協調フィルタリング技術を掘り下げる--ECサイトのレコメンド技術を考える（3）
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 筆者が所属するケイビーエムジェイの「パーソナライズド・レコメンダー」は、連載第1回でも述べたECサイトの目標である「ユーザーにより多くの商品を見てもらい、より多くのユーザーをコンバージョンに結び付ける」という命題を実現するため、協調フィルタリング×アイテムベースを採用している。その詳細なロジックとアイテムベースを採用する理由について、これから詳しく説明しよう。 協調フィルタリング×アイテムベースのロジックとは まず、ユーザーの暗黙的なユーザー行動履歴情報を取得するために、ウェブビーコン（ウェブページに埋め込まれた情報収集用の極めて小さい画像）を設置する。例えば、商品c の商品購入完了ページにウェブビーコンを設置すると、ユーザーAが商品c
協調フィルタリング技術を掘り下げる--ECサイトのレコメンド技術を考える（3）
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 協調フィルタリング×アイテムベースの課題と対策 協調フィルタリング×アイテムベースを採用するレコメンド機能は、こうした基本処理をベースに開発されているが、この方法には以下のような課題がある。 セットで購入するケースが少ない場合、レコメンドされない、またはレコメンドの精度が悪くなる レコメンドされるアイテムが人気の高いアイテムに偏る レコメンドされるアイテムが長期間掲載しているアイテムに偏る 同一アイテムに対する連続的な閲覧や、クローラーなどの閲覧によって偏る 関連性のないカテゴリのアイテムがレコメンドされてしまう 自動計算では意図的なレコメンドができない これらの課題を改善するために、各社のレコメンド機能は、基本処理に加え、精度を向上す
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
処理を実行中です
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
