アイジェント・レコメンダーとは？その特徴や利用メリット、料金、導入事例を紹介

アイジェント・レコメンダーの特徴や利用メリット、料金、導入事例を紹介させていただきます。

アイジェント・レコメンダーとは？

アイジェント・レコメンダーは、シルバーエッグ・テクノロジー株式会社が
開発・提供するAIを活用したパーソナライズ・レコメンドツールです。

ユーザーの閲覧履歴や検索行動、購入データなどをリアルタイムで収集し、
AIがそれらの情報を基にユーザーの嗜好や現在のニーズを予測します。

この予測は、ベイジアン協調フィルタリングやカーネル法、強化学習などの
先進的なアルゴリズムを用いて行われ、レコメンドの精度が利用されるごとに向上していきます。

レコメンドの流れは、まずユーザーが現在何を閲覧しているか、
その前にどのような行動を取ったかといった情報を蓄積し、それをAIが学習・分析します。

その上で、ユーザー同士の類似性やアイテム同士の相関性を計算し、
ユーザーが最も関心を持つ商品やコンテンツを推奨します。
これにより、クリック率や購買に至ったかどうかのフィードバックが
さらに学習され、次回以降の提案精度が向上します。

この結果、ECサイトやアプリでのユーザーごとに購入したくなるような
最適な商品を瞬時に提示されるので、売上向上に繋がります。

アイジェント・レコメンダーの特徴は以下になります。

高度なリアルタイム性
アイジェント・レコメンダーは、ユーザーのニーズや行動の変化に即座に対応できます。

なぜなら、アイジェント・レコメンダーサイトやアプリに設置されたタグを通じて、
ユーザーがどのページを見ているか、何を購入したかをリアルタイムで追跡し、
即座にデータを分析します。この情報を基に、AIがユーザーのニーズを
リアルタイムで更新し、最も適切な商品を提案します。

これにより、瞬時に顧客の関心に沿ったレコメンドが可能となり、
購買意欲を高め、コンバージョン率の向上に貢献します。

独自開発のマルチ・レコメンドアルゴリズム
独自に開発された複数のアルゴリズムを駆使して、ビジネスモデルや
の行動特性に応じたレコメンドの最適化が可能です。

例えば、ユーザーの行動パターンを細かく分析し、同時購入や閲覧履歴など、
さまざまな要素に基づいて推奨内容を柔軟に調整できます。

利用シーンに合わせたレコメンドのチューニング
アイジェント・レコメンダーの特徴の一つは、利用シーンごとに
最適なレコメンドを自動的に調整できる柔軟なチューニング機能です。

例えば、サイト訪問時には間口を広げるために関連商品を表示し、
カートページでは同時購入を促すアイテムを推奨します。

また、過去の購入履歴を活用して次回購入時にパーソナライズされた
レコメンドを提供することも可能です。

これにより、ユーザーの購買行動を促進し、効率的にコンバージョンを高めます。

伴走型コンサルティングサポート
専任のコンサルタントがレコメンド機能の最適な活用方法を提供し、
導入企業が持続的に成果を上げるための支援を行います。

ABテストによる効果検証や、AI活用の最適化に向けた提案など、
顧客のビジネスに合わせた高度なサポートが含まれます。
システム監視やエラーチェックなどの技術的なサポートも、24時間365日体制で実施されます。

アイジェント・レコメンダーを導入することが以下のようなことが可能になります。

リアルタイムレコメンド
ユーザーの閲覧や検索などの行動データを瞬時に収集し、その場で分析することで
、現在の関心に応じた商品やコンテンツをリアルタイムに提示する機能です。

これにより、顧客のニーズの変化に即座に対応し、より効果的な提案が可能になります。

例えば、ある商品を見ている間にその関連商品を即座に表示したり、
異なるジャンルの興味をキャッチした場合に内容を柔軟に切り替えることができます。

行動相関に基づくレコメンド機能
ユーザーが過去に閲覧したアイテムや同時に購入した商品など、行動データ間の
相関性をもとにしたレコメンド機能です。例えば、「閲覧-閲覧相関」
「同時購買相関」「閲覧購買相関」といった、過去の行動データをもとに
ユーザーに最適な商品を提示します。これは、複数の顧客行動を組み合わせて、
次にどのアイテムが興味を引くかを予測する高度なパーソナライゼーションを実現します。

