Silver egg aigent_recommender

お問合わせ先：シルバーエッグ・テクノロジー株式会社 Tel: 06-6386-1931 (Osaka) / 03-5357-1255 (Tokyo) https://www.silveregg.co.jp/ e-mail: inquiry@silveregg.co.jp
アイジェント・レコメンダーご紹介資料
導入検討企業様向け
2020年版

サービスラインナップ
アイジェント・レコメンダー
WEBサイト、ネイティブアプリでご利用いただく
パーソナライズ・レコメンドツール
アイジェント・レコガゾウ
メール、LINEでご利用いただくパーソナライズ・レコメンド
ツール＊特許取得技術
プロスペクター
見込み顧客抽出支援ツール
特定の商品・アイテムに興味を持ちそうな『人』をおすすめ
するツール

弊社のご紹介
40%
SaaS型レコメンドツール市場占有率
シルバーエッグ・テクノロジーは、1998年創業以来一貫してレコメンド技術の開発・提供を行う、シ
ェアNo.1のレコメンド企業です。
国内No.1のレコメンドベンダー
2020年9月富士キメラ総研調べ「ソフトウェアビジネス新市場 2020年版」
SaaS型レコメンドツールの市場占有率推移調査
最高精度のレコメンド
最先端テクノロジーとリアルタイム処理によ
る業界最高精度のレコメンド
コンサルティングサポート
コンサルタントによる成果に繋げるためのカ
スタマーサービス
各種ツールとの連携実績
WEB接客ツール、検索ツール、
メール配信ツール、MAとの連携

アイジェント・レコメンダーの概要
ユーザーの行動情報（閲覧、検索、CVなど）を蓄積、AIがリアルタイムに分析・予測・自動学習を実
施することにより、最適なレコメンドを実行
今見ているものは何か？
その前にとった行動は何か
ユーザー同士の類似性を計算
アイテム同士の相関性を計算
ユーザーの興味を予測して推奨
レコメンドがクリックや購買に至ったかを学習
顧客行動情報
様々な軸で
AIが予測と
学習を実施
AI レコメンド
ベイジアン協調フィルタリング×カーネル法×強化学習により、レコメンド精度が自動で向上

レコガゾウとは
メール開封時にレコメンド結果をリアルタイムに抽出し、メール上に表示するサービス
受信1 開封2
一般的なメルマガ
・
レコメンドメール
売りたい商品を
オススメ
レコガゾウ
精度の向上
ユーザーの行動履歴
に基づき、1人1人が
欲しい商品をオススメ
リアルタイム
配信X日前に、オスス
メ
する商品を決定
メールが開封された
瞬間にオススメする
商品を決定
HTMLメールに
Imageタグを
設置すれば実現可能
クリック数に
応じた従量課金
導入が簡易コスト
SIer、メール配信ベンダー、
社内システム担当が工数をかけ
バッチ連携を作成する必要有り
メール配信数に
応じた従量課金
開封結果を取得3
レコメンド結果を瞬時にレスポンス4
オススメ商品をリアルタイムに自動表示5

プロスペクターとは
顧客の行動データを使って、特定の商品を買ってくれそうな人（商品見込み顧客）を高い精度で抽出し、
各種マーケティング施策に活用
この商品を
買ってくれそうな
顧客を抽出
1
各チャネルで
アプローチ
2
メール
LINE・SNS広告
DM送付
コール
センター

アイジェントの仕込み
全ユーザの
行動情報を分析 AIが学習
最適なロジックで
レコメンド
リアルタイム
ユーザー導線分析
ベイジアン協調
フィルタリング
カーネル法強化学習
レコメンドレシピ設定
• 行動相関レコメンド
閲覧-閲覧、同時購買、閲覧購買相関ほか
• アイテム表示
ランキング、言語解析ほか
• フィルタリング
カテゴリ、価格、アイテムほか

レコメンド・レシピ設定利用シーン
ユーザー
の動き
サイト
訪問
商品検索
比較
・
検討
決定
お気に入
り登録
履歴確認
サイト
該当ページ
TOP
ページ
商品詳細ページ
カート
ページ
注文（完了）
ページ
商品詳細ページ
注文
・
決済
レコメンド
ポイント
間口を
広げる
1
ユーザーの離脱を防ぐ
2
継続を
促す
3
次回以降の
レコメンドを
4
ユーザーの嗜好に
合わせたレコメンドを
5
閲覧閲覧相関
あるいは
キーワード閲覧相関
閲覧閲覧相関
あるいは
閲覧購買相関
同時購買
相関
過去購買
相関
閲覧閲覧相関
あるいは
過去購買相関
レシピ設定
レコメンドレシピ一覧
行
動
相
関
レ
コ
メ
ン
ド
閲覧閲覧相関
(Browse-Browse)
同時購買相関
(Order-Order)
閲覧購買相関
(Browse-Order)
過去購買相関(Past-
Order)
カテゴリ/キーワード閲覧
相関
ア
イ
テ
ム
表
示
言語解析（トピックレコ
メンダー）
ランキング
閲覧履歴、購入履歴
ルールベース
フ
ィ
ル
タ
カテゴリフィルタリング
価格フィルタリング
アイテムフィルタリング

リアルタイム性
リアルタイム＝ユーザーが『今見た』アイテムをふまえ、次のレコメンドに『即反映』
リアルタイム処理により、｢行動計測｣｢分析｣｢レコメンド｣の一連のプロセスを、クリック～ページ表示
までの｢ミリ秒以下｣の間に実施
クリックページ描画閲覧
行動計測分析レコメンド
・ユーザーの「今、その瞬間」の興味を反映可能
・当日新着のアイテムをレコメンド、あるいは新着アイテムに対して
何をレコメンドするか、を適切に計算し購買に繋げることができる

