商品レコメンデーションとパーソナライゼーション：閲覧履歴と購入履歴で売上を伸ばす
Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
ある顧客が今週、あなたのサイトでランニングシューズを3回閲覧しました。2か月前にはヨガマットも購入しています。どちらの事実も、単独ではあまり多くを語りません。しかし2つを合わせると、明確なシグナルになります。この人に見せるべきなのは、今日ほかの全員に配信しているホームデコのプロモーションではなく、アスレチックウェアです。
これが商品レコメンデーションとパーソナライゼーションの核心にある考え方です。閲覧履歴と購入履歴は、データベースに眠っている過去の記録にとどまりません。顧客に表示するあらゆる関連性の高いレコメンデーションの原材料です。アルゴリズムの重要度は、多くのチームが考えるほど高くありません。それに入力されるデータと、チャネルをまたいでそのデータにどれだけ一貫して基づいて行動するかのほうが重要です。
このガイドでは、そのデータの出どころ、実際にコンバージョンにつながるレコメンデーションへの変え方、そしてサイトやメッセージングチャネル全体でどこに活用すべきかを解説します。
レコメンデーションを支えるもの：2つの中核データソース
どれほど高度なシステムであっても、あらゆるレコメンデーションは、最終的に2種類の顧客シグナルに行き着きます。
閲覧履歴は、購入が起きる前の意図を捉えます。閲覧した商品、探索したカテゴリー、検索クエリ、特定のページでの滞在時間、カートに入れたものの購入されなかったアイテムなどです。顧客が結局購入しない場合でも、その関心をリアルタイムで捉えられるのがここです。
購入履歴は、確定した行動を捉えます。顧客が実際に何を買ったか、どのくらいの頻度か、どの価格帯か、どんな組み合わせかといった情報です。購入データは、単なる好奇心ではなく確定した支出を反映しているため、閲覧データよりも強力なシグナルです。価値ベースの顧客セグメンテーションがこれに大きく依拠するのはそのためです。
こうしたシグナルを提案に変えるソフトウェアの総称であるレコメンダーシステムは、通常この両方を組み合わせます。顧客が閲覧または購入したものに商品属性を照らし合わせるコンテンツベースの手法と、多くの顧客の行動を合わせたパターンを見つけ出す協調型の手法です。
重要な事実: レコメンデーションとパーソナライゼーション
- レコメンダーシステムは、商品属性を閲覧履歴や購入履歴に照らし合わせるコンテンツベースフィルタリングと、多くの顧客にまたがるパターンを見つける協調フィルタリングを組み合わせたものです。
- リーダーの89%が、今後3年間の事業においてパーソナライゼーションが極めて重要だと回答しています。(Twilio、State of Personalization Report)
- 購入履歴は、好奇心ではなく確定した支出を反映するため、閲覧履歴だけよりも強力な予測シグナルです。価値ベースのセグメンテーションがまず注文データを土台に構築されるのはそのためです。
個別のレコメンデーションアルゴリズム(協調フィルタリング、コンテンツベースフィルタリング、ハイブリッドモデル)の仕組みについては、商品レコメンデーションのガイドで詳しく解説しています。このガイドでは、その土台となるデータレイヤーに焦点を当てます。閲覧シグナルと購入シグナルを実際にどのように取得し、統合し、チャネル全体で行動に変えるのかを扱います。
閲覧履歴をレコメンデーションに変える
閲覧行動は、顧客がコンバージョンする前から得られます。そのため、行動に移せる最も早いシグナルです。
最近見た商品は、閲覧ベースのレコメンデーションの中で最もシンプルなものです。顧客がすでに見た商品を表示します。買い物客の25〜30%は、最初に見た時点では購入せず、購入前に商品を再訪するためです。
カテゴリーアフィニティは、購入がなくても、カテゴリー内での繰り返しの閲覧から構築されます。スキンケアカテゴリーで十数点の商品を閲覧した顧客は、まだ何も購入していなくても、汎用的なベストセラーリストではなく、スキンケアを前面に出したホームページのコンテンツを見るべきです。
閲覧したが購入しなかったシグナルは、最もコンバージョン率の高いリターゲティングを支えます。顧客が特定の商品への関心をすでに示しているためです。これは、カートに商品を追加するところまで進んだ閲覧者については、カート放棄の回復と直接重なります。
検索クエリデータは、ページビューよりもさらに正確に意図を明らかにします。「防水ハイキングブーツ」と検索する顧客は、自分の言葉で何が欲しいのかを正確に伝えています。購入履歴がまったくない顧客でも、コンテンツベースフィルタリングが即座に活用できるシグナルです。
購入履歴をレコメンデーションに変える
顧客が何かを購入した時点から、購入履歴が最も信頼できるレコメンデーションの入力情報になります。
