.svg){kind=icon}
.svg)
はじめに
私たちVirtusizeは、社内データサイエンスチームが日々検証し、レコメンド精度向上のための定期的なブラッシュアップに努めています。Virtusize利用ためにお客様からいただく情報はたった4つのサイズ情報のみ (身長、体重、性別、年齢、) であり、それに加えてクライアント様からいただく基本的なアイテム情報をかけ合わせるだけで、レコメンドロジックの調整が可能となります。今日はレコメンドロジック調整する際に大切な指標「サイズマッチ率」を紹介するとともに、実際にロジック調整を行った際の事例もお伝えします。
サイズマッチ率
私たちがレコメンド精度向上のためのロジック調整を進めるにあたり基準としている指標があります。それは「サイズマッチ率」と呼ばれ、Virtusizeレコメンド後に購入された商品のうち、Virtusizeが１番におすすめしたサイズが購入された割合を指します。弊社で保持しているレコメンドデータと、クライアント様から送られてくるオーダー情報をかけ合わせて算出されるものであり、ブランド×商品タイプ、商品タイプ×スタイルなど、さまざまなカテゴリー・グループまで掘り下げて、マッチした割合をスコア化することができます。このサイズマッチ率を元に、レコメンドサイズがお客様の期待に合致している部分、そうでない部分を特定し、ロジック調整をより細かく実施しています。
かつてはマニュアルでの確認・検証をしていたのですが、サイズマッチ率自動計算ツールを社内開発してからは1時間以内に1年分の売上に相当するサイズマッチ率を算出することができるようになりました。それによりクライアント毎にロジックを改善すべきポイントをより具体的に発見できたり、ロジックの改善にかかる時間も大幅に短縮することが可能となり、私たちのサービスの質の向上がこれまで以上に期待できるようになったのです。
お客様とアイテムの両方のサイズ情報を踏まえたアプローチによるサイズレコメンド
これは、私たちのサイズマッチアルゴリズムの基本理念とも密接に関連しています。私たちVirtusizeは、お客様とアイテムの両方のサイズ情報を踏まえたアプローチによりサイズをレコメンドするべきだと考えています。よくある「あなた（年齢、性別）に似たユーザーはこちらも購入しています」など、アイテムの採寸情報を無視してお客様の属性だけでアイテムをおすすめするアプローチはアパレル業界においてはお客様に誤解を与えかねません。単に他のお客様が購入したものに基づいてレコメンドするのであれば、よりユニークなサイズのアイテムが登場した際、お客様は自分の身体に合わないサイズを購入することになりかねません。
だからこそ、サイズマッチ率を確認することで「Virtusizeのサイズレコメンド精度がどれほどなのか」、具体的には「お客様が購入しているサイズとVirtusizeがレコメンドしたサイズがどれだけマッチしているか」を把握することが重要となります。ただ単に、サイズマッチ率が高ければ良い・低いと問題がある、ということではありません。例えば、サイズ設定がかなり特殊なある特定の商品について、いつもならMサイズを買うであろう人のほとんどが、実際フィットするサイズがLである場合があったとします。サイトに記載の情報だけで特殊なサイズ感であることがうまく伝えられなければ、たとえVirtusizeで正しいサイズであるLをレコメンドしていても、お客様の中には普段買っているMサイズを買ってしまう方も一定数いることが予想され、その場合、サイズマッチ率は低く見えてしまいます。サイズマッチ率が低いということは、Virtusizeのレコメンド精度が極端に悪いというサインではなく、何が原因なのかを特定したり、クライアント様とコミュニケーションを取りながら問題解決解決を見つけるための糸口となるのです。
サイズマッチ率向上に向けた検証事例
上記アプローチの中で、サイズマッチ率が基準より低いグループがあった場合、Virutusizeのロジックを調整する必要があるか、またはサイト側に潜在的な修正ポイントがあるかどうか、などの検証が弊社データサイエンスチームにより開始されます。
これまで私たちは多くのクライアント様にご協力いただき、様々な改良を行い、多くのサイトのサイズマッチ率を最大20％も向上させてきました。
簡単な事例として、弊社サービスをご契約頂いているサイト（ここでは[ブランドA]と呼びます）を見てみましょう。ブランドAの場合、2023年初のパフォーマンスは、比較的落ち着いており、決して悪くはありませんでした。アイテム毎のサイズマッチ率を細かく測定するためのデータも十分揃っており、かつ、新たなロジック調整を検証するためのデータも十分あったため、私たちはこのブランドAにおけるロジックの調整とその後のサイズマッチ率の計測を繰り返し行っていました。ブランドAにおける1年間にわたる検証と分析の結果、サイズマッチ率は前年同期比18.6％も向上させることができました。
おわりに
私たちデータサイエンスチームの使命は、精度とパフォーマンスの両方の観点から、レコメンド精度を向上させるためのコアとなる方法を常に探求し続けることであり、サイズマッチ率がそれに大きく影響してくるのです。2024年も引き続き、サービスの質向上に努めていきます。
