独自の e コマース レコメンデーション エンジンを構築して、訪問者にパーソナライズされた製品レコメンデーションを提供する必要がありますか? それを正しく行うには何が必要で、それは難しいですか?
私たちが話を聞いたオンライン小売業者の中には、クロスセルとアップセルの価値を認識し、「DIY パス」に着手することを決定した人もいます。 私はここで偏見を持っているかもしれませんが、製品の推奨事項は、車輪の再発明をしたくない領域の 1 つだと思います.
この場合、DIY アプローチが意味をなさない理由は 2 つあります。 1 つ目は、機能するシステムを構築するための開発コストであり、2 つ目は、システムを最適化するための学習曲線です。
では、レコメンデーション エンジンの開発はどれほど難しいのでしょうか。 レコメンデーション エンジンの構築を決定したオンライン小売業者は、導入が必要なさまざまなコンポーネントを認識していません。 それらのほんの一部を次に示します。
* レコメンデーション エンジンは、閲覧した製品、カテゴリ、ブランドなど、買い物客がサイトで行うすべての主要なアクティビティを追跡する必要があります。 ショッピング カートに追加され、購入されたアイテム。 彼らが使用した検索キーワード; 訪問者が到着したトラフィック ソース、ジオロケーション データ、およびリストは続きます…
* システムは複数のレコメンデーション タイプをサポートする必要があり、ユーザーが購入ファネルのどこにいるかに基づいて、適切なレコメンデーション タイプ (および 1 つのページに複数のレコメンデーション タイプ) を表示できる必要があります (アルゴリズムが 10 個未満の場合、システムは非常に単純です)。 )
* アイテム/ユーザー間の相関関係を見つけるのは簡単です。 難しいのは、考慮すべき相関関係と無視すべき相関関係を選択することです。
* システムを最適化し、その価値を実証できるように、システムには a/b テストおよびレポート機能が組み込まれている必要があります。 自社製システムの影響を実際に測定しているオンライン小売業者はほとんどないため、この点は非常に重要です。
* システムには、マーケティング担当者がさまざまな変数に基づいてレコメンデーション エンジンの出力を制御できるインターフェイスが必要です。
私が言及した 2 番目の理由は、そのようなシステムを最適化するために必要な経験です。 レコメンデーション エンジンがビジネスに与える影響を決定する要因は数多くあります。レコメンデーション エンジンを構築するのが初めてで、それが 1 回限りのプロジェクトである場合、それらを知ったり、学習に時間を費やしたりする可能性はありません。 . 実際、非常に素朴なシステムを開発することになり、v1 を長期間使用することになります。 さまざまなウィジェットのデザインやページ上のさまざまな配置をテストしません。
を構築するか購入するかの決定 レコメンデーションエンジン ROIベースである必要があります。 ビジネスへの影響と開発コストを考慮する必要があります。 非常に素朴なシステムを構築することは安っぽく見えるかもしれませんが、結果が悪い可能性が高く、システムをサポートしなければ、それを知ることはできません.