補充のレコメンデーションは、再購入サイクルが予測できる消耗品に有効です。以前購入したまったく同じ商品を、残りが少なくなっていそうな時期に合わせて表示します。
補完商品のレコメンデーションは、過去の購入と自然に組み合わさる商品を結びつけます。カメラを買った人にはメモリーカードが必要で、コーヒーを買った人にはグラインダーが欲しいかもしれません。これは効果的なアップセルとクロスセルプログラムの土台です。
バリエーションとラインの拡張は、顧客がすでに購入したカテゴリー内の関連オプションを提案します。気に入ったことを示した商品の、別の香り、色、サイズなどです。
購入後のシーケンス設計は、過去の注文のタイミングを使って、次に何を、いつレコメンドするかを決めます。顧客の2回目の購入のタイミングは、長期的な維持を示す最も強力な予測因子のひとつです。購入後のメールシーケンスが、汎用的なフォローアップを1通送るのではなく、購入からの経過日数という特定のトリガーを軸に構築されるのは、このためです。
データの土台：閲覧シグナルと購入シグナルの統合
閲覧データは通常、分析ツールやサイト内トラッキングツールにあります。購入データは、Eコマースプラットフォームの注文履歴にあります。レコメンデーションがうまく機能するのは、この2つのソースがひとつの顧客ビューに統合されて初めてです。それこそがカスタマーデータプラットフォームの具体的な役割です。
この統合がなければ、半分しか見えていない2つのシステムが残ります。メールプラットフォームは過去の注文だけに基づいてレコメンドし、サイト内パーソナライゼーションは現在のセッションにだけ反応します。どちらも、同じ顧客についてもう一方が何を把握しているのかを知りません。
これを正しく行うには、前提として堅実なアナリティクスとトラッキングの設定が必要です。商品の閲覧、カート追加イベント、検索クエリを十分に一貫した形で取得し、同じ顧客の購入記録と結びつけられるようにします。ブラウザを閉じると消えてしまう匿名のセッションデータだけでは不十分です。
活用される場所：チャネルをまたいだレコメンデーションの展開
閲覧データと購入データが価値を生むのは、顧客が実際に目にするものを動かして初めてです。
ホームページとカテゴリーページは、再訪問者に対して閲覧履歴と購入履歴に基づいて変化させるべきです。スキンケアの購入履歴がある顧客には、汎用的なデフォルト表示ではなく、スキンケアを前面に出した売り場を見せます。
メールキャンペーンは、購入履歴と閲覧履歴に基づくことで、汎用的な配信を一貫して上回ります。示された関心を軸に構築されたEコマースのメールマーケティングは、プロモーションのたびにリスト全体へ一斉配信するのではなく、より少数で関連性の高いメッセージを送るためです。
購入後の接点には、注文確認ページや購入後のアップセルオファーが含まれます。顧客がすでに購入モードにあるため、購入履歴ベースのレコメンデーションにとって絶好の場所です。顧客が購入したばかりのものに基づく購入後のアップセルは、汎用的な追加オファーよりも有意に高いコンバージョン率を示します。
カートとチェックアウトでのレコメンデーションは、現在のカートの中身と購入履歴の両方を反映させ、無関係なベストセラーではなく、注文を完結させる可能性が最も高い補完商品を提示すべきです。
パーソナライゼーションには、個人のデータだけでなくセグメントの視点が必要
個人の閲覧履歴と購入履歴からわかるのは、ひとりの顧客についてです。それをより広いセグメンテーションモデルと重ね合わせることで、その顧客にどれだけのパーソナライゼーションの労力をかける価値があるかがわかります。
閲覧履歴も購入履歴もまだない初回訪問者には、空白や汎用的なレコメンデーション枠ではなく、幅広く受け入れられるトレンドのコンテンツを見せるべきです。豊富な購入履歴を持つ再訪問のチャンピオンセグメントの顧客は、最も細かい購入履歴主導のパーソナライゼーションに値します。データの質も見込める成果も、ここが最も高いためです。
ここで、レコメンデーションとセグメンテーションが直接交わります。セグメンテーションは、特定の顧客にどれだけのパーソナライゼーション投資が妥当かを決め、閲覧履歴と購入履歴は、そのパーソナライゼーションが実際に何を見せるかを決めます。
よくある間違い
**閲覧データと購入データを別々のシステムとして扱う。**注文履歴だけから作るメールのレコメンデーションと、セッションデータだけから作るサイト内のレコメンデーションは、どちらも統合されたビューが提供できる成果を下回ります。
**古いデータに基づいてレコメンドする。**顧客の関心は移り変わります。1年前の購入に過度に重みを置いたレコメンデーションは、顧客が今実際に関心を持っているものを見逃します。
**ネガティブなシグナルを無視する。**ある商品を何度も閲覧したのに一度も購入しなかった、あるいは購入した商品を返品したという顧客は、何かを伝えています。ポジティブなシグナルだけを使うレコメンデーションのロジックは、これを見逃します。
**早すぎる段階でパーソナライズしすぎる。**閲覧履歴や購入履歴がほとんどない新規訪問者には、細かいパーソナライゼーションに足るシグナルがまだありません。無理に行うと、レコメンデーションが関連性のあるものではなく無作為なものに感じられ、実データが蓄積された後に表示されるレコメンデーションへの信頼まで損ないます。
**データが欠けている場合のフォールバックがない。**すべてのレコメンデーション枠には、閲覧履歴や購入履歴がまだ得られない場面のために、適切なデフォルト(トレンド商品、カテゴリーのベストセラー)が必要です。
はじめに