ユーザー導線分析
過去の閲覧経路から、ユーザーをより正確に理解し、店頭接客のように個別ユーザーの嗜好にあった
情報をレコメンド
ユーザーA
商C
Aさんはおそらく
「ワンピース」を
探しているので、
この商品をオススメ
ボーダーワンピース
ユーザーB
ボーダー
ニット
Bさんはおそらく
「ボーダーのアイテム」
に関心がありそうなので
この商品をオススメ
水玉ワンピース
ボーダーリブ
セーター
ドレープワンピース

コンサルティングサポート
効果を常に最大化する継続的なコンサルティングサポート
24時間365日のシステム稼働監視に加え、
日次でのレコメンド効果数値のモニタリングを実施
サイト価値向上に向け、レコメンドを活用頂けるような
活用方法を提案
• クライアント様限定セミナーの実施
• 業界別レコメンドレポートの提供
等、500を超えるサイトにレコメンドを
提供してきた実績をもとにノウハウを
伝授
• 設定ミス
• 日次連携エラー
等による異常値を検知・連絡することで
機会損失を防止
• レコメンド表示枠/ページの追加提案
• 同時ABテストの実施
• 他マーケティングツールとの連携
(メール/検索エンジン/MA/POSデータ等)
レコメンドの成果をご確認いただける管理ツールを提供
Imp数、クリック数、CTR、CVR、
CV数、経由受注額等
日別、月別、ページ別に確認可能
モニタリングレコメンド活用施策のご提案
管理ツールノウハウのご提供

12
導入事例

13
メール経由での
CTRが1.25倍向上
レコメンドメールで
メール経由の売上3倍以上向上
導入事例
レコメンド業界をリードしてきた技術力および専属コンサルタントによる丁寧な改善活動を通して、
導入企業様において確実に効果を発揮
レコメンド経由の
平均購入点数
約 200% 向上
レコメンドを経由した
CVRが 176% 向上
レコメンド経由の
平均購買数が
約1.2倍向上

事例：オフィスコム（家具販売）
「あわせ買い」を促すレコメンド
【課題】
• 「机と椅子」などの合わせ買いが発生しやすい業態
• ジャンルごとの商品点数が多く、ユーザーが適切な組み合わせを見つけにくい
【解決策】
• アイジェント・レコメンダーを導入
• 色や質感など、個人のニーズにより細かくマッチする製品の組み合わせを自動
的に推奨
【成果】
• レコメンド経由の平均購入点数約 200% 向上 (1オーダーあたり）
• レコメンド経由の平均購入金額約 170％向上 (1オーダーあたり）
0%
50%
100%
150%
200%
250%
販売点数販売金額
レコメンドなしレコメンドあり

事例：minne（C2C）
お気に入り登録をリアルタイムに反映するレコメンド
【課題】
• 自社開発のレコメンドエンジンを使用していたが、購買履歴ベースでリアルタ
イムが薄い
• 自社でレコメンドエンジンを開発するにはリソースがかかる
【解決策】
• サードパーティのサービスとしてアイジェント・レコメンダーを導入
• 閲覧履歴やお気に入りに登録から瞬時におすすめ商品をレコメンド
【成果】
• 作品情報ページでレコメンドを経由したCVRが 176% 向上
(リプレイス前後6か月比較）
• レコメンド表示個所も追加し、実装に着手してから1か月弱でリリース
0%
50%
100%
150%
200%
CVR
自社開発レコメンド
176%

事例：ザ・ボディショップ（コスメ）
実店舗さながらにクロスセルを促進するレコメンド
【課題】
• 単純なレコメンドエンジンでは店舗での接客と同じような「製品との出会い」が伝え
られない
• リプレイスに工数や運用負荷を割きたくない
【解決策】
• アイジェント・レコメンダーを導入
• シルバーエッグ社のコンサルティングにより多様な状況に沿ったチューニング
【成果】
• レコメンド経由の平均購買数が約1.2倍向上
(購入明細ベース／リプレイス前後3か月比較）
• 運用負荷を上げることなく意図に沿ったレコメンドに
• 別の商品カテゴリーのアイテム同士を表示でき実店舗さながらのクロスセルを促進
平均購買数
リプレイス前
1.2倍

事例：Peach John（アパレル）
メールを開いた瞬間にレコメンド
【課題】
• 膨大な会員数を抱えているため、既存のレコメンドシステムでは、シス
テムの計算に膨大な時間が必要になり、ルールも複雑化してしまう
• バッチ処理によるレコメンドでリアルタイム性がない
【解決策】
• アイジェント・レコメンダー、レコガゾウを導入
• 同時配信数がい非常に多くてもパーソナライズされたメールを配信
【成果】
• メール経由での CTR が 1.25倍向上
• 「レコメンドオンリー」のメールで通常メールの 3倍以上売上
メール経由CTR
リプレイス前
レコガゾウ
1.25倍
メール経由売上
通常メール
レコメンドオンリー
3倍以上

18
会社概要
会社名シルバーエッグ・テクノロジー株式会社
事業内容
AI（人工知能）技術をベースにしたWebマーケティング
サービスの開発・提供
設立 1998年
資本金 285百円（2020年5月31日現在）
代表者代表取締役社長トーマス・アクイナス・フォーリー
所在地
東京オフィス：東京都千代田区永田町2-13-1 オカムラ
赤坂ビル 7F
大阪本社：大阪府吹田市江坂町1-23-43 ファサード江
坂ビル10F
海外子会社 Silver Egg Technology Asia Limited（香港）
代表取締役社長 & CEO
トーマス・フォーリー

Silver egg aigent_recommender

More Related Content

What's hot

Similar to Silver egg aigent_recommender

Silver egg aigent_recommender