ソリューションアクセラレータ
推薦エンジンによるパーソナライズ
事前構築されたコード、サンプルデータ、解説を含む Notebook
パーソナライズによるコンバージョンの向上
顧客のニーズはバイヤージャーニーの各ステージによって変化するため、最適な推薦モデルの選択が必要です。「コールドスタート問題」には、コンテンツベースのレコメンダーがおすすめです。ショッピングカートへの商品の追加を促すには、ワイド&ディープレコメンダーが有用です。
NOTEBOOK 1
画像によるレコメンデーション
商品の推薦を行うための入力として、アイテムの視覚的類似性を考慮したEコマース向け類似性ベース画像推薦システムを構築する。
Notebook を使ってみるNOTEBOOK 3
ワイド&ディープのススメ
反復購入のパターンを利用して、以前に購入した商品と関連する商品の両方を提案する協調フィルタによる広くて深いレコメンダーを構築します。
Notebook を使ってみるNOTEBOOK 4
マトリックス分解(ALS)推奨
様々な商品に対するユーザーの評価を推論するために、行列因数分解レコメンダーを構築する。このレコメンダーのALS(alternating least squares)実装は、実際のシナリオで見られる大量のユーザーと商品の組み合わせに対応するために、行列の因数分解のパターンを示すものである。
Notebook を使ってみる