるアルゴリズムです。 ユーザーによって表示内容が異なります。
7	閲覧データを利用した 類似アイテムの相関	閲覧データに基づき、同一セッションでよく閲覧されているアイテムなどを類似したアイテムとして表示できるアルゴリズムです。 ※類似アイテムの判定には同一セッション内での閲覧以外の要素も含まれます
8	商品データを利用した アイテムのランダム指定	商品データからランダムにデータを抽出してレコメンドを表示できるアルゴリズムです。
9	閲覧データを利用した 閲覧アイテムの表示	ユーザーの閲覧データから閲覧されたアイテムのデータを抽出してレコメンドを表示できるアルゴリズムです。
10	外部データの活用 （ユーザー相関）	貴社で利用中のレコメンドエンジンや統計ツール、機械学習システムのレコメンド計算結果を、b→dashでも利用することができるようになるアルゴリズムです。
11	外部データの活用 （アイテム相関）	貴社で利用中のレコメンドエンジンや統計ツール、機械学習システムのレコメンド計算結果を、b→dashでも利用することができるようになるアルゴリズムです。

メールレコメンドで利用できるレコメンドアルゴリズム

メールレコメンド用データの作成で利用できるアルゴリズムは現在以下の7種類です。

メールレコメンド用データ新規作成画面-アルゴリズム選択モーダル

レコメンドアルゴリズム詳細

#	アルゴリズム名	説明	関係図
1	購入データを利用した ランキング	購入データを用いて、アイテムごとに購入回数または購入金額を算出し、上位のアイテムからレコメンド表示を行うアルゴリズムです。 どのユーザーに対しても同じ結果を表示します。
2	閲覧データを利用した ランキング	閲覧履歴データを用いて、閲覧回数を算出し、上位のアイテムからレコメンド表示を行うアルゴリズムです。 どのユーザーに対しても同じ結果を表示します。
3	商品データを利用した ランキング	商品データの特定項目を用いて、その上位のアイテムからレコメンドを表示するアルゴリズムです。 どのユーザーに対しても同じ結果を表示します。 ※特定項目としては「商品発売日」「商品価格」などが利用されます
4	購入データを利用した 類似ユーザーの相関	購入データに基づき、類似したユーザーが購入しているアイテムを表示できるアルゴリズムです。 ユーザーによって表示内容が異なります。
5	閲覧データを利用した 類似ユーザーの相関	閲覧データに基づき、類似したユーザーが閲覧しているアイテムを表示できるアルゴリズムです。 ユーザーによって表示内容が異なります。
6	商品データを利用した アイテムのランダム指定	商品データからランダムにデータを抽出してレコメンドを表示できるアルゴリズムです。
7	外部データの活用 （ユーザー相関）	貴社で利用中のレコメンドエンジンや統計ツール、機械学習システムのレコメンド計算結果を、b→dashでも利用することができるようになるアルゴリズムです。

サブロジックに利用できるレコメンドアルゴリズム

レコメンドアルゴリズムは最初に商品データを抽出するための「メインロジック」と、メインロジックで抽出した商品データがwebサイト/メールに表示する商品数として足りなかった場合にもう一度商品データを抽出するための「サブロジック」と、2つまで選択することができます。

サブロジックとして選択するレコメンドアルゴリズムは、メインロジックで選択したレコメンドアルゴリズムの種類によっては選択できないものがあります。
レコメンドデータ作成の際にサブロジックを利用する場合は、下記の一覧を参照にメインロジックとサブロジックで選択するレコメンドアルゴリズムをご確認ください。

メインロジックとして選択したアルゴリズムと、
サブロジックとして選択できるアルゴリズムの組み合わせ一覧