本稿では、レコメンデーションシステムで使用される関連分析や協調フィルタリングなどの技術を紹介し、関連ルールを活用したアプリケーション例を示します。詳細については、引き続きお読みください。
1. 関連性分析を用いた推薦システム
レコメンデーションシステムは、顧客のニーズを特定し、商品や書籍を推奨したり、顧客が必要とする可能性のある商品を提案したりします。例えば、LazadaやAmazonは、顧客に特定の商品や書籍を推奨しています。顧客が特定の商品を気に入れば、他の商品も気に入る可能性が高くなります。このアプローチにより、顧客一人ひとりに合わせたパーソナライズされた商品レコメンデーションが可能になります。この手法には、アソシエーション分析が用いられています。
アソシエーションルールを使用するアプリケーションの例。
– プロモーション、商品配置、在庫管理、バンドル販売、商品パッケージ、カタログデザイン、購買特性に基づく顧客セグメンテーションなど、マーケットバスケット分析。
- Amazon、Lazada、Netflixなどのウェブサイトを管理し、顧客が便利に商品を購入できるようにしたり、商品のおすすめ情報を提供したりする。
– 文書分析：文をグループ化し、類似のキーワードを含む文書を見つけて推奨する。例えば、Googleを使用する。
―医学的診断、疾患の分類、および症状と治療に使用される薬剤との関連性の発見。
– 国勢調査データ
- 政府のサービスには、教育、医療、交通、投資に関する計画策定が含まれる。
- 民間部門：新たな工場、ショッピングモール、銀行の建設を計画している。
・クレジットカード顧客関係管理。顧客行動に基づいた顧客セグメンテーション。
2. レコメンデーションシステムのための協調フィルタリング
– ユーザーベースの最近傍協調フィルタリングは、類似した顧客特性に基づいて製品を推奨します。
– アイテムベースの最近傍協調フィルタリングは、類似した製品嗜好に基づいて、関心のある製品を提案します。
ビッグデータに基づくモデルベースのレコメンデーションシステムでは、事前にモデルを構築することで、大量の顧客リクエストを処理する際の負担を軽減し、個々のリクエストを処理することなく、顧客が関心を持つ商品を即座に推薦することが可能になります。
講演者：Pairasan Padungwiang博士、
R&D BI株式会社
編纂者：Nuchanat Rongrong
www.rdbi.co.th
#コンサルタント
#データサイエンティスト
#ビッグデータ分析
データサイエンスの重要記事
サンプル集
詳細については、 https://demo.rdbi.co.th/contact/ にアクセスするか、
LINE公式アカウント（ @rdbi）
で
。