レコメンダーシステムとは

推奨システムは、ユーザーがシステムに入力したデータに基づいてユーザーに推奨を行うシステムです。 ユーザーが提供するデータが多いほど、そのようなシステムはより正確になります。 さらに、個々のユーザーから送信されたデータは、他のユーザーへの推奨に使用できる情報を生成することにより、システム全体の改善に役立ちます。 レコメンダーシステムは、映画やテレビのレビューサイトなどのサイトや、すべてのアイテムを見ても機能的には閲覧できない小売アイテムの大規模なインベントリを持つサイトでよく見られます。

これらのシステムは、さまざまな方法でユーザーと対話できます。 1つは、読書、テレビ番組、ビデオゲームなど、興味のあるものをもっと探しているユーザーへのサービスです。 これらのシステムでは、ユーザーは好き嫌いのリストを生成し、システムはユーザーがまだ投票していないものに投票する方法を予測しようとします。 何かに高い評価があると思われる場合は、ユーザーに提案します。

適切に設計されたレコメンダーシステムは、ミスから学習します。 ユーザーがウィリーウォンカとチョコレートファクトリーが好きだったため、システムはThe Sound of Musicを推奨するかもしれません。 ユーザーは、「これが好き」または「これが好きではない」などのオプションを選択できます。 ユーザーがThe Sound of Musicを気に入らなかった場合、システムはメモを取り、推奨事項の生成に使用されるアルゴリズムをさらに改良することができます。 蓄積されたデータが多いほど、推奨事項は役立ちます。

小売サイトは、推奨システムを使用して、人々に衝動買いを促します。 システムは購入したアイテムをメモし、関連する有用なアイテムを推奨します。 たとえば、カメラを購入する人は、充電器、カメラケース、フィルター、追加レンズを購入するかどうかを尋ねられることがあります。 フェミニスト理論に関する本を購入した人は、そのタイトルの他の購入者も別の関連タイトルを楽しんでいると言われるかもしれません。 これらのタイプのレコメンダーシステムは、ユーザーにアピールする可能性が高いパーソナライズされたマーケティングを可能にします。

これらのシステムは、膨大な数のユーザーからのデータが意味のある方法で整理されるデータの共同フィルタリングに依存しています。 これにより、サイトは他の方法では明らかにされない可能性のある接続を確立でき、推奨事項の品質が向上します。 参加したくないユーザーは、通常、ユーザー設定のオプションを変更できますが、システムは個人の好みから学習することはできず、他のユーザーの集合的な意見からしか学習できないため、受信する推奨事項の品質が低下します。