記事を
シェア

診断コンテンツの作成方法から活用方法まで、診断のすべてがわかるメディア

レコメンドが求められる理由とは？サイトや商品の成功事例6選

レコメンドとは、顧客の好みやニーズに最適化した情報や商品を提供する仕組みです。今、なぜ多くのユーザーからレコメンドが求められているのか？その理由をサイトや商品の具体事例とともに解説します。また、レコメンドに大きな効果を発揮する「診断コンテンツ」についても紹介します。

更新日：2024/10/25 公開日：2023/01/25

レコメンドとは、ユーザーの嗜好や行動履歴などを元にして、おすすめの商品やサービスを提案する仕組みです。レコメンドには「おすすめする」という意味があり、レコメンドを活用することで、ユーザーが商品を探す手間を省きながら、購入へとつなげることができます。

現在、レコメンドは多くのECサイトなどで活用され、売上やコンバージョンなどユーザーの消費行動に大きな影響を与えています。

しかし、レコメンドの魅力は知っているものの、自社でどのように活用できるのかイメージが湧かない方もいるのではないでしょうか。

そこで、本記事ではレコメンドが求められている理由を踏まえながら、レコメンドを活用して成功した事例を6つ紹介します。レコメンドの導入に興味のある方は、ぜひご覧ください。

※当コンテンツは、レコメンドに有効な診断作成ツール「ヨミトル」を提供するピクルスが監修しています。

▼関連記事
商品レコメンドに効果的な「診断コンテンツ」業界別の活用事例を紹介

ビジネスにおけるレコメンドの意味とは？

レコメンドとは、ユーザーの個人情報や行動履歴などをベースとして、ユーザーが購入する可能性の高い商品やサービスをおすすめする仕組みです。
レコメンドには「推薦する」「おすすめする」という意味がありますが、単に商品やサービスを紹介するという仕組みではありません。

レコメンドはユーザーの属性や購買履歴、閲覧履歴、評価履歴などのデータを、機械学習やAIの技術によって解析し、ユーザーに最適な商品やサービスを表示します。
そのため、ユーザーが商材に対して反応する可能性が高まり、売上やサービス利用などの消費行動に大きな影響を与えます。

今やレコメンドが利用されているシーンは多岐に渡り、ショッピングや動画や音楽の配信、金融、マッチングサービスなど数多くのサイトで活用されています。
なかには、診断コンテンツを用いてユーザーがもつ細かなニーズに対応した商品やサービスを提案するという、より精度の高いレコメンド機能を用いているサイトもあります。

※レコメンドにおける診断の活用事例「スキンケア診断」
下記の診断では、設問によってユーザーの肌タイプを分析し、タイプに応じたスキンケア商品を提案します。

こういった診断を活用したサイトでは、レコメンドによってユーザーの満足度やエンゲージメントを高めるとともに、売上や利益を増加させるなど、数々のプラス効果を得ています。

スキンケア診断をやってみる

レコメンドが求められる理由

現在、レコメンドは数多くのサイトに導入され、ユーザーの消費者行動を大きく後押ししています。
シルバーエッグ・テクノロジー株式会社の調査によると、ファッション業界のECサイトにおけるレコメンド経由のコンバージョン率は13.11%におよんでいるという結果が出ています。

参照：「【独自調査】ファッションECサイトにみるレコメンドエンジンの効果 2022レポート発表」

また、顧客数やデータ量が多い大規模サイトでは15%までコンバージョン率が高まり、AIの学習精度向上の効果があるのではないかと考えられています。

このようにユーザーの購買行動に影響するレコメンドは、なぜ、ここまでユーザーから求められているのでしょうか。

理由その1：判断するのは重労働だから

人が「おすすめ」を求めるのには、脳の「判断疲れ」が大きく影響しています。

人の脳は毎日、約3万5,000回におよぶ様々な判断をしていると言われています。
実はこの判断という仕事は、脳にとって非常に負荷の高い仕事なのです。

脳の身体に占める重量の割合は、わずか2％前後です。
しかし、脳が消費するエネルギー量は、全エネルギーの約18％に及ぶと言われています。
それほど「思考」や「判断」という仕事は脳にとって重労働であり、判断が続くことは脳の疲労や判断力低下につながります。

例えば、みなさんが一日中活動して夜になると、頭がボーっとすることはありませんか。
これは脳が朝から多くの判断を行ったことで、疲労して上手く働かない状態になっているためです。

