レコメンドエンジン– tax –

レコメンドエンジンとは、ユーザーの行動履歴・属性・嗜好データを分析し、個々のユーザーに最も関連性の高い商品・コンテンツ・情報を自動的に提案する技術です。手法は大きく、類似ユーザーの行動パターンから推薦する協調フィルタリング、アイテムの属性情報に基づくコンテンツベースフィルタリング、両者を組み合わせたハイブリッド方式に分類されます。近年は深層学習ベースのモデル（ニューラル協調フィルタリング、Graph Neural Networkなど）により、スパースなデータやコールドスタート問題への対応力が向上しています。

ECサイトの「あなたへのおすすめ」、Netflix・YouTubeなど動画配信のパーソナライズ、Spotifyの音楽推薦、ニュースアプリの記事キュレーション、SaaSのアップセル提案、求人・転職サイトの職種マッチング、学習コンテンツの最適配信など、ユーザー体験の向上と売上・エンゲージメントの最大化を両立する仕組みとして広く実装されています。

推薦システムは1990年代のAmazonやNetflixにおける実用化を経て、2010年代の機械学習ブームで本格的な発展期を迎えました。現在はAmazon Personalize、Microsoft Personalizer、Google Discovery Engineといったクラウド事業者のマネージドサービスや、国内のアイジェント・レコメンダー、RTB Houseなどが代表例として挙げられます。