レコメンドエンジンの成功事例6選｜商品が多すぎて見つけてもらえない・関連商品の手作業が追いつかない壁をどう越えたか

「商品が多すぎて、お客様に一部しか見てもらえていない」「関連商品を手作業で登録しているが、入荷のたびに追いつかない」「カタログで欲しい商品を決めて来るお客様に、ほかの商品も見てほしい」。商品やコンテンツの数が多いサイトほど、お客様と商品の出会いをどう作るかに悩んでいます。

この記事では、レコメンドエンジンを使ってこうした壁を越えた6つの企業の成功事例を集めました。ツールの機能紹介ではなく、「どんな課題があり、担当者が何を原因と考え、何から手を付け、どうなったか」をストーリーで追います。キャラクターグッズのEC、和装のEC、シニア向けの通販、求人サイト、インテリアのSNS、ショッピングSNSと、ECとEC以外のサービスにまたがるように選んでいます。

先に結論を言うと、6件を並べて見えた共通点は次の3つです。

• 「出会いがない」ことを課題として言葉にしている：商品数の多さや、指名買いの多さ、在庫が補充できない商品など、お客様が商品やコンテンツに出会えていない理由を具体的に捉えていました。
• 手作業や自前の開発を減らすことから始めている：関連商品の手作業での登録をやめたり、マネージドサービスで開発の工数を抑えたりして、少ない人数で始めていました。
• 効果の測り方を決めて、表示する場所を広げている：導入前後の比較や、利用者と非利用者の比較、A/Bテストで効果を確かめ、成果の出た場所から広げていました。

本記事は、掲載企業から報酬を受け取らずにAbin編集部が独自に調査・編集しています。有償の掲載がある場合は「PR」と明記します。

この記事の読み方

• 成果の数字は、すべてレコメンドエンジンの提供会社の事例ページ（AWSの公式ブログを含みます）に載っている数字です（顧客の担当者の発言を含みます）。施策と成果の因果関係は、各社の説明のまま紹介し、編集部では断定していません。
• 「仮説」の欄は、事例ページで担当者が「なぜそうしたか」を語っている内容だけを書いています。語られていない部分は「編集部の読み解き」と明記し、事実と分けています。
• 事例ページは2026年11月12日に確認しました。調べ方の詳細は記事の最後にまとめています。

レコメンドエンジンの成功事例マップ｜自分に近い事例を探す

6件の事例を、読者の悩みの型ごとに並べました。前半の2件は「商品が多いECのあわせ買いと運用」、続く2件は「指名で来るお客様・求職者に、ほかも見てもらう」、最後の2件は「アプリやSNSにおすすめ機能を自分たちで作る」です。成果の数字は各社の事例ページの表記で、比較の基準や定義は事例ごとに違います。

事例1：5万点を超える商品の中で、注目の商品が見えない。繁忙期の前にランキングとおすすめを入れ、受注数46.7%増｜キャラクターグッズEC

状況

パーフェクトワールドが運営する「PERFECT WORLD TOKYO」は、スヌーピーやミッフィーなどのキャラクターグッズと雑貨を扱うECサイトです。カラーミーショップでの商品の登録数は約56,000点、そのうち常に動いている在庫が約20,000点あり、日本でもトップクラスの品ぞろえだとしています。12月のクリスマスシーズンは、アクセスが普段の10倍近く、売上も2〜3倍になります。

壁

商品数が多くなるにつれて、さまざまな商品をお客様に見せることが自力では難しくなっていました。トップページに人気ランキングもなく、今どの商品に注目が集まっているかがひと目で分かりませんでした。社内では「日々自動で商品の並びが変わる枠があったらいい」という話は出ていたものの、レコメンドの仕組みや設定の方法が分からず、ランキングを社内で作るハードルも高い状態でした。

仮説（事例ページで語られていること）

担当者は、異なるキャラクターのグッズが一緒に買われることや、同じイラストのポーチやトート、お弁当箱などに広がる商品の展開があることに気づき、「この商品を見た人はこんな商品も見ています」と出せば、新しい発見が生まれてあわせ買いが増え、売上につながると考え始めたと語っています。12月に広告費をかけて訪問者を増やす計画があり、増えた訪問者を逃さない回遊と直帰防止の施策としても、レコメンドが必要だと感じたとしています。

