Amazonまでのレコメンド入門

「レコメンドが何か」というところから現在の（広義の）デファクトスタンダードな手法である協調フィルタリングまで、簡単な数学と共に概要を説明する。

Transcript

1. - A m a z o n ま で の - レ コ メ ン ド 入 門 BizDev エンジニア 中村勇士 2 0 2 3 年 6 月 2 8 日
2. レ コ メ ン ド と は ？ 4 つ の 軸 で 見 る レ コ メ ン ド バ ス ケ ッ ト 分 析 協 調 フ ィ ル タ リ ン グ 私 が B i z D e v で 試 し た こ と 01. 02. 03. 04. 05. ア ジ ェ ン ダ
3. レ コ メ ン ド と は ？ 01
4. 複 数 の 候 補 か ら 価 値 の あ る も の を 選 び 出 し 、 意 思 決 定 を 支 援 す る こ と R E C O M M E N D E D AmazonなどのECサイトで見る 「あなたへのおすすめ商品」など レ コ メ ン ド を 定 義 す る
5. 4 つ の 軸 で 見 る レ コ メ ン ド 02
6. ビ ジ ネ ス 1:1マーケティング ロングテールへのアプローチ レ コ メ ン ド を 構 成 す る 4 つ の 軸 デ ー タ サ イ エ ン ス 評価値予測 類似度計算 エ ン ジ ニ ア リ ン グ サービスとしての提供 パフォーマンスチューニング ヒ ス ト リ ー ビジネスニーズの変遷 レコメンドシステムの進化
7. 1 : 1 マ ー ケ テ ィ ン グ マス・マーケティングから顧客 ひとりひとりに適切な商品を おすすめするマーケティングへ。 ロ ン グ テ ー ル ECサイトに膨大に存在する ニッチな商品を、余すことなく ユーザーに届ける。 ビ ジ ネ ス か ら 見 る レ コ メ ン ド What Is One-To-One Marketing? Everything You Need to Know ロングテールとは？BtoBマーケティングのコンテンツ作りにロングテールを組み込むべき理由
8. 評 価 値 予 測 「Aさんが商品Bにつける評価は ★4だ」というように、ユーザー が評価する値を予測する。 類 似 度 計 算 「あなたに似た人はこの商品を買 っています」「この商品を買った 人はこんな商品も買っています」 デ ー タ サ イ エ ン ス か ら 見 る レ コ メ ン ド ディープラーニング – これだけは知っておきたい3つのこと What is Cosine Similarity? How to Compare Text and Images in Python
9. サ ー ビ ス の 提 供 要件定義からレコメンドシステム の構築、UIを通じたサービスの 提供までを行う。 チ ュ ー ニ ン グ ビッグデータを適切に取り扱い、 要件を満たす時間で学習や予測を 行う。 エ ン ジ ニ ア リ ン グ か ら 見 る レ コ メ ン ド Customer Service Management and Picking the Right Software iStock
10. '85 イ ン タ ー ネ ッ ト イ ン タ ー ネ ッ ト 黎 明 期 日 本 で も 研 究 が 始 ま っ た '06 第 3 次 A I ブ ー ム デ ィ ー プ ラ ー ニ ン グ に よ る A I ブ ー ム '92 バ ス ケ ッ ト 分 析 P O S デ ー タ の デ ー タ マ イ ニ ン グ '09 N e t f l i x N e t f l i x P r i z e と M a t r i x F a c t o r i z a t i o n '95 A m a z o n E C サ イ ト の 台 頭 と 協 調 フ ィ ル タ リ ン グ '22 第 4 次 A I ブ ー ム G P T を は じ め と す る L L M に よ る A I ブ ー ム 歴 史 か ら 見 る レ コ メ ン ド
