Upgrade to Pro — share decks privately, control downloads, hide ads and more …

LLMを用いたメタデータベースレコメンド検証

Avatar for CyberAgent CyberAgent
May 27, 2025
780

 LLMを用いたメタデータベースレコメンド検証

Avatar for CyberAgent

CyberAgent

May 27, 2025
Tweet

More Decks by CyberAgent

Transcript

  1. AbemaTV, Inc. All Rights Reserved
 • 名前: 宇戸 慎吾(うと しんご)

    • 仕事: ABEMAのDS • 経歴: ◦ 2015/04: 九州大学経済工学科入学 ◦ (中略) ◦ 2023/08: CA中途入社(ABEMAにジョイン) ◦ 2025/04〜現在 ▪ いろんな施策の効果検証をしたり ▪ データから広告売上を伸ばすための戦略を考えたり • 趣味: キックボクシング 自己紹介
  2. AbemaTV, Inc. All Rights Reserved
 2024 CODE@MIT(Conference On Digital Experimantation)に採択されました!

    今回お話する内容 CODE@MITについてはこちらをご参照ください: https://ide.mit.edu/events/code24/
  3. AbemaTV, Inc. All Rights Reserved
 ルールベース, MLベース, バンディットなど、複数のロジックが存在し、 ページ/モジュールごとに適用されるロジックが異なる ABEMAのレコメンドシステム

    ページA ページB モジュールa: バンディット モジュールb: ルールベース モジュールc: MLベース コンテンツ コンテンツ コンテンツ コンテンツ 視聴コンテンツ
  4. AbemaTV, Inc. All Rights Reserved
 Control:Treatment=34:33とし、10日間のA/Bテストを実施 実験デザイン ユーザーのログイン時にAorBをランダムに割り振る Control Group

    MLベース Treatment Group メタデータベース ランダムに割り振っていても実験前からA/B間で差があるこ とがあるため、実験前のアウトカムをコントロールする 以下の回帰モデルを用いて処置効果τを推定 Y i, t = β 0 + β 1 ・Y i, t-1 + τ・T i + u i • i: user_idを表す添字 • t: 期間を表す添字 ◦ t=0: 実験期間前10日間 ◦ t=1: 実験期間中10日間 • Y: 視聴KPI • T: 処置を表すダミー変数 ◦ T=0: MLベースレコメンド ◦ T=1: メタデータベースレコメンド • u: 誤差項
  5. AbemaTV, Inc. All Rights Reserved
 • 全コンテンツの視聴KPIはユーザー1人当たり0.0027減少 ◦ majorコンテンツの視聴KPIはユーザー1人当たり0.0063減少 ◦

    minorコンテンツの視聴KPIはユーザー1人当たり0.0036増加 → 推薦枠経由の視聴は減少しており、悲しみにくれながらサービス全体への影響も確認 推薦枠のレコメンドロジックを変えたため、推薦枠経由の視聴の変動を調べる 視聴ページ推薦枠(介入対象枠)経由の視聴KPIへの効果 ***は有意水準1%で有意であることを表す ALLコンテンツ majorコンテンツ minorコンテンツ -0.0027*** (0.0003) -0.0063*** (0.0002) +0.0036*** (0.0003)
  6. AbemaTV, Inc. All Rights Reserved
 • 全コンテンツの視聴KPIはユーザー1人あたり0.0141増加 ◦ majorコンテンツの視聴KPIは統計的に有意な差はない(まぁ下がってそう) ◦

    minorコンテンツの視聴KPIはユーザー1人当たり0.0202増加 → 推薦枠経由の結果とは逆の結果に! サービス全体の視聴KPIへの効果 全コンテンツ majorコンテンツ minorコンテンツ +0.0141** (0.0069) -0.0061 (0.0038) +0.0202*** (0.0056) ***, **はそれぞれ有意水準1%, 5%で有意であることを表す まさかの結果が得られる
  7. AbemaTV, Inc. All Rights Reserved
 ここまでの整理と考察 推薦枠(介入対象枠)経由の視聴時間 サービス全体 majorコンテンツ minorコンテンツ

    -0.0063*** (0.0002) +0.0036*** (0.0003) majorコンテンツ minorコンテンツ -0.0061 (0.0038) +0.0202*** (0.0056) > < ***は有意水準1%で有意であることを表す 介入対象枠の経由視聴KPIは悪化しているが、サービス全体の視聴KPIは改善されている → 推薦枠以外の面/枠の経由視聴が増加しているはず! → ユーザーのトラフィックが多い、TOP面/ジャンルTOP面経由の視聴KPIを確認
  8. AbemaTV, Inc. All Rights Reserved
 いずれの面も • majorコンテンツの視聴KPIのみ増加しており、 • minorコンテンツの視聴KPIは変化ナシ(減少していない)

    TOP経由 TOP/ジャンルTOP面経由の視聴KPIへの効果 ジャンルTOP経由 majorコンテンツ minorコンテンツ +0.0032*** (0.0010) +0.0007 (0.0013) majorコンテンツ minorコンテンツ +0.0019*** (0.0005) +0.0007 (0.0009) ***は有意水準1%で有意であることを表す
  9. AbemaTV, Inc. All Rights Reserved
 推薦枠 major: 多 minor: 少

    旧ロジック これらの結果を踏まえた考察 TOP面などを回遊 majorを視聴 majorを視聴 新ロジック TOP面などを回遊 majorを視聴 minorを視聴 推薦枠 major: 少 minor: 多 推薦枠のロジックを変えたことによる、視聴面を起点としたユーザー行動の変化 推薦枠におけるmajorコンテンツの表示が減少したことによる major視聴の減少分の一部は、TOP面などで回収された 推薦枠経由のmajor視聴は減少し、 代わりにminor視聴が増加した
  10. AbemaTV, Inc. All Rights Reserved
 • Popularity Biasの問題に対処するためにメタデータベースのレコメンドを開発 ◦ 莫大なコンテンツ数に対応するためにLLMを用いてメタデータを生成

    • A/Bテストによる効果検証を実施し、サービス全体では視聴が増加 ◦ majorコンテンツの視聴は減少し、minorコンテンツの視聴は増加 ◦ 推薦枠経由のmajorコンテンツ視聴は減少したが、その減少分の一部はTOP面などで回収 されていた まとめ