AIBR プレミアム
拓海先生、最近うちの部下が「ビジュアルな発見機能を入れたい」と言ってきましてね。検索では拾えない良い商品をお客さん自身に見つけてもらえるようにしたいらしいのですが、正直ピンと来ていません。要は画像を並べて見せるだけで売上が上がるものなんでしょうか。
素晴らしい着眼点ですね！大丈夫、一緒に整理しましょう。今回ご説明する論文は、視覚的な商品列をユーザーごとに適応させ、しかも表示の多様性を保つことで発見の効率を高める、という話なんですよ。
視覚的に並べるだけで効くのは分かりますが、うちのような実店舗とECの併存では投資対効果（ROI）が気になります。お金をかけるなら、どの部分が変わるのか端的に教えてください。
いい質問です。要点は三つに整理できますよ。第一に「発見率」と「クリック率（Click-through rate、CTR、クリック率）」が上がる、第二にユーザーの滞在時間が伸びる、第三に表示効率が高まりスクロール量が減る、つまり少ない接触で成果が出る設計です。
なるほど。でも具体的に「どうやって」ユーザーごとに変えるのですか。店舗での接客に例えると、どういう店員の振る舞いに相当しますか。
良い比喩ですね。店員が来店者の好みを観察して、興味がありそうなカテゴリをまず並べつつ、たまに予期せぬおすすめも混ぜて驚きを与える、という振る舞いです。ここで使う技術はベイズ回帰（Bayesian regression、ベイジアン回帰）で興味度を推定し、サブモジュラ関数（Submodular functions、サブモジュラ関数）で多様性を担保します。
これって要するにユーザーごとに表示を変えて、飽きさせないようにする仕組みということ？つまり個別対応＋多様性を両立させるという話ですか。
まさにその通りですよ。大丈夫、やり方はシンプルに分解できます。要は（1）アイテム毎にクリック確率を予測するモデルを持ち、（2）高スコアの中からカテゴリや属性の観点で再ランキングし多様性を確保し、（3）ユーザーの行動から好みの重みを学習して表示を個別化する、という三段構成です。
現場導入で心配なのはデータ量と運用コストです。うちのようにクリック履歴が少ない顧客層でも機能しますか。あとは実験で効果が出たというのはどれくらいの改善なんでしょうか。
とても現実的な視点ですね。論文の実験では、個別化された多様性の重みを使った場合にCTRが約12.6%上昇したと報告されています。データが少ないユーザーには非個別化の重みを適用し、アクティブユーザーには個別化を適用するハイブリッド運用により効果を出しています。
なら段階的に導入して効果を確かめられそうですね。最後にもう一度、私の言葉で要点を整理してもいいですか。あまり専門用語は使えないのですが。
もちろんです。良いまとめは理解のしるしですよ。どうぞ、ご自身の言葉で説明してみてください。
分かりました。要するに「ユーザーごとに何を見せるか賢く変えつつ、同時に種類を混ぜて飽きさせない」仕組みを作って、少ないスクロールで多くのクリックを引き出す、ということですね。まずは少数顧客でABテストして様子を見ます。
