商品レコメンドの事例
3人の買い物客を切り替えて、レコメンドの各列が並べ替わる様子をご覧ください — 列ごとに異なるアルゴリズムで、すべてリアルタイムにパーソナライズ。コード不要です。
1つのストアで、 買い物客ごとのレコメンドを。
下の3人の買い物客を切り替えるか — 自動再生に任せて — レコメンドの各列が並べ替わる様子をご覧ください。列ごとに異なるアルゴリズムが動いています。
1つのカタログで、 買い物客一人ひとりに適切な商品を。
Personyzeは買い物客一人ひとりの閲覧、購入、嗜好を1つのライブプロファイルに統合し、複数のアルゴリズムを使うレコメンドエンジンで、その人が最も購入しそうな商品を表示します。
検知
Personyzeは、商品の閲覧、購入、カート、カテゴリーへの嗜好、そして似た買い物客が買う商品を、1つのライブプロファイルに統合します。
判断
レコメンドエンジンは、パーソナライズ型、協調フィルタリング、よく一緒に購入される商品、コンテンツベース、トレンドなど複数のアルゴリズムを同時に実行し、買い物客ごとに商品を順位付けします。
最適化
ホームページ、商品ページ、カート、メールで、レコメンドの各列がリアルタイムに並べ替わります — 開発者への依頼は不要です。
あらゆる種類のレコメンド
「あなたへのおすすめ」から「よく一緒に購入される商品」まで、Personyzeは配置ごとに最適なアルゴリズムで商品を順位付けします — すべて1つの統合プロファイルから。
あなたへのおすすめ
買い物客一人ひとりの行動、嗜好、履歴で順位付けしたパーソナライズされた商品 — 固定の売れ筋リストではありません。 詳しく見る →
この商品を買った人はこんな商品も
似た買い物客が購入した商品に基づく協調フィルタリングのレコメンドで、見逃されがちな商品を表示します。 詳しく見る →
よく一緒に購入されている商品
バスケット分析によるレコメンドで、適切なタイミングで注文を補完し、平均注文額を引き上げます。
最近見た商品と類似商品
買い物客が見た商品を呼び戻し、見た目や文脈が似た商品を表示します。 詳しく見る →
トレンドと人気商品
カテゴリーやセグメントごとの人気に基づくレコメンドで、履歴の少ない新規訪問者に最適です。
クロスセルとアップセル
商品ページ、カート、購入手続きで、関連商品やより上位の商品をおすすめします。
メールとクロスチャネル
同じパーソナライズされたレコメンドを、メールや開封時に生成されるコンテンツにも展開し、一貫した体験を提供します。 詳しく見る →
複数のアルゴリズムとルール
アルゴリズムとマーチャンダイジングルール（商品のブースト、固定表示、除外）を組み合わせ、どの戦略が勝つかをA/Bテストで確認します。 詳しく見る →
関連性の高いレコメンドが、 カートを大きくする。
買い物客は見つけられない商品を買えません。すべての列が買い物客の本当に欲しい商品を表示すれば、今あるトラフィックから、商品の発見、コンバージョン、平均注文額が伸びます。
買い物客ごとに適切な商品を
訪問者は、誰もが目にする汎用の売れ筋ではなく、自分の行動と好みに合った商品を目にします。
平均注文額の向上
よく一緒に購入される商品やクロスセルのレコメンドが注文を補完し、カートを大きくします。
商品の発見を促進
関連性の高い商品を表示することで、買い物客は行き止まりで離脱せず、カタログをより多く見つけられます。
1つのエンジンを、すべての配置に
ホームページ、商品ページ、カート、メールのすべてが、同じ統合プロファイルと同じレコメンドエンジンを利用します。
商品レコメンドのよくある質問
PersonyzeのAI商品レコメンドに関するよくある質問。
パーソナライズされた商品レコメンドとは？
Personyzeはどのようなレコメンド戦略に対応していますか？
レコメンドエンジンはどのように機能しますか？
レコメンドはどこに表示できますか？
開発者は必要ですか？
どのレコメンド戦略が最も効果的かテストできますか？
1つのエンジン。 すべての買い物客に適切な商品を。
Personyzeは、AI商品レコメンドを完全なパーソナライゼーションプラットフォームに組み込みます — 複数のアルゴリズム、マーチャンダイジングの制御、そしてウェブとメールで共通の統合プロファイル。