SlideShare ist ein Scribd-Unternehmen logo
1 von 12
旅行予約サイトにおける
レコメンデーション導入効果の最大化
株式会社ビジネスアナリティクス
2014/5/28
2
「この宿を予約した人は、この宿も予約しています」
• お勧めの宿をパーソナライズすることによる、CVR・
CTR改善による収益向上
• パーソナライズにより、人気宿に集中していた需要
が分散し、宿在庫の確保が容易になり、欠品リス
クが軽減する
3
レコメンデーションによる収益向上と需要分散
宿別予約数
宿1 宿2 ・・・ 宿N
レコメンデーション導入効果
• 全体の予約数拡大、収益向上が実現する。
• テールの裾が厚くなり、需要が分散される。
レコメンデーション導入により、CTR・CVRが改善し、全体の予約数が向上。さ
らに、パーソナライズされたレコメンドにより需要が分散され、宿別の予約数に
関して、裾が厚い分布になる。
ー 導入前
ー 導入後
4
顧客ライフサイクルに応じたレコメンデーション
顧客のステージに応じて、最適なレコメンドを最適なタイミングで訴求するこ
とによりレコメンデーションの効果を最大化する。
誰に 何を
過去数日間にサイト訪問し
た顧客に対して
過去の参照ログから最適な
宿をレコメンド
過去数か月間サイト訪問・
予約がない顧客に対して
過去の予約情報から最適な
宿をレコメンド
新規登録した顧客に対して
顧客属性に応じて商品ラン
キング等をレコメンド
既存顧客
休眠顧客
新規顧客
5
予約実績
サイト
閲覧実績
予約情報を
ベースにした
レコメンド
閲覧情報を
ベースにした
レコメンド
顧客属性別の
ランキング
あり なし
あり なし
パーソナライズ
ランキング
顧客のビヘイビアに応じたレコメンデーション
各カスタマの予約履歴・閲覧履歴の有無、または、顧客属性に応じて
最適なレコメンドを実施。
6
既存顧客に対するレコメンド
ある顧客が、宿Aと宿Bを参照したが、どの宿を予約するか迷っている。
各宿が同時に参照された回数は以下の通り。宿Aに対しては、宿Bが同時
に参照される回数は1,000回。しかし、宿B単体での参照回数は6,100回
と最も多く、メジャーな宿であることがわかる。参照回数だけを参考にしては、
ありきたりのレコメンドになってしまう。
参照回数(実績)
A B C D total
A - 1,000 100 100 1,200
B 1,000 - 100 5,000 6,100
C 100 100 - 100 300
D 100 5,000 100 - 5,200
total 1,200 6,100 300 5,200 12,800
7
既存顧客に対するレコメンド
ありきたりのレコメンドになることを回避するために、各宿が同時に参照される
期待値を算出し、期待値と実績値からリフト値を算出する。
宿A・宿Bの同時参照の期待値
= 宿A合計参照数 × (宿B合計参照数÷合計参照回数)
= 1,200 × (6,100 ÷ 12,800)
= 572
参照回数(実績)
A B C D total
A - 1,000 100 100 1,200
B 1,000 - 100 5,000 6,100
C 100 100 - 100 300
D 100 5,000 100 - 5,200
total 1,200 6,100 300 5,200 12,800
参照回数(期待値)
A B C D
A - 572 28 488
B 572 - 143 2,478
C 28 143 - 122
D 488 2,478 122 -
リフト値
A B C D
A - 1.75 3.56 0.21
B 1.75 - 0.70 2.02
C 3.56 0.70 - 0.82
D 0.21 2.02 0.82 -
宿A・宿Bの同時参照に関する期待値
=宿A・宿Bの同時参照回数 ÷宿A・宿Bの同時参照期待値
= 572 ÷ 1,000
= 1.75
8
既存顧客に対するレコメンド
宿Aに対して、参照回数で宿Bが大きいが、リフト値は宿Cが大きく、最終的に
宿Cがレコメンドされる。リフト値の直観的理解としては、期待値に対して実績
値がどの程度大きいかを表す指標。
参照回数(実績)
A B C D total
A - 1,000 100 100 1,200
B 1,000 - 100 5,000 6,100
C 100 100 - 100 300
D 100 5,000 100 - 5,200
total 1,200 6,100 300 5,200 12,800
リフト値
A B C D
A - 1.75 3.56 0.21
B 1.75 - 0.70 2.02
C 3.56 0.70 - 0.82
D 0.21 2.02 0.82 -
9
既存顧客に対するレコメンド
実施的な問題として、リフト値に対して、クチコミで重み付けをした指標により
レコメンドする宿を決定。また在庫の欠品リスク等により重み付けをすることも
考えられる。
リフト値
A B C D
A - 1.75 3.56 0.21
B 1.75 - 0.70 2.02
C 3.56 0.70 - 0.82
D 0.21 2.02 0.82 -
クチコミで重み付け
A B C D
クチコミ 5 4 3 5
A - 6.99 10.67 1.03
B - 2.10 10.09
C 2.80 - 4.10
D 8.07 2.46 -
10
休眠顧客に対するレコメンド
既存顧客と同様のアルゴリズムにより、過去の予約情報から最適な
宿をレコメンド。
新規顧客に対するレコメンド
新規顧客には、予約・閲覧履歴がないため、何をレコメンドすればいいか
わからない(コールドスタート問題) 。そのため、類似した顧客の予約・閲
覧情報からレコメンド。
11
レコメンデーション導入効果
CTR・CVR改善による収益性向上
• 旅行サイトでのレコメンデーション導入効果
CTR:4倍、CVR:1.2倍
• グルメサイトでのレコメンデーション導入効果
CTR:2倍、CVR:1.5倍
在庫観点でのインパクト
• 需要が分散されることによる欠品率の低下
• 欠品が予想される在庫確保に向けた営業戦略立案
12
本資料、および弊社サービスに関するお問い合わせは、
下記までお願いいたします。
contactus@businessanalytics.jp

