「おすすめ商品」 はなぜ売れなく なったのか？

レコメンドに投資してきたのに、 なぜ伸び切らないのか

ECの運営を続けていると、ある時期から「なんとなく頭打ち感」を覚えることがある。

レコメンドエンジンは入れた。表示ロジックも改善した。A/Bテストも回した。クリック率の数字は悪くない。なのに、購買につながる率が伸びない。

回遊は起きているのに、新しい商品への広がりが弱い。原因を探ると、「表示位置が悪い」「商品データが足りない」「UIを見直すべきだ」という議論になりやすい。

だが、もう一段深く問うてみてほしい。

「過去に最適化」 されているほど、 「今の意図」 から外れる

従来型レコメンドの多くは、過去の閲覧履歴・購買履歴・類似顧客の行動パターンをもとに動いている。

この仕組みは、顕在的な需要には強い。定番商品のリピートや、同カテゴリ内の比較検討を促すには向いている。

ただし、顧客の関心が変わる局面には弱い。わかりやすい例が家電だ。

炊飯器を買った顧客に、次も炊飯器を勧めても意味がない。すでに買っているからだ。その人が次に探しているのは、保存容器かもしれないし、弁当用品かもしれない。過去購買に忠実であるほど、現在の購買意図から遠ざかっていく。

ファッションECでは、このズレがさらに起きやすい。

半年前に黒のシンプルなジャケットを買ったユーザーに、今回も似た雰囲気の商品を並べる。アルゴリズムとしては正しい。だがその人が今探しているのが「少し柔らかい印象に変えたい」「春から職場の雰囲気が変わったので、軽やかに見せたい」なら、その提案はずれてしまう。

問題は精度ではない。参照しているデータが「過去の自分」だということだ。

偶然の発見がなければ、 ECでのショッピングは飽きられる

もう一つ、無視できない問題がある。レコメンドが過去行動に近づくほど、顧客は既存の嗜好パターンの中を繰り返すことになる。似た商品は見つかる。だが新しい選択肢は広がりにくい。これは体験の問題であり、同時に売上の問題でもある。既存需要 of 刈り取りはできても、新しい需要が育たないからだ。

モバイルEC環境の実証研究（ACM, 2019）では、レコメンドにおける「セレンディピティ（思いがけない発見）」はユーザー満足度に有意な影響（&beta=0.305）を持つことが示されている。

単に関連商品を正確に返すよりも、「思いがけない出会いがあった！」という顧客体験を設計できるかが、満足度の差を生むのである。

ファッションECで重視されているのは、 商品ではなく 文脈だ

特にファッションECでは、顧客が探しているのは商品スペックよりも文脈であることが多い。

「ワイドパンツに合う、堅すぎないオフィスカジュアルが欲しい」「郊外デートで着られる、甘すぎないワンピースを探している」「梅雨でも重たく見えない通勤コーデを組みたい」。

これらの問いの中にあるのは、TPO、気分、避けたい失敗、なりたい印象だ。つまり、その商品を欲しくなる理由や意図である。

しかし従来型レコメンドが見ているのは主に何を見たか・何を買ったかだ。なぜ今それを探しているのかは、履歴には残らない。

2024年にConstructorが米英の消費者896人を対象に実施した調査では、44%が「欲しい商品を見つけるまでに3分以上かかる」と答え、42%は「カテゴリとしては合っているが、自分の好みや期待には合っていない」と感じている。

さらに44%は、自分がよく使うサイトでさえ「自分を理解していない汎用的なレコメンドしか来ない」と答えた。

次に必要なのは、 購買前の意図データを取り にいく ことだ

繰り返しになるが、レコメンドの改善だけを続けると、どこかで限界に当たる。それは、参照しているデータが「購買後の履歴」だからだ。購買を動かすために本当に必要なのは、購買前の意図データだ。

顧客が検索窓に入れた自然な言葉、商品ページで長く止まったポイント、比較検討のときに気にしていた条件、離脱前に打ち込んだ最後のクエリ。こうしたデータが取れていれば、なぜ買わなかったのかが見えるようになる。何を出せば次に進めたのかも分かる。そして、その知見はレコメンド改善だけでなく、商品訴求・特集設計・導線改善にまで活かせる。

ここで弊社のAI検索サービス「genser」が活きてくる。弊社のgenserは単なる検索改善ツールではない。顧客が自然な言葉で入力した問いから、意図と文脈を受け取り、購買前データを継続的に取得できる接点として機能する。

「ワイドパンツに合うオフィスカジュアルが欲しい」「梅雨でも軽やかな通勤コーデ」。こうした言葉がそのまま入力され、そのまま意図として処理される。

そして、そのデータの蓄積が、今まで見えていなかった顧客の需要を可視化する。どのシーン需要が高まっているか。どの条件で迷いが起きているか。どの表現なら選択が進みやすいか。これらは、今後の施策判断に直接使えるデータだ。

まとめ

レコメンドは今後、顧客体験に合わせてさらに進化することが予想される。過去の行動を最適化し続けるだけではなく、いかに購買前のデータを蓄積し、それに基づいてレコメンドすることができるか。重視するべき部分はそこである。

次回は、その「意図データ」がなぜ次のEC運営資産になるのかを、具体的に見ていく。

従来型レコメンドの限界と進化

レコメンドのクリック率は悪くないのに、購買につながらない。関連商品は出せているのに、回遊が浅い。その違和感の正体は、UIや運用の問題ではないかもしれない。従来型レコメンドは「過去の反応」を最適化する仕組みであり、「今の意図」には構造的に届きにくい。ファッションECを中心に、その限界と次の打ち手を整理する。

genser, ECレコメンド, セレンディピティ, 購買意図, インテントデータ, EC売上改善, パーソナライズ, AI検索