閲覧履歴ベースおすすめの仕組みと限界をショップ運営目線で整理する

閲覧履歴ベースの「あなたへのおすすめ」は、Shopify ストアでもっとも導入しやすいパーソナライズの1つです。ただ、その仕組みと限界を理解しないまま設置すると「とりあえず出しているだけ」のブロックになり、売上への寄与が見えなくなります。実際、同じ「閲覧履歴レコメンド」でも配置や条件次第でクリック率が3倍以上変わるケースもあります。この記事では、閲覧履歴ベースおすすめの基本的な仕組みと限界、それを踏まえた設計のポイントを、Shopify ストア運営者の目線で整理します。最後に RecoBoost を使う場合の活かし方も1パターンだけ紹介します。

閲覧履歴ベースおすすめの基本的な仕組み

閲覧履歴ベースのレコメンドは、名前のとおり「そのユーザーが最近どの商品ページを見たか」をもとにおすすめ候補を作る仕組みです。多くの場合、ブラウザの Cookie やローカルストレージ、あるいはログインしている顧客 ID と紐づけて、「閲覧した商品 ID のリスト」と「閲覧した順番・時間」を保存します。

たとえば、あるユーザーが A→B→C の順に商品ページを見たとします。この履歴に対して、次のようなロジックでおすすめが作られます。1つ目は「最近見た商品そのものを再表示」するパターン、2つ目は「A/B/C を見た他のユーザーがよく見た（買った）商品」を集計するパターンです。Shopify アプリやテーマ機能の多くは、これらの組み合わせで「最近チェックした商品」「あなたへのおすすめ」を生成しています。

運営側が知っておきたいのは、閲覧履歴ベースのレコメンドは「過去の行動に反応する仕組み」であり、「ニーズや在庫状況まで自動で理解してくれるわけではない」という点です。そのため、どこまでをこの仕組みに任せて、どこからを手動のおすすめや別ロジックに任せるかを決めておくことが重要になります。

どこまでパーソナライズできるのか

閲覧履歴ベースのおすすめが得意なのは「検討中の商品を思い出してもらうこと」と「似たテイストの商品を広げて見せること」です。ユーザーが同じカテゴリの商品を何度も見ている場合、そのカテゴリ内で価格帯や色違い、サイズ違いのバリエーションを並べることで、離脱した検討をもう一度テーブルに戻せます。カート追加率が高めのストアでは、「直近で閲覧した商品＋同カテゴリの商品」の組み合わせだけでも、商品詳細ページのクリック率が数ポイント改善するケースがあります。

一方で、「閲覧した回数＝欲しい強さ」ではないことも押さえておく必要があります。比較検討のために短時間で10商品以上を流し見するユーザーもいれば、「なんとなく眺めているだけ」で特に買うつもりがない場合もあります。閲覧履歴だけからは「本命商品」「除外したい候補」を完全には判別できません。そのため、閲覧回数や滞在時間だけでスコアリングしすぎると、本来は候補から外したい商品ばかりを推し続けてしまうリスクがあります。

パーソナライズという言葉から「一人ひとりに完全に最適化されたおすすめ」を想像しがちですが、閲覧履歴ベースで現実的にできるのは「ユーザーが関心を示したカテゴリや価格帯の範囲内で、候補を少し絞り込む」くらいです。決して万能ではないものの、「何も出さない」「全員同じランキングを出す」よりは、ユーザーの行動に寄り添った表示にできるのが強みです。

閲覧履歴ベースのレコメンドがハマらないパターン

閲覧履歴ベースのおすすめがうまく機能しないストアには、いくつか典型的なパターンがあります。1つ目は「来訪頻度が低い・1回の閲覧点数が少ない」ストアです。たとえば高額商材で、1年に1度しか来ない顧客が1〜2商品だけ見て離脱するようなケースでは、履歴そのものが薄く、レコメンドロジックが十分に働きません。表示はできても「ほぼ新着順と変わらない」状態になりがちです。

2つ目は「用途が単発で完結する商材」です。例として、特定のイベント向けグッズや単品完結型のデジタル商品など、1点買えば用が足りる商材では、「似た商品をたくさん出す」ことがユーザー体験の改善につながらない場合があります。むしろ、1度閲覧した商品が何度も表示されることで「さっきから同じものばかり見せられている」と感じさせてしまい、逆効果になることもあります。

