Skip to content

推奨アイテムについて

この記事では、顧客が実際に興味を持っているアイテムを提案するさまざまな方法について学び、Brazeを使ってレコメンデーション・エンジンを作成する一般的なユースケースのヒントを得る。

前提条件

すべてのレコメンデーションタイプは、少なくとも1つのカタログを設定する必要がある。

推薦の種類

顧客に商品を薦める場合、いくつかのアプローチがある：

AI パーソナライズされたレコメンデーション

AIアイテム・レコメンデーション機能の一部であるAIパーソナライズド・レコメンデーションは、ディープラーニングを活用し、ユーザーが過去に興味を示したものに基づいて、次に興味を持ちそうなものを予測する。この方法は、ユーザーの行動に適応する、ダイナミックでカスタマイズされた推薦システムを提供する。

AIパーソナライズド・レコメンデーションは、レコメンデーションモデルを構築するために、購入やカスタムイベントなど、過去6ヶ月間のアイテムとのインタラクションデータを使用する。パーソナライズされたリストを作成するのに十分なデータがないユーザーには、最も人気のあるアイテムが予備として機能するため、ユーザーは引き続き関連性の高い提案を得ることができる。

AIアイテム・レコメンデーションを使えば、さらに以下の方法でアイテムを絞り込むこともできる。 選択項目。ただし、リキッド入りのセレクションはAIのレコメンデーションには使えないので、カタログのセレクションを作る際にはその点に留意してほしい。

例については、この記事の使用例のセクションを参照のこと。

AIアイテム・レコメンデーション機能には、「AIパーソナライズド」モデルに加え、ユーザーが最も興味を持つアイテムをフィーチャーする「最も人気」のレコメンデーションモデルも含まれている。

追跡されているインタラクションデータに基づき、このモデルのユースケースには、レコメンデーションが含まれる：

最新のおすすめアイテム

AIアイテム・レコメンデーション機能には、「AIパーソナライズド」モデルに加え、ユーザーが最も興味を持ったアイテムを紹介する「最新」のレコメンデーションモデルも含まれている。このモデルを利用して、離脱したユーザーに関連コンテンツへの再アクセスを促し、解約を減らす。

追跡されているインタラクションデータに基づき、このモデルのユースケースには、レコメンデーションが含まれる：

セレクションに基づく推薦

セレクションは、カタログデータの特定のグループである。選択範囲を使用する場合、基本的にはカタログの特定の列に基づいてカスタムフィルターを設定することになる。これには、ブランド、サイズ、場所、追加日などのフィルターが含まれる。ユーザーに表示するアイテムを満たすべき基準を定義できるため、何を推薦するかをコントロールできる。

前の3つのタイプはすべて、Brazeで推薦モデルを設定し、トレーニングする。これらのモデルでセレクションを使うこともできるが、カタログのセレクションとリキッドパーソナライゼーションだけで、レコメンデーションのユースケースを達成することもできる。

いくつかの使用例には、推薦が含まれる：

ルールに基づく推奨

ルールベースのレコメンデーションエンジンは、ユーザーデータと商品情報を使って、メッセージ内でユーザーに関連商品を提案する。LiquidとBrazeカタログまたはConnected Contentを使用して、ユーザーの行動や属性に基づいてコンテンツを動的にパーソナライズする。

ルール・ベースの推奨は、手動で設定しなければならない固定ロジックに基づいている。つまり、ロジックを更新しない限り、レコメンデーションはユーザー個々の購入履歴や嗜好に合わせて調整されないため、この方法は頻繁な更新を必要としないレコメンデーションに最適である。

いくつかの使用例がある：

  • 再入荷のリマインダー：毎月のビタミン剤や毎週の食料品など、使用サイクルが予測できる商品については、最終購入日に基づいて再入荷リマインダーを送信する。
  • 初回購入者である：初回購入者にスターターキットや紹介キャンペーンを勧め、2回目の購入を促す。 ロイヤリティ・プログラム：顧客の現在のポイント残高に応じて、ロイヤルティポイントや特典を最大限に活用できる商品を紹介する。
  • 教育的な内容である：過去に消費または購入した教材のトピックに基づいて、新しいコースやコンテンツを提案する。

ユースケース

ユーザーが次に購入する可能性の高いアイテム

購入イベントや購入に関連するカスタムイベントに基づいて、ユーザーが次に購入する可能性の高いアイテムを予測し、推奨する。以下に例を示します。

  • 旅行サイトは、ユーザーの閲覧履歴や過去の予約に基づいて、バケーション・パッケージやフライト、ホテルの宿泊を提案し、ユーザーの次の旅行先を予測し、旅行の計画を立てやすくすることができる。
  • ストリーミング・プラットフォームは、視聴習慣を分析し、ユーザーが次に見る可能性の高い番組や映画を推薦することができる。

