Welcome to FlickrJoin the Flickr community, home to tens of billions of photos and 2 million groups. Start for free
ウェブ3.0と黒川紀章:佐々木俊尚 ジャーナリストの視点
ウェブ3.0とは何か この春ごろから、ウェブ3.0という言葉が急に大まじめに語られるようになってきている。少し前までは「3.0」というのは冗談のタネでしかなかったが、そうではなくなってきたようだ。 たとえばイギリスの新聞ガーディアンは2月に、「ウェブ3.0はパーソナライゼーションとレコメンデーションだ」と評するJemima Kissのコラムを掲載している。またアメリカのブロググループはReadWriteWebは昨年初めに「ウェブ3.0って何だろう定義コンテスト」を開き、その話を題材にして「Web3.0はパーソナライゼーションなのか？」という記事を書いている。日本語訳はこちら。 また日本でも、技術評論社のWeb Site Expert誌が5月24日発売の最新号で、「Web2.0の次の波」という大がかりな特集を組んでいる。 ではウェブ3.0とはひとことで言えば何なのか。 先ほどのReadWri
レコメンデーションの虚実（1）〜認知限界をどう乗り越えるのか (1/2) - ITmedia アンカーデスク
【新連載】レコメンデーションの虚実（1）～認知限界をどう乗り越えるのか：ソーシャルメディア セカンドステージ（1/2 ページ） ネット情報増大と認知限界 インターネットの情報は、今や洪水のようになっている。この洪水の中からどのように有用なコンテンツやデータをすくい上げるのかは、インターネットにおける最も重要なテーマだ。この問題を解決するアーキテクチャとしては検索エンジンが長く定番だったが、情報のオーバーロード（過負荷）が起きている中で、検索エンジンだけでは対応しきれなくなった。 つまりはネットの情報の総体が、人間の認知能力をはるかに超えてしまっているということだ。これを「認知限界」という。認知限界というのはもともと、1978年にノーベル経済学賞を受賞したアメリカの経営学者、ハーバート・アレクサンダー・サイモンが企業などの組織を説明するために使った言葉である。外の世界がどんどん複雑になってく
レコメンデーションエンジンがロングテールの敵になる？
ペンシルバニア大学ウォートン校の研究者2人が、オンラインレコメンデーションサービスはユーザーが出会う商品の多様性を損なうかどうかをテーマにした論文を2007年9月下旬に発表した。この研究のタイトルは「Blockbuster Culture's Next Rise or Fall：The Impact of Recommender Systems on Sales Diversity」（市場を席巻した方式の趨勢はいかに：販売商品の多様性に対するレコメンデーションシステムの影響）というもので、わたしはPaidContentでこの論文のよい要約を見つけた。 世のあらゆる指標がレコメンデーションエンジンの重要性が増していくことを示しており、この議論は検討しておくべきだ。eBayのStumbleUponの買収からCBSによるLast.fmの買収、そして10月のMSNBCによるNewsvineの買収ま
【正しい理解編】同じ広告費で顧客転換率を向上させるLPOの手法 | Web担当者Forum
成功するウェブマーケティングには、仮説と検証が存在しなければならない。さらに適切にデータを検証することで、「間違いに可能な限り早く気付き、迅速に手を打つ」というPDCA（Plan Do Check Action）サイクルをいかに高速回転できるかが、今後のWeb担当者のテーマであると言える。 この記事では、マーケティング施策の概念解説とともに、実際に筆者が担当した企業の事例を元にした実践的なノウハウをお伝えする。 LPOは顧客転換率を向上する手法の1つLPO（Landing Page Optimization）という言葉はこの1年でかなり浸透したのではないだろうか。LPOは、直訳すると「着地ページの最適化」、つまり「ユーザーが何らかの意図で訪れる最初のページを、その意図に適した状態にすること」だといえる。 ここで大切なのは「ユーザーの意図」であり、その肝は「ユーザーの意図をいかにして汲み取る
リコメンドの裏側 : LINE Corporation ディレクターブログ
『livedoor グルメ』の根岸です。今日はlivedoor グルメにも実装されている「リコメンド（＝お勧め）」機能の話です。 マクドナルドの「ご一緒にポテトもいかがですか？」という店員の接客コメントは、誰もが知っている典型的な決まり文句ですよね。でも、誰にでもポテトをオススメするのは、芸がない。「俺はイモが嫌いなんだ！」っていう人だって絶対にいます。 インターネットでOne-to-Oneマーケティングの時代になると、ユーザーの動向を分析し、各ユーザーごとに興味を持ちそうな商品を予想して、お勧めするようになりました。たとえば、『Amazon』にログインして「マイストア」を選ぶと、それまでの購買履歴をもとにお勧め商品がリストアップされます。 僕のマイストアだと、 『笑う大天使（ミカエル）』 『ウォーターボーイズ』 『リンダリンダリンダ』 などのDVDが、リストアップされています。上記はいず
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 前回は、ECサイトのレコメンド技術の種類として、ルールベース方式、コンテンツベースフィルタリング方式、協調フィルタリング方式、ベイジアンネットワーク方式の4つを紹介した。今回は、これらのレコメンド方式をより細分化した上で、協調フィルタリングのロジックについて解説したい。 4つのレコメンド方式は、「レコメンドするために必要な情報は何なのか」、「何をもってレコメンドするためのルールとするか」という切り口で分類していると解説した。それぞれのレコメンド方式は、さらに「どの判別属性を軸にレコメンドアイテムを決定しているのか」という切り口によって細分化できる。その判別属性とは、アイテムベース、ユーザーベース、ユーザー提示情報ベースの3つだ。 例えば
レコメンデーションの虚実（3）～顧客属性はなぜ追い求められなかったのか
レコメンデーションの虚実（3）～顧客属性はなぜ追い求められなかったのか：ソーシャルメディア セカンドステージ（1/2 ページ） 「顧客の属性」を読み取る方法 連載前回で、協調フィルタリングには顧客同士の行動の類似性を見ているだけで、“顧客の属性を見ていない”という問題があるということを書いた。例えば、妻にプレゼントするために夫が女性用化粧品を購入すると、その後しばらくは女性用化粧品をさかんに勧められるような現象が起きてしまうというようなことを挙げた。そしてこうした顧客の属性を見ていないという問題は、コンテンツフィルタリングでも協調フィルタリングでもカバーできないということも書いた。 「モノを買う」という行動を解析してみよう。バラバラに分解すれば、次の3つに分けることができる。 ・商品の属性（その商品がどのような分野の商品で、どのような名前を持ち、どのような特徴があるのか） ・顧客の属性（顧
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