はじめに
私たちVirtusizeは、社内データサイエンスチームが日々検証し、レコメンド精度向上のための定期的なブラッシュアップに努めています。Virtusize利用ためにお客様からいただく情報はたった4つのサイズ情報のみ (身長、体重、性別、年齢、) であり、それに加えてクライアント様からいただく基本的なアイテム情報をかけ合わせるだけで、レコメンドロジックの調整が可能となります。今日はレコメンドロジック調整する際に大切な指標「サイズマッチ率」を紹介するとともに、実際にロジック調整を行った際の事例もお伝えします。
サイズマッチ率
私たちがレコメンド精度向上のためのロジック調整を進めるにあたり基準としている指標があります。それは「サイズマッチ率」と呼ばれ、Virtusizeレコメンド後に購入された商品のうち、Virtusizeが１番におすすめしたサイズが購入された割合を指します。弊社で保持しているレコメンドデータと、クライアント様から送られてくるオーダー情報をかけ合わせて算出されるものであり、ブランド×商品タイプ、商品タイプ×スタイルなど、さまざまなカテゴリー・グループまで掘り下げて、マッチした割合をスコア化することができます。このサイズマッチ率を元に、レコメンドサイズがお客様の期待に合致している部分、そうでない部分を特定し、ロジック調整をより細かく実施しています。
かつてはマニュアルでの確認・検証をしていたのですが、サイズマッチ率自動計算ツールを社内開発してからは1時間以内に1年分の売上に相当するサイズマッチ率を算出することができるようになりました。それによりクライアント毎にロジックを改善すべきポイントをより具体的に発見できたり、ロジックの改善にかかる時間も大幅に短縮することが可能となり、私たちのサービスの質の向上がこれまで以上に期待できるようになったのです。
お客様とアイテムの両方のサイズ情報を踏まえたアプローチによるサイズレコメンド
これは、私たちのサイズマッチアルゴリズムの基本理念とも密接に関連しています。私たちVirtusizeは、お客様とアイテムの両方のサイズ情報を踏まえたアプローチによりサイズをレコメンドするべきだと考えています。よくある「あなた（年齢、性別）に似たユーザーはこちらも購入しています」など、アイテムの採寸情報を無視してお客様の属性だけでアイテムをおすすめするアプローチはアパレル業界においてはお客様に誤解を与えかねません。単に他のお客様が購入したものに基づいてレコメンドするのであれば、よりユニークなサイズのアイテムが登場した際、お客様は自分の身体に合わないサイズを購入することになりかねません。
だからこそ、サイズマッチ率を確認することで「Virtusizeのサイズレコメンド精度がどれほどなのか」、具体的には「お客様が購入しているサイズとVirtusizeがレコメンドしたサイズがどれだけマッチしているか」を把握することが重要となります。ただ単に、サイズマッチ率が高ければ良い・低いと問題がある、ということではありません。例えば、サイズ設定がかなり特殊なある特定の商品について、いつもならMサイズを買うであろう人のほとんどが、実際フィットするサイズがLである場合があったとします。サイトに記載の情報だけで特殊なサイズ感であることがうまく伝えられなければ、たとえVirtusizeで正しいサイズであるLをレコメンドしていても、お客様の中には普段買っているMサイズを買ってしまう方も一定数いることが予想され、その場合、サイズマッチ率は低く見えてしまいます。サイズマッチ率が低いということは、Virtusizeのレコメンド精度が極端に悪いというサインではなく、何が原因なのかを特定したり、クライアント様とコミュニケーションを取りながら問題解決解決を見つけるための糸口となるのです。
サイズマッチ率向上に向けた検証事例
上記アプローチの中で、サイズマッチ率が基準より低いグループがあった場合、Virutusizeのロジックを調整する必要があるか、またはサイト側に潜在的な修正ポイントがあるかどうか、などの検証が弊社データサイエンスチームにより開始されます。
これまで私たちは多くのクライアント様にご協力いただき、様々な改良を行い、多くのサイトのサイズマッチ率を最大20％も向上させてきました。
簡単な事例として、弊社サービスをご契約頂いているサイト（ここでは[ブランドA]と呼びます）を見てみましょう。ブランドAの場合、2023年初のパフォーマンスは、比較的落ち着いており、決して悪くはありませんでした。アイテム毎のサイズマッチ率を細かく測定するためのデータも十分揃っており、かつ、新たなロジック調整を検証するためのデータも十分あったため、私たちはこのブランドAにおけるロジックの調整とその後のサイズマッチ率の計測を繰り返し行っていました。ブランドAにおける1年間にわたる検証と分析の結果、サイズマッチ率は前年同期比18.6％も向上させることができました。
おわりに
私たちデータサイエンスチームの使命は、精度とパフォーマンスの両方の観点から、レコメンド精度を向上させるためのコアとなる方法を常に探求し続けることであり、サイズマッチ率がそれに大きく影響してくるのです。2024年も引き続き、サービスの質向上に努めていきます。
