レコメンドエンジンの全体像――ビジネスに使えるデータサイエンス
くどう・たくや／マッキンゼー・アンド・カンパニー パートナー、QuantumBlack 共同統括 兼 テレコム・メディア・テクノロジー（TMT）セクターのグローバルリーダシップチームメンバー。 慶應義塾大学を卒業し、コンサルタントとして活躍後、コロンビア大学大学院で経済政策を学ぶため渡米。同大学院で修士号を取得後、ブルームバーグ政権下のニューヨーク市で統計ディレクター職を歴任。在任中、カーネギーメロン工科大学情報技術科学大学院で工学修士号も取得。2011年よりアクセンチュアデジタルの創業メンバーとしてシアトルオフィスにてグローバルのデータサイエンスCOE統括兼北米統括を歴任、KDDIの合弁会社ARISE analyticsではChief Science Officer (CSO)兼取締役を務める。2021年5月よりマッキンゼー・アンド・カンパニーに移籍、シアトルオフィスにてパートナーに着任
検索システムでは「読みたい本」に出会えない 名編集者が語る「知的欲求を満たす推薦機能」：日経ビジネスオンライン
世界最大のインターネット書店、米アマゾン・ドット・コムの「オススメ機能」として知られる「レコメンデーション」機能があります。購入履歴から顧客の消費動向を分析して、同じ商品を買った別の顧客がほかにどのような商品を閲覧したり、購入したかという情報を基に、商品をオススメする仕組みです。 確かに、関連する商品を見つけるには便利でしょう。でも、それはあくまで他人の行動の統計の結果であって、「自分の欲望に基づいた将来行動の予測」ではないんです。 私が考えているのは、本の著者やジャンルといった概要で分けるのではなく、中身や文脈から分類して、これまでの分類を超えて「近い文脈の本」を薦めること。「千夜千冊」と名付けた書籍紹介の企画もあり、私は30年近くにわたって、あらゆる本を分類してきました。その過程で、独自の「目次録」という分類コードを作っています。 目次録は親コードから孫コードまで3階層に分かれます。大
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
“連想型”消費で売る：日経ビジネスオンライン