レコメンデーション：設定した目標にユーザーが到達できるよう支援する

ユーザーの予測目標を特定したら、ユーザーがその目標を達成するのに最も役立つ推奨事項を作成します。 AmplitudeのAutoMLは、どの項目が各ユーザーの予測目標を最大化する可能性が最も高いかを判断し、それらの項目をユーザーに提示します。

Amplitudeの機械学習アルゴリズムは、選択したユーザーを類似ユーザーのグループに分類します。 この類似性は、共有されたユーザープロパティと過去の行動によって決定づけられます。次に、Amplitudeは履歴データを分析して、どのアイテムが各クラスターのコンバージョン率を高める可能性が最も高いかを特定します。 最後に、Amplitudeは各ユーザーのクラスターに基づいて、ランク付けされたアイテムのリストを割り当てます。

アルゴリズムは1時間ごとに再学習を行うため、新しいプロパティや動作情報も結果に組み込まれます。

推奨事項に最適

レコメンデーションは、アカウントベースのパーソナライゼーションではなく、ユーザーベースのパーソナライゼーションに最適です。この機能は、プロダクトカルーセルやプロダクトリスト、カートフローにプロダクト、記事、ショーなどの一連のアイテムを表示する必要がある企業にとって最も役立ちます。eコマース、マーケットプレイス、B2C、サブスクリプションソフトウェア企業は、推奨事項から最大の価値を得ています。

一方、エンタープライズB2B企業は、推奨事項から利益を得ることはめったにありません。

推奨されるユースケース

推奨事項はアナリティクス機能ではありません。これは、製品内およびデジタル体験を向上させて効果を最大限に高めるのに役立つパーソナライゼーション機能です。 推奨事項は、ユーザーベースのデジタルコマースのパーソナライゼーションの3つのタイプ（品揃え、次善の行動、クロスセル）に最適です。

• アソートメント：ホームページまたはカテゴリページ内に表示するアイテムをランク付けします。これらのアイテムには、SKU、記事、ショー、および類似のコンテンツが含まれます。 アソートメントはエンゲージメントを高めるために適切です。
• ネクストベストアクション：このスキームは、ユーザーが興味を持つ可能性のある2番目のアイテムを特定し、それをチェックアウトまたはカルーセルフローに配置するか、購入後の電子メールに配置します。ここでの目標はコンバージョンを増やすことです。
• クロスセル: ユーザーがまだ達成していないライフサイクルのステージを示すアイテムをランク付けします。 これらの項目は通常、カテゴリ、製品、またはサブスクリプション タイプです。 主な目的はLTVを高めることです。

Amplitudeは、セッション中のレコメンデーションや新商品のレコメンデーションなど、他のユースケースに対するサポートを開発しています。

レコメンデーションに関するデータ要件

レコメンデーションには、結果イベント、露出イベント、およびイベントプロパティという3つのデータ要素があります。レコメンデーションを機能させるには、タクソノミー内のこれらのコンポーネントの背後にあるデータをインストルメントする必要があります。

• 結果イベントは、レコメンデーションの客観的な目標です。多くの場合、結果イベントは「購入」や「購読」のようなものです。 この結果をAmplitude Analyticsでイベントとして追跡してください。
• エクスポージャーイベントは、結果イベントの前にユーザーが実行するアクションです。一般的なエクスポージャーイベントには、「カートに追加」、「プロダクトをクリック」、またはレコメンデーション対象となるアイテムを設定するイベントプロパティを持つ別のイベントなどがあります。このイベントを、結果イベントのコンバージョンファネルのアップストリームで追跡してください。
• イベントプロパティは、レコメンデーションに表示される「項目」です。このプロパティには、「SKU」、「ID」、「名前」、「カテゴリ」、「ブランド」などの名前が付いていることがよくあります。 この情報をエクスポージャーイベントのイベントプロパティとして保存します。

Amplitude CSMと緊密に協力して、ご使用のタクソノミーがこれらの条件を満たしていることを確認してください。

詳細については、レコメンデーションを作成するおよびパーソナライゼーションキャンペーンでレコメンデーションを活用するを参照してください。