レコメンド（推奨）エンジン“Recommendo”の技術

commendo research & consulting GmbH

ケーフラッハ , 2010

Slide No 2

レコメンド（推奨）エンジン“ Recommendo” とは？

ユーザー行動分析のために開発された、「推奨エンジン」ツール ユーザー行動情報・アイテム情報を収集。 その属性を独自技術手法で分析。 分析結果から推奨（レコメンド）データを提案。

独自分析手法により、高精度な分析結果を出力 適用している属性判別手法　：

ユーザー／アイテム予想　＋　ユーザー／ユーザー補正　＋　アイテム／アイテム補正

独自な分析ロジック　：強調フィルタリング　＋　コンテンツベースフィルタリング　＋　 α

世界 No.1 の評価を受賞 「高速・高精度な分析結果」が、世界的に高く評価され数多くの賞を受賞。

‐ 　 2009年「 Netflix　賞」 1 位受賞　　（世界 186国から 50,000チームが参加）‐　オーストリア他で行われた各種評価会で入賞実績あり。

Slide No 3

Recommendo の主な機能

入力データ• 全ての可能なユーザー・データ　（年令、性別、他）• 全ての可能なアイテム・データ　（値段、商品分類、他）• ショッピングカート内の情報• 購入情報• クリック情報（ユーザー挙動）• 等

出力データ（予想データ＋補正データ）• トップ “ X”　順位の推奨商品リスト（レーティング毎にソート・アンソート）• 全体のセット購入組み合わせ割合から、ある商品購入者向け他商品の推奨データ提示

属性判別・分析ロジック 属性判別• ユーザー／アイテム予想• ユーザー／ユーザー補正• アイテム／アイテム補正

INPUT

OUTPUT

分析ロジック• 強調フィルタリング• コンテンツベースフィルタリング• 初期開始時の問題に対する対策

（ユーザー、商品、購入履歴、レーティング、ショッピングカート情報を考慮）　

Slide No 4

Recommendo の強み

顧客ニーズにあわせたカスタマイゼーション 顧客サイトにインストール スタンド・アローンなツール（ソリューション） セキュリティ・プライバシー問題の無い、自立したツール

先端テクノロジーの牽引 高精度な分析エンジン　（予想確度世界 No.1を受賞） 高速な分析エンジン• 高速レスポンスタイム　：　ユーザーアクションをリアルタイムにエンジン分析に取り込み瞬

時に結果出力• 高速インテグレーション：　リアルタイムデータによって予想確度に影響なし（それまでの予

想確度の精度を保つ）

エンジン内アルゴリズムをニーズにあわせてチューニング可能

メンテナンス性の高さ 簡単なバックアップ・リカバリー手順 簡単なインスタレーション・インテグレーション

Slide No 5

Recommendo の過去の評価受賞実績

ネットフリックス賞 2009 　一位賞金を受賞Initiated　by　Netflix　Inc.　　www.netflix.com

オーストリア連邦国家賞受賞（ 2009 ）オーストリア共和国　連邦経済省コンサルティングサービスと情報技術　

オーストリア・コンスタンティヌス賞（ 2009 ）オーストリア国　連邦産業院　–　 UBIT　オーストリア

西スティリア企業賞　受賞革新賞　受賞 (2009)　

E- ビズ e 政府　受賞 (2009) スティリアオーストリア首相、 Report　Verlag　オーストリア

INNOward 2010 受賞スティリア州商工会議所、「コンサルティングサービスおよび情報技術」分野

予想確度最高得点

Slide No 6

補足資料

Slide No 7

Recommendo のパフォーマンス　＝オーストリアでの実証実験結果　＝

1. 実験条件　：　全 12 ヶ月、 2 段階① 11か月のユーザーの商品購入調査実績　＜　お薦め表示無し　＞

- 　掲載全商品数　２５、０００個- 　全体の商品購入アイテム数　１００万個- 　全体の商品購入ユーザー数　１６万人- 　各個人の商品購入アイテム種類と購入アイテム数

② 1 ケ月の商品購入評価　　＜お薦め表示あり　【ショップお薦め 　】 vs　【推奨エンジンお薦め】＞(a) 　 Shopお薦め「 Top5」　（固定）(b)　推奨エンジン出力「 Top5」　（過去実績＋ を に反映して変化ﾕｰｻﾞｰｱｸｼｮﾝ ﾘｱﾙﾀｲﾑ）

2. １ヶ月の評価実験　：「お薦め 」に対し「実際購入 」一致回数から予想確度ｱｲﾃﾑ ｱｲﾃﾑ

算出

1 か月の購入実績 予想確度

ﾕｰｻﾞｰ ｱｲﾃﾑ数 (a)Shop5 (b) ｴﾝｼﾞﾝ 5

掲載商品数= 　 ZZZZ

ABCD…

3857…

0010…

1322…

合計 000人 000個 XX YY

予想確度　＝　 B 　／　 A 　（一致回数 /　 全掲載商品数）

数字はすべて一例

A

B B

Slide No 8

Recommendo のパフォーマンス　＝オーストリアでの実証実験結果　＝

3. １ヶ月間の予想確度　（お薦め結果のパフォーマンス）

4. 推奨エンジンのパフォーマンスデータ（２）　：　 毎購入数分布で予想確ﾕｰｻﾞｰ

度を分析

(a) 　 Shopお薦め「 Top5」 0.74%

(b)　推奨エンジン出力「 Top5」 1.74%

Shopにくらべ、エンジンが 2.4倍確度高い。

購入数 確度 (%)

1 1.62

2 2.16

3 2.19

4 2.47

5 2.73

6 2.62

7 2.79

8 3.05

9 2.87

購入数が多いときほど、エンジンの確度高い（高性能）。

Slide No 9

Recommendo機能・システム統合

Input

ｱﾙｺﾞﾘｽﾞﾑ

Output

統計処理

XX 社広告Web (Commendo Demo システム画面）

Commendoの推奨結果

Shopのお奨め TopX

ショッピング

カート

RecommendoWeb API

xml file ｺﾏﾝﾄﾞ送信

( ﾕｰｻﾞｰｱｸｼｮﾝ )

購入

xml file ｺﾏﾝﾄﾞ送信( 結果要求 )表

示

xml file ｺﾏﾝﾄﾞ送信( 統計データ結果要求、Webに直接表

示可能 )

ユーザー開発 Commendo

Slide No 10

Recommendo システムの技術要件

ハードウエア 64bit　Linux　Systemが必要。 Ｄ ual　Core　マシン必要。• 1 番目のＣ ore　は、システムトレーニング用• 2 番目のＣ ore　は、リアルタイム実用要件のため

Memory　と Ｄ iskspaceは、取り扱うデータ量に依る。• 最低　 1GB　memory• 最低　 2GB　free　diskspace

特別なＤ atabase　サーバーは不要。

データセットアップ 指定 ID　フォーマットに、ユーザー、ユーザーグループに登録　 (uID,　uGID) 指定 ID　フォーマットに、アイテム、アイテムグループに登録　 (uID,　uGID)

Slide No 11

Commendo の会社概要

Commendo 2008年 7 月創業 株主 4 名• Georg　Preßler,　MA

• Andreas　Töscher,　MSc

• Michael　Jahrer,　MSc

• Michael　Schrotter,　MA

本社 :　オーストリア国ケーフラッハ

専門分野 以下の分野の研究開発 :• 機械学習• カスタマイズされたレコメンダシステム

コンサルティングサービスの IT