【ECサイトのレコメンドロジック解説】「この商品を買った人はこんな商品も買っています」のロジックと実装方法(PHP7.4)

Summary

このビデオスクリプトでは、eコマースサイトの商品レコメンデーションシステムの実装方法について説明しています。まずは楽天やヤフーなどの大手サイトの実際のレコメンデーション表示を例として挙げ、そのロジックを分析しています。次に、簡単な注文データを用いて、各顧客が購入した商品と、その商品と一緒に購入された関連商品を見つけ出す処理の具体的なプログラミング方法を解説しています。商品ごとに関連商品を配列として保持し、順位をつけてレコメンデーション表示するロジックを丁寧に説明し、プログラミングの実践的な手順を示しています。

Takeaways

• 👉 商品レコメンデーションのロジックとプログラムの実装について説明する。
• 💻 主に3つのeコマースサイトの商品ページを例に挙げながら、レコメンド商品の表示方法を示す。
• 📊 レコメンデーション機能のロジックを3人の注文データを用いて解説する。
• 🚀 PHPコードでレコメンデーションロジックを実装していく過程を詳しく説明する。
• 🔁 注文データからそれぞれの商品について、一緒に購入された商品のデータを配列に保存する。
• 🔄 保存したデータを順に読み込み、最も頻繁に一緒に購入された商品を優先的に表示する。
• 🏆 評価関数を使って、購入頻度が多い順に並び替えを行う。
• 🎯 最終的に、「Aを買った人はB、C、Dを買っています」というように表示する。
• 🔑 購入履歴のデータのみで、関連商品のロジックを構築できることを示す。
• 🎥 上記の過程を実際のPHPコードとして動画で解説している。

Q & A

この動画の目的は何ですか?

この動画の目的は、商品レコメンデーションの実装方法について説明することです。「商品を買った人はこんな商品を買っています」というよくある機能の、プログラム的な実装手順を解説しています。

商品レコメンデーションの一般的な例はどのようなものがあげられていますか?

Amazon、楽天、Yahoo!ショッピングなどの実例が挙げられています。具体的に、商品詳細ページに「よく一緒に購入されている商品」や「この商品を見ている人はこちらもチェック」のように、関連商品がレコメンドされていることが紹介されています。

レコメンデーションロジックの説明にあたって、どのようなデータが使われていますか?

田中さん、山田さん、佐藤さんの3人のデータが用いられています。それぞれが購入した商品の組み合わせ(田中さん:ABCD、山田さん:AE、佐藤さん:ABCD)が分析されています。

田中さんの購入データから、どのようなことがわかりますか?

田中さんの購入時点では、AとBとCが一緒に買われています。BとCとDを除いた場合、AとBとCが一緒に買われています。AとBとDを除いた場合、AとBとCが一緒に買われています。ABCがよく一緒に買われていることがわかります。

山田さんの購入データから、どのようなことがわかりますか?

山田さんが買ったのはAEです。そのため、AとBCDに加えてEが一緒に買われた商品に入ります。AとEは一緒に買われたことになります。

佐藤さんの購入データから、最終的にどのようなことがわかりますか?

佐藤さんはABCDを買っているので、AとBCDが一緒に買われているという情報に変わりはありません。ただし、佐藤さんと重複してBとCが買われているので、BとCが一緒に買われているデータは増えることになります。

レコメンデーションロジックを実装するために、どのような初期データが用意されていますか?

田中さん、山田さん、佐藤さんがそれぞれ購入した商品のデータが初期データとして用意されています。田中さんはABCを、山田さんはAEを、佐藤さんはABCDを注文したとされています。

初期データからどのような処理が行われますか?

まず、オーダーの配列から各データを個別に取り出します。次に、各商品について一緒に買われている商品の配列を作成し、そこに商品のデータを格納していきます。最後に、商品ごとに一緒に買われている商品をレートして、上位の商品をレコメンドするように配列を整理します。

最終的に、このロジックでどのようなことが実現できますか?

このロジックを実装することで、「Aを買った人はBCDを買っています」のように、ある商品を買った人がよく一緒に買っている商品をレコメンドできるようになります。各商品ごとに一緒に買われている商品のデータを持つことで、このような関連商品の表示が可能になります。

このレコメンデーションロジックの更なる改善点はありますか?

この動画では触れられていませんが、より精度の高いレコメンデーションを実現するために、ユーザープロフィールやカテゴリ情報、過去の購買履歴など、さまざまな要素を組み合わせたアルゴリズムが検討されるべきでしょう。また、ロジックの拡張性も重要になってくるでしょう。