さぶみっと！レコメンドとは？
さぶみっと！レコメンドは、ECサイト内のユーザー行動（閲覧・購入履歴）をAI（Deep Learning）で解析し、最適な商品やコンテンツを自動ピックアップして表示する国内シェアNo.1のレコメンドエンジンです。
約1,700サイトへの導入実績に基づくノウハウにより、ユーザーデータの蓄積を待たず、すぐに効果を実感できます。また同等機能の他サービスと比べ、導入コストは約1/3ぐらいになります。
CV予測、テキストベース、画像レコメンド、PV・CVレコメンド、ランキング、カート内レコメント、パーソナライズ、サイト内行動を元にしたレコメンドメール配信機能などさまざまな機能を備えております。
オプションのAPI連携機能を利用すれば、サイト内検索エンジンやMAツール、アプリなど外部システムにもおすすめ情報やランキングデータを連携・活用できます。
料金は初期費用9.9万円、月額利用料金はPV数従量制です。無料トライアルも用意しております。
さぶみっと！レコメンドの特徴
最短1週間での導入・効果実感
ユーザーの閲覧履歴をため込む期間を待たず、約１週間以内にサイト上へレコメンド表示を開始でいます。スタート直後から購買促進効果を検証でき、スピーディに投資対効果を高められます。
高いコストパフォーマンス
同等の性能を持つ他社製品と比較して、約3分の1の導入費用をご利用することができます。初期費用やランニングコストを抑えつつ、売上向上や客単価アップといった利益最大化を支援します。
レコメンドメール配信機能
サイト内行動や購入履歴をもとに、ユーザー一人ひとりに最適化した商品案内メールを自動生成し送信することができます。休眠ユーザーの呼び戻しやカゴ落ち対策、リピート購入の促進などに利用できます。
さぶみっと！レコメンドの機能
CV予測レコメンド
Deep Learningを活用して、ユーザーの閲覧履歴や購買履歴から「購入の可能性が高い」商品を予測し、優先的に表示します。従来のPV・CVレコメンドが「あわせ買い」「回遊促進」を重視するのに対し、CV予測レコメンドは購買されやすい商品を提案できます。結果的に転換率向上と売上増加が期待できます。
テキストレコメンド
商品名やページタイトルに含まれるテキストの意味を解析し、単純なキーワード一致ではなく、類義語や関連語を含むアイテムを抽出して表示します。最新投入商品や季節商材にも強く、ユーザーに「思いもよらない」関連アイテムとの出会いを提供し、回遊率のさらなる向上を狙います。
画像レコメンド
商品画像が持つビジュアル特徴をAIで認識し、見た目の似通ったアイテムや関連性の高いビジュアルコンテンツを提示します。ブランドやカテゴリにとらわれず、ユーザーが自力では発見しにくい類似品をレコメンドしてくれます。商品の魅力を視覚的に伝え、新たな購買動機を喚起することで回遊率とCV率を強化します。
PV・CVレコメンド機能
サイト訪問者の行動データ（PV/CV）を協調フィルタリングで解析し、「この商品を買った人はこんな商品も購入」「この商品を見た人はこんな商品も閲覧」といった表示を可能にします。さらにカテゴリ情報を組み合わせることで、「シャツを見ている人には他のシャツを提示」といった精緻な絞り込みも実現。回遊促進と客単価アップを同時に狙えます。
ランキング機能
PV数、CV数、レコメンドクリックといった指標を元に売れ筋順ランキングを自動生成。「総合」「カテゴリ別」「性別向け」など、様々な切り口でランキング表示が可能です。集計期間はデイリー／ウィークリー／マンスリーから選択でき、旬な人気商品をタイムリーに訴求。サイトのトップや特設ページで話題性を喚起します。
カート内レコメンド機能
ユーザーのカート内商品を解析し、その組み合わせで過去に高い購入実績がある関連商品を提示します。決済直前の購買意欲が高いタイミングで「あと一品」を提案することで、客単価の向上とカゴ落ち抑制を両立。クロスセル施策の強力なツールとして、ECサイトの売上底上げに貢献します。
閲覧履歴
ユーザーが過去に閲覧したページをCookieベースまたは会員IDベースで蓄積できます。ブラウザCookieなら非会員にも対応、会員IDを利用すれば複数端末での履歴統合が可能です。ユーザー自身が再度興味を示した商品にすばやくアクセスできる導線を構築し、回遊率の向上と離脱防止に役立ちます。
レコメンドメール機能
サイトを離脱したユーザーや休眠顧客へ、個別のおすすめ商品、PV/CVベースのランキング、新着アイテムをメールで配信できます。会員IDを活用すればパーソナライズされたレコメンドメールが送信できるほか、カテゴリ別ランキングや最新入荷情報もカスタマイズ可能です。
さぶみっと！レコメンドの利用料金プラン
初期費用
99,000円（税抜）
税込：108,900円
※無料トライアル期間中は初期費用が免除されます
月額費用（PV数による従量課金）
| プラン（上限PV/月） | 月額（税抜） | 月額（税込） |
