【秘伝】アマゾンのおすすめ機能はこうして生まれた
コメント
選択しているユーザー
商品ベース(Item-Base)と人ベース(People-Base)など非常にわかりやすく解説されてますね。実際にレコメンデーションのアルゴリズムは「Aを見ている人はBも見ている」「Aを買った人はBも買っている」といった細かいアルゴリズムの違いがあり、さらにそれらはどのタイミングで差し込むか、例えば商品詳細ページなのか、カート画面なのかでも変わってきます。
購買行動として利用者が明示的に示した興味よりも、行動情報として現れている興味の方が圧倒的に効果が高い。アルゴリズムもさることながら、協調フィルタリングが今もなお非常によく利用されるアルゴリズムなのはそこにあるかと思います。
Netflixのレコメンデーションアルゴリズムを個人的な興味で解析したことがありますが、まさにタグ付けが秀逸でその上で成り立っています。そのうえでリード先にも書かれている通りで、完璧を求めていない。カテゴリごとに協調フィルタリングを実施している形ですが、実際に別のカテゴリで同じ作品が表示されているところなどは、本当の完璧性ではない部分もあるかと思います。
おそらく、今後はAIの進化により、人ベースのレコメンドが進んでいくことになると思いますが、もう1つ重要なのはデータとしてエコシステムだと思います。1社が持っているデータだけでなく、パートナーシップをもった複数社でデータを連携をさせていくことで、1社からは一部しか見えないCustomer Journeyを、全体を通し保管しながらレコメンドを行っていく世界になっていくのではないかと。
注目のコメント
わかりやすい良記事。
Amazonの初期技術はアイテムベース協調フィルタリングと呼ばれるもの。Netflix Prize (動画推薦コンテスト)で賞金1億円を獲得したチームはMatrix Factorization (行列分解法)をベースにして200程度のアルゴリズムを調合したハイブリッド方式。
いまの研究分野の話題はご多分に漏れずDNNをどう使うか。ただし、CNNやRNNではない別物。一緒に購入されたものの中からいかに高次元の関連性を学習させるか。
また、DeNAが展開するマンガボックスでは購入履歴だけでなく、「絵の雰囲気が似ている」漫画を推薦する機能を搭載して結構売上に貢献しているというのを講演会で伺いました。アマゾンは個人に紐ついたレコメンドではなく、商品の類似性やバスケット分析による併売商品をリコメンドしているのですね。今のコンピュータパワーならもっとスマートに処理できるでしょう。
音声アシスタントのAlexaは商品ではなく個人に対して色々とアドバイスします。商品とは別のチームが開発しているのでしょうか。真髄はオープンにしていないような。先日ネットフリックスの「おすすめ」について記事を出しましたが、今回はアマゾンのレコメンデーションの礎を作ったリンデン氏にお話を聞きました。文系の私にも分かりやすいよう噛み砕いて説明してもらいました。
良いレコメンデーションとは何かという問いに対して、私はユーザーの立場でしか考えてきませんでしたが、リンデン氏の話を聞き、ビジネスとして成り立たせるという視点の大切さを痛感しました。やっぱりこのレコメンデーションという分野は奥深い。今後も深堀りしていきたいです。