「ECサイトでタブレットのケースを購入したら、『これを買っている人はこれも買っています』と、タブレット本体をおすすめされた」――
既存の普及型エンジンでは、このような一見おかしなおすすめに遭遇することがあります。これは、普及型エンジンが採用する協調フィルタリングという手法が、商品群の同時購買に関する共起確率をベースに商品をおすすめするためです。この手法は実装が簡単であるというメリットがあるものの、商品が購買される順序関係までは考慮してくれません。

複雑ネットワーク理論を活用するデクワスはグラフ理論がベース。そのデータ構造は有向グラフになっています。有向グラフとは、ノードとノードを結ぶリンクに「向き」があるグラフです。たとえば、タブレット本体Aを購入した後にケースBを購入した場合には、A→Bという形式で記述されます。有向グラフを用いることで、時間的な順序関係を考慮して計算することができるのです。

趣味嗜好性が反映される商材をおすすめする際、この順序関係は非常に重要な手掛かりになります。アパレルならマストアイテムからアクセサリーへ、化粧品ならエントリー商品から高付加価値商品へと、ユーザーがブランドを「好き」になる順序を考慮しなければなりません。上述のデジタルガジェットの例では、本体から周辺機器へという購入順序を損なわずに解析するロジックが必要です。

購入順序を考慮したデクワスのレコメンドロジックは、日米で特許を取得したサイジニア独自の解析技術。「好き」の順序をとらえることで、ユーザーの「次に欲しい」を先読みします。