必要条件
  • AIアイテムの推奨
  • 関連商品カタログ
  • 購入オブジェクトまたはカスタムイベントによる購入を追跡する方法。

設定方法
  1. AIアイテムの推奨を作成する。
  2. タイプを AIパーソナライズドに設定する。
  3. カタログを選択する。
  4. (オプション) 選択肢を追加して、関連するアイテムのみに推薦文をフィルタリングする。
  5. 現在どのように購入イベントを追跡しているか、また対応するイベントプロパティを選択する。
  6. 推薦者を訓練する。
  7. メッセージングに推薦文を使う。

最近カートに入れた商品

最近カートに入れたが、まだ購入していない商品への興味をユーザーに思い出させる。例えば、オンライン小売業者は、リマインダーを送信したり、カート内の商品について期間限定の割引を提供したりすることで、ユーザーにオファーの期限が切れる前に購入を完了するよう促すことができる。

必要条件
  • AIアイテムの推奨
  • 関連商品カタログ
  • カートに入れた時のカスタムイベント

設定方法
  1. AIアイテムの推奨を作成する。
  2. Typeを Most recentに設定する。
  3. カタログを選択する。
  4. (オプション) 選択肢を追加して、関連するアイテムのみに推薦文をフィルタリングする。
  5. カスタムイベントを選択し、リストからカートに追加するカスタムイベントを選択する。
  6. 推薦者を訓練する。
  7. メッセージングに推薦文を使う。

気に入ったアイテム

ユーザーが最近「いいね！」したアイテムや、「いいね！」が多いアイテムを、「いいね！」用のカスタムイベントに基づいて探索するよう促す。例えば、音楽ストリーミングアプリは、ユーザーが過去に気に入ったジャンルやアーティストに基づいて、パーソナライズされたプレイリストを作成したり、新しいアルバムのリリースを提案したりすることができる。

必要条件
  • AIアイテムの推奨
  • 関連商品カタログ
  • いいね！のためのカスタムイベント

設定方法
  1. AIアイテムの推奨を作成する。
  2. Typeを Most recentに設定する。
  3. カタログを選択する。
  4. (オプション) 選択肢を追加して、関連するアイテムのみに推薦文をフィルタリングする。
  5. カスタムイベントを選び、リストから「いいね！」のカスタムイベントを選ぶ。
  6. 推薦者を訓練する。
  7. メッセージングに推薦文を使う。

最も人気のある商品

購入履歴をもとに、ユーザーにカタログの人気アイテムの探索を促す。関連性の高いコンテンツだけを表示させるには、選択項目でフィルタリングすることをお勧めする。例えば、フードデリバリー・サービスは、プラットフォーム上での注文の人気度に基づいて、ユーザーの地域内で評価の高い料理やレストランをハイライトし、試食や発見を促すことができる。

必要条件
  • AIアイテムの推奨
  • 関連商品カタログ
  • 購入オブジェクトまたはカスタムイベント

設定方法
  1. AIアイテムの推奨を作成する。
  2. Typeを Most popularに設定する。
  3. カタログを選択する。
  4. (オプション) 選択肢を追加して、関連するアイテムのみに推薦文をフィルタリングする。例えば、フードデリバリーサービスでは、レストランの場所や料理の種類をフィルターにかけることができる。
  5. 現在のイベント追跡方法と、対応するイベントプロパティを選択する。
  6. 推薦者を訓練する。
  7. メッセージングに推薦文を使う。

最も閲覧されたアイテム

ビューを通じてユーザー全体の注目を集めたアイテムを強調し、エンゲージメントや購入を促す。例えば、不動産サイトは、ユーザーの検索エリアで最も閲覧された物件を表示し、多くの注目を集めている物件を強調することができる。

必要条件
  • AIアイテムの推奨
  • 関連商品カタログ
  • ビューのカスタムイベント

設定方法
  1. AIアイテムの推奨を作成する。
  2. Typeを Most popularに設定する。
  3. カタログを選択する。
  4. (オプション) 選択肢を追加して、関連するアイテムのみに推薦文をフィルタリングする。
  5. カスタムイベントを選択し、リストからビューのカスタムイベントを選択する。
  6. 推薦者を訓練する。
  7. メッセージングに推薦文を使う。

新商品

このシナリオは、ユーザーのアクションに直接依存するのではなく、カタログデータに依存する。カタログに追加された日付に基づいて新商品をフィルタリングし、レコメンデーションモデルをトレーニングすることなく、ターゲットキャンペーンやキャンバスを通じて新商品をプロモーションすることができる。

例えば、ハイテクeコマース・プラットフォームは、カタログに最近追加されたアイテムをターゲットとするフィルターを使用して、最新のガジェットや今後の予約注文についてハイテク愛好家に警告することができる。