3つ目は「在庫・価格・キャンペーン情報を考慮できていない」ケースです。閲覧履歴ベースのおすすめは、実装方法によっては「品切れになった商品」や「セール対象から外れた旧価格の商品」を平気で並べてしまいます。実務でよくあるのは、セール終了後も閲覧履歴にセール中の商品が残り続け、ユーザーがクリックすると通常価格に戻っていて離脱するパターンです。閲覧履歴レコメンドの改善より先に、「売ってはいけない商品を出さない」ためのフィルタ条件を整えることが優先度としては高くなります。

Shopify ストアでの実装時に押さえるポイント

Shopify ストアで閲覧履歴ベースのおすすめを実装する際、まず決めるべきは「どのページで、どのタイミングの閲覧履歴を使うか」です。よくあるのはトップページや商品詳細ページの下部ですが、「直近〇商品まで」「〇日以内の閲覧に限定」というシンプルなルールを決めておくと、ユーザーにとっても「最近見たものが出ている」と理解しやすくなります。期間を区切らないと、季節外れの商品がいつまでも出続けてしまうことがあります。

次に重要なのが「並び順と混ぜ方」です。「最近見た商品」だけをそのまま出すのではなく、「最近見た商品＋同カテゴリの売れ筋」を一定の比率で混ぜると、履歴が少ないユーザーでも一定の説得力を持たせることができます。たとえば4枠のおすすめ枠なら、「2枠は閲覧履歴ベース」「2枠は売れ筋」など、ロジックを分けておくと検証しやすくなります。

実務的には、「新規ユーザー」「リピーター」「ログイン済み会員」など、ユーザーの状態によって fallback（履歴が足りないときの代わりの表示）を変えることも検討できます。閲覧履歴がほぼない新規ユーザーにはランキングベースのおすすめを出し、複数回来訪しているユーザーには閲覧履歴ベース＋購入履歴ベースを優先するといった設計です。すべてを一度に作り込む必要はありませんが、「履歴がないときに何を見せるか」を最初に決めておくだけで、レコメンドエリアの空振りを減らせます。

よくある失敗と、簡単にできる改善策

閲覧履歴レコメンドでよくある失敗の1つが「ページ下の方にとりあえず1ブロック入れて終わり」というパターンです。スクロール率が低い商品詳細ページでは、ページ最下部のおすすめはほとんど見られていないケースも多く、実際に確認するとクリック率が1％未満という例もあります。それでも「きちんとパーソナライズしている」と思い込んでしまうと、本当に改善が必要な箇所を見落としてしまいます。

簡単にできる改善策としては、まず「レコメンドの位置を1つだけ変えて AB テストする」ことです。商品詳細ページなら、商品説明のすぐ下に置いたパターンと、レビューの下に置いたパターンで比較し、クリック率やカート追加率を見ます。わずかに配置を変えるだけで、クリック率が2〜3倍になることもあります。

もう1つは「よく一緒に見られている商品」と「最近見た商品」を分けてラベル表示することです。ユーザーは「なぜこの商品が出ているのか」がわかると安心してクリックできます。「最近チェックした商品」「一緒に見られている商品」など、役割を明確にしたラベリングを行うだけでも、体感としてのパーソナライズ性が高まり、結果的に反応率の改善につながります。

RecoBoost ならこう活かす

RecoBoost を使う場合は、閲覧履歴ベースのおすすめを「単独の正解」にせず、売れ筋や関連商品など複数のロジックと組み合わせてセクションを作る使い方がおすすめです。たとえば、商品詳細ページに「最近見た商品」「閲覧履歴からのおすすめ」「ショップ全体の売れ筋」をそれぞれ小さめの枠で配置し、クリック率や売上への貢献をアプリ側のレポートで比較します。こうすることで、「このストアでは閲覧履歴ベースがどの程度効いているのか」を数字で判断しやすくなり、効いている箇所にだけレコメンド枠を増やす、効きにくい箇所は別ロジックに切り替えるといった、現場で運用しやすい改善サイクルを回せます。

閲覧履歴ベースのおすすめは、パーソナライズの入口としては非常に扱いやすい一方で、それだけに頼ると「過去の行動をなぞるだけ」の仕組みにとどまります。仕組みの限界を理解したうえで、どのページで・どの履歴を・どのロジックと組み合わせるかを設計し、数字を見ながら少しずつ配置や条件を調整していくことが、Shopify ストアでパーソナライズを売上につなげる近道です。