ExciteテクデザLT会 発表資料

Transcript

1. 推薦システムが導入されて いないサービスに対して 導入しようとしている話 エキサイト株式会社 Life & Wellness事業部 システム開発部 テクノロジー&デザイングループ エンジニア 瀬谷浩樹
2. 現状のサービス：推薦システムが未導入 事業部が提供しているサービスは、 どのユーザに対しても 同じ順番で占い師/カウンセラーを表示 ⇨適切な推薦ができていない 電話占いルチア エキサイトお悩み相談室 2
3. 開発開始までの経緯 ある日の 1on1 で……（記憶に基づく再現） 〇〇さん（役員）もユーザごとのパーソナライズを やりたいと話してたし、自分がやってみても良いですか？ いいね！ よろしく！ 自分 Goサインが出たので、やってみることに 上長 3
4. 推薦手法の選定：協調フィルタリング(1/2) 協調フィルタリング：最も有名な推薦手法。アイテム（例：製品）に対する ユーザからのフィードバック（例：購入回数）を推薦に利用 4 購入回数 製品1 製品2 製品3 製品4 製品5 製品6 製品7 ユーザA 2 4 1 5 1 - - ユーザB 4 3 5 - - 4 5 ユーザC 5 2 5 - - - 3 ECサイトの例 各製品の購入回数という点において、ユーザBとCは似ている ⇨ユーザBが好む製品6をユーザCも好む可能性は高い(＝推薦すると良さそう)
5. 推薦手法の選定：協調フィルタリング(2/2) 協調フィルタリング：最も有名な推薦手法。アイテム（例：占い師）に対する ユーザからのフィードバック（例：相談回数）を推薦に利用 5 相談回数 占い師1 占い師2 占い師3 占い師4 占い師5 占い師6 占い師7 ユーザA 2 4 1 5 1 - - ユーザB 4 3 5 - - 4 5 ユーザC 5 2 5 - - - 3 占いサイトの例 各占い師に対する相談回数という点において、ユーザBとCは似ている ⇨ユーザBが好む占い師6をユーザCも好む可能性は高い(＝推薦すると良さそう)
6. 推薦ライブラリの選定：Implicit 以下の理由で、Implicit（3.7k stars）を使うことにした 1. 推薦に使用可能なユーザからのフィードバック（FB）は明示的FB （例：製品へのレビュー）と暗黙的FB（例：購入回数）の2種類がある。 一般的に暗黙的FBの方が取得が容易で、Implicitは暗黙的FBに対応 2. CythonとOpenMPが使われており、GPUなしでも動作が高速 3. 数行のコードだけで動かせて使用が簡単 6 https://github.com/benfred/implicit
7. 実際の推薦結果 電話占いルチアのユーザA様（仮名）の相談回数を元に、占い師を推薦 7 推薦の効果は、サービスへの導入後にABテスト等で検証予定
8. 今後に向けて：想定システム構成 実行時間、使用メモリ量的に問題なさそうなので、Lambdaを使う予定 8 Lambda (訓練) Lambda (推論) EC2 (バッチ) RDS S3 EC2 (API) EC2 (フロント) EventBridge ユーザ 最新の 相談回数 データ取得 相談回数データ 保存 (CSV) 定期実行 データ取得 データと モデル取得 サイトに アクセス 推薦API 呼び出し 推薦実行 モデル保存
9. まとめ • サービスの現状：推薦システムが未導入 • 推薦手法：協調フィルタリング • 推薦ライブラリ：Implicit • 効果の検証：サービスへの導入後にABテスト等を予定 9