こんにちわ。結婚紹介サービスyoubrideを担当している菊地です。
今日は出会いサービスにおけるレコメンド（オススメ）機能の活用についてお話します。
【01】レコメンドとは？
recommend。リコメンドと発音しても間違いじゃないそうです。というよりどっちが正しい発音なのでしょうね？まあそれは良いとして、「勧める」「奨励する」「忠告する」このような意味を持ちます。
このブログでも、以前livedoorグルメで導入したレコメンド機能についてエントリがありました。
リコメンドの裏側
このエントリでも言及している「協調フィルタリング」という方法論は、ユーザの過去の行動を嗜好情報として蓄積し、似た行動をとっている他のユーザの嗜好情報を自動的に推論するものです。
一般的なレコメンド機能は、この手法をもってエンジンを作り、ユーザに商品や音楽、お店などをオススメする仕組みを提供しています。
私は、この方法論を「人と人を結びつけるサービス」所謂「出会いサービス」に応用できないかと考えました。
【02】人と人を結びつけるレコメンド機能
「人と人の出会いとは何？」
なんでしょうね？何をもって「出会い」とするのでしょう。
すれ違って会釈したら？
自己紹介を済ませたら？
食事もしないと出会いとは言わない？
レコメンド機能を出会いサービスに応用するにあたり、私はどの段階でオススメするのがもっとも効果的か考えました。
さり気なく好みの異性を表示してあげたらいいのか、出会いから成婚まで全てをサポートしてあげたらいいのか、サービスによってその定義は異なりますね。
youbrideにおいては、それを「好意的なメールをもらった時」としました。
いくら沢山の異性を紹介しても、その方々が自分に好意を持っている、または好意を持ってくれる可能性が高くなければ、なかなか声をかけづらいものです。また、それをサービスとして提供するのであればその確率は高くなければいけないし、このサービスにおける「出会い」とは、「出会える（可能性の高い）相手を紹介してもらう」です。
幸いyoubrideには、自分が送ったアプローチメールに「OK返事」と「NG返事」を選択して返信してもらうシステムを採用しており、「OK返事を送った」という行動を蓄積する事が出来ます。
また、アプローチを受け取ったユーザは、「OK返事」を選択する決め手として「自己紹介プロフィール」を見て判断しています。
そして、その「自己紹介プロフィール」はユーザの嗜好にマッチしているはずです。
一言でいえば、「好みの異性によるアプローチにはOK返事を送る」というデータを蓄積出来る。という事になります。
これを図にすると以下のようになります。
※これは弊社のレコメンドエンジンを製作したエンジニアのアイデアです。
この方法論によって導き出された異性のユーザは、「あなたが声をかければ好意的な返事をする可能性が高い人」であり、出会いの確率を飛躍的に向上させる一因になると信じています。
この機能をリリースした後、自分のレコメンドページを確認したところ、確かに「タバコを吸わない」「首都圏在住」「未婚」「ギャンブルをしない」という私が希望している条件に当て嵌まる女性が多くレコメンドされていました。全ての嗜好に当て嵌まるわけではありませんが、「より近い」「より好みにあった」そういった女性がピックアップされていたように感じます。
また、「協調フィルタリング」を用いたレコメンドエンジンには、ユーザが使えば使うほどその精度を高めていくという特徴があります。リリース後のユーザの行動データが常に蓄積されていく為であり、ユーザに表示されるレコメンド結果も常に変わっていきます。いずれはモロ好みの運命の人に出会えるかもしれませんね。
如何でしたでしょうか？webのサービスにおいて人と人を結び付けるには、テーブル挟んでのお見合いよりも、さり気なくオススメして且つ「好みかも？」と思わせるようなレコメンドの方が、自分で見つけた感も得られて良いのではないでしょうか？
----------------------------------
最後に話が脱線しますが、このサービスを利用していて思ったのですが、
「あなたと同じ曲が嫌いな人が聴いている曲は、あなたも好きじゃない？」
確かに！カブる！と唸った記憶があります。
こんな感じで、「同じ上司が嫌いな人同士を紹介」とか「同じ相手にフラれた人同士を紹介」とかそんな暗めの出会いサービス作ったらヒットしないかなあ、、、
というのはただのネタなので、「お！それ面白そう！作りたい！」とかいって↓のバナーをクリックされても困ります。あしからず。