必要条件
  • 日付フィールドが追加された関連アイテムのカタログ

設定方法
  1. カタログに基づいてセレクションを作成する。カタログに、アイテムが追加された日付に対応する時間フィールド（データ型が 時間に設定されたフィールド）があることを確認する。
  2. (オプション）必要に応じてフィルターを追加する。
  3. ソート順のランダム化」がオフになっていることを確認する。
  4. ソート・フィールド（Sort Field）」で、追加した日付のフィールドを選択する。
  5. ソート順を降順に設定する。
  6. メッセージで選択する。

ユーザーのカートで人気のアイテム

多くの買い物客がカートに入れた商品を紹介することで、ユーザーに商品のトレンドを伝える。

例えば、ファッション小売業者は、他の顧客によってカートに追加された人気商品に基づいて、流行の服やアクセサリーを宣伝することができる。そして、ホームページやモバイルアプリにダイナミックな “Trending Now “セクションを作り、リアルタイムで更新することで、商品が売り切れる前に買い物客に購入を促すことができる。

必要条件
  • AIアイテムの推奨
  • 関連商品カタログ
  • カートに入れた時のカスタムイベント

設定方法
  1. AIアイテムの推奨を作成する。
  2. Typeを Most popularに設定する。
  3. カタログを選択する。
  4. (オプション) 選択肢を追加して、関連するアイテムのみに推薦文をフィルタリングする。
  5. カスタムイベントを選択し、リストからカートに追加するカスタムイベントを選択する。
  6. 推薦者を訓練する。
  7. メッセージングに推薦文を使う。

ランダムアイテム

多様なユーザー体験のために、ランダムなアイテムを推薦することは、多様性を導入し、あまり訪問されていないカタログ領域への興味を喚起する可能性がある。この方法では、特定のモデルやイベントを必要とせず、カタログのセレクションを使ってアイテムがランダムに表示されるようにする。

例えば、オンライン書店が「サプライズ・ミー」機能を提供し、ユーザーの過去の購入履歴や閲覧習慣に基づいてランダムに本を推薦することで、通常の読書ジャンル以外の探求を促すことができる。

必要条件
  • 関連商品カタログ
  • ソート順をランダムにするをオンにした選択

設定方法
  1. カタログに基づいてセレクションを作成する。
  2. (オプション）必要に応じてフィルターを追加する。
  3. ソート順をランダムにするをオンにする。
  4. メッセージで選択する。

最近クリックされた項目

クリックのカスタムイベントに基づいて、最近クリックしたアイテムへの再訪問をユーザーに促す。例えば、オンライン・ファッションの小売業者は、ユーザーが興味を示した洋服をクリックすると、その洋服を特集したフォローアップ・メールやプッシュ通知を送るレコメンデーションを作成し、ユーザーにその商品を再訪問して購入するよう促すことができる。

必要条件
  • AIアイテムの推奨
  • 関連商品カタログ
  • クリック用のカスタムイベント

設定方法
  1. AIアイテムの推奨を作成する。
  2. Typeを Most recentに設定する。
  3. カタログを選択する。
  4. (オプション) 選択肢を追加して、関連するアイテムのみに推薦文をフィルタリングする。
  5. Custom Eventを選択し、リストからクリック用のカスタムイベントを選択する。
  6. 推薦者を訓練する。
  7. メッセージングに推薦文を使う。

最近契約または購入した商品

閲覧、クリック、購入など、ユーザーが最近接触したアイテムを宣伝する。このアプローチにより、レコメンデーションは常に新鮮で、ユーザーの最新の関心に沿ったものになる。.以下に例を示します。

  • 教育だ：オンライン教育プラットフォームは、最近教育ビデオを見たがコースに登録していないユーザーに対し、類似のコースや興味のある科目をチェックするよう促すことで、ユーザーの学習意欲を維持し、学習を開始させることができる。
  • フィットネスだ：フィットネス・アプリは、ユーザーが最近こなした、あるいは交流したものに似たワークアウトやチャレンジを提案することができ、エクササイズ・ルーティンを変化に富んだ魅力的なものに保つことができる。
  • ホームセンターである：顧客が電動工具を購入した後、ホームセンターは最近の購入品に基づいて関連アクセサリーや安全用品を推奨し、ユーザーの体験と安全性を高めることができる。

必要条件
  • AIアイテムの推奨
  • 関連商品カタログ
  • 購入オブジェクト、またはエンゲージメント・インタラクションのカスタム・イベント

設定方法
  1. AIアイテムの推奨を作成する。
  2. Typeを Most recentに設定する。
  3. カタログを選択する。
  4. (オプション) 選択肢を追加して、関連するアイテムのみに推薦文をフィルタリングする。
  5. Custom Eventを選択し、リストからクリック用のカスタムイベントを選択する。
  6. 推薦者を訓練する。
  7. メッセージングに推薦文を使う。
  GitHub でこのページを編集
「このページはどの程度役に立ちましたか?」
New Stuff!