|---|---|---|
| ～20万PV | 39,000円 | 42,900円 |
| ～50万PV | 59,000円 | 64,900円 |
| ～100万PV | 79,000円 | 86,900円 |
| ～1,000万PV | 99,000円 | 108,900円 |
| ～2,000万PV | 139,000円 | 152,900円 |
さぶみっと！レコメンドの導入事例
ソーシャルインテリアの事例
株式会社ソーシャルインテリアの新品家具サブスクリプションサービス「サブスクライフ」と、展示品・中古家具を扱う「サブスクライフ オフプライス」は、立ち上げ直後のサイト設計においてユーザーが求める商品にたどり着きにくく、回遊率が低迷していました。
その結果、平均セッション時間やページビュー数が十分に伸びず、限られた開発リソースを効果的に活かしながらも、サイト内のユーザー動線を強化する必要に迫られていました。
そこで「さぶみっと！レコメンド」を導入。わずかタグを埋め込むだけで標準的なPV・CVレコメンドとカート内レコメンドが利用可能となり、管理画面から直接HTML／CSSを調整できるため、開発チームの工数をほとんどかけずに約3営業日で本番反映を完了しました。また、休眠ユーザー向けのレコメンドメールも試験的に運用し、メールチャネルによる再訪促進も図りました。
導入後は、まずレコメンド部のクリック率および経由CV率が安定した水準で推移し、結果としてサイト全体のページビュー数やセッション数の増加にもつながりました。運用面では、タグを一度設置するだけでレコメンド機能が動作し、HTML/CSSの微調整も管理画面上で完結できたため、社内の開発リソースをほとんど割くことなくスムーズに運用を継続できています。
今後は管理画面の「ピックアップ機能」を活用し、編集メンバーが手軽に特集ページを組成できる体制を構築しながら、さらなるレコメンド施策の拡充を図っていく予定です。
参照事例元：https://www.submit.ne.jp/recommend/showcase/subsclife
東急の事例
東急ストア ネットスーパーは、生鮮食品から日用品までを幅広く扱う日常利用型のオンラインサービスですが、従来はリピーターが購入商品を固定化しがちで、魅力的な人気商品への気づきを生みにくい導線になっていました。
この課題を解消するため、同社はわずかなタグ設置だけで導入できる「さぶみっと！レコメンド」を採用。既存システムの改修を必要とせず、管理画面からHTMLやCSSを直接調整できるため、開発リソースを節約しつつ短期間で運用を開始しました。
導入後は、レコメンド部のクリック数・クリック率が継続的に上昇し、ユーザーの購買動線に変化が生まれていることを同社内でも実感。データが蓄積されるにつれて推薦精度が高まり、当初低めだった数値も改善傾向を示しています。
また、管理画面上で数クリックするだけで最新のグラフやスコアが確認できるため、社内のさまざまな関係者が容易に結果を把握・議論できるようになりました。
今後は、よりインタラクティブな提案を可能にする非同期通信やAPI連携の活用も視野に入れつつ、レコメンド機能のさらなる高度化を図る計画です。引き続きコストパフォーマンスに優れた運用を維持しながら、お買い物体験の質を高め、ユーザーの新たな購買行動を促進していく意向を示しています。
参照事例元：https://www.submit.ne.jp/recommend/showcase/tokyu
キャンビーの事例
株式会社キャンビーが運営するオンラインショップ「コンビネーションミール」は、かつてプロスポーツ選手として活躍したレジェンドのライセンス商品を扱うECサイトですが、商品ラインナップが拡充する中で関連商品の提案仕組みが不十分で、併せ買いの促進に課題を抱えていました。
そこで、タグを埋め込むだけで導入できる「さぶみっと！レコメンド」を採用し、PV・CVのデータをもとに「この商品を見た人はこんな商品も購入」といった標準的なレコメンド表示をサイト上へ直ぐに表示するようにしました。管理画面からHTMLやCSSの調整ができるため、開発リソースを割くことなく短期間で運用を開始しました。
導入から約１か月後には、「直帰率」が9.2ポイント改善し、「購入率」は前年同月比で55.5％上昇するという顕著な成果を記録。レコメンド欄を経由して表示された商品のクリック数も堅調に伸び、ユーザーの回遊性と購買意欲を同時に高める効果が確認されました。
また、レビューアプリとの併用により、推薦商品に対する信頼感も向上し、さらなる購買行動の後押しにつながったとのことです。今後は学習データの蓄積を進め、より高度なパーソナライズ提案へと展開することで、客単価アップとリピート率向上の両立を目指す計画です。
参照事例元：https://www.submit.ne.jp/recommend/showcase/combinationmeal
