機械学習を搭載したレコメンドエンジン

RECOMMEND ENGINE

特許取得している高度なアルゴリズムで
お客様のデータに合わせたカスタマイズが可能

プライベートDMPに蓄積した一人ひとりのユーザの趣味・嗜好や行動属性を機械学習・予測し、最適なアイテムやコンテンツを推奨します。

またパーソナルレコメンド、「時間」や「価格帯」、マルチデバイスなど豊富なレコメンドアルゴリズム(50種類)によりお客様のデータに合わせたフィルター機能で、カスタマイズも可能

さらにDMPと連動したバナーの出しわけでLPOやABテストも実行できます。

特許取得している高度なアルゴリズムでお客様のデータに合わせたカスタマイズが可能

プライベートDMPに蓄積した一人ひとりのユーザの趣味・嗜好や行動属性を機械学習・予測し、最適なアイテムやコンテンツを推奨します。

またパーソナルレコメンド、「時間」や「価格帯」、マルチデバイスなど豊富なレコメンドアルゴリズム(50種類)によりお客様のデータに合わせたフィルター機能で、カスタマイズも可能。

さらにDMPと連動したバナーの出しわけでLPOやABテストも実行できます。

多彩なレコメンド機能でユーザ
一人ひとりに最適なアイテムやコンテンツを推奨

LINE連携(カルーセル形式)
会員のWeb行動履歴や閲覧履歴を用い、それぞれの会員にあわせた最適な情報を抽出して、LINEへレコメンドメッセージの配信ができます。

さらに2019年4月より配信強化機能として複数の情報(商品)をレコメンドできるカルーセル形式で配信できるようになりました。

コンテンツレコメンド
ユーザの行動履歴はもちろんのこと、サイト全体のユーザ動向を組み合わせてレコメンドデータを作成します。コラムやニュース記事といった商品ではないコンテンツをレコメンドできることが特長です。

アイテムレコメンド
「商品軸」と「顧客軸」と「時間軸」を組み合わせて、レコメンド結果を絞り込むことができます。TOPページを含む全てのWebページでレコメンド表示が可能です。

メールレコメンド
ユーザの閲覧情報や購買履歴などのデータを基に作成さしたレコメンド情報をメール配信データに組み込むことで1人ひとりへ最適なレコメンドのメールを配信することができます。

また、メールでの反応を分析することで、次のアクションに活かすことができます。

パーソナルレコメンド
ユーザ一人ひとりの趣向にあわせてレコメンドを最適化(パーソナライゼーション)することができます。 たとえば、ユーザが最近閲覧・購入した商品のカテゴリや価格帯などで絞り込んだアイテムをレコメンドするといったことが可能になります。

マルチデバイスレコメンド
スマホ・タブレット・PCといったマルチデバイスをまたいでのレコメンドができます。

ユーザIDに紐づいた閲覧履歴をもとにユーザが異なるデバイスで閲覧した商品をリマインド表示します。

多彩なレコメンド機能でユーザ一人ひとりに最適なアイテムやコンテンツを推奨

LINE連携(カルーセル形式)
会員のWeb行動履歴や閲覧履歴を用い、それぞれの会員にあわせた最適な情報を抽出して、LINEへレコメンドメッセージの配信ができます。

さらに2019年4月より配信強化機能として複数の情報(商品)をレコメンドできるカルーセル形式で配信できるようになりました。

コンテンツレコメンド
ユーザの行動履歴はもちろんのこと、サイト全体のユーザ動向を組み合わせてレコメンドデータを作成します。コラムやニュース記事といった商品ではないコンテンツをレコメンドできることが特長です。

アイテムレコメンド
「商品軸」と「顧客軸」と「時間軸」を組み合わせて、レコメンド結果を絞り込むことができます。TOPページを含む全てのWebページでレコメンド表示が可能です。

メールレコメンド
ユーザの閲覧情報や購買履歴などのデータを基に作成さしたレコメンド情報をメール配信データに組み込むことで1人ひとりへ最適なレコメンドのメールを配信することができます。

また、メールでの反応を分析することで、次のアクションに活かすことができます。

パーソナルレコメンド
ユーザ一人ひとりの趣向にあわせてレコメンドを最適化(パーソナライゼーション)することができます。 たとえば、ユーザが最近閲覧・購入した商品のカテゴリや価格帯などで絞り込んだアイテムをレコメンドするといったことが可能になります。

マルチデバイスレコメンド
スマホ・タブレット・PCといったマルチデバイスをまたいでのレコメンドができます。

ユーザIDに紐づいた閲覧履歴をもとにユーザが異なるデバイスで閲覧した商品をリマインド表示します。

機械学習・ディープラーニング・
自然言語処理を応用したレコメンドアルゴリズム

機械学習・ディープラーニング
プライベートDMPに蓄積したデータ(属性、購入日や価格帯等)から、ディープラーニングにより購入(CV)に相関の高い特徴量を自動で抽出します。その後、抽出した特徴量からレコメンドする商品を発見し、お薦め商品として表示します。

自然言語処理(AI)を応用
商品マスタの商材説明文などから特徴的な単語を抽出し、単語間の距離を元に、特徴単語に近い類似単語を評価し、抽出します。

特徴単語だけでなく、類似単語を含めた類似性を評価し、関連の深いと判断される商品をお薦めできます。閲覧や購買、売上データに頼らず、独自に類似商品をレコメンドできます。

機械学習・ディープラーニング・自然言語処理を応用したレコメンドアルゴリズム

機械学習・ディープラーニング
プライベートDMPに蓄積したデータ(属性、購入日や価格帯等)から、ディープラーニングにより購入(CV)に相関の高い特徴量を自動で抽出します。その後、抽出した特徴量からレコメンドする商品を発見し、お薦め商品として表示します。

自然言語処理(AI)を応用
商品マスタの商材説明文などから特徴的な単語を抽出し、単語間の距離を元に、特徴単語に近い類似単語を評価し、抽出します。

特徴単語だけでなく、類似単語を含めた類似性を評価し、関連の深いと判断される商品をお薦めできます。閲覧や購買、売上データに頼らず、独自に類似商品をレコメンドできます。

マーケティングクラウドの主要機能を詳しくご紹介

プライベートDMP

様々なデータを顧客軸で統合管理

データ分析

ユーザーの属性や行動履歴を分析・可視化

レコメンド

AI搭載で、嗜好に適した1to1アプローチ

マーケティングオートメーション

顧客に最適なコミュニケーションを自動化