Weitere ähnliche Inhalte

Andere mochten auch

ネイルブックでのWEB高速化の取り組み
ネイルブックでのWEB高速化の取り組みネイルブックでのWEB高速化の取り組み
ネイルブックでのWEB高速化の取り組み勲 國府田
 
「CSS Nite 9年目に見る勉強会の今とこれから」鷹野 雅弘(スイッチ)
「CSS Nite 9年目に見る勉強会の今とこれから」鷹野 雅弘(スイッチ)「CSS Nite 9年目に見る勉強会の今とこれから」鷹野 雅弘(スイッチ)
「CSS Nite 9年目に見る勉強会の今とこれから」鷹野 雅弘(スイッチ)swwwitch inc.
 
マーケティングブリーフ項目 テンプレート
マーケティングブリーフ項目 テンプレートマーケティングブリーフ項目 テンプレート
マーケティングブリーフ項目 テンプレートFICC inc.
 
Adobe MAX Japan 2016「ベテランほど知らずに損してるIllustratorの新常識 あ、それ、今のIllustratorならこうします!...
Adobe MAX Japan 2016「ベテランほど知らずに損してるIllustratorの新常識 あ、それ、今のIllustratorならこうします!...Adobe MAX Japan 2016「ベテランほど知らずに損してるIllustratorの新常識 あ、それ、今のIllustratorならこうします!...
Adobe MAX Japan 2016「ベテランほど知らずに損してるIllustratorの新常識 あ、それ、今のIllustratorならこうします!...swwwitch inc.
 
FICC MARKETING BASICS
FICC MARKETING BASICSFICC MARKETING BASICS
FICC MARKETING BASICSFICC inc.
 
女性向けサービスでコンバージョン数を爆上げさせた話 〜ネイルブックが1年間でCV数を69倍にした方法〜
女性向けサービスでコンバージョン数を爆上げさせた話 〜ネイルブックが1年間でCV数を69倍にした方法〜女性向けサービスでコンバージョン数を爆上げさせた話 〜ネイルブックが1年間でCV数を69倍にした方法〜
女性向けサービスでコンバージョン数を爆上げさせた話 〜ネイルブックが1年間でCV数を69倍にした方法〜勲 國府田
 
SXSW 2016: The Need To Knows
SXSW 2016: The Need To KnowsSXSW 2016: The Need To Knows
SXSW 2016: The Need To KnowsOgilvy Consulting
 

Andere mochten auch (8)

ネイルブックでのWEB高速化の取り組み
ネイルブックでのWEB高速化の取り組みネイルブックでのWEB高速化の取り組み
ネイルブックでのWEB高速化の取り組み
 
コンテンツ型ネイティブアドの最前線
コンテンツ型ネイティブアドの最前線コンテンツ型ネイティブアドの最前線
コンテンツ型ネイティブアドの最前線
 
「CSS Nite 9年目に見る勉強会の今とこれから」鷹野 雅弘(スイッチ)
「CSS Nite 9年目に見る勉強会の今とこれから」鷹野 雅弘(スイッチ)「CSS Nite 9年目に見る勉強会の今とこれから」鷹野 雅弘(スイッチ)
「CSS Nite 9年目に見る勉強会の今とこれから」鷹野 雅弘(スイッチ)
 
マーケティングブリーフ項目 テンプレート
マーケティングブリーフ項目 テンプレートマーケティングブリーフ項目 テンプレート
マーケティングブリーフ項目 テンプレート
 
Adobe MAX Japan 2016「ベテランほど知らずに損してるIllustratorの新常識 あ、それ、今のIllustratorならこうします!...
Adobe MAX Japan 2016「ベテランほど知らずに損してるIllustratorの新常識 あ、それ、今のIllustratorならこうします!...Adobe MAX Japan 2016「ベテランほど知らずに損してるIllustratorの新常識 あ、それ、今のIllustratorならこうします!...
Adobe MAX Japan 2016「ベテランほど知らずに損してるIllustratorの新常識 あ、それ、今のIllustratorならこうします!...
 
