嗜好が類似する他ユーザーの購買行動履歴に基づく協調フィルタリング

協調フィルタリング(Collaborative Filtering)を用いたレコメンデーションとして「多くの顧客の購買行動の類似性を相関分析などによって求め,顧客Aに類似した顧客Bが購入している商品を顧客Aに勧める」が適切です。 協調フィルタリングは、ECサイトなどで広く利用される推薦アルゴリズムです。多数の利用者の購買履歴や評価履歴、行動ログを蓄積・分析し、「購買傾向が似通っている他の利用者群(近傍ユーザ)」を統計的相関分析等によって特定し、その類似ユーザが購入していて対象者がまだ購入していないアイテムを推薦します(「この商品を買った人はこんな商品も買っています」)。 売れ筋ランキングの自動抽出と表示は、全体の販売実績の単純集計であり、顧客ごとの類似性を利用する協調フィルタリングではありません。 年齢や性別などの属性(デモグラフィック変数)に基づいてセグメント分けするのは「属性ターゲティング(セグメンテーション)」の手法です。 野球のバットに対してボールを勧めるなど商品自体の関連性やカテゴリ情報に着目して推薦を行うのは「コンテンツベースフィルタリング」やバスケット分析の手法です。

レコメンデーション(お勧め商品の提案)の例のうち,協調フィルタリングを用いたものはどれか。

出典令和3年度 春期 応用情報技術者試験 午前 問63
ア
多くの顧客の購買行動の類似性を相関分析などによって求め,顧客Aに類似した顧客Bが購入している商品を顧客Aに勧める。
イ
カテゴリ別に売れ筋商品のランキングを自動抽出し,リアルタイムで売れ筋情報を発信する。
ウ
顧客情報から,年齢,性別などの人口動態変数を用い,"20代男性","30代女性"などにセグメント化した上で,各セグメント向けの商品を提示する。
エ
野球のバットを購入した人に野球のボールを勧めるなど商品間の関連に着目して,関連商品を提示する。