したがって、脳を使わずに自分に適した商品やサービスを見つけられるレコメンド機能は、現代人が本能的に求める優れた機能だと言えるでしょう。

理由その2：人は自分で判断したくないから

人がおすすめを求めるのは、人間の心理効果として「ウィンザー効果」が働くことも一因です。
ウィンザー効果とは、当事者よりも第三者が発信した情報の方が信頼されやすいという心理効果のことです。

この心理効果は、米国の作家アーリーン・ロマノネス（1923～2017）の著書『伯爵夫人はスパイ』（原題：The Spy Went Dancing）に由来すると考えられています。
この作品の中で、ウィンザー伯爵夫人が「第三者の誉め言葉がどんなときにも一番効果があるのよ」というセリフから用いられるようになりました。

人は自分で物事を判断する際、「その選択で本当に正しいだろうか」と悩み、脳に大きな負荷をかけてしまいます。
また、利害関係がある人からのおすすめは、「本当に自分のためを考えてくれているのだろうか」という疑念を抱いてしまうものです。

しかし、第三者には利害関係がないため「本当の情報である」と認識しやすく、ウィンザー効果が働くと考えられています。

レコメンドは主にAIやシステム上のロジック、または診断コンテンツなど、人間が介在することなくおすすめが提案されます。
この人間が介在しない仕組みを、ユーザーは「第三者」として認識する傾向があります。

自分で商品やサービスを探さなくても、第三者的なおすすめ情報を提供してくれる。
この機能により、ユーザーはレコメンドやサイトが自分にとって「やさしい」存在であると、認識するようになります。

そして、その認識は「自分のことを分かってくれている」という共感や信頼へと変わり、リピート率や顧客ロイヤルティの向上につながります。

レコメンドエンジンの仕組み

レコメンドエンジンは、以下5つのシステムによって構築されています。

１．協調フィルタリング
２．パーソナライズドレコメンド
３．コンテンツベースフィルタリング
４．ルールベースレコメンド
５．ハイブリッド・レコメンデーション・システム
６．行動ベースフィルタリング

それぞれのシステムについて解説します。

１．協調フィルタリング

協調フィルタリングとは、ユーザー間の相関関係を利用して、類似した嗜好をもつ他のユーザーの行動や評価をもとに商品を推薦するシステムです。

例：協調フィルタリングは主に2つのタイプに分かれる。
A　ユーザーベース協調フィルタリング：似た嗜好をもつ他のユーザーが高く評価した商品を推薦
B　アイテムベース協調フィルタリング：似た特徴をもつ他の商品の購入履歴に基づいて商品を推薦

２．パーソナライズドレコメンド

パーソナライズレコメンドとは、ユーザー個別の嗜好や行動履歴をもとに、個人に最適な商品やコンテンツを推薦するシステムです。

例：ユーザーの過去の行動や検索履歴、閲覧履歴などを分析して、個人の興味や関心にもとづいたレコメンデーションを提供する。

３．コンテンツベースフィルタリング

コンテンツベースフィルタリングとは、商品やコンテンツの特徴や属性にもとづいて、似た特徴をもつ他の商品やコンテンツを推薦するシステムです。

例：ある本が好きなユーザーには、同じジャンルや著者の他の本を推薦するなど、商品のメタデータ（属性情報）を活用する。

４．ルールベースレコメンド

ルールベースレコメンドとは、特定のビジネスルールやマーケティング戦略にもとづいて、あらかじめ定義されたルールに従って商品やコンテンツを推薦するシステムです。

例：新規ユーザーには特定の商品を推薦する、特定のプロモーション期間中には特定の商品を推奨するなど、あらかじめ設定された条件にもとづいたレコメンド。

５．ハイブリッド・レコメンデーション・システム

ハイブリッド・レコメンデーション・システムとは、複数のレコメンデーション手法を組み合わせて、各手法の弱点を補完しながら最適なレコメンドを提供するシステムです。

例：協調フィルタリングとコンテンツベースフィルタリングを組み合わせることで、冷スタート問題（新規ユーザーや新規商品のデータ不足問題）を克服する。
その他、パーソナライズドレコメンドやルールベースレコメンドも組み合わせることで、より精度の高い推薦が可能になる。

