DMMにおけるレコメンドの紹介‗20250716_traP×DMM

Transcript

1. © DMM.com DMM.comにおけるレコメンドの紹介 合同会社DMM.com データサイエンスグループ レコメンドチーム: 菊谷彪文
2. © DMM.com 菊谷彪文（Kikuya-Ayafumi） • 所属：レコメンドチーム • 職種 : 機械学習エンジニア • 来歴 : ◦ DMM 24年度新卒入社 ◦ 大学院時代は制御工学寄りの強化学習を研究 ◦ 趣味は登山⛰ 自己紹介 2
3. © DMM.com レコメンド ってなに？
4. © DMM.com レコメンド はおすすめのこと
5. © DMM.com DMMにあるレコメンドの例 5 作品 画像 電子書籍 動画配信 オンラインゲーム 作品タイトル 作者 タグ 説明文 キャンペーンバナー 作品 作品 作品 作品 作品 作品 作品 作品 作品 作品 作品 画像 作品 画像 作品 画像 作品 画像 作品タイトル 作品タイトル 作品タイトル 作品タイトル 説明文 説明文 説明文 説明文 作品 作品 作品 作品 作品 画像 作品 画像 作品 画像 作品 画像 作品 画像 作品 画像 作品タイトル
6. © DMM.com レコメンド チームは レコメンドを作るのがお仕事
7. © DMM.com レコメンドはなぜ必要？ 7 ご飯を決める 家電を買う
8. © DMM.com レコメンドはなぜ必要？ 8 1. 複数の候補 がある中で判断の材料 として役立つ 2. 自分だけでは見つけられなかったもの が見つかる
9. © DMM.com 1. 複数の候補がある中で判断の材料として役立つ 2. 自分だけでは見つけられなかったものが見つかる 特にECサイトやコンテンツ配信 では膨大な候補 が存在 利用者は確認しきれないのでレコメンド がとても大事 レコメンドはなぜ必要？ 9
10. © DMM.com 膨大な候補の中からユーザーに 合いそうな作品を複数提示 レコメンドの例 • ピックアップ作品 • 話題の〇〇など • この作品を買った人はこんな作品も 買っています • あなたへのおすすめ作品など サイト上でのレコメンド 10 キャンペーンバナー 作品 作品 作品 作品 作品 作品 作品 作品 作品 作品 キャンペーンバナー
11. © DMM.com 機械学習とレコメンド
12. © DMM.com レコメンドの作成方法は色々と存在する 機械学習を使わないレコメンド • ピックアップ作品 • 話題の〇〇など 機械学習を使っているレコメンド • この作品を買った人はこんな作品も買っています • あなたへのおすすめ作品など レコメンドの作られ方の種類 12 レコメンドチームの 主なお仕事はこっち
13. © DMM.com ルールベース 人が事前に定義した明確なルールや条件をもとに判断する • 気づかなかったものについては対応できない • 大量の条件が必要になるものについても適用が難しい 機械学習 大量のデータから人が気づかない 複雑な関係を見つけられ、 その関係をもとに予測や判断ができる 機械学習について 112 if “最高” in text: label = “良い” elif “素晴らしい” in text: label = “良い” elif “満足” in text: label = “良い” ⋯ DNN “良い” 0.1 0.2 -0.6 ⋮ -0.3 {text} DNN 13
14. © DMM.com レコメンドでなぜ機械学習が必要になるのか 14 ユーザーの好みが多様で複雑だから 課題 ランキングだけでは、多くのユーザーの個人的な好みには合わない アイテム間の複雑な関連性を見つけるのが困難 • 例) 「Aの映画を見た人がBの映画も好き」という傾向は、 膨大なデータからでないと発見できず、手動でルールを設定するのは不可能
15. © DMM.com DMMでの活用例 サービス : 動画・電子書籍・オンラインゲーム等 設置面: トップページ・作品の詳細ページ・メルマガ 応用例: リアルタイムでレコメンドの表示を更新 　　　 『枠』単位ではなく『棚』単位の並び替え 15 キャンペーンバナー 作品 作品 作品 作品 作品 作品 作品 作品 作品 作品 機械学習を使ったレコメンド： u2iレコメンド u2i (user to item) イメージ ユーザー と 商品 特徴 ユーザーの閲覧・購買履歴からその人の 最適な商品を個別に推薦する 例) 異世界転生モノを多く閲覧・購入しているユー ザーに異世界転生モノの作品を主に推薦する キャンペーンバナー