打ち手

1. カラーミーショップのアプリストアで勧められた「さぶみっと！レコメンド」を、繁忙期の前の9月末から10月に導入する。
2. サポートの担当者とオンラインで確認しながら設定し、ランキングとおすすめ商品を表示する。
3. デザインがサイトになじまなかった部分は、生成AIにCSSの直し方を聞きながら、自分で調整する。

注目の商品とおすすめが自動で並ぶようになって、注文はどう変わったのでしょうか。

結果

さぶみっと！レコメンドの事例ページによると、導入前後の290日間で比べると、販売された商品の数が26.6%、1回の注文での購入点数が15.9%、売上高が11.9%増えたとしています。購入率は15.8%改善し、全体の受注数は46.7%、売上高は41.7%増えたといいます（ほかの施策やアプリとの相乗効果の結果としています）。季節をそろえた前年の同じ期間（9か月間）との比較でも、受注数42.4%、売上高30.6%の増加だったとしています。

ここが効いた

• 異なるキャラクターや同じイラストの商品が一緒に買われるという、自社の買われ方の特徴からレコメンドの必要性を見出していた。
• 繁忙期の前に導入し、アクセスが増える時期におすすめとランキングが働く状態を作った。

支援：さぶみっと！レコメンド（さぶみっと！レコメンドの評判・口コミ）／出典：さぶみっと！レコメンド PERFECT WORLD TOKYO様のご利用事例（掲載日の記載なし（2026年11月確認））

事例2：月200〜300点の入荷のたびに、関連商品を手作業で登録していた。AIレコメンドで運用工数をゼロにし、レコメンド経由で月100〜200万円以上｜和装EC

状況

一蔵が運営する「いち利モール」は、和装専門のECサイトです。メーカーから商品を買い取る仕入れの仕組みで、商品の量と種類の豊富さを強みにし、着物だけでなく帯留めや肌着などの関連商品もそろえています。主なお客様は50〜60代の女性です。

壁

以前は、商品ページの関連商品の表示や入れ替えを手作業で行っていました。担当者は1〜2名で、関連商品の表示の作業には1商品あたり1〜2分かかり、月に200〜300点の商品が入荷するため、専任の担当を置かなければならないほどの負担でした。在庫の管理もしにくく、売り切れた商品がサイトに表示されたままになり、お客様をがっかりさせていました。

仮説（事例ページで語られていること）

担当者は、ほかの施策に回せる人手を確保し、運用の状況を良くするためにレコメンドの導入を決めたと語っています。ほかのサービスと比べたときにコストに大きな差はなく、決め手は、アクセスから短い時間で買われたものだけを成果として数える、厳しい評価の基準だったとしています。

打ち手

1. ベンダーからの紹介で知ったアイジェント・レコメンダーを、まず商品ページに導入する。
2. 関連商品の表示を、手作業からAIのレコメンドに置き換える。
3. 成果が出たため、トップページ、検索画面、「欲しいものリスト」にもとづくおすすめへと、表示する場所を広げる。

手作業をAIに任せた結果、運用と売上はどう変わったのでしょうか。

結果

シルバーエッグ・テクノロジーの事例ページによると、商品登録の担当者が手作業で行っていたサイトの管理の運用工数がゼロになったとしています。空いた時間を、商品の説明文の充実など、ほかの業務に回せるようになったといいます。売上でも、レコメンド経由で月に100〜200万円以上の購入金額が続いているとしています。

ここが効いた

• 「手作業の負担」と「売り切れ商品の表示」という運用の問題を、レコメンドの導入目的にはっきり置いていた。
• 成果の数え方の厳しさを選ぶ基準にし、効果を確かめてから表示する場所を広げた。

支援：アイジェント・レコメンダー（アイジェント・レコメンダーの評判・口コミ）／出典：シルバーエッグ・テクノロジー 株式会社一蔵「いち利モール」の導入事例（2026年8月25日掲載）

