ECサイトにおけるレコメンドとは？具体的な仕組みと導入のメリット

ECサイトにおいて、ユーザーが欲しがっている商品を最適なタイミングでおすすめすることができれば、自ずと売り上げは上がっていくものです。ユーザーの好みなどを分析し、最適なタイミングで商品をおすすめするために、多くのECサイトではレコメンド機能が使われています。

本記事では、レコメンドの意味や、レコメンドエンジンの概要などをご紹介します。

レコメンドとは？

レコメンド（recommend）とは、「推薦する／勧める／おすすめする」といった意味を持つ英語です。「リコメンド」と表記されることもあります。

そして、ECサイトにおけるレコメンドは、ユーザーに対しておすすめの商品を表示することを意味し、そのための機能を「レコメンド機能」と言います。

また、おすすめ商品を表示させる仕組み・システムを「レコメンドエンジン」と呼び、閲覧商品に関連する別商品を表示したり、行動パターンが似ている他の顧客の購入した商品を表示したりすることが可能です。さらに、レコメンドエンジンは顧客の行動履歴や閲覧履歴を蓄積する機能や、売れ筋商品のランキングを作成・表示する機能なども備えています。

たとえば、「この商品を見た人はこんな商品も見ています」や「この商品を買った人はこんな商品も買っています」といった形で別の商品を提案された経験がある方も多いのではないでしょうか。このような商品提案がまさにECサイトのレコメンドであり、近年多くのECサイトで実装が進められています。

ちなみに、ECサイト以外でもレコメンドエンジンを活用しているWebサイトもあります。たとえば、ニュースサイトなどのWebメディアで「こんな記事も読まれています」といった形で別ページを案内しているのも、レコメンドエンジンによるものです。

レコメンド機能を導入するメリット

ECサイトにおいて、レコメンド機能を導入することで、どのようなメリットを得ることができるのでしょうか。レコメンド機能を導入するメリットを3つご紹介します。

購入率や客単価の向上

レコメンド機能を活用してユーザーにマッチした商品を提案することで、購入率や客単価の向上に効果が期待できます。

たとえば、ユーザーがある商品ページを訪問したものの、その商品が気に入らなかった場合、通常であればそのままサイトから離脱してしまうでしょう。レコメンド機能を利用して別のおすすめ商品を表示していれば、ユーザーはその商品を気に入って購入してくれる可能性が生まれます。

また、「商品Aを購入したユーザーは商品Bを購入する率が高い」といったデータから適切なおすすめを表示することで、他の商品も併せて購入してもらうなど、新たな商品購買につなげられる可能性が高まるでしょう。このように、関連商品も一緒に購入してもらう販売手法は「クロスセル」と呼ばれます。

サイトへの信頼が高まる

レコメンド機能を活用することで、ユーザーに快適な購買体験を提供することができます。

ユーザーが求めている商品を適切なタイミングで提案したり、ユーザー自身も気づいていなかったニーズを満たす商品を提案したりすることで、ユーザーは「自分の好みを理解している」と感じ、サイトに対する信頼も高まります。

快適な購買体験を提供し、信頼を得ることができれば、ユーザーのファン化やリピーター化につながり、LTVの向上も期待できるでしょう。

回遊率や滞在時間の改善

レコメンド機能を活用してユーザーニーズに合った商品ページやコンテンツを表示できるようになることで、回遊率の向上や滞在時間の増加、直帰率の減少といった効果も期待できます。

回遊率や滞在時間が向上・増加することで、ユーザー行動に関するデータの蓄積が進み、より精度の高いレコメンドが可能になります。また、回遊率や滞在時間、直帰率といった指標が改善されることで検索エンジンからの評価が高まり、SEOにも間接的に好影響を及ぼす可能性があります。

レコメンドエンジンの仕組みの種類

レコメンド機能を提供するレコメンドエンジンは、商品を表示する仕組み（ロジック）によって種類が分けられます。

それぞれ、どのような仕組みで商品を表示しているのでしょうか。レコメンドエンジンの代表的な仕組みをご紹介します。

ルールベース型レコメンド

ショップ側がおすすめしたい商品を紹介する仕組みです。季節限定品やセール品など、決められたルールに基づいておすすめ商品を表示していきます。

ルールベース型は、押し出したい商品や目的がはっきりしている場合は有効ですが、ショップ側がおすすめしたい商品とユーザーが求めているものが乖離している可能性もあります。

