レコメンド機能 紹介
Google Recommendations AI × Fanplayrでお客さまに届ける、
最高のオンラインショッピング体験。
Fanplayr AIレコメンドは、お客さまの好みを学習し、お客様一人ひとりの趣味や好みに合わせてパーソナライズ、レコメンドを通じて、より高度な ONE to ONE マーケティングを実現。まさに”お客さまがもとめている商品との出会い”をアシストし、最高の顧客体験、オンラインショッピング体験を提供します。
デジタルプラットフォーム Fanplayr × Recommendations AI の特徴
-
オペレーション業務負荷なし(AIが運用)
-
リアルタイム表示
-
レコメンドの効果測定ができる
-
ONE to ONE ターゲティング
-
タグ実装のみで稼働
-
自由自在な表示
タグ導入のみで簡単に得られる、"高いコストパフォーマンス"
GoogleAI＋Fanplayr解析による最適化により 高品質な ONE to ONE デジタルマーケティングを提供します。すべてがAI・リアルタイムで運用のため、データ運用業務にかかる人的リソースならびに、低利用料金により高いコストパフォーマンスを実現。
"無駄なく ストレスなく" 誰もが継続できるPDCAサイクルの実現
Google Recommendations AI×デジタルプラットフォーム Fanplayrだからこそ実現できるPDCAサイクルを、はじめませんか？ レコメンド効果検証はもちろん、WEB接客を含むFanplayrならではのアクションとAIレコメンドを連携させることで、より高いパフォーマンス、顧客体験を実現し、得られる効果を飛躍的に向上させます。１つのプラットフォームで稼働するため、PDCAにおいて煩雑なデータ運用業務負荷もありません。
レコメンド機能一覧
Fanplayrで提供させていただいているレコメンドは大きく2種類あります。
Google recommendations AIを搭載したFanplayr AIレコメンドと、ランキングレコメンド機能であるFanplayr Smart Rankingsの２種類あり、詳細は下記をご参照ください。
Fanplayr AI レコメンド
Fanplayr AI レコメンド機能詳細
１．あなたにおすすめの商品
お客さまの買い物または閲覧履歴に基づいて、お客さまが購入する可能性が最も高い商品を予測し、レコメンドします。
２．この商品を見ている人はこんな商品も見ています
お客様さまの閲覧履歴または閲覧中の商品にもとづき、閲覧中の商品ページにて、そのお客様へのオススメの商品をレコメンドします。
３．この商品を購入した人は、一緒にこんな商品も購入しています。
特定の商品について頻繁に一緒に購入されるアイテムをレコメンドします。また買い物カゴなどで商品リストが表示されている場合、その商品リストで頻繁に購入されている商品をレコメンドします。
４．お客様の閲覧履歴
お客様の閲覧した商品をレコメンドします。
※上記、セグメントされたWEB接客バナー上で、レコメンド表示することも可能です。
また在庫データと連携し、在庫ゼロの商品は表示しません。
ランキング レコメンド
ランキング レコメンド機能詳細
１．閲覧数ランキング
商品の閲覧数の多い順にレコメンド表示します。
２．カート投入商品ランキング
カート投入数の多い商品の順にレコメンド表示します。
３．購入回数ランキング
購入回数の多い商品の順にレコメンド表示します。
４．売上高ランキング
売上高の多い商品の順にレコメンド表示します。
※上記、カテゴリ別、価格帯、期間での集計も可能。セグメントされたWEB接客バナー上での表示も可能です。
また在庫データと連携し、在庫ゼロの商品は表示しません。
AI レコメンド 効果
Google Recommendations AI を搭載したレコメンド機能 Fanplayr AI レコメンドが、イオングループのキッズファッションブランド、ブランシェス株式会社の通販サイトに導入されました。そのAIレコメンド効果について記載。
今回ご利用いただいているAIレコメンドは下記の３点
-
あなたにおすすめの商品
-
この商品を見ている人はこんな商品も見ています
-
この商品を購入した人は、一緒にこんな商品も購入しています
AIレコメンド 導入効果について
上記レコメンド導入後の結果、AIレコメンドをクリック後の購入者と、サイト全体の購入者を比較すると、CVR(購入確率)は＋153%増、AOV(客単価)は＋130%増と期待以上のパフォーマンス結果となりました。AIによりお客様ひとりひとりに最適な商品を提案し、ONE to ONEマーケティングにより高いパフォーマンスをえることができました。
レコメンドに関するPress Release
レコメンドに関するFAQ
AIとは、そもそも何か？
今日では、毎日のように”人工知能”や”AI”というワードを耳にします。
人間の知能をコンピュータで再現させようという研究は昔から行われてきましたが、AI「Artificial Intelligence」という言葉は1956年の夏にダートマス会議で初めて使われました。この会議において人工知能という概念が科学の一分野として社会に認識され、多くの人がAI研究に乗り出すようになりました。
その後、数度のAIブームを経て、機械学習（Machine Learning）により飛躍的に性能が向上して現在に至ります。機械学習とは、コンピュータが大量のデータを処理しながら、分類方法を自ら探し、未知のものに対する判断や予測を可能とするものです。 しかし、機械学習にも弱点があります。それは、機械学習の入力にどのような変数を使うか（どのような特徴量・フィーチャーを使うか）という事です。
これまでは、この入力データに何を選ぶかという特徴量の設計は人間の力によるものが大きく、フィーチャーを作る人の能力によって精度が左右されるとも言えます。 しかし、深層学習（Deep Learning）により、コンピュータがデータの中から人間の力を借りずに重要な特徴量をつくる事が可能になり、予測や分類の精度は飛躍的に向上しました。 従来は「にんじん」を認識するためには「細長い」「オレンジ色」などという特徴を人間が教える必要がありました。しかし、ディープラーニングでは、コンピュータが自動的に特徴を分類して、人間には識別できない特徴のかたまりを形成していくことが可能になりました。
つまり、ディープラーニングでは、人間がいちいち「にんじん」の特徴を教えなくても、機械が自分で「にんじん」の特徴を捉えることが可能になりました。 レコメンデーションにおいてもおおよそ同じ事が起こっています。 例えば、人の嗜好についてファッションにおいては「カラー」「シルエット」「スタイル」などのような特徴があげられますが、深層学習を用いると人間では認識できないような特徴量を用いて嗜好を分類する事が可能になります。
他にも方法がありますが、そういった深層学習を用いた仕組みを使って、今まさにサイトで買い物をしている人の閲覧商品や閲覧ページ、ページ遷移等の行動が過去のどの人（人たち）と類似しているかを見極めて、リアルタイムに商品を推薦することで訪問者の購入を促進するのがAIを使ったレコメンデーションです。 また、Fanplayrはサイト内の行動データの把握・分析に長けており、詳細な行動データをレコメンデーションの入力データとして活用できる利点があります。人では判断できないような違い（特徴量）を見つけて判断・予測する能力に長けたAIを使ったレコメンデーションとFanplayrで把握・分析される詳細な行動データの相性は非常に良く、双方の強みを生かすことで高いレコメンド精度が実現できるのです。