■統計的類似性を利用した自動的なレコメンデーション

この方法ではWebサイト上に「お勧め商品枠」（これを買った人は他にこんな商品も買っています）的な場所をあらかじめ作成しておき、これに対して、サイト訪問者一人一人の行動パターン（あるいは購買パターン）に合わせて、「お勧め商品」を自動的に表示する、というものです。

ルール・ベースと比べ、レコメンデーションルールを設定する手間が無く、自動的に推奨内容（お勧め商品）が変化する為、運用コストが低く抑えられるメリットがあります。

また、取扱商品が数万点もある場合には、自動的に学習が進み、商品推奨してくれる為、ロングテールに強い（膨大なコンテンツを有しているサイトにおいて、部分的にしかコンテンツが露出されていないという課題を解決できる）というメリットもあります。

但し、この方法では一般的に、単一のアルゴリズムによって自動的に商品推奨が実施されるため、仮説検証による知見獲得はできない。

またキャンペーンや特集などのサイト訪問者の導線誘導の用途には使えない（商品を並べるだけとなってしまう）、サイト訪問者を一律に処理してしまい、各訪問者の属性（性別、年齢など）による提示コンテンツの判別等はできない、などのデメリットもあります。

また、この手法を採る為には、ある程度 取扱商品の点数、サイト訪問者の数が大規模でないと、統計的に有意な結果がでない、ということも考えられます。

以上のように、「ルール・ベースでのレコメンデーション」／「統計的類似性を利用した自動的なレコメンデーション」それぞれにメリット／デメリットがあります。

レコメンデーションツールを検討されているお客様がお持ちのビジネス上の課題に合わせて、2つの手法のどちらを採用するか？　あるいは両方の組み合わせが良いか？　を決定されるのが良いと考えます。

大切なのは冒頭でも記載したように、星の数程あるWebサイトの中から、自社のサイト訪問して頂いた訪問者（お客様）に対して、「おもてなしの心」をもって接客することだと思います。