コンテンツベースフィルタリング型

コンテンツベースフィルタリング型は、デザインや種類、色といった商品の情報に注目して、似ている情報を持った商品を表示する仕組みです。商品が登録された時点から一定の精度でレコメンドされる点が特徴で、商品の情報とユーザーの好みが一致すれば、高い購入率を期待できます。

紹介文やメタ情報を活用してレコメンドできるため、文献検索や動画配信サービスなどでも利用されています。

ただし、事前に商品のカテゴリー分類などを設定する必要があり、商品数やコンテンツのページ数が多いサイトでは、事前の振り分け作業に多大な時間を要するのがデメリットです。

協調フィルタリング型

サイト上の行動履歴やページの閲覧履歴が似ているユーザーを分析して、関連性の高い商品を表示させる仕組みです。商品とユーザーのどちらに主眼を置くかによって、アイテムベースとユーザーベースの2種類に分けられます。

【アイテムベース】

ユーザーの行動履歴などを基に、特定の商品と一緒に買われることが多い他の商品をレコメンドする仕組みです。

ゲーム機を購入した際にゲームソフトも一緒におすすめする、敷布団を購入した方に掛け布団をおすすめする、などがアイテムベースのレコメンドの例として挙げられます。

【ユーザーベース】

ユーザーの行動履歴や閲覧履歴を基に、行動履歴が似ているユーザーの購入・閲覧したアイテムを紹介する仕組みです。

行動履歴が似ているAさんとBさんがいたとします。Aさんは購入済だがBさんは購入していない商品があった場合、Bさんに未購入の商品をおすすめするのが、ユーザーベース型の基本です。

協調フィルタリング型はシンプルながら効果が高く、ECサイトだけでなく動画サイトなどでも採用されています。

パーソナライズドレコメンド

パーソナライズドレコメンドは、対象ユーザーの属性や行動履歴に基づきおすすめ商品を提案する仕組みです。

協調フィルタリングが他ユーザーの行動も含めた分析に基づきおすすめ商品を表示するのに対し、パーソナライズドレコメンドは対象ユーザーのみにフォーカスして属性や行動などを分析しておすすめ商品を表示する仕組みです。

他ユーザーの行動履歴などは参照しないため対象ユーザーに関する十分なデータが必要ですが、一人ひとりの趣味嗜好に寄り添った商品提案が期待できます。

ハイブリッド型

レコメンドエンジンは、仕組みによって向き不向きが異なります。上記の仕組みを複数組み合わせて、より最適なレコメンドができるように運用するのがハイブリッド型の手法です。

例えば、購入履歴のないユーザーには関連性が高い商品を紹介できるコンテンツベースフィルタリングを、購入履歴が多いユーザーには協調フィルタリングを活用すれば、より効果的にレコメンドを行えます。

このように、いくつかの仕組みを組み合わせることで、ユーザーの購買意欲をより高めることにつながるでしょう。

レコメンド機能を取り入れる方法

自社ECサイトにもレコメンド機能を取り入れたいと思った場合は、どのようなサービスを取り入れれば良いのでしょうか。ここでは、レコメンド機能を取り入れる際に考えられる方法をいくつかご紹介します。

ASPやオープンソースを利用する

レコメンドエンジンの多くは、ASPサービスとして提供されています。自社でサーバーなどを用意したりする必要がなく、コストを抑えられて導入も簡単ですが、カスタマイズできない製品が多いです。

独自の仕組みでレコメンドを行いたい場合は、事前にサービス提供元にカスタマイズ可能かを確認しておく必要があります。

また、非常に数は限られるものの、オープンソース型のレコメンドエンジンも存在します。自社専用にカスタマイズが行える点がメリットですが、ほとんどが外国製のため、使いこなすには高い技術力が必要です。

ECシステムに搭載されている機能を活用する

ECシステムには、あらかじめレコメンド機能が搭載されているものもあります。商品情報との連携やルールベースへの対応などが容易で、レコメンド機能の導入コストもかかりません。初めてレコメンドを取り入れる場合は、ECシステムの機能も確認してみてはいかがでしょうか。

