AI レコメンド
ユーザーの評価情報や行動履歴等を元に、個人最適化(personalized)されたレコメンドを生成します。ECサイトにでのオススメ商品の表示や、マッチングサイトでのレコメンドを行うなどのタスクへ活用する事が可能となります。
USE CASES
オススメ商品の表示、マッチングサービスでのレコメンド表示
SERVICE IMAGE
特徴
レコメンドはユーザの行動履歴を元にレコメンドする「協調フィルタリング」と、アイテムの特徴を元に類似する商品やコンテンツをレコメンドする「コンテンツベースフィルタリング」の2種類に分類されます。それぞれのレコメンドには長所と短所が存在しますが、当社のAI レコメンドはハイブリッド型で、それぞれの長所を活かし短所を補ったレコメンドが可能です。
# ハイブリッド型のAI レコメンド
# APIを使用しないフレキシブルなAI 開発
# POCのみのご依頼も可能
PROCESS
STEP1
ヒアリング
AIで実現したいタスクの内容や実装をする背景をヒアリングし、POCに掛かるおおよその期間や工数を算出します。
STEP 2
POC(概念実証)
POCではヒアリングで定めたAIに実施させるタスクが、技術的に可能なのかを調べる「調査」とコンセプトを検証する為にプロトタイプ開発を行う「実装」、本開発に進むにあたり実現性や想定期間、工数を算出する「報告」のフェーズが含まれており、最短でも3ヶ月程度の時間を掛けて検証を行います。
STEP 3
要件定義
POCで調査した内容を基に、ヒアリング時に定めたタスクよりも、より緻密な機能要件やタスクを決定します。
STEP 4
設計
要件定義で定めた内容を基に、AIの設計やデータベース設計、継続的な学習を目的としたインフラ等の詳細設計書を作成します。
STEP 5
開発
詳細設計書を基に、AIと関連部分の開発を行います。
STEP 6
実装
前のstepで開発したAIを、新規/既存サービスへ組み込みます。ここでは、通常のソフトウェア開発のフローに沿った開発が進められます。
STEP 7
リリース
いよいよAIの実装されたサービスをリリースするフェーズです。既存サービスに影響を及ぼさない形でリリースが行われます。
STEP 8
保守/継続改修
リリースの前後で以後の保守体制を決定します。リリース後は継続学習時のエラー処理や不具合の調査など定期的な対応が発生します。