Webマーケティングの「コールドスタート問題」とはー現状の解決方法ー
レコメンド機能でおすすめされた商品を、思わず購入してしまった経験はありませんか?
レコメンド機能は、多くのユーザーの行動履歴データを分析して「あなたへのおすすめ」の商品をレコメンド(おすすめ)してくれます。ユーザーにとっては「興味がある商品・ページが表示されやすくなる」という利点があります。レコメンド機能は、データ分析によってユーザー一人一人のおすすめをレコメンドしてくれる、とても便利な機能なのです。
そんなレコメンド機能ですが、「データの蓄積が少ない頃」はどのようにして「おすすめ」を割り出しているのでしょうか?
ユーザーの行動データが極端に少ない状態だと、分析できるデータがほとんど存在しません。そのため、ユーザーに適切な「おすすめ」ができなくなってしまう可能性が高まります。
結果、「あまり興味のないおすすめ情報や、脈絡のない商品をおすすめされる」なんてことになると、レコメンド機能は便利どころかむしろ逆効果になってしまう可能性さえありますよね。
調べてみると、どうやらそのような問題は本当に存在するらしく、既に
「コールドスタート問題」
という名前が付けられているようです。
今回はこのコールドスタート問題について、整理していきたいと思います。
- 1.コールドスタート問題とは
- 2.現状の解決方法
グーグルにおける広告表示オークションの仕組み
前回の続きで、広告を表示するためのオークションについて、どのような決定方法や要因によって掲載されるかどうかや、掲載される順番などが決まっていくのかを整理します。
具体期にはグーグルの検索結果の上下に表示される広告の例でオークションの詳細を見ていきます。
- 1.広告オークションにおける評価の要因
- 2.広告ランクを使用した掲載順位の決定
続きを読む