事例3：カタログで買う商品を決めてサイトに来るお客様に、ほかの商品も見てほしい。レコメンドの利用者は平均購入単価が約1.27倍｜シニア向け通販

状況

ハルメクは、50代以上の女性に向けて、雑誌「ハルメク」の発行やコミュニティ、イベント、通販などを展開しています。2020年にECサイトを大きくリニューアルし、シニアの女性が使いやすいサイトへの転換を進めてきました。現在は、スマートフォンからの利用が3分の2以上です。

壁

ハルメクはカタログ通販が中心で、毎月届くカタログを見てからECサイトに来て注文するお客様が多くいます。あらかじめ買う商品を決めている「指名買い」が多いため、商品詳細ページに来たお客様に、関連する商品や売れ筋の商品も見てもらうことが課題でした。

仮説（事例ページで語られていること）

担当の課長は、指名買いであっても、商品詳細ページに来たときに関連する商品や売れ筋の商品を見てもらうことでクロスセルを図りたいという狙いがあり、それを期待してレコメンドを導入していると語っています。

打ち手

1. 2018年からナビプラス（現DGビジネステクノロジー）のサービスを使い、2020年のリニューアル後も続ける。
2. 商品詳細ページに、閲覧や購入をもとにした「あなたにおすすめの商品」などのレコメンドを置く。
3. レコメンドで集めた行動履歴のデータを、サイト内検索（NaviPlusサーチ）の並びの最適化にも生かす。

レコメンドを使ったお客様と使わなかったお客様で、買い方に違いは出たのでしょうか。

結果

NaviPlusの事例ページ（イベントでの対談のレポート）によると、2024年4月〜10月の数字で、レコメンドの利用者は非利用者と比べて平均購入単価が約1.27倍だったとしています。サイト全体で、レコメンドを直接使ったユーザーのCVRも高い数値が出ているといいます。

ここが効いた

• 「指名買いのお客様にもクロスセルしたい」という、カタログ通販ならではの狙いを明確にしていた。
• レコメンドとサイト内検索を同じ会社にまとめ、行動データを両方に生かしていた。

支援：NaviPlusレコメンド（NaviPlusレコメンドの評判・口コミ）／出典：DGビジネステクノロジー シニア向けEC「ハルメク」のお客様に寄り添う改善施策（掲載日の記載なし（2026年11月確認）、ネットショップ担当者フォーラム2024秋の登壇レポート）

事例4：これまでのレコメンドの効果が薄れてきた。AIレコメンドを求人詳細・検索結果・トップに置き、レコメンド経由の応募が全体の約12%に｜求人サイト

状況

北海道アルバイト情報社は、1971年創刊の求人情報誌から始まり、50年以上にわたって北海道の雇用を支えてきた会社です。札幌を中心とした求人サイト「アルキタ」を運営し、道内14の営業拠点の営業が地元企業と直接やりとりして、地場の求人情報を掲載しています。検索の機能や表示のロジックは、地域の感覚に合わせて内製しています。

壁

サイトのサービスの多くは内製でしたが、専門性の高いレコメンドエンジンは外部のツールを使っていました。これまで使っていたレコメンドエンジンの効果が薄れてきていました。

仮説（事例ページで語られていること）

担当者は、設定の自由度の高さとサポートで定評のあるアイジェント・レコメンダーを採用したと語っています。AIによる推薦の自動化と精度に加えて、表示のUI/UXの自由度の高さも評価したとしています。

打ち手

1. レコメンドエンジンをアイジェント・レコメンダーに入れ替える。
2. 求人詳細ページと検索結果の一覧ページに加えて、サイトのトップページにもレコメンドを表示する。
3. AIによる推薦だけでなく、ユーザーが過去に見た求人の履歴もそのまま表示し、「マイページ」のように振り返りながら選べるようにする。

ログインしていないユーザーにも働くおすすめは、応募にどれくらい結びついたのでしょうか。

結果

シルバーエッグ・テクノロジーの事例ページによると、レコメンド経由での応募は全体の約12%を占めるようになったとしています（事例のタイトルでは「求人応募数12%増加」と表記）。ログインしたユーザーだけでなく、ログインしていないユーザーにとってもサイトの利便性が大きく上がったと考えているといいます。

