生成AI活用型レコメンド – OIOアルゴリズム –

1. コンセプト

「人」を追うレコメンドから、「アイテム」を最適化するレコメンドへ。

OIO（Offered Items Optimization）は、グラフが開発・提供する生成AIを活用した「アイテムサイド・オプティマイズ」設計のレコメンドアルゴリズムパッケージです。従来のユーザー行動（Cookie等）に依存した手法ではなく、データプライバシーが重視される現代に適応したマッチングを実現します。

2. 開発の背景：脱Cookie時代の課題解決

欧州のGDPR、日本の改正個人情報保護法、AppleのIDFA制限、そしてGoogleによるCookie廃止の動きにより、従来のトラッキングベースのターゲティング手法は限界を迎えています。

OIOは、こうしたユーザーの特定が困難な環境においても高い精度でユーザーと商品をマッチングさせるために構築しています。

3. 従来手法との決定的な違い

従来のレコメンドが「ユーザーの過去」を見るのに対し、OIOは「アイテムとユーザーの潜在的な接点」を拡張して捉えます。

• 従来（ユーザーベース）：閲覧・購買履歴から「似たユーザーが好む商品」を提示。
• OIO（アイテムサイド）：トラッキング情報に依存せず、オーディエンスデータを用いて「アイテム側」と「ユーザー側」の情報を相互に拡張。生成AIを用いて、アイテムの魅力や市場トレンド、ユーザーの潜在的な熱量を高い解像度でマッチングさせます。

4. OIOの仕組み（メカニズム）

1. アイテム情報の拡張DB構築：自社保有データに、市場データ（トレンド、ユーザーの熱量、口コミ等）を掛け合わせ、生成AIによりアイテム情報の拡張データベースを作成します。
2. ユーザーセグメントの類推：購買情報や起点となるキーワードから、顕在的なユーザーだけでなく、潜在的な熱量を持つユーザーセグメントを類推します。
3. 高精度マッチング：拡張されたアイテムDBから、推定されたペルソナへ最適なアイテムをレコメンドします。

5. 主な強みと活用シーン

• 「コールドスタート」に強い：データが蓄積されていない新規事業や新商品でも、アイテム情報の拡張によって即座に精度の高いレコメンドが可能です。
• IDエコノミー圏外からの集客：自社データの枠を超え、SNSやブログなどの外部オーディエンスデータ（推定ペルソナ）を活用した送客が可能です。

【想定ユースケース】

• 既存事業から新規事業への相互送客
• 新商品の発売直後のプロモーション
• ID獲得済み顧客に対するグループ内クロスセル

6. 導入実績：購買率が約2倍に向上

在京キー局におけるグループ内送客PoCでは、以下の顕著な成果を収めています。

• 施策内容： コンテンツ視聴ユーザーに対し、OIOを用いてペルソナを推定。メール等でマッチするアイテムをレコメンド。
• 結果： 経験則によるレコメンド（対照群）と比較し、OIOによるレコメンド（介入群）はアイテム購入率を約2倍に向上させることに成功しました。