初期のレコメンデーション品質

概要

統合およびリッスンモードの段階でプレースメントやレコメンデーションをテスト／検証するプロジェクトチームの担当者は、戦略がこの初期段階でどのようなコンテキストで動作するかを理解しておくことが重要です。同様に、ライブモードに移行後にレコメンデーションを目にする社内関係者に対しても、適切な期待値を設定することが重要です。

概念やルール、戦略の仕組みを理解することで、小売業者は初期のレコメンデーション結果を正しく把握できるようになります。

このドキュメント群は、インストルメンテーションの検証を支援するためのものです。コード例は、正しい構文やパラメーターの使い方を示すサンプルです。

このガイドの想定読者は以下のとおりです：

Webまたはアプリケーション開発の経験があること
JavaScriptに精通していること
EC／小売業界のバックグラウンドを持つこと
ページ固有の動的値を使って関数を適切に構築できること

高いレベルで見ると、小売サイトのHTMLに埋め込まれたJavaScript「スタブ」は、製品および顧客に関連するフィールドをJavaScriptオブジェクト内に設定し、それをHTTPまたはHTTPSでオムニチャネルパーソナライゼーションサーバーに送信し、関連商品のレコメンデーションを表示するようにECサイトを動的に変更するJavaScriptファイルを受信します。

よくある質問やコメントは次のとおりです：

この商品がレコメンデーションに出てくるのは正しいのか？
レコメンドされる商品がランダムで無関係に見える。
現在のカテゴリとは別のカテゴリの商品がレコメンデーションに含まれているのはなぜか？
パーソナライズエンジンを導入したはずなのに「トップセラー」などの汎用的なレコメンドが表示されているのはなぜか？
顧客が関連性の高いレコメンドを見るまでにどのくらいの時間がかかるのか？

本ドキュメントは、特にリッスンモードおよびライブモードの初期数週間において、Algonomyのレコメンデーションの品質や関連性に関する一般的な懸念を解消することを目的としています。

戦略設定

ベストプラクティス

デフォルトの戦略設定は、ページタイプごとに適切な戦略を割り当てたベストプラクティスに基づいています。このベストプラクティスは、多くのAlgonomyクライアントサイトでの戦略パフォーマンス評価を通じて導き出されたものです。すべての導入はこの設定を出発点とし、実際の顧客行動やマーチャンダイジング目標に基づいてカスタマイズされます。

有効化された戦略

各ページタイプには、複数の戦略がデフォルトで有効化されています。クロスセル、検索、類似商品、トップセラー、ユーザー固有など、複数の戦略クラスから構成されています。「有効化済み」のリストには、商品や顧客に特化した戦略が含まれている場合もありますが、他のクラスの戦略や、該当戦略が条件を満たさなかった場合のために汎用的な戦略も含まれます。これは特にプレースメントが複数あるページで重要で、十分な数の戦略が有効であることで、すべてのプレースメントを埋めることが可能になります。

リアルタイム決定

戦略の適格性

戦略ごとに必要条件が異なり（あるものはページ上に特定のインストルメンテーションを、他は閲覧履歴や購入履歴を必要とする）、常に表示対象として適格になるとは限りません。

King of the Hill

実行時に、パーソナライズエンジン（どの戦略が「King of the Hill」になるかを決定する意思決定エンジン）は、訪問者に対してその時点のデータをもとに表示対象となる有効な戦略を選定します。マーチャンダイジングルールやフィルターが適用され、残った候補の中からクリック率の履歴に基づいて最も優れた戦略が「King of the Hill」として選ばれます。

データの可用性

戦略パフォーマンスデータ

リッスンモード中は、レコメンデーションのプレースメントが顧客に表示されないため、戦略パフォーマンスデータは利用できません。レコメンデーションがライブ（表示モード）になり、パフォーマンスデータが収集され始めると、エンジンはパフォーマンスの良い戦略（つまりクリック率の高いもの）を優先して表示するようになります。この段階ではまだデータが限られているため、使用される戦略には大きな変動が見られることがあります。

データフィード

商品名、説明、プレースメントに表示されるその他の属性（価格を含む）は、最新の製品カタログフィードによって決まります。レコメンデーションに誤った値が表示される場合、それはフィード内のデータが誤っているか、あるいはフィードの更新がまだ反映されていないことが原因です。

モデリング

モデリング手法

リッスンモードおよびディスプレイモードの最初の2週間において、オムニチャネル・パーソナライゼーションは「重み付けランダム化」と呼ばれるモデリング手法を使用します。この手法では、有効かつ適格なすべての戦略に均等な機会を与えるため、顧客に表示されるプレースメントの一部は「ベスト」戦略ではなく「テスト」戦略となり、あまり関連性がないように見える場合があります。ディスプレイモードに移行して2週間が経過すると（この期間は、エンジンが各戦略の相対的な強みと弱みを学習するのに通常十分です）、デプロイメントマネージャーがサイト設定を「アダプティブウィンドウ」モデリング手法に変更します。

この手法では、最小限のテスト数で最もパフォーマンスの高い戦略を維持できるレベルの信頼性を確保しながら選定します（高トラフィックなページタイプほど統計的に有意なデータが集まりやすいため、少ないテスト数で済みます）。「アダプティブウィンドウ」適用後は、顧客は最もパフォーマンスの高い戦略を高頻度で目にすることになります。

自動戦略テスト

導入初日から最もパフォーマンスの良い戦略が選ばれ、それが永続的に優先され続けるのを避けるため、エンジンは常に他の有効戦略をテストしてパフォーマンスを確認し、それらが上位に来るチャンスを与えています。このテストは自動的かつ継続的にバックグラウンドで行われます。エンジンが学習を続け、戦略のパフォーマンス履歴が蓄積されるにつれ、表示される「テスト」戦略の割合は減少していきます。

テスト

「レコメンデーションの品質」をテストする場合、多くの戦略が閲覧履歴に基づいていることを理解することが重要です。つまり、テスターが過去に閲覧した商品タイプが含まれる可能性があります。適切なテストを行うためには、実際の購買行動を模した閲覧履歴を構築する必要があります。サイト内のさまざまなカテゴリをランダムにクリックしてレコメンデーションを確認する行為は、実際の顧客の行動とは異なるため、表示されるレコメンデーションも現実的なものとは限りません。より現実的な閲覧履歴を構築し、商品ページをリフレッシュすることで、レコメンデーションの「関連性」が高まっていくはずです。

複数の商品（またはカテゴリ）での閲覧／購入履歴によってシードされる戦略もあり、これが原因でプレースメントに異種混在の製品群が表示されることもあります。一見関連性が低いように見える場合でも、実際にはパフォーマンスが高いことがあり、パフォーマンスを分析せずに戦略を無効化すべきではありません。

継続的な最適化

ディスプレイモード移行後1〜2週間の間に、デプロイメントマネージャーが初回の戦略パフォーマンスレビューを行います。この時点で、パフォーマンスの低い戦略は無効化し、必要に応じて他の戦略で補完することが可能です。パフォーマンスの適切な分析を経た上で、プレースメント単位で特定の戦略を「優先」させる設定も可能です。また、マーチャンダイジング制御を活用し、ルールやフィルターを使って目標に沿った調整を行うことも可能です。