サイト内検索とレコメンドの相乗効果

サイト内検索のコラムのなかでもいくつかレコメンドの要素を取り上げました。ここではサイト内検索とレコメンドの相性について見てみましょう。

レコメンドの役割とは？

レコメンドはその名のとおり商品をユーザーにオススメします。レコメンドには様々な方法があり、サイト運営者からのオススメ、ユーザーの嗜好・行動履歴に基づくもの、購買履歴に基づくものもあれば、そのユーザーに似たユーザーが見ている・買っている商品をレコメンドするなどです。
ユーザーによってオススメは異なるので、パーソナライズを前提に考えると、行動・購買履歴やデモグラフィックを解析することが望ましいでしょう。

サイト内検索とレコメンドの相乗効果

サイト内検索との相性ですが、先述のとおりレコメンドはユーザーの行動を見ています。購買は行動の結果です。行動の精度が高まると、レコメンドで解析できる精度もあわせて高まります。
例えば、サイト内検索によって意図しない商品を閲覧してしまっていたり、そもそもの行動数が増やせていないとどうでしょうか？解析の元データとしては信頼に欠けるでしょう。
一方で、サイト内検索の精度も良くて、目的の商品が探せていたり、その行動数が多いとレコメンドで解析できる元データは充実します。その結果、精度の良いレコメンドが実現できます。

レコメンドは一例ですが、他の施策にも同様のことが言えます。レコメンド精度などのユーザー体験を改善することは、リピートを生みます。その結果、施策の精度も改善していく良いサイクルが回るはずです。
このようなデータの循環についても考慮することが重要です。