ここが効いた

• 検索は内製、レコメンドは専門のツールと、得意な部分を分けていた。
• 求人詳細、検索結果、トップと、求職者が通る複数の場所におすすめと閲覧履歴を置いた。

支援：アイジェント・レコメンダー（アイジェント・レコメンダーの評判・口コミ）／出典：シルバーエッグ・テクノロジー 北海道アルバイト情報社「アルキタ」の導入事例（2025年5月20日掲載）

事例5：おすすめ機能がまったくない状態から、ほぼ1人で作りたい。マネージドサービスでおすすめ投稿を作り、クリック率が最大約3.78倍｜インテリアSNS

状況

ルームクリップは、部屋のレイアウトや家具、雑貨など500万枚以上の写真を掲載する、インテリア実例の共有サイト「RoomClip」を運営しています。写真の投稿・閲覧のほか、フォローやいいねなどの機能があるSNSで、サービス開始から10年以上が経っています。2021年には、写真を参考に商品を買える「RoomClip ショッピング」も始めました。

壁

ホーム画面に、ログインしたユーザーごとのおすすめの投稿を表示する機能を作ろうとしていましたが、おすすめの機能はまったくない状態からのスタートでした。扱うレコメンドのデータは膨大で、「一度表示した投稿は、その後は表示しない」という仕様のため、データの更新も頻繁に行う必要がありました。

仮説（事例ページで語られていること）

エンジニアは、おすすめの機能を構想していたころにAmazon Personalizeがリリースされ、このマネージドサービスを使えば、それほど工数をかけずにおすすめの機能を実現できると考えて導入を決めたと語っています。CTOは、アプリ本体とレコメンドの処理を切り離しておきたかったと説明しています。

打ち手

1. Amazon Personalizeのバッチのレコメンドで、おすすめのデータをアプリ本体とは別の環境で事前に作る。
2. 作ったデータを、大量のデータと頻繁な更新に向いたAmazon DynamoDBに入れる。
3. おすすめを返すAPIを、Amazon API GatewayとAWS Lambdaで作り、アプリ本体から呼び出す。
4. A/Bテストの仕組みを用意して、導入前後の反応を比べる。

ほぼ1人で3〜4か月かけて作ったおすすめ機能は、ユーザーの反応をどう変えたのでしょうか。

結果

AWSのスタートアップ向けブログによると、アプリのホーム画面に表示された投稿をユーザーがクリックする割合（CTR）が、導入の前後で最大約3.78倍になったとしています。Personalizeの導入そのものはコンソールの操作だけで短い時間で終わり、工数の多くは仕様の設計やA/Bテスト、APIの実装に使ったといいます。今後は、投稿だけでなく商品のおすすめにも取り組みたいとしています。

ここが効いた

• レコメンドの処理をアプリ本体から切り離し、うまくいかなかったときにも設計を変えやすくした。
• A/Bテストの仕組みを用意し、導入の前後で効果を確かめた。

支援：Amazon Personalize（Amazon Personalizeの評判・口コミ）／出典：AWS Startup ブログ：ルームクリップ社の AWS 活用事例（2022年6月27日掲載）

事例6：SNSにおすすめのアイテムとユーザーを出し、満足度を上げたい。約1か月でおすすめを組み込み、フォロー率が約1.5倍｜ショッピングSNS

状況

REGALIは、コーディネート画像から着用アイテムをすぐに買えるファッションのショッピングSNS「PARTE」と、ECサイトにUGCや動画を載せるツール「LEEEP」を運営しています。エンジニアの人数は限られていました。

壁

SNSでは、おすすめの投稿やユーザーを表示することで、サービスの満足度が大きく上がります。PARTEでも、おすすめのアイテムやユーザーを表示したいと考えていましたが、なるべく工数をかけずに実現する方法を探していました。

仮説（事例ページで語られていること）

代表は、なるべく工数をかけずにおすすめの機能を実現する方法を調べ、ニーズに合うAmazon Personalizeを見つけたと語っています。エンジニアは、導入の前に動作を検証し、効果がありそうなことを短い時間で確かめたとしています。