６．行動ベースフィルタリング

協調フィルタリングと類似した仕組みに、行動ベースフィルタリングがあります。

行動ベースフィルタリングとは、ユーザーの現在の行動データにもとづいて、リアルタイムで推薦を行う手法で、協調フィルタリングが過去の行動データに依存しているのに対し、行動ベースフィルタリングは現在の行動や直近のトリガー（例：ある商品をカートに入れた、特定のページを訪問した）に応じて、動的にレコメンドを生成します。

レコメンドのメリット

学習機能やAI、診断コンテンツを利用したレコメンドは、サイト上での商品やサービス販売において、大きなメリットを発生させます。

ここでは、レコメンドをサイトに導入することで得られるメリットを4つ紹介します。

メリットその1：購入単価のアップ

レコメンドを上手く活用すれば、クロスセルやアップセルの促進にもなり、購入単価のアップが期待できます。

例えば、ユーザーが購入する商品と関連の高い商品をおすすめすれば、カートや欲しいものリストへの追加が期待できます。
レコメンドされた商品はユーザーの嗜好やニーズに合っている可能性が高いため、同時購入率がアップするでしょう。

この他にも、レコメンド商品のレビューや評価を提示すれば、他のユーザーの声や実際の使用感を参考にしたり、商品の品質や信頼性を確認したりすることができます。
レビューや評価はユーザーの不安や疑問を解消したり、商品への期待感を高めるため、さらにユーザーの購入をうながすことができるでしょう。

メリットその2：リピーターへの育成

商品やサービスを販売するサイトにとって、リピーターを増やすことは売上を安定させるための重要な要素です。
レコメンドは、このリピーター育成と顧客ロイヤルティの強化において、とても高い効果が期待できる仕組みです。

例えば、メールマガジンやプッシュ通知などでレコメンドを活用すれば、最適なタイミングでおすすめをユーザーに通知できます。
これにより、ユーザーはサイトや商品に対する関心を持ち続けたり、再訪や再購入のきっかけを得られます。

また、ユーザーの購買履歴や購買頻度などに合わせて、ポイントやクーポンを提供するのも有効な手段です。
ユーザーが割引や特典に魅力を感じて、次回の購入への意欲を高める効果を期待できるでしょう。

メリットその3：商品提案力のアップ

商品提案力とは、ユーザーに最適な商品を見つけて提案する能力のことです。

ユーザーがまだ知らない新商品やサービスをレコメンドすることで、新たな選択肢を提供し、購買の幅を広げることができます。発売直後の商品やサービスを告知するのにも適しています。

通常、商品提案を人間が行うと、個人のスキルにバラツキがあり、提案者によって顧客満足度に大きな差が生まれてしまいます。しかし、レコメンドを活用すれば個人によるバラツキがなくなり、提案力の底上げにつながります。

ユーザーの属性や行動履歴などをAIや機械学習で分析すれば、アルゴリズムに基づく最適な商品の提案が可能です。
また、ユーザーの変化やトレンドなどをリアルタイムに反映すれば、熟練した提案者よりもクオリティの高いレコメンドも可能でしょう。

また、診断コンテンツやクイズなどを活用すれば、ユーザーはコンテンツを楽しみながら、自分の適性にあった商品やサービスを知ることができます。
特に診断コンテンツは、ユーザーニーズやライフスタイルを反映したレコメンドには、とても有効な手段です。

※診断を楽しみながら商品をおすすめする事例「ファッション×香り診断」

「ファッション×香り診断」では、今日の予定や好きな香りに合わせて、おすすめのファッションと香りを診断します。

診断をやってみる

メリットその4：信頼関係の構築

人には、「自分のことを理解してもらいたい」という承認欲求があります。
また、自分の承認欲求を満たしてくれる人に対しては、高い信頼感を抱くという効果が働きます。

ユーザーは精度の高いおすすめ情報を提供されると、「自分のことを分かってくれている」という感覚を持つようになります。
ユーザーにこの感覚を与え続けると、顧客はレコメンドやサービスに信頼感を抱き、おすすめを提供した企業やサイトに対するロイヤリティへとつながっていくでしょう。

メリットその5：在庫管理の最適化

レコメンドエンジンは、ユーザーの行動データや過去の購買データ、トレンド情報を解析することで、特定の商品がどの時期に売れるか、どの地域で人気があるか、どの層に支持されているかなど、詳細な需要予測が可能になります。
売れ筋商品や季節商品の需要を予測することで、適切なタイミングで在庫を補充したり、適切な数量を確保できるので、在庫過剰や在庫不足といったリスクを軽減できます。