16. © DMM.com 16 作品 画像 作品概要 作品タイトル 作品シリーズ ・・・ 作品 作品 作品 作品 作品 作品 作品一覧 下にスクロールすると … 機械学習を使ったレコメンド： i2iレコメンド 特徴 ある商品とよく一緒に購入・閲覧された 類似商品を推薦する DMMでの活用例 サービス: 動画・電子書籍・オンラインゲーム等 設置面: 作品の末端ページ・バスケット・購入ページ 応用例: 直近に閲覧した商品情報に基づく”履歴i2i” i2i (item to item) イメージ 商品 と 商品 例) ユーザーが興味を持った異世界転生モノ の作品Aと同じような作風だったり よく共通して購入される作品 Bを推薦する 作品タイトル タグ 出版社・作者 キャンペーンバナー
17. © DMM.com 特徴 ユーザーと商品間で共通の潜在空間を共有することで 任意のユーザーに近い＝好ましい商品を コサイン類似度により判定できる レコメンドを支える機械学習モデル Two-Tower Model LightGBM 特徴 売上実績やセール情報などの時系列データから トレンドを学習できる コールドスタート問題に強い DNNと比較して高速推論可能なので リアルタイムサービスに適用可能 17
18. © DMM.com レコメンドチームのお仕事
19. © DMM.com Step1 仮説立案 + 検証 Step2 PoC (Proof of Concept：概念実証 ) Step3 実装〜動作確認 Step4 A/Bテスト 19 施策サイクルについて
20. © DMM.com Step1 仮説立案 + 検証 Step2 PoC (Proof of Concept：概念実証 ) Step3 実装〜動作確認 Step4 A/Bテスト 20 施策サイクルについて： Step 1
21. © DMM.com 施策サイクルについて： Step 1 仮説立案 売上向上やユーザー体験を向上させうる解決策を考え、効果を試算する。 例：サービスの来訪ユーザーのうち半数近くがトップページに訪れる → 手始めにトップページに u2iを設置するのがベストでは？ 影響を受ける想定ユーザー/アイテムを調査 どれだけの売上リフト が見込めるかを試算 21
22. © DMM.com Step1 仮説立案 + 検証 Step2 PoC (Proof of Concept：概念実証 ) Step3 実装〜動作確認 Step4 A/Bテスト 22 施策サイクルについて： Step 2
23. © DMM.com PoC（Proof of Concept：概念実証） Step 1で行った内容が実現可能かを検証する 1. レコメンドモデルの構築 2. 定性評価・定量評価 3. チームレビュー 施策サイクルについて： Step 2 仕様書の作成・報告 23
24. © DMM.com Step1 仮説立案 + 検証 Step2 PoC (Proof of Concept：概念実証 ) Step3 実装〜動作確認 Step4 A/Bテスト 24 施策サイクルについて： Step 3
25. © DMM.com 施策サイクルについて： Step 3 実装〜動作確認 学習データの作成からレコメンドモデル構築・結果取得までを 定期実行させるためのコードやパイプライン等を整備 実装後は動作確認しつつ、開発環境から本番環境まで順次適用 開発(dev)環境 ステージング (stg)環境 本番(prd)環境 正常な動作完了 の確認 レコメンド結果が DBへ 格納されることの 確認 レコメンド APIの出力確認 stgサイト上からの レコメンドの表示確認 レコメンド APIの出力確認 本番サイト上からの レコメンドの表示確認 25
26. © DMM.com Step1 仮説立案 + 検証 Step2 PoC (Proof of Concept：概念実証 ) Step3 実装〜動作確認 Step4 A/Bテスト 26 施策サイクルについて： Step 4
27. © DMM.com A/Bテスト 群Aと群Bの売上など（KPI）を比較して、施策の効果を測定 する • 群A：従来の表示が適用されるユーザーグループ • 群B：提案施策の表示が適用されるユーザーグループ 施策サイクルについて： Step 4 4.3%の増加 ⤴ 経過 日数 全体売上 ：従来 ：提案施策 A/Bテスト期間 事後分析 ・良かった点 ・改善点 27
28. © DMM.com 仮説 1. あるイベント発生日の情報を含めることで、レコメンドの結果が 日ごとに変わり映えしない状態を解消できるのでは？ 2. イベント発生時点で発売前の作品を学習に含めないようにすることで 最新作品が出にくい状況を解消できるのでは？ その他いろいろな仮説 A/Bテスト結果 あるKPIが約 28%増、あるレコメンド利用ユーザー数が 約 23%増 DMMブックスでのモデル改善施策の事例 28 仮説をもとに実装
29. © DMM.com 29 • DMMにおけるレコメンドやチームの取り組みなど紹介 • 最近はリアルタイムレコメンド施策を推進中 終わりに データサイエンスを活用することで、 ユーザが本当に欲しいサービスや 情報を提供できる仕組み作りに貢献したいと考えています 我々のミッションに共感し、 一緒に働いてくれる方を募集しております！ 詳しくはこちら