１．ユーザー行動と商品属性をマッチング

個人の嗜好や親和性を特定するには、まず、サイト行動の定性・定量的な分析から始めます。閲覧商品や評価、カートに追加された商品、ブランド名での検索履歴、コメントの書き込みなどといった一連の行動には、個人的な興味や嗜好、目的に関する重要なヒントが隠れています。

ユーザーが商品を閲覧した際、様々な関連商品が併せて表示されます。そして、サイト行動に関連したデータと商品属性を紐づけることで、個人レベルで嗜好を理解するための貴重な洞察が得られます。
このようなサイト行動と商品属性の組み合わせという考え方がアフィニティに基づくレコメンデーションの中核を成し、多次元のアフィニティプロファイルを使って活用することができます。

２．親和性に基づいた顧客プロファイル

収集された行動データを活用して、個人ごとに多次元的でリッチなアフィニティプロファイルが「Dynamic Yield（ダイナミックイールド）」で構築できます。アフィニティプロファイルは、サイト行動と、最も意味のある反応があった商品属性との相関関係を測定＆計算し、割り当てられたスコアを特徴としています。

アフィニティベースのレコメンデーション例をご紹介しましょう。

画像のジェーンのアフィニティプロファイルには、ECサイト内で最も好まれている商品カテゴリと色が表示されています。このプロファイルからは、ジェーンは「ウィメンズ」が最も好きなカテゴリであり、「赤」が最も好きな色だということが分かります。
最も意味のあるサイト行動（商品閲覧、カート追加商品、購入）のフェーズごとで相関するすべての属性をランク付けし、購入傾向を絞り込むことで、最も親和性の高い商品属性が明らかになります。

この分析データからジェーンが最も興味のある商品を予測することで、精緻なレコメンドが可能になるのです。

３．ユーザー行動の変化にも適応

ユーザーの興味や嗜好は、時代遅れのトレンド、コンテンツやテクノロジーの古さなど、様々な外部要因に影響を受けます。アフィニティプロファイルは、時間とともにユーザーの嗜好が変化したとしても、最も効果的なレコメンデーションを行うよう設計されています。

嗜好の変化を効果的に捉えるために、アフィニティプロファイルは、PV、アクション、イベントが追加されるたびにリアルタイムで更新し、サイト行動も直近のものを優先させます。
各インタラクションの最新性を考慮することで、ユーザーの意図を引き出し、効果的で関連性の高いレコメンデーションを、カスタマージャーニー全体で一貫して行います。

アフィニティベースのレコメンデーションは、ユーザーの嗜好と複雑に絡みあうデータを紐解き活用するために、最も重要かつ効率的な方法の1つと言えます。
アフィニティプロファイルを使ってユーザーデータを集計することで、個人レベルの嗜好を理解するうえでの貴重な洞察が得られます。それをもとに、魅力ある商品レコメンドを調整していくことで、顧客エンゲージメント向上の機会を最大化できるのです。

※この記事は、Dynamic Yield社による記事を引用・再構成しています。

カスタマージャーニーにおける顧客体験（CX）をマルチチャネルでパーソナライズするAIプラットフォーム「Dynamic Yield」。

ユーザーの親和性に基づくレコメンデーション戦略を可能にするほか、AIによるROI最大化のための配信コントロール機能「ダイナミックアロケーション」、個々の分析データから隠れた売上拡大機会を発見する「プレディクティブターゲティング」などを複合的に活用することで、個別最適化されたECサイト表示・Web接客を実現します。

Dynamic Yieldと日本初のパートナー契約を結んだアドフレックスでは、取り組みを積極的に進め、専任のコンサルタントが導入から施策サポート、フォローまで全面的なバックアップで事業成長を支援しています。
CX向上のための新たな打ち手を検討している、また、パーソナライズやDynamic Yieldに興味がございましたらお気軽にお問い合わせください。

一緒に読まれています