楽天ディスカバリーレコメンデーションとは？AI時代の商品露出を最大化する方法

楽天市場で「検索しなくても商品が売れる」時代が来ています。その鍵を握るのが、楽天ディスカバリーレコメンデーションです。

AIがユーザーの行動を分析し、「この人はこの商品に興味があるはず」と自動で商品を表示するこの仕組み。検索結果やRPP広告だけに頼る集客は、もはや過去のものになりつつあります。

この記事では、楽天ディスカバリーレコメンデーションの仕組みから、出店者として取るべき具体策、そしてレコメンド面で勝つためのサムネイル最適化まで徹底解説します。

楽天ディスカバリーレコメンデーションとは

レコメンデーションの基本概念

楽天ディスカバリーレコメンデーションとは、楽天市場がAI・機械学習を活用してユーザーごとにパーソナライズされた商品提案を行う仕組みです。楽天市場のトップページ、商品ページ、カテゴリページ、メール配信など、さまざまなタッチポイントで「あなたにおすすめの商品」として表示されます。

具体的には、以下のようなデータをもとにレコメンドが生成されます。

• 閲覧履歴：ユーザーが過去に見た商品やカテゴリ
• 購買履歴：過去の購入パターンや購入頻度
• 類似ユーザーの行動：似た属性・行動パターンを持つユーザーの購買傾向
• 商品間の関連性：同時に購入されることが多い商品の組み合わせ
• リアルタイムの行動シグナル：直近の閲覧・カート投入・お気に入り登録

レコメンドが表示される主な場所

楽天ディスカバリーレコメンデーションは、ユーザーの導線のあらゆる場所に組み込まれています。

「能動的検索」から「受動的発見」へ——EC購買行動の大転換

ユーザー行動の変化

従来の楽天市場での購買行動は、「検索して、比較して、買う」 という能動的なプロセスが中心でした。ユーザーは欲しいものが明確で、キーワードを入力して商品を探していたのです。

しかし近年、EC市場全体で大きなパラダイムシフトが起きています。

• TikTokやInstagramのフィード型UIに慣れたユーザーは、「なんとなく眺めていたら欲しいものが見つかる」体験を当然のものとして期待する
• 楽天市場のアプリ利用率の増加に伴い、トップページのレコメンドフィードを眺めるブラウジング型の行動が増加
• 「検索しない購買」の比率が年々上昇しており、レコメンド経由の売上は無視できない規模に

つまり、「能動的に検索する」から「受動的に発見する」 へと、ユーザーの購買行動そのものが変化しているのです。

出店者にとっての意味

この変化は、出店者のマーケティング戦略に根本的な見直しを迫ります。

従来の戦略（検索中心）：

• 楽天SEO対策でキーワード順位を上げる
• RPP広告で検索結果の上位に表示する
• 商品名にキーワードを詰め込む

これからの戦略（検索＋レコメンド）：

• 検索対策は引き続き重要だが、それだけでは不十分
• レコメンドに「選ばれる」商品づくりが必要
• レコメンド面でクリックされるサムネイルが勝敗を分ける

楽天ディスカバリーレコメンデーションの仕組み

AIアルゴリズムの概要

楽天のレコメンドエンジンは、複数のアルゴリズムを組み合わせた高度な仕組みで動いています。主に以下の手法が使われていると考えられます。

協調フィルタリング（Collaborative Filtering）

「この商品を買った人は、こんな商品も買っています」という推薦の基盤技術です。ユーザー同士の行動パターンの類似性をもとに商品を推薦します。楽天市場の膨大なトランザクションデータが強みとなります。

コンテンツベースフィルタリング

商品の属性情報（カテゴリ、価格帯、ブランド、商品説明のテキスト情報など）を分析し、ユーザーが過去に関心を示した商品と類似する商品を推薦します。

ディープラーニングによるパーソナライゼーション

楽天は近年、AIへの投資を大幅に強化しています。ユーザーの行動シーケンス（閲覧順序、滞在時間、スクロール量など）をディープラーニングで解析し、より精度の高いレコメンドを実現しています。

レコメンドに選ばれる商品の条件

レコメンドエンジンが「この商品を表示しよう」と判断する要因は複数ありますが、出店者がコントロールできる主な要素は以下のとおりです。

1. 商品の売上実績：売れている商品ほどレコメンドされやすい

2. レビュー評価と件数：高評価かつレビュー数が多い商品が優遇される傾向

3. 商品情報の充実度：正確なカテゴリ設定、詳細な商品属性の入力

4. CTR（クリック率）の高さ：レコメンド面で表示された際のクリック率が高い商品は、さらに表示頻度が上がる好循環が生まれる

5. CVR（購入転換率）：クリック後の購入率も評価の対象

特に注目すべきは4番目のCTRです。レコメンド面に表示された商品のクリック率が高ければ、アルゴリズムは「この商品はユーザーにとって価値がある」と判断し、より多くのユーザーに表示するようになります。これがレコメンドの好循環です。

出店者がやるべき5つの対策

1. 商品情報を正確かつ詳細に設定する

レコメンドエンジンが商品を正しく分類・推薦するには、正確な商品属性情報が不可欠です。

• カテゴリ設定：最も適切なカテゴリを選択する（大雑把なカテゴリではなく、最下層まで正確に）
• 商品属性（タグID）：サイズ、カラー、素材、対象年齢などをすべて入力
• 商品名：キーワードの羅列ではなく、商品の特徴が伝わる構造化された商品名
• キャッチコピー：商品の魅力を端的に表現する