ダイナミックランキング機能
サイト内での売上トレンドや人気のアイテムを、リアルタイムで順位付けして表示できます。

これにより、今まさに注目されている商品を効率よくピックアップして、
訪問者に紹介することができます。トレンドに敏感なユーザーに対して、
効果的なレコメンドを提供することが可能です。

レシピ設定によるカスタマイズ
ユーザーのサイト内での動きに応じて、レコメンドのタイミングや方法を
調整できる「レシピ設定」機能を提供しています。

これにより、サイト訪問時の閲覧履歴や購入履歴に基づいて、
特定の場面での適切な提案が可能となります。例えば、カート画面での
レコメンドや購入後のフォローメールでの提案など、あらゆるシーンでの最適化が可能です。

POSデータを活用したOMOレコメンド
オンラインとオフラインを統合するレコメンド機能で、POSデータを活用し、
実店舗での購入履歴に基づいて、ECサイト上で個別にパーソナライズされた推奨を行います。

これにより、実店舗とECの連携が強化され、両方の顧客体験を最適化することができます。

アイジェント・レコメンダーの利用料金は以下になります。

アイジェント・レコメンダーの料金体系は、大きく2つのプランに分かれています。

成果報酬型プラン
このプランでは、レコメンドによる売上に基づいた報酬を支払う形式です。
初期投資のリスクを最小限に抑え、実際に売上が上がった際にのみ費用が発生します。

リクエスト従量型プラン
APIへのリクエスト数に基づいて課金されるモデルです。
利用するリクエストの量に応じて月額料金が変動するため、
サイトの規模やレコメンドの利用頻度に応じて柔軟に費用を調整できます。

アイジェント・レコメンダーの導入事例は以下になります。

Enotecaの事例
Enotecaは、2000種類以上のワインを取り扱っているため、
彼らは膨大な商品ラインナップの中で、顧客が求めているワインを適切に
提案することが課題となっていました。
特に、顧客ごとに異なる嗜好や過去の購入履歴を考慮に入れたレコメンドが求められていました。

アイジェント・レコメンダーを導入し、AIが顧客のウェブサイトでの
閲覧履歴や購入履歴に基づいて、個々のニーズに最も適したワインを
リアルタイムで提案できるようになりました。

これにより、ユーザーは自分の好みにマッチする商品を
簡単に見つけることができ、購買プロセスがスムーズになりました。
その結果、レコメンド経由の売上が約300％増加し、より高単価の商品の売上も増加しました。
導入事例元：https://www.silveregg.co.jp/ar...

山善ビズコムの事例
山善株式会社は、工作機械や住宅設備機器を取り扱う専門商社であり、
法人顧客に対するEC販売を強化するため「山善ビズコム」を立ち上げました。

このサイトでは法人向けに家電やインテリア家具のまとめ買いなどの
機能を提供し、業務効率を図るための便利なオプションを整備しています。

しかし、サイト立ち上げ当初から、豊富な商品ラインアップにおいて
どの商品を優先的に顧客に提案するかが課題となっていました。

この課題に対し、山善ビズコムはアイジェント・レコメンダーを導入することで、
効率的なレコメンド機能を構築しました。

このシステムにより、レコメンド商品が自動的にユーザーに
提案されるようになり、大規模購入や定期的なリピート購入を促進する効果を発揮しています。

この結果、売上全体の約10%がレコメンド経由で発生しております。
導入事例元：https://www.silveregg.co.jp/ar...

京都きもの市場の事例
京都きもの市場は、高額で一点ものの呉服を取り扱うため、
顧客に最適な商品を提案しつつ、無理な売り込みを避ける必要がありました。
購入プロセスが長く、反物（生地）で購入し、後から仕立てる顧客も多く、
時間をかけた検討が求められる点が課題でした。

利用方法: アイジェント・レコメンダーを導入し、高額な一点物が多いため、
無理に関連商品を勧めるのではなく、顧客が長い検討期間の中で見たアイテムを、
再度適切なタイミングで表示する形を採用しました。
特に、毎日100点以上の新着商品を効率的に紹介し、サイトの回遊性を高めています。

その結果、月間売上として300～500万円をレコメンド経由で達成しました。
これは即決の購入だけでなく、顧客が長期的に検討する購買プロセスにも対応した、
顧客に無理な押し売りをしないアプローチが功を奏し、顧客体験の向上や
満足度が向上した結果の数字だとクライアントでは評価しています。
導入事例元：https://www.silveregg.co.jp/ar...