Comments
Description
Transcript
RichRecs-Advanst Marchandizing
case study 事例企業名 RICHRECS + アドバンスト・マーチャンダイジング 10 億ドル規模家電量販店 様 （FotuneTOP1000 社） RichRecs とアドバンスト・マーチャンダイジングを組み合わせることで、商品ごとにそれぞれ 関連ある付属品などの別の商品も、最適に組み合わせておすすめ情報を届けられるようになりま す。 製品名 richrecs ® ＋アドバンスト・マーチャンダイジング 課題 家電製品、家庭用品、事務用品 を関連性のある商品を併せてレ コメンデーションを提供するこ と A/B テスト A. RichRecs+ アドバンスト・ マーチャンダイジング (構造化商品関連に基づくレ コメンデーション) B. RichRecs (ユーザーの行動に基づくレ コメンデーション) アドバンスト・マーチャンダイジングは、リセラーの商品属性データベース、もしくはCNETの DataSource™データベース上で組み合わせて使用することで、 個々のお客様の好みや行動、 商 品への愛着度などを含めた、前例のない互換性を高めます。購入した商品のアクセサリーのような 付属品購買を高めるクロスセル効果や、本来予定していた商品よりも高額商品を購入してもらえる アップセル効果をもたらします。 RichRelevanceは、DataSourceに関しては専属的にCNETとパ ートナーシップを結んでいます。DataSourceは500万のアイテム数と1億以上の属性、例えば、 売れ筋商品の鍵となっているポイント、 商品が売れ始める価格ポイント、買う気になる価格ポイ ント、技術的互換性、ブランドへの愛着度、そしてメーカーの保証情報といった属性について豊富 なプロファイルを持っています。 ユーザーのお客様に選ばれたある商品を基本商品として、それに最適に関連付けられた別な異な る商品群をインテリジェントに組み合わせておすすめするという、ベストプラクティス・マーチ ャンダイジングの原則がこのシステムの舞台裏で機能しています。そのため、各企業様、特にテ クノロジー、家電、家庭用品、オフィス用品、そしてアパレル業界の販売企業様においては、い ままでの手作業による時間のかかるマーチャンダイジングの必要性から開放されることになりま す。 基本商品に関連アイテムを組み合わせたレコメンデーション 2013 年 4 月に、毎月 800 万人以上のビジターおよび 18 万以上の取り扱い商品数のある家電量 販店のお客様が、アイテム群とカートのページに関して RichRecs ＋アドバンスト・マーチャン ダイジングをテストしました。 基本商品の例 結果 • 1 セッションあたりの収益上 昇率 5%上昇、86%の信頼度 • CVR (コンバージョン率) 3%上昇、83%の信頼度 商品のレコメンデーションのバンドル内容例 「その商品と一緒によく購入されているもの」として ノート PC マウス ノートPC・バッグ ルータ ヘッドセット Copyright 2014 RichRelevance Inc. A/B テストの設定 ベイズ式分析による A/B テ ストの結果に関して 伝統的な統計学では、 テストの測 定値に帰無仮説の手法を使うことで テストにおける統計的な有意性を調 べてきました。しかし、これは誤り につながり、間違った決定が出され る可能性があるとわかってきまし た。 例えば、主要な測定値に増加がある と、強い自信を持ってその結果を上 昇として解釈したいという誘惑にか られるます。しかし現実には、帰無 仮説では「2 つの処理の間に差異が あるようだ」、という状態を測定し たに過ぎないのであって、差異の値 を測定したものではありませんでし た。 ベイズ式の手法では、実際に特定の 上昇の信頼性を度合いとして計算 し、信頼度を算出するものであり、 その方法によれば、テスト処理での 上昇の最低値も計算されます。 今回のA/Bテストでは、ベイズ式分 析を使うことで、「RichRecs+ア ドバンスト・マーチャンダイジン グ 」が5%以上の増加をもたらし た」として「86%の信頼度」をも って結論付けることができる、とい うことになっております。 リッチレリバンスは、サイトへの着信トラフィックを「（A）テストセグメント」と「（B）コン トロールセグメント」の 2 つの処理分類をつくり、サイトのビジターをランダムに２つのセグメ ントに割り当てました。各処理は、すべての着信トラフィックのうち 40%を受け取りました。 （A）テストセグメント、のビジターには、RichRecs と アドバンスト・マーチャンダイジング によるレコメンデーションを表示。（B）コントロールセグメントのビジターには、RichRecs の みによるレコメンデーションを表示。 一度ビジターにセグメントが割り当てられると、6 週間のテスト期間中、そのセグメントの割り 当ては継続されました。 テストは、カテゴリ上位 6 位までの「デスクトップ PC、ノートブック PC、タブレット端末、 PC モニタ、プリンタ、プロジェクタ」のアイテムとカートの各ページに対して実施されました。 1 セッション（１ユーザが１回オンラインになった状態を１セッションとする）当たりの収益、 コンバージョン、AOV (平均注文額)、そしてアタッチ・レートを含む主要な測定基準のセットが テスト期間中モニターされました。 結果: コンバージョンが大幅に増加 （A)テストセグメントでは 1 セッションあたりの収益が 5%以上増加しました(信頼度 86%)。ま た 3%以上のコンバージョン・レート（CVR)の増加(信頼度 83%)もこのテスト中に達成されまし た。 1 セッションあたりの収益およびコンバージョンの増加の測定に加えて、それぞれの基本製品と 共にそれを補完するアクセサリー商品がいくつ売れたかを示すアタッチ・レートの測定結果は、 （A)テストグループの RichRecs + アドバンスト・マーチャンダイジングでは、デスクトップと モニタのカテゴリーにおいて、 1 注文あたりのアクセサリー関連商品のアタッチ・レートが、12 ∼24%増加しました。テストされた各カテゴリーにおいて、 RichRecs + アドバンスト・マーチ ャンダイジング のコンビネーション製品が、アタッチ・レート を大きくあげていることに貢献し ていることを示す結果となりました。 結論 家電、家庭用品、事務用品、およびアパレル関連のリテーラーの企業様にとっては、お取扱い商 品の属性が、関連するアクセサリーやアタッチメント商品などの付属商品群と高い互換性をもた せられるようにすることは重要な課題です。アドバンスト・マーチャンダイジング に基づくレコ メンデーションをオンラインの顧客ユーザーにむけて提示することは、その課題解決にむけて理 想的なシステムとなっていることがテスト検証をして示された結果となりました。 もし、こうした付属商品群の関連ルールがレコメンデーションのセット全体に適用できないよう なケースには、リッチレリバンスのシステムは自動的にユーザー行動 に基づいたレコメンデーシ ョンの解析をするように解析をリターンします。これはカテゴリレベルで設定が可能であり、本 システムをご利用される企業様が、その時点で一番最高のパーソナライゼーションシステムを常 にご利用できるようになっております。 RichRecs+ アドバンスト・マーチャンダイジングは、取り扱い商品のプロファイルと互換性のデ ータに関して業界で最も包括的なデータベースを活用し、商品と商品同士のマッチングが確実に ベース商品の特徴にきちんと合うようにするために総括的でインテリジェントな関連アイテムを 組み合わせます。 Copyright 2014 RichRelevance Inc.