例えば、過去のデータから「夏季に特定の飲料がよく売れる」というトレンドが分かっている場合、需要予測をもとに、適切な数量を事前に発注しておくことで、在庫切れによる販売機会の損失を防ぐことができます。逆に、売れ行きが鈍くなる時期を予測しておけば、発注を抑えて、過剰在庫を抱えるリスクを避けることも可能です。

サイトや商品のレコメンド事例

レコメンドは、様々な業界や分野で活用されています。レコメンドの効果や仕組みは、サイトや商品の特徴や目的によって異なります。ここでは、実際にレコメンドを成功させたサイトや商品の事例を6つご紹介します。

Amazon

Amazonは、レコメンドシステムの代表例として有名な起業です。
Amazonが購入履歴からおすすめ商品を表示するシステムが完成したとき、当時のジェフベゾスCEOは開発者に土下座して感謝したというエピソードがあります。
参照：「ジェフ・ベゾス　果てなき野望」ブラッド・ストーン (著)

レコメンドシステムは、Amazonが躍進する大きなきっかけになりました。
Amazonのレコメンドシステムは、ユーザーの購買履歴や閲覧履歴などをもとに、「この商品を買った人はこんな商品も買っています」「この商品を見た人はこんな商品も見ています」などの関連商品やおすすめ商品を提案します。

また、レコメンドシステムは、ユーザーのレビューや評価を活用して、「お客様におすすめの商品」や「お客様の好みに合わせた商品」などの個人に合わせた商品を提示します。
これにより、ユーザーは自分に合った商品を見つけやすくなり、購入単価や購買頻度のアップ、ひいては満足度やロイヤルティを高めることに成功しました。

TikTok

TikTokは、動画サイトの王者であるYouTubeに挑む、人気が急上昇しているショート動画サービスです。

TikTokの特徴は、高度なレコメンドシステムで内容重視のおすすめを表示することです。

TikTokのレコメンドシステムは、ユーザーのフォロー履歴やいいね履歴などだけでなく、動画の再生時間やコメント数などの指標も考慮して、おすすめタブに動画を表示します。
参照：『TikTokが「おすすめ」に動画をレコメンドする仕組み』

これにより、ユーザーは自分の興味や関心に合った動画を見つけやすくなり、視聴時間や回遊率が高まります。
また、TikTokのレコメンドシステムは、ユーザーの嗜好や行動履歴をリアルタイムに分析し、最新のトレンドや話題に合わせた動画を表示します。
これにより、ユーザーは常に新鮮で面白い動画を見ることができ、TikTokを更に利用するという好循環が生まれています。

Netflix

Netflixは、世界を席巻するストリーミングメディアサービスです。
Netflixの特徴は、高度なレコメンドシステムでユーザーに合った動画コンテンツを提案することです。

ストリーミングメディアサービスは、ユーザーが見たい動画コンテンツを発見できないとすぐに飽きられてしまい、サービスの解約に至る可能性があります。
そのため、ストリーミングメディアサービスにとって、レコメンドシステムはユーザーの満足度や継続率を高めるための重要な要素です。

Netflixのレコメンドシステムは、ユーザーがどのようなジャンルやタイプの動画を見たり、評価したり、中断したりするかを分析しています。
また、動画のタイトルやキャストや監督などのメタデータだけでなく、動画の映像や音声や字幕などの素材も分析の対象です。

レコメンドシステムは、これらの膨大なデータを分析し、ユーザーニーズと動画の内容をマッチングさせて、おすすめを表示します。
また、Netflixのレコメンドシステムは、視聴する度にデータを更新、分析しています。
その成果により、ユーザーは最新のトレンドや話題に合わせた新鮮で面白い動画コンテンツを視聴でき、解約によるユーザー離れを防いでいるのです。

横浜銀行

横浜銀行は金融業界のなかでも、いち早くレコメンドを取り入れた企業として有名です。「結婚費用の貯蓄」や「マイホームの購入資金」などの定量的なデータをもとに、金融商品を推奨するレコメンドエンジンをホームページに導入しました。

