協調フィルタリングとAI類似商品の使い分けプレイブック

結論：データ量とカタログ特性で使い分けるべき2つのロジック

協調フィルタリング と AI類似商品 は、どちらか一方を選ぶより、ストアの状態に応じて優先順位を切り替えて併用するのが現実的です。

• データが十分にあり、定番商品のリピートが多いストア → 協調フィルタリングを主役 にして購買傾向を深堀り
• 新商品・一点物・在庫回転の早いカタログ → AI類似商品を主役 にして見た目や属性ベースで提案
• オープン直後・トラフィックが少ない時期 → まず AI類似商品 で面を埋め、徐々に 協調フィルタリング を足していく

このプレイブックでは、両者の違いと向き・不向き、コールドスタート時の選び方、実店舗でのよくある使い分けパターンを整理します。

協調フィルタリングとは：行動データに強く、コールドスタートに弱い

協調フィルタリング は、「この商品を買った人は、あの商品も買っている」という ユーザーの行動データ（閲覧・購入履歴） に基づいて関連商品を出す手法です。

• ロジックの軸：カートや注文の同時購入パターン、閲覧履歴の共起パターン
• 強み：人間の「ついで買い」「まとめ買い」に近い提案ができる
• 必要条件：ある程度の トラフィック と 購入データ が溜まっていること
• 弱み：新商品・売れていない商品のレコメンドが作りにくい（コールドスタート問題）
• カタログの向き・不向き：型番商品・リピート商材・アクセサリー類・シリーズ商品に向く

特に、次のようなストアでは顕著に効果を出しやすいです。

• 定番比率が高く、年間を通じて同じ商品が売れ続ける（例：サプリ、スキンケアの定番ライン）
• 「一式買い」「まとめ買い」が起こりやすい（例：カメラ本体 + レンズ + 三脚）
• リピーター比率が高く、同じお客様が頻繁に購入する

AI類似商品とは：商品データに強く、新商品や一点物に向く

AI類似商品 は、商品画像やテキスト（タイトル・説明・タグなど）から 商品の特徴量 を抽出し、「見た目・スタイル・属性」が近い商品を返す手法です。行動データではなく、商品そのものの情報を軸にします。

• ロジックの軸：画像の見た目 や テキスト属性（色・素材・カテゴリなど） の近さ
• 強み：閲覧・購入履歴が少ない商品でもレコメンドを返せる
• 必要条件：ある程度整理された 商品画像 と テキスト情報
• 弱み：必ずしも「一緒に買われやすい」組み合わせにはならないことがある
• カタログの向き・不向き：アパレル・雑貨・家具など、見た目で選ぶ商材や一点物が多いカタログに向く

次のようなストアでは、AI類似商品を主役に据えるとレコメンドの“空白”を埋めやすくなります。

• 新商品の入れ替えが激しく、販売履歴が溜まりにくい（例：セレクトショップのアパレル）
• 一点物・少量入荷が多く、同じ商品がすぐ完売する
• カラー・サイズ・柄など、視覚的な好みで比較されやすい商材

協調フィルタリング vs AI類似商品：違いをざっくり比較

• 目的の違い
  - 協調フィルタリング：一緒に買われやすい商品を出し、客単価アップを狙う
  - AI類似商品：代替候補・比較候補を出し、離脱防止や回遊を狙う
• 使うデータ
  - 協調フィルタリング：閲覧履歴・カート・注文といった行動ログ
  - AI類似商品：商品画像・タイトル・説明文・タグ・オプション
• コールドスタート耐性
  - 協調フィルタリング：新商品やアクセスの少ない商品は候補が不足しがち
  - AI類似商品：画像とテキストさえあれば、新商品でもすぐに候補を返せる
• カタログへの適性
  - 協調フィルタリング：SKU 数が多く、リピートや定番売れ筋がある程度あるストア
  - AI類似商品：SKU 数は多いが履歴は薄い、または一点物が多いストア
• 運用イメージ
  - 協調フィルタリング：データが溜まるほど精度が上がる長期戦型
  - AI類似商品：導入直後から安定して動くインフラ型

どちらも万能ではないため、「どのページで何を狙うか」から逆算して組み合わせるのが実務的です。

コールドスタート時とカタログ別のおすすめ構成

• 商品詳細ページ（PDP）：まずは AI類似商品 を配置し、同系統の代替候補を出す
• コレクションページ：在庫に余裕があるなら AI類似商品 で「似ているけど別の選択肢」を提示
• カートページ：データ不足で協調フィルタリングが弱いので、最初は 手動のおすすめセット か ベストセラー を補助的に使う
• 商品詳細ページ：
  - 上段：AI類似商品 で「比較・代替」候補
  - 下段：協調フィルタリング で「ついで買い」候補
• カートページ：協調フィルタリング をメインにし、「一緒に買われている商品」を出す
• トップページ：定番やベストセラーのブロックに 協調フィルタリング を混ぜて、リピーター向けの提案を強化
• アパレル・インテリア・雑貨：AI類似商品 > 協調フィルタリング（見た目・スタイルの近さが重要）
• 消耗品・日用品・サプリ：協調フィルタリング > AI類似商品（セット買い・定期買いが重要）
• 一点物・ヴィンテージ：AI類似商品 一択に近い（販売履歴が残らない）
• 家電・ガジェット：
  - 商品詳細ページ：AI類似商品 で機能・スペックが近い比較
  - カート・チェックアウト手前：協調フィルタリング で周辺アクセサリーを提案

RecoBoost で両方を試すときの次の一歩

RecoBoost では、協調フィルタリング 系ロジックと AI類似商品 系ロジックをそれぞれブロックとして配置できます。まずは以下のステップから始めると比較しやすくなります。

• Shopify 管理画面 → アプリ → RecoBoost を開き、レコメンドブロックの一覧を確認する
• 商品詳細ページ用ブロック を新規作成し、ロジックで AI類似商品 を選んで保存する
• 同じく 商品詳細ページ用の第2ブロック を作り、ロジックで 協調フィルタリング（この商品を見た人はこれも購入） を選ぶ
• テーマカスタマイズ から 商品テンプレート を開き、上段に AI類似商品ブロック、下段に 協調フィルタリングブロック を追加して公開する
• 数日〜数週間データを溜め、RecoBoost 内の レポート でクリック率・売上寄与を比較し、自ストアに合う比重（どちらを目立たせるか）を調整する

どちらか一方だけに決め打ちするのではなく、「ページごとの役割」と「自ストアのカタログ特性」を見ながら、協調フィルタリングとAI類似商品を並べて検証していくのが、遠回りに見えて最短の近道になります。