打ち手

1. 導入の前に動作を検証し、効果がありそうかを短時間で確かめる。
2. 商品の属性などの静的なデータと、ユーザーの行動の動的なデータを集め、AWS GlueとAmazon Athenaで整形して、定期的にAmazon Personalizeに読み込む。
3. 作ったモデルをキャンペーンとして公開し、サービス本体のAPIから呼び出しておすすめのアイテムとユーザーを表示する。
4. ワークフローの管理やサーバーの運用はマネージドのサービスに任せ、インフラの運用の工数を減らす。

エンジニア1人で約1か月かけて組み込んだおすすめは、ユーザーの行動をどう変えたのでしょうか。

結果

AWSのスタートアップ向けブログによると、各アイテムのページにある「購入する」ボタンをユーザーが押す割合が約1.2倍に増えたとしています。ユーザーが他のユーザーをフォローする割合も約1.5倍になり、かなり有意な差が出たといいます。周辺のアーキテクチャの構築から設計・実装までは、エンジニア1人で約1か月で終えたとしています。

ここが効いた

• 導入の前に動作を検証して、効果がありそうかを先に確かめた。
• 少人数のチームでも回せるよう、データの整形からワークフローまでマネージドのサービスで組んだ。

支援：Amazon Personalize（Amazon Personalizeの評判・口コミ）／出典：AWS Startup ブログ：REGALI 社の AWS 活用事例（2022年6月28日掲載）

6つの成功事例を並べて見えた「勝ちパターン」

ここからは、6件の事例に書かれている事実だけをもとに、共通点を整理します。6件からの観察なので、「こうすれば必ず成果が出る」という法則ではありません。

勝ちパターン1：「出会いがない」ことを課題として言葉にしている

勝ちパターン2：手作業や自前の開発を減らすことから始めている

• いち利モールは、関連商品の手作業での登録をやめ、運用工数をゼロにしました。
• PERFECT WORLD TOKYOは、社内で作るのが難しかったランキングを、アプリで自動化しました。
• ルームクリップとREGALIは、マネージドサービスを使い、ほぼ1人でおすすめの機能を作りました。

勝ちパターン3：効果の測り方を決めて、表示する場所を広げている

• PERFECT WORLD TOKYOは、導入前後の290日間と、前年の同じ期間で比べました。
• ハルメクは、レコメンドの利用者と非利用者の平均購入単価を比べました。
• いち利モールは、商品ページで成果を確かめてから、トップや検索画面、お気に入りに広げました。

明日から試せるチェックリスト｜自社に当てはめる6つの問い

1. お客様が商品に出会えていない理由は何ですか？（商品数の多さ、指名買い、在庫の補充ができないなど）（PERFECT WORLD TOKYO、ハルメク）
2. 関連商品やおすすめを、手作業で登録・更新していませんか？それに月何時間かかっていますか？（いち利モール）
3. 売り切れの商品が、おすすめに表示されたままになっていませんか？（いち利モール）
4. アクセスが増える繁忙期の前に、おすすめを準備できますか？（PERFECT WORLD TOKYO）
5. レコメンドの効果を、導入前後や利用者・非利用者の比較、A/Bテストで測れますか？（PERFECT WORLD TOKYO、ハルメク、ルームクリップ）
6. 自社で作る場合、アプリ本体と切り離して作れますか？（ルームクリップ、REGALI）

レコメンドエンジンの成功事例についてよくある質問

レコメンドエンジンを入れると、何が一番変わりますか？

今回の事例では、受注数と売上（PERFECT WORLD TOKYO）、運用の工数（いち利モール）、平均購入単価（ハルメク）、応募（アルキタ）、クリック率とフォロー率（ルームクリップ、REGALI）が変わっていました。何が変わるかは、何を増やしたいかと、どこに表示するかによります。

小さなECサイトでも効果はありますか？

PERFECT WORLD TOKYOはカラーミーショップのアプリとしてレコメンドを使い、受注数を増やしています。料金を公開しているサービスや、中小向けのプランを用意しているサービスもあるため、まず無料トライアルで、自社の商品とお客様で効果が出るかを確かめるのが現実的です。

