プロダクト企画 なぜそのレコメンドは外れるのか？N1インタビューで解像度を上げる方法
この記事の3行要約 データやアルゴリズムだけで作り込んだたレコメンドシステムは、ユーザーの真の文脈を理解できず、的外れな提案になりがちである N1インタビューを通じて「なぜそれを選んだか」という定性的な情報を得ることで、初めてユーザーに響く...
レコメンド
プロダクト企画 
プロダクト企画 Netflixのレコメンドシステムから学ぶ：PdMが押さえておくべき仕組みと進化
この記事の要約 Netflixは視聴履歴や類似ユーザーの行動だけでなく、視聴時刻やデバイスといった文脈まで拾い上げることでパーソナライズを行う 2025年には新しいホーム画面が登場し、リアルタイム推論や生成AIによる自然言語検索が導入。Hy...
プロダクト企画 レコメンドシステムを “ユーザビリティテスト＋インタビュー” で評価する【ResQue活用＆トップ5スコア法】
この記事の要約 レコメンドシステムの評価を、ユーザビリティテストとインタビューで行う ResQueフレームワークで信頼感や満足度を測定 さらにトップ5アイテムを1～5点で評価→理由を深掘りするレコメンドシステム評価は定性でも行う僕はテック企...
プロダクト企画 文系PdM向けに、レコメンドシステムでよく使うオフライン評価指標を解説
この記事で得られること レコメンドシステムのオフライン検証で必ず名前が挙がる 7 指標（Precision / Recall / F1 / MAP / NDCG / Hit Rate / Coverage）を、文系出身のプロダクトマネージャ...
プロダクト企画 文系PdMでもわかる「近傍探索」 – “似ているデータの見つけ方”
おすすめの動画や楽曲、関連商品がスムーズに提示されるレコメンド、自然に会話が進むチャットボット、必要な情報がサッとヒットする検索機能など──私たちが日常的に利用するAIサービスの多くは、データ同士の「似ている度合い」を判定しています。その裏...
プロダクト企画 推薦システム強化の鍵となる「エンべディング(embedding)」をビジネス職向けに解説する
この記事では主にプロダクトマネージャーやBizDev、マーケターなどビジネス職向けにエンべディング（Embedding）について取り上げ、次の内容を解説します。 エンべディングの基礎と推薦システムにおける役割 「数値ベクトル」「ユークリッド...