はじめに
私たちVirtusizeは、社内データサイエンスチームが日々検証し、レコメンド精度向上のための定期的なブラッシュアップに努めています。Virtusize利用ためにお客様からいただく情報はたった4つのサイズ情報のみ (身長、体重、性別、年齢、) であり、それに加えてクライアント様からいただく基本的なアイテム情報をかけ合わせるだけで、レコメンドロジックの調整が可能となります。今日はレコメンドロジック調整する際に大切な指標「サイズマッチ率」を紹介するとともに、実際にロジック調整を行った際の事例もお伝えします。
サイズマッチ率
私たちがレコメンド精度向上のためのロジック調整を進めるにあたり基準としている指標があります。それは「サイズマッチ率」と呼ばれ、Virtusizeレコメンド後に購入された商品のうち、Virtusizeが１番におすすめしたサイズが購入された割合を指します。弊社で保持しているレコメンドデータと、クライアント様から送られてくるオーダー情報をかけ合わせて算出されるものであり、ブランド×商品タイプ、商品タイプ×スタイルなど、さまざまなカテゴリー・グループまで掘り下げて、マッチした割合をスコア化することができます。このサイズマッチ率を元に、レコメンドサイズがお客様の期待に合致している部分、そうでない部分を特定し、ロジック調整をより細かく実施しています。
かつてはマニュアルでの確認・検証をしていたのですが、サイズマッチ率自動計算ツールを社内開発してからは1時間以内に1年分の売上に相当するサイズマッチ率を算出することができるようになりました。それによりクライアント毎にロジックを改善すべきポイントをより具体的に発見できたり、ロジックの改善にかかる時間も大幅に短縮することが可能となり、私たちのサービスの質の向上がこれまで以上に期待できるようになったのです。
お客様とアイテムの両方のサイズ情報を踏まえたアプローチによるサイズレコメンド
これは、私たちのサイズマッチアルゴリズムの基本理念とも密接に関連しています。私たちVirtusizeは、お客様とアイテムの両方のサイズ情報を踏まえたアプローチによりサイズをレコメンドするべきだと考えています。よくある「あなた（年齢、性別）に似たユーザーはこちらも購入しています」など、アイテムの採寸情報を無視してお客様の属性だけでアイテムをおすすめするアプローチはアパレル業界においてはお客様に誤解を与えかねません。単に他のお客様が購入したものに基づいてレコメンドするのであれば、よりユニークなサイズのアイテムが登場した際、お客様は自分の身体に合わないサイズを購入することになりかねません。
だからこそ、サイズマッチ率を確認することで「Virtusizeのサイズレコメンド精度がどれほどなのか」、具体的には「お客様が購入しているサイズとVirtusizeがレコメンドしたサイズがどれだけマッチしているか」を把握することが重要となります。ただ単に、サイズマッチ率が高ければ良い・低いと問題がある、ということではありません。例えば、サイズ設定がかなり特殊なある特定の商品について、いつもならMサイズを買うであろう人のほとんどが、実際フィットするサイズがLである場合があったとします。サイトに記載の情報だけで特殊なサイズ感であることがうまく伝えられなければ、たとえVirtusizeで正しいサイズであるLをレコメンドしていても、お客様の中には普段買っているMサイズを買ってしまう方も一定数いることが予想され、その場合、サイズマッチ率は低く見えてしまいます。サイズマッチ率が低いということは、Virtusizeのレコメンド精度が極端に悪いというサインではなく、何が原因なのかを特定したり、クライアント様とコミュニケーションを取りながら問題解決解決を見つけるための糸口となるのです。
サイズマッチ率向上に向けた検証事例
上記アプローチの中で、サイズマッチ率が基準より低いグループがあった場合、Virutusizeのロジックを調整する必要があるか、またはサイト側に潜在的な修正ポイントがあるかどうか、などの検証が弊社データサイエンスチームにより開始されます。
これまで私たちは多くのクライアント様にご協力いただき、様々な改良を行い、多くのサイトのサイズマッチ率を最大20％も向上させてきました。
簡単な事例として、弊社サービスをご契約頂いているサイト（ここでは[ブランドA]と呼びます）を見てみましょう。ブランドAの場合、2023年初のパフォーマンスは、比較的落ち着いており、決して悪くはありませんでした。アイテム毎のサイズマッチ率を細かく測定するためのデータも十分揃っており、かつ、新たなロジック調整を検証するためのデータも十分あったため、私たちはこのブランドAにおけるロジックの調整とその後のサイズマッチ率の計測を繰り返し行っていました。ブランドAにおける1年間にわたる検証と分析の結果、サイズマッチ率は前年同期比18.6％も向上させることができました。
おわりに
私たちデータサイエンスチームの使命は、精度とパフォーマンスの両方の観点から、レコメンド精度を向上させるためのコアとなる方法を常に探求し続けることであり、サイズマッチ率がそれに大きく影響してくるのです。2024年も引き続き、サービスの質向上に努めていきます。
