レコメンデーション (recommendation) は、ユーザーの行動履歴や属性をもとに、一人ひとりに合った情報や商品をシステムが提示する仕組み です。
EC サイトの この商品を見た人はこちらも や、動画・音楽配信の あなたへのおすすめ が代表例です。日本語では レコメンド とも呼ばれます。
まず押さえたいポイント
- 同じサイトでも、ユーザーによって表示結果が変わる (個人最適化)
- 履歴・評価・購買などのデータが多いほど精度が上がりやすい
- 売上やエンゲージメントの向上を狙って、EC・メディア・SNS で広く使われる
代表的な方式
協調フィルタリング—似た好みの人が好んだものを薦める。利用者の行動データを使うコンテンツベース—その人が好んだものと似た特徴の商品を薦める。商品側の属性を使うハイブリッド— 上記を組み合わせ、データが少ない初期 (コールドスタート) の弱点を補う
キュレーションとの違い
キュレーションは人が視点を持って選び、多くの読者に同じ選定結果を届けます。
レコメンデーションはシステムが個人ごとに最適化するため、結果が一人ひとり違います。最適化の主体が人か機械か 全員同じか個人別か が主な違いです。
どこで使われているか
EC— 関連商品やセット購入の提案。購入単価や継続率の向上を狙う動画・音楽配信— 視聴履歴から次に見そう・聴きそうなものを並べるニュース・SNS— 反応しやすい投稿を優先表示し、滞在時間を伸ばす求人・マッチング— 経歴や条件から候補を提示する
近年は機械学習を使った高度なレコメンドが主流で、データの量と質が精度を左右します。
注意点
履歴に最適化しすぎると、似た情報ばかりが提示される フィルターバブル に陥りやすくなります。
また、おすすめの根拠が不透明だと、利用者の不信につながることもあります。さらに、エンゲージメント最優先で設計すると、刺激的なだけの情報に偏るリスクもあるため、多様性や説明性を意識した設計が求められます。
レコメンデーションが キュレーション とどう役割分担するかは、情報を届ける設計を考えるうえで重要な論点です。