レコメンドとは、利用者の行動の履歴や属性、商品の特徴などのデータから、その人に合いそうな商品や情報を選んで勧める仕組みのことです。ネット通販の「この商品を買った人は、こんな商品も買っています」や、動画配信の「あなたへのおすすめ」が、身近なレコメンドです。BtoBでも、営業が次に提案する商品の候補を出したり、お客様ごとに案内する内容を選んだりする場面で使われています。
レコメンドには、どんな仕組みがあるのか?
代表的なのは、似た行動の人が選んだものを勧める方法、これまで選んだものと特徴が似たものを勧める方法、人が決めたルールで勧める方法の3つです。
実際には、いくつかの方法を組み合わせて使うことも多くあります。
- 協調フィルタリング
- 「この商品を買った人は、あの商品も買っている」のように、行動が似ている人たちの履歴から勧めます。商品の中身を知らなくても使えます。
- コンテンツベース
- 商品の分類や価格帯、説明文などの特徴が、これまで選んだものと似ているものを勧めます。
- ルールベース
- 「車検の半年前になったら点検を案内する」のように、人が決めた条件で勧めます。少ないデータでも始められます。
レコメンドは、どんな場面で使われるのか?
ECサイトや動画・音楽の配信のほか、BtoBの営業やマーケティング、社内の情報探しにも使われています。
- ECサイトでの、関連する商品やまとめ買いの提案
- メールやアプリでの、お客様ごとに内容を変えた案内
- 営業が次に提案する商品やサービスの候補
- 点検や保守の時期に合わせた、買い替えや追加の案内
- 社内の文書や過去の事例のうち、いま見ている案件に近いものの表示
レコメンドには、どんなデータが必要か?
お客様ごとの購入や問い合わせの履歴と、商品やサービスの情報が土台になります。これらがCRMやデータ基盤に、一か所でまとまっていることが前提です。
- お客様の購入や契約の履歴
- Webサイトやアプリでの閲覧の履歴
- 問い合わせや商談のやり取り
- 商品の分類、価格、特徴などの情報
レコメンドを導入するときの注意点は?
データが少ないうちは当たりにくいこと、勧めるものが偏りやすいこと、個人の情報の扱いに気を配る必要があることの3つです。あわせて、効果の測り方も先に決めておきます。
- データが少ないうちは当たりにくい
- 新しいお客様や新商品は履歴がないため、行動の履歴にもとづく方法では勧めにくくなります。ルールや商品の特徴を使って補います。
- 勧めるものが偏る
- 売れている商品ばかりが勧められ、ほかの商品が目に入らなくなることがあります。
- 個人の情報の扱い
- 行動の履歴を使う場合は、利用の目的をお客様に示しているかなど、扱いのルールを確かめます。詳しくは、専門家や公的機関の案内を確かめてください。
- 効果の測り方を決める
- 勧めたものがどれだけ選ばれたか、売上や継続にどうつながったかを、あらかじめ決めた指標で確かめます。
トラックファームでは、レコメンドをどう扱っているか?
自動車販売の会社のCRMの開発では、点検や車検を任せていただいている回数、保険の契約、メンテナンスパックへの加入などから、お客様ごとのスコアを自動で計算する仕組みを組み込みました。営業が付ける顧客ランクと組み合わせて、車検や点検の案内、キャンペーンを届けるお客様を選べるようにしています。
よくある質問
レコメンドを始めるのに、AIは必要ですか?
必ずしも必要ではありません。購入の時期や契約の内容をもとに、人が決めたルールで案内を出すだけでも、効果が見込めます。履歴のデータがたまり、ルールでは拾いきれなくなったときに、AIを使った方法を検討します。
BtoBの商材でも、レコメンドは使えますか?
はい、使えます。取引の件数が少ない分、行動の履歴だけに頼る方法は向かないことがありますが、契約の内容や業種、過去の問い合わせから、次に提案する候補を出す使い方ができます。
