状況に応じたレコメンデーションの一覧
場合によっては、アイテムからユーザーへの (パーソナライズされた) レコメンデーションでは、十分に関連性がないことがあります。 この場合、さまざまなアイテムとのユーザーのやり取りを使用して、アイテム間 (コンテキスト) リレーションシップについても確認できます。 アイテム間リレーションシップは、次のようなエクスペリエンスを強化するため、レコメンデーションが役立つ最も重要なシナリオの 1 つです:
代替手段による買い物
継続的なエンゲージメント
検出と探索
その他のおすすめ
最も効果的なレコメンデーション チャネルの 1 つは、その他のおすすめ (または購入) リストで、最も一般的には 製品の詳細 ページにあります。
その他のおすすめ は、明示的なシグナル (トランザクション、最近表示) に基づいており、他のユーザーの消費に関する情報を使用して、アイテム間に強い関係を作成します。
その他のおすすめ の例:
買い物客は、購入を検討している商品に加えて、ユーザーが購入した別のハンドバッグを見ることができる
Xbox ゲーム詳細ページで、ユーザーがダウンロードした他のゲームを紹介する
現在の記事に加えて、他のユーザーも読んだ記事を提案する
他の人はこちらもチェック
アイテムをモデル化する別の方法は、「いいね!」や「購入」などの明示的なアクションではなく、暗黙的な表示シグナルを使用することです。 表示を使用して、ユーザーが関連または類似のコンテンツに移動できるようにします。 このエクスペリエンスにより、ユーザーは、他のユーザーが表示したが明示的に操作していないコンテンツを表示できます。
他の人はこちらもチェック の例:
このアイテムまたはサービスも表示した他のユーザー
次に読む記事
よく一緒に購入される商品 (カート)
よく一緒に購入される商品 は、ショッピング カートに既に置かれているアイテムに基づくアップセル シナリオです。 このシナリオは、"キャンディ ラック エクスペリエンス" と呼ばれます。このシナリオでは、以前に購入した (完了した) 他のバスケットから学習し、現在ユーザー カートにあるものに基づいて補完的な製品を返します。 このシナリオは、バスケット全体を意味のあるエンティティとして分析できるため、アイテム間リレーションシップとは異なる場合があります。
よく一緒に購入される商品 の例:
ノートパソコンを購入すると、充電器、サーフェイス ペン、またはマウスが提案される
サングラスとスカーフを購入すると、手袋、財布、またはシャツが提案される
卵とミルクを購入すると、チーズやチョコレートが提案される
視覚的に類似したおすすめ候補
一部のアイテムでは、視覚的な類似性により、共同フィルター ソリューションではなく、追加の視点が提供される場合があります。 消費者が店で見たものと同じような花柄のシャツを探しているとします。 同じような商品を探す では、Intelligent Recommendations は、コンテンツ イメージを使用して、ユーザーに異なるアイテム間エクスペリエンスを提供する、類似した視覚的属性を持つ製品を検出できます。
同じような商品を探す の例:
同じような商品を探す
ファッションとデザイナーによるショッピング
ルックの完了
この画像では、結果が開始アイテムと同様のグラデーション パターンを返すことがわかります。
テキストによる類似のおすすめ候補
コンテンツ画像が同じように見える場合があり(ワインのボトルなど)、視覚的な類似性による比較は適用できません。 製品の豊富なテキスト記述がある場合、テキストの類似性を生成できます。 この場合、Intelligent Recommendations は、アイテムの記述に使用される記述テキストを理解するようにニューラル ネットワークをトレーニングできます。 これらのお客様に対して、私たちのモデルは、テキストを代替類似空間として理解および解釈することにより、関連するレコメンデーションを提供します。
テキストによる類似のおすすめ候補 の例:
記述によるワインの提案
休暇の場所
記事のレコメンデーション
