AI（人工知能）が照らすマーケティングの未来 ～レコメンド・O2O編～ | マーケ@IT（マーケイト）～マーケティングとITを繋ぐコラム～ | 特集・レポート | ITソリューションのTIS株式会社
さまざまな分野への応用が広がるAI（人工知能）を、マーケティングに活用している事例をシリーズでご紹介しています。 今回は、ユーザーの好みに合ったレコメンドやO2Oの実現など、ユーザーとのより良いコミュニケーションにAIを活用しているケースを紹介します。 企業とユーザーの接点が多様化する現代において、デジタルマーケティングに期待されるのは、それぞれのチャネルでの「顧客体験の最適化」と、どのチャネルでもユーザーと的確にコミュニケーションする「オムニチャネルの実現」です。AIを使って、チャネルを統合した顧客体験の最適化に挑戦している事例を見ていきましょう。 朝日カルチャーセンターは、全国13教室でさまざまな講座を開催する、日本最大級の生涯学習センターです。そのWebサイトには、ユーザーの好みにマッチする講座をAIでレコメンドする機能が実装されています。 運営しているのは株式会社朝日カルチャーセン
レコメンドとは | ECのリピート率UPならAIによるレコメンド！コンビーズレコ（CombzReco）
ウェブサイト上の行動情報からユーザーの嗜好・傾向を分析し、情報をピックアップしてユーザーにおすすめすることをレコメンドといいます。 ネットショップの商品などのユーザーが求める情報にすぐにアクセスできるメリットがあり、興味を引き続けることでウェブサイトの滞在時間やコンバージョンを向上させます。 大手ネットショップの85％がレコメンドを導入しています！ネットショップのうち年間売上の上位85％のショップが既にレコメンドを導入しているという調査結果があります。 そんな業界スタンダードの販促手段になりつつあるレコメンドはなぜ効果があるのかというと、「ショップのお客様一人ひとりにおもてなしをして確実に売上につなげる」から！ 好みが多様化する現代だから、一人ひとりにマッチした商品を自動でピックアップできるレコメンドが選ばれているのです。 コンビーズレコの効果・機能・料金すべてがわかる資料はこちら（無料）
レコメンドエンジンの基本：目的と仕組みを押さえて顧客体験向上 | SILVER EGG TECHNOLOGY
商品に関する情報は、ECサイトだけでも膨大な量があり、加えてソーシャルメディアや広告にも情報が溢れています。そうした状況の中、ユーザーが自分にとって本当にベストな商品や潜在的要求がある商品に出会えることはかなり難しいといえるでしょう。 そのため、サイトの顧客体験においては、ユーザーが探していたり好みそうな商品を「おすすめ」として目に付きやすいタイミングや場所で表示し、ニーズに寄り添った情報を提供することが非常に重要となってきます。 単に「おすすめ」の表示という意味では、売れ筋ランキングや新商品といった「売りたい商品」の提示もこれに当てはまりますが、それでは十分にユーザーのニーズに寄り添っているとはいえません。 ここでは、そのように売り手視点の画一的なおすすめではなく、「あなたへのおすすめ」としてユーザー一人ひとりの嗜好や属性に合わせて表示するおすすめの基本について解説します。 レコメンドを
株式会社ALBERT（レコメンドエンジン）
データ分析から導き出されたインサイト無しにAI（人工知能）の活用は始まりません。私たちは、各業界知識とデータ・アナリティクス技術を駆使しデータドリブン経営を強力に支援します。 データ、アナリティクス、AIは企業にとって競合他社との差別化を図るかつてないほど大きな要因になっています。今日の経営幹部が効率を向上しながら新たな収益源を開拓し、新しいビジネスモデルをタイムリーに構築する方法を模索する中、価値を生み出し成長を続ける企業には「データ活用」という共通項があります。私たちは、無数のデータから企業にとって本当に必要なデータを活用するための方法を知っています。 将来を見据えたオペレーション体制を備えている企業の半数以上（52％）は、すでにデータとアナリティクスを大規模に活用しています。データとAIに関する取り組みをビジネス戦略に沿って実施することで投資利益率を迅速に最大化し、最終的にはAIをビ
各種レコメンドアルゴリズムの特徴・計算方法まとめ
各種レコメンドアルゴリズムの特徴をメモ。 間違いの指摘やご意見はお気軽に @ts_3156 までご連絡ください(^^) レコメンドとは 何かしらの「アイテム」をユーザーにおすすめする仕組みのこと。 アイテムは場合によって様々で、ECサイトなら商品、ニュースサイトならブログ記事、ツイッターならユーザーそのもの、がアイテムに当たる。 代表的なレコメンドアルゴリズムの種類 ルールベース 決め打ちレコメンド。 例：(今はA社とタイアップ中だから、)うちの商品を買った人にA社の商品をおすすめしよう コンテンツベース アイテム間の類似度に基づいたレコメンド。 例：野球のバットを買った人には野球のボールをおすすめしよう 協調フィルタリング レコメンドの話で一番話題に登るのはこのアルゴリズム。ユーザーの行動履歴からおすすめするアイテムを決める。アイテム情報を知らずにおすすめする点がポイント。アイテム情報を
第1回 レコメンドシステムと集合知 | gihyo.jp
はじめに 今回から9回に渡り、Hadoopを使ったレコメンドシステムの実装について紹介させていただくことになりました。 レコメンドシステムを構築した方は少ないと思いますが、レコメンドのサービスに触れている方は多いと思います。今回の連載で、読者の皆様にレコメンドシステムの可能性とその実装の面白さをお伝えできればと思います。よろしくお願い申し上げます。 連載の予定は次の通りです。 レコメンドシステムと集合知（今回） レコメンドシステムの実装と課題 協調フィルタリング（前・後編） コンテンツベースレコメンド（前・後編） 今回の記事のポイントは以下の通りです。 レコメンドシステムの目的は気付きと驚きを与えること 理想のレコメンドはソムリエのお薦め レコメンドシステムに必要なのは嗜好と専門性 では、早速はじめましょう。 レコメンドシステムとは？ レコメンドシステムは情報フィルタリングの一種で、大量の
データ ＆ アナリティクス | アクセンチュア
データ分析から導き出されたインサイト無しにAI（人工知能）の活用は始まりません。私たちは、各業界知識とデータ・アナリティクス技術を駆使しデータドリブン経営を強力に支援します。 データ、アナリティクス、AIは企業にとって競合他社との差別化を図るかつてないほど大きな要因になっています。今日の経営幹部が効率を向上しながら新たな収益源を開拓し、新しいビジネスモデルをタイムリーに構築する方法を模索する中、価値を生み出し成長を続ける企業には「データ活用」という共通項があります。私たちは、無数のデータから企業にとって本当に必要なデータを活用するための方法を知っています。 将来を見据えたオペレーション体制を備えている企業の半数以上（52％）は、すでにデータとアナリティクスを大規模に活用しています。データとAIに関する取り組みをビジネス戦略に沿って実施することで投資利益率を迅速に最大化し、最終的にはAIをビ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
レコメンドに浸透していくDeep Learning： 大手サービスの実用例から最新アルゴリズムを概観する