EC以外でも使えますか？

今回の事例では、求人サイト（アルキタ）、インテリアのSNS（ルームクリップ）、ショッピングSNS（REGALI）でも使われていました。求人、記事、投稿など、選ぶものが多いサービスで使われています。

自社で作るのと、SaaSを使うのはどちらがよいですか？

ルームクリップとREGALIは、エンジニアがAmazon Personalizeで組み込みました。PERFECT WORLD TOKYOといち利モールは、タグやアプリで使えるSaaSを使っています。エンジニアがいて、アプリやSNSに独自のおすすめを組み込みたいなら自社で作る方法、ECサイトで手早く始めたいならSaaSが向いています。

プロに頼むなら｜レコメンドエンジンを比べる

自社に合うレコメンドエンジンを選ぶときは、レコメンドの機能、導入のしやすさ、料金の決まり方を同じ基準で比べるところから始めるのが近道です。Abinでは、レコメンドエンジンを比べた記事を公開しています。

• レコメンドエンジンおすすめ8選｜アイジェント・レコメンダー・さぶみっと！レコメンドなどを料金・導入のしやすさで比較

今回の事例に登場したサービスの評判・口コミは、次の記事にまとめています。

• さぶみっと！レコメンドの評判・口コミ（事例1 PERFECT WORLD TOKYO）
• アイジェント・レコメンダーの評判・口コミ（事例2 いち利モール、事例4 アルキタ）
• NaviPlusレコメンドの評判・口コミ（事例3 ハルメク）
• Amazon Personalizeの評判・口コミ（事例5 ルームクリップ、事例6 REGALI）

課題の型ごとに、近い記事もあります。

• おすすめだけでなく、声かけやクーポンも出したい：Web接客ツールの成功事例
• 顧客データをまとめて活用したい：CDPの成功事例

ツギノテ編集部（運営：株式会社Abin）にマーケティング・DXについて相談したい場合や、事例・掲載についてのお問い合わせは、お問い合わせフォームから受け付けています。

調査方法と出典

確認日：2026年11月12日。

調べ方：「レコメンドエンジンおすすめ8選」の記事に掲載したサービスの公式の事例ページ（AWSの公式ブログを含みます）を読みました。比較サイトの事例紹介は使っていません。

選び方：顧客名が公開されていて、実際の成果の数字が載っている事例だけを候補にしました（匿名の事例、見込みの数字だけの事例は除外）。ほかの成功事例記事で紹介した顧客の事例は除き、1つのサービスから2件までとしました。Rtoasterの事例は今回の調査の対象にしていません。ZETA RECOMMEND、Algolia Recommend、AI Commerce Searchの公式ページでは、日本企業の顧客名とレコメンドの成果の数字がそろった事例を今回は見つけられませんでした。事例の並び順は悩みの型の順で、優劣を表すものではありません。

数字の扱い：成果の数字は、すべて事例ページの表記です（顧客担当者の発言を含みます）。施策と成果の因果関係は各社の説明のまま紹介し、編集部では断定していません。PERFECT WORLD TOKYOの受注数・売上高の増加は、ほかの施策やアプリとの相乗効果の結果と事例ページに書かれています。ハルメクの約1.27倍は、レコメンドの利用者と非利用者の比較で、レコメンドだけの効果とは限りません。アルキタの「約12%」は、応募全体に占めるレコメンド経由の割合です。

出典

• さぶみっと！レコメンド PERFECT WORLD TOKYO様のご利用事例（掲載日の記載なし（2026年11月確認））
• シルバーエッグ・テクノロジー 株式会社一蔵「いち利モール」の導入事例（2026年8月25日掲載）
• DGビジネステクノロジー シニア向けEC「ハルメク」のお客様に寄り添う改善施策（掲載日の記載なし（2026年11月確認））
• シルバーエッグ・テクノロジー 北海道アルバイト情報社「アルキタ」の導入事例（2025年5月20日掲載）
• AWS Startup ブログ：ルームクリップ社の AWS 活用事例（2022年6月27日掲載）
• AWS Startup ブログ：REGALI 社の AWS 活用事例（2022年6月28日掲載）