KARTEレコメンド機能を利用する際のマニュアルになります。

KARTEレコメンドの概要

KARTEで解析した顧客データや行動データ、オフラインデータに応じて、様々なチャネルで 最適なレコメンドを実施することができます。

null

KARTEのレコメンドは、特定のイベントのパターンからユーザー同士の類似性、または商品間の共起性をもとに、対象者個人の行動や商品を関連づけた協調フィルタリングを利用したレコメンドです。閲覧や購入以外のイベントを自由に追加したり、重み付けを自由にチューニングすることができます。以下がKARTEのレコメンドの特徴になっています。

null

ユーザー軸レコメンド(メンバー/ビジター)及び商品軸レコメンドを実施することができます。

KARTEでは、購入数や購入金額に応じてランキングを実施することもできます。また補完機能として、レコメンド商品が足りない場合に売れ筋商品で補完する機能も利用可能です。

はじめる前に

KARTEレコメンドを利用するにあたっては、以下の準備が必要になりますので、ご確認の上、ご準備をお願い致します。

  • レコメンド機能はKARTE Datahubを利用します。利用にあたっては、KARTE Datahubのお申込みが必要になりますので事前にお申込みをお願いします。KARTE DataHubの概要については「KARTE Datahubとは」をご覧ください。
  • 事前にコンバージョンタグを設置し、購入完了ページで商品IDを取得している必要があります。コンバージョンタグの設置に関しては「コンバージョンタグの設置」をご覧ください。イベントを送る際のイベント名はbuy, 商品IDはitem_idとしてください。
  • 事前に商品詳細ページで商品IDを取得している必要があります。カスタムタグを設置するかスクリプト配信を利用して、KARTEにイベントを送ってください。商品詳細ページに設置するタグに関しては「ユーザーが閲覧しているアイテムの情報を計測する」をご覧ください。イベントを送る際のイベント名はview_item, 商品IDはitem_idとしてください。
  • レコメンドを配信するページでカテゴリやブランド等でフィルタリングをする場合は、商品IDだけではなく、カテゴリIDやブランドIDも取得する必要があります。フィルタリングする項目によって取得する値は異なります。商品マスタと一致する値にしてください。
  • 閲覧と購入以外のイベントをレコメンドのロジックに加味する場合は、閲覧や購入と同様に、イベント発生時に商品IDを連携するようにしてください。
  • タグ設置に関しては、サポートサイトの他、タグ・イベントの定義書 - web向けECも参考にタグ設置をしてください。

商品マスタフォーマット

  • 以下サポートサイトのフォーマットを参考に商品マスタを定期的に連携してください。サンプルのテーブル定義書をダウンロードしてから準備してください。

商品・在庫マスタフォーマット

  • 商品マスタはitem_idが必ずユニークになるように連携してください。
  • アパレルサイト用のサンプルマスタになりますが、必須項目以外は任意項目となります。また必須項目以外は、カラム名も任意に設定いただけます。

設定の手順

  1. Datahub・レコメンド機能のお申込み
  2. フォーマットに従って商品マスタを用意する。
  3. 外部のストレージサービス(Amazon S3/Google Cloud Storage)を用意する。※PLAID側から払い出し可能
  4. 外部のストレージサービスに定期的に商品マスタをアップロードする。
  5. Datahub内で外部のストレージサービスにアップロードされた商品マスタを取り込む設定を行う。
  6. Datahub内でクエリの設定を行い、アクションテーブル内にレコメンドを生成する。
  7. レコメンド専用のテンプレートを活用して接客サービスを設定する。

以下は、商品軸レコメンドの設定の流れになります。

null

設定方法

具体的な設定方法は下記ページからご確認ください。

商品軸のレコメンドの設定

  1. 商品マスタをDatahubにインポートする
  2. 商品軸のレコメンドを表示する
  3. レコメンド(ユーザー軸/商品軸)商品数が少ない場合、ランキング商品の補完を実施する
  4. レコメンドレポートの見方

ユーザー軸のレコメンドの設定

  1. 商品マスタをDatahubにインポートする
  2. [ビジター向け]ユーザー軸でのパーソナライズレコメンドを表示する
  3. [メンバー向け]ユーザー軸でのパーソナライズレコメンドを表示する
  4. レコメンド(ユーザー軸/商品軸)商品数が少ない場合、ランキング商品の補完を実施する
  5. レコメンドレポートの見方

レコメンド関連サポートページ