11. バ ス ケ ッ ト 分 析 03
12. 併 売 分 析 の た め の 分 析 手 法 「ビールとオムツ」 アソシエーション分析の1つ 1:1マーケティングではない。 バ ス ケ ッ ト 分 析 と は ？
13. 協 調 フ ィ ル タ リ ン グ 04
14. ビ ジ ネ ス か ら 見 る 協 調 フ ィ ル タ リ ン グ 1 9 9 5 年 に 何 が 起 き た か ？ インターネットとECサイトの普及 取り扱い商品数の爆発的な増加 ロングテールへのアプローチが ニーズ Amazonが協調フィルタリングを 提案
15. インターネットとECサイトの普及 取り扱い商品数の爆発的な増加 ロングテールへのアプローチが ニーズ Amazonが協調フィルタリングを 提案 ビ ジ ネ ス か ら 見 る 協 調 フ ィ ル タ リ ン グ 1 9 9 5 年 に 何 が 起 き た か ？ Microsoft Windows 95 - Wikipedia
16. ビ ジ ネ ス か ら 見 る 協 調 フ ィ ル タ リ ン グ 1 9 9 5 年 に 何 が 起 き た か ？ レコメンドの基礎であり、 最もスタンダードな考え方 「誰」が「何」を買ったか？ 「あなたに似た人はこんな 商品を買っています」 「この商品を買った人はこんな 商品も買っています」
17. 評価値行列, User-Item Matrix 「 誰 」 が 「 何 」 を 評 価 し た か ？ ユーザー×アイテムの表 評価値（★スコア）を入力 評価されていないときは0 0の代わりを予測したい。 ユーザー 日本酒 サワー Eさん ★5 ★3 Tさん ★2 ★4 Tくん ★5 ★0 Kさん ★3 ★5 デ ー タ サ イ エ ン ス か ら 見 る 協 調 フ ィ ル タ リ ン グ
18. 似 て い る ユ ー ザ ー を ヒ ン ト に す る 。 Eさん-Tくん Tさん-Kさん Eさんの評価（★スコア） を参考にする。 ユーザー 日本酒 サワー Eさん ★5 ★3 Tさん ★2 ★4 Tくん ★5 ★0 Kさん ★3 ★5 デ ー タ サ イ エ ン ス か ら 見 る 協 調 フ ィ ル タ リ ン グ
19. c ユ ー ザ ー 日 本 酒 サ ワ ー E さ ん ★ 5 ★ 3 T さ ん ★ 2 ★ 4 T く ん ★ 5 ★ 0 K さ ん ★ 3 ★ 5 ・ Kさん ・ Tさん ・ Eさん 日本酒 サワー ・ Tくん X 軸 は 「 日 本 酒 」 Y 軸 は 「 サ ワ ー 」 点 は ユ ー ザ ー デ ー タ サ イ エ ン ス か ら 見 る 協 調 フ ィ ル タ リ ン グ ユーザーを「日本酒」×「サワー」 のグラフで表す。
20. c ユ ー ザ ー 日 本 酒 サ ワ ー E さ ん ★ 5 ★ 3 T さ ん ★ 2 ★ 4 T く ん ★ 5 ★ 0 K さ ん ★ 3 ★ 5 デ ー タ サ イ エ ン ス か ら 見 る 協 調 フ ィ ル タ リ ン グ ユーザーを [日本酒, サワー] の配列で表す。 ユ ー ザ ー 日 本 酒 サ ワ ー E さ ん [ 5 , 3 ] T さ ん [ 2 , 4 ] T く ん [ 5 , 0 ] K さ ん [ 3 , 5 ] 「 要 素 数 が 2 の 配 列 」 「 2 次 元 の ベ ク ト ル 」 ユ ー ザ ー は 、
21. ユ ー ザ ー ベ ク ト ル を グ ラ フ で 表 す 。 「点」か「線」の違い 角度が小さいユーザーは 似ている。 「配列」なので計算できる。 デ ー タ サ イ エ ン ス か ら 見 る 協 調 フ ィ ル タ リ ン グ Kさん Tさん Eさん サワー 日本酒 Tくん