2. 売上実績とレビューを積み上げる

レコメンドアルゴリズムは実績のある商品を優先します。新商品をレコメンドに乗せるためには、まず検索やRPP広告で初動の売上を作ることが重要です。

• RPP広告やクーポンで初期の購入を促進
• 購入後のフォローメールでレビュー投稿を依頼
• セット商品やまとめ買い割引で購入点数を増やす

3. 転換率（CVR）を改善する

レコメンドから商品ページに流入しても、購入に至らなければアルゴリズムの評価は下がります。

• 商品ページの情報充実（サイズ表、使用シーン、Q&A）
• 送料無料やポイントアップなどのインセンティブ
• スマホ最適化された商品画像とページ構成

4. 季節性・トレンドを意識した商品展開

レコメンドエンジンはリアルタイムのトレンドも加味します。

• 季節商品は需要が高まる1〜2週間前から在庫・ページを準備
• 楽天スーパーセールやお買い物マラソンなどのイベント時期に合わせた施策
• トレンドキーワードを商品情報に反映

5. サムネイル画像を最適化する（最重要）

そして、出店者が最も即効性をもって改善できるのがサムネイル画像の最適化です。次のセクションで詳しく解説します。

レコメンド面でサムネイルが決定的に重要な理由

検索結果とレコメンド面の違い

検索結果ページとレコメンド面では、ユーザーの心理状態がまったく異なります。

検索結果の場合：

• ユーザーは「欲しいもの」が明確
• 商品名・価格・レビュー数を比較検討する
• サムネイルは「判断材料の一つ」

レコメンド面の場合：

• ユーザーは「なんとなく眺めている」状態
• 商品名をじっくり読むことは少ない
• サムネイルが「クリックするかしないか」のほぼ唯一の判断基準

つまり、レコメンド面においてサムネイルは「判断材料の一つ」ではなく、クリックの可否を決めるほぼ唯一の要素なのです。

サムネイルCTRがレコメンド露出に与える好循環

レコメンド面でのサムネイルCTRは、単なるクリック数の問題ではありません。露出量そのものに直結する構造になっています。

1. サムネイルの魅力度が高い → CTRが上がる

2. CTRが高い商品は、レコメンドエンジンから「ユーザーに有益な商品」と評価される

3. より多くのユーザーのレコメンド面に表示される（インプレッション増加）

4. インプレッションが増える → さらにクリック数が増える

5. 売上が増える → アルゴリズム評価がさらに向上

逆に、サムネイルのCTRが低ければ、せっかくレコメンドに表示されても「この商品はユーザーの関心を引かない」と判断され、表示頻度が下がる悪循環に陥ります。

レコメンド面で効果的なサムネイルの特徴

レコメンド面で高いCTRを出すサムネイルには、いくつかの共通点があります。

• 一目で商品の魅力が伝わるビジュアル：小さなサムネイルでも何の商品かが瞬時にわかる
• キャッチコピーの配置：「送料無料」「ランキング1位」「期間限定50%OFF」など、クリックの動機づけとなるテキスト要素
• 背景色のコントラスト：周囲の商品サムネイルと差別化される配色
• 商品の使用シーンが想像できる構図：単なる切り抜き画像より、利用イメージがわかる写真
• スマホでの視認性：楽天アプリのレコメンド面は小さく表示されるため、細かいテキストは読めない

サムネイルの「正解」はデータで見つける

「どのサムネイルがレコメンド面で最もクリックされるか」は、感覚ではわかりません。ABテストによるデータ検証が不可欠です。

たとえば、以下のようなパターンを比較検証します。

• パターンA：白背景の商品単体写真
• パターンB：使用シーン写真＋「送料無料」テキスト
• パターンC：ランキング受賞バッジ＋商品写真

これらを実際にテストし、CTRデータに基づいて最適なサムネイルを選定することが、レコメンド面での露出を最大化する最も確実な方法です。

しかし、手動でのサムネイル差し替えとデータ収集は非常に手間がかかります。毎日画像を入れ替え、楽天のアナリティクスからデータを手動で記録し、統計的に比較する——この作業を全商品で行うのは現実的ではありません。

まとめ：AI時代の楽天市場で勝つために

楽天ディスカバリーレコメンデーションは、もはや「おまけの機能」ではなく、楽天市場における主要な集客チャネルの一つです。

本記事のポイントをまとめます。

• 楽天市場のユーザー行動は「検索型」から「発見型（レコメンド型）」へ変化している
• レコメンドエンジンに選ばれるには、商品情報の充実・売上実績・CTR・CVRの総合力が必要
• レコメンド面ではサムネイルがクリックの可否を決めるほぼ唯一の要素
• サムネイルCTRが高い商品は露出が増える好循環が生まれ、CTRが低い商品は表示されなくなる悪循環に陥る
• サムネイルの最適解はABテストでデータから見つけるのが最も確実

レコメンド時代のサムネイル最適化なら「イージークリエイティブ」

レコメンド面でのサムネイルCTRを最大化するには、継続的なABテストとデータに基づく改善が必要です。しかし、手動でのテスト運用は時間も手間もかかります。

イージークリエイティブなら、楽天市場のサムネイルABテストを完全自動化できます。

• サムネイルの自動切り替え：毎日0時に自動でA/Bパターンを切り替え
• データ自動収集：楽天のアナリティクスデータを自動取得し、CTR・CVR・売上を可視化
• 統計的有意差の自動判定：「どちらが本当に優れているか」をデータサイエンスに基づいて判定
• RPP広告データとの連携：広告経由のパフォーマンスも含めた総合的な分析

レコメンド面での露出を増やし、広告に頼らない売上の柱を作りたい出店者様は、ぜひ一度お試しください。

イージークリエイティブの詳細を見る →