独自にカスタマイズしたレコメンド機能を使いたい場合は、サイト構築の際にフルスクラッチでレコメンド機能を追加するのも有効です。

レコメンド機能を導入する際の注意点

レコメンド機能は、ただ導入しただけで効果が期待できるわけではありません。導入する際は、以下の点を確認しておくことが重要です。

導入の目的を明確にする

売上アップを目指す、購入単価を向上させる、リピーターを獲得するなど、レコメンド機能を導入する目的を明確にしておきましょう。

それによって、どのような機能が必要か把握しやすくなり、レコメンド機能を効果的に活用できるようになります。

効果が表れるまで時間がかかる場合も

レコメンドエンジンの多くは、ユーザーの属性や行動履歴などのデータに基づきおすすめ商品を決定する仕組みであり、精度の高いレコメンドを行うにはある程度のデータが蓄積されている必要があります。

そのため、ECサイトの立ち上げ当初などは十分なデータが存在しないため、適切なレコメンドを行えない可能性があります。このような状態は「コールドスタート問題」と呼ばれます。

また、ECサイトの立ち上げ初期ではなくても、「アクセス数や購入数は少ないものの特定のユーザーに根強い人気がある商品」なども、データが蓄積されづらくレコメンドに向かない場合があります。

AIレコメンド搭載のECカートなら「メルカート」

次に、高度なレコメンド機能を搭載したECカートとして、株式会社エートゥジェイが提供するクラウドECプラットフォーム「メルカート」をご紹介します。

「メルカート」は、国内ECサイト構築実績No.1のECパッケージ「ecbeing」から生まれたクラウドサービスです。では、「メルカート」の特徴を詳しく見ていきましょう。

高精度なAIレコメンド機能を搭載

「メルカート」には、商品表示を自動最適化するAIレコメンド機能が備わっています。

12種類のレコメンドタイプを提供しており、表示ページやユーザー行動に応じたレコメンドロジックや表示方法のカスタマイズが可能。

12種類のレコメンドタイプのうち5タイプでAIを活用しており、各種データを自動学習させることで一人ひとりに合わせた高精度なレコメンドを実現することができます。

パッケージ水準の機能をクラウドで利用可能

「メルカート」には、レコメンド機能以外にもさまざまな機能が備わっています。

ECパッケージ「ecbeing」の標準機能をクラウド上で利用可能で、集客から販促、分析・顧客管理まで一気通貫で実現でき、日々の運用を効率化する機能も充実しています。

また、定期バージョンアップを実施しているので、常に最新の機能をご利用いただけるのも特徴。先述したAIレコメンド機能をはじめ、AI技術を活用した新機能も続々と追加を行っています。

着実にステップアップできる拡張性

「メルカート」の特徴として、拡張性の高さも挙げることができます。

オプション機能やマイクロサービス、外部ツールとの連携サービスにより、ECサイトの機能を拡張していくことができます。

また、EC事業の成長に合わせて、パッケージ型の「ecbeing」へと低コストかつ短期間で移行することも可能です。

充実のサポートで売上アップを後押し

充実のサポート体制も、「メルカート」の強みのひとつです。

ECサイトのリリース前には、初期セットアップや各種機能の使い方に関するトレーニングを実施し、お客様の不安や疑問を解消。リリース後も、専任のカスタマーサクセスチームがお客様からのご質問やご相談に対応いたします。

また、Web広告運用やコンテンツ制作、SNS／CRM支援などのサービスもご用意しているので、社内のリソース状況やEC運営のノウハウに不安がある場合でも安心して成長を目指すことが可能です。

メルカートのすべてがわかる！

メルカート概要・事例まとめ資料

メルカートの概要と各業界別の事例をまとめた資料です。

こんな人におすすめ

・メルカートでどんな事が実現できるのか知りたい
・メルカートに関する情報をまとめた資料が欲しい
・導入後どのような効果と変化が出たのか知りたい
・導入した企業の実際の声を知りたい

今すぐホワイトペーパーを
無料ダウンロード

まとめ

レコメンド機能は、導入しただけで売上が伸びるものではありません。導入する目的や活用方法を考えることが大切です。

目的に見合ったレコメンド機能を利用し、売上や顧客満足度の向上を見込めるサイト作りに役立てましょう。

メルカートでは、さまざまな売り上げアップの支援サービスも行っています。個々の顧客に応じた行動パターンやニーズにあった対策についても、一度ご相談ください。