プロフェッショナルコンテンツ Part 2: レコメンデーションがエンゲージメントを駆動する (Sequoia Capital)

f:id:foundx_caster:20200519202720p:plain
エンゲージメントに関する最初のシリーズ日本語訳)では、ユーザー生成コンテンツとプロが生成したコンテンツを混在させて提供する、アクティビティフィードとソーシャルプロダクトの環境について議論しました。このシリーズでは、純粋にプロが生成したコンテンツを提供するプラットフォームについて、そのエンゲージメントを検討します。

第1部では、いつまでも新鮮なプロのコンテンツ日本語訳)が、あなたの製品を本当にエンゲージメントのあるものにする方法について説明しました。本シリーズの第2部では、適切な提案を行うことでコンテンツを関連性のあるものにする方法に焦点を当てます。

f:id:foundx_caster:20200519202934p:plain
適切な提案を行うためには、各ユーザーが利用可能な在庫総数を把握し、ユーザーに関する黙示的・明示的シグナルを集め、それらのシグナルを使ってユーザーの行動を予期し(予測)、各ユーザーに対するそれぞれの在庫の重要性(関連性)を判断する必要があります。従って効果的な提案システムには、在庫とユーザーの各組み合わせに対して「関連性スコア」を数字で割り当てることのできる、予測アルゴリズムが含まれていなければなりません。

つながりと在庫

ユーザー生成コンテンツもプロのコンテンツも含まれるFacebook、Snapchat、またはInstagramのようなソーシャルプラットフォームとは異なり、Netflix等のプラットフォームでは、一般的に各有料会員は全てのコンテンツを利用することができます。そのため在庫量は各ユーザーとも同じで、消費とエンゲージメントを大きく左右するのは、提案、検索、閲覧、購入による、ユーザーと特定のプログラミングやチャンネルとの相互作用になります。

製品が成長し、より多くのコンテンツが作成されるに従い、ほとんどのユーザーがさらに多くのコンテンツを購入し、プラットフォームでより多くの時間を過ごすようになるでしょう。それにより、つながりの数も増加します。消費されるコンテンツの量は、最終的にユーザーの長期的な維持とエンゲージメントの強力なインジケーターになります。

追跡すべき指標

これらの指標は、あなたのプラットフォーム上のつながりを理解するのに役立ちます。国、言語、種類(ニュース、映画、等)、オリジナルとライセンス供与、フォーマット(テキスト、動画、等)、プラットフォーム(iOS、Android、デスクトップ)でそれらをセグメント分けすることを検討しましょう。

  • 利用可能な在庫:提案、検索、閲覧を通して利用可能な在庫の総数が多いほど、ユーザーが希望するコンテンツを見つける可能性が高くなります。
  • 利用可能な在庫の消費:提案された利用可能な在庫に関して、ユーザーがどれくらい消費しているのか把握しましょう。
  • つながりの数:関連性のあるコンテンツとつながっているユーザーが多いほど、コンテンツが消費される可能性が高まります。

シグナル

製品のシグナルは、ユーザーに関するあらゆる利用可能な情報とコンテンツの好みから成っており、あるユーザーがあるコンテンツとエンゲージするかどうかの予測に役立てることができます。シグナルのカテゴリー例は、下記表の通りです。カテゴリーの中には数百種類ものシグナルが含まれているものもあり、このリストが全てを網羅しているわけではないことにご注意ください。

f:id:foundx_caster:20200519203138p:plain

予測と関連性

ユーザーの過去の行動は彼らの未来の行動を予言するため、機械学習モデルで上記のようなシグナルを使い、あるユーザーが特定のコンテンツを見るかどうか一定の信頼度で判定することができます。また、コンテンツとユーザーの各組み合わせに対して、固有の関連性スコアを生成することもできます。在庫内の各コンテンツがそのようなスコアを持っていれば、並べ替えアルゴリズムで各ユーザーに対する表示順をコントロールすることができます。

それらの予測は複数の理由から簡単ではありません。コンテンツが数分見られただけの場合、ユーザーがそのコンテンツを気に入ったかどうかは分かりません。気に入らなかったのかもしれないし、単に気が散ってしまい、その後で戻ってくるのを忘れただけかもしれません。1つまたは複数のエピソードを全て見終わった場合でも、必ずしもユーザーが楽しんだことを示しません。一方で、高い評価はより有益です。どのシグナルがあなたの関連性スコアにどの程度の影響を与えるのか、気をつけて判断することが重要です。各機能を選んで適切に重み付けすることは、科学と同じくらい芸術的な作業であり、非常に複雑な場合もあります。部分的な閲覧にはどれくらい重み付けすべきか?最新であることはどれくらい重要か?動画のクリックは?

また、投稿とユーザーの各組み合わせに対する関連性スコアには、シグナルからもたらされる予測だけではなく、あなたの製品の最適化機能も反映すべきです。あなたの会社のミッションに基づき、例えば利用時間やセッション数、クリックスルー率で最適化するように決めることができます。Netflixによれば、彼らの事業目標は会員の満足度と、前月比での有料会員維持率を最大化することです。その両方が、動画コンテンツ消費の最大化と相関関係があります。従ってNetflixは、あるユーザーが最も閲覧して楽しみそうなタイトルに最高のスコアを割り当てるように、アルゴリズムを最適化しています。結局のところ、製品に対するあなたの全体的な目標で最適化する時に、顧客への提案は効果的なものになります。

まとめ

  • 適切な提案を行うためには、各ユーザーが利用可能な在庫総数を把握し、ユーザーに関する黙示的・明示的シグナルを集め、それらのシグナルを使ってユーザーの行動を予測することが必要です。

 

記事情報

この記事は原著者の許可を得て翻訳・公開するものです。
原文: Recommendations Drive Engagement (2018)

 

本シリーズの記事一覧

 

FoundX Review はスタートアップに関する情報やノウハウを届けるメディアです

運営元