これにより、店舗での対面営業と同様に、ウェブサイトにおいても、お客様のライフステージやスタイルを精緻に把握し、最適な商品を推奨できるようになりました。

また、中小企業への円滑な資金供給に向けた取り組みとして、レコメンド型オンラインレンディングの取り扱いを開始しています。
オンラインレンディングとは、中小企業など一部の事業者に対して、入出金履歴などのビックデータを活用して事前審査を行い、オンラインで融資の手続きを行えるという仕組みです。

このように、横浜銀行は各種サービスでレコメンドを活用して、顧客満足度や売上の向上を図っています。

アルビオン

アルビオンは、高級化粧品を販売する大手化粧品メーカーです。
アルビオンのレコメンドシステムは、診断コンテンツを活用しておすすめ商品を提案しています。

ハーバリウムというユーザーの興味・関心を惹きつける要素で、肌リウム（診断コンテンツ）への参加に誘導し、多くのユーザーを獲得しました。
設問への回答が終わり、最終的な診断結果ページで商品のサンプル配布をレコメンドで表示し、認知拡大に成功しています。

その結果、肌リウムに参加したユーザーの1割以上が店舗に来店するという成果が生まれました。

※「肌リウム」診断

https://pickles.tv/works/hadarium/

Atrae

レコメンドは、恋愛やビジネスなどのマッチングアプリでも活用されています。

たとえば株式会社アトラエが提供するビジネスマッチングアプリの「yenta」は、人工知能（AI）により選出されたビジネスパーソンのプロフィールが、レコメンドで毎日10名分表示されるシステムです。

「yenta」を利用すれば、自分の性格や特性、居住地など、さまざま観点から人工知能が分析を行い、自分に適したビジネスパーソンを紹介してくれます。
お互いに知り合いたい人物が積極的に表示されるため、マッチ率の向上につながっています。

よーじやグループ

よーじやグループでは、診断コンテンツの活用により、EC流入率を3倍にし、リアル店舗とデジタルでの商品レコメンドを向上させました。

診断コンテンツを活用することで、店頭の接客のようにパーソナライズされた提案をし、選択に迷ったユーザーの離脱を防ぎました。結果、ECへの遷移率が促進され、売上拡大へとつながっています。また診断コンテンツの導入により、実店舗のスタッフの工数削減にもなりました。

▼導入した診断コンテンツ
https://www.yojiyacosme.com/f/su-ha/shindan

株式会社フィッツコーポレーション

株式会社フィッツコーポレーションでは、公式LINEに登録していないユーザーと化粧品に興味のある潜在層に向けて、広告を配信。広告内でユーザーの「診断してみたい」という気持ちを高めたうえでLINEに誘導し、ともだち登録率10％以上を達成しました。

誘導した診断コンテンツ内では、自分に合った香水が分かるようにすることで商材や企業への愛着化につなげています。

このように、診断コンテンツはレコメンドとしての役割だけでなく、「診断したい」というユーザーの興味関心を引くツールとしても活用できます。

▼導入した診断コンテンツ
https://fitsonlinestore.com/f/minimoreperfume/top

レコメンドにおすすめの診断コンテンツ

レコメンドを行うには、ユーザーの個人情報が必要になります。レコメンドシステムは個人情報をベースとして、ユーザーのタイプや適性を分析し、レコメンドを行うためです。
個人情報とはユーザーの名前や年齢や性別などの属性や、行動履歴、趣味嗜好、ライフスタイルなどが対象となります。

しかし、近年では個人情報保護の観点から、ユーザーの個人情報を入手することが難しい状況です。
ユーザーは、個人情報が第三者に利用されたりすることを恐れ、簡単には提供しない傾向が強くなっています。

そのため、入手できる個人情報に限りがあり、レコメンドで大手企業と差別化するのがとても難しいという問題が発生しています。

診断コンテンツなら個人情報の取得が可能

このような個人情報入手が難しい環境下において、効果的に情報入手できる手段が「診断コンテンツ」です。
診断コンテンツには、「ユーザーが自ら進んで個人情報を提供する」という特徴があります。
そのため、個人情報保護意識が高まる中でも、「価値観」や「生活習慣」などの細かい個人情報を取得することが可能です。

ユーザーがエンタメ感覚で入力する個人情報を活用すれば、自社独自のアルゴリズムを作り上げることも可能です。
もし独自アルゴリズムによるレコメンド情報を提供できるようになれば、競合との大きな差別化を図ることができます。