今日は出会いサービスにおけるレコメンド（オススメ）機能の活用についてお話します。
【01】レコメンドとは？
recommend。リコメンドと発音しても間違いじゃないそうです。というよりどっちが正しい発音なのでしょうね？まあそれは良いとして、「勧める」「奨励する」「忠告する」このような意味を持ちます。
このブログでも、以前livedoorグルメで導入したレコメンド機能についてエントリがありました。
リコメンドの裏側
このエントリでも言及している「協調フィルタリング」という方法論は、ユーザの過去の行動を嗜好情報として蓄積し、似た行動をとっている他のユーザの嗜好情報を自動的に推論するものです。
一般的なレコメンド機能は、この手法をもってエンジンを作り、ユーザに商品や音楽、お店などをオススメする仕組みを提供しています。
私は、この方法論を「人と人を結びつけるサービス」所謂「出会いサービス」に応用できないかと考えました。
【02】人と人を結びつけるレコメンド機能
「人と人の出会いとは何？」
なんでしょうね？何をもって「出会い」とするのでしょう。
すれ違って会釈したら？
自己紹介を済ませたら？
食事もしないと出会いとは言わない？
レコメンド機能を出会いサービスに応用するにあたり、私はどの段階でオススメするのがもっとも効果的か考えました。
さり気なく好みの異性を表示してあげたらいいのか、出会いから成婚まで全てをサポートしてあげたらいいのか、サービスによってその定義は異なりますね。
youbrideにおいては、それを「好意的なメールをもらった時」としました。
いくら沢山の異性を紹介しても、その方々が自分に好意を持っている、または好意を持ってくれる可能性が高くなければ、なかなか声をかけづらいものです。また、それをサービスとして提供するのであればその確率は高くなければいけないし、このサービスにおける「出会い」とは、「出会える（可能性の高い）相手を紹介してもらう」です。
幸いyoubrideには、自分が送ったアプローチメールに「OK返事」と「NG返事」を選択して返信してもらうシステムを採用しており、「OK返事を送った」という行動を蓄積する事が出来ます。
また、アプローチを受け取ったユーザは、「OK返事」を選択する決め手として「自己紹介プロフィール」を見て判断しています。
そして、その「自己紹介プロフィール」はユーザの嗜好にマッチしているはずです。
一言でいえば、「好みの異性によるアプローチにはOK返事を送る」というデータを蓄積出来る。という事になります。
これを図にすると以下のようになります。
※これは弊社のレコメンドエンジンを製作したエンジニアのアイデアです。
この方法論によって導き出された異性のユーザは、「あなたが声をかければ好意的な返事をする可能性が高い人」であり、出会いの確率を飛躍的に向上させる一因になると信じています。
この機能をリリースした後、自分のレコメンドページを確認したところ、確かに「タバコを吸わない」「首都圏在住」「未婚」「ギャンブルをしない」という私が希望している条件に当て嵌まる女性が多くレコメンドされていました。全ての嗜好に当て嵌まるわけではありませんが、「より近い」「より好みにあった」そういった女性がピックアップされていたように感じます。
また、「協調フィルタリング」を用いたレコメンドエンジンには、ユーザが使えば使うほどその精度を高めていくという特徴があります。リリース後のユーザの行動データが常に蓄積されていく為であり、ユーザに表示されるレコメンド結果も常に変わっていきます。いずれはモロ好みの運命の人に出会えるかもしれませんね。
如何でしたでしょうか？webのサービスにおいて人と人を結び付けるには、テーブル挟んでのお見合いよりも、さり気なくオススメして且つ「好みかも？」と思わせるようなレコメンドの方が、自分で見つけた感も得られて良いのではないでしょうか？
----------------------------------
最後に話が脱線しますが、このサービスを利用していて思ったのですが、
・tunefad
http://www.tunefad.com/
「あなたと同じ曲が嫌いな人が聴いている曲は、あなたも好きじゃない？」
確かに！カブる！と唸った記憶があります。
こんな感じで、「同じ上司が嫌いな人同士を紹介」とか「同じ相手にフラれた人同士を紹介」とかそんな暗めの出会いサービス作ったらヒットしないかなあ、、、
というのはただのネタなので、「お！それ面白そう！作りたい！」とかいって↓のバナーをクリックされても困ります。あしからず。
コメント