FICC MARKETING BASICS
FICC MARKETING BASICSFICC MARKETING BASICS
FICC MARKETING BASICS
 
女性向けサービスでコンバージョン数を爆上げさせた話 〜ネイルブックが1年間でCV数を69倍にした方法〜
女性向けサービスでコンバージョン数を爆上げさせた話 〜ネイルブックが1年間でCV数を69倍にした方法〜女性向けサービスでコンバージョン数を爆上げさせた話 〜ネイルブックが1年間でCV数を69倍にした方法〜
女性向けサービスでコンバージョン数を爆上げさせた話 〜ネイルブックが1年間でCV数を69倍にした方法〜
 
SXSW 2016: The Need To Knows
SXSW 2016: The Need To KnowsSXSW 2016: The Need To Knows
SXSW 2016: The Need To Knows
 

Mehr von businessanalytics

多変量時系列構造モデルによる時系列予測
多変量時系列構造モデルによる時系列予測多変量時系列構造モデルによる時系列予測
多変量時系列構造モデルによる時系列予測businessanalytics
 
トピックモデル(LDA)によるセグメンテーション
トピックモデル(LDA)によるセグメンテーショントピックモデル(LDA)によるセグメンテーション
トピックモデル(LDA)によるセグメンテーションbusinessanalytics
 
状態空間モデル等による多変量時系列データ解析
状態空間モデル等による多変量時系列データ解析状態空間モデル等による多変量時系列データ解析
状態空間モデル等による多変量時系列データ解析businessanalytics
 
機械学習の枠組みによる検索表示ランク最適化
機械学習の枠組みによる検索表示ランク最適化機械学習の枠組みによる検索表示ランク最適化
機械学習の枠組みによる検索表示ランク最適化businessanalytics
 
失敗しない分析プロジェクトの進め方
失敗しない分析プロジェクトの進め方失敗しない分析プロジェクトの進め方
失敗しない分析プロジェクトの進め方businessanalytics
 
機械学習の枠組みによる不正アカウント検知
機械学習の枠組みによる不正アカウント検知機械学習の枠組みによる不正アカウント検知
機械学習の枠組みによる不正アカウント検知businessanalytics
 

Mehr von businessanalytics (6)

多変量時系列構造モデルによる時系列予測
多変量時系列構造モデルによる時系列予測多変量時系列構造モデルによる時系列予測
多変量時系列構造モデルによる時系列予測
 
トピックモデル(LDA)によるセグメンテーション
トピックモデル(LDA)によるセグメンテーショントピックモデル(LDA)によるセグメンテーション
トピックモデル(LDA)によるセグメンテーション
 
状態空間モデル等による多変量時系列データ解析
状態空間モデル等による多変量時系列データ解析状態空間モデル等による多変量時系列データ解析
状態空間モデル等による多変量時系列データ解析
 
機械学習の枠組みによる検索表示ランク最適化
機械学習の枠組みによる検索表示ランク最適化機械学習の枠組みによる検索表示ランク最適化
機械学習の枠組みによる検索表示ランク最適化
 
失敗しない分析プロジェクトの進め方
失敗しない分析プロジェクトの進め方失敗しない分析プロジェクトの進め方
失敗しない分析プロジェクトの進め方
 
機械学習の枠組みによる不正アカウント検知
機械学習の枠組みによる不正アカウント検知機械学習の枠組みによる不正アカウント検知
機械学習の枠組みによる不正アカウント検知
 

Kürzlich hochgeladen

Service-introduction-materials-misorae-leadership
Service-introduction-materials-misorae-leadershipService-introduction-materials-misorae-leadership
Service-introduction-materials-misorae-leadershipYasuyoshi Minehisa
 
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチ
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチUP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチ
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチユニパー株式会社
 
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料シンフォニティ 株式会社
 
20240427 zaim academy counseling lesson .pdf
20240427 zaim academy counseling lesson .pdf20240427 zaim academy counseling lesson .pdf
20240427 zaim academy counseling lesson .pdfssuser80a51f
 
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)KayaSuetake1
 
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdfストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdfmasakisaito12
 

Kürzlich hochgeladen (6)

Service-introduction-materials-misorae-leadership
Service-introduction-materials-misorae-leadershipService-introduction-materials-misorae-leadership
Service-introduction-materials-misorae-leadership
 
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチ
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチUP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチ
UP103シリーズ パワーコメット ユニパー スライドレールタイプ 瓦揚げ機 ウインチ
 
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料
シンフォニティ株式会社(SYMPHONITY , Inc.) 会社説明・人材採用資料
 
20240427 zaim academy counseling lesson .pdf
20240427 zaim academy counseling lesson .pdf20240427 zaim academy counseling lesson .pdf
20240427 zaim academy counseling lesson .pdf
 
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
 
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdfストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
 

旅行予約サイトにおけるレコメンデーション導入効果の最大化