22. c ユ ー ザ ー 日 本 酒 サ ワ ー ビ ー ル E さ ん ★ 5 ★ 3 ★ 3 T さ ん ★ 2 ★ 4 ★ 2 T く ん ★ 5 ★ 3 ★ 4 K さ ん ★ 3 ★ 5 ★ 5 ・ Kさん ・ Tさん ・ Eさん 日本酒 サワー ・ Tくん X 軸 は 「 日 本 酒 」 Y 軸 は 「 サ ワ ー 」 Z 軸 は 「 ビ ー ル 」 点 は ユ ー ザ ー デ ー タ サ イ エ ン ス か ら 見 る 協 調 フ ィ ル タ リ ン グ 3つのアイテム（3次元ベクトル） でも同じことができる。 ビ ー ル
23. M 個 の ア イ テ ム で も で き る 。 M次元ベクトル 可視化はできない。 ユーザー 日本酒 サワー ビール … Eさん ★5 ★3 ★ 3 Tさん ★2 ★4 ★ 2 … Tくん ★5 ★3 ★ 4 Kさん ★3 ★5 ★ 5 デ ー タ サ イ エ ン ス か ら 見 る 協 調 フ ィ ル タ リ ン グ
24. 評 価 値 の 定 義 ★ , 購 入 額 , 閲 覧 数 な ど … 計 算 量 ユ ー ザ ー が 1 人 増 え る と 評 価 値 が M 増 え る 。 O ( M N ） 疎 行 列 ・ ス パ ー ス 性 ユ ー ザ ー は ほ と ん ど の ア イ テ ム を 買 わ な い 。 少 な い デ ー タ で 多 数 の 予 測 を す る 。 エ ン ジ ニ ア リ ン グ か ら 見 る 協 調 フ ィ ル タ リ ン グ
25. 私 が B i z D e v で 試 し た こ と 05
26. エ ン ド ユ ー ザ ー の セ グ メ ン テ ー シ ョ ン U s e r - I t e m M a t r i x の 応 用 類似したユーザーからアイテム を選ぶと「レコメンド」 類似したユーザーをまとめると 「セグメンテーション」
27. エ ン ド ユ ー ザ ー の セ グ メ ン テ ー シ ョ ン U s e r - I t e m M a t r i x の 可 視 化 数が多いためヒートマップ化 30万ユーザー×20ブランド 20次元のユーザーベクトル
28. エ ン ド ユ ー ザ ー の セ グ メ ン テ ー シ ョ ン 点 は ユ ー ザ ー 色 は セ グ メ ン ト 2 0 次 元 ベ ク ト ル を 3 次 元 に 圧 縮
29. こ れ で 何 が で き る か ？ ユーザーデータではなく、行動 データからセグメンテーション ブランドスイッチしやすい ユーザーの可視化 エ ン ド ユ ー ザ ー の セ グ メ ン テ ー シ ョ ン
30. 4 つ の 軸 協 調 フ ィ ル タ リ ン グ ビ ジ ネ ス デ ー タ サ イ エ ン ス エ ン ジ ニ ア リ ン グ ヒ ス ト リ ー U s e r - I t e m M a t r i x ベ ク ト ル の 類 似 度 を 計 算 す る 。 ま と め
31. 参 考 文 献 R e c o m m e n d e r S y s t e m s a n d D e e p L e a r n i n g i n P y t h o n C o u r s e | U d e m y O ' R e i l l y J a p a n - 推 薦 シ ス テ ム 実 践 入 門 総 務 省 ｜ 令 和 元 年 版 情 報 通 信 白 書 ｜ イ ン タ ー ネ ッ ト の 登 場 ・ 普 及 と コ ミ ュ ニ ケ ー シ ョ ン の 変 化 ア ソ シ エ ー シ ョ ン 分 析 （ あ そ し え ー し ょ ん ぶ ん せ き ） ： 情 報 シ ス テ ム 用 語 事 典 - I T m e d i a エ ン タ ー プ ラ イ ズ
32. ご 静 聴 あ り が と う ご ざ い ま し た ！ Thank you!