- **トラッキングが両方のシグナルをきちんと取得できているか確認しましょう。**商品の閲覧、検索、カート追加イベントは、別々のツールに分断せず、注文履歴と同じ顧客識別子で追跡する必要があります。
- **まず購入履歴ベースのレコメンデーションから始めましょう。**より強力なシグナルであり、データサイエンスチームがなくても実装しやすいためです。たとえば、補充のリマインダーや、注文確認ページでの補完商品の提案です。
- **次に閲覧ベースのレコメンデーションを重ねましょう。**購入ベースのレコメンデーションが稼働し、効果が測定できるようになったら、最近見た商品と、閲覧放棄のメールトリガーから始めます。
目指すべきは、より高度なアルゴリズムではありません。どのアルゴリズムを使うとしても、その背後にあるデータが完全で最新であり、顧客が接するすべてのチャネルで共有されている状態にすることです。
商品レコメンデーションとパーソナライゼーションに関するよくある質問
商品レコメンデーションを支えるデータは何ですか？
レコメンデーションは主に2つのソースから構築されます。購入前の意図を捉える閲覧履歴(閲覧した商品、検索、カートの動き)と、確定した行動を捉え、一般により強力な予測シグナルとなる購入履歴(顧客が実際に何を、どのくらいの頻度で購入したか)です。
パーソナライゼーションにおける閲覧履歴と購入履歴の違いは何ですか？
閲覧履歴は、まだコンバージョンしていない関心を示し、何も購入していない顧客に対しても、リターゲティングやカテゴリーレベルのパーソナライゼーションに役立ちます。購入履歴は確定した支出行動を示し、補充のリマインダーや補完商品の提案など、より強力なレコメンデーションを支えます。
レコメンデーションをパーソナライズするには、カスタマーデータプラットフォームが必要ですか？
チャネル全体でパーソナライゼーションがうまく機能するには、閲覧データと購入データをひとつの顧客ビューに統合する必要があります。閲覧データは通常アナリティクスツールにあり、購入データはEコマースプラットフォームにあるため、その統合を実現する標準的な方法がカスタマーデータプラットフォームです。
閲覧履歴ベースのレコメンデーションは、どこで使うべきですか？
最近見た商品、カテゴリーアフィニティに基づくホームページのコンテンツ、閲覧放棄のメールやリターゲティングキャンペーンが、閲覧履歴の最も価値の高い活用法です。購入の完了を待たず、その瞬間の関心を捉えられるためです。
パーソナライゼーションは顧客維持をどのように改善しますか？
Twilio SegmentのState of Personalization Reportによると、消費者の60%が、パーソナライズされたショッピング体験の後にリピート購入者になる可能性が高いと回答しており、2017年の44%から上昇しています。実際の購入履歴と閲覧履歴に基づくレコメンデーションは、再訪問した顧客の体験を、汎用的なものではなく、その人に向けた特別なものに感じさせます。
履歴のない新規訪問者にもパーソナライズされたレコメンデーションを表示すべきですか？
再訪問の顧客と同じ方法ではありません。閲覧履歴や購入履歴がほとんどない新規訪問者には、トレンド商品やカテゴリーのベストセラーなど、幅広く受け入れられるコンテンツを見せるべきです。レコメンデーションが無作為に感じられずに意味のあるパーソナライズを行うには、まだ十分なシグナルがないためです。
さらに詳しく
レコメンデーションを支えるアルゴリズム、プラットフォーム、インフラについてさらに掘り下げましょう。
- 商品レコメンデーション - サイト内レコメンデーションを支えるアルゴリズム、配置、プラットフォーム
- パーソナライゼーションエンジン - 大規模なパーソナライゼーションに向けたAIとインフラの全体ロードマップ
- カスタマーデータプラットフォーム - 閲覧データと購入データをひとつの顧客ビューに統合します
- 顧客セグメンテーション - 各顧客セグメントにどれだけのパーソナライゼーション投資が妥当かを判断します
- 購入後のアップセル - 購入履歴を、よりコンバージョン率の高い購入後のオファーに変えます
- アップセルとクロスセル - 購入データから補完商品のレコメンデーションを構築します
- Eコマースのメールマーケティング - ターゲットを絞ったメールキャンペーンでレコメンデーションを活用します
